JP7382618B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7382618B2 JP7382618B2 JP2019041002A JP2019041002A JP7382618B2 JP 7382618 B2 JP7382618 B2 JP 7382618B2 JP 2019041002 A JP2019041002 A JP 2019041002A JP 2019041002 A JP2019041002 A JP 2019041002A JP 7382618 B2 JP7382618 B2 JP 7382618B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- patient
- disease
- doctor
- inference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 19
- 238000003672 processing method Methods 0.000 title claims description 5
- 201000010099 disease Diseases 0.000 claims description 158
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 158
- 238000012545 processing Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 description 50
- 238000000034 method Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 21
- 238000013459 approach Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000003748 differential diagnosis Methods 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 206010008479 Chest Pain Diseases 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010030216 Oesophagitis Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 230000001363 autoimmune Effects 0.000 description 1
- 208000035269 cancer or benign tumor Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 208000006881 esophagitis Diseases 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001107 psychogenic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Description
例えば、特許文献1には、特定の疾患であることを肯定や否定する要因を、カルテ等の文章から抽出し、確定診断の根拠の説明を作成する技術が提案されている。
本発明は、このような状況に鑑みてなされたものであり、何れの疾患の可能性が高いかを推論するための情報を提供することを目的とする。
患者に関する情報を含む情報を、患者情報として取得する患者情報取得手段と、
前記患者情報に基づき、前記患者に関連し得る疾患に関する第1情報を生成又は取得する第1生成取得手段と、
前記第1情報又は前記第1情報に基づく情報を、医療従事者に対して提示する提示手段と、
を備える。
本発明の一態様の情報処理方法及びプログラムの夫々は、上述の本発明の一態様の情報処理装置に対応する情報処理方法及びプログラムの夫々である。
医療従事者である医師Dは、初期診断に係るプロセスにおいて、患者である患者Pに対して問診を行い、その内容に基づき臨床推論を行うことで患者Pの病状や疾患が明らかではない状況において、初期診断を実施する。
この臨床推論とは、医師Dが、初期診断における基本的な考え方(思考プロセス)や意思決定の過程を説明する推論であり、特に当該分野を専門とする医師や研究者の間では、ある程度体系化された理論として理解されている。
本発明の情報処理装置の一実施形態に係る推論支援端末は、典型的には、初期診断に慣れていない医師Dに対して、初期診断の精度の向上や初期診断に関係するスキルの向上(教育目的)において利用される。
図1には、医師Dによる診察を希望する患者Pと、患者Pの診察を行う医師Dと、医師Dにより利用される推論支援端末1とが示されている。なお、図1の例では、医師Dに対して本サービスの提供を行っている者を、サービス提供者Mとして、以降の説明を行う。
また、図1の例では、患者Pが主として訴えている症状である主訴(Chief Complaint)は、胸痛(Chest Pain)である。推論支援端末1は、このような患者Pに対して、初期診断を実施する医師Dによって利用される。
以降、このような前提の下、本サービスの流れの一例について、各ステップの夫々について、全体の流れを説明していく。
ここで、問診の内容とは、例えば、医師Dが患者Pに対して問診を行った結果に関するテキストデータ(以下、「問診結果」と呼ぶ)等である。ただし、問診結果は、患者Pが医師Dの質問に対して返答した結果のみに限られない。
即ち、具体的に例えば、患者Pが診察前に記入した問診票の内容、患者Pのバイタルサイン、患者Pのカルテ、患者Pの種々の検査結果、患者Pの返答を記録した音声データ、患者Pの状態を説明する説明文章、医師Dが気になった事項を記した文章等が含まれてもよい。
換言すれば、医師Dは、問診結果を含み、初期診断に係る臨床推論に資する様々な情報を、患者情報として推論支援端末1に入力する。
即ち、推論支援端末1は、医師Dにより入力された患者情報、即ち、臨床推論に資する様々な情報から、所定のアルゴリズムに基づき、一次的な患者Pの有する潜在的な疾患の候補を決定する。なお、ここで利用するアルゴリズムは、サービス提供者Mや医師D等が任意に決定することができるが、具体的なアルゴリズムの一例について、図3等を使って後述する。
図1の例では、推論支援端末1は、患者情報に含まれる、患者Pの主訴が胸痛であるという情報等から、所定のアルゴリズムによる演算を行った結果として、例えば、患者Pの有する潜在的な疾患の候補として「急性心筋梗塞」や「逆流性食道炎」が決定する。
医師Dは、提示された疾患情報を確認することで、まずは一次的に患者Pが罹患している疾患の候補を確認する。しかしながら、例えば、医師Dが初期診断に慣れていないような場合には、医師Dが患者Pに問診で質問しなければならない事項を質問し忘れたり、患者Pの返答が不十分であるにも関わらず問診を終了してしまうといった事態も十分に考えられる。そのような場合には、医師Dは、患者Pが罹患している疾患を特定することができない。
具体的に例えば、医師Dが、患者Pが罹患している可能性のある複数の疾患の候補から、真に患者Pが罹患している疾患を特定することができない場合が想定される。
また例えば、医師Dは、所定の疾患に患者Pが罹患している可能性が極めて高いと考えているものの、確信を持つことができないような場合が想定される。
また例えば、医師Dが、患者Pが罹患している疾患を特定することができない場合でも、患者Pが致命的な疾患に罹患している可能性はないかということを優先して検討したいような場合も想定される。
ここで言う要望とは、医師Dが正確に初期診断を実施するために資する要望であれば足りる。そして、具体的に本実施形態において、推論支援端末1は、関連する機能として、以下の3つの機能を備えることができる。
即ち、推論支援端末1は、医師Dからの要望に応じて、患者Pが重篤な疾患を罹患しているか否かを特定する機能、患者Pが罹患している疾患の候補を絞り込む機能、患者Pが特定の疾患を罹患しているか否かを特定する機能がある。
なお、ここでは、上述の推論支援端末1の機能のうち、重篤な疾患を罹患しているか否かを特定する機能に関連する追加情報が生成された例について説明する。
具体的に例えば、推論支援端末1は、急性心筋梗塞等の重篤な疾患であるか否かを特定する、胸の痛みの発生が「突発的」であったという兆候を調べるべきという追加情報を、生成する。
この更新後疾患情報においては、上述の疾患情報に比べて、患者Pのより詳細な情報等に基づき、患者Pが罹患している疾患の候補が示されているため、医師Dは、この更新後疾患情報を、より確度の高い情報として利用できることが期待される。
また、推論支援端末1は、疾患情報として、患者Pが有する潜在的な疾患の候補の夫々における、当該疾患らしさの程度(以下、「疾患らしさ」と呼ぶ)の情報を含むことができる。また、推論支援端末1は、疾患情報として、患者情報のうち、何れの内容が、疾患の候補の夫々の疾患らしさを向上又は下降させているかの情報を含むことができる。
ここで、オッズとは、患者が所定の疾患である確率を示す指標であり、0から正の無限大の間の数値を取り、オッズが0に近ければ近い程、「疾患らしさ」が低く、オッズが高い程、「疾患らしさ」が高いことを意味する。
さらに、「事前オッズ」と「事後オッズ」という概念について説明する。
「事前オッズ」とは、予測される、ある疾患の存在確率を示す指標(オッズ)である。そして、「事後オッズ」とは、患者情報に含まれるリスクや症状等が発生した事後において予測される、ある疾患の存在確率を示す指標(オッズ)である。
なお、具体的には、「事後オッズ」は、「事前オッズ」に対して、複数の事項の夫々に対応する尤度比(Likelihood Ratio、以下、「LR」と適宜呼ぶ)の夫々を積算することにより算出することができる。
RAM13には、CPU11が各種の処理を実行する上において必要なデータ等も適宜記憶される。
入力部17は、キーボードやマウス等で構成され、各種情報を入力する。
通信部19は、インターネットを含むネットワークNを介して他の装置(図5の例ではサーバ2や工程制御端末3)との間で通信を行う。
また、リムーバブルメディア31は、記憶部18に記憶されている各種データも、記憶部18と同様に記憶することができる。
さらに、推論支援端末1の記憶部18の一領域には、疾患尤度比DB300と、レッドフラッグDB400と、クライテリアDB500と、学習結果DB600とが設けられる。
上述の通り、患者情報には、問診結果のみならず、例えば、患者Pが診察前に記入した問診票の内容、患者Pのバイタルサイン、患者Pのカルテ、患者Pの種々の検査結果、患者Pの返答を記録した音声データ、患者Pの状態を説明する説明文章、医師Dが気になった事項を記した文章等が含まれてもよい。
具体的に例を用いて説明する。例えば、医学用語変換部102は、患者情報取得部101で取得された患者情報のうちの問診結果から、患者Pが罹患している疾患を特定するために必要となるキーワードを抽出し、第一次的なプロブレムリスト(以下、「オリジナルプロブレムリスト」と呼ぶ)を生成する。
なお、このようなキーワードの抽出は、例えば、形態素解析等の既存の技術を利用して実行してもよい。
そして、このようにして生成されたオリジナルプロブレムリストに対して、医学用語変換部102は、オリジナルプロブレムリストに含まれる各キーワードを、所定の方式に基づき医学に一般的に利用可能な医学用語へと変換し、新たなプロブレムリスト(以下、「医学用語プロブレムリスト」と呼ぶ)を生成する。
なお、医学用語プロブレムリストに記載される医学用語は、患者Pの具体的な回答に含まれるキーワードを、医学的に分類し、より上位の概念として置き換えられた用語である。また、ここで言う医学用語とは、例えば、「高血圧症」、「胸痛」等である。なお、普遍化された医学用語は、Semantic Qualifier(以下、「SQ」と呼ぶ)と呼ばれる。
即ち、事後オッズ演算部103は、医学用語変換部102で取得された医学用語プロブレムリストに記載された医学用語に基づき、患者Pに対する、夫々の疾患の事後オッズを算出する。
即ち、疾患情報生成部104は、事後オッズ演算部103で算出された指標(例えば、事後オッズ)に基づき、対象となる患者Pの有する潜在的な疾患の候補を示す情報を生成する。
医師Dは、提示された疾患情報に基づき、初期診断を試みる。ここでは、医師Dは、患者Pの有する潜在的な疾患の候補の情報提示されたものの、初期診断として疾患を特定することができなかった例として説明する。
また、追加情報生成部107には、生成情報決定部151と、レッドフラッグ質問生成部152と、疾患絞込質問生成部153と、クライテリア質問生成部154とが設けられている。
具体的に例えば、レッドフラッグ質問生成部152は、患者情報等から取得された患者Pの主訴から、当該主訴と紐づけられているレッドフラッグに関して確認すべき内容を含む情報をレッドフラッグDB400から、患者Pにさらに確認すべき、追加情報又は質問を抽出し、その情報を追加情報又は質問として生成する。
具体的に例えば、疾患絞込質問生成部153は、患者情報等から取得された患者Pの罹患している疾患の候補から、当該疾患の候補と紐づけられている用語に関して確認すべき内容を含む情報を疾患尤度比DBから、患者Pにさらに確認すべき、追加情報又は質問を抽出し、その情報を追加情報又は質問として生成する。
具体的に例えば、クライテリア質問生成部154は、患者情報等から取得された患者Pが罹患している疾患の候補のうち、医師Dが特定しようとする疾患に関して確認すべき内容を含む情報をクライテリアDB500から、患者Pにさらに確認すべき、追加情報又は質問を抽出し、その情報を追加情報又は質問として生成する。
また、医師Dが初期診断に至らなかった場合、推論支援端末1は、医師Dに更なる患者情報を入力されることができる。更なる患者情報を入力された推論支援端末1は、疾患情報を更新することができる。医師Dは、問診を繰り返すことにより、疾患を特定し初期診断を行うことができる。
鑑別診断の結果は、後述する学習部において、教師データとして活用されることができる。
図4の画面の例では、図4の画面の左上部に、問診結果入力欄W1が表示されている。また、図4の問診結果入力欄W1の上部及び下部には、患者Pの性別やバイタルサイン、既往症を入力する欄が表示されている。これらの欄に対し、医師Dは、問診結果を含む初期診断に係る臨床推論に資する様々な情報である患者情報を入力する。
図4の画面の中央には、オリジナルプロブレムリスト欄W2が表示されている。オリジナルプロブレムリスト欄W2には、図3の医学用語変換部102により生成された、患者情報から複数の問題となりえる言葉を抽出したリストであるオリジナルプロブレムリストが表示される。
図4の画面の右上には、主訴欄W3が表示されている。図4の画面の例では、主訴(Chief Complaint)は、胸痛(Chest Pain)である。
図5の画面の例では、図5の画面の左側に、オリジナルプロブレムリスト欄W2が表示されている。また、図5の画面の例では、図5の画面の右側に、医学用語プロブレムリスト欄W4が表示されている。
また、医師Dは、図5の画面において、医学用語プロブレムリスト欄W4を操作することにより、オリジナルプロブレムリストと対応するSQを変更することができる。これにより、図5の画面を確認した医師Dは、オリジナルプロブレムリストと、医学用語であるSQとが、どのように対応づくのか学ぶことができる。
これにより、推論支援端末1は、所謂自然語が含まれる患者情報を、統制語であるSQに変換することで、疾患ごとの事後オッズを演算する精度を向上することができる。
次に、推論支援端末1は、医学用語プロブレムリストに基づき、疾患の夫々の疾患らしさの指標を演算する。即ち、医学用語プロブレムリストのSQの夫々を、疾患の夫々の尤度比と対応付けて、疾患の夫々の確率の指標である疾患らしさである事後オッズを演算する。事後オッズの計算の詳細は、図1における説明の通りである。
図6の画面の例では、図6の画面の上部に、「Diagnostic Reasoning 臨床推論」の記載がある。また、図6の画面の左下部には、「Problem Representation 問題表象」の記載があり、図6の画面の右下部には、「Hypothetico-deductive method 仮説演繹法」の記載がある。一方、図6の画面の右中央部には、円形の図形と往復する矢印とが記載されている。問題表象を元に、仮説演繹法を通して、種々の判断を繰り返し利用して疾患を絞込み、初期診断を行うという臨床推論のプロセスを示している。
図7の画面は、医師Dが、図6の画面のうち、Bayons’ theoremに基づくアプローチの1つとして「Red Flags (Prognostic approach)」ボタンB2の操作を行った場合に、表示される。
レッドフラッグ欄W9には、医学用語プロブレムリスト欄W4に示される主訴と紐づけられているレッドフラッグに関して確認すべき内容がリストされている。推論支援端末1は、レッドフラッグ欄W9を介して、医師Dに、追加情報を提供することができる。
医師Dは、レッドフラッグ欄W5から、レッドフラッグを選択し、患者Pが当てはまるかをYESとNOとから選択する。これにより、推論支援端末1は、患者Pがレッドフラッグに該当するかの情報を更なる患者情報として取得することができる。
図8の画面は、医師Dが、図6の画面のうち、Bayons’ theoremに基づくアプローチの1つとして「Questions」ボタンB6の操作を行った場合に、表示される。
クエスチョン欄W6には、医学用語プロブレムリスト欄W4に示される医学用語プロブレムリストに基づく疾患情報に関して確認すべき内容がリストされている。推論支援端末1は、クエスチョン欄W6を介して、医師Dに対し、追加情報を提供することができる。
医師Dは、クエスチョン欄W6から、質問を選択し、患者Pが当てはまるかをYESとNOとから選択する。これにより、推論支援端末1は、患者Pが質問に該当するかの情報を更なる患者情報として取得することができる。
図9の画面は、医師Dが、図6の画面のうち、Bayons’ theoremに基づくアプローチの1つとして「Criteria」ボタンB7の操作を行った場合に、表示される。
クライテリア欄W7には、診断仮説欄W8に示される疾患情報に基づく患者Pが罹患している疾患のうち、ある疾患であるか否かを特定する項目がリストされている。推論支援端末1は、クライテリア欄W7を介して、医師Dに対し、追加情報を提供することができる。
医師Dは、クエスチョン欄W6から、ある疾患であるか否かを特定する項目を選択し、患者Pが当てはまるかをYESとNOとから選択する。これにより、推論支援端末1は、患者Pが項目に該当するかの情報を更なる患者情報として取得することができる。
図10の画面は、医師Dが、図6の画面のうち、医学用語プロブレムリストから出る矢印の1つ目の段階を示す「Diagnostic Hypothesis」ボタンB5の操作を行った場合に、表示される。
ここで、VINDICATEとは、Vascular(血管性)、Infection(感染)、Neoplasm(新生物)、Degenerative(変性)、Idiopathic(中毒)、Congenital(先天性)、Autoimmune(アレルギー・自己免疫)、Trauma(外傷)、Endocrine(代謝・内分泌系)の頭文字である。また、Pとは、Psychogenic(精神・心因性)の頭文字である。
つまり、医師Dは、臨床推論を行うに当たり、まず、問題表象である医学用語プロブレムリストから出る矢印の1つ目の段階である診断仮説として、VINDICATE+Pの観点により、病態を考えることができることを示している。
医師Dは、VINDICATE+P欄W9から、患者が該当する項目を選択する。これにより、推論支援端末1は、患者Pが項目に該当するかの情報を更なる患者情報として取得することができる。
図11の画面は、医師Dが、図6の画面のうち、医学用語プロブレムリストから出る矢印の1つ目の段階を示す「Abduction (hypothetico-Deductive method)」ボタンB6の操作を行った場合に、表示される。
医師Dは、仮説演繹欄W10から、患者Pが項目に当てはまるかをYESとNOとから選択する。これにより、推論支援端末1は、患者Pが項目に該当するかの情報を更なる患者情報として取得することができる。
図12の画面は、医師Dが、図6の画面のうち、医学用語プロブレムリストから出る矢印の3つ目の段階を示す「Initial Diagnosis」ボタンB7の操作を行った場合に、表示される。
初期診断欄W11には、疾患情報に基づき、患者Pが罹患している疾患の候補がリストされる。
医師Dは、初期診断欄W11に基づき、疾患の夫々の事後オッズを参照して、初期診断をすることができる。
図13の画面は、医師Dが、図6の画面のうち、Bayons’ theoremに基づくアプローチの1つとして「OPQRST」ボタンB8の操作を行った場合に、表示される。
ここで、OPQRSTとは、Onset(発症様式)、Palliative/Provocative factor(増悪・寛解因子)、Quality(性状)、Region/Radiation/related symptoms(部位・放散・関連症状)、Severity(強さ)、Temporal characteristics(啓示的変化)の頭文字である。
つまり、医師Dは、臨床推論を行うに当たり、患者が訴える痛みをOPQRSTの観点により、病態を考えることができることを示している。
医師Dは、OPQRST欄W12から、患者が該当する項目を選択する。これにより、推論支援端末1は、患者Pが項目に該当するかの情報を更なる患者情報として取得することができる。
図14の画面は、医師Dが、図6の画面のうち、Bayons’ theoremに基づくアプローチの1つとして「Algorithmic Approach」ボタンB9の操作を行った場合に、表示される。
アルゴリズムアプローチ欄W13には、所定のアルゴリズムに基づいて、質問が表示される。医師Dは、表示された質問に対し、患者Pが項目に当てはまるかをYESとNOとから選択する。これにより、推論支援端末1は、患者Pが項目に該当するかの情報を更なる患者情報として取得することができる。更なる患者情報を取得した推論支援端末1は、アルゴリズムアプローチ欄W13に、所定のアルゴリズムに基づいて、更なる質問を表示する。医師Dは、同様に、表示された質問に対し、患者Pが項目に当てはまるかをYESとNOとから選択する。これを繰り返すことにより、患者Pが罹患している疾患の候補を絞り込むことができる。
以上、推論支援端末1に備えられ得る更なる機能について、図6及び図10乃至図14を参照しつつ説明した。
即ち、例えば、患者情報は、医師Dにより推論支援端末1に入力される必要はない。更に言えば、患者情報は、症例や初期診断に係る臨床推論の例題として、推論支援端末1に入力されていてもよい。
これにより、医師Dは、自身のスキルや状況に合わせて、より自身に合った形で、臨床推論及び初期診断の思考やプロセスについて、トレーニングすることができる。
即ち、例えば、問診の結果から、医師Dは自ら医学用語プロブレムリストに類似するリスト等を作成し、それを推論支援端末1に入力してもよい。
さらに言えば、医師Dは、問診として、必ずしも書面又は口頭による患者Pへの質問を行う必要はなく、任意の方法により患者Pが罹患している疾患を特定するための情報を首都できればよい。
これにより、例えば、医師Dは、初期診療に係る臨床推論において、患者情報から、患者Pが罹患している疾患の候補を推論するための医学用語プロブレムリストを考える力を養うことができる。
即ち、推論支援端末1による推論結果の提示は、必ずしも上述の実施形態における順序で行われる必要はなく、任意である。また、同様に、医師Dから推論支援端末1に対する要望についても、必ずしも上述の実施形態における順序で行われる必要はない。
具体的に例えば、医師Dは、必要に応じて、複数回に渡り推論支援端末に対して、要望を行っても良いし、問診前に所定の疾患について関連する質問を事前に確認する等してもよい。
換言すれば、医師Dは、自身のスキルや状況に応じて、任意のタイミングで、推論支援端末の備えられている各種機能を利用してもよい。
これにより、医師Dは臨床推論の過程で、試行錯誤を繰り返した推論を進めることで、実際的な推論の過程を経ることができる。即ち、医師Dは、初期診断に関係するスキルの向上をすることができる。
換言すると、図3の機能的構成は例示に過ぎず、特に限定されない。
即ち、上述した一連の処理を全体として実行できる機能が情報処理システムに備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図3の例に限定されない。また、機能ブロックの存在場所も、図3に特に限定されず、任意でよい。例えば、推論支援端末1の機能ブロックを図示しない別のサーバ等に移譲させてもよい。
また、1つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
即ち、本発明が適用される情報処理装置(例えば、図2の推論支援端末1)は、
患者に関する情報を含む情報を、患者情報として取得する患者情報取得手段(例えば、図3の患者情報取得部101)と、
前記患者情報に基づき、前記患者に関連し得る疾患に関する第1情報(例えば、疾患情報)を生成又は取得する第1生成取得手段(例えば、図3の疾患情報生成部104)と、
前記第1情報又は前記第1情報に基づく情報を、医療従事者に対して提示する提示手段(例えば、図3の提示部105)と、
を備える。
これにより、何れの疾患の可能性が高いかを推論するための情報を提供することができる。
前記提示手段は、前記第1情報に基づく情報として、前記第2情報を提示することもできる。
これにより、推論支援端末1は、追加情報として、患者Pに尋ねるべき質問等を生成することができる。
前記第2生成取得手段は、前記第1情報に加えて前記要望に基づき、前記第2情報を生成することもできる。
前記第2情報は、前記患者が前記重篤な疾患であるかを判断するための支援となる情報(例えば、レッドフラッグ)である。
前記第2情報は、前記患者の疾患として、前記第1情報で特定される疾患のうち少なくとも1つが含まれているかを判断するための支援となる情報(例えば、追加情報)である。
Claims (3)
- 患者に対して実施した問診の内容を含む情報を、患者情報として取得する患者情報取得手段と、
前記患者情報に基づき、前記患者の有する潜在的な疾患の候補を推定し、当該候補を示す第1情報を生成する第1生成手段と、
前記第1情報を、医療従事者に対して提示する第1提示手段と、
前記第1情報に基づいて患者が重篤な疾患を罹患しているか否かを特定する第1推論を利用したいという第1要望、前記第1情報に基づいて前記患者が罹患している疾患の候補を絞り込む第2推論を利用したいという第2要望、及び前記第1情報に基づいて前記患者が特定の疾患を罹患しているか否かを特定する第3推論を利用したいという第3要望のうち、前記医療従事者により選択された要望を選択要望として、当該選択要望を実現するために前記医療従事者が前記患者に追加で質問するべき事項を示す第2情報を、前記選択要望で特定される推論及び前記第1情報に基づいて生成する第2生成手段と、
前記第2情報を、前記医療従事者に対して提示する第2提示手段と、
を備える情報処理装置。 - 情報処理装置が実行する情報処理方法において、
患者に対して実施した問診の内容を含む情報を、患者情報として取得する患者情報取得ステップと、
前記患者情報に基づき、前記患者の有する潜在的な疾患の候補を推定し、当該候補を示す第1情報を生成する第1生成ステップと、
前記第1情報を、医療従事者に対して提示する第1提示ステップと、
前記第1情報に基づいて患者が重篤な疾患を罹患しているか否かを特定する第1推論を利用したいという第1要望、前記第1情報に基づいて前記患者が罹患している疾患の候補を絞り込む第2推論を利用したいという第2要望、及び前記第1情報に基づいて前記患者が特定の疾患を罹患しているか否かを特定する第3推論を利用したいという第3要望のうち、前記医療従事者により選択された要望を選択要望として、当該選択要望を実現するために前記医療従事者が前記患者に追加で質問するべき事項を示す第2情報を、前記選択要望で特定される推論及び前記第1情報に基づいて生成する第2生成ステップと、
前記第2情報を、前記医療従事者に対して提示する第2提示ステップと、
を含む情報処理方法。 - コンピュータに、
患者に対して実施した問診の内容を含む情報を、患者情報として取得する患者情報取得ステップと、
前記患者情報に基づき、前記患者の有する潜在的な疾患の候補を推定し、当該候補を示す第1情報を生成する第1生成ステップと、
前記第1情報を、医療従事者に対して提示する第1提示ステップと、
前記第1情報に基づいて患者が重篤な疾患を罹患しているか否かを特定する第1推論を利用したいという第1要望、前記第1情報に基づいて前記患者が罹患している疾患の候補を絞り込む第2推論を利用したいという第2要望、及び前記第1情報に基づいて前記患者が特定の疾患を罹患しているか否かを特定する第3推論を利用したいという第3要望のうち、前記医療従事者により選択された要望を選択要望として、当該選択要望を実現するために前記医療従事者が前記患者に追加で質問するべき事項を示す第2情報を、前記選択要望で特定される推論及び前記第1情報に基づいて生成する第2生成ステップと、
前記第2情報を、前記医療従事者に対して提示する第2提示ステップと、
を含む制御処理を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019041002A JP7382618B2 (ja) | 2019-03-06 | 2019-03-06 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019041002A JP7382618B2 (ja) | 2019-03-06 | 2019-03-06 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020144623A JP2020144623A (ja) | 2020-09-10 |
JP7382618B2 true JP7382618B2 (ja) | 2023-11-17 |
Family
ID=72354274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019041002A Active JP7382618B2 (ja) | 2019-03-06 | 2019-03-06 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7382618B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000067139A (ja) | 1998-08-25 | 2000-03-03 | Hitachi Ltd | 電子カルテシステム |
JP2017111755A (ja) | 2015-12-18 | 2017-06-22 | 日本電気株式会社 | 医療面接支援装置、そのデータ処理方法、およびプログラム |
JP2018120430A (ja) | 2017-01-25 | 2018-08-02 | 株式会社メドレー | 医療情報提供方法、医療情報提供装置、及びプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006059149A (ja) * | 2004-08-20 | 2006-03-02 | Fujitsu Ltd | 病名推定装置および病名推定プログラム |
JP5879308B2 (ja) * | 2013-07-11 | 2016-03-08 | 富士フイルム株式会社 | 診療情報表示制御装置および方法並びにプログラム |
JP6376838B2 (ja) * | 2014-05-22 | 2018-08-22 | 富士フイルム株式会社 | 診療支援装置、診療支援装置の作動方法及びプログラム、並びに診療支援システム |
JP6874385B2 (ja) * | 2017-01-19 | 2021-05-19 | 株式会社島津製作所 | 電子カルテシステムおよび電子カルテ作成プログラム |
US20180315488A1 (en) * | 2017-04-25 | 2018-11-01 | Telemedco Inc. | Emergency Room Medical Triage, Diagnosis, and Treatment |
-
2019
- 2019-03-06 JP JP2019041002A patent/JP7382618B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000067139A (ja) | 1998-08-25 | 2000-03-03 | Hitachi Ltd | 電子カルテシステム |
JP2017111755A (ja) | 2015-12-18 | 2017-06-22 | 日本電気株式会社 | 医療面接支援装置、そのデータ処理方法、およびプログラム |
JP2018120430A (ja) | 2017-01-25 | 2018-08-02 | 株式会社メドレー | 医療情報提供方法、医療情報提供装置、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020144623A (ja) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Burlina et al. | Assessment of deep generative models for high-resolution synthetic retinal image generation of age-related macular degeneration | |
Wang et al. | Should health care demand interpretable artificial intelligence or accept “black box” medicine? | |
Mozersky et al. | Comprehension of an elevated amyloid positron emission tomography biomarker result by cognitively normal older adults | |
Dahabreh et al. | Can the learning health care system be educated with observational data? | |
Hahn et al. | Integrating neurobiological markers of depression | |
Lyell et al. | The effect of cognitive load and task complexity on automation bias in electronic prescribing | |
Salmon et al. | Why do primary care physicians propose medical care to patients with medically unexplained symptoms? A new method of sequence analysis to test theories of patient pressure | |
US20100145720A1 (en) | Method of extracting real-time structured data and performing data analysis and decision support in medical reporting | |
US20120221251A1 (en) | Systems and methods for selecting, ordering, scheduling, administering, storing, interpreting and transmitting a plurality of psychological, neurobehavioral and neurobiological tests | |
Fletcher et al. | Stress outcomes of four types of perceived interruptions | |
Lynch et al. | Improving safe use of medications during pregnancy: the roles of patients, physicians, and pharmacists | |
US11488712B2 (en) | Diagnostic effectiveness tool | |
US20200258599A1 (en) | Methods and systems for predicting clinical trial criteria using machine learning techniques | |
Bitsika et al. | The association between autism spectrum disorder symptoms in high-functioning male adolescents and their mothers’ anxiety and depression | |
Schoonhoven et al. | Resting-state MEG measurement of functional activation as a biomarker for cognitive decline in MS | |
Ramage et al. | Resting-state functional magnetic resonance imaging connectivity between semantic and phonological regions of interest may inform language targets in aphasia | |
US20130103414A1 (en) | Disease risk decision support platform | |
Sherimon et al. | A systematic review of clinical decision support systems in Alzheimer’s disease domain | |
JP7382618B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN112397195A (zh) | 用于生成体格检查模型的方法、装置、电子设备和介质 | |
Fouladvand et al. | Mild Cognitive Impairment: Data-Driven Prediction, Risk Factors, and Workup | |
Dewaswala et al. | Natural language processing for identification of hypertrophic cardiomyopathy patients from cardiac magnetic resonance reports | |
Ceccarelli et al. | KON^ 3: A Clinical Decision Support System, in Oncology Environment, Based on Knowledge Management | |
Sudhinaraset et al. | Inequalities in infertility service utilization: A comparison of Latina and Caucasian women with impaired fecundity who seek and do not seek care | |
Pichon et al. | Cognitive Function Characterization Using Electronic Health Records Notes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220204 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220606 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221124 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221124 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221212 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221213 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230224 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20230228 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20230411 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7382618 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |