JP7400828B2 - 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム - Google Patents
患者状態予測装置、患者状態予測方法、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7400828B2 JP7400828B2 JP2021553994A JP2021553994A JP7400828B2 JP 7400828 B2 JP7400828 B2 JP 7400828B2 JP 2021553994 A JP2021553994 A JP 2021553994A JP 2021553994 A JP2021553994 A JP 2021553994A JP 7400828 B2 JP7400828 B2 JP 7400828B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- condition
- prediction
- model
- patient condition
- 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
- 238000000034 method Methods 0.000 title claims description 42
- 238000004590 computer program Methods 0.000 title claims description 19
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Description
第1実施形態に係る患者状態予測装置について、図1から図5を参照して説明する。
まず、図1及び図2を参照しながら、第1実施形態に係る患者状態予測装置の構成について説明する。図1は、第1実施形態に係る患者状態予測装置の全体構成を示すブロック図である。図2は、第1実施形態に係る患者状態予測装置のハードウェア構成を示すブロック図である。
次に、図3を参照しながら、第1実施形態に係る患者状態予測装置1の動作の流れについて説明する。図3は、第1実施形態に係る患者状態予測装置の動作の流れを示すフローチャートである。
次に、図4を参照しながら、予測モデルの具体的な選択方法(即ち、図3のステップS102の詳細)について説明する。図4は、患者データに基づく予測モデルの選択方法の一例を示す図である。
次に、図5を参照しながら、予測モデルを用いた患者状態の予測方法(即ち、図3のステップS103の詳細)について説明する。図5は、予測モデルを用いた患者状態の予測方法の一例を示すチャートである。
次に、第1実施形態に係る患者状態予測装置1によって得られる技術的効果について説明する。
次に、第2実施形態に係る患者状態予測装置について、図6及び図7を参照して説明する。なお、第2実施形態は、上述した第1実施形態と比較して一部の構成及び動作が異なるのみであり、その他の部分は概ね同様である。このため、以下ではすでに説明した第1実施形態と異なる部分について説明し、他の重複する部分については適宜説明を省略するものとする。
まず、図6を参照しながら、第2実施形態に係る患者状態予測装置1の動作の流れについて説明する。図6は、第2実施形態に係る患者状態予測装置の動作の流れを示すフローチャートである。なお、図6では、図3で示した処理と同様の処理に同一の符号を付している。
次に、図7を参照しながら、合併症リスクの判定方法(即ち、図6のステップS201の詳細)について説明する。図7は、予測された患者状態から合併症リスクを判定する方法の一例を示すチャートである。
次に、第2実施形態に係る患者状態予測装置1によって得られる技術的効果について説明する。
以上説明した実施形態に関して、更に以下の付記を開示する。
付記1に記載の患者状態予測装置は、患者に関する情報である患者データを取得する取得手段と、前記患者の状態である患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択する選択手段と、前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する予測手段とを備えることを特徴とする患者状態予測装置である。
付記2に記載の患者状態予測装置は、前記予測手段は、予測した将来の前記患者状態の変化に基づいて、前記患者が合併症を発症する可能性を示す合併症リスクを予測することを特徴とする請求項1に記載の患者状態予測装置である。
付記3に記載の患者状態予測装置は、前記予測手段は、予測した前記合併症リスクに基づいて、前記患者に対する対処に関する情報を出力することを特徴とする請求項2に記載の患者状態予測装置である。
付記4に記載の患者状態予測装置は、前記複数の予測モデルの各々は、前記予測モデルごとに定められた過去の第1期間における前記患者状態を用いて、将来の前記患者状態の変化を予測するモデルであることを特徴とする付記1から3のいずれか一項に記載の患者状態予測装置である。
付記5に記載の患者状態予測装置は、前記選択手段は、前記患者の入院期間が長くなるほど、前記第1期間の長いモデルを選択することを特徴とする付記4に記載の患者状態予測装置である。
付記6に記載の患者状態予測装置は、前記選択手段は、前記患者の年齢が低くなるほど、前記第1期間の長いモデルを選択することを特徴とする付記4又は5に記載の患者状態予測装置である。
付記7に記載の患者状態予測装置は、前記複数の予測モデルの各々は、前記予測モデルごとに定められた将来の第2期間における前記患者状態の変化を予測するモデルであることを特徴とする付記1から6のいずれか一項に記載の患者状態予測装置である。
付記8に記載の患者状態予測装置は、前記選択手段は、前記患者の状態を把握すべき期間が長いほど、前記第2期間の長いモデルを選択することを特徴とする付記7に記載の患者状態予測装置である。
付記9に記載の患者状態予測装置は、前記患者データは、前記患者が行える動作の程度によって定まる指標を含むことを特徴とする付記1から8のいずれか一項に記載の患者状態予測装置である。
付記10に記載の患者状態予測装置は、前記患者データは、前記患者の入院期間に関する情報を含むことを特徴とする付記1から9のいずれか一項に記載の患者状態予測装置である。
付記11に記載の患者状態予測装置は、前記患者データは、前記患者のバイタルサインに関する情報を含むことを特徴とする付記1から10のいずれか一項に記載の患者状態予測装置である。
付記12に記載の患者状態予測方法は、患者に関する情報である患者データを取得し、前記患者の状態である患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択し、前記一の予測モデルを用いて、将来の前記患者状態の変化を予測することを特徴とする患者状態予測方法である。
付記13に記載のコンピュータプログラムは、患者に関する情報である患者データを取得し、前記患者の状態である患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択し、前記一の予測モデルを用いて、将来の前記患者状態の変化を予測するようにコンピュータを動作させることを特徴とするコンピュータプログラムである。
付記14に記載の記録媒体は、付記13に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体である。
11 CPU
12 RAM
13 ROM
14 記憶装置
15 入力装置
16 出力装置
17 データバス
110 患者データ取得部
120 予測モデル選択部
130 患者状態予測部
Claims (12)
- 患者の状態である患者状態の変化に影響し得るデータである患者データを取得する取得手段と、
モデルごとに定められた過去の第1期間における前記患者状態を用いて将来の前記患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択する選択手段と、
前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する予測手段と
を備えることを特徴とする患者状態予測装置。 - 前記予測手段は、予測した将来の前記患者状態の変化に基づいて、前記患者が合併症を発症する可能性を示す合併症リスクを予測することを特徴とする請求項1に記載の患者状態予測装置。
- 前記予測手段は、予測した前記合併症リスクに基づいて、前記患者に対する対処に関する情報を出力することを特徴とする請求項2に記載の患者状態予測装置。
- 前記選択手段は、前記患者の入院期間が長くなるほど、前記第1期間の長いモデルを選択することを特徴とする請求項1に記載の患者状態予測装置。
- 前記選択手段は、前記患者の年齢が低くなるほど、前記第1期間の長いモデルを選択することを特徴とする請求項1又は4に記載の患者状態予測装置。
- 前記複数の予測モデルの各々は、前記予測モデルごとに定められた将来の第2期間における前記患者状態の変化を予測するモデルであることを特徴とする請求項1から5のいずれか一項に記載の患者状態予測装置。
- 前記選択手段は、前記患者の状態を把握すべき期間が長いほど、前記第2期間の長いモデルを選択することを特徴とする請求項6に記載の患者状態予測装置。
- 前記患者データは、前記患者が行える動作の程度によって定まる指標を含むことを特徴とする請求項1から7のいずれか一項に記載の患者状態予測装置。
- 前記患者データは、前記患者の入院期間に関する情報を含むことを特徴とする請求項1から8のいずれか一項に記載の患者状態予測装置。
- 前記患者データは、前記患者のバイタルサインに関する情報を含むことを特徴とする請求項1から9のいずれか一項に記載の患者状態予測装置。
- 少なくとも1つのコンピュータによって、
患者の状態である患者状態の変化に影響し得るデータである患者データを取得し、
モデルごとに定められた過去の第1期間における前記患者状態を用いて将来の前記患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択し、
前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する
ことを特徴とする患者状態予測方法。 - 患者の状態である患者状態の変化に影響し得るデータである患者データを取得し、
モデルごとに定められた過去の第1期間における前記患者状態を用いて将来の前記患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択し、
前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する
ようにコンピュータを動作させることを特徴とするコンピュータプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/042830 WO2021084695A1 (ja) | 2019-10-31 | 2019-10-31 | 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021084695A1 JPWO2021084695A1 (ja) | 2021-05-06 |
JPWO2021084695A5 JPWO2021084695A5 (ja) | 2022-06-10 |
JP7400828B2 true JP7400828B2 (ja) | 2023-12-19 |
Family
ID=75714999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021553994A Active JP7400828B2 (ja) | 2019-10-31 | 2019-10-31 | 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230197285A1 (ja) |
JP (1) | JP7400828B2 (ja) |
WO (1) | WO2021084695A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7220822B1 (ja) | 2022-03-23 | 2023-02-10 | 大塚製薬株式会社 | プログラム、情報処理装置、及び情報処理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006155411A (ja) | 2004-11-30 | 2006-06-15 | Houken Corp | 治療予測モデル構築システム、治療予測モデル構築方法、治療予測モデル構築用プログラム、治療内容検証・提案システム、治療内容検証・提案方法、治療内容検証・提案用プログラム、健康管理データダウンロード方法、着脱可能な記憶メディア |
JP2014512624A (ja) | 2011-04-20 | 2014-05-22 | ザ クリーブランド クリニック ファウンデーション | 予測モデリング |
JP2018180993A (ja) | 2017-04-14 | 2018-11-15 | 株式会社日立製作所 | データ分析支援システム及びデータ分析支援方法 |
-
2019
- 2019-10-31 US US17/768,970 patent/US20230197285A1/en active Pending
- 2019-10-31 WO PCT/JP2019/042830 patent/WO2021084695A1/ja active Application Filing
- 2019-10-31 JP JP2021553994A patent/JP7400828B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006155411A (ja) | 2004-11-30 | 2006-06-15 | Houken Corp | 治療予測モデル構築システム、治療予測モデル構築方法、治療予測モデル構築用プログラム、治療内容検証・提案システム、治療内容検証・提案方法、治療内容検証・提案用プログラム、健康管理データダウンロード方法、着脱可能な記憶メディア |
JP2014512624A (ja) | 2011-04-20 | 2014-05-22 | ザ クリーブランド クリニック ファウンデーション | 予測モデリング |
JP2018180993A (ja) | 2017-04-14 | 2018-11-15 | 株式会社日立製作所 | データ分析支援システム及びデータ分析支援方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230197285A1 (en) | 2023-06-22 |
WO2021084695A1 (ja) | 2021-05-06 |
JPWO2021084695A1 (ja) | 2021-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210007807A1 (en) | Systems and methods for treatment planning based on plaque progression and regression curves | |
CN107851464B (zh) | 用于针对个体患者进行疾病进展建模和疗法优化的方法和系统 | |
Rikkert et al. | Slowing down of recovery as generic risk marker for acute severity transitions in chronic diseases | |
Choo et al. | A prediction model using machine learning algorithm for assessing stone-free status after single session shock wave lithotripsy to treat ureteral stones | |
EP2350902A1 (en) | Methods of assessing risk based on medical data and uses thereof | |
JP6072021B2 (ja) | 評価システム及び評価方法 | |
JP2005328924A (ja) | 血糖値予測装置、血糖値予測モデル作成装置、およびプログラム | |
WO2016181490A1 (ja) | 分析システム及び分析方法 | |
Clark et al. | Lack of functional information explains the poor performance of ‘clot load scores’ at predicting outcome in acute pulmonary embolism | |
JP7400828B2 (ja) | 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム | |
Ruan et al. | Real-time risk prediction of colorectal surgery-related post-surgical complications using GRU-D model | |
JP7229178B2 (ja) | 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体 | |
Vassileva et al. | Magnitude of negative impact of preoperative heart failure on mortality during aortic valve replacement in the medicare population | |
JP7420145B2 (ja) | リスク予測装置、リスク予測方法、及びコンピュータプログラム | |
KR101121226B1 (ko) | 비만 변증 판별 장치 및 비만 변증 판별 방법 | |
JP6301853B2 (ja) | 経年変化予測システム | |
WO2022202360A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
Kumar et al. | Nonlinear Pulse Wave Dynamics in Prediction of Coronary Heart Disease and Myocardial Infarction | |
JP7416216B2 (ja) | ストレス許容量算出装置、ストレス許容量算出方法、及びプログラム | |
US20210043327A1 (en) | Computing device, portable device and computer-implemented method for predicting major adverse cardiovascular events | |
US20230105348A1 (en) | System for adaptive hospital discharge | |
US20240144056A1 (en) | Method and computing device of establishing prediction model for predicting probability of subject experiencing white coat effect | |
AlJaroudi et al. | Cardiovascular disease in the literature: A selection of recent original research papers | |
WO2021009088A1 (en) | Model to dynamically predict patient's discharge readiness in general ward | |
Lee et al. | Clinical decision support using machine learning and natriuretic peptides for the diagnosis of acute heart failure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220401 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220401 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230804 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231120 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7400828 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |