JP7422651B2 - 情報処理システム及び選択支援方法 - Google Patents

情報処理システム及び選択支援方法 Download PDF

Info

Publication number
JP7422651B2
JP7422651B2 JP2020208038A JP2020208038A JP7422651B2 JP 7422651 B2 JP7422651 B2 JP 7422651B2 JP 2020208038 A JP2020208038 A JP 2020208038A JP 2020208038 A JP2020208038 A JP 2020208038A JP 7422651 B2 JP7422651 B2 JP 7422651B2
Authority
JP
Japan
Prior art keywords
data
social security
insured
service
time
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
Application number
JP2020208038A
Other languages
English (en)
Other versions
JP2022094986A (ja
Inventor
俊太郎 由井
渉 竹内
信二 垂水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2020208038A priority Critical patent/JP7422651B2/ja
Priority to US17/456,021 priority patent/US20220188951A1/en
Publication of JP2022094986A publication Critical patent/JP2022094986A/ja
Application granted granted Critical
Publication of JP7422651B2 publication Critical patent/JP7422651B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08Insurance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は、医療分野において、ヘルスケアデータを分析する情報処理システムに関する。
少子高齢化などの人口構造の急速な変化によって、医療費の急速な増加に対して持続可能な医療提供体制の構築が喫緊の課題である。様々なステークホルダがいる中で、医療の質の担保と医療費の適正化を両立する新たな制度立案のためには、エビデンスに基づく意思判断が必要である。蓄積されたデータの利活用は世界的な動きになっており、データ分析はエビデンス生成の有効な手段の一つとして考えられている。データ分析により抽出した、診療行為や施策の効果や有効性に応じてインセンティブやペナルティを与えることによって、質が高い医療提供体制を構築できる。現在行われている有効性分析では、診療行為の実施の有無や提供量に応じた分析が行われている。
少子高齢化などによる医療費の急速な増加に対し、持続可能な社会保障提供体制の構築が喫緊の課題である。様々なステークホルダがいる中で、社会保障サービスの質の担保と費用の適正化を両立する新たな制度立案や、社会保障サービスを実行するためには、エビデンスに基づく意思判断が必要であり、蓄積されたデータの利活用が求められている。
本技術分野の背景技術として、以下の先行技術がある。特許文献1(特開2019-87239号公報)には、高齢者基本データ、要介介護保険データ、医療保険データ、地域施策データを有するデータベースを有しと、地域マネジメント支援機能部が、医療・介護のデータから事業単位別に、高齢者情報やサービス利用状況についての量的分析レポート、及び心身状態項目の状態変化を表す指標に基づく質的レポートを出力し、地域情報管理機能部が、事業単位ごとに、サービスの量や質に係る活動評価結果を個票形式で出力し、高齢者情報管理機能部が、高齢者の基本情報、心身状態利用サービス状況、及び医療状況を一元管理し、これらに関する過去の履歴を参照することでケアプランの効果確認、及び次期プランの見直し方針検討を支援する、地域包括ケア事業システムが記載されている。
特開2019-87239号公報
費用対効果が高い有効なサービスを実施することによって、質が高い社会保障サービスの提供体制を構築できる。しかし、具体的なサービスを決定する際、サービスによって将来の疾病発症を抑制する効果だけでなく、サービスの提供に要する費用、疾病発症率、感染症リスク、副作用発生リスク、再入院リスク、再手術発生リスク、さらにはサービス提供によって見込まれる収入など様々な数値を考慮する必要があり、特定の観点を考慮すると提供されるサービスが限定され、サービスの提供が困難になるという課題がある。特に、どの観点を考慮すべきかは、サービス提供者や需要者が重視する考え方に依存する場合があり、一意的な解が無いことが問題を更に難しくしている。
そこで本発明は、費用対効果が高い社会保障サービスを選択する際、費用、疾病発症、感染症など複数の達成すべき目標を考慮した適切な社会保障サービスを提供可能にすることを目的とする。また、本発明の他の目的は、費用対効果が高い社会保障サービスを選択する際、サービス提供者とサービス需要者が重視すべき目標が曖昧であっても、適切なサービスを選択することを目的とする。
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、社会保障サービスの選択を支援する情報処理システムであって、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有する計算機によって構成され、前記演算装置は、複数の保険者の属性データ、複数の被保険者の属性データ、複数の社会保障サービスの需給データ、前記複数の被保険者の臨床データ、及び前記被保険者に提供された社会保障サービスの費用のデータを含むデータベースにアクセス可能であって、前記演算装置が、前記データベースを用いて、前記保険者の属性データの類似度及び前記被保険者の属性データの類似度を計算する類似データ抽出部と、前記演算装置が、前記データベースを用いて、提供される前記複数の社会保障サービスによる、前記複数の被保険者の臨床データの時系列変化及び前記費用の時系列変化を計算する時系列変化抽出部と、前記演算装置が、前記計算された類似度と前記計算された時系列変化に基づいて、前記臨床データ及び前記費用の各々に重み付けをして、前記社会保障サービスの価値を表す評価指標を学習する学習部と、前記演算装置が、分析すべき被保険者の属性及び社会保障サービスの入力を受け付ける入力部と、前記演算装置が、被保険者の属性に応じた、提供可能な社会保障サービスの評価指標を出力する出力部と、を備えることを特徴とする。
本発明の一態様によれば、複数の目標を考慮した適切な社会保障サービスを提供できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。
実施例1の社会保障サービス選択支援システムの構成図である。 社会保障サービス選択支援システムのハードウエア構成図である。 実施例1の社会保障サービス選択支援システムが実行する処理の全体を示すフローチャートである。 被保険者属性データベースの構成例を示す図である。 保険者属性データベースの構成例を示す図である。 疾患履歴属性データベースの構成例を示す図である。 医療サービス需給データベースの構成例を示す図である。 介護サービス需給データベースの構成例を示す図である。 臨床情報データベースの構成例を示す図である。 社会保障費データベースの構成例を示す図である。 ステップS302の処理の詳細を示すフローチャートである。 ステップS303の処理の詳細を示すフローチャートである。 ステップS304の処理の詳細を示すフローチャートである。 実施例1の条件設定・処理結果表示画面の例を示す図である。 実施例2の社会保障サービス選択支援システムの構成図である。 実施例2の社会保障サービス選択支援システムが実行する処理の全体を示すフローチャートである。 ステップS307の処理の詳細を示すフローチャートである。 実施例2の条件設定・処理結果表示画面の例を示す図である。
以下、図面を参照して本発明の実施の態様を説明する。
<実施例1>
図1は、実施例1の社会保障サービス選択支援システム100の構成図である。
本実施例の社会保障サービス選択支援システム100は、外部DB連携部102と、類似サービス需要者抽出部103と、類似サービス提供者抽出部104と、時系列変化抽出部105と、学習部107と、統合判断部108と、画面構成処理部109と、入力部110と、出力部111とを有する。外部DB連携部102は、本システムの外部に設けられたデータベースと連携する機能であり、例えば、被保険者属性データベース121と、保険者属性データベース122と、疾患履歴属性データベース123と、サービスメニューデータベース124と、臨床情報データベース125と、社会保障費データベース126とに格納されたデータを取得する。なお、外部DB連携部102は、図示した以外のデータベースと連携して、データを読み書きしてもよい。
入力部110は、ユーザからの入力を受けるインターフェースである。出力部111は、プログラムの実行結果をユーザが視認可能な形式で出力するインターフェースである。
図2は、本実施例の社会保障サービス選択支援システム100のハードウエア構成図である。
入力装置200は、入力部110を構成するキーボードやマウスやペンタブレットなどであり、ユーザからの入力を受けるインターフェースである。出力装置201は、出力部111を構成する液晶表示装置やCRT(Cathode-Ray Tube)などのディスプレイ装置であり、プログラムの実行結果をユーザが視認可能な形式で出力するインターフェースである。出力装置201は、プリンタなど紙媒体に出力する装置でもよい。なお、社会保障サービス選択支援システム100にネットワークを介して接続された端末が入力装置200及び出力装置201を提供してもよい。
中央処理装置203は、プログラムを実行するプロセッサ(演算装置)である。具体的には、プロセッサがプログラムを実行することによって、外部DB連携部102と、類似サービス需要者抽出部103と、類似サービス提供者抽出部104と、時系列変化抽出部105と、学習部107と、統合判断部108と、画面構成処理部109とが実現される。なお、プロセッサがプログラムを実行して行う処理の一部を、他の形式の(例えばハードウエアによる)演算装置(例えば、FPGA(Field Programable Gate Array)やASIC(Application Specific Integrated Circuit))で実行してもよい。
メモリ202は、不揮発性の記憶素子であるROM及び揮発性の記憶素子であるRAMを含む。ROMは、不変のプログラム(例えば、BIOS)などを格納する。RAMは、DRAM(Dynamic Random Access Memory)のような高速かつ揮発性の記憶素子であり、中央処理装置203が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。
補助記憶装置204は、例えば、磁気記憶装置(HDD)、フラッシュメモリ(SSD)等の大容量かつ不揮発性の記憶装置である。補助記憶装置204は、中央処理装置203がプログラムの実行時に使用するデータ及び中央処理装置203が実行するプログラムを格納する。具体的には、補助記憶装置204は、前述したデータベース121~126の全部又は一部を格納してもよい。各データベース121~126の一部又は全部は、プログラムの実行に伴い、メモリ202に短期的に格納される。また、プログラムは、補助記憶装置204から読み出されて、メモリ202にロードされて、中央処理装置203によって実行される。
社会保障サービス選択支援システム100は、図示を省略するが、所定のプロトコルに従って、他の装置との通信を制御する通信インターフェースを有する。
中央処理装置203が実行するプログラムは、リムーバブルメディア(CD-ROM、フラッシュメモリなど)又はネットワークを介して社会保障サービス選択支援システム100に導入され、非一時的記憶媒体である不揮発性の補助記憶装置204に格納される。このため、社会保障サービス選択支援システム100は、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。
社会保障サービス選択支援システム100は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。
図3は、本実施例の社会保障サービス選択支援システム100が実行する処理の全体を示すフローチャートである。
まず、外部DB連携部102は、所定の保険者の属性を被保険者属性データベース121から読み出し、所定の被保険者の属性を保険者属性データベース122から読み出し、提供可能なサービスの情報をサービスメニューデータベース124から読み出す(S301)。
次に、類似サービス提供者抽出部104は、類似度計算機を用いて、少なくとも複数の保険者の属性データと複数のサービスの需給データの時系列情報における保険者の類似度を計算する。また、類似サービス需要者抽出部103は、類似度計算機を用いて、少なくとも複数の被保険者の属性データと複数のサービスの需給データの時系列情報における被保険者の類似度を計算する(S302)。
次に、時系列変化抽出部105は、変化嗜好性計算機を用いて、複数の保険者及び被保険者の属性データ毎に、時系列変化を計算する(S303)。
次に、学習部107は、計算された類似度と計算された時系列変化(変化嗜好性)に基づいて、これらのデータに出現する所定の要素に重み付けをして、サービスの価値を表す評価指標を学習する(S304)。
次に、統合判断部108は、S304で学習したモデルを用いて、入力した被保険者におけるサービス効果を算出する(S305)。
次に、本実施例のデータベースのデータ構造について、図4から図10を参照して説明する。図4から図10では、各データベースをテーブル形式で説明するが、これらデータベースはテーブル以外のデータ構造(例えば、リスト、キュー等)で構成されてもよい。
図4は、被保険者属性データベース121の構成例を示す図である。
被保険者属性データベース121は、被保険者の属性を示すデータを格納しており、被保険者コード、保険者コード、性別、生年月日、郵便番号、現病名、及び介護レベルのデータを含む。被保険者コードは、被保険者に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。保険者コードは、保険者(健康保険組合、地方自治体)に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。性別は、被保険者の性別である。生年月日は、被保険者の生年月日である。郵便番号は、被保険者の住所の郵便番号であり、被保険者の大まかな所在地を表す。なお、郵便番号ではなく住所(都道府県や市町村など)を格納してもよい。疾病の発生や多用されるサービス(治療方法など)は地域性があることから郵便番号などの大まかな住所を示す情報を被保険者の類似度の計算に用いる。現病名は、被保険者が罹患している傷病の名称である。介護レベルは、被保険者が認定されている介護のレベルである。なお、被保険者属性データベース121には、類似する被保険者を抽出するために使用されるデータが格納されており、他の項目のデータを被保険者属性データベース121に格納して、類似する被保険者の抽出に使用してもよい。
図5は、保険者属性データベース122の構成例を示す図である。
保険者属性データベース122は、保険者の属性を示すデータを格納しており、保険者名、郵便番号、被保険者数、平均年齢、男女比、及び財政状況のデータを含む。保険者名は、保険者(例えば健康保険組合)の名称である。郵便番号は、保険者の住所の郵便番号であり、保険者の大まかな所在地を表す。なお、郵便番号ではなく住所(都道府県や市町村など)を格納してもよい。疾病の発生や多用されるサービス(治療方法など)は地域性があることから郵便番号などの大まかな住所を示す情報を保険者の類似度の計算に用いる。被保険者数は、当該保険者に所属する被保険者の人数であり、保険者の規模を表す。なお、被保険者数ではなく支出金額などの保険者の規模を示す数値を格納してもよい。平均年齢は、保険者に所属する被保険者の年齢の平均値である。男女比は、保険者に所属する被保険者の男女の比率である。財政状況は、保険者の年間の収支である。なお、保険者属性データベース122には、類似する保険者を抽出するために使用されるデータが格納されており、他の項目のデータを保険者属性データベース121に格納して、類似する保険者の抽出に使用してもよい。
図6は、疾患履歴属性データベース123の構成例を示す図である。
疾患履歴属性データベース123は、被保険者が罹患した傷病のデータを格納しており、被保険者コード、性別、発症年齢、病名、及び判定日のデータを含む。被保険者コードは、被保険者に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。性別は、被保険者の性別である。発症年齢は、病名欄に記載された傷病を発症した年齢である。病名は、被保険者が現在罹患している傷病の名称である。判定日は、病名欄に記載された傷病であると判定された日である。
図7は、医療サービス需給データベース124Aの構成例を示す図であり、図8は、介護サービス需給データベース124Bの構成例を示す図である。この医療サービス需給データベース124Aは、図8に示す介護サービス需給データベース124Bと共にサービスメニューデータベース124を構成する。
図7に示す医療サービス需給データベース124Aは、被保険者に提供された医療サービスのデータを格納しており、被保険者コード、性別、年齢、病名、医療サービス、及び実施日のデータを含む。被保険者コードは、被保険者に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。性別は、被保険者の性別である。年齢は、被保険者の年齢である。病名は、被保険者が罹患している傷病の名称である。医療サービスは、被保険者が受けている医療サービスの名称である。医療サービス需給データベース124Aに記録される医療サービスは、診察、手術、検査、投薬、リハビリテーションなどを含む。実施日は、当該医療サービスが被保険者に提供された日である。
図8に示す介護サービス需給データベース124Bは、被保険者に提供された介護サービスのデータを格納しており、被保険者コード、性別、年齢、介護サービス、及び実施日のデータを含む。被保険者コードは、被保険者に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。性別は、被保険者の性別である。年齢は、被保険者の年齢である。介護サービスは、被保険者に提供されている介護サービスの名称である。実施日は、当該介護サービスが被保険者に提供された日である。
図9は、臨床情報データベース125の構成例を示す図である。
臨床情報データベース125は、被保険者が受けた診察の結果や検査の結果を格納しており、被保険者コード、実施日、HbA1c、及び血圧のデータを含む。被保険者コードは、被保険者に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。実施日は、被保険者が当該検査を受けた日である。HbA1c、及び血圧は、被保険者が受けた検査の結果であり、HbA1c、血圧以外の項目が記録されてもよい。
図10は、社会保障費データベース126の構成例を示す図である。
社会保障費データベース126は、被保険者に提供された医療サービス及び介護サービスに要した社会保障費を格納しており、被保険者コード、算出年度、医療費、及び介護費のデータを含む。被保険者コードは、被保険者に一意に付与された識別情報であり、他のデータベースと共通のものが使用される。算出年度は、医療費又は介護費が算出された年度である。医療費は被保険者のための支出された医療費であり、介護費は被保険者のための支出された介護費用である。
図11は、図3に示すステップS302の処理の詳細を示すフローチャートである。
まず、類似サービス需要者抽出部103は、被保険者属性データベース122及び疾患履歴属性データベース123から必要なデータを読み出す。また、類似サービス提供者抽出部104は、保険者属性データベース121から必要なデータを読み出す(S3021)。
次に、類似サービス提供者抽出部104は、類似度計算機を用いて、保険者属性データベース121の保険者属性(例えば、郵便番号、被保険者数、平均年齢、男女比、財務状況など)に基づいて、保険者の類似度を算出する(S3022)。
次に、類似サービス需要者抽出部103は、類似度計算機を用いて、被保険者属性データベース122の被保険者属性及び疾患履歴属性データベース123の傷病データ(例えば、性別、生年月日、郵便番号、現病名、介護レベル、発症年齢、病名など)に基づいて、時系列における値の変化を算出し、被保険者の類似度を算出する(S3023)。
図12は、図3に示すステップS303の処理の詳細を示すフローチャートである。ステップS303では、臨床情報や社会保障費の変化が大きいデータ項目を抽出する。
まず、時系列変化抽出部105は、医療サービス需給データベース124A、介護サービス需給データベース124B、臨床情報データベース125及び社会保障費データベース126から必要なデータを読み出し、ステップS302で算出された保険者の類似度及び被保険者の類似度を取得する(S3031)。
次に、時系列変化抽出部105は、変化嗜好性計算機を用いて、ステップS302で算出された保険者の類似度に基づいて、被保険者のクラスタグループの制約条件を生成する(S3032)。保険者に提供されるサービスが被保険者の属性(例えば、地域)によって傾向があることから、保険者の類似度によって被保険者のクラスタグループの生成を制限すると、適切な被保険者のクラスタグループを生成できる。
次に、時系列変化抽出部105は、変化嗜好性計算機を用いて、S3032で生成された被保険者のクラスタグループの制約条件とステップS302で算出された被保険者の類似度に基づいて、被保険者クラスタグループの制約条件を生成し、生成された制約条件に従って被保険者のクラスタグループを生成する(S3033)。
その後、時系列変化抽出部105は、医療サービス需給データベース124A、介護サービス需給データベース124B、臨床情報データベース125及び社会保障費データベース126から読み出したデータを用いて、生成された被保険者のクラスタグループ毎に、医療サービス及び介護サービスの各項目について、臨床情報及び社会保障費の各々のサービス提供期間の時系列変化を算出する(S3034)。
図13は、図3に示すステップS304の処理の詳細を示すフローチャートである。
まず、学習部107は、医療サービス需給データベース124A、介護サービス需給データベース124B、臨床情報データベース125及び社会保障費データベース126から必要なデータを読み出し、ステップS303で算出された臨床情報及び社会保障費の時系列変化を取得する(S3041)。
次に、学習部107は、被保険者のクラスタグループ毎に、ステップS303で算出された時系列変化を用いて、数値が改善している臨床情報及び社会保障費の項目を抽出する(S3042)。ステップS3042における数値の改善とは、必ずしも数値が良化していなくてもよく、数値が著しく悪化しておらず、制御できていることを意味する。
次に、学習部107は、ステップS3042で抽出された臨床情報及び社会保障費の各項目に重み付けをして、各値の重み付き和を損失関数とする。この損失関数は、適切なサービスの選択に用いられる(S3043)。例えば、数値が改善している項目には大きな値の重みを付与し、数値が改善していない項目には小さな値の重みを付与するとよい。
次に、学習部107は、ステップS3043で算出された損失関数を用いて、医療サービス及び介護サービスの各項目の有無をパラメータとして学習をしたモデルを生成する(S3044)。
このように、ステップS304では、類似度と変化嗜好性に基づいて、被保険者のクラスタグループ毎に、データに出現する所定の要素に重み付けをして、各サービスの価値を表す評価指標を学習できる。例えば、特定のクラスタで血圧値のウェイトが大きくなると、糖尿病治療薬を投与することにより、早めに血圧降下剤を投与する傾向があり、血圧コントロールのウェイトが大きくなっている。
図14は、出力部111が表示する条件設定・処理結果表示画面の例を示す図である。
条件設定・処理結果表示画面は、条件設定領域1001及び処理結果提示領域1002を含む。条件設定領域1001には、設定された条件の被保険者に提供されたサービスを抽出するための実施済みサービスボタン10011と、設定された条件の被保険者に提供すべきサービスを抽出するための推奨サービスボタン10012と、分析条件を設定するためのプルダウンによる選択肢入力欄とを表示する。選択肢入力欄は、例えば、病名入力部、対象期間入力部、被保険者コード入力部を含む。被保険者コード入力部によって、被保険者グループごとに適切なサービスを選択できる。図示した例では、2010年から2020年のデータを用いて、糖尿病患者に実施されたサービス(医療サービス、介護サービス等)を抽出するための条件が設定されている。
処理結果提示領域1002は、実施済みサービスボタン10011が操作された後の状態を示し、設定された条件の被保険者に提供されて効果があったサービスを表示する。また、推奨サービスボタン10012を操作すると、設定された条件の被保険者に提供が推奨されるサービスが表示される。類似患者参照ボタンは、各サービスが提供された類似患者の属性を表示するために操作されるボタンである。処理結果提示領域1002の選択欄は、最終的にユーザが判断したサービスを登録するために操作される。
実施例1の社会保障サービス選択支援システム100によって、費用対効果が高い社会保障サービスを選択する際、費用、疾病発症など複数の達成すべき目標を考慮した適切な社会保障サービスの提供が可能になる。また、費用対効果が高い社会保障サービスを選択する際、サービス提供者とサービス需要者が重視すべき目標が曖昧であっても、適切なサービスを選択することが可能になる。
<実施例2>
次に、本発明の実施例2を説明する。実施例2では、主に実施例1との相違点を説明し、実施例1と同じ機能や構成には同じ符号を付し、それらの説明は省略する。
図15は、実施例2の社会保障サービス選択支援システム100の構成図である。
本実施例の社会保障サービス選択支援システム100は、外部DB連携部102と、類似サービス需要者抽出部103と、類似サービス提供者抽出部104と、時系列変化抽出部105と、将来社会保障費予測部1061と、将来疾病発症予測部1062と、将来感染症予測部1063と、学習部107と、統合判断部108と、画面構成処理部109と、入力部110と、出力部111とを有する。
将来社会保障費予測部1061は、将来の社会保障費を予測する。将来疾病発症予測部1062は、将来の疾病の発症を予測する。データベースに蓄積されているデータが短期間である場合でも、将来社会保障費予測部1061及び将来疾病発症予測部1062によってデータベースに蓄積されていない期間のデータを学習部107で学習できる。将来感染症予測部1063は、将来の感染症の発症を予測する。この感染症発症予測のためアクティビティ(行動履歴、テレワーク率、外出頻度、行動範囲など)、地域、検診結果、病歴などが蓄積されたデータベースを準備する。将来感染症予測部1063によって、将来の感染症の発生を予測でき、これに伴う臨床情報や社会保障費を予測できるようになる。なお、将来疾病発症予測部1062、将来感染症予測部1063は少なくとも一方が実装されるとよく、両方が実装されてもよい。
図16は、本実施例の社会保障サービス選択支援システム100が実行する処理の全体を示すフローチャートである。
まず、外部DB連携部102は、所定の保険者の属性を被保険者属性データベース121から読み出し、所定の被保険者の属性を保険者属性データベース122から読み出し、提供可能なサービスの情報をサービスメニューデータベース124から読み出す(S301)。
次に、類似サービス提供者抽出部104は、類似度計算機を用いて、少なくとも複数の保険者の属性データと複数のサービスの需給データの時系列情報における保険者の類似度を計算する。また、類似サービス需要者抽出部103は、類似度計算機を用いて、少なくとも複数の被保険者の属性データと複数のサービスの需給データの時系列情報における被保険者の類似度を計算する(S302)。
次に、時系列変化抽出部105は、変化嗜好性計算機を用いて、複数の保険者及び被保険者の属性データ毎に、時系列変化を計算する(S303)。
次に、将来社会保障費予測部1061は、将来疾病発症予測部1062及び将来感染症予測部1063を用いて、将来の社会保障費を予測する(S306)。
次に、学習部107は、将来疾病発症予測部1062と将来感染症予測部1063と将来社会保障費予測部1061で算出される値について、計算された類似度と計算された時系列変化(変化嗜好性)に基づいて、これらのデータに出現する所定の要素に重み付けをした損失関数を、サービスの価値を表す評価指標として学習する(S307)。
次に、統合判断部108は、S307で学習したモデルを用いて、入力した被保険者におけるサービス効果を算出する(S308)。
図17は、図16に示すステップS307の処理の詳細を示すフローチャートである。
まず、学習部107は、医療サービス需給データベース124A及び介護サービス需給データベース124Bから必要なデータを読み出し、ステップ306で予測された将来社会保障費、及び将来疾病発症数と、ステップS303で算出された臨床情報及び社会保障費の時系列変化を取得する(S3071)。
次に、学習部107は、被保険者のクラスタグループ毎に、ステップS303で算出された時系列変化を用いて、数値が改善している臨床情報及び社会保障費の項目を抽出する(S3072)。ステップS3072における数値の改善とは、ステップS3042と同様に、必ずしも数値が良化していなくてもよく、数値が著しく悪化しておらず、制御できていることを意味する。
次に、学習部107は、ステップS3072で抽出された臨床情報及び社会保障費の各項目に重み付けをして、各値の重み付き和を損失関数とする。この損失関数は、適切サービスの選択に用いられる(S3073)。例えば、数値が改善している項目には大きな値の重みを付与し、数値が改善していない項目には小さな値の重みを付与するとよい。
次に、学習部107は、ステップS3073で算出された損失関数を用いて、医療サービス及び介護サービスの各項目の有無をパラメータとして学習したモデルを生成する(S3074)
図18は、実施例2において、出力部111が表示する条件設定・処理結果表示画面の例を示す図である。
条件設定・処理結果表示画面は、条件設定領域1001及び処理結果提示領域1002を含む。条件設定領域1001には、設定された条件の被保険者に提供されたサービスを抽出するための実施済みサービスボタン10011と、設定された条件の被保険者に提供すべきサービスを抽出するための推奨サービスボタン10012と、分析条件を設定するためのプルダウンによる選択肢入力欄とを表示する。図示した例では、2010年から2020年のデータを用いて、肺がん患者に実施されたサービス(医療サービス、介護サービス等)を抽出するための条件が設定されている。
図18に示す条件設定・処理結果表示画面の処理結果提示領域1002は、推奨サービスボタン10012が操作された後の状態を示し、設定された条件の被保険者に提供されて将来的に効果があるサービスが表示される。また、実施済みサービスボタン10011を操作すると、設定された条件の被保険者に提供されて効果があったサービスが表示される。類似患者参照ボタンは、各サービスが提供された類似患者の属性を表示するために操作されるボタンである。
以上に説明したように、本発明の実施例の社会保障サービス選択支援システム100は、社会保障サービスの選択を支援するものであって、データベースを用いて、保険者の属性データの類似度及び被保険者の属性データの類似度を計算する類似データ抽出部(類似サービス需要者抽出部103、類似サービス提供者抽出部104)と、データベースを用いて、提供される複数の社会保障サービスによる、複数の被保険者の臨床データの時系列変化及び費用データの時系列変化を計算する時系列変化抽出部105と、計算された類似度と計算された時系列変化に基づいて、臨床データ及び費用データの各々に重み付けをして、社会保障サービスの価値を表す評価指標を学習する学習部107と、分析すべき被保険者の属性及び社会保障サービスの入力を受け付ける入力部110と、被保険者の属性に応じた、提供可能な社会保障サービスの評価指標を出力する出力部111と、を備えるので、費用、疾病発症、感染症など複数の達成すべき目標を考慮した適切な社会保障サービスを提供できる。また、サービス提供者とサービス需要者が重視すべき目標が曖昧であっても、適切な社会保障サービスを選択できる。
また、時系列変化抽出部105は、保険者の属性データの類似度に基づいて、被保険者のクラスタグループの制約条件を生成し、生成された制約条件と被保険者の属性データの類似度に基づいて、被保険者のクラスタグループを生成し、生成されたクラスタグループ毎に、複数の被保険者の臨床データの時系列変化及び費用データの時系列変化を計算するので、保険者に提供されるサービスが被保険者の属性によって傾向があることから、保険者の類似度によって被保険者のクラスタグループの生成を制限して、適切な被保険者のクラスタグループを生成できる。
また、学習部107は、被保険者のクラスタグループ毎に、計算された時系列変化が所定の条件(例えば、数値が著しく悪化しておらず、制御できている)を満たす臨床データ及び費用データを抽出し、抽出された臨床データ及び費用データに重み付けをして、各項目の重み付き和による損失関数を評価指標として生成するので、各サービスの価値を表す評価指標を学習できる。
また、将来の疾病や感染症の発症の少なくとも一つを含むリスク値を予測する予測部(将来疾病発症予測部1062、将来感染症予測部1063)と、リスク値を用いて社会保障サービスの将来の費用データを予測するサービス費予測部(将来社会保障費予測部1061)と、を更に備え、学習部107は、リスク値と将来の費用データに基づいて、臨床データ及び費用データの各々に重み付けをして、社会保障サービスの価値を表す評価指標を学習するので、データベースに蓄積されているデータが短期間である場合でも、予測された値によってデータベースに蓄積されていない期間のデータを学習できる。
また、学習部107は、被保険者のクラスタグループ毎に、計算された時系列変化が所定の条件を満たす臨床データ及び費用データを抽出し、予測されたリスク値及び予測された将来の費用データに基づいて、抽出された臨床データ及び費用データに重み付けをして、各項目値の重み付き和による損失関数を評価指標として生成するので、各サービスの価値を表す評価指標を学習できる。
なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。
また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウエアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウエアで実現してもよい。
各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、SSD(Solid State Drive)等の記憶装置、又は、ICカード、SDカード、DVD等の記録媒体に格納することができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。
100 社会保障サービス選択支援システム
102 外部DB連携部
103 類似サービス需要者抽出部
104 類似サービス提供者抽出部
105 時系列変化抽出部
106 診療行為関係抽出部
107 学習部
108 統合判断部
109 画面構成処理部
110 入力部
111 表示部
121 被保険者属性データベース
122 保険者属性データベース
123 疾患履歴属性データベース
124A 医療サービス需給データベース
124B 介護サービス需給データベース
125 臨床情報データベース
126 社会保障費データベース

Claims (10)

  1. 社会保障サービスの選択を支援する情報処理システムであって、
    所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有する計算機によって構成され、
    前記演算装置は、複数の保険者の属性データ、複数の被保険者の属性データ、複数の社会保障サービスの需給データ、前記複数の被保険者の臨床データ、及び前記被保険者に提供された社会保障サービスの費用データを含むデータベースにアクセス可能であって、
    前記演算装置が、分析すべき被保険者の属性及び社会保障サービスの入力を受け付ける入力部と、
    前記演算装置が、前記データベースを用いて、前記保険者の属性データの類似度及び前記被保険者の属性データの類似度を計算する類似データ抽出部と、
    前記演算装置が、前記データベースを用いて、提供される前記複数の社会保障サービスによる、前記複数の被保険者の臨床データの時系列変化及び前記費用データの時系列変化を計算する時系列変化抽出部と、
    前記演算装置が、前記計算された類似度と前記計算された時系列変化に基づいて、前記臨床データ及び前記費用データの各々に重み付けをして、前記社会保障サービスの価値を表す評価指標を学習する学習部と、
    前記演算装置が、被保険者の属性に応じた、提供可能な社会保障サービスの評価指標を出力する出力部と、を備えることを特徴とする情報処理システム。
  2. 請求項1に記載の情報処理システムであって、
    前記時系列変化抽出部は、
    前記保険者の属性データの類似度に基づいて、被保険者のクラスタグループの制約条件を生成し、
    前記生成された制約条件と前記被保険者の属性データの類似度に基づいて、被保険者のクラスタグループを生成し、
    前記生成されたクラスタグループ毎に、前記複数の被保険者の臨床データの時系列変化及び前記費用データの時系列変化を計算することを特徴とする情報処理システム。
  3. 請求項2に記載の情報処理システムであって、
    前記学習部は、
    前記被保険者のクラスタグループ毎に、前記計算された時系列変化が所定の条件を満たす臨床データ及び費用データを抽出し、
    前記抽出された臨床データ及び費用データに重み付けをして、各項目の重み付き和による損失関数を前記評価指標として生成することを特徴とする情報処理システム。
  4. 請求項2に記載の情報処理システムであって、
    前記演算装置が、将来の疾病の発症の少なくとも一つを含むリスク値を予測する予測部と、
    前記演算装置が、前記リスク値を用いて前記社会保障サービスの将来の費用データを予測するサービス費予測部と、を更に備え、
    前記学習部は、前記予測されたリスク値と前記予測された将来の費用データに基づいて、前記臨床データ及び前記費用データの各々に重み付けをして、前記社会保障サービスの価値を表す評価指標を学習することを特徴とする情報処理システム。
  5. 請求項4に記載の情報処理システムであって、
    前記学習部は、
    前記被保険者のクラスタグループ毎に、前記計算された時系列変化が所定の条件を満たす臨床データ及び費用データを抽出し、
    前記予測されたリスク値及び前記予測された将来の費用データに基づいて、前記抽出された臨床データ及び費用データに重み付けをして、各項目値の重み付き和による損失関数を前記評価指標として生成することを特徴とする情報処理システム。
  6. 計算機が社会保障サービスの選択を支援する選択支援方法であって、
    前記計算機は、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有し、
    前記演算装置は、複数の保険者の属性データ、複数の被保険者の属性データ、複数の社会保障サービスの需給データ、前記複数の被保険者の臨床データ、及び前記被保険者に提供された社会保障サービスの費用データを含むデータベースにアクセス可能であって、
    前記選択支援方法は、
    前記演算装置が、分析すべき被保険者の属性及び社会保障サービスの入力を受け付ける入力手順と、
    前記演算装置が、前記データベースを用いて、前記保険者の属性データの類似度及び前記被保険者の属性データの類似度を計算する類似データ抽出手順と、
    前記演算装置が、前記データベースを用いて、提供される前記複数の社会保障サービスによる、前記複数の被保険者の臨床データの時系列変化及び前記費用データの時系列変化を計算する時系列変化抽出手順と、
    前記演算装置が、前記計算された類似度と前記計算された時系列変化に基づいて、前記臨床データ及び前記費用データの各々に重み付けをして、前記社会保障サービスの価値を表す評価指標を学習する学習手順と、
    前記演算装置が、被保険者の属性に応じた、提供可能な社会保障サービスの評価指標を出力する出力手順と、を備えることを特徴とする選択支援方法。
  7. 請求項6に記載の選択支援方法であって、
    前記時系列変化抽出手順では、前記演算装置が、
    前記保険者の属性データの類似度に基づいて、被保険者のクラスタグループの制約条件を生成し、
    前記生成された制約条件と前記被保険者の属性データの類似度に基づいて、被保険者のクラスタグループを生成し、
    前記生成されたクラスタグループ毎に、前記複数の被保険者の臨床データの時系列変化及び前記費用データの時系列変化を計算することを特徴とする選択支援方法。
  8. 請求項7に記載の選択支援方法であって、
    前記学習手順では、前記演算装置が、
    前記被保険者のクラスタグループ毎に、前記計算された時系列変化が所定の条件を満たす臨床データ及び費用データを抽出し、
    前記抽出された臨床データ及び費用データに重み付けをして、各項目の重み付き和による損失関数を前記評価指標として生成することを特徴とする選択支援方法。
  9. 請求項7に記載の選択支援方法であって、
    前記演算装置が、将来の疾病の発症の少なくとも一つを含むリスク値を予測する予測手順部と、
    前記演算装置が、前記リスク値を用いて前記社会保障サービスの将来の費用データを予測するサービス費予測手順と、を更に備え、
    前記学習手順では、前記演算装置が、前記予測されたリスク値と前記予測された将来の費用データに基づいて、前記臨床データ及び前記費用データの各々に重み付けをして、前記社会保障サービスの価値を表す評価指標を学習することを特徴とする選択支援方法。
  10. 請求項9に記載の選択支援方法であって、
    前記学習手順では、前記演算装置が、
    前記被保険者のクラスタグループ毎に、前記計算された時系列変化が所定の条件を満たす臨床データ及び費用データを抽出し、
    前記予測されたリスク値及び前記予測された将来の費用データに基づいて、前記抽出された臨床データ及び費用データに重み付けをして、各項目値の重み付き和による損失関数を前記評価指標として生成することを特徴とする選択支援方法。
JP2020208038A 2020-12-16 2020-12-16 情報処理システム及び選択支援方法 Active JP7422651B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020208038A JP7422651B2 (ja) 2020-12-16 2020-12-16 情報処理システム及び選択支援方法
US17/456,021 US20220188951A1 (en) 2020-12-16 2021-11-22 Information Processing System and Selection Support Method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020208038A JP7422651B2 (ja) 2020-12-16 2020-12-16 情報処理システム及び選択支援方法

Publications (2)

Publication Number Publication Date
JP2022094986A JP2022094986A (ja) 2022-06-28
JP7422651B2 true JP7422651B2 (ja) 2024-01-26

Family

ID=81941558

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020208038A Active JP7422651B2 (ja) 2020-12-16 2020-12-16 情報処理システム及び選択支援方法

Country Status (2)

Country Link
US (1) US20220188951A1 (ja)
JP (1) JP7422651B2 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101006799B1 (ko) 2010-05-10 2011-01-10 서성보 맞춤형 헬스케어 서비스 시스템 및 방법
WO2014196087A1 (ja) 2013-06-28 2014-12-11 株式会社日立製作所 診療プロセス分析システム
US20180181719A1 (en) 2016-12-28 2018-06-28 Cerner Innovation, Inc. Virtual healthcare personal assistant
JP2020042629A (ja) 2018-09-12 2020-03-19 株式会社日立製作所 分析システム及び分析方法
JP2020521202A (ja) 2017-04-10 2020-07-16 コタ インコーポレイテッド 進行性の病気の患者のための治療の開始及び種類を決定するための意思決定システム及び方法
JP6737488B1 (ja) 2019-06-17 2020-08-12 株式会社エクサウィザーズ 情報処理装置、情報処理方法、プログラム及び学習済みモデル

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7392201B1 (en) * 2000-11-15 2008-06-24 Trurisk, Llc Insurance claim forecasting system
US8165894B2 (en) * 2006-04-20 2012-04-24 Tawil Jack J Fully automated health plan administrator
US20140114674A1 (en) * 2012-10-22 2014-04-24 Robert M. Krughoff Health Insurance Plan Comparison Tool

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101006799B1 (ko) 2010-05-10 2011-01-10 서성보 맞춤형 헬스케어 서비스 시스템 및 방법
WO2014196087A1 (ja) 2013-06-28 2014-12-11 株式会社日立製作所 診療プロセス分析システム
US20180181719A1 (en) 2016-12-28 2018-06-28 Cerner Innovation, Inc. Virtual healthcare personal assistant
JP2020521202A (ja) 2017-04-10 2020-07-16 コタ インコーポレイテッド 進行性の病気の患者のための治療の開始及び種類を決定するための意思決定システム及び方法
JP2020042629A (ja) 2018-09-12 2020-03-19 株式会社日立製作所 分析システム及び分析方法
JP6737488B1 (ja) 2019-06-17 2020-08-12 株式会社エクサウィザーズ 情報処理装置、情報処理方法、プログラム及び学習済みモデル

Also Published As

Publication number Publication date
JP2022094986A (ja) 2022-06-28
US20220188951A1 (en) 2022-06-16

Similar Documents

Publication Publication Date Title
US11600390B2 (en) Machine learning clinical decision support system for risk categorization
Thomas et al. Low costs of defensive medicine, small savings from tort reform
Comfort et al. Effect of health insurance on the use and provision of maternal health services and maternal and neonatal health outcomes: a systematic review
Crane et al. Use of an electronic administrative database to identify older community dwelling adults at high-risk for hospitalization or emergency department visits: the elders risk assessment index
Aronsky et al. Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index
Belden et al. Dynamic electronic health record note prototype: seeing more by showing less
Velentgas et al. Outcome definition and measurement
US20110105852A1 (en) Using data imputation to determine and rank of risks of health outcomes
JP6988895B2 (ja) 疾病発症リスク予測システム、疾病発症リスク予測方法および疾病発症リスク予測プログラム
JP2014225176A (ja) 分析システム及び保健事業支援方法
Souza et al. Importance of coding co-morbidities for APR-DRG assignment: focus on cardiovascular and respiratory diseases
WO2010051240A2 (en) Individualized ranking of risk of health outcomes
JP6282783B2 (ja) 分析システム及び分析方法
Pallegedara Impacts of chronic non-communicable diseases on households’ out-of-pocket healthcare expenditures in Sri Lanka
Schwartz et al. Eviction, healthcare utilization, and disenrollment among New York City Medicaid patients
Owens et al. Designing a cost-effectiveness analysis
WO2020054115A1 (ja) 分析システム及び分析方法
Belson et al. The effects of an enhanced primary care model for patients with serious mental illness on emergency department utilization
JP7422651B2 (ja) 情報処理システム及び選択支援方法
JP2020106882A (ja) 保険設計支援システム及び保険設計支援方法
JP7373958B2 (ja) 分析システム及び分析方法
Xu et al. Out-of-network care in commercially insured pediatric patients according to medical complexity
US20160162650A1 (en) Method for automating medical billing
Grossetti et al. A multi-state approach to patients affected by chronic heart failure: The value added by administrative data
Musy et al. Big data in healthcare: new methods of analysis

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230207

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231207

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: 20240109

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240116

R150 Certificate of patent or registration of utility model

Ref document number: 7422651

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150