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

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。

Images