JP7443109B2 - 医用情報処理装置、医用情報処理方法及びプログラム - Google Patents
医用情報処理装置、医用情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7443109B2 JP7443109B2 JP2020048708A JP2020048708A JP7443109B2 JP 7443109 B2 JP7443109 B2 JP 7443109B2 JP 2020048708 A JP2020048708 A JP 2020048708A JP 2020048708 A JP2020048708 A JP 2020048708A JP 7443109 B2 JP7443109 B2 JP 7443109B2
- Authority
- JP
- Japan
- Prior art keywords
- medical information
- model
- items
- input
- information processing
- 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 67
- 238000003672 processing method Methods 0.000 title claims description 3
- 238000012545 processing Methods 0.000 claims description 142
- 238000012360 testing method Methods 0.000 claims description 116
- 230000035945 sensitivity Effects 0.000 claims description 110
- 201000010099 disease Diseases 0.000 claims description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 14
- 206010008118 cerebral infarction Diseases 0.000 claims description 12
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 12
- 208000024891 symptom Diseases 0.000 claims description 9
- 238000012276 Endovascular treatment Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 106
- 238000000034 method Methods 0.000 description 55
- 238000012546 transfer Methods 0.000 description 51
- 238000012986 modification Methods 0.000 description 34
- 230000004048 modification Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 22
- 238000012549 training Methods 0.000 description 15
- 208000004998 Abdominal Pain Diseases 0.000 description 14
- 238000007689 inspection Methods 0.000 description 13
- 238000002560 therapeutic procedure Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 102000003978 Tissue Plasminogen Activator Human genes 0.000 description 10
- 108090000373 Tissue Plasminogen Activator Proteins 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 10
- 229960000187 tissue plasminogen activator Drugs 0.000 description 10
- 238000011282 treatment Methods 0.000 description 10
- 230000001154 acute effect Effects 0.000 description 8
- 230000000052 comparative effect Effects 0.000 description 6
- 208000006011 Stroke Diseases 0.000 description 5
- 208000007536 Thrombosis Diseases 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 238000013151 thrombectomy Methods 0.000 description 4
- 208000004929 Facial Paralysis Diseases 0.000 description 3
- 208000036826 VIIth nerve paralysis Diseases 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 3
- 201000007201 aphasia Diseases 0.000 description 3
- 238000010876 biochemical test Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000009535 clinical urine test Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000002550 fecal effect Effects 0.000 description 3
- 210000004051 gastric juice Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 239000003146 anticoagulant agent Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002537 thrombolytic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 206010060860 Neurological symptom Diseases 0.000 description 1
- 208000037919 acquired disease Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000003527 fibrinolytic agent Substances 0.000 description 1
- 208000011977 language disease Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229960000103 thrombolytic agent Drugs 0.000 description 1
Description
急性期脳梗塞の患者の治療のワークフローとして、ドリップ&シップ(drip&ship)という考え方がある。ドリップ&シップでは、救急車の出動があった際、患者は、まず最寄の1次脳卒中センターへ搬送される。次に、1次脳卒中センターにおいて、血栓溶解剤であるtPAが患者に投与される。tPAの投与後、医師は、血栓回収療法が必要か否かに応じて、包括型脳卒中センターへの転送判断を行う。血栓回収療法が必要な場合、患者は包括型脳卒中センターへ転送され、血栓回収療法が適用される。血栓回収療法が不要な場合、患者は、包括型脳卒中センターへ転送されない。
図1は、本実施形態に係る医用情報処理装置40を含む医用システム1の構成を示す図である。医用システム1は、1次脳卒中センター(Primary Stroke Center:PSC)内に設けられる。医用システム1は、HIS(Hospital Information System)10と、検査装置20と、医用情報処理装置40とを備える。医用情報処理装置40は、医師による、1次脳卒中センターから包括型脳卒中センター(Comprehensive Stroke Center:CSC)への転送判断を支援する。包括型脳卒中センターは、血管内治療を実行可能な施設の一例である。
(ステップS101)
処理回路44は、表示制御機能446により、患者に関する臨床情報及び正確度を取得するための入力画面(以下、医用情報入力画面と呼ぶ)を、ディスプレイ42に表示する。医師は、入力インターフェース43において、臨床情報及び正確度を入力する。入力される臨床情報は、例えば、1次脳卒中センターへの救急車での搬送時に救急隊員によって取得されたものでもよく、1次脳卒中センターにおいて担当医によって取得されたものでもよく、HIS10から取得された過去の情報であってもよい。また、1次脳卒中センターにおいて取得された臨床情報は、tPA投与前に取得されたものでもよく、tPA投与後に取得されたものでもよい。処理回路44は、臨床情報及び正確度が入力されたことに基づいて、取得機能441により、臨床情報及び正確度を取得する。また、医師は、入力インターフェース43において、目標感度を入力する。処理回路44は、目標感度が入力されたことに基づいて、取得機能441により、目標感度を取得する。
処理回路44は、選択機能442により、ステップS101の処理で取得した臨床情報に基づいて、分類器C1~Cnの中から、取得した臨床情報の組み合わせに対応する分類器を、候補モデルとして選択する。この際、処理回路44は、ステップS101の処理で取得した臨床情報のうち、正確度が高い臨床情報のみに基づいて、候補モデルを選択する。例えば、図4の一例では、「正確度」に「〇」が入力されている「性別」、「意識」、「core volume」に対する「入力情報」のみに基づいて、「性別」、「意識」、「core volume」の組み合わせに対応する分類器を分類器C1~Cnの中から選択する。
処理回路44は、判定機能443により、候補モデルの感度と目標感度とを比較する。処理回路44は、候補モデルの感度が目標感度より大きい場合(S103-Yes)、候補モデルの分類性能が十分であると判定する。この場合、処理はステップS104に進む。候補モデルの感度が目標感度以下である場合(S103-No)、処理回路44は、候補モデルの分類性能が十分でないと判定する。この場合、処理はステップS105に進む。例えば、目標感度が「50%」で、かつ、候補モデルの感度が「80%」である場合、処理回路44は、候補モデルの感度が医師の入力した目標感度より大きいため、候補モデルの分解性能が十分であると判定する。一方、例えば、目標感度が「50%」で、かつ、候補モデルの感度が「40%」である場合、処理回路44は、候補モデルの感度が医師の入力した目標感度以下であるため、候補モデルの分解性能が十分でないと判定する。
処理回路44は、転送判断機能445により、ステップS101の処理で取得した臨床情報を候補モデルに適用する。これにより、処理回路44は、ステップS101の処理で取得した臨床情報に基づいた、包括型脳卒中センターへの患者の転送の要否の判定結果を取得する。
処理回路44は、特定機能444により、分類器C1~Cnの感度と目標感度とに基づいて、分類器C1~Cnの中から感度が目標感度よりも大きい分類器を、適格モデルとして特定する。例えば、ステップS101の処理において、目標感度として「50」が入力された場合、分類器C1~Cnのうち感度が50より大きい全ての分類器が、適格モデルとして特定される。
処理回路44は、特定機能444により、ステップS101の処理において取得した臨床情報と、ステップS105の処理において特定した適格モデルとに基づいて、適格モデル毎に追加項目を特定する。この際、処理回路44は、特定した適格モデルのそれぞれについて、適格モデルに対応する臨床情報の組み合わせから、ステップS101の処理において取得した臨床情報を除くことにより、追加項目を特定する。また、処理回路44は、特定した適格モデルのそれぞれについて、適格モデルに対応する臨床情報の組み合わせから取得した臨床情報を除いた項目のうち、正確度が「?」である項目のみを、追加項目として特定する。すなわち、正確度が「×」である項目は、追加項目として特定されない。
処理回路44は、表示制御機能446により、追加項目が表示される表示画面(以下、追加項目提示画面と呼ぶ)を、ディスプレイ42に表示する。追加項目提示画面では、追加項目が適格モデル毎に表示される。追加項目提示画面では、追加項目が適格モデル毎に表示され、かつ、適格モデルは、追加項目の種類が少ない順に表示される。
処理回路44は、追加項目を適格モデル毎にディスプレイ42に表示した後、追加項目を取得するまで待機する(ステップS108-No)。例えば、医師により入力インターフェース43において追加項目が入力されると(ステップS108-Yes)、処理回路44は、追加項目を取得する。そして、処理は、ステップS109に進む。
処理回路44は、選択機能442により、ステップS101の処理で取得した臨床情報と、ステップS108の処理で取得した追加項目とに基づいて、追加項目を含む臨床情報の組み合わせに対応する分類器を、適格モデルの中から選択する。例えば、入力項目として臨床情報a1、a5、a6が入力され、追加項目として臨床情報a7が入力された場合、臨床情報a1、a5、a6、a7の組み合わせに対応する分類器が選択される。
処理回路44は、転送判断機能445により、ステップS101の処理で取得した臨床情報とステップS109の処理で取得した追加項目とを、ステップS109の処理で選択した適格モデルに適用する。これにより、処理回路44は、適格モデルに対応する項目を全て含む医用情報を適格モデルに適用することにより、適格モデルによる転送の要否の判定結果を取得する。
処理回路44は、表示制御機能446により、ステップS104の処理又はステップS110の処理で取得した、転送の要否の判定結果を表示する表示画面をディスプレイ42に出力し、転送の要否の判定結果をディスプレイ42に表示する。
第1の実施形態の第1の変形例について説明する。本変形例は、第1の実施形態の構成を以下の通りに変形したものである。本変形例では、追加項目提示画面に表示される追加項目の表示態様が、第1の実施形態に対して異なる。第1の実施形態と同様の構成、動作、及び効果については、説明を省略する。
第1の実施形態の第2の変形例について説明する。本変形例は、第1の実施形態の構成を以下の通りに変形したものである。本変形例では、医用情報処理装置40は、多層のネットワークモデル(未学習モデル)を学習させることにより、学習済みモデルとして分類器C1~Cnを生成する機能を有する。第1の実施形態と同様の構成、動作、及び効果については、説明を省略する。
第2の実施形態について説明する。本実施形態は、第1の実施形態の構成を以下の通りに変形したものである。本実施形態では、医用システム1は、腹部疼痛の患者に対する治療方針を決定する施設に設けられる。医用情報処理装置40は、腹部疼痛の原因特定のために最低限必要な検査の項目名(以下、検査項目と呼ぶ)を提示する。第1の実施形態と同様の構成、動作、及び効果については、説明を省略する。
(ステップS201)
処理回路44は、表示制御機能446により、患者に関する検査項目、及び目標感度を取得するための医用情報入力画面を、ディスプレイ42に表示する。医師は、入力インターフェース43において、検査項目及び目標感度を入力する。処理回路44は、検査項目及び目標感度が入力されたことに基づいて、取得機能441により、検査項目及び目標感度を取得する。
処理回路44は、選択機能442により、ステップS101の処理で取得した検査項目に基づいて、分類器C1~Cnの中から、取得した検査項目の組み合わせに対応する分類器を、候補モデルとして選択する。
処理回路44は、判定機能443により、候補モデルの感度と目標感度とを比較する。処理回路44は、候補モデルの感度が目標感度より大きい場合(S203-Yes)、候補モデルの分類性能が十分であると判定する。この場合、処理はステップS204に進む。候補モデルの感度が目標感度以下である場合(S203-No)、処理回路44は、候補モデルの分類性能が十分でないと判定する。この場合、処理はステップS205に進む。
処理回路44は、表示制御機能446により、候補モデルの感度をディスプレイ42に表示する。医師は、候補モデルの感度を確認することにより、入力した検査項目での検査結果を入力することにより、目標感度を超える精度の分類結果を得ることができることを確認する。この際、入力した検査項目での検査結果を入力することにより、目標感度を超える精度の分類結果を得ることができることを示す表示をディスプレイ42に表示させてもよい。そして、処理は、ステップS208に進む。
処理回路44は、特定機能444により、分類器C1~Cnの感度と目標感度とに基づいて、分類器C1~Cnの中から感度が目標感度よりも大きい分類器を、適格モデルとして特定する。
処理回路44は、特定機能444により、ステップS201の処理において取得した検査項目と、ステップS205の処理において特定した適格モデルとに基づいて、適格モデル毎に追加項目を特定する。この際、処理回路44は、特定した適格モデルのそれぞれについて、適格モデルに対応する検査項目の組み合わせから、ステップS101の処理において取得した検査項目を除くことにより、追加項目を特定する。
処理回路44は、表示制御機能446により、追加項目提示画面を、ディスプレイ42に表示する。追加項目提示画面では、追加項目が適格モデル毎に表示される。追加項目提示画面では、追加項目が適格モデル毎に表示される。また、追加項目提示画面では、適格モデルは、追加項目の種類が少ない順に、かつ、感度が小さい順に表示される。
処理回路44は、検査結果を取得するまで待機する(ステップS208-No)。例えば、医師により入力インターフェース43において検査結果が入力されると(ステップS208-Yes)、処理回路44は、入力された検査結果を取得する。
処理回路44は、選択機能442により、ステップS208の処理で取得した検査結果に対応する検査項目に基づいて、検査項目の組み合わせに対応する分類器を選択する。例えば、検査項目b1、b5、b6、b7の検査結果が入力された場合、検査項目b1、b5、b6、b7の組み合わせに対応する分類器が選択される。
処理回路44は、分類機能448により、ステップS208の処理で取得した検査結果を、ステップS209の処理で選択した分類器に適用する。これにより、処理回路44は、腹部疼痛の原因と推論される疾患の名称を取得する。
処理回路44は、表示制御機能446により、ステップS210の処理で取得した疾患の名称をディスプレイ42に表示する。
第2の実施形態の第1の変形例について説明する。本変形例は、第2の実施形態の構成を以下の通りに変形したものである。本変形例では、医用情報処理装置40は、多層のネットワークモデル(未学習モデル)を学習させることにより、学習済みモデルとして分類器C1~Cnを生成する機能を有する。第2の実施形態と同様の構成、動作、及び効果については、説明を省略する。
10…HIS
20…検査装置
40…医用情報処理装置
41…メモリ
42…ディスプレイ
43…入力インターフェース
44…処理回路
441…取得機能
442…選択機能
443…判定機能
444…特定機能
445…転送判断機能
446…表示制御機能
447…学習機能
448…分類機能
C1~Cn…分類器
a1~a10…臨床情報
b1~b10…検査項目
Claims (15)
- 特定の患者に関する医用情報を取得する取得部と、
前記医用情報を入力することにより医用判断に関する分類結果を出力する複数の学習済みモデルの中から、前記医用情報が有する入力項目に対応する学習済みモデルを候補モデルとして選択する選択部と、
前記候補モデルの分類性能に基づいて、前記候補モデルが分類性能に関する条件を満たすか否かを判定する判定部と、
前記候補モデルが前記条件を満たさない場合、前記学習済みモデルの中から前記条件を満たす適格モデルを特定し、前記適格モデルに対応する入力項目のうち、前記医用情報に含まれない入力項目を追加項目として特定する特定部と、
前記追加項目を出力する出力部と、
を備える、医用情報処理装置。 - 前記候補モデルが前記条件を満たす場合、前記候補モデルに対して前記医用情報を入力することにより前記分類結果を取得し、前記候補モデルが前記条件を満たさない場合、前記適格モデルに対して前記追加項目を含む医用情報を入力することにより前記分類結果を取得する、処理部をさらに備える、
請求項1に記載の医用情報処理装置。 - 前記複数の学習済みモデルは、対応する入力項目の組み合わせが異なる、
請求項1または2に記載の医用情報処理装置。 - 前記入力項目として想定される項目のうち全ての項目の組み合わせに対応する数の前記学習済みモデルを記憶する記憶部をさらに備える、
請求項3に記載の医用情報処理装置。 - 前記取得部は、前記学習済みモデルの分類性能に関する閾値をさらに取得し、
前記判定部は、前記候補モデルの分類性能が前記閾値より大きいか否かを判定することにより、前記候補モデルが分類性能に関する条件を満たすか否かを判定し、
前記特定部は、前記学習済みモデルのそれぞれに対して前記分類性能が前記閾値より大きいか否かを判定することにより、前記適格モデルを特定する、
請求項1乃至4のいずれか1項に記載の医用情報処理装置。 - 前記分類性能は、精度、感度、及び特異度のうちの少なくとも1つを含む、
請求項5に記載の医用情報処理装置。 - 前記取得部は、前記入力項目毎に正確性に関する情報を取得し、前記正確性に関する情報に基づいて、正確性が高い入力項目のみを前記医用情報として取得し、
前記特定部は、前記正確性に関する情報に基づいて、正確な情報を取得可能な入力項目のみを前記追加項目として特定する、
請求項1乃至6のいずれか1項に記載の医用情報処理装置。 - 前記出力部は、前記適格モデルごとに前記追加項目を表示する表示画面データを出力する、
請求項1乃至7のいずれか1項に記載の医用情報処理装置。 - 前記表示画面データは、前記追加項目の種類が少ない順に前記適格モデルを表示する、 請求項8に記載の医用情報処理装置。
- 前記表示画面データは、前記分類性能が高い順に前記適格モデルを表示する、
請求項8に記載の医用情報処理装置。 - 前記表示画面データは、取得困難度が低い順に前記適格モデルを表示する、
請求項8に記載の医用情報処理装置。 - 前記医用情報は、脳梗塞を患った特定の患者に関する情報であり、
前記分類結果は、血管内治療を実行可能な施設への前記患者の転送の要否である、
請求項1乃至11のいずれか1項に記載の医用情報処理装置。 - 前記医用情報は、症状の原因を特定するために行う検査の項目名と検査結果とを含み、 前記分類結果は、前記症状の原因として推論された疾患の種類である、
請求項1乃至12のいずれか1項に記載の医用情報処理装置。 - 請求項1乃至13のいずれか1項に記載の医用情報処理装置の各部をコンピュータに実行させる、プログラム。
- 取得部が、特定の患者に関する医用情報を取得することと、
選択部が、前記医用情報を入力することにより医用判断に関する分類結果を出力する複数の学習済みモデルの中から、前記医用情報が有する入力項目に対応する学習済みモデルを候補モデルとして選択することと、
判定部が、前記候補モデルの分類性能に基づいて、前記候補モデルが分類性能に関する条件を満たすか否かを判定することと、
特定部が、前記候補モデルが前記条件を満たさない場合、前記学習済みモデルの中から前記条件を満たす適格モデルを特定し、前記適格モデルに対応する入力項目のうち、前記医用情報に含まれない入力項目を追加項目として特定することと、
出力部が、前記追加項目を出力することと、
を備える、医用情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020048708A JP7443109B2 (ja) | 2020-03-19 | 2020-03-19 | 医用情報処理装置、医用情報処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020048708A JP7443109B2 (ja) | 2020-03-19 | 2020-03-19 | 医用情報処理装置、医用情報処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021149501A JP2021149501A (ja) | 2021-09-27 |
JP7443109B2 true JP7443109B2 (ja) | 2024-03-05 |
Family
ID=77848930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020048708A Active JP7443109B2 (ja) | 2020-03-19 | 2020-03-19 | 医用情報処理装置、医用情報処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7443109B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000181526A (ja) | 1998-12-16 | 2000-06-30 | Chugoku Electric Power Co Inc:The | プラント状態推定・予測装置及び方法 |
JP2010122901A (ja) | 2008-11-19 | 2010-06-03 | Omron Healthcare Co Ltd | 健康状態判断装置 |
JP2012064087A (ja) | 2010-09-17 | 2012-03-29 | Keio Gijuku | 生活習慣病の診断予測装置、生活習慣病の診断予測方法及びプログラム |
JP2014147659A (ja) | 2013-01-09 | 2014-08-21 | Canon Inc | 医療診断支援装置及び医療診断支援方法 |
WO2019095017A1 (en) | 2017-11-17 | 2019-05-23 | Gmdx Co Pty Ltd | Systems and methods for predicting the efficacy of cancer therapy |
JP2019121390A (ja) | 2018-01-10 | 2019-07-22 | キヤノンメディカルシステムズ株式会社 | 診断支援装置、診断支援システム、及び診断支援プログラム |
JP2019204484A (ja) | 2017-07-24 | 2019-11-28 | アクシオンリサーチ株式会社 | 対象システムの内部状態を推定する支援システム |
-
2020
- 2020-03-19 JP JP2020048708A patent/JP7443109B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000181526A (ja) | 1998-12-16 | 2000-06-30 | Chugoku Electric Power Co Inc:The | プラント状態推定・予測装置及び方法 |
JP2010122901A (ja) | 2008-11-19 | 2010-06-03 | Omron Healthcare Co Ltd | 健康状態判断装置 |
JP2012064087A (ja) | 2010-09-17 | 2012-03-29 | Keio Gijuku | 生活習慣病の診断予測装置、生活習慣病の診断予測方法及びプログラム |
JP2014147659A (ja) | 2013-01-09 | 2014-08-21 | Canon Inc | 医療診断支援装置及び医療診断支援方法 |
JP2019204484A (ja) | 2017-07-24 | 2019-11-28 | アクシオンリサーチ株式会社 | 対象システムの内部状態を推定する支援システム |
WO2019095017A1 (en) | 2017-11-17 | 2019-05-23 | Gmdx Co Pty Ltd | Systems and methods for predicting the efficacy of cancer therapy |
JP2019121390A (ja) | 2018-01-10 | 2019-07-22 | キヤノンメディカルシステムズ株式会社 | 診断支援装置、診断支援システム、及び診断支援プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021149501A (ja) | 2021-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20090094053A1 (en) | Diagnosis through graphical representation of patient characteristics | |
US11769591B2 (en) | Computer aided diagnosis and monitoring of heart failure patients | |
US20210166812A1 (en) | Apparatus and methods for the management of patients in a medical setting | |
JP2020187687A (ja) | 医用情報処理装置 | |
US20200342964A1 (en) | Medical information processing apparatus, ordering system and method | |
JP7443109B2 (ja) | 医用情報処理装置、医用情報処理方法及びプログラム | |
JP7046499B2 (ja) | 医用情報処理装置及び医用情報処理方法 | |
US20210174922A1 (en) | Medical care support apparatus | |
JP7313888B2 (ja) | 医用情報処理装置、医用情報処理方法及びプログラム | |
JP2022188611A (ja) | 診断支援システム | |
JP7064430B2 (ja) | 優先度判定装置、方法およびプログラム | |
US20200082931A1 (en) | Diagnostic support apparatus | |
US20220102013A1 (en) | Medical service support device and medical service support system | |
US20220139528A1 (en) | Analysis support apparatus, analysis support system, and analysis support method | |
US11819314B2 (en) | Medical apparatus and test assisting method | |
Gu | AI in Cardiology and Cardiac Surgery | |
US20220280124A1 (en) | Diagnosis support system | |
US20220270758A1 (en) | Medical information processing apparatus, medical information processing method, and non-transitory computer-readable medium | |
JP2023071545A (ja) | 臨床支援システム、及び臨床支援装置 | |
US20200335216A1 (en) | Medical information processing apparatus, medical information processing system, and medical information processing method | |
JP2023071818A (ja) | 臨床支援システム、及び臨床支援装置 | |
Yadav et al. | Telemedicine using Machine Learning: A Boon | |
JP7382618B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP7458762B2 (ja) | 医療情報処理装置及びプログラム | |
US20220285031A1 (en) | Medical information processing apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230106 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240112 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240221 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7443109 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |