JP7753003B2 - 情報処理装置及び情報処理方法 - Google Patents

Description

本明細書及び図面に開示の実施形態は、情報処理装置及び情報処理方法に関する。

従来は、医師などの医療従事者が一方的に患者の治療方針を決定していた。近年の医療現場では、患者及び家族の意向や価値観を汲んで医療従事者と患者及び家族が合意した上で、一緒に治療方針を決定することが検討されている。患者及び家族との合意を形成した上で治療方針を決定することは、Sheared Decision Makingと呼ばれている。

患者や家族の意向を踏まえた治療法の選択にあたっては、以下の課題がある。医療情報から患者および家族が退院後の日常生活を思い描くには、患者及び家族側に情報や知識が不足していたり、そもそも医療情報から日常生活に関わる情報に変換できず、ギャップがある。治療法そのものの選択が先にあり、その後の日常生活までを想定した選択となっていないので、時に、患者やその家族には対応が難しい選択になりうることがある。患者や家族が許容できる範囲、優先順位を明確にできないため、治療法の先を思い描いたうえでの合意形成がしにくい。

従来の技術では、患者および家族が望む治療後の生活が入力となっておらず、医療サイドとの相互にやり取りをして治療法、つまり治療後の生活に関する合意形成が不足していた。また、医療サイドとの患者および家族間の合意形成にあたり、患者および家族が医療情報から実際の生活を想像することが難しく、患者および家族が判断できない状況にあり、一方医療サイド側はそのギャップに気づくことができない。

特開２００４－２５８９７８号公報

本明細書及び図面に開示の実施形態が解決しようとする課題は、患者やその家族の意向に合った治療方法を選択できることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

実施形態の情報処理装置は、推定部と、出力制御部とを持つ。前記推定部は、対象患者の属性に基づいて、前記対象患者に適用される治療方法ごとに、前記対象患者の将来の生活状況を推定する。前記出力制御部は、前記生活状況に基づく情報を出力部を介して出力する。

第１実施形態における情報処理システム１の構成例を表す図。 第１実施形態における端末装置１０の構成例を表す図。 意向入力画面の一例を表す図。 第１実施形態における情報処理装置１００の構成例を表す図。 第１実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 対象患者Ｐ１の予後を推定する処理の流れを表すフローチャート。 属性分布の一例を表す図。 層別化処理を説明するための図。 属性分布の比較方法を説明するための図。 将来の生活状況として推定される事項の一例を表す図。 第２実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャート。 希望生活状況の一例を表す図。 推定生活状況の一例を表す図。 ギャップが生じた一例を表す図。 ギャップの解消法の出力例を表す図。

以下、図面を参照しながら、実施形態の情報処理装置及び情報処理方法について説明する。

（第１実施形態）
［情報処理システムの構成］
図１は、第１実施形態における情報処理システム１の構成例を表す図である。情報処理システム１は、例えば、端末装置１０と、情報処理装置１００とを備える。端末装置１０及び情報処理装置１００は、通信ネットワークＮＷを介して通信可能に接続される。

通信ネットワークＮＷは、電気通信技術を利用した情報通信網全般を意味してよい。例えば、通信ネットワークＮＷは、病院基幹ＬＡＮ（Local Area Network）等の無線／有線ＬＡＮやインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワーク等を含む。

端末装置１０は、医療従事者Ｐ２によって利用されるパーソナルコンピュータやタブレット端末、携帯電話などの端末装置である。医療従事者Ｐ２は、典型的には医師であるが、看護師やその他の医療に携わる人物、地域の介護サービスに関わる人物であってもよい。医療従事者Ｐ２は、例えば、治療の対象とする患者（以下、対象患者Ｐ１という）に関する情報を端末装置１０に入力する。また、医療従事者Ｐ２が入力する代わりに、対象患者Ｐ１やその家族が、対象患者Ｐ１に関する情報を端末装置１０に入力してもよい。また、患者と同様に、家族も自身に関する情報を入力する対象者となる。

端末装置１０は、通信ネットワークＮＷを介して、医療従事者Ｐ２によって入力された情報を情報処理装置１００に情報を送信したり、或いは情報処理装置１００から情報を受信したりする。

情報処理装置１００は、通信ネットワークＮＷを介して、端末装置１０から情報を受信し、その受信した情報を処理する。そして、情報処理装置１００は、通信ネットワークＮＷを介して、処理した情報を端末装置１０に送信する。

情報処理装置１００は、単一の装置であってもよいし、通信ネットワークＮＷを介して接続された複数の装置が互いに協働して動作するシステムであってもよい。すなわち、情報処理装置１００は、分散コンピューティングシステムやクラウドコンピューティングシステムに含まれる複数のコンピュータ（プロセッサ）によって実現されてもよい。また、情報処理装置１００は、必ずしも端末装置１０とは異なる別体の装置である必要はなく、端末装置１０と一体になった装置であってもよい。

［端末装置の構成］
図２は、第１実施形態における端末装置１０の構成例を表す図である。端末装置１０は、例えば、通信インタフェース１１と、入力インタフェース１２と、出力インタフェース１３と、メモリ１４と、処理回路２０とを備える。

通信インタフェース１１は、通信ネットワークＮＷを介して情報処理装置１００などと通信する。通信インタフェース１１は、例えば、ＮＩＣ（Network Interface Card）や無線通信用のアンテナ等を含む。

入力インタフェース１２は、操作者（例えば医療従事者Ｐ２）からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路２０に出力する。例えば、入力インタフェース１２は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル等を含む。入力インタフェース１２は、例えば、マイク等の音声入力を受け付けるユーザインタフェースであってもよい。入力インタフェース１２がタッチパネルである場合、入力インタフェース１２は、後述のディスプレイ１３ａの表示機能を兼ね備えるものであってもよい。

なお、本明細書において入力インタフェース１２はマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１２の例に含まれる。

出力インタフェース１３は、処理回路２０の制御下において情報を出力する。例えば、出力インタフェース１３は、ディスプレイ１３ａやスピーカ１３ｂなどを備える。

ディスプレイ１３ａは、各種の情報を表示する。例えば、ディスプレイ１３ａは、処理回路２０によって生成された画像や、医療従事者Ｐ２からの各種の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）等を表示する。例えば、ディスプレイ１３ａは、ＬＣＤ（Liquid Crystal Display）や、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等である。

スピーカ１３ｂは、各種情報を音に変換して出力する。例えば、スピーカ１３ｂは、処理回路２０から入力された情報を音として出力する。

メモリ１４は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスクによって実現される。これらの非一過性の記憶媒体は、ＮＡＳ（Network Attached Storage）や外部ストレージサーバ装置といった通信ネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ１４には、ＲＯＭ（Read Only Memory）やレジスタ等の非一過性の記憶媒体が含まれてもよい。

処理回路２０は、例えば、取得機能２１と、出力制御機能２２と、通信制御機能２３とを備える。処理回路２０は、例えば、ハードウェアプロセッサ（コンピュータ）がメモリ１４（記憶回路）に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

処理回路２０におけるハードウェアプロセッサは、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit; ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ））等の回路（circuitry）を意味する。メモリ１４にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは、回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。上記のプログラムは、予めメモリ１４に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の非一時的記憶媒体に格納されており、非一時的記憶媒体が端末装置１０のドライブ装置（不図示）に装着されることで非一時的記憶媒体からメモリ１４にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。

取得機能２１は、入力インタフェース１２を介して入力情報を取得したり、通信インタフェース１１を介して情報処理装置１００から情報を取得したりする。

出力制御機能２２は、取得機能２１によって取得された情報を、ディスプレイ１３ａに画像として表示させたり、スピーカ１３ｂから音声として出力させたりする。

例えば、出力制御機能２２は、ディスプレイ１３ａに、治療に関する対象患者Ｐ１又はその家族の意向を入力可能な画面（以下、意向入力画面という）を表示させる。意向入力画面については後述する。

通信制御機能２３は、入力インタフェース１２に入力された情報を通信インタフェース１１を介して情報処理装置１００に送信する。

図３は、意向入力画面の一例を表す図である。意向入力画面には、対象患者Ｐ１の治療後における生活状況（日常生活）に関して、その対象患者Ｐ１自身や対象患者Ｐ１の家族が気になり得る事項が入力できる。例えば、意向入力画面には、対象患者Ｐ１やその家族をとりまく経済的社会的環境又は医療費負担などの事項に関して、アンケート形式や自由記入形式で設問されている。当設問の内容は、具体的には、（１）今後の病気の状態、（２）治療費、（３）働ける日数、（４）治療後の生活のための身体的又は認定的機能、（５）治療後必要となる家族の協力、（６）介護の必要程度、（７）地域の支援などである。各設問には、どの程度関心があるのか、許容できるのか、或いは協力できるのか、といったスコアが入力可能である。例えば、「とても気になる」という選択肢は、関心度が最も高い／許容度が最も低いことを表し、「気になる」という選択肢は、「とても気になる」という選択肢に比べて関心度が低い／許容度が高いことを表し、「それほど気にならない」という選択肢は、「気になる」という選択肢に比べて関心度が低い／許容度が高いことを表している。これら３つの選択肢のうち、対象患者Ｐ１又はその家族がどの選択肢を回答したのかに応じて、関心度や許容度、協力度といったスコアが決定される。なお設問の数は７つに限られず、各設問の選択肢も３つに限られない。

［情報処理装置の構成］
図４は、第１実施形態における情報処理装置１００の構成例を表す図である。情報処理装置１００は、例えば、通信インタフェース１１１と、入力インタフェース１１２と、出力インタフェース１１３と、メモリ１１４と、処理回路１２０とを備える。

通信インタフェース１１１は、通信ネットワークＮＷを介して端末装置１０などと通信する。通信インタフェース１１１は、例えば、ＮＩＣ等を含む。通信インタフェース１１１は「出力部」の一例である。

入力インタフェース１１２は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路１２０に出力する。例えば、入力インタフェース１１２は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル等を含む。入力インタフェース１１２は、例えば、マイク等の音声入力を受け付けるユーザインタフェースであってもよい。入力インタフェース１１２がタッチパネルである場合、入力インタフェース１１２は、後述のディスプレイ１１３ａの表示機能を兼ね備えるものであってもよい。

なお、本明細書において入力インタフェース１１２はマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１１２の例に含まれる。

出力インタフェース１１３は、処理回路１２０の制御下において情報を出力する。例えば、出力インタフェース１１３は、ディスプレイ１１３ａやスピーカ１１３ｂなどを備える。出力インタフェース１１３は「出力部」の一例である。

ディスプレイ１１３ａは、各種の情報を表示する。例えば、ディスプレイ１３ａは、処理回路１２０によって生成された画像や、操作者からの各種の入力操作を受け付けるためのＧＵＩ等を表示する。例えば、ディスプレイ１１３ａは、ＬＣＤや、ＣＲＴディスプレイ、有機ＥＬディスプレイ等である。

スピーカ１１３ｂは、各種情報を音に変換して出力する。例えば、スピーカ１１３ｂは、処理回路１２０から入力された情報を音として出力する。

メモリ１１４は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスクによって実現される。これらの非一過性の記憶媒体は、ＮＡＳや外部ストレージサーバ装置といった通信ネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ１１４には、ＲＯＭやレジスタ等の非一過性の記憶媒体が含まれてもよい。

処理回路１２０は、例えば、取得機能１２１と、推定機能１２２と、判定機能１２３と、出力制御機能１２４と、通信制御機能１２５とを備える。推定機能１２２は「推定部」の一例であり、判定機能１２３は「判定部」の一例である。出力インタフェース１１３が「出力部」の一例である場合、出力制御機能１２４は「出力制御部」の一例である。また、通信インタフェース１１１が「出力部」の他の例である場合、通信制御機能１２５は「出力制御部」の他の例である。

処理回路１２０は、例えば、ハードウェアプロセッサ（コンピュータ）がメモリ１１４（記憶回路）に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

処理回路１２０におけるハードウェアプロセッサは、例えば、ＣＰＵ、ＧＰＵ、特定用途向け集積回路、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイスまたは複合プログラマブル論理デバイス、フィールドプログラマブルゲートアレイ等の回路（circuitry）を意味する。メモリ１１４にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは、回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。上記のプログラムは、予めメモリ１１４に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の非一時的記憶媒体に格納されており、非一時的記憶媒体が情報処理装置１００のドライブ装置（不図示）に装着されることで非一時的記憶媒体からメモリ１１４にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。

［情報処理装置の処理フロー］
以下、フローチャートに即しながら、情報処理装置１００の処理回路１２０による各機能の処理について説明する。図５は、第１実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。

まず、取得機能１２１は、通信インタフェース１１１を介して端末装置１０から対象患者Ｐ１の属性を取得する（ステップＳ１００）。

対象患者Ｐ１の属性は、対象患者Ｐ１の現在の状態、対象患者Ｐ１が来院してからの状態の推移、対象患者Ｐ１をフォローしている間の状態の推移、既往症、遺伝性情報、といった複数の性質や特徴によって構成される。これら複数の性質や特徴のうちの一部は省略されてもよいし、例示されていない他の性質や特徴に置き換わってもよい。例えば、対象患者Ｐ１の属性には、治療方法や治療歴などが含まれてもよい。

対象患者Ｐ１の現在の状態には、例えば、年齢、性別、体重、血液型、バイタルサイン、併発している疾病、予想される合併症などが含まれる。対象患者Ｐ１が来院してからの状態の推移には、例えば、体重、心機能状態、呼吸状態、代謝状態、疾患特徴を示す画像パラメータ、疾患特徴を示す非画像パラメータなどが含まれる。対象患者Ｐ１をフォローしている間の状態の推移には、例えば、体重、心機能状態、呼吸状態、代謝状態、疾患特徴を示す画像パラメータ、疾患特徴を示す非画像パラメータなどが含まれる。

例えば、医師などの医療従事者Ｐ２が、対象患者Ｐ１の現在の状態、状態の推移、既往歴、遺伝性情報などを対象患者Ｐ１やその家族にヒアリングを行い、そのヒアリング結果を端末装置１０に対して入力したとする。この場合、端末装置１０は、これら入力された情報を対象患者Ｐ１の属性として情報処理装置１００に送信する。情報処理装置１００の取得機能１２１は、通信インタフェース１１１が端末装置１０から対象患者Ｐ１の属性を受信した場合、その属性を通信インタフェース１１１から取得する。

次に、推定機能１２２は、対象患者Ｐ１に対して適用可能な一つ又は複数の治療方法を決定する（ステップＳ１０２）。例えば、推定機能１２２は、端末装置１０に対する医療従事者Ｐ２の入力に基づいて治療方法を決定してよい。また、推定機能１２２は、対象患者Ｐ１の属性（特に対象患者Ｐ１の現在の状態）に基づいて治療方法を決定してもよい。

例えば、端末装置１０の出力制御機能２２は、対象患者Ｐ１に対して適用可能な複数の治療方法をディスプレイ１３ａに表示させる。医療従事者Ｐ２（特に医師）が、ディスプレイ１３ａに表示された複数の治療方法の中からいずれか一つ又は複数の治療方法を選択し、その選択結果を入力インタフェース１２に対して入力する。通信制御機能２３は、医療従事者Ｐ２によって入力インタフェース１２に対して入力された治療方法の選択結果を、通信インタフェース１１を介して情報処理装置１００に送信する。これを受けて、情報処理装置１００の取得機能１２１は、通信インタフェース１１１を介して、端末装置１０から、医療従事者Ｐ２によって選択された治療方法の選択結果を取得する。そして、推定機能１２２は、取得機能１２１によって取得された治療方法の選択結果、つまり医療従事者Ｐ２によって選択された治療方法を、対象患者Ｐ１に対して適用可能な治療方法として決定する。

次に、推定機能１２２は、決定した一つ又は複数の治療方法の中から、任意の一つの治療方法（i）を選択する（ステップＳ１０４）。ｉは、処理回路１２０における一時的な内部パラメータであり、所謂テンポラリーパラメータである。

次に、推定機能１２２は、治療方法（i）が適用された場合における対象患者Ｐ１の予後を推定する（ステップＳ１０６）。

［サブプロセス］
以下、Ｓ１０６の処理について詳細に説明する。図６は、対象患者Ｐ１の予後を推定する処理の流れを表すフローチャートである。本フローチャートは、Ｓ１０６の処理（サブプロセス）に相当する。

まず、推定機能１２２は、取得機能１２１によって取得された対象患者Ｐ１の属性を定量的に表した分布（以下、属性分布と称する）を算出する（ステップＳ２００）。対象患者Ｐ１の属性分布は、「第２分布」の一例である。

例えば、推定機能１２２は、行政機関などが定めたガイドラインや各医療機関が定めた診断基準などに従って、対象患者Ｐ１の複数の属性のそれぞれを定量的な値に変換し、定量化した属性を分布として算出する。推定機能１２２は、所定のデータベースを用いて対象患者Ｐ１の属性を定量化してもよいし、統計や機械学習（深層学習等）を用いて対象患者Ｐ１の属性を定量化してもよい。

図７は、属性分布の一例を表す図である。図示のように、例えば、属性分布は、０から５までの５段階で各属性の程度が段階付けられたレーダーチャートとして表されてよい。つまり、各属性の値は、最小値が０になり、最大値が５となるように正規化された上で、レーダーチャートのような分布として表現されてよい。属性分布における（ａ）の領域には、例えば、年齢や性別、血液型の定量値がプロットされる。（ｂ）の領域には、例えば、現時点のバイタルサインの定量値がプロットされる。（ｃ）の領域には、例えば、現時点の疾患パラメータ（画像パラメータや非画像パラメータ）の定量値がプロットされる。（ｄ）の領域には、例えば、来院中の推移情報の定量値がプロットされる。（ｅ）の領域には、例えば、フォロー中の推移情報の定量値がプロットされる。（ｆ）の領域には、例えば、既往歴や遺伝性情報の定量値がプロットされる。

（ｂ）（ｃ）の属性（例えば体重、バイタルサイン、併発疾患、疾患特徴を表すパラメータ）は、対象患者Ｐ１が治療を受ける前、後、又はその過程において制御可能な因子（すなわち制御因子）である。（ａ）（ｄ）（ｅ）（ｆ）の属性（例えば年齢、血液型、病歴、家族歴）は、対象患者Ｐ１が治療を受ける前、後、又はその過程において制御不可能な因子（すなわち不制御因子）である。制御因子は「第１因子」の一例であり、不制御因子は「第２因子」の一例である。

図７の例では、属性分布がレーダーチャートであるものとして説明したがこれに限られない。例えば、属性分布は、ヒストグラム、積み上げグラフ、ヒートマップのような、その他の統計的図表によって表されてもよい。また属性の段階数についても５に限られず、４以下であってもよいし、６以上であってもよい。

また、推定機能１２２は、対象患者Ｐ１の属性を分布として算出することに代えて、或いは加えて、対象患者Ｐ１の属性全体を統合して１つの指標値（スカラ値）として算出してもよい。例えば、推定機能１２２は、対象患者Ｐ１の属性数をｎとした場合、各属性（τ（ｉ）；ｉ＝１～ｎ）における疾患ＱＩ（Quality Index）への影響度αｉを考慮した総和Ｔ（ｉ）＝Σαｉ×τ（ｉ）を、対象患者Ｐ１の属性全体を表す指標値としてよい。疾患ＱＩについては後述する。

図６のサブプロセスのフローチャートの説明に戻る。次に、推定機能１２２は、Ｓ１０４の処理で選択した治療方法（i）を用いて母集団の患者をフィルタリングする（ステップＳ２０２）。つまり、推定機能１２２は、母集団の中から、Ｓ１０４の処理で選択した治療方法（i）が適用された患者を標本として抽出する。

母集団とは、対象患者Ｐ１を治療しようとしている医療従事者Ｐ２、或いはその医療従事者Ｐ２が勤務する医療機関のもとで過去に治療を受けた複数の患者によって構成される。医療機関は、例えば、病院や診療所、その他医療が提供される施設であってよい。また、母集団は、医療統計上の患者集団であってもよい。母集団は、病院ＰＩ（Performance Index）及び／又は疾患ＱＩに基づいて、複数のグループに層別化（分類化、グループ化、クラスタ化ともいう）することが可能である。

病院ＰＩとは、母集団の各患者が費やした時間的又は経済的コストに関する指標値であり、例えば、入院日数や治療費などである。別の側面から見れば、病院ＰＩは、医療機関が費やした時間的又は経済的コストに関する指標値であり、例えば、在院日数や診療報酬などである。病院ＰＩは、「第１指標値」の一例である。

疾患ＱＩとは、母集団の各患者をある治療方法に従って治療したときに、その患者の疾患がどの程度治療されたのかという治療効果を計るための指標値である。例えば、患者の疾患ががんである場合、疾患ＱＩは、５年生存率や、術後在院日数、再発率、がん残存率、乳房温存手術の割合などであってよい。また、患者の疾患が急性心筋梗塞である場合、疾患ＱＩは、平均在院日数などであってよい。また、患者の疾患が糖尿病である場合、疾患ＱＩは、ＨｂＡ１ｃ（Hemoglobin A1c）改善率や、患者の紹介件数、患者の逆紹介件数などであってよい。また、患者の疾患が肺炎である場合、疾患ＱＩは、平均在院日数や初期治療成功率などであってよい。疾患ＱＩは、「第２指標値」の一例である。

例えば、Ｓ１０４の処理により選択された治療方法（i）が「ＡＡＡ」という方法であった場合、推定機能１２２は、母集団の中から過去に「ＡＡＡ」という治療方法を受けた複数の患者を標本として抽出する。

次に、推定機能１２２は、治療方法（i）に基づいて母集団から抽出した複数の患者（つまり標本）を複数のグループに層別化し、その層別化した各グループの属性分布を算出する（ステップＳ２０４）。

例えば、推定機能１２２は、標本の各グループの属性分布を算出するのに先立って、治療効果を計るための複数の指標値の中から、一つ又は複数の指標値を病院ＰＩ及び／又は疾患ＱＩとして選択する。

推定機能１２２は、病院ＰＩ及び／又は疾患ＱＩを選択すると、その選択した病院ＰＩ及び／又は疾患ＱＩを基に、治療方法（i）が適用された標本を複数のグループに層別化する。なお、推定機能１２２は、このような層別化処理を、本フローチャートとは異なる別のタイミングで行ってもよい。別のタイミングとは、例えば、医療機関の休業日や外来患者が比較的少ない夜間などである。つまり、本フローチャートの処理が開始されるときには、標本又はその抽出元の母集団が既に複数のグループに層別化された状態であってもよい。

図８は、層別化処理を説明するための図である。図示のように、例えば、推定機能１２２は、病院ＰＩや疾患ＱＩを確率変数Ｘとしたときの標本の確率密度分布Ｆ（Ｘ）を算出する。そして、推定機能１２２は、確率密度分布Ｆ（Ｘ）上において、ある基準に従って標本を複数のグループに層別化する。

例えば、推定機能１２２は、確率変数Ｘが第２閾値ＴＨ２未満のグループをＡ群に分類し、確率変数Ｘが第２閾値ＴＨ２以上かつ第１閾値ＴＨ１未満のグループをＢ群に分類し、確率変数Ｘが第１閾値ＴＨ１以上のグループをＣ群に分類してよい。第１閾値ＴＨ１及び第２閾値ＴＨ２は、例えば、医療的な統計結果やガイドラインを基に決定された固定値であってもよいし、全国平均や各医療機関内の平均などに対して一定のマージンが加えられた或いは引かれた参照値であってもよい。第１閾値ＴＨ１及び第２閾値ＴＨ２は、±１σや、±２σ、±３σといった標準偏差であってもよい。閾値は２つに限られず、１つであってもよいし、３つ以上であってもよい。つまり、グループは２つであってもよいし、４つ以上であってもよい。

例えば、推定機能１２２は、疾患ＱＩとしてがんの再発率を選択した場合、母集団から、がん患者やがんの治療方法が適用された患者を標本としてフィルタリングで抽出し、その抽出した標本のがんの再発率を確率変数Ｘとした確率密度分布Ｆ（Ｘ）を算出する。そして、推定機能１２２は、がんの再発率に関する確率密度分布Ｆ（Ｘ）上において、標本を例えばＡ，Ｂ，Ｃの計３つのグループに層別化する。この場合、Ａ群は、がんの再発率が低いグループとなり、Ｂ群は、がんの再発率がＡ群よりも高いグループとなり、Ｃ群は、がんの再発率がＢ群よりも高いグループとなる。

推定機能１２２は、標本を複数のグループに層別化すると、各グループの属性分布を算出する。例えば、推定機能１２２は、各グループに含まれる複数の患者のそれぞれの属性分布を平均し、その平均した属性分布を各グループの属性分布とする。具体的には、推定機能１２２は、Ａ群に１００人の患者が含まれる場合、その１００人のそれぞれの属性分布を平均し、その患者１００人分の属性分布を平均した一つの属性分布を、Ａ群の属性分布とする。推定機能１２２は、Ｂ群やＣ群といった他のグループについても同様に、複数の患者の属性分布を平均化することで、各グループの属性分布を算出してよい。各グループの属性分布は、「第１分布」の一例である。

図６のサブプロセスのフローチャートの説明に戻る。次に、推定機能１２２は、対象患者Ｐ１の属性分布と、標本から層別化された複数のグループのそれぞれの属性分布とを比較する（ステップＳ２０６）。

図９は、属性分布の比較方法を説明するための図である。例えば、Ａ群、Ｂ群、Ｃ群の３つのグループの属性分布があったとする。この場合、推定機能１２２は、対象患者Ｐ１の属性分布を、Ａ群、Ｂ群、Ｃ群のそれぞれの属性分布と比較し、属性分布同士の類似度を算出する。

例えば、推定機能１２２は、属性分布がレーダーチャートのように形状に特徴が現れる図表であった場合、対象患者Ｐ１の属性分布の図形的形状とＡ群の属性分布の図形的形状との相似度を類似度ａとして算出する。同様に、推定機能１２２は、対象患者Ｐ１の属性分布の図形的形状とＢ群の属性分布の図形的形状との相似度を類似度ｂとして算出し、対象患者Ｐ１の属性分布の図形的形状とＣ群の属性分布の図形的形状との相似度を類似度ｃとして算出する。比較対象である２つの属性分布が相似形状に近いほど、類似度は大きくなる。また、推定機能１２２は、属性分布がヒートマップのように色や濃淡に特徴が現れる図表であった場合、比較対象である２つの属性分布の色や濃淡の距離（いわゆる色差）を、類似度として算出してよい。具体的には、推定機能１２２は、各属性分布の色ヒストグラムを計算し、色ヒストグラムのユークリッド距離やコサイン類似度から、２つの属性分布間の類似度を算出してよい。

図６のサブプロセスのフローチャートの説明に戻る。次に、推定機能１２２は、対象患者Ｐ１の属性分布と各グループの属性分布との比較結果に基づいて、対象患者Ｐ１に関する病院ＰＩ及び疾患ＱＩのうち少なくとも一方の指標値、又は双方の指標値を、対象患者Ｐ１の予後として推定する（ステップＳ２０８）。

例えば、推定機能１２２は、対象患者Ｐ１の属性分布と比較した複数のグループのうち、属性分布の類似度が最も大きいグループが層別化される際に用いられた病院ＰＩを、対象患者Ｐ１に関する病院ＰＩとして推定し、属性分布の類似度が最も大きいグループが層別化される際に用いられた疾患ＱＩを、対象患者Ｐ１に関する疾患ＱＩとして推定する。

例えば、図９において、類似度ｂが最も大きいとする。この場合、推定機能１２２は、標本からＢ群が層別化される際に用いられたがんの再発率を、対象患者Ｐ１の疾患ＱＩとして推定する。Ｂ群は、がんの再発率が第２閾値ＴＨ２以上かつ第１閾値ＴＨ１未満のグループである。従って、対象患者Ｐ１のがんの再発率として推定される値は、第２閾値ＴＨ２から第１閾値ＴＨ１までの範囲となる。

更に、推定機能１２２は、対象患者Ｐ１の疾患ＱＩを推定する際に、各属性（τ（ｉ）；ｉ＝１～ｎ）における疾患ＱＩへの影響度βｉを考慮してもよい。具体的には、推定機能１２２は、ある基準とする範囲において、推定した疾患ＱＩに対して、任意の変換係数γと、総和Σ｛βｉ×（ｆ（ｉ）－τ（ｉ））｝との積を加算してもよい。影響度βｉは、対象患者Ｐ１の属性の中で、より着目したい属性を重みづけるための係数である。また、推定機能１２２は、機械学習や深層学習によって得られた類似確率を基に疾患ＱＩを推定してもよい。

更に、推定機能１２２は、対象患者Ｐ１の属性分布と比較した複数のグループの全ての病院ＰＩや疾患ＱＩの平均や最大、最小といった統計値を算出してもよい。例えば、対象患者Ｐ１の属性分布と比較した複数のグループがＡ群、Ｂ群、及びＣ群の３つであった場合、推定機能１２２は、Ａ群、Ｂ群、及びＣ群の病院ＰＩの平均や疾患ＱＩの平均を算出してよい。これによって、図６のサブプロセスのフローチャートが終了する。

図５のメインフローチャートの説明に戻る。推定機能１２２は、病院ＰＩ及び／又は疾患ＱＩを対象患者Ｐ１の予後として推定すると、その対象患者Ｐ１の予後や属性に基づいて、治療方法（i）が適用された対象患者Ｐ１の将来の生活状況（日常生活）を推定する（ステップＳ１０８）。

図１０は、将来の生活状況として推定される事項の一例を表す図である。図示のように、推定機能１２２は、対象患者Ｐ１の将来の生活状況として、上述した意向入力画面に表示される各事項（（１）今後の病気の状態、（２）治療費、（３）働ける日数、（４）治療後の生活のための身体的又は認定的機能、（５）治療後必要となる家族の協力、（６）介護の必要程度、（７）地域の支援）について推定してよい。これらの事項は、データベースや統計、機械学習（深層学習を含む）を利用することで推定される。

例えば、推定機能１２２は、疾患ＱＩとして推定した生存率や再発率等を対象患者Ｐ１の将来の病態とし、その対象患者Ｐ１の将来の病態と、対象患者Ｐ１の現在の属性（病歴等）とに基づいて、（１）今後の病気の状態（予後や副作用）を推定してよい。

また、推定機能１２２は、（２）治療費として、治療方法（ｉ）に応じて薬剤費や手術費用、入院費用、通院費などを推定したり、フォローアップ回数に応じて、そのフォローアップに要する諸経費を推定したりしてよい。薬剤に関しては、ジェネリック薬の使用有無や使用治具（例えば、ストーマの種類やインプラントの種類）に応じて、いくつかの薬剤費のバリエーションが推定されてよい。

また、推定機能１２２は、（３）働ける日数として、生存率や再発率といった対象患者Ｐ１の疾患ＱＩと、病歴といった対象患者Ｐ１の属性に基づいて、対象患者Ｐ１が治療後に良好な体調でいられる日数や通院に必要な日数などを推定してよい。更に、推定機能１２２は、退院後のリハビリ環境や生活情報も考慮して、働ける日数を推定してよい。通院に必要な日数は、治療方法（ｉ）に応じてフォローアップ回数や加療日数などから推定されてよい。

また、推定機能１２２は、（４）治療後の生活のための身体的又は認定的機能として、体力や歩行、排泄、認知力、メンタルなどを推定してよい。体力は、筋肉量や入院期間中の体調、リハビリ状態から推定されてよい。歩行（寝たきりになるか）は、上述の体力の状態に応じて、データベースや統計、機械学習（深層学習を含む）によって介護認定の生活レベルに応じて推定される。排泄は、人工肛門の設置可否をはじめ治療法と本人（対象患者Ｐ１）の体調から介護認定の生活レベルに応じて推定される。排泄は、本人の体調以外にも本人の管理意欲も考慮して推定されてよい。

また、推定機能１２２は、（１）～（４）の推定結果を総合的に考慮して、（５）治療後必要となる家族の協力、（６）介護の必要程度、（７）地域の支援を推定してよい。

図５のメインフローチャートの説明に戻る。次に、出力制御機能１２４は、推定機能１２２によって推定された対象患者Ｐ１の将来の生活状況（以下、推定生活状況という）を出力インタフェース１１３を介して出力する（ステップＳ１１０）。出力制御機能１２４が推定生活状況を出力することに代えて、或いは加えて、通信制御機能１２５が、通信インタフェース１１１を介して端末装置１０に推定生活状況を送信してもよい。この場合、端末装置１０のディスプレイ１３ａには、推定生活状況が表示される。

次に、推定機能１２２は、対象患者Ｐ１に対して適用可能な全ての治療方法を選択したか否かを判定する（ステップＳ１１２）。推定機能１２２は、全ての治療方法を選択した場合、本フローチャートの処理を終了する。

一方、推定機能１２２は、未だ全ての治療方法を選択していない場合、テンポラリーパラメータｉをインクリメントし（ステップＳ１１４）、Ｓ１０４に処理を戻す。つまり、推定機能１２２は、まだ一度も選択していない治療方法を、新たな治療方法（i）として選択し直す。これによって治療方法ごとに、対象患者Ｐ１の推定生活状況が出力される。この結果、対象患者Ｐ１やその家族は、端末装置１０に入力した意向と、推定生活状況とを比較することができ、対象患者Ｐ１やその家族の意向に合った治療方法を選択することができる。

以上説明した第１実施形態によれば、情報処理装置１００は、対象患者Ｐ１の属性分布を算出し、ある母集団から対象患者Ｐ１と同じ治療方法（ｉ）が適用された患者を標本として抽出し、その標本を複数のグループに層別化し、その層別化した各グループの属性分布を算出する。情報処理装置１００は、各グループの属性分布（「第１分布」の一例）と、対象患者Ｐ１の属性分布（「第２分布」の一例）とを比較し、その比較結果に基づいて、対象患者Ｐ１に関する病院ＰＩ（「第１指標値」の一例）及び疾患ＱＩ（「第２指標値」の一例）のうち少なくとも一方の指標値、又は双方の指標値を、対象患者Ｐ１の予後として推定する。情報処理装置１００は、少なくとも対象患者Ｐ１の予後に基づいて、治療方法ごとに対象患者Ｐ１の将来の生活状況を推定する。そして、情報処理装置１００は、自身の出力インタフェース１１３を介して推定生活状況を出力したり、端末装置１０に推定生活状況を送信したりする。これによって、対象患者Ｐ１やその家族は、端末装置１０に入力した意向と、情報処理装置１００によって推定された将来の生活状況（推定生活状況）とを比較することができ、治療後の日常生活を容易に想像することができる。この結果、対象患者Ｐ１やその家族は、希望の日常生活を送れるような治療方法を選択できる。言い換えれば、治療後の未来にどのような生活になるかがわかるようになるため、患者はもとより家族にとって安心して治療が受けれるようになる。

（第２実施形態）
以下、第２実施形態について説明する。第２実施形態では、対象患者Ｐ１やその家族が希望する将来の生活状況と、情報処理装置１００によって推定された将来の生活状況（推定生活状況）とのギャップを推定し、そのギャップに応じて異なる情報を出力する点で第１実施形態と相違する。以下、第１実施形態との相違点を中心に説明し、第１実施形態と共通する点については説明を省略する。なお、第２実施形態の説明において、第１実施形態と同じ部分については同一符号を付して説明する。

図１１は、第２実施形態に係る処理回路１２０の一連の処理の流れを表すフローチャートである。

まず、取得機能１２１は、通信インタフェース１１１を介して端末装置１０から対象患者Ｐ１やその家族の意向情報を取得する（ステップＳ３００）。例えば、取得機能１２１は、図３の意向入力画面に対して入力された情報を、意向情報として取得してよい。

対象患者Ｐ１やその家族の意向を探るにあたっては、臨床倫理ネットワーク日本が提唱するような意思決定プロセスノートやツール（人工的水分・栄養補給（ＡＨＮ）の選択、人工透析の選択、人工呼吸器の装着と脱着の条件）、アドバンス・ケア・プランニングツールなどが利用されてよい。対象患者Ｐ１やその家族をとりまく経済的社会的環境は、意向情報の背景データとして取得されてよい。

また、医療従事者Ｐ２が、対象患者Ｐ１やその家族から治療に関する意向をヒアリングし、そのヒアリング結果を端末装置１０に入力したとする。この場合、取得機能１２１は、医療従事者Ｐ２によって端末装置１０に入力されたヒアリング結果を、対象患者Ｐ１やその家族の意向情報として取得してよい。

次に、推定機能１２２は、対象患者Ｐ１やその家族の意向情報を、対象患者Ｐ１やその家族が希望する将来の生活状況（以下、希望生活状況という）に変換する（ステップＳ３０２）。例えば、推定機能１２２は、希望生活状況として、意向情報という定性的な情報を定量的な情報に変換する。

例えば、意向入力画面上において、「とても気になる」「気になる」「それほど気にならない」といった選択肢が設けられており、それら選択肢が回答された場合、推定機能１２２は、回答された選択肢に応じて、（１）～（７）の事項の其々をスコア化してよい。

また、例えば、ヒアリング結果が意向情報として取得された場合、推定機能１２２は、自然言語処理を用いて、ヒアリング結果を表す文章を、キーワードに基づき相対的または絶対的なスコアに変換してよい。このスコア変換は、キーワードに対応するデータベース（辞書）を利用して行われてもよいし、深層学習等に代表される機械学習を利用して行われてもよい。

なお、意向入力画面における各設問は、図１０のように、より細分化されていてもよい。例えば、（１）今後の病気の状態に関する設問には、更に、予後や副作用の項目が設けられてよい。（２）治療費に関する設問には、更に、薬剤費や手術費用、入院費用、通院費の項目が設けられてよい。（３）働ける日数に関する設問には、更に、治療後に良好な体調でいられる日数や通院に必要な日数の項目が設けられてよい。（４）治療後の生活のための身体的又は認定的機能に関する設問には、更に、体力や歩行、排泄、認知力、メンタルの項目が設けられてよい。（５）治療後必要となる家族の協力に関する設問や、（６）介護の必要程度に関する設問、（７）地域の支援に関する設問などについても同様である。

意向入力画面において各設問が細分化されており、許容可能な費用や希望する日数といった具体的な数値が入力可能な場合、推定機能１２２は、意向入力画面に入力された具体的数値をスコアとしてよい。

このように推定機能１２２は、意向情報という定性的な情報から変換した定量的な情報を、希望生活状況とする。希望生活状況は、後述の処理において推定生活状況の比較対象として扱われる。希望生活状況は「第１生活状況」の一例であり、推定生活状況は「第２生活状況」の一例である。

図１２は、希望生活状況の一例を表す図である。希望生活状況は、図示のように、（１）～（７）の各項目やそれらを細分化した項目に対する意向がスコア化された情報又はデータであってよい。図示の例では、対象患者Ｐ１やその家族が、（２）治療費に関するスコアがレベル２となる治療を理想（希望）としており、そのスコアの許容できる下限値をレベル２とし、許容できる上限値をレベル５としていることを表している。これら上限値及び下限値は、対象患者Ｐ１やその家族によって設定されてよい。各項目のスコアが上下限値の範囲内に収まる治療方法が対象患者Ｐ１やその家族とって望ましいことを意味している。

図１１のフローチャートの説明に戻る。次に、取得機能１２１は、通信インタフェース１１１を介して端末装置１０から対象患者Ｐ１の属性を取得する（ステップＳ３０４）。

次に、推定機能１２２は、対象患者Ｐ１に対して適用可能な一つ又は複数の治療方法を決定する（ステップＳ３０６）。

次に、推定機能１２２は、決定した一つ又は複数の治療方法の中から、任意の一つの治療方法（i）を選択する（ステップＳ３０８）。

次に、推定機能１２２は、治療方法（i）が適用された場合における対象患者Ｐ１の予後を推定する（ステップＳ３１０）。予後の推定方法については、上述した図６のサブプロセスのフローチャートと同じであるため、ここでは説明を省略する。

次に、推定機能１２２は、対象患者Ｐ１の予後や属性に基づいて、治療方法（i）が適用された対象患者Ｐ１の将来の生活状況を推定する（ステップＳ３１２）。

図１３は、推定生活状況の一例を表す図である。推定生活状況は、希望生活状況同様に、（１）～（７）の各項目やそれらを細分化した項目がスコア化された情報又はデータであってよい。図示の例では、ある治療方法Ａを対象患者Ｐ１に適用した場合、（２）治療費に関するスコアがレベル３となり、ある治療方法Ｂを対象患者Ｐ１に適用した場合、（２）治療費に関するスコアがレベル２となることを表している。図１３において、スコアの下限値は、（１）今後の病気の状態についてはレベル２に設定されており、（２）治療費を含むその他の項目については全てレベル３に設定されている。

図１１のフローチャートの説明に戻る。次に、判定機能１２３は、Ｓ３０２の処理で意向情報から変換された希望生活状況と、Ｓ３１２の処理で推定された対象患者Ｐ１の将来の生活状況（つまり推定生活状況）とのギャップを算出する（ステップＳ３１４）。

図１４は、ギャップが生じた一例を表す図である。図１４の例では、図１３の治療方法Ａを対象患者Ｐ１に適用したときの推定生活状況に対して、希望生活状況として数値化されたスコアの下限値とを比較している。例えば、（３）働ける日数については、スコアの下限値はレベル３に設定されているものの、治療方法Ａを対象患者Ｐ１に適用したときはレベル２となっている。従って、判定機能１２３は、（３）働ける日数に関するスコアについてレベル１つ分のギャップを算出する。同様に、判定機能１２３は、他の事項に関するスコアついてもギャップを算出する。

図１１のフローチャートの説明に戻る。次に、判定機能１２３は、算出したギャップが許容範囲内か否かを判定する（ステップＳ３１６）。許容範囲は、対象患者Ｐ１やその家族によって設定された上下限の範囲である。図１４の例では、治療方法Ａを対象患者Ｐ１に適用した場合、少なくとも（３）働ける日数に関するスコアについては下限値未満である。従って、判定機能１２３は、ギャップが許容範囲外であると判定する。

ギャップが許容範囲内である場合、出力制御機能１２４は、推定機能１２２によって推定された対象患者Ｐ１の将来の生活状況、つまり推定生活状況を出力インタフェース１１３を介して出力する（ステップＳ３１８）。出力制御機能１２４が推定生活状況を出力することに代えて、或いは加えて、通信制御機能１２５が、通信インタフェース１１１を介して端末装置１０に推定生活状況を送信してもよい。この場合、端末装置１０のディスプレイ１３ａには、推定生活状況が表示される。

一方、ギャップが許容範囲外である場合、判定機能１２３は、更に、ギャップの解消法があるか否かを判定する（ステップＳ３２０）。

上述したように、対象患者Ｐ１の属性の中には制御因子と非制御因子とが存在しており、その制御因子を調整することで、同じ治療方法であってもギャップを縮小させることができる場合がある。例えば、対象患者Ｐ１が減量した場合、同じ治療方法であっても減量しない場合に比べてギャップが縮小する場合があったり、対象患者Ｐ１が喫煙をやめた場合、同じ治療方法であっても喫煙しつづける場合に比べてギャップが縮小する場合があったりする。このように対象患者Ｐ１の努力次第では、同じ治療方法であっても、希望する生活状況に適合し得る。

そのため、推定機能１２２は、判定機能１２３によってギャップが許容範囲外であると判定された場合、Ｓ３０４の処理で取得された対象患者Ｐ１の属性に含まれる体重などの制御因子を仮想的に調整（変更）する。推定機能１２２は、制御因子を調整した対象患者Ｐ１の属性に基づいて、対象患者Ｐ１の予後を推定する。つまり、推定機能１２２は、実際とは異なる制御因子に調整した対象患者Ｐ１の属性に基づいて、対象患者Ｐ１の予後をシミュレートする。そして、推定機能１２２は、シミュレートした対象患者Ｐ１の予後や属性に基づいて、治療方法（i）が適用された対象患者Ｐ１の将来の生活状況を推定する。シミュレーションされた対象患者Ｐ１の将来の生活状況は、「第３生活状況」の一例である。

判定機能１２３は、Ｓ３０２の処理で意向情報から変換された希望生活状況と、シミュレーションされた対象患者Ｐ１の将来の生活状況とのギャップを算出し、そのギャップが許容範囲内か否かを判定する。判定機能１２３は、ギャップが許容範囲内である場合、シミュレーション前の条件において、制御因子を変えることがギャップの解消法であると判定する。

ギャップが許容範囲外であるものの、ギャップの解消法がある場合、出力制御機能１２４は、推定生活状況とともにそのギャップの解消法を出力インタフェース１１３を介して出力する（ステップＳ３２２）。

図１５は、ギャップの解消法の出力例を表す図である。例えば、矢印Ｖ１及びＶ２で示すように、対象患者Ｐ１の属性分布において（ｂ）の属性と（ｄ）の属性とをシミュレーションにより調整したところ、ギャップが許容範囲に収まるようになったとする。これら双方の属性はどちらも制御因子である。従って、出力制御機能１２４は、治療方法は変更せず、バイタルサインや来院中の推移情報といった属性が改善するよう促す情報を出力インタフェース１１３を介して出力してよい。例えば、対象患者Ｐ１の体重を減らしてギャップが縮小した場合、出力制御機能１２４は、対象患者Ｐ１に減量を促すような情報を出力してよい。また、対象患者Ｐ１が合併症を患っており、その合併症を軽減させてギャップが縮小した場合、出力制御機能１２４は、対象患者Ｐ１に合併症の軽減を促すような情報を出力してよい。また、通信制御機能１２５が、通信インタフェース１１１を介して端末装置１０にギャップの解消法を送信してもよい。この場合、端末装置１０のディスプレイ１３ａには、ギャップの解消法が表示される。

ギャップが許容範囲外であり、尚且つギャップの解消法がない場合、出力制御機能１２４は、Ｓ３０８の処理で選択された治療方法（ｉ）が選択できない旨（以下、不採用通知という）を出力インタフェース１１３を介して出力する（ステップＳ３２４）。通信制御機能１２５が、通信インタフェース１１１を介して端末装置１０に不採用通知を送信してもよい。この場合、端末装置１０のディスプレイ１３ａには、治療方法（ｉ）の不採用通知が表示される。

次に、推定機能１２２は、対象患者Ｐ１に対して適用可能な全ての治療方法を選択したか否かを判定する（ステップＳ３２６）。推定機能１２２は、全ての治療方法を選択した場合、本フローチャートの処理を終了する。

一方、推定機能１２２は、未だ全ての治療方法を選択していない場合、テンポラリーパラメータｉをインクリメントし（ステップＳ３２８）、Ｓ３０８に処理を戻す。

以上説明した第２実施形態によれば、情報処理装置１００は、希望生活状況と推定生活状況とのギャップを判定し、そのギャップに応じて異なる情報を出力する。例えば、ギャップが許容範囲内である場合、又はギャップが許容範囲外であってもその解消法が有る場合、医師をはじめとする医療従事者Ｐ２は、情報処理装置１００によって出力された結果を対象患者Ｐ１やその家族に説明することで、治療方法に関して対象患者Ｐ１やその家族と円滑に合意することができる。一方、ギャップが許容範囲外であり、その解消法もない場合、医療従事者Ｐ２は、対象患者Ｐ１やその家族が合意できる治療方法がない（合意できない、又は希望内の治療法がない）ことを説明できる。これにより、対象患者Ｐ１やその家族は、治療方法に関する意向について再検討することができる。仮に、意向が再検討された場合、その意向を基に上述したフローチャートの処理を繰り返すことで、対象患者Ｐ１やその家族との間で合意形成を進めることができる。

（その他の実施形態）
以下、その他の実施形態について説明する。上述した実施形態では、端末装置１０と情報処理装置１００とが互いに異なる装置であるものとして説明したがこれに限られない。例えば、端末装置１０と情報処理装置１００とは一体となった一つの装置であってもよい。例えば、端末装置１０の処理回路２０は、取得機能２１、出力制御機能２２、及び通信制御機能２３に加えて、更に、情報処理装置１００の処理回路１２０が備える推定機能１２２、推定機能１２２、及び推定機能１２２を備えていてもよい。この場合、端末装置１０は、スタンドアローン（オフライン）で上述した各種フローチャートの処理を行うことができる。

また、図１１のフローチャートの処理は、情報処理装置１００のみによって実行されるものとして説明したはこれに限られない。例えば、図１１のフローチャートの処理の一部は、端末装置１０によって実行されてもよい。具体的には、Ｓ３１６からＳ３２４の処理は端末装置１０によって実行され、それ以外のＳ３００からＳ３１４、Ｓ３２６、Ｓ３２８の処理は、情報処理装置１００によって実行されるようにしてもよい。この場合、端末装置１０は、対象患者Ｐ１のケアマネージャーや主治医によって利用され、情報処理装置１００は、ケアマネージャーを管轄する医師や主治医が属する診療科によって利用されてよい。

いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…情報処理システム、１０…端末装置、１１…通信インタフェース、１２…入力インタフェース、１３…出力インタフェース、１４…メモリ、２０…処理回路、２１…取得機能、２２…出力制御機能、２３…通信制御機能、１００…情報処理装置、１１１…通信インタフェース、１１２…入力インタフェース、１１３…出力インタフェース、１１４…メモリ、１２０…処理回路、１２１…取得機能、１２２…推定機能、１２３…判定機能、１２４…出力制御機能、１２５…通信制御機能

Claims (9)

1. 対象患者の属性に基づいて、前記対象患者に適用される治療方法ごとに、前記対象患者の将来の生活状況を推定する推定部と、
   前記生活状況に基づく情報を出力部を介して出力する出力制御部と、を備え、
   前記推定部は、
   複数の患者のそれぞれの時間的又は経済的なコストに関する第１指標値と、前記複数の患者のそれぞれに適用された治療方法ごとの治療効果に関する第２指標値とに基づいて、前記複数の患者を複数のグループに層別化し、
   前記複数の患者から層別化された前記複数のグループのそれぞれの属性を定量的に表した第１分布を算出し、
   前記対象患者の属性を定量的に表した第２分布を算出し、
   前記第１分布と前記第２分布との比較に基づいて、前記対象患者の予後を推定し、
   前記予後に基づいて、前記治療方法ごとに前記対象患者の将来の生活状況を推定する、
   情報処理装置。
2. 前記推定部は、前記第１分布と前記第２分布との比較に基づいて、前記対象患者の時間的又は経済的なコストに関する第３指標値と、前記対象患者に適用される治療方法ごとの治療効果に関する第４指標値とのうち少なくとも一方の指標値を、前記対象患者の予後として推定する、
   請求項１に記載の情報処理装置。
3. 前記推定部は、
   前記第２分布と前記複数のグループのそれぞれの前記第１分布との類似度を算出し、 前記第２分布との前記類似度が最も大きい前記第１分布の前記第１指標値を、前記対象患者に関する前記第３指標値として推定する、又は前記第２分布との前記類似度が最も大きい前記第１分布の前記第２指標値を、前記対象患者に関する前記第４指標値として推定する、
   請求項２に記載の情報処理装置。
4. 前記対象患者又は前記対象患者の家族が希望する前記対象患者の将来の生活状況である第１生活状況と、前記推定部により推定された前記対象患者の将来の生活状況である第２生活状況との間に第１ギャップが生じたか否かを判定する判定部を更に備え、
   前記出力制御部は、前記第１ギャップが生じた場合と前記第１ギャップが生じていない場合とで、前記出力部に出力させる情報を異ならせる、
   請求項１から３のうちいずれか一項に記載の情報処理装置。
5. 前記第１ギャップは、前記第１生活状況として数値化されたスコアと、前記第２生活状況として数値化されたスコアとの間で生じた差である、
   請求項４に記載の情報処理装置。
6. 前記判定部は、前記第１ギャップが生じた場合、更に、前記第１ギャップの解消法があるか否かを判定し、
   前記出力制御部は、前記第１ギャップの解消法がある場合、前記第１ギャップの解消法を前記出力部を介して出力し、
   前記対象患者の属性には、前記対象患者が制御可能な第１因子と、前記対象患者が制御可能でない第２因子とが含まれており、
   前記判定部は、
   前記第１因子をシミュレーションによって調整し、
   前記第１因子を調整したことで同じ治療方法であっても前記第１ギャップを縮小させることができる場合、前記第１ギャップの解消法があると判定する、
   請求項４に記載の情報処理装置。
7. 前記推定部は、前記第１ギャップが生じた場合、更に、前記第１因子が調整された前記対象患者の属性に基づいて、前記対象患者の将来の生活状況を推定し、
   前記判定部は、前記第１生活状況と、前記第１因子が調整された場合に前記推定部により推定された前記対象患者の将来の生活状況である第３生活状況との間に第２ギャップが生じたか否かを判定し、前記第２ギャップが生じていない場合、前記第１ギャップの解消法があると判定し、
   前記出力制御部は、前記第１ギャップの解消法に前記第１因子の調整があることを前記出力部を介して出力する、
   請求項６に記載の情報処理装置。
8. 前記第２ギャップは、前記第１生活状況として数値化されたスコアと、前記第３生活状況として数値化されたスコアとの間で生じた差である、
   請求項７に記載の情報処理装置。
9. コンピュータが、
   対象患者の属性に基づいて、前記対象患者に適用される治療方法ごとに、前記対象患者の将来の生活状況を推定し、
   前記生活状況に基づく情報を出力部を介して出力し、
   複数の患者のそれぞれの時間的又は経済的なコストに関する第１指標値と、前記複数の患者のそれぞれに適用された治療方法ごとの治療効果に関する第２指標値とに基づいて、前記複数の患者を複数のグループに層別化し、
   前記複数の患者から層別化された前記複数のグループのそれぞれの属性を定量的に表した第１分布を算出し、
   前記対象患者の属性を定量的に表した第２分布を算出し、
   前記第１分布と前記第２分布との比較に基づいて、前記対象患者の予後を推定し、
   前記予後に基づいて、前記治療方法ごとに前記対象患者の将来の生活状況を推定する、
   情報処理方法。