JPWO2016181490A1 - 分析システム及び分析方法 - Google Patents

Abstract

プロセッサと、前記プロセッサに接続されるメモリとを備える分析システムであって、健診情報、医療情報及び病態遷移モデルを参照して、対象者が介入を実施しなかった場合及び前記対象者が介入を実施した場合の少なくとも一つの状態の変化を予測するモデル適用部と、前記モデル適用部が予測した状態を用いて医療費を予測し、前記予測された対象者毎の医療費を集計して、前記対象者が属する集団の医療費を計算するシミュレーション部と、を備え、前記シミュレーション部は、前記計算された医療費を表示するための画面データを出力する。

Description

本発明は、健康支援をするための分析システムに関する。

現在、生活習慣病の発症や重症化を予防するための健康指導が行われている。例えば、減量指導、食事指導、運動指導、ウォーキングイベントのような健康増進プログラムが提供されている。保険者などのプログラムの提供者は、健康指導を提供する前に、提供するプログラムの内容や対象者を決定し、実施計画を作成する。

本技術の背景技術として、特開２００４−３１０２０９号公報（特許文献１）がある。特許文献１には、健康診断結果データを入力する診断結果入力部と、診断結果データに基づいてハイリスク群に属する者を精査対象者として選択するハイリスク群選択部と、精査対象者の精密検査結果に基づいて、精査対象者のうち特別な管理が必要な者を特別管理対象者として選択する特別管理対象者選択部と、特別管理対象者に対する再度の健康診断結果データに基づいて、特別管理対象者のうち依然としてハイリスク群に属する者を特別措置対象者として選択する特別措置対象者選択部とを備えた健康管理支援システムが開示されている。

特開２００４−３１０２０９号公報

健康指導を実施するための費用などのリソースは限られており、保有するリソースを有効に活用する必要がある。このため、効果的かつ効率的な健康指導の運営を支援するシステムが望まれている。このため、現状を分析するだけでなく、将来の状況を予測して、適切な健康指導を計画し実施することが重要である。

健康指導は、被保険者などの集団を対象として実施される。しかし、各被保険者への健康指導（介入）と病態の変化（健康指導の効果）は予測可能であっても、実際に集団に対して健康指導を実施しても計画時に期待した効果が得られないことがある。例えば、参加率、継続率、プログラムへの取り組み状況などにおいて計画時との差が大きければ、計画時に期待された健康改善効果が得られない。このように、健康指導計画の立案時に、集団を対象にした健康指導の効果の分析が求められている。

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、プロセッサと、前記プロセッサに接続されるメモリとを備える分析システムであって、対象者の健康診断の結果を含む健診情報と、前記対象者の医療費が記録された医療情報と、前記対象者の状態を表す確率変数に対応するノードと状態を変化させる因子の確率変数に対応するノードとの間の確率的依存性が有向辺又は無向辺によって定義された病態遷移モデルとを含むデータベースにアクセス可能であって、前記プロセッサが、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、前記対象者が介入を実施しなかった場合及び前記対象者が介入を実施した場合の少なくとも一つの状態の変化を予測するモデル適用部と、前記プロセッサが、前記モデル適用部が予測した状態を用いて医療費を予測し、前記予測された対象者毎の医療費を集計して、前記対象者が属する集団の医療費を計算するシミュレーション部と、を備え、前記シミュレーション部は、前記計算された医療費を表示するための画面データを出力することを特徴とする分析システム。

本発明の一形態によれば、健康指導の効果を分かりやすく表示することができる。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り明らかにされる。

本発明の実施例の分析システムの構成の一例を示す図である。 本実施例の健診情報の一例を示す図である。 本実施例の医療情報の一例を示す図である。 本実施例の整形情報の一例を示す図である。 本実施例の病態遷移モデル情報の一例を示す図である。 本実施例の介入編集処理のフローチャートである。 本実施例の介入編集画面の一例を示す図である。 本実施例のシミュレーション実行処理のフローチャートである。 本実施例のシミュレーション実行画面の一例を示す図である。

以下、図面を参照して本発明の実施例について詳細に説明する。

図１は、本実施例の分析システム１００の構成の一例を示す図である。

本実施例の分析システム１００は、入力部１０２、ＣＰＵ１０３、出力部１０４、記憶部１０５及び通信インターフェース１０６を有する計算機であり、集団に所属する者の健診情報１２１や医療情報１２２に病態遷移モデル情報１３１及び介入効果モデル情報１３２を適用して、各人の病態及び医療費を分析し、分析された医療費を集計して集団の医療費を予測する。

入力部１０２は、ユーザが分析システム１００にデータや指示を入力するためのユーザインタフェース（例えば、キーボード、マウスなど）である。ＣＰＵ１０３は、記憶部１０５に格納されたプログラムを実行するプロセッサである。出力部１０４は、プログラムの実行結果をユーザに提示するためのユーザインタフェース（例えば、ディスプレイ、プリンタなど）である。

記憶部１０５は、メモリや補助記憶装置などの記憶装置によって構成される。具体的には、記憶部１０５のメモリは、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、補助記憶装置に格納された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。具体的には、メモリは、シミュレーション実行部１１１、介入編集部１１２、モデル適用部１１３、表示情報作成部１１４などの機能ブロックを実現するためのプログラムを格納する。

記憶部１０５の補助記憶装置は、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。また、補助記憶装置は、ＣＰＵ１０３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格納する。すなわち、プログラムは、補助記憶装置から読み出されて、メモリにロードされて、ＣＰＵ１０３によって実行される。

ＣＰＵ１０３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分析システム１００に提供され、非一時的記憶媒体である不揮発性記憶装置に格納される。このため、分析システム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。

シミュレーション実行部１１１は、モデル適用部１１３が健診情報１２１に病態遷移モデル情報１３１又は介入効果モデル情報１３２を適用して病態の変化を予測するシミュレーションを実行する。介入編集部１１２は、入力された条件に従って、介入プログラムの対象者（以下、介入対象者）を決定する。本実施例では、どの介入プログラムを誰に実施するかという情報を介入プランと称する。モデル適用部１１３は、健診情報１２１に病態遷移モデル情報１３１を適用して、介入対象者毎に介入プログラムを実施しなかった場合の状態の変化を予測し、及び、健診情報１２１に介入効果モデル情報１３２を適用して、介入対象者毎に介入プログラムを実施した場合の状態の変化を予測する。表示情報作成部１１４は、シミュレーション実行部１１１によるシミュレーション結果を表示するための画面データを作成する。

通信インターフェース１０６は、ネットワーク等を経由して他の計算機との通信を制御するインターフェースである。

分析システム１００は、ヘルスケア情報１２０及びモデル情報１３０を格納するデータベースを有する。なお、ヘルスケア情報１２０及びモデル情報１３０は、分析システム１００がアクセス可能な外部のデータベースに格納されてもよい。

ヘルスケア情報１２０は、個人別の健診結果を格納する健診情報１２１、医療機関が個人に対して実施した医療行為に対して支払われた医療費の情報を格納する医療情報１２２、及び医療情報１２２を集計した整形情報１２３を含む。健診情報１２１、医療情報１２２及び整形情報１２３の詳細は、それぞれ、図２、図３及び図４を用いて後述する。

モデル情報１３０は、病態遷移モデル情報１３１及び介入効果モデル情報１３２を含む。病態遷移モデル情報１３１は、図５に示すように、整形情報１２３の各項目を確率変数とし、確率変数をノード、確率変数間の条件付き依存関係をエッジとして表現したグラフ及び条件付き確率テーブルよりなるモデルである。また、介入効果モデル情報１３２は、介入プログラムを実施した場合の病態遷移モデルであり、図５に示す病態遷移モデル情報１３１と同じ形式で表現され、各確率変数が異なる。

本実施例の分析システム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、同一の計算機上で別個のスレッドで動作してもよく、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２は、本実施例の健診情報１２１の一例を示す図である。

健診情報１２１は、個人を一意に識別するための個人ＩＤ２０１と、健診受診日２０２と、検査値を記録するフィールドを含む。個人ＩＤ２０１は、健康診断を受診した人の識別情報である。健診受診日２０２は、各人が健康診断を受診した年月日である。検査値は、例えば、ＢＭＩ２０３、腹部の周囲長を測定した結果である腹囲２０４、空腹時血糖値２０５、収縮期血圧２０６、中性脂肪２０７などを含むが、他の検査値を含んでもよい。また、健診情報１２１は、他の情報（例えば、食習慣、運動習慣、喫煙習慣などの生活習慣の情報や、問診情報）を含んでもよい。

なお、特定の検査を受けなかった場合など、健診情報のデータが欠落することがある。例えば、図２では、個人ＩＤ「Ｋ０００４」が２００４年に受診した検査項目のうち収縮期血圧２０６のデータが欠落している。

図３は、本実施例の医療情報１２２の一例を示す図である。

医療情報１２２は、レセプトと個人との対応関係を保持する情報である。医療情報１２２は、検索番号３０１、個人ＩＤ３０２、性別３０３、年齢３０４、診療年月３０５、及び合計点数３０６などを含む。検索番号３０１は、レセプトを一意に識別するための識別情報である。個人ＩＤ３０２は、個人を一意に識別するための識別情報であり、健診情報１２１の個人ＩＤ２０１と同じ識別情報を用いる。性別３０３及び年齢３０４は、当該個人の性別及び年齢である。診療年月３０５は、当該個人が医療機関を受診した年及び月である。合計点数３０６は、一件のレセプトの合計点数を示す情報である。

図４は、本実施例の整形情報１２３の一例を示す図である。

整形情報１２３の各行は、一つの個人ＩＤに対応する一つの年のデータを集計したものである。例えば、図４に示す整形情報１２３は、２００４年のレセプト情報を整形したレセプト整形情報を含む。

個人ＩＤ４０１、性別４０３及び年齢４０４は、それぞれ、医療情報１２２の個人ＩＤ３０２、性別３０３及び年齢３０４と同じである。データ年４０２は、当該整形情報を作成する元となったデータの年である。合計点数４０９は、当該個人が当該年に使用した医療費（レセプトの点数）の合計である。

傷病名コード１０（４０５）は、当該個人ＩＤのレセプトのうち傷病名コードが１０であるレセプトの数である。傷病名コード２０（４０６）も同様に、当該個人ＩＤのレセプトのうち傷病名コードが２０であるレセプトの数である。診療行為コード１０００（４０７）は、当該個人ＩＤのレセプトのうち診療行為コードが１０００の診療行為が行われたレセプトの数である。医薬品コード１１０（４０８）は、当該個人ＩＤのレセプトのうち医薬品コードが１１０の医薬品が処方されたレセプトの数である。

整形情報１２３は、健診情報１２１から整形された健診整形情報を含んでもよい。健診整形情報の各項目４１０〜４１４の値は、個人ＩＤ４０１及びデータ年４０２に示される個人及び年における健診データの値である。この健診データは健診情報１２１から取得できる。健診情報１２１が同一個人ＩＤの同一年の健診データを含む場合、いずれか一つの受診日のデータを使っても、当該年の複数回の健診結果の平均を使ってもよい。一つの受診日のデータを使う場合、毎年ほぼ同じ時期に実施される一斉健診日のデータを使うとよい。また、欠損が少ないデータを選択してもよい。欠損データは、予め定められた欠損であることを示す数値を用いる。図４に示す例では、−１を用いた。なお、健診情報１２１に記録がない人の値は、全て欠損データとする。

整形情報１２３は、問診情報から整形された問診整形情報を含んでもよい。問診整形情報の各項目４１５〜４１７の値は、個人ＩＤ４０１及びデータ年４０２に示される個人及び年における問診データの値である。この問診データは健康診断時に行われた問診の結果の問診情報（図示省略）から取得できる。問診情報が同一個人ＩＤの同一年の問診データを含む場合、いずれか一つの受診日のデータを使っても、当該年の複数回の問診結果の平均を使ってもよい。一つの受診日のデータを使う場合、毎年ほぼ同じ時期に実施される一斉健診日のデータを使うとよい。又は、欠損が少ないデータを選択してもよい。欠損データは、予め定められた欠損であることを示す数値を用いる。図４に示す例では、−１を用いた。なお、健診情報がない人の値は、全て欠損データとする。

整形情報１２３は、分析システム１００が、その都度医療情報１２２を集計して作成してもよいし、既に医療情報１２２から作成された整形情報１２３を使用してもよい。

本実施例の分析システム１００は、整形情報１２３から疾病毎の平均医療費を算出する。具体的には、当該疾病に罹患した人の医療費の平均を平均医療費とすればよい。

図５は、本実施例の病態遷移モデル情報１３１の一例を示す図である。なお、前述したように、介入効果モデル情報１３２は、図５に示す病態遷移モデル情報１３１と同じ形式で表現される。

病態遷移モデル情報１３１は、複数の病態遷移モデルを含む。一つの病態遷移モデルは、整形情報１２３の各項目を確率変数とし、確率変数をノード、確率変数間の条件付き依存関係をエッジとして表現したグラフ及び条件付き確率テーブルよりなるモデルである。なお、エッジは有向、無向の２種類がある。ノードの集合をＶ、エッジの集合をＥ、グラフをＧ＝（Ｖ、Ｅ）と定義する。病態遷移モデルとして、ベイジアンネットワークやマルコフネットワークなどのグラフィカルモデルによって表される。

図５（Ａ）は、病態遷移モデルのうち二つのノードから成る単純なモデルの例を示す。Ｘ年経口薬処方回数は、Ｘ年の糖尿病の経口薬処方回数を表す確率変数とし、Ｘ＋ｎ年インスリン処方回数は、Ｘ＋ｎ年の糖尿病のインスリン処方回数を表す確率変数とする。それぞれの確率変数を表すノードを、ｖ１、ｖ２とおくと、図５（Ａ）のグラフは、ｖ１、ｖ２、及びｖ１からｖ２への有向エッジｅ１から構成される。Ｖ＝（ｖ１、ｖ２）、Ｅ＝（ｅ１）とおくと、図５（Ａ）のグラフはＧ＝（Ｖ、Ｅ）と表すことができる。

次に、条件付確率テーブルについて説明する。ノードｖ１、ｖ２が表す確率変数を、それぞれｘ１、ｘ２とおくと、図５（Ａ）で示されるグラフＧは、ｘ１とｘ２の同時分布ｐ（ｘ１、ｘ２）がｐ（ｘ１、ｘ２）＝ｐ（ｘ２｜ｘ１）ｐ（ｘ１）により与えられることを示している。つまり、ｘ２の確率分布は、ｘ１の値に依存し、ｘ１に関する条件付き確率ｐ（ｘ２｜ｘ１）により与えられる。確率変数ｘ１には親ノードがないため、ｘ１の確率分布はｐ（ｘ１）となる。条件付確率テーブルは、ｐ（ｘ１）とｐ（ｘ２｜ｘ１）の値である。ｐ（ｘ１）の確率テーブルは、ｘ１の各値に対する確率値である。この例を図５（Ｂ）の確率テーブル５０１に示す。表５０１は、例えば、ｐ（ｘ１＝０）＝ａ１はｘ１＝０となる確率がａ１であることを示す。これは、モデル生成用のレセプト整形情報の事例（個人）のうち、Ｘ年に経口薬処方回数が０であった人の割合を計算することにより得ることができる。ａ２、ａ３、…、も同様に計算できる。ｐ（ｘ１）は確率分布であるので、Σｐ（ｘ１）＝１となる。ここで、和はｘ１の全ての値に対して計算する。ｐ（ｘ２｜ｘ１）の確率テーブルは、ｘ１、ｘ２の各値に対して、ｐ（ｘ２｜ｘ１）を求めることで得られる。例えば、ｐ（ｘ２＝ｓ２｜ｘ１＝ｓ１）は、ｘ１＝ｓ１となる事例のうち、ｘ２＝ｓ２となっている事例の割合を計算することによって得られる。この計算によって、確率テーブルを作成できる。

図５（Ａ）、図５（Ｂ）に示すような単純な例の場合には、図５（Ａ）に示すグラフＧと図５（Ｂ）に示す確率テーブルがグラフィカルモデルとなる。このモデルを用いることによって、例えば、ある被保健者のある年の経口薬処方回数が分かっている場合に、その被保健者がｎ年後、インスリンを処方される回数の確率分布を求めることができる。例えば、今年、経口薬処方回数が１の場合に、ｎ年後、インスリンを２回処方される確率は、Ｐ（ｘ２＝２｜ｘ１＝１）により表される。

図５（Ａ）、図５（Ｂ）に示すモデルは、二つのノードから成る単純なモデルであるが、一般には、病態遷移モデルは、複数のノードの間のエッジによって表される。例えば、ｎ個の始点ノードがある病態遷移モデルの確率テーブルは、図５（Ｃ）に示すように、ｎ次元のテーブルで表される。図５（Ｃ）に、２個の始点ノードがある病態遷移モデルの二次元の確率テーブルを示す。

図６は、本実施例の介入編集処理のフローチャートである。

まず、介入編集部１１２は、介入編集画面７００（図７）を出力し、介入メニューと、予算及び優先項目などに基づいて当該介入メニューの介入対象者を誰にするかという介入プランを作成するための条件の入力を促す（６０１）。なお、この状態では、介入編集画面７００の右側のヒストグラム表示領域７１１及び対象者一覧表示領域７１３には何も表示されていない。そして、介入編集部１１２は、入力された優先項目が予測値であるかを判定する（６０２）。優先項目は、図７に示すように、介入対象者を選択する上で優先される項目であり、分析システム１００の利用者が定義する。優先項目は、検査値などの確定値と、将来コストなどの予測値とを含む。利用者が選択した優先項目が確定値である場合、ステップ６０５に進む。

一方、利用者が選択した優先項目が予測値である場合、介入編集部１１２は、モデル適用部１１３を呼び出し、個人毎に健診結果や病態を健診情報１２１や医療情報１２２から取り出し、健診結果や病態に介入効果モデル及び病態遷移モデルを適用し予測値を計算する（６０３）。例えば、個人毎の健診結果や病態を既知の値として介入効果モデル及び病態遷移モデルを適用することによって、ｎ年後の当該個人の各疾病の発症確率が算出できる。さらに、ｎ年後の当該個人の各疾病の発症確率に各疾病の平均医療費をそれぞれ乗じて、これらを合計することによって、ｎ年後の当該個人の予測医療費が算出できる。シミュレーション対象者（後述）全員の予測値の計算が終了すれば（６０４でＹＥＳ）、ステップ６０３の繰り返しを終了し、ステップ６０５に進む。

その後、介入編集部１１２は、全ての人を優先項目の値の順に並び替え（６０５）、上位者から順に予算内の人数を選択し、介入対象者を決定する（６０６）。介入編集部１１２は、作成された介入プランを記憶部１０５に保存する（６０７）。

図７は、本実施例の分析システム１００が出力する介入編集画面７００の一例を示す図である。

介入編集画面７００の左側には介入プランを作成するための条件の入力領域が設けられる。条件入力領域には、介入メニューの入力欄７０１、介入予算の入力欄７０３及び優先項目選択欄７０５が設けられる。

ユーザが介入メニューの入力欄７０１で介入メニューを選択すると、介入メニュー毎に設定されている介入単価７０２が表示される。介入メニューは、体重を減少させるダイエットメニューや、ウオーキングなどの日常の運動などが予め設定されている。介入単価は、例えば、図示するように、１人あたり年間の介入メニューの実施費用及び／又は初期費用である。また、ユーザが介入予算の入力欄７０３で予算額を入力すると、入力された予算で実施可能な人数が計算され、介入人数７０４が表示される。

さらに、ユーザが優先項目選択欄７０５で優先項目を選択する。優先項目は、例えば、高ＢＭＩ（ＢＭＩ値が高い順）、高血圧（血圧値が高い順）、高リスクスコア（疾病の発生確率を表すリスクスコアが高い順）、コスト抑制（介入メニューの実施有無により将来予測される医療費の差額（抑制額）が大きい順）、重症疾病発症率抑制（介入メニューの実施有無により将来予測される重症疾病の発症確率の差が大きい順）、ランダム（乱数的に選択）などがある。このうち、コスト抑制と重症疾病発症率抑制とは、将来生じる事象を予測して介入対象者を決定するので、介入効果モデル及び病態遷移モデルを適用して各人の将来の状態を予測して、介入対象者を決定する（図６のステップ６０４）。

優先項目が選択された後、「更新」ボタン７０６を操作すると、介入編集処理のステップ６０２に進み、介入対象者を決定するための演算処理を開始する。

そして、介入編集処理のステップ６０６が終了すると、介入編集部１１２は、決定された介入対象者の情報を介入編集画面７００の右側に表示する。このため、介入編集画面７００の右側には、ヒストグラム表示領域７１１及び対象者一覧表示領域７１３が設けられる。ヒストグラム表示領域７１１には、シミュレーション対象者全員の分布と介入対象者の分布とが表示される。ヒストグラム表示領域７１１は、「横軸切替」ボタン７１２を操作すると、横軸となる項目を選択するサブウインドウを表示して、横軸となる項目を切り替えてヒストグラムを表示することができる。横軸となる項目は、優先項目と同じでもよく、優先項目と異なる項目でもよい。

なお、図７に示す画面例では、優先項目選択欄７０５でコスト抑制が選択されているが、ヒストグラム表示領域７１１には、横軸がＢＭＩのヒストグラムが表示されている。両者が一致しないことから、介入対象者のヒストグラムはシミュレーション対象者全体の中心付近に広く分布している。一方、優先項目選択欄７０５で選択された優先項目とヒストグラムの横軸とが一致する場合、介入対象者のヒストグラムはシミュレーション対象者全体のうち横軸の値が高い方（又は、低い方）に分布する。

対象者一覧表示領域７１３には、シミュレーション対象者のうち介入対象者に決定された者が区別できるように（例えば、介入対象欄のマークによって）表示される。また、対象者一覧表示領域７１３は、各個人の健診結果や問診結果も表示することができる。

ユーザが「保存」ボタン７１４を操作すると、介入プランの名称を入力するサブ画面を表示し、作成した介入プランを入力した名称で記憶部１０５に保存することができる。記憶部１０５に保存した介入プランはシミュレーション実行画面９００で呼び出すことができ、呼び出した介入プランを用いてシミュレーションを実行する。

以上に説明したように、介入編集画面７００によって、入力された介入メニュー、介入予算、優先項目に従って決定された介入対象者の集団特性と、介入対象者が所属するシミュレーション対象者全体の特性とを合わせて表示することができる。

図８は、本実施例のシミュレーション実行処理のフローチャートである。

まず、シミュレーション実行部１１１は、シミュレーション実行画面９００（図９）を出力し、シミュレーション条件の入力を促す（８０１）。なお、この状態では、シミュレーション実行画面９００のシミュレーション結果表示領域９１１、９１２及び累積医療費表示領域９２２、９２３には何も表示されていない。ユーザは、図９に示すように、複数のシミュレーション結果を１画面で比較するために、複数のシミュレーション条件を入力することができる。なお、ステップ８０１で入力されるシミュレーション条件（介入プラン）は、いずれの介入メニューも実施しない場合も介入プランの一つとして取り扱われる。

シミュレーション実行部１１１は、入力されたシミュレーション条件に介入メニューが設定されているかを判定する（８０２）。その結果、介入メニューが設定されていない場合、ステップ８０５に進む。

一方、介入メニューが設定されている場合、シミュレーション実行部１１１は、モデル適用部１１３を呼び出し、入力されたシミュレーション条件（介入プラン）の介入効果モデルを介入対象者毎に適用し、介入対象者の病態遷移を予測する（８０３）。そして、介入対象者の全員の病態遷移の予測が終了すれば（８０４でＹＥＳ）、ステップ８０３の繰り返しを終了し、ステップ８０５に進む。

その後、シミュレーション実行部１１１は、ステップ８０３で病態遷移が予測されていない者について、病態遷移モデルを個人毎に適用し病態遷移を予測する（８０５）。そして、全員の病態遷移の予測が終了すれば（８０６でＹＥＳ）、ステップ８０５の繰り返しを終了し、ステップ８０７に進む。

以上の処理によって、介入対象者及び介入非対象者の各人について病態遷移の予測が完了したので、シミュレーション実行部１１１は、計算された病態遷移の予測を用いて、各人の着目指標を算出し、算出された各人の着目指標を病態毎に集計する。着目指標は、シミュレーション実行画面（図９）で設定される指標で、人数又はコスト（医療費）である。

最後に、シミュレーション実行部１１１は、集計された着目指標を表示するためのデータを生成し、生成された表示データを出力する（８０８）。表示データは、分析システム１００の出力部（ディスプレイ）１０４に出力してもよいし、通信インターフェース１０６を介して、他の計算機（端末装置）に出力してもよい。

図９は、本実施例の分析システム１００が出力するシミュレーション実行画面９００の一例を示す図である。

シミュレーション実行画面９００は、表示条件設定領域９０１、対象絞り込み条件設定領域９０２、９０４、介入プラン設定領域９０３、９０５、シミュレーション結果表示領域９１１、９１２、及び、累積医療費表示領域９２２、９２３を含む。

表示条件設定領域９０１は、着目指標選択欄、表示単位選択欄及び表示期間入力欄を有する。着目指標選択欄では、シミュレーション結果を人数で表示するか、コスト（医療費）で表示するかを選択する。表示単位選択欄は、着目指標を累積値で表示するか、年別の値で選択するかを選択する。表示期間入力欄には、シミュレーションを行う期間（年）を入力する。

対象絞り込み条件設定領域９０２、９０４は、シミュレーション対象者を決定する条件が表示される。ユーザが「条件編集」ボタン９０６、９０８を操作すると、シミュレーション対象者の条件を入力するサブ画面を表示し、条件を入力することができる。シミュレーション対象者の条件は、母集団や年齢や医療費の範囲などである。介入プラン設定領域９０３、９０５は、介入編集処理で作成した介入プランが表示される。ユーザが「介入編集」ボタン９０７、９０９を操作すると、介入プランを入力するサブ画面を表示し、介入プランを入力することができる。

ユーザが「シミュレーション実行」ボタン９２１を操作すると、シミュレーション実行処理のステップ８０２に進み、シミュレーション実行部１１１が、ユーザが設定した対象絞り込み条件及び介入プランにおいてシミュレーションを実行する。そして、シミュレーション実行処理が終了すると、シミュレーション結果表示領域９１１、９１２、及び、累積医療費表示領域９２２、９２３に、シミュレーションの結果を表示する。

シミュレーション結果表示領域９１１、９１２には、予備群から始まって、各病態へ遷移する様子が表示される。各病態は所定の図形（図９に示す例では、円）によるノードによって表示され、図形の大きさが、表示条件設定領域９０１に設定された着目指標（医療費、人数）の大きさに応じて（例えば、着目指標の大きさに比例するように）表示する。各ノードの間は、その病態間の遷移確率が大きい（例えば、所定の値より大きい、遷移確率の上位所定数の）ものを、エッジとして表示する。

シミュレーション結果表示領域９１１、９１２は、シミュレーションの結果を表示する。具体的には、シミュレーション結果表示領域９１１は、対象絞り込み条件設定領域９０２及び介入プラン設定領域９０３に設定された条件でシミュレーションした結果を、表示条件設定領域９０１に設定された条件で表示する。また、シミュレーション結果表示領域９１２は、対象絞り込み条件設定領域９０４及び介入プラン設定領域９０５に設定された条件でシミュレーションした結果を、表示条件設定領域９０１に設定された条件で表示する。このように、複数（例えば、二つ）のシミュレーション結果を並べて表示することによって、複数の介入プランの効果予測として、人数や医療費の推移を容易に比較することができる。

シミュレーション結果表示領域９１１、９１２は、表示条件として設定された期間内のある時点における、各病態の医療費（又は、人数）を表示する。シミュレーション結果が表す時点は、シミュレーション結果表示領域９１１、９１２の右上に表示される。図９に示す例では、２０２０年時点において予測される状態を表示している。

さらに、シミュレーション結果表示領域９１１、９１２は、表示条件として設定された期間のシミュレーション結果を動的に表示することができる。図９に示す例では、表示条件設定領域９０１には５年の期間が設定されているので、現在（最新の実績データ）から５年先までのシミュレーションを行い、所定の時間間隔（例えば、１年毎）でシミュレーション結果を動的に表示する。すなわち、各時点で病態毎の医療費（又は、人数）が異なることから、各病態を表す図形の大きさが動的に変化する。このとき、各病態間で遷移する人の数に応じた数の小円をノード間でエッジ上を移動するように表示するとよい。

累積医療費表示領域９２２は、疾病別の累積医療費をシミュレーション１及び２を区別した棒グラフで表示する。累積医療費表示領域９２２に表示される棒グラフは、シミュレーション結果表示領域９１１、９１２と時間的に連動して表示される。すなわち、表示条件として設定された期間においてシミュレーション結果表示領域９１１、９１２が動的にシミュレーション結果を表示する場合、累積医療費表示領域９２２に表示される棒グラフは、シミュレーション結果表示領域９１１、９１２と同期して累積医療費の棒グラフが伸びるように、動的に表示が変化する。病態毎の累積医療費の推移をシミュレーションすることによって、複数の介入プラン（例えば、介入メニューを実施しない場合と実施した場合）の効果を病態毎に比較することができる。特に、どの病態の医療費の削減効果が高いかを知ることができる。

また、累積医療費表示領域９２３は、全ての疾病の累積医療費の推移をシミュレーション１及び２で区別した折れ線グラフで表示する。累積医療費表示領域９２３に表示される折れ線グラフは、シミュレーション結果表示領域９１１、９１２と時間的に連動して表示される。すなわち、表示条件として設定された期間においてシミュレーション結果表示領域９１１、９１２が動的にシミュレーション結果を表示する場合、累積医療費表示領域９２３に表示される折れ線グラフは、シミュレーション結果表示領域９１１、９１２と同期して累積医療費の折れ線グラフが伸びるように、動的に表示が変化する。全ての疾病の累積医療費の推移をシミュレーションすることによって、複数の介入プラン（例えば、介入メニューを実施しない場合と実施した場合）の医療費全体に対する長期的な効果を比較することができる。特に、医療費の削減額が介入プランの導入コストを超える時期が分かり、介入プランのコストを回収できるかを知ることができる。

以上、本発明の実施例を、個人の病態の遷移を予測して、該個人が所属する集団の医療費などをシミュレーションするシステムについて説明したが、本発明は、他のバリエーションにも適用可能である。例えば、医療機関が新たに検査装置や治療機器を導入する場合を例に挙げて説明する。検査装置や治療機器を導入すると、検査精度の向上や早期発見及び従来できなかった治療が可能になるなど、病態間の遷移確率に変化が生じる。このとき、医療機関では、治療可能疾患の増加や治療日数（入院日数）短縮による受け入れ可能患者数の増加、医療従事者の業務効率向上など、コスト収支にも影響が及ぶ。これらコスト収支に関連する変化をモデル化することで、検査装置や治療機器の導入を本実施例で述べた介入効果モデルと同様に扱うことができる。これにより、当該機器の導入コストを何年後に回収できるかなど、医療機関の経営シミュレーションとして本実施例の分析システム１００を活用することができる。

以上に説明したように、本発明の実施例によると、健診情報１２１及び病態遷移モデル情報１３１及び介入効果モデル情報１３２を参照して、対象者が介入を実施しなかった場合及び対象者が介入を実施した場合の少なくとも一つの状態の変化を予測するモデル適用部１１３と、モデル適用部１１３が予測した状態を用いて医療費を予測し、予測された対象者毎の医療費を集計して、対象者が属する集団の医療費を計算するシミュレーション実行部１１１とを備え、シミュレーション実行部１１１は、前記計算された医療費を表示するための画面データを出力するので、各対象者の効果を積み上げて集団の効果を計算することによって、集団全体に対する効果ではなく、集団に属する個人の特性に合致した介入プランを選定することができる。

また、モデル適用部１１３は、介入プランが異なる第１の状態及び第２の状態を予測し、シミュレーション実行部１１１は、第１の状態及び第２の状態のそれぞれを用いて第１の医療費及び第２の医療費を予測し、予測された対象者毎の第１の医療費及び第２の医療費のそれぞれを集計して、対象者が属する集団の第１の医療費及び第２の医療費のそれぞれを計算し、第１の医療費及び第２の医療費を比較可能に表示するための画面データを出力するので、複数の条件における医療費の予測値を分かりやすく比較できるように表示することができる。

また、モデル適用部１１３は、健診情報１２１及び病態遷移モデル情報１３１及び介入効果モデル情報１３２を参照して、入力された期間において所定の時間間隔における対象者の状態の変化を予測し、シミュレーション実行部１１１は、各対象者において予測された状態を用いて、入力された期間において所定の時間間隔における医療費の変化を予測し、所定の時間間隔における予測された医療費を集計して、対象者が属する集団の所定の時間間隔における医療費を計算し、計算された医療費を入力された期間において変化させて表示するための画面データを出力するので、時間の経過による変化を分かりやすく表示することができる。

また、シミュレーション実行部１１１は、入力された期間において、計算された前記集団の医療費の累積値を示す折れ線グラフを表示するための画面データを出力するので、医療費削減効果が介入コストを超える時期を知ることができる。

また、介入プランは、対象者の医療費を抑制するためのプランとするので、プラン毎の医療費削減効果を知ることができる。

また、シミュレーション実行部１１１は、対象者の状態をノードとし、ノードを接続するエッジによって構成されるグラフィカルモデルによって、シミュレーションの結果を表示するための画面データを出力し、ノードの大きさを、当該ノードに対応する状態において生じる医療費の大きさに応じて決定するので、各状態のコストを分かりやすく表示することができる。

特許請求の範囲に記載した以外の本発明の観点の代表的なものとして、次のものがあげられる。

１．プロセッサと、前記プロセッサに接続されるメモリとを備える分析システムであって、
対象者の健康診断の結果を含む健診情報と、対象者の医療費が記録された医療情報と、前記対象者の状態を表す確率変数に対応するノードと状態を変化させる因子の確率変数に対応するノードとの間の確率的依存性が有向辺又は無向辺によって定義された病態遷移モデルとを含むデータベースにアクセス可能であって、
前記プロセッサが、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、対象者が介入プランを実施しなかった場合及び対象者が介入プランを実施した場合の少なくとも一つの状態の変化を予測するモデル適用部と、
前記プロセッサが、前記モデル適用部が予測した状態を用いて前記状態の人数を予測するシミュレーション部とを備え、
前記シミュレーション部は、前記計算された人数を表示するための画面データを出力することを特徴とする分析システム。

２．前記１．に記載の分析システムであって、
前記モデル適用部は、介入プランが異なる第１の状態及び第２の状態を予測し、
前記シミュレーション部は、
前記第１の状態及び前記第２の状態のそれぞれの第１の人数及び第２の人数を予測し、
前記第１の人数及び前記第２の人数を比較可能に表示するための画面データを出力することを特徴とする分析システム。

３．前記１．に記載の分析システムであって、
前記モデル適用部は、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、入力された期間において所定の時間間隔における対象者の状態の変化を予測し、
前記シミュレーション部は、
各対象者において前記予測された状態を用いて、前記入力された期間において前記所定の時間間隔における前記各状態の人数の変化を予測し、
前記計算された医療費を前記入力された期間において変化させて表示するための画面データを出力することを特徴とする分析システム。

４．前記１．に記載の分析システムであって、
前記介入プランは、前記対象者の医療費を抑制するためのプランであることを特徴とする分析システム。

５．前記１．に記載の分析システムであって、
前記シミュレーション部は、
前記対象者の状態をノードとし、前記ノードを接続するエッジによって構成されるグラフィカルモデルによって、前記シミュレーションの結果を表示するための画面データを出力し、
前記ノードの大きさを、当該ノードに対応する状態の人数に応じて決定することを特徴とする分析システム。

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、ハードウェ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、ソフトウェ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。

Claims (12)

1. プロセッサと、前記プロセッサに接続されるメモリとを備える分析システムであって、
   対象者の健康診断の結果を含む健診情報と、前記対象者の医療費が記録された医療情報と、前記対象者の状態を表す確率変数に対応するノードと状態を変化させる因子の確率変数に対応するノードとの間の確率的依存性が有向辺又は無向辺によって定義された病態遷移モデルとを含むデータベースにアクセス可能であって、
   前記プロセッサが、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、前記対象者が介入を実施しなかった場合及び前記対象者が介入を実施した場合の少なくとも一つの状態の変化を予測するモデル適用部と、
   前記プロセッサが、前記モデル適用部が予測した状態を用いて医療費を予測し、前記予測された対象者毎の医療費を集計して、前記対象者が属する集団の医療費を計算するシミュレーション部と、を備え、
   前記シミュレーション部は、前記計算された医療費を表示するための画面データを出力することを特徴とする分析システム。
2. 請求項１に記載の分析システムであって、
   前記モデル適用部は、介入プランが異なる第１の状態及び第２の状態を予測し、
   前記シミュレーション部は、
   前記第１の状態及び前記第２の状態のそれぞれを用いて第１の医療費及び第２の医療費を予測し、
   前記予測された対象者毎の第１の医療費及び第２の医療費のそれぞれを集計して、前記対象者が属する集団の第１の医療費及び第２の医療費のそれぞれを計算し、
   前記第１の医療費及び前記第２の医療費を比較可能に表示するための画面データを出力することを特徴とする分析システム。
3. 請求項１に記載の分析システムであって、
   前記モデル適用部は、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、入力された期間において所定の時間間隔における対象者の状態の変化を予測し、
   前記シミュレーション部は、
   各対象者において前記予測された状態を用いて、前記入力された期間において前記所定の時間間隔における医療費の変化を予測し、
   前記所定の時間間隔における予測された医療費を集計して、前記対象者が属する集団の所定の時間間隔における医療費を計算し、
   前記計算された医療費を前記入力された期間において変化させて表示するための画面データを出力することを特徴とする分析システム。
4. 請求項３に記載の分析システムであって、
   前記シミュレーション部は、前記入力された期間において、前記計算された前記集団の医療費の累積値を示す折れ線グラフを表示するための画面データを出力することを特徴とする分析システム。
5. 請求項１に記載の分析システムであって、
   前記介入は、前記対象者の医療費を抑制するためのプランであることを特徴とする分析システム。
6. 請求項１に記載の分析システムであって、
   前記シミュレーション部は、
   前記対象者の状態をノードとし、前記ノードを接続するエッジによって構成されるグラフィカルモデルによって、前記シミュレーションの結果を表示するための画面データを出力し、
   前記ノードの大きさを、当該ノードに対応する状態において生じる医療費の大きさに応じて決定することを特徴とする分析システム。
7. 健康指導を評価するシステムにおいて実行される分析方法であって、
   前記システムは、プログラムを実行するプロセッサと、前記プログラムを格納するメモリとを有し、
   前記システムは、対象者の健康診断の結果を含む健診情報と、前記対象者の医療費が記録された医療情報と、前記対象者の状態を表す確率変数に対応するノードと状態を変化させる因子の確率変数に対応するノードとの間の確率的依存性が有向辺又は無向辺によって定義された病態遷移モデルとを含むデータベースにアクセス可能であって、
   前記方法は、
   前記プロセッサが、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、前記対象者が介入を実施しなかった場合及び前記対象者が介入を実施した場合の少なくとも一つの状態の変化を予測するモデル適用ステップと、
   前記プロセッサが、前記モデル適用ステップで予測された状態を用いて医療費を予測し、前記予測された対象者毎の医療費を集計して、前記対象者が属する集団の医療費を計算するシミュレーションステップと、を含み、
   前記シミュレーションステップでは、前記計算された医療費を表示するための画面データを出力することを特徴とする分析方法。
8. 請求項７に記載の分析方法であって、
   前記モデル適用ステップでは、介入プランが異なる第１の状態及び第２の状態を予測し、
   前記シミュレーションステップでは、
   前記第１の状態及び前記第２の状態のそれぞれを用いて第１の医療費及び第２の医療費を予測し、
   前記予測された対象者毎の第１の医療費及び第２の医療費のそれぞれを集計して、前記対象者が属する集団の第１の医療費及び第２の医療費のそれぞれを計算し、
   前記第１の医療費及び前記第２の医療費を比較可能に表示するための画面データを出力することを特徴とする分析方法。
9. 請求項７に記載の分析方法であって、
   前記モデル適用ステップでは、前記健診情報、前記医療情報及び前記病態遷移モデルを参照して、入力された期間において所定の時間間隔における対象者の状態の変化を予測し、
   前記シミュレーションステップでは、
   各対象者において前記予測された状態を用いて、前記入力された期間において前記所定の時間間隔における医療費の変化を予測し、
   前記所定の時間間隔における予測された医療費を集計して、前記対象者が属する集団の所定の時間間隔における医療費を計算し、
   前記計算された医療費を前記入力された期間において変化させて表示するための画面データを出力することを特徴とする分析方法。
10. 請求項９に記載の分析方法であって、
    前記シミュレーションステップでは、前記入力された期間において、前記計算された前記集団の医療費の累積値を示す折れ線グラフを表示するための画面データを出力することを特徴とする分析方法。
11. 請求項７に記載の分析方法であって、
    前記介入は、前記対象者の医療費を抑制するためのプランであることを特徴とする分析方法。
12. 請求項７に記載の分析方法であって、
    前記シミュレーションステップでは、
    前記対象者の状態をノードとし、前記ノードを接続するエッジによって構成されるグラフィカルモデルによって、前記シミュレーションの結果を表示するための画面データを出力し、
    前記ノードの大きさを、当該ノードに対応する状態において生じる医療費の大きさに応じて決定することを特徴とする分析方法。

Images