JPWO2019044642A1 - 医療情報処理装置、医療情報処理方法およびプログラム - Google Patents

Abstract

医療従事者による信頼度の高い転帰先の決定に対する支援を行う。医療情報処理装置は、転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用い、転帰先を分類するためのモデルとを取得する取得部と、転帰先の予測に影響を及ぼす、所定の条件を満たすデータ項目を、モデルから抽出する抽出部と、抽出結果に基づいて、データ項目を転帰先予測結果に関連付けて出力する出力部と、を備える。

Description

本開示は医療情報処理装置、医療情報処理方法およびプログラムに関する。

患者の予後予測に関する技術が開示されている（特許文献１〜３）。例えば、特許文献１には、現在の患者の生理学的情報と病歴記録との対応から患者の予後の予測を示す通知が提示されることが記載されている。

また、特許文献２には、退院後の死亡のリスクに関する予測モデルを利用して死亡のリスクを算出し、退院後の再入院のリスクに関する予測モデルを利用して再入院のリスクを算出し、これらのリスクから退院のリスクを医者に提示するシステムが記載されている。

また、特許文献３には、機械学習を用いて決定した、患者に関する情報である患者パラメータセットに基づいて、適応的回復環境の設定を決定することが記載されている。

なお、予測モデルを用いた予測の一例として、エネルギー需要の予測を行う技術が特許文献４に記載されている。

特開２０１２−２２１５０８号公報 特表２０１４−５２０３３５号公報 特表２０１６−５３２４５９号公報 特開２０１０−２１８３９４号公報

しかしながら、上述した特許文献に記載の技術では、出力された予後予測が、患者に関連する何れの情報に起因して予測されたのかが明確ではない。そのため、医者などの医療従事者が、出力された予後予測を用いて、患者の転帰先を予測する場合に、患者に関する情報によっては、該患者に対して適した転帰先を決定することができない可能性がある。
よって、医療従事者によって決定される転帰先に対する信頼度が低下してしまう可能性がある。

本開示は、上記課題に鑑みてなされたものであり、その目的は、医療従事者による信頼度の高い転帰先の決定に対する支援を行う技術を提供することにある。

本開示の一態様に係る医療情報処理装置は、転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用い、前記転帰先を分類するためのモデルとを取得する取得手段と、前記転帰先の予測に影響を及ぼす、所定の条件を満たす前記データ項目を、前記モデルから抽出する抽出手段と、抽出結果に基づいて、前記データ項目を前記転帰先予測結果に関連付けて出力する出力手段と、を備える。

また、本開示の一態様に係る医療情報処理方法は、転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用い、前記転帰先を分類するためのモデルとを取得し、前記転帰先の予測に影響を及ぼす、所定の条件を満たす前記データ項目を、前記モデルから抽出し、抽出結果に基づいて、前記データ項目を前記転帰先予測結果に関連付けて出力する。

なお、上記各装置または方法を、コンピュータによって実現するコンピュータプログラム、およびそのコンピュータプログラムが格納されている、コンピュータ読み取り可能な非一時的記録媒体も、本開示の範疇に含まれる。

本開示によれば、医療従事者による信頼度の高い転帰先の決定に対する支援を好適に行うことができる。

第１の実施の形態に係る医療情報処理装置の構成の一例を示すブロック図である。 第１の実施の形態に係る医療情報処理装置の処理の流れの一例を示すフローチャートである。 第２の実施の形態に係る医療情報処理装置の構成の一例を示すブロック図である。 モデル情報の一例を示す図である。 出力画面の一例を示す図である。 第２の実施の形態に係る医療情報処理装置の処理の流れの一例を示すフローチャートである。 出力画面の他の一例を示す図である。 出力画面の他の一例を示す図である。 モデル情報の他の一例を示す図である。 出力画面の他の一例を示す図である。 モデル情報の他の一例を示す図である。 モデル情報の他の一例を示す図である。 モデル情報の他の一例を示す図である。 モデル情報の他の一例を示す図である。 出力画面の他の一例を示す図である。 第３の実施の形態に係る医療情報処理装置の構成の一例を示すブロック図である。 条件情報の一例を示す図である。 第３の実施の形態に係る医療情報処理装置の処理の流れの一例を示すフローチャートである。 各実施の形態を実現可能なコンピュータ（情報処理装置）のハードウェア構成を例示的に説明する図である。

＜第１の実施の形態＞
図１は、本実施の形態に係る医療情報処理装置１０の構成の一例を示すブロック図である。図１に示す通り、本実施の形態に係る医療情報処理装置１０は、取得部１１と、抽出部１２と、出力部１３とを備える。

取得部１１は、転帰先（discharge destinations）を予測した結果である転帰先予測結果と、該転帰先予測結果に関連する、転帰先を分類するためのモデルを取得する。モデルは、電子カルテに含まれるデータ項目を説明変数として用いている。電子カルテに含まれるデータ項目は、性別、年齢、住所等の患者の個人情報（属性情報）や、意識レベル（意識の有無とその度合い）等の患者の状態に関する情報を含む。

転帰先とは、患者が入院した場所（たとえば、救急搬送された病院）から移動する先の場所を示すものであり、例えば、自宅、医療療養病院または病棟、リハビリを行う病院または病棟、介護施設等が挙げられるがこれに限定されるものではない。

モデルは、予め生成され、任意の記憶部に格納される。モデルが格納される場所は、医療情報処理装置１０内であってもよいし、医療情報処理装置１０とは別個の記憶装置内であってもよい。モデルは、例えば、患者の電子カルテを学習データとして用いて、任意の機械学習などを行うことにより生成されてもよい。モデルは、例えば、異種混合学習によって生成されてもよい。例えば、モデルは、重症度の順に２クラス分類を行うためのモデルであってもよい。

転帰先予測結果は、任意の予測方法で患者の転帰先を予測した結果である。転帰先の予測方法は、モデルを用いて予測する方法であってもよいし、その他の方法であってもよい。転帰先予測結果は、患者の属性情報（患者識別子や患者名）と、該患者の転帰先として予測された場所（自宅、病院、病棟、施設等）とを少なくとも含む。

取得部１１は、取得した転帰先予測結果に基づいて、該転帰先予測結果に関連するモデルを取得する。取得部１１が取得するモデルは、転帰先予測結果に関連するモデルであればよい。例えば、転帰先の予測がモデルを用いて行われた場合、取得部１１は、該モデルを取得する。例えば、転帰先の予測がどのような方法で予測されたのかが分からない場合、取得部１１は、転帰先予測結果から使用されたモデルを推測し、推測したモデルを取得してもよい。なお、取得部１１が取得するモデルは１つであってもよいし、複数であってもよい。取得部１１がモデルを推測する場合、取得部１１は、例えば、電子カルテの各データ項目の値（項目値）に基づいてモデルを推測してもよいし、その他の方法で推測してもよい。また、例えば、取得部１１は、モデルを用いて予測を行った場合に転帰先予測結果が示す転帰先を予測結果としうる複数のモデルのうち、所定数を取得してもよい。例えば、モデルが一の転帰先を予測結果として出力するか否かを判定するためのものである場合、取得部１１は、転帰先予測結果に含まれる転帰先を予測結果として出力するか否かを判定するためのモデルを所定数取得してもよい。

抽出部１２は、転帰先の予測に影響を及ぼす、所定の条件を満たすデータ項目を、モデルから抽出する。例えば、抽出部１２は、モデルに説明変数として含まれる、電子カルテのデータ項目に関連付けられた係数（関連情報とも呼ぶ）の符号が正であるデータ項目と、負であるデータ項目とを、夫々抽出する。例えば、抽出部１２は、複数のモデルの夫々に含まれる、データ項目に関連付けられた係数を、データ項目ごとに且つ符号ごとに合計し、合計した値が大きいものから順に該合計した値に関連するデータ項目を所定数抽出してもよい。

出力部１３は、抽出部１２による抽出結果に基づいて、抽出部１２が抽出したデータ項目を転帰先予測結果に関連付けて出力する。例えば、出力部１３は、データ項目と転帰先予測結果とを表示装置に出力することにより、表示装置の画面にデータ項目と転帰先予測結果とを表示させる。また、出力部１３は、例えば、プリンタなどの印刷装置に、データ項目と転帰先予測結果とを出力することにより、データ項目と転帰先予測結果とを印刷用紙に印刷させる。

図２は、本実施の形態に係る医療情報処理装置１０の処理の流れの一例を示すフローチャートである。図２に示す通り、医療情報処理装置１０の取得部１１が、転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用いたモデルとを取得する（ステップＳ１）。

そして、抽出部１２が、転帰先の予測に影響を及ぼす、所定の条件を満たすデータ項目を、ステップＳ１にて取得されたモデルから抽出する（ステップＳ２）。

そして、出力部１３が、抽出結果に基づいて、データ項目を転帰先予測結果に関連付けて出力する（ステップＳ３）。

以上で、医療情報処理装置１０の処理を終了する。

以上のように、本実施の形態に係る医療情報処理装置１０は、転帰先予測結果と、該転帰先予測結果に関連するモデルから抽出した電子カルテのデータ項目と、を関連付けて出力する。モデルは、電子カルテに含まれるデータ項目を説明変数として用いている。したがって、転帰先予測結果を確認する医療従事者は、該転帰先予測結果に関連付けられたデータ項目が、該転帰先予測結果に影響を及ぼす、電子カルテのデータ項目であると容易に把握することができる。

これにより、医療情報処理装置１０は、転帰先予測結果が示す転帰先が患者の転帰先として適しているか否かを医療従事者が決定する際の支援を、好適に行うことができる。例えば、転帰先予測結果に影響を及ぼすデータ項目が、医療従事者が患者の転帰先として決定する際に参照するデータ項目と同じである場合、医療従事者は、転帰先予測結果の信頼性が高いと判断することができる。

また、例えば、転帰先予測結果に影響を及ぼすデータ項目が、医療従事者が患者の転帰先として決定する際に参照するデータ項目と異なる場合、医療従事者は、転帰先予測結果が示す転帰先が適した転帰先か否かを、電子カルテに入力された内容や入力された内容の履歴、他の医療従事者等との会話などから検討することができる。よって、医療従事者は、検討の結果に基づいて、該患者に対して、信頼度が高い転帰先を決定することができる。
よって、本実施の形態に係る医療情報処理装置１０は、医療従事者による信頼度の高い転帰先の決定に対する支援を好適に行うことができる。

更に、本開示によれば、医療従事者が信頼度の高い転帰先を決定することにより、患者の再入院を予防することにも寄与することができる。

＜第２の実施の形態＞
図３は、本実施の形態に係る医療情報処理装置１００の構成の一例を示すブロック図である。医療情報処理装置１００は、第１の実施の形態の医療情報処理装置１０と共通の構成を含む。具体的には、医療情報処理装置１００は、モデル記憶部１１０と、取得部１２０と、解析部１３０と、抽出部１４０と、出力部１５０と、を含む。

以降の実施の形態および変形例において使用される用語のうち、第１の実施の形態においても使用された用語は、特に断りがある場合を除き、第１の実施の形態において使用された用語と同じ意味で用いられる。また、本実施の形態において、第１の実施の形態に記載された構成と同一の番号が付された構成は、第１の実施の形態に記載された同一番号の構成と同様の構成である。そのため、このような構成に関する重複する説明は、適宜省略される場合がある。

モデル記憶部１１０は、転帰先を分類するためのモデル（予測モデルと呼ぶ）を含むモデル情報を格納する。予測モデルは、転帰先の予測に用いられるものであってもよい。図４は、モデル記憶部１１０が格納するモデル情報の一例を示す図である。モデル記憶部１１０は、例えば、図４に示すようなモデル情報４１を格納する。モデル情報４１は、各予測モデルを識別するモデル識別子４２と、予測モデル４３とを含む。なお、モデル情報４１は、図４に示す情報以外の情報を含んでもよい。

予測モデル４３は、予め生成されたモデルである。予測モデル４３は、例えば、任意の機械学習などを行うことにより生成されてもよい。予測モデル４３は、例えば、異種混合学習によって生成されてもよい。

予測モデル４３は、多項式の形式で表現される。なお、予測モデル４３の表現方法は特に限定されない。予測モデル４３の各項は、変数（説明変数）と係数（関連情報）とを含む。図４では、変数は括弧で囲った部分である。変数は、電子カルテのデータ項目（単に、項目とも呼ぶ）である。電子カルテの項目は、性別、年齢、住所等の患者の個人情報（属性情報）や、意識レベル（意識の有無とその度合い）等の患者の状態に関する情報を含む。変数に代入する値は、項目に関連する値となる。項目に関連する値（数値や情報）は、患者の入院時に医師や看護師などの医療従事者によって入力されてもよいし、入院後に医療従事者に入力および更新されるものであってもよい。なお、本実施の形態では、項目に関連する値は数値化されているとして説明を行うが、これに限定されるものではなく、数値化されていなくてもよい。この場合、予測モデル４３を用いて予測を行う際に、項目に関連する値を数値に変換すればよい。電子カルテの項目のうち、予測モデル４３の変数として用いる項目および該変数に関連付けられる（乗算される）係数の大きさは、機械学習によって決定される。なお、予測モデル４３の変数は、該予測モデル４３を用いて転帰先を予測する際に転帰先の予測に影響を及ぼす要因となりうる。よって予測モデル４３の変数を要因とも呼ぶ。

予測モデル４３を用いることによって算出された結果（数値）は、転帰先の予測結果となりうる。各予測モデル４３は、算出された数値によって、複数の転帰先から一の転帰先を予測可能なものであってもよい。また、各予測モデル４３は、一の転帰先を予測結果として出力するか否かを判定するためのものであってもよい。

取得部１２０は、第１の実施の形態における取得部１１の一例である。取得部１２０は、医療情報処理装置１００の外部から入力された、または内部で転帰先を予測されることによって得られた、転帰先予測結果を取得する。転帰先予測結果は、患者の属性情報（患者識別子や患者名）と、該患者の転帰先として予測された場所（自宅、病院、病棟、施設等）とを少なくとも含む。取得部１２０が取得する転帰先予測結果を生成するための転帰先の予測方法は特に限定されず、どのような予測方法を採用してもよい。転帰先の予測方法は、モデル情報４１を用いて予測する方法であってもよいし、その他の方法であってもよい。

取得部１２０は、取得した転帰先予測結果に基づいて、該転帰先予測結果に関連する予測モデル４３をモデル記憶部１１０から取得する。転帰先予測結果に使用した予測モデル４３を示す情報（モデル識別子４２）が含まれる場合、取得部１２０は、モデル識別子４２に関連付けられた予測モデル４３を取得する。転帰先予測結果にモデル識別子４２が含まれない場合、取得部１２０は、転帰先予測結果から使用した予測モデル４３を推測し、推測した予測モデル４３を取得する。なお、取得部１２０が取得する予測モデル４３は１つであってもよいし、複数であってもよい。取得部１２０による予測モデル４３の推測方法は特に限定されず、例えば、電子カルテの各項目の項目値に基づいて推測してもよい。
また、例えば、取得部１２０は、予測モデル４３を用いて予測を行った場合に転帰先予測結果が示す転帰先を予測結果としうる予測モデル４３のうち、所定数を取得してもよい。
例えば、予測モデル４３が一の転帰先を予測結果として出力するか否かを判定するためのものである場合、取得部１２０は、転帰先予測結果に含まれる転帰先を予測結果として出力するか否かを判定するための予測モデル４３を所定数取得してもよい。

取得部１２０は、取得した予測モデル４３を転帰先予測結果と共に解析部１３０に供給する。

解析部１３０および抽出部１４０は、上述した第１の実施の形態に係る抽出部１２の一例である。解析部１３０は、取得部１２０が取得した予測モデル４３を解析する。具体的には、解析部１３０は、転帰先予測結果に影響を及ぼした電子カルテの項目（説明変数）を、予測モデル４３から特定する。このとき解析部１３０は、抽出した項目と共に、該項目に関連付けられた係数（関連情報）を抽出することが好ましい。なお、予測モデル４３が複数の場合、解析部１３０は、項目ごとに、係数の合計値を算出してもよい。この合計値は、転帰先予測結果に影響を及ぼした電子カルテの項目に関連付けられているため、該合計値は、転帰先予測結果に影響を及ぼした度合いを表していると言える。

解析部１３０は、好ましくは、転帰先予測結果が示す転帰先に予測されるように寄与すると推定される項目（第１項目）と、転帰先予測結果が示す転帰先に予測されないように寄与すると推定される項目（第２項目）とを符号に基づいて特定する。第２項目は、転帰先予測結果が示す転帰先に予測されないように寄与する項目のため、転帰先予測結果が示す転帰先とは異なる他の転帰先に予測されるように寄与する項目であるとも言える。解析部１３０は、項目に関連付けられた係数の符号が正の場合、該項目を第１項目として特定し、項目に関連付けられた係数の符号が負の場合、該項目を第２項目として特定する。

そして、解析部１３０は、第１項目に関連付けられた係数を用いて、転帰先に予測されるように寄与した（影響を及ぼした）度合いである合計値を算出し、第２項目に関連付けられた係数を用いて、転帰先に予測されないように影響を及ぼした度合いである合計値を算出してもよい。

解析部１３０は、特定した項目と、各項目に対する転帰先予測結果に影響を及ぼした度合いである係数の合計値とを、解析結果として、転帰先予測結果と共に抽出部１４０に供給する。なお、本実施の形態では、係数の合計値は、項目ごと且つ符号ごとに算出されるとして説明を行う。

抽出部１４０は、解析結果に基づいて、所定の条件を満たす項目を抽出する。例えば、抽出部１４０は、解析結果に基づいて、転帰先予測結果に影響を及ぼした度合いが大きいものから順に所定数の項目を抽出する。抽出部１４０は、抽出した項目と、合計値とを抽出結果として転帰先予測結果と共に、出力部１５０に供給する。

解析部１３０および抽出部１４０の動作について、図４を参照してさらに説明する。例えば、取得部１２０が取得した転帰先予測結果が「自宅」を示し、図４のモデル識別子４２が「１００１」、「１００２」および「１００４」の夫々に関連付けられた予測モデル４３を取得部１２０がモデル記憶部１１０から取得したとする。

解析部１３０は、電子カルテの項目のうち、該モデルに含まれる項目を、転帰先予測結果に影響を及ぼした電子カルテの項目として特定する。すなわち、解析部１３０は、「日常生活自立度」、「意識レベル」、「年齢」、「飲酒歴」、「中枢性麻痺」および「認知症自立判定基準」を、転帰先予測結果に影響を及ぼした電子カルテの項目として特定する。

そして、解析部１３０は、項目ごと、係数の符号ごとに、係数の合計値を算出する。よって、符号が正の係数の合計値は、項目ごとに、「日常生活自立度」が５、「認知症自立判定基準」が１となる。また、符号が負の係数の合計値は、項目ごとに、「意識レベル」が−５、「年齢」が−３、「飲酒歴」が−２、「中枢性麻痺」が−１となる。

そして、例えば、所定数が２である場合、抽出部１４０は、符号が正の係数の合計値が大きいものから順に２つの項目である「日常生活自立度」と、「認知症自立判定基準」とを予測モデル４３から抽出する。また、抽出部１４０は、符号が負の係数の合計値が小さいものから順に（負の方向に大きいものから順に、係数の合計値の絶対値が大きいものから順に）、２つの項目である、「意識レベル」と、「年齢」とを予測モデル４３から抽出する。このように、解析部１３０および抽出部１４０は、係数の符号に基づいて、所定の条件を満たすデータ項目をモデルから抽出する。

抽出部１４０は、抽出した「日常生活自立度」と、「認知症自立判定基準」と、「意識レベル」と、「年齢」とを、夫々の合計値と共に、抽出結果として、出力部１５０に供給する。

出力部１５０は、第１の実施の形態における出力部１３の一例である。解析部１３０は、抽出部１４０による抽出結果に基づいて、抽出部１４０が抽出した項目を転帰先予測結果に関連付けて出力する。出力部１５０は、項目と転帰先予測結果とを表示装置に出力することにより、表示装置の画面に項目と転帰先予測結果とを表示させる。また、出力部１５０は、例えば、プリンタなどの印刷装置に、項目と転帰先予測結果とを出力することにより、項目と転帰先予測結果とを印刷用紙に印刷させる。出力部１５０が項目と転帰先予測結果とを出力する先は特に限定されず、例えば、記憶装置であってもよいし、その他の装置であってもよい。

図５は、出力部１５０が表示装置に出力した場合における、表示装置が表示する出力画面の一例を示す図である。なお、以降においても、出力部１５０の出力先は表示装置であるとして説明を行う。図５に示す出力画面は、図４を用いて具体的に説明した抽出結果とは異なる抽出結果を用いたものである。なお、表示装置が表示する出力画面の表示形態は一例であり、これに限定されるものではない。

図５に示す出力画面５１は、患者の属性情報が表示される領域５２と、転帰先予測結果が表示される領域５３と、抽出部１４０が抽出した項目に関連する情報が表示される領域５４とを含む。

領域５２は、電子カルテの項目に対応する項目５２Ａと電子カルテの項目の項目値に対応する内容５２Ｂとを含む。領域５２に表示される患者の属性情報は、患者を識別する情報が含まれていればよい。

領域５３には、転帰先予測結果が示す転帰先が表示される。

領域５４には、抽出部１４０が抽出した項目に関連する情報が表示される。該項目は、領域５３に表示される転帰先予測結果に関連付けられている。領域５４は、正の要因５５Ａと、負の要因５５Ｂと、項目５６と、項目値５７と、パラメータ５８とを含む。

正の要因５５Ａは、転帰先予測結果が示す転帰先に予測されるように寄与することを示す情報（第１情報）である。負の要因５５Ｂは、転帰先予測結果が示す転帰先に予測されないように寄与することを示す情報（第１情報とは異なる第２情報）である。

項目５６は、抽出部１４０が予測モデル４３から抽出した抽出した電子カルテの項目である。正の要因５５Ａに関連付けられた項目５６は、転帰先予測結果が示す転帰先に予測されるように寄与する項目（第１項目）である。負の要因５５Ｂに関連付けられた項目５６は、転帰先予測結果が示す転帰先に予測されないように（または、転帰先予測結果が示す転帰先とは異なる他の転帰先に予測されるように）寄与する項目（第２項目）である。

このように、出力部１５０は、第１項目と第１情報（正の要因５５Ａ）とを関連付けて出力し、第２項目を第１情報とは異なる第２情報（負の要因５５Ｂ）に関連付けて出力する。つまり、出力部１５０は、転帰先予測結果に影響を及ぼす項目５６が、転帰先予測結果が示す転帰先に予測される方向に寄与したのか別の方向に寄与したのかを、医療従事者が把握可能な様態で、例えば表示装置等に出力する。これにより、医療情報処理装置１００は、項目５６が寄与した方向を、医療従事者に容易に把握させることができる。

項目値５７は、該項目５６の値であり、項目５６に関連付けられている。項目値５７は、電子カルテの項目の項目値そのものであってもよいし、項目値を所定の基準と比較した結果から得られる値であってもよい。例えば、図５に示す項目値５７のうち「年齢」の項目に関連付けられた項目値５７は、所定の基準よりも高いか否かを比較した結果である「高い」となっている。

出力部１５０は、このように、転帰先予測結果に関連付けられた項目５６に、項目値５７を関連付けて出力することにより、転帰先予測結果に影響を及ぼす項目５６の項目値５７を容易に医療従事者に把握させることができる。

パラメータ５８は、項目５６に関連付けられた係数（関連情報）の合計値をグラフで示したものである。パラメータ５８の表示態様は、グラフではなく合計値を表す数値であってもよいし、形状および色等で表現してもよい。このように、出力部１５０が、パラメータ５８である係数の合計値を、項目５６に関連付けて出力することにより、転帰先予測結果に影響を及ぼす項目５６が、転帰先に予測されるように寄与した（影響を及ぼした）度合いを、医療従事者に容易に把握させることができる。

図６は、本実施の形態に係る医療情報処理装置１００の処理の流れの一例を示すフローチャートである。図６に示す通り、医療情報処理装置１００の取得部１２０が、外部装置または医療情報処理装置１００内部で予測された転帰先の予測の結果である転帰先予測結果を取得する（ステップＳ６１）。

次に、取得部１２０が取得した転帰先予測結果に関連する予測モデル４３を、モデル記憶部１１０から取得する（ステップＳ６２）。

そして、解析部１３０が、転帰先予測結果に影響を及ぼした電子カルテの項目を予測モデル４３から特定する（ステップＳ６３）。解析部１３０は、項目に関連付けられた係数を用いて、特定した項目が転帰先予測結果に影響を及ぼした度合い（係数の合計値）を項目に関連付けられた係数を用いて算出する。つまり、解析部１３０は、係数の合計値を、項目ごと、且つ、係数の符号ごとに算出する（ステップＳ６４）。

そして、抽出部１４０は、転帰先予測結果に影響を及ぼした度合いが高いものから順に所定数の項目を抽出する（ステップＳ６５）。具体的には、抽出部１４０は、係数の符号が正の場合、係数の項目ごとの合計値が大きいものから順に所定数の項目を抽出し、係数の符号が負の場合、係数の項目ごとの合計値が小さいものから順に（係数の合計値の絶対値が大きいものから順に）所定数の項目を抽出する。

そして、出力部１５０は、抽出結果に基づいて、抽出した項目を転帰先予測結果に関連付けて出力する（ステップＳ６６）。以上により、医療情報処理装置１００は処理を終了する。

本実施の形態の形態に係る医療情報処理装置１００は、転帰先予測結果と、該転帰先予測結果に関連する予測モデル４３から抽出した電子カルテの項目と、を関連付けて出力する。したがって、転帰先予測結果を確認する医療従事者は、該転帰先予測結果に関連付けられた項目が、該転帰先予測結果に影響を及ぼす、電子カルテの項目であると容易に把握することができる。

これにより、医療情報処理装置１００は、転帰先予測結果が示す転帰先が、患者の転帰先として適しているか否かを医療従事者が決定する際の支援を好適に行うことができる。
例えば、転帰先予測結果に影響を及ぼす項目が、医療従事者が患者の転帰先として決定する際に参照する項目と同じである場合、医療従事者は、転帰先予測結果の信頼性が高いと判断することができる。

また、例えば、転帰先予測結果に影響を及ぼす項目が、医療従事者が患者の転帰先として決定する際に参照する項目と異なる場合、医療従事者は、転帰先予測結果が示す転帰先が適した転帰先か否かを、電子カルテに入力された内容や入力された内容の履歴、他の医療従事者等との会話などから検討することができる。よって、医療従事者は、検討の結果に基づいて、該患者に対して、信頼度が高い転帰先を決定することができる。よって、本実施の形態に係る医療情報処理装置１００は、医療従事者による信頼度の高い転帰先の決定に対する支援を好適に行うことができる。

なお、転帰先予測結果が示す転帰先は、具体的な場所名であってもよいし、転帰先の種類であってもよい。例えば、転帰先が病院である場合、転帰先は、病院の種類（例えば、リハビリ病院、医療療養病院、介護療養病院等）を示す情報であってもよい。例えば、転帰先が病院とは異なる施設の場合、転帰先は、施設の種類（例えば、介護老人保健施設、介護老人福祉施設、有料老人ホーム等）を示す情報であってもよい。

（変形例１）
取得部１２０が取得する転帰先予測結果が示す転帰先は１つに限定されなくてもよい。
転帰先予測結果は、予測の確度が関連付けられた複数の転帰先を含んでもよい。この場合において、解析部１３０および抽出部１４０は、各転帰先に対して、上述した動作と同様の動作を行い、転帰先予測結果に含まれる複数の転帰先の夫々に対して抽出した項目を抽出結果として転帰先予測結果と共に出力部１５０に供給する。

図７は、本変形例における出力部１５０が表示装置に出力し、表示装置が表示する出力画面の一例を示す図である。図７に示す出力画面７１は、図５に示した出力画面５１と同様に領域５２を含む。また、出力画面７１は、転帰先予測結果が表示される領域７２と、抽出部１４０が抽出した項目に関連する情報が表示される領域７３とを含む。

領域７２には、転帰先予測結果が示す転帰先が表示される。上述した通り、本変形例における転帰先予測結果は、予測の確度が関連付けられた複数の転帰先を含むため、領域７２には、予測の確度がパーセントで示された複数の転帰先が表示される。

領域７３には、図５に示す領域５４と同様に、抽出部１４０が抽出した項目に関連する情報が表示される。領域７３には、転帰先予測結果に含まれる複数の転帰先の何れかが選択可能に表示された領域７４を含む。そして、出力部１５０は、抽出部１４０が抽出した項目のうち、領域７４に表示された転帰先に関連する項目の情報が領域５４と同様に領域７３に表示させる。そして、領域７４に表示される転帰先が変更されると、変更された転帰先に関連する項目の情報が領域７３に表示される。

なお、出力部１５０は、複数の転帰先の夫々の項目に関する情報を全て、転帰先ごとに、転帰先に関連付けて出力画面７１に表示してもよい。また、転帰先予測結果に予測に用いた予測モデルの情報や確度を算出した理由などを表す情報が含まれる場合、出力部１５０は、この情報を表示してもよい。そして、取得部１２０が、この情報に基づいて、１または複数の予測モデルをモデル記憶部１１０から取得してもよい。

このように、出力部１５０が転帰先の夫々に関連付けて、各転帰先に関連する項目を出力する。これにより、本変形例における医療情報処理装置１００は、転帰先予測結果に複数の転帰先が含まれる場合であっても、予測された各転帰先が、電子カルテの何れの項目の影響を受けたかを医療従事者に対して容易に把握させることができる。

（変形例２）
抽出部１４０は、抽出結果と転帰先予測結果とを互いに関連付けて、記憶装置等に蓄積してもよい。そして、出力部１５０は、この蓄積された転帰先予測結果および抽出結果を、選択可能に表示する出力画面を出力してもよい。

図８は、本変形例における出力部１５０が表示装置に出力し、表示装置が表示する出力画面の一例を示す図である。図８に示す出力画面８１は、図５に示した出力画面５１と同様に領域５２を含む。また、出力画面８１は、転帰先予測結果の履歴が表示される領域８２と、抽出部１４０が抽出した項目に関連する情報が表示される領域８３とを含む。

領域８２には、転帰先予測結果が示す転帰先の履歴が表示される。図８では、初日の転帰先予測結果と、３日目の転帰先予測結果と、出力画面８１が表示された日（現時点と表示）の転帰先予測結果とを含んでいるが、その他の日の転帰先予測結果を含んでもよい。

領域８３には、図５に示す領域５４と同様に、抽出部１４０が抽出した項目に関連する情報が表示される。領域８３には、転帰先の予測が行われた時点を示す情報が選択可能に表示された領域８４を含む。そして、出力部１５０は、抽出部１４０が抽出した項目のうち、領域８４に表示された時点の転帰先予測結果に関連付けられた項目の情報が領域５４と同様に領域８３に表示させる。そして、領域８４に表示される情報が変更されると、変更された情報が示す時点の転帰先予測結果に関連付けられた項目の情報が領域８３に表示される。

なお、出力部１５０は、転帰先予測結果の履歴の全てに対して、該転帰先予測結果に関連付けられた項目に関する情報を出力画面８１に表示してもよい。

このように、出力部１５０が転帰先予測結果の履歴を、該転帰先予測結果に関連する、予測モデル４３から抽出された電子カルテの項目と共に出力する。これにより、本変形例における医療情報処理装置１００は、転帰先予測結果が示す転帰先の遷移と転帰先の予測に影響を及ぼした項目とを、医療従事者に対して容易に把握させることができる。

（変形例３）
モデル記憶部１１０に格納されたモデル情報が含む予測モデルは、算出された数値によって、一の転帰先を予測可能なものであってもよい。図９は、本変形例におけるモデル記憶部１１０が格納するモデル情報の一例を示す図である。モデル記憶部１１０は、例えば、図９に示すようなモデル情報９１を格納する。モデル情報９１は、各予測モデルを識別するモデル識別子９２と、判別種別９３と、予測モデル９４とを含む。なお、モデル情報９１は、図４に示す情報以外の情報を含んでもよい。モデル識別子９２および予測モデル９４は、夫々モデル識別子４２および予測モデル４３と同様の情報である。

判別種別９３は、各予測モデル９４を用いた予測が判別する一の転帰先に対する動作の種別を示す。例えば、モデル識別子９２が「２００１」の判別種別９３は、自宅に対する動作の種別である「自宅退院」である。この判別種別９３に関連付けられた予測モデル９４を用いた予測では、転帰先が「自宅」か否かを予測することができる。この予測モデル９４は、例えば２値分類を行うためのモデルである。モデル情報９１は、予測される転帰先（場所）の数分の予測モデル９４を含む。

本変形例において、取得部１２０が取得する転帰先予測結果は、変形例１と同様に、複数の転帰先が含まれているとする。各転帰先には、予測の確度が関連付けられている。取得部１２０は、転帰先予測結果に含まれる複数の転帰先の夫々に関連する予測モデル９４を取得する。例えば、複数の転帰先が「自宅」、「リハビリ病院」、「療養病院」および「施設」の場合、取得部１２０は、図９に示すモデル情報９１から、モデル識別子９２が「２００１」、「２００２」、「２００３」および「２００４」の夫々に関連付けられた予測モデル９４を取得する。

そして、解析部１３０および抽出部１４０は、各転帰先に対して、上述した動作と同様の動作を行い、転帰先予測結果に含まれる複数の転帰先の夫々に対して抽出した項目を抽出結果として転帰先予測結果と共に出力部１５０に供給する。

図１０は、本変形例における出力部１５０が表示装置に出力し、表示装置が表示する出力画面の一例を示す図である。図１０に示す出力画面１０１は、図５に示した出力画面５１と同様に領域５２と、領域５３とを含む。ここで、領域５３に含まれる転帰先予測結果として表示される転帰先は、複数の転帰先のうち、予測の確度が最も高い転帰先である。

また、出力画面１０１は、転帰先予測結果に含まれる複数の転帰先に対する予測の確度を表示する領域１０２と、抽出部１４０が抽出した項目に関連する情報が表示される領域１０３とを含む。

領域１０２には、表示される確度が、どの転帰先に対するものかを示す情報１０２Ａと、確度を示す確度情報１０２Ｂとを含む。ここで、図１０に表示される確度は０から１の数字に正規化されているとする。

例えば、図１０において、情報１０２Ａに含まれる「自宅退院スコア」は、予測された転帰先が「自宅」であり、転帰先に対する動作が「自宅退院」であり、関連する確度情報１０２Ｂが、転帰先が「自宅」であると予測した際の確度である、ことを示す。

「自宅退院スコア」に関連する確度情報１０２Ｂには、図１０に示す通り、スコア（０から１までの数値）が含まれてもよいし、０から１までの範囲を表すバー上にスコアをプロットし、マーク１０２Ｃで表現したグラフが、含まれてもよい。

領域５３には、転帰先予測結果が示す転帰先が表示される。

領域１０３には、図５に示す領域５４と同様に、抽出部１４０が抽出した項目に関連する情報が表示される。領域１０３には、領域５３に示す転帰先の項目に関連する情報が表示される。領域１０３は、項目１０４と、パラメータ１０５とを含む。

項目１０４は、抽出部１４０が予測モデル４３から抽出した電子カルテの項目である。パラメータ１０５は、項目１０４に関連付けられた係数の合計値をグラフで示したものである。図１０において、合計値が正の場合は、中心から右方向に伸びる棒グラフで合計値を表示し、合計値が負の場合は、中心から左方向に伸びる棒グラフで合計値を表示している。つまり出力部１５０は、「年齢」が、転帰先が「自宅」に予測されるように寄与する項目（第１項目）であり、「性別」が、転帰先が「自宅」に予測されないように寄与する項目（第２項目）であることを示している。

なお、出力画面１０１は、項目値を更に表示してもよい。

このように、モデル記憶部１１０に格納されたモデル情報が含む予測モデルは、算出された数値によって、一の転帰先を予測可能なものであっても、本変形例における医療情報処理装置１００は、転帰先予測結果が示す転帰先と転帰先の予測に影響を及ぼした項目とを、医療従事者に対して容易に把握させることができる。

（変形例４）
モデル記憶部１１０に格納されたモデル情報が含む予測モデルは、算出された数値によって、一の転帰先を、所定の順に予測可能なものであってもよい。図１１は、本変形例におけるモデル記憶部１１０が格納するモデル情報の一例を示す図である。モデル記憶部１１０は、例えば、図１１に示すようなモデル情報１１１を格納する。モデル情報１１１は、モデル情報９１と同様に、各予測モデルを識別するモデル識別子９２と、判別種別９３と、予測モデル９４とを含む。モデル情報１１１は、更に、優先順位１１５を含む。

優先順位１１５は、モデル情報１１１を用いて予測を行う場合に、使用する予測モデル９４の順序を示す。言い換えると、モデル情報１１１を用いて予測を行う場合に、優先順位１１５は、数値が小さいものから昇順に、予測モデル９４を予測に用いることを促す。

ここで、軽症である患者は、転帰先が「自宅」であると予測されることが多い。また、重症度が高くなるにつれ、設備が整った場所が転帰先と予測される場合が多い。よって、予測にモデル情報１１１が使用される場合において、軽症であると判断される転帰先に関連する予測モデル９４が重症であると判断される転帰先に関連する予測モデル９４よりも先に用いられるように、優先順位１１５が付与されている。

転帰先予測結果が示す転帰先が一の転帰先を示す場合、例えば、転帰先が「自宅」の場合、取得部１２０は、モデル情報１１１から、モデル識別子９２が「２００１」に関連付けられた予測モデル９４を取得する。

また、例えば、転帰先が「療養病院」の場合、取得部１２０は、モデル情報１１１から、モデル識別子９２が「２００３」に関連付けられた予測モデル９４を取得する。なお、このとき、取得部１２０は、モデル識別子９２が「２００１」および「２００２」の夫々に関連付けられた予測モデル９４を取得してもよい。この場合、例えば、解析部１３０または抽出部１４０は、上述した確度を予測してもよい。

また、転帰先予測結果が示す転帰先が、確度が関連付けられた複数の転帰先を示す場合、取得部１２０は、複数の転帰先の夫々に関連付けられた予測モデル９４を取得してもよいし、確度が最も高い転帰先に関連付けられた予測モデル９４を取得してもよい。

このような予測モデル９４であっても、本実施の形態に係る医療情報処理装置１００は、転帰先予測結果と、該転帰先予測結果に関連する予測モデル９４から抽出した電子カルテの項目と、を関連付けて出力することができる。

（変形例５）
モデル記憶部１１０に格納されたモデル情報が含む予測モデルは、条件に応じて異なる予測モデルが使用されるように生成されたものであってもよい。図１２は、本変形例におけるモデル記憶部１１０が格納するモデル情報の一例を示す図である。モデル記憶部１１０は、例えば、図１２に示すようなモデル情報１２１を格納する。モデル情報１２１は、各予測モデルを識別するモデル識別子１２２と、判別種別１２３と、予測モデル１２４と、条件１２５とを含む。

モデル識別子１２２、判別種別１２３および予測モデル１２４は夫々モデル識別子９２、判別種別９３および予測モデル９４に対応する。

判別種別１２３のうち、「自立可否」は、関連付けられた予測モデル１２４が自立可能か否かを判別するモデルであることを示す。自立可能である場合、転帰先が「自宅」か、リハビリを行う「リハビリ病院」かに予測される場合が多い。そのため、本変形例における予測モデル１２４は、自立可能か否かを判定する予測モデル１２４と含み、まずこの予測モデル１２４を用いて予測を行うことを促す情報である条件１２５が関連付けられている。

条件１２５は、転帰先の予測にモデル情報１２１に含まれる予測モデル１２４を用いる場合の条件を示す。転帰先の予測に予測モデル１２４を用いる場合、予測を行う装置は、条件１２５を参照し、モデル識別子１２２が「３００１」の予測モデル１２４を最初に使用して予測を行う。その後、予測を行う装置は、条件１２５を満たす予測モデル１２４を１または複数選択して、予測を行う。

予測された転帰先が「自宅」の場合、取得部１２０は、条件１２５を参照し、モデル情報１２１から、モデル識別子１２２が「３００１」に関連付けられた予測モデル１２４と、モデル識別子１２２が「３００２」の予測モデル１２４とを取得する。

このような予測モデル１２４であっても、本実施の形態に係る医療情報処理装置１００は、転帰先予測結果と、該転帰先予測結果に関連する予測モデル１２４から抽出した電子カルテの項目と、を関連付けて出力することができる。

（変形例６）
モデル記憶部１１０に格納されたモデル情報が含む予測モデルは、図１２に示す条件とは異なる条件が関連付けられてもよい。図１３は、本変形例におけるモデル記憶部１１０が格納するモデル情報の一例を示す図である。モデル記憶部１１０は、例えば、図１３に示すようなモデル情報１３１を格納する。モデル情報１３１は、各予測モデルを識別するモデル識別子１３２と、予測モデル１３３と、条件１３４とを含む。なお、モデル情報１３１は、上述した判別種別１２３を含んでもよい。

モデル識別子１３２および予測モデル１３３は夫々モデル識別子９２および予測モデル９４に対応する。

条件１３４は、転帰先の予測にモデル情報１３１に含まれる予測モデル１３３を用いる場合の条件を示す。転帰先の予測に予測モデル１３３を用いる場合、予測を行う装置は、条件１３４を参照する。

条件１３４は、転帰先の予測を行う対象の患者が入院何日目であるかに応じて、使用する予測モデル１３３の数を変更する条件を示す。例えば、患者が入院初日である場合、予測を行う装置は、モデル識別子１３２が「４００１」の予測モデル１３３と、モデル識別子１３２が「４００２」の予測モデル１３３と、を用いて予測を行う。また、例えば、患者が入院３日目である場合、予測を行う装置は、モデル識別子１３２が「４００１」の予測モデル１３３と、モデル識別子１３２が「４００２」の予測モデル１３３と、モデル識別子１３２が「４００３」の予測モデル１３３と、を用いて予測を行う。

入院後の日数が増えると、電子カルテに入力される項目の数や項目値の詳細度は一般的に増加する。よって本変形例のように、入院後の日数に応じた予測モデル１３３が予めモデル記憶部１１０に格納されてもよい。そして、医療情報処理装置１００は、入院後の日数に応じた予測モデル１３３を取得する構成であってもよい。

取得部１２０は、転帰先予測結果に基づいて、転帰先が予測された患者が入院何日目であるかの情報を取得する。そして、取得部１２０は、条件１３４を参照し、モデル情報１３１から、条件１３４を満たす予測モデル１３３を取得する。

このような予測モデル１３３であっても、本実施の形態に係る医療情報処理装置１００は、転帰先予測結果と、該転帰先予測結果に関連する予測モデル１３３から抽出した電子カルテの項目と、を関連付けて出力することができる。

（変形例７）
モデル記憶部１１０に格納されたモデル情報が含む予測モデルは、図１２および図１３に示す条件とは異なる条件が関連付けられてもよい。図１４は、本変形例におけるモデル記憶部１１０が格納するモデル情報の一例を示す図である。モデル記憶部１１０は、例えば、図１４に示すようなモデル情報１４１を格納する。モデル情報１４１は、各予測モデルを識別するモデル識別子１４２と、予測モデル１４３と、条件１４４とを含む。なお、モデル情報１４１は、上述した判別種別１２３を含んでもよい。

モデル識別子１４２および予測モデル１４３は夫々モデル識別子９２および予測モデル９４に対応する。

条件１４４は、転帰先の予測にモデル情報１４１に含まれる予測モデル１４３を用いる場合の条件を示す。転帰先の予測に予測モデル１４３を用いる場合、予測を行う装置は、条件１４４を参照する。

条件１４４は、転帰先の予測を行う対象の患者が入院何日目であるかに応じて、使用する予測モデル１３３を変更する条件を示す。例えば、患者が入院初日である場合、予測を行う装置は、モデル識別子１４２が「５００１」の予測モデル１４３を用いて予測を行う。また、例えば、患者が入院３日目である場合、予測を行う装置は、モデル識別子１４２が「５００２」の予測モデル１４３を用いて予測を行う。

予測モデル１４３は、入院日数に応じて、項が増加する。言い換えると、予測モデル１４３は、入院日数に応じて、変数（説明変数）である、電子カルテの項目が増える。入院後の日数が増えると、電子カルテに入力される項目の数や項目値の詳細度は一般的に増加する。よって、本変形例のように、入院後の日数に応じた項目が増える予測モデル１４３が予めモデル記憶部１１０に格納されてもよい。そして、医療情報処理装置１００は、入院後の日数に応じて項目が増える予測モデル１４３を取得する構成であってもよい。

取得部１２０は、転帰先予測結果に基づいて、転帰先が予測された患者が入院何日目であるかの情報を取得する。そして、取得部１２０は、条件１４４を参照し、モデル情報１４１から、条件１４４を満たす予測モデル１４３を取得する。

このような予測モデル１４３であっても、本実施の形態に係る医療情報処理装置１００は、転帰先予測結果と、該転帰先予測結果に関連する予測モデル１４３から抽出した電子カルテの項目と、を関連付けて出力することができる。

（変形例８）
抽出部１４０は、抽出結果と転帰先予測結果と患者を示す情報（例えば患者ＩＤ（ＩＤｅｎｔｉｆｉｅｒ））とを互いに関連付けて、記憶装置等に蓄積してもよい。そして、出力部１５０は、この蓄積された情報に基づいて、出力画面を出力してもよい。

図１５は、本変形例における出力部１５０が表示装置に出力し、表示装置が表示する出力画面の一例を示す図である。図１５に示す出力画面１５１は、図５に示した出力画面５１と同様に領域５２、領域５３および領域５４を含む。また、出力画面８１は、転帰先予測結果が類似する患者の情報が表示される領域１５２を含む。

出力部１５０は、蓄積された情報を参照し、抽出結果と転帰先予測結果とが類似する患者を特定する。そして、出力部１５０は、特定した患者を示す情報を、領域１５２に表示させる。

これにより、出力画面１５１を参照する医療従事者に、抽出結果と転帰先予測結果とが類似する類似患者を把握させることができる。よって、医療従事者は、出力画面１５１に表示された類似患者の転帰先を確認するなどにより、転帰先が予測された患者の転帰先を決定することができる。したがって、本変形例における医療情報処理装置１００は、医療従事者による信頼度の高い転帰先の決定に対する支援を好適に行うことができる。

なお、本実施の形態に係る医療情報処理装置１００の出力部１５０は、例えば、抽出結果に含まれる項目のうち、医療従事者によって重みが付された項目を優先的に出力する構成であってもよい。例えば、転帰先予測結果が示す転帰先が「自宅」の場合において、抽出結果に含まれる項目が、「年齢」、「性別」、「意識レベル」および「同居人」であるとする。また、医療従事者によって、転帰先が「自宅」の場合の重みが付された項目が「意識レベル」と「合併症の有無」であるとする。この場合、出力部１５０は、「年齢」、「性別」および「同居人」よりも「意識レベル」を優先して出力してもよい。

＜第３の実施の形態＞
図１６は、本開示の第３の実施の形態に係る医療情報処理装置２００の構成の一例を示すブロック図である。図１６に示す通り、医療情報処理装置２００は、モデル記憶部１１０、取得部１２０、解析部１３０、抽出部１４０、出力部１５０、学習データ記憶部１６０、学習部１７０および予測部１８０を備える。医療情報処理装置２００は、医療情報処理装置１００に、更に学習データ記憶部１６０、学習部１７０および予測部１８０を備える構成である。

学習データ記憶部１６０は、学習データを格納する。学習データは、例えば、転帰先の情報を含む電子カルテである。なお、学習データの種類や数は特に限定されない。なお、学習データ記憶部１６０は、医療情報処理装置２００とは別個の記憶装置で実現される構成であってもよい。

学習部１７０は学習データ記憶部１６０に格納された学習データを用いて、学習を行い、予測モデルを生成する。学習部１７０は、任意の機械学習を行ってもよい。学習部１７０は、例えば、異種混合学習を行ってもよい。また、学習部１７０は、電子カルテの項目に重みが付されている場合、該重みに応じた学習を行ってもよい。電子カルテの項目に付される重みとは、医療従事者によって転帰先に影響を及ぼす項目として付された重要度である。例えば、転帰先が「自宅」の電子カルテを用いた学習の場合、例えば、「意識レベル」と「合併症の有無」とに対して重みが付される。学習部１７０は、生成した予測モデルと予測モデルを識別する識別子とを関連付けて、モデル情報としてモデル記憶部１１０に格納する。

予測部１８０は、モデル記憶部１１０に格納されたモデル情報を用いて、転帰先の予測を行う。予測部１８０が行う予測の方法は特に限定されない。予測部１８０は、モデル記憶部１１０に格納されたモデル情報に応じた予測を行ってもよい。また、予測部１８０は、予め設定された条件に応じて、転帰先を予測してもよい。

図１７は、予測部１８０が予測の際に参照する条件情報の一例を示す図である。条件情報は、モデル記憶部１１０に格納されてもよいし、予測部１８０内に格納されてもよい。

図１７に示す通り、条件情報１７１は、モデル識別子１７２と、条件１７３と、予測結果１７４とを含む。モデル識別子１７２は、モデルを識別する。モデル識別子１７２は、例えば、図４のモデル識別子４２に対応する。条件１７３は、予測モデルを用いた場合に得られる結果が満たすべき条件を示す。予測結果１７４は、条件を満たす場合に出力する転帰先を示す。

予測部１８０は、例えば、図４に示すモデル情報４１を用いて予測を行う場合に、モデル識別子４２が「１００１」の予測モデル４３を用いて、予測を行うとする。予測部１８０は、モデル識別子４２が「１００１」の予測モデル４３を用いて算出した値が満たす条件を、条件１７３を比較することによって特定し、特定した条件１７３に関連する予測結果１７４を、転帰先予測結果として出力する。

図１８は、本実施の形態に係る医療情報処理装置２００の処理の流れの一例を示すフローチャートである。図１８に示す通り、学習部１７０が学習データを用いて学習を行う（ステップＳ１８１）。学習が行われた結果である予測モデルは、モデル記憶部１１０に格納される。

予測部１８０は、モデル記憶部１１０に格納された予測モデルを用いて転帰先を予測する（ステップＳ１８２）。なお、ステップＳ１８２が行われるタイミングは、転帰先の予測の指示が例えば医療従事者によって入力されたときであってもよいし、任意の時間であってもよい。ステップＳ１８２が行われるタイミングは、医療情報処理装置２００に電子カルテが入力された時であってもよい。

その後、医療情報処理装置２００は、ステップＳ６１〜ステップＳ６６と同様の処理を行う（ステップＳ１８３〜ステップＳ１８８）。

以上により、医療情報処理装置２００は処理を終了する。

上述した通り、本実施の形態に係る医療情報処理装置２００は、医療情報処理装置１００に加え、学習データ記憶部１６０と、学習部１７０と、予測部１８０とを備える。これにより、取得部１２０が転帰先の予測に用いられた予測モデルをモデル記憶部１１０から取得することができるため、抽出部１４０は、転帰先の予測に影響を及ぼした項目をより正確に抽出することができる。よって、本実施の形態に係る医療情報処理装置２００は、医療従事者による信頼度の高い転帰先の決定に対する支援を更に好適に行うことができる。

（ハードウェア構成について）
本開示の各実施形態において、医療情報処理装置（１０、１００、２００）の各構成要素は、機能単位のブロックを示している。各装置の各構成要素の一部又は全部は、例えば図１９に示すような情報処理装置９００とプログラムとの任意の組み合わせにより実現される。図１９は、各装置の各構成要素を実現する情報処理装置９００のハードウェア構成の一例を示すブロック図である。情報処理装置９００は、一例として、以下のような構成を含む。

・ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１
・ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２
・ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３
・ＲＡＭ９０３にロードされるプログラム９０４
・プログラム９０４を格納する記憶装置９０５
・記録媒体９０６の読み書きを行うドライブ装置９０７
・通信ネットワーク９０９と接続する通信インタフェース９０８
・データの入出力を行う入出力インタフェース９１０
・各構成要素を接続するバス９１１
各実施形態における医療情報処理装置（１０、１００、２００）の各構成要素は、これらの機能を実現するプログラム９０４をＣＰＵ９０１が取得して実行することで実現される。医療情報処理装置（１０、１００、２００）の各構成要素の機能を実現するプログラム９０４は、例えば、予め記憶装置９０５やＲＯＭ９０２に格納されており、必要に応じてＣＰＵ９０１がＲＡＭ９０３にロードして実行される。なお、プログラム９０４は、通信ネットワーク９０９を介してＣＰＵ９０１に供給されてもよいし、予め記録媒体９０６に格納されており、ドライブ装置９０７が当該プログラムを読み出してＣＰＵ９０１に供給してもよい。

医療情報処理装置（１０、１００、２００）の実現方法には、様々な変形例がある。例えば、医療情報処理装置（１０、１００、２００）は、構成要素毎にそれぞれ別個の情報処理装置９００とプログラムとの任意の組み合わせにより実現されてもよい。また、医療情報処理装置（１０、１００、２００）が備える複数の構成要素が、一つの情報処理装置９００とプログラムとの任意の組み合わせにより実現されてもよい。

また、医療情報処理装置（１０、１００、２００）の各構成要素の一部又は全部は、その他の汎用または専用の回路、プロセッサ等やこれらの組み合わせによって実現される。
これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。

医療情報処理装置（１０、１００、２００）の各構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。

医療情報処理装置（１０、１００、２００）の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。

なお、上述した各実施の形態は、本開示の好適な実施の形態であり、上記各実施の形態にのみ本開示の範囲を限定するものではなく、本開示の要旨を逸脱しない範囲において当業者が上記各実施の形態の修正や代用を行い、種々の変更を施した形態を構築することが可能である。

この出願は、２０１７年８月３０日に出願された日本出願特願２０１７−１６５３７８を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０ 医療情報処理装置
１１ 取得部
１２ 抽出部
１３ 出力部
１００ 医療情報処理装置
１１０ モデル記憶部
１２０ 取得部
１３０ 解析部
１４０ 抽出部
１５０ 出力部
１６０ 学習データ記憶部
１７０ 学習部
１８０ 予測部
２００ 医療情報処理装置

Claims (10)

1. 転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用い、前記転帰先を分類するためのモデルとを取得する取得手段と、
   前記転帰先の予測に影響を及ぼす、所定の条件を満たす前記データ項目を、前記モデルから抽出する抽出手段と、
   抽出結果に基づいて、前記データ項目を前記転帰先予測結果に関連付けて出力する出力手段と、
   を備える医療情報処理装置。
2. 前記出力手段は、前記データ項目と該データ項目の項目値とを関連付けて出力する、
   請求項１に記載の医療情報処理装置。
3. 前記抽出手段は、前記データ項目に関連付けられる関連情報が前記所定の条件を満たす場合に、前記データ項目を前記モデルから抽出し、
   前記出力手段は、前記関連情報を前記データ項目に関連付けて出力する、
   請求項１または２に記載の医療情報処理装置。
4. 前記抽出手段は、前記データ項目のうち、前記転帰先と予測されたことに寄与する第１項目および前記転帰先とは異なる他の転帰先と予測されたことに寄与する第２項目を、前記関連情報の符号に基づいて抽出し、
   前記出力手段は、前記第１項目と前記転帰先と予測されたことに寄与することを表す第１情報とを関連付けて出力し、前記第２項目を前記第１情報とは異なる第２情報に関連付けて出力する、
   請求項３に記載の医療情報処理装置。
5. 前記転帰先予測結果は、複数の転帰先と、各転帰先に対する予測の確度とを含み、
   前記抽出手段は、前記転帰先に対する前記データ項目を、前記モデルから抽出し、
   前記出力手段は、前記転帰先ごとに、該転帰先に関連する前記データ項目を、該転帰先に関連付けて出力する、
   請求項１から４の何れか１項に記載の医療情報処理装置。
6. 前記出力手段は、前記転帰先予測結果の履歴を、該転帰先予測結果に関連する前記データ項目と共に出力する、
   請求項１から４の何れか１項に記載の医療情報処理装置。
7. 転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用い、前記転帰先を分類するためのモデルとを取得し、
   前記転帰先の予測に影響を及ぼす、所定の条件を満たす前記データ項目を、前記モデルから抽出し、
   抽出結果に基づいて、前記データ項目を前記転帰先予測結果に関連付けて出力する、
   医療情報処理方法。
8. 前記データ項目と該データ項目の項目値とを関連付けて出力する、
   請求項７に記載の医療情報処理方法。
9. 転帰先を予測した結果である転帰先予測結果と、該転帰先予測結果に関連するモデルであって、電子カルテに含まれるデータ項目を説明変数として用い、前記転帰先を分類するためのモデルとを取得する処理と、
   前記転帰先の予測に影響を及ぼす、所定の条件を満たす前記データ項目を、前記モデルから抽出する処理と、
   抽出結果に基づいて、前記データ項目を前記転帰先予測結果に関連付けて出力する処理と、
   をコンピュータに実行させるプログラムを記憶した、コンピュータ読み取り可能な記憶媒体。
10. 前記出力する処理は、前記データ項目と該データ項目の項目値とを関連付けて出力する、
    請求項９に記載の記憶媒体。

Images