WO2019220486A1 - 情報処理システム、情報処理方法および情報処理プログラム - Google Patents

情報処理システム、情報処理方法および情報処理プログラム Download PDF

Info

Publication number
WO2019220486A1
WO2019220486A1 PCT/JP2018/018497 JP2018018497W WO2019220486A1 WO 2019220486 A1 WO2019220486 A1 WO 2019220486A1 JP 2018018497 W JP2018018497 W JP 2018018497W WO 2019220486 A1 WO2019220486 A1 WO 2019220486A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
information processing
clinical
statistical
api
Prior art date
Application number
PCT/JP2018/018497
Other languages
English (en)
French (fr)
Inventor
江朗 勝田
Original Assignee
富士通株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to PCT/JP2018/018497 priority Critical patent/WO2019220486A1/ja
Priority to JP2020519218A priority patent/JPWO2019220486A1/ja
Publication of WO2019220486A1 publication Critical patent/WO2019220486A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics

Definitions

  • the present invention relates to an information processing system, an information processing method, and an information processing program.
  • the following information analysis device has been proposed as an example of a technology that provides information that can be used to determine a treatment policy for a patient.
  • This information analysis apparatus specifies similar patient information similar to patient information related to a specific patient from a plurality of patient information. And an information analysis device respond
  • patient medical data is classified and registered as public data and private data.
  • the medical data management device starts a migration preparation process for transferring at least a part of the non-public data to the public data when it is determined that an adverse event indicating a worsening tendency of the medical condition has occurred for the patient. To do.
  • clinical information in the database includes personal information
  • each patient corresponding to the clinical information can be used externally. It is necessary to obtain consent. This requires the consent of a large number of patients, so that there is a problem that the workload is high and its feasibility is low.
  • an object of the present invention is to provide an information processing system, an information processing method, and an information processing program that avoid acquiring personal information itself in order to analyze clinical information in a plurality of databases outside the apparatus.
  • an information processing system having a first information processing device and a plurality of second information processing devices.
  • a plurality of clinical databases are associated one-to-one with a plurality of second information processing apparatuses.
  • each of the plurality of clinical databases stores a plurality of clinical information about individual patients.
  • the first information processing apparatus transmits a search condition related to the characteristics of a specific patient to the plurality of second information processing apparatuses, and the first statistical information and the second statistics are received from each of the plurality of second information processing apparatuses. Information is received, and a risk related to a specific patient condition is determined based on the received first statistical information and second statistical information.
  • Each of the plurality of second information processing devices receives the search condition from the first information processing device, and retrieves the first clinical information that matches the search condition from the corresponding clinical database among the plurality of clinical databases, and the search Search for second clinical information that does not match the conditions, generate first statistical information based on the first clinical information, generate second statistical information based on the second clinical information, The first statistical information and the second statistical information are transmitted to the first information processing apparatus.
  • an information processing method in which a computer executes the same processing as that of the first information processing apparatus. Furthermore, in one proposal, an information processing program that causes a computer to execute the same processing as the first information processing apparatus is provided.
  • FIG. 1 is a diagram illustrating a configuration example and a processing example of the information processing system according to the first embodiment.
  • the information processing system shown in FIG. 1 includes information processing apparatuses 1 to 4. Note that the processing of the information processing apparatuses 1 to 4 described below is realized by, for example, a processor included in each of the information processing apparatuses 1 to 4 executing a predetermined program.
  • the information processing apparatus 2 is associated with a clinical database (DB) 2a.
  • the information processing apparatus 3 is associated with a clinical database (DB) 3a.
  • the information processing apparatus 4 is associated with a clinical database (DB) 4a.
  • clinical databases 2a, 3a, and 4a are provided inside information processing apparatuses 2, 3, and 4, respectively.
  • Each of the clinical databases 2a, 3a, 4a stores a plurality of pieces of clinical information about individual patients.
  • the information processing apparatus 1 is an apparatus for comprehensively analyzing clinical information stored in the clinical databases 2a, 3a, and 4a.
  • the information processing apparatus 1 determines the risk regarding the state of a specific patient as such an analysis process.
  • each clinical information stored in the clinical databases 2a, 3a, 4a includes personal information. For this reason, in order to directly use these clinical information in the information processing apparatus 1 which is an external apparatus, it is necessary to obtain consent for external use of information from the patient corresponding to each clinical information. However, the work of obtaining consent from patients corresponding to all clinical information is expensive and difficult to realize.
  • the information processing apparatus 1 causes the information processing apparatuses 2, 3, and 4 to generate statistical information that does not specify an individual based on the clinical information in the clinical databases 2a, 3a, and 4a, and uses these statistical information. Perform analysis. This can prevent the information processing apparatus 1 from acquiring personal information itself from the external information processing apparatuses 2 to 4 for analysis. Therefore, it is not necessary to obtain consent from the patient corresponding to each clinical information to externally provide each clinical information stored in the clinical databases 2a, 3a, 4a.
  • the information processing apparatus 1 transmits a search condition 11 relating to the characteristics of a specific patient to the information processing apparatuses 2 to 4 (step S1).
  • the information processing apparatus 2 searches the clinical database 2a for the first clinical information that matches the search condition 11 and the second clinical information that does not match the search condition 11 (step S2a). Then, the information processing device 2 generates the statistical information 12a1 based on the searched first clinical information, and generates the statistical information 12a2 based on the searched second clinical information, and the statistical information 12a1, 12a2 Is transmitted to the information processing apparatus 1 (step S3a).
  • the information processing device 3 searches the clinical database 3a for first clinical information that matches the search condition 11 and second clinical information that does not match the search condition 11 (step S2b). Then, the information processing device 3 generates the statistical information 12b1 based on the searched first clinical information, and generates the statistical information 12b2 based on the searched second clinical information, and the statistical information 12b1, 12b2 Is transmitted to the information processing apparatus 1 (step S3b). Further, the information processing apparatus 4 searches the clinical database 4a for first clinical information that matches the search condition 11 and second clinical information that does not match the search condition 11 (step S2c).
  • the information processing device 4 generates the statistical information 12c1 based on the searched first clinical information, and generates the statistical information 12c2 based on the searched second clinical information, and the statistical information 12c1, 12c2 Is transmitted to the information processing apparatus 1 (step S3c).
  • the information processing apparatus 1 determines the risk related to the condition of the specific patient based on the received statistical information 12a1, 12a2, 12b1, 12b2, 12c1, 12c2, and outputs the determination result 13 (step S4).
  • the information processing apparatus 1 may set a lot of clinical information as an analysis target as compared with the case of analyzing clinical information based on any one of the clinical databases 2a, 3a, and 4a. it can. For this reason, since the analysis precision of clinical information can be improved, the judgment precision of the risk regarding a patient's state can be improved. Such high-accuracy analysis can be realized without obtaining consent for external provision of personal information from a large number of patients.
  • FIG. 2 is a diagram illustrating a configuration example of a medical assistance system according to the second embodiment.
  • the medical assistance system shown in FIG. 2 includes an integrated server 100 and facility servers 200, 300, and 400.
  • the integrated server 100 and the facility servers 200, 300, 400 are connected via the network 500.
  • terminal devices 210, 310, and 410 are connected to the facility servers 200, 300, and 400, respectively.
  • the facility server 200 and the terminal device 210 are installed in the facility A.
  • the facility server 300 and the terminal device 310 are installed in the facility B.
  • the facility server 400 and the terminal device 410 are installed in the facility C.
  • Facilities A to C are medical related facilities, respectively.
  • a medical facility is a medical facility where medical practice is performed, such as a hospital or a clinic.
  • the medical-related facility may be a facility of a health insurance association of a company or group.
  • the facility servers 200, 300, and 400 include case databases (DB) 201, 301, and 401, respectively.
  • Case information for each patient is registered in the case databases 201, 301, and 401.
  • case information information on a plurality of items related to the patient is registered.
  • case information includes attribute information such as patient gender, patient examination results, patient diagnosis results, whether or not a treatment method has been implemented, patient status (medical condition), and period until the status. be registered.
  • case information related to patients managed by the facility A is registered.
  • the facility server 200 can output the contents of the case information registered in the case database 201 to the terminal device 210 in response to a request from the terminal device 210. Further, the facility server 200 can search the case database 201 for case information of a similar case similar to a certain case in response to a search request from the terminal device 210 and output the case information to the terminal device 210.
  • Users belonging to the facility A for example, doctors, laboratory technicians, etc.
  • case database 301 case information regarding patients managed by the facility B is registered.
  • case database 401 case information related to a patient managed by the facility C is registered.
  • the facility servers 300 and 400 can execute the same processing as the facility server 200 using the case databases 301 and 401, respectively.
  • the facility server 300 can output the content of the case information registered in the case database 301 to the terminal device 310 in response to a request from the terminal device 310. Also, the facility server 300 can search the case database 301 for case information of similar cases similar to a certain case in response to a search request from the terminal device 310, and output the case information to the terminal device 310. Similarly, the facility server 400 can output the content of the case information registered in the case database 401 to the terminal device 410 in response to a request from the terminal device 410. Further, the facility server 400 can search the case database 401 for case information of similar cases similar to a certain case in response to a search request from the terminal device 410, and output the case information to the terminal device 410.
  • users belonging to the facilities A to C can search the corresponding case database, refer to the contents of the registered case information, and use the contents for medical practice.
  • the number of cases registered in the case database of one facility may not be sufficient for use in medical practice. For example, if the number of cases registered in the case database of one facility is small, the search accuracy of similar cases and the accuracy of analysis based on the search results may be low. For this reason, it is desired to mutually utilize the case information in the case databases 201, 301, and 401 between the facilities A to C.
  • the case information is personal information related to the privacy of the patient, so the consent of the patient himself is required for its use.
  • the patient belonging to the facility A agrees that the case information about himself registered in the case database 201 is used inside the facility A.
  • the patient belonging to the facility B agrees that the case information regarding himself / herself registered in the case database 301 is used inside the facility B.
  • the patient belonging to the facility C agrees that the case information regarding himself / herself registered in the case database 401 is used inside the facility C.
  • the facility servers 200, 300, and 400 do not provide the contents of the case information registered in the case databases 201, 301, and 401 as they are, but instead convert them into statistical information and integrate the server 100.
  • the facility server 200 does not output the contents of similar cases retrieved from the case database 201 to the integrated server 100 as they are, but instead counts the number of similar cases retrieved, the average value of specific items in each similar case, Convert to statistical information such as maximum and minimum values.
  • Such statistical information does not identify an individual and is not information related to the individual, and can be used by the external integrated server 100 without obtaining the consent of the patient.
  • the integrated server 100 integrates the provided statistical information to generate “integrated statistical information”, and provides the generated integrated statistical information to users belonging to the facilities A to C. Further, the integrated server 100 may perform a test on the possibility of suffering from a specific disease or the transition of the value of a specific test item based on the integrated statistical information, and provide the test result to the user.
  • the integrated server 100 acquires the case information registered in the case databases 201, 301, and 401 in a range that does not require the patient's consent, and the acquired information is stored in the facility A.
  • the users C to C can use the integrated server 100. Therefore, a system that can mutually use the case databases 201, 301, and 401 between the facilities A to C can be easily constructed, and more useful information can be provided to the user than when a single case database is used. .
  • FIG. 3 is a diagram illustrating a hardware configuration example of the integrated server.
  • the integrated server 100 is realized, for example, as a computer as shown in FIG.
  • the integrated server 100 is entirely controlled by a processor 101.
  • the processor 101 may be a multiprocessor.
  • the processor 101 is, for example, a central processing unit (CPU), a micro processing unit (MPU), a digital signal processor (DSP), an application specific integrated circuit (ASIC), or a programmable logic device (PLD).
  • the processor 101 may be a combination of two or more elements among CPU, MPU, DSP, ASIC, and PLD.
  • a RAM (Random Access Memory) 102 and a plurality of peripheral devices are connected to the processor 101 via a bus 108.
  • the RAM 102 is used as a main storage device of the integrated server 100.
  • the RAM 102 temporarily stores at least part of an OS (Operating System) program and application programs to be executed by the processor 101.
  • the RAM 102 stores various data necessary for processing by the processor 101.
  • Peripheral devices connected to the bus 108 include an HDD (Hard Disk Drive) 103, a graphic processing device 104, an input interface 105, a reading device 106, and a communication interface 107.
  • HDD Hard Disk Drive
  • Peripheral devices connected to the bus 108 include an HDD (Hard Disk Drive) 103, a graphic processing device 104, an input interface 105, a reading device 106, and a communication interface 107.
  • HDD Hard Disk Drive
  • the HDD 103 is used as an auxiliary storage device of the integrated server 100.
  • the HDD 103 stores an OS program, application programs, and various data.
  • As the auxiliary storage device other types of nonvolatile storage devices such as SSD (SolidSoState Drive) can be used.
  • the graphic processing device 104 is connected to a display device 104a.
  • the graphic processing device 104 displays an image on the display device 104a in accordance with an instruction from the processor 101.
  • Examples of the display device 104a include a liquid crystal display and an organic EL (Electroluminescence) display.
  • the input device 105 a is connected to the input interface 105.
  • the input interface 105 transmits a signal output from the input device 105a to the processor 101.
  • Examples of the input device 105a include a keyboard and a pointing device.
  • Examples of pointing devices include a mouse, a touch panel, a tablet, a touch pad, and a trackball.
  • the portable recording medium 106a is detached from the reading device 106.
  • the reading device 106 reads the data recorded on the portable recording medium 106 a and transmits it to the processor 101.
  • Examples of the portable recording medium 106a include an optical disk, a magneto-optical disk, and a semiconductor memory.
  • the communication interface 107 transmits and receives data to and from other devices such as the facility servers 200, 300, and 400 via the network 500.
  • the processing function of the integrated server 100 can be realized.
  • the facility servers 200, 300, and 400 can also be realized as a computer having a hardware configuration as shown in FIG. 3, for example.
  • FIG. 4 is a diagram showing an outline of the integrated analysis processing in the diagnosis support system.
  • the integrated server 100 receives a case information analysis request from a terminal device of any facility via the facility server of the facility.
  • a case information analysis request is transmitted from the terminal device 210 of the facility A to the integrated server 100.
  • the analysis request to be transmitted includes a search condition for searching for a similar case similar to the case of a patient to be diagnosed. For example, a value (item value) registered in one or more items in the patient case information such as attribute information and test results of the patient to be diagnosed is designated as a search condition for similar cases.
  • the analysis request may include information specifying a risk determination target. For example, when determining the possibility that a patient to be diagnosed suffers from a specific disease, the name of the disease is specified as information indicating the risk determination target. In addition, for example, when determining the possibility that the item value of a certain inspection item for a diagnosis target patient is deteriorated, the item name is specified as information indicating the risk determination target.
  • the integrated server 100 requests the facility servers 200, 300, and 400 to analyze the information registered in the case databases 201, 301, and 401 based on the received analysis request.
  • this analysis request for example, processing such as retrieval from the case databases 201, 301, and 401 and calculation of statistical values based on the retrieval result is required.
  • the facility servers 200, 300, and 400 execute the requested analysis processing, and transmit statistical information as an analysis result to the integrated server 100.
  • the contents of the case information retrieved from the case databases 201, 301, and 401 are not transmitted as they are from the facility servers 200, 300, and 400 to the integrated server 100.
  • Analysis results based on the case databases 201, 301, and 401 are transmitted from the facility servers 200, 300, and 400 to the integrated server 100 as statistical information that cannot identify individuals.
  • the integrated server 100 executes analysis processing using the statistical information received from the facility servers 200, 300, and 400.
  • the integration server 100 generates integrated statistical information obtained by integrating the received statistical information.
  • the integrated statistical information is information obtained by converting statistical information generated based on each of the case databases 201, 301, and 401 into statistical information of the entire case databases 201, 301, and 401.
  • the integrated server 100 transmits the generated integrated statistical information to the facility server 200 and causes the terminal device 210 to display the content.
  • the integrated server 100 performs risk determination based on integrated statistical information, when risk determination is requested
  • the integrated server 100 transmits the determination result to the facility server 200 and causes the terminal device 210 to display the content.
  • These applications AP2a, AP2b, AP2c,... are stored in, for example, storage devices (for example, HDDs) included in the facility servers 200, 300, and 400, respectively.
  • Application AP2a, AP2b, AP2c,... are programs for executing individual processes such as a specific search process and a specific statistical information calculation process.
  • API Application Programming Interface
  • the integrated server 100 can call an application corresponding to the selected API and execute it on the facility servers 200, 300, and 400 by selecting an API and specifying an execution condition via the selected API.
  • the integrated server 100 also includes applications AP1a, AP1b, AP1c,... For executing analysis based on information acquired from the facility servers 200, 300, and 400. These applications AP1a, AP1b, AP1c,... Are stored in the HDD 103 of the integrated server 100, for example.
  • Application AP1a, AP1b, AP1c,... Is a program for executing individual processing such as calculation processing of specific integrated statistical information.
  • APIs corresponding to the applications AP1a, AP1b, AP1c,... are also prepared.
  • the integrated server 100 can call an application corresponding to the selected API by selecting an API and specifying an execution condition via the selected API, and execute processing according to the application.
  • the analysis method is specified.
  • the order of applications to be used is set in advance for each analysis method.
  • an “API chain” indicating an API selection order corresponding to an application is set in advance, thereby setting an application use order.
  • the integrated server 100 determines the API chain corresponding to the designated analysis method, and executes the corresponding application while sequentially selecting APIs according to the API chain, thereby corresponding to the designated analysis method. Controls the execution of analysis processing.
  • a mechanism is provided in which an application is prepared for each individual process, and the integrated server 100 can use an arbitrary application from among them. Accordingly, various types of analysis processing can be easily executed using the integrated server 100 and the facility servers 200, 300, and 400.
  • FIG. 5 is a block diagram illustrating an example of processing functions included in the integrated server and the facility server.
  • the integrated server 100 includes a storage unit 110, an analysis reception processing unit 121, and an analysis processing unit 122.
  • the storage unit 110 is realized as a storage area of a storage device provided in the integrated server 100, such as the RAM 102 and the HDD 103, for example.
  • the processing of the analysis reception processing unit 121 and the analysis processing unit 122 is realized by the processor 101 executing a predetermined program, for example.
  • the storage unit 110 stores an agreement information management table 111, an item management table 112, an API list table 113, and an API chain management table 114.
  • the consent information management table 111 information indicating whether the facilities A to C agree to provide statistical information based on the case databases 201, 301, and 401 to the outside is registered. As such information, for example, not only information indicating the presence / absence of consent to the outside, but also other facilities that agree to provide information and other facilities that do not agree to provide information may be designated.
  • the consent information management table 111 information indicating consent / disagreement is managed in units of facilities, not information indicating consent / disagreement in units of patients. For this reason, it is possible to confirm the consent / disagreement of information provision with less work and register it in the consent information management table 111 as compared with the case of confirming consent / disagreement for each patient.
  • the item management table 112 a list of items to be analyzed is registered.
  • information indicating whether each item exists in the case database 201, 301, 401 is registered.
  • another item referred to as the second item showing the same content as the first item. May exist in the case database.
  • the second item is registered in the item management table 112 in association with the first item.
  • the integrated server 100 searches the case database in which the first item does not exist but the second item exists, and the second item is the search condition. Can be used as a search.
  • API list table 113 a list of available APIs is registered. Each of the APIs registered in the API list table 113 is associated with any one of the aforementioned applications AP1a, AP1b, AP1c,... And applications AP2a, AP2b, AP2c,.
  • an API chain indicating an API selection order for each analysis method is registered.
  • the integrated server 100 refers to the API chain management table 114 to determine the API chain corresponding to the designated analysis method.
  • the integration server 100 can control the execution of the analysis processing corresponding to the designated analysis method by sequentially executing the corresponding applications by selecting APIs according to the order set in the determined API chain. .
  • the analysis reception processing unit 121 receives an analysis request from any of the facility servers 200, 300, and 400.
  • the analysis acceptance processing unit 121 transmits the result of the analysis process to the facility server that is the source of the analysis request, and displays the analysis result on a terminal device connected to the facility server.
  • the analysis processing unit 122 determines the API chain corresponding to the analysis method specified in the analysis request, and selects the APIs according to the order set in the API chain, thereby causing the corresponding applications to be executed in order. Thereby, the analysis processing unit 122 controls execution of the analysis processing.
  • the facility server 200 includes a storage unit 220, an analysis request processing unit 231, and an analysis processing unit 232.
  • the storage unit 220 is realized as a storage area of a storage device (not shown) provided in the facility server 200 such as a RAM or an HDD.
  • the processing of the analysis request processing unit 231 and the analysis processing unit 232 is realized by, for example, a processor (not shown) included in the facility server 200 executing a predetermined program.
  • a case database 201 is stored in the storage unit 220. Note that the case database 201 may be stored in a storage device connected to the outside of the facility server 200.
  • the analysis request processing unit 231 transmits an analysis request to the integrated server 100 in response to a user input operation on the terminal device 210.
  • the analysis request processing unit 231 receives the analysis result from the integrated server 100 and causes the terminal device 210 to display the content.
  • the analysis processing unit 232 executes an analysis process using the case database 201 by executing the applications AP2a, AP2b, AP2c,... In response to a request from the analysis processing unit 122 of the integrated server 100.
  • FIG. 6 is a diagram illustrating a configuration example of an API list table.
  • the API list table 113 includes items of ID (Identification), classification, API name, and data type.
  • an API identification number is registered.
  • the API name item the name of the API is registered.
  • the API is classified based on the processing contents of the corresponding application, and information indicating which class the API belongs to is registered in the classification item.
  • information related to API specifications is registered. For example, the format of request data input to the API to request execution of the corresponding application, the format of response data output from the API after execution of the corresponding application, and the like are registered in the data type item.
  • APIs are classified into, for example, a local basic statistic API, an integration basic statistic API, an integration two-group test API, and a group search API.
  • the local basic statistic API and the group search API are APIs corresponding to the applications AP2a, AP2b, AP2c,... Executed by the facility servers 200, 300, and 400.
  • the basic statistic API for integration and the two-group test API for integration are APIs corresponding to the applications AP1a, AP1b, AP1c,.
  • the local basic statistic API includes, for example, the number of cases, specific item aggregation (nominal scale), specific item / average value, specific item / maximum value, specific item / minimum value, specific item / sum of squares, specific item value acquisition , Execution result acquisition, specific item aggregation (proportional scale), and numerical filter API are included. These APIs correspond to applications for acquiring case information or item values from the case databases 201, 301, 401 or calculating statistical information based on the acquired case information and item values.
  • the integrated basic statistic API includes, for example, the number of cases, specific item aggregation (nominal scale), specific item / average value, specific item / maximum value, specific item / minimum value, specific item / sum of squares, standard deviation, unbiased APIs of variance and specific item aggregation (proportional scale) are included. These APIs correspond to applications for calculating integrated statistical information based on statistical information obtained from the facility servers 200, 300, and 400.
  • the integrated two-group test API includes an API corresponding to an application for executing the two-group test.
  • the integrated two-group test API includes APIs such as chi-square test, Fisher test, Student's T test, and Welch's T test.
  • the group search API includes, for example, an API called similarity calculation.
  • FIG. 7 is a diagram illustrating a configuration example of an API chain management table.
  • an ID of an API to be used and an execution condition are registered in association with each analysis method.
  • the API ID corresponding to one analysis method is registered in accordance with the API selection order.
  • the registration order of API IDs indicates the execution order of the corresponding applications.
  • the execution condition indicates a condition when the corresponding application is executed. For example, search conditions and information indicating which application execution results previously executed are used as input are described as execution conditions.
  • FIG. 8 is a diagram illustrating a configuration example of a case database.
  • FIG. 8 shows a configuration example of the case database 201 as an example.
  • item values of a plurality of items are registered in association with a patient ID for identifying a patient.
  • the items include items indicating patient attributes such as sex and age, and items indicating test results such as height and weight.
  • items indicating diagnosis results indicating whether or not a specific disease has occurred items indicating whether or not a specific treatment method is performed, items indicating a patient's condition (medical condition), and a patient is in a specific state
  • case database 201 is illustrated in FIG. 8, the case databases 301 and 401 can have the same configuration. However, all of the case databases 201, 301, and 401 may not have the same item.
  • FIG. 9 is an example of a flowchart showing the flow of processing of the integrated server.
  • the process of FIG. 9 is started when an input operation for an analysis request is performed on any of the terminal devices 210, 310, and 410.
  • an input operation has been performed on the terminal device 210.
  • the integrated server 100 is required to perform an analysis process for determining a risk for a patient to be diagnosed.
  • the patient to be diagnosed may be one patient whose case information is registered in the case database 201, or may be another patient whose case information is not registered in the case database 201.
  • Step S11 Various setting information for analysis is input to the terminal device 210 by the user.
  • the analysis request processing unit 231 of the facility server 200 generates request data based on the input information, and transmits the request data to the integrated server 100 to request analysis execution.
  • the analysis reception processing unit 121 of the integrated server 100 receives an analysis request by receiving request data.
  • FIG. 10 is a diagram showing a display example of the analysis request screen.
  • the patient to be diagnosed is a patient whose case information is registered in the case database 201.
  • the user performs an operation of designating a patient to be diagnosed using the terminal device 210, for example. Then, for example, an analysis request screen 211 as shown in FIG. 10 is displayed on the terminal device 210 by the processing of the analysis request processing unit 231.
  • the analysis request screen 211 includes a setting area 211a for similarity search setting, a setting area 211b for analysis setting, and an analysis execution button 211c.
  • setting parameters relating to the search for similar cases are set.
  • an item name and an item value to be searched are specified.
  • an item name is specified in the setting area 211a in FIG.
  • height, weight, BMI, systolic blood pressure, diastolic blood pressure, pulse rate, white blood cell count, red blood cell count, and hemoglobin amount indicate item names, and a check box is provided for each item name. The user can specify the search target by clicking the check box corresponding to the item name to be searched.
  • the analysis request processing unit 231 reads the item value corresponding to the specified item name by referring to the case information of the patient to be diagnosed, The item value is set as a search condition.
  • the patient to be diagnosed is a patient whose case information is not registered in the case database 201, the item value is input together with the item name by the user on the analysis request screen.
  • a similarity threshold for discriminating similar cases is set by a numerical value.
  • setting parameters relating to the entire analysis process are set.
  • the analysis method is information indicating what kind of test method is used.
  • the analysis target range is information indicating which facility's case database is used for analysis processing.
  • the objective variable is information indicating a disease name or a test item that is a risk determination target. As the objective variable, any item name indicating a disease name or a test item is selectively set.
  • the analysis execution button 211c is an image for requesting execution of analysis processing. When the analysis execution button 211c is pressed, input information for the analysis request screen 211 is transmitted to the facility server 200.
  • FIG. 11 is a diagram illustrating a configuration example of request data for an analysis request.
  • the analysis request processing unit 231 Upon receiving the input information for the analysis request screen 211 in FIG. 10, the analysis request processing unit 231 generates request data 241 as shown in FIG. In the request data 241, a request ID indicating identification information of the request data 241, a similarity calculation parameter, and an analysis parameter are set.
  • the similarity calculation parameter indicates a setting parameter related to the similarity calculation.
  • the similarity calculation parameter includes a similarity calculation variable and a similarity threshold.
  • As the similarity calculation variable one or more pairs of item names and item values to be searched are set. For example, as the similarity calculation variable, the item name specified in the setting area 211a in FIG. 10 and the item value corresponding to the item name are set.
  • the similarity threshold indicates a threshold for discriminating similar cases. For example, a numerical value of the similarity threshold value input to the setting area 211a in FIG. 10 is set as the similarity threshold value.
  • Analytical parameters indicate setting parameters related to the entire analysis process.
  • the analysis parameters include an analysis method, a target facility name, and an objective variable.
  • the analysis method indicates what kind of test method is used.
  • the target facility name indicates which facility's case database is used for the analysis process.
  • the objective variable indicates an item name corresponding to a disease name or a search item to be a risk determination target.
  • information specified in the analysis method, analysis target range, and objective variable fields of the setting area 211 b in FIG. 10 is set as the analysis method, target facility name, and objective variable, respectively.
  • the analysis reception processing unit 121 refers to the consent information management table 111 and confirms whether or not each facility set as the target facility name in the request data 241 agrees to use statistical information.
  • the analysis acceptance processing unit 121 confirms whether or not the facility A uses the statistical information from the facilities B and C. To do.
  • the analysis reception processing unit 121 refers to the item management table 112, and the items set as the similarity calculation variable and the objective variable in the request data 241 are stored in the case databases 201, 301, and 401 used for the analysis. Check if it exists. In addition, when an item set in the request data 241 does not exist in the case database, the analysis reception processing unit 121 confirms whether there is an item indicating the same content as the item.
  • an item that does not exist in any of the case databases 201, 301, and 401 and does not have an item indicating equivalent content is described as “missing item”.
  • Step S14 The analysis acceptance processing unit 121 determines the next processing step based on the confirmation results in steps S12 and S13. If there is even one facility that does not agree to use information in step S12, the analysis acceptance processing unit 121 advances the process to step S15. In addition, when there is even one missing item among the items set in the request data 241 in step S13, the analysis acceptance processing unit 121 advances the processing to step S15. On the other hand, if neither of these two conditions is satisfied, the analysis acceptance processing unit 121 advances the process to step S16.
  • Step S15 The analysis acceptance processing unit 121 transmits information indicating the confirmation results in steps S12 and S13 to the facility server 200, displays the confirmation results on the terminal device 210, and notifies the user of the contents. To do. For example, the user is notified that there are facilities that do not agree to use the information and that there are missing items.
  • the user can select whether to continue or end the analysis process based on the information displayed on the terminal device 210. For example, the user can continue the analysis process by requesting the integrated server 100 to exclude the facility name of the facility that does not agree to use the information from the target facility name. Alternatively, when there is a missing item among the items set as the similarity calculation variable, the user can request the integrated server 100 to exclude the missing item and continue the analysis process. In addition, when the item set as the objective variable is a shortage item, the user can continue the analysis process by changing the item set as the objective variable. However, in this case, when the changed item is a missing item, the process of step S15 is executed again.
  • Step S15 If an input operation for ending the analysis process is performed by the user, the process ends in step S15.
  • the analysis acceptance processing unit 121 determines items to be set as similarity calculation variables and objective variables, and a facility to be analyzed. When it is determined as “No” in step S14, the items and the facilities are determined as set in the request data 241 from the facility server 200. On the other hand, if “Yes” is determined in step S14, the item and the facility are determined according to the input operation of the user in step S15.
  • Step S15 it is assumed that an input is made by the user so as to exclude the facility C from the target facility name.
  • Step S16 facilities A and B are determined as the target facility names.
  • the analysis processing unit 122 of the integrated server 100 acquires statistical information from the facility server 200 of the facility A and the facility server 300 of the facility B, but from the facility server 400 of the facility C. Do not collect statistical information.
  • utilization of statistical information can be restrict
  • the analysis processing unit 122 refers to the API chain management table 114 and determines an API chain corresponding to the analysis method set in the request data 241.
  • the analysis processing unit 122 selects an unselected API existing at the head of the APIs included in the API chain determined in Step S17. [Step S19] The analysis processing unit 122 generates input data for the API selected in Step S18 (hereinafter referred to as “API input data”). The analysis processing unit 122 causes the application corresponding to the selected API to be executed using the generated API data.
  • the analysis processing unit 122 transmits the API input data to the facility servers 200, 300, 400.
  • the analysis processing unit 232 of the facility server 200 executes the corresponding application using the received API input data, and transmits output data indicating the execution result (hereinafter referred to as “API output data”) to the integrated server 100. To do. Similar processing is executed in the facility servers 300 and 400.
  • the API output data from the facility servers 200, 300, 400 may include, for example, information indicating completion of execution of the application, or may include statistical information obtained by execution in addition thereto.
  • the analysis processing unit 122 executes the corresponding application using the generated API input data. Then, API output data indicating the execution result is output.
  • Step S20 The analysis processing unit 122 determines whether to end the analysis processing.
  • the analysis processing unit 122 determines to end the analysis processing when all APIs included in the API chain determined in step S17 have been selected. When there is an unselected API and the analysis processing is continued, the analysis processing unit 122 proceeds with the process to step S18 and selects the next unselected API. On the other hand, when ending the analysis process, the analysis processing unit 122 proceeds with the process to step S21.
  • the analysis reception processing unit 121 transmits the analysis result to the facility server 200.
  • the analysis result includes the calculated integrated statistical information and the risk determination result.
  • the facility server 200 displays the analysis result on the terminal device 210 and notifies the user of the contents.
  • FIGS. 12 to 14 are sequence diagrams showing a first example of analysis processing. Note that the processes in FIGS. 12 to 14 correspond to the processes of the integrated server 100 and the facility servers 200, 300, and 400 in steps S18 to S20 in FIG.
  • HbA1c hemoglobin A1c
  • the analysis processing unit 122 of the integrated server 100 refers to the API chain management table 114 to determine the API chain corresponding to the student's T test (corresponding to step S17 in FIG. 9). Then, the following processing is started.
  • the analysis processing unit 122 sets the similarity calculation variable of the request data 241 as input API data, and transmits this input API data to the facility servers 200, 300, and 400. Thereby, the facility server 200, 300, 400 is requested to calculate the similarity (step S31).
  • the similarity for example, the cosine similarity, the pearson similarity, and the like are calculated using each item value set in the similarity calculation variable and the item value of the same item included in the case information.
  • the analysis processing unit 232 creates a file describing the degree of similarity for each case information, and temporarily stores it in the storage unit 220. When the above processing is completed, the analysis processing unit 232 responds by transmitting API output data indicating that the processing is completed to the integrated server 100 (step S33).
  • the analysis processing units of the facility servers 300 and 400 also execute the processes of steps S32 and S33.
  • the analysis processing unit 122 sets the similarity threshold of the request data 241, information instructing to narrow down case information equal to or greater than the threshold, and the file name of the file created in step S ⁇ b> 32 in the input API data.
  • the analysis processing unit 122 transmits the input API data to the facility servers 200, 300, and 400. Thereby, the facility servers 200, 300, and 400 are requested to narrow down similar cases (step S34).
  • the analysis processing unit 122 sets the file name of the file created in step S35 as input API data, and transmits this input API data to the facility servers 200, 300, and 400. Thereby, the facility servers 200, 300, and 400 are requested to calculate the number of similar cases (step S37).
  • the analysis processing unit 122 sets the file name of the file created in step S35 and the objective variable of the request data 241 as input API data, and transmits this input API data to the facility servers 200, 300, and 400. Thereby, acquisition of a specific item value is requested
  • the analysis processing unit 232 refers to the case database 201 and acquires the item value of the item (HbA1c) set as the objective variable from the case information of each similar case narrowed down in step S35 (step S42).
  • the analysis processing unit 232 creates a file describing each acquired item value, and temporarily stores it in the storage unit 220.
  • the analysis processing unit 232 sends API output data indicating that the processing is completed to the integrated server 100 and responds (step S43).
  • the analysis processing units of the facility servers 300 and 400 also execute the processes of steps S42 and S43.
  • the analysis processing unit 122 sets the file name of the file created in step S42 in the input API data, and transmits this input API data to the facility servers 200, 300, and 400. Thereby, the facility server 200, 300, 400 is requested to calculate the total value of the specific item values (step S44).
  • the analysis processing unit 122 sets the file name of the file created in step S42 in the input API data, and transmits this input API data to the facility servers 200, 300, and 400. Thereby, the facility server 200, 300, 400 is requested to calculate the sum of squares of the specific item value (step S47).
  • the analysis processing unit 122 sets the file names of the files created in steps S38, S45, and S48 as input API data, and transmits the input API data to the facility servers 200, 300, and 400. Thereby, the execution results in steps S38, S45, and S48 are requested to the facility servers 200, 300, and 400 (step S50).
  • the analysis processing unit 122 sets the number of similar cases received from the facility servers 200, 300, and 400 in step S51 as input API data.
  • the analysis process part 122 calculates the number of cases (integrated similar case number) which totaled the number of similar cases received from the facility server 200,300,400 (step S61).
  • the number of integrated similar cases indicates the total number of similar cases retrieved from the case databases 201, 301, and 401.
  • the analysis processing unit 122 sets the total value of the item values received from the facility servers 200, 300, and 400 in step S51 as input API data.
  • the analysis process part 122 adds the total value received from the facility server 200,300,400, and calculates an integrated total value (step S62).
  • the integrated total value indicates a value obtained by summing the item values of the specific item (HbA1c) for all similar cases retrieved from the case databases 201, 301, and 401.
  • the analysis processing unit 122 sets the number of integrated similar cases calculated in step S61 and the integrated total value calculated in step S62 as input API data.
  • the analysis processing unit 122 divides the integrated total value by the number of integrated similar cases, and calculates the average value (integrated average value) of the item values (step S63).
  • the integrated average value indicates a value obtained by averaging the item values of the specific item (HbA1c) for all similar cases retrieved from the case databases 201, 301, and 401.
  • the analysis processing unit 122 sets the sum of squares of the item values received from the facility servers 200, 300, and 400 in step S51 in the input API data.
  • the analysis processing unit 122 further squares each square sum received from the facility servers 200, 300, and 400, and calculates an integrated square sum obtained by adding the square values (step S64).
  • the integrated square sum indicates a sum of squares calculated based on the item value of the specific item (HbA1c) for all similar cases retrieved from the case databases 201, 301, and 401.
  • the analysis processing unit 122 sets the number of integrated similar cases calculated in step S61, the integrated average value calculated in step S63, and the integrated square sum calculated in step S64 in the input API data.
  • the analysis process part 122 calculates the standard deviation of the item value of a specific item (HbA1c) about all the similar cases searched from case database 201,301,401 (step S65).
  • the standard deviation may be calculated using each square sum that is a source of calculation of the integrated square sum instead of the integrated square sum.
  • the analysis processing unit 122 sets the standard deviation calculated in step S65 and the integrated similar case number calculated in step S61 as input API data.
  • the analysis processing unit 122 calculates the unbiased variance of the item value of the specific item (HbA1c) for all similar cases retrieved from the case databases 201, 301, and 401 (step S66).
  • the unbiased variance is calculated by the formula “standard deviation * standard deviation * ⁇ number of integrated similar cases / (number of integrated similar cases ⁇ 1) ⁇ ”.
  • the analysis processing unit 122 sets the similarity threshold of the request data 241, information instructing to narrow down case information less than the threshold, and the file name of the file created in step S ⁇ b> 32 in the input API data.
  • the analysis processing unit 122 transmits the input API data to the facility servers 200, 300, and 400. Thereby, the facility servers 200, 300, and 400 are requested to narrow down dissimilar cases (step S67).
  • step S70 the processing of steps S37 to S39, S41 to S51, and S61 to S66 is re-executed with the dissimilar case as a processing target (step S70).
  • step S38 the file created in step S68 is referred to.
  • step S61 the number of integrated dissimilar cases indicating the total number of dissimilar cases retrieved from the case databases 201, 301, 401 is calculated.
  • step S63 an integrated average value obtained by averaging the item values of the specific item (HbA1c) is calculated for all dissimilar cases retrieved from the case databases 201, 301, and 401.
  • step S65 the standard deviation of the item value of the specific item (HbA1c) is calculated for all dissimilar cases retrieved from the case databases 201, 301, 401.
  • step S66 the unbiased variance of the item value of the specific item (HbA1c) for all dissimilar cases retrieved from the case databases 201, 301, 401 is calculated.
  • the analysis processing unit 122 calculates the number of integrated similar cases calculated in step S61, the integrated average value calculated in step S63, the standard deviation for the similar cases calculated in step S65, and the similarity calculated in step S66. Unbiased variance for the case is set in the input API data. Further, the analysis processing unit 122 sets the number of integrated dissimilar cases calculated in step S70 and the integrated average value, standard deviation, and unbiased variance for dissimilar cases in the input API data.
  • the analysis processing unit 122 calculates the test statistic t 0 according to the following equation (1). Further, the variance U e in equation (1) is calculated according to equation (2).
  • the variance U e represents an estimated value of variance of the item value of the specific item (HbA1c) in the whole of the similar case group and the dissimilar case group.
  • Equation (1) the integrated average value for similar cases is substituted for Ave (X), and the integrated average value for dissimilar cases is substituted for Ave (Y).
  • Equation (2) unbiased variance for similar cases is substituted for U x , and unbiased variance for dissimilar cases is substituted for U y .
  • equations (1) and (2) the number of integrated similar cases is substituted for m, and the number of integrated dissimilar cases is substituted for n.
  • the analysis processing unit 122 calculates the p value by calculating the area based on the test statistic t 0 using the t distribution with the degree of freedom (m + n ⁇ 2). Then, for example, when the p value is equal to or less than a predetermined value (for example, 0.05), the analysis processing unit 122 determines whether the risk is based on the comparison result between the statistics for the similar cases and the statistics for the dissimilar cases. Determine whether it is high or low.
  • a predetermined value for example, 0.05
  • FIG. 15 is a diagram showing a screen display example of the analysis result.
  • the analysis result by the analysis processing unit 122 is transmitted to the facility server 200 by the analysis reception processing unit 121.
  • the facility server 200 displays an analysis result screen 212 as shown in FIG. 15 on the terminal device 210 based on the received analysis result, for example.
  • the analysis result screen 212 is provided with display areas 212a to 212e.
  • the display area 212a statistical information based on the search result of the case database 201 of the facility A is mainly displayed.
  • the display area 212b mainly displays statistical information based on the search result of the case database 301 of the facility B.
  • the display area 212c mainly displays statistical information based on the search result of the case database 401 of the facility C.
  • the maximum value, minimum value, and standard deviation are displayed as statistical information. Although these statistical information is not calculated in the above examples of FIGS. 12 to 14, in FIG. 15, these statistical information is calculated by the facility servers 200, 300, 400 in response to a request from the integrated server 100. It is assumed that it has been transmitted to the integrated server 100. For example, the standard deviation for each facility does not need to be calculated for final verification or risk determination, but by calculating these and displaying them on the analysis result screen 212, the user can calculate these standard deviations. Can be compared with the standard deviation of the facilities A to C displayed in the display area 212d.
  • the integrated statistics calculated by the analysis processing unit 122 of the integrated server 100 and the p value are mainly displayed.
  • the risk determination result for the patient to be diagnosed is displayed.
  • step S71 of FIG. 14 an example of risk determination processing in step S71 of FIG. 14 will be described.
  • an item indicating the inspection value of HbA1c is designated as the objective variable. Since it is determined that the higher the value of HbA1c, the more abnormal it is. Therefore, in risk determination, it is determined whether there is a high possibility that the value of HbA1c for the patient to be diagnosed will increase in the future.
  • the analysis processing unit 122 of the integrated server 100 determines the HbA1c based on the comparison result between the statistic for the similar case and the statistic for the dissimilar case. Determine whether the value is likely to rise or not. For example, if the integrated average value of HbA1c for the similar case is larger than the integrated average value of HbA1c for the dissimilar case, the analysis processing unit 122 determines that there is a high possibility that the value of HbA1c will increase.
  • the analysis processing unit 122 determines that the possibility that the value of HbA1c increases is low. However, if the p-value exceeds a predetermined value, the significance between the data of the similar case group and the dissimilar case group is low, and the risk cannot be determined accurately. Output.
  • the p value is 0.05 or less
  • the average value (integrated average value) for the similar case group is 12
  • the average value (integrated average value) for the dissimilar case group ) Is 10.
  • the analysis processing unit 122 determines that there is a high possibility that the value of HbA1c will increase.
  • “defect tendency” indicating the determination result is displayed.
  • 16 and 17 are sequence diagrams illustrating a second example of analysis processing. 16 and 17 correspond to the processing of the integrated server 100 and the facility servers 200, 300, and 400 in steps S18 to S20 of FIG.
  • the chi-square test is specified as the analysis method, and the item “diabetes” is specified as the objective variable.
  • risk determination is performed to indicate whether the patient to be diagnosed suffers from diabetes.
  • the analysis processing unit 122 of the integrated server 100 refers to the API chain management table 114 to determine the API chain corresponding to the chi-square test (corresponding to step S17 in FIG. 9).
  • the API chain corresponding to the chi-square test it is assumed that the top three APIs are the same as the API chain corresponding to the student's T test.
  • the processing of steps S31 to S39 in FIG. 12 is executed (step S81).
  • the analysis processing unit 122 sets the file name of the file created in step S35 and the objective variable of the request data 241 as input API data, and transmits this input API data to the facility servers 200, 300, and 400.
  • the facility server 200, 300, 400 is requested to calculate the number of cases (number of specific cases) in which the item value of the specific item is a predetermined value among the similar cases (step S82).
  • the analysis processing unit 232 refers to the case database 201 and extracts case information in which the numerical value “1” is registered in the item “diabetes” from the case information of each similar case narrowed down in step S35.
  • the analysis processing unit 232 calculates the number of extracted case information as the number of specific cases (step S83).
  • the analysis processing unit 232 creates a file describing the calculated number of specific cases, and temporarily stores it in the storage unit 220. When the above process is completed, the analysis processing unit 232 transmits API output data indicating that the process is completed to the integrated server 100 and responds (step S84). The analysis processing units of the facility servers 300 and 400 also execute the processes of steps S83 and S84.
  • the analysis processing unit 122 sets the file names of the files created in steps S38 and S83 in the input API data, and transmits the input API data to the facility servers 200, 300, and 400. Thereby, the execution results in steps S38 and S83 are requested to the facility servers 200, 300, and 400 (step S85).
  • the analysis processing unit 122 sets the number of similar cases received from the facility servers 200, 300, and 400 in step S86 as input API data.
  • the analysis process part 122 calculates the number of cases (integrated similar case number) which totaled the number of similar cases received from the facility server 200,300,400 (step S91).
  • the number of integrated similar cases indicates the total number of similar cases retrieved from the case databases 201, 301, and 401.
  • the analysis processing unit 122 sets the number of specific cases received from the facility servers 200, 300, and 400 in step S86 as input API data.
  • the analysis process part 122 totals the number of specific cases received from the facility server 200,300,400, and calculates the number of integrated specific cases (step S92).
  • the integrated specific case number indicates the total number of cases in which the numerical value “1” is registered in the item “diabetes” among all similar cases retrieved from the case databases 201, 301, and 401.
  • the analysis processing unit 122 sets the similarity threshold of the request data 241, information instructing to narrow down case information less than the threshold, and the file name of the file created in step S ⁇ b> 32 in the input API data.
  • the analysis processing unit 122 transmits the input API data to the facility servers 200, 300, and 400. Thereby, the facility servers 200, 300, and 400 are requested to narrow down dissimilar cases (step S93).
  • step S96 the processing of steps S37 to S39, S82 to S86, S91, and S92 is re-executed with the dissimilar case as a processing target (step S96).
  • step S38 the file created in step S94 is referred to.
  • step S91 the integrated number of dissimilar cases indicating the total number of dissimilar cases retrieved from the case databases 201, 301, 401 is calculated.
  • step S92 the integrated specific number of cases indicating the total number of cases in which the numerical value “1” is registered in the item “diabetes” among all dissimilar cases retrieved from the case databases 201, 301, 401 is calculated. Is done.
  • the analysis processing unit 122 sets the integrated similar case number calculated in step S91 and the integrated specific case number for the similar case calculated in step S92 in the input API data.
  • the analysis processing unit 122 sets the integrated dissimilar case number calculated in step S96 and the integrated specific case number for the dissimilar case in the input API data.
  • the analysis processing unit 122 performs a chi-square test to calculate the p value and determine the risk (step S97).
  • the analysis processing unit 122 calculates the statistic ⁇ 2 according to the following equation (3).
  • the observation value O 1 is (Integrated certain number of cases / integrated similarity number of cases for similar cases) is substituted
  • the observation value O 2 is (the number of integration certain cases for non-similar case / The number of integrated dissimilar cases) is substituted.
  • Predetermined values are substituted into the theoretical values E 1 and E 2 (for example, both 0.5).
  • the analysis processing unit 122 calculates the p value based on the area of the chi distribution based on the statistic ⁇ 2 obtained using the equation (3). Then, for example, when the p value is equal to or less than a predetermined value (for example, 0.05), the analysis processing unit 122 determines whether the risk is based on the comparison result between the statistics for the similar cases and the statistics for the dissimilar cases. Determine whether it is high or low.
  • a predetermined value for example, 0.05
  • FIG. 18 is a diagram showing a screen display example of the analysis result.
  • the analysis result by the analysis processing unit 122 is transmitted to the facility server 200 by the analysis reception processing unit 121.
  • the facility server 200 displays an analysis result screen 213 as shown in FIG. 18 on the terminal device 210 based on the received analysis result, for example.
  • the analysis result screen 213 is provided with display areas 213a to 213e.
  • the display area 213a statistical information based on the search result of the case database 201 of the facility A is mainly displayed.
  • the display area 213b mainly displays statistical information based on the search result of the case database 301 of the facility B.
  • the display area 213c mainly displays statistical information based on the search result of the case database 401 of the facility C.
  • the “applicable” numerical value of the “similar case group” indicates the number of specific cases for similar cases, and the total value of the numerical value of “applicable” and “not applicable” Shows the number of similar cases.
  • the value of “applicable” in the “dissimilar case group” indicates the number of specific cases for dissimilar cases, and the total value of this “applicable” and “not applicable” indicates the number of dissimilar cases. Show.
  • the integrated statistics calculated by the analysis processing unit 122 of the integrated server 100 and the p value are mainly displayed.
  • the numerical value of “corresponding” of the “similar case group” indicates the number of integrated specific cases for similar cases, and the total value of the numerical value of “corresponding” and the numerical value of “not applicable” is integrated. The number of similar cases is shown.
  • the numerical value of “applicable” in the “dissimilar case group” indicates the number of integrated specific cases for dissimilar cases, and the total value of the numerical value of “applicable” and “not applicable” is the integrated dissimilar case. Indicates a number.
  • the risk determination result for the diagnosis target patient is displayed.
  • an example of risk determination processing in step S97 of FIG. 17 will be described.
  • an item “diabetes” indicating whether or not the subject has diabetes is designated as the objective variable.
  • the risk determination it is determined whether the patient to be diagnosed is likely to have diabetes in the future.
  • the analysis processing unit 122 of the integrated server 100 treats diabetes based on the comparison result between the statistics for similar cases and the statistics for dissimilar cases. Determine if you are more or less likely to be affected. For example, the ratio of the number of similar cases to similar cases relative to the number of similar cases (that is, the ratio of cases suffering from diabetes among similar cases) is equal to the number of similar cases. When the ratio is larger than the ratio of the numbers (that is, the ratio of cases suffering from diabetes among dissimilar cases), the analysis processing unit 122 determines that the possibility of suffering from diabetes is high.
  • the ratio is larger than the ratio of the numbers (that is, the ratio of cases suffering from diabetes among dissimilar cases)
  • the analysis processing unit 122 determines that the possibility of suffering from diabetes is high.
  • the analysis processing unit 122 suffers from diabetes. It is determined that there is a low possibility of However, if the p-value exceeds a predetermined value, the significance between the data of the similar case group and the dissimilar case group is low, and the risk cannot be determined accurately. Output.
  • the p value is 0.05 or less in the display area 213d.
  • the ratio of the integrated specific case number (900 cases) to the similar case number (2700 cases) is 1/3, and the ratio of the integrated specific case number (3000 cases) to the dissimilar case number (30000 cases) is 1/10. It is. In this case, since the ratio of the former is larger than the ratio of the latter, the analysis processing unit 122 determines that the possibility of suffering from diabetes is high. In the display area 213e, “defect tendency” indicating the determination result is displayed.
  • the user belonging to the facility A adds the search results of the case databases 301 and 401 of the other facilities B and C in addition to the search results of the case database 201 of the facility A.
  • Statistical information obtained through use can be acquired. For this reason, compared with the case where only the case database 201 is used, statistical information is calculated based on a large number of case information, so that highly reliable statistical information can be acquired. Further, by performing risk determination on the condition of the patient to be diagnosed based on such statistical information, it is possible to obtain a risk determination result with higher accuracy than when only the case database 201 is used. .
  • diagnosis support system in addition to statistical information based on similar case retrieval results from the case databases 201, 301, 401, statistical information based on dissimilar case retrieval results is also calculated. And by comparing these statistical information, the risk determination about the state of the patient to be diagnosed can be executed with high accuracy.
  • the processing functions of the apparatuses can be realized by a computer.
  • a program describing the processing contents of the functions that each device should have is provided, and the processing functions are realized on the computer by executing the program on the computer.
  • the program describing the processing contents can be recorded on a computer-readable recording medium.
  • the computer-readable recording medium include a magnetic storage device, an optical disk, a magneto-optical recording medium, and a semiconductor memory.
  • Magnetic storage devices include hard disk devices (HDD) and magnetic tapes.
  • Optical discs include CD (Compact Disc), DVD (Digital Versatile Disc), Blu-ray Disc (BD, registered trademark), and the like.
  • Magneto-optical recording media include MO (Magneto-Optical disk).
  • the computer that executes the program stores, for example, the program recorded on the portable recording medium or the program transferred from the server computer in its own storage device. Then, the computer reads the program from its own storage device and executes processing according to the program. The computer can also read the program directly from the portable recording medium and execute processing according to the program. In addition, each time a program is transferred from a server computer connected via a network, the computer can sequentially execute processing according to the received program.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

装置外部の複数のデータベースの臨床情報を解析するために個人情報自体を取得することを回避する。　情報処理装置（１）は、特定の患者の特徴に関する検索条件（１１）を情報処理装置（２～４）に送信する。情報処理装置（２，３，４）は、情報処理装置（１）から検索条件（１１）を受信し、臨床データベース（２ａ，３ａ，４ａ）から検索条件（１１）に合致する第１の臨床情報と合致しない第２の臨床情報とを検索し、第１の臨床情報に基づいて統計情報（１２ａ１，１２ｂ１，１２ｃ１）を生成するとともに第２の臨床情報に基づいて統計情報（１２ａ２，１２ｂ２，１２ｃ２）を生成して情報処理装置（１）に送信する。情報処理装置（１）は、受信した統計情報（１２ａ１，１２ｂ１，１２ｃ１，１２ａ２，１２ｂ２，１２ｃ２）に基づいて患者の状態に関するリスクを判定する。

Description

情報処理システム、情報処理方法および情報処理プログラム
　本発明は、情報処理システム、情報処理方法および情報処理プログラムに関する。
　近年、医療分野でのデータベースの活用に関する研究が進んでいる。例えば、患者個人についての検査結果や診断結果などを含む臨床情報が多数登録されたデータベースを用いて、ある特定の患者と臨床情報が類似する類似患者を検索することが研究されている。類似患者の検索により、例えば、特定の患者についての病気の再発リスクの評価や適切な治療方針の決定といった、治療に関する様々な行為を支援できるようにすることが期待されている。
　患者の治療方針の決定のために利用可能な情報を提供する技術の例として、次のような情報分析装置が提案されている。この情報分析装置は、特定の患者に関する患者情報と類似する類似患者情報を、複数の患者情報の中から特定する。そして、情報分析装置は、複数の患者情報に基づき、類似患者情報に対応する患者グループについての病状の変化を示すグラフと、複数の患者情報のうち類似患者情報を除く他の患者情報に対応する患者グループについての病状の変化を示すグラフとを出力する。
　また、データベースの利用に関する次のような診療データ管理装置も提案されている。この診療データ管理装置では、患者の診療データが、公開データと非公開データとに分類して登録される。そして、診療データ管理装置は、患者に対して病状の悪化傾向を示す有害事象が発生したと判定された場合に、非公開データの少なくとも一部を公開データに移行するための移行準備処理を開始する。
国際公開第２０１６／１４７２９０号 特開２０１６－１６７１９０号公報
　ところで、臨床情報が登録されたデータベースを用いて医療行為に役立てるための解析処理を実行する際に、１つの施設が備えるデータベースのみ使用すると、解析の対象となる臨床情報の母数が少ないために、正確性の高い解析結果を得られない場合がある。例えば、データベースの臨床情報を基に特定の患者の状態に関するリスクを判定する場合、臨床情報の母数が少ないと、正確性の高い判定結果が得られない場合がある。これに対して、複数の施設のデータベースを解析の対象として利用できれば、解析結果の精度を高めることができる。
　しかし、データベース内の臨床情報は個人情報を含むので、ある施設のデータベースに登録された臨床情報を他の施設で利用できるようにするためには、臨床情報に対応する患者のそれぞれから外部利用の同意をとる必要がある。これには多数の患者から同意をとらなくてはならないので、作業負荷が高く、その実現性が低いという問題がある。
　１つの側面では、本発明は、装置外部の複数のデータベースの臨床情報を解析するために個人情報自体を取得することを回避した情報処理システム、情報処理方法および情報処理プログラムを提供することを目的とする。
　１つの案では、第１の情報処理装置と、複数の第２の情報処理装置とを有する情報処理システムが提供される。この情報処理システムでは、複数の第２の情報処理装置には、複数の臨床データベースが一対一で対応付けられている。また、複数の臨床データベースのそれぞれは、それぞれ個別の患者についての複数の臨床情報を記憶する。第１の情報処理装置は、特定の患者の特徴に関する検索条件を複数の第２の情報処理装置に送信し、複数の第２の情報処理装置のそれぞれから第１の統計情報と第２の統計情報とを受信し、受信した第１の統計情報および第２の統計情報に基づいて、特定の患者の状態に関するリスクを判定する。複数の第２の情報処理装置のそれぞれは、第１の情報処理装置から検索条件を受信し、複数の臨床データベースのうち対応する臨床データベースから、検索条件に合致する第１の臨床情報と、検索条件に合致しない第２の臨床情報とを検索し、第１の臨床情報に基づいて第１の統計情報を生成するとともに、第２の臨床情報に基づいて第２の統計情報を生成し、第１の統計情報と第２の統計情報とを第１の情報処理装置に送信する。
　また、１つの案では、上記の第１の情報処理装置と同様の処理をコンピュータが実行する情報処理方法が提供される。
　さらに、１つの案では、上記の第１の情報処理装置と同様の処理をコンピュータに実行させる情報処理プログラムが提供される。
　１つの側面では、装置外部の複数のデータベースの臨床情報を解析するために個人情報自体を取得することを回避できる。
　本発明の上記および他の目的、特徴および利点は本発明の例として好ましい実施の形態を表す添付の図面と関連した以下の説明により明らかになるであろう。
第１の実施の形態に係る情報処理システムの構成例および処理例を示す図である。 第２の実施の形態に係る診療支援システムの構成例を示す図である。 統合サーバのハードウェア構成例を示す図である。 診断支援システムにおける統合解析処理の概要を示す図である。 統合サーバおよび施設サーバが備える処理機能の例を示すブロック図である。 ＡＰＩ一覧テーブルの構成例を示す図である。 ＡＰＩチェーン管理テーブルの構成例を示す図である。 症例データベースの構成例を示す図である。 統合サーバの処理の流れを示すフローチャートの例である。 解析要求画面の表示例を示す図である。 解析要求のためのリクエストデータの構成例を示す図である。 解析処理の第１の例を示すシーケンス図（その１）である。 解析処理の第１の例を示すシーケンス図（その２）である。 解析処理の第１の例を示すシーケンス図（その３）である。 解析結果の画面表示例を示す図である。 解析処理の第２の例を示すシーケンス図（その１）である。 解析処理の第２の例を示すシーケンス図（その２）である。 解析結果の画面表示例を示す図である。
　以下、本発明の実施の形態について図面を参照して説明する。
　〔第１の実施の形態〕
　図１は、第１の実施の形態に係る情報処理システムの構成例および処理例を示す図である。図１に示す情報処理システムは、情報処理装置１～４を有する。なお、以下で説明する情報処理装置１～４の処理は、例えば、情報処理装置１～４がそれぞれ備えるプロセッサが所定のプログラムを実行することで実現される。
　情報処理装置２には、臨床データベース（ＤＢ）２ａが対応付けられている。情報処理装置３には、臨床データベース（ＤＢ）３ａが対応付けられている。情報処理装置４には、臨床データベース（ＤＢ）４ａが対応付けられている。本実施の形態では、例として、臨床データベース２ａ，３ａ，４ａは、それぞれ情報処理装置２，３，４の内部に備えられている。臨床データベース２ａ，３ａ，４ａのそれぞれには、それぞれ個別の患者についての複数の臨床情報が記憶されている。
　情報処理装置１は、臨床データベース２ａ，３ａ，４ａに記憶された臨床情報を統合的に解析するための装置である。情報処理装置１は、このような解析処理として、特定の患者の状態に関するリスクを判定する。
　ただし、臨床データベース２ａ，３ａ，４ａに記憶された各臨床情報には個人情報が含まれる。このため、これらの臨床情報を外部装置である情報処理装置１で直接利用できるようにするためには、各臨床情報に対応する患者から情報の外部利用の同意をとる必要がある。しかし、すべての臨床情報に対応する患者から同意をとる作業は負荷が高く、その実現が困難である。
　そこで、情報処理装置１は、情報処理装置２，３，４に、それぞれ臨床データベース２ａ，３ａ，４ａの臨床情報を基に個人が特定されない統計情報を生成させ、これらの統計情報を利用して解析を行う。これにより、解析のために情報処理装置１がその外部の情報処理装置２～４から個人情報自体を取得することを回避できる。したがって、臨床データベース２ａ，３ａ，４ａに記憶された各臨床情報を外部提供するための同意を、各臨床情報に対応する患者からとる必要がなくなる。
　この情報処理システムでは、具体的には、次のような処理が実行される。
　情報処理装置１は、特定の患者の特徴に関する検索条件１１を、情報処理装置２～４に送信する（ステップＳ１）。
　情報処理装置２は、臨床データベース２ａから、検索条件１１に合致する第１の臨床情報と、検索条件１１に合致しない第２の臨床情報とを検索する（ステップＳ２ａ）。そして、情報処理装置２は、検索された第１の臨床情報に基づいて統計情報１２ａ１を生成するとともに、検索された第２の臨床情報に基づいて統計情報１２ａ２を生成し、統計情報１２ａ１，１２ａ２を情報処理装置１に送信する（ステップＳ３ａ）。
　情報処理装置３，４でも、検索条件１１に基づいて上記と同様の処理が実行される。すなわち、情報処理装置３は、臨床データベース３ａから、検索条件１１に合致する第１の臨床情報と、検索条件１１に合致しない第２の臨床情報とを検索する（ステップＳ２ｂ）。そして、情報処理装置３は、検索された第１の臨床情報に基づいて統計情報１２ｂ１を生成するとともに、検索された第２の臨床情報に基づいて統計情報１２ｂ２を生成し、統計情報１２ｂ１，１２ｂ２を情報処理装置１に送信する（ステップＳ３ｂ）。また、情報処理装置４は、臨床データベース４ａから、検索条件１１に合致する第１の臨床情報と、検索条件１１に合致しない第２の臨床情報とを検索する（ステップＳ２ｃ）。そして、情報処理装置４は、検索された第１の臨床情報に基づいて統計情報１２ｃ１を生成するとともに、検索された第２の臨床情報に基づいて統計情報１２ｃ２を生成し、統計情報１２ｃ１，１２ｃ２を情報処理装置１に送信する（ステップＳ３ｃ）。
　情報処理装置１は、受信した統計情報１２ａ１，１２ａ２，１２ｂ１，１２ｂ２，１２ｃ１，１２ｃ２に基づいて、上記の特定の患者の状態に関するリスクを判定し、その判定結果１３を出力する（ステップＳ４）。
　以上の処理によれば、情報処理装置１は、臨床データベース２ａ，３ａ，４ａのいずれか１つに基づいて臨床情報を解析する場合と比較して、多くの臨床情報を解析対象とすることができる。このため、臨床情報の解析精度を高めることができるので、患者の状態に関するリスクの判定精度を向上させることができる。そして、多数の患者から個人情報を外部提供するための同意をとらずに、このような高精度の解析を実現できる。
　〔第２の実施の形態〕
　図２は、第２の実施の形態に係る診療支援システムの構成例を示す図である。図２に示す診療支援システムは、統合サーバ１００と施設サーバ２００，３００，４００を含む。統合サーバ１００と施設サーバ２００，３００，４００とは、ネットワーク５００を介して接続されている。また、施設サーバ２００，３００，４００には、それぞれ端末装置２１０，３１０，４１０が接続されている。
　施設サーバ２００と端末装置２１０は、施設Ａに設置されている。施設サーバ３００と端末装置３１０は、施設Ｂに設置されている。施設サーバ４００と端末装置４１０は、施設Ｃに設置されている。施設Ａ～Ｃは、それぞれ医療関連施設である。医療関連施設は、例えば、病院や診療所など、医療行為が行われる医療施設である。また、医療関連施設は、企業や団体の健康保険組合の施設であってもよい。
　施設サーバ２００，３００，４００は、それぞれ症例データベース（ＤＢ）２０１，３０１，４０１を備える。症例データベース２０１，３０１，４０１には、患者ごとの症例情報が登録されている。症例情報には、患者に関する複数項目の情報が登録される。例えば、症例情報には、患者の性別などの属性情報、患者の検査結果、患者の診断結果、治療法の実施の有無、患者の状態（病状）やその状態になるまでの期間などの情報が登録される。
　症例データベース２０１は、施設Ａが管理する患者に関する症例情報が登録される。施設サーバ２００は、端末装置２１０からの要求に応じて、症例データベース２０１に登録された症例情報の内容を端末装置２１０に出力することができる。また、施設サーバ２００は、端末装置２１０からの検索要求に応じて、ある症例と類似する類似症例の症例情報を症例データベース２０１から検索し、端末装置２１０に出力することができる。施設Ａに属する利用者（例えば、医者、検査技師など）は、ある患者の症例に類似する類似症例を症例データベース２０１から取得して、その患者の診断や治療方針の決定に役立てることができる。
　症例データベース３０１は、施設Ｂが管理する患者に関する症例情報が登録される。また、症例データベース４０１は、施設Ｃが管理する患者に関する症例情報が登録される。そして、施設サーバ３００，４００は、それぞれ症例データベース３０１，４０１を用いて、施設サーバ２００と同様の処理を実行することができる。
　すなわち、施設サーバ３００は、端末装置３１０からの要求に応じて、症例データベース３０１に登録された症例情報の内容を端末装置３１０に出力することができる。また、施設サーバ３００は、端末装置３１０からの検索要求に応じて、ある症例と類似する類似症例の症例情報を症例データベース３０１から検索し、端末装置３１０に出力することができる。同様に、施設サーバ４００は、端末装置４１０からの要求に応じて、症例データベース４０１に登録された症例情報の内容を端末装置４１０に出力することができる。また、施設サーバ４００は、端末装置４１０からの検索要求に応じて、ある症例と類似する類似症例の症例情報を症例データベース４０１から検索し、端末装置４１０に出力することができる。
　このように、施設Ａ～Ｃにそれぞれ属する利用者は、対応する症例データベースを検索して、登録された症例情報の内容を参照し、その内容を医療行為に役立てることができる。しかし、１つの施設の症例データベースに登録される症例数は、医療行為に役立てるには不十分な場合がある。例えば、１つの施設の症例データベースに登録される症例数が少ないと、類似症例の検索精度や、その検索結果に基づく分析の精度が低くなる場合がある。このため、施設Ａ～Ｃの間で症例データベース２０１，３０１，４０１の症例情報を相互に活用することが望まれている。
　一方、症例情報は、患者のプライバシーに関する個人情報であるので、その利用には患者本人の同意が必要である。本実施の形態では、施設Ａに属する患者は、症例データベース２０１に登録された自分に関する症例情報が、施設Ａの内部で利用されることに同意しているものとする。同様に、施設Ｂに属する患者は、症例データベース３０１に登録された自分に関する症例情報が、施設Ｂの内部で利用されることに同意しているものとする。施設Ｃに属する患者は、症例データベース４０１に登録された自分に関する症例情報が、施設Ｃの内部で利用されることに同意しているものとする。
　このように、ある施設に属する患者が、症例情報がその施設で利用されることに同意している場合であっても、その症例情報を施設の外部から二次利用できるようにするためには、患者の同意があらためて必要である。しかし、他の施設から症例情報を利用できるように多数の患者のそれぞれから同意をとることは、作業負荷が高く、その実現に困難を伴う。
　そこで、本実施の形態において、施設サーバ２００，３００，４００は、それぞれ症例データベース２０１，３０１，４０１に登録された症例情報の内容をそのまま提供するのではなく、統計情報に変換して統合サーバ１００に提供する。例えば、施設サーバ２００は、症例データベース２０１から検索された類似症例の内容をそのまま統合サーバ１００に出力するのではなく、検索された類似症例の数、各類似症例における特定項目の値の平均値、最大値、最小値といった統計情報に変換する。このような統計情報は、個人を特定できるものではなく、個人に関する情報そのものでもないので、患者の同意を得ずに外部の統合サーバ１００が利用できる。
　統合サーバ１００は、提供された統計情報を統合して「統合統計情報」を生成し、生成した統合統計情報を施設Ａ～Ｃに属する利用者に提供する。また、統合サーバ１００は、統合統計情報に基づいて、特定の疾患に罹患する可能性や特定の検査項目の値の推移などに関する検定を行い、検定結果を利用者に提供してもよい。
　これにより、本実施の形態では、症例データベース２０１，３０１，４０１に登録された症例情報を、患者の同意が必要にならない範囲で統合サーバ１００が統合的に取得し、取得された情報を施設Ａ～Ｃの利用者が統合サーバ１００を介して利用できるようになる。したがって、施設Ａ～Ｃの間で症例データベース２０１，３０１，４０１を相互利用できるシステムを簡単に構築して、単独の症例データベースを用いた場合よりも有用な情報を利用者に提供できるようになる。
　図３は、統合サーバのハードウェア構成例を示す図である。統合サーバ１００は、例えば、図３に示すようなコンピュータとして実現される。
　統合サーバ１００は、プロセッサ１０１によって装置全体が制御されている。プロセッサ１０１は、マルチプロセッサであってもよい。プロセッサ１０１は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＰＬＤ（Programmable Logic Device）である。また、プロセッサ１０１は、ＣＰＵ、ＭＰＵ、ＤＳＰ、ＡＳＩＣ、ＰＬＤのうちの２以上の要素の組み合わせであってもよい。
　プロセッサ１０１には、バス１０８を介して、ＲＡＭ（Random Access Memory）１０２と複数の周辺機器が接続されている。
　ＲＡＭ１０２は、統合サーバ１００の主記憶装置として使用される。ＲＡＭ１０２には、プロセッサ１０１に実行させるＯＳ（Operating System）プログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、ＲＡＭ１０２には、プロセッサ１０１による処理に必要な各種データが格納される。
　バス１０８に接続されている周辺機器としては、ＨＤＤ（Hard Disk Drive）１０３、グラフィック処理装置１０４、入力インタフェース１０５、読み取り装置１０６および通信インタフェース１０７がある。
　ＨＤＤ１０３は、統合サーバ１００の補助記憶装置として使用される。ＨＤＤ１０３には、ＯＳプログラム、アプリケーションプログラム、および各種データが格納される。なお、補助記憶装置としては、ＳＳＤ（Solid State Drive）などの他の種類の不揮発性記憶装置を使用することもできる。
　グラフィック処理装置１０４には、表示装置１０４ａが接続されている。グラフィック処理装置１０４は、プロセッサ１０１からの命令にしたがって、画像を表示装置１０４ａに表示させる。表示装置１０４ａとしては、液晶ディスプレイや有機ＥＬ（Electroluminescence）ディスプレイなどがある。
　入力インタフェース１０５には、入力装置１０５ａが接続されている。入力インタフェース１０５は、入力装置１０５ａから出力される信号をプロセッサ１０１に送信する。入力装置１０５ａとしては、キーボードやポインティングデバイスなどがある。ポインティングデバイスとしては、マウス、タッチパネル、タブレット、タッチパッド、トラックボールなどがある。
　読み取り装置１０６には、可搬型記録媒体１０６ａが脱着される。読み取り装置１０６は、可搬型記録媒体１０６ａに記録されたデータを読み取ってプロセッサ１０１に送信する。可搬型記録媒体１０６ａとしては、光ディスク、光磁気ディスク、半導体メモリなどがある。
　通信インタフェース１０７は、ネットワーク５００を介して、施設サーバ２００，３００，４００などの他の装置との間でデータの送受信を行う。
　以上のようなハードウェア構成によって、統合サーバ１００の処理機能を実現することができる。
　なお、施設サーバ２００，３００，４００についても、例えば、図３に示すようなハードウェア構成を有するコンピュータとして実現可能である。
　図４は、診断支援システムにおける統合解析処理の概要を示す図である。
　統合サーバ１００は、いずれかの施設の端末装置から、その施設の施設サーバを介して、症例情報の解析要求を受け付ける。図４では例として、施設Ａの端末装置２１０から解析要求が統合サーバ１００に送信されたとする。
　送信される解析要求には、診断対象のある患者の症例と類似する類似症例を検索するための検索条件が含まれる。例えば、診断対象患者の属性情報や検査結果など、その患者の症例情報において１以上の項目に登録された値（項目値）が、類似症例の検索条件として指定される。また、疾患の罹患や症状の悪化のリスク判定を行う場合、解析要求には、リスク判定の対象を指定する情報が含まれてもよい。例えば、診断対象患者が特定の疾患に罹患する可能性を判定する場合、その疾患の名称が、リスク判定の対象を示す情報として指定される。また、例えば、診断対象患者についてのある検査項目の項目値が悪化する可能性を判定する場合、その項目名が、リスク判定の対象を示す情報として指定される。
　統合サーバ１００は、受信した解析要求に基づき、施設サーバ２００，３００，４００に対して、それぞれ症例データベース２０１，３０１，４０１に登録された情報の解析を要求する。この解析要求では、例えば、症例データベース２０１，３０１，４０１からの検索、検索結果に基づく統計値の計算などの処理が要求される。
　施設サーバ２００，３００，４００は、要求された解析処理を実行し、解析結果として統計情報を統合サーバ１００に送信する。このとき、前述のように、施設サーバ２００，３００，４００から統合サーバ１００に対しては、症例データベース２０１，３０１，４０１から検索された症例情報の内容がそのまま送信されることはない。施設サーバ２００，３００，４００から統合サーバ１００に対しては、症例データベース２０１，３０１，４０１に基づく解析結果が、個人を特定できない統計情報として送信される。
　統合サーバ１００は、施設サーバ２００，３００，４００から受信した統計情報を用いて解析処理を実行する。この解析処理では、統合サーバ１００は、受信した統計情報を統合した統合統計情報を生成する。統合統計情報は、症例データベース２０１，３０１，４０１のそれぞれに基づいて生成された統計情報を、症例データベース２０１，３０１，４０１全体の統計情報に変換した情報である。統合サーバ１００は、生成された統合統計情報を施設サーバ２００に送信し、その内容を端末装置２１０に表示させる。また、統合サーバ１００は、リスク判定が要求されていた場合、統合統計情報に基づいてリスク判定を行う。統合サーバ１００は、判定結果を施設サーバ２００に送信し、その内容を端末装置２１０に表示させる。
　ところで、施設サーバ２００，３００，４００には、症例データベース２０１，３０１，４０１の症例情報を解析するためのアプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・が用意されている。これらのアプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・は、例えば、施設サーバ２００，３００，４００がそれぞれ備える記憶装置（例えば、ＨＤＤ）に格納されている。
　アプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・はそれぞれ、特定の検索処理や特定の統計情報の算出処理といった個別の処理を実行するためのプログラムである。また、図示しないが、アプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・のそれぞれに対応するＡＰＩ（Application Programming Interface）が用意されている。統合サーバ１００は、ＡＰＩを選択し、選択したＡＰＩを介して実行条件を指定することで、選択したＡＰＩに対応するアプリケーションを呼び出し、施設サーバ２００，３００，４００で実行させることができる。
　また、統合サーバ１００にも、施設サーバ２００，３００，４００から取得した情報に基づく解析を実行するためのアプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・が用意されている。これらのアプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・は、例えば、統合サーバ１００のＨＤＤ１０３に格納されている。
　アプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・はそれぞれ、特定の統合統計情報の算出処理などの個別の処理を実行するためのプログラムである。また、図示しないが、アプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・のそれぞれに対応するＡＰＩも用意されている。統合サーバ１００は、ＡＰＩを選択し、選択したＡＰＩを介して実行条件を指定することで、選択したＡＰＩに対応するアプリケーションを呼び出し、アプリケーションにしたがって処理を実行できる。
　例えば、端末装置２１０，３１０，４１０から統合サーバ１００に送信される解析要求において、解析手法が指定される。また、統合サーバ１００では、解析手法ごとに、使用するアプリケーションの順序があらかじめ設定されている。本実施の形態では、解析手法ごとに、アプリケーションに対応するＡＰＩの選択順序を示す「ＡＰＩチェーン」があらかじめ設定されることで、アプリケーションの使用順序が設定される。そして、統合サーバ１００は、指定された解析手法に対応するＡＰＩチェーンを判別し、そのＡＰＩチェーンにしたがってＡＰＩを順番に選択しながら対応するアプリケーションを実行させることで、指定された解析手法に対応する解析処理の実行を制御する。
　このように、本実施の形態では、個別の処理ごとにアプリケーションを用意しておき、統合サーバ１００がそれらの中から任意のアプリケーションを利用できるようにした仕組みが設けられている。これにより、統合サーバ１００および施設サーバ２００，３００，４００を用いて、様々な種類の解析処理を容易に実行できる。
　図５は、統合サーバおよび施設サーバが備える処理機能の例を示すブロック図である。
　まず、統合サーバ１００は、記憶部１１０、解析受け付け処理部１２１および解析処理部１２２を備える。記憶部１１０は、例えば、ＲＡＭ１０２、ＨＤＤ１０３など、統合サーバ１００が備える記憶装置の記憶領域として実現される。解析受け付け処理部１２１と解析処理部１２２の処理は、例えば、プロセッサ１０１が所定のプログラムを実行することで実現される。
　記憶部１１０には、同意情報管理テーブル１１１、項目管理テーブル１１２、ＡＰＩ一覧テーブル１１３およびＡＰＩチェーン管理テーブル１１４が格納されている。
　同意情報管理テーブル１１１には、施設Ａ～Ｃが、それぞれ症例データベース２０１，３０１，４０１に基づく統計情報の外部への提供に同意しているかを示す情報が登録される。このような情報としては、例えば、単に外部への同意の有無を示す情報だけでなく、情報提供に同意する他の施設と、情報提供に同意しない他の施設とが指定されてもよい。
　前述のように、施設サーバ２００，３００，４００から外部に対しては、統計情報が提供されるのみであって、患者個人を特定できる情報は提供されない。このため、同意情報管理テーブル１１１では、患者単位で同意／不同意を示す情報ではなく、施設単位で同意／不同意を示す情報が管理される。このため、患者単位で同意／不同意を確認する場合と比較して、情報提供の同意／不同意を少ない作業で確認し、同意情報管理テーブル１１１に登録することができる。
　項目管理テーブル１１２には、解析の対象となる項目の一覧が登録されている。また、項目管理テーブル１１２には、それぞれの項目が症例データベース２０１，３０１，４０１に存在するか否かを示す情報が登録されている。さらに、項目の一覧に含まれる１つの項目（第１の項目とする）がある症例データベースに存在しない場合でも、第１の項目と同等の内容を示す他の項目（第２の項目とする）が症例データベースに存在する場合がある。その場合、項目管理テーブル１１２には、第１の項目に対して第２の項目が対応付けて登録されている。これにより、統合サーバ１００は、例えば、第１の項目が検索条件として指定された場合に、第１の項目は存在しないが第２の項目は存在する症例データベースを、第２の項目を検索条件として用いて検索することができる。
　ＡＰＩ一覧テーブル１１３には、利用可能なＡＰＩの一覧が登録されている。ＡＰＩ一覧テーブル１１３に登録されたＡＰＩのそれぞれは、前述のアプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・およびアプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・のいずれか１つに対応付けられている。
　ＡＰＩチェーン管理テーブル１１４には、解析手法ごとにＡＰＩの選択順序を示すＡＰＩチェーンが登録されている。統合サーバ１００は、解析手法が指定されたとき、ＡＰＩチェーン管理テーブル１１４を参照して、指定された解析手法に対応するＡＰＩチェーンを判別する。統合サーバ１００は、判別されたＡＰＩチェーンに設定された順序にしたがってＡＰＩを選択することで、対応するアプリケーションを順に実行させ、指定された解析手法に対応する解析処理の実行を制御することができる。
　解析受け付け処理部１２１は、施設サーバ２００，３００，４００のいずれかから解析要求を受け付ける。また、解析受け付け処理部１２１は、解析処理の結果を解析要求の送信元の施設サーバに送信し、その施設サーバに接続された端末装置に解析結果を表示させる。
　解析処理部１２２は、解析要求において指定された解析手法に対応するＡＰＩチェーンを判別し、そのＡＰＩチェーンに設定された順序にしたがってＡＰＩを選択することで、対応するアプリケーションを順に実行させる。これにより、解析処理部１２２は、解析処理の実行を制御する。
　一方、施設サーバ２００は、記憶部２２０、解析要求処理部２３１および解析処理部２３２を備える。記憶部２２０は、例えば、ＲＡＭ、ＨＤＤなど、施設サーバ２００が備える図示しない記憶装置の記憶領域として実現される。解析要求処理部２３１および解析処理部２３２の処理は、例えば、施設サーバ２００が備える図示しないプロセッサが所定のプログラムを実行することで実現される。
　記憶部２２０には、症例データベース２０１が記憶される。なお、症例データベース２０１は、施設サーバ２００の外部に接続された記憶装置に記憶されていてもよい。
　解析要求処理部２３１は、端末装置２１０に対する利用者の入力操作に応じて、解析要求を統合サーバ１００に送信する。また、解析要求処理部２３１は、解析結果を統合サーバ１００から受信し、その内容を端末装置２１０に表示させる。
　解析処理部２３２は、統合サーバ１００の解析処理部１２２からの要求に応じて、アプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・を実行することにより、症例データベース２０１を用いた解析処理を実行する。
　なお、図示しないが、施設サーバ３００，４００も、施設サーバ２００と同様の処理機能を備える。
　図６は、ＡＰＩ一覧テーブルの構成例を示す図である。ＡＰＩ一覧テーブル１１３は、ＩＤ（Identification）、分類、ＡＰＩ名、データ型の各項目を有する。
　ＩＤの項目には、ＡＰＩの識別番号が登録される。ＡＰＩ名の項目には、ＡＰＩの名称が登録される。ＡＰＩは、対応するアプリケーションの処理内容に基づいて分類されており、分類の項目には、ＡＰＩがどの分類に属するかを示す情報が登録される。データ型の項目には、ＡＰＩの仕様に関する情報が登録される。例えば、対応するアプリケーションの実行を要求するためにＡＰＩに入力するリクエストデータの形式、対応するアプリケーションの実行後にＡＰＩから出力されるレスポンスデータの形式などが、データ型の項目に登録される。
　ＡＰＩは、例えば、ローカル用基本統計量ＡＰＩ、統合用基本統計量ＡＰＩ、統合用二群検定ＡＰＩ、集団検索ＡＰＩに分類されている。ローカル用基本統計量ＡＰＩと集団検索ＡＰＩは、施設サーバ２００，３００，４００で実行されるアプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・に対応するＡＰＩである。統合用基本統計量ＡＰＩと統合用二群検定ＡＰＩは、統合サーバ１００で実行されるアプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・に対応するＡＰＩである。
　ローカル用基本統計量ＡＰＩには、例えば、症例数、特定項目集計（名義尺度）、特定項目／平均値、特定項目／最大値、特定項目／最小値、特定項目／二乗和、特定項目値取得、実行結果取得、特定項目集計（比例尺度）、数値フィルタというＡＰＩが含まれる。これらのＡＰＩは、症例データベース２０１，３０１，４０１からの症例情報または項目値の取得、あるいは、取得された症例情報や項目値に基づく統計情報の算出を行うためのアプリケーションに対応する。
　統合用基本統計量ＡＰＩには、例えば、症例数、特定項目集計（名義尺度）、特定項目／平均値、特定項目／最大値、特定項目／最小値、特定項目／二乗和、標準偏差、不偏分散、特定項目集計（比例尺度）というＡＰＩが含まれる。これらのＡＰＩは、施設サーバ２００，３００，４００から得られた統計情報を基に統合統計情報を算出するためのアプリケーションに対応する。
　統合用二群検定ＡＰＩには、二群検定を実行するためのアプリケーションに対応するＡＰＩが含まれる。例えば、統合用二群検定ＡＰＩには、カイ二乗検定、フィッシャー検定、スチューデントのＴ検定、ウェルチのＴ検定というＡＰＩが含まれる。
　集団検索ＡＰＩには、例えば、類似度計算というＡＰＩが含まれる。
　図７は、ＡＰＩチェーン管理テーブルの構成例を示す図である。ＡＰＩチェーン管理テーブル１１４には、解析手法ごとに、利用されるＡＰＩのＩＤと実行条件とが対応付けて登録されている。
　１つの解析手法に対応するＡＰＩのＩＤは、ＡＰＩの選択順序にしたがって登録されている。そして、ＡＰＩのＩＤの登録順序が、対応するアプリケーションの実行順序を示している。実行条件は、対応するアプリケーションの実行時における条件を示す。例えば、検索条件や、以前に実行されたどのアプリケーションの実行結果を入力として使用するかを示す情報などが、実行条件として記述される。
　図８は、症例データベースの構成例を示す図である。図８では例として、症例データベース２０１の構成例を示す。
　症例データベース２０１には、患者を識別する患者ＩＤに対して、複数の項目の項目値が対応付けて登録されている。項目としては、例えば、性別、年齢などの患者の属性を示す項目や、身長、体重などの検査結果を示す項目がある。また、項目としては、特定の疾患に罹患したかを示す診断結果を示す項目、特定の治療法の実施の有無を示す項目、患者の状態（病状）を示す項目、患者が特定の状態になるまでの期間を示す項目などがあってもよい。
　なお、図８では症例データベース２０１を例示したが、症例データベース３０１，４０１も同様の構成とすることができる。ただし、症例データベース２０１，３０１，４０１のすべてが同一の項目を有していなくてもよい。
　次に、診断支援システムにおける処理についてフローチャートおよびシーケンス図を用いて説明する。
　まず、図９は、統合サーバの処理の流れを示すフローチャートの例である。図９の処理は、端末装置２１０，３１０，４１０のいずれかに対して解析要求のための入力操作が行われることで開始される。ここでは例として、端末装置２１０に対して入力操作が行われたものとする。
　また、以下の処理では例として、診断対象の患者についてのリスク判定を行う解析処理が、統合サーバ１００に要求されるものとする。なお、診断対象の患者は、症例データベース２０１に症例情報が登録されている患者の１人であってもよいし、症例データベース２０１に症例情報が登録されていない別の患者であってもよい。
　［ステップＳ１１］解析のための各種の設定情報が、利用者によって端末装置２１０に入力される。施設サーバ２００の解析要求処理部２３１は、入力された情報を基にリクエストデータを生成し、そのリクエストデータを統合サーバ１００に送信することで、解析の実行を要求する。統合サーバ１００の解析受け付け処理部１２１は、リクエストデータを受信することで、解析要求を受け付ける。
　ここで、図１０は、解析要求画面の表示例を示す図である。なお、図１０では例として、診断対象の患者は、症例データベース２０１に症例情報が登録されている患者であるとする。
　利用者は、例えば、端末装置２１０を用いて、診断対象の患者を指定する操作を行う。すると、解析要求処理部２３１の処理により、端末装置２１０には例えば、図１０に示すような解析要求画面２１１が表示される。解析要求画面２１１は、類似検索設定のための設定領域２１１ａと、解析設定のための設定領域２１１ｂと、解析実行ボタン２１１ｃとを含む。
　設定領域２１１ａでは、類似症例の検索に関する設定パラメータが設定される。類似症例の検索では、検索の対象とする項目名および項目値が指定されるが、図１０の設定領域２１１ａではこれらのうち、項目名が指定される。図１０において、身長、体重、ＢＭＩ、最高血圧、最低血圧、脈拍数、白血球数、赤血球数、血色素量が項目名を示し、各項目名に対してチェックボックスが設けられている。利用者は、検索の対象とする項目名に対応するチェックボックスに対してクリック操作を行うことで、検索の対象を指定できる。
　なお、図１０の例では、解析実行ボタン２１１ｃが押下されると、解析要求処理部２３１は、診断対象の患者の症例情報を参照し、指定された項目名に対応する項目値を読み出して、その項目値を検索条件として設定する。一方、診断対象の患者が、症例データベース２０１に症例情報が登録されていない患者である場合、解析要求画面において項目名とともに項目値が利用者によって入力される。
　また、設定領域２１１ａでは、類似症例を判別するための類似度閾値が、数値によって設定される。
　設定領域２１１ｂでは、解析処理全般に関する設定パラメータが設定される。図１０の例では、解析手法、解析対象範囲、目的変数が設定される。解析手法とは、どのような検定方法を用いるかを示す情報である。解析対象範囲とは、どの施設の症例データベースを解析処理に用いるかを示す情報である。目的変数とは、リスク判定の対象とする疾患名や検査項目を示す情報である。目的変数としては、疾患名や検査項目を示すいずれかの項目名が選択的に設定される。
　解析実行ボタン２１１ｃは、解析処理の実行を要求するための画像である。解析実行ボタン２１１ｃが押下されると、解析要求画面２１１に対する入力情報が施設サーバ２００に送信される。
　図１１は、解析要求のためのリクエストデータの構成例を示す図である。解析要求処理部２３１は、図１０の解析要求画面２１１に対する入力情報を受信すると、図１１に示すようなリクエストデータ２４１を生成する。リクエストデータ２４１には、リクエストデータ２４１の識別情報を示すリクエストＩＤと、類似度計算パラメータと、解析パラメータが設定される。
　類似度計算パラメータは、類似度計算に関する設定パラメータを示す。類似度計算パラメータには、類似度計算変数と類似度閾値が含まれる。類似度計算変数としては、検索の対象とする項目名および項目値のペアが、１組以上設定される。例えば、類似度計算変数として、図１０の設定領域２１１ａにおいて指定された項目名と、その項目名に対応する項目値が設定される。類似度閾値は、類似症例を判別するための閾値を示す。例えば、類似度閾値として、図１０の設定領域２１１ａに入力された類似度閾値の数値が設定される。
　解析パラメータは、解析処理全般に関する設定パラメータを示す。解析パラメータには、解析手法、対象施設名および目的変数が含まれる。解析手法は、どのような検定方法を用いるかを示す。対象施設名は、どの施設の症例データベースを解析処理に用いるかを示す。目的変数は、リスク判定の対象とする疾患名や検索項目に対応する項目名を示す。リクエストデータ２４１においては、図１０の設定領域２１１ｂの解析手法、解析対象範囲、目的変数の欄において指定された情報が、それぞれ解析手法、対象施設名、目的変数として設定される。
　以下、図９に戻って説明を続ける。
　［ステップＳ１２］解析受け付け処理部１２１は、同意情報管理テーブル１１１を参照し、リクエストデータ２４１に対象施設名として設定された各施設について、統計情報の利用に同意しているかを確認する。ここでは、対象施設名として施設Ａ～Ｃが設定されているものとすると、解析受け付け処理部１２１は、施設Ｂ，Ｃからの統計情報を施設Ａが利用することの同意がとれているかを確認する。
　［ステップＳ１３］解析受け付け処理部１２１は、項目管理テーブル１１２を参照し、リクエストデータ２４１に類似度計算変数および目的変数として設定された各項目が、解析に利用する症例データベース２０１，３０１，４０１に存在するかを確認する。また、リクエストデータ２４１に設定された項目がある症例データベースに存在しない場合、解析受け付け処理部１２１は、その項目と同等の内容を示す項目があるかも確認する。ここで、リクエストデータ２４１に設定された項目のうち、症例データベース２０１，３０１，４０１のいずれにも存在せず、同等の内容を示す項目も存在しない項目を、「不足項目」と記載する。
　［ステップＳ１４］解析受け付け処理部１２１は、ステップＳ１２，Ｓ１３での確認の結果に基づいて、次の処理ステップを判定する。ステップＳ１２で、情報利用を同意していない施設が１つでもあった場合、解析受け付け処理部１２１は、処理をステップＳ１５に進める。また、ステップＳ１３で、リクエストデータ２４１に設定された項目の中に不足項目が１つでもあった場合にも、解析受け付け処理部１２１は、処理をステップＳ１５に進める。一方、解析受け付け処理部１２１は、これら２つの条件のいずれも満たさない場合、処理をステップＳ１６に進める。
　［ステップＳ１５］解析受け付け処理部１２１は、ステップＳ１２，Ｓ１３での確認の結果を示す情報を施設サーバ２００に送信し、確認の結果を端末装置２１０に表示させて、その内容を利用者に通知する。例えば、情報利用に同意していない施設があることや、不足項目が存在することが、利用者に通知される。
　利用者は、端末装置２１０に表示された情報に基づき、解析処理を続行するか、あるいは終了するかを選択することができる。例えば、利用者は、情報利用に同意していない施設の施設名を対象施設名から除外するように統合サーバ１００に要求することで、解析処理を続行させることができる。あるいは、利用者は、類似度計算変数として設定された項目の中に不足項目がある場合、その不足項目を除外するように統合サーバ１００に要求することで、解析処理を続行させることができる。また、利用者は、目的変数として設定された項目が不足項目である場合、目的変数として設定する項目を変更することで、解析処理を続行させることができる。ただし、この場合は、変更後の項目が不足項目である場合、再度ステップＳ１５の処理が実行される。
　なお、利用者によって解析処理を終了するための入力操作が行われた場合、処理はステップＳ１５で終了する。
　［ステップＳ１６］解析受け付け処理部１２１は、類似度計算変数および目的変数として設定する項目と、解析の対象とする施設を確定する。ステップＳ１４で「Ｎｏ」と判定された場合、施設サーバ２００からのリクエストデータ２４１に設定された通りに、項目および施設が確定される。一方、ステップＳ１４で「Ｙｅｓ」と判定された場合には、ステップＳ１５での利用者の入力操作に応じて、項目および施設が確定される。
　例えば、対象施設名として施設Ａ～Ｃが指定されており、施設Ｂは施設Ａによる情報利用に同意しているが、施設Ｃは施設Ａによる情報利用に同意していないとする。そして、ステップＳ１５において、利用者により対象施設名から施設Ｃを除外するように入力されたとする。この場合、ステップＳ１６では、対象施設名として施設Ａ，Ｂが確定される。そして、後のステップＳ１９の処理では、統合サーバ１００の解析処理部１２２は、施設Ａの施設サーバ２００と施設Ｂの施設サーバ３００からは統計情報を取得するが、施設Ｃの施設サーバ４００からは統計情報を取得しない。このように、本実施の形態では、施設単位（すなわち、症例データベース単位）で統計情報の利用を制限できる。
　以下、施設Ａ～Ｃが解析の対象として確定されたものとして、説明を続ける。
　［ステップＳ１７］解析処理部１２２は、ＡＰＩチェーン管理テーブル１１４を参照し、リクエストデータ２４１に設定された解析手法に対応するＡＰＩチェーンを判別する。
　［ステップＳ１８］解析処理部１２２は、ステップＳ１７で判別されたＡＰＩチェーンに含まれるＡＰＩのうち、最も先頭側に存在する未選択のＡＰＩを選択する。
　［ステップＳ１９］解析処理部１２２は、ステップＳ１８で選択されたＡＰＩに対する入力データ（以下、「ＡＰＩ入力データ」と記載する）を生成する。解析処理部１２２は、生成されたＡＰＩデータを用いて、選択されたＡＰＩに対応するアプリケーションを実行させる。
　例えば、施設サーバ２００，３００，４００のアプリケーションＡＰ２ａ，ＡＰ２ｂ，ＡＰ２ｃ，・・・のいずれかに対応するＡＰＩが選択された場合、解析処理部１２２は、ＡＰＩ入力データを施設サーバ２００，３００，４００に送信する。施設サーバ２００の解析処理部２３２は、受信したＡＰＩ入力データを用いて、対応するアプリケーションを実行し、実行結果を示す出力データ（以下、「ＡＰＩ出力データ」と記載する）を統合サーバ１００に送信する。施設サーバ３００，４００でも同様の処理が実行される。なお、施設サーバ２００，３００，４００からのＡＰＩ出力データには、例えば、アプリケーションの実行完了を示す情報を含む場合や、それに加えて実行により得られた統計情報も含む場合がある。
　また、統合サーバ１００のアプリケーションＡＰ１ａ，ＡＰ１ｂ，ＡＰ１ｃ，・・・のいずれかに対応するＡＰＩが選択された場合、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、対応するアプリケーションを実行し、実行結果を示すＡＰＩ出力データを出力する。
　［ステップＳ２０］解析処理部１２２は、解析処理を終了するかを判定する。解析処理部１２２は、ステップＳ１７で判別されたＡＰＩチェーンに含まれるすべてのＡＰＩを選択済みの場合に、解析処理を終了すると判定する。未選択のＡＰＩがあり、解析処理を継続する場合、解析処理部１２２は、処理をステップＳ１８に進め、次の未選択のＡＰＩを選択する。一方、解析処理を終了する場合、解析処理部１２２は、処理をステップＳ２１に進める。
　［ステップＳ２１］解析受け付け処理部１２１は、解析結果を施設サーバ２００に送信する。解析結果には、算出された統合統計情報や、リスク判定結果が含まれる。施設サーバ２００は、解析結果を端末装置２１０に表示させて、その内容を利用者に通知する。
　次に、ＡＰＩチェーンに基づく解析処理の具体例について説明する。まず、スチューデントのＴ検定を用いた解析処理例について説明する。
　図１２～図１４は、解析処理の第１の例を示すシーケンス図である。なお、図１２～図１４の処理は、図９のステップＳ１８～Ｓ２０における統合サーバ１００および施設サーバ２００，３００，４００の処理に対応する。
　この第１の例では、施設サーバ２００からのリクエストデータ２４１において、解析手法としてスチューデントのＴ検定が指定され、目的変数として項目名「ヘモグロビンＡ１ｃ（ＨｂＡ１ｃ）」が指定されたものとする。この場合、診断対象の患者についてのＨｂＡ１ｃの検査値が今後悪化するか（上昇するか）を示すリスク判定が行われる。
　統合サーバ１００の解析処理部１２２は、ＡＰＩチェーン管理テーブル１１４を参照して、スチューデントのＴ検定に対応するＡＰＩチェーンを判別する（図９のステップＳ１７に対応）。すると、以下の処理が開始される。
　解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「類似度計算」（ＩＤ＝４００１）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、リクエストデータ２４１の類似度計算変数を入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して類似度の計算が要求される（ステップＳ３１）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「類似度計算」（ＩＤ＝４００１）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、症例データベース２０１に登録された各症例情報と、類似度計算変数に設定された項目名および項目値のペアに基づく症例との類似度を計算する（ステップＳ３２）。類似度の計算では、例えば、類似度計算変数に設定された各項目値と、症例情報に含まれる同じ項目の項目値とを用いて、コサイン類似度、ｐｅａｒｓｏｎ類似度などが計算される。
　解析処理部２３２は、症例情報ごとの類似度を記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ３３）。施設サーバ３００，４００の解析処理部でも、ステップＳ３２，Ｓ３３の処理が実行される。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「数値フィルタ」（ＩＤ＝１０１０）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、リクエストデータ２４１の類似度閾値と、閾値以上の症例情報を絞り込むように指示する情報と、ステップＳ３２で作成されたファイルのファイル名とを入力ＡＰＩデータに設定する。解析処理部１２２は、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、類似症例の絞り込みが要求される（ステップＳ３４）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「数値フィルタ」（ＩＤ＝１０１０）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３２で作成されたファイルに基づき、類似度が類似度閾値以上である症例情報（類似症例）を絞り込む（ステップＳ３５）。解析処理部２３２は、各類似症例を識別する患者ＩＤを記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ３６）。施設サーバ３００，４００の解析処理部でも、ステップＳ３４，Ｓ３５の処理が実行される。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「症例数」（ＩＤ＝１００１）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ３５で作成されたファイルのファイル名を入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、類似症例数の計算が要求される（ステップＳ３７）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「症例数」（ＩＤ＝１００１）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３５で作成されたファイルに基づき、類似症例数を計算する（ステップＳ３８）。解析処理部２３２は、算出された類似症例数を記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ３９）。施設サーバ３００，４００の解析処理部でも、ステップＳ３８，Ｓ３９の処理が実行される。
　以下、図１３を用いて説明を続ける。
　統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目値取得」（ＩＤ＝１００７）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ３５で作成されたファイルのファイル名と、リクエストデータ２４１の目的変数とを入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、特定項目値の取得が要求される（ステップＳ４１）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「特定項目値取得」（ＩＤ＝１００７）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３５で作成されたファイルに基づき、次のような処理を実行する。解析処理部２３２は、症例データベース２０１を参照し、ステップＳ３５で絞り込まれた各類似症例の症例情報から、目的変数として設定された項目（ＨｂＡ１ｃ）の項目値を取得する（ステップＳ４２）。解析処理部２３２は、取得された各項目値を記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ４３）。施設サーバ３００，４００の解析処理部でも、ステップＳ４２，Ｓ４３の処理が実行される。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目集計（比例尺度）」（ＩＤ＝１００９）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ４２で作成されたファイルのファイル名を入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、特定項目値の合計値の計算が要求される（ステップＳ４４）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「特定項目集計（比例尺度）」（ＩＤ＝１００９）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ４２で作成されたファイルに基づき、ステップＳ４２で取得された項目値を合算して合計値を計算する（ステップＳ４５）。解析処理部２３２は、算出された合計値を記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ４６）。施設サーバ３００，４００の解析処理部でも、ステップＳ４５，Ｓ４６の処理が実行される。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目／二乗和」（ＩＤ＝１００６）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ４２で作成されたファイルのファイル名を入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、特定項目値の二乗和の計算が要求される（ステップＳ４７）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「特定項目／二乗和」（ＩＤ＝１００６）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ４２で作成されたファイルに基づき、ステップＳ４２で取得された項目値の二乗和を計算する（ステップＳ４８）。解析処理部２３２は、算出された二乗和を記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ４９）。施設サーバ３００，４００の解析処理部でも、ステップＳ４８，Ｓ４９の処理が実行される。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「実行結果取得」（ＩＤ＝１００８）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ３８，Ｓ４５，Ｓ４８でそれぞれ作成されたファイルのファイル名を入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、ステップＳ３８，Ｓ４５，Ｓ４８での実行結果が要求される（ステップＳ５０）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「実行結果取得」（ＩＤ＝１００８）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３８，Ｓ４５，Ｓ４８でそれぞれ作成されたファイルに基づき、ステップＳ３８で算出された類似症例数と、ステップＳ４５で算出された合計値と、ステップＳ４８で算出された二乗和とを設定したＡＰＩ出力データを生成する。そして、解析処理部２３２は、生成されたＡＰＩ出力データを統合サーバ１００に送信して、類似症例数、合計値、二乗和の算出結果を統合サーバ１００に送信する（ステップＳ５１）。このステップＳ５１の処理により、症例データベース２０１の検索結果に基づく統計情報が、施設サーバ２００から統合サーバ１００に対して提供される。施設サーバ３００，４００の解析処理部でも、ステップＳ５１の処理が実行される。
　以下、図１４を用いて説明を続ける。
　統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「症例数」（ＩＤ＝２００１）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ５１で施設サーバ２００，３００，４００から受信した類似症例数を入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「症例数」（ＩＤ＝２００１）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、施設サーバ２００，３００，４００から受信した類似症例数を合計した症例数（統合類似症例数）を計算する（ステップＳ６１）。統合類似症例数は、症例データベース２０１，３０１，４０１から検索された類似症例の全体数を示す。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目集計（比例尺度）」（ＩＤ＝２００９）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ５１で施設サーバ２００，３００，４００から受信した、項目値の合計値を、入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「特定項目集計（比例尺度）」（ＩＤ＝２００９）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、施設サーバ２００，３００，４００から受信した合計値を加算して、統合合計値を計算する（ステップＳ６２）。統合合計値は、症例データベース２０１，３０１，４０１から検索されたすべての類似症例について、特定項目（ＨｂＡ１ｃ）の項目値を合計した値を示す。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目／平均値」（ＩＤ＝２００３）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ６１で算出された統合類似症例数と、ステップＳ６２で算出された統合合計値とを入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「特定項目／平均値」（ＩＤ＝２００３）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、統合合計値を統合類似症例数で除算して、項目値の平均値（統合平均値）を計算する（ステップＳ６３）。統合平均値は、症例データベース２０１，３０１，４０１から検索されたすべての類似症例について、特定項目（ＨｂＡ１ｃ）の項目値を平均した値を示す。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目／二乗和」（ＩＤ＝２００６）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ５１で施設サーバ２００，３００，４００から受信した、項目値の二乗和を、入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「特定項目／二乗和」（ＩＤ＝２００６）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、例えば、施設サーバ２００，３００，４００から受信した各二乗和をさらに二乗し、それらの二乗値を加算した統合二乗和を計算する（ステップＳ６４）。統合二乗和は、症例データベース２０１，３０１，４０１から検索されたすべての類似症例について、特定項目（ＨｂＡ１ｃ）の項目値を基に算出した二乗和を示す。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「標準偏差」（ＩＤ＝２００７）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ６１で算出された統合類似症例数と、ステップＳ６３で算出された統合平均値と、ステップＳ６４で算出された統合二乗和とを、入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「標準偏差」（ＩＤ＝２００７）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、症例データベース２０１，３０１，４０１から検索されたすべての類似症例についての、特定項目（ＨｂＡ１ｃ）の項目値の標準偏差を計算する（ステップＳ６５）。なお、標準偏差は、統合二乗和の代わりに、統合二乗和の算出元となった各二乗和を用いて算出されてもよい。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「不偏分散」（ＩＤ＝２００８）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ６５で算出された標準偏差と、ステップＳ６１で算出された統合類似症例数とを、入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「不偏分散」（ＩＤ＝２００８）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、症例データベース２０１，３０１，４０１から検索されたすべての類似症例についての、特定項目（ＨｂＡ１ｃ）の項目値の不偏分散を計算する（ステップＳ６６）。不偏分散は、「標準偏差＊標準偏差＊｛統合類似症例数／（統合類似症例数－１）｝」という式によって計算される。
　以上で、類似症例についての統計計算処理が終了する。続いて、非類似症例についての統計計算処理が実行される。
　まず、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「数値フィルタ」（ＩＤ＝１０１０）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、リクエストデータ２４１の類似度閾値と、閾値未満の症例情報を絞り込むように指示する情報と、ステップＳ３２で作成されたファイルのファイル名とを入力ＡＰＩデータに設定する。解析処理部１２２は、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、非類似症例の絞り込みが要求される（ステップＳ６７）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「数値フィルタ」（ＩＤ＝１０１０）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３２で作成されたファイルに基づき、類似度が類似度閾値未満である症例情報（非類似症例）を絞り込む（ステップＳ６８）。解析処理部２３２は、各非類似症例を識別する患者ＩＤを記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ６９）。施設サーバ３００，４００の解析処理部でも、ステップＳ６８，Ｓ６９の処理が実行される。
　その後、非類似症例を処理対象として、ステップＳ３７～Ｓ３９，Ｓ４１～Ｓ５１，Ｓ６１～Ｓ６６の処理が再実行される（ステップＳ７０）。この処理では、ステップＳ３８において、ステップＳ６８で作成されたファイルが参照される。また、ステップＳ６１では、症例データベース２０１，３０１，４０１から検索された非類似症例の全体数を示す統合非類似症例数が計算される。ステップＳ６３では、症例データベース２０１，３０１，４０１から検索されたすべての非類似症例について、特定項目（ＨｂＡ１ｃ）の項目値を平均した統合平均値が計算される。ステップＳ６５では、症例データベース２０１，３０１，４０１から検索されたすべての非類似症例についての、特定項目（ＨｂＡ１ｃ）の項目値の標準偏差が計算される。ステップＳ６６では、症例データベース２０１，３０１，４０１から検索されたすべての非類似症例についての、特定項目（ＨｂＡ１ｃ）の項目値の不偏分散が計算される。
　最後に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「スチューデントのＴ検定」（ＩＤ＝３００３）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ６１で算出された統合類似症例数と、ステップＳ６３で算出された統合平均値と、ステップＳ６５で算出された類似症例についての標準偏差と、ステップＳ６６で算出された類似症例についての不偏分散とを、入力ＡＰＩデータに設定する。さらに、解析処理部１２２は、ステップＳ７０で算出された統合非類似症例数と、非類似症例についての統合平均値、標準偏差および不偏分散とを、入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「スチューデントのＴ検定」（ＩＤ＝３００３）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、スチューデントのＴ検定を実行し、ｐ値の計算およびリスク判定を行う（ステップＳ７１）。
　具体的には、解析処理部１２２は、下記の式（１）にしたがって検定統計量ｔ0を計算する。また、式（１）における分散Ｕeは、式（２）にしたがって計算される。なお、分散Ｕeは、類似症例群と非類似症例群とを合わせた全体における、特定項目（ＨｂＡ１ｃ）の項目値の分散の推定値を示す。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、Ａｖｅ（Ｘ）には、類似症例についての統合平均値が代入され、Ａｖｅ（Ｙ）には、非類似症例についての統合平均値が代入される。式（２）において、Ｕxには、類似症例についての不偏分散が代入され、Ｕyには、非類似症例についての不偏分散が代入される。式（１），（２）において、ｍには、統合類似症例数が代入され、ｎは、統合非類似症例数が代入される。
　解析処理部１２２は、自由度（ｍ＋ｎ－２）のｔ分布を用い、検定統計量ｔ0に基づく面積を計算することで、ｐ値を算出する。そして、解析処理部１２２は、例えば、ｐ値が所定値（例えば０．０５）以下の場合に、類似症例についての統計量と非類似症例についての統計量との比較結果に基づいて、リスクが高いか低いかを判定する。
　図１５は、解析結果の画面表示例を示す図である。解析処理部１２２による解析結果は、解析受け付け処理部１２１によって施設サーバ２００に送信される。施設サーバ２００は、受信した解析結果に基づき、例えば図１５に示すような解析結果画面２１２を端末装置２１０に表示させる。解析結果画面２１２には、表示領域２１２ａ～２１２ｅが設けられている。
　表示領域２１２ａには、主として、施設Ａの症例データベース２０１の検索結果に基づく統計情報が表示される。表示領域２１２ｂには、主として、施設Ｂの症例データベース３０１の検索結果に基づく統計情報が表示される。表示領域２１２ｃには、主として、施設Ｃの症例データベース４０１の検索結果に基づく統計情報が表示される。
　なお、表示領域２１２ａ～２１２ｃでは、統計情報として最大値、最小値、標準偏差が表示されている。これらの統計情報は上記の図１２～図１４の例では算出されていないが、図１５では、統合サーバ１００からの要求に応じてこれらの統計情報が施設サーバ２００，３００，４００で計算され、統合サーバ１００に送信されたものとする。例えば、施設ごとの標準偏差は、最終的な検定やリスク判定のためには計算する必要がないが、これらを計算して解析結果画面２１２に表示することで、利用者は、これらの標準偏差を、表示領域２１２ｄに表示された、施設Ａ～Ｃの全体での標準偏差と比較することができる。
　表示領域２１２ｄには、主として、統合サーバ１００の解析処理部１２２によって算出された統合統計量と、ｐ値とが表示される。表示領域２１２ｅには、診断対象の患者についてのリスク判定結果が表示される。
　ここで、図１４のステップＳ７１におけるリスク判定の処理例について説明する。ここでは例として、目的変数としてＨｂＡ１ｃの検査値を示す項目が指定されたものとする。ＨｂＡ１ｃの値は、高いほど異常であると判断されるので、リスク判定では、診断対象の患者についてのＨｂＡ１ｃの値が、今後上昇する可能性が高いかが判定される。
　統合サーバ１００の解析処理部１２２は、ｐ値が所定値（例えば０．０５）以下の場合に、類似症例についての統計量と非類似症例についての統計量との比較結果に基づいて、ＨｂＡ１ｃの値が上昇する可能性が高いか低いかを判定する。例えば、類似症例についてのＨｂＡ１ｃの統合平均値が、非類似症例についてのＨｂＡ１ｃの統合平均値より大きい場合、解析処理部１２２は、ＨｂＡ１ｃの値が上昇する可能性が高いと判定する。また、類似症例についてのＨｂＡ１ｃの統合平均値が、非類似症例についてのＨｂＡ１ｃの統合平均値以下である場合、解析処理部１２２は、ＨｂＡ１ｃの値が上昇する可能性が低いと判定する。しかし、ｐ値が所定値を超える場合には、類似症例群と非類似症例群のデータ間の有意性が低く、リスクを正確に判定できないため、解析処理部１２２は、判定不能であることを出力する。
　図１５の例では、表示領域２１２ｄにおいて、ｐ値は０．０５以下であり、類似症例群についての平均値（統合平均値）は１２であり、非類似症例群についての平均値（統合平均値）は１０である。この場合、解析処理部１２２は、ＨｂＡ１ｃの値が上昇する可能性が高いと判定する。表示領域２１２ｅには、その判定結果を示す「不良傾向」と表示されている。
　次に、カイ二乗検定を用いた解析処理例について説明する。
　図１６、図１７は、解析処理の第２の例を示すシーケンス図である。なお、図１６、図１７の処理は、図９のステップＳ１８～Ｓ２０における統合サーバ１００および施設サーバ２００，３００，４００の処理に対応する。
　この第２の例では、施設サーバ２００からのリクエストデータ２４１において、解析手法としてカイ二乗検定が指定され、目的変数として「糖尿病」の項目が指定されたものとする。この場合、診断対象の患者が糖尿病に罹患するかを示すリスク判定が行われる。
　統合サーバ１００の解析処理部１２２は、ＡＰＩチェーン管理テーブル１１４を参照して、カイ二乗検定に対応するＡＰＩチェーンを判別する（図９のステップＳ１７に対応）。カイ二乗検定に対応するＡＰＩチェーンでは、先頭の３つのＡＰＩが、スチューデントのＴ検定に対応するＡＰＩチェーンと同一であるものとする。この場合、ＡＰＩチェーンが判別された後、図１２のステップＳ３１～Ｓ３９の処理が実行される（ステップＳ８１）。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目集計（名義尺度）」（ＩＤ＝１００２）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ３５で作成されたファイルのファイル名と、リクエストデータ２４１の目的変数とを入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、類似症例のうち特定項目の項目値が所定値である症例数（特定症例数）の計算が要求される（ステップＳ８２）。ここでは、類似症例の中から、「糖尿病」の項目において、糖尿病に罹患したことを示す数値「１」が登録された症例数の計算が要求される。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「特定項目集計（名義尺度）」（ＩＤ＝１００２）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３５で作成されたファイルに基づき、次のような処理を実行する。解析処理部２３２は、症例データベース２０１を参照し、ステップＳ３５で絞り込まれた各類似症例の症例情報の中から、「糖尿病」の項目に数値「１」が登録されている症例情報を抽出する。解析処理部２３２は、抽出された症例情報の数を、特定症例数として計算する（ステップＳ８３）。
　解析処理部２３２は、算出された特定症例数を記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ８４）。施設サーバ３００，４００の解析処理部でも、ステップＳ８３，Ｓ８４の処理が実行される。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「実行結果取得」（ＩＤ＝１００８）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ３８，Ｓ８３でそれぞれ作成されたファイルのファイル名を入力ＡＰＩデータに設定し、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、ステップＳ３８，Ｓ８３での実行結果が要求される（ステップＳ８５）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「実行結果取得」（ＩＤ＝１００８）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３８，Ｓ８３でそれぞれ作成されたファイルに基づき、ステップＳ３８で算出された類似症例数と、ステップＳ８３で算出された特定症例数とを設定したＡＰＩ出力データを生成する。そして、解析処理部２３２は、生成されたＡＰＩ出力データを統合サーバ１００に送信して、類似症例数および特定症例数の算出結果を統合サーバ１００に送信する（ステップＳ８６）。このステップＳ８６の処理により、症例データベース２０１の検索結果に基づく統計情報が、施設サーバ２００から統合サーバ１００に対して提供される。施設サーバ３００，４００の解析処理部でも、ステップＳ８６の処理が実行される。
　以下、図１７を用いて説明を続ける。
　統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「症例数」（ＩＤ＝２００１）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ８６で施設サーバ２００，３００，４００から受信した類似症例数を入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「症例数」（ＩＤ＝２００１）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、施設サーバ２００，３００，４００から受信した類似症例数を合計した症例数（統合類似症例数）を計算する（ステップＳ９１）。統合類似症例数は、症例データベース２０１，３０１，４０１から検索された類似症例の全体数を示す。
　次に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「特定項目集計（名義尺度）」（ＩＤ＝２００２）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ８６で施設サーバ２００，３００，４００から受信した特定症例数を入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「特定項目集計（名義尺度）」（ＩＤ＝２００２）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、施設サーバ２００，３００，４００から受信した特定症例数を合計して、統合特定症例数を計算する（ステップＳ９２）。統合特定症例数は、症例データベース２０１，３０１，４０１から検索されたすべての類似症例のうち、「糖尿病」の項目に数値「１」が登録されている症例の合計数を示す。
　以上で、類似症例についての統計計算処理が終了する。続いて、非類似症例についての統計計算処理が実行される。
　まず、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「数値フィルタ」（ＩＤ＝１０１０）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、リクエストデータ２４１の類似度閾値と、閾値未満の症例情報を絞り込むように指示する情報と、ステップＳ３２で作成されたファイルのファイル名とを入力ＡＰＩデータに設定する。解析処理部１２２は、この入力ＡＰＩデータを施設サーバ２００，３００，４００に送信する。これにより、施設サーバ２００，３００，４００に対して、非類似症例の絞り込みが要求される（ステップＳ９３）。
　施設サーバ２００の解析処理部２３２は、入力ＡＰＩデータを受信すると、この入力ＡＰＩデータを用いて、ＡＰＩ「数値フィルタ」（ＩＤ＝１０１０）に対応するアプリケーションを実行する。これにより、解析処理部２３２は、ステップＳ３２で作成されたファイルに基づき、類似度が類似度閾値未満である症例情報（非類似症例）を絞り込む（ステップＳ９４）。解析処理部２３２は、各非類似症例を識別する患者ＩＤを記述したファイルを作成し、記憶部２２０に一時的に保存する。解析処理部２３２は、以上の処理が完了すると、処理が完了したことを示すＡＰＩ出力データを統合サーバ１００に送信して応答する（ステップＳ９５）。施設サーバ３００，４００の解析処理部でも、ステップＳ９４，Ｓ９５の処理が実行される。
　その後、非類似症例を処理対象として、ステップＳ３７～Ｓ３９，Ｓ８２～Ｓ８６，Ｓ９１，Ｓ９２の処理が再実行される（ステップＳ９６）。この処理では、ステップＳ３８において、ステップＳ９４で作成されたファイルが参照される。また、ステップＳ９１では、症例データベース２０１，３０１，４０１から検索された非類似症例の全体数を示す統合非類似症例数が計算される。ステップＳ９２では、症例データベース２０１，３０１，４０１から検索されたすべての非類似症例のうち、「糖尿病」の項目に数値「１」が登録されている症例の合計数を示す統合特定症例数が計算される。
　最後に、統合サーバ１００の解析処理部１２２は、ＡＰＩチェーンに基づいてＡＰＩ「カイ二乗検定」（ＩＤ＝３００１）を選択し、選択したＡＰＩに対応する入力ＡＰＩデータを生成する。解析処理部１２２は、ステップＳ９１で算出された統合類似症例数と、ステップＳ９２で算出された、類似症例についての統合特定症例数とを、入力ＡＰＩデータに設定する。さらに、解析処理部１２２は、ステップＳ９６で算出された統合非類似症例数および非類似症例についての統合特定症例数を、入力ＡＰＩデータに設定する。そして、解析処理部１２２は、生成されたＡＰＩ入力データを用いて、ＡＰＩ「カイ二乗検定」（ＩＤ＝３００１）に対応するアプリケーションを実行する。これにより、解析処理部１２２は、カイ二乗検定を実行し、ｐ値の計算およびリスク判定を行う（ステップＳ９７）。
　具体的には、解析処理部１２２は、次の式（３）にしたがって統計量χ2を計算する。
Figure JPOXMLDOC01-appb-M000002
　式（３）において、観測値Ｏ1には、（類似症例についての統合特定症例数／統合類似症例数）が代入され、観測値Ｏ2には、（非類似症例についての統合特定症例数／統合非類似症例数）が代入される。理論値Ｅ1，Ｅ2には、所定値が（例えば、ともに０．５が）代入される。
　解析処理部１２２は、式（３）を用いて求めた統計量χ2によるカイ分布の面積に基づいて、ｐ値を算出する。そして、解析処理部１２２は、例えば、ｐ値が所定値（例えば０．０５）以下の場合に、類似症例についての統計量と非類似症例についての統計量との比較結果に基づいて、リスクが高いか低いかを判定する。
　図１８は、解析結果の画面表示例を示す図である。解析処理部１２２による解析結果は、解析受け付け処理部１２１によって施設サーバ２００に送信される。施設サーバ２００は、受信した解析結果に基づき、例えば図１８に示すような解析結果画面２１３を端末装置２１０に表示させる。解析結果画面２１３には、表示領域２１３ａ～２１３ｅが設けられている。
　表示領域２１３ａには、主として、施設Ａの症例データベース２０１の検索結果に基づく統計情報が表示される。表示領域２１３ｂには、主として、施設Ｂの症例データベース３０１の検索結果に基づく統計情報が表示される。表示領域２１３ｃには、主として、施設Ｃの症例データベース４０１の検索結果に基づく統計情報が表示される。
　なお、表示領域２１３ａ～２１３ｃでは、例えば、「類似症例群」の「該当」の数値が、類似症例についての特定症例数を示し、この「該当」の数値と「該当なし」の数値の合計値が、類似症例数を示す。また、「非類似症例群」の「該当」の数値が、非類似症例についての特定症例数を示し、この「該当」の数値と「該当なし」の数値の合計値が、非類似症例数を示す。
　表示領域２１３ｄには、主として、統合サーバ１００の解析処理部１２２によって算出された統合統計量と、ｐ値とが表示される。表示領域２１３ｄでは、例えば、「類似症例群」の「該当」の数値が、類似症例についての統合特定症例数を示し、この「該当」の数値と「該当なし」の数値の合計値が、統合類似症例数を示す。また、「非類似症例群」の「該当」の数値が、非類似症例についての統合特定症例数を示し、この「該当」の数値と「該当なし」の数値の合計値が、統合非類似症例数を示す。
　表示領域２１３ｅには、診断対象の患者についてのリスク判定結果が表示される。
　ここで、図１７のステップＳ９７におけるリスク判定の処理例について説明する。ここでは例として、目的変数として、糖尿病に罹患したかを示す「糖尿病」の項目が指定されたものとする。リスク判定では、診断対象の患者が今後糖尿病に罹患する可能性が高いかが判定される。
　統合サーバ１００の解析処理部１２２は、ｐ値が所定値（例えば０．０５）以下の場合に、類似症例についての統計量と非類似症例についての統計量との比較結果に基づいて、糖尿病に罹患する可能性が高いか低いかを判定する。例えば、類似症例数に対する、類似症例についての統合特定症例数の割合（すなわち、類似症例のうち糖尿病に罹患している症例の割合）が、非類似症例数に対する、非類似症例についての統合特定症例数の割合（すなわち、非類似症例のうち糖尿病に罹患している症例の割合）より大きい場合、解析処理部１２２は、糖尿病に罹患する可能性が高いと判定する。また、類似症例数に対する、類似症例についての統合特定症例数の割合が、非類似症例数に対する、非類似症例についての統合特定症例数の割合以下である場合、解析処理部１２２は、糖尿病に罹患する可能性が低いと判定する。しかし、ｐ値が所定値を超える場合には、類似症例群と非類似症例群のデータ間の有意性が低く、リスクを正確に判定できないため、解析処理部１２２は、判定不能であることを出力する。
　図１８の例では、表示領域２１３ｄにおいて、ｐ値は０．０５以下である。また、類似症例数（２７００例）に対する統合特定症例数（９００例）の割合は１／３であり、非類似症例数（３００００例）に対する統合特定症例数（３０００例）の割合は１／１０である。この場合、解析処理部１２２は、前者の割合が後者の割合より大きいことから、糖尿病に罹患する可能性が高いと判定する。表示領域２１３ｅには、その判定結果を示す「不良傾向」と表示されている。
　以上の図９～図１８に示した例では、施設Ａに属する利用者は、施設Ａの症例データベース２０１の検索結果に加えて、他の施設Ｂ，Ｃの症例データベース３０１，４０１の検索結果を利用して得られた統計情報を取得できる。このため、症例データベース２０１だけを用いた場合と比較して、多数の症例情報に基づいて統計情報が算出されるので、信頼性の高い統計情報を取得できる。また、このような統計情報に基づいて、診断対象の患者の状態についてのリスク判定が行われることで、症例データベース２０１だけを用いた場合と比較して、正確性の高いリスク判定結果を取得できる。
　また、上記の診断支援システムでは、症例データベース２０１，３０１，４０１からの類似症例の検索結果に基づく統計情報に加えて、非類似症例の検索結果に基づく統計情報も算出される。そして、これらの統計情報が比較されることで、診断対象の患者の状態についてのリスク判定を高精度に実行できる。
　なお、上記の各実施の形態に示した装置（例えば、情報処理装置１～４、統合サーバ１００、施設サーバ２００，３００，４００）の処理機能は、コンピュータによって実現することができる。その場合、各装置が有すべき機能の処理内容を記述したプログラムが提供され、そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、磁気記憶装置、光ディスク、光磁気記録媒体、半導体メモリなどがある。磁気記憶装置には、ハードディスク装置（ＨＤＤ）、磁気テープなどがある。光ディスクには、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ブルーレイディスク（Blu-ray Disc：ＢＤ、登録商標）などがある。光磁気記録媒体には、ＭＯ（Magneto-Optical disk）などがある。
　プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ、ＣＤなどの可搬型記録媒体が販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。
　プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムまたはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムにしたがった処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムにしたがった処理を実行することもできる。また、コンピュータは、ネットワークを介して接続されたサーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムにしたがった処理を実行することもできる。
　また、上記については単に本発明の原理を示すものである。さらに、多数の変形、変更が当業者にとって可能であり、本発明は上記に示し、説明した正確な構成および応用例に限定されるものではなく、対応するすべての変形例および均等物は、添付の請求項およびその均等物による本発明の範囲とみなされる。
　１～４　情報処理装置
　２ａ，３ａ，４ａ　臨床データベース
　１１　検索条件
　１２ａ１，１２ａ２，１２ｂ１，１２ｂ２，１２ｃ１，１２ｃ２　統計情報
　１３　判定結果
　Ｓ１，Ｓ２ａ，Ｓ２ｂ，Ｓ２ｃ，Ｓ３ａ，Ｓ３ｂ，Ｓ３ｃ，Ｓ４　ステップ

Claims (10)

  1. 　第１の情報処理装置と、複数の臨床データベースが一対一で対応付けられた複数の第２の情報処理装置とを有する情報処理システムであって、
    　前記複数の臨床データベースのそれぞれは、それぞれ個別の患者についての複数の臨床情報を記憶し、
    　前記第１の情報処理装置は、
    　特定の患者の特徴に関する検索条件を前記複数の第２の情報処理装置に送信し、
    　前記複数の第２の情報処理装置のそれぞれから第１の統計情報と第２の統計情報とを受信し、
    　受信した前記第１の統計情報および前記第２の統計情報に基づいて、前記特定の患者の状態に関するリスクを判定し、
    　前記複数の第２の情報処理装置のそれぞれは、
    　前記第１の情報処理装置から前記検索条件を受信し、
    　前記複数の臨床データベースのうち対応する臨床データベースから、前記検索条件に合致する第１の臨床情報と、前記検索条件に合致しない第２の臨床情報とを検索し、
    　前記第１の臨床情報に基づいて前記第１の統計情報を生成するとともに、前記第２の臨床情報に基づいて前記第２の統計情報を生成し、
    　前記第１の統計情報と前記第２の統計情報とを前記第１の情報処理装置に送信する、
    　情報処理システム。
  2. 　前記第１の情報処理装置は、前記複数の第２の情報処理装置のうち第３の情報処理装置から前記検索条件を受信し、前記リスクの判定結果を前記第３の情報処理装置に送信する、
    　請求項１記載の情報処理システム。
  3. 　前記リスクの判定では、
    　前記複数の第２の情報処理装置のそれぞれから受信した前記第１の統計情報に基づいて第３の統計情報を生成するとともに、前記複数の第２の情報処理装置のそれぞれから受信した前記第２の統計情報に基づいて第４の統計情報を生成し、
    　前記第３の統計情報と前記第４の統計情報とに基づいて前記リスクを判定する、
    　請求項１または２記載の情報処理システム。
  4. 　前記リスクの判定では、
    　前記第３の統計情報と前記第４の統計情報とに基づいて二群検定を実行し、
    　前記二群検定により得られた有意性の指標、および、前記第３の統計情報と前記第４の統計情報との比較結果に基づいて前記リスクを判定する、
    　請求項３記載の情報処理システム。
  5. 　前記第３の統計情報は、前記複数の第２の情報処理装置のそれぞれから受信した前記第１の統計情報を、前記複数の臨床データベースの全体を母集団とした統計情報に変換することで生成され、
    　前記第４の統計情報は、前記複数の第２の情報処理装置のそれぞれから受信した前記第２の統計情報を、前記複数の臨床データベースの全体を母集団とした統計情報に変換することで生成される、
    　請求項３または４記載の情報処理システム。
  6. 　前記第１の統計情報は、前記第１の臨床情報の数、または前記第１の臨床情報に含まれる特定項目の値の少なくとも一方に基づいて、統計的計算を行うことで算出され、
    　前記第２の統計情報は、前記第２の臨床情報の数、または前記第２の臨床情報に含まれる前記特定項目の値の少なくとも一方に基づいて、統計的計算を行うことで算出される、
    　請求項１乃至５のいずれか１項に記載の情報処理システム。
  7. 　前記第１の情報処理装置は、
    　前記複数の第２の情報処理装置のそれぞれについて、前記対応する臨床データベースに基づく統計情報の送信を許可するかを示す管理情報を記憶し、
    　前記検索条件の入力を受け付けたとき、前記管理情報に基づき、前記複数の第２の情報処理装置のうち第４の情報処理装置からの統計情報の送信が許可されていない場合、前記検索条件を前記複数の第２の情報処理装置のうち前記第４の情報処理装置を除く他の情報処理装置に送信し、前記他の情報処理装置のそれぞれから受信した前記第１の統計情報および前記第２の統計情報に基づいて前記リスクを判定する、
    　請求項１乃至６のいずれか１項に記載の情報処理システム。
  8. 　前記第１の情報処理装置は、
    　前記複数の第２の情報処理装置のそれぞれについて、前記対応する臨床データベースに基づく統計情報の提供をどの前記第２の情報処理装置に対して許可するかを示す管理情報を記憶し、
    　前記第３の情報処理装置から前記検索条件を受信したとき、前記管理情報に基づき、前記複数の第２の情報処理装置のうち前記第３の情報処理装置とは異なる第５の情報処理装置から、前記第３の情報処理装置に対する統計情報の提供が許可されていない場合、前記検索条件を前記複数の第２の情報処理装置のうち前記第５の情報処理装置を除く他の情報処理装置に送信し、前記他の情報処理装置のそれぞれから受信した前記第１の統計情報および前記第２の統計情報に基づいて前記リスクを判定する、
    　請求項２記載の情報処理システム。
  9. 　コンピュータが、
    　特定の患者の特徴に関する検索条件を複数の情報処理装置に送信し、前記複数の情報処理装置には複数の臨床データベースが一対一で対応付けられ、前記複数の臨床データベースのそれぞれは、それぞれ個別の患者についての複数の臨床情報を記憶し、
    　前記複数の情報処理装置のそれぞれから第１の統計情報と第２の統計情報とを受信し、前記第１の統計情報は、前記複数の情報処理装置のそれぞれが、送信された前記検索条件を受信し、前記複数の臨床データベースのうち対応する臨床データベースから、前記検索条件に合致する第１の臨床情報を検索し、前記第１の臨床情報に基づいて統計的計算を行うことで生成され、前記第２の統計情報は、前記複数の情報処理装置のそれぞれが、前記対応する臨床データベースから前記検索条件に合致しない第２の臨床情報を検索し、前記第２の臨床情報に基づいて統計的計算を行うことで生成され、
    　受信した前記第１の統計情報および前記第２の統計情報に基づいて、前記特定の患者の状態に関するリスクを判定する、
    　情報処理方法。
  10. 　コンピュータに、
    　特定の患者の特徴に関する検索条件を複数の情報処理装置に送信し、前記複数の情報処理装置には複数の臨床データベースが一対一で対応付けられ、前記複数の臨床データベースのそれぞれは、それぞれ個別の患者についての複数の臨床情報を記憶し、
    　前記複数の情報処理装置のそれぞれから第１の統計情報と第２の統計情報とを受信し、前記第１の統計情報は、前記複数の情報処理装置のそれぞれが、送信された前記検索条件を受信し、前記複数の臨床データベースのうち対応する臨床データベースから、前記検索条件に合致する第１の臨床情報を検索し、前記第１の臨床情報に基づいて統計的計算を行うことで生成され、前記第２の統計情報は、前記複数の情報処理装置のそれぞれが、前記対応する臨床データベースから前記検索条件に合致しない第２の臨床情報を検索し、前記第２の臨床情報に基づいて統計的計算を行うことで生成され、
    　受信した前記第１の統計情報および前記第２の統計情報に基づいて、前記特定の患者の状態に関するリスクを判定する、
    　処理を実行させる情報処理プログラム。
PCT/JP2018/018497 2018-05-14 2018-05-14 情報処理システム、情報処理方法および情報処理プログラム WO2019220486A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2018/018497 WO2019220486A1 (ja) 2018-05-14 2018-05-14 情報処理システム、情報処理方法および情報処理プログラム
JP2020519218A JPWO2019220486A1 (ja) 2018-05-14 2018-05-14 情報処理システム、情報処理方法および情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/018497 WO2019220486A1 (ja) 2018-05-14 2018-05-14 情報処理システム、情報処理方法および情報処理プログラム

Publications (1)

Publication Number Publication Date
WO2019220486A1 true WO2019220486A1 (ja) 2019-11-21

Family

ID=68539838

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/018497 WO2019220486A1 (ja) 2018-05-14 2018-05-14 情報処理システム、情報処理方法および情報処理プログラム

Country Status (2)

Country Link
JP (1) JPWO2019220486A1 (ja)
WO (1) WO2019220486A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022074315A (ja) * 2020-11-04 2022-05-18 株式会社日立製作所 統合装置、統合方法、および統合プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193399A (ja) * 2006-01-17 2007-08-02 Konica Minolta Medical & Graphic Inc 情報提示システム、及びプログラム
JP2008204378A (ja) * 2007-02-22 2008-09-04 Fujifilm Corp 診療データ共有サーバ、診療データ共有方法、及び診療データファイリング装置
JP2016184221A (ja) * 2015-03-25 2016-10-20 富士フイルム株式会社 診療支援装置とその作動方法および作動プログラム、並びに診療支援システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193399A (ja) * 2006-01-17 2007-08-02 Konica Minolta Medical & Graphic Inc 情報提示システム、及びプログラム
JP2008204378A (ja) * 2007-02-22 2008-09-04 Fujifilm Corp 診療データ共有サーバ、診療データ共有方法、及び診療データファイリング装置
JP2016184221A (ja) * 2015-03-25 2016-10-20 富士フイルム株式会社 診療支援装置とその作動方法および作動プログラム、並びに診療支援システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022074315A (ja) * 2020-11-04 2022-05-18 株式会社日立製作所 統合装置、統合方法、および統合プログラム
JP7422643B2 (ja) 2020-11-04 2024-01-26 株式会社日立製作所 統合装置、統合方法、および統合プログラム

Also Published As

Publication number Publication date
JPWO2019220486A1 (ja) 2021-03-11

Similar Documents

Publication Publication Date Title
US11714837B2 (en) Synonym discovery
US10559377B2 (en) Graphical user interface for identifying diagnostic and therapeutic options for medical conditions using electronic health records
Lee et al. A framework for data quality assessment in clinical research datasets
US20100114599A1 (en) System for evaluation patient care outcomes
WO2010051036A1 (en) Automated method for medical quality assurance
WO2006084101A2 (en) Method and apparatus for determining familial risk of disease
Trtovac et al. The use of technology in identifying hospital malnutrition: scoping review
WO2018073895A1 (ja) 類似症例検索プログラム、類似症例検索装置および類似症例検索方法
Dziadzko et al. Clinical calculators in hospital medicine: availability, classification, and needs
Lopetegui et al. Inter-observer reliability assessments in time motion studies: the foundation for meaningful clinical workflow analysis
Aronsky et al. Evaluation of a computerized diagnostic decision support system for patients with pneumonia: study design considerations
WO2019220486A1 (ja) 情報処理システム、情報処理方法および情報処理プログラム
JP6189973B2 (ja) 計算機システム及びコスト算出方法
Zhou et al. A novel laboratory-based model to predict the presence of obstructive coronary artery disease comparison to coronary artery disease consortium 1/2 score, duke clinical score and diamond-forrester score in china
Al Sayah et al. The predictive ability of EQ-5D-3L compared to the LACE index and its association with 30-day post-hospitalization outcomes
Kalina et al. System for selecting relevant information for decision support
KR20220082963A (ko) 약물 감시 플랫폼 및 그것을 구비하는 컴퓨터의 제어방법
JP6094140B2 (ja) 診断プログラム、診断履歴作成方法、及び電子カルテ
Howell et al. Can Solo Practitioners Survive in Value-based Healthcare?: Validating a Predicative Model for ED Utilization
US20160140292A1 (en) System and method for sorting a plurality of data records
US20240078718A1 (en) System and methods for genomics-ehr integration
JP2012033155A (ja) 健診データ処理方法、健診データ処理装置、及び、プログラム
KR102597133B1 (ko) Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치
US20170004257A1 (en) System and method for facilitating multi-source retrieval and presentation of health care information
US20230153757A1 (en) System and Method for Rapid Informatics-Based Prognosis and Treatment Development

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18918903

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020519218

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18918903

Country of ref document: EP

Kind code of ref document: A1