WO2020004391A1 - 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム - Google Patents

漢方薬処方用の情報処理システム、情報処理方法、及びプログラム Download PDF

Info

Publication number
WO2020004391A1
WO2020004391A1 PCT/JP2019/025171 JP2019025171W WO2020004391A1 WO 2020004391 A1 WO2020004391 A1 WO 2020004391A1 JP 2019025171 W JP2019025171 W JP 2019025171W WO 2020004391 A1 WO2020004391 A1 WO 2020004391A1
Authority
WO
WIPO (PCT)
Prior art keywords
types
information
disease
neural network
nodes
Prior art date
Application number
PCT/JP2019/025171
Other languages
English (en)
French (fr)
Inventor
耕作 山下
学 根本
Original Assignee
小林製薬株式会社
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 小林製薬株式会社 filed Critical 小林製薬株式会社
Publication of WO2020004391A1 publication Critical patent/WO2020004391A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61J—CONTAINERS SPECIALLY ADAPTED FOR MEDICAL OR PHARMACEUTICAL PURPOSES; DEVICES OR METHODS SPECIALLY ADAPTED FOR BRINGING PHARMACEUTICAL PRODUCTS INTO PARTICULAR PHYSICAL OR ADMINISTERING FORMS; DEVICES FOR ADMINISTERING FOOD OR MEDICINES ORALLY; BABY COMFORTERS; DEVICES FOR RECEIVING SPITTLE
    • A61J3/00—Devices or methods specially adapted for bringing pharmaceutical products into particular physical or administering forms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients

Definitions

  • the present invention relates to an information processing system, an information processing method, and a program for prescribing a Chinese medicine.
  • Patent Literature 1 manages correspondence information indicating a correspondence between a symptom and a Chinese medicine, and supports prescription of the Chinese medicine based on the management information. More specifically, by using the historical data of past Chinese medicine prescriptions to calculate the uncertainty of the prescription of Chinese medicine as the posterior probability, the uncertainty of the prescription of the prescription medicine is logically determined based on numerical values It is possible.
  • Patent Document 1 specifies a Kampo medicine to be prescribed according to the symptom based on the correspondence information between the symptom and the Kampo medicine.
  • a Chinese medicine since some Chinese medicines should not be prescribed at the same time, it is not possible to simply specify a Chinese medicine to be prescribed only from the correspondence between past symptoms and the Chinese medicine.
  • Some aspects of the present invention have been made in view of the above-described problems, and provide an information processing apparatus, an information processing method, and a program that can appropriately handle a relationship between a patient's disease or the like and a Chinese medicine to be prescribed.
  • One of the purposes is to provide.
  • the information processing apparatus includes a disease information input unit that receives an input of disease information relating to a disease type to which a patient corresponds among a plurality of disease types, and a patient among a plurality of constitutional tendency types.
  • a constitution information input unit for receiving constitution information relating to the constitution tendency type, a plurality of first nodes corresponding to the plurality of disease types, a plurality of second nodes corresponding to the plurality of constitution tendency types, and a plurality of crude drug types
  • a neural network unit for Chinese medicine having a plurality of third nodes corresponding to a plurality of medicine types, and values corresponding to the disease information and the constitution information are stored in the plurality of first nodes and the plurality of second nodes. Obtained by inputting into the Chinese medicine neural network unit, the herbal medicine information corresponding to the plurality of herbal medicine types or the values for each of the plurality of herbal medicine types or And an output unit for outputting the agent information.
  • An information processing apparatus is an information processing apparatus that receives input of drug information or crude drug information indicating a drug type or a crude drug type to be examined for efficacy among a plurality of drug types or a plurality of crude drug types.
  • a plurality of first nodes corresponding to the plurality of medicine types or the plurality of crude drug types a plurality of second nodes corresponding to a plurality of disease types, and a plurality of second nodes corresponding to a plurality of constitutional tendency types.
  • a neural network unit for Chinese medicine having three nodes, and the plurality of diseases obtained by inputting values corresponding to the herbal medicine information or the crude drug information to the plurality of first nodes to the neural network unit for Chinese medicine.
  • a first output unit that outputs disease information according to a value corresponding to a type, and a value corresponding to the herbal medicine information or the crude drug information to the plurality of third nodes; Obtained by inputting to, and a second output unit for outputting the constitution information corresponding to the value for the plurality of extender trend type.
  • An information processing method includes a process of receiving an input of disease information relating to a disease type to which a patient corresponds among a plurality of disease types, and a constitutional tendency type to which a patient corresponds among a plurality of constitutional tendency types.
  • the information processing method includes, among a plurality of drug types or a plurality of crude drug types, a process of receiving input of drug information or crude drug information relating to a drug type or a crude drug type for which efficacy is to be investigated.
  • the information processing apparatus performs a process of obtaining constitution information according to a value for the type of constitution tendency and a process of outputting the disease information and the constitution information.
  • a program according to one embodiment of the present invention includes a process for receiving an input of disease information on a disease type to which a patient belongs among a plurality of disease types, and a constitution for a patient with a corresponding constitutional tendency type among a plurality of constitutional tendency types.
  • a process of receiving information input, a plurality of first nodes corresponding to the plurality of disease types, a plurality of second nodes corresponding to the plurality of constitutional tendency types, and a plurality of crude drug types or a plurality of formulation types By inputting values corresponding to the disease information and the constitution information to the plurality of first nodes and the plurality of second nodes of the Chinese medicine neural network unit having a plurality of third nodes, A process of obtaining crude drug information or drug information according to a crude drug type or a value for each of the plurality of drug types, and a process of outputting the crude drug information or the drug information To be executed by a computer.
  • the program according to one aspect of the present invention, among a plurality of drug types or a plurality of crude drug types, a process of receiving input of drug information or crude drug information on a drug type or a crude drug type to be investigated for efficacy, and It has a plurality of first nodes corresponding to a plurality of medicine types or the plurality of crude drug types, a plurality of second nodes corresponding to a plurality of disease types, and a plurality of third nodes corresponding to a plurality of constitutional tendency types.
  • a computer By inputting a value corresponding to the medicine information or the herbal medicine information to the plurality of first nodes of the Chinese medicine neural network unit, disease information corresponding to the values for the plurality of disease types, and the plurality of constitutions A computer is made to execute a process of obtaining constitution information according to a value for a tendency type and a process of outputting the disease information and the constitution information.
  • “parts”, “means”, “devices”, and “systems” do not simply mean physical means, but “units”, “means”, “devices”, “systems” Is realized by software. Further, even if the function of one “unit” or “means”, “device”, or “system” is realized by two or more physical units or devices, two or more “units” or “units” The functions of “apparatus” and “system” may be realized by one physical means or apparatus.
  • FIG. 2 is a diagram schematically illustrating an example of a functional configuration of the information processing apparatus according to the first embodiment.
  • 6 is a flowchart illustrating an example of a processing procedure of the information processing apparatus according to the first embodiment.
  • FIG. 2 is a diagram schematically illustrating an example of a hardware configuration of the information processing apparatus according to the first embodiment.
  • FIG. 11 is a diagram schematically illustrating an example of a functional configuration of an information processing apparatus according to a modification. It is a figure for typically illustrating an example of the functional composition of the information processor concerning a 2nd embodiment.
  • 9 is a flowchart illustrating an example of a processing procedure of the information processing device according to the second embodiment.
  • the outline of the information processing apparatus 100 according to the present embodiment will be described with reference to FIG.
  • the information processing apparatus 100 inputs information on a patient's disease and constitution, specifies and outputs a combination of Chinese herbal medicines (hereinafter, referred to as a combination of crude drugs) according to the disease and constitution.
  • the information processing apparatus 100 roughly includes a disease information input unit 101, a constitution information input unit 103, a Chinese medicine neural network unit 110, a herbal medicine conversion unit 121, and a medicine output unit 123. .
  • the operator for example, a doctor or the like, inputs disease information as a chief complaint that the patient wants to improve from the disease information input unit 101 by examining the patient.
  • the chief complaint for example, chills, high blood pressure, low blood pressure, fatigue, malaise, anorexia, and the like can be considered variously.
  • the operator inputs the patient's constitution information, which is a chronic property of the patient, from the constitution information input unit 103.
  • Various constitutions are conceivable, for example, such as being easy to get cold in a throat, disliked to hit a cooler, easy to get hot, having bad breath, irregular menstruation, and easily rough hair.
  • the disease information input unit 101 and the constitution information input unit 103 vectorize the disease information and the constitution information inputted by the operator and input them to the Chinese medicine neural network unit 110.
  • the Chinese medicine neural network unit 110 receives in advance disease information on a plurality of disease types and constitution information on a plurality of constitutional tendency types, and outputs crude drug information indicating a suitable combination of crude drug types for improving the information. It is a neural network that has been learned as possible.
  • the herbal medicine information indicating the combination of herbal medicine types output from the Chinese medicine neural network section 110 is converted into a combination of herbal medicines by a herbal medicine conversion section 121, and the herbal medicine output section 123 outputs one or more herbal medicines to be prescribed. It is output as the indicated formulation information.
  • the information processing apparatus 100 can output a suitable combination of the formulations according to the disease and constitution of the patient, and can suggest the combination to the operator.
  • the information processing apparatus 100 for Kampo prescription is roughly divided into a disease information input unit 101, a constitution information input unit 103, a Chinese medicine neural network unit 110, a herbal medicine conversion unit 121, and The medicine output section 123 is included.
  • the information processing apparatus 100 may be physically realized as one computer (which may include a personal computer (PC) or a server), or may be realized by a plurality of cooperating computers.
  • the information processing apparatus 100 will be mainly described as being implemented as one server.
  • the disease information input unit 101 receives the input of the disease information which is the chief complaint that the patient desires to improve, and outputs it as a vectorized disease vector. That is, the disease vector specifies a disease type corresponding to a patient among a plurality of predetermined disease types.
  • the number of dimensions of the disease vector is L-dimension (L is an arbitrary integer).
  • an item corresponding to the chief complaint eg, chills, anorexia, insomnia, stiff shoulders, irregular menstruation, etc.
  • other items high blood pressure, hypotension, palpitations, hepatic disorder, dysuria, etc.
  • a value other than 0 may be set for a plurality of items. It is also conceivable to change the value according to the degree of complaint of the patient (for example, 1 for a strongly complaining disease, 0.5 for a moderately complaining disease, etc.).
  • the disease information input unit 101 may receive disease information input from an operation terminal such as a PC operated by an operator via the network. Can be
  • the constitution information input unit 103 receives the constitution information on the constitution tendency of the patient chronically, and outputs it as a constitution vector which is vectorized.
  • the constitution vector specifies the type of the constitution tendency corresponding to the patient among a plurality of predetermined constitution tendency types.
  • M is an arbitrary integer.
  • one item to which the patient applies for example, the body is easy to be hot, the menstruation is irregular, the face and limbs are easily swollen, the sleep is poor, and dreams are often performed, and the physical condition is apt to be out of order with care).
  • the disease information input unit 101 may receive input of constitution information from an operation terminal such as a PC operated by the operator via the network. Can be In addition, the disease information and the constitution information that are input to the disease information input unit 101 and the constitution information input unit 103 may be input as integrated information.
  • the Chinese medicine neural network unit 110 is a neural network that receives an L-dimensional disease vector and an M-dimensional constitution vector and outputs a crude drug vector corresponding to a combination of crude drug types for improving a disease or the like.
  • the number of dimensions of the crude drug vector output from the Chinese medicine neural network unit 110 is defined as P dimension (P is an arbitrary integer). That is, the Chinese medicine neural network unit 110 has L + M input nodes and P output nodes.
  • the Chinese medicine neural network unit 110 is mainly composed of four neural networks: a disease neural network unit 111, a constitutional neural network unit 113, an intermediate network unit 115, and a crude drug neural network unit 117.
  • test is a patient's personal condition (constitution, physical strength, resistance, symptoms, etc.), and by prescribing a herbal medicine that matches the individual's testimony, Uses the concept of correcting the disease.
  • the “test” is regarded as an N-dimensional vector (hereinafter, referred to as a “test vector”, where N is an arbitrary integer).
  • the items (types) of the testimony include, for example, front cold, hot front, back cold, back fever, blood imaginary, blood, ki imaginary, heart, lung, and the like.
  • the disease neural network unit 111, the constitutional neural network unit 113, the intermediate network unit 115, and the crude drug neural network unit 117 are connected as input and output via the evidence vector.
  • the disease neural network unit 111 is a neural network that inputs an L-dimensional disease vector and outputs an N-dimensional proof vector, that is, a neural network having L input nodes and N output nodes.
  • the number of intermediate nodes and the number of intermediate nodes in each layer are arbitrary.
  • the constitutional neural network unit 113 is a neural network that inputs an M-dimensional constitution vector and outputs an N-dimensional proof vector, that is, a neural network having M input nodes and N output nodes.
  • the crude drug neural network unit 117 is a neural network that inputs an N-dimensional evidence vector and outputs a P-dimensional crude drug vector, that is, a neural network having N input nodes and P output nodes.
  • the items (types) of the crude drug vector include, for example, agglomerated, mausoleum, Yinchenko, Fengxiang, crow, lotus, shakuyaku, saiko, and Toki.
  • the number of intermediate nodes and the number of intermediate nodes in each hierarchy are arbitrary.
  • the intermediate network unit 115 receives the input of the N-dimensional proof vector output from the disease neural network unit 111 and the input of the N-dimensional proof vector output from the constitutional neural network unit 113, and to the crude drug neural network unit 117.
  • This is a neural network that outputs an output N-dimensional proof vector. That is, the intermediate network unit 115 is a neural network having N ⁇ 2 input nodes and N output nodes. The number of intermediate nodes and the number of intermediate nodes in each layer are arbitrary.
  • L input nodes and N are trained in a neural network consisting of an output node and an intermediate node having an arbitrary number of layers and number by supervised learning, which is a method of machine learning.
  • the link between the nodes such as the error backpropagation method, such that the value of the proof vector obtained as a result of inputting the disease vector constituting the learning data approximates the value of the proof vector of the learning data
  • the learning data for a disease is learned by a neural network, and as a result, a neural network unit for a disease 111 is obtained.
  • the constitutional neural network unit 113 and the crude drug neural network unit 117 also have a constitutional learning data composed of a combination of constitutional information and testimony information prepared in advance, and a biological data composed of a combination of crude drug information and testimony information. It can be generated by making the neural network learn medicinal learning data.
  • the intermediate network unit 115 can be generated by preparing in advance a large number of learning data composed of a combination of disease information (disease vector), constitution information (constitution vector), and crude drug information (crude drug vector), and learning them. It is. More specifically, after preparing in advance an intermediate neural network having N ⁇ 2 input nodes and N output nodes, and having intermediate nodes having an arbitrary number of layers and numbers, the neural network Is connected to the disease neural network unit 111, the constitutional neural network unit 113, and the crude drug neural network unit 117, which have been learned in advance. Then, the intermediate neural network is trained so that the crude drug vector obtained as a result of inputting the disease vector and the constitution vector constituting the learning data prepared in advance to the network approximates that of the learning data. As a result, the intermediate network unit 115 can be generated.
  • the herbal medicine conversion section 121 converts herbal medicine information (P-dimensional herbal medicine vector) output from the Chinese medicine neural network section 110 into a medicine vector indicating a value to be prescribed to a patient for each of a plurality of medicine types. I do. Since the herbal medicine is a combination of herbal medicines, the herbal medicine vector can be converted into a herbal medicine vector by vector conversion according to the herbal medicine components and the ratios constituting each herbal medicine. In the following description, it is assumed that the formulation vector has a Q dimension (Q is an arbitrary integer).
  • Formulation output section 123 outputs the medicine to be prescribed to the patient from the Q-dimensional formulation vector generated by crude drug formulation conversion section 121.
  • the formulation output unit 123 may transmit the formulation information to an operation terminal such as a PC operated by the operator.
  • the formulation output unit 123 may output the top X values and the values of the numerical values of the respective items of the formulation vector as the formulation and the amount to be prescribed to the patient.
  • FIG. 2 is a flowchart showing the flow of the processing of the information processing apparatus 100.
  • processing steps described below may be arbitrarily changed in order or executed in parallel as long as the processing contents do not conflict. Further, another step may be added and executed between each processing step. Further, the steps described as one step for convenience may be divided into a plurality of steps and executed, and the steps described as plural steps may be executed as one step for convenience. This is the same in the flowchart of FIG. 6 described later.
  • the disease information input unit 101 and the constitution information input unit 103 of the information processing apparatus 100 receive a disease vector indicating a main complaint of a patient and a constitution vector indicating a constitution of the patient (S201).
  • the Chinese medicine neural network unit 110 performs an arithmetic operation on the inputted disease vector and constitution vector in the disease neural network unit 111, the constitution neural network unit 113, the intermediate network unit 115, and the crude drug neural network unit 117. (S203), a crude drug vector is generated (S205).
  • the herbal medicine conversion section 121 converts the herbal medicine vector generated by the Chinese medicine neural network section 110 into a herbal medicine vector (S207), and the herb medicine output section 123 prescribes a patient obtained according to the herb vector.
  • Information of the formulation to be output is output as formulation information (S209).
  • FIG. 3 schematically illustrates an example of a hardware configuration of the information processing apparatus 100 according to the present embodiment.
  • the information processing apparatus 100 illustrated in FIG. 3 includes a control unit 301, a storage unit 305, a communication interface (I / F) unit 309, an input unit 311, and an output unit 313, and the units communicate with each other via a bus line 315. Can be connected as possible.
  • I / F communication interface
  • the control unit 301 includes a CPU (Central Processing Unit), a RAM (Random Access Memory) 303, a ROM (Read Only Memory), and the like, and controls each component according to information processing. More specifically, for example, the CPU that can be included in the control unit 301 reads the control program 307 from the storage unit 305 into the RAM 303 and executes the control program 307, so that the disease information input unit 101 illustrated in FIG.
  • the above-described various processes related to the constitution information input unit 103, the Chinese medicine neural network unit 110, the herbal medicine conversion unit 121, and the preparation output unit 123 can be executed.
  • the storage unit 305 is an auxiliary storage device such as a hard disk drive (HDD) or a solid state drive (SSD), and stores a control program 307 executed by the control unit 301 and the like.
  • HDD hard disk drive
  • SSD solid state drive
  • the control program 307 is a program for executing the processing of the information processing apparatus 100 described with reference to FIG. In particular, each configuration of the disease information input unit 101, the constitution information input unit 103, the Chinese medicine neural network unit 110, the herbal medicine conversion unit 121, and the preparation output unit 123 shown in FIG. sell.
  • the communication I / F unit 309 is a communication module for communicating with another device, for example, an information processing terminal such as a PC operated by an operator such as a doctor by wire or wirelessly.
  • the communication method used by the communication I / F unit 309 for communication with other devices is arbitrary, and is, for example, a public line network such as the Internet or a telephone line, a LAN (Local Area Network), or a USB (Universal Serial Bus). It is mentioned.
  • the input unit 311 is a device that can be realized by, for example, a mouse, a keyboard, a touch panel, or the like, and that receives various input operations from a user.
  • the output unit 313 is a device for notifying a user or the like of the information processing device 100 of various information by a display, a sound, or the like, such as a display or a speaker.
  • the agent information output by the agent output unit 123 may be displayed on the display device by the output unit 313.
  • the Chinese medicine neural network unit 110 outputs the crude drug vector, and the crude drug conversion unit 121 converts the vector into the drug vector.
  • the present invention is not limited to this.
  • a crude drug vector indicating a suitable combination of crude drug types according to the disease and constitution of the patient may be output as it is.
  • the Chinese medicine neural network unit 110 may output a drug vector, and the drug output unit 123 may output drug information based on the vector.
  • the herbal medicine conversion part 121 is unnecessary.
  • a functional configuration and a flow of processing in this case will be described with reference to FIG. 4 and the like.
  • FIG. 4 shows a configuration of an information processing apparatus 100 according to a modification.
  • the same name and name as FIG. 1 are given.
  • a neural network unit 119 for the formulation has an output of the intermediate network unit 115, that is, a neural network that inputs an N-dimensional evidence vector and outputs a Q-dimensional formulation vector, that is, N input nodes and Q 2 is a neural network having a number of output nodes.
  • the number of intermediate nodes and the number of intermediate nodes in each layer are arbitrary.
  • the formulation neural network unit 119 prepares a large number of formulation learning data composed of a combination of formulation information (formulation vector) and testimony information (test vector), and then prepares N input nodes and Q
  • the learning data is learned by a neural network including a number of output nodes and an intermediate node having an arbitrary number and the number of layers. More specifically, by adjusting the link between the nodes so that the value of the proof vector obtained as a result of inputting the formulation vector constituting the learning data approximates the value of the proof vector of the learning data,
  • the learning data for the formulation is learned by the neural network, and as a result, the neural network unit 119 for the formulation is obtained.
  • the flow of processing of the information processing apparatus 100 according to the modified example is such that a medicine vector is generated as a result of operation by the Chinese medicine neural network unit 110, and that conversion from a crude drug vector to a medicine vector is unnecessary. Except for the above, the configuration is almost the same as that of the above-described embodiment, and the description is omitted.
  • the first embodiment proposes a formulation for improving the disease or constitution of a patient, but using a similar composition, a formulation or a combination thereof is effective in treating the disease. It is also conceivable to configure the information processing apparatus 200 for determining the physical constitution (ie, the effect). Hereinafter, a functional configuration and a flow of processing of the information processing apparatus 200 for determining an effective disease or constitution based on the formulation information will be described with reference to FIGS. 5 and 6.
  • the functional configuration of the information processing device 200 will be described with reference to FIG. As shown in FIG. 5, the information processing device 200 is roughly divided into a medicine input unit 201, a herbal medicine conversion unit 203, a Chinese medicine neural network unit 210, a disease information output unit 221, and a constitution information output unit 223. including. Note that the hardware configuration capable of realizing the information processing device 200 is the same as that of the first embodiment, and a description thereof will not be repeated.
  • the medicine input unit 201 receives, from the operator, input of medicine information indicating a medicine or combination of medicines whose efficacy is desired to be examined among a plurality of medicine types, converts the information into a medicine vector, and converts the information into a medicine vector. Output to the neural network unit 210.
  • the formulation input unit 201 may receive input of formulation information via a network from an operation terminal such as a PC operated by an operator. Can be
  • the crude drug conversion unit 203 converts the drug vector output from the drug input unit 201 into a crude drug vector. Note that, as the herbal medicine conversion section 203, one obtained by reversing the input and output of the herbal medicine conversion section 121 described in the first embodiment can be used.
  • the Chinese medicine neural network unit 210 is a neural network that receives a P-dimensional crude drug vector as an input, and outputs an L-dimensional disease vector and an M-dimensional constitution vector.
  • the neural network unit is mainly composed of four neural networks: a crude drug neural network unit 211, an intermediate network unit 213, a disease neural network unit 215, and a constitutional neural network unit 217.
  • the crude drug neural network unit 211, the intermediate network unit 213, the disease neural network unit 215, and the constitution neural network unit 217 are respectively the crude drug neural network unit 117, the intermediate network unit 115, and the disease described in the second embodiment.
  • the input and output of the neural network unit 111 for constitution and the neural network unit 113 for constitution can be reversed.
  • the disease information output unit 221 and the constitution information output unit 223 output disease information and constitution information indicating the disease and constitution in which the medicine is effective, based on the disease vector and constitution vector generated by the Chinese medicine neural network unit 210, respectively. I do.
  • the disease information output unit 221 and the constitution information output unit 223 transmit disease information and constitution information to an operation terminal such as a PC operated by an operator. Just do it.
  • the disease information output unit 221 and the constitution information output unit 223 output the top X or the threshold or more among the numerical values of the items of the disease vector and the constitution vector as effective diseases and constitutions. Good.
  • FIG. 6 is a flowchart illustrating the flow of the process of the information processing device 200.
  • the drug input unit 201 of the information processing apparatus 200 receives input of drug information on a drug or a combination thereof for which the effect is to be examined (S601), converts the input into a drug vector, and converts the drug vector into a crude drug conversion unit 203.
  • Output to The herbal medicine conversion part 203 converts the said herbal medicine vector into a herbal medicine vector (S603).
  • the Chinese medicine neural network unit 210 performs an operation on the input crude drug vector in the crude drug neural network unit 211, the intermediate network unit 213, the disease neural network unit 215, and the constitution neural network unit 217 (S605). , A disease vector and a constitution vector are generated (S607).
  • the disease information output unit 221 and the constitution information output unit 223 output disease information and constitution information indicating the disease and constitution effective for the drug, which are obtained according to the disease vector and the constitution vector (S609).
  • the information processing apparatus 200 can obtain effective disease and constitution information by inputting information of a drug or a combination thereof.
  • a history data or the like to directly calculate a disease from a drug
  • the efficacy of a drug not in the history cannot be examined.
  • a neural network that has learned the disease and constitution is used. Therefore, even if there is no identical case in the past, a suitable effect can be obtained.
  • the herbal medicine vector converted from the Chinese medicine vector is input to the Chinese medicine neural network unit 110, but the present invention is not limited to this.
  • the neural network unit 110 for Chinese medicine is Vectors can be input. In this case, the herbal medicine conversion unit 203 is unnecessary.
  • 100 information processing apparatus 101 disease information input unit, 103 constitution information input unit, 110 Chinese medicine neural network unit, 111 neural network unit for disease, 113 neural network unit for constitution, 115 intermediate network unit, 117 ... neural network part for crude drug, 119 ... neural network part for drug, 121 ... herbal drug conversion part, 123 ... drug output part, 200 ... information processing device, 201 ... drug input part, 203 ... herbal drug formulation Conversion unit, 210: Neural network unit for Kampo medicine, 211: Neural network unit for crude drug, 213 ... Intermediate network unit, 215 ... Neural network unit for disease, 217 ... Neural network unit for constitution, 221 ... Disease information output unit, 223 ... Constitution information output unit, 301 ... control unit, 303 RAM, 305 ... storage unit, 307 ... control program, 309 ... communication interface (I / F) unit, 311 ... input section, 313 ... output unit, 315 ... bus line

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Engineering & Computer Science (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Medical Preparation Storing Or Oral Administration Devices (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Medicines Containing Plant Substances (AREA)

Abstract

（課題）患者の疾患等と処方すべき漢方薬との関係を好適に扱うことのできる情報処理装置等を提供する。 （解決手段）複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける疾患情報入力部と、複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける体質情報入力部と、複数の疾患種別に相当する複数の第１ノード及び複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部と、複数の第１ノード及び複数の第２ノードに疾患情報及び体質情報に相当する値を漢方用ニューラルネットワーク部に入力することにより得られる、複数の生薬種別又は複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を出力する出力部とを備える。

Description

漢方薬処方用の情報処理システム、情報処理方法、及びプログラム
　本発明は、漢方薬処方用の情報処理システム、情報処理方法、及びプログラムに関する。
　近年、漢方薬の処方を支援する情報処理装置の提供が考えられている（たとえば特許文献１参照）。特許文献１に記載の情報処理装置は、症状と漢方薬との対応関係を示す対応情報を管理し、これに基づいて漢方薬の処方を支援するものである。より具体的には、過去の漢方薬の処方の履歴データを用いて漢方薬の処方の不確実性を事後確率として計算することにより、処方薬の処方の不確実性を数値に基づいて論理的に判別可能とするものである。
特開２０１６－１３９２６８号公報
　先述のとおり、特許文献１記載の手法は、症状と漢方薬との対応情報に基づいて症状に応じた処方すべき漢方薬を特定する。しかしながら、漢方薬は同時に処方すべきではないもの等もあるため、過去の症状と漢方薬との対応関係のみから単純に処方すべき漢方薬を特定することはできない。
　本発明のいくつかの態様は前述の課題に鑑みてなされたものであり、患者の疾患等と処方すべき漢方薬との関係を好適に扱うことのできる情報処理装置、情報処理方法、及びプログラムを提供することを目的の１つとする。
　本発明の一態様にかかる情報処理装置は、複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける疾患情報入力部と、複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける体質情報入力部と、前記複数の疾患種別に相当する複数の第１ノード及び前記複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部と、前記複数の第１ノード及び前記複数の第２ノードに前記疾患情報及び前記体質情報に相当する値を前記漢方用ニューラルネットワーク部に入力することにより得られる、前記複数の生薬種別又は前記複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を出力する出力部とを備える。
　本発明の一態様にかかる情報処理装置は、複数の方剤種別又は複数の生薬種別のうち、効能の調査対象となる方剤種別又は生薬種別を示す方剤情報又は生薬情報の入力を受ける入力部と、前記複数の方剤種別又は前記複数の生薬種別に相当する複数の第１ノードと、複数の疾患種別に相当する複数の第２ノード、及び複数の体質傾向種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部と、前記複数の第１ノードに前記方剤情報又は前記生薬情報に相当する値を前記漢方用ニューラルネットワーク部に入力することにより得られる、前記複数の疾患種別に対する値に応じた疾患情報を出力する第１出力部と、前記複数の第３ノードに前記方剤情報又は前記生薬情報に相当する値を前記漢方用ニューラルネットワーク部に入力することにより得られる、前記複数の体質傾向種別に対する値に応じた体質情報を出力する第２出力部とを備える。
　本発明の一態様にかかる情報処理方法は、複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける処理と、複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける処理と、前記複数の疾患種別に相当する複数の第１ノード及び前記複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノード及び前記複数の第２ノードに、前記疾患情報及び前記体質情報に相当する値を入力することにより、前記複数の生薬種別又は前記複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を得る処理と、前記生薬情報又は前記方剤情報を出力する処理とを情報処理装置が行う。
　本発明の一態様にかかる情報処理方法は、複数の方剤種別又は複数の生薬種別のうち、効能の調査対象となる方剤種別又は生薬種別に関する方剤情報又は生薬情報の入力を受ける処理と、前記複数の方剤種別又は前記複数の生薬種別に相当する複数の第１ノードと、複数の疾患種別に相当する複数の第２ノード及び複数の体質傾向種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノードに、前記方剤情報又は前記生薬情報に相当する値を入力することにより、前記複数の疾患種別に対する値に応じた疾患情報、及び前記複数の体質傾向種別に対する値に応じた体質情報を得る処理と、前記疾患情報及び前記体質情報を出力する処理とを情報処理装置が行う。
　本発明の一態様にかかるプログラムは、複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける処理と、複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける処理と、前記複数の疾患種別に相当する複数の第１ノード及び前記複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノード及び前記複数の第２ノードに、前記疾患情報及び前記体質情報に相当する値を入力することにより、前記複数の生薬種別又は前記複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を得る処理と、前記生薬情報又は前記方剤情報を出力する処理とをコンピュータに実行させる。
　本発明の一態様にかかるプログラムは、複数の方剤種別又は複数の生薬種別のうち、効能の調査対象となる方剤種別又は生薬種別に関する方剤情報又は生薬情報の入力を受ける処理と、前記複数の方剤種別又は前記複数の生薬種別に相当する複数の第１ノードと、複数の疾患種別に相当する複数の第２ノード及び複数の体質傾向種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノードに、前記方剤情報又は前記生薬情報に相当する値を入力することにより、前記複数の疾患種別に対する値に応じた疾患情報、及び前記複数の体質傾向種別に対する値に応じた体質情報を得る処理と、前記疾患情報及び前記体質情報を出力する処理とをコンピュータに実行させる。
　なお、本発明において、「部」や「手段」、「装置」、「システム」とは、単に物理的手段を意味するものではなく、その「部」や「手段」、「装置」、「システム」が有する機能をソフトウェアによって実現する場合も含む。また、１つの「部」や「手段」、「装置」、「システム」が有する機能が２つ以上の物理的手段や装置により実現されても、２つ以上の「部」や「手段」、「装置」、「システム」の機能が１つの物理的手段や装置により実現されてもよい。
第１実施形態にかかる情報処理装置の機能構成の一例を模式的に例示するための図である。 第１実施形態にかかる情報処理装置の処理手順の一例を例示するフローチャートである。 第１実施形態にかかる情報処理装置のハードウェア構成の一例を模式的に例示するための図である。 変形例にかかる情報処理装置の機能構成の一例を模式的に例示するための図である。 第２実施形態にかかる情報処理装置の機能構成の一例を模式的に例示するための図である。 第２実施形態にかかる情報処理装置の処理手順の一例を例示するフローチャートである。
　以下、図面を参照して本発明の実施形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。即ち、本発明は、その趣旨を逸脱しない範囲で種々変形して実施することができる。また、以下の図面の記載において、同一又は類似の部分には同一又は類似の符号を付して表している。図面は模式的なものであり、必ずしも実際の寸法や比率等とは一致しない。図面相互間においても互いの寸法の関係や比率が異なる部分が含まれていることがある。
［１　第１実施形態］
［１．１　機能構成］
　図１を参照しながら、本実施形態に係る情報処理装置１００に関する概要を説明する。情報処理装置１００は、患者の疾患及び体質の情報を入力し、その疾患及び体質に応じた漢方薬（以下、生薬の組み合わせである「方剤」という）の組み合わせを特定し、出力するものである。図１に示すとおり、情報処理装置１００は、大きく分けて、疾患情報入力部１０１、体質情報入力部１０３、漢方用ニューラルネットワーク部１１０、生薬方剤変換部１２１、及び方剤出力部１２３を含む。
　例えば医師等である操作者は、患者を診察等することにより、患者が改善を希望する主訴である疾患情報を、疾患情報入力部１０１から入力する。主訴としては、例えば、悪寒、高血圧、低血圧、疲労、倦怠、食欲不振等、種々考えられる。
　また操作者は、患者が慢性的に抱える性質である患者の体質情報を、体質情報入力部１０３から入力する。体質としては、例えば、ぞくぞくと寒気がしやすい、クーラーにあたるのが嫌だ、身体がほてりやすい、口臭がある、生理不順である、髪の毛が荒れやすい等、種々考えられる。
　疾患情報入力部１０１及び体質情報入力部１０３は、操作者から入力された疾患情報及び体質情報をベクトル化し、それを漢方用ニューラルネットワーク部１１０へと入力する。
　漢方用ニューラルネットワーク部１１０は、予め、複数の疾患種別に関する疾患情報、及び、複数の体質傾向種別に関する体質情報を入力とし、それを改善するための好適な生薬種別の組み合わせを示す生薬情報を出力可能に学習されたニューラルネットワークである。漢方用ニューラルネットワーク部１１０から出力された生薬種別の組合せを示す生薬情報は、生薬方剤変換部１２１により方剤の組合せに変換され、方剤出力部１２３は処方すべき１以上の方剤を示す方剤情報として出力する。
　これにより、情報処理装置１００は、患者の疾患及び体質に応じた好適な方剤の組合せを出力し、操作者に提案等することができる。
［１．２　機能構成］
　上述したとおり、本実施形態に係る漢方処方用の情報処理装置１００は、大きく分けて、疾患情報入力部１０１、体質情報入力部１０３、漢方用ニューラルネットワーク部１１０、生薬方剤変換部１２１、及び方剤出力部１２３を含む。情報処理装置１００は、物理的に１台のコンピュータ（パーソナルコンピュータ（ＰＣ）やサーバを含み得る）として実現されてもよいし、或いは、複数台の協働するコンピュータにより実現されてもよい。以下では、情報処理装置１００は、１台のサーバとして実現される場合を中心に説明する。
［１．２．１　疾患情報入力部１０１及び体質情報入力部１０３］
　疾患情報入力部１０１は、先述のとおり、患者が改善を希望する主訴である疾患情報の入力を受け、それをベクトル化した疾患ベクトルとして出力する。すなわち疾患ベクトルは、予め定められた複数の疾患種別の中で、患者の該当する疾患種別を特定するものである。以下の説明では、疾患ベクトルの次元数はＬ次元とする（Ｌは任意の整数）。疾患ベクトルにおいては、例えば、主訴に当たる項目（例えば悪寒、食欲不振、不眠、肩こり、生理不順等）を１、その他の項目（高血圧、低血圧、動悸、肝障害、排尿障害等）を０として表現すればよい。患者が複数の疾患を訴える場合には、複数の項目について０以外の値を設定することも考えられる。また、患者の訴える度合いに応じて、値を変える（例えば、強く訴える疾患を１、中程度の疾患を０．５とする等）ことも考えられる。
　情報処理装置１００が、ネットワーク上のサーバとして実現される場合には、疾患情報入力部１０１は、操作者の操作するＰＣ等の操作端末から、ネットワークを介して疾患情報の入力を受けることが考えられる。
　体質情報入力部１０３は、先述のとおり、患者が慢性的に抱える体質傾向に関する体質情報の入力を受け、それをベクトル化した体質ベクトルとして出力する。すなわち体質ベクトルは、予め定められた複数の体質傾向種別の中で、患者の該当する体質傾向の種別を特定するものである。以下の説明では、体質ベクトルの次元数はＭ次元とする（Ｍは任意の整数）。体質ベクトルにおいては、例えば、患者の当てはまる項目（例えば身体がほてりやすい、生理不順である、顔や手足がむくみやすい、寝付きが悪くよく夢を見る、気を使うと体調が狂いやすい等）を１、その他の体質（クーラーにあたるのが嫌だ、口臭がある、下痢しやすい、イライラする、朝から午前中に調子が悪い等）を０として表現すればよい。患者が複数の項目に当てはまる場合には、それぞれの項目に０以外の数値を設定すればよい。また、患者の該当具合に応じて値を変えることも考えられる。
　情報処理装置１００が、ネットワーク上のサーバとして実現される場合には、疾患情報入力部１０１は、操作者の操作するＰＣ等の操作端末から、ネットワークを介して体質情報の入力を受けることが考えられる。
　なお、疾患情報入力部１０１及び体質情報入力部１０３が入力を受ける疾患情報及び体質情報は、一体的な情報として入力を受けてもよい。
［１．２．２　漢方用ニューラルネットワーク部１１０］
［１．２．２．１　ネットワーク構成］
　漢方用ニューラルネットワーク部１１０は、Ｌ次元の疾患ベクトル及びＭ次元の体質ベクトルの入力を受け、疾患等を改善するための生薬種別の組み合わせに相当する生薬ベクトルを出力するニューラルネットワークである。以下、漢方用ニューラルネットワーク部１１０が出力する生薬ベクトルの次元数をＰ次元とする（Ｐは任意の整数）。すなわち、漢方用ニューラルネットワーク部１１０はＬ＋Ｍ個の入力ノードを有し、Ｐ個の出力ノードを有する。
　漢方用ニューラルネットワーク部１１０は、疾患用ニューラルネットワーク部１１１、体質用ニューラルネットワーク部１１３、中間ネットワーク部１１５、及び生薬用ニューラルネットワーク部１１７の大きく４つのニューラルネットワークから構成される。
　ここで、漢方医学には、患者の個人的な状態（体質、体力、抵抗力、症状等）である「証」という概念があり、個人の「証」に合わせた漢方薬を処方することで、病気を直していく考え方を用いている。本実施形態では、「証」を、Ｎ次元のベクトルとして捉える（以下「証ベクトル」という。Ｎは任意の整数）。証の項目（種別）としては、例えば、表寒、表熱、裏寒、裏熱、血虚、血お、気虚、心、肺、等が考えられる。
　よって、以下に説明するとおり、疾患用ニューラルネットワーク部１１１、体質用ニューラルネットワーク部１１３、中間ネットワーク部１１５、及び生薬用ニューラルネットワーク部１１７は、各々、証ベクトルを介した入出力として接続される。
　疾患用ニューラルネットワーク部１１１及び体質用ニューラルネットワーク部１１３の出力、並びに生薬用ニューラルネットワーク部１１７の入力を証ベクトルとする。よって疾患用ニューラルネットワーク部１１１は、Ｌ次元の疾患ベクトルを入力、Ｎ次元の証ベクトルを出力とするニューラルネットワーク、すなわちＬ個の入力ノード及びＮ個の出力ノードを有するニューラルネットワークである。なお、中間ノードの階層数及び各々の階層における中間ノードの数は任意である。
　同様に、体質用ニューラルネットワーク部１１３は、Ｍ次元の体質ベクトルを入力、Ｎ次元の証ベクトルを出力とするニューラルネットワーク、すなわちＭ個の入力ノード及びＮ個の出力ノードを有するニューラルネットワークである。生薬用ニューラルネットワーク部１１７は、Ｎ次元の証ベクトルを入力、Ｐ次元の生薬ベクトルを出力とするニューラルネットワーク、すなわちＮ個の入力ノード及びＰ個の出力ノードを有するニューラルネットワークである。生薬ベクトルの項目（種別）としては、例えば、阿膠、威霊仙、茵陳蒿、茴香、烏薬、蓮肉、芍薬、柴胡、当帰等が考えられる。なお、体質用ニューラルネットワーク部１１３及び生薬用ニューラルネットワーク部１１７のいずれについても、中間ノードの階層数及び各々の階層における中間ノードの数は任意である。
　中間ネットワーク部１１５は、疾患用ニューラルネットワーク部１１１から出力されたＮ次元の証ベクトル、及び体質用ニューラルネットワーク部１１３から出力されたＮ次元の証ベクトルの入力を受け、生薬用ニューラルネットワーク部１１７へ出力するＮ次元の証ベクトルを出力するニューラルネットワークである。すなわち中間ネットワーク部１１５は、Ｎ×２個の入力ノード及びＮ個の出力ノードを有するニューラルネットワークである。なお、中間ノードの階層数及び各々の階層における中間ノードの数は任意である。
［１．２．２．２　ニューラルネットワークの学習方法］
　漢方医学では、長い歴史の間に蓄積された文献や症例等が多数存在する。よって、漢方用ニューラルネットワーク部１１０を構成する疾患用ニューラルネットワーク部１１１、体質用ニューラルネットワーク部１１３、中間ネットワーク部１１５、及び生薬用ニューラルネットワーク部１１７は、それらを用いて学習することができる。
　例えば疾患用ニューラルネットワーク部１１１であれば、予め、疾患情報（疾患ベクトル）と証情報（証ベクトル）の組み合わせからなる疾患用の学習データを多数用意した上で、Ｌ個の入力ノード及びＮ個の出力ノードと、任意の階層数及び個数からなる中間ノードとからなるニューラルネットワークにそれらの学習データを、機械学習の一手法である教師あり学習によって学習させる。より具体的には、学習データを構成する疾患ベクトルを入力した結果得られる証ベクトルの値が学習データの証ベクトルの値と近似するように、ノード間のリンクを、例えば誤差逆伝播法等の公知の手法を用いて調整していくことにより、疾患用の学習データがニューラルネットワークに学習され、その結果、疾患用ニューラルネットワーク部１１１が得られる。
　体質用ニューラルネットワーク部１１３及び生薬用ニューラルネットワーク部１１７についても、同様に、予め用意された体質情報と証情報の組み合わせからなる体質用の学習データ、及び、生薬情報と証情報の組み合わせからなる生薬用の学習データをニューラルネットワークに学習させることにより生成可能である。
　中間ネットワーク部１１５については、予め、疾患情報（疾患ベクトル）及び体質情報（体質ベクトル）と、生薬情報（生薬ベクトル）との組み合わせからなる学習データを多数用意し、それらを学習させることにより生成可能である。より具体的には、Ｎ×２個の入力ノード及びＮ個の出力ノードを有し、任意の階層数及び個数を有する中間ノードを有する中間用のニューラルネットワークを予め用意した上で、当該ニューラルネットワークを、予め学習させた疾患用ニューラルネットワーク部１１１、体質用ニューラルネットワーク部１１３、及び生薬用ニューラルネットワーク部１１７に接続させる。そのうえで、予め用意した学習データを構成する疾患ベクトル及び体質ベクトルを当該ネットワークに入力した結果得られる生薬ベクトルが、学習データのものと近似するように、中間用のニューラルネットワークを学習させる。この結果、中間ネットワーク部１１５を生成することができる。
［１．２．３　生薬方剤変換部１２１及び方剤出力部１２３］
　生薬方剤変換部１２１は、漢方用ニューラルネットワーク部１１０から出力される生薬情報（Ｐ次元の生薬ベクトル）を、複数の方剤種別のそれぞれについて患者に処方すべき値を示す方剤ベクトルに変換する。方剤は生薬の組み合わせであることから、各々の方剤を構成する生薬成分及び比率に応じて、生薬ベクトルはベクトル変換により方剤ベクトルに変換することが可能である。以下の説明において、方剤ベクトルはＱ次元であるものとする（Ｑは任意の整数）。方剤ベクトルの項目（種別）としては、例えば、安中散、胃苓湯、六味丸、補中益気湯、酸棗仁湯、加味逍遙散、当帰芍薬散等が考えられる。
　方剤出力部１２３は、生薬方剤変換部１２１により生成されたＱ次元の方剤ベクトルから、患者に処方すべき方剤として出力する。情報処理装置１００がネットワーク上のサーバとして実現される場合には、方剤出力部１２３は、操作者の操作するＰＣ等の操作端末に方剤情報を送信すればよい。この際、方剤出力部１２３は、方剤ベクトルの各項目の数値のうち上位Ｘ個及びその値を、患者に処方すべき方剤及び分量として出力してもよい。
［１．３　処理の流れ］
　以下、図２を参照しながら、情報処理装置１００の処理の流れを説明する。図２は、情報処理装置１００の処理の流れを示すフローチャートである。
　なお、後述の各処理ステップは、処理内容に矛盾を生じない範囲で、任意に順番を変更して若しくは並列に実行されてもよい。また、各処理ステップ間に他のステップが追加されて実行されてもよい。さらに、便宜上１つのステップとして記載されているステップは複数のステップに分けて実行されることもでき、便宜上複数に分けて記載されているステップを１ステップとして実行されることもできる。この点、後述の図６のフローチャートについても同様である。
　まず、情報処理装置１００の疾患情報入力部１０１及び体質情報入力部１０３は、患者の主訴を示す疾患ベクトル及び患者の体質を示す体質ベクトルの入力を受ける（Ｓ２０１）。漢方用ニューラルネットワーク部１１０は、疾患用ニューラルネットワーク部１１１、体質用ニューラルネットワーク部１１３、中間ネットワーク部１１５、及び生薬用ニューラルネットワーク部１１７において、入力された疾患ベクトル及び体質ベクトルに対する演算を行うことにより（Ｓ２０３）、生薬ベクトルを生成する（Ｓ２０５）。
　生薬方剤変換部１２１は、漢方用ニューラルネットワーク部１１０により生成された生薬ベクトルを方剤ベクトルへと変換し（Ｓ２０７）、方剤出力部１２３は方剤ベクトルに応じて得られる、患者に処方すべき方剤の情報を方剤情報として出力する（Ｓ２０９）。
［１．４　ハードウェア構成］
　図３を参照しながら、情報処理装置１００を実現可能なハードウェア構成を説明する。図３は、本実施形態にかかる情報処理装置１００のハードウェア構成の一例を模式的に例示する。図３に示す情報処理装置１００は、制御部３０１、記憶部３０５、通信インタフェース（Ｉ／Ｆ）部３０９、入力部３１１、及び出力部３１３を含み、各部はバスライン３１５を介して相互に通信可能に接続され得る。
　制御部３０１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）３０３、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）等を含み、情報処理に応じて各構成要素の制御を行う。より具体的には、たとえば、制御部３０１に含まれ得るＣＰＵは、記憶部３０５から制御プログラム３０７をＲＡＭ３０３へ読込み、当該制御プログラム３０７を実行することで、図１に示す疾患情報入力部１０１、体質情報入力部１０３、漢方用ニューラルネットワーク部１１０、生薬方剤変換部１２１、及び方剤出力部１２３に関する上述の各種処理を実行可能である。
　記憶部３０５は、例えばハード・ディスク・ドライブ（ＨＤＤ）、ソリッド・ステート・ドライブ（ＳＳＤ）等の補助記憶装置であり制御部３０１で実行される制御プログラム３０７等を記憶する。
　制御プログラム３０７は、図１を参照しながら説明した情報処理装置１００の処理を実行させるためのプログラムである。特に、図１に示した疾患情報入力部１０１、体質情報入力部１０３、漢方用ニューラルネットワーク部１１０、生薬方剤変換部１２１、及び方剤出力部１２３の各構成は、制御プログラム３０７として実現しうる。
　通信Ｉ／Ｆ部３０９は、例えば、有線又は無線により他の装置、例えば、医師等である操作者の操作するＰＣ等の情報処理端末と通信するための通信モジュールである。通信Ｉ／Ｆ部３０９が他の装置との通信に用いる通信方式は任意であるが、例えば、インターネットや電話回線等の公衆回線網、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）やＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）であることが挙げられる。
　入力部３１１は、例えば、マウスやキーボード、タッチパネル等で実現しうる、ユーザからの各種入力操作等を受け付けるためのデバイスである。出力部３１３は、例えば、ディスプレイやスピーカ等、表示や音声等により、情報処理装置１００を利用するユーザ等へ各種情報を報知するための装置である。例えば、方剤出力部１２３が出力する方剤情報は、出力部３１３が表示装置に表示等させることが考えられる。
［１．５　実施形態にかかる効果］
　以上説明したように、本実施形態では、予め学習された漢方用ニューラルネットワーク部１１０を用いて、患者の疾患及び体質に応じた好適な方剤情報を提案することができる。履歴データなど用いて、疾患から直接的に方剤を演算する場合には、履歴にない症状に対処することができず、また患者の体質等に応じた対処が困難であるが、本実施形態では、疾患及び体質を学習させたニューラルネットワークを用いることから、過去に同一の事例がない場合であっても、好適な方剤を提案することが可能である。さらに、同時に処方すべきでない方剤の組み合わせ等についても、漢方用ニューラルネットワーク部１１０に学習させることが可能であるため、この点においても、好適な方剤の提案が可能である。
［１．６　変形例］
　上述の例では、漢方用ニューラルネットワーク部１１０は生薬ベクトルを出力し、それを生薬方剤変換部１２１が方剤ベクトルに変換していたが、これに限られるものではない。例えば、患者の疾患及び体質に応じた好適な生薬種別の組み合わせを示す生薬ベクトルをそのまま出力することも考えられる。
　或いは、漢方用ニューラルネットワーク部１１０が方剤ベクトルを出力し、これに基づく方剤情報を方剤出力部１２３が出力するように構成されてもよい。この場合、生薬方剤変換部１２１は不要である。以下、図４等を参照しながら、この場合の機能構成及び処理の流れ等について説明する。
［１．６．１　機能構成］
　変形例に係る情報処理装置１００の構成を図４に示す。なお、上記実施形態と同様の動作をする構成については、図１と同一の名称及び名称を付している。
　図４において、方剤用ニューラルネットワーク部１１９は、中間ネットワーク部１１５の出力、つまりＮ次元の証ベクトルを入力、Ｑ次元の方剤ベクトルを出力とするニューラルネットワーク、すなわちＮ個の入力ノード及びＱ個の出力ノードを有するニューラルネットワークである。なお、中間ノードの階層数及び各々の階層における中間ノードの数は任意である。
　方剤用ニューラルネットワーク部１１９は、予め、方剤情報（方剤ベクトル）と証情報（証ベクトル）の組み合わせからなる方剤用の学習データを多数用意した上で、Ｎ個の入力ノード及びＱ個の出力ノードと、任意の階層数及び個数からなる中間ノードとからなるニューラルネットワークにそれらの学習データを学習させる。より具体的には、学習データを構成する方剤ベクトルを入力した結果得られる証ベクトルの値が学習データの証ベクトルの値と近似するように、ノード間のリンクを調整していくことにより、方剤用の学習データがニューラルネットワークに学習され、その結果、方剤用ニューラルネットワーク部１１９が得られる。
［１．６．２　処理の流れ］
　変形例に係る情報処理装置１００の処理の流れは、漢方用ニューラルネットワーク部１１０による演算の結果、方剤ベクトルが生成される点、及び、生薬ベクトルから方剤ベクトルへの変換が不要である点を除き、ほぼ上記実施形態と同様であるため、説明を省略する。
［１．６．３　変形例にかかる効果］
　変形例においても、患者の疾患及び体質に応じた好適な方剤情報を提案できる点などについては上記実施形態と同一である。
　さらに変形例のように構成すれば、生薬ベクトルを方剤ベクトルに変換する変換処理が不要であるため、演算量の低減を図ることもできる。
［２　第２実施形態］
　上記第１実施形態は、患者の疾患や体質から、それらを改善させるための方剤を提案するものであったが、同様の構成を用いて、方剤又はその組み合わせから、それに効果のある疾患や体質（すなわち効能）を判断する情報処理装置２００を構成することも考えられる。以下、図５及び図６を参照しながら、方剤情報に基づき、効き目のある疾患や体質を判別する情報処理装置２００の機能構成及び処理の流れ等を説明する。
［２．１　機能構成］
　まず、図５を参照しながら、情報処理装置２００の機能構成を説明する。なお、図５に示すとおり、情報処理装置２００は、大きく分けて、方剤入力部２０１、生薬方剤変換部２０３、漢方用ニューラルネットワーク部２１０、疾患情報出力部２２１、及び体質情報出力部２２３を含む。なお、情報処理装置２００を実現しうるハードウェア構成については、第１実施形態と同様であるため、説明を省略する。
　方剤入力部２０１は、操作者から、複数の方剤種別のうち、効能を調べたい方剤又はその組み合わせを示す方剤情報の入力を受け、それを方剤ベクトルへと変換して漢方用ニューラルネットワーク部２１０へと出力する。情報処理装置２００がネットワーク上のサーバとして実現される場合には、方剤入力部２０１は、操作者の操作するＰＣ等の操作端末から、ネットワークを介して方剤情報の入力を受けることが考えられる。
　生薬方剤変換部２０３は、方剤入力部２０１から出力された方剤ベクトルを、生薬ベクトルに変換する。なお、生薬方剤変換部２０３には、上記第１実施形態で説明した生薬方剤変換部１２１の入力及び出力を逆にしたものを用いることができる。
　漢方用ニューラルネットワーク部２１０は、Ｐ次元の生薬ベクトルを入力とし、Ｌ次元の疾患ベクトル及びＭ次元の体質ベクトルを出力とするニューラルネットワークである。第１実施形態の漢方用ニューラルネットワーク部１１０と同様、生薬用ニューラルネットワーク部２１１、中間ネットワーク部２１３、疾患用ニューラルネットワーク部２１５、及び体質用ニューラルネットワーク部２１７の大きく４つのニューラルネットワークから構成される。生薬用ニューラルネットワーク部２１１、中間ネットワーク部２１３、疾患用ニューラルネットワーク部２１５、及び体質用ニューラルネットワーク部２１７は、それぞれ上記第２実施形態で説明した生薬用ニューラルネットワーク部１１７、中間ネットワーク部１１５、疾患用ニューラルネットワーク部１１１、及び体質用ニューラルネットワーク部１１３の入力及び出力を逆にしたものを用いることができる。
　疾患情報出力部２２１及び体質情報出力部２２３は、それぞれ漢方用ニューラルネットワーク部２１０により生成された疾患ベクトル及び体質ベクトルに基づき、方剤が効能のある疾患及び体質を示す疾患情報及び体質情報を出力する。情報処理装置１００が、ネットワーク上のサーバとして実現される場合には、疾患情報出力部２２１及び体質情報出力部２２３は、操作者の操作するＰＣ等の操作端末に、疾患情報及び体質情報を送信すれば良い。この際、疾患情報出力部２２１及び体質情報出力部２２３は、疾患ベクトル及び体質ベクトルの各項目の数値のうち、上位Ｘ個や閾値以上のものを、効能のある疾患及び体質として出力してもよい。
［２．２　処理の流れ］
　以下、図６を参照しながら、情報処理装置２００の処理の流れを説明する。図６は、情報処理装置２００の処理の流れを示すフローチャートである。
　まず、情報処理装置２００の方剤入力部２０１は、効能を調べたい方剤又はその組み合わせに関する方剤情報の入力を受け（Ｓ６０１）、それを方剤ベクトルに変換して生薬方剤変換部２０３へと出力する。生薬方剤変換部２０３は、当該方剤ベクトルを生薬ベクトルへと変換する（Ｓ６０３）。漢方用ニューラルネットワーク部２１０は、生薬用ニューラルネットワーク部２１１、中間ネットワーク部２１３、疾患用ニューラルネットワーク部２１５、及び体質用ニューラルネットワーク部２１７において、入力された生薬ベクトルに対する演算を行うことにより（Ｓ６０５）、疾患ベクトル及び体質ベクトルを生成する（Ｓ６０７）。
　疾患情報出力部２２１及び体質情報出力部２２３は、疾患ベクトル及び体質ベクトルに応じて得られる、方剤に効能のある疾患及び体質を示す疾患情報及び体質情報を出力する（Ｓ６０９）。
［２．３　実施形態にかかる効果］
　以上説明したように、本実施形態に係る情報処理装置２００は、方剤又はその組み合わせの情報を入力することにより、それに効き目のある疾患及び体質の情報を得ることができる。履歴データなど用いて、方剤から直接的に疾患を演算する場合には、履歴にない方剤の効能を調べることができないが、本実施形態では、疾患及び体質を学習させたニューラルネットワークを用いることから、過去に同一の事例がない場合であっても、好適な効能を得ることができる。
［２．４　変形例］
　上述の例では、漢方用ニューラルネットワーク部１１０に方剤ベクトルから変換された生薬ベクトルを入力していたが、これに限られるものではない。上記第１実施形態の変形例で示した方剤用ニューラルネットワーク部１１９の入力及び出力を逆にしたものを生薬用ニューラルネットワーク部２１１の代わりに用いることで、漢方用ニューラルネットワーク部１１０が方剤ベクトルを入力とすることができる。この場合、生薬方剤変換部２０３は不要である。
［３　付記］
　以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。
１００…情報処理装置、１０１…疾患情報入力部、１０３…体質情報入力部、１１０…漢方用ニューラルネットワーク部、１１１…疾患用ニューラルネットワーク部、１１３…体質用ニューラルネットワーク部、１１５…中間ネットワーク部、１１７…生薬用ニューラルネットワーク部、１１９…方剤用ニューラルネットワーク部、１２１…生薬方剤変換部、１２３…方剤出力部、２００…情報処理装置、２０１…方剤入力部、２０３…生薬方剤変換部、２１０…漢方用ニューラルネットワーク部、２１１…生薬用ニューラルネットワーク部、２１３…中間ネットワーク部、２１５…疾患用ニューラルネットワーク部、２１７…体質用ニューラルネットワーク部、２２１…疾患情報出力部、２２３…体質情報出力部、３０１…制御部、３０３…ＲＡＭ、３０５…記憶部、３０７…制御プログラム、３０９…通信インタフェース（Ｉ／Ｆ）部、３１１…入力部、３１３…出力部、３１５…バスライン

Claims (10)

  1. 　複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける疾患情報入力部と、
    　複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける体質情報入力部と、
    　前記複数の疾患種別に相当する複数の第１ノード及び前記複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部と、
    　前記複数の第１ノード及び前記複数の第２ノードに前記疾患情報及び前記体質情報に相当する値を前記漢方用ニューラルネットワーク部に入力することにより得られる、前記複数の生薬種別又は前記複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を出力する出力部と
    を備える情報処理装置。
  2. 　前記漢方用ニューラルネットワーク部は、
    　前記複数の疾患種別に相当する前記複数の第１ノードと、複数の証種別に相当する複数の第４ノードとを有する疾患用ニューラルネットワーク部と、
    　前記複数の体質傾向種別に相当する前記複数の第２ノードと、前記複数の証種別に相当する複数の第５ノードとを有する体質用ニューラルネットワーク部と、
    　前記複数の生薬種別又は前記複数の方剤種別に相当する前記複数の第３ノードと、前記複数の証種別に相当する複数の第６ノードとを有する生薬又は方剤用ネットワーク部と、
    　前記第４ノード及び前記第５ノードと、前記第６ノードとを接続する中間ネットワーク部と
    を備える、請求項１記載の情報処理装置。
  3. 　前記漢方用ニューラルネットワーク部の前記複数の第３ノードは前記複数の生薬種別に相当するものであり、
    　前記複数の生薬種別を前記複数の方剤種別に変換する変換部をさらに備える、
    請求項１又は請求項２記載の情報処理装置。
  4. 　複数の方剤種別又は複数の生薬種別のうち、効能の調査対象となる方剤種別又は生薬種別を示す方剤情報又は生薬情報の入力を受ける入力部と、
    　前記複数の方剤種別又は前記複数の生薬種別に相当する複数の第１ノードと、複数の疾患種別に相当する複数の第２ノード、及び複数の体質傾向種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部と、
    　前記複数の第１ノードに前記方剤情報又は前記生薬情報に相当する値を前記漢方用ニューラルネットワーク部に入力することにより得られる、前記複数の疾患種別に対する値に応じた疾患情報を出力する第１出力部と、
    　前記複数の第３ノードに前記方剤情報又は前記生薬情報に相当する値を前記漢方用ニューラルネットワーク部に入力することにより得られる、前記複数の体質傾向種別に対する値に応じた体質情報を出力する第２出力部と
    を備える、情報処理装置。
  5. 　前記漢方用ニューラルネットワーク部は、
    　前記複数の方剤種別又は前記複数の生薬種別に相当する前記複数の第１ノードと、複数の証種別に相当する複数の第４ノードとを有する生薬又は方剤用ニューラルネットワーク部と、
    　前記複数の疾患種別に相当する前記複数の第２ノードと、前記複数の証種別に相当する複数の第５ノードとを有する疾患用ニューラルネットワーク部と、
    　前記複数の体質傾向種別に相当する前記複数の第３ノードと、前記複数の証種別に相当する複数の第６ノードとを有する体質用ニューラルネットワーク部と、
    　前記第４ノードと、前記第５ノード及び前記第６ノードとを接続する中間ネットワーク部と
    を備える、請求項４記載の情報処理装置。
  6. 　前記漢方用ニューラルネットワーク部の前記複数の第１ノードは複数の生薬種別に相当するものであり、
    　前記複数の方剤種別を前記複数の生薬種別に変換する変換部をさらに備える、
    請求項４又は請求項５記載の情報処理装置。
  7. 　複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける処理と、
    　複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける処理と、
    　前記複数の疾患種別に相当する複数の第１ノード及び前記複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノード及び前記複数の第２ノードに、前記疾患情報及び前記体質情報に相当する値を入力することにより、前記複数の生薬種別又は前記複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を得る処理と、
    　前記生薬情報又は前記方剤情報を出力する処理と
    を情報処理装置が行う、情報処理方法。
  8. 　複数の方剤種別又は複数の生薬種別のうち、効能の調査対象となる方剤種別又は生薬種別に関する方剤情報又は生薬情報の入力を受ける処理と、
    　前記複数の方剤種別又は前記複数の生薬種別に相当する複数の第１ノードと、複数の疾患種別に相当する複数の第２ノード及び複数の体質傾向種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノードに、前記方剤情報又は前記生薬情報に相当する値を入力することにより、前記複数の疾患種別に対する値に応じた疾患情報、及び前記複数の体質傾向種別に対する値に応じた体質情報を得る処理と、
    　前記疾患情報及び前記体質情報を出力する処理と
    を情報処理装置が行う、情報処理方法。
  9. 　複数の疾患種別のうち、患者が該当する疾患種別に関する疾患情報の入力を受ける処理と、
    　複数の体質傾向種別のうち、患者が該当する体質傾向種別に関する体質情報の入力を受ける処理と、
    　前記複数の疾患種別に相当する複数の第１ノード及び前記複数の体質傾向種別に相当する複数の第２ノードと、複数の生薬種別又は複数の方剤種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノード及び前記複数の第２ノードに、前記疾患情報及び前記体質情報に相当する値を入力することにより、前記複数の生薬種別又は前記複数の方剤種別のそれぞれに対する値に応じた生薬情報又は方剤情報を得る処理と、
    　前記生薬情報又は前記方剤情報を出力する処理と
    をコンピュータに実行させる、プログラム。
  10. 　複数の方剤種別又は複数の生薬種別のうち、効能の調査対象となる方剤種別又は生薬種別に関する方剤情報又は生薬情報の入力を受ける処理と、
    　前記複数の方剤種別又は前記複数の生薬種別に相当する複数の第１ノードと、複数の疾患種別に相当する複数の第２ノード及び複数の体質傾向種別に相当する複数の第３ノードとを有する漢方用ニューラルネットワーク部の前記複数の第１ノードに、前記方剤情報又は前記生薬情報に相当する値を入力することにより、前記複数の疾患種別に対する値に応じた疾患情報、及び前記複数の体質傾向種別に対する値に応じた体質情報を得る処理と、
    　前記疾患情報及び前記体質情報を出力する処理と
    をコンピュータに実行させる、プログラム。
PCT/JP2019/025171 2018-06-29 2019-06-25 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム WO2020004391A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-124707 2018-06-29
JP2018124707A JP2020004221A (ja) 2018-06-29 2018-06-29 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム

Publications (1)

Publication Number Publication Date
WO2020004391A1 true WO2020004391A1 (ja) 2020-01-02

Family

ID=68985723

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/025171 WO2020004391A1 (ja) 2018-06-29 2019-06-25 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム

Country Status (3)

Country Link
JP (1) JP2020004221A (ja)
TW (1) TWI703580B (ja)
WO (1) WO2020004391A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112562822A (zh) * 2020-12-17 2021-03-26 南京王师大数据有限公司 一种中药经方确定方法及其系统
WO2023210219A1 (ja) * 2022-04-28 2023-11-02 Tdk株式会社 情報処理装置、情報処理方法、及びプログラム
WO2023210217A1 (ja) * 2022-04-28 2023-11-02 Tdk株式会社 情報処理装置、情報処理方法、及びプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113509386B (zh) * 2021-09-10 2021-12-07 江西中医药大学 一种煎药监控方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1876172A (zh) * 2005-06-02 2006-12-13 北京中医药大学 Bp神经网络模型方法制备药物组合物
JP2016139268A (ja) * 2015-01-27 2016-08-04 国立大学法人山口大学 情報処理装置と情報処理プログラム並びに情報処理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG10201505644PA (en) * 2010-07-28 2015-09-29 Herbminers Informatics Ltd Artificial intelligence and methods for relating herbal ingredients with illnesses in traditional chinese medicine
CN105825064A (zh) * 2016-03-22 2016-08-03 施弘 日常性中医疗法智能咨询系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1876172A (zh) * 2005-06-02 2006-12-13 北京中医药大学 Bp神经网络模型方法制备药物组合物
JP2016139268A (ja) * 2015-01-27 2016-08-04 国立大学法人山口大学 情報処理装置と情報処理プログラム並びに情報処理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TAKEDA, TOSHIAKI: "Perspective of Kampoh medicine and the development of a new diagnosis-advising system", JICHI MEDICAL SCHOOL JOURNAL OF NURSING, vol. 1, 25 March 2003 (2003-03-25), pages 5 - 16, ISSN: 1348-1177 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112562822A (zh) * 2020-12-17 2021-03-26 南京王师大数据有限公司 一种中药经方确定方法及其系统
WO2023210219A1 (ja) * 2022-04-28 2023-11-02 Tdk株式会社 情報処理装置、情報処理方法、及びプログラム
WO2023210217A1 (ja) * 2022-04-28 2023-11-02 Tdk株式会社 情報処理装置、情報処理方法、及びプログラム

Also Published As

Publication number Publication date
TWI703580B (zh) 2020-09-01
JP2020004221A (ja) 2020-01-09
TW202015069A (zh) 2020-04-16

Similar Documents

Publication Publication Date Title
WO2020004391A1 (ja) 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム
Bao et al. An intelligent medicine recommender system framework
CN103154933B (zh) 用于将草药成分与中医中的疾病相关联的人工智能和方法
WO2019244949A1 (ja) 生体情報処理方法、生体情報処理装置、および生体情報処理システム
CN109522302A (zh) 医疗数据处理方法、装置、电子设备及计算机可读介质
Piros et al. Comparing machine learning and regression models for mortality prediction based on the Hungarian Myocardial Infarction Registry
CN107633876A (zh) 一种基于移动平台的互联网医学信息处理系统及方法
Başçiftçi et al. An expert system design to diagnose cancer by using a new method reduced rule base
Kim et al. Machine Learning-based Prediction of Relative Regional Air Volume Change from Healthy Human Lung CTs.
Wilkinson et al. Rethinking the statistical analysis of neuromechanical data
Chen et al. Learning individualized treatment rules for multiple-domain latent outcomes
Mishra et al. Digital transformation evaluation of telehealth using convergence, maturity, and adoption
Wang et al. Multi‐view ensemble learning with empirical kernel for heart failure mortality prediction
Zhu et al. Multimodal brain network jointly construction and fusion for diagnosis of epilepsy
Oyelade et al. A semantic web rule and ontologies based architecture for diagnosing breast cancer using select and test algorithm
CN112086206A (zh) 一种利用可编辑知识图谱进行推演的处方查找方法及装置
Yang et al. Tree-based subgroup discovery in electronic health records: Heterogeneity of treatment effects for dtg-containing therapies
Krongrad et al. Artificial neural networks in urology: con
CN113611422A (zh) 一种基于生物流体力学的仿真方法、装置及设备
CN108735302A (zh) 健康数据处理的方法及终端设备
Pfutzenreuter et al. Machine Learning in Healthcare Management for Medical Insurance Cost Prediction
JP6710874B2 (ja) 健康情報提供システム
Santra et al. Scheme for unstructured knowledge representation in medical expert system for low back pain management
Miller et al. Intelligent wellness
Yang Dimension reduction of high-dimension categorical data with two or multiple responses considering interactions between responses

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: 19824622

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19824622

Country of ref document: EP

Kind code of ref document: A1