WO2021198792A1 - 医療評価システム、医療評価方法及び医療評価プログラム - Google Patents

医療評価システム、医療評価方法及び医療評価プログラム Download PDF

Info

Publication number
WO2021198792A1
WO2021198792A1 PCT/IB2021/020015 IB2021020015W WO2021198792A1 WO 2021198792 A1 WO2021198792 A1 WO 2021198792A1 IB 2021020015 W IB2021020015 W IB 2021020015W WO 2021198792 A1 WO2021198792 A1 WO 2021198792A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical
evaluation
information
treatment
insurance
Prior art date
Application number
PCT/IB2021/020015
Other languages
English (en)
French (fr)
Inventor
山本貴志
Original Assignee
山本貴志
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
Priority claimed from JP2020117427A external-priority patent/JP7150238B2/ja
Application filed by 山本貴志 filed Critical 山本貴志
Publication of WO2021198792A1 publication Critical patent/WO2021198792A1/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
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Definitions

  • the present invention relates to a medical evaluation system, a medical evaluation method, and a medical evaluation program.
  • Patent Document 1 describes a medical training device using a human body model that changes facial expressions and pronounces according to the treatment content detected by various sensors. This medical training device can automatically evaluate the training content by an external evaluation device.
  • Patent Document 2 visually records medical history as electronic chart information by recording medical images acquired by medical image diagnostic devices such as X-ray imaging devices, X-ray CT devices, MRI devices, and ultrasonic diagnostic devices. A recognizable medical image diagnosis support device is described.
  • Patent Document 3 describes a dental care worker evaluation system that manages evaluation information of patients for dental care workers in a patient database.
  • Non-Patent Document 1 describes a cavity formation skill evaluation device that 3D scans the shape of a cavity formation cut by training using a model tooth for training and scores by volume calculation.
  • Non-Patent Document 2 describes a dentist clinical training in which an artificial tooth after tooth cavity formation is 3D-scanned with an intraoral scanner in a tooth-cavity training using a model tooth for training and comparatively evaluated with a reference tooth cavity created by CAD. Has been done.
  • Patent Document 1 since it is a medical training device using a human body model, there is no description about applying it to an actual medical examination.
  • the training content can be automatically evaluated by an external evaluation device, the specific content of the external evaluation device is not described.
  • Patent Document 2 describes that the medical treatment history can be visually recognized by recording the medical image acquired by the medical image diagnostic apparatus as electronic medical record information, but the medical treatment history is the medical treatment. It is only provided to the doctor in charge of the medical treatment, and does not evaluate the medical treatment contents.
  • an object of the present invention is to provide a medical evaluation system that can automatically and accurately evaluate actual medical care, utilize this evaluation information in medical care, and provide the evaluation information to users. ..
  • Another object of the present invention is to provide a medical evaluation system that can apply the obtained evaluation information to medical insurance including a public medical insurance system, damage compensation insurance, and other financial derivative products. ..
  • the above-mentioned Patent Document 4 describes an automobile insurance premium setting system that calculates insurance premiums according to the level of safe driving of a driver, but describes a medical evaluation system that can be used for calculating insurance premiums. Not. In addition, there is no system that evaluates whether standard treatment is being achieved accurately.
  • standard treatment is the best treatment currently available that has been examined to be effective and safe based on scientific evidence (described later), and it is recommended that it be given to patients with a certain condition. It means the treatment that is being done.
  • Standard treatment is shown in the treatment guidelines prepared and issued by each academic society (Japanese Society of Internal Medicine, Conservative Dentistry, etc.) based on evidence.
  • the treatment policy is decided by the judgment of the doctor / dentist, and the treatment is performed, but it is important for each doctor / dentist to comply with the guidelines according to the standard treatment as well as the skill of the doctor / dentist.
  • the medical evaluation system includes an electronic medical record device that stores information obtained from at least one of a medical examination room image acquisition means, a medical examination site image acquisition means, a medical inquiry information input means, and a medical device sensor. It is a medical evaluation system that evaluates medical care contents equipped with a medical care evaluation device that inputs information stored in an electronic medical record device and outputs medical care evaluation information.
  • a blockchain database is constructed with at least one of an evaluation information analysis system, a user system, another medical evaluation system, or an insurance system. The evaluation information is characterized in that it can be used in a system other than the medical evaluation system.
  • the actual medical treatment is automatically evaluated based on accurate facts, and the evaluation information is fed back to the surgeon's doctor / dentist to be utilized in the medical treatment, and the evaluation information is used. It is possible to provide a medical evaluation system that can be provided to users (doctors / dentists of surgeons and their patients) as anonymously processed information. In addition, it becomes possible to provide a medical evaluation system that can apply the obtained evaluation information to the insurance system.
  • FIG. 1 is a block diagram of the medical evaluation system according to this embodiment. Evaluating the actual medical care includes, for example, evaluating the procedure of a doctor / dentist, and also includes evaluation other than the procedure of a doctor, for example, evaluation of a treatment environment, treatment of an assistant, and the like.
  • the medical evaluation system 10 includes an electronic medical record device 11 and a medical evaluation AI as a diagnostic evaluation device.
  • the medical evaluation system 10 is connected to a medical examination room image acquisition device 14, a medical examination site image acquisition device 15, a medical inquiry information input device 16, and a medical device sensor 17, and information from each of these devices is input.
  • the information from each of these devices is stored in the electronic medical record device 11, and is evaluated by the medical care evaluation AI 12, and the evaluation information which is the evaluation for the medical care is output.
  • An input / output device 13 is connected to the medical evaluation system, and the input / output device is provided with a display device capable of displaying electronic medical record information, evaluation information, and the like.
  • a plurality of medical evaluation systems 10 are connected to the blockchain database 20.
  • the blockchain database 20 is connected to an evaluation information analysis AI 21 as an evaluation information analysis system, a plurality of user systems 22, an insurance system 23, a guideline database 24, and the like. Further, it is possible to connect another system such as a medical fee calculation system to the blockchain database 20.
  • the insurance system 23 is typically described in FIG. 1, what is connected to the block tune database 20 is not limited to the insurance system 23, for example, medical insurance including a public medical insurance system. Includes economic principles such as damage compensation insurance and other financial derivative products (the same shall apply hereinafter).
  • the medical device sensor 17 is a sensor provided in a medical device, and in the case of dental treatment, for example, a turbine sensor (detects turbine operation or operating time), a bar detection sensor (detects the type of bar), and water purification. Examples include sensors.
  • the medical treatment site image acquisition device 15 includes, for example, 3D scanning, X-ray CT, moving image acquisition means, and the like.
  • the examination room image acquisition device 14 for example, a ceiling camera, a WEB camera, or the like can be adopted, and although it is not particularly limited, it is desirable that a moving image can be captured.
  • an image recognition device for example, an AI image analysis device, it is possible to determine the medical treatment content by image recognition and issue a warning for contraindicated treatment on the spot.
  • FIG. 2 is an explanatory diagram of tooth cavity formation according to the present embodiment.
  • An example of cavity formation will be explained for standard treatment, and the concept of evaluation will be explained.
  • FIG. 2 is a plan view of the teeth. As shown in FIG. 2, it is necessary to form an appropriate cavity along the three-dimensional shape of the tooth, and it is desirable that the prosthesis can be stably fixed from another direction from the viewpoint of uneven fitting.
  • the cavity formation needs to have a cross section and an inverted trapezoidal shape. Further, it is necessary to provide a taper on the opening side of the cavity formation, and the angle thereof is preferably 120 degrees.
  • the evaluation of the cavity formation includes, for example, the above viewpoints.
  • the conditions necessary for the formation of the tooth cavity include, for example, the following (1) to (3).
  • (1) Include the connected pits and fissures in the tooth cavity.
  • (2) Save the cusp ridge.
  • (3) Keep at 1/2 of the inner slope of the cusp.
  • FIG. 3 is a conceptual diagram of the medical evaluation system of this embodiment.
  • the guideline database stores a plurality of guidelines for dental standard treatment and a plurality of guidelines for medical standard treatment. Based on the information related to standard treatment accumulated in these guideline databases, the medical care evaluation system objectively evaluates medical care.
  • FIG. 4 is a conceptual diagram of the entire AI system 30 of the present embodiment.
  • the AI system 30 of the present embodiment includes a medical treatment evaluation AI12 and an evaluation information analysis AI21.
  • Guideline information extracted from the guideline database 24 is input to the medical care evaluation AI 12 as medical care information via the medical care evaluation AI training system 18.
  • the medical care evaluation AI 12 outputs evaluation information composed of indices of a plurality of viewpoints to the evaluation information analysis AI 21 with respect to the medical care information input using the neural network trained using the teacher data.
  • Evaluation information analysis AI21 analyzes a plurality of evaluation information output by medical evaluation AI12, performs quantitative evaluation including selection of best practice, provides medical evaluation information to users, and provides insurance system 23. In addition to providing basic insurance premium information, it also provides guideline update information to the guideline database 24.
  • the user can select the doctor or clinic he / she desires based on the medical evaluation information obtained through the blockchain database 20.
  • the insurance system 23 can calculate insurance premiums and the like based on basic insurance premium information and the like.
  • Evaluation information analysis The evaluation information output from AI21 is also provided to the government-affiliated system, and this evaluation information is also used for certification of specialists and calculation of insurance points. Further, in the evaluation information analysis AI21, various medical information including medical evaluation information is analyzed in a multivariate analysis, desirable medical treatment contents are extracted, and guideline update information is generated.
  • the guideline database 24 is updated by this guideline update information.
  • evaluation information analysis AI 21 may take into consideration the second opinion information input from the doctor via the input / output device 13 of each medical evaluation system 10 with respect to the evaluation information input from the medical evaluation AI 12.
  • FIG. 5 is a detailed block diagram of the medical evaluation system.
  • the medical evaluation system 10 includes an electronic medical record device 11, a medical evaluation AI 12, a timer 19, and the like.
  • the electronic medical record device 11 includes an electronic medical record calculation unit 11a, an electronic medical record database 11b, an evaluation information memory 11c, and an accounting calculation unit 11d. Further, various medical information and the like are input to the electronic medical record device 11 from the examination room image acquisition device 14, the medical treatment site image acquisition device 15, the medical inquiry information input device 16, the medical device sensor 17, the input / output device 13, and the like. Store information in an electronic medical record database. Further, the electronic medical record device 11 is connected to a treatment evaluation AI training system, a medical treatment evaluation AI 12, a user system 22, and the like.
  • the medical care evaluation AI 12 is provided with information on a trained neural network trained by the medical care evaluation AI training system 18.
  • deep learning is used by an algorithm based on supervised learning classification (classification) as described later, using information and the like of various guidelines provided from the guideline database as teacher data.
  • Evaluation information analysis AI21 uses a neural network trained by learning as described later. As an algorithm for this learning, for example, deep learning is used in clustering of unsupervised learning. Evaluation information analysis AI21 can input a large amount of evaluation information and various evidence information, and can objectively evaluate the examination contents by multivariate analysis. Evaluation information analysis AI21 receives medical evaluation information from a plurality of medical evaluation systems 10 and is used for learning a neural network. At the same time, desirable cases are extracted by analyzing medical evaluation information by the learned AI. be able to. Guideline update information is generated based on this desirable case, and the guideline database 24 is updated.
  • a blockchain database such as IOTA can also be used for accounting in this case.
  • the medical care evaluation information (see FIG. 7 and the like) output from the medical care evaluation AI or the evaluation information analysis AI can also be used in the government-affiliated system 25 and the insurance system 23.
  • the government system it is used for the certification of specialists in the specialist certification unit 25a and the calculation of insurance points, that is, medical fees in the insurance score calculation unit 25b.
  • the medical treatment evaluation information is used for the calculation of the doctor's damage compensation fee in the doctor's damage compensation insurance fee calculation unit 23a, the determination of the private insurance applicable doctor in the insurance target doctor certification unit 23b, and the like.
  • the patient and the doctor who treated the patient are united to be given an ID, and the preoperative information and the postoperative information are integrated into data 1, 2, ... ⁇ , Saved as m.
  • the electronic medical record database 11b stores the information detected at the time of treatment and the information input / output to the medical evaluation AI12.
  • the evaluation information memory 11c is connected to the evaluation information analysis AI21, the government system 25, and the accounting calculation unit 11d, and is the second opinion information input from the doctor by the input / output device 13, the specialist set by the government system 25, and the information on the insurance points. Is memorized.
  • the evaluation information memory 11c is connected to the evaluation information analysis AI21 and the government system, and the second opinion information can be taken into consideration by the evaluation information analysis AI21.
  • the accounting calculation unit 11d performs accounting processing based on the evaluation information memory 11c, and is connected to the insurance system 23.
  • the government system 25 has a specialist certification unit 25a and an insurance point calculation unit 25b.
  • the specialist certification department 25a is based on the quality of the specialist's procedure, and the standard treatment evaluation index S1, the postoperative image evaluation index S2, and the treatment time evaluation index S3 (there are about 100 evaluation items that should be more) are predetermined criteria.
  • the insurance point calculation unit 25b sets a medical fee system so as to add the insurance points of the medical fee to the medical treatment for a doctor certified as a specialist by the specialist certification unit 25a.
  • the insurance system 23 calculates the insurance premium, etc. based on the basic insurance premium information provided by the evaluation information analysis AI21.
  • This insurance system 23 has a doctor damage compensation insurance fee calculation unit 23a, an insured doctor certification unit 23b, and an accounting processing unit 23c.
  • the doctor damage compensation insurance charge calculation unit 23a is based on the doctor damage compensation insurance charge calculation basic information included in the insurance premium basic information output from the evaluation information analysis system 21, and the insurance premium for the doctor damage compensation insurance to the doctor. Is calculated.
  • the insured doctor certification department 23b certifies excellent doctors who are eligible for reduction of insurance premiums based on the treatment results.
  • the accounting processing unit 23c calculates the insurance premium based on the doctor damage compensation insurance fee calculation unit 23a and the insured doctor certification unit 23b.
  • the medical evaluation system 10, the insurance system 23, and the user system 22 (see FIG. 5) connected to the evaluation information analysis AI are provided.
  • the user system 22 includes a user CPU 22a that controls a connection from the input / output device 13, a payment processing unit 22b, and an evaluation information memory 22c.
  • the payment processing unit 22b is connected to the accounting calculation unit 11d of the electronic medical record device 11 and is connected to the accounting processing unit 23c of the insurance system 23 to calculate the payment cost of the user including the insurance premium and settle the payment. It is for processing. It is also used to settle the fee for obtaining medical evaluation information.
  • the evaluation information memory 22c is connected to the insured doctor certification unit 23b of the evaluation information analysis AI21 and the insurance system 23, and is certified by the evaluation information by the medical evaluation AI, the output information by the evaluation information analysis AI21, and the insured doctor certification unit 23b. Memorize the information of doctors covered by insurance.
  • a timer 19 for measuring the treatment time is connected to the medical evaluation system 10.
  • the treatment time information measured by the timer 19 is used to perform a determination based on the treatment time evaluation index S3.
  • the medical treatment evaluation AI12 is equipped with AI, and can formulate an appropriate treatment policy according to the case and evaluate the treatment result.
  • the medical care evaluation AI 12 can access the guideline database 24 connected to the blockchain database 20, for example.
  • the guideline database 24 is updated every time the guideline is revised, and the latest information is always stored. This information can be used not only by the medical evaluation system for evaluation of medical treatment, but also for reference by doctors during medical treatment.
  • the guideline database 24 includes a plurality of types of guidelines that define medical standard treatment or dental standard treatment.
  • EBM epi-based medicine
  • EBM provides reliable evidence. It is referred to to determine whether the treatment policy is being realized by an appropriate procedure. Treatment evaluation information can be communicated to the physician during treatment as needed so that higher EBM grades are not ignored. For example, when it is necessary to use a rubber dam, if the non-use of the rubber dam is detected by image recognition, an alarm can be immediately issued to the doctor.
  • AI can analyze image data during treatment, warn that the treatment performed by the doctor during the operation or the treatment to be performed is out of the standard treatment, and give feedback to the doctor.
  • the medical evaluation AI12 can support the doctor's decision on the medical plan. Based on the information collected by medical interviews, guideline database information, electronic medical record information, etc., the medical evaluation AI12 is divided into three categories, medical problems, psychological problems, and financial problems, to solve problems. Propose a medical treatment plan for.
  • the medical evaluation AI12 can also propose a diagnosis plan and an education plan in the same manner. For example, in the case of cavitation formation, 3D-CAD data of cavitation formation can be output from a 3D scan image of a patient's tooth and an X-ray CT image.
  • the medical treatment evaluation AI12 is trained using the guideline database as teacher data, and from the input medical treatment policy, 3D scan image of the patient's tooth, X-ray CT image, etc., the 3D-CAD data of the cavity formation which is the treatment content. Can be output.
  • the medical treatment evaluation AI12 can output the difference from the target treatment content.
  • the medical evaluation AI12 is input with 3D scan data during treatment, it is possible to output 3D-CAD data showing the difference from the target treatment content of tooth cavity formation.
  • the medical evaluation AI12 outputs 3D-CAD data showing the difference from the target treatment content of tooth cavity formation.
  • the dentist performs treatment to eliminate the difference indicated by the medical evaluation AI12, and then inputs the 3D scan data into the medical evaluation AI12 again.
  • the dentist is notified that the difference from the target treatment content of the cavity formation output from the medical evaluation AI12 has reached a predetermined allowable range.
  • the dentist proceeds to the next stage of filling and occlusal adjustment.
  • the information of the difference from the target treatment content is output from the medical evaluation AI12, so that the doctor can carry out the standard treatment according to the guideline by taking this information into consideration. ..
  • the medical evaluation AI12 outputs the target 3D-CAD data, and also evaluates the 3D scan data after treatment by the dentist.
  • information regarding the difference from the abutment tooth shape, which is the target treatment content is output.
  • the doctor can carry out the standard treatment according to the guideline in consideration of the information output from the medical evaluation AI12.
  • the medical treatment evaluation AI12 can evaluate the treatment content.
  • the information detected at the time of treatment and the information input / output to the medical evaluation AI12 are stored in the electronic medical record database as electronic medical record information.
  • electronic medical record information accumulated by each medical evaluation system it is possible to accurately grasp the patient's condition, create an accurate medical treatment plan, perform appropriate and efficient medical treatment, and improve medical safety. It is possible to plan.
  • the information in the electronic medical record database accumulated by each medical evaluation system 10 can be used for training the medical evaluation AI12 and the evaluation information analysis AI21.
  • the image recognition technique using the medical evaluation AI12 is also effective for the treatment using the caries detection solution.
  • (1) Remove the prosthesis from the tooth.
  • (2) Apply caries detection solution and wash.
  • (3) Remove the red and dark pink parts, leaving the pink part lighter than the standard color.
  • (4) A color image is taken with a camera, input to the medical evaluation AI12, and image recognition is performed.
  • the above (2) and (3) are repeated.
  • (6) When the medical evaluation AI12 notifies that the tooth cavity formation is completed, the dentist proceeds to the next stage of filling and occlusal adjustment. By inputting the information of each stage in this way, the information of the difference from the target treatment content is output from the medical evaluation AI12, so the doctor should take this information into consideration and carry out the standard treatment according to the guideline. Can be done.
  • the judgment of the color of the caries detection solution has a subjective factor in the judgment of the doctor, the judgment of the reference color can be performed quickly and accurately by using the medical evaluation AI12.
  • the present embodiment is not limited to this.
  • the evaluation is mainly made from three viewpoints.
  • Standard treatment evaluation index S1 The standard treatment evaluation index S1 is a-1. Selection and use of appropriate substrate, rubber dam, turbine, bar selection a-2. How to use the turbine, water injection, and engine a-3. Anesthesia a-4. Contraindicated treatment a-5. It is an index that indicates whether or not standard treatment is performed according to the guidelines for items such as cavity formation evaluation. The higher the standard treatment, the higher the evaluation. AI image recognition is performed and evaluated after preprocessing the moving image of the state of performing the treatment acquired from the examination room image acquisition means.
  • the evaluation information output from the medical examination evaluation AI12 is an examination room camera, an examination site camera, an inquiry input device, an examination device sensor (3D scanner, X-ray CT, drill micromotor sensor, turbine sensor, vacuum sensor, water purification sensor, etc.). It includes an objective and quantitative evaluation of medical examinations by doctors, dentists, etc. based on information such as electronic chart databases and guideline databases.
  • the postoperative image evaluation index S2 is an index for determining whether or not the result of medical treatment conforms to the medical treatment policy (medical treatment content proposed by AI) derived from the medical interview. .. It is determined how close it is to the tooth cavity formation calculated by AI, and the closer it is to the medical treatment policy by medical interview, the higher the evaluation. AI image recognition is performed and evaluated from images such as 3D scanning and X-ray CT.
  • the treatment time evaluation index S3 is an index for determining whether or not the treatment time for performing standard treatment is within an appropriate time. Since there is an appropriate range for the time required for standard treatment according to the guidelines, the evaluation will be high within this appropriate time range. Early treatment does not always result in a high score. This is because some treatments require a certain amount of time to comply with the guidelines.
  • Evaluation information consisting of the obtained three indexes is evaluated statistically appropriately using the evaluation information analysis AI21. Evaluation information can be provided to users (patients) using the blockchain database 20.
  • the medical evaluation AI12 uses a trained neural network trained by a plurality of teacher data.
  • the teacher data includes information in the guideline database 24.
  • this learning algorithm for example, deep learning is used in the classification of supervised learning.
  • Neural networks are trained, for example, by teacher data consisting of a combination of images of cavity formation and their suitability (pass / fail or score).
  • the medical treatment evaluation AI 12 inputs, for example, an image from the medical treatment site image acquisition means 15, and outputs a plurality of indexes including a standard treatment compliance index, a postoperative image evaluation index, a treatment time evaluation index, and the like as evaluation information.
  • the neural network can input each device from the examination room image acquisition device 14, the medical treatment site image acquisition device 15, the medical inquiry information input device 16, and the medical treatment device sensor 17 as input information.
  • the data for learning the neural network also includes the teacher data corresponding to the inputs from each of these devices.
  • preprocessing is added to the moving image data.
  • the preprocessing includes, for example, cutting out a necessary image, size adjustment, color adjustment, and the like.
  • Using a neural network for example, infer how close the input data is to the guideline. This inference result is verified by an evaluation by a specialist and / or an evaluation based on the subsequent progress information, and is used for training the neural network.
  • the evaluation information analysis AI21 analyzes a plurality of evaluation information output by the medical evaluation AI12, performs a quantitative evaluation including selection of the best practice, provides the medical evaluation information to the user, and provides insurance.
  • the basic insurance premium information is provided to the system 23, and the guideline update information is provided to the guideline database 24.
  • the medical care evaluation AI12 can output not only the above three evaluation information but also subdivided information and various evidence information used for the evaluation.
  • Evaluation information analysis AI21 uses a neural network trained by learning. As an algorithm for this learning, for example, deep learning is used in clustering of unsupervised learning. Evaluation information analysis AI21 can input a large amount of evaluation information and various evidence information, and can objectively evaluate the examination contents by multivariate analysis.
  • the user can select a doctor or clinic that he / she desires based on the medical treatment evaluation information obtained through the blockchain database 20.
  • the blockchain database 20 By using the blockchain database 20, it is possible to realize data management that cannot be tampered with while ensuring anonymity.
  • the insurance system 23 can calculate insurance premiums and the like based on basic insurance premium information. Details will be described in the second embodiment.
  • the guideline database 24 can be updated or a study for updating the guideline database 24 can be performed based on the guideline update information.
  • Guideline update information is obtained by analyzing best practices based on the latest clinical results and can be used for guideline update.
  • the prosthetic treatment of carious teeth accompanied by the formation of abutment teeth such as the formation of a tooth cavity has been described as an example, but the present embodiment is not limited to this.
  • Abutment tooth formation is exemplified as one of many medical practices, and the medical evaluation system of the present embodiment can be similarly applied to other medical practices. For example, it can be applied to the diagnosis of oral cancer. Identifying stomatitis and precancerous lesions is an important diagnosis, and it is useful to store the process of this diagnosis in an electronic medical record as a video and save and utilize it in a database together with appropriate evaluation information. Further, the medical evaluation system of the present embodiment can be applied to medical departments other than dentistry.
  • the medical evaluation system according to the second embodiment evaluates a doctor based on information combined with a patient and a doctor.
  • the patient manages the private key information, so that the anonymously processed information can be provided at the will of the patient.
  • FIG. 6 is an explanatory diagram of a blockchain database
  • FIG. 6A is an explanatory diagram of a data structure in which a patient and a doctor who treated the patient are integrally assigned an ID
  • FIG. 6B uses a blockchain. It is explanatory drawing of the database which was present.
  • the electronic medical record calculation unit assigns an ID to the medical information by integrating the patient and the doctor who treated the patient, and further, the preoperative information and the postoperative information are integrated into data 1, 2, ... ..., Save as m in the evaluation information memory 11c or the like.
  • medical care information with an ID that integrates the patient and the doctor who treated the patient is used, and the medical care content is analyzed, evaluated, and stored based on the medical care information.
  • Data m ...
  • the blockchain is configured so that data 1 to data m (medical information), which is a combination of the patient and the doctor who treated this patient, is used as a block, and each block is added as an ordered record.
  • data m medical information
  • data m medical information
  • each block is added as an ordered record.
  • a plurality of blocks are added in a chain shape from the lower block to the upper block, and information composed of the plurality of blocks is stored.
  • the blocks of "Patient 1 and Doctor B" are added to the blocks of "Patient 1 and Doctor A”
  • the blocks of "Patient 1 and Doctor C" are added in sequence. Will be done.
  • the IDs are given as the first, second, and third patients by the number of patients such as patient 1, patient 2, and patient 3 that Doctor A is in charge of.
  • types such as specialists, certified doctors, and other doctors are also given.
  • other doctors B and C as many data as the number of patients treated in the same manner are stored as patient 1, patient 2, patient 3, and the like.
  • each data is stored in order as a block, the specific treatment and another, for example, patient 1 received another treatment by doctor A before receiving a specific treatment by doctor C.
  • the treatment history is saved in a state where the patient 1 can set the access right together with the preoperative information and the postoperative information about the treatment.
  • Each data is encrypted by public key data and private key data.
  • the patient manages the private key data, and the patient can set the access right of the data to another person.
  • an anonymous information processor anonymizes patient information, doctor information, etc. and provides data, but in the medical evaluation system of the present embodiment, patient 1 can set an access right to his / her medical information. ..
  • the patient 1 can voluntarily provide the blockchain private key data to the doctor B and allow him / her to access his / her medical history.
  • the patient 1 can grant the access right to the doctor B, disclose his / her medical history and treatment history, and utilize it for future medical treatment and health maintenance with the doctor B.
  • the blockchain management server manages access rights to data, and manages billing when accessing data for a fee.
  • the doctor can utilize the preoperative information and postoperative information in the past treatment for the current treatment and future treatment.
  • the medical evaluation system of the present embodiment allows doctor C to browse such cases for a fee based on the permission from patient 1.
  • doctor A has a difficult case of patient 1 and wants to ask doctor D or another doctor, similarly, a case in which the case is charged based on the access permission for his / her own data from the patient related to this case. Can be viewed by Doctor A.
  • the medical evaluation AI12 can be appropriately trained by using the data 1 to data m, which is a combination of the patient and the doctor who treated the patient, as the teacher data.
  • the medical treatment evaluation AI is trained by supervised learning, but the teacher data includes evaluation information for training for the medical treatment contents and medical treatment results of each data including patient information, doctor information, preoperative information, postoperative information, and the like. Is included.
  • the evaluation information for this training can be at least one of the output of the medical evaluation AI, the output of the evaluation information analysis AI, and the evaluation by an experienced doctor such as a specialist.
  • evaluation information analysis AI21 analyzes preoperative information and postoperative information having an ID given to the patient and the doctor who treated the patient as a unit, thereby providing information that can be traced before and after surgery. By using it, it becomes possible to calculate the evaluation information of the doctor. It is possible to more accurately analyze how the intraoperative procedure by the doctor affected the prognosis. Therefore, each data to which objective evaluation information is given can be used for the charge calculation of the doctor's damage compensation insurance in the third embodiment described later, the private medical insurance, the public medical insurance system such as medical fees, the specialist medical system, etc. can.
  • patient information can be treated as anonymously processed information, it can be distributed as information when a new patient selects a doctor through this service. Since the database of this medical care evaluation system is very useful when a patient selects a doctor or clinic that suits his / her current symptoms, he / she may be provided to a member for a fee, for example. In addition, the doctor can formulate a treatment plan with reference to past cases and use it as reference information for advancing treatment.
  • the medical evaluation AI can support the formulation of the treatment plan, present information for appropriate treatment to the doctor under treatment, and notify the attention information
  • the medical evaluation system of the present embodiment is, for example, training. It is also useful for proficiency of medical treatment techniques by doctors and support for improving medical treatment techniques for specialists.
  • medical specialists and certified doctors include dental preservation departments, dental and oral surgery departments, dental anesthesiology departments, pediatric dentistry and the like.
  • Information from both doctors and patients is indispensable for determining the provision and quality of medical services, and according to the medical evaluation system of this embodiment, the doctor who provided the treatment to a certain patient is united.
  • An ID is given to the information that has become, and all the collected information related to the treatment action, including pre-treatment information and post-treatment information, is a series of the doctors for each patient by one evaluation information analysis AI. Can evaluate the treatment behavior of.
  • the research institution can provide evaluation information including the history of treatment by the doctor / dentist for the patient and the course of the patient's symptoms.
  • the patient since the patient manages the encryption key information, the patient himself / herself can decide how much the electronic medical record information including his / her medical history is disclosed. For example, patient information is its owner. It is also possible for the patient to voluntarily select the information he / she wants to disclose and provide it to a third party.
  • the effect of managing medical information including evaluation information in (1) above on the information network is that it can be accessed remotely by managing it on the network including patient information, preoperative information, postoperative information, evaluation information, etc. It is possible. Previously, medical information was managed in an isolated database independent of the network, so remote access was not possible.
  • FIG. 7 is an explanatory diagram of medical information.
  • FIG. 8 is a conceptual diagram for managing medical information in a blockchain database.
  • the medical information includes patient ID, doctor ID, various case data (preoperative and postoperative), doctor procedure judgment data, prognosis data, doctor evaluation data, and the like.
  • FIG. 8 conceptually shows how medical information is managed in a blockchain database.
  • the history of treatment of patient a000001 by physician a0000001 is stored in relation to patient a000001', which is the condition of prognosis 1 for that patient.
  • the history of subsequent treatment by doctor A0000001 for patient a000001' is remembered in relation to patient a000001'', which is the situation of prognosis 2.
  • the prognosis of the patient is unknown at the time of medical treatment by a doctor / dentist.
  • the medical evaluation system of this modified example after a predetermined period of time has passed after the treatment, when the progress of the patient's prognosis is known, the medical treatment contents performed by doctors and dentists in the past are examined, and the medical treatment contents are objective. Is evaluated. If the prognosis is good, the procedure performed by the doctor / dentist in the past is examined to see if the patient has a good prognosis. In addition, even if the prognosis is poor, it is possible to make an examination based on the past medical treatment contents.
  • medical information including the course of the patient's prognosis is used as teacher data for training the medical evaluation AI.
  • the clinical evaluation AI can be trained more appropriately according to the actual case and the result of the prognosis.
  • medical information is provided to doctors and dentists who want to refer to cases with a good prognosis when the patient gives access rights.
  • doctors and dentists can decide on a medical treatment policy by taking into consideration cases with a good prognosis. Even cases that were previously introduced only in treatises are managed in the blockchain database, so it is easy to access with desired medical information.
  • the quality of the procedure by the doctor / dentist may not be fully considered, but according to the medical evaluation system of the present embodiment, the evaluation information objectively judged by the medical evaluation AI is the medical information.
  • the medical information can be provided to a third party on the condition that the access right from the patient is given on the blockchain database.
  • the medical information provided in this way is useful as materials for case studies and as reference information when a patient selects a doctor / dentist. Furthermore, the Clinic Law containing these evaluation information can also be used for medical insurance including the public medical insurance system, damage compensation insurance, and other financial derivative products, as described later.
  • the insurance premium basic information output from the evaluation information analysis system 21 includes the doctor liability insurance charge calculation basic information.
  • the basic information on calculating the insurance premium for doctor's damages includes the evaluation index Slia, which makes the insurance premium for doctors' damages lower as the doctor performs medical treatment closer to the best practice.
  • the formula for calculating the doctor's damage compensation insurance fee calculation index Slia is not particularly limited, but for example, the following can be used.
  • Fmin is the minimum premium
  • Fmax is the maximum premium.
  • the function f1 (S1, S2, S3) is a function having S1, S2, S3 as variables, and is not necessarily limited to a continuous function, and may be a discontinuous function.
  • the standardized evaluation value as follows can be used.
  • the three evaluation indexes described in the first embodiment are the standard treatment evaluation index S1, the postoperative image evaluation index S2, and the treatment time evaluation index S3, for example, the standardized evaluation value Slia is used.
  • Slia S1, a1 + S2, a2 + S3, a3 + a0 Ask as.
  • Fmin is the minimum premium
  • Fmax is the maximum premium.
  • the function f (Slia) is a function having Slia as a variable, and is not necessarily limited to a continuous function, but may be a discontinuous function.
  • Examples of the method of setting the function of the function f1 (S1, S2, S3) and the function f (Slia) include the following (1) to (4).
  • the insurance premium Flia is changed according to the risk value.
  • a standard treatment evaluation index S1 a postoperative image evaluation index S2, a treatment time evaluation index S3, and a standardized evaluation value Slia are used.
  • the risk value can be given as an insurance grade having a threshold value that changes stepwise, and a function is obtained in which the higher the risk value, the higher the premium Flia.
  • the threshold value of the risk value given as the risk grade is set according to the appropriate range in the insurance business operation.
  • the insurance premium Flia is calculated according to the risk value or risk grade in (1) above. This calculation takes into account cash flow, reserves, insurance contract status (pending, expired or ongoing, insurance year, insurance period, insurance type, special contract, disclaimer), risk value in each insurance year, etc. can do.
  • the premium Flia may be separated into a basic premium and an additional premium, and the portion of the additional premium may be calculated according to the risk grade.
  • the risk value or risk grade may not be single, but a plurality of types of risk values or risk grades may be set, and the insurance premium Flia may be calculated based on the plurality of types of risk values or risk grades.
  • the discount premium from the basic premium should be calculated according to the risk value or risk grade.
  • the insurance premium Flia may be calculated.
  • the standard treatment evaluation index S1 the postoperative image evaluation index S2, the treatment time evaluation index S3, and the standardized evaluation value Slia are calculated in the same manner as in (1) and (2) above. Can be used.
  • a risk index that affects insurance premium Flia is extracted.
  • the correlation between the extracted risk index and the premium Flia is calculated, and the premium Flia is calculated based on the calculated correlation and the value of the risk information.
  • the risk index for example, various information such as a standard treatment evaluation index S1, a postoperative image evaluation index S2, a treatment time evaluation index S3, a standardized evaluation value Slia, and medical evaluation information included in medical information can be used.
  • the medical evaluation AI can output a more subdivided index, and various evidences used for extracting the index can also be used for calculating the insurance premium Flia.
  • doctor's damage compensation insurance premium Flia calculated in this way will be applied to doctors who provide medical care close to best practices, with a premium close to the minimum premium Fmin.
  • Example 2 Application to private medical insurance It is possible to set up an insurance system in which the insured who has paid a predetermined premium pays the treatment cost only to the medical treatment of a doctor who provides medical treatment close to the best practice.
  • this insurance system only doctors whose standard treatment evaluation index S1, postoperative image evaluation index S2, and treatment time evaluation index S3 meet predetermined criteria are covered by insurance money. Insured persons are guaranteed to receive medical treatment close to best practices, and the treatment costs are also paid from insurance premiums, and doctors who provide medical care close to best practices have the advantage.
  • the gathering of insured persons has advantages for the insured persons and doctors. Furthermore, for the entire medical system, by providing medical care that is close to best practices, unnecessary treatment costs can be reduced, which leads to the promotion of overall medical care optimization.
  • Example 2 An example of using virtual passage IOTA will be described as a modification of Example 2. For example, suppose that a dentist covered by the insurance of Example 2 is treated and a cost of 100,000 yen is incurred for the medical treatment of the insured person. In the case of an insurance system that requires regular medical examinations as a requirement for insurance payment, if the above-mentioned insured person has undergone the prescribed regular medical examinations, the insurance company will inform the insurer. In addition to the regular examination fee, for example, 20,000 yen, IOTA for a total of 120,000 yen, which is equivalent to 100,000 yen for treatment costs, will be granted. The granted IOTA allows non-insurers to pay doctors for medical or medical examinations. As an example of the blockchain database, IOTA can be adopted, for example, when payment is also performed as in this embodiment, but a blockchain other than IOTA can be used.
  • the quality of the procedure of a doctor / dentist can be measured by a plurality of sensors including an indoor camera, for the entire medical treatment, cavity formation (optical 3D scanner), and invasion of the oral mucosa (oral cavity).
  • the scanner) is evaluated before and after the treatment, and the medical treatment evaluation AI notifies the doctor of the treatment warning information during the treatment, the medical treatment evaluation AI evaluates the medical treatment content and the medical treatment result, or the evaluation information analysis AI is used.
  • Objective evaluation information based on evidence is added to each medical treatment information. Medical information with evaluation information is also useful for policy support to foster an environment to prevent medical malpractice, medical accidents, and iatrogenic diseases. If the medical evaluation system of this embodiment is applied to private medical insurance, treatment data that is given an objective evaluation based on evidence in implementing an insurance system for providing treatment by highly evaluated doctors and dentists. Is useful.
  • the application to private medical insurance has been described, but the application target of the medical evaluation system of this embodiment is not limited to private medical insurance, but also applied to other insurance products and financial derivative products. can do.
  • an insurance system is set up in which the treatment cost is paid only to the medical treatment of a doctor who performs medical treatment close to the best practice, but such a mechanism can be applied to financial derivative products.
  • the medical evaluation system of the present embodiment can be applied to a financial derivative product or the like that securitizes the right to receive medical treatment by a doctor who performs medical treatment close to best practice.
  • Figure 9 (Conservation and Restoration Clinical Guide 2nd Edition) shows the results of comparison between specialists and other dentists regarding the survival rate of teeth after treatment. From FIG. 9, it can be seen that the treatment by a specialist tends to have a higher tooth survival rate. By identifying doctors who have the same skills as specialists and increasing the medical fees for their treatment, it is possible to optimize the public medical insurance system as a whole.
  • the standard treatment evaluation index S1, the postoperative image evaluation index S2, and the treatment time evaluation index S3 are the predetermined criteria.
  • a medical fee system will be set up so that the insurance points for medical fees will be added to the medical treatment for the doctors who meet the requirements.
  • Obtaining a qualification as a specialist does not necessarily depend on the actual clinical content or case, and there are doctors who have sufficient skills even if they are not specialists. Therefore, based on the standard treatment evaluation index S1, the postoperative image evaluation index S2, and the treatment time evaluation index S3 of this example, doctors with predetermined skills are identified, and the insurance points for medical fees are added.
  • the specialist / certified physician system requires that a large number of cases be met and a treatise be written in order to become a specialist / certified physician. With this system, it is possible to objectively evaluate the true skills of doctors and dentists, and to realize a specialist / certified doctor system that does not depend only on the number of cases or the number of treatises. Doctors and dentists with high quality of the procedure are less likely to cause malpractice and medical accidents, medical malpractice and medical accidents, and even iatrogenic diseases, and the prognosis of patients is good, so the economy The effect is great.
  • Example 4 It is possible to provide an index of achievement to best practices in the specialist certification requirements of the specialist system. If a doctor having the predetermined skills described in Example 3 can be identified and the doctor can be qualified as a specialist, the specialist system can be optimized. Specifically, based on the standard treatment evaluation index S1, the postoperative image evaluation index S2, and the treatment time evaluation index S3 of the present embodiment, a doctor having a predetermined skill corresponding to the skill required of a specialist is determined. The qualification of a specialist can be granted to a doctor who is determined to have a predetermined skill.
  • this embodiment the use of the system when actually treating a patient has been described, but this embodiment can be applied not only to clinical practice but also to practical training using a dental model. For example, it is possible to verify and evaluate the training content of each individual by using the training history information acquired in association with the trainee information and the identification information for each dental model.
  • the information of the doctor and the patient can be managed as a set on the blockchain, and the access right to the data is managed by the patient, so that it is appropriate based on the guideline. It is possible to create an environment in which the treating doctor or dentist is evaluated. For example, there is a 6-month regulation that insurance remanufacturing of dentures is not possible within 6 months.
  • the auditing body can properly audit. In addition, this will allow hospitals (doctors or dentists) to pay appropriate public expenses and non-insurer burdens, and the overall health of the insurance system (auditing agencies, companies, insured persons, hospitals). Is planned.

Landscapes

  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

実際の診療を評価し、この評価情報を診療に生かすと共に、当該評価情報を利用者に提供可能とする医療評価システムを提供すること。また、得られた評価情報を保険制度に適用することができる医療評価システムを提供すること。 本発明の実施形態に係る医療評価システムは、診察室画像敢得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも1つから得られる情報を格納する電子カルテ装置と、電子カルテ装置に格納された情報を入力し、診療評価情報を出力する診療評価装置と、を備える診療内容の評価を行う医療評価システムであって評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも1うつと共にプロックチェーンデータベースを構成し、前記評価情報は医療評価システム以外のシステムにおいて利用可能であることを特徴とする。

Description

医療評価システム、医療評価方法及び医療評価プログラム
　本発明は、医療評価システム、医療評価方法及び医療評価プログラムに関する。
　近年、医療分野において診察ないし治療の情報を電子カルテに格納し、これらの情報を治療に生かす技術が提案されている。
　特許文献１には各種センサで検出した処置内容に応じて表情を変化させたり発音したりする人体模型を用いた医療用実習装置が記載されている。この医療用実習装置は外部の評価装置によって自動的に実習内容を評価することが可能である。
　特許文献２にはレントゲン画像撮影装置、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波診断装置等の医用画像診断装置によって取得された医用画像を電子カルテ情報として記録することにより、診療履歴を視覚的に認識できる医用画像診断支援装置が記載されている。
　特許文献３には患者による歯科医療従事者に対する評価情報を患者データベースで管理する歯科医療従事者評価システムが記載されている。
　非特許文献１には実習用模型歯を使って実習により削った窩洞形成の形を３Ｄスキャンし、体積計算による採点を行う窩洞形成技能評価装置が記載されている。
　非特許文献２には実習用模型歯を用いた窩洞形性実習において窩洞形成後の人工歯を口腔内スキャナーにより３Ｄスキャンし、ＣＡＤで作成した参考窩洞と比較評価を行う歯科医師臨床研修について記載されている。
特開２０１２−１８１３６３号公報 特開２０１４−０３６８８０号公報 特開２０１８−２００６５２号公報 特開２００９−１２８４８６号公報
株式会社ニッシン　ウエッブサイト、３次元支台・窩洞形成技能評価装置＜ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｎｉｓｓｉｎ−ｄｅｎｔａｌ．ｊｐ／ｐｒｏｄｕｃｔｓ／ｅｄｕｃａｔｉｏｎａｌｍｏｄｅｌｓ／ｅｔｃ／Ｆａｉｒｇｒａｄｅｒ１００／ｉｎｄｅｘ．ｈｔｍｌ＞ 日総歯誌第１１巻第１号５８~６５頁２０１９年１０月＜ＵＲＬ：ｈｔｔｐｓ：／／ｊｓｇｄ．ｊｐ／ｗｏｒｄｐｒｅｓｓ／ｗｐ−ｃｏｎｔｅｎｔ／ｕｐｌｏａｄｓ／５ｃ６ｅ１ａａ４７ｂｅａ０ｅｅ４ｅ８ｄｃｅ０１ｄｄ２７ｃ０９ｃｃ．ｐｄｆ＞
　上記特許文献１では、人体模型を用いた医療用実習装置であるため、実際の診察に適用することについての記載がない。また、外部の評価装置によって自動的に実習内容を評価することが可能であることは記載されているが、具体的な外部の評価装置の内容は記載されていない。
　上記特許文献２では、医用画像診断装置によって取得された医用画像を電子カルテ情報として記録することにより、診療履歴を視覚的に認識できるようにすることが記載されているが、診療履歴は当該診療を担当する医師に対して提供されるのみであり、診療内容を評価するものではない。
　上記特許文献３では、患者による歯科医療従事者に対する評価であるため、管理される評価情報自体が、定量的で客観的なものではないため、評価情報としての信頼性に欠くという問題がある。
　上記非特許文献１では、実習用模型歯を使って実習により削った窩洞形成の形を３Ｄスキャンし、体積計算による採点を行うことが記載されているが、あくまでも実習用の技能評価を行うものであり、予め用意された均一の形状をしている実習用模型歯を用いていることから、実際の診療の評価を行うことについては記載されていない。
　上記非特許文献２では、実習用模型歯を用いた窩洞形性実習において窩洞形成後の人工歯を口腔内スキャナーにより３Ｄスキャンし、ＣＡＤで作成した参考窩洞と比較評価を行うことが記載されているが、あくまでも実習用の評価を行うものであり、予め用意された均一の形状をしている実習用模型歯を全ての実習生が共通して用いるものであり、実際の診療の評価を行うことについては記載されていない。
　本発明者は上記問題点に鑑み、歯科診療を含む医療分野において、実際の診療の手順とその評価に関して鋭意研究開発を進めた結果、本発明の実施形態を完成するに至った。すなわち、本発明の目的は、実際の診療について自動的に的確な評価を行い、この評価情報を診療に生かすと共に、当該評価情報を利用者に提供可能とする医療評価システムを提供することにある。
　また、本発明の別の目的は、得られた評価情報を公的医療保険制度を含む医療保険、損害賠償保険、その他金融派生商品等に適用することができる医療評価システムを提供することにある。なお、上記特許文献４にはドライバの安全運転のレベルに応じて保険料を計算する自動車保険料設定システムが記載されているが、保険料算定のために利用可能な医療評価システムについては記載されていない。加えて、標準治療を正確に達成しているか否かを評価しているシステムは存在しない。ここで、標準治療とは、科学的根拠（後述）に基づき、効果があること、安全であることが検討された、現在利用できる最良の治療で、ある状態の患者におこなわれることが推奨されている治療のことを意味する。標準治療は、各学会（日本内科学会、保存歯科学会など）がエビデンスに基づき作成、交付した治療のガイドラインに示されている。医師・歯科医師の判断により治療方針決めて処置を行うが、医師・歯科医師の技量と共に、各医師・歯科医師が標準治療に従ってガイドラインを遵守せることが重要である。
　本発明の上記目的は、以下の構成によって達成できる。すなわち、本発明の１つの態様の医療評価システムは、診察室画像取得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも１つから得られる情報を格納する電子カルテ装置と、
　電子カルテ装置に格納された情報を入力し、診療評価情報を出力する診療評価装置と、を備える診療内容の評価を行う医療評価システムであって、
　評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも１つと共にブロックチェーンデータベースを構成し、
　前記評価情報は医療評価システム以外のシステムにおいて利用可能であることを特徴とする。
　本発明の実施形態によれば、実際の診療について自動的に的確な事実に基づき評価を行い、この評価情報を術者の医師・歯科医師にフィードバックすることにより診療に生かすと共に、当該評価情報を匿名加工情報として利用者（術者の医師・歯科医師とその患者）に提供可能とする医療評価システムを提供することができる。また、得られた評価情報を保険制度に適用することができる医療評価システムを提供することが可能となる。
医療評価システムのブロック図である。 窩洞形成説明図である。 医療評価システムの概念図である。 医療評価システムのブロック図である。 医療評価システムの詳細ブロック図である。 ブロックチェーンデータベースの説明図である。 診療情報の説明図である。 ブロックチェーンデータベースの概念図である。 生存率の説明図である。
　以下、図面を参照して本発明の実施形態に医療評価システム、医療評価方法及び医療評価プログラムを説明する。但し、以下に示す実施形態は本発明の技術思想を具体化するための医療評価システム、医療評価方法及び医療評価プログラムを例示するものであって、本発明をこれらに特定するものではなく、特許請求の範囲に含まれるその他の実施形態のものにも等しく適用し得るものである。
［実施形態１］
　本発明の実施形態１に係る医療評価システム１について、図１~図３を参照して説明する。
　図１は本実施形態に係る医療評価システムのブロック図である。実際の診療を評価することとは、例えば医師・歯科医師の手技を評価することを含み、また、医師の手技以外の評価、例えば治療環境、助手の手当て等の評価も含む。
　医療評価システム１０は、電子カルテ装置１１及び診断評価装置としての診療評価ＡＩを備えている。医療評価システム１０は、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６、及び、診療装置センサ１７に接続されており、これらの各装置からの情報が入力される。これらの各装置からの情報は電子カルテ装置１１に記憶されると共に、診療評価ＡＩ１２において評価され、診療に対する評価である評価情報が出力される。医療評価システムには入出力装置１３が接続されており、入出力装置は電子カルテ情報や評価情報等を表示できる表示装置を備えている。
　複数の医療評価システム１０がブロックチェーンデータベース２０に接続されている。ブロックチェーンデータベース２０には、評価情報分析システムとしての評価情報分析ＡＩ２１、複数の利用者システム２２、保険システム２３、ガイドラインデータベース２４等が接続されている。さらに、ブロックチェーンデータベース２０に、診療報酬計算システム等、他のシステムを接続することが可能である。図１では保険システム２３が代表的に記載されているが、ブロックチューンデータベース２０に接続されるものは、保険システム２３に限定されるものではなく、例えば、公的医療保険制度を含む医療保険、損害賠償保険、その他金融派生商品等の経済原則を含む（以下同様）。
　診療装置センサ１７とは、医療用機器に備えられたセンサであり、歯科治療の場合には例えばタービンセンサ（タービンの動作ないし動作時間を検出）、バー検出センサ（バーの種類を検出）、浄水センサ等が挙げられる。診療部位画像取得装置１５としては、例えば３Ｄスキャン、Ｘ線ＣＴ、動画取得手段等が含まれる。
　診察室画像取得装置１４としては、例えば天井カメラやＷＥＢカメラ等を採用することができ、特に限定されるものではないが、動画を撮影できることが望ましい。診察室画像取得装置１４が画像認識装置、例えばＡＩ画像解析装置等を備えている場合には、診療内容を画像認識により判断し、その場で禁忌治療に対して警告を発することができる。
　図２は本実施形態に係る窩洞形成説明図である。標準治療について窩洞形成の例を説明し、評価の考え方をについて説明する。図２は歯の平面図である。図２のように歯の立体形状に沿った適切な窩洞形成が必要であり、凹凸嵌合の観点から補綴物が他方向から安定して固定できるようにされることが望ましい。また、窩洞形成は断面、逆台形形状とする必要がある。また、窩洞形成の開口部側にはテーパーを設ける必要があり、その角度は１２０度が望ましい。窩洞形成の評価には例えば上記のような観点が含まれる。
　窩洞形成に必要な条件としては、例えば次の（１）~（３）が挙げられる。
（１）連接する小窩・裂溝は窩洞に含める。
（２）咬頭稜線を保存する。
（３）咬頭内斜面の１／２にとどめる。
　図３は本実施例の医療評価システムの概念図である。ガイドラインデータベースには歯科標準治療に係る複数のガイドライン及び医科標準治療に係る複数のガイドラインが蓄積されている。これらのガイドラインデータベースに蓄積された標準治療に係る情報に基づき、診療評価システムは、客観的に診療に関する評価を行う。
　図４は本実施形態のＡＩシステム３０全体の概念図である。本実施形態のＡＩシステム３０は、診療評価ＡＩ１２と、評価情報分析ＡＩ２１とからなる。
　診療評価ＡＩ１２には、ガイドラインデータベース２４から抽出されたガイドライン情報が診療評価ＡＩ訓練システム１８を介して診療情報として入力される。この診療評価ＡＩ１２は、教師データを用いて訓練されたニューラルネットワークを用いて入力された診療情報に対して、複数の観点の指数からなる評価情報を評価情報分析ＡＩ２１に出力する。
　評価情報分析ＡＩ２１は、診療評価ＡＩ１２が出力した複数の評価情報を分析し、ベストプラクティスの選定を含む定量的な評価を行い、利用者に対して診療評価情報を提供し、保険システム２３に対して保険料基礎情報を提供すると共に、ガイドラインデータベース２４に対して、ガイドライン更新情報を提供する。
　利用者は、ブロックチェーンデータベース２０を介して得られた診療評価情報に基づき自分が希望する医師ないしクリニックを選定することができる。保険システム２３では保険料基礎情報等に基づき保険料等を算定することができる。評価情報分析ＡＩ２１から出力される評価情報は、政府系システムにも提供され、この評価情報は専門医の認定や保険点数演算にも用いられる。また、評価情報分析ＡＩ２１においては、医療評価情報を含む、各種診療情報等が多変量解析的に分析され、望ましい診療内容が抽出され、ガイドライン更新情報が生成される。ガイドラインデータベース２４はこのガイドライン更新情報によって更新される。
　なお、評価情報分析ＡＩ２１では、診療評価ＡＩ１２から入力された評価情報に関して、各医療評価システム１０の入出力装置１３を介して医師から入力されたセカンドオピニオン情報を参酌するようにしてもよい。
　図５は医療評価システムの詳細ブロック図である。医療評価システム１０は、電子カルテ装置１１、診療評価ＡＩ１２及びタイマ１９等を備えている。電子カルテ装置１１は、電子カルテ演算部１１ａと、電子カルテデータベース１１ｂと、評価情報メモリ１１ｃと、会計演算部１１ｄと、を有する。また、電子カルテ装置１１には、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６、診療装置センサ１７、入出力装置１３等から各種診療情報等が入力され、これらの情報を電子カルテデータベースに蓄積する。また、電子カルテ装置１１は、治療評価ＡＩ訓練システム、診療評価ＡＩ１２、利用者システム２２等の接続されている。
　診療評価ＡＩ１２は、診療評価ＡＩ訓練システム１８で訓練された訓練済みニューラルネットの情報が提供されている。診療評価ＡＩ訓練システム１８においては、ガイドラインデータベースから提供される各種ガイドラインの情報等を教師データとして、後述のように、教師あり学習の分類（ｃｌａｓｓｉｆｉｃａｔｉｏｎ）によるアルゴリズムにより、ディープラーニングが用いられる。
　評価情報分析ＡＩ２１は、後述のように学習により訓練されたニューラルネットワークを用いている。この学習のアルゴリズムとしては、例えば、教師無し学習のクラスタリング（ｃｌｕｓｔｅｒｉｎｇ）においてディープラーニングが用いられる。評価情報分析ＡＩ２１は多数の評価情報や各種エビデンス情報を入力可能であり、多変量解析的に診察内容について客観的な評価を行うことができる。評価情報分析ＡＩ２１には、複数の医療評価システム１０からの診療評価情報が入力され、ニューラルネットワークの学習に用いられると共に、学習されたＡＩによる診療評価情報の分析によって、望ましい症例の抽出などを行うことができる。この望ましい症例を元にガイドライン更新情報が生成され、ガイドラインデータベース２４が更新される。
　本システムの会員すなわち利用者である、患者または医師ないし歯科医師は、利用者システム２２を用いて、診療評価情報を有料で入手することが可能である。この場合の会計にもＩＯＴＡ等のブロックチェーンデータベースを用いることができる。
　また、診療評価ＡＩないし評価情報分析ＡＩから出力される診療評価情報（図７等を参照。）は、政府系システム２５や保険システム２３においても利用可能である。政府系システムでは、専門医認定部２５ａにおける専門医の認定や、保険点数演算部２５ｂにおける保険点数、すなわち診療報酬の演算に用いられる。保険システム２３においては、診療評価情報は医師損害賠償保険料金演算部２３ａにおける医師損害賠償料の算定や、保険対象医師認定部２３ｂにおける民間保険適応対象医師の判定等に用いられる。
　電子カルテ演算部１１ａ診療情報によって、患者とこの患者を治療した医師とが一体となってＩＤを付与され、さらに術前情報と術後情報等が一体となって、データ１、２、・・・、ｍとして保存される。
データ１：患者１＋医師Ａ−Σ（術前情報）ｋ＋Σ（術後情報）ｋ，ｋ＝１~ｎ
データ２：患者２＋医師Ａ−Σ（術前情報）ｋ＋Σ（術後情報）ｋ，ｋ＝１~ｎ
データｍ：・・・
　電子カルテデータベース１１ｂには、治療時に検出された情報及び診療評価ＡＩ１２に入出力された情報が記憶される。
　評価情報メモリ１１ｃは、評価情報分析ＡＩ２１、政府システム２５及び会計演算部１１ｄに接続され、入出力装置１３によって医師から入力されたセカンドオピニオン情報、政府システム２５によって設定された専門医、保険点数に関する情報が記憶される。
　この評価情報メモリ１１ｃは、評価情報分析ＡＩ２１及び政府システムに接続され、セカンドオピニオン情報が評価情報分析ＡＩ２１によって参酌できるようになっている。
　会計演算部１１ｄは、評価情報メモリ１１ｃに基づいた会計処理を行うものであり、保険システム２３に接続されている。
　政府システム２５は、専門医認定部２５ａと、保険点数演算部２５ｂと、を有する。専門医認定部２５ａは、専門医の手技の質を基準とし、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３（評価項目は、もっとあるべき約１００項目ある）が所定の基準を満たしている医師について専門医として認定処理する。保険点数演算部２５ｂは、専門医認定部２５ａによって専門医として認定された医師に対する診療に対して、診療報酬の保険点数を加算するように診療報酬制度を設定する。
　保険システム２３は、評価情報分析ＡＩ２１から提供された保険料基礎情報に基づいて保険料等を算出する。この保険システム２３は、医師損害賠償保険料金演算部２３ａと、保険対象医師認定部２３ｂと、経理処理部２３ｃと、を有する。
　医師損害賠償保険料金演算部２３ａは、評価情報分析システム２１から出力される保険料基礎情報に含まれる医師損害賠償保険料金算定基礎情報に基づいて医師への医師損害賠償保険の保険料の保険料を算定する。
　保険対象医師認定部２３ｂは、治療実績に基づいて保険料の減額対象なる優れた医師を認定する。
　経理処理部２３ｃは、医師損害賠償保険料金演算部２３ａ及び保険対象医師認定部２３ｂに基づいた保険料を算出する。
　また、本実施形態では、医療評価システム１０、保険システム２３及び評価情報分析ＡＩに接続される利用者システム２２（図５参照）を設けている。利用者システム２２は、入出力装置１３からの接続を制御する利用者ＣＰＵ２２ａと、支払処理部２２ｂと、評価情報メモリ２２ｃと、を有する。
　支払処理部２２ｂは、電子カルテ装置１１の会計演算部１１ｄに接続すると共に、保険システム２３の経理処理部２３ｃに接続しており、保険料を加味した利用者の支払い費用を算出すると共に、決済処理を行うものである。また、診療評価情報を入手するための料金の精算にも用いられる。評価情報メモリ２２ｃは、評価情報分析ＡＩ２１及び保険システム２３の保険対象医師認定部２３ｂに接続しており、診療評価ＡＩによる評価情報や評価情報分析ＡＩ２１による出力情報及び保険対象医師認定部２３ｂによって認定された保険対象となる医師の情報等を記憶する。
　また、本実施形態では、治療時間を計測するためのタイマ１９が医療評価システム１０に接続されている。このタイマ１９によって計測された治療時間情報は、治療時間評価指数Ｓ３に基づいた判定を実施するために用いられる。
［診療評価ＡＩ１２について］
　診療評価ＡＩ１２は、ＡＩを備えており、症例に応じた適正な治療方針の策定、及び、治療結果の評価を行うことができる。このために診療評価ＡＩ１２は、例えばブロックチェーンデータベース２０に接続されたガイドラインデータベース２４にアクセス可能である。ガイドラインデータベース２４はガイドラインが改定されるたびに更新され、常に最新の情報が記憶されている。この情報は医療評価システムが診療の評価に用いるだけでなく、医師が診療の際に参照することも可能である。
　ガイドラインデータベース２４には、医科標準治療ないし歯科標準治療を規定した複数種類のガイドラインが含まれる。ＥＢＭ（エビデンスベースドメディスン）とは、エビデンスの信頼性が高い治療行為のことである。治療方針を適切な手技で実現しているかどうかを判定するために参照される。ＥＢＭグレードの高いものが無視されないように、必要に応じて治療中に医師に対して治療評価情報を報知することができる。例えば、ラバーダムを使用する必要がある場合に、ラバーダムの不使用が画像認識により検出されると、即時に、医師に対して警報を発することができる。
　ＡＩは治療中の画像データ等を分析し、術中に医師が行っている、あるいは、行おうとしている施術が標準治療から外れていることを警報し、医師にフィードバックを行うことができる。
　まず、医療面接によって医師は、患者の状態と要望を把握し、この医療面接の内容に沿って診療計画を策定する。診療評価ＡＩ１２は、医師による診療計画の決定をサポートすることができる。診療評価ＡＩ１２は、医療面接によって収集した情報、ガイドラインデータベースの情報、電子カルテ情報等をもとに、医学的問題、心理的な問題、経済的問題の３つに分けて整理し、問題解決のための診療計画を提案する。診療評価ＡＩ１２は診断計画、教育計画についても、同様に提案することができる。例えば、窩洞形成を伴う場合には、患者の歯の３Ｄスキャンの画像及びＸ線ＣＴの画像から窩洞形成の３Ｄ−ＣＡＤデータを出力できる。診療評価ＡＩ１２は、ガイドラインデータベースを教師データとして訓練されており、入力された診療方針、患者の歯の３Ｄスキャンの画像及びＸ線ＣＴの画像等から、治療内容である窩洞形成の３Ｄ−ＣＡＤデータを出力することが可能である。
　治療の進捗に応じて、診療経過情報を診療評価ＡＩ１２に入力すると、診療評価ＡＩ１２は目標とする治療内容との差分を出力することができる。例えば、診療評価ＡＩ１２は治療途中の３Ｄスキャンデータを入力されると、目標とする治療内容である窩洞形成との差分を示した３Ｄ−ＣＡＤデータを出力することが可能である。
　窩洞形成の場合を例に挙げると、診療評価ＡＩ１２は治療途中の３Ｄスキャンデータを入力されると、目標とする治療内容である窩洞形成との差分を示した３Ｄ−ＣＡＤデータを出力する。歯科医は、診療評価ＡＩ１２によって示された差分を無くすための治療を行った上、再度、３Ｄスキャンデータを診療評価ＡＩ１２に入力する。この治療が１回以上行われることにより、診療評価ＡＩ１２から出力される目標とする治療内容である窩洞形成との差分が所定の許容範囲になったことが、歯科医に対して報知される。この報知を確認し、歯科医は次の充填、咬合調整の段階へと進む。各段階の情報が入力されることにより、診療評価ＡＩ１２から目標とする治療内容との差分の情報が出力されるので、医師はこの情報を参酌してガイドラインにしたがって標準治療を実施することができる。
　また、ブリッジや義歯等の補綴物を支えるための支台歯の形成についても、診療評価ＡＩ１２は目標とする３Ｄ−ＣＡＤデータを出力し、また、歯科医による治療後の３Ｄスキャンデータを診療評価ＡＩ１２に入力すると、目標とする治療内容である支台歯形状との差分に関する情報が出力される。これにより上記窩洞形成の場合と同様に、医師は診療評価ＡＩ１２から出力される情報を参酌してガイドラインにしたがって標準治療を実施することができる。
　治療後の３Ｄスキャンデータ及びＸ線ＣＴの画像が入力されると、診療評価ＡＩ１２は、治療内容について評価することができる。
　標準治療を評価する場合、ラバーダムの使用の有無のように、可か不可かだけの２択による評価だけではない。窩洞形成の内側面の角度が適正角度かどうか、窩洞形成の開口面に適正角度のテーパーが付与されているか等の例えば１００点から０点等の評価とすることもできる。
　治療時に検出された情報及び診療評価ＡＩ１２に入出力された情報は、電子カルテ情報として、電子カルテデータベースに記憶される。各医療評価システムによって蓄積された電子カルテ情報を用いることにより、患者の状態を的確に把握し、的確な診療計画の作成と適切かつ効率的な診療を行うことができると共に、医療安全の向上を図ることが可能である。各医療評価システム１０によって蓄積された電子カルテデータベースの情報は、診療評価ＡＩ１２や評価情報分析ＡＩ２１を訓練するために用いることができる。
　また、う蝕検知液を用いた治療にも診療評価ＡＩ１２を用いた画像認識技術が有効である。
（１）　補綴物を歯から取り除く。
（２）　う蝕検知液を塗布し、洗浄する。
（３）　赤色、濃いピンク色の部分を削り取り、基準色よりも薄いピンク色の部分を残す。
（４）　カメラでカラー画像を撮影し、診療評価ＡＩ１２に入力し、画像認識を行う。
（５）　上記（２）及び（３）を繰り返す。
（６）　診療評価ＡＩ１２から窩洞形成完了の報知があった場合、歯科医は次の充填、咬合調整の段階へと進む。
　このように各段階の情報を入力することにより、診療評価ＡＩ１２から目標とする治療内容との差分の情報が出力されるので、医師はこの情報を参酌してガイドラインにしたがって標準治療を実施することができる。う蝕検知液の色の判定は医師の判断に主観的な要素があるが、診療評価ＡＩ１２を用いることにより基準色の判定を迅速かつ的確に行うことができる。
　ここではう蝕の治療例を説明したが、本実施形態はこれに限定されるものではない。う蝕検知液によって検出されたう蝕を光学検査機器によって検出し、診断基準と比較することにより、客観的にう蝕を判定し、記録するシステムを提供することが可能である。
評価は主に３つの観点から行う。
（ａ）標準治療評価指数Ｓ１
（ｂ）術後画像評価指数Ｓ２
（ｃ）治療時間評価指数Ｓ３
（ａ）標準治療評価指数Ｓ１について
　標準治療評価指数Ｓ１は、
ａ−１．適切な基材の選択と使用、ラバーダム、タービン、バー選択
ａ−２．タービン、注水、エンジンの利用方法
ａ−３．麻酔
ａ−４．禁忌治療
ａ−５．窩洞形成評価
等の項目に関して、標準治療がガイドラインどおり行われているかどうかの判定を示す指数である。標準治療どおりの治療が行われているほど、評価が高くなる。診察室画像取得手段から取得された治療を行っている様子を撮影した動画に、前処理を行った上で、ＡＩ画像認識を行い、評価する。
　診療評価ＡＩ１２から出力される評価情報は、診察室カメラ、診察部位カメラ、問診入力装置、診察装置センサ（３Ｄスキャナ、Ｘ線ＣＴ、ドリルのマイクロモーターセンサ、タービンセンサ、バキュームセンサ、浄水センサ等）、電子カルテデータベース、及び、ガイドラインデータベース等の情報に基づき、医師・歯科医師等による診療に対する客観的かつ定量的な評価を含むものである。
（ｂ）術後画像評価指数について
　術後画像評価指数Ｓ２は、診療の結果が、医療面接から導き出した診療方針（ＡＩによって提案された診療内容）どおりになっているかどうかを判定する指数である。ＡＩが計算した窩洞形成にどれだけ近いか等が判定され、医療面接による診療方針に近いほど評価が高くなる。３Ｄスキャン、Ｘ線ＣＴ等の画像からＡＩ画像認識を行い評価する。
（ｃ）治療時間評価指数について
　治療時間評価指数Ｓ３は、標準治療を行うための治療時間が適正時間内であるかどうかを判定する指数である。ガイドラインに沿った標準治療にかかる時間には適正範囲があるため、この適正時間範囲であれば評価が高くなる。治療が早ければ高得点となるとは限らない。これは、ガイドラインを遵守するためには所定の時間を要する治療もあるためである。
　複数の医療評価システム得られた３つの指標からなる評価情報を、評価情報分析ＡＩ２１を用いて統計的にも適切な評価を行う。ブロックチェーンデータベース２０を用いて評価情報を利用者（患者）に提供可能とする。
　診療評価ＡＩ１２は、複数の教師データにより訓練された訓練されたニューラルネットワークを使用している。教師データとしては、ガイドラインデータベース２４の情報が含まれる。この学習のアルゴリズムとしては、例えば教師あり学習の分類（ｃｌａｓｓｉｆｉｃａｔｉｏｎ）においてディープラーニングが用いられる。ニューラルネットワークは例えば窩洞形成の画像とその適正度（合否ないしは点数）との組み合わせからなる教師データにより訓練される。診療評価ＡＩ１２は、例えば診療部位画像取得手段１５からの画像を入力し、標準治療遵守指数、術後画像評価指数及び治療時間評価指数等を含む複数の指標を評価情報として出力する。また、ニューラルネットワークは入力情報として、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６、及び、診療装置センサ１７からの各装置を入力とすることもでき、この場合、ニューラルネットワークを学習するデータとしても、これらの各装置からの入力に対応する教師データを含む。例えば、診察室画像取得装置１４からの情報をニューラルネットワークに入力する場合、あるいは、ニューラルネットワークを訓練する場合には、動画データに前処理を加える。前処理としては、例えば必要画像の切り出し、サイズ調整、カラー調整等である。
　ニューラルネットワークによって、例えば入力データがどの程度ガイドラインに近い窩洞形成であるかを推論する。この推論結果は、専門医による評価、及び／又は、その後の経過情報による評価により検証され、ニューラルネットワークの訓練に用いられる。
［評価情報分析ＡＩ２１について］
　前述のとおり、評価情報分析ＡＩ２１は、診療評価ＡＩ１２が出力した複数の評価情報を分析し、ベストプラクティスの選定を含む定量的な評価を行い、利用者に対して診療評価情報を提供し、保険システム２３に対して保険料基礎情報を提供すると共に、ガイドラインデータベース２４に対して、ガイドライン更新情報を提供する。診療評価ＡＩ１２は上記３つの評価情報だけでなく、これらを細分化した情報や評価に用いられる各種エビデンス情報を出力することが可能である。
　評価情報分析ＡＩ２１は学習により訓練されたニューラルネットワークを用いている。この学習のアルゴリズムとしては、例えば、教師無し学習のクラスタリング（ｃｌｕｓｔｅｒｉｎｇ）においてディープラーニングが用いられる。評価情報分析ＡＩ２１は多数の評価情報や各種エビデンス情報を入力可能であり、多変量解析的に診察内容について客観的な評価を行うことができる。
［利用者による診療評価情報の利用について］
　利用者は、ブロックチェーンデータベース２０を介して得られた診療評価情報に基づき自分が希望する医師ないしクリニックを選定することができる。ブロックチェーンデータベース２０を用いることにより匿名性を担保しながら、改ざんができないようなデータ管理が実現できる。
［保険システム２３による保険料基礎情報３５の利用について］
　保険システム２３では保険料基礎情報に基づき保険料等を算定することができる。
　詳細は実施形態２で説明する。
［診療評価ＡＩ１２におけるガイドライン更新情報の利用について］
　診療評価ＡＩ１２では、ガイドライン更新情報に基づきガイドラインデータベース２４の更新ないしその更新のための検討を行うことができる。ガイドライン更新情報は最新の臨床結果に基づくベストプラクティスを分析することにより得られものであり、ガイドライン更新のために利用することができる。
［作用効果について］
　これまでは実際の診療、例えば医師ないし歯科医の手技を評価するために、実際の治療の術前及び術後を対比して分析するシステムは存在しなかった。また、単に診療を評価するだけではなく、この評価情報を経済的インセンティブ（保険料金や診療報酬等）に反映されることができる。これにより、コンビニエンスストアーの数よりも多いと言われる医師・歯科医師の適正数化、及び、適正価格を是正することにも繋がる。本実施形態の医療評価システムは、評価情報をエビデンスに基づき算出することで、医療市場における医師・歯科医師の質を担保しつつ、患者本位の医療の実現に寄与する。
［医療評価の効果］
　医師・歯科医師は、標準治療として推奨されるべき処置法を行うことが義務付けられているが、その処置の品質が医師・歯科医師によって異なる場合がある。例えば、卓越した手技によって最短時間で標準治療で規定された処置をする医師・歯科医師の診療報酬が、時間当たりの診療報酬として適切な単価か否かを、ニューラルネットワークによる出力によって判断することができる。
　また、医学的手技のみならず、コメディカル、例えば歯科においては、歯科衛生士や歯科助手、医科であれば看護師や理学療法の配置や動きが適切であるか、あるいは、機材の配置やメンテナンス等が適切かについても、訓練されたニューラルネットワークにより評価する。これにより、ＡＩを用いて、エビデンスに基づいて医師を評価すると共に、さらに、その医師が診察する環境、その診療所の経営効率等も評価することができ、コンサル機能や教育改善効果をもたらす。また、本システムを利用する医師・歯科医師については、他の優れた事例等を匿名あるいは実名にて参照することができる。これにより、医局や系列に縛られないオープンシステムを提供し、技術の鍛錬を安価にもたらすことができる。
　本システムに登録した患者は、優れた医師・歯科医師をこのオープンシステムから、それぞれの医師・歯科医師が受け持った治療実績を参酌して、医師・歯科医師を選択することができる。いわゆる口コミ情報はウエッブサイトで容易に入手可能であるが、エビデンスが十分でない等の問題があった。ここで、本システムで提供される、エビデンスやこのエビデンスに基づく評価により、医療過誤や医療事故、更には医原病が起こりにくい医師・歯科医師や診療所、難しい症例の成功確率等を把握することができる。
　医師・歯科医師が受け持った治療実績に応じて、医療保険加入者のそれぞれに、推奨する医師・歯科医師のリスト化に適用することができる。これにより、医師・歯科医師毎に支払保険料の設定も可能になり、医師・歯科医師の賠償保険料も算出でき、公的医療保険や民間医療保険の保険料最適化に貢献できる。これは、医師の倫理に反するような医療過誤や医療事故、更には医原病の発生や保険料の高騰を防ぐことにつながり、外部不経済を抑制することができる。各学会の専門医や認定医の手技がどの程度優れているかを客観的に評価することにもつながる。
本実施形態では、窩洞形成等の支台歯形成を伴う、う蝕歯の補綴治療を例に挙げて説明したが、本実施形態はこれに限定されるものではない。支台歯形成は、多数の医療行為の１つとして例示したものであり、本実施形態の医療評価システムは他の医療行為に対しても同様に適用可能である。例えば、口腔がんの診断にも適用可能である。口内炎と前がん病変との見極めは重要な診断であり、この診断の過程を動画として電子カルテに記憶すると共に、適切な評価情報と共にデータベースに保存・活用することは有用である。さらに、歯科以外の医科に対しても本実施形態の医療評価システムは適応可能である。
［実施形態２］
　実施形態２に係る医療評価システムついて図５を参照して説明する。本実施形態の医療評価システムは、患者と医師との組み合わせた情報により、医師の評価を行うものである。本実施形態の医療評価システムによれば、秘密鍵情報を患者が管理することにより、患者の意志により匿名加工情報を提供することが可能となる。
　図６は、ブロックチェーンデータベースの説明図であり、図６Ａは患者とこの患者を治療した医師とが一体となってＩＤが付されたデータ構造の説明図であり、図６Ｂはブロックチェーンを用いたデータベースの説明図である。電子カルテ演算部は、診療情報に、患者とこの患者を治療した医師とが一体となってＩＤを付与し、さらに術前情報と術後情報等が一体となって、データ１、２、・・・、ｍとして評価情報メモリ１１ｃ等に保存する。診療評価システムでは、患者とこの患者を治療した医師とが一体となったＩＤが付された診療情報が用いられ、これらの診療情報をもとに診療内容の分析・評価・記憶が行われる。
データ１：患者１＋医師Ａ−Σ（術前情報）ｋ＋Σ（術後情報）ｋ，ｋ＝１~ｎ
データ２：患者２＋医師Ａ−Σ（術前情報）ｋ＋Σ（術後情報）ｋ，ｋ＝１~ｎ
データｍ：・・・
　患者とこの患者を治療した医師との組み合わせであるデータ１~データｍ（診療情報）をブロックとし、各部ブロックが順序付けられたレコードとして追加されていくように、ブロックチェーンが構成される。図５の例では、下方のブロックから上方に向かって複数のブロックがチェーン状に付加されていき、複数のブロックからなる情報が記憶される。例えば、「患者１と医師Ａ」のブロックに対し、「患者１と医師Ｂ」のブロックが付加され、さらに、「患者１と医師Ｃ」のブロックが付加されるというように、ブロックが順次付加される。
　医師Ａが受け持った患者１、患者２、患者３等の患者の数だけ、ＩＤが１人目、２人目、３人目と付与される。医師Ａに関する情報として、専門医、認定医、それ以外の医師などの種別も付与される。他の医師Ｂ、医師Ｃについても、同様に治療した患者の数だけ、患者１、患者２、患者３等とデータが保存される。
　各データがブロックとして、順序付けられて記憶されているため、例えば患者１が医師Ｃによる特定の治療を受ける前に、医師Ａによる別の治療を受けていたこと等、その特定の治療及び別の治療についての術前情報、術後情報等と共に、患者１がアクセス権を設定できる状態で治療履歴が保存される。
　各データは公開鍵データと秘密鍵データとによって暗号化されている。本実施形態では患者が秘密鍵データを管理しており、患者が他者に対してデータのアクセス権を設定できるようになっている。
　従来のデータベースでは匿名情報加工業者が患者情報、医師情報等を匿名化してデータを提供していたが、本実施形態の医療評価システムでは、患者１が自分の診療情報へのアクセス権を設定できる。例えば患者１は自分の意思でブロックチェーンの秘密鍵データを医師Ｂに提供し、自分の診療履歴にアクセスすることを許可することができる。また、患者１は医師Ｂにアクセス権を付与し、自己の既往歴や治療歴を公開し、医師Ｂとの将来の診療や健康維持管理に活用することができる。
　ブロックチェーンの管理サーバでは、データへのアクセス権の管理、有料でデータにアクセスする場合の課金管理等を行う。
　患者とこの患者を治療した医師との組み合わせのデータをブロックとするブロックチェーンにより治療履歴情報をデータベース化することにより、患者にも医師にも、また、これらのデータを利用者にもさまざまな利点がある。
　患者にとっては、患者が自分の治療データへのアクセス権を有することにより、自分の診療履歴へ容易にアクセスすることができると共に、自分の診療履歴情報を他者に開示するかどうかの権限が得られる。自分の診療履歴へのアクセスにより、過去の治療履歴を考慮した上で、次の治療を受けることが可能となると共に、過去の治療に関する医師、術前情報、術後情報などの内容を、現在の症状との相関を明らかにすることができる。患者と医師とが対応づけられることによって、術前、術後のトレースが可能となる。術中の手技が予後にどのように影響したのかを示す情報が記録され、ＡＩによって医師の評価に関する分析対象とされる。
　医師にとっても担当する患者から過去の診療履歴情報の開示へのアクセスを許可されれば、過去の治療における術前情報や術後情報を今の治療及び今後の治療に生かすことができる。例えば、医師Ｃが患者１と医師Ａの症例を閲覧したい場合は、本実施形態の医療評価システムにおいては、患者１からの許可に基づき、有償によりかかる症例の医師Ｃによる閲覧を可能とする。また、例えば医師Ａが患者１の症例が難症例で、医師Ｄやその他医師に問いかけたい場合にも、同様に、この症例に係る患者からの自己のデータにたいするアクセス許可に基づき、有償によりかかる症例の医師Ａによる閲覧を可能とすることができる。
　診療評価ＡＩにおいては、過去の診療履歴をもとに医師による適切に治療方針・資料内容の決定を支援すると共に、治療経過に対する注意情報・警告情報の報知を行うことができる。また、治療履歴も考慮した診療内容及び診療結果の評価を行うことができる。診療評価ＡＩ訓練システムにおいても、患者とこの患者を治療した医師との組み合わせであるデータ１~データｍを教師データとして使用することにより、適切に診療評価ＡＩ１２を訓練することができる。なお、診療評価ＡＩは教師あり学習により訓練されるが、教師データとしては、患者情報、医師情報、術前情報及び術後情報等を含む各データの診療内容・診療結果に対する訓練用の評価情報を含まれている。この訓練用の評価情報は、診療評価ＡＩの出力、評価情報分析ＡＩの出力、又は、専門医など経験豊富な医師による評価のいずれか少なくとも１つとすることができる。
　例えば、データ１~データｍには、評価情報分析ＡＩにより各種エビデンスに基づいた客観的な評価情報が付与される。これは、各データの診療内容に対する客観的な評価とすることができる。評価情報分析ＡＩ２１は、このように患者とこの患者を治療した医師とを一体として付与されたＩＤを有する術前情報と術後情報を分析することにより、術前、術後のトレースできる情報を用いて、医師の評価情報を演算することが可能となる。医師による術中の手技が予後にどのように影響したのかをより的確に分析することが可能となる。したがって、客観的な評価情報が付与された各データは後述の実施形態３における医師損害賠償保険の料金算定、民間医療保険、診療報酬等の公的医療保険制度、専門医制度等に利用することができる。
　また、患者情報は匿名加工情報として扱えるので、本サービスを通じて新たな患者が医師を選ぶとき情報として流通することも可能である。ある患者が現在の自分の症状にあった医師ないしクリニックを選択する際に、本診療評価システムのデータベースは大変有用であるため、例えば会員に対して有償で提供するようにしてもよい。また、医師が過去の症例を参考にして治療計画を策定し、また、治療を進めるための参照情報として用いることもできる。
　さらに、診療評価ＡＩは治療計画の策定を支援すると共に、治療中の医師に対する適切な治療のための情報提示や注意情報の報知を行うことができるので、本実施形態の医療評価システムは例えば研修医による診療技術の習熟や、専門医のための診療技術向上支援のためにも有用である。なお、医科の専門医と認定医は、内科、脳神経外科、整形外科、眼科等約３０と多岐にわたる。歯科の専門医と認定医は、歯科保存科、歯科口腔外科、歯科麻酔科、小児歯科等が挙げられる。
医療サービスの提供とその質を見極めるのに、医師と患者の双方の情報が不可欠であり、本実施形態の医療評価システムによれば、ある患者に対して治療行為を提供した医師とが一体となった情報に対して、ＩＤが付与され、治療前情報と治療後の情報等を含む治療行為に関わる収集された全ての情報が、一評価情報分析ＡＩによって、各々の患者に対する当該医師の一連の治療行為を評価することができる。
各種エビデンスに基づいた客観的な評価情報が付与されたデータに基づくブロックチェーンによるデータベースからより治療実績の良い医師を検索、参照することを可能にし、患者は適切な医療サービスを選択でき、医療過誤や医療事故、更には医原病を回避すること、及び、治療後によりよいＱＯＬを得ることの実現に寄与することができる。
　本実施形態のブロックチェーンデータベースから提供される匿名加工情報を調査機関に提供することによって、調査機関では、患者に対する医師・歯科医師による治療の履歴や患者の症状の経過等を含めて評価情報を利用した分析が可能となる。本実施形態においては、患者が暗号鍵情報を管理するため、患者自身が自分の診療履歴を含む電子カルテ情報をどこまで開示するのかを決めることができる。例えば、患者の情報は、その所有者である。患者が自らの意思で、公開したい情報を取捨選択して、第３者に提供することも可能である。
　本実施形態において評価情報含む診療情報ブロックチェーンデータベースにより管理することの作用・効果をまとめると、次の５つの観点となる。
（１）　診療情報を情報ネットワーク上で管理
（２）　常時アクセス可能
（３）　暗号化
（４）　所有権の明確化
（５）　アクセス履歴の記録が可能
　上記（１）評価情報を含む診療情報を情報ネットワーク上で管理する効果は、患者情報、術前情報、術後情報及び評価情報等を含めてネットワーク上に管理することで、遠隔からのアクセスが可能なことである。従前、診療情報はネットワークとは独立のアイソレーションされたデータベースで管理されているため、遠隔からのアクセスは不可能であった。
　上記（２）常時アクセス可能なことの効果は、患者によるアクセス権の付与がいつでもできるようになっていることによるものである。
　上記（３）暗号化について、患者によりアクセス権が付与されていなければ、その患者の診療情報には誰もアクセスできず、診療情報が患者の許可なく公開されることはない。すなわち、暗号鍵情報を保存していない第３者は、診療情報にアクセスできないため、患者にとって安心なデータベースであるという効果がある。
　上記（４）所有権の明確化については、患者のみに暗号鍵情報を付与しているため、診療情報がネットワーク上にどこに存在していても、診療情報の所有権が明確であるという効果がある。診療情報がネットワーク上のどこに記憶されていたとしても、患者によりアクセス権が付与されない限り、医師を含む第３者はその診療情報にアクセスできない。
　上記（５）アクセス履歴の記録が可能であるため、誰が診療情報にアクセスしたかとうい履歴が追跡可能である。これにより、診療情報への不正アクセスを追跡でき、また、暗号キーを変更した時期まで記録されているため、誰がいつ不正アクセスしたのか追跡でいるため、ネットワーク上のセキュリティーが向上する。
　本実施形態の変形例を図７及び図８を参照して説明する。図７は診療情報の説明図である。図８は、診療情報をブロックチェーンデータベースで管理する概念図である。診療情報は患者ＩＤ、医師ＩＤ、各種症例データ（術前、術後）、医師手技判定データ、予後データ、医師評価データ等からなる。図８は、診療情報がブロックチェーンデータベースで管理される様子を概念的に示している。患者ａ０００００１を医師ａ００００００１が治療した履歴が、その患者の予後１の状況である患者ａ０００００１’と関連して記憶される。同様に、その後患者ａ０００００１’に対して、医師Ａ００００００１が治療したという履歴が、予後２の状況である患者ａ０００００１’’と関連して記憶される。
　本変形例において、医師・歯科医師による診療時には、患者の予後の状態は分かっていない。本変形例の医療評価システムでは、治療後に所定期間が経過した後、患者の予後の経過が分かった時点で、過去に行われた医師・歯科医師による診療内容が検討され、その診療内容が客観的に評価される。予後の経過が良好であった場合には、患者の予後が良好なのか、過去に医師・歯科医師が行った手技が検討される。また、予後の経過が悪い場合にも、過去の診療内容を踏まえた検討が可能となる。
　また、患者の予後の経過を含む診療情報は、診療評価ＡＩを訓練するための教師データとして使用される。教師データで実際の患者の予後の経過を含めることによって、診療評価ＡＩを実際の症例とその予後の結果に則して、より適切に訓練することができる。
　本実施形態の医療評価システムでは、予後の経過が良好な症例を参考にしたいという医師・歯科医師に対して、患者からアクセス権が付与された場合には、診療情報が提供される。医師・歯科医師は、治療前のカンファレンス時に、予後の良好な症例を参酌して、診療方針を決定することができる。従前は論文でしか紹介されていないような症例についても、ブロックチェーンデータベースで管理されているため、所望の診療情報でのアクセスが容易となる。論文上では医師・歯科医師による手技の良否までは十分に考慮されていない場合があるが、本実施形態の医療評価システムによれば、診療評価ＡＩにより客観的に判断された評価情報が診療情報に付加され、ブロックチェーンデータベース上で患者からのアクセス権が付与されたことを条件に、第３者に診療情報を提供することができる。これにより提供された診療情報は、症例研究のための資料や、患者が医師・歯科医師を選択する際の参考情報として有用である。さらには、これらの評価情報を含む診療所法は、後述のとおり公的医療保険制度を含む医療保険、損害賠償保険、その他金融派生商品等にも利用可能である。
［実施形態３］
　実施形態３に係る保険システム等へ適用した医療評価システムついて説明する。本実施形態では、実施形態１において述べた３つの評価指数を保険料の算定等に利用する。以下、医師損害賠償保険の料金算定への適用例、民間医療保険への適用例、診療報酬への適用例、その他の適用例について以下説明する。
（実施例１）医師損害賠償保険（Ｍｅｄｉｃａｌ　ｌｉａｂｉｌｉｔｙ　ｉｎｓｕｒａｎｃｅ）の料金算定への適用
　評価情報分析システム２１から出力される保険料基礎情報には、医師損害賠償保険料金算定基礎情報が含まれる。医師損害賠償保険料金算定基礎情報は、ベストプラクティスに近い診療を行う医師ほど、医師損害賠償保険の保険料が低くなるような評価指数Ｓｌｉａを含んでいる。
　医師損害賠償保険料金算定指数Ｓｌｉａを算定する計算式は、特に限定されるものでは無いが例えば次のようなものを用いることができる。実施形態１において述べた３つの評価指数を、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３としたとき、例えば医師損害賠償保険料Ｆｌｉａは、
Ｆｌｉａ＝ｆ１（Ｓ１，Ｓ２，Ｓ３），Ｆｌｉａ＿ｍｉｎ≦Ｆｌｉａ≦Ｆｌｉａ＿ｍａｘ
として求められる。ここで、Ｆｍｉｎは最低保険料、Ｆｍａｘは最大保険料である。関数ｆ１（Ｓ１，Ｓ２，Ｓ３）は、Ｓ１，Ｓ２，Ｓ３を変数とする関数であり、必ずしも連続関数に限定されるものでは無く、不連続関数であってもよい。
　また、上記計算式の別の例として、次のように標準化された評価値を用いることもできる。実施形態１において述べた３つの評価指数を、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３としたとき、例えば、標準化された評価値Ｓｌｉａを、
　Ｓｌｉａ＝Ｓ１・ａ１＋Ｓ２・ａ２＋Ｓ３・ａ３＋ａ０
として求める。ここで、０≦ａ１≦１，０≦ａ２≦１，０≦ａ３≦１であり、Ｓｌｉａが平均０，分散１で標準化されているとすると、例えば医師損害賠償保険料Ｆｌｉａは、
　Ｆｌｉａ＝ｆ（Ｓｌｉａ），Ｆｌｉａ＿ｍｉｎ≦Ｆｌｉａ≦Ｆｌｉａ＿ｍａｘ
として求められる。ここで、Ｆｍｉｎは最低保険料、Ｆｍａｘは最大保険料である。関数ｆ（Ｓｌｉａ）は、Ｓｌｉａを変数とする関数であり、必ずしも連続関数に限定されるものでは無く、不連続関数であってもよい。
　上記関数ｆ１（Ｓ１，Ｓ２，Ｓ３）や関数ｆ（Ｓｌｉａ）の関数の設定方法としては、次の（１）~（４）などが挙げられる。
（１）保険料Ｆｌｉａをリスク値に応じて変動させる。保険料のリスク値のパラメータとして、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３、標準化された評価値Ｓｌｉａが用いられる。例えば、リスク値を段階的に変化する閾値を有する保険等級として与えることができ、リスク値が高いほど、保険料Ｆｌｉａは高くなるような関数が得られる。保険料Ｆｌｉａの上限Ｆｌｉａ＿ｍａｘと下限Ｆｌｉａ＿ｍｉｎを考慮し、リスク等級として与えられるリスク値の閾値は、保険事業運営上の適正範囲に応じて設定されている。
（２）上記（１）のリスク値ないしリスク等級に応じて保険料Ｆｌｉａが算出される。この計算では、保険事業に係るキャッシュフロー、準備金、保険契約の状態（保留、失効あるいは継続中等、保険年度、保険期間、保険タイプ、特約、免責事項）、各保険年度におけるリスク値等を考慮することができる。また、保険料Ｆｌｉａを基本保険料と加算保険料とに分離し、加算保険料の部分をリスク等級に応じて計算するようにしてもよい。また、リスク値ないしリスク等級は単一でなく、複数種類のリスク値ないしリスク等級を設定し、複数種類のリスク値ないしリスク等級に基づいて保険料Ｆｌｉａを算出するようにしてもよい。
（３）上記（２）では、リスク値ないしリスク等級に応じて加算保険料を計算する例を説明したが、リスク値ないしリスク等級に応じて、基本保険料からの割引保険料を計算するようにして、保険料Ｆｌｉａを算出してもよい。なお、リスク値ないしリスク等級の演算には、上記（１）及び（２）と同様に、例えば標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３、標準化された評価値Ｓｌｉａを用いることができる。
（４）評価情報分析ＡＩにおいて医療評価情報を含んだ診療情報等を多変量解析的に分析することにより、保険料Ｆｌｉａに影響するリスク指標が抽出される。抽出されたリスク指標と保険料Ｆｌｉａとの相関が計算され、計算された相関とリスク情報の値とに基づいて保険料Ｆｌｉａが計算される。リスク指標としては、例えば標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３、標準化された評価値Ｓｌｉａ、診療情報に含まれる医療評価情報等の各種情報を用いることができる。また、リスク指標の抽出にあたり、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３をさらに細分化した指標を用いることも可能である。診療評価ＡＩはより細分化された指標を出力することが可能であり、また、指標を抽出するために用いられた各種エビデンスも保険料Ｆｌｉａの算出に利用可能である。
　このようにして算定された医師損害賠償保険料Ｆｌｉａは、ベストプラクティスに近い診療を提供する医師には最低保険料Ｆｍｉｎに近い保険料が適用されるようになる。
（実施例２）民間医療保険への応用
　所定の保険料を支払った被保険者に対して、ベストプラクティスに近い診療を行う医師の診療にだけ治療費を支払う保険制度を設定することができる。この保険制度では、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３が所定の基準を満たしている医師だけを対象として、治療費を保険金で賄うようにする。被保険者に対しては、ベストプラクティスに近い診療を受けられることが保証されると共に、その治療費も保険料から支給されるという利点があると共に、ベストプラクティスに近い医療を提供する医師には被保険者が集まることにより、被保険者及び医師の相応にとって利点がある。さらに、医療制度全体にとっても、ベストプラクティスに近い医療が提供されることにより、不要な治療費が削減できることにより、医療の全体最適化を促すことに繋がる。
　実施例２の変形例について、仮想通過ＩＯＴＡを用いる例を説明する。例えば、実施例２の保険対象となる歯科医の診療を受け、被保険者の診療に１０万円の費用が発生したとする。保険支払いの要件に定期的な検診を義務付けている保険制度の場合には、前述の被保険者が所定の定期的な検診を受けていた場合には、保険会社からは、その保険者に対しては定期的な検診代例えば２万円に加え、治療費の１０万円分の合計１２万円分のＩＯＴＡが付与される。非保険者は付与されたＩＯＴＡによって、診療ないし診察の対価としての費用を医師に支払うことができる。ブロックチェーンデータベースの例としは、本実施例のように支払を兼ねる場合には、例えばＩＯＴＡを採用することができるが、ＩＯＴＡ以外のブロックチェーンを用いることが可能である。
　歯科の市場において本実施形態の医療評価システムを採用した場合の効果について説明する。約３兆円の歯科市場、約２５兆円の医科市場がある。そのうち、歯科では禁忌処置が約１０％、ラバーダム未使用など非標準治療は３０％程度あるのではと推定されている。歯科では、ラバーダム未使用などに起因する治療中に再感染により、歯科治療によるう蝕の再発誘導も発生していることが予想されている。約３兆円のうち、９０００憶円が再治療によって市場が形成されている試算されている。本実施形態の医療評価システムによれば、医師・歯科医師の手技の質を、室内カメラなども含む複数のセンサにより、診療行為全体、窩洞形成（光学３Ｄスキャナ）、口腔粘膜への侵襲（口腔スキャナ）を治療前と治療後で評価し、診療評価ＡＩが治療警報情報を医師へ治療中に報知したり、診療評価ＡＩが診療内容・診療結果について評価したり、あるいは、評価情報分析ＡＩが各診療情報に対してエビデンスに基づく客観的な評価情報を付加する。評価情報が付加された診療情報は、医療過誤や医療事故、更には医原病を阻止する環境を醸成する政策支援にも役立つ。本実施形態の医療評価システムを民間医療保険に適用すれば、評価の高い医師・歯科医師による治療を提供するための保険制度実施する上で、エビデンスに基づく客観的な評価が付与された治療データは有用である。
　例えば、口腔がん（歯肉がん）が歯肉炎と誤診されたようなケースにおいて、本実施形態の診療評価システムを用いた場合には、患者情報、医師情報、術前情報、術後情報及びエビデンスに基づいた客観的な評価情報を含む診療情報がデータベースに保管されているため、医師に対して診療の経緯や今後の適切な治療計画や治療内容について情報提供することが可能である。
　本実施例では、民間医療保険への応用について説明したが、本実施形態の医療評価システムの適用対象は民間医療保だけに特定されるものではなく、他の保険商品や金融派生商品にも適用することができる。本実施例では、ベストプラクティスに近い診療を行う医師の診療にだけ治療費を支払う保険制度を設定することを説明したが、このような仕組みを金融派生商品に適用することが可能である。例えば、本実施形態の医療評価システムは、ベストプラクティスに近い診療を行う医師の診療を受けられる権利を証券化した金融派生商品等にも適用可能である。
　（実施例３）診療報酬への反映
　図９（保存修復クリニカルガイド第２版）には、治療後の歯の生存率について専門医と、その他の歯科医師とによる比較結果を示す。図９より専門医による治療の方が、歯の生存率が高い傾向があることが分かる。専門医と同等のスキルを有する医師を判別し、その治療に係る診療報酬を高めることにより、公的医療保険制度の全体最適化を図ることができる。
　具体的には、専門医の手技の質を基準とし、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３（評価項目は、もっとあるべき約１００項目ある）が所定の基準を満たしている医師に対する診療に対して、診療報酬の保険点数を加算するように診療報酬制度を設定する。専門医の資格を取得は必ずしも実際の臨床の内容ないし症例に依存するものでは無く、また、専門医でなくとも十分なスキルを備える医師も存在する。そのため、本実施例の標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３に基づいて、所定のスキルを備えた医師を識別して、診療報酬の保険点数を加点することにより、専門医ないし専門医同等のスキル獲得に対するインセンティブを与え、かつ、公的医療保険制度の全体最適化を図ることができる。専門医・認定医制度が、専門医・認定医になるために、多くの症例数を満たし、論文を書いていることを求めている。本システムでは、医師・歯科医師の真の技量を客観的に評価し、症例数や論文数だけによらない専門医・認定医制度を実現することができる。手技の質が高い医師・歯科医師は、医療過誤や医療事故、更には医原病医療過誤や医療事故、更には医原病をもたらす確率は低く、患者の予後も良好となるため、その経済効果は大きい。他方、医師・歯科医師の手技の質が低いと仮定した場合には、医療過誤や医療事故、更には医原病医療過誤や医療事故、更には医原病の発生リスクがあり、環境問題同様に、外部不経済である。他の医師・歯科医師が、さらに医療過誤や医療事故、更には医原病を治療することで、経済損失が多いし、患者の真の使用コストではなく、公的医療保険への負担と受益者負担が非常に大きい原因となる。本実施形態の医療評価システムによれば、診療内容を客観的かつ定量的に評価することができ、また、手技の質が高い医師・歯科医師を見出すこともできるため、公的医療保険への負担の低減、受益者負担の低減に寄与することができる。医療過誤や医療事故、更には医原病医療過誤や医療事故、更には医原病医療過誤や医療事故、更には医原病の発生を防ぐことができる。
　（実施例４）その他
　専門医制度の専門医認定要件にベストプラクティスに対する到達度の指標を設けることができる。実施例３で述べた所定のスキルを備えた医師を識別し、その医師に対して専門医の資格を与えることができれば、専門医制度の最適化を図ることができる。具体的には、本実施形態の標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３に基づいて、専門医に求められるスキルに相当する所定のスキルを備えた医師を判別し、所定のスキルを有すると判別された医師に対して専門医の資格を付与することができる。
　本実施例では実際に患者の診療を行う際のシステムの利用について説明したが、本実施形態は臨床だけでなく、歯科模型を用いた実習にも適用することが可能である。例えば、実習者情報と歯科模型毎の識別情報とに関連付けて取得された実習履歴情報により、各自主者の実習内容を検証・評価することが可能である。
　また、匿名加工情報を扱う他のシステムトとの連携により、診療評価ＡＩ１２及び評価情報分析ＡＩ２に匿名加工情報からなるビッグデータの活用が可能となる。医師の評価情報を本システムの会員、本システムが提供する医療保険の被保険者等にも提供することが可能となる。
　本実施形態の医療評価システムによれば、医師と患者の情報をセットにしてブロックチェーン上で管理できることにより、また、そのデータへのアクセス権を患者側が管理することにより、ガイドラインに基づいて適切な治療を行う医師ないし歯科医師が評価される環境を造成することができる。例えば入れ歯の保険再製作は６か月以内は不可である等の６か月規制が存在する。本実施形態の医療評価システムを用いれば、例えば、会社が被保険者（患者）の保険料が適当かどうか（６か月規制に従っているかどうか、ガイドラインに従って適正な治療であるかどうか等）を、監査機関が適切に監査することができる。また、これにより、病院（医師ないし歯科医師）に、適正な公費及び非保険者の負担分が支払われるようになり、保険制度全体（監査機関、会社、被保険者、病院の全て）の健全化が図られる。
　以上、本発明のいくつかの実施形態について説明したが、これらの実施形態は本発明の技術思想を具体化するための医療評価システム、医療評価方法及び医療評価プログラムを例示するものであって、本発明をこれらに特定するものではなく、その他の実施形態のものにも等しく適用し得るものであり、また、これらの実施形態の一部を省略、追加、変更することや、各実施形態の態様を組み合わせることが可能である。また、実施形態の中で歯科治療を中心に説明したが、本発明は歯科に特定されるものでは無く、医科及び歯科を含むあらゆる医療評価に適用可能である。
１０　　　　…医療評価システム
１１　　　　…電子カルテ装置
１１ａ　　　…電子カルテ演算部
１１ｂ　　　…電子カルテデータベース
１１ｃ　　　…評価情報メモリ
１１ｄ　　　…会計演算部１２　　　　…診療評価ＡＩ
１３　　　　…入出力装置
１４　　　　…診察室画像取得装置
１５　　　　…診療部位画像取得装置
１６　　　　…問診情報入力装置
１７　　　　…診療装置センサ
１８　　　　…診療評価ＡＩ訓練システム
１９　　　　…タイマ
２０　　　　…ブロックチェーンデータベース
２１　　　　…評価情報ＡＩ
２２　　　　…利用者システム
２２ａ　　　…利用者ＣＰＵ
２２ｂ　　　…支払処理部
２２ｃ　　　…評価情報メモリ
２３　　　　…保険システム
２３ａ　　　…医師損害賠償保険料金演算部
２３ｂ　　　…保険対象医師認定部
２３ｃ　　　…経理処理部
２４　　　　…ガイドラインデータベース
２５　　　　…政府システム
２５ａ　　　…専門医認定部
２５ｂ　　　…保険点数演算部
３０　　　　…ＡＩシステム

Claims (12)

  1. 　診察室画像取得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも１つから得られる情報を格納する電子カルテ装置と、
    　電子カルテ装置に格納された情報を入力し、診療評価情報を出力する診療評価装置と、を備える診療内容の評価を行う医療評価システムであって、
    　評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも１つと共にブロックチェーンデータベースを構成し、
    　前記診療評価情報は医療評価システム以外のシステムにおいても利用可能であることを特徴とする医療評価システム。
  2. 　前記評価情報分析システムは、複数の前記診療評価情報を分析することにより分析情報を演算し、この演算された分析情報は、前記医療評価システム、前記他の医療評価システム、前記利用者システム、政府システム、他の情報提供システム、前記保険システム又は金融システムのいずれか少なくとも１つにおいて利用されることを特徴とする医療評価システム。
  3. 　前記診療評価情報は、標準治療遵守指数、術後画像評価指数又は治療時間評価指数の少なくとも１つを含むことを特徴とする請求項１に記載の医療評価システム。
  4. 　診療評価装置は、少なくとも標準治療に関する画像情報により訓練されたニューラルネットワークを使用していることを特徴とする請求項１又は２に記載の医療評価システム。
  5. 　前記診療評価装置は前記診察室画像取得手段から取得された動画情報をニューラルネットワークに入力する前に前処理するための前処理装置を備えることを特徴とする請求項３に記載の医療評価システム。
  6. 　前記評価情報分析システムは訓練されたニューラルネットワークにより、前記診療評価装置が出力する診療評価情報を分析することを特徴とする請求項３に記載の医療評価システム。
  7. 　前記保険システムにおいて、前記診療評価情報が保険料の演算に利用されることを特徴とする請求項１~６のいずれか１項に記載の医療評価システム。
  8. 　前記診療評価情報は、前記ブロックチェーンデータベースにより管理されることを特徴とする請求項１~７のいずれか１項に記載の医療評価システム。
  9. 　前記電子カルテ装置では、患者とこの患者を治療した医師とが一体となったコードが付与された診療情報が管理され、当該診療情報をブロックとしてブロックチェーンが構成さえることを特徴とする請求項１~８のいずれか１項に記載の医療評価システム。
  10. 　前記診療情報は公開鍵データ及び秘密鍵データにより暗号化されており、患者が公開鍵データを管理することを特徴とする請求項１~９のいずれか１項に記載の医療評価システム。
  11. 　電子カルテ装置において診察室画像取得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも１つから得られる情報を格納するステップと、
    　医療評価システムにおいて、電子カルテ装置に格納された情報を入力し、診療評価情報を出力するステップと、
    を備える診療の内容を評価する医療評価方法であって、
    　評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも１つと共に構築されたブロックチェーンデータベースにより情報を伝送するステップと、
    　前記評価情報を医療評価システム以外のシステムにおいて利用するステップをさらに備えることを特徴とする医療評価方法。
  12. 　請求項９の医療評価方法の各ステップをコンピュータ手段により実行することを特徴とする医療評価プログラム。
PCT/IB2021/020015 2020-03-29 2021-04-28 医療評価システム、医療評価方法及び医療評価プログラム WO2021198792A1 (ja)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2020-059252 2020-03-29
JP2020059252 2020-03-29
JP2020-113658 2020-06-30
JP2020113658 2020-06-30
JP2020117427A JP7150238B2 (ja) 2020-03-29 2020-07-07 医療評価システム、医療評価方法及び医療評価プログラム
JP2020-117427 2020-07-07

Publications (1)

Publication Number Publication Date
WO2021198792A1 true WO2021198792A1 (ja) 2021-10-07

Family

ID=77930278

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/IB2021/020015 WO2021198792A1 (ja) 2020-03-29 2021-04-28 医療評価システム、医療評価方法及び医療評価プログラム

Country Status (2)

Country Link
JP (1) JP2022177843A (ja)
WO (1) WO2021198792A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230059577A (ko) * 2021-10-26 2023-05-03 포항공과대학교 산학협력단 스마트 계약을 이용한 표준진료지침 생성 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009128486A (ja) 2007-11-21 2009-06-11 Hitachi Ltd 安全運転診断システム及び自動車保険料設定システム
JP2012181363A (ja) 2011-03-01 2012-09-20 Morita Mfg Co Ltd 医療用実習装置
JP2014036880A (ja) 2013-10-18 2014-02-27 Hitachi Medical Computer Systems Inc 医用画像診断支援装置及び医用画像診断支援プログラム
JP2018200652A (ja) 2017-05-30 2018-12-20 株式会社Ｎｎｇ 歯科医療従事者評価システム
JP2019153130A (ja) * 2018-03-05 2019-09-12 株式会社Ｌｕｆｔホールディングス データ管理システム及びデータ管理アプリケーション
WO2019244949A1 (ja) * 2018-06-19 2019-12-26 ソニー株式会社 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009128486A (ja) 2007-11-21 2009-06-11 Hitachi Ltd 安全運転診断システム及び自動車保険料設定システム
JP2012181363A (ja) 2011-03-01 2012-09-20 Morita Mfg Co Ltd 医療用実習装置
JP2014036880A (ja) 2013-10-18 2014-02-27 Hitachi Medical Computer Systems Inc 医用画像診断支援装置及び医用画像診断支援プログラム
JP2018200652A (ja) 2017-05-30 2018-12-20 株式会社Ｎｎｇ 歯科医療従事者評価システム
JP2019153130A (ja) * 2018-03-05 2019-09-12 株式会社Ｌｕｆｔホールディングス データ管理システム及びデータ管理アプリケーション
WO2019244949A1 (ja) * 2018-06-19 2019-12-26 ソニー株式会社 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JAPANESE INSTITUTE OF TECHNOLOGY, vol. 11, no. 1, October 2019 (2019-10-01), pages 58 - 65

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230059577A (ko) * 2021-10-26 2023-05-03 포항공과대학교 산학협력단 스마트 계약을 이용한 표준진료지침 생성 방법
KR102549812B1 (ko) 2021-10-26 2023-06-29 포항공과대학교 산학협력단 스마트 계약을 이용한 표준진료지침 생성 방법

Also Published As

Publication number Publication date
JP2022177843A (ja) 2022-12-01

Similar Documents

Publication Publication Date Title
US20160038092A1 (en) Applying non-real time and non-user attended algorithms to stored non-imaging data and existing imaging data for obtaining a dental diagnosis
US8781859B2 (en) Patient-interactive healthcare management
US20200100724A1 (en) Applying non-real time and non-user attended algorithms to stored non-imaging data and existing imaging data for obtaining a dental diagnosis
US11776677B2 (en) Computer vision-based analysis of provider data
JP7150238B2 (ja) 医療評価システム、医療評価方法及び医療評価プログラム
Hummel et al. Outcome measures for oral health based on clinical assessments and claims data: feasibility evaluation in practice
US20090099875A1 (en) Expert system and method for translating, evaluating, monitoring, assessing, auditing, profiling, compiling and quantifying medical data sets
WO2021198792A1 (ja) 医療評価システム、医療評価方法及び医療評価プログラム
JP2022013898A (ja) 情報処理装置及び学習済モデル
Finder The future of practice guidelines: Should they constitute conclusive evidence of the standard of care?
Nguyen et al. Evaluation of an intervention to promote minimally invasive dentistry (MID) in an Australian community dental agency—a pilot study
Chen et al. An evaluation of health workforce models addressing oral health in residential aged care facilities: a systematic review of the literature
El‐Karim et al. The importance of establishing a core outcome set for endodontic clinical trials and outcomes studies
Benn Applying evidence-based dentistry to caries management in dental practice: a computerized approach
Pryor Compensation and the ineradicable problems of pain
WO2022003428A2 (ja) 情報処理装置及び学習済モデル
Patel et al. Clinical productivity and Medicare payments among female and male oral and maxillofacial surgeons
Kvist Decision making
Ogolla Litigating Hypocrisy: Turf Wars Between Health Care Professionals Regarding Diagnosis, Evaluation, and Treatment
Brown et al. Examining the reliability of the stimulus avoidance assessment.
Prasannam et al. Artificial intelligence in dental practice: a review
Umar Clinical decision-making using computers: opportunities and limitations
McAfee et al. Improving community-based prevention by transforming managed care organizations into health improvement organizations
Dave et al. Evaluating compliance of dental radiography for paediatric patient assessment in specialised tertiary care units: a United Kingdom multi-centre survey
Burke et al. Measuring oral health: From simple scoring to a combined risk-assessment approach

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: 21780282

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021780282

Country of ref document: EP

Effective date: 20221031

122 Ep: pct application non-entry in european phase

Ref document number: 21780282

Country of ref document: EP

Kind code of ref document: A1