WO2022202359A1 - 情報処理装置、情報処理方法およびプログラム - Google Patents

情報処理装置、情報処理方法およびプログラム Download PDF

Info

Publication number
WO2022202359A1
WO2022202359A1 PCT/JP2022/010582 JP2022010582W WO2022202359A1 WO 2022202359 A1 WO2022202359 A1 WO 2022202359A1 JP 2022010582 W JP2022010582 W JP 2022010582W WO 2022202359 A1 WO2022202359 A1 WO 2022202359A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
drug
classifications
administration
information processing
Prior art date
Application number
PCT/JP2022/010582
Other languages
English (en)
French (fr)
Inventor
賢 池上
佳士 町田
Original Assignee
テルモ株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by テルモ株式会社 filed Critical テルモ株式会社
Publication of WO2022202359A1 publication Critical patent/WO2022202359A1/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

Definitions

  • the present disclosure relates to an information processing device, an information processing method, and a program.
  • Cited Document 1 based on time-series data of examinations of a plurality of subjects to whom medication was administered and information on events that occurred in the subjects, prediction of occurrence of events for input of time-series data of examinations I am creating a trained program that outputs
  • acute heart failure is a condition that is likely to lead to death due to respiratory and circulatory failure, and it is necessary to stabilize vital signs at an early stage through appropriate initial measures and drug administration according to the condition.
  • Physicians rely on many parameters such as blood tests, vital signs, and urine output to determine the need for medication. It is desirable to be able to use machine learning to quickly support doctors' decision making based on such many parameters.
  • time-series data that stores the occurrence of events such as patient medication information, examination information, and changes in patient symptoms in chronological order.
  • drug administration information managed by medical institutions such as hospitals
  • the amount of information is insufficient and the granularity of information is inappropriate. may not be able to learn meaningfully.
  • drug names brand names or formulation names
  • drugs with different names that have the same type of action are recognized as different drugs, making it difficult to find statistical differences. may become. As a result, highly accurate prediction may become difficult.
  • the purpose of the present disclosure which focuses on these points, is to process drug administration information used in machine learning learning data to improve prediction accuracy by machine learning.
  • the object is to provide a method and a program.
  • An information processing device is an information processing device that processes drug administration information used as learning data for a system that predicts the prognosis of a patient by machine learning.
  • an acquisition unit configured to acquire drug administration information including drug identification information that identifies a drug; and a drug that selects one or more classifications from a group of a plurality of classifications of drug information and is associated with the drug identification information.
  • a processing unit configured to acquire information of the one or more categories from information and add the information of the one or more categories to the drug administration information; At least one includes classification by efficacy of the drug, mechanism of action of the drug, and/or dosage of the drug.
  • the processing unit is configured to acquire information of the one or more categories from a database that stores a plurality of drug identification information in association with drug information having the plurality of categories, respectively.
  • the drug administration information further includes drug administration history information related to the drug identification information.
  • the group of the plurality of classifications of the drug information includes a classification determined based on coded drug classification information.
  • the plurality of classification groups of the drug information include classifications including information on at least one of drug active ingredient amount, drug volume, and packaging unit.
  • the one or more classifications of the drug information are selected for at least one of a hospital, a ward within a hospital, an intensive care unit, and each department.
  • the one or more classifications of the drug information are selected based on administration frequency of the drug.
  • the one or more classifications of the drug information are selected based on the patient's prognosis to be predicted by the machine learning.
  • An information processing method as one aspect of the present disclosure is an information processing method executed by an information processing device to process drug administration information used as learning data for a system that predicts patient prognosis by machine learning.
  • obtaining drug administration information including drug identification information for identifying a drug administered to a patient; selecting one or more classifications from a group of a plurality of classifications of drug information; obtaining the one or more categories of information from drug information associated with the drug information; and adding the one or more categories of information to the drug administration information, wherein At least one includes classification by efficacy of the drug, mechanism of action of the drug, and/or dosage of the drug.
  • a program as one aspect of the present disclosure is a program that causes an information processing device to execute information processing for processing drug administration information used as learning data for a system that predicts patient prognosis by machine learning,
  • the information processing comprises: acquiring drug administration information including drug identification information for identifying a drug administered to a patient; selecting one or more classifications from a group of a plurality of classifications of drug information; obtaining the one or more categories of information from medication information associated with identification information; and adding the one or more categories of information to the medication administration information, wherein At least one of the classifications includes classification by efficacy of the drug, mechanism of action of the drug, and/or dose of the drug.
  • FIG. 1 is a block diagram showing a schematic configuration of an information processing apparatus according to one embodiment.
  • FIG. 2 is a flowchart showing the flow of processing executed by the information processing apparatus of FIG.
  • FIG. 3 is a diagram showing an example of part of drug administration information managed by a medical institution.
  • FIG. 4 is a diagram showing another example of part of the drug administration information managed by the medical institution.
  • FIG. 5 is a diagram showing an example of drug administration information after addition of drug information.
  • the information processing device 10 shown in FIG. 1 is a device that performs a process of adding drug information for machine learning to drug administration information 15 for patients registered in a medical institution such as a hospital.
  • the information processing apparatus 10 may be installed in a medical institution such as a hospital, or an information processing facility that collects information from a plurality of medical institutions.
  • the information processing apparatus 10 can use computers such as PCs (Personal Computers) and workstations.
  • the information processing device 10 includes an acquisition unit 11, a processing unit 12, and an output unit 13.
  • the information processing device 10 can acquire information from a database 14 located inside or outside the information processing device 10 .
  • the acquisition unit 11 acquires the drug administration information 15 from the outside.
  • acquisition unit 11 includes a communication interface with the other device.
  • the acquisition unit 11 includes a storage medium reader. good.
  • the drug administration information 15 can have various formats.
  • the drug administration information 15 may be managed in a format unique to each medical institution or in a format predetermined by the medical system used. Since the drug administration information 15 is provided to the information processing device 10, it may be processed from data managed by a medical institution or the like.
  • the drug administration information 15 includes drug identification information that identifies the drug administered to the patient.
  • the drug identification information is, for example, a drug name.
  • the drug identification information may be a code that identifies the drug. For example, in the case of Japan, a 12-digit code called a Drug Price Listed Drug Code (hereinafter referred to as a “Ministry of Health and Welfare Code”) is assigned to ethical drugs.
  • the code for identifying the drug is not limited to this.
  • the drug administration information 15 may include administration history information indicating the administration history of drugs to the patient.
  • the administration history information may include information such as drug administration date and time, administration concentration and administration rate.
  • the processing unit 12 executes various arithmetic processing.
  • the processing unit 12 includes one or more processors and memory.
  • Processors include, but are not limited to, general-purpose processors, dedicated processors specialized for specific processing, and the like.
  • a general-purpose processor can read a program stored in a memory and execute processing according to the program.
  • the processing unit 12 searches and extracts drug information corresponding to the drug identification information from the database 14 .
  • the processing unit 12 performs processing for adding information included in the drug information to the drug administration information 15 .
  • the database 14 can store drug identification information in association with standardized codes.
  • the database 14 may store, as a table, information on the correspondence relationship between the Ministry of Health and Welfare code and the drug name as shown in Table 1.
  • the database 14 also includes drug information classified into a plurality of categories corresponding to drug identification information.
  • Table 2 shows drug information consisting of a group of six categories (classifications).
  • Each category of drug information can include information related to at least one of drug efficacy, drug mechanism of action, and drug dosage.
  • the category of drug information is defined based on the coded drug classification.
  • a code set and managed by a public institution or the like can be used as the drug code.
  • Drug codes may be hierarchized from high-level classifications to low-level classifications.
  • the processing unit 12 can acquire category information related to drug efficacy from the Ministry of Health and Welfare code.
  • the 1st to 4th digits of the Ministry of Health and Welfare code are the efficacy classification number corresponding to the effect of the drug.
  • the 1st to 2nd digit information of the therapeutic classification number can be used as category 1 information, the 1st to 3rd digits information as category 2 information, and the 1st to 4th digits information as category 3 information.
  • the category 2 classification is a subclass of the category 1 classification.
  • the classification of category 3 is a lower classification of the classification of category 2.
  • the drug B shown in Table 2 has a Ministry of Health and Welfare code of 2139.
  • This drug B is classified into category 1 as "circulatory organ drugs" (first two-digit code: 21), category 2 as “diuretics” (first three-digit code: 213), and category 3 as “other diuretics (loop diuretic)” (first four-digit code: 2139).
  • the method of classifying drug efficacy is not limited to using the Ministry of Health and Welfare code, and other classifications can also be used.
  • classification by YJ code (individual medicine code) or code for receipt computer processing system can be used.
  • the information processing apparatus 10 can also use codes used in countries and regions other than Japan as codes for classifying the efficacy of medicines.
  • drug efficacy can also be classified according to the labeling classification described in the package insert of the drug.
  • Mechanisms of action of drugs include, for example, the classification of places in the human body where drugs act.
  • the site of action can be classified into distal renal tubule, proximal renal tubule, collecting duct, etc., and the mechanism of action differs depending on which site it acts on.
  • the mechanism of action of a drug can be positioned as a classification that further subdivides the 4-digit drug efficacy classification in the Ministry of Health and Welfare code.
  • the volume of the drug may include information on any category of active ingredient amount, drug volume, packaging unit such as bottle. Part of the drug volume information can be obtained, for example, from the drug name.
  • a drug name may include information on the amount of active ingredient and/or volume of the drug, such as "***100 ⁇ g for injection", "***100 mg/10 ml".
  • the database 14 can store a plurality of categories of drug information as described above, corresponding to drug identification information.
  • the processing unit 12 can acquire drug information of one or more preselected categories from the drug information stored in the database 14 . That is, the processing unit 12 can acquire a part of all drug information stored in the database 14 corresponding to the drug identification information.
  • the category of drug information to be added to the drug administration information 15 is selected so that effective prediction can be made when used as learning data for machine learning. For example, if the drug information to be added is classified too finely, the number of data for each classification will be small, making it difficult to obtain a statistically significant difference. Further, for example, if the drug information to be added is classified too roughly, it becomes impossible to make a detailed prediction. For example, in the example of Table 2, if the classification information of category 2 is added to the drug administration information of drug B, the machine learning system learns the drug administration information of drug B together with the information of other diuretics. be able to.
  • category 1 classification information drug administration information for drug B is learned together with information including cardiovascular drugs other than diuretics, and effective learning results may not be obtained. be.
  • classification information of category 3 there are cases where a statistically significant number of data cannot be collected in the same classification.
  • the processing unit 12 can add one or more categories of drug information to the drug administration information 15 .
  • the processing unit 12 can add the information of category 1, category 2, and category 5 in Table 2 to the drug administration information 15 acquired by the acquisition unit 11 .
  • the selection of drug information categories may differ, for example, for at least one of a hospital, a ward within a hospital, an intensive care unit, and each clinical department. Since the frequency of drug administration and the type of drug to be administered differ depending on hospitals or clinical departments, categories of drug information suitable as learning data also differ.
  • the selection of drug information categories may differ based on the content of the patient's disease and the frequency of drug administration. For example, the frequency of use of therapeutic drugs for heart failure increases for patients with heart failure. As such, a category containing finer classifications (eg, category 2 or 3 in Table 2) may be selected for heart failure therapeutics. On the other hand, for infrequently used or adjunctive drugs for the treatment of heart failure, a coarse classification category (eg, category 1 in Table 2) may be selected.
  • the selection of drug information categories may differ based on the outcome (objective variable) to be predicted.
  • Outcomes are patient prognosis information such as whether or not the patient led to the introduction of a ventilator, whether or not the patient led to the introduction of artificial dialysis, and the number of days of treatment in the intensive care unit. For medications that are presumed to affect outcomes, categories that further refine the medication information may be selected.
  • the output unit 13 outputs drug administration information 15A to which the information of the selected category of drug information is added.
  • the output unit 13 may transmit the medicine administration information 15A to another system.
  • Output unit 13 may include a communication interface to other systems. Other systems may be systems that perform machine learning.
  • the output unit 13 may store the drug administration information 15A to which the drug information is added in a storage medium such as a magnetic storage medium, a magneto-optical storage medium, or an optical storage medium. In this case, the output unit 13 may include a device for writing to a storage medium.
  • the information processing device 10 may include a storage device inside.
  • the output unit 13 may output the medicine administration information 15A temporarily stored in the storage device.
  • the database 14 described above may be a single database or may be composed of a plurality of databases.
  • the database 14 may include a database installed in a medical institution that operates the information processing device 10, an information processing business, or the like.
  • the database 14 may be a database provided by a third party that is different from the medical institution that uses the information processing device 10 and the information processing business operator.
  • the database 14 is a device that stores information in a form that can be easily obtained from the outside.
  • the database 14 may be managed by a database management system, but is not limited to this.
  • the database 14 includes a table showing correspondence between drug names and Ministry of Health and Welfare codes, even if the data is simply tabular data.
  • Non-transitory computer-readable media include, but are not limited to, magnetic storage media, magneto-optical storage media, semiconductor memories, and the like.
  • the processing unit 12 acquires the drug administration information 15 from the acquiring unit 11 (step S1).
  • the drug administration information 15 electronic medical record information of medical institutions such as hospitals can be used.
  • An example of medication administration information 15 is shown in FIGS. 3 and 4.
  • FIG. 3 shows instruction information for drug administration by a doctor.
  • FIG. 3 indicates that the drug C should be diluted with sugar solution D and administered by peripheral drip.
  • FIG. 4 records the course of administration of drug C, and includes information on the administration time and dose of drug C.
  • FIG. X and Y in FIG. 4 are numerical values representing doses at midpoints during drug administration and at the end of drug administration.
  • the information processing apparatus 10 can acquire information obtained by combining these pieces of information as the medicine administration information 15 .
  • the processing unit 12 selects a category (classification) of drug information to be added to the drug administration information 15 (step S2).
  • the category of drug information to be selected may be determined as one pattern in advance.
  • the processing unit 12 may select different categories of drug information according to the hospital from which the drug administration information 15 is acquired. Also, even if the information processing device 10 targets the drug administration information 15 of a specific hospital, it may be possible to make predictions based on clinical departments, emergency wards/general wards, details of the patient's disease, or machine learning.
  • the category of drug information to be selected may differ depending on the content of the desired outcome. Therefore, the process executed by the processing unit 12 may include a process of determining a combination of categories predetermined according to various conditions to select the category of drug information to be added to the drug administration information 15 .
  • the processing unit 12 may acquire the category information of the drug information to be added to the drug administration information 15 together with the drug administration information 15 via the acquisition unit 11 .
  • the processing unit 12 may determine the category of drug information to be added to the drug administration information 15 according to the acquired category information.
  • the processing unit 12 may acquire information on the medical institution, department, or ward that generated the drug administration information 15, or information on the content of the patient's disease, together with the drug administration information 15. .
  • the information processing apparatus 10 may store a table that associates these pieces of information with category information of drug information to be added.
  • the processing unit 12 determines which drug to add to the drug administration information 15 based on the information on the medical institution, department, or ward that generated the acquired drug administration information 15, or on the information on the content of the patient's disease. Categories of information may be determined.
  • the processing unit 12 acquires drug information of the selected category corresponding to the drug identification information from the database 14 (step S3).
  • the processing unit 12 can retrieve the Ministry of Health and Welfare code from the drug name included in the drug administration information 15 .
  • the processing unit 12 can extract the information of the upper two digits and the upper three digits of the pharmacological classification number included in the Ministry of Health and Welfare code, that is, the drug information of category 1 and category 2 in Table 2 as information to be added.
  • the processing unit 12 can acquire drug information of other categories from the database 14 .
  • Other categories may include information such as drug mechanism of action, amount of active ingredient, volume, packaging unit, and the like.
  • the processing unit 12 adds the drug information acquired in step S3 to the drug administration information 15 (step S4).
  • FIG. 5 shows an example of drug administration information 15A to which drug information is added.
  • the information in the columns of drug category 1, drug category 2, and packaging unit is information added by the processing unit 12 .
  • the processing unit 12 outputs the drug administration information 15A to which the drug information is added in step S4 as the drug administration information 15A used as learning data for machine learning (step S5).
  • drug C is treated as a different drug from other cardiovascular drugs and other vasodilators, even though it has the same type of action. be. Therefore, when the number of administrations of the drug C is small, a statistically effective number of data cannot be obtained, and it may be difficult to perform highly accurate prediction by machine learning.
  • the information for drug C can be combined with information for cardiovascular drugs and other drugs in the same category as vasodilators. processed with As a result, it is possible to obtain an effective trained model through machine learning, and it is expected that prediction accuracy will improve. Furthermore, by adding other classification information as learning data for machine learning, it is expected that the prediction accuracy will be further improved.
  • the information processing apparatus 10 acquires drug information of one or more preselected categories corresponding to the drug identification information from the database 14 and stores the drug information in the drug administration information 15. added.
  • the drug administration information 15 used as learning data for machine learning can be processed to improve prediction accuracy by machine learning.
  • the information processing device 10 processed the drug administration information for machine learning.
  • the information processing device 10 may be configured to perform further processing for machine learning.
  • the information processing apparatus 10 may further acquire other information regarding the patient's condition, treatment, and the like, and perform processing up to generating learning data for machine learning.
  • the information processing apparatus 10 may perform machine learning to build a learned model for predicting the patient's prognosis.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本開示の情報処理装置は、機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工する。情報処理装置は、取得部と、処理部とを含む。取得部は、患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するように構成される。処理部は、薬剤情報の複数の分類の群から一つ以上の分類を選択し、前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得し、当該一つ以上の分類の情報を薬剤投与情報に付加するように構成される。薬剤情報の複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む。

Description

情報処理装置、情報処理方法およびプログラム
　本開示は、情報処理装置、情報処理方法およびプログラムに関する。
　近年、投薬治療後の患者の状態を予測するため機械学習を用いたシステムを活用することが提案されている。例えば、引用文献１では、投薬が行われた複数の対象者の検査の時系列データと、対象者に発生したイベントの情報とに基づき、検査の時系列データの入力に対してイベントの発生予測を出力する学習済みプログラムを作成している。
特開２０２０－１４４４７１号公報
　例えば、急性心不全は呼吸と循環の破綻から死亡に繋がる可能性が高い状態であり、適切な初期対応と病態に応じた薬剤投与によりバイタルサインの安定化を早期に行う必要がある。医師は血液検査、バイタルサイン、および、尿量などの多数のパラメータを基に薬剤投与の必要性を判断している。このような多くのパラメータを基にした臨床判断について、機械学習を活用して医師の判断を迅速にサポートできることが望まれる。
　機械学習用の学習データとしては、患者の投薬情報、検査情報および患者の症状の変化などのイベントの発生を時系で記憶した時系列データを使用することができる。しかし、病院等の医療機関で管理される薬剤の投与情報を、そのまま機械学習の学習データとして使用すると、情報量が不足すること、および、情報の粒度が不適切なこと等のために、効率的な学習ができない場合がある。例えば、薬剤の名称（商品名または製剤名）を、薬剤を識別するデータとして使用すると、同種類の作用を有する名称の異なる薬剤が別の薬剤として認識されるため、統計的な差異が見つけにくくなる場合がある。その結果、精度の高い予測が困難になる場合がある。
　したがって、これらの点に着目してなされた本開示の目的は、機械学習の学習データに使用される薬剤投与情報を加工して、機械学習による予測精度を高めることができる情報処理装置、情報処理方法およびプログラムを提供することにある。
　本開示の一態様としての情報処理装置は、機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工する情報処理装置であって、患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するように構成される取得部と、薬剤情報の複数の分類の群から一つ以上の分類を選択し、前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得し、前記一つ以上の分類の情報を前記薬剤投与情報に付加するように構成される処理部とを備え、前記薬剤情報の前記複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む。
　一実施形態として、前記処理部は、複数の薬剤識別情報をそれぞれ前記複数の分類を有する薬剤情報と関連付けて記憶するデータベースから、前記一つ以上の分類の情報を取得するように構成される。
　一実施形態として、前記薬剤投与情報は、前記薬剤識別情報に係る薬剤の投与歴の情報をさらに含む。
　一実施形態として、前記薬剤情報の前記複数の分類の群は、コード化された薬剤の分類情報に基づいて定められる分類を含む。
　一実施形態として、前記薬剤情報の前記複数の分類の群は、薬剤の有効成分量、薬剤の容量、および、包装単位の少なくとも何れかの情報を含む分類を含む。
　一実施形態として、前記薬剤情報の前記一つ以上の分類は、病院、病院内の病棟、集中治療室、および、各診療科の少なくとも何れかごとに選択される。
　一実施形態として、前記薬剤情報の前記一つ以上の分類は、前記薬剤の投与頻度に基づいて選択される。
　一実施形態として、前記薬剤情報の前記一つ以上の分類は、前記機械学習により予測しようとする患者の予後に基づいて選択される。
　本開示の一態様としての情報処理方法は、機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工するために情報処理装置が実行する情報処理方法であって、患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するステップと、薬剤情報の複数の分類の群から一つ以上の分類を選択するステップと、前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得するステップと、前記一つ以上の分類の情報を前記薬剤投与情報に付加するステップとを含み、前記薬剤情報の前記複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む。
　本開示の一態様としてのプログラムは、機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工する情報処理を情報処理装置に実行させるプログラムであって、前記情報処理は、患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するステップと、薬剤情報の複数の分類の群から一つ以上の分類を選択するステップと、前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得するステップと、前記一つ以上の分類の情報を前記薬剤投与情報に付加するステップとを含み、前記薬剤情報の前記複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む。
　本開示によれば、機械学習の学習データに使用される薬剤投与情報を加工して、機械学習による予測精度を高めることができる。
図１は、一実施形態に係る情報処理装置の概略構成を示すブロック図である。 図２は、図１の情報処理装置が実行する処理の流れを示すフロー図である。 図３は、医療機関により管理される薬剤投与情報の一部の一例を示す図である。 図４は、医療機関により管理される薬剤投与情報の他の一部の一例を示す図である。 図５は、薬剤情報付加後の薬剤投与情報の一例を示す図である。
　以下、本開示の一実施形態について、図面を参照して説明する。
（情報処理装置の構成）
　図１に示される情報処理装置１０は、病院等の医療機関において登録された患者への薬剤投与情報１５に対して、機械学習のために薬剤情報を付加する処理を実行する装置である。情報処理装置１０は、病院等の医療機関、または、複数の医療機関からの情報を集約する情報処理施設等に配置されてよい。情報処理装置１０は、ＰＣ（Personal Computer）およびワークステーション等のコンピュータを使用することができる。図１に示すように、情報処理装置１０は、取得部１１、処理部１２および出力部１３を含む。また、情報処理装置１０は、情報処理装置１０の内部、または、外部に位置するデータベース１４から情報を取得することができる。
　取得部１１は、薬剤投与情報１５を外部から取得する。情報処理装置１０が、薬剤投与情報１５を、通信回線を介して他の装置から受信する場合、取得部１１は他の装置との通信インタフェースを含む。情報処理装置１０が、磁気記憶媒体、光磁気記憶媒体、または、光学記憶媒体等の記憶媒体に記憶された薬剤投与情報１５を取得する場合、取得部１１は、記憶媒体の読み取り装置を含んでよい。
　薬剤投与情報１５は、種々の形式を有することができる。例えば、薬剤投与情報１５は、医療機関等でそれぞれ固有の形式、または、使用する医療用システムにより予め決められた形式で管理されてよい。薬剤投与情報１５は、情報処理装置１０に提供されるため、医療機関等で管理されるデータから加工が施されてよい。
　薬剤投与情報１５は、患者に対し投与された薬剤を識別する薬剤識別情報を含む。薬剤識別情報は、例えば薬剤名称である。薬剤識別情報は、薬剤を識別するコードであってもよい。例えば、日本の場合、医療用医薬品に対して薬価基準収載医薬品コード（以下、「厚生省コード」とする）と呼ばれる１２桁のコードが付与されている。薬剤を識別するコードはこれに限られない。
　薬剤投与情報１５は、患者に対する薬剤の投与歴を示す投与歴情報を含んでよい。投与歴情報は、薬剤の投与日時、投与濃度および投与速度等の情報を含んでよい。
　処理部１２は、種々の演算処理を実行する。処理部１２は、一つ以上のプロセッサおよびメモリを含んで構成される。プロセッサは、汎用のプロセッサ、および、特定の処理に特化した専用のプロセッサなどであるが、これらに限られない。汎用のプロセッサは、メモリに記憶したプログラムを読み出して、プログラムに従う処理を実行することができる。
　処理部１２は、データベース１４から、薬剤識別情報に対応する薬剤情報を探索および抽出する。処理部１２は、薬剤情報に含まれる情報を薬剤投与情報１５に付加する処理を行う。
　データベース１４は、薬剤識別情報と標準化されたコードとを関連付けて記憶することができる。一例として、薬剤識別情報が薬剤名称のとき、データベース１４は、表１に示すように厚生省コードと薬剤名称との対応関係の情報を、テーブルとして記憶してよい。
Figure JPOXMLDOC01-appb-T000001
　また、データベース１４は、薬剤識別情報に対応して複数のカテゴリに分類された薬剤情報を含む。一例として、表２に６つのカテゴリ（分類）の群からなる薬剤情報を示す。
Figure JPOXMLDOC01-appb-T000002
　薬剤情報の各カテゴリは、薬剤の効能、薬剤の作用機序および薬剤の容量の少なくとも何れかに関連する情報を含むことができる。
　例えば、薬剤情報のカテゴリは、コード化された薬剤の分類に基づいて定められる。薬剤のコードとしては、公的機関等によって設定および管理されるコードを用いることができる。薬剤のコードは、上位の分類から下位に分類に階層化されていてよい。例えば、表２の例において、処理部１２は、薬剤の効能に関するカテゴリの情報を厚生省コードから取得することができる。厚生省コードの１～４桁目は、薬剤の効果に対応する薬効分類番号となっている。例えば、薬効分類番号の１～２桁の情報をカテゴリ１の情報、１～３桁の情報をカテゴリ２の情報、１～４桁の情報をカテゴリ３の情報とすることができる。カテゴリ２の分類はカテゴリ１の分類の下位の部類となっている。カテゴリ３の分類はカテゴリ２の分類の下位の分類となっている。例えば、例えば表２中に例示される薬剤Ｂの厚生省コードの薬効分類番号が２１３９の場合を想定する。この薬剤Ｂは、カテゴリ１では「循環器官用薬」（上２桁のコード：２１）、カテゴリ２では「利尿薬」（上３桁のコード：２１３）、カテゴリ３では「その他利尿剤（ループ利尿剤）」（上４桁のコード：２１３９）に分類される。
　薬剤の効能を分類する方法は、厚生省コードを使用したものに限られず、他の分類を使用することもできる。例えば、ＹＪコード（個別医薬品コード）、または、レセプト電算処理システム用コードによる分類を使用することができる。また、情報処理装置１０は、薬剤の効能を分類するコードとして、日本国以外の国および地域で使用されているコードを使用することもできる。さらに、薬剤の効能は、薬剤の添付文書に記載される標榜分類により分類することもできる。
　薬剤の作用機序は、例えば、薬剤の作用する人体の場所の分類を含む。例えば、利尿薬の場合、作用する場所を、遠位尿細管、近位尿細管または集合管等に分類することができ、何れの場所に作用するかによって作用機序が異なる。薬剤の作用機序は、厚生省コード中の４桁の薬効分類をさらに細分化する分類として位置づけることができる。
　薬剤の容量は、有効成分量、薬剤の容量、瓶などの包装単位の何れかのカテゴリの情報を含んでよい。薬剤の容量の情報の一部は、例えば、薬剤名称から取得することができる。例えば、薬剤名称は、「＊＊＊注射用１００μｇ」、「＊＊＊１００ｍｇ／１０ｍｌ」のように有効成分量および／または薬剤の容量の情報を含むことがある。
　データベース１４は、薬剤識別情報に対応して、上述のような複数のカテゴリの薬剤情報を記憶することができる。処理部１２は、データベース１４に記憶された薬剤情報から、予め選択された一つ以上のカテゴリの薬剤情報を取得することができる。すなわち、処理部１２は、薬剤識別情報に対応してデータベース１４に格納された、全ての薬剤情報の一部の情報を取得することができる。
　薬剤投与情報１５に付加する薬剤情報のカテゴリは、機械学習の学習データとして使用したときに、有効な予測ができるように選択される。例えば、付加する薬剤情報があまり細かく分類されていると、個々の分類のデータ数が少なくなるため、統計上有意な差が得られにくくなる。また、例えば、付加する薬剤情報があまり粗く分類されていると、きめ細かい予測をすることができなくなる。例えば、表２の例では、薬剤Ｂの薬剤投与情報にカテゴリ２の分類情報を付加すれば、機械学習を行うシステムは、薬剤Ｂの薬剤投与情報を他の利尿薬の情報と纏めて学習することができる。これに対して、カテゴリ１の分類情報を付加すると、薬剤Ｂの薬剤投与情報は、利尿薬以外の循環器用薬も含む情報と纏めて学習されてしまい、有効な学習結果が得られない場合がある。また、カテゴリ３の分類情報を付加すると、同一の分類に統計的に意味のある数のデータが集まらない場合がある。
　処理部１２は、薬剤投与情報１５に対して一つまたは複数のカテゴリの薬剤情報を付加することができる。例えば、処理部１２は、表２のカテゴリ１、カテゴリ２およびカテゴリ５の情報を、取得部１１により取得した薬剤投与情報１５に付加することができる。
　薬剤情報のカテゴリの選択は、例えば、病院、病院内の病棟、集中治療室、および、各診療科の少なくとも何れかごとに異なってよい。薬剤を投与する頻度および投与される薬剤の種類は、病院または診療科によって異なるため、学習データとして適切な薬剤情報のカテゴリも異なる。
　また、薬剤情報のカテゴリの選択は、患者の疾患の内容および薬剤の投与頻度に基づいて異なってよい。例えば、心不全の患者に対しては心不全の治療薬の使用頻度が高くなる。そのため、心不全の治療薬に対しては細かい分類を含むカテゴリ（例えば、表２のカテゴリ２または３）が選択されてよい。一方、心不全の治療のためにあまり使用しない薬剤、または、補助的に使用する薬剤については、粗い分類のカテゴリ（例えば、表２のカテゴリ１）が選択されてよい。
　薬剤情報のカテゴリの選択は、予測しようとするアウトカム（目的変数）に基づいて異なってよい。アウトカムは、患者が人工呼吸器の導入に至ったか否か、人工透析の導入に至ったか否か、および、集中治療室で治療を受けた日数、等の患者の予後の情報である。アウトカムに影響を与えると推定される薬剤に対しては、薬剤情報をより細かく分類するカテゴリが選択されてよい。
　出力部１３は、薬剤情報の選択されたカテゴリの情報が付加された薬剤投与情報１５Ａを出力する。出力部１３は、薬剤投与情報１５Ａを他のシステムに送信してよい。出力部１３は、他のシステムに対する通信インタフェースを含んでよい。他のシステムは、機械学習を実行するシステムであってよい。出力部１３は、薬剤情報が付加された薬剤投与情報１５Ａを、磁気記憶媒体、光磁気記憶媒体、または、光学記憶媒体等の記憶媒体に記憶してよい。この場合、出力部１３は、記憶媒体への書き込み装置を含んでよい。情報処理装置１０は、内部に記憶装置を含んでよい。出力部１３は、記憶装置に一時保存された薬剤投与情報１５Ａを出力してよい。
　上述のデータベース１４は、単一のデータベースであっても、複数のデータベースから構成されていてもよい。データベース１４は、情報処理装置１０を運用する医療機関および情報処理事業者等に設置されたデータベースを含んでよい。データベース１４は、情報処理装置１０を利用する医療機関および情報処理事業者等とは異なる第３者が提供するデータベースであってもよい。データベース１４は、情報を外部から取得しやすい形式で記憶する装置である。データベース１４は、データベース管理システムで管理されてよいが、これに限定されない。例えば、薬剤名称と厚生省コードとの対応を示すテーブルは、単なる表形式のデータであってもデータベース１４に含まれる。
（情報処理方法）
　図２を参照して、情報処理装置１０の処理部１２が実行する処理方法の一例を、具体例を用いて説明する。図２は、情報処理装置１０が実行する処理方法であると言い換えることができる。この処理は、情報処理装置１０に含まれるプロセッサがプログラムに従って実行することができる。そのようなプログラムは、非一時的なコンピュータ可読媒体において記憶されることが可能である。非一時的なコンピュータ可読媒体は、磁気記憶媒体、光磁気記憶媒体および半導体メモリ等を含むが、これらに限定されない。
　まず、処理部１２は、取得部１１により薬剤投与情報１５を取得する（ステップＳ１）。薬剤投与情報１５は、病院等の医療機関の電子カルテの情報を用いることができる。薬剤投与情報１５の一例が、図３および図４に示される。図３は、医師による薬剤投与の指示情報を示す。図３は、薬剤Ｃを糖液Ｄにより希釈して抹消点滴により投与することを指示するものである。図４は、薬剤Ｃの投与経過を記録したものであり、薬剤Ｃの投与時間および投与量の情報が含まれる。図４中のＸおよびＹは、薬剤投与中の中間時点および投与終了時の投与量を表す数値である。情報処理装置１０は、これらの情報を組み合わせた情報を薬剤投与情報１５として取得することができる。
　次に、処理部１２は、薬剤投与情報１５に付加する薬剤情報のカテゴリ（分類）を選択する（ステップＳ２）。情報処理装置１０が、特定の病院または特定の診療科の薬剤投与情報１５を対象としている場合、選択する薬剤情報のカテゴリは、予め１つのパターンに決められてよい。情報処理装置１０が、複数の病院からの薬剤投与情報１５を取得する場合、処理部１２は、薬剤投与情報１５を取得する病院に応じて、選択する薬剤情報のカテゴリを異ならせてよい。また、情報処理装置１０が、特定の病院の薬剤投与情報１５を対象としている場合であっても、診療科、救急病棟／一般病棟の別、患者の疾病の内容、または、機械学習で予測しようとするアウトカムの内容等に応じて、選択する薬剤情報のカテゴリが異なることがある。このため、処理部１２が実行する処理は、薬剤投与情報１５に付加する薬剤情報のカテゴリの選択を、諸条件に応じて予め定められたカテゴリの組合せに決定する処理を含んでよい。
　一実施形態において、処理部１２は、取得部１１を介して薬剤投与情報１５とともに薬剤投与情報１５に付加する薬剤情報のカテゴリの情報を取得してよい。処理部１２は、取得したカテゴリの情報の通りに、薬剤投与情報１５に付加する薬剤情報のカテゴリを決定してよい。他の実施形態において、処理部１２は、薬剤投与情報１５とともに、薬剤投与情報１５を生成した医療機関、診療科、もしくは、病棟の情報、または、患者の疾病の内容の情報を取得してよい。情報処理装置１０は、これらの情報と、付加する薬剤情報のカテゴリの情報とを関連付けたテーブルを記憶してよい。これによって、処理部１２は、取得した薬剤投与情報１５を生成した医療機関、診療科、もしくは、病棟の情報、または、患者の疾病の内容の情報に基づいて、薬剤投与情報１５に付加する薬剤情報のカテゴリを決定してよい。
　次に、処理部１２は、データベース１４から薬剤識別情報に対応する選択したカテゴリの薬剤情報を取得する（ステップＳ３）。例えば、処理部１２は、薬剤投与情報１５に含まれる薬剤名称により厚生省コードを検索することができる。例えば、処理部１２は、厚生省コードに含まれる薬効分類番号中の上位２桁および上位３桁の情報、すなわち、表２におけるカテゴリ１およびカテゴリ２の薬剤情報を付加する情報として抽出することができる。また、処理部１２は、データベース１４から他のカテゴリの薬剤情報を取得できる。他のカテゴリには、薬剤の作用機序、有効成分量、容量、包装単位等の情報が含まれうる。
　処理部１２は、ステップＳ３で取得した薬剤情報を、薬剤投与情報１５に付加する（ステップＳ４）。図５は、薬剤情報が付加された薬剤投与情報１５Ａの一例を示す。図５の例において、薬剤分類１、薬剤分類２および包装単位の列の情報は、処理部１２により付加された情報である。
　処理部１２は、ステップＳ４で薬剤情報を付加した薬剤投与情報１５Ａを、機械学習用の学習データに使用される薬剤投与情報１５Ａとして出力する（ステップＳ５）。
　薬剤情報を付加しない場合、薬剤投与情報１５を機械学習に使用すると、薬剤Ｃは同種類の作用を有するにもかかわらず、他の循環器官用薬および他の血管拡張剤と異なる薬剤として処理される。そのため、薬剤Ｃの投与件数が少ない場合、統計的に有効なデータ数が得られないため、機械学習により精度の高い予測を行うことが困難になる虞がある。図５に示したように、本開示の実施形態によれば、薬剤情報を付加することにより、薬剤Ｃの情報は、循環器官用薬、および、血管拡張剤として他の同じカテゴリの薬剤の情報とともに処理される。これにより、機械学習によって有効な学習済みモデルを得ることが可能になり、予測の精度が向上することが期待される。さらに、機械学習用の学習データとして、他の分類の情報を加えることにより、さらに予測精度を向上させることが期待できる。
　以上説明したように、本実施の形態によれば、情報処理装置１０は、データベース１４から、薬剤識別情報に対応する予め選択された一つ以上のカテゴリの薬剤情報を取得し薬剤投与情報１５に付加するようにした。これによって、機械学習の学習データとして使用する薬剤投与情報１５を加工して、機械学習による予測精度を高めることができる
　上述の実施形態は代表的な例として説明したが、本開示の趣旨および範囲内で、多くの変更および置換が可能であることは当業者に明らかである。したがって、本開示は、上述の実施形態によって制限するものと解するべきではなく、特許請求の範囲から逸脱することなく、種々の変形および変更が可能である。例えば、実施形態の構成図に記載の複数の構成ブロックを１つに組み合わせたり、あるいは１つの構成ブロックを分割したりすることが可能である。
　上記実施形態において、情報処理装置１０は機械学習用に薬剤投与情報を加工する処理を行った。しかし、情報処理装置１０は、機械学習のための更なる処理を実行するように構成されてよい。例えば、情報処理装置１０は、患者の状態および治療等に関する他の情報をさらに取得して、機械学習用の学習データを生成する処理までを行ってよい。さらに、情報処理装置１０は、機械学習を行って患者の予後を予測する学習済みモデルの構築までを行ってよい。
　１０　　情報処理装置
　１１　　取得部
　１２　　処理部
　１３　　出力部
　１４　　データベース
　１５　　薬剤投与情報
　１５Ａ　薬剤投与情報

Claims (10)

  1. 　機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工する情報処理装置であって、
    　患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するように構成される取得部と、
    　薬剤情報の複数の分類の群から一つ以上の分類を選択し、前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得し、前記一つ以上の分類の情報を前記薬剤投与情報に付加するように構成される処理部と
    を備え、前記薬剤情報の前記複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む、情報処理装置。
  2. 　前記処理部は、複数の薬剤識別情報をそれぞれ前記複数の分類を有する薬剤情報と関連付けて記憶するデータベースから、前記一つ以上の分類の情報を取得するように構成される、請求項１に記載の情報処理装置。
  3. 　前記薬剤投与情報は、前記薬剤識別情報に係る薬剤の投与歴の情報をさらに含む、請求項１または２に記載の情報処理装置。
  4. 　前記薬剤情報の前記複数の分類の群は、コード化された薬剤の分類情報に基づいて定められる分類を含む、請求項１から３の何れか一項に記載の情報処理装置。
  5. 　前記薬剤情報の前記複数の分類の群は、薬剤の有効成分量、薬剤の容量、および、包装単位の少なくとも何れかの情報を含む分類を含む、請求項１から４の何れか一項に記載の情報処理装置。
  6. 　前記薬剤情報の前記一つ以上の分類は、病院、病院内の病棟、集中治療室、および、各診療科の少なくとも何れかごとに選択される、請求項１から５の何れか一項に記載の情報処理装置。
  7. 　前記薬剤情報の前記一つ以上の分類は、前記薬剤の投与頻度に基づいて選択される、請求項１から５の何れか一項に記載の情報処理装置。
  8. 　前記薬剤情報の前記一つ以上の分類は、前記機械学習により予測しようとする患者の予後に基づいて選択される、請求項１から５の何れか一項に記載の情報処理装置。
  9. 　機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工するために情報処理装置が実行する情報処理方法であって、
    　患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するステップと、
    　薬剤情報の複数の分類の群から一つ以上の分類を選択するステップと、
    　前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得するステップと、
    　前記一つ以上の分類の情報を前記薬剤投与情報に付加するステップと
    を含み、
    　前記薬剤情報の前記複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む、情報処理方法。
  10. 　機械学習により患者の予後を予測するシステムのための学習データに使用される薬剤投与情報を加工する情報処理を情報処理装置に実行させるプログラムであって、
    　前記情報処理は、
    　　患者に対して投与した薬剤を識別する薬剤識別情報を含む薬剤投与情報を取得するステップと、
    　　薬剤情報の複数の分類の群から一つ以上の分類を選択するステップと、
    　　前記薬剤識別情報に関連付けられる薬剤情報から前記一つ以上の分類の情報を取得するステップと、
    　　前記一つ以上の分類の情報を前記薬剤投与情報に付加するステップと
    を含み、
    　前記薬剤情報の前記複数の分類の少なくとも何れかは、薬剤の効能、薬剤の作用機序、および、薬剤の容量の少なくとも何れかによる分類を含む、プログラム。
PCT/JP2022/010582 2021-03-23 2022-03-10 情報処理装置、情報処理方法およびプログラム WO2022202359A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021049212 2021-03-23
JP2021-049212 2021-03-23

Publications (1)

Publication Number Publication Date
WO2022202359A1 true WO2022202359A1 (ja) 2022-09-29

Family

ID=83395676

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/010582 WO2022202359A1 (ja) 2021-03-23 2022-03-10 情報処理装置、情報処理方法およびプログラム

Country Status (1)

Country Link
WO (1) WO2022202359A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016147276A1 (ja) * 2015-03-13 2016-09-22 株式会社Ｕｂｉｃ データ分析システム及びデータ分析方法並びにデータ分析プログラム
JP2020013555A (ja) * 2018-07-04 2020-01-23 キヤノンメディカルシステムズ株式会社 診療情報処理装置
JP2020107018A (ja) * 2018-12-27 2020-07-09 株式会社ファーマクラウド 医薬品の流通を支援するためのシステム、方法およびプログラム
WO2020153423A1 (ja) * 2019-01-23 2020-07-30 国立研究開発法人科学技術振興機構 投薬量管理支援システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016147276A1 (ja) * 2015-03-13 2016-09-22 株式会社Ｕｂｉｃ データ分析システム及びデータ分析方法並びにデータ分析プログラム
JP2020013555A (ja) * 2018-07-04 2020-01-23 キヤノンメディカルシステムズ株式会社 診療情報処理装置
JP2020107018A (ja) * 2018-12-27 2020-07-09 株式会社ファーマクラウド 医薬品の流通を支援するためのシステム、方法およびプログラム
WO2020153423A1 (ja) * 2019-01-23 2020-07-30 国立研究開発法人科学技術振興機構 投薬量管理支援システム

Similar Documents

Publication Publication Date Title
US11664097B2 (en) Healthcare information technology system for predicting or preventing readmissions
CN106529177B (zh) 一种基于医疗大数据的患者画像方法及装置
US8949082B2 (en) Healthcare information technology system for predicting or preventing readmissions
US20150248537A1 (en) Personalized Health Score Generator
Evans et al. Development of a computerized infectious disease monitor (CIDM)
US20040162835A1 (en) System and method for generating patient-specific prescription drug safety instructions
JP4312757B2 (ja) 医療費分解解析装置、医療費分解解析方法およびコンピュータプログラム
KR20230165166A (ko) Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템
CN115148322A (zh) 临床医疗通用数据结构模型的临床数据储存方法和系统
JP7161688B2 (ja) 手術後感染予測装置、手術後感染予測装置生産方法、手術後感染予測方法およびプログラム
WO2022202359A1 (ja) 情報処理装置、情報処理方法およびプログラム
US20220405680A1 (en) Automated Healthcare Provider Quality Reporting System (PQRS)
Consoli et al. Brateca (brazilian tertiary care dataset): a clinical information dataset for the portuguese language
Data et al. Defining the patient cohort
Rahurkar et al. Leveraging health information exchange to construct a registry for traumatic brain injury, spinal cord injury and stroke in Indiana
Rho et al. Development common data model for adverse drug signal detection based on multi-center EMR systems
Chan et al. Harvard pilgrim health care/Harvard vanguard medical associates
Scott et al. Using bar-code technology to capture clinical intervention data in a hospital with a stand-alone pharmacy computer system
CN112466424A (zh) 一种辅助医师诊治系统
JP2009048617A (ja) 医療安全システム
CN110379478A (zh) 处方智能点评系统
Son et al. Korean Pharmacovigilance System Based on EHR-CDM.
Soteriades et al. Electronic health record diagnosis tool and a cross reference between coding standards
Aparasu et al. Visits to hospital outpatient departments in the United States due to adverse effects of medications
KR100458478B1 (ko) 임상유형을 이용한 임상데이터 전달시스템 및 방법

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: 22775151

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22775151

Country of ref document: EP

Kind code of ref document: A1