WO2023132202A1 - 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
WO2023132202A1
WO2023132202A1 PCT/JP2022/046376 JP2022046376W WO2023132202A1 WO 2023132202 A1 WO2023132202 A1 WO 2023132202A1 JP 2022046376 W JP2022046376 W JP 2022046376W WO 2023132202 A1 WO2023132202 A1 WO 2023132202A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
patient
log
doctor
information processing
Prior art date
Application number
PCT/JP2022/046376
Other languages
English (en)
French (fr)
Inventor
正範 勝
高史 藤本
Original Assignee
ソニーグループ株式会社
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 ソニーグループ株式会社 filed Critical ソニーグループ株式会社
Publication of WO2023132202A1 publication Critical patent/WO2023132202A1/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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Definitions

  • the present invention relates to an information processing device, an information processing method, and a program.
  • the doctor conducts interviews and counseling in order to obtain clues for diagnosis.
  • the patient's physical condition and subjective symptoms are ascertained through interviews and other means. Medicines are prescribed based on the results of medical interviews.
  • the present disclosure proposes an information processing device, an information processing method, and a program that support diagnosis so that a doctor can make an accurate diagnosis.
  • a log accumulation unit that accumulates patient vital data for each medication day as a patient log
  • an abnormality detection unit that detects abnormal data indicating an abnormal value from the patient log
  • an accumulated log reproducing unit that reproduces the patient log in association with the patient log.
  • FIG. 4 is a diagram showing an example of presentation format of vital data
  • FIG. 4 is a diagram showing an example of presenting vital data as RAW data
  • FIG. 10 is a diagram showing an example of presenting vital data as a relative change from normal.
  • FIG. 10 is a diagram showing an example of presenting vital data as a relative change from normal.
  • FIG. 10 is a diagram showing an example of presenting the result of analyzing the trend of changes in vital data; It is a figure which shows the example which gives the tag which shows abnormality content to abnormal data. It is a figure which shows an example of the setting method of a normal cluster.
  • FIG. 10 is a diagram showing an example of direct range specification on a data space; It is a figure explaining the automatic generation function of the message for a question.
  • FIG. 10 is a diagram illustrating the relationship between a method of specifying a data range and a template; FIG.
  • FIG. 10 is a diagram illustrating the relationship between a method of specifying a data range and a template
  • FIG. 10 is a diagram illustrating the relationship between a method of specifying a data range and a template
  • It is a figure explaining the display of question history. It is a figure explaining the example of generation
  • FIG. 10 is a diagram showing an example of displaying questions generated by a doctor and questions based on findings information separately. It is a figure which shows an example of the hardware constitutions of a server.
  • FIG. 1 is a diagram for explaining the background of the present invention.
  • the table in Figure 1 describes the relationship between the patient's reported values and prescription drugs for each month.
  • the table also lists the actual patient's condition (true value) and the optimal drug that would have been prescribed if the doctor had known the true value.
  • the patient has bipolar disorder. Patients alternate between manic and depressive states, with no clear regularity in the onset of each state. For purposes of explanation, the stable state is described as 100%, the manic state as a numerical value greater than 100%, and the depressed state as a numerical value less than 100%.
  • drugs A to C are three types of drugs A to C as therapeutic drugs.
  • Drug A is the drug that should be prescribed in the manic state.
  • Drug C is the drug to be prescribed in depression.
  • Drug B is the drug to be prescribed in steady state.
  • Physicians prescribe drugs based on the patient's reported values and their own experience.
  • patient vital data is measured for each medication day.
  • a patient's true condition is determined based on the measured vital data.
  • An accurate diagnosis can be made by presenting the determination result to the doctor.
  • vitamin data means individual data indicating vital signs such as pulse, blood pressure, respiration, and body temperature.
  • a “vital data group” means a group of a plurality of vital data and a plurality of vital data having similar properties.
  • multiple vital data such as pulse, blood pressure, respiration, and body temperature measured on the same day, and multiple vital data measured on consecutive days are collectively called a vital data group.
  • a vital data group can call A plurality of vital data indicating normal values, a plurality of vital data indicating abnormal values, and the like can also be called a vital data group in the sense of a plurality of vital data having similar properties.
  • FIG. 2 is a diagram showing an example of the configuration of the diagnosis support system 1. As shown in FIG.
  • the diagnosis support system 1 has a client terminal 10, a server 20, and a medical staff terminal 40.
  • the client terminal 10, server 20 and medical staff terminal 40 are connected via a network.
  • the communication unit 30 is described as an independent configuration, but actually the client terminal 10 and the server 20 each have a built-in communication device.
  • the communication devices built in the client terminal 10 and the server 20 are collectively described as a communication unit 30 .
  • the client terminal 10 is an information terminal such as a smartphone, tablet terminal, and laptop computer.
  • the client terminal 10 is owned by the patient P.
  • the client terminal 10 acquires the vital data of the patient P and sequentially transmits it to the server 20 .
  • Vital data to be measured include, for example, heart rate, heart rate variability, blood pressure, core body temperature, surface temperature, body weight, sleep time, sleep depth, amount of activity, calories burned, maximum oxygen uptake and blood oxygen concentration. Contains data.
  • the client terminal 10 has a measurement unit 11, a question reproduction unit 12, and an answer recording unit 13.
  • the measurement unit 11 has a sensor group for measuring patient P's vital data.
  • the measurement unit 11 tracks the behavior of the patient P and collects vital data.
  • the measurement unit 11 sequentially transmits the measured vital data to the server 20 .
  • the question reproducing unit 12 reproduces the question acquired from the server 20 by text, voice or video.
  • the patient P answers the question using text, voice, button operation, and the like.
  • the answer recording unit 13 records the patient P's answer.
  • the answer recording unit 13 sequentially transmits the recorded answers to the server 20 .
  • the server 20 is an information processing device that processes various types of information.
  • the server 20 processes the vital data acquired from the client terminal 10 into a form that can be judged by the doctor DT and reproduces it.
  • the information presented by reproduction includes, for example, the behavior of the patient P from the time of the previous visit to the hospital, and information such as the state of the patient P inferred from the behavior of the patient P.
  • the server 20 appropriately processes and presents the vital data to support the diagnosis of the doctor DT.
  • the server 20 has a log accumulation unit 21, an accumulated log reproduction unit 22, an abnormality detection unit 23, and an inquiry content accumulation unit 24.
  • the log accumulation unit 21 accumulates the vital data of the patient P for each medication day as a patient log.
  • the abnormality detection unit 23 detects vital data (abnormal data) indicating abnormal values from the patient log.
  • the accumulated log reproducing unit 22 reproduces the patient log by associating the abnormal data with the drug taking date.
  • the accumulated log reproduction unit 22 transmits the reproduced patient log to the medical staff terminal 40 .
  • the medical staff terminal 40 is an information terminal such as a smartphone, tablet terminal, notebook computer, and desktop computer.
  • the medical staff terminal 40 reproduces the patient log acquired from the accumulated log reproduction unit 22 on the display DP.
  • the doctor DT can ask the patient P questions based on the patient log presented via the medical staff terminal 40 .
  • the question data is transmitted to the client terminal 10 (question reproduction unit 12) via the server 20.
  • FIG. The patient's answer to the question is transmitted to the medical staff terminal 40 via the server 20 .
  • the inquiry content accumulation unit 24 associates and stores the content of the question and the patient's answer to the question.
  • FIG. 3 is a diagram showing an example of presentation format of vital data.
  • the accumulated log reproducing unit 22 visualizes and presents vital data in chronological order.
  • vital data is presented as daily data.
  • a presentation method (i) a method of presenting vital data as RAW data (unprocessed data acquired from a group of sensors), (ii) a relative change (change amount or rate of change), and (iii) a method of presenting the results of analysis of trends in changes in vital data.
  • RAW data unprocessed data acquired from a group of sensors
  • a relative change change amount or rate of change
  • a method of presenting the results of analysis of trends in changes in vital data A specific example will be described below.
  • FIG. 4 is a diagram showing an example of presenting vital data as RAW data.
  • vital data is presented in tabular form. Vital data items are listed at the left end of the table. Daily vital data are displayed from the left to the right of the table. The date of prescription of the drug is specified in the table. In the table, normal vital data of the patient P are also displayed as reference data.
  • Fig. 4 daily vital data is presented, but the presentation format is not limited to this. Some diseases develop symptoms slowly over a period of weeks or months. In that case, an average value of weekly or monthly vital data may be presented.
  • the method of collecting the data may be selected by the administrative user of the medical staff terminal 40 (for example, the doctor DT).
  • the vital data of the part without abnormality may be aggregated and displayed.
  • the amount of change in vital data from normal times is presented for bedtime, wake-up time, number of awakenings, and amount of activity during sleep.
  • the rate of change in vital data from normal times is presented.
  • the amount of change or rate of change of vital data for each day is presented, but the amount or rate of change of vital data for each week or month may also be presented.
  • vital data is presented in the form of a bar graph.
  • the bar graph also shows the magnitude of vital data as a relative change from normal.
  • sleep time is shown as one item of vital data, but other items of vital data are presented in a similar manner.
  • the rate of change from the normal time is presented, but whether to present the rate of change or the amount of change may differ for each item.
  • the accumulated log reproducing unit 22 can present abnormal data in a manner distinguishable from normal data (vital data indicating normal values).
  • normal data vitamin data indicating normal values
  • the range of normal values is specified by a dotted line or the like.
  • the color of the bar graph and the color of the numerical value of the vital data can be made different from those of the normal data.
  • Normal data may also be marked as normal by tagging or color-coding.
  • FIG. 7 is a diagram showing an example of presenting the result of analyzing the trend of changes in vital data.
  • vital data is presented as relative changes from the date of the previous measurement.
  • trends in changes in vital data obtained from a series of measurement results are described.
  • the trend of change is analyzed based on the daily increase or decrease in vital data.
  • some diseases develop symptoms slowly over a period of weeks or months.
  • the trend of change may be analyzed based on the average change amount or change rate of weekly or monthly vital data.
  • FIG. 8 is a diagram showing an example of adding a tag CM indicating the content of anomaly to anomaly data.
  • Assist buttons AB are added to the table in FIG.
  • a group of vital data indicating abnormal values (abnormal data group) is highlighted.
  • Methods of highlighting include a method of changing the color, size and thickness of characters, a method of enclosing a group of vital data with a frame, and the like.
  • the accumulated log reproducing unit 22 presents the abnormal data in a manner distinguishable from the normal data by highlighting.
  • the highlighted abnormal data group includes (A) vital data statistically estimated to be abnormal, (B) vital data similar to past attention data, and (C) subjective symptoms (swelling, etc.). vital data similar to the associated vital data, and the like.
  • Noted data means vital data that the doctor DT has paid attention to for some reason. It does not matter whether or not the cause of the abnormality has been identified for the data of interest.
  • the abnormal data group of (A) above is extracted using a statistical method such as the LOF (Local Outlier Factor) method.
  • the abnormal data group of (B) above is extracted based on the learning result of the past attention history of the doctor DT.
  • the abnormal data group of (C) above is extracted based on the learning result of the confirmation history of the doctor DT and the patient P.
  • the accumulated log reproducing unit 22 can present a tag CM indicating the details of the abnormality in association with the abnormality data.
  • the degree of similarity can be displayed together with the content of the abnormality.
  • a known method can be used for calculating the degree of similarity. In the example of FIG. 8, it is described that the similarity of the vital data group on May 4 with the past attention data group is 67%. In addition, it is stated that there is an 86% possibility that symptoms of swelling have occurred in the group of vital data on May 8.
  • FIG. 9 is a diagram illustrating an example of a method for setting normal clusters.
  • a normal data group means a normal vital data group showing normal values.
  • the accumulated log reproducing unit 22 presents a UI for identifying a normal data group from the patient P's vital data group as a normal cluster. For example, the doctor DT designates a normal data group by a touch operation on the playback screen of the patient log. The accumulated log reproducing unit 22 detects the normal data group designated by the doctor DT as a normal cluster.
  • outliers in the distribution are detected as anomalies.
  • the doctor DT manually designates a normal data group based on medical knowledge without using such a general abnormality detection technique. This is because if there is no input of the stable interval by the doctor DT, vital data in a stable state that is occasionally seen in a patient whose condition is becoming normal will be recognized as abnormal data.
  • FIG. 10 is a diagram showing an example of data analysis using normal clusters.
  • Abnormal values are detected using statistical methods such as the LOF method. Whether or not it is an abnormal value is determined based on the distance to the normal cluster in the data space.
  • the abnormality detection unit 23 detects, as abnormal data, vital data whose distance from normal clusters exceeds the allowable standard.
  • the abnormality detection unit 23 detects the vital data (target data p) to be subjected to abnormality determination, the vital data (first data p′) in the normal cluster closest to the target data p, the first data p the vital data (second data) in the normal cluster closest to '.
  • the abnormality detection unit 23 calculates the distance r(p) between the target data p and the first data p' and the distance r(p') between the first data p' and the second data.
  • the anomaly detection unit 23 detects vital data whose anomaly degree a(p) exceeds a permissible standard (for example, a threshold) as anomalous data.
  • Acceptance criteria are appropriately set according to the type of disease and the characteristics of the patient P (age, sex, temperament, physical strength, severity of symptoms, etc.).
  • the vital data group (abnormal data group) whose distance from the normal cluster exceeds the threshold th is highlighted.
  • a tag CM indicating the content of the abnormality is attached to the abnormality data group.
  • the tag CM describes that the highlighted vital data group is similar to the past attention data and the degree of similarity with the attention data. Whether or not the target data is similar is determined based on the distance to the target cluster on the data space.
  • the attention cluster means a vital data group (attention data group) that the doctor DT paid attention to in the past.
  • the abnormality detection unit 23 detects the vital data (third data p'') in the target cluster closest to the target data p and the vital data (fourth data) in the target cluster closest to the third data p''. and to detect The abnormality detection unit 23 calculates the distance r2(p) between the target data p and the third data p'' and the distance r2(p'') between the third data p'' and the fourth data.
  • the abnormality detection unit 23 detects target data p whose attention level b(p) exceeds a predetermined standard (for example, threshold th2) as vital data similar to attention data.
  • a predetermined standard for example, threshold th2
  • a group of vital data similar to the vital data (symptom confirmation data) associated with subjective symptoms is highlighted.
  • the tag CM describes a subjective symptom associated with similar symptom confirmation data and a degree of similarity with the symptom confirmation data. Whether or not it is similar to the symptom confirmation data is determined based on the distance on the data space from the symptom confirmation cluster.
  • a symptom confirmation cluster means a vital data group (symptom confirmation data group) associated with a subjective symptom. The determination method is the same as that for the noted data described above.
  • FIG. 14 is a diagram illustrating an example of an assist function that supports input by the doctor DT.
  • the accumulated log reproducing unit 22 presents an assist button AB on the UI.
  • FIG. 14 shows a first assist button AB1 and a second assist button AB2 as examples of the assist button AB.
  • the first assist button AB1 has a function of extracting a vital data group included in the general normal range from the patient P's vital data group.
  • the second assist button AB2 has a function of extracting a group of vital data of the taking period of a specific medicine from the group of patient P's vital data.
  • the general normal range means the range of vital data that is generally recognized as normal.
  • the general normal range is defined based on vital data of healthy subjects.
  • Doctor DT can customize the general normal range.
  • the type of medicine displayed on the second assist button AB can be selected by the doctor DT from a pull-down.
  • the accumulated log reproducing unit 22 presents a group of vital data similar to the vital data of healthy subjects as stable candidates.
  • the doctor DT decides whether or not to approve the presented vital data group as a normal cluster.
  • the abnormality detection unit 23 identifies stable candidates approved by the doctor DT as normal clusters.
  • the accumulated log reproducing unit 22 presents a group of vital data for the drug taking period specified by the doctor DT as stable candidates.
  • the doctor DT decides whether or not to approve the presented vital data group as a normal cluster.
  • the abnormality detection unit 23 identifies stable candidates approved by the doctor DT as normal clusters.
  • FIG. 15 is a diagram explaining another example of the assist function.
  • a group of vital data in a range similar to the range directly specified by the doctor DT is also identified as a normal cluster.
  • the accumulated log reproducing unit 22 presents a vital data group similar to the vital data group designated by the doctor DT as stable candidates.
  • the doctor DT decides whether or not to approve the presented vital data group as a normal cluster.
  • the abnormality detection unit 23 identifies the stable candidate approved by the doctor DT as a normal cluster together with the vital data group specified by the doctor DT.
  • the vital data group extracted by the assist button AB may include multiple vital data groups with discontinuous medication days. Groups of vital data with separate medication days can be displayed in a floating window FW or the like.
  • FIG. 16 is a diagram showing an example of directly specifying a range on the data space.
  • the accumulated log reproducing unit 22 can display the patient P's vital data group in the data space.
  • the doctor DT can specify the range of normal clusters directly on the data space.
  • the accumulated log reproducing unit 22 presents the data space of vital data on the UI.
  • the doctor DT uses a lasso L or the like to specify the range showing normal values.
  • the abnormality detection unit 23 identifies the vital data group included in the space specified by the doctor DT as a normal cluster.
  • FIG. 17 is a diagram for explaining the function of automatically generating a question message.
  • the inquiry content storage unit 24 can generate a message MS for questioning the data range specified by the doctor DT.
  • the inquiry content storage unit 24 asks the patient P using a template prepared in advance.
  • doctor DT taps the sleep time data on May 4th.
  • the inquiry content storage unit 24 uses a template for questions about sleeping hours to generate a message MS saying "( May 4) I slept (shortly), but what did you do?" The words in parentheses of the message MS are entered by the doctor DT.
  • the doctor DT decides whether to approve the generated message MS.
  • the inquiry content storage unit 24 selectively presents to the patient P the message MS approved by the doctor DT.
  • the message MS sent to the patient P is played back by the question playback section 12 .
  • the inquiry content accumulation unit 24 corrects the message MS according to the correction operation.
  • the inquiry content accumulation unit 24 can change the template of the message MS based on the method of specifying the data range by the doctor DT.
  • 18 to 20 are diagrams for explaining the relationship between the method of specifying the data range and the template.
  • the doctor DT slides his finger vertically.
  • the inquiry content storage unit 24 determines that the doctor DT is trying to ask vaguely about the specific date, not about individual data items.
  • the inquiry content accumulation unit 24 generates a message MS "Did you have anything on ( May 4)?"
  • the doctor DT slides his finger horizontally.
  • the inquiry content storage unit 24 determines that the doctor DT is going to ask about a specific data item that spans multiple days.
  • the medical inquiry content storage unit 24 uses a template for asking specific data items over a plurality of days to generate a message MS saying "(recent) sleep time is (short), but what's the matter?"
  • the wording in parentheses of the message MS is entered by the doctor DT. For example, if you specify a few days leading up to the present, the word "recent" is specified, and if you specify a few days in the past, a specific period such as "X/X to Y/Y" is the initial value in the template. , but you can also enter a drop-down menu or arbitrary wording instead.
  • the doctor DT slides his finger diagonally.
  • the inquiry content storage unit 24 determines that the question is about a plurality of data items spanning a plurality of days.
  • the inquiry content accumulation unit 24 generates a message MS "How are you (recently)?" using a template asking a plurality of data items over a plurality of days.
  • the wording in parentheses of the message MS is entered by the doctor DT. If you specify a few days leading up to the present, enter the word "recent”, and if you select a few days in the past, enter a specific period such as "X/X to Y/Y" as the initial value in the template. but you can enter a drop-down menu or any wording instead.
  • FIG. 21 is a diagram for explaining display of question history.
  • the accumulated log reproducing unit 22 can display the history of questions to the patient P along with the patient log on the UI. For example, a mark MK is attached to the part where the question to the patient P is sent.
  • the display mode (color, shape, etc.) of the mark MK may differ depending on whether or not there is an answer from the patient P.
  • a white mark MK1 indicates a case where the patient P does not reply.
  • a black mark MK2 indicates that the patient P has responded.
  • FIG. 22 is a diagram illustrating an example of finding information generation using a learning model.
  • the abnormality detection unit 23 can generate finding information according to the patient log using a neural network (finding model) that has learned the findings of the doctor DT.
  • Observation information means information indicating an opinion from a medical point of view. Learning can be performed using the data accumulated in the interview content accumulation unit 4 as a learning data set.
  • the abnormality detection unit 23 learns the findings of the doctor DT for the data of interest.
  • the abnormality detection unit 23 detects vital data similar to the attention data from the patient P's vital data group, the abnormality detection unit 23 generates finding information that the vital data is similar to the attention data.
  • the inquiry content accumulation unit 24 generates a question message MS based on the generated finding information, and transmits the message MS to the client terminal 10 .
  • the inquiry content accumulation unit 24 generates a message MS saying "(Sleeping time) was (short) (yesterday), but what happened?" according to the past message history of the doctor DT.
  • the question is presented to patient P without the approval of doctor DT.
  • the question presented to the patient P may be selected by the doctor DT.
  • the abnormality detection unit 23 presents the generated finding information to the doctor DT.
  • the doctor DT decides whether or not to approve the presented finding information.
  • the inquiry content accumulation unit 24 generates a message MS to the patient P based on the finding information approved by the doctor DT.
  • the abnormality detection unit 23 can selectively present questions to the patient P based on the finding information approved by the doctor DT.
  • the abnormality detection unit 23 can generate answer information according to the patient log using a neural network (answer model) that has learned the patient P's answers to the questions. Learning can be performed using the data accumulated in the interview content accumulation unit 4 as a learning data set.
  • a neural network answer model
  • the abnormality detection unit 23 For example, let's say that the learning results reveal that the patient answered the symptom of swelling in response to the question about the vital data selected by the doctor DT.
  • the abnormality detection unit 23 generates answer information that "swelling is suspected" according to the answer history of the patient P in the past.
  • the reply information automatically generated by the abnormality detection unit 23 is transmitted to the medical staff terminal 40 together with the reply generated by the patient P.
  • the accumulated log reproducing unit 22 can present the question history in association with the patient log in such a manner that the question generated by the doctor DT and the question based on the finding information can be distinguished.
  • FIG. 23 is a diagram showing an example in which questions generated by the doctor DT and questions based on finding information are displayed separately.
  • the question generated by the doctor DT is marked with a star-shaped mark MK.
  • Questions automatically generated based on the finding information generated by the abnormality detection unit 23 are marked with a circular mark MK.
  • the display mode (color, shape, etc.) of the mark MK differs depending on whether or not there is an answer from the patient P. For example, white marks MK1 and MK3 indicate that there is no response from patient P. Black marks MK2 and MK4 indicate that the patient P has responded.
  • FIG. 24 is a diagram showing an example of the hardware configuration of the server 20. As shown in FIG.
  • the information processing of the server 20 is realized by the computer 1000, for example.
  • the computer 1000 has a CPU (Central Processing Unit) 1100, a RAM (Random Access Memory) 1200, a ROM (Read Only Memory) 1300, a HDD (Hard Disk Drive) 1400, a communication interface 1500, and an input/output interface 1600.
  • CPU Central Processing Unit
  • RAM Random Access Memory
  • ROM Read Only Memory
  • HDD Hard Disk Drive
  • the CPU 1100 operates based on a program (program data 1450) stored in the ROM 1300 or HDD 1400, and controls each section. For example, CPU 1100 loads programs stored in ROM 1300 or HDD 1400 into RAM 1200 and executes processes corresponding to various programs.
  • program data 1450 program data 1450
  • the ROM 1300 stores a boot program such as BIOS (Basic Input Output System) executed by the CPU 1100 when the computer 1000 is started, and programs dependent on the hardware of the computer 1000.
  • BIOS Basic Input Output System
  • the HDD 1400 is a computer-readable non-temporary recording medium that non-temporarily records programs executed by the CPU 1100 and data used by such programs.
  • the HDD 1400 is a recording medium that records the information processing program according to the embodiment, which is an example of the program data 1450 .
  • a communication interface 1500 is an interface for connecting the computer 1000 to an external network 1550 (for example, the Internet).
  • CPU 1100 receives data from another device or transmits data generated by CPU 1100 to another device via communication interface 1500 .
  • the input/output interface 1600 is an interface for connecting the input/output device 1650 and the computer 1000 .
  • CPU 1100 receives data from input devices such as a keyboard and mouse via input/output interface 1600 .
  • the CPU 1100 transmits data to an output device such as a display device, a speaker, or a printer via the input/output interface 1600 .
  • the input/output interface 1600 may function as a media interface for reading a program or the like recorded on a predetermined recording medium.
  • Media include, for example, optical recording media such as DVD (Digital Versatile Disc) and PD (Phase change rewritable disk), magneto-optical recording media such as MO (Magneto-Optical disk), tape media, magnetic recording media, semiconductor memories, etc. is.
  • the CPU 1100 of the computer 1000 executes the information processing program loaded on the RAM 1200 to implement the functions of the above-described units.
  • the HDD 1400 also stores an information processing program, various models, and various data according to the present disclosure.
  • CPU 1100 reads and executes program data 1450 from HDD 1400 , as another example, these programs may be obtained from another device via external network 1550 .
  • the server 20 has a log storage unit 21 , an abnormality detection unit 23 and an accumulated log reproduction unit 22 .
  • the log accumulation unit 21 accumulates the vital data of the patient P for each medication day as a patient log.
  • the anomaly detector 23 detects anomalous data indicating an anomalous value from the patient log.
  • the accumulated log reproducing unit 22 reproduces the patient log by associating the abnormal data with the drug taking date.
  • the processing of server 20 is executed by computer 1000 .
  • the program of the present disclosure causes the computer 1000 to implement the processing of the server 20 .
  • the relationship between the medicine taken and the change in patient P's symptoms can be objectively grasped. Therefore, accurate diagnosis can be performed.
  • the abnormality detection unit 23 generates finding information according to the patient log using a finding model that has learned the findings of the doctor DT.
  • the abnormality detection unit 23 selectively presents questions to the patient P based on the finding information approved by the doctor DT.
  • the anomaly detection unit 23 generates answer information according to the patient log using an answer model that has learned the patient P's answer to the question.
  • the accumulated log reproducing unit 22 presents the question history in association with the patient log in such a manner that the question generated by the doctor DT and the question based on the finding information can be distinguished.
  • the doctor DT can appropriately judge the priority of the question.
  • the server 20 has an inquiry content accumulation unit 24.
  • the inquiry content accumulation unit 24 associates and stores the content of the question and the patient's answer to the question.
  • question and answer data are aggregated in the interview content accumulation unit 24.
  • an appropriate answer model is generated.
  • the inquiry content storage unit 24 generates a question message MS regarding the data range specified by the doctor DT.
  • the doctor DT can ask the patient P a question simply by designating the data range of interest without creating the message MS by himself.
  • the inquiry content accumulation unit 24 changes the template of the message MS based on the method of specifying the data range.
  • the accumulated log reproducing unit 22 presents abnormal data in a manner that can be distinguished from normal data.
  • the accumulated log reproducing unit 22 presents the tag CM indicating the content of the abnormality in association with the abnormality data.
  • the accumulated log reproducing unit 22 presents a UI for identifying a normal vital data group from the patient P's vital data group as a normal cluster.
  • an appropriate normal cluster can be identified for each patient P.
  • the accumulated log reproducing unit 22 presents a group of vital data similar to the vital data of healthy subjects as stable candidates.
  • the abnormality detection unit 23 identifies stable candidates approved by the doctor DT as normal clusters.
  • the accumulated log reproducing unit 22 presents a group of vital data for the period of taking the medicine specified by the doctor DT as stable candidates.
  • the abnormality detection unit 23 identifies stable candidates approved by the doctor DT as normal clusters.
  • the accumulated log reproducing unit 22 presents a group of vital data similar to the group of vital data specified by the doctor DT as stable candidates.
  • the abnormality detection unit 23 identifies the stable candidate approved by the doctor DT as a normal cluster together with the vital data group specified by the doctor DT.
  • the accumulated log reproducing unit 22 presents the data space of vital data.
  • the abnormality detection unit 23 identifies the vital data group included in the space specified by the doctor DT as a normal cluster.
  • the present technology can also adopt the following configuration.
  • a log accumulation unit for accumulating the patient's vital data for each medication day as a patient log; an anomaly detection unit that detects anomalous data indicating an anomalous value from the patient log; an accumulation log reproducing unit that reproduces the patient log by associating the abnormal data with the date of taking the medicine;
  • Information processing device having (2) The abnormality detection unit generates finding information according to the patient log using a finding model that has learned doctor's findings. The information processing apparatus according to (1) above. (3) The abnormality detection unit selectively presents questions to the patient based on the finding information approved by the doctor. The information processing apparatus according to (2) above.
  • the abnormality detection unit generates answer information according to the patient log using an answer model that has learned the patient's answer to the question.
  • the accumulated log reproducing unit presents the history of the questions in association with the patient log in such a manner that the questions generated by the doctor and the questions based on the finding information can be distinguished.
  • An interview content storage unit that associates and stores the content of the question and the patient's answer to the question, The information processing apparatus according to (4) or (5) above.
  • the medical interview content storage unit generates a message for asking a question about the data range specified by the doctor.
  • the inquiry content storage unit changes the template of the message based on the method of specifying the data range, The information processing apparatus according to (7) above.
  • the accumulated log reproducing unit presents the abnormal data in a manner distinguishable from normal data.
  • the accumulated log reproducing unit presents a tag indicating details of the abnormality in association with the abnormality data.
  • (11) The accumulated log reproducing unit presents a UI for identifying a normal vital data group from the patient's vital data group as a normal cluster, The information processing apparatus according to any one of (1) to (10) above.
  • the accumulated log reproducing unit presents a group of vital data similar to vital data of a healthy subject as stable candidates, The abnormality detection unit identifies the stable candidate approved by a doctor as the normal cluster; The information processing apparatus according to (11) above.
  • the accumulated log reproducing unit presents, as a stable candidate, a group of vital data of the period of taking the medicine specified by the doctor, The abnormality detection unit identifies the stable candidate approved by the doctor as the normal cluster; The information processing apparatus according to (11) above.
  • the accumulated log reproducing unit presents a vital data group similar to a vital data group specified by a doctor as a stable candidate, The abnormality detection unit identifies the stable candidate approved by the doctor as the normal cluster together with the vital data group specified by the doctor.
  • the information processing apparatus according to (11) above.
  • the accumulated log reproducing unit presents a data space of the vital data.
  • the abnormality detection unit identifies a group of vital data contained in a space designated by a doctor as the normal cluster, The information processing apparatus according to (11) above.
  • the patient's vital data for each medication day is accumulated as a patient log, detecting abnormal data indicating an abnormal value from the patient log; Replaying the patient log by associating the abnormal data with the medication date;
  • a computer-implemented information processing method comprising: (17) The patient's vital data for each medication day is accumulated as a patient log, detecting abnormal data indicating an abnormal value from the patient log; Replaying the patient log by associating the abnormal data with the medication date; A program that makes a computer do something.

Landscapes

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

Abstract

情報処理装置（２０）は、ログ蓄積部（２１）、異常検出部（２３）および蓄積ログ再生部（２２）を有する。ログ蓄積部（２１）は、服薬日ごとの患者（Ｐ）のバイタルデータを患者ログとして蓄積する。異常検出部（２３）は、患者ログから異常値を示す異常データを検出する。蓄積ログ再生部（２２）は、異常データを服薬日と関連付けて患者ログを再生する。

Description

情報処理装置、情報処理方法およびプログラム
　本発明は、情報処理装置、情報処理方法およびプログラムに関する。
　医師は、診断の手がかりを得るために、問診やカウンセリングなどを行う。患者の体調や自覚症状などは問診などを通じて把握される。薬の処方も問診などの結果に基づいて行われる。
特表２０１５－５０８２８１号公報
　しかし、医学的な知識に乏しい患者にとって、客観的な見地から専門医と同じ目線で自己の症状や行動の変化など判断することは難しい。患者の心の状態によっては、正確な状態を言葉で説明することができないという問題もある。病状の変化が睡眠中などの自覚症状が得られにくい時間帯での活動量の変化などに現れる場合もある。そのため、問診やカウンセリングなど通じて最適な薬を探すことは非常に難しい。
　そこで、本開示では、医師が的確な診断を行えるように診断の支援を行う情報処理装置、情報処理方法およびプログラムを提案する。
　本開示によれば、服薬日ごとの患者のバイタルデータを患者ログとして蓄積するログ蓄積部と、前記患者ログから異常値を示す異常データを検出する異常検出部と、前記異常データを前記服薬日と関連付けて前記患者ログを再生する蓄積ログ再生部と、を有する情報処理装置が提供される。また、本開示によれば、前記情報処理装置の情報処理がコンピュータにより実行される情報処理方法、ならびに、前記情報処理装置の情報処理をコンピュータに実現させるプログラムが提供される。
本発明の背景を説明する図である。 診断支援システムの構成の一例を示す図である。 バイタルデータの提示形式の一例を示す図である。 バイタルデータをＲＡＷデータとして提示する例を示す図である。 バイタルデータを平常時からの相対変化として提示する例を示す図である。 バイタルデータを平常時からの相対変化として提示する例を示す図である。 バイタルデータの変化の傾向を分析した結果を提示する例を示す図である。 異常データに異常内容を示すタグを付与する例を示す図である。 正常クラスタの設定方法の一例を示す図である。 正常クラスタを用いたデータ解析の一例を示す図である。 異常データの提示例を示す図である。 異常データの提示例を示す図である。 異常データの提示例を示す図である。 医師の入力をサポートするアシスト機能の一例を説明する図である。 アシスト機能の他の例を説明する図である。 データ空間上で直接範囲指定する例を示す図である。 質問用メッセージの自動生成機能を説明する図である。 データ範囲の指定方法とテンプレートとの関係を説明する図である。 データ範囲の指定方法とテンプレートとの関係を説明する図である。 データ範囲の指定方法とテンプレートとの関係を説明する図である。 質問履歴の表示を説明する図である。 学習モデルを用いた所見情報の生成例を説明する図である。 医師が生成した質問と所見情報に基づく質問と区別して表示する例を示す図である。 サーバのハードウェア構成の一例を示す図である。
　以下に、本開示の実施形態について図面に基づいて詳細に説明する。以下の各実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。
　なお、説明は以下の順序で行われる。
［１．背景］
［２．診断支援システムの構成］
［３．バイタルデータの提示形式］
　［３－１．ＲＡＷデータの提示］
　［３－２．平常時からの相対変化の提示］
　［３－３．傾向分析］
　［３－４．タグによる異常内容の表示］
［４．異常データの検出］
　［４－１．正常クラスタの設定］
　［４－２．異常データの提示例］
　［４－３．医師の入力サポート］
　［４－４．データ空間上での範囲指定］
［５．質問用メッセージの自動生成］
［６．質問履歴の表示］
［７．学習モデルを用いた所見情報の生成］
［８．ハードウェア構成例］
［９．効果］
［１．背景］
　図１は、本発明の背景を説明する図である。
　図１の表には、月ごとの患者の申告値と処方薬との関係が記載されている。表には、実際の患者の状態（真値）と、医師が真値を知っていれば処方されていた最適な薬も併せて記載されている。
　患者は、双極性障害を持っている。患者は躁状態と鬱状態とを繰り返すが、それぞれの状態の発生時期に明確な規則性はない。説明上、安定状態を１００％、躁状態を１００％よりも大きい数値、鬱状態を１００％よりも小さい数値として記載する。治療薬として３種類の薬Ａ～Ｃがある。薬Ａは躁状態において処方すべき薬である。薬Ｃは鬱状態において処方すべき薬である。薬Ｂは安定状態において処方すべき薬である。
　医師は、患者の申告値および自己の経験に基づいて薬を処方する。しかし、医学的な知識に乏しい患者にとって、客観的な見地から専門医と同じ目線で自己の症状や行動の変化など判断することは難しい。例えば、４月は躁状態であったにもかかわらず、患者は鬱状態であると申告している。逆に、７月は鬱状態であったにもかかわらず、患者は躁状態であると申告している。適切な申告が行われなかったために、逆の効果を持った薬が処方され、その結果、症状が悪化する懸念が生じている。
　精神疾患患者を平常時の状態に戻すためには、正確な患者の状態を特定し、適切な薬を処方することが必要である。患者の心の状態によっては、正確な状態を言葉で説明することができないという問題があるため、客観的な観察診断が必要である。そのため、本開示では、服薬日ごとの患者のバイタルデータが計測される。計測されたバイタルデータに基づいて患者の真の状態が判定される。この判定結果を医師に提示することにより、的確な診断が行われる。
　なお、本開示において、「バイタルデータ」とは、脈拍、血圧、呼吸および体温など、バイタルサインを示す個別のデータを意味する。「バイタルデータ群」とは、ひとかたまりの複数のバイタルデータ、および、性質が類似した複数のバイタルデータを意味する。
　例えば、同一日に計測された脈拍、血圧、呼吸および体温などの複数のバイタルデータや、計測日が連続している複数のバイタルデータなどは、ひとかたまりの複数のバイタルデータという意味でバイタルデータ群と呼ぶことができる。正常値を示す複数のバイタルデータや異常値を示す複数のバイタルデータなども、性質が類似した複数のバイタルデータという意味でバイタルデータ群と呼ぶことができる。
　以下、本開示の診断支援システムを図面を用いて説明する。
［２．診断支援システムの構成］
　図２は、診断支援システム１の構成の一例を示す図である。
　診断支援システム１は、クライアント端末１０、サーバ２０および医療者端末４０を有する。クライアント端末１０、サーバ２０および医療者端末４０は、ネットワークを介して接続されている。図２では通信部３０が独立した構成として記載されているが、実際にはクライアント端末１０およびサーバ２０にそれぞれ通信機器が内蔵されている。図２では、クライアント端末１０およびサーバ２０にそれぞれ内蔵された通信機器がまとめて通信部３０として記載されている。
　クライアント端末１０は、スマートフォン、タブレット端末およびノートパソコンなどの情報端末である。クライアント端末１０は患者Ｐによって保有される。クライアント端末１０は、患者Ｐのバイタルデータを取得し、逐次サーバ２０に送信する。計測されるバイタルデータには、例えば、心拍数、心拍変動、血圧、深部体温、表面温度、体重、睡眠時間、睡眠深度、活動量、歩数消費カロリー、最大酸素摂取量および血中酸素濃度などのデータが含まれる。
　クライアント端末１０は、計測部１１、質問再生部１２および回答記録部１３を有する。計測部１１は、患者Ｐのバイタルデータを計測するセンサ群を有する。計測部１１は、患者Ｐの行動を追跡し、バイタルデータを収集する。計測部１１は、計測されたバイタルデータを逐次サーバ２０に送信する。質問再生部１２は、サーバ２０から取得した質問をテキスト、音声または映像によって再生する。患者Ｐは、テキスト、音声およびボタン操作などを用いて質問に対する回答を行う。回答記録部１３は、患者Ｐの回答を記録する。回答記録部１３は、記録された回答を逐次サーバ２０に送信する。
　サーバ２０は、各種情報を処理する情報処理装置である。サーバ２０は、クライアント端末１０から取得したバイタルデータを医師ＤＴが判断可能な形に加工して再生する。再生によって提示される情報には、例えば、前回通院時から来院までの患者Ｐの行動、および、患者Ｐの行動から類推される患者Ｐの状態などの情報が含まれる。サーバ２０は、バイタルデータを適切に加工して提示することで、医師ＤＴの診断を支援する。
　サーバ２０は、ログ蓄積部２１、蓄積ログ再生部２２、異常検出部２３および問診内容蓄積部２４を有する。ログ蓄積部２１は、服薬日ごとの患者Ｐのバイタルデータを患者ログとして蓄積する。異常検出部２３は、患者ログから異常値を示すバイタルデータ（異常データ）を検出する。蓄積ログ再生部２２は、異常データを服薬日と関連付けて患者ログを再生する。蓄積ログ再生部２２は、再生した患者ログを医療者端末４０に送信する。
　医療者端末４０は、スマートフォン、タブレット端末、ノートパソコンおよびデスクトップパソコンなどの情報端末である。医療者端末４０は、蓄積ログ再生部２２から取得した患者ログをディスプレイＤＰ上で再生する。医師ＤＴは、医療者端末４０を介して提示された患者ログに基づいて患者Ｐに質問をすることができる。質問のデータは、サーバ２０を介してクライアント端末１０（質問再生部１２）に送信される。質問に対する患者の回答は、サーバ２０を介して医療者端末４０に送信される。問診内容蓄積部２４は、質問の内容と質問に対する患者Ｐの回答とを紐づけて記憶する。
［３．バイタルデータの提示形式］
　図３は、バイタルデータの提示形式の一例を示す図である。
　蓄積ログ再生部２２は、例えば、バイタルデータを時系列に沿って可視化して提示する。図３の例では、バイタルデータが日ごとのデータとして提示されている。提示方法としては、（ｉ）バイタルデータをＲＡＷデータ（センサ群から取得した未加工のデータ）として提示する方法、（ｉｉ）患者Ｐの状態を平常時に測定したバイタルデータからの相対変化（変化量または変化率）の形で提示する方法、（ｉｉｉ）バイタルデータの変化の傾向を分析した結果を提示する方法などが考えられる。以下、具体例を説明する。
［３－１．ＲＡＷデータの提示］
　図４は、バイタルデータをＲＡＷデータとして提示する例を示す図である。
　図４の例では、バイタルデータが表形式で提示されている。表の左端には、バイタルデータの項目が列記されている。表の左側から右側に向かって日ごとのバイタルデータが表示されている。表中には、薬の処方日が明記されている。表中には、参考データとして、患者Ｐの平常時のバイタルデータも表示されている。
　図４の例では、日ごとのバイタルデータが提示されているが、提示形式はこれに限定されない。病気によっては、１週間単位または１月単位でゆっくりと症状が現れるものもある。その場合は、週ごと又は月ごとのバイタルデータの平均値が提示されてもよい。データのまとめ方は医療者端末４０の管理ユーザ（例えば医師ＤＴ）が選択できるようにしてもよい。異常がない部分のバイタルデータは集約して表示されてもよい。
［３－２．平常時からの相対変化の提示］
　図５および図６は、バイタルデータを平常時からの相対変化として提示する例を示す図である。
　図５の例では、就寝時間、起床時間、覚醒回数および睡眠中活動量については、平常時からのバイタルデータの変化量が提示されている。睡眠時間については、平常時からのバイタルデータの変化率が提示されている。図５の例では、日ごとのバイタルデータの変化量または変化率が提示されているが、週ごと又は月ごとのバイタルデータの変化量または変化率が提示されてもよい。
　図６の例では、バイタルデータが棒グラフの形式で提示されている。棒グラフには、バイタルデータの大きさが平常時からの相対変化として併記されている。図６の例では、バイタルデータの１つの項目として睡眠時間が示されているが、他の項目のバイタルデータについても同様の方法で提示される。睡眠時間については平常時からの変化率が提示されるが、変化率を提示するか変化量を提示するかは項目ごとに異なってもよい。
　蓄積ログ再生部２２は、異常データを正常データ（正常値を示すバイタルデータ）と区別可能な態様で提示することができる。図６の例では、点線などにより正常値の範囲（正常範囲）が明記されている。異常データについては、棒グラフの色やバイタルデータの数値の色を正常データと異ならせることができる。正常データについても、タグ付けや色分けによって正常であることが明示されてもよい。
［３－３．傾向分析］
　図７は、バイタルデータの変化の傾向を分析した結果を提示する例を示す図である。
　図７の例では、バイタルデータが前回の計測日からの相対変化として提示されている。備考欄には、一連の計測結果から得られたバイタルデータの変化の傾向が記載されている。図７の例では、日ごとのバイタルデータの増減に基づいて変化の傾向が分析されている。しかし、病気によっては、１週間単位または１月単位でゆっくりと症状が現れるものもある。その場合は、週ごと又は月ごとのバイタルデータの平均的な変化量または変化率に基づいて変化の傾向が分析されてもよい。
［３－４．タグによる異常内容の表示］
　図８は、異常データに異常内容を示すタグＣＭを付与する例を示す図である。
　図８の表には、アシストボタンＡＢが付与されている。アシストボタンＡＢをＯＮにすると、異常値を示すバイタルデータ群（異常データ群）がハイライト表示される。ハイライト表示の方法としては、文字の色、大きさおよび太さを異ならせる方法、および、バイタルデータ群を枠で囲む方法などが挙げられる。蓄積ログ再生部２２は、ハイライト表示によって、異常データを正常データと区別可能な態様で提示する。
　ハイライト表示される異常データ群には、（Ａ）統計的に異常と推定されるバイタルデータ、（Ｂ）過去の注目データと類似するバイタルデータ、および、（Ｃ）自覚症状（むくみなど）との関連付けがなされたバイタルデータと類似するバイタルデータ、などが含まれる。注目データとは、何らかの理由により医師ＤＴが注目したバイタルデータを意味する。注目データについて異常の原因が特定されたか否かは問われない。
　例えば、上記（Ａ）の異常データ群は、ＬＯＦ（Ｌｏｃａｌ　Ｏｕｔｌｉｅｒ　Ｆａｃｔｏｒ）法などの統計的手法を用いて抽出される。上記（Ｂ）の異常データ群は、医師ＤＴの過去の注目履歴の学習結果に基づいて抽出される。上記（Ｃ）の異常データ群は、医師ＤＴと患者Ｐとの確認履歴の学習結果に基づいて抽出される。
　蓄積ログ再生部２２は、異常の内容を示すタグＣＭを異常データと紐づけて提示することができる。上記（Ｂ）および（Ｃ）の異常データ群については、異常の内容とともに類似度を表示することができる。類似度の計算は公知の手法を用いることができる。図８の例では、５月４日のバイタルデータ群について、過去の注目データ群との類似度が６７％である旨が記載されている。また、５月８日のバイタルデータ群については、むくみの症状が生じている可能性が８６％である旨が記載されている。
［４．異常データの検出］
［４－１．正常クラスタの設定］
　図９は、正常クラスタの設定方法の一例を示す図である。
　異常データは、正常データ群からの外れ値として特定される。正常データ群とは、正常値を示す正常なバイタルデータ群を意味する。蓄積ログ再生部２２は、患者Ｐのバイタルデータ群から正常データ群を正常クラスタとして特定するためのＵＩを提示する。例えば、医師ＤＴは患者ログの再生画面上でタッチ操作により正常データ群を指定する。蓄積ログ再生部２２は、医師ＤＴが指定した正常データ群を正常クラスタとして検出する。
　一般的な異常検出技術では、分布の中の外れ値が異常値として検出される。本開示では、このような一般的な異常検出技術を用いずに、医師ＤＴが医学的な知見に基づいて手動で正常データ群を指定する。これは、医師ＤＴによる安定区間の入力がないと、悪い状態が常態化している患者については、偶にみられる安定状態のバイタルデータが異常データとして認識されてしまうからである。
　図１０は、正常クラスタを用いたデータ解析の一例を示す図である。
　異常値の検出は、ＬＯＦ法などの統計的手法を用いて行われる。異常値であるか否かは、正常クラスタとのデータ空間上での距離に基づいて判定される。異常検出部２３は、正常クラスタとの距離が許容基準を超えるバイタルデータを異常データとして検出する。
　例えば、異常検出部２３は、異常判定の対象となるバイタルデータ（対象データｐ）に対して、対象データｐに最も近い正常クラスタ中のバイタルデータ（第１データｐ′）と、第１データｐ′に最も近い正常クラスタ中のバイタルデータ（第２データ）と、を検出する。異常検出部２３は、対象データｐと第１データｐ′との距離ｒ（ｐ）、および、第１データｐ′と第２データとの距離ｒ（ｐ′）を算出する。異常検出部２３は、異常度ａ（ｐ）を、ａ（ｐ）＝ｒ（ｐ）／ｒ（ｐ′）に基づいて算出する。
　異常検出部２３は、異常度ａ（ｐ）が許容基準（例えば閾値）を超えるバイタルデータを異常データとして検出する。許容基準は病気の種類および患者Ｐの特性（年齢、性別、気質、体力、症状の重さなど）などに応じて適切に設定される。
［４－２．異常データの提示例］
　図１１ないし図１３は、異常データの提示例を示す図である。
　図１１の例では、正常クラスタからの距離が閾値ｔｈを超えたバイタルデータ群（異常データ群）がハイライト表示されている。異常データ群には、異常の内容を示すタグＣＭが付与されている。
　図１２の例では、過去の注目データと類似するバイタルデータ群がハイライト表示されている。タグＣＭには、ハイライト表示されたバイタルデータ群が過去の注目データと類似すること、および、注目データとの類似度が記載されている。注目データと類似するか否かは、注目クラスタとのデータ空間上での距離に基づいて判定される。注目クラスタとは、過去に医師ＤＴが注目したバイタルデータ群（注目データ群）を意味する。
　例えば、異常検出部２３は、対象データｐに最も近い注目クラスタ中のバイタルデータ（第３データｐ′′）と、第３データｐ′′に最も近い注目クラスタ中のバイタルデータ（第４データ）と、を検出する。異常検出部２３は、対象データｐと第３データｐ′′との距離ｒ２（ｐ）、および、第３データｐ′′と第４データとの距離ｒ２（ｐ′′）を算出する。異常検出部２３は、注目度ｂ（ｐ）を、ｂ（ｐ）＝ｒ２（ｐ）／ｒ２（ｐ′′）に基づいて算出する。異常検出部２３は、注目度ｂ（ｐ）が所定の規準（例えば閾値ｔｈ２）を超える対象データｐを注目データに類似するバイタルデータとして検出する。
　図１３の例では、自覚症状との関連付けがなされたバイタルデータ（症状確定データ）と類似するバイタルデータ群がハイライト表示されている。タグＣＭには、類似する症状確定データと関連付けられた自覚症状、および、症状確定データとの類似度が記載されている。症状確定データと類似するか否かは、症状確定クラスタとのデータ空間上での距離に基づいて判定される。症状確定クラスタとは、自覚症状との関連付けがなされたバイタルデータ群（症状確定データ群）を意味する。判定方法は、上述した注目データの場合と同様である。
［４－３．医師の入力サポート］
　図１４は、医師ＤＴの入力をサポートするアシスト機能の一例を説明する図である。
　蓄積ログ再生部２２は、ＵＩ上にアシストボタンＡＢを提示する。図１４には、アシストボタンＡＢの一例として、第１アシストボタンＡＢ１および第２アシストボタンＡＢ２が示されている。第１アシストボタンＡＢ１は、患者Ｐのバイタルデータ群から一般的正常範囲に含まれるバイタルデータ群を抽出する機能を持つ。第２アシストボタンＡＢ２は、患者Ｐのバイタルデータ群から特定の薬の服用期間のバイタルデータ群を抽出する機能を持つ。
　一般的正常範囲は、正常値として一般に認知されているバイタルデータの範囲を意味する。一般的正常範囲は、健常者のバイタルデータに基づいて定義される。医師ＤＴは、一般的正常範囲をカスタマイズすることができる。第２アシストボタンＡＢに表示される薬の種類は医師ＤＴがプルダウンで選択することができる。
　医師ＤＴが第１アシストボタンＡＢ１を押すと、蓄積ログ再生部２２は、健常者のバイタルデータと類似するバイタルデータ群を安定候補として提示する。医師ＤＴは、提示されたバイタルデータ群を正常クラスタとして承認するか否かを決定する。異常検出部２３は、医師ＤＴによって承認された安定候補を正常クラスタとして特定する。
　医師ＤＴが第２アシストボタンＡＢ２を押すと、蓄積ログ再生部２２は、医師ＤＴによって指定された薬の服薬期間のバイタルデータ群を安定候補として提示する。医師ＤＴは、提示されたバイタルデータ群を正常クラスタとして承認するか否かを決定する。異常検出部２３は、医師ＤＴによって承認された安定候補を正常クラスタとして特定する。
　図１５は、アシスト機能の他の例を説明する図である。
　図１５の例では、医師ＤＴによって直接指定された範囲と類似する範囲のバイタルデータ群も正常クラスタとして特定される。例えば、蓄積ログ再生部２２は、医師ＤＴによって指定されたバイタルデータ群と類似するバイタルデータ群を安定候補として提示する。医師ＤＴは、提示されたバイタルデータ群を正常クラスタとして承認するか否かを決定する。異常検出部２３は、医師ＤＴによって承認された安定候補を、医師ＤＴによって指定されたバイタルデータ群とともに正常クラスタとして特定する。
　アシストボタンＡＢによって抽出されるバイタルデータ群には、服薬日が連続していない複数のバイタルデータ群が含まれる可能性がある。服薬日が離れたバイタルデータ群については、フローティングウィンドウＦＷなどに表示することができる。
［４－４．データ空間上での範囲指定］
　図１６は、データ空間上で直接範囲指定する例を示す図である。
　蓄積ログ再生部２２は、患者Ｐのバイタルデータ群をデータ空間上に表示することができる。医師ＤＴは、正常クラスタの範囲を直接データ空間上で指定することができる。例えば、蓄積ログ再生部２２は、ＵＩ上にバイタルデータのデータ空間を提示する。医師ＤＴは、投げ縄Ｌなどを用いて正常値を示す範囲を特定する。異常検出部２３は、医師ＤＴによって指定された空間に含まれるバイタルデータ群を正常クラスタとして特定する。
［５．質問用メッセージの自動生成］
　図１７は、質問用メッセージの自動生成機能を説明する図である。
　問診内容蓄積部２４は、医師ＤＴが指定したデータ範囲に関する質問用のメッセージＭＳを生成することができる。医師ＤＴがディスプレイＤＰ上で特定のバイタルデータを選択すると、問診内容蓄積部２４は、予め用意されたテンプレートを用いて患者Ｐへの質問を行う。
　図１７の例では、医師ＤＴが５月４日の睡眠時間のデータをタップする。問診内容蓄積部２４は、睡眠時間に関する質問用のテンプレートを用いて、「（５月４日）の睡眠時間が（短い）けどどうしました？」というメッセージＭＳを生成する。メッセージＭＳの括弧内の文言は、医師ＤＴにより入力される。
　医師ＤＴは、生成されたメッセージＭＳを承認するか否かを決定する。問診内容蓄積部２４は、医師ＤＴから承認が得られたメッセージＭＳを選択的に患者Ｐに提示する。患者Ｐに送信されたメッセージＭＳは、質問再生部１２によって再生される。問診内容蓄積部２４は、医師ＤＴから修正操作を受け付けた場合には、修正操作にしたがってメッセージＭＳを修正する。
　問診内容蓄積部２４は、医師ＤＴによるデータ範囲の指定方法に基づいて、メッセージＭＳのテンプレートを変化させることができる。図１８ないし図２０は、データ範囲の指定方法とテンプレートとの関係を説明する図である。
　図１８の例では、医師ＤＴが指を縦方向にスライドさせる。この場合、問診内容蓄積部２４は、医師ＤＴが、個別のデータ項目ではなく、特定日について漠然と質問しようとしていると判断する。問診内容蓄積部２４は、一日の行動を漠然と質問するテンプレートを用いて、「（５月４日）は何かありましたか？」というメッセージＭＳを生成する。
　図１９の例では、医師ＤＴが指を横方向にスライドさせる。この場合、問診内容蓄積部２４は、医師ＤＴが、複数の日にまたがる特定のデータ項目について質問しようとしていると判断する。問診内容蓄積部２４は、複数の日にまたがる特定のデータ項目を質問するテンプレートを用いて、「（最近）の睡眠時間が（短い）けどどうしました？」というメッセージＭＳを生成する。
　メッセージＭＳのカッコ内の文言は医師ＤＴにより入力される。例えば、現在につながる数日間を指定した場合には「最近」という文言、過去の数日間を指定した場合には「Ｘ／Ｘ～Ｙ／Ｙ」のように具体的な期間がテンプレートに初期値として入力されるが、ドロップダウンメニューや任意の文言を代わりに入力することもできる。
　図２０の例では、医師ＤＴが指を斜めにスライドさせる。この場合、問診内容蓄積部２４は、複数の日にまたがる複数のデータ項目について質問しようとしていると判断する。問診内容蓄積部２４は、複数の日にまたがる複数のデータ項目を質問するテンプレートを用いて、「（最近）どうですか？」というメッセージＭＳを生成する。メッセージＭＳのカッコ内の文言は医師ＤＴにより入力される。現在につながる数日間を指定した場合には「最近」という文言、過去の数日間を選択した場合には「Ｘ／Ｘ～Ｙ／Ｙ」のように具体的な期間がテンプレートに初期値として入力されるが、ドロップダウンメニューや任意の文言を代わりに入力することもできる。
［６．質問履歴の表示］
　図２１は、質問履歴の表示を説明する図である。
　蓄積ログ再生部２２は、ＵＩ上に患者ログとともに患者Ｐへの質問の履歴を表示することができる。例えば、患者Ｐへの質問を送った箇所にはマークＭＫが付される。患者Ｐからの回答の有無に応じてマークＭＫの表示態様（色、形状など）が異なってもよい。図２１の例では、白色のマークＭＫ１は患者Ｐからの回答がない場合を示す。黒色のマークＭＫ２は患者Ｐからの回答があった場合を示す。
［７．学習モデルを用いた所見情報の生成］
　図２２は、学習モデルを用いた所見情報の生成例を説明する図である。
　異常検出部２３は、医師ＤＴの所見を学習したニューラルネットワーク（所見モデル）を用いて、患者ログに応じた所見情報を生成することができる。所見情報とは、医学的見地からの見解を示す情報を意味する。学習は、問診内容蓄積部４に蓄積されたデータを学習用データセットとして用いて行うことができる。
　図２２の例では、異常検出部２３は、注目データに対する医師ＤＴの所見を学習する。異常検出部２３は、患者Ｐのバイタルデータ群から注目データと類似するバイタルデータを検出すると、注目データに似ているという所見情報を生成する。問診内容蓄積部２４は、生成された所見情報に基づいて質問用のメッセージＭＳを生成し、クライアント端末１０に送信する。
　例えば、注目データが睡眠時間の短いバイタルデータであり、学習結果から医師ＤＴが睡眠時間に注目していることが判明していたとする。この場合、問診内容蓄積部２４は、過去の医師ＤＴのメッセージ履歴にしたがって、「（昨日）は（睡眠時間）が（短い）けどどうしました？」というメッセージＭＳを生成する。
　上述の例では、医師ＤＴの承認なしに質問が患者Ｐに提示される。しかし、患者Ｐに提示される質問を医師ＤＴが選別できるようにしてもよい。例えば、異常検出部２３は、生成された所見情報を医師ＤＴに提示する。医師ＤＴは、提示された所見情報を承認するか否かを決定する。問診内容蓄積部２４は、医師ＤＴから承認された所見情報に基づいて患者ＰへのメッセージＭＳを生成する。これにより、異常検出部２３は、医師ＤＴから承認が得られた所見情報に基づく質問を選択的に患者Ｐに提示することができる。
　異常検出部２３は、質問に対する患者Ｐの回答を学習したニューラルネットワーク（回答モデル）を用いて、患者ログに応じた回答情報を生成することができる。学習は、問診内容蓄積部４に蓄積されたデータを学習用データセットとして用いて行うことができる。
　例えば、医師ＤＴが選択したバイタルデータに関する質問について患者がむくみの症状を回答していたことが学習結果によって判明したとする。この場合、異常検出部２３は、過去の患者Ｐの回答履歴にしたがって「むくみの疑いがある」という回答情報を生成する。異常検出部２３が自動生成した回答情報は、患者Ｐが生成した回答とともに医療者端末４０に送信される。
　蓄積ログ再生部２２は、医師ＤＴが生成した質問と所見情報に基づく質問とを区別可能な態様で、質問の履歴を患者ログと紐づけて提示することができる。図２３は、医師ＤＴが生成した質問と所見情報に基づく質問と区別して表示する例を示す図である。
　図２３の例では、医師ＤＴが生成した質問については星型のマークＭＫが付されている。異常検出部２３が生成した所見情報に基づいて自動生成された質問については円いマークＭＫが付されている。患者Ｐからの回答の有無に応じてマークＭＫの表示態様（色、形状など）が異なっている。例えば、白色のマークＭＫ１，ＭＫ３は患者Ｐからの回答がない場合を示す。黒色のマークＭＫ２，ＭＫ４は患者Ｐからの回答があった場合を示す。
［８．ハードウェア構成例］
　図２４は、サーバ２０のハードウェア構成の一例を示す図である。
　サーバ２０の情報処理は、例えば、コンピュータ１０００によって実現される。コンピュータ１０００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１００、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒy）１２００、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１３００、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）１４００、通信インターフェイス１５００、および入出力インターフェイス１６００を有する。コンピュータ１０００の各部は、バス１０５０によって接続される。
　ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラム（プログラムデータ１４５０）に基づいて動作し、各部の制御を行う。たとえば、ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムをＲＡＭ１２００に展開し、各種プログラムに対応した処理を実行する。
　ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるＢＩＯＳ（Ｂａｓｉｃ　Ｉｎｐｕｔ　Ｏｕｔｐｕｔ　Ｓｙｓｔｅｍ）などのブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラムなどを格納する。
　ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータなどを非一時的に記録する、コンピュータが読み取り可能な非一時的記録媒体である。具体的には、ＨＤＤ１４００は、プログラムデータ１４５０の一例としての、実施形態にかかる情報処理プログラムを記録する記録媒体である。
　通信インターフェイス１５００は、コンピュータ１０００が外部ネットワーク１５５０（たとえばインターネット）と接続するためのインターフェイスである。たとえば、ＣＰＵ１１００は、通信インターフェイス１５００を介して、他の機器からデータを受信したり、ＣＰＵ１１００が生成したデータを他の機器へ送信したりする。
　入出力インターフェイス１６００は、入出力デバイス１６５０とコンピュータ１０００とを接続するためのインターフェイスである。たとえば、ＣＰＵ１１００は、入出力インターフェイス１６００を介して、キーボードやマウスなどの入力デバイスからデータを受信する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して、表示装置やスピーカーやプリンタなどの出力デバイスにデータを送信する。また、入出力インターフェイス１６００は、所定の記録媒体（メディア）に記録されたプログラムなどを読み取るメディアインターフェイスとして機能してもよい。メディアとは、たとえばＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）、ＰＤ（Ｐｈａｓｅ　ｃｈａｎｇｅ　ｒｅｗｒｉｔａｂｌｅ　Ｄｉｓｋ）などの光学記録媒体、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ　ｄｉｓｋ）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。
　たとえば、コンピュータ１０００が実施形態にかかるサーバ２０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされた情報処理プログラムを実行することにより、前述した各部の機能を実現する。また、ＨＤＤ１４００には、本開示にかかる情報処理プログラム、各種モデルおよび各種データが格納される。なお、ＣＰＵ１１００は、プログラムデータ１４５０をＨＤＤ１４００から読み取って実行するが、他の例として、外部ネットワーク１５５０を介して、他の装置からこれらのプログラムを取得してもよい。
［９．効果］
　サーバ２０は、ログ蓄積部２１、異常検出部２３および蓄積ログ再生部２２を有する。ログ蓄積部２１は、服薬日ごとの患者Ｐのバイタルデータを患者ログとして蓄積する。異常検出部２３は、患者ログから異常値を示す異常データを検出する。蓄積ログ再生部２２は、異常データを服薬日と関連付けて患者ログを再生する。本開示の情報処理方法は、サーバ２０の処理がコンピュータ１０００により実行される。本開示のプログラムは、サーバ２０の処理をコンピュータ１０００に実現させる。
　この構成によれば、服用した薬と患者Ｐの症状の変化との関係が客観的に把握される。そのため、的確な診断を行うことができる。
　異常検出部２３は、医師ＤＴの所見を学習した所見モデルを用いて、患者ログに応じた所見情報を生成する。
　この構成によれば、患者ログに現れる症状の変化が所見情報に適切に反映される。所見情報は、患者ログの監視結果に基づいて自動的に生成されるため、患者ログを監視する医師ＤＴの負担が減る。また、患者Ｐの症状の変化を見落とすことも少なくなる。
　異常検出部２３は、医師ＤＴから承認が得られた所見情報に基づく質問を選択的に患者Ｐに提示する。
　この構成によれば、不適切な質問が患者Ｐに届くことが抑制される。
　異常検出部２３は、質問に対する患者Ｐの回答を学習した回答モデルを用いて、患者ログに応じた回答情報を生成する。
　この構成によれば、患者Ｐの判断のブレによって不適切な診断が行われることが抑制される。回答情報は自動的に生成されるため、回答を行う患者Ｐの負担が減る。
　蓄積ログ再生部２２は、医師ＤＴが生成した質問と所見情報に基づく質問とを区別可能な態様で、質問の履歴を患者ログと紐づけて提示する。
　この構成によれば、質問の優先度を医師ＤＴが適切に判断することができる。
　サーバ２０は、問診内容蓄積部２４を有する。問診内容蓄積部２４は、質問の内容と質問に対する患者Ｐの回答とを紐づけて記憶する。
　この構成によれば、問診内容蓄積部２４に質問と回答のデータが集約される。問診内容蓄積部２４に集約されたデータを機械学習に用いれば、適切な回答モデルが生成される。
　問診内容蓄積部２４は、医師ＤＴが指定したデータ範囲に関する質問用のメッセージＭＳを生成する。
　この構成によれば、医師ＤＴは、自分でメッセージＭＳを作成しなくても、注目したデータ範囲を指定するだけで患者Ｐへの質問を実施することができる。
　問診内容蓄積部２４は、データ範囲の指定方法に基づいて、メッセージＭＳのテンプレートを変化させる。
　この構成によれば、複雑な機械学習を用いなくても適切なテンプレートが選択される。
　蓄積ログ再生部２２は、異常データを正常データと区別可能な態様で提示する。
　この構成によれば、服薬日と異常データとの関係が容易に把握される。
　蓄積ログ再生部２２は、異常の内容を示すタグＣＭを異常データと紐づけて提示する。
　この構成によれば、どのような異常が発生しているのかが的確に把握される。
　蓄積ログ再生部２２は、患者Ｐのバイタルデータ群から正常なバイタルデータ群を正常クラスタとして特定するためのＵＩを提示する。
　この構成によれば、患者Ｐごとに適切な正常クラスタを特定することができる。
　蓄積ログ再生部２２は、健常者のバイタルデータと類似するバイタルデータ群を安定候補として提示する。異常検出部２３は、医師ＤＴによって承認された安定候補を正常クラスタとして特定する。
　この構成によれば、簡便に正常クラスタを特定することができる。
　蓄積ログ再生部２２は、医師ＤＴによって指定された薬の服薬期間のバイタルデータ群を安定候補として提示する。異常検出部２３は、医師ＤＴによって承認された安定候補を正常クラスタとして特定する。
　この構成によれば、簡便に正常クラスタを特定することができる。
　蓄積ログ再生部２２は、医師ＤＴによって指定されたバイタルデータ群と類似するバイタルデータ群を安定候補として提示する。異常検出部２３は、医師ＤＴによって承認された安定候補を、医師ＤＴによって指定されたバイタルデータ群とともに正常クラスタとして特定する。
　この構成によれば、簡便に正常クラスタを特定することができる。
　蓄積ログ再生部２２は、バイタルデータのデータ空間を提示する。異常検出部２３は、医師ＤＴによって指定された空間に含まれるバイタルデータ群を正常クラスタとして特定する。
　この構成によれば、簡便に正常クラスタを特定することができる。
　なお、本明細書に記載された効果はあくまで例示であって限定されるものでは無く、また他の効果があってもよい。
［付記］
　なお、本技術は以下のような構成も採ることができる。
（１）
　服薬日ごとの患者のバイタルデータを患者ログとして蓄積するログ蓄積部と、
　前記患者ログから異常値を示す異常データを検出する異常検出部と、
　前記異常データを前記服薬日と関連付けて前記患者ログを再生する蓄積ログ再生部と、
　を有する情報処理装置。
（２）
　前記異常検出部は、医師の所見を学習した所見モデルを用いて、前記患者ログに応じた所見情報を生成する、
　上記（１）に記載の情報処理装置。
（３）
　前記異常検出部は、前記医師から承認が得られた前記所見情報に基づく質問を選択的に前記患者に提示する、
　上記（２）に記載の情報処理装置。
（４）
　前記異常検出部は、質問に対する前記患者の回答を学習した回答モデルを用いて、前記患者ログに応じた回答情報を生成する、
　上記（２）または（３）に記載の情報処理装置。
（５）
　前記蓄積ログ再生部は、前記医師が生成した質問と前記所見情報に基づく質問とを区別可能な態様で、前記質問の履歴を前記患者ログと紐づけて提示する、
　上記（４）に記載の情報処理装置。
（６）
　前記質問の内容と前記質問に対する前記患者の回答とを紐づけて記憶する問診内容蓄積部を有する、
　上記（４）または（５）に記載の情報処理装置。
（７）
　前記問診内容蓄積部は、前記医師が指定したデータ範囲に関する質問用のメッセージを生成する、
　上記（６）に記載の情報処理装置。
（８）
　前記問診内容蓄積部は、前記データ範囲の指定方法に基づいて、前記メッセージのテンプレートを変化させる、
　上記（７）に記載の情報処理装置。
（９）
　前記蓄積ログ再生部は、前記異常データを正常データと区別可能な態様で提示する、
　上記（１）ないし（８）のいずれか１つに記載の情報処理装置。
（１０）
　前記蓄積ログ再生部は、異常の内容を示すタグを前記異常データと紐づけて提示する、
　上記（１）ないし（９）のいずれか１つに記載の情報処理装置。
（１１）
　前記蓄積ログ再生部は、前記患者のバイタルデータ群から正常なバイタルデータ群を正常クラスタとして特定するためのＵＩを提示する、
　上記（１）ないし（１０）のいずれか１つに記載の情報処理装置。
（１２）
　前記蓄積ログ再生部は、健常者のバイタルデータと類似するバイタルデータ群を安定候補として提示し、
　前記異常検出部は、医師によって承認された前記安定候補を前記正常クラスタとして特定する、
　上記（１１）に記載の情報処理装置。
（１３）
　前記蓄積ログ再生部は、医師によって指定された薬の服薬期間のバイタルデータ群を安定候補として提示し、
　前記異常検出部は、前記医師によって承認された前記安定候補を前記正常クラスタとして特定する、
　上記（１１）に記載の情報処理装置。
（１４）
　前記蓄積ログ再生部は、医師によって指定されたバイタルデータ群と類似するバイタルデータ群を安定候補として提示し、
　前記異常検出部は、前記医師によって承認された前記安定候補を、前記医師によって指定されたバイタルデータ群とともに前記正常クラスタとして特定する、
　上記（１１）に記載の情報処理装置。
（１５）
　前記蓄積ログ再生部は、前記バイタルデータのデータ空間を提示し、
　前記異常検出部は、医師によって指定された空間に含まれるバイタルデータ群を前記正常クラスタとして特定する、
　上記（１１）に記載の情報処理装置。
（１６）
　服薬日ごとの患者のバイタルデータを患者ログとして蓄積し、
　前記患者ログから異常値を示す異常データを検出し、
　前記異常データを前記服薬日と関連付けて前記患者ログを再生する、
　ことを有する、コンピュータにより実行される情報処理方法。
（１７）
　服薬日ごとの患者のバイタルデータを患者ログとして蓄積し、
　前記患者ログから異常値を示す異常データを検出し、
　前記異常データを前記服薬日と関連付けて前記患者ログを再生する、
　ことをコンピュータに実現させるプログラム。
２０　サーバ（情報処理装置）
２１　ログ蓄積部
２２　蓄積ログ再生部
２３　異常検出部
２４　問診内容蓄積部
ＤＴ　医師
ＭＳ　メッセージ
Ｐ　患者

Claims (17)

  1. 　服薬日ごとの患者のバイタルデータを患者ログとして蓄積するログ蓄積部と、
    　前記患者ログから異常値を示す異常データを検出する異常検出部と、
    　前記異常データを前記服薬日と関連付けて前記患者ログを再生する蓄積ログ再生部と、
    　を有する情報処理装置。
  2. 　前記異常検出部は、医師の所見を学習した所見モデルを用いて、前記患者ログに応じた所見情報を生成する、
    　請求項１に記載の情報処理装置。
  3. 　前記異常検出部は、前記医師から承認が得られた前記所見情報に基づく質問を選択的に前記患者に提示する、
    　請求項２に記載の情報処理装置。
  4. 　前記異常検出部は、質問に対する前記患者の回答を学習した回答モデルを用いて、前記患者ログに応じた回答情報を生成する、
    　請求項２に記載の情報処理装置。
  5. 　前記蓄積ログ再生部は、前記医師が生成した質問と前記所見情報に基づく質問とを区別可能な態様で、前記質問の履歴を前記患者ログと紐づけて提示する、
    　請求項４に記載の情報処理装置。
  6. 　前記質問の内容と前記質問に対する前記患者の回答とを紐づけて記憶する問診内容蓄積部を有する、
    　請求項４に記載の情報処理装置。
  7. 　前記問診内容蓄積部は、前記医師が指定したデータ範囲に関する質問用のメッセージを生成する、
    　請求項６に記載の情報処理装置。
  8. 　前記問診内容蓄積部は、前記データ範囲の指定方法に基づいて、前記メッセージのテンプレートを変化させる、
    　請求項７に記載の情報処理装置。
  9. 　前記蓄積ログ再生部は、前記異常データを正常データと区別可能な態様で提示する、
    　請求項１に記載の情報処理装置。
  10. 　前記蓄積ログ再生部は、異常の内容を示すタグを前記異常データと紐づけて提示する、
    　請求項１に記載の情報処理装置。
  11. 　前記蓄積ログ再生部は、前記患者のバイタルデータ群から正常なバイタルデータ群を正常クラスタとして特定するためのＵＩを提示する、
    　請求項１に記載の情報処理装置。
  12. 　前記蓄積ログ再生部は、健常者のバイタルデータと類似するバイタルデータ群を安定候補として提示し、
    　前記異常検出部は、医師によって承認された前記安定候補を前記正常クラスタとして特定する、
    　請求項１１に記載の情報処理装置。
  13. 　前記蓄積ログ再生部は、医師によって指定された薬の服薬期間のバイタルデータ群を安定候補として提示し、
    　前記異常検出部は、前記医師によって承認された前記安定候補を前記正常クラスタとして特定する、
    　請求項１１に記載の情報処理装置。
  14. 　前記蓄積ログ再生部は、医師によって指定されたバイタルデータ群と類似するバイタルデータ群を安定候補として提示し、
    　前記異常検出部は、前記医師によって承認された前記安定候補を、前記医師によって指定されたバイタルデータ群とともに前記正常クラスタとして特定する、
    　請求項１１に記載の情報処理装置。
  15. 　前記蓄積ログ再生部は、前記バイタルデータのデータ空間を提示し、
    　前記異常検出部は、医師によって指定された空間に含まれるバイタルデータ群を前記正常クラスタとして特定する、
    　請求項１１に記載の情報処理装置。
  16. 　服薬日ごとの患者のバイタルデータを患者ログとして蓄積し、
    　前記患者ログから異常値を示す異常データを検出し、
    　前記異常データを前記服薬日と関連付けて前記患者ログを再生する、
    　ことを有する、コンピュータにより実行される情報処理方法。
  17. 　服薬日ごとの患者のバイタルデータを患者ログとして蓄積し、
    　前記患者ログから異常値を示す異常データを検出し、
    　前記異常データを前記服薬日と関連付けて前記患者ログを再生する、
    　ことをコンピュータに実現させるプログラム。
PCT/JP2022/046376 2022-01-05 2022-12-16 情報処理装置、情報処理方法およびプログラム WO2023132202A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022000614 2022-01-05
JP2022-000614 2022-01-05

Publications (1)

Publication Number Publication Date
WO2023132202A1 true WO2023132202A1 (ja) 2023-07-13

Family

ID=87073523

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/046376 WO2023132202A1 (ja) 2022-01-05 2022-12-16 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) WO2023132202A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018010330A (ja) * 2014-11-21 2018-01-18 富士フイルム株式会社 時系列データ表示制御装置、その作動方法及びプログラム、並びにシステム
JP2018151993A (ja) * 2017-03-14 2018-09-27 オムロン株式会社 投薬支援装置、方法及びプログラム
JP2019164608A (ja) * 2018-03-20 2019-09-26 テルモ株式会社 生体情報表示装置
JP6949277B1 (ja) * 2021-01-15 2021-10-13 三菱電機株式会社 未病診断装置、未病診断方法及び学習モデル生成装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018010330A (ja) * 2014-11-21 2018-01-18 富士フイルム株式会社 時系列データ表示制御装置、その作動方法及びプログラム、並びにシステム
JP2018151993A (ja) * 2017-03-14 2018-09-27 オムロン株式会社 投薬支援装置、方法及びプログラム
JP2019164608A (ja) * 2018-03-20 2019-09-26 テルモ株式会社 生体情報表示装置
JP6949277B1 (ja) * 2021-01-15 2021-10-13 三菱電機株式会社 未病診断装置、未病診断方法及び学習モデル生成装置

Similar Documents

Publication Publication Date Title
Greenhalgh et al. Remote management of covid-19 using home pulse oximetry and virtual ward support
Ryding et al. The use of social networking sites, body image dissatisfaction, and body dysmorphic disorder: A systematic review of psychological research.
Happ et al. Nurse-patient communication interactions in the intensive care unit
Toly et al. Families with children who are technology dependent: normalization and family functioning
O'Brien et al. Use and interpretation of ambulatory blood pressure monitoring: recommendations of the British Hypertension Society
Werner et al. Agreement rates between actigraphy, diary, and questionnaire for children's sleep patterns
Kukull et al. Dementia and Alzheimer disease incidence: a prospective cohort study
US8355925B2 (en) Methods of assessing risk based on medical data and uses thereof
Cordova et al. A telemedicine-based intervention reduces the frequency and severity of COPD exacerbation symptoms: a randomized, controlled trial
Burton et al. Changes in telemonitored physiological variables and symptoms prior to exacerbations of chronic obstructive pulmonary disease
US11120906B2 (en) System for improving patient medical treatment plan compliance
Brookman-Frazee et al. Predicting frequency of treatment visits in community-based youth psychotherapy.
Lemeshow et al. Subjective social status in the school and change in adiposity in female adolescents: findings from a prospective cohort study
Pecina et al. Telemonitoring increases patient awareness of health and prompts health-related action: initial evaluation of the TELE-ERA study
Chipps et al. Longitudinal validation of the Test for Respiratory and Asthma Control in Kids in pediatric practices
Echarri et al. The Harvey–Bradshaw index adapted to a mobile application compared with in-clinic assessment: The MediCrohn Study
Campbell et al. Toward a better understanding of the reciprocal relations between adolescent psychological need experiences and sleep
Gerdes et al. The EU project “United4Health”: Results and experiences from automatic health status assessment in a Norwegian telemedicine trial system
Ponathil et al. An empirical study investigating the user acceptance of a virtual conversational agent interface for family health history collection among the geriatric population
Knight et al. Mental health and physical health of family caregivers for persons with dementia: A comparison of African American and white caregivers
Ll. Wood et al. Assessment of neurobehavioural disability: a review of existing measures and recommendations for a comprehensive assessment tool
JP6490433B2 (ja) 病名診断装置、病名診断プログラム、及びそのプログラムを記憶したコンピュータ読取可能な記録媒体
Griggs et al. Objective sleep-wake characteristics are associated with diabetes symptoms in young adults with type 1 diabetes
Wilson et al. The effect of interventions to alter the consultation length of family physicians: a systematic review
Arzt et al. Registry on the treatment of central and complex sleep-disordered breathing with adaptive servo-ventilation (READ-ASV): protocol and cohort profile

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: 22918788

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE