WO2023210217A1 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

情報処理装置、情報処理方法、及びプログラム Download PDF

Info

Publication number
WO2023210217A1
WO2023210217A1 PCT/JP2023/011477 JP2023011477W WO2023210217A1 WO 2023210217 A1 WO2023210217 A1 WO 2023210217A1 JP 2023011477 W JP2023011477 W JP 2023011477W WO 2023210217 A1 WO2023210217 A1 WO 2023210217A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
subject
waveform
average value
pulse
Prior art date
Application number
PCT/JP2023/011477
Other languages
English (en)
French (fr)
Inventor
敬 長野
錦涛 黄
良夫 齋藤
康弘 村井
達朗 馬場
Original Assignee
Tdk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 Tdk株式会社 filed Critical Tdk株式会社
Publication of WO2023210217A1 publication Critical patent/WO2023210217A1/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
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics

Definitions

  • the present disclosure relates to an information processing device, an information processing method, and a program.
  • This application claims priority based on Japanese Patent Application No. 2022-074662 filed in Japan on April 28, 2022, the contents of which are incorporated herein.
  • a herbal medicine doctor diagnoses the symptoms of multiple subjects based on a database that includes information that associates the symptoms of the subjects with the history of prescriptions of Chinese herbal medicine to the subjects.
  • An information processing device is known that outputs information indicating a prescription for a Chinese herbal medicine that is associated with the symptoms of a target subject (see Patent Document 1).
  • the symptoms of the target test subject described in Patent Document 1 include headache, dizziness, menopausal disorder, etc., and are based on the physical or mental state of the test subject as diagnosed by a Chinese herbalist. That's true. Therefore, in the information processing device described in Patent Document 1, a Chinese herbalist diagnoses symptoms based on diagnostic methods such as interview, facial examination, tongue examination, abdominal examination, and pulse examination, and displays the diagnosis results. It is necessary to input information into the information processing device. For this reason, the information processing device may not be able to sufficiently reduce the effort required for a Chinese herbalist to prescribe a Chinese herbal medicine to a target subject.
  • the present disclosure has been made in consideration of such circumstances, and provides an information processing device, an information processing method, and a program that can reduce the effort required for a Chinese medicine doctor to prescribe a Chinese medicine to a first subject.
  • the challenge is to provide the following.
  • One aspect of the present disclosure provides output information including Chinese herbal medicine candidate information indicating a Chinese herbal medicine candidate to be prescribed to the first subject, based on first waveform information indicating a pulse wave waveform of the first subject. comprising a prescription candidate output unit for outputting; It is an information processing device.
  • one aspect of the present disclosure provides an output including Chinese herbal medicine candidate information indicating a candidate for a Chinese herbal medicine to be prescribed to the first subject based on first waveform information indicating a pulse wave waveform of the first subject.
  • This is an information processing method including a prescription candidate output step of outputting information.
  • one aspect of the present disclosure provides Chinese herbal medicine candidate information indicating a Chinese herbal medicine candidate to be prescribed to the first subject based on first waveform information indicating a pulse wave waveform of the first subject.
  • This is a program for executing a prescription candidate output step of outputting output information including.
  • FIG. 1 is a diagram illustrating an example of the configuration of an information processing system 1 including an information processing device 20.
  • FIG. 2 is a diagram illustrating an example of a hardware configuration of an information processing device 20.
  • FIG. 2 is a diagram illustrating an example of a functional configuration of an information processing device 20.
  • FIG. 2 is a diagram illustrating an example of the flow of processing in which the information processing device 20 generates waveform information.
  • FIG. FIG. 4 is a diagram illustrating an example of a process flow in which the information processing device 20 causes the first machine learning model to learn first correspondence information and causes the second machine learning model to learn second correspondence information. It is a figure which shows an example of the waveform shown by the waveform information at the time of learning matched with the target subject identification information selected in step S220.
  • FIG. 7 is an image diagram visualizing an example of the process of step S270.
  • FIG. 6 is an image diagram visualizing an example of the process of step S280.
  • FIG. 2 is a diagram illustrating an example of the flow of processing in which the information processing device 20 receives diagnosis result information. It is a figure which shows an example of information reception image PCT1.
  • FIG. 6 is a diagram showing an example of how six drop-down menus are displayed.
  • 2 is a diagram illustrating an example of a process flow in which the information processing device 20 outputs Chinese herbal medicine candidate information.
  • FIG. 7 is a diagram showing an example of the likelihood for each combination of six pulse types that can be selected as a target pulse type set.
  • FIG. 12 is an image diagram visualizing a flow in which the second machine learning model identifies one or more Chinese herbal medicine candidates that are estimated to be plausible as one or more Chinese herbal medicines to be prescribed to the subject S3.
  • pulse examination is known as a diagnostic method in Chinese medicine.
  • Pulse diagnosis is based on the idea that the characteristics that appear in the pulse wave according to the state of the organ is based on the idea that the characteristics that appear in the pulse wave according to the state of the organ are diagnosed.
  • the types of characteristics that appear in pulse waves depending on the state of an organ will be simply referred to as pulse types.
  • As a method for classifying pulse types according to the state of an organ for example, 28 diseased pulses is known, which classifies the characteristics appearing in a pulse wave into 28 types according to the state of an organ.
  • each of the 28 types of veins is divided into six veins called floating veins, sinking veins, slow veins, few veins, virtual veins, and real veins. classified as one of the species.
  • these six vein types will be referred to as six major vein types.
  • the category of floating veins includes six vein types: floating veins, kou veins (the Chinese character with a crown above the hole), hong veins, leather veins, wet veins, and scatter veins.
  • the category of sink veins includes four vein types: sink veins, dip veins, weak veins, and dungeon veins.
  • the category of slow reticular pulse includes five types of pulses: slow pulse, slow pulse, astringent pulse, conjunctival pulse, and venous vein.
  • the category of reticular pulses includes three types of pulses: reticular pulses, arterial pulses, and facilitatory pulses.
  • the category of ischemic veins includes four types of veins: ischemic veins, short veins, veinlets, and microvenules.
  • the category of real veins includes six vein types: real vein, long vein, chordal vein, tense vein, smooth vein, and major vein.
  • the Chinese medicine doctor diagnosed the characteristics of the subject's pulse wave and determined the main disease by assigning a diagnostic name to the eight-pronged pulse, which is the most frequently seen in the pulse wave among the 28 diseased pulses.
  • a Chinese herbalist's pulse diagnosis is directly linked to herbal medicine prescriptions.
  • the effects of Chinese medicine prescribed by Chinese herbalists are based on statistics.
  • the qualitative diagnostic method of Chinese medicine is a relative diagnosis based on the subjectivity of the examiner, which captures the imbalance from the normal state of each patient. is considered basic. For this reason, it is considered appropriate to use statistical methods to accumulate data on the diagnostic results of Chinese herbalists with advanced experience and create a mathematical model.
  • diagnosis itself by Chinese herbalists includes diagnostic bias, there is currently insufficient understanding of the statistical methods involved.
  • pulse diagnosis which plays a large role in Chinese medicine diagnosis, it is necessary to accurately acquire waveform information indicating the waveform of the pulse wave, to remove noise from the acquired waveform information, and to extract feature values from multiple continuous waveform information.
  • pulse diagnosis which plays a large role in Chinese medicine diagnosis, it is necessary to accurately acquire waveform information indicating the waveform of the pulse wave, to remove noise from the acquired waveform information, and to extract feature values from multiple continuous waveform information.
  • pulse diagnosis which plays a large role in Chinese medicine diagnosis, it is necessary to accurately acquire waveform information indicating the waveform of the pulse wave, to remove noise from the acquired waveform information
  • Reference 1 describes a wristwatch-type 24-hour wearable pulse wave monitoring device.
  • This 24-hour wearable pulse wave monitoring device is a device that performs health management based on exercise and heart rate.
  • Reference 2 describes a device that detects indicators representing the characteristics of blood pressure waveforms and determines the prescription of Western medical drugs such as Ca antagonists and ⁇ -blockers based on systolic blood pressure and AI (Augmentation Index) values. .
  • Reference 3 describes a device that estimates blood sugar levels by using the correlation between the AI value of blood pressure waveforms and postprandial blood sugar levels.
  • this information processing device is based on a database that includes information for each of a plurality of subjects, in which the symptoms of the subject are associated with the history of prescriptions of Chinese herbal medicines to the subject. Then, the Chinese herbal medicine doctor outputs information indicating the prescription of the Chinese herbal medicine that is associated with the symptoms of the target subject whose symptoms are to be diagnosed.
  • the symptoms of the target test subject described in Patent Document 1 include headache, dizziness, menopausal disorder, etc., and are based on the physical or mental state of the test subject as diagnosed by a Chinese herbalist. That's true. Therefore, in the information processing device described in Patent Document 1, a Chinese herbalist diagnoses symptoms based on diagnostic methods such as interview, facial examination, tongue examination, abdominal examination, and pulse examination, and displays the diagnosis results. It is necessary to input information into the information processing device. For this reason, the information processing device may not be able to sufficiently reduce the effort required for a Chinese herbalist to prescribe a Chinese herbal medicine to a target subject.
  • the information processing device includes Chinese herbal medicine candidate information indicating candidates for Chinese herbal medicine to be prescribed to the first subject, based on first waveform information indicating the waveform of the pulse wave of the first subject. It includes a prescription candidate output unit that outputs output information.
  • the information processing device can automate the process from pulse diagnosis to prescription of Chinese medicine.
  • the information processing device can reduce the effort required for the Chinese medicine doctor to prescribe the Chinese medicine to the first subject.
  • the configuration of the information processing apparatus according to the embodiment will be described using the information processing apparatus 20 as an example of the information processing apparatus according to the embodiment.
  • the subject's symptoms refer to the subject's physical or mental state diagnosed by a Chinese herbalist. Therefore, in the embodiment, the symptoms of a certain subject do not include the subject's pulse wave and the waveform of the pulse wave.
  • FIG. 1 is a diagram showing an example of the configuration of an information processing system 1 including an information processing device 20.
  • the three-dimensional coordinate system TC is a three-dimensional orthogonal coordinate system that indicates the direction in the drawing in which the three-dimensional coordinate system TC is drawn.
  • the X-axis in the three-dimensional coordinate system TC will be simply referred to as the X-axis.
  • the Y-axis in the three-dimensional coordinate system TC will be simply referred to as the Y-axis.
  • the Z axis in the three-dimensional coordinate system TC will be simply referred to as the Z axis in the following description.
  • the positive direction of the Z-axis will be referred to as an upward direction
  • the negative direction of the Z-axis will be referred to as a downward direction.
  • the information processing system 1 includes a pulse wave detection device 10 and an information processing device 20 that is an example of an information processing device according to an embodiment.
  • the pulse wave detection device 10 detects the pulse wave of the subject.
  • the subject may be any person whose pulse wave is detected by the pulse wave detection device 10.
  • the pulse wave detection device 10 may have any configuration as long as it is capable of detecting the pulse wave of the subject.
  • the pulse wave detection device 10 includes a first member 11 on which one arm of a subject can be placed and fixed, and a first member 11 that can be placed in contact with one arm of the subject fixed by the first member 11.
  • the device includes a pulse wave sensor 12 that detects a pulse wave of a subject, and a second member 13 that supports the pulse wave sensor 12.
  • the first member 11 is, for example, a table on which one arm of the subject can be placed and fixed. Note that the first member 11 may be configured to be able to move the relative position of one arm of the subject with respect to the pulse wave sensor 12 along a horizontal plane; The configuration may be such that it is impossible to do so.
  • the pulse wave sensor 12 may be any sensor as long as it is capable of detecting the pulse wave of the subject.
  • the pulse wave sensor 12 may be a sensor using MEMS (Micro Electro Mechanical Systems) that can detect pulse waves as pressure fluctuations. ) Pressure sensors, etc.
  • the pulse wave sensor 12 is communicably connected to the information processing device 20 by wire or wirelessly. Therefore, the pulse wave sensor 12 detects the pressure of the pulse wave and outputs an electrical signal corresponding to the detected pressure to the information processing device 20.
  • the information processing device 20 can generate waveform information indicating the waveform of the subject's pulse wave within the measurement period based on the electrical signal acquired from the pulse wave sensor 12 within the predetermined measurement period. .
  • the second member 13 may have any configuration as long as it can support the pulse wave sensor 12. Further, the second member 13 may have a configuration in which the position of the pulse wave sensor 12 in the vertical direction (that is, the height of the pulse wave sensor 12) can be adjusted, and it is not necessary to adjust the position. It may be a possible configuration.
  • the information processing device 20 acquires an electrical signal from the pulse wave sensor 12 within a measurement period specified by the user in accordance with an operation received from the user.
  • the information processing device 20 generates waveform information indicating the waveform of the subject's pulse wave based on the electrical signal acquired from the pulse wave sensor 12 during the measurement period.
  • the information processing device 20 stores the generated waveform information.
  • the information processing device 20 Based on the stored waveform information, the information processing device 20 identifies candidates for Chinese herbal medicines to be prescribed to the subject. After specifying the Chinese herbal medicine candidate, the information processing device 20 generates output information including Chinese herbal medicine candidate information indicating the identified Chinese herbal medicine candidate. After generating the output information, the information processing device 20 outputs the generated output information. Thereby, the information processing device 20 can reduce the effort required for a Chinese medicine doctor to prescribe a Chinese medicine to a subject.
  • the information processing device 20 uses, for example, a first machine learning model that has learned the first correspondence information in advance, a second machine learning model that has learned the second correspondence information in advance, and waveform information that has been stored in advance. Based on this, candidates for Chinese herbal medicines to be prescribed to the subject are identified.
  • the first correspondence information is a correspondence between one or more waveform indicators indicating characteristics of the waveform indicated by the waveform information indicating the waveform of the subject's pulse wave and diagnosis result information indicating the diagnosis result of the subject by the Chinese medicine doctor. This refers to the information that has been received.
  • the first machine learning model is a machine learning model that has learned the first correspondence information.
  • the first machine learning model when inputting one or more waveform indicators indicating characteristics of a pulse wave waveform of a certain subject, indicates a diagnosis result that is estimated to be a likely diagnosis result of the subject by a Chinese herbalist doctor. Output diagnostic result information.
  • the second correspondence information includes, for each subject, diagnosis result information indicating the diagnosis result of the subject by the herbalist doctor, and herbal medicine information indicating each of one or more herbal medicines prescribed to the subject by the herbalist doctor. This is the information that is associated with.
  • the second machine learning model is a machine learning model that has learned the second correspondence information.
  • the second machine learning model selects one or more Chinese medicines that are likely to be prescribed as one or more Chinese medicines to be prescribed to the subject corresponding to the diagnosis result information.
  • Chinese herbal medicine candidate information indicating each of the Chinese herbal medicine candidates is output.
  • the information processing device 20 uses the first machine learning model and the second machine learning model to identify candidates for Chinese herbal medicines to be prescribed to the subject.
  • the information processing device 20 can output Chinese herbal medicine candidate information indicating one or more Chinese herbal medicine candidates to be prescribed to the subject, excluding at least part of the subjectivity of the Chinese medicine doctor.
  • the information processing device 20 can reduce the time and effort required for a Chinese herbalist to prescribe Chinese medicine to a subject, and can also prescribe Chinese herbal medicine to a subject without being influenced by the experience of the herbalist. Prescriptions can be made with high precision. Note that details of each of the one or more waveform indicators and the diagnosis result information will be described later.
  • the information processing device 20 is, for example, an information processing device such as a notebook PC (Personal Computer), a desktop PC, a workstation, a tablet PC, a multifunctional mobile phone terminal (smartphone), a mobile phone terminal, a PDA (Personal Digital Assistant), etc. However, it is not limited to these.
  • FIG. 2 is a diagram showing an example of the hardware configuration of the information processing device 20. As shown in FIG.
  • the information processing device 20 includes, for example, a processor 21, a storage section 22, an input reception section 23, a communication section 24, and a display section 25. Further, the information processing device 20 communicates with the pulse wave detection device 10 via the communication unit 24. These components are communicatively connected to each other via a bus.
  • the processor 21 is, for example, a CPU (Central Processing Unit). Note that the processor 21 may be another processor such as an FPGA (Field Programmable Gate Array) instead of the CPU.
  • the processor 21 executes various programs stored in the storage unit 22. Note that the processor 21 may be configured by a CPU included in one information processing device (in this example, the information processing device 20), or may be configured by CPUs included in a plurality of information processing devices.
  • the storage unit 22 includes, for example, an HDD (Hard Disk Drive), an SSD (Solid State Drive), an EEPROM (Electrically Erasable Programmable Read Only Memory), a ROM (Read Only Memory), and a RAM (Random Access Memory).
  • the storage unit 22 may be an external storage device connected to a digital input/output port such as a USB (Universal Serial Bus), instead of being built into the information processing device 20.
  • the storage unit 22 stores various information, various programs, etc. processed by the information processing device 20.
  • the storage unit 22 stores the above-mentioned waveform information, the first machine learning model, the second machine learning model, and the like.
  • the storage unit 22 may be configured by one storage device or may be configured by a plurality of storage devices. Further, the plurality of storage devices may include a storage device provided in an information processing device separate from the information processing device 20.
  • the input reception unit 23 is an input device such as a keyboard, mouse, touch pad, etc. Note that the input receiving section 23 may be a touch panel configured integrally with the display section 25.
  • the communication unit 24 includes, for example, a digital input/output port such as a USB, an Ethernet (registered trademark) port, a communication antenna, and the like.
  • the display unit 25 is, for example, a display panel such as a liquid crystal display panel or an organic EL (Electro Luminescence) display panel.
  • a display panel such as a liquid crystal display panel or an organic EL (Electro Luminescence) display panel.
  • FIG. 3 is a diagram showing an example of the functional configuration of the information processing device 20. As shown in FIG. 3
  • the information processing device 20 includes a storage section 22, an input reception section 23, a communication section 24, a display section 25, and a control section 26.
  • the control unit 26 controls the entire information processing device 20.
  • the control unit 26 includes an acquisition unit 261, a reception unit 262, a calculation unit 263, a prescription candidate output unit 264, a first learning unit 265, a second learning unit 266, a display control unit 267, and a generation unit 268. Equipped with These functional units included in the control unit 26 are realized, for example, by the processor 21 executing various programs stored in the storage unit 22. Further, some or all of the functional units may be a hardware functional unit such as an LSI (Large Scale Integration) or an ASIC (Application Specific Integrated Circuit).
  • LSI Large Scale Integration
  • ASIC Application Specific Integrated Circuit
  • the acquisition unit 261 acquires the electrical signal output from the pulse wave sensor 12.
  • the reception unit 262 receives various information from the user.
  • the calculation unit 263 calculates various values calculated by the information processing device 20. For example, the calculation unit 263 calculates, based on certain waveform information, one or more waveform indices indicating the characteristics of the waveform indicated by the waveform information.
  • the prescription candidate output unit 264 generates the above-mentioned output information and outputs the generated output information. For example, the prescription candidate output unit 264 outputs the generated output information to the storage unit 22, and causes the storage unit 22 to store the output information.
  • the first learning unit 265 causes the first machine learning model to learn the first correspondence information.
  • the second learning unit 266 causes the second machine learning model to learn the second correspondence information.
  • the display control unit 267 generates various images.
  • the display control unit 267 causes the display unit 25 to display the generated image.
  • the generation unit 268 generates waveform information indicating the waveform of the subject's pulse wave based on the electrical signal acquired by the acquisition unit 261.
  • FIG. 4 is a diagram illustrating an example of a process flow in which the information processing device 20 generates waveform information.
  • the information processing apparatus 20 receives a first operation that causes the information processing apparatus 20 to start the process of generating waveform information at a timing before the process of step S110 shown in FIG. 4 is performed. I will explain the case where there is.
  • the information processing device 20 receives an operation that specifies a period from the timing at which the first operation is received until the first time specified by the user has elapsed as the measurement period.
  • the first time is, for example, one minute, but may alternatively be shorter than one minute or longer than one minute.
  • the pulse wave detection device 10 starts detecting the pulse wave of the subject S1 at the timing.
  • the pulse wave sensor 12 starts outputting the above-mentioned electrical signal to the information processing device 20.
  • the information processing device 20 receives patient identification information for identifying the patient S1 at the timing.
  • the acquisition unit 261 After receiving the first operation, acquires an electrical signal from the pulse wave sensor 12 at a predetermined sampling period within the measurement period until the first time elapses (step S110). Note that in the embodiment, the process of converting this electrical signal from an analog signal to a digital signal is a known process, and therefore a description thereof will be omitted.
  • the sampling period is, for example, 0.002 seconds, but instead may be a period shorter than 0.002 seconds or a period longer than 0.002 seconds.
  • the acquisition unit 261 causes the storage unit 22 to store information indicating the electrical signal acquired within the measurement period in this manner.
  • the generation unit 268 generates waveform information indicating the waveform of the pulse wave of the subject S1 within the measurement period based on the information indicating the electrical signal stored in the storage unit 22 in step S110 (step S120 ).
  • the method for generating the waveform information based on the information may be a known method or a method to be developed in the future.
  • the information processing device 20 may be configured to perform the process in step S120 in parallel with the process in step S110.
  • the generation unit 268 causes the storage unit 22 to store the waveform information generated in step S120 (step S130). At this time, the generation unit 268 causes the storage unit 22 to store the subject identification information received in advance (that is, the subject identification information identifying the subject S1) in association with the waveform information. After the process of step S130 is performed, the generation unit 268 ends the process of the flowchart shown in FIG. 4.
  • the information processing device 20 can cause the storage unit 22 to store waveform information for each subject.
  • FIG. 5 is a diagram illustrating an example of a process flow in which the information processing device 20 causes the first machine learning model to learn the first correspondence information and causes the second machine learning model to learn the second correspondence information.
  • N pieces of waveform information generated by the process of the flowchart shown in FIG. 4 are stored in the storage unit 22 at a timing before the process of step S210 shown in FIG. 5 is performed.
  • N may be any integer greater than or equal to 1.
  • These N pieces of waveform information are waveform information for each of the N subjects. Therefore, for convenience of explanation, each of these N subjects will be referred to as a learning subject in the following description. Further, for convenience of explanation, the waveform information for each of the N learning subjects will be referred to as learning waveform information in the following description. That is, below, as an example, a case will be described in which learning waveform information indicating the waveform of the pulse wave of each of N learning subjects is stored in the storage unit 22 at the timing. Further, below, as an example, a case will be described in which N pieces of diagnosis result information are stored in the storage unit 22 at the timing.
  • the diagnosis result information regarding a certain study subject is information indicating the diagnosis result of the study subject by a Chinese herbalist.
  • diagnostic result information regarding a certain learning subject is associated with subject identification information that identifies the learning subject.
  • N pieces of Chinese herbal medicine information are stored in the storage unit 22 at the timing.
  • These N pieces of Chinese herbal medicine information are Chinese herbal medicine information for each of the N learning subjects.
  • the Chinese herbal medicine information for a certain learning subject is information indicating each of one or more Chinese herbal medicines that a Chinese medicine doctor has prescribed to the learning subject.
  • Chinese herbal medicine information regarding a certain study subject is associated with subject identification information that identifies the study subject.
  • the control unit 26 reads each of the N pieces of learning waveform information stored in advance in the storage unit 22 from the storage unit 22 (step S210). In addition, in FIG. 5, the process of step S210 is shown as "waveform information reading".
  • control unit 26 selects one piece of subject identification information associated with each of the N pieces of learning waveform information read out in step S210 as target subject identification information, and The processes of steps S230 to S270 are repeated for each examiner identification information (step S220).
  • the process of step S220 is shown by "each subject identification information.”
  • the first learning unit 265 refers to the N pieces of diagnostic result information stored in the storage unit 22 and identifies the target patient identified in step S220. Diagnosis result information associated with the information is read from the storage unit 22 (step S230).
  • the diagnosis result information regarding a certain study subject is information indicating the diagnosis result of the study subject by a Chinese medicine doctor.
  • the pulse wave of the subject at the time of learning includes one of the pulse types included in the category of floating veins and one of the pulse types included in the category of sinking veins.
  • one of the pulse types included in the category of slow reticular pulses one of the pulse types included in the category of few reticular pulses, one of the pulse types included in the category of imaginary reticular pulses, It is believed that at least six vein types in total, one of which is included in the category of real veins, appear.
  • the information processing device 20 generates a combination of the six pulse types included in the pulse wave of the learning subject as information indicating the result of having the Chinese herbalist doctor diagnose the learning subject in advance.
  • the information indicating this is accepted as diagnosis result information.
  • the combination of the six vein types will be referred to as a target vein type set. That is, the diagnosis result information is information indicating the target pulse type set. Note that other information may be associated with this diagnosis result information.
  • information about the subject at the time of learning, information indicating the detection position of the pulse wave of the subject at the time of learning, and information indicating the past illness of the subject at the time of learning are associated with the diagnostic result information.
  • the information regarding the learning subject includes, for example, information indicating the gender of the learning subject, information indicating the age of the learning subject, and height of the learning subject. information, and information indicating the weight of the subject at the time of learning.
  • the first learning unit 265 refers to the N pieces of Chinese herbal medicine information stored in the storage unit 22 and extracts the Chinese herbal medicine information associated with the target patient identification information selected in step S220 from the storage unit 22. Read out (step S240).
  • the calculation unit 263 selects the learning waveform information associated with the target subject identification information selected in step S220 from the learning waveform information read out in step S210, and selects the learning waveform information associated with the target subject identification information selected in step S220.
  • One or more waveform indices indicating characteristics of the waveform indicated by the waveform information are calculated (step S250).
  • each of one or more waveform indices calculated based on the learning waveform information will be referred to as a learning waveform index.
  • FIG. 6 is a diagram illustrating an example of a waveform indicated by the learning waveform information associated with the target subject identification information selected in step S220.
  • the vertical axis of the graph shown in FIG. 6 indicates the signal amplitude of the pulse wave. Further, the horizontal axis of the graph indicates elapsed time.
  • the curve plotted on the graph indicates the waveform.
  • the waveform includes multiple waves. Below, as an example, a case will be described in which the number of waves included in the waveform is M. M may be any integer as long as it is 2 or more.
  • the calculation unit 263 calculates the first peak value, the second peak value, the lower limit value, the fluctuation width, the first Six values of period and second period are calculated.
  • the first peak value of a certain wave among the M waves is the largest displacement among the displacements of the wave.
  • the second peak value of a certain wave among the M waves is the second largest displacement among the displacements of the wave.
  • the lower limit value of a certain wave among the M waves is the smallest displacement among the displacements of the wave.
  • the fluctuation range of a certain wave among the M waves is the value obtained by subtracting the lower limit value of the wave from the first peak value of the wave.
  • the first period of a certain wave among the M waves is the period of that wave.
  • the second period of a certain wave among the M waves is the time from the first peak of the wave to the second peak of the wave.
  • the first peak of the wave is the timing when the displacement of the wave reaches the first peak value.
  • the second peak of the wave is the timing when the displacement of the wave reaches the second peak value.
  • FIG. 7 shows the m-th wave of the M waves included in the waveform indicated by the learning waveform information associated with the target subject identification information selected in step S220, and the wave. It is a figure which visually shows an example of each of the 1st peak value P1m, the 2nd peak value P2m, the lower limit value P3m, the 1st period t1m, and the 2nd period t2m of.
  • the calculation unit 263 calculates a first average value P1, a second average value P2, a third average value P3, and a fourth average value P4 based on these six values calculated for each of the M waves.
  • the fifth average value P5 for the M waves is the average value of the first peak values of each of the M waves.
  • the second average value P2 for the M waves is the average value of the second peak values of each of the M waves.
  • the third average value P3 for the M waves is the average value of the lower limit values of each of the M waves.
  • the fourth average value P4 for the M waves is the average value of the fluctuation range of each of the M waves.
  • the fifth average value P5 for the M waves is the average value of the first period of each of the M waves.
  • the sixth average value P6 for the M waves is the average value of the second period of each of the M waves.
  • the seventh average value P7 for the M waves is a value obtained by dividing the difference between the second average value P2 and the third average value P3 by the difference between the first average value P1 and the third average value P3.
  • the first standard deviation Sd1 for the M waves is the standard deviation of the fluctuation range.
  • the second standard deviation Sd2 for the M waves is the standard deviation of the first period. Note that calculating each of the first standard deviation Sd1 and the fifth average value P5 can be associated with diagnosing cardiac tachycardia and bradycardia.
  • calculating the seventh average value P7 can be associated with diagnosis of cardiac aorta ejection (diagnosis of the states of cardiac output, left ventricular contraction, and left atrial capacity). Further, the calculation unit 263 calculates the first average value P1, the second average value P2, the third average value P3, the fourth average value P4, the fifth average value P5, the sixth average value P6, and the third average value P3.
  • the configuration may be such that a part of the seven average value P7, the first standard deviation Sd1, and the second standard deviation Sd2 is calculated as one or more waveform indicators based on the learning waveform information. Note that, in FIG.
  • a waveform that is detected relatively frequently that is, a waveform that has two peak values
  • one or more waveform indices are calculated by the same process as that described in FIG. 6 even if the pulse wave of the subject has three or more peak values.
  • the first learning unit 265 After the process of step S250 is performed, the first learning unit 265 generates first correspondence information (step S260). More specifically, the first learning unit 265 generates, as first correspondence information, information that associates one or more waveform indices calculated in step S250 with the diagnosis result information read out in step S230. At this time, the first learning unit 265 generates vector X and vector Y, respectively.
  • the vector X is a vector having nine components x1 to x9.
  • x1 is a variable to which the first average value P1 is substituted.
  • x2 is a variable to which the second average value P2 is substituted.
  • x3 is a variable to which the third average value P3 is substituted.
  • x4 is a variable to which the fourth average value P4 is substituted.
  • x5 is a variable to which the fifth average value P5 is substituted.
  • x6 is a variable to which the sixth average value P6 is substituted.
  • x7 is a variable to which the seventh average value P7 is substituted.
  • x8 is a variable to which the first standard deviation Sd1 is substituted.
  • x9 is a variable to which the second standard deviation Sd2 is substituted. That is, the first learning unit 265 generates the vector X as a vector having each of the one or more waveform indicators as components.
  • vector Y is a vector having 28 components y1 to y28.
  • y1 is a variable corresponding to floating veins.
  • y2 is a variable corresponding to the vein.
  • y3 is a variable corresponding to the high vein.
  • y4 is a variable corresponding to the revolution.
  • y5 is a variable corresponding to the wetting vein.
  • y6 is a variable corresponding to the venation.
  • y7 is a variable corresponding to the sinking vein.
  • y8 is a variable corresponding to the bending pulse.
  • y9 is a variable corresponding to weak pulse.
  • y10 is a variable corresponding to the prison vein.
  • y11 is a variable corresponding to slow pulse.
  • y12 is a variable corresponding to bradycardia.
  • y12 is a variable corresponding to congestion.
  • y14 is a variable corresponding to a connection.
  • y15 is a variable corresponding to the proxy vein.
  • y16 is a variable corresponding to the number pulse.
  • y17 is a variable corresponding to the artery.
  • y18 is a variable corresponding to prompting.
  • y19 is a variable corresponding to ischemia.
  • y20 is a variable corresponding to short pulse.
  • y21 is a variable corresponding to a veinlet.
  • y22 is a variable corresponding to micropulse.
  • y23 is a variable corresponding to the actual situation.
  • y24 is a variable corresponding to long vein.
  • y25 is a variable corresponding to the string pulse.
  • y26 is a variable corresponding to nervousness.
  • y27 is a variable corresponding to smooth pulse.
  • y28 is a variable corresponding to the large vein.
  • the target pulse type set indicated by the diagnosis result information associated with the target patient identification information selected in step S220 is six pulse types: floating pulse, sinking pulse, slow pulse, several pulses, ischemic pulse, and real pulse. If it is a combination of pulse types, y1 corresponds to a floating vein, y7 corresponds to a sinking pulse, y11 corresponds to a slow pulse, y16 corresponds to several pulses, y19 corresponds to an imaginary pulse, and y23 corresponds to a real pulse. 1 is assigned to each of them.
  • the first learning unit 265 generates a vector Y as a vector having such 28 variables as components.
  • the first learning unit 265 generates information in which the generated vector X and the generated vector Y are associated with each other as first correspondence information. That is, vector X indicates one or more waveform indicators calculated in step S250. Further, vector Y indicates the diagnosis result information read out in step S230.
  • the first learning unit 265 stores the generated first correspondence information in a first database stored in the storage unit 22 in advance. That is, the first database is a database that stores N pieces of first correspondence information generated in the repeated processing of steps S220 to S270 shown in FIG. 5.
  • the second learning unit 266 generates second correspondence information (step S270). More specifically, the second learning unit 266 converts information that associates the diagnosis result information read in step S230 with each of the one or more herbal medicines indicated by the herbal medicine information read out in step S240 into second correspondence information. Generate as.
  • the second learning unit 266 stores the generated second correspondence information in a second database stored in the storage unit 22 in advance. That is, the second database is a database that stores N pieces of second correspondence information generated in the repeated processing of steps S220 to S270 shown in FIG. Further, the second database is a database with a two-dimensional table structure of n1 ⁇ m1. That is, the second database shows a two-dimensional table of n1 ⁇ m1.
  • n1 is the number of pulse type combinations that can be selected as the target pulse type set.
  • the number of vein types included in the category of floating veins is 6
  • the number of vein types included in the category of sinking veins is 4
  • the number of vein types included in the category of slow veins is 5
  • the number of pulse types included in the category of phantom veins is 3
  • the number of pulse types included in the category of virtual veins is 4
  • the number of pulse types included in the category of real veins is 6, so there are 8640 sets.
  • m1 is the number of types of Chinese medicine that the information processing device 20 can handle.
  • the second learning unit 266 generates a second correspondence by adding 1 to the value assigned to the field where the target vein type set and each of the one or more Chinese herbal medicines cross on the two-dimensional table. Storing the information in a second database. Note that 0 is assigned as an initial value to each field on the two-dimensional table.
  • FIG. 8 is an image diagram visualizing an example of the process of step S270.
  • step S270 After the process of step S270 is performed, the control unit 26 moves to step S220 and selects the next target subject identification information. Note that if there is no unselected subject identification information in step S220, the control unit 26 ends the repetitive processing of steps S220 to S270.
  • the first learning unit 265 causes the first machine learning model to learn the N pieces of first correspondence information stored in the first database in the iterative process (step S280 ). More specifically, the first learning unit 265 causes the first machine learning model to learn using each of the N pieces of first correspondence information, with the input as the vector X and the output as the vector Y. Thereby, the first learning unit 265 can cause the first machine learning model to calculate each of the coefficient matrix A and the bias vector b that act on the vector X as a linear regression model that associates the vector X and the vector Y. can. At this time, the first learning unit 265 causes the first machine learning model to perform principal factor analysis to reduce the number of combination terms in the linear combination.
  • the information processing device 20 can reduce the calculation cost in the process of step S280.
  • the first learning unit 265 may be configured not to perform main factor analysis on the first machine learning model when there is no need to reduce such calculation costs.
  • the method of main factor analysis may be a known method or a method to be developed in the future.
  • the machine learning model used as the first machine learning model may be any type of machine learning model as long as it is capable of calculating each of the coefficient matrix A and bias vector b.
  • FIG. 9 is an image diagram visualizing an example of the process of step S280.
  • the second learning unit 266 causes the second machine learning model to learn the N pieces of second correspondence information generated in the repeated processing of steps S220 to S270 (step S290). That is, when the target vein type set for a certain subject is input, the second learning unit 266 instructs the subject to receive one or more Chinese herbal medicines that are likely to be prescribed to the subject.
  • the second machine learning model is made to learn the second correspondence information so as to output Chinese herbal medicine candidate information indicated as a candidate for a prescribed Chinese medicine.
  • the machine learning model used as the second machine learning model may be any type of machine learning model as long as it can realize such an input/output relationship.
  • the information processing device 20 can make the first machine learning model learn the first correspondence information, and can make the second machine learning model learn the second correspondence information.
  • FIG. 10 is a diagram illustrating an example of the flow of processing in which the information processing device 20 receives diagnosis result information.
  • the information processing device 20 receives diagnosis result information regarding the subject S2, who is one of the N learning subjects described above.
  • a case will be described in which the Chinese medicine doctor diagnoses the subject S2 at a timing before the process of step S310 shown in FIG. 10 is performed.
  • the information processing device 20 receives a second operation that causes the information processing device 20 to start accepting diagnosis result information at the timing.
  • the display control unit 267 After the information processing device 20 receives the second operation, the display control unit 267 generates the information reception image PCT1 (step S310).
  • the information reception image PCT1 is an image in which the information processing device 20 receives diagnosis result information.
  • FIG. 11 is a diagram showing an example of the information reception image PCT1.
  • the information reception image PCT1 includes, for example, eight images, the first reception image G1 to the eighth reception image G8. Note that the information reception image PCT1 may include other images in addition to these eight images.
  • the first reception image G1 is a GUI that receives patient identification information.
  • the first reception image G1 includes, for example, an input field into which patient identification information is input.
  • the second reception image G2 is a GUI that receives information indicating the gender of the subject.
  • the second reception image G2 includes two radio buttons, for example, one that accepts information indicating that the gender of the examinee is male, and the other that accepts information that the gender of the examinee is female. Contains radio buttons.
  • the third reception image G3 is a GUI that accepts information indicating the age of the subject.
  • the third reception image G3 includes, for example, an input field into which information indicating the age of the subject is input.
  • the fourth reception image G4 is a GUI that receives information indicating the height of the subject.
  • the fourth reception image G4 includes, for example, an input field into which information indicating the height of the subject is input.
  • the fifth reception image G5 is a GUI that receives information indicating the subject's weight.
  • the fifth reception image G5 includes, for example, an input field into which information indicating the subject's weight is input.
  • the sixth reception image G6 is a GUI that receives information indicating the detection position of the subject's pulse wave.
  • the sixth reception image G6 includes, for example, a radio button that accepts information indicating that the arm in which the pulse wave was detected is the left arm among both arms of the subject, A radio button that accepts information indicating that the arm where the test subject's pulse wave was detected is the right arm, a radio button that accepts information that the position where the test subject's pulse wave was detected is the right arm, and a radio button that accepts information that the test subject's pulse wave was detected at the position where the test subject's pulse wave was detected.
  • the seventh reception image G7 is a GUI that receives information indicating the subject's past illnesses.
  • the seventh reception image G7 includes, for example, an input field into which information indicating a medical history of the subject is input.
  • the eighth reception image G8 is a GUI that receives diagnosis result information.
  • the eighth reception image G8 includes, for example, six images, reception image G81 to reception image G86.
  • the reception image G81 is a GUI that accepts one of the six vein types included in the category of floating veins.
  • a drop-down menu L81 in which information indicating each of the six pulse types is listed is displayed.
  • the user of the information processing device 20 can perform an operation to select any one of the information indicating each of the six pulse types listed in the drop-down menu L81.
  • the display of the drop-down menu L81 disappears and the reception image G81
  • the information selected in the drop-down menu L81 is displayed in the display field.
  • the reception image G82 is a GUI that accepts one of the four vein types included in the category of sedimentary veins.
  • a drop-down menu L82 in which information indicating each of the four pulse types is listed is displayed.
  • the user of the information processing device 20 can perform an operation to select any one of the information indicating each of the four pulse types listed in the drop-down menu L82.
  • the display of the drop-down menu L82 disappears and the reception image G82 The information selected in the drop-down menu L82 is displayed in the display field.
  • the reception image G83 is a GUI that accepts one of the five pulse types included in the category of slow retinal pulse.
  • a drop-down menu L83 in which information indicating each of the five pulse types is listed is displayed.
  • the user of the information processing device 20 can perform an operation to select any one of the information indicating each of the five pulse types listed in the drop-down menu L83.
  • information reception image PCT1 when an operation is performed to select any of the information indicating each of the five pulse types listed in drop-down menu L83, the display of drop-down menu L83 disappears and reception image G83 The information selected in the drop-down menu L83 is displayed in the display field.
  • the reception image G84 is a GUI that accepts one of the three types of pulses included in the category of multiple veins.
  • a drop-down menu L84 in which information indicating each of the three pulse types is listed is displayed.
  • the user of the information processing device 20 can perform an operation to select any one of the information indicating each of the three pulse types listed in the drop-down menu L84.
  • the display of the drop-down menu L84 disappears and the reception image G84 The information selected in the drop-down menu L84 is displayed in the display field.
  • the reception image G85 is a GUI that accepts one of the four pulse types included in the category of ischemic pulse.
  • a drop-down menu L85 in which information indicating each of the four pulse types is listed is displayed.
  • the user of the information processing device 20 can perform an operation to select any one of the information indicating each of the four pulse types listed in the drop-down menu L85.
  • the display of the drop-down menu L85 disappears and the reception image G85 The information selected in the drop-down menu L85 is displayed in the display field.
  • the reception image G86 is a GUI that accepts one of the six vein types included in the category of real veins.
  • a drop-down menu L86 is displayed in which information indicating each of the six pulse types is listed.
  • the user of the information processing device 20 can perform an operation to select any one of the information indicating each of the six pulse types listed in the drop-down menu L86.
  • the display of the drop-down menu L86 disappears and the reception image G86 The information selected in the drop-down menu L86 is displayed in the display field.
  • FIG. 12 is a diagram showing an example of how each of the six drop-down menus described above are displayed.
  • the information reception image PCT1 may have a configuration that does not include some or all of the second reception image G2 to the seventh reception image G7.
  • step S310 After the process of step S310 is performed, the display control unit 267 displays the information reception image PCT1 generated in step S310 on the display unit 25 (step S320).
  • the receiving unit 262 waits until the information processing device 20 receives an operation via the information receiving image PCT1 displayed on the display unit 25 in step S320 (step S330).
  • the reception unit 262 receives the diagnosis result information via the information acceptance image PCT1. It is determined whether the operation to end the reception was accepted in step S330 (step S340).
  • Step S370 the processing is, for example, processing in which the information processing device 20 receives diagnosis result information via the eighth reception image G8. That is, through the process of step S370, the information processing device 20 receives various types of information included in the diagnosis result information regarding the subject S2.
  • the process corresponding to the operation received in step S330 may be any process as long as it can be performed according to the operation received via the information reception image PCT1.
  • the reception unit 262 moves to step S330 and waits again until the information processing device 20 accepts the operation via the information reception image PCT1 displayed on the display unit 25 in step S320. .
  • the receiving unit 262 determines that the operation to end the reception of diagnosis result information via the information receiving image PCT1 has been received in step S330 (step S340-YES)
  • the receiving unit 262 receives the receiving images G81 to G81 of the information receiving image PCT1.
  • the target vein type set is specified based on the information received through each G86.
  • the reception unit 262 generates diagnostic result information indicating the specified target pulse type group (step S350).
  • the reception unit 262 associates the generated diagnosis result information with the information received via each of the first reception image G1 to seventh reception image G7 of the information reception image PCT1.
  • the reception unit 262 stores the diagnosis result information generated in step S350 in the storage unit 22 (step S360), and ends the process of the flowchart shown in FIG.
  • the information processing device 20 can receive diagnosis result information.
  • FIG. 13 is a diagram illustrating an example of a process flow in which the information processing device 20 outputs Chinese herbal medicine candidate information.
  • the first waveform information generated by the process of the flowchart shown in FIG. 4 is stored in the storage unit 22 at a timing before the process of step S410 shown in FIG. 13 is performed. Let me explain the case.
  • the first waveform information is waveform information indicating the waveform of the pulse wave of the subject S3.
  • the third operation for causing the information processing device 20 to start the process of outputting the Chinese herbal medicine candidate information, and the test subject identifying the subject to whom the Chinese herbal medicine candidate information is to be provided.
  • the information processing device 20 receives patient identification information that identifies the patient S3 as the identification information.
  • step S410 After the information processing device 20 receives the third operation and the subject identification information, the calculation unit 263 reads the first waveform information from the storage unit 22 based on the received subject identification information (step S410). In FIG. 13, the process of step S410 is illustrated by "reading waveform information.”
  • the calculation unit 263 calculates one or more waveform indices indicating characteristics of the pulse wave of the subject S3 based on the first waveform information read in step S410 (step S420).
  • the prescription candidate output unit 264 identifies candidates for Chinese herbal medicine to be prescribed to the subject S3 based on the one or more waveform indicators calculated by the calculation unit 263 in step S420 (step S430).
  • the process of step S430 is shown as "identification of Chinese medicine candidate.”
  • the process of step S430 will be explained.
  • the prescription candidate output unit 264 inputs the one or more waveform indices calculated by the calculation unit 263 in step S420 to the first machine learning model as input.
  • the first machine learning model when inputting one or more waveform indicators indicating the waveform characteristics of a certain subject's pulse wave, is estimated to be a plausible diagnosis result for that subject by a Chinese herbalist. Diagnosis result information indicating the diagnosis result is output. Therefore, when the first machine learning model receives one or more waveform indices calculated by the calculation unit 263 in step S420, the first machine learning model calculates a diagnosis result that is estimated to be likely as a diagnosis result of the subject S3 by the Chinese medicine doctor. Outputs the diagnostic result information shown.
  • a vector Y indicating a target pulse type set that is estimated to be a likely target pulse type set for the subject S3 is output as diagnosis result information for the subject S3.
  • the first machine learning model calculates a likelihood indicating the likelihood of subject S3 as the target pulse type set for each of the six pulse type combinations that can be selected as the target pulse type set. , the combination with the highest calculated likelihood is estimated as the target vein type set.
  • FIG. 14 is a diagram showing an example of the likelihood for each combination of six pulse types that can be selected as the target pulse type set.
  • the prescription candidate output unit 264 inputs the vector Y output from the first machine learning model to the second machine learning model as an input.
  • the second machine learning model receives the diagnosis result information output by the first machine learning model, it estimates that one or more Chinese herbal medicines are likely to be prescribed to the subject corresponding to the diagnosis result information.
  • Chinese herbal medicine candidate information indicating each of one or more Chinese herbal medicine candidates is output. Therefore, when the second machine learning model receives the vector Y output from the first machine learning model, it selects one or more Chinese herbal medicine candidates that are estimated to be plausible as one or more Chinese herbal medicines to be prescribed to the subject S3. Outputs Chinese herbal medicine candidate information indicating each of the following.
  • the second machine learning model calculates the two-dimensional shape indicated by the second correspondence information based on the input vector Y and second correspondence information learned in advance.
  • the fields associated with the target pulse type set indicated by the vector Y in the table one or more fields to which a value equal to or greater than a predetermined first threshold is assigned are each identified.
  • the second machine learning model selects the Chinese herbal medicines associated with each of the identified one or more fields as one or more Chinese herbal medicine candidates that are estimated to be plausible as the one or more Chinese medicines to be prescribed to the subject S3. Identify.
  • the first threshold value may be any value as long as it is greater than zero.
  • the first threshold value is determined, for example, based on prior experimental results or the like, so as to increase the accuracy of identifying one or more Chinese herbal medicine candidates that are estimated to be plausible as one or more Chinese herbal medicines to be prescribed to the subject S3.
  • the second machine learning model After identifying one or more Chinese herbal medicine candidates that are estimated to be plausible as one or more Chinese herbal medicines to be prescribed to the subject S3, the second machine learning model generates Chinese herbal medicine candidate information indicating each of the identified one or more Chinese medicine candidates.
  • FIG. 15 is an image diagram visualizing the flow in which the second machine learning model identifies one or more Chinese herbal medicine candidates that are estimated to be plausible as one or more Chinese herbal medicines to be prescribed to the subject S3.
  • the prescription candidate output unit 264 After the second machine learning model outputs one or more Chinese herbal medicine candidate information, the prescription candidate output unit 264 outputs the Chinese herbal medicine candidate indicated by each of the one or more Chinese medicine candidate information outputted by the second machine learning model to the patient.
  • One or more Chinese herbal medicines that are estimated to be plausible as one or more Chinese herbal medicines to be prescribed to person S3 are identified as candidates.
  • the prescription candidate output unit 264 identifies the one or more Chinese herbal medicine candidates in step S430.
  • the prescription candidate output unit 264 After the process of step S430 is performed, the prescription candidate output unit 264 generates output information including herbal medicine candidate information indicating each of the one or more herbal medicine candidates identified in step S430.
  • the output information may include any information in addition to the herbal medicine candidate information indicating each of the one or more herbal medicine candidates.
  • the prescription candidate output unit 264 outputs the generated output information to the display control unit 267.
  • the display control unit 267 generates, for example, an image including the output information output from the prescription candidate output unit 264.
  • the display control unit 267 displays the generated image on the display unit 25 (step S440), and ends the process of the flowchart shown in FIG. 13.
  • the process of step S440 is shown by "Chinese medicine candidate information display".
  • the information processing device 20 generates output information including Chinese herbal medicine candidate information indicating candidates for Chinese herbal medicine to be prescribed to the subject S3 based on the first waveform information indicating the waveform of the pulse wave of the subject S3. Output.
  • the information processing device 20 can identify candidates for Chinese herbal medicines to be prescribed to the subject S3 without having the Chinese herbalist perform a pulse diagnosis of the subject S3.
  • the information processing device 20 can reduce the effort required for the Chinese medicine doctor to prescribe Chinese medicine to the subject S3. Further, thereby, the information processing device 20 can efficiently suppress variations in treatment results depending on the skill level of the Chinese medicine doctor.
  • the diagnosis result information regarding a certain subject includes information indicating the diagnosis result of at least one of an interview, a facial examination, a tongue examination, and an abdominal examination of the subject by a Chinese medicine doctor. It is. Below, as an example, a case will be described in which the diagnosis result information for a certain subject includes information indicating the diagnosis result of an interview of the subject by a Chinese medicine doctor. In this case, the diagnostic result information for a certain subject includes, for example, information about the subject, information indicating the detection position of the subject's pulse wave, and information indicating the subject's past illnesses. ing.
  • each of the information regarding the subject, the information indicating the detection position of the subject's pulse wave, and the information indicating the subject's past illness indicates the diagnosis result of the interview of the subject by the Chinese medicine doctor.
  • the vector Y described above includes 10 components y29 to y38 in addition to the 28 components y1 to y28 described above.
  • y29 is a variable to which 1 is assigned when the gender of the subject is male, and 0 is assigned when the gender of the subject is female.
  • y30 is a variable to which 1 is assigned when the gender of the subject is female, and 0 is assigned when the gender of the subject is male.
  • y31 is a variable to which the age of the subject is substituted.
  • y32 is a variable to which the height of the subject is substituted.
  • y33 is a variable to which the subject's weight is substituted.
  • y34 is 1 if the arm from which the pulse wave was detected is the left arm, and y34 is 1 if the arm from which the pulse wave was detected is the left arm; This is a variable to which 0 is assigned if it is a right arm.
  • y34 is a variable to which 0 is substituted when the right arm is the one in which the pulse wave has been detected out of both arms of the subject.
  • y35 is a variable to which 1 is substituted when the position where the pulse wave of the subject is detected is Sun, and 0 is substituted when the position where the pulse wave of the subject is detected is Seki or Shaku.
  • y36 is a variable to which 1 is assigned when the position where the pulse wave of the subject is detected is Seki, and 0 is substituted when the position where the pulse wave of the subject is detected is Sun or Shaku.
  • y37 is a variable to which 1 is assigned when the position where the pulse wave of the subject is detected is shaku, and 0 is assigned when the position where the pulse wave of the subject is detected is sun or seki.
  • y38 is a variable to which 1 is assigned when the subject has a pre-existing disease, and 0 is substituted when the subject does not have a pre-existing disease. Note that the vector Y according to a modification of the embodiment may include a part of y29 to y38.
  • step S350 shown in FIG. 10 the reception unit 262 identifies the target pulse type group based on the information received through each of the reception images G81 to G86 of the information reception image PCT1. Then, the reception unit 262 generates, as diagnosis result information, information including diagnosis result information indicating the specified target pulse type set and information received via each of the second reception image G2 to seventh reception image G7. do. At this time, the reception unit 262 associates the generated diagnosis result information with the patient identification information received via the first reception image G1 of the information reception image PCT1.
  • the aforementioned second database is a database with a two-dimensional table structure of (n1 ⁇ n2) ⁇ m1.
  • n2 is the number of combinations of 10 values assigned to each of y29 to y38.
  • the information processing device 20 can obtain information indicating the target pulse type set of a certain subject, information regarding the subject, information indicating the detection position of the subject's pulse wave, and past medical conditions of the subject. Based on the combination of information shown, output information including Chinese herbal medicine candidate information indicating candidates for Chinese medicine prescribed to the subject can be output. Thereby, the information processing device 20 can increase the accuracy of identifying Chinese medicine candidates to be prescribed to the subject. As a result, the information processing device 20 can more reliably reduce the effort required for the Chinese medicine doctor to prescribe the Chinese medicine to the subject S3.
  • the method of classifying pulse types according to the state of the organ explained above may be other classification methods such as 38 diseased pulses instead of 28 diseased pulses.
  • the aforementioned target vein type set may be a combination of seven or more vein types.
  • the overall flow of the processing performed by the information processing device 20 is the same as the flow described above.
  • An information processing device (in the example described above, the information processing device 20) includes a prescription candidate output unit (in the example described above, the prescription candidate output unit 264) that outputs output information including Chinese herbal medicine candidate information shown in FIG.
  • a calculation unit (calculation unit 263 in the example described above) that calculates one or more first waveform indicators indicating the characteristics of the waveform indicated by the first waveform information;
  • the information processing device according to [1], wherein the prescription candidate output unit specifies the herbal medicine candidate based on the one or more first waveform indicators calculated by the calculation unit.
  • the prescription candidate output unit identifies the herbal medicine candidate based on the first machine learning model, the second machine learning model, and the first waveform information, and the first machine learning model one or more second waveform indicators indicating the characteristics of the waveform indicated by the second waveform information indicating the pulse wave waveform of the second subject; and diagnosis result information indicating the diagnosis result of the second subject by the Chinese medicine doctor.
  • the second machine learning model is a machine learning model that has learned first correspondence information in which the diagnosis result information and one or more Chinese herbal medicine information are associated with each other.
  • the information according to [2], which is a trained machine learning model, and the one or more Chinese herbal medicine information is information indicating each of the one or more Chinese herbal medicines prescribed to the second subject by the Chinese herbalist. Processing equipment.
  • the calculation unit calculates the one or more second waveform indicators based on the second waveform information, and the information processing device calculates the second waveform index based on the second waveform information, and the information processing device calculates the second waveform index based on the second waveform information, and the information processing device
  • a reception unit in the example described above, the reception unit 262 that receives the vector Y) and the one or more Chinese medicine information, the one or more second waveform indicators calculated by the calculation unit, Generating information associated with the diagnosis result information of the second subject received by the reception unit as the first correspondence information, and causing the first machine learning model to learn the generated first correspondence information.
  • a first learning unit in the example explained above, the first learning unit 265), the diagnosis result information of the second subject received by the reception unit, and the one or more Chinese herbal medicines received by the reception unit.
  • a second learning unit in the example described above, a second learning unit that generates information in which the information is associated with the second correspondence information as the second correspondence information, and causes the second machine learning model to learn the generated second correspondence information.
  • the information processing device according to [3], further comprising: 266).
  • the diagnosis result information includes first diagnosis result information indicating the result of a pulse diagnosis of the second subject, and one type of diagnosis of the second subject by the Chinese herbalist other than a pulse diagnosis.
  • the second diagnosis result information indicating the result of the above diagnosis (in the example explained above, information about the subject, information indicating the detection position of the subject's pulse wave, information indicating the subject's past disease)
  • the information processing device according to [3] or [4], which includes at least the first diagnosis result information.
  • the second diagnosis result information includes information indicating a diagnosis result of at least one of an interview, a facial examination, a tongue examination, and an abdominal examination of the second subject by the Chinese herbalist;
  • the information processing device according to [5].
  • Each of the one or more first waveform indicators and the one or more second waveform indicators has a first average value (in the example explained above, the first average value P1) and a second average value. (in the example described above, the second average value P2), the third average value (in the example described above, the third average value P3), and the fourth average value (in the example described above, the third average value P3).
  • the third average value is the average value of the lower limit of the wave indicating the pulse
  • the fourth average value is the average value of the second peak value of the wave indicating the pulse.
  • the fifth average value is the average value of the period of the wave indicating the pulse
  • the sixth average value is the average value of the time from the first peak to the second peak of the wave indicating the pulse.
  • the seventh average value is a value obtained by dividing the difference between the second average value and the third average value by the difference between the first average value and the third average value
  • the seventh average value is a value obtained by dividing the difference between the second average value and the third average value by the difference between the first average value and the third average value
  • the deviation is a standard deviation of a fluctuation width of a wave indicating a pulse
  • the second standard deviation is a standard deviation of a period of a wave indicating a pulse.
  • the reception unit receives the diagnosis result information of the second subject via an information reception image including one or more GUIs (Graphical User Interfaces) that receive the diagnosis result information of the second subject.
  • GUIs Graphic User Interfaces
  • the information processing device according to [4] or the information processing device according to any one of [5] to [7] that is subordinate to [4].
  • the one or more GUIs include a GUI that accepts floating vein type information indicating vein types included in the category of floating veins, and sinking vein type information indicating vein types included in the category of sinking veins.
  • the GUI includes a GUI that accepts virtual vein type information indicating pulse types included in the category of vein veins, and a GUI that accepts real network vein type information indicating pulse types included in the category of real veins, [8 The information processing device described in ].
  • the first machine learning model indicates a diagnosis result that is estimated to be likely as a diagnosis result of the first subject by the Chinese herbalist.
  • the information processing device according to any one of [3] to [9], which outputs diagnostic result information.
  • the first machine learning model generates a regression model based on the first correspondence information, and when the one or more first waveform indicators are input, the first machine learning model , outputting the diagnosis result information indicating a diagnosis result estimated to be plausible as a diagnosis result of the first subject by the Chinese herbalist based on the generated regression model, the information according to [10]. Processing equipment.
  • a prescription candidate that outputs output information including Chinese herbal medicine candidate information indicating a candidate Chinese medicine to be prescribed to the first subject, based on first waveform information indicating the pulse wave waveform of the first subject.
  • An information processing method having an output step.
  • a program for realizing the functions of arbitrary components in the apparatus described above may be recorded on a computer-readable recording medium, and the program may be read and executed by a computer system.
  • the device is, for example, the pulse wave detection device 10, the information processing device 20, etc.
  • the "computer system” herein includes hardware such as an OS (Operating System) and peripheral devices.
  • “computer-readable recording media” refers to portable media such as flexible disks, magneto-optical disks, ROMs, and CD (Compact Disk)-ROMs, and storage devices such as hard disks built into computer systems.
  • “computer-readable recording media” refers to volatile memory inside a computer system that serves as a server or client when a program is transmitted via a network such as the Internet or a communication line such as a telephone line. This also includes those that hold time programs.
  • the above program may be transmitted from a computer system storing the program in a storage device or the like to another computer system via a transmission medium or by a transmission wave in a transmission medium.
  • the "transmission medium” that transmits the program refers to a medium that has a function of transmitting information, such as a network such as the Internet or a communication line such as a telephone line.
  • the above-mentioned program may be for realizing a part of the above-mentioned functions.
  • the above-mentioned program may be a so-called difference file or difference program that can realize the above-described functions in combination with a program already recorded in the computer system.
  • SYMBOLS 1 Information processing system, 10... Pulse wave detection device, 11... First member, 12... Pulse wave sensor, 13... Second member, 20... Information processing device, 21... Processor, 22... Storage unit, 23... Input reception Department, 24...Communication section, 25...Display section, 26...Control section, 261...Acquisition section, 262...Reception section, 263...Calculation section, 264...Prescription candidate output section, 265...First learning section, 266...Second Learning section, 267... Display control section, 268... Generation section, TC... Three-dimensional coordinate system

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Medical Preparation Storing Or Oral Administration Devices (AREA)

Abstract

第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力部を備える、情報処理装置。

Description

情報処理装置、情報処理方法、及びプログラム
　本開示は、情報処理装置、情報処理方法、及びプログラムに関する。
　本願は、２０２２年０４月２８日に、日本に出願された特願２０２２－０７４６６２号に基づき優先権を主張し、その内容をここに援用する。
　患者への医者による薬の処方を補助する技術についての研究、開発が行われている。
　これに関し、複数の被検者毎に、被検者が有する症状と、被検者への漢方薬の処方の履歴とが対応付けられた情報を含むデータベースに基づいて、漢方医が症状を診断する対象となる対象被検者の症状に対応付けられた漢方薬の処方を示す情報を出力する情報処理装置が知られている（特許文献１参照）。
特開２０１６－１３９２６８号公報
　ここで、特許文献１に記載された対象被検者の症状は、頭痛、目眩、更年期障害等のことであり、漢方医により診断された被検者の身体又は被検者の精神の状態のことである。このため、特許文献１に記載されたような情報処理装置では、問診、顔診、舌診、腹診、脈診等の診断法に基づいて漢方医が症状を診断し、その診断結果を示す情報を当該情報処理装置に入力する必要がある。このため、当該情報処理装置は、漢方医が対象被検者へ漢方薬を処方するのに要する手間を十分に軽減することができない場合があった。
　本開示は、このような事情を考慮してなされたもので、漢方医が第１被検者へ漢方薬を処方するのに要する手間を軽減することができる情報処理装置、情報処理方法、及びプログラムを提供することを課題とする。
　本開示の一態様は、第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力部を備える、
　情報処理装置である。
　また、本開示の一態様は、第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力ステップを有する、情報処理方法である。
　また、本開示の一態様は、コンピュータに、第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力ステップ、を実行させるためのプログラムである。
　本開示によれば、漢方医が第１被検者へ漢方薬を処方するのに要する手間を軽減することができる。
情報処理装置２０を備える情報処理システム１の構成の一例を示す図である。 情報処理装置２０のハードウェア構成の一例を示す図である。 情報処理装置２０の機能構成の一例を示す図である。 情報処理装置２０が波形情報を生成する処理の流れの一例を示す図である。 情報処理装置２０が第１機械学習モデルに第１対応情報を学習させ、且つ、第２機械学習モデルに第２対応情報を学習させる処理の流れの一例を示す図である。 ステップＳ２２０において選択された対象被検者識別情報に対応付けられた学習時波形情報が示す波形の一例を示す図である。 ステップＳ２２０において選択された対象被検者識別情報に対応付けられた学習時波形情報が示す波形に含まれるＭ個の波のうちのｍ番目の波と、当該波についての第１ピーク値Ｐ１ｍ、第２ピーク値Ｐ２ｍ、下限値Ｐ３ｍ、第１周期ｔ１ｍ、第２周期ｔ２ｍのそれぞれとの一例を視覚的に示す図である。 ステップＳ２７０の処理の一例を可視化したイメージ図である。 ステップＳ２８０の処理の一例を可視化したイメージ図である。 情報処理装置２０が診断結果情報を受け付ける処理の流れの一例を示す図である。 情報受付画像ＰＣＴ１の一例を示す図である。 ６つのドロップダウンメニューのそれぞれが表示されている様子の一例を示す図である。 情報処理装置２０が漢方薬候補情報を出力する処理の流れの一例を示す図である。 対象脈種組として選択可能な６つの脈種の組み合わせ毎の尤度の一例を示す図である。 第２機械学習モデルが、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補を特定する流れを可視化したイメージ図である。
　＜実施形態＞
　以下、本開示の実施形態について、図面を参照して説明する。
　＜情報処理装置の概要＞
　まず、本実施形態に係る情報処理装置の概要について説明する。
　現在、西洋医学は、科学との適合性から主流となっている。しかしながら、世界には、伝統医学として、例えば、ギリシャ医学、アラビア医学（ユニナ医学）、インド医学（アーユルベーダ）、チベット医学、モンゴル医学、中医学（中国伝統医学）、韓医学、和漢医学（漢方医学）等が存在する。また、日本では、中医学に由来する鍼灸／薬膳／漢方薬を用いる狭義の東洋医学が漢方医学と呼ばれている。これらの漢方医学は、日本において独自の発展を遂げてきた。そして、日本では、近年の西洋医学だけではなく、相補・代替医療に対する見直しが進んでいる。このため、日本では、ホメオパシー、自然療法、アロマテラピー等にも注目が集まっている。そして、日本の医療現場では、漢方医学を含めた統合医療として、西洋薬と漢方薬との併用が進んでおり、およそ９割の医師が漢方薬を処方している。
　ここで、日本では、漢方薬について、数百種類の漢方生薬と、医療用漢方製剤（厚労省認可製剤）１４８種類と、若干の煎じ薬とのそれぞれに健康保険適用が認められている。また、日本では、健康保険適用が認められているこれらの漢方薬に加えて、非健康保険適用のＯＴＣ（Over The Counter）医薬品（薬局・薬店において処方箋なしで購入が可能な医薬品）、漢方専門の病院の自由診療漢方薬も流通している。
　漢方医学の診断法には、問診、顔診、舌診、腹診等の他に脈診が知られている。脈診は、臓器の状態に応じた特徴が脈波に表れるという思想に基づいて、臓器の状態に応じて脈波に現れている特徴の診断を行うことである。以下では、説明の便宜上、臓器の状態に応じて脈波に現れる特徴の種類を、単に脈種と称して説明する。臓器の状態に応じた脈種の分類方法としては、例えば、臓器の状態に応じて脈波に現れる特徴を２８種類に分類する病脈２８脈が知られている。そして、この病脈２８脈では、２８種類に細かく分類された脈種のそれぞれは、浮網脈、沈網脈、遅網脈、数網脈、虚網脈、実網脈と呼ばれる６つの脈種のいずれかに分類される。以下では、説明の便宜上、これら６つの脈種を、６大脈種と称して説明する。浮網脈の範疇には、浮脈、こう脈（孔の上に草冠を付した漢字）、洪脈、革脈、濡脈、散脈の６つの脈種が含まれている。沈網脈の範疇には、沈脈、伏脈、弱脈、牢脈の４つの脈種が含まれている。遅網脈の範疇には、遅脈、緩脈、渋脈、結脈、代脈の５つの脈種が含まれている。数網脈の範疇には、数脈、動脈、促脈の３つの脈種が含まれている。虚網脈の範疇には、虚脈、短脈、細脈、微脈の４つの脈種が含まれている。実網脈の範疇には、実脈、長脈、弦脈、緊脈、滑脈、大脈の６つの脈種が含まれている。
　漢方医は、例えば、被検者の脈波の特徴を診断し、病脈２８脈のうち当該脈波に表れる頻度が高い八祖脈の診断名を付けることで主病を判別し、判別した主病に対応する種類の漢方薬の処方を行う。すなわち、漢方医の脈診は、漢方薬の処方に直結している。そして、漢方医によって処方される漢方薬の効果は、統計学に基づいたものとなっている。
　漢方医による診断に関連する情報は、例えば、以下の参考となるウェブサイトに詳しく解説されているため、本明細書では、これ以上の詳細な説明を省略する。
・参考となるウェブサイト１：厚生労働省ホームページ／「統合医療」のあり方に関する検討会、https://www.mhlw.go.jp/stf/shingi/other-isei_127369.html
・参考となるウェブサイト２：一般社団法人　日本東洋医学会ホームページ／漢方の診察、http://www.jsom.or.jp/universally/examination/index.html
　現在、西洋医学と漢方医学とによる統合医療を進める上での課題として、漢方医学の定性的診断法と、規格化し難い統計とに基づく漢方薬の処方の現状が存在する。
　漢方医学の定性的診断法は、疾患の種類の細分化と病理的解明とを基本とする科学的な西洋医学と異なり、患者個々人の正常状態からのバランス崩れを捉える検者主観による相対的診断が基本と考えられている。このため、高度な経験知を有する漢方医の診断結果を、統計的手法を用いてデータ蓄積し、数学モデル化するアプローチが適していると考えられる。しかしながら、漢方医の診断そのものに診断バイアスが含まれることに加えて、その統計的手法についても、現状では理解が不十分である。このため、漢方診断で大きな比重を占める脈診について、脈波の波形を示す波形情報を精度よく取得すること、取得された波形情報からノイズを除去すること、連続する複数の波形情報から特徴量を抽出すること、関連情報（例えば、問診、顔診、舌診、腹診等の診断結果）を取得すること等によって構成されたデータベースに基づく自動判定が現れることに期待が集まっている。
　一方、規格化し難い統計は、漢方薬の緩く長期的な改善効果の性質から、プラセボ効果と区別がつきにくい点が背景にあり、腕の良い漢方医の経験を基にした診断／処方の統計的なデータ蓄積とモデル化のアプローチが適していると考えられているが、未だに理解が不十分である。
　脈波診断の参考文献として、以下の参考文献１～参考文献３の３つ文献が挙げられる。
　参考文献１：特開２００９－０１１５８５号公報
　参考文献２：特開２００４－１９５２０４号公報
　参考文献３：特開２０２０－１０８８１９号公報
　参考文献１には、腕時計型の２４時間ウェアラブル脈波モニタリング装置が記載されている。この２４時間ウェアラブル脈波モニタリング装置は、運動と心拍数とに基づく健康管理を行う装置である。
　参考文献２には、血圧波形の特徴を表す指標を検出し、最高血圧とＡＩ（Augmentation Index）値によりＣａ拮抗薬、β遮断薬等の西洋医学薬の処方を判定する装置が記載されている。
　参考文献３には、血圧波形のＡＩ値と食後の血糖値との相関関係を利用し、血糖値を推定する装置が記載されている。
　以上のように、参考文献１～参考文献３のそれぞれに記載された装置は、脈波の自動診断解析により体調モニタリング、西洋薬の処方、血糖値の推定等を自動的に行っているものの、脈波の自動解析から自動的に漢方薬を処方することを行うには至っていない。
　一方、脈波の診断結果を基に漢方薬の処方を行う先行技術として、漢方薬の処方を記載した電子カルテから疾患診断名と処方薬とを自然言語処理ＡＩ（Artificial Intelligence）に学習させる取り組み、漢方弁証論治に基づく漢方薬の処方用回転盤による診断名と処方薬との早見表等が挙げられる。
　そして、近年、漢方薬の処方の自動化に関して、統計的学習による推定モデルを利用した情報処理装置が登場している。この情報処理装置の詳細については、先行技術文献として挙げた特許文献１に記載がある。すなわち、この情報処理装置は、前述した通り、複数の被検者毎に、被検者が有する症状と、被検者への漢方薬の処方の履歴とが対応付けられた情報を含むデータベースに基づいて、漢方医が症状を診断する対象となる対象被検者の症状に対応付けられた漢方薬の処方を示す情報を出力する。
　ここで、特許文献１に記載された対象被検者の症状は、頭痛、目眩、更年期障害等のことであり、漢方医により診断された被検者の身体又は被検者の精神の状態のことである。このため、特許文献１に記載されたような情報処理装置では、問診、顔診、舌診、腹診、脈診等の診断法に基づいて漢方医が症状を診断し、その診断結果を示す情報を当該情報処理装置に入力する必要がある。このため、当該情報処理装置は、漢方医が対象被検者へ漢方薬を処方するのに要する手間を十分に軽減することができない場合があった。
　そこで、実施形態に係る情報処理装置は、第１被検者の脈波の波形を示す第１波形情報に基づいて、第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力部を備える。
　これにより、実施形態に係る情報処理装置は、脈診から漢方薬の処方に至るまでの工程を自動化することができる。その結果、当該情報処理装置は、漢方医が第１被検者へ漢方薬を処方するのに要する手間を軽減することができる。
　以下では、実施形態に係る情報処理装置の構成と、当該情報処理装置が行う処理とについて、詳しく説明する。
　＜情報処理装置の構成＞
　以下、実施形態に係る情報処理装置の一例として情報処理装置２０を例に挙げて、実施形態に係る情報処理装置の構成について説明する。なお、実施形態では、被検者の症状は、漢方医により診断された被検者の身体又は被検者の精神の状態のことである。このため、実施形態では、ある被検者の症状には、当該被検者の脈波、及びその脈波の波形が含まれていない。
　図１は、情報処理装置２０を備える情報処理システム１の構成の一例を示す図である。ここで、三次元座標系ＴＣは、三次元座標系ＴＣが描かれた図における方向を示す三次元直交座標系である。以下では、説明の便宜上、三次元座標系ＴＣにおけるＸ軸を、単にＸ軸と称して説明する。また、以下では、説明の便宜上、三次元座標系ＴＣにおけるＹ軸を、単にＹ軸と称して説明する。また、以下では、説明の便宜上、三次元座標系ＴＣにおけるＺ軸を、単にＺ軸と称して説明する。また、以下では、説明の便宜上、Ｚ軸の正方向を上又は上方向と称し、Ｚ軸の負方向を下又は下方向と称して説明する。
　情報処理システム１は、脈波検出装置１０と、実施形態に係る情報処理装置の一例である情報処理装置２０を備える。
　脈波検出装置１０は、被検者の脈波を検出する。ここで、実施形態において、被検者は、脈波検出装置１０により脈波を検出される対象となる人であれば、如何なる人であってもよい。
　脈波検出装置１０は、被検者の脈波を検出することが可能な構成であれば、如何なる構成であってもよい。図１に示した例では、脈波検出装置１０は、被検者の片腕を乗せて固定することができる第１部材１１と、第１部材１１によって固定された被検者の片腕に接触させて、被検者の脈波を検出する脈波センサ１２と、脈波センサ１２を支持する第２部材１３を備えている。
　第１部材１１は、例えば、被検者の片腕を乗せて固定することが可能な台である。なお、第１部材１１は、脈波センサ１２に対する被検者の片腕の相対的な位置を、水平面に沿って移動させることが可能な構成であってもよく、当該位置を水平面に沿って移動させることが不可能な構成であってもよい。
　脈波センサ１２は、被検者の脈波を検出することが可能なセンサであれば、如何なるセンサであってもよく、例えば、脈波を圧力の変動として検出可能なＭＥＭＳ（Micro Electro Mechanical Systems）圧力センサ等である。脈波センサ１２は、有線又は無線によって情報処理装置２０と通信可能に接続されている。このため、脈波センサ１２は、脈波の圧力を検出し、検出した圧力に応じた電気信号を情報処理装置２０に出力する。その結果、情報処理装置２０は、所定の測定期間内において脈波センサ１２から取得した電気信号に基づいて、測定期間内における被検者の脈波の波形を示す波形情報を生成することができる。
　第２部材１３は、脈波センサ１２を支持することが可能な構成であれば、如何なる構成であってもよい。また、第２部材１３は、脈波センサ１２の上下方向における位置（すなわち、脈波センサ１２の高さ）を調整することが可能な構成であってもよく、当該位置を調整することが不可能な構成であってもよい。
　情報処理装置２０は、ユーザから受け付けた操作に応じて、ユーザにより指定された測定期間内において、脈波センサ１２から電気信号を取得する。情報処理装置２０は、脈波センサ１２から測定期間内に取得した電気信号に基づいて、被検者の脈波の波形を示す波形情報を生成する。情報処理装置２０は、生成した波形情報を記憶する。
　情報処理装置２０は、記憶した波形情報に基づいて、被検者に処方される漢方薬の候補を特定する。漢方薬の候補を特定した後、情報処理装置２０は、特定した漢方薬の候補を示す漢方薬候補情報を含む出力情報を生成する。出力情報を生成した後、情報処理装置２０は、生成した出力情報を出力する。これにより、情報処理装置２０は、漢方医が被検者へ漢方薬を処方するのに要する手間を軽減することができる。
　ここで、情報処理装置２０は、例えば、第１対応情報を予め学習させた第１機械学習モデルと、第２対応情報を予め学習させた第２機械学習モデルと、予め記憶した波形情報とに基づいて、被検者に処方される漢方薬の候補を特定する。第１対応情報は、被検者の脈波の波形を示す波形情報が示す波形の特徴を示す１以上の波形指標と、漢方医による被検者の診断結果を示す診断結果情報とが対応付けられた情報のことである。第１機械学習モデルは、第１対応情報を学習させた機械学習のモデルのことである。第１機械学習モデルは、ある被検者の脈波の波形の特徴を示す１以上の波形指標を入力すると、漢方医による当該被検者の診断結果として尤もらしいと推定される診断結果を示す診断結果情報を出力する。一方、第２対応情報は、被検者毎に、漢方医による被検者の診断結果を示す診断結果情報と、漢方医が被検者に処方した１以上の漢方薬のそれぞれを示す漢方薬情報とが対応付けられた情報のことである。第２機械学習モデルは、第２対応情報を学習させた機械学習のモデルである。第２機械学習モデルは、第１機械学習モデルにより出力された診断結果情報を入力すると、当該診断結果情報に対応する被検者に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補のそれぞれを示す漢方薬候補情報を出力する。このように、情報処理装置２０は、第１機械学習モデルと第２機械学習モデルとを用いて、被検者に処方される漢方薬の候補を特定する。これにより、情報処理装置２０は、漢方医の主観の少なくとも一部を排除して、被検者に処方する１以上の漢方薬の候補を示す漢方薬候補情報を出力することができる。その結果、情報処理装置２０は、漢方医が被検者へ漢方薬を処方するのに要する手間を軽減することができるとともに、漢方医の経験に左右されることなく、被検者への漢方薬の処方を精度よく行うことができる。なお、１以上の波形指標と、診断結果情報とのそれぞれの詳細については、後述する。
　情報処理装置２０は、例えば、ノートＰＣ（Personal Computer）、デスクトップＰＣ、ワークステーション、タブレットＰＣ、多機能携帯電話端末（スマートフォン）、携帯電話端末、ＰＤＡ（Personal Digital Assistant）等の情報処理装置であるが、これらに限られるわけではない。
　＜情報処理装置のハードウェア構成＞
　以下、図２を参照し、情報処理装置２０のハードウェア構成について説明する。図２は、情報処理装置２０のハードウェア構成の一例を示す図である。
　情報処理装置２０は、例えば、プロセッサ２１と、記憶部２２と、入力受付部２３と、通信部２４と、表示部２５を備える。また、情報処理装置２０は、通信部２４を介して脈波検出装置１０と通信を行う。これらの構成要素は、バスを介して相互に通信可能に接続されている。
　プロセッサ２１は、例えば、ＣＰＵ（Central Processing Unit）である。なお、プロセッサ２１は、ＣＰＵに代えて、ＦＰＧＡ（Field Programmable Gate Array）等の他のプロセッサであってもよい。プロセッサ２１は、記憶部２２に格納された各種のプログラムを実行する。なお、プロセッサ２１は、１つの情報処理装置（この一例において、情報処理装置２０）が備えるＣＰＵによって構成されてもよく、複数の情報処理装置が備えるＣＰＵによって構成されてもよい。
　記憶部２２は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等を含む。なお、記憶部２２は、情報処理装置２０に内蔵されるものに代えて、ＵＳＢ（Universal Serial Bus）等のデジタル入出力ポート等によって接続された外付け型の記憶装置であってもよい。記憶部２２は、情報処理装置２０が処理する各種の情報、各種のプログラム等を記憶する。例えば、記憶部２２は、前述の波形情報、第１機械学習モデル、第２機械学習モデル等を記憶する。なお、記憶部２２は、１つの記憶装置によって構成されてもよく、複数の記憶装置によって構成されてもよい。また、当該複数の記憶装置には、情報処理装置２０と別体の情報処理装置が備える記憶装置が含まれる構成であってもよい。
　入力受付部２３は、キーボード、マウス、タッチパッド等の入力装置である。なお、入力受付部２３は、表示部２５と一体に構成されたタッチパネルであってもよい。
　通信部２４は、例えば、ＵＳＢ等のデジタル入出力ポートやイーサネット（登録商標）ポート、通信用のアンテナ等を含んで構成される。
　表示部２５は、例えば、液晶ディスプレイパネル、有機ＥＬ（ElectroLuminescence）ディスプレイパネル等のディスプレイパネルである。
　＜情報処理装置の機能構成＞
　以下、図３を参照し、情報処理装置２０の機能構成について説明する。図３は、情報処理装置２０の機能構成の一例を示す図である。
　情報処理装置２０は、記憶部２２と、入力受付部２３と、通信部２４と、表示部２５と、制御部２６を備える。
　制御部２６は、情報処理装置２０の全体を制御する。制御部２６は、取得部２６１と、受付部２６２と、算出部２６３と、処方候補出力部２６４と、第１学習部２６５と、第２学習部２６６と、表示制御部２６７と、生成部２６８を備える。制御部２６が備えるこれらの機能部は、例えば、プロセッサ２１が、記憶部２２に記憶された各種のプログラムを実行することにより実現される。また、当該機能部のうちの一部又は全部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）等のハードウェア機能部であってもよい。
　取得部２６１は、脈波センサ１２から出力される電気信号を取得する。
　受付部２６２は、ユーザから各種の情報を受け付ける。
　算出部２６３は、情報処理装置２０が算出する各種の値を算出する。例えば、算出部２６３は、ある波形情報に基づいて、当該波形情報が示す波形の特徴を示す１以上の波形指標を算出する。
　処方候補出力部２６４は、前述の出力情報を生成し、生成した出力情報を出力する。例えば、処方候補出力部２６４は、生成した出力情報を記憶部２２に出力し、記憶部２２に当該出力情報を記憶させる。
　第１学習部２６５は、第１機械学習モデルへ第１対応情報を学習させる。
　第２学習部２６６は、第２機械学習モデルへ第２対応情報を学習させる。
　表示制御部２６７は、各種の画像を生成する。表示制御部２６７は、生成した画像を表示部２５に表示させる。
　生成部２６８は、取得部２６１により取得された電気信号に基づいて、被検者の脈波の波形を示す波形情報を生成する。
　＜情報処理装置が波形情報を生成する処理＞
　以下、図４を参照し、情報処理装置２０が波形情報を生成する処理について説明する。図４は、情報処理装置２０が波形情報を生成する処理の流れの一例を示す図である。以下では、一例として、図４に示したステップＳ１１０の処理が行われるよりも前のタイミングにおいて、波形情報を生成する処理を情報処理装置２０に開始させる第１操作を情報処理装置２０が受け付けている場合について説明する。また、以下では、一例として、当該タイミングにおいて、第１操作を受け付けたタイミングから、ユーザにより指定された第１時間が経過するまでの期間を、測定期間として指定する操作を情報処理装置２０が受け付けている場合について説明する。第１時間は、例えば、１分であるが、これに代えて、１分より短い時間であってもよく、１分より長い時間であってもよい。また、以下では、一例として、当該タイミングにおいて、脈波検出装置１０によって被検者Ｓ１の脈波の検出が開始されている場合について説明する。ここで、脈波センサ１２は、脈波検出装置１０による被検者Ｓ１の脈波の検出が開始されると、前述の電気信号を情報処理装置２０に出力し始める。また、以下では、一例として、当該タイミングにおいて、被検者Ｓ１を識別する被検者識別情報を情報処理装置２０が受け付けている場合について説明する。
　第１操作を受け付けた後、取得部２６１は、第１時間が経過するまでの測定期間内において、所定のサンプリング周期で脈波センサ１２から電気信号を取得する（ステップＳ１１０）。なお、実施形態では、この電気信号をアナログ信号からデジタル信号へ変換する処理については、既知の処理であるため、説明を省略する。ここで、サンプリング周期は、例えば、０．００２秒であるが、これに代えて、０．００２秒より短い周期であってもよく、０．００２秒より長い周期であってもよい。取得部２６１は、このようにして測定期間内に取得した電気信号を示す情報を、記憶部２２に記憶させる。
　次に、生成部２６８は、ステップＳ１１０において記憶部２２に記憶された電気信号を示す情報に基づいて、測定期間内における被検者Ｓ１の脈波の波形を示す波形情報を生成する（ステップＳ１２０）。ここで、当該情報に基づいて当該波形情報を生成する方法は、既知の方法であってもよく、これから開発される方法であってもよい。また、情報処理装置２０は、ステップＳ１２０の処理を、ステップＳ１１０の処理と並列に行う構成であってもよい。
　次に、生成部２６８は、ステップＳ１２０において生成した波形情報を記憶部２２に記憶させる（ステップＳ１３０）。この際、生成部２６８は、予め受け付けた被検者識別情報（すなわち、被検者Ｓ１を識別する被検者識別情報）を当該波形情報に対応付けて記憶部２２に記憶させる。ステップＳ１３０の処理が行われた後、生成部２６８は、図４に示したフローチャートの処理を終了する。
　このようにして、情報処理装置２０は、被検者毎の波形情報を記憶部２２に記憶させることができる。
　＜情報処理装置が第１機械学習モデルに第１対応情報を学習させ、且つ、第２機械学習モデルに第２対応情報を学習させる処理＞
　以下、図５を参照し、情報処理装置２０が第１機械学習モデルに第１対応情報を学習させ、且つ、第２機械学習モデルに第２対応情報を学習させる処理について説明する。図５は、情報処理装置２０が第１機械学習モデルに第１対応情報を学習させ、且つ、第２機械学習モデルに第２対応情報を学習させる処理の流れの一例を示す図である。以下では、一例として、図５に示したステップＳ２１０の処理が行われるよりも前のタイミングにおいて、図４に示したフローチャートの処理によって生成されたＮ個の波形情報が記憶部２２に記憶されている場合について説明する。Ｎは、１以上の整数であれば、如何なる整数であってもよい。これらＮ個の波形情報は、Ｎ人の被検者それぞれについての波形情報である。そこで、以下では、説明の便宜上、これらＮ人の被検者のそれぞれを、学習時被検者と称して説明する。また、以下では、説明の便宜上、Ｎ人の学習時被検者それぞれについての波形情報を、学習時波形情報と称して説明する。すなわち、以下では、一例として、当該タイミングにおいて、Ｎ人の学習時被検者それぞれの脈波の波形を示す学習時波形情報が記憶部２２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、Ｎ個の診断結果情報が記憶部２２に記憶されている場合について説明する。これらＮ個の診断結果情報は、Ｎ人の学習時被検者それぞれについての診断結果情報である。ある学習時被検者についての診断結果情報は、漢方医による当該学習時被検者の診断結果を示す情報のことである。この場合、ある学習時被検者についての診断結果情報には、当該学習時被検者を識別する被検者識別情報が対応付けられている。また、以下では、一例として、当該タイミングにおいて、Ｎ個の漢方薬情報が記憶部２２に記憶されている場合について説明する。これらＮ個の漢方薬情報は、Ｎ人の学習時被検者それぞれについての漢方薬情報である。ある学習時被検者についての漢方薬情報は、漢方医が当該学習時被検者に処方した１以上の漢方薬のそれぞれを示す情報である。この場合、ある学習時被検者についての漢方薬情報には、当該学習時被検者を識別する被検者識別情報が対応付けられている。
　制御部２６は、記憶部２２に予め記憶されたＮ個の学習時波形情報のそれぞれを記憶部２２から読み出す（ステップＳ２１０）。なお、図５では、ステップＳ２１０の処理を「波形情報読出」によって示している。
　次に、制御部２６は、ステップＳ２１０において読み出したＮ個の学習時波形情報のそれぞれに対応付けられた被検者識別情報を対象被検者識別情報として１つずつ選択し、選択した対象被検者識別情報毎に、ステップＳ２３０～ステップＳ２７０の処理を繰り返し行う（ステップＳ２２０）。なお、図５では、ステップＳ２２０の処理を「被検者識別情報毎」によって示している。
　ステップＳ２２０において対象被検者識別情報が選択された後、第１学習部２６５は、記憶部２２に記憶されたＮ個の診断結果情報を参照し、ステップＳ２２０において選択された対象被検者識別情報に対応付けられた診断結果情報を記憶部２２から読み出す（ステップＳ２３０）。
　ここで、診断結果情報について説明する。ある学習時被検者についての診断結果情報は、前述した通り、漢方医による当該学習時被検者の診断結果を示す情報のことである。病脈２８脈の思想では、当該学習時被検者の脈波には、浮網脈の範疇に含まれる脈種のうちの１つ、沈網脈の範疇に含まれる脈種のうちの１つ、遅網脈の範疇に含まれる脈種のうちの１つ、数網脈の範疇に含まれる脈種のうちの１つ、虚網脈の範疇に含まれる脈種のうちの１つ、実網脈の範疇に含まれる脈種のうちの１つの合計６つの脈種が少なくとも現れると考えられている。そこで、情報処理装置２０は、事前に当該学習時被検者の診断を漢方医に行わせた結果を示す情報として、当該学習時被検者の脈波に含まれる当該６つの脈種の組み合わせを示す情報を診断結果情報として受け付ける。以下では、説明の便宜上、当該６つの脈種の組み合わせを、対象脈種組と称して説明する。すなわち、診断結果情報は、対象脈種組を示す情報である。なお、この診断結果情報には、他の情報が対応付けられていてもよい。以下では、一例として、診断結果情報に、当該学習時被検者に関する情報、当該学習時被検者の脈波の検出位置を示す情報、当該学習時被検者の既往症を示す情報が対応付けられている場合について説明する。ここで、当該学習時被検者に関する情報には、例えば、当該学習時被検者の性別を示す情報、当該学習時被検者の年齢を示す情報、当該学習時被検者の身長を示す情報、当該学習時被検者の体重を示す情報が含まれている。
　次に、第１学習部２６５は、記憶部２２に記憶されたＮ個の漢方薬情報を参照し、ステップＳ２２０において選択された対象被検者識別情報に対応付けられた漢方薬情報を記憶部２２から読み出す（ステップＳ２４０）。
　次に、算出部２６３は、ステップＳ２１０において読み出した学習時波形情報の中から、ステップＳ２２０において選択された対象被検者識別情報に対応付けられた学習時波形情報を選択し、選択した学習時波形情報が示す波形の特徴を示す１以上の波形指標を算出する（ステップＳ２５０）。以下では、説明の便宜上、学習時波形情報に基づいて算出される１以上の波形指標のそれぞれを、学習時波形指標と称して説明する。
　ここで、１以上の波形指標について説明する。図６は、ステップＳ２２０において選択された対象被検者識別情報に対応付けられた学習時波形情報が示す波形の一例を示す図である。図６に示したグラフの縦軸は、脈波の信号振幅を示す。また、当該グラフの横軸は、経過時間を示す。当該グラフ上にプロットされた曲線は、当該波形を示す。当該波形には、複数の波が含まれている。以下では、一例として、当該波形に含まれている波の数が、Ｍ個である場合について説明する。Ｍは、２以上の整数であれば、如何なる整数であってもよい。例えば、算出部２６３は、当該学習時波形情報に基づいて、当該波形に含まれているＭ個の波のそれぞれ毎に、第１ピーク値、第２ピーク値、下限値、変動幅、第１周期、第２周期の６つの値を算出する。Ｍ個の波のうちのある波の第１ピーク値は、当該波の変位のうち最も大きい変位のことである。Ｍ個の波のうちのある波の第２ピーク値は、当該波の変位のうち２番目に大きい変位のことである。Ｍ個の波のうちのある波の下限値は、当該波の変位のうち最も小さい変位のことである。Ｍ個の波のうちのある波の変動幅は、当該波の第１ピーク値から当該波の下限値を差し引いた値のことである。Ｍ個の波のうちのある波の第１周期は、当該波の周期のことである。Ｍ個の波のうちのある波の第２周期は、当該波の第１ピークから当該波の第２ピークに至るまでの時間のことである。当該波の第１ピークは、当該波の変位が第１ピーク値となったタイミングのことである。当該波の第２ピークは、当該波の変位が第２ピーク値となったタイミングのことである。ここで、図７は、ステップＳ２２０において選択された対象被検者識別情報に対応付けられた学習時波形情報が示す波形に含まれるＭ個の波のうちのｍ番目の波と、当該波についての第１ピーク値Ｐ１ｍ、第２ピーク値Ｐ２ｍ、下限値Ｐ３ｍ、第１周期ｔ１ｍ、第２周期ｔ２ｍのそれぞれとの一例を視覚的に示す図である。算出部２６３は、Ｍ個の波のそれぞれ毎に算出したこれら６つの値に基づいて、第１平均値Ｐ１と、第２平均値Ｐ２と、第３平均値Ｐ３と、第４平均値Ｐ４と、第５平均値Ｐ５と、第６平均値Ｐ６と、第７平均値Ｐ７と、第１標準偏差Ｓｄ１と、第２標準偏差Ｓｄ２とのそれぞれを、学習時波形情報に基づく１つ以上の波形指標として算出する。Ｍ個の波についての第１平均値Ｐ１は、Ｍ個の波それぞれの第１ピーク値の平均値である。Ｍ個の波についての第２平均値Ｐ２は、Ｍ個の波それぞれの第２ピーク値の平均値である。Ｍ個の波についての第３平均値Ｐ３は、Ｍ個の波それぞれの下限値の平均値である。Ｍ個の波についての第４平均値Ｐ４は、Ｍ個の波それぞれの変動幅の平均値である。Ｍ個の波についての第５平均値Ｐ５は、Ｍ個の波それぞれの第１周期の平均値である。Ｍ個の波についての第６平均値Ｐ６は、Ｍ個の波それぞれの第２周期の平均値である。Ｍ個の波についての第７平均値Ｐ７は、第２平均値Ｐ２と第３平均値Ｐ３との差を、第１平均値Ｐ１と第３平均値Ｐ３との差によって除した値である。Ｍ個の波についての第１標準偏差Ｓｄ１は、変動幅の標準偏差である。Ｍ個の波についての第２標準偏差Ｓｄ２は、第１周期の標準偏差である。なお、第１標準偏差Ｓｄ１と第５平均値Ｐ５のそれぞれを算出することは、心臓の頻脈徐脈を診断することに対応付けることができる。また、第７平均値Ｐ７を算出することは、心臓大動脈の吐出の診断（心拍出量、左室収縮のそれぞれと左房能力との状態の診断）に対応付けることができる。また、算出部２６３は、第１平均値Ｐ１と、第２平均値Ｐ２と、第３平均値Ｐ３と、第４平均値Ｐ４と、第５平均値Ｐ５と、第６平均値Ｐ６と、第７平均値Ｐ７と、第１標準偏差Ｓｄ１と、第２標準偏差Ｓｄ２とのうちの一部を、学習時波形情報に基づく１つ以上の波形指標として算出する構成であってもよい。なお、図６には、被検者の脈波の波形として、比較的多く検出される波形、すなわち、ピーク値が２つある波形を例に挙げた。しかしながら、１以上の波形指標は、被検者の脈波の波形が、ピーク値が３つ以上ある波形であっても、図６において説明した処理と同様の処理によって算出される。
　ステップＳ２５０の処理が行われた後、第１学習部２６５は、第１対応情報を生成する（ステップＳ２６０）。より具体的には、第１学習部２６５は、ステップＳ２５０において算出した１つ以上の波形指標と、ステップＳ２３０において読み出した診断結果情報とを対応付けた情報を、第１対応情報として生成する。この際、第１学習部２６５は、ベクトルＸとベクトルＹとのそれぞれを生成する。ここで、ベクトルＸは、ｘ１～ｘ９の９個の成分を有するベクトルである。ｘ１は、第１平均値Ｐ１が代入される変数である。ｘ２は、第２平均値Ｐ２が代入される変数である。ｘ３は、第３平均値Ｐ３が代入される変数である。ｘ４は、第４平均値Ｐ４が代入される変数である。ｘ５は、第５平均値Ｐ５が代入される変数である。ｘ６は、第６平均値Ｐ６が代入される変数である。ｘ７は、第７平均値Ｐ７が代入される変数である。ｘ８は、第１標準偏差Ｓｄ１が代入される変数である。ｘ９は、第２標準偏差Ｓｄ２が代入される変数である。すなわち、第１学習部２６５は、当該１つ以上の波形指標のそれぞれを成分として有するベクトルとして、ベクトルＸを生成する。一方、ベクトルＹは、ｙ１～ｙ２８の２８個の成分を有するベクトルである。ｙ１は、浮脈に対応する変数である。ｙ２は、こう脈に対応する変数である。ｙ３は、洪脈に対応する変数である。ｙ４は、革脈に対応する変数である。ｙ５は、濡脈に対応する変数である。ｙ６は、散脈に対応する変数である。ｙ７は、沈脈に対応する変数である。ｙ８は、伏脈に対応する変数である。ｙ９は、弱脈に対応する変数である。ｙ１０は、牢脈に対応する変数である。ｙ１１は、遅脈に対応する変数である。ｙ１２は、緩脈に対応する変数である。ｙ１２は、渋脈に対応する変数である。ｙ１４は、結脈に対応する変数である。ｙ１５は、代脈に対応する変数である。ｙ１６は、数脈に対応する変数である。ｙ１７は、動脈に対応する変数である。ｙ１８は、促脈に対応する変数である。ｙ１９が、虚脈に対応する変数である。ｙ２０は、短脈に対応する変数である。ｙ２１は、細脈に対応する変数である。ｙ２２は、微脈に対応する変数である。ｙ２３は、実脈に対応する変数である。ｙ２４は、長脈に対応する変数である。ｙ２５は、弦脈に対応する変数である。ｙ２６は、緊脈に対応する変数である。ｙ２７は、滑脈に対応する変数である。ｙ２８は、大脈に対応する変数である。これら２８個の変数には、漢方医により選択された脈種であるか否かを示すフラグが代入される。例えば、ステップＳ２２０において選択された対象被検者識別情報に対応付けられた診断結果情報が示す対象脈種組が、浮脈、沈脈、遅脈、数脈、虚脈、実脈の６つの脈種の組み合わせであった場合、浮脈に対応するｙ１、沈脈に対応するｙ７、遅脈に対応するｙ１１、数脈に対応するｙ１６、虚脈に対応するｙ１９、実脈に対応するｙ２３のそれぞれには、１が代入される。そして、この場合、ｙ２～ｙ６、ｙ８～ｙ１０、ｙ１２～ｙ１５、ｙ１７、ｙ１８、ｙ２１、ｙ２２、ｙ２４～ｙ２８のそれぞれには、０が代入される。第１学習部２６５は、このような２８個の変数を成分として有するベクトルとして、ベクトルＹを生成する。第１学習部２６５は、生成したベクトルＸと、生成したベクトルＹとを対応付けた情報を、第１対応情報として生成する。すなわち、ベクトルＸは、ステップＳ２５０において算出した１つ以上の波形指標を示す。また、ベクトルＹは、ステップＳ２３０において読み出した診断結果情報を示す。第１学習部２６５は、生成した第１対応情報を、記憶部２２に予め記憶された第１データベースに記憶する。すなわち、第１データベースは、図５に示したステップＳ２２０～ステップＳ２７０の繰り返し処理において生成されるＮ個の第１対応情報を格納するデータベースである。
　次に、第２学習部２６６は、第２対応情報を生成する（ステップＳ２７０）。より具体的には、第２学習部２６６は、ステップＳ２３０において読み出した診断結果情報と、ステップＳ２４０において読み出した漢方薬情報が示す１以上の漢方薬のそれぞれとを対応付けた情報を、第２対応情報として生成する。第２学習部２６６は、生成した第２対応情報を、記憶部２２に予め記憶された第２データベースに記憶する。すなわち、第２データベースは、図５に示したステップＳ２２０～ステップＳ２７０の繰り返し処理において生成されるＮ個の第２対応情報を格納するデータベースである。また、第２データベースは、ｎ１×ｍ１の二次元テーブル構造のデータベースである。すなわち、第２データベースは、ｎ１×ｍ１の二次元テーブルを示す。ｎ１は、対象脈種組として選択可能な脈種の組み合わせの数である。そして、ｎ１は、浮網脈の範疇に含まれる脈種の数が６、沈網脈の範疇に含まれる脈種の数が４、遅網脈の範疇に含まれる脈種の数が５、数網脈の範疇に含まれる脈種の数が３、虚網脈の範疇に含まれる脈種の数が４、実網脈の範疇に含まれる脈種の数が６であるため、８６４０組である。また、ｍ１は、情報処理装置２０が取り扱うことが可能な漢方薬の種類の数である。第２学習部２６６は、当該対象脈種組と、当該１以上の漢方薬のそれぞれとが当該二次元テーブル上でクロスしたフィールドに割り当てられた値に１を加算することにより、生成した第２対応情報を第２データベースに格納する。なお、当該二次元テーブル上の各フィールドには、初期値として、０が割り当てられている。また、図８は、ステップＳ２７０の処理の一例を可視化したイメージ図である。
　ステップＳ２７０の処理が行われた後、制御部２６は、ステップＳ２２０に遷移し、次の対象被検者識別情報を選択する。なお、制御部２６は、ステップＳ２２０において未選択の被検者識別情報が存在しない場合、ステップＳ２２０～ステップＳ２７０の繰り返し処理を終了する。
　ステップＳ２２０～ステップＳ２７０の繰り返し処理が終了した後、第１学習部２６５は、当該繰り返し処理において第１データベースに格納したＮ個の第１対応情報を、第１機械学習モデルに学習させる（ステップＳ２８０）。より具体的には、第１学習部２６５は、当該Ｎ個の第１対応情報のそれぞれを用いて、入力をベクトルＸとし、出力をベクトルＹとして第１機械学習モデルに学習させる。これにより、第１学習部２６５は、ベクトルＸとベクトルＹとを対応付ける線形回帰モデルとして、ベクトルＸに作用する係数行列Ａと、バイアスベクトルｂとのそれぞれを第１機械学習モデルに算出させることができる。この際、第１学習部２６５は、主要因分析を第１機械学習モデルに行わせることにより、線形結合の結合項を減らさせる。これにより、情報処理装置２０は、ステップＳ２８０の処理における演算コストを減少させることができる。なお、第１学習部２６５は、このような演算コストの減少を図る必要がない場合、主要因分析を第１機械学習モデルに行わせない構成であってもよい。また、主要因分析の方法は、既知の方法であってもよく、これから開発される方法であってもよい。また、第１機械学習モデルとして利用される機械学習のモデルは、上記の係数行列Ａとバイアスベクトルｂとのそれぞれを算出可能なモデルであれば、如何なる種類の機械学習のモデルであってもよい。なお、図９は、ステップＳ２８０の処理の一例を可視化したイメージ図である。
　次に、第２学習部２６６は、ステップＳ２２０～ステップＳ２７０の繰り返し処理において生成したＮ個の第２対応情報を、第２機械学習モデルに学習させる（ステップＳ２９０）。すなわち、第２学習部２６６は、ある被検者についての対象脈種組が入力された場合、当該被検者に処方される漢方薬として尤もらしい１以上の漢方薬のそれぞれを、当該被検者に処方される漢方薬の候補として示す漢方薬候補情報を出力するように、第２対応情報を第２機械学習モデルに学習させる。第２機械学習モデルとして利用される機械学習のモデルは、このような入出力の関係を実現可能なモデルであれば、如何なる種類の機械学習のモデルであってもよい。ステップＳ２９０の処理が行われた後、制御部２６は、図５に示したフローチャートの処理を終了する。
　以上のように、情報処理装置２０は、第１機械学習モデルに第１対応情報を学習させ、且つ、第２機械学習モデルに第２対応情報を学習させることができる。
　＜情報処理装置が診断結果情報を受け付ける処理＞
　以下、図１０を参照し、情報処理装置２０が診断結果情報を受け付ける処理について説明する。図１０は、情報処理装置２０が診断結果情報を受け付ける処理の流れの一例を示す図である。以下では、一例として、前述のＮ人の学習時被検者のうちの１人である被検者Ｓ２についての診断結果情報を情報処理装置２０が受け付ける場合について説明する。また、以下では、一例として、図１０に示したステップＳ３１０の処理が行われるよりも前のタイミングにおいて、漢方医による被検者Ｓ２の診断が行われている場合について説明する。また、以下では、一例として、当該タイミングにおいて、診断結果情報の受け付けを情報処理装置２０に開始させる第２操作を情報処理装置２０受け付けている場合について説明する。
　第２操作を情報処理装置２０が受け付けた後、表示制御部２６７は、情報受付画像ＰＣＴ１を生成する（ステップＳ３１０）。
　ここで、情報受付画像ＰＣＴ１は、診断結果情報を情報処理装置２０が受け付ける画像である。図１１は、情報受付画像ＰＣＴ１の一例を示す図である。情報受付画像ＰＣＴ１には、例えば、第１受付画像Ｇ１～第８受付画像Ｇ８の８つの画像が含まれている。なお、情報受付画像ＰＣＴ１には、これら８つの画像に加えて、他の画像が含まれる構成であってもよい。
　第１受付画像Ｇ１は、被検者識別情報を受け付けるＧＵＩである。第１受付画像Ｇ１には、例えば、被検者識別情報が入力される入力欄が含まれている。
　第２受付画像Ｇ２は、被検者の性別を示す情報を受け付けるＧＵＩである。第２受付画像Ｇ２には、例えば、被検者の性別が男性であることを示す情報を受け付けるラジオボタンと、被検者の性別が女性であることを示す情報を受け付けるラジオボタンとの２つのラジオボタンが含まれている。
　第３受付画像Ｇ３は、被検者の年齢を示す情報を受け付けるＧＵＩである。第３受付画像Ｇ３には、例えば、被検者の年齢を示す情報が入力される入力欄が含まれている。
　第４受付画像Ｇ４は、被検者の身長を示す情報を受け付けるＧＵＩである。第４受付画像Ｇ４には、例えば、被検者の身長を示す情報が入力される入力欄が含まれている。
　第５受付画像Ｇ５は、被検者の体重を示す情報を受け付けるＧＵＩである。第５受付画像Ｇ５には、例えば、被検者の体重を示す情報が入力される入力欄が含まれている。
　第６受付画像Ｇ６は、被検者の脈波の検出位置を示す情報を受け付けるＧＵＩである。第６受付画像Ｇ６には、例えば、被検者が有する両腕のうち脈波が検出された腕が左腕であることを示す情報を受け付けるラジオボタン、被検者が有する両腕のうち脈波が検出された腕が右腕であることを示す情報を受け付けるラジオボタン、被検者の脈波が検出された位置が寸であることを示す情報を受け付けるラジオボタン、被検者の脈波が検出された位置が関であることを示す情報を受け付けるラジオボタン、被検者の脈波が検出された位置が尺であることを示す情報を受け付けるラジオボタンが含まれている。
　第７受付画像Ｇ７は、被検者の既往症を示す情報を受け付けるＧＵＩである。第７受付画像Ｇ７には、例えば、被検者の既往症を示す情報が入力される入力欄が含まれている。
　第８受付画像Ｇ８は、診断結果情報を受け付けるＧＵＩである。第８受付画像Ｇ８には、例えば、受付画像Ｇ８１～受付画像Ｇ８６の６つの画像が含まれている。
　受付画像Ｇ８１は、浮網脈の範疇に含まれる６脈種のうちの１つを受け付けるＧＵＩである。受付画像Ｇ８１は、受付画像Ｇ８１を選択する操作を行うと、当該６脈種のそれぞれを示す情報がリスト化されたドロップダウンメニューＬ８１が表示される。ドロップダウンメニューＬ８１が表示された場合、情報処理装置２０のユーザは、ドロップダウンメニューＬ８１においてリスト化された当該６脈種それぞれを示す情報のうちのいずれかを選択する操作を行うことができる。情報受付画像ＰＣＴ１では、ドロップダウンメニューＬ８１においてリスト化された当該６脈種それぞれを示す情報のうちのいずれかを選択する操作が行われた場合、ドロップダウンメニューＬ８１の表示が消え、受付画像Ｇ８１の表示欄に、ドロップダウンメニューＬ８１において選択された情報が表示される。
　受付画像Ｇ８２は、沈網脈の範疇に含まれる４脈種のうちの１つを受け付けるＧＵＩである。受付画像Ｇ８２は、受付画像Ｇ８２を選択する操作を行うと、当該４脈種のそれぞれを示す情報がリスト化されたドロップダウンメニューＬ８２が表示される。ドロップダウンメニューＬ８２が表示された場合、情報処理装置２０のユーザは、ドロップダウンメニューＬ８２においてリスト化された当該４脈種それぞれを示す情報のうちのいずれかを選択する操作を行うことができる。情報受付画像ＰＣＴ１では、ドロップダウンメニューＬ８２においてリスト化された当該４脈種それぞれを示す情報のうちのいずれかを選択する操作が行われた場合、ドロップダウンメニューＬ８２の表示が消え、受付画像Ｇ８２の表示欄に、ドロップダウンメニューＬ８２において選択された情報が表示される。
　受付画像Ｇ８３は、遅網脈の範疇に含まれる５脈種のうちの１つを受け付けるＧＵＩである。受付画像Ｇ８３は、受付画像Ｇ８３を選択する操作を行うと、当該５脈種のそれぞれを示す情報がリスト化されたドロップダウンメニューＬ８３が表示される。ドロップダウンメニューＬ８３が表示された場合、情報処理装置２０のユーザは、ドロップダウンメニューＬ８３においてリスト化された当該５脈種それぞれを示す情報のうちのいずれかを選択する操作を行うことができる。情報受付画像ＰＣＴ１では、ドロップダウンメニューＬ８３においてリスト化された当該５脈種それぞれを示す情報のうちのいずれかを選択する操作が行われた場合、ドロップダウンメニューＬ８３の表示が消え、受付画像Ｇ８３の表示欄に、ドロップダウンメニューＬ８３において選択された情報が表示される。
　受付画像Ｇ８４は、数網脈の範疇に含まれる３脈種のうちの１つを受け付けるＧＵＩである。受付画像Ｇ８４は、受付画像Ｇ８４を選択する操作を行うと、当該３脈種のそれぞれを示す情報がリスト化されたドロップダウンメニューＬ８４が表示される。ドロップダウンメニューＬ８４が表示された場合、情報処理装置２０のユーザは、ドロップダウンメニューＬ８４においてリスト化された当該３脈種それぞれを示す情報のうちのいずれかを選択する操作を行うことができる。情報受付画像ＰＣＴ１では、ドロップダウンメニューＬ８４においてリスト化された当該３脈種それぞれを示す情報のうちのいずれかを選択する操作が行われた場合、ドロップダウンメニューＬ８４の表示が消え、受付画像Ｇ８４の表示欄に、ドロップダウンメニューＬ８４において選択された情報が表示される。
　受付画像Ｇ８５は、虚網脈の範疇に含まれる４脈種のうちの１つを受け付けるＧＵＩである。受付画像Ｇ８５は、受付画像Ｇ８５を選択する操作を行うと、当該４脈種のそれぞれを示す情報がリスト化されたドロップダウンメニューＬ８５が表示される。ドロップダウンメニューＬ８５が表示された場合、情報処理装置２０のユーザは、ドロップダウンメニューＬ８５においてリスト化された当該４脈種それぞれを示す情報のうちのいずれかを選択する操作を行うことができる。情報受付画像ＰＣＴ１では、ドロップダウンメニューＬ８５においてリスト化された当該４脈種それぞれを示す情報のうちのいずれかを選択する操作が行われた場合、ドロップダウンメニューＬ８５の表示が消え、受付画像Ｇ８５の表示欄に、ドロップダウンメニューＬ８５において選択された情報が表示される。
　受付画像Ｇ８６は、実網脈の範疇に含まれる６脈種のうちの１つを受け付けるＧＵＩである。受付画像Ｇ８６は、受付画像Ｇ８６を選択する操作を行うと、当該６脈種のそれぞれを示す情報がリスト化されたドロップダウンメニューＬ８６が表示される。ドロップダウンメニューＬ８６が表示された場合、情報処理装置２０のユーザは、ドロップダウンメニューＬ８６においてリスト化された当該６脈種それぞれを示す情報のうちのいずれかを選択する操作を行うことができる。情報受付画像ＰＣＴ１では、ドロップダウンメニューＬ８６においてリスト化された当該６脈種それぞれを示す情報のうちのいずれかを選択する操作が行われた場合、ドロップダウンメニューＬ８６の表示が消え、受付画像Ｇ８６の表示欄に、ドロップダウンメニューＬ８６において選択された情報が表示される。
　なお、図１２は、上記において説明した６つのドロップダウンメニューのそれぞれが表示されている様子の一例を示す図である。ここで、情報受付画像ＰＣＴ１は、第２受付画像Ｇ２～第７受付画像Ｇ７のうちの一部又は全部を含まない構成であってもよい。
　ステップＳ３１０の処理が行われた後、表示制御部２６７は、ステップＳ３１０において生成した情報受付画像ＰＣＴ１を表示部２５に表示させる（ステップＳ３２０）。
　次に、受付部２６２は、ステップＳ３２０において表示部２５に表示された情報受付画像ＰＣＴ１を介して情報処理装置２０が操作を受け付けるまで待機する（ステップＳ３３０）。
　受付部２６２は、ステップＳ３２０において表示部２５に表示された情報受付画像ＰＣＴ１を介して情報処理装置２０が操作を受け付けた場合（ステップＳ３３０－ＹＥＳ）、情報受付画像ＰＣＴ１を介した診断結果情報の受け付けを終了する操作をステップＳ３３０において受け付けたか否かを判定する（ステップＳ３４０）。
　受付部２６２は、情報受付画像ＰＣＴ１を介した診断結果情報の受け付けを終了する操作をステップＳ３３０において受け付けていないと判定した場合（ステップＳ３４０－ＮＯ）、ステップＳ３３０において受け付けた操作に応じた処理を行う（ステップＳ３７０）。ここで、当該処理は、例えば、第８受付画像Ｇ８を介して情報処理装置２０が診断結果情報を受け付ける処理等である。すなわち、ステップＳ３７０の処理によって、情報処理装置２０は、被検者Ｓ２についての診断結果情報に含まれる各種の情報を受け付ける。なお、ステップＳ３３０において受け付けた操作に応じた処理は、情報受付画像ＰＣＴ１を介して受け付けた操作に応じて行うことが可能な処理であれば如何なる処理であってもよい。ステップＳ３７０の処理が行われた後、受付部２６２は、ステップＳ３３０に遷移し、ステップＳ３２０において表示部２５に表示された情報受付画像ＰＣＴ１を介して情報処理装置２０が操作を受け付けるまで再び待機する。
　一方、受付部２６２は、情報受付画像ＰＣＴ１を介した診断結果情報の受け付けを終了する操作をステップＳ３３０において受け付けたと判定した場合（ステップＳ３４０－ＹＥＳ）、情報受付画像ＰＣＴ１の受付画像Ｇ８１～受付画像Ｇ８６のそれぞれを介して受け付けた情報に基づいて、対象脈種組を特定する。そして、受付部２６２は、特定した対象脈種組を示す診断結果情報を生成する（ステップＳ３５０）。この際、受付部２６２は、生成した診断結果情報に、情報受付画像ＰＣＴ１の第１受付画像Ｇ１～第７受付画像Ｇ７のそれぞれを介して受け付けた情報を対応付ける。
　次に、受付部２６２は、ステップＳ３５０において生成した診断結果情報を記憶部２２に記憶させ（ステップＳ３６０）、図１０に示したフローチャートの処理を終了する。
　以上のように、情報処理装置２０は、診断結果情報を受け付けることができる。
　＜情報処理装置が漢方薬候補情報を出力する処理＞
　以下、図１３を参照し、情報処理装置２０が漢方薬候補情報を出力する処理について説明する。図１３は、情報処理装置２０が漢方薬候補情報を出力する処理の流れの一例を示す図である。以下では、一例として、図１３に示したステップＳ４１０の処理が行われるよりも前のタイミングにおいて、図４に示したフローチャートの処理によって生成された第１波形情報が記憶部２２に記憶されている場合について説明する。第１波形情報は、被検者Ｓ３の脈波の波形を示す波形情報のことである。また、以下では、一例として、当該タイミングにおいて、漢方薬候補情報を出力する処理を情報処理装置２０に開始させる第３操作とともに、漢方薬候補情報を提供する対象となる被検者を識別する被検者識別情報として、被検者Ｓ３を識別する被検者識別情報を情報処理装置２０が受け付けている場合について説明する。
　第３操作及び被検者識別情報を情報処理装置２０が受け付けた後、算出部２６３は、受け付けた被検者識別情報に基づいて、記憶部２２から第１波形情報を読み出す（ステップＳ４１０）。図１３では、ステップＳ４１０の処理を「波形情報読出」に依って示している。
　次に、算出部２６３は、ステップＳ４１０において読み出した第１波形情報に基づいて、被検者Ｓ３の脈波の波形の特徴を示す１以上の波形指標を算出する（ステップＳ４２０）。
　次に、処方候補出力部２６４は、ステップＳ４２０において算出部２６３が算出した１以上の波形指標に基づいて、被検者Ｓ３に処方される漢方薬の候補を特定する（ステップＳ４３０）。図１３では、ステップＳ４３０の処理を「漢方薬候補特定」によって示している。ここで、ステップＳ４３０の処理について説明する。
　処方候補出力部２６４は、ステップＳ４２０において算出部２６３が算出した１以上の波形指標を、入力として第１機械学習モデルに入力する。第１機械学習モデルは、前述した通り、ある被検者の脈波の波形の特徴を示す１以上の波形指標を入力すると、漢方医による当該被検者の診断結果として尤もらしいと推定される診断結果を示す診断結果情報を出力する。このため、第１機械学習モデルは、ステップＳ４２０において算出部２６３が算出した１以上の波形指標が入力されると、漢方医による被検者Ｓ３の診断結果として尤もらしいと推定される診断結果を示す診断結果情報を出力する。具体的には、第１機械学習モデルは、当該１以上の波形指標を入力された場合、入力された当該１以上の波形指標と、事前の学習によって算出された線形回帰モデルとに基づいて、被検者Ｓ３についての対象脈種組として尤もらしいと推定される対象脈種組を示すベクトルＹを、被検者Ｓ３についての診断結果情報として出力する。この際、第１機械学習モデルは、対象脈種組として選択可能な６つの脈種の組み合わせのそれぞれ毎に、被検者Ｓ３についての対象脈種組としての尤もらしさを示す尤度を算出し、算出した尤度が最も高い組み合わせを、対象脈種組として推定する。図１４は、対象脈種組として選択可能な６つの脈種の組み合わせ毎の尤度の一例を示す図である。
　第１機械学習モデルがベクトルＹを出力した後、処方候補出力部２６４は、第１機械学習モデルから出力されたベクトルＹを、入力として第２機械学習モデルに入力する。第２機械学習モデルは、前述した通り、第１機械学習モデルにより出力された診断結果情報を入力すると、当該診断結果情報に対応する被検者に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補のそれぞれを示す漢方薬候補情報を出力する。このため、第２機械学習モデルは、第１機械学習モデルが出力したベクトルＹが入力されると、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補のそれぞれを示す漢方薬候補情報を出力する。具体的には、第２機械学習モデルは、当該ベクトルＹが入力された場合、入力されたベクトルＹと、事前に学習された第２対応情報とに基づいて、第２対応情報が示す二次元テーブルにおいて当該ベクトルＹが示す対象脈種組に対応付けられたフィールドのうち、所定の第１閾値以上の値が割り当てられた１以上のフィールドのそれぞれを特定する。そして、第２機械学習モデルは、特定した１以上のフィールドのそれぞれに対応付けられた漢方薬を、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補として特定する。ここで、第１閾値は、０より大きい値であれば、如何なる値であってもよい。第１閾値は、例えば、事前の実験結果等によって、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補の特定精度が高くなるように決定される。第２機械学習モデルは、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補を特定した後、特定した１以上の漢方薬の候補それぞれを示す漢方薬候補情報を出力する。ここで、図１５は、第２機械学習モデルが、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補を特定する流れを可視化したイメージ図である。
　第２機械学習モデルが１以上の漢方薬候補情報を出力した後、処方候補出力部２６４は、第２機械学習モデルが出力した当該１以上の漢方薬候補情報のそれぞれが示す漢方薬の候補を、被検者Ｓ３に処方する１以上の漢方薬として尤もらしいと推定される１以上の漢方薬の候補として特定する。以上のように、処方候補出力部２６４は、ステップＳ４３０において、当該１以上の漢方薬の候補を特定する。
　ステップＳ４３０の処理が行われた後、処方候補出力部２６４は、ステップＳ４３０において特定した１以上の漢方薬の候補それぞれを示す漢方薬候補情報を含む出力情報を生成する。当該出力情報には、当該１以上の漢方薬の候補それぞれを示す漢方薬候補情報に加えて、如何なる情報が含まれてもよい。処方候補出力部２６４は、生成した出力情報を表示制御部２６７に出力する。これにより、表示制御部２６７は、例えば、処方候補出力部２６４から出力された出力情報を含む画像を生成する。そして、表示制御部２６７は、生成した当該画像を表示部２５に表示させ（ステップＳ４４０）、図１３に示したフローチャートの処理を終了する。なお、図１３では、ステップＳ４４０の処理を「漢方薬候補情報表示」によって示している。
　以上のように、情報処理装置２０は、被検者Ｓ３の脈波の波形を示す第１波形情報に基づいて、被検者Ｓ３に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する。これにより、情報処理装置２０は、漢方医に被検者Ｓ３の脈診を行わせることなく、被検者Ｓ３へ処方する漢方薬の候補を特定することができる。その結果、情報処理装置２０は、漢方医が被検者Ｓ３へ漢方薬を処方するのに要する手間を軽減することができる。また、これにより、情報処理装置２０は、漢方医の熟練度による治療成果のバラツキを抑制することを、効率よく行うことができる。
　＜実施形態の変形例＞
　以下、実施形態の変形例について説明する。実施形態の変形例では、ある被検者についての診断結果情報には、漢方医による当該被検者の問診、顔診、舌診、腹診のうちの少なくとも１つの診断結果を示す情報が含まれている。以下では、一例として、ある被検者についての診断結果情報に、漢方医による当該被検者の問診の診断結果を示す情報が含まれている場合について説明する。この場合、ある被検者についての診断結果情報には、例えば、当該被検者に関する情報、当該被検者の脈波の検出位置を示す情報、当該被検者の既往症を示す情報が含まれている。すなわち、当該被検者に関する情報、当該被検者の脈波の検出位置を示す情報、当該被検者の既往症を示す情報のそれぞれは、漢方医による当該被検者の問診の診断結果を示す情報の一例である。そして、この場合、前述のベクトルＹは、前述のｙ１～ｙ２８の２８個の成分に加えて、ｙ２９～ｙ３８の１０個の成分が含まれている。ここで、ｙ２９は、被検者の性別が男性である場合に１、被検者の性別が女性である場合に０が代入される変数である。ｙ３０は、被検者の性別が女性である場合に１、被検者の性別が男性である場合に０が代入される変数である。ｙ３１は、被検者の年齢が代入される変数である。ｙ３２は、被検者の身長が代入される変数である。ｙ３３は、被検者の体重が代入される変数である。ｙ３４は、被検者の両腕のうち脈波の検出が行われた方の腕が左腕である場合に１、被検者の両腕のうち脈波の検出が行われた方の腕が右腕である場合に０が代入される変数である。ｙ３４は、被検者の両腕のうち脈波の検出が行われた方の腕が右腕である場合に０が代入される変数である。ｙ３５は、被検者の脈波が検出された位置が寸である場合に１、被検者の脈波が検出された位置が関又は尺である場合に０が代入される変数である。ｙ３６は、被検者の脈波が検出された位置が関である場合に１、被検者の脈波が検出された位置が寸又は尺である場合に０が代入される変数である。ｙ３７は、被検者の脈波が検出された位置が尺である場合に１、被検者の脈波が検出された位置が寸又は関である場合に０が代入される変数である。ｙ３８は、被検者が既往症を有している場合に１、被検者が既往症を有していない場合に０が代入される変数である。なお、実施形態の変形例に係るベクトルＹは、ｙ２９～ｙ３８のうちの一部が含まれる構成であってもよい。
　この場合、図１０に示したステップＳ３５０では、受付部２６２は、情報受付画像ＰＣＴ１の受付画像Ｇ８１～受付画像Ｇ８６のそれぞれを介して受け付けた情報に基づいて、対象脈種組を特定する。そして、受付部２６２は、特定した対象脈種組を示す診断結果情報と、第２受付画像Ｇ２～第７受付画像Ｇ７のそれぞれを介して受け付けた情報とを含む情報を、診断結果情報として生成する。この際、受付部２６２は、生成した診断結果情報に、情報受付画像ＰＣＴ１の第１受付画像Ｇ１を介して受け付けた被検者識別情報を対応付ける。
　また、この場合、前述の第２データベースは、（ｎ１×ｎ２）×ｍ１の二次元テーブル構造のデータベースである。ここで、ｎ２は、ｙ２９～ｙ３８のそれぞれに代入された１０個の値の組み合わせの数である。これにより、情報処理装置２０は、ある被検者の対象脈種組を示す情報、当該被検者に関する情報、当該被検者の脈波の検出位置を示す情報、当該被検者の既往症を示す情報の組み合わせに基づいて、当該被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力することができる。これにより、情報処理装置２０は、当該被検者へ処方すべき漢方薬の候補の特定精度を、高くすることができる。その結果、情報処理装置２０は、漢方医が被検者Ｓ３へ漢方薬を処方するのに要する手間を、より確実に軽減することができる。
　なお、上記において説明した事項は、如何様に組み合わされてもよい。
　また、上記において説明した臓器の状態に応じた脈種の分類方法は、病脈２８脈に代えて、病脈３８脈等の他の分類方法であってもよい。この場合、前述の対象脈種組は、７以上の脈種の組み合わせであってもよい。しかしながら、この場合であっても、情報処理装置２０が行う処理の全体としての流れは、上記において説明した流れと変わらない。
　＜付記＞
［１］第１被検者（上記において説明した例では、被検者Ｓ３）の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力部（上記において説明した例では、処方候補出力部２６４）を備える情報処理装置（上記において説明した例では、情報処理装置２０）。
［２］前記第１波形情報に基づいて、前記第１波形情報が示す波形の特徴を示す１以上の第１波形指標を算出する算出部（上記において説明した例では、算出部２６３）を更に備え、前記処方候補出力部は、前記算出部が算出した前記１以上の第１波形指標に基づいて、前記漢方薬の候補を特定する、［１］に記載の情報処理装置。
［３］前記処方候補出力部は、第１機械学習モデルと、第２機械学習モデルと、前記第１波形情報とに基づいて、前記漢方薬の候補を特定し、前記第１機械学習モデルは、第２被検者の脈波の波形を示す第２波形情報が示す波形の特徴を示す１以上の第２波形指標と、漢方医による前記第２被検者の診断結果を示す診断結果情報とが対応付けられた第１対応情報を学習させた機械学習のモデルであり、前記第２機械学習モデルは、前記診断結果情報と、１以上の漢方薬情報とが対応付けられた第２対応情報を学習させた機械学習のモデルであり、前記１以上の漢方薬情報は、前記漢方医が前記第２被検者に処方した１以上の漢方薬のそれぞれを示す情報である、［２］に記載の情報処理装置。
［４］前記算出部は、前記第２波形情報に基づいて、前記１以上の第２波形指標を算出し、前記情報処理装置は、前記第２被検者の前記診断結果情報（上記において説明した例では、ベクトルＹ）と、前記１以上の漢方薬情報とを受け付ける受付部（上記において説明した例では、受付部２６２）と、前記算出部が算出した前記１以上の第２波形指標と、前記受付部が受け付けた前記第２被検者の前記診断結果情報とを対応付けた情報を前記第１対応情報として生成し、生成した前記第１対応情報を前記第１機械学習モデルに学習させる第１学習部（上記において説明した例では、第１学習部２６５）と、前記受付部が受け付けた前記第２被検者の前記診断結果情報と、前記受付部が受け付けた前記１以上の漢方薬情報とを対応付けた情報を前記第２対応情報として生成し、生成した前記第２対応情報を前記第２機械学習モデルに学習させる第２学習部（上記において説明した例では、第２学習部２６６）と、を更に備える、［３］に記載の情報処理装置。
［５］前記診断結果情報には、前記第２被検者の脈診の結果を示す第１診断結果情報と、前記漢方医による前記第２被検者の診断のうち脈診以外の１種類以上の診断の結果を示す第２診断結果情報（上記において説明した例では、被検者に関する情報、被検者の脈波の検出位置を示す情報、被検者の既往症を示す情報）とのうち、少なくとも前記第１診断結果情報が含まれている、［３］又は［４］に記載の情報処理装置。
［６］前記第２診断結果情報には、前記漢方医による前記第２被検者の問診、顔診、舌診、腹診のうちの少なくとも１つの診断結果を示す情報が含まれている、［５］に記載の情報処理装置。
［７］前記１以上の第１波形指標と、前記１以上の第２波形指標とのそれぞれには、第１平均値（上記において説明した例では、第１平均値Ｐ１）と、第２平均値（上記において説明した例では、第２平均値Ｐ２）と、第３平均値（上記において説明した例では、第３平均値Ｐ３）と、第４平均値（上記において説明した例では、第４平均値Ｐ４）と、第５平均値（上記において説明した例では、第５平均値Ｐ５）と、第６平均値（上記において説明した例では、第６平均値Ｐ６）と、第７平均値（上記において説明した例では、第７平均値Ｐ７）と、第１標準偏差（上記において説明した例では、第１標準偏差Ｓｄ１）と、第２標準偏差（上記において説明した例では、第２標準偏差Ｓｄ２）とのうちの少なくとも１つが含まれており、前記第１平均値は、脈拍を示す波の第１ピーク値の平均値であり、前記第２平均値は、脈拍を示す波の第２ピーク値の平均値であり、前記第３平均値は、脈拍を示す波の下限値の平均値であり、前記第４平均値は、前記第１平均値と前記第３平均値との差であり、前記第５平均値は、脈拍を示す波の周期の平均値であり、前記第６平均値は、脈拍を示す波における第１ピークから第２ピークまでの時間の平均値であり、前記第７平均値は、前記第２平均値と前記第３平均値との差を、前記第１平均値と前記第３平均値との差によって除した値であり、前記第１標準偏差は、脈拍を示す波の変動幅の標準偏差であり、前記第２標準偏差は、脈拍を示す波の周期の標準偏差である、［３］から［６］のうちいずれか一項に記載の情報処理装置。
［８］前記受付部は、前記第２被検者の前記診断結果情報を受け付ける１以上のＧＵＩ（Graphical User Interface）を含む情報受付画像を介して、前記第２被検者の前記診断結果情報を受け付ける、［４］に記載の情報処理装置、又は、［４］に従属する［５］から［７］のうちいずれか一項に記載の情報処理装置。
［９］前記１以上のＧＵＩには、浮網脈の範疇に含まれる脈種を示す浮網脈種情報を受け付けるＧＵＩと、沈網脈の範疇に含まれる脈種を示す沈網脈種情報を受け付けるＧＵＩと、遅網脈の範疇に含まれる脈種を示す遅網脈種情報を受け付けるＧＵＩと、数網脈の範疇に含まれる脈種を示す数網脈種情報を受け付けるＧＵＩと、虚網脈の範疇に含まれる脈種を示す虚網脈種情報を受け付けるＧＵＩと、実網脈の範疇に含まれる脈種を示す実網脈種情報を受け付けるＧＵＩとが含まれている、［８］に記載の情報処理装置。
［１０］前記第１機械学習モデルは、前記１以上の第１波形指標が入力された場合、前記漢方医による前記第１被検者の診断結果として尤もらしいと推定される診断結果を示す前記診断結果情報を出力する、［３］から［９］のうちいずれか一項に記載の情報処理装置。
［１１］前記第１機械学習モデルは、前記第１対応情報に基づく回帰モデルを生成し、前記１以上の第１波形指標が入力された場合、入力された前記１以上の第１波形指標と、生成した前記回帰モデルとに基づいて、前記漢方医による前記第１被検者の診断結果として尤もらしいと推定される診断結果を示す前記診断結果情報を出力する、［１０］に記載の情報処理装置。
［１２］前記第２対応情報は、二次元テーブル構造の情報である、［３］から［１１］のうちいずれか一項に記載の情報処理装置。
［１３］第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力ステップを有する、情報処理方法。
［１４］コンピュータに、第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力ステップ、を実行させるためのプログラム。
　以上、この開示の実施形態を、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この開示の要旨を逸脱しない限り、変更、置換、削除等されてもよい。
　また、以上に説明した装置における任意の構成部の機能を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録し、そのプログラムをコンピュータシステムに読み込ませて実行するようにしてもよい。ここで、当該装置は、例えば、脈波検出装置１０、情報処理装置２０等である。なお、ここでいう「コンピュータシステム」とは、ＯＳ（Operating System）や周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ（Compact Disk）－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバーやクライアントとなるコンピュータシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含むものとする。
　また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワークや電話回線等の通信回線のように情報を伝送する機能を有する媒体のことをいう。
　また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル又は差分プログラムであってもよい。
１…情報処理システム、１０…脈波検出装置、１１…第１部材、１２…脈波センサ、１３…第２部材、２０…情報処理装置、２１…プロセッサ、２２…記憶部、２３…入力受付部、２４…通信部、２５…表示部、２６…制御部、２６１…取得部、２６２…受付部、２６３…算出部、２６４…処方候補出力部、２６５…第１学習部、２６６…第２学習部、２６７…表示制御部、２６８…生成部、ＴＣ…三次元座標系

Claims (14)

  1. 　第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力部を備える、
    　情報処理装置。
  2. 　前記第１波形情報に基づいて、前記第１波形情報が示す波形の特徴を示す１以上の第１波形指標を算出する算出部を更に備え、
    　前記処方候補出力部は、前記算出部が算出した前記１以上の第１波形指標に基づいて、前記漢方薬の候補を特定する、
    　請求項１に記載の情報処理装置。
  3. 　前記処方候補出力部は、第１機械学習モデルと、第２機械学習モデルと、前記第１波形情報とに基づいて、前記漢方薬の候補を特定し、
    　前記第１機械学習モデルは、第２被検者の脈波の波形を示す第２波形情報が示す波形の特徴を示す１以上の第２波形指標と、漢方医による前記第２被検者の診断結果を示す診断結果情報とが対応付けられた第１対応情報を学習させた機械学習のモデルであり、
    　前記第２機械学習モデルは、前記診断結果情報と、１以上の漢方薬情報とが対応付けられた第２対応情報を学習させた機械学習のモデルであり、
    　前記１以上の漢方薬情報は、前記漢方医が前記第２被検者に処方した１以上の漢方薬のそれぞれを示す情報である、
    　請求項２に記載の情報処理装置。
  4. 　前記算出部は、前記第２波形情報に基づいて、前記１以上の第２波形指標を算出し、
    　前記情報処理装置は、
    　前記第２被検者の前記診断結果情報と、前記１以上の漢方薬情報とを受け付ける受付部と、
    　前記算出部が算出した前記１以上の第２波形指標と、前記受付部が受け付けた前記第２被検者の前記診断結果情報とを対応付けた情報を前記第１対応情報として生成し、生成した前記第１対応情報を前記第１機械学習モデルに学習させる第１学習部と、
    　前記受付部が受け付けた前記第２被検者の前記診断結果情報と、前記受付部が受け付けた前記１以上の漢方薬情報とを対応付けた情報を前記第２対応情報として生成し、生成した前記第２対応情報を前記第２機械学習モデルに学習させる第２学習部と、
    　を更に備える、
    　請求項３に記載の情報処理装置。
  5. 　前記診断結果情報には、前記第２被検者の脈診の結果を示す第１診断結果情報と、前記漢方医による前記第２被検者の診断のうち脈診以外の１種類以上の診断の結果を示す第２診断結果情報とのうち、少なくとも前記第１診断結果情報が含まれている、
    　請求項３又は４に記載の情報処理装置。
  6. 　前記第２診断結果情報には、前記漢方医による前記第２被検者の問診、顔診、舌診、腹診のうちの少なくとも１つの診断結果を示す情報が含まれている、
    　請求項５に記載の情報処理装置。
  7. 　前記１以上の第１波形指標と、前記１以上の第２波形指標とのそれぞれには、第１平均値と、第２平均値と、第３平均値と、第４平均値と、第５平均値と、第６平均値と、第７平均値と、第１標準偏差と、第２標準偏差とのうちの少なくとも１つが含まれており、
    　前記第１平均値は、脈拍を示す波の第１ピーク値の平均値であり、
    　前記第２平均値は、脈拍を示す波の第２ピーク値の平均値であり、
    　前記第３平均値は、脈拍を示す波の下限値の平均値であり、
    　前記第４平均値は、前記第１平均値と前記第３平均値との差であり、
    　前記第５平均値は、脈拍を示す波の周期の平均値であり、
    　前記第６平均値は、脈拍を示す波における第１ピークから第２ピークまでの時間の平均値であり、
    　前記第７平均値は、前記第２平均値と前記第３平均値との差を、前記第１平均値と前記第３平均値との差によって除した値であり、
    　前記第１標準偏差は、脈拍を示す波の変動幅の標準偏差であり、
    　前記第２標準偏差は、脈拍を示す波の周期の標準偏差である、
    　請求項３又は４に記載の情報処理装置。
  8. 　前記受付部は、前記第２被検者の前記診断結果情報を受け付ける１以上のＧＵＩ（Graphical User Interface）を含む情報受付画像を介して、前記第２被検者の前記診断結果情報を受け付ける、
    　請求項４に記載の情報処理装置。
  9. 　前記１以上のＧＵＩには、浮網脈の範疇に含まれる脈種を示す浮網脈種情報を受け付けるＧＵＩと、沈網脈の範疇に含まれる脈種を示す沈網脈種情報を受け付けるＧＵＩと、遅網脈の範疇に含まれる脈種を示す遅網脈種情報を受け付けるＧＵＩと、数網脈の範疇に含まれる脈種を示す数網脈種情報を受け付けるＧＵＩと、虚網脈の範疇に含まれる脈種を示す虚網脈種情報を受け付けるＧＵＩと、実網脈の範疇に含まれる脈種を示す実網脈種情報を受け付けるＧＵＩとが含まれている、
    　請求項８に記載の情報処理装置。
  10. 　前記第１機械学習モデルは、前記１以上の第１波形指標が入力された場合、前記漢方医による前記第１被検者の診断結果として尤もらしいと推定される診断結果を示す前記診断結果情報を出力する、
    　請求項３又は４に記載の情報処理装置。
  11. 　前記第１機械学習モデルは、前記第１対応情報に基づく回帰モデルを生成し、前記１以上の第１波形指標が入力された場合、入力された前記１以上の第１波形指標と、生成した前記回帰モデルとに基づいて、前記漢方医による前記第１被検者の診断結果として尤もらしいと推定される診断結果を示す前記診断結果情報を出力する、
    　請求項１０に記載の情報処理装置。
  12. 　前記第２対応情報は、二次元テーブル構造の情報である、
    　請求項３又は４に記載の情報処理装置。
  13. 　第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力ステップを有する、
    　情報処理方法。
  14. 　コンピュータに、
    　第１被検者の脈波の波形を示す第１波形情報に基づいて、前記第１被検者に処方される漢方薬の候補を示す漢方薬候補情報を含む出力情報を出力する処方候補出力ステップ、
    　を実行させるためのプログラム。
PCT/JP2023/011477 2022-04-28 2023-03-23 情報処理装置、情報処理方法、及びプログラム WO2023210217A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022074662 2022-04-28
JP2022-074662 2022-04-28

Publications (1)

Publication Number Publication Date
WO2023210217A1 true WO2023210217A1 (ja) 2023-11-02

Family

ID=88518683

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/011477 WO2023210217A1 (ja) 2022-04-28 2023-03-23 情報処理装置、情報処理方法、及びプログラム

Country Status (1)

Country Link
WO (1) WO2023210217A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009028057A (ja) * 2007-07-24 2009-02-12 Saieco:Kk 脈診システム、脈診装置、脈診方法及び脈診プログラム
JP2016018224A (ja) * 2014-07-04 2016-02-01 サイバーワオン合同会社 健康状態予測診断利用サービスシステム
WO2020004391A1 (ja) * 2018-06-29 2020-01-02 小林製薬株式会社 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム
JP2020074940A (ja) * 2018-11-08 2020-05-21 兆奇 胡 脈拍測定による健康状態評価システムとその作動方法
US20200211706A1 (en) * 2017-07-31 2020-07-02 Guangdong University Of Technology Intelligent traditional chinese medicine diagnosis method, system and traditional chinese medicine system
JP2020157050A (ja) * 2019-03-05 2020-10-01 光正 趙 医薬、並びに人体の経絡、臓器及び組織に関連して刺激を生成するためのシステム
JP2021047504A (ja) * 2019-09-17 2021-03-25 国立大学法人千葉大学 医師のための漢方医学における自動診断支援装置、自動診断支援方法、プログラム、学習済みモデルおよび学習済みモデル作成方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009028057A (ja) * 2007-07-24 2009-02-12 Saieco:Kk 脈診システム、脈診装置、脈診方法及び脈診プログラム
JP2016018224A (ja) * 2014-07-04 2016-02-01 サイバーワオン合同会社 健康状態予測診断利用サービスシステム
US20200211706A1 (en) * 2017-07-31 2020-07-02 Guangdong University Of Technology Intelligent traditional chinese medicine diagnosis method, system and traditional chinese medicine system
WO2020004391A1 (ja) * 2018-06-29 2020-01-02 小林製薬株式会社 漢方薬処方用の情報処理システム、情報処理方法、及びプログラム
JP2020074940A (ja) * 2018-11-08 2020-05-21 兆奇 胡 脈拍測定による健康状態評価システムとその作動方法
JP2020157050A (ja) * 2019-03-05 2020-10-01 光正 趙 医薬、並びに人体の経絡、臓器及び組織に関連して刺激を生成するためのシステム
JP2021047504A (ja) * 2019-09-17 2021-03-25 国立大学法人千葉大学 医師のための漢方医学における自動診断支援装置、自動診断支援方法、プログラム、学習済みモデルおよび学習済みモデル作成方法

Similar Documents

Publication Publication Date Title
US11139048B2 (en) Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions
US20160051203A1 (en) Method and system for pulse diagnosis
US20220093215A1 (en) Discovering genomes to use in machine learning techniques
RU2657384C2 (ru) Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий
JP2019091498A (ja) 回答の較正のためのシステムおよび方法
JP2019535069A (ja) 脳卒中検出及び予防システム及び方法
CN109147927B (zh) 一种人机交互方法、装置、设备及介质
CN105708441B (zh) 可佩戴指套及心电图和脉象采集终端
JP6242656B2 (ja) 検索装置及び検索方法
Ghorashi et al. Leveraging regression analysis to predict overlapping symptoms of cardiovascular diseases
JP2022059448A (ja) 診療支援システム
WO2023210217A1 (ja) 情報処理装置、情報処理方法、及びプログラム
Rasheed et al. Heart disease prediction using machine learning method
CN204813807U (zh) 多组合式中医电子诊疗设备
JP5911840B2 (ja) 診断データ生成装置および診断装置
WO2023210219A1 (ja) 情報処理装置、情報処理方法、及びプログラム
Olaniyan et al. Machine learning techniques for high-performance computing for IoT applications in healthcare
Al Younis et al. Non-invasive technologies for heart failure, systolic and diastolic dysfunction modeling: A scoping review
JP2021189093A (ja) 自己免疫性水疱症の診断装置
Thomas et al. Artificial Intelligence of Things for Early Detection of Cardiac Diseases
Azimova et al. The first steps in artificial intelligence development in medicine in Uzbekistan
Parameswari et al. Robust Heart Disease Diagnosis and Analysis System Using Data Mining
Zacarias et al. Gender Classification Using nonstandard ECG Signals-A Conceptual Framework of Implementation
Franklin et al. Artificial intelligence in adult congenital heart disease
Bassiouni et al. Mobile Application for Heart Diseases Diagnosis based on the PPG Signals and Deep Learning

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: 23795964

Country of ref document: EP

Kind code of ref document: A1