WO2024143476A1 - 情報処理システム、情報処理システムの制御方法、制御プログラム、記録媒体 - Google Patents
情報処理システム、情報処理システムの制御方法、制御プログラム、記録媒体 Download PDFInfo
- Publication number
- WO2024143476A1 WO2024143476A1 PCT/JP2023/046960 JP2023046960W WO2024143476A1 WO 2024143476 A1 WO2024143476 A1 WO 2024143476A1 JP 2023046960 W JP2023046960 W JP 2023046960W WO 2024143476 A1 WO2024143476 A1 WO 2024143476A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- bone
- subject
- information processing
- surgical treatment
- Prior art date
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims description 60
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 326
- 238000001356 surgical procedure Methods 0.000 claims abstract description 146
- 239000007943 implant Substances 0.000 claims abstract description 113
- 230000037182 bone density Effects 0.000 claims description 45
- 238000011282 treatment Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000003780 insertion Methods 0.000 claims description 7
- 230000037431 insertion Effects 0.000 claims description 7
- 239000004053 dental implant Substances 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 76
- 239000003814 drug Substances 0.000 description 23
- 238000012360 testing method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 17
- 229940079593 drug Drugs 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000009245 menopause Effects 0.000 description 13
- 210000001519 tissue Anatomy 0.000 description 10
- 210000000689 upper leg Anatomy 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 238000004381 surface treatment Methods 0.000 description 9
- 210000002303 tibia Anatomy 0.000 description 9
- 210000004394 hip joint Anatomy 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 210000003128 head Anatomy 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 7
- 208000006386 Bone Resorption Diseases 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 210000004197 pelvis Anatomy 0.000 description 6
- 230000000844 anti-bacterial effect Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 230000001054 cortical effect Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004821 effect on bone Effects 0.000 description 5
- 235000012054 meals Nutrition 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000002271 resection Methods 0.000 description 5
- 108010049264 Teriparatide Proteins 0.000 description 4
- 210000000588 acetabulum Anatomy 0.000 description 4
- 230000024279 bone resorption Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 210000000629 knee joint Anatomy 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- QYSXJUFSXHHAJI-XFEUOLMDSA-N Vitamin D3 Natural products C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C/C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-XFEUOLMDSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000009534 blood test Methods 0.000 description 3
- 239000002639 bone cement Substances 0.000 description 3
- 239000004568 cement Substances 0.000 description 3
- 238000002513 implantation Methods 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 230000011164 ossification Effects 0.000 description 3
- 210000004417 patella Anatomy 0.000 description 3
- 210000002967 posterior cruciate ligament Anatomy 0.000 description 3
- 229940122361 Bisphosphonate Drugs 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 208000008558 Osteophyte Diseases 0.000 description 2
- 208000001132 Osteoporosis Diseases 0.000 description 2
- 229930003448 Vitamin K Natural products 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- OFHCOWSQAMBJIW-AVJTYSNKSA-N alfacalcidol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)C[C@H](O)C1=C OFHCOWSQAMBJIW-AVJTYSNKSA-N 0.000 description 2
- 229960002535 alfacalcidol Drugs 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 2
- 150000004663 bisphosphonates Chemical class 0.000 description 2
- 229940037448 calcitonin preparations Drugs 0.000 description 2
- 229960005084 calcitriol Drugs 0.000 description 2
- 235000020964 calcitriol Nutrition 0.000 description 2
- 239000011612 calcitriol Substances 0.000 description 2
- GMRQFYUYWCNGIN-NKMMMXOESA-N calcitriol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@@H](CCCC(C)(C)O)C)=C\C=C1\C[C@@H](O)C[C@H](O)C1=C GMRQFYUYWCNGIN-NKMMMXOESA-N 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 235000001465 calcium Nutrition 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 235000015872 dietary supplement Nutrition 0.000 description 2
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 2
- 210000002310 elbow joint Anatomy 0.000 description 2
- FZEXGDDBXLBRTD-SJSKTVLPSA-N eldecalcitol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@@H](CCCC(C)(C)O)C)=C\C=C1\C[C@H](O)[C@H](OCCCO)[C@@H](O)C1=C FZEXGDDBXLBRTD-SJSKTVLPSA-N 0.000 description 2
- 229950005556 eldecalcitol Drugs 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002436 femur neck Anatomy 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 238000013150 knee replacement Methods 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000002865 osteopetrosis Diseases 0.000 description 2
- BUUKFBVDKSFMHN-LKMAISLMSA-N parathar acetate Chemical compound CC(O)=O.C([C@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@@H](N)CO)C(C)C)[C@@H](C)CC)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)C1=CN=CN1 BUUKFBVDKSFMHN-LKMAISLMSA-N 0.000 description 2
- SHUZOJHMOBOZST-UHFFFAOYSA-N phylloquinone Natural products CC(C)CCCCC(C)CCC(C)CCCC(=CCC1=C(C)C(=O)c2ccccc2C1=O)C SHUZOJHMOBOZST-UHFFFAOYSA-N 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 229960005460 teriparatide Drugs 0.000 description 2
- OGBMKVWORPGQRR-UMXFMPSGSA-N teriparatide Chemical compound C([C@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@@H](N)CO)C(C)C)[C@@H](C)CC)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC=1N=CNC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC=1N=CNC=1)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)C1=CNC=N1 OGBMKVWORPGQRR-UMXFMPSGSA-N 0.000 description 2
- 229960000338 teriparatide acetate Drugs 0.000 description 2
- 238000011541 total hip replacement Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 235000005282 vitamin D3 Nutrition 0.000 description 2
- 239000011647 vitamin D3 Substances 0.000 description 2
- QYSXJUFSXHHAJI-YRZJJWOYSA-N vitamin D3 Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-YRZJJWOYSA-N 0.000 description 2
- 235000019168 vitamin K Nutrition 0.000 description 2
- 239000011712 vitamin K Substances 0.000 description 2
- 150000003721 vitamin K derivatives Chemical class 0.000 description 2
- 229940021056 vitamin d3 Drugs 0.000 description 2
- 229940046010 vitamin k Drugs 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282465 Canis Species 0.000 description 1
- 241000283073 Equus caballus Species 0.000 description 1
- 241000282324 Felis Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 206010028851 Necrosis Diseases 0.000 description 1
- 206010031264 Osteonecrosis Diseases 0.000 description 1
- 206010067268 Post procedural infection Diseases 0.000 description 1
- 201000009594 Systemic Scleroderma Diseases 0.000 description 1
- 206010042953 Systemic sclerosis Diseases 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 229930003270 Vitamin B Natural products 0.000 description 1
- 229930003316 Vitamin D Natural products 0.000 description 1
- 238000010306 acid treatment Methods 0.000 description 1
- 238000007743 anodising Methods 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 238000011882 arthroplasty Methods 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004097 bone metabolism Effects 0.000 description 1
- 230000037118 bone strength Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- CGMRCMMOCQYHAD-UHFFFAOYSA-J dicalcium hydroxide phosphate Chemical compound [OH-].[Ca++].[Ca++].[O-]P([O-])([O-])=O CGMRCMMOCQYHAD-UHFFFAOYSA-J 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000004153 glucose metabolism Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 210000000474 heel Anatomy 0.000 description 1
- 230000023597 hemostasis Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 229910052588 hydroxylapatite Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000010255 intramuscular injection Methods 0.000 description 1
- 239000007927 intramuscular injection Substances 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 210000004086 maxillary sinus Anatomy 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- XYJRXVWERLGGKC-UHFFFAOYSA-D pentacalcium;hydroxide;triphosphate Chemical compound [OH-].[Ca+2].[Ca+2].[Ca+2].[Ca+2].[Ca+2].[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O XYJRXVWERLGGKC-UHFFFAOYSA-D 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000007788 roughening Methods 0.000 description 1
- 238000010340 saliva test Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 238000010254 subcutaneous injection Methods 0.000 description 1
- 239000007929 subcutaneous injection Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 210000004233 talus Anatomy 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000011883 total knee arthroplasty Methods 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 235000019156 vitamin B Nutrition 0.000 description 1
- 239000011720 vitamin B Substances 0.000 description 1
- 235000019166 vitamin D Nutrition 0.000 description 1
- 239000011710 vitamin D Substances 0.000 description 1
- 150000003710 vitamin D derivatives Chemical class 0.000 description 1
- 229940046008 vitamin d Drugs 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
Definitions
- the present disclosure relates to an information processing system that assists in planning surgical treatment appropriate for the affected bone of a subject, and a control method thereof.
- Patent Document 1 discloses a technology that allows doctors who are about to perform surgery on a patient's joints to suggest surgical procedures with greater precision than ever before.
- an information processing system includes an acquisition unit that acquires input information including a medical image showing the affected bone of a subject; an identification unit that has a first learning model trained using first teacher data including bone information related to at least one of bone density and bone quality of the bone of each of a plurality of learning subjects before a surgical treatment including an implant placement procedure is applied, shape characteristics, and treatment information related to the surgical treatment applied to the bone; and an output unit that outputs at least one of the following: instrument information indicating a surgical instrument to be used in a surgical treatment suitable for the affected bone of the subject identified by the identification unit based on the input information; prediction information predicting the state of the affected bone of the subject after the surgical treatment has been applied; parameter information indicating parameters that may be selected when a surgical treatment is applied to the affected bone of the subject; and implant information related to an implant that may be embedded in the affected bone of the subject.
- a control method of an information processing system includes an acquisition step of acquiring input information including a medical image showing the affected bone of a subject, and an output step of outputting, using a first learning model trained using first teacher data including bone information regarding at least one of bone density and bone quality of the bone before a surgical treatment including an implant placement procedure is applied to each of a plurality of learning subjects, at least one of instrument information indicating a surgical instrument to be used in a surgical treatment suitable for the affected bone of the subject, which is identified based on the input information, prediction information predicting the state of the affected bone of the subject after the surgical treatment has been applied, parameter information indicating parameters that may be selected when a surgical treatment is applied to the affected bone of the subject, and implant information regarding an implant that may be embedded in the affected bone of the subject.
- the information processing system according to each aspect of the present disclosure may be realized by a computer.
- the control program for the information processing system that causes the computer to operate as each unit (software element) of the information processing system to realize the information processing system, and the computer-readable recording medium on which it is recorded also fall within the scope of the present disclosure.
- FIG. 1 is a diagram illustrating a configuration example of an information processing system according to an embodiment of the present disclosure.
- FIG. 13 is a diagram illustrating a configuration example of an information processing system according to another embodiment of the present disclosure.
- 1 is a block diagram illustrating an example of a configuration of an information processing device according to an embodiment of the present disclosure.
- a figure showing an example of the configuration of a first learning model executed by the identification unit. 13 is a flowchart showing an example of the flow of a learning process by a learning unit.
- 11 is a flowchart illustrating an example of a flow of processing performed by an information processing device.
- 1 is a block diagram illustrating an example of a configuration of an information processing device according to an embodiment of the present disclosure.
- FIG. 1 is a diagram illustrating a configuration example of an information processing system according to an embodiment of the present disclosure.
- 1 is a block diagram showing an example of a configuration of an information processing device according to an embodiment of the present disclosure.
- FIG. 2 is a diagram illustrating an example of a configuration of a learning model executed by an estimation unit.
- 13 is a flowchart showing an example of the flow of a learning process by a learning unit.
- 11 is a flowchart illustrating an example of a flow of processing performed by an information processing device.
- FIG. 1 is a diagram illustrating a configuration example of an information processing system according to an embodiment of the present disclosure.
- One aspect of the present disclosure can assist in planning surgical treatment appropriate for the affected bone of a subject.
- the subject to which the application of a surgical treatment is considered is a human (i.e., a "subject") will be described as an example, but the subject is not limited to humans.
- the "subject" of the present disclosure may be a mammal other than a human, such as an equine, feline, canine, bovine, or porcine animal.
- the present disclosure also includes, among the embodiments below, embodiments in which the "subject” is replaced with "animal” if the embodiment is applicable to these animals.
- the information processing device 1 outputs at least any one of instrument information, prediction information, parameter information, and implant information identified using a trained first learning model 34 based on input information including medical images showing the affected bone of the subject.
- the instrument information is information indicating a surgical instrument to be used in a surgical treatment method suitable for the affected bone of the subject.
- the prediction information is information predicting the state of the affected bone of the subject after a surgical treatment method suitable for the affected bone of the subject has been applied.
- the parameter information is information indicating parameters that may be selected when applying a surgical treatment method to the affected bone of the subject.
- the implant information is information regarding an implant that may be embedded in the affected bone of the subject.
- the implant information may include inventory information of implants that may be embedded in the affected bone of the subject.
- the trained first learning model 34 is trained using first training data including bone information on at least one of the bone density and bone quality of the bone of each of a plurality of training subjects before the application of a surgical treatment including implant placement, shape characteristics, and treatment information on the surgical treatment applied to the bone.
- the training subjects include, for example, patients with a specific disease, but may also include subjects unrelated to the disease, and will be referred to simply as "patients" in the following description.
- the medical image may be, for example, at least one of an X-ray image, a CT (Computed Tomography) image, a Magnetic Resonance Imaging (MRI) image, and an ultrasound image, but is not limited to these.
- the medical image may be, for example, an inspection device image obtained from an inspection device (e.g., an X-ray inspection device), or an inspection device image with noise reduction.
- the area shown in the medical image may be any of the head, neck, chest, lower back, hip joint, knee joint, ankle joint, foot, toe, shoulder joint, elbow joint, wrist joint, hand, and fingers.
- the medical image may be, for example, a dental image.
- Bone density may be measured, for example, by measuring actual bone density from at least one of the hand, lumbar spine, proximal femur, tibia, heel, and arm (e.g., radius). Bone density may be measured, for example, by single energy X-ray absorptiometry, dual energy X-ray absorptiometry (DXA), ultrasound, or quantitative computed tomography (CT).
- DXA dual energy X-ray absorptiometry
- CT quantitative computed tomography
- the bone density of the bone may be, for example, the bone density of the patient estimated by inputting an X-ray image of the patient's bone into a trained estimation model machine-learned using teacher data including an X-ray image of the bone and the measured bone density of the bone.
- the bone density of the bone may be, for example, the future bone density of the patient predicted by inputting an X-ray image of the patient's bone into a trained prediction model machine-learned using teacher data including an X-ray image of the patient's bone and the measured bone density at a time when a predetermined period (e.g., one year, three years, etc.) has elapsed since the X-ray image was taken.
- the bone density of the bone may be information about the density of the bone.
- the bone density of the bone may be, for example, information in accordance with the definition of the osteoporosis guidelines or may be a unique index.
- the bone density of the bone is information related to the teacher data.
- the bone density of the bone may be expressed by at least one of bone mineral density per unit area (g/cm 2 ), bone mineral density per unit volume (g/cm 3 ), YAM, T-score, and Z-score.
- YAM is an abbreviation for “Young Adult Mean” and is sometimes called the young adult average percentage.
- the bone quality may be based on at least one of the following: statistical properties of bone, geometric properties of bone, mechanical properties of bone, and chemical properties of bone.
- the bone quality may be based on at least one of the following: bone metabolism marker, sex, race, menopausal status, age, cortical bone status, cancellous bone status, cancellous bone trabecular status, disease information, bone evaluation information, drug information, and the presence or absence of fracture. More specifically, the bone quality may be based on at least one of the following: bone formation marker, bone resorption marker, bone quality marker (e.g., vitamin K value), cortical bone thickness, trabecular density, trabecular direction, and cancellous bone structure index (trabecular bone score), but is not limited thereto.
- the disease information may include at least one of osteoporosis, rheumatism, bone necrosis (e.g., femoral head necrosis, etc.), systemic sclerosis, kidney disease, and osteopetrosis.
- the bone assessment information may include information assessed by a Fracture Risk Assessment Tool (FRAX (registered trademark)).
- the drug information may include at least one of the trade name, generic name, dosage, administration period, and administration method (e.g., oral, intravenous injection, intramuscular injection, subcutaneous injection, etc.) for drugs including at least one of drugs that inhibit bone resorption, drugs that promote bone formation, and other drugs (e.g., calcium preparations, vitamin preparations, female hormone preparations, etc.).
- the bone quality may also include, for example, the type of medullary cavity shape.
- the Dorr classification may be used for the medullary cavity shape.
- the medullary cavity shape may be classified as follows using at least one of the thickness of the cortical bone and the shape of the medullary cavity: - Type A: The cortical bone is thick and the medullary cavity is narrow and thin. - Type B: This type is between Type A and Type C, and the medullary cavity is neither narrow nor wide. - Type C: The cortical bone is thin and the medullary cavity is wide.
- the geometric features include, for example, at least the relative positional relationship, dimensions, shape, and general shape of the bones.
- the geometric features may include, for example, the shape of the pelvis, the dimensions of the pelvis, the shape of the acetabulum of the pelvis, the dimensions of the acetabulum of the pelvis, the position of the femoral head, the dimensions of the femoral head, and the positional relationship of the femur and the pelvis (such as the femoral head and the acetabulum of the pelvis).
- the geometric features may include, for example, the position of the femoral head, the femoral curvature angle, the dimensions of the distal part of the femur, the shape of the femur, the angle of the femoral articular surface, the amount of posterior offset of the femur, the dimensions of the tibia (e.g., the proximal part in contact with the tibia), the shape of the tibia (e.g., the proximal part in contact with the tibia), the dimensions of the patella, the shape of the patella, and the positional relationship of the femur and the tibia (such as the angle between the femur and the tibia).
- the tibia e.g., the proximal part in contact with the tibia
- the shape of the tibia e.g., the proximal part in contact with the tibia
- the patella the shape of the patella
- the relative positional relationship of bones among the shape characteristics may be, for example, at least two distances between the alveolar bone crest, the floor of the maxillary sinus, the floor of the nasal cavity, the upper edge of the mandibular canal, and the mental foramen.
- the surgical treatment may be at least one of artificial joint replacement surgery and dental implant surgery, and may be performed by a surgical robot.
- the information processing device 1 and the control device for the surgical robot may be communicatively connected, and various information output from the information processing device 1 may be transmitted to the control device for the surgical robot.
- the surgical robot can be appropriately configured by referring to the instrument information, prediction information, parameter information, and implant information output from the information processing device 1.
- the settings of the surgical robot can include at least one of the type and size of the instruments used by the surgical robot.
- various parameters of the instruments used by the surgical robot during surgery can be set. Examples of the various parameters include the angle at which the bone (e.g., the femoral neck in the case of total hip replacement surgery, and the femoral condyle, distal femur, or proximal tibia in the case of total knee replacement surgery) is resected, the amount of resection, the insertion angle of the instrument into the human body (including the medullary cavity, for example), the insertion depth, the number of rotations of the instrument (including torque), the removal angle of the instrument, and the bone cutting time.
- These various parameters can be set in combination with each other, or multiple parameters can be set.
- Fig. 1 is a diagram showing an example of the configuration of the information processing system 100a in a medical facility 8 in which an information processing device 1 has been introduced.
- a LAN local area network
- the information processing device 1 and terminal device 7 are connected to the LAN, but this is not a limitation.
- the network in the medical facility 8 may be the Internet, a telephone communication line network, an optical fiber communication network, a cable communication network, or a satellite communication network.
- the information processing system 100a is compatible with a hospital information system (HIS: Hospital Information System), a radiology information system (RIS: Radiology Information System), a picture archiving and communication system (PACS: Picture Archiving and Communication System), etc. in the medical institution 8.
- communication in the information processing system 100a complies with international standards such as DICOM (Digital Imaging and Communications in Medicine).
- a server device (not shown) that is communicatively connected to the terminal device 7, the medical image management device 5, the inventory management device 6, etc. may be configured to have various functions of the information processing device 1.
- the server device functions as the information processing device 1 in the information processing system 100a.
- Information regarding whether or not an implant has been antibacterial treated includes, for example, information indicating the suitability of the antibacterial implant for the patient, information indicating the probability of infection occurring at the affected area, information indicating the probability of reducing infection at the affected area, a prediction of the degree of inflammation at the affected area, or information indicating the probability of side effects occurring when an antibacterial treated implant is applied.
- the first teacher data 32 may include information indicating the concentration of blood markers related to the patient's resistance to bacterial infection and the results of a culture test in which a specific bacterium is cultured using the patient's blood.
- step S6 If the error is not within the predetermined range and explanatory variables for all patients included in the first teacher data 32 have not been input (NO in step S6), the learning unit 25 returns to step S2 and repeats the learning process. If the error is within the predetermined range and explanatory variables for all patients included in the first teacher data 32 have been input (YES in step S6), the learning unit 25 ends the learning process.
- the estimation unit 27c may output at least one of a first estimation result assuming that the subject has reached menopause and a second estimation result assuming that the subject has not yet reached menopause. This makes it possible to output an estimation result with higher accuracy that takes into account the presence or absence of menopause.
- the estimation unit 27c may simultaneously output a first estimation result assuming that the subject has reached menopause and a second estimation result assuming that the subject has not yet reached menopause.
- the information processing device 1c may not be a computer installed in a specific medical facility 8, but may be communicably connected to a LAN installed in each of the multiple medical facilities 8 via a communication network 9.
- Fig. 13 is a diagram showing an example of the configuration of an information processing system 100d according to still another aspect of the fourth embodiment.
- the program may be recorded on one or more computer-readable recording media, not on a temporary basis.
- the recording media may or may not be included in the device. In the latter case, the program may be supplied to the device via any wired or wireless transmission medium.
- An information processing system comprises an acquisition unit that acquires input information including medical images depicting the affected bone of a subject; an identification unit having a first learning model trained using first teacher data including bone information regarding at least one of bone density and bone quality of the bone of each of a plurality of patients before a surgical treatment method including an implant insertion procedure is applied, shape characteristics, and treatment information regarding the surgical treatment method applied to the bone; and an output unit that outputs at least one of instrument information indicating a surgical instrument to be used in a surgical treatment method suitable for the affected bone of the subject identified by the identification unit based on the input information, prediction information predicting the condition of the affected bone of the subject after the surgical treatment method is applied, parameter information indicating parameters that may be selected when applying a surgical treatment method to the affected bone of the subject, and implant information regarding an implant that may be embedded in the affected bone of the subject.
- the implant information may include inventory information of implants that can be embedded in the affected bone of the subject.
- the first teacher data may include, as the treatment information, the content and results of a surgical treatment method applied to the affected bone of each of the multiple patients.
- the first teacher data may include information indicating a surgical treatment applied to the affected bone of each of the multiple patients, medical images showing the affected bone of each of the multiple patients before the surgical treatment was applied, and information regarding an implant embedded in the affected bone of each of the multiple patients.
- the first teacher data may include information regarding surgical instruments used in a surgical treatment method applied to the affected bone of each of the multiple patients.
- the output unit may further output inventory information of surgical instruments to be used in a surgical treatment method suitable for the affected bone of the subject, identified by the identification unit based on the input information.
- the first teacher data may further include at least one of event information regarding an event that occurred during an implant placement procedure in each of the bones of the multiple patients, and treatment information performed during the implant placement procedure.
- the output unit may output the prediction information including a first predicted image generated from the medical image included in the input information, the first predicted image assuming a state of the affected bone of the subject after a surgical treatment is applied to the affected bone.
- the first predicted image may be an image generated from the medical images included in the input information using a second learning model trained using second training data including medical images of the affected bone of a patient to which a surgical treatment suitable for the affected bone of the subject has been applied, the medical images being captured before and after the application of the surgical treatment.
- the information processing system may output the parameter information including surgical parameters estimated from the results of image analysis of the first predicted image in aspect 8 or 9 above, the surgical parameters being selectable by a medical professional who applies to the subject a surgical treatment method suitable for the affected bone of the subject.
- the information processing system may further include a generating unit that, when an operation instructing a change to the estimated surgical parameters is received in the above-mentioned aspect 10, generates a second predicted image by performing processing on the first predicted image corresponding to the change.
- the information processing system may further include an estimation unit that outputs an estimation result regarding the strength of the bone in the affected area of the subject from the first predicted image in any of aspects 8 to 11 above.
- the first predicted image may be an image converted from a two-dimensional image to a three-dimensional image.
- the control method of the information processing system includes an acquisition step of acquiring input information including a medical image showing the affected bone of the subject, and an output step of outputting, using a first learning model trained using first teacher data including bone information regarding at least one of bone density and bone quality of the bone before a surgical treatment including an implant placement procedure is applied to each of a plurality of patients, at least one of instrument information indicating a surgical instrument to be used in a surgical treatment suitable for the affected bone of the subject, which is identified based on the input information, prediction information predicting the state of the affected bone of the subject after the surgical treatment has been applied, parameter information indicating parameters that may be selected when a surgical treatment is applied to the affected bone of the subject, and implant information regarding an implant that may be embedded in the affected bone of the subject.
- the control program of the information processing device is a control program for causing a computer to function as the information processing system described in any one of aspects 1 to 15 above, and is a control program for causing a computer to function as the acquisition unit, the identification unit, and the output unit.
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
対象者の患部の骨に適した外科的治療の計画策定を支援する。情報処理システムは、特定部と、出力部と、を備える。特定部は、学習済第１学習モデルを有する。出力部は、特定部によって特定された、器具情報、予測情報、パラメータ情報、インプラント情報、のうちの少なくともいずれかを出力する。
Description
本開示は、対象者の患部の骨に適した外科的治療の計画策定を支援する情報処理システム、およびその制御方法等に関する。
特許文献１には、患者の関節部の手術を行おうとする医師に、従来よりも高い精度で術式を提案する技術が開示されている。
上記の課題を解決するために、本開示の一態様に係る情報処理システムは、対象者の患部の骨が写る医用画像を含む入力情報を取得する取得部と、複数の学習対象者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを有する特定部と、前記入力情報に基づいて前記特定部によって特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力部と、を備える。
また、本開示の一態様に係る情報処理システムの制御方法は、対象者の患部の骨が写る医用画像を含む入力情報を取得する取得ステップと、複数の学習対象者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを用いて、前記入力情報に基づいて特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力ステップと、を含む。
また、本開示の各態様に係る情報処理システムは、コンピュータによって実現してもよく、この場合には、コンピュータを前記情報処理システムが備える各部（ソフトウェア要素）として動作させることにより前記情報処理システムをコンピュータにて実現させる情報処理システムの制御プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本開示の範疇に入る。
外科的治療の計画策定を支援する技術は端緒についたばかりであるため、対象者により適した支援情報の提供が課題の一つとなっている。
本開示の一態様は、対象者の患部の骨に適した外科的治療の計画策定を支援することができる。
以下、本開示に係る各実施形態について説明する。以下の説明では、外科的治療法の適用を検討される対象がヒトである場合（すなわち、「対象者」）を例に挙げて説明するが、対象はヒトには限られない。すなわち、本開示に係る「対象者」は、例えば、ウマ科、ネコ科、イヌ科、ウシ科またはブタ科等のヒト以外の哺乳動物であってもよい。そして、本開示は、下記の実施形態のうち、これらの動物に対しても適用可能な実施形態であれば、「対象者」を「動物」と言い換えた実施形態も含むものである。
〔実施形態１〕
以下、本開示の一実施形態に係る情報処理装置１を例に挙げて、詳細に説明する。
以下、本開示の一実施形態に係る情報処理装置１を例に挙げて、詳細に説明する。
情報処理装置１は、対象者の患部の骨が写る医用画像を含む入力情報に基づいて、学習済（trained）第１学習モデル３４を用いて特定された、器具情報、予測情報、パラメータ情報、および、インプラント情報のうちの少なくともいずれかを出力する。ここで、器具情報は、対象者の患部の骨に適した外科的治療法において使用される手術器具を示す情報である。予測情報は、対象者の患部の骨に適した外科的治療法が適用された後の対象者の患部の骨の状態を予測した情報である。パラメータ情報は、対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示す情報である。インプラント情報は、対象者の患部の骨に埋設され得るインプラントに関する情報である。インプラント情報は、対象者の患部の骨に埋設され得るインプラントの在庫情報を含んでいてもよい。
学習済第１学習モデル３４は、複数の学習対象者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習されている。ここで、学習対象者には、例えば、特定の疾患に関係する患者が含まれるが、疾患に関連しない対象者が含まれていてもよく、以下の説明においては、単に「患者」と称する。
医用画像としては、例えば、Ｘ線画像、ＣＴ（Computed Tomography）画像、核磁気共鳴（MRI;Magnetic Resonance Imaging）画像および超音波画像などの少なくとも１つを用いることができるが、これに限定されるわけではない。また医用画像は、例えば、検査装置（例えば、Ｘ線検査装置）から取得した検査装置画像であってもよいし、検査装置画像をノイズ低減した画像であってもよい。医用画像に写る部位は、頭部、頚部、胸部、腰部、股関節、膝関節、足関節、足部、足趾、肩関節、肘関節、手関節、手部、手指のいずれかであればよい。また、医用画像は、例えば、歯科用の画像であってもよい。
骨の骨密度は、例えば、手、腰椎、大腿骨近位部、脛骨、踵、および腕（例えば、橈骨等）の少なくとも１つから実際に骨密度を測定した測定値を用いることができる。骨密度の測定は、例えば、単一エネルギーＸ線吸収（Single energy X-ray Absorptiometry）法、二重エネルギーＸ線吸収測定（ＤＸＡ;Dual-energy X-ray Absorptiometry）法、超音波法、または定量的ＣＴ（Quantitative Computed Tomography）法を用いることができる。
骨の骨密度は、例えば、骨が写るＸ線画像および該骨の実測された骨密度を含む教師データを用いて機械学習された学習済（trained）の推定モデルに、患者の骨が写るＸ線画像を入力することにより推定された該患者の骨密度を用いてもよい。また、骨の骨密度は、例えば、患者の骨が写るＸ線画像および該Ｘ線画像を撮像してから所定期間（例えば、１年間、３年間等）が経過した時点で実測された骨密度を含む教師データを用いて機械学習された学習済（trained）の予測モデルに、患者の骨が写るＸ線画像を入力することにより予測された該患者の将来の骨密度を用いてもよい。骨の骨密度は、骨の密度に関する情報であればよい。骨の骨密度は、例えば、骨粗鬆症ガイドラインの定義に沿った情報であってもよいし、独自指標であってもよい。骨の骨密度は、教師データに関連する情報が用いられる。骨の骨密度としては、例えば、単位面積当りの骨ミネラル密度（ｇ／ｃｍ２）、単位体積当りの骨ミネラル密度（ｇ／ｃｍ３）、ＹＡＭ、Ｔスコア、およびＺスコアの少なくとも１種類によって表されてよい。ＹＡＭは、“Young Adult Mean”の略であって、若年成人平均パーセントと呼ばれることがある。例えば、出力層２３０からは、単位面積当りの骨ミネラル密度（ｇ／ｃｍ２）で表された骨密度と、ＹＡＭで表された骨密度とを用いてもよいし、ＹＡＭで表された骨密度と、Ｔスコアで表された骨密度と、Ｚスコアで表された骨密度とを用いてもよい。また、骨の骨密度は、クラス分類(例えば、ＳＤ－１．０以上、－１．０未満、－２．５以下の分類、およびＹＡＭ ８０％以上、８０％未満、等)であってもよい。
骨質は、例えば、骨の統計的な性質、骨の形状的な性質、骨の力学的な性質、および骨の化学的な性質の少なくとも１つに基づくものを用いることができる。骨質は、例えば、骨代謝マーカ、性別、人種、閉経の有無、年齢、皮質骨の状態、海綿骨の状態、海綿骨の骨梁の状態、疾病情報、骨評価情報、薬剤情報および骨折の有無の少なくとも１つに基づくものを用いることができる。より具体的には、骨質は、例えば、骨形成マーカ、骨吸収マーカ、骨質マーカ（例えば、ビタミンＫの値）、皮質骨の厚さ、骨梁の密度、骨梁の方向、および海綿骨構造指標（trabecular bone score）、の少なくとも１つを用いることができるが、これに限定されるものではない。疾病情報には、例えば、骨粗鬆症、リウマチ、骨壊死（例えば、大腿骨頭壊死症など）、全身性硬化症、腎臓病および大理石骨病等の少なくとも１つが含まれていてもよい。骨評価情報は、骨折リスク評価ツール（ＦＲＡＸ（登録商標）;Fracture Risk Assessment Tool）により評価された情報が含まれていてもよい。薬剤情報には、例えば、骨吸収を抑制する薬剤、骨形成を促進する薬剤、およびその他薬剤（例えば、カルシウム製剤、ビタミン製剤、女性ホルモン製剤など）の少なくとも１つを含む薬剤に関する商品名、一般名、投与量、投与期間および投与方法（例えば、経口、静脈内注射、筋肉内注射、皮下注射など）の少なくとも１つが含まれていてもよい。
また骨質として、例えば、髄腔形状のタイプを含めてもよい。髄腔形状は、例えば、Ｄｏｒｒ分類を用いることができる。髄腔形状は、例えば、皮質骨の厚みおよび髄腔の形状の少なくとも１つを用いて、次のように分類することができる。
・Ｔｙｐｅ Ａ：皮質骨が厚く、髄腔が狭く細いタイプ。
・Ｔｙｐｅ Ｂ：ＴｙｐｅＡとＴｙｐｅＣの中間であり、髄腔が狭くも広くもないタイプ。
・Ｔｙｐｅ Ｃ：皮質骨が薄く、髄腔が広がっているタイプ。
・Ｔｙｐｅ Ａ：皮質骨が厚く、髄腔が狭く細いタイプ。
・Ｔｙｐｅ Ｂ：ＴｙｐｅＡとＴｙｐｅＣの中間であり、髄腔が狭くも広くもないタイプ。
・Ｔｙｐｅ Ｃ：皮質骨が薄く、髄腔が広がっているタイプ。
形状的特徴は、例えば、骨の相対的な位置関係、寸法、形状および概形を少なくとも含む。人工股関節の場合、形状的特徴は、例えば、骨盤の形状、骨盤の寸法、骨盤の寛骨臼の形状、骨盤の寛骨臼の寸法、大腿骨の骨頭の位置、大腿骨の骨頭の寸法、並びに、大腿骨および骨盤の位置関係（大腿骨の骨頭と骨盤の寛骨臼など）を用いてもよい。人工膝関節の場合、形状的特徴は、例えば、大腿骨の骨頭の位置、大腿骨の湾曲角度、大腿骨の遠位部分の寸法、大腿骨の形状、大腿骨の関節面角度、大腿骨の後方オフセット量、脛骨（例えば、脛骨と接する近位部分）の寸法、脛骨（例えば、脛骨と接する近位部分）の形状、膝蓋骨の寸法、膝蓋骨の形状、並びに、大腿骨および脛骨の位置関係（大腿と脛骨との角度など）を用いてもよい。歯科インプラントの場合、形状的特徴のうち骨の相対的な位置関係として、例えば、歯槽骨頂、上顎洞底、鼻腔底、下顎管上縁、およびオトガイ孔の少なくとも２つの距離等を用いてもよい。
本開示において、外科的治療法は、人工関節置換術および歯科インプラント手術の少なくともいずれかであってもよく、手術用ロボットにより実施可能であってもよい。この場合、情報処理装置１と手術用ロボット用制御装置とが通信可能に接続されていてもよく、情報処理装置１から出力される各種情報が手術用ロボット用制御装置に送信される構成であってもよい。この場合、情報処理装置１から出力される器具情報、予測情報、パラメータ情報、および、インプラント情報を参照して、手術用ロボットを適宜設定することが可能である。
手術用ロボットの設定としては、より具体的には、手術用ロボットが使用する器具の種類およびサイズの少なくとも１つを設定することができる。また、手術用ロボットが手術の際に使用する器具の各種パラメータを設定することができる。各種パラメータとしては、例えば、骨（例えば、人工股関節置換術であれば大腿骨頚部、および人工膝関節置換術であれば大腿骨顆部、大腿骨遠位部または脛骨近位部等）を切除する角度、切除量、器具の人体（例えば、髄腔等を含む）への挿入角度、挿入深さ、器具の回転数（トルクを含む）、器具の抜去角度、および骨の切削時間等を挙げることができる。これらの各種パラメータは、それぞれを組み合わせて設定してもよいし、１つのパラメータを複数設定してもよい。
（情報処理システム１００ａの構成）
まず、本開示の一態様に係る情報処理システム１００ａの構成について、図１を用いて説明する。図１は、情報処理装置１を導入した医療施設８における情報処理システム１００ａの構成例を示す図である。
まず、本開示の一態様に係る情報処理システム１００ａの構成について、図１を用いて説明する。図１は、情報処理装置１を導入した医療施設８における情報処理システム１００ａの構成例を示す図である。
情報処理システム１００ａは、情報処理装置１と、情報処理装置１と通信可能に接続された１以上の端末装置７とを含んでいる。情報処理装置１は、対象者の骨が写っている医用画像から対象者の患部の骨に適した外科的治療法、および該外科的治療法において使用可能なインプラントを特定する。情報処理システム１００ａは、器具情報、予測情報、パラメータ情報、および、インプラント情報のうちの少なくともいずれかを端末装置７に送信するコンピュータである。本開示の一実施形態に係る情報処理装置１は、医師等が対象者の患部の骨に適した外科的治療法の検討および策定を行う際に役立つ各種情報を出力する装置である。
端末装置７は、情報処理システム１００ａにおける出力部として機能し、情報処理装置１から受信した情報を提示する。端末装置７は、医療施設８に所属する医師または看護師等（医療関係者）の医療関係者が使用するコンピュータである。端末装置７は、例えば、パーソナルコンピュータ、タブレット端末、スマートフォン等である。端末装置７は、他装置とのデータ送受信を行う通信部、キーボードおよびマイク等の入力部、情報処理装置１から送信される情報を表示可能な表示部、スピーカ等の出力部等を有している。
図１に示す医療施設８内には、ＬＡＮ（local area network）が配設されており、情報処理装置１および端末装置７がＬＡＮに接続されている例を示しているが、これに限定されない。例えば、医療施設８内のネットワークは、インターネット、電話通信回線ネットワーク、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワーク等が適用されていてもよい。情報処理システム１００ａは、医療機関８内の、病院情報システム（ＨＩＳ：Hospital Information System）、放射線科情報システム（ＲＩＳ：Radiology Information System）、画像保存通信システム（ＰＡＣＳ：Picture Archiving and Communication System）等に適合可能である。また、情報処理システム１００ａにおける通信は、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）等の国際標準規格に準拠している。
医療施設８内のＬＡＮには、情報処理装置１および端末装置７の他、医用画像管理装置５および在庫管理装置６が通信可能に接続されていてもよい。医用画像管理装置５は、医療施設８にて撮像された医用画像を管理するためのサーバとして機能するコンピュータである。この場合、情報処理装置１は、医用画像管理装置５から対象者の患部の骨が写る医用画像を取得してもよい。在庫管理装置６は、医療施設８にて実施される各種施術において使用されるインプラントおよび手術器具等の保有状況を管理するためのサーバとして機能するコンピュータである。
情報処理システム１００ａにおいて、端末装置７、医用画像管理装置５、および在庫管理装置６などと通信可能に接続されているサーバ装置（図示せず）が、情報処理装置１の各種機能を備える構成であってもよい。この場合、当該サーバ装置が、情報処理システム１００ａにおける情報処理装置１として機能する。
医療施設８内のＬＡＮは、外部の通信ネットワークと通信可能に接続されていてもよい。医療施設８において、情報処理装置１と端末装置７とがＬＡＮを介さずに直接接続されていてもよい。
（情報処理装置１の構成）
続いて、図１に示す情報処理システム１００ａに適用された情報処理装置１の構成について、図３を用いて説明する。図３は、情報処理装置１の構成例の一例を示すブロック図である。
続いて、図１に示す情報処理システム１００ａに適用された情報処理装置１の構成について、図３を用いて説明する。図３は、情報処理装置１の構成例の一例を示すブロック図である。
情報処理装置１は、情報処理装置１の各部を統括的に制御する制御部２、および、制御部２が使用する各種データを記憶する記憶部３を備える。制御部２は、取得部２１、特定部２３、出力部２４、および学習部２５を備える。記憶部３には、情報処理装置１の各種制御を行うためのプログラムである制御プログラム３１に加え、第１教師データ３２、インプラント・手術器具情報データベース３３、および学習済第１学習モデル３４が格納されている。
＜取得部２１＞
取得部２１は、対象者の患部の骨が写る医用画像を含む入力情報を取得する。例えば、図３に示す取得部２１は、医用画像管理装置５から、対象者の患部の骨が写る医用画像を取得可能であってもよい。入力情報は、特定部２３に入力される入力データである。取得部２１は、対象者の患部の骨に適した外科的治療法がインプラント埋設術を含む場合、インプラント埋設術において使用される各インプラントおよび手術器具の保有状況を、医療施設８内の在庫管理装置６から取得してもよい。保有状況は、医療施設８における保有状況に限定されず、例えば、製造業者、卸売販売業者および流通業者の少なくとも１つを含む施設における保有状況であってもよい。また、保有状況には、例えば、製造業者、卸売販売業者および流通業者の少なくとも１つを含む施設から医療施設８に届く納期情報が含まれていてもよい。
取得部２１は、対象者の患部の骨が写る医用画像を含む入力情報を取得する。例えば、図３に示す取得部２１は、医用画像管理装置５から、対象者の患部の骨が写る医用画像を取得可能であってもよい。入力情報は、特定部２３に入力される入力データである。取得部２１は、対象者の患部の骨に適した外科的治療法がインプラント埋設術を含む場合、インプラント埋設術において使用される各インプラントおよび手術器具の保有状況を、医療施設８内の在庫管理装置６から取得してもよい。保有状況は、医療施設８における保有状況に限定されず、例えば、製造業者、卸売販売業者および流通業者の少なくとも１つを含む施設における保有状況であってもよい。また、保有状況には、例えば、製造業者、卸売販売業者および流通業者の少なくとも１つを含む施設から医療施設８に届く納期情報が含まれていてもよい。
＜特定部２３＞
特定部２３は、学習済第１学習モデル３４に、入力情報を入力することにより、前述の、器具情報、予測情報、パラメータ情報、および、インプラント情報のうちの少なくともいずれかを特定する。ここで、学習済第１学習モデル３４は、予め第１教師データ３２を用いて学習（訓練ともいう）されている。第１教師データ３２は、複数の患者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含むデータである。
特定部２３は、学習済第１学習モデル３４に、入力情報を入力することにより、前述の、器具情報、予測情報、パラメータ情報、および、インプラント情報のうちの少なくともいずれかを特定する。ここで、学習済第１学習モデル３４は、予め第１教師データ３２を用いて学習（訓練ともいう）されている。第１教師データ３２は、複数の患者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含むデータである。
第１教師データ３２としての外科的治療法に関する治療情報は、例えば、患者に対して外科的治療法が適用された際の器具情報、予測情報、パラメータ情報、インプラント情報、および、外科的療法を適用した後の療法経過情報の少なくとも１つとを組み合わせた情報である。療法経過情報は、外科的治療法を適用した後の患者の経過情報を含むものである。具体的に、療法経過情報は、例えば、インプラントの弛み発生の有無、患部または全身の術後感染の有無、痛みの強さ、期間、可動域の変化、およびインプラントの再置換の有無などを少なくとも１つ含むものであるが、これに限定されない。
特定部２３は、例えば、学習済第１学習モデル３４に、入力情報を入力することにより、対象者の患部の骨に適した外科的治療法、および該外科的治療法において対象者の患部の骨に埋設され得るインプラント等を特定してもよい。この場合、学習済第１学習モデル３４の学習に用いられる第１教師データ３２は、治療情報として、複数の患者の各々の患部の骨に適用された外科的治療法の内容および結果を含むデータであればよい。あるいは、学習済第１学習モデル３４の学習に用いられる第１教師データ３２は、複数の患者の各々の患部の骨に適用された外科的治療法を示す情報、該外科的治療法が適用される前の複数の患者の各々の患部の骨が写る医用画像、および該複数の患者の各々の患部の骨に埋設されたインプラントに関する情報を含むデータであってもよい。
ここで、インプラントに関する情報は、人工関節に関する情報、脊椎インプラントに関する情報、人工補綴物または歯科インプラントに関して、埋設手術の際に決定されるインプラントの各種パラメータに関する情報であってもよい。ここで、人工関節は、人工股関節、人工膝関節、人工肩関節、人工肘関節および人工足関節等を含んでいてもよい。脊椎インプラントは、頚椎、胸椎、腰椎、仙骨、および尾骨に適用されるインプラントを少なくとも１つ含んでいてもよい。人工補綴物は、人工骨（例えば、ブロック状、または顆粒状など）、人工距骨、人工頭蓋骨、髄内釘、および骨固定プレートを少なくとも１つ含んでいてもよい。インプラントに関する情報は、例えば、インプラントの製品名、型番、製造元、販売元、表面処理、および、抗菌処理が施されたインプラントか否かに関する情報のうちの少なくともいずれか１つであってもよい。インプラントの関する情報は、インプラントのサイズ、寸法、角度、および、材質などのうち少なくとも１つを含む各種パラメータに関する情報が含まれていてもよい。
人工股関節の場合、インプラントに関する情報は、例えば、以下のような情報のうち少なくとも１つを含んでいてもよい。インプラントに関する情報は、以下のような情報そのものであってもよいし、以下のような情報に適合するインプラントの製品名、型番、製造元、および販売元などの少なくとも１つであってもよいが、これらに限定されない。
・カップの外径に関する情報。
・カップの固定ネジに関する情報。
・骨頭の骨頭径に関する情報。
・ステムのネック長に関する情報。
・髄腔内に挿入されるステム部分の回転中心からネックの回転中心までのオフセットに関する情報。
・表面処理に関する情報。
・骨または生体組織への固定方式に関する情報。
ここで、カップの固定ネジに関する情報は、固定ネジの数、固定ネジの位置、固定ネジの長さ、固定ネジの表面処理、固定ネジのピッチ（例えば、ネジ山同士のピッチ）、固定ネジの径（ネジ部分の径）などであってもよい。
・カップの外径に関する情報。
・カップの固定ネジに関する情報。
・骨頭の骨頭径に関する情報。
・ステムのネック長に関する情報。
・髄腔内に挿入されるステム部分の回転中心からネックの回転中心までのオフセットに関する情報。
・表面処理に関する情報。
・骨または生体組織への固定方式に関する情報。
ここで、カップの固定ネジに関する情報は、固定ネジの数、固定ネジの位置、固定ネジの長さ、固定ネジの表面処理、固定ネジのピッチ（例えば、ネジ山同士のピッチ）、固定ネジの径（ネジ部分の径）などであってもよい。
人工膝関節の場合、インプラントに関する情報は、例えば、以下のような情報のうち少なくとも１つを含んでいてもよい。インプラントに関する情報は、以下のような情報そのものであってもよいし、以下のような情報に適合するインプラントの製品名、型番、製造元、および販売元などの少なくとも１つであってもよいが、これらに限定されない。
・大腿骨コンポーネントのサイズに関する情報
・脛骨コンポーネントのサイズに関する情報。
・脛骨インサートに関する情報（例えば、脛骨インサートの厚さなど）。
・脛骨ステムの長さに関する情報。
・膝蓋骨コンポーネントのサイズに関する情報。
・十字靭帯処理別のコンポーネントの種類に関する情報（例えば、後十字靭帯保存型コンポーネント、後十字靭帯切離型コンポーネント、後十字靭帯代償型コンポーネント、および両十字靭帯温存型の少なくとも１つなど）。
・インプラントタイプの関する情報（例えば、ヒンジ型、片側型、モバイルインサート型、膝蓋大腿関節型、セメント固定型、非セメント固定型、およびハイブリッド型など少なくとも１つ）。
・骨または生体組織への固定方式に関する情報。
・大腿骨コンポーネントのサイズに関する情報
・脛骨コンポーネントのサイズに関する情報。
・脛骨インサートに関する情報（例えば、脛骨インサートの厚さなど）。
・脛骨ステムの長さに関する情報。
・膝蓋骨コンポーネントのサイズに関する情報。
・十字靭帯処理別のコンポーネントの種類に関する情報（例えば、後十字靭帯保存型コンポーネント、後十字靭帯切離型コンポーネント、後十字靭帯代償型コンポーネント、および両十字靭帯温存型の少なくとも１つなど）。
・インプラントタイプの関する情報（例えば、ヒンジ型、片側型、モバイルインサート型、膝蓋大腿関節型、セメント固定型、非セメント固定型、およびハイブリッド型など少なくとも１つ）。
・骨または生体組織への固定方式に関する情報。
脊椎インプラントの場合、インプラントに関する情報は、例えば、以下のような情報のうち少なくとも１つを含んでいてもよい。インプラントに関する情報は、以下のような情報そのものであってもよいし、以下のような情報に適合するインプラントの製品名、型番、製造元、および販売元などの少なくとも１つであってもよいが、これらに限定されない。
・術式に関する情報。
・脊椎ケージに関する情報。
・脊椎固定プレートに関する情報。
・固定ネジに関する情報。
・固定ネジをつなぐロッドに関する情報。
・表面処理に関する情報。
・骨または生体組織への固定方式に関する情報。
術式に関する情報は、例えば、患者の体に対して前方を切開する前方侵入、側方を切開する側方侵入、および、後方を切開する後方侵入のうち少なくとも１つに関する情報を含む。より具体的には、術式に関する情報は、例えば、腰椎前方椎体間固定術（ＡＬＩＦ；Anterior Lumbar Interbody Fusion）、腰椎後方椎体固定術（ＰＬＩＦ；Posterior Lumbar
Interbody Fusion）、腰椎側方経路椎体固定術（ＬＬＩＦ；Lateral Lumbar Interbody Fusion）、腰椎超外側椎体固定術（ＸＬＩＦ；eXtreme Lumbar Interbody Fusion）、腰椎前外側経路椎体固定術（ＯＬＩＦ；Oblique Lumbar Interbody Fusion）、および腰椎側方侵入椎体固定術（ＴＬＩＦ；Transforminal Lumbar Interbody Fusion）などを含む情報である。
・術式に関する情報。
・脊椎ケージに関する情報。
・脊椎固定プレートに関する情報。
・固定ネジに関する情報。
・固定ネジをつなぐロッドに関する情報。
・表面処理に関する情報。
・骨または生体組織への固定方式に関する情報。
術式に関する情報は、例えば、患者の体に対して前方を切開する前方侵入、側方を切開する側方侵入、および、後方を切開する後方侵入のうち少なくとも１つに関する情報を含む。より具体的には、術式に関する情報は、例えば、腰椎前方椎体間固定術（ＡＬＩＦ；Anterior Lumbar Interbody Fusion）、腰椎後方椎体固定術（ＰＬＩＦ；Posterior Lumbar
Interbody Fusion）、腰椎側方経路椎体固定術（ＬＬＩＦ；Lateral Lumbar Interbody Fusion）、腰椎超外側椎体固定術（ＸＬＩＦ；eXtreme Lumbar Interbody Fusion）、腰椎前外側経路椎体固定術（ＯＬＩＦ；Oblique Lumbar Interbody Fusion）、および腰椎側方侵入椎体固定術（ＴＬＩＦ；Transforminal Lumbar Interbody Fusion）などを含む情報である。
歯科インプラントの場合、インプラントに関する情報は、例えば、以下のような情報のうち少なくとも１つを含んでいてもよい。インプラントに関する情報は、以下のような情報そのものであってもよいし、以下のような情報に適合するインプラントの製品名、型番、製造元、および販売元などの少なくとも１つであってもよいが、これらに限定されない。
・骨内に埋設される先端形状に関する情報。
・表面処理に関する情報。
・骨内長に関する情報。
・直径に関する情報。
・骨または生体組織への固定方式に関する情報。
・骨内に埋設される先端形状に関する情報。
・表面処理に関する情報。
・骨内長に関する情報。
・直径に関する情報。
・骨または生体組織への固定方式に関する情報。
表面処理に関する情報として、表面上に骨を成長（On-Growth）させる表面処理に関する情報、または、多孔質内に骨を成長（In-Growth）させる表面処理に関する情報などが例示できる。ここで、表面処理は、例えば、水酸化リン酸カルシウムを主成分とするハイドロキシアパタイト、粗面化処理、Ｔｉ溶射、３次元印刷による機能性多孔質層、アルカリ加熱処理、陽極酸化処理、および、酸処理などの少なくとも１つを挙げることができるが、これらに限定されない。
骨または生体組織への固定方式に関する情報は、例えば、セメント固定式、非セメント固定式、セメント固定式と非セメント固定式とのハイブリッド固定式、スクリュー固定式、またはオーバーデンチャー方式などに関する情報であってもよい。骨または生体組織への固定方式に関する情報は、例えば、セメント固定式、またはハイブリッド固定式において、セメントの設置領域に関する情報（例えば、設置位置、設置範囲、および設置量などのうち少なくとも１つを含む）を含んでもよい。また、骨または生体組織への固定方式に関する情報は、非セメント固定方式においてセメントで補強する場合には、セメントの設置領域に関する情報を含んでもよい。
骨または生体組織への固定方式に関する情報は、例えば、自家骨移植に関する情報、および人工骨移植に関する情報の少なくとも１つであってもよい。自家骨移植に関する情報は、例えば、自家骨移植の有無、自家骨の取得部位、自家骨の取得量、自家骨の移植量、自家骨の形体（例えば、粉砕骨およびブロックの少なくとも１つ）および自家骨の内容（例えば、海綿骨など）を少なくとも１つ含む。人工骨移植に関する情報は、例えば、人工骨のメーカー、材料、および移植量などを少なくとも１つを含む。例えば、人工股関節の場合、カップの設置において臼蓋を被覆する骨が不足している場合がある。このような場合に、骨または生体組織への固定方式に関する情報は、海綿骨またはブロック骨を移植する必要性、量、場所、および領域など少なくとも１つを含む骨または生体組織への固定方式に関する有用な提案となりうる情報である。
抗菌処理が施されたインプラントか否かに関する情報は、例えば、抗菌性が施されたインプラントの患者に対する適合性を示す情報、患部の感染症発生確率を示す情報、患部の感染症低減確率を示す情報、患部の炎症度合いの予測、または抗菌処理が施されたインプラントを適用した際の副作用の発生確率を示す情報などを含むものである。第１教師データ３２は、抗菌処理が施されたインプラントか否かに関する情報の代わりに、患者の細菌感染に対する耐性に関する血液マーカの濃度および患者の血液を用いて所定の細菌を培養した培養試験の結果を示す情報を含んでいてもよい。
特定部２３は、対象者の患部の骨に埋設され得るインプラントの在庫情報を、取得部２１が在庫管理装置６から取得した、インプラントの保有状況を参照することにより特定してもよい。あるいは、特定部２３は、対象者の患部の骨に適した外科的治療法において使用される手術器具の在庫情報を、取得部２１が在庫管理装置６から取得した、手術器具の保有状況を参照することにより特定してもよい。
特定部２３は、例えば、学習済第１学習モデル３４に、入力情報を入力することにより、対象者の患部の骨に適した外科的治療法において使用可能な手術器具を示す器具情報をさらに特定してもよい。この場合、学習済第１学習モデル３４の学習に用いられる第１教師データ３２は、複数の患者の各々の患部の骨に適用された外科的治療法において使用された手術器具に関する情報を含むデータであればよい。
手術器具に関する情報は、インプラントを埋設する前の骨加工に関する手術器具の情報であってもよい。例えば、対象者の患部が股関節であり、対象者の患部の骨に適した外科的治療が人工股関節の埋設術を含む場合、患部の骨にステムを挿入するための前処理として、患部の骨を切削するための器具の１つであるリーマまたはラスプが使用され得る。リーマまたはラスプは、人工股関節のステムが挿入される大腿骨の髄腔内の内壁を切削処理する器具である。リーマまたはラスプは、例えば、ステムのサイズまたはステムの種類に対応したサイズが複数準備されている器具である。すなわち、ステムまたはラスプのサイズ（すなわち、番手）等に関する情報は、手術器具に関する情報であり得る。手術器具に関する情報は、ステムのサイズまたはステムの種類に対応しないリーマまたはラスプのサイズを含んでもよい。より具体的には、手術器具に関する情報は、ステムのサイズまたは種類と異なる、患者に最適なリーマまたはラスプのサイズを含んでもよい。
また、手術器具に関する情報は、例えば、手術の際に使用される試験的器具であってもよい。試験的器具は、例えば、インプラントまたは手術器具のサイズを確認するためのものであったり、インプラントの動きを確認するための器具であったりしてよい。この場合、手術器具に関する情報は、例えば、手術に必要な試験的器具、患者に適合する可能性のある試験的器具のサイズまたは形状などであってもよい。人工股関節置換術では、試験的器具は、例えば、ネックトライアル、ボールトライアル、ブローチトライアル、ステムトライアル、プラグトライアルまたはカップトライアルなどを含めることができる。人工膝関節置換術では、試験的器具は、例えば、大腿骨トライアル、プレートトライアル、または脛骨トレートライアル、脛骨ステムトライアルなどを含めることができる。
手術器具に関する情報は、例えば、入力情報の患者に適した手術器具がインプラントのメーカーと同じメーカーにないことを提示してもよい。手術器具に関する情報は、例えば、入力情報の患者に適した手術器具が一般的な手術器具にない場合は、カスタムメイドの手術器具の使用を提案してもよい。
特定部２３は、入力情報が、入力層２３１（図４参照）へ入力されたことに応じて、学習済第１学習モデル３４に基づいて演算を行い、対象者の患部の骨に適した外科的治療法、および該外科的治療法において使用可能なインプラントを出力層２３２（図４参照）から出力する。特定部２３は、一例として、入力情報から特徴量を抽出し、入力データとして用いる構成であってもよい。特徴量の抽出には、以下に挙げるような公知のアルゴリズムが適用され得る。
・畳み込みニューラルネットワーク（ＣＮＮ：convolutional neural network）。
・オートエンコーダ（auto encoder）。
・リカレントニューラルネットワーク（ＲＮＮ：recurrent neural network）。
・ＬＳＴＭ（Long Short-Term Memory）。
・ＣｏｎｖＬＳＴＭ（Convolutional Long Short-Term Memory）。
・畳み込みニューラルネットワーク（ＣＮＮ：convolutional neural network）。
・オートエンコーダ（auto encoder）。
・リカレントニューラルネットワーク（ＲＮＮ：recurrent neural network）。
・ＬＳＴＭ（Long Short-Term Memory）。
・ＣｏｎｖＬＳＴＭ（Convolutional Long Short-Term Memory）。
学習済第１学習モデル３４は、特定部２３が入力データに基づいて演算を行う際に用いる演算モデルである。未学習のニューラルネットワークに対して、後述する第１教師データ３２を用いた機械学習を学習部２５が実行することによって、学習済第１学習モデル３４が生成される。ここで、学習済第１学習モデル３４は、ヒトではない動物に対しても適用され得る。この場合、第１教師データ３２における「患者」は「対象者」と同種の生物種であればよい。すなわち、本開示に係る情報処理装置１は、ヒトではない動物の患部の骨に適した外科的治療法を特定することも可能である。第１教師データ３２、ニューラルネットワークの構成、および学習処理の具体例については後述する。
＜出力部２４＞
出力部２４は、特定部２３によって特定された各情報を端末装置７に送信する。出力部２４は、インプラント・手術器具情報データベース３３から、特定部２３によって特定されたインプラントに関する情報を抽出してもよい。情報処理装置１が表示部（図示せず）を備える構成であってもよい。その場合、出力部２４は、表示部に上記各情報を表示させる。
出力部２４は、特定部２３によって特定された各情報を端末装置７に送信する。出力部２４は、インプラント・手術器具情報データベース３３から、特定部２３によって特定されたインプラントに関する情報を抽出してもよい。情報処理装置１が表示部（図示せず）を備える構成であってもよい。その場合、出力部２４は、表示部に上記各情報を表示させる。
＜学習部２５＞
学習部２５は、未学習のニューラルネットワークに対する学習処理を制御する。学習部２５は、未学習のニューラルネットワークに対する学習処理を実行することにより、特定部２３として機能する学習済ニューラルネットワークを作成する。この学習には、第１教師データ３２（後述）が用いられる。学習部２５が行う学習の具体例については後述する。
学習部２５は、未学習のニューラルネットワークに対する学習処理を制御する。学習部２５は、未学習のニューラルネットワークに対する学習処理を実行することにより、特定部２３として機能する学習済ニューラルネットワークを作成する。この学習には、第１教師データ３２（後述）が用いられる。学習部２５が行う学習の具体例については後述する。
（特定部２３の構成）
以下、特定部２３の構成について図４に基づいて説明する。図４に示す構成は一例であり、特定部２３の構成はこれに限定されない。
以下、特定部２３の構成について図４に基づいて説明する。図４に示す構成は一例であり、特定部２３の構成はこれに限定されない。
図４に示すように特定部２３は、入力層２３１に入力される入力データに対して、学習済第１学習モデル３４に基づく演算を行って、出力層２３２から出力データを出力する。出力データは、器具情報、予測情報、パラメータ情報、および、インプラント情報のうちの少なくともいずれかである。
図４の特定部２３は、入力層２３１と出力層２３２とを有するニューラルネットワークを備える。図４は、ニューラルネットワークがＬＳＴＭである場合を示しているが、これに限定されない。例えば、ニューラルネットワークは、ＣＮＮとＬＳＴＭを組み合わせたＣｏｎｖＬＳＴＭネットワーク等であってもよい。入力層２３１は、入力データにおける変化に関する特徴量を抽出することができる。出力層２３２は、入力層２３１で抽出した特徴量、入力データの時間変化および初期値に基づいて、新たな特徴量を算出することができる。入力層２３１および出力層２３２は、複数のＬＳＴＭ層を有している。入力層２３１および出力層２３２のそれぞれは、３つ以上のＬＳＴＭ層を有していてもよい。
（学習部２５による学習処理）
以下、学習済第１学習モデル３４を生成するための学習処理について、図５を用いて説明する。図５は、学習部２５による学習処理の流れの一例を示すフローチャートである。
以下、学習済第１学習モデル３４を生成するための学習処理について、図５を用いて説明する。図５は、学習部２５による学習処理の流れの一例を示すフローチャートである。
学習部２５は、記憶部３から第１教師データ３２を取得する（ステップＳ１）。第１教師データ３２には、入力層２３１に入力する説明変数および目的変数が含まれている。ここで、説明変数は、複数の患者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報および形状的特徴であり、目的変数は、該骨に適用された外科的治療法に関する治療情報である。インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報は、骨代謝マーカの測定結果を示す情報であってもよいし、Ｘ線画像に基づいて推定された骨密度を示す情報であってもよい。骨情報は、例えば、骨量、骨密度、骨梁数、骨梁間隙、骨梁の連結性密度、海綿骨構造指標および骨代謝マーカの測定結果の少なくとも１つを含んでよい。
続いて、学習部２５は、外科的治療法が適用されたある患者（患者Ａと記す）の骨情報を入力層２３１に入力する（ステップＳ２）。
次に、学習部２５は、出力層２３２から患者Ａの骨に適用された外科的治療法に関する出力データを取得する（ステップＳ３）。この出力データは、第１教師データ３２の目的変数と同じ内容を含んでいる。図５において、ステップＳ２とステップＳ３の順番は逆であってもよい。あるいは、図５において、ステップＳ２とステップＳ３とを同時に実行する構成であってもよい。
続いて、学習部２５は、第１教師データ３２に含まれる、患者Ａに関する目的変数を取得する。そして、学習部２５は、ステップＳ３において取得した出力データと、患者Ａに関する目的変数とを比較し、誤差を算出し（ステップＳ４）、該誤差が小さくなるように、学習中の第１学習モデルを調整する（ステップＳ５）。
学習中の第１学習モデルの調整には、任意の公知の方法が適用可能である。例えば、第１学習モデルの調整方法として、誤差逆伝播法を採用してもよい。調整後の第１学習モデルが新たな第１学習モデルとなり、以降の演算では、特定部２３は新たな第１学習モデルを用いる。第１学習モデルの調整段階では、特定部２３で使用されるパラメータ（例えば、フィルタ係数、重み付け係数等）が調整され得る。
学習部２５は、誤差が所定の範囲内に納まっていない場合、および、第１教師データ３２に含まれるすべての患者に関する説明変数を入力していない場合（ステップＳ６にてＮＯ）、ステップＳ２に戻り、学習処理を繰り返す。学習部２５は、誤差が所定の範囲内に納まっている場合、および、第１教師データ３２に含まれるすべての患者に関する説明変数を入力済である場合（ステップＳ６にてＹＥＳ）、学習処理を終了する。
上記のような学習処理を採用した場合、特定部２３は、対象者の患部の骨が写る医用画像を含む入力情報から、該対象者の患部の骨に適した外科的治療法に関する情報である、器具情報、予測情報、パラメータ情報、およびインプラント情報のうちの少なくともいずれかを特定することができる。
（変形例１）
また、第１教師データ３２は、複数の患者の各々の骨に対するインプラント埋設術時に発生した事象に関する事象情報、および、該インプラント埋設術において実施された施術情報、のうち少なくともいずれかをさらに含んでいてもよい。このような第１教師データ３２を用いることにより、学習済第１学習モデル３４は、対象者の骨が写っている医用画像から、該対象者にインプラント埋設術を実施する場合に発生し得る事象、および実施すべき施術等を出力することができる。
また、第１教師データ３２は、複数の患者の各々の骨に対するインプラント埋設術時に発生した事象に関する事象情報、および、該インプラント埋設術において実施された施術情報、のうち少なくともいずれかをさらに含んでいてもよい。このような第１教師データ３２を用いることにより、学習済第１学習モデル３４は、対象者の骨が写っている医用画像から、該対象者にインプラント埋設術を実施する場合に発生し得る事象、および実施すべき施術等を出力することができる。
ここで、事象情報は、インプラント埋設術時における、骨折、弛み、インプラント破折、可動域、および感染のうちのいずれか１つ以上に関する情報であってもよい。骨折に関する情報は、例えば、リーマまたはラスプによって切削処理された骨の髄腔にステムを挿入したときに患部の骨の割れが生じたか否かに関する情報であってもよい。あるいは、骨折に関する情報は、例えば、ある番手のラスプを対象者の骨の髄腔に挿入した際に骨が割れたか否かに関する情報であってもよい。事象情報は、骨の割れが生じたときの切削処理において使用されたリーマまたはラスプのサイズに関する情報を含んでいてもよい。
施術情報は、インプラントを埋設するときのインパクト、手術に要した時間、出血量、輸血量、骨セメントの使用、骨セメントの種類、骨セメントの塗布位置、抗生剤の使用、および感染症対策および止血等の処置に関する情報であってもよい。インパクトに関する情報は、例えば、インパクト回数、瞬間最大荷重、インパクト音、インパクターの種類、ハンマーの種類などを含んでいてもよい。セラミックス製のコンポーネントに対しては、樹脂製のハンマーを用いることを出力してもよい。
この構成によれば、情報処理装置１は、対象者に適用する外科的治療法を策定する上で留意すべき事項を事前に医師等に提供することができる。これにより、対象者の情報処理装置１は、対象者の患部の骨に適した外科的治療の計画策定をより高度に支援することができる。
（変形例２）
学習済第１学習モデル３４の調整は、情報処理装置１とは異なる別のコンピュータにおいて実行されてもよい。この場合、情報処理装置１は学習済第１学習モデル３４をインストールして用いればよい。すなわち、情報処理装置１において、学習部２５は必須の構成ではない。
学習済第１学習モデル３４の調整は、情報処理装置１とは異なる別のコンピュータにおいて実行されてもよい。この場合、情報処理装置１は学習済第１学習モデル３４をインストールして用いればよい。すなわち、情報処理装置１において、学習部２５は必須の構成ではない。
（情報処理装置１が行う処理）
以下、情報処理装置１が行う処理の流れについて、図６を用いて説明する。図６は、情報処理装置１が行う処理の流れの一例を示すフローチャートである。図６には、情報処理装置１が、入力情報から、下記の各情報を出力する場合に行う処理の例を示しているが、情報処理装置１は、これらの情報のうち少なくとも１つを出力する構成であってもよい。・対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報。・外科的治療法が適用された後の対象者の患部の骨の状態を予測した予測情報。
・対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報。
・対象者の患部の骨に埋設され得るインプラントに関するインプラント情報。
以下、情報処理装置１が行う処理の流れについて、図６を用いて説明する。図６は、情報処理装置１が行う処理の流れの一例を示すフローチャートである。図６には、情報処理装置１が、入力情報から、下記の各情報を出力する場合に行う処理の例を示しているが、情報処理装置１は、これらの情報のうち少なくとも１つを出力する構成であってもよい。・対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報。・外科的治療法が適用された後の対象者の患部の骨の状態を予測した予測情報。
・対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報。
・対象者の患部の骨に埋設され得るインプラントに関するインプラント情報。
まず、取得部２１は、対象者の患部の骨が写る医用画像を含む入力情報を取得する（ステップＳ１１：取得ステップ）。
次に、特定部２３は、入力情報を学習済第１学習モデル３４に入力することにより、対象者の患部の骨に適した外科的治療法に関する器具情報、予測情報、パラメータ情報、およびインプラント情報を特定する（ステップＳ１２：特定ステップ）。
出力部２４は、ステップＳ１２において特定された各情報を出力する（ステップＳ１３：出力ステップ）。
この構成によれば、情報処理装置１および情報処理システム１００ａは、対象者の患部の骨に適した外科的治療法を検討し決定するための有益な情報を出力することができる。情報処理装置１から出力される、器具情報、予測情報、パラメータ情報、およびインプラント情報はいずれも、医師等が対象者の患部の骨に適した外科的治療法を検討する上で重要な情報である。例えば、手術器具およびインプラントの保有状況によっては、対象者に外科的治療法を適用する時期を、使用するインプラントが納品されるまで待たなければならない可能性、あるいは、対象者と異なる者に外科的治療法を適用する日程を調整しなければならない可能性等がある。情報処理装置１および情報処理システム１００ａは、上記のような情報を出力することにより、対象者の患部の骨に適した外科的治療の計画策定を支援する。骨質によっては骨切りに難渋する場合がある（例えば、大理石骨病など）ので、例えば、想定骨切り時間などを出力してもよい。
〔実施形態２〕
本開示の他の実施形態について、以下に説明する。説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
本開示の他の実施形態について、以下に説明する。説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
情報処理システム１００ａは、入力情報に含まれる医用画像から生成された第１予測画像であって、対象者の患部の骨に外科的治療法が適用された後の対象者の患部の骨の状態を想定した第１予測画像を、入力情報に含まれる医用画像から生成する構成であってもよい。また、情報処理システム１００ａは、第１予測画像を画像解析した結果から推定された手術パラメータであって、対象者の患部の骨に適した外科的治療法を対象者に適用する医療関係者によって選択され得る手術パラメータを含むパラメータ情報を出力する構成であってもよい。
パラメータ情報は、例えば、例えば、骨（例えば、人工股関節置換術であれば大腿骨頚部、および人工膝関節置換術であれば大腿骨顆部、大腿骨遠位部または脛骨近位部等）を切除する角度、切除量、器具の人体（例えば、髄腔等を含む）への挿入角度、挿入深さ、器具の回転数（トルクを含む）、器具の抜去角度、骨棘除去の提案、骨棘除去の除去方法（例えば、切除量、切除範囲など）および骨の切削時間等を挙げることができる。これらのパラメータ情報は、それぞれを組み合わせて設定してもよいし、１つのパラメータを複数設定してもよい。
（情報処理装置１ａの構成）
このような構成を備える情報処理装置１ａの構成について、図７を用いて説明する。図７は、情報処理装置１ａの構成例の一例を示すブロック図である。情報処理装置１ａは情報処理システム１００ａ、１００ｂ、１００ｃ、１００ｄに適用され得る。
このような構成を備える情報処理装置１ａの構成について、図７を用いて説明する。図７は、情報処理装置１ａの構成例の一例を示すブロック図である。情報処理装置１ａは情報処理システム１００ａ、１００ｂ、１００ｃ、１００ｄに適用され得る。
情報処理装置１ａは、情報処理装置１ａの各部を統括的に制御する制御部２ａ、および、制御部２ａが使用する各種データを記憶する記憶部３ａを備える。制御部２ａは、取得部２１、特定部２３、出力部２４、および学習部２５に加え、生成部２６および推定部２７を備える。記憶部３ａには、情報処理装置１ａの各種制御を行うためのプログラムである制御プログラム３１、第１教師データ３２、インプラント・手術器具情報データベース３３、および学習済第１学習モデル３４に加え、学習済（trained）第２学習モデル３５が格納されている。
生成部２６は、第２教師データを用いて学習された第２学習モデル３５を用いて、入力情報に含まれる医用画像から第１予測画像を生成する。ここで、第２教師データは、対象者の患部の骨に適した外科的治療法が適用された患者の患部の骨を、該外科的治療法の適用前および適用後に撮像された医用画像を含むデータである。出力部２４は、生成された第１予測画像を端末装置７に送信する。ここで、第１予測画像は、入力情報に含まれる医用画像（２次元画像）から、公知の画像変換法を用いて３次元画像に変換された画像であってもよい。
対象者に外科的治療法を実際に適用する前に第１予測画像を確認することによって、医師等は対象者の患部の骨に適した外科的治療法が、本当に該対象者に適切なのかを判断することができる。これにより、情報処理装置１ａは、対象者の患部の骨により適した外科的治療法が適用されるように支援することができる。
推定部２７は、第１予測画像を画像解析した結果から、外科的治療法を対象者に適用する医師等によって選択され得る手術パラメータを推定してもよい。ここで、手術パラメータは、手術の術式および手術器具類に関連するあらゆる操作パラメータを含んでいてもよい。手術パラメータは、例えば、骨切り量等であってもよい。手術パラメータは、医師等によって、手術中にモニタリングされたり、変更されたりするパラメータであってもよいし、手術前に選択されるパラメータであってもよい。
さらに、推定部２７によって推定された手術パラメータの変更を指示する操作を受け付けた場合、生成部２６は、第１予測画像に対して該変更に対応する加工を施した第２予測画像を生成してもよい。これにより、情報処理装置１ａは、対象者の骨により適切な外科的治療法を検討するための、医師等による試行錯誤を容易化し、対象者の骨により適切な外科的治療法が適用されるように支援することができる。
あるいは、推定部２７は、第１予測画像から、対象者の患部の骨の強度に関する推定結果を出力してもよい。対象者の患部の骨の強度は、適した外科的治療法を策定するために重要な情報である。骨の強度に関する推定結果は、例えば、骨密度の推定値であってもよい。このような推定結果を確認することによって、医師等は対象者の患部の骨に適した外科的治療法を実際に適用してよいか否かを正しく判断することができる。これにより、情報処理装置１ａは、対象者の患部の骨により適した外科的治療法が適用されるように支援することができる。
〔実施形態３〕
（情報処理システム１００ｂの構成）
情報処理装置１は、所定の医療施設８に設置されているコンピュータではなく、通信ネットワーク９を介して複数の医療施設８の各々に配設されたＬＡＮと通信可能に接続されていてもよい。図２は、本開示の別の態様に係る情報処理システム１００ｂの構成例を示す図である。
（情報処理システム１００ｂの構成）
情報処理装置１は、所定の医療施設８に設置されているコンピュータではなく、通信ネットワーク９を介して複数の医療施設８の各々に配設されたＬＡＮと通信可能に接続されていてもよい。図２は、本開示の別の態様に係る情報処理システム１００ｂの構成例を示す図である。
医療施設８ａ内のＬＡＮには、１以上の端末装置７ａの他、医用画像管理装置５ａおよび在庫管理装置６ａが通信可能に接続されていてもよい。また、医療施設８ｂ内のＬＡＮには、端末装置７ｂの他、医用画像管理装置５ｂおよび在庫管理装置６ｂが通信可能に接続されていてもよい。本開示において、医療施設８ａと８ｂとを特に区別しない場合、「医療施設８」と記す。また、端末装置７ａと７ｂ、および、医用画像管理装置５ａと５ｂについても、特に区別しない場合、それぞれ「端末装置７」、「医用画像管理装置５」、および「在庫管理装置６」と記す。
図２では、医療施設８ａおよび医療施設８ｂのＬＡＮが、通信ネットワーク９に接続されている例を示している。情報処理装置１は、通信ネットワーク９を介して、各医療施設内の医用画像管理装置５、および在庫管理装置６と通信可能に接続されていればよく、図２に示された構成に限定されない。例えば、医療施設８ａ内あるいは医療施設８ｂ内に、情報処理装置１が設置されていてもよい。
このような構成を採用した情報処理システム１００ｂにおいて、情報処理装置１は、医療施設８ａにて診察を受けた対象者Ｐａの医用画像を、医療施設８ａの医用画像管理装置５ａから取得することが可能である。また、情報処理装置１は、医療施設８ａの在庫管理装置６ａから、各種施術において使用されるインプラントおよび手術器具等の保有状況を取得することが可能である。そして、情報処理装置１は、医療施設８ａに設置された端末装置７ａに、対象者Ｐａの患部の骨に適した外科的治療法に関する器具情報、予測情報、パラメータ情報、およびインプラント情報のうちの少なくともいずれかを送信する。情報処理装置１は、端末装置７ｂに、対象者Ｐｂの患部の骨に適した外科的治療法に関する器具情報、予測情報、パラメータ情報、およびインプラント情報を送信する。
情報処理装置１は、対象者Ｐａ患部の骨に適した外科的治療法において使用可能なインプラントを医療施設８ａが保有していない（または不足している）場合、下記の情報の少なくともいずれかを端末装置７ａに送信してもよい。
・インプラントを発注手続きに関する情報。
・インプラントを発注した場合の予定納期に関する情報。
対象者Ｐａに外科的治療法を適用する時期は、医療施設８ａのインプラントの保有状況に影響され得る。もし医療施設８ａに使用するインプラントの在庫が無い場合、該インプラントの発注が必要であり、該インプラントが納品されるまで待つ必要がある。情報処理装置１は、上記のような情報を出力することにより、対象者の患部の骨に適した外科的治療の計画策定を支援する。
・インプラントを発注手続きに関する情報。
・インプラントを発注した場合の予定納期に関する情報。
対象者Ｐａに外科的治療法を適用する時期は、医療施設８ａのインプラントの保有状況に影響され得る。もし医療施設８ａに使用するインプラントの在庫が無い場合、該インプラントの発注が必要であり、該インプラントが納品されるまで待つ必要がある。情報処理装置１は、上記のような情報を出力することにより、対象者の患部の骨に適した外科的治療の計画策定を支援する。
〔実施形態４〕
以下、実施形態４に係る情報処理装置１ｃおよび情報処理装置１ｃを備える情報処理システム１００ｃについて説明する。本実施形態において、情報処理装置１ｃは、対象者の医用情報を含む入力情報に基づいて、学習モデルを用いて推定された、対象者の将来または過去における骨の状態に関する骨状態情報の推定情報を出力する。対象者の医用情報は、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の対象者の特徴情報を有する第２医用情報とを含む。学習モデルは、所定の人の骨が写る医用画像と、当該医用画像が撮影された時点と異なる時点の上記所定の人の特徴情報とを有する情報を複数含む教師データを用いて学習されている。
以下、実施形態４に係る情報処理装置１ｃおよび情報処理装置１ｃを備える情報処理システム１００ｃについて説明する。本実施形態において、情報処理装置１ｃは、対象者の医用情報を含む入力情報に基づいて、学習モデルを用いて推定された、対象者の将来または過去における骨の状態に関する骨状態情報の推定情報を出力する。対象者の医用情報は、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の対象者の特徴情報を有する第２医用情報とを含む。学習モデルは、所定の人の骨が写る医用画像と、当該医用画像が撮影された時点と異なる時点の上記所定の人の特徴情報とを有する情報を複数含む教師データを用いて学習されている。
（情報処理システム１００ｃの構成）
まず、本実施形態に係る情報処理システム１００ｃの構成について、図８を用いて説明する。図８は、情報処理装置１ｃを導入した医療施設８における情報処理システム１００ｃの構成例を示す図である。
まず、本実施形態に係る情報処理システム１００ｃの構成について、図８を用いて説明する。図８は、情報処理装置１ｃを導入した医療施設８における情報処理システム１００ｃの構成例を示す図である。
情報処理システム１００ｃは、情報処理装置１ｃと、情報処理装置１ｃと通信可能に接続された１以上の端末装置７とを含んでいる。情報処理装置１ｃは、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の前記対象者の特徴情報を有する第２医用情報とを含む医用情報から、対象者の将来または過去における骨の状態に関する骨状態情報を推定する。以降の説明では、対象者の将来における骨の状態に関する骨状態情報を推定（予測）する例について説明し、「将来における骨状態に関する骨状態情報」を単に「将来の骨状態情報」とも呼称する。情報処理装置１ｃは、対象者の将来の骨状態情報の推定情報を端末装置７に送信するコンピュータである。情報処理装置１ｃは、クラウド上に導入されていてもよい。その場合には、端末装置７は、第１医用情報を通信ネットワークを介してクラウド上の情報処理装置１ｃに送信し、情報処理装置１ｃが推定した推定情報を通信ネットワークを介して受信する。
医療施設８内のＬＡＮには、情報処理装置１ｃおよび端末装置７の他、医用画像管理装置５、属性情報管理装置４、在庫管理装置６、検査数値管理装置１０、診断結果管理装置１１および骨情報管理装置１２が通信可能に接続されていてもよい。
医用画像管理装置５は、医療施設８にて撮影された医用画像を管理するためのサーバとして機能するコンピュータである。医用画像管理装置５は、例えば、医療施設８内に設置されていてもよいし、クラウドであってもよい。医用画像管理装置５がクラウドである場合には、医用画像は通信ネットワークを介して取得できる。医用画像は、実施形態１～３において用いられた医用画像と同様の画像であってもよい。また、本実施形態における医用画像は、Ｘ線画像、ＣＴ画像、ＭＲＩ画像、超音波診断装置によって撮影された超音波画像、ＰＥＴ画像、およびＤＸＡ像のいずれかであってよい。情報処理装置１ｃは、医用画像管理装置５から対象者の骨が写る医用画像を取得してもよい。
属性情報管理装置４は、対象者の属性情報を管理するためのサーバとして機能するコンピュータである。属性情報は、年齢、性別、身長、体重、人種、生活習慣に関する情報、服薬情報、職業情報、血液検査情報、尿検査情報、唾液検査情報、既往歴、前記対象者の家族の既往歴、遺伝子情報、閉経情報、ＦＲＡＸの項目および、ホルモン情報に基づいて推定された閉経推定のうち少なくとも１つを含む。前記生活習慣は、例えば、睡眠時間、起床時間、睡眠時間、１日の運動量、食事内容、食事時刻、食事時間、および血糖値等であってよい。食事内容は、例えば、料理名、摂取した食材および摂取量の少なくとも１つを含む。食事内容は、例えば、カルシウム、ビタミンＢ、ビタミンＤおよびビタミンＫの少なくとも１つを含む推定摂取量でもよい。血糖値は、例えば、ウェアラブルデバイスで取得したパラメータから推定された指定値を用いてもよい。
服薬情報は、例えば、薬剤名、服用している量、服薬している期間等の情報が含まれてよい。服用している薬剤に関する情報は、使用しているステロイド剤に関する情報を含んでいてもよい。血液検査情報は、例えば、生化学検査、糖代謝系検査、内分泌系検査の少なくともいずれかの結果に関する情報であってもよい。
検査数値管理装置１０は、医療施設８にて実施される検査によって得られた検査数値を管理するためのサーバとして機能するコンピュータである。検査数値は、骨密度、ＫＬ（Kellgren-Lawrence、ケルグレンローレンス）分類、骨形態角度、筋肉量、ＭＭＳＥ（Mini Mental State Examination）、血液検査数値、肝機能マーカ、尿酸値、および、悪性腫瘍マーカのうち少なくとも１つを含む。情報処理装置１ｃは、検査数値管理装置１０から対象者の検査数値を取得してもよい。
診断結果管理装置１１は、医療施設８にて実施される診断によって得られた診断結果を管理するためのサーバとして機能するコンピュータである。情報処理装置１ｃは、診断結果管理装置１１から対象者の診断結果を取得してもよい。
骨情報管理装置１２は、医療施設８にて取得された骨情報を管理するためのサーバとして機能するコンピュータである。情報処理装置１ｃは、骨情報管理装置１２から対象者の過去の骨情報を取得してもよい。
（情報処理装置１ｃの構成）
続いて、図８に示す情報処理システム１００ｃに適用された情報処理装置１ｃの構成について、図９を用いて説明する。図９は、情報処理装置１ｃの構成例の一例を示すブロック図である。
続いて、図８に示す情報処理システム１００ｃに適用された情報処理装置１ｃの構成について、図９を用いて説明する。図９は、情報処理装置１ｃの構成例の一例を示すブロック図である。
情報処理装置１ｃは、情報処理装置１ｃの各部を統括的に制御する制御部２ｃ、および、制御部２ｃが使用する各種データを記憶する記憶部３ｃを備える。制御部２ｃは、取得部２１、推定部２７ｃ、出力部２４、および学習部２５ｃを備える。実施形態２において説明した推定部２７は、本実施形態において説明する２７ｃであってもよい。記憶部３ｃには、情報処理装置１ｃの各種制御を行うためのプログラムである制御プログラム３１に加え、第３教師データ３６、および学習済（trained）の第３学習モデル３７が格納されている。
＜取得部２１＞
本実施形態において、取得部２１は、対象者の医用情報を含む入力情報を取得する。入力情報は、推定部２７ｃに入力されるデータである。本実施形態において、入力情報は、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の対象者の特徴情報を有する第２医用情報とを含む。以降の説明では、第１医用情報に含まれる、対象者の骨が写る医用画像を第１医用画像と称して説明する場合がある。第２医用情報は、第１医用情報の医用画像が撮影された時点から、例えば、１５日、１か月、３か月、６か月、１年、３年又は５年の期間が空いた時点の情報であってもよい。第２医用情報は、第１医用情報に含まれる医用画像が撮影された時点を基準として、当該基準よりも前の過去の情報であってもよいし、当該基準よりも後の将来の情報であってもよい。
本実施形態において、取得部２１は、対象者の医用情報を含む入力情報を取得する。入力情報は、推定部２７ｃに入力されるデータである。本実施形態において、入力情報は、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の対象者の特徴情報を有する第２医用情報とを含む。以降の説明では、第１医用情報に含まれる、対象者の骨が写る医用画像を第１医用画像と称して説明する場合がある。第２医用情報は、第１医用情報の医用画像が撮影された時点から、例えば、１５日、１か月、３か月、６か月、１年、３年又は５年の期間が空いた時点の情報であってもよい。第２医用情報は、第１医用情報に含まれる医用画像が撮影された時点を基準として、当該基準よりも前の過去の情報であってもよいし、当該基準よりも後の将来の情報であってもよい。
第２医用情報に含まれる上記特徴情報は、対象者の医用画像、過去の骨情報、属性情報、検査数値、および、診断結果のうち少なくとも１つを含む。以降の説明では、第２医用情報に含まれる、対象者の骨が写る医用画像を第２医用画像と称して説明する場合がある。第２医用情報は、複数の時点の情報であってもよいし、１時点であってもよい。
取得部２１は、例えば、医用画像管理装置５から第１医用画像および／または第２医用画像を取得してもよく、属性情報管理装置４から対象者の属性情報を取得してもよく、検査数値管理装置１０から対象者の検査数値を取得してもよく、診断結果管理装置１１から対象者の診断結果を取得してもよく、骨情報管理装置１２から対象者の過去の骨情報を取得してもよい。例えば、取得部２１は、第１医用情報としての第１時点において撮影されたＸ線画像と、第２医用情報としての、第１時点と異なる時点、例えば、第１時点よりも前の第２時点において撮影されたＸ線画像とを、入力情報として取得する。取得部２１は、さらに、第２医用情報としての、第２時点よりも前の第３時点において撮影されたＸ線画像を入力情報として取得してもよい。
第１医用情報は、第２医用情報が有する特徴情報と同じ情報要素を含んでもよい。換言すれば、第１医用情報は、第１医用画像に加えて、第２医用情報に含まれる特徴情報と同じ情報を含んでもよい。例えば、第２医用情報に対象者の身長情報が特徴情報として含まれる場合、第１医用情報は、第１医用画像に加えて、当該第１医用画像を撮影した時点における対象者の身長情報を含んでもよい。
＜推定部２７ｃ＞
推定部２７ｃは、第３学習モデル３７に、取得部２１が取得した入力情報を入力することにより、対象者の将来の骨状態情報を推定する。ここで、第３学習モデル３７は、予め第３教師データ３６を用いて学習されている。第３教師データ３６は、所定の人の医用情報を含むデータである。当該所定の人は、骨に関する疾患を患う患者であってもよいし、疾患を患っていない人であってもよい。第３教師データ３６に含まれる医用情報は、所定の人の骨が写る医用画像と、当該医用画像が撮影された時点と異なる時点の当該所定の人の特徴情報とを有する情報を複数含んでもよい。
推定部２７ｃは、第３学習モデル３７に、取得部２１が取得した入力情報を入力することにより、対象者の将来の骨状態情報を推定する。ここで、第３学習モデル３７は、予め第３教師データ３６を用いて学習されている。第３教師データ３６は、所定の人の医用情報を含むデータである。当該所定の人は、骨に関する疾患を患う患者であってもよいし、疾患を患っていない人であってもよい。第３教師データ３６に含まれる医用情報は、所定の人の骨が写る医用画像と、当該医用画像が撮影された時点と異なる時点の当該所定の人の特徴情報とを有する情報を複数含んでもよい。
推定部２７ｃは、第３学習モデル３７に、上記入力情報として、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の対象者の特徴情報を有する第２医用情報とを含む入力情報を入力することにより、対象者の将来または過去の骨状態情報を推定してもよい。推定部２７ｃは、第３学習モデル３７に、上記入力情報を入力することにより、上記骨状態情報として、対象者の将来または過去における骨折の発生確率、対象者に将来または過去の骨折が発生するまたは発生した時点（例えば、４～５年後など）、対象者の将来または過去における骨密度、および、対象者の将来または過去における骨質のうちの少なくとも１つを推定してもよい。より具体的には、推定部２７ｃは、骨状態情報が骨密度である場合に、過去に骨密度を計測していなくても、例えば、過去の第１医用情報を取得した際にどのような骨密度だったのか推定することができる。また、推定部２７ｃは、第１医用情報から対象者の将来および過去の複数時点における骨密度を推定してもよい。また、推定部２７ｃは、対象者の過去のある時点から将来のある時点までの骨密度の推移を推定してもよい。情報処理装置１ｃは、推定した推移をグラフ化して上記表示部に表示してもよい。
推定部２７ｃは、骨状態情報として、対象者が治療を行った場合において、どのような骨状態情報となるのか、もしくは、骨状態情報がどのように変化するのかを推定してもよい。より具体的には、推定部２７ｃは、骨状態情報が対象者の将来における骨密度である場合に、骨状態情報として対象者が治療を行った際の骨密度または骨密度の変化を推定してもよい。または、推定部２７ｃは、骨状態情報に加えて、治療の内容を推定してもよい。そして、情報処理装置１ｃは、推定した治療の内容を上記表示部に表示してもよい。治療は、所定期間に、例えば、薬剤の服用、栄養剤の服用または生活習慣の改善を行うものを挙げることができる。薬剤は、骨形成に対する作用、および骨吸収に対する作用の少なくともいずれかを有する薬剤に関する情報を含んでいてもよい。骨形成に対する作用を有する薬剤は、これに限定されるものではないが、例えば、活性型ビタミンＤ３製剤（例えば、カルシトリオール、エルデカルシトール、またはアルファカルシドール等）、テリパラチド酢酸塩、およびテリパラチド（遺伝子組換え）等を挙げることができる。また骨吸収に対する作用を有する薬剤は、これに限定されないが、例えば、カルシトニン製剤、ビスホスホネート製剤、および抗ＲＡＮＫＬモノクローナル抗体等を挙げることができる。
第３学習モデル３７は、推定部２７ｃが入力データに基づいて演算を行う際に用いる演算モデルである。未学習のニューラルネットワークに対して、後述する第３教師データ３６を用いた機械学習を学習部２５ｃが実行することによって、第３学習モデル３７が生成される。ここで、第３学習モデル３７は、ヒトではない動物に対しても適用され得る。この場合、第３教師データ３６における「所定の人」は「対象者」と同種の生物種であればよい。すなわち、本開示に係る情報処理装置１ｃは、ヒトではない動物の疾患の発症および／または進行を推定することも可能である。第３教師データ３６、ニューラルネットワークの構成、および学習処理の具体例については後述する。
＜出力部２４＞
出力部２４は、推定部２７ｃによって推定された情報を端末装置７に送信する。情報処理装置１ｃが表示部（図示せず）を備える構成であってもよい。その場合、出力部２４は、表示部に推定部２７ｃによって推定された情報を表示させる。
出力部２４は、推定部２７ｃによって推定された情報を端末装置７に送信する。情報処理装置１ｃが表示部（図示せず）を備える構成であってもよい。その場合、出力部２４は、表示部に推定部２７ｃによって推定された情報を表示させる。
＜学習部２５ｃ＞
学習部２５ｃは、未学習のニューラルネットワークに対する学習処理を制御する。学習部２５ｃは、未学習のニューラルネットワークに対する学習処理を実行することにより、推定部２７ｃとして機能する学習済ニューラルネットワークを作成する。この学習には、第３教師データ３６（後述）が用いられる。学習部２５ｃが行う学習の具体例については後述する。
学習部２５ｃは、未学習のニューラルネットワークに対する学習処理を制御する。学習部２５ｃは、未学習のニューラルネットワークに対する学習処理を実行することにより、推定部２７ｃとして機能する学習済ニューラルネットワークを作成する。この学習には、第３教師データ３６（後述）が用いられる。学習部２５ｃが行う学習の具体例については後述する。
（推定部２７ｃの構成）
以下、推定部２７ｃの構成について図１０に基づいて説明する。図１０に示す構成は一例であり、推定部２７ｃの構成はこれに限定されない。
以下、推定部２７ｃの構成について図１０に基づいて説明する。図１０に示す構成は一例であり、推定部２７ｃの構成はこれに限定されない。
図１０に示すように推定部２７ｃは、入力層２７１に入力される入力データに対して、第３学習モデル３７に基づく演算を行って、出力層２７２から出力データを出力する。本実施形態において、出力データは、対象者の将来の骨状態情報である。将来の骨状態情報は、例えば、対象者の将来における骨折の発生確率、対象者の将来における骨密度、または、対象者の将来における骨質であってもよい。
図１０の推定部２７ｃは、入力層２７１と出力層２７２とを有するニューラルネットワークを備える。図１０は、ニューラルネットワークがＬＳＴＭである場合を示しているが、これに限定されない。例えば、ニューラルネットワークは、ＣＮＮとＬＳＴＭを組み合わせたＣｏｎｖＬＳＴＭネットワーク等であってもよい。入力層２７１は、入力データにおける変化に関する特徴量を抽出することができる。出力層２７２は、入力層２７１で抽出した特徴量、入力データの時間変化および初期値に基づいて、新たな特徴量を算出することができる。入力層２７１および出力層２７２は、複数のＬＳＴＭ層を有している。入力層２７１および出力層２７２のそれぞれは、３つ以上のＬＳＴＭ層を有していてもよい。
（学習部２５ｃによる学習処理）
以下、第３学習モデル３７を生成するための学習処理について、図１１を用いて説明する。図１１は、学習部２５ｃによる学習処理の流れの一例を示すフローチャートである。
以下、第３学習モデル３７を生成するための学習処理について、図１１を用いて説明する。図１１は、学習部２５ｃによる学習処理の流れの一例を示すフローチャートである。
学習部２５ｃは、記憶部３ｃから第３教師データ３６を取得する（ステップＳ２１）。第３教師データ３６は、所定の人の将来における骨の状態に関する骨状態情報を含む情報を複数含んでおり、入力層２７１に入力する説明変数および目的変数が含まれている。ここで、本実施形態において、説明変数は、所定の人の骨が写る医用画像と、当該医用画像が撮影された時点と異なる時点の上記所定の人の特徴情報であり、目的変数は、各々の人の骨状態情報である。第３教師データ３６は、所定の人の治療の内容を含んでいていてもよい。治療は、所定期間に、例えば、薬剤の服用、栄養剤の服用または生活習慣の改善を行うものを挙げることができる。薬剤は、骨形成に対する作用、および骨吸収に対する作用の少なくともいずれかを有する薬剤に関する情報を含んでいてもよい。骨形成に対する作用を有する薬剤は、これに限定されるものではないが、例えば、活性型ビタミンＤ３製剤（例えば、カルシトリオール、エルデカルシトール、またはアルファカルシドール等）、テリパラチド酢酸塩、およびテリパラチド（遺伝子組換え）等を挙げることができる。また骨吸収に対する作用を有する薬剤は、これに限定されないが、例えば、カルシトニン製剤、ビスホスホネート製剤、および抗ＲＡＮＫＬモノクローナル抗体等を挙げることができる。
続いて、学習部２５ｃは、将来の骨状態情報を含む情報として、ある人（人Ａと記す）の骨が写る医用画像と、当該医用画像が撮影された時点と異なる時点の人Ａの特徴情報を入力層２７１に入力する（ステップＳ２２）。
次に、学習部２５ｃは、出力層２７２から人Ａの骨状態情報に関する出力データを取得する（ステップＳ２３）。この出力データは、第３教師データ３６の目的変数と同じ内容を含んでいる。図１１において、ステップＳ２２とステップＳ２３の順番は逆であってもよい。あるいは、図１１において、ステップＳ２２とステップＳ２３とを同時に実行する構成であってもよい。
続いて、学習部２５ｃは、第３教師データ３６に含まれる、人Ａに関する目的変数を取得する。そして、学習部２５ｃは、ステップＳ２３において取得した出力データと、人Ａに関する目的変数とを比較し、誤差を算出し（ステップＳ２４）、該誤差が小さくなるように、学習中の学習モデルを調整する（ステップＳ２５）。
学習中の学習モデルの調整には、任意の公知の方法が適用可能である。例えば、学習モデルの調整方法として、誤差逆伝播法を採用してもよい。調整後の学習モデルが新たな学習モデルとなり、以降の演算では、推定部２７ｃは新たな学習モデルを用いる。学習モデルの調整段階では、推定部２７ｃで使用されるパラメータ（例えば、フィルタ係数、重み付け係数等）が調整され得る。
学習部２５ｃは、誤差が所定の範囲内に納まっていない場合、および、第３教師データ３６に含まれるすべての人に関する説明変数を入力していない場合（ステップＳ２６にてＮＯ）、ステップＳ２２に戻り、学習処理を繰り返す。学習部２５ｃは、誤差が所定の範囲内に納まっている場合、および、第３教師データ３６に含まれるすべての人に関する説明変数を入力済である場合（ステップＳ２６にてＹＥＳ）、学習処理を終了する。
上記のような学習処理を採用した場合、推定部２７ｃは、対象者の骨が写る医用画像を有する第１医用情報と、前記医用画像が撮影された時点と異なる時点の前記対象者の特徴情報を有する第２医用情報とを含む医用情報から、該対象者将来の骨状態情報を推定することができる。
本開示の一態様では、第３学習モデル３７は、複数の異なる時点で取得された所定の人の医用情報を含む教師データを用いて学習された学習モデルであってよい。例えば、第３学習モデル３７は、説明変数として複数の異なる時点で取得された所定の人の医用画像を含み、目的変数として当該複数の異なる時点で取得された当該所定の人の骨密度を含む教師データを用いて学習された学習モデルであってもよい。これにより、互いに異なる少なくとも２時点において取得された対象者の医用情報を第３学習モデル３７に入力することにより、推定精度を向上させることができる。
（情報処理装置１ｃが行う処理）
以下、情報処理装置１ｃが行う処理の流れについて、図１２を用いて説明する。図１２は、情報処理装置１ｃが行う処理の流れの一例を示すフローチャートである。
以下、情報処理装置１ｃが行う処理の流れについて、図１２を用いて説明する。図１２は、情報処理装置１ｃが行う処理の流れの一例を示すフローチャートである。
まず、取得部２１は、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮影された時点と異なる時点の対象者の特徴情報を有する第２医用情報とを含む医用情報を取得する（ステップＳ３１：取得ステップ）。
次に、推定部２７ｃは、取得した医用情報を第３学習モデル３７に入力することにより、対象者の将来の骨状態情報を推定する（ステップＳ３２：推定ステップ）。
出力部２４は、ステップＳ３２において推定された骨状態情報を含む各情報を出力する（ステップＳ３３：出力ステップ）。
この構成によれば、情報処理装置１ｃおよび情報処理システム１００ｃは、対象者の骨が写る医用画像を有する第１医用情報と、前記医用画像が撮影された時点と異なる時点の前記対象者の特徴情報を有する第２医用情報とを含む医用情報から、対象者の将来の骨状態情報を推定する。これにより、１時点において取得された医用情報を含む入力情報を用いて骨状態情報を推定する場合に比べて、推定精度を向上させることができる。
推定部２７ｃは、第１医用情報を取得した時点、および、第２医用情報を取得した少なくとも１つの時点のうちのいずれかの２つの時点の時間間隔よりも短い時間後における対象者の骨状態情報を推定してもよい。これにより、現時点から推定時点までの時間間隔よりも長い時間間隔における対象者の状態の変化情報に基づいて、骨状態情報をより精度良く推定することができる。
推定部２７ｃは、３つ以上の時点の医用情報、すなわち、対象者の骨が写る医用画像を有する第１医用情報と、当該医用画像が撮像された時点と異なる、２つ以上の時点の対象者の特徴情報を有する第２医用情報とを含む入力情報を第３学習モデル３７に入力することにより、対象者の将来の骨状態情報を推定してもよい。これにより、現時点までの骨状態の時間変化の加速具合がわかり、推定時点における骨状態情報をより精度良く推定することができる。
推定部２７ｃは、対象者の属性情報および３つ以上の時点の骨状態の時間変化の加速具合から、対象者が閉経しているかを推定してもよい。この場合、推定部２７ｃは、推定した閉経情報を、対象者の属性情報の閉経情報として用いてもよい。
第２医用情報が医用画像である場合、第２医用情報の医用画像に写る部位は、第１医用情報の医用画像に写る部位と異なっていてもよい。例えば、第１医用情報の画像に写る部位が胸部であり、第２医用情報の医用画像が歯科用の医用画像であってもよい。これにより、健康診断または歯科治療で撮影された画像を柔軟に利用することができ、汎用性が向上する。
推定部２７ｃは、第１医用情報を取得した時点、および、第２医用情報を取得した少なくとも１つの時点のうち最も早い時点と最も遅い時点との時間間隔（以降では、第１時間間隔と称する）よりも長い時間後（当該時点を推定時点と称する）における前記対象者の骨状態情報を推定してもよい。上述したように、本開示の情報処理システム１００ｃは、異なる時点において取得された第１医用情報と第２医用情報とを用いて対象者の将来の骨状態情報を推定するため、現時点から第１時間間隔以内の将来の対象者の骨状態情報を高い精度で推定できる。そのため、現時点から第１時間間隔よりも後の対象者の骨状態情報を推定する場合に、高い精度で推定した現時点から第１時間間隔分だけ将来の対象者の骨状態情報を用いて推定することができる。その結果、１時点の医用情報を用いて推定する場合と比べて、対象者の骨状態情報をより精度良く推定することができる。
推定部２７ｃは、取得部２１により取得された第２医用情報が２以上の時点における医用情報を含み、当該２以上の時点における第２医用情報、および、第１医用情報のいずれかのデータが特異なデータである場合に、当該特異なデータを除いたデータを第３学習モデル３７に入力してもよい。上記特異なデータは、例えば、検査のミスなどに起因する医学上ありえない検査数値である。当該構成によれば、第３学習モデル３７に誤った情報が入力される可能性を低減することができるので、推定精度を向上させることができる。この場合、推定部２７ｃは、例えば、検査数値として医学上取り得る値の下限値および上限値を閾値として特定し、当該閾値の範囲外であるデータを除いたデータを第３学習モデル３７に入力してもよい。
推定部２７ｃは、取得部２１により取得された第２医用情報が２以上の時点における医用情報を含み、当該２以上の時点における第２医用情報、および、第１医用情報のいずれかのデータが特異なデータである場合に、当該特異なデータを他のデータに近似させたデータに置き換えて第３学習モデル３７に入力してもよい。当該構成によれば、第３学習モデル３７に誤った情報が入力される可能性を低減することができるので、推定精度を向上させることができる。
ここで、従来、骨密度は、閉経することにより大きく減少することが知られている。そのため、推定部２７ｃは、対象者が現時点で閉経していない女である場合に、閉経したと仮定した場合の第１推定結果、および、閉経しないと仮定した場合の第２推定結果の少なくとも１つを出力してもよい。これにより、閉経の有無を考慮したより精度の高い推定結果を出力することができる。推定部２７ｃは、対象者が現時点で閉経していない女である場合に、閉経したと仮定した場合の第１推定結果と、閉経しないと仮定した場合の第２推定結果とを同時に出力してもよい。
〔実施形態５〕
（情報処理システム１００ｄの構成）
情報処理装置１ｃは、所定の医療施設８に設置されているコンピュータではなく、通信ネットワーク９を介して複数の医療施設８の各々に配設されたＬＡＮと通信可能に接続されていてもよい。図１３は、実施形態４のさらに別の態様に係る情報処理システム１００ｄの構成例を示す図である。
（情報処理システム１００ｄの構成）
情報処理装置１ｃは、所定の医療施設８に設置されているコンピュータではなく、通信ネットワーク９を介して複数の医療施設８の各々に配設されたＬＡＮと通信可能に接続されていてもよい。図１３は、実施形態４のさらに別の態様に係る情報処理システム１００ｄの構成例を示す図である。
医療施設８ｃ内のＬＡＮには、１以上の端末装置７ａの他、医用画像管理装置５ａ、在庫管理装置６ａ、属性情報管理装置４ａ、検査数値管理装置１０ａ、診断結果管理装置１１ａおよび骨情報管理装置１２ａが通信可能に接続されていてもよい。また、医療施設８ｄ内のＬＡＮには、端末装置７ｂの他、医用画像管理装置５ｂ、在庫管理装置６ｂ、属性情報管理装置４ｂ、検査数値管理装置１０ｂ、診断結果管理装置１１ｂおよび骨情報管理装置１２ｂが通信可能に接続されていてもよい。本開示において、医療施設８ｃと８ｄとを特に区別しない場合、「医療施設８」と記す。また、端末装置７ａと７ｂ、医用画像管理装置５ａと５ｂ、属性情報管理装置４ａと４ｂ、検査数値管理装置１０ａと１０ｂ、診断結果管理装置１１ａと１１ｂおよび骨情報管理装置１２ａと１２ｂについても、特に区別しない場合、それぞれ「端末装置７」、「医用画像管理装置５」、「属性情報管理装置４」、「検査数値管理装置１０」、「診断結果管理装置１１」および「骨情報管理装置１２」と記す。
図１３では、医療施設８ｃおよび医療施設８ｄのＬＡＮが、通信ネットワーク９に接続されている例を示している。情報処理装置１ｃは、通信ネットワーク９を介して、各医療施設内の医用画像管理装置５、在庫管理装置６、属性情報管理装置４、検査数値管理装置１０、診断結果管理装置１１および骨情報管理装置１２と通信可能に接続されていればよく、図１３に示された構成に限定されない。例えば、医療施設８ｃ内あるいは医療施設８ｄ内に、情報処理装置１ｃが設置されていてもよい。
このような構成を採用した情報処理システム１００ｄにおいて、情報処理装置１ｃは、医療施設８ｃにて診察を受けた対象者Ｐａの医用画像、属性情報、検査数値および診断結果を、医療施設８ｃの医用画像管理装置５ａ、属性情報管理装置４ａ、検査数値管理装置１０ａおよび診断結果管理装置１１ａからそれぞれ取得することが可能である。そして、情報処理装置１ｃは、医療施設８ｃに設置された端末装置７ａに、対象者Ｐａの将来の骨状態情報の推定結果を送信する。同様に、情報処理装置１ｃは、端末装置７ｂに、対象者Ｐｂの将来の骨状態情報を送信する。
〔特記事項〕
情報処理装置１の制御部２が備えるすべての機能ブロックが、情報処理装置１に備わっていることは必須ではない。例えば、情報処理システム１００ａにおいて、取得部２１の機能を端末装置７が備えており、端末装置７から入力情報を情報処理装置１が受信する構成であってもよい。情報処理システム１００ｂ、１００ｃ、１００ｄにおいても、端末装置７から入力情報を情報処理装置１が受信する構成であってもよい。
情報処理装置１の制御部２が備えるすべての機能ブロックが、情報処理装置１に備わっていることは必須ではない。例えば、情報処理システム１００ａにおいて、取得部２１の機能を端末装置７が備えており、端末装置７から入力情報を情報処理装置１が受信する構成であってもよい。情報処理システム１００ｂ、１００ｃ、１００ｄにおいても、端末装置７から入力情報を情報処理装置１が受信する構成であってもよい。
例えば、情報処理システム１００ａ、１００ｂ、１００ｃ、１００ｄにおいて、学習部２５の機能を情報処理装置１とは異なる他のコンピュータによって学習処理が成された学習済第１学習モデル３４、第２学習モデル３５、第３学習モデル３７を、情報処理装置１にインストールする構成であってもよい。
例えば、情報処理システム１００ａ、１００ｂ、１００ｃ、１００ｄにおいて、生成部２６の機能を情報処理装置１とは異なる他のコンピュータまたは端末装置７が備えていてもよい。また、情報処理システム１００ａ、１００ｂ、１００ｃ、１００ｄにおいて、推定部２７、２７ｃの機能を情報処理装置１とは異なる他のコンピュータまたは端末装置７が備えていてもよい。
〔ソフトウェアによる実現例〕
情報処理装置１、１ａ、１ｃ（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部２、２ａ、２ｃに含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。
情報処理装置１、１ａ、１ｃ（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部２、２ａ、２ｃに含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。
この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。
上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。
また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本開示の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。
また、上記各実施形態で説明した各処理は、ＡＩ（Artificial Intelligence：人工知能）に実行させてもよい。この場合、ＡＩは上記制御装置で動作するものであってもよいし、他の装置（例えばエッジコンピュータまたはクラウドサーバ等）で動作するものであってもよい。
以上、本開示に係る発明について、諸図面および実施例に基づいて説明してきた。しかし、本開示に係る発明は上述した各実施形態に限定されるものではない。すなわち、本開示に係る発明は本開示で示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本開示に係る発明の技術的範囲に含まれる。つまり、当業者であれば本開示に基づき種々の変形または修正を行うことが容易であることに注意されたい。また、これらの変形または修正は本開示の範囲に含まれることに留意されたい。
〔まとめ〕
本開示の態様１に係る情報処理システムは、対象者の患部の骨が写る医用画像を含む入力情報を取得する取得部と、複数の患者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを有する特定部と、前記入力情報に基づいて前記特定部によって特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力部と、を備える。
本開示の態様１に係る情報処理システムは、対象者の患部の骨が写る医用画像を含む入力情報を取得する取得部と、複数の患者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを有する特定部と、前記入力情報に基づいて前記特定部によって特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力部と、を備える。
本開示の態様２に係る情報処理システムは、上記態様１において、前記インプラント情報は、前記対象者の患部の骨に埋設され得るインプラントの在庫情報を含んでいてもよい。
本開示の態様３に係る情報処理システムは、上記態様１または２において、前記第１教師データは、前記治療情報として、前記複数の患者の各々の患部の骨に適用された外科的治療法の内容および結果を含んでいてもよい。
本開示の態様４に係る情報処理システムは、上記態様１から３のいずれかにおいて、前記第１教師データは、前記複数の患者の各々の患部の骨に適用された外科的治療法を示す情報、該外科的治療法が適用される前の前記複数の患者の各々の患部の骨が写る医用画像、および該複数の患者の各々の患部の骨に埋設されたインプラントに関する情報を含んでいてもよい。
本開示の態様５に係る情報処理システムは、上記態様１から４のいずれかにおいて、前記第１教師データは、前記複数の患者の各々の患部の骨に適用された外科的治療法において使用された手術器具に関する情報を含んでいてもよい。
本開示の態様６に係る情報処理システムは、上記態様１から５のいずれかにおいて、前記出力部は、前記入力情報に基づいて前記特定部によって特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具の在庫情報をさらに出力してもよい。
本開示の態様７に係る情報処理システムは、上記態様１から６のいずれかにおいて、前記第１教師データは、前記複数の患者の各々の骨に対するインプラント埋設術時に発生した事象に関する事象情報、および、該インプラント埋設術において実施された施術情報、のうち少なくともいずれかをさらに含んでいてもよい。
本開示の態様８に係る情報処理システムは、上記態様１から７のいずれかにおいて、前記出力部は、前記入力情報に含まれる前記医用画像から生成された第１予測画像であって、前記対象者の患部の骨に外科的治療法が適用された後の該患部の骨の状態を想定した第１予測画像を含む前記予測情報を出力してもよい。
本開示の態様９に係る情報処理システムは、上記態様８において、前記第１予測画像は、前記入力情報に含まれる前記医用画像から、前記対象者の患部の骨に適した外科的治療法が適用された患者の患部の骨を、該外科的治療法の適用前および適用後に撮像された医用画像を含む第２教師データを用いて学習された第２学習モデルを用いて生成された画像であってもよい。
本開示の態様１０に係る情報処理システムは、上記態様８または９において、前記第１予測画像を画像解析した結果から推定された手術パラメータであって、前記対象者の患部の骨に適した外科的治療法を前記対象者に適用する医療関係者によって選択され得る手術パラメータを含む前記パラメータ情報を出力してもよい。
本開示の態様１１に係る情報処理システムは、上記態様１０において、前記推定された手術パラメータの変更を指示する操作を受け付けた場合、前記第１予測画像に対して該変更に対応する加工を施した第２予測画像を生成する生成部をさらに備えていてもよい。
本開示の態様１２に係る情報処理システムは、上記態様８から１１のいずれかにおいて、前記第１予測画像から、前記対象者の患部の骨の強度に関する推定結果を出力する推定部をさらに備えていてもよい。
本開示の態様１３に係る情報処理システムは、上記態様８から１２のいずれかにおいて、前記第１予測画像は、２次元画像から３次元画像に変換された画像であってもよい。
本開示の態様１４に係る情報処理システムは、上記態様１から１３のいずれかにおいて、前記外科的治療法は、人工関節置換術および歯科インプラント手術の少なくともいずれかであってもよい。
本開示の態様１５に係る情報処理システムは、上記態様１から１４のいずれかにおいて、前記外科的治療法は、手術用ロボットにより実施可能であってもよい。
本開示の態様１６に係る情報処理システムの制御方法は、対象者の患部の骨が写る医用画像を含む入力情報を取得する取得ステップと、複数の患者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを用いて、前記入力情報に基づいて特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力ステップと、を含む。
本開示の態様１７に係る情報処理装置の制御プログラムは、上記態様１から１５のいずれかに記載の情報処理システムとしてコンピュータを機能させるための制御プログラムであって、上記取得部、上記特定部、および上記出力部としてコンピュータを機能させるための制御プログラムである。
本開示の態様１８に係る記録媒体は、上記態様１７に記載の制御プログラムを記録したコンピュータ読み取り可能な記録媒体である。
１、１ａ 情報処理装置
２１ 取得部
２３ 特定部
２４ 出力部
２６ 生成部
２７ 推定部
３２ 第１教師データ
３４ 学習済第１学習モデル（第１学習モデル）
３５ 学習済第２学習モデル（第２学習モデル）
１００ａ、１００ｂ、１００ｃ、１００ｄ 情報処理システム
Ｓ１１ 取得ステップ
Ｓ１２ 特定ステップ
Ｓ１３ 出力ステップ
２１ 取得部
２３ 特定部
２４ 出力部
２６ 生成部
２７ 推定部
３２ 第１教師データ
３４ 学習済第１学習モデル（第１学習モデル）
３５ 学習済第２学習モデル（第２学習モデル）
１００ａ、１００ｂ、１００ｃ、１００ｄ 情報処理システム
Ｓ１１ 取得ステップ
Ｓ１２ 特定ステップ
Ｓ１３ 出力ステップ
Claims (18)
- 対象者の患部の骨が写る医用画像を含む入力情報を取得する取得部と、
複数の学習対象者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを有する特定部と、
前記入力情報に基づいて前記特定部によって特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力部と、を備える情報処理システム。 - 前記インプラント情報は、前記対象者の患部の骨に埋設され得るインプラントの在庫情報を含む、請求項１に記載の情報処理システム。
- 前記第１教師データは、前記治療情報として、前記複数の学習対象者の各々の患部の骨に適用された外科的治療法の内容および結果を含む、請求項１または２に記載の情報処理システム。
- 前記第１教師データは、前記複数の学習対象者の各々の患部の骨に適用された外科的治療法を示す情報、該外科的治療法が適用される前の前記複数の学習対象者の各々の患部の骨が写る医用画像、および該複数の学習対象者の各々の患部の骨に埋設されたインプラントに関する情報を含む、請求項１から３のいずれか１項に記載の情報処理システム。
- 前記第１教師データは、前記複数の学習対象者の各々の患部の骨に適用された外科的治療法において使用された手術器具に関する情報を含む、請求項１から４のいずれか１項に記載の情報処理システム。
- 前記出力部は、前記入力情報に基づいて前記特定部によって特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具の在庫情報をさらに出力する、請求項１から５のいずれか１項に記載の情報処理システム。
- 前記第１教師データは、前記複数の学習対象者の各々の骨に対するインプラント埋設術時に発生した事象に関する事象情報、および、該インプラント埋設術において実施された施術情報、のうち少なくともいずれかをさらに含む、請求項１から６のいずれか１項に記載の情報処理システム。
- 前記出力部は、
前記入力情報に含まれる前記医用画像から生成された第１予測画像であって、前記対象者の患部の骨に外科的治療法が適用された後の該患部の骨の状態を想定した第１予測画像を含む前記予測情報を出力する、請求項１から７のいずれか１項に記載の情報処理システム。 - 前記第１予測画像は、前記入力情報に含まれる前記医用画像から、前記対象者の患部の骨に適した外科的治療法が適用された学習対象者の患部の骨を、該外科的治療法の適用前および適用後に撮像された医用画像を含む第２教師データを用いて学習された第２学習モデルを用いて生成された画像である、請求項８に記載の情報処理システム。
- 前記出力部は、
前記第１予測画像を画像解析した結果から推定された手術パラメータであって、前記対象者の患部の骨に適した外科的治療法を前記対象者に適用する医療関係者によって選択され得る手術パラメータを含む前記パラメータ情報を出力する、請求項８または９に記載の情報処理システム。 - 前記推定された手術パラメータの変更を指示する操作を受け付けた場合、前記第１予測画像に対して該変更に対応する加工を施した第２予測画像を生成する生成部をさらに備える、請求項１０に記載の情報処理システム。
- 前記第１予測画像から、前記対象者の患部の骨の強度に関する推定結果を出力する推定部をさらに備える、請求項８から１１のいずれか１項に記載の情報処理システム。
- 前記第１予測画像は、２次元画像から３次元画像に変換された画像である、請求項８から１２のいずれか１項に記載の情報処理システム。
- 前記外科的治療法は、人工関節置換術および歯科インプラント手術の少なくともいずれかである、請求項１から１３のいずれか１項に記載の情報処理システム。
- 前記外科的治療法は、手術用ロボットにより実施可能である、請求項１から１４のいずれか１項に記載の情報処理システム。
- 対象者の患部の骨が写る医用画像を含む入力情報を取得する取得ステップと、
複数の学習対象者の各々の、インプラント埋設術を含む外科的治療法が適用される前の骨の骨密度および骨質の少なくともいずれかに関する骨情報、形状的特徴、および該骨に適用された外科的治療法に関する治療情報を含む第１教師データを用いて学習された第１学習モデルを用いて、前記入力情報に基づいて特定された、前記対象者の患部の骨に適した外科的治療法において使用される手術器具を示す器具情報、外科的治療法が適用された後の前記対象者の患部の骨の状態を予測した予測情報、前記対象者の患部の骨に外科的治療法を適用する場合に選択され得るパラメータを示すパラメータ情報、および、前記対象者の患部の骨に埋設され得るインプラントに関するインプラント情報、のうちの少なくともいずれかを出力する出力ステップと、を含む、情報処理システムの制御方法。 - 請求項１から１５のいずれか１項に記載の情報処理システムとしてコンピュータを機能させるための制御プログラムであって、上記取得部、上記特定部、および上記出力部としてコンピュータを機能させるための制御プログラム。
- 請求項１７に記載の制御プログラムを記録したコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022212518 | 2022-12-28 | ||
| JP2022-212518 | 2022-12-28 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2024143476A1 true WO2024143476A1 (ja) | 2024-07-04 |
Family
ID=91717687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2023/046960 WO2024143476A1 (ja) | 2022-12-28 | 2023-12-27 | 情報処理システム、情報処理システムの制御方法、制御プログラム、記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2024143476A1 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018501879A (ja) * | 2014-12-24 | 2018-01-25 | バイオアルファ コーポレイション | 人工骨組織の製造システム及びその製造方法 |
| JP2022500148A (ja) * | 2018-09-12 | 2022-01-04 | オルソグリッド システムズ，エスアーエス | 人工知能の術中外科的ガイダンスシステムと使用方法 |
-
2023
- 2023-12-27 WO PCT/JP2023/046960 patent/WO2024143476A1/ja unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018501879A (ja) * | 2014-12-24 | 2018-01-25 | バイオアルファ コーポレイション | 人工骨組織の製造システム及びその製造方法 |
| JP2022500148A (ja) * | 2018-09-12 | 2022-01-04 | オルソグリッド システムズ，エスアーエス | 人工知能の術中外科的ガイダンスシステムと使用方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnston et al. | Clinical and radiographic evaluation of total hip replacement. A standard system of terminology for reporting results. | |
| Guerrero et al. | Zurich cementless total hip replacement: retrospective evaluation of 2nd generation implants in 60 dogs | |
| Small et al. | Comparison of acetabular shell position using patient specific instruments vs. standard surgical instruments: a randomized clinical trial | |
| Friedrich et al. | Management of severe periacetabular bone loss combined with pelvic discontinuity in revision hip arthroplasty | |
| Dimitroulis et al. | A new three-dimensional, print-on-demand temporomandibular prosthetic total joint replacement system: Preliminary outcomes | |
| Eftekhar et al. | Failures and reoperations following low-friction arthroplasty of the hip: a five-to fifteen-year follow-up study | |
| Faldini et al. | A new ligament-compatible patient-specific 3D-printed implant and instrumentation for total ankle arthroplasty: from biomechanical studies to clinical cases | |
| Mommaerts | On the reinsertion of the lateral pterygoid tendon in total temporomandibular joint replacement surgery | |
| Keller et al. | Temporomandibular custom hemijoint replacement prosthesis: prospective clinical and kinematic study | |
| Flecher et al. | Long-term results of custom cementless-stem total hip arthroplasty performed in hip fusion | |
| Grappiolo et al. | Conversion of fused hip to total hip arthroplasty: long-term clinical and radiological outcomes | |
| Pakos et al. | Long term outcomes of total hip arthroplasty with custom made femoral implants in patients with congenital disease of hip | |
| Branson et al. | Primary total hip arthroplasty | |
| Castelli et al. | Custom acetabular prosthesis for total hip replacement: A case report in a dog with acetabular bone loss after femoral head and neck ostectomy | |
| Auberger et al. | Pelvic position, lying on a traction table, during THA by direct anterior approach. Comparison with the standing position and influence on the acetabular cup anteversion | |
| Brierly et al. | A five-year review of the OMX temporomandibular prosthetic total joint replacement system | |
| Bornes et al. | Subsidence of a single-taper femoral stem in primary total hip arthroplasty: characterization, associated factors, and sequelae | |
| Choy et al. | A minimum ten years of follow-up of alumina head on delta liner total hip arthroplasty | |
| Ying et al. | Treatment of acetabular bone defect in revision of total hip arthroplasty using 3D printed tantalum acetabular augment | |
| WO2024143476A1 (ja) | 情報処理システム、情報処理システムの制御方法、制御プログラム、記録媒体 | |
| Morgan et al. | Three dimensional printing as an aid for pre-operative planning in complex cases of total joint arthroplasty: a case series | |
| Kim et al. | Long-term results (minimum of 20 years) of a pure proximal-loading metaphyseal-fitting anatomic cementless stem without distal stem fixation in hip arthroplasty | |
| WO2024181503A1 (ja) | 情報処理システム、情報処理システムの制御方法、制御プログラム、記録媒体 | |
| Cheng et al. | To further incorporate computer-aided designs to improve preoperative planning in total hip arthroplasty: a cohort study | |
| Koulouvaris et al. | Custom-design implants for severe distorted proximal anatomy of the femur in young adults followed for 4–8 years |
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: 23912254 Country of ref document: EP Kind code of ref document: A1 |