特許 6697621 推定装置、推定システム、推定方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】6697621

(24)【登録日】2020年4月28日

(45)【発行日】2020年5月20日

(54)【発明の名称】推定装置、推定システム、推定方法及びプログラム

(51)【国際特許分類】

   G16H 70/00 20180101AFI20200511BHJP

【ＦＩ】

   G16H70/00

【請求項の数】8

【全頁数】16

(21)【出願番号】特願2019-176073(P2019-176073)

(22)【出願日】2019年9月26日

【審査請求日】2019年11月8日

【早期審査対象出願】

(73)【特許権者】

【識別番号】510005177

【氏名又は名称】株式会社インテージヘルスケア

(74)【代理人】

【識別番号】100108006

【弁理士】

【氏名又は名称】松下 昌弘

(72)【発明者】

【氏名】町田 脩

(72)【発明者】

【氏名】佐藤 暢章

【審査官】 鈴木 和樹

(56)【参考文献】

【文献】 特開２００６−１５５０４４（ＪＰ，Ａ）

【文献】 特開２０１８−０９２４９０（ＪＰ，Ａ）

【文献】 特開２０１３−１６４７２１（ＪＰ，Ａ）

【文献】 特表２００５−５０５０２４（ＪＰ，Ａ）

【文献】 特開２００２−２６９２４２（ＪＰ，Ａ）

【文献】 特開２００３−２９６５４０（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ１６Ｈ １０／００ − ８０／００

Ｇ０６Ｑ １０／００ − ９９／００

(57)【特許請求の範囲】

【請求項1】

医師が診察する患者の数を推定する推定装置であって、
前記医師に関連する医師関連情報を取得する取得部と、
前記医師が診察する患者の数と、前記取得部が取得する前記医師関連情報との相関関係に基づいて、前記医師が診察する患者の数を前記医師関連情報から推定するように生成されたモデルを記憶する記憶部と、
前記取得部により取得した前記医師関連情報を、前記記憶部に記憶した前記モデルに適用することにより、前記医師が診察する患者の数を推定する推定部とを有し、
前記取得部は、前記医師関連情報として、前記医師の専門分野に関する専門分野情報を取得し、
前記推定部は、前記専門分野情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する、
推定装置。

【請求項2】

前記取得部は、前記医師関連情報として、前記医師が勤務する医療施設における患者数に関する医療施設患者数情報を更に取得し、
前記推定部は、前記医療施設患者数情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する、
請求項１に記載の推定装置。

【請求項3】

前記取得部は、前記医師関連情報として、前記医師が勤務する医療施設における病床の数に関する医療施設病床数情報を更に取得し、
前記推定部は、前記医療施設病床数情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する、
請求項１又は２に記載の推定装置。

【請求項4】

前記取得部は、前記医師関連情報として、前記医師が勤務する医療施設における勤務医師の数に関する勤務医師数情報を更に取得し、
前記推定部は、前記勤務医師数情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する、
請求項１〜３のいずれか一項に記載の推定装置。

【請求項5】

前記取得部は、前記医師関連情報として、前記医師が勤務する医療施設に最も近い所定数の近隣の医療施設における患者の数に関する近隣施設患者数情報を更に取得し、
前記推定部は、前記近隣施設患者数情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する、
請求項１〜４のいずれか一項に記載の推定装置。

【請求項6】

請求項１〜５のいずれか一項に記載の推定装置と、
端末装置とを有し、
前記端末装置は、前記医師関連情報又は前記医師関連情報を取得するための参照情報を含んだ推定要求を、前記推定装置に送信し、
前記取得部は、前記端末装置から受信した前記推定要求に基づいて、前記推定部の推定に用いる前記医師関連情報を取得し、
前記推定装置は、前記推定部による患者数の推定結果を含んだ提供情報を前記端末装置に送信する提供部を有する、
推定システム。

【請求項7】

医師が診察する患者の数を１以上のコンピュータが推定する推定方法であって、
前記医師に関連する医師関連情報を取得する取得工程と、
前記取得工程において取得した前記医師関連情報を、記憶部に記憶したモデルに適用することにより、前記医師が診察する患者の数を推定する推定工程とを有し、
前記モデルは、前記医師関連情報と前記医師が診察する患者の数との相関関係に基づいて、前記医師関連情報から前記医師が診察する患者の数を推定するように生成されており、
前記取得工程において、前記医師関連情報として、前記医師の専門分野に関する専門分野情報を取得し、
前記推定工程において、前記専門分野情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する、
推定方法。

【請求項8】

１以上のコンピュータを、請求項１〜５のいずれか一項に記載の推定装置における前記取得部及び前記推定部として、又は、請求項６に記載の推定システムにおける前記取得部、前記推定部及び前記提供部として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、推定装置、推定システム、推定方法及びプログラムに関する。

【背景技術】

【0002】

厚生労働省が所管する医療機能情報提供制度は、病院などに対して、医療機能に関する一定の情報（診療科目、診療日、診療時間、対応可能な疾患・治療内容など）を都道府県知事に報告することを義務付けており、都道府県はそれらの情報をホームページなどで住民に公開している。

【発明の概要】

【発明が解決しようとする課題】

【0003】

他方、製薬会社などが自社の製品（医薬品など）を普及させるために行う営業活動においては、医師のターゲティングが重要であり、ターゲティングの精度を高める情報として、個々の医師が診療する患者の数を把握することが要望されている。しかしながら、上記の医療機能情報提供制度により公開される情報は、住民・患者による医療機関の適切な選択を支援することを目的としたものであり、個々の医師が診療する患者の数の情報は含まれていない。従来、この患者数の情報は、アンケートによって個々の医師から直接入手するしかなく、アンケートを行っていない大部分の医師については、患者数の情報を得ることができないという問題があった。

【0004】

本発明はかかる事情に鑑みてなされたものであり、その目的は、医師が診察する患者の数を推定することができる推定装置、推定システム、推定方法及びプログラムを提供することにある。

【課題を解決するための手段】

【0005】

本発明の第１の態様に係る推定装置は、医師が診察する患者の数を推定する推定装置であって、前記医師に関連する医師関連情報を取得する取得部と、前記医師が診察する患者の数と、前記取得部が取得する前記医師関連情報との相関関係に基づいて、前記医師が診察する患者の数を前記医師関連情報から推定するように生成されたモデルを記憶する記憶部と、前記取得部により取得した前記医師関連情報を、前記記憶部に記憶した前記モデルに適用することにより、前記医師が診察する患者の数を推定する推定部とを有し、前記取得部は、前記医師関連情報として、前記医師の専門分野に関する専門分野情報を取得し、前記推定部は、前記専門分野情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する。

【0006】

本発明の第２の態様に係る推定システムは、上記第１の態様に係る推定装置と、端末装置とを有し、前記端末装置は、前記医師関連情報又は前記医師関連情報を取得するための参照情報を含んだ推定要求を、前記推定装置に送信し、前記取得部は、前記端末装置から受信した前記推定要求に基づいて、前記推定部の推定に用いる前記医師関連情報を取得し、前記推定装置は、前記推定部による患者数の推定結果を含んだ提供情報を前記端末装置に送信する提供部を有する。

【0007】

本発明の第３の態様に係る推定方法は、医師が診察する患者の数を１以上のコンピュータが推定する推定方法であって、前記医師に関連する医師関連情報を取得する取得工程と、前記取得工程において取得した前記医師関連情報を、記憶部に記憶したモデルに適用することにより、前記医師が診察する患者の数を推定する推定工程とを有し、前記モデルは、前記医師関連情報と前記医師が診察する患者の数との相関関係に基づいて、前記医師関連情報から前記医師が診察する患者の数を推定するように生成されており、前記取得工程において、前記医師関連情報として、前記医師の専門分野に関する専門分野情報を取得し、前記推定工程において、前記専門分野情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する。

【0008】

本発明の第４の態様に係るプログラムは、１以上のコンピュータを、上記第１の態様に係る推定装置における前記取得部及び前記推定部として、又は、上記第２の態様に係る推定システムにおける前記取得部、前記推定部及び前記提供部として機能させるためのプログラムである。

【発明の効果】

【0009】

本発明によれば、アンケートなどによって情報を得ていない医師についても、その医師が診察する患者の数を推定することが可能となる。

【図面の簡単な説明】

【0010】

【図1】図１は、本実施形態に係る推定システムの構成の一例を示す図である。

【図2】図２Ａは、モデルの生成方法を説明するためのフローチャートである。図２Ｂは、患者数の推定方法を説明するためのフローチャートである。

【図3】図３は、患者数を推定する第１の構成例を示す図である。

【図4】図４は、患者数を推定する第２の構成例を示す図である。

【図5】図５は、患者数を推定する第３の構成例を示す図である。

【図6】図６は、患者数を推定する第４の構成例を示す図である。

【図7】図７は、患者数を推定する第５の構成例を示す図である。

【発明を実施するための形態】

【0011】

図１は、本実施形態に係る推定システムの構成の一例を示す図である。図１に示す推定システムは、推定装置１と端末装置３を有する。推定装置１は、インターネットなどのネットワーク９に接続されており、１以上のユーザの端末装置３からネットワーク９を介してアクセス可能である。推定装置１は、端末装置３から受信したユーザの要求に従って、特定の医師（一人若しくは複数人）が診察する患者の数（以下、単に「患者数」と記す場合がある。）を推定し、推定した患者数の情報を端末装置３に送信する。

【0012】

推定装置１は、例えばＷｅｂサーバなどのサーバ装置として動作し、端末装置３のディスプレイにユーザーインターフェースとしての画面を表示させる。この画面の案内に促されてキーボードやマウスなどの入力装置によりユーザの要求が入力されると、端末装置３は、入力されたユーザの要求を推定装置１に送信する。

【0013】

端末装置３が推定装置１へ送信するユーザの要求のうち、患者数の推定を実行するように求める要求を、以下では「推定要求」と呼ぶ。推定要求は、推定装置１において患者数を推定する推定処理に用いられる医師関連情報、又は、推定装置１において医師関連情報を取得するための参照情報を含む。医師関連情報は、特定の医師（患者数を推定する対象となる医師）に関連する情報であり、例えば医師の専門分野（診療科、専門疾患）の情報を含む。推定要求は、推定処理に用いられる医師関連情報をそのまま含んでいてもよいし、医師関連情報の少なくとも一部については、実体の情報の代わりに参照情報を含んでいてもよい。

【0014】

例えば、推定装置１は、推定対象の候補となる医師の一覧表を端末装置３に送信し、端末装置３の画面に表示させる。この医師の一覧表は、例えば、端末装置３から推定装置１へ送信されたユーザの要求（推定対象の候補とする医師の条件）を基に、既存のデータベース（例えば後述する医師関連情報データベース２３など）から推定装置１が抽出したものである。端末装置３は、推定装置１から受信した医師の一覧表をディスプレイに表示し、この一覧表の中からユーザの入力操作により選択された特定の医師を示す情報を参照情報として取得する。端末装置３は、当該参照情報（一覧表中の特定の医師を示す情報）を含む推定要求を推定装置１に送信する。

【0015】

また、端末装置３は、このような医師の一覧表からではなく、ユーザの入力操作によって直接入力された参照情報を推定装置１に送信してもよい。

【0016】

推定装置１は、端末装置３から推定要求を受信すると、受信した推定要求に基づいて医師関連情報を取得する。例えば推定装置１は、受信した推定要求に医師関連情報が含まれている場合、これをそのまま取得する。また、推定装置１は、推定要求に参照情報が含まれている場合、参照情報を参照して医師関連情報を取得する。例えば、参照情報が特定の医師を示す情報の場合、この特定の医師についての医師関連情報を既存のデータベース（例えば後述する医師関連情報データベース２３など）から取得する。推定装置１は、特定の医師について取得した医師関連情報を基に、この特定の医師が診療する患者の数を推定する。推定装置１は、この推定結果（特定の医師が診療する患者の数）を含んだ情報を提供情報として端末装置３に送信する。端末装置３は、推定装置１から受信した提供情報に含まれる患者数の推定結果を、例えばディスプレイの画面などに出力する。

【0017】

なお、端末装置３から推定装置１へ送信する推定要求は、推定対象として実在する医師を指定するものに限定されない。例えば端末装置３は、架空の医師についての医師関連情報をユーザの入力操作により直接入力し、この医師関連情報を含んだ推定要求を推定装置１へ送信してもよい。この場合、推定装置１は、端末装置３から受信した推定要求に含まれる医師関連情報を基に、架空の医師の患者数を推定することになる。

【0018】

端末装置３は、パーソナルコンピュータ、タブレット、スマートフォンなどの情報処理装置によって実現可能である。例えば、端末装置３は、ネットワーク９を介して推定装置１と通信を行う通信装置（ネットワークインターフェースカードなど）と、表示装置（液晶ディスプレイなど）と、入力装置（キーボード、マウス、タッチパネルなど）とを含む。また、例えば端末装置３は、これらの各装置を制御するコンピュータとして、プロセッサ（ＣＰＵ、ＭＰＵなど）と、主記憶装置（ＲＯＭ、ＲＡＭなど）と、補助記憶装置（ハードディスク、フラッシュメモリなど）を含む。端末装置３のコンピュータは、補助記憶装置などから主記憶装置にロードされたプログラムを実行することにより、推定システムにおける種々の処理を実現する。例えば端末装置３のコンピュータは、ネットワーク９を介して推定装置１にアクセスし、特定の医師についての医師関連情報又は参照情報を含んだ推定要求を推定装置１へ送信し、この特定の医師が診察する患者の数の推定結果を含んだ提供情報を推定装置１から受信する。

【0019】

推定装置１は、図１の例において、通信部１０と、記憶部２０と、処理部３０を有する。

【0020】

通信部１０は、ネットワーク９を介して端末装置３と通信を行うための装置であり、例えばイーサネット（登録商標）や無線ＬＡＮなどの所定の通信規格に準拠して通信を行うネットワークインターフェースカードなどの通信装置を含む。

【0021】

記憶部２０は、後述する処理部３０のプロセッサによって実行されるプログラム２１や、処理部３０が実行する処理において使用されるデータ（モデル２２、医師関連情報データベース２３、患者数情報データベース２４など）や、処理の過程で一時的に保存が必要なデータなどを記憶する。記憶部２０は、例えばＲＯＭ、ＲＡＭ、フラッシュメモリ、ハードディスク、光ディスクなどの記憶装置を含む。記憶部２０は、１つの記憶装置から構成されてもよいし、１種類以上の複数の記憶装置から構成されてもよい。記憶部２０を構成する各記憶装置は、コンピュータのバスや他の手段を介して処理部３０と接続される。

【0022】

モデル２２は、医師が診察する患者の数と医師関連情報との相関関係に基づいて、与えられた特定の医師の医師関連情報から当該特定の医師が診察する患者の数を推定するように生成されたモデルであり、機械学習アルゴリズムを用いて生成される。

【0023】

なおモデル２２により推定される「医師が診察する患者の数」は、単位期間（例えば１年間、半年、１か月など）における患者数である。同じ人が単位期間内に複数回患者になった場合、この患者についての患者数は１名として数える。

【0024】

医師関連情報データベース２３は、各医師の医師関連情報が登録されたデータベースであり、医療機能情報提供制度などにより公開された情報や、独自の調査により得られた情報に基づいて構築される。

【0025】

患者数情報データベース２４は、後述する生成部３２においてモデル２２を生成するために用いられる患者数の情報が登録されたデータベースであり、各医師が診療する患者数の情報が医師関連情報と共に登録される。医師関連情報データベース２３は、例えば、各医師に対するアンケート調査により得られた情報や、医療機能情報提供制度などにより公開された情報に基づいて構築される。

【0026】

すなわち、医師関連情報データベース２３は、患者数の情報が得られていない医師についての医師関連情報を登録し、患者数情報データベース２４は、アンケート調査などによって患者数の情報が得られた医師についての医師関連情報を登録する。なお、医師関連情報データベース２３及び患者数情報データベース２４は、単一のデータベースに統合されていてもよい。

【0027】

処理部３０は、推定装置１の全体的な動作を制御する装置であり、患者数の推定に関わる処理を実行する。処理部３０は、例えば、記憶部２０に格納された１以上のプログラム２１の命令コードに従って処理を実行する１以上のプロセッサ（ＣＰＵ、ＭＰＵなど）を含む。処理部３０は、記憶部２０の１以上のプログラム２１を１以上のプロセッサが実行することにより、１以上のコンピュータとして動作する。

【0028】

なお、処理部３０は、特定の機能を実現するように構成された１以上の専用のハードウェア（ＡＳＩＣ、ＦＰＧＡなど）を含んでもよい。この場合、処理部３０は、患者数の推定に関わる処理を、上述した１以上のコンピュータにおいて実行してもよいし、当該処理の少なくとも一部を専用のハードウェアにおいて実行してもよい。

【0029】

処理部３０において実行されるプログラム２１は、推定装置１が備えるＵＳＢポートなどの入出力インターフェース（不図示）において他の記憶装置などから読み出されたものでもよいし、推定装置１が備えるディスクドライブ装置などの読み取り装置（不図示）において光ディスクなどの非一時的な有形媒体から読み出されたものでもよいし、通信部１０を介して他の装置から取得されたものでもよい。

【0030】

処理部３０は、図１の例において、取得部３１と、生成部３２と、推定部３３と、提供部３４とを含む。処理部３０は、これらの構成要素において患者数の推定に関わる処理を実行する。

【0031】

取得部３１は、医師が診察する患者の数を推定するために用いる情報として、推定対象の医師に関する医師関連情報を取得する。取得部３１は、処理部３０から受信した推定要求に基づいて、推定部３３の推定に用いる医師関連情報を取得する。

【0032】

例えば取得部３１は、端末装置３と所定のプロトコル（ＨＴＴＰなど）で通信を行い、推定対象の医師に関するユーザの要求を入力するためのユーザーインターフェースの画面を端末装置３のディスプレイに表示させる。取得部３１は、このユーザーインターフェースの画面に入力されるユーザの要求に従って、特定の医師に関する医師関連情報を取得する。

【0033】

一例において、取得部３１は、推定対象の候補となる医師の一覧の情報を送信するように求めるユーザの要求を端末装置３から受信する。取得部３１は、当該ユーザの要求を端末装置３から受信すると、医師関連情報データベース２３において医師の情報を抽出し、抽出した医師の一覧の情報を端末装置３のディスプレイに表示させる。この場合、例えば取得部３１は、端末装置３から受信したユーザの要求に含まれる条件（医師の勤務する医療施設や、医師の診療科など）に基づいて、医師関連情報データベース２３に登録される医師の中から当該条件に合致した医師を抽出し、抽出した医師の一覧表の情報を端末装置３のディスプレイに表示させる。医師の一覧の情報が端末装置３のディスプレイに表示されると、端末装置３は、医師の一覧の中からユーザの入力操作により選択された特定の医師の情報（一覧における医師の識別コードなど）を参照情報として取得し、当該参照情報を含んだ推定要求を推定装置１に送信する。取得部３１は、端末装置３から受信した推定要求に含まれる当該参照情報に基づいて、この特定の医師に対応する医師関連情報を医師関連情報データベース２３から取得する。

【0034】

また他の一例において、取得部３１は、端末装置３のユーザーインターフェースの画面において医師関連情報が直接入力され、当該医師関連情報が含まれた推定要求を端末装置３から受信した場合、受信した推定要求に含まれる当該医師関連情報をそのまま取得する。

【0035】

生成部３２は、患者数情報データベース２４に登録された各医師の患者数の情報を教師データとして、医師関連情報から患者数を推定するモデル２２を生成する。モデル２２の生成に用いる機械学習アルゴリズムは任意であり、例えば線形回帰、ロジスティック回帰、サポートベクターマシン、決定木、勾配ブースティング、ニューラルネットワークなどの公知のアルゴリズムを用いることができる。

【0036】

推定部３３は、取得部３１により取得した特定の医師の医師関連情報を、記憶部２０に記憶したモデル２２に適用することにより、当該特定の医師が診察する患者の数を推定する。

【0037】

提供部３４は、推定部３３による患者数の推定結果を含んだ提供情報を端末装置３に送信する。例えば提供部３４は、取得部３１と同様に、端末装置３とＨＴＴＰなどの所定のプロトコルで通信を行い、提供情報に含まれる患者数の推定結果を端末装置３のディスプレイに表示させる。

【0038】

なお、端末装置３から受信した推定要求に含まれる参照情報が、患者数情報データベース２４に登録される特定の医師を示す情報である場合、患者数情報データベース２４から患者数の情報を取得することが可能であり、推定部３３による患者数の推定は不要である。この場合、取得部３１が医師関連情報データベース２３から医師関連情報を取得する代わりに、提供部３４が患者数情報データベース２４から患者数の情報を取得し、推定部３３による患者数の推定結果の代わりとして、患者数情報データベース２４から取得した実際の患者数の情報を端末装置３に提供してもよい。

【0039】

次に、本実施形態に係る推定装置１におけるモデル２２の生成方法と患者数の推定方法について図２Ａ及び図２Ｂを参照して説明する。

【0040】

図２Ａは、推定装置１におけるモデル２２の生成方法を説明するためのフローチャートである。まず生成部３２が、公開情報やアンケート調査の情報などに基づいて構築された患者数情報データベース２４から、複数の医師の各々について医師関連情報及び患者数の情報を取得する（ＳＴ１００）。そして生成部３２が、取得した患者数の情報を教師データとして、取得した医師関連情報から患者数を推定するモデル２２を所定の機械学習アルゴリズムにより生成する（ＳＴ１０５）。生成部３２は、生成したモデル２２を記憶部２０に格納する。

【0041】

図２Ｂは、推定装置１における医師の患者数の推定方法を説明するためのフローチャートである。まず取得部３１が、推定対象の医師の医師関連情報を取得する（ＳＴ２００）。例えば取得部３１は、端末装置３から受信したユーザの要求（推定要求）に含まれる特定の医師を示す情報（参照情報）に基づいて、医師関連情報データベース２３から推定対象の医師の医師関連情報を取得する。次いで推定部３３が、ステップＳＴ２００において取得した医師関連情報を、記憶部２０に記憶したモデル２２に適用することにより、特定の医師が診察する患者の数を推定する（ＳＴ２０５）。

【0042】

次に、本実施形態に係る推定装置１において患者数を推定する構成の幾つかの例について、図３〜図７を参照して説明する。

【0043】

（第１の構成例）
図３は、推定装置１において患者数を推定する第１の構成例を示す図である。第１の構成例において、医師関連情報１００は、医師の専門分野に関する専門分野情報１０１を含む。専門分野情報１０１は、医師の診療科に関する情報（例えば一般内科、循環器内科など）と、医師が専門とする疾患に関する情報（例えば循環器疾患、糖尿病など）を含む。

【0044】

第１の構成例におけるモデル２２は、この図３に示す医師関連情報１００（専門分野情報１０１）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００から推定するように生成される。推定部３３は、特定の医師の医師関連情報１００をモデル２２に適用することにより、特定の医師が診察する患者の数を推定する。

【0045】

ここで、実際に生成した第１の構成例のモデル２２による患者数の推定精度の検証結果について説明する。この検証では、約１．５万名の医師 について保有するデータ（医師関連情報１００と患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいてモデル２２を生成するとともに、生成したモデル２２に検証用データを適用して、単位期間を１か月とした場合の患者数を推定した。モデル２２の生成には、ＸＧＢｏｏｓｔと称される弱学習器を逐次的に構築する公知の機械学習のアルゴリズムを使用した。そして、推定した患者数ｘｉと実際の患者数ｙｉとの相関係数ｒを、以下の式（１）により算出した。

【0046】

【数1】

【0047】

ただし、「ｎ」は推定した患者数の数（患者数を推定した医師の数）であり、「ｉ」は１からｎまでの整数を示す。

【0048】

その結果、第１の構成例のモデル２２により推定した患者数と実際の患者数との相関係数ｒは「０.５８」であった。

【0049】

（第２の構成例）
図４は、推定装置１において患者数を推定する第２の構成例を示す図である。第２の構成例における医師関連情報１００Ａは、第１の構成例（図３）と同じ専門分野情報１０１に加えて、医療施設患者数情報１０２を含んでいる。医療施設患者数情報１０２は、医師が勤務する医療施設における患者数に関する情報である。

【0050】

第２の構成例におけるモデル２２Ａは、この図４に示す医師関連情報１００Ａ（専門分野情報１０１、医療施設患者数情報１０２）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ａから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ａをモデル２２Ａに適用することにより、特定の医師が診察する患者の数を推定する。

【0051】

ここで、実際に生成した第２の構成例のモデル２２Ａによる患者数の推定精度の検証結果について説明する。第１の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ａと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ａに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。モデル２２Ａの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０.７２」であった。すなわち、第２の構成例の相関係数ｒは、第１の構成例に比べて大きな値となった。従って、医師関連情報１００Ａが医療施設患者数情報１０２を更に含むことにより、医師関連情報１００Ａから患者数を推定するように生成されたモデル２２Ａの推定精度が向上した。

【0052】

（第３の構成例）
図５は、推定装置１において患者数を推定する第３の構成例を示す図である。第３の構成例における医師関連情報１００Ｂは、第２の構成例（図４）と同じ専門分野情報１０１及び医療施設患者数情報１０２に加えて、医療施設病床数情報１０３を含んでいる。医療施設病床数情報１０３は、医師が勤務する医療施設における病床の数に関する情報である。

【0053】

第３の構成例におけるモデル２２Ｂは、この図５に示す医師関連情報１００Ｂ（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ｂから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ｂをモデル２２Ｂに適用することにより、特定の医師が診察する患者の数を推定する。

【0054】

ここで、実際に生成した第３の構成例のモデル２２Ｂによる患者数の推定精度の検証結果について説明する。第１〜第２の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ｂと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ｂに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。モデル２２Ｂの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０.７９」であった。すなわち、第３の構成例の相関係数ｒは、第２の構成例に比べて更に大きな値となった。従って、医師関連情報１００Ｂが医療施設病床数情報１０３を更に含むことにより、医師関連情報１００Ｂから患者数を推定するように生成されたモデル２２Ｂの推定精度が更に向上した。

【0055】

（第４の構成例）
図６は、推定装置１において患者数を推定する第４の構成例を示す図である。第４の構成例における医師関連情報１００Ｃは、第３の構成例（図５）と同じ専門分野情報１０１、医療施設患者数情報１０２及び医療施設病床数情報１０３に加えて、勤務医師数情報１０４を含んでいる。勤務医師数情報１０４は、医師が勤務する医療施設における勤務医師の数に関する情報であり、ある一時点における勤務医師の数を示す。

【0056】

第４の構成例におけるモデル２２Ｃは、この図６に示す医師関連情報１００Ｃ（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ｃから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ｃをモデル２２Ｃに適用することにより、特定の医師が診察する患者の数を推定する。

【0057】

ここで、実際に生成した第４の構成例のモデル２２Ｃによる患者数の推定精度の検証結果について説明する。第１〜第３の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ｃと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ｃに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。モデル２２Ｃの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０.８０」であった。すなわち、第４の構成例の相関係数ｒは、第３の構成例に比べて更に大きな値となった。従って、医師関連情報１００Ｃが勤務医師数情報１０４を更に含むことにより、医師関連情報１００Ｃから患者数を推定するように生成されたモデル２２Ｃの推定精度が更に向上した。

【0058】

（第５の構成例）
図７は、推定装置１において患者数を推定する第５の構成例を示す図である。第５の構成例における医師関連情報１００Ｄは、第４の構成例（図６）と同じ専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３及び勤務医師数情報１０４に加えて、近隣施設患者数情報１０５を含んでいる。近隣施設患者数情報１０５は、推定対象の医師が勤務する医療施設に最も近い所定数Ｋ（Ｋは１以上の自然数を示す。）の近隣の医療施設における患者の数に関する情報である。すなわち、近隣施設患者数情報１０５は、推定対象の医師が勤務する医療施設との距離の近さ１番目からＫ番目までの近隣の医療施設における患者の数に関する情報である。
近隣施設患者数情報１０５が示す患者数は、単位期間（例えば１年間、半年、１か月など）における患者数である。同じ人が単位期間内に複数回患者になった場合、この患者についての患者数は１名として数える。

【0059】

第５の構成例におけるモデル２２Ｄは、この図７に示す医師関連情報１００Ｄ（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４、近隣施設患者数情報１０５）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ｄから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ｄをモデル２２Ｄに適用することにより、特定の医師が診察する患者の数を推定する。

【0060】

ここで、実際に生成した第５の構成例のモデル２２Ｄによる患者数の推定精度の検証結果について説明する。第１〜第４の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ｄと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ｄに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。近隣施設患者数情報１０５は、推定対象の医師が勤務する医療施設に最も近い５つの近隣の医療施設（推定対象の医師が勤務する医療施設との距離の近さが１番目から５番目までの近隣の医療施設）における１日あたりの患者数の合計を示すものとした。モデル２２Ｄの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０．８１」であった。すなわち、第５の構成例の相関係数ｒは、第４の構成例に比べて更に大きな値となった。従って、医師関連情報１００Ｄが近隣施設患者数情報１０５を更に含むことにより、医師関連情報１００Ｄから患者数を推定するように生成されたモデル２２Ｄの推定精度が更に向上した。

【0061】

以上説明したように、本実施形態に係る推定装置１（第１〜第５の構成例）は、医師に関連する医師関連情報１００を取得する取得部３１と、医師が診察する患者の数と、取得部３１が取得する医師関連情報１００との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００から推定するように生成されたモデル２２を記憶する記憶部２０と、取得部３１により取得した医師関連情報１００を、記憶部２０に記憶したモデル２２に適用することにより、医師が診察する患者の数を推定する推定部３３とを有する。取得部３１では、医師関連情報１００として、医師の専門分野に関する専門分野情報１０１を含んだ医師関連情報１００が取得される。推定部３３では、専門分野情報１０１を含んだ医師関連情報１００をモデル２２に適用することにより、医師が診察する患者の数が推定される。従って、アンケートなどによって情報を得ていない医師についても、その医師が診察する患者の数を推定することができる。

【0062】

また、本実施形態に係る推定装置１（第２〜第５の構成例）は、医師関連情報１００Ａとして、医師が勤務する医療施設における患者数に関する医療施設患者数情報１０２を更に含む。モデル２２Ａの説明変数である医師関連情報１００Ａが医療施設患者数情報１０２を更に含むことにより、医師が勤務する医療施設における患者数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。

【0063】

また、本実施形態に係る推定装置１（第３〜第５の構成例）は、医師関連情報１００Ｂとして、医師が勤務する医療施設における病床の数に関する医療施設病床数情報１０３を更に含む。モデル２２Ｂの説明変数である医師関連情報１００Ｂが医療施設病床数情報１０３を更に含むことにより、医師が勤務する医療施設における病床の数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。

【0064】

また、本実施形態に係る推定装置１（第４〜第５の構成例）は、医師関連情報１００Ｃとして、医師が勤務する医療施設における勤務医師の数に関する勤務医師数情報１０４を更に含む。モデル２２Ｃの説明変数である医師関連情報１００Ｃが勤務医師数情報１０４を更に含むことにより、医師が勤務する医療施設における勤務医師の数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。

【0065】

また、本実施形態に係る推定装置１（第５の構成例）は、医師関連情報１００Ｄとして、医師が勤務する医療施設に最も近い所定数の近隣の医療施設における患者の数に関する近隣施設患者数情報１０５を更に含む。モデル２２Ｄの説明変数である医師関連情報１００Ｄが近隣施設患者数情報１０５を更に含むことにより、医師が勤務する医療施設に最も近い所定数の近隣の医療施設における患者の数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。

【0066】

なお、本発明は上述した実施形態にのみ限定されるものではなく、種々のバリエーションを含んでいる。

【0067】

モデルの説明変数として医師関連情報が含む情報は、上述した第１の構成例〜第５の構成例において例示したものに限定されない。例えば、上述した各構成例における医師関連情報（１００、１００Ａ、１００Ｂ、１００Ｃ、１００Ｄ）は、モデル（２２、２２Ａ、２２Ｂ、２２Ｃ、２２Ｄ）の説明変数として、例示した情報（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４、近隣施設患者数情報１０５）以外の補助的な情報を更に含んでいてもよい。

【0068】

また、医師関連情報は、例示した４つの情報（医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４、近隣施設患者数情報１０５）における１以上の情報と専門分野情報１０１とを、第１の構成例〜第５の構成例とは異なる組み合わせで含んでいてもよい。この場合、医師関連情報は、例示した情報以外の補助的な情報を更に含んでいてもよい。

【符号の説明】

【0069】

１…推定装置、３…端末装置、９…ネットワーク、１０…通信部、２０…記憶部、２１…プログラム、２２，２２Ａ〜２２Ｄ…モデル、２３…医師関連情報データベース、２４…患者数情報データベース、３０…処理部、３１…取得部、３２…生成部、３３…推定部、３４…提供部、１００，１００Ａ〜１００Ｄ…医師関連情報、１０１…専門分野情報、１０２…医療施設患者数情報、１０３…医療施設病床数情報、１０４…勤務医師数情報、１０５…近隣施設患者数情報

【要約】

【課題】医師が診察する患者の数を推定することができる推定装置を提供する。
【解決手段】推定装置１は、医師に関連する医師関連情報１００を取得する取得部３１と、医師が診察する患者の数と、取得部３１が取得する医師関連情報１００との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００から推定するように生成されたモデル２２を記憶する記憶部２０と、取得部３１により取得した医師関連情報１００を、記憶部２０に記憶したモデル２２に適用することにより、医師が診察する患者の数を推定する推定部３３とを有する。取得部３１は、医師関連情報１００として、医師の専門分野に関する専門分野情報１０１を含んだ医師関連情報１００を取得する。推定部３３は、専門分野情報１０１を含んだ医師関連情報１００をモデル２２に適用することにより、医師が診察する患者の数を推定する。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】