▶ スキルアップジャパン株式会社の特許一覧 ▶ 国立大学法人山形大学の特許一覧
特開2023-156148挿管困難判定システム、挿管困難判定装置、および挿管困難判定プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023156148
(43)【公開日】2023-10-24
(54)【発明の名称】挿管困難判定システム、挿管困難判定装置、および挿管困難判定プログラム
(51)【国際特許分類】
G16H 50/20 20180101AFI20231017BHJP
【ＦＩ】
G16H50/20
【審査請求】有
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2022065838
(22)【出願日】2022-04-12
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り ▲１▼令和３年４月２６日にウェブサイトを通じて公開 ▲２▼令和３年５月 ６日にウェブサイトを通じて公開
(71)【出願人】
【識別番号】301049157
【氏名又は名称】株式会社アルム
(71)【出願人】
【識別番号】304036754
【氏名又は名称】国立大学法人山形大学
(74)【代理人】
【識別番号】100168952
【弁理士】
【氏名又は名称】藤田 壮一郎
(72)【発明者】
【氏名】川前 金幸
(72)【発明者】
【氏名】早坂 達哉
(72)【発明者】
【氏名】河野 和晴
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA04
(57)【要約】
【課題】患者の挿管困難を判定すること。
【解決手段】
挿管困難判定システム１０は、患者の挿管困難の判定結果を確認する人物が操作する情報端末１００と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置２００とが通信回線を介して接続され、情報端末１００は、患者の顔画像を撮影する撮影手段と、撮影手段によって撮影された患者の顔画像を挿管困難判定装置２００へ送信する画像送信手段と、挿管困難判定装置２００から送信された挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、挿管困難判定装置２００は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、情報端末から受信した患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を情報端末１００へ送信する判定結果送信手段とを備える。
【選択図】図１
【解決手段】
挿管困難判定システム１０は、患者の挿管困難の判定結果を確認する人物が操作する情報端末１００と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置２００とが通信回線を介して接続され、情報端末１００は、患者の顔画像を撮影する撮影手段と、撮影手段によって撮影された患者の顔画像を挿管困難判定装置２００へ送信する画像送信手段と、挿管困難判定装置２００から送信された挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、挿管困難判定装置２００は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、情報端末から受信した患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を情報端末１００へ送信する判定結果送信手段とを備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
患者の挿管困難の判定結果を確認する人物が操作する情報端末と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置とが通信回線を介して接続された挿管困難判定システムであって、
前記情報端末は、
前記患者の顔画像を撮影する撮影手段と、
前記撮影手段によって撮影された前記患者の顔画像を前記挿管困難判定装置へ送信する画像送信手段と、
前記挿管困難判定装置から送信された前記挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、
前記挿管困難判定装置は、
前記患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、前記情報端末から受信した患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を前記情報端末へ送信する判定結果送信手段とを備えることを特徴とする挿管困難判定システム。
前記情報端末は、
前記患者の顔画像を撮影する撮影手段と、
前記撮影手段によって撮影された前記患者の顔画像を前記挿管困難判定装置へ送信する画像送信手段と、
前記挿管困難判定装置から送信された前記挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、
前記挿管困難判定装置は、
前記患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、前記情報端末から受信した患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を前記情報端末へ送信する判定結果送信手段とを備えることを特徴とする挿管困難判定システム。
【請求項2】
請求項１に記載の挿管困難判定システムにおいて、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
【請求項3】
請求項１または２に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定システム。
【請求項4】
請求項３に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定システム。
【請求項5】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を表示装置に表示する表示手段とを備えることを特徴とする挿管困難判定システム。
前記ＡＩモデルから出力された前記挿管困難の判定結果を表示装置に表示する表示手段とを備えることを特徴とする挿管困難判定システム。
【請求項6】
請求項５に記載の挿管困難判定システムにおいて、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
【請求項7】
請求項５または６に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定システム。
【請求項8】
請求項７に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定システム。
【請求項9】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手段とを備えることを特徴とする挿管困難判定装置。
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手段とを備えることを特徴とする挿管困難判定装置。
【請求項10】
請求項９に記載の挿管困難判定装置において、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定装置。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定装置。
【請求項11】
請求項９または１０に記載の挿管困難判定装置において、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定装置。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定装置。
【請求項12】
請求項１１に記載の挿管困難判定装置において、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定装置。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定装置。
【請求項13】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるための挿管困難判定プログラム。
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるための挿管困難判定プログラム。
【請求項14】
請求項１３に記載の挿管困難判定プログラムにおいて、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定プログラム。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定プログラム。
【請求項15】
請求項１３または１４に記載の挿管困難判定プログラムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されることを特徴とする挿管困難判定プログラム。
【請求項16】
請求項１５に記載の挿管困難判定プログラムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作製中の前記ＡＩモデルの検証を行うことによって作製されることを特徴とする挿管困難判定プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、挿管困難判定システム、挿管困難判定装置、および挿管困難判定プログラムに関する。
【背景技術】
【0002】
次のような挿管支援装置が知られている。この挿管支援装置は、挿入具の先端が位置する観察部位を電子画像として撮像し、撮像した電子画像をディスプレイ部に表示することにより、患者の気管への挿入具の挿入時における操作性を向上させている（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００７－１４４１２３号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
患者の気道確保を行うためには気管挿管が有効である。このために、患者への気管挿管を支援するための装置として、従来の挿管支援装置のような装置が存在している。一方で、患者によっては挿管困難である場合がある。このような挿管困難の患者に対して、無理な挿管手技により気管挿管を試みてしまうと、患者状況を悪化させてしまう可能性がある。このため、事前に挿管困難であることを判定することができれば、挿管困難な患者に対して無理な挿管手技により患者状況を悪化させることなく、熟練度が高い医師などに引き継ぐことができるため、人命救助に貢献することができる。このためには事前に挿管困難を判定するための仕組みが求められるが、従来はそのための技術については何ら検討されていなかった。
【課題を解決するための手段】
【0005】
本発明による挿管困難判定システムは、患者の挿管困難の判定結果を確認する人物が操作する情報端末と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置とが通信回線を介して接続された挿管困難判定システムであって、情報端末は、患者の顔画像を撮影する撮影手段と、撮影手段によって撮影された患者の顔画像を挿管困難判定装置へ送信する画像送信手段と、挿管困難判定装置から送信された挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、挿管困難判定装置は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、情報端末から受信した患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を情報端末へ送信する判定結果送信手段とを備えることを特徴とする。
本発明による挿管困難判定システムはまた、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を表示装置に表示する表示手段とを備えることを特徴とする。
本発明による挿管困難判定装置は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手段とを備えることを特徴とする。
本発明による挿管困難判定プログラムは、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるためのプログラムである。
本発明による挿管困難判定システムはまた、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を表示装置に表示する表示手段とを備えることを特徴とする。
本発明による挿管困難判定装置は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手段とを備えることを特徴とする。
本発明による挿管困難判定プログラムは、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるためのプログラムである。
【発明の効果】
【0006】
本発明によれば、患者の挿管困難を判定してその判定結果を出力することができる。
【図面の簡単な説明】
【0007】
【図1】挿管困難判定システム１０の一実施の形態の構成を示すブロック図である。
【図2】情報端末１００の一実施の形態の構成を示すブロック図である。
【図3】挿管困難判定装置２００の一実施の形態の構成を示すブロック図である。
【図4】Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類における分類方法を模式的に示した図である。
【図5】患者の１６体位の顔画像の一例を示す図である。
【図6】ＡＩモデルの作製過程の一例を模式的に示した図である。
【図7】ＡＩモデル作製の全体像を示す図である。
【図8】ＡＩモデルのＧｒａｄ－ＣＡＭを説明するための第１の図である。
【図9】ＡＩモデルのＧｒａｄ－ＣＡＭを説明するための第２の図である。
【図10】患者の１６種類の顔画像についてＡＩモデルを作製した結果の一例を示す図である。
【図11】仰臥位側面閉口中間位画像を顔画像とした場合の学習曲線とＲＯＣ曲線の一例を示す図である。
【図12】情報端末１００で実行される処理の流れを示すフローチャート図である。
【図13】挿管困難判定装置２００で実行される予測処理の流れを示すフローチャート図である。
【発明を実施するための形態】
【0008】
気管挿管は患者の気道確保を行うために有効な手段である。その一方で、気管挿管に伴う出血や気道浮腫、食道挿管等の生死にかかわる合併症が発生することも少なくない。このため、事前に患者が挿管困難であることが判断できれば無理な挿管手技により患者状況を悪化させることなく、挿管に不慣れな医師や救命救急士から、熟練した麻酔科医師や救急科医師に引き継ぐことが可能となり、人命救助への貢献が期待できる。そこで、本実施の形態における挿管困難判定システムでは、患者の顔画像と実際の挿管難易度を結びつけた深層学習（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）を用いて作製されたＡＩモデル（機械学習モデル）を用いて、患者の挿管困難を判定するための仕組みを提供する。
【0009】
図１は、本実施の形態における挿管困難判定システム１０の一実施の形態の構成を示すブロック図である。挿管困難判定システム１０は、情報端末１００と、挿管困難判定装置２００とが通信回線を介して接続されている。
【0010】
図２は、本実施の形態における情報端末１００の一実施の形態の構成を示すブロック図である。情報端末１００は、患者の挿管困難の判定結果を確認する人物、例えば医師や救急隊員が使用する端末であって、例えば、タブレット端末やスマートフォンなどが用いられる。図２は、本実施の形態における情報端末１００として、タブレット端末を用いた場合の一実施の形態の構成を示すブロック図である。情報端末１００は、タッチパネル１０１と、カメラ１０２と、制御装置１０３と、通信モジュール１０４とを備えている。
【0011】
タッチパネル１０１は、液晶パネル等の表示装置とタッチパッドのような位置入力装置を組み合わせた電子部品であり、画面上の表示を押すことで機器を操作することができる入力装置である。例えば、情報端末１００の操作者は、液晶パネル上に表示されたボタンやメニュー等の表示項目を指やタッチペンを用いてタッチまたはスライドさせることにより、情報端末１００を操作することができる。タッチパネル１０１は、操作者によるタッチやスライドといった操作を検出して、その検出信号を制御装置１０３へ出力する。
【0012】
カメラ１０２は、レンズ、撮像素子、その他周辺回路によって構成される公知の撮像装置である。カメラ１０２で撮影された画像や動画のデータは、制御装置１０３へ出力される。本実施の形態における情報端末１００では、カメラ１０２を使用して動画や静止画を撮影することができる。
【0013】
制御装置１０３は、ＣＰＵ、メモリ、およびその他の周辺回路によって構成され、情報端末１００の全体を制御する。なお、制御装置１０３を構成するメモリは、例えばＳＤＲＡＭ等の揮発性のメモリやフラッシュメモリ等の不揮発性のメモリを含む。揮発性のメモリは、ＣＰＵがプログラム実行時にプログラムを展開するためのワークメモリや、データを一時的に記録するためのバッファメモリとして使用される。また、不揮発性のメモリには、情報端末１００を動作させるためのファームウェアや種々のアプリケーションを動作させるためのソフトウェアのプログラムデータが記録される。本実施の形態では、以下に説明する処理を実行するためのプログラムは不揮発性のメモリに記録されている。なお、フラッシュメモリ等の不揮発性のメモリは、不図示のカードスロットに挿入されたメモリカードなどの外部の記憶媒体を利用するようにしてもよい。
【0014】
通信モジュール１０４は、無線または有線により、ＬＡＮや携帯電話通信網を介して情報端末１００をインターネットなどの通信回線に接続させるためのモジュールを含む。本実施の形態では、情報端末１００は、通信モジュール１０４を介して挿管困難判定装置２００と通信する。
【0015】
挿管困難判定装置２００は、インターネットに接続された装置であって、例えば、パソコンやサーバなどが用いられる。図３は、本実施の形態における挿管困難判定装置２００として、サーバ装置を用いた場合の一実施の形態の構成を示すブロック図である。挿管困難判定装置２００は、接続インターフェース２０１と、制御装置２０２と、記憶媒体２０３とを備えている。
【0016】
接続インターフェース２０１は、挿管困難判定装置２００をインターネット等の通信回線に接続するためのインターフェースであり、例えば、インターネットに有線で接続するための有線ＬＡＮモジュールや、インターネットに無線で接続するための無線ＬＡＮモジュールなどが用いられる。本実施の形態では、挿管困難判定装置２００は、この接続インターフェース２０１を介して情報端末１００と通信する。
【0017】
制御装置２０２は、ＣＰＵ、メモリ、およびその他の周辺回路によって構成され挿管困難判定装置２００の全体を制御する。なお、制御装置２０２を構成するメモリは、例えばＳＤＲＡＭ等の揮発性のメモリである。このメモリは、ＣＰＵがプログラム実行時にプログラムを展開するためのワークメモリや、データを一時的に記録するためのバッファメモリとして使用される。例えば、接続インターフェース２０１を介して読み込まれたデータは、バッファメモリに一時的に記録される。
【0018】
記憶媒体２０３は、挿管困難判定装置２００が蓄える種々のデータや、制御装置２０２が実行するためのプログラムのデータ等を記録するための記憶媒体であり、例えばＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等が用いられる。なお、記憶媒体２０３に記録されるプログラムのデータは、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭなどの記録媒体に記録されて提供されたり、ネットワークを介して提供され、操作者が取得したプログラムのデータを記憶媒体２０３にインストールすることによって、制御装置２０２がプログラムを実行できるようになる。本実施の形態では、制御装置２０２は、記憶媒体２０３にインストールされた挿管困難判定システム用のアプリケーションを実行することにより、後述する処理を実行することができる。
【0019】
本実施の形態における挿管困難判定システム１０では、気管挿管を行った患者の顔画像と、患者の挿管難易度を示す情報とを紐づける深層学習を行って作製されたＡＩモデルを用いて患者の挿管困難を予測する。このために、挿管困難判定装置２００では、制御装置２０２は、患者の顔画像が入力されると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルを有し、該ＡＩモデルを用いて患者の挿管困難を予測するための予測処理を実行する。以下、制御装置２０２で実行される予測処理について説明する。
【0020】
まず、本実施の形態で用いるＡＩモデルについて説明する。ＡＩモデルは、気管挿管を行った患者の情報を学習処理の対象として機械学習を行うことによって作製されている。この場合、学習処理の対象とする患者は、例えば、全身麻酔を受けて気管挿管を伴う手術を行った患者とすればよい。なお、学習処理の対象とする患者には、あらかじめ除外基準を設けて、除外基準に該当する患者は、学習処理の対象から除外するようにしてもよい。本実施の形態では、例えば、２０歳未満の患者、顔貌が変化する可能性がある手術患者、頚部可動範囲が変化する手術患者、麻酔経験３年未満の医師が挿管した患者、マッキントッシュ喉頭鏡を使用せずに挿管した患者、声門上器具を使用した患者、認知症や指示に従えない患者、他の研究により学習処理の対象にできない患者、および精神疾患の患者が除外基準に設定されている。
【0021】
学習処理の対象患者に対して気管挿管を行った場合、気管挿管を行った麻酔科医やその補助者などの人物は、患者の実際の挿管難易度を示す挿管難易度情報を控えておく。挿管難易度情報としては、例えば、喉頭を展開したときの視野を４段階で表したＣｏｒｍａｃｋ－Ｌｅｈａｎｅ分類を用いる。Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類は公知のため詳細の説明は省略するが、図４に示すように、喉頭蓋と声門が良好に見える場合はＧｒａｄｅ Ｉ、声門の後部のみが見える場合はＧｒａｄｅ ＩＩ、喉頭蓋のみが見える場合はＧｒａｄｅ ＩＩＩ、喉頭蓋も見えない場合はＧｒａｄｅ ＩＶに分類される。
【0022】
また、患者の顔画像の撮影者は、学習処理の対象患者が手術を終えた後、例えば手術日の翌日に、患者の顔画像を撮影する。なお、検証段階では、患者の体位と撮影方向を変えて患者顔画像を複数パターン用意した。そして、各顔画像を対象としてＡＩモデルを作製し、その中から最も挿管困難の予測精度が高いものを採用するようにした。このため、本実施の形態では、事前の検証段階では、以下に示す１６種類の顔画像を撮影してＡＩモデルを作製した。そして、検証の結果、最も挿管困難の予測精度が高いＡＩモデルが得られた顔画像を採用するようにした。
【0023】
本実施の形態では、例えば、図５に示すように、患者の仰臥位の閉口中間位、開口中間位、閉口後屈、開口後屈、側面閉口中間位、側面開口中間位、側面閉口後屈、および側面開口後屈と、患者の座位の閉口中間位、開口中間位、閉口後屈、開口後屈、側面閉口中間位、側面開口中間位、側面閉口後屈、および側面開口後屈との１６体位における顔画像を検証の対象とした。そして、検証の結果、上記１６体位の顔画像の中から仰臥位の側面閉口中間位を撮影した仰臥位側面閉口中間位画像を患者の顔画像として用いることにした。なお、上記１６体位の顔画像の中から仰臥位側面閉口中間位画像を患者の顔画像として選択した理由については後述する。
【0024】
本実施の形態における挿管困難判定装置２００では、制御装置２０２には、上述したように、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルが搭載されている。このＡＩモデルは、上述した挿管難易度情報と患者の顔画像とを関連付けたＡＩモデル作製用情報に基づいて、患者の顔画像と挿管難易度を示す情報とを紐づける深層学習を行うことによってあらかじめ作製されている。例えば、ＡＩモデルは、ＡＩモデル作製用情報を学習用のトレーニングデータと、テスト用のテストデータに分類し、公知の深層学習の方法により作製される。
【0025】
本実施の形態では、ＡＩモデルを作製する過程で、学習用情報に含まれる挿管難易度情報に基づいて、各患者の挿管難易度はＥａｓｙとＤｉｆｆｉｃｕｌｔのいずれかに分類されている。患者の挿管難易度は、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類がＧｒａｄｅ ＩまたはＧｒａｄｅ ＩＩの場合は、その患者の実際の挿管難易度は挿管が容易であることを示すＥａｓｙとし、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類がＧｒａｄｅ ＩＩＩまたはＧｒａｄｅ ＩＶの場合は、その患者の実際の挿管難易度は挿管が困難であることを示すＤｉｆｆｉｃｕｌｔとするように分類されている。
【0026】
ＡＩモデルの作製においては、分類した患者の挿管難易度と学習用情報に含まれる患者の顔画像とに基づいて、患者の顔画像と患者の実際の挿管難易度を結びつける深層学習（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）を用いて、顔画像から挿管困難を分類するＡＩモデルが作製される。これによって、患者の顔画像を入力すると、患者の挿管困難の予測結果としてＥａｓｙまたはＤｉｆｆｉｃｕｌｔを出力するＡＩモデルが作製される。
【0027】
図６は、本実施の形態におけるＡＩモデルの作成過程を模式的に示した図である。制御装置２０２は、図６に示すように、患者顔画像と実際の挿管難易度を紐づける深層学習（ＣＮＮ）が行われた分類器を有する。なお、図６では、ＡＩモデル作製用情報の８０％をトレーニングデータとし、残りの２０％をテストデータとする例を示している。また、図６に示す例では、テストデータを変えた５つのデータセットを用意している。
【0028】
図７は、ＡＩモデル作製の全体像を示す図である。ＡＩモデルの作製は、データ拡張、転移学習、患者顔画像によるＣＮＮ、テストデータ偏りの是正、およびモデルの可視化で構成される。なお、深層学習を用いたＡＩモデルの作製方法は公知のため詳細な説明を省略する。
【0029】
深層学習（ＣＮＮ）により特徴数値マップが得られることは公知のため詳細な説明は省略する。特徴数値マップに基づいて作製されたクラス活性化ヒートマップはＡＩの注目領域を示している。図８（Ｂ）は、該ＡＩモデルにおいて図８（Ａ）に示す顔画像に基づいてＧｒａｄ－ＣＡＭを用いて作製されたクラス活性化ヒートマップを示している。
【0030】
図９（Ａ）は、挿管困難の予測結果がＥａｓｙとなる患者のクラス活性化ヒートマップの一例を示している。また、図９（Ｂ）は、Ｅａｓｙと分類された対象患者全体のクラス活性化ヒートマップのＲＧＢ平均値を表した図である。このように、挿管困難の予測結果がＥａｓｙとなる患者は、視点がオトガイから喉頭にかけての一か所に集中する傾向にあることがわかる。一方、図９（Ｃ）は、挿管困難の予測結果がＤｉｆｆｉｃｕｌｔとなる患者のクラス活性化ヒートマップの一例を示している。また、図９（Ｄ）は、Ｄｉｆｆｉｃｕｌｔと分類された対象患者全体のクラス活性化ヒートマップのＲＧＢ平均値を表した図である。このように、挿管困難の予測結果がＤｉｆｆｉｃｕｌｔとなる患者は、複数の特徴により視点が分散する傾向にあることがわかる。
【0031】
上述したように、本実施の形態では、患者の仰臥位の側面閉口中間位を撮影した仰臥位側面閉口中間位画像を患者の顔画像として用いるようにした。ここで、上述した患者の１６体位における顔画像の中から仰臥位側面閉口中間位画像を選択した理由について説明する。
【0032】
事前の検証において、患者の１６種類の顔画像についてＡＩモデルを作製した結果、各画像における挿管困難の予測結果のＡＵＣ、感度、特異度、正確度、および９５％信頼度は、例えば図１０（Ａ）に示すようになった。この結果により、最良の挿管困難の予測結果を得るためには、患者の仰臥位側面閉口中間位を用いてＡＩモデルを作製すればよいことがわかった。仰臥位側面閉口中間位を用いて作製したＡＩモデルの予測結果１０ａは、ＡＵＣ＝０．８６４、感度＝８１．８％、特異度＝８３．３％、正確度＝８０．５％、および９５％信頼区間＝０．７３１－０．９６９であり、図１０（Ｂ）に示すように、対象患者の既存の挿管困難予測因子のＡＵＣよりも優れた挿管困難診断能を得られた。なお、図１１（Ａ）は、仰臥位側面閉口中間位画像を顔画像とした場合の学習曲線を示し、図１１（Ｂ）は、仰臥位側面閉口中間位画像を顔画像とした場合のＲＯＣ曲線を示している。また、ＡＵＣが０．８６４であることから、患者の仰臥位側面閉口中間位画像を顔画像として用いて作製したＡＩモデルは、熟練した医師の目の代替になり得るとも考えられる。このため、本実施の形態では、患者の顔画像として仰臥位側面閉口中間位画像を採用することとした。
【0033】
上記の処理によってＡＩモデルが作製されると、制御装置２０２は、ＡＩモデルを利用した予測処理が可能になる。この場合、新たな患者が発生したときに、その患者の仰臥位側面閉口中間位画像を撮影し、ＡＩモデルに仰臥位側面閉口中間位画像を入力すれば、その患者の挿管困難の予測結果を得ることができる。これによって、患者に挿管の必要が生じたときに事前に患者への気管挿管が容易か困難かを予測することができる。例えば、気管挿管が困難であることが予測される患者の場合は、熟練した医師や麻酔科医に挿管をより迅速に依頼するなどの対応が可能となる。以下、本実施の形態の挿管困難判定システム１０における予測処理の流れについて説明する。
【0034】
情報端末１００を所持する人物、例えば医師や救急隊員は、患者への挿管が必要と判断した場合には、情報端末１００を操作して患者の顔画像を撮影する。本実施の形態では、上述したように患者の仰臥位側面閉口中間位画像を顔画像とするため、撮影者は、患者の仰臥位の側面閉口中間位の画像を撮影する。情報端末１００の制御装置１０３は、撮影者によって撮影が指示されるとカメラ１０２を制御して画像を撮影し、撮影した画像を通信モジュール１０４を介して挿管困難判定装置２００へ送信する。このとき制御装置１０３は、カメラ１０２から入力される画像をタッチパネル１０１に表示して、撮影者が画像を確認しながら撮影できるようにしてもよい。
【0035】
挿管困難判定装置２００では、制御装置２０２は、情報端末１００から患者の顔画像を受信すると、受信した顔画像をＡＩモデルに入力して、ＡＩモデルから顔画像に基づく患者の挿管困難の予測結果を得る。制御装置２０２は、患者の予測結果を得た場合には、ＡＩモデルから出力された患者の挿管困難の予測結果を示す情報を情報端末１００へ送信する。
【0036】
情報端末１００では、制御装置１０３は、挿管困難判定装置２００から患者の挿管困難の予測結果を示す情報を受信すると、受信した情報をタッチパネル１０１に表示する。これによって、情報端末１００を所持する人物は、患者の挿管困難の予測結果を把握することができる。
【0037】
図１２は、本実施の形態における情報端末１００で実行される処理の流れを示すフローチャートである。図１２に示す処理は、操作者によって挿管困難判定システム用のアプリケーションの実行が指示されると起動するプログラムとして、制御装置１０３によって実行される。なお、図１２に示す処理においては、上述した患者の挿管困難を予測するためのＡＩモデルは既に作製されているものとする。
【0038】
ステップＳ１０において、制御装置１０３は、操作者によって患者の顔画像の撮影が指示されたか否かを判断する。ステップＳ１０で否定判断した場合には、後述するステップＳ６０へ進む。これに対して、ステップＳ１０で肯定判断した場合には、ステップＳ２０へ進む。
【0039】
ステップＳ２０では、制御装置１０３は、上述したように、カメラ１０２を制御して画像を撮影する。その後、ステップＳ３０へ進む。
【0040】
ステップＳ３０では、制御装置１０３は、撮影した画像を通信モジュール１０４を介して挿管困難判定装置２００へ送信する。その後、ステップＳ４０へ進む。
【0041】
ステップＳ４０では、制御装置１０３は、挿管困難判定装置２００から患者の挿管困難の予測結果を示す情報を受信したか否かを判断する。ステップＳ４０で肯定判断した場合には、ステップＳ５０へ進む。
【0042】
ステップＳ５０では、制御装置１０３は。挿管困難判定装置２００から受信した情報をタッチパネル１０１に表示する。その後、ステップＳ６０へ進む。
【0043】
ステップＳ６０では、制御装置１０３は、操作者によって挿管困難判定システム用のアプリケーションの終了が指示されたか否かを判断する。ステップＳ６０で否定判断した場合には、ステップＳ１０へ戻る。これに対して、ステップＳ６０で肯定判断した場合には、処理を終了する。
【0044】
図１３は、本実施の形態における挿管困難判定装置２００で実行される予測処理の流れを示すフローチャートである。図１３に示す処理は、情報端末１００から患者の顔画像を受信すると起動するプログラムとして、制御装置１０３によって実行される。
【0045】
ステップＳ１１０において、制御装置２０２は、上述したように、情報端末１００から受信した顔画像をＡＩモデルに入力する。その後、ステップＳ１２０へ進む。
【0046】
ステップＳ１２０では、制御装置２０２は、ＡＩモデルから顔画像に基づく患者の挿管困難の予測結果が出力されたか否かを判断する。ステップＳ１２０で肯定判断した場合には、ステップＳ１３０へ進む。
【0047】
ステップＳ１３０では、制御装置２０２は、ＡＩモデルから出力された患者の挿管困難の予測結果を示す情報を情報端末１００へ送信する。その後、処理を終了する。
【0048】
以上説明した実施の形態によれば、以下のような作用効果を得ることができる。
（１）情報端末１００では、制御装置１０３は、患者の顔画像を撮影し、撮影した患者の顔画像を挿管困難判定装置２００へ送信して、挿管困難判定装置２００から送信された挿管困難の判定結果を受信してタッチパネル１０１に表示するようにした。また、挿管困難判定装置２００では、制御装置２０２は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、情報端末１００から受信した患者の顔画像を入力して、ＡＩモデルから出力された挿管困難の判定結果を情報端末１００へ送信するようにした。これによって、情報端末１００を所持する人物は、患者の挿管困難の予測結果を把握することができる。このため、情報端末１００を所持する人物は、事前に挿管困難であることが判断できるため、無理な挿管手技により患者状況を悪化させることなく、挿管に不慣れな医師や救命救急士から、熟練した麻酔科医師や救急科医師により迅速に引き継ぐことが可能となり、人命救助への貢献が期待できる。
（１）情報端末１００では、制御装置１０３は、患者の顔画像を撮影し、撮影した患者の顔画像を挿管困難判定装置２００へ送信して、挿管困難判定装置２００から送信された挿管困難の判定結果を受信してタッチパネル１０１に表示するようにした。また、挿管困難判定装置２００では、制御装置２０２は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、情報端末１００から受信した患者の顔画像を入力して、ＡＩモデルから出力された挿管困難の判定結果を情報端末１００へ送信するようにした。これによって、情報端末１００を所持する人物は、患者の挿管困難の予測結果を把握することができる。このため、情報端末１００を所持する人物は、事前に挿管困難であることが判断できるため、無理な挿管手技により患者状況を悪化させることなく、挿管に不慣れな医師や救命救急士から、熟練した麻酔科医師や救急科医師により迅速に引き継ぐことが可能となり、人命救助への貢献が期待できる。
【0049】
（２）患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像とするようにした。これによって、事前検証で最も優れた予測結果が得られた顔画像を採用することができる。また、患者の仰臥位の側面閉口中間位を撮影した画像を用いることによって、本実施の形態におけるＡＩモデルを利用したシステムは、既存の挿管困難予測因子よりも優れた挿管困難診断能を得ることができ、熟練した医師の目の代替にもなり得る仕組みを提供することができる。
【0050】
（３）ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作製されるようにした。これによって、制御装置２０２は、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ったＡＩモデル有するため、患者の顔画像を入力すれば、その画像に応じた挿管困難の判定結果が出力されるように機械学習されたＡＩモデルを利用することができる。
【0051】
（４）ＡＩモデルは、患者の顔画像と挿管難易度情報とを関連付けたＡＩモデル作製用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、トレーニングデータを用いてＡＩモデルの学習を行い、テストデータを用いて作製中のＡＩモデルの検証を行うことによって作製されるようにした。これによって、患者の顔画像を入力すれば、その画像に応じた挿管困難の判定結果が出力されるＡＩモデルの精度を高めることができる。
【0052】
―変形例―
なお、上述した実施の形態の挿管困難判定システムは、以下のように変形することもできる。
（１）上述した実施の形態では、患者の挿管難易度を判定するための挿管難易度情報として、例えば、喉頭を展開したときの視野を４段階で表したＣｏｒｍａｃｋ－Ｌｅｈａｎｅ分類を用いる例について説明した。しかしながら、患者の挿管難易度を判定することができる情報であれば、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類以外の方法で分類してもよい。また、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類以外の方法で分類した場合には、その分類方法に合わせて、各患者の挿管難易度をＥａｓｙとＤｉｆｆｉｃｕｌｔのいずれかに分類すればよい。
なお、上述した実施の形態の挿管困難判定システムは、以下のように変形することもできる。
（１）上述した実施の形態では、患者の挿管難易度を判定するための挿管難易度情報として、例えば、喉頭を展開したときの視野を４段階で表したＣｏｒｍａｃｋ－Ｌｅｈａｎｅ分類を用いる例について説明した。しかしながら、患者の挿管難易度を判定することができる情報であれば、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類以外の方法で分類してもよい。また、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類以外の方法で分類した場合には、その分類方法に合わせて、各患者の挿管難易度をＥａｓｙとＤｉｆｆｉｃｕｌｔのいずれかに分類すればよい。
【0053】
（２）上述した実施の形態では、制御装置２０２は、学習用情報に含まれる挿管難易度情報に基づいて、各患者の挿管難易度をＥａｓｙとＤｉｆｆｉｃｕｌｔのいずれかに分類する例について説明した。しかしながら、患者の挿管難易度はユーザによって事前にＥａｓｙとＤｉｆｆｉｃｕｌｔに分類され、学習用情報には分類済みのＥａｓｙ又はＤｉｆｆｉｃｕｌｔの情報を含めるようにしてもよい。
【0054】
（３）上述した実施の形態では、患者の仰臥位の閉口中間位、開口中間位、閉口後屈、開口後屈、側面閉口中間位、側面開口中間位、側面閉口後屈、および側面開口後屈と、患者の座位の閉口中間位、開口中間位、閉口後屈、開口後屈、側面閉口中間位、側面開口中間位、側面閉口後屈、および側面開口後屈との１６体位における顔画像を検証の対象とし、その中から最良の挿管困難の予測結果が得られた仰臥位の側面閉口中間位を撮影した仰臥位側面閉口中間位画像を患者の顔画像として用いる例について説明した。しかしながら、予測精度が所定以上となる顔画像であれば、仰臥位側面閉口中間位画像以外の画像を用いてもよい。
【0055】
（４）上述した実施の形態では、挿管困難判定システム１０は、図１に示した構成である例について説明した。しかしながら、本発明の目的を達成することができる構成であれば、挿管困難判定システム１０のシステム構成は、図１に示した構成に限定されない。例えば、挿管困難判定装置２００として表示装置を備えたパソコンを用いて、挿管困難判定装置２００に顔画像を入力するとＡＩモデルによる判定結果を表示装置に表示するようにすれば、挿管困難判定装置２００を単体で利用することもできる。患者の顔画像は個人情報であるため、インターネットなどの通信を介してデータを送受信することが好ましくない場合には、このように挿管困難判定装置２００を単体で利用するようにすれば、個人情報保護の効果も期待することができる。
【0056】
なお、本発明の特徴的な機能を損なわない限り、本発明は、上述した実施の形態における構成に何ら限定されない。また、上述の実施の形態と複数の変形例を組み合わせた構成としてもよい。
【符号の説明】
【0057】
１０ 挿管困難判定システム
１００ 情報端末
１０１ タッチパネル
１０２ カメラ
１０３ 制御装置
１０４ 通信モジュール
２００ 挿管困難判定装置
２０１ 接続インターフェース
２０２ 制御装置
２０３ 記憶媒体
１００ 情報端末
１０１ タッチパネル
１０２ カメラ
１０３ 制御装置
１０４ 通信モジュール
２００ 挿管困難判定装置
２０１ 接続インターフェース
２０２ 制御装置
２０３ 記憶媒体
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【手続補正書】
【提出日】2023-06-21
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
患者の挿管困難の判定結果を確認する人物が操作する情報端末と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置とが通信回線を介して接続された挿管困難判定システムであって、
前記情報端末は、
前記患者の顔画像を撮影する撮影手段と、
前記撮影手段によって撮影された前記患者の顔画像を前記挿管困難判定装置へ送信する画像送信手段と、
前記挿管困難判定装置から送信された前記挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、
前記挿管困難判定装置は、
前記患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、前記情報端末から受信した患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を前記情報端末へ送信する判定結果送信手段とを備えることを特徴とする挿管困難判定システム。
前記情報端末は、
前記患者の顔画像を撮影する撮影手段と、
前記撮影手段によって撮影された前記患者の顔画像を前記挿管困難判定装置へ送信する画像送信手段と、
前記挿管困難判定装置から送信された前記挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、
前記挿管困難判定装置は、
前記患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、前記情報端末から受信した患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を前記情報端末へ送信する判定結果送信手段とを備えることを特徴とする挿管困難判定システム。
【請求項2】
請求項１に記載の挿管困難判定システムにおいて、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
【請求項3】
請求項１または２に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
【請求項4】
請求項３に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
【請求項5】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を表示装置に表示する表示手段とを備えることを特徴とする挿管困難判定システム。
前記ＡＩモデルから出力された前記挿管困難の判定結果を表示装置に表示する表示手段とを備えることを特徴とする挿管困難判定システム。
【請求項6】
請求項５に記載の挿管困難判定システムにおいて、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
【請求項7】
請求項５または６に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
【請求項8】
請求項７に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
【請求項9】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手段とを備えることを特徴とする挿管困難判定装置。
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手段とを備えることを特徴とする挿管困難判定装置。
【請求項10】
請求項９に記載の挿管困難判定装置において、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定装置。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定装置。
【請求項11】
請求項９または１０に記載の挿管困難判定装置において、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定装置。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定装置。
【請求項12】
請求項１１に記載の挿管困難判定装置において、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定装置。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定装置。
【請求項13】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるための挿管困難判定プログラム。
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるための挿管困難判定プログラム。
【請求項14】
請求項１３に記載の挿管困難判定プログラムにおいて、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定プログラム。
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定プログラム。
【請求項15】
請求項１３または１４に記載の挿管困難判定プログラムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定プログラム。
【請求項16】
請求項１５に記載の挿管困難判定プログラムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定プログラム。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】０００７
【補正方法】変更
【補正の内容】
【0007】
【図1】挿管困難判定システム１０の一実施の形態の構成を示すブロック図である。
【図2】情報端末１００の一実施の形態の構成を示すブロック図である。
【図3】挿管困難判定装置２００の一実施の形態の構成を示すブロック図である。
【図4】Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類における分類方法を模式的に示した図である。
【図5】患者の１６体位の顔画像の一例を示す図である。
【図6】ＡＩモデルの作成過程の一例を模式的に示した図である。
【図7】ＡＩモデル作成の全体像を示す図である。
【図8】ＡＩモデルのＧｒａｄ－ＣＡＭを説明するための第１の図である。
【図9】ＡＩモデルのＧｒａｄ－ＣＡＭを説明するための第２の図である。
【図10】患者の１６種類の顔画像についてＡＩモデルを作成した結果の一例を示す図である。
【図11】仰臥位側面閉口中間位画像を顔画像とした場合の学習曲線とＲＯＣ曲線の一例を示す図である。
【図12】情報端末１００で実行される処理の流れを示すフローチャート図である。
【図13】挿管困難判定装置２００で実行される予測処理の流れを示すフローチャート図である。
【手続補正3】
【補正対象書類名】明細書
【補正対象項目名】０００８
【補正方法】変更
【補正の内容】
【0008】
気管挿管は患者の気道確保を行うために有効な手段である。その一方で、気管挿管に伴う出血や気道浮腫、食道挿管等の生死にかかわる合併症が発生することも少なくない。このため、事前に患者が挿管困難であることが判断できれば無理な挿管手技により患者状況を悪化させることなく、挿管に不慣れな医師や救命救急士から、熟練した麻酔科医師や救急科医師に引き継ぐことが可能となり、人命救助への貢献が期待できる。そこで、本実施の形態における挿管困難判定システムでは、患者の顔画像と実際の挿管難易度を結びつけた深層学習（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）を用いて作成されたＡＩモデル（機械学習モデル）を用いて、患者の挿管困難を判定するための仕組みを提供する。
【手続補正4】
【補正対象書類名】明細書
【補正対象項目名】００１９
【補正方法】変更
【補正の内容】
【0019】
本実施の形態における挿管困難判定システム１０では、気管挿管を行った患者の顔画像と、患者の挿管難易度を示す情報とを紐づける深層学習を行って作成されたＡＩモデルを用いて患者の挿管困難を予測する。このために、挿管困難判定装置２００では、制御装置２０２は、患者の顔画像が入力されると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルを有し、該ＡＩモデルを用いて患者の挿管困難を予測するための予測処理を実行する。以下、制御装置２０２で実行される予測処理について説明する。
【手続補正5】
【補正対象書類名】明細書
【補正対象項目名】００２０
【補正方法】変更
【補正の内容】
【0020】
まず、本実施の形態で用いるＡＩモデルについて説明する。ＡＩモデルは、気管挿管を行った患者の情報を学習処理の対象として機械学習を行うことによって作成されている。この場合、学習処理の対象とする患者は、例えば、全身麻酔を受けて気管挿管を伴う手術を行った患者とすればよい。なお、学習処理の対象とする患者には、あらかじめ除外基準を設けて、除外基準に該当する患者は、学習処理の対象から除外するようにしてもよい。本実施の形態では、例えば、２０歳未満の患者、顔貌が変化する可能性がある手術患者、頚部可動範囲が変化する手術患者、麻酔経験３年未満の医師が挿管した患者、マッキントッシュ喉頭鏡を使用せずに挿管した患者、声門上器具を使用した患者、認知症や指示に従えない患者、他の研究により学習処理の対象にできない患者、および精神疾患の患者が除外基準に設定されている。
【手続補正6】
【補正対象書類名】明細書
【補正対象項目名】００２２
【補正方法】変更
【補正の内容】
【0022】
また、患者の顔画像の撮影者は、学習処理の対象患者が手術を終えた後、例えば手術日の翌日に、患者の顔画像を撮影する。なお、検証段階では、患者の体位と撮影方向を変えて患者顔画像を複数パターン用意した。そして、各顔画像を対象としてＡＩモデルを作成し、その中から最も挿管困難の予測精度が高いものを採用するようにした。このため、本実施の形態では、事前の検証段階では、以下に示す１６種類の顔画像を撮影してＡＩモデルを作成した。そして、検証の結果、最も挿管困難の予測精度が高いＡＩモデルが得られた顔画像を採用するようにした。
【手続補正7】
【補正対象書類名】明細書
【補正対象項目名】００２４
【補正方法】変更
【補正の内容】
【0024】
本実施の形態における挿管困難判定装置２００では、制御装置２０２には、上述したように、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルが搭載されている。このＡＩモデルは、上述した挿管難易度情報と患者の顔画像とを関連付けたＡＩモデル作成用情報に基づいて、患者の顔画像と挿管難易度を示す情報とを紐づける深層学習を行うことによってあらかじめ作成されている。例えば、ＡＩモデルは、ＡＩモデル作成用情報を学習用のトレーニングデータと、テスト用のテストデータに分類し、公知の深層学習の方法により作成される。
【手続補正8】
【補正対象書類名】明細書
【補正対象項目名】００２５
【補正方法】変更
【補正の内容】
【0025】
本実施の形態では、ＡＩモデルを作成する過程で、学習用情報に含まれる挿管難易度情報に基づいて、各患者の挿管難易度はＥａｓｙとＤｉｆｆｉｃｕｌｔのいずれかに分類されている。患者の挿管難易度は、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類がＧｒａｄｅ ＩまたはＧｒａｄｅ ＩＩの場合は、その患者の実際の挿管難易度は挿管が容易であることを示すＥａｓｙとし、Ｃｏｒｍａｃｋ－Ｌｅｈａｎｅ分類がＧｒａｄｅ ＩＩＩまたはＧｒａｄｅ ＩＶの場合は、その患者の実際の挿管難易度は挿管が困難であることを示すＤｉｆｆｉｃｕｌｔとするように分類されている。
【手続補正9】
【補正対象書類名】明細書
【補正対象項目名】００２６
【補正方法】変更
【補正の内容】
【0026】
ＡＩモデルの作成においては、分類した患者の挿管難易度と学習用情報に含まれる患者の顔画像とに基づいて、患者の顔画像と患者の実際の挿管難易度を結びつける深層学習（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）を用いて、顔画像から挿管困難を分類するＡＩモデルが作成される。これによって、患者の顔画像を入力すると、患者の挿管困難の予測結果としてＥａｓｙまたはＤｉｆｆｉｃｕｌｔを出力するＡＩモデルが作成される。
【手続補正10】
【補正対象書類名】明細書
【補正対象項目名】００２７
【補正方法】変更
【補正の内容】
【0027】
図６は、本実施の形態におけるＡＩモデルの作成過程を模式的に示した図である。制御装置２０２は、図６に示すように、患者顔画像と実際の挿管難易度を紐づける深層学習（ＣＮＮ）が行われた分類器を有する。なお、図６では、ＡＩモデル作成用情報の８０％をトレーニングデータとし、残りの２０％をテストデータとする例を示している。また、図６に示す例では、テストデータを変えた５つのデータセットを用意している。
【手続補正11】
【補正対象書類名】明細書
【補正対象項目名】００２８
【補正方法】変更
【補正の内容】
【0028】
図７は、ＡＩモデル作成の全体像を示す図である。ＡＩモデルの作成は、データ拡張、転移学習、患者顔画像によるＣＮＮ、テストデータ偏りの是正、およびモデルの可視化で構成される。なお、深層学習を用いたＡＩモデルの作成方法は公知のため詳細な説明を省略する。
【手続補正12】
【補正対象書類名】明細書
【補正対象項目名】００２９
【補正方法】変更
【補正の内容】
【0029】
深層学習（ＣＮＮ）により特徴数値マップが得られることは公知のため詳細な説明は省略する。特徴数値マップに基づいて作成されたクラス活性化ヒートマップはＡＩの注目領域を示している。図８（Ｂ）は、該ＡＩモデルにおいて図８（Ａ）に示す顔画像に基づいてＧｒａｄ－ＣＡＭを用いて作成されたクラス活性化ヒートマップを示している。
【手続補正13】
【補正対象書類名】明細書
【補正対象項目名】００３２
【補正方法】変更
【補正の内容】
【0032】
事前の検証において、患者の１６種類の顔画像についてＡＩモデルを作成した結果、各画像における挿管困難の予測結果のＡＵＣ、感度、特異度、正確度、および９５％信頼度は、例えば図１０（Ａ）に示すようになった。この結果により、最良の挿管困難の予測結果を得るためには、患者の仰臥位側面閉口中間位を用いてＡＩモデルを作成すればよいことがわかった。仰臥位側面閉口中間位を用いて作成したＡＩモデルの予測結果１０ａは、ＡＵＣ＝０．８６４、感度＝８１．８％、特異度＝８３．３％、正確度＝８０．５％、および９５％信頼区間＝０．７３１－０．９６９であり、図１０（Ｂ）に示すように、対象患者の既存の挿管困難予測因子のＡＵＣよりも優れた挿管困難診断能を得られた。なお、図１１（Ａ）は、仰臥位側面閉口中間位画像を顔画像とした場合の学習曲線を示し、図１１（Ｂ）は、仰臥位側面閉口中間位画像を顔画像とした場合のＲＯＣ曲線を示している。また、ＡＵＣが０．８６４であることから、患者の仰臥位側面閉口中間位画像を顔画像として用いて作成したＡＩモデルは、熟練した医師の目の代替になり得るとも考えられる。このため、本実施の形態では、患者の顔画像として仰臥位側面閉口中間位画像を採用することとした。
【手続補正14】
【補正対象書類名】明細書
【補正対象項目名】００３３
【補正方法】変更
【補正の内容】
【0033】
上記の処理によってＡＩモデルが作成されると、制御装置２０２は、ＡＩモデルを利用した予測処理が可能になる。この場合、新たな患者が発生したときに、その患者の仰臥位側面閉口中間位画像を撮影し、ＡＩモデルに仰臥位側面閉口中間位画像を入力すれば、その患者の挿管困難の予測結果を得ることができる。これによって、患者に挿管の必要が生じたときに事前に患者への気管挿管が容易か困難かを予測することができる。例えば、気管挿管が困難であることが予測される患者の場合は、熟練した医師や麻酔科医に挿管をより迅速に依頼するなどの対応が可能となる。以下、本実施の形態の挿管困難判定システム１０における予測処理の流れについて説明する。
【手続補正15】
【補正対象書類名】明細書
【補正対象項目名】００３７
【補正方法】変更
【補正の内容】
【0037】
図１２は、本実施の形態における情報端末１００で実行される処理の流れを示すフローチャートである。図１２に示す処理は、操作者によって挿管困難判定システム用のアプリケーションの実行が指示されると起動するプログラムとして、制御装置１０３によって実行される。なお、図１２に示す処理においては、上述した患者の挿管困難を予測するためのＡＩモデルは既に作成されているものとする。
【手続補正16】
【補正対象書類名】明細書
【補正対象項目名】００５０
【補正方法】変更
【補正の内容】
【0050】
（３）ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されるようにした。これによって、制御装置２０２は、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ったＡＩモデル有するため、患者の顔画像を入力すれば、その画像に応じた挿管困難の判定結果が出力されるように機械学習されたＡＩモデルを利用することができる。
【手続補正17】
【補正対象書類名】明細書
【補正対象項目名】００５１
【補正方法】変更
【補正の内容】
【0051】
（４）ＡＩモデルは、患者の顔画像と挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、トレーニングデータを用いてＡＩモデルの学習を行い、テストデータを用いて作成中のＡＩモデルの検証を行うことによって作成されるようにした。これによって、患者の顔画像を入力すれば、その画像に応じた挿管困難の判定結果が出力されるＡＩモデルの精度を高めることができる。
【手続補正書】
【提出日】2023-09-13
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
患者の挿管困難の判定結果を確認する人物が操作する情報端末と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置とが通信回線を介して接続された挿管困難判定システムであって、
前記情報端末は、
前記患者の顔画像を撮影する撮影手段と、
前記撮影手段によって撮影された前記患者の顔画像を前記挿管困難判定装置へ送信する画像送信手段と、
前記挿管困難判定装置から送信された前記挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、
前記挿管困難判定装置は、
前記患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、前記情報端末から受信した患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を前記情報端末へ送信する判定結果送信手段とを備え、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
前記情報端末は、
前記患者の顔画像を撮影する撮影手段と、
前記撮影手段によって撮影された前記患者の顔画像を前記挿管困難判定装置へ送信する画像送信手段と、
前記挿管困難判定装置から送信された前記挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、
前記挿管困難判定装置は、
前記患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、前記情報端末から受信した患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を前記情報端末へ送信する判定結果送信手段とを備え、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
【請求項2】
請求項１に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
【請求項3】
請求項２に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
【請求項4】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから出力された前記挿管困難の判定結果を表示装置に表示する表示手段とを備え、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
前記ＡＩモデルから出力された前記挿管困難の判定結果を表示装置に表示する表示手段とを備え、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定システム。
【請求項5】
請求項４に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定システム。
【請求項6】
請求項５に記載の挿管困難判定システムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定システム。
【請求項7】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手段とを備え、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定装置。
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手段とを備え、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定装置。
【請求項8】
請求項７に記載の挿管困難判定装置において、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定装置。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定装置。
【請求項9】
請求項８に記載の挿管困難判定装置において、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定装置。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定装置。
【請求項10】
患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるための挿管困難判定プログラムであって、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルから前記挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるための挿管困難判定プログラムであって、
前記患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする挿管困難判定プログラム。
【請求項11】
請求項１０に記載の挿管困難判定プログラムにおいて、
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルは、気管挿管を行った患者の顔画像と挿管難易度を示す挿管難易度情報とを紐づける深層学習を行ってあらかじめ作成されることを特徴とする挿管困難判定プログラム。
【請求項12】
請求項１１に記載の挿管困難判定プログラムにおいて、
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定プログラム。
前記ＡＩモデルは、前記患者の顔画像と前記挿管難易度情報とを関連付けたＡＩモデル作成用情報を学習用のトレーニングデータとテスト用のテストデータに分けて、前記トレーニングデータを用いて前記ＡＩモデルの学習を行い、前記テストデータを用いて作成中の前記ＡＩモデルの検証を行うことによって作成されることを特徴とする挿管困難判定プログラム。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】０００５
【補正方法】変更
【補正の内容】
【0005】
本発明による挿管困難判定システムは、患者の挿管困難の判定結果を確認する人物が操作する情報端末と、患者の挿管困難を判定するための処理を実行する挿管困難判定装置とが通信回線を介して接続された挿管困難判定システムであって、情報端末は、患者の顔画像を撮影する撮影手段と、撮影手段によって撮影された患者の顔画像を挿管困難判定装置へ送信する画像送信手段と、挿管困難判定装置から送信された挿管困難の判定結果を受信して表示装置に表示する表示手段とを備え、挿管困難判定装置は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、情報端末から受信した患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を情報端末へ送信する判定結果送信手段とを備え、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。
本発明による挿管困難判定システムはまた、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を表示装置に表示する表示手段とを備え、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。
本発明による挿管困難判定装置は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手段とを備え、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。
本発明による挿管困難判定プログラムは、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるためのプログラムであって、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。
本発明による挿管困難判定システムはまた、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから出力された挿管困難の判定結果を表示装置に表示する表示手段とを備え、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。
本発明による挿管困難判定装置は、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手段と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手段とを備え、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。
本発明による挿管困難判定プログラムは、患者の顔画像を入力すると該患者の挿管困難の判定結果を出力するように学習されたＡＩモデルに、患者の顔画像を入力する顔画像入力手順と、ＡＩモデルから挿管困難の判定結果を得て出力する判定結果出力手順とをコンピューターに実行させるためのプログラムであって、患者の顔画像は、患者の仰臥位の側面閉口中間位を撮影した画像であることを特徴とする。