特開 2023-82480 意思決定支援装置、意思決定支援方法、および意思決定支援プログラム

(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】P2023082480

(43)【公開日】2023-06-14

(54)【発明の名称】意思決定支援装置、意思決定支援方法、および意思決定支援プログラム

(51)【国際特許分類】

   G06Q 10/04 20230101AFI20230607BHJP

【ＦＩ】

G06Q10/04

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2021196291

(22)【出願日】2021-12-02

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110001678

【氏名又は名称】藤央弁理士法人

(72)【発明者】

【氏名】工藤 泰幸

(72)【発明者】

【氏名】水野 弘之

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA04

(57)【要約】      （修正有）

【課題】改善効果の選定の容易化を図る意思決定支援装置、意思決定支援方法及び意思決定支援プログラムを提供する。
【解決手段】意思決定支店装置１００は、プログラムを実行するプロセッサ１０１と、記憶デバイス１０２とを備える。記憶デバイス１０２は、複数の介入施策間の相対的な指標となるスコアを介入施策毎に記憶する。プロセッサ１０１は、複数の介入施策に関する複数の改善効果の中の第１改善効果の選択を受け付ける選択処理、選択処理によって第１改善効果が選択された第１介入施策の第１スコアに基づく調整範囲内で、第１スコアの調整可能な情報を出力する第１出力処理、調整範囲内での調整後の第１スコアによって設定されたスコア範囲を受け付ける入力処理及び複数の改善効果のうち入力処理によって受け付けられたスコア範囲に含まれる第２スコアを有する第２介入施策の第２改善効果を出力する第２出力処理を実行する。
【選択図】図１

【特許請求の範囲】

【請求項1】

プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する意思決定支援装置であって、
前記記憶デバイスは、複数の介入施策間の相対的な指標となるスコアを介入施策ごとに記憶し、
前記プロセッサは、
前記複数の介入施策に関する複数の改善効果の中の第１改善効果の選択を受け付ける選択処理と、
前記選択処理によって前記第１改善効果が選択された第１介入施策の第１スコアに基づく調整範囲内で、前記第１スコアの調整可能な情報を出力する第１出力処理と、
前記調整範囲内での調整後の第１スコアによって設定されたスコア範囲を受け付ける入力処理と、
前記複数の改善効果のうち、前記入力処理によって受け付けられた前記スコア範囲に含まれる第２スコアを有する第２介入施策の第２改善効果を出力する第２出力処理と、
を実行することを特徴とする意思決定支援装置。

【請求項2】

請求項１に記載の意思決定支援装置であって、
前記第２出力処理では、前記プロセッサは、前記複数の改善効果のうち、前記スコア範囲に含まれない第３スコアを有する第３介入施策の第３改善効果を出力しない、
ことを特徴とする意思決定支援装置。

【請求項3】

請求項１に記載の意思決定支援装置であって、
前記調整範囲の上限は、調整前の前記第１スコアに対応する、
ことを特徴とする意思決定支援装置。

【請求項4】

請求項１に記載の意思決定支援装置であって、
前記記憶デバイスは、前記介入施策ごとの時系列な予測結果群を記憶し、
前記プロセッサは、
前記介入施策ごとの時系列な予測結果群に基づいて、前記介入施策ごとの時系列な予測結果群の経時変動に関する前記スコアを算出する算出処理を実行し、
前記第１出力処理では、前記プロセッサは、前記第１介入施策の時系列な第１予測結果群の経時変動に関する前記第１スコアに基づく調整範囲内で、前記第１スコアの調整可能な情報を出力し、
前記第２出力処理では、前記プロセッサは、前記複数の改善効果のうち、前記スコア範囲に含まれ、かつ、前記第２介入施策の時系列な第２予測結果群の経時変動に関する前記第２スコアを有する前記第２介入施策の第２改善効果を出力する、
ことを特徴とする意思決定支援装置。

【請求項5】

請求項４に記載の意思決定支援装置であって、
前記記憶デバイスは、前記介入施策ごとの時系列な予測結果群と、前記複数の介入施策の基準となるベースライン施策の時系列な予測結果群と、を記憶し、
前記プロセッサは、
前記選択処理によって前記第１改善効果が選択された場合、前記第１介入施策の時系列な第１予測結果群と、前記ベースライン施策の時系列な予測結果群と、を出力する第３出力処理と、
を実行することを特徴とする意思決定支援装置。

【請求項6】

請求項１に記載の意思決定支援装置であって、
前記介入施策ごとの時系列な予測結果群に基づいて、前記介入施策ごとの時系列な予測結果群の信頼区間に関する前記スコアを算出する算出処理を実行し、
前記第１出力処理では、前記プロセッサは、前記第１介入施策の時系列な第１予測結果群の信頼区間に関する前記第１スコアに基づく調整範囲内で、前記第１スコアの調整可能な情報を出力し、
前記第２出力処理では、前記プロセッサは、前記複数の改善効果のうち、前記スコア範囲に含まれ、かつ、前記第２介入施策の時系列な第２予測結果群の信頼区間に関する前記第２スコアを有する前記第２介入施策の第２改善効果を出力する、
ことを特徴とする意思決定支援装置。

【請求項7】

請求項６に記載の意思決定支援装置であって、
前記記憶デバイスは、前記介入施策ごとの時系列な予測結果群と、前記複数の介入施策の基準となるベースライン施策の時系列な予測結果群と、を記憶し、
前記プロセッサは、
前記選択処理によって前記第１予測結果が選択された場合、前記第１介入施策の時系列な第１予測結果群の信頼区間と、前記ベースライン施策の時系列な予測結果群の信頼区間と、を出力する第３出力処理と、
を実行することを特徴とする意思決定支援装置。

【請求項8】

請求項６に記載の意思決定支援装置であって、
前記記憶デバイスは、前記介入施策ごとの時系列な予測結果群と、前記複数の介入施策の基準となるベースライン施策の時系列な予測結果群と、を記憶し、
前記プロセッサは、
前記選択処理によって前記第１予測結果が選択された場合、前記第１介入施策の時系列な第１予測結果群の信頼区間に関する前記第１スコアと、前記ベースライン施策の時系列な予測結果群の信頼区間に関する前記スコアと、を出力する第３出力処理と、
を実行することを特徴とする意思決定支援装置。

【請求項9】

請求項１に記載の意思決定支援装置であって、
前記記憶デバイスは、前記介入施策ごとの時系列な予測結果群を記憶するとともに当該予測結果群を出力した予測モデルが有する潜在変数を前記スコアとして記憶し、
前記第１出力処理では、前記プロセッサは、前記第１介入施策の第１潜在変数に基づく調整範囲内で、前記第１潜在変数の調整可能な情報を出力し、
前記第２出力処理では、前記プロセッサは、前記複数の改善効果のうち、前記スコア範囲に含まれ、かつ、前記第２介入施策の時系列な第２予測結果群の第２潜在変数を有する前記第２介入施策の第２改善効果を出力する、
ことを特徴とする意思決定支援装置。

【請求項10】

請求項９に記載の意思決定支援装置であって、
前記予測モデルは、部分的最小二乗回帰モデル、主成分回帰モデル、および構造方程式モデルのいずれかである、
ことを特徴とする意思決定支援装置。

【請求項11】

請求項９に記載の意思決定支援装置であって、
前記記憶デバイスは、前記介入施策ごとの潜在変数と、前記複数の介入施策の基準となるベースライン施策の潜在変数と、を記憶し、
前記プロセッサは、
前記選択処理によって前記第１改善効果が選択された場合、前記第１介入施策の第１潜在変数と、前記ベースライン施策の潜在変数と、を出力する第３出力処理と、
を実行することを特徴とする意思決定支援装置。

【請求項12】

請求項１１に記載の意思決定支援装置であって、
前記第３出力処理では、前記プロセッサは、前記第１介入施策の第１潜在変数と、前記ベースライン施策の潜在変数と、を周方向の複数の軸で表現されたグラフで出力する、
ことを特徴とする意思決定支援装置。

【請求項13】

プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する意思決定支援装置による意思決定支援方法であって、
前記記憶デバイスは、複数の介入施策間の相対的な指標となるスコアを介入施策ごとに記憶し、
前記プロセッサは、
前記複数の介入施策に関する複数の改善効果の中の第１改善効果の選択を受け付ける選択処理と、
前記選択処理によって前記第１改善効果が選択された第１介入施策の第１スコアに基づく調整範囲内で、前記第１スコアの調整可能な情報を出力する第１出力処理と、
前記調整範囲内での調整後の第１スコアによって設定されたスコア範囲を受け付ける入力処理と、
前記複数の改善効果のうち、前記入力処理によって受け付けられた前記スコア範囲に含まれる第２スコアを有する第２介入施策の第２改善効果を出力する第２出力処理と、
を実行することを特徴とする意思決定支援方法。

【請求項14】

複数の介入施策間の相対的な指標となるスコアを介入施策ごとに記憶する記憶デバイスにアクセス可能なプロセッサに、
前記複数の介入施策に関する複数の改善効果の中の第１改善効果の選択を受け付ける選択処理と、
前記選択処理によって前記第１改善効果が選択された第１介入施策の第１スコアに基づく調整範囲内で、前記第１スコアの調整可能な情報を出力する第１出力処理と、
前記調整範囲内での調整後の第１スコアによって設定されたスコア範囲を受け付ける入力処理と、
前記複数の改善効果のうち、前記入力処理によって受け付けられた前記スコア範囲に含まれる第２スコアを有する第２介入施策の第２改善効果を出力する第２出力処理と、
を実行させることを特徴とする意思決定支援プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、意思決定を支援する意思決定支援装置、意思決定支援方法、および意思決定支援プログラムに関する。

【背景技術】

【0002】

特許文献１は、複数の値の組み合わせにより何れの値をどのように変更すると現状の改善につながるか又は悪化につながるかを提示して、ユーザが現状改善の具体的施策を決定する意思決定支援システムを開示する。この意思決定支援システムは、推定モデルに利用されている変数の中で値が変更可能な変数を、端末より取得する設定手段と、端末から取得された変数から、推定を行う値の複数の組み合わせを生成する組合せ生成手段と、生成手段によって生成された値の複数の組み合わせを用いてシミュレーションを行い、推定結果を得る推定手段と、推定手段によって推定結果と用いられた値の組み合わせを端末に出力して、何れの値の変更が何れの推定結果を変更するかを可視的に表示する手段とを有する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４－８１８７８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１において、端末に表示される推定結果の数は、変更可能な入力変数の値の組合せ総数に等しい。このため、変更可能な入力変数とその値が多数存在する場合、多数の改善効果が表示される。したがって、変更可能な入力変数とその値が多くなるほど、予測された介入施策の改善効果からの介入施策の改善効果の絞り込みが困難になる。

【0005】

本発明は、改善効果の選定の容易化を図ることを目的とする。

【課題を解決するための手段】

【0006】

本願において開示される発明の一側面となる意思決定支援装置は、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する意思決定支援装置であって、前記記憶デバイスは、複数の介入施策間の相対的な指標となるスコアを介入施策ごとに記憶し、前記プロセッサは、前記複数の介入施策に関する複数の改善効果の中の第１改善効果の選択を受け付ける選択処理と、前記選択処理によって前記第１改善効果が選択された第１介入施策の第１スコアに基づく調整範囲内で、前記第１スコアの調整可能な情報を出力する第１出力処理と、前記調整範囲内での調整後の第１スコアによって設定されたスコア範囲を受け付ける入力処理と、前記複数の改善効果のうち、前記入力処理によって受け付けられた前記スコア範囲に含まれる第２スコアを有する第２介入施策の第２改善効果を出力する第２出力処理と、を実行することを特徴とする。

【発明の効果】

【0007】

本発明の代表的な実施の形態によれば、改善効果の選定の容易化を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

【図面の簡単な説明】

【0008】

【図1】図１は、意思決定支援装置のハードウェア構成例を示すブロック図である。

【図2】図２は、意思決定支援装置の機能的構成例を示すブロック図である。

【図3】図３は、テスト施策ＤＢの一例を示す説明図である。

【図4】図４は、意思決定支援装置による意思決定処理手順例を示すフローチャートである。

【図5】図５は、実施例１にかかるステップＳ４０２およびステップＳ４０３の処理例を示す説明図である。

【図6】図６は、アウトカム予測値群における差分データの一例を示す説明図である。

【図7】図７は、経時変動情報の一例を示す説明図である。

【図8】図８は、予測情報表示画面の一例を示す説明図である。

【図9】図９は、予測結果表示エリアの表示例１を示す説明図である。

【図10】図１０は、結果表示調整エリアの表示例１示す説明図である。

【図11】図１１は、実施例２にかかるステップＳ４０２およびステップＳ４０３の処理例を示す説明図である。

【図12】図１２は、Ｋ個のアウトカム予測値群のグループ化の一例を示す説明図である。

【図13】図１３は、実施例２における差分データの一例を示す説明図である。

【図14】図１４は、予測結果表示エリアの表示例２を示す説明図である。

【図15】図１５は、結果表示調整エリアの表示例２を示す説明図である。

【図16】図１６は、実施例３にかかるステップＳ４０３およびＳ４０４の処理例を示す説明図である。

【図17】図１７は、予測結果表示エリアの表示例３を示す説明図である。

【図18】図１８は、結果表示調整エリアの表示例３を示す説明図である。

【図19】図１９は、実施例４にかかる意思決定支援装置による予測結果データの一例を示す説明図である。

【発明を実施するための形態】

【実施例0009】

＜意思決定支援装置のハードウェア構成例＞
図１は、意思決定支援装置のハードウェア構成例を示すブロック図である。意思決定支援装置１００は、プロセッサ１０１と、記憶デバイス１０２と、入力デバイス１０３と、出力デバイス１０４と、通信インターフェース（通信ＩＦ）１０５と、を有する。プロセッサ１０１、記憶デバイス１０２、入力デバイス１０３、出力デバイス１０４、および通信ＩＦ１０５は、バス１０６により接続される。プロセッサ１０１は、意思決定支援装置１００を制御する。記憶デバイス１０２は、プロセッサ１０１の作業エリアとなる。また、記憶デバイス１０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス１０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス１０３は、データを入力する。入力デバイス１０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナ、マイク、センサがある。出力デバイス１０４は、データを出力する。出力デバイス１０４としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信ＩＦ１０５は、ネットワークと接続し、データを送受信する。

【0010】

＜意思決定支援装置の機能的構成例＞
図２は、意思決定支援装置の機能的構成例を示すブロック図である。意思決定支援装置１００は、取得部２０１と、複製部２０２と、予測部２０３と、算出部２０４と、表示制御部２０５と、テスト施策ＤＢ２１１と、予測モデルＤＢ２１２と、を有する。取得部２０１、複製部２０２、予測部２０３、算出部２０４、および表示制御部２０５は、具体的には、たとえば、図１に示した記憶デバイス１０２に記憶されたプログラムを、プロセッサ１０１に実行させることにより実現される。また、テスト施策ＤＢ２１１および予測モデルＤＢ２１２は、具体的には、たとえば、図１に示した記憶デバイス１０２、または、意思決定支援装置１００と通信可能なコンピュータの記憶デバイス１０２に記憶され、プロセッサ１０１がアクセス可能である。

【0011】

テスト施策ＤＢ２１１は、ある繰り返し回次のテスト施策データを記憶する。テスト施策ＤＢ２１１の詳細については、図３で後述する。

【0012】

予測モデルＤＢ２１２は、予測モデル群を記憶する。予測モデル群は同一のＭ（Ｍは２以上の整数）個の予測モデルＰＭａ１～ＰＭａＭである。予測モデルＰＭａ１～ＰＭａＭを区別しない場合は、予測モデルＰＭａｍと表記する。ｍは１≦ｍ≦Ｍを満たす整数であり、後述する繰り返し回次ｍとなる。予測モデルＰＭａｍは、たとえば、ニューラルネットワークモデルである。また、予測モデルＰＭａｍは、テスト施策と同種の入力変数を持つ訓練データによって、予め学習が完了しているものとする。予測モデルＰＭａｍが出力するアウトカムの数値であるアウトカム予測値は、０％から１００％の範囲とする。

【0013】

取得部２０１は、テスト施策ＤＢ２１１からテスト施策データを取得する。複製部２０２は、取得部２０１によって取得されたテスト施策データを複製する。予測部２０３は、複製された各々のテスト施策データを予測モデルＰＭａ１～ＰＭａＭに入力して予測結果を出力する。算出部２０４は、差分データおよび付属情報を算出する。表示制御部２０５は、予測情報を生成し、予測情報を表示可能に出力する。予測情報の出力先は、出力デバイス１０４の一例である表示装置、または、意思決定支援装置１００と通信可能なコンピュータの表示装置である。また、表示制御部２０５は、入力デバイス１０３、または、意思決定支援装置１００と通信可能なコンピュータの入力デバイス１０３を用いた操作入力により、予測情報を調整して、調整後の予測情報を表示可能に出力する。取得部２０１、複製部２０２、予測部２０３、算出部２０４、および表示制御部２０５の具体的な処理については、図４で後述する。

【0014】

＜テスト施策ＤＢ＞
図３は、テスト施策ＤＢの一例を示す説明図である。テスト施策ＤＢ２１１は、テスト施策についての入力変数を規定したデータベースであり、あらかじめ用意されている。テスト施策ＤＢ２１１は、フィールドとして、テスト施策３０１と、入力変数群３０２と、を有するテスト施策データ３００－３を記憶する。テスト施策３０１は、ベースライン施策Ｐ０と、Ｔ（Ｔは１以上の整数）個の介入施策Ｐ１～ＰＴと、を含む。ベースライン施策Ｐ０は、介入施策Ｐ１～ＰＴの基準となるテスト施策である。具体的には、たとえば、介入施策Ｐ１～ＰＴは、ベースライン施策Ｐ０に対して入力変数群３０２の値を変更したテスト施策３０１である。

【0015】

ベースライン施策Ｐ０、介入施策Ｐ１、Ｐ２、…、ＰＴを区別しない場合は、施策Ｐｔ（ｔは０≦ｔ≦Ｔを満たす整数）と表記する。また、介入施策Ｐ１、Ｐ２、…、ＰＴを区別しない場合は、介入施策Ｐｔ（ｔは１≦ｔ≦Ｔを満たす整数）と表記する。

【0016】

入力変数群３０２は、テスト施策３０１を特徴づけるＮ（Ｎは１以上の整数）個の入力変数Ｘ１～ＸＮであり、テスト施策３０１各々のエントリに入力変数Ｘ１～ＸＮの値が格納される。入力変数Ｘ１～ＸＮには、時間に関する変数が含まれる。たとえば、入力変数Ｘ１～ＸＮのうちいずれかの入力変数（たとえば、Ｘ１）は、繰り返し回次ｍである。繰り返し回次ｍとは、テスト施策３０１が同じ状況または同じ介入に繰り返し遭遇する場合、現在はその何回目であるかを示す数値である。図３では、例として、繰り返し回次ｍ＝３とする。テスト施策ＤＢ２１１に記憶されているテスト施策データ３００－３の入力変数Ｘ１の値「３」を、ベース回次と称す。

【0017】

＜意思決定処理手順＞
図４は、意思決定支援装置１００による意思決定処理手順例を示すフローチャートである。

【0018】

ステップＳ４００：意思決定支援装置１００は、ユーザが入力した、アウトカム予測分析の開始を示す入力指示を、入力デバイス１０３を介して受け取り、データ処理を開始する。

【0019】

ステップＳ４０１：意思決定支援装置１００は、取得部２０１により、テスト施策ＤＢ２１１から（Ｔ＋１）個のテスト施策３０１、すなわち、ベースライン施策Ｐ０およびＴ個の介入施策Ｐ１～ＰＴのエントリのデータを取得する。つぎに、意思決定支援装置１００は、取得部２０１により、取得した（Ｔ＋１）個のテスト施策３０１を予測モデルＰＭａｍに入力するための、テスト施策３０１の逐次化処理を実行する。たとえば、意思決定支援装置１００は、取得部２０１により、ベースライン施策Ｐ０、介入施策Ｐ１、Ｐ２、…、ＰＴの順に、時分割で予測モデルに入力されるようにテスト施策データ３００を整形する。以下、図５を用いて具体的に説明する。

【0020】

図５は、実施例１にかかるステップＳ４０２およびステップＳ４０３の処理例を示す説明図である。

【0021】

ステップＳ４０２：意思決定支援装置１００は、複製部２０２により、逐次化されたテスト施策３０１（Ｐ０～ＰＴ）の全エントリを（Ｍ－１）個分複製し、テスト施策データ３００－１、３００－２、３００－４、…、３００－Ｍとする。

【0022】

複製した（Ｍ－１）個のテスト施策データ３００－１、３００－２、３００－４、…、３００－Ｍの各々について、意思決定支援装置１００は、テスト施策３０１（Ｐ０～ＰＴ）の全エントリにおける入力変数Ｘ１（繰り返し回次）の値ｍのみを変更する。たとえば、意思決定支援装置１００は、（Ｍ－１）個のテスト施策データ３００－１、３００－２、３００－４、…、３００－Ｍの各々について、テスト施策３０１における入力変数Ｘ１の値を、それぞれ１からの昇順になるようＭまでの値（ただし、ベース回次である「３」を除く）に変更する。

【0023】

具体的には、たとえば、意思決定支援装置１００は、複製部２０２により、図３に示した変更前のテスト施策３０１を除いた（Ｍ－１）個のテスト施策３０１のうち１番目のテスト施策３０１の入力変数Ｘ１の値を「１」、２番目のテスト施策３０１の入力変数Ｘ１の値を「２」、４番目のテスト施策３０１の入力変数Ｘ１の値を「４」、…、ｉ番目のテスト施策３０１の入力変数Ｘ１の値を「ｉ」、…、Ｍ番目のテスト施策３０１の入力変数Ｘ１の値を「Ｍ」に変更する。

【0024】

ステップＳ４０３：意思決定支援装置１００は、予測部２０３により、予測モデルＤＢ２１２からＭ個の予測モデルＰＭａ１～ＰＭａＭを取得し、上記Ｍ個のテスト施策データ３００－１～３００－Ｍを、各予測モデルＰＭａ１～ＰＭａＭに逐次入力する。つまり、Ｍ個の予測モデルＰＭａ１～ＰＭａＭの各々には、入力変数Ｘ１である繰り返し回次の値が異なるテスト施策データ３００－１～３００－Ｍが入力される。そして、意思決定支援装置１００は、予測部２０３により、Ｍ個の予測モデルＰＭａ１～ＰＭａＭから逐次予測されるＭ個のアウトカム予測値群Ｒａ１～ＲａＭを取得する。

【0025】

アウトカム予測値群Ｒａ１～ＲａＭの各々は、（Ｔ＋１）個のアウトカム予測値の集合である。たとえば、アウトカム予測値群Ｒａ１は、繰り返し回次ｍ＝１における、ベースライン施策Ｐ０のアウトカム予測値ｙ１０、介入施策Ｐ１のアウトカム予測値ｙ１１、…、介入施策Ｐ１のアウトカム予測値ｙ１Ｔを含む。

【0026】

アウトカム予測値群Ｒａ２は、繰り返し回次ｍ＝２における、ベースライン施策Ｐ０のアウトカム予測値ｙ２０、介入施策Ｐ１のアウトカム予測値ｙ２１、…、介入施策Ｐ１のアウトカム予測値ｙ２Ｔを含む。アウトカム予測値群Ｒａ３は、繰り返し回次ｍ＝３（ベース回次）における、ベースライン施策Ｐ０のアウトカム予測値ｙ３０、介入施策Ｐ１のアウトカム予測値ｙ３１、…、介入施策Ｐ１のアウトカム予測値ｙ３Ｔを含む。アウトカム予測値群Ｒａ４以降も同様であり、アウトカム予測値群ＲａＭは、繰り返し回次ｍ＝Ｍにおける、ベースライン施策Ｐ０のアウトカム予測値ｙＭ０、介入施策Ｐ１のアウトカム予測値ｙＭ１、…、介入施策Ｐ１のアウトカム予測値ｙＭＴを含む。

【0027】

アウトカム予測値群Ｒａ１～ＲａＭを区別しない場合は、単に、アウトカム予測値群Ｒａｍと表記する。同様に、アウトカム予測値群Ｒａｍ内の各々の（Ｔ＋１）個のアウトカム予測値も、繰り返し回次ｍにおける、ベースライン施策Ｐ０のアウトカム予測値ｙｍ０、介入施策Ｐ１のアウトカム予測値ｙｍ１、…、介入施策Ｐ１のアウトカム予測値ｙｍＴと表記する。また、繰り返し回次ｍ＝Ｍにおける、ベースライン施策Ｐ０のアウトカム予測値ｙｍ０、介入施策Ｐ１のアウトカム予測値ｙｍ１、…、介入施策Ｐ１のアウトカム予測値ｙｍＴを区別しない場合は、単にアウトカム予測値ｙｍｔと表記する。

【0028】

ステップＳ４０４：意思決定支援装置１００は、算出部２０４により、繰り返し回次ｍにおけるアウトカム予測値群Ｒａｍについて、（Ｔ＋１）個のベースライン施策Ｐ０のアウトカム予測値ｙｍ０、介入施策Ｐ１のアウトカム予測値ｙｍ１、…、介入施策Ｐ１のアウトカム予測値ｙｍＴの各々と、ベースライン施策Ｐ０のアウトカム予測値ｙｍ０と、の差分ｄｍ０～ｄｍＴを算出する。

【0029】

図６は、アウトカム予測値群Ｒａｍにおける差分データの一例を示す説明図である。アウトカム予測値群Ｒａｍにおける差分データＤｍは、差分ｄｍ０～ｄｍＴを含む。差分ｄｍ０～ｄｍＴを区別しない場合は、差分ｄｍと表記する。差分データＤｍは、アウトカム予測値群Ｒａｍについて算出される。差分データＤｍは、後述する改善効果ランキングに用いられる。

【0030】

ステップＳ４０５：図４に戻り、意思決定支援装置１００は、算出部２０４により、アウトカム予測値群Ｒａｍに基づき、アウトカム予測値群Ｒａｍごとに付属情報を算出する。付属情報は、アウトカム予測値群Ｒａｍの経時変動情報と、アウトカム予測値群Ｒａｍの経時変動スコアと、を含む。

【0031】

図７は、経時変動情報の一例を示す説明図である。経時変動情報７００は、図７に示したように、グラフ表示が可能である。グラフ７０１の横軸は繰り返し回次ｍ（入力変数Ｘ１）であり、縦軸は繰り返し回次ｍでのアウトカム予測値ｙｍｔである。

【0032】

ベース経時変動データ７０２は、ベースライン施策Ｐ０の経時的な特性を示すデータである。具体的には、たとえば、ベース経時変動データ７０２は、繰り返し回次ｍが異なるアウトカム予測値群Ｒａ１～ＲａＭの各々のベースライン施策Ｐ０のアウトカム予測値ｙ１０、ｙ２０、ｙ３０、…、ｙＭ０（図７では、Ｍ＝７として表記）を繰り返し回次順にプロットしたデータである（図７中、▲で表記）。

【0033】

また、介入経時変動データ７０３は、介入施策Ｐｔの経時的な特性を示すデータである。具体的には、たとえば、介入経時変動データ７０３は、繰り返し回次ｍが異なるアウトカム予測値群Ｒａ１～ＲａＭの各々の介入施策Ｐｔのアウトカム予測値ｙ１ｔ、ｙ２ｔ、ｙ３ｔ、…、ｙＭｔ（図７では、Ｍ＝７として表記）を繰り返し回次順にプロットしたデータである（図７中、●で表記）。介入経時変動データ７０３は、介入施策Ｐ１～ＰＴの各々について存在する。

【0034】

また、経時変動スコアは、たとえば、介入施策Ｐｔについて、繰り返し回次をｍ＝１とした時のアウトカム予測値ｙ１ｔと、繰り返し回次をｍ＝Ｍとした時のアウトカム予測値ｙＭｔと、を用いて、下記式（１）により算出される。ＳＣｔは、介入施策Ｐｔについての経時変動スコア（単位は［％］）である。

【0035】

ＳＣｔ＝（｜ｙ１ｔ－ｙＭｔ｜／ｙ１ｔ）×１００・・・（１）

【0036】

経時変動スコアＳＣｔは、介入施策Ｐ１～ＰＴの各々について算出される。経時変動スコアＳＣｔは、｜ｙ１ｔ－ｙＭｔ｜が大きいほど大きな値となる。

【0037】

ステップＳ４０６：図４に戻り、意思決定支援装置１００は、表示制御部２０５により、予測情報の生成および表示を実行する。予測情報は、出力デバイス１０４の一例である表示装置に表示される。

【0038】

図８は、予測情報表示画面の一例を示す説明図である。予測情報表示画面８００は、予測情報を表示するための表示画面であり、改善効果ランキング表示エリア８０１と、選択介入施策の内訳表示エリア８０２と、予測結果表示エリア８０３と、結果表示調整エリア８０４と、を有する。

【0039】

改善効果ランキング表示エリア８０１は、ベース回次（ｍ＝３）での改善効果ランキングを予測情報として表示する領域である。

【0040】

改善効果ランキングとは、ベース回次（ｍ＝３）において、改善効果の高い順に介入施策Ｐｔをランク付けした改善効果の集合である。具体的には、たとえば、意思決定支援装置１００は、ベース回次（ｍ＝３）において、差分ｄｍの降順で１位からＴ位まで介入施策Ｐｔをランク付けする。たとえば、１位の介入施策Ｐｔの差分ｄｍは「＋３５％」である。

【0041】

また、各々の順位において、括弧内数値は、ベース回次（ｍ＝３）における介入施策Ｐｔのアウトカム予測値ｙｍｔである。たとえば、１位の介入施策Ｐｔのアウトカム予測値ｙｍｔは「５５％」である。なお、介入施策Ｐｔの改善効果は、差分ｄｍおよびアウトカム予測値ｙｍｔのうち少なくとも一方があればよい。

【0042】

改善効果ランキング表示エリア８０１内の左端の「現状」は、ベース回次（ｍ＝３）における、ベースライン施策Ｐ０の差分ｄｍ０（±０％）とアウトカム予測値ｙｍ０（２０％）とを含む。

【0043】

ユーザは、入力デバイス１０３を操作することにより、ｔ位の介入施策Ｐｔの改善効果を選択可能である。

【0044】

選択介入施策の内訳表示エリア８０２は、改善効果ランキング表示エリア８０１において改善効果が選択された介入施策（選択介入施策）Ｐｔの内訳を予測情報として表示する領域である。ユーザによる入力デバイス１０３の操作で、たとえば、改善効果ランキング表示エリア８０１内の２位の改善効果（太枠で表記）が第１改善効果として選択されたとする。

【0045】

この場合、意思決定支援装置１００は、テスト施策ＤＢ２１１の中から、ベース回次（ｍ＝３）において、選択された順位の介入施策Ｐｔ（第１改善施策Ｐｔ）に関する入力変数Ｘ１～ＸＮの値と、ベースライン施策Ｐ０に関する入力変数Ｘ１～ＸＮの値を取得する。そして、意思決定支援装置１００は、ベースライン施策Ｐ０に関する入力変数Ｘ１～ＸＮの値を変更前の値（矢印の始端側）とし、選択された順位の介入施策Ｐｔに関する入力変数Ｘ１～ＸＮの値（矢印の終端側）として、選択介入施策Ｐｔの内訳表示エリア８０２に表示する。

【0046】

なお、意思決定支援装置１００は、選択された順位の介入施策Ｐｔとベースライン施策Ｐ０との間で変更されていない入力変数については表示しなくてもよい。図８では、入力変数Ｘ２の値が「０」から「２」に変更され、入力変数Ｘ３の値が「５」から「４」に変更された内訳が表示される。

【0047】

予測結果表示エリア８０３は、ステップＳ４０５で算出した付属情報のうち予測結果を示す経時変動情報７００を予測情報として表示する領域である。ユーザによる入力デバイス１０３の操作で、たとえば、改善効果ランキング表示エリア８０１内の２位の改善効果（太枠で表記）が第１改善効果として選択されたとする。

【0048】

この場合、意思決定支援装置１００は、ベース回次（ｍ＝３）において、ベース経時変動データ７０２と選択された順位の介入施策Ｐｔ（第１改善施策Ｐｔ）の介入経時変動データ７０３とを経時変動情報７００として取得し、予測結果表示エリア８０３に表示する。

【0049】

図９は、予測結果表示エリア８０３の表示例１を示す説明図である。経時変動情報７００において、縦線９００は、ベース回次（ｍ＝３）を示す。これにより、ユーザは、表示中の経時変動情報７００のどこにベース回次（ｍ＝３）があるかを視認することができる。

【0050】

図８に戻り、結果表示調整エリア８０４は、ステップＳ４０５で算出した付属情報のうち経時変動スコアＳＣｔの値を調整するユーザインタフェースを予測情報として表示する領域である。

【0051】

図１０は、結果表示調整エリア８０４の表示例１を示す説明図である。結果表示調整エリア８０４には、第１スコアである経時変動スコアＳＣｔの値を調整するユーザインタフェース１０００が表示される。ユーザインタフェース１０００は、数値軸１００１と、スライダ１００２と、を有する。

【0052】

数値軸１００１は、右端を０％、左端を１００％とするスライダバーである。スライダ１００２は、ユーザによる入力デバイス１０３の操作で、数値軸１００１上を移動可能である。スライダ１００２のデフォルト位置は、１００％とする。１００％の位置は、選択介入施策Ｐｔの経時変動スコアＳＣｔに対応する。スライダ１００２が右に移動するほど、スライダ１００２が示すパーセントの値が減少するため、経時変動スコアＳＣｔも低下する。０％からスライダ１００２の現在位置を示すパーセントまでの範囲をスコア範囲（図１０中、数値軸１００１上の黒太線で表記）と称す。

【0053】

スコア範囲内の経時変動スコアＳＣｔを有する介入施策Ｐｔの改善効果が、改善効果ランキング表示エリア８０１での表示対象に選定される。図１０の例では、スライダ１００２は数値軸１００１の７５％に位置するため、０％～７５％までの黒で示した範囲が、スコア範囲に設定される。

【0054】

すなわち、意思決定支援装置１００は、表示制御部２０５により、スライダ１００２の現在位置の数値（図１０の例では７５％）以下の経時変動スコア（図１０の例では、０．７５×ＳＣｔ～０）である第２スコアを有する第２介入施策Ｐｔの第２改善効果を、改善効果ランキング表示エリア８０１の表示対象に設定する。したがって、ユーザがスライダ１００２を右に動かすほど、改善効果ランキング表示エリア８０１に表示される介入施策Ｐｔの数が減少する。その結果、表示されている介入施策Ｐｔは、表示されていない介入施策Ｐｔよりも経時変動スコアＳＣｔの小さい、つまり持続性の高い介入施策Ｐｔとなる。

【0055】

また、黒で示したスコア範囲外の経時変動スコアに対応する第３介入施策Ｐｔは、表示されなくなるため、介入施策Ｐｔを選択する際の選択肢が減少し、ユーザの負担が軽減される。

【0056】

また、ランキングの表示数が予め設定されている場合、その表示数に合わせて意思決定支援装置１００がスコア調整を自動実行し、調整結果を経時変動スコアＳＣｔのスコア範囲として出力してもよい。

【0057】

ステップＳ４０７、Ｓ４０８：図４に戻り、意思決定支援装置１００は、表示制御部２０５により、ユーザ操作があれば（ステップＳ４０７：Ｙｅｓ）、予測情報表示画面８００の表示内容を調整して（ステップＳ４０８）、調整後の予測情報を予測情報表示画面８００に表示する（ステップＳ４０６）。

【0058】

ステップＳ４０７のユーザ操作とは、具体的には、たとえば、上述した改善効果ランキング表示エリア８０１内のｔ位の介入施策Ｐｔの改善効果の選択、または、結果表示調整エリア８０４内のスライダ１００２の移動操作である。

【0059】

ステップＳ４０８の予測情報表示画面８００の表示内容調整は、ステップＳ４０７のユーザ操作が改善効果ランキング表示エリア８０１内のｔ位の介入施策Ｐｔの改善効果の選択であれば、予測結果表示エリア８０３における選択介入施策Ｐｔについての経時変動情報７００の表示であり、ステップＳ４０７のユーザ操作が結果表示調整エリア８０４内のスライダ１００２の移動操作であれば、改善効果ランキング表示エリア８０１のスライダ１００２の現在位置の数値以下の経時変動スコアＳＣｔを持つ介入施策Ｐｔについての改善効果（差分ｄｍ、アウトカム予測値ｙｍｔ）である。ステップＳ４０８の調整結果は、予測結果ＤＢに格納され、ユーザからの要求に応じて呼び出し可能である。

【0060】

ユーザ操作がない場合（ステップＳ４０７：Ｎｏ）、終了条件（たとえば、図示しない終了ボタンの押下）を満たせば、意思決定支援装置１００による意思決定処理が終了する。

【0061】

このように、実施例１にかかる意思決定支援装置１００は、ユーザが付属情報である経時変動スコアＳＣｔの範囲を設定すると、これらの条件に合致する介入施策Ｐｔの予測結果が表示される。つまり、ユーザは、アウトカム予測値ｙｍｔと経時変動スコアＳＣｔという２つの評価項目を用いて、介入施策Ｐｔの持続性を確認することができる。これにより、変更可能な入力変数とその値が多数存在する場合でも、最適な介入施策Ｐｔを選定することが可能となる。

【0062】

なお、実施例１では、入力変数Ｘ１～ＸＮに、名義尺度や順序尺度を持つ質的変数、および、間隔尺度や比例尺度を持つ連続変数のいずれにも適用可能である。また、予測モデルＰＭａｍは、ニューラルネットワークモデルとしたが、これに限られる訳ではない。たとえば、ロジスティック回帰モデル、ランダムフォレストモデル、ベイジアンネットワークモデルなどの予測モデルを適用することも可能である。

【0063】

また、ステップＳ４０２において、繰り返し回次ｍの値を、１から順にＭまでの１刻みとしたが、これに限られる訳ではない。たとえば、２以上の刻み幅を設定することも可能であり、この場合、必要となる予測モデルＰＭａｍの数は、Ｍを刻み幅で除算した値に減らすことができる。

【0064】

また、図９に示したように、経時変動情報７００を折れ線グラフで表現したが、これに限られる訳ではなく、たとえば、テーブル形式でもよい。さらに、意思決定支援装置１００は、経時変動スコアＳＣｔの設定範囲に合致する介入施策Ｐｔのみを結果表示の対象としたが、これに限られる訳ではない。たとえば、意思決定支援装置１００は、改善効果ランキング表示エリア８０１の改善効果と、経時変動スコアＳＣｔの設定範囲との合致度の両方を加味して、改善効果ランキングの順位を決めることも可能である。

【実施例0065】

実施例２は、実施例１において、経時変動情報７００を、アウトカム予測値群（ｙ１ｔ、ｙ２ｔ、…、ｙＫｔ）の信頼区間に変更した例である。実施例２では、実施例１との相違点を中心に説明し、実施例１と同一内容については説明を省略する。

【0066】

実施例２の予測モデルＤＢ２１２は、訓練データが異なるＫ（Ｋは２以上の整数）個の予測モデルＰＭｂ１～ＰＭｂＫを記憶する。すなわち、予測モデルＰＭｂ１～ＰＭｂＫの学習パラメータは異なっており、同一の入力データが与えられた場合には、異なる出力データが得られる。なお、予測モデルＰＭｂ１～ＰＭｂＫを区別しない場合は、予測モデルＰＭｂｋ（ｋは１≦ｋ≦Ｋを満たす整数）と表記する。予測モデルＰＭｂｋの訓練データは、たとえば、元の訓練データから復元抽出されたブートストラップ標本とする。

【0067】

図１１は、実施例２にかかるステップＳ４０２およびステップＳ４０３の処理例を示す説明図である。

【0068】

ステップＳ４０２：意思決定支援装置１００は、複製部２０２により、逐次化されたテスト施策３０１（Ｐ０～ＰＴ）の全エントリを（Ｋ－１）個分複製し、テスト施策データ１１００－１、１１００－２、１１００－４、…、１１００－Ｋとする。実施例１と異なり、それぞれのテスト施策データ１１００－１、１１００－２、１１００－４、…、１１００－Ｋに対して、入力変数Ｘ１の値である繰り返し回次は変更しない。すなわち、テスト施策データ１１００－１、１１００－２、１１００－４、…、１１００－Ｋにおいて、入力変数Ｘ１の値は、ベース回次ｍ＝３である。

【0069】

ステップＳ４０３：意思決定支援装置１００は、予測部２０３により、予測モデルＤＢ２１２からＫ個の予測モデルＰＭｂ１～ＰＭｂＫを取得し、上記Ｋ個のテスト施策データ１１００－１～１１００－Ｋを、各予測モデルＰＭｂ１～ＰＭｂＫに逐次入力する。そして、意思決定支援装置１００は、予測部２０３により、Ｋ個の予測モデルＰＭｂ１～ＰＭｂＫから逐次予測される、Ｋ個のアウトカム予測値群Ｒｂ１～ＲｂＫを取得する。意思決定支援装置１００は、予測部２０３により、Ｋ個のアウトカム予測値群Ｒｂ１～ＲｂＫを、施策Ｐｔごとにグループ化する。

【0070】

図１２は、Ｋ個のアウトカム予測値群Ｒｂ１～ＲｂＫのグループ化の一例を示す説明図である。Ｋ個のアウトカム予測値群Ｒｂ１～ＲｂＫは、施策Ｐｔごとにまとめられた（Ｔ＋１）個のアウトカム予測値群ＲＢ０～ＲｂＴにグループ化される。アウトカム予測値群ＲＢ０は、ベースライン施策Ｐ０のアウトカム予測値ｙ１０～ｙＫ０の集合である。アウトカム予測値群ＲＢｔは、介入施策Ｐｔのアウトカム予測値ｙ１ｔ～ｙＫｔの集合である。

【0071】

ステップＳ４０４：意思決定支援装置１００は、予測部２０３により、（Ｔ＋１）個のアウトカム予測値群ＲＢ０～ＲｂＴの各々について平均値ｙ（０）、ｙ（１）、…、ｙ（Ｔ）を逐次算出する。そして、意思決定支援装置１００は、（Ｔ＋１）個のアウトカム予測値群ＲＢ０～ＲｂＴの平均値ｙ（０）、ｙ（１）、…、ｙ（Ｔ）の各々と、ベースライン施策Ｐ０のアウトカム予測値の平均値ｙ（０）との差分を逐次算出する。平均値ｙ（０）、ｙ（１）、…、ｙ（Ｔ）を区別しない場合は、平均値ｙ（ｔ）と表記する。

【0072】

図１３は、実施例２における差分データの一例を示す説明図である。差分データＤｂは、（Ｔ＋１）個の差分ｄ（０）～ｄ（Ｔ）を有する。差分ｄ（０）～ｄ（Ｔ）を区別しない場合は、差分ｄ（ｔ）と表記する。差分データＤｂは、後述する改善効果ランキングに用いられる。

【0073】

ステップＳ４０５：意思決定支援装置１００は、算出部２０４により、（Ｔ＋１）個のアウトカム予測値群ＲＢ０～ＲｂＴの各々について付属情報を算出する。アウトカム予測値群ＲＢｔの付属情報は、アウトカム予測値群ＲＢｔにおける信頼区間、および信頼区間スコアである。各施策Ｐｔの信頼区間は、たとえば、アウトカム予測値群ＲＢｔ内のＫ個のアウトカム予測値ｙ１ｔ～ｙＫｔにおける、５パーセンタイルから９５パーセンタイルまでの範囲である。各施策Ｐｔの信頼区間スコアは、たとえば、当該施策Ｐｔの信頼区間の上限をＡ、下限をＢとした場合、（Ａ－Ｂ）により算出される。

【0074】

ステップＳ４０８：意思決定支援装置１００は、ステップＳ４０７によりユーザが入力デバイス１０３を介して入力した信頼区間の範囲を取得する。意思決定支援装置１００は、表示制御部２０５により、取得した信頼区間の範囲に基づいて、予測情報を生成して表示する（ステップＳ４０６）。また、意思決定支援装置１００は、予測情報を記憶デバイス１０２へ格納する。

【0075】

具体的には、たとえば、意思決定支援装置１００は、表示制御部２０５により、改善効果ランキングにおいて、ユーザにより選択された順位の介入施策Ｐｔ（第１改善施策Ｐｔ）についてのアウトカム予測値群ＲＢｔ（ｙ１ｔ、ｙ２ｔ、…、ｙＫｔ）に基づいた信頼区間（以下、選択介入施策Ｐｔの信頼区間）を、ベースライン施策Ｐ０についてのアウトカム予測値群ＲＢ０（ｙ１０、ｙ２０、…、ｙＫ０）に基づいた信頼区間（以下、ベースライン施策Ｐ０の信頼区間）とともに予測結果表示エリア８０３に表示する。

【0076】

図１４は、予測結果表示エリア８０３の表示例２を示す説明図である。予測結果表示エリア８０３において、信頼区間情報１４００は、ベースライン施策Ｐ０の信頼区間１４０１と、選択介入施策Ｐｔの信頼区間１４０２と、ベースライン施策Ｐ０の信頼区間スコア１４１１と、第１スコアである選択介入施策Ｐｔの信頼区間スコア１４１２と、を含む。図１４では、改善効果ランキングにおいて、ユーザにより選択された２位の選択介入施策Ｐｔの信頼区間１４０２および第１スコアである信頼区間スコア１４１２が表示されている。

【0077】

図１５は、結果表示調整エリア８０４の表示例２を示す説明図である。結果表示調整エリア８０４には、第１スコアである選択介入施策Ｐｔの信頼区間スコア１４１２を調整するユーザインタフェース１５００が表示される。ユーザインタフェース１５００は、数値軸１５０１と、スライダ１５０２と、を有する。

【0078】

数値軸１５０１は、右端を２０％、左端を１００％とするスライダバーである。スライダ１５０２は、ユーザによる入力デバイス１０３の操作で、数値軸１５０１上を移動可能である。スライダ１５０２のデフォルト位置は、１００％とする。１００％の位置は、選択介入施策Ｐｔの信頼区間スコア１４１２に対応する。スライダ１５０２が右に移動するほど、スライダ１５０２が示すパーセントの値が減少するため、信頼区間スコア１４１２も低下する。２０％からスライダ１５０２の現在位置を示すパーセントまでの範囲がスコア範囲（図１５中、数値軸１５０１上の黒太線で表記）である。

【0079】

スコア範囲内の信頼区間スコア１４１２を有する介入施策Ｐｔの改善効果が、改善効果ランキング表示エリア８０１での表示対象に選定される。図１５の例では、スライダ１５０２は数値軸１５０１の７０％に位置するため、２０％～７０％までの黒で示した範囲がスコア範囲に設定される。

【0080】

すなわち、意思決定支援装置１００は、表示制御部２０５により、スライダ１３０２の現在位置の数値以下の信頼区間スコア１１０２を持つ介入施策Ｐｔ（第２介入施策Ｐｔ）の改善効果（第２改善効果）を、改善効果ランキング表示エリア８０１の表示対象に設定する。したがって、ユーザがスライダ１３０２を右に動かすほど、改善効果ランキング表示エリア８０１に表示される介入施策Ｐｔの数が減少する。その結果、表示されている介入施策Ｐｔは、表示されていない介入施策Ｐｔよりも信頼区間スコア１２０２の小さい、つまり確実性の高い介入施策Ｐｔとなる。

【0081】

また、黒で示したスコア範囲外の信頼区間スコア１１０２に対応する第３介入施策Ｐｔは、表示されなくなるため、介入施策Ｐｔを選択する際の選択肢が減少し、ユーザの負担が軽減される。

【0082】

また、ランキングの表示数が予め設定されている場合、その表示数に合わせて意思決定支援装置１００がスコア調整を自動実行し、調整結果を信頼区間スコア１１０２のスコア範囲として出力してもよい。

【0083】

このように、実施例２にかかる意思決定支援装置１００は、ユーザが付属情報である信頼区間スコア１２０２の範囲を設定すると、これらの条件に合致する介入施策Ｐｔの予測結果が表示される。つまり、ユーザは、アウトカム予測値群（ｙ１ｔ、ｙ２ｔ、…、ｙＫｔ）と信頼区間スコア１２０２という２つの評価項目を用いて、介入施策Ｐｔの確実性を確認することができる。これにより、変更可能な入力変数とその値が多数存在する場合でも、最適な介入施策Ｐｔを選定することが可能となる。

【0084】

なお、実施例２では、介入施策Ｐｔと予測モデルＰＭｂｋの入力変数Ｘ１～ＸＮに、時間に関する変数が無い場合にも適用可能である。なお、実施例１と同じく、予測モデルＰＭｂｋは、ニューラルネットワークモデルに限られる訳ではない。ただし、行列演算などの解析的手法、あるいはブートストラップなどの統計的手法を用いて、アウトカム予測値の信頼区間が算出可能なモデルであることが望ましい。