特開 2024-173771 医用情報処理装置、医用情報処理システム、および医用情報処理方法

(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】P2024173771

(43)【公開日】2024-12-12

(54)【発明の名称】医用情報処理装置、医用情報処理システム、および医用情報処理方法

(51)【国際特許分類】

   G16H 50/20 20180101AFI20241205BHJP

【ＦＩ】

G16H50/20

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2024086114

(22)【出願日】2024-05-28

(31)【優先権主張番号】P 2023088611

(32)【優先日】2023-05-30

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】594164542

【氏名又は名称】キヤノンメディカルシステムズ株式会社

(74)【代理人】

【識別番号】110001634

【氏名又は名称】弁理士法人志賀国際特許事務所

(72)【発明者】

【氏名】田古島 太郎

(72)【発明者】

【氏名】前田 伊知朗

(72)【発明者】

【氏名】寺井 公一

(72)【発明者】

【氏名】吉脇 正泰

(72)【発明者】

【氏名】山崎 裕之

(72)【発明者】

【氏名】渋谷 真人

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA03

(57)【要約】

【課題】臨床データの解析アプリケーションの選択を適切且つ簡便に行うことである。
【解決手段】実施形態の医用情報処理装置は、取得部と、選定部と、を持つ。取得部は、被検体の臨床データを取得する。選定部は、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するユーザのレポートデータに基づいて、取得された臨床データの解析を行う１以上の解析アプリケーションを選定する。
【選択図】図２

【特許請求の範囲】

【請求項1】

被検体の臨床データを取得する取得部と、
臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するユーザのレポートデータに基づいて、取得された前記臨床データの解析を行う１以上の解析アプリケーションを選定する選定部と、
を備える、医用情報処理装置。

【請求項2】

前記選定部は、前記レポートデータにおいて前記ユーザにより選択された前記解析結果を生成した解析アプリケーションの種類に基づいて、前記１以上の解析アプリケーションを選定する、
請求項１に記載の医用情報処理装置。

【請求項3】

前記選定部は、前記解析アプリケーションの種類に加えて、前記レポートデータに含まれる前記解析結果と紐付けられる付帯情報に基づいて、前記１以上の解析アプリケーションを選定する、
請求項２に記載の医用情報処理装置。

【請求項4】

前記付帯情報は、前記ユーザの所見を示す情報および前記臨床データのオーダ情報の少なくとも一方を含む、
請求項３に記載の医用情報処理装置。

【請求項5】

前記選定部は、臨床データが入力されたときに当該臨床データの解析を行う解析アプリケーションの候補を出力するように学習された学習モデルに対して、取得された前記臨床データを入力することにより前記学習モデルから出力される前記解析アプリケーションの候補を、前記１以上の解析アプリケーションとして選定する、
請求項１に記載の医用情報処理装置。

【請求項6】

前記レポートデータを学習することで前記学習モデルを生成する学習部をさらに備える、
請求項５に記載の医用情報処理装置。

【請求項7】

前記選定部は、前記レポートデータに含まれる前記解析結果を生成した解析アプリケーションの統計データに基づいて、前記１以上の解析アプリケーションを選定する、
請求項１に記載の医用情報処理装置。

【請求項8】

選定された前記１以上の解析アプリケーションを実行する実行部と、
実行された前記１以上の解析アプリケーションの解析結果を提供する提供部と、
をさらに備える、
請求項１から７の何れか一項に記載の医用情報処理装置。

【請求項9】

前記取得部は、前記レポートデータを、レポートシステムから取得する、
請求項１から７の何れか一項に記載の医用情報処理装置。

【請求項10】

前記選定部は、前記ユーザによる前記解析結果の参照時間または参照回数に基づいて、前記１以上の解析アプリケーションを選定する、
請求項１から７の何れか一項に記載の医用情報処理装置。

【請求項11】

前記学習モデルは、入力データの数または種類が異なる複数の学習モデルを含み、
前記選定部は、取得された前記臨床データに応じて前記複数の学習モデルの中から１以上の学習モデルを選択し、前記１以上の解析アプリケーションを選定する、
請求項５または６に記載の医用情報処理装置。

【請求項12】

医用情報処理装置と、レポートシステムとを備える医用情報処理システムであって、
前記レポートシステムは、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対してユーザが過去に作成したレポートデータを記憶し、
前記医用情報処理装置は、
前記レポートシステムに記憶された前記レポートデータを学習することで、臨床データが入力されたときに当該臨床データの解析を行う解析アプリケーションの候補を出力する学習モデルを生成する学習部と、
新たな解析の対象となる被検体の臨床データを取得する取得部と、
生成された前記学習モデルに対して、取得された前記新たな解析の対象となる被検体の臨床データを入力することにより前記学習モデルから出力される前記解析アプリケーションの候補を、取得された前記新たな解析の対象となる被検体の臨床データの解析を行う１以上の解析アプリケーションとして選定する選定部と、
を備える、
医用情報処理システム。

【請求項13】

医用情報処理装置と、レポートシステムとを備える医用情報処理システムであって、
前記レポートシステムは、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対してユーザが過去に作成したレポートデータを記憶し、
前記医用情報処理装置は、
新たな解析の対象となる被検体の臨床データを取得する取得部と、
前記レポートデータに含まれる前記解析結果を生成した解析アプリケーションの統計データに基づいて、取得された前記新たな解析の対象となる被検体の臨床データの解析を行う１以上の解析アプリケーションを選定する選定部と、
を備える、
医用情報処理システム。

【請求項14】

コンピュータが、
被検体の臨床データを取得し、
臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するユーザのレポートデータに基づいて、取得された前記臨床データの解析を行う１以上の解析アプリケーションを選定する、
医用情報処理方法。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書及び図面に開示の実施形態は、医用情報処理装置、医用情報処理システム、および医用情報処理方法に関する。

【背景技術】

【0002】

従来、医用画像診断装置により撮像された医用画像等の臨床データを解析し、所望の解析結果を得る解析アプリケーション（以下「解析アプリ」という）が知られている。医師は、解析アプリから得られた解析結果を参照することで、患者の診断や、診断結果のレポート作成を正確且つスムーズに行うことができる。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１１－２１８２２０号公報

【特許文献2】特開２０１３－１７８７９６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

解析アプリには、解析対象の臨床データの種類や解析の目的に応じて、様々な種類のアプリケーションが存在する。診断に適した解析アプリを優先的に選定し、有用な解析結果を医師に提供することが望ましい。しかしながら、解析アプリの選定を自動的に行うためには、医師からの解析結果の有用性に関するフィードバックを受け、フィードバックに基づいて複数の解析アプリの中から適切なアプリを選択する仕組みが必要となる。

【0005】

本明細書及び図面に開示の実施形態が解決しようとする課題は、臨床データの解析アプリケーションの選択を適切且つ簡便に行うことである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

【課題を解決するための手段】

【0006】

実施形態の医用情報処理装置は、取得部と、選定部と、を持つ。取得部は、被検体の臨床データを取得する。選定部は、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するユーザのレポートデータに基づいて、取得された臨床データの解析を行う１以上の解析アプリケーションを選定する。

【図面の簡単な説明】

【0007】

【図1】実施形態に係る医用情報処理システムＳの構成の一例を示す図。

【図2】実施形態に係る解析サーバ１の構成の一例を示す機能ブロック図。

【図3A】実施形態に係る学習モデルＭＤ１の入出力データの一例を示す図。

【図3B】実施形態に係る学習モデルＭＤ２の入出力データの一例を示す図。

【図3C】実施形態に係る学習モデルＭＤ３の入出力データの一例を示す図。

【図4】実施形態に係る端末装置３の構成の一例を示す機能ブロック図。

【図5】実施形態に係るレポートシステム７に記憶されるレポートデータＲＤ一例を示す図。

【図6】実施形態に係る医用情報処理システムＳにおけるレポートデータＲＤの登録処理の一例を示すシーケンス図。

【図7】実施形態に係る端末装置３に表示されるレポート作成画面Ｐ１の一例を示す図。

【図8】実施形態に係る医用情報処理システムＳにおける学習処理の一例を示すシーケンス図。

【発明を実施するための形態】

【0008】

以下、図面を参照しながら、実施形態の医用情報処理装置、医用情報処理システム、および医用情報処理方法について説明する。実施形態の医用情報処理システムは、各種解析アプリの解析結果の正確性や有益性に関するフィードバックをユーザから取得し、当該フィードバックに基づいて状況に応じた最適な解析アプリの選択を可能にする。

【0009】

［医用情報処理システムの構成］
図１は、実施形態に係る医用情報処理システムＳの構成の一例を示す図である。医用情報処理システムＳは、例えば、解析サーバ１と、端末装置３と、画像保存通信システム（ＰＡＣＳ：Picture Archiving and Communication System）５と、レポートシステム７と、病院情報システム（ＨＩＳ：Hospital Information System）９と、および一以上のモダリティＭとを備える。解析サーバ１、端末装置３、ＰＡＣＳ５、レポートシステム７、ＨＩＳ９、およびモダリティＭは、通信ネットワークＮＷを介して、互いに通信可能に接続されている。通信ネットワークＮＷは、電気通信技術を利用した情報通信網全般を意味する。例えば、通信ネットワークＮＷは、病院基幹ＬＡＮ（Local Area Network）等の無線／有線ＬＡＮやインターネット網のほか、電話通信回線網、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を含む。

【0010】

［モダリティ］
モダリティＭは、被検体の臨床データを取得する医用装置である。モダリティＭは、例えば、Ｘ線ＣＴ（Computed Tomography）装置、Ｘ線診断装置、磁気共鳴イメージング装置、超音波診断装置、核医学診断装置、心電計、脈拍計等を含む。モダリティＭは、例えば、医師や技師等により操作される。モダリティＭにより生成された臨床データは、解析サーバ１やＰＡＣＳ５に送信される。以下において、モダリティＭが、Ｘ線ＣＴ装置である場合を例に挙げて説明する。

【0011】

［解析サーバ］
解析サーバ１は、モダリティＭから送信される臨床データやＨＩＳ９から送信されるオーダ情報および電子カルテ情報に基づいて、解析アプリを選定および実行し、解析アプリの解析結果を端末装置３に送信する。また、解析サーバ１は、レポートシステム７から送信されるフィードバック情報に基づいて、解析アプリの選定のための処理を行う。解析サーバ１は、「医用情報処理装置」の一例である。

【0012】

図２は、実施形態に係る解析サーバ１の構成の一例を示す機能ブロック図である。解析サーバ１は、例えば、処理回路１０と、メモリ１２とを備える。処理回路１０は、解析サーバ１の全体の動作を制御する。処理回路１０は、例えば、取得機能１０１と、選定機能１０３と、実行機能１０５と、提供機能１０７と、学習機能１０９とを実行する。これらの機能は、例えば、ハードウェアプロセッサ（コンピュータ）がメモリ１２に格納されたプログラム（ソフトウェア）を実行することにより実現される。ハードウェアプロセッサとは、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ））等の回路（circuitry）を意味する。メモリ１２にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。

【0013】

取得機能１０１は、モダリティＭから送信される臨床データやＨＩＳ９から送信されるオーダ情報および電子カルテ情報を取得する。また、取得機能１０１は、レポートシステム７から送信されるフィードバック情報（ユーザのレポートデータ）を取得する。取得機能１０１は、「取得部」の一例である。

【0014】

選定機能１０３は、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するフィードバック情報（ユーザのレポートデータ，ユーザにより選択された解析結果を生成した解析アプリケーションの種類,ユーザにより選択されなかった解析結果を生成した解析アプリケーションの種類）に基づいて、予めメモリ１２に格納されている複数種の解析アプリの中から、取得機能１０１により取得された臨床データの解析を行う１以上の解析アプリを選定する。選定機能１０３は、例えば、臨床データがＣＴ画像データである場合、当該ＣＴ画像データに付帯されるＤＩＣＯＭ（Digital Imaging and Communication in Medicine）規格に準拠した形式の情報（以下「ＤＩＣＯＭタグ」ともいう）に応じて、解析アプリを選定する。ＤＩＣＯＭタグには、モダリティ情報、撮影条件（検査対象の対象部位情報、撮影プロトコル等）、検査ＩＤ、被検体ＩＤ等の情報が含まれる。選定機能１０３は、「選定部」の一例である。

【0015】

また、選定機能１０３は、解析アプリケーションの種類に加えて、レポートデータに含まれる解析結果と紐付けられる付帯情報に基づいて、１以上の解析アプリケーションを選定する。付帯情報は、ユーザの所見（疑い病名等）を示す情報および臨床データのオーダ情報の少なくとも一方を含む。

【0016】

選定機能１０３は、例えば、メモリ１２に予め格納された学習モデルＭＤを用いて、解析アプリを選定する。学習モデルＭＤは、臨床データ、オーダ情報、および電子カルテ情報等が入力されたときに、実行対象とする解析アプリの候補（以下「解析アプリ候補」という）を出力するように学習されたモデルである。学習モデルＭＤは、ニューラルネットワーク、サポートベクターマシン、決定木等の様々な記述方法により生成される。ニューラルネットワークは、例えば、オートエンコーダ、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）、再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network：）等を含む。選定機能１０３は、学習モデルＭＤに対して臨床データ、オーダ情報、および電子カルテ情報等を入力し、学習モデルＭＤの出力である解析アプリ候補を取得する。

【0017】

図３Ａは、実施形態に係る学習モデルＭＤ１の入出力データの一例を示す図である。学習モデルＭＤ１は、オーダ情報ＯＩ、モダリティ情報ＭＩ、および対象部位情報ＴＩを入力データとし、１つの解析アプリ候補ＡＣを出力データとする。オーダ情報ＯＩは、例えば、検査目的を含む。モダリティ情報ＭＩは、ＤＩＣＯＭタグから取得されるモダリティ（画像種）を識別する情報である。対象部位情報ＴＩは、ＤＩＣＯＭタグから取得される検査対象の部位を示す情報である。

【0018】

図３Ｂは、実施形態に係る学習モデルＭＤ２の入出力データの一例を示す図である。学習モデルＭＤ２は、オーダ情報ＯＩ、モダリティ情報ＭＩ、および対象部位情報ＴＩを入力データとし、３つの解析アプリ候補ＡＣ１～ＡＣ３を出力データとする。３つの解析アプリ候補ＡＣ１～ＡＣ３は、ニューラルネットワークのソフトマックス関数等を用いることにより優先順位付けがなされたものであってもよい。出力データとなる解析アプリ候補の数は任意であり、２つまたは４つ以上であってもよい。

【0019】

図３Ｃは、実施形態に係る学習モデルＭＤ３の入出力データの一例を示す図である。学習モデルＭＤ２は、オーダ情報ＯＩ、モダリティ情報ＭＩ、および対象部位情報ＴＩに加えて、所見情報ＤＩを入力データとし、１つの解析アプリ候補ＡＣを出力データとする。所見情報ＤＩは、例えば、オーダ情報や電子カルテ情報から取得される被検体の病状に関する医師の診断結果を示す情報である。出力データとなる解析アプリ候補の数は任意であり、２つ以上であってもよい。

【0020】

すなわち、選定機能１０３は、臨床データが入力されたときに当該臨床データの解析を行う解析アプリケーションの候補を出力するように学習された学習モデルＭＤに対して、取得された臨床データを入力することにより学習モデルＭＤから出力される解析アプリケーションの候補を、１以上の解析アプリケーションとして選定する。

【0021】

尚、選定機能１０３は、機械学習技術に基づく学習モデルではなく、レポートデータに含まれる解析結果を生成した解析アプリケーションの統計データ（後述するキー画像として選択された解析結果の出力元となった解析アプリの統計データ）或いはレポートデータに含まれない解析結果を生成した解析アプリケーションの統計データ（後述するキー画像として選択されなかった解析結果の出力元となった解析アプリの統計データ）に基づいて、１以上の解析アプリケーションとして選定してもよい。

【0022】

図２に戻り、実行機能１０５は、選定機能１０３により選定された解析アプリを実行する。選定機能１０３により複数の解析アプリが選定されている場合には、実行機能１０５は、複数の解析アプリの各々を実行する。実行機能１０５は、「実行部」の一例である。

【0023】

提供機能１０７は、実行機能１０５により実行された解析アプリから出力される解析結果を端末装置３に送信する。これにより端末装置３には、解析結果が表示される。また、提供機能１０７は、取得機能１０１により取得された臨床データ（ＣＴ画像データ）を端末装置３に送信してもよい。提供機能１０７は、「提供部」の一例である。

【0024】

学習機能１０９は、取得機能１０１により取得されたレポートシステム７からのフィードバック情報（レポートデータ）を用いて学習処理を行うことにより、学習モデルＭＤを生成して、メモリ１２に格納する。学習機能１０９は、「学習部」の一例である。学習機能１０９の処理の詳細については後述する。

【0025】

メモリ１２は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。メモリ１２は、例えば、学習モデルＭＤ、第１解析アプリＡＰ１、第２解析アプリＡＰ２、第３解析アプリＡＰ３、第４解析アプリＡＰ４等を記憶する。これらのデータは、メモリ１２ではなく（或いはメモリ１２に加えて）、解析サーバ１が通信可能な外部メモリに記憶されてもよい。外部メモリは、例えば、外部メモリを管理するクラウドサーバが読み書きの要求を受け付けることで、クラウドサーバによって制御されるものである。

【0026】

［端末装置］
図１に戻り、端末装置３は、解析サーバ１により提供される解析結果を参照し、解析結果に基づくレポートデータを生成するための装置である。端末装置３は、例えば、医師、技師等のユーザ（以下「医師Ｄ」という）によって操作される。端末装置３は、例えば、パーソナルコンピュータ、タブレットやスマートフォン等の携帯端末等である。図４は、実施形態に係る端末装置３の構成の一例を示す機能ブロック図である。端末装置３は、例えば、処理回路３０と、メモリ３２と、入力インタフェース３４と、ディスプレイ３６とを備える。

【0027】

処理回路３０は、例えば、取得機能３０１と、決定機能３０３と、レポート機能３０５と、表示制御機能３０７とを実行する。これらの機能は、例えば、ハードウェアプロセッサ（コンピュータ）がメモリ３２に格納されたプログラム（ソフトウェア）を実行することにより実現される。

【0028】

取得機能３０１は、解析サーバ１から送信される解析結果および臨床データ（ＣＴ画像データ）を取得する。

【0029】

決定機能３０３は、入力インタフェース３４を介した医師Ｄの操作に基づいて、解析結果の中から、医師Ｄが診断に有益なものとして選択した解析結果（画像）を、キー画像として決定する。決定機能３０３の処理の詳細については後述する。

【0030】

レポート機能３０５は、入力インタフェース３４を介した医師Ｄの操作に基づいて、レポートデータを生成する。レポート機能３０５は、例えば、メモリ３２に予め格納されたレポート作成アプリＲＡを実行する。レポートデータは、例えば、決定機能３０３により決定されたキー画像に加えて、当該キー画像に紐づく医師Ｄの所見情報を含む。レポート機能３０５の処理の詳細については後述する。

【0031】

表示制御機能３０７は、取得機能３０１により取得された解析結果や、医師Ｄによる各種操作を受け付けるＧＵＩ（Graphical User Interface）画像等を、ディスプレイ３６に表示させる。表示制御機能３０７は、例えば、メモリ３２に予め格納されたビューアアプリＶＡを実行し、解析結果をディスプレイ３６に表示させる。

【0032】

メモリ３２は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。メモリ３２は、例えば、ビューアアプリＶＡ、レポート作成アプリＲＡ等を記憶する。これらのデータは、メモリ３２ではなく（或いはメモリ３２に加えて）、端末装置３が通信可能な外部メモリに記憶されてもよい。

【0033】

入力インタフェース３４は、医師Ｄによる各種の入力操作を受け付け、受け付けた入力操作の内容を示す電気信号を処理回路３０に出力する。例えば、入力インタフェース３４は、キー画像の選択、所見情報の入力等の操作を受け付ける。例えば、入力インタフェース３４は、マウスやキーボード、タッチパネル、ドラッグボール、スイッチ、ボタン、ジョイスティック、カメラ、赤外線センサ、マイク等により実現される。尚、本明細書において入力インタフェースはマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェースの例に含まれる。

【0034】

ディスプレイ３６は、各種の情報を表示する。例えば、ディスプレイ３６は、処理回路３０によって生成されたビュー画面、レポート作成画面、医師Ｄによる各種操作を受け付けるＧＵＩ画像等を表示する。ディスプレイ３６は、例えば、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）、有機ＥＬ（Electroluminescence）ディスプレイ等である。ディスプレイ３６は、デスクトップ型でもよいし、端末装置３の本体部と無線通信可能な表示装置（例えばタブレット端末）であってもよい。

【0035】

［ＰＡＣＳ］
図１に戻り、ＰＡＣＳ５は、各種医用画像データを管理する。ＰＡＣＳ５は、例えば、各種モダリティＭにより取得された臨床データＣＤ、解析サーバ１により取得された解析結果である解析データＡＤ等を記憶および管理する。

【0036】

［レポートシステム］
レポートシステム７は、端末装置３を介した医師Ｄによる操作に基づいて作成されたレポートデータＲＤを記憶および管理する。図５は、実施形態に係るレポートシステム７に記憶されるレポートデータＲＤ一例を示す図である。レポートデータＲＤは、例えば、被検体を識別する被検体ＩＤに対して、キー画像として採用された解析結果の出力元の解析アプリ、オーダ情報、モダリティ情報、医師Ｄの所見情報等が紐付けられている。レポートデータＲＤは、解析結果の数値情報を含んでいてもよい。

【0037】

［ＨＩＳ］
ＨＩＳ９は、病院内での業務支援を行うコンピュータシステムである。ＨＩＳ９は、各種サブシステムを有する。各種サブシステムとしては、例えば、電子カルテシステム９１、オーダシステム９３等が含まれる。医師Ｄは、端末装置３を介して、電子カルテシステム９１を利用することで、被検体の電子カルテを参照することができる。また、医師Ｄは、端末装置３を介して、オーダシステム９３を利用することで、各種医用画像診断のオーダを行うことができる。

【0038】

［レポートデータの登録処理］
次に、医用情報処理システムＳの処理の流れについて説明する。図６は、実施形態に係る医用情報処理システムＳにおけるレポートデータＲＤの登録処理の一例を示すシーケンス図である。図６に示す登録処理は、例えば、医師Ｄが、端末装置３の入力インタフェース３４を介して、登録処理の開始の指示を入力した場合に開始される。

【0039】

まず、解析サーバ１の取得機能１０１は、モダリティＭから、対象となる被検体の臨床データを取得する（ステップＳ１０１）。例えば、解析サーバ１は、Ｘ線ＣＴ装置であるモダリティＭから、ＣＴ画像を取得する。このＣＴ画像には、ＤＩＣＯＭタグが付与されている。

【0040】

次に、解析サーバ１の取得機能１０１は、オーダシステム９３から、被検体に対するオーダ情報を取得する。このオーダ情報は、上記のステップＳ１０１において取得された臨床データ（ＣＴ画像）の取得を指示する際に発行されたものである。すなわち、本レポートデータＲＤの登録処理が開始されるよりも前に、医師Ｄ（或いは他の医師）が、臨床データ（ＣＴ画像）の取得をオーダした際に、オーダシステム９３に登録されたものである。このオーダ情報は、例えば、検査目的等の情報を含む。尚、取得機能１０１は、電子カルテシステム９１から、被検体の電子カルテの情報を取得してもよい。この電子カルテは、例えば、被検体に対して過去に行われた他の検査の結果の情報を含む。

【0041】

次に、解析サーバ１の選定機能１０３は、取得機能１０１により取得された臨床データ（ＤＩＣＯＭタグの情報）、オーダ情報、および電子カルテ情報等に基づいて、メモリ１２に予め格納されている複数種の解析アプリの中から、実行対象とする１以上の解析アプリを選定する（ステップＳ１０５）。選定機能１０３は、例えば、メモリ１２に格納された学習モデルＭＤを用いて、複数の解析アプリの中から、実行対象とする１以上の解析アプリを選定する。

【0042】

次に、解析サーバ１の実行機能１０５は、選定機能１０３により選定された解析アプリを実行する（ステップＳ１０７）。選定機能１０３により複数の解析アプリが選定されている場合には、実行機能１０５は、複数の解析アプリの各々を実行し、解析結果の各々を得る。

【0043】

次に、解析サーバ１の提供機能１０７は、実行機能１０５により実行された解析アプリから出力される解析結果を端末装置３に送信する（ステップＳ１０９）。

【0044】

次に、端末装置３の表示制御機能３０７は、入力インタフェース３４を介した医師Ｄの操作に応じて、メモリ３２に予め格納されたビューアアプリＶＡを実行し、解析サーバ１から送信された解析結果をディスプレイ３６に表示させる（ステップＳ１１１）。これにより、医師Ｄは、ディスプレイ３６に表示された解析結果を確認することができる。

【0045】

次に、端末装置３の決定機能３０３およびレポート機能３０５は、入力インタフェース３４を介した医師Ｄの操作に応じて、メモリ３２に予め格納されたレポート作成アプリＲＡを実行し、レポートデータを生成する（ステップＳ１１３）。レポートデータは、例えば、キー画像として採用された解析結果の出力元の解析アプリ、キー画像として採用されなかった解析結果の出力元の解析アプリ、オーダ情報、モダリティ情報、医師Ｄの所見等を含む。

【0046】

図７は、実施形態に係る端末装置３に表示されるレポート作成画面Ｐ１の一例を示す図である。レポート作成画面Ｐ１には、例えば、キー画像選択領域ＫＡ、被検体情報領域ＴＡ、および所見入力領域ＯＡが設けられる。キー画像選択領域ＫＡは、解析結果ＡＧの中から、医師Ｄが有益であると判断した画像をキー画像として受け付ける領域である。医師Ｄは、入力インタフェース３４であるマウスを操作してクリックアンドドロップ操作を行うことで、キー画像をキー画像選択領域ＫＡに貼り付ける。或いは、医師Ｄは、入力インタフェース３４を操作して、キー画像として判断した解析結果のハイパーリンクの情報を、キー画像選択領域ＫＡに入力する。決定機能３０３は、このような医師Ｄの操作に応じて、キー画像を決定する。被検体情報領域ＴＡは、オーダ情報や電子カルテ情報に含まれる被検体の各種情報を表示する領域である。所見入力領域ＯＡは、入力インタフェース３４を介した医師Ｄの操作に応じて、医師Ｄの所見の入力を受け付ける領域である。また、医師Ｄの操作に応じて、決定されたキー画像に対して評価度の情報が付加されるようにしてもよい。評価度は、例えば、「とても良い」、「良い」、「普通」等のレベルの高低で表されるものであってもよいし、数値（例えば、１～５の数値）で表されるものであってもよい。

【0047】

尚、レポート作成画面Ｐ１には、キー画像として選択されなかった解析結果（非キー画像）を張り付ける領域（非キー画像選択領域）が設けられるようにしてもよい。非キー画像は、医師Ｄが有効ではない解析結果（不適切な解析アプリが出力した解析結果）と判断した画像である。医師Ｄは、入力インタフェース３４であるマウスを操作してクリックアンドドロップ操作を行うことで、非キー画像を非キー画像選択領域に貼り付ける。或いは、医師Ｄは、入力インタフェース３４を操作して、非キー画像として判断した解析結果のハイパーリンクの情報を、非キー画像選択領域に入力する。決定機能３０３は、このような医師Ｄの操作に応じて、非キー画像を決定する。

【0048】

次に、端末装置３のレポート機能３０５は、生成したレポートデータを、レポートシステム７に送信する（ステップＳ１１５）。レポートシステム７は、端末装置３から受信したレポートデータの登録処理を行う（ステップＳ１１７）。以上により、レポートデータの登録処理が終了する。

【0049】

［レポートデータの学習処理］
図８は、実施形態に係る医用情報処理システムＳにおける学習処理の一例を示すシーケンス図である。図８に示す学習処理は、例えば、解析サーバ１の管理者が解析サーバ１の入力インタフェース（不図示）を介して学習処理の開始の指示を入力した場合、或いは、所定の日時でのバッチ処理により開始される。

【0050】

まず、レポートシステム７は、登録済みのレポートデータ（フィードバック情報）を解析サーバ１に送信することで、フィードバックを行う（ステップＳ２０１）。解析サーバ１に送信されるレポートデータは、例えば、キー画像として採用した解析結果の出力元の解析アプリ、キー画像として採用されなかった解析結果の出力元の解析アプリ、オーダ情報、モダリティ情報、所見等を含む。

【0051】

次に、解析サーバ１の学習機能１０９は、レポートシステム７から受信したレポートデータを用いて、学習処理を行い、学習モデルＭＤを生成する（ステップＳ２０３）。学習機能１０９は、生成した学習済みの学習モデルＭＤを、メモリ１２に保管する（ステップＳ２０５）。以上により、レポートデータの学習処理が終了する。

【0052】

尚、レポートデータに、キー画像として採用されなかった解析結果の出力元の解析アプリの情報が含まれている場合、学習機能１０９は、当該解析アプリのモデルの出力データへの寄与度（重み）が低くなるように学習処理を行い、学習モデルＭＤを生成する。或いは、レポートデータに、キー画像として採用されなかった解析結果の出力元の解析アプリの情報が含まれていない場合であっても、学習機能１０９は、医師Ｄに提供した解析結果のリスト情報と、医師Ｄがキー画像として採用した解析結果の情報とから、キー画像として採用されなかった解析結果の出力元の解析アプリを特定し、特定した解析アプリのモデルの出力データへの寄与度（重み）が低くなるように学習処理を行い、学習モデルＭＤを生成してもよい。

【0053】

尚、レポートデータに医師Ｄによる端末装置３での各解析結果の参照時間または参照回数の情報を含め、レポートシステム７が解析サーバ１にフィードバックするようにしてもよい。この場合、解析サーバ１の選定機能１０３は、解析結果の参照時間または参照回数の情報に基づいて、１以上の解析アプリケーションを選定するようにしてよい。これにより、医師Ｄによりキー画像として選択されるまでには至らなかったが、参照時間が長いまたは参照回数が多い解析結果を有益である可能性が高いものと判断し、その後の選定に考慮することが可能となる。

【0054】

尚、メモリ１２に格納される学習モデルＭＤは、１つに限られない。図３Ａから３Ｃに示すような、入出力データの数や種類が異なる複数種の学習モデルＭＤがメモリ１２に格納されてもよい。解析サーバ１の選定機能１０３は、複数種の学習モデルＭＤの中からユーザにより選択された１つの学習モデルまたは複数の学習モデルを用いて、解析アプリケーションを選定してもよい。

【0055】

また、解析サーバ１の選定機能１０３は、学習済みモデルを用いて解析アプリケーションを選定する際に、学習時のデータに近い解析アプリケーションを提案できたか否かを評価することで、提案の信頼度を算出するようにしてもよい。信頼度が所定の閾値よりも小さい場合、評価対象とする入力データの項目が多すぎて（類似する入力データが学習されていない状況か、学習データが不足する状況）安定的な解析アプリケーションの提案が得られない状況と判断し、解析アプリケーションを提案させる学習済みモデルを最低限の入力項目を使用する学習済みモデルへ切り替え、再度提案を行うようにしてもよい。

【0056】

すなわち、学習モデルは、入力データの数または種類が異なる複数の学習モデルを含み、選定機能１０３は、取得された臨床データに応じて複数の学習モデルの中から１以上の学習モデルを選択し、１以上の解析アプリケーションを選定するようにしてもよい。

【0057】

以上説明した実施形態によれば、被検体の臨床データを取得し、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するユーザのレポートデータに基づいて、取得された臨床データの解析を行う１以上の解析アプリケーションを選定することで、臨床データの解析アプリケーションの選択を適切且つ簡便に行うことができる。

【0058】

（付記）
実施形態の医用情報処理装置は、他の実施形態として、コンピュータに、被検体の臨床データを取得させ、臨床データの解析を行う複数種の解析アプリケーションの解析結果に対するユーザのレポートデータに基づいて、取得された臨床データの解析を行う１以上の解析アプリケーションを選定させるプログラムとして表現することもできる。

【0059】

いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

【符号の説明】

【0060】

１…解析サーバ，３…端末装置，５…ＰＡＣＳ，７…レポートシステム，９…ＨＩＳ，９１…電子カルテシステム，９３…オーダシステム，１０…処理回路，１２…メモリ，１０１…取得機能，１０３…選定機能，１０５…実行機能，１０７…提供機能，１０９…学習機能，３０…処理回路，３２…メモリ，３４…入力インタフェース，３６…ディスプレイ，３０１…取得機能，３０３…決定機能，３０５…レポート機能，３０７…表示制御機能，Ｍ…モダリティ

【図1】

【図2】

【図3A】

【図3B】

【図3C】

【図4】

【図5】

【図6】

【図7】

【図8】