知財求人 - 知財ポータルサイト「IP Force」
▶ ＮＥＣソリューションイノベータ株式会社の特許一覧 ▶ 株式会社かごしま医療ＩＴセンターの特許一覧
特開2024-26030退院判断支援装置、退院判断支援方法、学習済みモデル生成装置、学習済みモデル、及びプログラム
(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】P2024026030
(43)【公開日】2024-02-28
(54)【発明の名称】退院判断支援装置、退院判断支援方法、学習済みモデル生成装置、学習済みモデル、及びプログラム
(51)【国際特許分類】
G16H 40/20 20180101AFI20240220BHJP
【ＦＩ】
G16H40/20
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2023020370
(22)【出願日】2023-02-13
(31)【優先権主張番号】P 2022129154
(32)【優先日】2022-08-15
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000232092
【氏名又は名称】ＮＥＣソリューションイノベータ株式会社
(71)【出願人】
【識別番号】505192431
【氏名又は名称】株式会社かごしま医療ＩＴセンター
(74)【代理人】
【識別番号】100115255
【弁理士】
【氏名又は名称】辻丸 光一郎
(74)【代理人】
【識別番号】100201732
【弁理士】
【氏名又は名称】松縄 正登
(74)【代理人】
【識別番号】100154081
【弁理士】
【氏名又は名称】伊佐治 創
(74)【代理人】
【識別番号】100227019
【弁理士】
【氏名又は名称】安 修央
(72)【発明者】
【氏名】小戸 司
(72)【発明者】
【氏名】出山 大誌
(72)【発明者】
【氏名】▲高▼橋 康
(72)【発明者】
【氏名】永橋 佑樹
(72)【発明者】
【氏名】南 祐希
(72)【発明者】
【氏名】大島 義明
(72)【発明者】
【氏名】宇都 由美子
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA00
(57)【要約】
【課題】 患者の状態を考慮しつつ、病院の経営効率にも配慮した退院判断を支援する。
【解決手段】入力部、処理部、及び出力部を含み、前記入力部は、入院患者データを入力し、前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、前記出力部は、前記退院優先度の評価結果を出力する。
【選択図】 図１
【解決手段】入力部、処理部、及び出力部を含み、前記入力部は、入院患者データを入力し、前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、前記出力部は、前記退院優先度の評価結果を出力する。
【選択図】 図１
【特許請求の範囲】
【請求項1】
入力部、処理部、及び出力部を含み、
前記入力部は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力部は、前記退院優先度の評価結果を出力する
退院判断支援装置。
前記入力部は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力部は、前記退院優先度の評価結果を出力する
退院判断支援装置。
【請求項2】
前記退院優先度の評価が、数理モデルに基づく評価を含み、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む請求項１記載の退院判断支援装置。
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む請求項１記載の退院判断支援装置。
【請求項3】
前記数理モデルが、さらに制約条件を含む請求項２記載の退院判断支援装置。
【請求項4】
前記処理部が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
請求項２又は３記載の退院判断支援装置。
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
請求項２又は３記載の退院判断支援装置。
【請求項5】
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、請求項１記載の退院判断支援装置。
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、請求項１記載の退院判断支援装置。
【請求項6】
入力工程、処理工程、及び出力工程を含み、
前記入力工程は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理工程は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力工程は、前記退院優先度の評価結果を出力する
退院判断支援方法。
前記入力工程は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理工程は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力工程は、前記退院優先度の評価結果を出力する
退院判断支援方法。
【請求項7】
データ取得部、及び学習済みモデル生成部を含み、
前記データ取得部は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成部は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
学習済みモデル生成装置。
前記データ取得部は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成部は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
学習済みモデル生成装置。
【請求項8】
前記データ処理部は、前記入院患者データそれぞれの重み係数を逆強化学習により最適化する処理を行う、
請求項７記載の学習済みモデル生成装置。
請求項７記載の学習済みモデル生成装置。
【請求項9】
患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、
コンピュータを機能させるための学習済みモデル。
コンピュータを機能させるための学習済みモデル。
【請求項10】
入力手順、処理手順、及び出力手順を含み、
前記入力手順は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理手順は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力手順は、前記退院優先度の評価結果を出力する
前記各手順をコンピュータに実行させるためのプログラム。
前記入力手順は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理手順は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力手順は、前記退院優先度の評価結果を出力する
前記各手順をコンピュータに実行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、退院判断支援装置、退院判断支援方法、学習済みモデル生成装置、学習済みモデル、及びプログラムに関する。
【背景技術】
【0002】
病院の病床を管理する際、通常は病床管理看護師が患者の状態等を総合考慮して退院判断をしている。その作業負担等を軽減するための手段として、特許文献１には、心拍数、体温などの検査データから、ＡＩが予測するモデルにより前記患者の死亡・再入院リスクを算出して、退院優先度を予測・判断することが記載されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特表２０１４－５２０３３５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
一方で、特許文献１に記載の発明は、前述のとおり、前記検査データのみからＡＩそのものが退院優先度を予測等するものであるが、前記検査データに加えて、例えば、病院の収益などの経営効率等も考慮したうえで退院判断を支援する意思決定の技術は、未だない。
【0005】
そこで、本発明は、患者の状態を考慮しつつ、病院の経営効率にも配慮した、退院判断支援装置、退院判断支援方法、学習済みモデル生成装置、学習済みモデル、及びプログラムの提供を目的とする。
【課題を解決するための手段】
【0006】
前記目的を達成するために、本発明の退院判断支援装置は、
入力部、処理部、及び出力部を含み、
前記入力部は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力部は、前記退院優先度の評価結果を出力する。
入力部、処理部、及び出力部を含み、
前記入力部は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力部は、前記退院優先度の評価結果を出力する。
【0007】
本発明の退院判断支援方法は、
入力工程、処理工程、及び出力工程を含み、
前記入力工程は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理工程は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力工程は、前記退院優先度の評価結果を出力する。
入力工程、処理工程、及び出力工程を含み、
前記入力工程は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理工程は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力工程は、前記退院優先度の評価結果を出力する。
【0008】
本発明の学習済みモデル生成装置は、
データ取得部、及び学習済みモデル生成部を含み、
前記データ取得部は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成部は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する。
データ取得部、及び学習済みモデル生成部を含み、
前記データ取得部は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成部は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する。
【0009】
本発明の学習済みモデルは、
患者状態データ、診断治療情報、及び前記診断治療情報に基づく医療報酬データを含む、入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、
コンピュータを機能させる。
患者状態データ、診断治療情報、及び前記診断治療情報に基づく医療報酬データを含む、入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、
コンピュータを機能させる。
【0010】
本発明のプログラムは、本発明の方法の各工程を、手順として、コンピュータに実行させるためのプログラムである。
【発明の効果】
【0011】
本発明によれば、患者の状態を考慮しつつ、病院の経営効率にも配慮した退院判断の支援が可能となる。
【図面の簡単な説明】
【0012】
【発明を実施するための形態】
【0013】
本発明の実施形態について図を用いて説明する。本発明は、以下の実施形態には限定されない。以下の各図において、同一部分には、同一符号を付している。また、各実施形態の説明は、特に言及がない限り、互いの説明を援用でき、各実施形態の構成は、特に言及がない限り、組合せ可能である。
【0014】
【0015】
本装置１０は、例えば、前記各部を含む１つの装置でもよいし、前記各部が、通信回線網を介して接続可能な装置でもよい。また、本装置１０は、前記通信回線網を介して、後述する外部装置と接続可能である。前記通信回線網は、特に制限されず、公知のネットワークを使用でき、例えば、有線でも無線でもよい。前記通信回線網は、例えば、インターネット回線、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）、電話回線、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＳＡＮ（Ｓｔｏｒａｇｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＤＴＮ（Ｄｅｌａｙ Ｔｏｌｅｒａｎｔ Ｎｅｔｗｏｒｋｉｎｇ）、ＬＰＷＡ（Ｌｏｗ Ｐｏｗｅｒ Ｗｉｄｅ Ａｒｅａ）、Ｌ５Ｇ（ローカル５Ｇ）、等があげられる。無線通信としては、例えば、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ローカル５Ｇ、ＬＰＷＡ等が挙げられる。前記無線通信としては、各装置が直接通信する形態（Ａｄ Ｈｏｃ通信）、インフラストラクチャ（infrastructure通信）、アクセスポイントを介した間接通信等であってもよい。本装置１０は、例えば、システムとしてサーバに組み込まれていてもよい。また、本装置１０は、例えば、本発明のプログラムがインストールされたパーソナルコンピュータ（ＰＣ、例えば、デスクトップ型、ノート型）、スマートフォン、タブレット端末等であってもよい。本装置１０は、例えば、前記各部のうち少なくとも一つがサーバ上にあり、その他の前記各部が端末上にあるような、クラウドコンピューティングやエッジコンピューティング等の形態であってもよい。
【0016】
図２に、本装置１０のハードウェア構成のブロック図を例示する。本装置１０は、例えば、中央処理装置（ＣＰＵ、ＧＰＵ等）１０１、メモリ１０２、バス１０３、記憶装置１０４、入力装置１０５、出力装置１０６、通信デバイス１０７等を含む。本装置１０の各部は、それぞれのインタフェース（Ｉ／Ｆ）により、バス１０３を介して相互に接続されている。
【0017】
中央処理装置１０１は、コントローラ（システムコントローラ、Ｉ／Ｏコントローラ等）等により、他の構成と連携動作し、本装置１０の全体の制御を担う。本装置１０において、中央処理装置１０１により、例えば、本発明のプログラムやその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。具体的には、例えば、中央処理装置１０１が、入力部１１、処理部１２、及び、出力部１３として機能する。中央処理装置１０１は、演算装置として、ＣＰＵ、ＧＰＵ（Graphics Processing Unit）、ＡＰＵ（Accelerated Processing Unit）等の演算装置を備えてもよいし、これらの組合せを備えてもよい。
【0018】
バス１０３は、例えば、外部装置とも接続できる。前記外部装置は、例えば、外部記憶装置（外部データベース等）、プリンタ、外部入力装置、外部表示装置、外部撮像装置等があげられる。本装置１０は、例えば、バス１０３に接続された通信デバイス１０７により、外部ネットワーク（前記通信回線網）に接続でき、外部ネットワークを介して、他の装置と接続することもできる。
【0019】
メモリ１０２は、例えば、メインメモリ（主記憶装置）が挙げられる。中央処理装置１０１が処理を行う際には、例えば、後述する記憶装置１０４に記憶されている本発明のプログラム等の種々の動作プログラムを、メモリ１０２が読み込み、中央処理装置１０１は、メモリ１０２からデータを受け取って、プログラムを実行する。前記メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。また、メモリ１０２は、例えば、ＲＯＭ（読み出し専用メモリ）であってもよい。
【0020】
記憶装置１０４は、例えば、前記メインメモリ（主記憶装置）に対して、いわゆる補助記憶装置ともいう。前述のように、記憶装置１０４には、本発明のプログラムを含む動作プログラムが格納されている。記憶装置１０４は、例えば、記録媒体と、記録媒体に読み書きするドライブとの組合せであってもよい。前記記録媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等が挙げられる。記憶装置１０４は、例えば、記録媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）、及びソリッドステートドライブ（ＳＳＤ）であってもよい。本装置１０が記憶部を含む場合、例えば、記憶装置１０４は、前記記憶部として機能する。
【0021】
本装置１０において、メモリ１０２及び記憶装置１０４は、ログ情報、外部データベース（図示せず）や外部の装置から取得した情報、本装置１０によって生成した情報、本装置１０が処理を実行する際に用いる情報等の種々の情報を記憶することも可能である。なお、少なくとも一部の情報は、例えば、メモリ１０２及び記憶装置１０４以外の外部サーバに記憶されていてもよいし、複数の端末にブロックチェーン技術等を用いて分散して記憶されていてもよい。
【0022】
本装置１０は、例えば、さらに、入力装置１０５、出力装置１０６を備える。入力装置１０５は、例えば、タッチパネル、トラックパッド、マウス等のポインティングデバイス；キーボード；カメラ、スキャナ等の撮像手段；ＩＣカードリーダ、磁気カードリーダ等のカードリーダ；マイク等の音声入力手段；等があげられる。出力装置１０６は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等の表示装置；スピーカ等の音声出力装置；プリンタ；等があげられる。本実施形態１において、入力装置１０５と出力装置１０６とは、別個に構成されているが、入力装置１０５と出力装置１０６とは、タッチパネルディスプレイのように、一体として構成されてもよい。
【0023】
つぎに、本実施形態の退院判断支援方法の一例を、図３Ａ及び図３ＢのフローチャートＳ１０に基づき説明する。本実施形態の退院判断支援方法は、例えば、図１又は図２の装置１０を用いて、次のように実施する。なお、本実施形態の退院判断支援方法は、図１又は図２の装置１０の使用には限定されない。
【0024】
まず、入力部１１により、入院患者データが入力される（Ｓ１１）。前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む。前記患者状態データは、例えば、患者の看護必要度やバイタルデータを含む各種検査値等があげられる。前記バイタルデータは、例えば、脈拍、ＳｐＯ２、血圧、及び体温があげられる。前記検査値は、例えば、健康状態を調べるために病院で一般的に実施される検査項目の値であれば特に限定されず、白血球、ＣＲＰ、好中球、ヘモグロビン等の検査項目値があげられる。前記診断治療情報及び前記診断治療情報に基づく医療報酬データは、例えば、ＤＰＣ（Diagnosis Procedure Combination）データ、入退院情報データであってもよい。
【0025】
つぎに、処理部１２により、前記入力された入院患者データから、退院優先度を評価する処理が実行される（Ｓ１２）。前記退院優先度は、例えば、患者の状態や退院時のリスク、収益の最適化を考慮して導き出される。前記退院優先度は、例えば、数理モデルに基づき評価される。また、前記退院優先度の評価は、例えば、前記数理モデルに基づく評価を含む。前記数理モデルは、例えば、重み係数を乗じた前記入院患者データを合計する関数を含んでもよい。前記数理モデルは、さらに、制約条件を含んでも良い。前記制約条件は、例えば、退院候補として選択しないようにするための一定の条件をいう。前記一定の条件は、例えば、数日間の平均体温が37.5℃以上、ＳｐＯ２が９０％以下の場合等があげられる。
【0026】
処理部１２は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行う（Ｓ１２０）。前記加工処理は、例えば、前記患者状態データについて直近のデータのみを抽出して整列する加工処理や、前記加工処理された患者状態データと前記診断治療情報及び前記診断治療情報に基づく医療報酬データとを結合処理する加工処理等である。前記直近のデータは、特に限定されず、例えば、退院判断日の日前の任意の日のデータである。前記直近のデータが複数ある場合は、例えば、任意のルールに従っていずれか一つのデータを抽出してもよく、前記任意のルールは、例えば、データの最大値、又は最小値を抽出する等のルールである。処理部１２は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する（Ｓ１２）。
【0027】
処理部１２は、例えば、前記工程（Ｓ１２）において、前記入力された患者データを学習済みモデルへ入力することにより、前記退院優先度を評価する処理を実行してもよい。前記退院優先度の評価は、例えば、前記数理モデルに基づいて評価する処理を実行してもよい。前記学習済みモデルは、例えば、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである。前記機械学習の学習方法は、例えば、逆強化学習であってもよい。前記学習済みモデルは、例えば、後述する実施形態の学習済みモデルであってもよい。
【0028】
前記退院優先度の評価は、例えば、ルールベースモデルに基づく評価を含む。前記ルールベースモデルは、例えば、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する。前記退院可否情報は、例えば、前記数理モデルのみに基づいて退院優先度を評価した結果に基づく、前記患者の退院可否が判断された情報である。前記年間１２症例情報は、例えば、ＤＰＣデータにおいて、退院判断支援を受ける医療機関等における年間１２症例以上登録がある診断群分類番号情報である。前記入院期間情報は、例えば、前記患者が入院している期間であり、ＤＰＣデータにおいて入院期間Ｉ～ＩＩＩで分類される情報である。入院期間ＩＩＩを超えて入院をした場合は、入院期間ＩＩＩ超として分類をする。
【0029】
次に、前記出力部により、前記退院優先度の評価結果が出力され（Ｓ１３）、終了する（ＥＮＤ）。前記出力は、例えば、出力装置１０６に出力されてもよい。
【0030】
実施形態１によれば、前記入院患者データを入力することで退院優先度が出力されるため、例えば、病床管理看護師等の作業者は、退院優先度を参考に最適な退院患者を効率的に決定することができる。よって、前記作業者の業務負担、及び心理負担を軽減することができる。また、前記退院優先度は、患者データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを勘案して判断されるため、例えば、前記作業者の業務負担等の軽減に加えて、病院収益の向上等の経営的観点も考慮して退院患者を決定することができる。
【0031】
また、例えば、ＡＩが予測したモデルでは、活用時になぜそのような判断をしたのかが不明確であり、現実の状況にマッチした判断ではないという点で、意思決定に直結しづらい。この点、数理モデルを用いれば、現実問題における様々な制約、例えば、体温が３７．５℃以上の人は退院させてはいけない等といった点を考慮した上で判断を行うことができるため、意思決定に直結することができる。すなわち、数理モデルを用いれば、ＡＩよりも高精度な意思決定及び提案をすることができる点に利点がある。
【0032】
［実施形態２］
本実施形態は、学習済みモデル生成装置、学習済みモデル生成方法、及び学習済みモデルに関する。
本実施形態は、学習済みモデル生成装置、学習済みモデル生成方法、及び学習済みモデルに関する。
【0033】
図４は、本実施形態の学習済みモデル生成装置２０の一例の構成を示すブロック図である。図４に示すように、本装置２０は、データ取得部２１、及び学習済みモデル生成部２２を含む。また、本装置２０は、例えば、さらに、データ処理部を含んでもよい（図示せず）。
【0034】
本装置２０は、例えば、前記各部を含む１つの装置でもよいし、前記各部が、前記通信回線網を介して接続可能な装置でもよい。また、本装置２０は、前記通信回線網を介して、前述の外部装置と接続可能である。本装置２０は、例えば、システムとしてサーバに組み込まれていてもよい。また、本装置２０は、例えば、本発明のプログラムがインストールされたパーソナルコンピュータ（ＰＣ、例えば、デスクトップ型、ノート型）、スマートフォン、タブレット端末等であってもよい。さらに、本装置２０は、例えば、前記各部のうち少なくとも一つがサーバ上にあり、その他の前記各部が端末上にあるような、クラウドコンピューティングやエッジコンピューティング等の形態であってもよい。
【0035】
図５に、本装置２０のハードウェア構成のブロック図を例示する。本装置２０は、例えば、中央処理装置（ＣＰＵ、ＧＰＵ等）１０１、メモリ１０２、バス１０３、記憶装置１０４、入力装置１０５、出力装置１０６、通信デバイス１０７等を含む。本装置２０のハードウェア構成の各部は、特に言及しない限り、図３に示す退院判断支援装置１０のハードウェア構成の各部の記載を援用できる。
【0036】
中央処理装置１０１は、例えば、データ取得部２１及び学習済みモデル生成部２２として機能する。中央処理装置１０１は、例えば、さらに、データ処理部として機能する（図示せず）。
【0037】
メモリ１０２及び記憶装置１０４は、本装置２０によって生成された学習済みモデルを記憶してもよい。
【0038】
つぎに、本実施形態の学習済みモデル生成方法の一例を、図６Ａ及び図６ＢのフローチャートＳ２０に基づき説明する。本実施形態の学習済みモデル生成方法は、例えば、図４及び図５の本装置２０を用いて、次のように実施する。なお、本実施形態の学習済みモデル生成方法は、図４及び図５の本装置２０の使用には限定されない。
【0039】
まず、データ取得部２１により、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得される（Ｓ２１）。前記患者状態データは、前述と同様である。また、前記診断治療情報及び前記診断治療情報に基づく医療報酬データは、前述と同様である。
【0040】
次に、学習済みモデル生成部２２により、前記入院患者データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成し（Ｓ２２）、終了する（ＥＮＤ）。前記機械学習の学習方法は、前述と同様である。
【0041】
本装置２０が、さらに、データ処理部を含む場合、前記データ処理部は、例えば、前記学習データとして取得された入院患者データを加工する、加工処理を行う（Ｓ２２０）。前記加工処理は、例えば、前記患者状態データについて直近のデータのみを抽出して整列する加工処理や、前記加工処理された患者状態データと前記診断治療情報及び前記診断治療情報に基づく医療報酬データとを結合処理する加工処理等である。前記直近のデータは、特に限定されず、例えば、退院判断日の日前の任意の日のデータである。前記直近のデータが複数ある場合は、例えば、任意のルールに従っていずれか一つのデータを抽出してもよく、前記任意のルールは、例えば、データの最大値、又は最小値を抽出する等のルールである。前記学習済みモデル生成部は、例えば、前記加工処理された入院患者データを学習データとして用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する（Ｓ２２）。
【0042】
また、前記データ処理部は、例えば、前記入院患者データそれぞれの重み係数を逆強化学習により最適化する処理を行う。前記最適化は、例えば、下記数式（１）により表される、制約条件（Subject to）のもとで目的関数を最大化するための前記重み係数の最適化である。
【0043】
【数1】
【0044】
前記数式（１）において、
λは、前記入院患者データの重み係数であり、
Ｓは、ソフト制約条件を含む患者状態データであり、
ａは、退院又は入院に応じて１又は０が選択され、
ｉは、患者状態データの項目であり、
ｊは、入院患者数を意味する。
λは、前記入院患者データの重み係数であり、
Ｓは、ソフト制約条件を含む患者状態データであり、
ａは、退院又は入院に応じて１又は０が選択され、
ｉは、患者状態データの項目であり、
ｊは、入院患者数を意味する。
【0045】
なお、前記ソフト制約条件及び前記ハード制約条件は、例えば、前記患者状態データの制約条件であり、
前記ソフト制約条件は、満たされない場合があっても許容される制約条件が設定されたものであり、前記ハード制約条件は必ず満たす必要がある制約条件が設定されたものである。
前記ソフト制約条件は、満たされない場合があっても許容される制約条件が設定されたものであり、前記ハード制約条件は必ず満たす必要がある制約条件が設定されたものである。
【0046】
本実施形態によって生成される学習済みモデルは、例えば、前記実施形態１に記載の退院判断支援装置１０に使用される。本実施形態によれば、例えば、病床管理看護師等の作業者は、業務負担、及び心理負担を軽減しつつ、病院収益の向上等の経営的観点を考慮した退院患者の決定を、精度よくすることができる。
【0047】
【0048】
本例において、病床管理看護師等の作業者は、本装置１０を使用するものとする。作業者は、図７Ａの表１のような入院患者毎の入院患者データを、入力部１１に入力する。表１はあくまでも例示であり、各項目やデータの並び等はこれに限定されない。入力された前記入院患者データは、処理部１２において退院優先度が評価される。
【0049】
入力部１１に入力された入院患者データは、例えば、図７Ｂ～図７Ｄの手順に従って加工処理されたものであってもよい。図７Ｂは、入力された入院患者データ（各種検査値）を加工処理する際の一例を示す図である。図７Ｂのとおり、例えば2021年12月5日に退院判断する場合、入力された入院患者データ（表１ａ）に含まれるデータのうち、患者毎に、退院判断を行う日に最も近い日の検査データ（値）が抽出される。検査を実施していない場合には検査データは入力されない。
【0050】
図７Ｃは、入力された入院患者データ（バイタルデータ）を加工処理する際の一例を示す図である。図７Ｃのとおり、例えば2021年12月5日に退院判断する場合、入力された入院患者データ（表１ｃ）に含まれるデータのうち、患者毎に、退院判断を行う日の一日前の測定データ（値）が抽出される。測定していない場合には測定データは入力されない。また、同日に測定を二回以上の実施している場合は、体温は最大値が、ＳｐＯ２は最小値が抽出される。
【0051】
図７Ｄは、加工処理されたデータを結合処理する際の一例を示す図である。図７Ｄのとおり、前述した加工処理された各種検査値及びバイタルデータ、並びに患者毎の診断治療情報及び前記診断治療情報に基づく医療報酬データを結合し、表１ｅの加工処理データ（結合データ）を得ることができる。前記結合データに基づいて、処理部１２において退院優先度を評価してもよい。
【0052】
前記退院優先度は、図７Ａのような条件式及び制約条件を含む数理モデルにより評価されてもよい。また、前記数理モデルは、例えば、本装置２０により生成された学習済みモデルにより作成されてもよい。
【0053】
前記退院優先度の評価結果は、表２のようなデータとして出力部１３により出力される。表２の場合、患者１の目的関数が８０、患者２の目的関数が０、患者３の目的関数が６０である。したがって、目的関数が大きい順に、患者１の退院優先度が高く、次いで患者３の退院優先度が高い。また、患者２にはＳｐＯ２値等の制約条件があるため、退院優先度が一番低くなる。前記評価結果を参考にして、作業者は退院患者を決定することができる。表２はあくまでも例示であり、退院優先度を表示した際のレイアウト等はこれに限定されない。
【0054】
このように、退院優先度の評価結果が一目でわかるため、作業者の業務負担等が軽減される。
【0055】
【0056】
本装置１０を用いて数理モデルにより退院優先度を評価した結果、表２ａのようなデータが得られた場合を仮定する。ここで、「数理モデルによる評価」において、「１」は退院可能判断を意味し、「０」は退院不可判断を意味する。また、「年間１２症例」において、「１」は年間１２症例に該当することを意味し、「０」は年間１２症例に該当しないことを意味する。
【0057】
数理モデルにより退院優先度を評価したあと、本装置１０により、ルールベースモデルによって、数理モデルによる評価で退院可能判断されたものについて再度退院優先度が評価される。ルールベースモデルでは、図７Ｅに記載の優先度に基づいて、退院優先度が評価される（表２ｂ）。ここで、表２ａ及び表２ｂ記載の年間１２症例、該当入院期間、入院期間残日数（Ｉ～ＩＩＩ）、及び入院期間点数（Ｉ～ＩＩＩ）は、診断治療情報及び前記診断治療情報に基づく医療報酬データより取得可能である。
【0058】
ルールベースモデルによる退院優先度の評価結果について具体的に説明する。まず、優先度１に基づいて、患者Ｄ及び患者Ｇの退院優先度が高くなる。ここで、患者Ｄ及び患者Ｇは同じく該当入院期間がＩＩＩであるため、入院期間ＩＩＩ残日数が短い患者Ｄの退院優先度が高くなる。つぎに、優先度４に基づいて、患者Ｈの退院優先度が高くなる。最後に、優先度５に基づいて、患者Ｉの優先度が高くなる。すべての患者について退院優先度が評価されると、表２ｂのような評価結果が出力される。
【0059】
［実施形態４－１］
図８Ａを用いて、本発明による学習済みモデルの生成手順の一例を説明する。
図８Ａを用いて、本発明による学習済みモデルの生成手順の一例を説明する。
【0060】
本例において、本装置２０を使用するものとする。図８Ａの表３のような、退院済みの入院患者の入院患者毎の入院患者データが、データ取得部２１によって学習データとして取得される。前記入院患者データは、例えば、患者状態データ、診断治療情報、及び前記診断治療情報に基づく医療報酬データとしてそれぞれ集計されているデータを患者ごとにまとめて、表３のような一つのデータとしてもよい。表３のようなデータにまとめる方法は、例えば、前述の実施形態３－１で説明した入院患者データの加工処理に基づくものと同様の方法であってもよい。また、表３の各項目値は、例えば、直近のデータを取得してもよいし、過去数日分のデータから平均値や最大値等を求めたデータであってもよい。表３はあくまでも例示であり、各項目やデータの並び等はこれに限定されない。
【0061】
その後、学習済みモデル生成部２２において、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルが生成される。本例の場合、逆強化学習により、各項目に対する重みが決定される。前記重みは数値化され、前記重みに基づいて、図８の条件式のような数理モデルが作成される。また、図８Ａのとおり、制約条件を設けてもよい。
【0062】
［実施形態４－２］
図８Ｂ～図８Ｄを用いて、本発明における数理モデルの学習方法の一例、及びその活用方法を説明する。図８Ｂは、目的関数を算出するための数式及び各種条件を示す図である。図８Ｃは、数理モデルの学習方法の詳細を示す図である。図８Ｄは、学習された数理モデルを活用した退院判断の一例を示す図である。
図８Ｂ～図８Ｄを用いて、本発明における数理モデルの学習方法の一例、及びその活用方法を説明する。図８Ｂは、目的関数を算出するための数式及び各種条件を示す図である。図８Ｃは、数理モデルの学習方法の詳細を示す図である。図８Ｄは、学習された数理モデルを活用した退院判断の一例を示す図である。
【0063】
図８Ｂに記載の数式及び表５記載の条件等に基づいて、目的関数が算出される。例えば、図８Ｃに記載の表６のような学習データがある場合、図８Ｂ記載の数式及び条件に基づいて、目的関数が算出される。その後、目的関数の値の条件（図８Ｃでは１００）において、さらに入院患者データの重み係数λｉの値を更新して学習を繰り返し、目的関数の値が最大となる入院患者データの重み係数λｉが学習される。
【0064】
学習後の数理モデルに基づいて、退院判断を評価することができる。図８Ｄのとおり、表８のような入院患者データ、及び表９のような条件及び学習後の入院患者データの重み係数λｉが設定されている場合、図８Ｄで示した目的関数に基づいて、退院判断を評価することができる。このとき、どの患者を退院させれば良いかを目的関数が最大となるように選択することで、数理モデルによる退院判断が評価される。その後、例えば、前述の実施形態３－２で説明したルールベースモデルによる退院判断を評価してもよい。
【0065】
［実施形態５］
本実施形態のプログラムは、本発明の各工程を、手順として、コンピュータに実行させるためのプログラムである。本発明において、例えば、「手順」を「処理」と読み替え可能である。また、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体は、例えば、非一時的なコンピュータ可読記録媒体（non-transitory computer-readable storage medium）である。前記記録媒体は、特に制限されず、例えば、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、ハードディスク（ＨＤ）、光ディスク、フロッピー（登録商標）ディスク（ＦＤ）等があげられる。
本実施形態のプログラムは、本発明の各工程を、手順として、コンピュータに実行させるためのプログラムである。本発明において、例えば、「手順」を「処理」と読み替え可能である。また、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体は、例えば、非一時的なコンピュータ可読記録媒体（non-transitory computer-readable storage medium）である。前記記録媒体は、特に制限されず、例えば、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、ハードディスク（ＨＤ）、光ディスク、フロッピー（登録商標）ディスク（ＦＤ）等があげられる。
【0066】
以上、実施形態を参照して本発明を説明したが、本発明は、上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をできる。
【0067】
＜付記＞
上記の実施形態の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記１）
入力部、処理部、及び出力部を含み、
前記入力部は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力部は、前記退院優先度の評価結果を出力する
退院判断支援装置。
（付記２）
前記処理部は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理部は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記１記載の退院判断支援装置。
（付記３）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記１又は２記載の退院判断支援装置。
（付記４）
前記数理モデルが、さらに制約条件を含む付記３記載の退院判断支援装置。
（付記５）
前記処理部が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記１から４のいずれかに記載の退院判断支援装置。
（付記６）
前記機械学習が、逆強化学習である付記５記載の退院判断支援装置。
（付記７）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記１から６のいずれかに記載の退院判断支援装置。
（付記８）
入力工程、処理工程、及び出力工程を含み、
前記入力工程は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理工程は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力工程は、前記退院優先度の評価結果を出力する
退院判断支援方法。
（付記９）
前記処理工程は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理工程は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記８記載の退院判断支援方法。
（付記１０）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記８又は９記載の退院判断支援方法。
（付記１１）
前記数理モデルが、さらに制約条件を含む付記１０記載の退院判断支援方法。
（付記１２）
前記処理工程が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記８から１１のいずれかに記載の退院判断支援方法。
（付記１３）
前記機械学習が、逆強化学習である付記１２記載の退院判断支援方法。
（付記１４）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記８から１３のいずれかに記載の退院判断支援方法。
（付記１５）
データ取得部、及び学習済みモデル生成部を含み、
前記データ取得部は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成部は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
学習済みモデル生成装置。
（付記１６）
さらに、データ処理部を含み、
前記データ処理部は、前記学習データとして取得された入院患者データを加工する、加工処理を行い、
前記学習済みモデル生成部は、前記加工処理された入院患者データを学習データとして用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
付記１５記載の学習済みモデル生成装置。
（付記１７）
前記データ処理部は、前記入院患者データそれぞれの重み係数を逆強化学習により最適化する処理を行う、
付記１６記載の学習済みモデル生成装置。
（付記１８）
データ取得工程、及び学習済みモデル生成工程を含み、
前記データ取得工程は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成工程は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
学習済みモデル生成方法。
（付記１９）
さらに、データ処理工程を含み、
前記データ処理工程は、前記学習データとして取得された入院患者データを加工する、加工処理を行い、
前記学習済みモデル生成工程は、前記加工処理された入院患者データを学習データとして用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
付記１８記載の学習済みモデル生成方法。
（付記２０）
前記データ処理工程は、前記入院患者データそれぞれの重み係数を逆強化学習により最適化する処理を行う、
付記１９記載の学習済みモデル生成方法。
（付記２１）
患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、
コンピュータを機能させるための学習済みモデル。
（付記２２）
入力手順、処理手順、及び出力手順を含み、
前記入力手順は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理手順は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力手順は、前記退院優先度の評価結果を出力する
前記各手順をコンピュータに実行させるためのプログラム。
（付記２３）
前記処理手順は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理手順は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記２２記載のプログラム。
（付記２４）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記２２又は２３記載のプログラム。
（付記２５）
前記数理モデルが、さらに制約条件を含む付記２４記載のプログラム。
（付記２６）
前記処理手順が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記２２から２５のいずれかに記載のプログラム。
（付記２７）
前記機械学習が、逆強化学習である付記２６記載のプログラム。
（付記２８）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記２２から２７のいずれかに記載のプログラム。
（付記２９）
データ取得手順、及び学習済みモデル生成手順を含み、
前記データ取得手順は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成手順は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
前記各手順をコンピュータに実行させるためのプログラム。
（付記３０）
入力手順、処理手順、及び出力手順を含み、
前記入力手順は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理手順は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力手順は、前記退院優先度の評価結果を出力する
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体。
（付記３１）
前記処理手順は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理手順は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記３０記載の記録媒体。
（付記３２）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記３０又は３１記載の記録媒体。
（付記３３）
前記数理モデルが、さらに制約条件を含む付記３２記載の記録媒体。
（付記３４）
前記処理手順が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記３０から３３のいずれかに記載の記録媒体。
（付記３５）
前記機械学習が、逆強化学習である付記３４記載の記録媒体。
（付記３６）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記３０から３５記載の記録媒体。
（付記３７）
データ取得手順、及び学習済みモデル生成手順を含み、
前記データ取得手順は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成手順は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体。
上記の実施形態の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記１）
入力部、処理部、及び出力部を含み、
前記入力部は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理部は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力部は、前記退院優先度の評価結果を出力する
退院判断支援装置。
（付記２）
前記処理部は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理部は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記１記載の退院判断支援装置。
（付記３）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記１又は２記載の退院判断支援装置。
（付記４）
前記数理モデルが、さらに制約条件を含む付記３記載の退院判断支援装置。
（付記５）
前記処理部が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記１から４のいずれかに記載の退院判断支援装置。
（付記６）
前記機械学習が、逆強化学習である付記５記載の退院判断支援装置。
（付記７）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記１から６のいずれかに記載の退院判断支援装置。
（付記８）
入力工程、処理工程、及び出力工程を含み、
前記入力工程は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理工程は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力工程は、前記退院優先度の評価結果を出力する
退院判断支援方法。
（付記９）
前記処理工程は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理工程は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記８記載の退院判断支援方法。
（付記１０）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記８又は９記載の退院判断支援方法。
（付記１１）
前記数理モデルが、さらに制約条件を含む付記１０記載の退院判断支援方法。
（付記１２）
前記処理工程が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記８から１１のいずれかに記載の退院判断支援方法。
（付記１３）
前記機械学習が、逆強化学習である付記１２記載の退院判断支援方法。
（付記１４）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記８から１３のいずれかに記載の退院判断支援方法。
（付記１５）
データ取得部、及び学習済みモデル生成部を含み、
前記データ取得部は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成部は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
学習済みモデル生成装置。
（付記１６）
さらに、データ処理部を含み、
前記データ処理部は、前記学習データとして取得された入院患者データを加工する、加工処理を行い、
前記学習済みモデル生成部は、前記加工処理された入院患者データを学習データとして用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
付記１５記載の学習済みモデル生成装置。
（付記１７）
前記データ処理部は、前記入院患者データそれぞれの重み係数を逆強化学習により最適化する処理を行う、
付記１６記載の学習済みモデル生成装置。
（付記１８）
データ取得工程、及び学習済みモデル生成工程を含み、
前記データ取得工程は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成工程は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
学習済みモデル生成方法。
（付記１９）
さらに、データ処理工程を含み、
前記データ処理工程は、前記学習データとして取得された入院患者データを加工する、加工処理を行い、
前記学習済みモデル生成工程は、前記加工処理された入院患者データを学習データとして用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
付記１８記載の学習済みモデル生成方法。
（付記２０）
前記データ処理工程は、前記入院患者データそれぞれの重み係数を逆強化学習により最適化する処理を行う、
付記１９記載の学習済みモデル生成方法。
（付記２１）
患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、
コンピュータを機能させるための学習済みモデル。
（付記２２）
入力手順、処理手順、及び出力手順を含み、
前記入力手順は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理手順は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力手順は、前記退院優先度の評価結果を出力する
前記各手順をコンピュータに実行させるためのプログラム。
（付記２３）
前記処理手順は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理手順は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記２２記載のプログラム。
（付記２４）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記２２又は２３記載のプログラム。
（付記２５）
前記数理モデルが、さらに制約条件を含む付記２４記載のプログラム。
（付記２６）
前記処理手順が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記２２から２５のいずれかに記載のプログラム。
（付記２７）
前記機械学習が、逆強化学習である付記２６記載のプログラム。
（付記２８）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記２２から２７のいずれかに記載のプログラム。
（付記２９）
データ取得手順、及び学習済みモデル生成手順を含み、
前記データ取得手順は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成手順は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
前記各手順をコンピュータに実行させるためのプログラム。
（付記３０）
入力手順、処理手順、及び出力手順を含み、
前記入力手順は、入院患者データを入力し、
前記入院患者データは、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含み、
前記処理手順は、前記入力された入院患者データから、退院優先度を評価する処理を実行し、
前記出力手順は、前記退院優先度の評価結果を出力する
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体。
（付記３１）
前記処理手順は、例えば、さらに、前記入力された入院患者データを加工する、加工処理を行い、
前記処理手順は、例えば、前記加工処理された入院患者データから、前記退院優先度を評価する処理を実行する、
付記３０記載の記録媒体。
（付記３２）
前記退院優先度が、数理モデルに基づき評価され、
前記数理モデルは、重み係数を乗じた前記入院患者データを合計する関数を含む付記３０又は３１記載の記録媒体。
（付記３３）
前記数理モデルが、さらに制約条件を含む付記３２記載の記録媒体。
（付記３４）
前記処理手順が、前記入力された入院患者データを学習済みモデルへ入力することにより、前記退院優先度を前記数理モデルに基づいて評価する処理を実行し、
前記学習済みモデルは、前記入院患者データに基づいて機械学習され、前記入院患者データから退院優先度の評価結果を出力するよう、コンピュータを機能させるための学習済みモデルである
付記３０から３３のいずれかに記載の記録媒体。
（付記３５）
前記機械学習が、逆強化学習である付記３４記載の記録媒体。
（付記３６）
前記退院優先度の評価が、ルールベースモデルに基づく評価を含み、
前記ルールベースモデルは、患者の退院可否情報、年間１２症例情報、及び入院期間情報に基づいてルールベースで退院優先度を評価する、付記３０から３５記載の記録媒体。
（付記３７）
データ取得手順、及び学習済みモデル生成手順を含み、
前記データ取得手順は、患者状態データ、診断治療情報及び前記診断治療情報に基づく医療報酬データを含む、入院患者データを学習データとして取得し、
前記学習済みモデル生成手順は、前記学習データを用いた機械学習によって、前記入院患者データから退院優先度の評価結果を出力するための学習済みモデルを生成する
前記各手順をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体。
【産業上の利用可能性】
【0068】
本発明によれば、例えば、患者の状態を考慮しつつ、病院の経営効率にも配慮した退院判断を支援することができる。本発明は、例えば、効率的な病床管理を目的とした病院における退院判断支援装置に適用できるが、適用できる分野は制限されず、退院判断支援装置を用いた幅広い測定分野に適用可能である。
【符号の説明】
【0069】
１０ 退院判断支援装置
１１ 入力部
１２ 処理部
１３ 出力部
２０ 学習済みモデル生成装置
２１ データ取得部
２２ 学習済みモデル生成部
１０１ ＣＰＵ
１０２ メモリ
１０３ バス
１０４ 記憶装置
１０５ 入力装置
１０６ 出力装置
１０７ 通信デバイス
１１ 入力部
１２ 処理部
１３ 出力部
２０ 学習済みモデル生成装置
２１ データ取得部
２２ 学習済みモデル生成部
１０１ ＣＰＵ
１０２ メモリ
１０３ バス
１０４ 記憶装置
１０５ 入力装置
１０６ 出力装置
１０７ 通信デバイス
【図1】
【図2】
【図3A】
【図3B】
【図4】
【図5】
【図6A】
【図6B】
【図7A】
【図7B】
【図7C】
【図7D】
【図7E】
【図8A】
【図8B】
【図8C】
【図8D】