特開 2024-67686 処理装置、コンピュータプログラム、教師データの生成方法、および推論モデルの生成方法

(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】P2024067686

(43)【公開日】2024-05-17

(54)【発明の名称】処理装置、コンピュータプログラム、教師データの生成方法、および推論モデルの生成方法

(51)【国際特許分類】

   A61B 5/361 20210101AFI20240510BHJP

   A61B 5/339 20210101ALI20240510BHJP

【ＦＩ】

A61B5/361

A61B5/339

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2022177944

(22)【出願日】2022-11-07

(71)【出願人】

【識別番号】000230962

【氏名又は名称】日本光電工業株式会社

(74)【代理人】

【識別番号】110001416

【氏名又は名称】弁理士法人信栄事務所

(72)【発明者】

【氏名】関口 陽太

(72)【発明者】

【氏名】梅本 拓也

(72)【発明者】

【氏名】佐藤 恵一

(72)【発明者】

【氏名】松沢 航

【テーマコード（参考）】

4C127

【Ｆターム（参考）】

4C127AA02

4C127FF01

4C127GG05

4C127GG16

4C127HH11

(57)【要約】

【課題】対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれているかについて、より詳細な情報を提供可能にする。
【解決手段】入力インタフェースは、対象者の心電図波形Ｗに対応する心電図波形データを受け付ける。プロセッサは、心電図波形データに基づいて、心電図波形Ｗを複数の部分心電図波形ＳＷ１～ＳＷ６に区分する。プロセッサは、複数の部分心電図波形ＳＷ１～ＳＷ６の各々について心房細動が疑われる波形部位が含まれている確率を算出する。プロセッサは、当該確率に対応する指標ＩＤ１～ＩＤ６を、当該確率が算出された部分心電図波形ＳＷ１～ＳＷ６とともに表示装置３２に表示させる。
【選択図】図３

【特許請求の範囲】

【請求項1】

対象者の心電図波形に対応する心電図波形データを受け付けるインタフェースと、
前記心電図波形データに基づいて、
前記心電図波形を複数の部分心電図波形に区分し、
前記複数の部分心電図波形の各々について心疾患が疑われる波形部位が含まれている確率を算出し、かつ
前記確率に対応する指標を、当該確率が算出された前記部分心電図波形に対応する情報とともに表示装置に表示させるプロセッサと、
を備えている、
処理装置。

【請求項2】

前記指標は、前記部分心電図波形の色、前記部分心電図波形の背景の色、または前記部分心電図波形とともに表示される図形の色である、
請求項１に記載の処理装置。

【請求項3】

前記部分心電図波形に対応する情報は、前記心電図波形のＲ－Ｒ間隔に基づくタコグラムを含んでいる、
請求項１に記載の処理装置。

【請求項4】

前記インタフェースは、前記指標を変更する指示を受け付け、
前記プロセッサは、前記指示に基づいて前記指標を変更する、
請求項１に記載の処理装置。

【請求項5】

前記インタフェースは、前記表示装置に表示された前記心電図波形における特定の時間区間を指定する指示を受け付け、
前記プロセッサは、前記時間区間における前記指標とともに表示された前記部分心電図波形の占有率に応じて、前記時間区間に含まれる前記指標を変更する、
請求項４に記載の処理装置。

【請求項6】

前記インタフェースは、前記表示装置に表示された前記心電図波形における特定の時間区間を指定する指示を受け付け、
前記プロセッサは、前記時間区間に含まれる前記部分心電図波形と類似する前記時間区間に含まれない前記部分心電図波形を特定し、当該特定された部分心電図波形とともに表示される前記指標を、前記時間区間に含まれる前記部分心電図波形とともに表示されている前記指標と一致するように変更する、
請求項４に記載の処理装置。

【請求項7】

前記プロセッサは、変更された前記指標に対応するデータと当該変更された指標により特定される前記部分心電図波形に対応する前記心電図波形データの一部とが関連付けられたデータセットを生成する、
請求項４に記載の処理装置。

【請求項8】

前記確率は、心疾患が疑われる波形部位が含まれていると判断された複数の心電図波形を用いた機械学習を通じて生成された推論モデルに前記心電図波形に基づいて取得されるデータを入力することにより算出される、
請求項１に記載の処理装置。

【請求項9】

処理装置に搭載されたプロセッサにより実行可能なコンピュータプログラムであって、
実行されることにより、前記処理装置は、
対象者の心電図波形に対応する心電図波形データを受け付け、
前記心電図波形データに基づいて前記心電図波形を複数の部分心電図波形に区分し、
前記複数の部分心電図波形の各々について心疾患が疑われる波形部位が含まれている確率を算出し、
前記確率に対応する指標を、当該確率が算出された前記部分心電図波形に対応する情報とともに表示装置に表示させる、
コンピュータプログラム。

【請求項10】

対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを機械学習するための教師データを生成する方法であって、
心疾患が疑われる波形部位を含む心電図波形に対応する心電図波形データを取得し、
前記心電図波形から前記対象者の拍情報を取得し、
前記心電図波形データと前記拍情報に対応するデータとが関連付けられたデータセットを生成する、
教師データの生成方法。

【請求項11】

対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを生成する方法であって、
請求項１０に記載の方法により生成された教師データを取得し、
前記教師データを用いて機械学習を行なう、
推論モデルの生成方法。

【請求項12】

対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを生成する方法であって、
請求項７に記載の処理装置により生成されたデータセットを取得し、
前記データセットを用いて機械学習を行なう、
推論モデルの生成方法。

【請求項13】

複数の処理装置から前記データセットを取得する、
請求項１２に記載の推論モデルの生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率を算出する処理を行なう処理装置、および当該処理装置に搭載されたプロセッサにより実行可能なコンピュータプログラムに関連する。本開示は、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを機械学習するための教師データを生成する方法、および当該推論モデルを生成する方法にも関連する。

【背景技術】

【0002】

特許文献１は、対象者の心電図波形を取得するホルタ心電計を開示している。当該心電図波形に対応するデータは、遠隔配置された情報処理装置により受信される。情報処理装置は、当該データを解析することよって、当該心電図波形に心疾患が疑われる波形部位が含まれているかを判断するように構成されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４－０５４３９１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれているかについて、より詳細な情報を提供可能にすることが求められている。

【課題を解決するための手段】

【0005】

本開示により提供されうる第一の態様例は、処理装置であって、
対象者の心電図波形に対応する心電図波形データを受け付けるインタフェースと、
前記心電図波形データに基づいて、
前記心電図波形を複数の部分心電図波形に区分し、
前記複数の部分心電図波形の各々について心疾患が疑われる波形部位が含まれている確率を算出し、かつ
前記確率に対応する指標を、当該確率が算出された前記部分心電図波形に対応する情報とともに表示装置に表示させるプロセッサと、
を備えている。

【0006】

本開示により提供されうる第二の態様例は、処理装置に搭載されたプロセッサにより実行可能なコンピュータプログラムであって、
実行されることにより、前記処理装置は、
対象者の心電図波形に対応する心電図波形データを受け付け、
前記心電図波形データに基づいて前記心電図波形を複数の部分心電図波形に区分し、
前記複数の部分心電図波形の各々について心疾患が疑われる波形部位が含まれている確率を算出し、
前記確率に対応する指標を、当該確率が算出された前記部分心電図波形に対応する情報とともに表示装置に表示させる。

【0007】

第一の態様例と第二の態様例に係る構成によれば、心電図波形の経時変化の中にあって心疾患が疑われる波形部位が含まれている確率が高い（あるいは低い）と推論された部分がどのように分布しているかについて俯瞰的な視点をユーザに提供できる。すなわち、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれているかについて、より詳細な情報を提供できる。

【0008】

加えて、心疾患が疑われる波形部位が含まれている確率が中程度であると推論された部分について当該推論の妥当性をより重点的に確認するといった確認の仕方を、ユーザに提供できる。すなわち、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれているかの確認作業の効率性を高めうる。

【0009】

本開示により提供されうる第三の態様例は、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを機械学習するための教師データを生成する方法であって、
心疾患が疑われる波形部位を含む心電図波形に対応する心電図波形データを取得し、
前記心電図波形から前記対象者の拍情報を取得し、
前記心電図波形データと前記拍情報に対応するデータとが関連付けられたデータセットを生成する。

【0010】

本開示により提供されうる第四の態様例は、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを生成する方法であって、
第三の態様例に係る方法により生成された教師データを取得し、
前記教師データを用いて機械学習を行なう。

【0011】

拍情報に対応するデータは、心電図波形に対応するデータよりもデータサイズが小さい。したがって、第三の態様例と第四の態様例に係る構成によれば、機械学習に係る演算負荷を軽減できる。

【0012】

本開示により提供されうる第五の態様例は、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを生成する方法であって、
第一の態様に係る処理装置のプロセッサにより生成されたデータセットを取得し、
前記データセットを用いて機械学習を行ない、
前記データセットは、変更された前記指標に対応するデータと当該変更された指標により特定される前記部分心電図波形に対応する前記心電図波形データの一部とが関連付けられている。

【0013】

ある指標が修正されたという事実は、当該指標により特定される部分心電図波形に心房細動が疑われる波形部位が含まれている確率についての推論結果に修正の余地があったことを意味している。換言すると、推論モデルの推論アルゴリズムに改善の余地があることを意味している。第五の態様例に係るデータセットを教師データとして機械学習を行なうことにより、対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の推論精度を高めることができる。

【図面の簡単な説明】

【0014】

【図1】一実施形態に係る処理装置の機能構成を例示している。

【図2】図１のプロセッサにより実行される処理の流れを例示している。

【図3】図２の処理により表示装置に表示される指標を示している。

【図4】図２の処理により表示装置に表示される画面の一例を示している。

【図5】図２の処理により表示装置に表示される画面の別例を示している。

【図6】表示された指標を変更する処理の一例を示している。

【図7】表示された指標を変更する処理の別例を示している。

【図8】表示された指標を変更する処理の別例を示している。

【図9】図１の推論モデルを生成する装置の機能構成を例示している。

【図10】図１の処理装置を含む処理システムの構成の一例を示している。

【図11】図１の処理装置を含む処理システムの構成の別例を示している。

【図12】図９の教師データに用いられうるデータセットを例示している。

【発明を実施するための形態】

【0015】

添付の図面を参照しつつ、実施形態の例について詳細に説明する。

【0016】

図１は、一実施形態に係る処理装置１０の機能構成を例示している。処理装置１０は、対象者２０から取得された心電図波形に心房細動が疑われる波形部位が含まれている確率を算出する処理を行なうように構成されている。心房細動を含む不整脈は、心疾患の一例である。

【0017】

処理装置１０は、入力インタフェース１１を備えている。入力インタフェース１１は、心電計などを通じて取得された対象者２０の心電図波形に対応する心電図波形データＷＤを受け付けるハードウェアインタフェースとして構成されている。心電図波形データＷＤは、心電計などの仕様に応じてデジタルデータであってもよいし、アナログデータであってもよい。

【0018】

心電図波形データＷＤがアナログデータである場合、入力インタフェース１１は、Ａ／Ｄコンバータを含む適宜の変換回路を備える。この説明は、後述される入力インタフェース１１が受け付け可能な他の信号やデータについても同様に適用される。

【0019】

処理装置１０は、プロセッサ１２を備えている。プロセッサ１２は、図２に例示される処理を実行する演算素子として構成されている。

【0020】

まず、取得された心電図波形を複数の部分心電図波形に区分する作業に対応する処理が、心電図波形データＷＤに対してなされる（ＳＴＥＰ１）。各部分心電図波形は、所定の時間長さを有している。所定の時間長さは、例えば１秒である。図３に示される例においては、心電図波形Ｗが六つの部分心電図波形ＳＷ１～ＳＷ６を含んでいる。

【0021】

続いて、複数の部分心電図波形の各々について心房細動が疑われる波形部位が含まれている確率を算出する処理が実行される（図２のＳＴＥＰ２）。具体的には、プロセッサ１２は、各部分心電図波形に対応するデータを、図１に例示される推論モデル３１に入力する。

【0022】

なお、推論モデル３１へのデータの入力は、必ずしも区分された部分心電図波形ごとの単位でなされることを要しない。複数の部分心電図波形に対応するデータがまとめて推論モデル３１へ入力されてもよい。

【0023】

推論モデル３１は、後述する機械学習を通じて生成された推論アルゴリズムである。推論モデル３１は、部分心電図波形に対応するデータを入力として、当該部分心電図波形に心房細動が疑われる波形部位が含まれている確率を推論結果として出力するように構成されている。確率は、０から１の間の値をとる。値０は、０％に対応している。値１は、１００％に対応している。推論結果は、推論された確率に対応するスコア（例えば１から５までの値のいずれか）であってもよい。

【0024】

続いて、上記の確率に対応する指標を、当該確率が算出された部分心電図波形とともに図１に例示される表示装置３２に表示させる処理が実行される（図２のＳＴＥＰ３）。

【0025】

図１に例示されるように、処理装置１０は、出力インタフェース１３を備えている。プロセッサ１２は、心電図波形Ｗを表示装置３２に表示させる表示制御信号ＤＣを、出力インタフェース１３から出力するように構成されている。出力インタフェース１３は、ハードウェアインタフェースとして構成されている。表示制御信号ＤＣは、表示装置３２の仕様に応じてデジタル信号であってもよいし、アナログ信号であってもよい。

【0026】

表示制御信号ＤＣがアナログ信号である場合、出力インタフェース１３は、Ｄ／Ａコンバータを含む適宜の変換回路を備える。この説明は、後述される出力インタフェース１３が出力可能な他の信号やデータについても同様に適用される。

【0027】

表示制御信号ＤＣは、図３に例示されるように複数の指標ＩＤ１～ＩＤ６を心電図波形Ｗと並べて表示装置３２に表示させるように構成される。複数の指標ＩＤ１～ＩＤ６の各々は、複数の部分心電図波形ＳＷ１～ＳＷ６の対応する一つと並ぶように表示される。

【0028】

本例においては、指標は、帯状の図形の色である。本例においては、図形の色は、算出された確率に対応する四色のいずれかである（無色もまた色の一例である）。

【0029】

図３に示される例においては、部分心電図波形ＳＷ２に対応付けられた指標ＩＤ２が示す確率は、部分心電図波形ＳＷ１、ＳＷ３に対応付けられた指標ＩＤ１、ＩＤ３が示す確率よりも高い。部分心電図波形ＳＷ４に対応付けられた指標ＩＤ４が示す確率は、部分心電図波形ＳＷ２に対応付けられた指標ＩＤ２が示す確率よりも高い。部分心電図波形ＳＷ５、ＳＷ６に対応付けられた指標ＩＤ５、ＩＤ６が示す確率は、部分心電図波形ＳＷ４に対応付けられた指標ＩＤ４が示す確率よりも高い。

【0030】

図４は、表示制御信号ＤＣに基づいて表示装置３２に表示される画面の一例を示している。６分間にわたって取得された心電図波形Ｗが表示されている。心電図波形Ｗを構成している各部分心電図波形の下方には、上述の指標が対応するように表示されている。

【0031】

換言すると、特定の確率に関連付けられた部分心電図波形のみが抽出されて表示装置３２に表示されるのではなく、全ての部分心電図波形を含む心電図波形Ｗが表示に供され、当該心電図波形Ｗを構成する全ての部分心電図波形の各々に対応付けられた指標が、心電図波形Ｗとともに表示されている。

【0032】

このような構成によれば、心電図波形Ｗの経時変化の中にあって心房細動が疑われる波形部位が含まれている確率が高い（あるいは低い）と推論された部分がどのように分布しているかについて俯瞰的な視点をユーザに提供できる。すなわち、対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれているかについて、より詳細な情報を提供できる。

【0033】

加えて、心房細動が疑われる波形部位が含まれている確率が中程度であると推論された部分について当該推論の妥当性をより重点的に確認するといった確認の仕方を、ユーザに提供できる。すなわち、対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれているかの確認作業の効率性を高めうる。

【0034】

図５は、表示制御信号ＤＣに基づいて表示装置３２に表示される画面の別例を示している。本例に係る表示制御信号ＤＣは、心電図波形ＷにおけるＲ－Ｒ間隔の経時変化を示すタコグラムＴを、表示装置３２に表示させるように構成されている。タコグラムＴは、部分心電図波形に対応する情報の一例である。タコグラムＴを構成している各部分心電図波形に対応する部分の下方には、上述の指標が対応するように表示されている。

【0035】

図１に例示されるように、処理装置１０の入力インタフェース１１は、ユーザインタフェース３３を通じて入力される修正指示データＭＤを受け付け可能に構成されうる。医療従事者などのユーザは、上記の推論を通じて表示装置３２に表示された指標の変更が必要であると判断した場合、ユーザインタフェース３３に所望の変更に対応する指示を入力しうる。修正指示データＭＤは、当該指示に基づいて表示装置３２に表示される指標を変更するためのデータを含んでいる。

【0036】

例えば、図３に示されている指標ＩＤ３の色を指標ＩＤ２の色に一致させる変更をユーザが希望する場合、修正指示データＭＤは、指標ＩＤ３を指定するデータと、変更後の色を指定するデータを含みうる。

【0037】

プロセッサ１２は、修正指示データＭＤに基づいて表示される指標を表示装置３２に変更させる表示制御信号ＤＣを、出力インタフェース１３から出力する。上記の例においては、指標ＩＤ３の色を指標ＩＤ２の色に一致させる表示制御信号ＤＣが、出力インタフェース１３から出力される。

【0038】

このような構成によれば、対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれているかについてのプロセッサ１２による推論結果に対する編集可能性を提供できる。推論結果に対する医療従事者などのユーザの介入が許容されることにより、利便性を高めることができる。

【0039】

図６は、推論結果に対する変更の別例を示している。本例においては、対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれている確率に対応する指標は、部分心電図波形の背景の色である。本例においては、当該確率が所定の閾値未満であると推論された部分心電図波形の背景は無色とされており、当該確率が当該閾値以上であると推論された部分心電図波形の背景が着色されている。

【0040】

ある時点における表示装置３２の画面には、無色の指標と有色の指標とが混在して表示されている。医療従事者などのユーザは、指標の色をいずれか一方に統一させる変更を行なうことができる。具体的には、当該画面において変更を希望する領域を指定する枠Ｆを、ユーザインタフェース３３を通じて設定する。換言すると、表示装置３２に表示された心電図波形Ｗにおける特定の時間区間が、枠Ｆにより指定される。当該設定に対応する修正指示データＭＤが、ユーザインタフェース３３から出力され、処理装置１０の入力インタフェース１１により受け付けられる。

【0041】

プロセッサ１２は、修正指示データＭＤにより指定された時間区間（枠Ｆにより囲まれた領域）に含まれる指標のうち、占有率のより高い指標を特定し、当該指標に他の指標を一致させる変更を表示装置３２に行なわせる表示制御信号ＤＣを、出力インタフェース１３から出力する。

【0042】

図６に示される例においては、有色の指標の方がより高い占有率を有している。したがって、プロセッサ１２は、表示装置３２に無色の指標を有色の指標に変更させる表示制御信号ＤＣを、出力インタフェース１３から出力する。

【0043】

図７に示される例においては、無色の指標の方がより高い占有率を有している。したがって、プロセッサ１２は、表示装置３２に有色の指標を無色の指標に変更させる表示制御信号ＤＣを、出力インタフェース１３から出力する。

【0044】

図８は、推論結果に対する変更の別例を示している。本例においては、医療従事者などのユーザは、指標の色の変更を希望する領域を指定する枠Ｆ１を、ユーザインタフェース３３を通じて設定する。換言すると、表示装置３２に表示された心電図波形Ｗにおける特定の時間区間が、枠Ｆ１により指定される。当該設定に対応する修正指示データＭＤが、ユーザインタフェース３３から出力され、処理装置１０の入力インタフェース１１により受け付けられる。

【0045】

プロセッサ１２は、修正指示データＭＤにより指定された時間区間（枠Ｆ１により囲まれた領域）に含まれない部分心電図波形のうち、指定された時間区間に含まれる部分心電図波形と類似するものを特定する。図８に示される例においては、枠Ｆ２により囲まれた領域が類似する部分心電図波形として特定されている。続いてプロセッサ１２は、類似すると特定された部分心電図波形に対応付けられた指標の色を、指定された時間区間に含まれる部分心電図波形に対応付けられた指標の色とともに表示装置３２に変更させる表示制御信号ＤＣを、出力インタフェース１３から出力する。図８に示される例においては、枠Ｆ１に囲まれた指標と枠Ｆ２に囲まれた指標の各々が有色から無色に変更されている。

【0046】

図６から図８を参照して説明した構成によれば、特に誤推定と認められる箇所が複数存在する場合において、修正作業の効率を高めることができる。

【0047】

上記のようにユーザによる指標の変更がなされた場合、プロセッサ１２は、変更された指標に対応するデータと当該変更された指標により特定される部分心電図波形に対応する心電図波形データＷＤの一部とが関連付けられたデータセットＤＳを生成するように構成されうる。

【0048】

図１に例示されるように、プロセッサ１２は、生成されたデータセットＤＳをストレージ３４に格納するために、出力インタフェース１３から出力しうる。ストレージ３４は、半導体メモリ、ハードディスク装置、磁気テープ装置などにより実現されうる記憶装置である。

【0049】

ある指標が修正されたという事実は、当該指標により特定される部分心電図波形に心房細動が疑われる波形部位が含まれている確率についての推論結果に修正の余地があったことを意味している。換言すると、推論モデル３１の推論アルゴリズムに改善の余地があることを意味している。上記のようなデータセットＤＳを収集および蓄積することにより、推論モデル３１の再学習が必要とされた場合における教師データとしての利用が可能とされる。結果として、推論モデル３１の改善を通じて対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれている確率の推論精度を高めることができる。なお、上記のようなデータセットＤＳは、推論モデル３１の初期学習時における教師データとして用いられてもよい。

【0050】

推論モデル３１は、図９に例示されるモデル生成装置３５により生成されうる。すなわち、モデル生成装置３５は、上記の処理装置１０に実装される推論モデル３１を生成するように構成されている。

【0051】

モデル生成装置３５は、入力インタフェース３５１を備えている。入力インタフェース３５１は、教師データＴＲを受け付けるハードウェアインタフェースとして構成されている。教師データＴＲは、ストレージ３４から取得されうる。

【0052】

一例として、教師データＴＲは、ある対象者から取得された心電図波形に対応するデータと、当該対象者が心房細動を起こしているか否かを示す教師ラベルデータとが関連付けられたデータセットである。

【0053】

別例として、教師データＴＲは、上記の心電図波形から取得された拍情報に対応するデータと、当該対象者が心房細動を起こしているか否かを示す教師ラベルデータとが関連付けられたデータセットである。拍情報の例としては、Ｒ－Ｒ間隔、正常拍、上室性期外収縮などが挙げられる。拍情報に対応するデータは、心電図波形に対応するデータよりもデータサイズが小さいので、機械学習に係る演算負荷を軽減できる。加えて、心電図波形から直接的に取得しにくい拍情報に対応するデータを、心電図波形に対応するデータとは個別に用意することにより、機械学習の多様性を高めることができる。

【0054】

したがって、別例に係る教師データＴＲを生成するためには、対象者の心電図波形に対応する心電図波形データが取得され、当該心電図波形から所望の拍情報が取得され、かつ当該心電図波形データと当該拍情報に対応するデータとがデータセットとして関連付けられる。生成された教師データＴＲは、ストレージ３４に保存される。

【0055】

モデル生成装置３５は、プロセッサ３５２を備えている。プロセッサ３５２は、教師データＴＲを用いて機械学習を行なうことにより推論モデル３１を生成ように構成されている。機械学習に用いられるアルゴリズムの例としては、ニューラルネットワーク、決定木、ランダムフォレスト、サポートベクトルマシンなどが挙げられる。

【0056】

モデル生成装置３５は、出力インタフェース３５３を備えている。出力インタフェース３５３は、プロセッサ３５２により生成された推論モデル３１を、処理装置１０に実装可能な形態で出力するハードウェアインターフェースとして構成されている。

【0057】

上記のように構成された教師データＴＲは、どのような心電図波形あるいは拍情報が対象者から取得された場合に当該対象者が心房細動を起こしている（あるいは起こしていない）と判断されうるかを教示している。したがって、当該教師データＴＲを用いて機械学習がなされた推論モデル３１を生成することにより、処理装置１０により推論される対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれている確率の精度を高めることができる。

【0058】

これまで説明した処理装置１０、推論モデル３１、表示装置３２、ユーザインタフェース３３、およびストレージ３４は、対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれる確率を算出する処理を行なう処理システム４０を構成しうる。処理システム４０は、様々な構成態様をとりうる。

【0059】

図１０は、処理システム４０の構成の一例を示している。処理システム４０は、心電計４１を含んでいる。心電計４１は、対象者２０から心電図波形Ｗを取得し、対応する心電図波形データＷＤを生成する装置である。

【0060】

処理装置１０と推論モデル３１は、心電計４１に搭載されている。表示装置３２は、ユーザインタフェース３３、およびストレージ３４の各々は、処理装置１０と通信ネットワークＮを介して通信可能に接続されている。

【0061】

処理システム４０は、サーバ装置４２を含みうる。サーバ装置４２は、処理装置１０と通信ネットワークＮを介して通信可能に接続される。推論モデル３１は、サーバ装置４２に搭載されてもよい。この場合、処理装置１０のプロセッサ１２は、部分心電図波形に対応する心電図波形データＷＤの一部を出力インタフェース１３からサーバ装置４２に送信し、推論モデル３１により算出された確率に対応するデータを、入力インタフェース１１を通じて受け付ける。

【0062】

表示装置３２は、心電計４１に搭載されてもよい。ユーザインタフェース３３は、表示装置３２に搭載されてもよいし、心電計４１に搭載されてもよい。ストレージ３４は、心電計４１に搭載されてもよいし、サーバ装置４２に搭載されてもよい。

【0063】

図１１は、処理システム４０の構成の別例を示している。本例に係る処理装置１０は、心電計４１と通信可能に接続された独立した装置である。心電計４１と処理装置１０との間の通信は、通信ネットワークＮを介して行なわれてもよい。

【0064】

本例においては、推論モデル３１は、処理装置１０に搭載されている。しかしながら、図１０を参照して説明した例と同様に、推論モデル３１は、サーバ装置４２に搭載されてもよい。

【0065】

表示装置３２は、ユーザインタフェース３３、およびストレージ３４の各々は、処理装置１０と通信ネットワークＮを介して通信可能に接続されている。しかしながら、表示装置３２は、心電計４１に搭載されてもよいし、処理装置１０に搭載されてもよい。ユーザインタフェース３３は、表示装置３２に搭載されてもよいし、心電計４１に搭載されてもよいし、処理装置１０に搭載されてもよい。ストレージ３４は、心電計４１に搭載されてもよいし、処理装置１０に搭載されてもよいし、サーバ装置４２に搭載されてもよい。

【0066】

推論モデル３１がサーバ装置４２に搭載される場合、複数の処理装置１０による推論モデル３１の共用が可能とされる。この場合における推論モデル３１の一元的管理の容易性は、共用に供される処理装置１０の数が増えるほど顕著となる。

【0067】

なお、図９を参照して説明したモデル生成装置３５の機能がサーバ装置４２に実装された場合、推論モデル３１の機械学習（再学習を含む）を、サーバ装置４２上で行なうことができる。

【0068】

図９に例示されるように、ストレージ３４にはＮ個の処理装置１０（１０１～１０Ｎ；Ｎは２以上の整数）が通信可能に接続されうる。すなわち、各処理装置１０から出力されたデータセットＤＳが、ストレージ３４に集約的に保存されうる。

【0069】

このような構成においては、多様な特徴を有する推論モデル３１の生成と選択的使用が可能とされる。図１１は、ストレージ３４に接続可能とされた複数の処理装置１０の属性を例示している。本例においては、ストレージ３４に格納されるデータセットＤＳは、当該データセットＤＳを出力した処理装置１０を特定する装置ＩＤ、当該処理装置１０が設置されている施設を特定する施設ＩＤ、および当該施設が所属している系列グループを特定する系列ＩＤを含んでいる。

【0070】

一例として、モデル生成装置３５は、装置ＩＤが１である処理装置１０から出力されたデータセットＤＳと、装置ＩＤが２である処理装置１０から出力されたデータセットＤＳを教師データＴＲとして機械学習を実行しうる。これらのデータセットＤＳは、いずれも施設ＩＤがＡである施設に設置された処理装置１０から出力されたものである。

【0071】

このように選択されたデータセットＤＳは、当該施設における医療環境や所属スタッフの判断傾向が反映されている蓋然性が高い。当該データセットＤＳを教師データＴＲとして機械学習を行なうことにより、施設ＩＤがＡである施設に特化して推論精度を高めた推論モデル３１を生成できる。

【0072】

別例として、モデル生成装置３５は、装置ＩＤが５である処理装置１０から出力されたデータセットＤＳ、装置ＩＤが６である処理装置１０から出力されたデータセットＤＳ、および装置ＩＤが９である処理装置１０から出力されたデータセットＤＳを教師データＴＲとして機械学習を実行しうる。これらのデータセットＤＳは、いずれも系列ＩＤがγである施設に設置された処理装置１０から出力されたものである。

【0073】

このように選択されたデータセットＤＳは、当該系列に所属する施設における医療環境や所属スタッフの判断傾向が反映されている蓋然性が高い。当該データセットＤＳを教師データＴＲとして機械学習を行なうことにより、系列ＩＤがγである施設に特化して推論精度を高めた推論モデル３１を生成できる。加えて、同じ系列に所属する別の施設に新たに設置される処理装置１０に当該推論モデル３１を使用させるといった利用法が可能とされる。

【0074】

同様の考え方に基づき、処理装置１０から出力されるデータセットＤＳは、当該処理装置１０が設置されている施設の規模（病床数、スタッフ数など）を属性情報として含んでもよい。この場合、生成された推論モデル３１の基礎となった施設と同程度の規模を有する施設に新たに設置される処理装置１０に当該推論モデル３１を使用させるといった利用法が可能とされる。

【0075】

同様に、処理装置１０から出力されるデータセットＤＳは、当該処理装置１０が設置されている病棟の種別（一般病棟、救急病棟、リハビリ病棟など）を属性情報として含んでもよい。この場合、生成された推論モデル３１の基礎となった施設と同種の施設に新たに設置される処理装置１０に当該推論モデル３１を使用させるといった利用法が可能とされる。

【0076】

あるいは、処理装置１０から出力されるデータセットＤＳは、当該データセットが取得された状況（健康診断時、入院時、検査目的、検査対象など）を属性情報として含んでもよい。この場合、生成された推論モデル３１の基礎となった状況と同様の状況での使用を目的として新たに設置される処理装置１０に当該推論モデル３１を使用させるといった利用法が可能とされる。

【0077】

すなわち、未だ臨床データの蓄積がない施設や状況においても、同様の属性的傾向を有する施設や状況から得られたデータに基づく機械学習を通じて生成された推論モデル３１の有利性を提供できる。

【0078】

別例として、モデル生成装置３５は、全ての処理装置１０から出力されたデータセットＤＳを教師データＴＲとして機械学習を実行しうる。この場合、汎用性の高い推論モデル３１の生成が可能とされる。

【0079】

上述した様々な機能を有する処理装置１０のプロセッサ１２とモデル生成装置３５のプロセッサ３５２の各々は、汎用メモリと協働して動作する汎用マイクロプロセッサにより実現されうる。汎用マイクロプロセッサとしては、ＣＰＵ、ＭＰＵ、ＧＰＵが例示されうる。汎用メモリとしては、ＲＯＭやＲＡＭが例示されうる。この場合、ＲＯＭには、上述した様々な機能を実現するコンピュータプログラムが記憶されうる。ＲＯＭは、コンピュータプログラムを記憶している非一時的なコンピュータ可読媒体の一例である。汎用マイクロプロセッサは、ＲＯＭ上に記憶されたプログラムの少なくとも一部を指定してＲＡＭ上に展開し、ＲＡＭと協働して上述した処理を実行する。当該コンピュータプログラムは、汎用メモリにプリインストールされてもよいし、通信ネットワークＮを介して外部サーバ装置からダウンロードされてから汎用メモリにインストールされてもよい。この場合、外部サーバ装置は、コンピュータプログラムを記憶している非一時的なコンピュータ可読媒体の一例である。

【0080】

上述した様々な機能を有する処理装置１０のプロセッサ１２とモデル生成装置３５のプロセッサ３５２の各々は、上記のコンピュータプログラムを実行可能なマイクロコントローラ、ＡＳＩＣ、ＦＰＧＡなどの専用集積回路によって実現されてもよい。この場合、当該専用集積回路に含まれる記憶素子に上記のコンピュータプログラムがプリインストールされる。当該記憶素子は、コンピュータプログラムを記憶しているコンピュータ可読媒体の一例である。上述した様々な機能を有する処理装置１０のプロセッサ１２とモデル生成装置３５のプロセッサ３５２の各々は、汎用マイクロプロセッサと専用集積回路の組合せによっても実現されうる。

【0081】

これまで説明した様々な構成は、本開示の理解を容易にするための例示にすぎない。各構成例は、本開示の趣旨の範囲内で適宜に変更や相互の組合せがなされうる。

【0082】

対象者２０から取得された心電図波形Ｗに心房細動が疑われる波形部位が含まれる確率に対応する指標は、部分心電図波形とともに表示される図形の色と部分心電図波形の背景の色に限られない。部分心電図波形自体の色もまた指標とされうる。部分心電図波形とともに表示される文字や記号が指標とされてもよい。

【0083】

処理装置１０による推論に供される心疾患は、心房細動に限られない。他の心疾患の例としては、心房性期外収縮、発作性上室頻拍、心室性期外収縮、心室頻拍、心室細動、心筋梗塞などが挙げられる。推論モデル３１の生成に使用される教師データＴＲに用いられる拍情報の種別は、推論に供される心疾患を特定しうるものとして適宜に選択される。

【0084】

以下に列挙される構成もまた、本開示の一部を構成する。

項目１：
対象者の心電図波形に対応する心電図波形データを受け付けるインタフェースと、
前記心電図波形データに基づいて、
前記心電図波形を複数の部分心電図波形に区分し、
前記複数の部分心電図波形の各々について心疾患が疑われる波形部位が含まれている確率を算出し、かつ
前記確率に対応する指標を、当該確率が算出された前記部分心電図波形に対応する情報とともに表示装置に表示させるプロセッサと、
を備えている、
処理装置。

項目２：
前記指標は、前記部分心電図波形の色、前記部分心電図波形の背景の色、または前記部分心電図波形とともに表示される図形の色である、
項目１に記載の処理装置。

項目３：
前記部分心電図波形に対応する情報は、前記心電図波形のＲ－Ｒ間隔に基づくタコグラムを含んでいる、
項目１または項目２に記載の処理装置。

項目４：
前記インタフェースは、前記指標を変更する指示を受け付け、
前記プロセッサは、前記指示に基づいて前記指標を変更する、
項目１から項目３のいずれかに記載の処理装置。

項目５：
前記インタフェースは、前記表示装置に表示された前記心電図波形における特定の時間区間を指定する指示を受け付け、
前記プロセッサは、前記時間区間における前記指標とともに表示された前記部分心電図波形の占有率に応じて、前記時間区間に含まれる前記指標を変更する、
項目４に記載の処理装置。

項目６：
前記インタフェースは、前記表示装置に表示された前記心電図波形における特定の時間区間を指定する指示を受け付け、
前記プロセッサは、前記時間区間に含まれる前記部分心電図波形と類似する前記時間区間に含まれない前記部分心電図波形を特定し、当該特定された部分心電図波形とともに表示される前記指標を、前記時間区間に含まれる前記部分心電図波形とともに表示されている前記指標と一致するように変更する、
項目４に記載の処理装置。

項目７：
前記プロセッサは、変更された前記指標に対応するデータと当該変更された指標により特定される前記部分心電図波形に対応する前記心電図波形データの一部とが関連付けられたデータセットを生成する、
項目４から項目６のいずれかに記載の処理装置。

項目８：
前記確率は、心疾患が疑われる波形部位が含まれていると判断された複数の心電図波形を用いた機械学習を通じて生成された推論モデルに前記心電図波形に基づいて取得されるデータを入力することにより算出される、
項目１から項目８のいずれかに記載の処理装置。

項目９：
処理装置に搭載されたプロセッサにより実行可能なコンピュータプログラムであって、
実行されることにより、前記処理装置は、
対象者の心電図波形に対応する心電図波形データを受け付け、
前記心電図波形データに基づいて前記心電図波形を複数の部分心電図波形に区分し、
前記複数の部分心電図波形の各々について心疾患が疑われる波形部位が含まれている確率を算出し、
前記確率に対応する指標を、当該確率が算出された前記部分心電図波形に対応する情報とともに表示装置に表示させる、
コンピュータプログラム。

項目１０：
対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを機械学習するための教師データを生成する方法であって、
心疾患が疑われる波形部位を含む心電図波形に対応する心電図波形データを取得し、
前記心電図波形から前記対象者の拍情報を取得し、
前記心電図波形データと前記拍情報に対応するデータとが関連付けられたデータセットを生成する、
教師データの生成方法。

項目１１：
対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを生成する方法であって、
項目１０に記載の方法により生成された教師データを取得し、
前記教師データを用いて機械学習を行なう、
推論モデルの生成方法。

項目１２：
対象者から取得された心電図波形に心疾患が疑われる波形部位が含まれている確率の算出に使用される推論モデルを生成する方法であって、
項目７に記載の処理装置により生成されたデータセットを取得し、
前記データセットを用いて機械学習を行なう、
推論モデルの生成方法。

項目１３：
複数の処理装置から前記データセットを取得する、
項目１２に記載の推論モデルの生成方法。

【符号の説明】

【0085】

１０（１０１～１０Ｎ）：処理装置、１１：入力インタフェース、１２：プロセッサ、２０：対象者、３１：推論モデル、３２：表示装置、ＤＳ：データセット、ＩＤ１～ＩＤ６：指標、ＭＤ：修正指示データ、ＳＷ１～ＳＷ６：複数の部分心電図波形、Ｔ：タコグラム、ＴＲ：教師データ、Ｗ：心電図波形、ＷＤ：心電図波形データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】