ホーム > 特許ランキング > 公立大学法人奈良県立医科大学
▶ 公立大学法人奈良県立医科大学の特許一覧 ▶ 国立大学法人 奈良先端科学技術大学院大学の特許一覧 ▶ 奈良県の特許一覧
(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】P2024007851
(43)【公開日】2024-01-19
(54)【発明の名称】情報処理装置、情報処理方法、及びプログラム
(51)【国際特許分類】
G16H 50/20 20180101AFI20240112BHJP
【ＦＩ】
G16H50/20
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2022109211
(22)【出願日】2022-07-06
【国等の委託研究の成果に係る記載事項】（出願人による申告）令和３年度、国立研究開発法人日本医療研究開発機構、難治性疾患実用化研究事業、研究開発課題名：「特発性心筋症の診療に直結するエビデンス創出のためのＡＩを活用した自動病理診断システムの開発～希少・分類不能心筋症の自動抽出システムの開発～」委託研究開発、産業技術力強化法第１７条の適用を受ける特許出願
(71)【出願人】
【識別番号】507126487
【氏名又は名称】公立大学法人奈良県立医科大学
(71)【出願人】
【識別番号】504143441
【氏名又は名称】国立大学法人 奈良先端科学技術大学院大学
(71)【出願人】
【識別番号】000225142
【氏名又は名称】奈良県
(74)【代理人】
【識別番号】100126000
【弁理士】
【氏名又は名称】岩池 満
(74)【代理人】
【識別番号】100154748
【弁理士】
【氏名又は名称】菅沼 和弘
(72)【発明者】
【氏名】尾上 健児
(72)【発明者】
【氏名】佐藤 嘉伸
(72)【発明者】
【氏名】大竹 義人
(72)【発明者】
【氏名】スーフィー マーゼン
(72)【発明者】
【氏名】箱谷 知輝
(72)【発明者】
【氏名】林田 平馬
(72)【発明者】
【氏名】増山 史倫
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA04
(57)【要約】
【課題】心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術を実現化させること。
【解決手段】診断情報取得部５１は、診断対象の心筋組織画像を含む診断対象データをユーザ端末２から取得する。ＡＩ診断部５２は、診断対象データ及びＡＩモデル７１を用いて、ＤＣＭ、ＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて診断対象に対する診断結果を出力する。診断結果情報生成部５３は、ＡＩ診断部５２による診断結果を示す情報を、診断結果情報として生成し、ユーザ端末２を介して医師等のユーザに提示する。
【選択図】図３
【解決手段】診断情報取得部５１は、診断対象の心筋組織画像を含む診断対象データをユーザ端末２から取得する。ＡＩ診断部５２は、診断対象データ及びＡＩモデル７１を用いて、ＤＣＭ、ＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて診断対象に対する診断結果を出力する。診断結果情報生成部５３は、ＡＩ診断部５２による診断結果を示す情報を、診断結果情報として生成し、ユーザ端末２を介して医師等のユーザに提示する。
【選択図】図３
【特許請求の範囲】
【請求項1】
心筋症の診断を支援する情報処理装置において、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得手段と、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断手段と、
を備える情報処理装置。
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得手段と、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断手段と、
を備える情報処理装置。
【請求項2】
前記診断対象取得手段は、Ｎ個（Ｎは２以上の整数値）の単位画像に区分された前記心筋組織画像を取得し、
前記心筋症診断手段は、前記Ｎ個の単位画像の夫々について、前記３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する、
請求項１に記載の情報処理装置。
前記心筋症診断手段は、前記Ｎ個の単位画像の夫々について、前記３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する、
請求項１に記載の情報処理装置。
【請求項3】
前記心筋症診断手段は、
前記Ｎ個の単位画像の夫々について前記３種類のうち最高確率の種類に分類し、
前記３種類のうち、分類された前記単位画像の数の割合が最高となっている所定種類について、当該所定種類の割合が閾値を超える場合、当該所定種類を前記診断結果として出力し、当該所定種類の割合が閾値以下の場合、判定不能を前記診断結果として出力する、
請求項２に記載の情報処理装置。
前記Ｎ個の単位画像の夫々について前記３種類のうち最高確率の種類に分類し、
前記３種類のうち、分類された前記単位画像の数の割合が最高となっている所定種類について、当該所定種類の割合が閾値を超える場合、当該所定種類を前記診断結果として出力し、当該所定種類の割合が閾値以下の場合、判定不能を前記診断結果として出力する、
請求項２に記載の情報処理装置。
【請求項4】
前記心筋症診断手段は、前記ＤＣＭ、前記ＨＣＭ、又は前記判定不能を前記診断結果として出力する場合、さらに、空胞変性の有無についても追加検証する、
請求項３に記載の情報処理装置。
請求項３に記載の情報処理装置。
【請求項5】
前記心筋症診断手段は、前記３種類の夫々に該当する確率を出力する前に、さらに、
前記心筋組織画像に基づいて、アミロイドーシスであるか否か、次に、心筋炎であるか否かを夫々判別し、
前記アミロイドーシスに該当すると判断した場合、当該アミロイドーシスを前記診断結果として出力し、
前記心筋炎に該当すると判断した場合、当該心筋炎を前記診断結果として出力し、
前記アミロイドーシス及び前記心筋炎の何れにも該当しないと判断した場合、前記３種類の夫々に該当する前記確率を出力し、当該確率に基づいて前記診断結果を出力する、
請求項１に記載の情報処理装置。
前記心筋組織画像に基づいて、アミロイドーシスであるか否か、次に、心筋炎であるか否かを夫々判別し、
前記アミロイドーシスに該当すると判断した場合、当該アミロイドーシスを前記診断結果として出力し、
前記心筋炎に該当すると判断した場合、当該心筋炎を前記診断結果として出力し、
前記アミロイドーシス及び前記心筋炎の何れにも該当しないと判断した場合、前記３種類の夫々に該当する前記確率を出力し、当該確率に基づいて前記診断結果を出力する、
請求項１に記載の情報処理装置。
【請求項6】
実際の症例の前記心筋組織画像であって、Ｎ個の単位画像の夫々に対して前記３種類を少なくとも含む複数種類のうちの何れかを付すアノテーションが行われた心筋組織画像を含む学習データを生成する学習データ生成手段と、
前記学習データを用いて、前記Ｎ個の単位画像に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に前記複数種類の夫々に該当する前記確率を出力するモデルを生成又は更新する学習手段と、
をさらに備え、
前記心筋症診断手段は、前記診断対象の前記心筋組織画像を前記モデルに入力させ、当該モデルの出力に基づいて前記診断結果を出力する、
請求項２に記載の情報処理装置。
前記学習データを用いて、前記Ｎ個の単位画像に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に前記複数種類の夫々に該当する前記確率を出力するモデルを生成又は更新する学習手段と、
をさらに備え、
前記心筋症診断手段は、前記診断対象の前記心筋組織画像を前記モデルに入力させ、当該モデルの出力に基づいて前記診断結果を出力する、
請求項２に記載の情報処理装置。
【請求項7】
前記心筋症診断手段により出力された前記３種類のうち最高確率の種類が夫々割り当てられた前記Ｎ個の単位画像に区分された前記診断対象の前記心筋組織画像と共に、前記心筋症診断手段による診断結果を提示する診断結果提示手段
をさらに備える請求項３に記載の情報処理装置。
をさらに備える請求項３に記載の情報処理装置。
【請求項8】
前記診断結果提示手段は、さらに、
前記Ｎ個の単位画像の夫々を示すＮ個のブロックを、前記３種類を少なくとも含む診断結果のうち何れに分類されたのかを示す表示態様で配置させることによって得られる棒グラフを提示する、
請求項７に記載の情報処理装置。
前記Ｎ個の単位画像の夫々を示すＮ個のブロックを、前記３種類を少なくとも含む診断結果のうち何れに分類されたのかを示す表示態様で配置させることによって得られる棒グラフを提示する、
請求項７に記載の情報処理装置。
【請求項9】
前記診断結果提示手段は、
前記診断結果として前記ＤＣＭを提示する場合、さらに、
変性/線維化二次元ｐｌｏｔを提示する、
請求項７に記載の情報処理装置。
前記診断結果として前記ＤＣＭを提示する場合、さらに、
変性/線維化二次元ｐｌｏｔを提示する、
請求項７に記載の情報処理装置。
【請求項10】
前記診断結果提示手段は、
前記診断結果を示す文章として、Ｍ（ＭはＮとは独立した２以上の整数値）のパターンの中から選択されたパターンの文章を提示する、
請求項７に記載の情報処理装置。
前記診断結果を示す文章として、Ｍ（ＭはＮとは独立した２以上の整数値）のパターンの中から選択されたパターンの文章を提示する、
請求項７に記載の情報処理装置。
【請求項11】
心筋症の診断を支援する情報処理装置が実行する情報処理方法において、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得ステップと、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断ステップと、
を含む情報処理方法。
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得ステップと、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断ステップと、
を含む情報処理方法。
【請求項12】
心筋症の診断を支援するコンピュータに、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得ステップと、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断ステップと、
を含む制御処理を実行させるプログラム。
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得ステップと、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断ステップと、
を含む制御処理を実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法、及びプログラムに関する。
【背景技術】
【0002】
従来より、心筋症の診断には心エコーやＭＲＩ等の画像診断（例えば特許文献１）が重要であるが、解像度に限界があるため、心臓病理を専門とする病理医や循環器内科医（以下、「専門家」と呼ぶ）による検査が施行されて初めて診断に至る場合が多い。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－１３０６１０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、心筋症診断の決め手となる心臓病理の専門家は全国的に見ても非常に少なく、ゆえに積極的な心臓病理診断施行施設は限定されている。
このため、心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術の実現化が要望されている状況である。
このため、心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術の実現化が要望されている状況である。
【0005】
本発明は、このような状況に鑑みてなされたものであり、心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術を実現化させることを目的とする。
【課題を解決するための手段】
【0006】
上記目的を達成するため、本発明の一態様の情報処理装置は、
心筋症の診断を支援する情報処理装置であって、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得手段と、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断手段と、
を備える。
心筋症の診断を支援する情報処理装置であって、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得手段と、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断手段と、
を備える。
【0007】
本発明の一態様の情報処理方法及びプログラムの夫々は、本発明の一態様の情報処理装置に対応する方法及びプログラムの夫々である。
【発明の効果】
【0008】
本発明によれば、心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術を実現化させることができる。
【図面の簡単な説明】
【0009】
【図1】本発明の情報処理装置の一実施形態に係る診断装置が適用される情報処理システムの構成の一例を示す図である。
【発明を実施するための形態】
【0010】
以下、本発明の実施形態について、図面を用いて説明する。
【0011】
図１は、本発明の情報処理装置の一実施形態に係る診断装置が適用される情報処理システムの構成の一例を示す図である。
図１に示す情報処理システムは、診断装置１と、ユーザ端末２とを含むように構成されている。
診断装置１及びユーザ端末２は、インターネット等の所定のネットワークを介して相互に接続されている。
図１に示す情報処理システムは、診断装置１と、ユーザ端末２とを含むように構成されている。
診断装置１及びユーザ端末２は、インターネット等の所定のネットワークを介して相互に接続されている。
【0012】
診断装置１は、心筋症の診断を支援するサーバ等で構成される情報処理装置である。
ユーザ端末２は、心筋症の診断を担当する医師等のユーザにより操作される、パーソナルコンピュータ、タブレット、スマートフォン等で構成される情報処理端末である。
ユーザ端末２は、心筋症の診断を担当する医師等のユーザにより操作される、パーソナルコンピュータ、タブレット、スマートフォン等で構成される情報処理端末である。
【0013】
【0014】
診断装置１は、診断対象の心筋組織画像を含む診断対象データをユーザ端末２等から取得する。
診断装置１は、その診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて診断対象に対する診断結果を出力し、ユーザ端末２に提示する。
診断装置１は、その診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて診断対象に対する診断結果を出力し、ユーザ端末２に提示する。
【0015】
診断装置１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３と、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１４と、バス１５と、入出力インターフェース１６と、入力部１７と、出力部１８と、記憶部１９と、通信部２０と、ドライブ２１とを備えている。ただしＧＰＵ１４を備えていない場合は、その処理はＣＰＵ１１で代用できる。
【0016】
ＣＰＵ１１は、ＲＯＭ１２に記録されているプログラム、又は、記憶部１９からＲＡＭ１３にロードされたプログラムに従って各種の処理を実行する。ＧＰＵ１４が備わっている場合は、学習部５５、ＡＩ診断部５２の処理をＣＰＵ１１の代わりに実行し、処理時間を短くすることができる。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。
【0017】
ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３及びＧＰＵ１４は、バス１５を介して相互に接続されている。このバス１５にはまた、入出力インターフェース１６も接続されている。入出力インターフェース１６には、入力部１７、出力部１８、記憶部１９、通信部２０及びドライブ２１が接続されている。
【0018】
入力部１７は、例えばキーボード等により構成され、各種情報を入力する。
出力部１８は、液晶等のディスプレイやスピーカ等により構成され、各種情報を画像や音声として出力する。
記憶部１９は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
通信部２０は、インターネットを含むネットワークＮＷを介して他の装置（例えばユーザ端末２等）との間で通信を行う。
出力部１８は、液晶等のディスプレイやスピーカ等により構成され、各種情報を画像や音声として出力する。
記憶部１９は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成され、各種データを記憶する。
通信部２０は、インターネットを含むネットワークＮＷを介して他の装置（例えばユーザ端末２等）との間で通信を行う。
【0019】
ドライブ２１には、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリ等よりなる、リムーバブルメディア３０が適宜装着される。ドライブ２１によってリムーバブルメディア３０から読み出されたプログラムは、必要に応じて記憶部１９にインストールされる。
また、リムーバブルメディア３０は、記憶部１９に記憶されている各種データも、記憶部１９と同様に記憶することができる。
また、リムーバブルメディア３０は、記憶部１９に記憶されている各種データも、記憶部１９と同様に記憶することができる。
【0020】
このような図２の診断装置１の各種ハードウェアと各種ソフトウェアとの協働により、各種処理の実行が可能になる。
以下、図３を参照して、本実施形態の診断装置１がこのような各種処理を実行するための機能的構成について説明する。
図３は、図２のハードウェア構成を有する診断装置の機能的構成の一例を示すブロック図である。
以下、図３を参照して、本実施形態の診断装置１がこのような各種処理を実行するための機能的構成について説明する。
図３は、図２のハードウェア構成を有する診断装置の機能的構成の一例を示すブロック図である。
【0021】
図３に示すように、診断装置１のＣＰＵ１１においては、診断情報取得部５１と、ＡＩ診断部５２と、診断結果情報生成部５３と、学習データ生成部５４と、学習部５５とが機能する。
また、診断装置１の記憶部１９には、ＡＩモデル７１が記憶されている。
また、診断装置１の記憶部１９には、ＡＩモデル７１が記憶されている。
【0022】
診断情報取得部５１は、診断対象の心筋組織画像（デジタルデータ）を含む診断対象データをユーザ端末２から取得する。
なお、診断対象の心筋組織画像（デジタルデータ）は、心筋症の診断対象となる心臓に対して顕微鏡を用いて撮像された結果得られる画像（デジタルデータ）であれば足り、その取得形態は特に限定されない。即ち、ここでは説明の便宜上ユーザ端末２から取得する形態が採用されたが、その他例えば、リムーバブルメディア３０に記憶されていたデジタルデータを直接入力して取得する形態でもよいし、図示せぬクラウド上の装置からデジタルデータを通信により取得する形態でもよい。
なお、診断対象の心筋組織画像（デジタルデータ）は、心筋症の診断対象となる心臓に対して顕微鏡を用いて撮像された結果得られる画像（デジタルデータ）であれば足り、その取得形態は特に限定されない。即ち、ここでは説明の便宜上ユーザ端末２から取得する形態が採用されたが、その他例えば、リムーバブルメディア３０に記憶されていたデジタルデータを直接入力して取得する形態でもよいし、図示せぬクラウド上の装置からデジタルデータを通信により取得する形態でもよい。
【0023】
ＡＩ診断部５２は、診断対象データ及びＡＩモデル７１を用いて、ＤＣＭ、ＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて診断対象に対する診断結果を出力する。以下、このような処理を「診断処理」と呼ぶ。
ＡＩ診断部５２には、アミロイドーシス判断部６１と、心筋炎判断部６２と、ＤＣＭ／ＨＣＭ判断部６３とが設けられている。
ＡＩ診断部５２には、アミロイドーシス判断部６１と、心筋炎判断部６２と、ＤＣＭ／ＨＣＭ判断部６３とが設けられている。
【0024】
以下、図４のフローチャートを参照してＡＩ診断部５２の診断処理の詳細例を説明すると共に、アミロイドーシス判断部６１と、心筋炎判断部６２と、ＤＣＭ／ＨＣＭ判断部６３との夫々の機能的構成についても併せて説明する。
図４は、図３の診断装置のうちＡＩ診断部により実行される診断処理の一例を説明するフローチャートである。
図４は、図３の診断装置のうちＡＩ診断部により実行される診断処理の一例を説明するフローチャートである。
【0025】
図４には、診断対象データは、病理画像と検査データとからなる診断情報として示されている。病理画像とは、診断対象の患者の心臓についての心筋組織画像（デジタルデータ）である。検査データとは、ユーザ端末２を操作するユーザ（医師等）により当該患者に対して行われた検査の結果を示すデータである。
【0026】
ステップＳ１において、アミロイドーシス判断部６１は、診断対象データに基づいて、アミロイドーシスか否かを判断する。
ここで、後述の図６に示すように、心筋組織画像は、７×５の単位画像（以下、「パッチ」と呼ぶ）に区分されている。そして、ＡＩモデル７１は、各パッチ毎に典型的画像特徴が含まれているか否かを判断することができるように学習されているものとする。
そこで、アミロイドーシス判断部６１は、ＡＩモデル７１を用いて、各パッチ毎に典型的画像特徴が含まれているか否かを判断する。
典型的画像特徴が含まれているパッチの数（割合）が閾値を超える場合、ステップＳ２において、アミロイドーシス判断部６１は、アミロイドーシスであると診断する。これにより診断処理は終了となる。
これに対して、典型的画像特徴が含まれているパッチの数（割合）が閾値以下の場合、アミロイドーシスではないため、処理はステップＳ３に進む。
ここで、後述の図６に示すように、心筋組織画像は、７×５の単位画像（以下、「パッチ」と呼ぶ）に区分されている。そして、ＡＩモデル７１は、各パッチ毎に典型的画像特徴が含まれているか否かを判断することができるように学習されているものとする。
そこで、アミロイドーシス判断部６１は、ＡＩモデル７１を用いて、各パッチ毎に典型的画像特徴が含まれているか否かを判断する。
典型的画像特徴が含まれているパッチの数（割合）が閾値を超える場合、ステップＳ２において、アミロイドーシス判断部６１は、アミロイドーシスであると診断する。これにより診断処理は終了となる。
これに対して、典型的画像特徴が含まれているパッチの数（割合）が閾値以下の場合、アミロイドーシスではないため、処理はステップＳ３に進む。
【0027】
ステップＳ３において、心筋炎判断部６２は、診断対象データに基づいて、心筋炎か否かを判断する。
ここで、ＡＩモデル７１は、各パッチ毎に心筋炎か否かを判断することができるように学習されているものとする。
そこで、心筋炎判断部６２は、ＡＩモデル７１を用いて、各パッチ毎に心筋炎か否かを判断する。
心筋炎と判断されるパッチの数（割合）が閾値を超える場合、ステップＳ４において、心筋炎判断部６２は、心筋炎であると診断する。これにより診断処理は終了となる。
これに対して、心筋炎と判断されるパッチの数（割合）が閾値以下の場合、心筋炎ではないため、処理はステップＳ５に進む。
ここで、ＡＩモデル７１は、各パッチ毎に心筋炎か否かを判断することができるように学習されているものとする。
そこで、心筋炎判断部６２は、ＡＩモデル７１を用いて、各パッチ毎に心筋炎か否かを判断する。
心筋炎と判断されるパッチの数（割合）が閾値を超える場合、ステップＳ４において、心筋炎判断部６２は、心筋炎であると診断する。これにより診断処理は終了となる。
これに対して、心筋炎と判断されるパッチの数（割合）が閾値以下の場合、心筋炎ではないため、処理はステップＳ５に進む。
【0028】
ここで、ステップＳ５において用いられるＡＩモデル７１は、各パッチ毎に、ＤＣＭ、ＨＣＭ、及び正常の３種類の夫々に該当する確率（確信度）を出力できるように学習されているものとする。なお、学習の詳細については、学習部５５の機能的構成の説明として後述する。
ステップＳ５において、ＤＣＭ／ＨＣＭ判断部６３は、３５個のパッチの夫々についてＤＣＭ、ＨＣＭ、正常のうち最高確率の種類（症例）に分類する。即ち所定パッチが分類された種類（症例）が、当該所定パッチの診断結果である。
ＤＣＭ／ＨＣＭ判断部６３は、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）に夫々分類されたパッチの数の（総計３５個に対する）割合を算出する。
ＤＣＭ／ＨＣＭ判断部６３は、パッチの数の割合が最高となっている所定種類（所定症例）をステップＳ５の判断結果として出力する。
ステップＳ５において、ＤＣＭ／ＨＣＭ判断部６３は、３５個のパッチの夫々についてＤＣＭ、ＨＣＭ、正常のうち最高確率の種類（症例）に分類する。即ち所定パッチが分類された種類（症例）が、当該所定パッチの診断結果である。
ＤＣＭ／ＨＣＭ判断部６３は、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）に夫々分類されたパッチの数の（総計３５個に対する）割合を算出する。
ＤＣＭ／ＨＣＭ判断部６３は、パッチの数の割合が最高となっている所定種類（所定症例）をステップＳ５の判断結果として出力する。
【0029】
ステップＳ５において、パッチの数の割合が最高となっている所定種類（所定症例）がＤＣＭであって、その割合が閾値を超える場合、処理はステップＳ６に進む。
ステップＳ６において、ＤＣＭ／ＨＣＭ判断部６３は、ＤＣＭと診断し、処理をステップＳ７に進める。
ステップＳ７において、ＤＣＭ／ＨＣＭ判断部６３は、心筋細胞変性と間質線維化の程度（一定閾値により心筋細胞変性が低値・高値で二分、一定閾値により間質線維化が低値・高値で二分）により４分割され、サブタイプが図５の様に決定される。これにより、診断処理は終了となる。
ステップＳ６において、ＤＣＭ／ＨＣＭ判断部６３は、ＤＣＭと診断し、処理をステップＳ７に進める。
ステップＳ７において、ＤＣＭ／ＨＣＭ判断部６３は、心筋細胞変性と間質線維化の程度（一定閾値により心筋細胞変性が低値・高値で二分、一定閾値により間質線維化が低値・高値で二分）により４分割され、サブタイプが図５の様に決定される。これにより、診断処理は終了となる。
【0030】
図５は、ＤＣＭと診断された場合に生成される変性/線維化二次元ｐｌｏｔの一例を示す図である。
変性/線維化二次元ｐｌｏｔは、ＤＣＭがどの位置に該当するかを視認できるものであるため、後述する診断結果情報に含められてユーザ端末２に送信されて、医師等のユーザに提示される。
変性/線維化二次元ｐｌｏｔは、ＤＣＭがどの位置に該当するかを視認できるものであるため、後述する診断結果情報に含められてユーザ端末２に送信されて、医師等のユーザに提示される。
【0031】
図４に戻り、ステップＳ５において、パッチの数の割合が最高となっている所定種類（所定症例）がＨＣＭであって、その割合が閾値を超える場合、処理はステップＳ８に進む。
ステップＳ８において、ＤＣＭ／ＨＣＭ判断部６３は、空胞変性の有無を判断する。
ステップＳ８において空胞変性が有りと判断された場合、ステップＳ９において、ＤＣＭ／ＨＣＭ判断部６３は、ＨＣＭ、蓄積疾患要鑑別と診断する。これにより、診断処理は終了となる。
これに対して、ステップＳ８において空胞変性が無しと判断された場合、ステップＳ１０において、ＤＣＭ／ＨＣＭ判断部６３は、ＨＣＭと診断する。これにより、診断処理は終了となる。
ステップＳ８において、ＤＣＭ／ＨＣＭ判断部６３は、空胞変性の有無を判断する。
ステップＳ８において空胞変性が有りと判断された場合、ステップＳ９において、ＤＣＭ／ＨＣＭ判断部６３は、ＨＣＭ、蓄積疾患要鑑別と診断する。これにより、診断処理は終了となる。
これに対して、ステップＳ８において空胞変性が無しと判断された場合、ステップＳ１０において、ＤＣＭ／ＨＣＭ判断部６３は、ＨＣＭと診断する。これにより、診断処理は終了となる。
【0032】
また、ステップＳ５において、パッチの数の割合が最高となっている所定種類（所定症例）について、その割合が閾値以下の場合、即ち、ＤＣＭ、ＨＣＭ、及び正常の３種類（３症例）の何れの割合も閾値以下の場合、処理はステップＳ１１に進む。
ステップＳ１１において、ＤＣＭ／ＨＣＭ判断部６３は、空胞変性の有無を判断する。
ステップＳ１１において空胞変性が有りと判断された場合、ステップＳ１２において、ＤＣＭ／ＨＣＭ判断部６３は、判定不能、空胞変性有と判断する。これにより、診断処理は終了となる。
これに対して、ステップＳ１１において空胞変性が無しと判断された場合、ステップＳ１３において、ＤＣＭ／ＨＣＭ判断部６３は、判定不能、空胞変性無と診断する。これにより、診断処理は終了となる。
ステップＳ１１において、ＤＣＭ／ＨＣＭ判断部６３は、空胞変性の有無を判断する。
ステップＳ１１において空胞変性が有りと判断された場合、ステップＳ１２において、ＤＣＭ／ＨＣＭ判断部６３は、判定不能、空胞変性有と判断する。これにより、診断処理は終了となる。
これに対して、ステップＳ１１において空胞変性が無しと判断された場合、ステップＳ１３において、ＤＣＭ／ＨＣＭ判断部６３は、判定不能、空胞変性無と診断する。これにより、診断処理は終了となる。
【0033】
また、ステップＳ５において、パッチの数の割合が最高となっている所定種類（所定症例）が正常（Ｎｏｒｍａｌ）であって、その割合が閾値を超える場合、処理はステップＳ１４に進む。
ステップＳ１４において、ＤＣＭ／ＨＣＭ判断部６３は、正常と診断する。これにより、診断処理は終了となる。
ステップＳ１４において、ＤＣＭ／ＨＣＭ判断部６３は、正常と診断する。これにより、診断処理は終了となる。
【0034】
図３に戻り、このような図４の診断処理がＡＩ診断部５２により行われると、診断結果情報生成部５３は、ＡＩ診断部５２による診断結果を示す情報（以下、「診断結果情報」と呼ぶ）を生成し、ユーザ端末２を介して医師等のユーザに提示する。
診断結果情報のユーザ提示形態は、特に限定されないが、ここでは図６に示す画像の形態が採用されているものとする。
図６は、図３の診断装置の診断結果情報生成部により画像の形態で生成される診断結果情報の一例を示している。
図６の例の診断結果情報ＧＳは、画像情報ＧＴと、グラフ情報ＧＢとを含んでいる。
診断結果情報のユーザ提示形態は、特に限定されないが、ここでは図６に示す画像の形態が採用されているものとする。
図６は、図３の診断装置の診断結果情報生成部により画像の形態で生成される診断結果情報の一例を示している。
図６の例の診断結果情報ＧＳは、画像情報ＧＴと、グラフ情報ＧＢとを含んでいる。
【0035】
画像情報ＧＴは、診断対象の心筋組織画像に対して、３５個のパッチを示す枠が重畳表示され、さらに３５個のパッチの夫々の中に、パッチの診断結果（ＤＣＭ、ＨＣＭ、正常の３種類（３症例）、アミロイドーシス、心筋炎といった種類（診断名）のうち何れに分類されたのか、その分類された種類（診断名）の確信度）を示す情報が夫々表示されるものである。
【0036】
グラフ情報ＧＢの詳細は、図７に示されている。
図７に示すように、グラフ情報ＧＢには、３５個のパッチの夫々を示す３５個のブロックが、上述のパッチの診断結果を示す表示態様で配置させることによって得られる棒グラフが含まれている。この棒グラフにより、診断名（種類）の各パッチの割合が容易に視認可能になる。
ここで、「上述のパッチの診断結果を示す表示態様」は、特に限定されず、パッチ毎に、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）、アミロイドーシス、心筋炎のうち何れに分類されたのかが区別可能な態様であれば足り、特に限定されない。
即ち、図７においては説明の便宜上「パッチ」で区別される態様とされているが、実際には、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）、アミロイドーシス、心筋炎といった診断名の夫々に対して一意の色が予め割り当てられており、各パッチを示すブロックが、該当する色により塗られる態様が採用されている。
さらには、実際には、確信度がわかるように、確信度が低くなる程半透明の度合いが濃くなっていくように、各パッチを示すブロックが該当する色により塗られる態様が採用されている。
図７に示すように、グラフ情報ＧＢには、３５個のパッチの夫々を示す３５個のブロックが、上述のパッチの診断結果を示す表示態様で配置させることによって得られる棒グラフが含まれている。この棒グラフにより、診断名（種類）の各パッチの割合が容易に視認可能になる。
ここで、「上述のパッチの診断結果を示す表示態様」は、特に限定されず、パッチ毎に、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）、アミロイドーシス、心筋炎のうち何れに分類されたのかが区別可能な態様であれば足り、特に限定されない。
即ち、図７においては説明の便宜上「パッチ」で区別される態様とされているが、実際には、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）、アミロイドーシス、心筋炎といった診断名の夫々に対して一意の色が予め割り当てられており、各パッチを示すブロックが、該当する色により塗られる態様が採用されている。
さらには、実際には、確信度がわかるように、確信度が低くなる程半透明の度合いが濃くなっていくように、各パッチを示すブロックが該当する色により塗られる態様が採用されている。
【0037】
また、グラフ情報ＧＢ又は図示せぬ情報において、診断結果を示す文章として、Ｍ（ＭはＮとは独立した２以上の整数値）のパターンの中から選択されたパターンの文章を提示するようにしてもよい。
ここで、パターンの種類数Ｍや、各パターンの情報の内容は特に限定されないが、例えばここでは次のようなＭ＝３種類が採用されており、医師等のユーザの選択により診断結果情報ＧＳに含めて提示可能とされている。
即ち、第１のパターンは、最終診断名のみのパターンであり、例えば「ＨＣＭ、蓄積疾患も鑑別してください」といったテキスト情報である。
第２のパターンは、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）等の各分類のパッチの割合のパターンであり、例えば「ＤＣＭ １５％、Ｎｏｒｍａｌ １５％ ＨＣＭ ７０％、 ｗｉｔｈｏｕｔ ｖａｃｕｏｌａｔｉｏｎ」といったテキスト情報である。
第３のパターンは、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）等の各分類の確信度割合であり、例えば「ＤＣＭ １３％、Ｎｏｒｍａｌ １８％ ＨＣＭ ６９％、 ｗｉｔｈｏｕｔ ｖａｃｕｏｌａｔｉｏｎ」といったテキスト情報である。
ここで、パターンの種類数Ｍや、各パターンの情報の内容は特に限定されないが、例えばここでは次のようなＭ＝３種類が採用されており、医師等のユーザの選択により診断結果情報ＧＳに含めて提示可能とされている。
即ち、第１のパターンは、最終診断名のみのパターンであり、例えば「ＨＣＭ、蓄積疾患も鑑別してください」といったテキスト情報である。
第２のパターンは、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）等の各分類のパッチの割合のパターンであり、例えば「ＤＣＭ １５％、Ｎｏｒｍａｌ １５％ ＨＣＭ ７０％、 ｗｉｔｈｏｕｔ ｖａｃｕｏｌａｔｉｏｎ」といったテキスト情報である。
第３のパターンは、ＤＣＭ、ＨＣＭ、正常の３種類（３症例）等の各分類の確信度割合であり、例えば「ＤＣＭ １３％、Ｎｏｒｍａｌ １８％ ＨＣＭ ６９％、 ｗｉｔｈｏｕｔ ｖａｃｕｏｌａｔｉｏｎ」といったテキスト情報である。
【0038】
また、診断結果がＤＣＭである場合には、上述したように、図５に示すような変性/線維化二次元ｐｌｏｔも、診断結果情報ＧＳに含められる。
【0039】
図３に戻り、上述の診断結果情報ＧＳを生成するための診断処理において用いられるＡＩモデル７１は、学習データ生成部５４及び学習部５５により生成又は更新されるものである。ここで、更新とは、新たな学習データを用いて再学習することを意味している。
【0040】
学習データ生成部５４は、実際の症例の心筋組織画像であって、Ｎ個の単位画像（パッチ）の夫々に対して、ＤＣＭ、ＨＣＭ、正常の３種類を含む複数種類のうちの何れかを付すアノテーションが行われた心筋組織画像を含む学習データを生成する。
学習部５５は、学習データを用いて、Ｎ個の単位画像（パッチ）に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に複数種類の夫々に該当する確率（確信度）を出力するＡＩモデル７１を生成又は更新する。
学習部５５は、学習データを用いて、Ｎ個の単位画像（パッチ）に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に複数種類の夫々に該当する確率（確信度）を出力するＡＩモデル７１を生成又は更新する。
【0041】
具体的には例えば、図６と同様なインターフェース、即ち、実際の症例の心筋組織画像に対してＮ＝３５個のパッチが視認可能なように重畳表示され、パッチ毎に、ＤＣＭ、ＨＣＭ、正常の３種類を含む複数種類のうちの何れかの診断結果を付与することが可能なインターフェースが、心臓病理専門家に提供される。即ち、心臓病理専門家は、このようなインターフェースを用いて、実際の症例の心筋組織画像に対してアノテーションを行う。
このようなアノテーションが行われた実際の症例の心筋組織画像がＫ枚（Ｋは、多数の整数値であるが、複数種類の夫々が同じ比率に含まれるような値であるとよい）、学習データとして学習データ生成部５４により生成される。
ここで、１枚の心筋組織画像は、１９２０×１４４０ピクセルの画像が採用されており、パッチは、５行７列のＮ＝３５枚、即ち縦横２５６ピクセルの画像が採用された。
このようなアノテーションが行われた実際の症例の心筋組織画像がＫ枚（Ｋは、多数の整数値であるが、複数種類の夫々が同じ比率に含まれるような値であるとよい）、学習データとして学習データ生成部５４により生成される。
ここで、１枚の心筋組織画像は、１９２０×１４４０ピクセルの画像が採用されており、パッチは、５行７列のＮ＝３５枚、即ち縦横２５６ピクセルの画像が採用された。
【0042】
また例えば、学習部５５は、このようなＫ枚のアノテーションが行われた心筋組織画像を含む学習データを用いて、次のような学習方法により学習することで、深層学習ネットワークとして構成されるＡＩモデル７１を生成した。
即ち、ＤＣＭ、ＨＣＭ、正常、及びＢａｃｋｇｒｏｕｎｄの４クラスに分類する深層学習ネットワークを構築する学習方法が採用された。
即ち、ＩｍａｇｅＮｅｔ（自然画像などで構成された大規模データセット）で事前学習済みのＲｅｓＮｅｔ（ＩｍａｇｅＮｅｔの分類問題における高精度のモデル）を画像特徴抽出器として用い、全ての層を再学習する学習方法が採用された。Ｋ枚の心筋組織画像をランダムに分割して交差検証を行う学習方法が採用された。適当なエポック数で学習を行う(全ての学習データをエポック数の回数だけ学習を行う)学習方法が採用された。テスト画像のＮ＝３５枚のパッチのＡＩ分類結果に対して、Ｂａｃｋｇｒｏｕｎｄを除いた3クラスで多数決を行い，一番多いクラスをその心筋組織画像の予測診断結果とする学習方法が採用された。
即ち、ＤＣＭ、ＨＣＭ、正常、及びＢａｃｋｇｒｏｕｎｄの４クラスに分類する深層学習ネットワークを構築する学習方法が採用された。
即ち、ＩｍａｇｅＮｅｔ（自然画像などで構成された大規模データセット）で事前学習済みのＲｅｓＮｅｔ（ＩｍａｇｅＮｅｔの分類問題における高精度のモデル）を画像特徴抽出器として用い、全ての層を再学習する学習方法が採用された。Ｋ枚の心筋組織画像をランダムに分割して交差検証を行う学習方法が採用された。適当なエポック数で学習を行う(全ての学習データをエポック数の回数だけ学習を行う)学習方法が採用された。テスト画像のＮ＝３５枚のパッチのＡＩ分類結果に対して、Ｂａｃｋｇｒｏｕｎｄを除いた3クラスで多数決を行い，一番多いクラスをその心筋組織画像の予測診断結果とする学習方法が採用された。
【0043】
ここで、ＤＣＭ、ＨＣＭ、正常の３種類の組織型分類については、専門家でも臨床情報無く心筋組織画像のみの情報では、診断正答率は７７％にとどまる。
上述の学習方法により学習された結果として生成されたＡＩモデル７１を用いることで、正答率は７１％まで到達できている。今後、学習データの数を増やして再学習を繰り返すことで、専門家の正答率を超えるレベルのＡＩモデル７１が得られるものと推定できる。
このようにして、心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術を実現化させることができる。
上述の学習方法により学習された結果として生成されたＡＩモデル７１を用いることで、正答率は７１％まで到達できている。今後、学習データの数を増やして再学習を繰り返すことで、専門家の正答率を超えるレベルのＡＩモデル７１が得られるものと推定できる。
このようにして、心臓病理の専門家がいなくても、専門家と同等の心筋症の診断が可能な技術を実現化させることができる。
【0044】
以上説明したように、本実施形態の診断装置１（図１乃至図４参照）は、顕微鏡で撮影した心臓病理写真（診断対象の心筋組織画像）及び各種検査データが入力されると、自動で病理診断名を結果として出力することができる。
本実施形態の診断装置１（図１乃至図４参照）は、心臓病理の専門家がいなくても、専門家と同等の診断がＡＩを用いて可能であり、その診断結果も独自のインターフェースを用いてユーザに提示することが可能である。
即ち、本実施形態の診断装置１によれば、医師の中に心臓病理の専門家がいなくても、専門家と同等の心筋症を診断することができる。
本実施形態の診断装置１（図１乃至図４参照）は、心臓病理の専門家がいなくても、専門家と同等の診断がＡＩを用いて可能であり、その診断結果も独自のインターフェースを用いてユーザに提示することが可能である。
即ち、本実施形態の診断装置１によれば、医師の中に心臓病理の専門家がいなくても、専門家と同等の心筋症を診断することができる。
【0045】
このような本実施形態の診断装置１を含む情報処理システム（例えば図１のような情報処理システム）を、以下、「心臓病理診断システム」と呼ぶものとすると、心臓病理診断システムは、自動化及び標準化できるとともに、希少心筋症をより効果的に抽出して医療の最適化に資するものになると期待される。
また、心臓病理診断システムによる病理組織解析結果を、臨床歴やゲノム情報とリンクさせ、組織像から予後や重症度予測を可能とすることができ、これにより、臨床的にも心筋病理診断の重要性が増す結果となる。
現状存在する分類不能心筋症が、ＡＩを用いる心臓病理診断システムの病理組織診断により分類可能なものとなることが期待され、これにより、未診断心筋症も含め新たな疾患群を提唱することができる。
さらにこれらの結果、心筋生検施行施設が増加すれば、臨床的エビデンスが蓄積され、最終的に診療ガイドラインの改訂に繋がり、より正確な最適化された心筋疾患診療に資するものになると期待される。
また、心臓病理診断システムによる病理組織解析結果を、臨床歴やゲノム情報とリンクさせ、組織像から予後や重症度予測を可能とすることができ、これにより、臨床的にも心筋病理診断の重要性が増す結果となる。
現状存在する分類不能心筋症が、ＡＩを用いる心臓病理診断システムの病理組織診断により分類可能なものとなることが期待され、これにより、未診断心筋症も含め新たな疾患群を提唱することができる。
さらにこれらの結果、心筋生検施行施設が増加すれば、臨床的エビデンスが蓄積され、最終的に診療ガイドラインの改訂に繋がり、より正確な最適化された心筋疾患診療に資するものになると期待される。
【0046】
以上、本発明の一実施形態について説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものとみなす。
【0047】
例えば、ＡＩモデル７１は、上述のＤＣＭ、ＨＣＭ、正常、及びＢａｃｋｇｒｏｕｎｄの４クラスに分類する深層学習ネットワークを構築するものに特に限定されず、診断対象の心筋組織画像を入力するとＤＣＭ、ＨＣＭ、正常の３種類の何かしらの確率を出力するモデルであれば足りる。
また、上記実施形態では、記憶部１９にＡＩモデル７１を一つ記憶した例で説明したが、疾患毎にＡＩモデル７１を複数設けてもよく、ＡＩモデル７１の数は実施形態に限定されない。
上記実施形態では、学習部５５が、学習データを用いて、Ｎ個の単位画像に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に複数種類の夫々に該当する確率を出力するＡＩモデル７１（図３参照）を生成又は更新する例として説明したが、これ以外に、例えば学習部５５はＡＩモデル７１を生成するだけの機能とし、学習部５５により生成されたＡＩモデル７１の性能を評価し更新する評価手段（評価部）を別に設けてもよい。
また、上記実施形態では、記憶部１９にＡＩモデル７１を一つ記憶した例で説明したが、疾患毎にＡＩモデル７１を複数設けてもよく、ＡＩモデル７１の数は実施形態に限定されない。
上記実施形態では、学習部５５が、学習データを用いて、Ｎ個の単位画像に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に複数種類の夫々に該当する確率を出力するＡＩモデル７１（図３参照）を生成又は更新する例として説明したが、これ以外に、例えば学習部５５はＡＩモデル７１を生成するだけの機能とし、学習部５５により生成されたＡＩモデル７１の性能を評価し更新する評価手段（評価部）を別に設けてもよい。
【0048】
【0049】
また、図３に示す機能ブロック図は、例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が情報処理システムに備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは、特に図３の例に限定されない。
【0050】
また、機能ブロックの存在場所も、図３に限定されず、任意でよい。
例えば、図３の例において、上述の処理は診断装置１側で行われる構成となっているが、これに限定されず、ユーザ端末２や、図示せぬ他の情報処理装置側で処理の少なくとも一部が行われてもよい。
例えば、学習に必要となる機能ブロックは、診断装置１側が備える構成となっているが、これは例示に過ぎず、図示せぬ学習装置が備えるようにしてもよい。
同様に、ＡＩモデル７１の存在場所も図３に限定されず、図示せぬクラウド上など任意でよい。
例えば、図３の例において、上述の処理は診断装置１側で行われる構成となっているが、これに限定されず、ユーザ端末２や、図示せぬ他の情報処理装置側で処理の少なくとも一部が行われてもよい。
例えば、学習に必要となる機能ブロックは、診断装置１側が備える構成となっているが、これは例示に過ぎず、図示せぬ学習装置が備えるようにしてもよい。
同様に、ＡＩモデル７１の存在場所も図３に限定されず、図示せぬクラウド上など任意でよい。
【0051】
また、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
【0052】
一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
【0053】
このようなプログラムを含む記録媒体は、装置本体とは別に配布される図示せぬリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態で提供される記録媒体等で構成される。
【0054】
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
【0055】
以上まとめると、本発明が適用される情報処理システムは、次のような構成を取れば足り、各種各様な実施形態を取ることができる。
【0056】
即ち、本発明が適用される情報処理装置（例えば図１乃至図３の診断装置１）は、
心筋症の診断を支援する情報処理装置であって、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得手段（例えば図３の診断情報取得部５１）と、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断手段（例えば図３のＡＩ診断部５２）と、
を備える。
心筋症の診断を支援する情報処理装置であって、
診断対象の心筋組織画像を含む診断対象データを取得する診断対象取得手段（例えば図３の診断情報取得部５１）と、
前記診断対象データに基づいて、拡張型心筋症であるＤＣＭ、肥大型心筋症であるＨＣＭ、正常の３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する心筋症診断手段（例えば図３のＡＩ診断部５２）と、
を備える。
【0057】
前記診断対象取得手段は、Ｎ個（Ｎは２以上の整数値）の単位画像（例えば上述のＮ＝３５のパッチ）に区分された前記心筋組織画像を取得し、
前記心筋症診断手段は、前記Ｎ個の単位画像の夫々について、前記３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する、
ことができる。
前記心筋症診断手段は、前記Ｎ個の単位画像の夫々について、前記３種類の夫々に該当する確率を出力し、当該確率に基づいて前記診断対象に対する診断結果を出力する、
ことができる。
【0058】
前記心筋症診断手段は、
前記Ｎ個の単位画像の夫々について前記３種類のうち最高確率の種類に分類し（例えば図４のステップＳ６、Ｓ８，Ｓ１１）、
前記３種類のうち、分類された前記単位画像の数の割合が最高となっている所定種類について、当該所定種類の割合が閾値を超える場合、当該所定種類を前記診断結果として出力し（例えば図４のステップＳ７，Ｓ９、Ｓ１０、Ｓ１４）、当該所定種類の割合が閾値以下の場合、判定不能を前記診断結果として出力する（例えば図４のステップＳ１２，Ｓ１３）、
ことができる。
前記Ｎ個の単位画像の夫々について前記３種類のうち最高確率の種類に分類し（例えば図４のステップＳ６、Ｓ８，Ｓ１１）、
前記３種類のうち、分類された前記単位画像の数の割合が最高となっている所定種類について、当該所定種類の割合が閾値を超える場合、当該所定種類を前記診断結果として出力し（例えば図４のステップＳ７，Ｓ９、Ｓ１０、Ｓ１４）、当該所定種類の割合が閾値以下の場合、判定不能を前記診断結果として出力する（例えば図４のステップＳ１２，Ｓ１３）、
ことができる。
【0059】
前記心筋症診断手段は、前記ＤＣＭ、前記ＨＣＭ、又は前記判定不能を前記診断結果として出力する場合、さらに、空胞変性の有無についても追加検証する（例えば図４のステップＳ６、Ｓ８、Ｓ１１）、
ことができる。
ことができる。
【0060】
前記心筋症診断手段は、前記３種類の夫々に該当する確率を出力する前に、さらに、
前記心筋組織画像に基づいて、アミロイドーシスであるか否か（例えば図４のステップＳ１）、次に、心筋炎であるか否か（例えば図４のステップＳ３）を夫々判別し、
前記アミロイドーシスに該当すると判断した場合、当該アミロイドーシスを前記診断結果として出力し（例えば図４のステップＳ２）、
前記心筋炎に該当すると判断した場合、当該心筋炎を前記診断結果として出力し（例えば図４のステップＳ４）、
前記アミロイドーシス及び前記心筋炎の何れにも該当しないと判断した場合、前記３種類の夫々に該当する前記確率を出力し、当該確率に基づいて前記診断結果を出力する（例えば図４のステップＳ５乃至Ｓ１４）、
ことができる。
前記心筋組織画像に基づいて、アミロイドーシスであるか否か（例えば図４のステップＳ１）、次に、心筋炎であるか否か（例えば図４のステップＳ３）を夫々判別し、
前記アミロイドーシスに該当すると判断した場合、当該アミロイドーシスを前記診断結果として出力し（例えば図４のステップＳ２）、
前記心筋炎に該当すると判断した場合、当該心筋炎を前記診断結果として出力し（例えば図４のステップＳ４）、
前記アミロイドーシス及び前記心筋炎の何れにも該当しないと判断した場合、前記３種類の夫々に該当する前記確率を出力し、当該確率に基づいて前記診断結果を出力する（例えば図４のステップＳ５乃至Ｓ１４）、
ことができる。
【0061】
実際の症例の前記心筋組織画像であって、Ｎ個の単位画像の夫々に対して前記３種類を少なくとも含む複数種類のうちの何れかを付すアノテーションが行われた心筋組織画像を含む学習データを生成する学習データ生成手段（例えば図３の学習データ生成部５４）と、
前記学習データを用いて、前記Ｎ個の単位画像に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に前記複数種類の夫々に該当する前記確率を出力するモデル（例えば図３のＡＩモデル７１）を生成又は更新する学習手段（例えば図３の学習部５５）と、
をさらに備え、
前記心筋症診断手段は、前記診断対象の前記心筋組織画像を前記モデルに入力させ、当該モデルの出力に基づいて前記診断結果を出力する、
ことができる。
前記学習データを用いて、前記Ｎ個の単位画像に区分された心筋組織画像を入力すると当該Ｎ個の単位画像毎に前記複数種類の夫々に該当する前記確率を出力するモデル（例えば図３のＡＩモデル７１）を生成又は更新する学習手段（例えば図３の学習部５５）と、
をさらに備え、
前記心筋症診断手段は、前記診断対象の前記心筋組織画像を前記モデルに入力させ、当該モデルの出力に基づいて前記診断結果を出力する、
ことができる。
【0062】
前記心筋症診断手段により出力された前記３種類のうち最高確率の種類が夫々割り当てられた前記Ｎ個の単位画像に区分された前記診断対象の前記心筋組織画像と共に、前記心筋症診断手段による診断結果（例えば図６の画像情報ＧＴ）を提示する診断結果提示手段（例えば図３の診断結果情報生成部５３）
をさらに備えることができる。
をさらに備えることができる。
【0063】
前記診断結果提示手段は、さらに、
前記Ｎ個の単位画像の夫々を示すＮ個のブロックを、前記３種類を少なくとも含む診断結果のうち何れに分類されたのかを示す表示態様で配置させることによって得られる棒グラフ（例えば図６及び図７のグラフ情報ＧＢ）を提示する、
ことができる。
前記Ｎ個の単位画像の夫々を示すＮ個のブロックを、前記３種類を少なくとも含む診断結果のうち何れに分類されたのかを示す表示態様で配置させることによって得られる棒グラフ（例えば図６及び図７のグラフ情報ＧＢ）を提示する、
ことができる。
【0064】
【0065】
前記診断結果提示手段は、
前記診断結果を示す文章として、Ｍ（ＭはＮとは独立した２以上の整数値）のパターンの中から選択されたパターンの文章を提示する、
ことができる。
前記診断結果を示す文章として、Ｍ（ＭはＮとは独立した２以上の整数値）のパターンの中から選択されたパターンの文章を提示する、
ことができる。
【符号の説明】
【0066】
１・・・診断装置、１１・・・ＣＰＵ、１９・・・記憶部、２１・・・ドライブ、３０・・・リムーバブルメディア、５１・・・診断情報取得部、５２・・・ＡＩ診断部、５３・・・診断結果情報生成部、５４・・・学習データ生成部、５５・・・学習部、６１・・・アミロイドーシス判断部、６２・・・心筋炎判断部、６３・・・ＤＣＭ／ＨＣＭ判断部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】