知財求人 - 知財ポータルサイト「IP Force」
(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】P2025102614
(43)【公開日】2025-07-08
(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】
A61M 1/14 20060101AFI20250701BHJP
A61M 60/113 20210101ALI20250701BHJP
A61M 60/37 20210101ALI20250701BHJP
【ＦＩ】
A61M1/14
A61M60/113
A61M60/37
【審査請求】有
【請求項の数】16
【出願形態】ＯＬ
(21)【出願番号】P 2024097756
(22)【出願日】2024-06-17
(11)【特許番号】
(45)【特許公報発行日】2024-10-03
(31)【優先権主張番号】P 2023219969
(32)【優先日】2023-12-26
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000226242
【氏名又は名称】日機装株式会社
(74)【代理人】
【識別番号】110004266
【氏名又は名称】弁理士法人ＭＳウィード
(72)【発明者】
【氏名】繁田 愼也
【テーマコード（参考）】
4C077
【Ｆターム（参考）】
4C077AA05
4C077AA07
4C077BB01
4C077BB02
4C077HH02
4C077HH03
4C077HH08
4C077HH13
4C077HH14
4C077HH15
4C077HH30
4C077JJ07
4C077JJ09
4C077KK21
4C077KK25
(57)【要約】 （修正有）
【課題】血液浄化装置のメンテナンス対象部品のメンテナンス時期を容易に推定し、メンテナンスの頻度及び時期の適正化を図ること。
【解決手段】患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理装置であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有し、前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理装置。
【選択図】図７
【解決手段】患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理装置であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有し、前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理装置。
【選択図】図７
【特許請求の範囲】
【請求項1】
患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理装置であって、
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有し、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理装置。
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有し、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理装置。
【請求項2】
前記推定データは、前記血液浄化装置のメンテナンス対象部品のデータを含む、請求項１に記載の情報処理装置。
【請求項3】
前記学習済み推定モデルは、前記血液浄化装置の過去の使用状況データ、過去の故障データ、及びメンテナンスの基本データを関連付けて機械学習することによって生成されている、請求項１に記載の情報処理装置。
【請求項4】
前記状態パラメータは、前記血液浄化装置を構成する構成装置又は前記血液浄化装置の流路に設けられたセンサにおいて検出した動作信号、温度信号、圧力信号、又は流量信号の少なくともいずれか１つを含む、請求項１に記載の情報処理装置。
【請求項5】
前記学習済み推定モデルは、前記構成装置ごとにメンテナンス対象部品及び前記メンテナンス対象部品に対するメンテナンス時期を推定し、
前記制御部は、前記構成装置ごとに前記メンテナンス対象部品及び前記メンテナンス時期を前記メンテナンス情報として表示するための前記表示データを前記推定データに基づいて生成する、請求項４に記載の情報処理装置。
前記制御部は、前記構成装置ごとに前記メンテナンス対象部品及び前記メンテナンス時期を前記メンテナンス情報として表示するための前記表示データを前記推定データに基づいて生成する、請求項４に記載の情報処理装置。
【請求項6】
前記学習済み推定モデルは、
前記血液浄化装置におけるメンテナンスの統一化データを機械学習することによって生成され、
所定期間に行われるメンテナンスを同一タイミングにて実施するように推定する、請求項３に記載の情報処理装置。
前記血液浄化装置におけるメンテナンスの統一化データを機械学習することによって生成され、
所定期間に行われるメンテナンスを同一タイミングにて実施するように推定する、請求項３に記載の情報処理装置。
【請求項7】
前記学習済み推定モデルは、
複数の前記患者の血液浄化実績データを機械学習することによって生成され、
次回患者の選出データを前記推定データに含めて推定する、請求項３に記載の情報処理装置。
複数の前記患者の血液浄化実績データを機械学習することによって生成され、
次回患者の選出データを前記推定データに含めて推定する、請求項３に記載の情報処理装置。
【請求項8】
前記学習済み推定モデルは、前記血液浄化装置のメンテナンス時期を期間単位で推定し、推定した期間内においてメンテナンス時期を遅くするための条件を推定する、請求項６又は７に記載の情報処理装置。
【請求項9】
前記動作データ取得部は、前記状態パラメータから前記動作データを生成する算出部を備える、請求項１に記載の情報処理装置。
【請求項10】
前記算出部は、前記血液浄化装置の構成装置又は前記血液浄化装置の流路に設けられたセンサにおいて検出した動作信号、温度信号、圧力信号、又は流量信号の少なくともいずれか１つから、前記血液浄化装置の動作回数又は洗浄回数を算出する、請求項９に記載の情報処理装置。
【請求項11】
前記推定部は、前記血液浄化装置の過去のメンテナンスデータを前記学習済み推定モデルに入力し、
前記推定データは、過去のメンテナンス実施時から動作データ取得時までにおける前記血液浄化装置の状態変化が関連付けられている、請求項１に記載の情報処理装置。
前記推定データは、過去のメンテナンス実施時から動作データ取得時までにおける前記血液浄化装置の状態変化が関連付けられている、請求項１に記載の情報処理装置。
【請求項12】
前記制御部は、前記推定データに含まれる前記メンテナンス対象部品の発注先を発注先データから選択し、前記メンテナンス対象部品の発注を行う、請求項２に記載の情報処理装置。
【請求項13】
前記動作データ取得部は、複数の前記血液浄化装置の動作データを取得し、
前記制御部は、複数の前記血液浄化装置又はメンテナンス実施者の携帯端末装置に送信するためのメンテナンス情報を生成する、請求項１に記載の情報処理装置。
前記制御部は、複数の前記血液浄化装置又はメンテナンス実施者の携帯端末装置に送信するためのメンテナンス情報を生成する、請求項１に記載の情報処理装置。
【請求項14】
前記学習済み推定モデルは、
前記血液浄化装置の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、メンテナンスの基本データ、及び複数の前記患者の血液浄化実績データを関連付けて機械学習することによって生成され、
複数の前記血液浄化装置のそれぞれに対して次回患者の選出データを前記推定データに含めて推定する、請求項１３に記載の情報処理装置。
前記血液浄化装置の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、メンテナンスの基本データ、及び複数の前記患者の血液浄化実績データを関連付けて機械学習することによって生成され、
複数の前記血液浄化装置のそれぞれに対して次回患者の選出データを前記推定データに含めて推定する、請求項１３に記載の情報処理装置。
【請求項15】
患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理方法であって、
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有し、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理方法。
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有し、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理方法。
【請求項16】
患者の血液を浄化する血液浄化装置のメンテナンス時期を推定するプログラムであって、
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得し、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得し、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する、処理をコンピュータに実行させ、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、プログラム。
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得し、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得し、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する、処理をコンピュータに実行させ、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、血液浄化装置のメンテナンス時期の推定に係る情報処理装置、情報処理方法、及びプログラムに関する。
【背景技術】
【0002】
従来から、人工知能（ＡＩ：Artificial Intelligence）を用いた情報処理が行われており、当該人工知能を種々の技術分野へと応用する研究及び開発が進められている。近年においては、医療分野においても人工知能の活用事例が増加してきており、医師及びその他の医療関係者に代わり、人工知能による各種の判断処理が可能になってきている。
【0003】
例えば、特許文献１乃至３には、血液浄化の医療分野における人工知能の活用が記載されている。特に、特許文献１には、入力された情報に基づいて、人工知能が医療機器の動作モジュールの状態を最適に適応させる透析システムが開示されている。また、特許文献２には、患者の体液に所定の波長の光を照射し、センサから得られる当該体液の光学特性から当該患者の感染症を人工知能によって予測する方法が開示されている。更に、特許文献３には、腹膜透析に使用される消耗部品の必要数量の算出、及び自動的な発注を行う水濾過システムが開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特表２０２２－５１４４０８号公報
【特許文献2】特表２０２２－５３８２６４号公報
【特許文献3】特表２０２１－５１６０８９号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、血液浄化装置においては、１度きりで交換する消耗部品以外にも、状態の維持及び管理といった定期的なメンテナンスを必要とするメンテナンス対象部品が存在する。このようなメンテナンス対象部品に対しては、それぞれにメンテナンスを行う頻度及び時期が設定されているため、血液浄化装置自体のメンテナンスが煩雑化している。
【0006】
本開示はこのような課題に鑑みてなされたものであり、その目的とするところは、血液浄化装置のメンテナンス対象部品のメンテナンス時期を容易に推定し、メンテナンスの頻度及び時期の適正化を図ることができるための情報処理装置、情報処理方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【0007】
本開示の一態様によれば、「患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理装置であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有し、前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理装置。」が提供される。
【0008】
本開示の一態様によれば、「患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理方法であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有し、前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理方法。」が提供される。
【0009】
本開示の一態様によれば、「患者の血液を浄化する血液浄化装置のメンテナンス時期を推定するプログラムであって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得し、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得し、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する、処理をコンピュータに実行させ、前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、プログラム。」が提供される。
【発明の効果】
【0010】
本開示によれば、血液浄化装置のメンテナンス対象部品のメンテナンス時期を容易に推定し、メンテナンスの頻度及び時期の適正化を図ることができるための情報処理装置、情報処理方法、及びプログラムを提供することができる。
【0011】
なお、上記効果は説明の便宜のための例示的なものにすぎず、本開示に係る効果は上記に限定されない。上記効果に加えて、本開示によれば、本開示中に記載されたいかなる効果を奏することが可能である。
【図面の簡単な説明】
【0012】
【図1】第１実施形態に係る血液浄化装置の使用状態の一例を示す概略図である。
【図2】第１実施形態に係る血液浄化装置の電気的構成を示すブロック図である。
【図3】第１実施形態に係る血液浄化装置の内部配管部の構成図である。
【図4】第１実施形態に係る血液浄化装置の体外循環部の構成図である。
【図5】第１実施形態に係る情報処理装置に記憶されたデータテーブルである。
【図6】第１実施形態に係る情報処理装置に記憶されたデータテーブルである。
【図7】第１実施形態に係る情報処理装置の機能ブロック図である。
【図8】第１実施形態に係る血液浄化装置におけるメンテナンスの推定に係るシーケンス図である。
【図9】第１実施形態に係る情報処理装置に設定される学習済み推定モデルの設定の流れを示すフロー図である。
【図10】第１実施形態に係る情報処理装置に設定される学習済み推定モデルの評価の流れを示す概略図である。
【図11】第１実施形態に係る血液浄化装置において表示されるメンテナンス情報の報知例である。
【図12】第１実施形態に係る情報処理装置において実行されるメンテナンスの推定に係るフロー図である。
【図13】第１実施形態に係る情報処理装置において実行されるメンテナンスの推定の変形例に係る概略図である。
【図14】第１実施形態に係る血液浄化装置において表示されるメンテナンス情報の報知変形例である。
【図15】第１実施形態の変形例に係る血液浄化装置の構成図である。
【図16】第２実施形態に係る情報処理装置において実行されるメンテナンスの推定に係る概略図である。
【図17】第２実施形態に係る血液浄化装置において表示されるメンテナンス情報の報知例である。
【図18】第３実施形態に係る情報処理装置において実行されるメンテナンスの推定に係る概略図である。
【図19】第３実施形態に係る血液浄化装置において表示されるメンテナンス情報の報知例である。
【図20】第４実施形態に係る血液浄化システムの構成を示す概略図である。
【図21】第４実施形態に係る血液浄化装置の機能ブロック図である。
【図22】第４実施形態に係る情報処理装置の物理構成を示すブロック図である。
【図23】第４実施形態に係る血液浄化装置の機能ブロック図である。
【発明を実施するための形態】
【0013】
以下、図面を参照しながら、本開示の情報処理装置及びこれを有する血液浄化装置について詳細に説明する。なお、本発明は以下に説明する内容に限定されるものではなく、その要旨を変更しない範囲において任意に変更して実施することが可能である。また、各実施形態に用いる図面は、いずれも本開示に係る情報処理装置及びこれを有する血液浄化装置を模式的に示すものであって、理解を深めるべく部分的な強調、拡大、縮小、又は省略等を行っており、各構成部分の縮尺や形状等を正確に表すものとはなっていない場合がある。更に、各実施形態で用いる一部の数値は、いずれも一例を示すものであり、必要に応じて様々に変更することが可能である。そして、図面における共通する構成については、同一の参照符号が付されている。
【0014】
＜第１実施形態＞
（血液浄化装置の構成）
まず、図１乃至図６を参照しつつ、本開示の情報処理装置を有する血液浄化装置の構成を説明する。図１は、本実施形態に係る血液浄化装置の使用状態の一例を示す概略図である。図２は、本実施形態に係る血液浄化装置の電気的構成を示すブロック図である。図３は、本実施形態に係る血液浄化装置の内部配管部の構成図である。図４は、本実施形態に係る血液浄化装置の体外循環部の構成図である。図５及び図６は、本実施形態に係る血液浄化装置に記憶されたデータテーブルである。
（血液浄化装置の構成）
まず、図１乃至図６を参照しつつ、本開示の情報処理装置を有する血液浄化装置の構成を説明する。図１は、本実施形態に係る血液浄化装置の使用状態の一例を示す概略図である。図２は、本実施形態に係る血液浄化装置の電気的構成を示すブロック図である。図３は、本実施形態に係る血液浄化装置の内部配管部の構成図である。図４は、本実施形態に係る血液浄化装置の体外循環部の構成図である。図５及び図６は、本実施形態に係る血液浄化装置に記憶されたデータテーブルである。
【0015】
図１に示すように、血液浄化装置１は、患者Ｈに対して透析治療を行うための透析装置から構成されている。具体的に、血液浄化装置１は、ベースユニット２の上に設置された本体３、本体３の上部に接続されたディスプレイ４、及び本体３の側方に設置された血液浄化器５を有している。また、血液浄化装置１の本体３には、情報処理装置６、血液浄化器５との間において透析液を循環させるための内部配管部７、及び患者Ｈの体液である血液を体外で循環させるための体外循環部８を有している。血液浄化装置１は、このような構成により、患者Ｈの血液を体外に取り出し、当該血液から不要若しくは有毒な物質又は水分を血液浄化器５において除去し、浄化された血液を患者Ｈに戻すことが可能となっている。
【0016】
ベースユニット２は、本体３の底部に接続した板状のベース２ａ、及びベース２ａに設置された４つのキャスタ２ｂから構成されている。これにより、血液浄化装置１を容易に移動させることが可能となる。なお、キャスタ２ｂの数量は４つの限定されることなく、血液浄化装置１を移動可能にすることができれば、３つ又は５つ以上であってもよい。
【0017】
本体３は、略直方体状の筐体から構成されている。また、本体３の内部及び表面には、血液浄化装置１を構成する各種の構成装置及び各種の構成部品が配設されている。ここで、構成装置の一例としては、後述する複式ポンプ、除水ポンプ、脱気ポンプ、加圧ポンプ、原液ポンプ、及び血液ポンプ等のポンプ、並びに各種の検出器がある。これらの構成装置であるポンプについては、バルブ、シール部材、スライダ、ベアリング、又はインペラ等の各種のメンテナンス対象部品を有している。換言すると、ポンプは、一般的にメンテナンス対象部品に該当する。一方、当該構成部品の一例としては、後述する電磁弁、フィルタ、各種のセンサ、血液回路等の部品がある。当該構成部品については、所定のメンテナンスが必要となるメンテナンス対象部品に属するもの、又は一回の透析治療によって交換が必要となる消耗部品（例えば、血液回路等）に属するものがある。
【0018】
図２に示すように、血液浄化装置１は、ディスプレイ４、情報処理装置６、内部配管部７、体外循環部８、及び通信部９が、制御ライン及びデータラインを介して、互いに電気的に接続されている。これにより、血液浄化装置１においては、各種の電気部品同士の信号、データ、情報の送受信が可能となるとともに、情報処理装置６による各種の制御も可能となる。なお、以下において、データとは、信号等を処理した数値、記号、又は文字等からなるものを基本的に想定する。また、情報とは、当該データを収集又は加工したものを基本的に想定し、例えば、受信者がその後の検討材料に用いたり、受信者に活用できる内容が想定される。ただし、データ及び情報については、その内容や前後の文脈に対応させ、上記想定に合致せずに使用される場合もある。
【0019】
本実施形態においては、血液浄化装置１の一例として血液透析装置の場合を説明しているが、これに限定されることはない。例えば、急性血液浄化用の装置、腹膜透析装置、限外濾過装置、又は血液濾過装置も、血液浄化装置１の一例となり得る。すなわち、本開示においては、血液浄化装置１が所定のメンテナンスを必要とするメンテナンス対象部品を有するものであれば、いずれの装置であってもよい。
【0020】
なお、血液浄化装置１の種類に応じて、上述した構成装置及び構成部品が異なる。当然のことながら、構成装置及び構成部品が異なれば、血液浄化装置１としてのメンテナンス対象部品も異なる。すなわち、本実施形態において説明する構成装置、構成部品、メンテナンス対象装置、及びメンテナンス対象部品は一例にすぎず、血液浄化装置１が有する他の装置及び部品であっても、構成装置及び構成部品に該当し、交換、保守、点検、及び整備が必要となる各種の装置及び部品については、メンテナンス対象装置及びメンテナンス対象部品に該当する。換言すると、メンテナンス対象装置及びメンテナンス対象部品は、血液浄化装置１の管理者側で適宜設定することができる。
【0021】
〔ディスプレイ〕
次に、図１及び図２に示すように、ディスプレイ４は、タッチパネル型の入力インターフェイスからなる入力部４ａ、及び一般的な画面型の出力インターフェイスからなる出力部４ｂを有している。すなわち、本実施形態におけるディスプレイ４は、入出力インターフェイスを備えるタッチパネルである。ここで、タッチパネルによる入力の検出方式は、静電容量式、又は抵抗膜式等のいなかる方式であってもよい。
次に、図１及び図２に示すように、ディスプレイ４は、タッチパネル型の入力インターフェイスからなる入力部４ａ、及び一般的な画面型の出力インターフェイスからなる出力部４ｂを有している。すなわち、本実施形態におけるディスプレイ４は、入出力インターフェイスを備えるタッチパネルである。ここで、タッチパネルによる入力の検出方式は、静電容量式、又は抵抗膜式等のいなかる方式であってもよい。
【0022】
なお、ディスプレイ４から入力インターフェイスを分離してもよい。この場合には、テンキー又は文字入力キーなどの物理キーボタンを備えるキーボード、及びマウス等の入力装置が血液浄化装置１に設けられてもよい。
【0023】
〔通信部〕
次に、図２に示すように、通信部９は、通信処理回路９ａ及びアンテナ９ｂから構成されている。通信部９は、通信処理回路９ａ及びアンテナ９ｂを介して、血液浄化装置１とは離間して設置された病院のサーバ装置、又は医療従事者（血液浄化装置１の管理者）が使用する端末装置との間で情報の送受信を行う。
次に、図２に示すように、通信部９は、通信処理回路９ａ及びアンテナ９ｂから構成されている。通信部９は、通信処理回路９ａ及びアンテナ９ｂを介して、血液浄化装置１とは離間して設置された病院のサーバ装置、又は医療従事者（血液浄化装置１の管理者）が使用する端末装置との間で情報の送受信を行う。
【0024】
通信処理回路９ａは、ＬＴＥ方式に代表されるような広帯域の無線通信方式に基づいて処理を実行してもよい。また、通信処理回路９ａは、ＩＥＥＥ８０２．１１に代表されるような無線ＬＡＮ若しくはＢｌｕｅｔｏｏｔｈ（登録商標）のような狭帯域の無線通信に関する方式に基づいて処理を実行してもよい。さらに、通信処理回路９ａは、非接触無線通信に関する方式に基づいて処理を実行してもよい。そして、通信処理回路９ａは、このような無線通信に代えて、又は加えて、有線通信が利用されてもよい。
【0025】
〔内部配管部〕
次に、図３に示すように、内部配管部７は、血液浄化器５の給液側に主配管Ｌ１、排液側に主配管Ｌ２が接続され、血液浄化器５をバイパスするようにバイパス配管Ｌ３、バイパス配管Ｌ４、及びバイパス配管Ｌ５が主配管Ｌ１と主配管Ｌ２との間に接続された構造を有する。また、主配管Ｌ１の供給側（上流側）から主配管Ｌ２の排出側（下流側）とを接続するように、バイパス配管Ｌ１０が設けられている。更に、主配管Ｌ２の途中には、主配管Ｌ２の一部をバイパスするように、バイパス配管Ｌ１１，Ｌ１２が主配管Ｌ２に対して並列となるように接続されている。そして、主配管Ｌ２とバイパス配管Ｌ１１とを接続するように、接続配管Ｌ１３が設けられている。例えば、各配管には、塩化ビニールチューブ又はシリコンチューブ等の柔軟性を備える材料が使用される。
次に、図３に示すように、内部配管部７は、血液浄化器５の給液側に主配管Ｌ１、排液側に主配管Ｌ２が接続され、血液浄化器５をバイパスするようにバイパス配管Ｌ３、バイパス配管Ｌ４、及びバイパス配管Ｌ５が主配管Ｌ１と主配管Ｌ２との間に接続された構造を有する。また、主配管Ｌ１の供給側（上流側）から主配管Ｌ２の排出側（下流側）とを接続するように、バイパス配管Ｌ１０が設けられている。更に、主配管Ｌ２の途中には、主配管Ｌ２の一部をバイパスするように、バイパス配管Ｌ１１，Ｌ１２が主配管Ｌ２に対して並列となるように接続されている。そして、主配管Ｌ２とバイパス配管Ｌ１１とを接続するように、接続配管Ｌ１３が設けられている。例えば、各配管には、塩化ビニールチューブ又はシリコンチューブ等の柔軟性を備える材料が使用される。
【0026】
図３に示すように、各配管には、ポンプ、弁、センサ、フィルタ等が配設されている。具体的に、主配管Ｌ１においては、減圧弁Ｖ１、電磁弁Ｖ２、脱気ポンプＰ０、脱ガスチャンバ１０、複式ポンプＰ１、背圧弁Ｖ３、温度センサＳ１、フィルタＦ１、電磁弁Ｖ４、フィルタＦ２、圧力センサＳ２、及び電磁弁Ｖ５が、内部配管部７の給液端子側から血液浄化器５の一端に向かって順番に配設されている。また、主配管Ｌ１の先端（血液浄化器５との接続側）にはコネクタＣ１が配設されている。更に、主配管Ｌ２においては、電磁弁Ｖ６、圧力センサＳ３、加圧ポンプＰ２、脱ガスチャンバ１１、複式ポンプＰ１、背圧弁Ｖ７、流量検出器１２、及び電磁弁Ｖ８が、血液浄化器５の一端から内部配管部７の排液端子側に向かって順番に配置されている。そして、主配管Ｌ２の先端（血液浄化器５との接続側）にはコネクタＣ２が配設されている。
【0027】
バイパス配管Ｌ３は、主配管Ｌ１上のフィルタＦ１と、主配管Ｌ２上の圧力センサＳ３の下流側とを接続する位置に設けられている。ここで、バイパス配管Ｌ３には、電磁弁Ｖ９が配設されている。また、バイパス配管Ｌ４は、主配管Ｌ１上のフィルタＦ２と、主配管Ｌ２上の圧力センサＳ３の上流側（すなわち、電磁弁Ｖ６の下流側）とを接続する位置に設けられている。ここで、バイパス配管Ｌ４には、電磁弁Ｖ１０が配設されている。更に、バイパス配管Ｌ５は、主配管Ｌ１上の電磁弁Ｖ５の下流側と、主配管Ｌ２上の電磁弁Ｖ６の上流側とを接続する位置に設けられている。ここで、バイパス配管Ｌ５は、主配管Ｌ１のコネクタＣ１と主配管Ｌ２のコネクタＣ１とを接続することにより形成される。すなわち、治療を行う場合には主配管Ｌ１及び主配管Ｌ２が血液浄化器５に接続されるが、内部配管部７の洗浄を行う場合等に、コネクタＣ１及びコネクタＣ２が接続されてバイパスコネクタＣ３がバイパス配管Ｌ５上に形成されることになる。なお、上流及び下流とは、各部材における透析液の流れに対応して定義している。
【0028】
バイパス配管Ｌ１０は、主配管Ｌ１上の電磁弁Ｖ２と脱気ポンプＰ０との間と主配管Ｌ２上の電磁弁Ｖ８の下流側との間に脱ガスチャンバ１０を経由して接続され、減圧弁Ｖ１、電磁弁Ｖ２及び脱ガスチャンバ１０以外の部品をバイパスするような構成を有する。バイパス配管Ｌ１１，Ｌ１２は、主配管Ｌ２上の圧力センサＳ３と複式ポンプＰ１との間と、主配管Ｌ２上の複式ポンプＰ１と流量検出器１２との間に接続され、複式ポンプＰ１をバイパスするような構成を有する。本実施形態においては、バイパス配管Ｌ１２と比較して、バイパス配管Ｌ１１が複式ポンプＰ１に近い位置に接続されている。また、バイパス配管Ｌ１１には、背圧弁Ｖ１１及び除水ポンプＰ３が配設されている。更に、バイパス配管Ｌ１２には、電磁弁Ｖ１２が配設されている。接続配管Ｌ１３は、主配管Ｌ２上の脱ガスチャンバ１１と、バイパス配管Ｌ１１上の背圧弁Ｖ１１と除水ポンプＰ３との間と、を接続している。
【0029】
上述した各種の弁、各種のポンプ、及び流量検出器１２は、情報処理装置６から供給される制御信号に基づいて、各動作が制御される。これにより、透析液を所望の流量にて循環させ、又は各種の洗浄を行うことができる。例えば、複式ポンプＰ１による送液量をより正確に行うため、複式ポンプＰ１が吸い込み動作を行っている場合、給水圧又は加圧ポンプＰ２によって加圧することにより、当該吸い込み動作をサポートするような制御が行われる。すなわち、給液側の吸い込み量のサポートのために、減圧弁Ｖ１を制御して給水圧が調整され、排液側の吸い込み量のサポートのために、加圧ポンプＰ２が制御される。ここで、加圧ポンプＰ２の圧力制御は、加圧ポンプＰ２の圧力が所定以上になると、背圧弁Ｖ１１が開弁することで実行される。一方、複式ポンプＰ１が吐出動作している場合、吐出圧が所定値以下になったら液が流れないように背圧弁Ｖ３，Ｖ７が閉弁し、慣性の影響をなくすことによって吐出動作をサポートするような制御が行われる。すなわち、給液側の吐出量のサポートのために、背圧弁Ｖ３が閉弁し、排液側の吐出量のサポートのために、背圧弁Ｖ７が閉弁している。
【0030】
また、これらの弁、ポンプ、及び流量検出器１２は、各構成装置若しくは構成部品、又はこれらを有する血液浄化装置１の動作状態を示す状態パラメータを情報処理装置６に対して送信することが可能である。例えば、これらの弁、ポンプ、流量検出器１２は、内蔵された各種センサによって測定された状態パラメータを、情報処理装置６に対して送信してもよい。すなわち、状態パラメータとは、各種センサによって測定された測定値であってもよい。なお、各種センサが内蔵されていない場合には、各構成装置又は構成部品の近傍に配設された各種のセンサによって状態パラメータが測定され、送信されてもよい。そして、内部配管部７において測定される各状態パラメータを総称して配管部パラメータとも称する。
【0031】
同様に、上述した各種のセンサも、測定値を情報処理装置６に対して送信することが可能である。これにより、情報処理装置６は、血液浄化装置１の内部配管部７の動作状態を示す各種の状態パラメータを取得することが可能になる。一方、上述した各種のフィルタ、オーリング、コネクタ、ポートについては、センシング機能を備えていないため、その近傍に設けられている温度センサ又は圧力センサによって、それぞれの使用状況が把握されてもよい。
【0032】
以上のように、内部配管部７においては、透析液の循環処理、及び洗浄処理に加えて、血液浄化装置１、並びに血液浄化装置１の構成装置及び構成部品の動作状態を示す状態パラメータの取得処理が行われている。後述するが、取得された状態パラメータは、血液浄化装置１のメンテナンス時期の推定に利用されることになる。
【0033】
〔体外循環部〕
次に、図４に示すように、体外循環部８は、血液浄化器５に対する血液導入側に動脈側血液回路Ｌ２１が接続され、血液浄化器５に対する血液導出側に静脈側血液回路Ｌ２２が接続された構造を有する。また、動脈側血液回路Ｌ２１と静脈側血液回路Ｌ２２との間には、血液浄化器５をバイパスするように、液面調整回路Ｌ２３が接続されている。ここで、液面調整回路Ｌ２３は、血液浄化器５に対して並列に配置されたバイパスラインＬ２４、及びバイパスラインＬ２４に対する空気の導入又は排出を行うための開放ラインＬ２５から構成されている。例えば、各回路には、塩化ビニールチューブ又はシリコンチューブ等の柔軟性を備える材料が使用される。
次に、図４に示すように、体外循環部８は、血液浄化器５に対する血液導入側に動脈側血液回路Ｌ２１が接続され、血液浄化器５に対する血液導出側に静脈側血液回路Ｌ２２が接続された構造を有する。また、動脈側血液回路Ｌ２１と静脈側血液回路Ｌ２２との間には、血液浄化器５をバイパスするように、液面調整回路Ｌ２３が接続されている。ここで、液面調整回路Ｌ２３は、血液浄化器５に対して並列に配置されたバイパスラインＬ２４、及びバイパスラインＬ２４に対する空気の導入又は排出を行うための開放ラインＬ２５から構成されている。例えば、各回路には、塩化ビニールチューブ又はシリコンチューブ等の柔軟性を備える材料が使用される。
【0034】
動脈側血液回路Ｌ２１には、コネクタＣ２１、電磁弁Ｖ２１、気泡検出器２２、血液ポンプＰ２１、血液濃度検出器２３、及び動脈側エアトラップチャンバ２４が、患者Ｈ側から血液浄化器５に向かって順番に配設されている。また、静脈側血液回路Ｌ２２には、静脈側エアトラップチャンバ２５、流量検出器２６、圧力検出器２７、気泡検出器２８、電磁弁Ｖ２２、及びコネクタＣ２２が、血液浄化器５から患者Ｈに向かって順番に配設されている。なお、血液浄化装置１を駆動させて患者Ｈの血液を浄化する場合には、コネクタＣ２１には動脈側穿刺針（図示せず）が接続され、コネクタＣ２２には静脈側穿刺針（図示せず）が接続され、各穿刺針が患者Ｈの腕に刺さることになる。
【0035】
このような構成から、動脈側血液回路Ｌ２１においては、患者Ｈから取り出した血液の量及び濃度が検出され、静脈側血液回路Ｌ２２においては、患者Ｈに戻す血液の量及び濃度が検出される。
【0036】
液面調整回路Ｌ２３のバイパスラインＬ２４には、動脈側エアトラップチャンバ２４から静脈側エアトラップチャンバ２５に向かって、圧力センサＳ２２、電磁弁Ｖ２３、電磁弁Ｖ２４、及び圧力センサＳ２３が順番に配設されている。また、液面調整回路Ｌ２３の開放ラインＬ２５には、液面調整ポンプＰ２２が配設されている。このような構成により、液面調整ポンプを駆動して空気の導入又は排出が可能となり、各エアトラップチャンバにおける血液面を調整することができる。
【0037】
上述した各電磁弁、各種のポンプ、及び各種の検出器は、情報処理装置６から供給される制御信号に基づいて、各動作が制御される。また、これらの電磁弁、ポンプ、及び検出器は、各構成装置若しくは構成部品、又はこれらを有する血液浄化装置１の動作状態を示す状態パラメータを情報処理装置６に対して送信することが可能である。例えば、これらの電磁弁、ポンプ、及び検出器は、内蔵された各種センサによって測定された状態パラメータを、情報処理装置６に対して送信してもよい。すなわち、状態パラメータとは、各種センサによって測定された測定値であってもよい。なお、各種センサが内蔵されていない場合には、各構成装置又は構成部品の近傍に配設された各種のセンサによって状態パラメータが測定され、送信されてもよい。そして、体外循環部８において測定される各状態パラメータを総称して、循環部パラメータとも称する。
【0038】
同様に、上述した各圧力センサも、測定値を情報処理装置６に対して送信することが可能である。これにより、情報処理装置６は、血液浄化装置１の体外循環部８の動作状態を示す各種の状態パラメータを取得することが可能になる。一方、上述した各コネクタ、フィルタ、エアトラップチャンバについては、センシング機能を備えていないため、その近傍に設けられている温度センサ又は圧力センサによって、それぞれの使用状況が把握されてもよい。
【0039】
以上のように、体外循環部８においては、血液の導入及び導出の処理、及び液面の調整処理に加えて、血液浄化装置１、並びに血液浄化装置１の構成装置及び構成部品の動作状態を示す状態パラメータの取得処理が行われている。後述するが、取得された状態パラメータは、血液浄化装置１のメンテナンス時期の推定に利用されることになる。
【0040】
〔情報処理装置〕
次に、本実施形態に係る情報処理装置６は、図２に示すように、プロセッサ６ａ及びメモリ６ｂから構成されている。
次に、本実施形態に係る情報処理装置６は、図２に示すように、プロセッサ６ａ及びメモリ６ｂから構成されている。
【0041】
プロセッサ６ａは、ＧＰＵ（Graphics Processing Unit：画像処理装置）又はＣＰＵ（Central Processing Unit：中央処理装置）から構成され、メモリ６ｂに記憶された各種プログラムに基づいて、接続された他の構成装置又は構成部品を制御する制御部として機能する。具体的には、プロセッサ６ａは、血液浄化処理を実行するためのプログラム又はＯＳを実行するためのプログラムをメモリ６ｂから読み出して実行する。また、プロセッサ６ａは、血液浄化装置１、並びに血液浄化装置１の構成装置及び構成部品のメンテナンス時期を推定するための処理を実行する。なお、プロセッサ６ａは、単一のＧＰＵ又はＣＰＵで構成されても良いが、複数のＣＰＵ又はＧＰＵを組み合わせて構成しても良い。
【0042】
メモリ６ｂは、ＲＯＭ、ＲＡＭ、不揮発性メモリ、ＨＤＤ等から構成され、記憶部として機能する。ＲＯＭは、血液浄化処理を実行するための指示命令をプログラムとして記憶する。また、ＲＯＭは、血液浄化装置１、並びに血液浄化装置１の構成装置及び構成部品のメンテナンス時期の推定を行うために必要となる学習済み推定モデルを記憶する。また、ＲＡＭは、ＲＯＭに記憶されたプログラムがプロセッサ６ａにより処理されている間、データの書き込み及び読み込みをするために用いられる。不揮発性メモリは、当該プログラムの実行によってデータの書き込み及び読み込みが実行される記憶装置であって、ここに書き込まれたデータは、当該プログラムの実行が終了した後でも保存される。
【0043】
特に、本実施形態においては、患者の血液を浄化する血液浄化装置１のメンテナンス時期を推定するプログラムが記憶されている。当該プログラムは、血液浄化装置１の動作状態を示す状態パラメータから生成される動作データを取得する処理をコンピュータ（すなわち、血液浄化装置１の情報処理装置６）に実行させるものである。また、当該プログラムは、血液浄化装置１のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに動作データを入力して、血液浄化装置１の次回メンテナンスに係る推定データを取得する処理をコンピュータに実行させるものである。更に、当該プログラムは、血液浄化装置１のメンテナンス情報を表示するための表示データを当該推定データに基づいて生成する処理をコンピュータに実行させるものである。なお、当該プログラムによって実行される処理につては、後述するものとする。
【0044】
また、メモリ６ｂには、図５に示すような血液浄化装置１、その構成装置、及びその構成部品の動作状態が記憶されている。図５に示すように、構成装置及び構成部品の一例としては、内部配管部７及び体外循環部８を構成し、各配管又は各回路に配設されたものである。動作状態の記憶の一例として、図５のデータテーブルには、複式ポンプ、除水ポンプ、脱気ポンプ、加圧ポンプ、第１電磁弁（電磁弁Ｖ２に対応）、第２電磁弁（電磁弁Ｖ４に対応）、第１フィルタ（フィルタＦ１に対応）、及び第２フィルタ（フィルタＦ２に対応）について、現時点における「動作回数（駆動回数）」、「温度」、「圧力」、「流量」、「使用時間」、「使用回数」、「高温時間」、「洗浄回数」、及び「治療回数」が動作状態として記憶されている。
【0045】
より詳細には、各ポンプ及び電磁弁については「動作回数」、「温度」、「圧力」、「流量」、「使用時間」、「使用回数」、「高温時間」が動作状態として記憶されている。一方、フィルタに「動作回数」は記憶されておらず、「温度」、「圧力」、「流量」、「使用時間」、「使用回数」、「高温時間」、「洗浄回数」、及び「治療回数」が動作状態として記憶されている。血液透析装置については、「使用時間」、「使用回数」、「洗浄回数」、及び「治療回数」が動作状態として記憶されている。
【0046】
なお、図５に示すデータテーブルについては、構成装置及び構成部品の一部が記載されているだけであり、当然のことながら、図３及び図４に示された他の構成装置及び構成部品に関する動作状態が記憶されてもよい。また、動作状態の種類としても、図５のテーブルに示したものに限定されず、血液浄化装置１、その構成装置、及びその構成部品の各種の動作を示すものであれば、データテーブルに記憶することが可能である。例えば、「低温時間」等の動作状態を追加してもよい。
【0047】
また、メモリ６ｂには、図６に示すような血液浄化装置１、その構成装置、及びその構成部品のメンテナンス情報が記憶されている。図６に示すように、構成装置及び構成部品の一例としては、内部配管部７及び体外循環部８を構成し、各配管又は各回路に配設されたものである。具体的に、データテーブルには、複式ポンプ、除水ポンプ、脱気ポンプ、加圧ポンプ、第１電磁弁（電磁弁Ｖ２に対応）、第２電磁弁（電磁弁Ｖ４に対応）、第１フィルタ（フィルタＦ１に対応）、及び第２フィルタ（フィルタＦ２に対応）について、「構成装置/構成部品」、「部品名」、「運転/交換」、「前回のメンテナンス日時」及び「発注先」に係る情報が記憶されている。ここで、「運転/交換」とは、新品の状態又はメンテナンスが完了した状態から次回のメンテナンスまでの目安となるタイミングに係る情報である。
【0048】
より詳細には、各ポンプについては、メンテナンス対象部品が「部品名」の欄に記憶され、それぞれの部品の「運転/交換」、「前回のメンテナンス日時」及び「発注先」が記憶されている。一方、電磁弁及びフィルタについては、それ自体がメンテナンス対象部品であるため、「部品名」の欄には対象部品名が記憶されておらず、「運転/交換」、「前回のメンテナンス日時」及び「発注先」に係る情報が記憶されている。また、「運転/交換」として、各構成装置及び構成部品には、所定の時間が記憶されているが、時間に代えて使用回数、使用日時、又は使用量を記憶させてもよく、更にはこれらを組み合わせたデータとしてもよい。
【0049】
なお、図６に示すデータテーブルについては、構成装置及び構成部品の一部が記載されているだけであり、当然のことながら、図３及び図４に示された他の構成装置及び構成部品に関するメンテナンス情報が記憶されてもよい。また、メンテナンス情報の種類としても、図６のテーブルに示したものに限定されず、血液浄化装置１、その構成装置、及びその構成部品のメンテナンスに係る内容であれば、データテーブルに記憶することが可能である。例えば、「金額」等のメンテナンス情報を追加してもよい。
【0050】
（情報処理装置の機能構成）
次に、図７を参照しつつ、本実施形態に係る血液浄化装置１の情報処理装置６の機能的な構成を説明する。ここで、図７は、第１実施形態に係る情報処理装置６の機能ブロック図である。特に、図７においては、情報処理装置６以外にも血液浄化装置１の他の構成装置を記載し、各装置間における情報及びデータの流れも記載している。
次に、図７を参照しつつ、本実施形態に係る血液浄化装置１の情報処理装置６の機能的な構成を説明する。ここで、図７は、第１実施形態に係る情報処理装置６の機能ブロック図である。特に、図７においては、情報処理装置６以外にも血液浄化装置１の他の構成装置を記載し、各装置間における情報及びデータの流れも記載している。
【0051】
図７に示すように、情報処理装置６は、動作データ取得部５１、推定部５２、制御部５３、及び記憶部５４を有する。また、動作データ取得部５１は、算出部５５を含む。更に、推定部５２は、学習済み推定モデル５６を含む。これらの各部は、情報処理装置６のプロセッサ６ａ及びメモリ６ｂ自体が機能することで実現され、又はプロセッサ６ａがメモリ６ｂに記憶されたプログラムを読み出して実行することにより実現される。
【0052】
動作データ取得部５１は、血液浄化装置１の動作状態を示す状態パラメータである各種の信号を、ポンプＰ６１、圧力センサＳ６２、温度センサＳ６３、流量センサＳ６４から受信する。ここで、ポンプＰ６１とは、図３及び図４に示す各種のポンプを総称するものであり、いずれかのポンプに限定するものではない。同様に、圧力センサＳ６２は、図３及び図４に示す各圧力センサ、及びポンプ以外の他の構成装置（例えば、圧力検出器２７）に含まれる圧力センサを総称するものであり、いずれかの圧力センサに限定するものではない。また、温度センサＳ６３は、図３及び図４に示す各温度センサ、及びポンプ以外の他の構成装置（例えば、各種の弁）に含まれる温度センサを総称するものであり、いずれかの温度センサに限定するものではない。更に、流量センサＳ６４は、図３及び図４に示す各流量検出器に含まれる流量センサ、及び他の構成装置（例えば、各種の弁）に含まれる流量センサを総称するものであり、いずれかの流量センサに限定するものではない。
【0053】
動作データ取得部５１は、ポンプＰ６１から動作信号、温度信号、圧力信号、及び流量信号を受信する。動作信号は、ポンプＰ６１自体の動作に係る電気信号であり、例えば、インペラの総回転数、ダイアフラムの駆動回数に係る電気信号である。温度信号、圧力信号、及び流量信号は、ポンプＰ６１に設けられた各センサによって検出される電気信号であり、ポンプＰ６１の内部における透析液又は血液の温度、圧力、及び流量に係る電気信号である。なお、ポンプＰ６１の温度信号とは、ポンプＰ６１自体の温度に係る電気信号であってもよい。
【0054】
また、動作データ取得部５１は、血液浄化装置１の動作状態を示す状態パラメータとして、入力部４ａから入力データも受信する。例えば、入力データとは、血液浄化装置１の管理者によって入力された、血液浄化装置１の動作時間、動作回数、又は治療回数である。なお、入力データは必ず受信されるわけではなく、後述する動作データを生成する場合の付加的なデータとして位置づけられる。
【0055】
動作データ取得部５１の算出部５５は、受信した各種の電気信号から動作状態を算出する。具体的に、算出部５５は、ポンプＰ６１から受信した各種の電気信号に基づいて、ポンプＰ６１の現状の動作状態を算出する。当該動作状態の一例としては、図５に示すような「使用時間」、「使用回数」及び「高温時間」があるが、これら以外の動作状態を算出してもよい。例えば、算出部５５は、動作信号、圧力信号、及び流量信号に基づいて、ポンプＰ６１が動作している否かを判定しつつ、使用時間及び使用回数を算出してもよい。また、算出部５５は、動作信号及び温度信号に基づいて、ポンプＰ６１の高温時間を算出してもよい。
【0056】
また、算出部５５は、圧力センサＳ６２、温度センサＳ６３、及び流量センサＳ６４から受信した各種の電気信号に基づいて、各センサを備える構成装置若しくは構成部品の現状の動作状態を算出、又は各センサの近傍に位置する構成装置若しくは構成部品の現状の動作状態を算出する。当該動作状態の一例としては、図５に示すような「動作回数」、「使用時間」、「使用回数」及び「高温時間」があるが、これら以外の動作状態を算出してもよい。例えば、算出部５５は、圧力信号及び流量信号に基づいて、電磁弁が動作している否かを判定しつつ、動作回数、使用時間及び使用回数を算出してもよい。同様に、算出部５５は、算出した動作回数及び受信した温度信号に基づいて、電磁弁の高温時間を算出してもよい。同様に、算出部５５は、圧力信号、流量信号、温度信号に基づいて、フィルタの使用時間、使用回数、高温時間を算出してもよい。
【0057】
更に、算出部５５は、上述した構成装置及び構成部品の動作データに基づいて、血液浄化装置１の動作状態を算出する。当該動作状態の一例としては、図５に示すような「使用時間」、「使用回数」、「洗浄回数」、及び「治療回数」があるが、これら以外の動作状態を算出してもよい。例えば、算出部５５は、構成装置及び構成部品の動作状態から血液浄化装置１が現状の動作状態（停止、治療前準備、治療中、治療後洗浄）を判定しつつ、「使用時間」、「使用回数」、「洗浄回数」、及び「治療回数」を算出してもよい。なお、算出部５５は、入力部４ａから受信した入力データに基づいて「使用時間」、「使用回数」、「洗浄回数」、及び「治療回数」を算出してもよく、又は受信した入力データに対する演算を行わずに「使用時間」、「使用回数」、「洗浄回数」、及び「治療回数」として設定してもよい。
【0058】
本実施形態において、動作データ取得部５１は、算出部５５による動作状態の算出が完了すると、各動作状態を取りまとめて１つの動作データとする。すなわち、動作データ取得部５１は、学習済み推定モデル５６に入力するための動作データを、算出された血液浄化装置１、構成装置、及び構成部品の各動作状態から取得する。換言すると、動作データとは、血液浄化装置１、構成装置、及び構成部品の各動作状態に係るデータを含んでいる。なお、動作状態の算出自体は、各構成装置又は他の算出器等を利用して、情報処理装置６の外部で実行されてもよい。この場合には、動作データ取得部５１は、算出部５５を有することなく、単に外部から各種の動作状態を受信することになる。また、動作データは、上述した複数の動作状態を必ず含まなくてもよく、例えば、１つの動作状態により１つの動作データが構成されてもよい。この場合、動作状態がそのまま動作データとして使用されることになる。
【0059】
動作データ取得部５１は、取得した動作データを記憶するために、当該動作データを記憶部５４に送信する。また、動作データ取得部５１は、当該動作データの元となる各種の信号についても、記憶部５４に送信してもよい。記憶部５４は、受信した動作データをメモリ６ｂに記憶する。更に、動作データ取得部５１は、取得した動作データから血液浄化装置１のメンテナンス時期を推定するために、当該動作データを推定部５２に送信する。
【0060】
推定部５２は、学習済み推定モデル５６を用いて推定データを取得するために、受信した動作データに加えて、メンテナンスデータを記憶部５４から受信する。ここで、メンテナンスデータとは、図６のデータテーブルに示す構成装置及び構成部品ごとの「前回のメンテナンス日時」である。また、推定部５２は、受信した動作データ及びメンテナンスデータを学習済み推定モデル５６に入力を行い、血液浄化装置１の次回メンテナンスに係る推定データを取得する。ここで、当該推定データについては、血液浄化装置１のメンテナンス時期及びメンテナンス対象部品のデータが含まれる。なお、学習済み推定モデル５６及び推定データについては、モデル設定を含めて後述する。推定部５２は、学習済み推定モデル５６の出力結果である推定データを取得すると、当該推定データを制御部５３に送信する。
【0061】
制御部５３は、血液浄化装置１のメンテナンス情報を血液浄化装置１の管理者に報知するために、受信する推定データに加えて、記憶部５４から発注先データを受信する。ここで、発注先データとは、図６のデータテーブルに示す構成装置及び構成部品ごとの「発注先」である。制御部５３は、推定データ及び発注先データに基づいて、メンテナンス情報として表示するため表示データ及び表示指示となる制御信号を生成し、当該表示データとともに表示指示（制御信号）を出力部４ｂに送信する。また、制御部５３は、当該推定データに含まれるメンテナンス対象部品の発注先を当該発注先データから選択し、メンテナンス対象部品の発注を自動的に行ってもよい。この場合、表示データには、メンテナンス対象部品が発注済みである旨の情報が追加されてもよい。
【0062】
出力部４ｂは、血液浄化装置１のメンテナンス情報をディスプレイ４を介して表示し、血液浄化装置１の管理者にメンテナンスの必要性の報知を行う。当該管理者は、メンテナンス情報を確認することにより、血液浄化装置１に係るメンテナンスを適宜実施することになる。
【0063】
（血液浄化装置における処理）
次に、本実施形態に係る血液浄化装置１のメンテナンス情報を推定及び表示するまでに、血液浄化装置１において実行される処理を、図８乃至図１１を参照しつつ説明する。ここで、図８は、本実施形態の血液浄化装置１におけるメンテナンスの推定に係るシーケンス図である。図９は、本実施形態に係る学習済み推定モデルの設定の流れを示すフロー図である。図１０は、本実施形態の情報処理装置６に設定される学習済み推定モデルの評価の流れを示す概略図である。図１１は、本実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知例である。
次に、本実施形態に係る血液浄化装置１のメンテナンス情報を推定及び表示するまでに、血液浄化装置１において実行される処理を、図８乃至図１１を参照しつつ説明する。ここで、図８は、本実施形態の血液浄化装置１におけるメンテナンスの推定に係るシーケンス図である。図９は、本実施形態に係る学習済み推定モデルの設定の流れを示すフロー図である。図１０は、本実施形態の情報処理装置６に設定される学習済み推定モデルの評価の流れを示す概略図である。図１１は、本実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知例である。
【0064】
先ず、図８に示すように、情報処理装置６において、初期設定が行われる（Ｓ１１１）。ここで、初期設定とは、血液浄化装置１のメンテナンス情報を人工知能（ＡＩ：Artificial Intelligence）を用いて推定するために必要となる準備処理のことである。すなわち、初期設定により、学習済み推定モデル５６が生成され、情報処理装置６に学習済み推定モデル５６が実装される。
【0065】
具体的には、図９に示すように、情報処理装置６のプロセッサ６ａは、学習済み推定モデル５６を生成するための学習データを取得する（Ｓ２０１）。ここで、学習データの一例として、図１０に示すように、血液浄化装置１の使用状況データ、過去の故障データ、メンテナンスの実施データ、及びメンテナンスの基本データが利用されてもよい。これらのデータは、入力部４ａを介して血液浄化装置１の管理者によって入力されてもよく、通信部９を介して受信してもよい。
【0066】
使用状況データは、例えば、血液浄化装置１の使用時間、使用回数、治療回数、及び洗浄回数を含んでもよい。また、使用状況データは、例えば、血液浄化装置１の構成装置及び構成部品の動作回数、使用時間、及び高温時間を含んでもよい。更に、使用状況データは、例えば、血液浄化装置１、並びに血液浄化装置の１の構成装置及び構成部品で検出される温度、圧力、及び流量に係るデータを含んでもよい。すなわち、使用状況データとは、血液浄化装置１から検出されたデータに基づいて算出された、血液浄化装置１、並びに血液浄化装置１の構成装置及び構成部品の動作状況に係るデータから構成されていてもよい。
【0067】
過去の故障データは、例えば、故障部品の名称、故障の日時、故障時の使用状況に係るデータを含んでもよい。具体的に、ポンプＰ６１の場合には、バルブ、インペラ、シールといった部品名に加え、故障が生じた日時、故障が生じた日時までにおけるポンプの使用状況に係るデータが、過去の故障データとして利用されてもよい。この場合に、過去の故障データは、上述した使用状況データに紐づいていることが好ましい。
【0068】
メンテナンスの実施データは、例えば、メンテナンス対象装置又はメンテナンス対象部品の名称、メンテナンス日時、及びメンテナンス内容に係るデータが含まれてもよい。具体的に、ポンプＰ６１においてインペラが故障した場合、ポンプＰ６１の名称（例えば、複式ポンプ、除水ポンプ、脱気ポンプ、加圧ポンプ、血液ポンプ、液面調整ポンプ等）に加えて、インペラの詳細、インペラ交換作業、交換時期に係るデータにより、メンテナンスの実施データが、メンテナンス内容に係るデータとして利用されてもよい。この場合に、メンテナンスの実施データは、上述した過去の故障データに紐づいていることが好ましい。
【0069】
メンテナンスの基本データは、例えば、血液浄化装置１におけるメンテナンス対象となる構成装置又は構成部品の名称、メンテナンス対象の部品名、及び交換時間に係るデータが含まれてもよい。ここで、交換時間とは、図６の「運転/交換」と同義であり、新品又はメンテナンスされた状態から次の交換までの通常の耐久時間のことである。具体的に、ポンプＰ６１の場合には、ポンプＰ６１の名称（複式ポンプ、除水ポンプ、脱気ポンプ、加圧ポンプ、血液ポンプ、液面調整ポンプ等）、メンテナンス対象の部品名（インペラ、バルブ、ポペットバルブ等）、各部品の交換時間が、メンテナンスの基本データとして利用されてもよい。なお、図６の「運転/交換」と同様に、交換時間に代えて使用回数、使用日時、又は使用量が使用されてもよく、更にはこれらを組み合わせたデータが使用されてもよい。
【0070】
以上のように、本実施形態においては、学習済み推定モデルを生成するために、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データが関連付けられて利用される。ただし、これらのデータをすべて関連付けすることが好ましいものの、一部のデータを除外したり、更に追加のデータを加える等を行ってもよく、データ間の関連付けについては後述する機械学習に応じて適宜変更してもよい。
【0071】
次に、情報処理装置６のプロセッサ６ａは、取得した学習データにアノテーション処理を行う（Ｓ２０２）。具体的なアノテーション処理としては、取得された学習データに注釈等を付し、教師データを生成する。例えば、情報処理装置６のプロセッサ６ａは、構成装置及び構成部品ごとに、過去のメンテナンス日時にタグ付けを行い、構成装置及び構成部品ごとに、所定の動作状態に対応したメンテナンス時期が紐づけられた正解データを生成する。
【0072】
次に、情報処理装置６のプロセッサ６ａは、取得した学習データ及びアノテーション処理された教師データを用いて機械学習を行う（Ｓ２０３）。当該機械学習は、一例として、ニューロンを組み合わせて構成されたニューラルネットワークに学習データ及び教師データを与え、ニューラルネットワークの出力が教師データのうちの正解データと同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。なお、上記機械学習は一例にすぎず、スコアリングを用いた機械学習を行ってもよい。
【0073】
次に、情報処理装置６のプロセッサ６ａは、機械学習によって生成した学習済み推定モデル５６の評価を行う（Ｓ２０４）。ここで、情報処理装置６のプロセッサ６ａは、機械学習に使用した学習データとは異なる評価データを使用し、当該モデル評価を実行する。例えば、図１０に示すように、情報処理装置６のプロセッサ６ａは、血液浄化装置１並びに血液浄化装置１の構成装置及び構成部品に関する、使用時間、動作回数、温度、圧力、流量、治療回数、洗浄回数、及び過去のメンテナンスに係るデータを入力する。その後、情報処理装置６のプロセッサ６ａは、学習済み推定モデル５６から出力される推定データが、正しい結果であるかを評価する。ここで、推定データとしては、例えば、メンテナンス時期、対象装置、及び対象部品に係るデータが出力される。具体的な評価方法として、情報処理装置６のプロセッサ６ａは、評価データに対応した実際のメンテナンス情報と、推定データが一致するか否かを判定する。ここで、実際のメンテナンス情報とは、評価データとして入力された過去のメンテナンスの次に実際されたメンテナンスに係る情報である。なお、実際のメンテナンス情報と推定データが一致しない場合には、学習データの取得からやり直し、再度の機械学習が実施されることになる。
【0074】
次に、情報処理装置６のプロセッサ６ａは、評価データに対応した実際のメンテナンス情報と、推定データが一致した場合、生成した学習済み推定モデル５６を実装する（Ｓ２０５）。具体的に、情報処理装置６のプロセッサ６ａは、生成した学習済み推定モデル５６をメモリ６ｂに記憶させる。これにより、情報処理装置６において学習済み推定モデル５６を有する推定部５２が機能することになる。
【0075】
図８に戻り、初期設定（Ｓ１１１）が完了した後、内部配管部７におけるデータ取得が実施される（Ｓ１１２）。具体的には、内部配管部７に設けられた各種の構成装置及び各種のセンサにより、血液浄化装置１の動作状態を示す状態パラメータのうちの配管部パラメータの測定が行われる。そして、内部配管部７において取得された配管部パラメータは、情報処理装置６に送信される（Ｔ１１１）。
【0076】
また、初期設定（Ｓ１１１）が完了した後、体外循環部８におけるデータ取得が実施される（Ｓ１１３）。具体的には、体外循環部８に設けられた各種の構成装置及び各種のセンサにより、血液浄化装置１の動作状態を示す状態パラメータのうちの循環部パラメータの測定が行われる。そして、体外循環部８において取得された循環部パラメータは、情報処理装置６に送信される（Ｔ１１２）。
【0077】
更に、初期設定（Ｓ１１１）が完了した後、ディスプレイ４におけるデータ入力が実施される（Ｓ１１４）。具体的に、血液浄化装置１の管理者による入力操作に対応し、血液浄化装置１の動作状態を示すデータがディスプレイ４の入力部４ａを介して入力される。そして、ディスプレイ４から入力された入力データは、情報処理装置６に送信される（Ｔ１１３）。
【0078】
次に、情報処理装置６においては、動作データの算出処理が行われる（Ｓ１１５）。具体的に、情報処理装置６の動作データ取得部５１が配管部パラメータ、循環部パラメータ、及び入力データを受信すると、動作データ取得部５１の算出部５５が受信したパラメータ及びデータに基づいて、学習済み推定モデルに入力するための血液浄化装置１の動作データを生成する。これにより、情報処理装置６の動作データ取得部５１による動作データを取得する工程（動作データ取得処理）が完了する。
【0079】
次に、情報処理装置６においては、受信した配管部パラメータ、循環部パラメータ、及び入力データ、並びにＳ１１５において算出された動作データの記憶処理が行われる（Ｓ１１６）。具体的に、情報処理装置６の動作データ取得部が記憶部５４に対して、これらのパラメータ及びデータを送信し、記憶部５４がこれらのパラメータ及びデータをメモリ６ｂに記憶する。
【0080】
次に、情報処理装置６においては、算出された動作データを使用して、血液浄化装置１の次回メンテナンスに係る推定データの取得処理が行われる（Ｓ１１７）。具体的に、情報処理装置６の動作データ取得部５１が推定部５２に取得した動作データを送信する。また、推定部５２は、記憶部５４から過去のメンテナンスデータを取得する。その後、推定部５２は、動作データ及びメンテナンスデータを学習済み推定モデル５６に入力する。学習済み推定モデル５６は、入力されたデータに基づいて推定処理を行い、推定結果である推定データを出力する。これにより、推定部５２は、血液浄化装置１の次回メンテナンスに係る推定データを取得し、推定データを出力する工程が完了する。なお、推定データの一例としては、図１０に示すような、メンテナンス時期、対象装置、及び対象部品に係るデータが含まれる。このため、当該推定データは、過去のメンテナンス実施時から動作データ取得時までにおける血液浄化装置１の状態変化が関連付けられていることになる。
【0081】
次に、情報処理装置６においては、血液浄化装置１の管理者に対して、血液浄化装置１のメンテナンス情報を報知するための表示データの生成処理が行われる（Ｓ１１８）。具体的に、情報処理装置６の推定部５２は、取得した推定データを制御部５３に送信する。制御部５３は、記憶部５４からメンテナンス対象装置及びメンテナンス対象部品に係る発注先データを取得する。その後、制御部５３は、取得した両データに基づいて、メンテナンス対象部品の発注処理を行うとともに、発注報告を含むメンテナンス情報を表示するための表示データ及び当該表示データを表示させるための制御信号を生成する。これにより、血液浄化装置１のメンテナンス情報を表示するための表示データを推定データに基づいて生成する工程が完了する。
【0082】
次に、情報処理装置６からディスプレイ４に対して、表示データ及び制御信号の送信処理が行われる（Ｔ１１４）。具体的に、情報処理装置６の制御部５３は、ディスプレイ４の出力部４ｂにおいて表示させる表示データとともに、表示指示である制御信号を出力部４ｂに送信する。その後、ディスプレイ４においては、受信した表示データに基づいたメンテナンスの報知が出力部４ｂによって行われる（Ｓ１１９）。
【0083】
ここで、図１１には、出力部４ｂによって出力される画像の一例を示す。図１１に示すように、出力部４ｂには、２つの表示部６１及び表示部６２が形成されている。表示部６１には、所定期間内にメンテンナンスが必要である旨を報知するための文章（次回メンテナンスのお知らせ）が表示されている。一方、表示部６２には、学習済み推定モデル５６の推定結果であるメンテナンス時期、メンテナンス対象装置、及びメンテナンス対象部品が表示されている。また、表示部６２には、ボタン６３が表示されている。ボタン６３は、必要となるメンテナンスのやり方についての解説を表示するためのボタンである。これにより、血液浄化装置１の管理者がボタン６３に触れると、当該メンテナンスの解説が出力部４ｂにおいて別途表示される。
【0084】
（情報処理装置における処理）
次に、図１２を参照しつつ、図８に記載されたメンテナンスの推定に係る処理において、情報処理装置６において実行される一連の処理フローを具体的に説明する。ここで、図１２は、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定に係るフロー図である。具体的に、図１２は、図８のＳ１１５からＳ１１８までの処理及び判断に係るフロー図である。なお、当該処理フローは、情報処理装置６のプロセッサ６ａがメモリ６ｂに記憶されたプログラムを読み出して実行することによって主に行われる。
次に、図１２を参照しつつ、図８に記載されたメンテナンスの推定に係る処理において、情報処理装置６において実行される一連の処理フローを具体的に説明する。ここで、図１２は、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定に係るフロー図である。具体的に、図１２は、図８のＳ１１５からＳ１１８までの処理及び判断に係るフロー図である。なお、当該処理フローは、情報処理装置６のプロセッサ６ａがメモリ６ｂに記憶されたプログラムを読み出して実行することによって主に行われる。
【0085】
先ず、情報処理装置６のプロセッサ６ａは、内部配管部７、体外循環部８、及び入力部４ａから血液浄化装置１の動作状態を示す状態パラメータに係るデータを受信したか否かの判定を行う（Ｓ３０１）。ここで、情報処理装置６のプロセッサ６ａが当該データを受信しない場合（Ｓ３０１：Ｎｏ）、本ステップが繰り返され、次のステップに進むことがない。
【0086】
一方、情報処理装置６のプロセッサ６ａが当該データを受信した場合（Ｓ３０１：Ｙｅｓ）、情報処理装置６のプロセッサ６ａは、受信したデータに基づく算出が必要か否かの判定を行う（Ｓ３０２）。具体的に、情報処理装置６のプロセッサ６ａは、動作データ取得部５１を機能させ、動作データ取得部５１が受信したデータをそのまま動作データに使用できるか否か、及び動作データを生成するために必要なデータがそろっているか否かを判定する。例えば、受信したデータが動作信号、温度信号、圧力信号、又は流量信号のような場合には、これらの電気信号から動作回数、温度の数値、圧力の値、又は流量の値を算出する必要がある。また、受信したデータが動作回数、温度の数値、圧力の値、又は流量の値である場合でも、使用時間、使用回数、高温時間、洗浄回数、及び治療回数が算出できる場合には、算出が必要と判断される。これらのことを換言すると、情報処理装置６のプロセッサ６ａは、受信データに基づいて、動作データに含めるデータが算出できるか否かを判定することになる。
【0087】
Ｓ３０２において算出が不要と判定された場合（Ｓ３０２：Ｎｏ）、次のステップであるＳ３０３をスキップしてＳ３０４に進む。これに対して、Ｓ３０３において算出が必要と判定された場合（Ｓ３０２：Ｙｅｓ）、情報処理装置６のプロセッサ６ａは、動作データ取得部５１の算出部５５を機能させ、動作データに含めるデータの算出を実行する（Ｓ３０３）。具体的には、上述したように、各種の電気信号から動作回数、温度の数値、圧力の値、流量の値が算出され、更には使用時間、使用回数、高温時間、洗浄回数、及び治療回数が算出される。
【0088】
次に、情報処理装置６のプロセッサ６ａは、受信したデータ又は算出結果を利用して、動作データを生成する（Ｓ３０４）。具体的に、情報処理装置６のプロセッサ６ａは、動作データ取得部５１を機能させ、動作回数、温度の数値、圧力の値、流量の値、使用時間、使用回数、高温時間、洗浄回数、及び治療回数を１つにまとめ、学習済み推定モデル５６に入力するための動作データを生成する。
【0089】
次に、情報処理装置６のプロセッサ６ａは、生成した動作データ及び受信した各種の信号をメモリ６ｂに記憶する処理を行う（Ｓ３０５）。具体的に、情報処理装置６のプロセッサ６ａは、動作データ取得部５１、及び記憶部５４を機能させ、動作データ取得部５１から記憶部５４に動作データ及び当該信号を送信し、記憶部５４によってメモリ６ｂに動作データ及び当該信号が記憶される。
【0090】
次に、情報処理装置６のプロセッサ６ａは、血液浄化装置１の次回メンテナンスを推定する処理を行う（Ｓ３０６）。具体的に、具体的に、情報処理装置６のプロセッサ６ａは、動作データ取得部５１、推定部５２、記憶部５４及び学習済み推定モデル５６を機能させ、動作データ取得部５１が推定部５２に動作データの送信を行うとともに、記憶部５４が推定部５２にメンテナンスデータの送信を行い、更には推定部５２が受信した動作データ及びメンテナンスデータを学習済み推定モデル５６に入力する。続いて、学習済み推定モデル５６は、入力データを使用して、血液浄化装置１の次回メンテナンスに係る推定処理を行う。その後、学習済み推定モデル５６は、次回メンテナンスに係る推定処理の結果である推定データを出力し、推定部５２は当該推定データを取得する。
【0091】
次に、情報処理装置６のプロセッサ６ａは、所定期間内に血液浄化装置１のメンテナンスが必要であるか否かを、取得された推定データに基づいて判定する（Ｓ３０７）。ここで、所定期間内とは、例えば、数週間以内又は数カ月以内等の期間であり、メンテナンス対象部品の発注等を考慮して決定されてもよい。具体的に、情報処理装置６のプロセッサ６ａは、推定部５２、及び制御部５３を機能させ、推定部５２が制御部５３に推定データの送信を行う。その後、制御部５３は、推定データに含まれるメンテナンス時期が、設定されている所定期間内であるか否かを判定する。
【0092】
Ｓ３０７において所定期間内のメンテナンスが不要と判定された場合（Ｓ３０７：Ｎｏ）、本フローを終了する。これに対して、Ｓ３０７において所定期間内のメンテナンスが必要と判定された場合（Ｓ３０７：Ｙｅｓ）、情報処理装置６のプロセッサ６ａは、部品の発注が必要であるか否かを判定する（Ｓ３０８）。具体的に、情報処理装置６のプロセッサ６ａは制御部５３を機能させ、制御部５３が推定データに含まれるメンテナンスの内容に応じて、メンテナンスの対象部品が発注部品であるか否かを判定する。例えば、メンテナンス内容が部品交換であれば、制御部５３は部品の発注が必要であると判定し、メンテナンス内容が構成装置又は構成部品の動作確認であれば、制御部５３は部品の発注が不要であると判定する。
【0093】
Ｓ３０８において部品の発注が必要ないと判定されると（Ｓ３０８：Ｎｏ）、次のステップであるＳ３０９をスキップしてＳ３１０に進む。一方で、Ｓ３０８において部品の発注が必要であると判定されると（Ｓ３０８：Ｙｅｓ）、情報処理装置６のプロセッサ６ａは、メンテナンスの対象部品の発注処理を行う（Ｓ３０９）。具体的に、情報処理装置６のプロセッサ６ａは、制御部５３及び記憶部５４を機能させ、記憶部５４が制御部５３に発注先データの送信を行う。続いて、制御部５３は、推定データに含まれるメンテナンスの対象部品に対する発注先を、受信した発注先データから選択する。その後、制御部５３は、選択した発注先に対して、メンテナンスの対象部品の発注を行う。例えば、制御部５３は、メモリ６ｂに記憶された発注ひな形を読み出して発注依頼データを作成し、作成した発注依頼データを通信部を介して発注先に送信してもよい。
【0094】
次に、情報処理装置６のプロセッサ６ａは、メンテナンスを報知するための表示データを生成する（Ｓ３１０）。具体的に、情報処理装置６のプロセッサ６ａは制御部５３を機能させ、制御部５３が推定データに基づいて、血液浄化装置１のメンテナンスの時期、メンテナンス対象装置、及びメンテナンス対象部品の情報を含む表示データ及び当該表示データを表示させための制御信号を生成する。また、制御部５３は、当該表示データに、部品発注に係る情報も付加してもよい。すなわち、制御部５３は、部品発注済みの場合には、その旨を表示するための情報を表示データに追加してもよい。
【0095】
（第１実施形態の変形例）
上記実施形態において、図１０に示すように、学習済み推定モデル５６は、血液浄化装置１のメンテナンス時期を推定データとして出力していたが、推定データの出力内容をより詳細なものにしてもよい。例えば、図１３に示すように、学習済み推定モデル５６は、血液浄化装置１の構成装置ごとに、メンテナンス対象部品及びメンテナンス時期を推定し、その推定結果を出力してもよい。ここで、図１３は、図１０と同様にして示す、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定の変形例に係る概略図である。このようなメンテナンス時期の推定を行うことにより、血液浄化装置１のメンテナンスを細分化して管理することが可能になる。
上記実施形態において、図１０に示すように、学習済み推定モデル５６は、血液浄化装置１のメンテナンス時期を推定データとして出力していたが、推定データの出力内容をより詳細なものにしてもよい。例えば、図１３に示すように、学習済み推定モデル５６は、血液浄化装置１の構成装置ごとに、メンテナンス対象部品及びメンテナンス時期を推定し、その推定結果を出力してもよい。ここで、図１３は、図１０と同様にして示す、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定の変形例に係る概略図である。このようなメンテナンス時期の推定を行うことにより、血液浄化装置１のメンテナンスを細分化して管理することが可能になる。
【0096】
このような場合、制御部５３は、血液浄化装置１の構成装置ごとにメンテナンス対象部品及びメンテナンス時期をメンテナンス情報として表示するための表示データ及び制御信号を生成する。このため、ディスプレイ４の出力部４ｂには、図１４のような表示がなされてもよい。ここで、図１４は、第１実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知変形例である。図１４に示すように、出力部４ｂにおいては、２つの表示部６１及び表示部６２に加えて、表示部６４が追加されている。追加された表示部６４においては、表示部６２と同様に、メンテナンス説明を表示するためのボタン６５が設けられている。また、表示部６２及び表示部６４においては、メンテナンス対象装置ごとに、メンテナンス時期及びメンテナンス対象部品が表示されている。特に、メンテナンス対象部品が複数ある場合にも、１つの表示部６２において表示がなされている。
【0097】
また、表示部６２及び表示部６４には隣接して、スクロールバー６６が表示されている。メンテナンス対象部品が複数存在し、１画面内で表示できない場合には、当該スクロールバー６６を下方に移動させることにより、他のメンテナンス対象部品に係る表示部が現れることになる。これにより、血液浄化装置１の管理者は、メンテナンス対象部品の詳細情報を１つずつ確認することが可能になる。
【0098】
上記実施形態においては、学習済み推定モデル５６の生成のために、教師データを用いた教師あり学習が行われていたが、これに限定されない。例えば、一般的な教師なし学習、又は強化学習を利用して、学習済み推定モデル５６を生成してもよい。すなわち、血液浄化装置１のメンテナンス時期が推定できれば、機械学習の方式は限定されない。当然のことながら、機械学習の方式が異なれば、学習データが異なるため、学習済み推定モデル５６を生成するための学習データについても、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データに限定されることはなく、血液浄化装置１に係る種々のデータを利用することが可能である。
【0099】
上記実施形態においては、血液浄化装置１のメンテナンス時期として特定の日時が推定されていたが、当該時期に幅を持たせて期間として、メンテナンス時期が推定されてもよい。すなわち、学習済み推定モデル５６は、血液浄化装置１、構成装置及び構成部品のメンテナンス期間を推定してもよい。
【0100】
上記実施形態においては、メンテナンスに必要となる部品の発注が、制御部５３によって自動的に実行されていたが、ディスプレイ４の出力部４ｂに発注すべき部品のリストが制御部５３の処理によって表示され、血液浄化装置１の管理者によるディスプレイ４のボタン操作によって部品の発注が実行できるようにしてもよい。また、管理者による部品発注と、上記実施形態による自動的な部品発注とを事前設定可能とし、血液浄化装置１の管理者がいずれかの発注処理を選択できるようにしてもよい。
【0101】
上記実施形態においては、複式ポンプＰ１を使用して透析液を導入及び導出を行えるような配管構成が採用されていたが、例えば、複式ポンプＰ１に代えて、２つのダイアフラムポンプを使用してもよい。このような場合の一例を、図１５を参照しつつ変形例として説明する。ここで、図１５は本実施形態の変形例に係る血液浄化装置３１の構成図である。なお、血液浄化装置１と同一の装置及び部品については、同一の符号を付し、その説明を省略する。
【0102】
図１５に示すように、変形例に係る血液浄化装置３１は、血液浄化器５に対して透析液を導入出するための内部配管部３７、及び血液浄化器５に対して血液を導入出するための体外循環部３８を有している。なお、内部配管部３７及び内部配管部７は機能的に同一であり、その構成部材等が異なっている。同様に、体外循環部３８及び体外循環部８は機能的に同一であり、その構成部材等が異なっている。
【0103】
内部配管部３７は、血液浄化器５の給液側に主配管Ｌ３１、排液側に主配管Ｌ３２が接続された構造を有する。主配管Ｌ３１においては、減圧弁Ｖ１、電磁弁Ｖ２、透析液調整部９１、ダイアフラムポンプＰ３１、電磁弁Ｖ３１、及びコネクタＣ１が、内部配管部３７の給液端子側から血液浄化器５の一端に向かって順番に配設されている。また、主配管Ｌ３２においては、電磁弁Ｖ３２、ダイアフラムポンプＰ３２、及び流量検出器１２が、血液浄化器５の一端から内部配管部３７の排液端子側に向かって順番に配置されている。内部配管部３７においては、２つのダイアフラムポンプＰ３１，Ｐ３２の流量を調整することにより、除水を行うことが可能になっている。このため、内部配管部３７には除水ポンプＰ３が配設されていない。
【0104】
体外循環部３８は、血液浄化器５に対する血液導入側に動脈側血液回路Ｌ３３が接続され、血液浄化器５に対する血液導出側に静脈側血液回路Ｌ３３が接続された構造を有する。動脈側血液回路Ｌ３３には、コネクタＣ２１、動脈側クランプＣＬ３１、及び血液ポンプＰ２１が、患者Ｈ側から血液浄化器５に向かって順番に配設されている。また、静脈側血液回路Ｌ３４には、静脈側エアトラップチャンバ２５、流量検出器２６、気泡検出器２８、静脈側クランプＣＬ３２、及びコネクタＣ２２が、血液浄化器５から患者Ｈに向かって順番に配設されている。更に、動脈側クランプＣＬ３１と血液ポンプＰ２１との間には、プライミング液を供給するための供給配管Ｌ３５が接続されている。そして、供給配管Ｌ３５には供給側クランプＣＬ３３が配設されており、供給配管Ｌ３５は貯留バッグ９２に接続されている。貯留バック９２には、プライミング液としての生理食塩水が貯留されている。
【0105】
図１５に示すように、内部配管部３７と体外循環部３８とは、連通配管Ｌ４１によって接続されている。具体的に、連通配管Ｌ４１の一端（内部配管部３７側）は、内部配管部３７の電磁弁Ｖ３２とダイアフラムポンプＰ３２との間に接続され、他端（体外循環部３８側）は、静脈側エアトラップチャンバ２５に接続されている。また、連通配管Ｌ４１には電磁弁Ｖ３３が、内部配管部３７の構成部品として配設されている。
【0106】
このような変形例においては、ダイアフラムポンプＰ３１，Ｐ３２、電磁弁Ｖ３１～Ｖ３２がメンテナンス対象部品に該当し、上記実施形態と同様にメンテナンス時期等の推定が行われることになる。
【0107】
また、上述実施形態における血液浄化装置１においては、複式ポンプＰ１を使用して透析液の導入出を行う複式ポンプ方式が採用されていたが、これに限定されない。例えば、１枚のダイアフラムによって２室に仕切ったチャンバを２つ設置し、透析液量と排液量を等量に制御し、除水ポンプによって除水を制御するようなダブルチャンバ方式が採用されてもよい。
【0108】
当該ダブルチャンバ方式を採用した一例として、内部配管部においては、血液浄化器に対して透析液を導入するための供給側の配管に、減圧弁、第１電磁弁、供給側ダイアフラムポンプ、流量調整弁、流量計、濃度センサ、温度センサ、及び第２電磁弁が、供給液側から順番に配設されている。また、血液浄化器に対して透析液を導出するための排出側の配管に、第３電磁弁、透析液圧センサ、濾液ポンプ、排出側ダイアフラムポンプが、血液浄化器側から順番に配設されている。更に、当該排出側の配管から分岐された他の配管には、除水ポンプ及び陰圧循環ポンプが配設されている。
【0109】
当該ダブルチャンバ方式を採用した他の例として、内部配管部においては、血液浄化器に対して透析液を導入するための供給側の配管に、２種類の薬液を血液浄化器に向けて導入するためのポンプが設けられている。また、当該供給側の配管において、ダイアフラムポンプの導入口のそれぞれの近傍に、バランシングチャンババルブが設けられている。一方、血液浄化器に対して透析液を導出するための排出側の配管に、バランシングチャンババルブ、透析液フィルタ、保持バルブ、除水ポンプ、及び排出弁が配設されている。また、当該排出側の配管から分岐して設けられた循環用の配管には、熱交換器、バランシングチャンババルブ、フローポンプ、空気分離ポンプ、負荷圧弁、再循環バルブが配設されている。
【0110】
当該ダブルチャンバ方式を採用するような変形例においては、各配管に配設された各部品がメンテナンス対象部品に該当し、上記実施形態と同様にメンテナンス時期等の推定が行われることになる。
【0111】
更に、例えば、閉塞したビスカスチャンバチャンバ内を２枚のダイアフラムによって３室に仕切り、中央のビスカス室の容量を変化させ、透析液室と排液室に容量の差を発生させて除水を制御するようなビスカスチャンバ方式が採用されてもよい。すなわち、ビスカスチャンバ方式においては、除水ポンプが使用されない。
【0112】
当該ビスカスチャンバ方式を採用する場合、内部配管部においては、３室に仕切られたビスカスチャンバのビスカス室がビスカスポンプを介して接続されており、ビスカスオイル（シリコンオイル）の導入出が可能になっている。また、一方のビスカスチャンバから血液浄化器に向けて設けられた配管には、三方電磁弁、二方電磁弁、温度センサ、圧力センサが配設されている。更に、血液浄化器から他方のビスカスチャンバに向け設けられた配管には、液圧ポンプ、及びリリーフバルブが配設されている。
【0113】
当該ビスカスチャンバ方式を採用するような変形例においては、各配管に配設された各部品がメンテナンス対象部品に該当し、上記実施形態と同様にメンテナンス時期等の推定が行われることになる。
【0114】
（第１実施形態の作用効果）
本実施形態においては、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データを関連付けて機械学習することによって生成された学習済み推定モデル５６に対して、血液浄化装置１の現在の動作データが入力されると、学習済み推定モデル５６が血液浄化装置１のメンテナンス時期を推定する。すなわち、学習済み推定モデル５６は、血液浄化装置１を構成する構成装置及び構成部品のうち、メンテナンス対象となるメンテナンス対象装置及び対象部品のメンテナンス時期を推定する。このため、血液浄化装置１の管理者がメンテナンス時期を推定する必要がなく、当該管理者はメンテナンス時期を含むメンテナンス情報の取得が容易かつ高精度に可能になる。また、学習済み推定モデル５６は、上述した各種のデータを関連付けて機械学習することによって生成されているため、推定結果に係るメンテナンスの頻度及び時期の適正化が図られることになる。
本実施形態においては、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データを関連付けて機械学習することによって生成された学習済み推定モデル５６に対して、血液浄化装置１の現在の動作データが入力されると、学習済み推定モデル５６が血液浄化装置１のメンテナンス時期を推定する。すなわち、学習済み推定モデル５６は、血液浄化装置１を構成する構成装置及び構成部品のうち、メンテナンス対象となるメンテナンス対象装置及び対象部品のメンテナンス時期を推定する。このため、血液浄化装置１の管理者がメンテナンス時期を推定する必要がなく、当該管理者はメンテナンス時期を含むメンテナンス情報の取得が容易かつ高精度に可能になる。また、学習済み推定モデル５６は、上述した各種のデータを関連付けて機械学習することによって生成されているため、推定結果に係るメンテナンスの頻度及び時期の適正化が図られることになる。
【0115】
＜第２実施形態＞
第１実施形態においては、血液浄化装置又はメンテナンス対象装置（構成装置）ごとに１つのメンテナンス時期が推定されていたが、メンテナンス対象装置又はメンテナンス対象部品ごとにメンテナンス時期に幅を持たせ、更にはメンテナンス対象装置又はメンテナンス対象部品におけるメンテナンス時期の統一化が図られるようにしてもよい。すなわち、血液浄化装置、メンテナンス対象装置、又はメンテナンス対象部品のメンテナンス期間を推定する際に、互いに異なるメンテナンス対象のメンテナンス期間を考慮し、重複する期間をメンテナンス期間とするような推定が行われてもよい。このような場合を第２実施形態として、図１６及び図１７を参照しつつ説明する。ここで、図１６は、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定に係る概略図である。図１７は、本実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知例である。なお、第１実施形態と異なる部分を基本的に説明し、同一内容についてはその説明を省略し、図面における符号も同一符号を付すこととする。
第１実施形態においては、血液浄化装置又はメンテナンス対象装置（構成装置）ごとに１つのメンテナンス時期が推定されていたが、メンテナンス対象装置又はメンテナンス対象部品ごとにメンテナンス時期に幅を持たせ、更にはメンテナンス対象装置又はメンテナンス対象部品におけるメンテナンス時期の統一化が図られるようにしてもよい。すなわち、血液浄化装置、メンテナンス対象装置、又はメンテナンス対象部品のメンテナンス期間を推定する際に、互いに異なるメンテナンス対象のメンテナンス期間を考慮し、重複する期間をメンテナンス期間とするような推定が行われてもよい。このような場合を第２実施形態として、図１６及び図１７を参照しつつ説明する。ここで、図１６は、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定に係る概略図である。図１７は、本実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知例である。なお、第１実施形態と異なる部分を基本的に説明し、同一内容についてはその説明を省略し、図面における符号も同一符号を付すこととする。
【0116】
図１６に示すように、本実施形態においては、学習データとしてメンテナンスの統一化データが追加されている。ここで、メンテナンスの統一化データとは、メンテナンス対象装置又はメンテナンス対象部品ごとに、メンテナンス時期に許容範囲を設定したものである。当該メンテナンスの統一化データは、メンテナンスの基本データと関連付けられており、メンテナンスの基本データの交換時間に余裕を持たせるものである。例えば、図６に示す構成装置及び構成部品のそれぞれについて、月単位、週単位、日付単位、又は時間単位のメンテナンスの許容範囲が設定されてもよい。なお、図１６においては、メンテナンスの統一化データとして、ポンプの構成部品であるポペットバルブ、キャップシール、及び接手の許容範囲が日付で設定されている場合が想定されている。
【0117】
上述したメンテナンスの統一化データを学習データとして追加し、第１実施形態の図９に示すフローと同様にして機械学習を行うことにより、学習済み推定モデル１５６が生成される。本実施形態に係る学習済み推定モデル１５６は、図１６に示すように、第１実施形態と同様の入力データが入力された場合であっても、構成装置ごとにメンテナンス対象部品のメンテナンス期間を推定し、当該メンテナンス期間を推定データに含めて出力する。
【0118】
また、学習済み推定モデル１５６は、メンテナンス対象部品が複数ある場合、メンテナンスを同一タイミングにそろえるようにメンテナンス期間を推定する。例えば、複式ポンプのポペットバルブのメンテナンス期間が２０２３年１２月１０日から２０２３年１２月３１日と推定され、除水ポンプの接手のメンテナンス期間が２０２３年１１月２０日から２０２３年１２月１５日と推定される場合、学習済み推定モデル１５６は、当該ポペットバルブ及び接手のメンテナンス期間を、２０２３年１２月１０日から２０２３年１２月１５日として推定する。すなわち、学習済み推定モデル１５６は、各メンテナンス対象部品の共通するメンテナンス期間を、最終的な推定結果として出力する。換言すると、学習済み推定モデル１５６は、所定期間に行われるメンテナンスを同一タイミングにて実施するように推定していることになる。これにより、メンテナンスの回数を削減することが可能となり、血液浄化装置１の使用期間をより長くすることができる。
【0119】
更に、学習済み推定モデル１５６は、推定されるメンテナンス期間において、メンテナンス時期をできる限り遅くするための好適使用条件を推定する。例えば、複式ポンプのポペットバルブのメンテナンス期間が２０２３年１２月１０日から２０２３年１２月３１日と推定され、除水ポンプの接手のメンテナンス期間が２０２３年１１月２０日から２０２３年１２月１５日と推定される場合、共通する２０２３年１２月１０日から２０２３年１２月１５日の期間をメンテナンス期間として出力するためには、除水ポンプの接手のメンテナンス期間をできる限り遅らせる必要がある。このため、学習済み推定モデル１５６は、メンテナンス期間を遅らせるための条件を、好適使用条件として推定データに含めて出力する。当該好適使用条件としては、各メンテナンス対象装置又はメンテナンス対象部品の動作条件を限定する内容となる。より具体的には、使用されるポンプの流量、温度等の条件が当該動作条件に含まれる。これにより、メンテナンスの回数を削減することが可能となり、血液浄化装置１の使用期間をより長くすることができる。
【0120】
なお、学習済み推定モデル１５６による上記の出力を可能とするために、上述した学習データに基づいてアノテーション処理が適宜施され、所望の出力を行えるための教師データを生成することが好ましい。
【0121】
上記のようなメンテナンス期間が限定され、更には好適使用条件を含む推定データを利用して、出力部４ｂからメンテナンス情報の報知が行われる。例えば、図１７に示すように、表示部６２及び表示部６４においては、メンテナンス時期の項目に所定の期間が表示される。更に、出力部４ｂには、表示部７１も併せて表示される。表示部７１には、推定データに含まる好適使用条件が表示されるとともに、その詳細な説明を確認するためのボタン７２が表示される。これにより、血液浄化装置１の管理者がボタン７２に触れると、血液浄化装置１、メンテナンス対象装置又はメンテナンス対象部品の好適な使用条件が別途表示される。
【0122】
なお、本実施形態においては、学習済み推定モデル１５６がメンテナンス時期を同一タイミングにするように推定していたが、学習済み推定モデル１５６は各メンテナンス対象部品のメンテナンス期間を推定データとして出力し、制御部５３が当該推定データに基づいて、メンテナンス時期の統一化を図ってもよい。換言すると、メンテナンス時期の統一化については、ＡＩによらず処理されてもよい。
【0123】
（第２実施形態の作用効果）
本実施形態においては、メンテナンスの統一化データを学習データとして追加して機械学習を行って学習済み推定モデル１５６が生成され、学習済み推定モデル１５６はメンテナンス対象となる装置及び部品のメンテナンス時期をそろえるように推定データを出力する。また、学習済み推定モデル１５６はメンテナンス時期をそろえるための好適動作条件も推定データに含めて出力する。このため、メンテナンスの回数を削減することが可能となり、血液浄化装置１の使用期間を増加させることができる。更には、血液浄化装置１の好適な動作条件も管理者に報知されるため、当該管理者は血液浄化装置１の使用スケジュール等を容易に決定することができる。
本実施形態においては、メンテナンスの統一化データを学習データとして追加して機械学習を行って学習済み推定モデル１５６が生成され、学習済み推定モデル１５６はメンテナンス対象となる装置及び部品のメンテナンス時期をそろえるように推定データを出力する。また、学習済み推定モデル１５６はメンテナンス時期をそろえるための好適動作条件も推定データに含めて出力する。このため、メンテナンスの回数を削減することが可能となり、血液浄化装置１の使用期間を増加させることができる。更には、血液浄化装置１の好適な動作条件も管理者に報知されるため、当該管理者は血液浄化装置１の使用スケジュール等を容易に決定することができる。
【0124】
＜第３実施形態＞
第２実施形態においては、メンテナンス時期を遅くするための条件として、血液浄化装置１、メンテナンス対象装置、又はメンテナンス対象部品の好適な動作条件が推定データに含まれていたが、これに代えて、患者の選出に関する条件を含めてもよい。すなわち、血液浄化装置１によって治療される次回患者の提案が行われてもよい。このような場合を第３実施形態として、図１８及び図１９を参照しつつ説明する。ここで、図１８は、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定に係る概略図である。図１９は、本実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知例である。なお、第１実施形態及び第２実施形態と異なる部分を基本的に説明し、同一内容についてはその説明を省略し、図面における符号も同一符号を付すこととする。
第２実施形態においては、メンテナンス時期を遅くするための条件として、血液浄化装置１、メンテナンス対象装置、又はメンテナンス対象部品の好適な動作条件が推定データに含まれていたが、これに代えて、患者の選出に関する条件を含めてもよい。すなわち、血液浄化装置１によって治療される次回患者の提案が行われてもよい。このような場合を第３実施形態として、図１８及び図１９を参照しつつ説明する。ここで、図１８は、本実施形態に係る情報処理装置６において実行されるメンテナンスの推定に係る概略図である。図１９は、本実施形態に係る血液浄化装置１において表示されるメンテナンス情報の報知例である。なお、第１実施形態及び第２実施形態と異なる部分を基本的に説明し、同一内容についてはその説明を省略し、図面における符号も同一符号を付すこととする。
【0125】
図１８に示すように、本実施形態においては、学習データとして患者の血液浄化実績データが追加されている。ここで、患者の血液浄化実績データとは、患者Ｈごとに設定される血液浄化治療の条件である。当該メンテナンスの統一化データは、メンテナンスの基本データ及びメンテナンスの統一化データと関連付けられている。当該血液浄化治療の条件としては、例えば、透析液の量、透析時間、各装置の動作条件等が含まれてもよい。
【0126】
上述した患者の血液浄化実績データを学習データとして追加し、第１実施形態の図９に示すフローと同様にして機械学習を行うことにより、学習済み推定モデル２５６が生成される。本実施形態に係る学習済み推定モデル２５６は、図１８に示すように、第１実施形態と同様の入力データが入力された場合であっても、構成装置ごとにメンテナンス対象部品のメンテナンス期間を推定するとともに、血液浄化装置１を好適に使用できる条件となる次回患者も推定し、当該次回患者に関するデータを推定データに含めて出力する。
【0127】
なお、学習済み推定モデル２５６による上記の出力を可能とするために、上述した学習データに基づいてアノテーション処理が適宜施され、所望の出力を行えるための教師データを生成することが好ましい。
【0128】
上記のようなメンテナンス期間が限定され、更には好適使用条件を含む推定データを利用して、出力部４ｂからメンテナンス情報の報知が行われる。例えば、図１９に示すように、表示部６２及び表示部６４においては、メンテナンス時期の項目に所定の期間が表示される。更に、第２実施形態と同様に、出力部４ｂには、表示部７１も併せて表示される。表示部７１には、推定データに含まる好適使用条件である次回患者の条件が表示されるとともに、その詳細な説明を確認するためのボタン７２が表示される。これにより、血液浄化装置１の管理者がボタン７２に触れると、血液浄化装置１を良好に使用するための条件として、提案された患者Ｈのより詳細なデータが別途表示される。
【0129】
上記のような次回患者が選定された推定データを利用して、出力部４ｂからメンテナンス情報の報知が行われる。例えば、図１９に示すように、表示部７１には、推定データに含まれる好適使用条件として、特定の患者が記載されるとともに、その詳細な説明を確認するためのボタン７２が表示される。これにより、血液浄化装置１の管理者がボタン８２に触れると、血液浄化装置１によって治療されることが推奨される患者Ｈの詳細データが確認することが可能になる。
【0130】
（第３実施形態の作用効果）
本実施形態においては、患者の血液浄化実績データを学習データとして追加して機械学習を行って学習済み推定モデル２５６が生成される。そして、学習済み推定モデル２５６は、メンテナンス対象となる装置及び部品のメンテナンス時期をそろえるように推定データを出力し、メンテナンス時期をそろえるための好適動作条件として好ましい次回患者のデータを推定データに含めて出力する。このため、メンテナンスの回数を削減することが可能となり、血液浄化装置１の使用期間を増加させることができる。更には、血液浄化装置１の管理者は、好適な次回患者のデータを確認することができるため、血液浄化装置１に対する患者の割当等を容易に決定することができる。
本実施形態においては、患者の血液浄化実績データを学習データとして追加して機械学習を行って学習済み推定モデル２５６が生成される。そして、学習済み推定モデル２５６は、メンテナンス対象となる装置及び部品のメンテナンス時期をそろえるように推定データを出力し、メンテナンス時期をそろえるための好適動作条件として好ましい次回患者のデータを推定データに含めて出力する。このため、メンテナンスの回数を削減することが可能となり、血液浄化装置１の使用期間を増加させることができる。更には、血液浄化装置１の管理者は、好適な次回患者のデータを確認することができるため、血液浄化装置１に対する患者の割当等を容易に決定することができる。
【0131】
＜第４実施形態＞
第１乃至第３実施形態においては、次回メンテナンスに係る推定を血液浄化装置１において行っていたが、複数の血液浄化装置１を管理するサーバ装置において、推定処理を行うようにしてもよい。このような場合を第４実施形態として、図２０乃至図２３を参照しつつ説明する。ここで、図２０は、本実施形態に係る血液浄化システムの構成を示す概略図である。図２１は、本実施形態に係る血液浄化装置の機能ブロック図である。図２２は、本実施形態に係る情報処理装置の物理構成を示すブロック図である。図２３は、本実施形態に係る血液浄化装置の機能ブロック図である。なお、第１乃至第３実施形態と異なる部分を基本的に説明し、同一内容についてはその説明を省略し、図面における符号も同一符号を付すこととする。
第１乃至第３実施形態においては、次回メンテナンスに係る推定を血液浄化装置１において行っていたが、複数の血液浄化装置１を管理するサーバ装置において、推定処理を行うようにしてもよい。このような場合を第４実施形態として、図２０乃至図２３を参照しつつ説明する。ここで、図２０は、本実施形態に係る血液浄化システムの構成を示す概略図である。図２１は、本実施形態に係る血液浄化装置の機能ブロック図である。図２２は、本実施形態に係る情報処理装置の物理構成を示すブロック図である。図２３は、本実施形態に係る血液浄化装置の機能ブロック図である。なお、第１乃至第３実施形態と異なる部分を基本的に説明し、同一内容についてはその説明を省略し、図面における符号も同一符号を付すこととする。
【0132】
先ず、図２０に示すように、本実施形態に係る血液浄化システム３００は、複数の血液浄化装置１、サーバ装置４００、及び携帯端末装置５００を有している。また、２台の血液浄化装置１、サーバ装置４００、及び携帯端末装置５００は、インターネット等のネットワーク６００によって、互いに通信可能に接続されている。なお、ネットワーク６００は、無線、有線、又はこれらの組み合わせによって構成されてもよい。
【0133】
血液浄化システム３００において、血液浄化装置１のそれぞれは、装置内で取得される各種のデータをネットワーク６００を介してサーバ装置４００又は携帯端末装置５００に送信する。また、サーバ装置４００は、血液浄化装置１から受信した各種のデータを処理し、当該処理結果を血液浄化装置１又は携帯端末装置５００に送信する。更に、携帯端末装置５００は、受信した各種のデータを処理し、血液浄化装置１又はサーバ装置に送信することも可能である。
【0134】
本実施形態の血液浄化装置１の構成は、第１実施形態の構成と基本的に同一である。異なる部分としては、血液浄化装置１の動作データ取得、次回メンテナンスに係る推定データの取得、及び推定データに基づく制御に係る処理が行われないため、血液浄化装置１は当該処理に係る構成及び機能を有しないことになる。なお、図２０においては、血液浄化装置１は２台しか記載されていないが、血液浄化装置１の台数はこれに限られず、血液浄化システム３００は、血液浄化装置１を３台以上、有していてもよい。また、血液浄化装置１は、同種の装置に限定されず、種類やバージョンが互いに異なる装置であってもよい。
【0135】
サーバ装置４００は、病院内に設置され、病院内の各種のデータを管理し、病院内における各種のデータ処理を行うコンピュータである。なお、サーバ装置４００の設置場所は病院に限定されず、病院外であってもよい。また、図２０において、サーバ装置４００は単一のものとして記載されているが、後述するサーバ装置４００の各種の構成及び処理を複数の他のサーバ装置やクラウドサーバ装置に分配することも可能である。
【0136】
携帯端末装置５００は、スマートフォンに代表される無線通信可能な装置であってよいが、これに限定されない。例えば、携帯端末装置５００としては、フィーチャーフォン、携帯情報端末、ＰＤＡ、ラップトップパソコン、デスクトップパソコンなどであってもよい。なお、図２０においては、携帯端末装置５００は１台しか記載されていないが、携帯端末装置５００の台数はこれに限られず、血液浄化システム３００は、携帯端末装置５００を２台以上、有していてもよい。
【0137】
【0138】
図２１に示すように、情報処理装置６は算出部５５を有しており、情報処理装置６のプロセッサ６ａがメモリ６ｂに記憶されたプログラムを読み出して実行することにより実現される。算出部５５は、血液浄化装置１の動作状態を示す状態パラメータである各種の信号を、ポンプＰ６１、圧力センサＳ６２、温度センサＳ６３、流量センサＳ６４から受信する。また、算出部５５は、血液浄化装置１の動作状態を示す状態パラメータとして、入力部４ａから入力データも受信する。
【0139】
算出部５５は、受信した各種の電気信号から動作状態を算出する。具体的に、算出部５５は、ポンプＰ６１から受信した各種の電気信号に基づいて、ポンプＰ６１の現状の動作状態を算出する。また、算出部５５は、圧力センサＳ６２、温度センサＳ６３、及び流量センサＳ６４から受信した各種の電気信号に基づいて、各センサを備える構成装置若しくは構成部品の現状の動作状態を算出、又は各センサの近傍に位置する構成装置若しくは構成部品の現状の動作状態を算出する。更に、算出部５５は、上述した構成装置及び構成部品の動作データに基づいて、血液浄化装置１の動作状態を算出する。そして、算出部５５は、各動作状態を取りまとめて１つの動作データとする。ここで、当該動作データとは、血液浄化装置１、構成装置、及び構成部品の各動作状態に係るデータを含んでいる。
【0140】
その後、算出部５５は、生成した１つの動作データを通信部９を介して、血液浄化装置１の外部へ送信する。本実施形態において、算出部５５は、当該動作データをサーバ装置４００に送信する。
【0141】
次に、図２２及び図２３を参照しつつ、本実施形態に係るサーバ装置４００の構成を説明する。先ず、図２１に示すように、サーバ装置４００は、入力部４０４ａ、出力部４０４ｂ、情報処理装置４０６、及び通信部４０９を有している。また、情報処理装置４０６は、プロセッサ４０６ａ及びメモリ４０６ｂから構成されている。更に、通信部４０９は、通信処理回路４０９ａ及びアンテナ４０９ｂから構成されている。
【0142】
情報処理装置４０６のプロセッサ４０６ａは、ＧＰＵ又はＣＰＵから構成され、メモリ４０６ｂに記憶された各種プログラムに基づいて、各種の演算及び制御を行う制御部として機能する。なお、プロセッサ４０６ａは、単一のＧＰＵ又はＣＰＵで構成されても良いが、複数のＣＰＵ又はＧＰＵを組み合わせて構成しても良い。
【0143】
メモリ４０６ｂは、ＲＯＭ、ＲＡＭ、不揮発性メモリ、ＨＤＤ等から構成され、記憶部として機能する。ＲＯＭは、血液浄化装置１、並びに血液浄化装置１の構成装置及び構成部品のメンテナンス時期の推定を行うために必要となる学習済み推定モデルを記憶する。また、ＲＡＭは、ＲＯＭに記憶されたプログラムがプロセッサ４０６ａにより処理されている間、データの書き込み及び読み込みをするために用いられる。不揮発性メモリは、当該プログラムの実行によってデータの書き込み及び読み込みが実行される記憶装置であって、ここに書き込まれたデータは、当該プログラムの実行が終了した後でも保存される。
【0144】
特に、本実施形態においては、患者の血液を浄化する血液浄化装置１のメンテナンス時期を推定するプログラムが記憶されている。当該プログラムは、血液浄化装置１の動作状態を示す状態パラメータから生成される動作データを取得する処理をコンピュータであるサーバ装置４００に実行させるものである。また、当該プログラムは、血液浄化装置１のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに動作データを入力して、血液浄化装置１の次回メンテナンスに係る推定データを取得する処理をコンピュータに実行させるものである。更に、当該プログラムは、血液浄化装置１のメンテナンス情報を表示するための表示データを当該推定データに基づいて生成する処理をコンピュータに実行させるものである。なお、当該プログラムによって実行される処理については、後述するものとする。
【0145】
また、メモリ４０６ｂには、第１実施形態に係る情報処理装置６のメモリ６ｂと同様に、血液浄化装置１、その構成装置、及びその構成部品の動作状態が記憶されている。具体的には、図５に示す動作状態が記憶されている。ただし、サーバ装置４００は、複数の血液浄化装置１の管理を行うため、メモリ４０６ｂには血液浄化装置１のそれぞれが識別できるように、各動作状態が記憶されている。
【0146】
更に、メモリ４０６ｂには、第１実施形態に係る情報処理装置６のメモリ６ｂと同様に、血液浄化装置１、その構成装置、及びその構成部品のメンテナンス情報が記憶されている。具体的には、図６に示すメンテナンス情報が記憶されている。ただし、サーバ装置４００は、複数の血液浄化装置１の管理を行うため、メモリ４０６ｂには血液浄化装置１のそれぞれが識別できるように、各メンテナンス情報が記憶されている。
【0147】
通信部４０９は、通信処理回路４０９ａ及びアンテナ４０９ｂを介して、サーバ装置４００とは離間して設置された血液浄化装置１、又は携帯端末装置５００との間で情報の送受信を行う。
【0148】
通信処理回路４０９ａは、ＬＴＥ方式に代表されるような広帯域の無線通信方式に基づいて処理を実行してもよい。また、通信処理回路４０９ａは、ＩＥＥＥ８０２．１１に代表されるような無線ＬＡＮ若しくはＢｌｕｅｔｏｏｔｈ（登録商標）のような狭帯域の無線通信に関する方式に基づいて処理を実行してもよい。さらに、通信処理回路４０９ａは、非接触無線通信に関する方式に基づいて処理を実行してもよい。そして、通信処理回路４０９ａは、このような無線通信に代えて、又は加えて、有線通信が利用されてもよい。
【0149】
次に、図２３に示すように、情報処理装置４０６は、動作データ取得部４５１、推定部４５２、制御部４５３、及び記憶部４５４を有する。また、推定部４５２は、学習済み推定モデル４５６を含む。これらの各部は、情報処理装置４０６のプロセッサ４０６ａ及びメモリ４０６ｂ自体が機能することで実現され、又はプロセッサ４０６ａがメモリ４０６ｂに記憶されたプログラムを読み出して実行することにより実現される。
【0150】
動作データ取得部４５１は、通信部４０９を介して、血液浄化装置１から送信される動作データを取得する。また、動作データ取得部４５１は、取得した動作データを記憶するために、当該動作データを記憶部４５４に送信する。また、動作データ取得部４５１は、当該動作データの元となる各種の信号についても、記憶部４５４に送信してもよい。記憶部４５４は、受信した動作データをメモリ４０６ｂに記憶する。更に、動作データ取得部４５１は、取得した動作データから血液浄化装置１のメンテナンス時期を推定するために、当該動作データを推定部４５２に送信する。
【0151】
推定部４５２は、学習済み推定モデル４５６を用いて推定データを取得するために、受信した動作データに加えて、メンテナンスデータを記憶部４５４から受信する。ここで、メンテナンスデータとは、第１実施形態に係るものと同様に、図６のデータテーブルに示す構成装置及び構成部品ごとの「前回のメンテナンス日時」である。また、推定部４５２は、受信した動作データ及びメンテナンスデータを学習済み推定モデル４５６に入力を行い、血液浄化装置１の次回メンテナンスに係る推定データを取得する。ここで、当該推定データについては、血液浄化装置１のメンテナンス時期及びメンテナンス対象部品のデータが含まれる。
【0152】
本実施形態に係る学習済み推定モデル４５６は、第１実施形態に係る学習済み推定モデル５６と同一であり、同様の学習データ及び機械学習によって生成される。このため、その詳細な説明は省略する。
【0153】
その後、推定部４５２は、学習済み推定モデル４５６の出力結果である推定データを取得すると、当該推定データを制御部４５３に送信する。制御部４５３は、血液浄化装置１のメンテナンス情報を血液浄化装置１の管理者に報知するために、受信する推定データに加えて、記憶部４５４から発注先データを受信する。ここで、発注先データとは、第１実施形態に係るものと同様に、図６のデータテーブルに示す構成装置及び構成部品ごとの「発注先」である。制御部４５３は、推定データ及び発注先データに基づいて、メンテナンス情報として表示するため表示データを生成し、当該表示データを通信部４０９に送信する。また、制御部４５３は、当該推定データに含まれるメンテナンス対象部品の発注先を当該発注先データから選択し、メンテナンス対象部品の発注を自動的に行ってもよい。この場合、表示データには、メンテナンス対象部品が発注済みである旨の情報が追加されてもよい。
【0154】
通信部４０９は、動作データを送信してきた血液浄化装置１に対して、受信した表示データを送信する。また、通信部４０９は、受信した表示データを携帯端末装置５００にも送信する。これにより、血液浄化装置１の管理者は、血液浄化装置１のディスプレイ４、又は自身が操作する携帯端末装置５００に表示される、血液浄化装置１の次回メンテナンスに係る情報を確認することが可能になる。
【0155】
なお、上記説明において、学習済み推定モデル４５６が第１実施形態に係る学習済み推定モデル５６と同一であることとしていたが、当然のことながら、学習済み推定モデル４５６が第２実施形態に係る学習済み推定モデル１５６、又は第３実施形態に係る学習済み推定モデル２５６と同一であってもよい。特に、学習済み推定モデル４５６が第３実施形態に係る学習済み推定モデル２５６と同一である場合、学習済み推定モデル４５６は、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、メンテナンスの基本データ、及び複数の前記患者の血液浄化実績データを関連付けて機械学習することによって生成されている。そして、学習済み推定モデル４５６は、複数の血液浄化装置のそれぞれに対して、次回患者の選出データを推定データに含めて推定することが可能になる。これにより、複数の血液浄化装置１が設置されている病院全体として、血液浄化装置１に対する患者の割当等が容易に決定することができ、血液浄化治療に係る病院運営を円滑に行うことが可能になる。すなわち、病院全体の血液浄化装置１の状況を把握し、病院全体としのメンテナンススケジュールを立てることが可能になる。例えば、治療方法、透析液流量、又は血液ポンプ速度のデータから、ポンプ速度が速いとする厳しい条件で使用されている血液浄化装置１と、比較的ゆっくりとした治療に使用される血液浄化装置１とに分類できる場合、病院内の複数の血液浄化装置１がバランスよく使用できるように、患者の治療条件から血液浄化装置１を自動的に各患者に対して割り振ることができる。例えば、厳しい条件で使用してきた血液浄化装置１を、ゆっくりとした治療に使用するように、当該ゆっくりとした治療を行う患者に割り当てつつ、ゆっくりとした治療に使用してきた血液浄化装置１を、厳しい条件で使用する治療に使用できるように、当該条件に係る治療を行う患者に割り当てることができる。
【0156】
また、上述した実施形態においては、サーバ装置４００において次回メンテナンスに係る推定が行われていたが、これに限定されない。例えば、携帯端末装置５００の情報処理装置に学習済み推定モデルを実装し、推定処理を実行するようにしてもよい。
【0157】
（第４実施形態の作用効果）
本実施形態においては、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データを関連付けて機械学習することによって生成された学習済み推定モデル４５６に対して、血液浄化装置１の現在の動作データが入力されると、学習済み推定モデル４５６が血液浄化装置１のメンテナンス時期を推定する。すなわち、学習済み推定モデル４５６は、血液浄化装置１を構成する構成装置及び構成部品のうち、メンテナンス対象となるメンテナンス対象装置及び対象部品のメンテナンス時期を推定する。このため、血液浄化装置１の管理者がメンテナンス時期を推定する必要がなく、当該管理者はメンテナンス時期を含むメンテナンス情報の取得が容易かつ高精度に可能になる。また、学習済み推定モデル４５６は、上述した各種のデータを関連付けて機械学習することによって生成されているため、推定結果に係るメンテナンスの頻度及び時期の適正化が図られることになる。
本実施形態においては、血液浄化装置１の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データを関連付けて機械学習することによって生成された学習済み推定モデル４５６に対して、血液浄化装置１の現在の動作データが入力されると、学習済み推定モデル４５６が血液浄化装置１のメンテナンス時期を推定する。すなわち、学習済み推定モデル４５６は、血液浄化装置１を構成する構成装置及び構成部品のうち、メンテナンス対象となるメンテナンス対象装置及び対象部品のメンテナンス時期を推定する。このため、血液浄化装置１の管理者がメンテナンス時期を推定する必要がなく、当該管理者はメンテナンス時期を含むメンテナンス情報の取得が容易かつ高精度に可能になる。また、学習済み推定モデル４５６は、上述した各種のデータを関連付けて機械学習することによって生成されているため、推定結果に係るメンテナンスの頻度及び時期の適正化が図られることになる。
【0158】
また、本実施形態においては、血液浄化装置１とは異なる装置において、推定処理が行われ、当該推定処理の結果が一元管理されることになる。このため、複数の血液浄化装置１のメンテナンス時期及びこれに係る情報を一元管理することができ、病院に設置される複数の血液浄化装置１の保守及び点検をより行いやすくすることが可能になる。
【0159】
＜本開示の実施態様＞
本開示の第１の実施の態様は、患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理装置であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有する情報処理装置である。
本開示の第１の実施の態様は、患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理装置であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する動作データ取得部と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する推定部と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する制御部と、を有する情報処理装置である。
【0160】
このように、血液浄化装置の動作データを学習済み推定モデルに入力するだけで、血液浄化装置のメンテナンス対象部品のメンテナンス時期が出力されるため、メンテナンスに係る情報を容易に推定し、当該メンテナンスの頻度及び時期の適正化を図ることができる。
【0161】
本開示の第２の実施の態様は、第１の実施の態様において、前記推定データは、前記血液浄化装置のメンテナンス対象部品のデータを含むことである。これにより、具体的なメンテナンスの対象となる部位を把握することがようになる。
【0162】
本開示の第３の実施の態様は、第１又は第２の実施の態様において、前記学習済み推定モデルは、前記血液浄化装置の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、及びメンテナンスの基本データを関連付けて機械学習することによって生成されていることである。これにより、学習済み推定モデルによる推定精度を高めることができ、信頼度のより高い推定データを取得可能になる。
【0163】
本開示の第４の実施の態様は、第１乃至第３のいずれかの実施の態様において、前記状態パラメータは、前記血液浄化装置を構成する構成装置又は前記血液浄化装置の流路に設けられたセンサにおいて検出した動作信号、温度信号、圧力信号、又は流量信号の少なくともいずれか１つを含むことである。これにより、血液浄化装置の現状の動作状態に対応させた推定データを得ることが可能になる。
【0164】
本開示の第５の実施の態様は、第４の実施の態様において、前記学習済み推定モデルは、前記構成装置ごとにメンテナンス対象部品及び前記メンテナンス対象部品に対するメンテナンス時期を推定し、前記制御部は、前記構成装置ごとに前記メンテナンス対象部品及び前記メンテナンス時期を前記メンテナンス情報として表示するための前記表示データを前記推定データに基づいて生成することである。これにより、血液浄化装置の管理者が容易にメンテナンス情報を確認することが可能になる。
【0165】
本開示の第６の実施の態様は、第３の実施の態様において、前記学習済み推定モデルは、前記血液浄化装置におけるメンテナンスの統一化データを機械学習することによって生成され、所定期間に行われるメンテナンスを同一タイミングにて実施するように推定することである。これにより、メンテナンスの回数を削減することが可能となり、血液浄化装置の使用期間を増加させることができる。
【0166】
本開示の第７の実施の態様は、第３の実施の態様において、前記学習済み推定モデルは、複数の前記患者の血液浄化実績データを機械学習することによって生成され、次回患者の選出データを前記推定データに含めて推定することである。これにより、メンテナンスの回数を削減することが可能となり、血液浄化装置の使用期間をより長くすることができる。また、血液浄化装置の管理者は、好適な次回患者のデータを確認することができるため、血液浄化装置に対する患者の割当等を容易に決定することができる。
【0167】
本開示の第８の実施の態様は、第６又は第７の実施の態様において、前記学習済み推定モデルは、前記血液浄化装置のメンテナンス時期を期間単位で推定し、推定した期間内においてメンテナンス時期を遅くするための条件を推定することである。これにより、メンテナンスの回数を削減することが可能となり、血液浄化装置の使用期間をより長くすることができる。
【0168】
本開示の第９の実施の態様は、第１乃至第８のいずれかの実施の態様において、前記動作データ取得部は、前記状態パラメータから前記動作データを生成する算出部を備えることである。これにより、推定データを取得するために必要となる動作データを容易に取得することが可能にある。
【0169】
本開示の第１０の実施の態様は、第９の実施の態様において、前記算出部は、前記血液浄化装置の構成装置又は前記血液浄化装置の流路に設けられたセンサにおいて検出した動作信号、温度信号、圧力信号、又は流量信号の少なくともいずれか１つから、前記血液浄化装置の動作回数又は洗浄回数を算出することである。これにより、血液浄化装置の現状の動作状態に対応させた推定データを得ることが可能になる。
【0170】
本開示の第１１の実施の態様は、第１乃至第１０のいずれかの実施の態様において、前記推定部は、前記血液浄化装置の過去のメンテナンスデータを前記学習済み推定モデルに入力し、前記推定データは、過去のメンテナンス実施時から動作データ取得時までにおける前記血液浄化装置の状態変化が関連付けられていることである。これにより、学習済み推定モデルによる推定精度を高めることができ、信頼度のより高い推定データを取得可能になる。
【0171】
本開示の第１２の実施の態様は、第１乃至第１１のいずれかの実施の態様において、前記制御部は、前記推定データに含まれる前記メンテナンス対象部品の発注先を発注先データから選択し、前記メンテナンス対象部品の発注を行うことである。これにより、血液浄化装置の管理者の負担が軽減される。
【0172】
本開示の第１３の実施の態様は、第１乃至第１２のいずれかの実施の態様において、前記動作データ取得部は、複数の前記血液浄化装置の動作データを取得し、前記制御部は、複数の前記血液浄化装置又はメンテナンス実施者の携帯端末装置に送信するためのメンテナンス情報を生成することである。これにより、血液浄化装置の管理者が容易にメンテナンス情報を確認することが可能になる。
【0173】
本開示の第１４の実施の態様は、第１３の実施の態様において、前記学習済み推定モデルは、前記血液浄化装置の過去の使用状況データ、過去の故障データ、過去のメンテナンスの実施データ、メンテナンスの基本データ、及び複数の前記患者の血液浄化実績データを関連付けて機械学習することによって生成され、複数の前記血液浄化装置のそれぞれに対して次回患者の選出データを前記推定データに含めて推定することである。これにより、血液浄化装置の管理者は、好適な次回患者のデータを確認することができるため、血液浄化装置に対する患者の割当等を容易に決定することができる。
【0174】
本開示の第１５の実施の態様は、患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する情報処理方法であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有する情報処理方法である。このように、血液浄化装置の動作データを学習済み推定モデルに入力するだけで、血液浄化装置のメンテナンス対象部品のメンテナンス時期が出力されるため、メンテナンスに係る情報を容易に推定し、当該メンテナンスの頻度及び時期の適正化を図ることができる。
【0175】
本開示の第１６の実施の態様は、患者の血液を浄化する血液浄化装置のメンテナンス時期を推定するプログラムであって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得し、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得し、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する、処理をコンピュータに実行させるプログラムである。このように、血液浄化装置の動作データを学習済み推定モデルに入力するだけで、血液浄化装置のメンテナンス対象部品のメンテナンス時期が出力されるため、メンテナンスに係る情報を容易に推定し、当該メンテナンスの頻度及び時期の適正化を図ることができる。
【符号の説明】
【0176】
１ 血液浄化装置
４ ディスプレイ
４ａ 入力部
４ｂ 出力部
５ 血液浄化器
６ 情報処理装置
６ａ プロセッサ
６ｂ メモリ
７ 内部配管部
８ 体外循環部
９ 通信部
５１ 動作データ取得部
５２ 推定部
５３ 制御部
５４ 記憶部
５５ 算出部
５６ 学習済み推定モデル
４ ディスプレイ
４ａ 入力部
４ｂ 出力部
５ 血液浄化器
６ 情報処理装置
６ａ プロセッサ
６ｂ メモリ
７ 内部配管部
８ 体外循環部
９ 通信部
５１ 動作データ取得部
５２ 推定部
５３ 制御部
５４ 記憶部
５５ 算出部
５６ 学習済み推定モデル
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【手続補正書】
【提出日】2024-08-07
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１５
【補正方法】変更
【補正の内容】
【請求項15】
患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する以下の各工程をプロセッサが行う情報処理方法であって、
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有し、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理方法。
前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、
前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、
前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有し、
前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理方法。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】０００９
【補正方法】変更
【補正の内容】
【0009】
本開示の一態様によれば、「患者の血液を浄化する血液浄化装置のメンテナンス時期を推定する以下の各工程をプロセッサが行う情報処理方法であって、前記血液浄化装置の動作状態を示す状態パラメータから生成される動作データを取得する工程と、前記血液浄化装置のメンテナンス時期を推定するための機械学習を行った学習済み推定モデルに前記動作データを入力して、前記血液浄化装置の次回メンテナンスに係る推定データを取得する工程と、前記血液浄化装置のメンテナンス情報を表示するための表示データを前記推定データに基づいて生成する工程と、を有し、前記学習済み推定モデルは、前記血液浄化装置の過去のメンテナンスの実施データを機械学習することによって生成されている、情報処理方法。」が提供される。