特開 2025-7117 医用データ処理装置及び方法

(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】P2025007117

(43)【公開日】2025-01-17

(54)【発明の名称】医用データ処理装置及び方法

(51)【国際特許分類】

   G16H 30/00 20180101AFI20250109BHJP

【ＦＩ】

G16H30/00

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2023108307

(22)【出願日】2023-06-30

(71)【出願人】

【識別番号】594164542

【氏名又は名称】キヤノンメディカルシステムズ株式会社

(74)【代理人】

【識別番号】110001771

【氏名又は名称】弁理士法人虎ノ門知的財産事務所

(72)【発明者】

【氏名】丸山 修紀

(72)【発明者】

【氏名】竹島 秀則

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA26

(57)【要約】

【課題】疾患を判別する医師等のユーザが解釈可能な形で、その判別を補助する情報を提示すること。
【解決手段】実施形態に係る医用データ処理装置は、受理部と、判別部と、出力部とを備える。受理部は、医用データを入力として受理する。判別部は、前記入力データに基づき医学的判別を行う。出力部は、前記判別部による判別結果とともに判別過程に関する情報を出力する。
【選択図】図１

【特許請求の範囲】

【請求項1】

医用データを入力として受理する受理部と、
前記医用データに基づき医学的判別を行う判別部と、
前記判別部による判別結果とともに判別過程に関する情報を出力する出力部と、
を備える、医用データ処理装置。

【請求項2】

前記医学的判別を行う医学的判別用モデルであって、判別過程が解釈可能な解釈可能モデルを含む医学的判別用モデルを記憶する記憶部と、
前記判別部は、前記医用データに対して前記医学的判別用モデルを適用することにより、前記医学的判別を行う、請求項１に記載の医用データ処理装置。

【請求項3】

前記医用データは、ＭＲデータであり、
前記判別部は、前記ＭＲデータに基づき医学的分類を含む医学的判別を行い、
前記出力部は、前記医学的分類を含む判別結果とともに判別過程に関する情報を出力する、請求項１に記載の医用データ処理装置。

【請求項4】

前記出力部は、前記判別結果とともに前記判別過程に関する情報を表示し、
前記受理部は、前記出力部に表示された表示内容のレイアウトを変更するレイアウト変更命令を受理し、
前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、表示される表示内容のレイアウトを変更する、
請求項１～３のいずれか一つに記載の医用データ処理装置。

【請求項5】

前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、前記判別過程に関する情報として、判別過程が解釈可能な解釈可能モデルである決定木であって根ノードから前記判別結果を示す葉ノードまでに至る推論過程が示された決定木、及び、前記判別部が前記医学的判別を行う際に用いられる数値を表す表のいずれか一方に表示内容を切り換える、請求項４に記載の医用データ処理装置。

【請求項6】

前記出力部は、前記表において複数の前記数値の間で整合性がとれない場合、前記判別結果が信頼できないことを示すメッセージを出力する、請求項５に記載の医用データ処理装置。

【請求項7】

前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、前記判別過程に関する情報として、前記判別部が前記判別結果を得る際に、前記医学的判別を行う医学的判別用モデルにおいて計算された中間判別項目の確からしさを示す信頼度、及び、前記判別部が前記判別結果を得る際に前記医学的判別用モデルにおいて用いられた、前記信頼度と比較される判別基準値のいずれか一方に表示内容を切り換える、請求項４に記載の医用データ処理装置。

【請求項8】

前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、前記判別過程に関する情報として、判別過程が解釈可能な解釈可能モデルである決定木であって根ノードから前記判別結果を示す葉ノードまでに至る推論過程が示された決定木、及び、前記決定木が生成される際に用いられた医学的ガイドラインのいずれか一方に表示内容を切り換える、請求項４に記載の医用データ処理装置。

【請求項9】

前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、前記判別過程に関する情報として、判別過程が解釈可能な解釈可能モデルである決定木であって根ノードから前記判別結果を示す葉ノードまでに至る推論過程が示された決定木、及び、前記決定木のうち前記根ノードから前記判別結果を示す葉ノードまでに至る推論過程のみのいずれか一方に表示内容を切り換える、請求項４に記載の医用データ処理装置。

【請求項10】

前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、前記判別過程に関する情報として、判別過程が解釈可能な解釈可能モデルである決定木であって根ノードから前記判別結果を示す葉ノードまでに至る推論過程が示された決定木、及び、前記医用データのみのいずれか一方に表示内容を切り換える、請求項４に記載の医用データ処理装置。

【請求項11】

前記出力部は、前記受理部により前記レイアウト変更命令が受理された場合、前記判別過程に関する情報として、判別過程が解釈可能な解釈可能モデルである決定木であって根ノードから前記判別結果を示す葉ノードまでに至る推論過程が示された決定木、及び、前記医用データに判断根拠情報が重畳されたデータのみのいずれか一方に表示内容を切り換える、請求項４に記載の医用データ処理装置。

【請求項12】

前記出力部は、準拠する医学的ガイドラインのバージョンを切り替える選択機能を更に備える、請求項８に記載の医用データ処理装置。

【請求項13】

医用データを入力として受理し、
前記医用データに基づき医学的判別を行い、
前記医学的判別の判別結果とともに判別過程に関する情報を出力する、
方法。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書及び図面に開示の実施形態は、医用データ処理装置及び方法に関する。

【背景技術】

【0002】

ＭＲ画像及びＭＲスペクトルを利用して医学的分類を提供する技術がある。この技術では、出力が「グレード」であり、その分類（判別）は、ブラックボックスで行われる。このため、疾患を判別する医師等のユーザが、ガイドラインに沿った解釈ができないという問題がある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－４１９７８号公報

【特許文献2】特開２０１７－０２６４８２号公報

【特許文献3】特開２０２３－５７０３６号公報

【非特許文献】

【0004】

【非特許文献1】Ｈｉｄｅｎｏｒｉ Ｔａｋｅｓｈｉｍａ、Ｄｅｅｐ Ｌｅａｒｎｉｎｇ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎ ｔｏ Ｆｕｎｃｔｉｏｎ Ａｐｐｒｏｘｉｍａｔｉｏｎ ｆｏｒ ＭＲ ｉｎ Ｍｅｄｉｃｉｎｅ： Ａｎ Ｏｖｅｒｖｉｅｗ、Ｍａｇｎ Ｒｅｓｏｎ Ｍｅｄ Ｓｃｉ、ｄｏｉ：１０．２４６３／ｍｒｍｓ．ｒｅｖ．２０２１－００４、Ｐｕｂｌｉｓｈｅｄ Ｏｎｌｉｎｅ： Ｓｅｐｔｅｍｂｅｒ １７， ２０２１

【発明の概要】

【発明が解決しようとする課題】

【0005】

本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、疾患を判別するユーザが解釈可能な形で、その判別を補助する情報を提示することである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置付けることもできる。

【課題を解決するための手段】

【0006】

実施形態に係る医用データ処理装置は、受理部と、判別部と、出力部とを備える。受理部は、医用データを入力として受理する。判別部は、前記入力データに基づき医学的判別を行う。出力部は、前記判別部による判別結果とともに判別過程に関する情報を出力する。

【図面の簡単な説明】

【0007】

【図1】図１は、第１の実施形態に係る医用データ処理システム及び医用データ処理装置の構成例を示す図である。

【図2】図２は、第１の実施形態に係る医用データ処理装置の判別機能が実行する医学的分類について説明するための図である。

【図3】図３は、第１の実施形態に係る学習済モデルの一例の詳細を説明するための図である。

【図4】図４は、第１の実施形態に係る可視化機能が実行する処理の一例を説明するための図である。

【図5】図５は、第１の実施形態に係る医用データ処理装置が実行する処理の流れの一例を示すフローチャートである。

【図6】図６は、第１の実施形態の変形例に係る医用データ処理装置が実行する処理の一例について説明するための図である。

【図7】図７は、第２の実施形態に係る医用データ処理システム及び医用データ処理装置の構成例を示す図である。

【図8A】図８Ａは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図8B】図８Ｂは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図8C】図８Ｃは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図8D】図８Ｄは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図9A】図９Ａは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図9B】図９Ｂは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図9C】図９Ｃは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【図9D】図９Ｄは、第２の実施形態に係るディスプレイに表示される表示内容の一例を示す図である。

【発明を実施するための形態】

【0008】

以下、図面を参照しながら、医用データ処理装置及び方法の実施形態及び変形例について詳細に説明する。なお、本願に係る医用データ処理装置及び方法は、以下に示す実施形態及び変形例によって限定されるものではない。また、実施形態は、処理内容に矛盾が生じない範囲で他の実施形態、変形例又は従来技術との組み合わせが可能である。同様に、変形例は、処理内容に矛盾が生じない範囲で実施形態、他の変形例又は従来技術との組み合わせが可能である。

【0009】

（第１の実施形態）
図１は、第１の実施形態に係る医用データ処理システム１００及び医用データ処理装置１５０の構成例を示す図である。

【0010】

図１に示すように、本実施形態に係る医用データ処理システム１００は、医用画像診断装置群１１０と、医用データ保管装置１２０と、端末１３０と、医用データ処理装置１５０とを含む。ここで、各装置は、ネットワーク１６０を介して互いに通信可能に接続されている。本実施形態に係る医用データ処理システム１００及び医用データ処理装置１５０は、例えば、病院や診療所等の医療施設に設置され、医師等のユーザによる診断を支援する。

【0011】

医用画像診断装置群１１０は、複数の医用画像診断装置の集合である。かかる医用画像診断装置の一例としては、磁気共鳴画像（Magnetic Resonance Imaging：ＭＲＩ）装置、Ｘ線ＣＴ（Computed Tomography）診断装置、超音波診断装置、Ｘ線診断装置、ＰＥＴ（Positron Emission Tomography）装置、及び、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置等の各種の医用画像診断装置が挙げられる。

【0012】

ＭＲＩ装置は、ＭＲ画像及びＭＲスペクトルを生成する。Ｘ線ＣＴ装置は、ＣＴ画像を生成する。超音波診断装置は、超音波画像を生成する。Ｘ線診断装置は、Ｘ線画像及びアンギオ画像を生成する。ＰＥＴ装置は、ＰＥＴ画像を生成する。ＳＰＥＣＴ装置は、ＳＰＥＣＴ画像を生成する。ＭＲ画像、ＭＲスペクトル、ＣＴ画像、超音波画像、Ｘ線画像、アンギオ画像、ＰＥＴ画像及びＳＰＥＣＴ画像は、いずれも医用データであり、医用画像診断装置により得られたデータである。また、ＭＲ画像、ＣＴ画像、超音波画像、Ｘ線画像、アンギオ画像、ＰＥＴ画像及びＳＰＥＣＴ画像は、医用画像でもある。

【0013】

医用データ保管装置１２０は、各種の医用データを保管する。具体的には、医用データ保管装置１２０は、ネットワーク１６０を介して医用画像診断装置群１１０から医用データを取得し、取得された医用データを医用データ保管装置１２０内の記憶回路に記憶させて保管する。また、例えば、医用データ保管装置１２０は、ＰＡＣＳ（Picture Archiving and Communication System）等によって実現され、ＤＩＣＯＭに準拠した形式で医用データを保管する。医用データ保管装置１２０は、サーバやワークステーション等のコンピュータ機器によって実現される。

【0014】

端末１３０は、ユーザにより利用される端末であり、各種の医用データを表示する。例えば、端末１３０は、ネットワーク１６０を介して医用データ保管装置１２０及び医用データ処理装置１５０から医用画像、ＭＲスペクトルや医学的分類の結果等の各種の医用データを取得する。そして、端末１３０は、取得された医用データを端末１３０が備えるディスプレイに表示させる。端末１３０が備えるディスプレイは、表示部の一例である。例えば、端末１３０は、ワークステーションやパーソナルコンピュータ、タブレット端末等のコンピュータ機器によって実現される。

【0015】

医用データ処理装置１５０は、医用データに基づき各種の医学的分類を含む医学的判別を行う。すなわち、医用データ処理装置１５０は、医用データに基づき医学的分類を行ったり、医学的判別を行ったりする。以下の説明では、医用データ処理装置１５０が医学的分類及び医学的判別を行うことを、包括的に、「医学的判別を行う」と表記する場合がある。例えば、医用データ処理装置１５０は、ネットワーク１６０を介して医用画像診断装置群１１０又は医用データ保管装置１２０から医用データを取得する。そして、医用データ処理装置１５０は、取得された医用データに基づき各種の医学的判別を行う。例えば、医用データ処理装置１５０は、サーバやワークステーション等のコンピュータ機器によって実現される。また、以下の説明では、１台の医用データ処理装置１５０が以下に説明する各種の処理を実行する場合について説明するが、複数の医用データ処理装置１５０が以下に説明する各種の処理を分散して実行してもよい。

【0016】

図１に示すように、医用データ処理装置１５０は、通信インタフェース１５１と、記憶回路１５２と、入力インタフェース１５３と、ディスプレイ１５４と、処理回路１５５とを備える。

【0017】

通信インタフェース１５１は、医用データ処理装置１５０と、医用データ処理装置１５０にネットワーク１６０を介して接続された他の装置との間で送受信される各種情報及び各種データの伝送及び通信を制御する。通信インタフェース１５１は、処理回路１５５に接続されている。通信インタフェース１５１は、他の装置により送信されたデータを受信する。この場合、通信インタフェース１５１は、受信されたデータを処理回路１５５に送信する。また、通信インタフェース１５１は、処理回路１５５により送信されたデータを受信する。この場合、通信インタフェース１５１は、受信されたデータを他の装置に送信する。例えば、通信インタフェース１５１は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。

【0018】

記憶回路１５２は、各種データ及び各種プログラムを記憶する。記憶回路１５２は、処理回路１５５に接続されている。記憶回路１５２は、処理回路１５５による制御を受けて、処理回路１５５により送信されたデータを記憶する。また、記憶回路１５２に記憶されているデータは、処理回路１５５により読み出される。例えば、記憶回路１５２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。

【0019】

記憶回路１５２は、後述する学習済モデル１７２（図２参照）及び後述する決定木１７３（図２参照）を記憶している。記憶回路１５２は、例えば、記憶部の一例である。

【0020】

入力インタフェース１５３は、医師等のユーザから各種指示及び各種情報の入力操作を受け付ける。入力インタフェース１５３は、処理回路１５５に接続されている。入力インタフェース１５３は、ユーザから受け付けた操作を電気信号に変換して処理回路１５５に送信する。例えば、入力インタフェース１５３は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで操作を受け付けるタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース１５３は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路１５５へ送信する電気信号の処理回路も入力インタフェース１５３の例に含まれる。

【0021】

ディスプレイ１５４は、各種情報及び各種データを表示する。ディスプレイ１５４は、処理回路１５５に接続されている。ディスプレイ１５４は、処理回路１５５による制御を受けて、処理回路１５５により送信された各種情報及び各種データを表示する。例えば、ディスプレイ１５４は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイ、タッチパネル等によって実現される。ディスプレイ１５４は、表示部の一例である。

【0022】

処理回路１５５は、医用データ処理装置１５０全体を制御する。例えば、処理回路１５５は、入力インタフェース１５３を介してユーザから受け付けた操作に応じて、各種の医学的分類を行う。また、例えば、処理回路１５５は、ネットワーク１６０を介して医用画像診断装置群１１０又は医用データ保管装置１２０により送信された医用データを取得する。そして、処理回路１５５は、取得された医用データを記憶回路１５２に記憶させる。

【0023】

図１に示すように、処理回路１５５は、受理機能１５５ａと、判別機能１５５ｂと、可視化機能１５５ｃとを有する。

【0024】

処理回路１５５は、例えば、プロセッサによって実現される。その場合に、上述した各処理機能は、コンピュータによって実行可能なプログラム（医用データ処理プログラム）の形態で記憶回路１５２に記憶される。そして、処理回路１５５は、記憶回路１５２に記憶された各プログラムを読み出し、読み出された各プログラムを実行することで、各プログラムに対応する各処理機能を実現する。換言すると、処理回路１５５は、各プログラムを読み出した状態で、図１に示される各処理機能を有することとなる。

【0025】

なお、処理回路１５５は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することによって各処理機能を実現するものとしてもよい。また、処理回路１５５が有する各処理機能は、単一又は複数の処理回路に分散又は統合されて実現されてもよい。また、処理回路１５５が有する各処理機能は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。また、ここでは、各処理機能に対応する各プログラムが単一の記憶回路１５２に記憶される場合の例を説明したが、各プログラムが複数の記憶回路に分散して記憶されてもよい。例えば、各処理機能に対応する各プログラムが複数の記憶回路に分散して記憶され、処理回路１５５が、各記憶回路から各プログラムを読み出して実行する構成としても構わない。

【0026】

以上、本実施形態に係る医用データ処理システム１００及び医用データ処理装置１５０の構成の一例について説明した。本実施形態に係る医用データ処理システム１００及び医用データ処理装置１５０は、以下に説明するように、疾患を判別する医師等のユーザが解釈可能な形で、その判別を補助する情報を提示するように構成されている。

【0027】

受理機能１５５ａは、ネットワーク１６０を介して医用画像診断装置群１１０又は医用データ保管装置１２０から医用データを取得する。そして、受理機能１５５ａは、医用データを学習済モデル１７２の入力として受理する。受理機能１５５ａは、例えば、受理部の一例である。

【0028】

図２は、第１の実施形態に係る医用データ処理装置１５０の判別機能１５５ｂが実行する医学的分類について説明するための図である。図２に示すように、判別機能１５５ｂは、医用データ１７１に対して、学習済モデル１７２及び決定木１７３を含む医学的判別用モデル（医学的分類用モデル）を適用することにより、医学的判別を行う。すなわち、判別機能１５５ｂは、医用データ１７１に基づき医学的判別を行う。医用データ１７１には、被検体の処理対象の組織が含まれる。

【0029】

本実施形態に係る判別機能１５５ｂは、１つ以上の医用データ１７１に基づいて医学的判別を行う。より詳細には、判別機能１５５ｂは、１つ以上の医用データ１７１を、学習済モデル１７２及び決定木１７３を含む医学的判別用モデルに適用して被検体に関する医学的判別結果（医学的分類結果）を出力する。医学的判別結果は、医用データの被検体に関する医学的判別の結果を示す情報である。医学的判別結果として、例えば、被検体が罹患している疾患のグレードが出力される。判別機能１５５ｂは、例えば、判別部の一例である。

【0030】

学習済モデル１７２及び決定木１７３を含む医学的判別用モデルに適用される医用データ１７１は、様々な種類のデータであってもよい。例えば、医用データ１７１は、上述した各種の医用画像診断装置により得られたデータであってもよい。また、医用データ１７１は、遺伝子検査、血液検査、病理検査及び分子検査等の各種の検査の結果であってもよい。また、医用データ１７１は、各種の画像診断装置による検査の結果であってもよい。

【0031】

また、医用データ１７１は、被検体の処理対象の形態に関する情報（形態情報）であってもよいし、被検体の処理対象の組成に関する情報（組成情報）であってもよいし、被検体の処理対象の物性に関する情報（物性情報）であってもよい。また、医用データ１７１は、被検体の処理対象の生理学的な情報であってもよい。

【0032】

以下、医用データ処理装置１５０が、医学的判別として、脳腫瘍である神経膠腫のグレードを分類するための医学的ガイドラインである世界保健機関（ＷＨＯ）の脳腫瘍分類に基づく決定木１７３を用いて、神経膠腫のグレードを判別する場合について説明するが、医用データ処理装置１５０が行う医学的判別は、これに限られない。

【0033】

図２に示すように、学習済モデル１７２は、１つ以上の医用データ１７１を入力として、１つ以上の中間判別項目を出力するようにパラメータが学習された機械学習モデルである。医用データ１７１には、被検体の処理対象の組織として脳の神経膠細胞に関する情報が含まれる。なお、複数の医用データ１７１が学習済モデル１７２に入力される場合には、同一の被検体の脳の神経膠細胞に関する情報を含む複数の医用データ１７１が学習済モデル１７２に入力される。第１実施形態に係る学習済モデル又は機械学習モデルとしては、ニューラルネットワークや深層ニューラルネットワーク、サポートベクターマシーン、ランダムフォレスト等の分類器又は識別器が用いられる。中間判別項目は、具体的には、図２に示すように、被検体に関する組織情報、遺伝子情報及び分子情報である。

【0034】

組織情報は、被検体の処理対象の組織である脳の神経膠細胞に腫瘍（脳腫瘍、グリオーマ）が発生している否かを示す情報（腫瘍有無情報）、及び、腫瘍のグレードを暫定的に示す情報（グレード情報）を含む情報である。例えば、神経膠細胞に腫瘍が発生していると推定される場合、腫瘍有無情報は、「１」を示す。一方、神経膠細胞に腫瘍が発生していないと推定される場合、腫瘍有無情報は、「０」を示す。例えば、学習済モデル１７２は、神経膠細胞に腫瘍が発生している確率を計算する。この確率は、０以上１以下の範囲内の値であり、神経膠細胞に腫瘍が発生している確率が高いほど「１」に近づく値であり、神経膠細胞に腫瘍が発生している確率が低いほど「０」に近づく値である。確率は、腫瘍が発生している確からしさを示す信頼度である。そして、学習済モデル１７２は、確率と、所定の閾値（基準判別値）とを比較し、確率が基準判別値以上である場合、「１」を示す腫瘍有無情報を生成する。また、学習済モデル１７２は、確率が基準判別値未満である場合、「０」を示す腫瘍有無情報を生成する。

【0035】

また、学習済モデル１７２は、腫瘍有無情報が「１」を示す場合（すなわち、腫瘍が発生している場合）、腫瘍のグレードを大まかに推定し、推定されたグレードを示すグレード情報を生成する。

【0036】

そして、学習済モデル１７２は、腫瘍有無情報及びグレード情報が生成されると、腫瘍有無情報及びグレード情報を含む組織情報を出力する。

【0037】

遺伝子情報は、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じているか否かを示す情報である。例えば、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じていると推定される場合、遺伝子情報は、「１」を示す。一方、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じていないと推定される場合、遺伝子情報は、「０」を示す。例えば、学習済モデル１７２は、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じている確率を計算する。この確率は、０以上１以下の範囲内の値であり、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じている確率が高いほど「１」に近づく値であり、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じている確率が低いほど「０」に近づく値である。確率は、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じている確からしさを示す信頼度である。そして、学習済モデル１７２は、確率と、基準判別値とを比較し、確率が基準判別値以上である場合、「１」を示す遺伝子情報を出力する。また、学習済モデル１７２は、確率が基準判別値未満である場合、「０」を示す遺伝子情報を出力する。

【0038】

分子情報は、神経膠細胞において、１番染色体短腕（１ｑ）と１９番染色体長腕（１９ｑ）が共に欠失しているか否かを示す情報である。例えば、神経膠細胞において、１番染色体短腕と１９番染色体長腕が共に欠失していると推定される場合、分子情報は、「１」を示す。一方、神経膠細胞において、１番染色体短腕と１９番染色体長腕の少なくとも一方が欠失していないと推定される場合、分子情報は、「０」を示す。例えば、学習済モデル１７２は、神経膠細胞において、１番染色体短腕と１９番染色体長腕が共に欠失している確率を計算する。この確率は、０以上１以下の範囲内の値であり、神経膠細胞において、１番染色体短腕と１９番染色体長腕が共に欠失している確率が高いほど「１」に近づく値であり、神経膠細胞において、１番染色体短腕と１９番染色体長腕が共に欠失している確率が低いほど「０」に近づく値である。確率は、１番染色体短腕と１９番染色体長腕が共に欠失している確からしさを示す信頼度である。そして、学習済モデル１７２は、確率と、基準判別値とを比較し、確率が基準判別値以上である場合、「１」を示す分子情報を出力する。また、学習済モデル１７２は、確率が基準判別値未満である場合、「０」を示す分子情報を出力する。

【0039】

学習済モデル１７２の生成方法の一例を説明する。学習済モデル１７２は、被検体の神経膠細胞に関する情報を含む医用データを入力データとし、当該神経膠細胞に腫瘍が発生している否かを示す情報、当該神経膠細胞に腫瘍が発生している場合の腫瘍のグレードを示す情報、当該神経膠細胞のＩＤＨをコードする遺伝子に変異が生じているか否かを示す情報及び神経膠細胞において１番染色体短腕と１９番染色体長腕が共に欠失しているか否かを示す情報を正解データとする教師データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることにより得られた学習済みの機械学習モデルである。学習済モデル１７２は、学習装置により生成される。例えば、学習装置は、医用データ処理装置１５０にネットワーク１６０を介して接続されている。そして、学習装置により生成された学習済モデル１７２がネットワーク１６０を介して医用データ処理装置１５０に提供される。

【0040】

学習装置は、畳み込みニューラルネットワーク（ＣＮＮ：Convolution Neural Network）等の機械学習モデルを含む。学習装置は、同一の被検体の神経膠細胞に関する教師データに基づく学習（教師あり学習）を行うことにより、学習済モデル１７２を生成する。学習済モデル１７２は、推論時において、入力データに相当する医用データが入力されると、正解データに相当する組織情報、遺伝子情報及び分子情報（出力データ）を出力するように機能付けられている。なお、医用データ処理装置１５０が学習装置の機能と同様の機能を備え、学習装置に代えて医用データ処理装置１５０が学習済モデル１７２を生成してもよい。

【0041】

機械学習モデルがＣＮＮである場合について説明する。この場合、学習装置では、入力データが機械学習モデルであるＣＮＮに入力される。学習装置は、入力データにＣＮＮを適用して、出力データを生成する。そして、出力データが、ＣＮＮから出力される。学習装置において、出力データは、評価機能に入る。また、学習装置において、上記の正解データも評価機能に入力される。学習装置は、入力データに基づいてＣＮＮで生成された出力データと、正解データとを評価機能により評価する。評価機能は、例えば、生成された出力データを正解データと比較して、誤差逆伝播法によりＣＮＮの係数（重みとバイアス等のネットワークパラメータ）を修正する。評価機能による評価は、ＣＮＮにフィードバックされる。学習装置は、教師データに基づくこのような一連の教師あり学習を、例えば、出力データと正解データとの間の誤差が所定の閾値以下になるまで、繰り返す。学習装置は、学習した機械学習モデルを学習済モデル１７２として出力可能である。

【0042】

決定木１７３は、組織情報、遺伝子情報及び分子情報を入力として、神経膠腫のグレードを出力するように学習された機械学習モデルである。例えば、決定木１７３は、組織情報、遺伝子情報及び分子情報の組合せと、この組み合わせに対して脳腫瘍である神経膠腫のグレードを判別（分類）するための医学的ガイドラインである世界保健機関の脳腫瘍分類を行った結果得られる神経膠腫のグレードとを用いて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることにより得られた学習済みの機械学習モデルである。すなわち、決定木１７３が生成される際に上述した医学的ガイドラインが用いられる。図２に示すように、決定木１７３は、学習済モデル１７２から出力された組織情報、遺伝子情報及び分子情報が入力されると、最終判別結果として神経膠腫のグレードを出力する。

【0043】

決定木１７３では、組織情報、遺伝子情報及び分子情報の各種の情報に対して各種の条件が定義されており、各種の条件が「Ｙｅｓ」又は「Ｎｏ」で定義されている。このため、決定木１７３は、疾患を判別する医師等のユーザにとって、判別過程（分類過程、推論過程）が解釈可能なモデル（解釈可能モデル）である。なお、決定木１７３に代えて、決定木１７３と同様の機能を有するモデルを用いてもよい。例えば、ランダムフォレスト、ナイーブベイズ木、決定リスト、決定グラフ、ベイジアンネットワーク及び勾配ブースティング木等を用いてもよい。ランダムフォレスト、ナイーブベイズ木、決定リスト、決定グラフ、ベイジアンネットワーク及び勾配ブースティング木は、決定木１７３と同様に、疾患を判別する医師等のユーザにとって、判別過程（分類過程）が解釈可能なモデルである。

【0044】

図３は、第１の実施形態に係る学習済モデル１７２の一例の詳細を説明するための図である。図３に示す学習済モデル１７２は、３つの医用データ１７１ａ，１７１ｂ，１７１ｃを入力とし、組織情報、遺伝子情報及び分子情報を出力する。図３の例では、３つの医用データ１７１ａ，１７１ｂ，１７１ｃは、ＭＲデータである。詳細については後述するが、医用データ１７１ａは、ＭＲ画像であり、医用データ１７１ｂ，１７１ｃは、ＭＲスペクトルである。このため、以下の説明では、医用データ１７１ａをＭＲ画像１７１ａと表記し、医用データ１７１ｂ，１７１ｃをＭＲスペクトル１７１ｂ，１７１ｃと表記する場合がある。

【0045】

図３に示す学習済モデル１７２は、例えば、ニューラルネットワークであり、入力層、中間層及び出力層を含む。なお、図３において、入力層及び出力層の図示が省略されている。図３の例では、中間層は、ＣＮＮ層、全結合層及びプーリング層（図示せず）等を含む。

【0046】

図３の例では、ＣＮＮ層は、３つのノード１７２ａ，１７２ｂ，１７２ｃを含む。ノード１７２ａには、入力層を介して医用データ１７１としてＭＲ画像１７１ａが入力される。ＭＲ画像１７１ａは、被検体の神経膠細胞の形態を示す形態画像である。例えば、ＭＲ画像１７１ａは、Ｔ１強調画像、Ｔ２強調画像、又は、ＦＬＡＩＲ（Fluid Attenuated Inversion Recovery）画像である。ＭＲ画像１７１ａが２次元画像である場合には、２次元のノード１７２ａが用いられ、ＭＲ画像１７１ａが３次元画像である場合には、３次元のノード１７２ａが用いられてもよい。ノード１７２ａは、ＭＲ画像１７１ａを入力として、特徴量ａを出力する。

【0047】

ノード１７２ｂには、入力層を介して医用データ１７１としてＭＲスペクトル１７１ｂが入力される。また、ノード１７２ｃには、入力層を介して医用データ１７１としてＭＲスペクトル１７１ｃが入力される。ここで、ＭＲスペクトル１７１ｂは、ＭＲＩ装置によりＰＲＥＳＳ法が用いられて収集されたＭＲスペクトルであるのに対して、ＭＲスペクトル１７１ｃは、ＭＲＩ装置によりＭＥＧＡ－ＰＲＥＳＳ法が用いられて収集されたＭＲスペクトルである。ＭＲスペクトル１７１ｂ及びＭＲスペクトル１７１ｃは、１次元スペクトルであるため、１次元のノード１７２ｂ及びノード１７２ｃが用いられてもよい。ノード１７２ｂは、ＭＲスペクトル１７１ｂを入力として、特徴量ｂを出力する。ノード１７２ｃは、ＭＲスペクトル１７１ｃを入力として、特徴量ｃを出力する。

【0048】

図３の例では、全結合層は、３つのノード１７２ｄ，１７２ｅ，１７２ｆを含む。ノード１７２ｄは、特徴量ａ及び特徴量ｂを入力とし、出力層を介して組織情報を出力する。ノード１７２ｅは、特徴量ａ、特徴量ｂ及び特徴量ｃを入力とし、出力層を介して遺伝子情報を出力する。ノード１７２ｆは、特徴量ａ、特徴量ｂ及び特徴量ｃを入力とし、出力層を介して分子情報を出力する。

【0049】

なお、図３の例において、ノード１７２ａに入力される医用データ１７１として、被検体の神経膠細胞の形態を示す形態画像であるＭＲ画像１７１ａが用いられる場合について説明した。しかしながら、ノード１７２ａに入力される医用データ１７１として、被検体の神経膠細胞の形態を示す形態画像であるＣＴ画像、超音波画像、Ｘ線画像等の他の画像が用いられてもよい。

【0050】

また、学習済モデル１７２に適用される医用データ１７１は、医用画像診断装置等により得られたデータに限られず、人工的に生成された人工データであってもよい。例えば、人工データとして、シミュレーションや深層学習等により得られた医用データが学習済モデル１７２に適用されてもよい。具体的には、ブロッホシミュレータやＭＲシミュレータと呼ばれる物理演算でＭＲ画像やＭＲスペクトルのＭＲデータを生成し、生成されたＭＲデータが学習済モデル１７２に適用されてもよい。また、分子動力学シミュレーションにより得られた分子の振る舞いを示すデータが学習済モデル１７２に適用されてもよい。また、医用画像診断装置等により得られた実測値が物理演算により変換された値が学習済モデル１７２に適用されてもよい。

【0051】

可視化機能１５５ｃは、判別機能１５５ｂにより行われた医学的判別（医学的分類）の判別過程（分類過程）を可視化する。図４は、第１の実施形態に係る可視化機能１５５ｃが実行する処理の一例を説明するための図である。図４には、可視化機能１５５ｃによりディスプレイ１５４に表示される表示内容の一例が示されている。

【0052】

例えば、可視化機能１５５ｃは、図４に示すように、決定木１７３の内容１８１をディスプレイ１５４に表示させる。決定木１７３の内容１８１のうち、他の矢印と比較して太い矢印で接続された各分岐条件及び葉ノードの判別結果は、決定木１７３による判別過程を示す情報であり、判別過程に関する情報である。具体的には、図３において『根ノードの分岐条件「Tumor?」（Yes）→ノードの分岐条件「Grade=4?」（No）→ノードの分岐条件「IDH mutant?」（Yes）→ノードの分岐条件「1p19q Co-deletion?」（No）→葉ノードの判別結果「LGG IDH mutant non co-deletion 最終グレードWHO2」』の部分は、強調表示されており、決定木１７３による判別過程を示す情報であり、判別過程に関する情報である。また、葉ノードの判別結果「LGG IDH mutant non co-deletion 最終グレードWHO2」は、判別結果を示す情報であり、判別結果に関する情報である。

【0053】

ここで、判別過程に関する情報を生成する方法の一例について説明する。例えば、可視化機能１５５ｃは、学習済モデル１７２から出力された組織情報、遺伝子情報及び分子情報を用いて決定木１７３の各分岐条件において「Ｙｅｓ」及び「Ｎｏ」のいずれであるのかを判別することにより決定木１７３における判別過程を特定する。そして、可視化機能１５５ｃは、特定された判別過程を示す情報を生成する。

【0054】

このように、可視化機能１５５ｃ及びディスプレイ１５４は、医師等のユーザにより解釈可能な判別過程を可視化する。すなわち、可視化機能１５５ｃ及びディスプレイ１５４は、医師等のユーザにより解釈可能な判別過程を判別結果とともに出力（表示）する。更に具体的には、可視化機能１５５ｃ及びディスプレイ１５４は、根ノード（分岐条件「Tumor?」）から判別結果（「LGG IDH mutant non co-deletion 最終グレードWHO2」）を示す葉ノードまでに至る推論過程が示された決定木１７３の内容１８１を出力する。したがって、第１の実施形態に係る医用データ処理装置１５０によれば、疾患を判別する医師等のユーザが解釈可能な形で、その判別を補助する情報を提示することができる。可視化機能１５５ｃ及びディスプレイ１５４は、例えば、出力部の一例である。

【0055】

また、可視化機能１５５ｃは、図４に示すように、学習済モデル１７２に入力された医用データ１７１（１７１ａ，１７１ｂ，１７１ｃ）、並びに、組織情報、遺伝子情報及び分子情報の内容が記載された表１８２を決定木１７３の内容１８１とともにディスプレイ１５４に表示させる。ここで、図４に示す組織情報の「腫瘍有」は、学習済モデル１７２から出力される組織情報の腫瘍有無情報が示す「１」に対応する。また、図４に示す遺伝子情報の「変異有」は、学習済モデル１７２から出力される遺伝子情報が示す「１」に対応する。また、図４に示す分子情報の「欠失無」は、学習済モデル１７２から出力される分子情報が示す「０」に対応する。なお、学習済モデル１７２から出力される組織情報の腫瘍有無情報が「０」を示す場合、表１８２には「腫瘍無」が記載される。また、学習済モデル１７２から出力される遺伝子情報が「０」を示す場合、表１８２には「変異無」が記載される。また、学習済モデル１７２から出力される分子情報が「１」を示す場合、表１８２には「欠失有」が記載される。すなわち、表１８２は、判別機能１５５ｂが医学的判別を行う際に用いられる数値を表す表である。このようにして、可視化機能１５５ｃ及びディスプレイ１５４は、判別結果及び判別過程に加えて、学習済モデル１７２に入力された医用データ１７１、並びに、組織情報、遺伝子情報及び分子情報の中間判別項目をも可視化する。

【0056】

図５は、第１の実施形態に係る医用データ処理装置１５０が実行する処理の流れの一例を示すフローチャートである。

【0057】

図５に示すように、受理機能１５５ａは、ネットワーク１６０を介して医用画像診断装置群１１０又は医用データ保管装置１２０から医用データを取得し、医用データを学習済モデル１７２の入力として受理する（ステップＳ１０１）。

【0058】

そして、判別機能１５５ｂは、医用データ１７１に対して、学習済モデル１７２及び決定木１７３を含む医学的判別用モデルを適用することにより、医学的判別を行う（ステップＳ１０２）。

【0059】

そして、可視化機能１５５ｃ及びディスプレイ１５４は、判別結果とともに医師等のユーザにより解釈可能な判別過程を可視化する（ステップＳ１０３）。

【0060】

以上、第１の実施形態に係る医用データ処理装置１５０及び医用データ処理システム１００について説明した。第１の実施形態によれば、疾患を判別する医師等のユーザが解釈可能な形で、その判別を補助する情報を提示することができる。

【0061】

（第１の実施形態の変形例）
次に、第１の実施形態の変形例に係る医用データ処理装置１５０について説明する。表１８２において、例えば、判別機能１５５ｂが医学的判別を行う際に用いられる複数の数値の間で整合性がとれない場合がある。例えば、表１８２において「腫瘍無」が記載されているにも関わらず、「変異有」及び「欠失有」が記載される場合がある。すなわち、表１８２が、腫瘍が発生していないことを示しているにも関わらず、神経膠細胞のＩＤＨをコードする遺伝子に変異が生じていることを示したり、神経膠細胞において、１番染色体短腕と１９番染色体長腕が共に欠失していることを示したりする場合がある。

【0062】

図６は、第１の実施形態の変形例に係る医用データ処理装置１５０が実行する処理の一例について説明するための図である。上述したような場合、表１８２に記載された複数の情報が想定されない組み合わせであるため、第１の実施形態の変形例に係る医用データ処理装置１５０の可視化機能１５５ｃは、図６に示すように、複数の情報（数値）の信頼性及び医学的判別結果の信頼性が低いことを示すメッセージ「想定されない組み合わせであるため、信頼性が低いです。」１８６をディスプレイ１５４に表示させる。すなわち、可視化機能１５５ｃ及びディスプレイ１５４は、複数の情報の信頼性及び医学的判別結果の信頼性が低いこと、すなわち、医学的判別結果が信頼できないことを示すメッセージ１８６を出力する。

【0063】

これにより、ユーザは、提示される医学的判別結果が信頼できないことを把握することができる。したがって、第１の実施形態の変形例によれば、誤った医学的判別結果であるにも関わらず、正しい医学的判別結果としてユーザに認識させてしまうことを抑制することができる。

【0064】

（第２の実施形態）
次に、第２の実施形態に係る医用データ処理装置及び医用データ処理システムについて説明する。第１の実施形態では、図４に示すように、決定木１７３の内容１８１に加え、表１８２が表示される。このため、ユーザは、一度に表示される情報量が多く、表示される情報を容易に把握することが困難である場合がある。そこで、第２の実施形態に係る医用データ処理装置及び医用データ処理システムは、表示される情報をユーザに容易に把握させることが可能なように構成されている。以下、第２の実施形態の説明において、第１の実施形態と同様の構成については同一の符号を付して説明を省略する場合がある。また、第２の実施形態の説明では、主に、第１の実施形態と異なる点について説明する。

【0065】

図７は、第２の実施形態に係る医用データ処理システム１００ａ及び医用データ処理装置１５０ａの構成例を示す図である。第２の実施形態に係る医用データ処理システム１００ａは、医用データ処理装置１５０に代えて医用データ処理装置１５０ａを備えている点が、第１の実施形態に係る医用データ処理システム１００と異なる。第２の実施形態に係る医用データ処理装置１５０ａは、処理回路１５５に代えて処理回路１５６ａを備えている点が、第１の実施形態に係る医用データ処理装置１５０と異なる。第２の実施形態に係る処理回路１５６ａは、レイアウト変更機能１５５ｄを備えている点が、第１の実施形態に係る処理回路１５５と異なる。

【0066】

第２の実施形態では、受理機能１５５ａは、入力インタフェース１５３を介してユーザにより入力されたレイアウト変更命令を受理（受信）する。ここで、レイアウト変更命令は、ディスプレイ１５４に表示された表示内容のレイアウトを変更するための命令である。受理機能１５５ａによりレイアウト変更命令が受理された場合、レイアウト変更機能１５５ｄは、ディスプレイ１５４に表示される表示内容のレイアウトを変更するように、可視化機能１５５ｃを制御する。したがって、可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、レイアウト変更機能１５５ｄによる制御を受けて以下に説明する各種の処理を実行する。

【0067】

ここで、第２の実施形態において、可視化機能１５５ｃは、決定木１７３の内容１８１及び表１８２をディスプレイ１５４に同時に表示させない。具体的には、可視化機能１５５ｃは、決定木１７３の内容１８１をディスプレイ１５４に表示させている場合、表１８２をディスプレイ１５４に表示させない。また、可視化機能１５５ｃは、表１８２をディスプレイ１５４に表示させている場合、決定木１７３の内容１８１をディスプレイ１５４に表示させない。

【0068】

更に具体的には、可視化機能１５５ｃは、決定木１７３の内容１８１をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に表１８２を表示させる。また、可視化機能１５５ｃは、表１８２をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に決定木１７３の内容１８１を表示させる。すなわち、ディスプレイ１５４及び可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、決定木１７３の内容１８１及び表１８２のいずれか一方に表示内容を切り換える。

【0069】

したがって、第２の実施形態によれば、決定木１７３の内容１８１及び表１８２が同時に表示されずに、異なる時間帯に表示されるので、決定木１７３の内容１８１及び表１８２をユーザに容易に把握させることができる。

【0070】

なお、第２の実施形態において、可視化機能１５５ｃは、決定木１７３の内容１８１及び医用データ１７１をディスプレイ１５４に同時に表示させないようにしてもよい。具体的には、可視化機能１５５ｃは、決定木１７３の内容１８１をディスプレイ１５４に表示させている場合、医用データ１７１をディスプレイ１５４に表示させない。また、可視化機能１５５ｃは、医用データ１７１をディスプレイ１５４に表示させている場合、決定木１７３の内容１８１をディスプレイ１５４に表示させない。

【0071】

更に具体的には、可視化機能１５５ｃは、決定木１７３の内容１８１をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に医用データ１７１を表示させる。また、可視化機能１５５ｃは、医用データ１７１をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に決定木１７３の内容１８１を表示させる。すなわち、ディスプレイ１５４及び可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、決定木１７３の内容１８１及び医用データ１７１のいずれか一方に表示内容を切り換える。

【0072】

したがって、決定木１７３の内容１８１及び医用データ１７１が同時に表示されずに、異なる時間帯に表示されるので、決定木１７３の内容１８１及び医用データ１７１をユーザに容易に把握させることができる。

【0073】

以下、第２の実施形態における他の表示内容の切り替えの一例について説明する。図８Ａ，図８Ｂ，図８Ｃ，図８Ｄ，図９Ａ，図９Ｂ、図９Ｃ及び図９Ｄは、第２の実施形態に係るディスプレイ１５４に表示される各種の表示内容の一例を示す図である。

【0074】

例えば、可視化機能１５５ｃは、図８Ａに示すように、医用データ１７１、決定木１７３の内容１８１及び表１８５をディスプレイ１５４に表示させる。表１８５には、中間判別項目（組織情報、遺伝子情報、分子情報）毎に、上述した確率（中間判別項目の確からしさを示す信頼度）が記載されている。

【0075】

可視化機能１５５ｃは、図８Ａに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図８Ｂに示す表示内容を表示させる。例えば、可視化機能１５５ｃは、図８Ｂに示すように、医用データ１７１、決定木１７３の内容１８１及び表１８７をディスプレイ１５４に表示させる。表１８７には、中間判別項目毎に、確率と比較される上述した基準判別値が記載されている。

【0076】

また、可視化機能１５５ｃは、図８Ｂに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図８Ａに示す表示内容を表示させる。

【0077】

すなわち、ディスプレイ１５４及び可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、中間判別項目の確からしさを示す確率、及び、判別基準値のいずれか一方に表示内容を切り換える。

【0078】

したがって、第２の実施形態によれば、中間判別項目の確からしさを示す確率、及び、判別基準値が同時に表示されずに、異なる時間帯に表示されるので、中間判別項目の確からしさを示す確率及び判別基準値をユーザに容易に把握させることができる。

【0079】

また、可視化機能１５５ｃは、図８Ａに示す表示内容に変えて、図８Ｃに示す表示内容又は図８Ｄに示す表示内容をディスプレイ１５４に表示させてもよい。例えば、可視化機能１５５ｃは、図８Ｃに示すように、医用データ１７１、決定木１７３の内容１８１及び表１８５ａをディスプレイ１５４に表示させてもよい。表１８５ａには、中間判別項目毎に、感度（True Positive Rate）が記載されている。なお、可視化機能１５５ｃは、学習済モデル１７２を学習させるときに計算された、中間判別項目毎の感度を上述した学習装置から取得し、取得された感度を用いて表１８５ａを生成する。

【0080】

また、例えば、可視化機能１５５ｃは、図８Ｄに示すように、医用データ１７１、決定木１７３の内容１８１及び表１８５ｂをディスプレイ１５４に表示させてもよい。表１８５ｂには、中間判別項目毎に、特異度（True Negative Rate）が記載されている。なお、可視化機能１５５ｃは、学習済モデル１７２を学習させるときに計算された、中間判別項目毎の特異度を学習装置から取得し、取得された特異度を用いて表１８５ｂを生成する。

【0081】

学習済モデル１７２の推論時に、感度及び特異度等の評価指標をユーザに提示することで、ユーザに学習済モデル１７２の信頼性情報を提示することができる。この結果、ユーザは、学習済モデル１７２の性能を把握することができる。

【0082】

また、例えば、可視化機能１５５ｃは、図９Ａに示すように、決定木１７３の内容１８１をディスプレイ１５４に表示させる。そして、可視化機能１５５ｃは、図９Ａに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図９Ｂに示す表示内容を表示させる。例えば、可視化機能１５５ｃは、図９Ｂに示すように、ガイドライン１８８の内容をディスプレイ１５４に表示させる。ガイドライン１８８は、決定木１７３が生成される際に用いられた上述した医学的ガイドラインである。

【0083】

また、可視化機能１５５ｃは、図９Ｂに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図９Ａに示す表示内容を表示させる。

【0084】

すなわち、ディスプレイ１５４及び可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、決定木１７３の内容１８１、及び、ガイドライン１８８の内容のいずれか一方に表示内容を切り換える。

【0085】

したがって、第２の実施形態によれば、決定木１７３の内容１８１、及び、ガイドライン１８８の内容が同時に表示されずに、異なる時間帯に表示されるので、決定木１７３の内容１８１及びガイドライン１８８の内容をユーザに容易に把握させることができる。

【0086】

なお、可視化機能１５５ｃは、内容が表示されるガイドライン１８８のバージョンを切り換えてもよい。例えば、可視化機能１５５ｃは、選択機能を備える。そして、選択機能が、ガイドライン１８８の内容がディスプレイ１５４に表示されている状態で、入力インタフェース１５３を介して、準拠するガイドラインのバージョンを切り換える命令を受信した場合、ディスプレイ１５４に、バージョンが切り換えられたガイドラインの内容をディスプレイ１５４に表示させてもよい。例えば、ガイドラインは数年に１度更新されている。そこで、選択機能は、例えば、内容が表示されるガイドラインのバージョンをバージョン「ＷＨＯ２０１６」から最新のバージョン「ＷＨＯ２０２１」に切り換える。

【0087】

また、例えば、可視化機能１５５ｃは、図９Ａに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図９Ｃに示す表示内容を表示させる。例えば、可視化機能１５５ｃは、図９Ｃに示すように、決定木１７３のうち、根ノード（分岐条件「Tumor?」）から判別結果（「LGG IDH mutant non co-deletion 最終グレードWHO2」）を示す葉ノードまでに至る推論過程１８１ａのみをディスプレイ１５４に表示させる。

【0088】

また、可視化機能１５５ｃは、図９Ｃに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図９Ａに示す表示内容を表示させる。

【0089】

すなわち、ディスプレイ１５４及び可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、決定木１７３の内容１８１、及び、推論過程１８１ａのいずれか一方に表示内容を切り換える。

【0090】

したがって、第２の実施形態によれば、決定木１７３の内容１８１、及び、推論過程１８１ａの内容が同時に表示されずに、異なる時間帯に表示されるので、決定木１７３の内容１８１及び推論過程１８１ａの内容をユーザに容易に把握させることができる。

【0091】

また、例えば、可視化機能１５５ｃは、図９Ａに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図９Ｄに示す表示内容を表示させてもよい。例えば、可視化機能１５５ｃは、図９Ｄに示すように、医用データ１７１ｂ，１７１ｃに、中間判別項目を判断した根拠を示す判断根拠情報１７１ｄ，１７１ｅが重畳されたデータのみをディスプレイ１５４に表示させてもよい。可視化機能１５５ｃは、例えば、Grad-CAM等の既存手法により、中間判別項目を判断した根拠を生成することができる。

【0092】

なお、図９Ｄの例では、医用データ１７１ｂ，１７１ｃにおいて、根拠となる部分を網掛で示しているが、根拠となる部分を色付けで示してもよいし、根拠となる部分を矢印で示してもよい。

【0093】

また、可視化機能１５５ｃは、図９Ｄに示す表示内容をディスプレイ１５４に表示させている状態で受理機能１５５ａによりレイアウト変更命令が受理された場合、ディスプレイ１５４に図９Ａに示す表示内容を表示させる。

【0094】

すなわち、ディスプレイ１５４及び可視化機能１５５ｃは、受理機能１５５ａによりレイアウト変更命令が受理された場合、決定木１７３の内容１８１、及び、医用データ１７１ｂ，１７１ｃに判断根拠情報１７１ｄ，１７１ｅが重畳されたデータのいずれか一方に表示内容を切り換える。

【0095】

したがって、第２の実施形態によれば、決定木１７３の内容１８１、及び、医用データ１７１ｂ，１７１ｃに判断根拠情報１７１ｄ，１７１ｅが重畳されたデータが同時に表示されずに、異なる時間帯に表示されるので、決定木１７３の内容１８１及び医用データ１７１ｂ，１７１ｃに判断根拠情報１７１ｄ，１７１ｅが重畳されたデータをユーザに容易に把握させることができる。

【0096】

上述した実施形態の説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ(Graphics Processing Unit)、又は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。ここで、記憶回路１５２にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合には、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、各実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。

【0097】

ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）－ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ－Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な非一過性の記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることによって提供又は配布されてもよい。例えば、このプログラムは、上述した各処理機能を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。

【0098】

以上説明した少なくとも一つの実施形態によれば、疾患を判別する医師等のユーザが解釈可能な形で、その判別を補助する情報を提示することができる。

【0099】

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

【符号の説明】

【0100】

１００，１００ａ 医用データ処理システム
１５０，１５０ａ 医用データ処理装置
１５５ 処理回路
１５５ａ 受理機能
１５５ｂ 判別機能
１５５ｃ 可視化機能
１５５ｄ レイアウト変更機能

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図8C】

【図8D】

【図9A】

【図9B】

【図9C】

【図9D】