特許 7522405 プログラム、情報処理方法及び情報処理システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-07-17

(45)【発行日】2024-07-25

(54)【発明の名称】プログラム、情報処理方法及び情報処理システム

(51)【国際特許分類】

   A61B 5/349 20210101AFI20240718BHJP

【ＦＩ】

A61B5/349

【請求項の数】 10

(21)【出願番号】P 2024031725

(22)【出願日】2024-03-01

【審査請求日】2024-03-07

【早期審査対象出願】

(73)【特許権者】

【識別番号】504137912

【氏名又は名称】国立大学法人 東京大学

(73)【特許権者】

【識別番号】514322858

【氏名又は名称】ＳＩＭＰＬＥＸ ＱＵＡＮＴＵＭ株式会社

(74)【代理人】

【識別番号】110002789

【氏名又は名称】弁理士法人ＩＰＸ

(72)【発明者】

【氏名】藤生 克仁

(72)【発明者】

【氏名】荷見 映理子

(72)【発明者】

【氏名】齋藤 龍

(72)【発明者】

【氏名】白土 稔

(72)【発明者】

【氏名】陳 ▲エイ▼

(72)【発明者】

【氏名】ヤラス エドウイン

【審査官】▲高▼原 悠佑

(56)【参考文献】

【文献】特開２０２３－０６６３５２（ＪＰ，Ａ）

【文献】国際公開第２０２３／１３３１６６（ＷＯ，Ａ２）

【文献】国際公開第２０２０／０８１４７２（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０２１／０１９６１３２（ＵＳ，Ａ１）

【文献】特表２０２２－５０３９５６（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２２／００９５９５５（ＵＳ，Ａ１）

【文献】特表２０２２－５１６７１９（ＪＰ，Ａ）

【文献】HARSH, P., et al.，Positive Correlation between P Wave Analysis and Severity of Heart Failure with Preserved and Reduced Ejection Fraction，Journal of Cardiac Failure，2019年08月，Vol.25, No.8 S，p.43, Article 105

【文献】ITO, K., et al.，Usefulness of P-wave peak time as an electrocardiographic parameter in predicting left ventricular diastolic dysfunction in patients with mitral regurgitation，Annals of noninvasive electrocardiology，2022年11月，Vol.27, No.6，e13000，<DOI: 10.1111/anec.13000>, <Epub 2022 Aug 16>

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／２４－５／３９８

ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

ＰｕｂＭｅｄ

(57)【特許請求の範囲】

【請求項1】

プログラムであって、
取得ステップと、算出ステップと、出力ステップとをコンピュータに実行させるように構成され、
前記取得ステップでは、第１被検体の第１心電図データを取得し、
前記算出ステップでは、前記第１心電図データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックスと、前記左室駆出率の期待値に応じたインデックスとを算出し、
前記参照情報は、第２被検体の第２心電図データと、前記インデックスとの関係を示す情報であり、
前記出力ステップでは、算出された前記インデックスを出力し、
前記ＨＦｐＥＦに応じたインデックスは、前記ＨＦｐＥＦを発症している確率、該確率から算出される期待値、及び、該期待値を所定範囲にスケール化した情報のうち少なくとも１つである、
プログラム。

【請求項2】

請求項１に記載のプログラムにおいて、
前記参照情報は、前記第２心電図データと、前記インデックスとの関係を学習させた学習済モデルである、
プログラム。

【請求項3】

請求項１に記載のプログラムにおいて、
前記第２被検体は、前記ＨＦｐＥＦを発症しているが心不全の自覚症状が無い被検体を含む、
プログラム。

【請求項4】

請求項１に記載のプログラムにおいて、
前記第１心電図データは、１２誘導のうち何れか１つの誘導に対応する電極から取得されたデータである、
プログラム。

【請求項5】

請求項４に記載のプログラムにおいて、
前記１つの誘導は、前記第１被検体の右手及び左手から取得された第Ｉ誘導である、
プログラム。

【請求項6】

請求項１に記載のプログラムにおいて、
前記算出ステップでは、前記第１心電図データと、前記第１被検体の第１臨床データと、前記参照情報とに基づいて、前記インデックスを算出し、
前記参照情報は、前記第２心電図データと、前記第２被検体の第２臨床データと、前記インデックスとの関係を示す情報である、
プログラム。

【請求項7】

請求項６に記載のプログラムにおいて、
前記参照情報は、前記第２心電図データと、前記第２臨床データと、前記インデックスとの関係を学習させた学習済モデルである、
プログラム。

【請求項8】

請求項１に記載のプログラムにおいて、
前記算出ステップでは、前記ＨＦｐＥＦ以外の前記表現型であるＨＦｒＥＦ及びＨＦｍｒＥＦの少なくとも一方に応じたインデックスをさらに算出する、
プログラム。

【請求項9】

情報処理方法であって、
請求項１から８までの何れか１項に記載のプログラムの各ステップを備える、
情報処理方法。

【請求項10】

情報処理システムであって、
制御部を備え、
前記制御部は、請求項１から８までの何れか１項に記載のプログラムの各ステップを実行するように構成される、
情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プログラム、情報処理方法及び情報処理システムに関する。

【背景技術】

【0002】

特許文献１には、心不全を評価するためのアッセイが開示されている。

【0003】

このアッセイについて説明する。患者における心血管疾患を検出及び／又はモニタリングするための、及び／又は、患者における心血管疾患の可能性又は重症度を評価するためのイムノアッセイ法であって、患者からの生体液試料をＶＩ型コラーゲンのα３鎖のＣ５ドメインのＣ－末端エピトープに特異的に結合するモノクローナル抗体と接触させること、及び／又は、患者からの生体液試料をＩＩＩ型コラーゲンのＮ－末端プロペプチドのＣ－末端ネオ－エピトープに特異的に結合するモノクローナル抗体と接触させること、を含む。

【先行技術文献】

【特許文献】

【0004】

【文献】特表２０２２－５３５５１３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ところで、心不全は、左室駆出率により３つの表現型として分類される。この分類された表現型のうちＨＦｐＥＦは、左室駆出率が保たれている心不全であるため、早期検知が困難であった。

【0006】

本発明では上記事情を鑑み、ＨＦｐＥＦを早期に検知可能なプログラム、情報処理方法及び情報処理システム等を提供することとした。

【課題を解決するための手段】

【0007】

本発明の一態様によれば、プログラムが提供される。このプログラムは、取得ステップと、算出ステップと、出力ステップとをコンピュータに実行させるように構成される。取得ステップでは、第１被検体の第１心電図データを取得する。算出ステップでは、第１心電図データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックスを算出する。参照情報は、第２被検体の第２心電図データと、インデックスとの関係を示す情報である。出力ステップでは、算出されたインデックスを出力する。

【0008】

このような態様によれば、ＨＦｐＥＦを早期に検知することができる。

【図面の簡単な説明】

【0009】

【図1】情報処理システム１００を表す構成図である。

【図2】情報処理装置２００のハードウェア構成を示すブロック図である。

【図3】端末３００のハードウェア構成を示すブロック図である。

【図4】情報処理装置２００（制御部２１０）によって実現される機能を示すブロック図である。

【図5】情報処理装置２００によって実行される情報処理方法の流れを示すアクティビティ図である。

【図6】端末３００の表示部３３０に表示された内容を示す図である。

【発明を実施するための形態】

【0010】

以下、図面を用いて本発明の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。

【0011】

ところで、一実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体（Ｎｏｎ－Ｔｒａｎｓｉｔｏｒｙ Ｃｏｍｐｕｔｅｒ－Ｒｅａｄａｂｌｅ Ｍｅｄｉｕｍ）として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現（いわゆるクラウドコンピューティング）するように提供されてもよい。

【0012】

また、一実施形態に係る種々の情報処理において、入力と、入力に応じた出力とが実現されうる。ここで、入力の結果として出力が得られれば、かかる情報処理において参照される情報（以下、参照情報と称する。）の態様は、限定されない。参照情報は、例えば、データベース、ルックアップテーブル、所定の関数（統計学的手法によって構築された、回帰式等の判定式を含む。）等のルールベースの情報でもよいし、入力と出力との相関を予め学習させた学習済みモデルでもよいし、プロンプトを入力することで所望の結果を出力可能な大規模言語モデルでもよい。

【0013】

また、一実施形態において「部」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらのハードウェア資源によって具体的に実現されうるソフトウェアの情報処理とを合わせたものも含みうる。また、一実施形態においては様々な情報を取り扱うが、これら情報は、例えば電圧・電流を表す信号値の物理的な値、０又は１で構成される２進数のビット集合体としての信号値の高低、又は量子的な重ね合わせ（いわゆる量子ビット）によって表され、広義の回路上で通信・演算が実行されうる。

【0014】

さらに、広義の回路とは、回路（Ｃｉｒｃｕｉｔ）、回路類（Ｃｉｒｃｕｉｔｒｙ）、プロセッサ（Ｐｒｏｃｅｓｓｏｒ）、及びメモリ（Ｍｅｍｏｒｙ）等を少なくとも適当に組み合わせることによって実現される回路である。すなわち、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））等を含むものである。

【0015】

１．ハードウェア構成
第１節では、本実施形態のハードウェア構成について説明する。

【0016】

１－１．情報処理システム１００
図１は、情報処理システム１００を表す構成図である。情報処理システム１００は、情報処理装置２００と、端末３００と、心電計４００とを備え、これらがネットワークを通じて接続されている。これらの構成要素についてさらに説明する。ここで、情報処理システム１００に例示されるシステムとは、１つ又はそれ以上の装置又は構成要素からなるものである。したがって、例えば、情報処理装置２００単体であっても情報処理システム１００に例示されるシステムになりうる。

【0017】

１－２．情報処理装置２００
図２は、情報処理装置２００のハードウェア構成を示すブロック図である。情報処理装置２００は、制御部２１０と、記憶部２２０と、通信部２５０とを有し、これらの構成要素が情報処理装置２００の内部において通信バス２６０を介して電気的に接続されている。各構成要素についてさらに説明する。

【0018】

制御部２１０は、情報処理装置２００に関連する全体動作の処理・制御を行う。制御部２１０は、例えば、不図示の中央処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）である。制御部２１０は、記憶部２２０に記憶された所定のプログラムを読み出すことによって、情報処理装置２００に係る種々の機能を実現する。すなわち、記憶部２２０に記憶されているソフトウェアによる情報処理が、ハードウェアの一例である制御部２１０によって具体的に実現されることで、制御部２１０に含まれる各機能部として実行されうる。これらについては、第２節においてさらに説明する。なお、制御部２１０は単一であることに限定されず、機能ごとに複数の制御部２１０を有するように実施してもよい。またそれらの組み合わせであってもよい。

【0019】

記憶部２２０は、情報処理装置２００の情報処理に必要な様々な情報を記憶する。これは、例えば、制御部２１０によって実行される情報処理装置２００に係る種々のプログラム等を記憶するソリッドステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等のストレージデバイスとして、あるいは、プログラムの演算に係る一時的に必要な情報（引数、配列等）を記憶するランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＲＡＭ）等のメモリとして実施されうる。また、これらの組み合わせであってもよい。

【0020】

通信部２５０は、ＵＳＢ、ＩＥＥＥ１３９４、Ｔｈｕｎｄｅｒｂｏｌｔ（登録商標）、有線ＬＡＮネットワーク通信等といった有線型の通信手段が好ましいものの、無線ＬＡＮネットワーク通信、５Ｇ／ＬＴＥ／３Ｇ等のモバイル通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）通信等を必要に応じて含めてもよい。すなわち、これら複数の通信手段の集合として実施することがより好ましい。すなわち、情報処理装置２００は、通信部２５０を介して、端末３００とネットワークを介して種々の情報を通信する。

【0021】

１－３．端末３００
図３は、端末３００のハードウェア構成を示すブロック図である。端末３００は、制御部３１０と、記憶部３２０と、表示部３３０と、入力部３４０と、通信部３５０とを有し、これらの構成要素が端末３００の内部において通信バス３６０を介して電気的に接続されている。制御部３１０、記憶部３２０及び通信部３５０の説明は、情報処理装置２００における制御部２１０、記憶部２２０及び通信部２５０の説明と略同様のため省略する。なお、端末３００は、例えば、デスクトップパソコン、ノートパソコン、スマートフォン、タブレット端末等であってもよい。

【0022】

表示部３３０は、端末３００の筐体に含まれるものであってもよいし、外付けされるものであってもよい。表示部３３０は、ユーザが操作可能なグラフィカルユーザインターフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ：ＧＵＩ）の画面を表示する。これは例えば、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ及びプラズマディスプレイ等の表示デバイスを、端末３００の種類に応じて使い分けて実施することが好ましい。以下では、表示部３３０は、端末３００の筐体に含まれるものとして説明する。

【0023】

入力部３４０は、端末３００の筐体に含まれるものであってもよいし、外付けされるものであってもよい。例えば、入力部３４０は、表示部３３０と一体となってタッチパネルとして実施されてもよい。タッチパネルであれば、ユーザは、タップ操作、スワイプ操作等を入力することができる。もちろん、タッチパネルに代えて、スイッチボタン、マウス、ＱＷＥＲＴキーボード等を採用してもよい。すなわち、入力部３４０は、ユーザによってなされた操作入力を受け付ける。当該入力は、命令信号として、通信バス３６０を介して制御部３１０に転送される。そして、制御部３１０は、必要に応じて所定の制御や演算を実行しうる。

【0024】

１．４ 心電計４００
心電計４００は、心臓の拍動に伴う心筋細胞の活動電位の時間的変動に係るデータを心電図データとして取得するように構成される。心電計４００は、例えば、１２誘導心電計、心電計機能付きのウェアラブル端末等であってもよく、用途によって、ベクトル心電計、長時間記録心電計、体表面電位計、自動心電計等が適宜選択されればよい。

【0025】

心電計４００は、情報処理装置２００における通信部２５０とネットワークを介して接続され、取得した心電図データを情報処理装置２００に転送可能に構成される。なお、心電計４００は、通信部を有していなくてもよい。この場合、取得された心電図データは、メモリーカード等の記録媒体に記録され、当該記録媒体から端末３００に転送され、端末３００から情報処理装置２００に転送されてもよい。

【0026】

２．機能構成
第２節では、本実施形態の機能構成について説明する。前述の通り、記憶部２２０に記憶されているソフトウェアによる情報処理がハードウェアの一例である制御部２１０によって具体的に実現されることで、制御部２１０に含まれる各機能部として実行されうる。

【0027】

図４は、情報処理装置２００（制御部２１０）によって実現される機能を示すブロック図である。上記のように、情報処理装置２００（情報処理システム）は、制御部２１０を備える。具体的には、情報処理装置２００（制御部２１０）は、本実施形態のプログラムの各ステップを実行するように構成される。情報処理装置２００（制御部２１０）は、本実施形態のプログラムの各ステップに対応して、取得部２１１と、算出部２１２と、出力部２１３とを備える。ここで、本実施形態のプログラムは、取得ステップと、算出ステップと、出力ステップとを情報処理装置２００等のコンピュータに実行させるように構成される。

【0028】

取得部２１１は、種々の情報を取得するように構成される。取得部２１１は、取得ステップを実行するように構成される。例えば、取得部２１１は、第１被検体の第１心電図データを心電計４００から取得する。

【0029】

算出部２１２は、種々の情報を算出するように構成される。算出部２１２は、算出ステップを実行するように構成される。例えば、算出部２１２は、取得された第１心電図データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックス（以下「ＨＦｐＥＦのインデックス」ともいう。）を算出する。当該参照情報は、第１被検体とは異なる第２被検体の第２心電図データと、当該インデックスとの関係を示す情報である。

【0030】

ここで、左室駆出率による心不全の表現型は、ＨＦｐＥＦ、ＨＦｒＥＦ、ＨＦｍｒＥＦの３つに分類される。ＨＦｐＥＦ（ｈｅａｒｔ ｆａｉｌｕｒｅ ｗｉｔｈ ｐｒｅｓｅｒｖｅｄ ｅｊｅｃｔｉｏｎ ｆｒａｃｔｉｏｎ）は、左室駆出率の保たれた心不全として定義され、左室駆出率が５０％以上と定義される。ＨＦｒＥＦ（ｈｅａｒｔ ｆａｉｌｕｒｅ ｗｉｔｈ ｒｅｄｕｃｅｄ ｅｊｅｃｔｉｏｎ ｆｒａｃｔｉｏｎ）は、左室駆出率の低下した心不全として定義され、左室駆出率が４０％未満と定義される。ＨＦｍｒＥＦ（ｈｅａｒｔ ｆａｉｌｕｒｅ ｗｉｔｈ ｍｉｄ－ｒａｎｇｅ ｅｊｅｃｔｉｏｎ ｆｒａｃｔｉｏｎ）は、左室駆出率が軽度低下した心不全として定義され、左室駆出率が４０％以上５０％未満と定義される。

【0031】

出力部２１３は、種々の情報を出力するように構成される。出力部２１３は、出力ステップを実行するように構成される。例えば、出力部２１３は、算出されたインデックスを端末３００に出力する。

【0032】

３．情報処理方法
第３節では、前述した情報処理装置２００により実行される情報処理方法の流れについて説明する。この情報処理方法は、本実施形態のプログラムの各ステップを備える。この情報処理方法は、取得ステップと、算出ステップと、出力ステップとを備える。取得ステップでは、第１被検体の第１心電図データを取得する。算出ステップでは、取得された第１心電図データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックスを算出する。参照情報は、第２被検体の第２心電図データと、当該インデックスとの関係を示す情報である。出力ステップでは、算出されたインデックスを出力する。

【0033】

図５は、情報処理装置２００によって実行される情報処理方法の流れを示すアクティビティ図である。以下、このアクティビティ図の各アクティビティに沿って、説明するものとする。

【0034】

心電計４００は、任意の被検体である第１被検体の第１心電図データを取得する（アクティビティＡ１１０）。

【0035】

第１心電図データは、１～５０拍から構成されてもよい。具体的には、第１心電図データは、１，２，３，４，５，６，７，８，９，１０，１１，１２，１３，１４，１５，１６，１７，１８，１９，２０，２１，２２，２３，２４，２５，２６，２７，２８，２９，３０，３１，３２，３３，３４，３５，３６，３７，３８，３９，４０，４１，４２，４３，４４，４５，４６，４７，４８，４９，５０拍から構成され、ここで例示した数値の何れか２つの間の範囲内であってもよい。好ましくは、第１心電図データは、１～２拍から構成される。このように、情報処理装置２００は、少ないデータ量であっても、ＨＦｐＥＦのインデックスを算出して出力することができる。したがって、第１心電図データの取得に要する時間を短縮することができる。

【0036】

第１心電図データは、５～３００秒間における波形から構成されてもよい。具体的には例えば、５，１０，１５，２０，２５，３０，３５，４０，４５，５０，５５，６０，６５，７０，７５，８０，８５，９０，９５，１００，１０５，１１０，１１５，１２０，１２５，１３０，１３５，１４０，１４５，１５０，１５５，１６０，１６５，１７０，１７５，１８０，１８５，１９０，１９５，２００，２０５，２１０，２１５，２２０，２２５，２３０，２３５，２４０，２４５，２５０，２５５，２６０，２６５，２７０，２７５，２８０，２８５，２９０，２９５，３００秒間における波形から構成され、ここで例示した数値の何れか２つの間の範囲内であってもよい。好ましくは、第１心電図データは、５～１０秒間における波形から構成される。このように、情報処理装置２００は、少ないデータ量であっても、ＨＦｐＥＦのインデックスを算出して出力することができる。したがって、第１心電図データの取得に要する時間を短縮することができる。

【0037】

第１心電図データは、１２誘導のうち何れか１つの誘導に対応する電極から取得されたデータであってもよい。好ましくは、当該１つの誘導は、第１被検体の右手及び左手から取得された第Ｉ誘導である。このような態様によれば、容易に取得可能な第Ｉ誘導を用いることができる。したがって、第１心電図データの取得に伴う第１被検体の負担の増大を抑制することができる。

【0038】

続いて、心電計４００は、取得した第１心電図データを、ネットワークを介して情報処理装置２００に送信する（アクティビティＡ１２０）。

【0039】

続いて、情報処理装置２００における制御部２１０は、心電計４００から送信された第１心電図データを受信する（アクティビティＡ１３０）。ステップに換言すると、取得ステップでは、第１被検体の第１心電図データを取得する。アクティビティＡ１３０では、例えば、次の２段階の情報処理が実行される。（１）通信部２５０は、心電計４００から送信された第１心電図データを受信する。（２）制御部２１０は、受信された第１心電図データを記憶部２２０に記憶させる。

【0040】

続いて、情報処理装置２００における制御部２１０は、第１心電図データを前処理する（アクティビティＡ１４０）。ここで、前処理は、例えば、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、正規化等が挙げられ、これらを適宜組み合わせて実行される。好ましくは、前処理は、トレンド除去、運動アーチファクト除去、ノイズ除去、心拍ごとの波形データ切り出し、正規化の順番に実行される。アクティビティＡ１４０では、例えば、次の３段階の情報処理が実行される。（１）制御部２１０は、第１心電図データ及び所定のパラメータを記憶部２２０から読み出す。（２）制御部２１０は、第１心電図データの生データに所定のパラメータを適用し、第１心電図データを前処理する。（３）制御部２１０は、前処理後の第１心電図データを記憶部２２０に記憶させる。アクティビティＡ１４０によれば、第１心電図データに含まれるノイズを除去することで、ＨＦｐＥＦのインデックスの精度を向上させることができる。

【0041】

続いて、情報処理装置２００における制御部２１０は、第１被検体の第１臨床データを読み出す（アクティビティＡ１５０）。ここで、第１臨床データは、年齢、性別、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ：ボディマス指数）、ＰＷＴＴ（Ｐｕｌｓｅ Ｗａｖｅ Ｔｒａｎｓｉｔ Ｔｉｍｅ：脈波伝播時間）、血圧、心拍数、ＳＤＮＮ（Ｓｔａｎｄａｒｄ Ｄｅｖｉａｔｉｏｎ Ｏｆ Ｔｈｅ ＮＮ Ｉｎｔｅｒｖａｌ：正常心拍間隔の標準偏差）、ＣＶＲＲ（Ｃｏｅｆｆｉｃｉｅｎｔ Ｏｆ Ｖａｒｉａｔｉｏｎ Ｏｆ ＲＲ Ｉｎｔｅｒｖａｌ：ＲＲ間隔変動係数）、心房細動及びＨＲＶ（Ｈｅａｒｔ Ｒａｔｅ Ｖａｒｉａｂｉｌｉｔｙ：心拍変動）のうちの少なくとも１つを含むデータであればよい。後述する第２臨床データも同様である。アクティビティＡ１５０では、例えば、次の情報処理が実行される。制御部２１０は、当該第１臨床データを記憶部２２０から読み出す。アクティビティＡ１５０によれば、第１心電図データに加えて第１臨床データを用いることにより、ＨＦｐＥＦのインデックスの精度を向上させることができる。

【0042】

続いて、情報処理装置２００における制御部２１０は、第１被検体の第１心電図データと、第１被検体の第１臨床データと、参照情報とに基づいて、ＨＦｐＥＦのインデックスを算出する（アクティビティＡ１６０）。ステップに換言すると、算出ステップでは、第１心電図データと、第１被検体の第１臨床データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックスを算出する。ＨＦｐＥＦのインデックスは、ＨＦｐＥＦを発症している確率、当該確率から算出される期待値、当該期待値を所定範囲にスケール化した情報など、ＨＦｐＥＦの検知に有用な情報として提示されるものであればよい。アクティビティＡ１６０では、例えば、次の３段階の情報処理が実行される。（１）制御部２１０は、前処理された第１心電図データと、参照情報とを記憶部２２０からさらに読み出す。（２）制御部２１０は、前処理された第１心電図データと、第１臨床データとを参照情報に入力し、ＨＦｐＥＦのインデックスを算出する。（３）制御部２１０は、算出されたＨＦｐＥＦのインデックスを記憶部２２０に記憶させる。

【0043】

ここで、参照情報は、第２被検体の第２心電図データと、第２被検体の第２臨床データと、ＨＦｐＥＦのインデックスとの関係を示す情報である。好ましくは、参照情報は、当該第２心電図データと、当該第２臨床データと、ＨＦｐＥＦのインデックスとの関係を学習させた学習済モデルである。このような学習済モデルを用いることにより、ＨＦｐＥＦの検知の精度をさらに向上させることができる。

【0044】

ここで、第２被検体は、ＨＦｐＥＦを発症しているが心不全の自覚症状が無い被検体を含む。すなわち、本実施形態の学習済モデルは、ＨＦｐＥＦの発症により心不全の自覚症状がある被検体（ＮＹＨＡ分類「ＩＩ度」から「ＩＶ度」の被検体）の心電図データだけではなく、過去にＨＦｐＥＦを発症して心不全の自覚症状があったが現在は心不全の自覚症状が無い被検体（現在はＮＹＨＡ分類「Ｉ度」の被検体）の心電図データも学習している。つまり、本実施形態の学習済モデルは、ＨＦｐＥＦに関する多様な心電図データを学習している。したがって、超音波検査を施行しても診断が難しい初期のＨＦｐＥＦであっても、ＨＦｐＥＦのインデックスが出力されるため、ＨＦｐＥＦのスクリーニングの際に有用な情報として提示することができる。このような態様によれば、ＮＹＨＡ分類「Ｉ度」の患者、又は初回のＨＦｐＥＦを発症し始めた患者のように自覚症状が無い患者であっても、ＨＦｐＥＦをより正確に検知することができる。

【0045】

続いて、情報処理装置２００における制御部２１０は、端末３００で視認可能な情報として、ＨＦｐＥＦのインデックスに係る視覚情報（以下単に「視覚情報」ともいう。）を生成する（アクティビティＡ１７０）。アクティビティＡ１７０では、例えば、次の３段階の情報処理が実行される。（１）制御部２１０は、ＨＦｐＥＦのインデックスを記憶部２２０から読み出す。（２）制御部２１０は、生成処理を実行し、当該視覚情報を生成する。（３）制御部２１０は、当該視覚情報を記憶部２２０に記憶させる。

【0046】

続いて、情報処理装置２００における制御部２１０は、ＨＦｐＥＦのインデックスに係る視覚情報を端末３００に送信する（アクティビティＡ１８０）。ステップに換言すると、出力ステップでは、算出されたインデックスを出力する。アクティビティＡ１８０では、例えば、次の２段階の情報処理が実行される。（１）制御部２１０は、当該視覚情報を記憶部２２０から読み出す。（２）制御部２１０は、通信部２５０を介して、当該視覚情報を端末３００に送信する。

【0047】

続いて、端末３００における制御部３１０は、情報処理装置２００から送信された視覚情報を受信する（アクティビティＡ１９０）。アクティビティＡ１９０では、例えば、次の２段階の情報処理が実行される。（１）通信部３５０は、情報処理装置２００から送信された視覚情報を受信する。（２）制御部３１０は、受信された視覚情報を記憶部３２０に記憶させる。

【0048】

続いて、端末３００における制御部３１０は、表示部３３０にＨＦｐＥＦのインデックスを表示させる（アクティビティＡ２００）。アクティビティＡ２００では、例えば、次の２段階の情報処理が実行される。（１）制御部３１０は、受信された視覚情報を記憶部３２０から読み出す。（２）制御部３１０は、通信バス３６０を介して、視覚情報を表示部３３０に入力する。（３）表示部３３０は、ＨＦｐＥＦのインデックスを表示する。

【0049】

４．表示例
第４節では、ＨＦｐＥＦのインデックスの表示例について説明する。

【0050】

図６は、端末３００の表示部３３０に表示された内容を示す図である。表示部３３０は、ＨＦｐＥＦのインデックスに加えて、ＨＦｒＥＦのインデックスを表示し、さらに、ＨＦＥＦのインデックスを表示している。ここで、ＨＦＥＦのインデックスは、心不全の各表現型をまとめた概念として、左室駆出率の期待値に応じたインデックスを示す。図６では、ＨＦＥＦのインデックスは、ＨＦｐＥＦ及びＨＦｒＥＦのそれぞれの確率を用いて算出されており、さらにＨＦｍｒＥＦの確率を用いて算出されてもよい。すなわち、図６では、アクティビティＡ１６０において、算出ステップでは、ＨＦｐＥＦ以外の表現型であるＨＦｒＥＦ及びＨＦｍｒＥＦの少なくとも一方に応じたインデックス、及び、左室駆出率の期待値に応じたインデックスをさらに算出している。

【0051】

表示部３３０に表示された各インデックスは、０から１００までの範囲に設定されている。ＨＦｐＥＦのインデックスは、０に近いほどＨＦｐＥＦのリスクが低く、１００に近いほどＨＦｐＥＦのリスクが高いことを示している。ＨＦｒＥＦのインデックスは、同様に、０に近いほどＨＦｒＥＦのリスクが低く、１００に近いほどＨＦｒＥＦのリスクが高いことを示している。ＨＦＥＦのインデックスは、心不全時の左室駆出率の度合いを推定するものであり、０に近いほど心不全時の左室駆出率が高く、１００に近いほど心不全の左室駆出率が低いことを示している。すなわち、ＨＦＥＦのインデックスは、第１被検体が心不全を発症している患者である場合に算出・表示されるインデックスである。

【0052】

図６では、ＨＦＥＦのインデックスが「５０」であるため、心不全の左室駆出率の度合いが中程度であることを示している。また、ＨＦｐＥＦのインデックスが「５５」に対し、ＨＦｒＥＦのインデックスが「２０」であり、ＨＦｐＥＦのインデックスの方が高いため、ＨＦｒＥＦを発症している傾向よりもＨＦｐＥＦを発症している傾向の方が強いことが分かる。そこで、図６の表示部３３０では、心電図データの測定結果として、「ＨＦｐＥＦの傾向があるようです。」と表示された。このような態様によれば、心不全の各表現型のリスクを提示することができる。

【0053】

このような態様によれば、特に診断が難しいＨＦｐＥＦを早期に検知することができる。また、簡単な構成のため、節約されたリソースを他の中核機能に使用することができる。

【0054】

以上、本発明の実施形態について説明したが、本発明はこれに限定されることなく、その発明の技術的思想を逸脱しない範囲で適宜変更可能である。

【0055】

５．変形例
第５節では、本実施形態の変形例について説明する。

【0056】

本実施形態の態様は、記録媒体であってもよい。この記録媒体は、コンピュータが読み取り可能な非一時的な記録媒体である。この記録媒体は、本実施形態のプログラムを記録している。

【0057】

制御部２１０は、各種データ及び各種情報について記憶部２２０に書き出し処理（記憶処理）及び読み出し処理をしているが、これに限られず、例えば、制御部２１０内のレジスタやキャッシュメモリ等を使用して、各アクティビティの情報処理を実行してもよい。

【0058】

出力部２１３による出力は、インデックスに係る視覚情報を端末３００に送信処理することに限られることはなく、例えば、情報処理装置２００の表示デバイスに表示することとしてもよい。

【0059】

インデックスの範囲は、０から１００の範囲に限られず、例えば、０から１の範囲であってもよいし、０から１０の範囲であってもよく、適宜設定されればよい。また、各インデックスは、重み付けの程度を適宜設定可能であり、値を逆にしてもよい。例えば、ＨＦＥＦのインデックスでは、０に近いほど心不全時の左室駆出率が低く、１００に近いほど心不全時の左室駆出率が高いことを示してもよい。

【0060】

参照情報は、学習済モデルに限られることはなく、ルックアップテーブル等を格納するデータベース、ある変数に依存して決まる値の対応を表す関数、複数の情報を数学的に関係づけた数理モデル等であってもよい。

【0061】

心電計４００は、端末３００を経由して情報処理装置２００と通信可能に構成されてもよい。この場合、心電計４００は、端末３００における通信部３５０とネットワークを介して接続されてもよいし、端末３００と直接接続する態様であってもよい。

【0062】

出力部２１３は、ＨＦｐＥＦのインデックスに加えて、他の項目をさらに出力するように構成されてもよい。例えば、出力部２１３は、第１被検体の採血結果をさらに出力してもよい。

【0063】

参照情報は、第２被検体の臨床データとは関係なく、第２被検体の第２心電図データと、ＨＦｐＥＦのインデックスとの関係を示す情報であってもよい。この場合、参照情報は、当該第２心電波形と、当該インデックスとの関係を学習させた学習済みモデルであってもよい。

【0064】

出力部２１３は、心不全の表現型のインデックスとして、ＨＦｐＥＦのインデックスのみが表示されてもよい。すなわち、アクティビティＡ１６０に示すように、ＨＦｐＥＦのインデックスのみが算出されてもよい。このような態様によれば、ＨＦｐＥＦかどうかを確認したい場合における視認性を向上させることができる。

【0065】

第１心電図データは、第Ｉ誘導を用いるものに限られず、他の誘導を用いるものであってもよい。また、第１心電図データは、複数の誘導を用いるものであってもよい。使用する誘導が多いほど、インデックスの精度が向上しうる。このような態様によれば、手軽に心電図データを取得可能であるとともに、目的に応じて使用する誘導の数を調整することができる。

【0066】

６．その他
次に記載の各態様で提供されてもよい。

【0067】

（１）プログラムであって、取得ステップと、算出ステップと、出力ステップとをコンピュータに実行させるように構成され、前記取得ステップでは、第１被検体の第１心電図データを取得し、前記算出ステップでは、前記第１心電図データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックスを算出し、前記参照情報は、第２被検体の第２心電図データと、前記インデックスとの関係を示す情報であり、前記出力ステップでは、算出された前記インデックスを出力する、プログラム。

【0068】

このような態様によれば、ＨＦｐＥＦを早期に検知することができる。また、簡単な構成のため、節約されたリソースを他の中核機能に使用することができる。

【0069】

（２）上記（１）に記載のプログラムにおいて、前記参照情報は、前記第２心電図データと、前記インデックスとの関係を学習させた学習済モデルである、プログラム。

【0070】

このような態様によれば、ＨＦｐＥＦの検知の精度を向上させることができる。

【0071】

（３）上記（１）又は（２）に記載のプログラムにおいて、前記第２被検体は、前記ＨＦｐＥＦを発症しているが心不全の自覚症状が無い被検体を含む、プログラム。

【0072】

このような態様によれば、ＮＹＨＡ分類「Ｉ度」の患者、又は初回のＨＦｐＥＦを発症し始めた患者のように自覚症状がない患者であっても、ＨＦｐＥＦをより正確に検知することができる。

【0073】

（４）上記（１）から（３）までの何れか１つに記載のプログラムにおいて、前記第１心電図データは、１２誘導のうち何れか１つの誘導に対応する電極から取得されたデータである、プログラム。

【0074】

このような態様によれば、手軽に心電図データを取得することができる。

【0075】

（５）上記（４）に記載のプログラムにおいて、前記１つの誘導は、前記第１被検体の右手及び左手から取得された第Ｉ誘導である、プログラム。

【0076】

このような態様によれば、容易に取得可能な第Ｉ誘導を用いることができる。

【0077】

（６）上記（１）から（５）までの何れか１つに記載のプログラムにおいて、前記算出ステップでは、前記第１心電図データと、前記第１被検体の第１臨床データと、前記参照情報とに基づいて、前記インデックスを算出し、前記参照情報は、前記第２心電図データと、前記第２被検体の第２臨床データと、前記インデックスとの関係を示す情報である、プログラム。

【0078】

このような態様によれば、ＨＦｐＥＦの検知の精度をより向上させることができる。

【0079】

（７）上記（６）に記載のプログラムにおいて、前記参照情報は、前記第２心電図データと、前記第２臨床データと、前記インデックスとの関係を学習させた学習済モデルである、プログラム。

【0080】

このような態様によれば、ＨＦｐＥＦの検知の精度をさらに向上させることができる。

【0081】

（８）上記（１）から（７）までの何れか１つに記載のプログラムにおいて、前記算出ステップでは、前記ＨＦｐＥＦ以外の前記表現型であるＨＦｒＥＦ及びＨＦｍｒＥＦの少なくとも一方に応じたインデックスをさらに算出する、プログラム。

【0082】

このような態様によれば、心不全の各表現型のリスクを提示することができる。

【0083】

（９）上記（１）から（８）までの何れか１つに記載のプログラムにおいて、前記算出ステップでは、前記左室駆出率の期待値に応じたインデックスをさらに算出する、プログラム。

【0084】

このような態様によれば、心不全のリスクの一覧性を向上させることができる。

【0085】

（１０）情報処理方法であって、上記（１）から（９）までの何れか１つに記載のプログラムの各ステップを備える、情報処理方法。

【0086】

このような態様によれば、ＨＦｐＥＦを早期に検知することができる。また、簡単な構成のため、節約されたリソースを他の中核機能に使用することができる。

【0087】

（１１）情報処理システムであって、制御部を備え、前記制御部は、上記（１）から（９）までの何れか１つに記載のプログラムの各ステップを実行するように構成される、情報処理システム。

【0088】

このような態様によれば、ＨＦｐＥＦを早期に検知することができる。また、簡単な構成のため、節約されたリソースを他の中核機能に使用することができる。
もちろん、この限りではない。

【符号の説明】

【0089】

１００ ：情報処理システム
２００ ：情報処理装置
２１０ ：制御部
２１１ ：取得部
２１２ ：算出部
２１３ ：出力部
２２０ ：記憶部
２５０ ：通信部
２６０ ：通信バス
３００ ：端末
３１０ ：制御部
３２０ ：記憶部
３３０ ：表示部
３４０ ：入力部
３５０ ：通信部
３６０ ：通信バス
４００ ：心電計

【要約】

【課題】ＨＦｐＥＦを早期に検知可能なプログラム、情報処理方法及び情報処理システム等を提供する。
【解決手段】本発明の一態様によれば、プログラムが提供される。このプログラムは、取得ステップと、算出ステップと、出力ステップとをコンピュータに実行させるように構成される。取得ステップでは、第１被検体の第１心電図データを取得する。算出ステップでは、第１心電図データと、参照情報とに基づいて、左室駆出率により分類される心不全の表現型の１つであるＨＦｐＥＦに応じたインデックスを算出する。参照情報は、第２被検体の第２心電図データと、インデックスとの関係を示す情報である。出力ステップでは、算出されたインデックスを出力する。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】