特許 7660338 医用情報処理装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-04-03

(45)【発行日】2025-04-11

(54)【発明の名称】医用情報処理装置

(51)【国際特許分類】

   G16H 20/40 20180101AFI20250404BHJP

   A61B 6/00 20240101ALI20250404BHJP

   A61B 34/20 20160101ALI20250404BHJP

【ＦＩ】

G16H20/40

A61B6/00 520Z

A61B6/00 570

A61B34/20

【請求項の数】 7

(21)【出願番号】P 2019195769

(22)【出願日】2019-10-29

(65)【公開番号】P2021071736

(43)【公開日】2021-05-06

【審査請求日】2022-08-25

【審判番号】

【審判請求日】2024-05-24

(73)【特許権者】

【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】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】長江 亮一

(72)【発明者】

【氏名】佐々木 翔

(72)【発明者】

【氏名】阿部 真吾

(72)【発明者】

【氏名】竹元 久人

(72)【発明者】

【氏名】坂口 卓弥

(72)【発明者】

【氏名】重 文将

(72)【発明者】

【氏名】藤戸 智生

【合議体】

【審判長】佐藤 智康

【審判官】岡北 有平

【審判官】月野 洋一郎

(56)【参考文献】

【文献】米国特許出願公開第２０１９／０２２３９６１（ＵＳ，Ａ１）

【文献】特表２００８－５２０２７５号公報（ＪＰ，Ａ）

(57)【特許請求の範囲】

【請求項1】

手技の実施中に、医用画像を含む前記手技の進行に関連するデータを前記手技の進行に伴って時系列に順次取得するデータ取得部と、
前記データ取得部によって前記手技の実施中の異なるタイミングで取得された複数の手技の進行に関連するデータに基づいて、前記医用画像が取得される度に、前記手技に要する時間を算出する時間算出部と、
前記データ取得部によって前記手技の実施中の異なるタイミングで取得された前記複数の手技の進行に関連するデータに基づいて、実施中の前記手技の成否の可能性を判定する判定部と、
を備え、
前記手技の進行に関連するデータは、前記手技を実施する術者の熟練度を表す情報と前記手技の被検体の重症度を表す情報の少なくともいずれか一方を含む、
医用情報処理装置。

【請求項2】

前記複数の手技の進行に関連する前記データは、前記手技が施される被検体を撮像した医用画像を含む、
請求項１に記載の医用情報処理装置。

【請求項3】

前記医用画像は、Ｘ線画像である、
請求項２に記載の医用情報処理装置。

【請求項4】

前記手技の進行に関連するデータは、さらに、前記手技に関する手技情報、前記手技中に計測された計測データ、または前記手技に使用される機器に関する機器情報のうちの少なくとも１つを含む、
請求項１から３のいずれか１項に記載の医用情報処理装置。

【請求項5】

前記時間算出部によって算出された前記手技に要する時間を出力する出力部、をさらに含む、
請求項１から４のいずれか１項に記載の医用情報処理装置。

【請求項6】

前記判定部によって判定された前記手技の成否を出力する出力部、をさらに含む、
請求項１から５のいずれか１項に記載の医用情報処理装置。

【請求項7】

手技の実施中に、前記手技の進行に関連する医用画像を含むデータを前記手技の進行に伴って時系列に順次取得するデータ取得部と、
前記データ取得部によって前記手技の実施中の異なるタイミングで取得された複数の手技の進行に関連するデータに基づいて、前記医用画像が取得される度に実施中の前記手技の成否の可能性を判定する判定部と、を備え、
前記手技の進行に関連するデータは、前記手技を実施する術者の熟練度を表す情報と前記手技の被検体の重症度を表す情報の少なくともいずれか一方を含む、
医用情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、医用情報処理装置に関する。

【背景技術】

【0002】

従来、Ｘ線診断装置で被検体を撮像しながら手技を施すインターベンション治療等の技術が知られている。このような手技では、病変部位や形状に応じて難易度が大きく異なるため、医師等が手技に要する時間を予測することが困難な場合があった。このため、手技のスケジュールを立てることが難しく、医療従事者が次の患者のための手技の準備を計画的に行うことが困難な場合があった。

【先行技術文献】

【特許文献】

【0003】

【文献】米国特許出願公開第２０１９／０１１７０８７号明細書

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明が解決しようとする課題は、医療従事者が次の患者のための手技の準備を計画的に行うことを支援することである。

【課題を解決するための手段】

【0005】

実施形態に係る医用情報処理装置は、データ取得部と、時間算出部と、判定部とを備える。データ取得部は、手技の実施中に、医用画像を含む手技の進行に関連するデータを手技の進行に伴って時系列に順次取得する。時間算出部は、データ取得部によって手技の実施中の異なるタイミングで取得された複数の手技の進行に関連するデータに基づいて、医用画像が取得される度に、手技に要する時間を算出する。判定部は、データ取得部によって手技の実施中の異なるタイミングで取得された複数の手技の進行に関連するデータに基づいて、実施中の手技の成否の可能性を判定する。手技の進行に関連するデータは、手技を実施する術者の熟練度を表す情報と手技の被検体の重症度を表す情報の少なくともいずれか一方を含む。

【図面の簡単な説明】

【0006】

【図1】図１は、実施形態に係る医用情報処理システムの構成の一例を示すブロック図である。

【図2】図２は、実施形態に係る学習済みモデルの入力データおよび出力データの一例を示す図である。

【図3】図３は、実施形態に係る画像データおよび非画像データの一例を示す図である。

【図4】図４は、実施形態に係る手技の進行と共に変化する入力データと出力データの一例を示す図である。

【図5】図５は、実施形態に係る手技に要する時間と手技の成否の判定結果の表示の一例を示す図である。

【図6】図６は、実施形態に係る学習用画像データの一例を示す図である。

【図7】図７は、実施形態に係る学習用非画像データの一例を示す図である。

【図8】図８は、実施形態に係る学習済みモデルの生成手法の一例を示す図である。

【図9】図９は、実施形態に係る手技に要する時間の算出および手技の成否の判定の処理の流れの一例を示すフローチャートである。

【発明を実施するための形態】

【0007】

以下、図面を参照しながら、医用情報処理装置の実施形態について詳細に説明する。

【0008】

（実施形態）
図１は、本実施形態に係る医用情報処理システムＳの構成の一例を示すブロック図である。図１に示すように、医用情報処理システムＳは、Ｘ線診断装置１０と、端末装置３０とを備える。

【0009】

Ｘ線診断装置１０は、Ｘ線高電圧装置１１と、Ｘ線管１２と、Ｘ線絞り１３と、天板１４と、Ｃアーム１５と、Ｘ線検出器１６と、Ｃアーム回転・移動機構１７と、天板移動機構１８と、Ｃアーム・天板機構制御回路１９と、絞り制御回路２０と、処理回路２１と、入力インターフェース２２と、ディスプレイ２３ａ，２３ｂと、記憶回路２４とを有する。Ｘ線診断装置１０は、例えば、Ｘ線アンギオグラフィ（Angiography）装置である。また、本実施形態においては、Ｘ線診断装置１０は、医用情報処理装置の一例である。

【0010】

Ｘ線診断装置１０の構成のうち、Ｘ線高電圧装置１１と、Ｘ線管１２と、Ｘ線絞り１３と、天板１４と、Ｃアーム１５と、Ｘ線検出器１６と、Ｃアーム回転・移動機構１７と、天板移動機構１８と、Ｃアーム・天板機構制御回路１９と、絞り制御回路２０と、ディスプレイ２３ｂとは、検査室Ｒ１に設置される。

【0011】

また、処理回路２１と、入力インターフェース２２と、ディスプレイ２３ａと、記憶回路２４とは、例えば、操作室Ｒ２に設置される。

【0012】

検査室Ｒ１は、被検体（患者）Ｐに対して手技が施される部屋である。例えば、本実施形態においては、手技の一例として、医師等の術者が被検体Ｐ１に対してカテーテル治療を施すため、検査室Ｒ１は、カテーテル室ともいう。検査室Ｒ１では、医師等の術者や、その他の複数の医療スタッフが作業を行う。検査室Ｒ１は、本実施形態における被検体Ｐ１に対する手技が行われる空間の一例である。医療スタッフは、医師だけではなく、看護師または技師等を含む。本実施形態においては、術者とその他の医療スタッフを総称する場合、医療従事者という。

【0013】

また、操作室Ｒ２は、例えば、検査室Ｒ１に隣接する別室である。操作室Ｒ２では、技師等の操作者や、監督者等が入力インターフェース２２の操作、またはディスプレイ２３ａの参照等をする。監督者は、例えば、上級医である。なお、Ｘ線診断装置１０の構成が全て検査室Ｒ１に設置される構成を採用しても良い。

【0014】

また、図１に示すように、端末装置３０は、検査室Ｒ１および操作室Ｒ２の外に設けられる。例えば、端末装置３０は、術者や医療スタッフの控室等に設置されても良いし、各医療従事者の各々が携帯していても良い。端末装置３０は、例えば、ＰＣ（Personal Computer）、またはタブレット端末等であるが、これらに限定されるものではない。また、医用情報処理システムＳに含まれる端末装置３０の数は特に限定されるものではなく、１台でも良いし、複数でも良い。

【0015】

また、図１では端末装置３０は、有線ネットワークでＸ線診断装置１０と接続されるように記載されているが、端末装置３０は、無線ネットワークでＸ線診断装置１０と接続しても良い。

【0016】

また、Ｘ線高電圧装置１１は、処理回路２１による制御の下、高電圧を発生し、発生した高電圧をＸ線管１２に供給する高電圧電源である。

【0017】

Ｘ線管１２は、Ｘ線高電圧装置１１から供給される高電圧を用いて、Ｘ線を発生する。Ｘ線絞り１３は、絞り制御回路２０による制御の下、Ｘ線管１２が発生したＸ線を、被検体Ｐ１の関心領域（ＲＯＩ）に対して選択的に照射されるように絞り込む。

【0018】

天板１４は、被検体Ｐ１を載せるベッドであり、図示しない寝台装置の上に配置される。また、図示しない寝台装置は、Ｘ線診断装置１０に含まれるものとしても良いし、Ｘ線診断装置１０外としても良い。なお、寝台装置は、Ｘ線診断装置１０に含まれない場合でも、医用情報処理システムＳに含まれるものとしても良い。なお、被検体Ｐ１は、Ｘ線診断装置１０に含まれない。

【0019】

Ｘ線検出器１６は、被検体Ｐ１を透過したＸ線を検出し、検出結果を処理回路２１に送信する。

【0020】

Ｃアーム１５は、Ｘ線管１２、Ｘ線絞り１３およびＸ線検出器１６を保持する。Ｃアーム回転・移動機構１７は、支持器に設けられたモータなどを駆動することによって、Ｃアーム１５を回転および移動させるための機構である。天板移動機構１８は、天板１４を移動させるための機構である。例えば、天板移動機構１８は、アクチュエータが発生させた動力を用いて、天板１４を移動させる。

【0021】

Ｃアーム・天板機構制御回路１９は、処理回路２１による制御の下、Ｃアーム回転・移動機構１７および天板移動機構１８を制御することで、Ｃアーム１５の回転や移動、天板１４の移動を調整する。絞り制御回路２０は、処理回路２１による制御の下、Ｘ線絞り１３が有する絞り羽根の開度を調整することで被検体Ｐ１に対して照射されるＸ線の照射範囲を制御する。

【0022】

入力インターフェース２２は、トラックボール、スイッチボタン、マウス、キーボード、タッチパッド等や、Ｘ線の照射などを行うためのフットスイッチ等によって実現される。入力インターフェース２２は、処理回路２１に接続されており、操作者から受け付けた入力操作を電気信号へ変換し処理回路２１へと出力する。

【0023】

ディスプレイ２３ａ，２３ｂは、操作者の指示を受け付けるためのＧＵＩ（Graphical User Interface）や、処理回路２１によって生成された種々の画像を表示する。本実施形態においては、ディスプレイ２３ａ，２３ｂは、後述する学習済みモデルから出力された手技に要する時間を表示する。

【0024】

より詳細には、ディスプレイ２３ａは、例えば、検査室Ｒ１の天井から吊り下げされて設置される。ディスプレイ２３ａは、１画面に限らず、複数の画面を備えるものでも良い。ディスプレイ２３ａは、検査室内ディスプレイともいう。

【0025】

また、ディスプレイ２３ｂは、操作室Ｒ２に設置される。ディスプレイ２３ｂは、操作室内ディスプレイともいう。ディスプレイ２３ｂの台数は特に限定されるものではなく、１台でも良いし、複数台でも良い。以下、ディスプレイ２３ａ，２３ｂを特に区別しない場合は単にディスプレイ２３という。

【0026】

また、Ｘ線診断装置１０においては、各処理機能がコンピュータによって実行可能なプログラムの形態で記憶回路２４へ記憶されている。Ｃアーム・天板機構制御回路１９、絞り制御回路２０、および処理回路２１は、記憶回路２４からプログラムを読み出して実行することで各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の各回路は、読み出したプログラムに対応する機能を有することとなる。

【0027】

記憶回路２４は、図１に示す各回路によって読み出されて実行される各種機能に対応するプログラムを記憶する。また、記憶回路２４は、処理回路２１で実行された各種の処理のログを記憶する。記憶回路２４は、例えば、ＲＡＭ（Random Access Memory）、またはフラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。記憶回路２４は、記憶部の一例である。

【0028】

処理回路２１は、データ取得機能２１１と、学習済みモデル運用機能２１２と、出力機能２１３と、受付機能２１４と、撮像機能２１５と、学習データ生成機能２１６と、学習機能２１７とを有する。データ取得機能２１１は、データ取得部の一例である。学習済みモデル運用機能２１２は、学習済みモデル運用部の一例である。また、学習済みモデル運用機能２１２は、時間算出機能と、判定機能とを有する。時間算出機能は、時間算出部の一例である。判定機能は、判定部の一例である。出力機能２１３は、出力部の一例である。受付機能２１４は、受付部の一例である。撮像機能２１５は、撮像部の一例である。学習データ生成機能２１６は、学習データ生成部の一例である。学習機能２１７は、学習部の一例である。

【0029】

また、データ取得機能２１１によって実行される処理をデータ取得ステップという。学習済みモデル運用機能２１２によって実行される処理を、学習済みモデル運用ステップ、時間算出ステップ、または判定ステップという。出力機能２１３によって実行される処理を、出力ステップという。受付機能２１４によって実行される処理を、受付ステップという。撮像機能２１５によって実行される処理を、撮像ステップという。学習データ生成機能２１６によって実行される処理を、学習データ生成ステップという。学習機能２１７によって実行される処理を学習ステップという。

【0030】

なお、図１においては、単一の処理回路２１にて、データ取得機能２１１、学習済みモデル運用機能２１２、出力機能２１３、受付機能２１４、撮像機能２１５、学習データ生成機能２１６、および学習機能２１７の各処理機能が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路２１を構成し、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても良い。

【0031】

上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ(Graphics Processing Unit)、或いは、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）、およ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。なお、記憶回路２４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、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。

【0032】

データ取得機能２１１は、手技の実施中に、手技の進行に関連するデータを順次取得する。

【0033】

手技の進行に関連するデータは、画像データ（Image data）と、非画像データ（Non-Image data）とを含む。

【0034】

本実施形態における画像データは、手技が施される被検体Ｐ１を撮像した医用画像である。より具体的には、本実施形態における画像データは、Ｘ線診断装置１０によって撮像されたＸ線画像である。

【0035】

また、本実施形態における非画像データは、手技に関する手技情報、被検体Ｐ１に関する被検体情報、手技を行う術者に関する術者情報、手技中に計測された計測データ、または手技に使用される機器に関する機器情報のうちの少なくとも１つを含む。本実施形態における非画像データは、非画像の情報の一例である。

【0036】

手技情報は、例えば、手技の種類である。手技の種類は、具体的には、手技の実施の際にＸ線診断装置１０で実行されるプロトコルまたはプログラムの種類である。例えば、プロトコルは、治療対象部位ごとに定められた処理の手順である。また、プログラムは、各プロトコルで実行される処理であり、一例として、ＤＳＡ（Digital Subtraction Angiography）等のスキャンステップを実行するプログラムである。

【0037】

また、手技情報は、手技の難易度を表す情報であっても良い。また、手技情報は、アプローチの種類を表す情報でも良い。手技のアプローチは、例えば、アンテグレードアプローチ、またはレトログレードアプローチである。

【0038】

被検体Ｐ１に関する被検体情報は、例えば、被検体Ｐ１の病状の重症度、被検体Ｐ１の年齢、被検体Ｐ１の性別等に関する情報である。また、被検体情報は、被検体Ｐ１の患部の状態を表す情報であっても良い。被検体Ｐ１の患部の状態を表す情報は、例えば、側副血行路（コラテラル、collateral flow）の形成状況等である。

【0039】

手技を行う術者に関する術者情報は、例えば、術者の熟練度を表す情報である。例えば、術者情報は、“若手”、“ベテラン”、“指導医”などの熟練度に応じたカテゴリであっても良い。また、術者情報は、術者の熟練度を数値で表すものであっても良い。術者情報は、これに限定されるものではなく、熟練度以外の各種の情報を含むのでも良い。

【0040】

また、手技中に計測された計測データは、手技中における被検体Ｐ１の治療対象箇所の状態に関する計測結果である。例えば、手技がＣＴＯ（Chronic Total Occlusion）に対する経皮的冠動脈形成術（ＰＣＩ：Percutaneous Coronary Intervention）である場合、計測データは、冠動脈の閉塞箇所における測定結果である。計測データは、一例として、冠血流予備量比(FFR：Fractional Flow Reserve)の測定結果等である。

【0041】

手技に使用される機器に関する機器情報は、例えば、手技中に被検体Ｐ１を撮像するＸ線診断装置１０、または手技に使用されるデバイスに関する情報である。

【0042】

例えば、機器情報は、Ｘ線診断装置１０に含まれる可動機構の位置情報を含む。可動機構は、例えば、Ｃアーム１５または天板１４である。例えば、データ取得機能２１１は、Ｃアーム１５または天板１４の位置情報を、Ｃアーム・天板機構制御回路１９から取得する。例えば、手技におけるＣアーム１５の位置は、ワーキングアングルという。

【0043】

また、機器情報は、手技に使用されるアプリケーションの動作状態でも良い。例えば、術者が手技中にステントを血管内に留置する際に、Ｘ線診断装置１０のステント強調画像を生成するアプリケーションが実行される場合がある。機器情報は、このような手技中にＸ線診断装置１０で実行されるアプリケーションの実行の有無を表す情報でも良い。

【0044】

また、例えば、機器情報は、手技に使用されるデバイスに関する情報でも良い。手技に使用されるデバイスに関する情報は、例えば、手技に使用されるカテーテルの本数、またはカテーテルの種類などである。なお、デバイスは、カテーテルに限定されるものではなく、バルーンやステント等であっても良い。例えば、機器情報は、ステントの種類に関する情報でも良い。

【0045】

また、機器情報は、手技中のデバイスの動作状態を表す情報でも良い。例えば、機器情報は、手技中のバルーンの拡張時間でも良い。

【0046】

なお、非画像データは、上述の例に限定されるものではなく、その他の情報をさらに含むものであっても良い。データ取得機能２１１は、取得した画像データおよび非画像データを、学習済みモデル運用機能２１２に送出する。

【0047】

学習済みモデル運用機能２１２は、手技に要する時間を算出する時間算出機能と、手技の成否を判定する判定機能とを有する。

【0048】

例えば、学習済みモデル運用機能２１２は、データ取得機能２１１によって手技の実施中の異なるタイミングで取得された複数の画像データおよび複数の非画像データに基づいて、手技に要する時間を算出する。

【0049】

本実施形態においては、手技に要する時間は、手技の終了までの残り時間とする。手技の終了は、手技の成功の場合と、手技の不成功による中止の場合とがある。なお、学習済みモデル運用機能２１２は、手技に要する時間として、手技の開始から終了までの時間を算出しても良い。

【0050】

また、学習済みモデル運用機能２１２は、データ取得機能２１１によって手技の実施中の異なるタイミングで取得された複数の画像データおよび複数の非画像データに基づいて、手技の成否を判定する。

【0051】

手技の成否は、“成功”または“不成功”のいずれかとする。また、本実施形態においては、手技の成功は手技の目的を達成することとする。手技の目的は、例えば冠動脈の血流の回復等であるが、手技によって異なる。また、手技の不成功は、例えば、術者が手技の継続を断念することによって手技が中止される場合等である。

【0052】

学習済みモデル運用機能２１２が判定する手技の成否は、継続中の手技の結果の推定結果である。つまり、学習済みモデル運用機能２１２が“成功”と判定するということは、“現在継続中の手技は、成功する可能性が高い”ということを意味する。また、学習済みモデル運用機能２１２が“不成功”と判定するということは、“現在継続中の手技は、不成功の結果になる可能性が高い”ということを意味する。

【0053】

より詳細には、学習済みモデル運用機能２１２は、記憶回路２４から学習済みモデルを読み出し、データ取得機能２１１によって取得された画像データおよび非画像データを該学習済みモデルに入力することにより、手技に要する時間と、手技の成否の判定結果とを学習済みモデルに出力させる。

【0054】

手技に要する時間と、手技の成否の判定結果とは、本実施形態の学習済みモデルの出力データである。

【0055】

図２は、本実施形態に係る学習済みモデル９０の入力データおよび出力データ８０の一例を示す図である。図２に示すように、学習済みモデル９０は、画像データ７１および非画像データ７２が入力された場合に、これらの入力データに対応する手技に要する時間と手技の成否の判定結果とを、出力データ８０として出力する。

【0056】

学習済みモデル９０は、例えば、ニューラルネットワーク等のディープラーニング（深層学習）によって生成された学習済みモデルである。学習済みモデル９０は、ニューラルネットワークおよび学習済みパラメータデータによって構成される。ディープラーニングの手法としては、例えば、再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）、ＬＳＴＭ(Long short-term memory)等を適用することができる。また、学習済みモデル９０は、その他の深層学習または機械学習によって生成されても良い。本実施形態においては、学習済みモデル９０は後述の学習機能２１７で生成されて記憶回路２４に記憶されているものとする。

【0057】

次に、本実施形態における学習済みモデル９０に入力される画像データ７１および非画像データ７２の詳細について説明する。

【0058】

図３は、本実施形態に係る画像データ７１および非画像データ７２の一例を示す図である。図３に示す複数の画像データ７１ａ～７１ｇおよび複数の非画像データ７２ａ～７２ｌは、データ取得機能２１１によって、手技の実施中の異なるタイミングで取得された画像データ７１および非画像データ７２である。

【0059】

具体的には、図３に示す複数の画像データ７１ａ～７１ｇは、手技がＣＴＯである場合に、手技の開始から終了までに撮像された複数のＸ線画像である。図３では、各画像データ７１が取得されたタイミングと、手技の開始からの経過時間とを対応付けて表示する。

【0060】

撮像された複数のＸ線画像からは、手技の進捗度合、手技の速度、成功の可能性等の情報が得られる。例えば、画像データ７１ａは、被検体Ｐ１の血管へのカテーテルの導入前に、Ｘ線診断装置１０が治療対象箇所の血管を造影撮像したＸ線画像である。また、画像データ７１ｂ～７１ｄは、術者によって被検体Ｐ１の血管に導入されたカテーテルが血管内を進行する様子が順次撮像されたＸ線画像である。図３に示す例では、画像データ７１ｄの状態になるまで６０分を要しているが、手技の速度は、術者の熟練度や被検体Ｐ１の重症度等によって異なる。

【0061】

また、画像データ７１ｅは、被検体Ｐ１の血管内でバルーンが拡張する様子が撮像されたＸ線画像である。また、画像データ７１ｆは、被検体Ｐ１の血管内に留置されたステントが撮像されたＸ線画像である。画像データ７１ｆのようにＸ線画像上にステントが描出されていれば、手技の進捗がステントの留置まで進んでいることが明らかになる。

【0062】

また、画像データ７１ｇは、カテーテル治療の最後に、再び被検体Ｐ１の治療対象箇所の血管を造影撮像したＸ線画像である。画像データ７１ａでは途中で閉塞していた血管が、画像データ７１ｇでは導通しており、手技が成功していることがわかる。

【0063】

以下、個々の画像データ７１ａ～７１ｇを区別しない場合は、単に画像データ７１という。また、個々の非画像データ７２ａ～７２ｌを区別しない場合は、単に非画像データ７２という。

【0064】

なお、手技中に撮像された全てのＸ線画像が画像データ７１として学習済みモデル９０に入力されても良いし、一定の時間ごとに最新のＸ線画像が画像データ７１として学習済みモデル９０に入力されても良い。一定の時間は、特に限定されるものではなく、例えば５分または１０分等である。あるいは、Ｘ線診断装置１０が、透視よりも高いＸ線量でＸ線画像を撮像する毎に、学習済みモデル運用機能２１２が該Ｘ線画像を学習済みモデル９０に入力しても良い。

【0065】

また、図３に示す複数の非画像データ７２ａ～７２ｌは、手技の進行に伴ってデータ取得機能２１１が順次取得した非画像データ７２である。

【0066】

学習済みモデル９０は、例えば、画像データ７１と、術者情報に表された術者の熟練度や、被検体Ｐ１の病状の重症度等の各種の非画像データ７２とに基づいて、手技に要する時間と、手技の成否の判定結果を推定する。

【0067】

また、データ取得機能２１１による非画像データ７２の取得元は特に限定されるものではないが、例えば、データ取得機能２１１は、被検体情報を外部の電子カルテシステム等から取得しても良い。また、データ取得機能２１１は、手技に用いられるプロトコル、プログラム、使用されるアプリケーションの動作状況等を、記憶回路２４に保存されたログから取得しても良い。また、データ取得機能２１１は、入力インターフェース２２から、操作者によって入力されたカテーテルの種類やアプローチの種類等を取得しても良い。

【0068】

また、図４は、本実施形態に係る手技の進行と共に変化する入力データと出力データの一例を示す図である。図４に示すように、時間の経過と共に、学習済みモデル９０に入力される画像データ７１および非画像データ７２の数は増加する。

【0069】

図４の上段は、手技の開始から１０分経過時点における画像データ７１、非画像データ７２、および出力データ８０の一例である。この時点では、学習済みモデル９０は、手技が成功すること、および手技に要する時間、つまり手技の終了までの時間が９０分であることを出力する。

【0070】

図４の中段は、手技の開始から６０分経過時点における画像データ７１、非画像データ７２、および出力データ８０の一例である。この時点では、学習済みモデル９０は、手技が成功すること、および手技に要する時間が４０分であることを出力する。

【0071】

また、図４の下段は、手技の開始から１００分経過時点における画像データ７１、非画像データ７２、および出力データ８０の一例である。この時点では、学習済みモデル９０は、手技が成功すること、および手技に要する時間が０分、つまり手技が完了したことを出力する。

【0072】

学習済みモデル運用機能２１２は、学習済みモデル９０から出力された出力データ８０、つまり手技に要する時間と手技の成否の判定結果とを出力機能２１３に送出する。

【0073】

図１に戻り、出力機能２１３は、学習済みモデル運用機能２１２によって算出された手技に要する時間を出力する。また、出力機能２１３は、学習済みモデル運用機能２１２によって判定された手技の成否を出力する。

【0074】

より詳細には、出力機能２１３は、ディスプレイ２３ａ，２３ｂに、出力データ８０の内容を表示する。図５は、本実施形態に係る手技に要する時間と手技の成否の判定結果の表示の一例を示す図である。例えば、出力機能２１３は、図５に示すように、検査室Ｒ１に設置されたディスプレイ２３ａに、手技に要する時間を“あと３０分”と表示する。

【0075】

例えば、出力機能２１３は、操作室Ｒ２に設置されたディスプレイ２３ｂに、手技に要する時間と手技の成否の判定結果とを“成功、あと３０分”と表示する。操作室Ｒ２にいる監督者Ｐ３等は、ディスプレイ２３ｂに表示された手技に要する時間と手技の成否の判定結果とを参照する。監督者Ｐ３等は、例えば、必要に応じて、検査室Ｒ１の術者Ｐ２に対して手技のアプローチの変更やデバイスの変更等の指示を出しても良いし、別の術者への交代を指示しても良い。なお、出力機能２１３は、手技の成否の判定結果が“不成功”の場合には、アプローチや術者の変更を示唆するメッセージをディスプレイ２３ｂに表示しても良い。

【0076】

また、図５に示す例では、出力機能２１３は、ディスプレイ２３ａには手技の成否の判定結果を表示していない。これは、手技の成否の判定結果は、術者Ｐ２や被検体Ｐ１がいる検査室Ｒ１内には開示しない方が良い場合があるためである。

【0077】

なお、図５に示す表示内容は一例であり、出力機能２１３は、手技の成否の判定結果が“成功”の場合にはディスプレイ２３ａにも手技の成否の判定結果を表示し、手技の成否の判定結果が“不成功”の場合にはディスプレイ２３ａには手技の成否の判定結果を表示しないように、手技の成否の判定結果に応じて表示内容を変更しても良い。また、出力機能２１３は、ディスプレイ２３ａ，２３ｂに同じ内容を表示しても良い。

【0078】

また、出力機能２１３は、検査室Ｒ１および操作室Ｒ２の外に設けられた端末装置３０のディスプレイ３０１にも、出力データ８０の内容を表示させる。例えば、出力機能２１３は、図５に示すように、“あと３０分で手技が終わります。準備を開始してください。”という手技に要する時間を含むメッセージを表示する。図５に示す例では、出力機能２１３は、次の患者の手技を担当する医療従事者に対する“準備を開始してください。”という準備の開始を促すメッセージを表示しているが、該メッセージは手技に要する時間の長さに応じて変更されても良い。例えば、出力機能２１３は、手技に要する時間が３０分より長い場合には、待機を指示するメッセージを表示し、手技に要する時間が３０分以下になった場合は準備の開始を促すメッセージを表示するものとしても良い。

【0079】

また、出力機能２１３は、検査室Ｒ１、操作室Ｒ２、または術者や医療スタッフの控室等に設置された不図示のスピーカを制御して、手技に要する時間、手技の成否の判定結果、待機を指示するメッセージ、または準備の開始を促すメッセージ等を音声出力しても良い。

【0080】

図１に戻り、受付機能２１４は、操作者によって入力された操作を、入力インターフェース２２を介して受け付ける。例えば、受付機能２１４は、操作者によって入力されたＸ線診断装置１０の撮像処理の開始または終了の操作を受け付ける。受付機能２１４は、撮像処理の開始または終了の操作を受け付けた場合、撮像処理の開始または終了の操作を受け付けたことを、撮像機能２１５に送出する。

【0081】

撮像機能２１５は、受付機能２１４が受け付けた撮像処理の開始または終了の操作に基づいて、Ｘ線診断装置１０全体を制御し、被検体Ｐ１を撮像する撮像処理を実行する。例えば、撮像機能２１５は、Ｃアーム・天板機構制御回路１９を制御することにより、Ｃアーム１５の回転や移動、天板１４の移動を制御する。また、撮像機能２１５は、Ｘ線高電圧装置１１および絞り制御回路２０を制御することにより、被検体Ｐ１へのＸ線の照射を制御する。また、撮像機能２１５は、Ｘ線検出器１６によってＸ線から変換された電気信号に基づいてＸ線画像を収集する。撮像機能２１５は、収集したＸ線画像を、データ取得機能２１１に送出する。

【0082】

学習データ生成機能２１６は、手技の進行に関連する１組の時系列データを異なる時間長で切り出すことにより、複数の学習データを生成する。学習データは、後述の学習機能２１７が学習済みモデル９０の生成に使用するデータである。学習データには学習用画像データと学習用非画像データとがある。

【0083】

図６、７を用いて、学習データ生成機能２１６による学習データの生成について説明する。

【0084】

図６は、本実施形態に係る学習用画像データの一例を示す図である。例えば、図６に示す画像データ群７０１は、複数のＸ線画像が撮像順に時系列に並べられた１組の時系列データである。また、画像データ群７０１は、手技の開始から終了までの時間（以下、手技時間という）が１００分で、手技の結果が“成功”であった１つの事例における画像データである。画像データ群７０１に含まれる複数のＸ線画像の各々は、手技の開始からの経過時間と対応付けられている。

【0085】

学習データ生成機能２１６は、画像データ群７０１を、複数の学習用画像データ１０７１の組み合わせに分割する。例えば、学習データ生成機能２１６は、一定の経過時間ごとに、画像データ群７０１を分割する。

【0086】

図６に示す例では、学習データ生成機能２１６は、手技の開始から１００分までのＸ線画像、すなわち画像データ群７０１に含まれる全てのＸ線画像を、学習用画像データ１０７１ａとする。また、学習データ生成機能２１６は、手技の開始から６０分までのＸ線画像を、学習用画像データ１０７１ｂとする。また、学習データ生成機能２１６は、手技の開始から１０分までのＸ線画像を、学習用画像データ１０７１ｃとする。以下、学習用画像データ１０７１ａ～１０７１ｃを特に区別しない場合には、単に学習用画像データ１０７１という。

【0087】

なお、学習データ生成機能２１６が画像データ群７０１を分割する基準となる経過時間は、特に限定されるものではなく、５分または１０分等の固定長の時間単位でも良いし、可変長の時間単位でも良い。

【0088】

また、学習データ生成機能２１６は、画像データ群７０１を分割した分割箇所に対応する経過時間に応じて、分割された学習用画像データ１０７１ａ～１０７１ｃの各々に対応する教師データ１０８０ａ～１０８０ｃ（以下、特に区別しない場合には、単に教師データ１０８０という）を生成する。

【0089】

教師データ１０８０ａ～１０８０ｃは、学習用画像データ１０７１ａ～１０７１ｃの各々に対応する手技に要する時間と手技の成否である。手技の成否は、画像データ群７０１における手技の結果と同じである。また、学習用画像データ１０７１ａ～１０７１ｃの各々に対応する手技に要する時間は、画像データ群７０１における手技時間から、教師データ１０８０ａ～１０８０ｃ各々の経過時間の時間長を減算した時間である。

【0090】

図６に示す例では、学習用画像データ１０７１ａと教師データ１０８０ａの組み合わせを学習用データセット１Ａ、学習用画像データ１０７１ｂと教師データ１０８０ｂの組み合わせを学習用データセット２Ａ、学習用画像データ１０７１ｃと教師データ１０８０ｃの組み合わせを学習用データセット３Ａとする。

【0091】

また、図７は、本実施形態に係る学習用非画像データの一例を示す図である。図７に示す非画像データ群７０２は、図６に示した画像データ群７０１が撮像された事例において発生した非画像データが時系列に並べられた１組の時系列データである。

【0092】

学習データ生成機能２１６は、画像データ群７０１を分割した分割箇所に対応する経過時間に応じて、非画像データ群７０２を分割する。図７に示す例では、学習データ生成機能２１６は、図６に示した画像データ群７０１と同様に、手技の開始から１００分と、手技の開始から６０分と、手技の開始から１０分の経過時間にそれぞれ対応する学習用非画像データ１０７２ａ～１０７２ｃを生成する。以下、特に個々の学習用非画像データ１０７２ａ～１０７２ｃを区別しない場合は、単に学習用非画像データ１０７２という。

【0093】

図７に示す学習用非画像データ１０７２ａと教師データ１０８０ａの組み合わせである学習用データセット１Ｂは、図６の学習用データセット１Ａと対応する。また、学習用非画像データ１０７２ｂと教師データ１０８０ｂの組み合わせである学習用データセット２Ｂは、図６の学習用データセット１Ｂと対応する。また、学習用非画像データ１０７２ｃと教師データ１０８０ｃの組み合わせである学習用データセット２Ｃは、図６の学習用データセット１Ｃと対応する。

【0094】

また、図７に示す教師データ１０８０ａ～１０８０ｂは、図６と同じである。すなわち、１つの学習用画像データ１０７１と、１つの学習用非画像データ１０７２と、１つの教師データ１０８０が１つの学習用データセットとなる。

【0095】

図６、７で説明したように、学習データ生成機能２１６は、１つの事例における画像データ群７０１と非画像データ群７０２とから、複数の学習用データセットを生成する。また、学習データ生成機能２１６は、複数の事例における複数の画像データ群７０１と複数の非画像データ群７０２に対して、図６、７に示したような分割処理を実行し、複数の事例の各々から、複数の学習用データセットを生成する。

【0096】

図１に戻り、学習機能２１７は、学習データ生成機能２１６によって生成された複数の学習データと、手技に要する時間および手技の成否との対応関係を学習することにより、学習済みモデル９０を生成する。学習機能２１７による学習済みモデル９０の生成処理は、学習済みモデル９０の生産処理ともいう。

【0097】

学習機能２１７は、複数の学習用データセットに含まれる複数の学習用画像データ１０７１と、複数の学習用非画像データ１０７２と、複数の教師データ１０８０とを対応付けて学習する。

【0098】

図８は、本実施形態に係る学習済みモデル９０の生成手法の一例を示す図である。図８に示すように、学習機能２１７は、複数の学習用画像データ１０７１ａ～１０７１ｎと、複数の学習用非画像データ１０７２ａ～１０７２ｎと、複数の教師データ１０８０ａ～１０８０ｎに基づいて、ＲＮＮまたはＬＳＴＭ等のディープラーニングを実行し、学習済みモデル９０を生成する。

【0099】

学習機能２１７は、生成した学習済みモデル９０を記憶回路２４に保存する。

【0100】

次に、以上のように構成された本実施形態の医用情報処理システムＳのＸ線診断装置１０において実行される手技に要する時間の算出および手技の成否の判定の処理の流れについて説明する。

【0101】

図９は、本実施形態に係る手技に要する時間の算出および手技の成否の判定の処理の流れの一例を示すフローチャートである。図９に示す処理は、例えば、撮像機能２１５による被検体Ｐ１の撮像処理が開始された場合に開始する。また、このフローチャートの開始前に、学習機能２１７によって学習済みモデル９０が生成され、記憶回路２４に保存されているものとする。

【0102】

まず、データ取得機能２１１は、外部装置または入力インターフェース２２等から、非画像データ７２を取得する（Ｓ１）。また、データ取得機能２１１は、画像データ７１、つまり、Ｘ線診断装置１０によって撮像された被検体Ｐ１のＸ線画像を取得する（Ｓ２）。データ取得機能２１１は、取得した画像データおよび非画像データを、学習済みモデル運用機能２１２に送出する。

【0103】

次に、学習済みモデル運用機能２１２は、記憶回路２４から学習済みモデル９０を読み出し、データ取得機能２１１によって取得されたＸ線画像と、非画像データ７２とを学習済みモデル９０に入力する（Ｓ３）。学習済みモデル９０は、入力されたＸ線画像と、非画像データ７２とに対応する手技に要する時間と手技の成否の判定結果とを出力する。学習済みモデル運用機能２１２は、学習済みモデル９０の出力結果を、出力機能２１３に送出する。

【0104】

次に、出力機能２１３は、学習済みモデル運用機能２１２によって算出された手技に要する時間と学習済みモデル運用機能２１２によって判定された手技の成否の両方またはいずれかを出力する（Ｓ４）。具体的には、出力機能２１３は、検査室Ｒ１に設置されたディスプレイ２３ａに、手技に要する時間を表示する。また、出力機能２１３は、操作室Ｒ２に設置されたディスプレイ２３ｂに、手技に要する時間と手技の成否の判定結果とを表示する。また、出力機能２１３は、検査室Ｒ１および操作室Ｒ２の外に設けられた端末装置３０のディスプレイ３０１に、手技に要する時間を表示する。

【0105】

次に、受付機能２１４は、操作者によって入力された手技の終了の操作を受け付けたか否かを判定する（Ｓ５）。手技の終了の操作は、例えば、撮像処理の終了操作である。受付機能２１４が手技の終了の操作を受け付けていないと判定した場合（Ｓ５“Ｎｏ”）、Ｓ１の処理に戻る。

【0106】

また、受付機能２１４が手技の終了の操作を受け付けたと判定した場合（Ｓ１２“Ｙｅｓ”）、このフローチャートの処理は終了する。

【0107】

従来、インターベンション治療等の手技では、病変部位や形状に応じて難易度が大きく異なるため、手技に要する時間を推定することが困難な場合があった。このため、手技のスケジュールを立てることが難しく、医療従事者が次の患者のための手技の準備を計画的に行うことが困難な場合があった。

【0108】

これに対して、本実施形態のＸ線診断装置１０では、手技の実施中の異なるタイミングで取得された複数の手技の進行に関連するデータに基づいて、手技に要する時間を算出する。このため、本実施形態のＸ線診断装置１０によれば、医療従事者が次の患者のための手技の準備を計画的に行うことを支援することができる。

【0109】

また、本実施形態のＸ線診断装置１０では、手技の実施中の異なるタイミングで取得された複数の手技の進行に関連するデータに基づいて、手技の成否を判定する。このため、本実施形態のＸ線診断装置１０によれば、手技の実施中に、手技の成否を推定することができる。

【0110】

例えば、手技の実施中に、手技の成否が判定されると、術者Ｐ２または監督者Ｐ３が手技を中断するか否かの判断をするための判断材料になる。また、手技の成否は、手技の中断以外にも、現在の術者Ｐ２である医師から、より熟練度の高い他の医師への交代、または手技のアプローチの変更の判断材料にもなる。このため、本実施形態のＸ線診断装置１０によれば、術者Ｐ２または監督者Ｐ３が手技の継続の有無、術者Ｐ２の交代、または手技のアプローチの変更等に関して判断することを支援することができる。

【0111】

また、本実施形態において、手技に要する時間の算出または手技の成否の判定に使用されるデータは、手技が施される被検体Ｐ１を撮像した医用画像を含む。このため、本実施形態のＸ線診断装置１０によれば、手技中の被検体Ｐの治療対象箇所の状態の変化に基づいて、手技に要する時間または手技の成否を高精度に推定することができる。

【0112】

より詳細には、本実施形態において、Ｘ線診断装置１０は、被検体Ｐ１のＸ線画像に基づいて、手技に要する時間の算出または手技の成否の判定を実行する。被検体Ｐ１のＸ線画像には、カテーテルやステント等のデバイス、または被検体Ｐ１の治療対象箇所の状態が描出されるため、Ｘ線診断装置１０は、手技中に撮像されたＸ線画像から、手技の進捗度合、手技の速度、成功の可能性に関する情報等を得ることができ、手技に要する時間または手技の成否を高精度に推定することができる。

【0113】

また、本実施形態のＸ線診断装置１０は、非画像データ７２に基づいて、手技に要する時間の算出または手技の成否の判定を実行する。より詳細には、本実施形態のＸ線診断装置１０は、手技に関する手技情報、被検体Ｐ１に関する被検体情報、手技を行う術者Ｐ２に関する術者Ｐ２情報、手技中に計測された計測データ、または手技に使用される機器に関する機器情報のうちの少なくとも１つを含む非画像データ７２に基づいて、手技に要する時間の算出または手技の成否の判定を実行する。手技の速度や、手技の成功の可能性は、術者Ｐ２の熟練度や被検体Ｐ１の重症度等によって異なる。本実施形態のＸ線診断装置１０は、このような非画像データ７２に基づいて手技に要する時間の算出または手技の成否の判定を実行することにより、手技に要する時間または手技の成否を高精度に推定することができる。

【0114】

また、本実施形態のＸ線診断装置１０によれば、手技に要する時間を出力するため、術者Ｐ２や、監督者Ｐ３、または次の患者の手技を担当する医療従事者等に、手技の終了までの時間を把握させることができる。このため、本実施形態のＸ線診断装置１０によれば、術者Ｐ２や、監督者Ｐ３、または次の患者の手技を担当する医療従事者等が手技を計画に進めることを支援することができる。

【0115】

また、本実施形態のＸ線診断装置１０によれば、手技の成否を出力するため、術者Ｐ２または監督者Ｐ３等が、手技の継続の有無、術者Ｐ２の交代、または手技のアプローチの変更等に関して判断することを支援することができる。

【0116】

また、本実施形態のＸ線診断装置１０は、手技の進行に関連する１組の時系列データを異なる時間長で切り出すことにより複数の学習データを生成し、該学習データと、手技に要する時間との対応関係を学習する。このため、本実施形態のＸ線診断装置１０によれば、１つ事例から、複数の学習データを生成することができ、効率的に学習済みモデル９０を生産することができる。

【0117】

なお、本実施形態における学習済みモデル９０は、Ｘ線診断装置１０が出力した手技に要する時間および手技の成否に対するユーザのフィードバックを取得することにより、学習済みモデル９０の内部アルゴリズムをさらに更新する「自己学習するモデル」を含むものとする。

【0118】

（変形例１）
上述の実施形態では、Ｘ線診断装置１０を医用情報処理装置の一例としたが、医用情報処理装置はＸ線診断装置１０とは別の情報処理装置でも良い。例えば、医用情報処理装置は、Ｘ線診断装置１０と院内ネットワーク等で通信可能なＰＣ（Personal Computer）またはサーバ装置等であっても良い。

【0119】

また、医用情報処理装置は、手技中に被検体Ｐ１の静止画または動画を撮像する各種のモダリティであっても良い。例えば、医用情報処理装置は、内視鏡装置であっても良い。当該構成を採用する場合は、内視鏡装置によって撮像された被検体Ｐ１の体内画像等の医用画像が、画像データ７１および学習用画像データ１０７１の一例となる。

【0120】

また、医用情報処理装置は、遠隔操作で手術等の外科的治療を実行する遠隔医療支援システム等でも良い。当該構成を採用する場合は、遠隔医療支援システムにおいて撮像された被検体Ｐ１の治療対象箇所の撮像画像が、画像データ７１および学習用画像データ１０７１の一例となる。

【0121】

なお、画像データ７１および学習用画像データ１０７１は、静止画として撮像されたものに限定されるものではなく、動画に含まれるフレームでも良い。

【0122】

（変形例２）
また、上述の実施形態では、学習データ生成機能２１６および学習機能２１７によって、学習データの生成および学習済みモデル９０の生成が実行されるものとしたが、学習済みモデル９０は、他の情報処理装置で生成されるものとしても良い。当該構成を採用する場合、Ｘ線診断装置１０は、他の情報処理装置から学習済みモデル９０を取得し、記憶回路２４に保存する。

【0123】

（変形例３）
上述の実施形態においては、学習済みモデル９０は記憶回路２４に保存されるものとしたが、学習済みモデル９０は学習済みモデル運用機能２１２に組み込まれているものとしても良い。

【0124】

（変形例４）
上述の実施形態においては、学習済みモデル９０は、手技に要する時間と、手技の成否の両方を出力するものとしたが、手技に要する時間の算出または手技の成否の判定のいずれか一方のみを出力するものとしても良い。

【0125】

また、Ｘ線診断装置１０は、手技に要する時間を算出する学習済みモデルと、手技の成否を判定する学習済みモデルとをそれぞれ別の学習済みモデルとして有しても良い。当該構成を採用する場合は、手技に要する時間を算出する学習済みモデルは時間算出機能に、手技の成否を判定する学習済みモデルは判定機能に、それぞれ組み込まれているものとしても良い。

【0126】

（変形例５）
上述の実施形態においては、手技の進行に関連するデータは、画像データ７１と非画像データ７２の両方を含むものとしたが、画像データ７１または非画像データ７２のいずれか一方のみでも良い。

【0127】

（変形例６）
上述の実施形態においては、Ｘ線診断装置１０は、手技に要する時間と、手技の成否の判定結果とを出力するものとしたが、出力される情報はこれらに限定されるものではない。

【0128】

例えば、Ｘ線診断装置１０の学習済みモデル９０は、手技が成功する確率を、０～１００％の値で出力しても良い。出力形式は％に限定されるものではなく、学習済みモデル９０は、手技が成功する度合の高さを表す評価値を出力しても良い。

【0129】

また、学習済みモデル９０は、現在の手技の達成度を０～１００％の値で出力しても良い。例えば、ステントを３本挿入する計画であった手技において１本の挿入まで完了した場合、学習済みモデル９０は、達成度を３０％と出力する。また、学習済みモデル９０は、手技の終了時にける達成度の推定値を０～１００％の値で出力しても良い。

【0130】

（変形例７）
上述の実施形態においては、学習機能２１７は、学習済みモデル９０の生成の際に、学習データ生成機能２１６によって生成された教師データ１０８０によって教師有り学習を実行するものとしたが、学習手法はこれに限定されるものではなく、例えば、半教師有り学習を採用しても良い。

【0131】

（変形例８）
また、学習済みモデル９０は、ＡＳＩＣ、ＦＰＧＡ等の集積回路によって構築されても良い。また、Ｘ線診断装置１０は、ニューラルネットワークによって生成された学習済みモデル９０ではなく、数式モデル、ルックアップテーブル、またはデータベース等を用いて、手技に要する時間の算出または手技の成否の判定を実行しても良い。

【0132】

以上説明した少なくとも１つの実施形態によれば、医療従事者が次の患者のための手技の準備を計画的に行うことを支援することができる。

【0133】

本発明の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】

【0134】

２１ 処理回路
２３，２３ａ，２３ｂ ディスプレイ
２４ 記憶回路
３０ 端末装置
７１，７１ａ～７１ｇ 画像データ
７２，７２ａ～７２ｌ 非画像データ
８０ 出力データ
９０ 学習済みモデル
２１１ データ取得機能
２１２ 学習済みモデル運用機能
２１３ 出力機能
２１４ 受付機能
２１５ 撮像機能
２１６ 学習データ生成機能
２１７ 学習機能
３０１ ディスプレイ
７０１ 画像データ群
７０２ 非画像データ群
１０７１，１０７１ａ～１０７１ｎ 学習用画像データ
１０７２，１０７２ａ～１０７２ｎ 学習用非画像データ
１０８０，１０８０ａ～１０８０ｎ 教師データ
Ｐ１ 被検体
Ｐ２ 術者
Ｐ３ 監督者
Ｒ１ 検査室
Ｒ２ 操作室
Ｓ 医用情報処理システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】