特表 2024-530226 心理療法、カウンセリング及び他のメンタルヘルス管理活動におけるテキストの自動分析のためのシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-08-16

(54)【発明の名称】心理療法、カウンセリング及び他のメンタルヘルス管理活動におけるテキストの自動分析のためのシステム及び方法

(51)【国際特許分類】

   G16H 20/70 20180101AFI20240808BHJP

【ＦＩ】

G16H20/70

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024509049

(86)(22)【出願日】2022-08-17

(85)【翻訳文提出日】2024-02-22

(86)【国際出願番号】 US2022040525

(87)【国際公開番号】W WO2023023104

(87)【国際公開日】2023-02-23

(31)【優先権主張番号】63/234,336

(32)【優先日】2021-08-18

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】520039043

【氏名又は名称】マインド メディシン， インコーポレイテッド

【氏名又は名称原語表記】Ｍｉｎｄ Ｍｅｄｉｃｉｎｅ， Ｉｎｃ．

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】コラー，アダム

(72)【発明者】

【氏名】マジェルニク，マーティン

(72)【発明者】

【氏名】ピニェイロ，ミゲル アマベル ドス サントス

(72)【発明者】

【氏名】カーリン，ダニエル アール．

(72)【発明者】

【氏名】バロウ，ロバート

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA04

(57)【要約】

患者及び臨床スタッフからのテキストベース及び音声ベースソースを自動的に処理し、取り込み、分析することにより患者の精神状態を分析しそしてリアルタイム結果及び予測を生成する方法。データプール、モデルＨＵＢ、検索サービス、トピックモデル化サービス、メンタルヘルス関連予測サービス及び分析のすべてを電子的コミュニケーション内に含む患者の入力を処理、分析、及び管理するためのシステム。患者の及び臨床スタッフのテキスト及び音声入力を処理、分析、及び管理し、そして診断及び予後経過を通知及び拡張し、患者の精神状態の改善と悪化とを識別し、そして心理療法、カウンセリング及び他のメンタルヘルス管理活動における有害事象を識別することにより患者を分析する方法。臨床及び診断テキスト並びに音声トランスクリプトを処理、分析、及び管理するためのシステム。

【特許請求の範囲】

【請求項1】

患者の精神状態を分析する方法であって、
前記患者及び臨床スタッフからのテキストベース及び音声ベースソースを自動的に処理し、取り込み、分析する工程；及び
リアルタイム結果及び予測を生成する工程を含む方法。

【請求項2】

前記ソースは、診断任務／タスクに対する自由テキスト及び構造化テキスト応答の分析、患者の日誌、ジャーナル、懸念スクリプト、患者／臨床スタッフ議論のトランスクリプト、構造化された一組の質問に対する書かれた／転記された回答、並びに音声記録の分析からなるグループから選択される、請求項１に記載の方法。

【請求項3】

患者生成テキスト及び音声からの病理学的及び非病理学的精神状態の評価をさらに提供する、請求項１に記載の方法。

【請求項4】

前記生成工程は結果をユーザの視覚的インターフェース内に提示することをさらに含む、請求項１に記載の方法。

【請求項5】

患者生成テキスト及び音声からの特定精神障害重大性及び進行の評価をさらに提供する、請求項１に記載の方法。

【請求項6】

高い精神障害重大性を有するテキストの一部をハイライトする工程をさらに含む、請求項１に記載の方法。

【請求項7】

精神治療テキスト、音声トランスクリプト及び患者の報告書のトピック分析を提供する工程をさらに含む、請求項１に記載の方法。

【請求項8】

精神治療セッションコンテンツを関係性のトピックマップ内へ投影する工程をさらに含む、請求項１に記載の方法。

【請求項9】

トピック及びキーワードの発生を前のセッションにおけるそれらの存在に基づき次の治療的セッションにおいて予測する工程をさらに含む、請求項１に記載の方法。

【請求項10】

同様な行動的、心理学的、又は情緒的徴候、障害指標又は精神状態を報告する患者の患者生成テキスト検索をさらに提供する、請求項１に記載の方法。

【請求項11】

大量の患者生成テキストを臨床及び診断関連性により短い要約へ要約する工程をさらに提供する、請求項１に記載の方法。

【請求項12】

患者生成テキストに関し質疑応答する工程をさらに含む、請求項１に記載の方法。

【請求項13】

臨床関連トピック、兆候又は指標により制約されるテキストモデル埋め込みに基づき患者生成テキスト及びトランスクリプト全体にわたりテキスト検索する工程をさらに含む、請求項１に記載の方法。

【請求項14】

エンティティ認識モデルを介し識別された患者生成テキスト内の具体的エンティティを有するクリティカル心理学的事象をペアにする工程をさらに含む、請求項１に記載の方法。

【請求項15】

データプール、モデルＨＵＢ、検索サービス、トピックモデル化サービス、メンタルヘルス関連予測サービス及び分析のすべてを電子的コミュニケーション内に含む患者の入力を処理、分析、及び管理するためのシステム。

【請求項16】

前記検索サービスはクエリーを待避させて検索結果を生成するために前記データプールコンテンツを使用する、請求項１５に記載のシステム。

【請求項17】

前記トピックモデル化サービスは、トピック抽出のためのトピックを定義するために前記データプールを使用する、請求項１５に記載のシステム。

【請求項18】

前記トピックモデル化サービスは前記分析から映像ストリームデータ及び日誌を受信し、トピックモデル化関連データを返送する、請求項１７に記載のシステム。

【請求項19】

前記モデルＨＵＢは、フィーチャ及びサービスに直面するクライアントのために再トレーニングされたモデルを提供する、請求項１５に記載のシステム。

【請求項20】

前記検索サービスは前記分析からクエリー、テキスト及びメタデータを受信し、最も関連する既存コンテンツデータプールを返送し、前記モデルＨＵＢから来るモデルバージョンを介し分析からクエリー及びテキストメタデータを変換し、前記データプールを検索するために現在のテキストの新しい表現を使用する、請求項１５に記載のシステム。

【請求項21】

前記メンタルヘルス関連予測サービスは、前記分析から映像ストリームデータ、臨床医ノート及び日誌を受信し、テキスト内の評価及びハイライトを返送する、請求項１５に記載のシステム。

【請求項22】

前記分析は、視覚化、通知、リスト、カウンタ及びチャートを含むユーザ直面メトリックを含み、入力を前記検索サービス、前記トピックモデル化サービス及び前記メンタルヘルス関連予測サービスから受信し、フィードバックをそれらへ提供する、請求項１５に記載のシステム。

【請求項23】

患者を分析する方法であって、
患者の及び臨床スタッフのテキスト及び音声入力を処理し、分析し、管理する工程；
診断及び予後経過を通知し拡張し、患者の精神状態の改善と悪化とを識別する工程；及び
精神療法、カウンセリング及びメンタルヘルス管理活動における有害事象を識別する工程を含む方法。

【請求項24】

データプール、モデルＨＵＢ、検索サービス、トピックモデル化サービス、メンタルヘルス関連予測サービス及び分析のすべてを電子的コミュニケーション内に含む臨床及び診断テキスト及び音声トランスクリプトを処理、分析、管理するためのシステムであって、前記システムは、臨床専門家のためのコンテンツ／情報負荷を管理するために、及び患者の治療進渉の遡及的見解又は概要を提示するために、臨床スタッフの自由テキストノート内の再発トピック、クリティカル瞬間及び臨床的に貴重な瞬間を識別しハイライトすることができる、システム。

【請求項25】

臨床及び診断テキストを分析する方法であって、
臨床及び診断テキストを処理、分析、及び管理する工程；
臨床スタッフの自由テキストノート内の再発トピック、クリティカル瞬間及び臨床的に貴重な瞬間を識別及びハイライトする工程；
臨床専門家のコンテンツ／情報負荷を管理する工程；及び
患者の治療進渉の遡及的見解又は概要を提示する工程を含む方法。

【請求項26】

入力のソースは、患者の治療及び療法からの臨床スタッフの臨床ノート、初期評価ノート、経過ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、治療計画、処方箋、音声記録、リリース文書、並びにこれらの組み合わせからなるグループから選択される、請求項２５に記載の方法。

【請求項27】

臨床及び診断テキスト並びに音声から病理学的及び非病理学的精神状態を評価する工程をさらに含む、請求項２５に記載の方法。

【請求項28】

臨床及び診断テキスト並びに音声から特定精神障害重大性及び進行を評価する工程をさらに含む、請求項２５に記載の方法。

【請求項29】

高い精神障害重大性を有する臨床及び診断テキストの一部をハイライトする工程をさらに含む、請求項２５に記載の方法。

【請求項30】

臨床及び診断テキスト、音声トランスクリプト並びに臨床スタッフノート及び報告書のトピック分析を提供する工程をさらに含む、請求項２５に記載の方法。

【請求項31】

精神治療セッションにおいて生成された臨床及び診断テキスト並びに音声を関係性のトピックマップへ投影する工程をさらに含む、請求項２５に記載の方法。

【請求項32】

次の治療的セッションにおけるトピック及びキーワードの発生を前のセッションにおけるそれらの存在に基づき予測する工程をさらに含む、請求項２５に記載の方法。

【請求項33】

同様な行動的、心理学的又は情緒的徴候、障害指標又は精神状態を報告する患者の臨床及び診断テキストを検索する工程をさらに含む、請求項２５に記載の方法。

【請求項34】

大量の臨床及び診断テキストを臨床及び診断関連性により短い要約へ要約する工程をさらに含む、請求項２５に記載の方法。

【請求項35】

前記臨床及び診断テキストに関し質疑応答する工程をさらに含む、請求項２５に記載の方法。

【請求項36】

臨床関連トピック、兆候又は指標により制約されるテキストモデル埋め込みに基づき前記臨床及び診断テキスト並びにトランスクリプト全体にわたりテキスト検索する工程をさらに含む、請求項２５に記載の方法。

【請求項37】

エンティティ認識モデルを介し識別された前記臨床及び診断テキスト内の具体的エンティティを有するクリティカル心理学的事象をペアにする工程をさらに含む、請求項２５に記載の方法。

【請求項38】

前記生成工程は結果をユーザの視覚的インターフェース内に提示することをさらに含む、請求項２５に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

発明の背景
１．技術分野
本発明は患者の精神状態を分析するためのシステム及び方法に関する。

【背景技術】

【0002】

２．背景技術
患者の精神状態は医療予約中に医療関係者により評価され得る。一般的観察がなされ得るだけでなく、注意力、実行機能、認識力、言語、記憶、定位、実践、韻律、思考内容、思考過程及び視空間能力などの特定試験も行われ得る。

【0003】

心理療法、カウンセリング及び他のメンタルヘルス管理活動において現在適用されるプロセス及び方法は患者及び臨床スタッフの両方からの過剰量のテキストベース及び音声ベースデータ入力を生成している。

【0004】

患者に由来するデータは通常、診断任務及びタスクに対する自由テキスト及び構造化テキスト応答、患者の日誌、患者ジャーナル、心配事スクリプト、患者の治療及び療法からの患者／臨床医議論のトランスクリプト、構造化された一組の質問に対する書かれた回答及び転記された回答、並びに音声記録の形式である。臨床スタッフに由来するデータは通常、患者の治療及び療法からの臨床スタッフの臨床ノート、初期評価ノート、経過ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、非臨床及び研究スタッフノート、治療計画、処方箋、音声記録、並びにリリース文書の形式である。

【0005】

上記すべてのデータソースは莫大な臨床、診断、及び予後値を保持する一方で、包括的、臨床関連出力内のこれらの大規模な未構造化データソースを効率的に処理することは現在不可能である。

【0006】

いくつかのシステムが精神状態を評価するために開発されてきた。例えば、米国特許出願公開第２０１７０１１９２９７号は、被験者（１０６）の精神状態を評価するコンピュータ実装型方法であって入力として被験者の心拍記録（２００）を受信すること（３０２）を含む方法を開示する。心拍記録は、前睡眠期間（２０８）、睡眠開始時間（２２４）及び睡眠終結時間（２２６）を有する睡眠期間（２０９）、並びに後睡眠期間（２１０）を含むタイムスパンにわたって取得された一連の心拍データサンプルを含む。少なくとも睡眠開始時間及び睡眠終結時間が心拍記録内で識別される（３０４）。次に、被験者のトレーニングセットの専門家評価を介し取得されたデータを含むとともに精神状態特徴と心拍数特徴との関係のコンピュータモデルを具現化する知識ベース（１２４）がアクセスされる（３０６）。知識ベース内の情報を使用することにより、コンピュータモデルは、被験者の精神状態に関連する少なくとも１つのメトリックを計算するためにそしてメトリックに基づき精神状態の指標を生成するために適用される（３０８）。精神状態の指標は出力として提供される（３１０）。

【0007】

米国特許出願公開第２０１３０２９７５３６号はユーザのメンタルヘルスを監視してデータを収集するシステム及び方法を開示する。携帯電話、タブレット及びウェブ活動の使用などの電子デバイスのユーザの使用が追跡される。本発明は、患者の定常状態（慢性期）を表す「ベースライン」として使用される各患者のユニークな行動パターンを「学習する」。アルゴリズム処理ユニットは、患者の行動パターンにおけるいかなる不規則性も検出しそして悪化予測を生成する。閾値が超過されるということが判断されれば、警報が保健専門家へ送信される。

【0008】

患者のメンタルヘルスを効果的に監視し得るとともに情報のテキストベースソースを取り込み得るシステムの必要性が依然としてある。

【発明の概要】

【課題を解決するための手段】

【0009】

発明の概要
本発明は、患者及び臨床スタッフからのテキストベース及び音声ベースソースを自動的に処理し、取り込み、分析することにより患者の精神状態を分析しそしてリアルタイム結果及び予測を生成する方法を提供する。

【0010】

本発明は、データプール、モデルＨＵＢ、検索サービス、トピックモデル化サービス、メンタルヘルス関連予測サービス及び分析のすべてを電子的コミュニケーション内に含む患者の入力を処理、分析、及び管理するためのシステムを提供する。

【0011】

本発明はまた、患者の及び臨床スタッフのテキスト及び音声入力を処理、分析、及び管理し、そして診断及び予後経過を通知及び拡張し、患者の精神状態の改善と悪化とを識別し、そして心理療法、カウンセリング及び他のメンタルヘルス管理活動における有害事象を識別することにより患者を分析する方法を提供する。

【0012】

本発明はまた、データプール、モデルＨＵＢ、検索サービス、トピックモデル化サービス、メンタルヘルス関連予測サービス及び分析のすべてを電子的コミュニケーション内に含む臨床及び診断テキスト及び音声トランスクリプトを処理、分析、そして管理するためのシステムを提供し、前記システムは、臨床専門家のコンテンツ／情報負荷を管理するために、そして患者の治療進渉の遡及的見解又は概要を提示するために、臨床スタッフの自由テキストノート内の再発トピック、クリティカル瞬間及び臨床的に貴重な瞬間を識別しハイライトすることができる。

【0013】

本発明は、臨床及び診断テキストを処理、分析、管理し、臨床スタッフの自由テキストノート内の再発トピック、クリティカル瞬間及び臨床的に貴重な瞬間を識別及びハイライトし、臨床専門家のコンテンツ／情報負荷を管理し、そして患者の治療進渉の遡及的見解又は概要を提示することにより臨床及び診断テキストを分析する方法を提供する。

【0014】

図面の説明
本発明の他の利点は、添付図面に関連して考察されると以下の詳細説明を参照することによりより良く判断されるようになるので容易に認識される。

【図面の簡単な説明】

【0015】

【図1】本システムアーキテクチャの線図である。

【図2】能動的学習及びデータ収集システムの線図である。

【図3】テキストからの病理学的及び非病理学的精神状態の評価（分類）の線図である。

【図4】テキストからの特定精神障害重大性及び進行の評価の線図である。

【図5】高い精神障害重大性を有するテキストの部分をハイライトする線図である。

【図6】精神治療学的テキスト及び患者の報告書のトピック分析の線図である。

【図7】精神治療学的セッション文脈を関係性のトピックマップへ投影する線図である。

【図8】次のセッションにおけるトピック及びキーワード発生を前セッションにおけるそれらの存在（頻度／クリティカル性）に基づき予測する線図である。

【図9】同様な行動学的、心理学的、又は情緒的兆候、指標又は状態を報告する患者の検索の線図である。

【図10】大量の精神治療学的テキストのより短い要約への要約の線図である。

【図11】精神治療学的テキストに関し質疑応答する線図である。

【図12】臨床関連トピック、システム又は指標により制約されたテキストモデル埋め込みに基づく精神治療トランスクリプト上のテキスト検索の線図である。

【図13】エンティティ認識モデルを介し識別されたテキスト内に具体的エンティティを有する臨床関連性（又はトピック）を有するクリティカル心理学的事象をペアにする線図である。

【図14】療法ノートを示す。

【発明を実施するための形態】

【0016】

発明の詳細な説明
本発明は患者の入力を処理、分析、及び管理するためのシステムを提供する。本システムの目的は、診断経過及び予後経過を通知及び拡張すること、患者の精神状態の改善と悪化とを識別すること、並びに有害事象を識別することである。本発明は、テキストベースソースを自動的に処理し、取り込み、分析し、そして臨床値によりリアルタイム結果及び予測を生成する。本システムは臨床医がｉ）すべての生成されたコンテンツを効率的に検索すること、ｉｉ）療法及び治療におけるコンテンツから本システムにより導出された診断メトリック及び予後メトリックを使用すること、ｉｉｉ）患者の経過中の有害事象のリスクの増加を検出することを可能にする。

【0017】

本システムは、図１では１０で概して示され、そして、データプール１２、モデルＨＵＢ１４、検索サービス１６、トピックモデル化サービス１８、メンタルヘルス関連予測サービス２０及び分析２２のすべてを電子的コミュニケーション内に含む。

【0018】

検索サービス１６は、クエリーを待避させてそして検索結果を生成するためにデータプール１２コンテンツを使用する。トピックモデル化サービス１８は、トピック抽出のためのトピックを定義するためにデータプール１２を使用する。

【0019】

モデルＨＵＢ１４は、フィーチャ及びサービス（検索サービス１６、トピックモデル化サービス１８、及びメンタルヘルス関連予測サービス２０など）に直面するクライアントのための再トレーニングされたモデルを提供する。

【0020】

検索サービス１６は、分析２２からクエリー、テキスト及びメタデータを受信し、そして最も関連する既存コンテンツデータプール１２を返送する。検索サービス１６は、モデルＨＵＢ１４から来るモデルバージョンを介し分析２２からクエリー及びテキストメタデータを変換し、そして、データプール１２を探索するために現在のテキストの新しい表現を使用する。

【0021】

トピックモデル化サービス１８は、分析２２から映像ストリームデータ（例えば臨床医ノート）及び日誌を受信し、そしてトピックモデル化関連データを返送する。トピックモデル化サービス１８は、入力データのトピックを記述する最も関連するキーワード及びフレーズを検索する。トピックモデル化サービス１８は、その機能を実行するためにデータプール１２からの事前計算済みデータを利用する。

【0022】

メンタルヘルス関連予測サービス２０は、分析２２から映像ストリームデータ、臨床医ノート及び日誌を受信し、そしてテキスト内の評価及びハイライトを返送する。メンタルヘルス関連予測サービス２０は、正しいモデルタイプ又はバージョンを選択し、そして特定ユーザ直面（user-facing）フィーチャ又はメトリックの予測を行う。

【0023】

分析２２はユーザ直面メトリック、フィーチャ及び指標（視覚化、通知、リスト、カウンタ、チャートなど）を表わす。分析２２は、入力を検索サービス１６、トピックモデル化サービス１８及びメンタルヘルス関連予測サービス２０から受取り、そしてフィードバックをそれらへ提供する。

【0024】

本システムのモデル及びデータ収集システムの能動的学習が図２の３０に示される。図１は量産版システムの機能的アーキテクチャを表わす一方で、図２はサブシステムの機能アーキテクチャ（特に連続機械学習モデルトレーニングのアーキテクチャ）について説明する。図２サブシステムは、図１において説明されたシステムがその診断及び予後性能を時間の経過と共に改善することを可能にする。本システムは、仮想治療セッション３２、現場治療セッション３４、臨床スタッフ３６、生データベース３８、トレーニングデータセット４０、トレーニング済み機械学習モデル４２、連続セッション間データ収集４４、分析プラットフォーム４６、及びアノテーション環境４８を含む。

【0025】

臨床スタッフ３６は仮想治療セッション３２又は現場治療セッション３４中に患者から情報を受信し得る。

【0026】

映像ストリームデータ及び書かれたノートが臨床スタッフデータベース３６から内部生データベース３８へ送信される。

【0027】

トレーニングデータが、選択され、そして内部生データベース３８からトレーニングデータセットデータベース４０へ送信される。データ３８はまた、治療セッション４４間に患者から映像ストリームデータ及びテキストベースデータ（例えば日誌）を連続的に受信する。

【0028】

モデルトレーニングが、トレーニングデータセットデータベース４０に対し行われ、そして機械学習モデル４２の新バージョンを生成する。

【0029】

分析プラットフォーム４６及びアノテーション環境４８は、内部生データベース３８及びトレーニング済み機械学習モデル４２からデータを受信する。分析プラットフォーム４６は再アノテーションのために能動的フィードバックをアノテーション環境４８へ送信する。分析プラットフォーム４６及びアノテーション環境４８は新しいデータアノテーション、モデルフィードバックに基づく再アノテート済みデータ、及び能動的フィードバックに基づく再アノテート済みデータを分析プラットフォームから生データベース３８へ送信する。

【0030】

本発明のシステム及び方法は、患者の任意のタイプの障害の任意のタイプの療法と共にそして任意のタイプの投薬との組み合わせで使用され得る。

【0031】

患者からの入力のソースは、限定しないが診断任務／タスクに対する自由テキスト及び構造化テキスト応答、患者の日誌、ジャーナル、懸念スクリプト、患者／臨床スタッフ議論のトランスクリプト、構造化された一組の質問に対する書かれた／転記された回答、並びに音声記録の分析であり得る。

【0032】

システム１０は、患者生成テキスト及び音声（図３に示す）からの病理学的及び非病理学的精神状態の評価（分類）を含み得る。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）であり得る。モデルタイプは精神状態ＮＬＰ分類子である。モデル出力はテキストに関係する選択された精神状態全体にわたる確率分布である。トレーニングデータは、療法セッション、日誌、心理療法的介入からの患者のテキスト及びトランスクリプトであり、所与の精神状態（病理学的又は非病理学的）のアノテーション、又は特定精神状態との高い相関を有するブートストラップされた公衆データを伴う。ユーザフローは精神状態ＮＬＰ分類子モデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。モデルは、提供されたテキストをほぼリアルタイムで処理し、そして、その著者によりテキストで表現された病理学的及び非病理学的精神状態の相関及び指標を識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0033】

システム１０は患者生成テキスト及び音声からの特定精神障害重大性及び進行の評価を含み得る（図４に示す）。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプは精神障害重大性ＮＬＰ分類子である。モデル出力は、特定精神障害及びその経時的進行の重大性を表す範囲０～１００内のスコアである。トレーニングデータは、療法セッション、日誌、心理療法的介入からのテキスト及びトランスクリプトであり、所与の精神状態（病理学的又は非病理学的）の重大性アノテーション、又は特定精神状態重大性との高い相関を有するブートストラップされた公衆データを伴う。ユーザフローは、精神障害重大性ＮＬＰ分類子モデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。モデルは、提供されたテキストをほぼリアルタイムで処理し、そしてテキスト内で検出された特定精神障害及び／又はその進行の重大性の相関及び指標を識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0034】

システム１０は高い精神障害重大性を有するテキストの一部をハイライトすることを含み得る（図５に示す）。モデル入力は、精神障害重大性テキスト分類子及び／又は精神状態テキスト分類子から出力されるランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプはモデルの説明可能性フレームワークである。モデル出力は、（例えば）高い重大性、高関連性テキスト抽出、トピック当たり重大性スコア、特定精神障害と最も相関付けられたｎグラムのリスト、自動警報を有するテキストのカラーコード部分である。トレーニングデータは、療法セッション、日誌、心理療法的介入からのテキスト及びトランスクリプトであり、所与の精神状態の重大性アノテーション（病理学的又は非病理学的）、又は特定精神状態重大性との高い相関を有するブートストラップ公衆データを伴う。ユーザフローは、ＮＬＰモデルの説明可能性フレームワークへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。本フレームワークは、テキストをほぼリアルタイムでプロットし、そしてテキストのより広範な本文内で検出された特定精神障害及び／又はその進行の重大性の相関及び指標を視覚的にハイライトする。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0035】

システム１０は精神治療テキスト、音声トランスクリプト及び患者の報告書のトピック分析を含み得る（図６に示す）。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプは以下のハイパーパラメータを有する一般的ＮＬＰモデルである：キーワードの多様性のレベル、トピック当たりキーワードの数、キーワードの最小関連性スコア。モデル出力は、重要度を表す割り当てられたスコアを有するキーワードである。トレーニングデータは一般的テキストコーパスに関しトレーニングされたモデルである。ユーザフローは一般的ＮＬＰモデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。モデルは、テキストをほぼリアルタイムで処理し、そして著者により述べられた臨床的且つ治療学的関連トピックを識別する。これらのトピックは一組の関連キーワードにより表わされる。トピック及びキーワード群は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。トピックは、重要度又は以下のものにより順序付けされ得る：特定トピッククリティカル性、関連性、トピックの頻度及び反復性、他のトピックとの関係性、診断との関係性、障害進行との関係性、治療経過又はステージとの関係性、すべての要素（キーワード、トピック、パラグラフ及び他のメトリック）の埋め込み。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0036】

システム１０は、精神治療セッションコンテンツを関係性のトピックマップ内へ投影することを含み得る（図７に示す）。モデル入力は、すべての要素（キーワード、トピック、パラグラフ及び他のメトリック）の埋め込みを有する精神治療テキスト及び患者の報告書のトピック分析の出力である。プロット及び関連対話型フィーチャの視覚的アーキテクチャが存在し得る。モデル出力は、距離が意味論的類似性と特徴的トピックを表すハイライトされたエリアとを表わす多次元トピックマップ内へ視覚化されたテキストの各テキスト／パラグラフである。これは傾向をプロットするために障害重大性及び進行指標と組み合わされ得る。出力特性は、意味論的マップ上の時間的トピック展開の視覚的追跡（トピック及び時間範囲を選択し、アニメーションを見る）、長時間にわたる精神状態／トピックの重大性の追跡、治療時間範囲全体にわたる特定患者のクリティカルトピックのハイライト、変数（類似性閾値）による意味論的関連トピックのハイライト、特定病理学的又は非病理学的精神状態、精神障害重大性又はタイプに関連する検出されたトピックだけのハイライトである。モデル変数は、トピックを実際に形成するためのトピックに属するテキストの最小量、所与のトピックに属するテキストの最小確率、クラスター化アルゴリズム変数（例えばＨＤＢＳＣＡＮアルゴリズム特性）であり、ｎグラムサイズはどれだけ多くのボキャブラリ語が１つのテキストエンティティを形成し得るかを表す。ユーザフローは、視覚化フレームワーク及びプロットアーキテクチャへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。本システムは、テキスト変数をほぼリアルタイムで処理し、そしてテキストのより広範な本文から抽出された特定患者又は患者グループの特定精神障害及び／又はその進行の重大性の相関及び指標を識別する。結果は構成可能特性と共に多次元トピックマップ上にプロットされる（モデル出力を参照）。第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）インターフェースは抽出及びマッピングされたトピックの視覚的分析と、診断、進行、他のトピック及び治療的介入とのその関係性とを有効にする。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0037】

システム１０は、次の治療セッションにおけるトピックの発生及びキーワードの発生を前セッションにおけるそれらの存在（頻度及びクリティカル性）に基づき予測することを含む（図８に示す）。モデル入力はタイムスタンプを有する前セッション（ランダム長のテキストフィールド又は音声トランスクリプト）である。モデルタイプは、一般的ＮＬＰモデル（トピックを生成するための）、次のセッショントピックを予測するための一般的モデルである。モデル出力は次のトピックに関する確率分布である。ユーザフローは一般的ＮＬＰモデル及び一般的予測モデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理し、そして、将来の治療的相互作用（心理療法的対話、独白及び将来の患者生成テキスト）において発生する可能性が最も高いトピック及びキーワードを識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。識別されたトピック及びキーワードは、再発生するそれらの予測確率の程度により、又は治療経過に対するそれらのクリティカル性により、（又は、指標として両方により）提示され得る。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0038】

システム１０は、同様な行動的、心理学的、又は情緒的徴候、障害指標又は精神状態を報告する患者の患者生成テキスト検索を含み得る（図９に示す）。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプは以下のハイパーパラメータを有する一般的ＮＬＰモデルである：最小レベルの類似性、及び距離メトリック。モデル出力は同様なコンテンツ／トピックスを有するセッション又は患者に対するポインタである。トレーニングデータは、事前トレーニング済みモデルが使用される最初の反復内のものであり、別のモデルはメンタルヘルス問題の分類のものと同じデータセット上で微調整され得る。ユーザフローは、最小レベルの類似性及び距離メトリックのハイパーパラメータを有する一般的ＮＬＰモデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理しそして共通性を識別する（キーワード共起、トピック共起及びそれらの関係性により）。次の結果は、ｉ）処理されたテキストで報告される患者、振る舞い、心理学的指標、感情的な指標の配列された対句（又はグループ）；ｉｉ）報告されたコンテンツ又はトピック内のシステム検出類似性を有する患者又は患者グループへの治療事象（例えばセッション）に対する一組のポインタであり、構成可能長のテキストスニペット、テキスト抽出又はテキスト内ハイライトとして第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示及び視覚化される。自動的結果は、高い治療及び臨床関連性を有するテキストを保持し、報告された同様な臨床指標及び経験（例えばトラウマ）を有するエンティティ及び事象をグループ化する。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0039】

システム１０は、大量の患者生成テキストの概要を臨床及び診断関連性により短い要約中へ含み得る（図１０に示す）。モデル入力は、ランダム長の患者生成テキストフィールド（又は音声トランスクリプト）である。モデルタイプはＮＬＰテキスト要約モデルである。モデル出力は、大きな精神治療テキスト入力のクリティカル態様を強調することによりコンテンツを高レベルで記述するより大きなテキストの要約である。トレーニングデータは、セッションのトランスクリプト（例えば精神治療セッションからの要約及び臨床概要）である。ユーザフローは、ＮＬＰテキスト要約モデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理し、そして要約を圧縮するためにテキストの大きな本文を要約し、テキスト内の最も関連する瞬間を抽出する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。自動的に生成された要約は、高い治療及び臨床関連性を有するテキストを保持する。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0040】

システム１０は患者生成テキストに関し質疑応答することを含み得る（図１１に示す）。モデル入力は、一般的質疑応答及び質問のためのソースとして使用されるテキストの患者生成プールである。モデルタイプは一般的ＮＬＰ質疑応答モデルである。モデル出力は、回答が存在する可能性があるテキストのプールに対するポインタである。トレーニングデータは、テキスト、質問、及び回答に対するポインタのタプル（tuple）のデータセットである。ユーザフローは一般的ＮＬＰ質疑応答モデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。ユーザは、臨床関連性、治療的指標、時間スケールの検索制約、及び他のタイプの検索制約により構成可能なインターフェースへの入力として質問（音声又はテキスト内の）を定式化する。本システムは、テキストをほぼリアルタイムで処理する。結果は、最も可能性が高い回答が存在する可能性があるテキストのプール内の場所に対する一組のポインタであり、構成可能長のテキストスニペット、テキスト抽出又はテキスト内ハイライトとして第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示及び視覚化される。自動的結果は、高い治療及び臨床関連性を有するテキストを保持する。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0041】

システム１０は、臨床関連トピック、兆候又は指標により制約されるテキストモデル埋め込みに基づき患者生成テキスト及びトランスクリプト全体にわたるテキスト検索を含み得る（図１２に示す）。モデル入力は、ユーザが検索することを望むテキストのプールでありテキストはパラグラフ埋め込み、ワード又は文章の観点でクエリー（また任意選択的に、クエリーに関係するメンタルヘルス問題の重大性）を使用することによりインデックス付けされ得る。モデルタイプは一般的ＮＬＰ埋め込みモデルである。モデル出力は、パラグラフ、キーワード又は文章により表わされるテキストプール内に見出される最も意味論的に似たデータである。トレーニングデータは、微調整を次の相互作用に埋め込むための、療法セッション、日誌、心理療法的介入からのテキスト及びトランスクリプトであり、所与の精神状態の重大性アノテーション（病理学的又は非病理学的）、又は特定精神状態重大性との高い相関を有するブートストラップ公衆データを伴う。ユーザフローは一般的ＮＬＰ埋め込みモデルへの入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。ユーザは、臨床関連性、治療的指標、時間スケールの検索制約、及び他のタイプの検索制約により構成可能なインターフェースへ検索クエリーを入力する。本システムは、テキストをほぼリアルタイムで処理する。結果は、テキストプール内に見出される最も意味論的に似たデータのリストであり、構成可能長のテキストスニペット及びテキスト抽出として第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示及び視覚化される。自動的に生成されたテキストスニペットは、高い治療及び臨床関連性を有するテキストを保持する。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0042】

システム１０は、エンティティ認識モデルを介し識別された患者生成テキスト内の具体的エンティティを有する臨床関連性を有するクリティカル心理学的事象をペアにすることを含み得る（図１３に示す）。モデル入力は、ランダム長の患者生成テキストフィールド（又は音声トランスクリプト）である。モデルタイプは、ＮＥＲモデル、精神障害重大性ＮＬＰ分類子及び／又は精神状態ＮＬＰ分類子である。モデル出力は、所与のテキストの不安の源に最も関係するエンティティ（人、組織、場所）、テキストにおけるそれらの感情的関係性及び影響、並びに時間に伴う関係性の展開である。トレーニングデータは、療法セッション、日誌、心理療法的介入からのテキスト及びトランスクリプトであり、テキスト内の所与のエンティティのアノテーションを伴う。ユーザフローは、ＮＥＲモデル、精神障害重大性ＮＬＰ分類子又は／及び精神状態ＮＬＰ分類子への入力として有効にされる第１のユーザ（患者）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理し、そして、トピック（一組のキーワードにより定義された）、事象、エンティティ（例えば人、機関、組織、グループ、対象物など）を識別する。治療経過の臨床関連性又は高い値が存在する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。識別された事象、トピック、エンティティ及びキーワードは、文脈的にペアにされ、ノード（事象、エンティティトピック）及びエッジ（方向、能力又は品質とのそれらの関係性）により表わされる問題空間ネットワークを生成する、又は、それらの治療経過に対するクリティカル性の順番で提示され得る。システム１０の出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0043】

本発明はまた、患者の及び臨床スタッフのテキスト及び音声入力を処理、分析、及び管理し、そして診断及び予後経過を通知及び拡張し、患者の精神状態の改善と悪化とを識別し、そして心理療法、カウンセリング及び他のメンタルヘルス管理活動における有害事象を識別することにより患者を分析する方法を提供する。これらの工程は、上述のように行われ、そして上に述べた部品を含み得る。

【0044】

本発明はまた、臨床及び診断テキスト及び音声記録を処理、分析、そして管理するためのシステム１０を提供する。本システムのゴールは、臨床専門家のためのコンテンツ／情報負荷を管理するために、そして患者の治療進渉（セッション内及びセッション間の）の遡及的見解又は概要を提示するために、臨床スタッフの自由テキストノート内の再発トピック、クリティカル瞬間及び臨床的に貴重な瞬間を識別しハイライトすることである。

【0045】

患者からの入力のソースは、限定しないが、患者の治療及び療法からの臨床スタッフの臨床ノート、初期評価ノート、経過ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床と及び研究スタッフノート、治療計画、処方箋、音声記録、並びにリリース文書であり得る。

【0046】

本システムは、臨床及び診断テキスト並びに音声からの病理学的及び非病理学的精神状態の評価（分類）を含み得る。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプは精神状態ＮＬＰ分類子である。モデル出力はテキストに関係する選択された精神状態全体にわたる確率分布である。トレーニングデータは、療法セッションからの患者のテキスト及びトランスクリプト、日誌、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、リリース文書であり、所与の精神状態（病理学的又は非病理学的）のアノテーション、又は特定精神状態との高い相関を有するブートストラップされた公衆データを伴う。ユーザフローは、精神状態ＮＬＰ分類子モデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。モデルは、提供されたテキストをほぼリアルタイムで処理し、そして、その著者によりテキストで表現された病理学的及び非病理学的精神状態の相関及び指標を識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0047】

本システムは、臨床及び診断テキスト並びに音声からの特定精神障害重大性及び進行の評価を含み得る。モデル入力は、ランダム長の臨床及び診断テキストフィールド（又は音声トランスクリプト）である。モデルタイプは精神障害重大性ＮＬＰ分類子である。モデル出力は、特定精神障害及びその経時的進行の重大性を表す範囲０～１００内のスコアである。トレーニングデータは、療法セッションからの患者のテキスト及びトランスクリプト、日誌、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、リリース文書であり、所与の精神状態（病理学的又は非病理学的）の重大性アノテーション、又は特定精神状態重大性との高い相関を有するブートストラップされた公衆データを伴う。ユーザフローは、精神障害重大性ＮＬＰ分類子モデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。モデルは、提供されたテキストをほぼリアルタイムで処理し、そしてテキスト内で検出された特定精神障害及び／又はその進行の重大性の相関及び指標を識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。システムの出力は、診断過程において、心理療法において又は連続患者監視のために使用される。

【0048】

本システムは高い精神障害重大性を有する臨床及び診断テキストの一部をハイライトすることを含み得る。モデル入力は、精神障害重大性テキスト分類子及び／又は精神状態テキスト分類子から出力されるランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプはモデルの説明可能性フレームワークである。モデル出力は、（例えば）高重大性、高関連性テキスト抽出、トピック当たり重大性スコア、特定精神障害と最も相関付けられたｎグラムのリスト、及び自動警報を有するテキストのカラーコード部分である。トレーニングデータは、療法セッション、日誌、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、リリース文書からのテキスト及びトランスクリプトであり、所与の精神状態（病理学的又は非病理学的）の重大性アノテーション又は特定精神状態重大性との高い相関を有するブートストラップされた公衆データを伴う。ユーザフローは、ＮＬＰモデルの説明可能性フレームワークへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。本フレームワークは、テキストをほぼリアルタイムでプロットし、そしてテキストのより広範な本文内で検出された特定精神障害及び／又はその進行の重大性の相関及び指標を視覚的にハイライトする。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0049】

本システムは、臨床及び診断テキスト、音声トランスクリプト及び臨床スタッフノート及び報告書のトピック分析を含み得る。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプは以下のハイパーパラメータを有する一般的ＮＬＰモデルである：キーワードの多様性のレベル、トピック当たりキーワードの数、及びキーワードの最小関連性スコア。モデル出力は、重要度を表す割り当てられたスコアを有するキーワードである。トレーニングデータは一般的テキストコーパスに関しトレーニングされたモデルである。ユーザフローは、一般的ＮＬＰモデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。モデルは、テキストをほぼリアルタイムで処理し、そして著者により述べられた臨床的且つ治療学的関連トピックを識別する。これらのトピックは一組の関連キーワードにより表わされる。トピック及びキーワード群は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。トピックは、重要度又は以下のものにより順序付けられ得る：特定トピッククリティカル性、関連性、トピックの頻度及び反復、他のトピックとの関係性、診断との関係性、障害進行との関係性、治療経過又はステージとの関係性、すべての要素（キーワード、トピック、パラグラフ及び他のメトリック）の埋め込み。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0050】

本システムは、精神治療セッションにおいて生成された臨床及び診断テキスト並びに音声を関係性のトピックマップへ投影することを含み得る。モデル入力は、すべての要素（キーワード、トピック、パラグラフ及び他のメトリック）の埋め込みを有する精神治療テキスト及び患者の報告書のトピック分析の出力である。プロット及び関連対話型フィーチャの視覚的アーキテクチャが存在し得る。モデル出力は、距離が意味論的類似性と特徴的トピックを表すハイライトされたエリアとを表わす多次元トピックマップ内へ視覚化されたテキストの各テキスト／パラグラフである。これは、傾向をプロットするために障害重大性及び進行指標と組み合わされ得る。出力特性は、意味論的マップ上の時間的トピック展開の視覚的追跡（トピック及び時間範囲を選択し、アニメーションを見る）、長時間にわたる精神状態／トピックの重大性の追跡、治療時間範囲全体にわたる特定患者のクリティカルトピックのハイライト、変数（類似性閾値）を有する意味論的関連トピックのハイライト、特定病理学的又は非病理学的精神状態、精神障害重大性又はタイプに関連する検出されたトピックだけのハイライトである。モデル変数は、トピックを実際に形成するためのトピックに属するテキストの最小量、所与のトピックに属するテキストの最小確率、クラスター化アルゴリズム変数（例えばＨＤＢＳＣＡＮアルゴリズム特性）であり、ｎグラムサイズはどれだけ多くのボキャブラリ語が１つのテキストエンティティを形成し得るかを表す。ユーザフローは、視覚化フレームワーク及びプロットアーキテクチャへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。本システムは、テキスト変数をほぼリアルタイムで処理し、そしてテキストのより広範な本文から抽出された特定患者又は患者グループ特定精神障害及び／又はその進行の重大性の相関及び指標を識別する。結果は構成可能特性と共に多次元トピックマップ上にプロットされる（モデル出力を参照）。第２のユーザ（臨床スタッフ）の（代替的に第１のユーザ（患者）への）インターフェースは、抽出及びマッピングされたトピック、診断とのその関係性、進行、他のトピック、又は特定過去治療的介入の視覚的分析を有効にする。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0051】

本システムは、次の治療セッションにおけるトピックの発生及びキーワードの発生を前セッションにおけるそれらの存在（頻度及びクリティカル性）に基づき予測することを含む。モデル入力は、タイムスタンプを有する前セッション（ランダム長のテキストフィールド又は音声トランスクリプト）、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、及びリリース文書である。モデルタイプは、一般的ＮＬＰモデル（トピックを生成するための）、次のセッショントピックを予測するための一般的モデルである。モデル出力は次のトピックに関する確率分布である。ユーザフローは、一般的ＮＬＰモデル及び一般的予測モデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理し、そして、将来の治療的相互作用において発生する可能性が最も高いトピック及びキーワード（心理療法的対話、独白及び将来の患者生成テキスト）を識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。識別されたトピック及びキーワードは、再発生するそれらの予測確率の程度により、又は治療経過に対するそれらのクリティカル性により、（又は、指標として両方により）提示され得る。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0052】

本システムは、同様な行動的、心理学的又は情緒的徴候、障害指標又は精神状態を報告する患者の臨床及び診断テキスト検索を含み得る。モデル入力はランダム長のテキストフィールド（又は音声トランスクリプト）である。モデルタイプは以下のハイパーパラメータを有する一般的ＮＬＰモデルである：最小レベルの類似性及び距離メトリック。モデル出力は同様なコンテンツ／トピックスを有するセッション又は患者に対するポインタである。トレーニングデータは、事前トレーニング済みモデルが使用される最初の反復内のものであり、別のモデルはメンタルヘルス問題の分類のものと同じデータセット上で微調整され得る。ユーザフローは、最小レベルの類似性及び距離メトリックのハイパーパラメータを有する一般的ＮＬＰモデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理しそして共通性を識別する（キーワード共起、トピック共起及びそれらの関係性により）。結果は、ｉ）処理されたテキストで報告される患者、行動、心理学的指標、感情的な指標の配列された対句（又はグループ）、ｉｉ）報告されたコンテンツ又はトピック内のシステム検出類似性を有する患者又は患者グループへの治療事象（例えばセッション）に対する一組のポインタであり、構成可能長のテキストスニペット、テキスト抽出又はテキスト内ハイライトとして第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示及び視覚化される。自動的結果は、高い治療及び臨床関連性を有するテキストを保持し、報告された同様な臨床指標及び経験（例えばトラウマ）を有するエンティティ及び事象をグループ化する。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0053】

本システムは、大量の臨床及び診断テキストの概要を臨床及び診断関連性により短い要約中へ含み得る。モデル入力は、ランダム長の患者生成テキストフィールド（又は音声トランスクリプト）である。モデルタイプはＮＬＰテキスト要約モデルである。モデル出力は、大きな精神治療テキスト入力のクリティカル態様を強調することによりコンテンツを高レベルで記述するより大きなテキストの要約である。トレーニングデータは治療セッションのトランスクリプトである（例えば、精神治療セッション、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、及びリリース文書からの要約及び臨床概要である）。ユーザフローは、ＮＬＰテキスト要約モデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理し、そしてテキスト内の最も関連する瞬間を抽出することにより、要約を圧縮するためにテキストの大きな本文を要約する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。自動的に生成された要約は、高い治療及び臨床関連性を有するテキストを保持する。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0054】

本システムは、臨床及び診断テキストに関し質疑応答することを含み得る。モデル入力は、一般的質疑応答及び質問のためのソースとして使用されるテキストの患者生成プールである。モデルタイプは一般的ＮＬＰ質疑応答モデルである。モデル出力は、回答が存在する可能性があるテキストのプールに対するポインタである。トレーニングデータは、テキスト、質問、及び回答に対するポインタのタプルのデータセットである。ユーザフローは、一般的ＮＬＰ質疑応答モデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。ユーザは、臨床関連性、治療的指標、時間スケールの検索制約、及び他のタイプの検索制約により構成可能なインターフェースへの入力として質問（音声又はテキスト内の）を定式化する。本システムは、テキストをほぼリアルタイムで処理する。結果は、テキストのプール内の場所に対する一組のポインタである。ここでは、最も可能性の高い回答は、構成可能長のテキストスニペット、テキスト抽出又はテキスト内ハイライトとして第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示及び視覚化されるものである可能性が高い。自動的結果は、高い治療及び臨床関連性を有するテキストを保持する。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0055】

本システムは、臨床関連トピック、兆候又は指標により制約されるテキストモデル埋め込みに基づき臨床及び診断テキスト及びトランスクリプト全体にわたるテキスト検索を含み得る。モデル入力は、ユーザが検索することを望むテキストのプールであり、パラグラフ埋め込み、ワード又は文章の観点でクエリー（また任意選択的に、クエリーに関係するメンタルヘルス問題の重大性）を使用することによりインデックス付けされる。モデルタイプは一般的ＮＬＰ埋め込みモデルである。モデル出力は、パラグラフ、キーワード又は文章により表わされるテキストプール内に見出される最も意味論的に似たデータである。トレーニングデータは、微調整を次の相互作用に埋め込むための、療法セッション、日誌、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、リリース文書、又は特定精神状態との高い相関を有するブートストラップされた公衆データからのテキスト及びトランスクリプトである。ユーザフローは、一般的ＮＬＰ埋め込みモデルへの入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。ユーザは、臨床関連性、治療的指標、時間スケールの検索制約、及び他のタイプの検索制約により構成可能なインターフェースへ検索クエリーを入力する。本システムは、テキストをほぼリアルタイムで処理する。結果は、構成可能長のテキストスニペット及びテキスト抽出として第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示及び視覚化されるテキストプール内に見出される最も意味論的に似たデータのリストである。自動的に生成されたテキストスニペットは、高い治療及び臨床関連性を有するテキストを保持する。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0056】

本システムは、エンティティ認識モデルを介し識別された臨床及び診断テキスト内の具体的エンティティを有する臨床関連性を有するクリティカル心理学的事象をペアにすることを含み得る。モデル入力は、ランダム長の患者生成テキストフィールド（又は音声トランスクリプト）である。モデルタイプは、ＮＥＲモデル、精神障害重大性ＮＬＰ分類子及び／又は精神状態ＮＬＰ分類子である。モデル出力は、所与のテキストの不安の源に最も関係するエンティティ（人、組織、場所）、テキストにおけるそれらの感情的関係性及び影響、並びに時間に伴う関係性の展開である。トレーニングデータは、療法セッション、心理療法的介入、患者の治療及び療法からの臨床スタッフの診断ノート、患者の治療及び療法からの非臨床ノート、薬管理ノート、臨床及び研究スタッフノート、処方箋、リリース文書からのテキスト及びトランスクリプトである。ユーザフローは、ＮＥＲモデル、精神障害重大性ＮＬＰ分類子又は／及び精神状態ＮＬＰ分類子への入力として有効にされる第２のユーザ（臨床スタッフ）により生成されたテキスト及び音声である。本システムは、テキストをほぼリアルタイムで処理し、そして治療経過の臨床関連性又は高い値を有するトピック（一組のキーワードにより定義された）、事象、エンティティ（例えば人、機関、組織、グループ、対象物など）を識別する。結果は、第２のユーザ（臨床スタッフ）への（代替的に第１のユーザ（患者）への）構成可能インターフェース内に提示され視覚化される。識別された事象、トピック、エンティティ及びキーワードは、文脈的にペアにされ、ノード（事象、エンティティトピック）及びエッジ（方向、能力又は品質とのそれらの関係性）により表わされる問題空間ネットワークを生成する、又は、それらの治療経過に対するクリティカル性の順番で提示され得る。システムの出力は、診断過程において、心理療法において、又は連続患者監視のために使用される。

【0057】

本発明は、臨床及び診断テキストを処理、分析、管理し、臨床スタッフの自由テキストノート内の再発トピック、クリティカル瞬間及び臨床的に貴重な瞬間を識別及びハイライトし、臨床専門家のためのコンテンツ／情報負荷を管理し、そして患者の治療進渉の遡及的見解又は概要を提示することにより臨床及び診断テキストを分析する方法を提供する。これらの工程は、上述のように行われ、そして上に述べた部品を含み得る。

【0058】

本発明は以下の実験例を参照することにより更に詳細に説明される。これらの例は、図解のためだけに提供されており、従って別段の定めがない限り限定するようには意図されていない。従って、本発明は、以下の例に対する制限であると決して解釈されるべきではなく、むしろ、本明細書において提供される教示の結果として明白になるあらゆる変形形態を包含すると解釈されるべきである。

【0059】

例１
図１４は個人療法ノートの一例を示す。これは機械学習モデル入力の一般的例（すなわちシステム１０により処理される潜在的臨床値を有するテキスト）である。

【0060】

本出願全体にわたって、いくつかの米国特許を含む様々な出版物は著者、年及び特許番号により参照される。これら出版物の完全な引用が以下に列挙される。これらの出版物及び特許の開示の全体は、本発明が関係する最先端技術についてより十分に説明するために参照により本出願に援用される。

【0061】

本発明は例示的やり方で説明されてきたので、使用されてきた術語は制限というよりむしろ説明の言葉の性質における術語として意図されているということを理解すべきである。

【0062】

明らかに、上記教示を考慮すると本発明の多くの修正形態及び変形形態が可能である。従って、添付の特許請求の範囲内で本発明は具体的に説明されたものとは違うやり方で実行され得るということが理解されるべきである。

【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】

【国際調査報告】