TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2024137197
公報種別公開特許公報(A)
公開日2024-10-07
出願番号2023048624
出願日2023-03-24
発明の名称推定装置、推定方法及び推定プログラム
出願人エヌ・ティ・ティ・コミュニケーションズ株式会社,国立大学法人千葉大学
代理人弁理士法人酒井国際特許事務所
主分類G16H 50/20 20180101AFI20240927BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】希少疾患の発症を推定する推定モデルを構築することができる。
【解決手段】サーバ20は、患者の検査データ及び診療データに対し、所定の前処理を行う第1前処理部24と、少なくとも希少疾患を発症した患者の前処理後の検査データ及び診療データを学習データとし、患者の検査データ及び診療データと該患者の希少疾患の発症確率との関係を学習した第1推定モデル26であって、複数の希少疾患ごとに発症確率を推定する推定モデルを用いて、前処理後の推定対象の患者の検査データ及び診療データを基に、複数の希少疾患ごとに推定対象の患者の発症確率を推定する第1推定部25と、を有する。
【選択図】図6
特許請求の範囲【請求項1】
患者の検査データ及び診療データに対し、所定の前処理を行う前処理部と、
少なくとも希少疾患を発症した患者の前記前処理後の検査データ及び診療データを学習データとし、患者の検査データ及び診療データと該患者の希少疾患の発症確率との関係を学習した推定モデルであって、複数の前記希少疾患ごとに発症確率を推定する推定モデルを用いて、前記前処理後の推定対象の患者の検査データ及び診療データを基に、前記複数の希少疾患ごとに前記推定対象の患者の発症確率を推定する推定部と、
を有することを特徴とする推定装置。
続きを表示(約 2,400 文字)【請求項2】
前記前処理部は、前記検査データ及び診療データに対し、診察背景、病歴、診察所見、または、検査所見に関する項目を粒度に応じて段階的に設定し、各項目のデータをそれぞれ対応するカテゴリ変数に変換する第1前処理を行うことを特徴とする請求項1に記載の推定装置。
【請求項3】
前記前処理部は、前記検査データ及び診療データに対し、診察背景、病歴、診察所見、または、検査所見に関する項目を粒度に応じて段階的に設定し、各項目のデータをそれぞれ対応するカテゴリ変数に変換し、最も粒度が細かい項目のカテゴリ変数部を、前記カテゴリ変数に対応するデータの意味に従ってラベル付けし、同一ラベルで圧縮する第2前処理を行うことを特徴とする請求項1に記載の推定装置。
【請求項4】
前記前処理部は、前記検査データ及び診療データに対し、診察背景、病歴、診察所見、または、検査所見に関する項目を段階的に設定し、各項目のデータをそれぞれ対応するカテゴリ変数に変換し、最も粒度が細かい第1項目のカテゴリ変数部を、前記カテゴリ変数に対応するデータの意味に従ってラベル付けし、同一ラベルで圧縮するとともに、前記第1項目よりも粒度が粗い第2項目を、前記第2項目に属する前記第1項目の圧縮された各ラベルのカウント数で表現する第3前処理を行うことを特徴とする請求項1に記載の推定装置。
【請求項5】
前記前処理部は、
前記検査データ及び診療データに対し、診察背景、病歴、診察所見、または、検査所見に関する項目を粒度に応じて段階的に設定し、各項目のデータをそれぞれ対応するカテゴリ変数に変換する第1前処理を行う第1前処理部と、
前記検査データ及び診療データに対し、診察背景、病歴、診察所見、または、検査所見に関する項目を粒度に応じて段階的に設定し、各項目のデータをそれぞれ対応するカテゴリ変数に変換し、最も粒度が細かい項目のカテゴリ変数部を、前記カテゴリ変数に対応するデータの意味に従ってラベル付けし、同一ラベルで圧縮する第2前処理を行う第2前処理部と、
前記検査データ及び診療データに対し、診察背景、病歴、診察所見、または、検査所見に関する項目を段階的に設定し、各項目のデータをそれぞれ対応するカテゴリ変数に変換し、最も粒度が細かい第1項目のカテゴリ変数部を、前記カテゴリ変数に対応するデータの意味に従ってラベル付けし、同一ラベルで圧縮するとともに、前記第1項目よりも粒度が粗い第2項目を、前記第2項目に属する前記第1項目の圧縮された各ラベルのカウント数で表現する第3前処理部と、
を有し、
前記推定部は、
少なくとも前記希少疾患を発症した患者の前記第1前処理後の検査データ及び診療データを学習済みである第1推定モデルを用いて、前記第1前処理後の患者の検査データ及び診療データを基に、前記推定対象の患者の発症確率を推定する第1推定部と、
少なくとも前記希少疾患を発症した患者の前記第2前処理後の検査データ及び診療データを学習済みである第2推定モデルを用いて、前記第2前処理後の患者の検査データ及び診療データを基に、前記推定対象の患者の発症確率を推定する第2推定部と、
少なくとも前記希少疾患を発症した患者の前記第3前処理後の検査データ及び診療データを学習済みである第3推定モデルを用いて、前記第3前処理後の患者の検査データ及び診療データを基に、前記推定対象の患者の発症確率を推定する第3推定部と、
を有することを特徴とする請求項1に記載の推定装置。
【請求項6】
前記第1推定部による推定結果、前記第2推定部による推定結果、及び、前記第3推定部による推定結果を基に、前記第1推定部、前記第2推定部、及び、前記第3推定部の推定精度を評価する評価部と、
前記評価部による評価結果を基に、前記第1推定部、前記第2推定部、及び/または、前記第3推定部のいずれの推定結果を採用するかを設定する設定部と、
を有することを特徴とする請求項5に記載の推定装置。
【請求項7】
前記推定装置は、データを断片化したシェアの状態で複数のサーバに分散保管し、前記複数のサーバが秘密計算上で計算処理を行う秘密計算AI(Artificial Intelligence)によって実現されることを特徴とする請求項1に記載の推定装置。
【請求項8】
推定装置が実行する推定方法であって、
患者の検査データ及び診療データに対し、所定の前処理を行う工程と、
少なくとも希少疾患を発症した患者の前記前処理後の検査データ及び診療データを学習データとし、患者の検査データ及び診療データと該患者の希少疾患の発症確率との関係を学習した推定モデルであって、複数の前記希少疾患ごとに発症確率を推定する推定モデルを用いて、前記前処理後の推定対象の患者の検査データ及び診療データを基に、前記複数の希少疾患ごとに前記推定対象の患者の発症確率を推定する工程と、
を含んだことを特徴とする推定方法。
【請求項9】
患者の検査データ及び診療データに対し、所定の前処理を行うステップと、
少なくとも希少疾患を発症した患者の前記前処理後の検査データ及び診療データを学習データとし、患者の検査データ及び診療データと該患者の希少疾患の発症確率との関係を学習した推定モデルであって、複数の前記希少疾患ごとに発症確率を推定する推定モデルを用いて、前記前処理後の推定対象の患者の検査データ及び診療データを基に、前記複数の希少疾患ごとに前記推定対象の患者の発症確率を推定するステップと、
を実行させることを特徴とする推定プログラム。

発明の詳細な説明【技術分野】
【0001】
本発明は、推定装置、推定方法及び推定プログラムに関する。
続きを表示(約 2,100 文字)【背景技術】
【0002】
機械学習を用いた推定モデルを用いて、疾患の発症を推定する推定装置が提案されている。
【先行技術文献】
【特許文献】
【0003】
特開2019-016235号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ここで、希少疾患に対しては、一般医の段階では適切な判断を下すのが難しく、早期診断・早期治療の機会を逃している患者が少なくない。このため、希少疾患の発症確率を推定する推定モデルの構築が要望されている。
【0005】
本発明は、上記に鑑みてなされたものであって、希少疾患の発症を推定する推定モデルを構築することができる推定装置、推定方法及び推定プログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
上述した課題を解決し、目的を達成するために、本発明の推定装置は、患者の検査データ及び診療データに対し、所定の前処理を行う前処理部と、少なくとも希少疾患を発症した患者の前記前処理後の検査データ及び診療データを学習データとし、患者の検査データ及び診療データと該患者の希少疾患の発症確率との関係を学習した推定モデルであって、複数の前記希少疾患ごとに発症確率を推定する推定モデルを用いて、前記前処理後の推定対象の患者の検査データ及び診療データを基に、前記複数の希少疾患ごとに前記推定対象の患者の発症確率を推定する推定部と、を有することを特徴とする。
【発明の効果】
【0007】
本発明によれば、希少疾患の発症を推定する推定モデルを構築することができる。
【図面の簡単な説明】
【0008】
図1は、実施の形態1における推定モデルの学習フェーズの概要を示す図である。
図2は、実施の形態1における推定モデルを用いた推定フェーズの概要を示す図である。
図3は、実施の形態1に係る処理システムの構成の一例を示すブロック図である。
図4は、図3に示す登録者サーバの構成の一例を模式的に示す図である。
図5は、図4に示すデータ抽出部の処理を説明する図である。
図6は、図3に示すサーバの構成の一例を模式的に示す図である。
図7は、図6に示す第1前処理部の処理を説明する図である。
図8は、図6に示す第1前処理部の処理を説明する図である。
図9は、図6に示す第1前処理部の処理を説明する図である。
図10は、図3に示す依頼元端末の構成の一例を模式的に示す図である。
図11は、実施の形態1に係る学習処理の処理手順を示すシーケンス図である。
図12は、実施の形態1に係る推定処理の処理手順を示すシーケンス図である。
図13は、実施の形態2に係るサーバの構成の一例を模式的に示す図である。
図14は、図13に示す第2前処理部の処理を説明する図である。
図15は、図13に示す第2前処理部の処理を説明する図である。
図16は、実施の形態2に係る学習処理の処理手順を示すシーケンス図である。
図17は、実施の形態2に係る推定処理の処理手順を示すシーケンス図である。
図18は、実施の形態3に係るサーバの構成の一例を模式的に示す図である。
図19は、図18に示す第3前処理部の処理を説明する図である。
図20は、図18に示す第3前処理部の処理を説明する図である。
図21は、実施の形態3に係る学習処理の処理手順を示すシーケンス図である。
図22は、実施の形態3に係る推定処理の処理手順を示すシーケンス図である。
図23は、実施の形態4に係るサーバの構成の一例を模式的に示す図である。
図24は、実施の形態4に係る学習処理の処理手順を示すシーケンス図である。
図25は、図24に示す前処理及び学習処理の処理手順を示すシーケンス図である。
図26は、実施の形態4に係る推定処理の処理手順を示すシーケンス図である。
図27は、実施の形態1に係る処理システムの構成の他の例を示すブロック図である。
図28は、プログラムを実行するコンピュータを示す図である。
【発明を実施するための形態】
【0009】
以下に、本願に係る推定装置、推定方法及び推定プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態により本願に係る推定装置、推定方法及び推定プログラムが限定されるものではない。
【0010】
[実施の形態1]
まず、実施の形態1について説明する。実施の形態1では、データを暗号化したまま計算できる秘密計算AI(Artificial Intelligence)によって、複数の希少疾患ごとに推定対象の患者の発症確率を推定する推定モデルを実現する場合について説明する。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する
Flag Counter

関連特許

個人
抗体パスポート
6か月前
個人
N式トータルシステム
4か月前
株式会社リンク
心理分析システム
7か月前
個人
自動車乗員の健康管理システム
6か月前
エムスリー株式会社
媒体
1か月前
富士通株式会社
リスクと診断
5か月前
株式会社Y4.com
情報処理装置
5か月前
株式会社I.W.G
医療支援システム
6か月前
株式会社M-INT
情報処理システム
4か月前
株式会社タカゾノ
作業時間計測システム
4か月前
住友化学株式会社
組成提案システム
6か月前
富士電機株式会社
食事管理システム
19日前
医療法人社団梅華会
医療の支援装置
2か月前
個人
透析医療に関する回答方法及びその装置
2か月前
株式会社日立製作所
情報システム
3か月前
株式会社Smart119
情報処理システム
5か月前
株式会社サンクスネット
リスク判定システム
2か月前
富士通株式会社
介入方法及び介入プログラム
7か月前
個人
弾塑性有限要素法におけるデータ同化の演算方法
4か月前
アルケア株式会社
コミュニケーションシステム
2か月前
株式会社JVCケンウッド
表示装置及び表示方法
2か月前
公立大学法人大阪
診断装置
1か月前
株式会社グローバルビジョン
検体検査管理システム
2か月前
株式会社BiPSEE
情報処理装置及びプログラム
7か月前
個人
服薬指導支援システム、及び、服薬指導支援方法
2か月前
公益財団法人がん研究会
画像診断報告書作成システム
4か月前
富士通株式会社
機器特定方法及び機器特定プログラム
7か月前
株式会社メディファーム
代替候補品目付き相互作用禁忌DB
6日前
富士通株式会社
敗血症の診断および予測
21日前
ロゴスサイエンス株式会社
ヘルスケアシステムおよびその方法
6か月前
ロゴスサイエンス株式会社
ヘルスケアシステムおよびその方法
3か月前
株式会社バシラックス
零売サービス提供システム
4か月前
トヨタ自動車株式会社
情報処理装置
3か月前
三幸電子株式会社
医薬品販売管理システム
7か月前
株式会社ミラボ
スケジュール案内装置、及びプログラム
7か月前
トヨタ自動車株式会社
情報処理装置
3か月前
続きを見る