特許ウォッチ

公開番号2024163171
公報種別公開特許公報(A)
公開日2024-11-21
出願番号2024149985,2022559184
出願日2024-08-30,2021-10-27
発明の名称薬剤仕分装置
出願人株式会社湯山製作所
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類A61J 3/00 20060101AFI20241114BHJP(医学または獣医学;衛生学)
要約【課題】薬剤の判別結果のエビデンスの提示を可能にすると共に、多様なマークに対応できる。
【解決手段】コンピュータ(60)は、特徴抽出部(64)と、判別部(65)と、を備える。特徴抽出部は、薬剤に形成されたマークを抽出するように構築された学習済みモデル(84)に、種類不明の対象薬剤を撮像した撮像画像(82)を入力して得られる出力値に基づき、撮像画像に写るマークを抽出した抽出マーク画像(83)を生成する。判別部は、抽出マーク画像と、薬剤の種類毎に予め登録された登録マーク画像との照合結果に基づき、対象薬剤の種類を判別する。
【選択図】図1
特許請求の範囲【請求項１】
複数の第１区画を有し、複数種類の薬剤を収容可能な第１収容部と、
複数の第２区画を有し、前記第２区画のそれぞれに、種類毎に前記薬剤を収容可能な第２収容部と、
前記第１収容部に収容される薬剤の種類を示す情報を読取る読取部と、
前記読取部が読取った情報に基づき、前記第１収容部に収容される薬剤の種類数を計数する計数部と、
前記計数部が計数した薬剤の種類数の合計が前記第２区画の数に達するたびに、薬剤の収容先となる第１区画を変更するよう報知する報知部と、
前記第１区画毎に、前記第１収容部に収容された薬剤を前記第２収容部に搬送し、前記第２収容部において種類毎に収容する搬送部と、を備える、薬剤仕分装置。
続きを表示（約 350 文字）【請求項２】
前記情報は、前記薬剤を分包した分包紙に印字されている、請求項１に記載の薬剤仕分装置。
【請求項３】
前記第２収容部に収容された薬剤を分包する分包部と、
前記第１収容部に収容された薬剤のうち、種類を判別できなかった薬剤を収容する仮収容部と、を備え、
前記分包部は、前記搬送部が１つの前記第１区画に収容された全ての薬剤を前記第２収容部又は前記仮収容部に搬送した後、前記第２収容部に収容された薬剤の分包を開始する、請求項１又は２に記載の薬剤仕分装置。
【請求項４】
前記搬送部は、前記第２収容部に収容された全ての薬剤を前記分包部に搬送した後、別の第１区画に収容された薬剤の前記第２収容部への搬送を開始する、請求項３に記載の薬剤仕分装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、薬剤を撮像した画像を用いて当該薬剤の種類を判別する種類判別装置等に関する。また、本発明は、薬剤を種類毎に仕分ける薬剤仕分装置に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
従来、返品された複数種類の薬剤は、薬剤師または医師の手により種類毎に仕分けられていた。返品される薬剤は、様々な患者に処方される、または処方された調剤後の薬剤である。そのため、１患者単位の処方箋情報に基づいて、調剤機器等に予め薬種単位でまとめられた薬種群（薬剤カセット）から、一服用時期単位毎に、（１種または複数種の）薬剤（錠剤）を取りまとめる（分包する）調剤業務に比べて、複数の患者に処方された薬剤がまとめて返品される薬剤の種類は非常に多い。そのため、返品された薬剤を自動的に仕分けて、再利用することの有用性は高い。
【０００３】
薬剤の自動仕分けにおいては、薬剤を撮像した画像からその薬剤の種類を判別する必要があり、この種類判別における大きな手掛かりの１つが薬剤に形成されたマークである。なお、マークには、刻印されたものも印字されたものも含まれる。また、マークの内容も様々であり、例えば図形、記号、文字、および数字が挙げられる。
【０００４】
なお、特許文献２には、薬剤の自動仕分けを実現する薬剤仕分装置が開示されている。特許文献２の薬剤仕分装置は、第１収容部に収容された複数種類の薬剤を１つずつ撮像し、撮像した画像に基づき薬剤の種類を判別し、その判別結果に基づき第２収容部に種類毎に仕分ける。
【先行技術文献】
【特許文献】
【０００５】
特開２０２０－５２６２７号公報
国際公開２０１８／１９０３９４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
マークに基づく薬剤の種類判別を高精度に行うことは難しい。これは、上述のように、マークの内容は多様であり、また、撮像時の薬剤への光の当たり方等によって撮像画像におけるマークの外観が変わってしまうためである。
【０００７】
ここで、従来から、機械学習を用いた画像処理技術が知られている。例えば、上記特許文献１には、画像による症例の判断の支援等、医療分野において、学習済みモデルを用いることが記載されている。より詳細には、特許文献１には、学習済みモデルの入力層への医用情報の入力に応じて、学習済みモデルの出力層が出力した判別結果の妥当性を、記憶部が記憶する演算結果に関する情報と、学習済みモデルの中間層が出力する演算結果と、に基づき判定する検証システムが開示されている。この検証システムによれば、上記判別結果の妥当性を検証できる。
【０００８】
薬剤の種類判別に学習済みモデルを適用すれば、判別精度の向上が期待できる。しかしながら、薬剤の種類を判別する学習済みモデルを用いた場合、判別結果に対する根拠の説明が難しい、言い換えれば判別結果のエビデンスの提示が難しいという問題がある。例えば、薬剤の種類を判別する学習済みモデルに、学習させていない薬剤の画像が入力された場合に、どのような判別結果が出力されるかは予測することは難しい。そして、判別結果が誤っていた場合に、医療現場ではその判別結果のエビデンスが必要となる。しかし、上記のような学習済みモデルを使用していた場合には、エビデンスを提示することが難しい。
【０００９】
また、上述のように、薬剤に形成されるマークの内容は多様であるから、それら全てを学習した学習済みモデルを構築するには費用、人手、時間等の多大なコストを要するという問題もある。
【００１０】
本発明の一態様は、薬剤の種類を判別する種類判別装置であって、判別結果のエビデンスの提示を可能にすると共に、多様なマークに対応可能な種類判別装置等を実現することを目的とする。
（【００１１】以降は省略されています）

関連特許