特許ウォッチ

公開番号2025150854
公報種別公開特許公報(A)
公開日2025-10-09
出願番号2024051994
出願日2024-03-27
発明の名称診断支援装置、診断支援プログラム、および診断支援方法
出願人日本電気株式会社
代理人個人
主分類G16H 50/00 20180101AFI20251002BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】病理画像に基づいて行われるサブタイプの自動判断の精度を向上させる。
【解決手段】診断支援装置1は、機械学習によって、病理画像が入力されると当該病理画像の内容を所定書式で説明するキャプションを生成するよう構築された第1の学習済みモデルから、診断対象となる第1の病理画像の内容を所定書式で説明する第1のキャプションを取得する第1の取得手段と、データベースに蓄積されている、複数種類の病理のサブタイプのそれぞれを所定書式の文章で表現した複数の所見の少なくとも一部の内容と、第1のキャプションの内容と、の類似性である第1の類似性を評価する第1の評価手段と、複数種類の病理のサブタイプうち、第1の類似性の評価が最も高いサブタイプに関する情報を出力する出力手段と、を備える。出力手段が出力した情報は、医師の診断における意思決定に用いられる。
【選択図】図1
特許請求の範囲【請求項１】
機械学習によって、病理画像が入力されると当該病理画像の内容を所定書式で説明するキャプションを生成するよう構築された第１の学習済みモデルから、診断対象となる第１の病理画像の内容を前記所定書式で説明する第１のキャプションを取得する第１の取得手段と、
データベースに蓄積されている、複数種類の病理のサブタイプのそれぞれを前記所定書式の文章で表現した複数の所見の少なくとも一部の内容と、前記第１のキャプションの内容と、の類似性である第１の類似性を評価する第１の評価手段と、
複数種類の病理のサブタイプうち、前記第１の類似性の評価が最も高いサブタイプに関する情報を出力する出力手段と、
を備える、
診断支援装置。
続きを表示（約 1,300 文字）【請求項２】
機械学習によって、前記病理画像が入力されると当該病理画像の特徴を示す特徴情報を生成するよう構築された第２の学習済みモデルから、前記第１の病理画像の特徴を示す第１の特徴情報を取得する第２の取得手段と、
データベースに蓄積されている、複数種類の病理のサブタイプのそれぞれに対応する複数の病理画像のそれぞれの特徴を示す複数の特徴情報の少なくとも一部と、前記第１の特徴情報と、の類似性である第２の類似性を評価する第２の評価手段と、
をさらに備え、
前記出力手段は、複数種類の病理のサブタイプうち、前記第１の類似性の評価結果である第１の評価値と、前記第２の類似性の評価結果である第２の評価値と、の統計値が最も高いサブタイプに関する情報を出力する、
請求項１に記載の診断支援装置。
【請求項３】
前記出力手段は、複数種類の病理のサブタイプうち、２以上のサブタイプを、前記統計値が高い順に出力する、
請求項２に記載の診断支援装置。
【請求項４】
前記第１の学習済みモデルに、前記第１の病理画像とともに前記キャプションの出力に関するプロンプトを入力する入力手段を備え、
前記第１の取得手段は、前記第１の学習済みモデルから、前記プロンプトに基づく前記第１のキャプションを取得する、
請求項１に記載の診断支援装置。
【請求項５】
１つ以上の前記第１の評価値を所定の閾値と比較する比較手段と、
前記第１の評価値のうち、値が最大の第１の評価値が前記閾値未満であった場合に、その旨に関する情報を通知する通知手段と、
をさらに備える、
請求項２に記載の診断支援装置。
【請求項６】
前記特徴情報は、特徴ベクトルであり、
前記第２の評価手段は、データベースに蓄積されている複数の特徴ベクトルの少なくとも一部と、前記第１の特徴情報である第１の特徴ベクトルのコサイン類似度を、前記第２の評価値として算出する、
請求項２に記載の診断支援装置。
【請求項７】
請求項１に記載の診断支援装置としてコンピュータを機能させるための診断支援プログラムであって、
上記第１の取得手段、上記第１の評価手段、および上記出力手段としてコンピュータを機能させるための診断支援プログラム。
【請求項８】
機械学習によって、病理画像が入力されると当該病理画像の内容を所定書式で説明するキャプションを生成するよう構築された第１の学習済みモデルから、診断対象となる第１の病理画像の内容を前記所定書式で説明する第１のキャプションを取得する第１の取得ステップと、
データベースに蓄積されている、複数種類の病理のサブタイプのそれぞれを前記所定書式の文章で表現した複数の所見の少なくとも一部の内容と、前記第１のキャプションの内容と、の類似性である第１の類似性を評価する第１の評価ステップと、
複数種類の病理のサブタイプうち、少なくとも前記第１の類似性の評価が最も高いサブタイプに関する情報を出力する出力ステップと、
を含む、
診断支援方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、診断支援装置、診断支援プログラム、および診断支援方法に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
医師による医用画像を用いた診断を支援するための各種技術が提案されている。例えば特許文献１には、以下のような動作をする画像検索装置が記載されている。この画像検索装置は、クエリベース画像に対する所見情報の入力を受け付けることにより、所見が付加されたクエリ画像を導出し、付加された所見についての付加所見特徴量を導出し、クエリベース画像における正常領域についての画像特徴を表すクエリ正常特徴量を導出し、参照画像に含まれる所見について参照所見特徴量、および参照画像に含まれる所見が正常な領域であったとした場合の画像についての参照正常特徴量と対応づけられた複数の参照画像が登録された画像データベースを参照して、付加所見特徴量およびクエリ正常特徴量と参照所見特徴量および参照正常特徴量との比較に基づいて、クエリ画像と複数の参照画像との類似度を導出し、類似度に基づいて、クエリ画像に類似する参照画像を類似画像として画像データベースから抽出する。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０２３／２７６４３２号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
病変（例えば、皮膚炎症や癌）には、サブタイプと呼ばれる、細胞がもつ性質で分類したものが無数に存在する。こうした病変を医師が診断する際、医師は病変がどのサブタイプに属するかを判断することになる。しかし、特許文献１に記載されたような従来技術は、特徴量の導出精度が十分でなかった。このため、医師は、抽出された類似画像を参考としつつも、
最終的な判断を、従来通りアトラスを参照して行わなければならなかった。アトラスを用いたサブタイプの判断は、医師の経験や習熟度に依存するため、正確性や効率の面で問題があった。
【０００５】
本開示は、上記の問題に鑑みてなされたものであり、その一例示的目的は、病理画像に基づいて行われるサブタイプの自動判断の精度を向上させることである。
【課題を解決するための手段】
【０００６】
本開示の一例示的側面に係る診断支援装置は、機械学習によって、病理画像が入力されると当該病理画像の内容を所定書式で説明するキャプションＣを生成するよう構築された第１の学習済みモデルから、診断対象となる第１の病理画像の内容を前記所定書式で説明する第１のキャプションＣを取得する第１の取得手段と、データベースに蓄積されている、複数種類の病理のサブタイプのそれぞれを前記所定書式の文章で表現した複数の所見の少なくとも一部の内容と、前記第１のキャプションＣの内容と、の類似性である第１の類似性を評価する第１の評価手段と、複数種類の病理のサブタイプうち、前記第１の類似性の評価が最も高いサブタイプに関する情報を出力する出力手段と、を備える。
【０００７】
本開示の一例示的側面に係る診断支援プログラムは、上記の診断支援装置としてコンピュータを機能させるための診断支援プログラムであって、上記取第１の得手段、上記第１の評価手段、および上記出力手段としてコンピュータを機能させる。
【０００８】
本開示の一例示的側面に係る診断支援方法は、機械学習によって、病理画像が入力されると当該病理画像の内容を所定書式で説明するキャプションを生成するよう構築された第１の学習済みモデルから、診断対象となる第１の病理画像の内容を前記所定書式で説明する第１のキャプションを取得する第１の取得ステップと、データベースに蓄積されている、複数種類の病理のサブタイプのそれぞれを前記所定書式の文章で表現した複数の所見の少なくとも一部の内容と、前記第１のキャプションの内容と、の類似性である第１の類似性を評価する第１の評価ステップと、複数種類の病理のサブタイプうち、少なくとも前記第１の類似性の評価が最も高いサブタイプに関する情報を出力する出力ステップと、を含む。
【発明の効果】
【０００９】
本開示の一例示的側面によれば、病理画像に基づいて行われるサブタイプの自動判断の精度を向上させることができる。
【図面の簡単な説明】
【００１０】
本開示の第１の例示的実施形態に係る診断支援装置の機能的構成の一例を示すブロック図である。
同診断支援装置が取得するキャプションを生成する第１の学習済みモデルの機能を説明する図である。
同診断支援装置が用いるデータベースに蓄積されている情報を示す表である。
本開示の第１の例示的実施形態に係る診断支援方法の流れの一例を示すフロー図である。
本開示の第２の例示的実施形態に係る診断支援装置の機能的構成の一例を示すブロック図である。
同診断支援装置が取得する特徴情報を生成する第２の学習済みモデルの機能を説明する図である。
同診断支援装置が用いるデータベースに蓄積されている情報を示す表である。
データベースに蓄積されているサブタイプと、同診断支援装置が算出した第１の評価値及び第２の評価値との対応の一例を示す表である。
本開示の第２の例示的実施形態に係る診断支援方法の流れの一例を示すフロー図である。
本開示の第３の例示的実施形態に係る診断支援装置の機能的構成の一例を示すブロック図である。
本開示の第３の例示的実施形態に係る診断支援方法の流れの一例を示すフロー図である。
本開示に係る診断支援装置として機能するコンピュータのハードウェア構成を示すブロック図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許