特許ウォッチ

公開番号2025136100
公報種別公開特許公報(A)
公開日2025-09-19
出願番号2024034304
出願日2024-03-06
発明の名称異常予測方法および異常予測プログラム
出願人富士通株式会社
代理人個人
主分類G16H 50/30 20180101AFI20250911BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】異常の予測精度を向上させること。
【解決手段】異常予測装置は、患者に関するカルテデータから抽出された、各疾患(脳腫瘍、貧血、腎不全、感染症、脳内出血)の可能性の高さを表す第1特徴量を示すテキスト特徴量1601を取得する。異常予測装置は、患者に関する検査値データから抽出された、各疾患の可能性の高さを表す第2特徴量を示す数値特徴量1602を取得する。異常予測装置は、各疾患について、数値特徴量1602に対して、テキスト特徴量1601と重要度1603とを掛け合わせることにより、数値特徴量1602を補正する。重要度1603は、患者に関する検査値データに含まれる検査項目に応じた各疾患に対する重要度を示す。異常予測装置は、テキスト特徴量1601と、補正した数値特徴量1602とに基づいて、患者についての疾患を判定する。
【選択図】図16
特許請求の範囲【請求項１】
異常予測対象に関する第１種類の第１データから抽出された、候補となる複数の異常に含まれる各異常の可能性の高さを表す第１特徴量を取得し、
前記異常予測対象に関する前記第１種類とは異なる第２種類の第２データから抽出された、前記各異常の可能性の高さを表す第２特徴量を取得し、
前記第２種類のデータに含まれる情報内容に応じて定義された前記各異常に対する重要度を記憶する記憶部を参照して、前記第２データに含まれる情報内容に応じた前記各異常に対する重要度に基づいて、取得した前記第２特徴量を補正し、
取得した前記第１特徴量と、補正した前記第２特徴量とに基づいて、前記複数の異常の中から、前記異常予測対象についての異常を判定する、
処理をコンピュータが実行することを特徴とする異常予測方法。
続きを表示（約 1,300 文字）【請求項２】
前記補正する処理は、
前記第２データに含まれる情報内容に応じた前記各異常に対する重要度と、取得した前記第１特徴量とに基づいて、取得した前記第２特徴量を補正する、
ことを特徴とする請求項１に記載の異常予測方法。
【請求項３】
前記補正する処理は、
前記記憶部を参照して、前記第２データに含まれる情報内容に応じた前記各異常に対する重要度を特定し、
前記各異常について、前記第２特徴量に対して、特定した前記各異常に対する重要度と、前記第１特徴量とを掛け合わせることにより、前記第２特徴量を補正し、
前記判定する処理は、
前記各異常について、取得した前記第１特徴量と、補正した前記第２特徴量とを足し合わせることにより、前記各異常の統合特徴量を算出し、
算出した前記各異常の統合特徴量に基づいて、前記異常予測対象についての異常を判定する、ことを特徴とする請求項２に記載の異常予測方法。
【請求項４】
前記各異常のときの前記第２種類の過去データに基づいて、前記第２種類のデータに含まれる情報内容に応じた前記各異常に対する重要度を学習する、処理を前記コンピュータが実行し、
前記補正する処理は、
学習した前記第２種類のデータに含まれる情報内容に応じた前記各異常に対する重要度を参照して、前記第２データに含まれる情報内容に応じた前記各異常に対する重要度に基づいて、取得した前記第２特徴量を補正する、ことを特徴とする請求項１に記載の異常予測方法。
【請求項５】
前記第１種類は、テキスト、画像および数値のいずれかであり、
前記第２種類は、テキスト、画像および数値のうち、前記第１種類とは異なるいずれかである、ことを特徴とする請求項１に記載の異常予測方法。
【請求項６】
前記異常予測対象は、患者であり、
前記複数の異常は、前記患者について候補となる複数の疾患である、ことを特徴とする請求項１に記載の異常予測方法。
【請求項７】
判定した判定結果を出力する、
処理を前記コンピュータが実行することを特徴とする請求項１～６のいずれか一つに記載の異常予測方法。
【請求項８】
異常予測対象に関する第１種類の第１データから抽出された、候補となる複数の異常に含まれる各異常の可能性の高さを表す第１特徴量を取得し、
前記異常予測対象に関する前記第１種類とは異なる第２種類の第２データから抽出された、前記各異常の可能性の高さを表す第２特徴量を取得し、
前記第２種類のデータに含まれる情報内容に応じて定義された前記各異常に対する重要度を記憶する記憶部を参照して、前記第２データに含まれる情報内容に応じた前記各異常に対する重要度に基づいて、取得した前記第２特徴量を補正し、
取得した前記第１特徴量と、補正した前記第２特徴量とに基づいて、前記複数の異常の中から、前記異常予測対象についての異常を判定する、
処理をコンピュータに実行させることを特徴とする異常予測プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、異常予測方法および異常予測プログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
従来、救急に関する疾患の鑑別において、可能性のある疾患の候補から、入院が必要となるような重大な疾患を見落とさないように判断したいというニーズがある。例えば、病院が休みとなる日の前に、急変の可能性がある疾患の患者を帰宅させるのは好ましくないため、そのような疾患を見落とさない判断が求められる。鑑別疾患は、例えば、テキストや数値などの様々な種類のデータ（マルチモーダルデータ）を用いて行われる。
【０００３】
先行技術としては、例えば、アルツハイマー病（ＡＤ）の早期発見のためのマルチモーダル深層学習モデルとして、画像、遺伝（一塩基多型）、臨床検査データを統合的に解析し、患者をＡＤ、ＭＣＩ（軽度認知障害）、コントロールに分類するものがある（例えば、下記非特許文献１参照）。
【先行技術文献】
【非特許文献】
【０００４】
ＪａｎａｎｉＶｅｎｕｇｏｐａｌａｎ，ＬｉＴｏｎｇ，ＨａｍｉｄＲｅｚａＨａｓｓａｎｚａｄｅｈ＆ＭａｙＤ．Ｗａｎｇ “ＭｕｌｔｉｍｏｄａｌｄｅｅｐｌｅａｒｎｉｎｇｍｏｄｅｌｓｆｏｒｅａｒｌｙｄｅｔｅｃｔｉｏｎｏｆＡｌｚｈｅｉｍｅｒ’ｓｄｉｓｅａｓｅｓｔａｇｅ” ＳｃｉｅｎｔｉｆｉｃＲｅｐｏｒｔｓ２０２１
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来技術では、テキストや数値などの複数種類のデータを用いて、疑われる異常（例えば、疾患）を予測するにあたり、見落としてはいけないような重大な異常を予測することができない場合がある。
【０００６】
一つの側面では、本発明は、異常の予測精度を向上させることを目的とする。
【課題を解決するための手段】
【０００７】
１つの実施態様では、異常予測対象に関する第１種類の第１データから抽出された、候補となる複数の異常に含まれる各異常の可能性の高さを表す第１特徴量を取得し、前記異常予測対象に関する前記第１種類とは異なる第２種類の第２データから抽出された、前記各異常の可能性の高さを表す第２特徴量を取得し、前記第２種類のデータに含まれる情報内容に応じて定義された前記各異常に対する重要度を記憶する記憶部を参照して、前記第２データに含まれる情報内容に応じた前記各異常に対する重要度に基づいて、取得した前記第２特徴量を補正し、取得した前記第１特徴量と、補正した前記第２特徴量とに基づいて、前記複数の異常の中から、前記異常予測対象についての異常を判定する、異常予測方法が提供される。
【発明の効果】
【０００８】
本発明の一側面によれば、異常の予測精度を向上させることができるという効果を奏する。
【図面の簡単な説明】
【０００９】
図１は、実施の形態にかかる異常予測方法の一実施例を示す説明図である。
図２は、情報処理システム２００のシステム構成例を示す説明図である。
図３は、異常予測装置２０１のハードウェア構成例を示すブロック図である。
図４は、重要度テーブル２２０の記憶内容の一例を示す説明図である。
図５は、テキストデータの具体例を示す説明図である。
図６は、検査値データの具体例を示す説明図である。
図７は、異常予測装置２０１の機能的構成例を示すブロック図である。
図８は、重要度の学習例を示す説明図（その１）である。
図９は、重要度の学習例を示す説明図（その２）である。
図１０は、異常予測装置２０１の動作例を示す説明図（その１）である。
図１１は、異常予測装置２０１の動作例を示す説明図（その２）である。
図１２は、異常予測装置２０１の動作例を示す説明図（その３）である。
図１３は、異常予測装置２０１の動作例を示す説明図（その４）である。
図１４は、異常予測装置２０１の動作例を示す説明図（その５）である。
図１５は、異常予測装置２０１の動作例を示す説明図（その６）である。
図１６は、疾患の予測例を示す説明図（その１）である。
図１７は、疾患の予測例を示す説明図（その２）である。
図１８は、異常予測装置２０１の異常予測処理手順の一例を示すフローチャートである。
図１９は、重要度学習処理の具体的処理手順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】
【００１０】
以下に図面を参照して、本発明にかかる異常予測方法および異常予測プログラムの実施の形態を詳細に説明する。
（【００１１】以降は省略されています）

関連特許