[发明专利]患者状态的预测装置、预测方法、以及预测程序

说明书

本发明的预测方法即使向使用多种生物体信息和诊疗信息的学习数据生成的预测模型输入与学习数据不同种类数的生物体信息和诊疗信息，也能够生成能够反映多种数据的特征量的融合特征量，高精度地预测患者状态。一种预测方法，其特征在于，具备：解析步骤，分别解析患者的生物体信息、生物体信息以外的患者诊疗信息，提取特征量；融合步骤，融合上述生物体信息特征量和上述诊疗信息特征量，生成融合特征量；学习步骤，学习上述生物体信息特征量与诊疗信息特征量的关系性；特征量变动学习步骤，只根据生物体信息的输入，通过上述特征量关系性学习，预测上述融合特征量；预测步骤，使用通过上述特征量变动学习得到的预测融合特征量来预测患者状态。

技术领域

本发明涉及预测患者的病情变化、异常的技术。

背景技术

在ICU(重症监护室)中，监视与患者的呼吸、循环、中枢、免疫、肾功能、血液等有关的生命数据(生物体信息)，并进行患者的分诊，但伴随着患者数量的增加、以ICU为专业的医生、护士的人手不足，减轻现场的负荷是紧迫的问题。

为了消除该问题，近年来正在进行使用患者的生物体信息、诊疗信息，预测患者的病情变化、病情加重的预兆，并应用于医生的诊断辅助的研究开发。在专利文献1中，公开了利用了机器学习的预测技术。具体地说，记载了以下的技术，即，使用多个生物体信息，生成基于规则的线性模型的学习参数，应用该学习参数并对实际的患者预测患者风险。

现有技术文献

专利文献

专利文献1：美国专利申请公开第2018/0025290号说明书

发明内容

发明要解决的问题

在利用了普通的机器学习的预测技术中，需要使用于生成学习模型的学习数据的种类与用于在应用中进行预测(推论)的输入数据的种类一致。另外，为了得到更高的预测精度，理想的是充分灵活利用被认为对患者病情的预测产生很大贡献的患者的诊疗记录、检查结果等诊疗信息，用于学习和推论。但是，在运用ICU的各种医院、设施中，所记录的患者的生物体信息、诊疗信息的种类、数量根据设施而不同的可能性高。因此，一般在多个设施中共通地记录在学习预测模型时使用的学习数据，并且只限于能够输入到预测系统的患者生物体信息、患者诊疗信息。例如在专利文献1中，为了将生成的详细参数应用于推论而得到理想的预测结果，其前提是学习用生物体信息与推论用生物体信息是相同种类数量。而且，没有使用患者的诊疗信息。

本发明的课题在于，提供即使由设施得到的患者信息不同，通过输入所得到的患者信息，也能够与使用了更多种类、数量的患者信息时同样地，高精度地预测患者风险的预测方法和预测装置。

解决问题的方案

为了解决上述问题，本发明在患者状态的预测中，生成对融合了多个患者生物体信息和患者诊疗信息而得的特征量或综合了多项生物体信息而得的特征量与个别的患者生物体信息的关系性进行了学习的学习模型，并组合到预测患者风险的预测模型中。该预测模型通过输入种类、数量与学习模型的学习数据不一致的患者信息，由此预测并输出患者风险。

具体地说，本发明的预测装置具备：特征量提取部，其输入患者的生物体信息，提取该生物体信息的特征量；特征量变动部，其输入特征量提取部提取出的生物体信息的特征量，输出患者信息的综合特征量的预测值，该患者信息包含与输入到特征量提取部的生物体信息不同的生物体信息；状态预测部，其输入综合特征量的预测值，输出患者的风险信息。综合特征量是将针对包含多个生物体信息的患者信息分别提取出的特征量综合而得的特征量，并按照每个患者信息生成。特征量变动部使用所制作的综合特征量、各个生物体信息的特征量，学习其关系性。