[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113261064B - 给药量管理支援系统 - Google Patents

给药量管理支援系统 Download PDF

Info

Publication number
CN113261064B
CN113261064B CN202080007771.7A CN202080007771A CN113261064B CN 113261064 B CN113261064 B CN 113261064B CN 202080007771 A CN202080007771 A CN 202080007771A CN 113261064 B CN113261064 B CN 113261064B
Authority
CN
China
Prior art keywords
administration
support system
management support
value
judgment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202080007771.7A
Other languages
English (en)
Other versions
CN113261064A (zh
Inventor
大原利章
水藤宽
杉谷宜纪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Research And Development Corp Science And Technology Revitalization Organization
Original Assignee
National Research And Development Corp Science And Technology Revitalization Organization
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Research And Development Corp Science And Technology Revitalization Organization filed Critical National Research And Development Corp Science And Technology Revitalization Organization
Publication of CN113261064A publication Critical patent/CN113261064A/zh
Application granted granted Critical
Publication of CN113261064B publication Critical patent/CN113261064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M2005/14288—Infusion or injection simulation
    • A61M2005/14292—Computer-based infusion planning or simulation of spatio-temporal infusate distribution
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/52—General characteristics of the apparatus with microprocessors or computers with memories providing a history of measured variating parameters of apparatus or patient

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medicinal Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hematology (AREA)
  • Veterinary Medicine (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Anesthesiology (AREA)
  • Vascular Medicine (AREA)
  • Diabetes (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

给药量管理支援系统具备输入部和计算部。向输入部输入从对患者的上次给药起算的经过时间及/或患者的血液中的生物物质的值及/或该值的变化来作为输入数据。计算部基于计算模型，根据输入数据，按维持现状、增量、减量这三个值计算出针对患者的药的给药概率，并进行第一判断和第二判断的计算，其中，在第一判断中，根据计算出的给药概率来判断是否维持现状，在第二判断中，在第一判断的结果不是维持现状的情况下，判断是增量还是减量。将从对多个患者的上次给药起算的经过时间及/或多个患者的血液中的生物物质的值及/或该值的变化、以及表示医生针对这些患者决定了的药的给药判断是维持现状、增量、减量中的哪一个的数据作为教师数据并利用机器学习来生成计算模型。

Description

给药量管理支援系统
技术领域
本发明涉及给药量管理支援系统。
背景技术
公开了一种给药管理系统，其具备：取得与抗癌剂的给予历史相关的疗法历史数据的取得处理部；从所述疗法历史数据中提取特定历史数据的提取处理部，其中，特定历史数据是同患者及疗法与作为处理对象的对象处方数据相同且一疗程中的给予时期与所述对象处方数据相同的紧之前的疗程的处方数据对应的数据；以及输出所述对象处方数据和所述特定历史数据的输出处理部(例如，参照专利文献1)。
在先技术文献
专利文献
专利文献1：日本特开2018-165867
发明内容
发明的概要
发明要解决的课题
需要人工透析的慢性肾衰竭患者伴随着肾功能的下降，从肾脏分泌的作为造血激素的促红细胞生成素(以下称为“EPO”)下降。为了对其进行弥补，进行向慢性肾衰竭患者给予促红细胞生成素制剂(以下称为“ESA制剂”)的治疗。此时，如果ESA制剂的给药量不足，则患者发生贫血。贫血会导致免疫力的下降，罹患感冒之外的疾患的风险增加，因此成为预后恶化因子。另一方面，ESA制剂造价高，因此如果超出所需量地大量给予，则会导致医疗费的高涨。此外，ESA制剂的过剩给予成为患者的头痛、高血压、血管闭塞等的原因。因此，ESA制剂的给药量需要准确地控制。
另外，向慢性肾衰竭患者通过注射或内服给予包含成为红血球的材料的铁质的含铁剂。含铁剂也是当给药量不足时成为贫血的原因，当过剩地给予时成为细胞毒。因此，含铁剂也需要准确地控制给药量。
针对心脏血管手术后的患者进行的适当的血糖值管理在预防并发症、预后改善这些方面极其重要。通常，手术侵袭其本身、在手术后给予的强心剂等成为使血糖值上升的因子。这成为使手术后的死亡率增大的主要原因。另一方面，低于70mg/dL那样的低血糖成为使患者的预后恶化的主要原因。因此，通过向手术后的患者持续给予胰岛素而将患者的血糖值管理成120-180mg/dL是理想的。
此外，ESA制剂、含铁剂的给药量通过熟练的专科医生的高度的判断来决定。即，专科医生根据患者的血液中的各种成分、至上次为止的给药历史等，基于经验来判断将下次的给药设为维持现状、设为增量还是设为减量。然而，这样的专科医生的数目不能说是充分的。
这也适用于针对心脏血管手术后的患者进行的血糖值管理。即，向接受了心脏血管手术的患者给予的胰岛素的适当的给予量以往根据医生、护士的经验或隐性知识来决定。医生或护士根据患者的血液中的血糖值、至上次为止的给予记录等，基于经验来判断将下次的给药设为维持现状、设为增量还是设为减量。然而，这样的医生、护士的数目不能说是充分的。
在熟练的专科医生不足的状况下，作为对这样的给药量管理进行支援的手段，可考虑使用通过机器学习生成的计算模型来自动地判断给药量。然而，在医疗领域的机器学习中，存在与基于大数据的通常的机器学习不同的以下的课题。
课题之一是机器学习可利用的教师数据(teacher data)的数目少这一点。由于患者的血液数据、给药数据是个人数据，因此在使用于机器学习的情况下需要得到患者的同意。然而，现实的情况是难以得到大多数患者的同意。而且，一旦将患者的数据保存于电子病历，则还存在难以将其提取出来作为机器学习用的数据来利用这样的技术问题。这样，医疗领域中的机器学习不得不成为基于有限的数目的小数据的学习。
当前一个课题是教师数据的正确度不稳定这一点。在通过机器学习来计算给药量的情况下，需要过去医生决定了的判断结果作为教师数据。然而，医生的判断结果依赖于各个医生的熟练度、患者的症例，未必始终为正确。这样，医疗领域中的机器学习不得不成为基于正确度不稳定的教师数据的学习。
因此，要求实现能够通过基于小数据且正确度不稳定的教师数据进行机器学习来计算给药量的系统。
专利文献1记载的给药管理系统无法有助于这样的课题的解决。
本发明鉴于这样的课题而作出，其目的在于，提供一种支援针对需要接受给药并适当地管理给药量的患者进行的给药量管理的系统。
用于解决课题的方案
为了解决上述课题，本发明的一方案的给药量管理支援系统具备输入部和计算部。向输入部输入从对患者的上次给药起算的经过时间及/或患者的血液中的生物物质的值及/或该值的变化来作为输入数据。计算部基于计算模型，根据输入数据，按维持现状、增量、减量这三个值计算出针对患者的药的给药概率，并进行第一判断和第二判断的计算，其中，在所述第一判断中，根据计算出的给药概率来判断是否维持现状，在所述第二判断中，在第一判断的结果不是维持现状的情况下，判断是增量还是减量。计算模型通过如下方式来生成：将从对多个患者的上次给药起算的经过时间及/或多个患者的血液中的生物物质的值及/或该值的变化、以及表示医生针对这些患者决定了的药的给药判断是维持现状、增量、减量中的哪一个的数据作为教师数据并利用机器学习来生成该计算模型。
该给药量管理支援系统可以还具备用于将计算模型更新为新的计算模型的计算模型更新部。
教师数据可以还包括表示上次医生针对患者决定了的所述给药判断是维持现状、增量还是减量的数据。
教师数据可以还包括上次的给药量数据。
教师数据可以不包括有过感染症或手术的患者的数据。
患者可以为慢性肾衰竭患者，血液中的生物物质的值可以为Hb值、Ferittin值及TSAT值，值的变化可以为Hb值的变化，患者被给予的药可以是ESA制剂和含铁剂中的至少一方。
血液中的生物物质的值可以还包括MCV值，值的变化可以还包括MCV值的变化。
计算模型可以根据与给药判断相关的维持现状、增量、减量的判断，输出患者的EPO的来自体外的供给量与所需量平衡、体内量不足、体内量过剩中的任一个。
计算部可以进行第三判断和第四判断的计算，在所述第三判断中，在第二判断为增量的情况下，判断是大增量还是小增量，在所述第四判断中，在第二判断为减量的情况下，判断是大减量还是小减量。
患者可以是心脏血管手术后的患者，血液中的生物物质的值可以为血糖值，患者被给予的药可以为胰岛素。
计算模型可以根据与给药判断相关的维持现状、增量、减量的判断，输出患者的胰岛素额充足、不足、过剩中的任一个。
需要说明的是，以上的构成要素的任意的组合、将本发明的构成要素或表述在方法、装置、程序、记录有程序的暂时性或非暂时性的存储介质、系统等之间相互置换的方案作为本发明的方案来说也是有效的。
发明效果
根据本发明，能够实现关于针对需要接受给药并适当地管理该给药量的患者的给药量计算出维持现状、增量、减量的系统。
附图说明
图1是表示第一实施方式的给药量管理支援系统的功能框图。
图2是表示图1的给药管理系统的计算模型存储部中存储的计算模型的示意图。
图3是表示第六实施方式的给药量管理支援系统的计算部的动作的流程图。
图4是表示第八实施方式的给药量管理支援系统的功能框图。
图5是表示第七实施方式的给药量管理支援系统的判断结果与专科医生的判断结果的一致及不一致的图表。
图6是表示第七实施方式的给药量管理支援系统的判断结果与专科医生的判断结果的一致及不一致的图表。
图7是表示第十三实施方式的给药量管理支援系统的计算部的动作的流程图。
具体实施方式
以下，基于优选的实施方式并参照各附图来说明本发明。在实施方式及变形例中，对于相同或同等的构成要素、构件，标注同一符号并适当省略重复的说明。而且，各附图中的构件的尺寸为了便于理解而适当放大、缩小地表示。而且，在各附图中，省略显示在说明实施方式这方面不重要的构件的一部分。而且，包含第一、第二等序数的用语是为了说明多样的构成要素而使用的，但是该用语仅为了将一个构成要素与其他的构成要素区分而使用，构成要素不受该用语限定。
在具体说明本发明的实施方式之前，说明作为基础的见解。如前所述，通常，医疗领域中的机器学习被迫基于小数据且正确度不稳定的教师数据来进行。本发明人等研究的结果是，发现在学习针对慢性肾衰竭患者的ESA制剂或含铁剂的给药量的情况下，通过可靠地设定输入的教师数据而能够提高学习的精度。
具体而言，作为用于学习ESA制剂或含铁剂的给药量的教师数据，使用多个慢性肾衰竭患者的血液中的血红蛋白(以下称为“Hb”)值、贮存铁(以下称为“Ferittin”)值、功能铁(以下称为“TSAT”)值、Hb值的变化、以及表示医生针对这多个患者决定了的药的给药判断是维持现状、增量、减量中的哪一个的数据。由此，关于新的给药，当赋予患者的血液中的Hb值、Ferittin值、TSAT值及Hb值的变化时，能够高精度地计算将该给药设为维持现状、设为增量还是设为减量的判断。
输入数据可以还包括平均红血球容积(以下称为“MCV”)值及MCV值的变化。可以将多个慢性肾衰竭患者的血液中的Hb值、MCV值、TSAT值、Ferittin值、Hb值的变化、MCV值的变化以及表示医生针对这些患者决定了的所述药的给药判断是维持现状、增量、减量中的哪一个的数据作为教师数据并通过机器学习来生成计算模型。
[第一实施方式]
图1是本发明的第一实施方式的给药量管理支援系统1的功能框图。给药量管理支援系统1具备输入部10和计算部11。计算部11具备计算模型存储部12。
向输入部10输入慢性肾衰竭患者的血液中的Hb值、Ferittin值、TSAT值及Hb值的变化作为输入数据。这些输入数据向计算部11发送。
计算部11根据从输入部10接收到的输入数据，基于计算模型存储部12中存储的计算模型，按维持现状、增量、减量这三个值来计算针对该慢性肾衰竭患者的药的给药判断。具体而言，计算部11将从输入部10接收的输入数据向计算模型输入，关于药的给药判断，得出维持现状、增量、减量的概率。计算部11基于这些概率，按维持现状、增量、减量这三个值来计算药的给药判断。
计算模型存储部12中存储的计算模型通过机器学习而生成。此时使用的教师数据是多个慢性肾衰竭患者的血液中的Hb值、Ferittin值、TSAT值、Hb值的变化、以及表示医生针对这多个患者决定了的药的给药判断是维持现状、增量、减量中的哪一个的数据。
计算模型存储部12中存储的计算模型可以在被输入Hb值、Ferittin值、TSAT值及Hb值的变化时，关于药的给药判断，输出维持现状、增量、减量的概率。
计算模型也可以取代输出与药的给药判断相关的维持现状、增量、减量的概率，而是根据该判断来输出所述患者的EPO的来自体外的供给量与所需量平衡、体内量不足、体内量过剩。如前所述，ESA制剂在患者的EPO不足时被给予。因此，基于计算模型输出的给药量的维持现状、增量、减量的判断分别对应于患者的EPO的来自体外的供给量与所需量平衡、体内量不足、体内量过剩。即计算模型能够输出为患者的EPO的来自体外的供给量与所需量平衡、体内量不足、体内量过剩。例如医生通过观察该输出结果而能够知晓患者的病情。
图2是表示计算模型存储部12中存储的计算模型的一例的示意图。向输入层输入给药判断所需的慢性肾衰竭患者的血液中的Hb值、Ferittin值、TSAT值及Hb值的变化。在包含中间层的网络中存储有通过机器学习生成的计算模型。使用该计算模型执行计算，向输出层输出给药的维持现状、增量、减量的概率。
根据本实施方式，能够实现关于针对慢性肾衰竭患者的药的给药量计算出维持现状、增量、减量的给药量管理支援系统。
[第二实施方式]
仍使用图1，说明本发明的第二实施方式的给药量管理支援系统1。给药量管理支援系统1具备输入部10和计算部11。计算部11具备计算模型存储部12。
向输入部10输入慢性肾衰竭患者的血液中的Hb值、MCV值、Ferittin值、TSAT值、Hb值的变化及MCV值的变化作为输入数据。这些输入数据向计算部11发送。
计算部11根据从输入部10接收到的输入数据，基于计算模型存储部12中存储的计算模型，按维持现状、增量、减量这三个值来计算针对该慢性肾衰竭患者的药的给药判断。具体而言，计算部11将从输入部10接收到的输入数据向计算模型输入，关于药的给药判断，得出维持现状、增量、减量的概率。计算部11基于这些概率，按维持现状、增量、减量这三个值来计算药的给药判断。
计算模型存储部12中存储的计算模型由机器学习生成。此时使用的教师数据是多个慢性肾衰竭患者的血液中的Hb值、MCV值、Ferittin值、TSAT值、Hb值的变化、MCV值的变化、以及表示医生针对这多个患者决定了的药的给药判断是维持现状、增量、减量中的哪一个的数据。
计算模型存储部12中存储的计算模型在被输入Hb值、MCV值、Ferittin值、TSAT值、Hb值的变化及MCV值的变化时，关于药的给药判断，输出维持现状、增量、减量的概率。
根据本实施方式，能够实现如下的给药量管理支援系统：关于针对慢性肾衰竭患者的药的给药量，在第一实施方式的教师数据中加入MCV值和MCV值的变化作为进一步的教师数据，从而计算出维持现状、增量、减量。
[第三实施方式]
本发明的第三实施方式的给药量管理支援系统1的教师数据还包括表示上次医生针对患者决定了的药的给药判断是维持现状、增量还是减量的数据。第三实施方式的其他的结构与第一实施方式及第二实施方式相同。
基于本发明人等的研究的结果可知，在给药量刚变化之后，多是将给药量设为维持现状而观察情形。因此，通过向用于生成计算模型的教师数据中追加表示上次医生针对患者决定了的药的给药判断是维持现状、增量还是减量的数据，能够改善计算模型的精度。
通常，接受人工透析的患者在一周～两周接受一次采血，每次决定给药量。因此，上述的“上次医生针对患者决定了的药的给药判断”大致可认为是“在一周～两周前医生针对患者决定了的药的给药判断”。
根据本实施方式，能够实现可高精度地计算出给药判断的给药量管理支援系统。
[第四实施方式]
本发明的第四实施方式的给药量管理支援系统1的教师数据还包括上次的给药量数据。第四实施方式的其他的结构与第一实施方式及第二实施方式相同。
需要说明的是，与第三实施方式同样，“上次的给药量数据”可大致认为是“一周～两周前的给药量数据”。
根据本实施方式，能够实现可计算出准确的给药判断的给药量管理支援系统。
[第五实施方式]
本发明的第五实施方式的给药量管理支援系统1的教师数据还包括表示上次的给药量是否为0的数据。第五实施方式的其他的结构与第一实施方式及第二实施方式相同。
基于本发明人等的研究的结果可知，在上次的给药量为0的情况下，难以作出增量的给药判断。因此，通过在用于生成计算模型的教师数据中追加表示上次的给药量是否为0的数据，能够改善与从给药量0起的给药判断相关的计算模型的精度。
需要说明的是，与第三实施方式同样，“表示上次的给药量是否为0的数据”大致可认为是“表示一周～两周前的给药量是否为0的数据”。
根据本实施方式，能够实现可高精度地计算出给药判断的给药量管理支援系统。
[第六实施方式]
本发明的第六实施方式的给药量管理支援系统1的计算部11进行第一判断和第二判断的计算，其中，在第一判断中，基于从计算模型存储部12中存储的计算模型得到的维持现状、增量、减量的概率来判断是否维持现状，在第二判断中，在该第一给药判断的结果不是维持现状的情况下，判断是增量还是减量。
如前所述，计算模型存储部12关于药的给药判断，输出与维持现状、增量、减量这三个值相关的概率。
在从通过机器学习生成的计算模型得到的结果为两值的情况(例如关于给药，判断增量或减量的情况)下，可以使用ROC曲线(Receiver Operatorating Characteristiccurve)等来评价该模型的性能。由此，能够使最终的计算结果成为高精度的结果。然而，在从计算模型得到的结果为三值的情况下，难以准确地评价模型。原因是，在为了三值判断而要扩张ROC曲线的手法的情况下，需要设定两个阈值，但是难以一边使这两个阈值同时变动一边找出最优解。
本发明人等研究的结果是，发现在按维持现状、增量、减量这三个值判断给药的情况下，在是否维持现状的判断(以下称为“第一判断”)和不是维持现状的情况下的是增量还是减量的判断(以下称为“第二判断”)中，判断的特性不同。即，虽然第一判断比较困难，但是只要作出第一判断，第二判断就比较容易。基于该见解，如以下说明那样将三值的判断通过最初的第一判断和接着该第一判断的第二判断这两个阶段进行，由此能够提高判断的精度。
图3是表示第六实施方式的给药量管理支援系统1的计算部11的动作的流程图。
在步骤S1中，计算部11关于给药判断，从计算模型存储部12中存储的计算模型取得维持现状的概率Pstay、增量的概率Pup、减量的概率Pdown。其中，Pstay+Pup+Pdown＝1。
在步骤S2中，计算部11设定与第一判断相关的阈值T。其中，0<T<1。T＝0意味着始终判断为维持现状，T＝1意味着始终判断为增量或减量。
在步骤S3中，计算部11执行第一判断，即是否维持现状的判断。具体而言，计算部11判断是否Pstay≥T。
在步骤S3中的第一判断为肯定的情况下，处理向步骤S4转移。
在步骤S4中，计算部11输出给药设为维持现状的计算结果，处理结束。
在步骤S3中的第二判断为否定的情况下，处理向步骤S5转移。
在步骤S5中，计算部11执行第二判断，即是增量还是减量的判断。具体而言，计算部11判断是否Pup≥Pdown。
在步骤S5中的第二判断为肯定的情况下，处理向步骤S6转移。
在步骤S6中，计算部11输出给药设为增量的计算结果，处理结束。
在步骤S5中的第二判断为否定的情况下，处理向步骤S7转移。
在步骤S7中，计算部11输出给药设为减量的计算结果，处理结束。
根据本实施方式，能够实现可高精度地计算出给药判断的给药量管理支援系统。
[第七实施方式]
本发明的第七实施方式的给药量管理支援系统1的教师数据不包括有过感染症或手术的患者的数据。第七实施方式的其他的结构与第一实施方式及第二实施方式相同。
基于本发明人等的研究的结果，可知如果教师数据包括有过感染症的患者的数据或做过手术的患者的数据，则学习的精度下降。因此，通过从教师数据中排除有过感染症或手术的患者的数据，能够改善计算模型的精度。
根据本实施方式，能够实现可高精度地计算出给药判断的给药量管理支援系统。
[第八实施方式]
图4是本发明的第八实施方式的给药量管理支援系统2的功能框图。给药量管理支援系统2具备用于将计算模型更新为新的计算模型的计算模型更新部13。给药量管理支援系统的其他的结构与图1的给药量管理支援系统1及第二实施方式的结构相同。
已经生成的计算模型通过新赋予教师数据来执行机器学习，从而能够更新为可得出更准确的结果的计算模型。将这样更新后的新的计算模型定期地或者根据需要向计算模型更新部13赋予，由此，计算模型存储部12中存储的计算模型被更新。由此，能够使给药判断成为更准确的判断。
根据本实施方式，能够将给药量管理支援系统版本升级为可更高精度地进行给药判断的系统。
[验证1]
为了验证本发明在临床中的利用性，将本发明的给药量管理支援系统计算出的给药判断与专科医生作出的判断进行了比较。关于ESA制剂的给药的维持现状、增加、减少，使用验证用的数据组来进行验证。
图5是表示以下的实施方式中的判断结果与专科医生的判断结果的一致及不一致的图表3。即，该实施方式是具备第一实施方式的要件的给药量管理支援系统。输入数据包括MCV值及MCV值的变化。教师数据包括：表示上次医生针对患者决定了的所述药的给药判断是维持现状、增量还是减量的数据；上次的给药量数据；以及表示上次的给药量是否为0的数据。计算部进行第一判断和第二判断的计算，其中，在第一判断中，基于从所述计算模型得到的维持现状、增量、减量的概率来判断是否维持现状，在第二判断中，在所述第一判断的结果不是维持现状的情况下，判断是增量还是减量。教师数据不包括有过感染症或手术的患者的数据。此时，区域30是关于维持现状的判断结果，给药量管理支援系统1与专科医生的判断一致的情况的比例。区域31是关于增量或减量的判断结果，给药量管理支援系统1与专科医生的判断一致的情况的比例。区域32是给药量管理支援系统1与专科医生的判断不一致的情况的比例。
从图5可知，区域30与区域31合在一起为77％的比例，给药量管理支援系统1与专科医生的判断一致。并且可知，给药量管理支援系统1与专科医生的判断不一致的情况占23％的比例。
图5表示给药量管理支援系统1的判断结果与专科医生的判断结果的单纯的一致及不一致。但是，在该不一致之中，由于给药量管理支援系统1与专科医生的判断的时机不同，具体而言，给药量管理支援系统1比专科医生提前判断，因此需要留意也包括看上去不一致的情况这一点。
图6是表示前述的实施方式的给药量管理支援系统的判断结果与专科医生的判断结果的一致及不一致的图表4。其中，图6将图5的各区域详细化地表示。区域40是给药量管理支援系统1的判断与专科医生的判断为同日且关于维持现状的判断结果而言两者的判断一致的情况的比例。区域41是给药量管理支援系统1的判断与专科医生的判断为同日且关于增量或减量的判断结果而言两者的判断一致的情况的比例。区域42是给药量管理支援系统1的判断比专科医生的判断提前进行且在专科医生作出判断之日两者的判断一致的情况的比例。区域43是与给药量管理支援系统1和专科医生的判断之日无关，两者的判断不一致的情况的比例。
从图6可知，区域40、区域41、区域42合在一起为83％的比例，给药量管理支援系统1与专科医生的判断一致。并且可知，给药量管理支援系统1与专科医生的判断不一致的情况占17％的比例。
关于图6的区域43内的各事例进行了更详细的验证的结果是，可知在区域43中，除了给药量管理支援系统1的判断明显错误的情况之外，还包括给药量管理支援系统1的判断正确而专科医生的判断错误的情况、不清楚哪一边的判断正确的情况。结果是，给药量管理支援系统1的判断明显错误的情况的比例为整体的13％左右。即，可知给药量管理支援系统1相对于专科医生的判断能够以约87％的正确度计算出给药量。
根据以上的验证结果，可认为本发明的给药量管理支援系统1能够以充分耐受临床中的利用的精度进行给药判断。
[验证2]
为了确认第一实施方式(教师数据及输入数据不包括MCV值及MCV值的变化的方式)与第二实施方式(教师数据及输入数据包括MCV值及MCV值的变化的方式)的效果的差异，以实际的患者的症例为对象进行了验证。在此，关于学习数据，使用了患者数131、对象周数6080的数据。而且，关于评价数据，使用了患者数87、对象周数1857的数据。结果如以下所述。
(事例1)给药量管理支援系统1的判断与专科医生的判断为同日且两者的判断一致的事例。在第一实施方式中为80％，在第二实施方式中为77％。
(事例2)在事例1的结果中也加入了给药量管理支援系统1的判断比专科医生的判断提前进行且在专科医生作出判断之日两者的判断一致的事例。在第一实施方式中为86％，在第二实施方式中为84％。
这些事例都得出第一实施方式在一致率这方面稍好的结果。关于其理由，虽然在现下还存在不清楚的点，但是可考虑为例如贫血中也存在从MCV看不见的因子，因此存在没有MCV的方式的结果更好的可能性。而且，本发明由于使用概率的方法，因此正确率的值会根据尝试而变化。上述的正确率的数值进行多次尝试而取其中最高的值。在此，根据MCV的有无而出现的差与此时的变化的范围为相同程度，因此可以说在本质上没有大的差别。无论如何，可认为在第一及第二任一实施方式中，对于临床中的利用都能够进行充分的给药判断。
[验证3]
上述的验证1及验证2都是本给药量管理支援系统的学习数据生成与基于专科医生的判断属于相同的医疗机关的验证。相对于此，进行了用于确认本给药量管理支援系统的学习数据生成与基于专科医生的判断属于不同的医疗机关的情况下的有效性的验证。在此，使用了第二实施方式(教师数据及输入数据包括MCV值及MCV值的变化的方式)。
A医院：进行了本给药量管理支援系统的学习数据生成的医院(关于学习数据，为患者数131、对象周数6080。关于评价数据，为患者数87、对象周数1857)
B医院：与本给药量管理支援系统的学习数据生成无关的医院(关于评价数据，为患者数16、对象周数298。(注：学习数据使用上述A医院的数据)
此时，分别关于A医院的专科医生的判断和B医院的判断，与本给药量管理支援系统的判断的一致率如以下所述。
(事例3)给药量管理支援系统1的判断与专科医生的判断为同日且两者的判断一致的事例。在A医院中为77％，在B医院中为72％。
(事例4)在事例3的结果中加入了给药量管理支援系统1的判断比专科医生的判断提前进行且在专科医生作出判断之日两者的判断一致的事例。在A医院中为84％，在B医院中为81％。
在这些事例中，都是虽然进行了学习数据的生成的A医院的专科医生的判断的一致率较高，但是B医院的专科医生的判断也得到充分的一致率。由此可知，本给药量管理支援系统无论向学习数据生成的参与的有无，都能够充分通用地作出与专科医生接近的给药判断。
[第九实施方式]
使用图1，说明本发明的第九实施方式的给药量管理支援系统1。给药量管理支援系统1具备输入部10和计算部11。计算部11具备计算模型存储部12。
向输入部10输入心脏血管手术后的患者的血液中的血糖值、胰岛素给予量及从心脏血管手术结束时至被给予胰岛素时为止的经过时间来作为输入数据。这些输入数据向计算部11发送。
计算部11根据从输入部10接收到的输入数据，基于计算模型存储部12中存储的计算模型，按维持现状、增量、减量这三个值计算出针对该心脏血管手术后的患者的胰岛素的给予判断。具体而言，计算部11将从输入部10接收到的输入数据向计算模型输入，关于胰岛素的给予判断，得到维持现状、增量、减量的概率。计算部11基于这些概率，按维持现状、增量、减量这三个值计算出胰岛素的给予判断。
计算模型存储部12中存储的计算模型由机器学习生成。此时使用的教师数据是心脏血管手术后的患者的血液中的血糖值、胰岛素给予量、从所述心脏血管手术结束时至被给予所述胰岛素时为止的经过时间、以及表示医生针对这些患者决定了的所述胰岛素的给予判断是维持现状、增量、减量中的哪一个的数据。
计算模型存储部12中存储的计算模型在被输入心脏血管手术后的患者的血液中的血糖值、胰岛素给予量、从所述心脏血管手术结束时至被给予所述胰岛素时为止的经过时间时，关于胰岛素的给予判断，输出维持现状、增量、减量的概率。
计算模型可以取代输出与胰岛素的给予判断相关的维持现状、增量、减量的概率，而是根据该判断来输出所述患者的胰岛素的来自体外的供给量与所需量平衡、体内量不足、体内量过剩。如前所述，在患者的血中胰岛素不足时被给予。因此，基于计算模型输出的给予量的维持现状、增量、减量的判断分别对应于患者的胰岛素的来自体外的供给量与所需量平衡、体内量不足、体内量过剩。即，计算模型能够输出为患者的胰岛素的来自体外的供给量与所需量平衡、体内量不足、体内量过剩。例如医生通过观察该输出结果，能够知晓患者的病情。
[第十实施方式]
本发明的第十实施方式的给药量管理支援系统1的教师数据还包括上次的胰岛素给予量数据。第十实施方式的其他的结构与第九实施方式相同。
[第十一实施方式]
本发明的第十一实施方式的给药量管理支援系统1的计算部11进行第一判断和第二判断的计算，其中，在第一判断中，基于从计算模型存储部12中存储的计算模型得到的维持现状、增量、减量的概率来判断是否维持现状，在第二判断中，在该第一胰岛素给予判断的结果不是维持现状的情况下判断是增量还是减量。
使用图3，说明第十一实施方式的给药量管理支援系统1的计算部11的动作。
在步骤S1中，计算部11关于胰岛素给予判断，从计算模型存储部12中存储的计算模型取得维持现状的概率Pstay、增量的概率Pup、减量的概率Pdown。其中，Pstay+Pup+Pdown＝1。
在步骤S2中，计算部11设定与第一判断相关的阈值T。其中，0<T<1。T＝0意味着始终判断为维持现状，T＝1意味着始终判断为增量或减量。
在步骤S3中，计算部11执行第一判断，即是否维持现状的判断。具体而言，计算部11判断是否Pstay≥T。
在步骤S3中的第一判断为肯定的情况下，处理向步骤S4转移。
在步骤S4中，计算部11输出胰岛素给予设为维持现状的计算结果，处理结束。
在步骤S3中的第二判断为否定的情况下，处理向步骤S5转移。
在步骤S5中，计算部11执行第二判断，即是增量还是减量的判断。具体而言，计算部11判断是否为Pup≥Pdown。
在步骤S5中的第二判断为肯定的情况下，处理向步骤S6转移。
在步骤S6中，计算部11输出胰岛素给予设为增量的计算结果，处理结束。
在步骤S5中的第二判断为否定的情况下，处理向步骤S7转移。
在步骤S7中，计算部11输出胰岛素给予设为减量的计算结果，处理结束。
根据本实施方式，能够实现可高精度地计算出胰岛素给予判断的给药量管理支援系统。
[第十二实施方式]
使用图7，说明本发明的第十二实施方式的给药量管理支援系统1。给药量管理支援系统1具备输入部10和计算部11。计算部11具备计算模型存储部12。
向输入部10输入心脏血管手术后的患者的血液中的血糖值、胰岛素给予量及从心脏血管手术结束时至被给予胰岛素时为止的经过时间来作为输入数据。这些输入数据向计算部11发送。
计算部11根据从输入部10接收到的输入数据，基于计算模型存储部12中存储的计算模型，按维持现状、大增量、小增量、大减量、小减量这五个值计算出针对该心脏血管手术后的患者的胰岛素的给予判断。具体而言，计算部11将从输入部10接收到的输入数据向计算模型输入，关于胰岛素的给予判断，得到维持现状、增量、减量的概率。计算部11基于这些概率，按维持现状、大增量、小增量、大减量、小减量这五个值计算出胰岛素的给予判断。
已知针对心脏血管手术后的患者的胰岛素的给予量管理与第一～第八实施方式中说明的对慢性肾衰竭患者的给药量管理相比，在进行更细的管理时是有利的。本实施方式能够按维持现状、大增量、小增量、大减量、小减量这五个基准来管理针对心脏血管手术后的患者的胰岛素的给予量。因此，根据本实施方式，能够实现可计算出更细的给予判断的给药量管理支援系统。
[第十三实施方式]
本发明的第十三实施方式的给药量管理支援系统1的计算部11进行第一判断、第二判断、第三判断和第四判断的计算，其中，在第一判断中，基于从计算模型存储部12中存储的计算模型得到的维持现状、大增量、小增量、大减量、小减量的概率，来判断是否维持现状，在第二判断中，在该第一判断的结果不是维持现状的情况下，判断是增量还是减量，在第三判断中，在第二判断为增量的情况下，判断是大增量还是小增量，在第四判断中，在第二判断为减量的情况下，判断是大减量还是小减量。
图7是表示第十三实施方式的给药量管理支援系统1的计算部11的动作的流程图。
在步骤S11中，计算部11关于胰岛素给予判断，从计算模型存储部12中存储的计算模型取得维持现状的概率Pstay、增量的概率Pup、减量的概率Pdown。其中，Pstay+Pup+Pdown＝1。
在步骤S12中，计算部11设定与第一判断相关的阈值T。其中，0<T<1。T＝0意味着始终判断为维持现状，T＝1意味着始终判断为增量或减量。
在步骤S13中，计算部11执行第一判断，即是否维持现状的判断。具体而言，计算部11判断是否Pstay≥T。
在步骤S13中的第一判断为肯定的情况下，处理向步骤S14转移。
在步骤S14中，计算部11输出胰岛素给予设为维持现状的计算结果，处理结束。
在步骤S13中的第二判断为否定的情况下，处理向步骤S15转移。
在步骤S15中，计算部11执行第二判断，即是增量还是减量的判断。具体而言，计算部11判断是否Pup≥Pdown。
在步骤S15中的第二判断为肯定的情况下，处理向步骤S16转移。
在步骤S16中，计算部11进行第三判断，即在胰岛素给予为增量时判断是大增量还是小增量。具体而言，计算部11判断是否Pup_1≥Pup_2。在此，Pup_1是大增量的概率，Pup_2是小增量的概率，Pup_1+Pup_2＝Pup。
在步骤S16中的第三判断为肯定的情况下，处理向步骤S17转移。
在步骤S17中，计算部11输出给药设为大增量的计算结果，处理结束。
在步骤S16中的第三判断为否定的情况下，处理向步骤S18转移。
在步骤S18中，计算部11输出给药设为小增量的计算结果，处理结束。
在步骤S15中的第二判断为否定的情况下，处理向步骤S19转移。
在步骤S19中，计算部11进行第四判断，即在胰岛素给予为减量时判断是大减量还是小减量。具体而言，计算部11判断是否Pdown_1≥Pdown_2。在此，Pdown_1是大减量的概率，Pdown_2是小减量的概率，Pdown_1+Pdown_2＝Pdown。
在步骤S19中的第四判断为肯定的情况下，处理向步骤S20转移。
在步骤S20中，计算部11输出给药设为大减量的计算结果，处理结束。
在步骤S19中的第四判断为否定的情况下，处理向步骤S21转移。
在步骤S21中，计算部11输出给药设为小减量的计算结果，处理结束。
根据本实施方式，由于能够按维持现状、大增量、小增量、大减量、小减量这五个阶段来计算胰岛素给予量，因此能够实现可进行极细的管理的给药量管理支援系统。
[验证4]
为了验证本发明的向心脏血管手术后的患者的利用性，关于实际的患者的18个症例，使用手术后24小时的血糖值的时间的推移和胰岛素的给予量的数据，将本给药量管理支援系统的判断与熟练医生的判断进行了比较。其结果是，两者的判断以大致60％的一致率一致。由此可知，本给药量管理支援系统能够在针对心脏血管手术后的患者的血糖值管理中充分利用。
以上，基于本发明的若干的实施方式进行了说明。这些实施方式为例示，本领域技术人员应理解在本发明的权利要求书的范围内能够进行各种变形及变更且这样的变形例及变更也在本发明的权利要求书的范围内。因此，本说明书中的记述及附图应被视作是非限定性且例证性的。
例如图4的给药量管理支援系统2可以具备通过机器学习生成计算模型的计算模型生成部。并且，可以将新生成的计算模型定期地或根据需要向计算模型更新部13赋予，由此，计算模型存储部12中存储的计算模型被更新。根据本变形例，不用在外部生成或更新来准备计算模型，能够单独通过本给药量管理支援系统来生成或更新计算模型。
变形例发挥与实施方式同样的作用、效果。
上述的各实施方式与变形例的任意的组合也作为本发明的实施方式有用。通过组合而产生的新的实施方式同时具有被组合的各实施方式及变形例各自的效果。
产业上的可利用性
本发明能够利用于给药量管理支援系统。
符号说明
1··给药量管理支援系统
2··给药量管理支援系统
10··输入部
11··计算部
12··计算模型存储部
13··计算模型更新部
S3··第一判断
S5··第二判断
S13··第一判断
S15··第二判断
S16··第三判断
S19··第四判断

Claims (18)

1.一种给药量管理支援系统，其具备：
输入部，其被输入从对患者的上次给药起算的经过时间及/或所述患者的血液中的生物物质的值及/或该值的变化来作为输入数据；以及
计算部，其基于计算模型，根据所述输入数据，按维持现状、增量、减量这三个值计算出针对所述患者的药的给药概率，并进行第一判断和第二判断的计算，其中，在所述第一判断中，根据计算出的给药概率来判断是否维持现状，在所述第二判断中，在所述第一判断的结果不是维持现状的情况下，判断是增量还是减量，
所述计算模型通过如下方式生成：将从对多个患者的上次给药起算的经过时间及/或所述多个患者的血液中的生物物质的值及/或该值的变化、以及表示医生针对这些患者决定了的所述药的给药判断是维持现状、增量、减量中的哪一个的数据作为教师数据并利用机器学习来生成该计算模型。
2.根据权利要求1所述的给药量管理支援系统，其中，
所述给药量管理支援系统还具备用于将所述计算模型更新为新的计算模型的计算模型更新部。
3.根据权利要求1或2所述的给药量管理支援系统，其中，
所述教师数据还包括表示上次医生针对患者决定了的所述给药判断是维持现状、增量还是减量的数据。
4.根据权利要求1或2所述的给药量管理支援系统，其中，
所述教师数据还包括上次的给药量数据。
5.根据权利要求1或2所述的给药量管理支援系统，其中，
所述教师数据不包括有过感染症或手术的患者的数据。
6.根据权利要求1或2所述的给药量管理支援系统，其中，
所述患者为慢性肾衰竭患者，
所述血液中的生物物质的值为Hb值、Ferittin值及TSAT值，所述值的变化为Hb值的变化，
所述患者被给予的药是ESA制剂和含铁剂中的至少一方。
7.根据权利要求6所述的给药量管理支援系统，其中，
所述血液中的生物物质的值还包括MCV值，所述值的变化还包括MCV值的变化。
8.根据权利要求6所述的给药量管理支援系统，其中，
所述计算模型根据与所述给药判断相关的维持现状、增量、减量的判断，输出所述患者的EPO的来自体外的供给量与所需量平衡、体内量不足、体内量过剩中的任一个。
9.根据权利要求1或2所述的给药量管理支援系统，其中，
所述计算部进行第三判断和第四判断的计算，其中，在所述第三判断中，在第二判断为增量的情况下，判断是大增量还是小增量，在所述第四判断中，在所述第二判断为减量的情况下，判断是大减量还是小减量。
10.根据权利要求1或2所述的给药量管理支援系统，其中，
所述患者是心脏血管手术后的患者，
所述血液中的生物物质的值为血糖值，
所述患者被给予的药为胰岛素。
11.根据权利要求10所述的给药量管理支援系统，其中，
所述计算模型根据与所述给药判断相关的维持现状、增量、减量的判断，输出所述患者的胰岛素的来自体外的供给量与所需量平衡、体内量不足、体内量过剩中的任一个。
12.一种给药量管理支援系统，其具备：
输入部，其被输入慢性肾衰竭患者的血液中的Hb值、MCV值、Ferittin值、TSAT值、Hb值的变化及MCV值的变化来作为输入数据；以及
计算部，其基于计算模型，根据所述输入数据，按维持现状、增量、减量这三个值计算出针对所述慢性肾衰竭患者的药的给药判断，
所述计算模型通过如下方式生成：将多个慢性肾衰竭患者的血液中的Hb值、MCV值、TSAT值、Ferittin值、Hb值的变化、MCV值的变化、以及表示医生针对这些患者决定了的所述药的给药判断是维持现状、增量、减量中的哪一个的数据作为教师数据并利用机器学习来生成该计算模型，
所述计算模型关于所述药的给药判断，输出维持现状、增量、减量的概率，
所述药是ESA制剂和含铁剂中的至少一方。
13.根据权利要求12所述的给药量管理支援系统，其中，
所述教师数据还包括表示上次医生针对患者决定了的所述药的给药判断是维持现状、增量还是减量的数据。
14.根据权利要求12或13所述的给药量管理支援系统，其中，
所述教师数据还包括上次的给药量数据。
15.根据权利要求12或13所述的给药量管理支援系统，其中，
所述教师数据还包括表示上次的给药量是否为零的数据。
16.根据权利要求12或13所述的给药量管理支援系统，其中，
所述计算部进行第一判断和第二判断的计算，其中，在所述第一判断中，基于从所述计算模型获得的维持现状、增量、减量的概率来判断是否维持现状，在所述第二判断中，在所述第一判断的结果不是维持现状的情况下，判断是增量还是减量。
17.根据权利要求12或13所述的给药量管理支援系统，其中，
所述教师数据不包括有过感染症或手术的患者的数据。
18.根据权利要求12或13所述的给药量管理支援系统，其中，
所述给药量管理支援系统还具备用于将所述计算模型更新为新的计算模型的计算模型更新部。
CN202080007771.7A 2019-01-23 2020-01-23 给药量管理支援系统 Active CN113261064B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-009333 2019-01-23
JP2019009333 2019-01-23
PCT/JP2020/002305 WO2020153423A1 (ja) 2019-01-23 2020-01-23 投薬量管理支援システム

Publications (2)

Publication Number Publication Date
CN113261064A CN113261064A (zh) 2021-08-13
CN113261064B true CN113261064B (zh) 2024-03-08

Family

ID=71736187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080007771.7A Active CN113261064B (zh) 2019-01-23 2020-01-23 给药量管理支援系统

Country Status (4)

Country Link
US (1) US20220016344A1 (zh)
JP (1) JP7412009B2 (zh)
CN (1) CN113261064B (zh)
WO (1) WO2020153423A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022202359A1 (ja) * 2021-03-23 2022-09-29 テルモ株式会社 情報処理装置、情報処理方法およびプログラム
EP4449427A1 (en) * 2021-12-15 2024-10-23 Diamante S.r.l. Apparatus for determining administrative form of a composition of an engineered virus-based nanoparticle for a treatment of an autoimmune condition

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1516562A (zh) * 2002-04-25 2004-07-28 松下电器产业株式会社 投药量决定支援装置、注射器及健康管理支援系统
WO2014043295A1 (en) * 2012-09-14 2014-03-20 University Of Massachusetts Methods and devices for determining optimal agent dosages
CN103907116A (zh) * 2011-08-26 2014-07-02 弗吉尼亚大学专利基金会 用于糖尿病的自适应咨询控制的方法、系统以及计算机可读介质
CN104756116A (zh) * 2012-08-30 2015-07-01 美敦力迷你迈德公司 用于闭环胰岛素输注系统的防护措施
CN105142518A (zh) * 2013-04-26 2015-12-09 豪夫迈·罗氏有限公司 具有守时的糖尿病管理系统
WO2016069475A1 (en) * 2014-10-27 2016-05-06 Aseko, Inc. Subcutaneous outpatient management
CN106108846A (zh) * 2016-06-20 2016-11-16 中山大学 一种智能化药物风险监控方法及系统
CN106292296A (zh) * 2016-10-25 2017-01-04 大唐（北京）水务工程技术有限公司 基于ga‑svm的水岛加药在线控制方法和装置
CN107135644A (zh) * 2014-09-23 2017-09-05 安尼马斯公司 用于糖尿病患者的决策支持
CN107715242A (zh) * 2017-11-24 2018-02-23 中国科学院苏州生物医学工程技术研究所 基于智能专家库的无线智能镇痛泵管理系统
AU2017201991B1 (en) * 2017-03-24 2018-06-21 Othman Abdul Rahim Radi Al Hanbali System and method for drug dosage medicament regime adherence monitoring
CN108697580A (zh) * 2016-02-26 2018-10-23 株式会社丰崎会计事务所 信息处理装置
RU2673646C1 (ru) * 2018-04-13 2018-11-28 федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр профилактической медицины" Министерства здравоохранения Российской Федерации (ФГБУ "НМИЦ ПМ" Минздрава России) Способ диагностики скрытой артериальной гипертонии

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100324936A1 (en) * 2009-04-22 2010-12-23 Suresh-Kumar Venkata Vishnubhatla Pharmacy management and administration with bedside real-time medical event data collection
US20130316946A1 (en) * 2012-05-24 2013-11-28 Cebix, Inc. Extended recombinant polypeptide-modified c-peptide
US11062797B2 (en) * 2014-10-10 2021-07-13 Continuous Precision Medicine Method and system for obtaining and using pharmacokinetic data in drug administration
US10463789B2 (en) * 2015-09-02 2019-11-05 University Of Virginia Patent Foundation System, method, and computer readable medium for dynamic insulin sensitivity in diabetic pump users
JP6828055B2 (ja) * 2016-05-04 2021-02-10 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 患者緊急度の臨床医評価の推定及び使用
EP3273373A1 (en) * 2016-07-18 2018-01-24 Fresenius Medical Care Deutschland GmbH Drug dosing recommendation
EP3511033A4 (en) * 2016-09-08 2020-04-22 Kabushiki Kaisya Advance SYSTEM FOR MANAGING INFORMATION REGARDING DIFFERENCES BETWEEN PERSONS IN DIALYSIS TREATMENT

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1516562A (zh) * 2002-04-25 2004-07-28 松下电器产业株式会社 投药量决定支援装置、注射器及健康管理支援系统
CN103907116A (zh) * 2011-08-26 2014-07-02 弗吉尼亚大学专利基金会 用于糖尿病的自适应咨询控制的方法、系统以及计算机可读介质
CN104756116A (zh) * 2012-08-30 2015-07-01 美敦力迷你迈德公司 用于闭环胰岛素输注系统的防护措施
WO2014043295A1 (en) * 2012-09-14 2014-03-20 University Of Massachusetts Methods and devices for determining optimal agent dosages
CN105142518A (zh) * 2013-04-26 2015-12-09 豪夫迈·罗氏有限公司 具有守时的糖尿病管理系统
CN107135644A (zh) * 2014-09-23 2017-09-05 安尼马斯公司 用于糖尿病患者的决策支持
WO2016069475A1 (en) * 2014-10-27 2016-05-06 Aseko, Inc. Subcutaneous outpatient management
CN108697580A (zh) * 2016-02-26 2018-10-23 株式会社丰崎会计事务所 信息处理装置
CN106108846A (zh) * 2016-06-20 2016-11-16 中山大学 一种智能化药物风险监控方法及系统
CN106292296A (zh) * 2016-10-25 2017-01-04 大唐（北京）水务工程技术有限公司 基于ga‑svm的水岛加药在线控制方法和装置
AU2017201991B1 (en) * 2017-03-24 2018-06-21 Othman Abdul Rahim Radi Al Hanbali System and method for drug dosage medicament regime adherence monitoring
CN107715242A (zh) * 2017-11-24 2018-02-23 中国科学院苏州生物医学工程技术研究所 基于智能专家库的无线智能镇痛泵管理系统
RU2673646C1 (ru) * 2018-04-13 2018-11-28 федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр профилактической медицины" Министерства здравоохранения Российской Федерации (ФГБУ "НМИЦ ПМ" Минздрава России) Способ диагностики скрытой артериальной гипертонии

Also Published As

Publication number Publication date
WO2020153423A1 (ja) 2020-07-30
US20220016344A1 (en) 2022-01-20
CN113261064A (zh) 2021-08-13
JP7412009B2 (ja) 2024-01-12
JPWO2020153423A1 (ja) 2021-12-02

Similar Documents

Publication Publication Date Title
Yuzefpolskaya et al. The Society of Thoracic Surgeons Intermacs 2022 annual report: focus on the 2018 heart transplant allocation system
CN113261064B (zh) 给药量管理支援系统
Liew et al. Asian Pacific Society of Nephrology clinical practice guideline on diabetic kidney disease–an executive summary
CA2615591A1 (en) System and method for implementation of glycemic control protocols
Savage et al. Endocrine emergencies
Chowdhury et al. Fasting outcomes in people with diabetes and chronic kidney disease in East London during Ramadan 2018: The East London diabetes in Ramadan survey
Ramzy et al. Improved clinical outcomes associated with the Impella 5.5 compared to the Impella 5.0 in contemporary cardiogenic shock and heart failure patients
Gramegna et al. Impella RP support in refractory right ventricular failure complicating acute myocardial infarction with unsuccessful right coronary artery revascularization
Waldenmaier et al. A prospective study of insulin infusion set use for up to 7 days: early replacement reasons and impact on glycemic control
Thomson et al. Fulminant Delta COVID-19 myocarditis: a case report of fatal primary cardiac dysfunction
Ohnishi et al. Effect of pharmacist management on serum hemoglobin levels with renal anemia in hemodialysis outpatients
Corona et al. Dosing Colistin Properly: Let’s Save “Our Last Resort Old Drug!”
Maybauer et al. The ProtekDuo cannula for extracorporeal membrane oxygenation: A game changer in COVID‐19!
Zhang et al. Automated electronic monitoring of circuit pressures during continuous renal replacement therapy: a technical report
WO2018229739A1 (ja) 投与量決定プログラムおよび投与量決定装置
Bueno et al. Experience with a long-term pulsatile ventricular assist device as a bridge to heart transplant in adults
Pasquier et al. Subdural catheter migration may lead to baclofen pump dysfunction
JPWO2020153423A5 (zh)
Buckwell et al. Anaesthesia for lung transplantation
US20200132676A1 (en) Blood volume analyzer with guidance
Badlani et al. Evidence for basal–bolus insulin versus slide scale insulin
Morpurgo et al. A multicenter feasibility study on ultrafiltration via a single peripheral venous access in acute heart failure with overt fluid overload
Ronsin et al. Factors related to CSII compliance
Noly et al. Mechanical Circulatory Support Device Registries: Intermacs and IMACS
Greenberg et al. A Retrospective Pilot Comparison Trial Investigating Clinical Outcomes in Cardiac Surgical Patients Who Received Sugammadex Reversal During 2018 to 2021

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant