JP6362061B2 - 診断支援システム、その作動方法、およびプログラム - Google Patents

Description

本発明は、診断支援システムに関し、特に医療診断を支援する情報を提供する診断支援システムに関する。

医療の分野では、Ｘ線ＣＴ装置やＭＲＩ等の撮影装置により得られた医用画像を医師が読影して診断を行う画像診断が行われている。例えば、画像診断では、主治医の読影の依頼を受けた医師が、画像から得られる所見（以下、「読影所見」と称する）や各種測定値を総合的に判断して画像に写る病変の症状を特定する。そして、医師は、その画像診断に至った経緯を読影所見や測定値を利用して、依頼元の主治医への読影レポートとしてまとめる。

このような医師の読影に対する負担軽減を目的として、医用画像に対して異常陰影等を検出し、コンピュータ処理により陰影の状態を推論することにより診断の支援を行う医療診断支援装置（以下、「診断支援装置」と称する）が開発されている。通常、このような診断支援装置を用いる場合は、まず医師による読影が行われ、その後に医師は診断支援装置が提示した支援情報を参照し、自らが読影した結果との比較を行い、最終的な判断を行う。ここで、診断支援装置が提示した支援情報を信頼するためには、この支援情報が何を拠り所として導出されたのかを医師が知ることが望ましい。すなわち、診断支援装置は、提示する支援情報について、その推論根拠も提示することが好ましい。

そこで、そのような推論根拠を提示するための診断支援装置が開発されている。例えば、本願出願人らが提案した特許文献１には、読影所見などの入力済みの情報に基づく装置の推論結果に対して、否定的な情報と肯定的な情報を支援情報として提示する技術が記載されている。さらに特許文献１には、可能性のある診断名夫々に対する否定的な情報と肯定的な情報を支援情報として提示する技術が記載されている。これにより、診断支援装置が推論結果を提示するとともに、読影所見などの情報に基づく装置の推論結果の導出に影響した情報を支援情報として提示することも可能としている。

特開２０１０−２００８４０号公報

医師による読影の傾向として、医師が想定した診断名に自信がある場合には想定した診断名を肯定するような情報を、自信がない場合にはそれ以外の診断名を否定するような情報を手掛かりとすることが多い。しかしながら、前述した特許文献に記載の技術ではそのような情報を支援情報として提示できないことがあるという課題があった。

上記の課題に鑑み、本発明は、医師の診断の確信度を向上させるために必要な情報を効率的に提示できるようにすることを目的とする。

上記目的を達成するための一手段として、本発明の診断支援システムは以下の構成を備える。すなわち、所見に関する入力情報を取得する取得手段と、前記入力情報に基づいて診断名を特定するとともに該診断名の推論確率を得る推論手段と、前記診断名の特定に影響を与えた度合いを示す、前記入力情報の影響度を取得する影響度取得手段と、前記特定された診断名の前記推論確率に応じて、前記影響度に基づく支援情報を表示部に表示させる表示制御手段と、を備え前記表示制御手段は、前記特定された診断名に対する前記推論確率が所定の基準よりも低い場合には、前記特定された診断名以外の診断名を否定する影響度を有する前記入力情報に基づいて前記支援情報を表示させる。

本発明によれば、医師の診断の確信度を向上させるために必要な情報を効率的に提示することができる。

第１実施形態による診断支援装置の機器構成を示す図。 診断支援装置の各部をソフトウェアにより実現するコンピュータの基本構成を示す図。 第１実施形態における処理手順を示すフローチャート。 第１実施形態における読影所見と臨床情報の例を示した図。 第１実施形態における影響度の例を示した図。 第１実施形態における支援情報の例を示した図。

以下に、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。ただし、発明の範囲は図示例に限定されるものではない。

［第１実施形態］
第１の実施形態による診断支援システムは、医療診断対象である症例に関する医用情報を取得し、症例に対する診断支援を行う。なお、本実施形態では、診断支援システムは、肺の異常陰影に関する、複数の読影所見および過去の病歴や腫瘍マーカー値（以下、臨床情報と称する）を医用情報として取得するものとする。そして取得した情報を基に、肺の異常陰影の異常の種類（診断名）に関する推論を行い、その結果に基づいて診断支援情報を提示する場合を例として説明する。なお、推論対象はこれに限定されるものではなく、以下に示す診断名や入力可能な読影所見、臨床情報などは、何れも診断支援システムの処理の工程を説明するための一例に過ぎない。

図１は、第１実施形態に係るシステムの診断支援装置の構成を示す。本実施形態による診断支援装置１００は、入力情報取得部１０２と、推論部１０４と、影響度取得部１０６と、選択部１０８と、提示部１１０とを備える。また、診断支援装置１００は、情報入力端末２００に接続されている。

情報入力端末２００は、ユーザ（医師）の操作などにより、診断対象である症例に対応した、肺の異常陰影に関する症例情報（医用画像や臨床情報を含む電子カルテの情報など）を不図示のサーバから取得する。なお、情報入力端末２００は、外部記憶装置、例えばＦＤＤ、ＨＤＤ、ＣＤドライブ、ＤＶＤドライブ、ＭＯドライブ、ＺＩＰドライブ等と接続し、それらのドライブから症例情報を取得するようにしてもよい。情報入力端末２００は、読影可能な形でこれらの症例情報を表示する。

ユーザは表示部としてのモニタに表示された症例情報に対する読影所見を、マウスやキーボードを用いて入力する。この処理は、例えばテンプレート形式の入力支援方法を用いて、ＧＵＩにより選択できるような機能を情報入力端末２００が備えることで実現される。なお、本実施形態では、読影所見と臨床情報には、後述するように、それぞれ名称と状態が含まれるものとする。また、情報入力端末において、読影所見についてはユーザがモニタ表示を参考に入力し、臨床情報についてはテンプレートに自動的に入力されるようにしてもよいし、ユーザが入力してもよい。情報入力端末２００は、ユーザの操作に従い、読影所見と臨床情報と、この情報に付随するデータ（代表画像など）を、ＬＡＮ等を介して診断支援装置１００へと送信する。

入力情報取得部１０２は、情報入力端末２００から診断支援装置１００へ入力された肺の異常陰影に関する情報（以下、入力情報と称する）とそれに付随するデータ（以下、入力情報とまとめて医用情報と称する。）を取得し、これらを推論部１０４、影響度取得部１０６、及び提示部１１０へと出力する。推論部１０４は、入力情報取得部１０２が取得した入力情報に基づいて、診断対象である肺の異常陰影に関する推論処理を実行し、異常陰影が夫々の診断名である確率（推論結果）を算出する。算出した推論結果は影響度取得部１０６、選択部１０８、及び提示部１１０へと出力する。推論処理については後述する。

影響度取得部１０６は、入力情報取得部１０２が取得した入力情報と、推論部１０４で取得した推論結果を用いて影響度を取得し、取得した影響度を選択部１０８へと出力する。影響度の取得方法については後述する。選択部１０８は、推論部１０４で取得した推論結果と、影響度取得部１０６で取得した影響度に基づいて、情報を選択する。選択部１０８で選択した情報は、提示部１１０へと出力する。提示部１１０は、提示する情報を生成して表示する。具体的には、提示部１１０は、入力情報取得部１０２で取得した入力情報及び付随するデータと、推論部１０４で取得した推論結果と、選択部１０８で選択した情報に基づいて、提示する情報を生成し、生成した情報を表示制御する。

なお、図１に示した診断支援装置１００の各部の少なくとも一部は独立した装置として実現してもよい。また、夫々が機能を実現するソフトウェアとして実現してもよい。本実施形態では各部はそれぞれソフトウェアにより実現されているものとする。

図２は、図１に示した各部の夫々の機能を、ソフトウェアを実行することで実現するためのコンピュータの基本構成を示す図である。ＣＰＵ１００１は、主として各構成要素の動作を制御する。主メモリ１００２は、ＣＰＵ１００１が実行する制御プログラムを格納したり、ＣＰＵ１００１によるプログラム実行時の作業領域を提供したりする。磁気ディスク１００３は、オペレーティングシステム（ＯＳ）、周辺機器のデバイスドライブ、後述する処理等を行うためのプログラムを含む各種アプリケーションソフト等を格納する。表示メモリ１００４は、表示用データを一時記憶する。モニタ１００５は、例えばＣＲＴモニタや液晶モニタ等であり、表示メモリ１００４からのデータに基づいて画像やテキストなどの表示を行う。マウス１００６及びキーボード１００７は、ユーザによるポインティング入力及び文字等の入力をそれぞれ行う。上記各構成要素は、共通バス１００８により互いに通信可能に接続されている。

図３は、本実施形態における処理手順を示すフローチャートを示す。本実施形態では、ＣＰＵ１００１が主メモリ１００２に格納されている各部の機能を実現するプログラムを実行することにより実現される。なお、以下の説明では、読影所見又は臨床情報名をIj（j=1〜m）で表し、m種類の読影所見又は臨床情報名I1〜Imを取り扱うものとする。また、Ijが取りうるk個の状態をSjkと表記する。kの範囲はIjにより様々な値となる。本実施形態では、例として、図４に示したような読影所見又は臨床情報を入力または取得可能であって、さらに、夫々の読影所見又は臨床情報は、図４に示したような状態を取ることが可能であるものとする。例えば、I1の「形状」は、異常陰影の形状を表しており、状態S11「球形」、状態S12「分葉状」、状態S13「不整形」の３状態をとる。I2の「切れ込み」は、異常陰影における切れ込みの程度を表している。また、Ilの「巻（気管支）」は、異常陰影における気管支の巻き込みの有無を表している。また、Imの「既往」は、過去に疾患の既往があったかどうかを表している。

また、以下の説明では、状態Sjkの集合を集合Eと表記する。ただし、ある一つのIjの状態Sjkは、一つの集合Eの中には複数が同時に存在しないものとする。例えば、I1が状態S11、状態S12、状態S13を、I2が状態S21、状態S22、状態S23、状態S24を取る場合、集合E = {S11, S21}は取りうるが、集合E =｛S11, S12｝は取ることが出来ない。これは一つの読影所見又は臨床情報は一つの状態のみを取るためである。また、以下の説明では、診断名を、記号Dを用いて表記する。本実施形態では、診断名として、原発性肺癌（D1と表記）、癌の肺転移（D2と表記）、その他（D3と表記）の３値を取るものとする。また、入力情報として集合Eが与えられた場合の診断名Dr（r＝1, 2, 3）の推論確率を、P(Dr|E)と表記する。同様に、集合EのサブセットをExと表記し、サブセットExが与えられた場合の診断名Drの推論確率を、P(Dr|Ex)と表記する。また、診断名Drに対するExの影響度をI(Dr|Ex)と表記する。

ステップＳ３０００において、入力情報取得部１０２は、診断支援装置１００へ入力された肺の異常陰影に関する入力情報とそれに付随するデータとを取得する。例えば、取得した入力情報において、I1「形状」：状態S12「分葉状」、I2「切れ込み」：状態S21「強」、…、Il「巻（気管支）」：状態Sl1「有」、…、Im「既往」：状態Sm2「無」、であったとする。この場合、状態Sjkの集合E（すなわち、入力情報）は、E = {S12, S21,…, Sl1,…, Sm2}となる。

ステップＳ３０１０において、推論部１０４は、ステップＳ３０００で取得した入力情報（すなわち、E）に基づいて、異常陰影が夫々の診断名である確率（推論結果）を推論する。このときの推論手段としては、ベイジアンネットワーク、ニューラルネットワーク、サポートベクターマシン、など既存の様々な推論手法が利用できる。本実施形態では、推論手段としてベイジアンネットワークを用いる。ベイジアンネットワークは条件付確率を用いた推論モデルであり、入力情報が入力された場合の各診断名の推論確率（その事例が夫々の診断名である確率。事後確率ともいう）の取得が可能である。本実施形態では異常陰影の診断名D1、D2、D3それぞれに対する推論確率が取得される。

ステップＳ３０２０において、影響度取得部１０６は、ステップＳ３０００で取得した入力情報と、ステップＳ３０１０で取得した推論結果を用いて影響度を取得する。具体的には、少なくとも一つの集合E（すなわち、入力情報）のサブセットEx（すなわち、入力情報のサブセット）を取得し、夫々のサブセットExについて各診断名に対する影響の度合いを示す影響度を取得する。例えば、前述の例のE = {S12, S21,…, Sl1,…, Sm2}において、要素数が２となるサブセットExを取得する場合には、｛S12, S21｝、{S12, Sl1}、{S21, Sm2}などのExが取得される。本実施形態では、要素数が１個となる全てのサブセットExを取得するものとする。したがって、前述の例では、Eの要素がm個なので、m個のサブセットExが取得される。

次いで、それぞれのサブセットExにおいて影響度を取得する。本実施形態では影響度を、各診断名の事前確率と、Exのみが入力された場合の推論確率を利用して算出する。なお、本実施形態では、各診断名の事前確率は、入力がない場合の各診断名の確率に相当する。そして、例えば、診断名Drに対するExの影響度I(Dr|Ex)を次式で算出する。

（１）式において、I(Dr|Ex)が正、すなわち、Exのみを入力した時の事後確率が事前確率より大きい場合は、ExはDrに対して肯定的な影響を持つと判定する。一方、負の場合、すなわち、Exのみを入力した時の事後確率が事前確率より小さい場合は、ExはDrに対して否定的な影響を持つと判定する。なお、以上の影響度の算出方法は、本実施形態における処理の一例であり、これに限定されるものではない。

ステップＳ３０３０において、選択部１０８は、ステップＳ３０１０で取得した推論結果と、ステップＳ３０２０で取得した影響度に基づいてサブセットを選択する。本実施形態では、選択部１０８は、推論結果の中で、最も高い推論確率を有する診断名の推論確率と閾値に応じてサブセットを選択する。具体的には、最も高い推論確率が所定の閾値以上の場合には、選択部１０８は、最も高い推論確率を有する診断名を肯定するサブセットを選択する。一方、最も高い推論確率が所定の閾値を超えない場合には、選択部１０８は、推論確率が低いと判断し、最も高い推論確率を有する診断名以外の診断名を否定するサブセットを選択する。なお、以上の選択方法は、本実施形態における処理の一例であり、これに限定されるものではない。

図５を用いて、閾値を70.0%とした場合の本実施形態による処理を詳しく説明する。図５（ａ）及び図５（ｂ）は、夫々異なる入力情報（集合E）を取得した場合の、ステップＳ３０１０の処理によって得られた推論確率P(Dr|Ex)と、ステップＳ３０２０の処理によって得られた各診断名への影響度I(Dr|Ex)を示す。図５（ａ）では、最も高い推論確率を有する診断名はD1（すなわち、原発性肺癌）であり、その推論確率P(D1|E)は47.6%である。この場合、推論確率P(D1|E)は閾値の70.0%を超えていないため、選択部１０８は、D1以外のD2とD3を否定する情報、すなわち、I(D2|Ex)、I(D3|Ex)が負となるサブセットを選択する。本実施形態では、選択部１０８は、I(D2|Ex)、I(D3|Ex)が負となるサブセットExの中で最も小さい値を取るExを夫々選択する。具体的には、本実施形態では、選択部１０８は、{Sm2}（=-13.8%）、{S43}（=-8.80）を夫々選択する。

一方、図５（ｂ）では、最も高い推論確率を有する診断名はD2（すなわち、癌の肺転移）であり、その推論確率P(D2|E)は82.1%である。この場合、推論確率P(D2|E)は閾値の70.0%を超えているため、選択部１０８は、D2を肯定する情報、すなわち、I(D2|Ex)が正となるサブセットを選択する。本実施形態では、選択部１０８は、I(D2|Ex)が正となるサブセットExの中で最も大きい値を取るExを選択する。具体的には、本実施形態では、選択部１０８は、{S11}（=10.4）を選択する。

ステップＳ３０４０において、提示部１１０は、提示する情報を生成して表示する。具体的には、ステップＳ３０００で取得された入力情報及び付随するデータと、ステップＳ３０１０で取得された推論結果と、ステップＳ３０３０で選択されたサブセットの情報に基づいて、提示する情報を生成する。図６は、図５（ａ）で示す推論結果と影響度を取得した場合に、本実施形態においてモニタ１００５に表示される提示情報の一例を示す。提示情報６００は、ステップＳ３０００で取得した肺の異常陰影の代表画像６０００、及び、肺の異常陰影の入力情報６０１０を含んでいる。また、提示情報６００は、ステップＳ３０１０で推論した推論結果６０２０を含んでいる。図に示される例では、推論結果６０２０として、推論結果における原発性肺癌の推論確率６０２１、癌の肺転移の推論確率６０２２、及び、その他の推論確率６０２３が、円グラフによって表示される。また、提示情報６００は、推論結果において各診断名の中で最も高い推論確率を得た診断名（図の例では原発性肺癌）とその確率６０３０（図の例では、癌の原発性肺癌の推論確率）とを含んでいる。また、提示情報６００は、ステップＳ６０３０の処理により選択される支援情報６０４０を含んでいる。

本実施形態によれば、推論結果の推論確率を考慮することにより、支援情報の選択方法を変化させている。具体的には、対象となる診断名の推論確率が高い場合にはその診断名を肯定する情報を選択し、低い場合には他の診断名を否定する情報を選択する。その結果、医師による読影の場合と同じような情報を支援情報として提示することが可能となる。そのため、医師が必要する情報を効率的に提示することができる。言い換えれば、本実施形態によれば、対象とする診断名の自信度に応じた情報を選択して提示するため、ユーザが必要とする情報を効率的に提示することができる。

［変形例１］
本実施形態では、ステップＳ３０３０において、最も高い推論確率を有する診断名の推論確率と閾値に応じて情報を選択していた。しかし、選択の基準として最も高い診断名の推論確率のみではなく、他の診断名の推論確率を利用してもよい。例えば、２番目に高い推論確率を有する診断名の推論確率との差分／比率が既定の閾値を超えるかどうかに応じて情報を選択してもよい。または、最も低い推論確率を有する診断名の推論確率との差分／比率と閾値を利用してもよい。さらに、２番目以降Ｎ番目までの推論確率の総和との差分／比率を利用してもよいし、各診断名の推論確率の中央値との差分／比率を利用してもよい。これによると、情報の選択が動的に行われるため、医師が必要とする情報を柔軟に提示することができる。

［変形例２］
本実施形態では、ステップＳ３０３０において、最も高い推論確率を有する診断名の推論確率と閾値に応じて情報を選択していた。しかし、選択の基準として２番目以降の推論確率を有する診断名の推論確率を用いてもよい。例えば、最も低い推論確率を有する診断名の推論確率と閾値を利用して情報を選択してもよい。

［変形例３］
本実施形態では、ステップＳ３０３０において、最も高い推論確率を有する診断名の推論確率を利用して情報を選択していた。しかし、最も高い推論確率を有する診断名ではなく、他の方法により特定された診断名の推論確率を利用してもよい。例えば、医師が指定した診断名の推論確率に応じて情報を選択してもよい。これによると、医師が所望する診断名に対して情報が選択されるため、医師がより必要とする情報を効率的に提示することができる。

［変形例４］
ステップＳ３０３０では、対象となる診断名以外を否定する情報を選択する時に、その診断名以外の診断名夫々の影響度も同時に利用して情報を選択していた。しかし、対象となる診断名の影響度を利用して情報を選択してもよい。具体的には、対象となる診断名を肯定しつつ、それ以外の診断名を否定する情報を選択してもよい。また、対象なる診断名以外を複数同時に否定する情報を選択してもよい。これによると、複数の診断名に対する影響度を利用して情報が選択されるため、医師がより必要とする情報を効率的に提示することができる。

［変形例５］
ステップＳ３０３０では、最も高い推論確率を有する診断名の閾値を超えた場合に、その診断名を肯定する情報を提示し、超えない場合にはそれ以外の診断名を否定する情報を提示していた。しかし、その他の方法であってもよい。具体的には、診断名の閾値を超えた場合にはそれ以外の診断名を否定する情報を提示し、超えない場合にはその診断名を肯定する情報を提示してもよい。
この方法によれば、医師が通常行う方法の逆の観点で情報を提示するため、医師が診断を行う際に注意喚起として情報を利用することが期待できる。

以上のように、本実施形態によれば、医用情報に含まれる読影所見や臨床情報から得られる各診断名に対する推論確率と、その所見や臨床情報のサブセットそれぞれが推論確率に係る推論に及ぼす影響度に基づいて、適切な支援情報を提供することが可能となる。

［その他の実施形態］
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

Claims (8)

1. 所見に関する入力情報を取得する取得手段と、
   前記入力情報に基づいて診断名を特定するとともに該診断名の推論確率を得る推論手段と、
   前記診断名の特定に影響を与えた度合いを示す、前記入力情報の影響度を取得する影響度取得手段と、
   前記特定された診断名の前記推論確率に応じて、前記影響度に基づく支援情報を表示部に表示させる表示制御手段と、を備え
   前記表示制御手段は、前記特定された診断名に対する前記推論確率が所定の基準よりも低い場合には、前記特定された診断名以外の診断名を否定する影響度を有する前記入力情報に基づいて前記支援情報を表示させることを特徴とする診断支援システム。
2. 前記表示制御手段は、前記特定された診断名に対する前記推論確率が前記所定の基準よりも高い場合は、前記特定された診断名を肯定する影響度を有する情報を表示することを特徴とする請求項１に記載の診断支援システム。
3. 前記表示制御手段は、前記特定された診断名に対する前記推論確率が前記所定の基準よりも低い場合には、前記特定された診断名を肯定し、かつ、前記特定された診断名以外の診断名を否定する影響度を有する前記入力情報に基づいて前記支援情報を表示することを特徴とする請求項１または２に記載の診断支援システム。
4. 前記特定された診断名は、診断名に対する推論確率が最も高い診断名であることを特徴とする請求項１乃至３のいずれか１項に記載の診断支援システム。
5. 前記特定された診断名は、ユーザの指定によって特定されることを特徴とする請求項１乃至３のいずれか１項に記載の診断支援システム。
6. 前記所定の基準は、閾値であることを特徴とする請求項１乃至５のいずれか１項に記載の診断支援システム。
7. 取得部と、推論部と、影響度取得部と、提示部とを備える診断支援システムの作動方法であって、
   前記取得部が、所見に関する入力情報を取得する取得工程と、
   前記推論部が、前記入力情報に基づいて診断名を特定するとともに該診断名の推論確率を得る推論工程と、
   前記影響度取得部が、前記診断名の特定に影響を与えた度合いを示す、前記入力情報の影響度を取得する影響度取得工程と、
   前記提示部が、前記特定された診断名の前記推論確率に応じて、前記影響度に基づく支援情報を表示部に表示させる表示制御工程と、
   を有し、
   前記表示制御工程では、前記提示部が、前記特定された診断名に対する前記推論確率が所定の基準よりも低い場合には、前記特定された診断名以外の診断名を否定する影響度を有する前記入力情報に基づいて前記支援情報を表示させることを特徴とする診断支援システムの作動方法。
   
8. 請求項７に記載された診断支援システムの作動方法の各工程をコンピュータに実行させるためのプログラム。

Images