患者状态的预测装置、预测方法、以及预测程序与流程

技术特征：
1.一种预测装置，其特征在于，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，其输入上述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，上述患者信息包含与被输入到上述特征量提取部的生物体信息不同的生物体信息；以及状态预测部，其输入上述综合特征量的预测值，输出上述患者的风险信息，上述特征量变动部包含学习了上述生物体信息的特征量与上述综合特征量的关系性的学习模型。2.根据权利要求1所述的预测装置，其特征在于，上述预测装置还具备：特征量综合部，其生成上述综合特征量。3.根据权利要求2所述的预测装置，其特征在于，上述特征量综合部生成的上述综合特征量是将针对多个患者的生物体信息和诊疗信息分别得到的生物体信息特征量和诊疗信息特征量融合而得的融合特征量。4.根据权利要求2所述的预测装置，其特征在于，上述特征量综合部生成的上述综合特征量是将从多个患者的多项生物体信息中得到的生物体信息特征量压缩而得的压缩特征量。5.根据权利要求2所述的预测装置，其特征在于，上述预测装置还具备：特征量复原部，其将上述综合特征量复原为每个患者信息的特征量。6.根据权利要求5所述的预测装置，其特征在于，上述特征量综合部和上述特征量复原部具备输入每个患者信息的特征量并输出上述综合特征量的编码器、以及输入上述综合特征量并输出上述每个患者信息的复原特征量的解码器，并且以使所输入的每个患者信息的特征量与上述复原特征量一致的方式进行学习。7.根据权利要求5所述的预测装置，其特征在于，上述预测装置还具备：压缩部，其压缩上述特征量提取部提取出的生物体信息的特征量并生成压缩特征量；复原部，其复原由上述压缩部压缩的压缩特征量，上述特征量变动部以使输入到上述压缩部的上述生物体信息的特征量与由上述复原部复原的生物体信息的特征量一致，并且使输入到上述特征量综合部的每个患者信息的特征量与由上述特征量复原部复原的每个患者信息的特征量一致的方式进行学习。8.根据权利要求1所述的预测装置，其特征在于，上述特征量变动部具备压缩上述特征量提取部提取出的生物体信息的特征量并生成压缩特征量的压缩部，并且输入由上述压缩部生成的压缩特征量，输出上述综合特征量。9.根据权利要求8所述的预测装置，其特征在于，上述预测装置还具备：复原部，其复原上述压缩特征量，上述压缩部和上述复原部以使输入到上述压缩部的生物体信息的特征量与由上述复原部复原的特征量一致的方式进行学习。10.根据权利要求1所述的预测装置，其特征在于，上述特征量提取部包含提取时序数据的特征量的神经网络。
11.根据权利要求1所述的预测装置，其特征在于，上述状态预测部包含：神经网络，其以使根据上述综合特征量输出患者的风险信息的方式进行了学习。12.根据权利要求1所述的预测装置，其特征在于，上述状态预测部将上述患者的风险信息输出为进行了数值化的评分。13.根据权利要求1所述的预测装置，其特征在于，上述状态预测部通过蒙特卡洛丢弃法，计算预测结果的确信度。14.根据权利要求1所述的预测装置，其特征在于，上述预测装置还具备：输出装置，其显示上述状态预测部的输出。15.一种预测方法，其特征在于，包括：解析步骤，解析包含多个生物体信息的患者信息，按照患者信息的每个种类、或生物体信息的每个项目提取上述患者信息的特征量；综合步骤，综合按照上述每个种类或每个项目提取出的特征量并生成综合特征量；学习上述每个种类或每个项目的特征量与上述综合特征量的关系性的步骤；特征量变动步骤，将特定的生物体信息的特征量作为输入，根据在上述学习的步骤中得到的关系性，预测上述综合特征量的预测值；以及预测步骤，使用上述综合特征量的预测值，预测特定的患者的状态。16.根据权利要求15所述的预测方法，其特征在于，包含上述生物体信息的患者信息还包含患者的生物体信息和诊疗信息，上述综合步骤将上述生物体信息的特征量和上述诊疗信息的特征量融合并生成融合特征量。17.根据权利要求15所述的预测方法，其特征在于，包含上述生物体信息的患者信息还包含多项生物体信息，上述综合步骤压缩每个上述项目的特征量，生成压缩特征量。18.一种预测程序，其特征在于，使计算机执行以下的步骤：解析步骤，解析包含多个生物体信息的患者信息，按照患者信息的每个种类、或生物体信息的每个项目提取上述患者信息的特征量；综合步骤，综合按照上述每个种类或每个项目提取出的特征量，生成综合特征量；学习上述每个种类或每个项目的特征量与上述综合特征量的关系性的步骤；特征量变动步骤，将特定的生物体信息的特征量作为输入，根据在上述学习步骤中得到的关系性，预测上述综合特征量的预测值；以及预测步骤，使用上述综合特征量的预测值，预测特定的患者的状态。

技术总结
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。来预测患者状态。来预测患者状态。


技术研发人员：黎子盛 荻野昌宏 吉光喜太郎 内尾佳贵
受保护的技术使用者：株式会社日立制作所
技术研发日：2020.11.27
技术公布日：2021/10/11