JPH11353183A - Curing method decision supporting method - Google Patents
Curing method decision supporting methodInfo
- Publication number
- JPH11353183A JPH11353183A JP9331899A JP9331899A JPH11353183A JP H11353183 A JPH11353183 A JP H11353183A JP 9331899 A JP9331899 A JP 9331899A JP 9331899 A JP9331899 A JP 9331899A JP H11353183 A JPH11353183 A JP H11353183A
- Authority
- JP
- Japan
- Prior art keywords
- patient
- judgement
- treatment
- information
- occurrence probabilities
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 27
- 238000001723 curing Methods 0.000 title abstract 5
- 230000009471 action Effects 0.000 claims abstract description 20
- 238000011282 treatment Methods 0.000 claims description 49
- 238000011084 recovery Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013500 data storage Methods 0.000 abstract description 3
- 238000003066 decision tree Methods 0.000 description 24
- 208000008035 Back Pain Diseases 0.000 description 8
- 238000001356 surgical procedure Methods 0.000 description 8
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 208000008930 Low Back Pain Diseases 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は患者の治療方針・検
査方針などを決定する際の治療法決定支援システムに関
する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a treatment decision support system for deciding a treatment policy / examination policy for a patient.
【０００２】[0002]
【従来の技術】医療の現場では、様々な治療方針の選択
を短時間に決めなければならないが、未だに臨床医の経
験と勘に頼るところが多い。これらの選択の基準が決ま
っている場合でも、その基準がどのような根拠のもとに
作られたものかがわからないことが多い。そして、選択
された治療等によって生じる結果は個人差が大きく、そ
の際の合併症，薬の副作用，手術の不成功などの要因に
よって、同じ治療によっても完治から失敗までまったく
異なる結果となることとなる。2. Description of the Related Art In the field of medical treatment, it is necessary to determine various treatment policies in a short time. However, many medical treatments still rely on the experience and intuition of a clinician. Even if the criteria for these choices are fixed, it is often not clear on what basis those criteria were created. The results of selected treatments vary greatly among individuals, and due to factors such as complications, side effects of drugs, and unsuccessful surgery, the same treatment may give completely different results from complete cure to failure. Become.
【０００３】臨床医は治療方針の決定の際には、各治療
には一定の確率で好ましくない結果が生ずる可能性があ
ることを明確にして、より論理的構造の明らかな選択を
する必要がある。このような問題に対して、適正な手順
（基本的には無作為対照試験）を取って行われた結果の
みをエヴィデンス（Ｅｖｉｄｅｎｃｅ）と称し、そのエ
ヴィデンスに基づいて意思決定を行うＥＢＭ（Ｅｖｉｄ
ｅｎｃｅ ＢａｓｅｄＭｅｄｉｃｉｎｅ）というものが
提唱されている。ＥＢＭは、客観的なデータから統計的
にみて良い治療を行うことを可能とする。また、近年世
界的な潮流となっている医療費の削滅に寄与するものと
しても期待されている。[0003] Clinicians need to make a clear choice of more logical structure when deciding on a treatment strategy, making it clear that each treatment can have undesired consequences with a certain probability. is there. In response to such a problem, only results obtained by taking an appropriate procedure (basically a randomized controlled trial) are referred to as evidence, and EBM (Evidence) that makes a decision based on the evidence is provided.
ence based medicine) has been proposed. EBM enables a statistically good treatment to be performed from objective data. It is also expected to contribute to the elimination of medical expenses, which has become a worldwide trend in recent years.
【０００４】現状、ＥＢＭのエヴィデンスとして、論文
の記述そのものである場合や、エッセンスを文書として
まとめたもの、プロトコル化したものが個々には存在す
るが、いろいろな臨床状況を網羅し全体を把握できて、
実際に臨床に活用ができるようなところまでは実現して
いない。そこで、このようなエヴィデンスをプロトコル
化して、複雑な臨床の状況を判断樹として分かりやすく
図示したものが提案されている（福井ら：臨床病理学に
おける医学判断学：臨床病理１９９２）。[0004] At present, there are EBM evidences, such as the description of a dissertation itself, or a compilation of essences as a document, or a protocolized one. hand,
It has not been realized to the point where it can be actually used in clinical practice. Thus, a protocol has been proposed in which such evidence is formed and a complicated clinical situation is illustrated as a decision tree in an easily understandable manner (Fukui et al .: Medical Judgment in Clinical Pathology: Clinical Pathology 1992).
【０００５】[0005]
【発明が解決しようとする課題】しかし、多くのエヴィ
デンスをプロトコル化しても、実際の臨床ではこのエヴ
ィデンスを変動させる要因が多くて、その活用が難し
い。例えば、近年は治療方法、検査方法などが大きく進
歩してゆくため、その進歩も反映させていないエヴィデ
ンスではまったく使い物にならないこともある。また、
これらの治療方法や検査方法は施設によっても異なり、
そのためエヴィデンスも施設ごとに異なることもある。
さらに、単なる患者全体の統計データでは患者個別の条
件、例えば年齢、性別による違いや他の疾患、薬の効果
などが反映されない。つまりこれらの要因に対応された
エヴィデンスにしなければ、臨床の現場で用いることが
難しいといえる。However, even if a large amount of evidence is protocolized, it is difficult to utilize the evidence in actual clinical practice due to many factors that fluctuate the evidence. For example, in recent years, treatment methods and examination methods have been greatly advanced, so that evidence that does not reflect the progress may not be useful at all. Also,
These treatment and testing methods vary from facility to facility,
As such, the evidence may vary from facility to facility.
Furthermore, mere statistical data for the entire patient does not reflect patient-specific conditions, such as differences due to age and gender, other diseases, and effects of drugs. In other words, it is difficult to use it in clinical practice unless evidence is provided that addresses these factors.
【０００６】また、今までは生か死かということで生存
率を基準にして、医療における様々な意思決定が行われ
てきた。しかし、現在ではＱＯＬ（Ｑｕａｌｉｔｙ Ｏ
ｆＬｉｆｅ）という観点から、治療結果の健康状態に対
する様々な患者の主観的な価値観に対応することが望ま
れている。例えば、乳ガンにおける乳房切除術では、乳
房切除に対する患者の価値観によって、治療の選択が変
わりうる。このような患者の主観的価値観を治療等の意
思決定において、どのように反映させるかが課題とな
る。[0006] Until now, various decisions in medicine have been made on the basis of survival rate in terms of life or death. However, at present, QOL (Quality O
From the viewpoint of fLife), it is desired to respond to various patients' subjective values for the health status of the treatment result. For example, in mastectomy for breast cancer, the choice of treatment may vary depending on the patient's values for mastectomy. The issue is how to reflect such subjective values of patients in decision making such as treatment.
【０００７】また、複数の治療方法が考えられる際にど
の治療法を選択するかの決定権についても、各治療法の
長所短所をよく理解させた上で患者側へ移行させていく
流れがある。そのためにはインフォームドコンセントが
必須となるが、例えばニューロネットワーク等を使用し
た判断支援方法では判断過程がブラックボックス化され
るため、患者への説明が殆ど不可能となるという間題が
あった。[0007] In addition, there is a trend in which the right to decide which treatment method is to be selected when a plurality of treatment methods are conceivable is transferred to the patient after understanding the advantages and disadvantages of each treatment method. . For this purpose, informed consent is essential, but for example, in a judgment support method using a neural network or the like, there is a problem that explanation to a patient is almost impossible because the judgment process is black-boxed.
【０００８】そこで、本発明は、医療の場では、ＥＢＭ
を基本に据えつつも、（１）最新のデータを順次補充、
更新されたエヴィデンスを提供でき、（２）個々の患者
にとって最適のエヴィデンスを提供でき、（３）統計的
に見て良い医療というだけでなく、患者の多様な価値観
に即した医療への柔軟な意思決定を支援でき、（４）さ
らには、インフォームドコンセントを支援でき、ひいて
は、効率の高い医療の実現を支援できるシステムであ
り、より一般的には様々な場面において目的に最も適合
した判断基準を有する判断樹を生成して人間の判断を支
援するシステムを提供することを目的とする。[0008] Accordingly, the present invention provides an EBM
(1) Replenish the latest data sequentially,
Can provide updated evidence, (2) can provide optimal evidence for individual patients, and (3) can provide not only statistically good medical care, but also flexible medical care that meets the diverse values of patients. (4) It is a system that can support informed consent, and can also support the realization of highly efficient medical care. More generally, it is a system that can best meet the purpose in various situations. It is an object of the present invention to provide a system that supports a human judgment by generating a judgment tree having a standard.
【０００９】[0009]
【課題を解決するための手段】本発明の意思決定支援シ
ステムは、判断事項の臨床状況を判断樹として図示し、
選択される行為によって生じうる各事象およびその生起
確率と、各枝末端の事象の効用値とから、選択点での各
枝の期待値を判断情報として提供するシステムであっ
て、生起確率および効用値を動的に更新可能としたこと
を特徴とする。A decision support system according to the present invention illustrates a clinical situation of a decision item as a decision tree,
A system for providing an expected value of each branch at a selected point as judgment information from each event and its occurrence probability that can be caused by the selected action and the utility value of the event at the end of each branch. It is characterized in that the value can be dynamically updated.
【００１０】本発明の、意志決定支援システムにおける
判断情報は、判断樹のツリー構造、各枝の生起確率、各
枝末端の事象の効用値として具現化される。判断樹のツ
リー構造とは判断事項の臨床状況において、選択される
治療等の行為おのおのを枝として図示し、それらの行為
によって生じうるひとつ又は複数の事象をさらに枝とし
て図示してゆくものをいう。The decision information in the decision support system of the present invention is embodied as a tree structure of a decision tree, an occurrence probability of each branch, and a utility value of an event at the end of each branch. The tree structure of the decision tree means that each action such as a selected treatment is illustrated as a branch in the clinical situation of the judgment item, and one or more events that may be caused by the action are further illustrated as a branch. .
【００１１】選択される行為によって生じうる各事象の
生起確率とは、判断事項の選択点で選択された各行為の
結果、生じうる事象の枝別れ点（ノード）において、各
枝が生起する確率をいう。この生起確率はエヴィデンス
によって求められる。そしてエヴィデンスは動的に更新
可能となるように構成される。例えば本システムには標
準的なデータベースによるエヴィデンスが収納されてお
り、このエヴィデンスはインターネット等を通して最新
のデータを補充、更新することができるように構成され
る。そして、その施設内のデータベースを使用して、こ
のエヴィデンスを施設データに合うように補正すること
ができる。さらに、性別，年齢，基礎疾患などをパラメ
ータとしたデータベース情報を利用して、各患者の性
別，年齢，基礎疾患などの属性情報を考慮した値に各枝
の生起確率を補正することができる。さらに、患者の時
系列データをデータマインニングして生起確率を補正す
ること、例えば、患者固有の正常値から検査値の異常度
合いを算定したり、検査値の日差変動によって病態の進
行度合いを算定したりすることで、その患者の現状態を
反映した生起確率に補正することができる。The probability of occurrence of each event that can be caused by the selected action is the probability that each branch occurs at a branch point (node) of an event that can occur as a result of each action selected at the selection point of the judgment item. Say. This probability of occurrence is determined by evidence. The evidence is then configured to be dynamically updatable. For example, the system stores evidence based on a standard database, and the evidence is configured so that the latest data can be supplemented and updated through the Internet or the like. The evidence can then be corrected to match the facility data using a database within the facility. Furthermore, the occurrence probability of each branch can be corrected to a value that takes into account attribute information such as the sex, age, and underlying disease of each patient, using database information using parameters such as gender, age, and underlying disease. Furthermore, the occurrence probability is corrected by data mining of the patient's time series data, for example, calculating the abnormal degree of the test value from the normal value specific to the patient, or calculating the degree of progress of the disease state by the daily variation of the test value. By calculating, the occurrence probability can be corrected to reflect the current state of the patient.
【００１２】各枝末端の事象とは、判断樹の枝末端（リ
ーフ）に位置づけられ、幾つかの選択された行為の結果
として最終的に生じうる事象をいう。効用値とはこの最
終的に生じうる各事象に対し、患者が望む主観的価値観
を定量的に表現した数値である。患者の主観的価値観に
は、健康の回復度合い、後遺症、余命期間、治療負荷、
治療費用、治療期間、生活の質の変化など種々の要因が
状況に応じて反映される。この効用値の数値自体は患者
が単純に数値化していっても良いし、例えば患者に対す
る問診をファジイ言語インターフェイスなどの手法によ
って数値化することも好適である。この効用値も動的に
更新可能となっており、例えば患者の主観的価値観は治
療経過やその際の状況などによって変わってゆくものな
ので、それに対応して更新してゆけるように構成されな
くてはならない。それで効用値を数値化するための、問
診内容やその重みづけなどの手法も更新されていくよう
に構成されることが好適である。The event at each branch end refers to an event that is located at a branch end (leaf) of the decision tree and may eventually occur as a result of some selected actions. The utility value is a numerical value that quantitatively expresses a subjective value desired by a patient with respect to each event that can finally occur. Patients' subjective values include health recovery, sequelae, life expectancy, treatment load,
Various factors, such as treatment costs, duration of treatment, and changes in quality of life, are reflected as appropriate to the situation. The numerical value of the utility value itself may be simply converted into a numerical value by the patient, or it is also preferable to numerically convert the inquiry to the patient by a method such as a fuzzy language interface. This utility value can also be updated dynamically, for example, because the subjective values of the patient change depending on the course of treatment and the situation at that time, it is not configured to be able to update correspondingly must not. Therefore, it is preferable that a method of quantifying the utility value, such as the contents of the interview and the weighting thereof, be updated.
【００１３】選択点とは、判断により選択が必要な分岐
点をいう。各枝の期待値とは、各枝の生起確率と各枝末
端の効用値とから算出される値をいう。この期待値が各
治療における患者の主観的価値観と客観的なエヴィデン
スとを反映する値となり、判断情報として提供される値
である。A selection point is a branch point that needs to be selected by judgment. The expected value of each branch refers to a value calculated from the occurrence probability of each branch and the utility value of the end of each branch. This expected value is a value that reflects the patient's subjective values and objective evidence in each treatment, and is a value provided as judgment information.
【００１４】これらの期待値は，効用値、生起確率とと
もに判断樹上に表示されるようにすれば一覧性が良くな
り判断する際に便利である。また、効用値等を何度も入
力して、計算しなおして用いる場合には、期待値，効用
値のみを表示したり、判断樹の一部のみと期待値，効用
値とを併せて表示したりすることも便利である。If these expected values are displayed on the decision tree together with the utility value and the probability of occurrence, the listability is improved and it is convenient for making a decision. When the utility value is input many times and recalculated and used, only the expected value and the utility value are displayed, or only a part of the decision tree and the expected value and the utility value are displayed together. It is also convenient to do.
【００１５】[0015]
【実施例】本発明の意思決定支援システムを使用した実
施例を図１ないし図５を参照して説明する。図１は本発
明の意思決定支援システムを使用した実施例のブロック
図である。図２は本発明の意思決定支援システムを利用
して患者への処置を決定する場合の手順を示したもので
ある。本システムには、予め各治療法の判断樹、すなわ
ち選択される治療等の行為とその行為によって生じうる
事象とを枝としたツリー構造が各枝の生起確率とともに
判断樹データ収納部４に収納される。この生起確率は各
治療法とその行為によって生じた結果をエヴィデンスと
して集計されるデータベースから得られる。このデータ
ベースは最新データをシステムの外部情報源であるホス
トコンピュータ６やネットワーク７でダウンロードする
などによって追加されて、生起確率が最新データに更新
されていくようにされている。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS An embodiment using the decision support system of the present invention will be described with reference to FIGS. FIG. 1 is a block diagram of an embodiment using the decision support system of the present invention. FIG. 2 shows a procedure for determining a treatment for a patient using the decision support system of the present invention. In this system, a decision tree of each treatment method, that is, a tree structure having branches of an action such as a selected treatment and an event that may be caused by the action is stored in the decision tree data storage unit 4 together with the probability of occurrence of each branch. Is done. The probability of occurrence is obtained from a database in which the results of each treatment method and its action are tabulated as evidence. This database is added by, for example, downloading the latest data from a host computer 6 or a network 7 which is an external information source of the system, so that the occurrence probability is updated to the latest data.
【００１６】患者の治療法を決定するために、まず本シ
ステムに対して、判断事項を入力部２より入力する（ス
テッブ１００）。本実施例の判断事項とは足の下垂を伴
う腰痛における治療等の選択である。すると、システム
は入力された判断事項である足の下垂を伴う腰痛の治療
選択の判断樹を判断樹データ収納部４より呼び出して、
この場合において選択されるいくつかの行為（手術、保
存療法）とそれらの行為によって生じうるいくつかの事
象（回復、部分的効果、死亡等）とをそれぞれ枝とした
判断樹を表示部３に表示する（ステッブ１１０）。この
判断樹には最新データに更新されたデータベースより求
められた各枝の生起確率がともに表示されるようになっ
ている。In order to determine a treatment method for a patient, first, judgment items are input to the system from the input unit 2 (step 100). The judgment items in the present embodiment are selection of treatment or the like for low back pain accompanied by foot droop. Then, the system calls a decision tree for treatment selection of back pain accompanied by foot droop, which is the inputted decision item, from the decision tree data storage unit 4,
In the display unit 3, a decision tree in which some actions (surgery, conservative therapy) selected in this case and some events (recovery, partial effect, death, etc.) that can be caused by the actions are respectively branched is displayed. It is displayed (step 110). In this decision tree, the occurrence probabilities of each branch obtained from the database updated to the latest data are displayed together.
【００１７】次に、治療法を検討する患者の属性情報
（性別、年齢、体重、既往症、検査結果など）がホスト
コンピュータ６等より本システムに入力される（ステッ
ブ１２０）。するとシステムは、判断樹の各枝の生起確
率をその患者の属性情報に合わせるように演算部１で最
適化を行って、それを表示部３に表示する（ステップ１
３０）。その患者の属性情報に合わせる最適化はデータ
ベースのデータ数が多い場合はその患者の属性情報のデ
ータだけ（例えばその患者の属する年齢層、性別、検査
結果等）を抽出してゆけば、その患者に最適化される。
しかし、それだけではデータ数を減らしてゆくことにも
なるし、その属性情報が入力されていないデータは用い
られないので、データ数が多くない場合は、逆に信頼性
が低下することもある。そこで属性情報と生起確率との
相関関係を演算する機能が設けることによってデータの
最適化をより効果的に行うようにされる。各属性情報と
生起確率との相関が例えば図６のように演算して表示さ
れる。図６は年齢と生起確率との相関の表示で、その患
者が属している年齢層のグラフ（７０代）が反転してお
り、全年齢（年齢情報が入力されていないデータも含
む）の生起確率が点線で表示される。この患者の年齢層
の生起確率は０．５５で、全年齢の生起確率０．７９よ
りも３割ほど低くなっている。もしこの患者の年齢が１
０代から５０代であれば、特に補正する必要はないが、
この年齢層ではかなり生起確率が低くなるため治療決定
の判断も異なってくる。このようにして各属性情報と生
起確率との補正が自動的に行われてゆく。この補正は各
情報ごとに相関を表示できるようにすれば、相関を確認
しながら補正の適否を決定することができ、患者とのイ
ンフォームドコンセントとしても用いることができる。
又、同じ施設では治療条件が近いので、データベース
のデータのうちその施設でのデータに重みをつけて生起
確率を算出することも患者の属性情報に対する最適化と
なる。Next, the attribute information (sex, age, weight, past illness, test results, etc.) of the patient whose treatment is to be examined is input to the present system from the host computer 6 or the like (step 120). Then, the system optimizes the calculation unit 1 so as to match the occurrence probability of each branch of the decision tree with the attribute information of the patient, and displays it on the display unit 3 (step 1).
30). When the database has a large number of data, the optimization according to the attribute information of the patient can be performed by extracting only the data of the attribute information of the patient (eg, age group, gender, test result, etc. to which the patient belongs). Optimized for
However, this alone reduces the number of data, and data for which attribute information is not input is not used. Therefore, if the number of data is not large, the reliability may be reduced. Therefore, by providing a function for calculating the correlation between the attribute information and the occurrence probability, the data can be optimized more effectively. The correlation between each attribute information and the occurrence probability is calculated and displayed, for example, as shown in FIG. FIG. 6 shows the correlation between the age and the probability of occurrence. The graph of the age group to which the patient belongs (70s) is inverted, and the occurrence of all ages (including data for which no age information is input) is shown. The probabilities are displayed as dotted lines. The occurrence probability of this patient's age group is 0.55, which is about 30% lower than the occurrence probability of 0.79 for all ages. If the age of this patient is 1
If you are in your 0s to 50s, you do not need to make any special corrections,
In this age group, the probability of occurrence is considerably low, so that the judgment of treatment decision is different. In this way, the correction of each attribute information and the occurrence probability is automatically performed. If the correlation can be displayed for each information in this correction, the appropriateness of the correction can be determined while confirming the correlation, and the correction can be used as informed consent with the patient.
In addition, since treatment conditions are close at the same facility, calculating the occurrence probability by weighting the data at the facility among the data in the database is also an optimization for the attribute information of the patient.
【００１８】次に、患者に対して治療等に関する問診を
行なう。例えば腰痛に対して徹底治療を受け完全回復を
希望するのか、今の痛みをやわらげる緩やかな治療を望
むのか、手術して長期入院しても構わないのかなど、単
に手術と保存療法の選択を直接聞くだけではなく、この
治療によって起こりうる様々な条件についての患者の意
思を確認するような問診を行う。そして問診の結果をシ
ステムに入力部２より入力する（ステップ１４０）。入
力された問診結果はシステム内のファジィ言語インター
フェイス５によって、各枝末端の事象に対する患者の意
思が効用値として数値化される（ステッブ１５０）。Next, the patient is inquired about treatment and the like. For example, directly choose between surgery and conservative therapy, such as whether you want complete recovery after receiving thorough treatment for back pain, whether you want gentle treatment to relieve the current pain, whether it is OK to have surgery and long hospital stay, etc. Rather than just listening, ask questions that confirm the patient's willingness for the various conditions that can occur with this treatment. Then, the result of the interview is input to the system from the input unit 2 (step 140). The input result of the inquiry is digitized as a utility value by the fuzzy language interface 5 in the system as a utility value of the patient's intention for the event at each end of the branch (step 150).
【００１９】これらの効用値が決定されると、各枝の生
起確率と効用値とを演算部１にて計算して期待値が求め
られる（ステッブ１６０）。 以上のようにして求めら
れた効用値、期待値が判断樹全体と伴に表示部３に表示
される（ステップ１７０）。この表示部３の判断樹を見
ながら医師は患者と治療方法決定のインフォームコンセ
ントを行ない、手術をするか、保存療法をとるか等の意
思決定を行う（ステップ１８０）。When these utility values are determined, the expected value is obtained by calculating the occurrence probability and utility value of each branch by the operation unit 1 (step 160). The utility value and the expected value obtained as described above are displayed on the display unit 3 together with the entire decision tree (step 170). While looking at the decision tree on the display unit 3, the doctor gives an informed consent for the treatment method determination with the patient, and makes a decision as to whether to perform surgery or conservative therapy (step 180).
【００２０】図３は本システムによって、足の下垂を伴
う腰痛の治療について患者Ａに対する判断樹を表示した
例である。□が選択点を表わし、この場合は手術をする
か保存療法をとるかを選択することが判断事項である。
○がノードを表わし、選択された行為によって生じうる
事象の枝別れの点である。そして、枝末端（リーフ）に
記載された健康、足の下垂を伴わない腰痛、腰痛と足の
下垂、後遺症および死亡がこの場合の生じうる事象を表
わす。ノードから分岐した各枝下部の（ ）内の数値が
各枝の生起確率を表わす。右末端の数値は生じうる事象
に対する患者の効用値を表わす。ノードに矢線でひかれ
た数値がそのノードへの枝の期待値を表わす。選択され
た行為によって生じうる事象の生起確率は最新データ、
施設データによって更新補正され、患者Ａの属性をもと
に患者Ａに最適なエヴィデンスとして判断樹が表わされ
る。患者Ａに対する問診によって各事象に対する効用値
が入力されて、期待値が算出される。この患者Ａの場合
は、手術する場合の期待値は０．８１２で、保存療法を
選択する場合の期待値０．８６より低く、保存療法を選
択するほうが患者の意思を反映することがわかる。FIG. 3 shows an example in which the present system displays a decision tree for a patient A regarding treatment of low back pain accompanied by foot droop. □ indicates a selection point, and in this case, it is a matter of judgment whether to perform surgery or conservative therapy.
O represents a node, which is a branching point of an event that can be caused by the selected action. And the health, low back pain without foot droop, back pain and foot droop, sequelae and death described at the branch end (leaf) represent possible events in this case. The numerical value in parentheses below each branch branched from the node indicates the probability of occurrence of each branch. The numbers at the right end represent the utility value of the patient for the possible events. The number drawn by an arrow on a node indicates the expected value of the branch to that node. The probability of occurrence of events that can be caused by the selected action is the latest data,
The decision tree is updated and corrected by the facility data, and the decision tree is represented as the optimal evidence for the patient A based on the attribute of the patient A. The utility value for each event is input by the interview with patient A, and the expected value is calculated. In the case of this patient A, the expected value in the case of surgery is 0.812, which is lower than the expected value of 0.86 in the case of selecting a conservative therapy, and it can be seen that selecting the conservative therapy reflects the patient's intention.
【００２１】図４は同じ判断事項について、別の患者Ｂ
に対する本システムの判断樹を表示した例である。患者
Ｂは患者属性情報によって補正された生起確率が、患者
Ａに比べて手術した場合の回復率が高くなっている。そ
して患者Ｂに問診をしたところ、治療の負担が大きくて
も完全回復を強く希望するため、完全回復できずに腰痛
が残る場合の効用値（この例では０．６０）や腰痛と足
の下垂がそのまま残る場合の効用値（この例では０．３
０）が患者Ａと較べて低くなっている。そうすると患者
Ｂの場合は、手術する場合の期待値は０．８０２で、保
存療法を選択する場合の期待値０．７８より高く、手術
を選択するほうが患者の意思を反映することがわかる。
このように同じ判断事項においても異なる判断情報が得
られる。これは客観的なエヴィデンスと患者の主観的価
値観である効用値を動的に更新させることによって反映
させているからである。FIG. 4 shows another patient B for the same judgment.
This is an example in which a decision tree of the present system is displayed. The occurrence probability corrected for the patient B based on the patient attribute information has a higher recovery rate when the operation is performed compared to the patient A. When patient B was interviewed, he strongly hoped for complete recovery even if the burden of treatment was large. Therefore, the utility value (0.60 in this example) when low back pain could not be completely recovered and low back pain and foot drooping Is the utility value when it remains as it is (0.3 in this example)
0) is lower than patient A. Then, in the case of the patient B, the expected value in the case of surgery is 0.802, which is higher than the expected value of 0.78 in the case of selecting conservative therapy, and it is understood that selecting the operation reflects the intention of the patient.
Thus, different judgment information can be obtained for the same judgment item. This is because the objective evidence and the utility value, which is the subjective value of the patient, are reflected by dynamically updating.
【００２２】以上の判断例は単純な選択例ではあるが、
選択点が複数ある場合や期間をおいて同じような選択を
繰りかえす場合など複雑な臨床現場にあっても、同様に
判断樹をその時点でその患者における最適のエヴィデン
スに動的に更新することによって、対応してゆくことが
可能である。Although the above judgment example is a simple selection example,
Even in complex clinical settings, such as when there are multiple choice points or when similar choices are repeated over time, the decision tree can also be dynamically updated to the best evidence for the patient at that time. , It is possible to respond.
【００２３】[0023]
【発明の効果】本発明を例えば患者の治療方針・検査方
針などを決定する際の意恩決定支援システムとして使用
すると、、（１）最新のデータを順次補充、更新された
エヴィデンスを提供でき、（２）個々の患者にとって最
適のエヴィデンスを提供でき、（３）統計的に見て良い
医療というだけでなく、患者の多様な価値観に即した医
療への柔軟な意思決定を支援でき、（４）さらには、イ
ンフォームドコンセントを支援でき、ひいては、効率の
高い医療の実現を支援できるシステムであり、より一般
的には様々な場面において目的に最も適合した判断基準
を有する判断樹を生成して人間の判断を支援するシステ
ムを提供することができる。When the present invention is used, for example, as a decision support system for deciding a treatment policy / examination policy for a patient, (1) the latest data can be sequentially supplemented and updated evidence can be provided. (2) providing optimal evidence for individual patients, (3) supporting not only statistically good medical care, but also flexible medical decision-making based on the patient's diverse values, 4) Furthermore, the system can support informed consent, and furthermore can support the realization of highly efficient medical treatment. More generally, it generates a decision tree having a criterion most suitable for the purpose in various situations. A system that supports human judgment.
【図１】本発明の意志決定支援システムを利用した実施
例のブロック図である。FIG. 1 is a block diagram of an embodiment using a decision support system of the present invention.
【図２】本発明の意思決走支援システムを利用して息者
への処置を決定する場合の手順を示すフローチャートで
ある。FIG. 2 is a flowchart showing a procedure when determining a treatment for a breather using the decision-making support system of the present invention.
【図３】本発明の意志決定支援システムを使用して得ら
れる患者Ａに対する判断樹の例である。FIG. 3 is an example of a decision tree for a patient A obtained by using the decision support system of the present invention.
【図４】本発明の意志決定支援システムを使用して得ら
れる患者Ｂに対する判断樹の例である。FIG. 4 is an example of a decision tree for a patient B obtained by using the decision support system of the present invention.
【図５】本発明の治療法決定支援システムを使用して得
られる生起確率と年齢との相関の図の例である。FIG. 5 is an example of a diagram of the correlation between the probability of occurrence and age obtained using the treatment method determination support system of the present invention.
Claims (7)
と、その行為によって生じうるいくつかの事象とをそれ
ぞれ枝として、その各枝の生起確率と被験者の意思が反
映される効用値とから、各行為の期待値を算出すること
からなり、上記生起確率が被験者の属性情報によって較
正可能である治療法決定支援方法。1. An action selected in a treatment method and a number of events that can be caused by the action are each taken as a branch, and the probability of occurrence of each branch and the utility value reflecting the intention of the subject are determined. A method of supporting the treatment decision, which comprises calculating an expected value of each action, wherein the occurrence probability can be calibrated by subject's attribute information.
既往症、検査結果から選択される１以上の情報であるこ
とを特徴とする請求項１記載の意思決定支援方法。2. The subject attribute information includes age, gender, weight,
2. The decision support method according to claim 1, wherein the information is one or more information selected from a history of a patient and a test result.
命期間、治療負荷、治療費用、治療期間、生活の質の変
化から選択される１以上の情報に基づいて数値化される
ことを特徴とする請求項１記載の意思決定支援方法。3. The method according to claim 1, wherein the utility value is quantified based on one or more information selected from a degree of health recovery, sequelae, life expectancy, treatment load, treatment cost, treatment period, and change in quality of life. The method according to claim 1, wherein
数段階の数値として算出されることを特徴とする請求項
３記載の意思決定支援方法。4. The decision support method according to claim 3, wherein the utility value is calculated as a numerical value in a plurality of stages based on the information of one or more.
よることを特徴とする請求項３記載の意思決定支援方
法。5. The decision support method according to claim 3, wherein the utility value is based on a result of an inquiry about the intention of the subject.
示されることを特徴とする請求項１記載の意思決定支援
方法。6. The decision support method according to claim 1, wherein a correlation between the attribute information of the subject and the occurrence probability is displayed.
更新されることを特徴とする請求項１記載の意思決定支
援方法。7. The decision support method according to claim 1, wherein the occurrence probability is updated by information from an external information source.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9331899A JPH11353183A (en) | 1998-04-08 | 1999-03-31 | Curing method decision supporting method |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP13588598 | 1998-04-08 | ||
| JP10-135885 | 1998-04-08 | ||
| JP9331899A JPH11353183A (en) | 1998-04-08 | 1999-03-31 | Curing method decision supporting method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11353183A true JPH11353183A (en) | 1999-12-24 |
| JPH11353183A5 JPH11353183A5 (en) | 2006-04-27 |
Family
ID=26434715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9331899A Pending JPH11353183A (en) | 1998-04-08 | 1999-03-31 | Curing method decision supporting method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH11353183A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001273362A (en) * | 2000-03-23 | 2001-10-05 | Toshiba Corp | Medical diagnosis support method, system thereof, search terminal and medical information terminal therefor |
| JP2003114931A (en) * | 2001-10-02 | 2003-04-18 | Exit Inc | Evaluating device and its method |
| JP2008514334A (en) * | 2004-09-30 | 2008-05-08 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | A decision support system for clinical guidelines that navigates clinical guidelines by different extraction levels |
| JP2009054124A (en) * | 2007-08-26 | 2009-03-12 | Takayuki Hoshino | Computer system for supporting individual guidance, intervention target person selection, and intervention time and frequency determination in medical checkup business |
| JP2010231403A (en) * | 2009-03-26 | 2010-10-14 | Fujitsu Ltd | Electronic medical record input support program, electronic medical record input support method, and electronic medical record input support device |
| JP2015524095A (en) * | 2012-06-08 | 2015-08-20 | ヒューレット−パッカード デベロップメント カンパニー エル．ピー．Ｈｅｗｌｅｔｔ‐Ｐａｃｋａｒｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｌ．Ｐ． | Patient information interface |
-
1999
- 1999-03-31 JP JP9331899A patent/JPH11353183A/en active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001273362A (en) * | 2000-03-23 | 2001-10-05 | Toshiba Corp | Medical diagnosis support method, system thereof, search terminal and medical information terminal therefor |
| JP2003114931A (en) * | 2001-10-02 | 2003-04-18 | Exit Inc | Evaluating device and its method |
| JP2008514334A (en) * | 2004-09-30 | 2008-05-08 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | A decision support system for clinical guidelines that navigates clinical guidelines by different extraction levels |
| JP2009054124A (en) * | 2007-08-26 | 2009-03-12 | Takayuki Hoshino | Computer system for supporting individual guidance, intervention target person selection, and intervention time and frequency determination in medical checkup business |
| JP2010231403A (en) * | 2009-03-26 | 2010-10-14 | Fujitsu Ltd | Electronic medical record input support program, electronic medical record input support method, and electronic medical record input support device |
| JP2015524095A (en) * | 2012-06-08 | 2015-08-20 | ヒューレット−パッカード デベロップメント カンパニー エル．ピー．Ｈｅｗｌｅｔｔ‐Ｐａｃｋａｒｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｌ．Ｐ． | Patient information interface |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6807531B1 (en) | Support system for making decisions on medical treatment plans or test plans | |
| US5940802A (en) | Digital disease management system | |
| Angermann et al. | Treatment compliance and adherence among patients with diabetic retinopathy and age-related macular degeneration treated by anti-vascular endothelial growth factor under universal health coverage | |
| Reynolds et al. | The frequency and incremental cost of major complications among medicare beneficiaries receiving implantable cardioverter-defibrillators | |
| US5794208A (en) | Creating and using protocols to create and review a patient chart | |
| US20080059234A1 (en) | Digital disease management system | |
| JP7010946B2 (en) | Systems and methods that facilitate computational analysis of health status | |
| Surbakti et al. | The relationship between consultation length and patient satisfaction: a systematic review | |
| CN110827994B (en) | Myocardial infarction early warning method, device and equipment and storage medium | |
| Maines et al. | Implementation of remote follow-up of cardiac implantable electronic devices in clinical practice: organizational implications and resource consumption | |
| JP2003186995A (en) | Interview method | |
| KR102849936B1 (en) | How to Choose Wound Care Products for Your Patients | |
| US20190088362A1 (en) | Method, system, and non-transitory computer-readable recording medium for providing medical service | |
| JP5176653B2 (en) | Reservation management device, reservation management method, and computer program | |
| JP4358474B2 (en) | Device and method for creating self-organizing map for health check | |
| JPH11353183A (en) | Curing method decision supporting method | |
| XOMPERO et al. | Pilot study evaluating the usability of MonŒil, a ChatGPT-based education tool in ophthalmology | |
| Swanson et al. | Doing all they can: physicians who deny medical futility | |
| Hopkins et al. | Outpatient telemedicine in neurosurgery: 15,677 consecutive encounters in a comparative analysis of its effectiveness and impact on the surgical conversion rate | |
| JP2018010390A (en) | Presentation system recommended medicine for osteoporosis | |
| JP4133027B2 (en) | Infectious disease knowledge base editing support method and program thereof | |
| CN117711639A (en) | Information processing method and device for multidisciplinary diagnosis and treatment mode | |
| CN107665739A (en) | The computer control method with predicting is monitored for patient's course of disease | |
| García-Fernández et al. | Impact of the COVID-19 pandemic on implantation of cardiac implantable electronic devices and remote monitoring activations | |
| JP6764202B1 (en) | Medical support system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060224 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060224 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090317 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090714 |