JP2007512588A - 医療助言システム - Google Patents

Abstract

ユーザが行うべき処置の推奨案をユーザに提供するための医療助言システムを開示する。システムは、多数の入力パラメータを受信する入力手段、少なくとも入力パラメータに基づいて推奨される処置を決定する処理手段、及び決定した推奨される処置に関する情報をユーザに提示する出力手段を備える。処理手段は、それぞれが受信済みの入力パラメータに基づいて対応するモデル出力を生成する、複数の数学的助言モデルを実行する。処理手段は、複数の数学的助言モデルの内の一以上のモデル出力に基づいて推奨される処置を決定する。

Description

本発明は、ユーザが行うべき処置の推奨案をユーザに提供するための医療助言システムに関する。

医療助言システムは、多数の入力パラメータ、例えば患者の生理学的状態又は医学的状態を表わすパラメータ、又は患者が以前に採った処置を表わすパラメータなどに基づいてユーザに推奨案を提供するシステムである。特に、本発明は、糖尿病患者が採るべき処置に関する推奨案、例えば推奨される薬剤、推奨される運動、推奨される栄養素などを出力する糖尿病助言システムに関する。このようなシステムへの通常の入力パラメータは、以前に適用された、及び／又は予測される、薬剤、食事、運動などである。
このようなシステムには通常、信頼性、すなわち所与の入力データに基づいて正しい推奨案を提供することが求められる。
米国特許第５８２２７１５号には、測定された現在の血糖値に基づいて患者の将来の血糖値を予測するようにプログラムされた、患者の操作による糖尿病管理システムが開示されている。予測された将来の値に基づき、装置は、予測された血糖値が目標範囲から外れる場合、患者が採るべき正しい処置を決定する。

本発明の目的は、推奨案を提供するための、信頼性の高い医療助言システムを提供することにある。
上述の問題及び他の問題は、ユーザが行うべき処置の推奨案を提供する医療助言システムにより解決され、本システムは、
−多数の入力パラメータを受信する入力手段、
−少なくとも入力パラメータに基づいて、推奨される処置を決定する処理手段、及び
−決定された推奨される処置に関する情報をユーザに提示する出力手段
を備え、本システムの処理手段は、それぞれが受信済みの入力パラメータに基づいて対応するモデル出力を生成する複数の数学的助言モデルを実行し、且つ複数の数学的助言モデルの内の一以上のモデル出力に基づいて推奨される処置を決定する。
従って、それぞれが受信済みの入力パラメータに基づいて対応するモデル出力を生成する複数の数学モデルを提供することにより、一つのモデルによって生成された、満足できないか又は場合によっては正しくない推奨案を、複数のモデルの内の別の一つによって検出又は補償することができるため、推奨案に信頼性を付与することができる。従って、例えば入力パラメータ範囲に関して、数学モデルの一つの性能が満足できない状況においても、全体的に信頼性が改善される。

本発明の好適な実施形態によれば、複数の数学的助言モデルは、少なくとも第１助言モデル及びフォールバックモデルを含み、処理手段は、少なくとも第１助言モデルへの入力及びモデル出力の少なくとも一方に基づいて、第１助言モデル及びフォールバックモデルの一方を選択し、処理手段は更に、選択されたモデルに基づいて、推奨される処置を決定する。従って、第１助言モデルへの入力及び／又は第１助言モデルからの出力に基づいて、処理手段は、第１助言モデルの推奨案を許容すべきか、又はフォールバックモデルを使用すべきかを決定する。第１助言モデルの性能を監視することにより、システムの信頼性及び検証能を上げることができるという利点がある。
本発明の別の好適な実施形態によれば、処理手段は、少なくとも第１助言モデルのモデル出力の信頼性指標を求め、処理手段は更に、求めた信頼性指標が所定の閾値を上回る場合、少なくとも第１助言モデルに基づいて推奨される処置を決定し、求めた信頼性指標が所定の閾値を下回る場合、前記フォールバックモデルに基づいて推奨される処置を決定する。
誤った推奨案を提示する危険が低減され、よってシステムの信頼性を更に向上することができるという利点がある。更に、推奨案の質がフォールバックシステムの質を下回ることがないため、システム性能を容易に検証することができるという利点がある。特にこれは、例えば継続的にオンラインで使用されるシステム等の適応モデルに関して有利である。本発明の好適な実施形態によれば、適応システムの性能が許容できない範囲に変化する可能性を確実に排除できる。しかしながら、システムを非適応的モデルにも適用できることを理解されたい。

更に別の好適な実施形態では、フォールバックモデルがルールベースフォールバックモデルを含むことにより、フォールバックモデルの体系的な検証が可能である。別の構成として、検証済みの性能を有する別の検証済みフォールバックモデルを使用することができ、例えば使用可能な入力値の各組に関する出力の有効性が検証されているモデルを使用することができる。フォールバックモデルが非適応的である場合、フォールバックモデルの性能は時間が経過しても確実に一定である。
一実施形態では、システムは、高性能予測モジュール及び単純で好ましくはルールベースのフォールバックモジュールを含む階層化アーキテクチャを備える。システムは更に、高性能予測モジュールの性能をモニターし、性能の信頼性指標を求める監視モジュールを備える。所与の組の入力データに関し、信頼性指標が所定の閾値を下回る場合、入力データは代わりにフォールバックシステムに転送される。

「ルールベースモデル」という用語は、一組の所定範囲のパラメータの各々にそれぞれ推奨される処置が割り当てられている、一組の所定のルールを備えたあらゆるモデルを含む。従って、好適な実施形態では、ルールベースフォールバックシステムは、入力パラメータの範囲及び各入力パラメータ範囲のそれぞれに推奨されるフォールバック処置の完全なリストを含むので、システムの完全且つ体系的な検証を行うことができる。一部の実施形態では、このようなルールベースモデルは一以上の表の形式で実行され、よってモデルの体系的な検証が更に容易である。
このような助言システムを市場に出すための承認を得ようとするとき、多くの場合このシステムが高い信頼性で動作することを立証する必要がある。本発明の一実施形態によれば、全ての状況においてシステムの信頼性を検証する体系的機構が容易に構築される。

「信頼性指標」という用語は、生成された推奨される処置が正しい確率及び／又は信頼性及び／又はこれらに類似の指標を示す任意の量を含む。一部の実施形態では、信頼性指標は、複数のモデルの内の一以上への入力及び／又はモデルからの出力の少なくとも一方から得られる量である。例えば、一部のモデルは多数の処置候補に連続値を生成し、生成された値に基づく一つの処置、例えば最大値を有する処置を選択する。このようなモデルでは、他の処置候補に対する、選択した処置の出力値の相対的な大きさが、選択された処置の信頼性指標である。このような信頼性指標の別の例は、モデル出力の感度分析結果、複数のモデルからの出力の比較結果、例えば類似性指標又は投票方式などを含む。処理手段が、複数の数学的助言モデルの内、少なくとも第１助言モデルの第１モデル出力と、少なくとも第２助言モデルの第２モデル出力との比較に基づいて信頼性指標を求める場合、正確な信頼性指標が得られる。信頼性指標の他の例は、例えば一以上の入力パラメータと、モデルが確実に信頼性の高い結果を生成する範囲の入力とを比較することにより、及び／又は欠落入力及び／又は類似の項目を求めることにより、少なくとも部分的に、モデル入力に基づくものにすることができる。信頼性指標の更に別の例は、履歴情報、例えば以前のモデル入力及び／又は出力、及び／又は以前の推奨案に対してユーザから受信したフィードバックを利用する。例えば、ユーザが、或る入力パラメータの組に対して提示された推奨案が有用ではなかったことを通知した場合、同一又は同様の入力パラメータに関する次の予測の間に、助言モデルの信頼性に所定のペナルティ係数を乗じることができる。信頼性指標の更に別の例は、モデル出力と、検証済みモデル又は１組のルール、例えば生理学的状態に関する設定済み／認定済み臨床ガイドラインとを比較する。
本明細書のために、「数学的助言モデル」という用語は、多数の入力パラメータを受信し、受信した入力パラメータ及び任意選択で多数のモデルパラメータに基づいて、推奨される処置を決定するコンピュータで実行されるあらゆる数学的プロセスを含む。このようなモデルの例として、統計モデル、神経回路モデル、強化モデル、又は生理学モデルなどを挙げることができる。

別の好適な実施形態によれば、複数の数学的助言モデルの内の少なくとも一つは、生理学的パラメータの将来値を予測する予測モジュール、及び少なくとも予測される生理学的パラメータの将来値に基づいて推奨される処置を決定する制御ユニットを含む。従って、本実施形態では、複数のモデルの内の一以上が、予測される将来の生理学的パラメータ、例えば血糖を求め、例えば予測値を目標値又は目標範囲などと比較することにより、予測に基づいて推奨される処置を決定する。モデルが生理学的パラメータの将来値の予測を行なうことにより、システムが予測値を追加情報としてユーザに提供することができるという利点がある。従って、ユーザは、システムが生成する推奨案に基づいて、且つ予測された生理学的値に基づいて、採るべき処置を決定することができる。将来の生理学的パラメータの予測値を追加情報としてユーザに提供することによって、ユーザに対して推奨される処置の暗示的説明が更に行われるので、所与の推奨に対するユーザの信頼が増大し、従ってユーザが実際に推奨案に従う可能性が高くなる。
他のモデルは、推奨される処置を入力パラメータから直接的に、すなわち入力パラメータを推奨される処置に直接関連付けるアルゴリズムにより、決定するので、下位の生理学的プロセスなどを前提とする必要がない。

システムは、複数の数学モデルのモデル出力に基づいて推奨される処置を生成する。一部の実施形態では、モデルは、モデルの集合体又は共同体として動作する。従って、本実施形態によれば、処理手段は、少なくとも助言モデルのサブセットであって、複数の互いに異なるモデルを含むサブセットの各々の対応するモデル出力を決定し、決定されたモデル出力の組み合わせに基づいて推奨される処置を決定する。例えば、一実施形態では、各モデルは処置の推奨案を生成し、システムは、大多数の投票を獲得した総合的に推奨される処置として処置を選択する。モデルの集合体又は共同体の出力によって総合的な出力の信頼性が高くなるという利点がある。更に、総合的なモデル出力の信頼性指標は、個々のモデル出力の相違度に基づいて設定することができるという利点がある。
他の実施形態では、複数のモデルを階層モデルとして動作させる。上述のように、システムは、対応するモデル出力の信頼性指標に基づき、一つのモデル又はモデルグループが生成する出力を推奨される処置として、選択することができる。

一部の実施形態では、数学モデルは、数学モデルの質を向上させるように適応可能なモデルパラメータを含む。例えば、モデルパラメータは、適切な適応プロセスによって、例えばモデル出力と基準値との比較に基づいて、適応させることができる。例えば、モデルが血糖値のような生理学的パラメータの将来値の予測を含む場合、基準値は、所定の将来時点における生理学的パラメータの測定値とすることができる。他の実施形態では、基準値は、専門家、例えば医師が決定する推奨処置とすることができる。
このような適応モデルの例は、最小自乗誤差法、最大尤度法、又は他のいずれかの適切な最適化方法に基づいて適応させられたモデルである。適応モデルの他の例は、後方伝搬アルゴリズム等のいわゆる学習アルゴリズムによって更新可能な神経回路モデルを含む。更に別の例は、いわゆる事例に基づく推論、すなわち新規の事例又は例を事例データベースに追加することにより、分析対象の状況に近い一致を発見する確率を高める適応モデルを含む。

従って、一部の実施形態では、複数の数学的助言モデルの内の少なくとも一つは適応計算モデルであり、よって助言システムを特定の患者に適応させることができるか、又は場合によっては動作中にモデル適応化によって継続的に推奨案を改善することができる。
更に別の好適な実施形態では、複数の数学的助言モデルの内の少なくとも一つは、複数のルックアップテーブル、対応する複数のアドレスデコーダモジュール、及びコンバイナモジュールを含み、各ルックアップテーブルは対応する複数の列を含み、各列は複数のテーブル入力を含み、アドレスデコーダの各々は、対応するルックアップテーブルの１つに含まれる複数の列の一つを決定し、コンバイナモジュールは、決定された列のテーブル入力に基づいて数学的助言モデルのモデル出力を決定し、よって、例えば動作中にシステムが適応し続けることにより、所定の患者に効率的に適合するシステムを提供することができる。

上述のように、複数のモデルの各々のモデル出力は、当該モデルが推奨する処置であってよい。別の構成として、モデル出力は、多数の処置候補に対する評価点とすることができ、この場合、各処置候補に対応する評価点を割り当てる。更に別の実施形態では、各モデルは関連する生理学的パラメータの予測値を生成することができ、次に処理ユニットは、異なるモデルが生成する予測値に基づいて推奨される処置を決定する。一部の実施形態では、一以上のモデルは、上記出力の組み合わせを生成することができる。
加えて、一以上のモデルは、更なる出力、例えば生成された出力の確実性指標又は信頼性指標を生成することができる。

システムが決定する処置の推奨案は、制御対象である患者の医学的／生理学的状態に影響し得る、患者の採るべきいずれかの処置とすることができる。ここで、このような処置の例には、例えば行動を変えないことが推奨される状況における「何もしない」という推奨処置が含まれることを理解されたい。更に、一部の実施形態では、一以上の推奨される処置が、医師又は他の専門家による診察を含むことができることを理解されたい。患者の血糖値を制御する実施例では、推奨される処置の例として、インスリン摂取、食物摂取、及び運動量などに関する処置を挙げることができる。
更に、一部の実施形態では、少なくとも場合によっては、二以上の処置を患者に提示することができることを理解されたい。例えば、システムは多数の代替処置を提示することができ、これらの代替処置の各々は、同一又は同様の所望の効果をもたらすことができる。この実施例では、ユーザは提示された数の処置から一つの処置を選択することができる。別の実施例では、ユーザが提示された処置の全てを実施することが推奨される場合、推奨される処置は複合処置、すなわち複数の個別処置、例えば「お菓子を食べ、３０分間休息を取る」などとすることができる。

また別の実施形態では、システムは更に、提示された推奨処置に関して求めた信頼性指標を提示する。例えば、複数の代替推奨案が提示される一実施形態では、提示された異なる処置の信頼性指標に基づいてこれらの推奨案の内の一つを選択するための別のガイダンスがユーザに提供される。更に、信頼性指標を提示することによって、ユーザがシステムに対して持つ信頼性が上がるので、ユーザが実際に推奨案に従う可能性が高くなるという利点がある。
システムは多数の入力パラメータ、好適には制御対象であるシステムの状態に関する情報を提供するパラメータ、すなわち推奨される処置の選択に関連する情報を含むパラメータを受信する。例えば、患者が助言システムを使用して血糖等の生理学的パラメータを制御する場合、パラメータの測定値は入力パラメータとして提供することができる。入力パラメータの他の例として、制御対象の生理学的パラメータに影響する２次パラメータ、例えば以前に行った運動、食物摂取、インスリン投与量等の、患者が以前に採った処置を挙げることができる。更に別の例示的グループには、患者の心拍数、体温又は皮膚温度、皮膚抵抗等の測定パラメータ又はセンサデータが含まれる。

入力パラメータは、ユーザが入力する、及び／又はセンサ、測定デバイスから受信する、及び／又は他のいずれかの適切な方法で受信することができる。従って、入力手段は、データの受信に適したいずれかの回路又はデバイスを含むことができる。このような入力手段の例として、キーボード、キーパッド、プッシュボタン、ポインティングデバイス、又はタッチスクリーン等のユーザ入力デバイスを挙げることができる。別の例として、外部デバイス又はセンサ、或いは助言システムに組み込まれたセンサ等の、センサ又は測定デバイスからデータを受信するインターフェースを挙げることができる。更に別の例として、通信ネットワーク、例えば無線ネットワーク又は有線ネットワークを介してデータを受信するのに適するデータ通信インターフェースを挙げることができる。
処理手段は、上記機能を実行するのに適したいずれかの回路及び／又はデバイスを含むことができる。特に、処理手段は、汎用又は特殊用途のプログラム可能なマイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、プログラマブルロジックアレイ（ＰＬＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、専用電子回路など、又はこれらの組み合わせを含むことができる。

出力手段は、推奨される処置に関する情報をユーザに提示するのに適したいずれかのデバイス又は回路を含むことができる。例えば、助言システムは推奨される処置を表示するディスプレイを提供することができる。代替的又は追加的構成として、出力手段は、推奨される処置の音声通知を行なうか、又は例えば緊急推奨案が在ることを患者に警告するオーディオ出力を含むことができる。ここで、代替的又は追加的構成として、結果をユーザに通知する、及び／又はユーザに警告するための、他のいずれかの適切な手段を使用することができ、例えば触感出力を提供するバイブレータ又は別の手段を使用することができることを理解されたい。
一部の実施形態では、出力手段、入力手段、及び処理手段は、ポータブル又はハンドヘルド電子デバイス等の単一デバイスのサブセットとして提供されるので、遠隔デバイスと無関係に独立して動作することができる、推奨される処置を提示するための簡便なツールとなる。このようなデバイスの例として、適切にプログラムされたコンピュータ、例えばポータブル又はハンドヘルドコンピュータ、携帯情報端末（ＰＤＡ）、又は特定用途向け医療デバイスなどを挙げることができる。別の例には、適切にプログラムされた携帯電話機又は他の通信デバイスが含まれる。

一部の実施形態では、助言システムは、ユーザ端末及び遠隔データ処理システムを備える。ユーザ端末、例えば携帯電話機又は他の通信デバイス、又はＰＤＡ等のハンドヘルド電子デバイスは、出力手段及び入力手段、並びに入力パラメータを遠隔データ処理システムに送信し、推奨される処置に関する情報を受信する適切な通信手段を備える。遠隔データ処理システム、例えば病院などのコンピュータは、ユーザ端末との上記データの送受信を行う通信手段、及び入力パラメータに基づいて推奨される処置を決定する処理手段を備える。
更に別の好適な実施形態を従属請求項に開示する。

本発明は、上述のシステム、方法、及び更に別の生成手段を含む種々の形態で実現することができ、これらの形態の各々は、最初に述べたシステムに関して記載した効果及び利点の内の一以上を実現し、且つ最初に述べたシステムに関して記載し、従属請求項に開示する好適な実施形態に対応する一以上の好適な実施形態を有する。
特に、本発明は更に、コンピュータを援用して、ユーザが行うべき処置の推奨案を提供する方法に関するものであり、本方法は、
−多数の入力パラメータを受信するステップ、
−少なくとも入力パラメータに基づいて推奨される処置を決定するステップ、
−決定された推奨される処置に関する情報をユーザに提示するステップ
を含み、推奨される処置を決定するステップは更に、
−複数の数学的助言モデルを提供するステップ、
−受信した入力パラメータに基づいて、複数の数学的助言モデルの内の一以上に対応する一以上のモデル出力を決定するステップ、及び
−決定した一以上のモデル出力に基づいて推奨される処置を決定するステップ
を含む。

ここで、上の記述及び以下に記載する本方法の特徴は、ソフトウェアで実現することができ、且つデータ処理システム、又はコンピュータで実行可能な命令を実行することによって作動される他の処理手段において実行することができることに注目されたい。これらの命令は、ＲＡＭのようなメモリに、記憶媒体又は別のコンピュータからコンピュータネットワークを介して読み込まれるプログラムコード手段とすることができる。別の構成として、記載の特徴は、ソフトウェアではなく結線回路によって、又はソフトウェアと組み合わせて実現することができる。
本発明の上記態様及び他の態様は、添付図面を参照しながら以下に記載する実施形態により明らかとなる。
添付図面では、同様の参照記号は同様の構成要素又は対応する構成要素、ステップなどに対応する。

図１は、医療助言システムの一実施形態の機能的構成要素のブロック図を示す。医療助言システムは、入力モジュール１０１、助言モジュール１０２、監視モジュール１０３、フォールバックシステム１０４、及び出力モジュール１０５を備える。入力モジュール１０１は、ユーザが提供する入力パラメータ、及び／又は測定デバイス、センサ、及び／又は他のいずれかの外部システムが供給する入力パラメータのような入力パラメータを受信する。一部の実施形態では、入力モジュールは、入力パラメータの内の一以上に対し、一以上の事前処理ステップを実行することができる。このような事前処理ステップの例には、アナログ−デジタル変換、例えば所定のタイムウィンドウで平均化することによる雑音低減、２以上の入力パラメータの間の相関関係の計算等が含まれる。
ここで、入力パラメータの数及び種類、並びに事前処理の種類は、特定の実施形態によって変わることを理解されたい。例えば、血糖値の制御に関する推奨案を糖尿病患者に提供する場合、使用可能な入力パラメータは、薬剤、食事、運動に関するパラメータ、及び測定される血糖値、心拍数、皮膚温度、又は皮膚抵抗等の生理学的パラメータ等である。

入力モジュール１０１は、受信して、場合によっては事前処理した入力パラメータ１０６を助言モジュール１０２に転送する。助言モジュール１０２は、入力パラメータ１０６に基づき、且つ所定の助言モデル、すなわち、受信した入力データ及び、任意の補助データ、例えば時間、既に受信した入力パラメータのような過去データ、又は患者の年齢、性別、体重等の患者に関する情報に基づいて推奨される処置を計算するアルゴリズムに従い、推奨される処置を決定する。このようなアルゴリズムの例として、神経回路網、ルックアップテーブル、パターン認識アルゴリズム、多変量統計分析、又は生理学的モデル等の適応型及び非適応型計算モデルを挙げることができる。適応型計算モデルの実施形態については後述で詳細に記載する。助言モジュール１０２は更に、決定した推奨される処置に関する信頼性情報、例えば一連の処置候補から所与の処置を選択する際の確度を生成する。信頼性指標の例については後述で詳細に記載する。助言モジュール１０２は、決定した推奨される処置に関する情報及び信頼性情報を含むモデル出力１０７を生成する。
助言モジュール１０２は、推奨される処置及び信頼性指標を含むモデル出力１０７を監視モジュール１０３に転送する。監視モジュールは、信頼性指標に基づいて、決定した推奨される処置がユーザに提示するのに十分な信頼性を有するかどうかを判断する。例えば、信頼性指標が確度レベルを含む場合、監視モジュールは確度レベルを所定の閾値と比較することができる。確度レベルが閾値を上回る場合、監視モジュールは、助言モジュールが決定した推奨される処置を、接続線１０８で示すように出力モジュール１０５に転送する。例えば、閾値は、初期カスタマイズプロセスの段階で医師が設定できる。

助言システムは更に、ルールベースフォールバックシステム１０４を備える。フォールバックシステム１０４は入力モジュールから入力パラメータ１０６を受信し、推奨される処置１０９を生成する。ルールベースフォールバックシステムは、所定の単純なルール群、例えば入力パラメータの全ての可能な値に対して安全な推奨案を提示することが分かっている既知のルール群に基づいて、処置１０９を決定する。例えば、フォールバックルール群は医師又は他の専門家が決定し、入力パラメータ毎にインデックスが付されたテーブルに保存することができる。フォールバックシステム１０４が決定するフォールバック推奨案１０９は監視モジュール１０３に転送される。
監視モジュール１０３が、助言モジュール１０２によって決定された推奨される処置の信頼性が十分に高くないと判断した場合、監視モジュールはフォールバック推奨案１０９を最終出力１０８として出力モジュールに転送する。従って、助言モジュール１０２が実行する計算アルゴリズムが信頼性の高い推奨案を提供しない場合でも、助言システムは推奨案をユーザに提供することができるので、ユーザが推奨案を受信しないことが頻繁に生じるという事態を避けることができる。助言システムが推奨案を提供しない状況はユーザにとって不満であり、且つユーザを一層混乱させるか、又は血糖値の追加測定、医師による追加診察等の更なる処置が必要になるため、この構成は有利である。更に、助言システムは、最小信頼性よりも高いことが分かっている信頼性を推奨案に付与する。特に、最小信頼性は、フォールバックシステムの信頼性、及び監視モジュールが助言モデルの推奨案を拒否する最小信頼性によって決定される。
出力モジュール１０５は最終推奨案１０８を受信し、この推奨案をユーザに、例えばディスプレイ等のユーザインターフェースを通して提供する。

図２は、医療助言システムの別の実施形態の機能的構成要素のブロック図を示す。医療助言システムは図１に関して記載したシステムに対応する。しかしながら、図２のシステムは、単一のモジュールではなく、１０２ａ、１０２ｂ、．．．、１０２ｎにより示す複数の助言モジュールを備える。例えば、助言システムは２、３、４、５、又はそれよりも多くの助言モジュールを備えることができる。これらの助言モジュールの各々は、入力パラメータ１０６を受信し、これらの助言モジュールの各々は、１０７ａ、１０７ｂ、．．．、１０７ｎにより示す対応するモデル出力を生成する。モデル出力は全て監視モジュール１０３に転送され、監視モジュールはモデル出力の信頼性を求め、モデル出力に基づいて最終推奨案を生成するか、又は、監視モジュールがモデル出力の信頼性が十分に高くないと判断する場合には、上述のようにフォールバックシステム１０４による最終推奨案を生成する。監視モジュールの一実施形態については後述で詳細に記載する。好適には、助言モジュールは異なるアルゴリズムを実行するか、又は異なるパラメータを選択することによりパラメータ化されるアルゴリズムを実行し、これによって監視モジュールは、異なるモデルからの出力の類似性指標に基づいて、モデル出力の信頼性を求めることができる。
ここで、一部の実施形態では、助言モジュール１０２ａ、１０２ｂ、．．．、１０２ｎの一部は、他のモジュールとは異なる入力パラメータを必要とする。従って、全ての入力パラメータが図２に示すように全ての助言モジュールに転送される実施形態では、個々の助言モジュールは、対応するアルゴリズムに必要のないパラメータを無視することができる。他の実施形態では、入力モジュールは異なる組の入力パラメータを異なる助言モジュールに転送することができる。

図３は、医療助言システムの更に別の実施形態の機能的構成要素のブロック図を示す。医療助言システムは、図１に関して記載したシステムに対応する。しかしながら、図３のシステムは、適応計算モデルを実行する助言モジュール１０２を備える。助言モジュール１０２は、入力モジュール１０１から入力パラメータ１０６の組を受信し、助言モジュールによって決定される推奨される処置についての情報を含むモデル出力１０７を生成する。助言モジュール１０２は適応計算モデルを実行し、且つモデルモジュール３０１、モデルパラメータの組を保存するデータストレージ３０４、及び適応モジュール３０３を備える。モデルモジュール３０１は入力パラメータ１０６を受信し、接続線３０５を介してデータストレージ３０４からモデルパラメータを検索し、入力パラメータに基づいて、且つモデルパラメータに従ってモデル出力１０７を生成する。すなわち、モデルモジュールは、ｙ＝Ｍ（ｘ；ｐ）に従って計算モデルを実行する。ここで、ｘは入力パラメータを、ｐはモデルパラメータを、ｙはモデル出力を、Ｍはモデルが実行するアルゴリズムを表す。モデルモジュール３０１は更に、データストレージ３０４にモデル出力を保存して後続のモデル適応に用いる。更に、一部の実施形態では、受信された入力パラメータ１０６もデータストレージ３０４に、例えばタイムスタンプと一緒に保存される。
本実施形態によれば、入力モジュール１０１は更に、一以上の基準値３０６を受信し、これらの値を適応モジュール３０３に転送する。例えば、基準値は、医師又は他の専門家が患者の所与の医学的状態に関して決定する推奨助言を含むことができる。他の実施形態では、助言モデルが生理学的パラメータの予測値を含んでおり、基準値は、モデルによってパラメータが予測されている時点における当該生理学的パラメータの実際の測定値を含むことができる。基準値は、助言システムのユーザインターフェースを介してユーザが提供することができる。例えば、ユーザは生理学的パラメータの測定値、及び測定時間を入力することができるか、又は医師から受け取る推奨される処置、及び推奨案が適用される時間を通知することができる。一部の実施形態では、助言システムは、ユーザに要求することにより、例えばモデル出力の信頼性が低いと判断され、且つシステムがフォールバック推奨案を出力した状況において、基準値を入力させることさえできる。

適応モジュール３０３が基準値３０６を受信すると、適応モジュールは対応するモデル出力ｙを、例えばユーザによって指示された基準値が適用される時間に基づいて検索する。適応モジュール３０３は更に、現モデルパラメータｐ、及び場合によっては基準値が適用される時間に受信された入力ｘを検索する。受信された基準値及び検索したデータに基づいて、適応モジュールは、適切な適応アルゴリズムｆ_ａ、例えばｐ’＝ｆ_ａ（ｐ、ｙ、ｙ_ｒｅｆ、ｘ）に従って更新モデルパラメータｐ’の組を求める。ここで、ｙ_ｒｅｆはモデル出力ｙに対応する基準値である。適切な適応アルゴリズムの例は本技術分野では既知であり、且つ例えばリアルタイム後方伝搬アルゴリズム、強化学習、及び他の最適化手順を含む。
本実施形態の利点は、助言システムを継続的に特定のユーザに適応させて、動作中に推奨の質を高めることができることである。しかしながら同時に、監視モジュール１０３及びフォールバックシステム１０４によって、誤った基準値に従って動作する等の、助言モジュールが信頼性の低い結果を生成することが全くない。
ここで、上記図２の実施形態では、複数の助言モジュールの内の一以上が、図３の助言モジュールに関して記載した適応モデルを実行できることを理解されたい。

図４は、医療助言システムの出力モジュールの一実施形態のブロック図を示す。出力モジュールは、監視モジュールが生成する推奨される処置１０８を受信し、上述のようにユーザに提示する。本実施形態によれば、出力モジュール１０５は、最終レベルの出力検証を実行する最終出力フィルタ４０１を備える。出力フィルタ４０１は、推奨される処置１０８を、データストレージ４０２に保存される検証ルールの組と比較する。出力フィルタ４０１は、推奨される処置１０８が検証ルールに従っていると判断する場合、適切なユーザインターフェースを介してユーザに推奨案を提示する。逆に、出力フィルタ４０１は、推奨される処置１０８が検証ルールに従っていないと判断する場合、対応するメッセージをユーザに提示して、例えば医師に連絡して関連する生理学的パラメータなどの測定を行うよう促す。従って、ユーザに提示される最終出力４０３は、有効な推奨される処置か、又は適切なエラーメッセージ、或いは別の処置を採るようにとの案内を含む。好適には、検証ルールは、特定の推奨される処置が、所定の状況、例えば１日の内の所定の時間、すなわち食事又は以前に推奨した処置等の他のイベントに対する時間、に妥当であるかどうかを判断する。
血糖制御を考慮する場合、このような検証ルールの例には、「軽食を摂りなさい」又は「２０分間運動を行ないなさい」のような特定の推奨案が複数回繰り返されることを防止するルール、及びこのような推奨案が１日の内の特定の時間、例えば睡眠時間中に提示されることを防止するルールが含まれる。例えば、一連の検証ルールは以下の例の内の一以上を含むことができる。
「睡眠時間であれば、運動を推奨しない」
「過去２時間以内に運動が行なわれている場合、運動を推奨しない」
「インスリン注射が過去３時間以内に行なわれた場合、インスリン注射を推奨しない」
「過去１時間以内に食事を摂っている場合、軽食を推奨しない」
ここで、コンピュータを援用してこのようなルールを実行する場合、ルールを公式言語で公式化することができることを理解されたい。

図５は、図２に示す監視モジュール１０３の一実施形態のブロック図を示している。監視モジュール１０３は、多数の異なる助言モジュールからモデル出力１０７ａ、１０７ｂ、．．．、１０７ｎを受信する。モデル出力は、受信されたモデル出力に基づいて推奨される処置を決定するコンバイナモジュールに転送される。例えば、モデル出力１０７ａ、１０７ｂ、．．．、１０７ｎの各々が、対応する助言モジュールが決定した推奨される処置を示す実施形態では、コンバイナモジュールは、助言モジュールの推奨案の内最も投票数が多かった案として結果として、得られる推奨される処置を決定することができる。モデル出力が予測血糖値を表わす別の実施形態では、コンバイナモジュールは、高精度予測を表わす個々のモデル出力の平均を求めることができる。高精度予測に基づいて、コンバイナモジュールは、予測血糖値に適合する、推奨処置を決定することができる。結果として得られる合成推奨案は選択モジュール５０４に転送される。
監視モジュールは更に信頼性モジュール５０２を備える。信頼性モジュールは、モデル出力１０７ａ、１０７ｂ、．．．、１０７ｎを受信し、モデル出力に基づいて信頼性指標を求める。信頼性モジュール５０２は、信頼性指標を、データストレージ５０３に保存される閾値と比較する。信頼性指標が閾値を上回る場合、信頼性モジュールは選択モジュール５０４を制御してコンバイナモジュール５０１が決定した推奨される処置を結果出力１０８として選択する。逆に、信頼性指標が閾値を下回る場合、信頼性モジュールは選択モジュール５０４を制御して、上述のように、フォールバックシステム１０４が決定したフォールバック推奨処置１０９を選択する。従って、選択モジュール５０４は更に、フォールバックシステム１０４の出力１０９を受信する。
例えば、各モデル出力が推奨される処置を表し、且つコンバイナモジュールが投票方式に従って結果として得られる推奨案を決定する上述の実施例では、信頼性指標は、例えば選ばれた推奨案の得票数、又は選ばれた推奨案の、次点得票数に対する得票数などで表される、個々のモデルの間の一致度として求めることができる。多数の個々の予測値に基づいて平均予測値を計算する上記実施例では、信頼性指標は、例えば個々の予測値の分散とすることができる。

図６は医療助言システムのブロック図を示している。医療助言システム６００は、中央処理ユニット６０１、メモリ６０２、及びユーザインターフェースユニット６０３を備え、メモリ及びユーザインターフェースユニットはいずれも中央処理ユニットに、例えばバスシステムを介して接続される。ユーザインターフェースユニットによってユーザは入力パラメータをシステムに入力するだけでなく、助言システムの種々の機能を起動すること、及び／又は制御するユーザ命令等の更なる入力を行うことができる。従って、ユーザインターフェースは、キーパッド、キーボード、多数のプッシュボタン、ポインティングデバイス、又はタッチスクリーン等のユーザ入力ユニットを備える。ユーザインターフェースを更に制御して、推奨される処置及び場合によっては追加の情報をユーザに提示する。従って、ユーザインターフェースは、ディスプレイ、又はオーディオ出力デバイス等の出力ユニットを備える。
中央処理ユニット６０１は助言システムの動作を制御し、特に、上記並びに後述でも記載する助言モジュール、監視モジュール、及びフォールバックシステムを実行する。

メモリ６０２は、上記並びに後述に記載する助言モジュール、監視モジュール、及びフォールバックシステムを実行するコンピュータプログラムだけでなく、これらのプログラムが使用する全てのパラメータ又は他のデータ、例えば助言モデルのモデルパラメータ、監視モジュールの閾値パラメータ、フォールバックシステムのルールテーブル、及び／又はこれらに類似するデータを保存する。メモリは更に、入力パラメータを、例えば後続の分析で使用するか、又は適応モデルが使用するログファイルとして保存する。ここで、メモリブロック６０２は、一以上の異なるメモリデバイス、記憶媒体、又はメモリ部、例えばＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、及び／又は取り外し可能な記憶媒体等を備えることができることを理解されたい。
任意で、助言システムは、外部センサからのセンサデータ等の情報の受信、及び／又はリモートコンピュータとの間での情報の送受信を行う一以上の更に別のインターフェースユニット６０４を備えることができる。助言システムから中央コンピュータ又はデータベースサーバに供給されて更に処理されるデータの例は、入力パラメータに関する情報、推奨される処置、及び／又はログデータ等を含む。

ここで、助言システムは、単一のデバイス、例えば適切にプログラムされたパーソナルコンピュータとして実行できることを理解されたい。助言システムを携帯型デバイス、又はユーザが装着するデバイス、例えば適切にプログラムされた携帯型コンピュータ、ＰＤＡ、携帯電話機、又は腕時計型デバイスなどとして用いる場合、ユーザが助言システムを容易に持ち運ぶことができるので、ユーザの位置等に関係なく利用することができる。
他の実施形態では、助言システムは分散システム、例えばクライアント／サーバシステムとして用いることができる。クライアントサーバシステムの例を図７を参照して記載する。

図７は、携帯型電子デバイス及び遠隔データ処理システムを備える医療助言システムのブロック図を示している。このシステムは、携帯型デバイス７００及びサーバコンピュータ７０５を備える。携帯型デバイス、例えば携帯電話機、又はＰＤＡ等は、ディスプレイ７０１及びキーパッド７０２、又は入力パラメータを受信して推奨される処置をユーザに提示する別の適切なユーザインターフェースを提供する。携帯型デバイスは、通信ネットワーク７０４を介してサーバコンピュータ７０５に受信済み入力パラメータを送信する。例えば、携帯型デバイスが携帯電話機である実施形態では、通信ネットワークは移動体通信ネットワークとすることができる。データは携帯型デバイスとサーバコンピュータとの間で、ショートメッセージサービス又は適切なネットワークプロトコル等を介して通信できる。サーバコンピュータ７０５は、携帯型デバイスとデータを送受信する適切な通信インターフェース７０６を備える。サーバコンピュータ７０５は更に、上述の処理ユニット６０１及びメモリ又は他の記憶手段６０２を備える。
従って、助言システムは遠隔医療システムに組み込むことができ、この場合、中央コンピュータは多数のサービスをユーザに提供し、且つ医師又は他の健康相談員による監視、或いは医師又は他の健康相談員との通信を可能にする。

図８〜１１を参照しながら、助言モデルの実施例を更に詳細に説明する。
図８は、ルックアップテーブルに基づく助言モジュールを示している。１０２で一括して示す助言モジュールは、上に記載したように、一以上の入力パラメータ１０６を受信し、モデル出力１０７を生成する。助言モジュールは、入力パラメータを表わすビットパターン８０２を生成する入力符号化ブロック８０１を備える。ビットパターン８０２に基づいて、多数のアドレスデコーダ８０３は多数のルックアップテーブル８０６のそれぞれの列を識別する。従って、各ルックアップテーブルは、アドレスデコーダを介して入力に接続される。各アドレスデコーダ８０３は、ビットパターン８０２からなるビット群の少なくともサブセット、例えば５〜２０ビットに接続される。しかしながら、他の実施形態では、異なる数のビットを使用することができる。各アドレスデコーダに接続されるビット群はランダムに選択することができるか、又は何らかのトレーニングアルゴリズムによって選択することができる。アドレスデコーダが識別する列に含まれる情報は出力ブロック８０９に転送され、出力ブロックはモデル出力１０７を生成する。従って、助言モデルは、入力パラメータｘ及びルックアップテーブルの入力ｐの関数Ｍとしてモデル出力ｙ＝Ｍ（ｘ、ｐ）を生成する。
ビットパターン８０２は、ｂ１、ｂ２、ｂ３、ｂ４、．．．、ｂｎの記号が付されたビット群によって例示される入力値を表わすビットストリング、すなわち１と０からなるストリングを含む。例えば、図８においてＡＣ１の記号を付したアドレスデコーダは、ビットｂ１、ｂ２、及びｂ４に接続される。各入力変数は、ビットパターンの特定の部分に表示される。例えば、各入力パラメータは、所定数のビット、例えば１６、３２、又は６４ビットで符号化することができる。しかしながら、基本的に、入力パラメータにはいかなるビット解像度も選択できることを理解されたい。更に、異なる入力パラメータを同じ又は異なるビット解像度で符号化できることを理解されたい。

図９ａ〜ｃは、図８の助言システムにおける入力レイヤ符号化の実施例を示している。入力パラメータは多くの方法でビット表現に符号化することができる。数字パラメータ、例えば心拍数、血糖値、又はインスリン投与量等に関し、図９ａ、ｂは適切な符号化方式の実施例を示している。図９ａの符号化方式は、「１」に設定される連続ビットの数が入力パラメータの値に対応するため、「温度計符号化」と呼ばれる。これを、ビット群のサブセット９０１が「１」に設定され、サブセット９０２が「０」に設定されている、図９ａのビットストリング８０２により例示する。図９ｂにおける符号化は「隣接符号化」と呼ばれ、この方式では、所定数の連続ビットが「１」に設定され（斜線領域９０１によって示す）、残りのビットが空白領域９０２に示すように「０」に設定される。「１」に設定されるビットの数は、全ての入力値について同じであるが、ビットストリング中で「１」に設定されるビットの位置は、入力パラメータの値によって変わる。すなわちビットパターンはスライダに類似し、スライダの位置が入力パラメータの値を示す。図９ｃは、記号入力値の入力符号化の実施例、例えば投与されるインスリンの種類、又は摂取食物の種類等の識別を示している。この例では、ビットストリングの異なる部分を各記号又はカテゴリーに割り当て、入力した実際の記号又はカテゴリーは、図９ｃのビットストリング８０２のそれぞれ９０１及び９０２で示す部分により例示するように、これらの部分の内の対応する部分のビット群を「１」に設定し、残りの部分のビット群を「０」に設定することにより表示される。

図１０は、図８のモデルのルックアップテーブルの一つを示している。ルックアップテーブル８０６は、行１００２及び列１００３を含む行列である。図１０の列１００４で例示するように、動作状態で、入力ビットパターンの値に基づいて、アドレスデコーダ８０３により一つの列が選択される。選択された行のセルの内容は出力ブロック８０９に転送される。可能な推奨処置のそれぞれに１行が割り当てられ、アドレスデコーダ８０３が生成することができる可能なアドレスのそれぞれに１列が割り当てられる。
アドレスデコーダ８０３は、ビットパターンから列１００４の一つを、例えばハッシュコード計算又は他のいずれかの適切な方法により直接求める。従って、各ルックアップテーブルは、入力ビットのサブセットごとにインデックスが付された構成と考えることができる。例えば、各ビットパターンによって列の１つが直接符号化され、且つ入力ビットパターンからアドレスデコーダ８０３へのｎ個の接続が使用される場合、対応するルックアップテーブルのアドレス指定可能な列の数は２^ｎ個である。接続の数により、列の数が指数関数的に大きくなるので、圧縮技術又はスパース符号化をルックアップテーブルに使用し、接続が多い場合も効率的なアドレス指定が行えるようにすることが好ましい。

一実施形態では、入力ビットパターンとアドレスデコーダとの間の接続の数は、助言モジュールの全ルックアップテーブルについて同じである。従って、入力ビットストリングからアドレスデコーダの各々に至る接続の数で入力ビットストリング長を除した商によって、入力ストリングのビットの全てとの接続を行なうために必要なルックアップテーブルの最小数が決まる。接続がランダムに選択される構成の実施形態では、使用するルックアップテーブルの実際の数は非常に大きくなり、例えば最小数の２倍又は３倍に達する。
出力ブロック８０９は多数の加算ユニット１００１を含み、各加算ユニットはルックアップテーブルの１行に、すなわち可能な推奨処置の一つに対応する。

上述のように、入力パラメータから決定された推奨処置までのマッピングは、ルックアップテーブルのセルの内容によって決まる。従って、セルの内容を求めることによって、例えばそれぞれが入力パラメータ値と所望の出力の組、すなわちこの入力パラメータ値に対する所望の推奨処置の表示を含むトレーニング例の組に基づいて、「トレーニング」アルゴリズムを適用することにより、助言システムを特定の患者に適合させることができる。
一実施形態では、ルックアップテーブルに基づく助言システムは次の手順に従ってトレーニングされる。

まず、各ルックアップテーブルのセルの全てをゼロに設定する。トレーニングプロセスの間、セルの一部をマークするか、又は数字、普通は正の整数を割り当てる。
特に、一実施形態では、次のステップをトレーニング例の各々に関して実行する。
１．入力パラメータ値を事前処理して対応する入力ビットストリングを生成し、ビットストリングをアドレスデコーダの各々に転送する。
２．各アドレスアドレスデコーダは、当該アドレスデコーダに接続される入力ビットストリングのビット群に基づいて当該アドレスデコーダに接続されるルックアップテーブルの対応する列を求める。
３．各ルックアップテーブルに関し、本トレーニング例の目標推奨処置に対応する行を選択する。
４．選択された行及び選択された列に対応するセルに含まれる値を１だけ増加させる。一実施形態では、各セルは２進値に対応する。本実施例の場合、セルの値は、初めてセルが選択されたとき、すなわち初めてフラグを設定するときだけ増加させるので、小規模で効率的な符号化が可能になる。
ここで、上記のトレーニング手順は「ワンパス」トレーニングプロセスであるので、高速トレーニング又は高速適応が可能になることに注目されたい。加えて、その後トレーニング例の組に基づく初期トレーニングを、更に追加的例によって補足することができるという利点がある。従って、トレーニング例を徐々に増やしていく増加トレーニングが可能であるか、或いは、選択した例を「トレーニングしない」ことも可能である。

トレーニングが完了すると、すなわちルックアップテーブルのセルの値が、例えば上記手順に従って決定されると、助言モジュールは動作中に次のプロセスを実行する。
１．入力パラメータ値の組を入力符号化ブロック８０１に転送する。
２．入力符号化ブロックは入力パラメータ値を事前処理し、入力ビットストリング８０２を生成する。
３．各ルックアップテーブル８０６について、対応する入力ビットのサブセットを対応するアドレスデコーダ８０３に転送する。
４．各アドレスデコーダは、入力ビットストリングとの接続において表示されるビットに基づいて列番号を計算し、対応するルックアップテーブル８０６の当該列を選択する。
５．各ルックアップテーブルについて、ゼロよりも大きい値を有する対応する選択列の各セルは、出力ブロック８０９の加算ユニット１００１の内の対応する加算ユニットを増加させる。
従って、一実施形態では、全てのルックアップテーブルが処理された後、各加算ユニットの合計値は、対応する推奨処置に対する投票の数に相当する。投票の最大数は助言モジュールのルックアップテーブルの数であり、最小数はゼロである。投票数の最も大きい推奨処置はシステムの出力として示され、いわゆる「ウィナーテイクスオール（勝者独占）」手順を採る。二以上の推奨される処置が同数の投票、すなわち対応する加算ユニットの同じ値を獲得した場合、それらの全てが出力として示される。

従って、上述では、ルックアップテーブルに基づく助言モデルを開示した。適応ルックアップテーブルに基づく分類システムの詳細については、ＷＯ９９／６７６９４を参照することができ、この特許文献をここで参照することによりこのその内容全体を本明細書に包含する。

一部の実施形態では、出力ブロック８０９は、加算ユニットの内容に基づいて一以上の信頼性指標を直接決定する。
以下の記述では、出力ブロック８０９が直ちに計算することができる信頼性指標の２つの例、すなわち確度指標及び曖昧指標について記載する。

確度指標は、「結果はどの程度信じられるか」という質問への回答と考えることができる。一実施形態では、出力ブロック８０９は、「勝者」の加算ユニットの値、すなわち最大可能値に対して最大値を有する加算ユニットの値、つまりルックアップテーブルの数に基づいて確度指標を計算する。これは、次式に相当する。
Ｌ_{ｃｏｎｆｉｄｅｎｃｅ}＝Ｓ_１／Ｎ_ＬＵＴ
ここで、Ｓ_１は最大合計値であり、Ｎ_ＬＵＴはルックアップテーブルの合計数である。このような確度レベルの一例を下の表１に示す。

曖昧指標は、「勝者は本当に正しい勝者であるか」という質問への回答と考えることができる。一実施形態では、出力ブロック８０９は、「勝者」の加算ユニットの値、すなわち２番目に大きな値を有する加算ユニットの値に対する、最大値を有する加算ユニットの値に基づいて、曖昧指標を計算する。例えば、曖昧値Ｌ_{ａｍｂｉｇｕｉｔｙ}は次式で表わすことができる。
Ｌ_{ａｍｂｉｇｕｉｔｙ}＝（Ｓ_１−Ｓ_２）／Ｎ_ＬＵＴ
上式において、Ｓ_１は最大合計値であり、Ｓ_２は２番目に大きい値であり、Ｎ_ＬＵＴはルックアップテーブルの合計数である。このような曖昧レベルの一例を下の表２に示す。

上の表では、確度レベルと曖昧レベルは期待成功率に関連しており、すなわち、結果に対して、推奨される処置が正しく決定されている割合に関連し、この割合は対応する信頼性／曖昧レベルを有する。ここで、上記表は単なる例示に過ぎないことを理解されたい。特定のシステムでは、基準となる曖昧レベルは次の方法によって決定することができる。
１．ルックアップテーブル助言モジュールのワンパストレーニングを上述のように実行する。
２．トレーニング例の１つ１つについて、学習させていない状態に戻し、テストし、再度学習させることにより、全例に対して完全な交差確認法を行う。従って、交差確認手順を繰り返す度に、助言システムを１つの例を除く全ての例を用いてトレーニングし、トレーニングの間に除かれていた１つの例について助言システムをテストする。
３．テストした例に対する投票に基づいて、例えばトレーニング例を投票区間のビンに分類し、各ビンのエラー率を計算することにより、正確な確度レベル及び曖昧レベルを計算することができる。
ここで、表に示すものよりも細かい確度レベル及び曖昧レベルの選択が、上記手順によって計算できることを理解されたい。

更に、別の信頼性指標を用いることができることを理解されたい。例えば、上記載２つの指標を組み合わせた信頼性指標を、異なる種類のエラーのコストに応じて、様々な方法で計算することができる。一実施形態では、信頼性指標は次の等式に従って求めることができる。
Ｒｅｌｉａｂｉｌｉｔｙ（ｙ）＝（Ｌ_{ｃｏｎｆｉｄｅｎｃｅ}（ｘ）^＊Ｌ_{ａｍｂｉｇｕｉｔｙ}（ｘ））／Ｃｏｓｔ＿ｆａｃｔｏｒ（ｙ）
上式において、ｘは入力例であり、ｙはトレーニングされた助言システムが行なう分類である。Ｃｏｓｔ＿ｆａｃｔｏｒは、各推奨される処置ｙにコスト係数を割り当てるテーブル又は関数である。

図１１は、ユーザの血糖値を制御する糖尿病助言モデルを示し、推奨される処置は、ユーザの将来時点での血糖値の予測に基づいて決定される。１０２で一括して示す助言モジュールは、上記のように、一以上の入力パラメータ１０６を受信し、モデル出力１０７を生成する。助言モジュールは、予測モジュール１１０１、制御モジュール１１０２、データストレージ１１０３、及び出力モジュール１１０４を備える。予測モジュールは入力パラメータ、例えば時間ｔ_０における血糖値、及び食物及び／又はインスリンの実摂取及び／又は予測摂取、及び／又は時間ｔ_０近傍の所定期間内における実運動／予測運動に関する情報を受信する。これらの入力パラメータに基づいて、予測モジュールは所定時間経過後の時間ｔ_１における予測血糖値を計算する。予測モジュールは、任意の適切な公知の予測アルゴリズムを用いることができる。このようなアルゴリズムの例として、V. Tresp等、"Neural Network Modelling of Physiological Processes", in Hanson S. J.等(Eds.), Computational Learning Theory and Natural Learning System 2, MIT Press, 1994に記載の適応アルゴリズム、又は米国特許第５８２２７１５号等に記載のアルゴリズム等を挙げることができる。予測血糖値は制御モジュール１１０２に転送され、この制御モジュールは、データストレージ１１０３に保存される予測血糖値及び所定の制御方法に基づいて推奨される処置を決定する。決定された推奨される処置は出力モジュール１１０４に転送され、この出力モジュールはモデル出力を生成する。血糖を制御するための制御方法は例えば、R. Bellazzi等、"Adaptive controllers for intelligent monitoring", artificial Intelligence in Medicine 7 (1995) 515-540及び米国特許第５８２２７１５号に開示されている。一部の実施形態では、予測モジュールは更に、信頼性指標１１０５を求め、信頼性指標を出力モジュール１１０４に転送し、出力モジュールは信頼性指標をモデル出力１０７に取り入れることができる。例えば、予測モジュールは複数の異なる予測アルゴリズムを実行することができる。このような予測血糖値の集合は、個々の予測値の平均として求めることができ、信頼性指標は個々の予測値の分散として求めることができる。
更に、予測モジュール及び／又は制御モジュールを適応的なものにすることができることを理解されたい。適応的制御方法の例は、上掲のR. Bellazzi等に開示されている。

助言モデルの他の実施例は、ここで問題とする生理学的プロセスの生理学的モデルに基づいている。糖尿病の管理に関連する生理学的モデルの例として、米国特許第５８２２７１５号及び"A physiological model of glucose-insulin interaction in type 1 diabetes mellitus", E. D. Lehmann及びT. Deutsch, J. Biomed. Eng. 1992, Vol. 14, May, 235-243頁を挙げることができる。
次に、助言システムの信頼性指標の別の実施例について記載する。本実施例によれば、信頼性指標は、感度分析、すなわち入力変数の小さな変化の影響に対して、システムがどの程度敏感であるかの分析に基づく。感度分析は「もし〜だったら」式の分析と見なすことができ、このような分析では、入力変数の全てを、実際の入力から「全ての方向に」小さな変位量だけ体系的に変化させ、出力の変化（あるとすれば）を観察する。

一実施形態では、助言モデルの出力、又は予測モジュールの出力の勾配マップを所定の入力ポイントｘで求める。このような勾配マップは、例えば助言システムに一連の入力パラメータｘ_ｋを提示することにより計算することができ、これらの一連の入力パラメータは、ｘ_ｋ＝ｘ＋Δｘ_ｋに従う所定の変位量ずつ、入力パラメータの一以上を増加／減少させることにより生成される。従って、勾配マップは、対応する一連の出力値ｙ_ｋ＝Ｍ（ｘ＋Δｘ_ｋ、ｐ）から推定することができる。勾配マップを使用して所定の入力ポイントにおけるシステムの信頼性及び／又は脆弱性を評価する。
勾配マップから信頼性を求めるため、勾配マップの全ての出力変化を、医学的評価に基づいて、例えば低血糖になる危険が上昇する確率に関し、「危険」又は「危険でない」に分類する。この分類は、小さな変位量の変化によって出力が変化した場合、入力値の確信度又は確実度の評価と組み合わせることができる。例えば、糖尿病の場合、入力パラメータの精度の評価は、多数の糖尿病患者に対する臨床測定の経験に基づいて行われる。次の表は、マップの各勾配に関するシステムの信頼性の判断の一実施例を示している。

感度分析に基づき、一以上の入力変数によって「システムは信頼できない」という評価が生成される場合、そのようなシステムは当該動作ポイントにおいて信頼できない。
評価表は、列パラメータに３以上の異なる値（すなわち、「信頼できる」、「或る程度信頼できる」、及び「信頼できない」）を使用して細分化することができるので、ファジイな評価を行うことができる。

次に、ルールベースフォールバックシステムの一実施例について記載する。本実施例によれば、ルールベースフォールバックシステムは、例えば一組の条件によって定義される、全ての状態記述ポイントからなるセットを含む。各ポイントは、少なくとも一つの有効な推奨案に関連付けられる。
状態記述ポイントに関する条件は、単純な条件を含むことができ、例えば「条件Ａの場合は処置Ｂとする」といった１つの推奨案に関連付けられる。しかしながら、代替的又は追加的に、システムは、複数の条件を含む、及び／又は複数の推奨案に関連付けられる、もっと複雑なルールを含むことができる。このような複雑なルールの例は、「条件Ａ及び条件ｂ及び条件ｃ及び．．．の場合は、処置ｘ又は処置ｚとする」といったような構造を有することができる。ここで、ルールの複雑さが増すと、ルールの数の組み合わせ爆発が起きることを理解されたい。

一実施形態では、複雑なルールの組を１組の状態記述子変数を定義することにより処理する。一実施形態では、１組の状態記述子変数を、システムが利用できる全パラメータのサブセットとして選択する。好適には、１組の状態記述子変数は、選択された組が提供する情報の量が多くなると同時に、重複する情報及びノイズが排除されるように選択される。例えばこれは、ルールベースフォールバックシステムの設計の段階で、インクリメンタル選択プロセスによって行なうことができる。第１ステップでは、制御対象の所望パラメータと高い相関を有する状態記述子変数のサブセットを選択する。このサブセットに、更に別の状態記述子を追加して行くことができ、結果として得られるシステムの性能をテストして、状態記述子を追加しないシステムと比較することができる。これは、例えば交差確認法により行なうことができる。追加の状態記述子変数を含むシステムが追加の変数を含まないシステムよりも高性能に機能する場合、更に一以上の変数を追加することによりインクリメンタルプロセスを継続することができる。変数の追加によって性能が改善しない場合、プロセスを停止し、以前のサブセットを記述子変数の最終セットとして選択する。
好適には、各記述子変数は、この変数の範囲が全てを網羅するように、すなわち使用可能な値の全範囲をカバーし、且つ互いに重複することがないように定義される。ここで、「互いに重複しない値」という表現は、所与の値が１つの変数に割り当てられる場合、他の値を同時に割り当てることができないことを示す。例えば、状態記述子変数が値「低い」、「中程度」、及び「高い」を採ることができ、上記値の各々が生理学的パラメータの測定値の１区間に対応する場合、これらの区間を組み合わせたものが生理学的パラメータの全範囲でなければならず、且つこれらの区間は互いに重複してはならない。

１型糖尿病患者に関するルールは例えば、「血糖（ＢＧ）が９より高く、且つ１時間以内に食事を摂取する予定であり、更に運動をする予定がない場合、次回の食前のインスリン注射を１単位だけ増やす」である。このルールを表にすると次のようになる。

ここで、ＢＧ指標は「低い」、「問題無し」、又は「高い」に分類される。従って、この単純な場合においては、記述は４つの変数から成り、これらの変数は３つ（「高い」、「問題なし」、「低い」）又は２つ（「有」、「無」）の値を採ることができる。

下の表４は、フォールバックシステムにおけるルールの組及びそれに対応する条件の一例を示している。

特に、表４は、ルールの組の例示的一例を示し、正常範囲外のＢＧ測定値を補正するために１型糖尿病患者が採るべき処置を定性的に示している。ここで、実際の実施の際には、「高すぎる」、「問題無し」、又は「低すぎる」が付された範囲を実際の血糖区間に置き換えることができることを理解されたい。同様に、運動、食事、又はインスリン注射の予定が「有」る状態を、更に正確に、例えば次の１５分又は３０分以内、又は１時間以内などとして決めることが好ましい。更に、処置を更に正確に決めることができ、例えば「増やす」及び「減らす」を定量的に表現することができる。
このシステムには、２４の異なる入力変数値の組み合わせが在る（３×２×２×２＝２４）。従って、合計の記述欄は２４個の４次元ポイントから成る。入力変数に記号値^“＊”を、例えば表４の第１行におけるように割り当てることができる。これはワイルドカード又は「いずれでも可」な値であり、入力変数にいかなる値が当てられようとも、結果が同じであることを意味する。従って、一以上の「いずれでも可」な値を含む一実施例は、それに含まれる全ての使用可能な入力値に拡大することができる。上の実施例では、第１ルールは、ＢＧ値が「問題無し」である場合、「何もしない」処置が他の変数に関係なく推奨されることを意味する。

ここで、ルールの組は、別の又は追加の処置を含む追加的及び／又は代替的ルールを含むことができる。例えば、一部の実施形態では、特殊処置を使用することができる。一部の実施形態では、ルールの組は「Ｎ／Ａ」のラベルが付された記号処置を含むことができる。このラベルを使用して、入力値の、禁止される組み合わせ、存在しない組み合わせ、又は矛盾する組み合わせを記述する。
ルールベースフォールバックシステムの上記実施例は多数の利点を有し、それらの利点は次のようなものを含む。
−構成要件が明確であり、構成が全体的に良好である。
−自然言語によって公式化されるルール又は「知識」を容易に実践することができる。
−全ての可能な記述状態が有効であることを確認することができる。
−新規の例が与えられたとき、既存例とのマッチングの完全な探索を確実に行うことができる。
−結果値が未だ割り当てられていない全ての例のリストを作成することができる。
−このフレームワークを使用して必要且つ十分な入力スペースを設定する方法が提供される。
−異なるプラットフォームでルールベースフォールバックシステムを容易に実行することができる。
−全ての例に信頼性指標を割り当てることができる。

好適な実施形態では、ルールベースフォールバックシステムの入力スペースのサイズが十分に小さくなるようにサイズを選択して、全てのルールが有効であることを証明することができる。例えば、一実施形態では、入力スペースは５００〜１０００未満の組み合わせを含む。しかしながら、これよりも大規模な入力スペースを有する実施形態では、例えば公知の最適な特徴抽出技術を使用することにより、入力スペースを小規模のモジュール群に分割することができる。
動作状態で、ルールベースフォールバックシステムは、入力パターンと、一以上のルール及びルールの例との間でマッチングを探索する。ルールが完全であれば、少なくとも一つのマッチングが得られる。マッチング例の結果値が有効結果として提示される。ルールが完全でない実施形態では、マッチングが得られない場合に最も近い探索結果を使用することができる。

ルールベースフォールバックシステムの別の実施例は、１つの入力変数、例えば測定血糖値（ＢＧ）に基づくルールの組を含む。例えば、ルールの組み次のように表現することができる。
（ＢＧ＜３．５）であれば、
（推奨される処置＝「何か食べ、且つ医者に連絡する」）；
（（ＢＧ≧３．５）且つ（ＢＧ＜８））であれば、
（推奨される処置＝「処置は不要」）；
或いは
推奨される処置＝「ｘ単位のインスリンを注射する（ｘ＝（ＢＧ−５）／３）」
ルールベースフォールバックシステムの更に別の実施例は、認可された臨床試験のガイドラインに基づくことができる。このようなガイドラインの例として、"A Guide to Type 1 (Insuline-dependent) Diabetes Mellitus", European Diabetes Policy Group, International Diabetes Federation, European Region, the "ISDAP Consensus Guidelines for the Management of Type 1 Diabetes Mellitus in Children and Adolescents", International Society for Pediatric and adolescent Diabetes, the "Practical Guide for Management of Type 2 Diabetes in Primary Care", based on the "Approved Guidelines for Type 2 Diabetes of the St Vincent Declaration Primary Care Diabetes Group"及びthe "ADA Clinical Practice Recommendations".を挙げることができる。

医療助言システムの一実施形態の機能的構成要素のブロック図を示す。 医療助言システムの別の実施形態の機能的構成要素のブロック図を示す。 医療助言システムの更に別の実施形態の機能的構成要素のブロック図を示す。 医療助言システムの出力モジュールの一実施形態のブロック図を示す。 医療助言システムの監視モジュールの一実施形態のブロック図を示す。 医療助言システムのブロック図を示す。 ハンドヘルド電子デバイス及び遠隔データ処理システムを備える医療助言システムのブロック図を示す。 ルックアップテーブルに基づく助言モデルを示す。 ａ〜ｃは、図８の助言システムの入力レイヤ符号化の実施例を示す。 図８のモデルのルックアップテーブルの内の一つを示す。 推奨される処置を血糖値の予測に基づいて決定する助言モデルを示す。

Claims (17)

1. ユーザが行うべき処置の推奨案を提供する医療助言システムであって、
   −多数の入力パラメータを受信する入力手段、
   −少なくとも入力パラメータに基づいて推奨される処置を決定する処理手段、及び
   −決定した推奨される処置に関する情報をユーザに提示する出力手段
   を備え、処理手段は、それぞれが受信済み入力パラメータに基づいて対応するモデル出力を生成する、複数の数学的助言モデルを実行し、処理手段は、複数の数学的助言モデルの内の一以上の助言モデルのモデル出力に基づいて推奨される処置を決定する、医療助言システム。
2. 複数の数学的助言モデルは、少なくとも第１助言モデル及びフォールバックモデルを含み、処理手段は、少なくとも第１助言モデルの入力及びモデル出力の少なくとも一方に基づいて、第１助言モデル及びフォールバックモデルの一方を選択し、処理手段は更に、選択されたモデルに基づいて推奨される処置を決定する、請求項１記載の医療助言システム。
3. 処理手段は、少なくとも第１助言モデルのモデル出力の信頼性指標を求め、更に、求めた信頼性指標が所定の閾値を上回る場合、少なくとも第１助言モデルに基づいて推奨される処置を決定し、求めた信頼性指標が所定の閾値を下回る場合、前記フォールバックモデルに基づいて推奨される処置を決定する、請求項２記載の医療助言システム。
4. フォールバックモデルはルールベースフォールバックモデルを含む、請求項２又は３記載の医療助言システム。
5. ルールベースフォールバックモデルは、入力パラメータの複数の範囲及び入力パラメータの各範囲に対応する一以上の推奨フォールバック処置の完全なリストを含む、請求項３記載の医療助言システム。
6. 処理手段は、第１助言モデルの少なくとも第１モデル出力と、複数の数学的助言モデルの内の第２助言モデルの少なくとも第２モデル出力との比較により、信頼性指標を求める、請求項３ないし５のいずれか一項に記載の医療助言システム。
7. 処理手段は、少なくとも助言モデルのサブセットであって、複数の互いに異なるモデルを含むサブセットの各々の対応するモデル出力を決定し、決定したモデル出力の組み合わせに基づいて推奨される処置を決定する、請求項１ないし６のいずれか一項に記載の医療助言システム。
8. 複数の数学的助言モデルの内の少なくとも一つは適応的計算モデルである、請求項１ないし７のいずれか一項に記載の医療助言システム。
9. 複数の数学的助言モデルの内の少なくとも一つは複数のルックアップテーブル、対応する複数のアドレスデコーダモジュール、及びコンバイナモジュールを備え、各ルックアップテーブルは、それぞれが複数のテーブル入力を含む対応する複数の列を含み、アドレスデコーダの各々は、ルックアップテーブルの内の対応する１つのルックアップテーブルの複数の列の一つを決定し、コンバイナモジュールは、決定した列のテーブル入力に基づいて数学的助言モデルのモデル出力を決定する、請求項１ないし８のいずれか一項に記載の医療助言システム。
10. 複数の数学的助言モデルの少なくとも一つは、生理学的パラメータの将来値を予測する予測モジュールと、生理学的パラメータの少なくとも予測将来値に基づいて推奨される処置を決定する制御ユニットとを含む、請求項１ないし９のいずれか一項に記載の医療助言システム。
11. 少なくとも入力手段及び出力手段は、携帯型電子デバイスによって提供される、請求項１ないし１０のいずれか一項に記載の医療助言システム。
12. 携帯型電子デバイスは更に処理手段を含む、請求項１１記載の医療助言システム。
13. 医療助言システムは更に、処理手段を含む遠隔データ処理システムを備え、携帯型電子デバイスは、受信した入力パラメータを遠隔データ処理システムに送信して遠隔データ処理システムから推奨される処置に関する情報を受信する通信手段を備える、請求項１１記載の医療助言システム。
14. 医療助言システムは、推奨される処置を決定して糖尿病患者の血糖値を制御する、請求項１ないし１３のいずれか一項に記載の医療助言システム。
15. コンピュータを援用して、ユーザが行うべき処置の推奨案を提供する方法であって、
    −多数の入力パラメータを受信するステップ、
    −少なくとも入力パラメータに基づいて推奨される処置を決定するステップ、及び
    −決定した推奨される処置に関する情報をユーザに提示するステップ
    を含み、推奨される処置を決定するステップは更に、
    −複数の数学的助言モデルを提供するステップ、
    −受信した入力パラメータに基づいて、複数の数学的助言モデルの内の一以上の助言モデルの、一以上の対応するモデル出力を決定するステップ、及び
    −決定した一以上のモデル出力に基づいて、推奨される処置を決定するステップ
    を含む方法。
16. データ処理システム上で動作させたとき、請求項１５記載の方法のステップを実行するプログラムコード手段を備えるコンピュータプログラム。
17. 請求項１５記載の方法を実行するデータ処理システム。

Images