JP2020155123A - 問診装置 - Google Patents

Abstract

【課題】患者の病状を効率的に収集する。【解決手段】実施形態に係る問診装置は、第１の受付部と、提示部と、第２の受付部と、第１の判定部とを備える。第１の受付部は、症状を問う初期問診票に対する初期回答を受け付ける。提示部は、初期回答に基づいて、当該初期回答に関連する症状を問う追加問診票を提示する。第２の受付部は、追加問診票に対する追加回答を受け付ける。第１の判定部は、初期回答と、追加回答とに基づいて、少なくとも一つの第１の病名を判定する。【選択図】図３

Description

明細書等に開示された一実施形態は、問診装置に関する。

従来、患者は病院で診察を受ける際に、病院の受付で、予め用意された問診票を受け取り、当該問診票に症状を記入していた。

このように予め用意された問診票は、不特定多数の患者用に作成されているため、患者の本来の症状を的確に記入することが難しいという課題があった。そのため、問診結果を受けて新たな問診項目を生成して、再度問いかけを行うシステムが提案されている。

しかしながら、このような従来のシステムにあっては、新たな問診内容は、患者が回答した症状をより詳細に尋ねるものであって、患者の症状を効率的に問診するものではなかった。

特開２０１２−１１３６２９号公報

実施形態に係る問診装置は、第１の受付部と、提示部と、第２の受付部と、第１の判定部とを備える。前記第１の受付部は、症状を問う初期問診票に対する初期回答を受け付ける。前記提示部は、前記初期回答に基づいて、当該初期回答に関連する症状を問う追加問診票を提示する。前記第２の受付部は、前記追加問診票に対する追加回答を受け付ける。前記第１の判定部は、前記初期回答と、前記追加回答とに基づいて、少なくとも一つの第１の病名を判定する。

図１は、実施形態にかかる問診システムの構成の一例を示すシステムブロック図である。 図２は、ユーザ端末及び医師端末の機能構成の一例を示す機能ブロック図である。 図３は、実施形態にかかるサーバ装置の機能構成の一例を示す機能ブロック図である。 図４は、初期問診票の一例を示す図である。 図５は、病名症状データベースに格納された、症状と病名との対応関係の一例を示す図である。 図６は、追加で問診するのが望ましい症状を選定する例を示す図である。 図７は、追加問診票の一例を示す図である。 図８は、サーバ装置が、問診によって得た症状を医師端末に表示させる際の表示の一例を示す図である。 図９は、サーバ装置が医師端末に表示させる問診情報の一例を示す図である。 図１０は、問診システムが行う処理の流れの一例を示すフローチャートである。 図１１は、第２の実施形態に係る問診システム５を説明するための図である。

以下、図面を参照しながら、問診装置及び問診システムの実施形態について説明する。
（第１の実施形態）
図１は、実施形態に係る問診システムのシステム構成の一例を示す図である。

（問診システムの全体構成の説明）
図１に示すように、本実施形態に係る問診システム１は、サーバ装置２と、医師端末４と、ユーザ端末１０とを備える。サーバ装置２とユーザ端末１０とは、通信ネットワークＮを介して、互いに通信可能に接続される。なお、通信ネットワークＮは、例えば、インターネットやＶＰＮ（Virtual Private Network）などの専用回線である。また、サーバ装置２と医師端末４とは、例えば、病院内に設置された院内ＬＡＮ（Local Area Network）６により、直接的、又は間接的に相互に通信可能な状態となっている。なお、ユーザ端末１０は、各患者が所持するため、複数存在しても構わない。また、医師端末４は、例えば診察室毎に設置されるため、複数の診察室が存在する場合には、医師端末４も複数存在することとなる。

サーバ装置２は、ユーザ端末１０から、症状を問う初期問診票に対する初期回答を受け付け、初期回答に基づいて、当該初期回答に関連する症状を問う追加問診票をユーザ端末１０に提示させる。サーバ装置２は、ユーザ端末１０から、追加問診票に対する追加回答を受け付け、初期回答と追加回答とに基づいて、少なくとも一つの第１の病名を判定する。なお、本実施形態における「判定」との文言は、ＡＩモデルを使用した推定、テーブルを用いた演算による特定を含むものとする。

また、サーバ装置２は、ユーザ端末１０に対して、症状を問う初期問診票を送信する。また、サーバ装置２は、ユーザ端末１０から、初期問診票に対する回答を受信するとともに、初期問診票に回答された症状に基づいて、少なくとも一つの病名を推定する。そして、サーバ装置２は、推定された病名から他の症状を推定するとともに、推定された他の症状に応じた、再確認すべき症状を問う追加問診票を生成する。なお、サーバ装置２は、既に作成済の追加問診票の中から、初期問診票に対する回答に応じた追加問診票を取得してもよい。さらに、サーバ装置２は、ユーザ端末１０に対して、追加問診票を送信するとともに、ユーザ端末１０から、追加問診票に対する回答を受信する。そして、サーバ装置２は、追加問診票に対する回答に基づいて、病名候補を更に絞り込む。なお、サーバ装置２は、問診装置の一例である。また、ユーザ端末１０は、端末装置の一例である。

医師端末４は、例えば、診察室毎に設置された、例えばパーソナルコンピュータなどの端末である。医師端末４は、サーバ装置２から、初期問診票及び追加問診票に対する回答と、サーバ装置２が推定した推定病名と、を含む問診情報（問診結果）を受信するとともに、受信した問診情報を表示する。そして、医師は、問診情報を参照して該当する患者の診察を行い、医師端末４から、電子カルテのカルテ情報、すなわち、患者の症状や医師の所見などを入力する。

ユーザ端末１０は、サーバ装置２から、初期問診票及び追加問診票を受信する。また、ユーザ端末１０は、例えば患者から初期問診票及び追加問診票に対する回答を受け付ける。また、ユーザ端末１０は、初期問診票及び追加問診票に対する回答を、サーバ装置２に送信する。なお、ユーザ端末１０は、患者または患者の家族などが所持する、例えば、スマートフォンやタブレットＰＣ（Personal Computer）などの携帯端末である。

（ユーザ端末及び医師端末の機能構成の説明）
図２は、ユーザ端末１０及び医師端末４の機能構成の一例を示す機能ブロック図である。図２に示すように、ユーザ端末１０と医師端末４は、制御部１０１と、記憶部１０２と、通信Ｉ／Ｆ１０３と、Ｉ／Ｏ機器制御部１０４とが、バス１０５を介して接続される構成を有する。なお、ユーザ端末１０は、少なくとも、問診票を表示する機能と、問診票を記入する機能と、ネットワーク又は通信回線を介して問診票を送受信する機能を備えていればよく、例えば、スマートフォン等であってもよい。また、医師端末４は、少なくとも、問診票を閲覧する機能と、ネットワーク又は通信回線を介して問診票を送受信する機能を備えていればよく、例えば、カルテ端末等であってもよい。

制御部１０１は、プロセッサとしての機能を持ち、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などで構成される。制御部１０１は、ＣＰＵがＲＯＭや記憶部１０２に記憶された制御プログラムを読み出して、ＲＡＭに展開して順次実行することで、医師端末４、ユーザ端末１０の各部を制御する。記憶部１０２は、ハードディスクドライブ装置などであり、制御部１０１のＣＰＵが実行する制御プログラムや各種設定データなどを記憶する。例えば、記憶部１０２が記憶する制御プログラムには、サーバ装置２との相互通信を行うブラウザや、サーバ装置２との間で問診票ファイルを送受信するファイル通信アプリなどが含まれている。

通信Ｉ／Ｆ１０３は、ユーザ端末１０とサーバ装置２との間、及び医師端末４とサーバ装置２との間の通信を制御する。具体的には、ユーザ端末１０の通信Ｉ／Ｆ１０３は、通信ネットワークＮを介して、サーバ装置２との間でデータ通信を行う。また、医師端末４の通信Ｉ／Ｆ１０３は、院内ＬＡＮ６を介して、サーバ装置２との間でデータ通信を行う。

Ｉ／Ｏ機器制御部１０４は、制御部１０１の制御の下、各種Ｉ／Ｏ機器の制御を行う。Ｉ／Ｏ機器制御部１０４が制御するＩ／Ｏ機器は、例えば、キーボード、マウス、タッチパネルなどの操作部１０６と、液晶ディスプレイなどの表示部１０７である。

特に、ユーザ端末１０において、前記した通信Ｉ／Ｆ１０３は、サーバ装置２から、初期問診票及び追加問診票を受信する。また、通信Ｉ／Ｆ１０３は、初期問診票に対する回答（初期回答）及び前記追加問診票に対する回答（追加回答）を、サーバ装置２に送信する。なお、通信Ｉ／Ｆ１０３は、受信部及び送信部の一例である。

また、ユーザ端末１０において、前記した表示部１０７は、初期問診票及び追加問診票を表示する。また、制御部１０１は、患者から、初期問診票及び前記追加問診票に対する回答を受け付ける。なお、制御部１０１は、受付部の一例である。

（サーバ装置の機能構成の説明）
図３は、サーバ装置２の機能構成の一例を示す機能ブロック図である。図３に示すように、サーバ装置２は、制御部２０１と、記憶部２２０とを備える。

制御部２０１は、プロセッサとしての機能を持ち、ＣＰＵ、ＲＯＭ、ＲＡＭなどで構成され、ＣＰＵがＲＯＭや記憶部２２０が記憶する制御プログラムＰ１をＲＡＭに展開して順次実行することで、サーバ装置２の各部を制御する。

制御部２０１は、ＣＰＵが制御プログラムＰ１を順次実行することで、図３に示す第１の受付部２０２と、病名推定部２０３と、症状推定部２０４と、問診票再生成部２０５と、第２の受付部２０６と、推定病名特定部２０７と、問診情報生成部２０８と、表示制御部２０９と、通信制御部２１０とを、機能部として実現する。

第１の受付部２０２は、症状を問う初期問診票Ｃ１に対する回答を受け付ける。具体的には、サーバ装置２は、ユーザ端末１０から、入力を完了した初期問診票Ｃ１を受信する。なお、第１の受付部２０２は、ユーザ端末１０において、初期問診票Ｃ１を入力中のユーザが、初期問診票Ｃ１の次の問診項目を指示する「次へ」ボタン等を操作した場合に、その都度初期問診票Ｃ１を受信してもよい。なお、サーバ装置２は、ユーザ端末１０において、初期問診票Ｃ１を入力するアプリケーションが起動したことを検知した場合、又はユーザ端末１０において病院名が入力されたことを検知した場合などに、問診票の要求があると判定して、通信制御部２１０に対して、ユーザ端末１０に初期問診票Ｃ１を送信させる。

病名推定部２０３は、第１の受付部２０２が受け付けた回答に基づいて、少なくとも一つの推定病名を推定（又は判定）する。病名推定部２０３は、第１の受付部２０２が受け付けた初期問診票Ｃ１に記入された患者の症状（初期回答）に基づいて、第１又は第２の病名として、少なくとも一つの推定病名を推定する。より具体的には、病名推定部２０３は、症状と当該症状を引き起こす病名とを対応付けたテーブルを用いて、少なくとも一つの推定病名を推定する。また、病名推定部２０３は、少なくとも一つの症状を入力とし、少なくとも一つの第２の病名を出力とする学習済モデルを用いて、少なくとも一つの推定病名を推定する。なお、病名推定部２０３は、第１又は第２の判定部の一例である。

症状推定部２０４は、病名推定部２０３が推定した推定病名に基づいて、当該推定病名の症状を推定する。なお、病名推定部２０３が一つの推定病名のみを推定した場合には、症状推定部２０４は、当該一つの推定病名によって発症する可能性のある別の症状を推定する。

問診票再生成部２０５は、症状推定部２０４が推定した症状に応じた症状を問う追加問診票Ｃ２を生成する。また、問診票再生成部２０５は、生成した追加問診票Ｃ２において、症状推定部２０４が推定した症状を強調表示する。また、病名推定部２０３が一つの推定病名のみを推定した場合には、問診票再生成部２０５は、当該一つの推定病名によって発症する可能性のある別の症状について尋ねる追加問診票Ｃ２を生成する。なお、問診票再生成部２０５、症状推定部２０４は、第１の生成部の一例である。すなわち、問診票再生成部２０５、症状推定部２０４は、少なくとも一つの病名を入力とし、問診票を出力とする学習済モデルを用いて、追加問診票を生成する。また、問診票再生成部２０５、症状推定部２０４は、複数の病名と複数の問診とを対応付けたテーブルを用いた演算により、追加問診票を生成する。

また、問診票再生成部２０５は、病名推定部２０３が複数の推定病名を推定した場合に、症状推定部２０４が、当該複数の推定病名の各々から推定する症状の中から、発症している可能性が最も高いと推定される症状に対する設問を含む追加問診票Ｃ２を生成する。なお、問診票再生成部２０５は、発症している可能性を、例えば、最も低い１から最も高い５のレベルに弁別して、発症している可能性が所定のレベルよりも高い症状に係る設問を、追加問診票Ｃ２に含めてもよい。

また、問診票再生成部２０５は、病名推定部２０３が複数の推定病名を推定した場合に、症状推定部２０４が、複数の推定病名の各々から推定される症状のうち、複数の推定病名に重複が多い症状に対する設問を含む追加問診票Ｃ２を生成する。

また、問診票再生成部２０５は、病名推定部２０３が複数の推定病名を推定した場合に、症状推定部２０４が、当該複数の推定病名の各々から推定される症状のうち、複数の推定病名間で重複が少ない症状に対する設問を含む追加問診票Ｃ２を生成する。

なお、問診票再生成部２０５は、既に作成済の追加問診票Ｃ２の中から、初期問診票Ｃ１に対する回答に応じた追加問診票Ｃ２を取得してもよい。追加問診票Ｃ２の具体的な例は後述する（図７）。

第２の受付部２０６は、問診票再生成部２０５が生成した追加問診票Ｃ２に対する回答を受け付ける。

推定病名特定部２０７は、初期問診票についての初期回答と、追加回答として第２の受付部２０６が受け付けた症状とに基づいて、病名推定部２０３が推定した推定病名を、第１又は第２の病名として特定（又は判定）する。すなわち、推定病名特定部２０７は、症状と当該症状を引き起こす病名とを対応付けたテーブルを用いて、病名推定部２０３が推定した推定病名を、第１又は第２の病名として特定（又は判定）する。また、推定病名特定部２０７は、少なくとも一つの症状を入力とし、少なくとも一つの病名を出力とする学習済モデルを用いて、病名推定部２０３が推定した推定病名を、第１又は第２の病名として特定（又は判定）する。さらに、病名推定部２０３が一つの推定病名のみを推定した場合には、推定病名特定部２０７は、追加問診票Ｃ２に対する回答に基づいて、当該一つの推定病名を発症している可能性があるかを判定する。なお、推定病名特定部２０７は、第１又は第２の判定部の一例である。

問診情報生成部２０８は、初期問診票Ｃ１に対する回答（初期回答）及び追加問診票Ｃ２に対する回答（追加回答）と、推定病名特定部２０７が特定した病名と、を含む問診情報３５を生成する。なお、問診情報生成部２０８は、第２の生成部の一例である。また、問診情報３５は、推定病名特定部２０７が特定した病名を特徴付ける症状を強調表示したものである。

表示制御部２０９は、初期問診票Ｃ１と、追加問診票Ｃ２とを、ユーザ端末１０の表示部１０７に表示させる。また、表示制御部２０９は、医師がカルテ情報を入力する医師端末４の表示部１０７に、問診情報３５を表示させる。

通信制御部２１０は、制御部２０１と記憶部２２０との通信を制御する。また、通信制御部２１０は、サーバ装置２とユーザ端末１０との通信、及びサーバ装置２と医師端末４との通信を制御する。

記憶部２２０は、ハードディスクドライブ装置などであり、制御部２０１のＣＰＵが実行する制御プログラムＰ１や各種データなどを記憶する。また、記憶部２２０は、病名症状データベースＤＢと、病名推定モデルＭ１と、症状推定モデルＭ２と、初期問診票Ｃ１とを記憶する。

なお、制御部２０１で実行される制御プログラムＰ１は、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供されてもよい。

また、制御プログラムＰ１を、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。さらに、制御プログラムＰ１をインターネット等のネットワーク経由で提供または配布するように構成してもよい。

病名症状データベースＤＢは、各種病気の病名と症状とを管理するデータベースである。病名症状データベースＤＢは、各病院における医師の診療情報や学会等のガイドラインに基づいて生成される。

病名症状データベースＤＢに格納された病名と症状とは、互いに関連付けられている。例えば、病名症状データベースＤＢにおいて、ユニークに割り当てられた病名ＩＤ毎に、当該病名の主訴となる症状が関連付けられている。さらに、症状毎にユニークなＩＤが割り当てられて、当該症状の元となる病名が関連付けられている。

病名推定モデルＭ１は、少なくとも１つの症状に対して、１つ以上の病名を出力するモデルである。この様な病名推定モデルＭ１は、症状と、当該症状を引き起こす病名と、症状と病名との関連付けの確からしさを表す情報と、を対応付けて記憶した第１のモデル（ＡＩモデル）、症状と当該症状を引き起こす病名とを対応付けて記憶したテーブルを用いた演算を実行する第２のモデル等によって実現することができる。

第１のモデルとしての病名推定モデルＭ１は、ニューラルネットワークなどのＡＩモデルを実現するプログラムである。すなわち、病名推定モデルＭ１は、例えば、少なくとも一つの症状を入力とし、１つ以上の病名を出力とする学習済モデル（ディープニューラルネットワーク等）である。この様な病名推定モデルＭ１を実現するプログラムは、当該病名の患者が一般的に主訴する少なくとも一つの症状と、医師によって診断された病名との組み合わせから構成される複数のトレーニングデータを用いた機械学習することによって構築することができる。

また、第２のモデルとしての病名推定モデルＭ１は、予め作成された、病名と症状との複数の対応関係を定義したテーブルに基づいて、少なくとも一つの症状に基づいて、少なくとも１つ以上の病名を判定する演算プログラムである。

なお、第１のモデル又は第２のモデルのいずれの病名推定モデルＭ１であっても、例えば、病名症状データベースＤＢに格納されたデータを用いて形成することができる。また、症状と病名との関連付けの確からしさを表す情報は、例えば、病名推定モデルＭ１の学習に用いたサンプル数に基づいて算出すればよい。具体的には、「咳が出る」という症状を示すＮ人の患者のうち、「肺炎」として診断された患者がＭ人であった場合、咳から肺炎が推定される確からしさは、Ｍ／Ｎとして登録される。なお、この確からしさは、病名推定モデルＭ１の更新とともに変更される。

症状推定モデルＭ２は、病名と、当該病名によって発症する症状と、当該病名と当該症状との関連付けの確からしさを表す情報と、の関連付けを記憶したモデル（情報）である。症状推定モデルＭ２は、少なくとも１つの病名に対して、１つ以上の症状を出力するモデルである。この様な症状推定モデルＭ２は、病名と、当該病名による病気に起因して発生する少なくとも一つの症状と、病名と症状との関連付けの確からしさを表す情報と、を対応付けて記憶した第３のモデル（ＡＩモデル）、病名と、当該病名による病気に起因して発生する症状とを対応付けて記憶したテーブルを用いた演算を実行する第４のモデル等によって実現することができる。

第３のモデルとしての症状推定モデルＭ２は、ニューラルネットワークなどのＡＩモデルを実現するプログラムである。すなわち、症状推定モデルＭ２は、例えば、少なくとも一つの病名を入力とし、１つ以上の症状を出力とする学習済モデル（ディープニューラルネットワーク等）であってもよい。この様な症状推定モデルＭ２を実現するプログラムは、医師によって診断された病名と、当該病名の患者が一般的に主訴する少なくとも一つの症状との組み合わせから構成される複数のトレーニングデータを用いた機械学習することによって構築することができる。

また、第４のモデルとしての症状推定モデルＭ２は、予め作成された、症状と病名との複数の対応関係を定義したテーブルに基づいて、少なくとも一つの病名に基づいて、少なくとも１つ以上の症状を判定する演算プログラムである。

なお、第３のモデル又は第４のモデルのいずれの症状推定モデルＭ２であっても、例えば、病名症状データベースＤＢに格納されたデータを用いて形成することができる。また、病名と症状との関連付けの確からしさを表す情報は、例えば、症状推定モデルＭ２の学習に用いたサンプル数に基づいて算出すればよい。具体的には、「肺炎」という症状を示すＮ人の患者のうち、「咳が出る」という症状を示す患者がＭ人であった場合、肺炎から咳が推定される確からしさは、Ｍ／Ｎとして登録される。なお、この確からしさは、症状推定モデルＭ２の更新とともに変更される。

病名推定モデルＭ１と症状推定モデルＭ２とは、既存の臨床データを用いて作成及び更新してもよいし、本実施形態の問診システム１を運用することによって収集したデータ、すなわち、問診票への記入内容と実際の診断結果との対応関係を用いて作成及び更新してもよい。

なお、病名推定モデルＭ１及び症状推定モデルＭ２は学習機能を備える。すなわち、サーバ装置２が推定した病名と医師が診断した病名とが異なった場合に、サーバ装置２は、図３に非図示のモデル更新部の作用によって、患者の症状と、医師が診断した病名と、を関連付けることによって、病名推定モデルＭ１及び症状推定モデルＭ２を更新する。

初期問診票Ｃ１は、ユーザ端末１０を使用している患者に最初に提示される、患者の症状を問う問診票である。詳しくは後述する（図４）。

（初期問診票の説明）
図４は、初期問診票Ｃ１の一例を示す図である。初期問診票Ｃ１は、症状情報２０と、チェックボックス２１と、入力完了ボタン２２とを備える。患者は、ユーザ端末１０の表示部１０７に表示された初期問診票Ｃ１を確認する。そして、患者は、操作部１０６（例えばタッチパネル）を操作することによって、初期問診票Ｃ１に表示された症状情報２０の中から、自身の症状に関連する症状情報２０に対応するチェックボックス２１に、チェックマーク２３を入力する。具体的には、ユーザ端末１０の制御部１０１は、タッチされたチェックボックス２１に、チェックマーク２３を表示する。

患者は、自身の症状を全て入力した後で、入力完了ボタン２２を押下する。ユーザ端末１０の制御部１０１は、入力完了ボタン２２が押下されたことを検出して、初期問診票Ｃ１をサーバ装置２に送信する。

なお、初期問診票Ｃ１は、患者の症状を総合的にチェックする目的で予め作成されて、サーバ装置２の記憶部２２０に記憶されている。そして、初期問診票Ｃ１は、患者の症状を総合的にチェックできるように、様々な身体症状の項目を設けている。

なお、特定の受診科目を受診したい患者のために、特定の受診科目（例えば、耳鼻科、眼科、整形外科など）に特化した初期問診票Ｃ１を、記憶部２２０に用意しておいてもよい。

また、図４に示す初期問診票Ｃ１は、チェックボックス２１にチェックマーク２３を入力することによって回答する形式であるが、回答形式はこの方法に限定されるものではない。すなわち、患者は、自身の症状を単語（例えば頭痛）で入力してもよいし、文章（例えば頭が痛い）で入力してもよい。

さらに、患者は、症状の程度を数値（例えば１０段階）で入力してもよい。なお、初期問診票Ｃ１の記入結果を受信するサーバ装置２の第１の受付部２０２は、初期問診票Ｃ１の入力形式に沿って入力された情報を受付可能な構成を有するものとする。具体的には、サーバ装置２は、例えば単語や文章での回答を受付可能とするテキスト認識機能を備えるものとする。

（病名候補の推定方法の説明）
図５は、病名症状データベースＤＢに格納された、症状と病名との対応関係の一例を示す図である。病名症状データベースＤＢは、症状４０と疑われる病名４１とを関連付けて格納している。

病名推定部２０３は、病名推定モデルＭ１を用いて推定病名を推定する。例えば、図４に示すように、初期問診票Ｃ１において、患者から「胸が痛い」という主訴があった場合を想定する。この場合、病名推定部２０３は、病名症状データベースＤＢに基づいて作成された病名推定モデルＭ１を用いて、症状４０の欄の中から、「胸痛」に関連する症状を呈する病名を、可能性の高い病名として推定する。

具体的には、病名推定部２０３は、病名推定モデルＭ１がテーブル形式で記述されている場合、「胸痛」という症状に関連付けられた推定病名を、当該テーブルから読み出す。なお、病名推定モデルＭ１がニューラルネットワークなどの数学モデルで記述されている場合、病名推定部２０３は、「胸痛」という症状を入力した際に、ニューラルネットワークの出力層に出力される、当該症状を発症する可能性に対応する評価値に基づいて、推定病名を予測してもよい。このとき、病名推定部２０３は、最も高い評価値を出力する推定病名を、最も可能性の高い推定病名として１つだけ出力してもよいし、所定の閾値よりも高い評価値を出力する推定病名を、可能性の高い推定病名として複数出力してもよい。また、病名推定モデルＭ１が、症状と推定病名とが関連付く確からしさを有している場合には、当該確からしさを用いて、出力する推定病名を判断してもよい。

図５の例によると、図中にハッチングを付与した「胸痛」という症状に対して、自然気胸、肺癌、逆流性食道炎、狭心症、急性心筋梗塞、急性心不全、急性心筋炎、細菌性肺炎、胸膜炎、突発性食道破裂、急性膵炎などが推定病名であると疑われる。

本実施形態では、前記した１１の病名のうち、自然気胸、肺癌、狭心症、急性心筋梗塞、細菌性肺炎の５つが、可能性の高い推定病名であると推定されたとする。

（症状候補の推定方法の説明）
症状推定部２０４は、症状推定モデルＭ２を用いて症状を推定する。より具体的には、症状推定部２０４は、初期問診票Ｃ１の回答に対して病名推定部２０３が推定した推定病名に基づいて、発症している可能性のある別の症状がないかを推定する。

症状推定部２０４は、発症している可能性が最も高い症状を一つ推定してもよいし、発症している可能性が高い複数の症状を推定してもよい。このとき、初期問診票Ｃ１において主訴されている症状が推定される可能性があるとともに、初期問診票Ｃ１において主訴されていない症状が推定される可能性がある。問診システム１は、症状推定部２０４が推定した症状の中から、初期問診票Ｃ１において主訴されていない症状について、患者に、当該症状の有無を再確認するのが望ましいと判断する。

なお、初期問診票Ｃ１において主訴されていない症状は、初期問診票Ｃ１に設問として含まれていない症状と、初期問診票Ｃ１に設問として含まれていたにも関わらず、無回答であった症状とを含む。

問診票再生成部２０５は、症状推定部２０４が推定した症状に基づいて、再確認するのが望ましい症状を含む追加問診票Ｃ２を生成する。追加問診票Ｃ２の具体例については後述する（図７）。

図６は、追加で問診するのが望ましい症状を選定する例を示す図である。特に、図６は、患者が、初期問診票Ｃ１において、咳、発熱、胸の痛みを訴えた場合に推定される推定病名から、追加の問診事項を選定した例である。

症状推定部２０４は、病名推定部２０３が推定した５つの推定病名から、当該推定病名によって現れる症状を推定する。より具体的には、症状推定部２０４は、病名推定部２０３が推定した推定病名から推定される症状のうち、初期問診票Ｃ１に設問として含まれていなかった症状と、初期問診票Ｃ１に設問として含まれていたにも関わらず、無回答であった症状と、を推定する。

図６は、図５で説明したように、病名推定部２０３が、自然気胸４１ａ、肺癌４１ｂ、狭心症４１ｃ、急性心筋梗塞４１ｄ、細菌性肺炎４１ｅの５つを、推定病名として推定した例を示す。

症状推定部２０４は、症状推定モデルＭ２を用いて、各病名に対して、発生する可能性が高い症状を推定する。そして、症状推定部２０４は、推定された症状の中から、発症する可能性が高い症状を１つ又は複数選択する。

具体的には、症状推定部２０４は、各病名に対して、発症する可能性が最も高い症状を選択してもよい。例えば、症状推定モデルＭ２が記憶する病名と症状との関連付けの確からしさを表す情報を用いて、発症する可能性が最も高いと推定される症状を１つだけ出力してもよい。

また、症状推定部２０４は、症状推定モデルＭ２がニューラルネットワークで構成されている場合に、特定の病名を入力した際に、ニューラルネットワークの出力層に出力される評価値に基づいて症状を予測してもよい。このとき、症状推定部２０４は、最も高い評価値を出力する症状を、発症する可能性が最も高い症状として、１つだけ出力してもよい。

また、症状推定部２０４は、症状推定モデルＭ２が記憶する病名と症状との関連付けの確からしさを表す情報を用いて、所定の閾値よりも高い確からしさを有する症状を、発症する可能性が高い症状として複数出力してもよい。また、ニューラルネットワークの出力層に出力される評価値に基づいて、所定の閾値よりも高い評価値を出力する症状を、発症する可能性が高い症状として複数出力してもよい。

さらに、症状推定部２０４は、複数の病名候補に重複して現れる症状を、発症する可能性の高い症状として出力してもよい。

また、症状推定部２０４は、同じ患者が、過去に初期問診票Ｃ１に入力した回数が多い症状を、発症する可能性が高い症状として出力してもよい。

さらに、症状推定部２０４は、複数の推定病名から推定される症状のうち、病名を更に特定しやすくする症状を出力してもよい。

例えば、症状推定部２０４は、複数の病名間で重複しない症状を出力してもよい。また、症状推定部２０４は、同じ患者が、過去に初期問診票Ｃ１に入力した回数が少ない症状を出力してもよい。

また、症状推定部２０４は、過去に誤診が発生した際に、誤った病名と正しい病名のそれぞれから予想される症状のうち、両病名の区別に有用な症状を出力してもよい。さらに、症状推定部２０４は、患者の既往歴を参照することによって、前述した各推定に、患者の既往歴を考慮することによって推定される症状を出力してもよい。

図６に示す追加の問診事項は、前述した各推定の結果抽出された症状である。すなわち、息切れ、動悸４０ａは、複数の病名間で重複が多い症状の一例である。また、体重減少４０ｂ、骨や関節の痛み４０ｃ、血痰４０ｄは、それぞれ、肺癌４１ｂと１対１に対応する症状、すなわち、複数の病名間で重複が少ない症状の一例である。

なお、痰については、病名の識別のために、痰の状態、例えば血痰４０ｄがあるか、膿状の痰４０ｅがあるかを問うのが望ましい。

胸の痛みについての補足質問、すなわち、３０分以内で治まる４０ｆ、３０分以上継続４０ｇ、上腹部あたりの痛み４０ｈは、病名を識別するために、胸痛の状態をより詳細に問う設問の一例である。このような補足質問は、例えば、頭痛を訴えている患者に対して、頭痛の状態（頭全体が痛いのか、特定の部位が痛いのか、どのような痛みなのか、いつから痛いのかなど）を尋ねる場面などにも適用される。

問診票再生成部２０５は、図６に示した追加の問診項目に基づいて、後述する追加問診票Ｃ２（図７）を生成する。

（追加問診票の説明）
図７は、追加問診票Ｃ２の一例を示す図である。特に、図７左側は、追加問診票Ｃ２ａの一例を示す図である。また、図７右側は、追加問診票Ｃ２ｂの一例を示す図である。

追加問診票Ｃ２は、患者のわかり易さを考慮して、初期問診票Ｃ１の表示形態を踏襲する。そして、症状推定部２０４が推定した、再確認が必要な症状を強調表示するのが望ましい。強調表示の方法は問わないが、ハッチングを付与する、下線を引く、文字色を変更する、文字の字体を変更する、文字を太字にするなどを行えばよい。

図７左側は、強調表示すべき症状２４にハッチングを付与した、追加問診票Ｃ２ａの一例である。

なお、強調表示の別の形態として、再確認すべき症状を並び替えて、症状情報２０の上位に表示してもよい。また、画面の特定位置に、例えば、「もしかして、頭痛がありませんか？」などと、予想される症状を追加表示してもよい。

また、問診票再生成部２０５は、初期問診票Ｃ１に、追加の設問を付加した追加問診票Ｃ２ｂを生成してもよい。図７右側は、追加問診票Ｃ２ｂの一例を示す図である。追加問診票Ｃ２ｂは、初期問診票Ｃ１に対して、追加設問領域２５を備える。

追加設問領域２５には、追加設問２６と、詳細設問２７とが表示される。追加設問２６は、症状推定部２０４の推定結果に基づいて、再確認が必要と判断された設問である。図７右側の例では、追加設問２６は、初期問診票Ｃ１の設問に対して回答がなかった項目と、初期問診票Ｃ１になかった項目とを含む。したがって、追加設問２６は、初期問診票Ｃ１に表示された項目と重複する場合もある。患者は、追加設問領域２５のチェックボックスにチェックを行ってもよいし、初期問診票Ｃ１に相当する項目のチェックボックス２１にチェックを行ってもよい。また、追加設問領域２５又は初期問診票Ｃ１に相当する項目のいずれか一方のチェックボックスにチェックを行った場合に、他方のチェックボックスにもチェックが入るようにしてもよい。

詳細設問２７は、例えば、特定の症状について、より詳細な情報を得るための設問である。図６で説明した、胸痛の状態を詳細に問う設問がその一例である。

追加問診票Ｃ２（Ｃ２ａ、Ｃ２ｂ）において、患者が入力を完了した際には、前述した初期問診票Ｃ１の入力時と同様に、入力完了ボタン２２を押下させることによって、ユーザ端末１０は、問診票の入力が完了したものと判断する。

なお、追加問診票Ｃ２（又は初期問診票Ｃ１）に入力された症状の数が一定数に達した場合に、強制的に問診票の入力を終了させるようにしてもよい。また、ユーザ端末１０から入力された症状を、その都度サーバ装置２に送信して、サーバ装置２において病名の推定を行い、推定された病名候補が一定数に達した場合に、強制的に問診票の入力を終了させるようにしてもよい。また、逆に、推定された病名候補が一定数以下に絞り込まれた場合に、問診票の入力を終了させるようにしてもよい。

（医師端末に表示させる症状の表示方法の説明）
図８は、サーバ装置２が、問診によって得た症状を医師端末４に表示させる際の表示の一例を示す図である。

問診情報生成部２０８は、初期問診票Ｃ１及び追加問診票Ｃ２に対する回答に基づいて、患者の症状を、当該患者を実際に診察する医療従事者（例えば医師）が確認しやすい形態に整理する。

そして、問診情報生成部２０８は、患者の自覚症状情報２８を生成する。自覚症状情報２８は、医療従事者が診察を行う際に、病名を特徴付ける症状を確認しやすいように表示したものである。図８左側は、自覚症状情報２８の一例である自覚症状情報２８ａを示す。自覚症状情報２８ａは、病名を特徴付けやすい症状を、発症する可能性の高い順に表示することによって強調表示した例である。

図８左側は、具体的には、推定病名特定部２０７が、追加問診票Ｃ２に対する回答に基づいて病名を再推定（又は判定）した結果、「肺癌」を特徴付ける可能性が高い自覚症状情報２８ａを示す。すなわち、図８左側は、初期問診票Ｃ１及び追加問診票Ｃ２に対する回答から、「肺癌」の際に発生する可能性が高い順に、症状を並び替えて表示した例である。「肺癌」を発症した場合には、患者が訴えた症状のうち、「血痰」、「体重が減少」、「胸が痛い」、「息切れ、動悸」、「咳」の順に、肺癌を特徴付ける可能性が低くなることを示す。

また、推定病名特定部２０７が、追加問診票Ｃ２に対する回答に基づいて病名の特定を行った結果、複数の病名が選出された場合には、自覚症状情報２８ａは、各病名候補間で重複が多い順、または重複が少ない順に症状を並べ替えて表示してもよい。

さらに、自覚症状情報２８ａは、初期問診票Ｃ１及び追加問診票Ｃ２に入力された回数が多い順に症状を並べ替えて表示してもよい。

図８右側は、自覚症状情報２８の一例である自覚症状情報２８ｂを示す。自覚症状情報２８ｂは、推定病名特定部２０７が、追加問診票Ｃ２に対する回答に基づいて病名を特定した結果、「肺癌」である可能性が高い場合に、「肺癌」を特徴付ける可能性が高い症状を、ハッチングを付与することによって強調表示した例である。なお、強調表示の方法は、ハッチングに限るものではなく、下線を引く、文字色を変更する、文字の字体を変更する、文字を太字にするなどを行ってもよい。

（医師端末に表示させる問診情報の説明）
図９は、サーバ装置２が医師端末４に表示させる問診情報３５の一例を示す図である。問診情報３５は、自覚症状情報２８と、既往歴２９と、病名候補３０と、過去の受診記録３１と、バイタルサイン３２と、診断記録３３とを含む。

自覚症状情報２８は、前述した通りである。図９では、推定された病名候補３０を特徴付ける症状を、発症する可能性の高い順に並べて強調表示している。既往歴２９は、患者の過去の病歴である。なお、既往歴は、患者個人を特定する識別番号などから取得可能であるとする。病名候補３０は、初期問診票Ｃ１と追加問診票Ｃ２とから推定された病名候補である。図９は、肺癌と肺炎の両方の可能性があることを示している。なお、病名候補は、最も可能性が高い病名を１つ表示してもよいし、可能性の高い病名を複数表示してもよい。

過去の受診記録３１は、過去の受診時に電子カルテに記録された情報（既往歴、過去の投薬情報・検査情報など）である。バイタルサイン３２は、例えば、病名候補３０の中から選択された病名（図９の例では、肺癌と肺炎）にかかる医療情報（血液検査の結果など）である。診断記録３３は、病名候補３０に関連する、患者の過去の診断記録である。なお、診断記録３３は、病名候補３０の近傍に設けた情報取得ボタンを押下すると、病名候補３０のチェックした病名に係る情報として、電子カルテから取得されて、図９の診断記録３３の欄に表示される。図９の診断記録３３は、過去に撮影された当該患者の医療画像の一例を示す。

医師は、問診情報３５を参考にして診察を行い、患者の病名について診断を下す。その際、問診情報３５において病名候補３０として推定された病名と、診断の結果判断された実際の病名とが異なっていた場合、問診システム１は、自身が誤った推定を行ったと判断する。

このとき、サーバ装置２は、初期問診票Ｃ１及び追加問診票Ｃ２に入力された症状情報と、医師が診断した病名とを関連付ける。そして、関連付けたデータを新たな学習データとして、病名推定モデルＭ１及び症状推定モデルＭ２を更新する。その際、今回の診断で得られた患者の症状情報と医師が診断した病名との関係を示す学習データに、他の学習データよりも高い寄与度を与えることによって、病名推定モデルＭ１及び症状推定モデルＭ２の学習を行うのが望ましい。また、問診システム１が誤った推定を行った病名群の学習データの病名推定モデルＭ１及び症状推定モデルＭ２に対する寄与度を、他の病名群の学習データに比べて大きくした上で、学習を行ってもよい。

（問診システムが行う処理の流れの説明）
図１０は、問診システム１が行う処理の流れの一例を示すフローチャートである。以下、ユーザ端末１０が行う処理の流れ、サーバ装置２が行う処理の流れ、医師端末４が行う処理の流れの順に説明する。

（ユーザ端末が行う処理の流れの説明）
患者は、自身のユーザ端末１０にて、問診を実行するアプリケーションを立ち上げて、サーバ装置２に対して問診票を要求する（ステップＳ１０）。なお、この問診票の要求の際に、患者氏名等の患者情報が入力されてもよい。

ユーザ端末１０の制御部１０１は、通信Ｉ／Ｆ１０３が、サーバ装置２から初期問診票Ｃ１を受信したかを判定する（ステップＳ１１）。初期問診票Ｃ１を受信したと判定される（ステップＳ１１：Ｙｅｓ）と、ステップＳ１２に進む。一方、初期問診票Ｃ１を受信したと判定されない（ステップＳ１１：Ｎｏ）と、ステップＳ１１を繰り返す。

制御部１０１は、患者から初期問診票Ｃ１への入力を受け付ける（ステップＳ１２）。

制御部１０１は、操作部１０６と協働して、入力完了ボタン２２が押下されたかを判定する（ステップＳ１３）。入力完了ボタン２２が押下されたと判定される（ステップＳ１３：Ｙｅｓ）と、ステップＳ１４に進む。一方、入力完了ボタン２２が押下されたと判定されない（ステップＳ１３：Ｎｏ）と、ステップＳ１２に戻る。

ステップＳ１３において、入力完了ボタン２２が押下されたと判定されると、続くステップＳ１４において、制御部１０１は、通信Ｉ／Ｆ１０３に対して、初期問診票Ｃ１をサーバ装置２に送信させる。

続いて、制御部１０１は、通信Ｉ／Ｆ１０３が、サーバ装置２から追加問診票Ｃ２を受信したかを判定する（ステップＳ１５）。追加問診票Ｃ２を受信したと判定される（ステップＳ１５：Ｙｅｓ）と、ステップＳ１６に進む。一方、追加問診票Ｃ２を受信したと判定されない（ステップＳ１５：Ｎｏ）と、ステップＳ１５を繰り返す。

制御部１０１は、患者から追加問診票Ｃ２への入力を受け付ける（ステップＳ１６）。制御部１０１は、操作部１０６と協働して、入力完了ボタン２２が押下されたかを判定する（ステップＳ１７）。入力完了ボタン２２が押下されたと判定される（ステップＳ１７：Ｙｅｓ）と、ステップＳ１８に進む。一方、入力完了ボタン２２が押下されたと判定されない（ステップＳ１７：Ｎｏ）と、ステップＳ１６に戻る。

ステップＳ１７において、入力完了ボタン２２が押下されたと判定されると、続くステップＳ１８において、制御部１０１は、通信Ｉ／Ｆ１０３に対して、追加問診票Ｃ２をサーバ装置２に送信させる。その後、ユーザ端末１０は、図１０の処理を終了する。

（サーバ装置が行う処理の流れの説明）
第１の受付部２０２は、ユーザ端末１０から問診票の要求があるかを判定する（ステップＳ２０）。なお、サーバ装置２は、例えばステップＳ２０において、問診票の要求と共に、ユーザ端末１０から患者情報を取得することもできる。ユーザ端末１０から問診票の要求があると判定される（ステップＳ２０：Ｙｅｓ）と、ステップＳ２１に進む。一方、ユーザ端末１０から問診票の要求があると判定されない（ステップＳ２０：Ｎｏ）と、ステップＳ２０を繰り返す。

ステップＳ２０において、ユーザ端末１０から問診票の要求があると判定されると、続くステップＳ２１において、第１の受付部２０２は、通信制御部２１０に対して、初期問診票Ｃ１をユーザ端末１０に送信させる。

次に、第１の受付部２０２は、ユーザ端末１０から初期問診票Ｃ１を受信したかを判定する（ステップＳ２２）。ユーザ端末１０から初期問診票Ｃ１を受信したと判定される（ステップＳ２２：Ｙｅｓ）と、ステップＳ２３に進む。一方、ユーザ端末１０から初期問診票Ｃ１を受信したと判定されない（ステップＳ２２：Ｎｏ）と、ステップＳ２２を繰り返す。

病名推定部２０３は、初期問診票Ｃ１の記入内容に基づいて、病名を推定する（ステップＳ２３）。

症状推定部２０４は、ステップＳ２３で推定された病名に基づいて、当該病名から推定される症状を推定する（ステップＳ２４）。

問診票再生成部２０５は、ステップＳ２４で推定した症状に基づいて、追加問診票Ｃ２を生成する（ステップＳ２５）。

問診票再生成部２０５は、通信制御部２１０に対して、追加問診票Ｃ２をユーザ端末１０に送信させる（ステップＳ２６）。

推定病名特定部２０７は、ユーザ端末１０から追加問診票Ｃ２を受信したかを判定する（ステップＳ２７）。ユーザ端末１０から追加問診票Ｃ２を受信したと判定される（ステップＳ２７：Ｙｅｓ）と、ステップＳ２８に進む。一方、ユーザ端末１０から追加問診票Ｃ２を受信したと判定されない（ステップＳ２７：Ｎｏ）と、ステップＳ２７を繰り返す。

ステップＳ２７において、ユーザ端末１０から追加問診票Ｃ２を受信したと判定されると、続くステップＳ２８において、推定病名特定部２０７は、患者の病名を再推定する。

続いて、問診情報生成部２０８は、問診情報３５を生成する（ステップＳ２９）。

次に、問診情報生成部２０８は、通信制御部２１０に対して、問診情報３５を医師端末４に送信させる（ステップＳ３０）。その後、サーバ装置２は、図１０の処理を終了する。

（医師端末が行う処理の流れの説明）
医師端末４の制御部１０１は、問診情報３５を受信したかを判定する（ステップＳ４０）。問診情報３５を受信したと判定される（ステップＳ４０：Ｙｅｓ）と、ステップＳ４１に進む。一方、問診情報３５を受信したと判定される（ステップＳ４０：Ｎｏ）と、ステップＳ４０を繰り返す。

ステップＳ４０において、問診情報３５を受信したと判定されると、医師端末４の制御部１０１は、表示部１０７に問診情報３５を表示する（ステップＳ４１）。そして、医師端末４は、図１０の処理を終了する。

以上説明したように、実施形態のサーバ装置２（問診装置）は、第１の受付部２０２が、症状を問う初期問診票Ｃ１に対する回答を受け付けて、病名推定部２０３が、第１の受付部２０２が受け付けた症状に基づいて、少なくとも一つの病名を推定する。症状推定部２０４は、病名推定部２０３が推定した病名に基づいて、当該病名の症状を推定して、問診票再生成部２０５（生成部）は、症状推定部２０４が推定した症状に応じた、再確認すべき症状を問う追加問診票Ｃ２を生成する。そして、第２の受付部２０６は、問診票再生成部２０５が生成した追加問診票Ｃ２に対する回答を受け付けて、推定病名特定部２０７は、第２の受付部２０６が受け付けた症状に基づいて、病名推定部２０３が推定した推定病名を特定する。したがって、患者の初期問診票Ｃ１に対する回答に応じて生成した追加問診票Ｃ２によって、問診を再度行うため、患者の病状を効率的に収集することができる。なお、患者は、病院に到着する前に初期問診票Ｃ１及び追加問診票Ｃ２を記入することができるため、病院での待ち時間を短縮することができる。さらに、病院において、医療従事者が患者の症状情報を収集する手間を削減することができる。

なお、追加問診票Ｃ２の結果に基づいて、問診情報生成部２０８が、診察科を案内してもよい。これは、前述した病名症状データベースＤＢの中に、病名と関連付けた診療科を登録しておくことによって実現することができる。さらに、追加問診票Ｃ２の結果に基づいて、患者の症状に緊急性が高い場合には、問診情報生成部２０８が、ユーザ端末１０に対して、救急車を呼ぶように案内させてもよい。

また、実施形態のサーバ装置２（問診装置）において、病名推定部２０３は、症状と当該症状を引き起こす病名との関連付けを記憶した病名推定モデルＭ１を用いて推定病名を推定する。したがって、病名の推定を容易かつ効率的に行うことができる。また、病名推定モデルＭ１を更新することによって、新たな病名が登録された際に容易に対応することができる。

また、実施形態のサーバ装置２（問診装置）において、症状推定部２０４は、病名と当該病名によって発症する症状との関連付けを記憶した症状推定モデルＭ２を用いて症状を推定する。したがって、症状の推定を容易かつ効率的に行うことができる。また、症状推定モデルＭ２を更新することによって、新たな症状が登録された際に容易に対応することができる。

また、実施形態のサーバ装置２（問診装置）において、症状推定モデルＭ２は、病名と、当該病名によって発症する症状と、当該病名と当該症状との関連付けの確からしさを表す情報と、の関連付けを記憶した情報であり、問診票再生成部２０５（生成部）は、病名推定部２０３が複数の推定病名を推定した場合に、症状推定部２０４が、複数の推定病名の各々から推定する症状の中から、症状推定モデルＭ２に基づいて、発症している可能性が最も高いと推定される症状に対する設問を含む追加問診票を生成する。したがって、追加問診票Ｃ２の当該設問に対する回答から、病名候補を絞り込むことができる。

また、実施形態のサーバ装置２（問診装置）において、問診票再生成部２０５（生成部）は、病名推定部２０３が複数の推定病名を推定した場合に、症状推定部２０４が、複数の推定病名の各々から推定する症状のうち、複数の推定病名に重複が多い症状に対する設問を含む追加問診票Ｃ２を生成する。したがって、追加問診票Ｃ２の当該設問に対する回答から、可能性の高い病名候補を選択することができる。

また、実施形態のサーバ装置２（問診装置）において、問診票再生成部２０５（生成部）は、病名推定部２０３が複数の推定病名を推定した場合に、前記症状推定部２０４が、複数の推定病名の各々から推定する症状のうち、複数の推定病名間で重複が少ない症状に対する設問を含む追加問診票Ｃ２を生成する。したがって、追加問診票Ｃ２の当該設問に対する回答から、病名候補を絞り込むことができる。

また、実施形態のサーバ装置２（問診装置）において、問診票再生成部２０５（生成部）は、症状推定部２０４が推定した症状を強調表示した追加問診票Ｃ２を生成する。したがって、患者は、追加問診票Ｃ２に回答を行う際に注意を払い易くなる。

また、実施形態のサーバ装置２（問診装置）において、問診情報生成部２０８は、初期問診票Ｃ１及び前記追加問診票Ｃ２に対する回答と、推定病名特定部２０７が特定した病名と、を含む問診情報３５を生成する。そして、表示制御部２０９は、医師がカルテ情報を入力する医師端末４に対して、問診情報３５を表示させる。したがって、診察を行う医師は、患者の問診結果を容易に確認することができる。

また、実施形態のサーバ装置２（問診装置）において、問診情報３５は、推定病名特定部２０７が特定した病名を特徴付ける症状を強調表示したものである。したがって、診察を行う医師は、患者の問診結果をより一層容易に確認することができるため、診察の効率を向上させることができる。

また、実施形態の問診システム１は、サーバ装置２とユーザ端末１０とが協働することによって、患者の症状を収集する。具体的には、サーバ装置２において、第１の受付部２０２が、症状を問う初期問診票Ｃ１に対する回答を受け付けて、病名推定部２０３が、第１の受付部２０２が受け付けた症状に基づいて、少なくとも一つの推定病名を推定する。症状推定部２０４は、病名推定部２０３が推定した推定病名に基づいて、当該病名の症状を推定して、問診票再生成部２０５（生成部）は、症状推定部２０４が推定した症状に応じた、再確認すべき症状を問う追加問診票Ｃ２を生成する。そして、第２の受付部２０６は、問診票再生成部２０５が生成した追加問診票Ｃ２に対する回答を受け付けて、推定病名特定部２０７は、第２の受付部２０６が受け付けた症状に基づいて、病名推定部２０３が推定した推定病名を特定する。このとき、ユーザ端末１０において、通信Ｉ／Ｆ１０３（受信部）は、サーバ装置２から初期問診票Ｃ１及び追加問診票Ｃ２を受信する。そして、表示部１０７が、初期問診票Ｃ１及び追加問診票Ｃ２を表示して、制御部１０１（受付部）が、初期問診票Ｃ１及び追加問診票Ｃ２に対する回答を受け付ける。通信Ｉ／Ｆ１０３（送信部）は、初期問診票Ｃ１及び前記追加問診票Ｃ２に対する回答を、サーバ装置２に送信する。したがって、患者の病状を効率的に収集することができる。

（第２の実施形態）
次に、第２の実施形態に係る問診装置及び問診システムについて説明する。一般的に、電子カルテには、患者の既往歴、現病歴、常飲する薬等の情報が記載されている。第２の実施形態に係る問診装置及び問診システムは、これらの電子カルテの記載と、初期問診票に対する回答から推定される病名とに基づいて、より精度の高い追加問診票を生成するものである。

図１１は、第２の実施形態に係る問診システム５を説明するための図である。図１に示した第１の実施形態に係る問診システム１と比較した場合、問診システム５は、臨床情報データベース３をさらに有する点が異なる。

図１１に示した様に、臨床情報データベース３は、電子カルテデータベース３ａ、画像データベース３ｂを含む。ここで、臨床情報とは、電子カルテに記載された情報、電子カルテに関連付された情報（例えば看護記録、給食情報、医用会計情報等）、画像データ等を意味し、患者毎に管理される。

電子カルテデータベース３ａは、電子カルテ、電子カルテに関連付された情報を患者毎に保管して管理するデータベースである。本実施形態に係る電子カルテデータベース３ａは、ＨＩＳとしてのデータベースを含むものである。

画像データベース３ｂは、各種モダリティによって取得された画像データ、画像データに関連付された情報を患者毎に保管して管理するデータベースである。本実施形態に係る画像データベース３ｂは、ＰＡＣＳ、ＲＩＳとしてのデータベースを含むものである。

サーバ装置２は、ユーザ端末１０から受け取った患者情報に基づいて、電子カルテデータベース３ａから当該患者の電子カルテに記載された情報を、ネットワークを介して取得する。具体的には、サーバ装置２の症状推定部２０４は、ユーザ端末１０から受け取った患者情報に基づいて、電子カルテデータベース３ａから当該患者の電子カルテに記載された情報を、ネットワークを介して取得する。

ここで、サーバ装置２の症状推定部２０４が取得する当該患者の電子カルテに記載された情報とは、電子カルテに記載された当該患者の既往歴、現病歴、常飲する薬、当該患者について医師が過去に実行した問診に関する情報（問診内容とそれに対する患者の回答）等である。

また、サーバ装置２の症状推定部２０４は、症状推定モデルＭ２を用いて、病名推定部２０３によって推定された病名、電子カルテデータベース３ａから取得した当該患者の電子カルテに記載された情報に基づいて、少なくとも一つの症状を推定する。

なお、この様な症状推定モデルＭ２は、ニューラルネットワークなどのＡＩモデルを実現するプログラムである。すなわち、症状推定モデルＭ２は、例えば、少なくとも一つの病名と、当該患者の電子カルテに記載された情報とを入力とし、１つ以上の症状を出力とする学習済モデル（ディープニューラルネットワーク等）である。この様な症状推定モデルＭ２を実現するプログラムは、医師によって診断された病名と、電子カルテに記載された情報と、当該病名の患者が一般的に主訴する少なくとも一つの症状との組み合わせから構成される複数のトレーニングデータを用いた機械学習することによって構築することができる。なお、サーバ装置２の症状推定部２０４は、必要に応じて、さらに初期問診票を基準として、少なくとも一つの症状を推定するようにしてもよい。

サーバ装置２の問診票再生成部２０５は、症状推定部２０４によって推定された少なくとも一つの症状に基づいて、追加問診票Ｃ２を生成する。このとき、サーバ装置２の問診票再生成部２０５は、初期問診票Ｃ１を参照することで、追加問診票Ｃ２に含まれる情報のうち、初期問診票Ｃ１と重複する情報が区別された追加問診票Ｃ２を生成することもできる。

なお、本実施形態においては、症状推定部２０４と問診票再生成部２０５とは別の構成であるとして説明した。これに対し、症状推定部２０４と問診票再生成部２０５とを一つの学習済モデル（ディープニューラルネットワーク等）で実現するようにしてもよい。この様な学習済モデルは、医師によって診断された病名と、電子カルテに記載された情報と、初期問診票Ｃ１と、を入力データとし、初期問診票Ｃ１と重複しない少なくとも一つの症状を出力データ（教師データ）とする複数のトレーニングデータを用いた機械学習することによって構築することができる。

以上説明したように、本実施形態に係る問診装置としてのサーバ装置２は、症状推定部２０４において、病名推定部２０３によって推定された病名、電子カルテデータベース３ａから取得した当該患者の電子カルテに記載された情報に基づいて、少なくとも一つの症状を推定する。また、サーバ装置２は、問診票再生成部２０５において、症状推定部２０４によって推定された少なくとも一つの症状に基づいて、追加問診票Ｃ２を生成する。したがって、当該患者の電子カルテに記載された情報をも含めて、さらに精度の高い追加問診票Ｃ２を生成することができる。また、当該患者の電子カルテを踏まえた高い追加問診票Ｃ２を用いるため、より精度の高い病名推定を実現することができる。

（変形例１）
上記第２の実施形態においては、サーバ装置２の症状推定部２０４が少なくとも一つの症状を推定する場合において、電子カルテデータベース３ａから取得した当該患者の電子カルテに記載された情報を利用する例を示した。これに対し、例えば、病名推定部２０３が病名を推定する場合、或いは推定病名特定部２０７が病名を特定する場合においても、必要に応じて、電子カルテデータベース３ａから取得した当該患者の電子カルテに記載された情報を利用することができる。

（変形例２）
上記各実施形態においては、サーバ装置２は病院内に設置されている場合を例示した。これに対し、サーバ装置２は、ユーザ端末１０、医師端末４とネットワークを介して通信可能な環境であれば、病院内に限らずどこに設置されていてもよい。例えば、サーバ装置２は、クラウド上に設置されたサーバとして設置することもできる。

（変形例３）
上記各実施形態においては、問診システム１のサーバ装置２が問診装置として機能する場合を例示した。これに対し、例えば、サーバ装置２において実行される処理実行するアプリケーションをユーザ端末１０にインストールすることで、問診システム１を実現するようにしてもよい。

上記説明において用いた「プロセッサ」という文言は、例えば、CPU（central processing unit）、GPU (Graphics Processing Unit)、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ））、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサが例えばCPUである場合、プロセッサは記憶回路に保存されたプログラムを読み出し実行することで機能を実現する。一方、プロセッサが例えばASICである場合、記憶回路にプログラムを保存する代わりに、当該機能がプロセッサの回路内に論理回路として直接組み込まれる。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図３における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１ 問診システム
２ サーバ装置（問診装置）
４ 医師端末
１０ ユーザ端末（端末装置）
１０１ 制御部（受付部）
１０３ 通信Ｉ／Ｆ（受信部、送信部）
１０７ 表示部
２０２ 第１の受付部
２０３ 病名推定部
２０４ 症状推定部
２０５ 問診票再生成部（生成部）
２０６ 第２の受付部
２０７ 推定病名特定部
２０８ 問診情報生成部
Ｃ１ 初期問診票
Ｃ２（Ｃ２ａ，Ｃ２ｂ） 追加問診票
ＤＢ 病名症状データベース
Ｍ１ 病名推定モデル
Ｍ２ 症状推定モデル

Claims (17)

1. 症状を問う初期問診票に対する初期回答を受け付ける第１の受付部と、
   前記初期回答に基づいて、当該初期回答に関連する症状を問う追加問診票を提示する提示部と、
   前記追加問診票に対する追加回答を受け付ける第２の受付部と、
   前記初期回答と、前記追加回答とに基づいて、少なくとも一つの第１の病名を判定する第１の判定部と、
   を備える問診装置。
2. 前記初期回答に基づいて、少なくとも一つの第２の病名を判定する第２の判定部と、
   判定された少なくとも一つの前記第２の病名に基づいて、前記追加問診票を生成する第１の生成部と、
   をさらに備える請求項１に記載の問診装置。
3. 前記第１の判定部は、症状と当該症状を引き起こす病名とを対応付けたテーブルを用いて、少なくとも一つの前記第１の病名を判定する、請求項２に記載の問診装置。
4. 前記第１の判定部は、少なくとも一つの症状を入力とし、少なくとも一つの病名を出力とする学習済モデルを用いて、少なくとも一つの前記第１の病名を判定する、請求項２に記載の問診装置。
5. 前記第１の判定部は、少なくとも一つの症状と、当該患者の電子カルテに記載された情報とを入力とし、少なくとも一つの病名を出力とする学習済モデルを用いて、少なくとも一つの前記第１の病名を判定する、
   請求項２に記載の問診装置。
6. 前記第２の判定部は、症状と当該症状を引き起こす病名とを対応付けたテーブルを用いて、少なくとも一つの前記第２の病名を判定する、請求項２乃至５のうちいずれか一項に記載の問診装置。
7. 前記第２の判定部は、少なくとも一つの症状を入力とし、少なくとも一つの第２の病名を出力とする学習済モデルを用いて、少なくとも一つの前記第２の病名を判定する、請求項２乃至５のうちいずれか一項に記載の問診装置。
8. 前記第２の判定部は、少なくとも一つの症状と、当該患者の電子カルテに記載された情報とを入力とし、少なくとも一つの第２の病名を出力とする学習済モデルを用いて、少なくとも一つの前記第２の病名を判定する、請求項２乃至５のうちいずれか一項に記載の問診装置。
9. 前記第１の生成部は、複数の病名と複数の問診とを対応付けたテーブルを用いた演算により、前記追加問診票を生成する、請求項２乃至８のうちいずれか一項に記載の問診装置。
10. 前記第１の生成部は、判定された少なくとも一つの前記第２の病名を入力とし、問診票を出力とする学習済モデルを用いて、前記追加問診票を生成する、請求項２乃至８のうちいずれか一項に記載の問診装置。
11. 前記第１の生成部は、判定された少なくとも一つの前記第２の病名と、当該患者の電子カルテに記載された情報とを入力とし、問診票を出力とする学習済モデルを用いて、前記追加問診票を生成する、請求項２乃至８のうちいずれか一項に記載の問診装置。
12. 前記第１の生成部は、判定した複数の前記第２の病名の各々に関する症状のうち、複数の前記第２の病名間で重複が少ない症状に対する設問を含む前記追加問診票を生成する、請求項２乃至８のうちいずれか一項に記載の問診装置。
13. 前記１の生成部は、判定した複数の前記第２の病名の各々に関する症状のうち、複数の前記第２の病名に重複が多い症状に対する設問を含む追加問診票を生成する、請求項２乃至８のうちいずれか一項に記載の問診装置。
14. 前記第１の生成部は、推定した症状が強調された前記追加問診票を生成する請求項２乃至１３のうちいずれか一項に記載の問診装置。
15. 前記初期問診票及び前記追加問診票に対する回答と、前記第１の病名と、を含む問診情報を生成する第２の生成部をさらに備え、
    医師がカルテ情報を入力する医師端末に対して前記問診情報を送信する通信制御部と、
    をさらに備えた請求項１乃至１４のうちいずれか一項に記載の問診装置。
16. 患者の訴える症状に関する主訴情報と、前記患者の主訴情報に対応する病名とを取得する取得部と、
    前記主訴情報と前記病名とに基づいて、追加問診に関する情報を出力する学習済モデルを用いて、前記患者に対する追加問診に関する情報を判定する判定部と、
    を備えた問診装置。
17. 症状を問う初期問診票に対する初期回答を受け付ける第１の受付部と、
    前記初期回答に基づいて、少なくとも一つの第１の病名を判定する第１の判定部と、
    少なくとも一つの前記第１の病名に基づいて、当該少なくとも一つの前記第１の病名に関連する症状を問う追加問診票を提示する提示部と、
    前記追加問診票に対する追加回答を受け付ける第２の受付部と、
    前記初期回答と、前記追加回答とに基づいて、少なくとも一つの第２の病名を判定する第２の判定部と、
    を備えた問診装置。