JP5875285B2 - 医療診断支援装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、医療診断を支援する情報を提供する技術に関するものである。

医療の分野において、医師は、患者を撮影した医用画像をモニタに表示し、モニタに表示された医用画像を読影して、病変部の状態や経時変化を観察する。医用画像を用いた画像診断において、医師は、診断対象である医用画像から異常陰影等を発見して、その異常陰影等が何であるかを診断する。画像診断の際に医師が作成する読影レポートには、発見した異常陰影等が何であるかを判断した結果（推定病名）と、その判断の根拠となる読影所見が記載される。このとき、医師が記した読影所見や推定病名は、以下のような場合には必ずしも正しいとは限らなかった。例えば、非常に忙しく１つの症例に対して多くの時間を費やせない医師や読影経験が浅い医師が、画像上で見つけにくい異常陰影や特徴を捉えづらい異常陰影を観察した場合には、異常陰影を見落とす可能性や、読影所見や推定病名の判断を誤る可能性があった。なお、以下の説明では、推定病名も広い意味における「所見（読影所見）」の１つと考える。

そこで、医師による画像診断の精度を向上させる情報を提供することを目的として、医用画像をデジタル化して画像解析することにより疾患部位等を自動的に検出して、コンピュータ支援診断を行う医用画像処理装置が開発されている。以下、コンピュータ支援診断を、ＣＡＤ（Computer-Aided Diagnosis）と称する。このようなＣＡＤでは、自動的に異常陰影候補を疾患部位として検出する。この異常陰影の検出処理では、医用画像データをコンピュータ処理することにより、癌等による異常な腫留陰影や高濃度の微小石灰化陰影等を検出する。そして、この検出結果を提示することにより、医師の読影に対する負荷を軽減し、また、読影結果の精度を向上させることができる。

例えば、下記の特許文献１に記載されている装置では、ＣＡＤにより異常陰影を検出した後、検出した異常陰影から医師が診断に用いる所見に対応する所見（の一部）を自動生成する。そして、自動生成した所見と医師が第一印象で記した読影所見とを自動比較し、比較結果が異なる場合に警告情報を提示する。ここで、ＣＡＤを利用して自動生成した所見を「ＣＡＤ所見」と呼ぶことにする。この技術により、医師が第一印象で記した読影所見とＣＡＤ所見が異なる場合に、医師に読影所見の見直しを促すことができ、精度の高い診断を実現できる。

特許第３０８５７２４号公報

しかしながら、特許文献１では、ＣＡＤ所見が常に正しい場合には、医師が記した読影所見に誤りがあれば必ず警告提示されるが、実際には、ＣＡＤ所見は、必ずしも正しい訳ではない。従って、実際には、ＣＡＤ所見が間違っていて、かつ医師の読影所見が正しい場合にも警告提示されることとなり、警告提示されたからといって、医師は、そのときのＣＡＤ所見を正しいと判断できる訳ではなかった。つまり、提示されたＣＡＤ所見は、医師の診断の役に立つとは限らなかった。

本発明は、このような問題点に鑑みてなされたものであり、ＣＡＤ所見がどの程度診断の参考になるのかを医師が適切に判断可能な情報として提示できるようにすることを目的とする。

本発明の医療診断支援装置は、被検体の第１の検査データを解析することにより、前記被検体の診断のための複数の項目を第１の生成所見として生成する第１の生成手段と、前記第１の検査データに基づく前記被検体の診断のための項目であって、操作部から入力された項目を第１の読影所見として取得する第１の取得手段と、前記第１の生成所見と前記第１の読影所見に含まれるそれぞれの項目における差異に関する情報を取得する差異情報取得手段と、前記差異に関する情報に基づいて、前記第１の生成所見の複数の項目の信頼性をそれぞれ評価する評価手段と、を有する。
本発明の医療診断支援装置における他の態様は、被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する評価手段と、前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、操作部から入力された前記第２の検査データに対する第２の読影所見を取得する第２の取得手段と、前記第１の生成所見の信頼性の情報を、前記第２の生成所見とともに提示する信頼性提示手段と、を有する。
また、本発明の医療診断支援装置におけるその他の態様は、被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、前記差異に関する情報に基づいて、前記第２の生成所見の信頼性を評価する評価手段と、を有する。
また、本発明の医療診断支援装置におけるその他の態様は、被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する評価手段と、前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、前記差異に関する情報を、前記第２の生成所見とともに提示する所見提示手段と、を有する。
また、本発明は、情報処理方法及び医療診断支援システムを含む。また、本発明は、上述した医療診断支援装置の各手段としてコンピュータを機能させるためのプログラム、及び、情報処理方法の各工程をコンピュータに実行させるためのプログラムを含む。さらに、本発明は、当該プログラムを記憶するコンピュータ読み取り可能な記憶媒体を含む。

本発明によれば、自動生成所見（ＣＡＤ所見）がどの程度診断の参考になるのかを医師が適切に判断可能な情報として提示することができる。それにより、医師の診断の精度を向上させることが可能になる。

第１の実施形態に係る医療診断支援装置の機能構成の一例を示すブロック図である。 第１の実施形態に係る医療診断支援装置のハードウェア構成の一例を示すブロック図である。 第１の実施形態に係る医療診断支援装置における医療診断支援方法の処理手順の一例を示すフローチャートである。 第１の実施形態を示し、ＣＡＤ所見と読影所見との関係を示す模式図である。 第１の実施形態を示し、図３のステップＳ３０５における所見入力画面の一例を示す模式図である。 第１の実施形態を示し、図３のステップＳ３０９において医師が読影所見を入力した後の所見入力画面の一例を示す模式図である。 図３のステップＳ３０６における詳細な処理手順の一例を示すフローチャートである。 第１の実施形態を示し、所見項目ごとのＣＡＤ所見の信頼性の情報をまとめた図である。 第２の実施形態を示し、特徴量Ｓを時系列にプロットした特性図である。 第１の実施形態を示し、図３のステップＳ３０８における所見入力画面の一例を示す模式図である。

以下に、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。

［第１実施形態］
第１の実施形態に係る医療診断支援装置では、まず、被検体の異常陰影を含む医用画像（第１の検査データ）を画像解析してＣＡＤ所見（第１の自動生成所見）を自動生成する。この第１の自動生成所見を生成する医療診断支援装置の手段は、「第１の生成手段」を構成する。また、第１の実施形態に係る医療診断支援装置では、前記第１の検査データに対する医師による読影所見（第１の読影所見）を取得する。この第１の読影所見を取得する医療診断支援装置の手段は、「第１の取得手段」を構成する。

続いて、第１の実施形態に係る医療診断支援装置では、ＣＡＤ所見（第１の自動生成所見）を読影所見（第１の読影所見）の初期値として提示する。このＣＡＤ所見（第１の自動生成所見）を提示する医療診断支援装置の手段は、「第１の提示手段」を構成する。そして、第１の実施形態に係る医療診断支援装置では、ＣＡＤ所見（第１の自動生成所見）を参照した医師が読影所見（第１の読影所見）としてＣＡＤ所見（第１の自動生成所見）を変更したか否かを、前記第１の自動生成所見と前記第１の読影所見との差異に関する情報として取得し記録する。この差異に関する情報を取得する医療診断支援装置の手段は、「差異情報取得手段」を構成する。

さらに、第１の実施形態に係る医療診断支援装置では、同一の被検体の同一の異常陰影の新たな医用画像（第２の検査データ）が診断対象となったとき、当該第２の検査データを画像解析してＣＡＤ所見（第２の自動生成所見）を自動生成する。この第２の自動生成所見を生成する医療診断支援装置の手段は、「第２の生成手段」を構成する。また、第１の実施形態に係る医療診断支援装置では、当該第２の検査データに対する医師による読影所見（第２の読影所見）を取得する。この第２の読影所見を取得する医療診断支援装置の手段は、「第２の取得手段」を構成する。

そして、第１の実施形態に係る医療診断支援装置では、同一の被検体の同一の異常陰影の新たな医用画像（第２の検査データ）が診断対象となったとき、過去の第１の検査データにおけるＣＡＤ所見（第１の自動生成所見）と読影所見（第１の読影所見）との差異に関する情報に基づいて、当該ＣＡＤ所見（第１の自動生成所見）の信頼性を評価する。そして、第１の実施形態に係る医療診断支援装置では、評価した第１の検査データにおけるＣＡＤ所見（第１の自動生成所見）の信頼性の情報を、第２の検査データにおけるＣＡＤ所見（第２の自動生成所見）と関連付けて提示する。この提示を行う医療診断支援装置の手段は、「第２の提示手段」を構成する。これにより、第１の実施形態に係る医療診断支援装置では、現在提示されたＣＡＤ所見（第２の自動生成所見）の信頼性がどの程度かを医師に把握させることで、診断の参考になる情報を提供する。

図１は、第１の実施形態に係る医療診断支援装置１０の機能構成の一例を示すブロック図である。
図１に示す医療診断支援装置１０は、医用情報取得部１００、異常陰影検出部１０１、ＣＡＤ所見生成部１０２、所見管理部１０３、所見提示部１０４、読影所見取得部１０５、及び、信頼性評価部１０６の各機能構成を有している。

医用情報取得部１００は、診断対象である症例に関する医用情報（医用画像や電子カルテの情報など）を不図示のサーバから取得する。或いは、医用情報取得部１００は、外部記憶装置、例えばＦＤＤ、ＨＤＤ、ＣＤドライブ、ＤＶＤドライブ、ＭＯドライブ、ＺＩＰドライブ等を接続し、それらのドライブから医用情報を取得するようにしてもよい。そして、医用情報取得部１００は、取得した医用情報を異常陰影検出部１０１へと出力する。

異常陰影検出部１０１は、医用情報取得部１００から取得した診断対象である医用画像を画像解析して異常陰影を検出し、検出結果（例えば、異常陰影を囲む関心領域の情報）をＣＡＤ所見生成部１０２へと出力する。

ＣＡＤ所見生成部１０２は、異常陰影検出部１０１から取得した異常陰影の検出結果からＣＡＤ所見を生成し、所見管理部１０３へと出力する。

所見管理部１０３は、ＣＡＤ所見生成部１０２から取得したＣＡＤ所見の情報、後述する読影所見取得部１０５から取得した読影所見の情報（具体的には、ＣＡＤ所見の変更情報（以下、「所見変更情報」と呼ぶ）を取得する。そして、所見管理部１０３は、取得したそれらの情報を、当該異常陰影に関する読影レポートの一部をなす所見情報として磁気ディスクに格納する。また、所見管理部１０３は、それらの情報を所見提示部１０４及び信頼性評価部１０６へと出力する。

所見提示部１０４は、所見管理部１０３から取得したＣＡＤ所見を表示して提示する。また、所見提示部１０４は、信頼性評価部１０６から、それぞれの所見項目に関するＣＡＤ所見の信頼性情報を取得した場合には、その情報をＣＡＤ所見と関連付けて表示して提示する。

読影所見取得部１０５は、所見提示部１０４で表示された情報を参照した医師が記した読影所見の情報（具体的に、本実施形態では、ＣＡＤ所見の変更情報（所見変更情報））を取得し、所見管理部１０３へと出力する。

信頼性評価部１０６は、診断対象である異常陰影と同一の異常陰影の画像を過去に読影した読影レポートが存在している場合には、過去の読影レポート内に保存されている当該異常陰影の所見情報を所見管理部１０３から取得する。そして、信頼性評価部１０６は、取得した異常陰影の所見情報に基づいて、それぞれの所見項目に関するＣＡＤ所見の信頼性を評価し、信頼性情報（詳細は後述する）を得る。そして、信頼性評価部１０６は、評価した信頼性情報を所見提示部１０４へと出力する。

なお、図１に示した医療診断支援装置１０の各機能構成部の少なくとも一部は、独立した装置として実現されてもよい。また、医療診断支援装置１０の各機能構成部は、それぞれが機能を実現するソフトウェアとして実現されてもよい。本実施形態では、図１に示した医療診断支援装置１０の各機能構成部は、それぞれ、ソフトウェアにより実現されているものとする。

図２は、第１の実施形態に係る医療診断支援装置１０のハードウェア構成の一例を示すブロック図である。即ち、図２は、図１に示した各機能構成部のそれぞれの機能を、ソフトウェアで実現するためのコンピュータの基本構成（ハードウェア構成）を示す図である。

図２に示す医療診断支援装置１０は、ＣＰＵ２００、主メモリ２０１、磁気ディスク２０２、表示メモリ２０３、モニタ２０４、マウス２０５、キーボード２０６、及び、共通バス２０７の各ハードウェア構成を有している。

ＣＰＵ２００は、主として各構成要素の動作を制御して、医療診断支援装置１０における動作を統括的に制御する。

主メモリ２０１は、ＣＰＵ２００が実行する制御プログラムを格納したり、ＣＰＵ２００によるプログラム実行時の作業領域を提供したりする。

磁気ディスク２０２は、オペレーティングシステム（ＯＳ）、周辺機器のデバイスドライブ、後述する処理等を行うためのプログラムを含む各種アプリケーションソフト等を格納する。

表示メモリ２０３は、図１に示す所見提示部１０４が生成する表示用データを一時記憶する。

モニタ２０４は、例えばＣＲＴモニタや液晶モニタ等であり、表示メモリ２０３からの表示用データに基づいて画像やテキストなどの表示を行う。

マウス２０５及びキーボード２０６は、それぞれ、ユーザによるポインティング入力及び文字等の入力を行う。

共通バス２０７は、上記各構成要素（２００〜２０６）を互いに通信可能に接続している。

ここで、例えば、図１に示す、医用情報取得部１００、ＣＡＤ所見生成部１０２及び信頼性評価部１０６は、図２に示す、ＣＰＵ２００、及び、主メモリ２０１及び／又は磁気ディスク２０２に記憶されているプログラムから構成されている。また、例えば、図１に示す異常陰影検出部１０１及び所見管理部１０３は、図２に示す、ＣＰＵ２００、主メモリ２０１及び／又は磁気ディスク２０２に記憶されているプログラム、及び、磁気ディスク２０２から構成されている。また、例えば、図１に示す所見提示部１０４は、図２に示す、ＣＰＵ２００、主メモリ２０１及び／又は磁気ディスク２０２に記憶されているプログラム、表示メモリ、及び、モニタから構成されている。また、例えば、図１に示す読影所見取得部１０５は、図２に示す、ＣＰＵ２００、主メモリ２０１及び／又は磁気ディスク２０２に記憶されているプログラム、マウス２０５及びキーボード２０６から構成されている。

次に、図３のフローチャートを用いて、医療診断支援装置１０が行う全体の処理を説明する。

図３は、第１の実施形態に係る医療診断支援装置１０における医療診断支援方法の処理手順の一例を示すフローチャートである。本実施形態では、図３のフローチャートは、ＣＰＵ２００が主メモリ２０１に格納されている各部の機能を実現するプログラムを実行することにより実現される。

まず、図３のステップＳ３０１において、医用情報取得部１００は、不図示のサーバ等から医療診断支援装置１０へと入力された医用情報（医用画像や電子カルテの情報など）を取得する。そして、医用情報取得部１００は、取得した医用情報を異常陰影検出部１０１へと出力する。

続いて、ステップＳ３０２において、異常陰影検出部１０１は、医用情報取得部１００から取得した医用情報に含まれる診断対象の医用画像を画像解析し、異常陰影を検出する。ここで、本実施形態では、医用画像は胸部ＣＴ画像であり、そこから肺の異常陰影（腫瘤影）を検出するものとする。そして、例えば、異常陰影検出部１０１は、特許文献１に記載されているＣＡＤ技術により、医用画像を画像解析することにより異常陰影の存在位置を自動的に検出して、さらに、異常陰影を囲む関心領域を自動設定する。そして、異常陰影検出部１０１は、自動設定した関心領域の画像をＣＡＤ所見生成部１０２へと出力する。また、異常陰影検出部１０１は、自動設定した関心領域の範囲を表す情報を磁気ディスク２０２へ格納する。なお、異常陰影の検出や関心領域の設定は、医師が行ってもよい。また、異常陰影が予め検出されていて医用情報とともに不図示のサーバ等に保存されている場合には、医用情報とともにこれを取得する構成であってもよい。

ステップＳ３０３において、ＣＡＤ所見生成部１０２は、異常陰影検出部１０１から取得した異常陰影の関心領域から画像特徴量を抽出して、これに基づいて医師が診断に利用し得る所見を生成し、これをＣＡＤ所見とする。なお、ＣＡＤ所見の生成処理は、当該分野において実施可能ないずれの方法に基づいて行ってもよい。例えば、ＣＡＤ所見生成部１０２は、画像特徴量の１つである腫瘤のサイズ（最大径）から、所見項目名：｛大きさ｝の所見を生成する。また、ＣＡＤ所見生成部１０２は、画像特徴量の１つである辺縁の凹凸度を利用して、所見項目名：｛全体形状｝の所見を生成する。また、ＣＡＤ所見生成部１０２は、画像特徴量の１つである辺縁の距離に基づいて、所見項目名：｛切れ込み｝の所見を生成する。また、ＣＡＤ所見生成部１０２は、画像特徴量の１つである辺縁の距離の分散に基づいて、所見項目名：｛放射状｝の所見を選択するなどの処理を行うことができる。これらの処理は、本実施形態の特徴を表す部分ではないので、その説明は省略する。

また、ＣＡＤ所見生成部１０２は、上記で抽出した画像特徴量セットを用いて所見項目名：｛推定病名｝の所見を推論する。本実施形態では、｛推定病名−原発性肺がん｝、｛推定病名−転移性肺腫瘍｝、｛推定病名−その他｝の３つの病名に分類する。病名を推定するための推論器としては、例えば、サポートベクターマシンやニューラルネットワーク、ベイジアンネットワークを用いることができる。但し、推論器はこの手法に限定されるものではない。

そして、ＣＡＤ所見生成部１０２は、上記で生成したＣＡＤ所見を所見管理部１０３へと出力する。

ステップＳ３０４において、所見管理部１０３は、診断対象である異常陰影と同一の異常陰影に関する過去の読影レポートが、磁気ディスク２０２に格納されていて存在するか否かを判断する。ここで、診断対象である異常陰影と過去の読影レポート中の異常陰影との対応付けは、例えば、肺野内における異常陰影の位置情報などに基づいて、公知の方法で行うものとする。

そして、ステップＳ３０４の判断の結果、診断対象である異常陰影と同一の異常陰影に関する過去の読影レポートが存在する場合には、磁気ディスク２０２から当該異常陰影の所見情報を取得して信頼性評価部１０６へ出力し、ステップＳ３０６へと処理を進める。一方、診断対象である異常陰影と同一の異常陰影に関する過去の読影レポートが存在しない場合には、ステップＳ３０５へと処理を進める。

ステップＳ３０５（過去の読影レポートが存在しない場合）に進むと、所見提示部１０４は、所見管理部１０３から取得したＣＡＤ所見を、Ｓ３０２で磁気ディスク２０２に格納した異常陰影の検出結果と共に、医師が読影可能な形でモニタ２０４に表示する。そして、ステップＳ３０９へと処理を進める。

図５は、第１の実施形態を示し、図３のステップＳ３０５における所見入力画面５００の一例を示す模式図である。
図５の所見入力画面５００には、診断対象の医用画像５０１、ＣＡＤが検出した異常陰影を囲む関心領域５０２、所見情報を入力する領域（所見入力領域）５０３、読影所見の入力完了の指示を入力する入力完了ボタン５０４が設けられている。医師は、所見入力画面５００に表示された医用画像５０１を参照しながら読影し、ＣＡＤが設定した関心領域５０２を参照する。このとき、医師が関心領域５０２を指定すると、所見入力領域５０３には、医師がテンプレート形式の入力支援方法を用いて、読影所見を入力するための初期値として、ＣＡＤ所見が表示される。このように、ＣＡＤ所見を、医師が読影所見を入力するための初期値として表示することで、医師が読影所見を入力する手間を省くことができる。

ここで、再び、図３の説明に戻る。
ステップＳ３０５の処理が終了すると、ステップＳ３０９に進む。
ステップＳ３０９に進むと、読影所見取得部１０５は、医師がモニタ２０４に表示された医用画像とＣＡＤ所見を参照しＣＡＤ所見を変更した後の読影所見を取得する。本実施形態では、医師は、モニタ２０４に表示された医用画像の読影所見を、マウス２０５やキーボード２０６等の操作部を用いて入力する。なお、この処理は、例えば、テンプレート形式の読影所見入力支援方法を用いて、ＧＵＩにより選択できるような機能を備えることで実現される。

図６は、第１の実施形態を示し、図３のステップＳ３０９において医師が読影所見を入力した後の所見入力画面６００の一例を示す模式図である。図６において、６００〜６０４は、それぞれ、図５の５００〜５０４と同様のものを表す。
図６において、読影所見６０５、６０６及び６０７は、それぞれ、医師によってＣＡＤ所見が変更された後の読影所見を表す。図６の例では、読影所見６０５に関して、医師は、ＣＡＤ所見｛大きさ−小さい｝を、｛大きさ−中程度｝に変更している。また、読影所見６０６に関して、医師は、ＣＡＤ所見｛放射状−非常に強い｝を、｛放射状−中程度｝に変更している。また、読影所見６０７に関して、医師は、ＣＡＤ所見｛推定病名−原発性肺がん｝を、｛推定病名−転移性肺腫瘍｝に変更している。医師は、入力完了ボタン６０４を押下することで、読影所見の入力を完了する。

そして、読影所見取得部１０５は、医師によって入力完了ボタン６０４が押下された時に、所見入力領域６０３でＣＡＤ所見を変更した後の読影所見を取得し、所見管理部１０３へと出力する。

ここで、再び、図３の説明に戻る。
ステップＳ３０９の処理が終了すると、ステップＳ３１０に進む。
ステップＳ３１０に進むと、所見管理部１０３は、ステップＳ３０９で取得した操作部を介して入力された読影所見をＣＡＤ所見と比較することで、所見変更情報（どの項目の所見が何から何へ変更されたかを表す情報）を抽出する。そして、これまでの処理で取得したＣＡＤ所見、読影所見、及び、所見変更情報を、当該異常陰影に関する読影レポートの一部をなす所見情報として、磁気ディスク２０２に格納して記録する。なお、所見変更情報には、実際に変更された所見が存在しない場合にも、「変更所見なし」という情報が記録される。この場合には、所見変更情報自体は存在することになるため、この情報が過去の異常陰影で記録された状態でステップＳ３０４における判断処理を行った場合には、過去の読影レポートが存在するという判断が行われ、次に、ステップＳ３０６へと進むことになる。

以上が、診断対象の異常陰影と同一の異常陰影に関する過去の読影レポートが存在しない場合の処理（ステップＳ３０５以降の処理）の説明である。
次に、診断対象の異常陰影と同一の異常陰影に関する過去の読影レポートが存在する場合の処理（ステップＳ３０６以降の処理）を説明する。

ステップＳ３０６（診断対象の異常陰影と同一の異常陰影に関する過去の読影レポートが存在する場合）において、信頼性評価部１０６は、ステップＳ３０４で取得した過去の所見情報に基づいて、それぞれの所見項目に関するＣＡＤ所見の信頼性を評価する。

本ステップでは、ある所見項目に関してＣＡＤ所見が変更されている場合には、その所見項目のＣＡＤ所見は誤っていると医師が判断したとみなし、「ＣＡＤ所見の信頼性は確実ではない」と判定する。逆に、ある所見項目に関してＣＡＤ所見が変更されていない場合には、その所見項目のＣＡＤ所見は正しいと医師が判断したとみなし、「ＣＡＤ所見の信頼性は確実である」と判定する。

次に、図７のフローチャートを用いて、上述した信頼性評価部１０６が行う判定処理（図３のステップＳ３０６におけるＣＡＤ所見の信頼性評価処理）を説明する。
図７は、図３のステップＳ３０６における詳細な処理手順の一例を示すフローチャートである。

図３のステップＳ３０６の処理が開始すると、まず、図７のステップＳ７０１において、信頼性評価部１０６は、処理対象のＣＡＤ所見の所見番号ｉ＝１と設定するとともに、その所見数ｎを取得する。

続いて、ステップＳ７０２において、信頼性評価部１０６は、所見変更情報からｉ番目のＣＡＤ所見（ＣＡＤ所見ｉ）を取得し、医師によって変更された記録があるか否かを判断する。この判断の結果、ＣＡＤ所見ｉが変更された場合には、ステップＳ７０３へと処理を進め、一方、ＣＡＤ所見ｉが変更されていない場合には、ステップＳ７０４へと処理を進める。

図６で示した例が診断対象の異常陰影に対応する過去の異常陰影であった場合を考えると、所見１｛大きさ｝、所見５｛放射状｝、及び、所見２０｛推定病名｝に関しては、医師がＣＡＤ所見を変更している。従って、ｉ＝１，５，２０の場合には、ステップＳ７０３へと処理を進めることになる。一方、所見２｛全体形状｝、所見３｛気管支透瞭像｝、所見４｛切れ込み｝に関しては、医師はＣＡＤ所見を変更していない。従って、ｉ＝２，３，４の場合には、ステップＳ７０４へと処理を進めることになる。

ステップＳ７０３に進むと、信頼性評価部１０６は、医師によって過去にＣＡＤ所見ｉが変更されているという判定結果を受けて、「ＣＡＤ所見ｉは信頼性が確実でない」と判断する。そして、信頼性評価部１０６は、ＣＡＤ所見ｉがどの程度信頼できるかを表す信頼度を算出した後に、ステップＳ７０５へと処理を進める。

本実施形態では、医師がＣＡＤ所見を変更している程度が小さいほどＣＡＤ所見の信頼性が高いとみなし、逆に、ＣＡＤ所見を変更している程度が大きいほどＣＡＤ所見の信頼性が低いとみなす。ここで、所見項目であるＣＡＤ所見ｉの値が程度や確率の大きさで表現される場合、その値の取り得る最大値をＶｉ_MAX、ＣＡＤ所見ｉの値をＶｉ_PRE、変更後の読影所見ｉの値をＶｉ_POSTとする。このとき、ＣＡＤ所見ｉの信頼度Ｒｉ_CADは、次式で表される。
Ｒｉ_CAD＝（Ｖｉ_MAX−｜Ｖｉ_POST−Ｖｉ_PRE｜）／Ｖｉ_MAX ・・・（１）
但し、ＣＡＤ所見ｉ自体が程度や確率の大きさで表現できない場合には、医師が変更した読影所見の程度の大きさを評価できないため、信頼度は算出しない。

図４は、第１の実施形態を示し、ＣＡＤ所見と読影所見との関係を示す模式図である。図４（ａ）の例では、所見１｛大きさ｝について、医師は、ＣＡＤ所見｛大きさ−小さい｝を、読影所見｛大きさ−中程度｝に変更している。従って、信頼度は、Ｒ１_CAD＝（４−｜２−１｜）／４＝０．７５と求まる。また、図４（ｂ）の例では、所見５｛放射状｝について、医師は、ＣＡＤ所見｛放射状−非常に強い｝を、読影所見｛放射状−中程度｝に変更している。従って、信頼度、Ｒ５_CAD＝（４−｜４−２｜）／４＝０．５と求まる。即ち、本実施形態では、信頼性評価部１０６は、図４に示すように、ＣＡＤ所見が提示された後に、医師が読影所見として当該ＣＡＤ所見を変更した度合いに基づいて、当該ＣＡＤ所見の信頼度を評価するようにしている。また、所見２０｛推定病名｝については、所見の状態を程度や確率の大きさで表現できないため、信頼度は算出しない。

ここで、再び、図７の説明に戻る。
図７のステップＳ７０４に進むと、信頼性評価部１０６は、医師によって過去にＣＡＤ所見が変更されていないという判定結果を受けて、「ＣＡＤ所見ｉは信頼性が確実である」と判断する。そして、ＣＡＤ所見の信頼度を、Ｒｉ_CAD＝１．０と算出した後に、ステップＳ７０５へと処理を進める。ここで、図６に示す例では、所見２｛全体形状｝、所見３｛気管支透瞭像｝、所見４｛切れ込み｝に関しては、ＣＡＤ所見ｉの信頼度は、１．０（１００％）となる。

ステップＳ７０５に進むと、信頼性評価部１０６は、所見番号ｉに１を加える。

続いて、ステップＳ７０６において、信頼性評価部１０６は、所見番号ｉを所見数ｎと比較し、所見番号ｉが所見数ｎよりも大きい場合には、図７のフローチャートの処理を終了させる。一方、所見番号ｉが所見数ｎ以下の場合には、ステップＳ７０２へと処理を進める。その後、ステップＳ７０２以降の処理が再度行われる。

以上により、図７のフローチャートの説明を終了する。
以上のようにして、過去画像（過去の医用画像）におけるＣＡＤ所見の信頼性を、所見項目ごとに評価することができる。

図８は、第１の実施形態を示し、所見項目ごとのＣＡＤ所見の信頼性の情報をまとめた図である。信頼性評価部１０６は、図８に記載された所見項目ごとのＣＡＤ所見の信頼性情報を、所見提示部１０４へと出力する。

ここで、再び、図３の説明に戻る。
図３のステップＳ３０６の処理が終了すると、ステップＳ３０７に進む。
ステップＳ３０７に進むと、所見提示部１０４は、信頼性評価部１０６から取得した過去画像におけるＣＡＤ所見の信頼性情報を、所見管理部１０３から取得した診断対象画像におけるＣＡＤ所見に関連付ける。

本ステップでは、過去画像でのＣＡＤ所見の信頼性が高ければ、同一の所見項目に関して、診断対象画像でもＣＡＤ所見は信頼できると判断する。

そこで、本ステップでは、所見項目ごとに診断対象画像に対するＣＡＤ所見には、過去画像で求めたＣＡＤ所見の信頼性情報を関連付ける。

例えば、所見項目１｛大きさ｝に関しては、診断対象画像におけるＣＡＤ所見に対して、「ＣＡＤ所見の信頼性：確実ではない（信頼度７５％）」の情報が関連付けられる。同様に、所見項目４｛切れ込み｝に関しては、診断対象画像のＣＡＤ所見に対して、「ＣＡＤ所見の信頼性：確実（信頼度１００％）」が関連付けられる。

続いて、ステップＳ３０８において、所見提示部１０４は、ステップＳ３０７で過去画像におけるＣＡＤ所見の信頼性情報の関連付け処理が行われた診断対象画像のＣＡＤ所見をモニタ２０４に表示する。

図１０は、第１の実施形態を示し、図３のステップＳ３０８における所見入力画面１０００の一例を示す模式図である。図１０において、１００１〜１００４は、それぞれ、図６の６０１〜６０４と同様のものを表す。具体的に、所見入力領域１００３には、診断対象画像におけるＣＡＤ所見が示されている。また、図１０に示す所見入力画面１０００には、ＣＡＤ所見に誤りがある可能性を警告する警告メッセージ１００５、警告メッセージ１００５によって警告されたＣＡＤ所見の所見項目１００６、１００７及び１００８が示されている。さらに、図１０に示す所見入力画面１０００には、警告メッセージ１００５で警告された所見項目１００６及び１００７にそれぞれ対応する、ＣＡＤ所見の信頼度を表すメッセージ１００９及び１０１０が示されている。この際、警告メッセージ１００５で警告された所見項目１００８については、所見項目が推定病名であり、信頼度の算出は行われないため、ＣＡＤ所見の信頼度を表すメッセージは表示されない。

図１０において、所見項目１００６、１００７及び１００８は、過去画像でＣＡＤ所見が訂正（変更）されており、診断対象画像においてもＣＡＤ所見の信頼性は確実ではないと判断されたため、警告メッセージ１００５によって警告されている。一方、所見項目２、３、４については、過去画像でＣＡＤ所見は訂正（変更）されておらず、診断対象画像においてもＣＡＤ所見の信頼性は確実であると判断されたため、警告提示されていない。このように、信頼性が確実ではないと判断された所見項目についてのみ警告提示することにより、医師は、ＣＡＤ所見がどの程度参考になるのかを判断することができる。

ここで、再び、図３の説明に戻る。
図３のステップＳ３０８の処理が終了すると、ステップＳ３０９に進む。
ステップＳ３０９に進むと、読影所見取得部１０５は、医師がモニタ２０４に表示された医用画像とＣＡＤ所見を参照することで、ＣＡＤ所見を変更した後の読影所見を取得する。そして、読影所見取得部１０５は、医師によって入力完了ボタン１００４が押下された時に、所見入力領域１００３でＣＡＤ所見を変更した後の読影所見を取得し、所見管理部１０３へと出力する。

続いて、ステップＳ３１０において、所見管理部１０３は、ステップＳ３０９で取得した読影所見をＣＡＤ所見と比較することで、所見変更情報（どの項目の所見が何から何へ変更されたかを表す情報）を抽出する。そして、これまでの処理で取得したＣＡＤ所見、読影所見、及び、所見変更情報を、当該異常陰影に関する読影レポートの一部をなす所見情報として、磁気ディスク２０２に格納して記録する。なお、所見変更情報には、実際に変更された所見が存在しない場合にも、「変更所見なし」という情報が記録される。

以上により、図３のフローチャートの説明を終了する。

なお、本実施形態では、ＣＡＤ所見の信頼性が確実であるか否かの判断に応じて警告提示するか否かを変更しているが、表示方法はこれに限らない。例えば、図３のステップＳ３０６でＣＡＤ所見に関連付けられた信頼度の情報を常に提示してもよい。このとき、信頼性が確実であると判断された場合は必ず「信頼度：確実」が表示されるため、医師は、その所見項目のＣＡＤ所見は参考になると認識できる。

上述した構成によれば、ＣＡＤ所見の信頼性情報を、診断対象画像に対するＣＡＤ所見と関連付けて提示することで、医師は、ＣＡＤ所見の信頼性を判断する参考にすることができ、診断に役立てることができる。

（第１の実施形態の変形例１）
上述した第１の実施形態では、ＣＡＤ所見を、読影所見をテンプレート形式で入力するための初期値として提示し、医師がＣＡＤ所見を変更したか否かで、ＣＡＤ所見と読影所見の差異に関する情報を取得するものであった。しかしながら、ＣＡＤ所見と読影所見の差異に関する情報を取得する方法はこれに限らない。例えば、医師がＣＡＤ所見を初期値に用いずに作成した読影所見と、別途生成したＣＡＤ所見とを比較し、両者の差異に関する情報を取得する方法を取ってもよい。この場合、予め医師が作成した読影所見さえ記録されていれば、過去の医用画像に遡ってＣＡＤ所見を生成し、記録された読影所見と比較することができる。従って、過去の医用画像であれば、通常、読影所見が付与されているため、過去のどのような症例に対してもＣＡＤ所見と読影所見との差異に関する情報を取得可能である。

（第１の実施形態の変形例２）
上述した第１の実施形態では、過去画像の所見変更情報を所見管理部１０３に記録しておき、新しい画像が診断対象となったときに、当該所見変更情報を読み込んで信頼性の評価を行って、評価した信頼性情報を所見情報と関連付けて提示するものであった。しかしながら、信頼性情報の提示までの流れは、この方法に限らない。例えば、過去画像の所見変更情報からＣＡＤ所見の信頼性の評価を行った結果を記録しておくことで、新しい画像が診断対象となったときに、予め記録された信頼性情報を読み込み、これを所見情報と関連付けて提示してもよい。

これにより、診断対象画像が入力された際に、ＣＡＤ所見の信頼性を評価する手間を省くことができ、処理を効率化できる。

［第２の実施形態］
第１の実施形態では、同一被検体（同一被験者）の過去画像の１つから、ＣＡＤ所見の信頼性を評価していた。しかしながら、ＣＡＤ所見の信頼性の評価方法はこれに限らず、他であってもよい。本実施形態では、同一被検体（同一被験者）の過去画像が複数存在する場合に、それらの複数の過去画像（以降、「時系列過去画像（時系列検査データ）」と呼ぶ）の中から診断対象画像に関連する過去画像のＣＡＤ所見を選択する。そして、選択されたＣＡＤ所見のみに基づきＣＡＤ所見の信頼性を評価する。例えば、過去に腫瘤を除去する手術などにより被検体（被験者）の医用画像の特徴が著しく変化している場合には、医用画像の特徴が診断対象画像（術後）に関連する過去画像の所見情報を選択して、術後の過去画像における所見情報のみが選ばれるようにする。これにより、診断対象画像と特徴が著しく異なる術前の過去画像を評価対象から除くことで、ＣＡＤ所見の信頼性を高精度に評価する。

なお、本実施形態に係る医療診断支援装置１０の機能構成は、第１の実施形態における図１と同様である。但し、ＣＡＤ所見生成部１０２が医用画像から抽出した画像特徴量を保存し、所見管理部１０３が時系列過去画像におけるＣＡＤ所見を管理し、信頼性評価部１０６が時系列過去画像の中から診断対象画像に関連する過去画像におけるＣＡＤ所見のみに基づきＣＡＤ所見の信頼性を評価する点が、第１の実施形態とは異なっている。また、図１に示した各機能構成部のそれぞれの機能をソフトウェアで実現するためのコンピュータの基本構成（ハードウェア構成）は、第１の実施形態における図２と同様である。

また、医療診断支援装置１０が行う全体の処理手順のフローチャートは、図３と同様である。但し、ステップＳ３０３、Ｓ３０４及びＳ３０６の処理の一部が第１の実施形態と異なっている。以下、第１の実施形態との相違部分についてのみ説明する。

図３のステップＳ３０１における医用情報の取得処理及びステップＳ３０２における異常陰影の検出処理は、第１の実施形態と同様である。

本実施形態では、続いて、ステップＳ３０３において、ＣＡＤ所見生成部１０２は、異常陰影検出部１０１から取得した異常陰影の関心領域から画像特徴量を抽出して、医師が診断に利用し得る所見を生成し、これをＣＡＤ所見とする。ＣＡＤ所見の生成方法は、第１の実施形態と同様であるので、説明を省略する。本実施形態では、ＣＡＤ所見の生成に用いた画像特徴量を、医用画像のＩＤと対応付けて磁気ディスク２０２に格納する。このＩＤは、例えば、同一被検体（同一被験者）の医用画像に関して、撮影日時が古い順に１、２、３、・・・と割り振られるものとする。

続いて、ステップＳ３０４において、まず、所見管理部１０３は、取得した診断対象画像に対するＣＡＤ所見を診断対象画像のＩＤと対応付けて磁気ディスク２０２に格納する。そして、所見管理部１０３は、この診断対象画像のＣＡＤ所見を所見提示部１０４へと出力する。
次に、所見管理部１０３は、診断対象である異常陰影と同一の異常陰影に関する過去の読影レポートが、磁気ディスク２０２に格納されていて存在するか否かを判断する。具体的には、同一被検体（同一被験者）に関して過去に医師がＣＡＤ所見を変更したか否かを表す所見変更情報が、磁気ディスク２０２に格納されているか否かを判断する。
そして、この判断の結果、当該所見変更情報が磁気ディスク２０２に格納されていた場合には、所見管理部１０３は、当該所見変更情報が記録されている全ての時系列過去画像についてのＣＡＤ所見を当該所見変更情報とともに磁気ディスク２０２から取得する。そして、所見管理部１０３は、取得した時系列過去画像についてのＣＡＤ所見及び所見変更情報と、診断対象画像のＣＡＤ所見を信頼性評価部１０６へ出力し、ステップＳ３０６へと処理を進める。
一方、当該所見変更情報が磁気ディスク２０２に格納されていない場合には、そのままステップＳ３０５へと処理を進める。

本実施形態では、ステップＳ３０６に進むと、信頼性評価部１０６は、ステップＳ３０３でＣＡＤ所見生成部１０２が磁気ディスク２０２に格納した画像特徴量を全ての時系列過去画像に関して取得する。そして、信頼性評価部１０６は、取得した画像特徴量に基づいて、時系列過去画像の中から診断対象画像に関連する過去画像を選択し、そのＣＡＤ所見を抽出する。次に、信頼性評価部１０６は、抽出したＣＡＤ所見のみに基づき、それぞれのＣＡＤ所見の信頼性を評価する。

ここで、最初に、診断対象画像に関連する過去画像のＣＡＤ所見を画像特徴量に基づいて抽出する方法を具体的に説明する。
本実施形態では、ＣＡＤ所見を生成するために抽出した少なくとも１種類の画像特徴量に基づいて、診断対象画像に関連する過去画像のＣＡＤ所見を抽出する。ステップＳ３０３で磁気ディスク２０２に格納された画像特徴量を少なくとも１種類選択し、時系列過去画像及び診断対象画像から該当する種類の画像特徴量を全て取得する。例えば、所見項目１：｛大きさ｝を生成するために抽出した腫瘤のサイズ（最大径）の特徴量Ｓを、時系列過去画像全てと診断対象画像について取得する。ここで、時系列過去画像に含まれるある画像のＩＤをｉとしたとき、画像ＩＤ：ｉに対応する腫瘤のサイズの特徴量をＳｉと表す。また、診断対象画像に対応する腫瘤のサイズの特徴量をＳｔと表す。このとき、特徴量Ｓｔに関連する特徴量の集合をＳｇｒとして、以下の条件１及び条件２の両方を満たす全ての特徴量Ｓｉを選定する。

条件１：特徴量Ｓｔからの差異が所定の範囲内となる全ての特徴量Ｓｉ
条件２：特徴量Ｓｔを起点にして時系列を遡ったとき、時系列で隣り合う２つの特徴量間の変化率の大きさが所定の閾値を最初に超えるまでに含まれる全ての特徴量Ｓｉ

上記の条件１は、診断対象画像の画像特徴量に近い画像特徴量を持つ過去画像のみを選択することを目的とする。即ち、上記の条件１は、診断対象画像の特性と複数の時系列過去画像の特性との間の差異に基づいて、複数の時系列過去画像の中から診断対象画像に関連する過去画像を選択する。

また、上記の条件２は、時系列過去画像の間で、画像特徴量が急激に変化した時期がある場合には、それ以降の過去画像のみを選択することを目的とする。即ち、上記の条件２は、診断対象画像と複数の時系列過去画像からなる画像系列の特性の経時変化に基づいて、複数の時系列過去画像の中から診断対象画像に関連する過去画像を選択する。

図９は、第２の実施形態を示し、特徴量Ｓを時系列にプロットした特性図である。
上記の条件１及び条件２を満たす集合Ｓｇｒを選定する具体例を、図９を用いて説明する。

図９において、時系列の特徴量Ｓ１〜Ｓ１０及び診断対象画像の特徴量Ｓｔがグラフ上にプロットされている。範囲Ｄは、特徴量Ｓｔを中心とする所定の特徴量の値の範囲を表す。このとき、条件１を満たす特徴量Ｓｉは、Ｓｔを中心に範囲Ｄに含まれる点であるので、｛Ｓ２，Ｓ３，Ｓ４，Ｓ８，Ｓ９，Ｓ１０｝の６点である。

続いて、時系列で隣り合う２つの特徴量をＳｊとＳｊ＋１とするとき、特徴量ＳｊとＳｊ＋１の間の変化率をＧｊとする。図９のＧ５は、特徴量Ｓ５と特徴量Ｓ６との間の変化率を表す。ここで、変化率Ｇｊに関する所定の閾値をＧｔｈ（不図示）とする。このとき、条件２を満たす特徴量Ｓｉは、Ｓｔを起点にして時系列を遡ったとき、ある変化率Ｇｊが最初にＧｊ＞Ｇｔｈを満たすとき、Ｓｊ＋１からＳｔの間に含まれる全ての特徴量を表す。図９の例では、変化率Ｇ５が最初にＧ５＞Ｇｔｈを満たしており、条件２を満たす特徴量は｛Ｓ６，Ｓ７，Ｓ８，Ｓ９，Ｓ１０｝の５点である。

従って、条件１及び条件２の両方を満たす特徴量の集合Ｓｇｒは、｛Ｓ８，Ｓ９，Ｓ１０｝の３点となる。そして、診断対象画像に関連する時系列過去画像として、特徴量の集合Ｓｇｒに対応する画像ＩＤ：８，９，１０の画像に付与されたＣＡＤ所見を取得（抽出）する。

このように、条件１及び条件２を用いて特徴量Ｓｔに関連する特徴量の集合Ｓｇｒを選択することで、手術などにより関心領域の画像特徴が著しく変化した場合に、それ以降の時系列過去画像のみを選択することができる。さらに、その中で、診断対象画像に対して画像特徴の値が近い（類似する）時系列過去画像のみを選択することができる。

本実施形態では、特徴量の変化を考慮して診断対象画像に関連する特徴量を選択する方法として、時系列で隣接する特徴量間の変化率に閾値を設けて特徴量を選択したが、特徴量の選択方法はこれに限らない。例えば、診断対象画像の特徴量Ｓｔを基点にして、特定の関数モデルをフィッティングさせ、フィッティングされたモデルから所定の範囲に存在する特徴量Ｓｉのみを選択するようにしてもよい。このモデルとして、例えば、直線モデルを適用してもよい。これは、疾患が自然に進行する、または投薬などにより治療する際の変化は直線的に近似できると仮定した場合に適応される。或いは、疾患の進行または治療の変化を表す非線形の関数モデルを医学的な統計情報に基づき構築し、これを適用してもよい。このように、関数モデルを用いることで、時系列で隣接する特徴量間の変化が、疾患が自然に進行する或いは投薬などにより治療する際の変化に沿っているか否かで、診断対象画像に関連する画像の特徴量Ｓｉを選択することができる。

また、本実施形態では、所見項目１｛大きさ｝に対応する画像特徴量：腫瘤のサイズを用いて、診断対象画像に関連する過去画像を選択する方法を説明したが、過去画像の選択方法はこの方法に限らない。例えば、上述と同様の方法でその他の複数の所見項目についてそれぞれ関連する過去画像を選択してもよい。また、複数の所見項目ごとに得られた過去画像の中で共通する過去画像のみを抽出することで、全ての所見項目に対して共通する過去画像を用いて信頼性の評価を行うようにしてもよい。或いは、複数の所見項目ごとに独立して、それぞれで得られた過去画像を用いて信頼性の評価を行うようにしてもよい。

さらに、本実施形態では、画像特徴量に基づいて診断対象画像に関連する過去画像を選択したが、過去画像を選択するための判断材料はこれに限らない。例えば、画像特徴量から生成したＣＡＤ所見または医師が記した読影所見に基づいて選択してもよい。この場合、図９における縦軸を、特徴量の代わりに所見項目の程度の大きさに置き換えることで、上述と同様の方法で選択することができる。

次に、上述で取得した過去画像のＣＡＤ所見に基づいて、ＣＡＤ所見の信頼性を評価する方法を説明する。
上述の例では、画像ＩＤ：８，９，１０に対応する過去画像のＣＡＤ所見に基づいて信頼性の評価を行う。まず、個々の画像ごとにＣＡＤ所見の信頼性を評価する。この方法は、第１の実施形態における図３のステップＳ３０６と同様の方法であるので、説明を省略する。そして、個々の画像ごとに評価された信頼性の情報を総合して、最終的な信頼性の情報を評価する。本実施形態では、得られた個々の画像の信頼性の情報の平均値を取ることで、最終的な信頼性の情報を求める。図９の例において、所見項目１：｛大きさ｝に関して画像ＩＤ：８，９，１０の信頼性の評価結果が、次のようになっていたとする。
・ＩＤ：８ 信頼性：確実ではない 信頼度Ｒ１_CAD：７５％
・ＩＤ：９ 信頼性：確実である 信頼度Ｒ１_CAD：１００％
・ＩＤ：１０ 信頼性：確実である 信頼度Ｒ１_CAD：１００％
このとき、最終的なＣＡＤ所見の信頼度をＲ１_CAD,ALLとすると、Ｒ１_CAD,ALL＝（１．０＋１．０＋０．７５）／３≒０．９２と求められる。そして、信頼度が１００％ではないので、信頼性評価部１０６では、信頼性は「確実ではない」と判定する。従って、最終的なＣＡＤ所見の信頼性の情報は以下のようになる。
・総合 信頼性：確実ではない 信頼度Ｒ１_CAD,ALL：９２％

但し、本実施形態では、個々の信頼度の平均値により最終的な信頼度を求めたが、信頼性の評価方法はこの方法に限らない。例えば、個々の画像の撮影時期が診断対象画像にどの程度近いかで画像ＩＤごとに重み付けを行い（診断対象画像より古いほど重み付けを小さくして）、その上で平均値を取ってもよい。これにより、診断対象画像よりも古い画像ほど状態がかけ離れている可能性が高いため、それらが信頼度に及ぼす影響を少なくすることができる。また、個々の信頼度の最頻値を用いてもよい。これにより、殆どのデータの信頼性が「確実である」にも関わらず１つでも信頼性が「確実ではない」ものが含まれる場合に、「確実ではない」と判定され、警告表示の対象になることを防ぐことができる。

そして、信頼性評価部１０６は、以上のようにして評価された所見項目ごとのＣＡＤ所見の信頼性情報を、所見提示部１０４へと出力する。

上述した構成によれば、診断対象画像に関連する過去画像のＣＡＤ所見のみに基づきＣＡＤ所見の信頼性を評価することで、手術などの影響により診断対象画像と特徴が著しく異なる過去画像を、評価対象から取り除くことができる。その結果、ＣＡＤ所見の信頼性を高精度に評価することができる。

［その他の実施形態］
上述の実施形態では、読影所見はマウス２０５やキーボード２０６等の操作部を介して入力されることとしていたが、これに限らず、表示部のタッチパネル機能でもよい。また医師等のジェスチャや音声入力を検知して読影所見に関する情報を取得することとしてもよい。これらの例のように、診断に携わる者からの情報を入力するためのユーザインタフェースも本発明の操作部に含まれるものとする。
また、本発明は、以下の処理を実行することによっても実現される。
即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。
このプログラム及び当該プログラムを記憶したコンピュータ読み取り可能な記録媒体は、本発明に含まれる。

なお、上述した本発明の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１０ 医療診断支援装置、１００ 医用情報取得部、１０１ 異常陰影検出部、１０２ ＣＡＤ所見生成部、１０３ 所見管理部、１０４ 所見提示部、１０５ 読影所見取得部、１０６ 信頼性評価部

Claims (30)

1. 被検体の第１の検査データを解析することにより、前記被検体の診断のための複数の項目を第１の生成所見として生成する第１の生成手段と、
   前記第１の検査データに基づく前記被検体の診断のための項目であって、操作部から入力された項目を第１の読影所見として取得する第１の取得手段と、
   前記第１の生成所見と前記第１の読影所見に含まれるそれぞれの項目における差異に関する情報を取得する差異情報取得手段と、
   前記差異に関する情報に基づいて、前記第１の生成所見の複数の項目の信頼性をそれぞれ評価する評価手段と、
   を有することを特徴とする医療診断支援装置。
2. 前記第１の検査データよりも新しい前記被検体の第２の検査データを解析することにより、前記被検体の診断のための複数の項目を第２の生成所見として生成する第２の生成手段と、
   前記第２の検査データに基づく前記被検体の診断のための項目であって、操作部から入力された項目を第２の読影所見として取得する第２の取得手段と、
   前記信頼性の情報を、前記第２の生成所見とともに提示する信頼性提示手段と、
   を更に有することを特徴とする請求項１に記載の医療診断支援装置。
3. 前記信頼性提示手段は、前記信頼性の情報を、前記第２の生成所見に含まれるそれぞれの項目と関連付けて、前記第２の生成所見の信頼性として提示することを特徴とする請求項２に記載の医療診断支援装置。
4. 前記信頼性提示手段は、前記第１の生成所見が変更されたことを前記信頼性の情報として、前記第２の生成所見に含まれるそれぞれの項目と関連付けて提示することを特徴とする請求項２又は３に記載の医療診断支援装置。
5. 前記評価手段は、前記差異情報取得手段により取得される、ある項目についての差異に関する情報に基づいて、当該項目の信頼性を評価することにより、前記複数の項目の信頼性をそれぞれ評価することを特徴とする請求項１乃至４のいずれか１項に記載の医療診断支援装置。
6. 被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、
   操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、
   前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、
   前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する評価手段と、
   前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、
   操作部から入力された前記第２の検査データに対する第２の読影所見を取得する第２の取得手段と、
   前記第１の生成所見の信頼性の情報を、前記第２の生成所見とともに提示する信頼性提示手段と、
   を有することを特徴とする医療診断支援装置。
7. 前記信頼性提示手段は、前記信頼性の情報を、前記第２の生成所見の信頼性として提示することを特徴とする請求項６に記載の医療診断支援装置。
8. 被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、
   操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、
   前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、
   前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、
   前記差異に関する情報に基づいて、前記第２の生成所見の信頼性を評価する評価手段と、
   を有することを特徴とする医療診断支援装置。
9. 被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、
   操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、
   前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、
   前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する評価手段と、
   前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、
   前記差異に関する情報を、前記第２の生成所見とともに提示する所見提示手段と、
   を有することを特徴とする医療診断支援装置。
10. 前記第１の検査データは、前記被写体の複数の時系列検査データであり、
    前記第１の生成手段は、前記第１の生成所見として前記複数の時系列検査データにおける生成所見を生成し、
    前記第１の取得手段は、前記第１の読影所見として前記複数の時系列検査データにおける読影所見を取得し、
    前記評価手段は、前記複数の時系列検査データの中から前記第２の検査データに関連する検査データを選択し、当該選択した検査データにおける前記第１の生成所見と前記第１の読影所見との差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価することを特徴とする請求項２乃至４及び６乃至９のいずれか１項に記載の医療診断支援装置。
11. 前記評価手段は、前記第２の検査データの特性と前記複数の時系列検査データの特性との間の差異に基づいて、前記複数の時系列検査データの中から前記第２の検査データに関連する検査データを選択することを特徴とする請求項１０に記載の医療診断支援装置。
12. 前記評価手段は、前記第２の検査データと前記複数の時系列検査データからなる検査データの経時変化に基づいて、前記複数の時系列検査データの中から前記第２の検査データに関連する検査データを選択することを特徴とする請求項１０に記載の医療診断支援装置。
13. 前記第１の生成所見を提示する所見提示手段を更に有し、
    前記第１の取得手段は、前記所見提示手段で提示された前記第１の生成所見を変更する指示が前記操作部から入力されることによって前記第１の読影所見を取得することを特徴とする請求項１乃至１２のいずれか１項に記載の医療診断支援装置。
14. 前記評価手段は、前記操作部からの入力により、前記所見提示手段で提示された前記第１の生成所見を変更したか否かを示す情報に基づいて、当該第１の生成所見の信頼性を評価することを特徴とする請求項１３に記載の医療診断支援装置。
15. 前記評価手段は、前記所見提示手段で提示された前記第１の生成所見の変更の度合いに基づいて、当該第１の生成所見の信頼度を評価することを特徴とする請求項１３に記載の医療診断支援装置。
16. 前記第１の生成手段又は前記第２の生成手段のいずれかによって生成される生成所見は、前記被検体の画像を解析することにより自動的に生成される自動生成所見であることを特徴とする請求項２乃至４及び６乃至１２のいずれか１項に記載の医療診断支援装置。
17. 前記第１の生成手段又は前記第２の生成手段のいずれかによって生成される生成所見は、前記被検体の画像の特徴を示す情報と、前記特徴に基づく所見の情報と、前記所見に基づく診断の情報との少なくともいずれかを含むことを特徴とする請求項２乃至４及び６乃至１２及び１６のいずれか１項に記載の医療診断支援装置。
18. 前記第１の生成手段又は前記第２の生成手段のいずれかによって生成される生成所見は、前記被検体の画像の特徴を示す情報と、前記被検体の画像のある領域の特徴に基づく複数の所見の情報とを含むことを特徴とする請求項２乃至４及び６乃至１２及び１６のいずれか１項に記載の医療診断支援装置。
19. 前記被検体の画像を解析することにより前記画像に含まれる異常陰影を検出する検出手段を更に有し、
    前記第１の生成手段は、前記検出手段により検出された異常陰影について前記第１の生成所見を生成することを特徴とする請求項１乃至１８のいずれか１項に記載の医療診断支援装置。
20. 第１の生成手段が、被検体の第１の検査データを解析することにより、前記被検体の診断のための複数の項目を第１の生成所見として生成する工程と、
    第１の取得手段が、前記第１の検査データに基づく前記被検体の診断のための項目であって、操作部から入力された項目を第１の読影所見として取得する工程と、
    差異情報取得手段が、前記第１の生成所見と前記第１の読影所見に含まれるそれぞれの項目における差異に関する情報を取得する工程と、
    評価手段が、前記差異に関する情報に基づいて、前記第１の生成所見の複数の項目の信頼性をそれぞれ評価する工程と、
    を有することを特徴とする情報処理方法。
21. 第１の生成手段が、被検体の第１の検査データを解析して第１の生成所見を生成する工程と、
    第１の取得手段が、操作部から入力された前記第１の検査データに対する第１の読影所見を取得する工程と、
    差異情報取得手段が、前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する工程と、
    評価手段が、前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する工程と、
    第２の生成手段が、前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する工程と、
    第２の取得手段が、操作部から入力された前記第２の検査データに対する第２の読影所見を取得する工程と、
    信頼性提示手段が、前記第１の生成所見の信頼性の情報を、前記第２の生成所見とともに提示する工程と、
    を有することを特徴とする情報処理方法。
22. 第１の生成手段が、被検体の第１の検査データを解析して第１の生成所見を生成する工程と、
    第１の取得手段が、操作部から入力された前記第１の検査データに対する第１の読影所見を取得する工程と、
    差異情報取得手段が、前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する工程と、
    第２の生成手段が、前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する工程と、
    評価手段が、前記差異に関する情報に基づいて、前記第２の生成所見の信頼性を評価する工程と、
    を有することを特徴とする情報処理方法。
23. 第１の生成手段が、被検体の第１の検査データを解析して第１の生成所見を生成する工程と、
    第１の取得手段が、操作部から入力された前記第１の検査データに対する第１の読影所見を取得する工程と、
    差異情報取得手段が、前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する工程と、
    評価手段が、前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する工程と、
    第２の生成手段が、前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する工程と、
    所見提示手段が、前記差異に関する情報を、前記第２の生成所見とともに提示する工程と、
    を有することを特徴とする情報処理方法。
24. 被検体の第１の検査データを解析することにより、前記被検体の診断のための複数の項目を第１の生成所見として生成する第１の生成手段と、
    前記第１の検査データに基づく前記被検体の診断のための項目であって、操作部から入力された項目を第１の読影所見として取得する第１の取得手段と、
    前記第１の生成所見と前記第１の読影所見に含まれるそれぞれの項目における差異に関する情報を取得する差異情報取得手段と、
    前記差異に関する情報に基づいて、前記第１の生成所見の複数の項目の信頼性をそれぞれ評価する評価手段と、
    を有することを特徴とする医療診断支援システム。
25. 被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、
    操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、
    前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、
    前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する評価手段と、
    前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、
    操作部から入力された前記第２の検査データに対する第２の読影所見を取得する第２の取得手段と、
    前記第１の生成所見の信頼性の情報を、前記第２の生成所見とともに提示する信頼性提示手段と、
    を有することを特徴とする医療診断支援システム。
26. 被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、
    操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、
    前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、
    前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、
    前記差異に関する情報に基づいて、前記第２の生成所見の信頼性を評価する評価手段と、
    を有することを特徴とする医療診断支援システム。
27. 被検体の第１の検査データを解析して第１の生成所見を生成する第１の生成手段と、
    操作部から入力された前記第１の検査データに対する第１の読影所見を取得する第１の取得手段と、
    前記第１の生成所見と前記第１の読影所見との差異に関する情報を取得する差異情報取得手段と、
    前記差異に関する情報に基づいて、前記第１の生成所見の信頼性を評価する評価手段と、
    前記第１の検査データよりも新しい前記被検体の第２の検査データを解析して第２の生成所見を生成する第２の生成手段と、
    前記差異に関する情報を、前記第２の生成所見とともに提示する所見提示手段と、
    を有することを特徴とする医療診断支援システム。
28. コンピュータを、請求項１乃至１９のいずれか１項に記載の医療診断支援装置の各手段として機能させるためのプログラム。
29. コンピュータに、請求項２０乃至２３のいずれか１項に記載の情報処理方法の各工程を実行させるためのプログラム。
30. 請求項２８又は２９に記載のプログラムを記憶したコンピュータ読み取り可能な記憶媒体。

Images