JP7579765B2 - 解析装置、解析方法及び解析プログラム - Google Patents

Description

本開示は、解析装置、解析方法及び解析プログラムに関する。

対象事象のリスクを評価するために各種シミュレーションが用いられている。事象としては、例えば、疾病、感染症等、人間の健康を害する事象がある。特許文献１には、ヘルスケアデータ分析装置であって、所定の処理を実行する演算装置と、演算装置に接続された記憶デバイスとを有する計算機によって構成され、入力されたヘルスケアデータの少なくとも１項目のデータを用いて、各データに類似するＮ個のデータの集合を生成し、前記生成された集合内で、他の１項目のヘルスケアデータが大きい又は小さい方から所定割合に位置する値を目的変数とするリスク分析用データを生成する上位リスク値算出部と、前記入力されたヘルスケアデータの一部又は全部を説明変数とし、リスク分析用データに含まれる目的変数を予測するリスク予測モデルを、これらのデータの学習によって生成するリスク予測モデル生成部と、リスク予測モデルにヘルスケアデータを入力して、目的変数によって表されるリスクを予測するリスク予測部とを備えることを特徴とするヘルスケアデータ分析装置が記載されている。

特開２０２０－１３５４８９号公報

ここで、対象事象を解析する場合、解析の精度を高めるために、対象事象の多数の事例が必要となる。しかしながら、多数の事例のデータを取得するまでの期間を待つと、対応を開始するまでに時間が必要になる。

本開示の少なくとも一実施形態は、上記課題を解決するために、評価対象を高い精度で迅速に評価することができる解析装置、解析方法及び解析プログラムを提供することを課題とする。

本開示は、症状の重さに基づいてステージが設定され、ステージが変動する評価対象を解析する解析装置であって、前記症状の原因と、前記対象の属性情報と、前記対象のステージの変動とを含む個別データを複数の対象について記憶する記憶部と、原因毎に属性情報とステージの変動とを用いて、統計データを作成する統計データ作成部と、評価対象の原因の個別データから評価統計データを作成し、前記評価統計データと前記統計データと、を比較して、前記評価対象の原因の評価統計データと類似する統計データから予測結果を特定する予測部と、を含む解析装置を提供する。

本開示は、症状の重さに基づいてステージが設定され、ステージが変動する評価対象を解析する解析方法であって、前記症状の原因と、前記対象の属性情報と、前記対象のステージの変動とを含む個別データを複数の対象について記憶する記憶ステップと、原因毎に属性情報とステージの変動とを評価し、統計データを作成する統計データ作成ステップと、評価対象の原因の個別データから評価統計データを作成し、前記評価統計データと前記統計データとを比較して、前記評価対象の原因の評価統計データと類似する統計データの原因を特定する予測ステップと、を含む解析方法を提供する。

本開示は、症状の重さに基づいてステージが設定され、ステージが変動する評価対象を解析する解析方法であって、前記症状の原因と、前記対象の属性情報と、前記対象のステージの変動とを含む個別データを複数の対象について記憶する記憶ステップと、原因毎に属性情報とステージの変動とを評価し、統計データを作成する統計データ作成ステップと、評価対象の原因の個別データから評価統計データを作成し、前記評価統計データと前記統計データとを比較して、前記評価対象の原因の評価統計データと類似する統計データの原因を特定する予測ステップと、をコンピュータに実行させる解析プログラムを提供する。

上記構成とすることで、評価対象を高い精度で迅速に評価することができるという効果を奏する。

図１は、解析装置の一例を示すブロック図である。 図２は、個別データの一例を示す説明図である。 図３は、統計データの一例を示す説明図である。 図４は、解析装置の仮想統計データの作成処理の一例を示すフローチャートである。 図５は、解析装置の予測処理の一例を示すフローチャートである。 図６は、統計データの作成基準の一例を示す説明図である。 図７は、統計データの一例を示す説明図である。 図８は、予測方法の一例を示す説明図である。

以下に、本開示に係る実施形態を図面に基づいて詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。また、下記実施形態における構成要素には、当業者が置換可能かつ容易なもの、あるいは実質的に同一のものが含まれる。さらに、以下に記載した構成要素は適宜組み合わせることが可能であり、また、実施形態が複数ある場合には、各実施形態を組み合わせることも可能である。

本実施形態では、解析対象の事象として、人間がウイルスに感染した場合の症状の変動の傾向、特性を解析対象としている。本実施形態では、症状の重さに基づいて、症状を複数のステージに分類する。本実施形態では、感染するステージ、軽症のステージ、重症のステージに分類する。ウイルス（原因）の特性は、各ステージから別のステージに移動（移行）するリスク、具体的には、感染リスク、発症リスク、重症リスクを例とする。なお、本実施形態は、感染症を例としたが、これに限定されない。解析対象は、人間に限定されず例えば、産業機械の故障や異常にも適用することができる。なお、解析対象は、時間軸で症状の重さが変化するものが対象である。

図１は、解析装置の一例を示すブロック図である。本実施形態に係る解析装置１０は、解析対象について、個別の患者（対象、対象事象）について、原因（感染したウイルスの種類）、属性情報（属性データ）、ステージの遷移（症状変せんデータ）の情報を含む個別データを取得し、個別データを解析する。解析装置１０は、ウイルス毎に解析を行うことで、それぞれのウイルスの特性を算出する。また、解析装置１０は、取得したウイルスの特性の情報（統計データ）と、設定した条件に基づいて仮想ウイルスの特性（仮想統計データ）も算出する。さらに解析装置１０は、評価対象のウイルスに感染した評価対象の個別データと、統計データ、仮想統計データを比較して、類似する特性のウイルスを特定する。また、解析装置１０は、類似する特性のウイルスの統計データに基づいて、評価対象のウイルスの特性を推定する。

解析装置１０は、入力部１２と、出力部１４と、通信部１６と、演算部１８と、記憶部２０と、を含む。入力部１２は、キーボード及びマウス、タッチパネル、またはオペレータからの発話を集音するマイク等の入力装置を含み、オペレータが入力装置に対して行う操作に対応する信号を演算部１８へ出力する。出力部１４は、ディスプレイ等の表示装置を含み、演算部１８から出力される表示信号に基づいて、処理結果や処理対象の画像等、各種情報を含む画面を表示する。また、出力部１４は、データを記録媒体で出力する記録装置を含んでもよい。通信部１６は、通信インターフェースを用いて、データの送信を行う。通信１６は、外部機器と通信を行い取得した各種データ、プログラムを記憶部２０に送り、保存する。通信部１６は、有線の通信回線で外部機器と接続しても、無線の通信回線で外部機器と接続してもよい。

演算部１８は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の集積回路（プロセッサ）と、作業領域となるメモリとを含み、これらのハードウェア資源を用いて各種プログラムを実行することによって各種処理を実行する。具体的に、演算部１８は、記憶部２０に記憶されているプログラムを読み出してメモリに展開し、メモリに展開されたプログラムに含まれる命令をプロセッサに実行させることで、各種処理を実行する。

演算部１８は、統計処理部３０と、仮想モデル作成部３２と、学習部３４と、予測部３６と、を含む。なお、解析装置１０は、統計処理部３０と、モデル作成部３２と、学習部３４と、予測部３６と、通信網で接続して処理を実行しても、１つの処理装置で処理を実行してもよい。各部の機能については後述する。

記憶部２０は、磁気記憶装置や半導体記憶装置等の不揮発性を有する記憶装置からなり、各種のプログラムおよびデータを記憶する。記憶部２０は、個別データ４０と、テンプレートエータ４２と、統計データ４４と、処理プログラム４６と、予測プログラム４８と、を含む。

記憶部２０に記憶されるデータとしては、個別データ４０と、テンプレートデータ４２と、統計データ４４と、が含まれる。図２は、個別データの一例を示す説明図である。図２に示すように、個別データ４０は、個人識別データ１０２と、原因識別データ１０３と、各人の属性データ１０４と、症状変遷データ１０６を含むデータである。個別データ４０は、人間の１回の感染症ごとに、つまり解析対象毎（症例毎）に作成される。個人識別データ１０２は、個別データ４０を識別するためのデータであり、ＩＤ等が付与される。個人識別データ１０２は、個別データを識別できればよく、氏名等である必要はない。原因識別データ１０３は、対象者が感染したウイルス（原因）の種類である。なお、本実施形態ではウイルスの種類としたが、感染症の場合、ウイルスに加え、細菌も含めてもよい。個別データ１０２には、対象に対して同様の症状を発生させる種々の原因を含めることができる。属性データ１０４は、個別データ４０の対象者が、解析対象に影響を与える因子を備えているか否かを示す情報である。本実施形態の属性データ１０４は、基礎疾患や、既往歴、年齢、性別、身長、体重、生活習慣等、感染症の症状の遷移に影響を与える可能性がある各種属性情報である。症状変遷データ１０６は、個別データの対象者の症状の変遷、つまり、無症状、軽傷、重症の各ステージになったタイミング（日付）が含まれている。

なお、本実施形態では、個別データのそれぞれに属性情報とステージ（症状）の遷移を対応付けたが、属性情報と、ステージの遷移を別のデータとしてもよい。例えば、個人の属性データの情報と、属性情報毎に症状の遷移を示したデータと、を設け、個人の症状の遷移が特定できない情報でもよい。また、属性情報毎にステージの遷移を示したデータと、全体でのステージの遷移を示したデータとを、個別データとして用いてもよい。

テンプレートデータ４２は、個別データのテンプレート、解析モデルのテンプレート、統計データのテンプレート、解析結果を表示させるテンプレート等のデータを含む。個別データのテンプレートは、図２に示す各項目や症状変遷のデータを入力する項目、具体的には、症状の変遷と変化が生じた日時の情報を含む。また、テンプレートデータ４２は、仮想の原因に対するモデルを作成するための情報が含まれる。

統計データ４４は、統計処理部３０で個別データを処理して作成されるデータである。統計データ４４は、モデル作成部３２で作成された遷移モデルに対して、個別データ４０の属性毎に統計処理を行い、各属性について、ステージの遷移の統計を示すデータである。統計データ４４は、予測部３６での比較処理に用いるできる項目で作成されたデータである。統計データ４４は、各属性について、基準日（本実施形態では感染日）を基準として症状が遷移する確率を示すデータである。統計データ４４は、個別データ４０に基づいて作成された実在する原因から取得したデータ（実統計データ）と、仮想個別データに基づいて作成した仮想の原因から取得したデータ（仮想統計データ）と、を含む。

図３は、統計データ３０の一例を示す説明図である。図３に示すように、統計データ３０は、ステージ１１０とステージ１１２とステージ１１４のそれぞれを発生するリスクが、原因（ウイルス）と属性（疾患）の組み合わせ毎に算出されたデータである。ステージ１１０は、感染リスクのデータ、つまり各疾患を備える人が各ウイルスに感染するリスクの統計値である。ステージ１１２は、発症リスクのデータ、つまり各疾患を備え、各ウイルスに感染した人が発症するリスクの統計値である。ステージ１１４は、重症化リスクのデータ、つまり各疾患を備え、各ウイルスによる症状を発症した人が重症化するリスクの統計値である。ステージ１１２は、図３に示すように、グループ１２０、１２２、１２４でウイルスの種類毎に情報がまとめられている。グループ１２０には、ウイルスＡの場合における各疾患１３０，１３２、１３４がステージ１１０（感染）を引き起こすリスク値が含まれている。グループ１２２は、ウイルスＢの場合における各疾患がステージ１１０（感染）を引き起こすリスク値が含まれている。グループ１２４は、ウイルスＭの場合における同様の情報が含まれている。なお、グループは、ウイルスの数分、各ステージに設けられる。以上のように、統計データ３０は、個別データ、仮想個別データに基づいて集約されるものであり、各ステージから別のステージへの遷移を発生させるリスク値が、疾患、ウイルス及びステージごとに集約されたデータである。

記憶部２０に記憶されるプログラムとしては、処理プログラム４６と、予測プログラム４８と、がある。本実施形態の解析装置１０は、処理プログラム４６と、予測プログラム４８とで解析プログラムとなる。なお、予測処理を実行しない解析の場合、処理プログラム４６が解析プログラムとなる。

処理プログラム４６は、統計処理部３０、モデル作成部３２、学習部３４で実行されるプログラムである。処理プログラム４６は、個別データから統計データを作成する処理、仮想個別データを作成する処理、仮想個別データから仮想統計データを作成する処理、統計データ及び仮想統計データに基づいて、原因の特性を推定する方法を学習する処理を実行する。

予測プログラム４８は、予測部３６で実行されるプログラムである。予測プログラム４８は、処理プログラム４６で作成した推定方法と、評価対象の個別データに基づいて、入力された個別データの原因の特性を評価する。

記憶部２０は、記録媒体に記録された処理プログラム４６と、予測プログラム４８と、を読み込むことで、処理プログラム４６と、予測プログラム４８と、がインストールされてもよいし、ネットワーク上で提供される処理プログラム４６と、予測プログラム４８と、を読み込むことで、処理プログラム４６と、予測プログラム４８と、がインストールされてもよい。

演算部１８の各部の機能について説明する。演算部１８の各部は、記憶部２０に記憶されるプログラムを実行することで、実行することができる。統計処理部３０は、個別データ４０のデータを読み出し、原因及び属性情報毎に、各ステージを移行するリスクを対応付けたデータを作成する。リスクは、０を最少、１を最大とする無次元数で算出してもよい。また、リスクは、１つの数値としてもよいが時間を変数とする関数としてもよい。つまり、基準時点（ステージになったタイミング）からの経過時間ごとに、次のステージに移行するリスクの値を設定してもよい。

仮想モデル作成部３２は、仮想の原因を設定し、原因の特性を設定することで、仮想の個別データを作成する。仮想モデル作成部３２は、実際の感染症から取得した個別データ４０に基づいて、疾患と症状の進展のリスクと、を設定し、設定に基づいてモンテカルロ法を用いたランダムサンプリングを行うことで、仮想個人データを作成する。また、仮想個人データの作成方法はランダムサンプリングに限定されず、データを生成する種々の方法を用いることができる。また、仮想モデル作成部３２は、仮想個別データを作成せずに、仮想統計データを作成してもよい。

学習部３４は、実統計データと仮想統計データを含む統計データを解析し、評価対象の新たな原因の個別データから、評価対象の新たな原因の仮想個別データを作成するアルゴリズムを生成する。アルゴリズムは、モンテカルロ法等のランダムサンプリングで、仮想個別データの疾患の条件を設定し、さらに、症状の変化を算出する処理規則である。学習部３４は、実統計データと仮想統計データとに基づいて、作成する基準を設定する処理としても、機械学習で、仮想個別データを作成する処理を実行してもよい。

予測部３６は、学習部３４で算出した類似の判定処理を用いて、評価対象の新たな原因の個別データの特性を予測する。予想部３６は、評価対象の新たな原因と類似する特性を備える原因の特定を行う。予想部３６は、類似する特性を備える原因で記憶された属性情報とステージの推移に基づいて、評価対象の新たな原因の、属性情報とステージの推移との関係を予測する。

次に、図４及び図５を用いて、解析装置の処理について説明する。図４は、解析装置の処理の一例を示すフローチャートである。図５は、解析装置の予測処理の一例を示すフローチャートである。

図４を用いて、処理の一例を説明する。図４に示す処理は、解析装置１０の各部で動作を実行することで、実現される。解析装置１０は、個別データを取得する（ステップＳ１２）。具体的には、記憶部２０の個別データ４０を読み込む。解析装置１０は、原因毎に個別データを分類する（ステップＳ１４）。

解析装置１０は、原因毎に実統計データを作成する（ステップ１６）。解析装置１０は、疾患ごとに、疾患を有する個別データを抽出し、症状の遷移の情報を抽出する。ここで、個別データが複数の疾患を有する人物のデータである場合、複数の疾患でそれぞれ抽出される。解析装置１０は、疾患ごとの症状の遷移の統計情報に基づいて、症状のリスク、つまり症状が悪化する可能性を、値で算出する。リスクの算出を原因毎、症状毎、疾患毎に実行することで、１つの原因について、症状毎、疾患毎に設定したリスクの値を算出する。

解析装置１０は、仮想モデルの条件を設定する（ステップＳ１８）。具体的には、解析装置１０は、仮想のウイルスを設定し、ウイルスの特性を設定する。ウイルスの特性は、個別データ４０と統計データ４４に基づいて傾向を設定し、既存のウイルスの特性を調整することで、作成できる。仮想モデルの条件は、疾患に対する特性等の定義となる。

解析装置１０は、モンテカルロ法を用いて、仮想個別データを作成する（ステップＳ２０）。解析装置１０は、モンテカルロ法を用いて、疾患の有無をランダムサンプリングし、その結果と、ステップＳ１８で設定した条件に基づいて、感染者の症状の遷移を推定した仮想個別データを作成する。解析装置１０は、仮想個別データに基づいて、仮想統計データを作成する（ステップＳ２２）。仮想統計データは、実統計データと同様の処理で作成できる。

解析装置１０は、終了条件を達成したかを判定する（ステップＳ２４）。終了条件は、種々の条件とすることができる。例えば、終了条件は、設定した数の仮想モデルについて解析を行ったかを終了条件としてもよい。解析装置１０は、終了条件を達成していない（ステップＳ２４でＮｏ）と判定した場合、ステップＳ１８に戻る。解析装置１０は、異なる仮想モデルについて、ステップＳ１８からステップＳ２２の処理を実行し、別の仮想統計データを作成する。

解析装置１０は、終了条件を達成している（ステップＳ２４でＹｅｓ）と判定した場合、つまり、設定した仮想モデルについて仮想統計データを作成した場合、処理を終了する。解析装置１０は、以上の処理で実統計データと仮想統計データを含む統計データを作成する。

次に、図５を用いて、図４で作成したデータを用いた解析方法について説明する。図５は、解析装置の予測処理の一例を示すフローチャートである。図５に示す処理は、評価対象の原因の個別データを、統計データを用いて解析し、評価対象の原因の特性を予測する処理である。図５に示す処理は、予測部３６で、各処理を実行する。予測部３６は、評価対象の個別データを読み出す（ステップＳ３２）。原因で生じる症状の推移を推定したい対象の個別データを取得する。

次に、予測部３６は、評価対象の仮想個別データを作成する（ステップＳ３４）。予測部３６は、評価対象の個別データを学習部３４に入力して処理を実行し、仮想個別データを作成する。これにより、評価対象の原因を分析する個別データを増加させることができる。

予測部３６は、評価対象の仮想統計データを作成する（ステップＳ３６）。予測部３６は、評価対象の個別データと、評価対象の仮想個別データとを用いて、評価対象の仮想統計データを作成する。

予測部３６は、原因毎の統計データ及び仮想統計データと、評価対象の仮想統計データとを比較し、評価対象の仮想統計データに類似するデータとなる原因を特定する（ステップＳ３８）。予測部３６は、評価対象の仮想統計データに含まれる疾患の分布の情報を抽出し、原因毎の統計データ及び仮想統計データについて、抽出した疾患の分布の情報に基づいて傾向を算出する。予測部３６は、同じ疾患の分布となる原因毎の統計データ及び仮想統計データと、評価対象の仮想統計データと、を比較して、傾向が類似する原因を特定する。

予測部３６は、特定した原因の統計データまたは仮想統計データに基づいて予測結果を出力する（ステップＳ４０）。出力部１４から予測結果を出力する。ここで、予測結果は、評価対象の仮想統計データには含まれない疾患に対するステージの遷移の情報も含まれる。

解析装置１０は、原因に対応する実統計データを作成し、評価対象の実統計データに基づいて、評価対象の原因についての評価統計データを作成する。さらに、解析装置１０は、評価対象の原因の評価統計データの値と、統計データの各原因の値と、を比較して、評価対象の原因の評価統計データと類似する統計データの原因を特定する。このように、解析装置１０は、種々の原因に対応する実統計データを作成し、評価対象の評価統計データと、実統計データを比較して、評価対象の原因と類似する統計データを特定することで、適切に評価対象の原因のリスクを評価することができる。

解析装置１０は、本実施形態のように、仮想原因に対する仮想統計データすることが好ましい。この場合、解析装置１０は、原因に対応する実統計データと、仮想原因に対する仮想統計データと、を作成し、評価対象の実統計データ及び評価対象の仮想統計データとに基づいて、評価対象の原因についての評価統計データを作成する。本実施形態の評価統計データは、実統計データと仮想統計データとを含めて算出した仮想評価統計データとなる。さらに、解析装置１０は、評価対象の原因の評価統計データの値と、統計データの各原因の値と、を比較して、評価対象の原因の評価統計データと類似する統計データの原因を特定する。解析装置１０は、原因毎の統計データ及び原因毎の仮想統計データと、評価対象の評価統計データと、を比較することで、評価対象の原因の個別データが少ない場合でも、適切に評価対象の原因のリスクを評価することができる。解析装置１０は、仮想原因に対する仮想統計データを作成することで、評価対象の原因の仮想統計データと比較する対象をより多くすることができ、類似する原因を高い精度で検出することができる。

また、上記実施形態では、評価対象の原因に対するステージの推移の傾向を属性情報毎に予測し、予測結果を出力することで、評価対象の原因をより詳細に予測できるが、評価対象の原因と類似すると判定した原因を出力してもよい。

また、解析装置１０は、評価対象の原因の個別データを補間して、仮想評価個別データを作成してもよい。個別データと、評価個別データを用いて、評価対象の原因についての仮想統計データを作成することで、比較処理を行いやすくできる。なお、解析装置１０は、仮想評価個別データを作成せずに、評価対象の原因の個別データのみで評価統計データを作成してもよい。

解析装置１０は、原因に対応する実統計データと仮想原因に対する仮想統計データとを含む統計データを用いて、評価対象の原因についての個別データから、評価対象の原因についての仮想個別データを作成することで、評価対象の原因についての個別データが少ない場合でも比較しやすい仮想統計データを作成することができる。また、原因に対応する統計データと仮想原因に対する仮想統計データを用いて、評価対象の原因についての仮想個別データを作成することで精度が高い仮想個別データを作成することができる。なお、比較の精度が高くなるため、仮想個別データを用いることが好ましいが、評価対象の原因についての個別データのみで統計データを作成し、比較を行ってもよい。

解析装置１０は、統計データ、仮想統計データを、原因毎に分類し、さらに、それぞれの症状についてより深刻な症状に遷移する確率を、疾患毎に算出する。これにより、疾患毎のリスクを評価値とすることができ、統計データごとの比較の際に、原因に影響がある疾患（属性）等を評価することができる。これにより、原因に対して影響を与える因子を確認することができ、評価対象の原因についての、疾患とリスクとの関係、つまり属性情報の影響を高い精度で予測することができる。

また、解析装置１０は、モンテカルロ法等のランダムサンプリングで仮想の個別データを作成して、仮想統計データを作成することで、多数の仮想個別データを作成することができる。また、上記実施形態の解析装置１０は、仮想モデル作成部３２で、仮想原因の仮想統計データを作成することで、上記効果を得ることができるが、多数の原因について統計データ、つまり実統計データが十分に含まれる場合は、仮想統計データを作成せずに処理を実行することもできる。

また、解析装置１０は、リスク値を時間軸の関数で設定することで、症状の遷移をより高い精度で解析することができる。

また、解析装置１０は、発症からの時間軸ではなく、全体の時間軸に基づいて、同じ原因に対して、時間帯により異なる項目のリスク値を適用してもよい。図６は、統計データの作成基準の一例を示す説明図である。図７は、統計データの一例を示す説明図である。つまり、全体の時間軸、つまり発症した期間により、適用する疾患に適用するリスク値を異なるリスク値として、１つの疾患に対して、複数のリスク値を設定してもよい。例えば、図６に示す期間１４０、期間１４２、期間１４４のそれぞれの期間で発生した個別データを、別々の統計データとして分類し、１つの原因について、期間１４０の統計データ、期間１４２の統計データ、期間１４４の統計データを作成してもよい。解析装置１０は、それぞれの原因について期間１４０の統計データ、期間１４２の統計データ、期間１４４の統計データを作成することで、図７に示すように、期間１４０について原因、疾患、ステージ毎の発生確率を算出した統計データ、期間１４２の原因、疾患、ステージ毎の発生確率を算出した統計データ、期間１４４の原因、疾患、ステージ毎の発生確率を算出した統計データを作成できる。この場合、１つの原因についての統計データであるので、関連する情報を紐づけ、統計データを比較する際に、それぞれの期間ごとで比較を実行する。これにより、期間によって変化する特性を考慮することができる。なお、期間を比較する場合は、原因が発生したタイミングを起点としても、暦（季節）、例えば、１月１日等の特定に日を起点としてもよい。これにより、より高い精度の解析を行うことができる。例えば、全体の時間軸、季節要因を含んで、季節ごとの傾向を分析することもできる。

また、症状のステージに関するタイミング、つまり、ステージの遷移のタイミングを時間軸の基準として、統計データを作成してもよい。例えば、感染した日を基準として、１日目から５日目、６日目から１０日目、１１日目以降を別々の統計データとして作成してもよい。

予測部３６は、評価対象の原因についての仮想統計データの比較を行う場合、評価対象の原因についての仮想統計データのそれぞれの疾患のリスク値に対しての許容範囲（余裕度）を設定し、統計データ、仮想統計データの値の一致を評価するようにしてもよい。図８は、予測方法の一例を示す説明図である。予測部３６は、図８に示すように、評価統計データを用いて、各疾患に対して、許容値１５０を設定する。予測部３６は、統計データから選択した１つの原因の実統計データまたは仮想統計データを抽出し、抽出したデータのそれぞれの疾患のリスク値１５２と、評価対象の原因の許容範囲１５０と、を比較する。図８に示す例では、許容範囲１５０に含まれないリスク値１５２が多い。このため、予測部３６は、選択した１つの原因の統計データまたは仮想統計データは類似しないと判定する。

予測部３６は、各原因について比較処理を実行することで、最も類似する原因を高い精度で特定することができる。類似している原因を特定できることで、少ない個別データで特性が不明な疾患に対する影響についても、高い精度で特性を推定することができ、より適切な対応を行うことができる。また、予測部３６は、時間軸で統計データを分離する場合、それぞれの時間軸での比較を行うことで、時間で特性が変化する場合にも適切に対応することができる。

１０ 解析装置
１２ 入力部
１４ 出力部
１６ 通信部
１８ 演算部
２０ 記憶部
３０ 統計処理部
３２ 仮想モデル作成部
３４ 学習部
３６ 予測部
４０ 個別データ
４２ テンプレートデータ
４４ 統計データ
４６ 処理プログラム
４８ 予測プログラム
１０２ 個人識別データ
１０３ 原因識別データ
１０４ 属性データ
１０６ 症状変遷データ
１１０、１１２、１１４ ステージ
１２０、１２２、１２４ グループ
１３０、１３２、１３４ 項目

Claims (13)

1. 症状の重さに基づいてステージが設定され、ステージが変動する評価対象を解析する解析装置であって、
   前記症状の原因と、前記対象の属性情報と、前記対象のステージの変動とを含む個別データを複数の対象について記憶する記憶部と、
   前記症状の原因毎に属性情報とステージの変動とを用いて、統計データを作成する統計データ作成部と、
   評価対象の前記症状の原因の個別データから評価統計データを作成し、
   前記評価統計データと評価対象以外の症状の原因の前記統計データと、を比較して、前記評価対象の前記症状の原因の評価統計データに評価統計データのステージの遷移の傾向が類似する症状の原因を特定し、特定した評価統計データが類似する症状の原因の統計データを抽出し、
   特定した評価統計データが類似する症状の原因の統計データのステージの遷移の傾向に基づいて、前記評価対象の前記症状の原因の前記統計データに含まれないステージの遷移の情報を含む予測結果を特定する予測部と、を含む解析装置。
2. 前記統計データ作成部は、前記統計データ及び前記個別データに基づいて仮想の原因のステージの遷移の傾向を設定し、前記仮想の原因の症状の有無をランダムサンプリングした結果と、前記仮想の原因の傾向に基づいて、前記仮想の原因と属性情報とステージの変動を含む仮想個別データを複数作成し、仮想個別データから前記仮想の原因の仮想統計データを作成する仮想モデル作成部を含み、
   前記予測部は、前記仮想統計データを前記統計データに含める請求項１に記載の解析装置。
3. 前記予測部は、特定した前記症状の原因の統計データに基づいて、前記評価対象の前記症状の原因についての属性情報とステージの変動の推移との関係を予測する請求項１または請求項２に記載の解析装置。
4. 前記統計データは、属性情報毎に、各ステージから別のステージへの移動の発生確率がに設定されたデータである請求項１から請求項３のいずれか一項に記載の解析装置。
5. 前記個別データは、ステージの変動の基準時点からの時間軸での変化の情報を含み、
   前記統計データ作成部は、時間軸を複数に分割し、それぞれの時間帯について、統計データを作成し、
   前記予測部は、前記時間軸の情報も比較対象として用いて、前記評価対象の前記症状の原因の評価統計データと類似する統計データの原因を特定する請求項１または請求項２に記載の解析装置。
6. 前記基準時点は、ステージが変動した時点である請求項５に記載の解析装置。
7. 前記基準時点は、設定した日付の時点である請求項５に記載の解析装置。
8. 前記予測部は、前記評価対象の前記症状の原因の個別データを補間して、前記評価対象の前記症状の原因の仮想個別データを作成し、前記評価対象の前記症状の原因の個別データと前記評価対象の前記症状の原因の仮想個別データに基づいて、前記評価対象の前記症状の原因の評価統計データを作成し、前記評価対象の前記症状の原因の仮想統計データの値と、前記統計データの前記症状の各原因の値と、を比較して、前記評価対象の前記症状の原因の評価統計データと類似する統計データの前記症状の原因を特定する請求項１から請求項７のいずれか一項に記載の解析装置。
9. 前記予測部は、前記評価対象の前記症状の原因の仮想統計データのステージの変動のリスク値を範囲で設定し、前記評価対象の前記症状の原因の仮想統計データのリスク値の範囲と、前記統計データの前記症状の各原因のリスク値と、を比較する請求項２に記載の解析装置。
10. 前記予測部は、前記評価対象の原因の個別データと、前記統計データとを用いて、ランダムサンプリングで前記評価対象の前記症状の原因の仮想個別データを複数作成し、
    前記評価対象の前記症状の原因の個別データと、前記仮想個別データを用いて、前記評価対象の前記症状の原因の仮想統計データを作成する請求項８または請求項９に記載の解析装置。
11. 前記対象は、人であり、
    前記原因は、ウイルスに起因する感染症である請求項１から請求項１０のいずれか一項に記載の解析装置。
12. 症状の重さに基づいてステージが設定され、ステージが変動する評価対象を解析する解析方法であって、
    解析装置が、前記症状の原因と、前記対象の属性情報と、前記対象のステージの変動とを含む個別データを複数の対象について記憶する記憶ステップと、
    前記解析装置が、前記症状の原因毎に属性情報とステージの変動とを対応付けた、統計データを作成する統計データ作成ステップと、
    前記解析装置が、評価対象の前記症状の原因の個別データから評価統計データを作成し、前記評価統計データと評価対象以外の症状の原因の前記統計データと、を比較して、前記評価対象の前記症状の原因の評価統計データに、評価統計データのステージの遷移の傾向が類似する症状の原因を特定し、特定した評価統計データが類似する症状の原因の統計データを抽出し、
    特定した評価統計データが類似する症状の原因の統計データのステージの遷移の傾向に基づいて、前記評価対象の前記症状の原因の前記統計データに含まれないステージの遷移の情報を含む予測結果を特定する予測ステップと、を含む解析方法。
13. 症状の重さに基づいてステージが設定され、ステージが変動する評価対象を解析する解析プログラムであって、
    前記症状の原因と、前記対象の属性情報と、前記対象のステージの変動とを含む個別データを複数の対象について記憶する記憶ステップと、
    前記症状の原因毎に属性情報とステージの変動とを対応付けた、統計データを作成する統計データ作成ステップと、
    評価対象の前記症状の原因の個別データから評価統計データを作成し、前記評価統計データと評価対象以外の症状の原因の前記統計データと、を比較して、前記評価対象の前記症状の原因の評価統計データに、評価統計データのステージの遷移の傾向が類似する症状の原因を特定し、特定した評価統計データが類似する症状の原因の統計データを抽出し、
    特定した評価統計データが類似する症状の原因の統計データのステージの遷移の傾向に基づいて、前記評価対象の前記症状の原因の前記統計データに含まれないステージの遷移の情報を含む予測結果を特定する予測ステップと、をコンピュータに実行させる解析プログラム。
    
    
    
    

Images