JP7622860B2 - アセスメント評価装置、アセスメント評価方法及びプログラム - Google Patents

Description

本開示は、看護記録の一部であるアセスメント（看護アセスメント）の評価を行うアセスメント評価装置、アセスメント評価方法及び記憶媒体の技術分野に関する。

診療や治療方針の支援のためのシステムとして、患者の症状を数値化した症状ベクトルで類似度を定義し、対象患者に症状ベクトルが類似する過去の患者を検出するシステムが知られている（例えば、特許文献１参照。）。

特開２００３－１２２８４５号公報

看護記録の１項目として記載されるアセスメントには、患者の看護方針に関する分析やその思考過程の記載が求められ、経験が浅い看護師等では的確にアセスメントを記載することが難しい。従って、適切な看護記録の作成支援のために、アセスメントが正しく記載されているか否かを評価するシステムが必要とされる。

本開示は、上述した課題を鑑み、アセスメントを評価することが可能なアセスメント評価装置、アセスメント評価方法及び記憶媒体を提供することを目的の１つとする。

アセスメント評価装置の一の態様は、
看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成する記載単語ベクトル生成手段と、
前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成する理想単語ベクトル生成手段と、
前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する評価手段と、
を有するアセスメント評価装置である。

アセスメント評価方法の一の態様は、
コンピュータが、
看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成し、
前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成し、
前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する、
アセスメント評価方法である。

プログラムの一の態様は、
看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成し、
前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成し、
前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する処理をコンピュータに実行させるプログラムである。

本開示によれば、対象患者の看護アセスメントの評価を決定することができる。

第１実施形態に係るアセスメント支援システムの概略構成を示す。 （Ａ）アセスメント評価装置の処理概要を表す図である。（Ｂ）回帰モデルが行う処理の概要を表す図である。 （Ａ）アセスメント評価装置のハードウェア構成を示す。（Ｂ）学習装置のハードウェア構成を示す。 アセスメント評価装置の機能ブロックの一例である。 学習装置の機能ブロックの一例である。 具体例におけるアセスメント評価装置の処理概要を示す図である。 アセスメントの評価に関する第１表示例である。 アセスメントの評価に関する第２表示例である。 アセスメントの評価に関する第３表示例である。 第１実施形態においてアセスメント評価装置が実行するフローチャートの一例である。 第２実施形態に係るアセスメント支援システムの概略構成を示す。 アセスメント評価装置の機能ブロックの一例である。 第２実施形態においてアセスメント評価装置が実行するフローチャートの一例である。 第３実施形態におけるアセスメント支援システムの概略構成を示す。 第４実施形態におけるアセスメント評価装置のブロック図である。 第４実施形態においてアセスメント評価装置が実行するフローチャートの一例である。

以下、図面を参照しながら、アセスメント評価装置、アセスメント支援方法及び記憶媒体の実施形態について説明する。

＜第１実施形態＞
（１）システム構成
図１は、第１実施形態に係るアセスメント支援システム１００の概略構成を示す。アセスメント支援システム１００は、医療従事者（典型的には、看護師や看護学生等。以下「ユーザ」とも呼ぶ。）によるアセスメント（詳しくは、看護アセスメント）の作成を支援するシステムである。ここで、「アセスメント」とは、患者を看護するために記録される看護記録の分析手法の１つである「ＳＯＡＰ」に含まれる記載項目である。「ＳＯＡＰ」のうち、「Ｓ」は患者の主観的情報、「Ｏ」は客観的情報、「Ａ」は「アセスメント」、そして、「Ｐ」は看護計画を示す。「アセスメント」には、主観的情報（即ち「Ｓ」）及び客観的情報（即ち「Ｏ」）が分析されることにより導かれた判断及び評価の他、意見及び印象等が記載される。以下、看護記録の「アセスメント」として記載されている文章（テキスト）情報を、特に「アセスメント情報」とも呼ぶ。

アセスメント支援システム１００は、主に、アセスメント評価装置１と、入力装置２と、出力装置３と、記憶装置４と、学習装置５とを備える。

アセスメント評価装置１は、評価対象として指定されたアセスメントに対する評価を行う。アセスメント評価装置１は、通信網を介し、又は、無線若しくは有線による直接通信により、入力装置２、出力装置３、及び記憶装置４とデータ通信を行う。そして、アセスメント評価装置１は、入力装置２から供給される入力信号「Ｓ１」、及び記憶装置４に記憶された情報に基づいて、評価対象のアセスメントの特定及び評価を行う。アセスメント評価装置１は、アセスメントの評価結果に関する出力信号「Ｓ２」を生成し、生成した出力信号Ｓ２を出力装置３に供給する。

図２（Ａ）は、アセスメント評価装置１の処理概要を表す図である。概略的には、アセスメント評価装置１は、テキストとして表された評価対象のアセスメントと、当該アセスメントが作成される患者の患者状態とに基づき、当該アセスメントに関する評価を決定し、決定した評価を表す評価結果を出力する。この場合、アセスメントは、アセスメントの作成においてキーワードとなる所定の単語（「候補単語」とも呼ぶ。）の有無を数値化した単語ベクトルに変換される。候補単語は、評価対象のアセスメントに含まれるべき単語の候補となる単語であり、複数の単語が候補単語として定められる。上述の候補単語及び患者状態の具体例については後述する。

再び、図１を参照してアセスメント評価装置１以外の構成について説明する。

入力装置２は、ユーザによる情報の手入力（外部入力）を受け付けるインターフェースである。入力装置２は、例えば、タッチパネル、ボタン、キーボード、マウス、音声入力装置などの種々のユーザ入力用インターフェースであってもよい。入力装置２は、生成した入力信号Ｓ１を、アセスメント評価装置１へ供給する。出力装置３は、アセスメント評価装置１から供給される出力信号Ｓ２に基づき、所定の情報を表示又は音出力する。出力装置３は、例えば、ディスプレイ、プロジェクタ、スピーカ等である。

記憶装置４は、アセスメント評価装置１及び学習装置５が実行する処理に必要な各種情報を記憶するメモリである。記憶装置４は、アセスメント評価装置１又は学習装置５に接続又は内蔵されたハードディスクなどの外部記憶装置であってもよく、フラッシュメモリなどの記憶媒体であってもよい。また、記憶装置４は、アセスメント評価装置１及び学習装置５とデータ通信を行うサーバ装置であってもよい。また、記憶装置４は、複数の装置から構成されてもよい。また、記憶装置４に記憶される情報の少なくとも一部は、アセスメント評価装置１又は学習装置５により記憶されてもよい。

記憶装置４は、機能的には、主に、対象患者情報記憶部４１と、過去患者情報記憶部４２と、回帰モデル記憶部４３とを有している。

対象患者情報記憶部４１は、アセスメントが評価対象となる患者（「対象患者」とも呼ぶ。）に関する情報である対象患者情報を記憶する。対象患者情報は、少なくとも、対象患者の患者状態に関する情報を含む。対象患者の患者状態に関する情報は、対象患者の基本的な属性を表す属性情報と、対象患者の過去の検査結果を示す検査情報と、対象患者の過去の一定期間における看護記録に関する情報である看護記録情報との少なくとも１つを含む。また、対象患者情報記憶部４１は、対象患者の現在の病状に関する看護記録をさらに記憶してもよい。

ここで、属性情報の例は、年齢、性別、病名、病期、看護診断、既往歴などが挙げられる。検査情報の例は、身長、体重、バイタル、血液検査結果などが挙げられる。また、看護記録情報の例は、過去一定期間での対象患者の看護記録（特にアセスメント情報）から生成した単語ベクトルである。この場合、単語ベクトルは、過去一定期間に作成された対象患者のアセスメント情報を前処理して抽出した単語ベクトルであってもよく、文章をベクトル化するための手法を用いて上記アセスメント情報を変換した単語ベクトルであってもよい。前者の単語ベクトルは、例えば、対象患者の過去のアセスメント情報における候補単語の有無を表すベクトルであり、後者の単語ベクトルは、例えば、ＢｏＷ（Ｂａｇ ｏｆ Ｗｏｒｄｓ）、Ｗｏｒｄ２ｖｅｃ等の任意の文章のベクトル化手法に基づき生成された単語ベクトルである。

過去患者情報記憶部４２は、アセスメントが過去に作成されて看護記録に記録されている患者（「過去患者」とも呼ぶ。）に関する情報である過去患者情報を記憶する。なお、過去患者のアセスメントは、例えば、ベテランの医療従事者が作成又はチェックすること等により、適切に生成されたものであるとする。過去患者情報記憶部４２は、複数の過去患者に関する過去患者情報を記憶している。過去患者情報は、少なくとも、過去に作成されたアセスメントを表す過去アセスメント情報と、当該アセスメントの作成時点での過去患者の患者状態を表す過去患者状態情報とを含んでいる。過去患者情報は、後述する回帰モデルの学習に用いられる。

なお、対象患者情報記憶部４１及び過去患者情報記憶部４２が記憶する情報は、複数患者に関する患者情報として記憶されたデータベースであってもよく、他のシステム（例えば、電子カルテシステム等）で生成され利用され得る各種データであってもよい。この場合、患者情報は、各患者に関して記録される情報（即ち、既知の情報）であり、例えば、各患者に関しての医師が作成する（または作成した過去の）診療記録、検査データ、及び看護記録等が含まれてよい。このような患者情報は、例えば、各患者を識別するための患者識別情報（「患者ＩＤ」とも呼ぶ。）に紐付けられている。そして、対象患者情報記憶部４１及び過去患者情報記憶部４２が記憶する情報は、２つに分けられて分散管理される代わりに、１つのデータベースとして管理されてもよく、３個以上のデータベースとして管理されてもよい。

回帰モデル記憶部４３は、評価対象の対象患者のアセスメントにおいて含まれるべき（即ち含まれることが理想である）単語（「理想単語」とも呼ぶ。）に関する情報を回帰的に出力する回帰モデルに関する情報を記憶する。例えば、回帰モデルは、候補単語ごとに設けられ、患者状態を表す情報が入力された場合に、対応する候補単語が理想単語である確からしさ（即ち理想的なアセスメントにおいて候補単語が出現する確からしさ）を出力するように学習された回帰モデルである。言い換えると、回帰モデルは、患者状態と、アセスメントにおける候補単語の記載の要否との関係を学習したモデルである。このような回帰モデルは、ロジスティック回帰モデルなどの統計モデルであってもよく、ニューラルネットワークなどの機械学習モデルであってもよい。そして、回帰モデル記憶部４３は、学習された回帰モデルを構成するために必要なパラメータの情報を記憶する。例えば、上述の回帰モデルが畳み込みニューラルネットワークなどのニューラルネットワークに基づくモデルである場合、回帰モデル記憶部４３は、層構造、各層のニューロン構造、各層におけるフィルタ数及びフィルタサイズ、並びに各フィルタの各要素の重みなどの各種パラメータの情報を記憶する。

学習装置５は、過去患者情報記憶部４２に記憶された過去患者情報に基づき回帰モデルの学習を行い、学習した回帰モデルのパラメータを回帰モデル記憶部４３に記憶する。学習装置５による学習は、アセスメント評価装置１によるアセスメントの評価の実行前に予めが行われる。

図２（Ｂ）は、学習装置５により学習された回帰モデルが行う処理の概要を表す図である。この例では、候補単語がＮ個（Ｎは２以上の整数）存在し、夫々の候補単語（候補単語１～候補単語Ｎ）に対するＮ個の回帰モデル（回帰モデル１～回帰モデルＮ）が学習されている。そして、夫々の学習済みの回帰モデルに対象患者の患者状態を表す情報が入力された場合、各回帰モデルは候補単語が理想単語である確からしさ（確率）を出力する。そして、アセスメント評価装置１は、回帰モデルの出力を統合することで、次元ごとに候補ベクトルが理想単語であるか否か又はその確からしさを示したＮ次元の単語ベクトル（「理想単語ベクトル」とも呼ぶ。）を生成する。そして、アセスメント評価装置１は、後述するように、理想単語ベクトルと、評価対象のアセスメントにおける理想単語の記載の有無を表す単語ベクトル（「記載単語ベクトル」とも呼ぶ。）との比較結果に基づき、アセスメントに対する評価を決定する。このように、アセスメント評価装置１は、評価対象のアセスメントの評価を、患者状態に基づき特定される理想単語の記載の有無に基づき決定する。

なお、図１に示すアセスメント支援システム１００の構成は一例であり、当該構成に種々の変更が行われてもよい。例えば、アセスメント評価装置１と学習装置５は、単一の装置により実現され、当該装置によりアセスメントの評価及び回帰モデルの学習が行われてもよい。他の例では、入力装置２及び出力装置３は、一体となって構成されてもよい。この場合、入力装置２及び出力装置３は、アセスメント評価装置１と一体又は別体となるタブレット型端末として構成されてもよい。また、アセスメント評価装置１は、複数の装置から構成されてもよい。この場合、アセスメント評価装置１を構成する複数の装置は、予め割り当てられた処理を実行するために必要な情報の授受を、これらの複数の装置間において行う。この場合、アセスメント評価装置１はシステムとして機能する。

（２）ハードウェア構成
図３（Ａ）は、アセスメント評価装置１のハードウェア構成を示す。アセスメント評価装置１は、ハードウェアとして、プロセッサ１１と、メモリ１２と、インターフェース１３とを含む。プロセッサ１１、メモリ１２及びインターフェース１３は、データバス１０を介して接続されている。

プロセッサ１１は、メモリ１２に記憶されているプログラムを実行することにより、アセスメント評価装置１の全体の制御を行うコントローラ（演算装置）として機能する。プロセッサ１１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＴＰＵ（Ｔｅｎｓｏｒ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのプロセッサである。プロセッサ１１は、複数のプロセッサから構成されてもよい。プロセッサ１１は、コンピュータの一例である。

メモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリなどの各種の揮発性メモリ及び不揮発性メモリにより構成される。また、メモリ１２には、アセスメント評価装置１が実行する処理を実行するためのプログラムが記憶される。なお、メモリ１２が記憶する情報の一部は、アセスメント評価装置１と通信可能な１又は複数の外部記憶装置により記憶されてもよく、アセスメント評価装置１に対して着脱自在な記憶媒体により記憶されてもよい。

インターフェース１３は、アセスメント評価装置１と他の装置とを電気的に接続するためのインターフェースである。これらのインターフェースは、他の装置とデータの送受信を無線により行うためのネットワークアダプタなどのワイアレスインタフェースであってもよく、他の装置とケーブル等により接続するためのハードウェアインターフェースであってもよい。

なお、アセスメント評価装置１のハードウェア構成は、図３（Ａ）に示す構成に限定されない。例えば、アセスメント評価装置１は、入力装置２又は出力装置３の少なくとも一方を含んでもよい。

図３（Ｂ）は、学習装置５のハードウェア構成を示す。学習装置５は、ハードウェアとして、プロセッサ５１と、メモリ５２と、インターフェース５３とを含む。プロセッサ５１、メモリ５２及びインターフェース５３は、データバス５０を介して接続されている。

プロセッサ５１は、メモリ５２に記憶されているプログラムを実行することにより、学習装置５の全体の制御を行うコントローラ（演算装置）として機能する。プロセッサ５１は、例えば、ＣＰＵ、ＧＰＵ、ＴＰＵなどのプロセッサである。プロセッサ５１は、複数のプロセッサから構成されてもよい。

メモリ５２は、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの各種の揮発性メモリ及び不揮発性メモリにより構成される。また、メモリ５２には、学習装置５が実行する処理を実行するためのプログラムが記憶される。なお、メモリ５２が記憶する情報の一部は、学習装置５と通信可能な１又は複数の外部記憶装置により記憶されてもよく、学習装置５に対して着脱自在な記憶媒体により記憶されてもよい。

インターフェース５３は、学習装置５と他の装置とを電気的に接続するためのインターフェースである。これらのインターフェースは、他の装置とデータの送受信を無線により行うためのネットワークアダプタなどのワイアレスインタフェースであってもよく、他の装置とケーブル等により接続するためのハードウェアインターフェースであってもよい。また、インターフェース５３には、入力装置や出力装置などが接続されてもよい。

なお、学習装置５のハードウェア構成は、図３（Ｂ）に示す構成に限定されない。例えば、学習装置５は、入力装置又は出力装置の少なくとも一方を含んでもよい。

（３）機能ブロック
図４は、アセスメント評価装置１の機能ブロックの一例である。アセスメント評価装置１のプロセッサ１１は、機能的には、患者状態取得部１４と、理想単語ベクトル生成部１５と、アセスメント取得部１６と、記載単語ベクトル生成部１７と、評価部１８と、出力制御部１９とを有する。なお、図４では、データの授受が行われるブロック同士を実線により結んでいるが、データの授受が行われるブロックの組合せは図４に限定されない。後述する他の機能ブロックの図においても同様である。

患者状態取得部１４は、対象患者の患者ＩＤと紐付けられて対象患者情報記憶部４１に記憶された患者状態に関する情報を、インターフェース１３を介して取得する。この場合、１４は、対象患者情報記憶部４１から取得した患者状態に関する情報を、回帰モデルの入力形式に整合するようにベクトル形式に変換し、ベクトル形式として表された患者状態を、理想単語ベクトル生成部１５に供給する。なお、患者状態は、ベクトル形式に限らずベクトル形式以外のテンソルにより表されてもよい。

理想単語ベクトル生成部１５は、患者状態取得部１４から供給される患者状態に基づき、理想単語ベクトルを生成する。この場合、理想単語ベクトル生成部１５は、回帰モデル記憶部４３を参照して構成した回帰モデルに患者状態を入力することで、Ｎ個の候補単語の各々が理想単語である確からしさを回帰モデルから取得する。そして、理想単語ベクトル生成部１５は、例えば、回帰モデルが出力するＮ個の候補単語に対する確からしさを閾値を用いて０又は１に変換し、変換されたＮ個の値を各次元の要素とする理想単語ベクトルを生成する。この場合、「０」は、対象の候補単語が理想単語ではないことを示し、「１」は、対象の候補単語が理想単語であることを示す。このように、理想単語ベクトルは、例えば、回帰モデルが候補単語ごとに出力する確からしさを２値化した値を要素とするベクトルとなる。上述の２値化処理の詳細については後述する。

なお、理想単語ベクトル生成部１５は、２値化処理を行うことで理想単語ベクトルの各要素が０又は１の値となるように変換する代わりに、回帰モデルが出力する各候補単語に対する確からしさを理想単語ベクトルの各次元の要素としてもよい。この場合、理想単語ベクトルは、Ｎ個の候補ベクトルが夫々理想単語である確からしさを表すベクトルとなる。理想単語ベクトル生成部１５は、理想単語ベクトルを評価部１８に供給する。

アセスメント取得部１６は、評価対象となるアセスメントを表すテキスト情報（即ちアセスメント情報）を取得する。この場合、例えば、アセスメント取得部１６は、評価対象となるアセスメントを表す入力信号Ｓ１を、インターフェース１３を介して入力装置２から取得し、当該入力信号Ｓ１に基づきアセスメント情報を生成する。他の例では、アセスメント取得部１６は、対象患者の看護記録に含まれるアセスメント情報を対象患者情報記憶部４１から取得する。そして、アセスメント取得部１６は、取得したアセスメント情報を記載単語ベクトル生成部１７に供給する。

記載単語ベクトル生成部１７は、評価対象となるアセスメントの記載単語ベクトルを生成する。ここで、記載単語ベクトルは、理想単語ベクトルの座標系と同一空間により表され、評価対象となるアセスメントにおける候補単語の有無を次元ごとに０又は１により表した単語ベクトルである。本実施形態において、「０」となる記載単語ベクトルの要素は、対象の候補単語が存在しないことを示し、「１」となる記載単語ベクトルの要素は、対象の候補単語が存在することを示す。記載単語ベクトル生成部１７は、記載単語ベクトルを評価部１８に供給する。

評価部１８は、理想単語ベクトル生成部１５から供給される理想単語ベクトルと、記載単語ベクトル生成部１７から供給される記載単語ベクトルとに基づき、評価対象となるアセスメントの評価を決定する。この場合、評価部１８は、理想単語ベクトルと記載単語ベクトルの類似度を算出し、算出した類似度に基づきアセスメントの評価を決定する。この場合の類似度の例は、ジャッカード係数、ミンコフスキー距離（マンハッタン距離、ユークリッド距離、及びチェビシェフ距離を含む）、コサイン類似度などが挙げられる。また、アセスメントの評価は、アセスメントの良し悪しを表す２値であってもよく、アセスメントの良し悪しを３段階以上により表したレベルであってもよく、所定の値域（例えば０～１００）に正規化されたスコアであってもよく、これらの組合せであってもよい。評価部１８は、決定したアセスメントの評価結果を出力制御部１９に供給する。

出力制御部１９は、評価部１８が決定したアセスメントの評価に関する情報を出力する。この場合、出力制御部１９は、例えば、アセスメントの評価結果を表す表示画面を表示するための出力信号Ｓ２を生成し、出力信号Ｓ２を、インターフェース１３を介して出力装置３に供給することで、上述の表示画面を出力装置３に表示させる。具体的な表示例については後述する。

図５は、学習装置５の機能ブロックの一例である。学習装置５のプロセッサ５１は、機能的には、単語ベクトル生成部５４と、学習部５５とを有する。

単語ベクトル生成部５４は、インターフェース５３を介し、回帰モデル記憶部４３から学習に用いる過去アセスメント情報を取得する。そして、単語ベクトル生成部５４は、取得した過去アセスメント情報に基づき、単語ベクトルを生成する。この場合、単語ベクトル生成部５４は、過去患者のアセスメントごとに、Ｎ個の候補単語の各々が含まれているか否かを表す単語ベクトルを生成する。この場合の単語ベクトルは、記載単語ベクトル及び理想単語ベクトルと同一空間（同一座標系）により表され、過去に作成されたアセスメントにおける候補単語の有無を次元ごとに０又は１により表した単語ベクトルである。そして、単語ベクトル生成部５４は、過去アセスメントごとに生成した単語ベクトルを、学習部５５に供給する。

学習部５５は、単語ベクトル生成部５４から供給される単語ベクトルと、回帰モデル記憶部４３からインターフェース５３を介して取得した過去患者状態情報とに基づき、回帰モデルの学習を行い、学習により得られた回帰モデルのパラメータを回帰モデル記憶部４３に記憶する。この場合、学習部５５は、過去患者ごとの患者状態をベクトル形式により表し、ベクトル形式により表された過去患者の患者状態を回帰モデルの入力として用いる。過去患者の患者状態を表すベクトルは、理想単語ベクトル生成部１５が用いる患者状態を表すベクトルと同一座標系（同一の特徴空間）により表されたベクトルである。また、学習部５５は、単語ベクトル生成部５４が生成した単語ベクトルに基づき、回帰モデルが出力すべき正解（即ち理想的な出力）を認識する。そして、学習部５５は、回帰モデルに対する入力と出力すべき正解との組に基づき、回帰モデルのパラメータを決定する。この場合、例えば、学習部５５は、入力に応じた回帰モデルの出力と、回帰モデルへの入力に対応する正解との誤差（損失）が最小となるように、回帰モデルのパラメータを決定する。損失を最小化するように上述のパラメータを決定するアルゴリズムは、勾配降下法や誤差逆伝播法などの機械学習等において用いられる任意の学習アルゴリズムであってもよい。

なお、図４において説明した、患者状態取得部１４、理想単語ベクトル生成部１５、アセスメント取得部１６、記載単語ベクトル生成部１７、評価部１８、出力制御部１９の各構成要素は、例えば、プロセッサ１１がプログラムを実行することによって実現できる。また、図５において説明した単語ベクトル生成部５４及び学習部５５は、例えば、プロセッサ５１がプログラムを実行することによって実現できる。また、必要なプログラムを任意の不揮発性記憶媒体に記録しておき、必要に応じてインストールすることで、各構成要素を実現するようにしてもよい。なお、これらの各構成要素の少なくとも一部は、プログラムによるソフトウェアで実現することに限ることなく、ハードウェア、ファームウェア、及びソフトウェアのうちのいずれかの組合せ等により実現してもよい。また、これらの各構成要素の少なくとも一部は、例えばＦＰＧＡ（Field-Programmable Gate Array）又はマイクロコントローラ等の、ユーザがプログラミング可能な集積回路を用いて実現してもよい。この場合、この集積回路を用いて、上記の各構成要素から構成されるプログラムを実現してもよい。また、各構成要素の少なくとも一部は、ＡＳＳＰ（Application Specific Standard Produce）、ＡＳＩＣ（Application Specific Integrated Circuit）又は量子プロセッサ（量子コンピュータ制御チップ）により構成されてもよい。このように、各構成要素は、種々のハードウェアにより実現されてもよい。以上のことは、後述する他の実施の形態においても同様である。さらに、これらの各構成要素は、例えば、クラウドコンピューティング技術などを用いて、複数のコンピュータの協働によって実現されてもよい。以上のことは、後述する他の実施の形態においても同様である。

（４）内部処理例
次に、第１実施形態においてアセスメント評価装置１及び学習装置５が実行する内部処理の具体例について説明する。

まず、回帰モデルの学習を行う場合、Ｎ個の候補単語が定められる。候補単語は、例えば、過去患者情報記憶部４２が記憶する過去患者のアセスメントのうち出現頻度が最も高いＮ個（Ｎは２以上の整数）の単語に定められる。この場合、過去患者のアセスメントの単語を形態素解析により抽出し、抽出した単語の頻度集計によりＮ個の候補単語が決定される。なお、候補単語は、この方法に限らず、任意の手法（属人的手法を含む）に基づき、アセスメントにおける重要なキーワードになるように定められてもよい。本具体例では、「呼吸」、「睡眠」、「倦怠感」の３個（Ｎ＝３）の単語が候補単語として定められたとする。

次に、回帰モデルに入力される患者状態の特徴（詳しくは、患者状態を表す特徴空間の各軸に対応する特徴）を定める。ここでは、一例として、患者状態は、「脈」に対応する軸と「病名」に対応する軸との２次元座標系により表されるものとする。なお、「脈」及び「病名」は、所定の規則に基づき数値化されている。以後では、「脈」を表す変数を「Ｘ」、「病名」を表す変数を「Ｙ」とする。これにより、患者状態は、上述の２次元座標系におけるベクトル（Ｘ，Ｙ）として表される。

そして、学習装置５は、回帰モデル記憶部４３に記憶された過去患者状態情報と過去アセスメント情報とに基づき、回帰モデルを学習する。この場合、例えば、学習装置５は、候補単語が理想単語である確からしさを出力する計３個の回帰モデルを学習する。この場合、候補単語「呼吸」に対する回帰モデルは、対象のアセスメントでの呼吸の出現に関する患者状態（Ｘ，Ｙ）に応じた事後確率「Ｐ（呼吸｜Ｘ，Ｙ）」を出力する。同様に、候補単語「睡眠」に対する回帰モデルは、対象のアセスメントにおける睡眠の出現に関する患者状態（Ｘ，Ｙ）に応じた事後確率「Ｐ（睡眠｜Ｘ，Ｙ）」を出力し、候補単語「倦怠感」に対する回帰モデルは、対象のアセスメントにおける倦怠感の出現に関する患者状態（Ｘ，Ｙ）に応じた事後確率「Ｐ（倦怠感｜Ｘ，Ｙ）」を出力する。

そして、評価段階では、アセスメント評価装置１は、対象患者の患者状態を取得し、学習した回帰モデルを利用することで、理想単語ベクトルを生成する。例えば、対象患者の「脈」が「Ｘ１」、「病名」が「Ｙ１」である場合、以下の確率ベクトルを算出する。
Ｐ（Ｐ（呼吸｜Ｘ１，Ｙ１），Ｐ（睡眠｜Ｘ１，Ｙ１），Ｐ（倦怠感｜Ｘ１，Ｙ１））

以後では、Ｐ（呼吸｜Ｘ１，Ｙ１）が「０．８」、Ｐ（睡眠｜Ｘ１，Ｙ１）が「０．１」、Ｐ（倦怠感｜Ｘ１，Ｙ１）が「０．６」であるものとし、確率ベクトルＰ（０．８，０．１，０．６）が得られたものとする。

次に、アセスメント評価装置１は、確率ベクトルＰに基づき理想単語ベクトルを生成する。この場合、アセスメント評価装置１は、確率ベクトルＰの各要素と比較する閾値を設定し、閾値以上の要素を「１」、閾値未満の要素を「０」に設定する。例えば、閾値が「０．５」に設定された場合、確率ベクトルＰ（０．８，０．１，０．６）から理想単語ベクトル（１，０，１）が得られる。この理想単語ベクトルは、「呼吸」及び「倦怠感」が理想単語（即ちアセスメントに出現すべき単語）に該当し、「睡眠」が理想単語ではないことを示している。

ここで、上述の閾値は、予めメモリ１２又は記憶装置４に記憶された共通の所定値に設定されてもよく、候補単語に応じた値に設定されてもよい。後者の場合、例えば、アセスメント評価装置１は、過去患者情報記憶部４２が記憶する過去患者のアセスメントにおいて各候補単語が出現する頻度に応じて、当該各候補単語に対応するベクトル要素と比較する閾値を決定してもよい。この場合、例えば、アセスメント評価装置１は、予め用意された所定の式又はテーブル情報等に基づき、上述の頻度が高い候補単語ほど、対応する閾値を低い値に設定する。これにより、使用される頻度が高い単語ほど理想単語として採用されやすくなる。

なお、アセスメント評価装置１は、確率ベクトルＰを理想単語ベクトルの要素を連続量に一般化したベクトルとみなし、確率ベクトルＰを理想単語ベクトルとして使用してもよい。この場合、アセスメント評価装置１は、上述の閾値を用いた２値化処理を実行しない。

次に、アセスメント評価装置１は、評価対象のアセスメントに基づき記載単語ベクトルを生成する。ここでは、一例として、評価対象のアセスメントが
「倦怠感の原因は睡眠不足と考えられる」
という文章であるものとする。この場合、アセスメント評価装置１は、形態素解析により評価対象のアセスメントに記載された単語（「睡眠」、「倦怠感」）を抽出し、抽出した単語が各候補単語（「呼吸」、「睡眠」、「倦怠感」）に該当するか否か判定することで、記載単語ベクトルを生成する。ここでは、候補単語「睡眠」及び「倦怠感」に対応する単語が抽出され、候補単語「呼吸」に対する単語が抽出されていないことから、記載単語ベクトルは、（０，１，１）となる。

そして、アセスメント評価装置１は、理想単語ベクトル（１，０，１）と記載単語ベクトル（０，１，１）との類似度を算出し、評価対象のアセスメントに対する評価を、算出した類似度に基づき決定する。

図６は、具体例におけるアセスメント評価装置１の処理概要を示す図である。ここでは、左図は、患者状態の特徴空間を表す座標系であり、右図は、理想単語ベクトル及び記載単語ベクトルの特徴空間を表す座標系である。アセスメント評価装置１は、回帰モデルを用い、対象患者の患者状態を表す脈と病名の組み合わせに相当する（Ｘ１，Ｙ１）を、理想単語ベクトルに変換する。また、アセスメント評価装置１は、評価対象のアセスメントの形態素解析により記載単語ベクトルを生成する。そして、アセスメント評価装置１は、理想単語ベクトルと記載単語ベクトルとの類似度を算出し、算出した類似度に基づき評価を決定する。

（５）表示例
次に、アセスメント評価装置１の出力制御部１９が出力装置３に表示させる表示例（第１表示例～第３表示例）について説明する。

図７は、アセスメントの評価に関する第１表示例である。第１表示例では、出力制御部１９は、患者ＩＤを指定して入力されたアセスメントの評価結果をユーザに提示する。出力制御部１９は、入力装置２が生成する入力信号Ｓ１等に基づき出力信号Ｓ２を生成し、出力信号Ｓ２を出力装置３に送信することで、出力装置３に図７に示す表示画面を表示させている。

第１表示例に係る表示画面上には、入力関連表示領域６０と、評価結果表示領域６１とが設けられている。そして、出力制御部１９は、入力関連表示領域６０上に、患者ＩＤをユーザが入力するための患者ＩＤ入力欄６２と、患者ＩＤ入力欄６２にて指定された患者ＩＤに対応するアセスメントをユーザが入力するためのアセスメント入力欄６３と、アセスメント入力欄６３に入力されたアセスメントの評価を指示する確認ボタン６４とを表示させている。また、出力制御部１９は、確認ボタン６４が選択されたことを検知した場合、アセスメント入力欄６３に入力されたアセスメントの評価結果を表す情報を表示する。第１表示例では、出力制御部１９は、評価対象のアセスメントの良し悪し（問題あり又は問題なし）を判定し、当該アセスメントが問題ないことを表す評価結果を評価結果表示領域６１上に表示している。

第１表示例における評価結果の算出について補足説明する。確認ボタン６４が選択されたことを出力制御部１９が検知した場合、患者状態取得部１４は、患者ＩＤ入力欄６２にて指定された患者ＩＤ「１２３４５６」に紐付けられた対象患者の患者状態を対象患者情報記憶部４１から取得し、理想単語ベクトル生成部１５は、患者状態取得部１４が取得した患者状態に基づき、理想単語ベクトルを生成する。また、アセスメント取得部１６は、アセスメント入力欄６３に入力されたテキスト情報を評価対象のアセスメント情報として取得し、記載単語ベクトル生成部１７は、アセスメント情報を形態素解析することで記載単語ベクトルを生成する。そして、評価部１８は、理想単語ベクトルと記載単語ベクトルとの類似度を算出し、当該類似度が予め定めた閾値以上であることから、アセスメントに問題ないことを表す評価結果を生成し、当該評価結果を出力制御部１９に供給する。

このように、第１表示例によれば、アセスメント評価装置１は、表示画面上にて患者ＩＤを指定して入力されたアセスメントの評価結果をユーザに好適に提示することができる。また、例えば、ユーザが研修期間などの育成段階にある場合には、アセスメント評価装置１は、ユーザが記入したアセスメントの評価結果をフィードバックとして提示することができる。このように、第１表示例によれば、ユーザの教育を支援することができる。なお、第１表示例の変形例として、アセスメント評価装置１は、入力関連表示領域６０において、患者状態を入力する入力欄をさらに設け、当該入力欄への入力内容に基づき患者状態を認識してもよい。

図８は、アセスメントの評価に関する第２表示例である。第２表示例では、出力制御部１９は、アセスメントの評価として、アセスメントの良し悪しを表すスコア及びそのレベルを表示し、かつ、評価対象のアセスメントに不足していた理想単語を提示する。

第２表示例に係る表示画面上には、入力関連表示領域６０と、評価結果表示領域６１とが設けられている。そして、出力制御部１９は、入力関連表示領域６０上に、上述した患者ＩＤ入力欄６２、アセスメント入力欄６３、及び確認ボタン６４を表示する。また、出力制御部１９は、確認ボタン６４が選択されたことを検知後、評価結果表示領域６１上に、評価結果表示欄６５と、未記載単語表示欄６６とを表示する。

出力制御部１９は、評価結果表示欄６５上に、評価結果として、スコア（ここでは、５０）と該当するスコアのレベル（ここでは警告レベル１）とを表示している。この場合の評価部１８の処理について補足説明する。第２表示例では、評価部１８は、評価結果として、理想単語ベクトルと記載単語ベクトルとの類似度を０～１００の値に正規化したスコアを算出し、さらに算出したスコアに対して複数の閾値を設けることで、スコアのレベルを決定している。なお、スコアは、１００が最も評価が高い値となり、０が最も評価が低い値となる。また、スコアのレベル判定において、評価部１８は、警告が必要なレベルであるか否かを判定する第１閾値（ここでは６０）と、警告が必要なレベルを２つに細分するための第２閾値（ここでは４０）とを設けている。そして、評価部１８は、算出したスコアが第２閾値より高く、かつ、第１閾値以下であることから、算出したスコアが警告レベル１に該当すると判定し、出力制御部１９は、スコアとレベルの判定結果とを評価結果表示欄６５上に表示する。

また、出力制御部１９は、未記載単語表示欄６６において、評価対象のアセスメントに含まれなかった理想単語（図ではキーワード）を表示している。具体的には、出力制御部１９は、理想単語（即ち理想単語ベクトルにおいて「１」の要素に対応する候補単語）のうち、評価対象のアセスメントに未記載の単語を、未記載単語表示欄６６に表示する。これにより、出力制御部１９は、アセスメントにおいて足りていないと推定されるキーワードをユーザが把握するのを支援することができる。

なお、出力制御部１９は、記載されなかった理想単語を表示する代わりに、又はこれに加えて、評価対象のアセスメントに含まれる単語（候補単語に限定してもよい）のうち、理想単語ではない単語を、不必要に記載された単語として表示してもよい。これにより、出力制御部１９は、評価対象のアセスメントにおいて余分な記載があることをユーザに通知することができる。

以上のように、第２表示例によっても、アセスメント評価装置１は、表示画面上にて患者ＩＤを指定して入力されたアセスメントの評価結果を、ユーザに提示することができる。また、ユーザが研修期間などの育成段階にある場合に、アセスメント評価装置１は、ユーザが記入したアセスメントの詳細な評価結果及びアセスメントにおいて不足する単語をフィードバックとして提示し、ユーザの教育を支援することができる。

図９は、アセスメントの評価に関する第３表示例である。第３表示例では、出力制御部１９は、対象患者情報記憶部４１に記憶されている複数の対象患者のアセスメントを対象として評価を一括して行い、その評価結果を表示する。

第３表示例に係る表示画面上には、入力関連表示領域６０Ａと、評価結果表示領域６１Ａとが設けられている。そして、出力制御部１９は、入力関連表示領域６０Ａ上に、期間指定入力欄７０と、表示選択欄７１と、確認ボタン７２とを表示する。ここで、期間指定入力欄７０は、評価対象とするアセスメントが作成された期間をユーザが指定する入力欄である。また、表示選択欄７１は、評価結果表示領域６１Ａに評価結果を表示させるアセスメントをスコアのレベルにより指定する欄であり、ここでは一例としてラジオボタン形式の入力欄となっている。なお、スコア及びスコアのレベルは、第２表示例と同一の算出方法により算出されるものとする。確認ボタン７２は、アセスメントの評価の実行をユーザが指示するボタンである。

そして、確認ボタン７２が選択されたことを検知した場合、アセスメント評価装置１は、期間指定入力欄７０にて指定された期間に作成されたアセスメントを対象として評価を行う。そして、出力制御部１９は、生成した評価結果のうち、表示選択欄７１にて指定された評価結果となる対象患者のリストを評価結果表示領域６１Ａに表示する。第３表示例では、出力制御部１９は、警告がある評価結果（即ち警告レベル１又は警告レベル２の評価結果）に該当する対象患者の看護記録及び評価結果の組を評価結果表示領域６１Ａに表示している。上記の看護記録には、患者ＩＤ、患者名、年齢、性別、病名、病期、担当看護師、及び評価対象のアセスメントが含まれており、上記の評価結果には、スコアとスコアのレベルとが含まれている。

このように、第３表示例によれば、アセスメント評価装置１は、データベース等に記憶されたアセスメントを対象として一括評価を行い、警告が存在するアセスメントの存在をユーザに提示することができる。以上のように、第１実施形態における各表示例によれば、アセスメントが正しく記載されているか否かに関する評価結果を表示し、看護記録の作成を支援することができる。ここで、看護記録の作成の支援には、看護記録を作成するユーザの教育支援が含まれる。

（６）処理フロー
図１０は、第１実施形態においてアセスメント評価装置１が実行するフローチャートの一例である。

まず、アセスメント評価装置１は、対象患者の患者状態及び評価対象のアセスメントを取得する（ステップＳ１１）。アセスメント評価装置１は、例えば、これらの情報を、記憶装置４の対象患者情報記憶部４１又は入力装置２から取得する。そして、アセスメント評価装置１は、ステップＳ１１で取得したアセスメントに基づき、記載単語ベクトルを生成する（ステップＳ１２）。また、アセスメント評価装置１は、ベクトル形式等により表された患者状態と学習済みの回帰モデルとに基づき、理想単語ベクトルを生成する（ステップＳ１３）。なお、ステップＳ１２とステップＳ１３の処理順序は逆であってもよい。

次に、アセスメント評価装置１は、ステップＳ１２で算出した記載単語ベクトルと、ステップＳ１３で算出した理想単語ベクトルとの類似度を算出する（ステップＳ１４）。そして、アセスメント評価装置１は、ステップＳ１４で算出した類似度に基づき、評価対象のアセスメントに対する評価を決定し、決定した評価結果を出力装置３により出力する（ステップＳ１５）。

（７）変形例
評価部１８は、類似度算出を行うことなく、理想単語ベクトルと記載単語ベクトルに基づき、アセスメントの評価を決定してもよい。

例えば、評価部１８は、理想単語ベクトルと記載単語ベクトルとが入力された場合にアセスメントの評価結果（良し悪しの分類結果又はスコア）を出力する評価モデルを用いて、上述のアセスメントの評価を決定してもよい。この場合、評価モデルは、ニューラルネットワークなどの機械学習モデルであり、理想単語ベクトルと記載単語ベクトルとが入力された場合にアセスメントの評価結果を出力するように予め学習され、学習されたパラメータが記憶装置４又はメモリ１２等に記憶されている。評価部１８は、このような評価モデルを用いた場合であっても、評価対象のアセスメントの評価を決定することができる。

＜第２実施形態＞
図１１は、第２実施形態に係るアセスメント支援システム１００Ａの概略構成を示す。アセスメント支援システム１００Ａのアセスメント評価装置１Ａは、回帰モデルに基づき理想単語ベクトルを生成する代わりに、患者状態とアセスメントに含まれるべき理想単語との対応関係（即ち対応付けのルール）を示す情報を用いて理想単語ベクトルを生成する点で第１実施形態のアセスメント評価装置１と異なる。以後では、第１実施形態と同一構成要素については、適宜同一符号を付し、その説明を省略する。

記憶装置４Ａは、機能的には、対象患者情報記憶部４１と、対応情報記憶部４３Ａとを有する。対応情報記憶部４３Ａは、患者状態と理想単語との対応関係を示す対応情報を記憶する。例えば、対応情報は、想定される患者状態の各候補に対して設定されるべき理想単語を示すテーブル情報（ルックアップテーブル）である。アセスメント評価装置１Ａは、患者状態と対応情報とに基づき理想単語を認識し、認識した理想単語を理想単語ベクトルに変換する。なお、対応情報は、患者状態の各候補に対して理想単語ベクトルを直接対応付けた情報であってもよい。対応情報は、例えば、医学及び看護学の知見に基づき予め生成される。

図１２は、アセスメント評価装置１Ａの機能ブロックの一例である。アセスメント評価装置１Ａは、図３（Ａ）に示されるアセスメント評価装置１のハードウェア構成と同一のハードウェア構成を有する。そして、アセスメント評価装置１Ａのプロセッサ１１は、機能的には、患者状態取得部１４と、理想単語ベクトル生成部１５Ａと、アセスメント取得部１６と、記載単語ベクトル生成部１７と、評価部１８と、出力制御部１９とを有する。患者状態取得部１４、アセスメント取得部１６、記載単語ベクトル生成部１７、評価部１８及び、出力制御部１９については第１実施形態と同一処理を実行する。

理想単語ベクトル生成部１５Ａは、患者状態取得部１４から供給される患者状態情報に基づき、理想単語ベクトルを生成する。この場合、理想単語ベクトル生成部１５Ａは、ベクトル形式により表された患者状態情報に対応する理想単語ベクトルを、回帰モデル記憶部４３に記憶された対応情報に基づき生成する。そして、理想単語ベクトル生成部１５Ａは、特定した理想単語ベクトルを評価部１８に供給する。その後、評価部１８は、当該理想単語ベクトルと記載単語ベクトル生成部１７が生成する記載単語ベクトルとの類似度に基づく評価結果を生成し、出力制御部１９は、評価結果を出力装置３により出力する。

図１３は、第２実施形態においてアセスメント評価装置１Ａが実行するフローチャートの一例である。

まず、アセスメント評価装置１Ａは、対象患者の患者状態及び評価対象のアセスメントを取得する（ステップＳ２１）。そして、アセスメント評価装置１は、ステップＳ２１で取得したアセスメントに基づき、記載単語ベクトルを生成する（ステップＳ２２）。また、アセスメント評価装置１Ａは、患者状態と回帰モデル記憶部４３に記憶された対応情報とに基づき、理想単語ベクトルを生成する（ステップＳ２３）。なお、ステップＳ２２とステップＳ２３の処理順序は逆であってもよい。次に、アセスメント評価装置１Ａは、ステップＳ２２で算出した記載単語ベクトルと、ステップＳ２３で算出した理想単語ベクトルとの類似度を算出する（ステップＳ２４）。そして、アセスメント評価装置１Ａは、ステップＳ２４で算出した類似度に基づき、評価対象のアセスメントに対する評価を決定し、決定した評価結果を出力装置３により出力する（ステップＳ２５）。

このように、第２実施形態に係るアセスメント評価装置１Ａは、第１実施形態に係るアセスメント評価装置１と同様、評価対象のアセスメントの評価を決定することができる。

＜第３実施形態＞
図１４は、第３実施形態におけるアセスメント支援システム１００Ｂの概略構成を示す。第３実施形態に係るアセスメント支援システム１００Ｂは、サーバクライアントモデルのシステムであり、サーバ装置として機能するアセスメント評価装置１Ｂが第１実施形態におけるアセスメント評価装置１又は第２実施形態におけるアセスメント評価装置１Ａの処理を行う。以後では、第１実施形態又は第２実施形態と同一構成要素については、適宜同一符号を付し、その説明を省略する。

アセスメント支援システム１００Ｂは、主に、サーバとして機能するアセスメント評価装置１Ｂと、第１実施形態に係る記憶装置４又は第２実施形態に係る記憶装置４Ａと同様のデータを記憶する記憶装置４Ｂと、クライアントとして機能する端末装置８とを有する。アセスメント評価装置１Ｂと端末装置８とは、ネットワーク７を介してデータ通信を行う。

端末装置８は、入力機能、表示機能、及び通信機能を有する端末であり、図１に示される入力装置２及び出力装置３として機能する。端末装置８は、例えば、パーソナルコンピュータ、タブレット型端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）などであってもよい。端末装置８は、ユーザ入力に基づく入力信号などを、アセスメント評価装置１Ｂに送信する。

アセスメント評価装置１Ｂは、第１実施形態に係るアセスメント評価装置１又は第２実施形態に係るアセスメント評価装置１Ａと同一のハードウェア構成及び機能ブロック構成を有する。そして、アセスメント評価装置１Ａは、ネットワーク７を介して端末装置８から入力信号などを受信し、受信した情報に基づいて対象患者のアセスメントの評価を行う。また、アセスメント評価装置１Ｂは、端末装置８からの要求に基づき、上述の評価結果に関する情報を示す出力信号を、ネットワーク７を介して端末装置８へ送信する。即ち、この場合、端末装置８は、第１実施形態又は第２実施形態における出力装置３として機能する。これにより、アセスメント評価装置１Ｂは、アセスメントの評価結果に関する情報を端末装置８のユーザに好適に提示する。

＜第４実施形態＞
図１５は、第４実施形態におけるアセスメント評価装置１Ｘのブロック図である。アセスメント評価装置１Ｘは、主に、記載単語ベクトル生成手段１７Ｘと、理想単語ベクトル生成手段１５Ｘと、評価手段１８Ｘとを有する。なお、アセスメント評価装置１Ｘは、複数の装置により構成されてもよい。

記載単語ベクトル生成手段１７Ｘは、看護記録の作成対象である対象患者の看護アセスメントに基づいて、看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成する。記載単語ベクトル生成手段１７Ｘは、例えば、第１実施形態～第３実施形態における記載単語ベクトル生成部１７とすることができる。

理想単語ベクトル生成手段１５Ｘは、対象患者の患者状態に基づく理想の単語ベクトルである理想単語ベクトルを生成する。理想単語ベクトル生成手段１５Ｘは、例えば、第１実施形態若しくは第３実施形態における理想単語ベクトル生成部１５、又は、第２実施形態若しくは第３実施形態における理想単語ベクトル生成部１５Ａとすることができる。

評価手段１８Ｘは、記載単語ベクトルと理想単語ベクトルとに基づき、看護アセスメントの評価を決定する。評価手段１８Ｘは、例えば、第１実施形態～第３実施形態における評価部１８とすることができる。

図１６は、第４実施形態においてアセスメント評価装置１Ｘが実行するフローチャートの一例である。記載単語ベクトル生成手段１７Ｘは、看護記録の作成対象である対象患者の看護アセスメントに基づいて、看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成する（ステップＳ３１）。理想単語ベクトル生成手段１５Ｘは、対象患者の患者状態に基づく理想の単語ベクトルである理想単語ベクトルを生成する（ステップＳ３２）。評価手段１８Ｘは、記載単語ベクトルと理想単語ベクトルとに基づき、看護アセスメントの評価を決定する（ステップＳ３３）。

第４実施形態によれば、アセスメント評価装置１Ｘは、対象患者の看護アセスメントの評価を決定することが可能となる。

なお、上述した各実施形態において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータであるプロセッサ等に供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記憶媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記憶媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記憶媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

その他、上記の各実施形態の一部又は全部は、以下の付記のようにも記載され得るが以下には限られない。

［付記１］
看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成する記載単語ベクトル生成手段と、
前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成する理想単語ベクトル生成手段と、
前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する評価手段と、
を有するアセスメント評価装置。
［付記２］
前記評価手段は、前記記載単語ベクトルと前記理想単語ベクトルとの類似度を算出し、前記類似度に基づき前記評価を決定する、付記１に記載のアセスメント評価装置。
［付記３］
前記理想単語ベクトル生成手段は、回帰モデルと、前記患者状態とに基づき、前記理想単語ベクトルを生成し、
前記回帰モデルは、前記患者状態と、前記看護アセスメントにおける前記候補単語の記載の要否との関係を学習したモデルである、付記１または２に記載のアセスメント評価装置。
［付記４］
前記回帰モデルは、前記候補単語の記載の要否の確からしさを出力し、
前記理想単語ベクトル生成手段は、前記確からしさを要素とする確率ベクトルを、前記理想単語ベクトルとして生成する、付記３に記載のアセスメント評価装置。
［付記５］
前記回帰モデルは、前記候補単語の記載の要否の確からしさを出力し、
前記理想単語ベクトル生成手段は、前記確からしさと閾値とに基づき２値化された値を要素とする確率ベクトルを、前記理想単語ベクトルとして生成する、付記３に記載のアセスメント評価装置。
［付記６］
前記理想単語ベクトル生成手段は、前記患者状態の候補の各々と、前記看護アセスメントに記載されることが理想である理想単語との対応を示す対応情報に基づき、前記患者状態に対応する前記理想単語ベクトルを生成する、付記１または２に記載のアセスメント評価装置。
［付記７］
前記理想単語ベクトル生成手段は、前記患者状態として、前記対象患者の属性情報、前記対象患者の検査結果に関する情報、又は前記対象患者の過去の看護記録に関する情報の少なくともいずれかを取得する、付記１～６のいずれか一項に記載のアセスメント評価装置。
［付記８］
前記評価の結果を出力装置に出力させる出力制御手段をさらに有する、付記１～７のいずれか一項に記載のアセスメント評価装置。
［付記９］
前記評価の結果は、前記看護アセスメントの良し悪しの判定結果、前記看護アセスメントの良し悪しを所定の値域により表したスコア、又は当該スコアのレベルの少なくともいずれかを含む、付記８に記載のアセスメント評価装置。
［付記１０］
前記出力制御手段は、前記看護アセスメントに記載されることが理想である理想単語のうち前記看護アセスメントに未記載の単語、又は、前記看護アセスメントに記載された単語のうち前記理想単語ではない単語、の少なくともいずれかを、前記出力装置に出力させる、付記８または９に記載のアセスメント評価装置。
［付記１１］
看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成し、
前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成し、
前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する、
アセスメント評価方法。
［付記１２］
看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成し、
前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成し、
前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する処理をコンピュータに実行させるプログラムが格納された記憶媒体。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。すなわち、本願発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。また、引用した上記の特許文献及び非特許文献等の各開示は、本書に引用をもって繰り込むものとする。

例えば、看護記録の支援及び看護記録作成の教育に関するサービスに利用される。

１、１Ａ、１Ｂ、１Ｘ アセスメント評価装置
２ 入力装置
３ 出力装置
４ 記憶装置
５ 学習装置
８ 端末装置
１００、１００Ａ、１００Ｂ アセスメント支援システム

Claims (12)

1. 看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成する記載単語ベクトル生成手段と、
   前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成する理想単語ベクトル生成手段と、
   前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する評価手段と、
   を有するアセスメント評価装置。
2. 前記評価手段は、前記記載単語ベクトルと前記理想単語ベクトルとの類似度を算出し、前記類似度に基づき前記評価を決定する、請求項１に記載のアセスメント評価装置。
3. 前記理想単語ベクトル生成手段は、回帰モデルと、前記患者状態とに基づき、前記理想単語ベクトルを生成し、
   前記回帰モデルは、前記患者状態と、前記看護アセスメントにおける前記候補単語の記載の要否との関係を学習したモデルである、請求項１または２に記載のアセスメント評価装置。
4. 前記回帰モデルは、前記候補単語の記載の要否に関する確からしさを出力し、
   前記理想単語ベクトル生成手段は、前記確からしさを要素とする確率ベクトルを、前記理想単語ベクトルとして生成する、請求項３に記載のアセスメント評価装置。
5. 前記回帰モデルは、前記候補単語の記載の要否に関する確からしさを出力し、
   前記理想単語ベクトル生成手段は、前記確からしさを２値化した値を要素とするベクトルを、前記理想単語ベクトルとして生成する、請求項３に記載のアセスメント評価装置。
6. 前記理想単語ベクトル生成手段は、前記患者状態と、前記看護アセスメントに記載されることが理想である理想単語との対応を示す対応情報に基づき、前記患者状態に対応する前記理想単語ベクトルを生成する、請求項１または２に記載のアセスメント評価装置。
7. 前記理想単語ベクトル生成手段は、前記患者状態として、前記対象患者の属性情報、前記対象患者の検査結果に関する情報、又は前記対象患者の過去の看護記録に関する情報の少なくともいずれかを取得する、請求項１～６のいずれか一項に記載のアセスメント評価装置。
8. 前記評価の結果を出力装置に出力させる出力制御手段をさらに有する、請求項１～７のいずれか一項に記載のアセスメント評価装置。
9. 前記評価の結果は、前記看護アセスメントの良し悪しの判定結果、前記看護アセスメントの良し悪しを所定の値域により表したスコア、又は当該スコアのレベルの少なくともいずれかを含む、請求項８に記載のアセスメント評価装置。
10. 前記出力制御手段は、前記看護アセスメントに記載されることが理想である理想単語のうち前記看護アセスメントに未記載の単語、又は、前記看護アセスメントに記載された単語のうち前記理想単語ではない単語、の少なくともいずれかを、前記出力装置に出力させる、請求項８または９に記載のアセスメント評価装置。
11. コンピュータが、
    看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成し、
    前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成し、
    前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する、
    アセスメント評価方法。
12. 看護記録の作成対象である対象患者の看護アセスメントに基づいて、前記看護アセスメントにおける所定の候補単語の記載の有無をベクトル化した単語ベクトルである記載単語ベクトルを生成し、
    前記対象患者の患者状態に基づく理想の前記単語ベクトルである理想単語ベクトルを生成し、
    前記記載単語ベクトルと前記理想単語ベクトルとに基づき、前記看護アセスメントの評価を決定する処理をコンピュータに実行させるプログラム。

Images