JP7803358B2 - 医療情報処理装置、医療情報処理システム、医療情報処理方法及びプログラム - Google Patents

Description

本発明は、医療情報処理装置、医療情報処理システム、医療情報処理方法及びプログラムに関する。

放射線画像装置等のモダリティで取得した医用画像に対してＡＩ（人工知能）で解析を行い、医師に医用画像の解析結果を提供することで医師の診断をサポートするＡＩ解析システムがある。ＡＩ解析システムにおいては、サーバー等から送られる医用画像を用いて画像解析を実施するが、医用画像の中にＡＩ解析に不適切な画像が含まれている場合がある。このような場合、医師に対して不正確な解析結果を提供してしまうリスクがあった。

特許文献１には、医用画像が処理対象の画像であるか否かを判別する医用画像処理装が記載されている。医用画像処理装置は、医用画像の撮影部位及び撮影方向の少なくとも一方の判別結果に基づいて医用画像が所定の処理の処理対象の画像であるか否かを判別する。次に、医用画像処理装置は、処理対象の画像と判別された医用画像に対して肋骨減弱処理、病変検出処理等を施す。

特許第７０３５５６９号公報

しかしながら、従来における技術をＡＩ解析に適用した場合には以下のような課題がある。従来の医用画像処理装置は、医用画像の撮影部位、撮影方向の判別結果に基づいて医用画像が所定の処理の処理対象の画像であるかを判別する。そのため、骨減弱処理画像等のＡＩ解析に不適切な医用画像であっても、撮影部位等の条件を満たす場合には適切な医用画像と判別されてしまう場合がある。

そこで、本発明は、上記課題を解決するために、コンピュータによる病変解析処理を行う場合に病変解析処理に適した医用画像のみを提供することができる医療情報処理装置、医療情報処理システム、医療情報処理方法及びプログラムを提供することを目的とする。

本発明に係る医療情報処理装置は、
医用画像を取得する画像取得部と、
医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定部と、を備え、
前記判定部は、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する。

本発明に係る医療情報処理システムは、
医用画像を取得する画像取得部と、
医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定部と、を備え、
前記判定部は、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する。

本発明に係る医療情報処理方法は、
医用画像を取得する画像取得ステップと、
医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定ステップと、を有し、
前記判定ステップでは、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する。

本発明に係るプログラムは、
コンピュータを、
医用画像を取得する画像取得部、
医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定部として機能させ、
前記判定部は、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する。

本発明によれば、医用画像に対しコンピュータによる病変検出処理を行うか否かを判定するので、病変検出処理に適した医用画像に対してのみコンピュータによる病変検出処理を行うことができる。

第１実施形態に係る医療情報処理システムの概略構成の一例を示す図である。 第１実施形態に係る仲介装置のブロック図の一例を示す図である。 第１実施形態に係る放射線画像である医用画像に付加されたデジタルマーカーの一例を示す図である。 第１実施形態に係る画像保管装置のブロック図の一例を示す図である。 第１実施形態に係るルールベースに基づいて医用画像に対し病変検出処理を実行するか否かを判定する場合における医療情報処理システムの動作の一例を示すフローチャートである。 第１実施形態に係る画像保管装置のクライアント端末の表示部に表示される病変解析不可情報の一例を示す図である。 第１実施形態に係る画像保管装置のクライアント端末の表示部に表示される病変解析不可情報の他の例を示す図である。 第１実施形態に係る訓練済みモデルを用いて病変検出処理を実行するか否かを判定する場合における医療情報処理システムの動作の一例を示すフローチャートである。 第１実施形態に係るルールベースと訓練済みモデルとによる病変検出処理を行うかの判定とを組み合わせた場合における医療情報処理システムの動作の一例を示すフローチャートである。 第１実施形態に係る訓練済みモデルによる病変検出処理を行う場合における医療情報処理システムの動作の一例を示すフローチャートである。 第２実施形態に係る医療情報処理システムの概略構成の一例を示す図である。 第３実施形態に係る医療情報処理システムの概略構成の一例を示す図である。 第３実施形態に係る画像撮影保管装置のブロック図である。 第３実施形態に係る画像撮影保管装置のブロック図を示す図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。

［医療情報処理システム１００Ａの構成例］
図１は、第１実施形態に係る医療情報処理システム１００Ａの概略構成の一例を示す図である。医療情報処理システム１００Ａは、病院情報システム１と、放射線科情報システム２と、撮影装置３と、仲介装置４と、画像保管装置５とを備える。病院情報システム１、放射線科情報システム２、撮影装置３、仲介装置４及び画像保管装置５は、医療機関内に構築されたネットワークＮ１を介して互いに通信可能に接続されている。ネットワークＮ１としては、例えばＬＡＮが挙げられる。ＬＡＮは、Local Area Networkの略称である。ネットワークＮ１は、有線通信でもよいし、無線通信でもよい。各システム及び装置は、ＤＩＣＯＭ規格に則って、医用画像等の画像データを相互に送受信する。ＤＩＣＯＭは、Digital Imaging and Communication in Medicineの略称である。

病院情報システム１は、医療機関全体の診療、会計業務、電子カルテ等を管理するシステムである。病院情報システム１は、例えば、医師、看護師等が行う検査、処方等の検査オーダーを撮影装置３等に送信する。この病院情報システム１は、ＨＩＳと称される。ＨＩＳは、Hospital Information Systemの略称である。

放射線科情報システム２は、主に放射線科において、検査オーダーの予約、照射録管理、検査業務統計等の撮影情報をデータベース化して管理するシステムである。放射線科情報システム２は、例えば、医師、看護師等が行う検査、処方等の検査オーダーを撮影装置３等に送信する。放射線科情報システム２は、病院情報システム１と提携可能である。病院情報システム１と放射線科情報システム２とを統合して一つのシステムを構築してもよい。この放射線科情報システム２は、ＲＩＳと称される。ＲＩＳは、Radiology Information Systemの略称である。

撮影装置３は、病院情報システム１、放射線科情報システム２から受信した検査オーダーに基づいて被写体を撮影し、所定の撮影部位等における医用画像を生成する。撮影装置３は、例えば、ＣＲ装置、ＦＰＤ装置、ＣＴ装置、ＭＲＩ装置等である。医用画像は、例えば放射線画像である。ＣＲは、Computed Radiographyの略称である。ＦＰＤは、Flat Panel Detectorの略称である。ＣＴは、Computed Tomographyの略称である。ＭＲＩは、Magnetic Resonance Imagingの略称である。撮影装置３は、生成した医用画像に対して特定の画像処理を実行してもよい。特定の画像処理としては、後述するように、例えば骨減弱処理等が挙げられる。

撮影装置３は、生成した医用画像をＤＩＣＯＭ規格に則ったファイル形式にて仲介装置４に送信する。ここで、ＤＩＣＯＭ規格のファイルは、画像部とヘッダー部とから構成される。画像部には、医用画像の実データが書き込まれる。ヘッダー部には、医用画像に関する付帯情報が書き込まれる。付帯情報には、例えば、患者情報、検査情報、医用画像を一意に識別するためのＵＩＤ、特定の画像処理が行われたかを示す情報等が書き込まれる。患者情報には、患者を識別するための患者ＩＤ等の患者識別情報、患者の氏名、性別、生年月日等の情報が含まれる。検査情報には、検査を識別するための検査ＩＤ等の検査識別情報、検査日付、撮影部位、撮影方向、モダリティ情報等が含まれる。

仲介装置４は、医療情報処理装置の一例であり、例えばゲートウェイと称される。仲介装置４は、撮影装置３から送信された医用画像に対しコンピュータによる病変検出処理をするか否かを判定する。コンピュータによる病変検出処理とは、例えば、機械学習、機械学習の一種である深層学習により作成された訓練済みモデルを用いて、医用画像がコンピュータによる病変検出処理に適しているか否かを判定する処理である。仲介装置４は、少なくとも特定の画像処理がされているか否かの条件に基づき病変検出処理をするか否かを判定するか、訓練済みモデルを用いて病変検出処理をするか否かを判定する。仲介装置４は、医用画像に対しコンピュータによる病変検出処理を行い、その解析結果を生成する。仲介装置４は、生成した解析結果を医用画像とともに画像保管装置５に送信する。なお、本実施形態では、コンピュータによる病変検出処理をするか否かの判定を仲介装置４で行う場合について説明するが、これに限定されることはない。例えば、コンピュータによる病変検出処理をするか否かの判定は、撮影装置３、画像保管装置５等で行ってもよいし、撮影装置３と画像保管装置５とが一体となった画像撮影保管装置が行ってもよい。また、コンピュータによる病変検出処理をするか否かの判定は、クラウド上に設けられた画像解析装置９（図９参照）等で行ってもよい。

画像保管装置５は、仲介装置４から送信された医用画像の画像データ及びその付帯情報等を保管、管理する。画像保管装置５は、仲介装置４から送信された病変解析処理の解析結果を保管、管理する。画像保管装置５は、医師等のユーザーによる所定の医用画像の検索要求に応じて該当する医用画像を読み出し、読み出した医用画像を要求元のクライアント端末、ビューア等に送信する。

なお、上記医療情報処理システム１００Ａでは、撮影装置３が仲介装置４に医用画像を送信し、仲介装置４が医用画像及びその解析結果を画像保管装置５に送信したが、これに限定されることはない。例えば、撮影装置３が、仲介装置４及び画像保管装置５の両方に医用画像を送信し、仲介装置４が医用画像の解析結果のみを画像保管装置５に送信してもよい。

［仲介装置４の構成例］
次に、第１実施形態に係る仲介装置４の構成について説明する。図２Ａは、第１実施形態に係る仲介装置４のブロック図である。仲介装置４は、制御部４０と、操作部４１と、表示部４２と、保管部４３と、通信部４４とを備える。制御部４０、操作部４１、表示部４２、保管部４３及び通信部４４は、例えばバス４７等の配線を介して互いに接続されている。

制御部４０は、例えば、演算、制御を行うＣＰＵ等のプロセッサー及びメモリ等を有する。ＣＰＵは、Central Processing Unitの略称である。制御部４０は、例えば保管部４３等に記憶されたプログラムを実行することにより、医用画像に対しコンピュータによる病変検出処理をするか否かを判定等する処理を実現する。なお、制御部４０は、ＡＳＩＣ、ＦＰＧＡ等の電子回路を含んでもよい。ＡＳＩＣは、Application Specific Integrated Circuitの略称である。ＦＰＧＡは、Field Programmable Gate Arrayの略称である。

本実施形態では、制御部４０は、取得部４００、判定部４０１、解析部４０２及び出力部４０３として機能する。制御部４０のプロセッサー等は、保管部４３等に記憶されたプログラムを実行することにより、取得部４００、判定部４０１、解析部４０２及び出力部４０３の各機能を実現する。なお、制御部４０の各機能の詳細については後述する。

操作部４１は、例えば、マウス、キーボード、スイッチ、ボタン等を含む。操作部４１は、例えば、ディスプレイに一体的に組み合わされたタッチパネルであってもよいし、音声入力を受け付けるインタフェースであってもよい。操作部４１は、ユーザーからの各種の入力操作に応じた指示を受け付け、受け付けた指示を操作信号に変換して制御部４０に出力する。具体的には、操作部４１は、異物が写り込んだ可能性がある医用画像に対しコンピュータによる病変検出処理をするかの選択指示等を受け付ける。

表示部４２は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ等である。ＥＬは、Electro Luminescenceの略称である。表示部４２は、所定の解析処理が行われた画像、ユーザーからの各種の入力操作を受け付けるためのＧＵＩ等を表示する。ＧＵＩは、Graphical User Interfaceの略称である。具体的には、表示部４２は、医用画像に異物が写り込んでいる可能性があることをユーザーに通知するためのメッセージ等を表示する。

保管部４３は、例えば、ＨＤＤ、ＳＳＤ、ＲＯＭ及びＲＡＭ等の任意の記憶モジュールを含む。ＨＤＤはHard Disk Driveの略称である。ＳＳＤはSolid State Driveの略称である。ＲＯＭはRead Only Memoryの略称である。保管部４３には、例えば、システムプログラム、アプリケーションプログラム及び各種データ等が記憶される。具体的には、保管部４３には、医用画像に対しコンピュータによる病変検出処理をするか否かを判定等するプログラム、撮影装置３により撮影された医用画像の画像データが保管される。保管部４３には、医用画像に対しコンピュータによる病変検出処理をするか否かの判定結果を出力する訓練済みモデル等が保管される。

通信部４４は、例えば、ＮＩＣや受信機及び送信機を含む通信モジュール等を含む。ＮＩＣは、Network Interface Cardの略称である。通信部４４は、ネットワークＮ１を介して、撮影装置３及び画像保管装置５等との間で各種の情報、画像データを通信する。

なお、仲介装置４の構成は、図２Ａに示した構成に限定されることはない。例えば、仲介装置４は、操作部４１及び表示部４２を具備しない構成であってもよい。この場合、仲介装置４は、撮影装置３から送信された医用画像をユーザーからの指示を受けることなく自動で処理し、処理した医用画像の解析結果を画像保管装置５に送信する。

［仲介装置４の機能例］
続けて、仲介装置４の制御部４０の取得部４００、判定部４０１、解析部４０２及び出力部４０３の機能について詳しく説明する。本実施形態において制御部４０は、医用画像に対しコンピュータによる病変検出処理をするか否かを判定する。具体的には、判定部４０１は、少なくとも特定の画像処理がされているか否かの条件に基づき病変検出処理をするか否かを判定するか、訓練済みモデルを用いて病変検出処理をするか否かを判定する。

通信部４４は、画像取得部として機能し、撮影装置３により撮影された医用画像を取得する。取得部４００は、特定の画像処理がされているか否かの情報等を医用画像の付帯情報又は医用画像に対する画像認識によって取得する。医用画像の付帯情報は、医用画像のタグ情報、医用画像とは別にデータベースで管理され医用画像と対応付けられて保持された情報である。

具体的には、取得部４００は、医用画像のタグ情報から以下に示す少なくとも一つの情報を取得する。情報としては、特定の画像処理がされているか否か、標準撮影条件か否か、医用画像が特定の画質条件を満たしているか否か、医用画像が特定のモダリティ以外のモダリティによって撮影された画像か否かを示す情報である。

取得部４００は、医用画像に対する画像認識によって、以下に示す少なくとも一つの情報を取得する。情報としては、特定の画像処理がされているか否か、標準撮影条件か否か、医用画像が特定の画質条件を満たしているか否か、病変検出処理の検出対象となる検出対象部位が欠損しているか否かを示す情報である。他の情報としては、医用画像中に検出対象外となる異物が含まれるか否か、医用画像が特定のモダリティ以外のモダリティによって撮影された画像か否かを示す情報である。

上述した情報のうち、病変検出処理の検出対象となる検出対象部位が欠損しているか否か、医用画像中に検出対象外となる異物が含まれるか否かを示す情報は、基本的に画像認識でのみ取得できる。病変検出処理の検出対象となる検出部位が欠損しているか否かは、胸部の病変検出処理において肺野領域の欠損がないかどうかにより判定してもよい。医用画像中に検出対象外となる異物が含まれるか否かは、ヒストグラム解析により異物と推測される低信号値領域が含まれているかどうかにより判定してもよい。

取得部４００は、特定の画像処理がされているか否かの情報等を、病院情報システム１に含まれる情報又は放射線科情報システム２に含まれる情報から取得してもよい。以下、病院情報システム１に含まれる情報をＨＩＳ情報と呼び、放射線科情報システム２に含まれる情報をＲＩＳ情報と呼ぶ。医用画像の付帯情報では病変検出処理をするか否かを判定するための十分な情報がない場合があり、医用画像に対する画像認識では手間がかかる場合もある。ＨＩＳ情報又はＲＩＳ情報を用いることで、医用画像に所定の画像処理がされているか否かを示す情報の取得精度を向上させることができる。

ＨＩＳ情報には、撮影指示情報、検査オーダー等が含まれる。例えば、ＨＩＳ情報からは、患者がペースメーカーを使用しているかの有無を示す情報等を得ることができる。病院情報システム１と撮影装置３等との間に放射線科情報システム２が介在している場合、ＨＩＳ情報は放射線科情報システム２を介して取得してもよい。ＨＩＳ情報又はＲＩＳ情報には、制限事項等の非対象の画像に関する情報も格納される。

判定部４０１は、特定の画像処理がされているか否かの条件に基づき判定する。具体的には、判定部４０１は、取得部４００により取得された特定の画像処理がされているか否かの情報を用いて、当該特定の画像処理が病変検出処理に適切な画像処理であるか否かを、予め定めた条件に基づき判定する。すなわち、この判定方法では、ルールベースで、コンピュータによる病変検出処理をするか否かを判定する。

特定の画像処理は、下記に示す一群の処理から選ばれる少なくとも一つの処理である。一群の処理は、例えば、上下左右の反転処理、回転処理、白黒反転処理、Ｆｏｒ Ｐｒｏｃｅｓｓｉｎｇ処理、骨減弱処理、経時差分処理である。他の一群の処理は、例えば、エネルギーサブトラクション処理、照射野外黒化処理、一定強度以上の周波数処理、デジタルマーカーの付加、アノテーションの付加である。例えば、一定強度以上の周波数処理は、人体の構造物が強調されることで病変と誤認識される場合がある。デジタルマーカー及びアノテーションは、異物とみなされ、病変検出処理の精度に影響を与える場合がある。図２Ｂは、第１実施形態に係る放射線画像である医用画像Ｇに付加されたデジタルマーカーＭの一例を示す図である。取得部４００により取得された胸部正面の医用画像Ｇには、医用画像Ｇの撮影方向がＰＡ方向であることを示すデジタルマーカーＭが付加されている。デジタルマーカーＭは、コンピュータによる病変検出処理において異物とみなされる可能性がある。黒化処理画像は、例えば画像上端に幅４０ｍｍ以上の黒化処理がされた画像である。骨減弱処理画像としては、例えば鎖骨・肋骨減弱処理画像が挙げられる。

判定部４０１は、医用画像のタグ情報から取得された情報を用いて、特定の画像処理がされているか否か等の条件に基づいて病変検出処理をするか否かを判定できる。具体的には、判定部４０１は、特定の画像処理がされているか否かをＤＩＣＯＭ規格により定義された「(0008,0008)_Image_Type」の値がオリジナル画像であることを示す「ORIGINAL」か否かにより判定する。また、判定部４０１は、特定の画像処理がされているか否かを「(0008,2111)_Derivation Description_導出記述」の値が「BONE SUPPRESSION」か否かにより判定する。

判定部４０１は、医用画像に対しコンピュータによる病変検出処理をするか否かを、以下に示す少なくとも一つの条件に基づき判定できる。条件としては、例えば、標準撮影条件か否か、医用画像が特定の画質条件を満たしているか否か、病変検出処理の検出対象となる検出対象部位が欠損しているか否かである。他の条件としては、例えば、医用画像中に検出対象外となる異物が含まれるか否か、医用画像が特定のモダリティ以外のモダリティによって撮影された画像か否かである。さらに、他の条件としては、撮影方向又は撮影部位以外の特定の撮影条件で撮影されているか否かである。さらに、他の条件としては、胸部立位の撮影の場合にＰＡ方向である否か、臥位、座位の撮影の場合にＡＰ方向であるか否か、乳房撮影の場合にＣＣ方向である否かである。なお、これらの条件は、特定の画像処理がされているか否かの条件に基づき病変検出処理をするか否かの判定、訓練済みモデルを用いて病変検出処理をするか否かの判定の前後に追加してもよい。

標準撮影条件か否かは、医用画像の傾きが条件を満たしているか否か、医用画像がポータブル撮影画像か否か、医用画像が拡大撮影画像か否か、医用画像がスポット撮影画像か否かである。

医用画像の傾きが条件を満たす場合は、例えば、画像の肺野認識処理により肺野の中心線の傾きが垂直に対して±１０度以上傾いている場合である。医用画像がポータブル撮影画像か否かは、例えば、ディープラーニングにより判定できる。医用画像が拡大撮影画像か否かは、タグ情報のＤＩＣＯＭ規格により定義された「(0054,0222)_View Modifier Code Sequence_視野修飾子コードシーケンス」の値が［Magnification」であるかである。また、医用画像が拡大撮影画像か否かは、タグ情報のＤＩＣＯＭ規格により定義された「(0018,1114) _Estimated Radiographic Magnification Factor_推定Ｘ線撮影拡大率」が1以外の場合である。医用画像がスポット撮影画像か否かは、タグ情報のＤＩＣＯＭ規格により定義された「（0054,0222)_View Modifier Code Sequence_視野修飾子コードシーケンス」の値が「Spot Compression」であるかである。さらに、医用画像がスポット撮影画像か否かは、タグ情報のＤＩＣＯＭ規格により定義された「(0018,1114)_Estimated Radiographic Magnification Factor_推定Ｘ線撮影拡大率」が1以外の場合である。

また、標準撮影条件か否かは、医用画像の被写体の撮影体位が条件を満たしているか否か、医用画像の線量情報が条件を満たしているか否か、医用画像にモアレが発生している画像か否かである。医用画像の傾きには、例えば、医用画像に映し出された被写体の肺野の傾きが含まれる。医用画像の線量情報に基づく判定は、例えば、線量値又は線量推定値が閾値以上か否かである。

医用画像の被写体の撮影体位の条件を満たす場合は、ＤＩＣＯＭ規格により定義されたタグ情報に「立位」の文字が含まれない場合である。医用画像の線量情報が条件を満たす場合は、胸部正面画像の場合、線量情報が０．５ｍＡｓ未満の場合である。医用画像にモアレが発生しているか否かは、パワースペクトルの分析により特定の周波数にピークがある場合、例えば２．８ｃｙｃｌｅｓ／ｍｍに平均信号値の５０倍以上のピークが検出される場合である。

医用画像が特定の画質条件を満たしているか否かは、例えば、画素間隔の縦横の両方が２００μｍ以下であるか否かである。判定部４０１は、ＤＩＣＯＭ規格により定義された「(0028,2112)Lossy Image Compression Ratio_非可逆画像圧縮比」が１０以上の場合に、その医用画像をコンピュータによる病変検出処理に不適切であると判定する。

医用画像が特定の画質条件を満たしているか否かは、医用画像がフィルムデジタイズ画像か否か、医用画像の解像度が条件を満たしているか否か及び非可逆圧縮処理を行っているか否かのうち少なくとも一つである。

病変検出処理の検出対象となる検出対象部位が欠損しているか否かは、医用画像が肺野欠損画像か否か及び撮影対象部位が前記医用画像外に切れている画像か否かのうち少なくとも一つである。

医用画像中に検出対象外となる異物が含まれるか否かは、医用画像が生体以外の異物が混入しているか否か及び医用画像に大病変が存在するか否かのうち少なくとも一つである。生体以外の異物は、例えば、ペースメーカー、ワイヤー、背骨固定コルセット、術後跡、漏斗胸術後、腕時計、下着金属、ピアス、マーカー、湿布及びシリコンから選ばれる少なくとも一つである。マーカーには、肺野内のマーカー、乳房内に留置された金属マーカー等が含まれる。

医用画像が特定のモダリティ以外のモダリティによって撮影された画像か否かは、医用画像が、断層撮影画像、超音波画像及び動画像のうち少なくとも一つの画像であるか否かである。具体的には、医用画像がコンピュータによる病変検出処理の学習データとして用いられた医用画像を撮影したモダリティとは異なるモダリティで撮影された画像か否かに応じて、医用画像が特定のモダリティ以外のモダリティによって撮影された画像か否かを決定する。

判定部４０１は、コンピュータによる病変検出処理をするか否かを、病変検出処理の種類に対応して判定してもよい。病変検出処理の種類は、被写体、撮影部位、撮影装置の種類等によって定まる。例えば、病変検出処理の種類には、Ｘ線静止画像である胸部画像のＡＩ病変検出処理、乳房画像のＡＩ病変検出処理等が含まれる。

また、判定部４０１は、訓練済みモデルを用いて病変検出処理をするか否かを直接判定することができる。具体的には、訓練済みモデルは、病変検出処理に適切な画像又は不適切な画像と病変検出処理に適切か不適切かの情報を示す正解ラベルとがペアとなったデータセットを用いて機械学習によって訓練されたモデルである。好ましくは、訓練済みモデルは、少なくとも特定の画像処理がされている医用画像か又は画像処理がされていない医用画像と、病変検出処理に適切か不適切かの情報を示す正解ラベルとがペアとなったデータセットを用いて機械学習によって訓練されたモデルである。判定部４０１は、訓練済みモデルに医用画像を入力し、訓練済みモデルから出力結果として医用画像が病変検出処理に適切か不適切かを示す情報を取得することで病変検出処理をするか否かを判定する。

判定部４０１は、以下に示す少なくとも一つの情報を含む医用画像を教師データとして用いた訓練済みモデルに基づいて病変検出処理をするか否かを判定できる。情報としては、例えば、標準撮影条件か否か、医用画像が特定の画質条件を満たしているか否か、病変検出処理の検出対象となる検出対象部位が欠損しているか否かである。他の情報としては、医用画像中に検出対象外となる異物が含まれるか否か、医用画像が特定のモダリティ以外のモダリティによって撮影された画像か否かである。

解析部４０２は、例えば、医用画像が病変検出処理に適切である場合、機械学習によって訓練された第２の訓練済モデルを用いて医用画像を画像解析することで病変検出処理を行う。第２の訓練済モデルは、例えば、病変を含む医用画像及び病変を含まない医用画像と病変に基づく解析結果とのデータセット等を複数用いて機械学習によって訓練されたモデルである。

出力部４０３は、医用画像に対するコンピュータによる病変検出処理を行うかの判定に基づいて医用画像を出力する。出力部４０３は、判定部４０１により医用画像に対しコンピュータによる病変検出処理をしないと判定された場合に、判定結果に関する理由、根拠等を示す情報を画像保管装置５の表示部５６に出力する。医師等のユーザーは、診断の際に表示部５６において医用画像を参照可能な画面を開いている。そのため、コンピュータによる病変検出処理を行うか否かの判定結果の理由、根拠を画像として医用画像と同一の画面に表示することで、見落とし無く効率的に診断業務を行うことができる。

［画像保管装置５の構成例］
次に、第１実施形態に係る画像保管装置５の構成について説明する。図３は、第１実施形態に係る画像保管装置５のブロック図を示す図である。なお、図２Ａで説明した仲介装置４と共通する構成、機能を有する構成要素については説明を省略又は簡略化する。

画像保管装置５は、サーバー５ａと、クライアント端末５ｂとを備える。サーバー５ａとクライアント端末５ｂとは、ＬＡＮ等を介して接続されている。サーバー５ａは、制御部５０と、操作部５１と、保管部５３と、通信部５４とを備える。制御部５０、操作部５１、保管部５３及び通信部５４は、例えばバス５７等の配線を介して互いに接続されている。

制御部５０は、例えば、演算、制御を行うＣＰＵ等のプロセッサー及びメモリ等を有する。制御部５０は、例えば保管部５３等に記憶されたプログラムを実行することにより、医用画像等を保管、管理等する処理を実現する。

本実施形態では、制御部５０は、取得部５００及び出力部５０３として機能する。制御部５０のプロセッサー等は、保管部５３等に記憶されたプログラムを実行することにより、取得部５００及び出力部５０３の機能を実現する。取得部５００は、例えば仲介装置４から送信されるコンピュータによる病変検出処理の解析結果が付与された医用画像等を取得する。出力部５０３は、医師等のユーザーにより所定の医用画像の表示要求が受け付けられると、該当する医用画像をクライアント端末５ｂに出力する。

操作部５１は、例えば、マウス、キーボード、スイッチ、ボタン等を含む。操作部５１は、ユーザーからの各種の入力操作に応じた指示を受け付け、受け付けた指示を操作信号に変換して制御部５０に出力する。

保管部５３は、例えば、ＨＤＤ、ＳＳＤ、ＲＯＭ及びＲＡＭ等の任意の記憶モジュールを含む。保管部５３には、例えば、システムプログラム、アプリケーションプログラム及び各種データ等が記憶される。具体的には、保管部５３には、コンピュータよる病変検出処理の解析結果が付与された医用画像、コンピュータよる病変検出処理が行われていない医用画像等の画像データが保管される。

通信部５４は、例えば、ＮＩＣや受信機及び送信機を含む通信モジュール等を含む。通信部５４は、ネットワークＮ１を介して仲介装置等との間で各種の情報、画像データを通信する。また、通信部５４は、クライアント端末５ｂとの間で画像データ等を通信する。

クライアント端末５ｂの表示部５６は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ等である。表示部５６は、コンピュータよる病変検出処理の解析結果が付与された医用画像、コンピュータよる病変検出処理が行われていない医用画像等を表示する。

［医療情報処理システム１００Ａの動作例］
（１．ルールベースによる病変検出処理を行うか否かの判定方法）
次に、第１実施形態に係る医療情報処理システム１００Ａにおける第１の医療情報処理方法の流れについて説明する。図４は、第１実施形態に係るルールベースに基づいて医用画像に対し病変検出処理を実行するか否かを判定する場合における医療情報処理システム１００Ａの動作の一例を示すフローチャートである。

仲介装置４の通信部４４は、撮影装置３により撮影された医用画像を取得する（ステップＳ１０）。ステップＳ１０は、画像取得ステップに相当する。通信部４４により取得された医用画像は保管部４３に保管される。

取得部４００は、取得した医用画像から医用画像に付帯するタグ情報を取得する（ステップＳ１１）。タグ情報は、例えば、ＤＩＣＯＭ規格により定義されている。タグ情報には、医用画像に対して肋骨減弱処理等の特定の画像処理が行われている場合に、特定の画像処理が行われていることを示す処理情報が付与される。

仲介装置４の判定部４０１は、取得部４００により取得されたタグ情報の内容がコンピュータによる病変検出処理に適した医用画像を示す情報であるか否かを判定する（ステップＳ１２）。ステップＳ１２は、判定ステップに相当する。具体的には、判定部４０１は、ＤＩＣＯＭ規格により定義された「(0008,2111)_Derivation Description_導出記述」の値が「BONE SUPPRESSION」かどうかを判定する。「BONE SUPPRESSION」は、医用画像に対して肋骨減弱処理が行われていることを示す。さらに、判定部４０１は、ＤＩＣＯＭ規格により定義された「(0008,0008)_Image Type」の値が「DERIVED＼PRIMARY」かどうかを判定する。「DERIVED＼PRIMARY」は、オリジナル画像と大きく異なる画像処理が行われた派生画像である可能性を示す。

判定部４０１は、タグ情報の内容が「BONE SUPPRESSION」、「DERIVED＼PRIMARY」でない場合にはステップＳ１３に進む。つまり、タグ情報の内容がコンピュータによる病変検出処理に適した医用画像であることを示す。この場合、判定部４０１は、取得した医用画像に対しコンピュータによる病変検出処理を行うと判定する（ステップＳ１３）。ステップＳ１３は、判定ステップに相当する。

仲介装置４の解析部４０２は、医用画像に対しコンピュータによる病変検出処理を行う（ステップＳ１４）。具体的には、解析部４０２は、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから出力結果として病変の解析結果が付与された医用画像を取得する。出力部４０３は、病変の解析結果が付与された医用画像を通信部４４に出力する。通信部４４は、医用画像をネットワークＮ１を経由して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像等を取得し、取得した医用画像等を保管部５３に保管する。取得部５００は、医師等のユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、該当する医用画像を保管部５３から取得する。出力部５０３は、取得した医用画像をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と、その医用画像に付与された病変の解析結果とを画面に表示する（ステップＳ１５）。これにより、医師等のユーザーは、画面上に表示された病変の解析結果を確認することで、迅速かつ正確に患者の診断を行うことができる。

一方、ステップＳ１２において、仲介装置４の判定部４０１は、タグ情報の内容が「BONE SUPPRESSION」、「DERIVED＼PRIMARY」である場合にはステップＳ１６に進む。つまり、タグ情報の内容がコンピュータによる病変検出処理に適さない医用画像であることを示す。この場合、判定部４０１は、取得した医用画像がコンピュータによる病変検出処理を行わないと判定する（ステップＳ１６）。例えば、判定部４０１は、取得した現在の医用画像ではコンピュータによる病変検出処理を行うことができない理由、根拠を示す病変解析不可情報を医用画像に付加する。出力部４０３は、医用画像及び病変解析不可情報を通信部４４に出力する。通信部４４は、医用画像及び病変解析不可情報をネットワークＮ１を経由して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像等及び病変解析不可情報を取得し、取得した医用画像等を保管部５３に保管する。取得部５００は、ユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。出力部５０３は、取得した医用画像及び病変解析不可情報をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と病変解析不可情報とを画面に表示する（ステップＳ１７）。

図５Ａは、第１実施形態に係る画像保管装置５のクライアント端末５ｂの表示部５６に表示される病変解析不可情報Ｉの一例を示す図である。表示部５６の画面には、現在の医用画像ではコンピュータによる病変検出処理を行うことができない理由、根拠を示す病変解析不可情報Ｉが表示される。例えば、医用画像に既に肋骨減弱処理が行われている場合、表示部５６の画面には、病変解析不可情報Ｉとして「ＢＳ（肋骨減弱）処理が行われた医用画像では病変検出を行うことができません」とのメッセージが表示される。

図５Ｂは、第１実施形態に係る画像保管装置５のクライアント端末５ｂの表示部５６に表示される病変解析不可情報Ｉの他の例を示す図である。表示部５６の画面には、医用画像Ｇに加えて、病変解析不可情報Ｉが表示される。例えば、表示部５６の画面には、病変解析不可情報Ｉとして「ＢＳ処理が行われた医用画像では病変検出を行うことができません」とのメッセージが現在の医用画像Ｇに重畳して表示される。

（２．訓練済みモデルによる病変検出処理を行うか否かの判定方法）
次に、第１実施形態に係る医療情報処理システム１００Ａにおける第２の医療情報処理方法の流れについて説明する。図６は、第１実施形態に係る訓練済みモデルを用いて病変検出処理を実行するか否かを判定する場合における医療情報処理システム１００Ａの動作の一例を示すフローチャートである。なお、図４の第１の医療情報処理方法と共通する処理については詳細な説明を省略又は簡略化する。

仲介装置４の通信部４４は、撮影装置３により撮影された医用画像を取得する（ステップＳ２０）。通信部４４により取得された医用画像は保管部４３に保管される。

仲介装置４の判定部４０１は、取得した医用画像の肺野の欠損検出処理を実行する（ステップＳ２１）。例えば、判定部４０１は、機械学習に基づく処理により、医用画像の肺野の欠損検出処理を実行してもよい。肺野の欠損検出処理は、一例として、特開２０１３－１０２８４８号公報に記載されている技術を適用できる。具体的には、判定部４０１は、医用画像において照射野内で当該照射野の境界に接する部分領域の所定の第１特徴量を算出する。判定部４０１は、医用画像から肺野外の高濃度領域の有無を表す所定の第２特徴量を算出する。次に、判定部４０１は、算出した第１特徴量及び第２特徴量を訓練済みモデルに入力し、訓練済みモデルから出力結果として医用画像の肺野の欠損の有無に関する欠損情報を取得する。

ここで、訓練済みモデルは、機械学習機能を有するコンピュータにより所定の学習データを用いた訓練を行うことで生成できる。具体的には、コンピュータは、肺野が欠損している画像と肺野が欠損していない画像をサンプル画像として複数用意し、各サンプル画像から第１特徴量及び第２特徴量を算出する。コンピュータは、第１特徴量及び第２特徴量の分布から、どのような境界線を描けば肺野の欠損のない画像と肺野の欠損のある画像とを区別できるかを機械学習する。コンピュータは、入力される特徴量が境界線のどちら側に位置するかによって欠損のない画像であるか欠損のある画像であるかを示す欠損情報を出力する。訓練済みモデルは、例えば、仲介装置４の保管部４３に保管される。機械学習のアルゴリズムとしては、特に限られないが、例えば、アダブースト、サポートベクタマシン、ニューラルネットワーク等が利用可能である。

仲介装置４の判定部４０１は、取得した医用画像に肺野の欠損があるか否かを判定する（ステップＳ２２）。判定部４０１は、訓練済みモデルから出力された欠損情報が「肺野欠損なし」を示す情報である場合、医用画像に肺野の欠損がないと判定してステップＳ２３に進む。この場合、判定部４０１は、取得した医用画像がコンピュータによる病変検出処理を行うと判定する（ステップＳ２３）。

仲介装置４の解析部４０２は、医用画像に対しコンピュータによる病変検出処理を行う（ステップＳ２４）。具体的には、解析部４０２は、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから出力結果として病変の解析結果が付与された医用画像を取得する。通信部４４は、出力部４０３から出力された医用画像をネットワークＮ１を経由して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像等を取得し、取得した医用画像等を保管部５３に保管する。取得部５００は、ユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像とその医用画像に付与された病変の解析結果とを画面に表示する（ステップＳ２５）。

一方、ステップＳ２２において、判定部４０１は、訓練済みモデルから出力された欠損情報が「肺野欠損あり」を示す情報である場合、医用画像に肺野の欠損があると判定してステップＳ２６に進む。この場合、判定部４０１は、取得した医用画像がコンピュータによる病変検出処理を行わないと判定する（ステップＳ２６）。例えば、判定部４０１は、取得した現在の医用画像ではコンピュータによる病変検出処理を行うことができない理由、根拠を示す病変解析不可情報を医用画像に付加する。通信部４４は、出力部４０３から出力された医用画像及び病変解析不可情報をネットワークＮ１を経由して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像及び病変解析不可情報を取得し、取得した医用画像等を保管部５３に保管する。取得部５００は、ユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と病変解析不可情報とを画面に表示する（ステップＳ２７）。

（３．ルールベースと訓練済みモデルとによる病変検出処理を行うか否かの判定方法）
次に、第１実施形態に係る医療情報処理システム１００Ａにおける第３の医療情報処理方法の流れについて説明する。図７は、第１実施形態に係るルールベースと訓練済みモデルとによる病変検出処理を行うかの判定とを組み合わせた場合における医療情報処理システム１００Ａの動作の一例を示すフローチャートである。なお、図４の第１の医療情報処理方法と共通する処理については説明を簡略化又は省略する。

仲介装置４の通信部４４は、撮影装置３により撮影された医用画像を取得する（ステップＳ３０）。取得部４００は、取得された医用画像から医用画像に付帯するＤＩＣＯＭ規格のタグ情報を取得する（ステップＳ３１）。

仲介装置４の判定部４０１は、タグ情報のＤＩＣＯＭ規格により定義された「（0008，2111）_Derivation Description_導出記述」の値が「BONE SUPPRESSION」かどうかを判定する。さらに、判定部４０１は、タグ情報のＤＩＣＯＭ規格により定義された「(0008,0008)_Image Type」の値が「DERIVED＼PRIMARY」かどうかを判定する（ステップＳ３２）。判定部４０１は、タグ情報の内容が「BONE SUPPRESSION」、「DERIVED＼PRIMARY」でないと判定した場合にはステップＳ３３に進む。

判定部４０１は、訓練済みモデルを用いて取得した医用画像に対し肋骨減弱処理が行われているか否かを示す処理情報を取得する（ステップＳ３３）。つまり、ステップＳ３３では、医用画像に肋骨減弱処理が行われているかの２次判定を行う。これは、タグ情報の内容が誤って入力されている場合があるからである。例えば、訓練済みモデルは、肋骨減弱処理が行われた画像と病変検出処理に不適切であることを示す処理情報とがペアとなったデータセットを用いて機械学習によって訓練されたモデルである。また、訓練済みモデルは、肋骨減弱処理が行われていない画像と病変検出処理に適切であることを示す処理情報とがペアとなったデータセット等を用いて機械学習によって訓練されたモデルである。

判定部４０１は、訓練済みモデルの出力結果から医用画像に肋骨減弱処理が行われているか否かを判定する（ステップＳ３４）。判定部４０１は、医用画像に肋骨減弱処理が行われていないと判定した場合、ステップＳ３４に進む。この場合、判定部４０１は、取得した医用画像に対しコンピュータによる病変検出処理を行うと判定する（ステップＳ３５）。

判定部４０１は、取得した医用画像に対しコンピュータによる病変検出処理を行う（ステップＳ３６）。例えば、解析部４０２は、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから出力結果として病変の解析結果が付与された医用画像を取得する。出力部４０３は、病変の解析結果が付与された医用画像を通信部４４に出力する。通信部４４は、医用画像をネットワークＮ１を経由して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像を取得する。取得部５００は、医師等のユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。出力部５０３は、取得された医用画像をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と、医用画像に付与された病変の解析結果とを画面に表示する（ステップＳ３７）。これにより、医師等のユーザーは、画面上に表示された病変の解析結果を確認することで、迅速かつ正確に患者の診断を行うことができる。

一方、ステップＳ３２において、判定部４０１は、タグ情報の内容が「ＢＯＮＥ ＳＵＰＰＲＥＳＳＩＯＮ」、「ＤＥＲＩＶＥＤ￥ＰＲＩＭＡＲＹ」である場合にはステップＳ３８に進む。また、ステップＳ３４において、判定部４０１は、訓練済み学習モデルの出力結果から医用画像に肋骨減弱処理が行われると判定した場合、ステップＳ３８に進む。つまり、取得した医用画像がコンピュータによる病変検出処理に適した医用画像でない場合である。

判定部４０１は、取得した医用画像に対しコンピュータによる病変検出処理を行わないと判定する（ステップＳ３８）。この場合、判定部４０１は、取得した現在の医用画像ではコンピュータによる病変検出処理を行うことができないことを示す病変解析不可情報を医用画像に付加する。出力部４０３は、医用画像及び病変解析不可情報を通信部４４に出力する。通信部４４は、医用画像及び病変解析不可情報をネットワークＮ１を経由して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像及び病変解析不可情報を取得する。取得部５００は、ユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。出力部５０３は、取得された医用画像及び病変解析不可情報をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と病変解析不可情報とを画面に表示する（ステップＳ３９）。

（４．異物検出の有無を用いた病変検出処理を行うか否かの判定方法）
次に、第１実施形態に係る医療情報処理システム１００Ａにおける第４の医療情報処理方法の流れについて説明する。図８は、第１実施形態に係る訓練済みモデルによる病変検出処理を行う場合における医療情報処理システム１００Ａの動作の一例を示すフローチャートである。なお、図４の第１の医療情報処理方法と共通する処理については説明を簡略化又は省略する。

通信部４４は、撮影装置３により撮影された医用画像を取得する（ステップＳ４０）。通信部４４により取得された医用画像は保管部４３に保管される。

判定部４０１は、医用画像に異物が写り込んでいないかを検出する異物検出処理を実行する（ステップＳ４１）。これは、異物が写り込んだ医用画像を用いてコンピュータによる病変検出処理を実行すると、異物の影響により病変の検出精度が大きく低下しまう場合があるからである。

判定部４０１は、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから出力結果として医用画像に異物が写り込んでいる可能性があるかを示す異物情報を取得する。訓練済みモデルは、異物が写り込んだ医用画像と医用画像に異物が写り込んでいることを示す異物情報「映り込みあり」とのデータセットを用いて機械学習により訓練されたモデルである。また、訓練済みモデルは、異物が写り込んでいない医用画像と医用画像に異物が写り込んでいないことを示す異物情報「映り込みなし」とのデータセット等を用いて機械学習により訓練されたモデルである。

判定部４０１は、取得した異物情報が「写り込みなし」の場合には、医用画像に異物が写り込んでいる可能性が低いと判定してステップＳ４３に進む。この場合、判定部４０１は、医用画像に対しコンピュータによる病変検出処理を行うと判定する（ステップＳ４３）。

判定部４０１は、取得した医用画像に対しコンピュータによる病変検出処理を行う（ステップＳ４４）。例えば、解析部４０２は、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから出力結果として病変の解析結果が付与された医用画像を取得する。出力部４０３は、病変の解析結果が付与された医用画像を通信部４４を介して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像を取得する。取得部５００は、医師等のユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。出力部５０３は、取得された医用画像をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と、医用画像に付与された病変の解析結果とを画面に表示する（ステップＳ４５）。これにより、医師等のユーザーは、画面上に表示された病変の解析結果を確認することで、迅速かつ正確に患者の診断を行うことができる。

一方、ステップＳ４２において、判定部４０１は、取得した異物情報が「写り込みあり」の場合には、医用画像に異物が写り込んでいる可能性が高いと判定してステップＳ４６に進む。ここで、異物情報が「映り込みあり」の場合、さらに異物情報には医用画像に異物が写り込んでいる確信度を示す確信度情報が付加される。そこで、判定部４０１は、確信度情報に基づいて、医用画像に異物が写り込んでいる確信度が８０％以上かどうかを判定する（ステップＳ４６）。

判定部４０１は、確信度が８０％以上でない場合、医用画像に写っているものが異物ではない可能性があると判定してステップＳ４７に進む。出力部４０３は、医師等のユーザーに対して医用画像に異物が写り込んでいるか否かの確認を促すためのメッセージを含む確認情報を表示部４２に出力する（ステップＳ４７）。表示部４２は、例えば「異物が映り込んでいる疑いがあります。病変検出が正しく行われない可能性があるため病変検出処理を中止しますか。処理を継続する場合は、異物が映り込んでいないことを確認して［いいえ］を押してください。」とのメッセージを表示する。

判定部４０１は、医用画像に対する病変検出処理を中止する指示を取得したか否かを判定する（ステップＳ４８）。判定部４０１は、ユーザーにより操作部５１から病変検出処理を中止しないことを示す［いいえ］ボタンが選択された場合、ステップＳ４４に進む。つまり、ユーザーが医用画像を確認して異物が写り込んでいないと判定した場合である。この場合、上述したように、取得した医用画像に対しコンピュータによる病変検出処理等が行われる。

一方、ステップＳ４６において、判定部４０１は、確信度が８０％以上である場合、医用画像に写っているものが異物であると判定してステップＳ４９に進む。また、判定部４０１は、ユーザーにより操作部５１から病変検出処理を中止する［はい］ボタンが選択された場合、ステップＳ４９に進む。つまり、ユーザーが医用画像を確認して異物が写り込んでいると判定した場合である。

判定部４０１は、取得した医用画像がコンピュータによる病変検出処理を行わないと判定する（ステップＳ４９）。この場合、判定部４０１は、取得した現在の医用画像ではコンピュータによる病変検出処理を行うことができない理由、根拠を示す病変解析不可情報を医用画像に付加する。出力部４０３は、医用画像及び病変解析不可情報を通信部４４を介して画像保管装置５に送信する。

画像保管装置５のクライアント端末５ｂの取得部５００は、通信部５４を介して仲介装置４からの医用画像及び病変解析不可情報を取得する。取得部５００は、ユーザーにより所定の医用画像の検索指示が操作部５１により受け付けられると、その医用画像を保管部５３から取得する。出力部５０３は、取得された医用画像及び病変解析不可情報をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と病変解析不可情報とを画面に表示する（ステップＳ５０）。

第１実施形態によれば、医用画像に対し、コンピュータによる病変検出処理を行う前に、コンピュータによる病変検出処理を行うか否かを判定する。つまり、コンピュータによる病変検出処理を行う前に、医用画像に対し、コンピュータによる病変検出処理に適した医用画像であるかのフィルタリング処理を行う。これにより、コンピュータによる病変検出処理に適した医用画像に対してのみコンピュータによる病変検出処理を行うことができる。その結果、医師等のユーザーに対して不正確な解析結果が提供されることを防止でき、医師等は病変の見落とし、誤診等を確実に回避できる。

また、第１実施形態によれば、コンピュータによる病変検出処理を行う前に、医用画像に対しコンピュータによる病変検出処理に適した医用画像であるかのフィルタリング処理を行う。つまり、全ての医用画像に対して病変検出処理を行うのではなく、特定の医用画像に対してのみ病変検出処理を行う。これにより、解析部４０２における無駄な処理を省くことができるので、仲介装置４の負荷を軽減でき、病変検出処理等の効率化を図ることができる。

また、第１実施形態によれば、コンピュータによる病変検出処理に不適切な医用画像と判定した場合、その理由、根拠を病変解析不可情報Ｉとして、医師等が医用画像を参照するクライアント端末５ｂに表示させる。そのため、医師等のユーザーは、コンピュータによる病変検出処理において病変の異常が検出されなかったのか、コンピュータによる病変検出処理に不適切な医用画像であったかを的確に把握できる。これにより、医師等のユーザーは、適切な診断を行うことができる。

＜第２実施形態＞
第２実施形態の医療情報処理システム１００Ｂでは、コンピュータによる病変検出処理をクラウド上の画像解析装置により行う。なお、以下、第１実施形態との相違点を中心に説明し、第１実施形態と共通する点については説明を省略する。第２実施形態の説明において、第１実施形態と共通する構成、機能を有する部分については同一符号を付して説明する。

［医療情報処理システム１００Bの構成例］
図９は、第２実施形態に係る医療情報処理システム１００Ｂの概略構成の一例を示す図である。医療情報処理システム１００Ｂは、病院施設内に配置された施設内システム１０と、クラウド上に設けられた画像解析装置９とを備える。施設内システム１０は、病院情報システム１と、放射線科情報システム２と、撮影装置３と、仲介装置４と、画像保管装置５とを有する。施設内システム１０と画像解析装置９とは、ネットワークＮ２を介して互いに通信可能に接続されている。ネットワークＮ２としては、例えば、インターネット、ＷＡＮ等が挙げられる。ＷＡＮは、Wide Area Networkの略称である。なお、画像解析装置９は、ネットワークＮ２を介したクラウド上だけでなく、医療機関内のネットワークＮ１に設けてもよい。

［医療情報処理システム１００Bの動作例］
施設内システム１０の撮影装置３は、病院情報システム１等から検査オーダーを受信し、被写体を撮影することで撮影部位の医用画像を取得する。仲介装置４は、撮影装置３により取得された医用画像に対しコンピュータによる病変検出処理を行うか否かを判定する。仲介装置４は、例えば、特定の画像処理がされているか否かの条件に基づき病変検出処理をするか否かを判定するか、訓練済みモデルを用いて病変検出処理をするか否かを判定する。仲介装置４は、撮影装置３により取得された医用画像に対しコンピュータによる病変検出処理を行うと判定した場合、その医用画像をネットワークＮ２を経由してクラウド上の画像解析装置９に送信する。一方、仲介装置４は、撮影装置３により取得された医用画像に対しコンピュータによる病変検出処理を行わないと判定した場合、病変解析不可情報を医用画像に付加して画像保管装置５に保管する。

クラウド上の画像解析装置９は、第１実施形態の仲介装置４の解析部４０２としての機能を有する。画像解析装置９は、施設内システム１０の仲介装置４から取得した医用画像に対し、コンピュータによる病変検出処理を行う。画像解析装置９は、例えば、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから病変の解析結果が付与された医用画像を取得する。画像解析装置９は、取得した病変の解析結果が付与された医用画像をネットワークＮ２を経由して施設内システム１０の仲介装置４に送信する。

仲介装置４は、クラウド上の画像解析装置９から送信された病変の解析結果が付与された医用画像を受信し、受信した医用画像を画像保管装置５に送信する。画像保管装置５は、仲介装置４から送信された病変の解析結果が付与された医用画像を保管する。画像保管装置５は、医師等のユーザーにより所定の医用画像の検索指示が受け付けられると、その医用画像を医用画像をクライアント端末５ｂに出力する。クライアント端末５ｂは、ユーザーにより検索された所定の医用画像と、医用画像に付与された病変の解析結果とを表示部５６の画面に表示する。一方、医用画像に対し病変検出処理が行われていない場合、クライアント端末５ｂは、検索要求のあった医用画像の病変検出処理が不適切となった理由、根拠を示す情報を画面に表示する。

第２実施形態によれば、上述した第１実施形態と同様の効果を奏することができる。また、従来では、コンピュータによる病変検出処理をクラウド上の装置で行う場合、全ての医用画像を送信すると、コンピュータによる病変検出処理に適さない医用画像も含まれる場合がある。この場合、無駄な通信や、病変検出処理に伴う演算処理が発生するという問題がある。特に、クラウド上に画像解析装置９を設ける場合には、通信で発生したデータ量に応じた費用、病変検出処理の演算によるＣＰＵ利用料利用料が発生する場合もある。そのため、全ての医用画像をクラウド上にアップロードすると、無駄に費用が発生してしまう場合があった。第２実施形態によれば、クライド上に画像解析装置９を設けた場合でも、医用画像に対しコンピュータによる病変検出処理に適した医用画像のみを送信するので、無駄な通信や、病変検出処理に伴う演算処理を抑えることができる。これにより、無駄な費用の発生を回避できる。

＜第３実施形態＞
第３実施形態の医療情報処理システム１００Ｃでは、コンピュータによる病変検出処理をクラウド上の画像解析装置９により行い、撮影装置と画像保管装置とを統合した画像撮影保管装置８を構築している。なお、以下、第１実施形態との相違点を中心に説明し、第１実施形態、第２実施形態と共通する点については説明を省略する。なお、第３実施形態の説明において、第１実施形態と同じ部分については同一符号を付して説明する。

［医療情報処理システム１００Ｃの構成例］
図１０は、第３実施形態に係る医療情報処理システム１００Ｃの概略構成の一例を示す図である。医療情報処理システム１００Ｃは、病院施設内に配置された施設内システム１０と、クラウド上に設けられた画像解析装置９とを備える。施設内システム１０は、医事会計システム７と画像撮影保管装置８とを有する。医事会計システム７は、第１実施形態の病院情報システム１と放射線科情報システム２とを統合したシステムである。画像撮影保管装置８は、第１実施形態の撮影装置３と画像保管装置５とを統合した装置である。

［画像撮影保管装置８の構成例］
次に、第３実施形態に係る画像撮影保管装置８の構成について説明する。図１１は、第３実施形態に係る画像撮影保管装置８のブロック図である。画像撮影保管装置８は、制御部８０と、操作部８１と、表示部８２と、保管部８３と、通信部８４と、撮影制御部８５とを備える。制御部８０、操作部８１、表示部８２、保管部８３、通信部８４及び撮影制御部８５は、例えばバス８７等の配線を介して互いに接続されている。制御部８０は、取得部８００、判定部８０１及び出力部８０３として機能する。撮影制御部８５は、画像取得部として動作し、被写体の撮影を行うことで所定の医用画像を取得する。画像撮影保管装置８には、表示部８６を有するクライアント端末８ａが接続されている。

［画像解析装置９の構成例］
次に、第３実施形態に係る画像撮影保管装置８の構成について説明する。図１２は、第３実施形態に係る画像撮影保管装置８のブロック図を示す図である。画像解析装置９は、制御部９０と、操作部９１と、保管部９３と、通信部９４とを備える。制御部９０、操作部９１、保管部９３及び通信部９４は、例えばバス９７等の配線を介して互いに接続されている。制御部９０は、取得部９００、解析部９０２及び出力部９０３として機能する。

［医療情報処理システム１００Ｃの動作例］
画像撮影保管装置８の撮影制御部８５は、医事会計システム７等から検査オーダーを受信し、被写体を撮影することで撮影部位の医用画像を取得する。撮影制御部により取得された医用画像は保管部８３に保管される。ここで、医師等のユーザーが所定の画像の病変検出処理を要求する場合、表示部８２に表示される画面上で所定の画像が選択され、病変検出処理の要求操作が行われる。判定部８０１は、ユーザーにより選択された医用画像を保管部８３から読み取り、読み取った医用画像に対しコンピュータによる病変検出処理を行うか否かを判定する。判定部８０１は、例えば、特定の画像処理がされているか否かの条件に基づき病変検出処理をするか否かを判定するか、訓練済みモデルを用いて病変検出処理をするか否かを判定する。出力部８０３は、医用画像に対しコンピュータによる病変検出処理を行うと判定した場合、その医用画像をネットワークＮ２を経由してクラウド上の画像解析装置９に送信する。一方、判定部８０１は、医用画像に対しコンピュータによる病変検出処理を行わないと判定した場合、病変解析不可情報を医用画像に付加して保管部８３に保管する。

画像解析装置９は、第１実施形態の仲介装置４の解析部４０２としての機能を有する。画像解析装置９は、施設内システム１０の画像撮影保管装置８から取得した医用画像に対し、コンピュータによる病変検出処理を行う。画像解析装置９は、例えば、取得した医用画像を訓練済みモデルに入力し、訓練済みモデルから病変の解析結果が付与された医用画像を取得する。画像解析装置９は、取得した病変の解析結果が付与された医用画像をネットワークＮ２を経由して施設内システム１０の画像撮影保管装置８に送信する。

画像撮影保管装置８の通信部８４は、クラウド上の画像解析装置９からの病変の解析結果が付与された医用画像を受信する。取得部８００は、受信した病変の解析結果が付与された医用画像を保管部８３に保管する。出力部８０３は、病変の解析結果が付与された医用画像をクライアント端末５ｂに出力する。クライアント端末５ｂの表示部５６は、ユーザーにより検索された所定の医用画像と、医用画像に付与された病変の解析結果とを表示部５６の画面に表示する。一方、
一方、医用画像に対し病変検出処理が行われていない場合、クライアント端末５ｂは、検索要求のあった医用画像の病変検出処理が不適切となった理由、根拠を示す情報を画面に表示する。

第３実施形態によれば、上述した第１実施形態と同様の効果を奏することができる。また、従来では、コンピュータによる病変検出処理をクラウド上の装置で行う場合、全ての医用画像を送信すると、コンピュータによる病変検出処理に適さない医用画像も含まれる場合がある。この場合、無駄な通信、負荷等が発生するという問題がある。特に、クラウド上に画像解析装置９を設ける場合には、処理量、時間等に応じて利用料が発生する場合もある。そのため、全ての医用画像をクラウド上にアップロードすると、無駄に費用が発生してしまう場合があった。第３実施形態によれば、クライド上に画像解析装置９を設けた場合でも、医用画像に対しコンピュータによる病変検出処理に適した医用画像のみを送信するので、無駄な通信、処理を抑えることができる。これにより、無駄な費用の発生を回避できる。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。また、各種の変更例、改良を施したものは、当業者の特許請求の範囲に記載された技術的思想の範疇内において、当然に本開示の技術的範囲に属する。
例えば、コンピュータによる病変検出処理に適した医用画像を成人を対象とした医用画像に限定してもよい。医用画像が小児を対象としたものでないことは、ＤＩＣＯＭ規格により医用画像に付帯されているタグ情報の検査日付、シリーズ日付、画像日付、収集日付のいずれかと患者の生年月日から撮影時点の年齢情報を算出し、その撮影時点の年齢情報から判断する。

１ 病院情報システム
２ 放射線科情報システム
３ 撮影装置
４ 仲介装置（医療情報処理装置）
５ 画像保管装置
４０ 制御部
５６ 表示部
１００Ａ，１００Ｂ，１００Ｃ 医療情報処理システム
４００ 取得部
４０１ 判定部
４０２ 解析部
４０３ 出力部
Ｉ 病変解析不可情報

Claims (13)

1. 医用画像を取得する画像取得部と、
   医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定部と、を備え、
   前記判定部は、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する、
   医療情報処理装置。
2. 前記病変検出処理をするか否かの判定に基づき、前記医用画像を出力する出力部を備える、
   請求項１記載の医療情報処理装置。
3. 前記特定の画像処理がされているか否かの情報を、前記医用画像の付帯情報又は前記医用画像に対する画像認識によって取得する取得部を備える、
   請求項１記載の医療情報処理装置。
4. 前記特定の画像処理がされているか否かの情報を、病院情報システムに含まれる情報又は放射線科情報システムに含まれる情報から取得する取得部を備える、
   請求項１記載の医療情報処理装置。
5. 前記医用画像が特定の画質条件を満たしているか否かは、前記医用画像がフィルムデジタイズ画像か否か、前記医用画像の解像度が条件を満たしているか否か及び非可逆圧縮処理を行っているか否か、の少なくとも一つである、
   請求項１記載の医療情報処理装置。
6. 前記医用画像が特定の画質条件を満たしているか否かの情報を前記医用画像のタグ情報から取得する取得部を備え、
   前記判定部は、前記タグ情報から取得された情報を用いて、前記病変検出処理をするか否かを判定する、
   請求項１記載の医療情報処理装置。
7. 前記医用画像が特定の画質条件を満たしているか否かの情報を前記医用画像に対する画像認識によって取得する取得部を備え、
   前記判定部は、前記画像認識によって認識された情報を用いて、前記病変検出処理をするか否かを判定する、
   請求項１記載の医療情報処理装置。
8. 前記出力部は、前記判定部により前記病変検出処理をしないと判定された場合に、前記判定に関する情報を出力する、
   請求項２記載の医療情報処理装置。
9. 前記出力部は、前記判定部により前記病変検出処理をしないと判定された場合に、前記判定の根拠を出力する、
   請求項２記載の医療情報処理装置。
10. 前記出力部は、前記判定部により前記病変検出処理をしないと判定された場合に、前記判定の根拠を医用画像として出力する、
    請求項２記載の医療情報処理装置。
11. 医用画像を取得する画像取得部と、
    医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定部と、を備え、
    前記判定部は、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する、
    医療情報処理システム。
12. 医用画像を取得する画像取得ステップと、
    医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定ステップと、を有し、
    前記判定ステップでは、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する、
    医療情報処理方法。
13. コンピュータを、
    医用画像を取得する画像取得部、
    医用画像に対し機械学習によって訓練された訓練済みモデルを用いた病変検出処理をするか否かを、少なくとも特定の画像処理がされているか否かの条件に基づき判定する判定部として機能させ、
    前記判定部は、前記医用画像が特定の画質条件を満たしているか否かを判定し、前記医用画像が特定の画質条件を満たしていないと判定した場合、前記病変検出処理をしないと判定する、
    プログラム。