[发明专利]危险行为预测装置、预测模型生成装置以及危险行为预测用程序

说明书

本发明提供危险行为预测装置、预测模型生成装置以及危险行为预测用程序；该危险行为预测装置具备：输入患者的电子病历中包含的m个文本的学习用数据输入部(10)；从m个文本提取n个单词并计算出反映m个文本与n个单词之间的关联度的相似度指标值的相似度指标值计算部(100)；生成用于根据针对一个文本由n个相似度指标值构成的文本指标值组将m个文本分类为多个事件的分类模型的分类模型生成部(14)；以及通过将相似度指标值计算部(100)从预测用数据输入部(20)输入的文本计算出的相似度指标值应用于分类模型中，从而根据预测对象的文本预测发生跌倒的可能性的危险行为预测部(21)；使用表示哪个单词对哪个文本的贡献程度如何的相似度指标值生成高精度的分类模型。

技术领域

本发明涉及危险行为预测装置、预测模型生成装置以及危险行为预测用程序，尤其涉及预测患者发生跌倒或跌落等危险行为的可能性的技术、以及生成该预测中使用的预测模型的技术。

背景技术

近年来，预防事故在各种产业领域均得到重视。在医疗领域中，也在研究各种对策以防发生医疗事故。例如，提供如下系统：通过记录事故报告，并根据事故报告来管理可能引起医疗事故的危险行为，由此来防止医疗事故于未然。

然而，在医疗事故中，除了由医生、护士等的医疗行为引起的事故之外，还存在由患者侧的事情引起的事故，例如患者跌倒。通过提高医生、护士等的医疗行为的品质，能够尽可能地防止前者事故，但防止患者侧的主要原因大的后者事故本身就很难。因此，在现有的对策中，实际上只能采取大概的应对，例如一律限制患者的行动等。

此外，专利文献1中公开了预测患者的危险行为(跌倒或掉落等)的装置。在专利文献1公开的行为预测装置中，将预先从已判断病历信息中提取的、与患者的危险行为相关联的医疗信息存储在存储部中，该已判断病历信息是通过与关于患者的危险行为的事故报告建立关联而确定危险行为的病历信息。关联度评价部获取未关联事故报告的未判断病历信息，并根据存储部中存储的与危险行为相关联的医疗信息，评价未判断病历信息与该未判断病历信息所对应的患者可实施的危险行为的关联度。预测部根据关联度评价部的评价结果，预测与未判断病历信息对应的患者的危险行为。

具体而言，专利文献1中公开的行为预测装置将相对于病历信息中包含的数据元素(包括患者的情绪表现在内的数据元素，例如“快乐”、“疼痛”、“痛苦”等的语素)的情绪评价相对应地存储在存储部中。另外，行为预测装置针对病历信息中包含的文本，搜索该文本中是否包含预先确定的关键字(与情绪相关的词句)。并且，在包含的情况下，将根据规定的基准计算出的情绪得分与该关键字相对应地存储在存储部中。

另一方面，行为预测装置从未判断病历信息中提取预先规定的关于情绪的关键字，从存储部取得与提取出的关键字相对应的情绪得分，并将各关键字的情绪得分加以整合，作为该未判断病历信息的情绪得分。例如，假设在未判断病历信息的文本中包含“最近脚痛。站起来时会摇晃。”这一文本。而且，作为关键字而在存储部中预先存储有“痛”、“摇晃”，且分别对应于“+1.4”、“+0.9”这样的情绪得分。该情况下，行为预测装置将两者相加而算出“+2.3”这一情绪得分。然后，行为预测装置根据该情绪得分预测患者的危险行为(跌倒)。

专利文献1：日本专利特许第5977898号公报

发明内容

在通过上述专利文献1那样的机器学习来预测跌倒的情况下，为了提高预测的精度，提高通过学习生成的预测模型的精度是不可或缺的。然而，在上述专利文献1公开的行为预测装置中，仅仅根据病历信息中包括何种程度的预先确定的关于情绪的关键字而计算预测中使用的得分，由此生成的预测模型是仅将计算出的得分与关键字相对应地加以存储的极其简单的模型。因此，存在难以充分提高预测的精度这一问题。

本发明是为了解决上述问题而完成的，其目的在于，通过将电子病历等医疗信息中包含的词句作为对象进行分析，能够高精度地预测跌倒、跌落等人为引起的危险行为的发生。