[发明专利]诊断辅助系统和诊断辅助装置

说明书

本诊断辅助系统(100)具备判定部(21)，该判定部(21)经由外部网络(30)接收由学习模型生成部(11)生成的学习模型信息(M)，并且基于接收到的学习模型信息(M)来判定未包括在患者群(PF)中的患者(P2)有无疾病。

技术领域

本发明涉及诊断辅助系统和诊断辅助装置，特别是涉及具备基于患者群的生物体信息通过机器学习来生成学习模型信息的学习模型生成部的诊断辅助系统和诊断辅助装置。

背景技术

以往，已知有具备学习模型生成部的诊断辅助装置，该学习模型生成部基于患者群的生物体信息通过机器学习来生成学习模型信息。这样的诊断辅助装置例如被日本特开2018-41434号公报公开。

在日本特开2018-41434号公报中公开了用于根据摄像图像来诊断病变的诊断辅助装置。在该诊断辅助装置中，被构成为通过集成识别器(学习模型生成部)来进行机器学习(神经网络)。具体地说，准备用于机器学习的病变已知的多张学习图像(参考图像)。接着，从多张学习图像中取出规定的图像，并且准备使取出的图像的旋转角或倍率等不同的多个图像。然后，这些图像被输入到集成识别器(神经网络)中进行机器学习。其结果，生成学习完成的集成识别器。然后，将病变未知的图像输入到学习完成的集成识别器中来推论(判定)是否病变。

现有技术文献

专利文献

专利文献1：日本特开2018-41434号公报

发明内容

发明要解决的问题

在此，在日本特开2018-41434号公报所记载那样的神经网络等的机器学习中，需要比较多的数量的机器学习用的图像(机器学习用数据)。例如，在规模比较大的医院(大医院)，许多患者来院，因此，能够获取足以进行机器学习的机器学习用数据。另一方面，在规模比较小的医院(小医院)，来院的患者的数量较少，因此，难以获取足以进行机器学习的机器学习用数据。另外，机器学习用数据中包括用于识别患者的个人信息等，在小医院中不能利用大医院所保持的机器学习用数据。因此，存在如下的问题点：在小医院难以进行是否病变的机器学习，在小医院难以基于机器学习的结果来进行是否病变的推论(判定)。

本发明是为了解决上述那样的问题而完成的，本发明的一个目的在于提供即使在难以获取机器学习用数据的小医院等、也能够不向外部(小医院等)泄漏患者的个人信息地基于机器学习的结果来判定患者有无疾病的诊断辅助系统和诊断辅助装置。

用于解决问题的方案

为了达成上述目的，根据本发明的第一方式的诊断辅助系统，具备：存储部，其存储有患者群的生物体信息；学习模型生成部，其基于存储部中存储的患者群的生物体信息，通过机器学习来生成患者群的生物体信息中包括的模式即学习模型信息；以及判定部，其经由外部网络接收由学习模型生成部生成的学习模型信息，并且基于接收到的学习模型信息来判定未包括在患者群中的患者有无疾病。

在根据本发明的第一方式的诊断辅助系统中，如上述那样，具备判定部，该判定部经由外部网络接收由学习模型生成部生成的学习模型信息，并且基于接收到的学习模型信息来判定未包括在患者群中的患者有无疾病。由此，设置于小医院等的判定部能够经由外部网络接收学习模型信息，因此即使在难以获取机器学习用数据的小医院等，也能够基于学习模型信息来判定患者有无疾病。另外，由学习模型生成部生成的学习模型信息由不包括患者的个人信息的统计性的信息等构成。由此，即使经由外部网络向外部(小医院等)提供学习模型信息，也不会泄漏患者的个人信息。其结果，即使在难以获取机器学习用数据的小医院等，也能够不向外部(小医院等)泄漏患者的个人信息地基于机器学习的结果(学习模型信息)来判定患者有无疾病。