English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

近年,電子カルテなどの診療データ,健康診断デー タ,服薬履歴データ(お薬手帳),などに代表される医 療健康データの電子化が著しい.とくに電子カルテは 平成 11年に厚生労働省が認可して以降,大規模病院を 中心に利用率の高まりを見せている.平成 25年には, 全病院の 31%,大規模病院の 69.9%に導入されたとい う統計値もある.患者の問診記録,検査結果などを病 院間で共有することで,患者の過去の疾病歴を調べる ことが容易となるだけでなく,睡眠・食生活などの患者 の生活習慣の電子記録を合わせて考えることによって 将来的に一人一人の患者に応じた医療を提供すること が可能となる.また,今まで得ることができなかった 様々な種類の情報を得ることによって,病気とある特 徴量との間に相関を見つけることができれば,新たな 医学的知見を得ることも可能となる.例えば,電子カ ルテから意思決定やデータマイニングのために情報を 抽出するシステムの開発 [1],日本語の医療文章で省略 表現された単語を補完する手法の構築 [2],ケースベー ス推論を用いた肝臓癌の再発予測 [3],などの研究がす でに行われている.しかし,現状では,電子化された 医療データに対して,それを利用するための統一され た知的情報システムはいまだ模索段階であり,医師に とって使いやすく有用な医療情報システムの開発が急 務となっている. 医療情報を用いた応用システムの一つとして,電子 カルテに記述された内容から,患者の情報を適切に読 み取り,そこから考えられる病名候補を予測するシス テムの構築が考えられる.患者の状態を確認し,診断を 与えるという作業は,専門性を必要とする難易度の高 い経験の要る仕事である.したがって,プログラムによ る完璧な診断を行うことは困難であると考えられるが, 医師が最新の知識や情報にアクセスすることがより容 易になり,見落としを防止できるなど医師の補助には 有用であると考えられる.このような診断支援システ ムを実現する方法として,図 1に示すように,ルール ベース推論とケースベース(事例ベース)推論の二つ の手法が主に考えられる.ルールベース推論は,医学 的な専門知識を文献情報や専門家から取り出し,診断 ルールとして明示的に実装し,そのルールを患者の症 状に適用して病名を判定する方法である.一方,ケー スベース推論は,過去に蓄積された電子カルテなどの データベースから,患者の症状に類似の症例を検索し て,その病名を出力する方法である.本論では,医学 教科書 [4, 5]などから診断ルールを取り出して実装す

Erratum: Construction of a Question-Answering Program That Automatically Answers the Medical Licensing Examination