JP2022002069A - 医療評価システム、医療評価方法及び医療評価プログラム - Google Patents

Abstract

【課題】実際の診療を評価し、この評価情報を診療に生かすと共に、当該評価情報を利用者に提供可能とする医療評価システム、医療評価方法及び医療評価プログラムを提供する。【解決手段】医療評価システム１０は、電子カルテ装置１１及び診断評価装置としての診療評価ＡＩを備えている。医療評価システム１０には、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６及び診療装置センサ１７が接続されており、これらの各装置からの情報が入力される。各装置からの情報は、電子カルテ装置１１に記憶されると共に、診療評価ＡＩ１２で評価され、診療に対する評価である評価情報が入出力装置１３に出力される。【選択図】図１

Description

本発明は、医療評価システム、医療評価方法及び医療評価プログラムに関する。

近年、医療分野において診察ないし治療の情報を電子カルテに格納し、これらの情報を治療に生かす技術が提案されている。

特許文献１には各種センサで検出した処置内容に応じて表情を変化させたり発音したりする人体模型を用いた医療用実習装置が記載されている。この医療用実習装置は外部の評価装置によって自動的に実習内容を評価することが可能である。

特許文献２にはレントゲン画像撮影装置、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波診断装置等の医用画像診断装置によって取得された医用画像を電子カルテ情報として記録することにより、診療履歴を視覚的に認識できる医用画像診断支援装置が記載されている。

特許文献３には患者による歯科医療従事者に対する評価情報を患者データベースで管理する歯科医療従事者評価システムが記載されている。

非特許文献１には実習用模型歯を使って実習により削った窩洞形成の形を３Ｄスキャンし、体積計算による採点を行う窩洞形成技能評価装置が記載されている。

非特許文献２には実習用模型歯を用いた窩洞形性実習において窩洞形成後の人工歯を口腔内スキャナーにより３Ｄスキャンし、ＣＡＤで作成した参考窩洞と比較評価を行う歯科医師臨床研修について記載されている。

特開２０１２−１８１３６３号公報 特開２０１４−０３６８８０号公報 特開２０１８−２００６５２号公報 特開２００９−１２８４８６号公報

株式会社ニッシン ウエッブサイト、3次元支台・窩洞形成技能評価装置<URL：http://www.nissin-dental.jp/products/educationalmodels/etc/Fairgrader100/index.html > 日総歯誌第１１巻第１号５８〜６５頁２０１９年１０月<URL：https://jsgd.jp/wordpress/wp-content/uploads/5c6e1aa47bea0ee4e8dce01dd27c09cc.pdf >

上記特許文献１では、人体模型を用いた医療用実習装置であるため、実際の診察に適用することについての記載がない。また、外部の評価装置によって自動的に実習内容を評価することが可能であることは記載されているが、具体的な外部の評価装置の内容は記載されていない。

上記特許文献２では、医用画像診断装置によって取得された医用画像を電子カルテ情報として記録することにより、診療履歴を視覚的に認識できるようにすることが記載されているが、診療履歴は当該診療を担当する医師に対して提供されるのみであり、診療内容を評価するものではない。

上記特許文献３では、患者による歯科医療従事者に対する評価であるため、管理される評価情報自体が、定量的で客観的なものではないため、評価情報としての信頼性に欠くという問題がある。

上記非特許文献１では、実習用模型歯を使って実習により削った窩洞形成の形を３Ｄスキャンし、体積計算による採点を行うことが記載されているが、あくまでも実習用の技能評価を行うものであり、予め用意された均一の形状をしている実習用模型歯を用いていることから、実際の診療の評価を行うことについては記載されていない。

上記非特許文献２では、実習用模型歯を用いた窩洞形性実習において窩洞形成後の人工歯を口腔内スキャナーにより３Ｄスキャンし、ＣＡＤで作成した参考窩洞と比較評価を行うことが記載されているが、あくまでも実習用の評価を行うものであり、予め用意された均一の形状をしている実習用模型歯を全ての実習生が共通して用いるものであり、実際の診療の評価を行うことについては記載されていない。

本発明者は上記問題点に鑑み、歯科診療を含む医療分野において、実際の診療の手順とその評価に関して鋭意研究開発を進めた結果、本発明の実施形態を完成するに至った。すなわち、本発明の目的は、実際の診療について自動的に的確な評価を行い、この評価情報を診療に生かすと共に、当該評価情報を利用者に提供可能とする医療評価システムを提供することにある。

また、本発明の別の目的は、得られた評価情報を公的医療保険制度を含む医療保険、損害賠償保険、その他金融派生商品等に適用することができる医療評価システムを提供することにある。なお、上記特許文献４にはドライバの安全運転のレベルに応じて保険料を計算する自動車保険料設定システムが記載されているが、保険料算定のために利用可能な医療評価システムについては記載されていない。加えて、標準治療を正確に達成しているか否かを評価しているシステムは存在しない。ここで、標準治療とは、科学的根拠（後述）に基づき、効果があること、安全であることが検討された、現在利用できる最良の治療で、ある状態の患者におこなわれることが推奨されている治療のことを意味する。標準治療は、各学会（日本内科学会、保存歯科学会など）がエビデンスに基づき作成、交付した治療のガイドラインに示されている。医師・歯科医師の判断により治療方針決めて処置を行うが、医師・歯科医師の技量と共に、各医師・歯科医師が標準治療に従ってガイドラインを遵守せることが重要である。

本発明の上記目的は、以下の構成によって達成できる。すなわち、本発明の１つの態様の医療評価システムは、診察室画像取得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも１つから得られる情報を格納する電子カルテ装置と、
電子カルテ装置に格納された情報を入力し、診療評価情報を出力する診療評価装置と、
を備える診療内容の評価を行う医療評価システムであって、
評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも１つと共にブロックチェーンデータベースを構成し、
前記評価情報は医療評価システム以外のシステムにおいて利用可能であることを特徴とする。

本発明の実施形態によれば、実際の診療について自動的に的確な事実に基づき評価を行い、この評価情報を術者の医師・歯科医師にフィードバックすることにより診療に生かすと共に、当該評価情報を匿名加工情報として利用者（術者の医師・歯科医師とその患者）に提供可能とする医療評価システムを提供することができる。また、得られた評価情報を保険制度に適用することができる医療評価システムを提供することが可能となる。

医療評価システムのブロック図である。 窩洞形成説明図である。 医療評価システムの概念図である。 医療評価システムのブロック図である。 医療評価システムの詳細ブロック図である。 ブロックチェーンデータベースの説明図である。 診療情報の説明図である。 ブロックチェーンデータベースの概念図である。 生存率の説明図である。

以下、図面を参照して本発明の実施形態に医療評価システム、医療評価方法及び医療評価プログラムを説明する。但し、以下に示す実施形態は本発明の技術思想を具体化するための医療評価システム、医療評価方法及び医療評価プログラムを例示するものであって、本発明をこれらに特定するものではなく、特許請求の範囲に含まれるその他の実施形態のものにも等しく適用し得るものである。

［実施形態１］
本発明の実施形態１に係る医療評価システム１について、図１〜図３を参照して説明する。

図１は本実施形態に係る医療評価システムのブロック図である。実際の診療を評価することとは、例えば医師・歯科医師の手技を評価することを含み、また、医師の手技以外の評価、例えば治療環境、助手の手当て等の評価も含む。

医療評価システム１０は、電子カルテ装置１１及び診断評価装置としての診療評価ＡＩを備えている。医療評価システム１０は、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６、及び、診療装置センサ１７に接続されており、これらの各装置からの情報が入力される。これらの各装置からの情報は電子カルテ装置１１に記憶されると共に、診療評価ＡＩ１２において評価され、診療に対する評価である評価情報が出力される。医療評価システムには入出力装置１３が接続されており、入出力装置は電子カルテ情報や評価情報等を表示できる表示装置を備えている。

複数の医療評価システム１０がブロックチェーンデータベース２０に接続されている。ブロックチェーンデータベース２０には、評価情報分析システムとしての評価情報分析ＡＩ２１、複数の利用者システム２２、保険システム２３、ガイドラインデータベース２４等が接続されている。さらに、ブロックチェーンデータベース２０に、診療報酬計算システム等、他のシステムを接続することが可能である。図１では保険システム２３が代表的に記載されているが、ブロックチューンデータべース２０に接続されるものは、保険システム２３に限定されるものではなく、例えば、公的医療保険制度を含む医療保険、損害賠償保険、その他金融派生商品等の経済原則を含む（以下同様）。

診療装置センサ１７とは、医療用機器に備えられたセンサであり、歯科治療の場合には例えばタービンセンサ（タービンの動作ないし動作時間を検出）、バー検出センサ（バーの種類を検出）、浄水センサ等が挙げられる。診療部位画像取得装置１５としては、例えば３Ｄスキャン、Ｘ線ＣＴ、動画取得手段等が含まれる。

診察室画像取得装置１４としては、例えば天井カメラやＷＥＢカメラ等を採用することができ、特に限定されるものではないが、動画を撮影できることが望ましい。診察室画像取得装置１４が画像認識装置、例えばＡＩ画像解析装置等を備えている場合には、診療内容を画像認識により判断し、その場で禁忌治療に対して警告を発することができる。

図２は本実施形態に係る窩洞形成説明図である。標準治療について窩洞形成の例を説明し、評価の考え方をについて説明する。図２は歯の平面図である。図２のように歯の立体形状に沿った適切な窩洞形成が必要であり、凹凸嵌合の観点から補綴物が他方向から安定して固定できるようにされることが望ましい。また、窩洞形成は断面、逆台形形状とする必要がある。また、窩洞形成の開口部側にはテーパーを設ける必要があり、その角度は１２０度が望ましい。窩洞形成の評価には例えば上記のような観点が含まれる。

窩洞形成に必要な条件としては、例えば次の（１）〜（３）が挙げられる。
（１）連接する小窩・裂溝は窩洞に含める。
（２）咬頭稜線を保存する。
（３）咬頭内斜面の１／２にとどめる。

図３は本実施例の医療評価システムの概念図である。ガイドラインデータベースには歯科標準治療に係る複数のガイドライン及び医科標準治療に係る複数のガイドラインが蓄積されている。これらのガイドラインデータベースに蓄積された標準治療に係る情報に基づき、診療評価システムは、客観的に診療に関する評価を行う。

図４は本実施形態のＡＩシステム３０全体の概念図である。本実施形態のＡＩシステム３０は、診療評価ＡＩ１２と、評価情報分析ＡＩ２１とからなる。

診療評価ＡＩ１２には、ガイドラインデータベース２４から抽出されたガイドライン情報が診療評価ＡＩ訓練システム１８を介して診療情報として入力される。この診療評価ＡＩ１２は、教師データを用いて訓練されたニューラルネットワークを用いて入力された診療情報に対して、複数の観点の指数からなる評価情報を評価情報分析ＡＩ２１に出力する。

評価情報分析ＡＩ２１は、診療評価ＡＩ１２が出力した複数の評価情報を分析し、ベストプラクティスの選定を含む定量的な評価を行い、利用者に対して診療評価情報を提供し、保険システム２３に対して保険料基礎情報を提供すると共に、ガイドラインデータベース２４に対して、ガイドライン更新情報を提供する。

利用者は、ブロックチェーンデータベース２０を介して得られた診療評価情報に基づき自分が希望する医師ないしクリニックを選定することができる。保険システム２３では保険料基礎情報等に基づき保険料等を算定することができる。評価情報分析ＡＩ２１から出力される評価情報は、政府系システムにも提供され、この評価情報は専門医の認定や保険点数演算にも用いられる。また、評価情報分析ＡＩ２１においては、医療評価情報を含む、各種診療情報等が多変量解析的に分析され、望ましい診療内容が抽出され、ガイドライン更新情報が生成される。ガイドラインデータベース２４はこのガイドライン更新情報によって更新される。

なお、評価情報分析ＡＩ２１では、診療評価ＡＩ１２から入力された評価情報に関して、各医療評価システム１０の入出力装置１３を介して医師から入力されたセカンドオピニオン情報を参酌するようにしてもよい。

図５は医療評価システムの詳細ブロック図である。医療評価システム１０は、電子カルテ装置１１、診療評価ＡＩ１２及びタイマ１９等を備えている。電子カルテ装置１１は、電子カルテ演算部１１ａと、電子カルテデータベース１１ｂと、評価情報メモリ１１ｃと、会計演算部１１ｄと、を有する。また、電子カルテ装置１１には、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６、診療装置センサ１７、入出力装置１３等から各種診療情報等が入力され、これらの情報を電子カルテデータベースに蓄積する。また、電子カルテ装置１１は、治療評価ＡＩ訓練システム、診療評価ＡＩ１２、利用者システム22等の接続されている。

診療評価ＡＩ１２は、診療評価ＡＩ訓練システム１８で訓練された訓練済みニューラルネットの情報が提供されている。診療評価ＡＩ訓練システム１８においては、ガイドラインデータベースから提供される各種ガイドラインの情報等を教師データとして、後述のように、教師あり学習の分類（classification）によるアルゴリズムにより、ディープラーニングが用いられる。

評価情報分析ＡＩ２１は、後述のように学習により訓練されたニューラルネットワークを用いている。この学習のアルゴリズムとしては、例えば、教師無し学習のクラスタリング（clustering）においてディープラーニングが用いられる。評価情報分析ＡＩ２１は多数の評価情報や各種エビデンス情報を入力可能であり、多変量解析的に診察内容について客観的な評価を行うことができる。評価情報分析ＡＩ２１には、複数の医療評価システム１０からの診療評価情報が入力され、ニューラルネットワークの学習に用いられると共に、学習されたＡＩによる診療評価情報の分析によって、望ましい症例の抽出などを行うことができる。この望ましい症例を元にガイドライン更新情報が生成され、ガイドラインデータベース２４が更新される。

本システムの会員すなわち利用者である、患者または医師ないし歯科医師は、利用者システム２２を用いて、診療評価情報を有料で入手することが可能である。この場合の会計にもＩＯＴＡ等のブロックチェーンデータベースを用いることができる。

また、診療評価ＡＩないし評価情報分析ＡＩから出力される診療評価情報(図７等を参照。)は、政府系システム２５や保険システム２３においても利用可能である。政府系システムでは、専門医認定部２５ａにおける専門医の認定や、保険点数演算部２５ｂにおける保険点数、すなわち診療報酬の演算に用いられる。保険システム２３においては、診療評価情報は医師損害賠償保険料金演算部２３ａにおける医師損害賠償料の算定や、保険対象医師認定部２３ｂにおける民間保険適応対象医師の判定等に用いられる。

電子カルテ演算部１１ａ診療情報によって、患者とこの患者を治療した医師とが一体となってIDを付与され、さらに術前情報と術後情報等が一体となって、データ１、２、・・・、ｍとして保存される。
データ１：患者１＋医師Ａ―Σ（術前情報）k＋Σ（術後情報）k，k＝1〜n
データ２：患者２＋医師Ａ―Σ（術前情報）k＋Σ（術後情報）k，k＝1〜n
データｍ：・・・

電子カルテデータベース１１ｂには、治療時に検出された情報及び診療評価ＡＩ１２に入出力された情報が記憶される。

評価情報メモリ１１ｃは、評価情報分析ＡＩ２１、政府システム２５及び会計演算部１１ｄに接続され、入出力装置１３によって医師から入力されたセカンドオピニオン情報、政府システム２５によって設定された専門医、保険点数に関する情報が記憶される。
この評価情報メモリ１１ｃは、評価情報分析ＡＩ２１及び政府システムに接続され、セカンドオピニオン情報が評価情報分析ＡＩ２１によって参酌できるようになっている。

会計演算部１１ｄは、評価情報メモリ１１ｃに基づいた会計処理を行うものであり、保険システム２３に接続されている。

政府システム２５は、専門医認定部２５ａと、保険点数演算部２５ｂと、を有する。専門医認定部２５ａは、専門医の手技の質を基準とし、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３（評価項目は、もっとあるべき約１００項目ある）が所定の基準を満たしている医師について専門医として認定処理する。保険点数演算部２５ｂは、専門医認定部２５ａによって専門医として認定された医師に対する診療に対して、診療報酬の保険点数を加算するように診療報酬制度を設定する。

保険システム２３は、評価情報分析ＡＩ２１から提供された保険料基礎情報に基づいて保険料等を算出する。この保険システム２３は、医師損害賠償保険料金演算部２３ａと、保険対象医師認定部２３ｂと、経理処理部２３ｃと、を有する。

医師損害賠償保険料金演算部２３ａは、評価情報分析システム２１から出力される保険料基礎情報に含まれる医師損害賠償保険料金算定基礎情報に基づいて医師への医師損害賠償保険の保険料の保険料を算定する。

保険対象医師認定部２３ｂは、治療実績に基づいて保険料の減額対象なる優れた医師を認定する。

経理処理部２３ｃは、医師損害賠償保険料金演算部２３ａ及び保険対象医師認定部２３ｂに基づいた保険料を算出する。

また、本実施形態では、医療評価システム１０、保険システム２３及び評価情報分析ＡＩに接続される利用者システム２２（図５参照）を設けている。利用者システム２２は、入出力装置１３からの接続を制御する利用者ＣＰＵ２２ａと、支払処理部２２ｂと、評価情報メモリ２２ｃと、を有する。

支払処理部２２ｂは、電子カルテ装置１１の会計演算部１１ｄに接続すると共に、保険システム２３の経理処理部２３ｃに接続しており、保険料を加味した利用者の支払い費用を算出すると共に、決済処理を行うものである。また、診療評価情報を入手するための料金の精算にも用いられる。評価情報メモリ２２ｃは、評価情報分析ＡＩ２１及び保険システム２３の保険対象医師認定部２３ｂに接続しており、診療評価ＡＩによる評価情報や評価情報分析ＡＩ２１による出力情報及び保険対象医師認定部２３ｂによって認定された保険対象となる医師の情報等を記憶する。

また、本実施形態では、治療時間を計測するためのタイマ１９が医療評価システム１０に接続されている。このタイマ１９によって計測された治療時間情報は、治療時間評価指数Ｓ３に基づいた判定を実施するために用いられる。

［診療評価ＡＩ１２について］
診療評価ＡＩ１２は、ＡＩを備えており、症例に応じた適正な治療方針の策定、及び、治療結果の評価を行うことができる。このために診療評価ＡＩ１２は、例えばブロックチェーンデータベース２０に接続されたガイドラインデータベース２４にアクセス可能である。ガイドラインデータベース２４はガイドラインが改定されるたびに更新され、常に最新の情報が記憶されている。この情報は医療評価システムが診療の評価に用いるだけでなく、医師が診療の際に参照することも可能である。

ガイドラインデータベース２４には、医科標準治療ないし歯科標準治療を規定した複数種類のガイドラインが含まれる。ＥＢＭ（エビデンスベースドメディスン）とは、エビデンスの信頼性が高い治療行為のことである。治療方針を適切な手技で実現しているかどうかを判定するために参照される。ＥＢＭグレードの高いものが無視されないように、必要に応じて治療中に医師に対して治療評価情報を報知することができる。例えば、ラバーダムを使用する必要がある場合に、ラバーダムの不使用が画像認識により検出されると、即時に、医師に対して警報を発することができる。

ＡＩは治療中の画像データ等を分析し、術中に医師が行っている、あるいは、行おうとしている施術が標準治療から外れていることを警報し、医師にフィードバックを行うことができる。

まず、医療面接によって医師は、患者の状態と要望を把握し、この医療面接の内容に沿って診療計画を策定する。診療評価ＡＩ１２は、医師による診療計画の決定をサポートすることができる。診療評価ＡＩ１２は、医療面接によって収集した情報、ガイドラインデータベースの情報、電子カルテ情報等をもとに、医学的問題、心理的な問題、経済的問題の3つに分けて整理し、問題解決のための診療計画を提案する。診療評価ＡＩ１２は診断計画、教育計画についても、同様に提案することができる。例えば、窩洞形成を伴う場合には、患者の歯の３Ｄスキャンの画像及びＸ線ＣＴの画像から窩洞形成の３Ｄ−ＣＡＤデータを出力できる。診療評価ＡＩ１２は、ガイドラインデータベースを教師データとして訓練されており、入力された診療方針、患者の歯の３Ｄスキャンの画像及びＸ線ＣＴの画像等から、治療内容である窩洞形成の３Ｄ−ＣＡＤデータを出力することが可能である。

治療の進捗に応じて、診療経過情報を診療評価ＡＩ１２に入力すると、診療評価ＡＩ１２は目標とする治療内容との差分を出力することができる。例えば、診療評価ＡＩ１２は治療途中の３Ｄスキャンデータを入力されると、目標とする治療内容である窩洞形成との差分を示した３Ｄ−ＣＡＤデータを出力することが可能である。

窩洞形成の場合を例に挙げると、診療評価ＡＩ１２は治療途中の３Ｄスキャンデータを入力されると、目標とする治療内容である窩洞形成との差分を示した３Ｄ−ＣＡＤデータを出力する。歯科医は、診療評価ＡＩ１２によって示された差分を無くすための治療を行った上、再度、３Ｄスキャンデータを診療評価ＡＩ１２に入力する。この治療が１回以上行われることにより、診療評価ＡＩ１２から出力される目標とする治療内容である窩洞形成との差分が所定の許容範囲になったことが、歯科医に対して報知される。この報知を確認し、歯科医は次の充填、咬合調整の段階へと進む。各段階の情報が入力されることにより、診療評価ＡＩ１２から目標とする治療内容との差分の情報が出力されるので、医師はこの情報を参酌してガイドラインにしたがって標準治療を実施することができる。

また、ブリッジや義歯等の補綴物を支えるための支台歯の形成についても、診療評価ＡＩ１２は目標とする３Ｄ−ＣＡＤデータを出力し、また、歯科医による治療後の３Ｄスキャンデータを診療評価ＡＩ１２に入力すると、目標とする治療内容である支台歯形状との差分に関する情報が出力される。これにより上記窩洞形成の場合と同様に、医師は診療評価ＡＩ１２から出力される情報を参酌してガイドラインにしたがって標準治療を実施することができる。

治療後の３Ｄスキャンデータ及びＸ線ＣＴの画像が入力されると、診療評価ＡＩ１２は、治療内容について評価することができる。

標準治療を評価する場合、ラバーダムの使用の有無のように、可か不可かだけの２択による評価だけではない。窩洞形成の内側面の角度が適正角度かどうか、窩洞形成の開口面に適正角度のテーパーが付与されているか等の例えば１００点から０点等の評価とすることもできる。

治療時に検出された情報及び診療評価ＡＩ１２に入出力された情報は、電子カルテ情報として、電子カルテデータベースに記憶される。各医療評価システムによって蓄積された電子カルテ情報を用いることにより、患者の状態を的確に把握し、的確な診療計画の作成と適切かつ効率的な診療を行うことができると共に、医療安全の向上を図ることが可能である。各医療評価システム１０によって蓄積された電子カルテデータべースの情報は、診療評価ＡＩ１２や評価情報分析ＡＩ２１を訓練するために用いることができる。

また、う蝕検知液を用いた治療にも診療評価ＡＩ１２を用いた画像認識技術が有効である。
（１） 補綴物を歯から取り除く。
（２） う蝕検知液を塗布し、洗浄する。
（３） 赤色、濃いピンク色の部分を削り取り、基準色よりも薄いピンク色の部分を残す。
（４） カメラでカラー画像を撮影し、診療評価ＡＩ１２に入力し、画像認識を行う。
（５） 上記（２）及び（３）を繰り返す。
（６） 診療評価ＡＩ１２から窩洞形成完了の報知があった場合、歯科医は次の充填、咬合調整の段階へと進む。
このように各段階の情報を入力することにより、診療評価ＡＩ１２から目標とする治療内容との差分の情報が出力されるので、医師はこの情報を参酌してガイドラインにしたがって標準治療を実施することができる。う蝕検知液の色の判定は医師の判断に主観的な要素があるが、診療評価ＡＩ１２を用いることにより基準色の判定を迅速かつ的確に行うことができる。

ここではう蝕の治療例を説明したが、本実施形態はこれに限定されるものではない。う蝕検知液によって検出されたう蝕を光学検査機器によって検出し、診断基準と比較することにより、客観的にう蝕を判定し、記録するシステムを提供することが可能である。

評価は主に３つの観点から行う。
（ａ）標準治療評価指数Ｓ１
（ｂ）術後画像評価指数Ｓ２
（ｃ）治療時間評価指数Ｓ３

（ａ）標準治療評価指数Ｓ１について
標準治療評価指数Ｓ１は、
ａ−１．適切な基材の選択と使用、ラバーダム、タービン、バー選択
ａ−２．タービン、注水、エンジンの利用方法
ａ−３．麻酔
ａ−４．禁忌治療
ａ−５．窩洞形成評価
等の項目に関して、標準治療がガイドラインどおり行われているかどうかの判定を示す指数である。標準治療どおりの治療が行われているほど、評価が高くなる。診察室画像取得手段から取得された治療を行っている様子を撮影した動画に、前処理を行った上で、ＡＩ画像認識を行い、評価する。

診療評価ＡＩ１２から出力される評価情報は、診察室カメラ、診察部位カメラ、問診入力装置、診察装置センサ（３Ｄスキャナ、Ｘ線ＣＴ、ドリルのマイクロモーターセンサ、タービンセンサ、バキュームセンサ、浄水センサ等）、電子カルテデータベース、及び、ガイドラインデータベース等の情報に基づき、医師・歯科医師等による診療に対する客観的かつ定量的な評価を含むものである。

（ｂ）術後画像評価指数について
術後画像評価指数Ｓ２は、診療の結果が、医療面接から導き出した診療方針（ＡＩによって提案された診療内容）どおりになっているかどうかを判定する指数である。ＡＩが計算した窩洞形成にどれだけ近いか等が判定され、医療面接による診療方針に近いほど評価が高くなる。３Ｄスキャン、Ｘ線ＣＴ等の画像からＡＩ画像認識を行い評価する。

（ｃ）治療時間評価指数について
治療時間評価指数Ｓ３は、標準治療を行うための治療時間が適正時間内であるかどうかを判定する指数である。ガイドラインに沿った標準治療にかかる時間には適正範囲があるため、この適正時間範囲であれば評価が高くなる。治療が早ければ高得点となるとは限らない。これは、ガイドラインを遵守するためには所定の時間を要する治療もあるためである。

複数の医療評価システム得られた３つの指標からなる評価情報を、評価情報分析ＡＩ２１を用いて統計的にも適切な評価を行う。ブロックチェーンデータベース２０を用いて評価情報を利用者(患者)に提供可能とする。

診療評価ＡＩ１２は、複数の教師データにより訓練された訓練されたニューラルネットワークを使用している。教師データとしては、ガイドラインデータベース２４の情報が含まれる。この学習のアルゴリズムとしては、例えば教師あり学習の分類（classification）においてディープラーニングが用いられる。ニューラルネットワークは例えば窩洞形成の画像とその適正度（合否ないしは点数）との組み合わせからなる教師データにより訓練される。診療評価ＡＩ１２は、例えば診療部位画像取得手段１５からの画像を入力し、標準治療遵守指数、術後画像評価指数及び治療時間評価指数等を含む複数の指標を評価情報として出力する。また、ニューラルネットワークは入力情報として、診察室画像取得装置１４、診療部位画像取得装置１５、問診情報入力装置１６、及び、診療装置センサ１７からの各装置を入力とすることもでき、この場合、ニューラルネットワークを学習するデータとしても、これらの各装置からの入力に対応する教師データを含む。例えば、診察室画像取得装置１４からの情報をニューラルネットワークに入力する場合、あるいは、ニューラルネットワークを訓練する場合には、動画データに前処理を加える。前処理としては、例えば必要画像の切り出し、サイズ調整、カラー調整等である。

ニューラルネットワークによって、例えば入力データがどの程度ガイドラインに近い窩洞形成であるかを推論する。この推論結果は、専門医による評価、及び／又は、その後の経過情報による評価により検証され、ニューラルネットワークの訓練に用いられる。

［評価情報分析ＡＩ２１について］
前述のとおり、評価情報分析ＡＩ２１は、診療評価ＡＩ１２が出力した複数の評価情報を分析し、ベストプラクティスの選定を含む定量的な評価を行い、利用者に対して診療評価情報を提供し、保険システム２３に対して保険料基礎情報を提供すると共に、ガイドラインデータベース２４に対して、ガイドライン更新情報を提供する。診療評価ＡＩ１２は上記３つの評価情報だけでなく、これらを細分化した情報や評価に用いられる各種エビデンス情報を出力することが可能である。

評価情報分析ＡＩ２１は学習により訓練されたニューラルネットワークを用いている。この学習のアルゴリズムとしては、例えば、教師無し学習のクラスタリング（clustering）においてディープラーニングが用いられる。評価情報分析ＡＩ２１は多数の評価情報や各種エビデンス情報を入力可能であり、多変量解析的に診察内容について客観的な評価を行うことができる。

［利用者による診療評価情報の利用について］
利用者は、ブロックチェーンデータベース２０を介して得られた診療評価情報に基づき自分が希望する医師ないしクリニックを選定することができる。ブロックチェーンデータベース２０を用いることにより匿名性を担保しながら、改ざんができないようなデータ管理が実現できる。

［保険システム２３による保険料基礎情報３５の利用について］
保険システム２３では保険料基礎情報に基づき保険料等を算定することができる。
詳細は実施形態２で説明する。

［診療評価ＡＩ１２におけるガイドライン更新情報の利用について］
診療評価ＡＩ１２では、ガイドライン更新情報に基づきガイドラインデータベース２４の更新ないしその更新のための検討を行うことができる。ガイドライン更新情報は最新の臨床結果に基づくベストプラクティスを分析することにより得られものであり、ガイドライン更新のために利用することができる。

［作用効果について］
これまでは実際の診療、例えば医師ないし歯科医の手技を評価するために、実際の治療の術前及び術後を対比して分析するシステムは存在しなかった。また、単に診療を評価するだけではなく、この評価情報を経済的インセンティブ（保険料金や診療報酬等）に反映されることができる。これにより、コンビニエンスストアーの数よりも多いと言われる医師・歯科医師の適正数化、及び、適正価格を是正することにも繋がる。本実施形態の医療評価システムは、評価情報をエビデンスに基づき算出することで、医療市場における医師・歯科医師の質を担保しつつ、患者本位の医療の実現に寄与する。

［医療評価の効果］
医師・歯科医師は、標準治療として推奨されるべき処置法を行うことが義務付けられているが、その処置の品質が医師・歯科医師によって異なる場合がある。例えば、卓越した手技によって最短時間で標準治療で規定された処置をする医師・歯科医師の診療報酬が、時間当たりの診療報酬として適切な単価か否かを、ニューラルネットワークによる出力によって判断することができる。

また、医学的手技のみならず、コメディカル、例えば歯科においては、歯科衛生士や歯科助手、医科であれば看護師や理学療法の配置や動きが適切であるか、あるいは、機材の配置やメンテナンス等が適切かについても、訓練されたニューラルネットワークにより評価する。これにより、ＡＩを用いて、エビデンスに基づいて医師を評価すると共に、さらに、その医師が診察する環境、その診療所の経営効率等も評価することができ、コンサル機能や教育改善効果をもたらす。また、本システムを利用する医師・歯科医師については、他の優れた事例等を匿名あるいは実名にて参照することができる。これにより、医局や系列に縛られないオープンシステムを提供し、技術の鍛錬を安価にもたらすことができる。

本システムに登録した患者は、優れた医師・歯科医師をこのオープンシステムから、それぞれの医師・歯科医師が受け持った治療実績を参酌して、医師・歯科医師を選択することができる。いわゆる口コミ情報はウエッブサイトで容易に入手可能であるが、エビデンスが十分でない等の問題があった。ここで、本システムで提供される、エビデンスやこのエビデンスに基づく評価により、医療過誤や医療事故、更には医原病が起こりにくい医師・歯科医師や診療所、難しい症例の成功確率等を把握することができる。

医師・歯科医師が受け持った治療実績に応じて、医療保険加入者のそれぞれに、推奨する医師・歯科医師のリスト化に適用することができる。これにより、医師・歯科医師毎に支払保険料の設定も可能になり、医師・歯科医師の賠償保険料も算出でき、公的医療保険や民間医療保険の保険料最適化に貢献できる。これは、医師の倫理に反するような医療過誤や医療事故、更には医原病 の発生や保険料の高騰を防ぐことにつながり、外部不経済を抑制することができる。各学会の専門医や認定医の手技がどの程度優れているかを客観的に評価することにもつながる。

本実施形態では、窩洞形成等の支台歯形成を伴う、う蝕歯の補綴治療を例に挙げて説明したが、本実施形態はこれに限定されるものではない。支台歯形成は、多数の医療行為の１つとして例示したものであり、本実施形態の医療評価システムは他の医療行為に対しても同様に適用可能である。例えば、口腔がんの診断にも適用可能である。口内炎と前がん病変との見極めは重要な診断であり、この診断の過程を動画として電子カルテに記憶すると共に、適切な評価情報と共にデータベースに保存・活用することは有用である。さらに、歯科以外の医科に対しても本実施形態の医療評価システムは適応可能である。

［実施形態２］
実施形態２に係る医療評価システムついて図５を参照して説明する。本実施形態の医療評価システムは、患者と医師との組み合わせた情報により、医師の評価を行うものである。本実施形態の医療評価システムによれば、秘密鍵情報を患者が管理することにより、患者の意志により匿名加工情報を提供することが可能となる。

図６は、ブロックチェーンデータベースの説明図であり、図６Ａは患者とこの患者を治療した医師とが一体となってＩＤが付されたデータ構造の説明図であり、図６Ｂはブロックチェーンを用いたデータベースの説明図である。電子カルテ演算部は、診療情報に、患者とこの患者を治療した医師とが一体となってIDを付与し、さらに術前情報と術後情報等が一体となって、データ１、２、・・・、ｍとして評価情報メモリ１１ｃ等に保存する。診療評価システムでは、患者とこの患者を治療した医師とが一体となったIDが付された診療情報が用いられ、これらの診療情報をもとに診療内容の分析・評価・記憶が行われる。
データ１：患者１＋医師Ａ―Σ（術前情報）k＋Σ（術後情報）k，k＝1〜n
データ２：患者２＋医師Ａ―Σ（術前情報）k＋Σ（術後情報）k，k＝1〜n
データｍ：・・・

患者とこの患者を治療した医師との組み合わせであるデータ１〜データｍ（診療情報）をブロックとし、各部ブロックが順序付けられたレコードとして追加されていくように、ブロックチェーンが構成される。図５の例では、下方のブロックから上方に向かって複数のブロックがチェーン状に付加されていき、複数のブロックからなる情報が記憶される。例えば、「患者１と医師Ａ」のブロックに対し、「患者１と医師Ｂ」のブロックが付加され、さらに、「患者１と医師Ｃ」のブロックが付加されるというように、ブロックが順次付加される。

医師Ａが受け持った患者１、患者２、患者３等の患者の数だけ、IDが１人目、２人目、３人目と付与される。医師Ａに関する情報として、専門医、認定医、それ以外の医師などの種別も付与される。他の医師Ｂ、医師Ｃについても、同様に治療した患者の数だけ、患者１、患者２、患者３等とデータが保存される。

各データがブロックとして、順序付けられて記憶されているため、例えば患者１が医師Ｃによる特定の治療を受ける前に、医師Ａによる別の治療を受けていたこと等、その特定の治療及び別の治療についての術前情報、術後情報等と共に、患者１がアクセス権を設定できる状態で治療履歴が保存される。

各データは公開鍵データと秘密鍵データとによって暗号化されている。本実施形態では患者が秘密鍵データを管理しており、患者が他者に対してデータのアクセス権を設定できるようになっている。

従来のデータベースでは匿名情報加工業者が患者情報、医師情報等を匿名化してデータを提供していたが、本実施形態の医療評価システムでは、患者１が自分の診療情報へのアクセス権を設定できる。例えば患者１は自分の意思でブロックチェーンの秘密鍵データを医師Ｂに提供し、自分の診療履歴にアクセスすることを許可することができる。また、患者１は医師Ｂにアクセス権を付与し、自己の既往歴や治療歴を公開し、医師Ｂとの将来の診療や健康維持管理に活用することができる。

ブロックチェーンの管理サーバでは、データへのアクセス権の管理、有料でデータにアクセスする場合の課金管理等を行う。

患者とこの患者を治療した医師との組み合わせのデータをブロックとするブロックチェーンにより治療履歴情報をデータベース化することにより、患者にも医師にも、また、これらのデータを利用者にもさまざまな利点がある。

患者にとっては、患者が自分の治療データへのアクセス権を有することにより、自分の診療履歴へ容易にアクセスすることができると共に、自分の診療履歴情報を他者に開示するかどうかの権限が得られる。自分の診療履歴へのアクセスにより、過去の治療履歴を考慮した上で、次の治療を受けることが可能となると共に、過去の治療に関する医師、術前情報、術後情報などの内容を、現在の症状との相関を明らかにすることができる。患者と医師とが対応づけられることによって、術前、術後のトレースが可能となる。術中の手技が予後にどのように影響したのかを示す情報が記録され、AIによって医師の評価に関する分析対象とされる。

医師にとっても担当する患者から過去の診療履歴情報の開示へのアクセスを許可されれば、過去の治療における術前情報や術後情報を今の治療及び今後の治療に生かすことができる。例えば、医師Ｃが患者１と医師Ａの症例を閲覧したい場合は、本実施形態の医療評価システムにおいては、患者１からの許可に基づき、有償によりかかる症例の医師Ｃによる閲覧を可能とする。また、例えば医師Ａが患者１の症例が難症例で、医師Ｄやその他医師に問いかけたい場合にも、同様に、この症例に係る患者からの自己のデータにたいするアクセス許可に基づき、有償によりかかる症例の医師Ａによる閲覧を可能とすることができる。

診療評価ＡＩにおいては、過去の診療履歴をもとに医師による適切に治療方針・資料内容の決定を支援すると共に、治療経過に対する注意情報・警告情報の報知を行うことができる。また、治療履歴も考慮した診療内容及び診療結果の評価を行うことができる。診療評価ＡＩ訓練システムにおいても、患者とこの患者を治療した医師との組み合わせであるデータ１〜データｍを教師データとして使用することにより、適切に診療評価ＡＩ１２を訓練することができる。なお、診療評価ＡＩは教師あり学習により訓練されるが、教師データとしては、患者情報、医師情報、術前情報及び術後情報等を含む各データの診療内容・診療結果に対する訓練用の評価情報を含まれている。この訓練用の評価情報は、診療評価ＡＩの出力、評価情報分析ＡＩの出力、又は、専門医など経験豊富な医師による評価のいずれか少なくとも１つとすることができる。

例えば、データ１〜データｍには、評価情報分析ＡＩにより各種エビデンスに基づいた客観的な評価情報が付与される。これは、各データの診療内容に対する客観的な評価とすることができる。評価情報分析ＡＩ２１は、このように患者とこの患者を治療した医師とを一体として付与されたIDを有する術前情報と術後情報を分析することにより、術前、術後のトレースできる情報を用いて、医師の評価情報を演算することが可能となる。医師による術中の手技が予後にどのように影響したのかをより的確に分析することが可能となる。したがって、客観的な評価情報が付与された各データは後述の実施形態３における医師損害賠償保険の料金算定、民間医療保険、診療報酬等の公的医療保険制度、専門医制度等に利用することができる。

また、患者情報は匿名加工情報として扱えるので、本サービスを通じて新たな患者が医師を選ぶとき情報として流通することも可能である。ある患者が現在の自分の症状にあった医師ないしクリニックを選択する際に、本診療評価システムのデータベースは大変有用であるため、例えば会員に対して有償で提供するようにしてもよい。また、医師が過去の症例を参考にして治療計画を策定し、また、治療を進めるための参照情報として用いることもできる。

さらに、診療評価ＡＩは治療計画の策定を支援すると共に、治療中の医師に対する適切な治療のための情報提示や注意情報の報知を行うことができるので、本実施形態の医療評価システムは例えば研修医による診療技術の習熟や、専門医のための診療技術向上支援のためにも有用である。なお、医科の専門医と認定医は、内科、脳神経外科、整形外科、眼科等約３０と多岐にわたる。歯科の専門医と認定医は、歯科保存科、歯科口腔外科、歯科麻酔科、小児歯科等が挙げられる。

医療サービスの提供とその質を見極めるのに、医師と患者の双方の情報が不可欠であり、本実施形態の医療評価システムによれば、ある患者に対して治療行為を提供した医師とが一体となった情報に対して、IDが付与され、治療前情報と治療後の情報等を含む治療行為に関わる収集された全ての情報が、一評価情報分析ＡＩによって、各々の患者に対する当該医師の一連の治療行為を評価することができる。

各種エビデンスに基づいた客観的な評価情報が付与されたデータに基づくブロックチェーンによるデータベースからより治療実績の良い医師を検索、参照することを可能にし、患者は適切な医療サービスを選択でき、医療過誤や医療事故、更には医原病 を回避すること、及び、治療後によりよいＱＯＬを得ることの実現に寄与することができる。

本実施形態のブロックチェーンデータベースから提供される匿名加工情報を調査機関に提供することによって、調査機関では、患者に対する医師・歯科医師による治療の履歴や患者の症状の経過等を含めて評価情報を利用した分析が可能となる。本実施形態においては、患者が暗号鍵情報を管理するため、患者自身が自分の診療履歴を含む電子カルテ情報をどこまで開示するのかを決めることができる。例えば、患者の情報は、その所有者である。患者が自らの意思で、公開したい情報を取捨選択して、第３者に提供することも可能である。

本実施形態において評価情報含む診療情報ブロックチェーンデータベースにより管理することの作用・効果をまとめると、次の５つの観点となる。
（１） 診療情報を情報ネットワーク上で管理
（２） 常時アクセス可能
（３） 暗号化
（４） 所有権の明確化
（５） アクセス履歴の記録が可能

上記（１）評価情報を含む診療情報を情報ネットワーク上で管理する効果は、患者情報、術前情報、術後情報及び評価情報等を含めてネットワーク上に管理することで、遠隔からのアクセスが可能なことである。従前、診療情報はネットワークとは独立のアイソレーションされたデータベースで管理されているため、遠隔からのアクセスは不可能であった。

上記（２）常時アクセス可能なことの効果は、患者によるアクセス権の付与がいつでもできるようになっていることによるものである。

上記（３）暗号化について、患者によりアクセス権が付与されていなければ、その患者の診療情報には誰もアクセスできず、診療情報が患者の許可なく公開されることはない。すなわち、暗号鍵情報を保存していない第３者は、診療情報にアクセスできないため、患者にとって安心なデータベースであるという効果がある。

上記（４）所有権の明確化については、患者のみに暗号鍵情報を付与しているため、診療情報がネットワーク上にどこに存在していても、診療情報の所有権が明確であるという効果がある。診療情報がネットワーク上のどこに記憶されていたとしても、患者によりアクセス権が付与されない限り、医師を含む第３者はその診療情報にアクセスできない。

上記（５）アクセス履歴の記録が可能であるため、誰が診療情報にアクセスしたかとうい履歴が追跡可能である。これにより、診療情報への不正アクセスを追跡でき、また、暗号キーを変更した時期まで記録されているため、誰がいつ不正アクセスしたのか追跡でいるため、ネットワーク上のセキュリティーが向上する。

本実施形態の変形例を図７及び図８を参照して説明する。図７は診療情報の説明図である。図８は、診療情報をブロックチェーンデータベースで管理する概念図である。診療情報は患者ＩＤ、医師ＩＤ、各種症例データ（術前、術後）、医師手技判定データ、予後データ、医師評価データ等からなる。図８は、診療情報がブロックチェーンデータベースで管理される様子を概念的に示している。患者ａ０００００１を医師ａ００００００１が治療した履歴が、その患者の予後１の状況である患者ａ０００００１'と関連して記憶される。同様に、その後患者ａ０００００１'に対して、医師Ａ００００００１が治療したという履歴が、予後２の状況である患者ａ０００００１''と関連して記憶される。

本変形例において、医師・歯科医師による診療時には、患者の予後の状態は分かっていない。本変形例の医療評価システムでは、治療後に所定期間が経過した後、患者の予後の経過が分かった時点で、過去に行われた医師・歯科医師による診療内容が検討され、その診療内容が客観的に評価される。予後の経過が良好であった場合には、患者の予後が良好なのか、過去に医師・歯科医師が行った手技が検討される。また、予後の経過が悪い場合にも、過去の診療内容を踏まえた検討が可能となる。

また、患者の予後の経過を含む診療情報は、診療評価ＡＩを訓練するための教師データとして使用される。教師データで実際の患者の予後の経過を含めることによって、診療評価ＡＩを実際の症例とその予後の結果に則して、より適切に訓練することができる。

本実施形態の医療評価システムでは、予後の経過が良好な症例を参考にしたいという医師・歯科医師に対して、患者からアクセス権が付与された場合には、診療情報が提供される。医師・歯科医師は、治療前のカンファレンス時に、予後の良好な症例を参酌して、診療方針を決定することができる。従前は論文でしか紹介されていないような症例についても、ブロックチェーンデータベースで管理されているため、所望の診療情報でのアクセスが容易となる。論文上では医師・歯科医師による手技の良否までは十分に考慮されていない場合があるが、本実施形態の医療評価システムによれば、診療評価ＡＩにより客観的に判断された評価情報が診療情報に付加され、ブロックチェーンデータベース上で患者からのアクセス権が付与されたことを条件に、第３者に診療情報を提供することができる。これにより提供された診療情報は、症例研究のための資料や、患者が医師・歯科医師を選択する際の参考情報として有用である。さらには、これらの評価情報を含む診療所法は、後述のとおり公的医療保険制度を含む医療保険、損害賠償保険、その他金融派生商品等にも利用可能である。

［実施形態３］
実施形態３に係る保険システム等へ適用した医療評価システムついて説明する。本実施形態では、実施形態１において述べた３つの評価指数を保険料の算定等に利用する。以下、医師損害賠償保険の料金算定への適用例、民間医療保険への適用例、診療報酬への適用例、その他の適用例について以下説明する。

（実施例１）医師損害賠償保険（Medical liability insurance）の料金算定への適用
評価情報分析システム２１から出力される保険料基礎情報には、医師損害賠償保険料金算定基礎情報が含まれる。医師損害賠償保険料金算定基礎情報は、ベストプラクティスに近い診療を行う医師ほど、医師損害賠償保険の保険料が低くなるような評価指数Ｓliaを含んでいる。

医師損害賠償保険料金算定指数Ｓliaを算定する計算式は、特に限定されるものでは無いが例えば次のようなものを用いることができる。実施形態１において述べた３つの評価指数を、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３としたとき、例えば医師損害賠償保険料Fliaは、
Ｆlia＝f1(S1,S2,S3)，Flia_min≦Flia≦Flia_max
として求められる。ここで、Ｆminは最低保険料、Ｆmaxは最大保険料である。関数f1(S1,S2,S3)は、S1,S2,S3を変数とする関数であり、必ずしも連続関数に限定されるものでは無く、不連続関数であってもよい。

また、上記計算式の別の例として、次のように標準化された評価値を用いることもできる。実施形態１において述べた３つの評価指数を、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３としたとき、例えば、標準化された評価値Ｓliaを、
Ｓlia＝S1・ａ１+Ｓ２・ａ２+Ｓ３・ａ３+ａ０
として求める。ここで、０≦ａ１≦１，０≦ａ２≦１，０≦ａ３≦１であり、Ｓliaが平均０，分散１で標準化されているとすると、例えば医師損害賠償保険料Fliaは、
Ｆlia＝f(Slia），Flia_min≦Flia≦Flia_max
として求められる。ここで、Ｆminは最低保険料、Ｆmaxは最大保険料である。関数ｆ(Slia)は、Sliaを変数とする関数であり、必ずしも連続関数に限定されるものでは無く、不連続関数であってもよい。

上記関数f1(S1,S2,S3)や関数f(Slia）の関数の設定方法としては、次の（１）〜（４）などが挙げられる。
（１）保険料Fliaをリスク値に応じて変動させる。保険料のリスク値のパラメータとして、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３、標準化された評価値Ｓliaが用いられる。例えば、リスク値を段階的に変化する閾値を有する保険等級として与えることができ、リスク値が高いほど、保険料Fliaは高くなるような関数が得られる。保険料Fliaの上限Flia_maxと下限Flia_minを考慮し、リスク等級として与えられるリスク値の閾値は、保険事業運営上の適正範囲に応じて設定されている。

（２）上記（１）のリスク値ないしリスク等級に応じて保険料Fliaが算出される。この計算では、保険事業に係るキャッシュフロー、準備金、保険契約の状態（保留、失効あるいは継続中等、保険年度、保険期間、保険タイプ、特約、免責事項）、各保険年度におけるリスク値等を考慮することができる。また、保険料Fliaを基本保険料と加算保険料とに分離し、加算保険料の部分をリスク等級に応じて計算するようにしてもよい。また、リスク値ないしリスク等級は単一でなく、複数種類のリスク値ないしリスク等級を設定し、複数種類のリスク値ないしリスク等級に基づいて保険料Fliaを算出するようにしてもよい。

（３）上記（２）では、リスク値ないしリスク等級に応じて加算保険料を計算する例を説明したが、リスク値ないしリスク等級に応じて、基本保険料からの割引保険料を計算するようにして、保険料Fliaを算出してもよい。なお、リスク値ないしリスク等級の演算には、上記（１）及び（２）と同様に、例えば標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３、標準化された評価値Ｓliaを用いることができる。

（４）評価情報分析ＡＩにおいて医療評価情報を含んだ診療情報等を多変量解析的に分析することにより、保険料Fliaに影響するリスク指標が抽出される。抽出されたリスク指標と保険料Fliaとの相関が計算され、計算された相関とリスク情報の値とに基づいて保険料Fliaが計算される。リスク指標としては、例えば標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３、標準化された評価値Ｓlia、診療情報に含まれる医療評価情報等の各種情報を用いることができる。また、リスク指標の抽出にあたり、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３をさらに細分化した指標を用いることも可能である。診療評価ＡＩはより細分化された指標を出力することが可能であり、また、指標を抽出するために用いられた各種エビデンスも保険料Fliaの算出に利用可能である。

このようにして算定された医師損害賠償保険料Fliaは、ベストプラクティスに近い診療を提供する医師には最低保険料Ｆminに近い保険料が適用されるようになる。

（実施例２）民間医療保険への応用
所定の保険料を支払った被保険者に対して、ベストプラクティスに近い診療を行う医師の診療にだけ治療費を支払う保険制度を設定することができる。この保険制度では、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３が所定の基準を満たしている医師だけを対象として、治療費を保険金で賄うようにする。被保険者に対しては、ベストプラクティスに近い診療を受けられることが保証されると共に、その治療費も保険料から支給されるという利点があると共に、ベストプラクティスに近い医療を提供する医師には被保険者が集まることにより、被保険者及び医師の相応にとって利点がある。さらに、医療制度全体にとっても、ベストプラクティスに近い医療が提供されることにより、不要な治療費が削減できることにより、医療の全体最適化を促すことに繋がる。

実施例２の変形例について、仮想通過ＩＯＴＡを用いる例を説明する。例えば、実施例２の保険対象となる歯科医の診療を受け、被保険者の診療に１０万円の費用が発生したとする。保険支払いの要件に定期的な検診を義務付けている保険制度の場合には、前述の被保険者が所定の定期的な検診を受けていた場合には、保険会社からは、その保険者に対しては定期的な検診代例えば２万円に加え、治療費の１０万円分の合計１２万円分のＩＯＴＡが付与される。非保険者は付与されたＩＯＴＡによって、診療ないし診察の対価としての費用を医師に支払うことができる。ブロックチェーンデータベースの例としは、本実施例のように支払を兼ねる場合には、例えばＩＯＴＡを採用することができるが、IOTA以外のブロックチェーンを用いることが可能である。

歯科の市場において本実施形態の医療評価システムを採用した場合の効果について説明する。約3兆円の歯科市場、約２５兆円の医科市場がある。そのうち、歯科では禁忌処置が約１０％、ラバーダム未使用など非標準治療は３０％程度あるのではと推定されている。歯科では、ラバーダム未使用などに起因する治療中に再感染により、歯科治療によるう蝕の再発誘導も発生していることが予想されている。約３兆円のうち、９０００憶円が再治療によって市場が形成されている試算されている。本実施形態の医療評価システムによれば、医師・歯科医師の手技の質を、室内カメラなども含む複数のセンサにより、診療行為全体、窩洞形成（光学３Dスキャナ）、口腔粘膜への侵襲（口腔スキャナ）を治療前と治療後で評価し、診療評価ＡＩが治療警報情報を医師へ治療中に報知したり、診療評価ＡＩが診療内容・診療結果について評価したり、あるいは、評価情報分析ＡＩが各診療情報に対してエビデンスに基づく客観的な評価情報を付加する。評価情報が付加された診療情報は、医療過誤や医療事故、更には医原病を阻止する環境を醸成する政策支援にも役立つ。本実施形態の医療評価システムを民間医療保険に適用すれば、評価の高い医師・歯科医師による治療を提供するための保険制度実施する上で、エビデンスに基づく客観的な評価が付与された治療データは有用である。

例えば、口腔がん（歯肉がん）が歯肉炎と誤診されたようなケースにおいて、本実施形態の診療評価システムを用いた場合には、患者情報、医師情報、術前情報、術後情報及びエビデンスに基づいた客観的な評価情報を含む診療情報がデータベースに保管されているため、医師に対して診療の経緯や今後の適切な治療計画や治療内容について情報提供することが可能である。

本実施例では、民間医療保険への応用について説明したが、本実施形態の医療評価システムの適用対象は民間医療保だけに特定されるものではなく、他の保険商品や金融派生商品にも適用することができる。本実施例では、ベストプラクティスに近い診療を行う医師の診療にだけ治療費を支払う保険制度を設定することを説明したが、このような仕組みを金融派生商品に適用することが可能である。例えば、本実施形態の医療評価システムは、ベストプラクティスに近い診療を行う医師の診療を受けられる権利を証券化した金融派生商品等にも適用可能である。

（実施例３）診療報酬への反映
図９（保存修復クリニカルガイド第2版）には、治療後の歯の生存率について専門医と、その他の歯科医師とによる比較結果を示す。図９より専門医による治療の方が、歯の生存率が高い傾向があることが分かる。専門医と同等のスキルを有する医師を判別し、その治療に係る診療報酬を高めることにより、公的医療保険制度の全体最適化を図ることができる。

具体的には、専門医の手技の質を基準とし、標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３（評価項目は、もっとあるべき約１００項目ある）が所定の基準を満たしている医師に対する診療に対して、診療報酬の保険点数を加算するように診療報酬制度を設定する。専門医の資格を取得は必ずしも実際の臨床の内容ないし症例に依存するものでは無く、また、専門医でなくとも十分なスキルを備える医師も存在する。そのため、本実施例の標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３に基づいて、所定のスキルを備えた医師を識別して、診療報酬の保険点数を加点することにより、専門医ないし専門医同等のスキル獲得に対するインセンティブを与え、かつ、公的医療保険制度の全体最適化を図ることができる。専門医・認定医制度が、専門医・認定医になるために、多くの症例数を満たし、論文を書いていることを求めている。本システムでは、医師・歯科医師の真の技量を客観的に評価し、症例数や論文数だけによらない専門医・認定医制度を実現することができる。手技の質が高い医師・歯科医師は、医療過誤や医療事故、更には医原病 医療過誤や医療事故、更には医原病をもたらす確率は低く、患者の予後も良好となるため、その経済効果は大きい。他方、医師・歯科医師の手技の質が低いと仮定した場合には、医療過誤や医療事故、更には医原病 医療過誤や医療事故、更には医原病の発生リスクがあり、環境問題同様に、外部不経済である。他の医師・歯科医師が、さらに医療過誤や医療事故、更には医原病を治療することで、経済損失が多いし、患者の真の使用コストではなく、公的医療保険への負担と受益者負担が非常に大きい原因となる。
本実施形態の医療評価システムによれば、診療内容を客観的かつ定量的に評価することができ、また、手技の質が高い医師・歯科医師を見出すこともできるため、公的医療保険への負担の低減、受益者負担の低減に寄与することができる。医療過誤や医療事故、更には医原病 医療過誤や医療事故、更には医原病 医療過誤や医療事故、更には医原病の発生を防ぐことができる。

（実施例４）その他
専門医制度の専門医認定要件にベストプラクティスに対する到達度の指標を設けることができる。実施例３で述べた所定のスキルを備えた医師を識別し、その医師に対して専門医の資格を与えることができれば、専門医制度の最適化を図ることができる。具体的には、本実施形態の標準治療評価指数Ｓ１、術後画像評価指数Ｓ２、治療時間評価指数Ｓ３に基づいて、専門医に求められるスキルに相当する所定のスキルを備えた医師を判別し、所定のスキルを有すると判別された医師に対して専門医の資格を付与することができる。

本実施例では実際に患者の診療を行う際のシステムの利用について説明したが、本実施形態は臨床だけでなく、歯科模型を用いた実習にも適用することが可能である。例えば、実習者情報と歯科模型毎の識別情報とに関連付けて取得された実習履歴情報により、各自主者の実習内容を検証・評価することが可能である。

また、匿名加工情報を扱う他のシステムトとの連携により、診療評価ＡＩ１２及び評価情報分析ＡＩ２に匿名加工情報からなるビッグデータの活用が可能となる。医師の評価情報を本システムの会員、本システムが提供する医療保険の被保険者等にも提供することが可能となる。

本実施形態の医療評価システムによれば、医師と患者の情報をセットにしてブロックチェーン上で管理できることにより、また、そのデータへのアクセス権を患者側が管理することにより、ガイドラインに基づいて適切な治療を行う医師ないし歯科医師が評価される環境を造成することができる。例えば入れ歯の保険再製作は６か月以内は不可である等の６か月規制が存在する。本実施形態の医療評価システムを用いれば、例えば、会社が被保険者（患者）の保険料が適当かどうか（６か月規制に従っているかどうか、ガイドラインに従って適正な治療であるかどうか等）を、監査機関が適切に監査することができる。また、これにより、病院（医師ないし歯科医師）に、適正な公費及び非保険者の負担分が支払われるようになり、保険制度全体（監査機関、会社、被保険者、病院の全て）の健全化が図られる。

以上、本発明のいくつかの実施形態について説明したが、これらの実施形態は本発明の技術思想を具体化するための医療評価システム、医療評価方法及び医療評価プログラムを例示するものであって、本発明をこれらに特定するものではなく、その他の実施形態のものにも等しく適用し得るものであり、また、これらの実施形態の一部を省略、追加、変更することや、各実施形態の態様を組み合わせることが可能である。また、実施形態の中で歯科治療を中心に説明したが、本発明は歯科に特定されるものでは無く、医科及び歯科を含むあらゆる医療評価に適用可能である。

１０ …医療評価システム
１１ …電子カルテ装置
１１ａ …電子カルテ演算部
１１ｂ …電子カルテデータベース
１１ｃ …評価情報メモリ
１１ｄ …会計演算部１２ …診療評価ＡＩ
１３ …入出力装置
１４ …診察室画像取得装置
１５ …診療部位画像取得装置
１６ …問診情報入力装置
１７ …診療装置センサ
１８ …診療評価ＡＩ訓練システム
１９ …タイマ
２０ …ブロックチェーンデータベース
２１ …評価情報ＡＩ
２２ …利用者システム
２２ａ …利用者ＣＰＵ
２２ｂ …支払処理部
２２ｃ …評価情報メモリ
２３ …保険システム
２３ａ …医師損害賠償保険料金演算部
２３ｂ …保険対象医師認定部
２３ｃ …経理処理部
２４ …ガイドラインデータベース
２５ …政府システム
２５ａ …専門医認定部
２５ｂ …保険点数演算部
３０ …ＡＩシステム

Claims (12)

1. 診察室画像取得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも１つから得られる情報を格納する電子カルテ装置と、
   電子カルテ装置に格納された情報を入力し、診療評価情報を出力する診療評価装置と、
   を備える診療内容の評価を行う医療評価システムであって、
   評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも１つと共にブロックチェーンデータベースを構成し、
   前記診療評価情報は医療評価システム以外のシステムにおいても利用可能であることを特徴とする医療評価システム。
2. 前記評価情報分析システムは、複数の前記診療評価情報を分析することにより分析情報を演算し、この演算された分析情報は、前記医療評価システム、前記他の医療評価システム、前記利用者システム、政府システム、他の情報提供システム、前記保険システム又は金融システムのいずれか少なくとも１つにおいて利用されることを特徴とする医療評価システム。
3. 前記診療評価情報は、標準治療遵守指数、術後画像評価指数又は治療時間評価指数の少なくとも１つを含むことを特徴とする請求項１に記載の医療評価システム。
4. 診療評価装置は、少なくとも標準治療に関する画像情報により訓練されたニューラルネットワークを使用していることを特徴とする請求項１又は２に記載の医療評価システム。
5. 前記診療評価装置は前記診察室画像取得手段から取得された動画情報をニューラルネットワークに入力する前に前処理するための前処理装置を備えることを特徴とする請求項３に記載の医療評価システム。
6. 前記評価情報分析システムは訓練されたニューラルネットワークにより、前記診療評価装置が出力する診療評価情報を分析することを特徴とする請求項３に記載の医療評価システム。
7. 前記保険システムにおいて、前記診療評価情報が保険料の演算に利用されることを特徴とする請求項１〜６のいずれか１項に記載の医療評価システム。
8. 前記診療評価情報は、前記ブロックチェーンデータベースにより管理されることを特徴とする請求項１〜７のいずれか１項に記載の医療評価システム。
9. 前記電子カルテ装置では、患者とこの患者を治療した医師とが一体となったコードが付与された診療情報が管理され、当該診療情報をブロックとしてブロックチェーンが構成さえることを特徴とする請求項１〜８のいずれか１項に記載の医療評価システム。
10. 前記診療情報は公開鍵データ及び秘密鍵データにより暗号化されており、患者が公開鍵データを管理することを特徴とする請求項１〜９のいずれか１項に記載の医療評価システム。
11. 電子カルテ装置において診察室画像取得手段、診療部位画像取得手段、問診情報入力手段、診療装置センサの少なくとも１つから得られる情報を格納するステップと、
    医療評価システムにおいて、電子カルテ装置に格納された情報を入力し、診療評価情報を出力するステップと、
    を備える診療の内容を評価する医療評価方法であって、
    評価情報分析システム、利用者システム、他の医療評価システム、又は、保険システムのいずれか少なくとも１つと共に構築されたブロックチェーンデータベースにより情報を伝送するステップと、
    前記評価情報を医療評価システム以外のシステムにおいて利用するステップをさらに備えることを特徴とする医療評価方法。
12. 請求項９の医療評価方法の各ステップをコンピュータ手段により実行することを特徴とする医療評価プログラム。

Images