JP5471372B2 - プログラム及び情報処理システム - Google Patents

Description

本発明は、プログラム及び情報処理システムに関する。

蓄積した大量のデータを分析して有意な情報を抽出する技術がある。例えば、下記の特許文献１には、蓄積された診療記録情報を分析して、クリニカルパスの作成や修正を行う技術が記載されている。

特開２００３−３３１０５５号公報

蓄積された木構造の情報群から部分木のパターンを抽出する場合に、抽出されるパターンの数が膨大なものとなると必要とする情報が見つけ難いことがある。

本発明の目的は、蓄積された木構造の情報群から抽出した部分木のパターンを、パターンの特徴に応じて分類して表示させるプログラム及び情報処理システムを提供することにある。

上記目的を達成するために、請求項１に記載の発明は、コンピュータを、木構造の情報群から部分木の複数のパターンを抽出する抽出手段と、前記抽出手段により抽出された各パターンの特徴情報を生成する特徴情報生成手段と、前記特徴情報生成手段により生成された各パターンの特徴情報に基づいて、当該各パターンを分類する分類手段と、前記分類手段による分類結果に応じて前記各パターンを表示する表示情報を生成する表示情報生成手段として機能させるためのプログラムである。

また、請求項２に記載の発明は、請求項１に記載のプログラムにおいて、前記表示情報生成手段は、前記分類手段により分類された分類毎に表示範囲を分けて、当該分類毎に応じた表示範囲内に当該分類に含まれるパターンをそれぞれ要素として表示する表示情報を生成することを特徴とする。

また、請求項３に記載の発明は、請求項１又は２に記載のプログラムにおいて、前記特徴情報生成手段は、前記パターンの特徴情報を、当該パターンの木構造の予め定められた階層に位置する要素の序列に基づいて生成することを特徴とする。

また、請求項４に記載の発明は、請求項３に記載のプログラムにおいて、一のパターンと他のパターンとの距離を、当該一のパターンの前記予め定められた階層に位置する要素の序列を当該他のパターンの前記予め定められた階層に位置する要素の序列に変換する各作業について予め定められた値の総和として算出する算出手段をさらに含み、前記算出手段は、前記特徴情報生成手段により生成された各パターンの前記予め定められた階層に位置する要素の序列に基づいて、当該各パターン間の距離を算出し、前記分類手段は、前記算出手段により算出された前記各パターン間の距離に基づいて当該各パターンを分類することを特徴とする。

また、請求項５に記載の発明は、請求項４に記載のプログラムにおいて、前記分類手段により分類された各分類について、当該各分類に含まれるパターンの中からそれぞれ１つのパターンを標準パターンとして選択する手段と、前記各分類に含まれるパターンの中から前記標準パターンとの距離に応じて表示するパターンを選択する表示選択手段と、をさらに含むことを特徴とする。

また、請求項６に記載の発明は、請求項５に記載のプログラムにおいて、前記各パターンに含まれる要素毎に重みが定められ、前記表示選択手段は、前記分類毎に含まれるパターンの中から、当該分類の標準パターンの特徴情報と異なる要素に定められた重みに基づいて、表示するパターンを選択することを特徴とする。

また、請求項７に記載の発明は、木構造の情報群から部分木の複数のパターンを抽出する抽出手段と、前記抽出手段により抽出された各パターンの特徴情報を生成する特徴情報生成手段と、前記特徴情報生成手段により生成された各パターンの特徴情報に基づいて、当該各パターンを分類する分類手段と、前記分類手段による分類結果に応じて前記各パターンを表示する表示情報を生成する表示情報生成手段と、を含むことを特徴とする情報処理システムである。

請求項１、７に記載の発明によれば、蓄積された木構造の情報群から抽出した部分木のパターンを、パターンの特徴に応じて分類して表示させることができる。

請求項２に記載の発明によれば、抽出されたパターンの関係を俯瞰することができる。

請求項３に記載の発明によれば、パターンに含まれる要素の序列の特徴に応じてパターンを分類できる。

請求項４に記載の発明によれば、パターンに含まれる要素の序列の特徴が類似するパターンを同一の群に分類できる。

請求項５に記載の発明によれば、標準パターンからの距離に応じて表示するパターンを絞り込むことができる。

請求項６に記載の発明によれば、パターンの重要度に応じて表示を制御できる。

本実施形態に係る情報処理システムの機能ブロック図である。 ＤＰＣデータを構成する様式１、Ｅファイル、Ｆファイルの関係の例を示す図である。 ツリーデータの一例を示す図である。 抽出パターンの一例を示す図である。 パターン特徴情報の一例を示す図である。 パターン間距離の算出処理の例を説明する図である。 重み付け設定テーブルの一例を示す図である。 距離行列（Ａ）と、分類結果（Ｂ）の一例を示す図である。 ユーザーインターフェース画面の一例を示す図である。 閾値に応じてグラフ表示領域に表示されるパターン数の変化の例を示す図である。 グラフ表示領域に表示される一部のグループに関する表示の一例を示す図である。 グループ間の情報を比較する画面の一例を示す図である。 診療データのパターン分析処理例のフローチャートである。 ツリーデータから抽出したパターンを可視化する処理例のフローチャートである。

以下、本発明を実施するための好適な実施の形態（以下、実施形態という）を、図面に従って説明する。

図１には、本実施形態に係る情報処理システム１０の機能ブロック図を示した。図１に示されるように、情報処理システム１０は、入力部１２、データ格納部１４、ツリーデータ生成部１６、パターン抽出部１８、パターン特徴情報生成部２０、重み付け設定部２２、パターン間距離算出部２４、分類部２６、結果保持部２８、表示情報生成部３０、及び表示部３２を含む。

上記の各部の機能は、ＣＰＵ等の制御手段、メモリ等の記憶手段、外部デバイスとデータを送受信する入出力手段等を備えた１又は複数のコンピュータが、コンピュータ読み取り可能な情報記憶媒体に格納されたプログラムを読み込み実行することで実現されるものとしてよい。なお、プログラムは情報記憶媒体によって各コンピュータに供給されることとしてもよいし、インターネット等のデータ通信手段を介して供給されることとしてもよい。

入力部１２は、キーボードやマウス等の入力デバイスと接続する入力インターフェースであり、入力デバイスからの入力信号を受け付けるものである。

データ格納部１４は、半導体メモリや磁気ディスク装置等の記憶装置により実現され、分析対象のデータを格納するものである。分析対象のデータは、例えばＤＰＣデータ等の診療データとしてよい。本実施形態では、ＤＰＣデータを例として、ＤＰＣデータから診療行為のパターンを抽出し、抽出したパターンを可視化して提示する処理について説明する。なお、ＤＰＣデータは、様式１、Ｅファイル、Ｆファイルから構成されるデータである。様式１には、患者の疾病情報を含む臨床情報が入退院毎に作成され格納されている。Ｅファイルには、患者について行った診療行為、診療行為の点数、診療行為の実施日等が格納されている。そして、Ｆファイルには、診療行為に用いた薬剤、薬剤の使用量、材料等の診療行為の詳細情報が格納されている。

図２には、ＤＰＣデータを構成する様式１、Ｅファイル、Ｆファイルの関係の例を示した。図２に示されるように、様式１に含まれる患者情報に対して行った診療行為と、その詳細を示す診療明細とがそれぞれＥファイルとＦファイルに格納されている。様式１に格納されたレコード、Ｅファイルに格納されたレコード、そしてＦファイルに格納されたレコードとの関連づけは、各レコードに含まれる識別情報（例えば患者ＩＤとしてもよい）に基づいて行うこととしてよい。

ツリーデータ生成部１６は、データ格納部１４に格納された分析対象のデータ（ＤＰＣデータ）に基づいて木構造の情報群（ツリーデータ）を生成するものである。本実施形態では、例えば入力部１２を介して受け付けた条件に合致するデータをデータ格納部１４から抽出し、当該抽出したデータに基づいてツリーデータを生成することとする。具体的に、入力部１２を介してある疾病が条件に指定された場合には、その疾病を患った患者に関する情報をＤＰＣデータの各ファイルから抽出する。すなわち、ツリーデータ生成部１６は、様式１から疾病情報に基づいて患者情報を抽出し、当該抽出した患者情報に基づいてＥファイルから診療行為を抽出し、さらに当該抽出された診療行為に基づいてＦファイルから診療明細情報を抽出する。そして、ツリーデータ生成部１６は、上記抽出された各情報をノードとし、各情報間の関連性をリンクとしてツリーデータを生成する。

図３には、ツリーデータ生成部１６により生成されるツリーデータの一例を示す。本実施形態では、ツリーデータには、患者ノードをルートとして、その子ノードに診療行為の日程を示すノード、さらにその子ノードとして各日程において行われる診療行為を示すノードを含んでいる。図３には、簡単のため１つの木構造を示したが、実際にはツリーデータには複数の木構造の情報が含まれている。

パターン抽出部１８は、ツリーデータ生成部１６により生成されたツリーデータの中から指定された条件を満たす部分木のパターンを抽出する（すなわち、サブツリーマイニングを行う）ものである。パターン抽出部１８によるサブツリーマイニングの手法には、ノード間の親子関係が厳密に一致している頻出パターンを抽出するｉｎｄｕｃｅｄ ｓｕｂｔｒｅｅ ｍｉｎｉｎｇを用いても良いし、ノード間の先祖子孫関係が保たれていれば親子関係が厳密に保たれていなくとも良いこととして、頻出パターンを抽出するｅｎｂｅｄｅｄ ｓｕｂｔｒｅｅ ｍｉｎｉｎｇのいずれを用いても構わない。また、サブツリーマイニングにおける閾値（ツリーデータのうち何％に共通したパターンを抽出するかを決める閾値）は、入力部１２により受け付けた値に応じて変更することとしてもよい。

図４には、ツリーデータからサブツリーマイニングの手法を用いて抽出された抽出パターンの一例を示した。図４に示されるように、ツリーデータにおいて指定された数の木構造に共通して現れる部分木の構造が抽出パターンとして取得される。この際、ツリーデータのデータ量が膨大であると、抽出される部分木のパターン数も多くなるため、抽出されたパターンをユーザにそのまま提示してもユーザが必要とするパターンを見つけ出すことは困難である。そこで、本実施形態では、後述する処理によって抽出したパターンを分類し、分類結果に応じて抽出したパターンを提示することとする。

パターン特徴情報生成部２０は、パターン抽出部１８により抽出された各パターンの特徴情報を生成するものである。例えば、パターン特徴情報生成部２０は、パターン（部分木）の木構造に基づいて、パターンの特徴情報を生成することとしてよく、本実施形態では、パターンの木構造において予め定められた階層のノードを抽出して順列させたデータをパターン特徴情報として用いることとする。なお、本実施形態では、患者に対して行った診療行為に注目するため、パターンのリーフノード（葉ノード）であるＦファイルの順序をパターン特徴情報として用いることとしている。また、パターン特徴情報には、Ｆファイルの順列に加えて、例えばＦファイルの先祖ノードの情報（例えば、「日単位」等の時間情報）を属性情報として用いることとしてもよい。

図５には、パターン特徴情報生成部２０により生成されるパターン特徴情報の一例を示した。図５に示されるように、パターン特徴情報は、部分木パターンにおけるＦファイルの階層に位置するリーフノードを抽出し、当該抽出したリーフノードを例えば親ノードの日時情報が若い順から並べてパターン特徴情報を生成することとしてよい。

パターン間距離算出部２４は、パターン特徴情報生成部２０により生成された各パターンの特徴情報に基づいて、各パターンの間の距離情報を算出するものである。本実施形態では、２つのパターン間の距離は、一方のパターン特徴情報を他方のパターン特徴情報に変換するのに要するコストに基づいて算出することとする。以下、具体例を用いてパターン間距離の算出処理について説明する。

図６には、パターン間距離の算出処理の例を説明する図を示した。図６に示されるように、第１のパターンの特徴情報は｛（Ｆ１，Ｆ２，Ｆ３，Ｆ４）_１，（Ｆ５，Ｆ６）_２，（Ｆ７，Ｆ８）_３｝であり、第２のパターンの特徴情報は｛（Ｆ１，Ｆ４）_１，（Ｆ９）_２，（Ｆ７，Ｆ６，Ｆ８）_３｝であるとする。なお、Ｆ１〜Ｆ９は抽出されたパターンのいずれかに含まれるＦファイルであり、（）で囲まれたノードは期間の属性情報が共通していることとする。なお、｛（Ｆ１，Ｆ２，Ｆ３，Ｆ４）_１，（Ｆ５，Ｆ６）_２，（Ｆ７，Ｆ８）_３｝とは、期間１においてＦ１，Ｆ２，Ｆ３，Ｆ４の順で診療行為が行われ、期間２においてＦ５，Ｆ６の順で診療行為が行われ、期間３においてＦ７，Ｆ８の順で診療行為が行われたことを示している。

ここで、第１のパターン特徴情報を第２のパターン特徴情報に変換するには、第１のパターンの期間１についてＦ２，Ｆ３を削除し、期間２についてＦ５を削除してＦ９を追加し、期間２のＦ６を期間３に移動する作業が必要となる。よって、第１のパターンと第２のパターンとの距離Ｄは、
Ｄ＝Ｆ２の削除コスト＋Ｆ３の削除コスト＋Ｆ５の削除コスト＋Ｆ９の追加コスト＋Ｆ６の移動コスト、として算出される。なお、各作業に要するコストは同等としてもよいし、作業毎（削除、追加、移動毎）に定めておくこととしてもよいし、作業対象のＦファイルに応じてコストに重みを付けてもよい。

重み付け設定部２２は、パターン特徴情報を構成するノード毎の作業コストに重みを設定するものである。本実施形態では、ノード毎に削除（又は追加）に要するコストを定め、移動のコストは削除のコストに基づいて算出することとする。なお、各コストの値は、予め定められていることとしてもよいし、入力部１２により受け付けた値に応じて変更することとしてもよい。

図７には、重み付け設定部２２により設定される重み付け設定テーブルの一例を示した。図７に示されるように、重み付け設定テーブルは、基準毎に、各ノード（Ｆ１〜Ｆ９）の削除（又は追加）コストを定めたものである。図７に示された例では、第ｉ（ｉは自然数）の基準に対してＦｊ（ｊは自然数）のノードの削除コストはｗ_ｉｊとして表すこととしている。なお、基準とは例えば副作用の観点、安全性の観点、費用の観点等の各種の基準としてよく、コストは各基準の下での医療行為への影響に応じて設定されることとしてよい。

ここで、パターンＰ_ｉ＝｛（Ｆ_ｊ）ｐ｝、Ｆファイルの重みをｗ_ｋｊとすると、パターン間の距離Ｄは、以下の式（１）により算出される。

ここで、Ｃｏｓｔ（ｊ）は、Ｆｊに対する作業コストであり、Ｆｊを削除、追加、移動する各々の作業について予めコスト値を与えておくこととしてよい。例えば、削除と追加のコストは同等とし、移動のコストＣｏｓｔ_Ｔ（ｊ）は、以下の式（２）により表すこととしてよい。

ここで、β_ｊはＦ_ｊを移動させる作業に関して定めた係数である。

また、Ｃｏｓｔ（ｊ）は、固定値でなくともよく、例えば、作業回数にＣｏｓｔ（ｊ）を比例させたり、作業回数とＣｏｓｔ（ｊ）との関係を多項式で定めたりする等して、Ｃｏｓｔ（ｊ）の値を可変にすることとしてもよい。

例えば、図６に示した例において、パターン間距離算出部２４は、第１の基準の下で第１のパターンと第２のパターンとの距離Ｄを算出する場合には、
Ｄ＝ｗ１２＋ｗ１３＋ｗ１５＋ｗ１９＋α・（移動距離）・ｗ１６、として算出することとしてよい。なお、αは係数（例えば０．５）、移動距離は対象のノード（Ｆファイル）を移動させる距離に応じた値であり、対象のノードを移動させる期間がどれだけ離れているか（図６の例では第２と第３の期間の離れている日時）に応じて決定してもよいし、対象のノードを移動させる際に飛び越える他のノード数に応じて決定してもよい。また、パターン間距離を第１の基準と第２の基準の下で算出する場合には、
Ｄ＝（ｗ１２＋ｗ２２）＋（ｗ１３＋ｗ２３）＋（ｗ１５＋ｗ２５）＋（ｗ１９＋ｗ２９）＋α・（移動距離）・（ｗ１６＋ｗ２６）、のように各基準の下での距離を足し合わせて算出することとしてよい。

分類部２６は、パターン間距離算出部２４により算出された各パターン間の距離に基づいて、各パターンを１又は複数のグループ（群）に分類するものである。例えば、分類部２６は、パターン間の距離が予め定められた閾値未満のパターンを同一のグループに分類することとしてよい。

図８には、パターン間距離算出部２４により算出された各パターンの距離を格納した距離行列（Ａ）と、分類結果（Ｂ）の一例を示した。図８に示される例において、距離の閾値を１０とすると、パターン１〜８が第１のグループ、パターン９，１０が第２のグループに分類される。

結果保持部２８は、分類部２６による分類結果を含む処理結果情報を保持するものである。例えば、結果保持部２８では、診療データ（ＤＰＣデータ）から情報を抽出する際に用いた条件（例えば、検索文字列等）と、パターン間距離を算出する際に用いた基準毎に、抽出されたパターン及び各パターン間の距離（距離行列）及び分類結果の情報を保持することとしてよい。

表示情報生成部３０は、結果保持部２８に保持された処理結果情報に基づいて表示情報を生成するものである。なお、表示情報は、ユーザにより指定された条件に応じてツリーデータから抽出された各パターンを、分類結果に応じた態様で可視化して表示する情報である。以下、表示情報により表示される画面の具体例について説明する。

図９には、表示情報生成部３０により生成される表示情報に基づき表示されるユーザーインターフェース画面（ＵＩ画面４０）の一例を示す。図９に示されるように、ＵＩ画面４０には、グラフ表示領域４２、パターン詳細情報表示領域４４、そして閾値設定領域４６が含まれる。

グラフ表示領域４２は、抽出された各パターンをノード、各パターンのリンク及び配置を分類結果に基づいて構成したグラフを表示する領域である。グラフ表示領域４２に表示される各パターンの配置はグループ毎に範囲が定められており、グループの中心部には、グループを代表する標準パターン５０が配置される。グループの標準パターン５０は、グループに属する他のパターンとの距離の総和が最小のものを選択することとしてよい。また、同一グループに含まれるパターン間のリンクの太さは、パターン間の距離に応じて定めることとしてよい。なお、図９に示された例では、パターン間の距離が近いほど、リンクを太く設定している。グループ同士の配置位置は、グループ間の距離を反映して決定することとしてよい。グループ間の距離は、標準ノード間の距離としてもよいし、グループに属する各ノードに基づくマハラノビス距離としてもよい。

表示情報生成部３０は、グラフ表示領域４２の表示情報を生成する際に、各グループについて、そのグループに含まれるノード間の距離に基づいて各ノードの配置位置を決定する。次に、グループ間の距離に基づいて各グループの代表位置の配置を決定し、当該決定した代表位置に各グループの標準パターン５０を配置して全ノードの配置を決定する。以下、パターンについて算出された距離行列に基づいて、グラフ構造を生成する処理の一例について具体的に説明する。

まず、表示情報生成部３０は、距離行列ＧＤＭ＝｛ｄ_ｉｊ｝に基づいて、ローカル隣接行列ＬＡＭ＝｛ａ_ｘｙ｝を生成する。ａ_ｘｙは、以下の式（３）により生成する。

ここで、γ、φは係数である。そして、ＬＡＭを閾値Ｔを用いて以下の式（４）により補正する。

次に、表示情報生成部３０は、グループｋとグループｍに関するグローバル隣接行列ＧＡＭ＝｛ａ_ｋｍ｝を以下の式（５）により生成する。

ここで、ｗとｚはグループｋとｍのそれぞれの標準ノードであり、δはグループ間の距離に応じた係数である。以上の処理により生成したグラフ構造の行列ＬＡＭ及びＧＡＭに基づいて各パターンの配置位置を決定する。

パターン詳細情報表示領域４４は、グラフ表示領域４２に表示されたパターンの中から選択されたパターンの詳細情報を表示する領域である。例えば、パターン詳細情報表示領域４４には、グラフ表示領域４２に表示されたパターンの中からカーソル５２により選択されたパターンの詳細情報を表示することとしてよい。また、図９に示すように、パターンの詳細情報のうち、重要度の高い項目（Ｆファイル）を強調表示することとしてよい。項目（Ｆファイル）の重要度は、例えば重み付け設定テーブルに格納された重み付けに基づいて得ることとしてよい。

閾値設定領域４６は、グラフ表示領域４２に表示するパターンを選択するための閾値を設定する入力画面である。本実施形態では、グラフ表示領域４２には、閾値設定領域４６により設定される閾値ｔｈよりも標準ノードからの距離が小さい（又は大きい）パターンを選択的に表示することとする。

図１０には、閾値設定領域４６により設定される閾値に応じて、グラフ表示領域４２に表示されるパターン数の変化の例を示した。図１０（Ａ）は、閾値を設定しない場合にグラフ表示領域４２に表示される内容であり、図１０（Ｂ）は、閾値をＤ１とした場合にグラフ表示領域４２に表示される内容であり、そして図１０（Ｃ）は閾値をＤ１より小さいＤ２に設定した場合にグラフ表示領域４２に表示される内容である。図１０に示されるように、抽出されたパターン数が膨大である場合には、閾値設定領域４６に設定する閾値を変化させることで、表示するパターンの数が制御される。

図１１は、グラフ表示領域４２に表示される一部のグループに関する表示の一例である。図１１に示される例では、グループに含まれる各パターンに関して、標準パターン５０と異なる項目（Ｆファイル）の重要度に応じて表示を制御することとしている。具体的には、標準パターン５０（ｐ７）と異なる項目の重要度が、予め定められた閾値よりも低い場合には、そのパターンを非表示とする、又はグレーアウトして目立たないように表示することとする。なお、パターンｊの重要度Ｗｊは、例えば以下の式（６）により算出することとしてよい。

ここで、Ｓは選択した基準の集合であり、μ_ｉは係数、ｗ_ｉｊは重みである。

図１２には、グループ間の情報を比較する画面の一例を示した。図１２に示されるように、各グループの詳細情報を表示すると共に、基準グループ（例えば要素数が最大のグループ）からの相違点には強調表示やマーク等を付することとしてよい。なお、グループの詳細情報は、グループの標準パターンの内容としてもよいし、グループについて選択された他のパターンの内容としてもよい。

表示部３２は、液晶ディスプレイ等の表示装置を含み、表示情報生成部３０により生成された表示情報に基づいてユーザーインターフェース画面を表示するものである。なお、本実施形態では情報処理システム１０に表示部３２が含まれていることとするが、表示部３２は情報処理システム１０の外部にあってもよい。

次に、図１３に示されるフローチャートに基づき、情報処理システム１０において行われる診療データのパターン分析処理の流れの例を説明する。

情報処理システム１０は、蓄積されたＤＰＣデータの中から指定された条件に合致するＤＰＣデータを抽出し（Ｓ１０１）、抽出したＤＰＣデータに含まれる様式１、Ｅファイル、Ｆファイルの関連性に基づいて、木構造の情報群からなるツリーデータを生成する（Ｓ１０２）。

次に、情報処理システム１０は、生成したツリーデータの中から指定された条件を満足するパターンを抽出し（Ｓ１０３）、抽出した各パターンについての特徴情報を生成する（Ｓ１０４）。パターンの特徴情報は、パターンに含まれるＦファイルを木構造の構成に基づく順序で並べたデータとしてよい。

情報処理システム１０は、各パターンに含まれるＦファイルの重みを読み込み（Ｓ１０５）、読み込んだ重みと、各パターンの特徴情報の差分情報に基づいて、パターン間の距離を算出する（Ｓ１０６）。情報処理システム１０は、算出した各パターン間の距離を閾値と比較して、パターンを１又は複数のグループに分類する（Ｓ１０７）。そして、情報処理システム１０は、分類結果を含むアウトプットデータを結果保持部２８に格納して（Ｓ１０８）処理を終える。

次に、図１４に示されるフローチャートに基づき、情報処理システム１０において行われるツリーデータから抽出したパターンを可視化する処理の流れの例を説明する。

情報処理システム１０は、結果保持部２８に格納されたアウトプットデータを読み込み、グループ情報（グループ数はＫとする）を取得する（Ｓ２０１）。ここでグループｉ（初期値１）に属するパターンの配置を決定すると共に（Ｓ２０２）、グループｉの表示範囲を決定する（Ｓ２０３）。次に、情報処理システム１０は、現在のｉがＫより大きいか否かを判定し（Ｓ２０４）、ｉがＫよりも大きくないと判定する場合には（Ｓ２０４：Ｎ）、ｉをインクリメントして（Ｓ２０５）、処理Ｓ２０２に戻る。また、情報処理システム１０は、ｉがＫより大きいと判定した場合には（Ｓ２０４：Ｙ）、各グループをノードとみなして各グループの配置を決定し（Ｓ２０６）、決定した配置に各グループを構成するパターンを配置した表示情報を生成する（Ｓ２０７）。

上記実施形態に係る情報処理システム１０では、ＤＰＣデータ等の診療記録情報から診療行為のパターンを抽出し、抽出したパターンを分類して提示することで、個別のパターンからは見えにくい診療行為間の関係を俯瞰する表示を提供すると共に、抽出したパターンを指定の条件に応じて絞り込むことで、抽出したパターンについて表示した際の閲覧性が向上する。

本発明は上記の実施形態に限定されるものではなく、本発明の分析対象を診療データではなく、他の木構造を有する情報群としてもよいのはもちろんである。

１０ 情報処理システム、１２ 入力部、１４ データ格納部、１６ ツリーデータ生成部、１８ パターン抽出部、２０ パターン特徴情報生成部、２２ 重み付け設定部、２４ パターン間距離算出部、２６ 分類部、２８ 結果保持部、３０ 表示情報生成部、３２ 表示部、４０ ＵＩ画面、４２ グラフ表示領域、４４ パターン詳細情報表示領域、４６ 閾値設定領域、５０ 標準パターン、５２ カーソル。

Claims (5)

1. コンピュータを、
   木構造の情報群から部分木の複数のパターンを抽出する抽出手段と、
   前記抽出手段により抽出された各パターンの特徴情報を、当該各パターンの木構造の予め定められた階層に位置する要素の序列に基づいて生成する特徴情報生成手段と、
   前記特徴情報生成手段により生成された各パターンの特徴情報に基づいて、当該各パターンを分類する分類手段と、
   前記分類手段による分類結果に応じて前記各パターンを表示する表示情報を生成する表示情報生成手段と、
   一のパターンと他のパターンとの距離を、当該一のパターンの前記予め定められた階層に位置する要素の序列を当該他のパターンの前記予め定められた階層に位置する要素の序列に変換する各作業について予め定められた値の総和として算出する算出手段と、
   前記分類手段により分類された各分類について、当該各分類に含まれるパターンの中からそれぞれ１つのパターンを標準パターンとして選択する手段と、
   前記各分類に含まれるパターンの中から前記標準パターンとの距離に応じて表示するパターンを選択する表示選択手段として機能させるためのプログラムであって、
   前記算出手段は、前記特徴情報生成手段により生成された各パターンの前記予め定められた階層に位置する要素の序列に基づいて、当該各パターン間の距離を算出し、
   前記分類手段は、前記算出手段により算出された前記各パターン間の距離に基づいて当該各パターンを分類するプログラム。
2. 前記表示情報生成手段は、前記分類手段により分類された分類毎に表示範囲を分けて、当該分類毎に応じた表示範囲内に当該分類に含まれるパターンをそれぞれ要素として表示する表示情報を生成する
   ことを特徴とする請求項１に記載のプログラム。
3. 前記各パターンに含まれる要素毎に重みが定められ、
   前記表示選択手段は、前記分類毎に含まれるパターンの中から、当該分類の標準パターンの特徴情報と異なる要素に定められた重みに基づいて、表示するパターンを選択する
   ことを特徴とする請求項１又は２に記載のプログラム。
4. 木構造の情報群から部分木の複数のパターンを抽出する抽出手段と、
   前記抽出手段により抽出された各パターンの特徴情報を、当該各パターンの木構造の予め定められた階層に位置する要素の序列に基づいて生成する特徴情報生成手段と、
   前記特徴情報生成手段により生成された各パターンの特徴情報に基づいて、当該各パターンを分類する分類手段と、
   前記分類手段による分類結果に応じて前記各パターンを表示する表示情報を生成する表示情報生成手段と、
   一のパターンと他のパターンとの距離を、当該一のパターンの前記予め定められた階層に位置する要素の序列を当該他のパターンの前記予め定められた階層に位置する要素の序列に変換する各作業について予め定められた値の総和として算出する算出手段と、
   前記分類手段により分類された各分類について、当該各分類に含まれるパターンの中からそれぞれ１つのパターンを標準パターンとして選択する手段と、
   前記各分類に含まれるパターンの中から前記標準パターンとの距離に応じて表示するパターンを選択する表示選択手段と、を含み、
   前記算出手段は、前記特徴情報生成手段により生成された各パターンの前記予め定められた階層に位置する要素の序列に基づいて、当該各パターン間の距離を算出し、
   前記分類手段は、前記算出手段により算出された前記各パターン間の距離に基づいて当該各パターンを分類する
   ことを特徴とする情報処理システム。
5. 前記各パターンに含まれる要素毎に重みが定められ、
   前記表示選択手段は、前記分類毎に含まれるパターンの中から、当該分類の標準パターンの特徴情報と異なる要素に定められた重みに基づいて、表示するパターンを選択する
   ことを特徴とする請求項４に記載の情報処理システム。

Images