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制造方法及图纸

本发明专利技术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。

【技术实现步骤摘要】
【国外来华专利技术】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
本专利技术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。
技术介绍
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本文档来自技高网...

【技术保护点】
1.一种危险行为预测装置，其特征在于，具备：/n学习用数据输入部，其输入与已知是否发生过跌倒跌落的患者相关的医疗信息中包含的m(m为2以上的任意整数)个文本作为学习用数据；/n单词提取部，其对所述学习用数据输入部作为所述学习用数据输入的所述m个文本进行分析，从该m个文本中提取n(n为2以上的任意整数)个单词；/n文本向量计算部，其通过将所述m个文本分别按照规定的规则在q(q为2以上的任意整数)个维度上向量化，从而计算出由q个轴分量构成的m个文本向量；/n单词向量计算部，其通过将所述n个单词分别按照规定的规则在q个维度上向量化，从而计算出由q个轴分量构成的n个单词向量；/n指标值计算部，其通过分...

【技术特征摘要】
【国外来华专利技术】20180502 JP 2018-0888281.一种危险行为预测装置，其特征在于，具备：
学习用数据输入部，其输入与已知是否发生过跌倒跌落的患者相关的医疗信息中包含的m(m为2以上的任意整数)个文本作为学习用数据；
单词提取部，其对所述学习用数据输入部作为所述学习用数据输入的所述m个文本进行分析，从该m个文本中提取n(n为2以上的任意整数)个单词；
文本向量计算部，其通过将所述m个文本分别按照规定的规则在q(q为2以上的任意整数)个维度上向量化，从而计算出由q个轴分量构成的m个文本向量；
单词向量计算部，其通过将所述n个单词分别按照规定的规则在q个维度上向量化，从而计算出由q个轴分量构成的n个单词向量；
指标值计算部，其通过分别取得所述m个文本向量与所述n个单词向量的内积，从而计算出反映所述m个文本与所述n个单词之间的关联度的m×n个相似度指标值；
分类模型生成部，其使用所述指标值计算部计算出的所述m×n个相似度指标值生成分类模型，所述分类模型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，针对发生所述危险行为的可能性的高低而对所述m个文本进行分类；
预测用数据输入部，其输入与作为预测对象的患者相关的医疗信息中包含的m′(m′为1以上的任意整数)个文本作为预测用数据；以及
危险行为预测部，其将通过对所述预测用数据输入部输入的所述预测用数据执行所述单词提取部、所述文本向量计算部、所述单词向量计算部以及所述指标值计算部的处理而得到的相似度指标值应用于所述分类模型生成部生成的所述分类模型，从而预测作为所述预测对象的患者发生所述危险行为的可能性。


2.如权利要求1所述的危险行为预测装置，其特征在于，
所述文本向量计算部和所述单词向量计算部针对所述m个文本与所述n个单词的全部组合算出从所述n个单词中的一个单词预测出所述m个文本中的一个文本的概率、或者从所述m个文本中的一个文本预测出所述n个单词中的一个单词的概率，并将该概率的合计值作为目标变量，计算出使该目标变量最大化的文本向量和单词向量。


3.如权利要求1或2所述的危险行为预测装置，其特征在于，
所述指标值计算部通过取得将所述m个文本向量的各q个轴分量作为各元素的文本矩阵与将所述n个单词向量的各q个轴分量作为各元素的词矩阵之积，从而计算出将m×n个所述相似度指标值作为各元素的指标值矩阵。


4.如权利要求1至3中任一项所述的危险行为预测装置，其特征在于，
所述学习用数据输入部输入已知是否发生过所述危险行为的患者的电子病历作为所述医疗信息，并输入由该电子病历中包含的诊疗记录文字数据构成的文本作为所述学习用数据；
所述预测用数据输入部输入当前的住院患者的电子病历作为所述医疗信息，并输入由该电子病历中包含的诊疗记录文字数据构成的文本作为所述预测用数据。


5.如权利要求4所述的危险行为预测装置，其特征在于，还具备：
实绩数据输入部，其输入出院患者的电子病历中包含的危险行为记录报告作为实绩数据；以及
报酬决定部，其针对在所述出院患者住院时通过所述危险行为预测部预测出的所述危险行为的发生可能性，根据通过所述实绩数据输入部输入的所述实绩数据所表示的所述危险行为的发生实绩，决定提供给所述分类模型生成部的报酬；
所述分类模型生成部根据所述报酬决定部决定的报酬改变所述分类模型。


6.一种预测模型生成装置，其特征在于，具备：
学习用数据输入部，其输入与已知是否发生过跌倒跌落的患者相关的医疗信息中包含的m(...

【专利技术属性】
技术研发人员：丰柴博义，内山秀文，
申请(专利权)人：株式会社FRONTEO，
类型：发明
国别省市：日本;JP