检查辅助方法、第一检查辅助装置、第二检查辅助装置和存储介质制造方法及图纸

本发明专利技术提供一种可有效进行鉴定微生物的检查的检查辅助方法、第一检查辅助装置、第二检查辅助装置和存储介质。辅助鉴定患者所感染的微生物的检查的方法，获得包含上述患者的症状的患者信息，向在输入了上述患者信息的情况下输出应从上述患者采集的样本、应鉴定的目标微生物和表示检查方法的检查项目的候选的推荐度的第一学习模型中输入所获得的上述患者信息，输出上述样本、上述目标微生物和上述检查项目的候选、以及上述第一学习模型所输出的上述推荐度。

【技术实现步骤摘要】
检查辅助方法、第一检查辅助装置、第二检查辅助装置和存储介质
本专利技术涉及用于辅助医疗检查的检查辅助方法、第一检查辅助装置、第二检查辅助装置和存储介质。
技术介绍
感染症是因细菌、病毒或寄生虫等微生物侵入身体引起的。通过鉴定所感染的微生物，可查明感染症，进行治疗或防止感染扩大等应对。在医院等医疗设施中进行患者的诊断，在存在感染症嫌疑的情况下，由患者采集样本，委托检查机构进行检查。在检查机构进行检查以鉴定样本中所含的微生物。在国际公开第二011/162213号中公开了用于鉴定微生物的检查方法的例子。
技术实现思路
技术问题为了准确地鉴定感染微生物，需要进行相符与微生物对应的适当的内容检查。然而，由于用于推断是否感染或感染微生物的种类的事前信息是零碎的或间接的内容，所以往往难以具有充分的置信度进行推断。因此，适当地确定应进行的检查内容并不容易。在检查内容不适当的情况下，会发生检查遗漏、或者进行不必要的检查。具体而言，在有关感染微生物的临床检查中，大体分为以下两种情形：一种是因怀疑是特定的一种感染，所以就确认是否存在这一种感染；另一种是因感染微生物不明，所以就经过多个缩小范围的步骤鉴定一种或多种微生物。在后一种情形中，由于不存在遍历进行鉴定的检查方法，所以就探索性地摸索鉴定微生物的步骤。其摸索步骤大体分为两个步骤：由医疗机构指定检查项目的步骤；以及由检查机构实施检查，特定具体的微生物名称的步骤。在前一个步骤不适当的情况下，后一个步骤没有意义。另外，只要前一个步骤不学习后一个步骤的结果，就不能指望改善选择适当的检查项目的精度。这样，以往的鉴定微生物的检查没有在各步骤间有效地充分利用信息的安排，故没有效率。本专利技术是鉴于这样的情况提出的，其目的在于提供：可有效进行鉴定微生物的检查的检查辅助方法、第一检查辅助装置、第二检查辅助装置和存储介质。更具体而言，提供通过利用机器学习来实现探索性的感染微生物的鉴定步骤的精度提高和效率化的方法。解决问题的方案本专利技术所涉及的检查辅助方法的特征在于，是辅助鉴定患者所感染的微生物的检查的方法，其中，获取包含上述患者的症状的患者信息，向第一学习模型中输入所获取的上述患者信息，所述第一学习模型在输入了上述患者信息的情况下输出应从上述患者采集的样本、应鉴定的目标微生物和表示检查方法的检查项目的候选的推荐度，输出上述样本、上述目标微生物和上述检查项目的候选、以及上述第1学习模型所输出的上述推荐度。本专利技术所涉及的检查辅助方法的特征在于，上述第一学习模型包含样本推荐模型，所述样本推荐模型在输入了上述患者信息的情况下输出上述样本的候选的推荐度，向上述样本推荐模型中输入所获取的上述患者信息，输出上述样本的候选和上述样本推荐模型所输出的上述推荐度。本专利技术所涉及的检查辅助方法的特征在于，上述第一学习模型包含微生物推荐模型，所述微生物推荐模型在输入了上述患者信息和上述样本的情况下输出上述目标微生物的候选的推荐度，接受上述样本的指定，向上述微生物推荐模型中输入上述患者信息和接受了指定的上述样本，输出上述目标微生物的候选和上述微生物推荐模型所输出的上述推荐度。本专利技术所涉及的检查辅助方法的特征在于，上述第一学习模型包含项目推荐模型，所述项目推荐模型在输入了上述患者信息、上述样本和上述目标微生物的情况下输出上述检查项目的候选的推荐度，接受上述样本和上述目标微生物的指定，向上述项目推荐模型中输入上述患者信息和接受了指定的上述样本和上述目标微生物，输出上述检查项目的候选和上述项目推荐模型所输出的上述推荐度。本专利技术所涉及的检查辅助方法的特征在于，是辅助鉴定患者所感染的微生物的检查的方法，其中，获取包含上述患者症状的患者信息，获取样本图像，所述样本图像是对从上述患者采集的样本的一部分或所培养的上述样本中的微生物的菌落拍摄得到的，获取包含上述样本的种类的与上述样本图像有关的样本信息，向第二学习模型中输入所获取的上述患者信息、上述样本图像和上述样本信息，所述第二学习模型在输入了上述患者信息、上述样本图像和上述样本信息的情况下输出对上述样本中的微生物推断出的鉴定微生物的候选的可靠度，输出上述鉴定微生物的候选和上述第2学习模型所输出的上述可靠度。本专利技术所涉及的检查辅助方法的特征在于，上述第二学习模型包含染色特性判定模型，所述染色特性判定模型在输入了上述样本图像的情况下输出上述样本中的微生物的染色特性的推断结果，向上述染色特性判定模型中输入所获取的上述样本图像，输出上述染色特性判定模型所输出的上述染色特性的推断结果。本专利技术所涉及的检查辅助方法的特征在于，上述第二学习模型包含形态判定模型，所述形态判定模型在输入了上述样本图像和上述样本信息的情况下输出上述样本中的微生物的形态的推断结果，向上述形态判定模型中输入所获取的上述样本图像和上述样本信息，输出上述形态判定模型所输出的上述形态的推断结果。本专利技术所涉及的检查辅助方法的特征在于，上述第二学习模型包含代谢性判定模型，所述代谢性判定模型在输入了上述患者信息、上述样本图像和上述样本信息的情况下输出上述样本中的微生物的氧代谢性的推断结果，向上述代谢性判定模型中输入所获取的上述患者信息、上述样本图像和上述样本信息，输出上述代谢性判定模型所输出的上述氧代谢性的推断结果。本专利技术所涉及的检查辅助方法的特征在于，上述第二学习模型包含微生物判定模型，所述微生物判定模型在输入了上述患者信息、上述样本图像、上述样本信息、上述样本中的微生物的染色特性、上述微生物的形态和上述微生物的氧代谢性的情况下输出上述鉴定微生物的候选的可靠度，向上述微生物判定模型中输入所获取的上述患者信息、上述样本图像和上述样本信息、以及上述染色特性、上述形态和上述氧代谢性，输出上述鉴定微生物的候选和上述微生物判定模型所输出的上述可靠度。本专利技术所涉及的检查辅助方法的特征在于，获取培养图像，所述培养图像是对使用上述样本进行了分离培养的培养基拍摄得到的，向第三学习模型中输入所获取的上述培养图像，所述第三学习模型在输入了上述培养图像的情况下从上述培养图像提取微生物的菌落所反映的一个或多个菌落图像，将上述菌落图像分成一个或多个种类，输出所分类的菌落图像，向上述第2学习模型中输入上述患者信息和上述样本信息，并输入上述第3学习模型所输出的上述菌落图像作为上述样本图像，输出上述鉴定微生物的候选和上述第2学习模型所输出的上述可靠度。本专利技术所涉及的检查辅助方法的特征在于，将所分类的上述菌落图像作为应从上述培养基采集的微生物的菌落的候选而输出，输出上述菌落的候选的可靠度，接受应从上述培养基采集的微生物菌落的指定。本专利技术所涉及的检查辅助方法的特征在于，向第四学习模型中输入各检查方法中的上述鉴定结果，所述第四学习模型在输入了通过包括使用了上述样本图像的检查方法的多个检查方法鉴定上述样本中的微生物得到的鉴定结果的情况下，输出各检查方法中的上述鉴定结果的可信度，输出上述第4学习模型所输出的各检查方法中的上述鉴定结果的可信度。本专利技术所涉及的检查辅助方法的特征本文档来自技高网...

【技术保护点】
1.一种检查辅助方法，是辅助鉴定患者所感染的微生物的检查的方法，所述方法包括：/n获取包含所述患者的症状的患者信息，/n向第一学习模型中输入所获取的所述患者信息，所述第一学习模型在输入了所述患者信息的情况下输出应从所述患者采集的样本、应鉴定的目标微生物和表示检查方法的检查项目的候选的推荐度，/n输出所述样本、所述目标微生物和所述检查项目的候选、以及所述第一学习模型所输出的所述推荐度。/n

【技术特征摘要】
20190704 JP 2019-1255531.一种检查辅助方法，是辅助鉴定患者所感染的微生物的检查的方法，所述方法包括：
获取包含所述患者的症状的患者信息，
向第一学习模型中输入所获取的所述患者信息，所述第一学习模型在输入了所述患者信息的情况下输出应从所述患者采集的样本、应鉴定的目标微生物和表示检查方法的检查项目的候选的推荐度，
输出所述样本、所述目标微生物和所述检查项目的候选、以及所述第一学习模型所输出的所述推荐度。


2.根据权利要求1所述的检查辅助方法，其中，
所述第一学习模型包含样本推荐模型，所述样本推荐模型在输入了所述患者信息的情况下输出所述样本的候选的推荐度，
向所述样本推荐模型中输入所获取的所述患者信息，
输出所述样本的候选和所述样本推荐模型所输出的所述推荐度。


3.根据权利要求1或2所述的检查辅助方法，其中，
所述第一学习模型包含微生物推荐模型，所述微生物推荐模型在输入了所述患者信息和所述样本的情况下输出所述目标微生物的候选的推荐度，
接受所述样本的指定，
向所述微生物推荐模型中输入所述患者信息和接受了指定的所述样本，
输出所述目标微生物的候选和所述微生物推荐模型所输出的所述推荐度。


4.根据权利要求1～3中任一项所述的检查辅助方法，其中，
所述第一学习模型包含项目推荐模型，所述项目推荐模型在输入了所述患者信息、所述样本和所述目标微生物的情况下输出所述检查项目的候选的推荐度，
接受所述样本和所述目标微生物的指定，
向所述项目推荐模型中输入所述患者信息和接受了指定的所述样本和所述目标微生物，
输出所述检查项目的候选和所述项目推荐模型所输出的所述推荐度。


5.一种检查辅助方法，是辅助鉴定患者所感染的微生物的检查的方法，所述方法包括：
获取包含所述患者的症状的患者信息，
获取样本图像，所述样本图像是对从所述患者采集的样本的一部分或所培养的所述样本中的微生物的菌落拍摄得到的，
获取包含所述样本的种类的与所述样本图像有关的样本信息，
向第二学习模型中输入所获取的所述患者信息、所述样本图像和所述样本信息，所述第二学习模型在输入了所述患者信息、所述样本图像和所述样本信息的情况下输出对所述样本中的微生物推断出的鉴定微生物的候选的可靠度，
输出所述鉴定微生物的候选和所述第二学习模型所输出的所述可靠度。


6.根据权利要求5所述的检查辅助方法，其中，
所述第二学习模型包含染色特性判定模型，所述染色特性判定模型在输入了所述样本图像的情况下输出所述样本中的微生物的染色特性的推断结果，
向所述染色特性判定模型中输入所获取的所述样本图像，
输出所述染色特性判定模型所输出的所述染色特性的推断结果。


7.根据权利要求5或6所述的检查辅助方法，其中，
所述第二学习模型包含形态判定模型，所述形态判定模型在输入了所述样本图像和所述样本信息的情况下输出所述样本中的微生物的形态的推断结果，
向所述形态判定模型中输入所获取的所述样本图像和所述样本信息，
输出所述形态判定模型所输出的所述形态的推断结果。


8.根据权利要求5～7中任一项所述的检查辅助方法，其中，
所述第二学习模型包含代谢性判定模型，所述代谢性判定模型在输入了所述患者信息、所述样本图像和所述样本信息的情况下输出所述样本中的微生物的氧代谢性的推断结果，
向所述代谢性判定模型中输入所获取的所述患者信息、所述样本图像和所述样本信息，
输出所述代谢性判定模型所输出的所述氧代谢性的推断结果。


9.根据权利要求5～8中任一项所述的检查辅助方法，其中，
所述第二学习模型包含微生物判定模型，所述微生物判定模型在输入了所述患者信息、所述样本图像、所述样本信息、所述样本中的微生物的染色特性、所述微生物的形态和所述微生物的氧代谢性的情况下输出所述鉴定微生物的候选的可靠度，
向所述微生物判定模型中输入所获取的所述患者信息、所述样本图像和所述样本信息、以及所述染色特性、所述形态和所述氧代谢性，
输出所述鉴定微生物的候选和所述微生物判定模型所输出的所述可靠度。


10.根据权利要求5～9中任一项所述的检查辅助方法，其中，
获取培养图像，所述培养图像是对使用所述样本进行了分离培养的培养基拍摄得到的，
向第三学习模型中输入所获取的所述培养图像，所述第三学习模型在输入了所述培养图像的情况下从所述培养图像提取微生物的菌落所反映的一个或多个菌落图像，将所述菌落图像分成一个或多个种类，输出所分类的菌落图像，
向所述第二学习模型中输入所述患者信息和所述样本信息，并输入所述第三学习模型所输出的所述菌落图像作为所述样本图像，
输出所述鉴定微生物的候选和所述第二学习模型所输出的所述可靠度。


11.根据权利要求10所述的检查辅助方法，其中，
将所分类的所...

【专利技术属性】
技术研发人员：山下英俊，小見和也，速永淳，植松昭彦，
申请(专利权)人：合同会社予幸集团中央研究所，
类型：发明
国别省市：日本;JP