[发明专利]信息处理装置、程序、学习完毕模型、诊断支援装置、学习装置及预测模型的生成方法

说明书

本发明提供一种能够使用图像进行高精度的预测的信息处理装置、程序、学习完毕模型、诊断支援装置、学习装置及预测模型的生成方法。信息处理装置具备：信息获取部，接收与作为对象的事项有关的图像数据及非图像数据的输入；及预测部，根据经由信息获取部输入的图像数据及非图像数据来预测与图像数据的摄影时间点不同的时间点上的与事项有关的状态，预测部通过进行基于将根据图像数据计算的第1特征量和根据非图像数据计算的第2特征量的要素彼此之乘积的组合作为输出的运算方法的加权计算来计算融合有第1特征量和第2特征量的第3特征量，并且根据第3特征量来进行预测。

技术领域

本发明涉及一种信息处理装置、程序、学习完毕模型、诊断支援装置、学习装置及预测模型的生成方法，尤其涉及一种使用图像预测未知事项的人工智能技术。

背景技术

近年来，随着CT(Computed Tomography：计算机断层成像)装置及MRI(MagneticResonance Imaging：磁共振成像)装置等医疗器械的进步，能够使用更高质量的高分辨率的医用图像进行图像诊断。尤其，通过使用了CT图像及MRI图像等的图像诊断，能够精确地确定病变的区域，因此根据所确定的结果来进行适当的治疗。并且，还进行了如下：通过使用了通过深度学习等进行了学习的判定器的CAD(Computer-Aided Diagnosis：计算机辅助诊断)来分析医用图像，提取医用图像中所包括的病变等的区域、位置及体积等，并将它们作为分析结果而获取。

另一方面，近年来，随着老龄化社会的到来，痴呆症疾病患者逐年增加。关于痴呆症，通过由于称为β-淀粉样蛋白的蛋白质在脑部积聚而脑萎缩进展，认知能力下降而发作。痴呆症的治疗法正在研究中，但是还没有痊愈的方法，因此早期发现脑萎缩，早期开始用于延迟痴呆症的进展的治疗，这在保持生活质量的方面是重要的。

为了响应这种要求，近年来，能够通过SPECT(Single Photon Emission ComputedTomography：单光子发射计算机断层成像)及PET(Positron Emission Tomography：正电子发射计算机断层成像)等核医学检查、以及通过CT装置获取的CT图像及通过MRI装置获取的MRI图像获取与脑部状态有关的信息。例如，脑部的局部部位的血流及代谢的下降，能够通过使用SPECT及PET的图像求出脑部的局部部位的经时变化来发现。并且，近年来，研究了脑萎缩程度与痴呆症的进展程度的关联性。关于脑萎缩，能够通过由MRI图像求出脑部的特定部位的容积，并比较容积的经时变化来发现。例如，在非专利文献1中提出了一种通过机器学习来自动判别正常的脑部图像和痴呆症的脑部图像的方法。

在专利文献1中公开了一种通过对脑部图像进行分析来预测轻度认知障碍患者是否会在规定期间内发作阿尔茨海默病的诊断支援装置。在非专利文献1中提出了一种使用多模式回归神经网络预测是否会从轻度认知障碍(MCI：Mild Cognitive Impairment)进展为阿尔茨海默病的方法。

以往技术文献

专利文献

专利文献1：日本专利第648390号

非专利文献

非专利文献1：SARRAF，Saman，et al.“DeepAD：Alzheimer’s DiseaseClassification via Deep Convolutiohal Neural Networks using MRI and fMRI.”bioRxiv，2016，070441.

非专利文献2：Garam Lee，Kwangsik Nho，et al.“Predicting Alzheimer’sdisease progression using multi-modal deep learning approach”，ScientificReports 9，Article number：1952(2019)

发明内容

发明要解决的技术课题