医疗系统以及医疗信息处理装置的制作方法

1.本发明涉及一种医疗系统以及医疗信息处理装置。


背景技术：

2.疾病的症状、重症化的迹象是复杂的，为了检测这些情况而进行着各种技术的开发。例如，在专利文献1中公开了以下一种技术：作为不需要先进的医学知识而判断传染病风险的技术，基于动脉血氧饱和度、体温以及心率的每一个是否存在异常来判断传染病的风险。
3.专利文献1：日本特开2016-123605号公报


技术实现要素：

4.本发明的一个目的之一是提供一种高精度地检测伴随传染病的症状、重症化的迹象的新技术。
5.一些示例性方式所涉及的医疗系统包括：数据获取部，从患者获取血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据；以及数据处理部，对由所述数据获取部获取的所述至少两个数据进行处理，以检测伴随传染病的循环系统的状态变化。
6.在一些示例性方式所涉及的医疗系统中，可以是，所述循环系统的状态变化包括肺炎的发作、肺炎的状态变化、低氧血症的发作、低氧血症的状态变化以及脑血流的状态变化中的至少一个。
7.在一些示例性方式所涉及的医疗系统中，可以是，所述眼部图像数据包括描绘有所述患者的眼底的眼底图像数据。
8.在一些示例性方式所涉及的医疗系统中，可以是，所述数据处理部构成为基于描绘在所述眼底图像数据中的血管的分布图案来检测所述循环系统的状态变化。
9.在一些示例性方式所涉及的医疗系统中，可以是，所述眼底图像数据包括眼底相机图像数据、裂隙灯图像数据、光学相干断层扫描图像数据以及扫描激光图像数据中的至少一个。
10.在一些示例性方式所涉及的医疗系统中，可以是，所述眼部图像数据包括描绘有所述患者的眼底的彩色眼底图像数据。
11.在一些示例性方式所涉及的医疗系统中，可以是，所述数据处理部构成为基于所述彩色眼底图像数据中的颜色信息来检测所述循环系统的状态变化。
12.在一些示例性方式所涉及的医疗系统中，可以是，所述彩色眼底图像数据包括眼底相机图像数据、裂隙灯图像数据以及扫描激光图像数据中的至少一个。
13.在一些示例性方式所涉及的医疗系统中，可以是，所述数据处理部包括推断处理部，所述推断处理部使用学习完毕模型来执行根据由所述数据获取部获取的所述眼部图像数据导出与所述循环系统的状态变化有关的信息的推断处理，所述学习完毕模型通过使用包括眼部图像数据和诊断结果数据的训练数据的机器学习来构建。
14.在一些示例性方式所涉及的医疗系统中，可以是，所述眼部血流数据包括表示所述患者的眼底血管中的血流动态的眼底血流数据。
15.在一些示例性方式所涉及的医疗系统中，可以是，所述眼底血流数据包括表示所述患者的眼底动脉中的血流速度的时序变化的波形数据，可以是，所述数据处理部构成为基于所述波形数据来检测所述循环系统的状态变化。
16.在一些示例性方式所涉及的医疗系统中，可以是，所述眼底血流数据包括在两个以上的不同时段分别从所述患者获取的两个以上的波形数据，可以是，所述数据处理部通过比较所述两个以上的波形数据来检测所述循环系统的状态变化。
17.在一些示例性方式所涉及的医疗系统中，可以是，所述眼底血流数据包括所述患者的眼底动脉中的血流速数据和血流量数据中的任一个或两者，可以是，所述数据处理部基于所述血流速数据和所述血流量数据中的任一个或两者来检测所述循环系统的状态变化。
18.在一些示例性方式所涉及的医疗系统中，可以是，所述数据获取部包括光学相干断层扫描装置，所述光学相干断层扫描装置对所述患者的眼底进行扫描，以获取所述眼底血流数据。
19.在一些示例性方式所涉及的医疗系统中，可以是，所述听诊音数据包括由电子听诊器从所述患者获取的肺音数据。
20.在一些示例性方式所涉及的医疗系统中，可以是，所述数据获取部构成为还从所述患者获取体温数据和心跳数据中的任一个或两者。
21.在一些示例性方式所涉及的医疗系统中，可以是，所述医疗系统还包括：发送部，将从所述数据处理部输出的信息发送到相对于所述数据获取部位于远程位置的医生终端。
22.一些示例性方式所涉及的医疗系统中，可以是，所述医疗系统还包括：操作部，用于对所述数据获取部进行远程操作。
23.一些示例性方式所涉及的医疗信息处理装置包括：数据接收部，接收从患者获取的血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据；以及数据处理部，对由所述数据接收部接收的所述至少两个数据进行处理，以检测伴随传染病的循环系统的状态变化。
24.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述循环系统的状态变化包括肺炎的发作、肺炎的状态变化、低氧血症的发作、低氧血症的状态变化以及脑血流的状态变化中的至少一个。
25.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述眼部图像数据包括描绘有所述患者的眼底的眼底图像数据。
26.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述数据处理部基于描绘在所述眼底图像数据中的血管的分布图案来检测所述循环系统的状态变化。
27.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述眼部图像数据包括描绘有所述患者的眼底的彩色眼底图像数据。
28.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述数据处理部构成为基于所述彩色眼底图像数据中的颜色信息来检测所述循环系统的状态变化。
29.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述数据处理部包括
推断处理部，所述推断处理部使用学习完毕模型来执行根据由所述数据接收部接收的所述眼部图像数据导出与所述循环系统的状态变化有关的信息的推断处理，所述学习完毕模型通过使用包括眼部图像数据和诊断结果数据的训练数据的机器学习来构建。
30.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述眼部血流数据包括表示所述患者的眼底血管中的血流动态的眼底血流数据。
31.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述眼底血流数据包括表示所述患者的眼底动脉中的血流速度的时序变化的波形数据，可以是，所述数据处理部构成为基于所述波形数据来检测所述循环系统的状态变化。
32.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述眼底血流数据包括在两个以上的不同时段分别从所述患者获取的两个以上的波形数据，可以是，所述数据处理部构成为通过比较所述两个以上的波形数据来检测所述循环系统的状态变化。
33.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述眼底血流数据包括所述患者的眼底动脉中的血流速度数据和血流量数据中的任一个或两者，可以是，所述数据处理部构成为基于所述血流速度数据和所述血流量数据中的任一个或两者来检测所述循环系统的状态变化。
34.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述听诊音数据包括肺音数据。
35.在一些示例性方式所涉及的医疗信息处理装置中，可以是，所述数据接收部构成为还接收从所述患者获取的体温数据和心跳数据中的任一个或两者。
36.一些示例性方式所涉及的医疗信息处理装置中，可以是，所述医疗信息处理装置还包括：发送部，将由所述数据处理部生成的信息发送到相对于用于从所述患者获取所述至少两个数据的至少一个装置位于远程位置的医生终端。
37.根据示例性方式，能够实现检测伴随传染病的症状、重症化的迹象的处理的高精度化。
附图说明
38.图1是表示示例性方式所涉及的医疗系统的结构的一例的概要图。
39.图2是表示通过示例性方式所涉及的医疗系统进行处理的数据结构的一例的概要图。
40.图3是表示示例性方式所涉及的医疗系统的结构的一例的概要图。
41.图4是表示示例性方式所涉及的医疗系统的结构的一例的概要图。
42.图5是表示示例性方式所涉及的医疗系统的结构的一例的概要图。
43.图6是表示示例性方式所涉及的医疗系统的工作的一例的流程图。
44.图7是表示示例性方式所涉及的医疗信息处理装置的结构的一例的概要图。
具体实施方式
45.在本公开中，说明关于医疗系统和医疗信息处理装置的一些示例性方式。在一些示例性方式中，使用计算机对血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据进行处理，由此检测伴随传染病的循环系统的状态变化。该计算机处理可以
包括诊断推断。该诊断推断例如以使用通过机器学习进行构建的学习完毕模型(推断模型)的算法以及不使用学习完毕模型的算法中的一者来执行或两者的组合来执行。
46.提供给计算机处理的数据的种类并不限定于血氧数据、听诊音数据、眼部图像数据以及眼部血流数据，例如也可以包括由检查装置从患者获取的生物体数据(体温数据、心跳数据等)、存储于存储装置(数据库等)的数据(电子病历数据、问诊数据、患者背景信息等)。患者背景信息的示例包括年龄、治疗史、病历、用药史、手术史等。
47.在示例性方式中，通过综合地对血氧数据、听诊音数据、眼部图像数据、眼部血流数据等数据进行处理，能够高精度地检测伴随传染病的疾病的症状、重症化的迹象这种复杂的生理学性事件。特别是，在示例性方式中，能够高精度地检测伴随传染病的循环系统的状态变化。除此以外，在一些示例性方式中，还考虑以下说明的背景而进行了设计，从而可以起到与此对应的效果。
48.医生、护士等医护人员面临着院内感染的风险。例如，在2020年发生的新型冠状病毒传染病(coronavirus disease 2019；covid-19)的大流行中，在人满为患的医疗机构中发生聚集性感染等，医护人员的感染风险成为大的问题。此外，医护人员的感染风险的增加不仅发生在传染病流行期间，还发生在发生灾害、重大事故期间。
49.通常，对于降低感染风险，重要的是充分确保人与人之间的距离、所谓社交距离(social distancing)，但是在标准的医疗中实现这些并不容易。例如，在使用听诊器监听由心脏、肺部、血管等发出的声音时、为了观察眼部而使用裂隙灯显微镜时等中，医生等需要靠近患者进行处置。
50.在一些示例性方式中，可以构成为能够将基于前述的至少两个数据进行处理的结果提供给相对于从患者获取这些数据的装置(数据处理部、检查装置)位于远程位置的医生终端。另外，在一些示例性方式中，也可以构成为能够从远程位置对数据处理部(检查装置)进行操作。根据这些结构，能够使用以往在不靠近患者时无法实施的检查(听诊、裂隙灯检查等)中获取的数据进行诊断。即，根据一些示例性方式，能够允许患者与医护人员之间的适当的社交距离，并且能够高精度地检测症状、重症化的迹象这种复杂的生理学性事件。
51.在此，“远程位置”只要是能够确保患者与医护人员之间的社交距离的位置关系即可。例如，医生终端可以设置于与检查装置不同的房间或与检查装置不同的设施。另外，用于对检查装置进行远程操作的装置(操作装置、操作部)也可以设置于与检查装置不同的房间或与检查装置不同的设施。
52.此外，在如穿着全套防护服的情况那样在充分的传染病防护系统下实施检查的情况下，可以不用确保社交距离。在仅一部分检查(特定检查)是在充分的传染病防护系统下实施的情况等中，医疗系统可以构成为将信息提供给相对于用于特定检查以外的检查的每个检查装置位于远程位置的医生终端。
53.能够通过在本说明书中引用的文献中记载的事项、其它任意的公知技术来变形示例性方式。该变形例可以是附加、组合、替换、删除、省略以及其它加工中的任一个。
54.在本公开中说明的要素的功能的至少一部分也可以使用电路结构(circuitry)或处理电路结构(processing circuitry)来实现。电路结构或处理电路结构以执行公开的功能的至少一部分的方式构成和/或编程的通用处理器、专用处理器、集成电路、cpu(central processing unit：中央处理器)、gpu(graphics processing unit：图形处理器)、asic
(application specific integrated circuit：专用集成电路)、可编程逻辑设备(例如，spld(simple programmable logic device：简单可编程逻辑设备)、cpld(complex programmable logic device：复杂可编程逻辑设备)、fpga(field programmable gate array：现场可编程门阵列))、以往的电路结构以及它们的任意组合中的任一个。处理器可被视作包括晶体管和/或其它电路结构的处理电路结构或电路结构。在本公开中，电路结构、电路、计算机、处理器、单元、部件、部或类似于它们的术语可以包括执行公开的功能的至少一部分的硬件和/或以执行所公开的功能的至少一部分的方式编程的硬件。硬件也可以是在本说明书中公开的硬件或以执行所公开的功能的至少一部分的方式编程和/或构成的已知的硬件。在硬件为可被视为某种类型的电路结构的处理器的情况下，电路结构、电路、计算机、处理器、单元、部件、部或类似于它们的术语可以是硬件与软件的组合，该软件也可以使用于构成硬件和/或处理器。
55.也可以任意地组合以下说明的示例性方式。例如，能够至少部分地组合两个以上的示例性方式。
56.《医疗系统的结构》
57.说明示例性方式的医疗系统的结构的一些示例。图1示出的示例性的医疗系统1包括数据获取部10、数据处理部20以及输出部30。医疗系统1可以还包括操作装置2。
58.在典型的示例中，数据获取部10和数据处理部20经由通信线路连接。该通信线路例如可以形成医疗机构内的网络，或者也可以形成跨越多个施设的网络。应用于该通信线路的通信技术可以是任意的技术，可以是有线通信、无线通信、近距离通信等各种公知的通信技术中的任一个。数据处理部20与输出部30之间的连接方式也可以相同。或者，数据处理部20与输出部30也可以是装载于相同计算机的功能部。
59.操作装置2是为了医护人员对数据获取部10(检查装置)进行远程操作而使用。另外，操作装置2是为了医护人员(检查者)将指示等提供给使用数据获取部10(检查装置)进行检查的患者(被检者)而使用。操作装置2例如包括计算机、操作面板等。
60.数据获取部10构成为从患者获取眼科数据，特别是，构成为从患者获取血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据。
61.用于从患者获取血氧数据的装置(血氧测定装置)例如可以是日本特开2019-111010号公报等中记载的脉搏血氧计。由血氧测定装置检测出的血氧数据的种类是任意的，例如可以是氧饱和度数据、氧含量数据以及供氧量数据中的至少一个。
62.用于从患者获取听诊音数据的装置(听诊音测定装置)例如可以是日本特开2017-198号公报等中记载的电子听诊器。由听诊音测定装置检测出的听诊音的种类是任意的，例如可以是气管呼吸音数据、支气管呼吸音数据、肺泡呼吸音数据(肺音数据)、心音数据以及血流音数据中的至少一个。
63.用于从患者获取眼部图像数据的装置(眼科拍摄装置)可以是任意的眼科模态装置。能够应用的眼科模态例如可以是照片拍摄型的模态或扫描型的模态。眼科拍摄装置的种类包括光学相干断层扫描装置、眼底相机、裂隙灯显微镜、扫描激光检眼镜、手术用显微镜等。另外，眼科拍摄装置可以是能够获取眼底图像数据的眼底拍摄装置。眼底图像数据例如是描绘有眼底血管的图像数据，其用于血管分布图案的分析等。
64.光学相干断层扫描装置和/或眼底相机例如可以是日本特开2020-44027号公报中
记载的使各种拍摄准备工作自动化的装置。此外，拍摄准备工作是为了准备拍摄条件而执行的工作，其示例包括对准调整、聚焦调整、光路长度调整、偏光调整、光量调整等。另外，也能够自动地执行为了维持通过拍摄准备工作而完成的良好的拍摄条件的工作。这种工作包括与眼部的活动一致的自动对准调整(跟踪)、与眼部的活动一致的自动光路长度调整(z锁定)等。
65.由光学相干断层扫描装置获取的眼部图像数据(光学相干断层扫描图像数据)例如可以是在眼底应用三维扫描得到的三维图像数据、三维图像数据的投影图像数据以及光学相干断层扫描血管造影(octa)图像数据中的至少一个。
66.由眼底相机获取的眼部图像数据(眼底相机图像数据)例如可以是彩色眼底图像数据、红外眼底图像数据以及荧光造影眼底图像数据(荧光素血管造影图像数据、吲哚菁绿血管造影图像数据等)中的至少一个。
67.扫描激光检眼镜例如可以是日本特开2014-226156号公报中记载的装置。由扫描激光检眼镜获取的眼部图像数据(扫描激光图像数据)例如可以是彩色眼底图像数据、单色眼底图像数据以及荧光造影眼底图像数据中的至少一个。
68.裂隙灯显微镜例如可以是日本特开2019-213734号公报中记载的对远程拍摄有效的装置。由裂隙灯显微镜获取的眼部图像数据可以是例如彩色眼底图像数据、前眼部截面图像数据以及前眼部三维图像数据中的至少一个。
69.其它种类的眼科拍摄装置也能够采用任意的公知的装置。例如可以将日本特开2002-153487号公报中记载的对远程手术有效的手术用显微镜用作眼科拍摄装置。
70.用于从患者获取眼部血流数据的装置(眼部血流测定装置)可以是任意测定方式的装置。眼部血流数据例如包括表示患者的眼底血管中的血流动态的数据(眼底血流数据)。眼部血流测定装置例如可以是日本特开2019-54994号公报、日本特开2020-48730号公报等中记载的光学相干断层扫描装置。一些示例性方式的眼部血流测定装置通过利用这些公知技术，能够获取表示患者的眼底动脉中的血流速度的时序变化的波形数据、患者的眼底动脉中的血流速数据和/或血流量数据。典型地，波形数据是由横轴为时间、纵轴为血流速度的二维坐标系表示的血流速度的时序变化图。此外，能够用作眼部血流测定装置的装置并不限定于光学相干断层扫描装置，例如也可以是日本特表2017-504836号公报等中记载的激光散斑血流成像技术(lsfg)装置。
71.如上所述，示例性方式的数据获取部10所能够获取的数据的种类并不限定于血氧数据、听诊音数据、眼部图像数据以及眼部血流数据。在一些示例性方式中，数据获取部10也能够获取体温数据和/或心跳数据。患者的体温数据例如使用日本特开2018-29964号公报中记载的系统中的体温计来获取。患者的心跳数据(心率、心电波形等)例如使用日本特开2017-148577号公报中记载的心跳/心电图仪来获取。
72.在一些示例性方式中，能够获取血流数据、脉搏数据、呼吸功能数据、血压数据等任意种类的数据。例如使用日本特开2008-36095号公报等中记载的超声波血流量计、日本特开2008-154804号公报等中记载的激光血流量计以及日本特开平10-328152号公报等中记载的电磁血流量计中的任一个，能够获取血流数据(血流速度数据、血流量数据、血流速度分布数据等)、脉搏数据(脉搏率等)。另外，例如使用日本特表2019-527117号公报中记载的呼吸监测系统，能够获取呼吸功能数据(呼吸次数数据、潮气量数据、分钟通气量数据、气
管内压数据、气速气流量数据、换气功率数据、吸入气体浓度数据、吸气水蒸气数据等)。另外，例如使用日本特开2018-29964号公报中记载的系统中的血压计，能够获取血压数据(血压值等)、脉搏数据(脉搏率等)。
73.在一些示例性方式中，可以构成为对由眼科测定装置获取的眼部特性数据进行处理。眼部特性数据是表示眼部状态的数据(数值数据、评价数据等的特性数据)。眼科测定装置的种类除了包括所述眼部血流测定装置以外，还包括眼部屈光测定装置、眼压计、角膜内皮细胞检查装置(角膜内皮显微镜)、高阶像差测定装置(波前像差仪)、视力检查装置、视野计、微视野计、眼轴长度测定装置、视网膜电图检查装置、双眼视觉功能检查装置、色觉检查装置等。在日本特开2018-38518号公报中记载了眼部屈光测定装置(折射计、角膜散光计)、眼压计(非接触式眼压计)、角膜内皮显微镜以及波前像差仪的各例。视力检查装置例如可以是日本特开2018-110687号公报中记载的能够进行远程视力检查的装置。其它种类的眼科测定装置也能够采用任意的公知的装置。
74.在本方式中，数据获取部10中包括的检查装置(例如，电子听诊器、眼科拍摄装置、眼科测定装置等)中的至少一个能够进行远程操作、远程控制。
75.作为一例，考虑到对医护人员的感染风险，可以将使用检查装置进行检查的检查室与对该检查装置进行操作的操作室分开。在检查室内除了设置检查装置以外，还设置用于输出操作室内的操作者的指示(声音、图像、视频等)的扬声器、显示器、用于拍摄检查室内的被检者(患者)的摄像机、用于输入被检者的声音的麦克风、与检查装置连接的计算机等。
76.另一方面，在操作室内设置有用于对检查装置进行远程操作的操作装置2。操作装置2设置有计算机、操作面板、显示器、拍摄机、麦克风等。计算机执行远程操作处理。计算机与检查室内的检查装置连接。操作面板、摄像机以及麦克风用于向被检者输入指示。显示器显示由检查装置获取的数据、用于远程操作的信息(画面、来自检查室的信息等)。
77.根据这种结构，操作室内的操作者(医护人员)例如可以使用应用程序接口(api)对检查室内的检查装置进行远程操作，并且可以使用可视电话等向被检者发送指示。由此，被检者可以按照位于远程位置的操作者的指示而单独接受检查，其结果，能够大幅降低被检者对操作者的感染风险。
78.为了更好地对患者(被检者)单独进行检查，可以使用准备工作自动化的检查装置(上述)。在该情况下，认为不需要来自操作者的指示也能够进行检查。在某些情况下，也可以不用配置助手(操作者等)。只是，由于患者不同而单独检查也有可能困难，因此，例如也可以使助手在远程位置等待、使助手从远程位置监视检查状况。此外，向患者发送指示的助手(操作者等)也可以是拟人化的计算机系统(典型地，使用人工智能技术的自动响应系统)。
79.图2示出用于对由数据获取部10获取的各种数据进行处理(记录、发送等)的数据结构的示例。本例的数据结构100包括血氧数据部110、听诊音数据部120、眼部图像数据部130、眼部血流数据部140、体温数据部150、心跳数据部160以及任意数据部170。
80.血氧数据部110是用于记录由数据获取部10内的血氧测定装置获取的血氧数据的区域(文件夹等)。
81.听诊音数据部120是用于记录由数据获取部10内的听诊音测定装置获取的听诊音
数据的区域。
82.在听诊音数据部120中设置有肺音数据部121。肺音数据部121是用于记录由听诊音测定装置获取的肺音数据的区域。此外，设置于听诊音数据部120的子区域并不限定于肺音数据部121，也可以是用于记录任意种类的听诊音数据的区域。
83.眼部图像数据部130是用于记录由数据获取部10内的眼科拍摄装置获取的眼部图像数据的区域。在眼部图像数据部130中设置有眼底图像数据部131和彩色眼底图像数据部132。
84.在眼底图像数据部131中例如记录用于分析眼底血管的分布图案等的图像数据。记录于眼底图像数据部131的眼底图像数据的示例包括光学相干断层扫描图像数据(三维图像数据、投影图像数据、光学相干断层扫描血管造影图像数据等)、眼底相机图像数据(彩色眼底图像数据、红外眼底图像数据、荧光造影眼底图像数据等)、扫描激光图像数据(彩色眼底图像数据、单色眼底图像数据、荧光造影眼底图像数据等)、由裂隙灯显微镜获取的彩色眼底图像数据等。
85.在彩色眼底图像数据部132中例如记录用于分析眼底的色调等的图像数据。记录于彩色眼底图像数据部132的眼底图像数据的示例包括眼底相机图像数据(彩色眼底图像数据)、扫描激光图像数据(彩色眼底图像数据)、由裂隙灯显微镜获取的彩色眼底图像数据等。
86.在将同一图像数据用于血管分布图案分析和色调分析两者的情况下，不需要将该图像数据记录于眼底图像数据部131和彩色眼底图像数据部132两者。例如，通过使眼底图像数据部131和彩色眼底图像数据部132中的任一个记录该图像数据，并且使该图像数据附带表示还能够用于与另一个对应的用途的信息(标签等)，能够将单独图像数据提供给两种用途。
87.眼部血流数据部140是用于记录由数据获取部10内的眼部血流测定装置获取的眼部血流数据的区域。在眼部血流数据部140中设置有眼底血流数据部141。在眼底血流数据部141中记录表示眼底血管中的血流动态的数据(眼底血流数据)。
88.在眼底血流数据部141中设置有波形数据部142、血流速数据部143以及血流量数据部144。在波形数据部142中记录表示通过对眼底动脉的血流测量获取到的血流速度的时序变化的波形数据。在血流速数据部143中记录通过对眼底动脉的血流测量获取到的血流速数据。在血流量数据部144中记录通过对眼底动脉的血流测量获取到的血流量数据。
89.此外，若考虑根据不同的多个时刻的血流速度数据生成波形数据、根据波形数据得到特定时刻的血流速数据、根据波形数据和血流速度数据计算血流量数据等，则不需要设置波形数据部142、血流速数据部143以及血流量数据部144这些所有数据部。典型地，能够构成为仅将提供给由数据处理部20执行的处理的类别的数据记录于眼部血流数据部140中。或者，例如也可以构成为仅将波形数据记录到眼部血流数据部140，并由数据处理部20根据该波形数据求出血流速数据、血流量数据。
90.体温数据部150是用于记录由数据获取部10内的体温计获取的体温数据的区域。另外，心跳数据部160是用于记录由数据获取部10内的心率计(心电图仪)获取的心跳数据的区域。
91.任意数据部170是用于记录任意种类的数据的区域。例如，在任意数据部170中可
以记录由数据获取部10内的上述以外的检查装置获取的数据。另外，在任意数据部170中也可以记录电子病历数据、问诊数据等。另外，在任意数据部170中也可以记录与患者(被检者)有关的信息。患者信息包括标识符、患者背景信息等。
92.数据处理部20执行各种数据处理。本方式的数据处理部20构成为对由数据获取部10获取的数据进行处理，以检测伴随传染病的循环系统的状态变化。
93.伴随传染病的循环系统的状态(疾病、症状、生理学性事件等)的示例包括伴随新型冠状病毒传染病(covid-19)产生的肺炎、低氧血症、循环功能异常(脑血流异常等)等。在本方式中构成为能够检测这些状态中的至少一个的变化。
94.根据日本内科学会杂志109卷第392～395页(2020年)，新型冠状病毒传染病(covid-19)的严重程度分布为轻症(无肺炎～轻度肺炎)为80.9％、中症(呼吸困难、呼吸频率≥30次/分钟、氧饱和度(spo2)≤93％、或者肺部阴影的迅速恶化)为13.8％、重症(呼吸衰竭、休克以及多器官衰竭中的任一种)为4.7％、不明病例为0.6％。鉴于此，认为随着伴随新型冠状病毒传染病(covid-19)的低氧血症(伴随肺炎的低氧血症)的进展而氧饱和度降低。在这种背景下，在本方式中，可以将由数据获取部10内的血氧测定装置获取的血氧数据用作伴随新型冠状病毒传染病(covid-19)的低氧血症的评价指标。在其它传染病中也可以相同。
95.在日本传染病学会的病例报告“住院时并未检查出covid-19传染病的一个病例“新型冠状病毒的最大武器是隐形攻击
”‑
对一般医院的警告
‑”
(日本传染病学会主页：http：//www.kansensho.or.jp/uploads/files/topics/2019ncov/covid19_casereport_200403_2.pdf)中报道了尽管是新型冠状病毒传染病(covid-19)的感染者且在其它疾病的后续住院期间并未明显地观察到氧饱和度的降低、体温上升的病例。此外，通过简单的胸部ct证实了伴随新型冠状病毒传染病(covid-19)产生肺炎的情况。另一方面，新型冠状病毒传染病(covid-19)的主要症状可举出发热、心悸。考虑到这种背景，在本方式中，可以将血氧数据以外的数据(例如，体温数据、心跳数据等)用作伴随新型冠状病毒传染病(covid-19)的肺炎的评价指标。在其它传染病中也可以相同。此外，如所述病例报告指出那样，应谨慎处理受到其它因素影响的数据如服用解热镇痛药期间的体温数据。
96.根据irena tsui et al.“retinal vascular patterns in adults with cyanotic congenital heart disease”、journal seminars in ophthalmology、volume24、2009、issue6可知，持续的低氧血症会增加眼底血管的弯曲度(tortuosity)。因而，假设根据眼底图像数据掌握的血管分布图案会随着低氧血症的进展而发生变化。考虑到这种背景，在本方式中，可以将由数据获取部10内的眼科拍摄装置获取的眼底图像数据用作伴随新型冠状病毒传染病(covid-19)的低氧血症的评价指标。在其它传染病中也可以相同。
97.根据adrian spiteri“the blue patient”(http：//dx.doi.org/10.1136/emerged-2016-205729)可知，生物体组织的色调根据低氧血症而发生变化。该现象是，动脉血中的氧合血红蛋白随着血氧浓度的降低而减少，其结果呈现出与静脉血相同的颜色。若考虑在舌头、嘴唇等可看见毛细血管的部位中的色调变化明显的情况，则假设眼底色调也明显变化。考虑到这种背景，在本方式中，可以将由数据获取部10内的眼科拍摄装置获取的彩色眼底图像数据用作伴随新型冠状病毒传染病(covid-19)的低氧血症的评价指标。在其
它传染病中也可以相同。
98.在新型冠状病毒传染病(covid-19)的早期(轻度)阶段，由于发热、脱水、低氧血症而交感神经占优势，其结果，认为心率、心脏跳动量增加，心音增强并血压上升。根据kui liu et al.“clinical characteris tics of novel coronavirus cases in tertiary hospitals in hubei provinc e”、chinese medical journal、2020；vol(no)、(doi：10.1097/cm9.0000000000000744)，在一项以新型冠状病毒传染病(covid-19)的患者137人为对象的研究中，7.3％的患者的首发症状(早期症状)为心悸。
99.在这样观察到动脉血流量的增加的情况下，认为动脉血流的波形(wave form)倾向于以下文献中的五种波形类型(pulse types)中的“large&bounding”的趋势：zhaopeng fan et al.“pulse wave analysis”、advanced biomedical engineering、dr.gaetano gargiulo(ed)、2011(isbn：978-953-307-555-6)。
100.另一方面，根据yasemin saplakoglu、“the mysterious connection between the coronavirus and the heart”、livescience(https：//www.livescience.com/how-coronavirus-affects-heart.html)可知，随着新型冠状病毒传染病(covid-19)进一步加重，血管由于全身炎症而扩张，从而血压降低，并且由炎症、缺氧导致心肌细胞受损而心脏功能下降。心肌收缩能力降低，无法充分跳动，心音减弱，跳动量减小。在该情况下，认为动脉血流波形形状倾向于所述五种波形类型中的“small&weak”的趋势。此时，认为氧饱和度(spo2)进一步降低。
101.考虑到这种背景，在本方式中，可以将由数据获取部10内的眼部血流测定装置获取的眼部血流数据、由血氧测定装置获取的血氧数据用作伴随新型冠状病毒传染病(covid-19)的症状的评价指标。在其它传染病中也可以相同。
102.根据以下文献可知，表示由光学相干断层扫描血流量计获取的视网膜动脉的血流速度的时序变化的波形形状中反映了心脏功能的异常：南出夏奈等“根据使用光学相干断层扫描仪(oct)进行的眼底血流量测定可知的情况”、通过关联23个尖端事例的计算科学的前沿计算来理解并预测物事(近代科学社)，第21章，2020年。例如，在同一文献的图21.6(第255页)中示出主动脉瓣狭窄症患者(治疗前后)的视网膜动脉波形与正常人的视网膜动脉波形的比较。这样，视网膜动脉波形的形状在心脏的跳动发生异常的疾病中发生变化。同样地，认为心脏功能伴随传染病的加重而产生的变化以由光学相干断层扫描血流量计获取的一次心跳相当的波形形状出现。例如，从心跳开始起达到峰值为止的时间延迟表示心脏收缩功能的下降。另外，在相当于一次心跳的波形下面积的减小表示心脏跳动量的减少。
103.考虑到这种背景，在本方式中，可以将由数据获取部10内的眼部血流测定装置(光学相干断层扫描血流量计)获取的眼部血流数据用作伴随新型冠状病毒传染病(covid-19)的心脏功能异常(循环功能异常)的评价指标。在其它传染病中也可以相同。
104.根据以下文献可知，颅内动脉(大脑中动脉)的血流状态因传染病而发生变化：haring hp et al.“time course of cerebral blood flow velocity in central nervous system infections.a transcranial doppler son ography study.”、arch neurol.1993jan；50(1)：98-101。新型冠状病毒传染病(covid-19)有时呈现中枢神经系统症状，导致类似于脑膜炎的病况(病毒性脑膜炎)。此时，由于全身炎症而会增加全身血流增加，这被认为导致脑血流增加。若考虑到眼部动脉从与中大脑动脉相同的血管分支，则认为
眼部动脉及其前侧的视网膜动脉也发生血流变化的可能性高。因而，具有能够根据光学相干断层扫描血流量计的血流速度值、血流量值来检测伴随传染病的恶化产生的脑血流的变化的可能性。
105.考虑到这种背景，在本方式中，可以将由数据获取部10内的眼部血流测定装置(光学相干断层扫描血流量计)获取的眼部血流数据用作伴随新型冠状病毒传染病(covid-19)的脑血流异常的评价指标。在其它传染病中也可以相同。
106.例如，通过应用日本特表2018-516616号公报(国际公开第2016/166318号)中公开的技术，可以将听诊音数据用作伴随新型冠状病毒传染病(covid-19)的肺炎的评价指标。在其它传染病中也可以相同。
107.数据处理部20构成为例如基于上述见解来执行数据处理，以检测伴随传染病的循环系统的状态变化。图3示出本方式的数据处理部20的结构的示例。本例的数据处理部20包括血氧数据处理部21、听诊音数据处理部22、眼部图像数据处理部23以及眼部血流数据处理部24。数据处理部20可以构成为根据来自这些处理部21～24中的至少两个的输出来生成最终输出。
108.血氧数据处理部21例如可以具有以下结构：通过处理器对记录于图2的数据结构100的血氧数据部110的血氧数据进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断，其中，所述处理器按照至少基于与血氧有关的上述见解而制作的程序进行工作。例如，血氧数据处理部21可以通过比较由血氧数据表示的氧饱和度值与预定阈值来进行推断诊断。
109.另外，血氧数据处理部21例如也可以具有以下结构：使用通过至少基于与血氧有关的上述见解的机器学习进行构建的学习完毕模型，对记录于血氧数据部110的血氧数据进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断。该机器学习例如使用包括临床收集的血氧数据以及对该血氧数据的诊断结果数据的训练数据来执行。该诊断结果数据例如由医生或其它推断模型(学习完毕模型)基于相关联的血氧数据来求出。构建的学习完毕模型将记录于血氧数据部110的血氧数据作为输入，并将与伴随传染病的循环系统的状态(变化)有关的推定诊断数据作为输出。
110.听诊音数据处理部22例如可以具有以下结构：使用处理器对记录于图2的数据结构100的听诊音数据部120的听诊音数据(例如，记录于肺音数据部121的肺音数据)进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断，其中，所述处理器按照至少基于与听诊音(呼吸音、心音等)有关的上述见解而制作的程序进行工作。例如，听诊音数据处理部22可以基于听诊音数据所示的波形特征(声音配置文件)来进行推断诊断。
111.另外，听诊音数据处理部22例如也可以具有以下结构：使用通过至少基于与听诊音(呼吸音、心音等)有关的上述见解的机器学习进行构建的学习完毕模型，对记录于听诊音数据部120的听诊音数据(例如，记录于肺音数据部121的肺音数据)进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断。该机器学习例如使用包括临床收集的听诊音数据以及对该听诊音数据的诊断结果数据的训练数据来执行。该诊断结果数据例如由医生或其它推断模型(学习完毕模型)基于相关联的听诊音数据来求出。构建的学习完毕模型将记录于听诊音数据部120的听诊音数据(例如记录于肺音数据部121的肺音数据)作为输入，并将与伴随传染病的循环系统的状态(变化)有关的推定诊断数据作为输出。
112.眼部图像数据处理部23例如可以具有以下结构：使用处理器对记录于图2的数据结构100的眼部图像数据部130的眼部图像数据(例如，记录于眼底图像数据部131的眼底图像数据和/或记录于彩色眼底图像数据部132的彩色眼底图像数据)进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断，其中，所述处理器按照至少基于与眼部图像(眼底图像等)有关的上述见解而制作的程序进行工作。例如，眼部图像数据处理部23可以根据眼部图像数据的特征(例如，血管弯曲度、颜色信息等)来进行推断诊断。
113.另外，眼部图像数据处理部23例如也可以具有以下结构：使用通过至少基于与眼部图像(眼底图像等)有关的上述见解的机器学习进行构建的学习完毕模型，对记录于眼部图像数据部130的眼部图像数据(例如，记录于眼底图像数据部131的眼底图像数据和/或记录于彩色眼底图像数据部132的彩色眼底图像数据)进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断。该机器学习例如使用包括临床收集的眼部图像数据以及对该眼部图像数据的诊断结果数据的训练数据来执行。该诊断结果数据例如由医生或其它推断模型(学习完毕模型)基于相关联的眼部图像数据来求出。构建的学习完毕模型将记录于眼部图像数据部130的眼部图像数据(例如，记录于眼底图像数据部131的眼底图像数据和/或记录于彩色眼底图像数据部132的彩色眼底图像数据)作为输入，并将与伴随传染病的循环系统的状态(变化)有关的推定诊断数据作为输出。
114.图4示出利用机器学习构成的眼部图像数据处理部23的示例。本例的眼部图像数据处理部23包括推断处理部230。如上所述，推断处理部230构成为使用学习完毕模型来执行根据由数据获取部10从患者获取的眼部图像数据导出与循环系统的状态变化有关的信息的推断处理，所述学习完毕模型通过使用包括临床数据(眼部图像数据和诊断结果数据)的训练数据的机器学习来构建。
115.通过基于这种训练数据的机器学习(监督学习)来制作学习完毕模型(推断模型)，该学习完毕模型将由数据获取部10从患者获取的眼部图像数据作为输入，并将与循环系统的状态变化有关的推定诊断数据作为输出。
116.推断处理部230包括这样得到的学习完毕模型，将由数据获取部10从患者获取的眼部图像数据输入到学习完毕模型，并将从学习完毕模型输出的推定诊断数据发送到输出部30。
117.能够用于示例性方式的机器学习算法并不限定于监督学习，例如，可以是非监督学习、半监督学习、强化学习、转导、多任务学习等任意算法，也可以是任意两个以上的算法的组合。
118.能够用于示例性方式的机器学习技术是任意的，例如，可以是神经网络、支持向量机、决策树学习、关联规则学习、遗传编程、聚类、贝叶斯网络、表达学习、极限学习机等任意的技术，也可以是任意两个以上的技术的组合。
119.图5示出推断处理部230的结构的示例。本例的推断处理部230包括第一学习完毕模型231和第二学习完毕模型232。
120.第一学习完毕模型231通过使用包括眼底图像数据和诊断结果数据的训练数据的机器学习来构建。例如，第一学习完毕模型231包括卷积神经网络。该卷积神经网络例如包括：输入层，用于输入眼底图像数据；卷积层(convolutional layer)，对输入的眼底图像数据进行滤除(卷积)而制作与血管的弯曲有关的特征图；池化层(pooling layer)，一边保持
由卷积层得到的特征一边进行数据压缩；全耦合层，根据由池化层得到的所有数据提取特征性意见并进行判断；以及输出层，用于输出由全耦合层得到的数据。将由数据获取部10从患者获取的眼底图像数据输入到第一学习完毕模型231，由此生成与考虑了血管的弯曲状态的循环系统的状态变化有关的信息。通过使用这种第一学习完毕模型231，数据处理部20可以基于描绘在患者的眼底图像数据中的血管的分布图案来检测循环系统的状态变化。
121.此外，与血管有关的特征并不限定于分布图案。例如，可以考虑血管直径的变化(扩展/收缩)，以获取与循环系统的状态变化有关的信息。血管直径例如能够对眼底图像数据或光学相干断层扫描图像数据进行分析来求出。例如，可以使用日本特开2016-43155号公报、日本特开2020-48730号公报等中记载的技术来测定血管直径。
122.第二学习完毕模型232通过使用包括彩色眼底图像数据和诊断结果数据的训练数据的机器学习来构建。例如，第二学习完毕模型232包括卷积神经网络。该卷积神经网络例如包括：输入层，用于输入彩色眼底图像数据；卷积层，对输入的彩色眼底图像数据进行滤除(卷积)而制作与颜色信息(例如，r值、g值、b值)有关的特征图；池化层，一边保持由卷积层得到的特征一边进行数据压缩；全耦合层，根据由池化层得到的所有数据提取特征性意见并进行判断；以及输出层，用于输出由全耦合层得到的数据。将由数据获取部10从患者获取的彩色眼底图像数据输入到第二学习完毕模型232，由此生成与考虑了眼底的色调的循环系统的状态变化有关的信息。通过使用这种第二学习完毕模型232，数据处理部20可以基于患者的彩色眼底图像数据中的颜色信息来检测循环系统的状态变化。
123.对眼部图像数据以外的种类的数据进行处理的学习完毕模型也可以具有与所述结构相同的结构。在对波形数据、经过观察数据、运动图像数据、声音数据等时序数据进行处理的情况下，其学习完毕模型可以包括递归神经网络。另外，用于机器学习的训练数据也可以包括计算机根据临床数据制作的数据。另外，机器学习也可以包括转移学习。
124.眼部血流数据处理部24例如可以具有以下结构：使用处理器对记录于图2的数据结构100的眼部血流数据部140的眼部血流数据(例如，记录于波形数据部142的波形数据、记录于血流速数据部143的血流速数据以及记录于血流量数据部144的血流量数据中的至少一个)进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断，其中，所述处理器按照至少基于与眼部血流(眼底血流等)有关的上述见解而制作的程序进行工作。例如，眼部血流数据处理部24可以基于眼部血流数据的特征(例如，表示波形特征的参数等)来进行推断诊断。
125.另外，眼部血流数据处理部24例如也可以具有以下结构：使用通过至少基于与眼部血流(眼底血流等)有关的上述见解的机器学习进行构建的学习完毕模型，对记录于眼部血流数据部140的眼部血流数据(例如，记录于波形数据部142的波形数据、记录于血流速数据部143的血流速数据以及记录于血流量数据部144的血流量数据中的至少一个)进行处理，由此进行与伴随传染病的循环系统的状态(变化)有关的推断诊断。该机器学习例如使用包括临床收集的眼部血流数据以及对该眼部血流数据的诊断结果数据的训练数据来执行。该诊断结果数据例如由医生或其它推断模型(学习完毕模型)基于相关联的眼部血流数据来求出。构建的学习完毕模型将记录于眼部血流数据部140的眼部血流数据(例如，记录于波形数据部142的波形数据、记录于血流速数据部143的血流速数据以及记录于血流量数据部144的血流量数据中的至少一个)作为输入，并将与伴随传染病的循环系统的状态(变
化)有关的推定诊断数据作为输出。
126.在眼底血流数据包括波形数据的情况下，数据处理部20可以基于该波形数据检测循环系统的状态变化。典型地，在该处理中考虑表示波形特征的参数。
127.在两个以上的不同时段分别从患者获取的两个以上的波形数据包括在眼底血流数据中的情况下(例如，通过经过观察获取两个以上的波形数据)，数据处理部20可以通过比较这些波形数据来检测循环系统的状态变化。典型地，在该处理中考虑表示波形特征的参数的变化。
128.在患者的眼底动脉中的血流速数据和血流量数据中的任一个或两者包括在眼底血流数据中的情况下，数据处理部20可以基于血流速数据和血流量数据中的任一个或两者来检测循环系统的状态变化。典型地，在该处理中考虑值的大小。
129.在两个以上的不同时段分别从患者获取的两个以上的血流速数据包括在眼底血流数据中的情况下(例如，通过经过观察获取两个以上的血流速数据)，数据处理部20可以通过比较这些血流速数据来检测循环系统的状态变化。典型地，在该处理中考虑血流速的值的变化。
130.在两个以上的不同时段分别从患者获取的两个以上的血流量数据包括在眼底血流数据中的情况下(例如，通过经过观察获取两个以上的血流量数据)，数据处理部20可以通过比较这些血流量数据来检测循环系统的状态变化。典型地，在该处理中考虑血流量的值的变化。
131.其它种类的数据(体温数据、心跳数据、血压数据等)也同样地能够按照至少基于对应的见解而制作的程序进行工作的处理器和/或使用通过至少基于对应的见解的机器学习进行构建的学习完毕模型来进行处理。
132.根据具有这种结构的本方式的数据处理部20，作为伴随传染病的循环系统的状态变化，可以检测出肺炎的发作、肺炎的状态变化(重症化、轻症化、无症状化)、低氧血症的发作、低氧血症的状态变化(重症化、轻症化、无症状化)以及脑血流的状态变化(重症化、轻症化、无症状化)等。此外，数据处理部20可以构成为能够检测伴随传染病的其它状态变化，也可以构成为能够检测(不管与传染病之间的关联的)任意的状态变化。
133.另外，由数据处理部20执行的推断诊断的对象(疾病、症状等)可以是任意的。例如，数据处理部20可以构成为执行与肺炎有关的推断处理。更具体地说，数据处理部20可以构成为执行以下推断处理：用于获得对象患者患有肺炎的概率(肺炎感染概率)；用于获得对象患者患有伴随肺炎的感染性疾病的概率(感染性疾病感染概率)；用于获得对象患者的肺炎的严重程度(肺炎严重程度)；以及用于获得伴随对象患者的肺炎的感染性疾病的严重程度(感染性疾病严重程度)等。
134.伴随肺炎的感染性疾病例如可以是新型冠状病毒传染病(covid-19)。另外，伴随肺炎的感染性疾病的严重程度例如可以与任意症状(细胞因子风暴、发热、结膜充血、鼻塞、头痛、咳嗽、咽喉痛、咳痰、血痰、萎靡、气喘、恶心、呕吐、腹泻、肌肉疼痛、关节痛、寒战等)相关联，也可以与任意基础疾病(糖尿病、心力衰竭、呼吸道疾病(慢性阻塞性肺疾病(copd)等)、人工透析的应用、特效药(免疫抑制剂、抗癌剂等)的给药等)相关联。
135.输出部30输出由数据处理部20执行的处理结果。输出处理的方式是任意的，例如可以是传输、显示、记录以及打印中的任一个。由输出部30输出的信息可以是由数据处理部
20执行的处理的结果本身(伴随传染病的循环系统的状态变化的检测结果)，也可以是包括该处理结果的信息，还可以是对该处理结果进行处理而得到的信息。例如，医疗系统1可以还包括报告制作部(未图示)，该报告制作部(未图示)基于由数据处理部20得到的循环系统的状态变化的检测结果来制作报告。在该情况下，输出部30可以输出制作的报告。
136.图1示出输出部30的结构例。本例的输出部30包括发送部31。发送部31将由数据处理部20执行的处理结果发送到相对于数据获取部10位于远程位置的医生终端3。
137.在此，从输出部30向医生终端3的发送可以是直接发送，也可以是间接发送。直接发送是将处理结果(检测结果、报告等)从输出部30发送到医生终端3的方式。另外，间接发送是将处理结果发送到医生终端3以外的装置(服务器、数据库等)并且经由该装置将该处理结果提供给医生终端3的方式。
138.这样，相对于数据获取部10在远程位置处配置医生终端3，并且将由数据处理部20获取的处理结果(或基于该处理结果的信息)基于由数据获取部10从患者获取的数据提供给医生终端3，由此可以确保医生(医护人员)与患者之间的社交距离，从而能够降低医生(医护人员)的感染风险。
139.《医疗系统的使用方式》
140.参照图6的流程图来说明示例性方式所涉及的医疗系统1的使用方式的示例。
141.(s1：构建学习完毕模型)
142.作为医疗系统1的运用准备，构建在数据处理部20中使用的学习完毕模型。此外，在该阶段进行的处理可以是已经运用的学习完毕模型的更新(参数的调整/更新)。
143.(s2：将学习完毕模型装载于数据处理部)
144.作为医疗系统1的运用的进一步准备，将在步骤s1中构建的学习完毕模型装载于数据处理部20。在该工序中，例如，将在步骤s1中构建的学习完毕模型经由通信线路发送到医疗系统1。
145.(s3：从患者获取数据)
146.对象例如可以是新型冠状病毒传染病(covid-19)确诊患者或新型冠状病毒传染病(covid-19)疑似患者。医疗系统1的数据获取部10从患者获取预定项目的数据。在本方式中，数据获取部10从患者获取血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据。除了这些种类以外，可以从患者获取体温数据、心跳数据、血压数据、眼部特性数据等任意种类的数据。
147.在该工序中实施的检查的至少一部分可以是使用操作装置2进行的远程检查。
148.获取到的数据例如按照图2的数据结构100进行记录。由此，得到与该患者有关的数据包。
149.这样，在本方式中，从患者获取两个以上的数据，但是获取这些数据的时机是任意的。例如，可以在获取第一数据之后获取第二数据，也可以在获取第二数据之后获取第一数据，也可以同时获取第一数据和第二数据。
150.另外，两个以上的数据的获取时机的差(时间差)可以是任意的。例如，在至少获取眼底血流数据和心跳数据的情况下，在眼底血流的状态与心跳的状态之间原来存在时间差，因此不需要同时获取两者，例如，也可以有10分钟左右的时间差。然而，对于影响血液循环状态的条件(姿势等)，认为期望在两个数据获取时设为相同条件。对于影响其它检查参
数的条件(饮食、时间段、给药等)也相同。
151.(s4：将数据输入到数据处理部)
152.将在步骤s3中获取的数据发送到数据处理部20。将输入到数据处理部20的数据的至少一部分输入到在步骤s1中构建的学习完毕模型。
153.(s5：生成循环系统的状态变化的检测数据)
154.数据处理部20通过对在步骤s4中输入的数据进行处理，检测伴随传染病的循环系统的状态变化。由此，数据处理部20例如生成表示肺炎的发作的数据、表示肺炎的状态变化的数据、表示低氧血症的发作的数据、表示低氧血症的状态变化的数据以及表示脑血流的状态变化的数据等。将在该工序中生成的数据称为检测数据。
155.(s6：制作报告)
156.医疗系统1(前述的未图示的报告制作部)基于在步骤s5中生成的检测数据来制作报告。
157.(s7：发送报告)
158.输出部30的发送部31将在步骤s6中制作的报告发送到相对于数据获取部10位于远程位置的医生终端3或能够对医疗终端3提供信息的计算机。医生终端3并不限定于医生所使用的计算机，也可以是医生以外的医护人员所使用的计算机(医护人员终端)。
159.根据这种医疗系统1，能够确保医护人员与患者之间的社交距离，从而降低患者对医护人员的感染风险。并且，医疗系统1构成为基于血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据来自动地进行诊断推断，因此能够比以往的技术更高精度地检测伴随传染病的症状、重症化的迹象。
160.另外，由一些示例性方式的医疗系统进行的检查是无创的。例如，作为能够用于医疗系统1的检查装置而例示的以下装置均以无创方式从患者获取数据：脉搏血氧计、电子听诊器、光学相干断层扫描装置、眼底相机(无散瞳型的情况)、裂隙灯显微镜、扫描激光检眼镜、激光散斑血流成像技术、体温计、心跳、心电图仪、血流量计、呼吸监测系统、血压计、眼部屈光测定装置、眼压计、角膜内皮显微镜、波前像差仪、视力检查装置、视野计、微视野计、眼轴长度测定装置、视网膜电图检查装置、双眼视觉功能检查装置、色觉检查装置。能够用于示例性方式的医疗系统的无创检查装置并不限定于此。此外，至少一部分检查装置(例如，散瞳型的眼底相机)也可以是有创的。
161.《医疗信息处理装置》
162.说明示例性方式的医疗信息处理装置的示例。图7示出的示例的医疗信息处理装置5包括数据接收部51、数据处理部52以及输出部53。
163.在本方式的医疗信息处理装置5的外部设置有数据获取系统6、操作装置7以及医生终端8。
164.数据获取系统6构成为从患者获取血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据。数据获取系统6也可以构成为从患者获取体温数据和心跳数据中的任一个或两者。
165.数据获取系统6的结构的至少一部分可以与前述的医疗系统1的数据获取部10的至少一部分相同。能够将在数据获取部10中说明的任意事项与数据获取系统6进行组合。例如，可以按照图2示出的数据结构100来记录由数据获取系统6获取的数据。
166.操作装置7是为了医护人员对数据获取系统6(检查装置)进行远程操作而使用。操作装置7例如包括计算机、操作面板等。操作装置7的结构的至少一部分可以与前述的操作装置2的至少一部分相同。能够将在操作装置2中说明的任意事项与操作装置7进行组合。
167.医生终端8相对于数据获取系统6配置于远程位置。医生终端8的结构的至少一部分可以与前述的医生终端3的至少一部分相同。能够将在医生终端3中说明的任意事项与医生终端8进行组合。
168.数据接收部51构成为接收从患者获取的血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据。在图7的示例中，从数据获取系统6向数据接收部51输入数据，但是并不限定于此。例如，也可以构成为将由数据获取系统6获取的数据保存到数据库等并从该数据库向数据接收部51输入数据。数据接收部51例如可以包括与通信线路连接的通信设备、读取记录到记录介质的数据的驱动装置等。
169.数据处理部52构成为对由数据接收部51接收的至少两个数据进行处理，以检测伴随传染病的循环系统的状态变化。数据处理部52的结构的至少一部分可以与前述的医疗系统1的数据处理部20的至少一部分相同。能够将在数据处理部20中说明的任意事项与数据处理部52进行组合。
170.输出部53输出由数据处理部52执行的处理结果。本例的输出部53包括发送部54。发送部54将由数据处理部52执行的处理结果发送到相对于数据获取系统6位于远程位置的医生终端8。输出部53的结构的至少一部分可以与前述的医疗系统1的输出部30的至少一部分相同。能够将在输出部30中说明的任意事项与输出部53进行组合。同样地，发送部54的结构的至少一部分可以与前述的医疗系统1的发送部41的至少一部分相同，能够将在发送部41中说明的任意事项与发送部54进行组合。
171.能够将在前述的医疗系统1中说明的任意事项与医疗信息处理装置5进行组合。
172.根据这种医疗信息处理装置5，能够确保医护人员与患者之间的社交距离，从而降低患者对医护人员的感染风险。并且，医疗信息处理装置5构成为基于血氧数据、听诊音数据、眼部图像数据以及眼部血流数据中的至少两个数据来自动地进行诊断推断，因此能够比以往的技术更高精度地检测伴随传染病的症状、重症化的迹象。
173.(附图标记说明)
174.1：医疗系统
175.2：操作装置
176.3：医生终端
177.10：数据获取部
178.20：数据处理部
179.21：血氧数据处理部
180.22：听诊音数据处理部
181.23：眼部图像数据处理部
182.230：推断处理部
183.231：第一学习完毕模型
184.232：第二学习完毕模型
185.24：眼部血流数据处理部
186.30：输出部
187.31：发送部
188.100：数据结构
189.110：血氧数据部
190.120：听诊音数据部
191.130：眼部图像数据部
192.140：眼部血流数据部