山内 一信

医療面接の話題構造を可視化することによる医師-患者コミュニケーション支援手法を提案した.話題構造の可視化は,入力テキストを医師と患者の発言に分けた(テキストオブジェクト)後,「話題境界を指定する」手順1,医師と患者それぞれのテキストから「話題の類似度を算出」する手順2,および,時系列(縦軸),テキストオブジェクト(ノード),類似度(枝)よりなる「グラフを作成」する手順3の3つの手順からなる.その適用可能性を検討することを目的に,神経内科の医師1名の面接29件(平均時間9.0±5.7分)の音声データを書き起こしたテキストオブジェクトのうち,初診の2事例について,ナラティブ・ベイスド・メディスン(NBM)の実践プロセスの観点から詳細に検討,報告した

Presently, doctors predict the condition of hepatitis C using blood examination data based on their professional experience, and patients are then diagnosed by performing a liver biopsy to obtain a definite diagnosis. However, liver biopsies are a high-risk procedure and can be troublesome. In this paper, we suggest a new method that is easier and more accurate. It uses the SVM (support vector machine), which is one of the most effective learning machines, and SFFS (sequential forward floating search), which is a feature selection. The combination of SVM and SFFS make it possible to eliminate the unnecessary examination of various items. It also helps to obtain high accuracy compared to using only SVM. Performance was drastically improved by applying our new method to the blood examination data for hepatitis C.