Recommended
More Related Content
Similar to JPC2018[I2]電子カルテシステム Opt.one × Microsoft Azure で実現する歯科業界初の AI 型治療計画支援システム
Similar to JPC2018[I2]電子カルテシステム Opt.one × Microsoft Azure で実現する歯科業界初の AI 型治療計画支援システム (20)
More from MPN Japan
More from MPN Japan (20)
Recently uploaded
Recently uploaded (8)
JPC2018[I2]電子カルテシステム Opt.one × Microsoft Azure で実現する歯科業界初の AI 型治療計画支援システム
- 2. ID:I-2
- 3. アジェンダ • AI型治療計画支援システム開発の背景 • デモンストレーション • AIシステムの概要 • 今後へ向けて
- 4. 株式会社オプテックのご紹介 歯科 オプテック 検索 • 創業 • 2005年5月 東海大学発ベンチャーとしてスタート • 主な業務内容 • 販売拠点 • 営業所：東京、神奈川、大阪、福岡 その他詳細はこちらで
- 6. 歯科医療情報システムの市場 • 全国の歯科医院の状況 • 歯科医院数：約70,000件弱＊／全国 • 歯科医院に通院する患者数：約20～30人／日 • 歯科医院の累積患者数：約3,000～5,000人 • 歯科医療情報システムの普及率 • レセプトの電子請求義務化により普及率はほぼ100% ＊厚生労働省による医療施設動態調査(H29年12月末概数)
- 7. 処理区分 機 能 Opt.one Ｍ社製品 Ｎ社製品 カルテ関連 POS対応 ○ × × POMR形式カルテ作成 ○ × × SOAP形式カルテ作成 ○ × × レントゲン画像カルテ貼り付け ○ × × 説明用画像カルテ貼り付け ○ × ○ 診療計画の画像による説明 ○ × × 自費診療等の患者説明 ○ × × 患者提供文章自動作成 ○ × △ 技工指示書作成 ○ × × レセプト レセプト作成 ○ ○ ○ 総括表同時印刷 ○ × ○ Opt.oneと他社製品の比較例
- 8. 歯科業界の中での弊社の立ち位置 • 治療からヘルスケアへ • カルテを軸にビジネスを展開 • 弊社のユーザ数(2018.8現在) • 約3,000ユーザ • 毎年300~400ユーザの増加（自社リプレースを除く） • ユーザ数で業界第６位前後 • 業界をリードする提案実績 • デンタルPOS®️ 、デンタルSOAP®️ 、月額利用契約など
- 9. • AIの導入 • プログラム指向 ⇒ データ指向 • システム開発・保守の柔軟性確保 • オープン化とデータ連係による高付加価値化の追求 • Opt.oneと連携するロボットの開発 • 歯科の人手不足を補う一次受付用 • 問診補助用 先端技術開発へのチャレンジ精神
- 10. 【患者側の要望（上位から＊）】 ＊ （一社）日本私立歯科大学協会 第４回意識調査(2016.11.01)を参考 AI型歯科システム開発の背景 1/3 • 丁寧な治療をしてくれる • 高い技術で治療をしてくれる • 人柄が良い・優しい • 治療の説明をきちんとしてくれる • 清潔感がある • 痛くない治療をしてくれる • 治療を少ない回数で終わらせてくれる • 費用の説明をきちんとしてくれる 50%以上 50%未満上位
- 11. AI型歯科システム開発の背景 2/3 【治療計画：むし歯の治療を例に】 ・正常、むし歯（5段階）で 6通りの状態／歯 ・全組合せ 632 (7.95866111×1024 )通り ・この中のどれかの組合せを治療 ・食事できるように治療計画を立案 ・むし歯以外の病名も多く組合せ爆発が発生！ ・ベテランの歯科医師は対応 ・ベテランの経験値を取り込んで治療計画の立 案を支援するシステムを実現したい 口腔内部位 32カ所
- 12. AI型歯科システム開発の背景 3/3 【歯科医師側の要望】 • 他の歯科医師の治療を参考にしたい ⇒AIで解決可能 • 個別最適化 • 歯科医師個人やグループの考え方を反映できる専用のカ ルテシステムを構築したい • カルテの作成効率向上と品質を確保したい。 ⇒AIで解決可能
- 20. AI 型治療計画支援システム
- 21. 導出機能 システム概要 Opt.one 受付ロボット 問診ロボット タブレット 端末 Opt.one UI ホスト アプリケーション ユーザー インターフェース Internet 病名AI Language Understanding 治療AI Azure Machine Learning 計画AI Cognitive Serveices 病名導出 治療導出 計画導出 管理機能 治療計画導出 アプリケーション
- 22. システム概要 Language Understanding病名 AI 治療 AI 計画 AI Azure Cognitive Serviceは “人工知能パーツ” 適切にサービスを選択し利用する必要があった 利用しているAzure Cognitive Service Azure Machine Learning Studio “Multiclass Neural Network” Azure Machine Learning Studio ” Two-Class Neural Network & Ordinal Regression”
- 23. システム概要 サンプルデータ集合を解析しAI学習に利用 各AIの学習データ 学習元データ カルテ情報等、複数の趣旨と履歴を持つ文章データ 規則、ルール、知識表現、判断基準などを抽出しアルゴリズムを発展 病名 所見 C2 近心隣接面にカリエスを認める。 顎関節症 右顎よりクリック音を認める P2 歯周ポケットを4mm認める C2 お変わりないです ・・・ ・・・ C2所見 近心隣接面にカリエスを認める。 遠心咬合面に浅いう蝕あり。 小窩裂溝が深く、カリエスの危険性が高 い。 ・・・
- 25. AIシステムの検討
- 27. AIシステムの検討 当初は IBM Watson NLC も候補 病名AIの検討 Azure LUIS Watson NLC 60% 30% 想定するシステムのPoCを実施 結果の比較検証により本システムのAIサービスを選定 PoCでの正答率 本システムではAzureを全面採用 その他AIシステムの設計を実施 LUISの採用決定
- 28. AIシステムの検討 Azure Machine Learningを利用 治療AIの検討 初期構想：アルゴリズムにMatch Box Recommenderを利用 教師データの属性が似たユーザーが行った治療法を推奨 採用アルゴリズム：Multiclass Neural Network 教師データの属性から特徴量を機械学習で抽出 過去カルテから入力の属性に近い治療法を推奨 × 病名に対して関係のない治療法も推奨されてしまうため方針変更 期待する診療セットと同一なもの PoCでの正答率 58.1 %
- 29. AIシステムの検討 Azure Machine Learningを利用 計画AIの検討 初期構想：Chainerによる実装 ニューラルネットワークとランキング学習を用いて実装 採用アルゴリズム：Two-Class Neural Network Ordinal Regression 順序のあるデータを学習させ、新たなデータに 対して順序を推測 × 実行速度や保守、運用の懸念などで方式を変更 期待値とAIによる返答の順位が同一 PoCでの正答率 43.5 %
- 31. AIシステムの開発
- 38. 今後へ向けて
- 39. 今後へ向けて • AI技術の展開 • AI技術応用分野の拡大 • 歯科医療分野を拠点に創造的破壊型イノベーションの先頭へ • AIによるデジタルビジネスの展開 • 個別最適化ビジネスの拡大 • AIのオープン化による付加価値拡大と求心力の強化
- 40. Thank you for your attention 資料をダウンロードするには上記QRコードをスキャンしてください。 コンテンツ有効期限は9月15日です。 JPC2018のドキュメントはBOXのソリューション を活用してシェアされています。