JP2003519840A - 意思決定のシステムおよび方法 - Google Patents

Abstract

(57)【要約】 本発明は、情報システム理論およびエキスパートシステムの理論に関する。本発明は、エキスパートにより生成された一次バイアス値を使用して人間の意思決定プロセスをエミュレートすることに基づいて、意思決定を行うプロセス、装置および方法を提供する。一次バイアス値は特定の選択肢と連携して、前記可能性集合内の他の選択肢と対比した前記特定の選択肢に関連する、前記問合せの予測値の相対的度合いについてのエキスパートの概念を反映する。特定の実施態様では、本発明は、医療診断または医療自己評価を可能にするプロセス、装置および方法を提供する。

Description

【発明の詳細な説明】

【０００１】 関連出願の相互参照 本出願は、２０００年１月６日付で出願された合衆国仮特許出願番号６０／１
７５，１０６からの優先権を請求する。

【０００２】 発明の分野 本発明は情報システム理論とエキスパートシステム理論とに関する。本発明は
、人間の意思決定プロセスのエミュレーションに基づいた意思決定のためのプロ
セス、装置および方法を提供する。特定の実施態様では、本発明は、医療診断を
実現するためのプロセス、装置および方法を提供する。

【０００３】 背景 選択可能な可能性（ａｌｔｅｒｎａｔｉｖｅ ｐｏｓｓｉｂｉｌｉｔｉｅｓ）
のセットの中の可能性を順位付けることを含む、効率的で費用効果の高い人間の
意思決定が、現代生活の不可欠な側面であると多くの人間によって見なされてい
る。不幸にして、人間の意思決定には時として欠陥があり、合理的な客観的妥当
性から逸脱することがある。こうした欠陥は、例えば、不十分なフレーミング（
ｆｒａｍｉｎｇ）、リセンシー効果（ｒｅｃｅｎｃｙ ｅｆｆｅｃｔ）、プライ
マシー効果（ｐｒｉｍａｃｙ ｅｆｆｅｃｔ）、不十分な蓋然性評価、過信、エ
スカレーション現象（ｅｓｃａｌａｔｉｏｎ ｐｈｅｎｏｍｅｎａ）、連想偏り
（ａｓｓｏｃｉａｔｉｏｎ ｂｉａｓ）、および、「集団思考（ｇｒｏｕｐｔｈ
ｉｎｋ）」を含む。

【０００４】 フレーミング効果は、選択可能な可能性を提示するために使用される言語また
は文脈のせいで、同一の情報を有する意思決定者の等価のグループによるその選
択可能な可能性の中での決定が互いに異なる場合に生じる。リセンシー効果すな
わち入手可能性効果（ａｖａｉｌａｂｉｌｉｔｙ ｅｆｆｅｃｔ）は、選択可能
な可能性の中での人間の決定が、最も最近に得られた情報または相対的に入手可
能な形態での情報によって偏らされる場合に生じる。プライマシー効果すなわち
アンカリング効果（ａｎｃｈｏｒｉｎｇ ｅｆｆｅｃｔ）は、人々が何かについ
ての意見または問題を分析するための基準の枠組みをいったん形成してしまうと
、その人々は見解を変えることが困難であることが多いという事実を反映する。
偏った蓋然性評価は、事象が人々にとって馴染みがあるか、劇的であるか、自分
の統制下にあるか、または、有益であるために、その人々が他と比較してその事
象の蓋然性を過大評価し、および、否定的な事象の蓋然性を著しく過小評価する
場合に結果的に生じる。過信は、意思決定者が自分が知っているものの正確さま
たは妥当性について過信し、それを支持する事実をおそらくは好み、それとは反
対の事実を無視する場合に生じる。エスカレーション現象は、意思決定者がすで
に採られた一連の行為を放棄して否定的な指標を無視することを嫌がる場合に生
じる。連想偏りは、意思決定者が過去の成功によって偏った先入観を持っており
、現在の状況よりも過去の状況に対してより密接に関係しているかまたはより適
応している戦術を選択する場合に生じる。集団思考は、おそらくは最善の決定を
行うことを犠牲にして合意および結束性を維持する人間集団の傾向を反映する。
集団思考は、結束性を維持する必要が、最善の決定を行なおうとする集団の欲求
を凌駕する場合に生じるものを説明する。

【０００５】 知識ベースシステム：情報システムまたはエキスパートシステムの使用 知識ベースシステムと呼ばれることが多いエキスパートシステムは、典型的に
は、知識が問題解決または意思決定プロセスで使用されることが可能なように知
識を明示的な形態で表現する。こうしたシステムでは、意思決定における上述の
欠陥に対して対抗するように特に設計されているものはわずかしかない。しかし
、これらに共通の問題点を認識することが、情報システムが我々のために実現可
能なものと実現不可能なものとを理解する助けとなる。

【０００６】 エキスパートシステムは基本的にＩＦ−ＴＨＥＮ規則の集まりであり、このＩ
Ｆ−ＴＨＥＮ規則は、どのようにそのエキスパートシステムが結果に到達するか
に関する説明をユーザに与えることが可能である。エキスパートシステムは、こ
れらの規則が多くの追加の変更なしに容易に追加されることが可能なので、知識
の容易な変更を可能にする。知識は明示的に記憶され、包括的に符号化される。
知識ベースは、互いに矛盾する知識を予め排除するように注意深くアセンブリさ
れなければならない。図１は、エキスパートシステムの基本構造を示す。

【０００７】 知識ベースシステムは、分類、診断、翻訳、監視、計画、予測、および、これ
らの組合せに使用されている。エキスパートシステムと知識ベースシステムとを
カプセル化する既存のソフトウェアの多くの例がある。こうしたソフトウェアの
一例がＣＬＩＰＳ^TMであり、これは、規則ベース（ｒｕｌｅ−ｂａｓｅ）および
／またはオブジェクトベースのエキスパートシステムの構築のための完全環境を
提供する生産開発およびデリバリエキスパートシステムツール（ｐｒｏｄｕｃｔ
ｉｖｅ ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｄｅｌｉｖｅｒｙ ｅｘｐｅｒｔ
ｓｙｓｔｅｍ ｔｏｏｌ）である。ＣＬＩＰＳ^TMは、すべてのＮＡＳＡサイトお
よび軍の部門、様々な連邦官省局、政府請負業者、大学、および、様々な企業を
含む、公的および私的機関において様々なユーザによって使用されている。図１
は、ＣＬＩＰＳ^TMが基づいている知識ベースシステム環境を示す。

【０００８】 知識を表現することと、人間またはコンピュータが知識を使用するための方法
を創出することが依然として主要な研究上の主題のままであり、および、人間の
意思決定の効率と精度とを改善するために知識および情報技術を使用し構造化す
る方法が多数存在する。知識を表現するための多くの採用可能な方法の中の２つ
の方法がＩＦ−ＴＨＥＮ規則とフレーム（ｆｒａｍｅ）である。ＩＦ−ＴＨＥＮ
規則は推断論理（ｌｏｇｉｃ ｏｆ ｍａｋｉｎｇ ｉｎｆｅｒｅｎｃｅｓ）に
焦点を当てる。フレームは状況（ｓｉｔｕａｔｉｏｎ）の重要な特性に焦点を当
てる。

【０００９】 ＩＦ−ＴＨＥＮ規則は、知識ベースシステムにおいて知識を表現するための最
も一般的な方法である。本質的に、ＩＦ−ＴＨＥＮ規則は、「もし（ｉｆ）」特
定の条件が真ならば「その場合には（ｔｈｅｎ）」特定の結論が導かれなければ
ならないということを規定する。従来の判断トリーが、多数（おそらくは数千）
のＩＦ−ＴＨＥＮ規則の互いに関係付けられた集まりの形で知識を収集する。Ｉ
Ｆ−ＴＨＥＮ規則を使用する知識ベースシステムは、特定の状況に関する事実の
リストから開始する。その次に、この知識ベースシステムは、これらの事実に基
づいて結論を導くかアクションを選択する。これらの結論またはアクションは他
の事実を生じさせる。これらの追加の事実が現在の事実のリストに加えられ、こ
のシステムは、追加の結論を導いて追加のアクションを行うためにこの規則を使
用し続ける。このシステムの中には、追加の質問が何を問い合わせるべきかを決
定するためにその事実と規則とを使用するものもある。例えば、医療診断システ
ムがその現在の事実のセットを調べてみて、仮の結論を導き、および、その結論
の正当性または不当性を確認する追加の質問を行うだろう。

【００１０】 例えば、感染症の診断を支援するための知識ベースシステムであるＭＹＣＩＮ ^TM （“Ｄｅｃｉｓｉｏｎｓ Ｓｕｐｐｏｒｔ，Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ，
”ｆｏｕｒｔｈ ａｄｄｉｔｉｏｎ，Ｅｆｒａｉｂ Ｔｕｒｂａｎ，ｐ．５１０
，１９９４）からの次のＩＦ−ＴＨＥＮ規則を考察することにする。生体のステ
インがグラム陽性であり、その形態が「球菌」であり、かつ、その成長形態が鎖
であるならば、その生体の正体が連鎖球菌属であるという暗示的な証拠（０．７
）がある。

【００１１】 条件と結論とを含むことに加えて、ＭＹＣＩＮ^TMからのこの規則は、結論が不
確実である可能性の度合いを表示する確実度因子（ｃｅｒｔａｉｎｔｙ ｆａｃ
ｔｏｒ）（０．７）を含む。エキスパートを支援するための知識ベースシステム
は、エキスパートが行う作業の多くにおいて不確実性が付き物であるので、この
タイプの不確実性を含むことが多い。

【００１２】 信念ネットワーク（ｂｅｌｉｅｆ ｎｅｔｗｏｒｋ）。エキスパートシステム
を創出する別の方法は信念ネットワークによるものである。信念ネットワークは
、基本的に、確率分布に基づいた決定支援システムである。図２は信念ネットワ
ークを示す。信念ネットワークは、変数Ｘ₁、Ｘ₂、Ｘ₃がノードに対応しおよび
ノード間の関係が弧に対応する巡回有向グラフとして表現される。信念ネットワ
ーク内の各変数に確率分布が関連付けられている。

【００１３】 意思決定プロセスに対する構造の付与。意思決定の改善に関する情報システム
の影響の多くは、その情報システムが決定または他のタスクに対して構造を付与
する度合いによって決定される。情報システムは小さな度合いの構造を付与し、
この場合に、情報システムは、人間が使用することが可能なツールまたは情報を
提供するが、そのツールまたは情報がどのように意思決定に使用されなければな
らないかは指示しない。より多くの構造が付与され、この場合に情報システムが
規則と手続とを強制するが、プロセス全体においては依然として意思決定者に幾
らかの余地を残す。情報システムが意思決定プロセスを完全に自動化する機能を
果たす場合には、最も多くの構造が与えられる。過少の構造または過剰な構造の
付与は意思決定品質を低下させる可能性があるので、意思決定を適切に構造化す
ることが重要である。

【００１４】 不確実性の処理：確実度因子の制限。多くの事例では、知識は不確定であり、
確実性よりもむしろ可能性または確率を含む。例えば、例えば腹部の右下側の激
痛を含む一連の医療関連の症状のセットは虫垂炎の診断を示す。しかし、これと
同じ症状が他の診断に関係することがある。同様に、（例えば、石油探査のため
の）地震調査結果が様々なタイプの地下累層および地下現象に関係する可能性が
ある。

【００１５】 選択可能な可能性を処理するために、エキスパートシステムは、事実に基づい
た異なる結論の相対尤度（ｒｅｌａｔｉｖｅ ｌｉｋｅｌｉｈｏｏｄ）に関する
結論を導くことが可能でなければならない。選択可能な可能性の相対尤度を正確
に求めることは多くの状況において極めて重要である。例えば、症状が風邪また
は髄膜炎を暗示する可能性がある場合に、それぞれに７０パーセントと０．００
００１パーセントの確率を有する診断は、７０パーセントと１５パーセントの確
率を有する診断とは異なっている。後者の場合には、風邪が最も可能性の高い病
気である場合でさえ、過ちを犯すことの危険性と結果とが大きすぎるので、医師
は髄膜炎用の薬剤を処方することがある。

【００１６】 エキスパートシステムにおける不確実性の処理は、不確実性の記述の仕方から
始まる数多くの問題を生じさせる。多くのエキスパートシステムは、その前提が
真であると仮定して規則の結論の尤度を記述する確実度因子を使用する。例えば
、特定のシステムにおいて確実度因子が０から１になる場合には、規則における
０．５の確実度因子が、およそ半分の時間でその結論が真であることを示すだろ
う。

【００１７】 不確定な情報を処理するための確実度因子の使用における本来的な制限は、別
個の推論からの確実度因子の有効な組合せである。例えば、症状Ａと症状Ｂの両
方が観察され、および、症状Ａと症状Ｂとがそれぞれに時間の４５パーセントと
７５パーセントで髄膜炎に関係付けられている医療的状況では、髄膜炎の確率は
何であろうか？特定の場合には、この２つの症状は互いに無関係であるかも知れ
ないし、他の場合には、この２つの症状は互いに補強し合うかも知れないし、さ
らに他の場合には、この２つの症状は互いに幾分か矛盾しているかも知れない。
確実度因子を組み合わせるための絶対確実な方法が存在しないので、確実度因子
を使用する不確実性の効果的な取り扱いは限定されている。

【００１８】 ファジイ論理。術語「ファジイ論理」（「ＦＬ」）は現在では幾つかの異なる
意味で使用されており、ファジイ集合理論およびその含意を取り扱わなければな
らないあるゆるものに当てはまることが多い。ファジイ論理は、典型的には、デ
ータおよび機能関係が明確な数学的術語で表現されることが不可能な状況で使用
される。この代わりに、「多くに関して（ｆｏｒ ｍａｎｙ）」または「少数に
関して（ｆｏｒ ａ ｆｅｗ）」のような数量形容詞が異なる集合の要素を関係
付けるために使用される「ファジイ」関係式が適用される。ファジイ論理システ
ムは着想上の利点をもたらすが、医療診断システムの場合のような作業アプリケ
ーションの適正な設計において直観と経験の両方を必要とする。

【００１９】 ファジイ集合は、滑らかで不明瞭な境界を有する集合である（下記の表Ｉを参
照されたい）。集合に対する要素の完全な帰属関係（１）または完全な非帰属関
係（０）だけを認める通常の集合とは違って、ファジイ集合の帰属関係は０と１
の中間の値をとることが可能である。こうした不完全な帰属関係の典型的な例が
、「優れた離陸性能」、「低燃料消費」、または、「コストが高い技術」を含む
。「優れた離陸性能」は完璧な離陸性能（１）でもゼロの離陸性能（０）でもな
い。「優れた離陸性能」はファジイであり、ゼロと１との中間のどこかである。

【００２０】 ファジイ論理の主要な適用が少なくとも４つの互いに異なる側面にサブカテゴ
ライズされることが可能である（“Ｆｕｚｚｙ Ｌｏｇｉｃ，”Ｄａｎｉｅｌ
ＭｃＮｅｉｌ ＆ Ｐａｕｌ Ｆｒｅｉｂｅｒｇｅｒ，１９９２）。論理的側面
Ｌが、２値システムを含む論理システムを示し、および、特殊な場合としての多
価システムを示す。論理的側面Ｌは、不正確な、不完全な、不確実な、または、
部分的に真である情報からの知識表現と推論とに適用される。集合理論的側面Ｓ
が、境界が明確には定義されていないクラスまたは集合に関係している。ファジ
イ論理の分野の初期の研究の多くがこの側面に集中していた。関係側面Ｒが、不
正確に定義された機能および関係の表現と操作とを取り扱い、この側面はシステ
ム解析および制御に対するＦＬ適用において重要である。この側面における３つ
の重要な着想が、言語変数と、ファジイＩＦ−ＴＨＥＮ規則と、ファジイグラフ
とを含む。この側面は、さらに、語による計算（ＣＷ）のＦＬベースの方法のた
めの基礎も提供する。認識論的側面Ｅが論理的側面に関係しており、知識表現と
、情報システムと、ファジイデータベースと、確率および可能性の理論とに対す
るＦＬの応用に焦点を当てる。別の特に重要な応用分野が情報／インテリジェン
トシステムの着想および設計である。

【００２１】 既存の知識ベースシステムまたはエキスパートシステムの限界。術語「エキス
パートシステム」は、人間のエキスパートと同様に動作する知識ベースシステム
（例えばコンピュータシステム）を暗示する。しかし，現実的には、人間のエキ
スパートが行うことが可能なこととエキスパートシステムが行うことが可能なこ
ととの間には基本的な相違がある。

【００２２】 線形回帰のような従来のコンピュータ支援データ処理技術は、入力（例えば、
モニタされた値）と出力（例えば、患者の状態）との間の明確に定義された関係
なしには実現は困難である。しかし、こうした明確に定義された関係はまれにし
か得られない。このことは、例えば、条件が共通の症状を共有しており、したが
って検出と分類が困難である、医療分野に特に当てはまる。

【００２３】 エキスパートシステムは、プロダクションルール（すなわち、ＩＦ−ＴＨＥＮ
規則）のセットを使用して複雑系をモデル化するための方法を提供する。エキス
パートシステムの現在の人気は、その設計の単純性と、ある程度は、そのシステ
ムが推論または探索によってアクションを勧告することが可能であることとに基
づいている。エキスパートシステムは、例えば特定の状況下での診断問題に関し
て、有効性を示してきた。しかし、既存のシステムで使用される規則ベースのア
プローチは（それがファジイ規則を使用しようとも）、エキスパートシステムが
実装されることが可能となる前にタスクの完全な理解が自動化されることを必要
とする。さらに、複雑系のモデル化における頑強性を増大させるために必要とさ
れる多数のプロダクションルールが、意思決定プロセスの速度を低下させること
が多く、および、多数の規則が整合させられなければならないのでメンテナンス
上の負担をもたらす。

【００２４】 人工ニューラルネットワーク（「ニューラルネットワーク」）は、変化する条
件に適応することによってそのネットワーク自体を変化させることが可能なニュ
ーロン状ユニットのネットワークである。規則に基づく従来の人工知能システム
（例えば、既存のエキスパートシステム）とは違って、ニューラルネットワーク
は非常に柔軟性が高く、挙動が十分に理解されていない複雑な非線形系をシミュ
レートする能力を提供する。一般的に、ニューラルネットワークに基づく方法は
、以前に学習したパターンの一覧表に基づいて反復パターンを認識する人間の脳
の能力を模倣しようとする。特に、ニューラルネットワークは、出力変数に影響
を与える可能性がある幾つかの他の入力変数からの入力に基づいてその出力変数
の値を予測しようとする。この予測は、特定の状況において最も適切と思われる
パターンを既知のパターンのセットの中から選択することによって行われる。ニ
ューラルネットワークに基づく方法は、複雑系をモデル化する際のその柔軟性の
ために、医療業務において広く使用されている。

【００２５】 しかし、既存のニューラルネットワークに基づく方法は、「ブラックボックス
」解法として診断問題を取り扱う。１組の入力パラメータを仮定すると、この方
法は単独の「評点（ｓｃｏｒｅ）」（すなわち、患者病状の尤度の推定値）を生
成するが、解釈機能を欠いている。特に、この方法は、患者の病状に肯定的な影
響を与えることにおいて医師を支援するためのさらに詳細な情報を全く提供しな
い。特に、既存のニューラルネットワークに基づくシステムに全く欠如している
のは、要因を識別する能力であり、この識別能力は患者の病状の診断において特
に重要である。こうしたシステムは、さらに詳細な説明なしに単独の評点だけし
か提供しないので、医師の意見および発見との一致のための基礎をわずかしか提
供しない。精度のレベルも、検査されている病気または病状との関連に限定され
る。

【００２６】 医療エキスパートシステムの限界。エキスパートシステムとして、医療診断の
タスクは、３つの基本ステップ、すなわち、検出、分類、および、勧告に分解さ
れることが可能である。検出は、１つまたは複数の特定の疾患または病状に関連
した症状が最初に認識されるステップである。分類は、病状を認定または命名す
るプロセスであり、例えば、病状を既知の診断グループに類別するプロセスであ
る。勧告は、医師が病状に対する一連の治療を処方するステップである。

【００２７】 意思決定のための典型的な臨床的設定においてこれらの診断ステップの１つま
たは複数を行う時に、様々な問題が生じることが多い。一貫性（ｃｏｎｓｉｓｔ
ｅｎｃｙ）が問題となることがある。任意の特定の日に、医師が疲労しているか
またはストレス下にあることがある。この医師は特定の医療専門分野においては
経験が浅いことがある。１人の患者に関してモニタされた同一の臨床データおよ
びパラメータ値が、２人の医師の互いに異なる医療訓練や経験レベルやストレス
レベルやその他の要因のために、この２人の医師によって互いに異なる形で解釈
される可能性がある。転移／解釈（ｔｒａｎｓｆｅｒｅｎｃｅ／ｉｎｔｅｒｐｒ
ｅｔａｔｉｏｎ）問題が存在する。医療状態の診断における１人の医師のメンタ
ルルール（ｍｅｎｔａｌ ｒｕｌｅ）は説明が困難であることがあり、したがっ
て１人の医師から別の医師への伝達が困難であることがある。こうしたメンタル
ルールは、さらに、どのように医師が診断結果に行き着いたのかを患者がその医
師に質問する場合に、その患者に対して説明することが困難であることがあり、
または、他の医師による使用のために推論を文書で説明することが困難であるこ
とがある。非線形因子が存在することが多い。モニタされた値と患者の病状との
間の関係が複雑であり、かつ、十分に理解されていない場合には、従来の（例え
ば、線形の、統計的な）モデルは不正確であることが多く、したがって不十分で
あるか信頼できない。したがって、より複雑な非線形モデルを使用する診断技術
が明らかに好ましく、多くの場合に必要とされている。

【００２８】 医療診断の分野における人間の誤りと限界とに少なくとも部分的には関係して
いるこれらの問題と他の問題とが、コンピュータ支援診断ツールを使用して適切
に対処されることが可能である。従来のコンピュータ支援医療診断は統計的デー
タ分析に基づいている。さらに先進的な診断ツールは、エキスパートシステムと
ファジイ論理と人工ニューラルネットワークとこれらの様々な組合せとを一般的
に含む人工知能（「ＡＩ」）技術に基づいている。製品として入手可能なこれら
のタイプの有効なソフトウェアツールおよびハードウェアツールの出現が、潜在
的な医療用途と実現された医療用途との基礎を大きく拡大している。しかし、現
時点で入手可能な医療診断ツールは、どれも上述の問題に適切に対処することが
依然として不可能である。

【００２９】 医療診断のような複雑系においてファジイ論理の何らかの側面を使用する既存
のエキスパートシステムアプリケーションは、わずかしか存在しない。これは、
主として、こうしたエキスパートシステムが不明確な分野に適用される場合に固
有の制限を有するからである。こうした現在のアプリケーションは、患者の状態
と医療的意思決定との分類に関する固有の問題を有する。エキスパートシステム
またはファジイ論理を使用する既存の医療アプリケーションは、ＭＹＣＩＮ^TM、
ＥＭＹＣＩＮ^TM、ＰＵＦＦ^TM、および、ＯＭＥＲＯＮ^TMを含む。ＭＹＣＩＮ^TMは
、血液および髄膜炎感染の診断のために使用される。ＭＹＣＩＮ^TMは開発に２０
人年を要し、４２．５−６２．５％の人間の医師の精度に比較して６５％の精度
であった。ＥＭＹＣＩＮ^TMは、他の分野で使用されるエンプティシェル（ｅｍｐ
ｔｙ ｓｈｅｌｌ）推論エンジンである。ＰＵＦＦ^TMは肺の問題を診断するため
に使用される。Ｏｍｒｏｎは健康管理システムを開発した日本企業であり、この
健康管理システムでは、５００個を超えるファジイ規則が従業員の健康とフィッ
トネスとを追跡して評価する。これらの既存のアプリケーションは内科における
小さな領域に限定されており、商業化されてはいない。さらに、インテリジェン
トで正確な医療アプリケーションはインターネット上に存在していない。

【００３０】 エキスパートシステムは、解答に達するための論理を実装することによって人
間のエキスパートを模倣することが可能であるが、人間のエキスパートは、既存
のエキスパートシステムによっては複製できない多くの漠然とした特徴またはフ
ァジイな特徴を有する。例えば、人間のエキスパートは、経験によって学習し、
自分の知識を再構造化し、必要または場合に応じて規則を破り、直観を使用し、
新たな事実の妥当性を判定し、自分の知識の限界を認識する。人間のエキスパー
トは未知の状況に遭遇するを開始する時に、より注意深くなる。人間のエキスパ
ートの能力は、一般的に、未知の領域に入るにつれて低下する。しかし、多くの
事例では、人間のエキスパートは、既存の知識が当てはまらない状況を把握する
際に直観または常識を使用し、合理的な解答に達するためには何の規則を破るべ
きかを決定することが可能である。

【００３１】 これとは対照的に、エキスパートシステムは（ファジイ規則を使用するエキス
パートシステムでさえ）固有の常識を持たず、その知識ベース（データベースま
たはユーザ提供の知識ベース）内に記憶されている規則と知識の束縛の中で動作
する。既存のエキスパートシステムによって認識される唯一の事実は、その知識
ベース内のＩＦ−ＴＨＥＮ規則の「ＩＦ」部分に関係した事実だけである。エキ
スパートシステムは、その知識ベース内に含まれているデータによっては提供さ
れない状況に遭遇すると、停止するか誤りを犯す傾向がある。エキスパートシス
テムに新たな事実と新たな規則とを追加することは可能であるが、各々のアップ
グレードは、システムの論理との整合性を確保するためにデバッグまたは訂正さ
れたシステムでなければならないプログラムの機能拡張である。

【００３２】 したがって、古典的な統計学的方法に基づいた既存の診断ツールと、エキスパ
ートシステムと、単純なニューラルネットワーク方法は大きな限界を有する。医
療診断のような複雑系に適用される場合には、得られる結果は十分には理解され
ず、精度において制限されることが多い。

【００３３】 したがって、不十分なフレーミング、リセンシー効果、プライマシー効果、不
十分な蓋然性評価、過信、エスカレーション現象、連想偏り、および、「集団思
考」のような、人間の意思決定に特有の欠陥を最小にする意思決定システムを開
発する必要がある。統計学、確率または確実度因子の適用に基づいてはおらず、
かつ、大きな統計データベースを必要としない、人間の意思決定プロセスをエミ
ュレートする意思決定のためのエキスパートシステムを開発する必要がある。エ
キスパートの直観と認知と経験とを考慮に入れて人間のエキスパートによって提
供される値に基づいた尤度にしたがって、選択可能な可能性のセットの中の可能
性を順位付ける意思決定のシステムと方法とが必要とされている。特に、医療診
断のような複雑系に適用可能なエキスパートシステムが必要とされている。より
高い精度で特定の病状の種類を判定し、かつ、診断プロセスにおいて重要な全要
素を識別し分類する仕方で診断を実現するエキスパートシステムが必要とされて
いる。

【００３４】 発明の概要 本発明は、選択可能な可能性のセットをその可能性の相対尤度にしたがって順
位付けることにおいて人間の意思決定プロセスのエミュレーションに基づいてい
る意思決定のプロセスと装置と方法とを提供する。本発明の装置は、人間の意思
決定プロセスのエミュレーションを容易にするためのコンピュータ装置またはコ
ンピュータネットワーク装置を含み、この決定は順位付けられた選択可能な可能
性のセットを含む。コンピュータネットワーク装置は、サーバと、このサーバに
接続可能な１つまたは複数のユーザサブシステムとを含む。

【００３５】 コンピュータまたはサーバは、場合に応じて、記憶装置が接続されているプロ
セッサを含む。この記憶装置はその上に１つまたは複数のリレーショナルデータ
ベースを記憶しており、このリレーショナルデータベースは、エキスパートによ
って生成された１次偏りデータ（ｅｘｐｅｒｔ−ｇｅｎｅｒａｔｅｄ ｐｒｉｍ
ａｒｙ ｂｉａｓ ｄａｔａ）と、質問（ｑｕｅｒｙ）と、選択可能な可能性（
例えば、診断）と、プロセッサを制御するための記憶装置上に記憶されているプ
ログラムとを含む。このプログラムは、ユーザの質問応答のセットを受け取り、
ユーザの応答に基づいて偏りデータと選択可能な可能性とのデータベースと問い
合わせ、および、選択可能な可能性の中でその相対尤度にしたがって順位付けら
れている選択可能な可能性の順位付けられたセットから構成されている決定を提
供し、（サーバの場合には）その順位付けられた選択可能な可能性のセットをユ
ーザサブシステムのユーザに転送するように、プロセッサと共に動作する。ユー
ザサブシステムはサーバに接続されており、および、ユーザの質問応答セットの
ユーザ入力から受け取り、そのユーザの質問応答のセットをサーバに転送し、順
位付けられた選択可能な可能性のセットをサーバから受け取るように、記憶され
ているプログラムと共に動作するコンピュータを含む。

【００３６】 本発明は、プロセッサとこのプロセッサに接続されている記憶装置とを有する
コンピュータ上で人間の意思決定をエミュレートするプロセスを提供し、このプ
ロセスは、（ａ）コンピュータの記憶装置内に記憶されている１つまたは複数の
電子データベースにおいて、複数の選択可能な可能性を含む可能性セットと、質
問を含む質問セットと、１次偏り値（ｐｒｉｍａｒｙ ｂｉａｓ ｖａｌｕｅ）
の各々が特定の選択肢に関連付けられておりかつ可能性セット内の他の選択肢に
対するその特定の選択肢に関する質問の予測値の相対的度合いに関する各エキス
パートの見解を反映する、選択肢の知識を有するエキスパートによって提供され
た１次偏り値のセットとを構成することと、（ｂ）質問に対するユーザの応答を
コンピュータに入力することと、（ｃ）順位付けられた選択肢のセットを含む決
定が提供されるように、ユーザの応答を受け取って処理するためにプロセッサと
共に動作する記憶装置上に記憶されているプログラムを使用して、１次偏り値の
セットに少なくとも部分的に基づいて、相対尤度にしたがって、選択可能な可能
性のセットを順位付けることとを含む。

【００３７】 選択可能な可能性のセットを順位付けることが、質問に対する応答と１次偏り
値のセットとに基づいて対応する２次偏り値のセットを決定するために電子デー
タベースに問い合わせることを含み、および、この２次偏り値の各々は特定の選
択肢に関連付けられており、および、可能性セット内の他の選択肢に対するその
特定の選択肢に関する質問の予測値の相対的度合いに関するエキスパートの見解
を反映することが好ましい。２次偏り値のセットを決定することが、質問に対す
る応答に基づいて対応する１次偏り値を増加させるか減少させるか維持すること
を含むことが好ましい。質問セットが複数の質問を含み、および、可能性セット
内の選択肢を順位付けることが、１次偏り値または２次偏り値の合計および平均
化を含むことが好ましい。対応する２次偏り値セットを決定することと、可能性
セット内の選択肢を順位付けることとが、１次偏り値または２次偏り値の１つま
たは複数を処理するためにエリシット（ＥＬＩＣＩＴ（登録商標））の“Ａｌｇ
ｏｒｉｔｈｍ ４２”コアアルゴリズム（ｃｏｒｅ ａｌｇｏｒｉｔｈｍ）を使
用することによって実現されることが好ましい。可能性セットが選択可能な医療
診断のセットであり、エキスパートが医療エキスパートであり、および、１次偏
り値に基づいて可能性セット内の選択肢を順位付けることが、尤度にしたがって
順位付けられた選択可能な医療診断のセットを含む診断を提供することが好まし
い。

【００３８】 本発明は、さらに、人間の意思決定のエミュレーションを容易にするコンピュ
ータ装置を提供し、この装置は、（ａ）プロセッサとこのプロセッサに接続され
ている記憶装置とを含むコンピュータと、（ｂ）記憶装置に記憶されている、複
数の選択可能な可能性を含む可能性セットデータベースと、（ｃ）記憶装置に記
憶されている、質問を含む質問セットデータベースと、（ｄ）記憶装置に記憶さ
れている１次偏り値データセットであって、この１次偏り値は、選択可能な可能
性に関する知識を有するエキスパートによって提供され、および、各々の１次偏
り値は特定の選択肢に関連付けられており、かつ、可能性セット内の他の選択肢
に対するその特定の選択肢に関する質問の予測値の相対的度合いに関する各エキ
スパートの見解を反映する１次偏り値データセットと、（ｅ）プロセッサを制御
するための、記憶装置に記憶されているプログラムであって、（ｉ）質問に対す
るユーザの応答を受け取り、（ｉｉ）質問に対する応答と１次偏り値セットとに
基づいて、各２次偏り値が特定の選択肢に関連付けられておりかつ可能性セット
内の他の選択肢に対するその特定の選択肢に関する質問の予測値の相対的度合い
に関する各エキスパートの見解を反映する、対応する２次偏り値セットを決定し
、（ｉｉｉ）尤度によって順位付けられた選択可能な可能性のセットを含む決定
を提供するために、２次偏り値に基づいて可能性セット内の選択肢を順位付けし
、および、（ｉｖ）この決定をユーザに提供するように、プロセッサと共に動作
するプログラムとを含む。

【００３９】 この装置が、さらに、記憶装置に記憶されているユーザデータベースを含み、
および、このプログラムが、ユーザデータベース内にユーザ情報を記憶するよう
に、かつ、新たなユーザ情報が受け取られる時にユーザ情報を更新するように、
プロセッサと共に動作することが好ましい。さらに、このプログラムが、ユーザ
情報を追跡するようにプロセッサと共に動作することが好ましい。可能性セット
が選択可能な医療診断のセットであり、エキスパートが医療エキスパートであり
、１次偏り値に基づいて可能性セット内の選択肢を順位付けることが、尤度によ
って順位付けられた選択可能な医療診断のセットを含む診断を提供することが好
ましい。

【００４０】 さらに、本発明は、広域ネットワークを経由して人間の意思決定をエミュレー
トするプロセスを提供し、このプロセスは、（ａ）サーバの１つまたは複数の電
子データベースにおいて、複数の選択可能な可能性を含む可能性セットと、質問
を含む質問セットと、各１次偏り値が特定の選択肢に関連付けられておりかつ可
能性セット内の他の選択肢に対するその特定の選択肢に関する質問の予測値の相
対的度合いに関する各エキスパートの見解を反映する、選択肢の知識を有するエ
キスパートによって提供された１次偏り値のセットとを構成することと、（ｂ）
質問に対するユーザの応答をユーザサブシステムを通してコンピュータに入力す
ることと、（ｃ）ユーザの応答を広域ネットワークを通してサーバに伝送するこ
とと、（ｄ）ユーザの応答を受け取って処理するように、サーバのプロセッサと
共に動作するプログラムを使用して、１次偏り値のセットに少なくとも部分的に
基づいて、相対尤度にしたがって選択可能な可能性のセットを順位付けることと
、（ｅ）順位付けられた選択肢のセットを含む決定が提供されるように、広域ネ
ットワークを通してユーザサブシステムに対して順位付けられた選択可能な可能
性のセットを伝送することとを含む。

【００４１】 選択可能な可能性を順位付けることが、質問に対する応答と１次偏り値のセッ
トとに基づいて対応する２次偏り値のセットを決定するために、サーバの電子デ
ータベースに質問することを含み、および、この２次偏り値の各々は特定の選択
肢に関連付けられており、および、可能性セット内の他の選択肢に対する特定の
選択肢に関する質問の予測値の相対的度合いに関するエキスパートの見解を反映
することが好ましい。２次偏り値セットを決定することが、質問に対する応答に
基づいて対応する１次偏り値を増加させるか減少させるか維持することを含むこ
とが好ましい。質問セットは複数の質問を含み、および、可能性セット内の選択
肢を順位付けることが、１次偏り値または２次偏り値の合計および平均化を含む
ことが好ましい。対応する２次偏り値セットを決定することと、可能性セット内
の選択肢を順位付けることとが、１次偏り値または２次偏り値の１つまたは複数
を処理するためにＥＬＩＣＩＴ（登録商標）“Ａｌｇｏｒｉｔｈｍ ４２”コア
アルゴリズムを使用することによって実現されることが好ましい。可能性セット
が選択可能な医療診断のセットであり、エキスパートが医療エキスパートであり
、および、１次偏り値に基づいて可能性セット内の選択肢を順位付けることが、
尤度にしたがって順位付けられた選択可能な医療診断のセットを含む診断を提供
することが好ましい。

【００４２】 本発明は、さらに、人間の意思決定のエミュレーションを容易にするコンピュ
ータネットワーク装置を提供し、この装置は、（ａ）プロセッサとこのプロセッ
サに接続されている記憶装置とを含むサーバと、（ｂ）記憶装置に記憶されてい
る、複数の選択可能な可能性を含む可能性セットデータベースと、（ｃ）記憶装
置に記憶されている、質問を含む質問セットデータベースと、（ｄ）記憶装置に
記憶されている１次偏り値データセットであって、この１次偏り値は選択肢の知
識を有するエキスパートによって提供され、および、各々の１次偏り値は特定の
選択肢に関連付けられており、かつ、可能性セット内の他の選択肢に対するその
特定の選択肢に関する質問の予測値の相対的度合いに関する各エキスパートの見
解を反映する１次偏り値データセットと、（ｅ）プロセッサを制御するための、
記憶装置に記憶されているプログラムであって、（ｉ）質問に対するユーザの応
答をユーザサブシステムから受け取り、（ｉｉ）質問に対する応答と１次偏り値
セットとに基づいて、各２次偏り値が特定の選択肢に関連付けられておりかつ可
能性セット内の他の選択肢に対するその特定の選択肢に関する質問の予測値の相
対的度合いに関する各エキスパートの見解を反映する、対応する２次偏り値セッ
トを決定し、（ｉｉｉ）尤度にしたがって順位付けられた選択可能な可能性のセ
ットを含む決定を提供するように、２次偏り値に基づいて、可能性セット内の選
択肢を順位付けし、および、（ｉｖ）この決定をユーザに伝送するようにプロセ
ッサと共に動作するプログラムとを含む。

【００４３】 この装置が、さらに、記憶装置に記憶されているユーザデータベースを含み、
および、このプログラムが、ユーザデータベース内にユーザ情報を記憶するよう
に、かつ、新たなユーザ情報が受け取られる時にユーザ情報を更新するように、
プロセッサと共に動作することが好ましい。さらに、このプログラムが、ユーザ
情報を追跡するようにプロセッサと共に動作することが好ましい。

【００４４】 本発明の方法は、選択可能な可能性の相対尤度にしたがってその選択可能な可
能性のセットを順位付けることにおいて人間の意思決定をエミュレートするコン
ピュータまたはコンピュータネットワークを含んでもよい。本発明は、人間の意
思決定をエミュレートする方法を提供し、この方法は、（ａ）区別できる属性を
各々が有する複数の選択可能な可能性を含む可能性セットを設定することと、（
ｂ）質問を含む質問セットを設定することと、（ｃ）各々の１次偏り値が特定の
選択肢に関連付けられておりかつ可能性セット内の他の選択肢に対するその特定
の選択肢に関する質問の予測値の相対的度合いに関する区別可能な属性に基づい
た各エキスパートの見解を反映する、選択肢の知識を有するエキスパートによっ
て提供される１次偏り値のセットを使用して、可能性セット内の各選択肢に対し
て質問を関係付けることと、（ｄ）質問に対する応答を得ることと、（ｅ）質問
に対する応答と１次偏り値セットとに基づいて、各２次偏り値が特定の選択肢に
関連付けられておりかつ可能性セット内の他の選択肢に対するその特定の選択肢
に関する質問の予測値の相対的度合いに関する各エキスパートの見解を反映する
対応する２次偏り値のセットを決定することと、（ｆ）尤度にしたがって順位付
けられた選択肢のセットを含む決定を提供するように、２次偏り値に基づいて、
可能性セット内の選択肢を順位付けることとを含む。

【００４５】 ２次偏り値のセットが、質問に対する応答に基づいて対応する１次偏り値を増
加させるか減少させるか維持することを含むことが好ましい。質問セットが複数
の質問を含み、および、可能性セット内の選択肢を順位付けることが、１次偏り
値または２次偏り値の合計および平均化を含むことが好ましい。対応する２次偏
り値セットを決定することと、可能性セット内の選択肢を順位付けることとが、
１次偏り値または２次偏り値の１つまたは複数を処理するためにＥＬＩＣＩＴ（
登録商標）“Ａｌｇｏｒｉｔｈｍ ４２”コアアルゴリズムを使用することによ
って実現されることが好ましい。可能性セットが選択可能な医療診断のセットで
あり、エキスパートが医療エキスパートであり、および、２次偏り値に基づいた
可能性セット内の選択肢の順位付けが、尤度にしたがって順位付けられた選択可
能な医療診断のセットを含む診断を提供することが好ましい。可能性セットが選
択可能な医療診断のセットであり、エキスパートが医療エキスパートであり、お
よび、１次偏り値に基づいた可能性セット内の選択肢の順位付けが、尤度にした
がって順位付けられた選択可能な医療診断のセットを含む診断を提供することが
好ましい。

【００４６】 詳細な記述 概観 本発明は、人間の意思決定プロセスをエミュレートすることに基づいた、意思
決定のためのプロセスと装置と方法とを提供する。本発明は、人間の認識と直観
とが、エキスパートによって提供された偏り値の形のデータのセットの間の適合
性に関するエキスパートの見解を取り込むことによってモデル化されることが可
能であるという本出願人の理論に基づいている。人間の意思決定プロセスをエミ
ュレートする本発明のプロセスと装置と方法は、本明細書では本出願人がＥＬＩ
ＣＩＴ（登録商標）（Ｅｍｕｌａｔｉｎｇ Ｌｏｇｉｃａｌ Ｉｎｆｅｒｅｎｃ
ｅｓ ｏｆ Ｃｏｇｎｉｔｉｏｎ ａｎｄ Ｉｎｔｕｉｔｉｏｎ Ｔｈｅｏｒｙ
）と呼ぶ理論の適用である。ＥＬＩＣＩＴ（登録商標）は、不確実な／定性的な
知識の形成と、意思決定と、不明確なデータからの推論とを可能にする。したが
って、このシステムは、人間の直観的思考と論理パターンとをエミュレートする
。

【００４７】 従来の情報システムとエキスパートシステムは、関係付けられている種類の症
状を示す系統を診断しようと試みてきた。例えば、内科では、患者が症状を示し
、医師またはエキスパートシステムが診断に到達しようと試みるだろう。ＥＬＩ
ＣＩＴ^TMを使用する本発明とは違って、これらのエキスパートシステムは不適切
であり、限定されており、人間の意思決定プロセスをエミュレートすることがで
きない。

【００４８】 一実施形態では、本発明は、医師の医療診断をエミュレートする方法を提供す
る。本発明は、エキスパートに基づいた（医師に基づいた）質問に対するユーザ
の応答にしたがって診断を実現することにおいて、医者／医師の意思決定プロセ
スをエミュレートすることによって、この方法を実現する。質問は症状に基づく
ものであることが可能であるが、この領域に限定されない。ＥＬＩＣＩＴ^TMは、
ファジイ論理および他のエキスパートシステムの着想と共にこのエミュレーショ
ンプロセスで使用される。この好ましい実現形態は、ユーザを治療や薬剤や健康
保険や他の健康関連または医療関連のサービスと情報とにリンクさせる、医療／
健康自己評価アプリケーション（ＯＰＥ^TM／ＯＤＥ^TM）、オンライン医師エミュ
レータ、および、オンライン医者エミュレータとしてインターネット上で実現さ
れる。これらの目的と他の目的とが、エキスパートシステムを含む新規の医療診
断システムを提供することによって、本発明にしたがって実現される。

【００４９】 本発明は、幾つかの実施形態においては、尤度にしたがって選択可能な可能性
を順位付けることによって意思決定を実現するソフトウェアシステムおよび方法
である。この好ましい実施形態では、このシステムは、医者をエミュレート／シ
ミュレートし疾患を診断する。疾患は医学的疾患でも心理学的疾患でもよい。別
の実施形態では、このシステムは、機械装置の問題、ソフトウェアの問題、また
は、症状を示すあらゆる問題を診断することが可能である。この好ましい実施形
態では、このシステムは、質問に対するユーザの応答を評価し、診断を表示する
。このシステムはＷｏｒｌｄ Ｗｉｄｅ Ｗｅｂ（「Ｗｅｂ」）上に、オフィス
内のコンピュータシステム内に、遠隔場所に、または、当業で公知の様々なハン
ドヘルド通信／処理装置のような電子装置内に収容されることが可能である。

【００５０】 基本的には、このシステムは、一連の画面を通してユーザに指示を与える。こ
の好ましい実施形態では、第１の画面が身体（人間または動物）の画像を含む。
ユーザは、問題となる症状を示しているかまたはユーザの主要な病訴を表す身体
の部分の上をクリックする。別の実施形態では、ユーザは、さらに、このシステ
ムに症状または主要な病気を直接入力してもよい。さらに別の実施形態では、ユ
ーザは、そのユーザの症状または主要な病訴を反映する対応する専門分野または
領域を選択することによって、このシステムに入ることを選択できる。その次に
、症状または主要な病訴に関する質問をユーザに問い合わせる１つまたは複数の
画面が提示される。ユーザは、このシステムによって評価される応答を入力する
。

【００５１】 各々の質問が、可能性のセットである、可能な選択可能な診断のセットに対応
する。各診断は、１次偏り値と呼ばれる、特定の質問に関する可能性係数（ｐｏ
ｓｓｉｂｉｌｉｔｙ ｆａｃｔｏｒ）を有し、この可能性係数は人間のエキスパ
ート（例えば、医師のような医療エキスパート）によって提供される。この偏り
値は、可能性のセット内の他の選択肢に対する特定の選択可能な診断に関する質
問の予測値の相対的度合いに関するエキスパートの見解を反映する。このシステ
ムは、２次偏り値のセットを提供するためにユーザ応答を評価して、順位付けさ
れた選択肢のセットを含む決定を提供するために、２次偏り値に基づいて可能性
のセット内の選択肢を順位付ける。

【００５２】 診断に関するエキスパート知識が、１次および２次偏り値の形にカプセル化さ
れる。１次偏り値は、可能性セット内の他の選択肢に対する特定の選択可能な診
断に関する質問（さらに正確には、質問に対する応答の値）の予測値の相対的度
合いに関する人間のエキスパートの見解（例えば、知識、直観、判断、および、
経験）にしたがって人間のエキスパートによって事前設定される。これらのエキ
スパートによって提供される偏り値が、２次偏り値を提供するために、ユーザの
応答にしたがって活性化すなわち変更される。典型的には、ユーザは、各質問に
関して「はい」または「いいえ」を、または、「時々」のような「はい」と「い
いえ」の漸進的な回答をクリックすることによって応答する。しかし、ユーザは
、範囲または度合いを選択することによって応答を微調整するためのオプション
が特定の質問に関して利用可能である場合に、こうした範囲または度合いの形で
反映されることが可能な特定の質問に対するあらゆる応答を入力することが可能
である。特定の質問に対するユーザの応答を示す漸進的な値（すなわち、「時々
」）は、質問に対する応答が真すなわち適切である度合いに関するユーザの見解
（例えば、理解、症状の記憶、症状の度合い等）を反映する。

【００５３】 各診断に関する対応する１次偏り値は、対応する２次偏り値の計算を可能にす
るために、ユーザ応答値を乗算される。例えば、ユーザが、０．５のユーザ応答
値を有する「時々」によって質問に対して応答し、その質問に関するＡＣＬ涙診
断の１次偏り値が例えば０．６である場合には、０．５のユーザ応答は（「診断
従属性」が無い場合に；後述の説明を参照されたい）、０．３の２次偏り値を生
じさせるために、単純に１次偏り値０．６を乗算される。すべての質問とそれに
対応する診断とに関する積が計算された後に、可能な診断の各々に関する積が合
計され、および、状態のあらゆる変化によって回答または活性化された質問の数
によって、または、ゼロ状態である質問のデフォルト応答以外の応答のあらゆる
肯定的度合いによって平均化される（例えば、「いいえ」の応答はその領域に限
定されず、および、デフォルト状態が無制限の仕方で修正されるか定量化される
ことが可能である）。選択肢の順位付け値を表す平均値が最も可能性の高い診断
を表示する。典型的には、４つの最も可能性の高い診断が表示される。しかし、
すべての診断の完全な順位付けがユーザにとって随意に利用可能である。典型的
には、約９８％のシステム平均精度が、この４つの最も可能性が高い診断におい
て実現される。

【００５４】 一実施形態では、質問と診断とが医療専門分野（すなわち、整形外科、心臓、
内科等）にしたがってグループ化される。別の実施形態では、ユーザインタフェ
ースが、エンドユーザのタイプに応じて、各診断に関する様々な度合いの説明（
関連情報）をそのシステムが提供することを可能にする。さらに別の実施形態で
は、ユーザインタフェースは、ユーザが選択することが可能な様々な医者のパー
ソナリティをエミュレート／シミュレートする「バーチャルドクター」である。
質問と説明がユーザに示される仕方は、そのドクターのパーソナリティに基づい
ている。

【００５５】 さらに、このシステムは、ユーザ／回答者が特定の診断に関して選択する採用
可能な処置を随意に提供（すなわち、勧告）することができる。これらの可能な
処置は、報告されている問題の原因には限定されずに、治療法、専門家、在宅治
療、処方および非処方薬剤、健康保険、各診断に関する健康製品製造者、病院、
調剤薬局、サポートグループ等を含む。

【００５６】 人間の意思決定をエミュレートするためのシステムおよび方法。 本発明は、問合せまたは症状に対する応答を処理することによる、意思決定法
または診断法を提供する。本発明は「症状」を明示するあらゆる対象または問題
域、または、意思決定を必要とするあらゆる分野に適用可能である。症状は、テ
スト結果、または問合せに対する応答を含む。例えば医療関係では、テスト結果
の例としては、全身の健康状態または心臓の状態を見極めるためのコレステロー
ル値が挙げられる。本発明は、無生的および有生的（例えば生物学的または非生
物学的）症状を診断することに適用可能である。したがって本発明は、機械の症
状、ソフトウェアの問題または症状を明示するあらゆる問題に適用可能である。
本発明は、アルゴリズムおよび種々のファジー論理を使用することにより、問合
せを行い、医師の意思決定プロセスをエミュレートしようと診断するソフトウェ
ア・アプリケーションを含む。

【００５７】 対象技術は、ファジー論理から知識（ナレッジ）ベース・システムに及ぶエキ
スパート・システム理論に関する。本発明はまた、医療分野、その専門分野、お
よび関連ビジネス、例えば保険、医療品および医療／健康サービスに関する。好
ましい実施態様においては、システムは、ヒトまたは動物の疾患を診断する「バ
ーチャル・ドクター」をエミュレート／シミュレートする。疾患は医学的または
心理学的であってよい。このシステムは、問合せに対するユーザの応答を評価し
、診断をスクリーン上に表示する。別の実施態様においては、ユーザは予めフォ
ーマットされたフォーム、例えばアンケートの形でユーザの応答を入力すること
ができる。本発明の別の実施態様においては、システムは、ＥＬＩＣＩＴ（登録
商標）および「ファジー」論理コンセプトを使用することにより、医療診断を生
成する（すなわちこのシステムは、ＥＬＩＣＩＴ（登録商標）をそのモデルとし
て使用するエキスパート・システムである）。

【００５８】 本発明の用途の一例としては、教育ツール、および、病院や健康管理機関のた
めの新型管理医療ツールが挙げられる。このツールにおいて、プログラムは、健
康管理クライアント／患者のための診断を充分に下すのに、どのようなテストが
まだ必要であるかを見極める。このようなプロセスは、無駄な不必要なテストを
排除することによりコストを節減する（すなわち決定支援システム（Decision S
upport System)−その分野におけるエキスパートを補佐するように構成されたエ
キスパート・システム）。他の実施態様の一例としては、問合せに対する不正確
な応答を処理しなければならないあらゆる診断ベースのエキスパート・システム
が挙げられる。他の実施態様において、システムは正確または具体的なデータの
形（例えばテスト結果）で問合せに対する応答を受け入れる。この場合、ＥＬＩ
ＣＩＴ（登録商標）は、診断を絞り込んで下し、目標情報を提供するのを助ける
。

【００５９】 本発明のシステムは、症状を呈するあらゆる問題部位の診断、または意思決定
の要求に、出願人のＥＬＩＣＩＴ（登録商標）を適用するシステムである。この
システムは人間の直感的思考、論理パターン、および近似、加重平均アルゴリズ
ムなどを介した意思決定をエミュレート／シミュレートする。ＥＬＩＣＩＴ（登
録商標）はヒューマン・ロジック・アプローチ(Human Logic Approach)である。
ＥＬＩＣＩＴ（登録商標）は、種々のファジー論理、知識ベース・システムおよ
び信頼ネットワークである。

【００６０】 現行のファジー論理アプリケーションおよびエキスパート・システムは、複雑
なパラメータ相関集合を必要とする。なぜならば、現行の論理アプリケーション
は内在的には相互に関係付けられていないからである。したがって、現行のエキ
スパート・システムや、ファジー論理集合および規則さえも制限を受ける。なぜ
ならば、推論および規則が互いに別々に適用／処理されるからである。計算が生
じ、また全てのデータセットに関してこれらの計算が同時に生じなければならな
いにもかかわらず、データセットは一度にただ１つの推論および／または規則し
か参照しない。

【００６１】 対照的に、人間の脳および人間の思考は「ファジー」なだけでなく、同時的な
、かつ相互に関係付けられた比較推論をも採用する。同様に、単一次元の推論フ
ァジー集合および規則代わりに、ＥＬＩＣＩＴ（登録商標）システムを使用する
と、同一集合および下位集合の複合的参照が可能になる。このシステムは、動的
でコンパクトな、かつ直感的なデータの実行を可能にする。二次元的（「２−Ｄ
」）集合、三次元的（「３−Ｄ」）集合および四次元的（「４−Ｄ」）集合以上
の集合がシステムの集合で可能になり、単一次元の「ファジー集合」の制限を克
服する。したがって、ＥＬＩＣＩＴ（登録商標）論理は「あいまいさ」および相
互に／内部で関係付けられた推論をシミュレートする。ＥＬＩＣＩＴ（登録商標
）アプローチは、多くの関連エキスパート・システム理論から、主として「ファ
ジー論理」および「知識ベース」システムを借り入れる。

【００６２】 既存のエキスパート・システム（例えばイフ−ゼン（if-then)系）を超えるＥ
ＬＩＣＩＴ（登録商標）の１つの利点は、伝統的な意思決定ツリー状プログラミ
ングに比較して、使用するデータセットが比較的小さいことである。人間の脳は
「ファジー」規則や「ファジー」思考を日常の問題解決および意思決定に適用す
るだけでなく、これを暗黙のうちに著しく高い速度で行う。速度および論理的推
論は双方とも、入力／刺激および出力を処理する上で相関引用を使用することか
ら導き出される。相関引用（すなわち相関データセット）の使用は、伝統的なツ
リー状プログラミングよりもデータ集中が少ない。

【００６３】 本発明の好ましい実施態様は、マルチ・ファジー・アプローチ、相関ＥＬＩＣ
ＩＴ（登録商標）セットおよびソフトウェア埋め込みヒューリスティクスを使用
した、全体論的で包括的な自己評価アプリケーションである。ヒューリスティク
スは、実験的方法および特に追跡・エラー(trail-and-error)法による学習、発
見または問題解決を伴い、または、このような学習、発見または問題解決への補
助として役立つ。また、ヒューリスティクスは、探索的問題解決技術に関連する
。このような技術は、性能向上のために自己学習技術を（フィードバックの評価
として）利用する。

【００６４】 本発明の一実施態様において、システムは、全て相互に関係付けられた３−Ｄ
ＥＬＩＣＩＴ（登録商標）セットを使用する。図３および４は３−Ｄ ＥＬＩ
ＣＩＴ（登録商標）モデルを示す。このモデルは、３−Ｄ ＥＬＩＣＩＴ（登録
商標）データセットを視覚的に表現したものである。問合せ、応答および診断が
３−Ｄ ＥＬＩＣＩＴ（登録商標）セット内に全て相互に関係付けられている。
３−Ｄ ＥＬＩＣＩＴ（登録商標）モデルは、エキスパート・データを表現する
際に使用されたデータを互いに関係付ける。

【００６５】 好ましいＥＬＩＣＩＴ（登録商標）モデルは３−Ｄベースである。他のエキス
パート・システム表現を超えるその利点は、２−Ｄ非相関表現と対比して、３−
Ｄフォーマットにおいてはデータをコンパクトにする内在能力があることである
。このＥＬＩＣＩＴ（登録商標）モデルを使用して、問合せ（Ｑ）、診断（Ｄ）
およびバイアス値（Ｒ）が相互に関係付けられて、ＥＬＩＣＩＴ（登録商標）モ
デルを使用して表現される。ＥＬＩＣＩＴ（登録商標）モデルは立方体を使用し
て表現される。それぞれの３−Ｄバイアス・データ・セルは、両２−Ｄ集合に属
する他のすべてと相互に関係付けられる。

【００６６】 ２−Ｄまたは３−Ｄ ＥＬＩＣＩＴ（登録商標）の実施態様では、種々の医療
分野からの問合せをユーザに表示することができる。例えば整形外科関連の問合
せや心臓学関連の問合せを連続してユーザに表示することができる。

【００６７】 本発明のシステムおよび方法は、ウェブ上、オフィス内または遠隔位置におけ
るコンピュータ・システム上、または電子デバイス上にホスティングすることが
できる。一実施態様では、システムはＰＣのFilemaker Pro（登録商標）データ
ベースを使用して構築される。別の実施態様では、システムは個人ウェブ・サー
バ動作用Ｕｎｉｘ ＯＳ（登録商標）上で、Perl Script（登録商標）を実行す
るＣＧＩ（登録商標）にある。本発明は、これらの実施態様に限定されることは
なく、どのコンピュータ言語またはコンピュータシステムを使用して実施されて
もよい。

【００６８】 好ましい実施態様の場合、システムは、医師の意思決定プロセスをエミュレー
トするためにＥＬＩＣＩＴ（登録商標）を実行する。このシステムは、消費者が
インターネット上で使用するための医療／健康の自己評価ソフトウェア・アプリ
ケーションである。消費者の一例としては、ユーザ、学生、専門家、および健康
管理関係者が挙げられる。さらに、このシステムはウェブ上にホスティングされ
、ウェブは、ユーザがあらゆるウェブ網、例えばインターネットを介してシステ
ムにアクセスすることを許す。システムは健康情報およびサービスをインターネ
ット上に提供する。システムは健康ウェブに配置されることが好ましい。健康ウ
ェブにおいて、消費者は自身の健康状態を診断し、特定の健康情報または医療情
報を得、種々の健康関連サービスにアクセスすることができる。このシステムは
可能な診断集合を表示し、次いでこれらを利用可能な特定の医療情報に直感的に
リンクする。このような「スマート」な情報の一例としては、治療、民間療法、
処方薬および非処方薬、健康保険、健康関連製品製造業者、病院、地域の薬局、
支援グループなどが挙げられる。このシステムは、消費者がインターネット上で
使用するための健康自己診断ツールである。このツールにおいて、消費者は、ほ
とんどすぐに「バーチャル・ドクター」とやりとりし、消費者の健康状態または
健康の質問に関する自己診断可能性を得ることができる。

【００６９】 図５は、本発明の実施態様の末端実行を示す。例えば、消費者（インターネッ
ト・サーファ）が負傷、慢性状態または疾患を有している場合、ホスト・サイト
にログオンし、可能な診断集合（可能性集合）を確立するためにいくつかの問合
せに対して応答し、「スマート検索」された以下の情報に、これらの診断集合を
リンクすることができる。これらの情報は例えば、特定の診断、目下の治療法お
よび手当て、利用可能な民間療法、その分野での専門家に関する情報、健康保険
、健康保険に基づく専門家／医師との約束設定、地域の薬局からの非処方薬のオ
ンライン・クーポン、地域の薬局に関する情報、地域の理学療法士に関する情報
、医師名簿、支援グループ、健康記録、他の医療情報、および、他の情報へのリ
ンクである。

【００７０】 本発明のシステムは、医師の意思決定プロセスに、「ファジー論理」のような
エキスパート・システムのコンセプトを適用する。このシステムは、自己評価ソ
フトウェア・プログラムに関するＥＬＩＣＩＴ（登録商標）と呼ばれる種々のフ
ァジー論理を使用する、オンライン・フィジシャン・エミュレータ(Online Phys
ician Emulator)である。好ましい実施態様の場合、この自己診断アプリケーシ
ョン・ソフトウェアは対話型であり、医師が健康履歴を求め、または患者との最
初の面談を行うのと同じようにウェブ上で質問を投げかけ、これにより診断可能
性および診断を確認するのに必要とされるテストを絞りこむ。このアプリケーシ
ョンをプログラミングする際に使用されるアルゴリズムは、固有のものであり、
エキスパート・システムおよびそのアプリケーションにおいて新規のコンセプト
を用いる。

【００７１】 このシステムは、システムの問合せに対する消費者自身のオンライン応答に基
づいた、対話型診断可能性を提供する。システムはあらゆる数の可能な診断を提
供する。例えば、最も可能性の高い診断であるという点で、比較的似通った上位
３つの診断がある場合、３つの診断全てが表示される。システムは、あらゆる診
断に関する情報に消費者をリンクする。システムは、診断された疾患に基づいて
、外科医クリップ（すなわち該当するビデオ・クリップ）または理学療法クリッ
プを示すことができる。このシステムは絞り込みを行い、手当て、治療、処方薬
または非処方薬、療法に関する特定情報、およびユーザの助けとなり得る情報に
、ユーザをインテリジェントに案内する。こうして、消費者は、山のような医療
情報、ウェブ・ページおよび刊行物生地の中を移動するのを回避する。さらに、
健康状態について「サイバー」ドクターに尋ねるために、「バーチャル」ライン
で待たされることもない。この健康状態は、患者−ドクター間の法律上の問題に
基づきその情報内容が制限される。システムは対話型であり、インテリジェント
情報を求める消費者がインターネットを介して健康自己評価を行うことを可能に
する。

【００７２】 図６は、エキスパート・データ（一次バイアス値）を集めるプロセスのフロー
・ダイヤグラムを示す。このシステムは、データを重み付けする際にエキスパー
ト・データをカプセル化することにより（一次バイアス値）、エキスパート・デ
ータの収集および処理の標準化を可能にする。データのモジュール化は、システ
ムが多くを再構成することなくスムーズかつ迅速に、適合して発展するのを可能
にする。

【００７３】 システムはそのプログラミング時に、世代型かつ関係型のファジー・アルゴリ
ズムを使用する。システムのＥＬＩＣＩＴ（登録商標）「アルゴリズム４２」（
下記を参照のこと）は、診断可能性のファジー出力を生成するという点で世代型
である。システムのファジー・アルゴリズムは、応答の目下の状況、および応答
時にとられたアクションおよび診断出力を追跡するので、関係型である。このソ
フトウェア・プログラムは、２つのＥＬＩＣＩＴ（登録商標）集合のファジーな
加重平均の変化、および、３−Ｄアレー・アルゴリズムの付加的な第３の集合の
変化を利用する。この第３の集合は相互世代型アルゴリズムまたはＥＬＩＣＩＴ
（登録商標）加重平均である。

【００７４】 第１のＥＬＩＣＩＴ（登録商標）集合は、特定の解剖学的部位または医学の特
定分野（すなわち皮膚病学、整形外科学など）における健康状態に対する選択的
診断（すなわち可能性）から成る。第２のＥＬＩＣＩＴ（登録商標）集合は、第
１のＥＬＩＣＩＴ（登録商標）集合に該当する問合せ（すなわち可能性集合を得
るためのテスト）から成る。第３のＥＬＩＣＩＴ（登録商標）集合は、固有の可
能性ファクタから成る。これらのファクタはバイアス値またはバイアス（Ｂ）と
呼ばれ、エキスパート（例えば医師または専門家）によって最初に割り出され、
可能性集合における他の選択的診断と対比したそれぞれの選択的診断に関連する
、問合せの予測値の相対的度合いについてのエキスパートの概念（すなわちこれ
は、エキスパートが考え出した尤度または関連度であって、全確率ではない）を
反映する。これらの一次バイアス値は、問合せに対するユーザの応答に従って活
性化され、ある場合には重み付けされる。

【００７５】 図７は、上述の３つのＥＬＩＣＩＴ（登録商標）集合から成る表計算シートを
示す。図にはエキスパートによって割り出されたファジー一次バイアス・データ
セットが示され、このデータセットは、１０〜９０（図示の例）の相対バイアス
値から成る。

【００７６】 このシステムは、ユーザがデフォルト応答パラメータを変えることにより、段
階的応答を生成し、これによりＥＬＩＣＩＴ（登録商標）アルゴリズムをより正
確にすることを可能にする。

【００７７】 図８は、編集ウィンドウを使用して本発明にしたがって、個人の属性およびユ
ーザ応答ランキング（すなわち段階的ユーザ応答値）が設定される様子を示す。
この図面は、真の「バーチャル・ドクター」経験をエミュレートする際の、出願
人の新規のアプローチの種々の様相を示す。例えばユーザは任意には、システム
が受け入れる応答に対する個人属性を確立することもできる。ユーザは「おそら
く」で質問に応答しようとする場合がある。しかし一人のユーザの「おそらく」
の定義は他のユーザのそれとは異なることがある。同様に、ユーザの応答ランク
付けを微細に調節することも別の革新的な選択肢であり、オンライン・フィジシ
ャン・エミュレータをより正確にする。この図面に示すプロセスにより、ユーザ
は０．１〜９．９のランクを有する段階的応答を選択することにより、「あいま
いさ」を本発明のシステムに導入し、これにより、本発明のシステムの精度を高
める。精度が高くなるのは、本発明のプログラムがユーザ応答ランキングを、一
次バイアス値の「修飾子」（および単純にアクティベータ）として使用するから
である。

【００７８】 本発明のコンピュータおよびオンライン向けアプリケーション；オンライン・
フィジシャン・エミュレータ（「ＯＰＥ（登録商標」） 消費者は、医療健康情報サービスにアクセスするためのインテリジェントな、
高速かつ高信頼度の方法を有してはいない。本発明は、医師の意思決定プロセス
をオンラインで独創的にエミュレートして、消費者／ユーザを特定の健康情報お
よびサービスにリンクすることが可能なソフトウェア・プログラムを作成するこ
とにより、上記必要性に対処する。消費者は、コンピュータまたは電子携帯デバ
イスを使用してインターネットにアクセスすることができる。本発明のソフトウ
ェア・プログラムは、スタンド・アロン型コンピュータシステムで使用可能であ
る。

【００７９】 本発明の装置は、コンピュータ、または、サーバ、ネットワーク接続手段（例
えばユーザ・モデム）を介してサーバに接続された少なくとも１つのユーザ・サ
ブシステムから成るコンピュータ・ネットワークである。モデムに言及したが、
ユーザ・モデムは、ネットワーク通信、例えばイーサネット・リンクを可能にす
る他の通信手段であってもよい。モデムは種々の接続手段、例えば公衆電話陸上
回線、専用データ回線、セルラー・リンク、マイクロ波リンク、または衛星通信
によって、サーバに接続することができる。

【００８０】 サーバは本質的に大容量で高速のコンピュータであり、このコンピュータは、
１つまたは複数の関連付けられたデータベースに接続された処理ユニットを含む
。このデータベースは、エキスパートにより生成された一次バイアスデータと、
問合せ（問合せデータ）と、選択可能性（可能性データ、例えば診断）とから成
る。任意には、サーバには付加的なデータベースが加えられる。例えば、医学的
自己診断の場合、望ましいデータベースの一例としては、以下のものを含むデー
タベースが挙げられる：診断の理由；診断に対応する手当て；診断分野における
新しい進展；診断に関連する支援グループなど。処理ユニットにはまた、充分な
メモリおよび適切な通信ハードウェアも接続されている。通信ハードウェアは、
モデム、イーサネット接続、または他の適宜な通信ハードウェアであってよい。
サーバは単独の処理ユニットを有する単独のコンピュータであってよいが、しか
しサーバは、互いにネットワークされた数個のコンピュータにわたって広がるこ
とも可能であり、この場合それぞれのコンピュータがそのプロセッサを有し、コ
ンピュータに位置する１つまたは複数のデータベースを有している。

【００８１】 上述のエレメントに加えて、サーバはさらに、オペレーティング・システムと
、サーバが他のコンピュータと通信するのを可能にする通信ソフトウェアとから
成っている。種々のオペレーティング・システムおよび通信ソフトウェアが採用
されてよい。例えば、オペレーティング・システムはMicrosoft Windows NT（登
録商標）、および関連プログラムを有する通信ソフトウェアMicrosoft IIS（登
録商標）（インターネット情報サーバ）であってよい。

【００８２】 サーバにおけるデータベースは、装置およびプロセス・ワークを形成するのに
必要な情報を含有している。エキスパートにより生成された一次バイアス・デー
タベース、問合せ（問合せデータ）データベース、および選択可能性（可能性デ
ータ、例えば診断）データベースが互いに関連付けられて、一次バイアス・デー
タが、エキスパートにより導き出された値を含有するようになっている。これら
の値は、（可能性データベースにおける）特定の選択可能性と固有に連携し、可
能性集合における他の選択可能性と対比した特定の選択可能性に関連する、（問
合せデータ・ベース内の）特定の問合せの予測値の相対的度合いについてのエキ
スパートの概念を反映する。これらのデータベースは、商業的に入手可能なデー
タベース・ソフトウェア、例えばMicrosoft Access（登録商標）、Oracle Micro
soft SQL（登録商標）バージョン６．５などを使用して組み立てられ、アクセス
される。

【００８３】 ユーザ・サブシステムは一般的に、ストレージ・ユニットに取り付けられたプ
ロセッサ、通信コントローラおよびディスプレイ・コントローラを含む。ディス
プレイ・コントローラはディスプレイ・ユニットを実行する。このディスプレイ
・ユニットを介して、ユーザはサブシステムとやりとりする。本質的には、ユー
ザ・サブシステムは、サーバと通信するための手段を提供するソフトウェアを実
行可能なコンピュータである。このソフトウェアは例えば、インターネット・ウ
ェブ・ブラウザ、例えばマイクロソフト・インターネット・エクスプローラ、ネ
ットスケープ・ナビゲータ、または他の適宜なインターネット・ウェブ・ブラウ
ザである。ユーザ・サブシステムはコンピュータ、または携帯電子デバイス、例
えば電話、またはインターネット・アクセスを可能にする他のデバイスであって
よい。

【００８４】 図９は、中央処理ユニット（「ＣＰＵ」）と、ハード・ストレージ（「ハード
ディスク」）と、ソフト・ストレージ（「ＲＡＭ」）と、入出力インタフェース
（「入力／出力）」とを備えた基本コンピュータ・モデルを示す。消費者／ユー
ザはユーザ・インタフェイスにおいて、特定の健康情報に関心を持つか、健康サ
ービスにアクセスするか、または、最近の負傷または疾患を心配する。ホスト・
サイトにログ・オンすると、メインウィンドウ画面が表示されて、登録ユーザと
してログ・インするか、「スマート」検索を使用するか、または、オンライン・
フィジシャン・エミュレータ（「ＯＰＥ（登録商標）」）インタフェイスに直接
的にアクセスするか、という選択肢を与える。

【００８５】 図１０は、オンライン・フィジシャン・エミュレータ（「ＯＰＥ（登録商標）
」）の概要を示す。ＯＰＥは、本発明の好ましい実施態様である。図面は、イン
ターネットを介して医療関連の意思決定を行う装置およびその方法の実施を示す
（すなわちＯＰＥ（登録商標））。ユーザは最初、「メイン画面」にアクセスす
ることになる。メイン画面で、ユーザは「会員」としてログインするか、全体的
な検索を行うか、または、直接ＯＰＥ（登録商標）または「バーチャル・ドクタ
ー」にアクセスするか、という選択の余地を有する。この図面には、以下のプロ
セスおよびシーケンスが記載されている：本発明のＯＰＥ（登録商標）システム
への進入；システムへのログオン；応答ランキング・オプションの設定；基本的
な健康情報の入力；主な不具合の入力；問題のある部位また健康状態の選択；シ
ステムにより投げかけられた問合せに対する回答；可能性集合内でランキングさ
れた診断選択可能性から成る意思決定の受信；理由および手当てに関連する健康
情報、および、その他の関連健康情報の評価および読み取り。

【００８６】 図１１は、本発明によるログイン／入力のプロセスおよびログイン／基本健康
統計学データ入力の画面を示す。図面は、ユーザがＯＰＥ（登録商標）システム
にログインし、種々の個人オプション、例えば「バーチャル・ドクター」のパー
ソナリティ、個人健康履歴の閲覧、システムの前回までの使用状態の閲覧、基本
個人健康情報の入力、および応答ランキング・オプションの設定のプロセスを、
フロー・ダイヤグラムの形で示している。ログイン・ウィンドウは、他のオプシ
ョンの間で、消費者がその基本個人データおよび健康データ（年齢、性別、身長
、体重など）を更新し、ドクター・パーソナリティ・プロフィールを選択し、サ
ービスの正会員になることを可能にする。正会員として、消費者はニュースレタ
ーを送られ、医療健康記録にアクセスし、他の専門的なサービスを受ける特典を
与えられる。ログイン情報はデータベースに記憶される。

【００８７】 図１２は、「スマート」検索プロセスを示す。「スマート」検索ウィンドウは
、ユーザが全文検索要求を入力して、特定パラメータを選択するのを可能にする
。ユーザが検索要求を提起すると、「パーサー」がその要求を評価し、その検索
を絞り込むのを助けるために問合せを戻すことができる。その後、ＥＬＩＣＩＴ
（登録商標）モデルを使用して、アルゴリズム的検索が行われることにより、入
力された検索パラメータにしたがって、最も妥当性の高いものの順で、検索結果
をランク付けする。

【００８８】 本発明のシステムはまた、選択可能な医師パーソナリティ・プロフィールとの
、個人化された「バーチャル・ドクター」インタフェイスをも含む。基本的には
、全ての問合せは、選択された医師のパーソナリティに応じて「調節」され、一
般的な性質、例えばユーモラスてある、情報に富んでいる、簡潔である、などの
性質を反映する。「バーチャル・ドクター」インタフェイスは、基本個人・健康
情報（年齢、性別など）を入力し、バーチャル・ドクターのパーソナリティを選
択肢、個人（ユーザ）応答ランキングを設定することをユーザに促す。インタフ
ェイスはその選択を認識し、その選択に対応する問合せオブジェクト・データベ
ース（「ＱＯＤ」）にアクセスする。全てのパーソナリティの問合せが、基本問
合せデータベースの一部として記憶され、他のパーソナリティの性質がそのプロ
グラム内部で操作される。一般的なユーザには、この情報を再び取り出すことは
できない。この情報はサイトがアクセスされるたびに再入力されなければならな
い。したがって、登録が推奨され所望される。

【００８９】 応答ランキングの設定は、本発明の別の革新的要素であり、オンライン・フィ
ジシャン・エミュレータをより正確にする。上に詳しく述べたように、図８は、
ユーザ応答値またはランキングを選択するプロセスを示す。このような段階的な
値または「曖昧さ」をシステム内に導入することにより、付加的な精度が達成さ
れる。繰返し述べるならば、顕著なコンセプトは、特定の問合せに対するユーザ
応答がユーザ間で変わることであり、また、或る応答がこのようなユーザまたは
消費者の間で異なる意味を表すことである。例えば、「おそらく」という応答は
、或る個人にとっては「はい」寄りであることもあるし、または別の個人にとっ
ては「いいえ」寄りであることもある。「ファジー」数値の形で考えると、「は
い」は「１」を表し、「いいえ」は「ゼロ（０）」を表す。「おそらく」は、特
定ユーザに応じて、０．５，０．４または０．６を表すことができる。このよう
に、ユーザ応答値エディタ／ウィンドウは、あらゆるユーザが、個人化された段
階的応答を確立することを可能にする。本発明のこのような独自な新規の特性は
有意義である。なぜならば、プログラムは、ユーザ応答値／ランキングを、エキ
スパートにより提供された一次バイアス値の修飾子として使用し、より正確な意
思決定（例えば診断）を形成する。

【００９０】 基本健康情報、「バーチャル・ドクター」パーソナリティ・プロフィール、お
よびユーザ応答値／ランキングが確立された後、ユーザには一般ウィンドウが示
され、このウィンドウで、ユーザが蒙っている健康状態または疾患に最も相当す
る専門診療科を選択することができる（図１０参照）。ウィンドウの一般フォー
ムは、特定の部位または診療科でラベル付けされた（例えば骨および筋肉／整形
外科、発疹および皮膚のトラブル／皮膚科、など）選択可能なボタンから成って
いる。特定部位が選択されると、ユーザは、痛みや疾患が概ね位置する、身体の
特定部位を選択するように促される（図１０および１４参照）。いくつかの例で
は、このプログラムは付加的な部位を選択するように促すことがあり、問合せが
「バーチャル・ドクター」に提示されるのに伴い、ユーザは圧痛、腫れおよびそ
の他の身体特異症状のある部位を選択するように求められることになる（図１４
）。

【００９１】 オンライン・フィジシャン・エミュレータプロセスは、「患者初回面談」プロ
セスで始まる。問合せ（Ｑｘ）が提示され、ユーザはそれぞれの問合せ（Ｑ）に
対する応答（Ｒ）を選択することを求められる。それぞれの問合せ集合は、各診
断部位または疾患部位に該当する問合せを提供する一人または複数のエキスパー
トまたは医師によるコンセンサスに基づいた標準的な順序にある。

【００９２】 図１３は、問合せ集合に対するユーザ応答が、本発明によりどのように処理さ
れるかを示す。全ての応答（Ｒｚ）がユーザによって提出された後、システムの
新規のアルゴリズムが、特定診断状態および部位に関して応答を評価する。計算
が完了すると、（相対尤度にしたがって）上位３つまたは４つの診断可能性のリ
ストが新しいウィンドウに表示される。全ての応答および評価は、ウェブ・サイ
トに戻るとユーザが参照するための履歴として記憶され、データセットの妥当性
を確認するのにエキスパートによって使用され、記憶された経歴などをエミュレ
ートするのに、システムによって使用される。

【００９３】 好ましい実施態様では、適切なところにはどこでも絵が使用されて、ユーザが
疾患部位を割り出すを補佐する。診断問合せ部位を割り出すのを補助する上で有
用な絵の例を図１４に示す。

【００９４】 ひざ疾患の診断。 （尤度または可能性に従って）ランク付けされた選択的診断集合から成るひざ
の診断例を下のテーブルIIに示す。 テーブルII ％可能性 状態の診断 ９２．５ ＡＣＬ断裂 ７８．５ 膝蓋骨の変位 ４１．４ ＭＣＬの捻挫 ２３．０５ 変性の関節炎 １３．９ 炎症性の関節炎

【００９５】 （相対尤度に従って）ランク付けされた選択可能性（すなわち選択的診断）集
合から成る（上記例のような）意思決定をユーザが取得すると、ユーザはランク
付けされた特定の診断を任意に選択し、これによりさらに調査を進め、付加的な
該当情報を取得することができる。例えばユーザは、ランク付けされた特定の診
断の以下のような定義、理由、および手当てのような情報を取得することができ
る：

【００９６】 定義：前十字靭帯断裂。 前十字靭帯はひざの４つの主な靭帯の１つである。後十字靭帯と共に、前十字
靭帯は、大腿骨および脛骨の前後（前進・後退）運動を制御するのを助ける。前
十字靭帯は、スポーツにおけるねじり運動の安定性を主に提供するものである。
残念ながら前十字靭帯はしばしば傷つけられる。

【００９７】 原因：前十字靭帯断裂（ＡＣＬ）はしばしばねじり損傷される。 たとえば右脚を地面につけ、身体を左または右に回すと、ＡＣＬが断裂する場
合がある。ＡＣＬは同様にひざを伸ばしすぎると傷つくおそれがある（このこと
は後十字靭帯を傷つけることもある）。ランナーのひざの側部にヘルメットが当
たった場合のように、ひざの内側または外側に加わる応力は、側副靭帯を断裂し
、次いで前十字靭帯を断裂することがある。応力がひざの外側に加えられた場合
、医学的な側副靭帯、前十字靭帯、および外側半月の裂断が生じるおそれがある
。前十字靭帯が断裂されると、直ちに痛み、腫れるのが普通である。ポンとはじ
けたりパキッと折れたりするのを感じることがしばしばある。歩行が困難であり
、ひざがまるで外れてしまうかのように不安定な感じがする場合がある。ひざは
腫れのために真直ぐ伸ばすのが難しく、または不可能であることがある。

【００９８】 手当て：ＡＣＬ断裂の手当ては、初めは、冷やしてひざを心臓よりも高く上げ
ることを伴う。 医療専門家からの注意を仰がなければならない。ひざが腫れてこわばっている
場合、大抵の場合、骨折の可能性を除外するためにエックス線の使用が示唆され
る。さらなる損傷を防止するために固定化手段が適用されるのが普通である。Ａ
ＣＬ断裂が疑われる場合、患者の評価のために整形外科医が必要とされる。安定
性および治療方針を見極めるための検査を行うために、ひざが触診される。ＡＣ
Ｌおよび関連構造の負傷の範囲をよりビジュアル化するために、ＭＲＩスキャン
が必要となることがある。

【００９９】 好ましい実施態様の場合、システムは、ウェブ上のネットワーク、例えばイン
ターネットを介して一般社会にアクセス可能な対話型フォーマットに適用される
。

【０１００】 図１５は、オンライン・フィジシャン・エミュレータ（ＯＰＥ）のスクリーン
の場面のサンプルを示す。別の実施態様の場合、システムは、診断をさらに絞り
込むために具体的なテストを用いる。

【０１０１】 図１６は、ウェブ・ページ上で示すような面談および診断のサンプルを示す。
ユーザに要求される面談または問合せのサンプルは次の通りである：気分はいか
がですか？；どこが痛みますか？；このように動くと痛みますか？；診察します
；どこを触ると痛いですか？；触るとどのように痛いですか？；判りました。あ
なたのおっしゃったことから、あなたは［意思決定／診断］であると思われます
。これについてもっとお話します（すなわち手当て、民間療法、薬、保険など）
。

【０１０２】 好ましい実施例では、システムは完全な対話型サービスとして実行され、診断
内容を手当て、理由、介護、保険、薬、専門家などに関する［スマート」情報（
下記参照）にリンクする。ランク付けされた診断は、ハイパー・リンクされて、
ユーザが「クリック」して特定診断に関するより詳しい情報を取得するのを可能
にする。したがって、ユーザは付加的なウィンドウに導かれる。このウィンドウ
でユーザは、治療法、手当て、ドラッグ、民間療法、エキササイズ、療法、その
他の関連情報について学ぶことができる。情報と共に、ユーザは、関連の健康サ
ービス、健康保険、医師名簿、専門家との約束、およびその他の関連サービスに
アクセスすることもできる（図１０および５参照）。他の特徴としては、例えば
、地域の薬局の非処方薬のクーポンの印刷や、その薬局への道案内の取得や、医
師がユーザにオンラインで処方することを可能にする、直接的に安全な接続を介
した保険医とのやりとりが挙げられる。図５は本発明の「末端実行」を概略的に
示している。

【０１０３】 医師の意思決定プロセスをエミュレートする際に「ＥＬＩＣＩＴ（登録商標）
」および「アルゴリズム４２」（下記例１参照）を使用することにより、症状の
診断が正確になる。ＥＬＩＣＩＴ（登録商標）は全ての医学的および健康関連の
専門分野において使用することができる。このプロセスは革新的かつ独自のもの
である。本発明およびその内容の充分かつ迅速な実行を可能にするように標準化
されているプロセス層がある。これらのプロセスには、エキスパート・データの
収集、ファジー論理の順応性のある使用を反映することになる、それぞれの専門
分野内でのデータ・コンセプト基準の開発が含まれる。さらに、例えば実験的プ
ロトタイプを通してウェブ上で行われる、エキスパート・データの入力、編集お
よびテストのような他のプロセスもある。

【０１０４】 エキスパート・データの編集。 エキスパート・データは編集し、変更することができる。図１８は、エキスパ
ート・データ編集スクリーンを示す。エキスパートはログインし、任意にはサン
プル・アンケートを入力し、必要な場合にはデータを評価して編集する。

【０１０５】 図１９は、生じうる変更可能な問合せのサンプル・リストを示す。 図２０は、テストされた問合せのサンプル評価を示す。

【０１０６】 図２１〜２４は、本発明による編集データ・スクリーンの連続する部分を示す
。このような編集スクリーンは、エキスパートが問合せフォーマットを変更でき
るようなインタフェイス（左欄）と、問合せと連携する一次バイアス・データ（
中欄の値）とを提供し、他の変数、特定の問合せ／診断の関係対に関して診断従
属性が存在するかどうかのような、（右欄の１つまたは複数のボックスをチェッ
クすることにより）他の変数を決める。

【０１０７】 図２５は、１つまたは複数の特定の問合せ／診断の関係対に対応する一次バイ
アス・データを、エキスパートが変更し、問合せ、さらに、生じうる選択ランキ
ングまたは診断ランキングをテストするために、前記変更後すぐに可能性値を再
評価する様子を示している。

【０１０８】 図２６は、本発明による「予備診断アンケート」の例を示す。この予備診断ア
ンケートは、その分野内、例えば診療所や病院内の実際のデータを評価してテス
トし、これにより診断を生成するのに使用される。

【０１０９】 エキスパート・データは、個々のエキスパートまたはエキスパート集団から収
集することができる。最初に一次バイアス・データを提供し、これを精度に関し
て変更するのには、ただ一人のエキスパートしか必要とならない。この個々のエ
キスパートまたはエキスパート集団はＥＬＩＣＩＴ（登録商標）のコンセプトに
おいて再審査され、エキスパート・アプリケーションの使用の教育を受ける。ア
ルゴリズム的要件および論理要件を満たすのに必要とされる適正な一次バイアス
データを提供するために、エキスパートは第一に、本発明に固有のエキスパート
・データを入力する方法およびコンセプトを理解しなければならない。データ全
ては先ず、一方の軸に問合せを有し、他方の軸に診断または健康状態を有するア
レー・フォーマットを使用して、構築され収集される。

【０１１０】 問合せ集合の構築、および、問合せ集合（下位集合）の標準化には、判断基準
が用いられる。問合せは、健康状態集合における診断または健康状態の見極めに
対して関連性を有していなければならず、また、診断の間で比較的有益（関連性
のある）ものでなければならない。問合せは、症状、事象または健康状態に関し
てテストする。問合せは、予め定義された症状群、事象群または健康状態群から
成る下位集合でグループ化することができる。問い合わせは診断集合（すなわち
可能性集合）に関して明白に評価することができる。

【０１１１】 別の実施態様では、ソフトウェアのシステムのフォーマットおよび実行は、デ
ータベース内問合せオブジェクト（ＱＯＤ）を使用して、問合せデータのストレ
ージに基づいて行うことができる。ＱＯＤは、問合せ、解説、メディア・オブジ
ェクト、例えばビデオ・クリップや音声、医師のパーソナリティ・プロフィール
特性、および、特に関連の診断毎の一次バイアスデータを含有することになる。

【０１１２】 図２７は、本発明によるデータベース内問合せオブジェクト（ＱＯＤ）のフォ
ーマットを示す。この図面は、一次バイアス・データ（Ｂ）、問合せ（Ｑ）およ
び選択肢または診断（Ｄ）を関連データベースに記憶する方法を示している。新
しいデータおよびコンセプトを取り込み、情報を関連させ、更新を可能にすると
いう融通性が、ＱＯＤアプローチにおいて代表される。問合せは、選択肢間の単
一かつ一次的なテストを意味し、意思決定に必要な情報をリンクする上での重要
な要因となる。ここでは、問合せに関連する情報の全ての形式、問合せ自体のバ
リエーション、一次バイアス・データ（Ｂ）、診断従属性（「ＡＤＭ」）、パー
ソナリティを特徴付けられた問合せ、特定の質問に対する、エキスパートにより
入力されたデフォルト応答、音声、ビデオ、キーワード、およびその他のタイプ
の関連情報がＱＯＤに記憶される。

【０１１３】 一次バイアス値。 一次バイアス・データ（Ｂｄ）としては、ヒューリスティックなスムース・デ
ータまたは比較スカラー・データが使用される。一次バイアス・データは、可能
性集合における他の選択肢と対比した特定の選択肢に関連する、問合せの予測値
の相対的度合いについてのエキスパートの概念（すなわち、或る症状が特定の診
断（Ｄ）にどの程度多く当てはまるか、についての概念）を反映し、それぞれの
問合せ（Ｑ）／診断（Ｄ）対に関して確立され、次いで、ユーザ応答値（Ｒ）に
よって変更される。バイアス・データは、診断集合の中の全ての診断の間の相対
的な予測値を反映しなければならず、ひいては、診断に対する問合せの重要度お
よび値を比較検討しなければならない。本質的には、一次バイアス値は、エキス
パートの経験対象を反映し、特定健康状態に対するエキスパートの概念上の「バ
イアス」を捕らえる。一時バイアス値によって表される知識は、明示的というよ
りもむしろ暗示的である。好ましい実施態様では、一次バイアス・データの比較
値を評価して割り出すのに、０〜１００の目盛りが使用される。別の実施態様で
は、それとは異なる目盛りが使用され、この目盛りは値域を有している。一次バ
イアス・データはスカラーであり、変更可能である。

【０１１４】 一次バイアス値の相対値が選択されることにより、対応選択肢に関する、所与
の問合せに対する非否定（つまり非ゼロ）応答の予測値の度合いを反映する。

【０１１５】 絶対従属性。 問合せが特定診断の結果または割り出しに関して、特に高価値であり、または
情報に富んでいる場合には、問合せと特定診断との間に、エキスパートによって
絶対従属性が確立される。すなわち、問合せに対してユーザが出した絶対否定応
答または絶対肯定応答が特定の診断の的確さにとって重大なものである場合、絶
対従属性が確立／発動される。絶対従属性は、他の問合せに比べて特定の診断に
対してかなりの重要性を有する問合せ（Ｑ）がある、という事実を反映する。し
たがって、例えば、絶対従属性を特定の診断に割り当てることになる問合せに対
する絶対肯定応答（＋Ｒ）は、従属性がその問合せに割り当てられていない他の
診断に対して、この診断に対応する加重平均スコアをシフトする。このプロセス
は、特定診断に関して特に情報に富んだ応答を増幅する効果を有する。

【０１１６】 エキスパート・データは、システムによって読み出されるデータ・フォーマッ
トに変換される。好ましい実施態様では、アレーまたは表計算シート・フォーマ
ットの変換は、「スクリプト」（上記例１参照）を利用して行われる。このプロ
セスは、プロトタイプ・データをテキスト・ファイルへのエキスポートを含んで
いるので、ウェブＣＧＩスクリプトはデータを解析することができる。

【０１１７】 好ましい実施態様では、システム・アルゴリズムは、パールおよびＣＧＩスク
リプトを使用してウェブ上で実施される。アルゴリズムおよびＥＬＩＣＩＴ（登
録商標）論理のウェブへの変換は、パールおよびＣＧＩスクリプトを使用して行
われる。このような変換は、当業者によく知られている。プログラムはデータセ
ットを利用するために標準化される。

【０１１８】 図２８および２９は、ＣＧＩ（共通ゲートウェイ・インタフェイス・スクリプ
ト言語）スクリプトに対応するスタティックなＥＬＩＣＩＴ（登録商標）データ
セットのフォーマットを示す。各データセットは、疾患の状態または部位、その
状態に対応する全ての診断および該当する全ての問合せ、従属性および論理係数
を表す。

【０１１９】 パール・スクリプトにおけるプログラム・スクリプトの一例が付録Ａに記載さ
れている。プログラムはＣＧＩサーバによって使用され、これによりシステム・
データセットを処理する。

【０１２０】 「ファジー論理」および「知識ベース・システム」コンセプトに基づく新規「
スマート」検索機能 上述のように、ユーザは、ランク付けされた特定の診断に関連する目標情報を
取得することができる。これを達成するために、システムは、入力されて選択さ
れた検索パラメータに基づいて、種々の「ファジー論理」および「知識ベース・
システム」コンセプトを、ランク付けされた診断結果に適用する。こうして、検
索部分として何がどのように所望されるかに応じて、当該情報の包括的な、しか
し狭い範囲が取得され、このような情報範囲が、診断、診断に対応する手当て、
診断分野における新たな進展内容、診断に関連する支援グループなどをもたらす
。

【０１２１】 別の実施態様において、システムは、やはり「ファジー論理」および「知識ベ
ース」コンセプトに基づく対話型検索フィードバック・ループを含む。検索のた
めに情報が入力された後、対話型応答は問合せを発することにより、検索基準の
絞り込みおよび／または作成を補助し、「スマート」情報を所得する。あるいは
、システムは、「ファジー論理」および「知識ベース・システム」コンセプトと
の関連において当業者によく知られたテキスト「解析」技術を使用し、これによ
り、質問を発すべきかどうか、かつ／または、特定の「スマート」情報を表示す
べきかどうかについて動作を直感的に評価して見極める。図１２は、本発明の「
スマート」検索プロセスを示す。システムは「対話」品質をさらに改良し、より
迅速で直感的な情報収集能力を向上させるために解析技術を適用する。ユーザに
よって入力された命令文／問合せが解析され、適正な応答、すなわち情報の取得
；診断用問合せの開始；または製品の購入、が割り出される。

【０１２２】 例１ ＥＬＩＣＩＴ（登録商標）データセットおよびＥＬＩＣＩＴ（登録商標）規則
を使用して医師の意思決定をエミュレートするための新規のアルゴリズム この例はアルゴリズム（「アルゴリズム４２」）を開示する。このアルゴリズ
ムはＥＬＩＣＩＴ（登録商標）データセットおよびＥＬＩＣＩＴ（登録商標）規
則を使用することにより、ユーザの応答を処理して、ランク付けされた選択可能
性集合（例えばランク付けされた選択的診断集合）から成る意思決定に到達する
。「アルゴリズム４２」および「ファジー」ＥＬＩＣＩＴ（登録商標）データセ
ットおよびＥＬＩＣＩＴ（登録商標）規則は、尤度に従って選択可能性をランク
付けするのに使用される。

【０１２３】 本明細書において前述、後述するようなＥＬＩＣＩＴ（登録商標）データセッ
トおよびＥＬＩＣＩＴ（登録商標）規則は、どのように医師が患者の応答を推定
して診断に到達するかをエミュレートするために、本発明のアルゴリズムに使用
される。人と同様に、医師は患者の応答が受信されると、その応答を比較検討し
て、それぞれの応答が診断の締結に関して許容可能な「推測」を示唆しているか
どうか、または、より多くの問合せを行うべきか、また、付加的な問合せがその
応答をさらに評価する助けとなるかどうか、を計算し、評価する。システムの、
ＥＬＩＣＩＴ（登録商標）ベースの「アルゴリズム」は以下のように定義される
：

【０１２４】 「アルゴリズム４２」の用語の定義および範囲 変数 定義 Ｑ＝ 問合せ、問合せ、部位チェック、症状の検査、可能性の検査 （フォーマット＝テキスト、すなわち「怪我はあったか？」） Ｄ＝ 診断、健康状態、出力、可能な候補、可能性 （フォーマット＝テキスト、すなわち「ＡＣＴ断裂」） Ｒ＝ Ｑに対する応答、問合せに対する入力、質的または量的データ （フォーマット＝テキストまたは数値、すなわち「はい」「おそらく」、「い
いえ」 ＲＤ＝ 応答修飾子、バイアスの変更 （フォーマット＝数値、範囲＝０〜Ｎ） ＡＤ＝ 絶対従属性、診断従属性 （フォーマット＝テキスト、すなわち「「ＡＣＴ断裂」） ＡＤＭ＝ 絶対従属性修飾子 （フォーマット＝数値、範囲＜−１または範囲＞１） Ｂ＝ バイアス−特定の問合せ（Ｑ）が、他の診断（Ｄ）よりも特定の診断（Ｄ
）に関して、相対的に「より尤度／妥当性が高い」または「より尤度／妥当性が
低い」ことを、全ての診断（Ｄ）の間で比較推論するデータを反映。 （フォーマット＝数値、範囲０〜１００またはテキスト、質的範囲） ｑ＝Ｑ_y；１〜問合せの数（数値） ｄ＝Ｄ_x；１〜診断の数（数値） ｒ＝Ｒ_z；１〜特定の問合せ（Ｑ）に関する応答の数（数値） ｒ＝１；デフォルト応答 ＲＭ_q（ｒ）＝０；絶対否定応答、ｒ＝１（すなわちＲ＝「いいえ」またはＲ＝
「決してない」の場合 ＲＭ_q（ｒ）＝１；絶対肯定応答、ｒ＝総ｒ（すなわちＲ＝「はい」またはＲ＝
「いつも」の場合 Ｂ（Ｄ_x，Ｑ_y，Ｒ_z）＝３−Ｄ ＥＬＩＣＩＴ（登録商標）データセット内のバ
イアス・データセット ｒ＝１の場合Ｂ_d（ｑ）＝Ｂ（ｄ，ｑ，ｒ）（デフォルト応答）； （バイアス・データ・アレー、診断（Ｄ）による問合せ（Ｑ）のバイアス） Ｂ_d ^I（ｑ）＝各診断（Ｄ）に対応するバイアスの総和 Ｂ_d ^*（ｑ）＝各診断（Ｄ）に対応する重み付け平均バイアス

【０１２５】 「アルゴリズム４２」のアルゴリズム・プロセス： 各ｄ：ｄ＝１〜ｔに関して ；それぞれの診断（Ｄ）の可能性の割り出し ｔ＝総診断数 ｎ Ｂｄ^I（ｑ）＝ΣＢ_d（ｑ） q=1 を求めよ ；ｎ＝総肯定応答数の場合、バイアス総計 ｎ Ｂｄ^*（ｑ）＝［ΣＢ_d（ｑ）］／ｎ q=1 ；平均バイアス を求めよ またはＢｄ^*（ｑ）＝Ｂｄ^I（ｑ）／ｎ；ｎ＝総肯定応答数の場合、平
均バイアス ｑ＝１〜ｎの場合 各問合せｑに関して：ｑ＝１〜ｔ：ループ ；各問い合わせに関して、ｔ＝総問
合せ数 Ｒ＝「はい」または「いつも」または「絶対肯定応答」ならば； ｎ＝ｎ＋１を設定せよ ；増分ｎ、ｎ＝総肯定応答数 ＡＤ_d（ｑ）＝Ｄ（ｑ）ならば、 ；もし診断に関して従属性が存在
するならば、 ＡＤＭｄ（ｑ）を＞１に設定せよ；可能性を増大させるために
修飾子を設定 Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＡＤＭ_d（ｑ）；従属性を反映するた
めにバイアスを変更 さもなければ ＲＭ_(q)（ｒ）＝１を設定せよ ；絶対肯定応答 Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＲＭ_(q)（ｒ）；応答に基づいてバイ
アスを変更 Ｂ_d ^I（ｑ）＝Ｂ_d ^I（ｑ）＋Ｂ_d（ｑ） ；総バイアスにバイアス値を
加算 さもなければ Ｒ＝「いいえ」または「決してない」または「絶対否定応答」ならば ｎ＝ｎを設定せよ ；ｎの増分を行わない ＲＭ_(q)（ｒ）＝０を設定せよ ；絶対否定応答 ＡＤ_d（ｑ）＝Ｄ（ｑ）ならば ；もし診断に関して従属性が
存在するならば、 ＡＤＭ_d（ｑ）を＜０または−１に設定せよ；可能性を
減小させるために修飾子を設定 Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＡＤＭ_d（ｑ）；従属性を反映
するためにバイアスを変更 Ｂ_d ^I（ｑ）＝Ｂ_d ^I（ｑ）＋（Ｂ_d（ｑ））；総和から差
し引かれた変更された従属バイアス、（バイアス値）は負である さもなければ Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＲＤＭ_(q)（ｒ）；バイアス・
データ＝０、合計に加算されない または Ｂ_d（ｑ）＝Ｂ_d（ｑ）・０ ；結果がゼロになるので、
バイアス総和の増加はない さもなければ（Ｒ＝「他の全ての肯定応答」） ｎ＝ｎ＋１を設定せよ ；増分ｎ、ｎ＝総肯定応答数 Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＲＭ_(q)（ｒ）；応答に基づいてバイ
アスを変更 Ｂ_d ^I（ｑ）＝Ｂ_d ^I（ｑ）＋Ｂ_d（ｑ）；総バイアスにバイアス
値を加算 ｔ＝総問合せ数になった後、ループ終了 Ｂｄ^*（ｑ）＝Ｂｄ^I（ｑ）／ｎを計算せよ ；ｄの平均バイアス 次のｄを実施せよ。

【０１２６】 アルゴリズムの形態；「アルゴリズム４２」に対応するスカラー範囲、可能性
の状況、可能性スコアリング 図１７は、スカラー範囲、規則および可能性スコアリングを示す。 アルゴリズムの形態は次の通りである： 非従属形態 肯定応答＝（Ｂ_d（ｑ）・ＲＭ_q（ｒ））／ｎ；ｎ＝ｎ＋１を設定せよ デフォルトまたは「いいえ」＝（Ｂ_d（ｑ）・０）／ｎ；ｎ＝ｎを設定せよ 従属形態 絶対否定＝[Ｂ_d ^I（ｑ）＋（Ｂ_d（ｑ）・ＡＤＭ_d（ｑ））]ｎ；ｎ＝ｎ、この場合
ＲＭ_q（ｒ）＝０、ＡＤＭ＜０を設定せよ。 絶対肯定＝（Ｂ_d（ｑ）・ＡＤＭ_d（ｑ））／ｎ；ｎ＝ｎ＋１、この場合ＲＭ_q（
ｒ）＝１、ＡＤＭ＞１を設定せよ。

【０１２７】 「アルゴリズム４２」のスクリプト実行 アルゴリズムのスクリプト実行は次の通りである： 応答された問合せをリセットせよ、ｎ＝０を設定せよ 次の診断のための平均バイアスをリセットし、Ｂｄ^*（ｑ）＝０を設定せよ 目下の応答を、応答されない絶対否定デフォルトにリセットせよ；ＲＭ_q（ｒ）
＝０を設定せよ それぞれの診断ｄ＝１〜総診断数に関して、ｄ＝総診断数になるまで可能性を計
算せよ ループ それぞれの問合せｑ＝１〜総問合せ数に関して、ｑ＝総問合せ数となるまで応
答をチェックせよ (if)問合せに対する目下の応答＝「はい」または「いつも」または「絶対
肯定応答」ならば、 応答された問合せに１を加えよ 従属性をチェックせよ (if)従属性が存在するならば、 従属性修飾子を＞１に設定せよ （デフォルト＝１．増加率２５％） 絶対従属修飾子によりバイアスを変更せよ さもなければ (if)診断従属性が存在しないならば 応答修飾子を取得せよ （デフォルト＝１、絶対肯定応答、すなわち「はい」に
対して） 応答修飾子によりバイアスを変更せよ； (if)を終了せよ (if)を終了せよ 変更されたバイアスをバイアス総計に加えよ 次のｑを実施し、ｑ＝問われた総応答数になるまで続けよ。 診断の平均可能性を計算せよ 可能性＝バイアスの総計／応答された総問合せ数 ループを終了せよ

【０１２８】 サンプル・バイアス・データ、ユーザ応答修飾子、絶対依存性および関連アル
ゴリズム・スクリプトの結果： サンプル・バイアス・データ、ユーザ応答修飾子、絶対依存性および関連アル
ゴリズム・スクリプト（「アルゴリズム４２」）の結果を下に示す。

【０１２９】 バイアス＝Ｂ（Ｄ_x，Ｑ_y） Ｄ₁ Ｄ₂ Ｄ₃ Ｑ₁ 80 ５ 25 Ｑ₂ 25 50 90 Ｑ₃ 95 65 10 応答のモディファイア＝ＲＭ_q（ｒ） Ｒ₁ Ｒ₂ Ｒ₃ Ｑ₁ ０ .75 １ Ｑ₂ ０ .45 １ Ｑ₃ ０ .２ １

【０１３０】 Ｑ₁＝痛みますか？ 可能な応答Ｒ＝「いいえ」（デフォルト）、「時
々」、「はい」 Ｑ₂＝後で痛むでしょうか？ 可能な応答Ｒ＝「いいえ」（デフォルト）、「お
そらく」、「はい」 Ｑ₃＝以前痛みましたか？ 可能な応答Ｒ＝「いいえ」（デフォルト）、「憶
えていない」、「はい」 この場合： Ｑ₂はＤ₁に対して絶対従属性（診断上従属する）であり、 Ｑ₃はＤ₂に対して絶対従属性（診断上従属する）である。 問合せＱ₁に対する応答（Ｒ）＝「はい」、応答修飾子＝Ｒ₃＝１ 問合せＱ₂に対する応答（Ｒ）＝「いいえ」、これはデフォルトであり、Ｑ₂に応
答がなかったことを示す；応答修飾子＝Ｒ₁＝０ 問合せＱ₃に対する応答（Ｒ）＝「憶えていない」、応答修飾子＝Ｒ₂＝２

【０１３１】 アルゴリズム・スクリプトの結果 Ｄ₁またはｄ＝１の場合； Ｂ（Ｄ₁，Ｑ₁）＝８０ Ｂ（Ｄ₁，Ｑ₂）＝−２５ Ｂ（Ｄ₁，Ｑ₃）＝１９ Ｂ₁ ^I（ｑ）＝８０；ｑ＝１の場合 Ｑ₂はＤ₁に従属し、応答されないままにされるので、絶対負となる。 ｑ＝２の場合ＡＤＭ_d（ｑ）は−１に設定される。 応用： Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＡＤＭ_d（ｑ）は−２５となる。 応用： Ｂ_d ^I（ｑ）＝Ｂ_d ^I（ｑ）＋Ｂ_d（ｑ）は５５となる。 Ｂ₁ ^I（ｑ）＝５５ 応用： ｑ＝３の場合Ｂ_d（ｑ）＝Ｂ_d（ｑ）・ＲＭ_q（ｒ）は１９
となる。 Ｂ₁ ^I（ｑ）＝７４ 応用： ｎ Ｂｄ^*（ｑ）＝［ΣＢ_d（ｑ）］／ｎ q=1 平均 応答された問合せ数ｎ＝２の場合Ｂｄ^*（ｑ）またはＢ（Ｄ₁）＝３７
％

【０１３２】 結論 本発明は、選択可能性集合をそれらの相対尤度に従ってランキングして、人間
の意思決定プロセスをエミュレートすることに基づく、意思決定のプロセス、装
置および方法を提供する。本発明の方法は、問合せに対するユーザの応答または
「症状」を、エキスパートにより導出された一次バイアス値に従って、選択可能
性集合をランク付けすることに関連させる。本発明は、あらゆる対象または「症
状」を明示する問題部位に適用可能である。症状には検査結果、または問合せに
対する応答が含まれる。

【０１３３】 本発明はif-then（明示的その他の）規則、意思決定ツリー構造、確立、また
は統計学に基づいた尤度比を使用しない。むしろ本発明は、選択肢の暗示的な知
識を有するエキスパートにより提供された概念上の一次バイアス値を使用する。
この場合それぞれの一次バイアス値は特定の選択肢と連携し、可能性集合内の他
の選択肢と対比した特定の選択肢に関連する、問合せの予測値の相対的度合いに
ついてのエキスパートの概念、直感および経験を反映する。

【０１３４】 本発明は唯一の形態に限定されるものではなく、むしろ本発明の範囲内の全て
の実施態様を包含する。本発明の別の実施態様では、システムは全テキスト解析
を使用する。本発明の別の実施態様では、システムはオンライン・フィジシャン
・エミュレータに対するインタフェイスとして音声認識を利用する。

【０１３５】 またプログラムは、医療の専門家のための高度な高性能教育ツールとして使用
することもできる。システムはＨＭＯ設定において使用することもできる。シス
テムは、患者の症状を評価し、診断受信まで適正なテストを割り出し、その患者
に処方や用法を指示する。本発明は誤診された患者および過剰に検査された患者
の治療にかかる数百万ドルものコストを削減できる。

【０１３６】 本発明の好ましく例示的であると考えられた実施態様について説明してきたが
、本発明の他の変更例も当業者には明らかである。従って、本発明の思想および
範囲内にあるこのようなすべての変更例や拡張例が、本明細書中で権利保護され
ることが望ましい。本発明は、この明細書の範囲内にあるすべての実施態様を含
むものとして解釈されるべきである。さらに、本発明の思想および範囲から逸脱
することなしに、本明細書中に示した用途とは別の用途を考えることは、当業者
にとっては容易である。

【０１３７】 明細書のAppendix Aが〔表１〕に示される。

【表１】

【表２】

【表３】

【表４】

【表５】

【表６】

【図面の簡単な説明】

【図１】 図１は、当業で公知のＫｎｏｗｌｅｄｇｅ−ｂａｓｅｄ Ｓｙｓｔｅｍ Ｅｎ
ｖｉｒｏｎｍｅｎｔ（“ＫＢＳ”）、ＣＬＩＰＳ^TMの一例を示す。基本的なＫＢ
Ｓにとって不可欠なものは、ワーキングメモリコンテキスト（ｗｏｒｋｉｎｇ−
ｍｅｍｏｒｙ ｃｏｎｔｅｘｔ）（ユーザからの入力を記憶する）と、（必要と
される知識を表現する）ＩＦ−ＴＨＥＮ規則を含む知識ベースと、（入力がどの
ように結果に到達するかに関連して出力を提供するために、知識ベースに基づい
て入力を評価する）推論エンジンとである。

【図２】 図２は「信念ネットワーク」の略図である。当業で公知の信念ネットワークは
、変数Ｘ₁、Ｘ₂、Ｘ₃がノードに対応しおよびノード間の関係が「弧」に対応す
る巡回有向グラフとして表現される。信念ネットワーク内の各変数に確率分布が
関連付けられている。

【図３】 図３は３−Ｄ ＥＬＩＣＩＴ^TMモデルを示し、このモデルは３−Ｄ ＥＬＩＣ
ＩＴ^TMデータセットの視覚的表現である。質問と応答と診断とが３−Ｄ ＥＬＩ
ＣＩＴ^TMセット内ですべて相互関係している。３−Ｄ ＥＬＩＣＩＴ^TMモデルは
、エキスパートデータを表現する際に使用されるデータを相互に関係付ける。

【図４】 図４は図３と同様の図である。

【図５】 図５は、本発明の好ましい実施形態の「最終実現」を示す。本発明のプロセス
によって相対尤度にしたがって採用可能な診断が順位付けられると、ユーザはこ
れらの診断に関するより多くの情報を随意に読み出すことが可能であり、この情
報は、そのユーザが治療法、処置、薬剤、在宅治療、運動、療法、および、他の
関係情報について知ることが可能な追加のウィンドウにそのユーザを導く。さら
に、ユーザは、随意に、関連の健康サービス、健康保険、医師名簿、専門医に対
する予約、および、他の関連サービスにもアクセスすることが可能である。他の
採用随意の特徴は、例えば、地元の調剤薬局に対する非処方薬剤用のクーポンの
印刷と、その調剤薬局に対する指示と、ユーザに対して医師がオンラインで処方
することを可能にする機密保護通信手段を直接経由した保険プランの医師との対
話とを含む。

【図６】 図６は、エキスパートデータ、すなわち、エキスパートの意思決定をエミュレ
ートするために必要とされる１次偏りデータ（Ｂ）と採用可能な選択肢（Ｄ）と
質問（Ｑ）とを取得するプロセスの流れ図を示す。第１のステップが特定のモデ
ルに関する採用可能なすべての選択肢（診断）をリストすることを含む。第２に
、すべての適切で直観的な質問が決定され、最後に１次偏りデータセットがエキ
スパートによって設定される。このプロセスはあらゆるシステム上に実装される
ことが可能であり、または、インターネットのようなあらゆるインタフェースを
使用して実装されることが可能である。特定のデータセットのすべてが設定され
終わった後に、エキスパートはエキスパートシステムの完全性を検査し、それに
したがって１次偏りデータ、選択肢、または、質問を更新する。その後で、実地
試験がエキスパートの現場または環境において行われる。

【図７】 図７は、本発明による、３つのＥＬＩＣＩＴ^TMセットを含むスプレッドシート
を示し、エキスパートによって決定されたファジイ１次偏りデータセットを含む
ことが示されており、１０から９０の相対的偏り値を含む。

【図８】 図８は、本発明によって個人的属性とユーザ応答順位付けとが編集ウィンドウ
を使用してどのように設定されるかを示す。この図は、真の「バーチャルドクタ
ー（ｖｉｒｔｕａｌ ｄｏｃｔｏｒ）」をエミュレートすることにおける本出願
人の新規のアプローチの側面を示す。例えば、ユーザは、随意に、システムが受
け入れる応答に対する個人的属性を設定してもよい。ユーザは、「おそらく（ｍ
ａｙｂｅ）」を伴って質問に応答することを望むことがある。しかし、１人のユ
ーザの「おそらく」の定義は別のユーザのそれとは異なっているだろう。同様に
、ユーザ応答の順位付けを微調整することが別の革新的なオプションであり、オ
ンライン医師エミュレータ（ｏｎｌｉｎｅ ｐｈｙｓｉｃｉａｎ ｅｍｕｌａｔ
ｏｒ）をより高精度にする。この図は、ユーザが０．１から９．９の間の漸進的
な応答順位付けを選択して本発明のシステムに「ファジイ性（ｆｕｚｚｉｎｅｓ
ｓ）」を導入し、本発明のシステムの精度を増大させるプロセスを示す。本発明
のプログラムがユーザ応答順位付けを１次偏り値の変更子として（および、単純
に活性体（ａｃｔｉｖａｔｏｒ）として）使用するので、精度が増大させられる
。

【図９】 図９は、中央処理ユニット（「ＣＰＵ」）と、ハード記憶装置（「ハードディ
スク」）と、ソフト記憶装置（「ＲＡＭ」）と、入出力インタフェース（「入力
／出力」）とを有する基本コンピュータモデルを示す。消費者は、ユーザインタ
フェースにおいては、特定の健康情報と健康サービスに対するアクセスとに興味
を持っているか、最近の創傷または疾病に関心を持っている。消費者がホストサ
イトにログオンすると、登録ユーザとしてログインするか、「スマート」サーチ
を使用するか、または、オンライン医師エミュレータ（「ＯＰＥ^TM」）インタフ
ェースに直接アクセスするためのオプションを与える主ウィンドウ画面が表示さ
れる。

【図１０】 図１０は、本発明の好ましい実施形態であるオンライン医師エミュレータ（「
ＯＰＥ^TM」）の全般的な説明を示す。この図は、インターネットを経由した医療
コンテキストにおける意思決定の方法の装置および実装（すなわち、ＯＰＥ^TM）
を示す。ユーザは最初に「メインスクリーン」にアクセスするだろう。メインス
クリーンでは、ユーザは、「会員」としてログインするか、全般的な探索を行う
か、または、ＯＰＥ^TMすなわちバーチャルドクターに直接アクセスするオプショ
ンを有する。この図は、本発明のＯＰＥ^TMシステムに入ることと、そのシステム
にログオンすることと、応答順位付けオプションを設定することと、基本健康情
報を入力することと、主要な病訴を入力することと、健康問題の領域または条件
を選択することと、そのシステムによって与えられた質問に回答することと、可
能性セットの中の選択可能な診断可能性の順位付けを含む決定を受け取ることと
、原因および処置に関する関連健康情報を査定して読み出すというプロセスおよ
びシーケンスを説明する。

【図１１】 図１１は、本発明による「ログイン／基本健康状態を入力する」画面を示す。
この図は、ユーザがＯＰＥ^TMシステムにログオンして、「バーチャルドクター」
のパーソナリティのような様々な個人的オプションを設定し、個人健康履歴を閲
覧し、そのシステムの以前の使用を調べ、基本個人健康情報を入力し、応答順位
付けオプションを設定するプロセスを流れ図の形で示す。このログインウィンド
ウは、様々なオプションの中で特に、消費者が自分の基本個人および健康データ
（年齢、性別、身長、体重等）を更新し、医師のパーソナリティプロファイルを
選択し、または、そのサービスの正式会員になることを可能にする。正式会員と
して、その消費者は、ニュースレターと、自分の医療健康記録に対するアクセス
と、他の特化されたサービスとに対する資格を与えられる。ログイン情報はデー
タベース内に記憶される。

【図１２】 図１２は「スマート」探索プロセスを示す。「スマート」探索ウィンドウが、
ユーザが全文探索要求を入力することと特定のパラメータを選択することとを可
能にする。ユーザが探索要求を送ると、「構文解析系」がその要求を評価して、
その探索の焦点を合わせることを支援するための質問を戻すことがある。その後
で、入力された探索パラメータにしたがって最高位の適合性の順序で探索結果を
順位付けるために、アルゴリズム的探索がＥＬＩＣＩＴ^TMを使用して行われる。

【図１３】 図１３は、本発明にしたがって質問セットに対するユーザ応答がどのように処
理されるかを示す。すべての応答（Ｒ_z）がユーザによって送られた後に、その
システムの発明によるアルゴリズムが、特定の診断条件および診断場所に関する
応答を評価する。計算が完了すると、（相対尤度にしたがった）最上位の３つま
たは４つの診断可能性のリストが新たなウィンドウに表示される。応答と評価の
すべてが、そのウェブサイトに戻る時に参照するために、および、データセット
を検証する目的でエキスパートによって参照されるために、ユーザに関する履歴
として記憶される。この図は、応答の処理と発生可能な結果の評価との基本的な
流れを表現する。

【図１４】 図１４は、本発明による診断の決定を補助するために使用される画像の一例を
示す。

【図１５】 図１５は、オンライン医師エミュレータ（「ＯＰＥ」）の代表的なスクリーン
ショットを示す。本発明によるこの図示されている画面は、ユーザがそのシステ
ムにアクセスする際にそのユーザを適応指導する役割を果たす。

【図１６】 図１６は、ウェブページ上に示されているような、質問に対してユーザが応答
することを指示するユーザインタビューの見本を示す。

【図１７】 図１７は、本発明によってどのように１次偏り値とユーザ応答値と従属性（ｄ
ｅｐｅｎｄｅｎｃｙ）とが選択されて表現されるかを示す。上部パネル：（エキ
スパートによって提供される）１次偏りデータ（Ｂ）に関して、可能な適合性／
尤度の範囲が０から１００であるように示されているが、この範囲または数値表
現に限定されない。この範囲は０から１を表すことが可能である。しかし、「い
いえ（ｎｏ）」のデフォルト応答（Ｒ）を象徴するゼロ（「０」）の中央値また
はゼロ値がある。中間パネル：ユーザ応答値すなわち変更子が、ユーザによって
入力される定性的応答のタイプに基づいて１次偏りデータ（Ｂ）を変更する値で
ある。ユーザ応答値も０から１から成るファジイ範囲を条件とするが、この特定
の範囲または数値表現に限定されない。この場合も同様に、ゼロ（「０」）が「
いいえ」の定性的応答を表し、一方、「はい（ｙｅｓ）」が１（「１」）の値に
相当する。下部パネル：特定の質問に対して特に「従属的である（ｄｅｐｅｎｄ
ｅｎｔ）」（すなわち、特に重要であるかまたは関連がある）可能性セット内の
選択可能な診断に関して、「はい」または「いいえ」の絶対的応答（Ｒ）に基づ
いて１次偏りデータ（Ｂ）を変更する絶対従属性変更子（ａｂｓｏｌｕｔｅ ｄ
ｅｐｅｎｄｅｎｃｙ ｍｏｄｉｆｉｅｒ）（「ＡＤＭ」）が存在する。

【図１８】 図１８は、本発明による、エキスパートデータを編集するために使用される主
エキスパート編集画面を示す。

【図１９】 図１９は、本発明による「診断前質問票（ｐｒｅ−ｄｉａｇｎｏｓｔｉｃ ｑ
ｕｅｓｔｉｏｎｎａｉｒｅ）」に関する、変更可能な膝損傷区域に関する想定可
能な質問の見本リストを示す。この質問セットに対する代表的なユーザ応答が左
縦列ボックスに示されている。

【図２０】 図２０は、本発明によって処理された膝損傷診断の膝診断可能性に関する質問
の評価の見本を示す。この例は、２つの質問に対するユーザの応答に基づいた最
も可能性が高い４つの診断が、くるぶし捻挫ＩＩＩと、くるぶし捻挫ＩおよびＩ
Ｉと、アキレス裂断と、離断性骨軟骨炎とであったことを示す。

【図２１】 図２１は、本発明による編集データ画面の連続部分を示す。この編集画面は、
エキスパートが質問の形式（左列）とその質問に関連した１次偏りデータ（中央
列の値）とを変更し、および、診断従属性が特定の質問／診断関係対に関して存
在するかどうかというような他の変数を決定する（すなわち、右縦列の１つまた
は複数のボックスにチェックを付けることによって）ことが可能なインタフェー
スを提供する。

【図２２】 図２２は図２１と同様の図である。

【図２３】 図２３は図２１と同様の図である。

【図２４】 図２４は図２１と同様の図である。

【図２５】 図２５は、どのようにエキスパートが、本発明にしたがって、１つまたは複数
の特定の質問に関する１次偏りデータを変更し、その変更の直後に、選択可能な
診断のセットに関する可能性の順位付けを再評価することが可能であるかを示す
。

【図２６】 図２６は、診断を行う診療所および病院のような現場で実際のデータを評価し
試験するために使用される、本発明による「診断前質問票」の見本を示す。

【図２７】 図２７は、本発明による「データベース内の質問オブジェクト（Ｑｕｅｒｙ
Ｏｂｊｅｃｔ ｉｎ Ｄａｔａｂａｓｅ）」（「ＱＯＤ」）の形式を示す。この
図は、リレーショナルデータベース内に１次偏りデータ（Ｂ）と質問（Ｑ）と選
択肢すなわち診断（Ｄ）とを記憶するための方法を示す。新たなデータおよび見
解を組み込み、情報を関連付け、および、更新を可能にする柔軟性が、ＱＯＤア
プローチに表されている。質問は選択肢の間での単一の主要な試験を表し、意思
決定に必要な情報の関係付けにおける重要な役割を果たす。ここでは、質問と、
質問自体の格差と、１次偏りデータ（Ｂ）と、診断従属性（「ＡＤＭ」）と、パ
ーソナリティプロファイル質問（ｐｅｒｓｏｎａｌｉｔｙ ｐｒｏｆｉｌｅｄ
ｑｕｅｒｉｅｓ）と、特定の質問に対するエキスパートによって入力されたデフ
ォルト応答と、声と、ビデオと、キーワードと、他のタイプの関連情報とがＱＯ
Ｄ内に記憶される。

【図２８】 図２８は、ＣＧＩスクリプトのための静的ＥＬＩＣＩＴ^TMデータセットを示す
。

【図２９】 図２９は図２８と同様の図である。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ，ＴＲ)，ＯＡ(ＢＦ ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ， ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，Ｇ Ｍ，ＫＥ，ＬＳ，ＭＷ，ＭＺ，ＳＤ，ＳＬ，ＳＺ，ＴＺ ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ， ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＥ，ＡＧ，ＡＬ，ＡＭ， ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，Ｂ Ｚ，ＣＡ，ＣＨ，ＣＮ，ＣＲ，ＣＵ，ＣＺ，ＤＥ，ＤＫ ，ＤＭ，ＤＺ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＤ，ＧＥ， ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＮ，ＩＳ，Ｊ Ｐ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＡ，ＭＤ，ＭＧ，ＭＫ， ＭＮ，ＭＷ，ＭＸ，ＭＺ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，Ｒ Ｏ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ ，ＴＭ，ＴＲ，ＴＴ，ＴＺ，ＵＡ，ＵＧ，ＵＺ，ＶＮ， ＹＵ，ＺＡ，ＺＷ

Claims (23)

【特許請求の範囲】
1. 【請求項１】 人間の意思決定をエミュレートする方法であって、該方法が
   ： （ａ）それぞれが顕著な属性を有する複数の選択可能性から成る可能性集合を
   確立し； （ｂ）問合せから成る問合せ集合を確立し； （ｃ）前記可能性集合内の選択肢の知識を有するエキスパートによって提供さ
   れた一次バイアス値集合を使用して、前記可能性集合内のそれぞれの選択肢に前
   記問合せを関連させ、それぞれの一次バイアス値が特定の選択肢と連携して、前
   記可能性集合内の他の選択肢と対比した前記特定の選択肢に関連する、前記問合
   せの予測値の相対的度合いについてのエキスパートの概念を、前記顕著な属性に
   基づいて反映し； （ｄ）前記問合せに対する応答を取得し； （ｅ）前記問合せに対する応答および前記一次バイアス値集合に基づいて、対
   応する二次バイアス値集合を割り出し、それぞれの二次バイアス値が特定の選択
   肢と連携して、前記可能性集合内の他の選択肢と対比した前記特定の選択肢に関
   連する、前記問合せの予測値の相対的度合いについてのエキスパートの概念を反
   映し；さらに、 （ｆ）尤度に従ってランク付けされた選択肢集合から成る意思決定を提供する
   ために、前記二次バイアス値に基づいて前記可能性集合内の選択肢をランク付け
   する ことから成ることを特徴とする、人間の意思決定をエミュレートする方法。
2. 【請求項２】 前記二次バイアス値集合の割り出しが、前記問合せに対する
   応答に基づいて、対応する前記一次バイアス値を増大、減小または保存すること
   を伴う、請求項１に記載の方法。
3. 【請求項３】 前記問合せ集合が複数の問合せから成り、前記可能性集合内
   の選択肢をランク付けすることが、前記一次または二次バイアス値を合計し、平
   均することを伴う、請求項１に記載の方法。
4. 【請求項４】 対応する二次バイアス値の集合の割り出し、および前記可能
   性集合内の選択肢のランク付けが、前記一次または二次バイアス値のうちの１つ
   または複数の値を処理するために、ＥＬＩＣＩＴ（登録商標）「アルゴリズム４
   ２」のコア・アルゴリズムを使用することにより達成される、請求項１に記載の
   方法。
5. 【請求項５】 前記可能性集合が、選択的医療診断集合であり、前記エキス
   パートが医療エキスパートであり、さらに、前記二次バイアス値に基づく前記可
   能性集合内の選択肢のランク付けが、尤度に従ってランク付けされた、前記選択
   的医療診断集合から成る診断を提供する、請求項１に記載の方法。
6. 【請求項６】 プロセッサと、該プロセッサに接続された記憶デバイスとを
   有するコンピュータ上で、人間の意思決定をエミュレートする方法であって、該
   方法が： （ａ）前記コンピュータの前記記憶デバイスに記憶された１つまたは複数の電
   子データベース内に、複数の選択可能性から成る可能性集合と、問合せから成る
   問合せ集合と、選択肢の知識を有するエキスパートにより提供された一次バイア
   ス値集合とを構成し、それぞれの一次バイアス値が特定の選択肢と連携して、前
   記可能性集合内の他の選択肢と対比した前記特定の選択肢に関連する、前記問合
   せの予測値の相対的度合いについての前記エキスパートの概念を反映し； （ｂ）前記問合せに対するユーザの応答を前記コンピュータに入力し；さらに
   、 （ｃ）前記ユーザの応答を受信して処理するために前記プロセッサと共に動作
   可能な、前記記憶デバイスに記憶されたプログラムを使用して、前記一次バイア
   ス値集合の少なくとも一部に基づいて、相対尤度に従って前記選択可能性集合を
   ランク付けし、これにより、前記ランク付けされた選択肢集合から成る意思決定
   を提供する ことから成ることを特徴とする、人間の意思決定をエミュレートする方法。
7. 【請求項７】 前記選択可能性集合のランク付けが、前記問合せに対する応
   答および前記一次バイアス値集合に基づいて、対応する二次バイアス値の集合を
   割り出すために、前記電子データベースに問合せることから成り、それぞれの二
   次バイアス値が特定の選択肢と連携して、前記可能性集合内の他の選択肢と対比
   した前記特定の選択肢に関連する、前記問合せの予測値の相対的度合いについて
   のエキスパートの概念を反映する、請求項６記載の方法。
8. 【請求項８】 前記二次バイアス値集合の割り出しが、前記問合せの応答に
   基づいて、対応する前記一次バイアス値を増大、減小または保存することを伴う
   、請求項７に記載の方法。
9. 【請求項９】 前記問合せ集合が複数の問合せから成り、前記可能性集合内
   の選択肢をランク付けすることが、前記一次または二次バイアス値を合計し、平
   均することを伴う、請求項７に記載の方法。
10. 【請求項１０】 対応する二次バイアス値の集合の割り出し、および前記可
    能性集合内の選択肢のランク付けが、前記一次または二次バイアス値のうちの１
    つまたは複数の値を処理するために、ＥＬＩＣＩＴ（登録商標）「アルゴリズム
    ４２」のコア・アルゴリズムを使用することにより達成される、請求項７に記載
    の方法。
11. 【請求項１１】 前記可能性集合が、選択的医療診断集合であり、前記エキ
    スパートが医療エキスパートであり、さらに、前記一次バイアス値に基づく前記
    可能性集合内の選択肢のランク付けが、尤度に従ってランク付けされた、前記選
    択的医療診断集合から成る診断を提供する、請求項６に記載の方法。
12. 【請求項１２】 人間の意思決定のエミュレーションを容易にするコンピュ
    ータ装置であって、 （ａ）該装置が、プロセッサと該プロセッサに接続された記憶デバイスとから
    成るコンピュータを有しており； （ｂ）前記装置が、前記記憶デバイスに記憶された可能性集合データベースを
    有しており、該可能性集合データベースが、複数の選択可能性から成っており、 （ｃ）前記装置が、前記記憶デバイスに記憶された問合せ集合データベースを
    有しており、該問合せ集合データベースが問合せから成っており； （ｄ）前記装置が、前記記憶デバイスに記憶された一次バイアス値データセッ
    トを有しており、該一次バイアス値が、前記選択可能性の知識を有するエキスパ
    ートによって提供されており、それぞれの一次バイアス値が特定の選択肢と連携
    して、前記可能性集合内の他の選択肢と対比した前記特定の選択肢に関連する、
    前記問合せの予測値の相対的度合いについてのエキスパートの概念を反映してお
    り；さらに、 （ｅ）前記装置が、前記プロセッサを制御するために前記記憶デバイスに記憶
    されたプログラムを有しており、該プログラムが前記プロセッサと共に動作して
    、（ｉ）問合せに対するユーザの応答を受信し、（ｉｉ）前記問合せに対する応
    答および前記一次バイアス値集合に基づいて、対応する二次バイアス値集合を割
    り出し、それぞれの二次バイアス値がそれぞれ特定の選択肢と連携しており、前
    記可能性集合内の他の選択肢と対比した前記特定の選択肢に関連する、前記問合
    せの予測値の相対的度合いについてのエキスパートの概念を反映しており、(iii
    ）尤度に従ってランク付けされた選択肢集合から成る意思決定を提供するために
    、前記二次バイアス値に基づいて前記可能性集合内の選択肢をランク付けする、
    ようになっている ことを特徴とする、コンピュータ装置。
13. 【請求項１３】 前記装置がさらに、前記記憶デバイスに記憶されたユーザ
    ・データベースから成っており、前記プログラムが前記プロセッサと共に動作し
    て、前記ユーザ・データベース内のユーザ情報を記憶し、新しいユーザ情報が受
    信されるとユーザ情報を更新するようになっている、請求項１２に記載の装置。
14. 【請求項１４】 前記プログラムがさらに、ユーザ情報を追跡するように、
    前記プロセッサと共に動作可能である、請求項１２に記載の装置。
15. 【請求項１５】 広域ネットワークを介して人間の意思決定をエミュレート
    する方法であって、該方法が： （ａ）サーバの１つまたは複数の電子データベース内に、複数の選択可能性か
    ら成る可能性集合と、問合せから成る問合せ集合と、選択肢の知識を有するエキ
    スパートにより提供された一次バイアス値集合とを構成し、それぞれの一次バイ
    アス値が特定の選択肢と連携して、前記可能性集合内の他の選択肢と対比した前
    記特定の選択肢に関連する、前記問合せの予測値の相対的度合いについての前記
    エキスパートの概念を反映し； （ｂ）前記問合せに対するユーザの応答を、ユーザ・サブシステムを介してコ
    ンピュータに入力し； （ｃ）前記ユーザの応答を前記広域ネットワークを介して前記サーバに送信し
    ； （ｄ）前記ユーザの応答を受信して処理するために前記サーバのプロセッサと
    共に動作可能なプログラムを使用して、前記一次バイアス値集合の少なくとも一
    部に基づいて、相対尤度に従って前記選択可能性集合をランク付けし、；さらに
    、 （ｅ）前記ランク付けされた選択肢集合を、前記広域ネットワークを介して前
    記ユーザ・サブシステムに送信し、これにより、前記ランク付けされた選択肢集
    合から成る意思決定を提供する ことから成ることを特徴とする、広域ネットワークを介して人間の意思決定をエ
    ミュレートする方法。
16. 【請求項１６】 前記選択可能性集合のランク付けが、前記問合せに対する
    応答および前記一次バイアス値集合に基づいて、対応する二次バイアス値の集合
    を割り出すために、前記電子データベースに問合せることから成り、それぞれの
    二次バイアス値が特定の選択肢と連携して、前記可能性集合内の他の選択肢と対
    比した前記特定の選択肢に関連する、前記問合せの予測値の相対的度合いについ
    てのエキスパートの概念を反映する、請求項１５記載の方法。
17. 【請求項１７】 前記二次バイアス値集合の割り出しが、前記問合せに対す
    る応答に基づいて、対応する前記一次バイアス値を増大、減小または保存するこ
    とを伴う、請求項１６に記載の方法。
18. 【請求項１８】 前記問合せ集合が複数の問合せから成り、前記可能性集合
    内の選択肢をランク付けすることが、前記一次または二次バイアス値を合計し、
    平均することを伴う、請求項１６に記載の方法。
19. 【請求項１９】 対応する二次バイアス値の集合の割り出し、および前記可
    能性集合内の選択肢のランク付けが、前記一次または二次バイアス値のうちの１
    つまたは複数の値を処理するために、ＥＬＩＣＩＴ（登録商標）「アルゴリズム
    ４２」のコア・アルゴリズムを使用することにより達成される、請求項１６に記
    載の方法。
20. 【請求項２０】 前記可能性集合が、選択的医療診断集合であり、前記エキ
    スパートが医療エキスパートであり、さらに、前記一次バイアス値に基づく前記
    可能性集合内の選択肢のランク付けが、尤度に従ってランク付けされた、前記選
    択的医療診断集合から成る診断を提供する、請求項１５に記載の方法。
21. 【請求項２１】 人間の意思決定のエミュレーションを容易にするコンピュ
    ータネットワーク装置であって、 （ａ）該装置が、プロセッサと該プロセッサに接続された記憶デバイスとから
    成るサーバを有しており； （ｂ）前記装置が、前記記憶デバイスに記憶された可能性集合データベースを
    有しており、該可能性集合データベースが、複数の選択可能性から成っており、 （ｃ）前記装置が、前記記憶デバイスに記憶された問合せ集合データベースを
    有しており、該問合せ集合データベースが問合せから成っており； （ｄ）前記装置が、前記記憶デバイスに記憶された一次バイアス値データセッ
    トを有しており、該一次バイアス値が、前記選択可能性の知識を有するエキスパ
    ートによって提供されており、それぞれの一次バイアス値が特定の選択肢と連携
    して、前記可能性集合内の他の選択肢と対比した前記特定の選択肢に関連する、
    前記問合せの予測値の相対的度合いについてのエキスパートの概念を反映してお
    り；さらに、 （ｅ）前記装置が、前記プロセッサを制御するために前記記憶デバイスに記憶
    されたプログラムを有しており、該プログラムが前記プロセッサと共に動作して
    、（ｉ）問合せに対するユーザの応答を受信し、（ｉｉ）前記問合せに対する応
    答および前記一次バイアス値集合に基づいて、対応する二次バイアス値集合を割
    り出し、それぞれの二次バイアス値が特定の選択肢と連携しており、前記可能性
    集合内の他の選択肢と対比した前記特定の選択肢に関連する、前記問合せの予測
    値の相対的度合いについてのエキスパートの概念を反映しており、(iii）尤度に
    従ってランク付けされた選択肢集合から成る意思決定を提供するために、前記二
    次バイアス値に基づいて前記可能性集合内の選択肢をランク付けする、ようにな
    っている ことを特徴とする、コンピュータネットワーク装置。
22. 【請求項２２】 前記装置がさらに、前記記憶デバイスに記憶されたユーザ
    ・データベースから成っており、前記プログラムが前記プロセッサと共に動作し
    て、前記ユーザ・データベース内のユーザ情報を記憶し、新しいユーザ情報が受
    信されるとユーザ情報を更新するようになっている、請求項２１に記載の装置。
23. 【請求項２３】 前記プログラムがさらに、ユーザ情報を追跡するように、
    前記プロセッサと共に動作可能である、請求項１２に記載の装置。