阅读说明：本技术 过敏处方搜索系统和方法以及过敏处方搜索程序 (Allergy prescription search system and method, and allergy prescription search program ) 是由 岩田淳 于 2018-03-30 设计创作，主要内容包括：能够不经由专家而根据花粉症的患者的症状等自动搜索最适合的处方。其特征在于,具有如下步骤：输入步骤,输入实际的花粉症的症状；以及搜索步骤,参照存储于数据库(3)的花粉症的各症状与该各症状的处方之间的3个阶段以上的第1关联度,根据在输入步骤中输入的症状,搜索1个以上的处方,数据库(3)在新取得花粉症的各症状与该症状的处方的关系的情况下,通过使该关系反映在第1关联度中而进行更新。(The most suitable prescription can be automatically searched for from the symptoms of the patient with pollinosis or the like without going through a specialist. The method is characterized by comprising the following steps: an input step of inputting the actual symptoms of pollinosis; and a search step of searching for 1 or more prescriptions based on the symptoms input in the input step by referring to 1 st degree of association of 3 stages or more between each symptom of pollinosis and the prescription of each symptom stored in the database (3), wherein the database (3) is updated by reflecting the relationship between each symptom of pollinosis and the prescription of the symptom in the 1 st degree of association when the relationship is newly acquired.)

过敏处方搜索系统和方法以及过敏处方搜索程序

技术领域

本发明涉及在根据以花粉症等为代表的过敏患者的症状对最合适的处方进行搜索方面所适用的过敏处方搜索系统和方法以及过敏处方搜索程序。

背景技术

花粉症是日本特有的较为常见的过敏病，由于杉树等植物的花粉与鼻子或眼睛等的粘膜接触而引起。其中，杉树的花粉由20μm～40μm左右的n粒径构成，在该杉树的花粉附着于鼻子的粘膜的情况下，会引起打喷嚏、流鼻涕、鼻塞等症状。另外，在花粉进入眼睛的情况下，会引起眼部瘙痒等症状。因为这些花粉症的各症状，患者要长时间地忍受明显的不适，对日常生活和工作带来较多不良影响。

因此，以往开发出各种用于缓和花粉症的症状的药剂(例如，参照专利文献1、2。)。另外，还开发出各种用来避免吸入花粉的口罩(例如，参照专利文献3。)。

但是，所摄取的这些药剂的性质均不在于根本地治疗花粉症，只是临时缓和症状。因此，对患者来说，药剂所发挥的缓和效果每次都变弱，并且还不得不持续摄取。另外，口罩只是物理性地防止花粉的吸入，口罩也无关乎从根本上治疗花粉症。

通常，杉树的花粉的飞散量在3～4月较多，在该期间持续摄取用于缓和症状的药剂或者持续佩戴口罩会对患者带来较大负担。另外，即使花粉飞散的季节结束，也没有根本性治疗花粉症，因此在每年这个季节到来时，不得不持续摄取用于缓和症状的药剂，另外，不得不持续佩戴口罩。

据估计，花粉症的患者在日本国内存在近3000万人。这些患者的期望不是临时缓和花粉症或只是物理性地阻挡花粉，而在于根本性的治疗。为了对该花粉症进行根本性的治疗，不应依赖于药剂，通过以饮食、保健品、运动或睡眠等为代表的处方来逐渐改善体质或生活习惯是重要的。

另外，以往，进行了各种研究以尝试提供对于以糖尿病、癌症或高血压等为代表的各种疾病或秃顶的各种症状而言最适合的处方。另外，进行各种研究以尝试提供对于脸上的斑、粉刺、皮肤松弛以及皮肤粗糙这些会对相貌带来影响的各种症状而言最适合的处方。

针对这些各种症状的最适合的处方很大程度上受到以患者的饮食生活中的摄取物、患者的年龄、性别、遗传等为代表的属性信息的影响。因此，为了针对各患者提出最适合的处方，需要按照每个患者对摄取物或属性信息进行检测，在考虑了该检测出的摄取物和属性信息的关系性的基础上提供最适合的处方。

但是，该患者的摄取物和属性信息各自涉及很多方面，这些组合多达数百万种，数量庞大。因此，现状是，通过人工手动地搜索针对对于各个摄取物、属性信息以及它们的组合而言最适合的处方是极为困难的。

以往，公开有针对患者的属性信息来检查处方药的相互作用的医疗辅助系统。另外，提出有如下技术：使处方对症状的适合程度定量化并存储于计算机，根据输入的患者的症状和该适合程度提出对于患者最适合的处方(例如，参照专利文献4。)。

现有技术文献

专利文献

专利文献1：日本特开2014-172842号公报

专利文献2：日本特开2011-162544号公报

专利文献3：日本特开2006-055320号公报

专利文献4：日本特开2008-113807号公报

发明内容

发明要解决的课题

但是，为了改善像这样的体质和生活习惯，还是需要对照患者的症状和至今的生活习惯来选择最适合的处方。该最适合的处方的选择需要专业的知识，因此需要具有该知识的专家的建议。因此，存在如下问题点：在每次对照患者的症状选择最适合的处方时，为了得到专家的建议需要花费时间和成本。

另外，当然也考虑到专家的知识和技能存在差异，因此对于同一症状各专家所提出的处方相互不同的情况较多。专家之间的建议不同有时会导致患者产生迷惑，因此需要使对患者提出的处方均质化。从而存在如下问题点：由于在对于提出的这样的处方而实现了均质化时，在该改善对策中不具有有效果的对策，因此改善的速度和精度变低。

因此，本发明就是鉴于上述问题点而提出的，其目的在于，提供能够在不借助专家的情况下，根据以花粉症为代表的过敏的患者的症状等自动搜索最适合的处方的过敏处方搜索系统和方法以及过敏处方搜索程序。另外，本发明的目的在于提供处方搜索系统和方法以及处方搜索程序，其能够针对各症状，针对各摄取物以及各属性信息的组合提出最适合的处方，尤其是能够搜索对于秃顶的各种症状和对相貌带来影响的各种症状而言最适合的处方。

用于解决课题的手段

本发明的过敏处方搜索系统的特征在于，该过敏处方搜索系统具有：数据库，其预先存储有过敏的各症状与该过敏的各症状的处方之间的3个阶段以上的第1关联度；输入单元，其输入实际的过敏症状；以及搜索单元，其参照存储于所述数据库的第1关联度，根据通过所述输入单元而输入的所述症状搜索1个以上的处方；在所述数据库中预先存储有由所述搜索单元搜索到的以前实施过的处方以及实施了所述处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度，所述输入单元输入实施了以前实施过的处方的患者的实际的改善症状，所述搜索单元参照存储于所述数据库的第2关联度，根据以前实施过的处方和通过所述输入单元而输入的所述改善症状，搜索1个以上的新的处方。

本发明的过敏处方搜索系统的特征在于，该过敏处方搜索系统具有：数据库，其预先存储有以前实施过的处方以及实施了所述处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度；输入单元，其输入以前实际上实施过的处方和实施了该处方的患者的实际的改善症状；以及搜索单元，其参照存储于所述数据库的第2关联度，根据通过所述输入单元而输入的以前实施过的所述处方以及所述改善症状，搜索1个以上的新的处方。

本发明的过敏处方搜索方法的特征在于，该搜索方法具有如下步骤：输入步骤，输入实际的过敏症状；搜索步骤，参照存储于数据库的过敏的各症状与该过敏的各症状的处方之间的3个阶段以上的第1关联度，根据在所述输入步骤中输入的所述症状，搜索1个以上的处方；第2关联度取得步骤，取得在所述搜索步骤中搜索到的以前实施过的处方以及实施了所述处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度；改善症状输入步骤，输入实施了以前实施过的处方的患者的实际的改善症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据以前实施过的处方和通过所述改善症状输入步骤而输入的所述改善症状，搜索1个以上的新的处方，

通过计算机执行各所述步骤。

本发明的过敏处方搜索方法的特征在于，该过敏处方搜索方法具有如下步骤：第2关联度取得步骤，取得以前实施过的处方以及实施了所述处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度；改善症状输入步骤，输入以前实际上实施过的处方和实施了该处方的患者的实际的改善症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据通过所述改善症状输入步骤而输入的以前实施过的所述处方和所述改善症状，搜索1个以上的新的处方，通过计算机执行各所述步骤。

本发明的过敏处方搜索程序的特征在于，使计算机执行如下步骤：输入步骤，输入实际的过敏症状；搜索步骤，参照存储于数据库中的过敏的各症状与该过敏的各症状的处方之间的3个阶段以上的第1关联度，根据在所述输入步骤中输入的所述症状，搜索1个以上的处方；第2关联度取得步骤，取得在所述搜索步骤中搜索到的以前实施过的处方以及实施了所述处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度；改善症状输入步骤，输入实施了以前实施过的处方的患者的实际的改善症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据以前实施过的处方和通过所述改善症状输入步骤而输入的所述改善症状，搜索1个以上的新的处方。

本发明的过敏处方搜索程序的特征在于，使计算机执行如下步骤：第2关联度取得步骤，取得以前实施过的处方以及实施了所述处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度；改善症状输入步骤，输入以前实际上实施过的处方和实施了该处方的患者的实际的改善症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据通过所述改善症状输入步骤而输入的以前实施过的所述处方和所述改善症状，搜索1个以上的新的处方。

应用本发明的处方搜索系统的特征在于，该处方搜索系统具有：数据库，其预先存储有如下组合与该组合的处方之间的3个阶段以上的第1关联度，该组合由各症状与、各生活习惯和各属性信息中的任意的1个以上构成；输入单元，其输入构成所述组合的信息；以及搜索单元，其参照存储于所述数据库的第1关联度，根据通过所述输入单元而输入的所述信息，搜索1个以上的处方，在所述数据库中预先存储有，由所述搜索单元搜索到的以前实施过的处方以及实施了所述处方的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度，所述输入单元输入实施了以前实施过的处方的患者的实际的变化症状，所述搜索单元参照存储于所述数据库的第2关联度，根据以前实施过的处方和通过所述输入单元而输入的所述变化症状，搜索1个以上的新的处方。

应用本发明的处方搜索系统的特征在于，该处方搜索系统具有：数据库，其预先存储有以前的生活习惯以及从以前开始的各变化症状与新的处方之间的3个阶段以上的第2关联度；输入单元，其输入以前实际的生活习惯和实施了该生活习惯的患者的实际的变化症状；以及搜索单元，其参照存储于所述数据库的第2关联度，根据通过所述输入单元输入的以前的所述生活习惯和所述变化症状，搜索1个以上的新的处方。

应用本发明的处方搜索程序的特征在于，使计算机执行如下步骤：第1关联度取得步骤，预先取得如下组合与该组合的处方之间的3个阶段以上的第1关联度，该组合由各症状与、各生活习惯和各属性信息中的任意的1个以上构成；输入步骤，输入构成所述组合的信息；搜索步骤，参照通过所述第1关联度取得步骤而取得的第1关联度，根据在所述输入步骤中输入的所述信息，搜索1个以上的处方；第2关联度取得步骤，取得在所述搜索步骤中搜索到的以前实施过的处方以及实施了所述处方的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度；变化症状输入步骤，输入实施了以前实施过的处方的患者的实际的变化症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据以前实施过的处方和在所述变化症状输入步骤中输入的所述变化症状，搜索1个以上的新的处方。

应用本发明的处方搜索程序的特征在于，在计算机中执行如下步骤：第2关联度取得步骤，取得以前的生活习惯以及从以前开始的各变化症状与新的处方之间的3个阶段以上的第2关联度；变化症状输入步骤，输入以前实际的生活习惯和实施了该生活习惯的患者的实际的变化症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据通过所述变化症状输入步骤而输入的以前的所述生活习惯和所述变化症状，搜索1个以上的新的处方。

应用本发明的处方搜索方法的特征在于，该处方搜索方法具有如下步骤：第1关联度取得步骤，预先取得如下组合与该组合的处方之间的3个阶段以上的第1关联度，该组合由各症状与、各生活习惯和各属性信息中的任意的1个以上构成；输入步骤，输入构成所述组合的信息；搜索步骤，参照通过所述第1关联度取得步骤而取得的第1关联度，根据在所述输入步骤中输入的所述信息，搜索1个以上的处方；第2关联度取得步骤，取得实施了所述处方的患者的各变化症状以及在所述搜索步骤中搜索到的以前实施过的处方与新的处方之间的3个阶段以上的第2关联度；变化症状输入步骤，输入实施了以前实施过的处方的患者的实际的变化症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据以前实施过的处方和在所述变化症状输入步骤中输入的所述变化症状，搜索1个以上的新的处方，通过计算机执各所述步骤。

应用本发明的处方搜索方法的特征在于，该处方搜索方法具有如下步骤：第2关联度取得步骤，取得以前的生活习惯以及从以前开始的各变化症状与新的处方之间的3个阶段以上的第2关联度；变化症状输入步骤，输入以前实际的生活习惯和实施了该生活习惯的患者的实际的变化症状；以及新处方搜索步骤，参照在所述第2关联度取得步骤中取得的第2关联度，根据通过所述变化症状输入步骤而输入的以前的所述生活习惯和所述变化症状，搜索1个以上的新的处方，通过计算机执行各所述步骤。

发明效果

根据由上述结构构成的本发明，能够根据通过操作部而新取得的症状，参照第1关联度来判断处方。而且，根据本发明，能够不经由人工而自动地进行这些判断动作。由此，不需要花费由具有专业知识的工作人员根据新取得的症状进行解析的人工费和时间。

根据由上述结构构成的本发明，能够根据经由操作部而新取得的症状，参照第1关联度来判断处方。而且，根据本发明，能够不经由人工而自动地进行这些判断动作。由此，不需要花费由具有专业知识的工作人员根据新取得的症状进行解析的人工费和时间。

附图说明

图1是示出应用本发明的处方搜索系统1的整体结构的框图。

图2是构成应用本发明的处方搜索系统1的搜索装置2的框图。

图3是示出在各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子的图。

图4是示出针对与多个症状的组合使1个以上的处方经由第1关联度进行关联的例子的图。

图5示出针对症状与生活习惯的组合以及症状与性格的组合使1个以上的处方经由第1关联度进行关联的情况的图。

图6是示出针对症状、生活习惯以及性格的3种组合使1个以上的处方经由第1关联度进行关联的情况的图。

图7是示出以前实施过的处方以及实施了该处方的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度的图。

图8是示出在疾病(生活习惯病)的各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子的图。

图9是示出针对与疾病(生活习惯病)的多个症状的组合使1个以上的处方经由第1关联度进行关联的例子的图。

图10是示出与疾病(生活习惯病)有关的以前实施过的处方以及实施了该处方的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度的图。

图11是示出在秃顶的各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子的图。

图12是示出针对与秃顶的多个症状的组合使1个以上的处方经由第1关联度进行关联的例子的图。

图13是示出与秃顶对应的以前实施的处方以及实施了处方的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度的图。

图14是示出在与相貌有关的各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子的图。

图15是示出针对与相貌有关的多个症状的组合使1个以上的处方经由第1关联度进行关联的例子的图。

图16是示出与相貌有关的以前实施的处方以及实施了该处方的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度的图。

具体实施方式

以下，参照附图，对应用了本发明的过敏处方搜索系统进行详细说明。

第1实施方式

图1是示出应用本发明的处方搜索系统1的整体结构的框图。处方搜索系统1是在不借助专家的情况下，根据以花粉症等为代表的过敏的患者的症状等自动搜索最适合的处方。这里所谓的过敏不仅是花粉症，还包含对食物和环境等的所有的过敏，但在以下，以基于杉树等的花粉的过敏的花粉症为例进行说明。

处方搜索系统1具有数据库3和与该数据库3连接的搜索装置2。数据库3构筑了与应该提供给患者的处方有关的数据库。在该数据库3中积累有经由公共通信网络发送来的信息或由本系统的用户输入的信息。另外，数据库3根据来自搜索装置2的要求，将该积蓄的信息向搜索装置2发送。数据库3也可以由人工智能控制。该人工智能可以是基于任意公知的人工智能的技术的人工智能。

搜索装置2例如由以个人计算机(PC)等为代表的电子设备构成，但也可以由PC以外的移动电话、智能手机、平板型终端、可穿戴式终端等其他的所有的电子设备实现。

图2示出搜索装置2的具体的结构例。在该搜索装置2的内部总线21上分别连接有用于对搜索装置2的整体进行控制的控制部24、用于经由操作按钮或键盘等输入各种控制用的指令的操作部25、用于进行有线通信或无线通信的通信部26、搜索最适合的检测算法信息的搜索部27以及用来存储程序的存储部28，该程序用于进行应该执行的搜索，该存储部28以硬件等为代表。此外，在该内部总线21上连接有实际显示信息的作为监视器的显示部23。

控制部24是用于通过经由内部总线21发送控制信号来对安装于搜索装置2内的各构成要素进行控制的所谓的中央控制单元。另外，该控制部24根据经由操作部25进行的操作，通过内部总线21传递各种控制用的指令。

操作部25由键盘或触摸面板实现，由用户输入用于执行程序的执行命令。该操作部25在被用户输入所述执行命令的情况下，将该执行命令通知给控制部24。接受到该通知的控制部24从搜索部27开始，使各构成要素协作执行期望的处理动作。

另外，经由该操作部25还输入有实际上实施了处方的患者的症状、摄取物、生活习惯、患者的属性信息以及性格。在用户是患者自身的情况下，患者自己利用操作部25输入这些信息，如果是用户是对患者进行建议的顾问，则由顾问利用该操作部25输入从该患者处听到的信息。

搜索部27根据经由操作部25输入的信息搜索对于患者而言最适合的处方。该搜索部27在每次执行搜索动作时都读取存储于存储部28的各种信息来作为必要的信息。该搜索部27也可以由人工智能控制。该人工智能可以是基于任意公知的人工智能的技术的人工智能。

显示部23由根据控制部24的控制而制作出显示图像的图形控制器构成。该显示部23例如由液晶显示器(LCD)等实现。

存储部28在由硬件构成的情况下，根据控制部24的控制，对各地址写入规定的信息，并且根据需要读取该信息。另外，在该存储部28存储有用于执行本发明的程序。由控制部24读取该程序并执行。

接下来，对由上述结构构成的处方搜索系统1的动作进行说明。

首先，经由操作部25输入实际上实施了处方的患者的症状、摄取物、生活习惯、属性以及性格。向搜索部27、数据库3输送该输入的信息。

搜索部27根据从操作部25输送来的信息搜索对患者而言最适合的处方。在该搜索部27的搜索的过程中，参照存储于数据库3的信息。

在该数据库3中预先存储有各症状、各摄取物、各生活习惯、各属性信息以及患者的各性格与针对患者的处方之间的3个阶段以上的第1关联度。该第1关联度只要至少在各症状与针对患者的处方之间进行关联即可，在各摄取物、各生活习惯、各属性信息与患者的各性格之间并不是必须特意通过第1关联度进行关联。

图3示出在个各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子。各症状经由该第1关联度在左侧排列，各处方经由第1关联度在右侧排列。第1关联度示出在左侧排列的症状与哪一个处方的关联性较高以及高至什么程度。换言之，该关联度是示出各症状有可能与哪一个处方有关的可能性较高的指标，示出根据症状选择最适合的处方这一方面的可靠性。

症状是示出患者的花粉症的实际的症状的项目。作为该症状的项目的例子，列举有如下例子：“擤鼻涕的次数”(21次以上、10～20次、9次以下)、“眼睛的症状”(睁不开眼、稍微感觉痒、不痒)、“对注意力的影响”(大、中、小)、“鼻塞”(不能用鼻子呼吸、注意时是用嘴呼吸、基本上用鼻子呼吸有时用嘴呼吸)等。

摄取物包含患者能够摄取的全部，是食物、饮料、保健品、药剂等。

作为患者的属性信息，包含年龄、性别、职业、有无同居人等、包含双亲等在内是否有患花粉症的人或者医疗机构的体检结果等信息。

在表1中，整理示出这些症状的例子。但是，该症状不限定于该表1的例子，只要是与此类似的项目，也可以包含其他项目。

[表1]

处方由与用于改善花粉症的饮食和生活习惯有关的项目构成，这些项目是：“减少油的量”、“使用向日葵油”、“脂肪酸类保健品2g/日”、“泡澡十分钟以上”、“6小时以上的睡眠”、“排毒类保健品1g/日”、“使在外吃饭的次数为全部吃饭次数的25％以下”等。

在表2中，整理示出这些处方的例子。但是，该处方不限定于表2的例子，只要是与此类似的项目，也可以包含其他项目。

[表2]

对处方大体上进行分类，分类为饮食、保健品、补充水分、运动、泡澡、睡眠等，但不限定于此，只要是有助于改善花粉症的因素即可，可以包含任意项目。

例如，在“擤鼻涕的次数”为21次以上的情况下，示出了与“减少油的量”之间的第1关联度为60％，与“脂肪酸类保健品2g/日”之间的第1关联度为40％，与“使在外吃饭的次数为全部次数的25％以下”之间的第1关联度为80％。在“擤鼻涕的次数”为10～20次的情况下，示出了，与“使用向日葵油”之间的第1关联度为60％。在“擤鼻涕的次数”为9次以下的情况下，与“泡澡十分钟以上”之间的第1关联度为40％。

另外，如果“对注意力的影响”为大，则与“减少油的量”之间的第1关联度为50％，与“脂肪酸类保健品2g/日”之间的第1关联度为70％。如果“对注意力的影响”为中，则与“6小时以上的睡眠”之间的第1关联度为80％。如果“对注意力的影响”为小，则使“在外吃饭的次数为全部次数的25％以下”之间的第1关联度为60％。

另外，第1关联度可以由能够通过所谓的机器学习而更新的模型构成，也可以由神经网络构成。另外，该第1关联度也可以由以进行深度学习为前提的网络构成。

搜索部27以此方式参照存储于数据库3的第1关联度，判断通过操作部25而新输入的症状相当于在第1关联度的左侧排列的各症状中的哪一个症状。假如通过操作部25而新输入的症状是“眼睛的症状”中的“稍微感觉痒”，则能够搜索出作为第1关联度80％的“6小时以上的睡眠”是最适合的处方，能够搜索出作为第1关联度60％的“使在外吃饭的次数为全部次数的25％以下”是作为第二意见的处方。

搜索部27根据经由操作部25而新取得的症状，通过参照这些第1关联度，进行选择处方的作业。此时，搜索部27也可以选择第1关联度最高的处方。这是因为，像上述那样，第1关联度越高，该选择的可靠性越高。但是，搜索部27不限定于选择第1关联度最高的处方，也可以选择第1关联度为中等程度的处方或者甚至可以选择第1关联度较低的处方。另外，当然，除此以外，也可以选择在症状与处方之间没有被箭头连接的第1关联度为0％的处方。搜索部27不限定于选择一个该处方的情况，也可以在参照第1关联度的基础上进一步选择多个处方。利用显示部23显示由搜索部27搜索到的处方。

另外，当然，在该图3中举出的症状、处方的各项目是一个例子，针对上述的表1、表2所例示的其他的项目也同样地执行处理动作。

即，根据应用本发明的处方搜索系统1，能够根据通过操作部25而新取得的症状，通过参照上述的第1关联度来判断处方。而且，根据应用了本发明的处方搜索系统1，能够不经由人工而自动地进行这些判断动作。由此，免去了由具有专业知识的工作人员根据新取得的症状进行解析的人工费和时间。

另外，在应用本发明的处方搜索系统1中，其特征在于，经由设定为3个阶段以上的第1关联度进行处方的搜索这一点。第1关联度例如能够以0～100％的数值记述，但不限定于此，只要能够用3个阶段以上的数值进行记述即可，可以由任意阶段构成。

根据由这样的3个阶段以上的数值表示的第1关联度进行搜索，从而能够在选择多个处方的状况下，按照该关联度从高到低的顺序进行搜索并显示。如果能够像这样按照第1关联度从高到低的顺序向用户进行显示，则能够优先选择显示可能性更高的处方。另一方面，即使是第1关联度较低的处方，也能够以第二意见这样的意义显示通过该第二意见而确定的处方，从而能够在通过第一意见中显示的处方没有改善症状的情况等时，发挥其有用性。

除此之外，根据本发明，能够不遗漏第1关联度为1％那样的关联度极低的处方而进行判断。即使是第1关联度极低的处方，也关系到微小的征兆，能够提醒用户注意到存在如下情况：该处方可能在数十次、数百次中有一次可以作为有益处方而发挥作用。

此外，根据本发明，具有如下优点：通过根据这样的3个阶段以上的第1关联度进行搜索，能够通过设定阈值的方法来决定搜索方针。如果使阈值较低，即使是上述的第1关联度为1％的处方也能够无遗漏地进行搜索，但是，有时会搜索到大量正确的可能性较低的基于第1关联度的处方。另一方面，如果使阈值较高，能够仅锁定正确的可能性较高的处方，但是，有时会遗漏在数十次、数百次中有一次会示出恰当的解的处方。能够根据用户侧、系统侧的考虑方式来决定把重点放在哪里，从而能够提高选择将重点放在哪里的自由度。

此外，在本发明中，也可以更新上述的第1关联度。即，随时更新像图3所示的那样的症状和处方。该更新例如也可以反映经由以互联网为代表的公共通信网络而提供的信息。另外，也可以根据专家的研究数据、论文、学会发表、新闻报道或书籍等的内容，由系统侧或用户侧人为地或自动地进行更新。在这些更新处理中可以利用人工智能。

在该第1关联度的更新中，每当输入症状与针对该症状的处方之间的关系性的相关信息时，使第1关联度上升或下降。例如，在通过论文、学会发表、其他的实验的验证的研究数据等而新确认到某个处方对某个症状有效的的情况下，使该症状与处方之间的关联度上升。另外，在通过论文、学会发表、其他的实验的验证的研究数据等新确认到某个处方对某个症状是无效的的情况下，使该症状与处方之间的第1关联度下降。

通过使第1关联度像上述那样为3个阶段以上，能够自如应对这样的使第1关联度上升的情况或下降的情况。也可以通过上述的机器学习、深度学习进行该第1关联度自身的更新。

此外，也可以在发现至今为止还没出现过的新的症状的情况下，或者在发现至今为止还没出现过的新的处方的情况下，在它们之间设定新的第1关联度。而且，也可以像上述那样更新这些新的症状和处方的第1关联度。

另外，上述的第1关联度不限定于处方与单个症状相关联的情况。例如，也可以像图4所示那样，使1个以上的处方经由第1关联度与多个症状的组合相关联。

在图4的例子中，分别设置有节点P、节点Q以及节点R，该节点P是“擤鼻涕”21次以上与“眼睛的症状”为睁不开眼睛的情况的组合，该节点Q是“擤鼻涕”为9次以下与“对注意力的影响”为中的情况的组合，该节点R是“对注意力的影响”为大的情况与“鼻塞”为意识到时是用嘴呼吸的情况的组合。而且，对于该节点P，“减少油的量”的第1关联度为60％，“脂肪酸类保健品2g/日”的第1关联度为40％。对于节点Q，“使用向日葵油”的第1关联度为30％，“6小时以上的睡眠”的第1关联度为70％。对于节点R，“泡澡十分钟以上”的第1关联度为80％，“排毒类保健品1g/日”的第1关联度为50％。

预先取得这样的组合的第1关联度。接下来，搜索部27参照这样的第1关联度，判断通过操作部25而新输入的2个以上的症状相当于在第1关联度的左侧排列的各症状中的哪一个症状。假如通过操作部25而新输入的症状为“擤鼻涕次数”是21次以上并且“眼睛的症状”是睁不开眼睛的程度，则相当于节点P，因此选择与该节点P之间的第1关联度为60％的“减少油的量”、或第1关联度为40％的“脂肪酸类保健品2g/日”等。

在图5的例子中，示出针对症状与摄取物的组合以及症状与患者的属性信息的组合使1个以上的处方经由第1关联度与它们进行关联的情况。

分别设置有，节点S和节点T，该节点S是“眼睛的症状”是稍微感觉痒与“摄取物”项目中的“饮食的油的量”较多的情况的组合，该节点T是“擤鼻涕”21次以上与患者的属性信息为“亲属中没有花粉症患者”的情况的组合。而且，对于该节点S，在各处方中，“减少油的量”的第1关联度为70％，“6小时以上的睡眠”的第1关联度为50％，“使用向日葵油”的第1关联度为30％。另外，对于节点T，在各处方中，“脂肪酸类保健品2g/日”的第1关联度为60％，“使在外吃饭的次数为全部次数的25％以下”的第1关联度为40％。

预先取得这样的组合的第1关联度。接下来，搜索部27参照这样的第1关联度判断通过操作部25而新输入的症状与摄取物之间的组合、以及症状与属性信息的组合相当于在第1关联度的左侧排列的各项目中的哪个项目。假如经由操作部25而新输入的症状为“眼睛的症状”是稍微感觉痒并且“摄取物”项目中的“饮食的油的量”较多，则相当于节点S，选择通过第1关联度与该节点S相关联的各项目。同样，如果通过操作部25而新输入的症状为“擤鼻涕次数”为21次以上并且患者的属性信息为“亲属没有花粉症”，则相当于节点T，选择通过第1关联度与该节点T相关联的各项目。

因此，除了症状之外，还能够通过根据摄取物和属性信息预先规定第1关联度，而进行更高精度的搜索。

另外，当然，在该图5中列举出的症状、摄取物、属性信息、处方的各项目是一个例子，针对上述的表1、表2所例示的其他的项目也以同样方式执行处理动作。

在上述的图5所示的组合的第1关联度中，也可以是，1个症状与2个以上的摄取物的组合、2个以上的症状与1个摄取物的组合以及2个以上的症状与2个以上的摄取物的组合被关联。同样地，在上述的第1关联度中，也可以是，1个症状与2个以上的属性信息的组合、2个以上的症状与1个属性信息的组合以及2个以上的症状与2以上的属性信息的组合被关联。

另外，从提高通过操作部25输入症状、摄取物、属性信息的便利性的观点出发，也可以采用如下方式：在显示部23显示各种询问，用户按照询问的内容对操作部25进行操作来进行回答，从而能够自然地输入这些信息。

在图6的例子中，示出针对症状、摄取物以及属性信息这3种组合，使1个以上的处方经由第1关联度进行关联的情况。

设置有节点U，该节点U是“擤鼻涕次数”为21次以上、“摄取物”项目中的“饮食的油的量”为较多的情况且属性信息为“亲属没有花粉症患者”的组合。而且，对于该节点U，在各处方中，“减少油的量”的第1关联度为60％，“脂肪酸类保健品2g/日”的第1关联度为80％、“6小时以上的睡眠”的第1关联度为30％、“排毒类保健品1g/日”的关联度为50％。

预先取得这样的组合的第1关联度。接下来，搜索部27参照这样的第1关联度，判断通过操作部25而新输入的症状、摄取物以及属性信息的组合相当于在第1关联度的左侧排列的各项目中的哪个项目。假如通过操作部25而新输入的症状为，“擤鼻涕的次数”是21次以上、“摄取物”项目中的“饮食的油的量”为较多并且属性信息为“亲属没有花粉症患者”，则相当于节点U，选择通过第1关联度与该节点U相关联的各项目。因此，除了症状之外，还根据摄取物、属性信息预先规定了第1关联度，从而能够进行更高精度的搜索。

另外，当然，在该图6中列举出的症状、摄取物、属性信息、处方的各项目是一个例子，针对上述的表1、表2所例示的其他项目也以同样方式执行处理动作。

在上述的图6所示的组合的第1关联度中，只要是1个以上的症状、1个以上的摄取物以及1个以上的属性信息的组合即可，可以是任意的组合。另外，图5、6所示的各第1关联度可以以同样方式更新。

另外，在本发明中，作为在该第1关联度的左侧排列的项目，除了症状、摄取物、属性信息以外，也可以追加外部信息、患者的个人信息以及性格。

外部信息包含例如现在的居住地的花粉飞散量的数据、天气、气温等环境的相关信息。

另外，生活习惯包含运动、泡澡、睡眠、外出的状况、居住地等信息。

在以下的表3中，示出该生活习惯、外部信息以及患者的性格的例子。但是，这些生活习惯、外部信息以及患者的性格不限定于该表3的情况，还可以包含其他任意的生活习惯、外部信息以及患者的性格。

[表3]

通过使这样的生活习惯、外部信息、患者的性格以及症状的组合与处方的关系通过第1关联度进行关联，通过参照这些第1关联度，能够进行考虑了生活习惯、外部信息以及患者的性格的更高精度的搜索。此时，当然，除了生活习惯、外部信息以及患者的性格中的任意1个以上与症状的组合之外，第1关联度还可以包含上述的摄取物和/或属性信息的组合与处方之间的关系。

第2实施方式

对应用本发明的第2实施方式的处方搜索系统1进行说明。在该第2实施方式中，对与上述第1实施方式相同的构成要素、部件标注相同的标号，并省略以下的说明。

在该第2实施方式中，参照数据库3，该数据库3预先存储有以前实施过的处方和实施了该处方后的患者的各改善症状与新的处方之间的3个阶段以上的第2关联度。

这里所说的以前实施过的处方与是否是通过应用本发明的处方搜索系统1搜索而得到的处方无关，包含患者以前所实施过的所有处方。虽然关于以前所实施过的处方考虑了表2所示的例子等，但不限定于此，只要是与用于改善花粉症的饮食或生活习惯有关的处方即可，可以包含其他的任意项目。作为该以前实施过的处方，除上述以外还包含处方药的药名、脱敏治疗的期间、摄取的保健品的名称以及摄取频率等。

另外，虽然实施了该处方的患者的改善症状也与作为项目的内容例而在表1中示出的症状的例子相同，但不限定于此，只要示出花粉症的症状即可，可以包含其他任意的项目。

虽然关于新的处方考虑有表2所示的例子等，但不限定于此，只要是与用于改善花粉症的饮食或生活习惯有关的处方即可，可以包含其他任意项目。

接下来，对第2实施方式的处方搜索系统1的动作进行说明。首先，通过操作部25输入以前实施过的处方和实施了该处方的患者的各改善症状。将该输入的信息发送到搜索部27和数据库3。

搜索部27根据从操作部25发送来的信息，搜索针对患者的新的处方。

在该搜索部27的搜索的过程中，参照存储于数据库3的信息。

在该数据库3中预先存储有上述的第2关联度。第2关联度表示针对在左侧排列的以前实施过的各处方和各改善症状的组合，哪一个新的处方的关联性较高以及高至何种程度。换言之，该第2关联度是示出以前实施过的各处方和各改善症状的组合与哪一个新处方相关的可能性较高的指标，示出根据症状选择最适合的处方的可靠性。

图7示出该第2关联度的例子。以前实施过的各处方和各改善症状经由该第2关联度在左侧排列，新的各处方经由第2关联度在右侧排列。

在图7的例子中，分别设置节点V和节点W，该节点V是作为以前实施过的处方的“减少油的量”和“使在外吃饭的次数为全部次数的25％以下”与作为改善症状的每单位时间“打喷嚏的次数”为21次以上的组合，该节点W是作为实施过的处方的“泡澡十分钟以上”和“使在外吃饭的次数为全部次数的25％以下”与作为改善症状的每单位时间“打喷嚏的次数”为10～20次和“口罩的必要性”项目中的“稍微不适但能够外出的情况”的组合。而且，该节点V与作为新的处方的“使用向日葵油”之间的第2关联度为70％，与“6小时以上的睡眠”之间的第2关联度为40％。另外，节点W与作为新的处方的“脂肪酸类保健品2g/日”之间的第2关联度为80％，与“排毒类保健品1g/日”之间的第2关联度为30％。

预先取得这样的组合的第2关联度。接下来，搜索部27参照这样的第2关联度，判断通过操作部25而新输入的以前实施过的处方和实施了该处方的患者的各改善症状相当于在第2关联度的左侧排列的各项目中的哪个项目。假如通过操作部25而输入的以前实施过的处方是“泡澡十分钟以上”和“使在外吃饭的次数为全部次数的25％以下”，改善症状是“打喷嚏的次数”为10～20次，“口罩的必要性”为稍微不适但能够外出，则在该情况下，相当于节点W。在该情况下，作为参照了节点W的第2关联度的新的处方，选择“脂肪酸类保健品2g/日”和“排毒类保健品1g/日”等。

这样，在第2实施方式中，能够根据以前实施过的处方和实施了该处方后的患者的各改善症状自动搜索新的处方。因此，通过在第1实施方式之后连续实施该第2实施方式，能够继续观察患者的花粉症的症状，并据此选择最适合的处方。即使以前实施的处方是效果较好的处方，在之后的患者的症状改善的情况下，能够接着提出切换为比之前的效果弱的处方等合时宜的最佳的处方。

此外，该第2关联度也可以同样地进行更新。即，随时更新像图7所示的那样的以前所实施过的处方、各改善症状以及新的处方。该更新例如也可以反映经由以互联网为代表的公共通信网络提供的信息。另外，也可以根据专家的研究数据、论文、学会发表、新闻报道或书籍等的内容，使系统侧或用户侧人为地或自动地进行更新。在这些更新处理中可以利用人工智能。

另外，当然，该第2关联度除了这些以前实施过的处方和各改善症状以外，也可以与上述的摄取物、属性信息、生活习惯、性格、外部信息中的任意1个以上组合而与处方进行关联。

第3实施方式

对应用本发明的第3实施方式的处方搜索系统1进行说明。在该第3实施方式中，对于上述的第1、2实施方式相同的构成要素、部件标注相同的标号，并省略以下的说明。

疾病的处方搜索

图8示出在疾病的各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子。各症状经由该第1关联度在左侧排列，各处方经由第1关联度在右侧排列。第1关联度示出对于在左侧排列的症状而言，哪一个处方的关联性较高并高至何种程度。换言之，该关联度是示出各症状与哪一个处方相关的可能性较高的指标，示出在根据症状选择最适合的处方这方面的可靠性。

除此之外，该第1关联度将各症状、摄取物以及属性信息的组合与1以上的处方进行关联。

症状是疾病的各种症状，例如包含血糖值、血红蛋白A1c的量等的直接的症状、体检中的除此以外的各种检查值以及体内矿物质量等间接症状。这些症状包含各种医疗数据所表示的指标以及医生、患者、评价者等所感受到的作为感官评分的结果(包含VAS评价)等。

生活习惯包含与患者的生活有关的所有事项。例如如果该生活习惯是关于饮食生活的事项，则包含在该饮食时摄取的摄取物、饮食的量以及饮食的时间等。这里所说的摄取物包含患者能够摄取的所有物品，是食物、饮料、保健品以及药剂等。另外，如果生活习惯与睡眠有关，则包含睡眠时间、起床时刻以及就寝时刻等。另外，如果生活习惯与运动有关，则包含运动时间和运动的项目等。另外，生活习惯还包含睡眠、泡澡以及工作等。另外，生活习惯是还包含生活上的所有的内部环境和所有的外部环境这样的所谓生活环境的概念。

作为患者的属性信息，包含如下信息：年龄、性别、职业、有无同居人等、双亲等中是否有患有同种症状的人或者医疗机构的体检结果等信息。

处方包含摄取的是哪种营养素、是怎样的生活习惯以及应该摄取哪种药剂这样的用于缓和症状的所有处方。另外，处方包含医疗手术。在处方中，也可以提示应该实施的处方的时间表和治疗计划。

疾病例如包含生活习惯病(高血压、糖尿病、脂质异常症等)或除此以外的所有疾病。该疾病也可以是不包含花粉症的疾病。该疾病还包含过敏性的症状。在以下的例子中，作为该疾病，以生活习惯病为例进行说明。

在图8的例子中，分别设置节点R、节点S以及节点T，该节点R是生活习惯病的症状这一项目中的在喝下75g的葡萄糖2小时后血糖值小于200(mg/dl)、生活习惯(摄取物)这一项目中的绿色蔬菜的摄取量小于60g以及属性项目中的年龄是30～40岁的组合，该节点S是症状项目中的血红蛋白是6.5％以上与生活习惯(摄取物)项目中的绿色蔬菜的摄取量为120g以上的组合，该节点T是症状项目中的空腹时血糖值小于126(mg/dl)与年龄为50代以上的组合。而且，该节点R与“在规定的时间花费时间进行饮食”之间的第1关联度为70％，与“避免甜食和过油的饮食”之间的第1关联度为20％。另外，节点S与“摄取120g以上绿色蔬菜”之间的第1关联度为70％，与“在规定的时间花费时间进行饮食”之间的第1关联度为50％，与“避免甜食和过油的饮食”之间的第1关联度为30％。节点T与“摄取包含膳食纤维的食品”之间的第1关联度为60％，与“每天进行3分钟以上的运动”之间的第1关联度为40％。

预先取得这样的组合的第1关联度。接下来搜索部27参照这样的第1关联度，判断通过操作部25而新输入的症状、生活习惯、属性信息相当于第1关联度的左侧的哪一个。假如通过操作部25而新输入的症状为喝下75g的葡萄糖2小时后的血糖值小于200(mg/dl)，摄取物项目是绿色蔬菜的摄取量小于60g，属性项目是年龄是30～40岁，在该情况下，相当于节点R，因此选择与该节点R之间的第1关联度为70％的“在规定的时间花费时间进行饮食”和第1关联度为20％的“避免甜食和过油的饮食”等。同样，在经由操作部25而新输入的症状项目为血红蛋白是6.5％以上，摄取物项目是摄取120g以上的绿色蔬菜的情况下，相当于节点S，因此选择与该节点S之间的第1关联度为70％的“摄取120g以上的绿色蔬菜”、第1关联度为50％的“在规定的时间花费时间进行饮食”以及第1关联度为30％的“避免甜食和过油的饮食”等。

另外，第1关联度可以由能够通过所谓的机器学习而更新的模型构成，也可以由神经网络构成。另外，该第1关联度也可以由以进行深度学习为前提的网络构成。

搜索部27参照以此方式存储于数据库3的第1关联度，判断经由操作部25而新输入的症状、生活习惯、属性信息相当于在第1关联度的左侧排列的各症状、生活习惯、属性信息中的哪一个。

搜索部27根据经由操作部25而新取得的症状、生活习惯、属性信息，参照这些第1关联度，从而进行选择处方的作业。此时，搜索部27可以选择第1关联度最高的处方。如上所述，第1关联度越高，该选择的可靠性越高。但是，搜索部27不限定于选择第1关联度最高的处方，也可以选择第1关联度为中等程度的处方，或者甚至可以选择第1关联度较低的处方。另外，当然，除此以外，也可以选择在症状、生活习惯以及属性信息与处方之间没有被箭头连接的第1关联度为0％的处方。搜索部27不限定于选择一个该处方，可以在参照第1关联度的基础上特意选择多个处方。经由显示部23显示由搜索部27搜索到的处方。

另外，当然，在该图8中列举出的症状、生活习惯、属性信息、处方的各项目是一个例子，只要是相当于症状、生活习惯、属性信息、处方的项目即可，可以执行上述的处理动作。

即，根据应用本发明的处方搜索系统1，能够根据通过操作部25而新取得的症状，通过参照上述的第1关联度来判断处方。而且，根据应用了本发明的处方搜索系统1，能够不经由人工而自动进行这些判断动作。由此，由此，不需要花费由具有专业知识的工作人员根据新取得的症状进行解析的人工费和时间。

另外，在应用了本发明的处方搜索系统1中，其特征在于经由设定为3个阶段以上的第1关联度进行处方的搜索这一方面。第1关联度例如能够以0～100％的数值记述，但不限定于此，只要能够以3个阶段以上的数值进行记述即可，可以由任意数量的阶段构成。

根据由这样的3个阶段以上的数值表示的第1关联度进行搜索，从而能够在选择多个处方的状况下，按照该关联度从高到低的顺序进行搜索并显示。只要像这样按照第1关联度从高到低的顺序向用户进行显示，则能够更优先选择显示可能性较高的处方。另一方面，即使是第1关联度较低的处方，也能够以第二意见的意义显示通过该第二意见而确定的处方，从而能够在第一意见中所显示的处方没有改善症状的情况等时，发挥其有用性。

除此之外，根据本发明，能够在不遗漏第1关联度为1％那样的关联度极低的处方的情况下进行判断。即使是第1关联度极低的处方，也关系到微小的征兆，能够提醒用户注意在数十次、数百次中有一次可以作为有益处方而起到作用的情况。

此外，根据本发明，具有如下优点：通过根据这样的3个阶段以上的第1关联度进行搜索，能够通过设定阈值的方法决定搜索方针。如果使阈值较低，即使是上述的第1关联度为1％的处方也无遗漏地进行搜索，但是，有时会搜索到大量的正确可能性较低的基于第1关联度的处方。另一方面，如果使阈值较高，仅能够锁定正确的可能性较高的处方，但是，有时会遗漏在数十次、数百次中有一次示出恰当的解的处方。能够根据用户侧、系统侧的考虑方法来决定把重点放在哪里，从而能够提高选择将重点放在哪里这一点的自由度。

此外，在本发明中，也可以更新上述的第1关联度。即，随时更新图8所示的那样的症状和处方。该更新例如也可以反映经由以互联网为代表的公共通信网络提供的信息。另外，也可以根据专家的研究数据、论文、学会发表、新闻报道或书籍等的内容，使系统侧或用户侧人为地或自动地进行更新。在这些更新处理中可以利用人工智能。

在该第1关联度的更新中，每当输入症状与针对该症状的处方的关系性的相关信息时，使第1关联度上升或下降。例如，在通过论文、学会发表、基于其他的实验的验证的研究数据等新确认到某个处方对于某个症状是有效的的情况下，使该症状与处方的关联度上升。另外，在通过论文、学会发表、基于其他的实验的验证的研究数据等新确认到某个处方对于某个症状无效的的情况下，使该症状与处方的第1关联度下降。

像上述那样，通过将第1关联度设为3个阶段以上，能够自如应对像这样的想要使第1关联度上升的情况或下降的情况。也可以通过上述的机器学习、深度学习进行该第1关联度自身的更新。

此外，也可以为，在发现至今为止还没出现的新的症状的情况下，或者在发现至今为止还没出现的新的处方的情况下，在它们之间设定新的第1关联度。而且，也可以像上述那样对这些新的症状或处方的第1关联度进行更新。

另外，第1关联度不限定于上述的实施方式。在图9的例子中，针对与多个症状的组合对应的节点U而定义第1关联度。即，该节点U与空腹时血糖值、喝下75g葡萄糖2小时后的血糖值、随时血糖值、血红蛋白中的2个以上相连。该节点U还与生活习惯(摄取物)和属性相连。使针对该节点U的新的处方分别通过第1关联度进行关联。

即，除症状以外，也可以使2个以上的生活习惯(摄取物)的组合或2个以上的属性信息的组合与节点相关联。

另外，根据本发明，也可以参照数据库3，该数据库3预先存储有以前实施过的处方以及实施该处方后的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度。该第2关联度例如由神经网络等构成。

这里所说的以前实施过的处方与是否是通过应用本发明的处方搜索系统1而搜索到的处方无关，其包含以前对患者实施的所有处方。以前实施过的处方只要是与用于改善症状的饮食或生活习惯有关的处方即可，可以包含其他的项目。作为该以前实施过的处方，还包含处方药的药名、手术、摄取的保健品的名称、摄取频率以及改善后的生活方式等。

这里所说的变化症状表示通过实施处方而变化后的症状。该变化症状除了与处方实施前相比而改善的症状以外，还包含恶化的症状或与以前相比没有任何变化的症状。

通过这样的操作部25输入以前实施过的处方和实施该处方后的患者的各变化症状。将该输入的信息向搜索部27、数据库3输送。

搜索部27根据从操作部25发送来的信息，针对患者搜索新的处方。在该搜索部27的搜索的过程中，参照存储于数据库3的信息。

在该数据库3中预先存储有上述的第2关联度。第2关联度示出对于在左侧排列的以前实施过的各处方和各变化症状的组合而言，哪一个新的处方的关联性较高并高至何种程度。换言之，该第2关联度是示出以前实施过的各处方和各变化症状的组合与哪一个新的处方相关的可能性较高的指标，示出根据症状选择最适合的处方的可靠性。

图10示出该第2关联度的例子。以前实施过的各处方和各变化症状经由该第2关联度在左侧排列，新的各处方经由第2关联度在右侧排列。

在图10的例子中，分别设置节点V和节点W，该节点V为以前实施过的处方是“避免甜食和过油的饮食”、“每天进行3分钟以上的运动”并且变化症状是空腹时血糖值为126(mg/dl)以上，该节点W为以前实施过的处方是“一口咀嚼30次”、“每天进行3分钟以上的运动”并且变化症状是空腹时血糖值小于126(mg/dl)、血红蛋白为6.5％以上。而且，该节点V与作为新的处方的“摄取120g以上的绿色蔬菜”之间的第2关联度为70％，与“在规定的时间花费时间进行饮食”之间的第2关联度为40％。另外，节点W与作为新的处方的“摄取包含膳食纤维的食品”之间的第2关联度为80％、与“每天进行3分钟以上的运动”之间的第2关联度为30％。

预先取得这样的组合的第2关联度。接下来，搜索部27参照这样的第2关联度，判断通过操作部25而新输入的以前实施过的处方和实施该处方后的患者的各变化症状相当于在第2关联度的左侧排列的各项目中的哪个项目。假如通过操作部25而输入的以前实施过的处方是“一口咀嚼30次”、“每天进行3分钟以上的运动”，变化症状是空腹时血糖值小于126(mg/dl)、血红蛋白为6.5％以上，则该情况相当于节点W。在该情况下，在参照节点W的第2关联度的基础上，选择“摄取包含膳食纤维的食品”、“每天进行3分钟以上的运动”等来作为新的处方。

这样，能够根据以前实施过的处方和实施了该处方的患者的各变化症状自动搜索新的处方。因此，能够继续观察患者的症状，并据此选择最适合的处方。即使以前实施过的处方是效果较好的处方，在之后的患者的症状改善的情况下，能够继续提出切换为比以前效果弱的处方等合时宜的最佳的处方。

此外，对于该第2关联度，也可以同样地进行更新。即，随时更新图10所示的那样的以前实施过的处方和各变化症状以及新的处方。该更新例如也可以反映经由以互联网为代表的公共通信网络提供的信息。另外，也可以根据专家的研究数据、论文、学会发表、新闻报道或书籍等的内容，使系统侧或用户侧人为地或自动地进行更新。在这些更新处理中可以利用人工智能。

另外，当然，该第2关联度除了这些以前实施过的处方和各改善症状以外，也可以组合上述的摄取物、属性信息、生活习惯、性格、外部信息中的任意1个以上而进行与处方的关联。

此外，该第2关联度的处理动作不限定于根据上述的第1关联度的处理动作进行搜索并输入之前实施过的处方和基于该处方而变化的症状，也可以输入无关的以前实施过的处方。在该情况下，也可以为，与以前的处方相比进一步扩大范围，还参照以前的生活习惯。以前的生活习惯可以由至今为止的生活习惯的历史信息构成，也可以是在以前的某个时间点断续地检测到的生活习惯。与变化症状相同，可以由至今为止的症状的变化历史构成，也可以是在以前的某个时间点断续地检测到的症状。

毛发生长的处方搜索

图11示出在毛发生长的各症状与针对患者的处方之间预先定义有3个阶段以上的第1关联度的例子。各症状经由该第1关联度在左侧排列，各处方经由第1关联度在右侧排列。第1关联度示出对应于在左侧排列的症状，哪一个处方的关联性较高并高至何种程度。

此外，该第1关联度针对各症状、生活习惯和属性信息的组合，关联1个以上的处方。

症状是秃顶的各种症状，例如包含脱发范围、发根症状、掉发的根数等直接症状和头皮状态、体内矿物质量等间接症状。这些症状包括在各种医疗数据中示出的指标、还包括医生、患者、评价者等感觉到的作为感官评分的结果(包含VAS评价)等。

生活习惯包含患者在生活中的所有相关事项。例如如果该生活习惯是关于饮食生活的事项，则包含在该饮食时摄取的摄取物和饮食的量以及饮食的时间等。这里所说的摄取物包含患者能够摄取的全部，包含食物、饮料、保健品、药剂等。另外，生活习惯如果是关于睡眠的事项，则包含睡眠时间、起床时刻、就寝时刻等。另外，生活习惯如果是关于运动的事项，则包含运动时间或运动的项目等。另外，生活习惯如果是头发的护理，则包含洗发水或生发油等对头发和头皮的措施、紫外线防止对策、按摩等。

患者的属性信息还包含年龄、性别、职业、有无同居人等、双亲中是否有患有同种症状的人或者医疗机构的体检结果等信息。

处方包含摄取哪种营养素、采用哪种生活习惯以及应该摄取哪种药剂这样的用于缓和症状的所有处方。另外，处方还包含医疗手术。在处方中也可以提示应该实施的处方的时间表和治疗计划。

在图11的例子中，分别设置有节点R、节点S以及节点T，该节点R是秃顶症状中的发根症状为男性型脱发、生活习惯(摄取物)项目中的蛋白质的量较少的情况以及属性信息中的秃顶遗传项目为在亲属中存在秃顶者的情况的组合，该节点S是症状项目中的发根症状为脂溢性脱发与生活习惯(摄取物)项目中的蛋白质的量较多的情况的组合，该节点T是症状项目中的脱发范围为汉密尔顿分类YYY与属性信息中的秃顶遗传为在亲属中不存在秃顶者的情况的组合。而且，该节点R与“增加红肉类的摄取量”之间的第1关联度为70％，与“选择性清洗洗发露3分钟/日搓洗”之间的第1关联度为20％。另外，节点S与“细胞因子组合导入0.1mg/次”之间的第1关联度为70％，与“氨基酸营养类保健品2g/日”之间的第1关联度为50％，与“选择性清洗洗发露3分钟/日搓洗”之间的第1关联度为30％。节点T与“乙醇类生发油2分钟/日”之间的第1关联度为60％、与“增加红肉类的摄取量”之间的第1关联度为40％。

预先取得这样的组合的第1关联度。接下来，搜索部27参照这样的第1关联度，判断通过操作部25而新输入的症状、生活习惯、属性信息相当于第1关联度的左侧的哪一个。假如通过操作部25而新输入的症状为，秃顶症状项目中的发根症状为男性型脱发，生活习惯(摄取物)项目中的蛋白质的量较少，属性信息项目中的秃顶遗传为在亲属中存在秃顶者，则在该情况下相当于节点R，因此选择与该节点R之间的第1关联度为70％的“增加红肉类的摄取量”和第1关联度为20％的“选择性清洗洗发露3分钟/日搓洗”等。

另外，当然，在该图11中列举出的症状、生活习惯、属性信息、处方的各项目是一个例子，只要是相当于症状、生活习惯、属性信息、处方的项目，则也可以执行上述的处理动作。

另外，第1关联度不限定于上述的实施方式。在图12的例子中，针对与多个症状的组合对应的节点U定义第1关联度。即，该节点U与如下事项相连：脱发范围为汉密尔顿分级XXX型、发根症状为头皮屑性脱发、生活习惯(摄取物)项目中的蛋白质的量较多以及属性信息项目中的秃顶遗传是在亲属中不存在秃顶者。即，2个以上的症状与节点U相连。

此外，除症状以外，还可以使2个以上的生活习惯(摄取物)的组合和2个以上的属性信息的组合与节点U相关联。

另外，根据本发明，可以参照数据库3，该数据库3预先存储有以前实施过的处方和实施该处方后的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度。

另外，在本实施方式中，不限定于所谓的生活习惯病，在搜索针对所有疾病的处方的情况下都能够以同样方式进行。

图13示出该第2关联度的例子。以前实施过的各处方和各变化症状经由该第2关联度在左侧排列，新的各处方经由第2关联度在右侧排列。

在图13的例子中，分别设置节点V和节点W，该节点V分别与作为以前实施过的处方的“细胞因子组合导入0.1mg/次”、“增加红肉类的摄取量”以及作为变化症状的脱发范围为“汉密尔顿分级XXX型”连接，该节点W分别与作为以前实施过的处方的“选择性清洗洗发露3分钟/日搓洗”、“增加红肉类的摄取量”以及作为变化症状的发根症状为“脂溢性脱发”连接。而且，该节点V与作为新的处方的“细胞因子组合导入0.1mg/次”之间的第2关联度为70％，与“氨基酸营养类保健品2g/日”之间的第2关联度为40％。另外，节点W与作为新的处方的“选择性清洗洗发露3分钟/日搓洗”之间的第2关联度为80％，与“每天进行3分钟以上的运动”之间的第2关联度为30％。

预先取得这样的组合的第2关联度。接下来，搜索部27参照这样的第2关联度，判断通过操作部25而新输入的以前实施过的处方和实施该处方的患者的各变化症状相当于在第2关联度的左侧排列的各项目中的哪个项目。假如通过操作部25而输入的以前实施过的处方是“选择性清洗洗发露3分钟/日搓洗”、“增加红肉类的摄取量”、作为变化症状是脱发范围为汉密尔顿分级YYY，发根症状为脂溢性脱发，则该情况相当于节点W。在该情况下，在参照节点W的第2关联度的基础上，选择“选择性清洗洗发露3分钟/日搓洗”和“每天进行3分钟以上的运动”等作为新的处方。

此外，该第2关联度也可以以同样方式进行更新。即，随时更新像图10所示的那样的以前实施过的处方、各变化症状以及新的处方。该更新例如可以反映经由以互联网为代表的公共通信网络提供的信息。另外，也可以根据专家的研究数据、论文、学会发表、新闻报道或书籍等的内容，使系统侧或用户侧人为地或自动地进行更新。在这些更新处理中可以利用人工智能。

另外，当然，该第2关联度除了这些以前实施过的处方和各变化症状以外，还可以组合上述的摄取物、属性信息、生活习惯、性格、外部信息中的任意1个以上而与处方进行关联。

此外，该第2关联度的处理动作不限定于根据上述的第1关联度的处理动作进行搜索并输入之前实施过的处方以及基于该处方而变化的症状，也可以输入与此无关的以前实施过的处方。在该情况下，也可以与以前的处方相比进一步扩大范围，并进一步参照以前的生活习惯。以前的生活习惯可以由至今为止的生活习惯的历史信息构成，也可以是在以前的某个时间点断续地检测到的生活习惯。变化症状也同样，可以由至今为止的症状的变化的历史构成，也可以是在以前的某个时间点断续地检测到的症状。

针对相貌的处方搜索

图14示出在与相貌有关的各症状与处方之间预先定义有3个阶段以上的第1关联度的例子。各症状经由该第1关联度在左侧排列，各处方经由第1关联度在右侧排列。第1关联度示出针对在左侧排列的症状，哪一个处方的关联性较高并高至何种程度。

此外，该第1关联度针对各症状、生活习惯以及属性信息的组合，关联1个以上的处方。

症状是与相貌有关的各种症状，例如包含面部的暗沉、面部的皱纹、面部的斑等直接的症状以及肌肤的水分量、体内矿物质量等间接的症状。这些症状包括在各种医疗数据中示出的指标，还包括医生、患者、评价者等感觉到的作为感官评分的结果(包含VAS评价)等。

生活习惯包含患者的生活方面的的所有相关事项。该生活习惯例如如果是关于饮食生活的事项，则包含在该饮食时摄取的摄取物、饮食的量以及饮食的时间等。这里所说的摄取物包含患者能够摄取的所有物品，是食物、饮料、保健品、药剂等。另外，生活习惯如果是与睡眠事项有关，则包含睡眠时间、起床时刻以及就寝时刻等。另外，生活习惯如果是关于运动的事项，则包含运动时间和运动的项目等。另外，生活习惯如果是肌肤的护理，则包含美容液对肌肤的保养、紫外线防止措施、洁面以及按摩等。

作为患者的属性信息，包含年龄、职业、有无同居人等、双亲中是否存在患有同种症状的人或者医疗机构的体检结果等信息。

处方包含摄取哪种营养素、采用哪种生活习惯以及应该摄取哪种药剂这样的用于缓和症状的所有处方。另外，处方包含医疗手术。在处方中，可以提示应该实施的处方的时间表和治疗计划。

在图14的例子中，分别设置有节点R、节点S以及节点T，该节点R是症状项目中的面部暗沉为等级3的情况、生活习惯(摄取物)项目中的蛋白质的量较少的情况以及属性项目中的年龄为30～40岁的组合，节点S是症状中的面部的皱纹为等级2的情况与生活习惯(摄取物)中的蛋白质较多的情况的组合，节点T是症状项目中的面部的暗沉为等级2的情况与属性信息项目中的年龄为40岁以上的组合。而且，该节点R与“每天进行3分钟以上的运动”之间的第1关联度为70％，与“保湿类美容液3mg/日”之间的第1关联度为20％。另外，节点S与“细胞因子组合导入0.1mg/次”之间的第1关联度为70％，与“增加红肉类的摄取量”之间的第1关联度为50％，与“保湿形美容液3mg/日”之间的第1关联度为30％。节点T与“氨基酸营养类保健品2g/日”之间的第1关联度为60％，与“每天进行3分钟以上的运动”之间的第1关联度为40％。

预先取得这样的组合的第1关联度。接下来，搜索部27参照这样的第1关联度，判断通过操作部25而新输入的症状、生活习惯、属性信息相当于第1关联度的左侧的哪个项目。假如通过操作部25而新输入的症状是相貌的症状中的面部的暗沉为等级3，生活习惯(摄取物)项目中的蛋白质的量较少，属性项目中的年龄为30～40岁，则在该情况下相当于节点R，因此选择与该节点R之间的第1关联度为70％的“每天进行3分钟以上的运动”和第1关联度为20％的“保湿类美容液3mg/日”等。

另外，当然，在该图14中列举出的症状、生活习惯、属性信息、处方的各项目是一个例子，只要是相当于症状、生活习惯、属性信息、处方的项目就可以执行上述的处理动作。

另外，第1关联度不限定于上述的实施方式。在图15的例子中，针对与多个症状的组合对应的节点U定义第1关联度。即，该节点U与如下事项相连：面部的暗沉为等级1、面部的皱纹为等级2、生活习惯(摄取物)项目中的蛋白质的量较多，以及属性信息中的年龄为40岁以上。即，2个以上的症状与节点U相连。

此外，除症状以外，也可以使2个以上的生活习惯的组合以及2个以上的属性信息的组合与节点U相关联。

另外，根据本发明，也可以参照数据库3，该数据库3预先存储有以前实施过的处方和实施该处方的患者的各变化症状与新的处方之间的3个阶段以上的第2关联度。

图16示出该第2关联度的例子。以前实施过的各处方和各变化症状经由该第2关联度在左侧排列，新的各处方经由第2关联度在右侧排列。

在图16的例子中，分别设置有节点V和节点W，该节点V分别与如下事项连接：作为以前实施过的处方的“细胞因子组合导入0.1mg/次”、“增加红肉类的摄取量”、以及作为变化症状的面部的暗沉为等级1，该节点W与如下事项连接：作为以前实施过的处方的“保湿系美容液3mg/l”、“增加红肉类的摄取量”、以及面部的暗沉为等级2以及面部的皱纹为等级2。而且，该节点V与作为新的处方的“细胞因子组合导入0.1mg/次”之间的第2关联度为70％，与“异黄酮类保健品1g/日”之间的第2关联度为40％。另外，节点W与作为新的处方的“保湿类美容液3mg/日”之间的第2关联度为80％，与“每天进行3分钟以上的运动”之间的第2关联度为30％。

预先取得这样的组合的第2关联度。接下来，搜索部27参照这样的第2关联度，判断通过操作部25而新输入的以前实施过的处方和实施该处方后的患者的各变化症状相当于在第2关联度的左侧排列的各项目中的哪个项目。假如经由操作部25输入的以前施实施过的处方为“保湿系美容液3mg/l”、“增加红肉类的摄取量”，变化症状为面部的暗沉为等级2、面部的皱纹为等级2，则该情况相当于节点W。在该情况下，在参照节点W的第2关联度的基础上，选择“保湿类美容液3mg/日”、“每天进行3分钟以上的运动”等作为新的处方。

此外，对于该第2关联度，也可以以同样方式进行更新。即，随时更新图10所示的那样的以前实施过的处方、各变化症状以及新的处方。该更新例如也可以反映经由以互联网为代表的公共通信网络提供的信息。另外，也可以根据专家的研究数据、论文、学会发表、新闻报道或书籍等的内容，使系统侧或用户侧人为地或自动地进行更新。在这些更新处理中可以利用人工智能。

另外，当然，该第2关联度除了这些以前实施的处方和各变化症状以外，也可以组合上述的摄取物、属性信息、生活习惯、性格、外部信息中的任意1个而与处方进行关联。

此外，该第2关联度的处理动作不限定于根据上述的第1关联度的处理动作进行搜索并输入之前实施过的处方以及基于该处方而变化的症状，也可以输入与此无关的以前实施过的处方。在该情况下，也可以与以前的处方相比进一步扩大范围，还参照以前的生活习惯。以前的生活习惯可以由至今为止的生活习惯的历史信息构成，也可以是在以前的某个时间点断续地检测到的生活习惯。变化症状也同样，可以由至今为止的症状的变化历史构成，也可以是在以前的某个时间点断续地检测到的症状。

标号说明

1：处方搜索系统；3：数据库；21：内部总线；23：显示部；24：控制部；25：操作部；26：通信部；27：搜索部；28：存储部。