BR112019014308A2 - Método implementado por computador para treinar um sistema de escore, método implementado por computador para fornecer um escore de confiança a uma recomendação de apoio para decisões clínicas, dispositivo para treinar um sistema de escore ou para fornecer um escore de confiança a uma recomendação de apoio para decisões clínicas e mídia de armazenamento não transitória legível por máquina codificada com instruções a serem executadas por um processador para treinar um sistema de escore - Google Patents

Abstract

a presente invenção se refere a um método (100) para treinar um sistema de escore (600), que compreende as etapas de: (i) fornecer (110) um sistema de escore que compreende um módulo de escore (606); (ii) receber (120) um conjunto de dados de treinamento que compreende uma pluralidade de dados de paciente e resultados de tratamento; (iii) analisar (130), com o uso de um algoritmo de apoio para decisões clínicas, o conjunto de dados de treinamento para gerar uma pluralidade de recomendações de apoio para decisões clínicas; (iv) agrupar (140), com o uso do módulo de escore, a pluralidade de recomendações de apoio para decisões clínicas em uma pluralidade de agrupamentos; e (v) identificar (160), com o uso do módulo de escore, uma ou mais características de pelo menos um dentre a pluralidade de agrupamentos, e gerar, com base nas uma ou mais características identificadas, um ou mais critérios de inclusão para o ao menos um dentre a pluralidade de agrupamentos.

Description

MÉTODO IMPLEMENTADO POR COMPUTADOR PARA TREINAR UM SISTEMA DE ESCORE, MÉTODO IMPLEMENTADO POR COMPUTADOR PARA FORNECER UM ESCORE DE CONFIANÇA A UMA RECOMENDAÇÃO DE APOIO PARA DECISÕES CLÍNICAS, DISPOSITIVO PARA TREINAR UM SISTEMA DE ESCORE OU PARA FORNECER UM ESCORE DE CONFIANÇA A UMA RECOMENDAÇÃO DE APOIO PARA DECISÕES CLÍNICAS E MÍDIA DE ARMAZENAMENTO NÃO TRANSITÓRIA LEGÍVEL POR MÁQUINA CODIFICADA COM INSTRUÇÕES A SEREM EXECUTADAS POR UM PROCESSADOR PARA TREINAR UM SISTEMA DE ESCORE

Campo da invenção [001] A presente revelação é direcionada de modo geral a métodos e sistemas para melhorar algoritmos de apoio para decisões clinicas mediante a adição de um escore de confiança com base em agrupamento.

Antecedentes da invenção [002] Um sistema de apoio para decisões clinicas (SADC) é um algoritmo de informações de saúde que analisa dados sobre um paciente em vista do conhecimento de saúde para fornecer informações a um profissional da área de saúde com o objetivo de melhorar os cuidados com a saúde. As informações podem ser, por exemplo, um diagnóstico, um plano de ação recomendado, ou ambos. A maioria dos profissionais da área de saúde não simplesmente consente e aplica o resultado do SADC, mas em vez disso acrescenta a salda do SADC à sua análise e processo de tomada de decisão, com base em uma experiência anterior com o SADC. De fato, a experiência empírica sugere que existem algumas características de pacientes que podem resultar em maior erro de classificação, incluindo tanto recomendações positivas falsas como negativas falsas. Por exemplo, certos medicamentos, intervenções e/ou condições

Petição 870190064865, de 10/07/2019, pág. 11/107

2/27 crônicas poderíam levar a falsas recomendações do algoritmo de SADC.

[003] A saída de algoritmos de SADC simples, incluindo falsos positivos e falsos negativos, é facilmente interpretada pelo profissional da área de saúde, que tem uma compreensão adquirida de quando a saída do algoritmo de SADC deve ser ignorada, ou quando a resposta ao algoritmo deve ser modificada. No entanto, conforme serviços de SADC mais complexos e sofisticados são oferecidos, tem se tornado cada vez mais difícil para os profissionais da área de saúde interpretar a saída do SADC com tanta confiança quanto era possível com algoritmos simples. Como resultado, um profissional da área da saúde pode não compreender completamente quando a saída do algoritmo de SADC deve ser usada, confiada ou ignorada. Adicionalmente, esperar que os profissionais da área de saúde dediquem seu tempo interpretando a saída de um serviço de SADC complexo não só irá aumentar a já pesada carga de trabalho na maioria dos ambientes de

serviços	de	saúde	, mas também	irá	conduzir	à redução da
confiança	na	saída	de algoritmos	de SADC.
	Sumário
	[004]	Em vista	dos	fatos	anteriormente
mencionados,	seria	benéfico fornecer	métodos e	sistemas que
melhoram	os	algori	tmos de apoio	para	decisões	clínicas para

fornecer informações confiáveis e viáveis aos profissionais da área de saúde.

[005] Consequentemente, a presente revelação é direcionada a métodos e sistemas para adicionar um escore de confiança à saída de um algoritmo de apoio para decisões clínicas. Várias modalidades e implementações da presente

Petição 870190064865, de 10/07/2019, pág. 12/107

3/27 invenção são direcionadas a um sistema que agrupa a saída de um algoritmo de SADC que analisa dados de treinamento em um espaço de parâmetro multidimensional com base na precisão, e calcula um escore de confiança para cada agrupamento. 0 escore de confiança para um dado agrupamento indica a confiabilidade de a predição do algoritmo de SADC cair dentro da região de espaço de parâmetro multidimensional que corresponde ao dado agrupamento. Uma vez treinado, o sistema recebe uma saída de um algoritmo de SADC, compara a saída com os agrupamentos gerados, associa a saída a um escore de confiança correspondente ao agrupamento no qual a saída se encaixa, e fornece o escore de confiança ao profissional da área de saúde.

[006] De modo geral, em um aspecto, um método para treinamento de um sistema de escore é fornecido. O método inclui as etapas de: (i) fornecer um sistema de escore que compreende um módulo de escore; (ii) receber um conjunto de dados de treinamento que compreende uma pluralidade de dados de paciente e resultados de tratamento; (iii) analisar, com o uso de um algoritmo de apoio para decisões clinicas, o conjunto de dados de treinamento para gerar uma pluralidade de recomendações de apoio para decisões clinicas; (iv) agrupar, com o uso do módulo de escore, a pluralidade de recomendações de apoio para decisões clinicas em uma pluralidade de agrupamentos; e (v) identificar, com o uso do módulo de escore, uma ou mais características de pelo menos um dentre a pluralidade de agrupamentos, e gerar, com base nas uma ou mais características identificadas, um ou mais critérios de inclusão para o ao menos um dentre a pluralidade de agrupamentos.

Petição 870190064865, de 10/07/2019, pág. 13/107

4/27 [007] De acordo com uma modalidade, ο agrupamento é baseado pelo menos em parte em uma comparação entre cada uma das recomendações de apoio para decisões clinicas e os resultados de tratamento nos dados de treinamento.

[008] De acordo com uma modalidade, a etapa de identificação inclui adicionalmente gerar, com base nas uma ou mais características identificadas, um ou mais critérios de exclusão para o ao menos um dentre a pluralidade de agrupamentos.

[009] De acordo com uma modalidade, o método inclui adicionalmente as etapas de: obter dados de saúde sobre um paciente; analisar, com o uso de um algoritmo de apoio para decisões clínicas, os dados de saúde para gerar uma recomendação de apoio para decisões clínicas para o paciente; atribuir, com o uso do módulo de escore, a recomendação de apoio para decisões clínicas a um dentre a pluralidade de agrupamentos com base nos critérios de inclusão extraídos; e atribuir, com o uso do módulo de escore, um escore de confiança à recomendação de apoio para decisões clínicas com base pelo menos em parte na atribuição da recomendação para o um dentre a pluralidade de agrupamentos.

[010] De acordo com uma modalidade, o método inclui adicionalmente a etapa de comunicar o escore de confiança a um usuário.

[011] De acordo com uma modalidade, o escore de confiança é um escore quantitativo.

[012] De acordo com um segundo aspecto, é fornecido um método para treinamento de um sistema de escore. O método inclui as etapas de: (i) fornecer um sistema de escore

Petição 870190064865, de 10/07/2019, pág. 14/107

5/27 que compreende um módulo de escore; (ii) receber um conjunto de dados de treinamento que compreende uma pluralidade de dados de paciente e resultados de tratamento; (iii) agrupar, com o uso do módulo de escore, o conjunto de dados de treinamento em uma pluralidade de agrupamentos; (iv) analisar, com o uso de um algoritmo de apoio para decisões clinicas, o conjunto de dados de treinamento para gerar uma pluralidade de recomendações de apoio para decisões clinicas, sendo que a dita etapa de agrupamento e a dita etapa de análise são executadas separadamente; e (v) identificar, com o uso do módulo de escore, uma ou mais características de pelo menos um dentre a pluralidade de agrupamentos, e gerar, com base nas uma ou mais características identificadas, um ou mais critérios de inclusão para o ao menos um dentre a pluralidade de agrupamentos.

[013] De acordo com uma modalidade, a etapa de identificação compreende adicionalmente identificar o ao menos um dentre a pluralidade de agrupamentos como um conjunto com uma pluralidade de falsas recomendações, com base na pluralidade de agrupamentos comparados com a pluralidade de recomendações de apoio para decisões clínicas.

[014] De acordo com uma modalidade, o método inclui adicionalmente a etapa de identificação, com o uso do módulo de escore, de pelo menos um dentre a pluralidade de agrupamentos como um agrupamento ruidoso, sendo que o dito agrupamento ruidoso identificado é o agrupamento a partir do qual os um ou mais critérios de exclusão são gerados.

[015]	De	acordo com	uma modalidade, a etapa	de
análise compreende	as	etapas de	analisar,	com	o uso de	um
algoritmo de apoio	para decisões	clínicas,	cada	um dentre	a

Petição 870190064865, de 10/07/2019, pág. 15/107

6/27 pluralidade de agrupamentos individualmente para gerar uma pluralidade de recomendações de apoio para decisões clínicas para cada um dentre a pluralidade de agrupamentos; e sendo que, adicionalmente, o método compreende a etapa de identificar, com o uso do módulo de escore, pelo menos um dentre a pluralidade de agrupamentos com um baixo escore de área sob a curva, com base pelo menos em parte na pluralidade de agrupamentos e na pluralidade de recomendações de apoio para decisões clínicas.

[016] De acordo com uma modalidade, o método inclui adicionalmente as etapas de: (i) obter dados de saúde sobre um paciente; (ii) analisar, com o uso de um algoritmo de apoio para decisões clínicas, os dados de saúde para gerar uma recomendação de apoio para decisões clínicas para o paciente;

(iii) atribuir, com o uso do módulo de escore, a recomendação de apoio para decisões clínicas a um dentre a pluralidade de agrupamentos com base nos critérios de inclusão extraídos; e (iv) atribuir, com o uso do módulo de escore, um escore de confiança à recomendação de apoio para decisões clínicas com base pelo menos em parte na atribuição da recomendação para o um dentre a pluralidade de agrupamentos.

[017] De acordo com outro aspecto, um método para fornecer um escore de confiança é fornecido. O método inclui as etapas de: (i) obter dados de saúde sobre um paciente; analisar, com o uso de um algoritmo de apoio para decisões clínicas, os dados de saúde para gerar uma recomendação de apoio para decisões clínicas para o paciente; atribuir, com o uso de um módulo de escore, a recomendação de apoio para decisões clínicas a um dentre uma pluralidade de agrupamentos com base em critérios de inclusão, sendo que os critérios de

Petição 870190064865, de 10/07/2019, pág. 16/107

7/27 inclusão são gerados pelas ações de: (1) agrupar, com o uso do módulo de escore, um conjunto de dados de treinamento ou recomendações de apoio para decisões clinicas em uma pluralidade de agrupamentos; e (v) identificar, com o uso do módulo de escore, uma ou mais características de pelo menos um dentre a pluralidade de agrupamentos, e gerar, com base nas uma ou mais características identificadas, um ou mais critérios de inclusão para o ao menos um dentre a pluralidade de agrupamentos; atribuir, com o uso do módulo de escore, um escore de confiança à recomendação de apoio para decisões clínicas com base pelo menos em parte na atribuição da recomendação para o um dentre a pluralidade de agrupamentos; e comunicar o escore de confiança a um usuário.

[018] De acordo com uma modalidade, o escore de confiança é um escore quantitativo que compreende uma indicação da utilização ou não da recomendação de apoio para decisões clínicas.

[019] Como usado aqui, para os propósitos da presente revelação, o termo processador é usado, de modo geral, para descrever vários componentes de aparelhos relacionados à operação do aparelho, sistema ou método recomendado. Um processador pode ser implementado de várias maneiras (por exemplo, como um hardware dedicado) para executar várias funções aqui discutidas. Um processador pode empregar um ou mais microprocessadores que podem ser programados com o uso de software (por exemplo, microcódigo) para executar várias funções aqui discutidas. Um processador também pode ser implementado como uma combinação de componentes de hardware dedicado para executar algumas funções. Exemplos de componentes de processador que podem ser empregados em várias

Petição 870190064865, de 10/07/2019, pág. 17/107

8/27 modalidades da presente revelação incluem, mas não se limitam a, microprocessadores convencionais, circuitos integrados de aplicação especifica (ASICs - Application Specific Integrated Circuits), e matrizes de porta programável em campo (FPGAs Field-Programmable Gate Arrays).

[020] Em várias implementações, um processador pode ser associado a uma ou mais mídias de armazenamento (chamadas aqui genericamente de memória, por exemplo, memória de computador volátil e não volátil como RAM, PROM, EPROM, e EEPROM, disquetes, discos compactos, discos ópticos, fitas magnéticas etc.) . Em algumas implantações, as mídias de armazenamento podem ser codificadas com um ou mais programas que, quando executados em um ou mais processadores e/ou controladores, realizam pelo menos parte das operações descritas no presente documento. Várias mídias de armazenamento podem ser fixadas dentro de um processador ou controlador, ou podem ser transportáveis, de modo que um ou mais programas armazenados nas mesmas podem ser carregados em um processador ou controlador de modo a implementar vários aspectos aqui discutidos. Os termos programa ou programa de computador são usados no presente documento em um sentido genérico para se referirem a qualquer tipo de código de computador (por exemplo, software ou microcódigo) que possa ser empregado para programar um ou mais processadores ou controladores. Como usado aqui, o termo mídia não transitória legível por máquina será compreendido como abrangendo tanto memórias voláteis como não voláteis, mas excluindo sinais transitórios.

[021] O termo interface de usuário, como usado aqui, se refere a uma interface entre um usuário ou operador

Petição 870190064865, de 10/07/2019, pág. 18/107

9/27 humano e um ou mais dispositivos que permitem a comunicação entre o usuário e o(s) dispositivo(s). Os exemplos de interfaces de usuário que podem ser empregados em várias implantações da presente revelação incluem, mas não se limitam a, comutadores, potenciômetros, botões, discos, elementos deslizantes, um mouse, teclado, bloco de teclas, vários tipos de controladores de jogos (por exemplo, joysticks), track balis, telas de exibição, vários tipos de interfaces gráficas de usuário (GUIs), telas sensíveis ao toque, microfones e outros tipos de sensores que podem receber alguma forma de estímulo gerado por ser humano e gerar um sinal em resposta ao mesmo.

[022] Várias modalidades podem incluir ainda uma mídia de armazenamento não transitório legível por computador, que tem incorporada na mesma um programa de firewall executável por um processador para executar os métodos aqui descritos.

[023] Deve-se notar que todas as combinações dos conceitos mencionados anteriormente e conceitos adicionais descritos em mais detalhes abaixo (contanto que tais conceitos não sejam mutuamente inconsistentes) são contemplados como sendo parte de um assunto revelado na presente invenção. Em particular, todas as combinações do assunto reivindicado que aparecem no final desta revelação são contempladas como parte do assunto revelado na presente invenção.

[024] Esses e outros aspectos serão evidentes e elucidados com referência a uma ou mais modalidades descritas deste ponto em diante.

Breve descrição dos desenhos [025] Nas figuras, os caracteres de referência iguais se referem em geral às mesmas partes ao longo das

Petição 870190064865, de 10/07/2019, pág. 19/107

10/27 diferentes vistas. Além disso, os desenhos não estão necessariamente em escala, sendo, em vez disso, que a ênfase é em geral colocada sobre a ilustração dos princípios demonstrados na presente invenção.

[026] A Figura 1 é um fluxograma de um método para treinamento de um algoritmo de agrupamento e escore, de acordo com uma modalidade.

[027] A Figura 2 é um fluxograma de um método para treinamento de um algoritmo de agrupamento e escore, de acordo com uma modalidade.

[028] A Figura 3 é um fluxograma de um método para treinamento de um algoritmo de agrupamento e escore, de acordo com uma modalidade.

[029] A Figura 4 é um fluxograma de um método para implementar um algoritmo de agrupamento e escore, de acordo com uma modalidade.

[030] A Figura 5 é um fluxograma de um método para implementar um algoritmo de agrupamento e escore, de acordo com uma modalidade.

[031] A Figura 6 é uma representação esquemática de um sistema para treinar e implementar um algoritmo de agrupamento e escore, de acordo com uma modalidade.

Descrição detalhada das modalidades [032] A presente revelação descreve várias modalidades de um método e sistema para fornecer informações confiáveis e viáveis aos profissionais da área de saúde. De modo mais genérico, o requerente reconheceu e entendeu que seria benéfico fornecer um método ou sistema que aumenta a saída de algoritmos de apoio para decisões clínicas com um escore de confiança. Um objetivo específico da utilização de

Petição 870190064865, de 10/07/2019, pág. 20/107

11/27 certas modalidades da presente revelação é fornecer um sistema de emissão de relatórios que fornece a saida de um algoritmo de SADC e um escore de confiança a um profissional da área de saúde.

[033] Tendo em vista o supracitado, várias modalidades e implementações são direcionadas a um método e sistema que agrupa a saída de um algoritmo de SADC que analisa dados de treinamento em um espaço de parâmetro multidimensional com base na precisão, e calcula um escore de confiança para cada agrupamento. O escore de confiança para um dado agrupamento indica a confiabilidade de a predição do algoritmo de SADC cair dentro da região de espaço de parâmetro multidimensional que corresponde ao dado agrupamento. O algoritmo treinado pode então receber a saída de um algoritmo de SADC, comparar a saída com os agrupamentos gerados, e associar a saída a um escore de confiança correspondente ao agrupamento no qual a saída se encaixa. O escore de confiança pode então ser relatado ao profissional de saúde, que pode interpretar o SADC com base nesse escore.

[034] Com referência à Figura 1, em uma modalidade, é mostrado um método 100 para treinar um algoritmo de agrupamento. O método agrupa a saída de um algoritmo de SADC que analisa dados de treinamento em um espaço de parâmetro multidimensional com base na precisão, e calcula um escore de confiança para cada agrupamento. O escore de confiança para um dado agrupamento indica a confiabilidade de a predição do algoritmo de SADC cair dentro da região de espaço de parâmetro multidimensional que corresponde ao dado agrupamento. Uma vez treinado, o sistema associa a saída de um algoritmo de SADC a um escore de confiança, e pode gerar uma saída de serviços de

Petição 870190064865, de 10/07/2019, pág. 21/107

12/27 saúde de SADC personalizada centrada no paciente ao longo de toda a gama de serviços de cuidados com a saúde.

[035] Na etapa 110 do método, é fornecido um serviço, sistema ou dispositivo de escore. O serviço, sistema ou dispositivo de escore pode ser qualquer um dos sistemas descritos ou de outro modo contemplados na presente invenção. Por exemplo, o serviço de escore pode ser um serviço baseado em nuvem fornecido aos profissionais da área de saúde, como um software como uma opção de serviço, e, dessa forma, pode ser hospedado em um ou mais servidores remotos especializados. Alternativamente, o serviço de escore pode ser hospedado localmente em relação ao profissional da área de saúde, como em um computador ou servidor especializado em um hospital ou em qualquer outro ambiente de serviços de saúde.

[036] Na etapa 120 do método, são obtidos dados de treinamento. Os dados de treinamento serão utilizados para treinar um algoritmo de agrupamento, com base em uma comparação entre a saida de um algoritmo de SADC que fornece diagnósticos e/ou recomendações de apoio para decisões de diagnósticos e/ou de tratamento reais. Consequentemente, os dados de treinamento podem compreender medições clinicas e/ou não clinicas ou outros dados dos pacientes, bem como decisões de tratamento e resultados. Os dados de treinamento podem ser obtidos a partir de uma ou mais fontes, e podem ser generalizados para todos os locais, ambientes, ou uma ou mais outras variáveis. Alternativamente, os dados de treinamento podem ser obtidos a partir de um local especifico que será mais aplicável ao local onde o algoritmo de agrupamento será implementado. Por exemplo, os dados de treinamento podem ser específicos para um hospital ou outra instalação de serviços de saúde e/ou para um médico

Petição 870190064865, de 10/07/2019, pág. 22/107

13/27 ou outro profissional da área de saúde. Os dados de treinamento podem compreender, por exemplo, dados de saúde, informações gerais, dados demográficos e medições clinicas de uma pluralidade de pacientes. Cada um desses pacientes nos dados de treinamento pode ser associado a uma ou mais decisões de tratamento que foram tomadas, bem como a um ou mais resultados dessas decisões de tratamento.

[037] Na etapa 130 do método, um algoritmo de SADC analisa os dados de treinamento para produzir um ou mais diagnósticos e/ou uma ou mais recomendações de tratamento. De acordo com uma modalidade, o algoritmo de SADC que analisa os dados de treinamento é o mesmo algoritmo de SADC que será utilizado pelo profissional da área de saúde em conjunto com o algoritmo de escore. Alternativamente, o algoritmo de SADC é diferente do algoritmo de SADC que será utilizado pelo profissional da área de saúde em conjunto com o algoritmo de escore. O SADC irá analisar as informações nos dados de treinamento que são normalmente fornecidos a um SADC, como dados de saúde, informações gerais, dados demográficos e/ou medições clinicas e não clinicas, ou outros dados sobre os pacientes.

[038] Na etapa 140 do método, um algoritmo de agrupamento agrupa a salda do algoritmo de SADC. De acordo com uma modalidade, o algoritmo de agrupamento é um sistema, abordagem ou algoritmo de agrupamento conhecido, incluindo, mas não se limitando ao agrupamento por K-médias, agrupamento espectral e outras abordagens de agrupamento. O algoritmo de agrupamento pode agrupar a salda do algoritmo de SADC com base em uma comparação entre o diagnóstico e/ou tratamento recomendado baseados no SADC e o diagnóstico e as decisões de

Petição 870190064865, de 10/07/2019, pág. 23/107

14/27 tratamento conhecidos. Consequentemente, o algoritmo de agrupamento pode agrupar a saida do algoritmo de SADC em grupos associados à precisão em comparação com o diagnóstico e decisões de tratamento conhecidos, como Verdadeiro Positivo (VP) , Verdadeiro Negativo (VN), Falso Positivo (FP) e Falso Negativo (FN) . De acordo com uma modalidade, os agrupamentos podem então ser opcionalmente fixados, de modo que o agrupamento possa ser validado em um conjunto independente de pacientes antes da implantação.

[039] Na etapa 160, um algoritmo de agrupamento identifica ou extrai uma ou mais características de um ou mais dos agrupamentos, onde uma característica está fortemente correlacionada ao agrupamento. As características identificadas ou extraídas fornecem critérios de inclusão e exclusão que podem ser utilizados pelo algoritmo de escore e/ou algoritmo de SADC para análise de dados futuros. Por exemplo, as características identificadas ou extraídas podem ser associadas a um agrupamento Falso Positivo (FP) e/ou Falso Negativo (FN) . De acordo com uma modalidade, a saída do algoritmo de agrupamento são agrupamentos e uma ou mais características identificadas ou extraídas associadas a um ou mais desses agrupamentos. Cada agrupamento pode estar associado a uma característica gerada, identificada ou extraída, ou, alternativamente, apenas um ou alguns dos agrupamentos podem estar associados a uma característica gerada, identificada ou extraída.

[040] Existem múltiplos métodos para agrupamento, identificação de características e cálculo dos escores de confiança. Em adição ao método descrito acima, o algoritmo de agrupamento pode ser aplicado primeiramente aos

Petição 870190064865, de 10/07/2019, pág. 24/107

15/27 dados de treinamento. Consequentemente, na etapa 132 do método, o algoritmo de agrupamento é aplicado aos dados fornecidos para gerar um ou mais agrupamentos.

[041] Na etapa 142, o algoritmo de SADC é utilizado para analisar os dados em cada um dos agrupamentos. Cada agrupamento é analisado separadamente. Isso resulta em um escore de área sob a curva (AUC) para cada agrupamento.

[042] Na etapa 150 são identificados agrupamentos com baixos escores de AUC. Isto pode ser feito com base em um limiar aprendido ou um limiar predeterminado. Por exemplo, um profissional ou instalação da área de saúde pode determinar um limiar específico com base em um ou mais fatores internos ou externos. Como um exemplo, um hospital ou profissional da área de saúde pode estabelecer intencionalmente um limiar muito alto para filtrar o máximo de falsos positivos e/ou falsos negativos quanto possível. Alternativamente, o hospital ou profissional da área de saúde pode definir intencionalmente um limiar muito baixo com o entendimento de que pode haver mais falsos positivos e/ou falsos negativos na saída para o profissional da área de saúde. O limiar pode ser um limiar aprendido, visando tornar os agrupamentos tão distintos e/ou confiáveis quanto possível. Consequentemente, o limiar pode mudar ao longo do tempo ou em resposta a um ou mais fatores internos e/ou externos.

[043] Na etapa 160, o algoritmo de escore identifica ou extrai uma ou mais características de um ou mais dos agrupamentos, onde uma característica está fortemente correlacionada ao agrupamento. As características identificadas ou extraídas fornecem critérios de inclusão e

Petição 870190064865, de 10/07/2019, pág. 25/107

16/27 exclusão que podem ser utilizados pelo algoritmo de escore e/ou algoritmo de SADC para análise de dados futuros.

[044] Com referência à Figura 2, em uma modalidade, é mostrada uma representação esquemática do método descrito pelas etapas de 132 a 160. Os dados de treinamento, que podem ser armazenados em uma base de dados 10, são agrupados na etapa 132 por um algoritmo de agrupamento, que pode ser um algoritmo de agrupamento conhecido como agrupamento por K-médias, agrupamento espectral e outras abordagens de agrupamento. Isso resulta em uma pluralidade de agrupamentos 20. Na etapa 142, o algoritmo de SADC é utilizado para analisar os dados em cada um dos agrupamentos, resultando em um escore de AUC para cada agrupamento. Na Figura 2, por exemplo, cada um dos três agrupamentos recebe um escore de AUC, com esses agrupamentos específicos recebendo escores de 0,5, 0,8 e 0,9. Os agrupamentos com baixos escores de AUC são então identificados na etapa 150, e na etapa 160 uma ou mais características são identificadas ou extraídas de um ou mais dos agrupamentos para gerar um conjunto de critérios de exclusão e inclusão que podem ser utilizados para analisar e classificar dados subsequentes.

[045] Conforme mostrado acima, existem múltiplos métodos para agrupamento, identificação de características e cálculo dos escores de confiança. Em adição aos métodos descritos acima, o algoritmo de SADC e o algoritmo de agrupamento poderíam ser aplicados separadamente aos dados de treinamento ao mesmo tempo. Consequentemente, as etapas 130 e 132 são executadas separadamente nos mesmos dados de treinamento. Na etapa 130 do método, os dados de treinamento são analisados com o uso do algoritmo de SADC, e as predições

Petição 870190064865, de 10/07/2019, pág. 26/107

17/27 são avaliadas com base em marcadores conhecidos, onde cada ponto de dados pertence a um de quatro conjuntos: Verdadeiro Positivo (VP), Verdadeiro Negativo (VN), Falso Positivo (FP), ou Falso Negativo (FN) . Na etapa 132 do método, os dados de treinamento são agrupados com o uso do algoritmo de agrupamento para dividir os dados em agrupamentos significativos. As etapas 130 e 132 são executadas separadamente nos mesmos dados de treinamento ao mesmo tempo, ou em momentos diferentes.

[046] De acordo com essa modalidade, na etapa 152 o sistema utiliza a saída do algoritmo de SADC na etapa 130 e o algoritmo de agrupamento na etapa 132, e identifica um ou mais agrupamentos com altas densidades de falsa predição, que são candidatos para exclusão, enquanto os demais são candidatos para inclusão. O método prossegue então para a etapa 160 para identificar ou extrair uma ou mais características de um ou mais dos agrupamentos para gerar um conjunto de critérios de exclusão e inclusão que podem ser utilizados para analisar e classificar dados subsequentes.

[047] Com referência à Figura 3, em uma modalidade, é mostrada uma representação esquemática do método descrito pelas etapas 130, 132, 152, e 160, nas quais o algoritmo de SADC e o algoritmo de agrupamento são aplicados separadamente aos dados de treinamento. Os dados de treinamento, que podem ser armazenados em uma base de dados 10, são analisados com o algoritmo de SADC na etapa 130 para gerar uma saída 30, e separadamente os dados de treinamento são analisados com o algoritmo de agrupamento para gerar uma pluralidade de agrupamentos 20. Na etapa 152 o sistema utiliza a saída do algoritmo de SADC gerada na etapa 130 e a saída do algoritmo de agrupamento gerada na etapa 132, e identifica um

Petição 870190064865, de 10/07/2019, pág. 27/107

18/27 ou mais agrupamentos com altas densidades de falsa predição, que são candidatos para exclusão, enquanto um ou mais dentre os outros agrupamentos são candidatos para inclusão. Na etapa 160, uma ou mais características são identificadas ou extraídas de um ou mais dos agrupamentos para gerar um conjunto de critérios de exclusão e inclusão que podem ser utilizados para analisar e classificar dados subsequentes.

[048] Depois de o algoritmo de agrupamento criar agrupamentos e gerar, identificar, ou extrair uma ou mais características desses agrupamentos para gerar um conjunto de critérios exclusão e inclusão, essa saída resultante pode ser utilizada para analisar e classificar dados subsequentes. Adicionalmente, o quão bem os dados subsequentes se encaixam dentro de um agrupamento, e, portanto, o quão precisa é a determinação pelo SADC com base nos dados de treinamento, pode ser determinado com base em um escore de confiança que é fornecido ao profissional da área de saúde.

[049] Com referência à Figura 4, em uma modalidade, é mostrado um método 400 para fornecer um escore de confiança à saída de um algoritmo de SADC. Na etapa 410 do método, o serviço, sistema ou dispositivo de escore é fornecido. O serviço, sistema ou dispositivo de escore pode ser qualquer um dos sistemas descritos ou de outro modo contemplados na presente invenção. Por exemplo, o serviço de escore pode ser um serviço baseado em nuvem fornecido aos profissionais da área de saúde, como um software como uma opção de serviço, e, dessa forma, pode ser hospedado em um ou mais servidores remotos especializados. Alternativamente, o serviço de escore pode ser hospedado localmente em relação ao profissional da área de saúde, como em um computador ou

Petição 870190064865, de 10/07/2019, pág. 28/107

19/27 servidor especializado em um hospital ou em qualquer outro ambiente de serviços de saúde.

[050] Na etapa 420 do método, a entrada para um algoritmo de SADC é obtida ou fornecida. Por exemplo, a entrada pode compreender dados de saúde, informações gerais, dados demográficos, medições clínicas e/ou não clínicas e/ou outros dados do ou relacionados a um paciente ou indivíduo. Na etapa 430 do método, o algoritmo de SADC é aplicado à entrada, e uma saída é gerada. A saída pode ser, por exemplo, um diagnóstico e/ou uma recomendação de tratamento, entre outras saídas do SADC.

[051] Na etapa 440 do método o algoritmo de escore determina a qual dos agrupamentos, que foram gerados pelo algoritmo de agrupamento com o uso dos dados de treinamento, a saída do SADC e/ou os dados de paciente pertencem. Algumas saídas do algoritmo de SADC não irão se encaixar em qualquer dos agrupamentos, e essas informações podem ser comunicadas ao profissional da área de saúde.

[052] Na etapa 450 do método, um escore de confiança é atribuído à saída do algoritmo de SADC, com base, pelo menos em parte, na associação de agrupamento dos dados de paciente fornecidos e/ou na saída do algoritmo de SADC. De acordo com uma modalidade, o escore de confiança é quantitativo e/ou qualitativo. Por exemplo, o escore de confiança pode ser um número positivo entre 0 e 1. Alternativamente, o escore de confiança pode ser um sim ou um não. Um 1 ou sim pode indicar que a saída do algoritmo de SADC pode ser utilizada com confiança, enquanto um 0 ou um não pode indicar que a saída do algoritmo de SADC não pode ser utilizada com confiança. Os casos de 0 ou não podem ser excluídos da

Petição 870190064865, de 10/07/2019, pág. 29/107

20/27 avaliação adicional do SADC e podem ser marcados para alertar os médicos.

[053] Consequentemente, a saída do algoritmo de escore e do método 400 pode ser, por exemplo, tomar uma decisão de utilizar ou não o algoritmo de SADC para um paciente específico ou em dados específicos do paciente. Alternativamente, a saída do algoritmo de escore e do método 400 pode ser, por exemplo, um escore de confiança associado a uma decisão de usar ou não o algoritmo de SADC. Alternativamente, a saída do algoritmo de escore e do método 400 pode ser, por exemplo, um escore de confiança associado à saída do algoritmo de SADC, permitindo que o profissional da área de saúde determine se a saída do algoritmo de SADC é confiável.

[054] Com referência à Figura 5, em uma modalidade, é mostrado um fluxograma do método 4 00. Um novo registro de paciente 50 é recebido, e sua atribuição em um agrupamento é feita na etapa 440 do método. Um escore de confiança é aplicado pelo algoritmo de escore na etapa 450, e na etapa 460 do método o escore de confiança (aqui, um sim ou um não) é comunicado ao profissional da área de saúde. Dessa forma, de acordo com uma modalidade, a saída do sistema é uma decisão quanto a se analisar o registro do paciente ou não com o algoritmo de SADC em associação com um escore de confiança nessa determinação. De acordo com outra modalidade, a saída do sistema é a saída do algoritmo de SADC juntamente com um escore de confiança nessa saída.

[055] De acordo com uma modalidade, o sistema e método descrito ou de outro modo contemplado na presente invenção gera uma plataforma genérica capaz de encontrar

Petição 870190064865, de 10/07/2019, pág. 30/107

21/27 critérios de exclusão e/ou inclusão para qualquer algoritmo de SADC. Consequentemente, o sistema e método não se restringe aos algoritmos de SADC existentes.

[056] Com referência à Figura 6, em uma modalidade, é mostrado um sistema de escore 600. O serviço, sistema ou dispositivo de escore pode ser qualquer um dos sistemas descritos ou de outro modo contemplados na presente invenção. Por exemplo, o serviço de escore pode ser um serviço baseado em nuvem fornecido aos profissionais da área de saúde, como um software como uma opção de serviço, e, dessa forma, pode ser hospedado em um ou mais servidores remotos especializados. Alternativamente, o serviço de escore pode ser hospedado localmente em relação ao profissional da área de saúde, como em um computador ou servidor especializado em um hospital ou em qualquer outro ambiente de serviços de saúde.

[057] De acordo com uma modalidade, o sistema de escore 600 compreende uma base de dados de treinamento 602, que inclui dados de treinamento. Os dados de treinamento podem compreender, por exemplo, dados de saúde, informações gerais, dados demográficos e medições clínicas de uma pluralidade de pacientes. Cada um desses pacientes nos dados de treinamento pode ser associado a uma ou mais decisões de tratamento que foram tomadas, bem como a um ou mais resultados dessas decisões de tratamento. A base de dados de treinamento 602 pode ser local ou remota, e dessa forma o sistema pode compreender uma rede 604 configurada para se comunicar através de comunicação com fio e/ou sem fio com o sistema de escore.

[058] De acordo com uma modalidade, o sistema de escore 600 compreende um módulo de escore 606 que é configurado para treinar um algoritmo de agrupamento usando os dados de

Petição 870190064865, de 10/07/2019, pág. 31/107

22/27 treinamento da base de dados de treinamento 602, e que é adicionalmente configurado para analisar novos dados de paciente de um paciente 608. De acordo com uma modalidade, o módulo de escore 606 pode compreender um processador 610 que é configurado ou programado para executar um ou mais processos do ou para o módulo de escore. Por exemplo, o processador pode ser configurado ou programado para receber e analisar os dados de treinamento da base de dados de treinamento 602, e para receber e analisar os dados de paciente do paciente 608. O processador 610 pode ser programado com o uso de um software para executar várias funções discutidas aqui, e pode ser usado em combinação com uma memória 612 e/ou a base de dados 614. A memória 612 e/ou a base de dados 614 podem armazenar dados, incluindo um ou mais comandos ou programas de software para execução pelo processador 610, bem como vários tipos de dados. Por exemplo, a memória 612 pode compreender uma mídia de armazenamento não transitório legível por computador que inclui um conjunto de instruções que são executáveis pelo processador 610, e que fazem com que o sistema execute uma ou mais dentre as etapas dos métodos aqui descritos.

[059] De acordo com uma modalidade, o módulo de escore 606 pode compreender um módulo de comunicação 616 para facilitar a comunicação com fio e/ou sem fio entre o gerador de relatórios e outros dispositivos e/ou redes, como a rede

604. O módulo de comunicação 616 pode ser facilitado através do uso de uma ou mais antenas, por exemplo. O módulo de comunicação 616 pode facilitar a comunicação com uma ou mais redes ou com outros dispositivos, por exemplo, mediante o uso de métodos sem fio que são conhecidos, incluindo, mas não se

Petição 870190064865, de 10/07/2019, pág. 32/107

23/27 limitando a Wi-Fi, Bluetooth, 3G, 4G, LTE e/ou ZigBee, entre outros .

[060] O módulo de escore 606 pode compreender uma interface de usuário e uma tela 618 para receber a entrada de um prestador de serviços de saúde 620 e/ou para fornecer salda ou outras informações ao prestador de serviços de saúde 620. A interface de usuário pode ser um botão ou múltiplos botões, um microfone, uma entrada via teclado, um elemento deslizante, uma tela sensível ao toque, ou qualquer uma dentre uma variedade de outras entradas. A tela pode ser, por exemplo, uma tela de LED, de LCD, ou uma tela do tipo papel eletrônico. Em outras modalidades, a tela pode ser uma tela sensível ao toque que permite que o usuário interaja diretamente com um dispositivo através de contato físico e/ou gestos.

[061] De acordo com uma modalidade, o sistema 600 pode compreender opcionalmente um dispositivo de exibição 622, que também pode servir como um dispositivo de entrada de usuário. O dispositivo 622 pode ser, por exemplo, um smartphone ou outro dispositivo portátil. De acordo com ainda outra modalidade, o dispositivo 622 pode ser um computador como um desktop, laptop, tablet ou outro dispositivo de computação permanente ou semipermanente. O dispositivo 622 pode receber uma entrada do prestador de serviços de saúde 620. O dispositivo 622 pode também exibir informações ao prestador de serviços de saúde 620 ou qualquer outra pessoa/entidade pretendida ou autorizada.

[062] Todas as definições, conforme definidas e usadas no presente documento, deverão ser consideradas como tendo precedência sobre as definições de dicionário, as

Petição 870190064865, de 10/07/2019, pág. 33/107

24/27 definições nos documentos incorporados a título de referência e/ou sobre os significados comuns dos termos definidos.

[063] Os artigos indefinidos um e uma conforme usados no presente documento no relatório descritivo e nas reivindicações, salvo indicação clara do contrário, devem ser compreendidos por significarem pelo menos um.

[064] A frase e/ou, conforme usada no presente documento no relatório descritivo e nas reivindicações, deve ser compreendida por significar um ou outro ou ambos dos elementos coligados, isto é, os elementos que estão presentes conjuntivamente em alguns casos e disjuntivamente presentes em outros casos. Os múltiplos elementos listados com e/ou devem ser interpretados na mesma maneira, isto é, um ou mais dos elementos coligados. Outros elementos podem opcionalmente estar presentes além dos elementos identificados especificamente pela cláusula e/ou, relacionados ou não relacionados àqueles elementos identificados especificamente.

[065] Conforme usado no presente documento no relatório descritivo e nas reivindicações, a palavra ou deve ser compreendida com o mesmo significado que e/ou conforme definido acima. Por exemplo, quando se separa itens em uma lista, ou ou e/ou devem ser interpretados como inclusivos, isto é, a inclusão de ao menos um, mas que também inclui mais de um, de uma diversidade ou lista de elementos, e, opcionalmente, itens não listados adicionais. Apenas os termos que indicam claramente o contrário, como apenas um dentre ou exatamente um dentre ou, quando usado nas reivindicações, que consiste de se referem à inclusão de exatamente um elemento dentre uma diversidade ou lista de elementos. Em geral, o termo ou conforme usado no presente documento deve

Petição 870190064865, de 10/07/2019, pág. 34/107

25/27 ser apenas interpretado como indicador de alternativas exclusivas (isto é, um ou outro, porém não ambos) quando precedido pelos termos de exclusividade, como um ou outro, um de, apenas um ou exatamente um.

[066] Como usado aqui no relatório descritivo e nas reivindicações, o termo pelo menos um, em referência a uma lista de um ou mais elementos, deve ser compreendido por significar pelo menos um elemento selecionado dentre quaisquer um ou mais dos elementos na lista de elementos, mas não inclui necessariamente pelo menos um de todo e cada elemento especificamente mencionado na lista de elementos e não exclui quaisquer combinações de elementos na lista de elementos. Essa definição também possibilita que outros elementos possam opcionalmente estar presentes além dos elementos especificamente identificados dentro da lista de elementos aos quais o termo pelo menos um se refere, estando ou não relacionados a esses elementos especificamente identificados.

[067] Deve-se compreender também que, a menos que indicado o contrário, em quaisquer métodos reivindicados no presente documento que incluem mais de uma etapa ou ação, a ordem das etapas ou das ações do método não são limitadas necessariamente à ordem na qual as etapas ou ações do método são mencionadas.

[068] Nas reivindicações, bem como no relatório descritivo acima, todas as frases transicionais tais como que compreende, que inclui, que realiza, que tem, que contém, que envolve, que prende, composto de e similares devem ser compreendidos por não-limitados, isto é, significativos de que incluem, mas não se limitam. Apenas as frases de transição que consiste em e que consiste

Petição 870190064865, de 10/07/2019, pág. 35/107

26/27 essencialmente em deverão ser frases de transição fechadas ou semifechadas, respectivamente.

[069] Embora várias modalidades tenham sido descritas e ilustradas na presente invenção, os versados na técnica verão imediatamente uma variedade de outros meios e/ou estruturas para realizar a função e/ou obter os resultados e/ou uma ou mais dentre as vantagens descritas na presente invenção, e cada uma de tais variações e/ou modificações é considerada como inserida no escopo das modalidades descritas na presente invenção. De modo mais genérico, os versados na técnica compreenderão prontamente que todos os parâmetros, dimensões, materiais e configurações descritos na presente invenção são exemplificativos e que os parâmetros, dimensões, materiais e/ou configurações reais dependerão da aplicação ou aplicações específicas para as quais os ensinamentos são/serão usados. Os versados na técnica reconhecerão ou terão a capacidade de apurar, com o uso apenas de experimentação comum, muitos equivalentes às modalidades específicas aqui descritas. Deve-se, portanto, compreender que as modalidades anteriormente mencionadas são apresentadas somente a título de exemplo e que, no escopo das reivindicações anexas e equivalentes às mesmas, as modalidades podem ser praticadas de modo diferente do descrito e reivindicado especificamente. Várias modalidades da presente revelação se referem a cada característica, sistema, artigo, material, kit e/ou método individual descrito na presente invenção. Além disso, se tais características, sistemas, artigos, materiais, kits e/ou métodos não forem mutualmente inconsistentes, qualquer combinação de dois ou mais dentre tais características,

Petição 870190064865, de 10/07/2019, pág. 36/107

27/27 sistemas, artigos, materiais, kits e/ou métodos será incluída no escopo da presente revelação.

Claims (6)

1. MÉTODO IMPLEMENTADO POR COMPUTADOR (100) PARA TREINAR UM SISTEMA DE ESCORE (600), caracterizado por compreender as etapas de:

fornecer (110) um sistema de escore que compreende um módulo de escore (606);

receber (120) um conjunto de dados de treinamento que compreende uma pluralidade de dados de paciente e resultados de tratamento;

analisar (130), com o uso de um algoritmo de apoio para decisões clínicas, o conjunto de dados de treinamento para gerar uma pluralidade de recomendações de apoio para decisões clínicas;

agrupar (140), com o uso do módulo de escore, a pluralidade de recomendações de apoio para decisões clínicas em uma pluralidade de agrupamentos, sendo que o agrupamento se baseia, pelo menos em parte, em uma comparação entre cada uma das recomendações de apoio para decisões clínicas e os resultados de tratamento nos dados de treinamento; e identificar (160), com o uso do módulo de escore, uma ou mais características de pelo menos um dentre a pluralidade de agrupamentos, e gerar, com base nas uma ou mais características identificadas, um ou mais critérios de inclusão para o ao menos um dentre a pluralidade de agrupamentos.

2/6

2. MÉTODO, de acordo com a reivindicação 1, caracterizado pela dita etapa de identificação compreender adicionalmente gerar, com base nas uma ou mais características identificadas, um ou mais critérios de exclusão para o ao menos um dentre a pluralidade de agrupamentos.

Petição 870190064865, de 10/07/2019, pág. 38/107

3/6 agrupar (132), com o uso do módulo de escore, ο conjunto de dados de treinamento em uma pluralidade de agrupamentos;

analisar (130), com o uso de um algoritmo de apoio para decisões clínicas, o conjunto de dados de treinamento para gerar uma pluralidade de recomendações de apoio para decisões clínicas, sendo que a dita etapa de agrupamento e a dita etapa de análise são executadas separadamente; e identificar (160), com o uso do módulo de escore, uma ou mais características de pelo menos um dentre a pluralidade de agrupamentos, e gerar, com base nas uma ou mais características identificadas, um ou mais critérios de inclusão para o ao menos um dentre a pluralidade de agrupamentos, sendo que a dita identificação compreende adicionalmente:

identificar o ao menos um dentre a pluralidade de agrupamentos como um conjunto com uma pluralidade de falsas recomendações, com base na pluralidade de agrupamentos comparados com a pluralidade de recomendações de apoio para decisões clínicas, e/ou identificar (152), com o uso do módulo de escore, pelo menos um dentre a pluralidade de agrupamentos como um agrupamento ruidoso, sendo que o dito agrupamento ruidoso identificado é o agrupamento a partir do qual os um ou mais critérios de exclusão são gerados.

7. MÉTODO, de acordo com a reivindicação 6, caracterizado pela dita etapa de análise compreender analisar (142), com o uso de um algoritmo de apoio para decisões clínicas, cada um dentre a pluralidade de agrupamentos individualmente para gerar uma pluralidade de recomendações de

Petição 870190064865, de 10/07/2019, pág. 40/107

3. MÉTODO, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente as etapas de:

obter (420) dados de saúde sobre um paciente;

analisar (430), com o uso de um algoritmo de apoio para decisões clínicas, os dados de saúde para gerar uma recomendação de apoio para decisões clínicas para o paciente;

atribuir (440), com o uso do módulo de escore (606), a recomendação de apoio para decisões clínicas a um dentre a pluralidade de agrupamentos com base nos critérios de inclusão extraídos; e atribuir (450), com o uso do módulo de escore, um escore de confiança à recomendação de apoio para decisões clínicas com base pelo menos em parte na atribuição da recomendação para o um dentre a pluralidade de agrupamentos.

4/6 apoio para decisões clinicas para cada um dentre a pluralidade de agrupamentos; e sendo que, adicionalmente, o método compreende a etapa de identificar (150), com o uso do módulo de escore, pelo menos um dentre a pluralidade de agrupamentos com um baixo escore de área sob a curva, com base pelo menos em parte na pluralidade de agrupamentos e na pluralidade de recomendações de apoio para decisões clinicas.

8. MÉTODO, de acordo com a reivindicação 6, caracterizado por compreender adicionalmente as etapas de:

obter (420) dados de saúde sobre um paciente;

analisar (430), com o uso de um algoritmo de apoio para decisões clinicas, os dados de saúde para gerar uma recomendação de apoio para decisões clinicas para o paciente;

atribuir (440), com o uso do módulo de escore, a recomendação de apoio para decisões clinicas a um dentre a pluralidade de agrupamentos com base nos critérios de inclusão extraídos; e atribuir (450), com o uso do módulo de escore, um escore de confiança à recomendação de apoio para decisões clínicas com base pelo menos em parte na atribuição da recomendação para o um dentre a pluralidade de agrupamentos.

9. MÉTODO, de acordo com a reivindicação 8, caracterizado por compreender adicionalmente a etapa de comunicar (460) o escore de confiança a um usuário.

10. MÉTODO IMPLEMENTADO POR COMPUTADOR (400) PARA FORNECER UM ESCORE DE CONFIANÇA A UMA RECOMENDAÇÃO DE APOIO PARA DECISÕES CLÍNICAS, sendo o método caracterizado por compreender as etapas de:

obter (420) dados de saúde sobre um paciente;

Petição 870190064865, de 10/07/2019, pág. 41/107

4. MÉTODO, de acordo com a reivindicação 3, caracterizado por compreender adicionalmente a etapa de comunicar (460) o escore de confiança a um usuário.

5/6 analisar (430), com o uso de um algoritmo de apoio para decisões clínicas, os dados de saúde para gerar uma recomendação de apoio para decisões clínicas para o paciente;

atribuir (440), com o uso de um módulo de escore (606), a recomendação de apoio para decisões clínicas a um dentre uma pluralidade de agrupamentos com base em critérios de inclusão, sendo que os critérios de inclusão são gerados por um método conforme definido nas reivindicações 1 a 6;

atribuir (450), com o uso do algoritmo de escore, um escore de confiança à recomendação de apoio para decisões clínicas com base pelo menos em parte na atribuição da recomendação para o um dentre a pluralidade de agrupamentos; e comunicar (460) o escore de confiança a um usuário.

11 . MÉTODO, de acordo com a reivindicação 10, caracterizado pelo dito escore de confiança ser um escore quantitativo. 12 . MÉTODO, de acordo com a reivindicação 10, caracterizado pelo dito escore de confiança ser um escore

quantitativo que compreende uma indicação da utilização ou não da recomendação de apoio para decisões clínicas.

13. DISPOSITIVO PARA TREINAR UM SISTEMA DE ESCORE OU PARA FORNECER UM ESCORE DE CONFIANÇA A UMA RECOMENDAÇÃO DE APOIO PARA DECISÕES CLÍNICAS, sendo o dispositivo caracterizado por compreender uma memória e um processador configurados para executar as etapas do método conforme definido em qualquer uma das reivindicações 1 a 12.

14. MÍDIA DE ARMAZENAMENTO NÃO TRANSITÓRIA LEGÍVEL POR MÁQUINA CODIFICADA COM INSTRUÇÕES A SEREM EXECUTADAS POR UM PROCESSADOR PARA TREINAR UM SISTEMA DE ESCORE, sendo a mídia

Petição 870190064865, de 10/07/2019, pág. 42/107

5. MÉTODO, de acordo com a reivindicação 4, caracterizado pelo dito escore de confiança ser um escore quantitativo.

6. MÉTODO IMPLEMENTADO POR COMPUTADOR (100) PARA TREINAR UM SISTEMA DE ESCORE (600), caracterizado por compreender as etapas de:

fornecer (110) um sistema de escore que compreende um módulo de escore (606);

receber (120) um conjunto de dados de treinamento que compreende uma pluralidade de dados de paciente e resultados de tratamento;

Petição 870190064865, de 10/07/2019, pág. 39/107

6/6 de armazenamento caracterizada por compreender instruções para executar as etapas do método conforme definido em qualquer uma das reivindicações 1 a 12.