CN101297297A - 医疗风险分层方法和系统 - Google Patents

医疗风险分层方法和系统 Download PDF

Info

Publication number
CN101297297A
CN101297297A CNA2006800396905A CN200680039690A CN101297297A CN 101297297 A CN101297297 A CN 101297297A CN A2006800396905 A CNA2006800396905 A CN A2006800396905A CN 200680039690 A CN200680039690 A CN 200680039690A CN 101297297 A CN101297297 A CN 101297297A
Authority
CN
China
Prior art keywords
medical
risk
health parameters
data
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2006800396905A
Other languages
English (en)
Inventor
A·J·格里尼克
M·塞斯金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Caterpillar Inc
Original Assignee
Caterpillar Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Caterpillar Inc filed Critical Caterpillar Inc
Publication of CN101297297A publication Critical patent/CN101297297A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

提供一种用于医疗风险分层系统的方法。所述方法可以包括：建立医疗风险处理模型(104)，该模型给出多个医疗风险(122、124)和多个健康参数(112、114)之间的相互关系；获取与所述多个健康参数相对应的一组值。所述方法还可以包括：基于与所述多个健康参数相对应的所述一组值和所述医疗风险处理模型同时计算所述多个医疗风险的值；以及呈示所述多个医疗风险的值。

Description

医疗风险分层方法和系统
技术领域
本发明一般地说涉及基于计算机的处理模型建模技术，具体地说，涉及使用处理模型对医疗风险进行分层的方法和系统。
背景技术
医疗信息来源于许多不同的渠道，诸如临床数据或非临床数据。保健专业人士可以使用医疗信息对测试进行处方和分析，或者对医疗事件进行诊断和治疗。也可以使用医疗信息来分析医疗风险。医疗风险分析是一种基于某种类型的医疗信息分析某种医疗风险的可能性的重要工具。例如，可以使用医疗风险分析基于某个人是否吸烟来分析患肺病的可能性。
可以使用处理模型和算法来进行医疗风险分析。例如，Walker等人的美国专利申请公开No.2004/0122703给出了一种技术，该技术使用数据库技术和神经网络方法从医疗数据中开发医疗状况模型。然而，这种常规技术通常不能处理个体医疗记录之间的相互关系，特别是在产生和/或优化用来使医疗信息与医疗风险关联的处理模型的时候。
这里给出的与所述系统的某些特征兼容的方法和系统用来解决上述一个或多个问题。
发明内容
本发明的一个方面包括一种用于医疗风险分层系统的方法。所述方法可以包括：建立医疗风险处理模型，该模型给出多个医疗风险和多个健康参数之间的相互关系；获取与所述多个健康参数相对应的一组值。所述方法还包括：基于与所述多个健康参数相对应的所述一组值和所述医疗风险处理模型同时计算所述多个医疗风险的值；以及呈示所述多个医疗风险的值。
本发明的另一个方面包括一种计算机系统。所述计算机可以包括：数据库，其中含有与多个医疗风险和多个健康参数相关的数据记录；以及处理器。所述处理器配置为用来：建立医疗风险处理模型，该模型给出所述多个医疗风险和所述多个健康参数之间的相互关系；获取与所述多个健康参数相对应的一组值。所述处理器还可以配置为用来：基于与所述多个健康参数相对应的所述一组值和所述医疗风险处理模型同时计算所述多个医疗风险的值；呈示所述多个医疗风险的值；以及优化所述多个健康参数以便同时使所述多个医疗风险最小化。
本发明的另一个方面包括计算机可读的介质，该介质用在执行医疗风险分层处理的计算机系统上。所述计算机可读介质包含用来执行所述方法的计算机可执行指令。所述方法包括：建立医疗风险处理模型，该模型给出多个医疗风险和多个健康参数之间的相互关系；获取与所述多个健康参数相对应的一组值。所述方法还可包括：基于与所述多个健康参数相对应的所述一组值和所述医疗风险处理模型同时计算所述多个医疗风险的值；以及呈示所述多个医疗风险的值。
附图说明
图1显示了根据某些给出的实施例的示范性医疗风险分层处理环境；
图2显示了根据某些给出的实施例的计算机系统的方框图；
图3显示了根据某些给出的实施例的示范性医疗风险分层模型的产生和优化处理的流程图；
图4显示了根据某些给出的实施例的示范性个体前景处理；
图5显示了根据某些给出的实施例的示范性图形用户界面的方框图；
图6显示了根据某些给出的实施例的示范性群体前景处理；
图7显示了根据某些给出的实施例的示范性图形用户界面的另一个方框图。
具体实施方式
下面将详细说明附图中所示的示范性实施例。在所有附图中，尽可能使用同样的参考数字来指示同样的或类似的部分。
图1说明了一个示范性医疗风险分层处理建模环境100的流程图。如图1所示，可以建立一种医疗风险分层(medical risk stratification，MRS)处理模型104以便在输入参数102和输出参数106之间建立相互关系。在建立了MRS处理模型104之后，可以将输入参数102的值提供给MRS处理模型104以便基于给定的输入参数102的值和所述相互关系来预测输出参数106的值。
输入参数102可以包括与医疗应用相关的任何合适类型的数据。例如，输入参数102可以包括来自医院或其它保健机构的医疗记录。另一方面，输出参数106可以对应着某种医疗风险或由具体医疗应用所使用的任何其它类型的输出参数。
MRS处理模型104可以包括能够指明输入参数102和输出参数106之间的相互关系的任何合适类型的数学或物理模型。例如，MRS处理模型104可以是基于神经网络的数学模型，对该模型进行训练以获得输入参数102和输出参数106之间的相互关系。也可以使用其它类型的数学模型，诸如模糊逻辑模型、线性系统模型、和/或非线性系统模型等。使用从建立了MRS处理模型104的具体应用中所收集的数据记录可以训练并验证MRS处理模型104。就是说，可以使用数据记录根据与某种类型的模型相对应的具体规则来建立MRS处理模型104，并通过使用部分所述数据记录来验证MRS处理模型104中的相互关系。
在训练并验证了MRS处理模型104之后，可以优化MRS处理模型104，以确定输入参数102的所希望的输入空间和/或输出参数106的所希望的分布。当提供一组输入参数102的值时，可以使用验证了或优化了的MRS处理模型104来产生相应的输出参数106的值。例如，可以基于个人数据112使用MRS处理模型104产生个人风险预测122。此外，也可以基于群体数据114使用MRS处理模型104来找出群体风险预测124。
通过一个或多个计算机系统来实现MRS处理模型104的建立和操作。图2显示了可以用来执行这些建模处理和操作的示范性计算机系统200的功能方框图。
如图2所示，计算机系统200可以包括处理器202、随机存取存储器(RAM)204、只读存储器(ROM)206、控制台208、输入设备210、网络接口212、数据库214-1和214-2、存储器216。应该明白，所列设备的类型和数目只是示范性的，并不是用来进行限制的。可以改变所列设备的数目，可以加入其它设备。
处理器202可以包括任何合适类型的通用微处理器、数字信号处理器、或微控制器。处理器202可以执行系列的计算机程序指令来进行上述各种处理。计算机程序指令可以从只读存储器(ROM)或从存储器216中加载到RAM 204中供微处理器202执行。存储器216可以包括任何合适类型的大容量存储器，用来存储处理器202进行所述处理所需要的任何类型的信息。例如，存储器216可以包括一个或多个硬盘设备、光盘设备、或其它存储设备以提供存储空间。
控制台208可以提供图形用户界面(graphic user interface，GUI)，以为计算机系统200的用户显示信息。控制台208可以包括任何合适类型的计算机显示设备或计算机显示器。可以提供输入设备210供用户输入信息到计算机系统200中。输入设备210可以包括键盘、鼠标、或其它光学的或无线的计算机输入设备等。此外，网络接口212可以提供通信连接，使得通过各种通信协议(诸如传输控制协议/互联网协议(TCP/IP)、超文本传输协议(HTTP)等)利用计算机网络可以远程访问计算机系统200。
数据库214-1和214-2可以包含模型数据和/或与待分析的数据记录相关的任何信息，诸如训练和测试数据。数据库214-1和214-2可以包括任何类型的商用数据库或定制数据库。数据库214-1和214-2也可以包括用于分析所述数据库中的信息的分析工具。处理器202也可以使用数据库214-1和214-2来确定并存储MRS处理模型104的性能特性。
处理器202可以进行医疗风险分层模型的产生和优化处理来产生和优化MRS处理模型104。图3显示了由处理器202进行的示范性的模型产生和优化处理。
如图3所示，在模型产生和优化处理的开始，处理器202获取与输入参数102和输出参数106相关的数据记录(步骤302)。所述数据记录可以包括描述个体或群体特征的信息、遗传信息、医疗事件和状况、治疗、诊断、和预后特征等。具体说，所述数据记录可以包括人口统计数据(例如，年龄、种族、性别、工作场所、住处、生活方式等)、自我报告数据(例如，断续地从个体和群体成员所收集的调查)、处方药信息(例如，由个体或群体所服用的处方药的种类和/或数量)、诊断记录(例如，临床测试及结果)、以及治疗数据(例如，疾病、治疗、医院、和/或医生等)。
例如，所述数据记录可以包括与单个病人的血液、尿液、唾液以及其它体液分析(例如，肠胃液、生殖液和脑脊髓液的分析)相关的参数信息。所述数据记录也可以包括从各种医疗分析系统(诸如聚合酶链式反应(Polymerase Chain Reaction，PCR)分析系统、遗传标记分析系统、放射免疫分析系统、色谱分析系统、和/或受体化验系统等)所获得的数据。也可以包括从其它分析系统(诸如组织分析系统、细胞和组织的类型检测系统、以及免疫细胞化学和组织病理学分析系统)所获得的数据。
此外，所述数据记录可以包括个体病人的临床测量的信息，诸如临床医疗数据(例如，年龄、性别、身高、锻炼水平、胆固醇水平、血压、饮食、特殊疾病及治疗、健康习惯等)，或者其它临床测试数据，诸如脑电图(EEG)、心电图(ECG)、肌电图(EMG)、电阻抗断层成像(EIT)、神经传导测试数据、眼震电图(ENG)、X射线图像、磁共振(MR)图像、计算机断层扫描(CT)图像、正电子发射断层成像(PET)、和/或荧光成像、乳房X射线成像、超声波扫描图、红外图像、核图像、以及热声图像等。
所述数据记录也可以从为了收集这些数据而设计的实验中收集。或者，所述数据记录也可以由其它相关的处理(诸如其它的医疗建模或分析处理)来人工产生。所述数据记录也可以包括用来建立MRS处理模型104的训练数据和用来验证MRS处理模型104的测试数据。此外，所述数据记录也可以包括用来观察和优化MRS处理模型104的仿真数据。
所述数据记录可以反映输入参数102和输出参数106的特征，诸如统计分布、正常范围和/或精度公差等。一旦获得了所述数据记录(步骤302)，处理器202可以对所述数据记录进行预处理，以便清除有明显误差的数据记录并消除冗余(步骤304)。处理器202可以去掉基本相同的数据记录和/或去掉不在合理范围内的数据记录，以便对于模型的产生和优化来说是有意义的。在预处理了数据记录之后，处理器202通过分析数据记录可以选择合适的输入参数(步骤306)。
所述数据记录可以与许多输入变量(诸如与人口统计数据、自我报告数据、处方药信息、诊断记录和治疗数据等相对应的变量)相关。输入变量的数目可以大于MRS处理模型104所使用的输入参数102的数目，就是说，输入参数102可以是输入变量的子集。例如，所述数据记录可以与几个身体状况(诸如肺、肝、心和/或其它器官)相关；而某个具体处理的输入参数102，诸如心血管疾病(cardiovascular disease，CVD)，可以只包括与心脏相关的信息和/或有关血压、胆固醇水平和/或生活方式等的信息。
在某些情形中，数据记录中输入变量的数目可以超过数据记录的数目，这导致数据稀疏的情形。在某些数学模型中，不得不省略一些额外的输入变量。或许需要减少输入变量的数目以便在实用的计算时间限制内产生数学模型。
处理器202可以根据预定标准来选择输入参数102。例如，处理器202可以通过实验和/或专家意见来选择输入参数102。或者，在某些实施例中，处理器202可以基于数据记录的正常数据集和异常数据集之间的Mahalanobis距离来选择输入参数。所述正常数据集和异常数据集可以由处理器202使用任何合适的方法来定义。例如，正常数据集可以包括与输入参数102相关的可以产生所希望的输出参数的特征数据。另一方面，异常数据集可以包括那些在误差范围之外的或需要避免的任何特征数据。正常数据集和异常数据集可以由处理器202来预定义。
Mahalanobis距离是指用于基于数据集中的各参数间的关联来测量数据分布的一种数学表示。Mahalanobis距离不同于欧几里德距离之处在于，Mahalanobis距离考虑了数据集中的所述关联。数据集X(例如，多元矢量)的Mahalanobis距离可以表示为
MDi＝(Xi-μx)∑-1(Xi-μx)’    (1)
其中，μx为X的平均，∑-1为X的方差-协方差矩阵的逆。MDi对数据点Xi与其平均值μx的距离进行了加权，使得处于同一多元正态密度等值面上的观察值具有同样的距离。可以使用这种观察值从具有不同方差的单独的数据组中确认并选择相关的参数。
处理器202可以选择输入参的所希望的数子集，使得正常数据集和异常数据集之间的Mahalanobis距离被最大化或者被优化。处理器202可以使用遗传算法来搜寻输入参数102以获得能够使Mahalanobis距离最大化的所希望的子集。处理器202可以基于预定的标准选择输入参数102的备择子集，并计算正常数据集的Mahalanobis距离MDnormal，和异常数据集的Mahalaanobis距离MDabnormal。处理器202也可以计算正常数据集和异常数据集之间的Mahalanobis距离(即Mahalanobis距离的偏差MDx＝MDnormal-MDabnormal)。然而，也可以使用其它类型的偏差。
如果所述遗传算法收敛(即，遗传算法找到了与备择子集相对应的正常数据集和异常数据集之间的最大化的或优化的Mahalanobis距离)，那么，处理器202可以选择输入变量102的备择子集。如果该遗传算法不收敛，那么，可以产生输入变量的不同的备择子集，用来进行进一步的搜寻。这个搜寻过程一直继续，直到遗传算法收敛并选择出了输入变量(例如输入参数102)的所希望的子集。
在选择了输入参数102(例如，年龄、性别、身高、锻炼水平、胆固醇水平、血压、饮食、特殊疾病及治疗、健康习惯等)之后，处理器202可以产生MRS处理模型104以建立输入参数102和输出参数106之间的相互关系(步骤308)。在某些实施例中，MRS处理模型104可以对应着一种计算模型，诸如一种建立在任何合适类型的神经网络上的计算模型。可以使用的神经网络计算模型的类型可以包括向后传播-前馈模型、级联神经网络、和/或混合神经网络等。所使用的神经网络的具体类型或结构取决于具体应用。也可以使用其它类型的计算模型，诸如线性系统或非线性系统模型等。
使用所选择的数据记录可以训练该神经网络计算模型(即，MRS处理模型104)。例如，该神经网络计算模型可以包括输出参数106(例如，医疗风险等)和输入参数102(例如，年龄、性别、体重、身高、锻炼水平、胆固醇水平、血压、饮食、习惯等)之间的关系。根据预定的标准可以评估所述神经网络计算模型以判断训练过程是否完成。所述标准可以包括所希望的精度范围、时间和/或训练迭代次数等。
在训练了神经网络(即，基于所述预定标准建立了初始的计算模型)之后，处理器202可以对所述计算模型进行统计检验(步骤310)。统计检验是指将神经网络计算模型的输出与实际的或期望的输出进行比较以确定计算模型的精度的分析过程。可以保留部分的数据记录用于所述检验过程。
或者，处理器202也可以产生用于所述检验过程的仿真或检验数据。这可以独立于检验样本来进行，也可以结合所述样本来进行。可以从用于建模的数据记录来确定输入的统计分布。可以使用统计仿真(诸如Latinhypercube仿真)来产生假设的输入数据记录。由所述计算模型来处理这些输入数据记录，产生一个或多个输出特征分布。从计算模型所得到的输出特征分布可以与在人群中观察到的输出特征分布进行比较。可以在计算模型的输出分布和所观察到的输出分布上进行统计质量测试以保证模型的完整性。
在对MRS处理模型104进行了训练和验证之后，可以使用所述模型根据输入参数102的值预测输出参数106的值。此外，通过基于输入参数102和所输出参数106的希望的分布之间的关系来确定所希望的输入参数102分布，处理器202可以优化MRS处理模型104(步骤312)。
处理器202可以根据具体应用来分析所希望的输入参数102分布和所希望的输出参数106分布之间的关系。例如，处理器202可以为输出参数106(例如，患心血管疾病、糖尿病和/或高血压等的可能性)选择所希望的范围。然后，处理器202利用计算模型进行仿真以便为个体输入参数(例如，年龄、性别、体重、身高、锻炼水平、胆固醇水平、血压、饮食、习惯等)找到所希望的统计分布。就是说，处理器202可以单独地确定与输出参数106的正常范围相对应的个体输入参数的分布(例如，平均值、标准偏差等)。在为所有的个体输入参数确定了各自的分布之后，处理器202可以将所有的个体输入参数的所希望的分布结合起来以确定全体输入参数102的所希望的分布和特征。
或者，处理器202可以同时确认输入参数102的所希望的分布以便将获得所希望结果的可能性最大化。在某些实施例中，处理器202可以基于zeta统计同时确定输入参数102的所希望的分布。Zeta统计可以表明输入参数、其值的范围和所希望的结果之间的关系。Zeta统计可以表示为
ζ = Σ 1 j Σ 1 i | S ij | ( σ i x ‾ i ) ( x ‾ j σ j )
其中，xi表示第i个输入的平均值或期望值；xj表示第j个结果的平均值或期望值；σi表示第i个输入的标准偏差；σj表示第j个结果的标准偏差；|Sij|表示第j个结果对第i个输入的偏微商或者说是灵敏度。
在某些情形中，xi可以小于或等于零。可以将3σi这样一个值加到xi上来校正这种成问题的情形。然而，如果加上了3σi之后xi仍然等于零，那么，处理器202就可以判断出σi也可能为零，并且判断出被优化的所述处理模型不是希望的模型。在某些实施例中，处理器202可以为σi设定最小阈值以保证处理模型的可靠性。在某些其它情形中，σj可以等于零。然后，处理器202可以判断出正在被优化的模型在某个不确定范围内不足以反映输出参数。处理器202可以将一个不确定的大数分配给ζ。
处理器202可以确定输入参数102的所希望的分布，使得神经网络计算模型(即，MRS处理模型104)的zeta统计值被最大化或被优化。处理器202可以使用一个合适类型的遗传算法来搜寻输入参数的所希望的分布以便使zeta统计值最大化。处理器202可以选择一组具有预定搜寻范围的备择输入参数102并利用MRS处理模型104进行仿真，以便基于输入参数102、输出参数106和神经网络计算模型来计算zeta统计参数。处理器202可以通过分析所述一组备择输入参数102来获得xi和σi，通过分析所述仿真的结果来获得xj和σj。此外，处理器202可以从训练过的神经网络获得|Sij|，作为第i个输入对第j个结果的影响的指示。
如果所述遗传算法收敛(即，所述遗传算法找到了与所述一组备择输入参数相对应的最大化了的或优化了的MRS处理模型104的zeta统计值)，那么，处理器202可以选择所述一组备择输入参数。如果所述遗传算法不收敛，那么，所述遗传算法可以产生一组不同的备择输入参数102，用来进行进一步的搜寻。这个搜寻过程一直继续，直到遗传算法收敛并确定了所希望的一组输入参数102。处理器202可以进一步基于所希望的输入参数组来确定输入参数102的所希望的分布(例如，平均值和标准偏差)。一旦确定了所希望的分布，处理器202可以定义一个有效的输入空间，该空间可以包括在所希望的分布之内的任何输入参数(步骤314)。
在一个实施例中，某些输入参数的统计分布是不可能被控制，或者实际上不能被控制。例如，某个输入参数可以与病人的身体属性(诸如年龄)相关联，或者所述输入参数可以与MRS处理模型104自身中的常变量相关。这些输入参数可以用在zeta统计计算中来搜寻或确定与常数值相对应的其它输入参数的所希望的分布和/或这些输入参数的统计分布。
返回图1，在MRS处理模型104被训练、验证和优化之后，个体用户可以使用MRS处理模型基于个体医疗数据来预测一个或多个医疗风险。处理器202可以进行个体前景处理，以便为个体用户提供有关医疗风险的信息。例如，处理器202可以基于MRS处理模型104和个体数据112提供个体风险预测122。图4显示了处理器202所执行的示范性个体前景处理。
处理器202可以从个体用户那里获得个体数据112(步骤402)。处理器202可以直接从用户输入、从数据库或从含有这种数据的其它计算机系统中获得个体数据112。个体数据112可以反映所述个体用户的任何关于健康的信息，诸如年龄、性别、身高、锻炼水平、胆固醇水平、血压、饮食、特殊疾病及治疗、健康习惯(例如抽烟、喝酒)等。
在获得个体数据112之后，处理器202可以基于MRS处理模型104计算个体风险预测122(步骤404)。例如，处理器202可以基于输入的个体数据112(例如年龄、性别、身高、锻炼水平、胆固醇水平、血压、饮食、特殊疾病及治疗、健康习惯等)和MRS处理模型104来计算医疗风险(诸如心血管疾病、糖尿病等)。处理器202也可以进行与个体数据112和个体风险预测122相关的某些其它计算，诸如有关个体数据112的统计，与输入参数102相比较。
处理器202也可以通过用户界面将个体风险预测122和其它计算结果呈现给个体用户(步骤406)。所述用户界面可以包括任何合适的文本、音频和/或视频用户界面。图5显示了控制台208上的示范性图形用户界面(GUI)500的方框图。
如图5所示，GUI 500可以包括单独的显示区来呈现不同类型的数据。例如，GUI 500可以包括用户输入区502、输入设置区504和多重风险评估区506。但也可以使用其它的显示区。可以利用用户输入区502从个体用户那里接收健康数据输入(即，个体数据112)和/或允许用户改变某些输入的值来观察这些改变的可能效果。在某些实施例中，可以使用滑动条控制机制(slider control mechanism)，使得用户可以容易地设定或改变输入。另外，也可以使用滑动条控制为这些输入设定最小和最大极限。这些极限可以是预定的，也可以由MRS处理模型104实时地确定。
可以使用输入设置区504来列出输入数据112(例如年龄、性别、身高、锻炼水平、胆固醇水平、血压、饮食、特殊疾病及治疗、健康习惯等)的值。输入设置区也可以显示个体数据112的值和用来产生MRS处理模型104的总的输入参数102的值之间的比较。此外，可以利用多重风险评估区506为用户显示多重风险如何与一个和多个健康输入数据相关。例如，多重风险评估区506可以包括雷达控制图表(radar control chart)，以便显示一组具体输入如何影响多重健康风险的值。
返回图4，在处理器202计算出个体风险预测122并将所述计算结果和某些其它数据呈现给用户(步骤404和406)之后，处理器202可以判断个体数据112的值是否有任何变化(步骤408)。如果没有变化(步骤408；否)，那么处理器202可以继续执行步骤408以监视用户可能作出的任何变化。另一方面，如果任何个体数据112被改变了(步骤408；是)，那么，处理器202可以获得改变了的个体数据112(步骤410)。此外，在步骤404中可以继续进行个体前景处理，以基于所述改变了的个体数据112来计算个体预测122。
另外，或者，保健机构或其它组织也可以利用MRS处理模型104来管理具体人群的保健风险和/或勾画其的健康习惯。处理器202可以进行群体前景处理以便确定医疗风险及其相应的缓解因素。例如，处理器202可以基于MRS处理模型104和群体数据114来提供群体风险预测124。图6显示了示范性群体前景处理。
如图6所示，处理器202可以获得群体数据114(步骤602)。处理器202可以在计算机系统200的管理员的控制下直接从输入设备210获得群体数据114。或者，处理器202也可以从数据库(例如数据库214-1、数据库214-2等)或从包含这种数据的其它计算机系统中获得群体数据114。群体数据114可以反映与某些群体或人群相关的健康信息。这种与健康相关的信息可以包括年龄、性别、身高、锻炼水平、胆固醇水平、血压、饮食、特殊疾病及治疗、健康习惯(例如抽烟、喝酒)等。此外，群体数据114可以包括历来的健康数据和/或用户定义的健康数据。
在获得群体数据114之后，处理器202可以基于MRS处理模型104计算群体风险预测124(步骤604)。例如，处理器202可以基于群体数据114和MRS处理模型104来计算特定群体的健康风险(诸如心血管疾病、糖尿病等)。处理器202也可以基于群体数据114和群体风险预测124来计算健康风险的分布数据。例如，处理器202可以计算某种疾病在不同年龄组或不同种族中的可能性。也可以计算群体数据114和群体风险预测124的其它统计特性。处理器202也可以基于群体数据114(诸如所希望的锻炼水平、饮食、治疗、和/或健康习惯等)的所希望的分布来优化(例如，使总的健康风险最小化)群体风险预测124。处理器202可以基于上述zeta统计来优化群体风险预测124。可以确定一组新的群体数据114(即，优化了的群体数据114)的值来使某种类型的健康风险最小化。但也可以使用其它优化方法。例如，管理员可以基于预定的标准来定义一组群体数据114(即，用户定义的群体数据114)的值以便使一个或多个健康风险最小化。
处理器202也可以通过用户界面将群体前景处理的结果呈现给管理员(步骤606)。类似于为个体前景处理所提供的用户界面，用于群体前景处理的用户界面可以包括任何合适的用户界面，诸如文本(例如电子邮件)、音频或视频界面，或者其任何组合。图7显示了在控制台208上提供的示范性图形用户界面(GUI)700。
GUI 700也可以包括单独的显示区来呈现不同类型的数据。例如，GUI700可以包括输入数据分布设置区702、多重风险评估区704、结果的直方图区706、详细数据区708。但也可以使用其它的显示区。
可以利用输入数据分布设置区702来显示原始的群体数据114、优化了的群体数据114、和/或用户定义的群体数据114。也可以同时显示这些群体数据(例如，群体健康信息在群体或人群中的不同分布)，以便提供不同群体数据之间的比较。
可以利用多重风险评估区704来显示多重风险如何与来自群体数据114的一个和多个健康输入数据相关。例如，多重风险评估区704可以包括雷达控制图表(radar control chart)，以显示一组具体的群体数据如何影响多重健康风险的可能性。此外，可以使用结果的直方图区706来显示分别与原始的群体数据114、优化了的群体数据114和/或用户定义的群体数据114相对应的不同的群体风险预测124值。
可以利用详细数据区708显示在处理器202所进行的群体前景处理中所使用的各种数据的值，诸如能显示对应于群体风险预测和/或群体数据114优化等的计算中的详细数据的分析对照表。
返回图6，处理器202可以优化群体风险预测124的多重健康风险(步骤608)。例如，通过计算所希望的一组群体数据114值，处理器202可以使多重健康风险最小化。在这种优化中也可以使用zeta统计。
在处理器202给出了计算(步骤606)和优化(步骤608)的结果之后，处理器202可以判断管理员是否想定制或定义群体数据114(步骤610)。如果不需要定制(步骤610；否)，那么，处理器202可以继续进行步骤610来监视管理员所作出的任何改变。另一方面，如果需要定制(步骤610；是)，那么处理器202可以前进到步骤602来获取改变了的群体数据114并继续进行群体前景处理。
工业实用性
所公布的系统和方法可以基于健康信息(诸如遗传、生活方式、和/或环境因素(当前的和历史的))提供有效而精确的医疗风险分层。可以使用这种技术来预测并管理个体健康风险以及分析和管理群体或人群的健康风险。
个体用户可以使用这里所公布的系统和方法来预测潜在的健康风险或基于他们自己的健康数据来计算患某种可能疾病的可能性。个体用户也可以通过改变与所述风险或疾病相对应的相关健康数据(例如，生活方式)来减小患病的风险或可能性。
群体或机构用户可以使用所公布的系统和方法来计算人群中的健康风险，诸如在人群中的具体分布。机构用户也可以优化所述分布来减小人群的健康风险并促进健康的生活方式。
所公布的系统和方法也可以用于非医疗领域(诸如金融市场等)来预测或优化其它风险。计算机系统提供商可以使用所述系统的各部分或所述方法的各步骤来便利或集成其它处理模型。
所给出的示范性系统的其它实施例、特点、方面和原理对于熟悉本技术的人员来说是很明显的，并可以在各种环境和系统中来实现。

Claims (10)

1.一种用于医疗风险分层系统的方法，包括：
建立医疗风险处理模型(104)，该模型给出多个医疗风险(122、124)和多个健康参数(112、114)之间的相互关系；
获取与所述多个健康参数相对应的一组值；
基于与所述多个健康参数相对应的所述一组值和所述医疗风险处理模型同时计算所述多个医疗风险的值；以及
呈示所述多个医疗风险的值。
2.根据权利要求1所述的方法，还包括：
优化所述多个健康参数以便同时使所述多个医疗风险最小化。
3.根据权利要求1所述的方法，其中，所述建立医疗风险处理模型包括：
获取与一个或多个健康变量以及所述多个健康风险相关的数据记录；
从所述一个或多个健康变量中选择所述多个健康参数；
产生表明所述相互关系的计算模型；
确定所述计算模型的所述多个健康参数的所希望的统计分布；以及
基于所述希望的统计分布来重新校准所述多个健康参数。
4.根据权利要求3所述的方法，其中，选择过程还包括：
预处理所述数据记录；以及
基于所述数据记录的正常数据集和异常数据集之间的Mahalanobis距离使用遗传算法从所述一个或多个健康变量中选择所述多个健康参数。
5.根据权利要求3述的方法，其中，产生过程还包括：
创建神经网络计算模型；
使用所述数据记录来训练所述神经网络计算模型；以及
使用所述数据记录来验证所述神经网络计算模型。
6.根据权利要求3所述的方法，其中，确定过程还包括：
使用遗传算法确定具有最大zeta统计值的一组备择健康参数；以及
基于所述一组备择健康参数确定所述健康参数的所希望的分布，其中，Zeta统计ζ可以表示为
ζ = Σ 1 j Σ 1 i | S ij | ( σ i x ‾ i ) ( x ‾ j σ j )
其中，xi表示第i个输入的平均值；xj表示第j个输出的平均值；σi表示所述第i个输入的标准偏差；σj表示所述第j个输出的标准偏差；|Sij|表示所述计算模型的所述第j个输出对所述第i个输入的灵敏度。
7.根据权利要求1所述的方法，其中，获取过程包括：
获取与所述多个健康参数相对应的一组值，这组值表明了与个体用户或与人群相关的实际的或希望的健康信息。
8.根据权利要求1所述的方法，其中，所述呈示过程包括：
在第一显示区(502)中呈示所述多个健康参数的所述一组值；
在第二显示区(504)中呈示与所述多个健康参数相对应的统计数据；以及
在第三显示区(506)中呈示所述多个健康参数和所述多个医疗风险之间的相互关系。
9.根据权利要求7所述的方法，还包括：
在第四显示区(708)中呈示与所述医疗风险处理模型相关的详细数据。
10.一种计算机系统(200)，包括：
数据库(214-1、214-2)，其含有与多个医疗风险(122、124)和多个健康参数(112、114)相关的数据记录；以及
处理器(202)，配置为用来：
建立医疗风险处理模型(104)，该模型给出所述多个医疗风险和所述多个健康参数之间的相互关系；
获取与所述多个健康参数相对应的一组值；
基于与所述多个健康参数相对应的所述一组值和所述医疗风险处理模型同时计算所述多个医疗风险的值；
呈示所述多个医疗风险的值；以及
优化所述多个健康参数以同时使所述多个医疗风险最小化。
CNA2006800396905A 2005-10-25 2006-08-22 医疗风险分层方法和系统 Pending CN101297297A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/257,341 2005-10-25
US11/257,341 US7487134B2 (en) 2005-10-25 2005-10-25 Medical risk stratifying method and system

Publications (1)

Publication Number Publication Date
CN101297297A true CN101297297A (zh) 2008-10-29

Family

ID=37671371

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2006800396905A Pending CN101297297A (zh) 2005-10-25 2006-08-22 医疗风险分层方法和系统

Country Status (4)

Country Link
US (2) US7487134B2 (zh)
EP (1) EP1941410A2 (zh)
CN (1) CN101297297A (zh)
WO (1) WO2007050186A2 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106132297A (zh) * 2013-12-13 2016-11-16 昆腾医疗公司 在线实时采集分析用于评估每搏输出量、心输出量和全身性炎症的电压体积描记法、心电图和脑电图的方法及装置
CN106295092A (zh) * 2015-05-13 2017-01-04 仁智(苏州)医学研究有限公司 临床医疗的多维度数据分析方法和系统
CN109074859A (zh) * 2016-05-04 2018-12-21 皇家飞利浦有限公司 对患者紧急度的临床医师评估的估计和使用

Families Citing this family (105)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7730063B2 (en) * 2002-12-10 2010-06-01 Asset Trust, Inc. Personalized medicine service
US8361026B2 (en) 2005-02-01 2013-01-29 Intelliject, Inc. Apparatus and methods for self-administration of vaccines and other medicaments
US20060230097A1 (en) * 2005-04-08 2006-10-12 Caterpillar Inc. Process model monitoring method and system
US20060229854A1 (en) * 2005-04-08 2006-10-12 Caterpillar Inc. Computer system architecture for probabilistic modeling
US7565333B2 (en) * 2005-04-08 2009-07-21 Caterpillar Inc. Control system and method
US8209156B2 (en) 2005-04-08 2012-06-26 Caterpillar Inc. Asymmetric random scatter process for probabilistic modeling system for product design
US20060229753A1 (en) * 2005-04-08 2006-10-12 Caterpillar Inc. Probabilistic modeling system for product design
US8364610B2 (en) 2005-04-08 2013-01-29 Caterpillar Inc. Process modeling and optimization method and system
US7877239B2 (en) 2005-04-08 2011-01-25 Caterpillar Inc Symmetric random scatter process for probabilistic modeling system for product design
US20060229852A1 (en) * 2005-04-08 2006-10-12 Caterpillar Inc. Zeta statistic process method and system
US20070061144A1 (en) * 2005-08-30 2007-03-15 Caterpillar Inc. Batch statistics process model method and system
US7487134B2 (en) * 2005-10-25 2009-02-03 Caterpillar Inc. Medical risk stratifying method and system
US20070118487A1 (en) * 2005-11-18 2007-05-24 Caterpillar Inc. Product cost modeling method and system
US7505949B2 (en) * 2006-01-31 2009-03-17 Caterpillar Inc. Process model error correction method and system
US20070203810A1 (en) * 2006-02-13 2007-08-30 Caterpillar Inc. Supply chain modeling method and system
US8244555B2 (en) * 2006-07-17 2012-08-14 Merge Eclinical, Inc. Rule model for healthcare information
US8250553B2 (en) * 2006-07-27 2012-08-21 International Business Machines Corporation Method and data processing system for finding problems caused by access to uninitialized data storage in assembler programs
US8478506B2 (en) 2006-09-29 2013-07-02 Caterpillar Inc. Virtual sensor based engine control system and method
US8333696B2 (en) * 2006-12-13 2012-12-18 Watermark Medical, Inc. Systems and methods for automated prediction of risk for perioperative complications based on the level of obstructive sleep apnea
US20080154811A1 (en) * 2006-12-21 2008-06-26 Caterpillar Inc. Method and system for verifying virtual sensors
US7483774B2 (en) * 2006-12-21 2009-01-27 Caterpillar Inc. Method and system for intelligent maintenance
US8245211B2 (en) * 2007-06-05 2012-08-14 International Business Machines Corporation Method and system for finding problems caused by access to partially uninitialized data storage which is accessed using index expressions
WO2008152212A1 (fr) * 2007-06-14 2008-12-18 Statlife Methode de determination de scores de risques
US7787969B2 (en) 2007-06-15 2010-08-31 Caterpillar Inc Virtual sensor system and method
US8219414B2 (en) * 2007-07-16 2012-07-10 Computer Task Group, Inc. Method of appraising a mammal's health
US7831416B2 (en) 2007-07-17 2010-11-09 Caterpillar Inc Probabilistic modeling system for product design
US7788070B2 (en) 2007-07-30 2010-08-31 Caterpillar Inc. Product design optimization method and system
US20090055217A1 (en) * 2007-08-23 2009-02-26 Grichnik Anthony J Method and system for identifying and communicating a health risk
US8260636B2 (en) * 2007-08-31 2012-09-04 Caterpillar Inc. Method and system for prioritizing communication of a health risk
US7542879B2 (en) * 2007-08-31 2009-06-02 Caterpillar Inc. Virtual sensor based control system and method
US7593804B2 (en) * 2007-10-31 2009-09-22 Caterpillar Inc. Fixed-point virtual sensor control system and method
US8036764B2 (en) 2007-11-02 2011-10-11 Caterpillar Inc. Virtual sensor network (VSN) system and method
US8224468B2 (en) 2007-11-02 2012-07-17 Caterpillar Inc. Calibration certificate for virtual sensor network (VSN)
US7805421B2 (en) * 2007-11-02 2010-09-28 Caterpillar Inc Method and system for reducing a data set
US20090157427A1 (en) * 2007-12-12 2009-06-18 Capel Winston T Method of personalized, independent medical evaluation
US8099993B2 (en) * 2007-12-20 2012-01-24 General Electric Company Method and apparatus for verifying the operation of an accelerometer
US20090293457A1 (en) * 2008-05-30 2009-12-03 Grichnik Anthony J System and method for controlling NOx reactant supply
US8086640B2 (en) 2008-05-30 2011-12-27 Caterpillar Inc. System and method for improving data coverage in modeling systems
US8306788B2 (en) * 2008-06-11 2012-11-06 Sas Institute Inc. Computer-implemented systems and methods for executing stochastic discrete event simulations for design of experiments
US20100004947A1 (en) * 2008-07-01 2010-01-07 Michael Nadeau System and Method for Providing Health Management Services to a Population of Members
US20140164012A1 (en) * 2008-08-06 2014-06-12 Noel Guillama System and methods for simulating future medical episodes
US7917333B2 (en) * 2008-08-20 2011-03-29 Caterpillar Inc. Virtual sensor network (VSN) based control system and method
US20100076785A1 (en) * 2008-09-25 2010-03-25 Air Products And Chemicals, Inc. Predicting rare events using principal component analysis and partial least squares
US20090055227A1 (en) * 2008-10-30 2009-02-26 Bakos Thomas L Risk Assessment Company
US20110046972A1 (en) * 2009-08-20 2011-02-24 Andromeda Systems Incorporated Method and system for health-centered medicine
US20110071363A1 (en) * 2009-09-22 2011-03-24 Healthways, Inc. System and method for using predictive models to determine levels of healthcare interventions
US20110167020A1 (en) * 2010-01-06 2011-07-07 Zhiping Yang Hybrid Simulation Methodologies To Simulate Risk Factors
US8494872B2 (en) * 2010-02-04 2013-07-23 International Business Machines Corporation Personalized electronic healthcare management
US8668649B2 (en) * 2010-02-04 2014-03-11 Siemens Medical Solutions Usa, Inc. System for cardiac status determination
US9141936B2 (en) 2010-08-04 2015-09-22 Sas Institute Inc. Systems and methods for simulating a resource constrained process
US10431336B1 (en) 2010-10-01 2019-10-01 Cerner Innovation, Inc. Computerized systems and methods for facilitating clinical decision making
US10734115B1 (en) 2012-08-09 2020-08-04 Cerner Innovation, Inc Clinical decision support for sepsis
US11398310B1 (en) 2010-10-01 2022-07-26 Cerner Innovation, Inc. Clinical decision support for sepsis
US11348667B2 (en) 2010-10-08 2022-05-31 Cerner Innovation, Inc. Multi-site clinical decision support
US10628553B1 (en) 2010-12-30 2020-04-21 Cerner Innovation, Inc. Health information transformation system
US8771186B2 (en) 2011-05-17 2014-07-08 Welch Allyn, Inc. Device configuration for supporting a patient oxygenation test
US8793004B2 (en) 2011-06-15 2014-07-29 Caterpillar Inc. Virtual sensor system and method for generating output parameters
US8856156B1 (en) 2011-10-07 2014-10-07 Cerner Innovation, Inc. Ontology mapper
US9536052B2 (en) * 2011-10-28 2017-01-03 Parkland Center For Clinical Innovation Clinical predictive and monitoring system and method
US9558300B2 (en) * 2011-11-11 2017-01-31 Carnegie Mellon University Stochastic computational model parameter synthesis system
US20140058755A1 (en) 2011-11-23 2014-02-27 Remedev, Inc. Remotely-executed medical diagnosis and therapy including emergency automation
US10249385B1 (en) 2012-05-01 2019-04-02 Cerner Innovation, Inc. System and method for record linkage
US10740438B2 (en) 2012-08-16 2020-08-11 Ginger.io, Inc. Method and system for characterizing and/or treating poor sleep behavior
US20140052474A1 (en) * 2012-08-16 2014-02-20 Ginger.oi, Inc Method for modeling behavior and health changes
US10650920B2 (en) 2012-08-16 2020-05-12 Ginger.io, Inc. Method and system for improving care determination
US10741285B2 (en) 2012-08-16 2020-08-11 Ginger.io, Inc. Method and system for providing automated conversations
US10276260B2 (en) * 2012-08-16 2019-04-30 Ginger.io, Inc. Method for providing therapy to an individual
US10102341B2 (en) * 2012-08-16 2018-10-16 Ginger.io, Inc. Method for managing patient quality of life
US10068670B2 (en) * 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and depression state
US10748645B2 (en) 2012-08-16 2020-08-18 Ginger.io, Inc. Method for providing patient indications to an entity
US10068060B2 (en) * 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and psychotic disorders
US10265028B2 (en) * 2012-08-16 2019-04-23 Ginger.io, Inc. Method and system for modeling behavior and heart disease state
US10593426B2 (en) 2012-09-13 2020-03-17 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for automated facial biological recognition
US10496788B2 (en) 2012-09-13 2019-12-03 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for automated patient monitoring
US10769241B1 (en) 2013-02-07 2020-09-08 Cerner Innovation, Inc. Discovering context-specific complexity and utilization sequences
US10946311B1 (en) 2013-02-07 2021-03-16 Cerner Innovation, Inc. Discovering context-specific serial health trajectories
US11894117B1 (en) 2013-02-07 2024-02-06 Cerner Innovation, Inc. Discovering context-specific complexity and utilization sequences
US8751039B1 (en) 2013-02-22 2014-06-10 Remedev, Inc. Remotely-executed medical therapy device
KR20140107714A (ko) * 2013-02-25 2014-09-05 한국전자통신연구원 건강 관리 시스템 및 그것의 건강 정보 제공 방법
US20140257829A1 (en) * 2013-03-08 2014-09-11 Archimedes, Inc. Interactive healthcare modeling
US10483003B1 (en) 2013-08-12 2019-11-19 Cerner Innovation, Inc. Dynamically determining risk of clinical condition
US10957449B1 (en) 2013-08-12 2021-03-23 Cerner Innovation, Inc. Determining new knowledge for clinical decision support
US12020814B1 (en) 2013-08-12 2024-06-25 Cerner Innovation, Inc. User interface for clinical decision support
US10978208B2 (en) 2013-12-05 2021-04-13 International Business Machines Corporation Patient risk stratification by combining knowledge-driven and data-driven insights
CN105792741A (zh) * 2013-12-06 2016-07-20 心脏起搏器股份公司 使用分类器融合的心力衰竭事件预测
US10755369B2 (en) 2014-07-16 2020-08-25 Parkland Center For Clinical Innovation Client management tool system and method
US20160078183A1 (en) * 2014-08-13 2016-03-17 Community Care Of North Carolina, Inc. Electronically predicting corrective options based on a sensed physiological characteristic
BR112017021322A2 (pt) * 2015-04-08 2018-06-26 Koninklijke Philips Nv unidade de monitoramento de paciente, mídia de armazenamento não transitório, e, aparelho
EP3096253A1 (en) * 2015-05-19 2016-11-23 Universidad de Vigo System, computer-implemented method and computer program product for individualized multiple-disease quantitative risk assessment
US20160371453A1 (en) * 2015-06-19 2016-12-22 Healthgrades Operating Company, Inc. Analytical data processing for consumer health scores
US11250958B2 (en) * 2016-10-21 2022-02-15 International Business Machines Corporation Systems and techniques for recommending personalized health care based on demographics
US10869606B2 (en) * 2017-05-05 2020-12-22 Jiangsu Huaben Health Life Science and Technology Co., Ltd. Method and apparatus for human health evaluation
CN107146183B (zh) * 2017-05-26 2020-07-03 北京居家云舍科技服务有限公司 一种适老化智能家居环境生活状态的分析方法及系统
TWI751396B (zh) * 2017-12-29 2022-01-01 英屬開曼群島商睿能創意公司 管理複數個裝置交換站的方法及伺服器系統
CN109003193B (zh) * 2018-09-10 2024-06-28 平安科技（深圳）有限公司 投保风险预测方法、装置、计算机设备和存储介质
US11621081B1 (en) * 2018-11-13 2023-04-04 Iqvia Inc. System for predicting patient health conditions
EP3806107A1 (en) * 2019-10-11 2021-04-14 C The Signs Limited Diagnostic tool
US11730420B2 (en) 2019-12-17 2023-08-22 Cerner Innovation, Inc. Maternal-fetal sepsis indicator
CN111144658B (zh) * 2019-12-30 2023-06-16 医渡云（北京）技术有限公司 医疗风险预测方法、装置、系统、存储介质与电子设备
US20220051809A1 (en) * 2020-08-13 2022-02-17 National Chung Shan Institute Of Science And Technology System of predicting risks with biomedical data, method of predicting risks with biomedical data, and non-transient state computer-readable storage medium
CN114937482A (zh) * 2021-02-04 2022-08-23 深圳慧安康科技有限公司 一种健康档案建立方法、装置、电子设备和存储介质
US11710576B2 (en) 2021-05-24 2023-07-25 OrangeDot, Inc. Method and system for computer-aided escalation in a digital health platform
WO2023183914A1 (en) 2022-03-25 2023-09-28 OrangeDot, Inc. Method and system for automatically determining responses in a messaging platform
WO2023219896A1 (en) 2022-05-11 2023-11-16 OrangeDot, Inc. Method and system for automatically prioritizing content provided to a user
CA3207405A1 (en) 2022-07-25 2024-01-25 Aizoon S.r.l. Method for providing a clinical decision support, corresponding system for providing a clinical decision support, and computer program product

Family Cites Families (136)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3316395A (en) * 1963-05-23 1967-04-25 Credit Corp Comp Credit risk computer
US4136329A (en) * 1977-05-12 1979-01-23 Transportation Logic Corporation Engine condition-responsive shutdown and warning apparatus
DE3104196C2 (de) * 1981-02-06 1988-07-28 Bayerische Motoren Werke AG, 8000 München Anzeigevorrichtung für Kraftfahrzeuge
US5014220A (en) * 1988-09-06 1991-05-07 The Boeing Company Reliability model generator
US5262941A (en) 1990-03-30 1993-11-16 Itt Corporation Expert credit recommendation method and system
DE69212673T2 (de) * 1991-03-14 1997-03-13 Matsushita Electric Ind Co Ltd Prüfmustererzeugungseinrichtung
US5163412A (en) 1991-11-08 1992-11-17 Neutronics Enterprises, Inc. Pollution control system for older vehicles
US5598076A (en) * 1991-12-09 1997-01-28 Siemens Aktiengesellschaft Process for optimizing control parameters for a system having an actual behavior depending on the control parameters
US5594637A (en) * 1993-05-26 1997-01-14 Base Ten Systems, Inc. System and method for assessing medical risk
US5434796A (en) * 1993-06-30 1995-07-18 Daylight Chemical Information Systems, Inc. Method and apparatus for designing molecules with desired properties by evolving successive populations
US5386373A (en) * 1993-08-05 1995-01-31 Pavilion Technologies, Inc. Virtual continuous emission monitoring system with sensor validation
US5539638A (en) 1993-08-05 1996-07-23 Pavilion Technologies, Inc. Virtual emissions monitor for automobile
US5604895A (en) * 1994-02-22 1997-02-18 Motorola Inc. Method and apparatus for inserting computer code into a high level language (HLL) software model of an electrical circuit to monitor test coverage of the software model when exposed to test inputs
US6513018B1 (en) * 1994-05-05 2003-01-28 Fair, Isaac And Company, Inc. Method and apparatus for scoring the likelihood of a desired performance result
US5666297A (en) 1994-05-13 1997-09-09 Aspen Technology, Inc. Plant simulation and optimization software apparatus and method using dual execution models
US5561610A (en) 1994-06-30 1996-10-01 Caterpillar Inc. Method and apparatus for indicating a fault condition
US5566091A (en) 1994-06-30 1996-10-15 Caterpillar Inc. Method and apparatus for machine health inference by comparing two like loaded components
US5835902A (en) 1994-11-02 1998-11-10 Jannarone; Robert J. Concurrent learning and performance information processing system
US5608865A (en) * 1995-03-14 1997-03-04 Network Integrity, Inc. Stand-in Computer file server providing fast recovery from computer file server failures
US5585553A (en) 1995-07-28 1996-12-17 Caterpillar Inc. Apparatus and method for diagnosing an engine using a boost pressure model
US5604306A (en) * 1995-07-28 1997-02-18 Caterpillar Inc. Apparatus and method for detecting a plugged air filter on an engine
US5719796A (en) 1995-12-04 1998-02-17 Advanced Micro Devices, Inc. System for monitoring and analyzing manufacturing processes using statistical simulation with single step feedback
JPH09158775A (ja) 1995-12-06 1997-06-17 Toyota Motor Corp 内燃機関の吸気圧センサ異常検出装置
US5752007A (en) * 1996-03-11 1998-05-12 Fisher-Rosemount Systems, Inc. System and method using separators for developing training records for use in creating an empirical model of a process
US6438430B1 (en) * 1996-05-06 2002-08-20 Pavilion Technologies, Inc. Kiln thermal and combustion control
US5727128A (en) * 1996-05-08 1998-03-10 Fisher-Rosemount Systems, Inc. System and method for automatically determining a set of variables for use in creating a process model
US6108635A (en) * 1996-05-22 2000-08-22 Interleukin Genetics, Inc. Integrated disease information system
US6199007B1 (en) * 1996-07-09 2001-03-06 Caterpillar Inc. Method and system for determining an absolute power loss condition in an internal combustion engine
JP3703117B2 (ja) * 1996-07-10 2005-10-05 ヤマハ発動機株式会社 モデルベース制御方法および装置
US6208982B1 (en) * 1996-11-18 2001-03-27 Lockheed Martin Energy Research Corporation Method and apparatus for solving complex and computationally intensive inverse problems in real-time
US5750887A (en) * 1996-11-18 1998-05-12 Caterpillar Inc. Method for determining a remaining life of engine oil
US5842202A (en) 1996-11-27 1998-11-24 Massachusetts Institute Of Technology Systems and methods for data quality management
US6236908B1 (en) * 1997-05-07 2001-05-22 Ford Global Technologies, Inc. Virtual vehicle sensors based on neural networks trained using data generated by simulation models
US5950147A (en) 1997-06-05 1999-09-07 Caterpillar Inc. Method and apparatus for predicting a fault condition
US6370544B1 (en) * 1997-06-18 2002-04-09 Itt Manufacturing Enterprises, Inc. System and method for integrating enterprise management application with network management operations
US6086617A (en) * 1997-07-18 2000-07-11 Engineous Software, Inc. User directed heuristic design optimization search
US6405122B1 (en) * 1997-10-14 2002-06-11 Yamaha Hatsudoki Kabushiki Kaisha Method and apparatus for estimating data for engine control
US5914890A (en) * 1997-10-30 1999-06-22 Caterpillar Inc. Method for determining the condition of engine oil based on soot modeling
US6145066A (en) 1997-11-14 2000-11-07 Amdahl Corporation Computer system with transparent data migration between storage volumes
US6394952B1 (en) * 1998-02-03 2002-05-28 Adeza Biomedical Corporation Point of care diagnostic systems
US6267722B1 (en) * 1998-02-03 2001-07-31 Adeza Biomedical Corporation Point of care diagnostic systems
US6477660B1 (en) 1998-03-03 2002-11-05 Sap Aktiengesellschaft Data model for supply chain planning
US5987976A (en) 1998-03-12 1999-11-23 Caterpillar Inc. Method for determining the condition of engine oil based on TBN modeling
US6119074A (en) 1998-05-20 2000-09-12 Caterpillar Inc. Method and apparatus of predicting a fault condition
US6266668B1 (en) * 1998-08-04 2001-07-24 Dryken Technologies, Inc. System and method for dynamic data-mining and on-line communication of customized information
US6269351B1 (en) * 1999-03-31 2001-07-31 Dryken Technologies, Inc. Method and system for training an artificial neural network
US20060117274A1 (en) 1998-08-31 2006-06-01 Tseng Ping-Sheng Behavior processor system and method
US6725208B1 (en) * 1998-10-06 2004-04-20 Pavilion Technologies, Inc. Bayesian neural networks for optimization and control
US6240343B1 (en) * 1998-12-28 2001-05-29 Caterpillar Inc. Apparatus and method for diagnosing an engine using computer based models in combination with a neural network
US6092016A (en) * 1999-01-25 2000-07-18 Caterpillar, Inc. Apparatus and method for diagnosing an engine using an exhaust temperature model
JP2000276206A (ja) * 1999-03-24 2000-10-06 Yamaha Motor Co Ltd 総合特性最適化方法及び装置
US6941287B1 (en) 1999-04-30 2005-09-06 E. I. Du Pont De Nemours And Company Distributed hierarchical evolutionary modeling and visualization of empirical data
US6223133B1 (en) * 1999-05-14 2001-04-24 Exxon Research And Engineering Company Method for optimizing multivariate calibrations
US6195648B1 (en) * 1999-08-10 2001-02-27 Frank Simon Loan repay enforcement system
US6442511B1 (en) * 1999-09-03 2002-08-27 Caterpillar Inc. Method and apparatus for determining the severity of a trend toward an impending machine failure and responding to the same
US6976062B1 (en) 1999-09-22 2005-12-13 Intermec Ip Corp. Automated software upgrade utility
US6546379B1 (en) * 1999-10-26 2003-04-08 International Business Machines Corporation Cascade boosting of predictive models
JP2001159903A (ja) * 1999-12-01 2001-06-12 Yamaha Motor Co Ltd 組合せ完成品用単位装置の最適化装置
US6775647B1 (en) 2000-03-02 2004-08-10 American Technology & Services, Inc. Method and system for estimating manufacturing costs
US6298718B1 (en) 2000-03-08 2001-10-09 Cummins Engine Company, Inc. Turbocharger compressor diagnostic system
US7379885B1 (en) * 2000-03-10 2008-05-27 David S. Zakim System and method for obtaining, processing and evaluating patient information for diagnosing disease and selecting treatment
US6594989B1 (en) * 2000-03-17 2003-07-22 Ford Global Technologies, Llc Method and apparatus for enhancing fuel economy of a lean burn internal combustion engine
US6952662B2 (en) 2000-03-30 2005-10-04 Smartsignal Corporation Signal differentiation system using improved non-linear operator
ATE288783T1 (de) * 2000-06-26 2005-02-15 Wns Europ Com Ag Verwendung der von einem ortungssystem für rennfahrzeuge gespeicherten daten zur unterstützung computergestützter simulationsspiele
JP4723057B2 (ja) * 2000-06-29 2011-07-13 横浜ゴム株式会社 製品形状設計方法およびこれを用いて設計される空気入りタイヤ
FR2812389B1 (fr) * 2000-07-27 2002-09-13 Inst Francais Du Petrole Methode et systeme pour estimer en temps reel le mode d'ecoulement d'une veine fluide polyphasique, en tous points d'une conduite
US20020042784A1 (en) * 2000-10-06 2002-04-11 Kerven David S. System and method for automatically searching and analyzing intellectual property-related materials
US6584768B1 (en) * 2000-11-16 2003-07-01 The Majestic Companies, Ltd. Vehicle exhaust filtration system and method
US6859770B2 (en) * 2000-11-30 2005-02-22 Hewlett-Packard Development Company, L.P. Method and apparatus for generating transaction-based stimulus for simulation of VLSI circuits using event coverage analysis
MXPA01012613A (es) * 2000-12-07 2003-08-20 Visteon Global Tech Inc Metodo para calibrar un modelo matematico.
US6859785B2 (en) * 2001-01-11 2005-02-22 Case Strategy Llp Diagnostic method and apparatus for business growth strategy
US20020103996A1 (en) * 2001-01-31 2002-08-01 Levasseur Joshua T. Method and system for installing an operating system
US7113932B2 (en) * 2001-02-07 2006-09-26 Mci, Llc Artificial intelligence trending system
US7500436B2 (en) * 2003-05-22 2009-03-10 General Electric Company System and method for managing emissions from mobile vehicles
US6975962B2 (en) * 2001-06-11 2005-12-13 Smartsignal Corporation Residual signal alert generation for condition monitoring using approximated SPRT distribution
US20020198821A1 (en) 2001-06-21 2002-12-26 Rodrigo Munoz Method and apparatus for matching risk to return
US20030018503A1 (en) * 2001-07-19 2003-01-23 Shulman Ronald F. Computer-based system and method for monitoring the profitability of a manufacturing plant
US6763708B2 (en) * 2001-07-31 2004-07-20 General Motors Corporation Passive model-based EGR diagnostic
US7050950B2 (en) * 2001-11-08 2006-05-23 General Electric Company System, method and computer product for incremental improvement of algorithm performance during algorithm development
US7644863B2 (en) * 2001-11-14 2010-01-12 Sap Aktiengesellschaft Agent using detailed predictive model
US20030126053A1 (en) * 2001-12-28 2003-07-03 Jonathan Boswell System and method for pricing of a financial product or service using a waterfall tool
US7143046B2 (en) * 2001-12-28 2006-11-28 Lucent Technologies Inc. System and method for compressing a data table using models
EP1454203A2 (en) 2002-02-05 2004-09-08 Cleaire Advanced Emission Controls Apparatus and method for simultaneous monitoring, logging, and controlling of an industrial process
US7237238B2 (en) 2002-03-01 2007-06-26 Dell Products L.P. Method and apparatus for automated operating systems upgrade
US6698203B2 (en) * 2002-03-19 2004-03-02 Cummins, Inc. System for estimating absolute boost pressure in a turbocharged internal combustion engine
US6687597B2 (en) 2002-03-28 2004-02-03 Saskatchewan Research Council Neural control system and method for alternatively fueled engines
US7561971B2 (en) * 2002-03-28 2009-07-14 Exagen Diagnostics, Inc. Methods and devices relating to estimating classifier performance
US20030200296A1 (en) 2002-04-22 2003-10-23 Orillion Corporation Apparatus and method for modeling, and storing within a database, services on a telecommunications network
US6935313B2 (en) 2002-05-15 2005-08-30 Caterpillar Inc System and method for diagnosing and calibrating internal combustion engines
US7035834B2 (en) * 2002-05-15 2006-04-25 Caterpillar Inc. Engine control system using a cascaded neural network
US6785604B2 (en) 2002-05-15 2004-08-31 Caterpillar Inc Diagnostic systems for turbocharged engines
US6882929B2 (en) * 2002-05-15 2005-04-19 Caterpillar Inc NOx emission-control system using a virtual sensor
US7000229B2 (en) * 2002-07-24 2006-02-14 Sun Microsystems, Inc. Method and system for live operating environment upgrades
US6950712B2 (en) * 2002-07-30 2005-09-27 Yamaha Hatsudoki Kabushiki Kaisha System and method for nonlinear dynamic control based on soft computing with discrete constraints
US7533008B2 (en) * 2002-08-19 2009-05-12 General Electric Capital Corporation System and method for simulating a discrete event process using business system data
US7225113B2 (en) * 2002-09-11 2007-05-29 Datarevelation, Inc Systems and methods for statistical modeling of complex data sets
US6711676B1 (en) * 2002-10-15 2004-03-23 Zomaya Group, Inc. System and method for providing computer upgrade information
US20040138995A1 (en) * 2002-10-16 2004-07-15 Fidelity National Financial, Inc. Preparation of an advanced report for use in assessing credit worthiness of borrower
JP2004135829A (ja) * 2002-10-17 2004-05-13 Fuji Xerox Co Ltd 脳波診断装置および方法
DE10248991B4 (de) * 2002-10-21 2004-12-23 Siemens Ag Vorrichtung zur Simulation des Steuerungs- und Maschinenverhaltens von Werkzeug- oder Produktionsmaschinen
US6823675B2 (en) 2002-11-13 2004-11-30 General Electric Company Adaptive model-based control systems and methods for controlling a gas turbine
US7356393B1 (en) * 2002-11-18 2008-04-08 Turfcentric, Inc. Integrated system for routine maintenance of mechanized equipment
US6865883B2 (en) * 2002-12-12 2005-03-15 Detroit Diesel Corporation System and method for regenerating exhaust system filtering and catalyst components
US20040122702A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Medical data processing system and method
US20040122703A1 (en) * 2002-12-19 2004-06-24 Walker Matthew J. Medical data operating model development system and method
US7213007B2 (en) * 2002-12-24 2007-05-01 Caterpillar Inc Method for forecasting using a genetic algorithm
US6965826B2 (en) * 2002-12-30 2005-11-15 Caterpillar Inc Engine control strategies
US7027953B2 (en) * 2002-12-30 2006-04-11 Rsl Electronics Ltd. Method and system for diagnostics and prognostics of a mechanical system
US7467119B2 (en) * 2003-07-21 2008-12-16 Aureon Laboratories, Inc. Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition
US7191161B1 (en) * 2003-07-31 2007-03-13 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Method for constructing composite response surfaces by combining neural networks with polynominal interpolation or estimation techniques
US7251540B2 (en) * 2003-08-20 2007-07-31 Caterpillar Inc Method of analyzing a product
US7379598B2 (en) * 2003-08-29 2008-05-27 The Johns Hopkins University Distance sorting algorithm for matching patterns
US7194392B2 (en) * 2003-10-23 2007-03-20 Taner Tuken System for estimating model parameters
US20050091093A1 (en) * 2003-10-24 2005-04-28 Inernational Business Machines Corporation End-to-end business process solution creation
US8209250B2 (en) * 2004-05-10 2012-06-26 Morgan Stanley Systems and methods for conducting an interactive financial simulation
US7885978B2 (en) * 2004-07-09 2011-02-08 Microsoft Corporation Systems and methods to facilitate utilization of database modeling
US7747641B2 (en) * 2004-07-09 2010-06-29 Microsoft Corporation Modeling sequence and time series data in predictive analytics
US20060026587A1 (en) * 2004-07-28 2006-02-02 Lemarroy Luis A Systems and methods for operating system migration
US7089099B2 (en) * 2004-07-30 2006-08-08 Automotive Technologies International, Inc. Sensor assemblies
US7536486B2 (en) * 2004-07-30 2009-05-19 Microsoft Corporation Automatic protocol determination for portable devices supporting multiple protocols
JP4369825B2 (ja) * 2004-08-11 2009-11-25 株式会社日立製作所 車両故障診断装置および車載端末
US7127892B2 (en) 2004-08-13 2006-10-31 Cummins, Inc. Techniques for determining turbocharger speed
US7124047B2 (en) 2004-09-03 2006-10-17 Eaton Corporation Mathematical model useful for determining and calibrating output of a linear sensor
US7284043B2 (en) * 2004-09-23 2007-10-16 Centeris Corporation System and method for automated migration from Linux to Windows
US7167791B2 (en) * 2004-09-27 2007-01-23 Ford Global Technologies, Llc Oxygen depletion sensing for a remote starting vehicle
US8924499B2 (en) * 2004-12-14 2014-12-30 International Business Machines Corporation Operating system migration with minimal storage area network reconfiguration
US7178328B2 (en) * 2004-12-20 2007-02-20 General Motors Corporation System for controlling the urea supply to SCR catalysts
US7472096B2 (en) * 2005-07-18 2008-12-30 Microsoft Corporation Training a learning system with arbitrary cost functions
US20070061144A1 (en) * 2005-08-30 2007-03-15 Caterpillar Inc. Batch statistics process model method and system
US7487134B2 (en) * 2005-10-25 2009-02-03 Caterpillar Inc. Medical risk stratifying method and system
US7499842B2 (en) * 2005-11-18 2009-03-03 Caterpillar Inc. Process model based virtual sensor and method
US20070124237A1 (en) * 2005-11-30 2007-05-31 General Electric Company System and method for optimizing cross-sell decisions for financial products
US20070150332A1 (en) * 2005-12-22 2007-06-28 Caterpillar Inc. Heuristic supply chain modeling method and system
US7739099B2 (en) * 2005-12-22 2010-06-15 International Business Machines Corporation Method and system for on-line performance modeling using inference for real production IT systems
CN101206649B (zh) * 2006-12-20 2011-06-22 鸿富锦精密工业（深圳）有限公司 多任务解析系统及方法
US20080154811A1 (en) * 2006-12-21 2008-06-26 Caterpillar Inc. Method and system for verifying virtual sensors

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106132297A (zh) * 2013-12-13 2016-11-16 昆腾医疗公司 在线实时采集分析用于评估每搏输出量、心输出量和全身性炎症的电压体积描记法、心电图和脑电图的方法及装置
CN106132297B (zh) * 2013-12-13 2019-11-26 昆腾医疗公司 用于在对象中测定全身性炎症的指标的装置
CN106295092A (zh) * 2015-05-13 2017-01-04 仁智(苏州)医学研究有限公司 临床医疗的多维度数据分析方法和系统
CN109074859A (zh) * 2016-05-04 2018-12-21 皇家飞利浦有限公司 对患者紧急度的临床医师评估的估计和使用

Also Published As

Publication number Publication date
US7584166B2 (en) 2009-09-01
US7487134B2 (en) 2009-02-03
WO2007050186A2 (en) 2007-05-03
EP1941410A2 (en) 2008-07-09
US20070094048A1 (en) 2007-04-26
US20070179769A1 (en) 2007-08-02
WO2007050186A8 (en) 2007-06-14

Similar Documents

Publication Publication Date Title
CN101297297A (zh) 医疗风险分层方法和系统
Andrinopoulou et al. Improved dynamic predictions from joint models of longitudinal and survival data with time-varying effects using P-splines
JP6691401B2 (ja) 個別化予測モデルを用いた、個人レベルのリスク・ファクタの識別およびランク付け
US10340040B2 (en) Method and system for identifying diagnostic and therapeutic options for medical conditions using electronic health records
JP4781710B2 (ja) 治療効果予測システム及びそのプログラム
US20060173663A1 (en) Methods, system, and computer program products for developing and using predictive models for predicting a plurality of medical outcomes, for evaluating intervention strategies, and for simultaneously validating biomarker causality
CN101443780A (zh) 用于开发和使用用于预测多种医学结果、评价介入策略以及同时验证生物标志物诱因的预测模型的方法、系统和计算机程序产品
CN108135548A (zh) 用于监测压力状态的方法和系统
Alemzadeh et al. Visual analysis of missing values in longitudinal cohort study data
US8428965B2 (en) System for clinical research and clinical management of cardiovascular risk using ambulatory blood pressure monitoring and actigraphy
Ieva Designing and mining a multicenter observational clinical registry concerning patients with acute coronary syndromes
WO2001066007A1 (en) Medical risk assessment system and method
Jatmika et al. The model of local wisdom for smart wellness tourism with optimization multilayer perceptron
Mathew et al. A web based decision support system driven for the neurological disorders
Kunst et al. Health economic modelling
Leecaster et al. Translation of Contextual Control Model to chronic disease management: A paradigm to guide design of cognitive support systems
Llewellyn-Thomas et al. Response shift effects on patients' evaluations of health states: Sources of artifact.
EP3975200A1 (en) Reduction of healthcare variation
Eid et al. A Psychometric Perspective on Mobile Sensing Data
Wagachchi Machine learning-based system to predicting the diagnosis of coronary artery disease
Santhoshi et al. Predictive Modelling of Diabetes Detection Using User Interface Designing Tool
Kriksciuniene et al. Overview of the Artificial Intelligence Methods and Analysis of Their Application Potential
Maddeh et al. Assisting Healthcare Using a Time-Series-Based Nonstationary Model for Smart Beds
Srivastava et al. Android App Solutions to Aid Clinical Decision-Making.
Haimavathi et al. Transforming Healthcare with MedInsight: A Guide to Intelligent Decision Support

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication