CN108369721B - 用于保护患者免于产生不良反应的系统、方法和存储介质 - Google Patents

用于保护患者免于产生不良反应的系统、方法和存储介质 Download PDF

Info

Publication number
CN108369721B
CN108369721B CN201680054790.9A CN201680054790A CN108369721B CN 108369721 B CN108369721 B CN 108369721B CN 201680054790 A CN201680054790 A CN 201680054790A CN 108369721 B CN108369721 B CN 108369721B
Authority
CN
China
Prior art keywords
food
data
confidence level
patient
level data
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.)
Active
Application number
CN201680054790.9A
Other languages
English (en)
Other versions
CN108369721A (zh
Inventor
扎克尔·伊拉尼-科恩
伊丽莎白·拉德曼
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.)
Biomerica Inc
Original Assignee
Biomerica 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 Biomerica Inc filed Critical Biomerica Inc
Publication of CN108369721A publication Critical patent/CN108369721A/zh
Application granted granted Critical
Publication of CN108369721B publication Critical patent/CN108369721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06018—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding
    • G06K19/06028—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding using bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/12—Cash registers electronically operated
    • G07G1/14—Systems including one or more distant stations co-operating with a central processing unit
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/0092—Nutrition
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/18—Payment architectures involving self-service terminals [SST], vending machines, kiosks or multimedia terminals
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Finance (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Epidemiology (AREA)
  • Nutrition Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供用于保护患者免于对食物配料产生不良反应的系统、方法和计算机可读的非暂时性的存储介质。该系统根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。该系统获得包括表示食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息。基于该第一置信度水平数据和该第二置信度水平数据，该系统生成患者食用食物项的安全水平。然后，该系统使机器可以根据所生成的安全水平来限制对食物项的访问、或者向患者显示建议。

Description

用于保护患者免于产生不良反应的系统、方法和存储介质
本申请要求2015年7月22日提交的美国临时专利申请号62/195,663的优先权，在此通过引用包含其全部内容。
技术领域
本发明涉及用于提供食物和饮食建议的方法和系统、以及用于基于个人对特定食物的敏感性来访问食物项(food item)的方法和系统。
背景技术
以下说明包括理解本发明时可以使用的信息。这并不是承认本文所提供的任何信息均是现有技术或与当前要求保护的发明有关、或者具体地或隐含地参考的任何出版物均是现有技术。
食物敏感性可能导致显示与一个或多个食物组或配料相关联的许多不同类型的症状和疾病。这些症状或不良反应可能是由于各种原因而产生的，从而使得这些症状或不良反应复杂且经常难以治疗。食物触发因素和由此产生的症状/不良反应之间的因果关系并非是众所周知的，并且在医学界没有进行广泛研究。此外，尚未确立用于确定针对一些食物类型的食物敏感性的有意义的诊断方法。通过可用的诊断测试，测试结果的质量通常差。一般地，与这些测试相关联的问题(以及解释测试结果的实验室)包括高的假阳性率、高的患者内变化性和实验室间变化性。
准确地识别食物项中所存在的各种食物配料存在另一问题。食物配料之间以及不同的食物项之间的模棱两可的不一致的命名规则可能会给消费者带来困惑。例如，如果患者无法确定地获知特定食物项包含作为食物敏感性的触发因素的配料，则从食物标签中检测配料变得无意义。同样，如果包装上的食品描述模棱两可(例如，“蟹类产品”vs“软壳蟹”、“仿蟹肉”、“龙虾”等)，则可能会生成针对患者的假阳性警报和假阴性警报。
本文中的所有出版物均通过引用而被包含，其程度如同各单独的出版物或专利申请被具体且单独地指示为通过引用而包含一样。在所包含的参考文献中的术语的定义或使用与本文所提供的该术语的定义不一致或相反的情况下，适用本文所提供的该术语的定义，而不适用参考文献中的该术语的定义。
因而，仍需要用于提供食物建议的改进的系统和方法、或者基于患者的食物敏感性测试和可用产品信息的改进的食物访问系统和方法。
发明内容
本文所描述的主题提供用于保护患者免于对食物配料产生不良反应的系统、方法和计算机可读的非暂时性的存储介质。
所公开的主题的一个方面包括一种用于保护患者免于对食物配料产生不良反应的系统，其中所述系统以通信方式与机器相连接。所述系统包括：医疗数据库，用于存储患者的医疗数据；处理器；以及存储器，用于存储程序指令。所述程序指令在由所述处理器执行的情况下，使所述处理器根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。在一些实施例中，患者的医疗数据包括患者的食物敏感性数据。
在特定实施例中，程序指令还使处理器获得食物配料信息。在一些实施例中，食物配料信息可以是从来自传感器装置的表示食物项的传感器数据获得的。一旦获得了传感器数据，程序指令还使处理器基于该传感器数据来推导包括表示食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息。然后，程序指令使处理器基于第一置信度水平数据和第二置信度水平数据来生成患者食用食物项的安全水平，然后使机器根据所生成的安全水平来限制对食物项的访问。
在一些实施例中，程序还使处理器进行以下步骤：根据通过使用具有参考值的食物制品进行针对疾病的患者的测试所得到的数据，来推导第一置信度水平数据。在特定实施例中，参考值针对未被诊断患病或未疑似患病的一组个人包括等于或小于0.15的平均判别性p值。
在其它实施例中，程序还使处理器进行以下步骤：根据被诊断为患有与患者相同的疾病的个人的患者组数据，来推导第一置信度水平数据。在特定实施例中，参考值针对未被诊断患病或未疑似患病的一组个人包括等于或小于0.15的平均判别性p值。
在特定实施例中，患者组数据中的参考值是按疾病状态分层的或者按性别分层的，以提供更准确的定制信息。此外，患者组数据可以包括被诊断患有相同疾病的个人的经验数据。
除医疗数据外，程序还可以使处理器根据患者的经验历史以及/或者包括其他人的经验历史或与食物制品相关联的敏感性评级的组数据，来推导第一置信度水平和/或第二置信度水平。
在一个实施例中，可以更新并自学组数据。在本实施例中，程序还可以使处理器识别组数据(例如，患者组的数据以及/或者未被诊断患病的一组个人的数据等)的模式，并且使该模式与患者对食物配料产生不良反应的概率或者与食物配料存在于食物项中的概率相互关联。然后，可以基于组数据的模式来自动更新第一置信度水平和/或第二置信度水平。
传感器数据可以是光谱分析数据、化学传感数据、或者可以提供与食物配料有关的信息的任何其它适当类型的数据。基于这些传感器数据，程序可以使处理器通过1)识别可能存在于食物项中的食物配料并且2)分配该食物配料的概率，来推导第二置信度水平。
在特定实施例中，程序可以使处理器设置用以基于第一置信度水平和第二置信度水平来判断安全水平的标准。在一些实施例中，在处理器判断为第一置信度水平和第二置信度水平至少之一高的情况下，判断为安全水平高。在其它实施例中，在处理器判断为第一置信度水平和第二置信度水平这两者低的情况下，判断为安全水平高。
在一些实施例中，与该系统相连接的机器可以是自动售货机，并且在处理器判断为安全水平低的情况下，程序可以使处理器令自动售货机无法售卖食物项。在其它实施例中，机器可以是自助结账服务亭，并且在处理器判断为安全水平低的情况下，程序还使处理器令自助结账服务亭无法对食物项结账。此外在其它实施例中，机器是自助订购机，并且在处理器判断为安全水平低的情况下，程序还使处理器令自助订购机无法处理食物项的订购。
所公开的主题的另一方面包括一种用于保护患者免于对食物配料产生不良反应的系统，其中所述系统以通信方式与机器相连接。所述系统包括：医疗数据库，用于存储患者的医疗数据；处理器；以及存储器，用于存储程序指令。所述程序指令在由所述处理器执行的情况下，使所述处理器根据所述患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。在一些实施例中，所述患者的医疗数据包括患者的食物敏感性数据。
程序指令还使处理器获得食物配料信息。在一些实施例中，食物配料信息可以是从来自传感器装置的表示食物项的传感器数据获得的。一旦获得了传感器数据，程序指令还使处理器基于该传感器数据来推导包括表示食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息。然后，程序指令使处理器基于第一置信度水平数据和第二置信度水平数据来生成患者食用食物项的安全水平，然后使机器根据所生成的安全水平来显示食物建议。
在一些实施例中，在第二置信度值高于第一置信度值的情况下，该建议可以包括所述食物项的替代食物项。在这些实施例中，程序还可以使用处理器令机器显示具有替代食物项的宣传材料。
所公开的主题的另一方面包括一种用于保护患者免于对食物配料产生不良反应的方法。该方法从以下步骤开始：根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。然后，该方法继续以下步骤：获得食物配料信息。在一些实施例中，食物配料信息可以是从来自传感器装置的表示食物项的传感器数据所获得的。一旦获得了传感器数据，可以根据该传感器数据来推导包括第二置信度水平数据的食物配料信息。该食物配料信息表示食物配料存在于食物项中的概率。然后，基于第一置信度水平数据和第二置信度水平数据，可以生成患者食用食物项的安全水平。基于该安全水平，机器可以限制用户对食物项的访问。
所公开的主题的还一方面包括一种用于保护患者免于对食物配料产生不良反应的方法。该方法从以下步骤开始：根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。然后，该方法继续以下步骤：获得食物配料信息。在一些实施例中，食物配料信息可以是从来自传感器装置的表示食物项的传感器数据所获得的。一旦获得了传感器数据，可以根据该传感器数据来推导包括第二置信度水平数据的食物配料信息。该食物配料信息表示食物配料存在于食物项中的概率。然后，基于第一置信度水平数据和第二置信度水平数据，可以生成患者食用食物项的安全水平。基于该安全水平，机器可以显示食物建议。
所公开的主体的还一方面包括一种计算机可读的非暂时性的存储介质，包括程序指令。然后，程序指令在由一个或多个处理器执行的情况下，使一个或多个处理器进行操作的步骤。程序指令使处理器根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。在一些实施例中，患者的医疗数据包括患者的食物敏感性数据。
程序指令还使处理器获得食物配料信息。在一些实施例中，食物配料信息可以是从来自传感器装置的表示食物项的传感器数据获得的。一旦获得了传感器数据，程序指令还使处理器基于该传感器数据来推导包括表示食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息。然后，程序指令使处理器基于第一置信度水平数据和第二置信度水平数据来生成患者食用食物项的安全水平，然后使机器根据所生成的安全水平来限制对食物项的访问。
所公开的主题的还一方面包括一种计算机可读的非暂时性的存储介质，包括程序指令。然后，程序指令在由一个或多个处理器执行的情况下，使一个或多个处理器进行操作的步骤。程序指令使处理器根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据。在一些实施例中，患者的医疗数据包括患者的食物敏感性数据。
程序指令还使处理器获得食物配料信息。在一些实施例中，食物配料信息可以是从来自传感器装置的表示食物项的传感器数据获得的。一旦获得了传感器数据，程序指令还使处理器基于该传感器数据来推导包括表示食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息。然后，程序指令使处理器基于第一置信度水平数据和第二置信度水平数据来生成患者食用食物项的安全水平，然后使机器根据所生成的安全水平来显示食物建议。
通过以下针对实施例的详细说明以及附图，所公开的主题的各种目的、特征、方面和优点将变得更加明显，其中在附图中，相同的附图标记表示相同的组件。
附图说明
图1示出食物访问控制环境的一个实施例。
图2示出购物环境中的食物访问控制环境的典型实施例。
图3示出用于保护患者免于对食物配料产生不良反应的方法的一个实施例的流程图。
具体实施方式
所公开的主题提供如下的系统、方法和计算机可读的非暂时性的存储介质，其中该系统、方法和计算机可读的非暂时性的存储介质用于基于患者的医疗数据和根据食物项的传感器数据推导出的食物配料信息来保护患者免于对食物配料产生不良反应，并且使机器限制用户访问食物项、或者在用户装置上显示食物建议的通知。
在以下的论述中，将大量参考服务器、服务、接口、引擎、模块、客户端、对等者、门户、平台或由计算装置形成的其它系统。应当理解，这些术语的使用被视为表示具有至少一个处理器(例如，ASIC、FPGA、DSP、x86、ARM、ColdFire、GPU、多核处理器等)的一个或多个计算装置，其中该至少一个处理器被配置为执行计算机可读的有形的非暂时性介质(例如，硬盘驱动器、固态驱动器、RAM、闪存、ROM等)上所存储的软件指令。例如，服务器可以包括以实现所述的角色、职责或功能的方式作为web服务器、数据库服务器或其它类型的计算机服务器进行工作的一个或多个计算机。还应当理解，所公开的基于计算机的算法、处理、方法或其它类型的指令集可被体现为计算机程序产品，其中该计算机程序产品包括用于存储使处理器执行所公开步骤的指令的非暂时性的有形计算机可读介质。各种服务器、系统、数据库或接口能够可能地基于HTTP、HTTPS、AES、公私密钥交换、web服务API、已知的金融交易协议或其它电子信息交换方法，使用标准化的协议或算法来交换数据。数据交换可以经由分组交换网络、电路交换网络、因特网、LAN、WAN、VPN或其它类型的网络来进行。处理器的上下文中的术语“被配置为”和“被编程为”是指利用一组软件指令进行编程以进行功能或一组功能。
尽管许多商业包装的食物项在包装上显示营养信息(诸如脂肪、碳水化合物、卡路里和其它配料的含量等)，但通常不可能找到所有配料的完整列表或具体配料的特定细节。一个重大问题包括存在落在食物包装上列出的分类范畴内的“次要配料”，但不存在这些次要配料的明确标识或使该明确标识隐藏在所列出的食物项内。例如，即使食物包装显示食物项含有玉米糖浆作为主要配料其中之一的信息，但该信息并未提供诸如玉米糖浆是否含有特定类型的小麦或是否含有小麦等的细节。同样，一些卵磷脂食物添加剂含有蛋或源自于蛋，而其它卵磷脂食物添加剂则并非如此。这种信息的缺失对于预煮即食食物项、或者餐厅、快餐摊、快餐车等上所提供的已准备好的餐食而言更加明显。结果，被诊断针对各种食物配料患有一个或多个食物敏感性的个人经常不能作出与特定菜肴或食物项是否适合他或她食用有关的明智的适当决定。
因而，应当理解，所公开的食物建议系统和方法提供了多个有利的技术效果。例如，一些实施例的食物建议系统和方法使得能够通过从所有用户获得(即，组获取)实时信息以连续地获知不同用户的食物敏感性以及不同菜肴中的食物配料，来更新食物敏感性和/或食物配料信息。此外，通过使患者测试结果的置信度水平与配料标识的置信度水平相匹配或相互关联，可以显著减少假阳性结果和假阴性结果的数量。另外，本发明使得计算系统或装置的构造或结构能够以超出人类的能力方式对大量数字数据进行操作。计算系统或装置能够以可以向计算系统或装置的用户提供在无这种工具的情况下该用户将缺失的实用性的方式来管理数字数据。
所公开的主题的一个方面涉及用于控制食物访问的方法、装置和系统。图1示出食物访问控制环境100的一个实施例。在一些实施例中，食物访问控制环境100包括与用户101a(例如，被诊断患有与食物敏感性相关联的病症的患者、疑似患有与食物敏感性相关联的病症的患者等)相关联的至少一个用户装置102a。在一些实施例中，食物访问控制环境100还包括一组个人101b、101c、101d(例如，与被诊断患有与食物敏感性相关联的病症的个人、怀疑患有与食物敏感性相关联的病症的个人、无与食物敏感性相关联的病症的个人等)。在一个实施例中，至少一个用户装置102b、102c、102d与各个人101b、101c、101d相关联。然而，设想每个个人不需要与用户装置相关联。
在图1中，将用户装置102a、102b、102c、102d例示为智能电话，但这些用户装置更一般地可以是例如具有用以存储数据和编程指令的存储器和用于执行这些编程指令的至少一个处理器的其它类型的数字装置，诸如蜂窝电话、智能手表、平板电脑、数字组织器、游戏机、计算机、数字照相机、电器、自助服务终端或生物测量装置等。在一个实施例中，用户装置102a、102b、102c、102d包括获得数据的可变模态的一个或多个传感器装置。例如，用户装置102a、102b、102c、102d可以包括光学传感器(例如，照相机、红外检测器、光谱仪等)、化学传感器(例如，电子鼻、一种MEMS真空泵等)、或者适合检测声音、质地或其它数据模态的其它类型的传感器。在一些实施例中，用户装置102a、102b、102c、102d还可以包括可用于检测装置106或107的位置的一个或多个位置传感器(例如，WiFi信号强度计、GPS传感器、加速度计等)。如以下进一步论述的，这些传感器可以提供在获得食物项的食物配料信息时使用的数据模态(例如，位置数据等)的形式。
食物访问控制环境100包括食物访问控制系统105，其中该食物访问控制系统105经由装置接口110与用户装置102a、102b、102c、102d相连接。在一些实施例中，食物访问控制系统105在具有用于存储编程指令的存储器的一个或多个计算装置上实现，其中这些编程指令在由一个或多个计算装置的处理器执行的情况下，使处理器进行食物访问控制系统105的功能。如图所示，除装置接口110外，食物访问控制系统105还包括中央管理器模块115、数据处理模块120、食物敏感性处理模块125、食物配料处理模块130、安全水平处理模块130、输出接口145和数据库接口140。如这里所使用的，并且除非上下文另外规定，否则术语“连接至”意图包括直接连接(其中，彼此连接的两个元件彼此接触)和间接连接(其中，至少一个附加元件位于这两个元件之间)。因此，术语“连接至”和“与…相连接”用作同义词。
应当理解，图1所述的食物访问控制系统105的结构是例示性的，并且食物访问控制系统105的结构可以具有各种不同的结构。可以对图1所示的模块进行重新排序或者甚至组合。例如，在一些实施例中，可以将数据处理模块120的功能和食物敏感性处理模块125的功能组合，其中利用食物敏感性处理模块125的功能来辅助数据处理。因此，除非另外说明，否则针对“模块”的任何引用仅应被解释为表示由该模块进行的功能，而不必要求正引用的特定模块与另一模块分离和/或物理上不同、或者没有连接至另一模块。
食物访问控制环境100还包括食物敏感性数据库150和食物配料数据库155，其中食物敏感性数据库150和食物配料数据库155各自经由数据库接口140与食物访问控制系统105相连接。食物敏感性数据库150存储与患者(例如，用户101a)的食物敏感性有关的任何数据，其中该数据包括针对食物配料的实际食物敏感性和/或针对食物配料的疑似食物敏感性。食物敏感性数据库150还存储与一组个人(例如，个人101b、101c和101d)中的一个或多个个人的食物敏感性有关的任何数据，其中该数据包括针对一个或多个食物配料的实际食物敏感性和/或针对一个或多个食物配料的疑似食物敏感性。例如，使用用户的移动装置，用户可以通过发送与食物项有关的信息(例如，食物项的图像、食物项的描述、菜肴的名称和用户食用该菜肴的餐厅等)、以及与用户对食物项的不良症状有关的信息(例如，过敏反应的类型、皮疹等)，来报告针对食物项(例如，用户在餐厅食用的菜肴、用户食用的零食等)的任何敏感性反应。可以从用户以及使用食物访问控制系统105的其它个人收集食物敏感性数据。以下将更详细地说明基于个人的不间断经历来收集个人的食物敏感性数据的处理。
在一些实施例中，食物敏感性数据库150存储从任何医疗保健提供方(例如，医院、医生办公室、牙医诊所、药房、实验室、医生、护士、药剂师、保险提供方、患者医疗保健的任何联系点等)直接地接收到的用户101a(例如，患者等)以及/或者一个或多个个人101b、101c、101d的医疗数据。通常，医生办公室生成的患者的医疗数据是在医生同意将该数据发布到医疗数据库150的情况下被直接发送至该数据库的。在一些实施例中，医疗数据库位于经由网络可与医疗保健提供方和/或患者的装置进行通信的云服务器中。在一些实施例中，在医疗保健提供方将患者的医疗数据放入他或她的系统(例如，医疗保健提供方的计算机等)中的情况下，可以自动发送该信息。在其它实施例中，医疗保健提供方可以手动地将患者的医疗数据上传到医疗数据库中。还设想，患者可以将他或她的医疗数据手动地上传至数据库或食物建议系统应用。
医疗数据包括患者的任何类型的健康相关的信息。例如，医疗数据包括任何以前的个人病史(例如，从任何医疗提供方接收到的任何诊断等)、任何家族病史(例如，糖尿病、心脏病、神经疾病、免疫缺陷病等)、以及任何类型的身体检查数据(例如，患者的血压数据、心率数据、身体脂肪数据等)。因而，如本文中所使用的，患者的医疗数据可以是与对患者的健康产生负面影响的饮食项(例如，食物项、营养项等)相关联的患者的身体或心理反应的任何数据。
在特定实施例中，医疗数据包括患者的食物敏感性测试数据。食物敏感性测试数据可以是利用评估食物敏感性的任何方法获得的。在通过引用而全部包含于此的国际专利申请公开WO 2016/077808中描述了评估食物敏感性的示例性方法。在另一实施例中，医疗数据包括针对患者的健康状况的医生意见或建议(例如，在患者的高危心脏状况下限制饮食以避免含有高胆固醇食物等)。
在一些实施例中，食物敏感性测试数据可以是根据使用测试试剂盒(例如，多孔测试板)对被诊断患有或疑似患有与某些食物项或食物配料相关联的疾病、不健康或过敏(例如，过敏性肠综合症等)的患者进行敏感性测试所得到的。食物敏感性测试可以通过使至少一个食物制品(例如，食物项或食物配料等)与被诊断或疑似患病、过敏或不健康的患者的体液(例如，血液或唾液等)相接触来进行(除非以不同方式说明，否则术语“疾病”通常包括任何疾病状态、过敏或不健康)。体液在允许体液中的一个或多个抗体与食物制品中的至少一个成分结合的条件下接触食物制品。然后，(例如，使用免疫测定法)测量与食物制品的至少一个成分结合的抗体的量以获得信号。然后，将该信号与食物制品的参考值进行比较，以提供与患者针对至少一个食物制品的敏感性有关的报告。
在一些实施例中，食物制品的参考值针对未被诊断或未疑似患有疾病的患者组将包括<0.15的平均判别性p值。在一些实施例中，p值为<0.10、<0.08、<0.07、<0.06、<0.05或者甚至<0.025。在一些实施例中，p值是由原始p值确定的平均判别性p值、或者FDR(错误发现率)多重调整后的p值。在一些实施例中，抗体是从IgG、IgE、IgA和/或IgM中所选择的。在一些实施例中，参考值是按性别分层的，这意味着p值是基于未被诊断患有或未疑似患有相同疾病的仅男性/仅女性的患者组而单独确定的。在一些实施例中，食物制品的按性别分层的参考值是基于落入患者组的第90百分位值内的结果。在一些实施例中，食物制品的按性别分层的参考值是基于落入患者组的第95百分位值内的结果。适合获得食物敏感性数据的诊断测试试剂盒包括由位于加利福尼亚州的Irvine市的Biomerica Inc.以名称
Figure GDA0004046133240000121
销售的试剂盒。
因而，在一些实施例中，患者的食物敏感性数据包括根据使用具有参考值的食物制品进行针对疾病的患者的测试所得到的数据，其中该参考值针对未被诊断或未疑似患有疾病、过敏或不健康的患者组包括≤0.15的平均判别性p值。在一些实施例中，食物敏感性数据包括根据按性别分层的p值得到的数据。在其它实施例中，食物敏感性数据包括根据按疾病状态分层的p值得到的数据。
在一些实施例中，医疗数据包括针对患者的健康状况的医生意见或建议(例如，在患者的高危心脏状况下限制饮食以避免含有高胆固醇食物等)。在一些实施例中，从医疗保健提供方接收到的医疗数据存储在医疗数据库150的子目录中。例如，任何家族病史数据都可以存储在家族病史数据库中，患者的血压数据可以存储在血压数据库中，并且食物敏感性测试数据可以存储在食物敏感性测试数据库中。
除患者的医疗数据外，食物敏感性数据库150还可以存储一个或多个个人101b、101c、101d的医疗数据。一个或多个个人101b、101c、101d的医疗数据包括一个或多个个人101b、101c、101d各自的食物敏感性测试数据151a。一个或多个个人101b、101c、101d的医疗数据151a还可以包括与个人101b、101c、101d的过去和现在的健康状况151b(例如，疾病、遗传病症、家族史、营养信息等)有关的任何数据。通常，设想与个人101b、101c、101d各自的过去和现在的健康状况有关的数据以及食物敏感性测试数据151a被视为可共享信息。因而，在一些实施例中，食物敏感性数据库150是组获取的数据库。
如本文中所使用的，组获取是指多个人对内容作出贡献的能力。针对如本发明所述的组数据库的内容，允许对数据库或数据库的特定子目录(例如，食物配料数据库、食物敏感性数据库等)的内容作出贡献的人数可能是有限的。然而，除非另外说明，否则应当理解，针对“组数据库”或“医疗数据库”的引用通常可以指代源于同一网络的数据。例如，组数据库可以是食物敏感性数据库150中的子目录，或者医疗数据库可以是食物敏感性数据库150中的子目录。
除个人的医疗数据外，食物敏感性数据库150还可以存储用户101a以及/或者一组或多组个人101b、101c、101d的经验数据151c。经验历史可以由用户101a以及/或者一个或多个个人101b、101c、101d经由用户装置102a、102b、102c、102d直接地或间接地提供。例如，用户101a或个人101b、101c、101d可以输入他们被诊断患有IBS或疑似患有IBS的信息，并且他们在食用花蛤时经历了不良症状。对于其它示例，用户101a或个人101b、101c、101d可以输入以下信息：在他们未被诊断患有IBS期间，每当他们食用老虎虾时，他们经历了与IBS相似的症状。
用户101a以及/或者一个或多个个人101b、101c、101d经由用户装置102a、102b、102c、102d所提供的医疗数据151a、151b或者经验数据151c可以是经由以通信方式与中央管理器模块115相连接的装置接口110所接收到的。该中央管理器模块还以通信方式与数据处理模块120相连接。在数据处理模块120中对医疗数据或经验数据进行处理(例如，分类、整理等)，并且经由数据库接口140存储在食物敏感性数据库150中。
食物访问控制系统105的中央管理器模块115从食物敏感性数据库150接收患者和/或其它个人的医疗数据151a、151b或经验数据151c。然后，食物敏感性处理模块125可以基于患者的诊断、医疗提供方所提供的医疗建议或参数、与特定食物项有关的患者经验历史以及其它用户的经验历史中的一个或多个，根据所接收到的医疗数据来推导第一置信度水平。在特定实施例中，第一置信度水平数据包括来自患者的和/或其它个人的医疗数据151a、151b或经验数据151c的患者的食物敏感性置信度水平数据。在一个实施例中，患者的食物敏感性置信度水平数据包括基于一个或多个食物项或配料的一个或多个置信度水平(或值)。食物敏感性置信度水平数据表示在患者食用或暴露至(例如，吸入、触摸等)食物项或食物配料时该患者表现出与食物敏感性有关的症状(例如，与即将发生的反应相关联的症状等)或不良反应(例如，过敏反应等)的“可能性”或“概率”。除非存在相反的陈述，否则如本文中所使用的，术语“食物项”可以包括一个或多个食物配料，而术语“食物配料”通常是指食物项(例如，酱油味速食拉面等)的单个营养成分(例如，豆油等)。
在一些实施例中，用户101a和/或一组个人101b、101c、101d可以使用用户装置102a、102b、102c、102d将他或她针对特定食物项的经验不断地更新到食物访问控制系统105。例如，用户101a可以提供“在我过去尝试餐厅E中的食物项D时出现头疼”的经验。患者还可以添加症状的主观强度(例如，最强、强、中度、弱等)，其中该主观强度可被客观地转换成针对特定食物项或配料的敏感性置信度值。该“经验历史”可以本地存储在食物访问控制系统105内的暂时储存器(例如，存储器等)中，以及/或者上传至(并上传到)食物敏感性数据库150或食物配料数据库155。
至少部分基于用户101a针对特定食物项的经验历史，食物访问控制系统105可以确定患者针对该食物项的敏感性置信度值。例如，如果患者在食用食物项D之后经历了“非常强烈的”症状，则食物访问控制系统105被编程为判断为患者对食物项D高度敏感并且分配适当的概率值(例如，>90％)。对于另一示例，如果每次患者食用食物项D时、患者经历了中度症状，则食物访问控制系统105被编程为判断为患者更有可能对菜单D敏感(例如，敏感性置信度概率>50％)。此外，一些实施例的食物访问控制系统105被编程为基于这些不良症状的发生的重复来作出不同的判断。例如，如果患者仅有一半的概率在食用食物项D之后经历不良症状，则食物访问控制系统105被编程为使患者针对该食物项D的敏感性置信度值减小。另一方面，如果患者每次在食用了食物项D之后都经历不良症状，则食物访问控制系统105被编程为使患者针对该食物项D的敏感性置信度值增大。
另外，食物访问控制系统105可以确定食物项D的食物敏感性置信度水平数据与食物配料置信度水平数据之间的关联。例如，如果(例如，先前确定并存储在食物敏感性数据库150中的)患者的食物敏感性置信度水平数据表示患者仅对两种贝类高度敏感、并且患者在食用食物项D之后经历了非常强烈的症状，则食物访问控制系统105被编程为确定并更新食物项D的食物配料置信度水平数据，即食物项D中的两种贝类的食物配料置信度水平为70％～100％。因此，在一些实施例中，食物敏感性数据和/或食物信息包括患者的经验历史数据。
在一些实施例中，食物访问控制系统105被编程为从其他人(例如，存在食物敏感性的其他患者等)接收食物敏感性数据，并且至少部分基于其他个人的经验历史来生成用户101a的食物敏感性置信度水平数据。在这些实施例中，食物敏感性数据库150和食物配料数据库155被配置为存储针对各种食物项具有食物敏感性的多个个人的食物敏感性置信度水平数据和食物配料置信度水平数据。另外，数据库150和155还被配置为存储其他个人对食物项的经验历史及其分析数据(例如，基于经验历史的更新后的食物配料置信度水平数据等)。例如，基于另一患者对食物项F的经验历史及其分析(即，食物项F有可能含有特定类型的切达奶酪)，并且基于本患者针对特定类型的切达奶酪的高的食物敏感性置信度水平，食物访问控制系统105可以向本患者生成不食用食物项F的建议。还设想：在一些实施例中，食物访问控制系统105可以基于其他人的敏感性评级的数量和/或频率来修改或更新食物配料置信度水平。例如，在更多患者提供与食物项F有可能含有特定类型的切达奶酪的经验历史的情况下，食物项F有可能含有特定类型的切达奶酪的食物配料置信度水平将提高。
在一些实施例中，可以使用患者或其他个人的经验历史来开发疾病、不健康或过敏特定的食物敏感性置信度水平数据。例如，可以理解，表现出一类疾病或综合症(例如，过敏性肠综合症-C(便秘))的症状的患者组与另一类(例如，过敏性肠综合症-D(腹泻))的患者组相比针对一些食物可能具有不同水平的敏感性。因而，在一些实施例中，食物敏感性置信度水平数据可以是按疾病分层的，其中针对疾病、综合症、不健康或过敏的各类别，分配独特的第一置信度水平数据。
在一些实施例中，用户的装置的传感器可用于除收集食物数据外，还收集环境数据(例如，位置数据、温度数据、时间数据等)。在这些实施例中，食物访问控制系统105还被编程为使用所收集到的环境数据来推导患者的食物敏感性值。例如，餐厅可能从本地采购食物配料，并且患者可能对来自特定区域的食物配料比来自其它区域的食物配料更加敏感。此外，患者还可能在一天中的某个时间对特定食物配料更加敏感(例如，在早晨对咖啡因更加敏感等)。因而，一些实施例的食物访问控制系统105被编程为食用环境数据(例如，位置数据、时间数据等)来辅助推导患者的食物敏感数据。
在一些实施例中，可以在0～100％的范围内示出食物敏感性置信度水平数据。因而，例如，在患者对猪肉高度过敏、并且在患者食用猪肉时肯定会表现出不良反应(或至少即将发生反应的症状)的情况下，患者针对猪肉的食物敏感性置信度水平将为100％。在另一示例中，在患者食用猪肉时、患者最有可能出现症状的情况下，患者针对猪肉的食物敏感性置信度水平可以在90～99％的范围。在又一示例中，在患者食用猪肉时、患者更有可能(与没机会相比)出现症状的情况下，患者针对猪肉的食物敏感性置信度水平可以在50～90％的范围。在患者食用猪肉时、患者仅有可能出现症状或反应(或者出现症状或反应的可能性低)的情况下，患者针对猪肉的食物敏感性置信度水平可以在10～49％的范围。在患者食用猪肉时、患者基本上不可能出现症状的情况下，患者针对猪肉的食物敏感性置信度水平可以为0％。
在其它实施例中，代替提供食物敏感性置信度水平的原始值，还设想可以将配料的食物敏感性置信度水平数据表示为高中低的敏感性可能性水平。例如，如果食物敏感性置信度水平高于高的阈值水平(例如，75％、80％、85％、90％等)，则可以将配料的食物敏感性置信度水平数据表示成“高”。在该示例中，如果食物敏感性置信度水平高于低的阈值(例如，50％、45％、40％、35％等)、但低于高的阈值，则可以将配料的食物敏感性置信度水平数据表示成“中”。此外，如果食物敏感性置信度水平低于低的阈值，则可以将配料的食物敏感性置信度水平数据表示成“低”。高的和低的阈值可以根据针对特定食物配料的全身症状的严重度或者个人的个人简介信息(例如，年龄、性别、种族、病史等)来确定。
在一些其它实施例中，以可视方式向用户101a显示食物敏感性置信度水平数据。例如，可以将食物敏感性置信度水平数据作为图形化的连续进度条示出。该进度条可以根据敏感性水平而伴随有条形的不同颜色表示(例如，对于高水平的敏感性为红色、对于中水平的敏感性为黄色、对于低水平的敏感性为绿色等)。除非上下文以相反方式规定，否则本文中所陈述的范围应当被解释为包括端点，并且开放式范围应被解释为仅包括商业上可行的值。本文中针对值的范围的列举仅意图用作各自参考落在该范围内的各单独值的速记方法。除非本文中另外指出，否则范围内的各单独值均被并入说明书中，仿佛在本文中单独列举出该单独值那样。同样地，除非上下文指示相反的情况，否则值的所有列表均应被视为包含中间值。
食物访问控制系统105还与食物配料数据库155相连接。食物配料数据库155包括食物配料数据，其中该食物配料数据包含与许多不同食物项的食物配料有关的任何类型的信息。例如，食物配料数据可以包括针对构成食物项的配料已编制的预先存在的数据，诸如制造商所提供的预包装的工厂制造的食物项156a的配料和营养信息等。在另一示例中，食物配料数据可以包括作为食物项的表示(例如，数字表示)或与食物项相关联的对象(例如，条形码、智能码等)的产品标识符。在一些实施例中，食物配料数据库155可以包括从用户101a获得或接收到的食物项(例如，家庭菜肴、餐厅食物等)的配料信息。食物配料数据库155还可以包括从用户101a和/或一组个人101b、101c、101d获得或接收到的食物项(例如，家庭菜肴、餐厅食物等)的配料信息。
在一些实施例中，食物项的数字表示可能已预先加载在食物访问控制系统105上，从而可由患者、用户或任何一组个人随后在装置接口110上经由滚动功能进行访问以供选择。这些数字表示可以是由用户或维护系统的任何个人在任何时间输入到食物访问控制系统105中的。例如，用户101a可以将从第三方获取到的数字表示经由装置接口110独立地上传到食物访问控制系统105中。在另一示例中，用户101a可以经由装置接口110向食物访问控制系统105直接添加食物配料信息并将该食物配料信息存储在食物配料数据库155中，并且食物访问控制系统105在需要的情况下可以获得该食物配料信息。
设想食物敏感性数据库150和食物配料数据库155至少之一的副本可以存储在用户装置102a、102b、102c、102d其中之一中。在本实施例中，优选食物访问控制系统105也在该一个用户装置上执行。还优选周期性地(例如，每小时、每天等)使用户装置处所存储的食物敏感性数据库150和/或食物配料数据库155的副本与食物敏感性数据库150和/或食物配料数据库155的其它副本同步。还设想食物敏感性数据库150和食物配料数据库155至少之一可以位于第三方的计算机中并且可由用户装置经由网络访问。
在一些实施例中，用户装置102a、102b、102c、102d中的一个或多个可以接收或获得传感器数据，诸如与食物项103相关联的对象的数字表示等。传感器数据可以包括可用作产品标识符的数据模态(例如，图像数据、时间数据、文本数据、环境数据等)中的一个或多个。在一个实施例中，对象可以是食物菜单(采用文本格式或者采用图形格式和文本格式的组合)、食物项本身的照片(例如，熟菜、大块肉、混合蔬菜、一瓶果汁、一瓶酒等)、食物包装的照片或者可以与食物项相关联或表示这些食物项的任何类型的标识符(例如，条形码、智能码、食物符号等)。例如，对象可以是包括食物包装上找到的或者餐厅处找到的标记、徽标或符号等的标记、徽标或符号(例如，餐厅的商标、商业外观、菜单、信息图表等)。在其它实施例中，对象可以包括与食物项相关联的物理或化学属性(例如，光谱数据、化学传感数据等)。
一旦获得或接收到对象的数字表示(例如，图像数据、光谱数据、化学传感数据)，食物访问控制系统105的食物配料处理模块130可以基于该数字表示来提取/推导食物信息。该食物信息可以包括食物配料信息、食物营养信息或烹饪方法信息。例如，根据连锁餐厅A的猪排沙拉的图像数据，食物配料处理模块130可以基于猪排沙拉中可能包括的食物配料的形状、颜色和质地来检测各种配料。对于另一示例，根据连锁餐厅A的猪排沙拉的同一图像数据，食物配料处理模块130可以从连锁餐厅获得猪排沙拉的烹饪食谱和/或营养信息(例如，卡路里、脂肪含量等)。在一些实施例中，可以将食物信息上传到并存储在食物配料数据库155中。在其它实施例中，可以将食物信息存储在第三方的数据库中。
与食物项相关联的对象的图像数据可以由食物配料处理模块130根据本领域技术人员已知的方法来提取。在一些实施例中，食物配料处理模块130被适配为执行数字表示的光学字符识别(OCR)，以提取与该数字表示内所包含的任何代码、文本、形状或符号相关联的图像数据。在一些实施例中，食物配料处理模块130可以包括诸如边缘检测、裁剪、颜色平衡、对比度增强、空间滤波、噪声降低滤波、图像分析算法、帧抓取或去歪斜等的其它功能，其中这些其它功能全部可用于提供能够提供与食物项有关的食物信息的图像数据。
申请人出人意料地发现，在一些实施例中，在无需利用图像数据的基于模板的匹配或者冗余分析的其它方法来将图像数据与系统上所保存的预先加载的模版进行匹配的情况下，可以根据对象来有效地且准确地确定食物信息。在一些实施例中，用户可以利用捕获条形码、智能码或其它符号的易用性，其中该条形码、智能码或其它符号可以由系统使用，以准确地识别食物项并且将该食物项与系统中所存储的同食物项/条形码相关联的食物配料进行匹配。
在一些实施例中，数字表示可以提供对于建议引擎而言不足以确定食物信息的适当水平的图像数据的水平。例如，在一些实施例中，图像数据可以包括与水果或蔬菜的形状和颜色有关的提取数据，但食物访问控制系统105仍不能使该图像数据与食物配料数据库155上所存储的食物配料数据相关。因而，在一些实施例中，食物访问控制系统105可以提示用户101a或一组个人101b、101c、101d通过经由装置接口110从水果和蔬菜的截取列表中进行适当选择来提供食物项的肯定识别。一旦进行了选择，食物配料处理模块130将能够与食物配料数据库155中所存储的食物配料数据进行适当关联。
在一些实施例中，接收与食物项有关的食物信息可以包括能够帮助提供相关的食物配料数据的任何数量的已知或新兴技术。例如，在一些实施例中，接收与食物项有关的食物信息可以包括食物项的光谱分析或化学传感。
在一些实施例中，食物项的光谱分析可以包括使食物项暴露至电磁辐射、并且检测食物项所发射的传入电磁辐射。这可以由专门被设计为通过使食物项暴露至某些形式的辐射(诸如激光或频谱缩窄的LED等)来确定该食物项的食物配料内容的装置来实现。示例性的光谱装置包括但不限于通过引用而被全部包含于此的美国专利9,212,996中所描述的光谱装置。在一些实施例中，目标食物项将根据其组成吸收一些波长的光，并且将未吸收的光发射回到装置。在一些实施例中，该装置将进一步包括能够将传入电磁辐射分离成频谱的光栅和/或光谱仪。可以利用能够帮助使传入辐射衍射并分离的透镜来辅助该处理。然后，频谱可以被发射到检测器，然后该检测器能够产生电气或电子信号，其中该电气或电子信号在控制器集成电路的控制下可被数字化并且由网络微控制器经由网络或总线连接在包中传输。在一些实施例中，然后，数字化后的光谱在网络子系统上经过处理，其中该网络子系统能够分析数据，并且基于所接收到的数据通过评级处理来提供食物信息。因而，在一些实施例中，该方法包括：将从食物项发射出的电磁辐射转换成数字食物成分数据，并且使用数据处理模块来使数字食物成分数据与食物配料数据相互关联。如本文中所述的其它实施例那样，食物配料数据可以是预先存在的并且存储在网络上，以供在需要的情况下访问。在该特定实施例中，食物配料数据可以包括以前编制的针对特定食物配料的光谱数据，其中可以将该光谱数据与从目标食物项获得的电磁数据进行匹配或相互关联。在一些实施例中，光谱装置可以集成到能够经由容纳在该装置上的软件引擎以及/或者通过连接至有权访问相关软件引擎和数据库的网络来处理数据的移动装置或平板电脑中。
在一些实施例中，食物项的化学传感包括使食物项暴露至化学传感器装置、并且检测该食物项所发射的传入化学信号。在一些实施例中，化学传感可以包括检测目标食物项的挥发性(例如，气体)化学特征并且分析其组成的“电子鼻”或“机器嗅觉”或“人工嗅觉测量”。在一些实施例中，该方法包括：将从食物项检测到的化学信号转换成数字食物成分数据，并且使用数据处理模块来使该数字食物成分数据与食物配料数据相互关联。在一些实施例中，食物配料数据可以是预先存在的并且存储在网络上，以供在需要的情况下访问。在该特定实施例中，食物配料数据可以包括预先编制的针对特定食物配料的化学特征，其中可以将这些化学特征与从目标食物项获得的化学信号数据进行匹配或相互关联。在一些实施例中，化学传感器装置可以集成到能够经由容纳在该装置上的软件引擎以及/或者通过连接至有权访问相关软件引擎和数据库的网络来处理数据的移动装置或平板电脑中。
如上所述，用户的装置的传感器可用于除收集食物数据外，还收集环境数据(例如，位置数据、温度数据、时间数据等)。在这些实施例中，食物配料处理模块130还被编程为使用所收集到的环境数据来推导食物项的食物配料值。例如，餐厅可能从本地采购食物配料，并且甚至来自同一连锁餐厅但来自不同的餐厅位置的相同菜肴可能包括略微不同的食物配料。另外，温度可能会使一些食物项经过化学反应而产生与在食物项新鲜的情况下存在的配料不同的配料。因而，一些实施例的食物配料处理模块130被编程为使用环境数据(例如，位置数据、温度数据、时间数据等)来辅助推导食物项的食物配料值。
在另一实施例中，可以将食物配料数据表示为第二置信度水平数据。在特定实施例中，第二置信度水平数据包括食物配料置信度水平数据。食物配料置信度水平数据表示传感器数据的食物项包含特定配料的可能性或概率。因而，通过识别食物配料、然后分配食物项中有可能存在的可能性或概率来推导食物配料置信度水平。
在一些实施例中，至少一个配料置信度值可以利用医师和患者通过他们的经验历史的输入来独立计算或编制。例如，对吃X牌饼干表现出非常轻微的不良反应的仅具有针对麸质的已知敏感性的患者可以将该经验上传至食物配料数据库155，从而可以提供食物配料数据库155中的反映X牌饼干包含麸质的50％概率的分配配料置信度值的基础。同样，检查Y牌寿司的配料的医师可能注意到在配料列表中存在“仿蟹肉”，从而可以提供食物配料数据库155中的反映Y牌寿司实际包含真蟹肉的10％概率以下的分配配料置信度值的基础。
在又一实施例中，与一些食物项中的配料的置信度值有关的详细信息可以是从食物项的制造商或提供商获得的，并且可用于食物建议系统以直接接收具有准确配料置信度值的食物信息。例如，在一些实施例中，餐厅可以提供与食物配料数据库155中的一些菜单相关联的食物项和食物配料数据，从而可以周期性地进行更新以维持准确性。这样，可以使第二置信度水平维持于极其准确的水平，由此基于任何不完整或不准确的图像数据的“有根据的猜测”不需要引擎依赖。
在一些实施例中，用户101a、一组个人101b、101c、101d或者任何其它第三方可以通过使用装置接口110手动地将食物项和/或食物配料的标识输入到食物访问控制系统105中。然后，该食物配料组数据可以由食物配料处理模块130通过使该食物配料组数据与食物配料数据库155上所存储的关于食物项和/或其配料的置信度水平数据相互关联来利用。在另一实施例中，如以上所论述的，利用食物配料处理模块130可以确定食物项和/或其配料的标识、以及从与食物项相关联的对象的数字表示所提取的任何图像数据，其中这两者可以同样地与同食物项的相关食物配料以及关联的任何置信度水平数据有关的相关信息相互关联。
可以在表示食物项含有特定食物配料的“可能性”或“概率”的0～100％的范围内示出食物配料置信度水平数据。例如，在食物包装显示食物项含有猪肉的情况下，食物配料置信度水平可以为100％。然而，在猪排沙拉含有多块火腿、并且火腿是猪肉火腿而不是火鸡肉火腿的机会是60:40的情况下，猪肉的食物配料置信度水平可以是60％。对于另一示例，如果餐厅B的菜单表示菜单C是纯素食菜单，则猪肉的食物配料置信度水平可以接近0％。
在其它实施例中，代替提供食物敏感性置信度水平的原始值，还可以设想可以将配料的食物敏感性置信度水平数据表示为含有特定配料的高中低的可能性水平。例如，如果食物配料置信度水平高于高的阈值水平(例如，75％、80％、85％、90％等)，则可以将食物项的食物配料置信度水平数据表示成高。在该示例中，如果食物配料置信度水平高于低的阈值水平(例如，50％、45％、40％、35％等)、但低于高的阈值，则可以将食物项的食物敏感性置信度水平数据表示成中。此外，如果食物配料置信度水平低于低的阈值，则可以将食物项的食物配料置信度水平数据表示成低。高和低的阈值可以根据多个变量(例如，烹饪方法、食物项中预期的配料量等)来确定。
在一些其它实施例中，以可视方式向用户101a或其它用户显示食物配料置信度水平数据。例如，可以将食物配料置信度水平数据示出为图形化的连续进度条。该进度条根据敏感性水平可以伴随有条形的不同颜色表示(例如，对于高水平的可能性为红色、对于中间水平的可能性为黄色等)。
除非另外说明，否则应当理解，本文中所述的方法的元素通常可以是按仍允许生成可靠的食物建议的任何特定顺序发生的。因而，例如，在一些实施例中，可能不必在接收与食物项有关的食物信息之前接收食物敏感性数据。实际上，在一些实施例中，可以期望的是，首先接收与食物项有关的食物信息以确定食物项中所存在的一些食物配料的置信度水平。在本实施例中，然后，系统可以接收患者的任何食物敏感性数据(因为该食物敏感性数据具体涉及相关的食物配料)，而不必访问与通常与患者相关联的任何和所有食物配料敏感性有关的数据。
在一个实施例中，食物访问控制系统105可以关于确定用户101a或一组个人101b、101c、101d的食物敏感性置信度水平、食物敏感性测试数据和/或经验数据进行机器学习。在本实施例中，食物访问控制系统105可以识别用户101a和/或一组个人101b、101c、101d的食物敏感性数据或食物配料数据的模式。例如，在食物访问控制系统105从疑似IBS患者组接收到越来越多的食物敏感性数据(即，更多患者已对去年冬季捕获的阿拉斯加帝王蟹有不良反应)的情况下，食物访问控制系统105可以识别疑似IBS患者组现在对去年冬季捕获的阿拉斯加帝王蟹的敏感性增加的模式。
一旦识别出该模式，食物访问控制系统105可以使该模式与患者对特定食物配料产生不良反应的概率或可能性相互关联。例如，根据疑似IBS患者组现在对去年冬季捕获的阿拉斯加帝王蟹的敏感性增加的模式，食物访问控制系统105可以进行如下关联：IBS患者或者存在与IBS患者相似的症状的人对去年冬季捕获的阿拉斯加帝王蟹产生不良反应的概率或可能性更高。然后，食物访问控制系统105可以自动更新针对用户(患者101a)的食物敏感性置信度水平，即针对去年冬季捕获的阿拉斯加帝王蟹的食物敏感性置信度水平增加。
同样，食物访问控制系统105可以关于确定食物配料置信度水平进行机器学习。在本实施例中，在食物访问控制系统105从对老虎虾的敏感性高的一组人接收到更多数据(即，这一组人中的许多人对餐厅A的鱼饼汤有不良反应)的情况下，食物访问控制系统105自动更新针对餐馆A的鱼饼汤的食物配料置信度水平。
一旦生成了食物敏感性置信度水平数据和食物配料置信度水平数据，安全水平处理模块135被配置为将食物敏感性置信度水平数据和食物配料置信度水平数据进行比较，并且生成用户101a食用该食物项的安全水平。在一些实施例中，该安全水平是通过同等地考虑食物敏感性置信度水平和食物配料置信度水平所计算出的。然而，还设想安全水平是通过与食物配料置信度水平相比在更大程度上更着重食物敏感性置信度水平(反之亦然)所计算出的。
在一些实施例中，可以在0～100％的范围内表示安全水平。例如，在判断为用户101a食用食物项103绝对安全(例如，患者对食物项103中的所有食物配料都不存在食物敏感性、或者食物项103不可能含有患者可能会产生不良反应的任何食物配料等)的情况下，安全水平可以为100％。作为对比，在判断为用户101a食用食物项103绝对危险(例如，患者对食物项103中的至少一个或多个食物配料有严重的食物敏感性、或者食物项103含有患者可能会产生不良反应的任何食物配料的可能性为100％等)的情况下，安全水平可以为0％。
对于另一示例，如果食物敏感性置信度水平数据低于食物配料置信度水平数据、并且食物敏感性置信度水平数据高于50％，则可以生成小于40％的安全水平。对于另一示例，如果食物敏感性置信度水平数据高于食物配料置信度水平数据、并且食物敏感性置信度水平数据接近100％，则还可以生成超过90％的安全水平。然而，如果食物敏感性置信度水平数据高于食物配料置信度水平数据、并且食物敏感性置信度水平数据接近50％，则可以生成50％的安全水平。如果食物敏感性置信度水平数据和食物配料置信度水平数据这两者都低于50％，则可以生成低于25％的安全水平。
在其它实施例中，代替提供安全水平的原始值，还设想可以将用户101a食用食物项103的安全水平数据表示为高中低的可能性水平。例如，如果安全水平高于高的阈值水平(例如，75％、80％、85％、90％等)，则可以将食物项的安全水平数据表示成高。在该示例中，如果安全水平高于低的阈值(例如，50％、45％、40％、35％等)、但低于高的阈值，则可以将食物项的安全水平数据表示成中。此外，如果安全水平低于低的阈值，则可以将食物项的安全水平数据表示成低。高和低的阈值可以根据为了确定食物敏感性置信度水平和食物配料置信度水平所考虑的多个变量来确定。
在一些其它实施例中，可以以可视方式向用户101a或其他用户显示安全水平数据。例如，可以将安全水平数据表示为图形化的连续进度条。该进度条可以伴随有条形的不同颜色表示(例如，对于低安全水平为红色、对于中安全水平为黄色、对于高安全水平为绿色等)。
一旦利用安全水平处理模块135生成了安全水平数据，安全水平处理模块135还可以基于安全水平来生成与食物项有关的建议。可以将安全水平处理模块135中所生成的建议经由输出接口145显示在显示装置165中。在特定实施例中，显示装置165是用户装置102a。安全水平处理模块135被配置为创建或者使显示装置165创建与各通知类型(例如，“高警告”、“中度警告”或“无警告”)相对应的文本数据、声音数据或图形数据。在一些实施例中，该通知可以利用文本数据、声音数据和图形数据至少之一来显示。在其它实施例中，该通知可以利用两个以上类型的数据(例如，具有警报声音的文本警告、具有图形警告标志的文本警告、具有警报声音的图形警告标志等)的组合来显示。在其它实施例中，安全水平处理模块135被配置为创建多个建议的评级(例如，高警告为第一个并且无警告为最后一个等)，并且还被配置为基于该评级来创建通知。
安全水平处理模块135还可以生成替代食物项的建议，其中这些替代食物项可以具有相同食物类别，但在利用原始食物项目标显示高或中度警告的情况下无警告或具有低警告。在一些实施例中，替代食物项可以利用原始食物项警告通知、或者作为与该警告通知相关联的单独链接来显示。在一些实施例中，替代食物项可以以作为高或中度评级的替代的最低评级来显示。
在特定实施例中，用户101a与显示装置165相关联。然而，还设想显示装置165中能够显示的建议与患者(例如，看护者的装置、烹饪的装置等)不是直接相关联。
在一些实施例中，食物建议或替代食物建议可以与宣传材料相关联。宣传材料可以包括与食物建议相关联的食物和/或服务的赞助的第三方广告。在一些实施例中，宣传材料包括品牌广告、产品折扣、产品优惠券和产品立即节省价通知(例如，超市结账时记入$1.00的折扣等)至少之一。
在一些实施例中，食物敏感性置信度水平可以包括饮食配料对患者健康状况的任何显著性水平。因而，在一些实施例中，食物访问控制系统105被配置为从医疗提供方接收诊断结果或建议以向用户(例如，患者101a等)生成食物建议。例如，食物敏感性数据库150中的患者的医疗数据可以包括用以限制含有高胆固醇的食物以改善或维持患者的心脏状况的医生建议。然后，食物访问控制系统105可以比较食物项的食物配料置信度水平(例如，食物项中的胆固醇类型或量)，并且向用户101a或其他用户(例如，看护者等)提供建议。
在一些实施例中，食物访问控制系统105还被配置为获得与多个人(例如，四口之家等)相关联的医疗数据，以提供多个建议或者提供满足所有人的食物敏感性置信度水平数据的最适合建议。例如，四口之家可以具有多个健康状况或食物敏感性。食物建议引擎110被配置为获得家庭成员的所有医疗数据，并且可以同时提供多个建议(例如，避免餐厅F中的菜单A、C和D)、或者最适合整个家庭的建议(例如，可以享用的最佳菜单是餐厅F中的菜单G)。
食物访问控制系统105还可以根据安全水平处理模块135中所生成的安全水平数据来调制以通信方式与食物访问控制系统105相连接的机器160的操作。在一些实施例中，该机器可以是用户装置102a、102b、102c、102d至少之一。在其它实施例中，该机器可以是除用户装置102a、102b、102c、102d以外的可以以通信方式连接至至少一个或多个用户装置102a、102b、102c、102d的不同装置。例如，机器160可以是具有各种食物项的自动售货机。食物访问控制系统105可以将自动售货机配置成不向试图使用自动售货机购买安全水平低的食物项的人售卖该食物项。对于另一示例，机器160可以是食物项的自助订购服务亭。食物访问控制系统105可以将自助订购服务亭配置成从菜单列表不显示食物配料(例如，汉堡的芥末酱等)，或者在所订购的食物项含有安全水平低的食物配料的情况下防止对该订单结账。自助订购服务亭其中之一包括在线购物或在线订购系统(例如，网页、移动应用程序等)，其中该在线购物或在线订购系统用于在用户试图将安全水平低的食物项放入在线订购系统的购物车中的情况下，显示警告标志或者拒绝对用户的订单结账。在该方案中，计算机可以采用特定颜色(例如，红色文本或突出显示等)标注或标记购物车中的食物项的订单，或者附加警告标志(“！”标记或“WARNING”(警告)、“DANGER”(危险)等)，或者甚至拒绝将该食物项放入购物车中。
对于又一示例，该机器是饮料制作机(例如，胶囊咖啡/茶机等)，并且食物访问控制系统105可以将饮料制作机配置成在饮料有可能含有安全水平低的食物配料(例如，咖啡因等)的情况下，不冲泡饮料以及/或者在该机器的LED屏幕上提供警告标志。对于又一示例，该机器是接收来自患者的菜肴的订单的机器人厨师。基于需要食物限制的健康状况以及食物项的安全水平，食物访问控制系统105可以将机器人厨师配置成：拒绝烹饪特定菜肴，向用户101a提供针对替代菜肴的言语或文本建议，或者在用户101a同意或无需用户101a同意的情况下，使用患者食用的安全水平更高的替代配料来烹饪所订购的菜肴。
设想机器160还可以是提供浏览功能和/或位置检测功能的任何计算机。例如，机器160可以是计算机，并且食物访问控制系统105可以将该计算机配置成：通过在浏览器中设置附加过滤(例如，不显示在线订购系统中的特定食物项、不显示使用特定食物项的一些菜谱)来限制用户访问一些特定食物项。
对于另一示例，机器160是与冰箱或食物储藏室相连接的计算机，其中食物访问控制系统105可以将该计算机配置成：在用于补充冰箱或食物储藏室的库存的食物项对于冰箱或食物储藏室的用户的安全水平低的情况下，自动取消该食物项的订购。作为代替，食物访问控制系统105可以将该计算机配置成：在冰箱或食物储藏室的用户试图订购安全水平低的食物项的情况下，自动订购替补(或建议替代)食物项。
图2示出一个示例性食物访问控制环境200。在该食物访问控制环境200中，食物访问控制系统105以通信方式与用户101a和其他个人101b、101c相连接，其中用户101a和其他个人101b、101c分别与用户装置102a、102b、102c相连接。用户101a在超市内，并且考虑为她的午餐购买盒装沙拉203a。用户101a最近被诊断患有轻度IBS，并且每当她食用烤意大利节瓜时会有不良反应(例如，腹泻等)。她的轻度IBS诊断的医疗信息是在食物访问控制系统105处理之后从她的医生办公室的食物敏感性数据库150中所存储的她的医疗数据存储区发送来的。患者的与烤意大利节瓜有关的经验信息是由患者输入的，并且在食物访问控制系统105处理该数据之后也存储在食物敏感性数据库150中。食物敏感性数据库150还存储也被诊断患有具有与患者101a相似的症状的轻度IBS的另一个人101b的食物敏感性数据。另一个人101b的食物敏感性数据表示个人101b对花生油有不良反应。基于患者的医疗数据和经验数据以及(存在相同疾病和相似症状的)其他个人的医疗数据和经验数据，食物访问控制系统105判断为意大利节瓜的食物敏感性置信度水平高(例如，大于90％等)，并且花生油的食物敏感性置信度水平有可能高(例如，大于70％等)。
在用户101a有兴趣购买具有条形码204a的盒装沙拉203a时，患者利用患者的用户装置102a的照相机来拍摄盒装沙拉203a的内容物的照片和/或扫描沙拉盒外部的条形码。将沙拉内容物和/或条形码的视觉表示发送至食物访问控制系统105，其中基于该视觉表示来提取食物配料信息。例如，根据盒装沙拉的内容物的照片，食物访问控制系统105的数据处理模块120可以基于内容物的形状和颜色提取出以下信息：盒装沙拉可能含有生菜、胡萝卜、切达奶酪、孢子甘蓝和意大利节瓜。对于其它示例，根据所扫描的条形码204a，食物访问控制系统105的数据处理模块120可以提取以下信息：盒装沙拉203a除含有生菜、胡萝卜、切达奶酪、孢子甘蓝和意大利节瓜外，还含有碎核桃和碎葡萄干。基于该信息，食物访问控制系统105可以确定盒装沙拉203a的食物配料置信度水平，即：生菜、胡萝卜、切达奶酪、孢子甘蓝、意大利节瓜、碎核桃和碎葡萄干的食物配料置信度水平高(例如，超过90％等)。
食物配料数据库155还可以包括由另一个人101c生成并从其发送来的具有条形码204b的同款盒装沙拉203b的食物配料信息。个人101c未被诊断患有IBS且不具有IBS的任何症状。然而，个人101c对花生油有不良反应。个人101c购买了具有条形码204b的同款盒装沙拉203b并且对该沙拉产生不良反应。个人101c输入他怀疑盒装沙拉203b可能含有花生油的食物配料信息。基于个人101c的经验数据，食物访问控制系统105可以更新盒装沙拉203b的食物配料信息，即：盒装沙拉203b含有花生油的食物配料置信度水平为中度-高(例如，50～75％、60～80％等)。
基于食物敏感性置信度数据和食物配料置信度数据，食物访问控制系统105可以确定用户101a食用盒装沙拉203a的安全水平。由于食物敏感性置信度水平对于意大利节瓜为高并且对于花生油为中度-高(很可能高)、并且针对意大利节瓜和花生油的食物配料置信度水平为高和中度-高，因此用户101a食用盒装沙拉203a的安全水平很可能低。
食物访问控制系统105与包括显示器265的收银台260相连接。一旦食物访问控制系统105判断为用户101a食用盒装沙拉203a的安全水平低，在患者试图结账时，食物访问控制系统105可以使收银台260拒绝对盒装沙拉203a结账。另外，食物访问控制系统105可以使与收银台相关联的显示器265显示针对收银员的警告标志(例如，“NO PROCESSINGALLOWED”(不允许处理)等)或者针对患者的警告标志(例如，“DANGEROUS TO CONSUME”(食用危险)等)。此外，食物访问控制系统105可以使显示器265显示供用户101a食用较为安全的替代食物项的列表，并且使收银台260打印包括替代食物项的优惠券的宣传材料。
在特定实施例中，可以将虚拟现实或增强现实型程序和装置集成到本文所述的系统和方法中。在特定实施例中，食物访问控制系统可以在本文所述的方法的阶段中的一个或多个阶段向用户101a提供增强现实平台。例如，可以在获得传感器数据和/或生成安全水平的步骤期间向用户101a提供增强现实。可以增强实时视频、数据表示和/或其它传感器数据的捕获，以向用户101a提供虚拟选项或建议。在这些实施例中，可以在装置102a(例如，智能电话、智能手表、虚拟现实头盔等)上向用户101a提供虚拟食物建议或替代方案，其中用户可以选择或滚动浏览这些虚拟食物建议或替代方案。
所公开的主题的另一方面涉及用于保护患者免于对食物配料产生不良反应的方法。图3示出方法的一个实施例的流程图。该方法从步骤305开始，其中该步骤305用于获得或接收用户(例如，患者)的医疗数据以及/或其他个人(例如，存在相同疾病或相似症状的个人等)的医疗数据。在一些实施例中，该医疗数据是在患者同意发布该数据时从医疗提供方或医疗保健提供方(例如，医院、医生办公室、牙医诊所、药房、实验室、医生、护士、药剂师、保险提供方、患者医疗保健的任何联系点等)直接发送来的。在一个实施例中，医疗数据包括一个或多个个人的食物敏感性测试数据和/或经验数据。一旦获得或接收到医疗数据，将该医疗数据存储在食物敏感性数据库中。然后，基于医疗数据，该方法继续进行步骤310，其中在该步骤310中，推导表示用户对食物配料产生不良反应的概率的食物敏感性置信度水平(第一置信度水平)。
该方法继续进行步骤315，其中在该步骤315中，获得与食物项相关联的对象(例如，条形码、烹饪菜肴的照片等)的传感器数据(例如，数字表示)。在一个实施例中，图像数据是利用图像获取装置(例如，移动装置上的照相机)获取到的。设想可以使用任何适当的传感器数据来提取食物配料信息。此外，设想可以使用任何预先存在的预先处理后的图像数据(例如，个人计算机上的截屏图像数据等)。
一旦获取到传感器数据，该方法进一步继续进行步骤320，其中该步骤320用于根据传感器数据来推导食物配料置信度水平(第二置信度水平)。食物配料置信度水平表示食物配料存在于食物项中的概率或可能性。然后，该方法继续进行步骤325，其中该步骤325用于基于食物敏感性置信度水平和食物配料置信度水平来判断患者食用该食物项的安全水平。如果安全水平低(例如，患者食用食物项危险等)，则该方法继续进行步骤330，其中该步骤330用于使机器限制用户对食物项的访问。步骤330还可以包括：向客户端或第三方显示不食用食物项或者不向患者提供食物项的建议。
本领域技术人员应当明白，在没有背离本文所公开的概念的情况下，可以进行除已经说明的修改以外的更多修改。因此，除所附权利要求书的精神外，所公开的主题不应受到限制。此外，在解释说明书和权利要求书这两者时，所有术语都应当以与上下文一致的可能的最宽方式进行解释。特别地，术语“包括(comprises)”和“包括(comprising)”应被解释为以非排他的方式引用元件、组件或步骤，从而表明所引用的元件、组件或步骤可以存在、或者被利用、或者与并未明确引用的其它元件、组件或步骤相组合。在说明书和权利要求书涉及选自包括A、B、C、…和N的组中的一些元素至少之一的情况下，该文本应被解释为需要来自该组中的仅一个元素，而不是A+N或B+N等。

Claims (120)

1.一种用于保护患者免于对食物配料产生不良反应的系统，其中，所述系统以通信方式与机器相连接，所述系统包括：
医疗数据库，用于存储患者的医疗数据；
处理器；以及
存储器，用于存储程序指令，其中所述程序指令在由所述处理器执行的情况下，使所述处理器进行以下步骤：
根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据；
接收包括表示所述食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息；
基于所述第一置信度水平数据和所述第二置信度水平数据来生成患者食用所述食物项的安全水平；以及
使所述机器根据所生成的安全水平来限制对所述食物项的访问。
2.根据权利要求1所述的系统，其中，患者的医疗数据包括患者的食物敏感性数据。
3.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：通过使用具有参考值的食物制品进行针对疾病的患者的测试，来推导所述第一置信度水平数据，其中针对未被诊断患有相同疾病或未疑似患有相同疾病的个人，所述参考值包括≤0.15的平均判别性p值。
4.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据被诊断患有与患者相同的疾病的个人的组数据来推导所述第一置信度水平数据，其中所述组数据包括针对未被诊断患有相同疾病或未疑似患有相同疾病的个人而言具有≤0.15的平均判别性p值的食物制品的参考值。
5.根据权利要求4所述的系统，其中，所述参考值是按疾病状态分层的。
6.根据权利要求4所述的系统，其中，所述参考值的水平是按性别分层的。
7.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据被诊断患有相同疾病的组经验数据来推导所述第一置信度水平数据。
8.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据患者的经验历史来推导所述第一置信度水平数据。
9.根据权利要求4所述的系统，其中，所述组数据包括与所述食物制品相关联的多个敏感性评级。
10.根据权利要求4所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与患者对所述食物配料产生不良反应的概率相互关联；以及
基于所述组数据的模式来自动更新所述第一置信度水平数据。
11.根据权利要求1所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：
从传感器装置获得表示食物项的传感器数据；以及
基于所述传感器数据来推导包括表示所述食物配料存在于所述食物项中的概率的第二置信度水平数据的食物配料信息。
12.根据权利要求11所述的系统，其中，所述传感器数据包括光谱分析数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
13.根据权利要求11所述的系统，其中，所述传感器数据包括化学传感数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
14.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据包括对所述食物项产生不良反应的个人的经验历史的组数据来推导食物配料的所述第二置信度水平数据。
15.根据权利要求14所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与所述食物配料存在于所述食物项中的概率相互关联；以及
基于所述组数据的模式来自动更新所述第二置信度水平数据。
16.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据至少之一高的情况下，判断为所述安全水平低。
17.根据权利要求16所述的系统，其中，在患者对所述食物配料产生不良反应的概率为50％以上的情况下，所述第一置信度水平数据高，并且在所述食物配料存在于所述食物项中的概率为50％以上的情况下，所述第二置信度水平数据高。
18.根据权利要求16所述的系统，其中，在患者对所述食物配料产生不良反应的概率为50％以下的情况下，所述第一置信度水平数据低，并且在所述食物配料存在于所述食物项中的概率为50％以下的情况下，所述第二置信度水平数据低。
19.根据权利要求16所述的系统，其中，在患者将表现出对所述食物项产生不良反应的概率为50％以上的情况下，所述安全水平低。
20.根据权利要求1或2所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据这两者低的情况下，判断为所述安全水平高。
21.根据权利要求1或2所述的系统，其中，所述机器是自动售货机，并且所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述安全水平低的情况下，使所述自动售货机无法售卖所述食物项。
22.根据权利要求1或2所述的系统，其中，所述机器是自助结账服务亭，并且所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述安全水平低的情况下，使所述自助结账服务亭无法对所述食物项结账。
23.根据权利要求1或2所述的系统，其中，所述机器是自助订购机，并且所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述安全水平低的情况下，使所述自助订购机无法处理所述食物项的订购。
24.一种用于保护患者免于对食物配料产生不良反应的系统，其中，所述系统以通信方式与机器相连接，所述系统包括：
医疗数据库，用于存储患者的医疗数据；
处理器；以及
存储器，用于存储程序指令，其中所述程序指令在由所述处理器执行的情况下，使所述处理器进行以下步骤：
根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据；
接收包括表示所述食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息；
基于所述第一置信度水平数据和所述第二置信度水平数据来生成患者食用所述食物项的安全水平；以及
使所述机器根据所生成的安全水平来显示食物建议。
25.根据权利要求24所述的系统，其中，患者的医疗数据包括患者的食物敏感性数据。
26.根据权利要求24或25所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：通过使用具有参考值的食物制品进行针对疾病的患者的测试，来推导所述第一置信度水平数据，其中针对未被诊断患有相同疾病或未疑似患有相同疾病的个人，所述参考值包括≤0.15的平均判别性p值。
27.根据权利要求24或25所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据被诊断患有与患者相同的疾病的个人的组数据来推导所述第一置信度水平数据，其中所述组数据包括针对未被诊断患有相同疾病或未疑似患有相同疾病的个人而言具有≤0.15的平均判别性p值的食物制品的参考值。
28.根据权利要求27所述的系统，其中，所述参考值是按疾病状态分层的。
29.根据权利要求27所述的系统，其中，所述参考值的水平是按性别分层的。
30.根据权利要求27所述的系统，其中，所述组数据包括被诊断患有相同疾病的个人的经验数据。
31.根据权利要求24或25所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据患者的经验历史来推导所述第一置信度水平数据。
32.根据权利要求27所述的系统，其中，所述组数据包括与所述食物制品相关联的多个敏感性评级。
33.根据权利要求27所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与患者对所述食物配料产生不良反应的概率相互关联；以及
基于所述组数据的模式来自动更新所述第一置信度水平数据。
34.根据权利要求24所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：
从传感器装置获得表示食物项的传感器数据；以及
基于所述传感器数据来推导包括表示所述食物配料存在于所述食物项中的概率的第二置信度水平数据的食物配料信息。
35.根据权利要求34所述的系统，其中，所述传感器数据包括光谱分析数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
36.根据权利要求34所述的系统，其中，所述传感器数据包括化学传感数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
37.根据权利要求24或25所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：根据包括对所述食物项产生不良反应的个人的经验历史的组数据来推导食物配料的所述第二置信度水平数据。
38.根据权利要求37所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与所述食物配料存在于所述食物项中的概率相互关联；以及
基于所述组数据的模式来自动更新所述第二置信度水平数据。
39.根据权利要求24或25所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据至少之一高的情况下，判断为所述安全水平低。
40.根据权利要求24或25所述的系统，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据这两者低的情况下，判断为所述安全水平高。
41.根据权利要求24或25所述的系统，其中，在所述第二置信度水平数据高于所述第一置信度水平数据的情况下，所述食物建议包括所述食物项的替代食物项。
42.根据权利要求41所述的系统，其中，所述程序指令还使所述处理器令所述机器显示具有所述替代食物项的宣传材料。
43.一种用于保护患者免于对食物配料产生不良反应的方法，包括：
根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据；
接收包括表示所述食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息；
基于所述第一置信度水平数据和所述第二置信度水平数据来生成患者食用所述食物项的安全水平；以及
使机器根据所生成的安全水平来限制对所述食物项的访问。
44.根据权利要求43所述的方法，其中，患者的医疗数据包括患者的食物敏感性数据。
45.根据权利要求43或44所述的方法，其中，还包括：通过使用具有参考值的食物制品进行针对疾病的患者的测试，来推导所述第一置信度水平数据，其中针对未被诊断患有相同疾病或未疑似患有相同疾病的个人，所述参考值包括≤0.15的平均判别性p值。
46.根据权利要求43或44所述的方法，其中，还包括：根据被诊断患有与患者相同的疾病的个人的组数据来推导所述第一置信度水平数据，其中所述组数据包括针对未被诊断患有相同疾病或未疑似患有相同疾病的个人而言具有≤0.15的平均判别性p值的食物制品的参考值。
47.根据权利要求46所述的方法，其中，所述参考值是按疾病状态分层的。
48.根据权利要求46所述的方法，其中，所述参考值的水平是按性别分层的。
49.根据权利要求43或44所述的方法，其中，还包括：根据被诊断患有相同疾病的组经验数据来推导所述第一置信度水平数据。
50.根据权利要求43或44所述的方法，其中，还包括：根据患者的经验历史来推导所述第一置信度水平数据。
51.根据权利要求46所述的方法，其中，所述组数据包括与所述食物制品相关联的多个敏感性评级。
52.根据权利要求46所述的方法，其中，还包括：
识别所述组数据的模式；
使所述模式与患者对所述食物配料产生不良反应的概率相互关联；以及
基于所述组数据的模式来自动更新所述第一置信度水平数据。
53.根据权利要求43所述的方法，其中，还包括：
从传感器装置获得表示食物项的传感器数据；以及
基于所述传感器数据来推导包括表示所述食物配料存在于所述食物项中的概率的第二置信度水平数据的食物配料信息。
54.根据权利要求53所述的方法，其中，所述传感器数据包括光谱分析数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
55.根据权利要求53所述的方法，其中，所述传感器数据包括化学传感数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
56.根据权利要求43或44所述的方法，其中，还包括：根据包括对所述食物项产生不良反应的个人的经验历史的组数据来推导食物配料的所述第二置信度水平数据。
57.根据权利要求56所述的方法，其中，还包括：
识别所述组数据的模式；
使所述模式与所述食物配料存在于所述食物项中的概率相互关联；以及
基于所述组数据的模式来自动更新所述第二置信度水平数据。
58.根据权利要求43或44所述的方法，其中，还包括：在判断为所述第一置信度水平数据和所述第二置信度水平数据至少之一高的情况下，判断为所述安全水平低。
59.根据权利要求43或44所述的方法，其中，还包括：在判断为所述第一置信度水平数据和所述第二置信度水平数据这两者低的情况下，判断为所述安全水平高。
60.根据权利要求43或44所述的方法，其中，所述机器是自动售货机，并且还包括：在判断为所述安全水平低的情况下，使所述自动售货机无法售卖所述食物项。
61.根据权利要求43或44所述的方法，其中，所述机器是自助结账服务亭，并且还包括：在判断为所述安全水平低的情况下，使所述自助结账服务亭无法对所述食物项结账。
62.根据权利要求43或44所述的方法，其中，所述机器是自助订购机，并且还包括：在判断为所述安全水平低的情况下，使所述自助订购机无法处理所述食物项的订购。
63.一种用于保护患者免于对食物配料产生不良反应的方法，包括：
根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据；
接收包括表示所述食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息；
基于所述第一置信度水平数据和所述第二置信度水平数据来生成患者食用所述食物项的安全水平；以及
使机器根据所生成的安全水平来显示食物建议。
64.根据权利要求63所述的方法，其中，患者的医疗数据包括患者的食物敏感性数据。
65.根据权利要求63或64所述的方法，其中，还包括：通过使用具有参考值的食物制品进行针对疾病的患者的测试，来推导所述第一置信度水平数据，其中针对未被诊断患有相同疾病或未疑似患有相同疾病的个人，所述参考值包括≤0.15的平均判别性p值。
66.根据权利要求63或64所述的方法，其中，还包括：根据被诊断患有与患者相同的疾病的个人的组数据来推导所述第一置信度水平数据，其中所述组数据包括针对未被诊断患有相同疾病或未疑似患有相同疾病的个人而言具有≤0.15的平均判别性p值的食物制品的参考值。
67.根据权利要求66所述的方法，其中，所述参考值是按疾病状态分层的。
68.根据权利要求66所述的方法，其中，所述参考值的水平是按性别分层的。
69.根据权利要求66所述的方法，其中，所述组数据包括被诊断患有相同疾病的个人的经验数据。
70.根据权利要求63或64所述的方法，其中，还包括：根据患者的经验历史来推导所述第一置信度水平数据。
71.根据权利要求66所述的方法，其中，所述组数据包括与所述食物制品相关联的多个敏感性评级。
72.根据权利要求66所述的方法，其中，还包括：
识别所述组数据的模式；
使所述模式与患者对所述食物配料产生不良反应的概率相互关联；以及
基于所述组数据的模式来自动更新所述第一置信度水平数据。
73.根据权利要求63所述的方法，其中，还包括：
从传感器装置获得表示食物项的传感器数据；以及
基于所述传感器数据来推导包括表示所述食物配料存在于所述食物项中的概率的第二置信度水平数据的食物配料信息。
74.根据权利要求73所述的方法，其中，所述传感器数据包括光谱分析数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
75.根据权利要求73所述的方法，其中，所述传感器数据包括化学传感数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
76.根据权利要求63或64所述的方法，其中，还包括：根据包括对所述食物项产生不良反应的个人的经验历史的组数据来推导食物配料的所述第二置信度水平数据。
77.根据权利要求76所述的方法，其中，还包括：
识别所述组数据的模式；
使所述模式与所述食物配料存在于所述食物项中的概率相互关联；以及
基于所述组数据的模式来自动更新所述第二置信度水平数据。
78.根据权利要求63或64所述的方法，其中，还包括：在判断为所述第一置信度水平数据和所述第二置信度水平数据至少之一高的情况下，判断为所述安全水平低。
79.根据权利要求63或64所述的方法，其中，还包括：在判断为所述第一置信度水平数据和所述第二置信度水平数据这两者低的情况下，判断为所述安全水平高。
80.根据权利要求63或64所述的方法，其中，在所述第二置信度水平数据高于所述第一置信度水平数据的情况下，所述食物建议包括所述食物项的替代食物项。
81.根据权利要求80所述的方法，其中，还包括：使所述机器显示具有所述替代食物项的宣传材料。
82.一种计算机可读的非暂时性的存储介质，包括程序指令，其中所述程序指令在由一个或多个处理器执行的情况下，使一个或多个处理器进行以下步骤：
根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据；
接收包括表示所述食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息；
基于所述第一置信度水平数据和所述第二置信度水平数据来生成患者食用所述食物项的安全水平；以及
使机器根据所生成的安全水平来限制对所述食物项的访问。
83.根据权利要求82所述的存储介质，其中，患者的医疗数据包括患者的食物敏感性数据。
84.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：通过使用具有参考值的食物制品进行针对疾病的患者的测试，来推导所述第一置信度水平数据，其中针对未被诊断患有相同疾病或未疑似患有相同疾病的个人，所述参考值包括≤0.15的平均判别性p值。
85.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据被诊断患有与患者相同的疾病的个人的组数据来推导所述第一置信度水平数据，其中所述组数据包括针对未被诊断患有相同疾病或未疑似患有相同疾病的个人而言具有≤0.15的平均判别性p值的食物制品的参考值。
86.根据权利要求85所述的存储介质，其中，所述参考值是按疾病状态分层的。
87.根据权利要求85所述的存储介质，其中，所述参考值的水平是按性别分层的。
88.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据被诊断患有相同疾病的组经验数据来推导所述第一置信度水平数据。
89.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据患者的经验历史来推导所述第一置信度水平数据。
90.根据权利要求85所述的存储介质，其中，所述组数据包括与所述食物制品相关联的多个敏感性评级。
91.根据权利要求85所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与患者对所述食物配料产生不良反应的概率相互关联；以及
基于所述组数据的模式来自动更新所述第一置信度水平数据。
92.根据权利要求82所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：
从传感器装置获得表示食物项的传感器数据；以及
基于所述传感器数据来推导包括表示所述食物配料存在于所述食物项中的概率的第二置信度水平数据的食物配料信息。
93.根据权利要求92所述的存储介质，其中，所述传感器数据包括光谱分析数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
94.根据权利要求92所述的存储介质，其中，所述传感器数据包括化学传感数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
95.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据包括对所述食物项产生不良反应的个人的经验历史的组数据来推导食物配料的所述第二置信度水平数据。
96.根据权利要求95所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与所述食物配料存在于所述食物项中的概率相互关联；以及
基于所述组数据的模式来自动更新所述第二置信度水平数据。
97.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据至少之一高的情况下，判断为所述安全水平低。
98.根据权利要求82或83所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据这两者低的情况下，判断为所述安全水平高。
99.根据权利要求82或83所述的存储介质，其中，所述机器是自动售货机，并且所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述安全水平低的情况下，使所述自动售货机无法售卖所述食物项。
100.根据权利要求82或83所述的存储介质，其中，所述机器是自助结账服务亭，并且所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述安全水平低的情况下，使所述自助结账服务亭无法对所述食物项结账。
101.根据权利要求82或83所述的存储介质，其中，所述机器是自助订购机，并且所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述安全水平低的情况下，使所述自助订购机无法处理所述食物项的订购。
102.一种计算机可读的非暂时性的存储介质，包括程序指令，其中所述程序指令在由一个或多个处理器执行的情况下，使一个或多个处理器进行以下步骤：
根据患者的医疗数据来推导表示患者对食物配料产生不良反应的概率的第一置信度水平数据；
接收包括表示所述食物配料存在于食物项中的概率的第二置信度水平数据的食物配料信息；
基于所述第一置信度水平数据和所述第二置信度水平数据来生成患者食用所述食物项的安全水平；以及
使机器根据所生成的安全水平来显示食物建议。
103.根据权利要求102所述的存储介质，其中，患者的医疗数据包括患者的食物敏感性数据。
104.根据权利要求102或103所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：通过使用具有参考值的食物制品进行针对疾病的患者的测试，来推导所述第一置信度水平数据，其中针对未被诊断患有相同疾病或未疑似患有相同疾病的个人，所述参考值包括≤0.15的平均判别性p值。
105.根据权利要求102或103所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据被诊断患有与患者相同的疾病的个人的组数据来推导所述第一置信度水平数据，其中所述组数据包括针对未被诊断患有相同疾病或未疑似患有相同疾病的个人而言具有≤0.15的平均判别性p值的食物制品的参考值。
106.根据权利要求105所述的存储介质，其中，所述参考值是按疾病状态分层的。
107.根据权利要求105所述的存储介质，其中，所述参考值的水平是按性别分层的。
108.根据权利要求105所述的存储介质，其中，所述组数据包括被诊断患有相同疾病的个人的经验数据。
109.根据权利要求102或103所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据患者的经验历史来推导所述第一置信度水平数据。
110.根据权利要求105所述的存储介质，其中，所述组数据包括与所述食物制品相关联的多个敏感性评级。
111.根据权利要求105所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与患者对所述食物配料产生不良反应的概率相互关联；以及
基于所述组数据的模式来自动更新所述第一置信度水平数据。
112.根据权利要求102所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：
从传感器装置获得表示食物项的传感器数据；以及
基于所述传感器数据来推导包括表示所述食物配料存在于所述食物项中的概率的第二置信度水平数据的食物配料信息。
113.根据权利要求112所述的存储介质，其中，所述传感器数据包括光谱分析数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
114.根据权利要求112所述的存储介质，其中，所述传感器数据包括化学传感数据，并且推导所述第二置信度水平数据的步骤包括：1)识别可能存在于所述食物项中的食物配料；以及2)分配所述食物配料的概率。
115.根据权利要求102或103所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：根据包括对所述食物项产生不良反应的个人的经验历史的组数据来推导食物配料的所述第二置信度水平数据。
116.根据权利要求115所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：
识别所述组数据的模式；
使所述模式与所述食物配料存在于所述食物项中的概率相互关联；以及
基于所述组数据的模式来自动更新所述第二置信度水平数据。
117.根据权利要求102或103所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据至少之一高的情况下，判断为所述安全水平低。
118.根据权利要求102或103所述的存储介质，其中，所述程序指令还使所述处理器进行以下步骤：在所述处理器判断为所述第一置信度水平数据和所述第二置信度水平数据这两者低的情况下，判断为所述安全水平高。
119.根据权利要求102或103所述的存储介质，其中，在所述第二置信度水平数据高于所述第一置信度水平数据的情况下，所述食物建议包括所述食物项的替代食物项。
120.根据权利要求119所述的存储介质，其中，所述程序指令还使所述处理器令所述机器显示具有所述替代食物项的宣传材料。
CN201680054790.9A 2015-07-22 2016-07-22 用于保护患者免于产生不良反应的系统、方法和存储介质 Active CN108369721B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562195663P 2015-07-22 2015-07-22
US62/195,663 2015-07-22
PCT/US2016/043688 WO2017015612A1 (en) 2015-07-22 2016-07-22 System and method for providing a food recommendation based on food sensitivity testing

Publications (2)

Publication Number Publication Date
CN108369721A CN108369721A (zh) 2018-08-03
CN108369721B true CN108369721B (zh) 2023-06-23

Family

ID=57834824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680054790.9A Active CN108369721B (zh) 2015-07-22 2016-07-22 用于保护患者免于产生不良反应的系统、方法和存储介质

Country Status (9)

Country Link
US (2) US20180144821A1 (zh)
EP (1) EP3326142A4 (zh)
JP (3) JP6902526B2 (zh)
KR (1) KR20180043790A (zh)
CN (1) CN108369721B (zh)
BR (1) BR112018001335A2 (zh)
CA (1) CA2992950A1 (zh)
MX (1) MX2018000889A (zh)
WO (1) WO2017015612A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101887545B1 (ko) 2014-11-14 2018-08-10 바이오메리카인코포레이티드 Ibs 민감도 테스트 구성, 장치 및 방법
US11200973B2 (en) * 2017-01-09 2021-12-14 International Business Machines Corporation System, for food intake control
US10580533B2 (en) * 2017-12-22 2020-03-03 International Business Machines Corporation Image-based food analysis for medical condition warnings
US10796518B2 (en) * 2018-01-29 2020-10-06 Ria Dubey Feedback and authentication system and method for vending machines
US11887719B2 (en) * 2018-05-21 2024-01-30 MyFitnessPal, Inc. Food knowledge graph for a health tracking system
KR102009327B1 (ko) * 2018-12-27 2019-08-09 김용성 기능성위장관질환의 증상 조절을 위한 자가완성형 음식 조절 서비스 제공 시스템 및 그의 음식 조절 서비스 제공 방법
US11544761B1 (en) 2019-08-29 2023-01-03 Inmar Clearing, Inc. Food product recommendation system and related methods
US11151612B2 (en) * 2019-09-12 2021-10-19 International Business Machines Corporation Automated product health risk assessment
US10990884B1 (en) 2019-10-22 2021-04-27 Kpn Innovations, Llc Methods and systems for identifying compatible meal options
MY194390A (en) * 2019-11-27 2022-11-30 Panasonic Ip Man Co Ltd Method, information terminal, program, and storage medium
CN113096767A (zh) * 2020-01-08 2021-07-09 佛山市云米电器科技有限公司 基于冰箱的食材推送方法、云端服务器、系统及存储介质
WO2021176741A1 (ja) * 2020-03-03 2021-09-10 パナソニックＩｐマネジメント株式会社 制御方法、情報端末、プログラム、及び記録媒体
CN114746891A (zh) * 2020-03-03 2022-07-12 松下知识产权经营株式会社 控制方法、信息终端、程序以及记录介质
MY195730A (en) 2021-03-08 2023-02-08 Panasonic Ip Man Co Ltd Method of Providing Information
BR102021012841A2 (pt) * 2021-06-28 2023-01-03 Sociedade Beneficente Israelita Brasileira Hospital Albert Einstein Sistema para acompanhamento de consumo de glúten e predição de associação de indisposição a consumo de glúten
JP2023058253A (ja) 2021-10-13 2023-04-25 株式会社前川製作所 画像処理装置、画像処理プログラム及び画像処理方法
KR102664585B1 (ko) * 2022-03-25 2024-05-09 숙명여자대학교산학협력단 데이터에 기반하여 기능성식품을 추천하는 방법 및 장치

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101272692A (zh) * 2005-08-23 2008-09-24 3M创新有限公司 向食品施用抗微生物制剂的方法
US7756604B1 (en) * 2005-03-09 2010-07-13 Davis Daniel W Product control system
CN102483818A (zh) * 2009-04-22 2012-05-30 领头马科技股份有限公司 人工智能辅助的医疗参考系统和方法
CN103488890A (zh) * 2013-09-18 2014-01-01 万达信息股份有限公司 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统
CN103889282A (zh) * 2011-08-18 2014-06-25 勒古普罗公司 用于食物制备的容器中的食物移动和控制
CN104302193A (zh) * 2012-03-16 2015-01-21 詹尼弗·赖特 基于大麻的婴儿配方食品和制备其的方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000067139A (ja) * 1998-08-25 2000-03-03 Hitachi Ltd 電子カルテシステム
BR0108476A (pt) * 2000-02-11 2003-04-22 Marcio Marc Abreu Sistema e método para comunicar informação de revocação de produto, advertências relacionadas ao produto ou outra informação relacionada aos usuários de produtos
KR20110018464A (ko) * 2001-09-05 2011-02-23 닛뽄하무가부시키가이샤 음식물 알레르겐, 음식물 알레르겐의 검출 방법 및 음식물 알레르기 유발성 식품의 검출 방법
US20040078218A1 (en) * 2002-10-16 2004-04-22 Ellen Badinelli System and apparatus for a consumer to determine food/medicine interactions on a real-time basis
FI20012593A0 (fi) * 2001-12-28 2001-12-28 Pertti Laehteenmaeki Menetelmä ja järjestelmä ravitsemustietopalvelun järjestämiseksi
US20040091843A1 (en) * 2002-11-12 2004-05-13 Albro Todd M. Menu generator, system and methods for generating clinical menus
US7490054B2 (en) * 2002-11-21 2009-02-10 Kimberly-Clark Worldwide, Inc. RFID system and method for vending machine control
JP3950061B2 (ja) * 2003-01-10 2007-07-25 富士通株式会社 アレルゲン情報管理プログラム
JP2005038215A (ja) * 2003-07-15 2005-02-10 Univ Waseda 商品情報提供システム
US20050137987A1 (en) * 2003-12-22 2005-06-23 Robert May Customer age verification
US7353080B2 (en) * 2004-02-19 2008-04-01 Walker Digital, Llc Products and processes for controlling access to vending machine products
JP5130994B2 (ja) * 2008-03-28 2013-01-30 日本電気株式会社 医薬品判断システム、情報処理装置、医薬品判断方法及びプログラム
KR20090108968A (ko) * 2008-04-14 2009-10-19 이연희 성인병 전문식당 서비스 시스템 및 그 운영방법
JP5633721B2 (ja) * 2009-10-30 2014-12-03 国立大学法人徳島大学 乳幼児のアレルギー発症を予測するためのデータを提供する方法
US20110318717A1 (en) * 2010-06-23 2011-12-29 Laurent Adamowicz Personalized Food Identification and Nutrition Guidance System
US20120253828A1 (en) * 2011-04-01 2012-10-04 Bellacicco Jr John A System and method for sensitivity or nutritional factor exposure monitoring
US8601005B2 (en) * 2011-05-27 2013-12-03 Roche Diagnostics Operations, Inc. Location enabled food database
US9053483B2 (en) * 2011-09-30 2015-06-09 Microsoft Technology Licensing, Llc Personal audio/visual system providing allergy awareness
KR20130127145A (ko) * 2012-05-14 2013-11-22 주식회사 푸른건강가족 복합 처방 서비스 시스템 및 방법
US8647267B1 (en) * 2013-01-09 2014-02-11 Sarah Long Food and digestion correlative tracking
JP2014170302A (ja) 2013-03-01 2014-09-18 Toshiba Tec Corp 商品販売データ登録処理装置
US9212996B2 (en) * 2013-08-05 2015-12-15 Tellspec, Inc. Analyzing and correlating spectra, identifying samples and their ingredients, and displaying related personalized information
JP2015076031A (ja) * 2013-10-11 2015-04-20 富士通株式会社 情報処理方法、装置及びプログラム
KR101887545B1 (ko) 2014-11-14 2018-08-10 바이오메리카인코포레이티드 Ibs 민감도 테스트 구성, 장치 및 방법
CN104539657A (zh) * 2014-12-09 2015-04-22 北京康源互动健康科技有限公司 一种基于云平台的健康饮食监控系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7756604B1 (en) * 2005-03-09 2010-07-13 Davis Daniel W Product control system
CN101272692A (zh) * 2005-08-23 2008-09-24 3M创新有限公司 向食品施用抗微生物制剂的方法
CN102483818A (zh) * 2009-04-22 2012-05-30 领头马科技股份有限公司 人工智能辅助的医疗参考系统和方法
CN103889282A (zh) * 2011-08-18 2014-06-25 勒古普罗公司 用于食物制备的容器中的食物移动和控制
CN104302193A (zh) * 2012-03-16 2015-01-21 詹尼弗·赖特 基于大麻的婴儿配方食品和制备其的方法
CN103488890A (zh) * 2013-09-18 2014-01-01 万达信息股份有限公司 一种基于朴素贝叶斯的患者药物不良反应预警方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
食物过敏的机理与安全控制;刘方方 等;《美食研究》;第31卷(第1期);第32-35页 *
饮食干预对慢性荨麻疹患者影响的研究;王霞 等;《齐鲁护理杂志》;第17卷(第7期);第6-7页 *

Also Published As

Publication number Publication date
JP2022186716A (ja) 2022-12-15
KR20180043790A (ko) 2018-04-30
EP3326142A1 (en) 2018-05-30
BR112018001335A2 (pt) 2018-09-11
JP2018521420A (ja) 2018-08-02
MX2018000889A (es) 2018-11-09
WO2017015612A1 (en) 2017-01-26
JP6902526B2 (ja) 2021-07-14
JP7150942B2 (ja) 2022-10-11
JP2021168154A (ja) 2021-10-21
CA2992950A1 (en) 2017-01-26
CN108369721A (zh) 2018-08-03
US20180144821A1 (en) 2018-05-24
EP3326142A4 (en) 2019-03-20
US20230245757A1 (en) 2023-08-03

Similar Documents

Publication Publication Date Title
CN108369721B (zh) 用于保护患者免于产生不良反应的系统、方法和存储介质
US9977980B2 (en) Food logging from images
King et al. Nutritional labelling for healthier food or non‐alcoholic drink purchasing and consumption
US11791045B1 (en) Apparatus for informed personal well-being decision making and associated method
US10971031B2 (en) Apparatus and method for identifying food nutritional values
CA2919232C (en) Analyzing and correlating spectra, identifying samples and their ingredients, and displaying related personalized information
EP2085922A1 (en) Method and system for aiding consumer in identification of contents and ingredients
Boland et al. Modern technologies for personalized nutrition
Nagarajan et al. Nutritional monitoring in older people prevention services
CN114388102A (zh) 饮食推荐方法及装置和电子设备
JP2020080081A (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
Pfisterer et al. Enhancing Food Intake Tracking in Long-term Care With Automated Food Imaging and Nutrient Intake Tracking (AFINI-T) Technology: Validation and Feasibility Assessment
JP7030381B2 (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
JP7256910B2 (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
JP7106196B2 (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
JP6902816B2 (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
JP6841557B2 (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
JP6846084B2 (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム
US20230162617A1 (en) Indication-dependent nutrient calculation and preservation platform
WO2021044695A1 (ja) 健康管理支援装置、健康管理支援方法、プログラム、および健康管理の支援システム
Hatlebrekke Use of Association Rule Mining to Identify Trigger Foods in Irritable Bowel Syndrome
JP2020140740A (ja) 野菜摂取量改善システム、野菜摂取食データベース、及び野菜摂取量改善プログラム

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1259502

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant