CN110223739A - 临床发现的主动追踪观察 - Google Patents

临床发现的主动追踪观察 Download PDF

Info

Publication number
CN110223739A
CN110223739A CN201910155034.0A CN201910155034A CN110223739A CN 110223739 A CN110223739 A CN 110223739A CN 201910155034 A CN201910155034 A CN 201910155034A CN 110223739 A CN110223739 A CN 110223739A
Authority
CN
China
Prior art keywords
tracing study
tracing
clinical
activities
study
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
CN201910155034.0A
Other languages
English (en)
Inventor
T.弗兰森
A.伊瓦斯
N.富尔奇
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.)
Siemens Medical Solutions USA Inc
Original Assignee
Siemens Medical Solutions USA 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 Siemens Medical Solutions USA Inc filed Critical Siemens Medical Solutions USA Inc
Publication of CN110223739A publication Critical patent/CN110223739A/zh
Pending legal-status Critical Current

Links

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
    • G16H50/20—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

用于促进临床发现的主动跟踪观察的框架。根据一个方面，从一个或多个文档提取需要追踪观察的一个或多个临床发现。确定与所述一个或多个临床发现相关的一个或多个追踪观察活动。可以为所述一个或多个追踪观察活动生成优先级。然后可以在用户界面中显示所述一个或多个临床发现、追踪观察活动和优先级。可以向接收者发送通知以发起所述一个或多个追踪观察活动中的至少一个。

Description

临床发现的主动追踪观察
技术领域
本公开一般地涉及数字数据处理，并且更具体地涉及用于促进临床发现的主动追踪观察的框架。
背景技术
未能对异常测试结果进行追踪观察是医疗护理中的关键问题，无论它是放射学检查中识别的偶然发现、与慢性病的管理相关联的测试结果、还是对异常筛查结果的追踪观察。为了表明问题的范围，已经对许多研究进行了系统评论。参见Callen JL, WestbrookJI, Georgiou A等人, Failure to follow-up test results for ambulatorypatients: a systematic review, J. Gen. Intern. Med. 2012;27:1334-48，该文献通过引用并入本文。该评论报告了接受门诊设置的患者的未被追踪观察的测试的数量的定量证据，该证据表明高达35.7％的放射学研究没有得到预订提供者的适当追踪观察。这是一个需要解决的问题，但当前的过程是多种多样的，而且通常是不系统的。通过对各种文章的系统评论表明，偶然发现尤其成问题，这些评论报告了在成像检查中偶然发现的频率高达31％，其中35％没有接受临床追踪观察。参见 Lumbreras B, Donat L, Hernández-AguadoI., Incidental findings in imaging diagnostic tests: a systematic review, Br.J. Radiol., 2010;83(988):276-89，该文献通过引用并入本文。
急诊科中预订的计算机断层扫描（CT）肺血管造影的另一篇评论指出，在9.9％的研究中发现了肺结节。参见Blagev DP, Lloyd JF, Conner K等人, Follow-up onincidental pulmonary nodules and the radiology report, J. Am. Coll. Radiol.,2014;11:378-83，该文献通过引用并入本文。然而，针对这些结节的追踪观察非常差，根据弗莱施纳（Fleischner）学会指南，不到三分之一的那些患者得到适当的肺结节追踪观察成像。
在全国调查中，39-73％的放射科医师在追踪观察推荐方面与指南不一致。参见Eisenberg RL, Bankier AA, Boiselle PM, Compliance with Fleischner Societyguidelines for management of small lung nodules: a survey of 834radiologists, Radiology 2010;255:218-24; 以及Esmaili A, Munden RF, MohammedTL, Small pulmonary nodule management: a survey of the members of the Societyof Thoracic Radiology with comparison to the Fleischner Society guidelines,J. Thorac. Imaging 2011;26:27-31，这两篇文献通过引用并入本文。这突出了系统传送符合相关指南的推荐的能力的重要性。
发明内容
本文描述了用于促进临床发现的主动追踪观察的框架。根据一个方面，从来自电子医疗记录的一个或多个文档提取需要追踪观察的一个或多个临床发现。确定与所述一个或多个临床发现相关的一个或多个追踪观察活动。可以为所述一个或多个追踪观察活动生成优先级。然后可以在用户界面中呈现所述一个或多个临床发现、追踪观察活动和优先级。可以向接收者发送通知以发起一个或多个追踪观察活动中的至少一个。
附图说明
当结合附图考虑时，通过参考以下详细描述，将容易获得对本公开及其许多附带方面的更完整的理解，因为他们变得更好理解。
图1示出了图示示例性系统的框图；
图2示出了由计算机系统执行的示例性方法；
图3示出了用于临床知识提取的示例性决策树；
图4示出了作为实施护理提供者的用户的示例性工作流程；
图5示出了将追踪观察活动的所有权自动分配给负责的护理提供者的示例性方法；和
图6示出了作为追踪观察活动的所有者的用户的示例性工作流程。
具体实施方式
在以下描述中，阐述了许多特定细节，诸如特定部件、设备、方法等的示例，以便提供对本框架的实现方式的透彻理解。然而，对于本领域技术人员将显而易见的是，不必采用这些特定细节来实践本框架的实现方式。在其他情况下，没有详细描述公知的材料或方法，以避免不必要地模糊本框架的实现方式。虽然本框架易于实现各种修改和替代形式，但是其特定实施例在附图中作为示例被示出并且将在本文中详细描述。然而，应该理解，并不意图将本发明限制于所公开的特定形式，而是相反，意图是涵盖落入本发明的精神和范围内的所有修改、等同物和替代物。此外，为了便于理解，某些方法步骤被描绘为单独的步骤；然而，这些单独描绘的步骤不应被解释为必然依赖于次序执行。
除非另外如从以下讨论中显而易见的那样叙述，否则将理解的是，诸如“分段”、“生成”、“注册”、“确定”、“对齐”、“定位”、“处理”、“计算、“选择”、“估计”、“检测”、“跟踪”之类的术语可以指代计算机系统或类似电子计算设备的动作和过程，该计算机系统或类似电子计算设备把计算机系统的寄存器和存储器中的表示为物理（例如电子）量的数据操纵和变换成类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理量的其他数据。可以使用计算机软件来实现本文描述的方法的实施例。如果用符合公认标准的编程语言编写，则被设计用于实现这些方法的指令序列可以被编译以便在各种硬件平台上执行并且用于针对各种操作系统的接口。另外，没有参考任何特定编程语言描述本框架的实现方式。将理解，可以使用各种编程语言。
虽然用于识别和管理关键测试结果的系统已经被很好地建立，但是目前不存在自动化系统基础设施来跟踪和识别需要在6-12个月内进行追踪观察的非关键测试结果以及意外发现，因为这些追踪观察事件经常不会发生。尽管可能有几个原因导致缺乏追踪观察，但可能一种解释是，发现和建议的追踪观察活动通常在非结构化临床报告中发现。非结构化数据没有图表或其他形式的数据模型，因此难以识别与追踪观察推荐相关的可操作信息。但是，这种数据为实现有效的追踪观察提供了巨大的价值。因此，解锁这种数据以便以电子方式识别非结构化数据中的发现和推荐的能力可以降低这些报告中推荐的追踪观察活动不被医师忽视的可能性。
用于传送诊断成像结果的当前护理标准由美国放射学会（ACR）传送诊断成像发现的实践参数2014提供。根据该护理标准，做出解释的医师应该以如下方式加快诊断报告的递送：合理地确保及时接收所述发现，其中通常将通信发送给预订医师或他/她的指定人员。该方法聚焦于诊断报告的递送，而不是旨在确保发生追踪观察事件的工作流程。此外，这种方法本质上存在缺陷，因为诊断报告被传送给通常不直接参与患者的长期护理的护理提供者，或者可能专门从事与需要追踪观察的发现无关的临床领域的护理提供者，而直接参与（并且因此最有可能预订追踪观察检查）的那些提供者不被包括在此工作流程中。因此，提供者之间必须存在“传递”，这可能是不一致的，或者甚至是不存在的。此外，由于放射学报告本身的性质，聚焦于放射学报告的通信是无效的。大多数报告未被结构化，因此需要接收医师花时间识别感兴趣的发现和推荐的追踪观察，这些感兴趣的发现和推荐的追踪观察通常作为自由文本被埋在报告正文中。在发现与检查目的无关的情况下，这尤其成问题。
电子医疗记录（EMR）可以用于提醒提供者推荐追踪观察活动，但是由于“提醒疲劳”（即，当医疗护理提供者接收到针对他们的患者的比他们能够合理地做出反应的更多的提醒时），这可能无效。大量的医师已经报告存在由于提醒疲劳而个人遗漏的结果，这些结果导致护理延迟。此外，由医师自己决定如何以及是否将EMR用于活动提示。工作流程的这种可变性经常导致无法跟踪和管理群体水平的追踪观察，并且在一些情况下，在尝试与其他临床医师协调护理时会导致追踪观察动作被忽视。此外，许多健康系统具有多种不同的EMR解决方案，这些EMR解决方案限制了EMR成为改善患者追踪观察依从性的可行解决方案的能力。
其他最常用的解决方案手动跟踪追踪观察事件（例如，使用微软的Excel电子表格）。还有由机构内部独立或与EMR供应商合作开发的相对原始的解决方案，该解决方案缺乏高效管理患者所需的规则引擎和自动化工作流程能力。
本文呈现了用于促进临床发现的主动追踪观察的框架。根据一个方面，该框架自动识别需要追踪观察活动的临床发现，甚至是那些埋在非结构化报告的文本中的临床发现。这帮助确保不会因为难以在文档文本中识别而遗漏临床发现。当前的解决方案聚焦于按原样传送诊断报告，而不是突出显示最相关的细节。本框架消除了目前尚未解决的潜在的医疗错误的来源。
框架的另一方面从文档（例如，诊断报告）自动提取针对追踪观察活动的推荐，并且如果不存在这种推荐，则框架可以基于用户配置的偏好来生成推荐。除非负责的提供者特别寻求，否则当前的解决方案通常不提供追踪观察推荐。本框架所促进的工作流程有利地消除了护理提供者之间的传递，从而消除了另一个潜在的错误来源。可以将每个追踪观察活动分配给最相关的临床护理提供者。可以把追踪观察活动按优先级排序，从而提高护理协调的效率。可以配置优先级准则。各示例包括但不限于使用预测建模来基于患者将未能追踪观察的风险或可能性来对追踪观察活动按优先级排序。
本框架的又一方面生成用户界面，该用户界面使临床用户的工作流程自动化。用户界面使临床用户能够配置各种规则，诸如被分配负责追踪观察的护理提供者（即，追踪观察活动的所有者）、被通知追踪观察活动已被识别的护理提供者、针对推荐的追踪观察活动的订单是否被放置在EMR中，在追踪观察活动到期时查看通知（或提示）等。在一些实现方式中，用户界面使用户能够修改一个或多个追踪观察活动以满足他们的偏好。用户还可以经由例如与该患者相关的活动注释向其他用户传送信息。用户还可以经由用户界面指示追踪观察活动的完成。替代地，该框架可以通过例如来自用于预订、调度、执行医疗检查或其组合的电子系统的数据馈送来自动检测追踪观察活动的完成。
用户界面用于提高管理患者的效率并减少由于不一致的通信而导致的医疗错误。此外，本框架可主动监视医疗记录数据库（例如，EMR）以确定是否已发生追踪观察活动或事件，如果这些追踪观察活动未按照推荐发生则发送通知和/或发起主动活动。在以下描述中将更详细地描述这些和其他示例性优点和特征。
图1是图示示例性系统100的框图。系统100包括用于实现如本文所述的框架的计算机系统101。在一些实现方式中，计算机系统101作为独立设备操作。在其他实现方式中，计算机系统101可以连接（例如，使用网络）到其他机器，例如文档源130和工作站134。在联网部署中，计算机系统101可以作为服务器（例如，在服务器-客户端用户网络环境中）、服务器-客户端用户网络环境中的客户端用户机器或者作为对等（或分布式）网络环境中的对等机器进行操作。
在一个实现方式中，计算机系统101包括的处理器设备或中央处理单元（CPU）104，处理器设备或中央处理单元（CPU）104经由输入-输出接口121耦合到一个或多个非暂时性计算机可读介质106（例如，计算机存储装置或存储器设备）、显示设备108（例如监视器）和各种输入设备109（例如，鼠标、触摸板或键盘）。计算机系统101还可以包括支持电路，例如高速缓存、电源、时钟电路和通信总线。各种其他外围设备，诸如附加数据存储设备和打印设备，也可以连接到计算机系统101。
本技术可以以如下各种形式实现：硬件、软件、固件、专用处理器或其组合、作为经由操作系统执行的微指令代码的一部分或者作为经由操作系统执行的应用程序或软件产品的一部分、或者其组合。在一些实现方式中，本文描述的技术被实现为有形地体现在一个或多个非暂时性计算机可读介质106中的计算机可读程序代码。具体地，本技术可以由数据分析模块117和追踪观察模块118实现。非暂时性计算机可读介质106可以包括随机存取存储器（RAM）、只读存储器（ROM）、磁性软盘、闪存和其他类型的存储器、或其组合。计算机可读程序代码由CPU104执行以处理由例如文档源130提供的数据。因此，计算机系统101是通用计算机系统，其在执行计算机可读程序代码时变为专用计算机系统。计算机可读程序代码不旨在被限制于任何特定编程语言及其实现方式。将理解的是，可以使用各种编程语言及其编码来实现本文包含的公开的教导。
相同或不同的计算机可读介质106可用于存储图像数据集、知识库、个体患者数据、医疗记录数据库、患者的诊断报告或文档等。这样的数据也可以存储在外部文档源130中。文档源130可以使用数据库管理系统（DBMS）来实现并且驻留在诸如硬盘、RAM或可移动介质之类的存储器上。文档源130可以在一个或多个附加计算机系统（例如，云存储装置）上实现。例如，文档源130可以包括驻留在单独的计算机系统上的数据仓库系统、图片存档和通信系统（PACS）、电子医疗记录（EMR）系统、放射学信息系统（RIS）、实验室信息系统（LIS）、或任何其他现在已知或以后开发的医院、医疗机构、医疗办公室、测试设施、药房或其他医疗患者记录存储系统。
工作站134可以包括计算机和适当的外围设备，诸如键盘和显示设备，并且可以与整个系统100一起操作。例如，工作站134可以与文档源130通信，以便可以在工作站134处呈现或显示从文档源130取回的文档或者报告。工作站134可以直接与计算机系统101通信以显示经处理的数据和/或输出结果。工作站134可以包括图形用户界面，用于经由输入设备（例如，键盘、鼠标、触摸屏语音或视频识别接口等）接收用户输入，以便操纵数据的可视化和/或处理。
应进一步理解的是，因为附图中描绘的一些组成系统部件和方法步骤可以用软件实现，所以系统部件（或过程步骤）之间的实际连接可能取决于本框架被编程的方式而不同。给定本文提供的教导，相关领域的普通技术人员将能够设想本框架的这些和类似的实现方式或配置。
图2示出了由计算机系统执行的示例性方法200。应当理解，方法200的步骤可以按照所示次序或不同次序执行。还可以提供附加的、不同的或更少的步骤。此外，方法200可以用图1的系统100、不同的系统或其组合实现。
在202处，数据分析模块117从文档源130接收并读取一个或多个输入文档。输入文档可以以一种或多种格式（诸如纯文本或自由文本、关系数据库文件格式、JavaScript对象表示法（JSON）、可扩展标记语言（XML）等）提供。自由文本文档包含未以预定义方式组织的非结构化数据（例如，文本、图形、图像）。这些文档可以包含诊断报告（例如，放射学报告、病理报告、结肠镜检查报告、实验室报告）、临床记录（例如出院总结、进展记录、入院记录、手术记录、初级护理记录等）、电子患者数据、医院记录和/或其他类型的医疗数据。
在204处，数据分析模块117从一个或多个输入文档提取需要追踪观察的一个或多个临床发现。需要追踪观察的临床发现可包括例如偶然发现、诊断测试的异常结果和/或需要管理的常规临床追踪观察活动的特定医疗状况或疾病（例如，慢性糖尿病、慢性心力衰竭）。
可以通过使用自然语言处理（NLP）技术、计算机辅助检测（CAD）、离散结构化数据捕获或上述各项的组合来从所述一个或多个输入文档提取临床发现。可以通过进一步提取和分析来自电子记录的患者因素来验证提取的临床发现，这些因素可以增强临床理解或提供相关的临床情境。例如，为了验证在放射学报告中识别的可能偶然发现的存在，分析电子患者记录以确定是否存在与该发现相关的任何先前诊断、与该发现相关的现有医疗状况等。与临床发现的分类相关的其他患者因素（例如，共病）也可以从电子患者数据以及可以隐含地推断（或捕获）而不是在患者记录中明确指示的离散结构化数据提取。
在一些实现方式中，数据分析模块117包括用于管理工作流程的执行的集合处理管理器（CPM）。CPM可以是包含三个部分的XML文件：用于读取输入文件的集合读取器、对输入文件执行各种自然语言处理（NLP）任务的分析引擎以及将结果写入文件中的消费者单元。分析引擎可以包括执行各种独立NLP任务的各种模块，各种独立NLP任务诸如是句子检测、词汇特征生成（例如，标记化、词性或POS标记、分块）、行句（line sentence）检测、词汇变体生成、区段分割、信息提取、情境检测、归一化等。此外，可以针对个体情况定制数据分析模块117。数据分析模块117可以包括一组正则表达规则和字典术语，用于与要从输入文档提取的期望概念和元信息进行匹配。数据分析模块117还可以在历史文件的回顾性分析中以及在这些文件的实时监视期间应用这些NLP任务。
在206处，数据分析模块117确定与一个或多个提取的临床发现相关的一个或多个追踪观察活动。追踪观察活动可包括例如身体检查、放射学成像、验血、医疗测试、回访或在住院、治疗或诊断后要采取的任何其他动作。可以从输入文档提取针对追踪观察活动的推荐。这些推荐可以由例如预订检查的护理提供者、护理协调者或专科医师提供。如果文档中没有提供特定的追踪观察推荐，则在相关信息可以从可用于基于定量和定性属性的识别的提取（包括结构化或离散数据字段的提取）的信息提取和/或得出的意义上，数据分析模块117可以根据针对该特定临床发现的相关指南生成推荐。可以基于用户定义的规则经由用户界面配置指南。如果提供和提取追踪观察活动的推荐，则在可以从文档提取相关信息的意义上，数据分析模块117可以确定在患者记录中提供的推荐是否与指南一致。
图3示出了用于临床知识提取的示例性决策树300。可以从例如非结构化医疗记录提取临床知识。可基于已建立的指南生成追踪观察推荐。为了生成追踪观察推荐，可以从文档提取附加属性，以便可以应用临床含义。使用偶然肺结节（PN）的临床情况作为示例，该框架提取所识别的信息。可以类似地支持其他类型的复杂决策树和用于各种临床状况的相关指南。
在302处，数据分析模块117对文档执行排除准则。排除准则可以通过应用相关临床指南来确定。附加或替代地，排除准则还可以基于优先级逻辑，如稍后将解释的，由此可以排除与极低优先级（即，低于预定阈值优先级）患者相关联的文档。例如，数据分析模块117可以排除与大于预定年龄（例如35）、处于临终关怀护理中、具有肺癌病史或服用姑息药物的患者相关联的文档（例如，医疗记录）。
在304处，数据分析模块117识别与具有偶然PN发现的患者相关联的文档。可以利用多个数据源来确定PN发现是否偶然的，或者它是否利用已发生的相关联的追踪观察动作先前被诊断过。这样的数据源可以包括但不限于保险索赔数据库、从与先前的PN诊断相关的EMR提取的信息、从放射学报告的元数据获得的隐藏信息、从临床记录提取的叙述和结构化信息（例如，作为放射学报告、患者自我报告的数据）。
在306处，基于所识别的文档中包含的信息，数据分析模块117检查肺结节的类型。如果结节是固体类型，则数据分析模块117进行到308以检查肺结节的尺寸。尺寸可以是<6mm（<100mm3）、6-8mm（100-250mm3）或>8mm（>250mm3）。
在310处，数据分析模块117检查患者的风险等级（例如，低或高）。在322处，数据分析模块117识别高风险患者。如果满足以下任何条件，患者可被分类为“高风险等级”：（1）年龄>=65；（2）吸烟者或前吸烟者；（3）暴露于石棉、铀、氡；（4）肺气肿或慢性阻塞性肺病（COPD）；（5）肺纤维化；（6）针状结节轮廓；或（7）位于上叶的结节。在312处，数据分析模块117检查结节计数（例如，单个或多个）。
如果结节是半固体类型，则数据分析模块117进行到310以检查肺结节的尺寸。如果尺寸<6mm（<100mm3），则数据分析模块117进行到316以检查结节计数（例如，单个或多个）。如果尺寸>=6mm（>=100mm3），则数据分析模块117进行到318以检查结节计数。如果结节计数是“单个”，则数据分析模块117进行到320以检查结节类型（例如，磨砂玻璃或部分固体）。如果结节计数是“多个”，则数据分析模块117进行到314以执行护理过程分类。
在314处，数据分析模块117执行护理过程分类和满意因子（satisfier）检查。例如，数据分析模块117可以检查最后的放射学成像（例如，CT，MR）日期、肺结节移除日期后的状态、肺活检日期后的状态、PET/PET-CT等。数据分析模块117可以基于护理过程分类和满意因子检查提供针对追踪观察活动的推荐，并进行监视，以确定是否已执行推荐的追踪观察活动（在回顾性分析的情况下），或推荐的追踪观察活动是否在未来发生。例如，如果最近没有执行放射学成像，则可以生成用于执行放射学成像的推荐。
返回图2，在208处，数据分析模块117为一个或多个追踪观察活动生成一个或多个优先级。可以基于用户可配置逻辑生成优先级。例如，可以基于不发生追踪观察活动的可能性来生成优先级，所述可能性可以通过预测建模技术或任何其他用户定义的准则来确定。可用于确定优先级的其他因素包括缺乏初级护理医师、发现的临床情境（例如，急诊部门与常规体检）、患者对交通的访问、心理健康状况等。优先级提供用于归类和/或分诊的附加选项，这在用户被呈现有大量需要追踪观察活动的患者时尤其有用。这种能力确保可以通过适当的资源管理高效协调患者护理。
在210处，追踪观察模块118呈现一个或多个提取的临床发现、追踪观察活动和相关联的优先级。在一些实施方式中，经由例如在工作站134处显示的用户界面以图形表示（例如，表格，图表）呈现此类信息。可以基于各种准则（诸如临床发现的类型、患者姓名、优先级，初级护理医师（或另外负责患者护理的医师）、预订检查的医师和/或各种其他因素）对追踪观察活动进行归类。可以基于用户的角色来定制不同的图形表示。例如，可以向初级护理医师呈现限于他/她自己的需要追踪观察的患者的图形表示，而可以向护理协调者呈现示出需要追踪观察的所有患者的图形表示。追踪观察模块118可以进一步基于推荐的追踪观察活动的截止日期对推荐的追踪观察活动进行归类。截止日期可以自动或手动分配。
图4示出了作为实施护理提供者的用户的示例性工作流程400。该实施护理提供者可以是执行患者检查、创建诊断报告等的人。可以通过由追踪观察模块118生成并在工作站134处显示的用户界面来促进工作流程400。在402，用户登录进用户界面。在404，显示一个或多个仪表板。仪表板可以以例如图形表示（例如，表格、线图、条形图）来呈现追踪观察相关信息的概述。该信息可包括但不限于已被识别为需要追踪观察活动或事件的患者的数量、已发生的追踪观察的百分比、追踪观察模块118已识别为需要追踪观察的临床发现的概述、用户定义的时间段内的趋势、临床指南依从率等。
在406，用户可以经由用户界面打开由追踪观察模块118生成的追踪观察工作列表。追踪观察工作列表识别与患者的临床发现相关联的每个追踪观察活动的状态，用户基于可配置的许可能够查看该状态。在408处，针对给定的临床发现的追踪观察活动的状态是“未定义”。当追踪观察模块118不能确定针对与临床发现相关联的追踪观察活动的推荐时，会发生这种情况。在410处，用户能够审阅临床发现和由追踪观察模块118提取的与临床发现相关联的其他信息。在414处，如果提取不正确，则用户可以移除所述临床发现。在416处，用户可以手动添加针对追踪观察活动的推荐。在412处，用户可以确认针对追踪观察活动的推荐。
在418处，针对给定的临床发现的追踪观察活动的状态是“需要审阅”。在420处，用户能够审阅该临床发现、追踪观察活动以及由追踪观察模块118提取的与该临床发现相关联的其他信息。在422处，用户可以确认针对追踪观察活动的推荐。在426处，用户可以修订针对追踪观察活动的推荐。
在428处，针对给定临床发现的追踪观察活动的状态是“已发送”。这意味着用于发起追踪观察活动的通知被路由到负责的护理提供者（即，随后的用户）以审阅追踪观察活动的状态（在412或422处）。在430处，初始用户能够查看追踪观察活动和与追踪观察活动相关联的其他信息。在424处，用户或追踪观察模块118可以指示追踪观察活动已经完成或者另外需要“移除”。替代地，追踪观察模块118可以通过例如来自电子系统的数据馈送来自动检测追踪观察活动的完成，所述电子系统用于预订、调度、执行医疗检查或其组合。当移除追踪观察活动时，追踪观察活动的状态在432处被设置为“已移除”。在此时，不再需要跟踪追踪观察活动，并且该追踪观察活动可用作历史记录。
返回图2，在212处，追踪观察模块118向接收者发送用于发起一个或多个追踪观察活动的第一通知（或提示）。接收者可以是初级护理医师（或另外负责患者护理的医师）、预订检查的医师、护理协调者、专科医师等。基于可配置的许可，用户可能能够分配追踪观察活动的所有权并在预定时间（例如，每天、每周、每月、在截止日期之前）向追踪观察所有者和/或任何数量的可配置的接收者发送通知（或提示）。在追踪观察需要医师订单（例如，验血、处方药、放射学成像）的程度上，追踪观察通知可以使用户能够发起针对推荐的追踪观察活动的订单的自动生成。追踪观察通知还可以包括另外的信息，诸如推荐和支持指南。可以经由电子邮件（e-mail）、文本消息传递、电话、社交媒体消息传递或任何其他通信信道发送追踪观察通知。
图5示出了将追踪观察活动的所有权自动分配给负责的护理提供者的示例性方法500。可以将每个追踪观察活动的所有权分配给最相关的临床护理提供者（例如，初级护理医师、预订检查的医师、专科医师）。图示了追踪观察模块118如何自动路由追踪观察活动的默认状态以及配置分配规则的能力。追踪观察模块118可以首先确定预订检查者的医师是初级护理提供者（PCP）502、专科医师504还是急诊科（ED）护理团队的成员506。在508处，追踪观察模块118确定患者是否具有分配的PCP。如果否，则在514处追踪观察活动变为未分配。如果是，则追踪观察模块118进行到510以确定PCP是否是该系统中的用户。如果否，则在514处追踪观察活动变为未分配。如果是，则在512处将追踪观察活动分配给PCP。可以在单独的列表中手动审阅未分配的追踪观察活动，以便确定适当的分配。
图6示出了针对用户的示例性工作流程600，该用户是追踪观察活动的所有者或者另外负责确保按照推荐那样发生追踪观察。追踪观察所有者可以是例如预订检查的护理提供者、初级护理医师、患者被转诊给的专科医师、护理协调者等。工作流程600可以通过用户界面来促进，用户界面由追踪观察模块118生成并显示在工作站134处。
在602处，追踪观察所有者登录进用户界面。在604处，向用户显示一个或多个仪表板。该仪表板可以呈现与追踪观察活动相关的信息的概述，所述信息诸如是已被识别为需要追踪观察活动的患者数量、已发生的追踪观察活动的百分比、追踪观察模块118已经识别为需要追踪观察的临床发现的概述、用户定义的时间段内的趋势等。
在606处，用户能够打开工作列表。工作列表可以仅针对用户护理的患者识别追踪观察活动。用户可以审阅工作列表中显示的患者的任何新的或现有的追踪观察活动以及追踪观察活动的状态。在608处，追踪观察活动的状态是“未定义”（即，追踪观察模块118不能确定针对追踪观察的任何推荐）。在610处，追踪观察活动的状态是“需要审阅”。在612处，追踪观察活动的状态是“已发送”（即，通知被路由到追踪观察所有者）。在606处，用户可以审阅与追踪观察活动相关联的信息。在618处，用户或追踪观察模块118可以指示追踪观察活动已经完成或者另外需要被移除。在此时，不再需要跟踪追踪观察活动，并且追踪观察活动可用作历史记录（具有在614处的状态“已移除”）。在620处，用户可以将追踪观察活动的所有权分配给不同的护理提供者。在622处，用户可以修订追踪观察活动。
返回图2，在214处，追踪观察模块118监视医疗记录数据库以确定是否已经发生了一个或多个追踪观察活动。医疗记录数据库可以存储在文档源130、非暂时性计算机可读介质106或另一个其他内部或外部数据源中。医疗记录数据库可以是例如电子医疗记录（EMR）数据库、用于预订、调度或执行医疗检查的电子系统或其组合。追踪观察模块118可以监视医疗记录数据库以确定例如是否已经放置了针对追踪观察活动的订单（例如，检查、验血、成像、处方药的医师订单），并且如果可能的话，确定是否追踪观察活动本身已经被调度、执行、结束、或以其他方式发生。
在216处，追踪观察模块118响应于一个或多个追踪观察活动的发生而发送第二通知。可以经由电子邮件（e-mail）、文本消息传递、电话、社交媒体消息传递或任何其他通信信道发送第二通知。追踪观察模块118可以进一步将追踪观察活动的状态更新为例如“已移除”，以便从关联的工作列表移除追踪观察活动并停止发送任何另外的通知或提示。级联逻辑可以配置为支持特定的工作流程选项。例如，如果在截止日期之前未移除或结束追踪观察活动，则可以将追踪观察活动从初始所有者升级到次要所有者。然后可以将一个或多个通知发送给次要所有者以发起追踪观察活动。
尽管已经参考示例性实施例详细描述了本框架，但是本领域技术人员将理解，在不脱离所附权利要求中阐述的本发明的精神和范围的情况下，可以对其进行各种修改和替换。例如，在本公开和所附权利要求的范围内，不同示例性实施例的元件和/或特征可彼此组合和/或彼此替换。

Claims (20)

1.一种临床追踪观察系统，包括：
非暂时性存储器设备，用于存储计算机可读程序代码；和
处理器设备，与所述存储器设备通信，所述处理器与计算机可读程序代码一起操作以执行包括以下各项的步骤：
从一个或多个文档提取需要追踪观察的一个或多个临床发现，
确定与所述一个或多个临床发现相关的一个或多个追踪观察活动，
为所述一个或多个追踪观察活动生成一个或多个优先级，
生成用户界面，所述用户界面呈现所述一个或多个临床发现、所述一个或多个追踪观察活动和所述一个或多个优先级，以及
向接收者发送通知以发起所述一个或多个追踪观察活动中的至少一个。
2.如权利要求1所述的系统，其中所述处理器与所述计算机可读程序代码一起操作以使用结构化数据捕获、自然语言处理（NLP）技术或其组合从所述一个或多个文档提取需要追踪观察的所述一个或多个临床发现。
3.如权利要求1所述的系统，其中所述处理器与所述计算机可读程序代码一起操作以通过分析提供相关临床情境的所述一个或多个文档中的患者因素来进一步验证所述一个或多个提取的临床发现。
4.一种计算机实现的方法，包括：
从一个或多个文档提取需要追踪观察的一个或多个临床发现；
确定与所述一个或多个临床发现相关的一个或多个追踪观察活动；
向接收者发送第一通知以发起所述一个或多个追踪观察活动中的至少一个；
监视医疗记录数据库以确定所述一个或多个追踪观察活动中的所述至少一个是否已经发生；和
响应于所述一个或多个追踪观察活动中的所述至少一个的发生，发送第二通知。
5.如权利要求4所述的方法，其中从一个或多个文档提取需要追踪观察的一个或多个临床发现包括：从一个或多个非结构化医疗记录提取需要追踪观察的所述一个或多个临床发现。
6.如权利要求4所述的方法，其中从一个或多个文档提取需要追踪观察的一个或多个临床发现包括：使用结构化数据捕获、自然语言处理（NLP）技术或其组合。
7.如权利要求4所述的方法，其中从一个或多个文档提取需要追踪观察的一个或多个临床发现包括：提取偶然发现、诊断测试的异常结果、需要管理的常规临床追踪观察活动的医疗状况或其组合。
8.如权利要求4所述的方法，其中确定与所述一个或多个临床发现相关的所述一个或多个追踪观察活动包括：从所述一个或多个文档提取针对所述一个或多个追踪观察活动的推荐。
9.如权利要求4所述的方法，其中确定与所述一个或多个临床发现相关的所述一个或多个追踪观察活动包括：根据针对所述一个或多个临床发现的相关指南生成针对所述一个或多个追踪观察活动的推荐。
10.如权利要求4所述的方法，还包括：为所述一个或多个追踪观察活动生成一个或多个优先级。
11.如权利要求10所述的方法，其中为所述一个或多个追踪观察活动生成一个或多个优先级包括：基于不发生所述一个或多个追踪观察活动的可能性生成所述一个或多个优先级。
12.如权利要求4所述的方法，还包括：以在用户界面处显示的图形表示来呈现所述一个或多个临床发现和所述一个或多个追踪观察活动。
13.如权利要求12所述的方法，还包括：使用户能够经由用户界面审阅、确认、移除或修改所述一个或多个临床发现或追踪观察活动。
14.如权利要求12所述的方法，还包括：使用户能够经由用户界面分配所述一个或多个追踪观察活动的所有权。
15.根据权利要求12所述的方法，其中，所述图形表示包括工作列表，所述工作列表识别仅针对用户护理的患者的追踪观察活动。
16.如权利要求15所述的方法，还包括：根据优先级对由工作列表识别的追踪观察活动进行归类。
17.如权利要求4所述的方法，还包括：将所述一个或多个追踪观察活动的所有权自动分配给一个或多个负责的护理提供者。
18.如权利要求4所述的方法，其中向所述接收者发送所述第一通知以发起所述一个或多个追踪观察活动中的所述至少一个包括：发送所述第一通知，所述第一通知使所述接收者能够发起针对所述一个或多个追踪观察活动中的所述至少一个的订单的自动生成。
19.根据权利要求4所述的方法，其中监视所述医疗记录数据库以确定所述一个或多个追踪观察活动中的所述至少一个是否已经发生包括：监视所述医疗记录数据库以确定所述追踪观察活动的订单是否已被放置。
20.一个或多个非暂时性计算机可读介质，其体现指令程序，所述指令程序可由机器执行以执行包括以下各项的步骤：
从一个或多个文档提取需要追踪观察的一个或多个临床发现；
确定与所述一个或多个临床发现相关的一个或多个追踪观察活动；
向接收者发送第一通知以发起所述一个或多个追踪观察活动中的至少一个；
监视医疗记录数据库以确定所述一个或多个追踪观察活动中的所述至少一个是否已经发生；和
响应于所述一个或多个追踪观察活动中的所述至少一个的发生，发送第二通知。
CN201910155034.0A 2018-03-01 2019-03-01 临床发现的主动追踪观察 Pending CN110223739A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/909,336 US20190272919A1 (en) 2018-03-01 2018-03-01 Proactive follow-up of clinical findings
US15/909336 2018-03-01

Publications (1)

Publication Number Publication Date
CN110223739A true CN110223739A (zh) 2019-09-10

Family

ID=65628603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910155034.0A Pending CN110223739A (zh) 2018-03-01 2019-03-01 临床发现的主动追踪观察

Country Status (3)

Country Link
US (1) US20190272919A1 (zh)
EP (1) EP3534369A1 (zh)
CN (1) CN110223739A (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190279747A1 (en) * 2018-03-07 2019-09-12 Hvr Mso Llc Systems and methods to avoid untracked follow-up recommendations for patient treatment
US20210327596A1 (en) * 2018-08-28 2021-10-21 Koninklijke Philips N.V. Selecting a treatment for a patient
EP3624128A1 (en) * 2018-09-17 2020-03-18 Koninklijke Philips N.V. An apparatus and method for detecting an incidental finding
US11875883B1 (en) 2018-12-21 2024-01-16 Cerner Innovation, Inc. De-duplication and contextually-intelligent recommendations based on natural language understanding of conversational sources
US11798560B1 (en) 2018-12-21 2023-10-24 Cerner Innovation, Inc. Rapid event and trauma documentation using voice capture
US11869509B1 (en) 2018-12-21 2024-01-09 Cerner Innovation, Inc. Document generation from conversational sources
CN114330264A (zh) * 2020-09-30 2022-04-12 京东方科技集团股份有限公司 应用于健康管理系统的随访表单管理方法、健康管理系统
CN111210883B (zh) * 2019-12-24 2024-03-22 深圳市联影医疗数据服务有限公司 生成脑肿瘤患者随访数据的方法、系统、装置及存储介质
WO2022101109A1 (en) * 2020-11-10 2022-05-19 Koninklijke Philips N.V. System and method to detect and mitigate commonly missed radiology findings in an emergency department
CN115907265A (zh) * 2023-02-24 2023-04-04 北京嘉和美康信息技术有限公司 随访路径的关联方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102693351A (zh) * 2010-12-30 2012-09-26 通用电气公司 用于临床决策支持的系统和方法
CN103353959A (zh) * 2013-06-29 2013-10-16 上海交通大学医学院附属新华医院 一种用于急诊预检分诊的移动终端、系统及方法
WO2017077501A1 (en) * 2015-11-05 2017-05-11 Koninklijke Philips N.V. Longitudinal health patient profile for incidental findings

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112018069032A2 (pt) * 2016-04-08 2019-01-29 Optum Inc métodos, aparelhos e sistemas para detecção de gradiente de indicadores incidentais significativos de doença

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102693351A (zh) * 2010-12-30 2012-09-26 通用电气公司 用于临床决策支持的系统和方法
CN103353959A (zh) * 2013-06-29 2013-10-16 上海交通大学医学院附属新华医院 一种用于急诊预检分诊的移动终端、系统及方法
WO2017077501A1 (en) * 2015-11-05 2017-05-11 Koninklijke Philips N.V. Longitudinal health patient profile for incidental findings

Also Published As

Publication number Publication date
EP3534369A1 (en) 2019-09-04
US20190272919A1 (en) 2019-09-05

Similar Documents

Publication Publication Date Title
CN110223739A (zh) 临床发现的主动追踪观察
US20200222020A1 (en) Imaging protocol manager pushing systems and methods
US8719046B2 (en) Systems and methods for interruption workflow management
US9953385B2 (en) System and method for measuring healthcare quality
US10438694B2 (en) Management of medical workflow
US7742931B2 (en) Order generation system and user interface suitable for the healthcare field
US20130304496A1 (en) System and method for optimizing clinical flow and operational efficiencies in a network environment
JP6958186B2 (ja) 医療機関の患者によって使用されているヘルスケア資源を特定するコンピュータ装置及び方法
JP2013109762A (ja) 実時間状況対応ｋｐｉに基づく自律警報エージェント
Schreiweis et al. Comparison of electronic health record system functionalities to support the patient recruitment process in clinical trials
CN101107607A (zh) 程序性医学工作流管理
JP2015046174A (ja) 閉ループワークフロー
US20110029322A1 (en) Health care system
Mehdipour et al. Hospital information system (his): At a glance
TW201513033A (zh) 用以最佳化網路環境中臨床流程及運行效率之系統及方法
JP6992370B2 (ja) 潜在的な診断を所与として患者により利用される医療資源を特定するためのコンピュータ装置及び方法
Forsberg et al. State of integration between PACS and other IT systems: a national survey of academic radiology departments
JP6579849B2 (ja) 読影レポート作成支援システム、読影レポート作成支援方法、及び読影レポート作成支援プログラム
Mestres State of the art of health care: The cubism period
US20200342984A1 (en) Tracking and quality assurance of pathology, radiology and other medical or surgical procedures
Caforio et al. HINT project: A BPM teleconsultation and telemonitoring platform
Khodambashi Alignment of an intra-operating management process to a health information system: A Lean analysis approach
Teixeira et al. Modeling a web-based information system for managing clinical information in hemophilia care
Miñarro-Giménez et al. Ontology Model for Supporting Process Mining on Healthcare-Related Data
Liu et al. Explore Data Quality Challenges Based on Data Structure of Electronic Health Records

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination