CN110546715A - 使用临床知识来改善对下一代测序的使用 - Google Patents

使用临床知识来改善对下一代测序的使用 Download PDF

Info

Publication number
CN110546715A
CN110546715A CN201880027564.0A CN201880027564A CN110546715A CN 110546715 A CN110546715 A CN 110546715A CN 201880027564 A CN201880027564 A CN 201880027564A CN 110546715 A CN110546715 A CN 110546715A
Authority
CN
China
Prior art keywords
additional patients
risk
patient
patients
determining
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
CN201880027564.0A
Other languages
English (en)
Inventor
B·D·格罗斯
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN110546715A publication Critical patent/CN110546715A/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
    • G16H50/30—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
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • 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
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/63—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 operation of medical equipment or devices for local operation
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A61B5/015—By temperature mapping of body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Urology & Nephrology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Business, Economics & Management (AREA)
  • Medicinal Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Genetics & Genomics (AREA)
  • Analytical Chemistry (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Organic Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本文公开了一种确保在复杂的治疗决策中最佳地使用下一代测序(NGS)的方法(100)。这种方法可以包括：识别(105)符合条件进行下一代测序的受感染患者；确定(110)针对受感染患者的患者护理轨迹，其中，轨迹是根据对受感染患者与医疗资源的物理接触的数据库记录来确定的；对来自受感染患者的分离株进行测序(115)；在测序的同时，识别(120)有感染风险的额外患者，确定(125)受感染患者的患者护理轨迹与额外患者的患者护理轨迹的重叠，以及基于重叠以及针对额外患者的临床数据点来确定(130)对额外患者的感染风险；确定(135)对额外患者的更新的传播风险；以及使(140)计算设备绘制对一个或多个额外患者的更新的传播风险的输出。

Description

使用临床知识来改善对下一代测序的使用
技术领域
本文所述的各种实施例通常涉及医疗。更具体地，但非排他性地，本文公开的各种方法和装置涉及确保在复杂的治疗决策中最佳地使用下一代测序。
背景技术
基于下一代测序(以下简称为“NGS”)进行病原体识别所需的时间和准确性影响了利用NGS的临床效用。必须迅速做出复杂的治疗决策(例如，是否隔离患者或者更改对患者的抗生素治疗方案)，并且有可能需要做出权衡，并且这种权衡也可能对受感染患者相对于抗生素管理的总体目标有益。
医院感染或医院获得性感染会导致医疗费用增加和临床效果差。通过检查传染性生物体的基因组的快速进化区域的差异，NGS技术具有将未作为主要医疗问题的部分的传播的病原体与在医疗环境中传播的病原体区分开的能力。在理想情况下，将对每个可疑感染者进行测序；然而，这是不切实际的，因为一定比例的寄主将是无症状的，并且NGS的成本当前还过高。是否对病原体进行测序的决定会影响到感染控制监测活动的成本和敏感性。因此，鉴于其高成本和延迟性，在本领域中需要确保NGS被有效且高效地用于传染病的控制和监测。
发明内容
本申请公开了权利要求中记载的特征和/或以下特征中的一个或多个特征，这些特征可以以单独方式或任何组合方式包括可专利性主题。本文描述了用于确保在复杂的治疗决策中最佳地使用下一代测序的技术。在各种实施例中，当确定患者被感染时，可以例如基于患者的健康状况/剧烈程度和/或患者的医疗轨迹来确定是否需要NGS。并且如果启动了NGS，则可以执行本文所述的各种技术以确保尽可能有效且高效地使用从NGS获得的知识。
在一个方面中，一种使用一个或多个处理器实施的方法包括：识别符合条件进行下一代测序的受感染患者；基于医院数据库来确定针对所述受感染患者的患者护理轨迹，其中，所述患者护理轨迹是根据对所述受感染患者与医疗资源的物理接触的一个或多个数据库记录来确定的；对来自所述受感染患者的分离株进行测序；在所述测序的同时，识别有感染风险的一个或多个额外患者，其中，所述识别包括：基于所述医院数据库来确定所述受感染患者的所述患者护理轨迹与所述一个或多个额外患者的一个或多个额外患者护理轨迹的重叠，以及基于所述重叠以及针对所述一个或多个额外患者中的每个额外患者的多个临床数据点来确定对所述一个或多个额外患者的感染风险；基于来自经测序的分离株的序列数据以及对所述一个或多个额外患者的所述感染风险来确定对所述一个或多个额外患者的更新的传播风险；以及使一个或多个计算设备绘制输出，所述输出包括对所述一个或多个额外患者的所述更新的传播风险的用户可解读表示。
在一些实施例中，所述医疗资源包括病房、病床或手术室中的一个或多个。在其他实施例中，所述医疗资源包括与所述受感染患者接触的一个或多个护理人员。在其他实施例中，所述医疗资源包括由所述受感染患者或医务人员用于处置所述受感染患者的医疗仪器的一个或多个零件。
在一些实施例中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括由以下各项组成的组中的一个或多个：年龄、性别、免疫力虚弱、入院类型、当前的抗生素使用情况、终生的抗生素使用情况或病史。在其他实施例中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括一个或多个实时生理参数。在一些实施例中，所述一个或多个实时生理参数包括由以下各项组成的组中的一个或多个：血压、心率、血液氧合状况或温度。
在一些实施例中，确定对所述一个或多个额外患者的所述更新的传播风险包括评价所述分离株的毒力水平。在其他实施例中，确定对所述一个或多个额外患者的所述更新的传播风险包括评价所述分离株的抗生素耐药谱。
在一些实施例中，所述方法还包括显示针对所述一个或多个患者的一个或多个建议的处置方案修改的用户可解读表示。在其他实施例中，对所述一个或多个额外患者的所述更新的传播风险的所述用户可解读表示是热图。
在另一方面中，公开了一种使用临床知识来优化实时下一代测序的方法，其中，所述方法是使用一个或多个处理器来实施的。所述方法包括：识别符合条件进行下一代测序的受感染患者；基于医院数据库来确定针对所述受感染患者的患者护理轨迹，其中，所述患者护理轨迹是根据对所述受感染患者与医疗资源的物理接触的一个或多个数据库记录来确定的；对来自所述受感染患者的分离株进行测序；在所述测序的同时，识别有感染风险的一个或多个额外患者，所述识别包括：基于所述医院数据库来确定所述受感染患者的所述患者护理轨迹与所述一个或多个额外患者的一个或多个额外患者护理轨迹的重叠，以及基于所述重叠以及针对所述一个或多个额外患者中的每个额外患者的多个临床数据点来确定对所述一个或多个额外患者的感染风险；基于来自经测序的分离株的序列数据以及对所述一个或多个额外患者的所述感染风险来确定对所述一个或多个额外患者的更新的传播风险，其中，所述序列数据包括关于所述分离株的毒力水平和所述分离株的抗生素耐药谱的信息；以及使一个或多个计算设备绘制输出，所述输出包括对所述一个或多个额外患者的所述更新的传播风险和针对所述一个或多个患者的一个或多个建议的处置方案修改的用户可解读表示。
在另一方面中，公开了至少一种包括指令的非瞬态计算机可读介质，所述指令响应于由一个或多个处理器对所述指令的运行而令所述一个或多个处理器执行操作。所述操作包括：基于医院数据库来确定针对受感染患者的患者护理轨迹，其中，所述患者护理轨迹是根据对所述受感染患者与医疗资源的物理接触的一个或多个数据库记录来确定的；识别有感染风险的一个或多个额外患者，其中，所述识别包括：基于所述医院数据库来确定所述受感染患者的所述患者护理轨迹与所述一个或多个额外患者的一个或多个额外患者护理轨迹的重叠，以及基于所述重叠以及针对所述一个或多个额外患者中的每个额外患者的多个临床数据点来确定所述一个或多个额外患者的感染风险；基于来自经测序的分离株的序列数据以及对所述一个或多个额外患者的所述感染风险来确定对所述一个或多个额外患者的更新的传播风险；以及使一个或多个计算设备绘制输出，所述输出包括对所述一个或多个额外患者的所述更新的传播风险或针对所述一个或多个患者的一个或多个建议的处置方案修改的用户可解读表示。
在一些实施例中，所述医疗资源包括以下各项中一个或多个：病房、病床、手术室、与所述受感染患者接触的一个或多个护理人员，或由所述受感染患者使用的医疗仪器的一个或多个零件。
在一些实施例中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括由以下各项组成的组中的一个或多个：年龄、性别、免疫力虚弱、入院类型、当前的抗生素使用情况、终生的抗生素使用情况或病史。在其他实施例中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括选自由以下各项组成的组中的一个或多个实时生理参数：血压、心率、血液氧合状况或温度。
在一些实施例中，确定对所述一个或多个额外患者的所述传播风险包括评价所述分离株的毒力水平。在其他实施例中，确定对所述一个或多个额外患者的所述传播风险包括评价所述分离株的抗生素耐药谱。
在一些实施例中，对所述一个或多个额外患者的所述更新的传播风险的所述用户可解读表示是热图。
附图说明
在附图中，贯穿不同的视图，相似的附图标记通常指代相同的部分。而且，附图不一定是按比例绘制的，而是通常将重点通常放在说明本文所述实施例的各种原理上。
图1描绘了根据本文所述的各种实施例的使用临床知识来优化实时NGS的示例性方法。
图2图示了根据本文所述的各种实施例的用于实施测序仪和/或用于处理从测序仪接收的数据的设备的示例性硬件图200。
图3图示了根据本文所述的各种实施例的呈以视觉表示形式的示例性用户可解读表示。
图4图示了根据本文所述的各种实施例的呈以热图形式的示例性用户可解读表示。
具体实施方式
本文描述了使用临床知识来优化实时NGS的各种方法。图1图示了本文所述的示例性方法100的流程图。在一些实例中，这些方法可以从识别105符合条件进行下一代测序的受感染患者开始。通常，当临床用户(例如，医生)嘱咐进行培养时，医院系统可能会根据针对特定感染的处置的计算机可解读指南(CIG)定义和风险定义来审查该特定患者的临床数据，以便基于感染风险(例如，患者年龄、性别、症状、既往病史、以前的抗生素使用情况以及其他输入(例如，阳性培养或其他检验))来确定是否建议推荐进行测序。例如，如果临床医生嘱咐进行尿液培养和敏感性检查，则医院系统可以根据针对尿路感染(UTI)的CIG定义来审查特定患者的临床数据。基于培养和/或其他微生物学检验的结果(例如，bioMérieux的)和/或审查患者的临床数据的结果，系统确定是否应当对来自受感染患者的分离株进行测序。参考图2和序列推荐指令264更详细地描述了关于是否进行测序的确定。虽然就尿液培养和敏感性检查进行了描述，但是这并不意味着限制，因为识别符合条件进行NGS的感染者不仅仅限于UTI，其也可以是任何其他类型的感染者中的一个或多个。
在框110处，可以基于医院数据库来确定针对受感染患者的患者护理轨迹；例如，可以使用如图2所示的包括各种临床相关信息的临床知识数据库来确定针对受感染患者的患者护理轨迹。可以根据对受感染患者与在本文中被称为“医疗资源”的项目的物理接触的一个或多个数据库记录来确定患者护理轨迹。因此，在一些实施例中，“患者轨迹”可以包括患者与其物理接触的医疗资源的列表。患者轨迹可以包括各种水平的粒度，例如，与每种医疗资源的接触时间、与每种医疗资源的接触次数等。
在各种实施例中，“医疗资源”可以是诸如临床护理设施的病房或病室、病床或房间号、手术室或受感染患者可能一直身处的任何其他位置。额外地或替代地，医疗资源可以是一个或多个护理人员(例如，医生、护士、经认证的护理助理、呼吸治疗师、职业治疗师、理疗师、抽血护士等)。额外地或替代地，医疗资源可以是由受感染患者或护理人员用于处置受感染患者的医疗仪器的一个或多个零件。例如，该设备可以包括但不限于：内窥镜、透析机、通气机、恒温箱、呼吸治疗仪器、温度计、各种患者监测仪器、血压袖带、超声仪器、血糖仪等。应当理解，前述项目并不是可能仪器的详尽列表，并且可能存在可以由患者使用和/或用于处置患者的许多其他类型的仪器。
在框115处，然后可以使用NGS技术对来自受感染患者的分离株进行测序。在一些实施例中，在医院或临床护理环境没有测序仪的情况下，可以将来自受感染患者的这种分离株(或来自这种分离株的遗传材料)发送到单独的测序设施。在其他实施例中，医院或临床护理设施可以具有它们自己的测序仪并且可以在机构内对分离株进行测序。
在对来自受感染患者的分离株进行测序(框115)时，在框120处，可以识别有接触感染者风险的一个或多个额外患者。可能不知道这一个或多个额外患者当前是否感染了与受感染患者相同的生物体，因此也可以将他们称为“未感染”患者。这种识别包括在框125处在一个或多个医院数据库中检查受感染患者的患者轨迹与一个或多个额外患者的患者轨迹的重叠。这种重叠可以呈以任何数量的潜在共性的形式。例如，一个或多个额外患者可以同时位于临床护理设施的同一病房/病室中；一个或多个额外患者可以已经得到同一护理人员的护理；并且/或者一个或多个额外患者可以使用过医疗仪器的同一零件。前述内容仅是说明性示例，而无意进行限制。
在框130处，基于患者护理轨迹的重叠以及识别出的针对每个额外患者的一个或多个临床数据点来确定感染风险。在一些实施例中，这种临床数据点可以包括患者人口统计信息和病史，例如，患者年龄、性别、身高、体重、入院类型、当前的抗生素使用情况、终生的抗生素使用情况和/或免疫力虚弱的量度(例如，白细胞计数、T细胞计数、HIV状况等)。在其他实施例中，这种临床数据点可以包括一个或多个实时生理参数，例如，血压、心率、血液氧合状况和/或温度。
更具体地，在一些实施例中，可以通过使用经训练的模型(例如，回归模型、神经网络、支持向量机等)来确定对一个或多个额外患者的感染风险。该经训练的模型接受被存储在患者护理轨迹和/或本文先前讨论的任何临床数据点中的或其导出的各种特征，以便确定对一个或多个额外患者的感染风险。在这种实施例中，可以使用从在同一医院或临床环境中或者在其他医院或临床环境中的历史流行病和来自这些流行病的历史结果获得的信息和来训练经训练的模型。在其他实施例中，可以通过使用一个或多个预定算法来确定对一个或多个额外患者的感染风险。无论如何进行确定，对一个或多个患者的感染风险都是对一个或多个患者中的每个患者的关于这些患者中的每个患者受到受感染患者的感染(直接感染或通过间接接触感染)的可能性的风险评估。
一旦完成测序，就可以分析序列数据并可以提供关于感染原因的额外信息。例如，在一些实施例中，序列数据可以包括关于生物体的抗生素耐药性(例如，存在质粒介导的抗生素耐药性，抗生素耐药性突变等)的信息。在其他实施例中，序列数据可以包括关于生物体的毒力和/或传播性的信息。在框135处，可以将该序列数据与在框130处确定的感染风险一起进行分析，以便确定更新的感染风险。这种更新的传播风险包括对生物体特异性信息(例如，序列数据，如毒力、抗生素耐药性等)以及患者特异性信息的分析，以便确定哪些患者最有可能经由受感染患者的传播而被感染。
在框140处，计算设备可以使输出被显示给用户，其中，该显示可以包括更新的传播风险的用户可解读表示。在一些实施例中，计算设备可以是台式计算机、膝上型计算机、服务器、移动计算设备(例如，智能电话、平板电脑等)和/或本领域已知的任何其他形式的计算设备。在一些实施例中，用户可解读表示可以包括用于防止感染的进一步扩散和/或为可能已经暴露于感染的一个或多个额外患者提供处置选择的潜在动作的列表。例如，可能呈现给临床医生的一些可能的动作可以包括：“隔离受感染患者先生；”“将史密斯女士的抗生素更改为抗生素X；”“提高对杜先生的生命体征监测频率；”等。在其他实施例中，这可以通过临床护理环境的(例如图3所示的)图在视觉上表示，其中，可以用视觉标记(例如，闪光灯、不同的颜色指示符等)来提供和指示针对特定患者的推荐的通知，该视觉标记提示用户检查针对每个患者的用户可解读表示。在其他实施例中，呈现给用户的用户可解读表示可以呈以热图的形式，其将参考图4来更详细地讨论。
附图的方法并不意味着是限制性的，并且可以添加、省略和/或重新排序各种操作。作为一个示例，在一些实施例中，可以有条件地(例如基于根据框120-130的确定，实际上，存在具有与受感染患者的医疗轨迹重叠的医疗轨迹的其他患者)执行框115的操作(对分离株进行测序)。如前所述，NGS的成本很高，因此，如果对其他患者的感染风险可能不充足，则有益的做法是避免启动NGS测序(框115)。例如，如果受感染患者与之相互作用的医疗资源在与额外患者接触之前已被彻底消毒，则可能是上述那种情况。
图2图示了用于实施测序仪和/或(特别是在临床护理设施没有其自己的测序仪的情况下)用于处理从测序仪接收的数据的设备的示例性硬件图200。如图所示，设备200包括经由一条或多条系统总线210互连的处理器220、存储器230、用户接口240、通信接口250以及存储设备260。在一些实施例中，例如在其中硬件实施测序仪的那些实施例中，该硬件可以包括额外测序硬件215，例如，基于孔的测序仪。应当理解，在某些方面中，图2构成一种抽象方案，并且设备200的部件的实际组织方式可以变化并且也可以比所示的情况更为复杂。
处理器220可以是能够运行被存储在存储器230或存储设备260中的指令或以其他方式处理数据的任何硬件设备。这样，处理器可以包括微处理器、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或其他类似的设备。
存储器230可以包括各种存储器，例如，L1、L2或L3高速缓冲存储器或系统存储器。这样，存储器230可以包括静态随机存取存储器(SRAM)、动态RAM(DRAM)、闪速存储器、只读存储器(ROM)或其他类似的存储设备。显而易见，在处理器包括以硬件实施本文所述的功能中的一个或多个功能的一个或多个ASIC(或其他处理设备)的实施例中，可以省略在其他实施例中被描述为与这种功能相对应的软件。
用户接口240可以包括一个或多个用于使得能够与诸如管理员的用户进行通信的设备。例如，用户接口240可以包括显示器、鼠标和用于接收用户命令的键盘。在一些实施例中，用户接口240可以包括可以经由通信接口250被呈现给远程终端的命令行接口或图形用户接口。
通信接口250可以包括一个或多个用于使得能够与其他硬件设备进行通信的设备。例如，通信接口250可以包括被配置为根据以太网协议进行通信的网络接口卡(NIC)。另外，通信接口250可以实施用于根据TCP/IP协议进行通信的TCP/IP栈。针对通信接口250的各种替代或额外硬件或配置将是显而易见的。
存储设备260可以包括一个或多个机器可读存储介质，例如，只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光学存储介质、闪速存储器设备或类似的存储介质。在各种实施例中，存储设备260可以存储用于由处理器220运行的指令或处理器220可以对其进行操作的数据。例如，存储设备260可以存储用于控制硬件200的各种基本操作的基本操作系统261。在硬件200实施测序仪(并且包括测序硬件215)的情况下，存储设备260还可以包括测序指令262以用于操作测序硬件215并接收来自其他软件的命令(例如，推出线以浪费或分段，反转线，配置孔矩阵，重新读取区域等的命令)。此外，存储设备260还可以存储临床知识263，例如，针对该场所的NGS病原体信息(包括当前的临床知识和历史的临床知识)、针对受感染患者和未受感染患者的临床相关信息(例如下面详细讨论的信息)、多相遇宿主信息(例如，终生的抗生素使用情况以及包括结果的临床信息)、实时计算机化的物理订购输入以及电子病历信息等。
序列推荐指令264可以被配置为分析临床知识并生成关于是否为患者订购病原体测序或其他测序的(例如要经由用户接口来呈现的)推荐(通常参见图1的框105)。在各种实施例中，序列推荐指令264可以包括经训练的模型(例如，回归模型、神经网络、深度学习网络等)，该经训练的模型接受被存储在临床知识264中的或从临床知识264导出的各种特征并输出推荐，例如，指示系统指示测序是否有帮助和/或具有成本效益的二进制指示符或评分(例如，以10或100为标度)。在一些实施例中，可以基于包括来自先前患者的特征的数据集以及(例如由医生手动提供的，基于观察到的测序顺序和最终患者的结果自动生成的或以其他方式提供的)关于测序适当还是推荐订购的标签，使用机器学习算法(例如，梯度下降)来训练经训练的模型。
显而易见，被描述为被存储在存储设备260中的各种信息可以被额外地或替代地存储在存储器230中。在这方面中，存储器230也可以被认为构成“存储设备”，并且存储设备260也可以被认为是“存储器”。各种其他布置将是显而易见的。另外，存储器230和存储设备260都可以被认为是“非瞬态机器可读介质”。本文使用的术语“非瞬态”将被理解为排除瞬态信号，但是包括所有的存储形式，包括易失性存储器和非易失性存储器。
虽然主机设备200被示为包括每个所描述的部件中的一个，但是在各种实施例中可以复制各个部件。例如，处理器220可以包括多个微处理器，这多个微处理器被配置为独立地运行本文所述的方法，或者被配置为执行本文所述的方法的步骤或子例程，使得多个处理器协作以实现本文所述的功能。另外，在设备200被实施在云计算系统中的情况下，各种硬件部件可以属于单独的物理系统。例如，处理器220可以包括第一服务器中的第一处理器和第二服务器中的第二处理器。
现在参考图3，图示了用户可解读表示的视觉表示的实施例。如图所示，视觉表示可以呈以临床护理环境300的形式，例如，医院病房或病室。这种临床护理环境可以包括多个患者室301-310、护士站320和/或一个或多个手术室315a、315b。应当理解，临床护理环境不限于图3所示的那些位置，并且还可以包括任何数量的额外空间(例如，手术室、候诊室等)。此外，应当理解，图3中呈现的它们的布局仅仅是示例性的，并且临床护理环境可以具有任何数量的物理布局。在一些实施例中，视觉标记可以向用户(例如，临床医生)指示可能存在针对特定患者和/或特定位置的推荐。例如，图3中的虚线表示闪烁的灯光和/或闪烁的文本，以引起用户对特定位置的注意并提示用户对该位置点击、触摸等，这样可以引入针对该(一个或多个)特定患者和/或位置的一个或多个潜在动作。视觉表示不限于闪烁的灯光或文本。视觉表示可以是任何数量的其他符号、颜色等，它们向用户指示存在针对用户审查的额外信息。在一些实施例中，视觉表示可以被结合到用于监测患者的现有显示系统(例如，通常处于护士站处的那些显示系统)中。
作为纯说明性的示例，房间301、303和305以及手术室315b具有视觉标记，虚线表示闪烁的灯光和/或文本，指示针对用户审查的潜在操作。受感染患者——受感染患者先生位于303房间，推荐采取的措施是隔离受感染患者先生。受感染先生与额外患者在患者护理轨迹上的重叠可以表明，在303房间中护理过受感染患者先生的同一护士也在301房间中护理过杜先生并且在305房间中护理过史密斯女士，正因如此，可以建议对杜先生和史密斯女士采取措施。杜先生的免疫力特别虚弱并且已经在使用抗生素X；然而，序列数据表明经测序的来自受感染患者先生的分离株对抗生素X具有耐药性。因此，推荐采取的措施是将杜先生的抗生素改为抗生素Y。也可以推荐提高对杜先生的生命体征的监测频率。史密斯女士的健康状况相对较好，因此，基于史密斯女士可能受到感染的情况，推荐采取的措施只是增加监测。受感染患者先生还曾在315b手术室进行过手术，因此推荐采取的措施是对315b手术室中的所有仪器进行额外清洁。
现在参考图4，图示了用户可解读表示的另一实施例。类似于图3所示的实施例，该表示可以呈以临床护理环境400的形式，例如，医院病房或病室。也类似于图3，临床护理环境可以包括多个患者室401-410、护士站420和/或一个或多个手术室415a、415b。应当理解，临床护理环境不限于图4所示的那些位置，并且还可以包括任何数量的额外空间(例如，手术室、候诊室等)。此外，与图3一样，应当理解，图4中存在的它们的布局仅仅是示例性的，并且临床护理环境可以具有任何数量的物理布局。图4所示的实施例的用户可解读表示呈以热图的形式，其中向用户呈现对每个患者的更新的传播风险的视觉指示(参见框140)。对生物体特异性信息(例如，诸如毒力、传播性、抗生素耐药性等序列数据)以及患者特异性信息更新传播因素的风险，以便确定哪些患者最容易经由受感染患者的传播而受到感染。
在图4中，每个患者室的阴影提供了对该患者的更新的传播风险的视觉表示，例如，阴影越深，传播的可能性就越大。在图4中，房间403中的患者是受感染患者，以最暗的阴影指示。基于更新的传播风险，房间401、402和409中的患者受到感染的可能性最高。例如，这意味着这些房间中的患者与受感染患者共享过一个或多个护理人员和/或仪器零件，或者基于这些房间中的患者的个人健康史、免疫力虚弱性等，这些患者可能更容易受到感染。此外，房间410中的患者受到感染风险也增加了，这说明感染风险的增加不一定与受感染患者的物理接近度相关。虽然在图4中被示为灰色阴影，但是这无意进行限制，因为热图还可以利用颜色来指示传播的可能性。例如，在一些实施例中，红色阴影可以指示向该患者传播感染的高风险，黄色阴影可以指示向该患者传播感染的中度风险，而绿色阴影指示向该患者传播感染的低风险。
虽然本文已经描述和说明了若干发明实施例，但是本领域普通技术人员将容易想到用于执行功能和/或获得结果和/或本文描述的优点中的一个或多个优点的各种其他单元和/或结构。这样的变化和/或修改中的每个变化和/或修改都被认为是在本文描述的发明实施例的范围内。更一般地，本领域技术人员将容易理解，本文描述的所有参数、尺寸、材料和配置均旨在是示例性的，并且实际参数、尺寸、材料和/或配置将取决于一个或多个使用本发明教导的具体应用。本领域技术人员将认识到或者能够使用不超过常规的实验手段来确定本文描述的具体发明实施例的许多等同物。因此，应当理解，前述实施例仅作为示例呈现，并且在权利要求及其等同物的范围内，本发明的实施例可以以不同于具体描述和要求保护的方式来实践。本公开内容的发明实施例涉及本文描述的每个单独的特征、系统、物品、材料、套件和/或方法。另外，如果这样的特征、系统、物品、材料、套件和/或方法并不相互矛盾，则两个或更多个这样的特征、系统、物品、材料、套件和/或方法的任何组合能够被包括在本公开内容的发明范围内。
本文定义和使用的所有定义应当被理解为控制字典定义、通过引用并入的文献中的定义和/或定义术语的普通含义。
除非明确指出相反情况，否则本说明书和权利要求书中使用的词语“一”和“一个”应当被理解为表示“至少一个”。
本说明书和权利要求书中使用的短语“和/或”应当被理解为表示如此结合的元件中的“任一个或两个”，即，在某些情况下结合存在而在其他情况下分离存在的元件。用“和/或”列出的多个元件应当以相同的方式进行解释，即，如此结合的元件中的“一个或多个”元件。除了用“和/或”分句具体标识的元件之外，还可能任选地存在其他元件，无论是与具体标识的那些元件相关还是不相关都可以。因此，作为非限制性示例，在与诸如“包括”的开放式语言结合使用时，对“A和/或B”的引用能够在一个实施例中仅指代A(任选地包括除了B之外的元件)；而在另一实施例中仅指代B(任选地包括除了A之外的元件)；而在又一实施例中指代A和B两者(任选地包括其他元件)等。
本文在说明书和权利要求书中使用的“或”应当被理解为具有与上文所定义的“和/或”相同的含义。例如，在分隔列表中的项目时，“或”或“和/或”应当被解读为包含性的，即，包含至少一个，但也包含多个元件或元件列表的多于一个的元件以及(任选的)额外的未列出的项目。只有明确指示相反情况的术语(例如，“中的仅一个”或“中的恰好一个”或者在权利要求中使用的“由……组成”)将指代包括多个元件或元件列表中的恰好一个元件。一般而言，当在本文使用的术语“或”前面有排他性术语(例如，“任一个”、“中的一个”、“中的任一个”或“中的恰好一个”)时，术语“或”应当仅被解读为表示排他性替代方案(即，“一个或另一个但不是两者”)。当在权利要求中使用“基本上由……组成”时，术语“基本上由……组成”应当具有其在专利法领域中使用的普通含义。
本文在说明书和权利要求书中使用的引用一个或多个元件的列表的短语“至少一个”应当被理解为表示选自元件列表中的元件中的任何一个或多个元件中的至少一个元件，但不一定包括元件列表中具体列出的每个元件中的至少一个元件，并且不排除元件列表中元件的任何组合。该定义还允许除了在短语“至少一个”所指的元件列表中具体标识的元件之外的任选存在的元件，无论是与具体标识的那些元件相关还是不相关都可以。因此，作为非限制性示例，“A和B中的至少一个”(或等效地，“A或B中的至少一个”，或等效地，“A和/或B中的至少一个”)能够在一个实施例中指代至少一个A，任选地包括多于一个A，且不存在B(并且任选地包括除了B之外的元件)；而在另一实施例中指代至少一个B，任选地包括多于一个B，且不存在A(并且任选地包括除了A之外的元件)；而在又一实施例中指代至少一个A，任选地包括多于一个A以及至少一个B，任选地包括多于一个B(并且任选地包括其他元件)等。
还应当理解，除非明确指出相反情况，否则在本文要求保护的包括多于一个步骤或动作的任何方法中，该方法的步骤或动作的顺序不一定限于记载该方法的步骤或动作的顺序。
在权利要求以及上面的说明书中，所有过渡短语(例如，“包括”、“包含”、“携带”、“具有”、“含有”、“涉及”、“持有”、“带有”等)应当被理解为开放式的，即，意指包括但不限于。只有过渡短语“由……组成”和“基本上由……组成”应当分别为闭合或半闭合过渡短语，如美国专利局专利审查程序手册第2111.03节所述。应当理解，根据专利合作条约(“PCT”)的规则6.2(b)在权利要求中使用的某些表达内容和附图标记并不限制范围。

Claims (20)

1.一种使用一个或多个处理器(220)实施的方法(100)，包括：
识别(105)符合条件进行下一代测序的受感染患者；
基于医院数据库来确定(110)针对所述受感染患者的患者护理轨迹，其中，所述患者护理轨迹是根据对所述受感染患者与医疗资源的物理接触的一个或多个数据库记录来确定的；
对来自所述受感染患者的分离株进行测序(115)；
在所述测序的同时，识别(120)有感染风险的一个或多个额外患者，其中，所述识别包括：
基于所述医院数据库来确定(125)所述受感染患者的所述患者护理轨迹与所述一个或多个额外患者的一个或多个额外患者护理轨迹的重叠，以及
基于所述重叠以及针对所述一个或多个额外患者中的每个额外患者的多个临床数据点来确定(130)对所述一个或多个额外患者的感染风险；
基于来自经测序的分离株的序列数据以及对所述一个或多个额外患者的所述感染风险来确定(135)对所述一个或多个额外患者的更新的传播风险；以及
使(140)一个或多个计算设备绘制输出，所述输出包括对所述一个或多个额外患者的所述更新的传播风险的用户可解读表示(300、400)。
2.根据权利要求1所述的方法，其中，所述医疗资源包括病房、病床或手术室中的一个或多个。
3.根据权利要求1所述的方法，其中，所述医疗资源包括与所述受感染患者接触的一个或多个护理人员。
4.根据权利要求1所述的方法，其中，所述医疗资源包括由所述受感染患者或医务人员用于处置所述受感染患者的医疗仪器的一个或多个零件。
5.根据权利要求1所述的方法，其中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括由以下各项组成的组中的一个或多个：年龄、性别、免疫力虚弱、入院类型、当前的抗生素使用情况、终生的抗生素使用情况或病史。
6.根据权利要求1所述的方法，其中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括一个或多个实时生理参数。
7.根据权利要求6所述的方法，其中，所述一个或多个实时生理参数包括由以下各项组成的组中的一个或多个：血压、心率、血液氧合状况或温度。
8.根据权利要求1所述的方法，其中，确定对所述一个或多个额外患者的所述更新的传播风险包括评价所述分离株的毒力水平。
9.根据权利要求1所述的方法，其中，确定对所述一个或多个额外患者的所述更新的传播风险包括评价所述分离株的抗生素耐药谱。
10.根据权利要求1所述的方法，还包括显示针对所述一个或多个患者的一个或多个建议的处置方案修改的用户可解读表示。
11.根据权利要求1所述的方法，其中，对所述一个或多个额外患者的所述更新的传播风险的所述用户可解读表示是热图(400)。
12.至少一种包括指令的非瞬态计算机可读介质，所述指令响应于由一个或多个处理器(220)对所述指令的运行而令所述一个或多个处理器执行以下操作：
基于医院数据库来确定(110)针对受感染患者的患者护理轨迹，其中，所述患者护理轨迹是根据对所述受感染患者与医疗资源的物理接触的一个或多个数据库记录来确定的；
识别(120)有感染风险的一个或多个额外患者，其中，所述识别包括：
基于所述医院数据库来确定(125)所述受感染患者的所述患者护理轨迹与所述一个或多个额外患者的一个或多个额外患者护理轨迹的重叠，以及
基于所述重叠以及针对所述一个或多个额外患者中的每个额外患者的多个临床数据点来确定(130)所述一个或多个额外患者的感染风险；
基于来自经测序的分离株的序列数据以及对所述一个或多个额外患者的所述感染风险来确定(135)对所述一个或多个额外患者的更新的传播风险；以及
使(140)一个或多个计算设备绘制输出，所述输出包括对所述一个或多个额外患者的所述更新的传播风险或针对所述一个或多个患者的一个或多个建议的处置方案修改的用户可解读表示(300、400)。
13.根据权利要求12所述的至少一种非瞬态计算机可读介质，其中，所述医疗资源包括以下各项中的一个或多个：病房、病床、手术室、与所述受感染患者接触的一个或多个护理人员，或由所述受感染患者使用的医疗仪器的一个或多个零件。
14.根据权利要求12所述的至少一种非瞬态计算机可读介质，其中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括由以下各项组成的组中的一个或多个：年龄、性别、免疫力虚弱、入院类型、当前的抗生素使用情况、终生的抗生素使用情况或病史。
15.根据权利要求12所述的至少一种非瞬态计算机可读介质，其中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括选自由以下各项组成的组中的一个或多个实时生理参数：血压、心率、血液氧合状况或温度。
16.根据权利要求12所述的至少一种非瞬态计算机可读介质，其中，确定对所述一个或多个额外患者的所述传播风险包括评价所述分离株的毒力水平。
17.根据权利要求12所述的至少一种非瞬态计算机可读介质，其中，确定对所述一个或多个额外患者的所述传播风险包括评价所述分离株的抗生素耐药谱。
18.根据权利要求12所述的至少一种非瞬态计算机可读介质，其中，对所述一个或多个额外患者的所述更新的传播风险的所述用户可解读表示是热图(400)。
19.一种系统，包括：
一个或多个处理器(220)；以及
存储器(230)，其被配置为存储指令，所述指令当由所述一个或多个处理器运行时令所述一个或多个处理器执行包括以下各项的操作：
识别(105)符合条件进行下一代测序的受感染患者；
基于医院数据库来确定(110)针对所述受感染患者的患者护理轨迹，其中，所述患者护理轨迹是根据对所述受感染患者与医疗资源的物理接触的一个或多个数据库记录来确定的；
对来自所述受感染患者的分离株进行测序(115)；
在所述测序的同时，识别(120)有感染风险的一个或多个额外患者，其中，所述识别包括：
基于所述医院数据库来确定(125)所述受感染患者的所述患者护理轨迹与所述一个或多个额外患者的一个或多个额外患者护理轨迹的重叠，以及
基于所述重叠以及针对所述一个或多个额外患者中的每个额外患者的多个临床数据点来确定(130)对所述一个或多个额外患者的感染风险；
基于来自经测序的分离株的序列数据以及对所述一个或多个额外患者的所述感染风险来确定(135)对所述一个或多个额外患者的更新的传播风险，其中，所述序列数据包括关于所述分离株的毒力水平和所述分离株的抗生素耐药谱的信息；以及
使(140)一个或多个计算设备绘制输出，所述输出包括对所述一个或多个额外患者的所述更新的传播风险和针对所述一个或多个患者的一个或多个建议的处置方案修改的用户可解读表示(300、400)。
20.根据权利要求19所述的系统，其中，针对所述一个或多个额外患者中的每个患者的所述多个临床数据点包括由以下各项组成的组中的一个或多个：年龄、性别、免疫力虚弱、入院类型、当前的抗生素使用情况、终生的抗生素使用情况或病史。
CN201880027564.0A 2017-04-27 2018-04-26 使用临床知识来改善对下一代测序的使用 Pending CN110546715A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762490767P 2017-04-27 2017-04-27
US62/490,767 2017-04-27
PCT/EP2018/060668 WO2018197594A1 (en) 2017-04-27 2018-04-26 Use of clinical knowledge to improve use of next generation sequencing

Publications (1)

Publication Number Publication Date
CN110546715A true CN110546715A (zh) 2019-12-06

Family

ID=62167278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880027564.0A Pending CN110546715A (zh) 2017-04-27 2018-04-26 使用临床知识来改善对下一代测序的使用

Country Status (4)

Country Link
US (1) US20180315510A1 (zh)
EP (1) EP3616215A1 (zh)
CN (1) CN110546715A (zh)
WO (1) WO2018197594A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460329A (zh) * 2020-03-30 2020-07-28 鹏城实验室 信息查询方法、系统、终端及计算机存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113820040B (zh) * 2020-06-19 2023-12-19 青岛海尔空调器有限总公司 基于空调器的体温检测方法与云服务器

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7349808B1 (en) * 2000-09-06 2008-03-25 Egenomics, Inc. System and method for tracking and controlling infections
AR061471A1 (es) * 2007-06-14 2008-08-27 Administracion Nac De Lab E I Un control interno de amplificacion (iac) para la tecnica de reaccion en cadena de la polimerasa (pcr) mk
CN101743552A (zh) * 2007-07-13 2010-06-16 皇家飞利浦电子股份有限公司 用于急性动态疾病的决策支持系统
CN102272327A (zh) * 2008-11-07 2011-12-07 赛昆塔公司 通过序列分析监测状况的方法
US20150339791A1 (en) * 2014-05-20 2015-11-26 Nikias Group, LLC Method and system for monitoring congestive heart failure risk of a cardiac patient
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
CN105893725A (zh) * 2014-11-13 2016-08-24 北京众智汇医科技有限公司 一种医院感染预防与控制全流程管理系统及其方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020120408A1 (en) * 2000-09-06 2002-08-29 Kreiswirth Barry N. System and method for tracking and controlling infections
US20140167917A2 (en) * 2008-12-08 2014-06-19 Infonaut, Inc. Disease Mapping and Infection Control System and Method
US8595159B2 (en) * 2010-10-08 2013-11-26 Cerner Innovation, Inc. Predicting near-term deterioration of hospital patients
WO2014113815A1 (en) * 2013-01-21 2014-07-24 Life Technologies Corporation Systems and methods for gene expression analysis

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7349808B1 (en) * 2000-09-06 2008-03-25 Egenomics, Inc. System and method for tracking and controlling infections
US20080206767A1 (en) * 2000-09-06 2008-08-28 Egenomics, Inc. System and method for tracking and controlling infections
AR061471A1 (es) * 2007-06-14 2008-08-27 Administracion Nac De Lab E I Un control interno de amplificacion (iac) para la tecnica de reaccion en cadena de la polimerasa (pcr) mk
CN101743552A (zh) * 2007-07-13 2010-06-16 皇家飞利浦电子股份有限公司 用于急性动态疾病的决策支持系统
CN102272327A (zh) * 2008-11-07 2011-12-07 赛昆塔公司 通过序列分析监测状况的方法
US20150339791A1 (en) * 2014-05-20 2015-11-26 Nikias Group, LLC Method and system for monitoring congestive heart failure risk of a cardiac patient
CN105893725A (zh) * 2014-11-13 2016-08-24 北京众智汇医科技有限公司 一种医院感染预防与控制全流程管理系统及其方法
CN105740615A (zh) * 2016-01-28 2016-07-06 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460329A (zh) * 2020-03-30 2020-07-28 鹏城实验室 信息查询方法、系统、终端及计算机存储介质

Also Published As

Publication number Publication date
US20180315510A1 (en) 2018-11-01
EP3616215A1 (en) 2020-03-04
WO2018197594A1 (en) 2018-11-01

Similar Documents

Publication Publication Date Title
Malik et al. Overview of artificial intelligence in medicine
Fitzpatrick et al. Using artificial intelligence in infection prevention
Bastawrous et al. Development and validation of a smartphone-based visual acuity test (peek acuity) for clinical practice and community-based fieldwork
Ramgopal et al. Artificial intelligence-based clinical decision support in pediatrics
Rodriguez et al. NEXUS chest: validation of a decision instrument for selective chest imaging in blunt trauma
Uffen et al. Interventions for rapid recognition and treatment of sepsis in the emergency department: a narrative review
Varkey et al. A framework for healthcare quality improvement in India: the time is here and now!
Quinn et al. Analysis of discrepancy between diagnostic clinical examination findings and corresponding evaluation of digital images in the telemedicine approaches to evaluating acute-phase retinopathy of prematurity study
TWI521467B (zh) Nursing decision support system
Curtis et al. Intervention to promote communication about goals of care for hospitalized patients with serious illness: a randomized clinical trial
Nurjadi et al. Surveillance for colonization, transmission, and infection with methicillin-susceptible Staphylococcus aureus in a neonatal intensive care unit
US20180358131A1 (en) Assigning patients to hospital beds
Brabrand et al. Seven-day mortality can be predicted in medical patients by blood pressure, age, respiratory rate, loss of independence, and peripheral oxygen saturation (the PARIS score): a prospective cohort study with external validation
Kivimäki et al. Estimating dementia risk using Multifactorial prediction models
Zhang et al. Assessment of coronavirus disease 2019 community containment strategies in Shenzhen, China
Baum et al. Image quality assessment for closed-loop computer-assisted lung ultrasound
CN110546715A (zh) 使用临床知识来改善对下一代测序的使用
NALBANT The applications and position of artificial intelligence in health and medicine: a short review
US20210134405A1 (en) System for infection diagnosis
Magrabi et al. Automation in contemporary clinical information systems: a survey of AI in healthcare settings
Boag et al. EHR safari: data is contextual
Alhourani et al. Ethical Dilemma Experiences of Nurses in a Tertiary Hospital, Kingdom of Bahrain: A Cross-sectional Survey
Damodaran et al. Artificial intelligence in POCUS: the Vanguard of technology in COVID-19 pandemic
Madli et al. Artificial Intelligence and Public Health Context: What We Should Know?
Roland Paediatric early warning systems: myths and muses

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191206

WD01 Invention patent application deemed withdrawn after publication