CN112582071A - 医疗保健网络 - Google Patents
医疗保健网络 Download PDFInfo
- Publication number
- CN112582071A CN112582071A CN202011042329.6A CN202011042329A CN112582071A CN 112582071 A CN112582071 A CN 112582071A CN 202011042329 A CN202011042329 A CN 202011042329A CN 112582071 A CN112582071 A CN 112582071A
- Authority
- CN
- China
- Prior art keywords
- patient
- directed graph
- models
- representing
- cohort
- 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
Links
- 238000011282 treatment Methods 0.000 claims abstract description 90
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 43
- 230000015654 memory Effects 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 35
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 230000037396 body weight Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 34
- 238000012986 modification Methods 0.000 description 19
- 230000004048 modification Effects 0.000 description 19
- 238000002560 therapeutic procedure Methods 0.000 description 13
- 206010028980 Neoplasm Diseases 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 8
- 238000002512 chemotherapy Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 230000037361 pathway Effects 0.000 description 6
- 238000001959 radiotherapy Methods 0.000 description 6
- 238000009534 blood test Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010339 medical test Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010061819 Disease recurrence Diseases 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009863 secondary prevention Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011277 treatment modality Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种医疗保健网络。提供了一种可操作成向用户装置发送医疗保健数据的系统。用户装置被配置成用于分析医学信息。系统在数据库中维护表示第一有向图的数据和包括医疗保健数据的多个患者模型,第一有向图表示医学指南的至少一部分。系统通过处理多个患者模型和表示第一有向图的数据从第一有向图中选择元素。基于所选择的元素和多个患者模型的组合来识别第一患者群组和第二患者群组,第一患者群组的治疗在所选择的元素处偏离医学指南的至少一部分。通过处理多个患者模型来确定将第一患者群组与第二患者群组区分开的至少一个患者群组特性。至少基于所识别的至少一个患者群组特性来生成第二有向图,并且发送第二有向图以供用户装置接收。
Description
技术领域
本文描述的实施方式一般地涉及向用户装置提供医疗保健数据。更具体地,实施方式涉及用于将医疗保健数据发送到用户装置的方法、系统和计算机程序,该用户装置被配置成用于分析医学信息。
背景技术
医学指南提供应当如何治疗具有特定医学状况的人的建议。医学指南可以指出:在治疗具有特定状况的患者时应当采用哪些诊断或疗法步骤以及应当根据诊断或疗法步骤的结果执行哪些后续规程。一些医学指南提供关于某些医学状况的预防、预后以及风险和/或益处的信息,并且考虑与患者的治疗中的诊断和疗法步骤相关联的成本效益。指南中包含的信息通常特定于特定医学领域。
通常在诊断和疗法步骤期间生成与正在针对医学状况被治疗的患者相关的数据。这种数据通常被存储在与生成该数据的位置例如临床中心或医院相关的不同源中。可以对与患者有关的数据进行编码,以将原始数据或值与生成所述数据的各个临床步骤相关联。可以使用诸如SNOMED CT、LOINC的临床编码系统、内部编码系统以及其他编码系统对数据进行编码。
患者状况和疾病并不总是符合医学指南中提供的建议和临床路径(clinicalpathway)。临床路径——也被称为疾病路径——可以包括二级预防、筛查、诊断学、诊断、疗法决策、疗法和后续治疗或决策。因此,仅医学指南可能并不总是足以使实现足够的分析。
在2018年10月11日提交的欧洲专利申请EP18199915和在2018年11月23日提交的欧洲专利申请EP18208021中描述了用于发送由用户装置接收的医疗保健数据的系统,这两个申请通过引用并入本文中。
发明内容
根据本发明的第一方面,提供了一种可操作成向用户装置发送医疗保健数据的系统,该用户装置被配置成用于分析医学信息,该系统包括至少一个处理器和包含计算机程序代码的至少一个存储器,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使该系统:在第一数据库中维护表示第一有向图的数据,该第一有向图表示医学指南的至少一部分,第一有向图包括表示临床步骤的多个元素;在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;通过对多个患者模型和表示第一有向图的数据进行处理,从多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了医学指南的至少一部分的至少一个元素;基于所选择的至少一个元素和多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合医学指南的至少一部分;对表示第一患者群组和第二患者群组的多个患者模型进行处理,以识别将第一患者群组与第二患者群组区分开的至少一个患者群组特性;至少根据所识别的至少一个患者群组特性来生成第二有向图;以及发送表示第二有向图的数据以供用户装置接收。
以这种方式,该系统可操作成识别可能不遵循医学指南的至少一部分中所指定的治疗的患者群组。在这些情况下,系统然后可以生成第二有向图,该第二有向图包括以下指示:对所识别的患者群组而言,偏离了医学指南。这用于指导医学从业者的决策,使得他们能够为属于如下特定患者群组的患者提供更有效的治疗,如果遵循医学指南,则对于所述特定患者群组而言,医学指南可能不是有效的。
选择至少一个元素可以包括:对多个患者模型和表示第一有向图的数据进行处理以识别如下至少一个元素,在所述至少一个元素处,其治疗偏离了医学指南的至少一部分的患者的子集超过与所述多个患者模型相关联的患者的预定比例。这可以在可用的患者模型的总数不同的多种情况下提供至少一个元素的适当选择。
至少一个患者群组特性可以包括以下中的至少一个:年龄;身高;体重;性别;身体质量指数;基因突变;相关联的医学从业者;以及位置。
存储器和计算机程序代码可以被配置成:与至少一个处理器一起使系统基于用户输入覆盖至少一个元素的选择。以这种方式,系统的用户例如医学从业者可以识别如下元素,对于所述元素,他们怀疑对患者群组而言可能发生偏离,或者对于所述元素,他们怀疑对某个患者群组而言与医学指南的至少一部分偏离可能是有益的。
所选择的至少一个元素可以与至少一个条件参数值相关联,患者模型可以各自包括与相应的临床步骤对应的多个患者属性值,并且第一患者群组和第二患者群组可以基于至少一个条件参数值与来自多个患者模型的相应患者属性值的比较来识别。这可以例如提供自动识别第一患者群组和第二患者群组的有效且鲁棒(robust)的方式。
可以基于与所选择的至少一个元素对应的相应患者模型中的医疗保健数据的可用性来识别第一患者群组和第二患者群组。这可以允许系统快速识别患者是否符合医学指南的至少一部分。
对表示第一患者群组和第二患者群组的多个患者模型进行处理以确定将第一患者群组与第二患者群组区分开的至少一个患者群组特性可以包括使用以下中的至少一个来处理多个患者模型:主成分分析;随机森林回归;以及正则化回归。这些方法可以提供识别将患者群组特性和与每个患者相关联的大量患者特性区分开的有效且准确的方式。
第二有向图可以包括以下指示:由所选择的至少一个元素表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。这可以使得基于第二有向图向患者提供治疗的医学从业者能够意识到他们可以向他们的患者提供更有效的治疗的方式。这可以例如使得没有治疗属于特定患者群组的患者的经验的医师能够提供相关联的医学指南中可能没有涵盖的定制的医疗保健。
第二有向图可以包括:多个节点;一组有向边;以及连接到所选择的元素的至少一个另外的节点,其中,至少一个另外的节点可以包括以下指示:由所选择的元素表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。以这种方式,可以使医学从业者意识到针对属于特定患者群组的患者的治疗中可能的偏离。
第二有向图可以包括在第一端处连接到另外的节点的至少一个另外的有向边,所述另外的有向边可以指示与用于第一患者群组的医学指南的至少一部分偏离。
至少一个存储器和计算机程序代码可以被配置成与至少一个处理器一起使系统:基于指示关于与所识别的至少一个患者群组特性相关联的患者的决策的用户输入来修改第二有向图。这可以允许系统基于关于属于第一患者群组的患者做出的医学决策在第二有向图中自动生成包括另外的临床步骤的不同的治疗路径。这可以针对特定患者群组识别截至目前还没有在医学指南中指定的新的治疗路径和/或有益的治疗路径。
至少一个存储器和计算机程序代码可以被配置成与至少一个处理器一起使系统:在第三数据库中维护包括与患者相关联的医疗保健数据的另外的患者模型,患者与所识别的至少一个患者群组特性相关联;基于第二有向图和另外的患者模型的组合,来确定至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态;并且根据所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态,来发送指示所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态的数据,以供用户装置接收;指示所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态的数据被用于确定由所选择的节点表示的临床步骤是否不被推荐用于患者。
系统可以将另外的患者模型自动映射到第二有向图,并且如果由该另外的患者模型表示的患者的治疗处于或接近已经知道属于特定群组的患者的治疗偏离的节点,则该系统可以警告用户。
至少一个存储器和计算机程序代码可以被配置成与至少一个处理器一起使系统:根据另外的节点的状态和/或与另外的节点连接的有向边的状态,来发送指示来自用户装置的用户的输入请求的数据,以供用户装置接收;从用户装置接收指示要由另外的多个节点表示的另外的临床步骤的数据;基于所接收的指示另外的临床步骤的数据来修改第二有向图。一旦已经识别出与针对特定患者群组的医学指南的至少一部分偏离,则该系统可操作成:在偏离之后生成由医学从业者所指定的表示可替选的临床步骤的新的节点。医师可以手动地改变第二有向图,以反映偏离之后他们优选的治疗路径。
根据本发明的第二方面,提供了一种包括一组指令的计算机程序,所述指令当由计算机化装置执行时使所述计算机化装置执行向用户装置发送医疗保健数据的方法,用户装置被配置成用于分析医学信息,所述方法包括:在第一数据库中维护表示第一有向图的数据,第一有向图表示医学指南的至少一部分,第一有向图包括表示临床步骤的多个元素;在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;通过对多个患者模型和表示第一有向图的数据进行处理,从多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了医学指南的至少一部分的至少一个元素;基于所选择的至少一个元素和多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合医学指南的至少一部分;对表示第一患者群组和第二患者群组的多个患者模型进行处理,以识别将第一患者群组与第二患者群组区分开的至少一个患者群组特性;至少根据所识别的至少一个患者群组特性来生成第二有向图;以及发送表示第二有向图的数据,以供用户装置接收。
根据本发明的第三方面,提供了一种用于向用户装置发送医疗保健数据的方法,用户装置被配置成用于分析医学信息,所述方法包括:在第一数据库中维护表示第一有向图的数据,第一有向图表示医学指南的至少一部分,第一有向图包括表示临床步骤的多个元素;在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;通过对多个患者模型和表示第一有向图的数据进行处理,从多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了医学指南的至少一部分的至少一个元素;基于所选择的至少一个元素和多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合医学指南的至少一部分;对表示第一患者群组和第二患者群组的多个患者模型进行处理,以识别将第一患者群组与第二患者群组区分开的至少一个患者群组特性;至少根据所识别的至少一个患者群组特性来生成第二有向图;以及发送表示第二有向图的数据,以供用户装置接收。
根据本发明的第四方面,提供了一种可操作成将医疗保健数据发送到用户装置的系统,用户装置被配置成用于分析医学信息,系统包括至少一个处理器和包含计算机程序代码的至少一个存储器,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使系统:在第一数据库中维护表示第一有向图和第二有向图的数据,第一有向图表示医学指南的至少一部分,第二有向图表示医学指南的至少一部分和对医学指南的至少一部分的修改,每个有向图包括表示临床步骤的相应的多个元素;在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;识别第一组患者模型和第二组患者模型,第一组患者模型表示基于由第一有向图表示的医学指南的至少一部分已经被治疗的患者,第二组患者模型表示基于由第二有向图表示的医学指南的至少一部分已经被治疗的患者;基于第一组患者模型与第二组患者模型的比较,来确定第一有向图和第二有向图中的哪一个是优选的有向图;并且响应于该确定,发送表示优选的有向图的数据以供用户装置接收。
可以以多种方式生成有向图,并且在一些情况下,可以基于患者过去的治疗自动地生成包括对治疗路径的改变的定制的有向图或者例如基于医学从业者的假设手动地生成包括对治疗路径的改变的定制的有向图。本发明的这个方面可以允许对这样的有向图在患者的治疗方面的有效性进行比较。然后,患者的未来治疗可以使用优选的有向图来向患者提供医疗护理。
对医学指南的至少一部分的修改由以下中的至少一个表示:第二有向图中的至少一个节点;以及第二有向图中的至少一个有向边。这可以例如提供第一有向图与第二有向图之间的可以使用患者模型直接比较的差异。
多个患者模型可以各自包括多个患者条目,患者条目中的至少一个可以包括至少一个患者结果测量,并且确定第一有向图和第二有向图中的哪一个是优选的有向图可以包括:将第一组患者模型的第一多个患者结果测量与第二组患者模型的第二多个患者结果测量进行比较。使用患者结果测量来比较基于第一有向图和第二有向图提供的治疗的有效性,可以确保被选择为优选的有向图的有向图在被用于治疗患者时提供比其他有向图更好的患者结果。
医学指南的至少一部分的修改可以与患者群组特性相关联,并且可以基于患者群组特性来识别第一组患者模型和第二组患者模型。以这种方式,可以测试如以上关于本发明的第一方面所描述的基于关于特定患者群组的偏离而生成的有向图的有效性。
至少一个存储器和计算机程序代码可以被配置成:与至少一个处理器一起使系统基于多个患者模型与第一有向图的比较来识别第一组患者模型,其中,将多个患者模型和第一有向图进行比较可以包括:针对每个患者模型,确定第一有向图的多个元素中的至少一个元素的状态。
至少一个存储器和计算机程序代码可以被配置成:与至少一个处理器一起使系统基于多个患者模型与第二有向图的比较来识别第二组患者模型,其中,将多个患者模型和第二有向图进行比较可以包括:针对每个患者模型,确定第二有向图的多个元素中的至少一个元素的状态。这可以提供基于可用数据识别由第二组患者表示的患者的鲁棒且可靠的方式。这可以减轻手动选择哪些患者已经根据哪个指南进行了治疗的需要。
对于所述患者模型,所述元素的状态可以取决于所述患者模型中与临床步骤相关联的数据的可用性,所述临床步骤与所述元素相关联。如果患者没有经历特定的临床步骤,那么他们相关联的患者模型将不包括与临床步骤相关联的数据。这允许这样的患者被有效地识别。
每个患者模型可以包括多个患者条目,每个患者条目包括至少一个属性值,并且确定所述元素的状态可以包括:维护所述患者模型的患者条目中的至少一个与来自多个标识符中的标识符之间的第一关联;维护所述元素与来自多个标识符中的标识符之间的第二关联;基于第一关联和第二关联来选择与所述元素相关联的所述属性值;以及基于与所述元素相关联的属性值和与所述元素相关联的条件参数值的比较,来确定是否满足与所述元素相关联的条件参数值。
确定有向图中的哪一个是优选的有向图可以包括:确定指示第一组患者模型与第一有向图的平均一致性的第一测量;确定指示第二组患者模型与第二有向图的平均一致性的第二测量;以及使用第一测量和第二测量来执行第一多个患者结果测量与第二多个患者结果测量的比较。以这种方式,优选的有向图的选择可能对患者对所述有向图的一般遵循是敏感的。例如,尽管给定的有向图可以具有平均或良好的结果测量,但是对第二有向图的一般遵循可能较差,因此根据所述有向图的治疗可能更不可预测和/或更可变。通过在选择有向图作为优选的有向图时考虑这一点,一个人可以在一定程度上控制该特性。
第一测量可以取决于第一有向图的多个元素的第一组患者模型的平均状态。这可以提供平均遵循的测量,其可以被用作优选的有向图的选择中的变量。
类似地,第二测量可以取决于第二有向图的多个元素的第二组患者模型的平均状态。
确定第一有向图和第二有向图中的哪一个是优选的有向图可以包括:发送指示第一组患者模型与第二组患者模型的比较的结果的数据,以供用户装置接收;从用户装置接收指示关于比较的结果的决测的数据;以及基于所接收的指示决策的数据来选择第一有向图或第二有向图中的一个。以这种方式,用户能够基于结果测量的比较来选择优选的有向图。在一些示例中,例如在变量相互关联和/或非线性的情况下或者在一些变量比其他变量更重要的情况下,对结果测量进行比较可能不是将一组变量与另一组变量进行比较的简单过程。在这种情况下,向用户呈现比较的结果可以使得用户能够解决优选的有向图的选择。
至少一个存储器和计算机程序代码可以被配置成与至少一个处理器一起使系统:如果第一有向图是优选的有向图,则发送指示第一多个患者结果测量的数据以供用户装置接收;或者如果第二有向图是优选的有向图,则发送指示第二多个患者结果测量的数据以供用户装置接收。以这种方式,可以向用户装置的用户提供补充医学信息,以支持关于使用优选的有向图的决策以用于例如与患者讨论为什么正在使用特定的治疗路径以及/或者向医学从业者证明优选的有向图使得能够对他们的患者进行更好的治疗。
根据本发明的第五方面,提供了一种包括一组指令的计算机程序,所述指令当由计算机化装置执行时使所述计算机化装置执行向用户装置发送医疗保健数据的方法,用户装置被配置成用于分析医学信息,所述方法包括:在第一数据库中维护表示第一有向图和第二有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第二有向图表示医学指南的至少一部分和对医学指南的至少一部分的修改,每个有向图包括表示临床步骤的相应的多个元素;在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;识别第一组患者模型和第二组患者模型,所述第一组患者模型表示基于由第一有向图表示的医学指南的至少一部分已经被治疗的患者,所述第二组患者模型表示基于由第二有向图表示的医学指南的至少一部分已经被治疗的患者;基于第一组患者模型与第二组患者模型的比较,来确定第一有向图和第二有向图中的哪一个是优选的有向图;以及响应于所述确定,发送表示优选的有向图的数据以供用户装置接收。
根据本发明的第六方面,提供了一种向用户装置发送医疗保健数据的方法,用户装置被配置成用于分析医学信息,所述方法包括:在第一数据库中维护表示第一有向图和第二有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第二有向图表示医学指南的至少一部分和对医学指南的至少一部分的修改,每个有向图包括表示临床步骤的相应的多个元素;在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;识别第一组患者模型和第二组患者模型,所述第一组患者模型表示基于由第一有向图表示的医学指南的至少一部分已经被治疗的患者,所述第二组患者模型表示基于由第二有向图表示的医学指南的至少一部分已经被治疗的患者;基于第一组患者模型与第二组患者模型的比较,来确定第一有向图和第二有向图中的哪一个是优选的有向图;以及响应于所述确定,发送表示优选的有向图的数据以供用户装置接收。
附图说明
图1a示出了根据实施方式的示例系统的示意性框图;
图1b示出了根据实施方式的与网络连接的示例系统的示意性框图;
图2示出了根据实施方式的有向图的示例;
图3示出了根据实施方式的事件模型的示意性框图;
图4示出了根据实施方式的患者模型的示意性框图;
图5示出了根据实施方式的系统的操作的流程图;
图6A至图6C示出了根据实施方式的包括指示的有向图的示例;
图7A至图7C示出了根据实施方式的特征空间中的患者模型的图,以图形地表示至少一个患者群组特性的确定;以及
图8示出了根据实施方式的系统的操作的流程图。
具体实施方式
现在将在用于向用户装置的用户提供信息的系统、方法和计算机程序的背景下描述实施方式,所述装置被配置成用于分析医学信息。将参照附图。在以下描述中,出于说明的目的,阐述了某些示例的许多具体细节。说明书中对“示例”或类似语言的提及意味着:结合该示例描述的特定特征、结构或特性被包括在至少一个示例中,但不一定被包括在其他示例中。还应当注意的是,为了便于说明和理解构成示例的基础的概念,示意性地描述了某些示例,省略和/或必要地简化了某些特征。
图1a示出了根据示例的系统100的图。术语“系统”可以指单个装置中或跨多个装置体现的硬件、计算机程序代码、功能和虚拟化资源的任何组合。例如,系统100可以包括安置在一个位置处的单个装置,例如医院中的计算机;或者系统100可以包括安置在所述一个位置处通过局域网连接的多个装置,例如,在医院中通信地耦接至大型计算机的至少一个其他计算装置。因为多个装置必须发生故障才能使系统变得不正常,因此包括多个计算装置的系统可能比包括单个计算装置的系统更安全。以下可能更有效:使用包括多个彼此远程存放的连接的计算装置的系统,而不是具有多个系统。
在其他示例中,系统100可以包括多个远程装置。可以通过城域网、校园区域网或广域网例如互联网来连接所述多个远程装置。系统100可以包括分布在一个国家内的医院中的多个服务器和/或大型机计算装置。在其他示例中,可以跨多个国家分布系统100。
系统100包括至少一个处理器102a至102n。所述至少一个处理器102a至102n可以是标准的中央处理单元或图形处理单元(CPU或GPU),或者所述至少一个处理器102a至102n可以是出于本文中描述的目的而设计的定制处理单元。所述至少一个处理器102a至102n中的每一个可以包括单处理核或多核,例如四核或八核。在示例中,其中,系统100包括多个处理器102a至102n,处理器102a至102n可以体现在单个装置中。在其他示例中,所述至少一个处理器102a至102n可以包括远程分布在系统100中的多个处理器。
图1a中所示的系统100包括至少一个存储器104a至104n。所述至少一个存储器104a至104n可以是非暂态计算机可读存储器,例如硬盘驱动器、CD-ROM盘、USB驱动器、固态驱动器或任何其他形式的磁存储装置、光存储装置或闪存装置。所述至少一个存储器104a至104n可以被称为存储介质或非暂态计算机可读存储介质。所述至少一个存储器104a至104n可以本地于系统100的其余部分被维护,或者可以例如通过互联网远程地被访问。所述至少一个存储器104a至104n可以存储适合于本文描述的功能的计算机程序代码。计算机程序代码可以分布在多个存储器上或者可以被存储在单个存储器上。
在示例中,系统100指的是可操作成将医疗保健数据发送至用户装置的系统。分析医学信息的用户——例如,医师、护士、临床助理以及分析关于患者的医学信息的其他人员——可以经由用户装置来操作系统100。医学信息可以涉及数据,例如,来自诊断测试的数字测试结果。医学信息也可以涉及与一个或多个患者相关的定性诊断和注释。
图1a示出了用户装置106a至106d的四个示例。用户装置可以是能够由用户操作并且适合于本文描述的功能的硬件和计算机程序代码的任意组合。用户装置106a是平板计算机,用户装置106b是智能电话,用户装置106c是智能手表,用户装置106d是个人计算机例如台式PC或膝上型PC。应当理解的是,也可以预期用户装置的其他示例。用户装置106a至106d可以包括任意数目的易失性或非易失性存储器、处理器和其他电子部件。在一些示例中,用户装置106a至106d包括分布在网络上的多个部件。用户装置106a至106n可以包括任意数目的输出端,例如,显示器、扬声器、触觉反馈系统、LED指示器、发射器或任何其他输出端。用户装置106a至106d可以包括任意数目的输入端,例如,麦克风、按钮、相机、接收器或任意数目的传感器等。在一些示例中,用户装置106a至106d的输入端和输出端可以被认为是用户接口,例如,触摸屏或者屏幕与键盘的组合。用户装置106a至106d可以被认为是系统100的一部分,或者可以不是系统100的一部分但可以与系统100进行通信。在一些示例中,用户装置106a至106a对于系统100而言是本地的,并且可以通过局域网连接到系统100,例如,医院中的个人计算机106d连接到包括系统100的同一医院中的大型计算机。在其他示例中,用户装置106a至106d可以经由广域网连接到系统100。
用户装置106a至106d可以被配置成用于分析医学信息。例如,用户装置106a至106d可以包括用于向用户呈现医学信息以进行分析的应用。在一些示例中,存在多个用户装置106a至106d。多个用户装置106a至106d可以彼此通信地耦接。至少一个用户装置106a至106d可以用于控制系统100。
在一些示例中,用户装置106a至106d可以是被配置成在系统100中被使用或与系统100一起被使用的专有装置。例如,用户装置106a至106d可以是专有计算装置,该专有计算装置包括用于向用户提供数据和/或其他信息的固件、软件和定制应用的组合。例如,用户装置106a至106d可以包括用于显示由系统100以预定方式接收和/或以预定方式被发送到系统100的数据的应用。
在其他示例中,用户装置106a至106d和系统100被包括在同一装置例如医院的台式计算机中。
在其他示例中,用户装置106a至106d可以是包括任意数目的应用的商业上可获得的计算装置,所述任意数目的应用可操作成:在系统100处访问数据、从系统100接收数据或向系统100发送数据。例如,系统100可以维护托管在远程可访问的服务器上的至少一个网页。用户装置106a至106d可以包括网络浏览器,该网络浏览器可操作成:访问至少一个网页,从而便于与系统100进行通信以及/或者在用户装置106a至106d上显示由系统100存储的数据。
根据本文描述的实施方式,图1a中所示的系统100包括用于存储数据的数据库108。数据库108可以是保存在计算装置中的任何结构化的数据集。例如,数据库108可以是存储在至少一个存储器104a至104n中的结构化数据。在其他示例中,数据库108可以被存储在系统中的其他地方,例如,被存储在单独的计算装置上。至少一个处理器102a至102n可以与数据库108通信地耦接,使得至少一个处理器102a至102n可以维护数据库108。维护数据库108可以包括:向数据库108发送数据、从数据库108接收数据或者重新配置数据库108中的数据。在数据库108被存储在与系统100相关联的物理存储器上的示例中,至少一个处理器102a至102n可以被配置成:从物理存储器读取数据和/或向物理存储器写入数据以维护数据库108。数据库108可以包括彼此关联的多个数据库。数据库108可以由任何合适的数据结构体现。
在一些示例中,系统可能能够与其他系统或远程数据源进行通信。在图1b所示的示例中,系统100通过网络110而连接到至少一个远程计算装置112a至112c。例如,系统100可以包括位于医院的多个计算机和服务器,系统100可以通过网络110与另一医院的可以替选地被称为计算机系统的计算装置112a进行通信,以发送和/或接收医学数据。
系统100可以同时与表示存储至少一个医学指南的医学指南储存库的计算装置112b进行通信。医学指南储存库可以体现在存储至少一个医学指南的任何装置中。在一些示例中,医学指南储存库可以包括存储至少一个指南的远程可访问的数据库,其中,指南以数字格式被存储并且包括识别至少一个指南的元数据。例如,医学指南可以被存储为PDF,并且元数据可以包括:医学指南的名称的指示、公布的日期、医学指南所涉及的疾病的指示、医学指南被首次公布的国家或医学指南被设计成适用的国家、以及可以用于识别指南的任何其他信息。稍后将描述识别医学指南的特征及其用途的更多示例。
系统还可以与充当控制装置的计算装置112c进行通信以控制系统100的操作。例如,诸如个人计算机或服务器的远程计算装置可以被管理员用来控制系统100。
如本文中描述的医疗保健数据可以包括与以下相关的数据:患者记录(例如,来自诊断测试或疗法步骤的结果)、医学指南(例如,如将在下面讨论的有向图)、统计数据、医学研究、科学文章或任何其他医学或临床相关的信息。医疗保健数据可以以任何数目的数字格式被存储,存储医疗保健数据的数字格式可以取决于医疗保健数据的类型。例如,与诊断结果相关的原始数据可以被存储为纯文本文件、CSV文件或任何其他合适的文件格式。一些类型的医疗保健数据可以以人类可读的格式被存储,或者可替选地,可以以计算机可解释的语言被存储。在一些示例中,系统100可以以计算机可解释的格式向用户装置106a至106d发送医疗保健数据,并且用户装置106a至106d可以处理该数据并以人类可读的格式将该数据呈现给用户。
医学指南可以定义用于治疗具有医学状况的患者的临床路径。在一些示例中,医学指南被分成一系列治疗阶段。治疗阶段的示例可以包括:分期、初始治疗、主动监测、复发治疗和其他。临床路径可以由一系列临床步骤限定,其中,在给定时间处要执行哪个临床步骤的选择至少取决于来自至少一个先前临床步骤的结果。临床步骤可以包括观察、决策、事件、要给予具有医学状况的患者的诊断测试或疗法治疗。医学指南可以以诸如PDF的数字格式在线地被打印或被公布。医学指南可以包含关于医学治疗路径的证据和/或基于共识的建议。医学指南也可以包含关于在相应的医学指南中定义的临床路径的说明和/或理由。
在本文描述的示例中,系统100在数据库108中维护由至少一个有向图表示的医学指南。在一些示例中,一组有向图被用来表示医学指南,例如,其中每个有向图表示医学指南内的治疗阶段。在接下来的讨论中,可以参考由有向图表示的医学指南。然而,公认的是,医学指南可以由一组有向图来表示,并且对表示医学指南的有向图的参考可以指代表示医学指南的至少一部分的有向图。在示例中,一组有向图彼此连接以形成医学指南的表示。系统100可以预先安装有最新医学指南的机器可解释的表示。可以在图2中看到有向图的示例。有向图200包括多个元素。所述多个元素包括多个节点202a至2021。节点202a至2021可以表示临床步骤,并且在一些示例中,多个节点202a至2021中的每一个表示在由有向图200表示的医学指南的相应至少一部分中描述的临床步骤。有向图200还包括一组有向边204a至2041。多个节点202a至2021中的每个节点通过该组有向边204a至2041中的至少一个连接到所述多个节点202a至2021中的至少一个其他节点。所述多个节点202a至2021和该组有向边204a至2041可以被统称为有向图的元素。所述多个节点202a至2021可以限定被推荐要在具有特定医学状况的患者上执行的一系列诊断测试和医学治疗。节点202a至2021还可以限定沿着治疗路径发生的观察点和/或决策。有向边204a至204l可以限定当治疗具有特定医学状况的患者时临床步骤将被执行的方向和/或顺序。在一些示例中,有向边限定了如下条件,在所述条件下,患者要从经历由节点例如节点202c表示的特定临床步骤移动到经历由另一节点例如节点202d表示的不同的临床步骤。每个节点可以表示从与该节点相关联的所述临床步骤得到的条件参数值。可替选地,该组有向边中的每一个可以表示从所述临床步骤得到的条件参数值,所述临床步骤与和其联系的多个节点之一相关联。在一些示例中,多组有向边中的至少一组可以指定在从一个节点遍历到另一节点之前要接收的用户输入。有向图还可以包括没有与临床步骤相关联的另外的一组节点。
在示例中,有向图以JSON格式被维护为至少一个列表,所述至少一个列表包括表示有向图的节点202a至2021和有向边204a至2041的唯一标识符。所述至少一个列表中的条目可以链接到相应指南中的定义或参考。在一些示例中,该链接包括其他信息,例如,基于共识的加权。表示有向边204a至204l的条目还可以包括与节点202a至202l的关联或链接,节点202a至202l连接到相应的有向图中的有向边。表示有向边的条目还可以包括关于从连接至有向边的第一节点到连接至有向边的第二节点的方向的信息。例如,表示有向边204c的条目可以包括指示:有向边204c连接到节点202b和202e,并且沿着有向边204c的方向是从202b到202e。有向图可以包括两层元素,所述两层元素允许在诊所和/或临床场所处进行修改而不会丢失与原始有向图相关的信息。
可以在事件模型中维护与有向图相关的另外的信息。图3示出了关于有向图的事件模型的示例。事件模型300包括链接到有向图中的相应节点的表示事件或步骤的条目302a至302n的列表。条目302a至302n可以包括以下中的任何一个:唯一标识符304a至304n;医学编码系统中的编码306a至306n;标签308a至308n;步骤的类型310a至310n(例如,活检);所需的患者属性输入312a至312n;所需的患者属性输出314a至314n;与事件的影响316a至316n、事件的有效性318a至318n、事件的成本320a至320n、事件的持续时间322a至322n、事件的侵入性324a至324n或任何其他相关信息相关的注释。从而允许以允许使用如本文描述的医学指南的有效方式来存储医学指南中包含的重要信息。事件模型300包括使事件模型与相应的医学指南关联的标识符326。为了清楚起见,在图3中仅示出了关于条目302a的数据。
在本文描述的某些示例中,系统100在数据库108中维护多个患者模型,所述多个患者模型中的每一个包括与相应患者相关联的医疗保健数据。例如,患者模型可以包括以下中的任何一项:在临床规程期间生成的数据,例如对患者执行的诊断和/或疗法步骤;例如,特别是在临床规程的选择偏离医学指南的情况下,对患者执行临床规程的原因;与患者相关的常规数据,例如年龄、性别、身高、体重指数;已知状况、风险因素、患者标识符;与患者相关的遗传信息;或者对患者进行分类的任何其他信息。在一些示例中,患者模型可以各自被存储为包括多个患者条目的列表。每个患者条目可以包括与患者属性相关的数据。图4示出了患者模型400的示例,该患者模型400包括患者条目402a至402n的列表、患者标识符404以及在一些情况下的其他患者数据406。患者条目402a至402n可以包括以下中的任何一个:唯一标识符408a至408n;经编码的标识符410a至410n,例如医学编码系统中的标识符;自然语言标签412a至412n;临床步骤的类型414a至414n(例如,活检、扫描、身体评估等);测量单元416a至416n;以及患者属性值418a至418n(例如,来自测试的结果)。患者条目可以包括经编码的标识符410a至410n与也被称为属性值的患者属性值418a至418n之间的关联。为了清楚起见,在图4所示的示例中仅示出了患者条目402a中的数据。经编码的标识符可以识别相应的患者条目的患者属性值所涉及的临床步骤,其中,每个临床步骤与相应的经编码的标识符相关联。
在一些示例中,在中央数据库108或计算装置中存储和/或维护与患者相关的多个患者模型。患者模型可以被存储在与表示有向图的数据相同的数据库中,或者可以被存储在单独的数据库中。可以通过网络连接经由系统100访问患者模型。在其他示例中,患者模型可以被本地地存储在临床中心,例如患者在过去被治疗过或当前正在接受治疗的医师的手术室或医院。例如,可以通过网络110经由系统100在远程位置处访问存储在系统100中的一个医院的患者模型。
在一些示例中,系统100通过经由网络110访问远程计算装置112a至112c来更新患者模型。例如,系统100可以通过网络110访问存储与患者相关的数据的医学测试设备以更新相应的患者模型。系统100可以访问医院中存储与患者相关的医学信息的服务器或其他计算装置。在一些示例中,系统100可以连续地和/或定期地从各种医院信息系统收集关于患者的数据。可以以预定的时间间隔例如每小时、每天等收集数据。时间间隔的大小可以取决于系统100或临床中心的大小。在一些示例中,数据收集可以由系统100中发生的其他事件和/或消息来触发。关于患者的数据的检索可以基于现有的标准,例如HL7、DICOM、FHIR。在其他示例中,可以通过使用关于医院中可用的信息存储的专有信息来执行关于患者的数据的检索。在一些示例中,通过从外部源接收或访问数据来执行患者数据的检索,包括经编码的标识符,例如SNOMED CT、LOINC或西门子内部编码系统。在其他示例中,系统100可以使用自然语言处理技术从电子存储的与患者相关的笔记和文件中提取信息。在一些示例中,可以使用两种技术的组合。患者模型可以在系统100中被表示为符合FHIR标准并被存储在FHIR服务器中的一组资源。
将参照图1a和图1b的示例系统100来描述本发明的实施方式的以下描述。然而,可以在与图1a和图1b的系统不同的系统中实现以下实施方式。
在实施方式中,至少一个存储器104a至104n包括计算机程序代码,并且至少一个存储器104a至104n和计算机程序代码被配置成:与至少一个处理器102a至102n一起使系统100执行由图5中的流程图的每个框指示的步骤。其中,在框502处,系统100在第一数据库108中维护表示第一有向图的数据,该第一有向图表示医学指南的至少一部分,该第一有向图包括表示临床步骤的多个元素。在一些实现中,多个元素包括各自表示临床步骤的多个节点和一组有向边,多个节点中的每个节点通过该组有向边中的一个连接到至少一个另外的节点,第一有向图包括主节点并终止于至少一个端节点。在框504处,系统100在第二数据库108中维护多个患者模型,所述多个患者模型各自包括与相应患者相关联的医疗保健数据。第一数据库和第二数据库可以是相同或不同的数据库。
在框506处,系统100通过处理多个患者模型和表示有向图的数据,从多个元素中选择至少一个元素例如节点202a至2021、有向边204a至2041或这两者的组合,以识别患者的子集的治疗偏离了医学指南的至少一部分的至少一个元素。这可能涉及将每个节点202a至2021和/或有向边204a至2041的所需的患者属性输入312a至312n或所需的患者属性输出314a至314n与来自每个患者模型的相应的患者属性值进行比较。在一些示例中,所选择的元素可以是其治疗已经偏离医学指南的至少一部分的患者的数目超过预定数目的元素。
可替选地,选择至少一个元素可以包括:处理多个患者模型和表示第一有向图的数据,以识别其治疗已经偏离医学指南的至少一部分的患者的子集超过与多个患者模型相关联的患者的预定比例的至少一个元素。例如,可能存在选定的比率或百分比。其中,如果其治疗在节点和/或有向边处偏离的患者的数目超过给定的患者总数百分比,则可以选择节点和/或有向边。
在框508处,系统100基于所选择的至少一个元素和多个患者模型的组合来识别如下第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合医学指南的至少一部分。在一些情况下,系统100可以基于用户输入来覆盖对至少一个元素的选择。
由多个患者模型表示的患者的治疗可以以多种方式在所选择的节点处偏离。第一有向图中的节点可以是决策节点或结果节点。决策节点是执行特定临床步骤例如治疗规程、医学测试或另一主动临床步骤的决策将要被执行的节点。结果节点是与主动临床步骤的结果的分析对应的节点。例如,决策节点可以表示执行患者的血液测试的决策,并且相关联的结果节点可以是表示血液测试的分析的节点,其中,血液测试的结果中的变量具有期望的范围。如果医学从业者决定不执行推荐的血液测试,那么患者的治疗可能在决策节点处偏离。如果患者的血液测试的结果不在与结果节点相关联的期望范围内,则患者的治疗可能在结果节点处偏离。
如上所述,所选择的节点可以与至少一个条件参数值相关联,患者模型各自均包括与相应的临床步骤对应的多个患者属性值,并且基于至少一个条件参数值与来自多个患者模型的相应患者属性值的比较来识别第一患者群组和第二患者群组。以这种方式,其与临床步骤相关联的属性值与该临床步骤的期望值不一致的患者可以被识别为属于第一患者群组。
患者偏离如下决策节点,在该决策节点处,患者的治疗不符合由该节点表示的决策。在关于某种类型的癌症的疗法的指南的示例中,表示该指南的至少一部分的相关联的有向图中的决策节点可以表示根据癌症的亚型和/或某些实验室值的可能的疗法选择。决策节点处的可能的输出可以是建议放射疗法之后再化学疗法的选项。在许多情况下可以遵循该建议,并且可以通过识别与各个患者模型中的建议的步骤相关联的数据(例如,来自被存储在患者模型中的放射疗法和化学疗法的测试结果)来确定情况是否如此。可替选地,医学从业者可以将执行建议的步骤的指示输入到系统100中并且使该指示与患者模型一起被存储。
然而,对于一些患者,化学疗法可能不是最好的治疗方式。例如,老年患者可能无法幸免于化学疗法的副作用。医师可以选择仅执行放射疗法而不执行化学疗法,原因是医师知道这将为患者带来更好的结果,例如患者的寿命延长和/或患者的生活质量更好。在这种情况下,基于与对应于所选择的节点的相应的患者模型相关联的医疗保健数据的可用性来识别第一患者群组和第二患者群组。患者模型中存储的患者条目可以各自与生成患者条目的相对顺序和/或日期相关联。以这种方式,系统100可以基于由指南推荐临床步骤的顺序与相应的患者模型中的患者条目之间的对应来确定患者是否遵循了医学指南。
类似地,在有向边与条件参数值相关联的情况下,如果相应的患者属性值不满足与有向边相关联的条件参数值,则患者的治疗在有向边处偏离。如果患者的治疗偏离由连接到有向边的节点表示的临床步骤,则患者的治疗也可能在有向边处偏离。在一些实现中,有向边表示临床步骤。
将每个患者条目与相应的日期和/或相对顺序相关联可以允许患者模型存储与整个患者历史相关的医学信息,而不会干扰当前治疗阶段的分析。在这种情况下,患者模型可以包括与要执行的临床步骤相关的患者条目。然而,患者条目可能涉及在先前治疗阶段中或在更早日期处发生的临床步骤的在先执行。例如,患者可能由于特定癌症而被治疗,从而经受放射疗法和化学疗法二者。在一段时间的好转之后,癌症可能复发,或者患者体内可能出现新的癌症。患者可以再次被治疗,但是在这种情况下,患者可能不遵循决策节点处的指示要执行放射疗法和化学疗法的指南,例如原因是患者已经变得更老并且这不再是推荐的选项。在这种情况下,将患者模型中与癌症的首次出现相关的患者条目与癌症的复发相关的患者条目区分开是重要的。就这一点来说,患者条目可以各自与日期相关联,使得患者历史的时间线可以准确地被映射到有向图。
在框510处,系统100处理表示第一患者群组和第二患者群组的多个患者模型,以确定将第一患者群组与第二患者群组区分开的至少一个患者群组特性。在框512处,系统100至少根据至少一个识别的患者群组特性来生成第二有向图。在框514处,系统100发送表示第二有向图的数据,以供用户装置106a至106d接收。
在一些情况下,不遵循医学指南的原因可能例如是:由于截至目前医学指南中还没有确认的缺点、在不同的医学护理设施中实践的差异、设备的可用性以及可能影响遵循医学指南的能力和/或有效性的其他因素。通过识别将第一患者群组与第二患者群组区分开的患者群组特性,可能识别在所选择的至少一个元素处不遵循医学指南的原因。许多不同的因素可以被认为是患者群组特性,包括但不限于年龄、身高、体重、性别、体重指数、基因突变、预先存在的状况、相关联的医学从业者和位置。
如上所述,如果与相应的临床步骤对应的患者属性值偏离诸如条件参数值的期望值,则患者在结果节点处偏离。与期望值的偏离可以指示关于患者的不良结果。通过识别因遵从医学指南而已经具有不良结果的患者的患者群组特性,可能使针对共有所识别的患者群组特性的未来患者的治疗更加有效。为此,第二有向图可以包括如下指示:由所选择的至少一个元素表示的临床步骤不被推荐用于与所识别的至少一个群组特性相关联的患者。
图6A示出了表示用于治疗特定类型的癌症的医学指南的一部分的第一有向图600。有向图600包括多个节点602a至602e以及一组有向边603a至603e。节点602c表示要执行放射疗法和化学疗法的决策。在示例中,节点602c被选择,并且可以确定其治疗在节点602c处偏离医学指南的一部分的第一患者群组与第二患者群组被区分开,原因是第一群组中的患者共有75岁以上男性的特性。图6B示出了至少取决于所识别的特性的第二有向图610。第二有向图610包括与有向图600中相应节点对应的多个节点604a至604d,其中,具有共同字母后缀的附图标记指示表示相同临床步骤的节点。例如,节点602a表示与节点604a相同的临床步骤,节点602b表示与节点604b相同的临床步骤等。第二有向图610还包括与有向图600中相应的有向边对应的一组有向边605a至605e,其中,具有共同字母后缀的附图标记指示所述边彼此对应。有向图610还包括如下指示:由所选择的节点602c、604c表示的临床步骤不被推荐用于与所识别的至少一个特性——在这种情况下,所述特性包括是男性且在75岁以上——相关联的患者。在图6B的示例中,该指示被实现为节点604c的外观的修改。表示第二有向图的数据还可以使用户装置106a至106d生成与所选择的节点604c相关联的警告。例如,当在患者的治疗期间将患者模型映射到有向图610时,如果患者模型被映射到所选择的节点604c之前或所选择的节点604c处的节点,则可以结合所选择的节点604c在用户装置106a至106d上显示警告,所述警告指示由所选择的节点604c表示的临床步骤不被推荐用于是男性并且在75岁以上的患者(即,共有所识别的第一患者群组的至少一个患者群组特性的患者)。
图6C示出了至少取决于所识别的特性的第二有向图620的另一个示例。包括与有向图600和610中相应的节点对应的多个节点606a至606e,其中,具有共同字母后缀的附图标记指示表示相同临床步骤的节点。例如,节点602a表示与节点606a相同的临床步骤,节点602b表示与节点606b相同的临床步骤等。第二有向图620还包括与有向图600中相应的有向边对应的一组有向边607a至607h,其中,具有共同字母后缀的附图标记指示所述边彼此对应。有向图620还包括经由相应的有向边607h连接到所选择的节点606c的另一个节点606f。另一个节点606f包括如下指示:由所选择的节点606c表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。以这种方式,在患者处于节点606c之前,可以将可能的偏离通知给医师或另一医学从业者,在节点606c处,偏离已经被识别为对于具有所识别的至少一个患者群组特性的患者可能发生。
在一些示例中,有向图620包括多于一个的另外的节点606f,例如图6C中虚线所示的额外的节点606g。在这种情况下,当将患者模型映射到有向图620时,可以在节点606f处识别可能的偏离,然后可以在节点606g处执行检查被分析的患者模型是否表示与所识别的至少一个患者群组特性相关联的患者的另外的临床步骤。
在其他示例中,第二有向图620包括在第一端处连接到另一节点的另一有向边,该另一有向边指示与用于第一患者群组的治疗的医学指南的至少一部分偏离。例如,有向边可以指示:第一患者群组的治疗应该在由所选择的节点表示的临床步骤之前偏离指南。另外的有向边指示:医师应该决定如何治疗患者,例如,使用他们的知识来确定优选的治疗方法。
系统100可以基于指示关于与所识别的至少一个患者群组特性相关联的患者的决策的用户输入来修改第二有向图。换言之,系统100可以自动地修改第二有向图,以包括对第一患者群组中的患者的治疗阶段的改变。系统100可以检测用户在哪里对第一群组中的患者的治疗做出偏离指南的治疗决策,并且系统100可以修改第二有向图以反映这一点。
可以使用第二有向图610或620来分析另一个患者模型,该另一个患者模型被存储在第三数据库中并且包括与如下患者相关联的医疗保健信息,所述患者与所识别的第一患者群组的至少一个特性相关联。系统100可以基于第二有向图与另一个患者模型的组合来确定至少一个另外的节点的状态和/或与其连接的有向边的状态。在这种情况下,节点或连接到该节点的有向边的状态指的是存储在与由相应节点表示的临床步骤对应的患者模型中的数据的可用性和/或特性。例如,可以基于存储在患者模型中的患者条目与和节点和/或有向边对应的条件参数值的比较来确定患者相对于医学指南的当前位置。
然后,系统100可以根据至少一个另外的节点的状态和/或与其连接的有向边的状态来发送指示至少一个另外的节点的状态和/或与其连接的有向边的状态的数据,以供用户装置106a至106d接收。该数据然后被用于确定由所选择的节点表示的临床步骤是否不被推荐用于患者。以这种方式,当使用第二有向图来通知患者的治疗时,可以基于所识别的患者群组特性来生成向医师通知关于至少一个医学指南的更新的相关信息和/或提示。系统100实际上可以提示医师检查与患者相关的一些医学信息,以确定是否应该执行特定的临床步骤。
一旦使医学从业者意识到医学指南中的临床步骤不被推荐用于该当前患者,就可以提示他们用他们确实执行的临床步骤来更新第二有向图。为此,系统100可以根据另一个节点的状态来发送指示来自用户装置106a至106d的用户的输入请求的数据,以供用户装置106a至106d接收。然后,系统100可以从用户装置106a至106d接收指示要由另外的多个节点表示的另外的临床步骤的数据,并且基于接收到的指示另外的临床步骤的数据来修改第二有向图。
处理表示第一患者群组和第二患者群组的多个患者模型以确定至少一个患者群组特性可以使用许多适当的统计和机器学习技术。例如,处理可以涉及主成分分析、随机森林回归和正则化回归中的至少一种。
图7A至图7C图形地示出了如何使用统计方法来识别有区别的群组特性。让我们考虑多个患者模型,所述多个患者模型中的每个患者模型包括描述患者的N个特性或特征(f1,f2,……,fN)。这些特征可以包括人口统计(性别、年龄等)、临床发现和观察、先前的检查、当前的药物、过敏,吸烟史等。
图7A示出了基于两个这样的特征(f1,f2)的患者模型的图,其中,使用圆圈示出了患者的第一子群,而用十字示出了第二子群。尽管使用两个这样的特征示出了患者模型的图,但是应当理解的是,可以基于更多数目的变量来分析患者之间的差异。统计方法可以涉及分析特征空间以识别允许一个人区分所述两个群的特征。在图7A和图7B所示的示例中,可以基于单个特征——在这种情况下为f1——在群之间进行区分。可以执行自动分析以识别将两个子群分开的阈值。
可以训练分类和回归树模型(CART)以将患者模型分类到两个类之一中,从而内部地执行特征选择。作为CART训练的副产物而生成的所选择的特征可以被用作辨别特征并形成至少一个患者群组特性。如上所讨论的,也可以使用其他分类技术,包括线性判别分析(LDA)、随机森林和支持向量机(SVM)。
在一些示例中,诸如图7C中所示的示例,不能通过单个特征来区分所述群。相反,可以使用特征的线性或非线性组合来在两个子群之间进行区分。在这种情况下,考虑到患者模型的两个子群,上述技术的经修改的版本可以用于针对任意数目的特征N生成超平面。在图7c的示例中,超平面被实现为分类线。
在多个有向图可用——其表示指南的至少一部分可用——的情况下,例如,在一个有向图包括手动或自动生成的对指南的修改的情况下,系统100可以测试每个有向图的适合性并选择最有利的一个。
在实施方式中,至少一个存储器104a至104n包括计算机程序代码,并且至少一个存储器104a至104n和计算机程序代码被配置成:与至少一个处理器102a至102n一起使系统100执行由图8中的流程图的每个框指示的步骤。
在框802处,系统100在第一数据库108中维护表示第一有向图和第二有向图的数据,该第一有向图表示医学指南的至少一部分,该第二有向图表示医学指南的至少一部分以及对医学指南的至少一部分的修改。
对医学指南的至少一部分的修改可以包括实际上与指南中指示的推荐的临床步骤的偏离。例如,如上所述,当治疗某些类型的患者时,可以避免某些临床步骤,第二有向图可以表示在治疗中这样的偏离。可以例如基于医学从业者的假设而手动地创建表示修改的第二有向图,或者可以基于由患者模型所表示的患者历史而自动地生成表示修改的第二有向图。
第一有向图和第二有向图中的每一个包括表示临床步骤的相应多个元素。所述多个元素可以包括多个节点和一组有向边,其中,所述多个节点表示相应的临床步骤。
在框804处,系统100在第二数据库108中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型。第一数据库和第二数据库可以是相同的数据库或不同的数据库。
在框806处,系统100识别第一组患者模型和第二组患者模型。第一组患者模型表示已经基于由第一有向图表示的医学指南的至少一部分而被治疗的患者。第二组患者模型表示已经基于由第二有向图表示的医学指南的至少一部分而被治疗的患者。在修改取决于患者群组特性的情况下,第一组患者模型和第二组患者模型可以表示与患者群组特性相关联的患者。在其他示例中,患者模型是存储在第二数据库中的患者模型的随机或接近随机的样本。如前面关于图6A至图6C所讨论的,可以在第二有向图中由至少一个节点和至少一个有向边中的至少一个来表示对医学指南的至少一部分的修改。类似于上述示例,对医学指南的至少一部分的修改与患者群组特性相关联,并且可以基于患者群组特性来识别第一组患者模型和第二组患者模型。
在框808处,系统100基于第一组患者模型与第二组患者模型的比较来确定第一有向图和第二有向图中的哪一个是优选的有向图。在框810处,系统100响应于该确定而发送表示优选的有向图的数据,以供用户装置106a至106d接收。
优选的有向图通常是如下有向图:当由医师实施对患者的治疗时,所述有向图可以为这些患者带来更好的结果。对患者而言,更好的结果是提供任意以下方面的结果:改善的健康状况、更好的生活质量、更长的预期寿命、更少的治疗后并发症以及在某些情况下疾病复发的可能性减小。
系统100可以基于多个患者模型来确定第一有向图或第二有向图中的哪一个是优选的有向图。在该实施方式中,患者模型例如在相应的一个或多个患者条目中各自包括至少一个患者结果测量。系统100可以将第一组患者模型的第一多个患者结果测量与第二组患者模型的第二多个患者结果测量进行比较。
可以例如基于从涉及治疗阶段的设备生成的包括测试结果的数据而自动生成患者模型中的结果测量。在其他示例中,可以基于来自用户的输入来收集和手动输入结果测量。在这种情况下,正在治疗患者的医师可以在患者的治疗期间和/或在治疗后的随诊过程期间生成表示结果测量的数据。这些数据可以被输入到用户装置106a至106d,并且被发送以用于存储在相应的患者模型中。
系统100可以基于多个患者模型和第一有向图的比较来识别第一组患者模型。患者模型和第一有向图的比较可以包括针对每个患者模型确定第一有向图的元素中的每一个的状态。类似地,可以基于多个患者模型与第二有向图的比较来识别第二组患者模型。可替选地,可以基于第一组患者模型的识别之后的消除的过程来确定第二组患者模型。
为了确定元素的状态,系统100可以维护患者条目中的至少一个与来自多个标识符中的标识符之间的第一关联以及元素与标识符之间的第二关联。基于第一关联和第二关联来选择与元素相关联的属性值。然后,系统100基于与所述元素相关联的属性值和与所述元素相关联的条件参数值的比较来确定是否满足与所述元素相关联的条件参数值。
确定哪个有向图是优选的有向图也可能对患者遵循每个有向图的程度敏感。例如,根据第二有向图治疗的患者可能比根据第二有向图治疗的患者更有可能偏离,这可能是第二有向图不适合的指示。为此,系统100可以确定第一测量和第二测量,第一测量指示第一组患者模型与第一有向图的平均一致性,第二测量指示第二组患者模型与第二有向图的平均一致性。可以使用平均一致性的第一测量和第二测量来执行第一多个患者结果测量与第二多个患者结果测量的比较。一致性的第一测量和第二测量分别取决于关于以下的平均状态:(i)第一组患者模型和第一有向图的多个元素;以及(ii)第二组患者模型和第二有向图的多个元素。
用户输入可以用于影响第一有向图或第二有向图作为优选的有向图的选择。为此,第一患者模型与第二患者模型的比较——即,各个结果测量的比较——的结果可以被发送,以供用户装置106a至106d接收。系统100然后可以从用户装置106a至106d接收指示关于比较的结果的决策的数据,并且基于接收到的数据来选择第一有向图或第二有向图之一。
系统100还可以向用户装置106a至106d提供补充数据以及表示优选的有向图的数据。如果第一有向图是优选的,则系统100可以发送与第一多个结果测量对应的数据以供用户装置106a至106d接收;或者如果第二有向图是优选的,则系统100可以发送与第二多个结果测量对应的数据以供用户装置106a至106d接收。
以上示例是出于说明的目的而给出的。上述系统可以用于患有如下疾病的任何患者的分期和管理,对于所述疾病,至少一个医学指南是可用的。
编号的条款
以下编号的条款描述了本发明的各种实施方式。
1.一种可操作成将医疗保健数据发送到用户装置的系统,所述用户装置被配置成用于分析医学信息,所述系统包括至少一个处理器和包含计算机程序代码的至少一个存储器,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使所述系统:
在第一数据库中维护表示第一有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第一有向图包括表示临床步骤的多个元素;
在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
通过对所述多个患者模型和表示所述第一有向图的数据进行处理,从所述多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了所述医学指南的至少一部分的至少一个元素;
基于所选择的至少一个元素和所述多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了所述医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合所述医学指南的至少一部分;
对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理,以识别将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性;
至少根据所识别的至少一个患者群组特性来生成第二有向图;以及
发送表示所述第二有向图的数据,以供所述用户装置接收。
2.根据条款1所述的系统,其中,选择所述至少一个元素包括:对所述多个患者模型和表示所述第一有向图的数据进行处理,以识别如下至少一个元素,在所述至少一个元素处,其治疗偏离了所述医学指南的至少一部分的患者的子集超过与所述多个患者模型相关联的患者的预定比例。
3.根据条款1或条款2所述的系统,其中,所述至少一个患者群组特性包括以下中的至少一个:
年龄;
身高;
体重;
性别;
身体质量指数;
基因突变;
相关联的医学从业者;以及
位置。
4.根据任一前述条款所述的系统,其中,所述存储器和计算机程序代码被配置成:与所述至少一个处理器一起使所述系统基于用户输入来覆盖所述至少一个元素的选择。
5.根据任一前述条款所述的系统,其中,所选择的至少一个元素与至少一个条件参数值相关联,所述患者模型各自包括与相应临床步骤对应的多个患者属性值,并且基于所述至少一个条件参数值与来自所述多个患者模型的相应的患者属性值的比较来识别所述第一患者群组和所述第二患者群组。
6.根据条款1至4中任一项所述的系统,其中,基于与所选择的至少一个元素对应的相应患者模型中的医疗保健数据的可用性来识别所述第一患者群组和所述第二患者群组。
7.根据任一前述条款所述的系统,其中,对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理以确定将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性包括使用以下中的至少一个来处理所述多个患者模型:
主成分分析;
随机森林回归;以及
正则化回归。
8.根据任一前述条款所述的系统,其中,所述第二有向图包括以下指示:由所选择的至少一个元素表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。
9.根据条款8所述的系统,其中,所述第二有向图包括:
多个节点;
一组有向边;以及
连接到所选择的元素的至少一个另外的节点,
其中,所述至少一个另外的节点包括以下指示:由所选择的元素表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。
10.根据条款9所述的系统,其中,所述第二有向图包括在第一端处连接到所述另外的节点的至少一个另外的有向边,所述另外的有向边指示与用于所述第一患者群组的医学指南的至少一部分偏离。
11.根据任一前述条款所述的系统,其中,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使所述系统:
基于指示关于与所识别的至少一个患者群组特性相关联的患者的决策的用户输入来修改所述第二有向图。
12.根据条款9或条款10所述的系统,其中,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使所述系统:
在第三数据库中维护包括与患者相关联的医疗保健数据的另外的患者模型,所述患者与所识别的至少一个患者群组特性相关联;
基于所述第二有向图和所述另外的患者模型的组合,来确定所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态;以及
根据所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态,来发送指示所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态的数据以供所述用户装置接收,指示所述至少一个另外的节点的状态和/或与所述至少一个另外的节点连接的有向边的状态的数据被用来确定由所选择的节点表示的临床步骤是否不被推荐用于所述患者。
13.根据条款12所述的系统,其中,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使所述系统:
根据所述另外的节点的状态和/或与所述另外的节点连接的有向边的状态,来发送指示来自所述用户装置的用户的输入请求的数据,以供所述用户装置接收;
从所述用户装置接收指示要由另外的多个节点表示的另外的临床步骤的数据;以及
基于所接收的指示所述另外的临床步骤的数据来修改所述第二有向图。
14.一种包括一组指令的计算机程序,所述指令当由计算机化装置执行时使所述计算机化装置执行向用户装置发送医疗保健数据的方法,所述用户装置被配置成用于分析医学信息,所述方法包括:
在第一数据库中维护表示第一有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第一有向图包括表示临床步骤的多个元素;
在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
通过对所述多个患者模型和表示所述第一有向图的数据进行处理,从所述多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了所述医学指南的至少一部分的至少一个元素;
基于所选择的至少一个元素和所述多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了所述医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合所述医学指南的至少一部分;
对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理,以识别将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性;
至少根据所识别的至少一个患者群组特性来生成第二有向图;以及
发送表示所述第二有向图的数据,以供所述用户装置接收。
15.一种用于向用户装置发送医疗保健数据的方法,所述用户装置被配置成用于分析医学信息,所述方法包括:
在第一数据库中维护表示第一有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第一有向图包括表示临床步骤的多个元素;
在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
通过对所述多个患者模型和表示所述第一有向图的数据进行处理,从所述多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了所述医学指南的至少一部分的至少一个元素;
基于所选择的至少一个元素和所述多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了所述医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合所述医学指南的至少一部分;
对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理,以识别将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性;
至少根据所识别的至少一个患者群组特性来生成第二有向图;以及
发送表示所述第二有向图的数据,以供所述用户装置接收。
16.一种可操作成将医疗保健数据发送到用户装置的系统,所述用户装置被配置成用于分析医学信息,所述系统包括至少一个处理器和包含计算机程序代码的至少一个存储器,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使所述系统:
在第一数据库中维护表示第一有向图和第二有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第二有向图表示所述医学指南的至少一部分和对所述医学指南的至少一部分的修改,每个有向图包括表示临床步骤的相应的多个元素;
在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
识别第一组患者模型和第二组患者模型,所述第一组患者模型表示基于由所述第一有向图表示的医学指南的至少一部分已经被治疗的患者,所述第二组患者模型表示基于由所述第二有向图表示的医学指南的至少一部分已经被治疗的患者;
基于所述第一组患者模型和所述第二组患者模型的比较,来确定所述第一有向图和所述第二有向图中的哪一个是优选的有向图;以及
响应于所述确定,发送表示所述优选的有向图的数据以供所述用户装置接收。
17.根据条款16所述的系统,其中,对所述医学指南的至少一部分的修改由以下中的至少一个表示:
所述第二有向图中的至少一个节点;以及
所述第二有向图中的至少一个有向边。
18.根据条款16或条款17所述的系统,其中,所述多个患者模型各自包括多个患者条目,所述患者条目中的至少一个包括至少一个患者结果测量,并且确定所述第一有向图和所述第二有向图中的哪一个是优选的有向图包括:将所述第一组患者模型的第一多个患者结果测量与所述第二组患者模型的第二多个患者结果测量进行比较。
19.根据条款16至18中任一项所述的系统,其中,所述医学指南的至少一部分的修改与患者群组特性相关联,并且基于所述患者群组特性来识别所述第一组患者模型和所述第二组患者模型。
20.根据条款16至19中任一项所述的系统,其中,所述至少一个存储器和计算机程序代码被配置成:与所述至少一个处理器一起使所述系统基于所述多个患者模型与所述第一有向图的比较来识别所述第一组患者模型,其中,将所述多个患者模型和所述第一有向图进行比较包括:针对每个患者模型,确定所述第一有向图的所述多个元素中的至少一个元素的状态。
21.根据条款16至20中任一项所述的系统,其中,所述至少一个存储器和计算机程序代码被配置成:与所述至少一个处理器一起使所述系统基于所述多个患者模型与所述第二有向图的比较来识别所述第二组患者模型,其中,将所述多个患者模型和所述第二有向图进行比较包括:针对每个患者模型,确定所述第二有向图的所述多个元素中的至少一个元素的状态。
22.根据条款20或条款21所述的系统,其中,对于所述患者模型,所述元素的状态取决于所述患者模型中与临床步骤相关联的数据的可用性,所述临床步骤与所述元素相关联。
23.根据条款20或条款21所述的系统,其中,每个患者模型包括多个患者条目,每个患者条目包括至少一个属性值,并且确定所述元素的状态包括:
维护所述患者模型的患者条目中的至少一个与来自多个标识符中的标识符之间的第一关联;
维护所述元素与来自所述多个标识符中的标识符之间的第二关联;
基于所述第一关联和所述第二关联,选择与所述元素相关联的所述属性值;以及
基于与所述元素相关联的属性值和与所述元素相关联的条件参数值的比较,来确定是否满足与所述元素相关联的条件参数值。
24.根据条款16至23中任一项所述的系统,其中,确定所述有向图中的哪一个是优选的有向图包括:
确定指示所述第一组患者模型与所述第一有向图的平均一致性的第一测量;
确定指示所述第二组患者模型与所述第二有向图的平均一致性的第二测量;以及
使用所述第一测量和所述第二测量来执行所述第一多个患者结果测量与所述第二多个患者结果测量的比较。
25.根据条款24所述的系统,其中,所述第一测量取决于所述第一有向图的所述多个元素的第一组患者模型的平均状态。
26.根据条款24或条款25所述的系统,其中,所述第二测量取决于所述第二有向图的所述多个元素的第二组患者模型的平均状态。
27.根据条款16至26中任一项所述的系统,其中,确定所述第一有向图和所述第二有向图中的哪一个是优选的有向图包括:
发送指示所述第一组患者模型与所述第二组患者模型的比较的结果的数据,以供所述用户装置接收;
从所述用户装置接收指示关于所述比较的结果的决策的数据;以及
基于所接收的指示所述决策的数据,选择所述第一有向图或所述第二有向图中的一个。
28.根据条款18所述的系统,其中,所述至少一个存储器和计算机程序代码被配置成与所述至少一个处理器一起使所述系统:
如果所述第一有向图是所述优选的有向图,则发送指示所述第一多个患者结果测量的数据,以供所述用户装置接收;或者
如果所述第二有向图是所述优选的有向图,则发送指示所述第二多个患者结果测量的数据,以供所述用户装置接收。
29.一种包括一组指令的计算机程序,所述指令当由计算机化装置执行时使所述计算机化装置执行向用户装置发送医疗保健数据的方法,所述用户装置被配置成用于分析医学信息,所述方法包括:
在第一数据库中维护表示第一有向图和第二有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第二有向图表示所述医学指南的至少一部分和对所述医学指南的至少一部分的修改,每个有向图包括表示临床步骤的相应的多个元素;
在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
识别第一组患者模型和第二组患者模型,所述第一组患者模型表示基于由所述第一有向图表示的医学指南的至少一部分已经被治疗的患者,所述第二组患者模型表示基于由所述第二有向图表示的医学指南的至少一部分已经被治疗的患者;
基于所述第一组患者模型与所述第二组患者模型的比较,来确定所述第一有向图和所述第二有向图中的哪一个是优选的有向图;以及
响应于所述确定,发送表示所述优选的有向图的数据以供所述用户装置接收。
30.一种用于向用户装置发送医疗保健数据的方法,所述用户装置被配置成用于分析医学信息,所述方法包括:
在第一数据库中维护表示第一有向图和第二有向图的数据,所述第一有向图表示医学指南的至少一部分,所述第二有向图表示所述医学指南的至少一部分和对所述医学指南的至少一部分的修改,每个有向图包括表示临床步骤的相应的多个元素;
在第二数据库中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
识别第一组患者模型和第二组患者模型,所述第一组患者模型表示基于由所述第一有向图表示的医学指南的至少一部分已经被治疗的患者,所述第二组患者模型表示基于由所述第二有向图表示的医学指南的至少一部分已经被治疗的患者;
基于所述第一组患者模型与所述第二组患者模型的比较,来确定所述第一有向图和所述第二有向图中的哪一个是优选的有向图;以及
响应于所述确定,发送表示所述优选的有向图的数据以供所述用户装置接收。
Claims (15)
1.一种可操作成将医疗保健数据发送到用户装置(106a至106d)的系统(100),所述用户装置(106a至106d)被配置成用于分析医学信息,所述系统(100)包括至少一个处理器(102a至102n)和包含计算机程序代码的至少一个存储器(104a至104n),所述至少一个存储器(104a至104n)和计算机程序代码被配置成与所述至少一个处理器(102a至102n)一起使所述系统(100):
在第一数据库(108)中维护表示第一有向图(600)的数据,所述第一有向图(600)表示医学指南的至少一部分,所述第一有向图(600)包括表示临床步骤的多个元素;
在第二数据库(108)中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
通过处理所述多个患者模型和表示所述第一有向图(600)的数据,从所述多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了所述医学指南的至少一部分的至少一个元素;
基于所选择的至少一个元素和所述多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了所述医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合所述医学指南的至少一部分;
对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理,以识别将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性;
至少根据所识别的至少一个患者群组特性来生成第二有向图(610,620);以及
发送表示所述第二有向图(610,620)的数据,以供所述用户装置(106a至106d)接收。
2.根据权利要求1所述的系统(100),其中,选择至少一个元素包括:对所述多个患者模型和表示所述第一有向图(600)的数据进行处理以识别如下至少一个元素,在所述至少一个元素处,其治疗偏离了所述医学指南的至少一部分的患者的子集超过与所述多个患者模型相关联的患者的预定比例。
3.根据权利要求1或2所述的系统(100),其中,所述至少一个患者群组特性包括以下中的至少一个:
年龄;
身高;
体重;
性别;
身体质量指数;
基因突变;
相关联的医学从业者;以及
位置。
4.根据任一前述权利要求所述的系统(100),其中,所述存储器(104a至104n)和计算机程序代码被配置成:与所述至少一个处理器(102a至102n)一起使所述系统(100)基于用户输入来覆盖所述至少一个元素的选择。
5.根据任一前述权利要求所述的系统(100),其中,所选择的至少一个元素与至少一个条件参数值相关联,所述患者模型各自包括与相应的临床步骤对应的多个患者属性值,并且基于所述至少一个条件参数值与来自所述多个患者模型的相应患者属性值的比较来识别所述第一患者群组和所述第二患者群组。
6.根据权利要求1至4中任一项所述的系统(100),其中,基于与所选择的至少一个元素对应的相应患者模型中的医疗保健数据的可用性来识别所述第一患者群组和所述第二患者群组。
7.根据任一前述权利要求所述的系统(100),其中,对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理以确定将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性包括使用以下中的至少一个来处理所述多个患者模型:
主成分分析;
随机森林回归;以及
正则化回归。
8.根据任一前述权利要求所述的系统(100),其中,所述第二有向图(610,620)包括以下指示:由所选择的至少一个元素表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。
9.根据权利要求8所述的系统(100),其中,所述第二有向图(620)包括:
多个节点(606a至606e);
一组有向边;以及
连接到所选择的元素的至少一个另外的节点(606f),
其中,所述至少一个另外的节点(606f)包括以下指示:由所选择的元素表示的临床步骤不被推荐用于与所识别的至少一个患者群组特性相关联的患者。
10.根据权利要求9所述的系统(100),其中,所述第二有向图(620)包括在第一端处连接到所述另外的节点(606f)的至少一个另外的有向边,所述另外的有向边指示与用于所述第一患者群组的医学指南的至少一部分偏离。
11.根据任一前述权利要求所述的系统(100),其中,所述至少一个存储器(104a至104n)和计算机程序代码被配置成与所述至少一个处理器(102a至102n)一起使所述系统(100):
基于指示关于与所识别的至少一个患者群组特性相关联的患者的决策的用户输入来修改所述第二有向图(610,620)。
12.根据权利要求9或10所述的系统(100),其中,所述至少一个存储器(104a至104n)和计算机程序代码被配置成与所述至少一个处理器(102a至102n)一起使所述系统(100):
在第三数据库(108)中维护包括与患者相关联的医疗保健数据的另外的患者模型,所述患者与所识别的至少一个患者群组特性相关联;
基于所述第二有向图(620)和所述另外的患者模型的组合,来确定所述至少一个另外的节点(606f)的状态和/或与所述至少一个另外的节点(606f)连接的有向边(607h)的状态;以及
根据所述至少一个另外的节点(606f)的状态和/或与所述至少一个另外的节点(606f)连接的有向边(607h)的状态,发送指示所述至少一个另外的节点(606f)的状态和/或与所述至少一个另外的节点(606f)连接的有向边(607h)的状态的数据,以供所述用户装置(106a至106d)接收,指示所述至少一个另外的节点(606f)的状态和/或与所述至少一个另外的节点(606f)连接的有向边(607h)的状态的数据被用来确定由所选择的节点(606c)表示的临床步骤是否不被推荐用于所述患者。
13.根据权利要求12所述的系统(100),其中,所述至少一个存储器(104a至104n)和计算机程序代码被配置成与所述至少一个处理器(102a至102n)一起使所述系统(100):
根据所述另外的节点(606f)的状态和/或与所述另外的节点(606f)连接的有向边的状态,发送指示来自所述用户装置(106a至106d)的用户的输入请求的数据,以供所述用户装置(106a至106d)接收;
从所述用户装置(106a至106d)接收指示要由另外的多个节点表示的另外的临床步骤的数据;以及
基于所接收的指示所述另外的临床步骤的数据来修改所述第二有向图(610,620)。
14.一种包括一组指令的计算机程序,所述指令当由计算机化装置执行时使所述计算机化装置执行向用户装置(106a至106d)发送医疗保健数据的方法,所述用户装置(106a至106d)被配置成用于分析医学信息,所述方法包括:
在第一数据库(108)中维护表示第一有向图(600)的数据,所述第一有向图(600)表示医学指南的至少一部分,所述第一有向图(600)包括表示临床步骤的多个元素;
在第二数据库(108)中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
通过对所述多个患者模型和表示所述第一有向图(600)的数据进行处理,从所述多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了所述医学指南的至少一部分的至少一个元素;
基于所选择的至少一个元素和所述多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了所述医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合所述医学指南的至少一部分;
对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理,以确定将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性;
至少根据所识别的至少一个患者群组特性来生成第二有向图(610,620);以及
发送表示所述第二有向图(610,620)的数据,以供所述用户装置(106a至106d)接收。
15.一种向用户装置(106a至106d)发送医疗保健数据的方法,所述用户装置(106a至106d)被配置成用于分析医学信息,所述方法包括:
在第一数据库(108)中维护表示第一有向图(600)的数据,所述第一有向图(600)表示医学指南的至少一部分,所述第一有向图(600)包括表示临床步骤的多个元素;
在第二数据库(108)中维护各自包括与相应患者相关联的医疗保健数据的多个患者模型;
通过对所述多个患者模型和表示所述第一有向图(600)的数据进行处理,从所述多个元素中选择至少一个元素,以识别患者的子集的治疗偏离了所述医学指南的至少一部分的至少一个元素;
基于所选择的至少一个元素和所述多个患者模型的组合来识别第一患者群组和第二患者群组,所述第一患者群组的治疗在所选择的至少一个元素处偏离了所述医学指南的至少一部分,所述第二患者群组的治疗在所选择的至少一个元素处符合所述医学指南的至少一部分;
对表示所述第一患者群组和所述第二患者群组的所述多个患者模型进行处理,以确定将所述第一患者群组与所述第二患者群组区分开的至少一个患者群组特性;
至少根据所识别的至少一个患者群组特性来生成第二有向图(610,620);以及
发送表示所述第二有向图(610,620)的数据,以供所述用户装置(106a至106d)接收。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19200492.7 | 2019-09-30 | ||
EP19200492.7A EP3799074A1 (en) | 2019-09-30 | 2019-09-30 | Healthcare network |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112582071A true CN112582071A (zh) | 2021-03-30 |
Family
ID=68104474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011042329.6A Pending CN112582071A (zh) | 2019-09-30 | 2020-09-28 | 医疗保健网络 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210098135A1 (zh) |
EP (1) | EP3799074A1 (zh) |
CN (1) | CN112582071A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114464286A (zh) * | 2022-02-25 | 2022-05-10 | 广州循证医药科技有限公司 | 基于人机交互的可视化病例数据导入、报告系统与方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11783225B2 (en) * | 2019-07-11 | 2023-10-10 | Optum, Inc. | Label-based information deficiency processing |
US11521724B2 (en) * | 2019-10-04 | 2022-12-06 | International Business Machines Corporation | Personalized patient engagement in care management using explainable behavioral phenotypes |
WO2023047360A1 (en) * | 2021-09-23 | 2023-03-30 | The Joan and Irwin Jacobs Technion-Cornell Institute | Multi-stage machine learning techniques for profiling hair and uses thereof |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102016859A (zh) * | 2008-05-09 | 2011-04-13 | 皇家飞利浦电子股份有限公司 | 用于由成像信息增强的个性化的基于指南的治疗的方法及系统 |
US20140316813A1 (en) * | 2013-04-23 | 2014-10-23 | James D. Bauer | Healthcare Toolkit |
CN105335620A (zh) * | 2015-11-13 | 2016-02-17 | 冯金辉 | 一种自动、智能提供个性化医学信息服务的系统和方法 |
CN109801705A (zh) * | 2018-12-12 | 2019-05-24 | 平安科技(深圳)有限公司 | 治疗推荐方法、系统、装置及存储介质 |
CN109891517A (zh) * | 2016-10-25 | 2019-06-14 | 皇家飞利浦有限公司 | 基于知识图的临床诊断助手 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100174555A1 (en) * | 2009-01-05 | 2010-07-08 | Klaus Abraham-Fuchs | System for automatic clinical pathway optimization |
RU2541198C2 (ru) * | 2009-05-15 | 2015-02-10 | Конинклейке Филипс Электроникс Н.В. | Системы поддержки принятия клинических решений с внешним контекстом |
US20120316891A1 (en) * | 2011-06-13 | 2012-12-13 | International Business Machines Corporation | Cohort driven selection of a course of medical treatment |
US20140058738A1 (en) * | 2012-08-21 | 2014-02-27 | International Business Machines Corporation | Predictive analysis for a medical treatment pathway |
US20140108024A1 (en) * | 2012-10-15 | 2014-04-17 | Mckesson Financial Holdings | Systems and methods for medical treatment plan verification and implementation compliance |
US9430616B2 (en) * | 2013-03-27 | 2016-08-30 | International Business Machines Corporation | Extracting clinical care pathways correlated with outcomes |
US20140297297A1 (en) * | 2013-03-29 | 2014-10-02 | Mckesson Specialty Care Distribution Corporation | Generating models representative of clinical guidelines and providing treatment/diagnostic recommendations based on the generated models |
US9646135B2 (en) * | 2013-10-08 | 2017-05-09 | COTA, Inc. | Clinical outcome tracking and analysis |
US11302449B2 (en) * | 2014-07-10 | 2022-04-12 | Avident Health, Llc | Method and system for patient treatment management using interactive digital best practice treatment guidelines |
US20160063212A1 (en) * | 2014-09-02 | 2016-03-03 | Kyron, Inc. | System for Generating and Updating Treatment Guidelines and Estimating Effect Size of Treatment Steps |
US10586622B2 (en) * | 2017-12-19 | 2020-03-10 | Michigan Health Information Network Shared Services | Systems and methods for predicting healthcare outcomes based on semantic relationships |
CN109416944B (zh) * | 2016-06-27 | 2024-03-12 | 皇家飞利浦有限公司 | 使用本体论的评估决策树 |
CN107103201B (zh) * | 2017-05-10 | 2020-11-24 | 北京大数医达科技有限公司 | 医疗导航路径的生成方法、装置及医疗路径导航方法 |
EP3489958B1 (en) * | 2017-11-23 | 2022-03-16 | Siemens Healthcare GmbH | Healthcare network |
US10886030B2 (en) * | 2017-12-28 | 2021-01-05 | International Business Machines Corporation | Presenting contextually relevant patient data in relation to other patients to a medical professional |
US10692254B2 (en) * | 2018-03-02 | 2020-06-23 | International Business Machines Corporation | Systems and methods for constructing clinical pathways within a GUI |
EP3675138B1 (en) * | 2018-03-07 | 2022-09-21 | Siemens Healthcare GmbH | Medical imaging device control based on decision tree data structures |
US10957452B2 (en) * | 2018-06-28 | 2021-03-23 | International Business Machines Corporation | Therapy recommendation |
US11468998B2 (en) * | 2018-10-09 | 2022-10-11 | Radect Inc. | Methods and systems for software clinical guidance |
US11735320B2 (en) * | 2018-12-04 | 2023-08-22 | Merative Us L.P. | Dynamic creation and manipulation of data visualizations |
JP2022516172A (ja) * | 2018-12-31 | 2022-02-24 | テンパス・ラボズ・インコーポレイテッド | 患者コホートの反応、増悪、および生存を予測し解析するための方法およびプロセス |
US20220157459A1 (en) * | 2019-03-01 | 2022-05-19 | The Johns Hopkins University | Data analytics for predictive modeling of surgical outcomes |
EP3745416A1 (en) * | 2019-05-29 | 2020-12-02 | Koninklijke Philips N.V. | Clinical decision support |
-
2019
- 2019-09-30 EP EP19200492.7A patent/EP3799074A1/en active Pending
-
2020
- 2020-09-18 US US17/024,796 patent/US20210098135A1/en active Pending
- 2020-09-28 CN CN202011042329.6A patent/CN112582071A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102016859A (zh) * | 2008-05-09 | 2011-04-13 | 皇家飞利浦电子股份有限公司 | 用于由成像信息增强的个性化的基于指南的治疗的方法及系统 |
US20140316813A1 (en) * | 2013-04-23 | 2014-10-23 | James D. Bauer | Healthcare Toolkit |
CN105335620A (zh) * | 2015-11-13 | 2016-02-17 | 冯金辉 | 一种自动、智能提供个性化医学信息服务的系统和方法 |
CN109891517A (zh) * | 2016-10-25 | 2019-06-14 | 皇家飞利浦有限公司 | 基于知识图的临床诊断助手 |
CN109801705A (zh) * | 2018-12-12 | 2019-05-24 | 平安科技(深圳)有限公司 | 治疗推荐方法、系统、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
CHIH-HUNG CHANG: "Patient-reported outcomes measurement and management with innovative methodologies and technologies", 《QUALITY OF LIFE RESEARCH》, vol. 16, no. 1, pages 157 - 166, XP019533166, DOI: 10.1007/s11136-007-9196-2 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114464286A (zh) * | 2022-02-25 | 2022-05-10 | 广州循证医药科技有限公司 | 基于人机交互的可视化病例数据导入、报告系统与方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210098135A1 (en) | 2021-04-01 |
EP3799074A1 (en) | 2021-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11462308B2 (en) | Triage routing based on inference data from computer vision model | |
US20200381087A1 (en) | Systems and methods of clinical trial evaluation | |
US20210407694A1 (en) | Healthcare network | |
CN112582071A (zh) | 医疗保健网络 | |
US20170053064A1 (en) | Personalized content-based patient retrieval system | |
US20170199987A1 (en) | Method and system for identifying diagnostic and therapeutic options for medical conditions using electronic health records | |
CN110291555B (zh) | 用于促进对健康状况的计算分析的系统和方法 | |
US20200373003A1 (en) | Automatic medical scan triaging system and methods for use therewith | |
CN110619959A (zh) | 一种智能分诊的方法及系统 | |
CN115699204A (zh) | 基于多个机器学习模型的临床预测因子 | |
US11152120B2 (en) | Identifying a treatment regimen based on patient characteristics | |
US20150149215A1 (en) | System and method to detect and visualize finding-specific suggestions and pertinent patient information in radiology workflow | |
CN109427420A (zh) | 诊断有效性工具 | |
US20200058408A1 (en) | Systems, methods, and apparatus for linking family electronic medical records and prediction of medical conditions and health management | |
US20200286599A1 (en) | Experience Engine-Method and Apparatus of Learning from Similar Patients | |
CN114121266A (zh) | 一种智能化的辅助诊断方法和系统 | |
CN109997201A (zh) | 针对多种医学知识模块的利用数据驱动方法的精确临床决策支持 | |
EP3637424A1 (en) | Healthcare network | |
US20190148007A1 (en) | System and Method Associated with Determining Physician Attribution Related to In-Patient Care Using Prediction-Based Analysis | |
EP3686897A1 (en) | Method and data processing unit for selecting a risk assessment computer program | |
US20220319650A1 (en) | Method and System for Providing Information About a State of Health of a Patient | |
US20240006067A1 (en) | System by which patients receiving treatment and at risk for iatrogenic cytokine release syndrome are safely monitored | |
US20240062885A1 (en) | Systems and methods for generating an interactive patient dashboard | |
WO2022036351A1 (en) | Automatic medical scan triaging system and methods for use therewith | |
KR20230007008A (ko) | Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치 |
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 |