CN113906521A - 用于众包数据的临床监管的系统和方法 - Google Patents
用于众包数据的临床监管的系统和方法 Download PDFInfo
- Publication number
- CN113906521A CN113906521A CN202080040582.XA CN202080040582A CN113906521A CN 113906521 A CN113906521 A CN 113906521A CN 202080040582 A CN202080040582 A CN 202080040582A CN 113906521 A CN113906521 A CN 113906521A
- Authority
- CN
- China
- Prior art keywords
- data
- input data
- patient
- clinical
- free
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000009471 action Effects 0.000 claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 26
- 230000007246 mechanism Effects 0.000 claims description 22
- 238000013473 artificial intelligence Methods 0.000 claims description 19
- 238000012502 risk assessment Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000011282 treatment Methods 0.000 description 34
- 238000012552 review Methods 0.000 description 32
- 238000002560 therapeutic procedure Methods 0.000 description 27
- 208000024891 symptom Diseases 0.000 description 21
- 238000013479 data entry Methods 0.000 description 16
- 230000004630 mental health Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 229940079593 drug Drugs 0.000 description 9
- 239000003814 drug Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007792 addition Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 206010010144 Completed suicide Diseases 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037765 diseases and disorders Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 230000008448 thought Effects 0.000 description 3
- 206010054089 Depressive symptom Diseases 0.000 description 2
- 206010013654 Drug abuse Diseases 0.000 description 2
- 241001539473 Euphoria Species 0.000 description 2
- 206010015535 Euphoric mood Diseases 0.000 description 2
- 208000026251 Opioid-Related disease Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000002651 drug therapy Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 206010016256 fatigue Diseases 0.000 description 2
- 201000006417 multiple sclerosis Diseases 0.000 description 2
- 201000000988 opioid abuse Diseases 0.000 description 2
- 238000001050 pharmacotherapy Methods 0.000 description 2
- 230000009323 psychological health Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010048909 Boredom Diseases 0.000 description 1
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- GVGLGOZIDCSQPN-PVHGPHFFSA-N Heroin Chemical compound O([C@H]1[C@H](C=C[C@H]23)OC(C)=O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4OC(C)=O GVGLGOZIDCSQPN-PVHGPHFFSA-N 0.000 description 1
- 206010027951 Mood swings Diseases 0.000 description 1
- 206010033664 Panic attack Diseases 0.000 description 1
- 229920001609 Poly(3,4-ethylenedioxythiophene) Polymers 0.000 description 1
- 102000007056 Recombinant Fusion Proteins Human genes 0.000 description 1
- 108010008281 Recombinant Fusion Proteins Proteins 0.000 description 1
- 101710154918 Trigger factor Proteins 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 239000010836 blood and blood product Substances 0.000 description 1
- 229940125691 blood product Drugs 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000002659 cell therapy Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 229960003920 cocaine Drugs 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229960002069 diamorphine Drugs 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 229940126534 drug product Drugs 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000001415 gene therapy Methods 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000035992 intercellular communication Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 208000019906 panic disease Diseases 0.000 description 1
- 235000012736 patent blue V Nutrition 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 238000002428 photodynamic therapy Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000000770 proinflammatory effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 229940126586 small molecule drug Drugs 0.000 description 1
- 230000004037 social stress Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 229940043263 traditional drug Drugs 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000036642 wellbeing 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
- 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
- G16H40/67—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 remote operation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- G16H10/60—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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- 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
Abstract
一种方法包括从与患者相关联的患者设备获得输入数据，该输入数据包括由患者生成的自由文本数据。分析输入数据以确定输入数据是否满足预定的相关性准则。将输入数据与临床监管的数据库中的临床数据进行比较以生成比较数据。基于比较数据，该方法包括执行以下监管操作中的至少一个：(i)当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分不同时，将输入数据添加到临床监管的数据库；(ii)当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分相似时，将输入数据与临床数据合并；以及(iii)当确定输入数据不满足预定的相关性准则时，不采取任何动作。
Description
相关申请的交叉引用
这个美国专利申请援引35 U.S.C.§119(e)要求于2019年4月30日提交的美国临时申请62/840,656的优先权。这个在先申请的公开内容被视为本申请的公开内容的一部分，并通过引用整体并入本文。
技术领域
本公开一般地涉及严重医学病症的治疗，并且更具体地涉及用于实现和管理用于治疗严重医学病症的临床监管(curated)的数据库的系统和方法。
背景技术
本节中提供的信息是为了总体上呈现本公开的上下文。在本节中描述的程度内，目前冠名的发明人的工作，以及在提交申请时可能另外地不合适作为现有技术的描述的各方面，既不明确也不暗示地被承认为对于本公开而言是现有技术。
药物疗法在治疗各种医学疾病和失调中发挥了重要作用。传统药物疗法包括药品的施用等。常规药品的示例可以包括通常来自化学合成的小分子药物，以及可以包括重组蛋白、疫苗、用于治疗性基因疗法的血液制品、单克隆抗体、细胞疗法等的生物药品。
虽然药物疗法已被证明是治疗某些疾病和失调的有效机制，但它并非没有缺点。例如，众所周知，药品会带来某些通常不期望的副作用。此外，药品常常很昂贵——有时高得令人望而却步。
因而，用于治疗各种医学疾病和失调的数字解决方案已经涌现为传统药物疗法技术的补充或替代方案。此类数字解决方案(例如，数字治疗、移动健康应用等)可以从其用户(例如，在处方数字治疗或“PDT”的情况下为患者)征求信息。此类信息可以包括，例如但不限于，关于用户的精神状态(例如，用户正在或已经经历的感觉)和/或身体状态(例如，与精神或身体健康状况相关联的身体症状)的信息。
常规的数字解决方案经常向用户呈现针对给定查询的可选择响应的固定集合。例如，与诸如“你感觉如何”之类的查询相关联，常规的数字解决方案会向用户呈现可选择选项的集合，诸如“高兴”、“悲伤”、“害怕”、“累”、“疼痛”、“困倦”等。但是，这些预先选择的、固定的反应常常不能充分捕获用户的精神或身体状态。
因而，可能需要用于实现和管理用于治疗严重医学病症的临床监管的数据库的系统和方法。
附图说明
现在将参考附图，这些附图不一定是按比例绘制的，其中：
图1是根据本公开的示例性实施例的用于实现和管理临床监管的数据库的系统的示意图；
图2是根据本公开的示例性实施例的用于实现和管理临床监管的数据库的系统的功能框图；
图3是显示由图2的系统的至少一部分执行的第一图形用户界面的患者设备；
图4是显示由图2的系统的至少一部分执行的第二图形用户界面的患者设备；
图5A-5D是用于使用图2的系统来监管临床监管的数据库的过程；
图6是图示由图2的系统执行的方法的流程图；以及
图7是根据本公开的示例性实施例的用于实现和管理临床监管的数据库的电子设备的示意图。
各个图中相同的附图标记指示相同的元件。
发明内容
本公开的一个方面提供了一种系统，该系统包括数据处理硬件和与数据处理硬件通信的存储器硬件。存储器硬件存储指令，该指令当在数据处理硬件上执行时使数据处理硬件执行操作，该操作包括从与患者相关联的患者设备获得输入数据，输入数据包括由患者生成的自由文本数据。该操作包括分析输入数据以确定输入数据是否满足预定的相关性准则。该操作包括将输入数据与临床监管的数据库中的临床数据进行比较以生成比较数据，并且基于比较数据，执行以下监管操作中的至少一个：(i)当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分不同时，将输入数据添加到临床监管的数据库；(ii)当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分相似时，将输入数据与临床数据合并；以及(iii)当确定输入数据不满足预定的相关性准则时，不采取动作。
本公开的实施方式可以包括以下可选特征中的一个或多个。在一些实施方式中，操作还包括分析输入数据以确定不良事件的可能性，并且将风险评估值指派给输入数据，该风险评估值与输入数据指示不良事件已经发生或将要发生的可能性对应。当与输入数据相关联的风险评估值超过预定阈值时，操作还可以包括执行动作机制以解决不良事件。
动作机制可以包括向与监督患者的医疗保健提供者相关联的医疗保健提供者设备发送警报，该警报指示不良事件已经发生或将要发生。动作机制可以包括向与呼叫中心相关联的呼叫中心设备发送警报，该警报指示不良事件已经发生或将要发生，并且该警报向呼叫中心提供经由患者设备联系患者的指令。动作机制可以包括向患者设备发送警报，该警报向患者提供信息以解决不良事件。
可以通过实现人工智能来执行分析输入数据和将输入数据与临床数据进行比较。人工智能可以由医疗保健专业人员监督。人工智能可以包括无监督的机器学习。
可以响应于查询而输入输入数据，并且当输入数据响应于查询时可以满足预定的相关性准则。
本公开的另一方面提供了一种方法，该方法包括经由一个或多个处理器从与患者相关联的患者设备获得输入数据，该输入数据包括由患者生成的自由文本数据。经由一个或多个处理器分析输入数据以确定输入数据是否满足预定的相关性准则。经由一个或多个处理器将输入数据与临床监管的数据库中的临床数据进行比较以生成比较数据。基于比较数据，该方法包括执行以下监管操作中的至少一个：(i)当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分不同时，将输入数据添加到临床监管的数据库；(ii)当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分相似时，将输入数据与临床数据合并；(iii)当确定输入数据不满足预定的相关性准则时，不采取动作。这个方面可以包括以下可选特征中的一个或多个。
在一些实施方式中，该方法还包括分析输入数据以确定不良事件的可能性，并且将风险评估值指派给输入数据，该风险评估值与输入数据指示不良事件已经发生或将要发生的可能性对应。该方法还可以包括，当与输入数据相关联的风险评估值超过预定阈值时，执行动作机制以解决不良事件。
动作机制可以包括向与监督患者的医疗保健提供者相关联的医疗保健提供者设备发送警报，该警报指示不良事件已经发生或将要发生。动作机制可以包括向与呼叫中心相关联的呼叫中心设备发送警报，该警报指示不良事件已经发生或将要发生，并且该警报向呼叫中心提供经由患者设备联系患者的指令。动作机制可以包括向患者设备发送警报，该警报向患者提供信息以解决不良事件。
可以通过实现人工智能来执行分析输入数据和将输入数据与临床数据进行比较。人工智能可以由医疗保健专业人员监督。人工智能可以包括无监督的机器学习。
可以响应于查询而输入输入数据，并且当输入数据响应于查询时可以满足预定的相关性准则。
在附图和下面的描述中阐述了本公开的一种或多种实施方式的细节。从描述和附图以及从权利要求中，其它方面、特征和优点将是清楚的。
具体实施方式
将参考附图更全面地描述所公开技术的一些实施方式。但是，所公开的技术可以以许多不同的形式实施并且不应当被解释为限于本文阐述的实施方式。
所公开技术的示例实施方式提供了用于实现和管理用于治疗严重医学病症的临床监管的数据库的系统和方法。
对于某些医学病症或适应症(诸如例如阿片类药物滥用、多发性硬化症、抑郁症等)的治疗，来自患者的输入可以通过向控制治疗的医疗专业人员提供信息来帮助根据该特定患者的需要来定制治疗。这种输入可以是对多项选择题的响应、对开放式问题的响应、非结构化的自由文本等形式。此外，患者输入端可以向患者提示并展示来自临床监管的数据库的其他患者的类似输入，这可以导致患者感到他们并不是唯一经历其特定想法和情绪的人。
在一些示例中，遭受某些医学病症的患者会经历心理健康症状，这可以是对某些医学病症(例如致残的慢性病)的不可预测过程的自然反应。心理健康症状可以包括抑郁症、焦虑、情绪波动等。由于诸如应对不力或社会支持不足之类的心理风险因素，以及诸如大脑结构变化等生理过程，患有某些医学病症的患者倾向于出现心理健康症状。
症状的严重程度与患者经历心理健康症状的可能性之间没有关联；任何患有医学病症的患者都可以在任何时候经历心理健康症状，但多种因素会影响患者的心理健康症状。患者的初步诊断后可能出现一段时间的心理健康症状。由于与某种医学病症相关联的身体症状，患者也可能经历心理健康症状。例如，遭受疲劳的患者会耗尽对抗心理健康症状所需的情绪能量。此外，患者对新症状和未来的高度不确定性会导致患者经历心理健康症状。生理原因(诸如对中枢神经系统的损害)以及化学改变(诸如参与细胞间通信的促炎蛋白分子的表达)也会导致患者经历心理健康症状。药物副作用会使心理健康症状恶化。例如，类固醇会在短期内引起欣快感，一旦欣快感停止，就会出现心理健康症状。
心理健康症状显著影响遭受某些医学病症的患者的情绪，从而对患者的生活质量产生负面影响。相对于情绪健康，患者会优先考虑身体健康并且不治疗心理健康症状，这会导致生活质量下降和认知功能受损。例如，经历心理健康症状的患者会寻求退出日常生活活动，从而导致社交刺激减少。患者也会经历增加的自杀风险。
目前对患有某些医学病症的患者的心理健康症状的治疗选项一般包括药物和与临床医生面对面的疗法。但是，这些治疗选项可以通过更有效的患者输入端来补充。
现在将参考附图描述所公开技术的示例实施方式。
参考图1，在一些实施方式中，疗法处方系统100向患者101提供对向患者101开出处方的处方数字治疗120的访问，并且监视与患者101和处方数字治疗120的交互相关联的事件。虽然数字治疗120在本文中被描述为“处方”数字治疗，但是应该理解的是，根据一些实施方式，数字治疗120将不要求来自临床医生的处方。相反，在这样的实施方式中，数字治疗120可以在没有处方的情况下对患者可用，并且数字治疗120仍然根据本文描述的处方数字治疗120的描述以其它方式起作用。根据数字治疗120未被开出处方的实施方式，使用或被施用数字治疗的人可被称为“用户”。“用户”可以包括患者101或任何其他使用或被施用数字治疗120的人，而不管数字治疗120是否是向那个人开出处方的。
如本文所使用的，数字疗法也可以被称为数字治疗，其被配置为交付基于证据的心理社会干预技术来治疗具有特定疾病或失调的以及具有与特定疾病或失调相关联的症状和/或行为的患者。作为一个示例，患者101可以被诊断出患有慢性病，并且处方数字治疗120可以被专门定制用于解决与患者101可能经历的慢性病相关联的一种或多种抑郁性症状。监督患者101的授权医疗保健提供者(HCP)109(例如，医生、护士等)可以为患者101开出处方数字治疗120的处方，该处方数字治疗120被设计为帮助患者101识别患者101正在经历的感觉并修改功能障碍的情绪、行为和想法，以便治疗患者101的抑郁性症状。HCP 109可以包括医师、护士、临床医生或其他有资格的健康专业人员。
在一些示例中，系统100包括网络106、患者设备102、HCP系统140和特定于医疗指征的疗法服务160。例如，疗法服务160可以与诸如阿片类药物滥用、多发性硬化症、抑郁症等特定指征相关。网络106提供对执行疗法服务160的云计算资源150(例如，分布式系统)的访问，以提供远程设备上的服务的执行。因而，网络106允许患者101和HCP 109与疗法服务160之间的交互。例如，疗法服务160可以为患者101提供对处方数字治疗120的访问并接收由患者101输入的与患者101和处方数字治疗120的交互相关联的事件数据122。进而，疗法服务160可以将事件数据122存储在存储资源156上。
网络106可以包括允许发送和接收通信信号的任何类型的网络，诸如无线电信网络、蜂窝电话网络、时分多址(TDMA)网络、码分多址(CDMA)网络、全球移动通信系统(GSM)、第三代(3G)网络、第四代(4G)网络、卫星通信网络和其它通信网络。网络106可以包括广域网(WAN)、局域网(LAN)和个域网(PAN)中的一个或多个。在一些示例中，网络106包括数据网络的组合、电信网络以及数据和电信网络的组合。患者设备102、HCP系统140和疗法服务160通过经由网络106发送和接收信号(有线或无线)而彼此通信。在一些示例中，网络106提供对云计算资源的访问，其可以是可通过网络106获得的弹性/按需的计算和/或存储资源156。术语“云”服务一般是指不在用户设备上本地执行而是从可经由一个或多个网络106访问的一个或多个远程设备交付的服务。
患者设备102可以包括但不限于便携式电子设备(例如，智能电话、蜂窝电话、个人数字助理、个人计算机、无线平板设备或可穿戴设备)、台式计算机或任何其它能够经由网络106发送和接收信息的电子设备。患者设备102包括数据处理硬件112(执行指令的计算设备)、存储器硬件114和与数据处理硬件112通信的显示器116。在一些示例中，患者设备102包括用于允许患者101输入数据的键盘、鼠标、麦克风和/或相机。除了或代替显示器116，患者设备102可以包括一个或多个扬声器以向患者101输出音频数据。例如，可以由扬声器输出声音警报以向患者101通知与处方数字治疗120相关联的一些时间敏感事件。在一些实施方式中，患者设备102执行患者应用103(或访问基于web的患者应用)以建立与疗法服务160的连接从而访问处方数字治疗120。例如，患者101可以在向患者101开出处方的处方数字治疗120的持续时间(例如，3个月)内访问患者应用103。在此，当处方数字治疗120由HCP 109开出处方时，患者设备102可以通过最初提供访问代码104来启动患者应用103，这允许患者101访问与来自疗法服务160的处方数字治疗120相关联的内容，该处方数字治疗120专门定制用于治疗/解决患者101可能正在经历的与特定指征相关联的一种或多种症状。患者应用103当在患者设备102的数据处理硬件112上执行时被配置为：在患者设备102的显示器116上显示各种图形用户界面(GUI)(例如，图3中所示的患者输入GUI 231)，除其它之外，其尤其允许患者101输入与患者正在经历的特定感觉相关联的事件数据122，从患者101征求信息，并呈现日志条目以供患者101查看。
存储资源156可以提供数据存储装置158，用于将从患者101接收的事件数据122以及为患者101开出处方的处方数字治疗120存储在对应的患者记录105中。在一些实施方式中，数据存储装置158与临床监管的数据库220通信，该数据库220与云计算系统150通信。例如，数据存储装置158可以与临床监管的数据库220共享患者记录105、处方数字治疗120和/或任何其它合适的信息，并且临床监管的数据库220可以与数据存储装置158共享临床监管的录入和/或任何其它合适的信息。在其它实施方式中，数据存储装置158存储临床监管的数据库220。患者记录105可以在存储在数据存储装置158中时被加密，使得识别患者101的任何信息被匿名化，但是当患者101或监督HCP 109请求患者记录105(假设请求者被授权/认证以访问患者记录105)时可以稍后被解密。在患者设备102和云计算系统150之间通过网络106传输的所有数据可以被加密并通过安全通信信道发送。例如，患者应用103可以在将事件数据122经由HTTPS协议传输到疗法服务160之前对其进行加密并且对从疗法服务160接收的患者记录105进行解密。当网络连接不可用时，患者应用103可以将事件数据122存储在存储器硬件114内的加密队列中，直到网络连接可用。
HCP系统140可以位于诊所、医生办公室或由HCP 109管理的设施处，并且包括数据处理硬件142、存储器硬件144和显示器146。存储器硬件144和显示器146与数据处理硬件142通信。例如，数据处理硬件142可以驻留在台式计算机或便携式电子设备上，以允许HCP109向疗法服务160输入数据和从疗法服务160中检索数据。在一些示例中，HCP 109可以在向患者101开出处方数字治疗120的处方时初始载入一些或全部患者数据107。HCP系统140包括键盘148、鼠标、麦克风、扬声器和/或相机。在一些实施方式中，HCP系统140(即，经由数据处理硬件142)执行HCP应用110(或访问基于web的患者应用)以建立与疗法服务160的连接以从其输入和检索数据。例如，HCP系统140可以能够通过提供认证令牌108来访问由疗法服务160安全地存储在存储资源156上的匿名患者记录105，该认证令牌108验证HCP 109正在监督患者101并被授权访问对应的患者记录105。认证令牌108可以识别与允许HCP系统140从疗法服务160获得的患者记录105相关联的特定患者101。患者记录105可以包括带时间戳的事件数据122，其指示患者通过在患者设备102上执行的患者应用103与处方数字治疗120的交互。
云计算资源150可以是具有可扩展/弹性资源152的分布式系统(例如，远程环境)。资源152包括计算资源154(例如，数据处理硬件)和/或存储资源156(例如，存储器硬件)。云计算资源150执行疗法服务160以促进与患者设备102和HCP系统140的通信以及将数据存储在数据存储装置158内的存储资源156上并将数据存储在临床监管的数据库220上。在一些示例中，疗法服务160、数据存储装置158和临床监管的数据库220驻留在独立的计算设备上。当患者101提供有效的访问代码104时，疗法服务160可以向患者101提供在数据处理硬件112上可执行且经由患者设备102通过网络106可访问的患者应用103(例如，移动应用、网站应用或包括指令集的可下载程序)。类似地，疗法服务160可以向HCP 109提供在数据处理硬件142上可执行并且经由HCP系统140通过网络106可访问的HCP应用110(例如，移动应用、网站应用或包括指令集的可下载程序)。
参考图2，根据本公开的示例性实施方式示出了图示用于实现和管理临床监管的数据库220的系统200的图。根据一个示例，系统200的各方面可以由云计算系统150的计算资源154执行。在另一个示例中，系统200的各方面可以由电子设备(诸如患者设备102的数据处理硬件112)执行。在又一个示例中，系统200的各方面可以由计算资源154和数据处理硬件112的某种组合执行。在一些实施方式中，外部可用数据210由临床监管的数据库220获得(例如，获取或接收)。外部可用数据210可以从各种来源获得，诸如例如，联邦药物管理局(FDA)、世界卫生组织(WHO)、国际疾病分类：第十修订版(ICD-10)等。如上面所阐述的，临床监管的数据库220可以与云计算资源150通信或存储在云计算资源150的数据存储装置158上。在其它实施方式中，临床监管的数据库220可以存储在患者设备102的存储器硬件114、HCP系统140的存储器硬件144或任何其它合适的存储位置上。
系统200包括具有预定义录入模块230a和自由文本录入模块230b的输入模块230。输入模块230可以由患者设备102(即，患者设备102的数据处理硬件112结合显示器116和/或其它外围设备，诸如麦克风、扬声器、鼠标、键盘、相机等)执行。输入模块230与临床监管的数据库220通信以从临床监管的数据库220获得(例如，获取或接收)数据。
参考图2和3，在一些示例中，患者设备102的显示器116包括显示患者输入GUI 231的触摸屏。数据处理硬件112可以执行适于促进与患者输入GUI 231的人机交互的GUI软件。下面更详细地描述，患者101可以提供指示对与患者输入GUI 231交互的选择的用户选择。如本文所使用的，用户选择可以针对UI控件，其包括在显示器116上显示的患者输入GUI231的任何显示的元素或组件。照此，指示UI控件的选择的用户选择可以允许患者101提供输入、查看数据和/或以其它方式与患者输入GUI 231交互。示例UI控件包括按钮、下拉菜单、菜单项、点击并按住功能等。
患者输入GUI 231显示自由文本数据录入元素232、数据录入标题元素236以及包括各个示例性录入238a-d的多个预定义录入238。在一些示例中，数据录入标题元素236和自由文本数据录入元素232可以各自包括录入提示237。录入提示237可以是旨在引起来自患者101的响应的问题或陈述。例如，录入提示237可以读作“我的自动想法是…，”从而提示患者101用他们的自动想法做出响应。每个录入提示237可以与作为对录入提示237的可选择响应的多个预定义录入238相关联。例如，预定义录入模块230a可以确定患者101何时选择以及选择了哪些预定义录入。录入提示237及其相关联的预定义录入238是从临床监管的数据库220中检索的并显示在患者输入GUI 231中。例如，如图3中所示，响应于录入提示237“我的自动想法是…”，预定义录入之一238c可以读作“我在所有时间都担心惊恐发作”。如将变得明显的，预定义录入238可以至少部分地基于外部可用数据210、来自其他患者的已被审查并添加到临床监管的数据库220的自由文本响应、或其组合。
在一些实施方式中，患者输入GUI 231可以显示一串自由文本数据234，其反映患者对录入提示237的键入或口头响应。如图3中所示，可以在录入提示237之后的带下划线的空格中录入自由文本数据串234。自由文本数据录入元素232允许患者101通过在自由文本数据录入元素232中经由键盘(未示出)键入或对着患者设备102的麦克风讲话来录入自由文本数据串234。自由文本数据234显示在自由文本数据录入元素232中，并且在一些实施例中，附加到录入提示237。
患者101可以以若干方式对录入提示237做出响应。根据一个实施例，患者101可以通过选择(例如，通过触摸手势或其它合适的输入机制)显示在患者设备102的显示器116上的预定义录入238之一来响应，如预定义录入模块230a所确定的。根据另一个实施例，患者101可以通过将自由文本数据234录入自由文本数据录入元素232来做出响应，例如，通过键入键盘(例如，经由键盘GUI，该键盘GUI可以在患者输入GUI 231的至少一部分上拉起)或对着患者设备102的麦克风讲话，如自由文本录入模块230b所确定的。根据一些示例，患者可以通过选择发送按钮233来完成或确认他们对录入提示237的响应，如输入模块230所确定的。
参考图2和3，输入模块230与GUI生成模块240通信，该GUI生成模块240被配置为生成显示在患者设备102的显示器116上的GUI(诸如患者输入GUI 231(图3)或患者触发GUI300(图4))。在指示选择预定义录入238之一的用户选择指示后，GUI生成模块240在患者输入GUI 231上显示预定义录入238中被选择的录入。例如，虽然未示出，但是可以以任何合适的方式突出、隔离或识别预定义录入238中被选择的录入以指示对那个预定义录入238的选择。在指示录入提示237的选择的用户选择指示和随后检测到自由文本数据234的录入后，GUI生成模块240在患者输入GUI 231上显示自由文本数据234和/或录入提示237。例如，虽然未示出，但是可以以任何合适的方式突出、隔离或识别自由文本数据234以指示自由文本数据234的录入。
自由文本审查模块250被配置为审查和分析自由文本数据234以确定应当根据自由文本数据234采取什么进一步的动作。例如，自由文本审查模块250被配置为确定自由文本数据234是否满足预定的相关性准则(即，自由文本数据234是否响应于录入提示237)以及自由文本数据234是否指示不良事件已经发生或将要发生的可能性。根据一些示例，自由文本审查模块250被配置为实现人工智能和/或机器学习(有监督的或无监督的)以确定关于自由文本数据234应当采取什么进一步的动作。基于这个确定，自由文本审查模块250被配置为选择性地将自由文本数据234传递到临床数据监管模块260上以供进一步处理。
临床数据监管模块260包括添加录入模块262、合并录入模块264和无动作模块266。添加录入模块262被配置为基于确定自由文本数据234满足预定准则而将自由文本数据234添加到临床监管的数据库220(例如，作为数据库220中的新录入)。这种预定准则可以包括但不限于：(i)自由文本数据234的相关性(例如，根据计算出的相关性分数)，(ii)确定自由文本数据234包含敏感或不适当的内容(例如，基于确定自由文本数据234包括某些已知词，诸如脏话、亵渎等)，(iii)确定临床监管的数据库220已经包含相似的录入(例如，基于自由文本数据234与临床监管的数据库220中的预定义录入238的比较以生成比较数据)、(iv)等等。例如，如果自由文本数据234读作“我觉得我是我家庭的负担”，并且在临床监管的数据库220中没有相似相关的预定义录入238，那么比较数据可以指示自由文本数据234应当被添加到临床监管的数据库220，并且添加录入模块262可以将自由文本数据234添加到临床监管的数据库220。
根据一个示例，自由文本数据234可以被向量化并与和临床监管的数据库220中的预定义录入238相关联的对应向量数据进行比较以生成比较数据。根据这个示例，如果用于相应录入的向量在预定义阈值之外，那么添加录入模块262可以确定给定自由文本数据234录入与临床监管的数据库220中的给定预定义录入238充分不同。这种确定可以通过人工智能和/或机器学习(有监督的或无监督的)做出。如果确定自由文本数据234与临床监管的数据库220中的预定义录入238之一充分不同，那么自由文本数据234可以通过添加录入模块262被添加到临床监管的数据库220作为新录入。
合并录入模块264被配置为确定自由文本数据234是否与临床监管的数据库220中的任何预定义录入238密切相关。根据一个示例，自由文本数据234可以被向量化并与和临床监管的数据库220中的预定义录入238相关联的对应向量数据进行比较以生成比较数据。根据这个示例，如果用于相应录入的向量在预定义阈值内，那么合并录入模块264可以确定给定自由文本数据234录入与临床监管的数据库220中的给定预定义录入(例如，录入238a)相关。这种确定可以通过人工智能和/或机器学习(有监督的或无监督的)做出。如果确定自由文本数据234与临床监管的数据库220中的预定义录入238之一充分相关，那么自由文本数据234可以通过合并录入模块264与相关联的预定义录入(例如，录入238a)合并。根据一些示例，自由文本数据234与预定义录入238之间的相似性可以基于自由文本数据234的含义和预定义录入238的含义。例如，如果自由文本数据234读作“我恐惧(I’m scared)”并且预定义录入238之一读作“我害怕(I’m afraid)”，那么合并录入模块264可以将“我恐惧(I’mscared)”的自由文本数据234与和“我害怕(I’m afraid)”对应的预定义录入合并。作为另一个示例，比较数据可以指示自由文本数据234包含打字错误或拼写错误(例如，“我恐怕(I'm afriad)”)，但与预定义录入238之一(例如，与“我害怕(I’m afraid)”对应的预定义录入)充分相似，使得合并录入模块264将这个自由文本数据234与和“我害怕(I’mafraid)”对应的预定义录入合并。
如果确定自由文本数据234不满足要添加到临床监管的数据库220或与临床监管的数据库220中的预定义录入238之一合并的准则(即，自由文本数据234不满足预定的相关性准则)，那么在无动作模块266处不采取动作并且自由文本数据234保持录入时的样子。例如，如果自由文本数据234包括无意义的文本(例如，“abcd1234”、“！@kfycn”、“lplahsnxc”等)或不相关的文本(即，对录入提示237无响应的文本，诸如“天空是蓝色的”)，无动作模块266被配置为防止将自由文本数据234添加到临床监管的数据库220。
除其它优点外，将新数据录入添加到临床监管的数据库220中、将数据录入合并到临床监管的数据库220中、以及防止将录入添加到临床监管的数据库220尤其可以导致临床监管的数据库220被填充有最相关的结果，从而改善针对患者101的结果。
根据一些示例，在分析自由文本数据234后，自由文本审查模块250可以基于自由文本数据234的内容确定自由文本数据234暗示患者101或其他人的可能不良事件。这种确定可以通过人工智能和/或机器学习(有监督的或无监督的)做出。例如，自由文本审查模块250可以基于代表对患者101或其他人的可能伤害的某些关键字的存在来检测不良事件状况。如果自由文本数据234反映诸如“我想杀死我自己”、“我想伤害自己”、“我想伤害他人”等伤害的陈述，那么自由文本审查模块250可以检测到不良事件状况。
在检测到不良事件状况后，自由文本审查模块250可以将自由文本数据234传递到监管审查模块270以供进一步处理。监管审查模块270可以包括不良事件审查模块272和报告模块274。不良事件审查模块272被配置为基于自由文本数据234确定不良事件的可能性。例如，这个确定可以基于自由文本数据234中某些关键词的存在(例如，“杀死”、“伤害”、“损害”等)，自由文本数据234中特定毒品街道名称(例如，“海洛因”、“可卡因”等)、药品商品名称(例如，
)和/或药品制造商名称(例如，“Big Pharma Corp.”)的存在，和/或自由文本数据234与先前经审查的指示不良事件的响应的比较。在一些实施方式中，不良事件的可能性的确定可以基于用于评估自我伤害的已建立的临床测量。例如，不良事件审查模块272可以分析自由文本数据234并基于自由文本数据234生成风险评估值。在一些实施方式中，生成风险评估值可以包括将自由文本数据234与预先存在的数据库(例如，已建立的临床数据库)中的录入进行比较。这种分析和/或比较可以通过人工智能和/或机器学习(有监督的或无监督的)来进行。在不良事件审查模块272确定自由文本数据234指示不良事件后，不良事件审查模块272可以触发报告模块274的动作。
报告模块274被配置为执行动作机制，诸如例如向HCP系统140发送警报、向疗法服务160发送警报，或向自杀热线或其它合适的呼叫中心、危机热线等发送警报和患者101的电话号码，指示自杀热线联系患者101。此外或可替代地，报告规程可以遵循由诸如FDA、WHO等组织阐述的过程。
如上所述，患者输入GUI 231涉及患者101的自动想法。但是，应当理解的是，患者输入GUI 231说明了可以显示在显示器116上的一个示例性GUI，并且其它GUI同样可以以相似的方式显示在显示器116上。
例如，参考图4，患者触发GUI 300可以由输入模块230执行并显示在患者设备102的显示器116上。患者触发GUI 300可以经由输入模块230显示自由文本数据录入元素302、数据录入标题元素304和多个预定义录入306，包括各个示例性录入306a-e。在一些示例中，数据录入标题元素304可以包括录入提示305。录入提示305可以是旨在引起患者101的响应的问题或陈述，与录入提示237相似。例如，录入提示305可以读作“什么触发了响应？”，从而提示患者101用特定的触发因素来响应。在一些实施方式中，响应可以与复发(例如，药物或酒精复发)相关联，并且触发因素可以与触发复发的事件、活动、情绪等相关联。
每个录入提示305可以与作为对录入提示305的可选择响应的多个预定义录入306相关联。例如，预定义录入模块230a可以确定患者101何时选择以及选择了哪些预定义录入306。录入提示305及其相关联的预定义录入306是从临床监管的数据库220中检索的并显示在患者触发GUI 300中。例如，如图4中所示，第一预定义录入306a可以读作“压力”，第二预定义录入306b可以读作“工作”，第三预定义录入306c可以读作“饥饿”，第四预定义录入306d可以读取“愤怒”，并且第五预定义录入306e可以读作“孤独”。除了这些触发因素之外，还构思任何其它合适的触发因素，诸如疲倦、疲劳、社会压力、疼痛、无聊等。与上面的预定义录入238相似，预定义录入306可以至少部分地基于外部可用数据210、来自其他患者的已被审查并添加到临床监管的数据库220的自由文本响应、或其组合。
在一些实施方式中，患者触发GUI 300可以经由自由文本录入模块230b显示反映患者对录入提示305的键入或口头响应的自由文本数据串308。如图4中所示，自由文本数据串308可以在“其它”之后的带下划线的空格中录入。自由文本数据录入元素302允许患者101通过在自由文本数据录入元素302中经由键盘(未示出)键入或对着患者设备102的麦克风说话来录入自由文本数据串308。自由文本数据308显示在自由文本数据录入元素302中，并且在一些实施例中，附加到录入提示305。如上文关于录入提示237所阐述的，患者101可以以若干方式(诸如触摸手势、语音等)对录入提示305做出响应。根据一些示例，患者可以通过选择发送按钮310来最终确定或确认他们对录入提示305的响应，如由输入模块230确定的。
与以上关于系统200和患者输入GUI 231的描述相似，系统200同样可以关于从患者101和患者触发GUI 300之间的交互获得的信息执行GUI生成模块240、自由文本审查模块250、临床数据监管模块260和监管审查模块270。
参考图5A-5D，总体上图示了用于使用系统200来监管临床监管的数据库220的过程500的示例性图形表示。过程500包括录入提示502，其在一些示例中可以是“我的自动想法是…”。过程500包括多个数据库组504，在一个示例中，其包括第一组512和第二组514。过程500包括与每个组504相关联的录入506。例如，第一组512包括录入512a-512g并且第二组514包括录入514a-514c。过程500被配置为接收(例如，通过自由文本录入模块230b)自由文本录入508，例如与“我愤怒”对应的第一自由文本录入508a。响应于自由文本录入508，自由文本审查模块250被配置为确定动作510。例如，如图5A中所示，响应于第一自由文本录入508a，自由文本审查模块250确定与例如通过添加录入模块262将第一自由文本录入508a作为新录入添加到临床监管的数据库220对应的第一动作510a。
参考图5B，第三数据库组516已被添加到数据库组504，其中第三组516包括与先前添加的“我愤怒”对应的第一录入516a。自由文本录入模块230b被配置为接收与“我疯了”对应的第二自由文本输入508b。自由文本审查模块250被配置为确定第二自由文本录入508b与和“我愤怒”对应的第一录入516a充分相似。因而，自由文本审查模块250确定与例如通过合并录入模块264将第二自由文本录入508b与第三组516合并对应的第二动作510b。
参考图5C，第三组516包括与“我疯了”对应的第二录入516b，其先前与第三组516合并。自由文本录入模块230b被配置为接收与“ka8jd7”对应的第三自由文本录入508c。自由文本审查模块250被配置为确定第三自由文本录入508c对录入提示502无响应。因而，自由文本审查模块250确定与例如通过无动作模块266对第三自由文本录入508c不采取动作对应的第三动作510c。
参考图5D，自由文本录入模块230b被配置为接收与“我要伤害我自己”对应的第四自由文本输入508d。自由文本审查模块250被配置为向第四自由文本录入508d指派高风险评估值，其指示不良事件已经发生或将要发生的高可能性。因而，自由文本审查模块250确定与例如通过添加录入模块262将第四自由文本录入508d作为新录入添加到临床监管的数据库220对应的第四动作510d，并且例如通过监管审查模块270执行动作机制以解决由第四自由文本录入508d指示的不良事件。
在一些实施方式中，如上面所阐述的，人工智能和/或机器学习可以用于系统200的各种特征、功能、组件、过程、模块(例如，自由文本审查模块250、临床数据监管模块260和/或监管审查模块270)等。例如，可以将自由文本数据234与包含某些关键词(例如，商标、公司名称、药物名称等)的字典或数据库(例如，外部可用数据210和/或临床监管的数据库220)进行比较，以触发自由文本数据234的升级(escalation)。可以通过实现模糊匹配以将自由文本数据234与外部可用数据210和/或临床监管的数据库220中的录入进行比较来充分利用这种升级。在一些实施方式中，模糊匹配过程可以包括相对高灵敏度设置以将自由文本数据234标记或识别为与外部可用数据210和/或临床监管的数据库220中的一个/多个录入的可能匹配以升级这种自由文本数据234。特定自由文本数据234的这种升级可以由人类(例如，临床医生、医疗保健提供者、第三方服务等)、人工智能、机器学习等审查，以核实自由文本数据234与数据库中的录入之间的匹配。一旦被核实，自由文本数据234与外部可用数据210和/或临床监管的数据库220中的录入之间的模糊匹配就可以被添加/合并到临床监管的数据库220，使得在相同自由文本数据234的后续录入时，那个特定的自由文本数据234可以被自动分类为匹配以用于升级。
在一些实施方式中，临床监管的数据库220可以预先填充有由人类(例如，临床医生、医疗保健提供者、第三方服务等)完成和核实的分类的基本数据集，分类至少包括“添加录入”、“合并录入”、“无动作”和“不良事件”。这个数据集可以被用于馈送自然语言处理(NPL)文本分类模型以将自由文本数据234预分类为分类之一。在一些实施方式中，预分类到“不良事件”分类中的自由文本数据234可以优先进行人工审查和潜在的升级，以更加强调可以指示不良事件已经发生或将要发生的自由文本数据234。对于没有预分类到“不良事件”分类中的自由文本数据234，可以实现模糊匹配或其它既定规则来确定是添加录入、合并录入还是不采取动作。在一些实施方式中，这些录入随后可以由人类(例如，临床医生、医疗保健提供者、第三方服务等)审查以进行核实。然后可以添加经核实的数据/将经核实的数据与临床监管的数据库220中的录入合并以训练模型并随着时间的推移提高准确性。
图6图示了如本文中阐述的方法600的流程图。在602处，方法600包括从与患者相关联的患者设备获得输入数据，输入数据包括由患者生成的自由文本数据。在604处，方法600包括分析输入数据。在606处，方法600包括将输入数据与临床监管的数据库中的临床数据进行比较以生成比较数据。基于比较数据，方法600执行步骤608-614中的至少一个。在608处，方法600包括当比较数据指示输入数据满足预定相关性准则并且与临床数据充分不同时将输入数据添加到临床监管的数据库。在610处，方法600包括当比较数据指示输入数据满足预定相关性准则并且与临床数据充分相似时将输入数据与临床数据合并。在612处，方法600包括当确定输入数据不满足预定相关性准则时不采取动作。
在一些实施方式中，方法600包括将风险评估值指派给输入数据，该风险评估值与输入数据指示不良事件已经发生或将要发生的可能性对应。当与输入数据相关联的风险评估值超过预定阈值时，方法600包括在614处执行动作机制。例如，动作机制可以包括向与监督患者的医疗保健提供者相关联的医疗保健提供者设备发送警报、向与呼叫中心相关联的呼叫中心设备发送警报，和/或向患者设备发送警报。
图7是可以被用于实现本文档中描述的系统和方法的示例电子设备700(例如，计算设备)的示意图。电子设备700旨在表示各种形式的数字计算机，诸如膝上型计算机、台式机、工作站、个人数字助理、服务器、刀片服务器、大型机和其它适当的计算机。这里所示的组件、它们的连接和关系以及它们的功能仅仅是示例性的，并不意味着限制本文档中描述和/或要求保护的发明的实施方式。
电子设备700包括处理器710、存储器720、存储设备730、连接到存储器720和高速扩展端口750的高速接口/控制器740、以及连接到低速总线770和存储设备730的低速接口/控制器760。组件710、720、730、740、750和760中的每一个使用各种总线互连，并且可以安装在公共主板上或以其它适当的方式安装。处理器710可以处理用于在电子设备700内执行的指令，包括存储在存储器720中或存储设备730上的指令，以在外部输入/输出设备(诸如耦合到高速接口740的显示器780)上显示用于图形用户界面(GUI)的图形信息。在其它实施方式中，可以视情况使用多个处理器和/或多个总线以及多个存储器和多种类型的存储器。而且，可以连接多个电子设备700，每个设备提供必要操作的部分(例如，作为服务器组、一组刀片服务器或多处理器系统)。
存储器720非暂态地将信息存储在电子设备700内。存储器720可以是计算机可读介质、(一个或多个)易失性存储器单元或(一个或多个)非易失性存储器单元。非暂态存储器720可以是用于临时或永久地存储程序(例如，指令的序列)或数据(例如，程序状态信息)以供电子设备700使用的物理设备。非易失性存储器的示例包括但不限于闪存和只读存储器(ROM)/可编程只读存储器(PROM)/可擦除可编程只读存储器(EPROM)/电,可擦除可编程只读存储器存储器(EEPROM)(例如，通常用于固件，诸如引导程序)。易失性存储器的示例包括但不限于随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、相变存储器(PCM)以及盘或带。
存储设备730能够为电子设备700提供大容量存储。在一些实施方式中，存储设备730是计算机可读介质。在各种不同的实施方式中，存储设备730可以是软盘设备、硬盘设备、光盘设备或带设备、闪存或其它相似的固态存储器设备、或设备阵列，包括在存储区域网络或其它配置中的设备。在附加的实施方式中，计算机程序产品有形地实施在信息载体中。计算机程序产品包含在被执行时执行一种或多种方法(诸如上述那些)的指令。信息载体是计算机或机器可读介质，诸如存储器720、存储设备730或处理器710上的存储器。
高速控制器740管理用于电子设备700的带宽密集型操作，而低速控制器760管理较低带宽密集型操作。这种职责的分配只是示例性的。在一些实施方式中，高速控制器740耦合到存储器720、显示器780(例如，通过图形处理器或加速器)以及高速扩展端口750，其可以接受各种扩展卡(未显示)。
电子设备700可以以多种不同的形式来实现，如图7中所示。例如，它可以作为标准服务器700a实现或在一组这样的服务器700a中多次实现，作为膝上型计算机700b实现、作为机架服务器系统700c的一部分实现、作为智能电话700d实现，或作为平板计算机700e实现。
本文描述的系统和技术的各种实施方式可以在数字电子和/或光学电路系统、集成电路系统、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现。这各种实施方式可以包括在一个或多个计算机程序中的实施方式，这些计算机程序在包括至少一个可编程处理器(其可以是专用的或通用的)的可编程系统上可执行和/或可解释，该处理器被耦合成从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令并向存储系统、至少一个输入设备和至少一个输出设备传输数据和指令。
这些计算机程序(也称为程序、软件、软件应用或代码)包括用于可编程处理器的机器指令，并且可以以高级过程和/或面向对象的编程语言和/或以汇编/机器语言实现。如本文所使用的，术语“机器可读介质”和“计算机可读介质”是指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、非暂态计算机可读介质、装置和/或设备(例如，磁盘、光盘、存储器、可编程逻辑器件(PLD)，包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”是指用于向可编程处理器提供机器指令和/或数据的任何信号。
软件应用(即，软件资源)可以指使计算设备执行任务的计算机软件。在一些示例中，软件应用可以被称为“应用”、“app”或“程序”。示例应用包括但不限于系统诊断应用、系统管理应用、系统维护应用、文字处理应用、电子表格应用、消息传递应用、媒体流传输应用、社交联网应用和游戏应用。
如本文所使用的，术语“模块”可以指硬件、软件、固件或其任何组合。本说明书中描述的过程和逻辑流程可以由一个或多个可编程处理器(也称为数据处理硬件)执行，其执行一个或多个计算机程序以通过对输入数据进行操作并生成输出来执行功能。过程和逻辑流程也可以由专用逻辑电路系统(例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路))执行。适于执行计算机程序的处理器包括例如通用和专用微处理器，以及任何类型的数字计算机的任何一个或多个处理器。一般而言，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本要素是用于执行指令的处理器和一个或多个用于存储指令和数据的存储器设备。一般而言，计算机还将包括一个或多个用于存储数据的大容量存储设备(例如，磁盘、磁光盘或光盘)，或可操作地耦合以从一个或多个用于存储数据的大容量存储设备(例如，磁盘、磁光盘或光盘)接收数据或将数据传输到这些设备或两者。但是，计算机不需要有这样的设备。适于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备，例如包括：半导体存储器设备，例如EPROM、EEPROM和闪存设备；磁盘，例如内置硬盘或可移动盘；磁光盘；以及CD ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路系统补充或结合在专用逻辑电路系统中。
为了提供与用户的交互，本公开的一个或多个方面可以在计算机上实现，该计算机具有显示设备，例如，CRT(阴极射线管)、LCD(液晶显示器)监视器或用于向用户显示信息的触摸屏，以及可选的键盘和定点设备(例如，鼠标或轨迹球)，用户可以通过它们向计算机提供输入。也可以使用其它种类的设备来提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感官反馈，例如视觉反馈、听觉反馈或触觉反馈；并且可以以任何形式接收来自用户的输入，包括声学、语音或触觉输入。此外，计算机可以通过向用户使用的设备发送文档和从用户使用的设备接收文档来与用户交互；例如，通过响应于从web浏览器接收到的请求将网页发送到用户的客户端设备上的web浏览器。
已经描述了多种实施方式。不过，应该理解的是，在不脱离本公开的精神和范围的情况下，可以进行各种修改。因而，其它实施方式在以下权利要求的范围内。
Claims (20)
1.一种系统，包括：
数据处理硬件；以及
存储器硬件，与数据处理硬件通信，该存储器硬件存储指令，所述指令在数据处理硬件上执行时使数据处理硬件执行包括以下的操作：
从与患者相关联的患者设备获得输入数据，该输入数据包括由患者生成的自由文本数据；
分析输入数据以确定输入数据是否满足预定的相关性准则；以及
将输入数据与临床监管的数据库中的临床数据进行比较以生成比较数据，并且基于比较数据，执行以下监管操作中的至少一个：
当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分不同时，将输入数据添加到临床监管的数据库；
当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分相似时，将输入数据与临床数据合并；以及
当确定输入数据不满足预定的相关性准则时，不采取动作。
2.如权利要求1所述的系统，其中所述操作还包括分析输入数据以确定不良事件的可能性，并且将风险评估值指派给输入数据，该风险评估值与输入数据指示不良事件已经发生或将要发生的可能性对应。
3.如权利要求2所述的系统，其中当与输入数据相关联的风险评估值超过预定阈值时，所述操作还包括执行动作机制以解决不良事件。
4.如权利要求3所述的系统，其中动作机制包括向与监督患者的医疗保健提供者相关联的医疗保健提供者设备发送警报，该警报指示不良事件已经发生或将要发生。
5.如权利要求3所述的系统，其中动作机制包括向与呼叫中心相关联的呼叫中心设备发送警报，该警报指示不良事件已经发生或将要发生，并且该警报向呼叫中心提供经由患者设备联系患者的指令。
6.如权利要求3所述的系统，其中动作机制包括向患者设备发送警报，该警报向患者提供信息以解决不良事件。
7.如权利要求1所述的系统，其中通过实现人工智能来执行分析输入数据和将输入数据与临床数据进行比较。
8.如权利要求7所述的系统，其中人工智能由医疗保健专业人员监督。
9.如权利要求7所述的系统，其中人工智能包括无监督的机器学习。
10.如权利要求1所述的系统，其中响应于查询而输入输入数据，并且当输入数据响应于查询时满足预定的相关性准则。
11.一种方法，包括：
经由一个或多个处理器从与患者相关联的患者设备获得输入数据，该输入数据包括由患者生成的自由文本数据；
经由一个或多个处理器分析输入数据以确定输入数据是否满足预定的相关性准则；以及
经由一个或多个处理器将输入数据与临床监管的数据库中的临床数据进行比较以生成比较数据，并且基于比较数据，经由一个或多个处理器执行以下监管操作中的至少一个：
当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分不同时，将输入数据添加到临床监管的数据库；
当输入数据满足预定的相关性准则并且当比较数据指示输入数据与临床数据充分相似时，将输入数据与临床数据合并；以及
当确定输入数据不满足预定的相关性准则时，不采取动作。
12.如权利要求11所述的方法，还包括分析输入数据以确定不良事件的可能性，并且将风险评估值指派给输入数据，该风险评估值与输入数据指示不良事件已经发生或将要发生的可能性对应。
13.如权利要求12所述的方法，还包括当与输入数据相关联的风险评估值超过预定阈值时，执行动作机制以解决不良事件。
14.如权利要求13所述的方法，其中动作机制包括向与监督患者的医疗保健提供者相关联的医疗保健提供者设备发送警报，该警报指示不良事件已经发生或将要发生。
15.如权利要求13所述的方法，其中动作机制包括向与呼叫中心相关联的呼叫中心设备发送警报，该警报指示不良事件已经发生或将要发生，并且该警报向呼叫中心提供经由患者设备联系患者的指令。
16.如权利要求13所述的方法，其中动作机制包括向患者设备发送警报，该警报向患者提供信息以解决不良事件。
17.如权利要求11所述的方法，其中通过实现人工智能来执行分析输入数据和将输入数据与临床数据进行比较。
18.如权利要求17所述的方法，其中人工智能由医疗保健专业人员监督。
19.如权利要求17所述的方法，其中人工智能包括无监督的机器学习。
20.如权利要求11所述的方法，其中响应于查询而输入输入数据，并且当输入数据响应于查询时满足预定的相关性准则。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962840656P | 2019-04-30 | 2019-04-30 | |
| US62/840,656 | 2019-04-30 | ||
| PCT/US2020/030644 WO2020223446A1 (en) | 2019-04-30 | 2020-04-30 | System and methods for clinical curation of crowdsourced data |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113906521A true CN113906521A (zh) | 2022-01-07 |
Family
ID=70861541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080040582.XA Pending CN113906521A (zh) | 2019-04-30 | 2020-04-30 | 用于众包数据的临床监管的系统和方法 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US20200350076A1 (zh) |
| EP (1) | EP3963601A1 (zh) |
| JP (2) | JP7432070B2 (zh) |
| KR (1) | KR20220009964A (zh) |
| CN (1) | CN113906521A (zh) |
| AU (1) | AU2020266572A1 (zh) |
| CA (1) | CA3138308A1 (zh) |
| IL (1) | IL287692A (zh) |
| SG (1) | SG11202112016VA (zh) |
| WO (1) | WO2020223446A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116072305A (zh) * | 2023-02-17 | 2023-05-05 | 北京中兴正远科技有限公司 | 一种临床试验数据采集系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11671406B2 (en) * | 2020-11-03 | 2023-06-06 | International Business Machines Corporation | Patterned and correlated electrical activity |
| US11824937B2 (en) | 2021-04-04 | 2023-11-21 | Rissana, LLC | System and method for handling the connection of user accounts to other entities |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005078183A (ja) * | 2003-08-28 | 2005-03-24 | Konica Minolta Medical & Graphic Inc | 医療情報管理システム |
| US20130262357A1 (en) * | 2011-10-28 | 2013-10-03 | Rubendran Amarasingham | Clinical predictive and monitoring system and method |
| US20150213206A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated staff monitoring |
| US20150213207A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated facial biological recognition |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003122845A (ja) * | 2001-10-09 | 2003-04-25 | Shinkichi Himeno | 医療情報の検索システム及びそのシステムを実行するためのプログラム |
| JP4001781B2 (ja) * | 2002-06-13 | 2007-10-31 | 富士通株式会社 | アンケート実施プログラム、アンケート実施装置およびアンケート実施方法 |
| US20040024755A1 (en) * | 2002-08-05 | 2004-02-05 | Rickard John Terrell | System and method for indexing non-textual data |
| EP1547009A1 (en) * | 2002-09-20 | 2005-06-29 | Board Of Regents The University Of Texas System | Computer program products, systems and methods for information discovery and relational analyses |
| US7493333B2 (en) * | 2004-09-03 | 2009-02-17 | Biowisdom Limited | System and method for parsing and/or exporting data from one or more multi-relational ontologies |
| JP2009080700A (ja) * | 2007-09-26 | 2009-04-16 | Toshiba Corp | 健康医療情報管理分析装置 |
| US8121860B2 (en) * | 2008-05-01 | 2012-02-21 | Siemens Medical Solutions Usa, Inc. | Patient care and treatment data structure and processing system |
| US9183291B2 (en) * | 2009-01-27 | 2015-11-10 | Apple Inc. | Mobile content capture and discovery system based on augmented user identity |
| US8898798B2 (en) * | 2010-09-01 | 2014-11-25 | Apixio, Inc. | Systems and methods for medical information analysis with deidentification and reidentification |
| US20140046696A1 (en) * | 2012-08-10 | 2014-02-13 | Assurerx Health, Inc. | Systems and Methods for Pharmacogenomic Decision Support in Psychiatry |
| US9782075B2 (en) * | 2013-03-15 | 2017-10-10 | I2Dx, Inc. | Electronic delivery of information in personalized medicine |
| WO2016120955A1 (ja) * | 2015-01-26 | 2016-08-04 | 株式会社Ｕｂｉｃ | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム |
| EP3326119A4 (en) * | 2015-07-22 | 2018-08-08 | Wisdo Ltd. | Methods and systems for dynamically generating real-time recommendations |
| KR20200003407A (ko) * | 2017-07-28 | 2020-01-09 | 구글 엘엘씨 | 전자 건강 기록으로부터 의료 이벤트를 예측 및 요약하기 위한 시스템 및 방법 |
| AU2019392537A1 (en) * | 2018-12-03 | 2021-07-01 | Tempus Ai, Inc. | Clinical concept identification, extraction, and prediction system and related methods |
| US10949456B2 (en) * | 2019-03-29 | 2021-03-16 | Knowtions Research Inc. | Method and system for mapping text phrases to a taxonomy |
-
2020
- 2020-04-30 CA CA3138308A patent/CA3138308A1/en active Pending
- 2020-04-30 CN CN202080040582.XA patent/CN113906521A/zh active Pending
- 2020-04-30 US US16/863,228 patent/US20200350076A1/en active Pending
- 2020-04-30 JP JP2021564441A patent/JP7432070B2/ja active Active
- 2020-04-30 WO PCT/US2020/030644 patent/WO2020223446A1/en unknown
- 2020-04-30 EP EP20728845.7A patent/EP3963601A1/en active Pending
- 2020-04-30 AU AU2020266572A patent/AU2020266572A1/en not_active Abandoned
- 2020-04-30 SG SG11202112016VA patent/SG11202112016VA/en unknown
- 2020-04-30 KR KR1020217037772A patent/KR20220009964A/ko not_active Application Discontinuation
-
2021
- 2021-10-28 IL IL287692A patent/IL287692A/en unknown
-
2023
- 2023-10-27 JP JP2023184844A patent/JP2024020246A/ja active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005078183A (ja) * | 2003-08-28 | 2005-03-24 | Konica Minolta Medical & Graphic Inc | 医療情報管理システム |
| US20130262357A1 (en) * | 2011-10-28 | 2013-10-03 | Rubendran Amarasingham | Clinical predictive and monitoring system and method |
| US20150213206A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated staff monitoring |
| US20150213207A1 (en) * | 2012-09-13 | 2015-07-30 | Parkland Center For Clinical Innovation | Holistic hospital patient care and management system and method for automated facial biological recognition |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116072305A (zh) * | 2023-02-17 | 2023-05-05 | 北京中兴正远科技有限公司 | 一种临床试验数据采集系统 |
| CN116072305B (zh) * | 2023-02-17 | 2023-09-29 | 北京中兴正远科技有限公司 | 一种临床试验数据采集系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2020266572A1 (en) | 2021-12-09 |
| US20200350076A1 (en) | 2020-11-05 |
| JP2024020246A (ja) | 2024-02-14 |
| KR20220009964A (ko) | 2022-01-25 |
| JP7432070B2 (ja) | 2024-02-16 |
| EP3963601A1 (en) | 2022-03-09 |
| JP2022533021A (ja) | 2022-07-21 |
| SG11202112016VA (en) | 2021-11-29 |
| WO2020223446A1 (en) | 2020-11-05 |
| CA3138308A1 (en) | 2020-11-05 |
| IL287692A (en) | 2021-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2018348113B2 (en) | Systems and methods for ensuring data security in the treatment of diseases and disorders using digital therapeutics | |
| US9070357B1 (en) | Using speech analysis to assess a speaker's physiological health | |
| US20200350076A1 (en) | Systems and Methods for Clinical Curation of Crowdsourced Data | |
| Daskalova et al. | SleepBandits: Guided flexible self-experiments for sleep | |
| US20200330019A1 (en) | Electronic Devices and Methods for Treating Depressive Symptoms Associated With Multiple Sclerosis | |
| US11793472B2 (en) | Systems and methods for the treatment of symptoms associated with migraines | |
| JP2021531606A (ja) | 記憶障害を治療するためのシステムおよび方法 | |
| US11790107B1 (en) | Data sharing platform for researchers conducting clinical trials | |
| Bitsaki et al. | ChronicOnline: Implementing a mHealth solution for monitoring and early alerting in chronic obstructive pulmonary disease | |
| US20200372990A1 (en) | Systems and Methods for Visualizing and Modifying Treatment of a Patient Utilizing a Digital Therapeutic | |
| US20220005581A1 (en) | Systems, Methods, and Devices for Generating and Administering Digital Therapeutic Placebos and Shams | |
| US20220020467A1 (en) | System and method for monitoring and managing patients undergoing immunotherapy | |
| EP4035170A1 (en) | A method to mitigate allergen symptoms in a personalized and hyperlocal manner | |
| US20230317270A1 (en) | Platforms for dynamically selecting messages in real-time to users via decision support tools | |
| US20230044000A1 (en) | System and method using ai medication assistant and remote patient monitoring (rpm) devices |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Massachusetts Applicant after: Pyle therapeutics USA, Inc. Address before: Massachusetts Applicant before: Peyer therapy Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240219 Address after: USA New York Applicant after: Crick therapeutics Ltd. Country or region after: U.S.A. Address before: Massachusetts USA Applicant before: Pyle therapeutics USA, Inc. Country or region before: U.S.A. |