CN115881266A - 用于提供医学行动推荐的计算机实现的方法和行动推荐装置 - Google Patents
用于提供医学行动推荐的计算机实现的方法和行动推荐装置 Download PDFInfo
- Publication number
- CN115881266A CN115881266A CN202211200290.5A CN202211200290A CN115881266A CN 115881266 A CN115881266 A CN 115881266A CN 202211200290 A CN202211200290 A CN 202211200290A CN 115881266 A CN115881266 A CN 115881266A
- Authority
- CN
- China
- Prior art keywords
- patient
- observables
- data set
- user
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000009471 action Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003384 imaging method Methods 0.000 claims description 26
- 238000003066 decision tree Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 19
- 230000008569 process Effects 0.000 description 16
- 230000005856 abnormality Effects 0.000 description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000001574 biopsy Methods 0.000 description 6
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 206010027476 Metastases Diseases 0.000 description 5
- 230000009401 metastasis Effects 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000011524 similarity measure Methods 0.000 description 3
- 206010060862 Prostate cancer Diseases 0.000 description 2
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 208000029523 Interstitial Lung disease Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000007704 transition 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Radiology & Medical Imaging (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
描述一种用于提供患者特定的医学行动推荐(HE)的计算机实现的方法。在该方法中，接收患者的数据集(DS)。基于数据集(DS)来自动确定一个或多个可观测量(OB)，其中一个或多个可观测量(OB)描述患者的临床状态。一个或多个可观测量(OB)经由用户接口(23)显示。此外，经由用户接口(23)接收用户(BN)的涉及显示的可观测量(OB)的用户输入(NE)。基于用户输入(NE)和可选地基于数据集(DS)，提供用于用户(BN)的涉及诊断和/或治疗患者的其他步骤的行动推荐(HE)。此外，描述一种临床检查和治疗系统(30)。
Description
技术领域
本发明涉及一种用于提供患者特定的医学行动推荐的方法。此外，本发明涉及一种行动推荐装置。此外，本发明涉及一种临床检查和治疗系统。
背景技术
医院的运营现今经受非常高的合理化压力和对在那里发生的进程的有效性的高要求。通常只有少量时间留给医务人员来熟悉患者的情况并且做出对尽可能最优检查的决策，作为正确评估或诊断和随后对患者进行有效和适当治疗的先决条件。
借助于现代成像方法，通常产生二维或三维图像数据，所述图像数据能够用于使所成像的检查对象可视化和此外也用于进一步应用。所产生的患者的图像数据存储在数据库中。这种数据库通常是用于所有放射影像的中央图像管理系统PACS(PACS＝PictureArchiving and Communication System(图像存档与传输系统))的组成部分。其他患者数据能够经由放射科信息系统RIS调用，在所述放射科信息系统中存储有对患者的全部措施的管理数据。现在，如果主治医生获得关于患者的上述数据，那么其将独自根据获得的数据采取进一步措施。通常，主治医师也缺乏附加的数据来为进一步措施做出正确的决策。
用于检查患者的这种工作进程的一个重要方面也是准备、设定和用适合的数据供应所使用的医学设备，尤其是医学成像装置，以便获得可用于以后的诊断的图像结果。在该上下文中，期望自动化地设定和控制所使用的医学系统，以便减轻医务人员的负担并且避免或减少在借助于技术系统准备检查过程时的错误。
发明内容
因此，存在如下问题，比迄今为止在临床日常的情况更有效地组织患者的检查和治疗过程。
所述目的通过根据实施例的用于提供患者特定的医学行动推荐的方法、根据实施例的行动推荐装置和根据实施例的临床检查和治疗系统来实现。
在根据本发明的用于提供患者特定的医学行动推荐的优选计算机实现的方法中，优选从数据库接收患者的数据集，所述数据集优选地包括医学数据集。患者的这种数据集例如能够包括出自诊所的PACS的医学数据和/或出自RIS的对患者的管理数据。基于数据集确定一个或多个可观测量，优选自动地确定。一个或多个可观测量描述患者的临床状态。
可观测量包括患者的状态属性或症状。状态属性涉及关于患者的健康状况的信息。这种信息例如能够涉及如下问题：患者是否是吸烟者或者其疾病是否是急性的。状态属性也能够具有关于患者的状态的猜测或概率信息，例如如下信息：猜测是否转移或者实验室数值是好还是差，即建议在健康上更好或更差的状态。这种信息也能够涉及检查结果，如例如活检结果，和如下问题：究竟是否存在这种活检结果。状态属性也能够延伸至如下问题：是否执行了特定的治疗步骤，例如是否施用了特定的药物。此外，可观测量也能够包括已经存在的诊断，例如多个鉴别诊断。这种鉴别诊断例如能够涉及在出现间质性肺部疾病和肺癌之间的区别。
此外，在根据本发明的方法的范围中，经由用户接口为用户显示一个或多个可观测量，用户也称作为用户，即医学专业人员，例如患者的主治医生。
随后，经由用户接口接收用户的涉及显示的可观测量的用户输入，并且基于用户输入和可选地基于患者的数据集来输出用于用户的涉及诊断和/或治疗患者的其他步骤的行动推荐。
用户的用户输入、例如主治医生能够确认或丢弃可观测量，对可观测量评分或者用户对显示给其的可观测量的其他反应。例如，用户也能够基于关于其患者的个体化的信息和了解来改变个别可观测量。
行动推荐包括给用户的对医学行动的指示。行动推荐例如能够涉及检查的执行并且尤其建议其他检查。在该上下文中，例如能够要求活检或实验室数据。尤其地，所述行动推荐也能够“飞速写入地(on the fly)”、即直接在医学检查或治疗过程期间进行。例如，刚好在对患者执行图像记录期间，能够建议其他造影剂，或者能够在图像记录的过程期间改变图像记录参数。
行动推荐还能够涉及患者的现有的数据集的评估，并且向用户给出提示，其应查看哪些数据和其应在数据中检查什么。例如，行动推荐能够包括如下提示：检查在特定的器官中是否存在转移，或者对此查看特定的图像数据集，或者提示：哪些分析工具适合应用于所述特定的图像数据集。
行动推荐能够包括对下一治疗步骤的建议，如例如使用特定的药物或辐照。
行动推荐也可以包括让其他专家介入或转诊患者的推荐。
行动推荐也能够理解成建议。如果用户确认所述建议，但行动推荐也能够在控制技术系统的意义上直接实现，其方式例如为：操控成像模态或者预约活检日期。
有利地，根据本发明的方法的用户不必执行用于规划用于检查和可能还有治疗患者的工作进程的有效步骤。更确切地说，自动化地执行判定患者数据和对其进行评估的步骤以及以规划工作进程的方式对其做出反应。在此，尽管如此但是用户仍完全参与判定患者数据以及规划工作进程，使得其保持对所述过程的完全控制并且已经可以干预规划的中间阶段。对此有利地，在收集数据和评估时查明的可观测量显示给用户并且能够由所述用户评判、确认或丢弃或补充。此外，用户也能够对行动推荐以改变、确认或丢弃所述行动推荐做出反应。用户的工作负荷的耗费和要求因此通过自动化的行动推荐减少，而患者不必交出对规划与患者有关的工作进程(工作流程)的过程的控制。因此，临床过程可以更高效地安排，而患者的安全性降低，例如由于在自动化地评估患者数据时出现的异常。
根据本发明的行动推荐装置具有用于接收患者的优选医学的数据集的数据接收接口。根据本发明的行动推荐装置的一部分也是用于基于数据集自动化地查明一个或多个可观测量的查明单元，其中一个或多个可观测量描述患者的临床状态。为了显示一个或多个可观测量和接收用户的涉及显示的可观测量的用户输入，根据本发明的行动推荐装置包括用户接口。根据本发明的行动推荐装置此外包括推荐提供单元，用于基于用户输入和可选地基于患者的数据集来提供用于用户的涉及诊断和/或治疗患者的其他步骤的行动推荐。根据本发明的行动推荐装置共享根据本发明的用于提供患者特定的医学行动推荐的优选计算机实现的方法的优点。
根据本发明的临床检查和治疗系统具有根据本发明的行动推荐装置。临床检查和治疗系统此外包括一个或多个检查装置，如例如医学成像装置或治疗装置。检查和/或治疗装置可基于行动推荐装置的行动推荐操控。即行动推荐能够包含指示或协议数据，其在通过用户确认之后传送给检查和/或治疗装置，以执行分别规划的检查或治疗过程。临床检查和治疗系统共享根据本发明的用于提供患者特定的医学行动推荐的方法的优点。
如已经表明的那样，根据本发明的行动推荐装置的主要组件能够大部分以软件组件的形式构成。这尤其涉及查明单元和推荐提供单元。但原则上，所述组件也能够部分地，尤其当涉及特别快的计算时，以软件支持的硬件、例如FPGA等的形式或者通过使用处理器来实现。同样地，需要的接口，例如当仅涉及从其他软件组件接收数据时，可以构成为软件接口。但其也能够构成为以硬件的方式构造的接口，所述接口通过适合的软件来操控。
主要以软件方式的实现方案具有如下优点，也能够将临床检查和治疗系统中的已经使用至今的计算单元以简单的方式通过软件升级改装，以便以根据本发明的方式工作。就此而言，所述目的也通过具有计算机程序的对应的计算机程序产品来实现，所述计算机程序能够直接加载到临床检查和治疗系统的计算单元的存储装置中，并且包括程序段，以便当计算机程序在临床检查和治疗系统的计算单元中执行时，执行根据本发明的方法的所有步骤。
这种计算机程序产品除了计算机程序之外可选地能够包括附加的组成部分，如例如文档编制，和/或附加的组件，还有硬件组件，如例如用于软件的硬件秘钥(软件狗等)。
为了运输至临床检查和治疗系统的计算单元的存储装置和/或为了存储在临床检查和治疗系统的计算单元处，可以使用计算机可读介质、例如记忆棒、硬盘或其他可运输的或固定安装的数据载体，在其上存储有由计算单元可读的和可执行的计算机程序的程序段。计算单元例如对此能够具有一个或多个协作的微处理器等。
从属权利要求以及下面的描述分别包含本发明的特别有利的设计方案和改进方案。在此尤其地，一种权利要求类别的权利要求也能够类似于另一种权利要求类别的从属权利要求得到改进。此外，在本发明的范围中，不同的实施例的不同特征和权利要求也能够组合成新的实施例。
优选地，在根据本发明的用于提供患者特定的医学行动推荐的方法中，确定一个或多个可观测量包括将状态分析算法应用于医学数据集。状态分析算法构成用于，从医学数据集中提取可观测量。
状态分析算法例如能够基于AI(AI＝人工智能)构成。这种基于AI的结构优选能够包括：神经网络，所述神经网络直接从患者数据中提取特征/可观测量；或者分类算法，如“k最近邻法”，其将患者分类到事件空间中并且根据在事件空间中的位置与可观测值相关联。应用这种分类算法例如在Wolfgang Ertel的“Grundkurs Künstliche Intelligenz:Einepraxisorientierte Einführung”(第三版，Springer Viewe，Wiesbaden，2013)中描述。在查明可观测量时基于AI的方式可特别灵活地匹配于要处理的数据集和要遵循的目标设定。通常地，为了实现人工智能，首先应用基于训练数据的训练方法，以便训练基于AI的结构，例如人工神经网络并且随后应用于当前的患者数据。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，确定一个或多个可观测量包括从数据库中选择一个或多个可观测量。数据库包括多个预先确定的可观测量和/或多个预先确定的状态，其分别描述患者的医学数据集的一个或多个特征样本并且将其与一个或多个可观测量关联。此外，数据库包括多个规则，所述规则分别将至少一个状态的出现概率与存在或不存在可观测量相联系。有利地，对于存在医学状态的统计学经验值能够用于基于查明的可观测量来估计医学状态的存在或其存在的概率并且让其纳入行动推荐中。
特征样本例如能够通过神经网络提取。确定的特征样本能够与不同的可观测量关联，例如，肺的特定的图像特征能够表明肝中的癌症。某种可观测量又能够与之关联，如疼痛、消化道疾病等。如果用户确认这，那么可以遵循与在情况不是如此时不同的行动推荐。在状态和要问询的可观测量之间的关联关系能够基于固定的规则，所述规则被自动化地考虑用以查明行动推荐。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，优选地，提供行动推荐包括基于用户输入来查明至少一个初步诊断，并且行动推荐优选地基于至少一个初步诊断来确定。这种初步诊断能够包括出现疾病或医学状态的概率。有利地，例如所查明的状态的概率、如例如在肝中出现癌症用于自动化地做出初步诊断。用户于是能够基于传送给其的信息确认或丢弃初步诊断。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，优选地，行动推荐包括借助成像模态对患者进行进一步检查，并且为了检查患者针对成像模态基于用户输入和可选地基于其余的患者数据来确定成像协议。有利地，基于患者数据的自动化的评估过程和与用户的对话过程来准备下一检查步骤。
在临床过程中，通常由转诊医生采取另外的行动选项，所述转诊医生例如已经要求扫描或借助成像模态执行医学图像记录。如果转诊医生想要另外的成像检查，那么其与放射科医生联系。放射科医生于是基于转诊医生的问题来确定用于成像的参数。所述配合过程也能够是多级的，如果例如成像未指示期望的结果。通过自动化地确定参数，在此能够节约或者至少简化步骤，因为放射科医生仅还必须同意或必要时能够修改参数，如果其认为必要。此外，在转诊医生和放射科医生之间的配合能够更客观地做出，即有关人员不易互不理解。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，优选地，行动推荐包括将选定的数据分析算法应用于从患者的优选医学的数据集中选定的数据元素的推荐，其中选定的数据分析算法从多个可用的数据分析算法中选择，并且选定的数据元素从患者的数据集中选择。例如，基于初步诊断能够进行附加的数据分析，所述数据分析有针对性地应用于确定的数据元素。有利地，评估患者的数据本身基于对数据集的评估来修改，以便迭代地改进评估。评估的质量也可以受用户影响，用户关于患者和其专业直觉的特殊知识能够附加地用于规划工作进程。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，优选地，基于患者的数据集从多个比较患者中辨识一个或多个参考患者。此外，从与比较患者相关联的患者数据中提取比较信息并且附加地基于比较信息来确定行动推荐。
换言之，在具有多个比较患者的数据库中查找与当前患者类似的患者，其称作为对于当前患者的参考患者。如果辨识到类似的患者，那么能够从参考患者的档案中提取比较信息。所述比较信息是在参考患者的档案中包含的数据，所述数据由于两个患者档案的相似性可转用于当前患者。
例如，作为比较信息提取提取如下行动，所述行动针对相似的患者或患者档案被执行并且必要时已经证实为是成功的。
查找相似的患者或患者档案例如能够通过应用基于AI的方法进行，所述基于AI的方法设计为，从患者数据中提取特征矢量。提取的特征矢量于是能够彼此比较。特征矢量越相似，则被比较的患者也就越相似。
这种特征矢量例如可以包括图像描述符以及非图像患者数据。
在查找相似的患者时，在所述变型形式中首先接收当前患者的患者图像的图像描述符，并且从患者的医学数据集中查询非图像患者数据，所述非图像患者数据与患者图像相关联，其中当前的患者图像例如指示医学异常。现在，为多个在数据库中存储的候选图像中的每个候选图像接收候选图像的图像描述符和医学异常数据，所述医学异常数据指示医学反常或异常，从中已知，其通过候选图像指示。于是，对于多个候选图像中的每个候选图像确定相似性度量，所述相似性度量表示在患者图像的图像描述符和候选图像的图像描述符之间的相似性。此外，对于多个候选图像中的每个候选图像，确定如下的第一概率：通过患者图像指示的医学异常是在给定了与当前患者图像相关联的非图像患者数据时已知通过候选图像指示的医学异常。此外，对于多个候选图像中的每个，基于确定的相似性度量和确定的第一概率来查明评分。最后，根据查明的评分从数据库中检索一个或多个候选图像。
第一概率例如能够利用贝叶斯推论来确定。
优选地，对于多个候选图像中的每个候选图像，在给定已知由候选图像指示的医学异常的情况下，优选地基于观察非图像患者数据的第一概率来确定第一概率。
优选地，所述方式包括从第一分布数据中来确定第一概率，所述第一分布数据表示在患者群体的非图像患者数据下已知由候选图像指示的医学异常的第一分布。
第一分布例如能够根据经验推导出。
非图像患者数据例如能够包括人口统计学数据和/或临床数据。
第一概率可以基于出现已知在医学异常中由候选图像指示的医学异常的第二概率来确定。
优选地，用于确定患者相似性的该方式包括基于数据库中的示出已知由候选图像指示的医学异常的候选图像的数量与数据库中的候选图像的总数的比值来确定第二概率。
优选地，第一概率根据下面的等式P(D＝DI|N)来确定：
其中P(D＝DI|N)是在已知通过候选图像I指示的医学异常DI中观测非图像患者数据N的第一概率，P(D＝DI)是出现已知在医学异常中通过候选图像I指示的医学异常DI的第二概率，并且P(N)是在其他非图像患者数据中观测非图像患者数据N的边际概率。
优选地，相似性度量是在矢量空间中在当前的患者图像的图像描述符和候选图像的图像描述符之间的间距。
优选地，评分S根据评分等式来确定：
S＝||q-i||2-λlog(P(D＝DI|N))， (2)
其中q是患者图像Q的图像描述符，i是候选图像I的图像描述符，λ是可设定的参数并且P(D＝DI|N)是通过当前患者图像指示的医学异常D是当给定与前患者图像Q相关联的非图像患者数据N时已知通过候选图像I指示的医学异常DI的第一概率。
为了图解说明，针对三个不同的候选图像I给出第一概率P(D＝DI|N)的示例性的计算。每个候选图像I分别指示不同疾病D＝D1，D2，D3。在该实例中，当前患者图像Q的非图像患者数据N显示，患者是女士。疾病D1、D2和D3根据性别FM(FM＝女性)，(M＝男性)(例如根据经验推导)的分布在下面的表格中示出。
| I | D | FM | M |
| 1 | D1 | 0.2 | 0.8 |
| 2 | D2 | 0.5 | 0.5 |
| 3 | D3 | 0.8 | 0.2 |
在给定已知由候选图像I指示的疾病DI中观测非图像患者数据N(即女性)的概率P(N|D＝DI)对于图像1为0.2，对于图像2为0.5，和对于图像3为0.8。在本实例中假设，疾病D1、D2和D3在自然界中发生的概率相同，因此对于图像1到3中的每一个，第二概率P(D＝DI)为1/3。例如，基于男性和女性患者数量相等，边际概率P(N)为0.5。与此相应地，使用等式(1)，在给定与当前患者图像Q相关联的非图像患者数据N时，通过当前患者图像Q指示的医学异常D是已知通过候选图像I指示的医学异常DI的第一概率P(N|D＝DI)如下计算：
| I | P(D＝D<sub>I</sub>|N) |
| 1 | 2/15 |
| 2 | 5/15 |
| 3 | 8/15 |
与此相应地，指示在女性中具有最高发生概率(0.8)的医学异常D3的候选图像3具有最高(8/15)的第一概率P(D＝DI|N)。另一方面，指示在女性中具有最低发生概率(0.2)的医学异常D1的候选图像1具有最低(2/15)的第一概率P(D＝DI|N)。因此，附加地基于第一概率检索候选图像I有助于提高在候选图像I中指示的医学异常与当前患者图像相同的概率，并从而提高所检索的候选图像I对当前患者图像Q的相关性。
可以从参考患者的病历中提取比较信息。例如，可以根据执行的检查来搜索参考患者的病历。此外，可以借助NLP算法(LP＝Natural language processing＝借助于计算机处理自然语言信息)在诊断报告中搜索可用信息。例如，在Prakash M.Nadkarni等人的“Natural language processing:an introduction”(Journal of the American MedicalInformatics Association，第18卷，第5期，2011年9月，第544-551页)中描述了NLP算法的应用的说明。比较信息可以包括例如所应用的诊断方法。
可选地，比较信息可以显示给用户并且所述用户必须决定，是否要将所述比较信息用于所述情况。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，优选地附加地基于用户输入来辨识参考患者。
换言之，通过考虑用户输入能够更有针对性地搜索比较患者。如果例如用户核实可观测量，例如患者的腹部中有疼痛，则能够有针对性地搜索患者，其中存在相似的诊断。换言之，基于用户输入将可观测量接收到刚好要诊断的患者的特征矢量中。
在根据本发明的用于提供患者特定的医学行动推荐的方法中，优选地，提供行动推荐包括基于用户输入和/或可观测量和/或数据集从多个预先确定的决策树中选择选定的决策树。对此，每个决策树具有多个不同的路径并且每个路径设有用于诊断/治疗患者的至少一个离散的步骤。确定在选定的决策树之内的路径基于用户输入和/或可观测量和/或数据集并且提供行动推荐基于确定的路径。
决策树例如能够从临床准则中提取。有利地，评估和决策过程为了规划用于另外的治疗或检查步骤的工作进程能够与规定的临床规则协调并从而与上述用于治疗和检查规划的方式兼容。
附图说明
在下文中参照附图根据实施例再次详细阐述本发明。附图示出：
图1示出流程图，所述流程图图解说明根据本发明的一个实施例的用于提供患者特定的医学行动推荐的方法，
图2示出方框图，借助所述方框图示出根据本发明的一个实施例的行动推荐装置，
图3示出根据本发明的一个实施例的临床检查和治疗系统的示意图，
图4示出流程图，所述流程图图解说明根据本发明的第二实施例的用于提供患者特定的医学行动推荐的方法，
图5示出流程图，所述流程图图解说明根据本发明的第三实施例的用于提供患者特定的医学行动推荐的方法。
具体实施方式
在图1中示出流程图100，所述流程图图解说明根据本发明的第一实施例的用于提供患者特定的医学行动推荐的方法。所述方法能够基于软件在数据处理设备上实现，所述数据处理设备在下文中也称作为行动推荐装置20(参见图2)。在具体的实施例中，应示例性地图解说明治疗比较年长的患有前列腺癌的患者的自动化的规划。
在步骤1.I中，从医院的一个或多个数据库、例如PACS和RIS接收患者的包括患者的医学的和与管理有关的数据集的数据集DS。医学数据集例如包括之前检查的患者P的图像数据、放射科医生的注释、查明的症状、评估结果和主治医生的诊断。与管理有关的数据集涉及管理性地记录结合相关的患者已经进行的措施和过程。
在步骤1.II中，现在基于患者的数据集DS自动地查明一个或多个可观测量OB。可观测量OB能够通过训练模型、也称作为状态分析算法查明，所述训练模型基于训练数据能够从患者特定的数据中提取可观测量OB。如已经提到的那样，可观测量OB涉及患者的状态属性或症状。所述状态属性从患者特定的数据集DS中自动化地提取。例如，状态属性包括如下信息，患者是否是吸烟者。在癌症疾病的情况下，患者的状态能够通过推测存在或不存在转移来表征。这种信息例如能够根据图像数据的注释或明确的诊断结果来查明。其他信息例如能够包含对实验室值的信息和其定性分级，如例如患者的格里森评分或PKS值。
状态属性也能够包括存在活检结果和其内容。活检结果例如能够解决如下问题：查明的前列腺的异常是否为恶性癌。
患者的状态也能够通过关于由患者当前对药物的服用的信息来表征。例如，药物服用和其在检查时的相互作用能够影响检查的选择和准备。状态属性也能够包括多个鉴别诊断。
症状能够涉及可感测或可测量的现象，例如在特定的身体区域中的疼痛，其类型和出现这种疼痛的频率或诱因或者身体温度的改变等。
在步骤1.III中，自动化查明的描述患者的临床状态的可观测量OB经由用户接口23(参见图2)显示给用户BN，例如医生。
在步骤1.IV中，现在行动推荐装置20(参见图2)经由用户接口23(参见图2)接收患者BN的涉及所显示的可观测量OB的用户输入NE。所述用户输入NE包括确认或丢弃可观测量OB或对可观测量OB评分。因此由医生将附加的信息提供给行动推荐装置20，所述信息被一起纳入到对患者的随后的工作进程的规划中，所述工作进程例如包括检查或治疗。
例如可能的是，用户、在该情况下为医生具有关于可观测量的附加的信息，所述信息不包含在数据库PACS、RIS中，在所述数据库中存储有患者数据集DS，基于所述患者数据集查明可观测量OB。通过使用用户接口23，因此能够使工作进程的规划过程匹配于医生关于患者的当前认知。同时，在行动推荐装置20和用户BN之间的交互基于在数据库PACS、RIS中存在的数据集DS尽可能机器地预处理，使得用户BN仅必须传送确认消息或者必要时必须执行各个可观测量OB的更新并且能够简单地接收其余的自动化地汇编和呈现的数据。
在步骤1.V中，现在基于用户输入NE和基于数据集DS的其余的查明的可观测量OB来自动地查明和提供涉及用于诊断/治疗患者的其他步骤的用于用户BN的行动推荐HE。查明行动推荐HE例如能够通过将基于模型的评估样本应用于在数据库PACS、RIS中查明的可观测量OB以及对患者的用户输入NE进行。
例如，医生BN基于存在的患者数据集DS得到推荐，其中前列腺癌患者应执行在胸部区域中的另一成像，以便排除转移，或者如果已经从患者数据集DS中已知出现转移或者至少是有可能的，那么将这种转移定位。行动推荐HE的一部分能够是，如果患者具有需要偏离于常规方式的特定的特点，那么将在规划的成像中选择的扫描参数BP(参见图3)与常见方式不同地设定。
在图2中示出根据本发明的一个实施例的行动推荐装置20的示意图2，所述行动推荐装置与数据库DB和用户BN通信。行动推荐装置20包括数据推荐接口21，用于接收患者的医学数据集DS。行动推荐装置20的一部分也是查明单元22，用于基于数据集DS自动地查明一个或多个可观测量OB，其中一个或多个可观测量OB描述患者的临床状态。行动推荐装置20也包括用户接口23，所述用户接口设立用于，将查明的可观测量OB显示给用户BN并且接收用户BN的涉及所显示的可观测量OB的用户输入NE。用户输入NE例如能够包括确认可观测量OB或者改变或丢弃可观测量OB。用户输入NE传送给推荐提供单元24，所述推荐提供单元设立用于，基于用户输入NE和数据集DS查明对用户BN的涉及用于诊断和/或治疗患者的其他步骤的行动推荐，并且将其经由用户接口23输出给用户BN。
在图3中示意地示出根据本发明的一个实施例的临床检查和治疗系统30。临床检查和治疗系统30包括与在图2中示出的行动推荐装置20相比扩展的行动推荐装置20，该行动推荐装置除了数据库DB和患者的主治医生之外还与放射科医生R以及医学成像装置31通信，所述主治医生也称作为用户BN。
如在行动推荐装置20的在图2中示出的第一实施例中那样，根据第二实施例的行动推荐装置20也包括：数据接收接口21，用于与数据控DB通信或者用于接收患者的医学数据集DS；查明单元22，用于基于医学图像数据集DS来查明可观测量OB；用户接口23，用于行动推荐装置20与用户BN通信；和推荐提供单元24，用于基于用户的用户输入NE以及基于查明的可观测量OB来查明行动推荐HE。在图3中示出的第二实施例中，行动推荐HE包括借助特定的成像协议BP成像，行动推荐装置20基于可观测量OB或医学数据集DS来查明所述成像协议。如果现在用户BN、例如医生同意成像，那么与所述成像相关联的成像协议BP经由放射科接口25传送给放射科医生R。放射科医生R评定成像协议BP，同意行动推荐装置20的建议或者可能修正成像协议BP的协议参数。随后，成像协议BP由行动推荐装置20经由提到的放射科接口25再次接受并且经由设备接口26传送给相关的医学成像装置31，所述医学成像装置基于产生的成像协议BP来产生患者的图像记录或医学图像BD。产生的医学图像BD随后由医学成像装置31传送给行动推荐装置20，所述行动推荐装置将医学图像BD经由用户接口23输出给用户BN。如果用户BN确定，图像DB未提供期望的结果，例如推测有转移的检查区域反差不够明显地成像，那么用户BN可以从自身改变成像协议BP或者将反差不够的对应的通知传送给放射科医生R。放射科医生R于是获得可能已经修改的成像协议BP，第二次由行动推荐装置20发回并且能够确认或再次修改协议参数BP。随后，将修改的成像协议BP再次传送给医学成像装置31，所述医学成像装置产生患者的新的图像BD。所述过程能够多次重复，直至用户BN、即主治医生满意得到的医学图像BD。
在图4中示出流程图400，所述流程图图解说明根据本发明的第二实施例的用于提供患者特定的医学行动推荐的方法。根据第二实施例的方法的前四个步骤4.I至4.IV对应于在图1中示出的根据本发明的第一实施例的方法的步骤1.I至1.IV。这四个步骤包括从数据库接收患者P的患者数据集，基于患者数据集DS自动地查明可观测量OB，为用户BN显示可观测量OB以及通过用户BN的用户输入NE。附加地，现在在步骤4.V中在具有多个比较患者VP的数据库中自动搜索相似的患者，所述患者能够用作为用于行动推荐HE的参考患者RP。所述搜索基于为当前患者接收的数据集DS进行。如已经阐述的那样，这种搜索可以基于患者图像的图像描述符和当前患者的非图像患者数据与比较患者VP进行。在步骤4.VI中，于是从患者档案RP中提取比较信息VI。这种比较信息VI例如能够包括用于参考患者RP的检查或治疗的正确的行动，所述行动直接在步骤4.VII中作为行动推荐HE输出给用户BN。比较信息VI也能够还附加地基于当前患者的数据DS首先自动化地处理并且必要时修改并且随后作为行动推荐HE显示给用户BN。
在图5中示出流程图500，所述流程图图解说明根据本发明的第三实施例的用于提供患者特定的医学行动推荐的方法。前四个步骤5.I至5.IV又对应于第一实施例的前四个步骤1.I至1.IV并且在该处不再次描述。在步骤5.V中，现在从具有多个决策树EB的数据库DB-EB中选择选定的决策树EB。这种决策树EB包括用于检查和治疗患者的规则。选择基于用户输入NE、查明的可观测值OB和患者的数据集DS进行。每个所述决策树EB能够具有多个不同的路径PF并且每个所述路径PF包括用于诊断或治疗患者的至少一个离散的步骤。在步骤5.VI中，现在基于用户输入NE、可观测量OB和患者的数据集DS来查明选定的决策树EB的路径PF。例如，主治医生，即用户BN能够基于其对患者的情形的了解进行输入NE，所述输入引起在选定的决策树EB中选择特定的路径PF。在步骤5.VII中，现在基于选择的路径PF来查明行动推荐HE，所述行动推荐例如提出用于诊断或治疗患者的离散的步骤。所述行动推荐HE输出给用户BN，所述用户基于行动推荐HE能够规划其检查或对患者的治疗。
最后再次指出，在上文中描述的方法和设备仅为本发明的优选的实施例，并且本发明能够由本领域技术人员改变，而不脱离通过权利要求预设的本发明的范围。出于完整性也指出，使用不定冠词“一”或“一个”并不排除，有关的特征也可以多次存在。同样地，术语“单元”并不排除，其能够由多个组件构成，所述组件同样也能够是空间分布的。
Claims (13)
1.一种用于提供患者特定的医学行动推荐(HE)的计算机实现的方法，所述方法具有如下步骤：
-接收患者的数据集(DS)，
-基于所述数据集(DS)自动确定一个或多个可观测量(OB)，其中所述一个或多个可观测量(OB)描述患者的临床状态，
-经由用户接口(23)显示所述一个或多个可观测量(OB)，
-经由所述用户接口(23)接收用户(BN)的涉及所显示的所述一个或多个可观测量(OB)的用户输入(NE)，
-基于所述用户输入(NE)和可选地基于所述数据集(DS)，提供用于用户(BN)的涉及诊断和/或治疗患者的其他步骤的行动推荐(HE)。
2.根据权利要求1所述的方法，
其中确定所述一个或多个可观测量(OB)包括将状态分析算法应用于所述数据集(DS)，所述状态分析算法构成用于，从数据集(DS)中提取可观测量(OB)。
3.根据权利要求1或2所述的方法，
其中确定所述一个或多个可观测量(OB)包括从数据库(DB)中选择所述一个或多个可观测量(OB)，
其中所述数据库(DB)包括：
-多个预先确定的可观测量(OB)，
-多个预先确定的状态，所述多个预先确定的状态分别描述患者的数据集(DS)的一个或多个特征样本并且将其与一个或多个可观测量(OB)关联，和
-多个规则，所述多个规则分别将至少一个状态的出现概率与存在或不存在可观测量(OB)联系。
4.根据上述权利要求中任一项所述的方法，
其中提供所述行动推荐(HE)包括基于所述用户输入(NE)来查明至少一个初步诊断，并且基于所述至少一个初步诊断来确定所述行动推荐(HE)。
5.根据上述权利要求中任一项所述的方法，其中
-所述行动推荐(HE)包括借助成像模态(31)进一步地检查所述患者，和
-基于所述用户输入(NE)和可选地基于其余的患者数据、即患者的数据集(DS)为所述成像模态(31)确定用于检查患者的成像协议(BP)。
6.根据上述权利要求中任一项所述的方法，其中所述行动推荐(HE)包括：将选定的数据分析算法应用于从所述患者的数据集(DS)中选定的数据元素，其中所述选定的数据处理算法从多个可用的数据分析算法中选择，并且所述选定的数据元素从所述患者的所述数据集(DS)中选择。
7.根据上述权利要求中任一项所述的方法，所述方法还具有如下步骤：
-基于所述患者的所述数据集(DS)从多个比较患者(VP)中辨识一个或多个参考患者(RP)，
-从与所述比较患者(VP)相关联的患者数据中提取比较信息(VI)，和
-附加地基于所述比较信息(VI)来确定所述行动推荐(HE)。
8.根据权利要求7所述的方法，
其中附加地基于所述用户输入(NE)来辨识所述一个或多个参考患者(RP)。
9.根据上述权利要求中任一项所述的方法，
其中提供所述行动推荐(HE)包括：
-基于所述用户输入(NE)和/或所述可观测量(OB)和/或所述患者的所述数据集(DS)从多个预先确定的决策树中选择选定的决策树(EB)，其中每个决策树具有多个不同的路径(PF)并且每个路径(PF)设有用于诊断/治疗所述患者的至少一个离散的步骤，和
-基于所述用户输入(NE)和/或所述可观测量(OB)和/或所述患者的所述数据集(DS)来确定选定的决策树(EB)之内的路径(PF)，
-基于所确定的路径(PF)来提供所述行动推荐(HE)。
10.一种行动推荐装置(20)，具有：
-用于接收患者的数据集(DS)的数据接收接口(21)，
-查明单元(22)，用于基于所述患者的所述数据集(DS)来自动化地查明一个或多个可观测值(OB)，其中所述一个或多个可观测值(OB)描述所述患者的临床状态，
-用户接口(23)，
-用于显示所述一个或多个可观测量(OB)，和
-用于接收用户(BN)的涉及所显示的所述一个或多个可观测量(OB)的用户输入(NE)，
-推荐提供单元(24)，用于基于所述患者输入(NE)和可选地基于所述患者的所述数据集(DS)来提供用于所述用户(BN)的涉及诊断和/或治疗患者的其他步骤的行动推荐(HE)。
11.一种临床检查和治疗系统(30)，具有：
-根据权利要求10所述的行动推荐装置(20)，
-医学检查和/或治疗装置(31)，所述医学检查和/或治疗装置(31)能够基于所述行动推荐装置(20)的行动推荐(HE)来操控。
12.一种具有计算机程序的计算机程序产品，所述计算机程序能够直接加载到临床检查和治疗系统的计算单元的存储单元中，所述计算机程序具有程序段，以便当所述计算机程序在所述临床检查和医疗系统的所述计算单元中执行时，执行根据权利要求1至9中任一项所述的方法的所有步骤。
13.一种计算机可读介质，在所述计算机可读介质上存储有由计算单元可执行的程序段，以便当所述程序段由所述计算单元执行时，执行根据权利要求1至9中任一项所述的方法的所有步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102021210899.7A DE102021210899A1 (de) | 2021-09-29 | 2021-09-29 | Automatisiertes datenbasiertes Bereitstellen einer patientenspezifischen medizinischen Handlungsempfehlung |
| DE102021210899.7 | 2021-09-29 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115881266A true CN115881266A (zh) | 2023-03-31 |
Family
ID=85477116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211200290.5A Pending CN115881266A (zh) | 2021-09-29 | 2022-09-29 | 用于提供医学行动推荐的计算机实现的方法和行动推荐装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230099249A1 (zh) |
| CN (1) | CN115881266A (zh) |
| DE (1) | DE102021210899A1 (zh) |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050214731A1 (en) * | 2004-03-25 | 2005-09-29 | Smith Don B | Evidence-based virtual instruction and evaluation system |
| US9275451B2 (en) * | 2006-12-20 | 2016-03-01 | Biosensors International Group, Ltd. | Method, a system, and an apparatus for using and processing multidimensional data |
| BRPI0908290A2 (pt) * | 2008-05-09 | 2015-07-21 | Koninkl Philips Electronics Nv | "sistema de apoio à decisão clínica baseado em diretrizes (cdss)" |
| WO2011061652A1 (en) * | 2009-11-20 | 2011-05-26 | Koninklijke Philips Electronics, N.V. | Imaging based virus detection |
| US20150046176A1 (en) * | 2012-03-29 | 2015-02-12 | Koninklijke Philips N.V. | System and method for improving neurologist's workflow on alzeimer's disease |
| US20140155763A1 (en) * | 2012-12-03 | 2014-06-05 | Ben F. Bruce | Medical analysis and diagnostic system |
| US20150331995A1 (en) * | 2014-05-14 | 2015-11-19 | Tiecheng Zhao | Evolving contextual clinical data engine for medical data processing |
| KR20160071889A (ko) * | 2014-12-12 | 2016-06-22 | 삼성전자주식회사 | 비교 영상을 이용한 진단 지원 장치 및 방법 |
| US20180330059A1 (en) | 2017-05-09 | 2018-11-15 | James Stewart Bates | Patient treatment systems and methods |
| WO2019063520A1 (en) * | 2017-09-26 | 2019-04-04 | Koninklijke Philips N.V. | SYSTEM AND METHOD FOR JOINT CLINICAL DECISION FOR PHARMACEUTICAL PRODUCTS |
| BR112021016621A2 (pt) * | 2019-02-21 | 2021-11-03 | Theator Inc | Sistemas e métodos para análise de vídeos cirúrgicos |
| US10902944B1 (en) * | 2020-01-06 | 2021-01-26 | Carlsmed, Inc. | Patient-specific medical procedures and devices, and associated systems and methods |
| DE102020001563A1 (de) | 2020-03-10 | 2021-09-16 | Drägerwerk AG & Co. KGaA | Medizinsystem zum Bereitstellen einer Behandlungsempfehlung |
-
2021
- 2021-09-29 DE DE102021210899.7A patent/DE102021210899A1/de active Pending
-
2022
- 2022-09-27 US US17/953,532 patent/US20230099249A1/en active Pending
- 2022-09-29 CN CN202211200290.5A patent/CN115881266A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20230099249A1 (en) | 2023-03-30 |
| DE102021210899A1 (de) | 2023-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11626195B2 (en) | Labeling medical scans via prompt decision trees | |
| US8579784B2 (en) | Personalized prognosis modeling in medical treatment planning | |
| US10282835B2 (en) | Methods and systems for automatically analyzing clinical images using models developed using machine learning based on graphical reporting | |
| RU2497193C2 (ru) | Обнаружение ошибок в машине логического вывода системы поддержки принятия клинического решения | |
| JP5899236B2 (ja) | 事例ベース推論を用いた治療プランニングに対する医療判断支援のためのシステム及び方法 | |
| US7805385B2 (en) | Prognosis modeling from literature and other sources | |
| US9317580B2 (en) | Imaging protocol update and/or recommender | |
| US8670997B2 (en) | Quality metric extraction and editing for medical data | |
| US20190156947A1 (en) | Automated information collection and evaluation of clinical data | |
| JP6016406B2 (ja) | 医療診断支援装置及び医療診断支援方法及び入力支援システム | |
| US20150339447A1 (en) | Medical assistance device, operation method of medical assistance device, non-transitory computer-readable recording medium, and medical assistance system | |
| US11610676B2 (en) | Information processing device and information processing method | |
| US20210174922A1 (en) | Medical care support apparatus | |
| CN115881266A (zh) | 用于提供医学行动推荐的计算机实现的方法和行动推荐装置 | |
| US20090070144A1 (en) | Method and system for stroke prevention and care | |
| CN112447287A (zh) | 自动化的临床工作流程 | |
| Riha et al. | Medical guideline as prior knowledge in electronic healthcare record mining | |
| JP2024011476A (ja) | 医療データ処理システム、医療データ処理装置、医療データ処理方法、プログラム、及び記録媒体 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240902 Address after: German Phu F Haim Applicant after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Applicant before: Siemens Healthineers AG Country or region before: Germany |