CN116368577A - 基于测试结果水平的分析 - Google Patents
基于测试结果水平的分析 Download PDFInfo
- Publication number
- CN116368577A CN116368577A CN202180058713.1A CN202180058713A CN116368577A CN 116368577 A CN116368577 A CN 116368577A CN 202180058713 A CN202180058713 A CN 202180058713A CN 116368577 A CN116368577 A CN 116368577A
- Authority
- CN
- China
- Prior art keywords
- test result
- medical
- similarity
- quantitative
- patient
- 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
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
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
Abstract
本公开的实施方案涉及基于测试结果水平的分析。本公开的一些实施方案提供了一种计算机实现方法。所述方法包括获得患者的对应于多个医学指标的多个测试结果水平,每个测试结果水平指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内;获得与参考病例相关联的对应于所述多个医学指标的多个参考测试结果水平,每个参考测试结果水平指示对应医学指标的定量参考测试结果落在所述多个预定定量范围中的一个内;以及至少基于所述多个测试结果水平和所述多个参考测试结果水平,确定所述患者的医学病症和与所述参考病例相关联的参考医学病症之间的相似性。通过该解决方案,凭借基于测试结果水平的分析,可以保护所述患者的隐私并获得针对所述患者的准确的判读。
Description
技术领域
本公开的实施例整体上涉及计算机科学领域,并且尤其涉及用于基于测试结果水平的分析的方法、设备和计算机程序产品。
背景技术
在医学领域中,患者通常需要进行多种医学测试才能获得定量测试结果。医师或医生会参考患者的定量测试结果来分析患者的医学病症,并为患者作出诊断。为了对患者作出准确的诊断并制定适当治疗,医师或医生需要参考海量信息,包括定量测试结果、医学知识、参考书籍和参考病例中的知识。
此种基于定量测试结果的分析既费时又不令人满意。因此,期望应用自动化工具来进行分析,例如找出与患者具有相似医学病症的参考病例,或者基于医学知识为患者提供潜在的判读。然而,考虑到数据隐私和安全,可能需要患者授权才能使用他或她的定量测试结果,这在许多情况下是不方便和/或不切实际的。
发明内容
一般而言,本公开的示例性实施例提供了用于基于测试结果水平的分析的解决方案。
在第一方面,提供了一种计算机实现方法。该方法包括获得患者的对应于多个医学指标的多个测试结果水平,每个测试结果水平指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内;获得与参考病例相关联的对应于多个医学指标的多个参考测试结果水平,每个参考测试结果水平指示对应医学指标的定量参考测试结果落在多个预定定量范围中的一个内;以及至少基于多个测试结果水平和多个参考测试结果水平,确定患者的医学病症和与参考病例相关联的参考医学病症之间的相似性。
在第二方面中,提供了一种电子设备。该电子设备包括至少一个处理器;和至少一个存储器,该至少一个存储器包括计算机可读指令,该计算机可读指令当由该电子设备的该至少一个处理器执行时使得该电子设备进行上述第一方面中的方法的步骤。
在第三方面中,提供了一种计算机程序产品。该计算机程序产品包括指令,该指令当由装置的处理器执行时使得该装置进行上述第一方面中的方法中的任何一种方法的步骤。
在第四方面中,提供了一种计算机可读介质。该计算机可读介质具有存储在其上的程序指令,该程序指令当由设备执行时,使得该设备进行上述第一方面中任一个方法的步骤。
应当理解,概述部分并非旨在识别本公开的实施例的关键或基本特征,也不旨在用于限制本公开的范围。通过以下描述,本公开的其他特征将变得容易理解。
附图说明
当结合以下附图阅读时,可以最佳地理解以下对本公开的实施例的详细描述,其中:
图1示出了其中可以实现本公开的实施例的示例性环境;
图2A示出了根据本公开的一些实施例的患者的示例性医学测试信息;
图2B示出了根据本公开的一些实施例的具有患者的测试结果水平的示例性医学测试信息;
图3示出了根据本公开的一些实施例的用于基于测试结果水平的参考病例相似性分析的示例性架构的框图;
图4示出了根据本公开的一些实施例的用于基于测试结果水平的判读确定的示例性架构的框图;
图5示出了根据本公开的一些实施例的用于判读确定的示例性决策树;
图6A示出了根据本公开的一些实施例的示例性用户界面;
图6B示出了根据本公开的一些实施例的另一个示例性用户界面;
图7示出了根据本公开的一些实施例的基于测试结果水平的参考病例相似性分析的示例性过程的流程图;以及
图8示出了适用于实现本公开的示例性实施例的示例性计算系统/设备的框图。
在整个附图中,相同或相似的附图标记表示相同或相似的元件。
具体实施方式
现在将参考一些实施例来描述本公开的原理。应当理解,描述这些实施例仅仅用于说明目的,并帮助本领域技术人员理解和实现本公开,并不意味着对本公开范围的任何限制。本文所述的公开可以以除了下面描述的方式之外的各种方式来实现。
在以下描述和权利要求中,除非另有定义,否则本文中使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常所理解的相同含义。
本公开中对“一个实施例”、“某一实施例”、“一个示例性实施例”等的引用表明所描述的实施例可能包括一个特定的特征、结构或特性,但无需每个实施例都包括该特定的特征、结构或特性。此外,这种短语并不必然指相同实施例。此外,当结合示例性实施例描述具体特征、结构或特性时,需要注意的是,无论是否明确说明,本领域技术人员均知晓结合其他实施例来实现上述特征、结构或特性的效果。
应当理解,尽管本文可以使用术语“第一”和“第二”等来描述各种元素,但是这些元素不应受这些术语的限制。这些术语仅用于区分一个元素与另一个元素。例如,第一元件可以被称为第二元件,并且类似地,第二元件可以被称为第一元件,而不脱离示例性实施例的范围。如本文所用,术语“和/或”包括列出术语中的一者或多者的任何组合和所有组合。
本文所使用的术语仅出于描述特定实施例的目的,而并非旨在限制示例性实施例。如本文所用,单数形式“一个”、“一种”和“该”也旨在包括复数形式,除非上下文另外明确地指出。将进一步理解,术语“包括”、“包含”、“具有”、“具有”、“包括”和/或“包括”,当在本文中使用时,指定所述特征、元素和/或组件等,但不排除存在或添加一个或多个其他特征、元素、组件和/或它们的组合。
如上文所简要提及的,在医疗领域,为了分析患者的医学病症,为患者作出诊断并制定适当治疗,医师需要分析海量信息,包括患者的定量测试结果、医学知识、参考书籍和参考病例中的知识。此种基于定量测试结果的分析会花费医师很多时间,有时会引起不令人满意的结果。此外,考虑到数据隐私和安全,可能需要患者授权才能使用他或她的定量测试结果,这在很多情况下是不方便和/或不切实际的。
根据本公开的示例性实施例,提出了用于基于测试结果水平的分析的解决方案。在该解决方案中,基于患者的多个测试结果水平和参考病例的多个参考测试结果水平来确定患者的医学病症与参考病例相关联的参考医学病症之间的相似性。每个测试结果水平指示患者的对应医学指标的定量测试结果落在多个预定定量范围中的一个内。同样,每个参考测试结果水平指示参考病例的对应医学指标的定量参考测试结果落在多个预定定量范围中的一个内。
因此,患者的医学病症与参考病例的医学病症之间的相似性可以使用测试结果水平而不是特定定量测试结果来确定。此种基于测试结果水平的分析是帮助医师搜索具有与患者相似的医学病症的参考病例,并基于参考病例为患者提供适当判读的有效方式。此外,通过该解决方案,通过使用测试结果水平而不是定量测试结果,还解决了数据安全和隐私问题。
示例性环境
下面将参考图1-8详细讨论本公开的示例性实施例。图1示出示例性环境100,其中可以实现本公开的基于测试结果水平的分析的多种实施例。应当理解,图1所示环境100仅用于说明目的,并不意味着对本公开实施例的功能和范围的任何限制。
在环境100中,数据处理系统110配置为进行关于医学分析的多种过程。例如,数据处理系统110可以对具有参考病例的患者进行基于测试结果水平的相似性分析。
如图1所示,数据处理系统110可以包括水平确定模块120和相似性确定模块140。水平确定模块120配置为获得患者102的对应于多个医学指标的多个测试结果水平125。水平确定模块120还配置为获得与参考病例112相关联的对应于多个医学指标的多个参考测试结果水平135。
如本文所用,术语“测试结果水平”指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内。例如,测试结果水平可以指示定量测试结果落在对应医学指标的标准定量范围、高于标准定量范围的定量范围或低于标准范围的定量范围内。如本文所用,术语“医学指标”是指医学测试项目。术语“标准定量范围”是指用于医学指标的标准或参考定量范围,定量测试结果在该范围内视为正常。应当理解,上述提及的预定定量范围是用于说明目的,并不意味着任何限制。可以有更少或更多的预定定量范围。
例如,如图1所示,水平确定模块120可以接收患者102的多个医学指标的多个定量测试结果105。水平确定模块120可以基于多个定量测试结果105来确定多个测试结果水平125。水平确定模块120可以将确定的多个测试结果水平125发送到相似性确定模块140供进一步分析。
相似地,水平确定模块120可以接收与参考病例112相关联的多个医学指标的多个定量参考测试结果115。水平确定模块120可以基于多个定量参考测试结果115来确定多个参考测试结果水平135。水平确定模块120可以将确定的多个参考测试结果水平135发送到相似性确定模块140供进一步分析。
多个医学指标可以涉及患者的医学病症的一个或多个方面。在一些示例性实施例中,多个医学指标与关于甲状腺血清的医学测试相关联。例如,多个医学指标可以包括以下中的至少一者:促甲状腺激素(TSH)、游离三碘甲状腺原氨酸(FT3)、游离甲状腺素(FT4)、总三碘甲状腺原氨酸(TT3)、总甲状腺素(TT4)、抗甲状腺过氧化物酶(抗-TPO)、抗甲状腺球蛋白(抗-Tg)、针对TSH受体的抗体(抗-TSHR)、甲状腺球蛋白(Tg)和降钙素。通过对患者进行医学测试可以产生这些医学指标的定量测试结果。
在一些示例性实施例中,多个医学指标可以与关于激素的医学测试相关联。在这种情况下,多个医学指标可以包括关于激素的几个医学测试项目。应当理解,示例性医学指标仅用于说明目的,并不意味着任何限制。
图2A示出了根据本公开的一些实施例的患者的示例性医学测试信息200。医学测试信息200可以作为患者的电子报告存储在数据库中。如图2A所示,医学测试信息200包括临床背景信息210和测试结果信息220。临床背景信息210可以包括患者的病例ID、年龄、性别和其他个人信息。测试结果信息220可以包括与患者的甲状腺血清相关的医学指标的多个定量测试结果。可以从测试结果信息220中获得多个定量测试结果105。
在一些示例性实施例中,对于测试结果信息220中的每个定量测试结果,测试结果水平可以通过水平确定模块120来确定。水平确定模块120可以将定量测试结果映射到多个预定测试结果水平中的一个,每个预定测试结果水平指示对应医学指标的多个预定定量范围。
例如,每个医学指标可以具有第一、第二和第三预定定量范围。当为医学指标中的给定医学指标确定测试结果水平时,水平确定模块120可以将给定医学指标的定量测试结果与其第一、第二和第三预定定量范围进行比较。根据定量测试结果落在第一、第二和第三定量范围中的一者内的确定,水平确定模块120可以确定指示对应定量测试结果落在该预定定量范围内的测试结果水平。
在一些示例性实施例中,对于给定医学指标,可以存在标准定量范围,也称为参考定量范围。该标准定量范围示出了如下范围:在该范围内给定医学指标的定量测试结果对患者来说是正常的。可以根据标准定量范围来划分该医学指标的多个预定定量范围。
以图2A所示的FT3为示例,假设该医学指标具有3.78-5.97pmol/L的标准定量范围。对于FT3,该三个预定定量范围可以分别设置为第一范围高于标准定量范围、第二范围等于标准定量范围和第三范围低于标准定量范围。在该示例中,如果FT3的定量测试结果高于标准定量范围的上限(例如,5.97pmol/L),则测试结果水平可以指示第一预定定量范围(或也称为高定量范围或高范围)。如果FT3的定量测试结果低于标准定量范围的下限(例如,3.78pmol/L),则测试结果水平可以指示第三预定定量范围(或也称为低定量范围或低范围)。如果FT3的定量测试结果在标准定量范围内,则测试结果水平可以指示第二预定定量范围(或也称为正常定量范围或正常范围)。在图2A的示例中,其中FT3具有4.25pmol/L的定量测试结果,其判断该定量测试结果落在3.78-5.97pmol/L的标准定量范围内,并且因此FT3的测试结果水平可以指示第二预定定量范围(即,正常范围)。
应当理解,示例标准定量范围仅用于说明目的,并不意味着任何限制。
水平确定模块120可以为每个定量测试结果确定测试结果水平。图2B示出了根据本公开的一些实施例的具有患者的测试结果水平指示的示例性医学测试信息250。如图2B所示,医学测试信息250将包括临床背景信息210和测试结果信息260。测试结果水平信息260示出了定量测试结果以及每个医学指标相应的测试结果水平指示。如图2B所示,圆形符号272(或也称为正常范围指示)代表测试结果水平指示正常定量范围,向上箭头符号276(或也称为高范围指示)指示高定量范围,并且向下箭头符号274(或也称为低范围指示)指示低定量范围。测试结果水平信息260可以基于如图2A所示的测试结果信息220通过水平确定模块120来确定。以图2A和图2B所示的FT3为示例,FT3的定量测试结果等于4.25,其落在FT3的标准或正常定量范围内。图2B中的测试结果水平信息260示出了FT3的测试结果水平指示FT3的定量测试结果是正常的。即,FT3的定量测试结果在标准定量范围内。应当理解,在一些示例性实施例中,测试结果水平可以由合格用户输入到数据处理系统110,而不是由水平确定模块120来确定。
在一些示例性实施例中,医学测试信息200和医学测试信息250可以存储在数据库中。数据库可以为MySQL数据库,或Oracle数据库或其他合适的数据库。当授权用户,例如患者,访问数据库来亲自搜索患者的医学测试信息时,他或她可以看到测试结果信息220和/或测试结果水平信息260。当具有有限授权的用户访问患者的医学测试信息时,例如医师意图搜索相似病例,该医师仅可以到测试结果水平信息260中的测试结果水平指示,而不知道患者的定量测试结果。通过将医学测试信息250存储在数据库中,可以支持未来的病例队列分析和其他扩展功能。
以这种方式,可以保护患者的隐私,避免泄露特定定量测试结果的风险。此外,医师可以搜索相似参考病例供进一步的分析和研究,而没有泄露特定定量测试结果的风险。
应当理解,尽管在图2B的示例中存在三个预定定量范围,但可以存在更少或更多的预定定量范围。例如,在一些示例性实施例中,可以设置两个预定定量范围。在两个预定定量范围的示例中,该两个预定定量范围可以分别指示定量测试结果高于阈值定量测试结果(也称为负范围),或者定量测试结果低于阈值定量测试结果(也称为正范围)。
作为另一个示例,可以设置五个预定定量范围。在五个预定定量范围的示例中,该五个预定定量范围可以分别指示定量测试结果在远高于标准定量范围的范围、略高于标准定量范围的范围、等于标准定量范围的范围、略低于标准定量范围的范围、远低于标准定量范围的范围内。
已经结合图1、2A和2B描述了患者测试结果水平确定的示例。应当理解,对于参考病例,水平确定模块120可以进行相似的过程,以基于定量参考测试结果来确定参考测试结果水平135。出于简洁的目的,参考病例测试结果水平确定过程在此不再赘述。
仍然参考图1,相似性确定模块140配置为确定患者102的医学病症与参考病例112相关联的参考医学病症之间的相似性150。例如,相似性确定模块140配置为基于多个测试结果水平125和多个参考测试结果水平135来确定相似性150。如本文所用,术语“医学病症”是指患者的健康状况或患病情况。例如,医学病症可以与甲状腺血清相关联。在这种情况下,医学病症可以指甲状腺健康状况。如另一个示例,医学病症可以与激素相关联。应当理解,示例性医学病症仅用于说明目的,并不意味着任何限制。
在一些示例性实施例中,相似性确定模块140可以基于一组对的测试结果水平和参考测试结果水平来确定相似性150。每对包括与多个医学指标中的相同医学指标对应的多个测试结果水平中的一个和多个参考测试结果水平中的一个。例如,一对可以包括FT3测试结果水平和FT3参考测试结果水平。
在一些示例性实施例中,相似性确定模块140可以进一步基于第二组对的患者的病症水平和参考病例的参考病症水平来确定相似性150。每对与相关于医学病症的影响因素对应。影响因素的示例可以包括但不限于疾病状况、手术史、用药史、碘治疗、妊娠状况、年龄和性别。
在一些示例性实施例中,相似性确定模块140可以进一步基于第三组对的测试结果水平和参考测试结果水平来确定相似性150。每对与多个医学指标中的不同的特定医学指标对应。在医学病症与甲状腺血清相关联的情况下,不同的特定医学指标可以包括以下中的至少两者:FT3、TT3、FT4和TT4。
在一些示例性实施例中,相似性确定模块140可以基于第一相似性评分来确定相似性150,第一相似性评分用于指示第一组对中的每一者之间的相应第一差异。相应的第一差异可以通过计算每对之间的欧几里得距离来确定。相似性确定模块140可以进一步确定用于指示第二组对中的每一者之间的相应第二差异的第二相似性评分。相应的第二差异可以通过计算每对之间的欧几里得距离来确定。相似性确定模块140还可以进一步确定用于指示第三组对中的每一者之间的相应第三差异的第三相似性评分。相应的第三差异可以通过计算每对之间的欧几里得距离来确定。
在一些示例性实施例中,相似性确定模块140可以通过以下方式来确定相似性150:将分别乘以第一预定权重和第二预定权重的第一相似性评分和第二相似性评分相加,并减去乘以第三预定权重的第三相似性评分以获得相似性。例如,第一预定权重可以大于第二预定权重。此外,第二预定权重可以大于第三预定权重。
在一些示例性实施例中,在医学病症与甲状腺血清相关联的情况下,相似性确定模块140可以使用如下相似性功能来确定相似性150:
其中P和P0分别表示多个参考测试结果水平135和多个测试结果水平125。TSH、FT3、FT4、TT3、TT4、TgAb、TPOAb、TRAb、Tg和CT分别表示参考的TSH、FT3、FT4、TT3、TT4、抗-Tg、抗-TPO、抗-TSHR、Tg和降钙素参考测试结果水平。TSH0、TgAb0、TPOAb0、TRAb0、Tg0和CT0分别表示患者的TSH、FT3、FT4、TT3、TT4、抗-Tg、抗-TPO、抗-TSHR、Tg和降钙素测试结果水平。疾病、手_术_史、用药、碘_治疗、妊娠、代和性别分别表示参考病例的疾病状况、手术史、用药史、碘治疗、妊娠状况、年龄和性别参考病症水平。疾病0、手_术_史0、用药0、碘_治疗0、妊娠0、代0和性别0分别表示患者的疾病状况、手术史、用药史、碘治疗、妊娠状况、年龄和性别病症水平。
在一些示例性实施例中,上述相似性功能(1)中使用的功能f(x,y)可以如下进行说明:
应当理解,上述相似性功能(1)仅用于说明目的,并不意味着任何限制。相似性确定模块140可以使用不同的相似性功能,其使用不同医学指标集的测试结果水平和参考测试结果水平。不同的医学指标集可以包括比相似性功能(1)更少或更多的医学指标。
在一些示例性实施例中,可以基于医学知识库和医学参考信息来预定相似性功能(1)中的不同参数的权重。例如,由于医学知识库显示医学指标在为患者作出诊断比影响因素更重要,因此与医学指标相关联的权重可以大于影响因素的权重。通过这样做,可以获得更准确的相似性150。
在某些情况下,几个医学指标可以彼此相关联。例如,FT3和TTS、FT4和TT4之间强烈的相关性。即,FT3和TT3往往具有相似的变化趋势。同样,FT4和TT4也可以具有相似的变化趋势。通过配置适当权重((1)中所示的0.215)以减去FT3与TT3之间以及FT4与TT4之间的相关性,可以能够计算出更准确的相似性150。此外,FT3和FT4之间也存在某种相关性。通过用对应权重降低FT3和FT4之间的某种相关性,例如,(1)中所示的0.205,可以确定更准确的相似性150。
替代性地,或附加地,可以动态地调整等式(1)中定义的相似性功能中的多个参数的权重。例如,如果相似性150计算出来的是相对较高的值,例如接近于1,则相似性指示患者的医学病症与参考病例的参考医学病症非常接近。然而,在患者进行额外医学测试并得到表明患者患有与参考病例不同的疾病的最终诊断之后,可以调整等式(1)中的相似性功能的权重,以便获得患者与参考病例之间的降低的相似性。
在一些示例性实施例中,一些合格用户(诸如专家)可以对相似性150给出反馈。例如,如果专家认为相似性150不准确,他或她可以给出指示相似性150过高或过低的反馈。该相似性功能可以根据该反馈来进行调整。应当理解,可以根据患者的海量反馈信息和海量诊断信息来调整相似性功能。通过调整相似性功能,可以获得患者与参考病例之间的更准确的相似性。通过准确的相似性,医师可以为患者找到更相似的参考病例,这将因此有助于医师为患者提供适当诊断和治疗。
基于测试结果水平的示例性相似性确定
已经结合图1描述了基于测试结果水平患者与参考病例之间的相似性的确定的示例。在一些示例性实施例中,此种基于测试结果水平的分析可以应用于参考病例组。图3示出了根据本公开的一些实施例的用于基于测试结果水平的参考病例相似性分析的示例性架构300的框图。应当理解,如图3所示的架构300仅用于说明目的,并不意味着对本公开实施例的功能和范围的任何限制。架构300中所示的基于测试结果水平的相似性的确定可以通过图1中的数据处理系统110或任何其他合适的设备来进行。为了便于讨论,将参考图1来描述架构300。
在图3的示例中,数据处理系统110可以访问参考病例数据库310。参考病例数据库310可以为数据处理系统110中的本地数据库,或可以为通过数据处理系统110访问的远程数据库。参考病例数据库310可以为MySQL数据库,或Oracle数据库或其他合适的数据库。例如,可以从参考病例数据库310获得参考病例组312。如图3所示,可以从参考病例数据库310中获得参考病例组312的多个定量参考测试结果组320,并将其传输到水平确定模块120。水平确定模块120可以基于多个定量参考测试结果组320来确定多个参考测试结果水平组330。水平确定过程与结合图1描述的过程相似,这里不再赘述。
在一些实施例中,相似性确定模块140可以基于测试结果水平125和多个参考测试结果水平组330来确定患者102的医学病症与参考病例组312的多个医学病症之间的多个相似性350。数据处理系统110可以根据多个相似性350对参考病例组312进行排序。数据处理系统110可以选择具有最高相似性的目标参考病例360。应当理解,数据处理系统110可以选择多于一个具有较高相似性的目标参考病例。
在一些示例性实施例中,数据处理系统110可以包括用户界面370。关于目标参考病例360的信息可以显示在用户界面370上。例如,目标参考病例360的参考医学病症的记录的判读将经由用户界面370来呈现。与目标参考病例360相关联的额外信息,例如治疗计划,将任选地经由用户界面370进行呈现。
在一些示例性实施例中,用户380可以向用户界面370提供关于目标参考病例360的反馈390。例如,如果用户(例如医师)认为目标参考病例360的参考医学病症与患者的医学病症非常相似,则用户可以提供表明相似性正确的正反馈。另一方面,如果医师认为目标参考病例360的参考医学病症与患者的医学病症非常不同,则用户可以提供表明相似性不准确的负反馈。通过收集来自用户380的反馈390,将会改进相似性确定模块140。例如,通过相似性确定模块140使用的相似性功能将被更新。以这种方式,可以为进一步分析提供更准确的目标参考病例。
已经结合图1至图3描述了基于测试结果水平的相似性确定的示例。在一些示例性实施例中,还可以应用测试结果水平来确定对患者的适当判读。
基于测试结果水平的示例判读确定
图4示出了根据本公开的一些实施例的用于基于测试结果水平的判读确定的示例性架构400的框图。应当理解,如图4所示的架构400仅用于说明目的,并不意味着对本公开实施例的功能和范围的任何限制。架构400中所示的基于测试结果水平的判读确定可以通过图1中的数据处理系统110或任何其他合适的设备来进行。为了便于讨论,将参考图1来描述架构400。
如图4所示,数据处理系统110可以包括决策树模块410。决策树模块410配置为基于测试结果水平125来确定判读420。
例如,决策树模块410可以获得包括针对与医学病症相关的多个候选判读的多个决策条件的决策树。下面将结合图5描述决策树的示例。决策树模块410将通过确定多个测试结果水平是否满足多个决策条件,从多个候选判读中选择针对患者的医学病症的判读420。此外,数据处理系统110可以经由用户界面370呈现针对患者的医学病症的判读420。
通过基于测试结果水平来确定判读,可以保护患者的隐私,避免泄露特定定量测试结果的风险。此外,医师可以参考判读供进一步的分析和研究,而没有泄露特定定量测试结果的风险。
在一些示例性实施例中,用户430可以向用户界面370提供关于判读420的反馈440。例如,如果用户(例如医师)认为判读420非常适合患者的医学病症,则用户可以提供表明判读420适当的正反馈。另一方面中,如果医师认为判读420不能应用于患者的医学病症,则用户可以提供表明判读420不准确的负反馈。通过收集来自用户430的反馈440,将会改进决策树模块410。以这种方式,可以为患者提供更准确的判读。
图5示出了根据本公开的一些实施例的用于判读确定的示例性决策树500。在决策树500中,第一决策条件与TSH 510相关。如果TSH 510的测试结果水平指示TSH 510的定量测试结果落在正常范围514内(即,标准定量测试结果范围),则将导致第一判读560-1。例如,第一判读560-1可以说明如果TT4的测试结果水平高,或者TT3的测试结果水平低或正常,那么指示可能存在SBP2基因疾病。
如果TSH 510的测试结果水平指示TSH 510的定量测试结果落在低范围512,则需要参考FT4或TT4 520的测试结果水平。如果FT4或TT4520的测试结果水平指示低范围522,那么需要进一步参考FT3或TT3 530的测试结果水平。如果FT3或TT3 530的测试结果水平指示低范围532,则将导致第二判读560-2。例如,第二判读560-2可以说明患者可能患有中枢性甲状腺功能减退症、甲状腺功能正常性病变综合征、低T3综合征或TBG减退。
如果FT4或TT4 520的测试结果水平指示正常范围524,那么需要进一步参考FT3或TT3 530的测试结果水平。如果FT3或TT3 530的测试结果水平指示正常范围534,则将导致第三判读560-3。例如,第三种判读560-3可以说明患者可能患有亚临床甲状腺功能亢进症或甲状腺功能正常性病变综合征,并且这可能是由用药或TSHβ突变引起的。如果FT3或TT3530的测试结果水平指示高范围536,则将导致第四判读560-4。例如,第四判读560-4可以说明患者可能患有T3甲状腺功能亢进症。
如果FT4或TT4 520的测试结果水平指示高范围526,那么需要进一步参考FT3或TT3 530的测试结果水平。如果FT3或TT3 530的测试结果水平指示正常范围534,则将导致第五判读560-5。例如,第五判读560-5可以说明患者可能患有T4甲状腺功能亢进症。如果FT3或TT3 530的测试结果水平指示高范围536,则将导致第六判读560-6。例如,第六判读560-6可以说明患者可能患有甲状腺功能亢进症、隐匿性甲状腺功能亢进症或甲状腺炎。在第六判读560-6的情况下,可以进一步参考抗-TSHR 540的测试结果水平。如果抗-TSHR 540的测试结果水平指示正范围542,那么可以导致第七判读560-7。例如,第七种判读560-7可以说明患者可能患有自身免疫性甲状腺疾病。
如果TSH 510的测试结果水平指示TSH 510的定量测试结果落在高范围516,则需要参考FT4或TT4 520的测试结果水平。如果FT4或TT4520的测试结果水平指示低范围522,那么需要进一步参考FT3或TT3 530的测试结果水平。如果FT3或TT3 530的测试结果水平指示低范围532,则将导致第八判读560-8。例如,第八判读560-8可以说明患者可能患有甲状腺功能减退症。在第八判读560-8的情况下,可以进一步参考抗-TPO或抗-Tg 550的测试结果水平。如果抗-TPO或抗-Tg 550的测试结果水平指示正范围552,那么可以导致第九判读560-9。例如,第九种判读560-9可以说明患者可能患有自身免疫性甲状腺疾病。
如果FT4或TT4 520的测试结果水平指示正常范围524,那么需要进一步参考FT3或TT3 530的测试结果水平。如果FT3或TT3 530的测试结果水平指示正常范围534,则将导致第十判读560-10。例如,第十条判读560-10可以说明患者可能患有亚临床性甲状腺功能减退症、甲状腺激素抵抗综合征。如果FT3或TT3 530的测试结果水平指示高范围536,则将导致第十一判读560-11。例如,第十一条判读560-11可以说明患者可能患有α甲状腺激素抵抗综合征或Alian-Herndon-Dudley综合征。
如果FT4或TT4 520的测试结果水平指示高范围526,那么需要进一步参考FT3或TT3 530的测试结果水平。如果FT3或TT3 530的测试结果水平指示高范围536,则将导致第十二判读560-12。例如,第十二判读560-12可以说明患者可能患有甲状腺激素抵抗、甲状腺激素抵抗综合征(垂体选择型或周围组织选择型)、TSH肿瘤、TBG增高、运输结合蛋白遗传学异常,合成蛋白遗传异常。
已经结合图5描述了决策树500的示例。应当理解,决策树500仅用于说明目的,并不意味着任何限制。决策树模块410可以使用其他可能的决策树。决策树500可以从医学知识库或其他医学参考信息中获得。在一些示例性实施例中,决策树500可以通过收集和分析用户反馈来更新。替代性地,或附加地,可以将其他医学指标添加到决策树500中以获得患者的更多判读。
通过确定对患者的判读,其可以帮助医师为患者作出诊断并为患者确定适当治疗。此外,判读还可以为患者可能患有的疾病提供一些解释和可能的原因。
图6A示出了根据本公开的一些实施例的示例性用户界面370。在图6A的用户界面370中,说明了示例性病例610、病例620和病例630。病例610具有等于90%的相似性615。病例620具有等于90%的相似性625。病例630具有等于80%的相似性635。这些相似性可以通过相似性确定模块140来确定。在图6A所示的示例中,病例610和病例620具有较高相似性,因此可以选择为目标参考病例供进一步研究。用户界面370还示出了关于每个病例的相关信息,其可以帮助医师分析相似病例。
图6B示出了根据本公开的一些其他实施例的另一个示例性用户界面370。在图6B的用户界面370中,呈现了患者的普通医学信息660。例如,普通医学信息660包括对患者的普通诊断。普通医学信息660可以包括患者的若干医学指标的基础测试结果水平信息。普通医学信息660可以进一步包括针对下一步骤的一些建议。
在一些示例性实施例中,还可以经由用户界面370来呈现解释670。例如,解释670可以包括关于患者的医学病症的影响信息。
如图6B所示,判读680也经由用户界面370来呈现。如图4所示,判读680可以通过决策树模块410来确定。判读680示出了对患者的几种可能的诊断。此外,可以由用户(例如医师)输入客户最佳判读685和病例研究笔记690以提供反馈。
通过使用示例性用户界面370,可以呈现包括相似病例、判读、解释和其他可能的信息的信息,以供用户的进一步分析。此外,用户可以通过用户界面370来提供反馈,其反而将会改进系统性能。
示例性过程
图7示出了根据本公开的一些实施例的基于测试结果水平的参考病例相似性分析的示例性过程的流程图。过程700可以通过图1中的数据处理系统110来实现。为了讨论的目的,将参考图1来描述过程700。
在框710处,数据处理系统110获得患者的对应于多个医学指标的多个测试结果水平。每个测试结果水平指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内。在框720处,数据处理系统110获得与参考病例相关联的对应于多个医学指标的多个参考测试结果水平。每个参考测试结果水平指示对应医学指标的定量参考测试结果落在多个预定定量范围中的一个内。在框730处,数据处理系统110至少基于多个测试结果水平和多个参考测试结果水平,确定患者的医学病症和与参考病例相关联的参考医学病症之间的相似性。
在一些实施例中,为了获得多个测试结果水平,针对具有第一、第二和第三预定定量范围的多个医学指标中的给定医学指标,该数据处理系统110可以将给定医学指标的定量测试结果与第一、第二和第三预定定量范围进行比较;以及确定测试结果水平,该测试结果水平指示定量测试结果落在第一、第二和第三预定定量范围中的一者内。
在一些实施例中,为了获得多个参考测试结果水平,针对具有第一、第二和第三预定定量范围的多个医学指标中的给定医学指标,该数据处理系统110可以将给定医学指标的定量参考测试结果与第一、第二和第三预定定量范围进行比较;以及确定参考测试结果水平,该参考测试结果水平指示定量参考测试结果落在第一、第二和第三预定定量范围中的一者内。
在一些实施例中,医学病症与甲状腺血清有相关联。在一些实施例中,多个医学指标包括以下中的至少一者:促甲状腺激素(TSH)、游离三碘甲状腺原氨酸(FT3)、游离甲状腺素(FT4)、总三碘甲状腺原氨酸(TT3)、总甲状腺素(TT4)、抗甲状腺过氧化物酶(抗-TPO)、抗甲状腺球蛋白(抗-Tg)、针对TSH受体的抗体(抗-TSHR)、甲状腺球蛋白(Tg)和降钙素。
在一些实施例中,为了确定相似性,数据处理系统110可以基于第一组对的测试结果水平和参考测试结果水平来确定相似性。每对包括与多个医学指标中的相同医学指标对应的多个测试结果水平中的一个和多个参考测试结果水平中的一个。在一些实施例中,为了确定相似性,数据处理系统110可以进一步基于至少以下中的一者来确定相似性:第二组对的患者的病症水平和参考病例的参考病症水平,每对与医学病症相关的影响因素对应,以及第三组对的测试结果水平和参考测试结果水平,每对与多个医学指标中的不同的特定医学指标对应。在一些实施例中,相似性是基于第一相似性评分来确定的,第一相似性评分用于指示所述第一组对中的每一者之间的相应第一差异,并且进一步地是基于以下中的至少一者来确定的:用于指示所述第二组对中的每一者之间的相应第二差异的第二相似性评分,以及用于指示所述第三组对中的每一者之间的相应第三差异的第三相似性评分。在一些实施例中,相似性通过以下来计算:将分别乘以第一预定权重和第二预定权重的第一相似性评分和第二相似性评分相加;并且减去乘以第三预定权重的第三相似性评分以获得相似性。在一些实施例中,第一预定权重大于第二预定权重,并且第二预定权重大于第三预定权重。
在一些实施例中,影响因素包括以下中的至少一者:疾病状况、手术史、用药史、碘治疗、妊娠状况、年龄和性别。在一些实施例中,在医学病症与甲状腺血清相关联的情况下,不同的特定医学指标包括以下中的至少两者:游离三碘甲状腺原氨酸(FT3)、总三碘甲状腺原氨酸(TT3)、游离甲状腺素(FT4)和总甲状腺素(TT4)。
在一些实施例中,数据处理系统110可以进一步确定患者的医学病症与参考病例组的多个医学病症之间的多个相似性。参考病例组包括参考病例。数据处理系统110还可以进一步根据多个相似性对参考病例组进行排序;并经由用户界面呈现至少一个具有最高相似性的目标参考病例的参考医学病症的记录的判读。
在一些实施例中,数据处理系统110可以进一步获得决策树,该决策树包括针对与医学病症相关的多个候选判读的多个决策条件;通过确定多个测试结果水平是否满足多个决策条件,从多个候选判读中选择针对患者的医学病症的判读;以及经由用户界面,呈现针对患者的医学病症的判读。
示例性系统/设备
图8示出了适用于实现本公开的示例性实施例的示例性计算系统/设备800的框图。系统/设备800可以实现为图1的数据处理系统110或在中实现。系统/设备800可以是通用计算机、物理计算设备或便携式电子设备或者可以在其中由通过通信网络连接的远程处理设备来进行任务的分布式云计算环境中实施。系统/设备800可以用于实现图7的过程700。
如描绘,系统/设备800包括处理器801,该处理器能够根据存储在只读存储器(ROM)802中的程序或从存储单元808加载到随机存取存储器(RAM)803的程序来进行各种过程。在RAM 803中,也可以根据需要存储在处理器801进行各种过程等时所需的数据。处理器801、ROM 802和RAM 803经由总线804相互连接。输入/输出(I/O)接口805也连接到总线804。
作为非限制性示例,处理器801可以是适合本地技术网络的任何类型,并且可以包括以下中的一者或多者:通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、图形处理单元(GPU)、协处理器和基于多核处理器架构的处理器。系统/设备800可以具有多个处理器,诸如在时间上从属于同步主处理器的时钟的专用集成电路芯片。
系统/设备800中的多个部件与I/O接口805相连,包括:输入单元808,诸如键盘、鼠标等;输出单元807,包括显示器(诸如阴极射线管(CRT)、液晶显示器(LCD)等)和扬声器等;存储单元808,诸如磁盘和光盘等;以及通信单元809,诸如网卡、调制解调器、无线收发器等。通信单元809允许系统/设备800经由诸如因特网、各种电信网络等的计算机网络与其他设备交换信息/数据。
上述方法和过程(例如过程700)也可以由处理器801来进行。在一些实施例中,过程700可以实现为计算机软件程序或有形地包括在计算机可读介质(例如,存储单元808)中的计算机程序产品。在一些实施例中,计算机程序可以经由ROM 802和/或通信单元809部分地或全部地加载和/或实施到设备800。计算机程序包括由相关联的处理器801执行的计算机可执行指令。当计算机程序被加载到RAM 803并由处理器801执行时,可以实现上述过程700的一个或多个作用。另选地,处理器801可以配置为通过任何其他合适的方式(例如,通过固件)在其他实施例中执行过程700。
列举的示例性实施例
本公开的实施例可以以本文所述的形式中的任何形式来体现。例如,以下列举的示例性实施例描述了本文公开的本公开的一些方面的一些结构、特征和功能。
在第一方面,本公开的示例性实施例提供了一种计算机实现方法。该方法包括获得患者的对应于多个医学指标的多个测试结果水平,每个测试结果水平指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内;获得与参考病例相关联的对应于多个医学指标的多个参考测试结果水平,每个参考测试结果水平指示对应医学指标的定量参考测试结果落在多个预定定量范围中的一个内;以及至少基于多个测试结果水平和多个参考测试结果水平,确定患者的医学病症和与参考病例相关联的参考医学病症之间的相似性。
在一些实施例中,获得多个测试结果水平包括:针对具有第一、第二和第三预定定量范围的多个医学指标中的给定医学指标,将给定医学指标的定量测试结果与第一、第二和第三预定定量范围进行比较;以及确定测试结果水平,该测试结果水平指示定量测试结果落在第一、第二和第三预定定量范围中的一者内。
在一些实施例中,获得多个参考测试结果水平包括:针对具有第一、第二和第三预定定量范围的多个医学指标中的给定医学指标,将给定医学指标的定量参考测试结果与第一、第二和第三预定定量范围进行比较;以及确定参考测试结果水平,该参考测试结果水平指示定量参考测试结果落在第一、第二和第三预定定量范围中的一者内。
在一些实施例中,医学病症与甲状腺血清有相关联。在一些实施例中,多个医学指标包括以下中的至少一者:促甲状腺激素(TSH)、游离三碘甲状腺原氨酸(FT3)、游离甲状腺素(FT4)、总三碘甲状腺原氨酸(TT3)、总甲状腺素(TT4)、抗甲状腺过氧化物酶(抗-TPO)、抗甲状腺球蛋白(抗-Tg)、针对TSH受体的抗体(抗-TSHR)、甲状腺球蛋白(Tg)和降钙素。
在一些实施例中,确定相似性包括:基于第一组对的测试结果水平和参考测试结果水平来确定相似性,每对包括与多个医学指标中的相同医学指标对应的多个测试结果水平中的一个和多个参考测试结果水平中的一个。
在一些实施例中,确定相似性包括:进一步基于以下中的至少一者来确定相似性:第二组对的患者的病症水平和参考病例的参考病症水平,每对与医学病症相关的影响因素对应,以及第三组对的测试结果水平和参考测试结果水平,每对与多个医学指标中的不同的特定医学指标对应。
在一些实施例中,相似性是基于第一相似性评分来确定的,第一相似性评分用于指示所述第一组对中的每一者之间的相应第一差异,并且进一步地是基于以下中的至少一者来确定的:用于指示所述第二组对中的每一者之间的相应第二差异的第二相似性评分,以及用于指示所述第三组对中的每一者之间的相应第三差异的第三相似性评分。
在一些实施例中,相似性通过以下来计算:将分别乘以第一预定权重和第二预定权重的第一相似性评分和第二相似性评分相加;并且减去乘以第三预定权重的第三相似性评分以获得相似性。在一些实施例中,第一预定权重大于第二预定权重,并且第二预定权重大于第三预定权重。
在一些实施例中,影响因素包括以下中的至少一者:疾病状况、手术史、用药史、碘治疗、妊娠状况、年龄和性别。在一些实施例中,在医学病症与甲状腺血清相关联的情况下,不同的特定医学指标包括以下中的至少两者:游离三碘甲状腺原氨酸(FT3)、总三碘甲状腺原氨酸(TT3)、游离甲状腺素(FT4)和总甲状腺素(TT4)。
在一些实施例中,该方法进一步包括:确定患者的医学病症与参考病例组的多个医学病症之间的多个相似性,该组参考病例包括参考病例;根据相似性对参考病例组进行排序;并经由用户界面呈现至少一个具有最高相似性的目标参考病例的参考医学病症的记录的判读。
在一些实施例中,该方法进一步包括:获得决策树,该决策树包括针对与医学病症相关的多个候选判读的多个决策条件;通过确定多个测试结果水平是否满足多个决策条件,从多个候选判读中选择针对患者的医学病症的判读;以及经由用户界面,呈现针对患者的医学病症的判读。
在第二方面中,本公开的示例性实施例提供了一种电子设备。该电子设备包括至少一个处理器;和至少一个存储器,该至少一个存储器包括计算机可读指令,该计算机可读指令当由该电子设备的该至少一个处理器执行时使得该电子设备进行上述第一方面中的方法的步骤。
在第三方面中,本公开的示例性实施例提供了一种计算机程序产品,该计算机程序产品包括指令,该指令当由装置的处理器执行时使得该装置进行上述第一方面的方法中的任何一种方法的步骤。
在第四方面中,本公开的示例性实施例提供了一种计算机可读介质,该计算机可读介质包括用于使装置至少进行上述第一方面中的方法的程序指令。在一些实施例中,计算机可读介质可以是非暂态计算机可读介质。
通常,本公开的各种示例性实施例可以在硬件或专用电路、软件、逻辑或它们的组合中实现。一些方面可以在硬件中实现,而其他方面可以在可由控制器、微处理器或其他计算设备执行的固件或软件中实现。尽管本公开的示例性实施例的各个方面被示出和描述为框图、流程图或使用一些其他图示表示来进行示出和描述,但是应当理解,作为非限制性示例,本文所述的框、装置、系统、技术或方法可以在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或它们的某种组合中实现。
本公开也提供了有形地存储在非暂态计算机可读存储介质上的至少一种计算机程序产品。计算机程序产品包括计算机可执行指令(诸如包括在程序模块中的那些),该计算机可执行指令在目标真实或虚拟处理器上的设备中执行以执行上述方法/过程。通常,程序模块包括进行特定任务或实现特定抽象数据类型的例程、程序、库、对象、类、部件、数据结构等。如各种实施例所述,程序模块的功能可以根据需要在程序模块之间进行组合或拆分。针对程序模块的计算机可执行指令可以在本地或分布式设备内执行。在分布式设备中,程序模块可以位于本地存储介质和远程存储介质两者中。
计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以包括但不限于电子、磁、光学、电磁、红外或半导体系统、装置或设备或前述的任何合适组合。计算机可读存储介质的更具体的示例将包括具有一根或多根电线的电连接件、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光学存储设备、磁存储设备或前述的任何合适的组合。
用于执行本文公开的方法的计算机程序代码可以以一种或多种编程语言的任何组合进行编写。可以向通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器提供程序代码,该程序代码在由该处理器或控制器执行时使得实现流程图和/框图中指定的功能/操作。程序代码可以完全在计算机上、部分在计算机上、作为独立软件包、部分在计算机上并且部分在远程计算机上或完全在远程计算机或服务器上执行。程序代码可以分布在通常在本文中可以被称为“模块”的特别编程的设备上。模块的软件部件部分可以以任何计算机语言进行编写,并且可以是整体代码库的一部分或者可以以更离散的代码部分开发,诸如在面向对象的计算机语言中是典型的。此外,模块可以分布在多个计算机平台、服务器、终端、移动设备等上。甚至可以实现给定模块,使得所述功能由单独的处理器和/或计算硬件平台进行。
虽然以特定顺序描述了操作,但这不应理解为需要以所示特定顺序或先后顺序进行此类操作或者进行所有所示操作以获得期望结果。在某些情况下,多任务和并行处理可能是有利的。同样,虽然在上述讨论中包含了若干具体实施细节,但这些不应被解释为对本公开的范围的限制,而是对可能特定于特定实施例的特征的描述。在单独实施例的上下文中描述的某些特征也可以在单个实施例中以组合形式实施。相反,在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独或以任何合适的子组合形式来实施。
尽管已经用特定于结构特征和/或方法作用的语言描述了本公开,但是应当理解,所附权利要求书中定义的本公开不必限于上述特定特征或作用。相反,以上所述的特定特征和作用被公开为实现权利要求的示例性形式。
Claims (15)
1.一种计算机实现方法,其包括:
获得患者的对应于多个医学指标的多个测试结果水平,每个测试结果水平指示对应医学指标的定量测试结果落在多个预定定量范围中的一个内;
获得与参考病例相关联的对应于所述多个医学指标的多个参考测试结果水平,每个参考测试结果水平指示对应医学指标的定量参考测试结果落在所述多个预定定量范围中的一个内;以及
至少基于所述多个测试结果水平和所述多个参考测试结果水平,确定所述患者的医学病症和与所述参考病例相关联的参考医学病症之间的相似性。
2.根据权利要求1所述的方法,其中获得所述多个测试结果水平包括:针对具有第一、第二和第三预定定量范围的所述多个医学指标中的给定医学指标,
将所述给定医学指标的定量测试结果与所述第一、第二和第三预定定量范围进行比较;以及
确定测试结果水平,所述测试结果水平指示所述定量测试结果落在所述第一、第二和第三预定定量范围中的一者内。
3.根据权利要求1和2中任一项所述的方法,其中获得所述多个参考测试结果水平包括:对于具有第一、第二和第三预定定量范围的所述多个医学指标中的给定医学指标,
将所述给定医学指标的定量参考测试结果与所述第一、第二和第三预定定量范围进行比较;以及
确定参考测试结果水平,所述参考测试结果水平指示所述定量参考测试结果落在所述第一、第二和第三预定定量范围中的一者内。
4.根据权利要求1至3中任一项所述的方法,其中所述医学病症与甲状腺血清相关联;并且
其中所述多个医学指标包括以下中的至少一者:促甲状腺激素(TSH)、游离三碘甲状腺原氨酸(FT3)、游离甲状腺素(FT4)、总三碘甲状腺原氨酸(TT3)、总甲状腺素(TT4)、抗甲状腺过氧化物酶(抗-TPO)、抗甲状腺球蛋白(抗-Tg)、针对TSH受体的抗体(抗-TSHR)、甲状腺球蛋白(Tg)和降钙素。
5.根据权利要求1至4中任一项所述的方法,其中确定所述相似性包括:
基于第一组的测试结果水平和参考测试结果水平的对来确定所述相似性,每对包括与所述多个医学指标中的相同医学指标对应的、所述多个测试结果水平中的一个和所述多个参考测试结果水平中的一个。
6.根据权利要求5所述的方法,其中确定所述相似性包括:
进一步基于以下中的至少一者来确定所述相似性:
第二组的针对所述患者的病症水平和针对所述参考病例的参考病症水平的对,每对与相关于所述医学病症的影响因素对应,以及
第三组的测试结果水平和参考测试结果水平的对,每对与所述多个医学指标中的不同的特定医学指标对应。
7.根据权利要求6所述的方法,其中所述相似性是基于用于指示所述第一组的对中的每一者之间的相应第一差异的第一相似性评分来确定的,并且进一步地是基于以下中的至少一者来确定的:
用于指示所述第二组的对中的每一者之间的相应第二差异的第二相似性评分,以及
用于指示所述第三组的对中的每一者之间的相应第三差异的第三相似性评分。
8.根据权利要求7所述的方法,其中所述相似性通过以下来计算:
将分别乘以第一预定权重和第二预定权重的所述第一相似性评分和所述第二相似性评分相加;并且
减去乘以第三预定权重的所述第三相似性评分以获得所述相似性。
9.根据权利要求8所述的方法,其中所述第一预定权重大于所述第二预定权重,并且所述第二预定权重大于所述第三预定权重。
10.根据权利要求6至9中任一项所述的方法,其中所述影响因素包括以下中的至少一者:疾病状况、手术史、用药史、碘治疗、妊娠状况、年龄和性别;并且
其中在所述医学病症与甲状腺血清相关联的情况下,所述不同的特定医学指标包括以下中的至少两者:游离三碘甲状腺原氨酸(FT3)、游离甲状腺素(FT4)、总三碘甲状腺原氨酸(TT3)和总甲状腺素(TT4)。
11.根据权利要求1至10中任一项所述的方法,其进一步包括:
确定所述患者的所述医学病症与参考病例组的多个医学病症之间的多个相似性,所述参考病例组包括所述参考病例;
根据所述多个相似性对所述参考病例组进行排序;以及
经由用户界面,呈现针对至少一个具有最高相似性的目标参考病例的参考医学病症的所记录的判读。
12.根据权利要求1至11中任一项所述的方法,其进一步包括:
获得决策树,所述决策树包括针对与医学病症相关的多个候选判读的多个决策条件;
通过确定所述多个测试结果水平是否满足所述多个决策条件,从所述多个候选判读中选择针对所述患者的所述医学病症的判读;以及
经由用户界面,呈现针对所述患者的所述医学病症的所述判读。
13.一种电子设备,其包括:
至少一个处理器;以及
至少一个存储器,其存储程序指令,所述程序指令当由所述电子设备的所述至少一个处理器执行时,使所述电子设备进行根据权利要求1至12中任一项所述的方法的步骤。
14.一种计算机程序产品,其包括指令,所述指令当由装置的处理器执行时,使所述装置进行根据权利要求1至12中任一项所述的方法的步骤。
15.一种计算机可读介质,其具有存储在其上的程序指令,所述程序指令当由设备执行时,使所述设备进行根据权利要求1至12中任一项所述的方法的步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/136426 WO2023102771A1 (en) | 2021-12-08 | 2021-12-08 | Test result level based analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116368577A true CN116368577A (zh) | 2023-06-30 |
Family
ID=86729529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180058713.1A Pending CN116368577A (zh) | 2021-12-08 | 2021-12-08 | 基于测试结果水平的分析 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116368577A (zh) |
WO (1) | WO2023102771A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1248110A3 (en) * | 1997-11-18 | 2005-01-26 | Bio-Rad Laboratories, Inc. | Multiplex flow immunoassays with magnetic particles as solid phase |
CN102095869A (zh) * | 2009-12-11 | 2011-06-15 | 上海裕隆生物科技有限公司 | 甲状腺功能检测蛋白芯片及其试剂盒 |
CN108827947A (zh) * | 2018-06-22 | 2018-11-16 | 沧州医学高等专科学校 | 一种碘营养状况在甲状腺功能减退症中的评价方法 |
CN113241136A (zh) * | 2021-05-17 | 2021-08-10 | 哈尔滨工业大学(深圳) | 一种相似病例分析方法及系统 |
-
2021
- 2021-12-08 WO PCT/CN2021/136426 patent/WO2023102771A1/en unknown
- 2021-12-08 CN CN202180058713.1A patent/CN116368577A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023102771A1 (en) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140095186A1 (en) | Identifying group and individual-level risk factors via risk-driven patient stratification | |
US10593000B2 (en) | System and method for determining thresholds or a range of values used to allocate patients to a treatment level of a treatment program | |
Marill et al. | Estimating negative likelihood ratio confidence when test sensitivity is 100%: a bootstrapping approach | |
US20180122517A1 (en) | Methods and apparatus related to electronic display of a human avatar with display properties particularized to health risks of a patient | |
CN113724848A (zh) | 基于人工智能的医疗资源推荐方法、装置、服务器及介质 | |
EP2922018A1 (en) | Medical information analysis program, medical information analysis device, and medical information analysis method | |
CN114724716A (zh) | 进展为2型糖尿病的风险预测的方法、模型训练及装置 | |
KR20200088498A (ko) | 참고 범위 생성 | |
CN111145846A (zh) | 临床试验患者招募方法及装置、电子设备和存储介质 | |
Zigarelli et al. | Machine-aided self-diagnostic prediction models for polycystic ovary syndrome: observational study | |
WO2023192224A1 (en) | Predictive machine learning models for preeclampsia using artificial neural networks | |
CN116312934A (zh) | 医疗服务推荐方案生成方法、装置、设备及可读存储介质 | |
Shin et al. | Development of various diabetes prediction models using machine learning techniques | |
van Lieshout et al. | Development and internal validation of the ARISE prediction models for rebleeding after aneurysmal subarachnoid hemorrhage | |
Shine | Use of routine clinical laboratory data to define reference intervals | |
CN116682565A (zh) | 一种数字化医疗信息在线监测方法、终端及介质 | |
WO2018082921A1 (en) | Precision clinical decision support with data driven approach on multiple medical knowledge modules | |
CN116368577A (zh) | 基于测试结果水平的分析 | |
US11232411B2 (en) | Integrated healthcare system | |
McLaren Jr et al. | A novel and precise profiling tool to predict gestational diabetes | |
KR101868744B1 (ko) | 임상 진료 지침 제공 방법 및 이를 실행하는 프로그램이 기록된 기록 매체 | |
KR20220007228A (ko) | 파킨슨병 환자에서 치매 발병 위험도 예측 방법 및 이를 이용한 치매 발병 위험도 예측용 디바이스 | |
US20200075163A1 (en) | Diagnostic decision support for patient management | |
CN111370095A (zh) | 一种基于ic卡中医体质辨别与调理测试系统及测试方法 | |
CN111128330A (zh) | 电子病例报告表自动录入方法、装置以及相关设备 |
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 |