DE102016201728A1 - Verfahren und Systeme zur Gesundheitszustandsvorhersage von menschlichen Probanden - Google Patents
Verfahren und Systeme zur Gesundheitszustandsvorhersage von menschlichen Probanden Download PDFInfo
- Publication number
- DE102016201728A1 DE102016201728A1 DE102016201728.4A DE102016201728A DE102016201728A1 DE 102016201728 A1 DE102016201728 A1 DE 102016201728A1 DE 102016201728 A DE102016201728 A DE 102016201728A DE 102016201728 A1 DE102016201728 A1 DE 102016201728A1
- Authority
- DE
- Germany
- Prior art keywords
- data
- human subjects
- parameters
- computing device
- categories
- 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
- G16H50/20—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
- Aufgrund der zunehmenden Komplexität des Lebensstils der Menschen haben gesundheitsbezogene Probleme im Allgemeinen in den letzten Jahren zugenommen. Beispielsweise gab es einen Anstieg bei Herz-Kreislauf-Erkrankungen, Bluthochdruck und Diabetes bei jungen Menschen. Das Entwickeln eines mathematischen Modells, das dazu in der Lage ist, das Risiko solcher Erkrankungen/Zustände vorherzusagen, könnte den Menschen dabei helfen, ihren Lebensstil zu verändern. Darüber hinaus könnten solche Vorhersagen den Ärzten dabei helfen, solche Menschen entsprechend zu beraten.
- Gemäß hierin veranschaulichten Ausführungsformen wird ein System zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien, die einen Gesundheitszustand angeben, der dem einen oder den mehreren menschlichen Probanden zugeordnet ist, bereitgestellt. Das System umfasst einen oder mehrere Mikroprozessoren, die dazu ausgelegt sind, einen oder mehrere Parameter, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind, basierend auf mindestens einem Datentyp von jedem des einen oder der mehreren Parameter in eine oder mehrere Datenansichten einzuordnen. Eine Datenansicht entspricht einer ersten Datenstruktur, die einen Satz von in die Datenansicht eingeordneten Parametern speichert, der jedem des einen oder der mehreren menschlichen Probanden zugeordnet ist. Der eine oder die mehreren Mikroprozessoren sind ferner dazu ausgelegt, eine oder mehrere Datenansichten in eine zweite Datenstruktur umzuwandeln, wobei die zweite Datenstruktur den Satz von Parametern über die eine oder die mehreren Datenansichten hinweg darstellt. Der eine oder die mehreren Mikroprozessoren sind ferner dazu ausgelegt, einen Klassifikator basierend auf der zweiten Datenstruktur zu trainieren, wobei der Klassifikator den einen oder die mehreren menschlichen Probanden in die eine oder die mehreren Kategorien einteilt. Das System umfasst ferner einen Sendeempfänger, der dazu ausgelegt ist, die Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien an eine Rechenvorrichtung zu senden, wobei die Einteilung des einen oder der mehreren menschlichen Probanden auf einer Anzeigevorrichtung der Rechenvorrichtung mittels einer Benutzerschnittstelle angezeigt wird.
- Gemäß hierin veranschaulichten Ausführungsformen wird ein Verfahren zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien, die einen Gesundheitszustand angeben, der dem einen oder den mehreren menschlichen Probanden zugeordnet ist, bereitgestellt. Das Verfahren umfasst das Einteilen, mittels eines oder mehrerer Mikroprozessoren, eines oder mehrerer Parameter, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind, in eine oder mehrere Datenansichten basierend auf mindestens einem Datentyp von jedem des einen oder der mehreren Parameter. Eine Datenansicht entspricht einer ersten Datenstruktur, die einen Satz von in die Datenansicht eingeordneten Parametern speichert, der jedem des einen oder der mehreren menschlichen Probanden zugeordnet ist. Das Verfahren umfasst ferner die Umwandlung, mittels des einen oder der mehreren Mikroprozessoren, der einen oder der mehreren Datenansichten in eine zweite Datenstruktur, wobei die zweite Datenstruktur den Satz von Parametern über die eine oder die mehreren Datenansichten hinweg darstellt. Das Verfahren umfasst ferner das Trainieren, mittels des einen oder der mehreren Mikroprozessoren, eines Klassifikators basierend auf der zweiten Datenstruktur, wobei der Klassifikator den einen oder die mehreren menschlichen Probanden in die eine oder die mehreren Kategorien einteilt. Das Verfahren umfasst ferner das Senden, mittels eines Sendeempfängers, der Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien an eine Rechenvorrichtung, wobei die Einteilung des einen oder der mehreren menschlichen Probanden auf einer Anzeigevorrichtung der Rechenvorrichtung mittels einer Benutzerschnittstelle angezeigt wird.
- Gemäß hierin veranschaulichten Ausführungsformen wird ein Computerprogrammprodukt zur Verwendung mit einer Rechenvorrichtung bereitgestellt. Das Computerprogrammprodukt umfasst ein dauerhaftes computerlesbares Medium. Das dauerhafte computerlesbare Medium speichert einen Computerprogrammcode zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien, die einen Gesundheitszustand angeben, der dem einen oder den mehreren menschlichen Probanden zugeordnet ist. Der Computerprogrammcode kann von einem oder mehreren Mikroprozessoren in der Rechenvorrichtung ausgeführt werden, um einen oder mehrere Parameter, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind, basierend auf mindestens einem Datentyp von jedem des einen oder der mehreren Parameter in eine oder mehrere Datenansichten einzuordnen. Eine Datenansicht entspricht einer ersten Datenstruktur, die einen Satz von in die Datenansicht eingeordneten Parametern speichert, der jedem des einen oder der mehreren menschlichen Probanden zugeordnet ist. Der Computerprogrammcode kann ferner von dem einen oder den mehreren Mikroprozessoren dahingehend ausgeführt werden, die eine oder die mehreren Datenansichten in eine zweite Datenstruktur umzuwandeln, wobei die zweite Datenstruktur den Satz von Parametern über die eine oder die mehreren Datenansichten hinweg darstellt. Der Computerprogrammcode kann ferner von dem einen oder den mehreren Mikroprozessoren dahingehend ausgeführt werden, einen Klassifikator basierend auf der zweiten Datenstruktur zu trainieren, wobei der Klassifikator den einen oder die mehreren menschlichen Probanden in die eine oder die mehreren Kategorien einteilt. Der Computerprogrammcode kann ferner von dem einen oder den mehreren Mikroprozessoren dahingehend ausgeführt werden, mittels eines Sendeempfängers die Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien an eine zweite Rechenvorrichtung zu senden, wobei die Einteilung des einen oder der mehreren menschlichen Probanden auf einer Anzeigevorrichtung der zweiten Rechenvorrichtung mittels einer Benutzerschnittstelle angezeigt wird.
- Die beiliegenden Zeichnungen veranschaulichen verschiedene Ausführungsformen von Systemen, Verfahren und von anderen Aspekten der Offenbarung. Jeder Durchschnittsfachmann versteht, dass die veranschaulichten Abgrenzungen der Elemente (z.B. Boxen, Gruppen von Boxen oder andere Formen) in den Figuren ein Beispiel der Abgrenzungen darstellen. Es ist möglich, dass in einigen Beispielen ein Element als viele Elemente ausgebildet sein kann oder dass viele Elemente als ein Element ausgebildet sein können. In einigen Beispielen kann ein Element, das als interner Bestandteil eines Elements gezeigt ist, in einem anderen Beispiel als ein externer Bestandteil umgesetzt sein und umgekehrt. Des Weiteren sind Elemente möglicherweise nicht maßstabsgetreu abgebildet.
- Nachfolgend werden verschiedene Ausführungsformen gemäß den beiliegenden Zeichnungen beschrieben, die zur Veranschaulichung und nicht zur Einschränkung des Schutzumfangs in irgendeiner Weise bereitgestellt sind, wobei ähnliche Bezugszeichen ähnliche Elemente bezeichnen und in denen:
-
1 ein Systemumgebungsdiagramm, in dem verschiedene Ausführungsformen umgesetzt werden können, veranschaulicht; -
2 ein Blockdiagramm eines Anwendungsservers gemäß mindestens einer Ausführungsform ist; -
3 ein Flussdiagramm ist, das ein Verfahren zum Trainieren eines Klassifikators zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien gemäß mindestens einer Ausführungsform zeigt; -
4 ein Flussdiagramm ist, das ein Verfahren zum Bestimmen einer Schlaganfallpunktzahl eines menschlichen Probanden gemäß mindestens einer Ausführungsform zeigt; -
5A ,5B ,5C ,5D ,5E und5F beispielhafte Benutzerschnittstellen sind, die einem Benutzer auf einer Anzeigevorrichtung einer Rechenvorrichtung angezeigt werden können, um einen oder mehrere Parameter, die einem menschlichen Probanden zugeordnet sind, gemäß mindestens einer Ausführungsform zu erhalten. -
6 eine beispielhafte Benutzerschnittstelle ist, die einem Benutzer auf einer Anzeigevorrichtung einer Rechenvorrichtung angezeigt werden kann, um eine Einteilung eines menschlichen Probanden in eine oder mehrere Kategorien, die einen Gesundheitszustand des menschlichen Probanden angeben, gemäß mindestens einer Ausführungsform anzuzeigen. - Die vorliegende Offenbarung wird am besten unter Bezugnahme auf die hierin dargelegten ausführlichen Figuren und Beschreibungen verstanden. Nachstehend werden verschiedene Ausführungsformen unter Bezugnahme auf die Figuren erörtert. Fachleute werden jedoch ohne Weiteres verstehen, dass die hierin in Bezug auf die Figuren dargelegten ausführlichen Beschreibungen lediglich dem Zweck der Erklärung dienen, da die Verfahren und Systeme mehr als die beschriebenen Ausführungsformen umfassen können. Beispielsweise können die vorgestellten Lehren und die Anforderungen an eine bestimmte Anwendung viele alternative und geeignete Ansätze zur Umsetzung der Funktionalität eines beliebigen hierin beschriebenen Details ergeben. Somit kann jeder Ansatz mehr als die in den folgenden Ausführungsformen beschriebenen und gezeigten spezifischen Umsetzungsmöglichkeiten umfassen.
- Bezugnahmen auf "eine Ausführungsform", "mindestens eine Ausführungsform", "ein Beispiel", "zum Beispiel" und so weiter geben an, dass die so beschriebenen(n) Ausführungsform(en) oder das/die so beschriebenen(n) Beispiel(e) ein bestimmtes Merkmal, eine bestimmte Struktur, Charakteristik, Eigenschaft, ein bestimmtes Element oder eine bestimmte Einschränkung aufweisen können, aber dass nicht jede Ausführungsform oder jedes Beispiel notwendigerweise dieses bestimmte Merkmal, diese bestimmte Struktur, Charakteristik, Eigenschaft, dieses bestimmte Element oder diese bestimmte Einschränkung aufweist. Darüber hinaus bezieht sich die wiederholte Verwendung des Ausdrucks "in einer Ausführungsform" nicht notwendigerweise auf dieselbe Ausführungsform.
- "Menschlicher Proband" bezieht sich auf einen Menschen, der an einem Gesundheitszustand oder einer Erkrankung leidet. In einer Ausführungsform kann der menschliche Proband sich auf eine Person beziehen, die medizinische Beratung in Bezug auf ihren Gesundheitszustand braucht.
- Ein "Patientendatensatz" bezieht sich auf historische Daten von einem oder mehreren menschlichen Probanden, der/die zuvor in eine medizinische Einrichtung eingewiesen wurde(n) oder von der medizinischen Einrichtung medizinische Beratung erhält/erhalten. In einer Ausführungsform beinhaltet der Patientendatensatz Informationen zu einem oder mehreren gemessenen physiologischen Parametern. Darüber hinaus kann der Patientendatensatz ferner andere klinische oder nicht-klinische Daten, die dem einen oder den mehreren menschlichen Probanden zugeordnet sind, wie demografische Daten, frühere Erkrankungen, frühere medikamentöse Behandlungen, frühere Suchterkrankungen, etc., beinhalten. Im Folgenden wird der Begriff "Patientendatensatz" austauschbar mit dem Begriff "Patientenaktendaten" verwendet.
- "Patienten" bezieht sich auf einen oder mehrere menschliche Probanden, die möglicherweise medizinische Behandlung für ein Leiden/einen Gesundheitszustand erhalten. In einer Ausführungsform können ein oder mehrere den Patienten zugeordnete physiologische Parameter vor dem Erhalt der medizinischen Behandlung gemessen werden. Basierend auf dem einen oder den mehreren den Patienten zugeordneten gemessenen physiologischen Parametern, den anderen den Patienten zugeordneten klinischen Daten und den den Patienten zugeordneten nicht-klinischen Daten kann ein Gesundheitszustand der Patienten bestimmt werden.
- "Ein oder mehrere einem menschlichen Probanden zugeordnete Parameter" bezieht sich auf einem menschlichen Probanden zugeordnete klinische und nicht-klinische Merkmale. In einer Ausführungsform können der eine oder die mehreren dem menschlichen Probanden zugeordnete Parameter einen zugeordneten Datentyp aufweisen. Beispiele für den Datentyp sind unter anderem ein binärer Datentyp (z.B. Geschlecht, Parameter in Bezug auf frühere Suchterkrankungen, frühere Erkrankungen, frühere medikamentöse Behandlungen, etc.), ein kategorischer Datentyp (z.B. Bildungsgrad, Beruf, Parameter in Bezug auf Röntgenergebnisse, etc.) und ein numerischer Datentyp (z.B. Alter, Parameter in Bezug auf Ergebnisse von Blutuntersuchungen, etc.).
- Eine "Datenansicht" bezieht sich auf eine Datenstruktur, die Daten von menschlichen Probanden über einen Satz von Parametern eines ähnlichen Datentyps hinweg oder logischen Kontext beinhalten kann. In einer Ausführungsform kann die Datenansicht einer Matrix entsprechen, die Zeilen, die dem einen oder den mehreren menschlichen Probanden entsprechen, und Spalten, die dem Satz von Parametern von dem einen oder den mehreren Parametern entsprechen, aufweist. Beispiele von Datenansichten umfassen unter anderem eine demografische Datenansicht, eine Datenansicht von früheren Erkrankungen, eine Datenansicht von früheren Suchterkrankungen, eine Blutuntersuchungsdatenansicht, eine Röntgenuntersuchungsdatenansicht und eine Datenansicht von früheren medikamentösen Behandlungen. Ferner kann die Datenansicht mittels verschiedener Datenstrukturen, wie unter anderem einem Feld, einem Protokoll, einer Hash-Tabelle, einer Vereinigung, einer Grafik und einer verknüpften Liste, umgesetzt werden.
- "Eine oder mehrere Kategorien" bezieht sich auf Klassen in die ein oder mehrere Patienten eingeordnet werden. In einer Ausführungsform stellt jede der einen oder der mehreren Klassen einen Bereich von Gesundheitszustandspunktzahlen dar. In einer Ausführungsform werden die Patienten basierend auf dem einen oder den mehreren gemessenen physiologischen Parametern in eine oder mehrere Kategorien eingeordnet. In einer Ausführungsform kann eine Kategorie, in die ein Patient eingeordnet wurde, zumindest für einen Behandlungsplan des Patienten maßgeblich bestimmend sein.
- Ein "Behandlungsplan" bezieht sich auf eine Entscheidung bezüglich der Verabreichung eines Behandlungsverlaufs an einen Patienten seitens einer medizinischen Institution oder eines Arztes. In einer Ausführungsform kann der Behandlungsplan das Verschreiben eines oder mehrerer Medikamente für einen Patienten und/oder die Empfehlung an den Patienten, einen oder mehrere klinische Tests in vorgegebenen Zeitabständen durchführen zu lassen, beinhalten. In einer Ausführungsform kann der Behandlungsplan eines Patienten basierend auf dem Gesundheitszustand des Patienten bestimmt werden.
- Eine "Schlaganfallpunktzahl" bezieht sich auf eine Punktzahl, die einem menschlichen Probanden zugewiesen wird und die den Schweregrad eines Schlaganfalls bestimmt. In einer Ausführungsform wird die Schlaganfallpunktzahl basierend auf einer Messung von einem oder mehreren physiologischen Parametern bestimmt. Die Schlaganfallpunktzahl kann auch basierend auf den dem menschlichen Probanden zugeordneten klinischen und nicht-klinischen Daten bestimmt werden. In einer Ausführungsform entspricht die Schlaganfallpunktzahl einer Punktzahl der National Institute of Health Schlaganfallskala (NIHSS – National Institute of Health Stroke Scale).
- "Gesundheitszustandspunktzahl" bezieht sich auf eine Punktzahl, die einem menschlichen Probanden zugewiesen wird und die den Schweregrad einer Erkrankung oder eines Gesundheitszustands angibt. In einer Ausführungsform wird die Gesundheitszustandspunktzahl basierend auf dem einen oder den mehreren physiologischen Parametern bestimmt.
- "Klassifikator" bezieht sich auf ein mathematisches Modell, das dazu ausgelegt sein kann, einen menschlichen Probanden in eine von einer oder mehreren Kategorien einzuteilen. In einer Ausführungsform wird der Klassifikator basierend auf historischen Daten trainiert. Beispiele der einen oder mehreren Methoden, die zum Trainieren eines Klassifikators verwendet werden können, sind unter anderem eine Support Vector Machine (SVM), eine logistische Regression, ein Bayes-Klassifikator, ein Entscheidungsbaum-Klassifikator, ein auf Copula basierender Klassifikator, ein k-nächste-Nachbarn-Klassifikator (KNN-Klassifikator) oder ein Random Forest (RF) Klassifikator.
-
1 veranschaulicht eine Systemumgebung100 , in der verschiedene Ausführungsformen umgesetzt werden können. Die Systemumgebung100 umfasst eine Rechenvorrichtung102 für menschliche Probanden, eine Rechenvorrichtung104 für Ärzte, einen Anwendungsserver106 , einen Datenbankserver108 , eine Krankenhausbehörde110 und ein Netzwerk112 . - Die Rechenvorrichtung
102 für menschliche Probanden entspricht einer Rechenvorrichtung, die von einem menschlichen Probanden bedient werden kann. In einer Ausführungsform weist die Rechenvorrichtung102 für menschliche Probanden einen oder mehrere gekoppelte Sensoren auf, die entweder in die Rechenvorrichtung102 für menschliche Probanden eingebaut oder damit verbunden sind. Der eine oder die mehreren Sensoren ermöglichen es dem menschlichen Probanden, einen oder mehrere ihm zugeordnete physiologische Parameter zu messen. Darüber hinaus kann die Rechenvorrichtung102 für menschliche Probanden dem menschlichen Probanden zugeordnete klinische oder nicht-klinische Daten speichern. Beispiele für klinische Daten sind unter anderem Blutuntersuchungen, frühere Erkrankungen, frühere Suchterkrankungen, frühere medikamentöse Behandlungen, Röntgenuntersuchungen und so weiter. Beispiele für nicht-klinische Daten sind unter anderem dem menschlichen Probanden zugeordnete demografische Daten, wie Alter, Geschlecht, Bildungsgrad, Beruf und so weiter, jedoch ohne darauf beschränkt zu sein. Die Messungen des einen oder der mehreren physiologischen Parameter, der klinischen Daten und der nicht-klinischen Daten werden nachfolgend zusammengefasst als ein oder mehrere dem menschlichen Probanden zugeordnete Parameter bezeichnet. In einer Ausführungsform kann die Rechenvorrichtung102 für menschliche Probanden den einen oder die mehreren dem menschlichen Probanden zugeordneten Parameter (d.h. den einen oder die mehreren physiologischen Parameter, andere klinische Daten und die nicht-klinischen Daten) an den Anwendungsserver106 übermitteln.5A bis5F veranschaulichen Beispiele von Benutzerschnittstellen, die auf der Rechenvorrichtung102 für menschliche Probanden angezeigt werden können, um den einen oder die mehreren dem menschlichen Probanden zugeordneten Parameter von dem menschlichen Probanden zu erhalten. In einer Ausführungsform kann die Rechenvorrichtung102 für menschliche Probanden eine Gesundheitszustandspunktzahl des menschlichen Probanden vom Anwendungsserver106 erhalten.6 veranschaulicht eine beispielhafte Benutzerschnittstelle, die auf der Rechenvorrichtung102 für menschliche Probanden angezeigt werden kann, um die Gesundheitszustandspunktzahl des menschlichen Probanden anzuzeigen. - In einer weiteren Ausführungsform kann der menschliche Proband ein Labor aufsuchen, das mit dem einen oder den mehreren Sensoren ausgestattet sein kann, um den einen oder die mehreren physiologischen Parameter zu messen. Der menschliche Proband kann die anderen klinischen Daten und die nicht-klinischen Daten während des Laborbesuchs bereitstellen. Anschließend kann eine Rechenvorrichtung im Labor den einen oder die mehreren dem menschlichen Probanden zugeordneten Parameter (d.h. den einen oder die mehreren physiologischen Parameter, andere klinische Daten und die nicht-klinischen Daten) an den Anwendungsserver
106 übermitteln. - In einer Ausführungsform kann die Rechenvorrichtung
102 für menschliche Probanden unter Verwendung einer beliebigen Rechenvorrichtung, wie einem Desktop-Computer, einem Laptop-Computer, einem persönlichen digitalen Assistenten (PDA), einem Tablet-Computer und dergleichen, umgesetzt werden. - Die Rechenvorrichtung
104 für Ärzte entspricht einer Rechenvorrichtung, die von dem Arzt bedient werden kann. In einer Ausführungsform kann die Rechenvorrichtung104 für Ärzte den einen oder die mehreren gekoppelten Sensoren aufweisen. Solche Sensoren können dazu verwendet werden, den einen oder die mehreren dem menschlichen Probanden zugeordneten physiologischen Parameter zu messen. Darüber hinaus kann der Arzt die dem menschlichen Probanden zugeordneten klinischen Daten und die dem menschlichen Probanden zugeordneten nicht-klinischen Daten vom menschlichen Probanden erhalten. Die Rechenvorrichtung104 für Ärzte kann dann den einen oder die mehreren dem menschlichen Probanden zugeordneten physiologischen Parameter, die dem menschlichen Probanden zugeordneten klinischen Daten und die dem menschlichen Probanden zugeordneten nicht-klinischen Daten (zusammen als der eine oder die mehreren Parameter bezeichnet) speichern und diese können dann von der Rechenvorrichtung104 für Ärzte an den Anwendungsserver106 übermittelt werden.5A bis5F veranschaulichen Beispiele von Benutzerschnittstellen, die auf der Rechenvorrichtung104 für Ärzte angezeigt werden können, um den einen oder die mehreren dem menschlichen Probanden zugeordneten Parameter von dem Arzt zu erhalten. In einer Ausführungsform kann die Rechenvorrichtung104 für Ärzte eine Gesundheitszustandspunktzahl vom Anwendungsserver106 erhalten.6 veranschaulicht eine beispielhafte Benutzerschnittstelle, die auf der Rechenvorrichtung104 für Ärzte angezeigt werden kann, um dem Arzt die Gesundheitszustandspunktzahl des menschlichen Probanden anzuzeigen. Basierend auf der Gesundheitszustandspunktzahl kann der Arzt eine weitere Vorgehensweise festlegen. Des Weiteren kann die Rechenvorrichtung104 für Ärzte den Datenbankserver108 auffordern, dem menschlichen Probanden zugeordnete Patientenaktendaten (die den einen oder die mehreren Parameter beinhalten) zu extrahieren/zu aktualisieren. - In einer Ausführungsform kann die Rechenvorrichtung
104 für Ärzte unter Verwendung einer beliebigen Rechenvorrichtung, wie einem Desktop-Computer, einem Laptop-Computer, einem persönlichen digitalen Assistenten (PDA), einem Tablet-Computer und dergleichen, umgesetzt werden. - Der Anwendungsserver
106 ist dazu ausgelegt, den einen oder die mehreren einem oder mehreren menschlichen Probanden zugeordneten Parameter in eine oder mehrere Datenansichten einzuordnen. In einer Ausführungsform kann jede der einen oder der mehreren Datenansichten einer ersten Datenstruktur zum Speichern eines Satzes von Parametern von dem einen oder den mehreren Parametern entsprechen. In einer Ausführungsform basiert das Einordnen des einen oder der mehreren Parameter auf einem Datentyp, der jedem des einen oder der mehreren Parameter zugeordnet ist. Beispiele für Datentypen sind unter anderem ein kategorischer Datentyp, ein binärer Datentyp oder ein numerischer Datentyp. Ferner kann der Anwendungsserver106 die eine oder die mehreren Datenansichten in eine zweite Datenstruktur umwandeln. In einer Ausführungsform kann die zweite Datenstruktur den Satz von Parametern über die eine oder die mehreren Datenansichten hinweg darstellen. Nach der Umwandlung der einen oder der mehreren Datenansichten in die zweite Datenstruktur, trainiert der Anwendungsserver106 einen Klassifikator basierend auf der zweiten Datenstruktur. In einer Ausführungsform kann der Anwendungsserver106 den Klassifikator verwenden, um den einen oder die mehreren menschlichen Probanden in eine oder mehrere Kategorien einzuordnen, von denen jede eine Gesundheitszustandspunktzahl des einen oder der mehreren menschlichen Probanden angeben kann. In einer Ausführungsform kann der Anwendungsserver106 eine Benutzerschnittstelle auf der Rechenvorrichtung104 für Ärzte darstellen, mittels derer dem Arzt die Gesundheitszustandspunktzahl des menschlichen Probanden angezeigt wird. Eine Ausführungsform eines Verfahrens zum Trainieren eines Klassifikators zum Einordnen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien wurde im Zusammenhang mit3 ausführlicher erklärt. - In einer Ausführungsform kann der Anwendungsserver
106 mittels verschiedener Arten von Servern, wie unter anderem Java-Servern, .NET Framework und Base4-Servern, umgesetzt werden. - Einem Durchschnittsfachmann ist klar, dass der Schutzumfang der Offenbarung nicht darauf beschränkt ist, den Anwendungsserver
106 als getrennte Einheit bereitzustellen. In einer Ausführungsform kann der Anwendungsserver106 in der Rechenvorrichtung104 für Ärzte als eine Software-Anwendung eingebettet sein. - In einer Ausführungsform ist der Datenbankserver
108 dazu ausgelegt, die Patientenaktendaten zu speichern. In einer Ausführungsform können die Patientenaktendaten Informationen beinhalten, die zu dem einen oder den mehreren Parametern gehören, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind. In einer Ausführungsform kann der Datenbankserver108 eine Aufforderung vom Anwendungsserver106 , von einer oder mehreren der Rechenvorrichtungen der Krankenhausbehörde110 und/oder von der Rechenvorrichtung104 für Ärzte erhalten, die dem einen oder den mehreren menschlichen Probanden zugeordneten Patientenaktendaten zu extrahieren/zu aktualisieren. Beispielsweise kann die Rechenvorrichtung104 für Ärzte einen oder mehrere einem menschlichen Probanden zugeordnete Parameter auf dem Datenbankserver108 speichern. Der Anwendungsserver106 kann den Datenbankserver108 auffordern, Akten, die zu dem einen oder den mehreren menschlichen Probanden gehören, zu extrahieren, wobei jede Akte den einen oder die mehreren Parameter des jeweiligen menschlichen Probanden beinhaltet. Der Anwendungsserver106 kann die extrahierten Akten zum Trainieren des Klassifikators zum Vorhersagen einer Gesundheitszustandspunktzahl des einen oder der mehreren menschlichen Probanden verwenden. Der Datenbankserver108 kann mittels verschiedener Technologien umgesetzt werden, wie Microsoft® SQL-Server, Oracle und My SQL, jedoch ohne darauf beschränkt zu sein. In einer Ausführungsform können die Rechenvorrichtung104 für Ärzte, die eine oder die mehreren Rechenvorrichtungen der Krankenhausbehörde110 und/oder der Anwendungsserver106 unter Verwendung eines oder mehrerer Protokolle, wie unter anderem dem Open Database Connectivity(ODBC)-Protokoll und dem Java Database Connectivity(JDBC)-Protokoll, mit dem Datenbankserver108 verbunden werden. - Einem Durchschnittsfachmann ist klar, dass der Schutzumfang der Offenbarung nicht darauf beschränkt ist, den Datenbankserver
108 als getrennte Einheit bereitzustellen. In einer Ausführungsform kann der Datenbankserver108 zusammen mit dem Anwendungsserver106 eingebettet sein. - Die Krankenhausbehörde
110 entspricht einer Krankenhausinfrastruktur, die mindestens eine Rechenvorrichtung aufweist. Die Rechenvorrichtung in der Krankenhausbehörde110 empfängt vom Anwendungsserver106 die dem menschlichen Probanden zugeordnete Gesundheitszustandspunktzahl. Basierend auf der Gesundheitszustandspunktzahl kann die Rechenvorrichtung in der Krankenhausbehörde eine oder mehrere Abteilungen in der Krankenhausbehörde110 dahingehend informieren, Vorbereitungen für die Behandlung des menschlichen Probanden gemäß der dem menschlichen Probanden zugeordneten Gesundheitspunktzahl zu treffen.6 veranschaulicht eine beispielhafte Benutzerschnittstelle, die auf der mindestens einen Rechenvorrichtung der Krankenhausbehörde110 angezeigt werden kann, um die Gesundheitszustandspunktzahl des menschlichen Probanden anzuzeigen. - Einem Fachmann ist klar, dass der eine oder die mehreren Parameter des menschlichen Probanden auch mittels der mindestens einen Rechenvorrichtung der Krankenhausbehörde
110 bereitgestellt werden können. Beispielsweise können während einer Beratung oder Einweisung des menschlichen Probanden im/in das Krankenhaus der eine oder die mehreren Parameter des menschlichen Probanden mittels der mindestens einen Rechenvorrichtung der Krankenhausbehörde110 bereitgestellt werden.5A bis5F veranschaulichen Beispiele von Benutzerschnittstellen, die auf der mindestens einen Rechenvorrichtung der Krankenhausbehörde110 angezeigt werden können, um den einen oder die mehreren dem menschlichen Probanden zugeordneten Parameter anzuzeigen. - Das Netzwerk
112 entspricht einem Datenträger, durch den Inhalt und Nachrichten zwischen verschiedenen Vorrichtungen der Systemumgebung100 (z.B. die Rechenvorrichtung102 für menschliche Probanden, die Rechenvorrichtung104 für Ärzte, der Anwendungsserver106 , der Datenbankserver108 und die eine oder die mehreren Rechenvorrichtungen der Krankenhausbehörde110 ) transportiert werden. Beispiele für das Netzwerk112 sind unter anderem ein Wireless Fidelity(Wi-Fi)-Netzwerk, ein Wireless Area Netzwerk (WAN), ein Local Area Netzwerk (LAN) oder ein Metropolitan Area Netzwerk (MAN). Verschiedene Vorrichtungen in der Systemumgebung100 können gemäß verschiedenen drahtgebundenen und drahtlosen Kommunikationsprotokollen wie Transmission Control Protocol und Internet Protocol (TCP/IP), User Datagram Protocol (UDP) und 2G-, 3G- oder 4G-Kommunikationsprotokollen mit dem Netzwerk112 verbunden werden. -
2 ist ein Blockdiagramm des Anwendungsservers106 gemäß mindestens einer Ausführungsform. Der Anwendungsserver106 umfasst einen Mikroprozessor202 , einen Speicher204 und einen Sendeempfänger206 . Der Anwendungsserver106 kann ferner einen oder mehrere an den Mikroprozessor202 gekoppelte Sensoren208 umfassen. - Der Mikroprozessor
202 ist an den Speicher204 und an den Sendeempfänger206 gekoppelt. Der Mikroprozessor202 weist geeignete Logik, Schaltkreise und/oder Schnittstellen auf, die dahingehend betrieben werden können, eine oder mehrere im Speicher204 gespeicherte Anweisungen auszuführen, um einen vorgegebenen Betrieb auszuführen. Der Speicher204 kann dahingehend betrieben werden, die eine oder die mehreren Anweisungen zu speichern. Der Mikroprozessor202 kann unter Verwendung von einer oder mehreren im Stand der Technik bekannten Prozessortechnologien umgesetzt werden. Beispiele für den Mikroprozessor202 sind unter anderem ein X86-Prozessor, ein RISC-Prozessor, ein ASIC-Prozessor, ein CISC-Prozessor oder jeder andere Prozessor. - Der Speicher
204 speichert einen Satz Anweisungen und Daten. In einer Ausführungsform kann der Speicher204 einen Zwischenspeicher210 , eine erste Datenstruktur212 und eine zweite Datenstruktur214 umfassen. Einige der allgemein bekannten Speicherumsetzungen umfassen unter anderem einen Direktzugriffsspeicher (RAM), einen Nurlesespeicher (ROM), ein Festplattenlaufwerk (HDD) und eine SD-Karte. Des Weiteren umfasst der Speicher204 die eine oder die mehreren Anweisungen, die vom Mikroprozessor202 ausführbar sind, um bestimmte Betriebsarten auszuführen. Dem Durchschnittsfachmann ist klar, dass die eine oder die mehreren im Speicher204 gespeicherten Anweisungen es der Hardware des Anwendungsservers106 ermöglichen, den vorgegebenen Betrieb auszuführen. - Der Sendeempfänger
206 sendet und empfängt Nachrichten und Daten an/von verschiedene(n) Vorrichtungen der Systemumgebung100 (z.B. die Rechenvorrichtung102 für menschliche Probanden, die Rechenvorrichtung104 für Ärzte, der Datenbankserver108 und die eine oder die mehreren Rechenvorrichtungen der Krankenhausbehörde110 ). In einer Ausführungsform kann der Sendeempfänger206 mittels unter anderem einer Antenne, einem Ethernet-Anschluss, einem USB-Anschluss oder jeglichem anderen Anschluss, der zum Empfangen und Übertragen von Daten ausgelegt werden kann, umgesetzt werden. Der Sendeempfänger206 sendet und empfängt Daten/Nachrichten gemäß den verschiedenen Kommunikationsprotokollen, wie TCP/IP, UDP und 2G-, 3G- oder 4G-Kommunikationsprotokollen. - Der eine oder die mehreren Sensoren
208 sind dazu ausgelegt, einen oder mehrere einem menschlichen Patienten zugeordnete physiologische Parameter zu messen. Beispiele für den einen oder die mehreren Sensoren208 sind unter anderem Blutzuckersensoren, Sensoren für den Kohlendioxidgehalt im Atem, Sensoren für den Sauerstoffgehalt im Atem, Blutdrucksensoren, Herzfrequenzsensoren, Körpertemperatursensoren und dergleichen. - Der Betrieb des Anwendungsservers
106 zum Trainieren eines Klassifikators wurde im Zusammenhang mit3 erklärt. -
3 ist ein Flussdiagramm300 , das ein Verfahren zum Trainieren eines Klassifikators zum Einordnen des einen oder der mehreren menschlichen Probanden in eine oder mehrere Kategorien gemäß mindestens einer Ausführungsform zeigt. Das Flussdiagramm300 wurde im Zusammenhang mit1 und2 beschrieben. - Bei Schritt
302 werden der eine oder die mehreren Parameter des einen oder der mehreren menschlichen Probanden empfangen. In einer Ausführungsform empfängt der Mikroprozessor202 den einen oder die mehreren Parameter des einen oder der mehreren menschlichen Probanden vom Datenbankserver108 über den Sendeempfänger206 . - Bei Schritt
304 werden der eine oder die mehreren Parameter des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Datenansichten eingeordnet. In einer Ausführungsform ist der Mikroprozessor202 dazu ausgelegt, den einen oder die mehreren Parameter in die eine oder die mehreren Datenansichten einzuordnen. In einer Ausführungsform kann jede der einen oder der mehreren Datenansichten der ersten Datenstruktur212 zum Speichern des Satzes von Parametern, der in diese Datenansicht eingeordnet wurde, entsprechen. In einer Ausführungsform kann der Mikroprozessor202 jede Datenansicht als eine jeweilige erste Datenstruktur212 im Speicher204 speichern. In einer Ausführungsform kann das Einordnen des einen oder der mehreren Parameter auf dem Datentyp jedes des einen oder der mehreren Parameter basieren. Beispiele für Datentypen können unter anderem ein kategorischer Datentyp, ein binärer Datentyp oder ein numerischer Datentyp sein. In einer weiteren Ausführungsform können die in jede der einen oder der mehreren Datenansichten eingeordneten Sätze von Parametern einander in einem logischen Kontext ähnlich sein. In einer Ausführungsform können die verschiedenen logischen Kontexte, basierend darauf, welcher des einen oder der mehreren Parameter in die eine oder die mehreren Datenansichten eingeordnet werden soll, von einem Benutzer bereitgestellt werden. Alternativ dazu können die logischen Kontexte heuristisch vom Mikroprozessor202 bestimmt werden. Beispielsweise können Parameter, die sich auf frühere Erkrankungen der menschlichen Probanden beziehen (ein logischer Kontext), in einer Datenansicht der früheren Erkrankungen zusammengelegt werden. Auf ähnliche Weise können Parameter, die sich auf frühere den menschlichen Probanden verschriebene Medikamente beziehen (ein weiterer logischer Kontext), in einer Datenansicht der früheren medikamentösen Behandlungen zusammengelegt werden. In einer weiteren Ausführungsform kann der Mikroprozessor202 den einen oder die mehreren Parameter basierend sowohl auf den dem einen oder den mehreren Parametern zugeordneten Datentypen als auch auf dem logischen Kontext einordnen. Beispiele der einen oder der mehreren Datenansichten können unter anderem eine demografische Datenansicht, eine Datenansicht von früheren Erkrankungen, eine Datenansicht von früheren Suchterkrankungen, eine Blutuntersuchungsdatenansicht, eine Röntgenuntersuchungsdatenansicht oder eine Datenansicht von früheren medikamentösen Behandlungen umfassen. - Des Weiteren können der eine oder die mehreren Parameter für jeden des einen oder der mehreren menschlichen Probanden ferner eine Gesundheitszustandspunktzahl (die zuvor für jeden des einen oder der mehreren menschlichen Probanden bestimmt wurde) umfassen. In einer Ausführungsform kann der Mikroprozessor
202 eine Datenansicht für die Gesundheitszustandspunktzahl erstellen. Die nachstehende Tabelle veranschaulicht ein Beispiel des Satzes von Parametern von dem einen oder den mehreren Parametern, die in jede der einen oder der mehreren Datenansichten eingeordnet wurden:Datenansichten und Satz der jeweiligen Parameter Demografische Datenansicht Datenansicht von früheren Erkrankungen Datenansicht von früheren Suchterkrankungen Blutuntersuchungsdatenansicht Röntgenuntersuchungsdatenansicht Datenansicht von früheren medikamentösen Behandlungen Alter Früheres Auftreten von Bluthochdruck Nikotinabhängigkeit Gesamtblutbild Echokardiogramm Aspirineinnahme Geschlecht Früheres Auftreten von Diabetes Mellitus Alkoholabhängigkeit Hämoglobinwert Magnetresonanztomographie Clopidogreleinnahme Bildungsgrad Früheres Auftreten von Herzerkra nkungen Tabakabhängigkeit Erythrozytenzahl Computertomographie Einnahme von Statinen Beruf Früheres Auftreten eines zerebrovaskulären Unfalls Thrombozytenzahl Einnahme von Calciumkanalblockern (CCB) Kreatininwert Einnahme von ACE-Hemmern (ACEI) Serumnatriumwert Einnahme von Antiepileptika Blutalbuminwert Einnahme von Antidiabetika - Wie in Tabelle 1 veranschaulicht, können die eine oder die mehreren Datenansichten Parameter eines heterogenen Datentyps umfassen. Beispielsweise umfasst die demografische Datenansicht Parameter wie Alter, Geschlecht, Bildungsgrad und Beruf. Der Parameter "Alter" ist ein numerischer Datentyp und der Parameter "Geschlecht" ist ein binärer Datentyp. Ferner sind die Parameter "Bildungsgrad" und "Beruf" kategorische Datentypen. Andere Datenansichten, wie die Datenansicht von früheren Erkrankungen, die Datenansicht von früheren Suchterkrankungen, die Blutuntersuchungsdatenansicht, die Röntgenuntersuchungsdatenansicht und die Datenansicht von früheren medikamentösen Behandlungen, umfassen jedoch alle Parameter vom homogenen Datentyp. Beispielsweise sind alle in die Datenansicht von früheren Erkrankungen, die Datenansicht von früheren Suchterkrankungen und die Datenansicht von früheren medikamentösen Behandlungen eingeordneten Parameter vom binären Datentyp (d.h. solche Parameter können nur Werte vom Ja/Nein-Typ aufweisen). Ferner sind alle in die Blutuntersuchungsdatenansicht eingeordneten Parameter vom numerischen Datentyp, wohingegen die in die Röntgenuntersuchungsdatenansicht eingeordneten Parameter vom kategorischen Datentyp sind.
- In einer Ausführungsform kann die jeder Datenansicht zugeordnete erste Datenstruktur
212 einer Matrix zum Speichern von Daten, die zu dem einen oder den mehreren menschlichen Probanden gehören, über den Satz von Parametern (in der entsprechenden Datenansicht) hinweg entsprechen. Jede Spalte in der Matrix kann einem einzelnen Parameter aus dem Satz von Parametern entsprechen, während jede Zeile einem einzelnen menschlichen Probanden von dem einen oder den mehreren menschlichen Probanden entsprechen kann. Beispielsweise kann die der demografischen Datenansicht zugeordnete erste Datenstruktur212 einer Matrix entsprechen, die 4 Spalten (Alter, Geschlecht, Bildungsgrad und Beruf) aufweist, eine für jeden in die demografische Datenansicht eingeordneten Parameter. Die Anzahl der Zeilen der Matrix kann der Anzahl an menschlichen Probanden in den Patientenaktendaten entsprechen, eine Zeile pro menschlichem Probanden. - Bei Schritt
306 werden die eine oder die mehreren Datenansichten in die zweite Datenstruktur214 umgewandelt. In einer Ausführungsform ist der Mikroprozessor202 dazu ausgelegt, die eine oder die mehreren Datenansichten in die zweite Datenstruktur214 umzuwandeln. In einer Ausführungsform kann der Mikroprozessor202 die Umwandlung der einen oder der mehreren Datenansichten als die zweite Datenstruktur214 im Speicher204 speichern. Zum Ausführen der Umwandlung kann der Mikroprozessor202 in einer Ausführungsform eine oder mehrere Mehrfachansichts-Erlernmethoden verwenden, wie unter anderem eine kollektive Matrix-Faktorisierungs-Methode (CMF – Collective Matrix Factorization), eine Hauptkomponentenanalyse-Methode (PCA – Principal Component Analysis), eine nicht-negative Matrix-Faktorisierungs-Methode (NMF – Non-negative Matrix Factorization), eine kanonische Korrelationsanalyse-Methode (CCA – Canonical Correlation Analysis) oder eine Inter-Testreihen-Faktoranalyse-Methode (IBFA – Inter-Battery Factor Analysis). In einer Ausführungsform kann die zweite Datenstruktur214 den Satz von Parametern über jede der einen oder der mehreren Datenansichten hinweg darstellen. - Man betrachte beispielsweise ein Szenario, in dem der Mikroprozessor
202 die kollektive Matrix-Faktorisierungs-Methode (CMF-Methode) anwendet, um die eine oder die mehreren Datenansichten in die zweite Datenstruktur214 umzuwandeln. Wie bereits erläutert, kann die jeder der einen oder der mehreren Datenansichten zugeordnete erste Datenstruktur212 einer Matrix mit den Spalten als der in diese Datenansicht eingeordnete Satz von Parametern und den Zeilen als der eine oder die mehreren menschlichen Probanden entsprechen. In einer Ausführungsform entsprechen der eine oder die mehreren menschlichen Probanden (in jeder der einen oder der mehreren Datenansichten als Zeilen gespeichert) und der Satz von Parametern (als die Spalten gespeichert) für jede Datenansicht einem Einheitssatz. Beispielsweise können bei der Blutuntersuchungsdatenansicht der eine oder die mehreren menschlichen Probanden einem ersten Einheitssatz entsprechen. Ferner kann der Satz von Parametern (wie Hämoglobinwert, Erythrozytenzahl) einem zweiten Einheitssatz entsprechen. Auf ähnliche Weise kann bei jeder Datenansicht der Satz von Parametern einem jeweiligen Einheitssatz entsprechen. - Beispielsweise gibt es drei Matrizen X1, X2 und X3, die den drei Datenansichten, z.B. der Blutuntersuchungsdatenansicht, der Datenansicht von früheren medikamentösen Behandlungen und der demografischen Datenansicht, entsprechen. Die Matrizen X1, X2 und X3 haben jeweils m Zeilen und eine c1-, c2- bzw. c3-Spalte. Folglich gibt es für die eine oder die mehreren Datenansichten vier Einheitssätze (Einheitssatz des menschlichen Probanden, demografischer Einheitssatz, Einheitssatz der früheren medikamentösen Behandlung und Blutuntersuchungseinheitssatz). In Anbetracht dessen, stellt ei Einheitssätze für die eine oder die mehreren Datenansichten dar. Beispielsweise kann die Matrix X1 die Blutuntersuchungsdatenansicht mit einem Einheitssatz e1 (m Zeilen), der den Satz von dem einem oder den mehreren menschlichen Probanden darstellt, und einem Einheitssatz e2 (c1 Spalten), der den Satz von in die Blutuntersuchungsdatenansicht eingeordneten Parametern (wie Gesamtblutbild, Hämoglobinwert, Erythrozytenzahl, Thrombozytenzahl, Kreatininwert, Serumnatriumwert, Blutalbuminwert und so weiter) darstellt, darstellen. Die Matrix X1 kann dann ein Verhältnis zwischen den Einheitssätzen e1 und e2 darstellen. Auf ähnliche Weise kann die Matrix X2 die Datenansicht von früheren medikamentösen Behandlungen als ein Verhältnis von dem Einheitssatz e1 (m Zeilen) zu dem Einheitssatz e3 (c2 Spalten) darstellen, wobei der Einheitssatz e3 den in die Datenansicht von früheren medikamentösen Behandlungen eingeordneten Satz von Parametern darstellen kann. Ferner kann die Matrix X3 (für die demografische Datenansicht) ein Verhältnis von dem Einheitssatz e1 (m Zeilen) zu dem Einheitssatz e4 (c3 Spalten) darstellen, wobei der Einheitssatz e4 den in die demografische Datenansicht eingeordneten Satz von Parametern darstellen kann. Die drei Datenansichten (d.h. die Matrizen X1, X2 und X3) können in eine größere Matrix (kollektive Matrix) Y umgewandelt werden, wie nachstehend dargestellt: worin
- XiT:
- Verschieben der Matrix Xi,
- ?:
- fehlende/leere Werte (können mit Nullen aufgefüllt werden), und
- Y:
- kollektive Matrix der einen oder der mehreren Datenansichten.
- Wie in Gleichung 1 veranschaulicht, werden die von den Matrizen X1, X2 und X3 dargestellten Datenansichten in der kollektiven Matrix Y kombiniert. Die kollektive Matrix Y kann eine Quadratmatrix der Dimensionen (e1 + e2 + e3 + e4)·(e1 + e2 + e3 + e4) sein. Der Mikroprozessor
202 kann die kollektive Matrix Y in Matrizen niedrigen Ranges faktorisieren, wie nachstehend dargestellt: - Wie in Gleichung 2 veranschaulicht, wird die kollektive Matrix Y in zwei Matrizen U und UT faktorisiert. In einer Ausführungsform kann der Mikroprozessor
202 eine Bayes-Erlernmethode anwenden, um die Zerlegung/Faktorisierung derart auszuführen, dass die Matrix U 'k' Dimensionen über den gesamten Satz e1 (d.h. den Datensatz des einen oder der mehreren menschlichen Probanden) hinweg aufweist. In einer Ausführungsform kann die Matrix U der zweiten Datenstruktur214 entsprechen, bei der es sich um eine gemeinsame Darstellung aller Datenansichten (z.B. X1, X2 und X3) für den Einheitssatz e1 handelt. In einer Ausführungsform können innerhalb der zweiten Datenstruktur214 gemeinsame/entsprechende Informationen aus der einen oder den mehreren Datenansichten aufbewahrt werden, während spezifische Informationen der Datenansicht (z.B. Informationen, die nur in einer bestimmten Datenansicht vorliegen und nicht Informationen entsprechen, die in anderen Datenansichten vorliegen) verworfen werden können. Beispielsweise können die Parameter Alter und Geschlecht aus der demografischen Datenansicht den anderen Parametern der anderen Datenansichten entsprechen. Folglich können Informationen, die zum Alter und Geschlecht des einen oder der mehreren menschlichen Probanden gehören, innerhalb der zweiten Datenstruktur214 aufbewahrt werden. Die Parameter Bildungsgrad und Beruf aus der demografischen Datenansicht entsprechen jedoch an sich möglicherweise nicht (oder entsprechen nur schwach) den anderen Parametern der anderen Datenansichten. Folglich können Informationen, die zum Bildungsgrad und Beruf des einen oder der mehreren menschlichen Probanden gehören, in der zweiten Datenstruktur214 weggelassen werden. - In einer Ausführungsform kann der Mikroprozessor
202 die einen oder die mehreren Datenansichten in der kollektiven Matrix Y kombinieren und die kollektive Matrix Y im Zwischenspeicher210 im Speicher204 speichern. Während der Faktorisierung der kollektiven Matrix Y in die umgewandelte zweite Datenstruktur214 kann die kollektive Matrix Y im Zwischenspeicher210 gespeichert werden. Wenn die kollektive Matrix Y umgewandelt wird (d.h. in die Matrizen U und UT niedrigen Ranges umgewandelt wird), speichert der Mikroprozessor202 die umgewandelte Matrix als die zweite Datenstruktur214 im Speicher204 . - In einer Ausführungsform kann es sich bei der Dimension 'k' der Matrix U um einen steuerbaren Parameter handeln, der mittels Kreuzvalidierung angepasst werden kann. Die Anpassung der Dimension 'k' wurde in Schritt
308 erklärt. - Durch Verwendung einer Bayes-Erlernmethode für die kollektive Matrixfaktorisierung können unabhängig vom ursprünglichen Datentyp innerhalb der einzelnen Datenansichten Daten vom numerischen Datentyp innerhalb der faktorisierten/zerlegten Matrix erhalten werden. Solche numerischen Daten können für die weitere Analyse und das Training eines Klassifikators unter Verwendung einer beliebigen im Stand der Technik bekannten Methode geeignet sein. Ferner können fehlende Werte innerhalb der einzelnen Datenansichten während des Umwandlungsprozesses zugeschrieben werden. Dies kann zu einer Verbesserung der Vorhersagegenauigkeit von mit solchen Daten trainierten Klassifikatoren führen. Des Weiteren ist für das Bayes-Erlernen keine Parameterabstimmung erforderlich.
- Bei Schritt
308 wird ein Klassifikator anhand der zweiten Datenstruktur214 trainiert. In einer Ausführungsform ist der Mikroprozessor202 dazu ausgelegt, den Klassifikator anhand der zweiten Datenstruktur214 zu trainieren. In einer Ausführungsform kann der Klassifikator unter Verwendung einer oder mehrerer Maschinenerlernmethoden trainieren, wie unter anderem eine Support Vector Machine (SVM), eine logistische Regression, ein Bayes-Klassifikator, ein Entscheidungsbaum-Klassifikator, ein auf Copula basierender Klassifikator, ein k-nächste-Nachbarn-Klassifikator (KNN-Klassifikator) oder ein Random Forest (RF) Klassifikator. Wie vorstehend erörtert, erzeugt der Mikroprozessor202 eine Datenansicht für die Gesundheitszustandspunktzahl, die vorgegebene Werte der Gesundheitszustandspunktzahl von jedem des einen oder der mehreren menschlichen Probanden umfasst. In einer Ausführungsform kann der Mikroprozessor202 die Gesundheitszustandspunktzahldatenansicht dazu verwenden, den Klassifikator anhand der zweiten Datenstruktur214 zu trainieren. Folglich kann der Klassifikator dahingehend trainiert werden, den einen oder die mehreren menschlichen Probanden in eine oder mehrere Kategorien einzuordnen, von denen jede einen Bereich der Gesundheitszustandspunktzahl des einen oder der mehreren menschlichen Probanden angibt. Beispielsweise kann die Gesundheitszustandspunktzahl einer NIHSS-Punktzahl entsprechen. In solch einem Szenario kann der so erhaltene Bereich der NIHSS-Punktzahl dazu verwendet werden, den Schweregrad eines Schlaganfalls unter dem einen oder den mehreren menschlichen Probanden vorherzusagen. Die Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien unter Verwendung des Klassifikators wurde in4 ausführlicher erklärt. - Anpassung der Dimension 'k' der zweiten Datenstruktur
- In einer Ausführungsform kann der Mikroprozessor
202 ein Leave-One-Out-Kreuzvalidierungsverfahren zum Trainieren eines Klassifikators verwenden, basierend auf einem Trainingsdatensatz von menschlichen Probanden, deren Bereich der Gesundheitszustandspunktzahl bekannt ist. Folglich kann eine der Datenansichten des Trainingsdatensatzes von menschlichen Probanden eine Gesundheitszustandspunktzahldatenansicht umfassen, die vorgegebene Werte der Gesundheitszustandspunktzahlen jedes des einen oder der mehreren menschlichen Probanden umfasst. Der Trainingsdatensatz kann in eine oder mehrere Datenansichten eingeordnet werden (siehe Schritt304 ) und anschließend mit einem empirisch/heuristisch ausgewählten Wert 'k' in die zweite Datenstruktur214 umgewandelt werden (siehe Schritt306 ). Für jede Beobachtung in der zweiten Datenstruktur214 kann der Mikroprozessor202 den Klassifikator anhand der übrigen Beobachtungen trainieren und den Klassifikator dazu verwenden, den Bereich der Gesundheitszustandspunktzahl der ausgelassenen Beobachtung vorherzusagen. Anschließend kann der Mikroprozessor202 eine Einteilungsgenauigkeit des Klassifikators basierend auf Anteilen der Vorhersagen, die korrekt sind, bestimmen. Des Weiteren kann der Mikroprozessor202 einen zweiten Wert 'k' empirisch/heuristisch auswählen. Anschließend kann der Mikroprozessor202 die eine oder die mehreren Datenansichten wieder in die zweite Datenstruktur214 mit dem zweiten Wert 'k' als deren Dimension umwandeln. Ein neuer Klassifikator kann auf ähnliche Weise anhand der zweiten Datenstruktur214 trainiert werden und die Einteilungsgenauigkeit kann für den neuen Klassifikator bestimmt werden. Der Mikroprozessor202 kann den Wert 'k' auswählen, der eine höhere Einteilungsgenauigkeit für die auf der Bayes-Erlernung basierende CMF-Umwandlung des tatsächlichen Datensatzes des einen oder der mehreren menschlichen Probanden, für die der Bereich der Gesundheitszustandspunktzahl geschätzt werden soll, erreicht. Dem Fachmann ist klar, dass der Prozess des Auswählens neuer Werte k so lange wiederholt werden kann, bis eine vorgegebene Einteilungsgenauigkeit oder ein vorgegebener Wert k erreicht wird. -
4 ist ein Flussdiagramm400 , das ein Verfahren zum Bestimmen einer Gesundheitszustandspunktzahl eines menschlichen Probanden gemäß mindestens einer Ausführungsform zeigt. - Bei Schritt
402 werden der eine oder die mehreren einem menschlichen Probanden zugeordneten Parameter empfangen. In einer Ausführungsform ist der Mikroprozessor202 dazu ausgelegt, den einen oder die mehreren Parameter, einschließlich der Messung des einen oder der mehreren physiologischen Parameter, anderer klinischer Daten und nicht-klinischer Daten, die dem menschlichen Probanden zugeordnet sind, von der Rechenvorrichtung102 für menschliche Probanden und/oder der Rechenvorrichtung104 für Ärzte und/oder der Rechenvorrichtung der Krankenhausbehörde110 zu empfangen.5A bis5F veranschaulichen Beispiele von Benutzerschnittstellen, die auf der Rechenvorrichtung102 für menschliche Probanden, der Rechenvorrichtung104 für Ärzte und/oder der Rechenvorrichtung der Krankenhausbehörde110 angezeigt werden können, um den einen oder die mehreren dem menschlichen Probanden zugeordneten Parameter anzuzeigen. - Vor dem Empfangen der Messung des einen oder der mehreren physiologischen Parameter kann der Arzt den menschlichen Probanden untersuchen. Die Untersuchung des menschlichen Probanden kann das Messen des einen oder der mehreren physiologischen Parameter unter Verwendung eines oder mehrerer Sensoren oder eines Blutwerttests (z.B. eines Biosensors) umfassen. Nach dem Bestimmen des einen oder der mehreren physiologischen Parameter kann der Arzt den einen oder die mehreren gemessenen physiologischen Parameter, die anderen klinischen Daten und die nicht-klinischen Daten mittels der Benutzerschnittstelle der Rechenvorrichtung
104 für Ärzte eingeben. - Einem Durchschnittsfachmann ist klar, dass der Schutzumfang der Offenbarung nicht auf das Messen des einen oder der mehreren physiologischen Parameter seitens des Arztes beschränkt ist. In einer Ausführungsform kann der menschliche Proband im Besitz des einen oder der mehreren Sensoren sein, mittels dessen/derer der menschliche Proband selbst den einen oder die mehreren physiologischen Parameter messen kann. Des Weiteren kann in einer Ausführungsform der menschliche Proband den einen oder die mehreren gemessenen physiologischen Parameter von einem pathologischen Labor erhalten. In beiden Szenarien kann der menschliche Proband den einen oder die mehreren ihm selbst zugeordneten Parameter mittels der Rechenvorrichtung
102 für menschliche Probanden bereitstellen. Des Weiteren können in einer Ausführungsform der eine oder die mehreren Sensoren208 im Anwendungsserver106 den einen oder die mehreren dem menschlichen Probanden zugeordneten physiologischen Parameter messen, ohne aus dem Schutzumfang der Offenbarung abzuweichen. - Bei Schritt
404 wird der menschliche Proband basierend auf dem Klassifikator in eine der einen oder der mehreren Kategorien eingeordnet. In einer Ausführungsform ist der Mikroprozessor202 dazu ausgelegt, den menschlichen Probanden in eine der einen oder der mehreren Kategorien einzuteilen, die einen Bereich einer Gesundheitszustandspunktzahl unter Verwendung des in Schritt308 trainierten Klassifikators angeben. - Bei Schritt
406 wird der Bereich der Gesundheitszustandspunktzahl an die eine oder die mehreren Rechenvorrichtungen der Krankenhausbehörde110 übermittelt. Des Weiteren kann die Gesundheitszustandspunktzahl auch an die Rechenvorrichtung104 für Ärzte übermittelt werden. In einer Ausführungsform ist der Mikroprozessor202 dazu ausgelegt, den Bereich der Gesundheitszustandspunktzahl an die eine oder die mehreren Rechenvorrichtungen der Krankenhausbehörde110 oder die Rechenvorrichtung104 für Ärzte zu übermitteln. Darüber hinaus kann in einer Ausführungsform der Mikroprozessor202 den Bereich der Gesundheitszustandspunktzahl des menschlichen Probanden auch an die Rechenvorrichtung102 für menschliche Probanden übermitteln.6 veranschaulicht eine beispielhafte Benutzerschnittstelle, die auf einer Rechenvorrichtung (z.B. der Rechenvorrichtung102 für menschliche Probanden, der Rechenvorrichtung104 für Ärzte, der Rechenvorrichtung der Krankenhausbehörde110 etc.) angezeigt werden kann, um die Gesundheitszustandspunktzahl des menschlichen Probanden anzuzeigen. - Beispielsweise kann die Gesundheitszustandspunktzahl einer Schlaganfallpunktzahl wie der NIHSS-Punktzahl entsprechen. In einer Ausführungsform stellt die Kategorie, in die eine Person eingeteilt wird, den Bereich der Schlaganfallpunktzahl dar. Beispielsweise kann der menschliche Proband in eine der vier Kategorien eingeteilt werden, wie nachstehend in der Tabelle dargestellt:
Kategorien NIHSS-Punktzahl Kategorie-1 0–10 Kategorie-2 11–20 Kategorie-3 21–30 Kategorie-4 31–42 - Wenn der menschliche Proband zum Beispiel in die Kategorie-2 eingeordnet wird, weist der menschliche Proband eine NIHSS-Punktzahl im Bereich von 11–20 auf. Für einen Fachmann ist es ersichtlich, dass der Schutzumfang der Offenbarung nicht auf die in Tabelle 2 bereitgestellten Beispiele der Kategorien der NIHSS-Punktzahlbereiche beschränkt ist. Die NIHSS-Punktzahlbereiche können anderweitig aufgeteilt werden, ohne dabei vom Schutzumfang der Offenbarung abzuweichen.
- Der Arzt kann basierend auf der Kategorie, in die der menschliche Proband eingeordnet wurde, einen Schweregrad des Schlaganfalls bestimmen. In einer Ausführungsform veranschaulicht die nachstehende Tabelle den Schweregrad des Schlaganfalls gegenüber der einen oder den mehreren Kategorien:
Schlaganfallpunktzahlbereich Schweregrad des Schlaganfalls 0–10 Geringfügiger Schlaganfall 11–20 Mäßiger Schlaganfall 21–30 Mäßiger bis schwerwiegender Schlaganfall 31–42 Schwerwiegender Schlaganfall - Wenn der menschliche Proband zum Beispiel in die Kategorie-2 eingeordnet wurde, d.h. der Schlaganfallpunktzahlbereich des menschlichen Probanden beträgt 11–20 (siehe Tabelle 2), ist der Schweregrad des Schlaganfallrisikos mäßig (siehe Tabelle 3). Basierend auf dem Schweregrad des Schlaganfalls kann der Arzt die Behandlung des menschlichen Probanden planen. Der Arzt kann zum Beispiel die Dosierung des gewebespezifischen Plasminogenaktivators (tissue-type plasminogen activator – tPA) basierend auf dem Schweregrad des Schlaganfalls bestimmen Des Weiteren kann der Arzt basierend auf der Einordnung die Einweisung des menschlichen Probanden ins Krankenhaus vorschlagen.
- Die Schlaganfallpunktzahl kann von den Krankenhausbehörden dazu verwendet werden, zu bestimmen, welche Art der Pflege der menschliche Proband braucht. Die nachstehende Tabelle veranschaulicht beispielhafte Handlungsweisen, die das Krankenhaus möglicherweise bei Erhalt der Schlaganfallpunktzahl ausführen muss:
Schlaganfallpunktzahl Krankenhausbehandlung <= 5 Etwa 80% nach Hause entlassen 6–13 Dringende stationäre Behandlung erforderlich >= 14 Langzeitpflege in Pflegeeinrichtung - In einer Ausführungsform kann die von der Krankenhausbehörde bereitgestellte Behandlung unter anderem einen Behandlungsverlauf für den menschlichen Probanden, eine Notfallversorgungsentscheidung in Bezug auf den menschlichen Probanden oder einen Rehabilitationsverlauf für den menschlichen Probanden umfassen.
- Einem Durchschnittsfachmann ist klar, dass der Schutzumfang der Offenbarung nicht auf das Bestimmen der Schlaganfallpunktzahl für den menschlichen Probanden beschränkt ist. In einer Ausführungsform kann die Offenbarung zum Bestimmen von Punktzahlen, die zu verschiedenen anderen Gesundheitszuständen gehören, wie einer Framingham-Risikopunktzahl und einer Punktzahl für das Risiko einer koronaren Herzerkrankung, umgesetzt werden.
-
5A ,5B ,5C ,5D ,5E und5F sind beispielhafte Benutzerschnittstellen, die einem Benutzer auf einer Anzeigevorrichtung einer Rechenvorrichtung angezeigt werden können, um einen oder mehrere Parameter, die einem menschlichen Probanden zugeordnet sind, gemäß mindestens einer Ausführungsform zu erhalten.6 ist eine beispielhafte Benutzerschnittstelle, die dem Benutzer auf der Anzeigevorrichtung der Rechenvorrichtung angezeigt werden kann, um eine Einteilung des menschlichen Probanden in eine oder mehrere Kategorien, die einen Gesundheitszustand des menschlichen Probanden angeben, gemäß mindestens einer Ausführungsform anzuzeigen. - Dem Durchschnittsfachmann ist klar, dass der Benutzer einem Arzt, einer Person von der Krankenhausbehörde und/oder dem menschlichen Probanden selbst entsprechen kann. Dementsprechend kann die Rechenvorrichtung, auf der die entsprechenden Benutzerschnittstellen aus
5A –5F und6 angezeigt werden, der Rechenvorrichtung104 für Ärzte, einer Rechenvorrichtung der Krankenhausbehörde110 und/oder der Rechenvorrichtung102 für menschliche Probanden entsprechen. -
5A ist ein Beispiel einer Benutzerschnittstelle502 , die einem Benutzer, wie einem Benutzer-A, auf einer Rechenvorrichtung angezeigt werden kann, um demografische Angaben des menschlichen Probanden zu erhalten, gemäß mindestens einer Ausführungsform. Wie in5A gezeigt, kann der Benutzer-A den Link "Demografische Angaben" aus einem Bereich504 wählen und kann verschiedene demografische Angaben (die der demografischen Datenansicht entsprechen), wie etwa Alter, Geschlecht, Bildungsgrad und Beruf, mittels der Textboxen506a ,506b ,506c bzw.506d bereitstellen. Beispielsweise gibt der Benutzer-A das Alter als "35 Jahre", das Geschlecht als "Männlich", den Bildungsgrad als "Hochschulabsolvent" und den Beruf als "Facharbeiter" an. Anschließend wird, wenn der Benutzer-A die Schaltfläche "Weiter" (von506e dargestellt) betätigt, dem Benutzer-A eine nächste Benutzerschnittstelle508 (von5B ) auf der Rechenvorrichtung angezeigt. -
5B ist ein Beispiel der Benutzerschnittstelle508 , die auf der Rechenvorrichtung für den Benutzer-A angezeigt werden kann, um Angaben zu früheren Erkrankungen des menschlichen Probanden zu erhalten, gemäß mindestens einer Ausführungsform. Wie in5B gezeigt, kann der Benutzer-A den Link "Angaben zu früheren Erkrankungen" aus dem Bereich504 wählen und kann verschiedene Angaben zu früheren Erkrankungen (die der Datenansicht von früheren Erkrankungen entsprechen), wie etwa früheres Auftreten von Bluthochdruck, Diabetes Mellitus, Herzerkrankung und zerebrovaskulärem Unfall, mittels der Textboxen510a ,510b ,510c bzw.510d bereitstellen. Beispielsweise kam es bei dem menschlichen Probanden, gemäß den vom Benutzer-A bereitgestellten Eingaben, zu einem früheren Auftreten von Diabetes Mellitus und Herzerkrankung. Anschließend wird, wenn der Benutzer-A die Schaltfläche "Weiter" (von510e dargestellt) betätigt, dem Benutzer-A eine nächste Benutzerschnittstelle512 (von5C ) auf der Rechenvorrichtung angezeigt. -
5C ist ein Beispiel der Benutzerschnittstelle512 , die auf der Rechenvorrichtung für den Benutzer-A angezeigt werden kann, um Angaben zu früheren Suchterkrankungen des menschlichen Probanden zu erhalten, gemäß mindestens einer Ausführungsform. Wie in5C gezeigt, kann der Benutzer-A den Link "Angaben zu früheren Suchterkrankungen" aus dem Bereich504 wählen und kann verschiedene Angaben zu früheren Suchterkrankungen (die der Datenansicht von früheren Suchterkrankungen entsprechen), wie etwa Nikotinabhängigkeit, Alkoholabhängigkeit, Tabakabhängigkeit, mittels der Textboxen514a ,514b ,514c bzw.514d bereitstellen. Beispielsweise liegen bei dem menschlichen Probanden, gemäß den vom Benutzer-A bereitgestellten Eingaben, Nikotin- und Alkoholabhängigkeit vor. Anschließend wird, wenn der Benutzer-A die Schaltfläche "Weiter" (von514d dargestellt) betätigt, dem Benutzer-A eine nächste Benutzerschnittstelle516 (von5D ) auf der Rechenvorrichtung angezeigt. -
5D ist ein Beispiel der Benutzerschnittstelle516 , die auf der Rechenvorrichtung für den Benutzer-A angezeigt werden kann, um Angaben zu Blutuntersuchungen des menschlichen Probanden zu erhalten, gemäß mindestens einer Ausführungsform. Wie in5D gezeigt, kann der Benutzer-A den Link "Angaben zu Blutuntersuchungen" aus dem Bereich504 wählen und kann verschiedene Angaben zu Blutuntersuchungen (die der Blutuntersuchungsdatenansicht entsprechen), wie etwa Gesamtblutbild, Hämoglobinwert, Erythrozytenzahl, Thrombozytenzahl, Kreatininwert, Serumnatriumwert und Blutalbuminwert, mittels der Textboxen518a ,518b ,518c ,518d ,518e ,518f bzw.518g bereitstellen. Beispielsweise können die vom Benutzer-A bereitgestellten Angaben zur Blutuntersuchung einen Hämoglobinwert von 16 g/dl, eine Erythrozytenzahl von 200 mg/dl, eine Thrombozytenzahl von 220.000 pro mcl und einen Kreatininwert von 0,8 mg/dl umfassen. In einer Ausführungsform stellt der Benutzer möglicherweise nicht für alle mit den Blutuntersuchungen zusammenhängenden Parametern Werte bereit, entweder weil die Werte nicht zur Verfügung stehen oder weil die Werte zum Bestimmen des derzeitigen Gesundheitszustands des menschlichen Probanden nicht erforderlich sind. Zum Beispiel stellt der Benutzer-A, wie in5D gezeigt, keine Werte für Gesamtblutbild, Hämoglobinwert, Serumnatriumwert und Blutalbuminwert bereit. In einer Ausführungsform können die Werte der mit den Blutuntersuchungen zusammenhängenden Parameter, wie Hämoglobinwert, Erythrozytenzahl, Thrombozytenzahl, etc., unter Verwendung eines oder mehrerer Sensoren oder eines Blutwerttests (z.B. eines Biosensors) gemessen werden, der/die mit der Rechenvorrichtung des Benutzers-A verbunden ist/sind. Beispielsweise kann der Benutzer-A den einen oder die mehreren Sensoren (z.B. einen Biosensor) mit seiner Rechenvorrichtung verbinden und anschließend die Werte der Blutuntersuchungsparameter unter Verwendung des einen oder der mehreren Sensoren messen. Wenn der Benutzer-A ein Kontrollkästchen518i auswählt und auf die OK-Schaltfläche518i klickt, können die gemessenen Werte der Blutuntersuchungsparameter von dem einen oder den mehreren Sensoren empfangen und in den entsprechenden Feldern innerhalb der Benutzerschnittstelle516 angezeigt werden. Anschließend wird, wenn der Benutzer-A die Schaltfläche "Weiter" (von518h dargestellt) betätigt, dem Benutzer-A eine nächste Benutzerschnittstelle520 (von5E ) auf der Rechenvorrichtung angezeigt. - Für einen Fachmann versteht es sich, dass wenngleich die Benutzerschnittstelle
516 ein Szenario des Empfangens von Werten von Parametern bezüglich der Blutuntersuchungen von einem einzelnen Biosensor zeigt, der Schutzumfang der Offenbarung nicht auf einen einzelnen Biosensor beschränkt sein sollte. In einer Ausführungsform können die Werte von solchen Parametern von mehreren Biosensoren empfangen werden. Des Weiteren versteht es sich für einen Fachmann, dass die Benutzerschnittstelle516 auch andere physiologische Parameter in Bezug auf den menschlichen Probanden empfangen kann, wie unter anderem Blutdruck, Herzfrequenz, Kohlendioxidkonzentration im Blut, Körpertemperatur, etc. -
5E ist ein Beispiel der Benutzerschnittstelle520 , die auf der Rechenvorrichtung für den Benutzer-A angezeigt werden kann, um Angaben zu Röntgenuntersuchungen des menschlichen Probanden zu erhalten, gemäß mindestens einer Ausführungsform. Wie in5E gezeigt, kann der Benutzer-A den Link "Angaben zu Röntgenuntersuchungen" aus dem Bereich504 wählen und kann verschiedene Angaben zu Röntgenuntersuchungen (die der Röntgenuntersuchungsdatenansicht entsprechen), wie etwa Echokardiogrammergebnisse, Magnetresonanztomographieergebnisse und Computertomographieergebnisse, mittels der Textboxen522a ,522b bzw.522c bereitstellen. In einer Ausführungsform stellt der Benutzer möglicherweise nicht für alle Parameter Werte bereit, entweder weil die Werte nicht zur Verfügung stehen oder weil die Werte zum Bestimmen des derzeitigen Gesundheitszustands des menschlichen Probanden nicht erforderlich sind. Beispielsweise stellt der Benutzer-A keine Werte für die Echokardiogrammergebnisse, Magnetresonanztomographieergebnisse und Computertomographieergebnisse bereit. Anschließend wird, wenn der Benutzer-A die Schaltfläche "Weiter" (von522d dargestellt) betätigt, dem Benutzer-A eine nächste Benutzerschnittstelle524 (von5F ) auf der Rechenvorrichtung angezeigt. -
5F ist ein Beispiel der Benutzerschnittstelle524 , die auf der Rechenvorrichtung für den Benutzer-A angezeigt werden kann, um Angaben zu früheren medikamentösen Behandlungen des menschlichen Probanden zu erhalten, gemäß mindestens einer Ausführungsform. Wie in5F gezeigt, kann der Benutzer-A den Link "Angaben zu früheren medikamentösen Behandlungen" aus dem Bereich504 wählen und kann verschiedene Angaben zu früheren medikamentösen Behandlungen (die der Datenansicht von früheren medikamentösen Behandlungen entsprechen), wie etwa Aspirineinnahme, Clopidogreleinnahme, Einnahme von Statinen, Einnahme von Calciumkanalblockern (CCB), Einnahme von ACE-Hemmern, Einnahme von Antiepileptika und Einnahme von Antidiabetika, mittels der Textboxen526a ,526b ,526c ,526d ,526e ,526f bzw.526g bereitstellen. Beispielsweise umfasst die Medikamenteneinnahme des menschlichen Probanden gemäß den vom Benutzer-A bereitgestellten Eingaben Aspirin, Antiepileptika und Antidiabetika. Anschließend wird, wenn der Benutzer-A die Schaltfläche "Weiter" (von526h dargestellt) betätigt, dem Benutzer-A eine nächste Benutzerschnittstelle600 (von6 ) auf der Rechenvorrichtung angezeigt. -
6 ist ein Beispiel der Benutzerschnittstelle600 , die dem Benutzer (z.B. dem Benutzer-A) auf der Rechenvorrichtung angezeigt werden kann, um die Einteilung des menschlichen Probanden in die eine oder die mehreren Kategorien, die einen Gesundheitszustand des menschlichen Probanden angeben, gemäß mindestens einer Ausführungsform anzuzeigen. Wie in6 gezeigt, wird die Einteilung des menschlichen Probanden in die eine oder die mehreren Kategorien zusammen mit der Gesundheitszustandspunktzahl des menschlichen Probanden in einem Bereich602b angezeigt, während eine Legende, die einen Bereich von Gesundheitszustandspunktzahlen und entsprechende Erkrankungsrisikokategorien zeigt, in einem Bereich602a angezeigt wird. Beispielsweise kann die Gesundheitszustandspunktzahl einer Schlaganfallpunktzahl des menschlichen Probanden wie der NIHSS-Punktzahl des menschlichen Probanden entsprechen. Wie im Bereich602b gezeigt, beträgt die Gesundheitszustandspunktzahl des menschlichen Probanden acht und die entsprechende Risikokategorie des menschlichen Probanden ist "Kategorie: Geringes Risiko ". In einer Ausführungsform können die für den menschlichen Probanden bestimmte Gesundheitszustandspunktzahl und Risikokategorie dazu verwendet werden, um einen Behandlungsverlauf, eine Notfallversorgungsentscheidung und/oder einen Rehabilitationsverlauf für den menschlichen Probanden zu bestimmen. - Dem Fachmann ist klar, dass die in
5A –5F und6 (d.h.502 ,508 ,512 ,516 ,520 ,524 und600 ) abgebildeten Benutzerschnittstellen nur zu beispielhaften Zwecken veranschaulicht sind. Der Schutzumfang der Offenbarung sollte nicht auf diese beispielhaften Benutzerschnittstellen beschränkt sein. Die Offenbarung kann mittels einer oder mehreren Variationen solcher Benutzerschnittstellen umgesetzt werden. - Die offenbarten Ausführungsformen umfassen zahlreiche Vorteile. Verschiedene Vorteile der Offenbarung umfassen das Erzeugen eines Klassifikators aus einem Datensatz eines Patienten/menschlichen Probanden mit Daten vom heterogenen Datentyp. Folglich können neben Blutuntersuchungsdaten auch den menschlichen Probanden zugeordnete Daten verschiedener anderer Typen wie demografische Daten, Daten zu früheren Erkrankungen, Daten zu früheren medikamentösen Behandlungen etc. zum Trainieren des Klassifikators verwendet werden. Solch ein Klassifikator kann genauer sein als ein Klassifikator, der solche anderen Typen klinischer und nicht-klinischer Daten des menschlichen Probanden, die einem Schlaganfallrisiko unter den menschlichen Probanden entsprechen können, nicht berücksichtigt. Des Weiteren kann der Klassifikator robust gegenüber fehlenden Werten im Datensatz sein, da das Verwenden einer Methode, wie der auf dem Bayes-Erlernen basierenden CMF, die meisten der fehlenden Werte im Datensatz zurechnen kann. Gründe für fehlende Werte im Patientenaktendatensatz können unter anderem die Nichtverfügbarkeit von Ergebnissen verschiedener medizinischer Tests und die unsachgemäße Transkription von Werte-/Datenabweichungen sein, was dazu führt, das fehlerhafte Daten aus dem Datensatz entfernt werden.
- Des Weiteren kann das Erzeugen eines Klassifikators, der in der Lage ist, die Gesundheitszustandspunktzahl eines menschlichen Probanden zu bestimmen, dem Arzt dabei helfen, die Prognose einer Erkrankung zu bestimmen. Dementsprechend kann der Arzt einen weiteren Behandlungsverlauf bestimmen. Darüber hinaus kann die Gesundheitszustandspunktzahl an die Krankenhausbehörde übertragen werden, die basierend auf der Gesundheitszustandspunktzahl Vorkehrungen für die Behandlung des menschlichen Probanden treffen kann. Da eine Rechenvorrichtung (z.B. ein Anwendungsserver) zum Bestimmen der Gesundheitszustandspunktzahl verwendet wird, verringert sich die Zeit, die der Arzt für das Bestimmen der Gesundheitszustandspunktzahl aufwenden muss. Die so gesparte Zeit kann der Arzt zum Bestimmen des weiteren Behandlungsverlaufs für den Patienten nutzen.
- Die offenbarten Verfahren und Systeme, wie sie in der fortlaufenden Beschreibung oder jeglicher ihrer Bestandteile veranschaulicht werden, können in Form eines Computersystems ausgeführt werden. Typische Beispiele für ein Computersystem sind unter anderem ein Allzweckcomputer, ein programmierter Mikroprozessor, eine Mikrosteuerung, ein peripheres integriertes Schaltkreiselement und andere Vorrichtungen oder Anordnungen von Vorrichtungen, die dazu in der Lage sind, die Schritte umzusetzen, die das Verfahren der Offenbarung darstellen. Das Computersystem umfasst einen Computer, eine Eingabevorrichtung, eine Anzeigeeinheit und das Internet. Der Computer umfasst ferner einen Mikroprozessor. Der Mikroprozessor ist mit einem Kommunikationsbus verbunden. Der Computer umfasst auch einen Speicher. Bei dem Speicher kann es sich um einen Direktzugriffsspeicher (RAM) oder einen Nurlesespeicher (ROM) handeln. Das Computersystem umfasst ferner eine Speichervorrichtung, bei der es sich um ein Festplattenlaufwerk oder ein entfernbares Speicherlaufwerk, wie ein Diskettenlaufwerk, optisches Laufwerk und dergleichen, handeln kann. Die Speichervorrichtung kann auch ein Mittel zum Laden von Computerprogrammen oder anderen Anweisungen in das Computersystem sein. Das Computersystem umfasst auch eine Kommunikationseinheit. Die Kommunikationseinheit ermöglicht es dem Computer, sich mit anderen Datenbanken und dem Internet mittels einer Eingabe-/Ausgabeschnittstelle (E/A) zu verbinden, was das Übertragen und das Empfangen von Daten von anderen Quellen ermöglicht. Die Kommunikationseinheit kann ein Modem, eine Ethernetkarte oder ähnliche Vorrichtungen enthalten, die es dem Computersystem ermöglichen, sich mit Datenbanken und Netzwerken, wie LAN, MAN, WAN, und dem Internet zu verbinden. Das Computersystem erleichtert die Eingabe eines Benutzers mittels Eingabevorrichtungen, die dem System mittels einer E/A-Schnittstelle zugänglich sind.
- Zur Verarbeitung der Eingabedaten führt das Computersystem einen Satz von Anweisungen aus, die in einem oder mehreren Speicherelementen gespeichert sind. Die Speicherelemente können auch Daten oder andere Informationen wie erwünscht enthalten. Das Speicherelement kann in Form einer Informationsquelle oder eines physischen Speicherelements in der Verarbeitungsmaschine vorliegen.
- Die programmierbaren oder computerlesbaren Anweisungen können verschiedene Befehle umfassen, die die Verarbeitungsmaschine anweisen, bestimmte Aufgaben auszuführen, wie etwa Schritte, die das Verfahren der Offenbarung darstellen. Die beschriebenen Systeme und Verfahren können auch lediglich unter Verwendung von Softwareprogrammierung oder lediglich unter Verwendung von Hardware oder mittels einer variierenden Kombination der beiden Methoden umgesetzt werden. Die Offenbarung ist von der in den Computern verwendeten Programmiersprache und von den in den Computern verwendeten Betriebssystemen unabhängig. Die Anweisungen für die Offenbarung können in allen Programmiersprachen geschrieben werden, einschließlich unter anderem “C”, “C++”, “Visual C++” und “Visual Basic”. Des Weiteren kann die Software in Form einer Sammlung von getrennten Programmen, eines Programmmoduls, das ein größeres Programm enthält, oder eines Teils eines Programmmoduls vorliegen, wie in der fortlaufenden Beschreibung erörtert. Die Software kann auch modulares Programmieren in Form von objektorientiertem Programmieren umfassen. Die Verarbeitung von Eingabedaten seitens der Verarbeitungsmaschine kann als Reaktion auf Benutzerbefehle, auf die Ergebnisse von vorhergehender Verarbeitung oder auf eine von einer anderen Verarbeitungsmaschine gestellten Anfrage erfolgen. Die Offenbarung kann auch in verschiedenen Betriebssystemen und Plattformen umgesetzt werden, einschließlich unter anderem "Unix", "DOS", "Android", "Symbian" und "Linux".
- Die programmierbaren Anweisungen können auf einem computerlesbaren Medium gespeichert und übertragen werden. Die Offenbarung kann auch in einem Computerprogrammprodukt, das ein computerlesbares Medium umfasst, oder mit jeglichem Produkt, das in der Lage ist, die vorstehenden Verfahren und Systeme oder die zahlreichen möglichen Variationen derselben umzusetzen, ausgeführt werden.
- Es wurden verschiedene Ausführungsformen der Verfahren und Systeme zum Einteilen eines menschlichen Probanden in eine oder mehrere Kategorien, die einen Gesundheitszustand des menschlichen Probanden angeben, offenbart. Es sollte den Fachleuten jedoch klar sein, dass zusätzlich zu den beschriebenen Abänderungen auch andere Abänderungen möglich sind, ohne dabei von den erfinderischen Konzepten hierin abzuweichen. Folglich sind die Ausführungsformen nicht einschränkend, es sei denn dies ist im Sinne der Offenbarung. Darüber hinaus sollten beim Auslegen der Offenbarung alle Begriffe so weitläufig wie im Einklang mit dem Zusammenhang möglich ausgelegt werden. Insbesondere die Begriffe "umfasst" und "umfassend" sollen so ausgelegt werden, dass sie sich auf nicht einschränkende Weise auf Elemente, Bestandteile oder Schritte beziehen, dass sie angeben, dass die Elemente, Bestandteile oder Schritte, auf die Bezug genommen wird, vorhanden sein können oder mit anderen Elementen, Bestandteilen oder Schritten, auf die nicht ausdrücklich Bezug genommen wird, verwendet oder kombiniert werden können.
Claims (10)
- System zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien, wobei die eine oder die mehreren Kategorien einen Gesundheitszustand angeben, der dem einen oder den mehreren menschlichen Probanden zugeordnet ist, wobei das System Folgendes umfasst: einen oder mehrere Mikroprozessoren, die dazu ausgelegt sind: einen oder mehrere Parameter, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind, basierend auf mindestens einem Datentyp jedes des einen oder der mehreren Parameter in eine oder mehrere Datenansichten einzuordnen, wobei eine Datenansicht einer ersten Datenstruktur entspricht, die einen in diese Datenansicht eingeordneten Satz von Parametern speichert, der jedem des einen oder der mehreren menschlichen Probanden zugeordnet ist; die eine oder die mehreren Datenansichten in eine zweite Datenstruktur umzuwandeln, wobei die zweite Datenstruktur den Satz von Parametern über jede der einen oder der mehreren Datenansichten hinweg darstellt; und einen Klassifikator basierend auf der zweiten Datenstruktur zu trainieren, wobei der Klassifikator den einen oder die mehreren menschlichen Probanden in die eine oder die mehreren Kategorien einteilt; und einen Sendeempfänger, der dazu ausgelegt ist, die Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien an eine Rechenvorrichtung zu senden, wobei die Einteilung des einen oder der mehreren menschlichen Probanden auf einer Anzeigevorrichtung der Rechenvorrichtung mittels einer Benutzerschnittstelle angezeigt wird.
- System nach Anspruch 1, wobei der Datentyp mindestens einem der Folgenden entspricht: einem kategorischen Datentyp, einem binären Datentyp oder einem numerischen Datentyp.
- Verfahren zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien, wobei die eine oder die mehreren Kategorien einen Gesundheitszustand angeben, der dem einen oder den mehreren der menschlichen Probanden zugeordnet ist, wobei das Verfahren Folgendes umfasst: das Einordnen, mittels eines oder mehrerer Mikroprozessoren, eines oder mehrerer Parameter, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind, in eine oder mehrere Datenansichten basierend auf mindestens einem Datentyp jedes des einen oder der mehreren Parameter, wobei eine Datenansicht einer ersten Datenstruktur entspricht, die einen in diese Datenansicht eingeordneten Satz von Parametern speichert, der jedem des einen oder der mehreren menschlichen Probanden zugeordnet ist; die Umwandlung, mittels des einen oder der mehreren Mikroprozessoren, der einen oder der mehreren Datenansichten in eine zweite Datenstruktur, wobei die zweite Datenstruktur den Satz von Parametern über die eine oder die mehreren Datenansichten hinweg darstellt; das Trainieren, mittels des einen oder der mehreren Mikroprozessoren, eines Klassifikators basierend auf der zweiten Datenstruktur, wobei der Klassifikator den einen oder die mehreren menschlichen Probanden in die eine oder die mehreren Kategorien einteilt; und das Senden, mittels eines Sendeempfängers, der Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien an eine Rechenvorrichtung, wobei die Einteilung des einen oder der mehreren menschlichen Probanden auf einer Anzeigevorrichtung der Rechenvorrichtung mittels einer Benutzerschnittstelle angezeigt wird.
- Verfahren nach Anspruch 3, wobei der Datentyp mindestens einem der Folgenden entspricht: einem kategorischen Datentyp, einem binären Datentyp oder einem numerischen Datentyp.
- Verfahren nach Anspruch 3, wobei jede der einen oder der mehreren Kategorien einem Bereich einer Schlaganfallpunktzahl entspricht.
- Verfahren nach Anspruch 3, wobei die eine oder die mehreren Datenansichten mindestens einer der Folgenden entsprechen: einer demografischen Datenansicht, einer Datenansicht von früheren Erkrankungen, einer Datenansicht von früheren Suchterkrankungen, einer Blutuntersuchungsdatenansicht, einer Röntgenuntersuchungsdatenansicht oder einer Datenansicht von früheren medikamentösen Behandlungen.
- Verfahren nach Anspruch 6, wobei der Satz von in die demographische Datenansicht eingeordneten Parametern mindestens einem der Folgenden entspricht: einem Alter des einen oder der mehreren menschlichen Probanden, einem Geschlecht des einen oder der mehreren menschlichen Probanden, einem Bildungsgrad des einen oder der mehreren menschlichen Probanden oder einem Beruf des einen oder der mehreren menschlichen Probanden.
- Verfahren nach Anspruch 6, wobei der Satz von in die Datenansicht von früheren Erkrankungen eingeordneten Parametern dem früheren Auftreten mindestens eines der Folgenden bei dem einen oder den mehreren menschlichen Probanden entspricht: Bluthochdruck, Diabetes Mellitus, Herzerkrankung oder zerebrovaskulärer Unfall.
- Verfahren nach Anspruch 6, wobei der Satz von in die Datenansicht von früheren Suchterkrankungen eingeordneten Parametern Nikotinabhängigkeit und/oder Alkoholabhängigkeit bei einem oder mehreren menschlichen Probanden entspricht.
- Computerprogrammprodukt zur Verwendung mit einer Rechenvorrichtung, wobei das Computerprogrammprodukt ein dauerhaftes computerlesbares Medium umfasst, wobei das dauerhafte computerlesbare Medium einen Computerprogrammcode zum Einteilen eines oder mehrerer menschlicher Probanden in eine oder mehrere Kategorien speichert, wobei die eine oder die mehreren Kategorien einen Gesundheitszustand angeben, der dem einen oder den mehreren menschlichen Probanden zugeordnet ist, wobei das Computerprogrammprodukt mittels eines oder mehrerer Mikroprozessoren in der Rechenvorrichtung dahingehend ausführbar ist: einen oder mehrere Parameter, die jedem des einen oder der mehreren menschlichen Probanden zugeordnet sind, basierend auf mindestens einem Datentyp jedes des einen oder der mehreren Parameter in eine oder mehrere Datenansichten einzuordnen, wobei eine Datenansicht einer ersten Datenstruktur entspricht, die einen in die Datenansicht eingeordneten Satz von Parametern speichert, der jedem des einen oder der mehreren menschlichen Probanden zugeordnet ist; die eine oder die mehreren Datenansichten in eine zweite Datenstruktur umzuwandeln, wobei die zweite Datenstruktur den Satz von Parametern über die eine oder die mehreren Datenansichten hinweg darstellt; einen Klassifikator basierend auf der zweiten Datenstruktur zu trainieren, wobei der Klassifikator den einen oder die mehreren menschlichen Probanden in die eine oder die mehreren Kategorien einteilt; und mittels eines Sendeempfängers die Einteilung des einen oder der mehreren menschlichen Probanden in die eine oder die mehreren Kategorien an eine zweite Rechenvorrichtung zu senden, wobei die Einteilung des einen oder der mehreren menschlichen Probanden auf einer Anzeigevorrichtung der zweiten Rechenvorrichtung mittels einer Benutzerschnittstelle angezeigt wird.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/629,766 US9870449B2 (en) | 2015-02-24 | 2015-02-24 | Methods and systems for predicting health condition of human subjects |
US14/629,766 | 2015-02-24 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102016201728A1 true DE102016201728A1 (de) | 2016-08-25 |
Family
ID=56577705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102016201728.4A Pending DE102016201728A1 (de) | 2015-02-24 | 2016-02-04 | Verfahren und Systeme zur Gesundheitszustandsvorhersage von menschlichen Probanden |
Country Status (3)
Country | Link |
---|---|
US (1) | US9870449B2 (de) |
JP (1) | JP6608295B2 (de) |
DE (1) | DE102016201728A1 (de) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9715242B2 (en) | 2012-08-28 | 2017-07-25 | Delos Living Llc | Systems, methods and articles for enhancing wellness associated with habitable environments |
EP3754588B1 (de) | 2014-02-28 | 2023-08-16 | Delos Living LLC | Systeme, verfahren und artikel zur verbesserung des wohlbefindens in bewohnbaren umgebungen |
CN107251031A (zh) | 2015-01-13 | 2017-10-13 | 戴尔斯生活有限责任公司 | 用于监测和增强人体健康的系统、方法和制品 |
US11955236B2 (en) | 2015-04-20 | 2024-04-09 | Murj, Inc. | Systems and methods for managing patient medical devices |
WO2016172231A1 (en) * | 2015-04-20 | 2016-10-27 | Murj, Inc. | Medical device data platform |
US10468136B2 (en) * | 2016-08-29 | 2019-11-05 | Conduent Business Services, Llc | Method and system for data processing to predict health condition of a human subject |
US10839707B2 (en) * | 2016-09-08 | 2020-11-17 | Wayne State University | Augmented reality system and method for exposure therapy and motor skills training |
US10650621B1 (en) | 2016-09-13 | 2020-05-12 | Iocurrents, Inc. | Interfacing with a vehicular controller area network |
WO2019046580A1 (en) | 2017-08-30 | 2019-03-07 | Delos Living Llc | SYSTEMS, METHODS AND ARTICLES FOR EVALUATING AND / OR IMPROVING HEALTH AND WELL-BEING |
US20200365256A1 (en) * | 2017-12-08 | 2020-11-19 | Nec Corporation | Patient status determination device, patient status determination system, patient status determination method, and patient status determination program recording medium |
KR20190132710A (ko) | 2018-05-21 | 2019-11-29 | 한국표준과학연구원 | NIHSS(National Institutes of Health Stroke Scale)를 이용한 뇌졸중 중증도의 예측 및 분석 방법과 시스템 |
WO2020055872A1 (en) | 2018-09-14 | 2020-03-19 | Delos Living Llc | Systems and methods for air remediation |
WO2020176503A1 (en) | 2019-02-26 | 2020-09-03 | Delos Living Llc | Method and apparatus for lighting in an office environment |
US11898898B2 (en) | 2019-03-25 | 2024-02-13 | Delos Living Llc | Systems and methods for acoustic monitoring |
US11456072B1 (en) | 2022-03-15 | 2022-09-27 | Murj, Inc. | Systems and methods to distribute cardiac device advisory data |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006035450A1 (en) * | 2004-09-29 | 2006-04-06 | Hewlett-Packard Development Company L.P. | Systems and methods for soliciting feedback using print-augmented broadcast signal |
US20140200824A1 (en) | 2008-09-19 | 2014-07-17 | University Of Pittsburgh Of The Commonwealth System Of Higher Education | K-partite graph based formalism for characterization of complex phenotypes in clinical data analyses and disease outcome prognosis |
US20110070582A1 (en) * | 2008-11-03 | 2011-03-24 | Source Precision Medicine, Inc. d/b/d Source MDX | Gene Expression Profiling for Predicting the Response to Immunotherapy and/or the Survivability of Melanoma Subjects |
US9200322B2 (en) | 2010-02-23 | 2015-12-01 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Biomarkers for acute ischemic stroke |
JP2011257816A (ja) * | 2010-06-04 | 2011-12-22 | Gifu Univ | 受診者状態推定装置及びプログラム |
US8699486B1 (en) * | 2010-12-07 | 2014-04-15 | Juniper Networks, Inc. | Managing multicast distribution using multicast trees |
CN105713092B (zh) * | 2011-01-06 | 2019-09-10 | 戴埃克斯有限公司 | 血浆前激肽释放酶结合蛋白 |
EP2492691A1 (de) | 2011-02-22 | 2012-08-29 | Institut de Recerca Hospital Universitari Vall d'Hebron | Verfahren zur Vorhersage des Verlaufs eines Patienten mit einem neurovaskulären Krankheit |
EP2702411A4 (de) * | 2011-04-29 | 2015-07-22 | Cancer Prevention & Cure Ltd | Verfahren zur identifikation und diagnose von lungenkrankheiten mithilfe von klassifizierungssystemen und kits dafür |
US9536052B2 (en) | 2011-10-28 | 2017-01-03 | Parkland Center For Clinical Innovation | Clinical predictive and monitoring system and method |
US9147041B2 (en) | 2012-09-13 | 2015-09-29 | Parkland Center For Clinical Innovation | Clinical dashboard user interface system and method |
US9489624B2 (en) * | 2013-03-12 | 2016-11-08 | Xerox Corporation | Method and system for recommending crowdsourcing platforms |
US9305245B2 (en) * | 2013-05-07 | 2016-04-05 | Xerox Corporation | Methods and systems for evaluating handwritten documents |
US9582484B2 (en) * | 2013-10-01 | 2017-02-28 | Xerox Corporation | Methods and systems for filling forms |
US9159032B1 (en) * | 2014-03-19 | 2015-10-13 | Xerox Corporation | Predicting arrival times of vehicles based upon observed schedule adherence |
US9471876B2 (en) * | 2014-05-09 | 2016-10-18 | Xerox Corporation | Methods and systems for determining inter-dependenices between applications and computing infrastructures |
US9228841B2 (en) * | 2014-06-02 | 2016-01-05 | Xerox Corporation | Methods and systems for determining routes in a navigation system |
US9383976B1 (en) * | 2015-01-15 | 2016-07-05 | Xerox Corporation | Methods and systems for crowdsourcing software development project |
-
2015
- 2015-02-24 US US14/629,766 patent/US9870449B2/en active Active
-
2016
- 2016-02-02 JP JP2016018315A patent/JP6608295B2/ja not_active Expired - Fee Related
- 2016-02-04 DE DE102016201728.4A patent/DE102016201728A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US9870449B2 (en) | 2018-01-16 |
US20160246931A1 (en) | 2016-08-25 |
JP6608295B2 (ja) | 2019-11-20 |
JP2016157430A (ja) | 2016-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016201728A1 (de) | Verfahren und Systeme zur Gesundheitszustandsvorhersage von menschlichen Probanden | |
Steindl et al. | Sarcopenia in neurological patients: standard values for temporal muscle thickness and muscle strength evaluation | |
Terracciano et al. | Personality change in the preclinical phase of Alzheimer disease | |
Visser et al. | Development of parallel scales to measure HIV-related stigma | |
Giretzlehner et al. | Technical and medical aspects of burn size assessment and documentation | |
Fleig et al. | Scoring systems in intensive care medicine: principles, models, application and limits | |
EP3196791A1 (de) | Verfahren zur unterstützung von medizinischem personal, unterstützungssystem, computerprogramm und datenträger | |
Wibowo et al. | Evaluation of community pharmacy-based services for type-2 diabetes in an Indonesian setting: pharmacist survey | |
EP3084651A1 (de) | Automatische dosissteuerung für bildgebende medizinische einrichtungen | |
Brennan et al. | Prevalence of abuse and additional injury in young children with rib fractures as their presenting injury | |
Erfurt-Berge et al. | Quality of life in patients with chronic wounds | |
Bots et al. | Routine clinical care data from thirteen cardiac outpatient clinics: design of the Cardiology Centers of the Netherlands (CCN) database | |
Cunanan et al. | A practical Bayesian stepped wedge design for community-based cluster-randomized clinical trials: The British Columbia Telehealth Trial | |
Habermann et al. | Categories of errors and error frequencies as identified by nurses: results of a cross-sectional study in German nursing homes and hospitals | |
Prasad et al. | Perception of cancer patients towards the service quality of the healthcare industry: A paradigmatic research on serviceability | |
DE112015000337T5 (de) | Entwicklung von Informationen von gesundheitsbezogenen Funktionsabstraktionen aus intraindividueller zeitlicher Varianzheterogenität | |
Tischler et al. | Effects of closure of the paediatric department of a district hospital on regional care: analysis of patient flows | |
EP3349219A1 (de) | Verfahren und system zum ermitteln eines untersuchungsparameters für eine medizinische bildgebungsuntersuchung | |
Metelmann et al. | Sepsis detection in emergency medicine: Results of an interprofessional survey on sepsis detection in prehospital emergency medicine and emergency departments | |
DE112020005870T5 (de) | Unterstützungsvorrichtung für dokumentenerstellung, unterstützungsverfahren für dokumentenerstellung und unterstützungsprogramm für dokumentenerstellung | |
Suter et al. | The personal costs and convenience of screening mammography | |
Wonodi et al. | Evaluation of Reasons for Non-Complete Filling of Investigation Request Forms by Medical Doctors in Rivers State, Nigeria | |
Bernhard et al. | Validity of admission diagnoses as process-driving criteria: influence on length of stay and consultation rate in emergency departments | |
Janto et al. | Influence of time to diagnosis of patients with systemic sclerosis on lung function and comorbidities: a preclinical and clinical analysis | |
Frank et al. | Compression or expansion of morbidity in outpatient healthcare? Generation 65plus in 2007 and 2014 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R082 | Change of representative |
Representative=s name: GRUENECKER PATENT- UND RECHTSANWAELTE PARTG MB, DE |
|
R081 | Change of applicant/patentee |
Owner name: CONDUENT BUSINESS SERVICES, LLC, FLORHAM PARK, US Free format text: FORMER OWNER: XEROX CORPORATION, NORWALK, CONN., US Owner name: CONDUENT BUSINESS SERVICES, LLC (N.D.GES.D. ST, US Free format text: FORMER OWNER: XEROX CORPORATION, NORWALK, CONN., US |
|
R082 | Change of representative |
Representative=s name: GRUENECKER PATENT- UND RECHTSANWAELTE PARTG MB, DE |
|
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G06F0019000000 Ipc: G16Z0099000000 |
|
R012 | Request for examination validly filed | ||
R081 | Change of applicant/patentee |
Owner name: SYMPLR SOFTWARE LLC, HOUSTON, US Free format text: FORMER OWNER: CONDUENT BUSINESS SERVICES, LLC (N.D.GES.D. STAATES DELAWARE), DALLAS, TEX., US Owner name: CONDUENT BUSINESS SERVICES, LLC, FLORHAM PARK, US Free format text: FORMER OWNER: CONDUENT BUSINESS SERVICES, LLC (N.D.GES.D. STAATES DELAWARE), DALLAS, TEX., US |
|
R082 | Change of representative |
Representative=s name: GRUENECKER PATENT- UND RECHTSANWAELTE PARTG MB, DE |
|
R081 | Change of applicant/patentee |
Owner name: SYMPLR SOFTWARE LLC, HOUSTON, US Free format text: FORMER OWNER: CONDUENT BUSINESS SERVICES, LLC, FLORHAM PARK, NJ, US |