DE112018001524T5 - Gesundheitsdaten-analysesystem-verwaltung - Google Patents

Gesundheitsdaten-analysesystem-verwaltung Download PDF

Info

Publication number
DE112018001524T5
DE112018001524T5 DE112018001524.6T DE112018001524T DE112018001524T5 DE 112018001524 T5 DE112018001524 T5 DE 112018001524T5 DE 112018001524 T DE112018001524 T DE 112018001524T DE 112018001524 T5 DE112018001524 T5 DE 112018001524T5
Authority
DE
Germany
Prior art keywords
model
health data
analysis system
data analysis
improvement
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
Application number
DE112018001524.6T
Other languages
English (en)
Inventor
Yajuan Wang
Phelan Curbera Francisco
Gigi Yuen-Reed
Marie Williams Rose
Shilpa Mahatma
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
MERATIVE US L.P. (N.D.GES.D.STAATES DELAWARE),, US
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of DE112018001524T5 publication Critical patent/DE112018001524T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/70—Software maintenance or management
    • G06F8/77—Software metrics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Bioethics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Ein Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung eines Gesundheitsdaten-Analysesystem-Verwaltungssystems entwickelt eine Analyse-Pipeline eines Satzes von Analyseobjekten für eine ausgewählte Gesundheitsfürsorge auf Grundlage eines Satzes von Geschäftsanforderungen für einen Gesundheitsdaten-Analysesystem-Client sowie ein Gesundheitsdaten-Analysesystem-Modell auf Grundlage des Satzes von Analyseobjekten und des Satzes von Geschäftsanforderungen. Das Gesundheitsdaten-Analysesystem-Modell ist mit der Analyse-Pipeline verknüpft. Ein Modellimplementierungsmodul eines Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb des Gesundheitsdaten-Analysesystem-Verwaltungssystems implementiert das Gesundheitsdaten-Analysesystem-Modell auf einem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers. Ein Modellrückmeldungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb ermittelt einen Verbesserungsbedarf für das Gesundheitsdaten-Analysesystem-Modell als Reaktion darauf, dass ein Modellüberwachungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb eine Leistungsabweichung des implementierten Gesundheitsdaten-Analysesystem-Modells für eine Leistungsabweichung von dem Satz von Geschäftsanforderungen für den Gesundheitsdaten-Analysesystem-Client erkennt. Das Modellrückmeldungsmodul meldet den Verbesserungsbedarf an das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung zurück. Das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung passt das Gesundheitsdaten-Analysesystem-Modell auf Grundlage des Verbesserungsbedarfs an.

Description

  • HINTERGRUND
  • Die vorliegende Erfindung bezieht sich im Allgemeinen auf eine verbesserte Datenverarbeitungsvorrichtung und ein Verfahren und im Besonderen auf Mechanismen für eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung.
  • Der Begriff Gesundheitsdaten-Analysesystem beschreibt Analyseaktivitäten, die als Ergebnis von Daten durchgeführt werden können, welche in vier Bereichen des Gesundheitswesens gesammelt werden: Abrechnungs- und Kostendaten, pharmazeutische und Forschungs- und Entwicklungsdaten, klinische Daten, die aus elektronischen Patientenakten (Electronic Medical Records, EMRs) gesammelt werden, sowie Verhaltens- und Stimmungsdaten von Patienten (z.B. Verhaltensweisen und Vorlieben sowie Kaufverhalten von Patienten). Das Gesundheitsdaten-Analysesystem konzentriert sich auf die Bereiche klinische Analyse, finanzielle Analyse, Lieferkettenanalyse, Betrugs- und Personalanalyse. Das Gesundheitsdaten-Analysesystem ermöglicht die Untersuchung von Mustern in verschiedenen Daten aus dem Gesundheitswesen, um zu ermitteln, wie die klinische Versorgung verbessert und zugleich übermäßige Ausgaben begrenzt werden können.
  • ZUSAMMENFASSUNG
  • Diese Zusammenfassung wird bereitgestellt, um eine Auswahl von Konzepten in vereinfachter Form einzuführen, die in der ausführlichen Beschreibung hierin näher beschrieben werden. Diese Zusammenfassung ist nicht dazu gedacht, Schlüsselfaktoren oder wesentliche Merkmale des beanspruchten Gegenstands zu identifizieren, noch ist sie dazu gedacht, den inhaltlichen Umfang des beanspruchten Gegenstands zu beschränken.
  • Bei einer veranschaulichenden Ausführungsform wird ein Verfahren in einem Datenverarbeitungssystem bereitgestellt, das mindestens einen Prozessor und mindestens einen Arbeitsspeicher aufweist, wobei der mindestens eine Arbeitsspeicher Befehle aufweist, die durch den mindestens einen Prozessor ausgeführt werden, um den mindestens einen Prozessor zu veranlassen, ein Gesundheitsdaten-Analysesystem-Verwaltungssystem zu realisieren. Das Verfahren weist ein Entwickeln, durch ein Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung des Gesundheitsdaten-Analysesystem-Verwaltungssystems, einer Analyse-Pipeline eines Satzes von Analyseobjekten für eine ausgewählte Gesundheitsfürsorge auf Grundlage eines Satzes von Geschäftsanforderungen für einen Gesundheitsdaten-Analysesystem-Client sowie eines Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Satzes von Analyseobjekten und des Satzes von Geschäftsanforderungen auf. Das Gesundheitsdaten-Analysesystem-Modell ist mit der Analyse-Pipeline verknüpft. Das Verfahren weist des Weiteren, durch ein Modellimplementierungsmodul eines Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb des Gesundheitsdaten-Analysesystem-Verwaltungssystems, ein Implementieren des Gesundheitsdaten-Analysesystem-Modells auf einem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers auf. Das Verfahren weist des Weiteren als Reaktion darauf, dass ein Modellüberwachungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb eine Leistungsabweichung des implementierten Gesundheitsdaten-Analysesystem-Modells für eine Leistungsabweichung von dem Satz von Geschäftsanforderungen für den Gesundheitsdaten-Analysesystem-Client erkennt, ein Ermitteln, durch ein Modellrückmeldungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb, eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell auf. Das Verfahren weist des Weiteren ein Rückmelden, durch das Modellrückmeldungsmodul, des Verbesserungsbedarfs an das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung auf. Das Verfahren weist des Weiteren ein Anpassen, durch das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung, des Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Verbesserungsbedarfs auf.
  • Bei anderen veranschaulichenden Ausführungsformen wird ein Computerprogrammprodukt, das ein durch einen Computer nutzbares oder lesbares Medium aufweist, mit einem durch einen Computer lesbaren Programm bereitgestellt. Wenn das durch einen Computer lesbare Programm auf einer Datenverarbeitungseinheit ausgeführt wird, veranlasst es die Datenverarbeitungseinheit, verschiedene sowie Kombinationen der Operationen durchzuführen, die oben mit Blick auf die veranschaulichende Ausführungsform des Verfahrens skizziert wurden.
  • Bei einer weiteren veranschaulichenden Ausführungsform wird ein System/eine Vorrichtung bereitgestellt. Das System/die Vorrichtung kann einen oder mehrere Prozessoren und einen Arbeitsspeicher aufweisen, der mit dem einen oder den mehreren Prozessoren verbunden wird. Der Arbeitsspeicher kann Befehle aufweisen, die bei Ausführung durch den einen oder die mehreren Prozessoren den einen oder die mehreren Prozessoren veranlassen, verschiedene sowie Kombinationen der Operationen durchzuführen, die oben mit Blick auf die veranschaulichende Ausführungsform des Verfahrens skizziert wurden.
  • Diese und andere Merkmale und Vorzüge der vorliegenden Erfindung werden in der folgenden ausführlichen Beschreibung der Beispielausführungsformen der vorliegenden Erfindung beschrieben bzw. werden für den Fachmann hieraus ersichtlich.
  • Figurenliste
  • Die Erfindung selbst sowie eine bevorzugte Art der Verwendung und weitere Zielsetzungen und Vorzüge hiervon werden am deutlichsten unter Bezugnahme auf die folgende ausführliche Beschreibung von veranschaulichenden Ausführungsformen in Verbindung mit den beigefügten Figuren, bei denen:
    • 1 eine Beispieldarstellung eines verteilten Datenverarbeitungssystems ist, in dem Aspekte der veranschaulichenden Ausführungsformen realisiert werden können;
    • 2 ein Beispielblockschaubild einer Datenverarbeitungseinheit ist, in der Aspekte der veranschaulichenden Ausführungsformen realisiert werden können;
    • 3 eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung gemäß einer veranschaulichenden Ausführungsform darstellt;
    • 4 ein Blockschaubild ist, das ein System darstellt, welches eine nachverfolgbare und skalierbare Gesundheitsdaten-Analysesystem-Verwaltung auf Cloud-Grundlage gemäß einer veranschaulichenden Ausführungsform ermöglicht;
    • 5 ein Blockschaubild ist, das versionierte Analyse-Pipeline-Repositories gemäß einer veranschaulichenden Ausführungsform darstellt;
    • 6 ein Blockschaubild ist, das versionierte Modell-Repositories gemäß einer veranschaulichenden Ausführungsform darstellt;
    • 7 ein Blockschaubild ist, das ein Modellimplementierungsmodul gemäß einer veranschaulichenden Ausführungsform darstellt;
    • 8 ein Blockschaubild ist, das ein Modellüberwachungsmodul gemäß einer veranschaulichenden Ausführungsform darstellt;
    • 9 ein Blockschaubild ist, das ein Modellrückmeldungsmodul gemäß einer veranschaulichenden Ausführungsform darstellt;
    • 10 ein Ablaufplan ist, der einen Betrieb eines Mechanismus für eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung gemäß einer veranschaulichenden Ausführungsform veranschaulicht.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Es besteht ein steigender Bedarf für ein Identifizieren und Anwenden einer datengestützten Evidenz, um das Ergebnis der Gesundheitsfürsorge zu verbessern und die Kosten zu senken. Die Identifizierung einer datengestützten Evidenz erfordert hochgradig kompetente Ressourcen unter Verwendung fortschrittlicher Analyseverfahren (z.B. maschinelles Lernen oder Mustererkennung). Damit ein Arzt, ein Patient oder ein politischer Entscheidungsträger von der datengestützten Evidenz profitieren kann, müssen die Analyseobjekte als echtzeitnahe Anwendungen implementiert und in betriebliche Systeme integriert werden. Jede Patientenpopulation stellt einzigartige und variierende Anforderungen an die Gesundheitsfürsorge, woraus sich unterschiedliche Analyseerfordernisse ergeben. Eine dynamische Marktumgebung und die medizinische Praxis machen es notwendig, Analysemodelle im Laufe der Zeit flexibel anpassen zu können.
  • Allerdings sind gesundheitsbezogene Evidenzdaten oft über viele Organisationen und Datensysteme verstreut. Das Ableiten von Erkenntnissen auf Evidenzgrundlage ist tendenziell ein manueller und ad hoc durchgeführter Prozess ohne einen standardisierten, allumfassenden Workflow. Nach dem Stand der Technik gibt es keine organisierte Art und Weise, um Analyseobjekte wiederzuverwenden, zu teilen und zu verwalten, und keine nachverfolgbare Art und Weise, um Analyseobjekte zu implementieren. Die Lösungen nach dem Stand der Technik bieten keine Rückmeldungsschleife, um Analysen auf Grundlage von neuer Evidenz oder neuen Datenquellen anzupassen.
  • Die veranschaulichenden Ausführungsformen stellen Mechanismen für eine nachverfolgbare und skalierbare Gesundheitsdaten-Analysesystem-Verwaltung auf Cloud-Grundlage bereit. Die Mechanismen der veranschaulichenden Ausführungsformen koordinieren Entwicklung, Implementierung und Betrieb in einer geschlossenen Schleife, um eine Kontrolle des Analyselebenszyklus und ein kontinuierliches Lernen zu ermöglichen. Die Mechanismen der veranschaulichenden Ausführungsformen stellen für eine Vielfalt von verschiedenen Gesundheitsfürsorge-Verbrauchern Erkenntnisse als eine Dienstleistung bereit. Die veranschaulichenden Ausführungsformen befassen sich mit den kritischen Herausforderungen bei der Verwaltung einer großen Zahl einer Vielfalt von verschiedenen Gesundheitsdaten-Analysesystem-Objekten, z.B. Nachverfolgbarkeit, Wiederverwendbarkeit, Durchsuchbarkeit, Erweiterbarkeit, automatisierte Anwendung und kontinuierliche Verbesserung.
  • Die Mechanismen der veranschaulichenden Ausführungsformen beinhalten die folgenden beiden Teilsysteme: ein Verwaltungssystem einer Gesundheitsdaten-Analysesystem-Entwicklung und ein Verwaltungssystem eines Gesundheitsdaten-Analysesystem-Betriebs. Das Verwaltungssystem einer Gesundheitsdaten-Analysesystem-Entwicklung besteht aus versionierten Analyse-Repositories mit Funktionsbibliotheken in jedem Schritt des Analyse-Workflows für verschiedene Geschäftszwecke sowie aus versionierten Modell-Repositories, die mit Analyse-Repositories sowie mit erweiterten API-Diensten (Application Program Interfaces, Anwendungsprogrammschnittstellen) verknüpft sind. Das Verwaltungssystem eines Gesundheitsdaten-Analysesystem-Betriebs beinhaltet die folgenden Module: ein Modellimplementierungsmodul, das die richtige Version eines entwickelten Modells in die richtige Workflow-/Laufzeitumgebung integriert und die zugehörigen Metadaten aktiv verwaltet; ein Modellüberwachungsmodul, das in regelmäßigen Abständen über die Leistung implementierter Modelle Bericht erstattet und eine Leistungsabweichung erkennt und meldet; und einen Modellrückmeldemechanismus, der mögliche Ursachen einer Leistungsabweichung analysiert, Schlussfolgerungen zu Verbesserungsbedarf zieht und Verbesserungsanforderungen an die Analyseentwicklungsverwaltung zurückmeldet.
  • Die veranschaulichenden Ausführungsformen stellen Mechanismen für eine Gesundheitsdaten-Analysesystem-Lebenszyklusverwaltung auf Cloud-Grundlage wie z.B. Entwicklung und Betrieb bereit, insbesondere für eine Modellanpassung, -implementierung und -betriebsrückmeldung mit mehreren Clients. Die veranschaulichenden Ausführungsformen trennen das Analyse-Repository von dem Modell-Repository. Das Analyse-Repository stellt eine Analyse-Pipeline bereit, die für jeden klinischen oder geschäftlichen Anwendungsfall entworfen wird, z.B. eine Pipeline für Wiederaufnahmerisiken unter Verwendung von elektronischen Patientenakten (Electronic Medical Records, EMRs). Das Modell-Repository stellt ein feinabgestimmtes Analysemodell unter Berücksichtigung spezifischer Dateneingaben und Konfigurationen bereit, z.B. ein Modell eines Wiederaufnahmerisikos, das für die Medicare-Population entwickelt wird, die durch ein bestimmtes Gesundheitssystem versorgt wird.
  • Gemäß einer veranschaulichenden Ausführungsform weist jedes Repository wiederverwendbare Bibliotheken mit Funktionen und einen Standard-Workflow auf, der für seine vorgesehenen Zwecke entworfen wurde. Ein Bibliothekserzeuger fügt Annotationen oder Kennungen hinzu, um Metadaten zu der Bibliothek anzugeben und diese durchsuchbar zu machen. API-Dienste (Application Program Interfaces, Anwendungsprogrammschnittstellen) vereinfachen die Wiederverwendbarkeit und gemeinsame Nutzbarkeit und ermöglichen darüber hinaus die Zusammenarbeit.
  • Die veranschaulichenden Ausführungsformen unterstützen konfigurierbare Analyseobjekte. Konfigurationen werden über API-Dienste verfügbar gemacht, um manuelle Codeänderungen auf ein Mindestmaß zu begrenzen. Jede Konfiguration beinhaltet Analyseparameter, die für einen Anwendungsfall spezifisch sind, und Metadaten, die für den Datensatz spezifisch sind. Konfigurationen machen das implementierte Modell nachverfolgbar.
  • Die veranschaulichenden Ausführungsformen stellen ein mehrgradiges Versionieren von implementierten Analyseobjekten bereit. Dabei ist Grad 1 zum Beispiel die Trainings-Pipeline, Grad 2 ist das angepasste Modell für einen Client und Grad 3 ist eine im Laufe der Zeit erzielte Verbesserung auf Grundlage der Datenrückmeldung des Clients. Die Mechanismen der veranschaulichenden Ausführungsformen können zu einer alten Konfiguration zurückkehren und frühere Konfigurationen durchsuchbar machen.
  • Die veranschaulichenden Ausführungsformen stellen einen geschlossenschleifigen Rückmeldungsmechanismus für eine Modellüberwachung, eine adaptive Anpassung und ein kontinuierliches Lernen bereit. Die Überwachungsfunktion definiert die Laufzeitleistung und erkennt die Leistungsabweichung. Der Rückmeldungsmechanismus zieht Schlussfolgerungen zur Leistungsabweichung sowie zu verschiedenen Graden eines Verbesserungsbedarfs (z.B. ein weitgehend automatisiertes Feinabstimmen von Parametern im Gegensatz zu einem mit hohem Aufwand verbundenem Neutraining des Modells über die Analyse-Pipeline usw.). Der Modellaktualisierungsmechanismus stellt eine Rückmeldung an die Entwicklungsanalyse-Pipeline und das Modell-Repository bereit, um ein kontinuierliches Lernen zu ermöglichen.
  • Vor Beginn der Erörterung der verschiedenen Aspekte der veranschaulichenden Ausführungsformen sollte erwähnt werden, dass sich in dieser Beschreibung der Begriff „Mechanismus“ auf Elemente der vorliegenden Erfindung bezieht, die verschiedene Operationen, Funktionen und dergleichen durchführen. Ein „Mechanismus“, wie der Begriff hier verwendet wird, kann eine Realisierung der Funktionen oder Aspekte der veranschaulichenden Ausführungsformen in Gestalt einer Vorrichtung, einer Vorgehensweise oder eines Computerprogrammprodukts sein. Im Falle einer Vorgehensweise wird die Vorgehensweise durch eine(n) oder mehrere Einheiten, Vorrichtungen, Computer, Datenverarbeitungssysteme oder dergleichen realisiert. Im Falle eines Computerprogrammprodukts wird die Logik, die durch Computercode oder durch Befehle dargestellt wird, welche in oder auf dem Computerprogrammprodukt enthalten sind, durch eine oder mehrere Hardware-Einheiten ausgeführt, um die Funktionalität zu realisieren oder die Operationen durchzuführen, die dem spezifischen „Mechanismus“ zugehörig sind. Die hier beschriebenen Mechanismen können somit als Spezial-Hardware, als Software, die auf Universal-Hardware ausgeführt wird, als Software-Befehle, die auf einem Medium gespeichert werden, so dass die Befehle jederzeit durch Spezial- oder Universal-Hardware ausführbar sind, als eine Vorgehensweise oder als ein Verfahren zum Ausführen der Funktionen oder aber als eine Kombination aller oben erwähnten Optionen realisiert werden.
  • Die vorliegende Beschreibung und die Ansprüche können die Begriffe „ein/eine/eines“, „mindestens ein/eine/eines“ und „ein/eine/eines oder mehrere“ mit Blick auf bestimmte Merkmale und Elemente der veranschaulichenden Ausführungsformen verwenden. Dabei sollte klar sein, dass diese Begriffe und Wendungen aussagen sollen, dass in der jeweiligen veranschaulichenden Ausführungsform mindestens eines, womöglich jedoch auch mehrere der bestimmten Merkmale oder Elemente vorhanden sind. Die Begriffe/Wendungen sind daher nicht als Beschränkung der Beschreibung oder der Ansprüche auf ein einziges genanntes Merkmal/Element oder so zu verstehen, als müsste eine Mehrzahl derartiger Merkmale/Elemente vorhanden sein. Im Gegenteil erfordern diese Begriffe/Wendungen mindestens ein einziges Merkmal/Element, wobei die Möglichkeit besteht, dass eine Mehrzahl solcher Merkmale/Elemente innerhalb des inhaltlichen Umfangs der Beschreibung und der Ansprüche liegt.
  • Darüber hinaus sollte klar sein, dass die Verwendung des Begriffs „Engine“, wenn er hierin zum Beschreiben von Ausführungsformen und Merkmalen der Erfindung verwendet wird, nicht als Beschränkung auf eine bestimmte Realisierung zum Erreichen und/oder Durchführen der Aktionen, Schritte, Prozesse usw. gedacht ist, die der Engine zuordenbar sind und/oder von der Engine durchgeführt werden. Eine Engine kann, ohne darauf beschränkt zu sein, Software, Hardware und/oder Firmware oder eine beliebige Kombination hiervon sein, welche die angegebenen Funktionen durchführt, z.B., jedoch ohne darauf beschränkt zu sein, jede Verwendung eines Universal- und/oder Spezial-Prozessors in Kombination mit geeigneter Software, die in einen durch eine Maschine lesbaren Arbeitsspeicher geladen und durch den Prozessor ausgeführt wird. Des Weiteren dient jede einer bestimmten Engine zugehörige Bezeichnung, sofern nicht anderweitig angegeben, lediglich zum Zwecke einer besseren Bezugnahme und ist nicht als Beschränkung auf eine spezifische Realisierung zu verstehen. Zusätzlich kann jede Funktionalität, die einer Engine zugeordnet ist, in gleicher Weise durch mehrere Engines durchgeführt werden, die in die Funktionalität einer weiteren Engine desselben oder eines anderen Typs eingebettet und/oder mit dieser kombiniert werden oder auf eine oder mehrere Engines verschiedener Konfigurationen verteilt werden.
  • Darüber hinaus sollte klar sein, dass die folgende Beschreibung eine Mehrzahl von verschiedenen Beispielen für verschiedene Elemente der veranschaulichenden Ausführungsformen verwendet, um Beispielrealisierungen der veranschaulichenden Ausführungsformen weitergehend zu veranschaulichen und um das Verständnis der Mechanismen der veranschaulichenden Ausführungsformen zu erleichtern. Diese Beispiele sind nicht als Beschränkung zu verstehen und sind keine erschöpfende Darstellung der verschiedenen Möglichkeiten für ein Realisieren der Mechanismen der veranschaulichenden Ausführungsformen. Dem Fachmann dürfte anhand der vorliegenden Beschreibung klar sein, dass es viele andere, alternative Realisierungen dieser verschiedenen Elemente gibt, die zusätzlich oder anstelle der hier bereitgestellten Beispiele genutzt werden können, ohne vom gedanklichen Wesensgehalt und inhaltlichen Umfang der vorliegenden Erfindung abzuweichen.
  • Die veranschaulichenden Ausführungsformen können in vielen verschiedenen Arten von Datenverarbeitungsumgebungen verwendet werden. Um einen Kontext für die Beschreibung der spezifischen Elemente und der Funktionalität der veranschaulichenden Ausführungsformen bereitzustellen, werden die 1 und 2 im Folgenden als Beispielumgebungen bereitgestellt, in denen Aspekte der veranschaulichenden Ausführungsformen realisiert werden können. Dabei sollte klar sein, dass die 1 und 2 lediglich Beispiele darstellen und keinerlei Beschränkung mit Blick auf die Umgebungen geltend machen oder implizieren sollen, in denen Aspekte oder Ausführungsformen der vorliegenden Erfindung realisiert werden können. An den dargestellten Umgebungen können viele Veränderungen vorgenommen werden, ohne vom gedanklichen Wesensgehalt und inhaltlichen Umfang der vorliegenden Erfindung abzuweichen.
  • 1 stellt eine bildliche Darstellung eines verteilten Beispiel-Datenverarbeitungssystems dar, in dem Aspekte der veranschaulichenden Ausführungsformen realisiert werden können. Das verteilte Datenverarbeitungssystem 100 kann ein Netzwerk von Computern beinhalten, in dem Aspekte der veranschaulichenden Ausführungsformen realisiert werden können. Das verteilte Datenverarbeitungssystem 100 beinhaltet mindestens ein Netzwerk 102, bei dem es sich um das Medium handelt, mit dem Datenübertragungsverbindungen zwischen verschiedenen Einheiten und Computern bereitgestellt werden, die innerhalb des verteilten Datenverarbeitungssystems 100 miteinander verbunden werden. Das Netzwerk 102 kann Verbindungen wie z.B. drahtgebundene und drahtlose Datenübertragungsverbindungen oder Lichtwellenleiterkabel beinhalten.
  • In dem dargestellten Beispiel sind ein Server 104 und ein Server 106 zusammen mit einer Speichereinheit 108 mit dem Netzwerk 102 verbunden. Zusätzlich sind auch Clients 110, 112 und 114 mit dem Netzwerk 102 verbunden. Diese Clients 110, 112 und 114 können zum Beispiel Personal Computer, Netzwerkcomputer oder dergleichen sein. In dem abgebildeten Beispiel kann der Server 104 den Clients 110, 112 und 114 Daten wie z.B. Boot-Dateien, Betriebssystemabbilder und Anwendungen bereitstellen. In dem dargestellten Beispiel sind die Clients 110, 112 und 114 Clients des Servers 104. Das verteilte Datenverarbeitungssystem 100 kann zusätzliche Server, Clients und andere nicht gezeigte Einheiten beinhalten.
  • In dem dargestellten Beispiel ist das verteilte Datenverarbeitungssystem 100 das Internet, wobei das Netzwerk 102 für eine weltweite Zusammenstellung von Netzwerken und Gateways steht, welche die TCP/IP-Protokollfamilie (Transmission Control Protocol/Internet Protocol) verwenden, um untereinander Daten auszutauschen. Der Kern des Internets wird aus einer Struktur von Hochgeschwindigkeits-Datenübertragungsverbindungen zwischen wichtigen Knoten oder Hostcomputern gebildet, die aus tausenden von gewerblichen, behördlichen, dem Bildungssektor zugehörigen und anderen Computersystemen bestehen, die Daten und Nachrichten weiterleiten. Selbstverständlich kann das verteilte Datenverarbeitungssystem 100 auch als eine Anzahl verschiedener Arten von Netzwerken realisiert werden, zum Beispiel als ein Intranet, ein lokales Netzwerk (Local Area Network, LAN), ein Weitverkehrsnetzwerk (Wide Area Network, WAN) oder dergleichen. Wie oben erwähnt, ist 1 als Beispiel und nicht als architektonische Beschränkung für verschiedene Ausführungsformen der vorliegenden Erfindung zu verstehen, weshalb die in 1 gezeigten bestimmten Elemente nicht als Beschränkung der Umgebungen zu verstehen sind, in denen die veranschaulichenden Ausführungsformen der vorliegenden Erfindung realisiert werden können.
  • Wie in 1 gezeigt, können eine oder mehrere Datenverarbeitungseinheiten wie z.B. der Server 104 spezifisch konfiguriert werden, um Mechanismen für eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung zu realisieren. Das Konfigurieren der Datenverarbeitungseinheit kann das Bereitstellen einer anwendungsspezifischen Hardware, Firmware oder dergleichen aufweisen, um die Leistung der Operationen und die Erzeugung der Ausgaben zu ermöglichen, die hierin mit Bezug auf die veranschaulichenden Ausführungsformen beschrieben werden. Das Konfigurieren der Datenverarbeitungseinheit kann außerdem oder alternativ hierzu das Bereitstellen von Software-Anwendungen aufweisen, die in einer oder mehreren Speichereinheiten gespeichert und in einen Arbeitsspeicher einer Datenverarbeitungseinheit wie z.B. den Server 104 geladen werden, um einen oder mehrere Hardware-Prozessoren der Datenverarbeitungseinheit zu veranlassen, die Software-Anwendungen auszuführen, welche die Prozessoren konfigurieren, um die Operationen durchzuführen und die Ausgaben zu erzeugen, die hierin mit Bezug auf die veranschaulichenden Ausführungsformen beschrieben werden. Darüber hinaus kann jede beliebige Kombination von anwendungsspezifischer Hardware, Firmware, auf Hardware ausgeführten Software-Anwendungen oder dergleichen verwendet werden, ohne vom gedanklichen Wesensgehalt und inhaltlichen Umfang der veranschaulichenden Ausführungsformen abzuweichen.
  • Wenn die Datenverarbeitungseinheit auf eine dieser Arten konfiguriert wird, sollte offensichtlich sein, dass die Datenverarbeitungseinheit zu einer Spezial-Datenverarbeitungseinheit wird, die spezifisch konfiguriert ist, um die Mechanismen der veranschaulichenden Ausführungsformen zu realisieren, und dass sie keine Universal-Datenverarbeitungseinheit ist. Wie im Folgenden beschrieben, verbessert die Realisierung der Mechanismen der veranschaulichenden Ausführungsformen darüber hinaus die Funktionalität der Datenverarbeitungseinheit und stellt ein nützliches und konkretes Ergebnis bereit, das eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung ermöglicht.
  • Diese Datenverarbeitungseinheiten oder Datenverarbeitungssysteme können verschiedene Hardware-Elemente aufweisen, die spezifisch konfiguriert werden, entweder durch eine Hardware-Konfiguration, eine Software-Konfiguration oder eine Kombination von Hardware- und Software-Konfiguration, um eines oder mehrere der hierin beschriebenen Systeme/Teilsysteme zu realisieren. 2 ist ein Blockschaubild lediglich eines einzigen Beispiel-Datenverarbeitungssystems, in dem Aspekte der veranschaulichenden Ausführungsformen realisiert werden können. Ein Datenverarbeitungssystem 200 ist ein Beispiel für einen Computer wie z.B. den Server 104 aus 1, in dem sich durch einen Computer nutzbarer Code oder durch einen Computer nutzbare Befehle, welche die Prozesse und Aspekte der veranschaulichenden Ausführungsformen der vorliegenden Erfindung realisieren, befinden und/oder in dem sie ausgeführt werden können, um die Operation, Ausgabe und externen Auswirkungen der veranschaulichenden Ausführungsformen zu erzielen, wie sie hierin beschrieben werden.
  • In dem dargestellten Beispiel kann das Datenverarbeitungssystem 200 eine Hub-Architektur verwenden, die einen North Bridge & Memory Controller Hub (NB/MCH) 202 und einen South Bridge & Input/Output (I/O) Controller Hub (SB/ICH) 204 beinhaltet. Die Verarbeitungseinheit 206, der Hauptarbeitsspeicher 208 und der Grafikprozessor 210 werden mit dem NB/MCH 202 verbunden. Der Grafikprozessor 210 kann über einen Accelerated Graphics Port (AGP) mit dem NB/MCH 202 verbunden werden.
  • In dem dargestellten Beispiel wird ein LAN-Adapter 212 mit dem SB/ICH 204 verbunden. Ein Audioadapter 216, ein Tastatur- und Mausadapter 220, ein Modem 222, ein Festwertspeicher (Read Only Memory, ROM) 224, ein Festplattenlaufwerk (Hard Disk Drive, HDD) 226, ein CD-ROM-Laufwerk 230, USB-Anschlüsse (Universal Serial Bus) und andere Datenübertragungsanschlüsse 232 sowie PCI/PCIe-Einheiten 234 werden über den Bus 238 und den Bus 240 mit dem SB/ICH 204 verbunden. Die PCI/PCIe-Einheiten können zum Beispiel Ethernet-Adapter, Erweiterungskarten und PC-Karten für Notebook Computer beinhalten. PCI verwendet einen CardBus-Controller, PCle nicht. Der ROM 224 kann zum Beispiel ein Flash-BIOS (Binary Input/Output System) sein.
  • Das HDD 226 und das CD-ROM-Laufwerk 230 werden über den Bus 240 mit dem SB/ICH 204 verbunden. Das HDD 226 und das CD-ROM-Laufwerk 230 können zum Beispiel eine IDE-Schnittstelle (Integrated Drive Electronics) oder eine SATA-Schnittstelle (Serial Advanced Technology Attachment) verwenden. Eine SIO-Einheit (Super I/O) 236 kann mit dem SB/ICH 204 verbunden werden.
  • In der Verarbeitungseinheit 206 wird ein Betriebssystem ausgeführt. Das Betriebssystem koordiniert verschiedene Komponenten innerhalb des Datenverarbeitungssystems 200 aus 2 und stellt deren Steuerung bereit. Als ein Client kann das Betriebssystem ein handelsübliches Betriebssystem wie Microsoft® Windows 7® sein. Ein objektorientiertes Programmiersystem wie z.B. das Java™-Programmiersystem kann gemeinsam mit dem Betriebssystem ausgeführt werden und Aufrufe an Java™-Programme oder -Anwendungen bereitstellen, die auf dem Datenverarbeitungssystem 200 ausgeführt werden.
  • Als ein Server kann das Datenverarbeitungssystem 200 zum Beispiel ein IBM eServer™ System p®-Computersystem, ein Computersystem auf Grundlage eines Power™-Prozessors oder dergleichen sein, welches das Betriebssystem Advanced Interactive Executive (AIX®) oder das LINUX®-Betriebssystem ausführt. Das Datenverarbeitungssystem 200 kann ein symmetrisches Mehrprozessorsystem (Symmetric Multiprocessor, SMP) sein, das eine Mehrzahl von Prozessoren in der Verarbeitungseinheit 206 beinhaltet. Alternativ kann ein Einzelprozessorsystem verwendet werden.
  • Befehle für das Betriebssystem, das objektorientierte Programmiersystem und Anwendungen oder Programme befinden sich auf Speichereinheiten wie z.B. dem HDD 226 und können zur Ausführung durch die Verarbeitungseinheit 206 in den Hauptarbeitsspeicher 208 geladen werden. Die Prozesse für veranschaulichende Ausführungsformen der vorliegenden Erfindung können durch die Verarbeitungseinheit 206 unter Verwendung von durch einen Computer nutzbarem Programmcode durchgeführt werden, der sich in einem Arbeitsspeicher wie zum Beispiel dem Hauptarbeitsspeicher 208, dem ROM 224 oder in einer oder mehreren Peripherie-Einheiten 226 und 230 befinden kann.
  • Ein Bussystem wie z.B. der in 2 gezeigte Bus 238 oder der Bus 240 kann einen oder mehrere Busse aufweisen. Das Bussystem kann selbstverständlich unter Verwendung einer beliebigen Art von Datenübertragungsstruktur oder -architektur realisiert werden, die eine Übertragung von Daten zwischen verschiedenen Komponenten oder Einheiten bereitstellen kann, die mit der Struktur oder Architektur verbunden werden. Eine Datenübertragungseinheit wie z.B. der Modem 222 oder der Netzwerkadapter 212 aus 2 kann ein oder mehrere Einheiten beinhalten, die zum Senden und Empfangen von Daten verwendet werden. Ein Arbeitsspeicher kann zum Beispiel der Hauptarbeitsspeicher 208, der ROM 224 oder ein Cache sein, wie er in dem NB/MCH 202 aus 2 vorhanden ist.
  • Wie oben erwähnt, können bei manchen veranschaulichenden Ausführungsformen die Mechanismen der veranschaulichenden Ausführungsformen als anwendungsspezifische Hardware, Firmware oder dergleichen realisiert werden, als Anwendungssoftware, die in einer Speichereinheit wie z.B. dem HDD 226 gespeichert und in einen Arbeitsspeicher wie z.B. den Hauptarbeitsspeicher 208 geladen wird, um durch einen oder mehrere Hardware-Prozessoren wie z.B. die Verarbeitungseinheit 206 oder dergleichen ausgeführt zu werden. Somit wird die in 2 gezeigte Datenverarbeitungseinheit spezifisch konfiguriert, um die Mechanismen der veranschaulichenden Ausführungsformen zu realisieren, und spezifisch konfiguriert, um die Operationen durchzuführen und die Ausgaben zu erzeugen, die im Folgenden mit Bezug auf die Mechanismen für eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung beschrieben werden.
  • Der Fachmann weiß, dass die Hardware aus den 1 und 2 je nach Realisierung variieren kann. Zusätzlich zu oder anstelle der in den 1 und 2 dargestellten Hardware können auch andere interne Hardware- oder Peripherie-Einheiten wie z.B. ein Flash-Arbeitsspeicher, ein gleichwertiger nichtflüchtiger Arbeitsspeicher oder optische Plattenlaufwerke und dergleichen verwendet werden. Außerdem können die Prozesse der veranschaulichenden Ausführungsformen auch auf ein anderes Mehrprozessor-Datenverarbeitungssystem als das oben erwähnte SMP-System angewendet werden, ohne vom gedanklichen Wesensgehalt und inhaltlichen Umfang der vorliegenden Erfindung abzuweichen.
  • Zudem kann das Datenverarbeitungssystem 200 in Gestalt einer Reihe verschiedener Datenverarbeitungssysteme vorliegen, z.B., ohne darauf beschränkt zu sein, Client-Datenverarbeitungseinheiten, Server-Datenverarbeitungseinheiten, ein Tablet Computer, ein Laptop Computer, ein Telefon oder eine anderweitige Datenübertragungseinheit, ein persönlicher digitaler Assistent (PDA) oder dergleichen. Bei manchen veranschaulichenden Beispielen kann das Datenverarbeitungssystem 200 eine tragbare Datenverarbeitungseinheit sein, die mit einem Flash-Arbeitsspeicher konfiguriert ist, um nichtflüchtigen Arbeitsspeicher zum Beispiel zum Speichern von Betriebssystemdateien und/oder durch einen Benutzer erzeugten Daten bereitzustellen. Im Wesentlichen kann das Datenverarbeitungssystem 200 jedes bekannte oder künftig entwickelte Datenverarbeitungssystem ohne architektonische Beschränkung sein.
  • In einem Anwendungsfallszenario, in dem Aspekte der veranschaulichenden Ausführungsformen realisiert werden können, richteten die Center for Medicare and Medicaid Services (CMS) ein Programm zur Verringerung der Klinikwiederaufnahme auf Grundlage einer wertorientierten Versorgung ein, das eine Klinik dazu veranlasst, Anstrengungen zur Verbesserung von Wiederaufnahmemaßnahmen durch eine Stratifizierung des Patientenrisikos, eine bessere Ressourcenzuweisung und Versorgungsverwaltung zu unternehmen. IBM Watson Health™ entwickelte ein prädiktives Modell, um Patienten mit einem hohen Wiederaufnahmerisiko innerhalb eines bestimmten Zeitraums nach dem Ende ihres ersten Krankenhausaufenthalts zu identifizieren. Ein bestimmter Kunde könnte an diesem prädiktiven Modell interessiert sein und das Modell anhand seiner Patienten beurteilen wollen. Der Kunde könnte das Modell des Weiteren an seine Praxis und seine Bedürfnisse anpassen und entsprechend implementieren wollen. Um die Anforderungen des Kunden zu erfüllen, muss der Modellanbieter zügig die Beurteilung von Modellen anhand verschiedener Datensätze ermöglichen, die Anforderung von verschiedenen Kunden verwalten und die Anpassung sowie regelmäßig wiederkehrende Aktualisierungsanforderungen unterstützen und das Modell in verschiedenen Umgebungen implementieren. Des Weiteren ermöglicht das System dem Mechanismus, die Modellleistung im Laufe der Zeit durch kontinuierliches Lernen zu verbessern.
  • Bei einem weiteren Anwendungsfall haben mehr als 29 Millionen US-Amerikaner Diabetes, was ein angemessenes Krankheitsmanagement erfordert, um den Blutzuckerspiegel innerhalb einer bestimmten Spanne zu halten und so schwerwiegende gesundheitliche Komplikationen zu verringern. IBM Watson Health™ entwickelte ein prädiktives Modell, um die Hypoglykämie-Ereignisse bei Patienten mit Typ-1-Diabetes mit dreistündiger Vorlaufzeit proaktiv zu erkennen, wodurch eine rechtzeitige Intervention möglich ist, um eine Hypoglykämie zu vermeiden. Ein bestimmter Kunde verwaltet zehntausende Patienten mit Typ-1-Diabetes und interessiert sich für eine individuelle Anpassung dieses Universalmodells an verschiedene Patienten sowie für die dynamische Anpassung und Verbesserung des Modells auf Grundlage der täglichen Verhaltensweisen und Aktivitäten der Patienten. Um die Anforderungen des Kunden zu erfüllen, muss der Modellanbieter zügig die Beurteilung von Modellen anhand verschiedener Patienten ermöglichen, die individuelle Anpassung verwalten und unterstützen sowie das Modell implementieren und verschiedene Versionen des Modells auf Grundlage von inkrementellem Lernen verwalten.
  • 3 stellt eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung gemäß einer veranschaulichenden Ausführungsform dar. Ein Analyse-Repository 310 ist ein versioniertes Analyse-Repository mit Funktionsbibliotheken in jedem Schritt des Analyse-Workflows. In dem dargestellten Beispiel weist das Analyse-Repository 310 eine versionierte Geschäftsanforderungsdatenbank 311, eine Datenqualitäts- und -erkenntniskomponente 312, eine Kohortenerstellungskomponente 313, eine Merkmalsgewinnungskomponente 314 und eine präskriptive und prädiktive Analysekomponente 315 für die Version oder Instanz X auf. Jede Version in dem Analyse-Repository beinhaltet Gegenstände und Bibliotheken, die für jeden Kunden angepasst werden. Die Datenqualitäts- und -erkenntniskomponente 312 analysiert die Geschäftsanforderungsdaten in der Datenbank 311 und erzeugt Erkenntnisse aus den Daten. Die Kohortenerstellungskomponente 313 identifiziert Gruppen von Patienten auf Grundlage von Attributen in den Patientendaten für den Studienbedarf. Die Merkmalserstellungskomponente 314 identifiziert Merkmale, die jede durch die Kohortenerstellungskomponente 313 identifizierte Population repräsentieren. Die präskriptive und prädiktive Analysekomponente 315 prognostiziert ein Ergebnis für einen gegebenen Patienten und schlägt Maßnahmen vor, um von den Prognosen zu profitieren.
  • Das Modell-Repository 320 ist ein versioniertes Repository, das mit den Analyse-Repositories 310 verknüpft ist. Das Modell-Repository 320 weist nicht nur die Verknüpfung zu den Analyse-Repositories 310, sondern auch alle oben erwähnten, zu verwaltenden Metadaten auf. In dem dargestellten Beispiel weist das Modell-Repository 320 ein Modell für die Version oder Instanz X auf. Ein Modell in dem Modell-Repository 320 ist eine abstrahierte mathematische Gleichung, die nachträglich abgeleitet wird, um z.B. ein künftiges Ereignis zu prognostizieren.
  • Gemäß einer veranschaulichenden Ausführungsform sind das Analyse-Repository 310 und das Modell-Repository 320 in einer Cloud-Computing-Umgebung 302 enthalten. In Schritt A1 passt ein Modellimplementierungsmodul (das im Folgenden mit Blick auf die 4 und 7 ausführlicher beschrieben wird) eine Version oder Instanz eines Analysemodells für einen Client A 321 an und implementiert sie. In Schritt A2 des dargestellten Beispiels überwacht ein Modellüberwachungsmodul (das im Folgenden mit Blick auf die 4 und 8 ausführlicher beschrieben wird) das Modell für den Client A, und ein Modellrückmeldungsmodul (das im Folgenden mit Blick auf die 4 und 9 ausführlicher beschrieben wird) erkennt einen gravierenden Verbesserungsbedarf und führt ein Rückmeldungs-Neutraining durch, um die Analyse-Pipeline zu starten.
  • In Schritt B1 des dargestellten Beispiels passt das Modellimplementierungsmodul eine Version oder Instanz eines Analysemodells für einen Client B 322 an und implementiert sie. In Schritt B2 überwacht das Modellüberwachungsmodul das Modell für den Client B, und das Modellrückmeldungsmodul erkennt einen geringfügigen Verbesserungsbedarf und schlägt eine Parameter-Feinabstimmung in dem Modell-Repository 320 vor.
  • In Schritt C1 des dargestellten Beispiels passt das Modellimplementierungsmodul eine Version oder Instanz eines Analysemodells für einen Client C 323 an und implementiert sie. In Schritt C2 überwacht das Modellüberwachungsmodul das Modell für den Client C, und das Modellrückmeldungsmodul erkennt einen moderaten Verbesserungsbedarf und schlägt eine Kohortenabweichung in dem Modell-Repository 310 vor.
  • Bei einer Ausführungsform identifiziert das Gesundheitsdaten-Analysesystem-Verwaltungssystem Analyseobjekte für einen ausgewählten Gesundheitsfürsorge-Verbraucher auf Grundlage eines Satzes von Geschäftsanforderungen für den ausgewählten Gesundheitsfürsorge-Verbraucher. Das Gesundheitsdaten-Analysesystem-Verwaltungssystem identifiziert anschließend ein versioniertes Gesundheitsfürsorge-Modell aus einem Satz von versionierten Gesundheitsfürsorge-Modellen auf Grundlage der identifizierten Analyseobjekte, wobei das versionierte Modell Dateneingabeanforderungen, Schlüsselmodellparameter, Laufzeitumgebungsanforderungen und Leistungskennzahlen und -berichte identifiziert, die den identifizierten Analyseobjekten entsprechen. Das Gesundheitsdaten-Analysesystem-Verwaltungssystem beurteilt das identifizierte versionierte Gesundheitsfürsorge-Modell, um sicherzustellen, dass das versionierte Modell dem Satz von Geschäftsanforderungen für den ausgewählten Gesundheitsfürsorge-Verbraucher entspricht. Als Reaktion darauf, dass das identifizierte versionierte Gesundheitsfürsorge-Modell dem Satz von Geschäftsanforderungen für den ausgewählten Gesundheitsfürsorge-Verbraucher entspricht, implementiert das Gesundheitsdaten-Analysesystem-Verwaltungssystem das identifizierte Gesundheitsfürsorge-Modell auf einem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers.
  • 4 ist ein Blockschaubild, das ein System darstellt, welches eine nachverfolgbare und skalierbare Gesundheitsdaten-Analysesystem-Verwaltung auf Cloud-Grundlage gemäß einer veranschaulichenden Ausführungsform ermöglicht. Das System koordiniert den gesamten Analyselebenszyklus von Entwicklung, Betrieb und Rückmeldung. Das System beinhaltet zwei Haupt-Teilsysteme: ein Verwaltungsteilsystem für eine Gesundheitsdaten-Analysesystem-Entwicklung 410 und ein Verwaltungsteilsystem für einen Gesundheitsdaten-Analysesystem-Betrieb 420.
  • Das Verwaltungsteilsystem für eine Gesundheitsdaten-Analysesystem-Entwicklung 410 weist versionierte Analyse-Pipeline-Repositories 411 mit Funktionsbibliotheken in jedem Schritt des Analyse-Workflows und versionierte Modell-Repositories 412, die mit Analyse-Repositories verknüpft werden, auf. Das Verwaltungsteilsystem für eine Gesundheitsdaten-Analysesystem-Entwicklung 410 weist außerdem erweiterte API-Dienste 413 (Application Program Interfaces, Anwendungsprogrammschnittstellen) für Analysefunktionen sowie entwickelte Modelle auf. Die erweiterten API-Dienste 413 ermöglichen eine einfache Wiederverwendung und Prüfung der versionierten Analyse-Pipelines 411, die in verschiedenen Anwendungsfällen entwickelt werden, z.B. Datenqualität und -erkenntnisse, Kohortenerstellung, Merkmalserstellung, deskriptive und prädiktive Analyse usw. Die erweiterten API-Dienste 413 ermöglichen einem Entwickler außerdem die einfache Ausführung und Beurteilung der versionierten Modelle 412, die entwickelt wurden.
  • Die versionierten Analyse-Pipeline-Repositories 411 erfassen Folgendes:
    1. 1. Analyseobjekte;
    2. 2. eine Analyse-Workflow-Pipeline oder Abhängigkeit von Objekten;
    3. 3. etwaige Metadaten oder Konfigurationsdaten zur Unterstützung des Workflows; und
    4. 4. KPls (Key Performance Indicators, Leistungskennzahlen) zu Schlüsselanalysen oder Ausgabeergebnisse entlang des Workflows.
  • Die versionierten Modell-Repositories 412 erfassen Folgendes:
    1. 1. das trainierte Modell;
    2. 2. Metadaten, die Eingabedatenanforderungen erfassen;
    3. 3. Metadaten, die Laufzeitumgebungsanforderungen erfassen;
    4. 4. Metadaten, die Modellparameter erfassen; und
    5. 5. Metadaten, die KPls für die Leistung des Ausgangswertmodells erfassen.
  • Das Verwaltungsteilsystem für einen Gesundheitsdaten-Analysesystem-Betrieb 420 weist ein Modellimplementierungsmodul 421, ein Modellüberwachungsmodul 422 und ein Modellrückmeldungsmodul 423 auf. Das Modellimplementierungsmodul 421 integriert die richtige Version eines Modells in die richtige Laufzeitumgebung und verwaltet aktiv die zugehörigen Metadaten. Das Modellüberwachungsmodul 422 erstattet in regelmäßigen Abständen über die Leistung von implementierten Modellen Bericht und erkennt und meldet Leistungsabweichungen. Das Modellrückmeldungsmodul 423 analysiert die möglichen Ursachen für Leistungsabweichungen, zieht Schlussfolgerungen zu Verbesserungsbedarf und meldet Verbesserungsanforderungen zurück an das Verwaltungsteilsystem für eine Gesundheitsdaten-Analysesystem-Entwicklung 410.
  • Bei einer Ausführungsform beinhaltet das Implementierungsmodul 421 eine Funktionalität für eine Modellveröffentlichung, eine Modellbeurteilung und, falls erforderlich, eine weitere Adaption und Anpassung vor einer Implementierung. Das Implementierungsmodul 421 kann das Modell für andere Kunden veröffentlichen, so dass sie es in Erwägung ziehen können. Da die veranschaulichende Ausführungsform nachverfolgbare Analyse-Pipeline-Repositories und Modell-Repositories aufweist, hat die veranschaulichende Ausführungsform die Fähigkeit, Erlerntes Client-übergreifend zu übertragen, z.B. Merkmalserkenntnisse kundenübergreifend zu teilen, Modellwissen kundenübergreifend zu teilen usw. Die Modellkalibrierung/-anpassung kann in zwei Szenarien erfolgen:
    1. 1. Das Modell wird eigens für einen Client entwickelt; wenn sich die Produktionsdaten bei dem Implementierungsprozess sowie nach der Modellbeurteilung von den Entwicklungsdaten unterscheiden, ist eine Adaption oder Anpassung notwendig.
    2. 2. Das Modell wird für einen Kunden entwickelt. Ein weiterer Kunde erkennt den Nutzen des Modells. Um dieses Modell auf den neuen Kunden anzuwenden, ist die Modellbeurteilung, -adaption oder -anpassung notwendig.
  • Des Weiteren hat das Implementierungs-/Betreibermodul 421 nicht nur die Fähigkeit, ein einziges Modell zu betreiben, sondern auch, die Zusammenführung mehrerer Modelle zu implementieren. So kann das Implementierungsmodul 421 zum Beispiel eine Zusammenführung mehrerer Modelle wie z.B. Modellzusammensetzung, Abstimmungsmodelle, Verkettungsmodelle usw. implementieren.
  • 5 ist ein Blockschaubild, das versionierte Analyse-Pipeline-Repositories gemäß einer veranschaulichenden Ausführungsform darstellt. 5 stellt versionierte Analyse-Pipeline-Repositories 500 für ein Analyse-Repository N dar, das ein versioniertes Geschäftsanforderungs-Datenmodell 510 und Pipelines für eine Mehrzahl von versionierten Anwendungsfällen 1 bis N aufweist. Wie gezeigt, beinhaltet der versionierte Anwendungsfall 1 eine Datenqualitäts- und -erkenntniskomponente 511, eine Kohortenerstellungskomponente 512, eine Merkmalserstellungskomponente 513 und eine präskriptive und prädiktive Analysekomponente 514, die für den spezifischen Anwendungsfall 1 entworfen werden. Der versionierte Anwendungsfall N beinhaltet eine Datenqualitäts- und -erkenntniskomponente 521, eine Kohortenerstellungskomponente 522, eine Merkmalserstellungskomponente 523 und eine präskriptive und prädiktive Analysekomponente 524, die für den spezifischen Anwendungsfall N entworfen werden. Die Analyseobjekt-Repositories sind mit dem versionierten Geschäftsanforderungs-Datenmodell 510 verknüpft, das nach proprietären Standards entwickelt wird und nach versionierten Anwendungsfällen mit in Komponenten aufgeteilten, dabei jedoch allumfassenden Analyse-Workflow-Schritten organisiert ist.
  • 6 ist ein Blockschaubild, das versionierte Modell-Repositories gemäß einer veranschaulichenden Ausführungsform darstellt. In dem dargestellten Beispiel weisen versionierte Modell-Repositories 600 ein Modell-Repository N für eine bestimmte Instanz oder Version auf, das eine versionierte Modelldarstellung mit einem Standardformat 601 beinhaltet. Die Schlüsselkomponente eines Modell-Repositories ist die versionierte Modelldarstellung 601, die mit dem entsprechenden Analyseobjekt-Repository 602 verknüpft ist, in dem das Modell entwickelt wurde. Das Modell-Repository ist außerdem Dateneingabeanforderungen 602 und Laufzeitumgebungsanforderungen 605 zugehörig, welche die Modellimplementierung ermöglichen. Leistungskennzahlen und -berichte 606 bilden den Ausgangswert für die Implementierungsleistung, was weitere Rückmeldungsvergleichsdaten ermöglicht. Schlüsselmodellparameter 604 haben zudem eine Aufgabe bei der Modellkalibrierung/-anpassung und beim Rückmeldungsmechanismus.
  • 7 ist ein Blockschaubild, das ein Modellimplementierungsmodul gemäß einer veranschaulichenden Ausführungsform darstellt. Das Modellimplementierungsmodul 700 implementiert die entwickelten Modelle in der Produktionsumgebung und stellt die Analyseerkenntnisse dem Geschäfts-Workflow bereit. Das Modellimplementierungsmodul 700 ist eng mit dem Versionsmodell-Repository 701 verknüpft. Eine Modellkalibrierungs- /-anpassungskomponente 702 nutzt die Metadaten in dem Modell-Repository 701, um eine Implementierungskonfiguration 703 auszuführen. Die Modellkalibrierungs-/- anpassungskomponente 702 kann Dateneingaben, zur Definition von Populationen verwendete Merkmale oder Schlüsselmodellparameter modifizieren. Die Modellkalibrierungs-/- anpassungskomponente 702 kann zu einer früheren Version des Modells zurückkehren.
  • Das Modellimplementierungsmodul 700 weist eine Komponente 706 für die Eingabedatenprüfung und Konfiguration/Vorbereitung und eine Laufzeitumgebungsprüfungs- und Konfigurationskomponente 707 auf, die Prüfungen, Konfigurationen und Vorbereitungen auf Grundlage der Implementierungskonfiguration durchführen. Die Komponente für die Eingabedatenprüfung und Konfiguration/Vorbereitung 706 führte eine Prüfung der Eingabedaten durch, konfiguriert das Analysemodell auf Grundlage der Eingabedaten für die Implementierung und bereitet es entsprechend vor. Das Modellimplementierungsmodul 700 hat zudem die Fähigkeit, die Abhängigkeit implementierter Analysen zu spezifizieren (grafische Darstellung des Implementierungs-Workflows). Die Komponente 707 für die Laufzeitumgebungsprüfung und -konfiguration führt eine Prüfung der Laufzeitumgebung durch und konfiguriert das Analysemodell auf Grundlage der Laufzeitumgebung für die Implementierung. Eine Komponente 708 für die Laufzeitleistungsfestlegung legt die Laufzeitleistung, mit der das Analysemodell verglichen wird, sowie die Schlüsselparameter für die Leistung fest, die in die Rückmeldung aufgenommen werden.
  • Ein Modellimplementierungsmodul 700 weist außerdem eine Implementierungsverfolgungsfunktion 704 auf, um die Vielfalt von verschiedenen Implementierungen an unterschiedlichen Standorten sowie die zeitlichen Planungsanforderungen zu verwalten. Das Modellimplementierungsmodul 700 erzeugt einen Implementierungszeitplan 705, nach dem die verschiedenen Analysemodule in ihren jeweiligen Laufzeitumgebungen implementiert werden.
  • 8 ist ein Blockschaubild, das ein Modellüberwachungsmodul gemäß einer veranschaulichenden Ausführungsform darstellt. In dem dargestellten Beispiel weist das Modellüberwachungsmodul 700 eine Komponente 801 für die regelmäßige Leistungsaktualisierung auf, die in regelmäßigen Abständen über die Leistung des implementierten Modells X Bericht erstattet. Die Häufigkeit der Komponente 801 für die regelmäßige Aktualisierung der Modellleistung ist abhängig von der Art der Analyse sowie von der Verfügbarkeit von Zieldaten für die Bereitstellung einer Leistungsbeurteilung.
  • Das Modellüberwachungsmodul 800 weist zudem eine Komponente 802 für die Leistungsabweichungserkennung und -benachrichtigung auf. Wenn die Modellleistung auf einen Wert unterhalb des Normalbereichs abfällt, erkennt die Komponente 802 für die Leistungsabweichungserkennung und -benachrichtigung die Leistungsabweichung und erzeugt einen Alarm oder eine Benachrichtigung und verschickt die Benachrichtigung zum Zwecke der Berichterstattung.
  • 9 ist ein Blockschaubild, das ein Modellrückmeldungsmodul gemäß einer veranschaulichenden Ausführungsform darstellt. Die durch das Modellüberwachungsmodul erzeugte Benachrichtigung über die Leistungsabweichung löst einen Schlussfolgerungsprozess aus, um zu untersuchen, wo die Ursachen für die Leistungsabweichung liegen, z.B. ein Fehlen notwendiger Merkmale, eine Verteilungsabweichung von Eingabemerkmalen für die prädiktive Modellierung, die Erkennung einer neuen Datenzufuhr, eine automatisierte Hypothesenprüfung usw. Eine Abweichungsschlussfolgerungskomponente 901 führt eine Schlussfolgerungsverarbeitung durch, um die Ursache der Leistungsabweichung zu ermitteln.
  • Die Abweichungsschlussfolgerungskomponente 901 kann selbst Analysen verwenden, um die Ursache der Leistungsabweichung zu ermitteln. So kann die Abweichungsschlussfolgerungskomponente 901 zum Beispiel Korrelationen zwischen Dateneingaben, Merkmale zur Definition von Populationen usw. und Instanzen einer Leistungsminderung feststellen. Alternativ oder ergänzend hierzu kann die Abweichungsschlussfolgerungskomponente 901 maschinelles Lernen verwenden, indem sie frühere Leistungsabweichungen und bekannte Ursachen als Trainingsdaten erfasst und ein maschinelles Lernen verwendendes Modell auf Grundlage der Trainingsdaten trainiert.
  • Die Abweichungsschlussfolgerungskomponente 901 stellt die identifizierte Ursache der Leistungsabweichung einer Verbesserungsschlussfolgerungsfunktion 902 bereit, um die Notwendigkeit und den Grad eines Neutrainings zu ermitteln. Die Verbesserungsschlussfolgerungskomponente 902 analysiert die Leistungsabweichungsdaten und die identifizierte Ursache, um zu ermitteln, welche(r) Teil(e) der Analyse-Pipeline in dem Analyse-Repository und/oder welches Modell in dem Modell-Repository verbessert werden müssen, um die Intensität des Neutrainings zu ermitteln und zu ermitteln, in welchem Umfang die Verbesserung benötigt wird. So kann die Verbesserungsschlussfolgerungsfunktion 902 zum Beispiel folgenden Verbesserungsbedarf ermitteln: 1) geringfügige Aktualisierung von Modellparametern; 2) moderate Aktualisierung von Modellstruktur und -parametern; 3) weitreichende Aktualisierung des Modells wie z.B. Hinzufügen oder Löschen von Eingabeparametern usw., die an das Analyse-Pipeline-Repository zurückgemeldet werden müssen. Die Verbesserungsschlussfolgerungsfunktion 902 kann Analysen oder maschinelles Lernen verwenden. So kann die Verbesserungsschlussfolgerungsfunktion 902 zum Beispiel andere Clients identifizieren, bei denen dasselbe Problem aufgetreten ist, und ermitteln, wie die Clients das Problem gelöst haben. Die Verbesserungsschlussfolgerungsfunktion 902 kann die Korrelation anhand von Analysen identifizieren und die erkannten Korrelationen als Trainingsinstanzen verwenden.
  • Ein Rückmeldungsverfolgungsmodul 903 zeichnet alle notwendigen Informationen für ein Verbesserungs-Neutraining auf, z.B. die Ursache der Abweichung, den Bedarf und die Intensität des Neutrainings, das zugehörige Implementierungsmodell, das Modell-Repository, das Pipeline-Repository, die Zeitmarke der Ereigniserkennung usw. Diese aufgezeichneten Informationen können bei künftigen Interaktionen unter Verwendung von maschinellem Lernen als Trainingsdaten für eine Abweichungsschlussfolgerung und eine Schlussfolgerung zum Verbesserungsbedarf verwendet werden. Danach meldet das Modellrückmeldungsmodul 900 die Informationen zum Verbesserungs-Neutraining an das Modell-Repository 904 und das Analyse-Pipeline-Repository 905 zurück.
  • 10 ist ein Ablaufplan, der einen Betrieb eines Mechanismus für eine skalierbare und nachverfolgbare Gesundheitsdaten-Analysesystem-Verwaltung gemäß einer veranschaulichenden Ausführungsform veranschaulicht. Die Operation beginnt (Block 1000), und ein Entwickler oder Datenwissenschaftler entwirft eine Analysetrainings-Pipeline für einen geschäftlichen Anwendungsfall (Block 1001). Der Entwickler oder Datenwissenschaftler nimmt eine Feinabstimmung des Analysemodells unter Berücksichtigung spezifischer Dateneingaben und Konfigurationen vor (Block 1002). Die Analyse-Pipeline kann in einem versionierten Analyse-Pipeline-Repository gespeichert werden, und das Analysemodell kann in einem versionierten Modell-Repository gespeichert werden.
  • Ein Modellimplementierungsmodul implementiert das Analysemodell in der Laufzeitumgebung des Kunden (Block 1003). Ein Modellüberwachungsmodul überwacht daraufhin die Laufzeitleistung (Block 1004) und ermittelt, ob eine Leistungsabweichung erkannt wird (Block 1005). Wenn das Modellüberwachungsmodul keine Leistungsabweichung erkennt, kehrt die Operation zu Block 1004 zurück, um die Leistung weiter zu überwachen.
  • Wenn das Modellüberwachungsmodul in Block 1005 eine Leistungsabweichung erkennt, analysiert eine Abweichungsschlussfolgerungskomponente das Modell und die erkannte Abweichung, um eine mögliche Ursache der Leistungsabweichung zu ermitteln (Block 1006). Eine Verbesserungsschlussfolgerungskomponente ermittelt einen Verbesserungsbedarf, um eine Anpassung an die Leistungsabweichung vorzunehmen (Block 1007). Danach meldet der Mechanismus die Ergebnisse an die Analyseentwicklungsverwaltung zurück (Block 1008). Im Anschluss daran kehrt die Operation zurück, um die Analyse-Pipeline in dem Analyse-Pipeline-Repository in Block 1001 anzupassen und in Block 1002 eine Feinabstimmung des Analysemodells in dem Analyse-Pipeline-Repository vorzunehmen.
  • Auf diese Weise ermöglichen veranschaulichende Ausführungsformen eine Analysekontrolle, die Fehler verringert und die Effizienz von umfangreichen Operationen mit Analyseobjekten verbessert. Die veranschaulichenden Ausführungsformen stellen einen standardisierten Ansatz zum Speichern und Versionieren von Analyse-Pipelines und Modellen bereit. Objekte sind in jedem Schritt des Lebenszyklus nachverfolgbar. Die veranschaulichenden Ausführungsformen verbessern die Zusammenarbeit und die Wiederverwendbarkeit von Objekten über einen Standard-Workflow, Funktionsbibliotheken und API-Dienste. Die veranschaulichenden Ausführungsformen verbessern die Geschwindigkeit der Analyseanpassung und -implementierung. Die konfigurierbare Analyse-Pipeline ermöglicht eine „Feinabstimmung“ von Analyseobjekten an spezifische Patientenpopulationsmerkmale oder -daten. Objekte sind durchsuchbar, wiederverwendbar und erweiterbar. Die veranschaulichenden Ausführungsformen verbessern die Genauigkeit und Relevanz einer datengestützten Evidenz mit einem geschlossenschleifigen System für kontinuierliches und adaptives Lernen.
  • Bei der vorliegenden Erfindung kann es sich um ein System, ein Verfahren und/oder ein Computerprogrammprodukt handeln. Das Computerprogrammprodukt kann (ein) durch einen Computer lesbare(s) Speichermedium (oder -medien) beinhalten, auf dem/denen durch einen Computer lesbare Programmanweisungen gespeichert sind, um einen Prozessor dazu zu veranlassen, Aspekte der vorliegenden Erfindung auszuführen.
  • Bei dem durch einen Computer lesbaren Speichermedium kann es sich um eine physische Einheit handeln, die Befehle zur Verwendung durch eine Befehlsausführungseinheit behalten und speichern kann. Bei dem durch einen Computer lesbaren Speichermedium kann es sich zum Beispiel um eine elektronische Speichereinheit, eine magnetische Speichereinheit, eine optische Speichereinheit, eine elektromagnetische Speichereinheit, eine Halbleiterspeichereinheit oder jede geeignete Kombination daraus handeln, ohne auf diese beschränkt zu sein. Zu einer nicht erschöpfenden Liste spezifischerer Beispiele des durch einen Computer lesbaren Speichermediums gehören die Folgenden: eine tragbare Computerdiskette, eine Festplatte, ein Direktzugriffsspeicher (RAM), ein Nur-Lese-Speicher (ROM), ein löschbarer programmierbarer Nur-Lese-Speicher (EPROM bzw. Flash-Speicher), ein statischer Direktzugriffsspeicher (SRAM), ein tragbarer Compact-Disc-Nur-Lese-Speicher (CD-ROM), eine DVD (Digital Versatile Disc), ein Speicher-Stick, eine Diskette, eine mechanisch kodierte Einheit wie zum Beispiel Lochkarten oder erhabene Strukturen in einer Rille, auf denen Anweisungen gespeichert sind, und jede geeignete Kombination daraus. Ein durch einen Computer lesbares Speichermedium soll in der Verwendung hierin nicht als flüchtige Signale an sich aufgefasst werden, wie zum Beispiel Funkwellen oder andere sich frei ausbreitende elektromagnetische Wellen, elektromagnetische Wellen, die sich durch einen Wellenleiter oder ein anderes Übertragungsmedium ausbreiten (z.B. durch ein Lichtwellenleiterkabel geleitete Lichtimpulse) oder durch einen Draht übertragene elektrische Signale.
  • Hierin beschriebene, durch einen Computer lesbare Programmanweisungen können von einem durch einen Computer lesbaren Speichermedium auf jeweilige Datenverarbeitungs-/Verarbeitungseinheiten oder über ein Netzwerk wie zum Beispiel das Internet, ein lokales Netzwerk, ein Weitverkehrsnetz und/oder ein drahtloses Netzwerk auf einen externen Computer oder eine externe Speichereinheit heruntergeladen werden. Das Netzwerk kann Kupferübertragungskabel, Lichtwellenübertragungsleiter, drahtlose Übertragung, Leitwegrechner, Firewalls, Vermittlungseinheiten, Gateway-Computer und/oder Edge-Server aufweisen. Eine Netzwerkadapterkarte oder Netzwerkschnittstelle in jeder Datenverarbeitungs-/Verarbeitungseinheit empfängt durch einen Computer lesbare Programmanweisungen aus dem Netzwerk und leitet die durch einen Computer lesbaren Programmanweisungen zur Speicherung in einem durch einen Computer lesbaren Speichermedium innerhalb der entsprechenden Datenverarbeitungs-/Verarbeitungseinheit weiter.
  • Bei durch einen Computer lesbaren Programmanweisungen zum Ausführen von Arbeitsschritten der vorliegenden Erfindung kann es sich um Assembler-Anweisungen, ISA-Anweisungen (Instruction-Set-Architecture), Maschinenanweisungen, maschinenabhängige Anweisungen, Mikrocode, Firmware-Anweisungen, zustandssetzende Daten oder entweder Quellcode oder Objektcode handeln, die in einer beliebigen Kombination aus einer oder mehreren Programmiersprachen geschrieben werden, darunter objektorientierte Programmiersprachen wie Java, Smalltalk, C++ o.ä. sowie herkömmliche prozedurale Programmiersprachen wie die Programmiersprache „C“ oder ähnliche Programmiersprachen. Die durch einen Computer lesbaren Programmanweisungen können vollständig auf dem Computer des Benutzers, teilweise auf dem Computer des Benutzers, als eigenständiges Software-Paket, teilweise auf dem Computer des Benutzers und teilweise auf einem fernen Computer oder vollständig auf dem fernen Computer oder Server ausgeführt werden. In letzterem Fall kann der ferne Computer mit dem Computer des Benutzers durch eine beliebige Art Netzwerk verbunden sein, darunter LAN oder ein WAN, oder die Verbindung kann mit einem externen Computer hergestellt werden (zum Beispiel über das Internet unter Verwendung eines Internet-Dienstanbieters). In einigen Ausführungsformen können elektronische Schaltungen, darunter zum Beispiel programmierbare Logikschaltungen, im Feld programmierbare Gatter-Anordnungen (FPGA, Field Programmable Gate Arrays) oder programmierbare Logikanordnungen (PLA, Programmable Logic Arrays) die durch einen Computer lesbaren Programmanweisungen ausführen, indem sie Zustandsinformationen der durch einen Computer lesbaren Programmanweisungen nutzen, um die elektronischen Schaltungen zu personalisieren, um Aspekte der vorliegenden Erfindung durchzuführen.
  • Aspekte der vorliegenden Erfindung sind hierin unter Bezugnahme auf Ablaufpläne und/oder Blockschaltbilder bzw. Schaubilder von Verfahren, Vorrichtungen (Systemen) und Computerprogrammprodukten gemäß Ausführungsformen der Erfindung beschrieben. Es wird darauf hingewiesen, dass jeder Block der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder sowie Kombinationen von Blöcken in den Ablaufplänen und/oder den Blockschaltbildern bzw. Schaubildern durch durch einen Computer lesbare Programmanweisungen ausgeführt werden können.
  • Diese durch einen Computer lesbaren Programmanweisungen können einem Prozessor eines Universalcomputers, eines Spezialcomputers oder einer anderen programmierbaren Datenverarbeitungsvorrichtung bereitgestellt werden, um eine Maschine zu erzeugen, so dass die über den Prozessor des Computers bzw. der anderen programmierbaren Datenverarbeitungsvorrichtung ausgeführten Anweisungen ein Mittel zur Umsetzung der in dem Block bzw. den Blöcken der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktionen/Schritte erzeugen. Diese durch einen Computer lesbaren Programmanweisungen können auch auf einem durch einen Computer lesbaren Speichermedium gespeichert sein, das einen Computer, eine programmierbare Datenverarbeitungsvorrichtung und/oder andere Einheiten so steuern kann, dass sie auf eine bestimmte Art funktionieren, so dass das durch einen Computer lesbare Speichermedium, auf dem Anweisungen gespeichert sind, ein Herstellungsprodukt aufweist, darunter Anweisungen, welche Aspekte der/des in dem Block bzw. den Blöcken des Ablaufplans und/oder der Blockschaltbilder bzw. Schaubilder angegebenen Funktion/Schritts umsetzen.
  • Die durch einen Computer lesbaren Programmanweisungen können auch auf einen Computer, eine andere programmierbare Datenverarbeitungsvorrichtung oder eine andere Einheit geladen werden, um das Ausführen einer Reihe von Prozessschritten auf dem Computer bzw. der anderen programmierbaren Vorrichtung oder anderen Einheit zu verursachen, um einen durch einen Computer umgesetzten Prozess zu erzeugen, so dass die auf dem Computer, einer anderen programmierbaren Vorrichtung oder einer anderen Einheit ausgeführten Anweisungen die in dem Block bzw. den Blöcken der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktionen/Schritte umsetzen.
  • Die Ablaufpläne und die Blockschaltbilder bzw. Schaubilder in den Figuren veranschaulichen die Architektur, die Funktionalität und den Betrieb möglicher Ausführungen von Systemen, Verfahren und Computerprogrammprodukten gemäß verschiedenen Ausführungsformen der vorliegenden Erfindung. In diesem Zusammenhang kann jeder Block in den Ablaufplänen oder Blockschaltbildern bzw. Schaubildern ein Modul, ein Segment oder einen Teil von Anweisungen darstellen, die eine oder mehrere ausführbare Anweisungen zur Ausführung der bestimmten logischen Funktion(en) aufweisen. In einigen alternativen Ausführungen können die in dem Block angegebenen Funktionen in einer anderen Reihenfolge als in den Figuren gezeigt stattfinden. Zwei nacheinander gezeigte Blöcke können zum Beispiel in Wirklichkeit im Wesentlichen gleichzeitig ausgeführt werden, oder die Blöcke können manchmal je nach entsprechender Funktionalität in umgekehrter Reihenfolge ausgeführt werden. Es ist ferner anzumerken, dass jeder Block der Blockschaltbilder bzw. Schaubilder und/oder der Ablaufpläne sowie Kombinationen aus Blöcken in den Blockschaltbildern bzw. Schaubildern und/oder den Ablaufplänen durch spezielle auf Hardware beruhende Systeme umgesetzt werden können, welche die festgelegten Funktionen oder Schritte durchführen, oder Kombinationen aus Spezial-Hardware und Computeranweisungen ausführen.
  • Wie oben erwähnt, sollte klar sein, dass die veranschaulichenden Ausführungsformen in Gestalt einer vollständig aus Hardware bestehenden Ausführungsform, einer vollständig aus Software bestehenden Ausführungsform oder in Gestalt einer Ausführungsform vorliegen können, die sowohl Hardware- als auch Software-Elemente beinhaltet. Bei einer Beispielausführungsform werden die Mechanismen der veranschaulichenden Ausführungsformen in Software oder in Programmcode realisiert, wobei dies z.B. Firmware, speicherresidente Software, Mikrocode usw. beinhaltet, ohne darauf beschränkt zu sein.
  • Ein zum Speichern und/oder Ausführen von Programmcode geeignetes Datenverarbeitungssystem beinhaltet mindestens einen Prozessor, der über einen Datenübertragungsbus wie zum Beispiel einen Systembus direkt oder indirekt mit Arbeitsspeicherelementen verbunden wird. Die Arbeitsspeicherelemente können einen lokalen Arbeitsspeicher beinhalten, der während der tatsächlichen Ausführung des Programmcodes verwendet wird, einen Massenspeicher und Cache-Arbeitsspeicher, die eine vorübergehende Speicherung von mindestens einem Teil des Programmcodes bereitstellen, um die Häufigkeit zu verringern, mit welcher Code während der Ausführung aus dem Massenspeicher abgerufen werden muss. Dabei kann es sich um verschiedene Arten von Arbeitsspeicher handeln, z.B. um einen ROM, PROM, EPROM, EEPROM, DRAM, SRAM, Flash-Arbeitsspeicher, Halbleiterspeicher und dergleichen, ohne darauf beschränkt zu sein.
  • Eingabe/Ausgabe- bzw. E/A-Einheiten (z.B., ohne darauf beschränkt zu sein, Tastaturen, Anzeigen, Zeigeeinheiten usw.) können entweder direkt oder über dazwischengeschaltete drahtgebundene oder drahtlose E/A-Schnittstellen und/oder -Controller mit dem System verbunden werden. E/A-Einheiten können in vielerlei anderen Formen als herkömmliche Tastaturen, Anzeigen, Zeigeeinheiten und dergleichen vorliegen, zum Beispiel als Datenübertragungseinheiten, die über drahtgebundene oder drahtlose Verbindungen verbunden werden, wie z.B. Smartphones, Tablet Computer, Einheiten mit berührungsempfindlichem Bildschirm, Spracherkennungseinheiten und dergleichen. Jede bekannte oder künftig entwickelte E/A-Einheit ist als innerhalb des inhaltlichen Umfangs der veranschaulichenden Ausführungsformen zu verstehen.
  • Netzwerkadapter können ebenfalls mit dem System verbunden werden, um die Verbindung des Datenverarbeitungssystems mit anderen Datenverarbeitungssystemen oder mit entfernt angeordneten Druckern oder Speichereinheiten über dazwischengeschaltete private oder öffentliche Netzwerke zu ermöglichen. Modems, Kabelmodems und Ethernet-Karten sind nur einige der momentan verfügbaren Typen von Netzwerkadaptern für eine drahtgebundene Datenübertragung. Daneben können auch Netzwerkadapter auf Grundlage einer drahtlosen Datenübertragung verwendet werden, z.B. drahtlose 802.11-a/b/g/n-Datenübertragungsadapter, drahtlose Bluetooth-Adapter und dergleichen, ohne darauf beschränkt zu sein. Alle bekannten oder künftig entwickelten Netzwerkadapter sind als innerhalb des gedanklichen Wesensgehalts und inhaltlichen Umfangs der vorliegenden Erfindung liegend zu verstehen.
  • Die Beschreibung der vorliegenden Erfindung wurde zum Zwecke der Veranschaulichung und Erläuterung vorgelegt und ist mit Bezug auf die offenbarte Erfindung nicht als vollständig oder beschränkend zu verstehen. Der Fachmann weiß, dass zahlreiche Änderungen und Abwandlungen möglich sind, ohne von Umfang und Geist der beschriebenen Ausführungsformen abzuweichen. Die Ausführungsform wurde ausgewählt und beschrieben, um die Grundsätze der Erfindung und die praktische Anwendung bestmöglich zu erläutern und um anderen Fachleuten die Möglichkeit zu geben, die Erfindung mit Blick auf verschiedene Ausführungsformen mit verschiedenen Abwandlungen zu verstehen, wie sie für die jeweilige, in Erwägung gezogene Verwendung geeignet sind. Die hier verwendete Begrifflichkeit wurde gewählt, um die Grundsätze der Ausführungsformen, die praktische Anwendung oder technische Verbesserung gegenüber marktgängigen Technologien bestmöglich zu erläutern bzw. anderen Fachleuten das Verständnis der hier offenbarten Ausführungsformen zu ermöglichen.

Claims (22)

  1. Verfahren in einem Datenverarbeitungssystem, aufweisend mindestens einen Prozessor und mindestens einen Arbeitsspeicher, wobei der mindestens eine Arbeitsspeicher Befehle aufweist, die durch den mindestens einen Prozessor ausgeführt werden, um den mindestens einen Prozessor zu veranlassen, ein Gesundheitsdaten-Analysesystem-Verwaltungssystem zu realisieren, wobei das Verfahren aufweist: ein Entwickeln, durch ein Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung des Gesundheitsdaten-Analysesystem-Verwaltungssystems, einer Analyse-Pipeline eines Satzes von Analyseobjekten auf Grundlage eines Satzes von Anforderungen für einen Gesundheitsdaten-Analysesystem-Client sowie eines Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Satzes von Analyseobjekten und des Satzes von Anforderungen, wobei das Gesundheitsdaten-Analysesystem-Modell mit der Analyse-Pipeline verknüpft ist; ein Betreiben, durch ein Modellbetriebsmodul eines Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb des Gesundheitsdaten-Analysesystem-Verwaltungssystems, des Gesundheitsdaten-Analysesystem-Modells auf einem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers; ein Ermitteln, durch ein Modellrückmeldungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb, eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell als Reaktion darauf, dass ein Modellüberwachungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb eine Leistungsabweichung des implementierten Gesundheitsdaten-Analysesystem-Modells für eine Leistungsabweichung von dem Satz von Geschäftsanforderungen für den Gesundheitsdaten-Analysesystem-Client erkennt; ein Rückmelden, durch das Modellrückmeldungsmodul, des Verbesserungsbedarfs an das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung; und ein Anpassen, durch das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung, des Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Verbesserungsbedarfs.
  2. Verfahren nach Anspruch 1, wobei der Satz von Analyseobjekten einen oder mehrere Analyseobjekte aus der Gruppe bestehend aus Datenqualität und -erkenntnissen, Kohortenerstellung, Merkmalserstellung und präskriptiver und prädiktiver Analyse aufweist.
  3. Verfahren nach Anspruch 1, wobei das Betreiben des Gesundheitsdaten-Analysesystem-Modells des Weiteren ein Verifizieren einer oder mehrerer Eingabedatenprüfungen, ein Durchführen einer Eingabedatenkonfiguration, ein Durchführen einer Eingabedatenvorbereitung, ein Verifizieren einer oder mehrerer Laufzeitumgebungsprüfungen oder ein Durchführen einer Laufzeitkonfiguration aufweist.
  4. Verfahren nach Anspruch 1, des Weiteren aufweisend ein Speichern der Analyse-Pipeline in einem versionierten Analyse-Pipeline-Repository, wobei das versionierte Analyse-Pipeline-Repository wiederverwendbare Bibliotheken aufweist und wobei die versionierte Analyse-Pipeline annotiert wird, um Metadaten anzugeben.
  5. Verfahren nach Anspruch 4, wobei das versionierte Analyse-Pipeline-Repository mindestens eines erfasst von: Analyseobjekten; einer Analyse-Workflow-Pipeline oder einer Abhängigkeit von Objekten; etwaigen Meta-/Konfigurationsdaten zur Unterstützung des Workflows; und Leistungskennzahlen (KPIs, Key Performance Indicators) oder Ausgabeergebnissen entlang des Workflows.
  6. Verfahren nach Anspruch 5, des Weiteren aufweisend ein Speichern des Gesundheitsdaten-Analysesystem-Modells in einem versionierten Analyse-Modell-Repository, wobei das versionierte Analyse-Modell-Repository annotiert wird, um Metadaten anzugeben.
  7. Verfahren nach Anspruch 6, wobei das Modell-Repository mindestens eines erfasst von: Metadaten von Eingabedatenanforderungen; Metadaten von Laufzeitumgebungsanforderungen; Metadaten von Modellparametern; oder Metadaten von Ausgangs-Leistungskennzahlen (KPI) zur Modellleistung.
  8. Verfahren nach Anspruch 6, des Weiteren aufweisend ein Verfügbarmachen von Konfigurationsparametern des versionierten Analyse-Pipeline-Repositorys und der Metadaten des versionierten Analyse-Modell-Repositorys über eine Anwendungsprogrammschnittstelle.
  9. Verfahren nach Anspruch 1, wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell ein Ermitteln einer Ursache der Leistungsabweichung und ein Ermitteln einer Modellverbesserung auf Grundlage der Leistungsabweichung und der ermittelten Ursache aufweist.
  10. Verfahren nach Anspruch 9, wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell des Weiteren ein Ermitteln eines Bedarfsgrads aufweist, welcher der Modellverbesserung zugehörig ist.
  11. Verfahren nach Anspruch 9, wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell des Weiteren ein Verwenden von kontinuierlichem Lernen auf Grundlage von Analysen oder eines maschinelles Lernen verwendenden Modells aufweist.
  12. Verfahren nach Anspruch 1, wobei ein Implementieren des Gesundheitsdaten-Analysesystem-Modells auf dem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers ein Implementieren einer Zusammenstellung einer Mehrzahl von Gesundheitsdaten-Analysesystem-Modellen auf dem Satz von Datenverarbeitungseinheiten aufweist.
  13. Verfahren nach Anspruch 1, wobei ein Anpassen des Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Verbesserungsbedarfs ein Modifizieren von Dateneingaben, zur Definition von Populationen verwendeten Merkmalen oder Schlüsselmodellparametern aufweist.
  14. Verfahren nach Anspruch 1, wobei ein Anpassen des Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Verbesserungsbedarfs ein Zurückkehren zu einer früheren Version des Gesundheitsdaten-Analysesystem-Modells aufweist.
  15. Computerprogrammprodukt, aufweisend ein durch einen Computer lesbares Speichermedium mit einem darin gespeicherten durch einen Computer lesbaren Programm, das bei Ausführung auf einer Datenverarbeitungseinheit die Datenverarbeitungseinheit veranlasst, ein Gesundheitsdaten-Analysesystem-Verwaltungssystem zu realisieren, wobei das durch einen Computer lesbare Programm die Datenverarbeitungseinheit veranlasst zu: einem Entwickeln, durch ein Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung des Gesundheitsdaten-Analysesystem-Verwaltungssystems, einer Analyse-Pipeline eines Satzes von Analyseobjekten für eine ausgewählte Gesundheitsfürsorge auf Grundlage eines Satzes von Anforderungen für einen Gesundheitsdaten-Analysesystem-Client sowie eines Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Satzes von Analyseobjekten und des Satzes von Anforderungen, wobei das Gesundheitsdaten-Analysesystem-Modell mit der Analyse-Pipeline verknüpft ist; einem Betreiben, durch ein Betriebsmodul eines Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb des Gesundheitsdaten-Analysesystem-Verwaltungssystems, des Gesundheitsdaten-Analysesystem-Modells auf einem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers; einem Ermitteln, durch ein Modellrückmeldungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb, eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell als Reaktion darauf, dass ein Modellüberwachungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb eine Leistungsabweichung des implementierten Gesundheitsdaten-Analysesystem-Modells für eine Leistungsabweichung von dem Satz von Geschäftsanforderungen für den Gesundheitsdaten-Analysesystem-Client erkennt; einem Rückmelden, durch das Modellrückmeldungsmodul, des Verbesserungsbedarfs an das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung; und einem Anpassen, durch das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung, des Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Verbesserungsbedarfs.
  16. Computerprogrammprodukt nach Anspruch 15, wobei das Betreiben des Gesundheitsdaten-Analysesystem-Modell des Weiteren ein Verifizieren einer oder mehrerer Eingabedatenprüfungen, ein Durchführen einer Eingabedatenkonfiguration, ein Durchführen einer Eingabedatenvorbereitung, ein Verifizieren einer oder mehrerer Laufzeitumgebungsprüfungen oder ein Durchführen einer Laufzeitkonfiguration aufweist.
  17. Computerprogrammprodukt nach Anspruch 15, wobei das durch einen Computer lesbare Programm die Datenverarbeitungseinheit des Weiteren veranlasst zu: einem Speichern der Analyse-Pipeline in einem versionierten Analyse-Pipeline-Repository, wobei das versionierte Analyse-Pipeline-Repository wiederverwendbare Bibliotheken aufweist und wobei die versionierte Analyse-Pipeline annotiert wird, um Metadaten anzugeben; einem Speichern des Gesundheitsdaten-Analysesystem-Modells in einem versionierten Analyse-Modell-Repository, wobei das versionierte Analyse-Modell-Repository annotiert wird, um Metadaten anzugeben; und einem Verfügbarmachen von Konfigurationsparametern des versionierten Analyse-Pipeline-Repositorys und der Metadaten des versionierten Analyse-Modell-Repositorys über eine Anwendungsprogrammschnittstelle.
  18. Computerprogrammprodukt nach Anspruch 15, wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell ein Ermitteln einer Ursache der Leistungsabweichung und ein Ermitteln einer Modellverbesserung auf Grundlage der Leistungsabweichung und der ermittelten Ursache aufweist und wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell des Weiteren ein Ermitteln eines Bedarfsgrads aufweist, welcher der Modellverbesserung zugehörig ist.
  19. Vorrichtung, aufweisend: einen Prozessor; und einen mit dem Prozessor verbundenen Arbeitsspeicher, wobei der Arbeitsspeicher Befehle aufweist, die bei Ausführung durch den Prozessor den Prozessor veranlassen, ein Gesundheitsdaten-Analysesystem-Verwaltungssystem zu realisieren, wobei die Befehle den Prozessor veranlassen, zu: einem Entwickeln, durch ein Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung des Gesundheitsdaten-Analysesystem-Verwaltungssystems, einer Analyse-Pipeline eines Satzes von Analyseobjekten für eine ausgewählte Gesundheitsfürsorge auf Grundlage eines Satzes von Anforderungen für einen Gesundheitsdaten-Analysesystem-Client sowie eines Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Satzes von Analyseobjekten und des Satzes von Anforderungen, wobei das Gesundheitsdaten-Analysesystem-Modell mit der Analyse-Pipeline verknüpft ist; einem Implementieren, durch ein Modellimplementierungsmodul eines Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb des Gesundheitsdaten-Analysesystem-Verwaltungssystems, des Gesundheitsdaten-Analysesystem-Modells auf einem Satz von Datenverarbeitungseinheiten des ausgewählten Gesundheitsfürsorge-Verbrauchers; einem Ermitteln, durch ein Modellrückmeldungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb, eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell als Reaktion darauf, dass ein Modellüberwachungsmodul des Teilsystems für einen Gesundheitsdaten-Analysesystem-Betrieb eine Leistungsabweichung des implementierten Gesundheitsdaten-Analysesystem-Modells für eine Leistungsabweichung von dem Satz von Geschäftsanforderungen für den Gesundheitsdaten-Analysesystem-Client erkennt; einem Rückmelden, durch das Modellrückmeldungsmodul, des Verbesserungsbedarfs an das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung; und einem Anpassen, durch das Teilsystem einer Gesundheitsdaten-Analysesystem-Entwicklung, des Gesundheitsdaten-Analysesystem-Modells auf Grundlage des Verbesserungsbedarfs.
  20. Vorrichtung nach Anspruch 19, wobei das Betreiben des Gesundheitsdaten-Analysesystem-Modells des Weiteren ein Verifizieren einer oder mehrerer Eingabedatenprüfungen, ein Durchführen einer Eingabedatenkonfiguration, ein Durchführen einer Eingabedatenvorbereitung, ein Verifizieren einer oder mehrerer Laufzeitumgebungsprüfungen oder ein Durchführen einer Laufzeitkonfiguration aufweist.
  21. Vorrichtung nach Anspruch 19, wobei die Befehle den Prozessor des Weiteren veranlassen zu: einem Speichern der Analyse-Pipeline in einem versionierten Analyse-Pipeline-Repository, wobei das versionierte Analyse-Pipeline-Repository wiederverwendbare Bibliotheken aufweist und wobei die versionierte Analyse-Pipeline annotiert wird, um Metadaten anzugeben; einem Speichern des Gesundheitsdaten-Analysesystem-Modells in einem versionierten Analyse-Modell-Repository, wobei das versionierte Analyse-Modell-Repository annotiert wird, um Metadaten anzugeben; und einem Verfügbarmachen von Konfigurationsparametern des versionierten Analyse-Pipeline-Repositorys und der Metadaten des versionierten Analyse-Modell-Repositorys über eine Anwendungsprogrammschnittstelle.
  22. Vorrichtung nach Anspruch 19, wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell ein Ermitteln einer Ursache der Leistungsabweichung und ein Ermitteln einer Modellverbesserung auf Grundlage der Leistungsabweichung und der ermittelten Ursache aufweist, und wobei ein Ermitteln eines Verbesserungsbedarfs für das Gesundheitsdaten-Analysesystem-Modell des Weiteren ein Ermitteln eines Bedarfsgrads aufweist, welcher der Modellverbesserung zugehörig ist.
DE112018001524.6T 2017-03-23 2018-03-22 Gesundheitsdaten-analysesystem-verwaltung Pending DE112018001524T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/467,211 2017-03-23
US15/467,211 US11424023B2 (en) 2017-03-23 2017-03-23 Scalable and traceable healthcare analytics management
PCT/IB2018/051933 WO2018172971A1 (en) 2017-03-23 2018-03-22 Healthcare analytics management

Publications (1)

Publication Number Publication Date
DE112018001524T5 true DE112018001524T5 (de) 2019-12-19

Family

ID=63582758

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112018001524.6T Pending DE112018001524T5 (de) 2017-03-23 2018-03-22 Gesundheitsdaten-analysesystem-verwaltung

Country Status (7)

Country Link
US (3) US11424023B2 (de)
JP (1) JP6959988B2 (de)
CN (1) CN110494922B (de)
BR (1) BR112019019856A2 (de)
DE (1) DE112018001524T5 (de)
GB (1) GB2574568A (de)
WO (1) WO2018172971A1 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11424023B2 (en) 2017-03-23 2022-08-23 International Business Machines Corporation Scalable and traceable healthcare analytics management
US11417128B2 (en) * 2017-12-22 2022-08-16 Motorola Solutions, Inc. Method, device, and system for adaptive training of machine learning models via detected in-field contextual incident timeline entry and associated located and retrieved digital audio and/or video imaging
US11704370B2 (en) 2018-04-20 2023-07-18 Microsoft Technology Licensing, Llc Framework for managing features across environments
AU2019418585A1 (en) 2018-12-31 2021-08-12 Equifax Inc. Production-ready attributes creation and management for software development
KR102171436B1 (ko) * 2019-12-16 2020-10-29 주식회사 레몬헬스케어 Api 통합관리를 위한 클라우드 기반의 api 메타데이터 관리방법 및 시스템
US20220335357A1 (en) * 2021-04-16 2022-10-20 International Business Machines Corporation Identifying an influencer combination having a root cause to a key performance indicator change
US11586432B1 (en) * 2021-07-30 2023-02-21 Mckinsey & Company, Inc. Modular software architecture for machine learning pipelines

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7191183B1 (en) 2001-04-10 2007-03-13 Rgi Informatics, Llc Analytics and data warehousing infrastructure and services
US20030088565A1 (en) * 2001-10-15 2003-05-08 Insightful Corporation Method and system for mining large data sets
US20060007471A1 (en) 2004-07-08 2006-01-12 Sharp Kabushiki Kaisha Image forming apparatus and image scanner
US20060074710A1 (en) 2004-09-30 2006-04-06 Funk Michael K Healthcare revenue cycle management system
US8200527B1 (en) * 2007-04-25 2012-06-12 Convergys Cmg Utah, Inc. Method for prioritizing and presenting recommendations regarding organizaion's customer care capabilities
US8214308B2 (en) * 2007-10-23 2012-07-03 Sas Institute Inc. Computer-implemented systems and methods for updating predictive models
US9616153B2 (en) 2008-04-17 2017-04-11 Warsaw Orthopedic, Inc. Rigid bone graft substitute
US8275803B2 (en) 2008-05-14 2012-09-25 International Business Machines Corporation System and method for providing answers to questions
US8280838B2 (en) 2009-09-17 2012-10-02 International Business Machines Corporation Evidence evaluation system and method based on question answering
US20110125734A1 (en) 2009-11-23 2011-05-26 International Business Machines Corporation Questions and answers generation
EP2622599B1 (de) 2010-09-28 2019-10-23 International Business Machines Corporation Evidenzdiffusion zwischen in frage kommenden antworten während der beantwortung von fragen
US8738617B2 (en) 2010-09-28 2014-05-27 International Business Machines Corporation Providing answers to questions using multiple models to score candidate answers
US20120130728A1 (en) 2010-11-22 2012-05-24 International Business Machines Corporation Semantically enabled, data sensitive negotiation and collaboration engine
US20120191475A1 (en) 2011-01-07 2012-07-26 Abhishek Pandey Method and system for user centric, centralized access and management of healthcare related information, day today functions and administrative functions across multiple providers and entities in the healthcare eco-system
US9542566B2 (en) * 2011-06-24 2017-01-10 Alibaba.Com Limited Develop and deploy software in multiple environments
US8370280B1 (en) * 2011-07-14 2013-02-05 Google Inc. Combining predictive models in predictive analytical modeling
US8601030B2 (en) 2011-09-09 2013-12-03 International Business Machines Corporation Method for a natural language question-answering system to complement decision-support in a real-time command center
US20130191157A1 (en) 2012-01-17 2013-07-25 Optuminsight, Inc. Unified healthcare intelligence, analytics, and care management
US20130197922A1 (en) * 2012-01-31 2013-08-01 Guy Robert Vesto Method and system for discovery and continuous improvement of clinical pathways
WO2013142433A2 (en) * 2012-03-19 2013-09-26 Enterpriseweb Llc Declarative software application meta-model and system for self-modification
US20130253942A1 (en) 2012-03-22 2013-09-26 Hong Kong Baptist University Methods and Apparatus for Smart Healthcare Decision Analytics and Support
US20150149212A1 (en) * 2012-06-08 2015-05-28 Jerome Rolia Patient information interface
KR102197428B1 (ko) 2012-07-06 2021-01-04 난트 홀딩스 아이피, 엘엘씨 건강관리 분석 스트림 관리
US10346770B2 (en) * 2013-07-19 2019-07-09 Motio, Inc. Supplemental system for business intelligence systems
US20150100331A1 (en) 2013-10-08 2015-04-09 Joydeep Roychowdhury Business intelligence system and services for payor in healthcare industry
US20150149235A1 (en) 2013-11-27 2015-05-28 General Electric Company Methods and systems to improve a quality of data employed by a healthcare analytics system
JP2015103212A (ja) 2013-11-28 2015-06-04 株式会社日立製作所 セキュリティ評価システムおよびセキュリティ評価方法
US10803466B2 (en) 2014-01-28 2020-10-13 3M Innovative Properties Company Analytic modeling of protected health information
US20160019357A1 (en) * 2014-06-20 2016-01-21 The Bank Of New York Mellon Healthcare analytics system and method
US10007755B2 (en) * 2014-08-14 2018-06-26 Cognitive Scale, Inc. Hybrid data architecture for use within a healthcare industry optimized cognitive environment
US20160071171A1 (en) * 2014-09-04 2016-03-10 Treatspace Inc. System and method for managing and optimizing provider-to-patient and provider-to-provider communications and referrals
US9710606B2 (en) 2014-10-21 2017-07-18 uBiome, Inc. Method and system for microbiome-derived diagnostics and therapeutics for neurological health issues
EP3283652A4 (de) 2015-04-13 2018-12-05 Ubiome Inc. Verfahren und system für mikrobiomderivierte diagnostika und therapeutika für psychische erkrankungen
US11424023B2 (en) 2017-03-23 2022-08-23 International Business Machines Corporation Scalable and traceable healthcare analytics management

Also Published As

Publication number Publication date
US11355231B2 (en) 2022-06-07
US20180276342A1 (en) 2018-09-27
CN110494922A (zh) 2019-11-22
JP6959988B2 (ja) 2021-11-05
US20220344039A1 (en) 2022-10-27
GB201914873D0 (en) 2019-11-27
BR112019019856A2 (pt) 2020-04-22
US11424023B2 (en) 2022-08-23
JP2020511724A (ja) 2020-04-16
US20180276343A1 (en) 2018-09-27
GB2574568A (en) 2019-12-11
US11967418B2 (en) 2024-04-23
WO2018172971A1 (en) 2018-09-27
CN110494922B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
DE112018001524T5 (de) Gesundheitsdaten-analysesystem-verwaltung
DE112020004623T5 (de) Ml-basierte ereignishandhabung
DE69934102T2 (de) System und verfahren zur model-mining von komplexen informationtechnologiesystemen
Ram et al. Understanding the semantics of data provenance to support active conceptual modeling
DE112015002433T5 (de) Systeme und Techniken zur prädikativen Datenanalytik
DE112012004036T5 (de) Definieren des Geltungsbereichs und Verwalten der Rollenentwicklung
DE112011102394T5 (de) Verwalten und Optimieren von Workflows zwischen Computeranwendungen
Pérez-Castillo et al. Assessing event correlation in non-process-aware information systems
DE102021109767A1 (de) Systeme und methoden zur vorausschauenden sicherheit
DE112021006232T5 (de) Proaktive anomalieerkennung
DE102021130957A1 (de) Empfehlungen zur stabilität von software-aktualisierungen
DE112020003744T5 (de) Durch dienstqualitätskriterien vorgegebenes automatisiertes betriebsdatenmanagement
US20180349179A1 (en) Centralized flexible deployment system
DE112020004967T5 (de) Änderungsverwaltung und analytik für microservices
DE102021125183A1 (de) Auf künstlicher intelligenz beruhende empfehlung zur modernisierung von anwendungen
DE112021005636T5 (de) Migrieren von komplexen legacy-anwendungen
DE112021003402T5 (de) Blockchain-verwaltung von bereitstellungsfehlern
DE102006027669A1 (de) Workflow-Maschine zur Verwaltung einer Arbeitsliste und ein Verfahren hierfür
WO2003027916A2 (de) Prozessmanagement und prozessvalidierung
Tahir et al. Contextual graphs platform as a basis for designing a context-based intelligent assistant system
Mans et al. Process mining
DE102021125859A1 (de) Konfidenzberechnungen auf datenqualitätsgrundlage für aus zeitreihendaten abgeleitete kpis
DE112021004115T5 (de) Sicherheitssystem für eine Segmentierung von Computerdatei-Metadaten
Olbrish et al. Four-year enterprise PACS support trend analysis
DE102012223123B4 (de) Verhindern einer Fehlerausbreitung

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06F0019000000

Ipc: G16H0010200000

R081 Change of applicant/patentee

Owner name: MERATIVE US L.P. (N.D.GES.D.STAATES DELAWARE),, US

Free format text: FORMER OWNER: INTERNATIONAL BUSINESS MACHINES CORPORATION, ARMONK, NY, US

R082 Change of representative

Representative=s name: MEISSNER BOLTE PATENTANWAELTE RECHTSANWAELTE P, DE