JP2018503902A - 診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定することに適合した医用鑑別診断装置 - Google Patents
診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定することに適合した医用鑑別診断装置 Download PDFInfo
- Publication number
- JP2018503902A JP2018503902A JP2017533351A JP2017533351A JP2018503902A JP 2018503902 A JP2018503902 A JP 2018503902A JP 2017533351 A JP2017533351 A JP 2017533351A JP 2017533351 A JP2017533351 A JP 2017533351A JP 2018503902 A JP2018503902 A JP 2018503902A
- Authority
- JP
- Japan
- Prior art keywords
- diagnostic
- test
- probability
- tests
- index
- 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.)
- Granted
Links
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 89
- 201000010099 disease Diseases 0.000 title claims abstract description 86
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 77
- 208000024891 symptom Diseases 0.000 claims abstract description 121
- 230000007170 pathology Effects 0.000 claims abstract description 64
- 238000003745 diagnosis Methods 0.000 claims abstract description 40
- 230000001575 pathological effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 198
- 238000003748 differential diagnosis Methods 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 62
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 15
- BZUNJUAMQZRJIP-UHFFFAOYSA-N CPDA Natural products OCCCCCCCCCCCCCCC(O)=O BZUNJUAMQZRJIP-UHFFFAOYSA-N 0.000 description 13
- 208000035977 Rare disease Diseases 0.000 description 13
- 238000007689 inspection Methods 0.000 description 13
- GISJHCLTIVIGLX-UHFFFAOYSA-N n-[4-[(4-chlorophenyl)methoxy]pyridin-2-yl]-2-(2,6-difluorophenyl)acetamide Chemical compound FC1=CC=CC(F)=C1CC(=O)NC1=CC(OCC=2C=CC(Cl)=CC=2)=CC=N1 GISJHCLTIVIGLX-UHFFFAOYSA-N 0.000 description 13
- 230000036541 health Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000002452 interceptive effect Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- PMTMAFAPLCGXGK-JMTMCXQRSA-N (15Z)-12-oxophyto-10,15-dienoic acid Chemical compound CC\C=C/C[C@H]1[C@@H](CCCCCCCC(O)=O)C=CC1=O PMTMAFAPLCGXGK-JMTMCXQRSA-N 0.000 description 5
- PMTMAFAPLCGXGK-UHFFFAOYSA-N OPDA Natural products CCC=CCC1C(CCCCCCCC(O)=O)C=CC1=O PMTMAFAPLCGXGK-UHFFFAOYSA-N 0.000 description 5
- 101100028078 Oryza sativa subsp. japonica OPR1 gene Proteins 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 241001134453 Lista Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 208000035475 disorder Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000000153 supplemental effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 208000032023 Signs and Symptoms Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000876 binomial test Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000000472 traumatic effect Effects 0.000 description 2
- 206010013710 Drug interaction Diseases 0.000 description 1
- 208000011738 Lichen planopilaris Diseases 0.000 description 1
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 238000011194 good manufacturing practice Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011458 pharmacological treatment Methods 0.000 description 1
- 208000011797 pustulosis palmaris et plantaris Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
2)医師のそのときの活動と真に統合されているシステムの必要性であり、すなわち、当該の時点で利用でき、健康診断の代わりになるものである。
3)長期間のトレーニングが必要ではない、容易かつ迅速に相談できるシステムの必要性である。
4)評価とは対照的な推奨を提供するシステムの必要性である。
端的に言えば、ワトソン、さらにイサベル、および当技術分野で知られている最も重要なデバイスによって採用された基準は、洗練された検索エンジン(Google“グーグル”やYahoo“ヤフー”など)の類の開発に基づいており、それは、以下の構成にある。つまり、
2.自然言語分析アルゴリズムを使用する;
3.各文書に「適切な」スコアを割り当てながら、まずデバイスに対して尋ねる特定の質問から開始して、その文書すべてを評価する;
4.最も可能性の高い診断のリストを出力する推論エンジン(例えば、ベイジアンネットワーク)を使用する。
DPモジュール(PATIENT DATA(患者データ))では、患者のデータは、ローカルであろうとリモートであろうと、対話方式で、かつ電子アーカイブ(例えば、患者データベース、電子医療ハンドブックなど)から管理される。
1.装置は、患者データおよび知識ベースから開始することによって診断の仮説のリストを決定し、それに関連する確率(検査前確率)を定量化する。
2.装置は、統合および更新されたデータベースから検索された情報、国際機関、国家機関、および地域の機関に由来する医療および疫学の記録を使用して、各診断の仮説について、妥当な診断方針を決定する。
3.装置は、国内外のガイドラインに従って、妥当性指標を各検査および各診断方針に関連付ける。
4.本装置は、検査を実行する前に、事前に決定される検査前確率から開始することによって、診断検査、またはより一般的には診断方針の影響(検査後確率)を予測する。
間違いなく、最初の1つは、特定の病態を確認または排除する際の検査の有効性(E)である。検査の有効性は、病態に関する知識が、検査を実行する前の診断の仮説の確率(検査前確率)と実行した後の確率(検査後確率)の変化という観点から評価される、結果に基づいてどれだけ進行または後退させるものであるかを示す。
リスク(R)パラメータは、処置自体の固有のリスクおよび患者の病的状態に依存する相対リスクを考慮する。
すべての妥当性パラメータは、適切に数値と関連付けることができる。
関係のあるネットワークによって相互接続されるレコードテーブルの形式でデータベースDBに含まれる情報は、図1に全体的に示しているように、本質的に2種類あり、図2を参照しながら以下に詳細に説明する。
2.DP;健康診断中に入力された徴候、症状および既往歴に関連する、医師である使用者が管理する特定のデータ(患者データ)。また、DPは、診断の仮説および検査を実行するという観点で、処理結果に関連するデータも含む(すなわち、妥当な診断方針PDAの垂直の処理フローによって生成されたデータである)。
図2に示すように、知識ベースは、事前にロードされ、更新可能なコンテンツを有する様々に相互接続されたテーブルのセットとして構成される。
患者の性別、民族および年齢の範囲によって正規化された各疾患の確率値を示すPrevalence(有病率)テーブルは、Disease(疾患)テーブルに関連している。
また、Test(検査)テーブルは、検査名と記述に加えて、それが二項法検査(陽性/陰性−範囲:二項法(Dichotomous))であるのか、連続範囲検査(この場合、使用中の測定単位も記載されている−範囲:Unit(単位))のかを示す。
このテーブルには、検査に関連するいくつかの妥当性パラメータ、すなわちコスト、待ち時間、および固有のリスクの数値も含まれている。
特定の患者データは、図3に示すように、事前にロードされ、更新可能なコンテンツを有する様々に相互接続されたテーブルのセットを含む。
推論エンジンMI。
1.疫学データバンク、ガイドラインおよび科学文献から。
2.臨床データベース(例えば、電子医療ハンドブック)から。
3.MIによって実行され、DBに記憶された妥当な診断方針処理ステップの履歴から。
1.妥当な診断方針の設定(図1のcPDAブロック);
2.鑑別診断のための病態選択(図1のePDAブロック);
3.診断検査選択(図1のoPDAブロック)。
妥当な診断方針の設定のステップの間に、システム変数、すなわち診断方針を処理および生成するための次のステップで使用されるパラメータを表示、選択、および場合によっては変更することが可能である。このようなパラメータには、妥当性指票の計算に必要なパラメータも含まれる。次のステップの間、装置全体を部分的にまたは全体的に再設定するために、このステップに戻ることが依然として可能である。
このステップでは、装置は患者データベースDPに接続して、患者の個人データに加えて、次の処理ステップに必要な既往歴のデータも取得する。
・手動:任意の病態をいつでも追加できる。
・最も可能性の高い病態を選択するため閾値を変更することによる。
・リストを直接編集することによる:最終リストから任意の病態の選択/選択解除が可能
LPSが統合されると、次のステップを実行することができる。
検査のセット(データベースに問い合わせることによって得られる)は、選択されたリストLPSの各病態に対応する。すべての病態を対象にしてこれらすべてのセットを合わせたものは、TAMS(選択された疾患に関連する検査)セットを構成する。
1.高診断効果の検査のセミオート対話式選択。関連するすべての検査のTAMSセットから、有効性閾値よりも高い感度および/または特異度を有するもののみが選択される。有効性閾値は、値を変更することができる。その後、すべての診断検査が実行されると仮定して、各病態について、検査後確率が計算される。これは、検査を実施したら、知識が進行または退行を引き起こす検査を特定する。高い診断効果を有する検査は、検査後確率閾値を超えるものである。これも医師によって変更可能である。
2.手動による検査選択。各病態について、医師はそれに関連するすべての検査を表示し、1つまたは複数の診断検査を自由に選択することができる。したがって、有効性閾値を超えない検査も選択することができる。選択した各検査について、システムは検査後確率と妥当性を計算する。
3.必要であれば、医師は、その関連性と無関係に、DBから任意の検査を選択することもできる。このオプションで選択した検査は、TAMSセットに入力される。
IA=To/(C*Te*R)式中、Teは検査アクセス待ち時間指標であり、Cは検査コスト指標であり、Rは、検査の固有のリスクと相対リスク間の最大値の指標であり、Toは、検査忍容性指標である。
式中、ToGはシーケンス内の全検査のすべての忍容性指標における最小値であり、CGはシーケンス内の各検査の単一コストの合計であり、TeGはすべての待ち時間内の最大値であり、RGはシーケンスの全リスク指標の中の最大値である。
・検査前確率、
・各々の検査後確率と妥当性指標を伴う、妥当性によってソートされる全検査のリスト、
・診断方針全体のグローバルな検査後確率と妥当性指標。
本発明は、大容量記憶装置および入出力機器を備えたコンピュータ(例えば、サーバ、デスクトップ、ワークステーション、ノートブック、タブレット、スマートフォンなど)によって読み取り可能かつ実行可能な記憶装置に記憶されたソフトウェアモジュールによって実施されることが好ましい(図1の図表を参照)。
ハードウェアの実装は、当業者の理解の範囲内である。したがって、詳細は必要ない。
・ホームメニュー
・鑑別診断のための病態選択メニュー
・診断検査選択メニュー
・CPDA(妥当な診断方針、診断パスの設定)
・患者データ
・徴候と症状の選択
・症状リスト
・関連症状の選択
・レア疾患の追加
・SIT(対話式検査選択)
・SMT(手動検査選択)
手順(プロシージャ):
・LP−最も可能性が高い病態のソートされたリストを計算する
・OPDA−妥当な診断方針の出力を処理する
(各メニューオプションに関連して、以下に、オプションがアクティブになったときに実行される、擬似コードの、オプションの記述とアクティビティーのリストを提供する)。
このメニューでは、システムを設定し(CPDAメニュー)、患者とその臨床データを特定し、徴候、症状および既往歴のデータを選択する(患者データメニュー)ことができるサブメニューを呼び出すことが可能である。この情報により、最も可能性が高い病態のリスト(LPP)を処理し、このメニューに表示することができる。レア疾患のリスト(LMR)もこのリストに関連付けられている。次に、下に列挙しているメニューオプションを使用して、リスト全体を再検討して更新することができる。
関連症状をさらに調査し、いまだ検出/報告されていない追加の典型的症状を探すために、リストに含まれる病態から選択される。
存在する場合は、最初の調査ステップで入力されなかった新しい症状を入力することができる。最も可能性の高い病態のリストがそれに応じて更新される。
リスト内の最初の診断の仮説については、その数がNuSePa変数によって設定され(例えば、デフォルトでは5)、最初の調査ステップ中に報告されなかったすべての症状が、抽出される。最も高い絶対LR(見込み比)(最も可能性の高い病態の間における症状の最大のLR)に関して最初の10の症状(SiPr変数のデフォルト値)のみが表示される。
存在する場合、最初の調査ステップで入力されなかった新しい症状を入力することができる。最も可能性の高い病態のリストがそれに応じて更新される。
最初の調査ステップで報告されたすべての症状の中で、システムは、最も高いLRを有する最初の10症状(SiPiuP変数のデフォルト値)およびその値が最も高い病態を表示する。
低確率の病態は、その後のメニューで考慮される疾患のリストに入力することができる。
利用可能オプション:
妥当な診断方針の設定
CPDAメニューを開く
患者データ
患者データメニューを開く
表示される出力は次のようになる。
IF(“患者データと症状が未入力”)
THEN PRINT(“患者データ、徴候および症状を入力”)
ELSE LP手順を呼び出す
LPP+LMRリストを表示する
ホームメニューの補足オプションをオンにする
補足オプション:
病態をリストから選択すると(それをクリックすることによる)、
症状リストのメニューを開く。
重要性により無視された症状
関連症状の選択メニューを開く
重大な症状は既に含まれている
レア疾患の追加メニューを開く
次へ
鑑別診断のための病態選択メニューを開く
このメニューでは、診断方針を推定するのに必要である病態のリストが処理される。
主な3つのオプションは次の通りである:
自動選択:選択された病態は、40%の閾値(SoSePa_inf変数のデフォルト値)より高い徴候症状後確率を有するものであるが、前のメニューで選択された可能性のある「レア疾患」はリストに保持される。
手動選択:医師はいつでも任意の病態を追加できる。
リストの変更:医師は最終リストの任意の病態を選択/選択解除することができる。
利用可能オプション:
自動選択
SoSePa_inf変数の確率値以上の確率値を有する病態のみを考慮してLPPを更新する
手動選択
医師は、関連性があると考えられる病態を入力し、後者は、それぞれの検査前確率値とともに、LPAリスト(医師によって手動で追加された病態)に入力される。
リストの変更
選択された病態のリストLPS全体を表示する。病態をクリックすることによって病態を選択解除/選択することができる。選択されたものは太字で表示される。
設定
CPDAメニューを開く
戻る
ホームメニューに戻る。
次に、
診断検査選択メニューを開く;出力は、LPPリスト(SoSePa_inf変数の値で更新)+LMR+医師によって手動で追加された病態のリスト(LPA)の合計、からなる選択された病態のリスト(LPS)、LPS=LPP+LMR+LPA、を表示する。
検査のセット(データベースに問い合わせることによって得られる)は、選択されたリストLPSの各病態に対応する。すべてのこれらのセットを合わせて、TAMS(選択された疾患に関連する検査)セットを構成する。TAMSセットの予備的な構成で、LPSのすべての病態が考慮されているわけではない。なぜならば、検査前確率が既に70%(SoSePa_sup変数のデフォルト値)より高い病態に関連する検査は除外されているからである。この選択は、高い検査前確率を有する病態が既に強く診断を示唆しており、診断不確実性間隔(SoSePa_sup変数およびSoSePa_inf変数、デフォルト値はそれぞれ70%と40%、によって定められる)内の病態にとってより特異的な検査で得られる情報よりも追加する情報が少ない他の検査を必要としないという事実に起因する。
関連するすべての検査のTAMSセットから、有効性閾値(SoEf)を超えるLRを有するものだけがさらに選択される。その値は、PDA設定メニュー(デフォルトではSoEf=2)で医師が設定できる。
すべての診断検査が実行されると仮定して、各病態についての検査後確率を計算する。これは、検査を実施したら、知識が進行または退行を引き起こす検査を特定する。診断効果が高い検査は、検査後確率閾値(デフォルトでは70%、いずれにせよSoSePa_sup以下)を超える検査である。
各病態について、医師はそれに関連するすべての検査を表示し、見込み比でソートし、1つまたは複数の診断検査を自由に選択することができる。したがって、有効性閾値を超えない検査も選択することができる。選択した各検査について、システムは検査後確率と妥当性を計算する。
複数の診断検査を選択する場合、システムはまた、各検査の検査後確率と妥当性を表示するのみならず、すべての検査が実行されると仮定した検査後確率と、診断方針全体の妥当性とを計算する。
したがって、医師は、選択から個々の検査を追加および除去することにより、また病態の検査後確率および方針の妥当性を再計算することにより、異なる診断方針を自由に構築することができる。
利用可能オプション:
高い診断効果の検査のセミオート対話式選択
SITメニューを開く
手動検査選択
病態をクリックすることで選択すると、
SMTメニューを開く
設定
CPDAメニューを開く
戻る
鑑別診断のための病態選択メニューを開く
保存
(名前のもと)診断方針テーブルを保存する
ロード
以前保存した診断方針テーブルをロードする
印刷
診断方針テーブルを印刷し、OPDA手順の出力(妥当な診断方針の出力)を表示する。詳細には、病態ごとに検査前確率を表示し、その後、妥当性によって分類されたすべての検査をその検査後確率と妥当性を伴って挙げ、最後に診断方針全体の確率と妥当性を挙げる。
このメニューから患者データベースDPに接続して、患者の個人データに加えて、次の処理ステップに必要な既往歴のデータも取得することができる。
このメニューでは、健康診断中に観察および/または報告された徴候および症状のリストが、選択された患者に関連付けられる。
利用可能オプション:
患者の選択
患者の個人情報を表示する
徴候と症状の選択
徴候と症状をDBで選択して入力する
戻る
ホームメニューに戻る
出力は以下を表示する:
患者の個人情報(一度選択されたもの)
患者において観察された、選択された徴候および症状のリスト
このメニューは、所定の病態に関連するすべての徴候および症状を表示する。
表示される徴候および症状の数は、最大でNuMaxSint変数(デフォルトでは20)に等しくすることができる。これらのうち、医師が既に観察している(すなわち、既に選択されている)ものは太字で強調表示されている。したがって、対象の病態についてすべての関連症状が考慮されていることを確かめ、まだ検出/報告されていないさらなる典型的な症状が存在することを確認することが可能である。
利用可能オプション:
設定
CPDAメニューを開く
戻る
ホームメニューに戻る
出力は、その病態の20の徴候および症状(NuMaxSint変数のデフォルト値)のリストを表示する
選択した徴候と症状は太字で表示される。
クリックすることで他のものを選択(または選択解除)することができる。
このオプションは、最も可能性の高い仮説間での鑑別診断を洗練させるために、以前無視されていた重要な徴候および症状を検出することを可能にする。
リストの診断の仮説の最初の5つ(NuSePa変数のデフォルト値)から、最初の調査ステップで報告されなかったすべての症状が抽出される。最も高い絶対LR(見込み比)(最も可能性の高い病態の中の症状の最大LR)を有する最初の5つ(SiPrのデフォルト値)の症状のみが表示される。
存在する場合、医師は、最初の調査ステップで入力されなかった新しい症状を入力することができる。最も可能性の高い病態のリストは、ホームメニューに戻ると、それに応じて更新される。
利用可能オプション:
設定
CPDAメニューを開く
戻る
ホームメニューに戻る
出力は、最多のNuSePa*SiPrの徴候と症状を含む可能性のあるリストが表示される。
選択した徴候と症状は太字で表示される。
クリックすることで他のものを選択(または選択解除)することができる。
このオプションでは、特に関連の深い症状を当該の疾患で検出したが、あまり可能性がない疾患(レア疾患)を無視していないということを確かめることができる。
最初の調査のステップで報告されたすべての症状の中で、システムは、最も高いLRを有する最初の10症状(SiPiuPのデフォルト値)、およびその値が最も高い病態を表示する。
必要に応じて、医師は、既に考慮されているレア疾患のリストに低確率の病態を追加して、次のメニューに表示することができる。
利用可能オプション:
設定
CPDAメニューを開く
戻る
ホームメニューに戻る
出力は、最も高いLRを有する病態が関連するSiPiuP(デフォルトでは10)の徴候および症状のリストを、(DBの問い合わせを介して)表示する。既に選択されている徴候および症状および病態は太字で表示される。クリックすることで他のものを選択(または選択解除)することができる。
診断効果の高い検査のセミオート対話式選択メニュー。選択されたリスト(LPS:選択された病態のリスト)における各病態には、診断検査の特定のセットが対応する。
これらの全検査のうち、検査前確率が70%(SoSePa_sup変数のデフォルト値)以下のもののみが考慮される。このようにして選択された検査は、いわゆるTAMSセット(選択された疾患に関連する検査)を構成する。
すべての関連する検査を含むTAMSセットから、システムはまず有効性閾値SoEf(デフォルトでは2)より高いLRを絶対的に有するものを(すなわちすべての選択された病態について)選択し、次いで後者から選択をして、選択された病態の少なくとも1つについて、検査後確率値が70%(SoPPT変数のデフォルト値、いずれの場合もSoSePa_sup以下)を超えるものを表示する。
次いで医師は、妥当であると思われるTAMS検査を選択/選択解除することができる。
利用可能オプション:
戻る
前のメニューに戻る
妥当な診断方針を設定する
CPDAメニューを開く
出力は、TAMSセットに属し、LR>SoEf、および検査後確率>SoPPTである診断検査のリストを表示する。
検査は、クリックすることで選択/選択解除することができる。
選択した検査は太字で表示される。
前のメニューで選択された病態に対して手動検査選択をするためのメニューは、相対見込み比でソートした関連する検査をすべて表示して、医師が1つまたは複数の診断検査を自由に選択できるようにする。場合によっては、有効性閾値を超えない検査であっても、選択してTAMSセットに入力することができる。
利用可能オプション:
戻る
選択された検査をTAMSセットに含める(既に存在しない場合)
前のメニューに戻る
妥当な診断方針を設定する
CPDAメニューを開く
出力は、診断検査のリストが表示される。
検査は、クリックすることで選択/選択解除することができる。
選択した検査は太字で表示される。
妥当な診断方針の設定では、システム変数の値を表示し、場合によっては変更することができる。
利用可能オプション:
NuMaxSint
デフォルトでは20;
病態ごとに選択できる徴候および症状の最大数
症状リストメニューで使用される
NuPaLis
デフォルトでは10;リスト内の病態の数。
メニューに列挙されている病態の最大数
LP手順からホームへ
NuSePa
デフォルトでは5;選択された病態の最大数。
関連症状の選択メニューで考慮される、最も可能性が高い病態の数
SiPr
デフォルトでは10;考えられる症状。
無視される、可能性が最も高い徴候および症状の病態ごとの最大数;
関連症状の選択メニューで使用される
SiPiuP
デフォルトでは10;最も可能性の高い症状。
その各々1つに対し、選択された徴候および症状がLRの最高値を有する最大数の病態。
レア疾患の追加メニューで使用される
SoSePa_inf
デフォルトでは40%;病態選択閾値の下限;病態の確率の閾値であるが、それより上で、病態が鑑別診断のための病態選択メニューで自動的に選択される病態のLPPリストに含まれる。
これは、SoSePa_sup−SoSePa_infの差によって得られる診断不確実性間隔の下限である。
SoSePa_sup
デフォルトでは70%;病態選択閾値の上限。SoSePa_sup−SoSePa_infの差によって得られる診断不確実性間隔の上限。
診断検査選択メニューでは、この間隔内の検査前確率を有する病態に関連する診断検査のみが考慮される。
SoEf
デフォルトでは2である;診断検査のLRの有効性閾値であり、それより上で、診断方針を処理するために診断検査を医師が選択することができる。SITメニューで使用される
SoPPT
デフォルトでは70%;検査後確率閾値。
診断方針のリストに医師が検査を含めることができる閾値。SoPPtは≦SoSePa_supでなければならない。
SITメニューで使用される
Te:検査アクセス待ち時間
この変数の使用は、妥当性を計算するために選択/選択解除することができる
C:検査コスト指標
この変数の使用は、妥当性を計算するために選択/選択解除することができる
R:検査リスク指標
この変数の使用は、妥当性を計算するために選択/選択解除することができる
To:検査忍容性指標
この変数の使用は、妥当性を計算するために選択/選択解除することができる
妥当性の値を表示する
診断検査選択メニューの出力に妥当性の値を明示的に表示できることを選択/選択解除する
戻る
前のメニューに戻る
出力は各変数の更新値を表示する。
LP手順は、ナイーブベイヤーモデル(例えば、Wagholikar et al.氏等の前掲書に記載されているように)を使用することにより、最も可能性が高い病態のリスト(LPP)を構築する。
この手順は、オッズという観点で表される病態の有病率から、すなわち疫学データから開始する。
LR=P(S|M)/P(S|〜M)
によって得られる。すなわち、罹患している患者(M)において症状(S)を見出す条件付き確率を、当該の特定の疾患に罹患していない患者(〜M)においてその症状を見出す条件付き確率で割ったものである。徴候や症状などのセットのグローバルLRgは、個々のLRの積によって得られる。
これらの症状、徴候などを有する患者が、さらなる診断検査を実施する前(検査前)に、疾患Mを有する可能性を推定することが今や可能になった;オッズという観点で、
odds_pre_test=LRg*odds_prevalenza
と書かれ、これは一般に確率Pの観点から再度表すことができ、
P=オッズ/(1+オッズ)
である。
Pi=(LR*Pi−1)/(LR*Pi−1+Ki−1)式中、Ki−1=(1−Pi−1)
Ki−1=(1−P0)またはKi−1=(1−Pi−1)LR。
これらの最後2つの公式の基本的な考え方は、すべてのシステム変数を互いに独立していると考えるベイズの公式によって得られた検査前確率を減らすことである。
(BDCから得る「Diseases(疾患)」リストの各病態)について
P0=病態の有病率
ODDS=P0/(1−P0)/*オッズで表される有病率*/
LRg=1/*患者に関連する全データのグローバル見込み比*/
(各症状、徴候、既往歴のデータ、実行される検査)について
対応するLR(見込み比)を読み出す
LRg=LRg*LR
ODDSpre=LRg*ODDS
PpreTest=ODDSpre/(ODDSpre+1)/*PpreTestは検査前確率*/
それぞれのPpreTestを用いて各病態のLPPリストを記憶する
終了
この手順は、同じナイーブベイズモデルおよびLP手順に示されているのと同じ式を使用して、妥当な診断方針の出力を処理する。
一般的な診断検査に関連する見込み比をLRとする。病態Mの予測される確率(オッズで表される)は、検査(検査後)が陽性の結果を有するのであれば、以下のようにして得られる;
odds_post_test=LR*odds_pre_test
これは、次いで確率Pで再び表すことができ、
P=オッズ/(1+オッズ)
である。
この確率は、すべての単一の検査に対し、および完全な検査セットに対して評価することができる。
また、この手順は各検査と、その各妥当性指標IAとを関連付ける。IAは次のように定められる:
IA=To/(C*Te*R)
式中、Toは検査忍容性指標であり、Cは検査コスト指標であり、Teは検査アクセス待ち時間指標であり、Rは、検査の固有のリスクと相対リスクとの間の最大値の指標である。
すべての選択された診断検査のグローバル妥当性指標(IAG)は、以下のように計算される:
IAG=ToG/(CG*TeG*RG)
式中、ToGはすべての忍容性指標の最小値であり、CGは各検査の個別のコストの合計であり、TeGはすべての待ち時間の最大値であり、RGはすべてのリスク指標の最大値である。
(BDCから得たLPSリストの各病態)について
P0=PpreTest
/*以前計算した病態の検査前確率*/
ODDS=P0/(1−P0)
LRg=1/*すべての検査に関するグローバル見込み比*/
(TAMSセットに属する各検査)について
対応するLR(見込み比)を読み出す
LRg=LRg*LR
Teを読み出す/*検査のアクセス待ち時間指標*/
Cを読み出す/*検査のコスト指標*/
Riを読み出す/*検査の固有のリスク指標*/
Rrを読み出す/*検査の相対リスク指標*/
Rを決定する/*検査のRiとRrの間の最大値として*/
Toを読み出す/*検査の忍容性指標*/
CGをすべてのC指標の合計として計算する
個々のTe指標の最大値としてTeGを決定する
RGを個々のR指標の最大値として決定する
個々のTo指標の最小値としてToGを決定する
妥当性=To/(C*Te*R)/*検査の妥当性指標
*/
IAG=ToG/(CG*TeG*RG)/*すべての検査のグローバル妥当性*/
K=LR*ODDS
PpostTest=K/(1+K)/*各検査の検査後確率*/
ODDSpostG=LRg*ODDS
/*グローバル検査後確率を計算する*/
PpostTestG=ODDSpostG/(1+ODDSpostG)
(BDCから得たLPSリストの各病態)について
保存して表示する:
病態名とその各々のPpreTest
妥当性の減少する順序で保存して表示する
各PpostTestを伴う各症状
および(任意選択で)妥当性指標
グローバル検査後確率:PpostTestG すべての検査のグローバル妥当性(オプションがオンの場合)
終了
BDC:知識ベース(Base Di Conoscenza)
C:診断検査のコスト(変数)
CPDA:妥当な診断方針の設定(Configurazione Percorso Diagnostico Appropriato)(メニュー)
DB:データベース
DP:患者データ(dati paziente)
LMR:レア疾患のリスト(lista delle Malattie Rare)
LP:診断の仮説の確率を計算するための手順(プロシージャ)
LPA:手動で追加された病態のリスト(Lista Patologie Aggiunte)
LPP:最も可能性の高い病態のリスト(Lista di Patologie piu Probabili)
LPS:選択された病態のリスト(Lista delle Patologie Selezionate)
LR:見込み比
NuMaxSint:病態ごとに選択できる徴候および症状の最大数(変数)
NuPaLis:リスト内の病態の数(変数)
NuSePa:選択された病態の最大数(変数)
OPDA:妥当な診断方針の出力(Output Percorso Diagnostico Appropriato)
OPDA:PDAの出力を処理するための手順(プロシージャ)
R:検査に関連するリスク(変数)
Ri:検査固有のリスク(変数)
Rr:検査の相対リスク(変数)
SiPiuP:最も可能性の高い症状(変数)
SiPr:可能性のある症状(変数)
SIT:対話式診断検査選択(メニュー)
SMT:手動診断検査選択(メニュー)
SoEf:有効性閾値(変数)
SoPPT:検査後確率閾値(変数)
SoSePa_inf:病態選択閾値の下限(変数)
SoSePa_sup:病態選択閾値の上限(変数)
TAMS:選択した疾患に関連する検査のセット
Te:診断検査アクセス時間(変数)
To:検査忍容性指標(変数)
上述した様々な好ましい実施形態に示した要素類および特徴等を組み合わせることができるが、本発明の保護範囲から逸脱することなく行われるものとする。
Claims (8)
- 診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定するための医療用途に適合した鑑別診断装置であって、プロセッサのシステムを備え、そのシステムは、
患者のデータを含む第1の更新可能データベースと、
病態、症状、臨床徴候の特定用データ、診断検査の特定用データ、および診断の仮説(病態)のリストを定めるための前記診断検査の妥当性パラメータに関するデータを含む第2の更新可能なリレーショナル(関係型)データベースと、
病態を特定するための前記診断検査の最適なシーケンスを決定するために適合した装置手段であって、該装置手段は、推論計算エンジンを含み、各診断の仮説(病態)について、前記第1および第2のデータベースに含まれるデータに基づいて、前記診断検査の最適なシーケンスを、患者がその病態を患っている妥当性および確率と関連する指標を使用して決定する、装置手段とを、具備して構成されることを特徴とする医用鑑別診断装置。 - 前記診断検査の最適なシーケンスを決定することに適合した前記装置手段は、前記推論計算エンジンを介することによって、
前記第1および第2のデータベースに含まれる前記データから開始して、考えられる診断の仮説(病態)の検査前の確率指標を決定ことに適合され、かつ
前記第1および第2のデータベースに含まれる前記データから、また前記検査前確率指標から開始して、前記診断検査の最適なシーケンスの実行を条件とする前記考えられる診断の仮説(病態)の検査後の確率指標を決定することに適合され、
前記最適なシーケンスの各検査に妥当性指標を関連付け、そして、
前記診断検査の最適なシーケンスに付いて妥当性指標を関連付けるように適合される請求項1に記載の医用鑑別診断装置。 - 前記診断検査の最適なシーケンスを決定するように適合した前記装置手段は、前記検査前の確率Pre(M|{DP})および前記検査後の確率Post(M|{DP}U{T})を、前記第1のデータベース{DP}に含まれる患者の特定用データのセットと、前記患者の特定用データ{DP}と前記診断検査の最適なシーケンスの前記検査の集合{T}との関連付けを各々条件として、前記病態Mを見出す検査前の確率および検査後の確率のそれぞれの前記推論計算に基づいて、決定するように適合された、請求項2に記載の医用鑑別診断装置。
- 前記診断検査の最適なシーケンスを決定することに適合した前記装置手段は、
LR=P(S|M)/P(S|〜M)なる式によって、つまり、病態に罹患している患者(M)において症状(S)を見出す条件付き確率P(S|M)を、前記病態に罹患していない患者(〜M)においてその症状を見出す条件付き確率P(S|〜M)で割ることによって得られる、各症状に見込み比LRを関連させる、
各病態の見込み比LRの積によって得られるグローバル見込み比LRgを計算する、
まず、オッズにより前記相対検査前確率Pre(M|{DP})を計算し、
odds_pre_test=LRg*odds_prevalenza
式中odds_prevalenza=P(M)/(1−P(M))であり、P(M)は病態Mの有病率である、という観点で前記相対検査前の確率Pre(M|{DP})を計算し、
これから前記検査前の確率Pre(M|{DP})が、
Pre(M|{DP})=オッズ/(1+オッズ)の式で得られるようにして前記検査前確率Pre(M|{DP})を決定することに適合した別の装置手段を含む請求項3に記載の医用鑑別診断装置。 - 前記診断検査の前記最適なシーケンスを決定することに適合した前記装置手段は、
odds_post_test=LR*odds_pre_test
から前記検査後確率Post(M|{DP}U{T})が、
Post(M|{DP}U{T})=odds_post_test/(1+odds_post_test)なる式で得られるようにして、前記検査後確率Post(M|{DP}U{T})を決定するように適合した装置手段を具備してなる請求項4に記載の医用鑑別診断装置。 - 前記診断検査の最適なシーケンスを決定するように適合される前記装置手段が、
Pi=(LR*Pi−1)/(LR*Pi−1+Ki−1)なる関連式で、式中Ki−1=(1−Pi−1)であり、Piは、最初のiの症状の前記検査前確率;式中iは1からnすべての症状の範囲であり、P0は前記病態の前記有病率である、
という前記関連式を用いることによって、反復的または再帰的な方法で連続する症状の前記検査前確率Pre(M|{DP})を決定し、
次いで前記検査前確率Pre(M|{DP})=Pnを決定する
ように適合された別の装置手段を具備してなる請求項3に記載の医用鑑別診断装置。 - 前記診断検査の最適なシーケンスを決定するよう適合される前記装置手段が、
IA=To/(C*Te*R)なる式で定義される単一診断検査の前記妥当性指標IAを決定し、該式中Teは検査アクセス待ち時間指標であり、Cは検査コスト指標であり、Rは前記検査の固有のリスクと相対リスクとの間の最大値の指標であり、Toは検査忍容性指標であり、
診断検査のシーケンスの前記グローバル妥当性指標をIAG=ToG/(CG*TeG*RG)なる式で決定するものであり、式中ToGは、シーケンスのすべての検査のすべての忍容性指標の最小値であり、CGは、シーケンスの各検査の単一コストの合計であり、TeGはすべての待ち時間の最大値であり、RGはシーケンスのすべてのリスク指標の最大値であることに適合した別の装置手段を具備してなる請求項1に記載の医用鑑別診断装置。 - 入出力機器を備えるコンピュータによって読み取り可能かつ実行可能な記憶装置内に搭載され、(物理的または仮想的な)計算クラスタに実装されて、リモートで実行可能で、モバイル機器(タブレット、スマートフォン、ノートPC)用のアプリとして実装されるソフトウェアモジュールを具備してなる請求項1に記載の医用鑑別診断装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ITMI2014A002149A ITMI20142149A1 (it) | 2014-12-16 | 2014-12-16 | Apparato di diagnosi differenziale in medicina adattato per determinare la sequenza di test ottimale atta ad identificare una patologia secondo criteri di appropriatezza diagnostica |
ITMI2014A002149 | 2014-12-16 | ||
PCT/IB2015/055361 WO2016097886A1 (en) | 2014-12-16 | 2015-07-15 | Differential medical diagnosis apparatus adapted in order to determine an optimal sequence of diagnostic tests for identifying a pathology by adopting diagnostic appropriateness criteria |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018503902A true JP2018503902A (ja) | 2018-02-08 |
JP6700283B2 JP6700283B2 (ja) | 2020-05-27 |
Family
ID=52574278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017533351A Active JP6700283B2 (ja) | 2014-12-16 | 2015-07-15 | 診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定することに適合した医用鑑別診断装置 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20180011980A1 (ja) |
EP (1) | EP3234823B1 (ja) |
JP (1) | JP6700283B2 (ja) |
CN (1) | CN107408143A (ja) |
BR (1) | BR112017012908A2 (ja) |
IT (1) | ITMI20142149A1 (ja) |
RU (1) | RU2017124601A (ja) |
WO (1) | WO2016097886A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020106794A1 (en) * | 2018-11-21 | 2020-05-28 | General Electric Company | Method and systems for a healthcare provider assistance system |
WO2020165988A1 (ja) * | 2019-02-14 | 2020-08-20 | オリンパス株式会社 | 超音波診断装置、超音波診断装置の作動方法および超音波診断装置の作動プログラム |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201600129014A1 (it) * | 2016-12-20 | 2017-03-20 | Univ Degli Studi Di Messina | Procedimento e applicazione per la diagnosi predittiva di malattie rare |
EP3196791A1 (de) * | 2017-05-02 | 2017-07-26 | Siemens Healthcare GmbH | Verfahren zur unterstützung von medizinischem personal, unterstützungssystem, computerprogramm und datenträger |
US11488712B2 (en) * | 2017-08-31 | 2022-11-01 | Google Llc | Diagnostic effectiveness tool |
EP3467840A1 (en) * | 2017-10-05 | 2019-04-10 | Siemens Healthcare GmbH | Method for setting a medical imaging protocol, system for setting a medical instrument, computer program and computer-readable medium |
WO2019089949A1 (en) * | 2017-11-01 | 2019-05-09 | Praeveni, Sbc | Methods and systems for a medical screening system |
US10692605B2 (en) * | 2018-01-08 | 2020-06-23 | International Business Machines Corporation | Library screening for cancer probability |
US11282591B2 (en) | 2018-02-05 | 2022-03-22 | Optum, Inc. | Device for the centralized management of medical tests and methods for using the same |
US10930391B2 (en) | 2018-02-05 | 2021-02-23 | Optum, Inc. | Device for reducing fraud, waste, and abuse in the ordering and performance of medical testing and methods for using the same |
US10978183B2 (en) * | 2018-02-05 | 2021-04-13 | Optum, Inc. | Device for approving medical tests across a plurality of medical laboratories, medical providers, and lab payers and methods for using the same |
US20210233661A1 (en) * | 2018-08-31 | 2021-07-29 | Koninklijke Philips N.V. | System and method for creating guideline-based summaries for imaging exams |
US11621081B1 (en) * | 2018-11-13 | 2023-04-04 | Iqvia Inc. | System for predicting patient health conditions |
IL263465A (en) * | 2018-12-04 | 2020-06-30 | Mae Wein Leila | Robotic emergency room having human collaborative modes |
US20220068492A1 (en) * | 2019-01-14 | 2022-03-03 | Gynisus Inc. | System and method for selecting required parameters for predicting or detecting a medical condition of a patient |
US11379747B1 (en) | 2019-02-28 | 2022-07-05 | Babylon Partners Limited | Counterfactual measure for medical diagnosis |
US11017905B2 (en) | 2019-02-28 | 2021-05-25 | Babylon Partners Limited | Counterfactual measure for medical diagnosis |
US20210005320A1 (en) * | 2019-07-02 | 2021-01-07 | Combinostics Oy | Method of inferring a need for medical test |
CN112463973A (zh) * | 2019-09-06 | 2021-03-09 | 医渡云(北京)技术有限公司 | 医学知识图谱的构建方法、装置、介质及电子设备 |
US10847261B1 (en) | 2019-10-30 | 2020-11-24 | Kenneth Neumann | Methods and systems for prioritizing comprehensive diagnoses |
CN112951405B (zh) * | 2021-01-26 | 2024-05-28 | 北京搜狗科技发展有限公司 | 一种实现特征排序的方法、装置及设备 |
US20240038392A1 (en) * | 2022-07-29 | 2024-02-01 | Quai.MD, Ltd. | Method and system for determining differential diagnosis using a multi-classifier learning model |
CN115482926B (zh) * | 2022-09-20 | 2024-04-09 | 浙江大学 | 知识驱动的罕见病可视化问答式辅助鉴别诊断系统及方法 |
CN116994686B (zh) * | 2023-09-26 | 2023-12-15 | 北斗云方(北京)健康科技有限公司 | 数据驱动的临床决策支持系统和方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005209186A (ja) * | 2003-12-25 | 2005-08-04 | Toshiba Corp | バーチャルペイシェントシステム |
US7076437B1 (en) * | 1999-10-29 | 2006-07-11 | Victor Levy | Process for consumer-directed diagnostic and health care information |
WO2008031082A2 (en) * | 2006-09-08 | 2008-03-13 | Richard Porwancher | Bioinformatic approach to disease diagnosis |
JP2008077603A (ja) * | 2006-09-25 | 2008-04-03 | Toshiba Corp | 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム |
US20100229044A1 (en) * | 2009-03-08 | 2010-09-09 | Spx Corporation | Diagnostic Test Sequence Optimization Method and Apparatus |
US7958407B2 (en) * | 2006-06-30 | 2011-06-07 | Spx Corporation | Conversion of static diagnostic procedure to dynamic test plan method and apparatus |
US20130018093A1 (en) * | 2006-02-03 | 2013-01-17 | Nagesh Palepu | Novel epoprostenol formulation and method of making thereof |
US20140100829A1 (en) * | 2012-10-05 | 2014-04-10 | Baysient LLC | System and method for providing patient-specific dosing as a function of mathematical models updated to account fro an observed patient response |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9081883B2 (en) * | 2006-06-14 | 2015-07-14 | Bosch Automotive Service Solutions Inc. | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan |
WO2012122196A2 (en) | 2011-03-08 | 2012-09-13 | International Business Machines Corporation | A decision-support application and system for medical differential-diagnosis and treatment using a question-answering system |
KR20140088434A (ko) * | 2013-01-02 | 2014-07-10 | 삼성전자주식회사 | 환자별 특성을 기반으로 한 mri 다변수 영상 획득 지원 장치 및 방법 |
-
2014
- 2014-12-16 IT ITMI2014A002149A patent/ITMI20142149A1/it unknown
-
2015
- 2015-07-15 JP JP2017533351A patent/JP6700283B2/ja active Active
- 2015-07-15 WO PCT/IB2015/055361 patent/WO2016097886A1/en active Application Filing
- 2015-07-15 EP EP15762711.8A patent/EP3234823B1/en active Active
- 2015-07-15 US US15/537,191 patent/US20180011980A1/en not_active Abandoned
- 2015-07-15 BR BR112017012908-6A patent/BR112017012908A2/pt not_active Application Discontinuation
- 2015-07-15 CN CN201580069098.9A patent/CN107408143A/zh not_active Withdrawn
- 2015-07-15 RU RU2017124601A patent/RU2017124601A/ru not_active Application Discontinuation
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7076437B1 (en) * | 1999-10-29 | 2006-07-11 | Victor Levy | Process for consumer-directed diagnostic and health care information |
JP2005209186A (ja) * | 2003-12-25 | 2005-08-04 | Toshiba Corp | バーチャルペイシェントシステム |
US20130018093A1 (en) * | 2006-02-03 | 2013-01-17 | Nagesh Palepu | Novel epoprostenol formulation and method of making thereof |
US7958407B2 (en) * | 2006-06-30 | 2011-06-07 | Spx Corporation | Conversion of static diagnostic procedure to dynamic test plan method and apparatus |
WO2008031082A2 (en) * | 2006-09-08 | 2008-03-13 | Richard Porwancher | Bioinformatic approach to disease diagnosis |
JP2008077603A (ja) * | 2006-09-25 | 2008-04-03 | Toshiba Corp | 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム |
US20100229044A1 (en) * | 2009-03-08 | 2010-09-09 | Spx Corporation | Diagnostic Test Sequence Optimization Method and Apparatus |
US20140100829A1 (en) * | 2012-10-05 | 2014-04-10 | Baysient LLC | System and method for providing patient-specific dosing as a function of mathematical models updated to account fro an observed patient response |
Non-Patent Citations (1)
Title |
---|
佐々木春喜: "診断推論と確率−ベッドサイドでのベイズの定理−", 日本プライマリ・ケア連合学会誌, vol. 2013年35巻3号, JPN6019021484, 4 October 2013 (2013-10-04), JP, pages 191 - 197, ISSN: 0004051981 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020106794A1 (en) * | 2018-11-21 | 2020-05-28 | General Electric Company | Method and systems for a healthcare provider assistance system |
US12020817B2 (en) | 2018-11-21 | 2024-06-25 | GE Precision Healthcare LLC | Method and systems for a healthcare provider assistance system |
WO2020165988A1 (ja) * | 2019-02-14 | 2020-08-20 | オリンパス株式会社 | 超音波診断装置、超音波診断装置の作動方法および超音波診断装置の作動プログラム |
JPWO2020165988A1 (ja) * | 2019-02-14 | 2021-10-21 | オリンパス株式会社 | 超音波診断装置、超音波診断装置の作動方法および超音波診断装置の作動プログラム |
JP7083924B2 (ja) | 2019-02-14 | 2022-06-13 | オリンパス株式会社 | 超音波診断装置、超音波診断装置の作動方法および超音波診断装置の作動プログラム |
US12002201B2 (en) | 2019-02-14 | 2024-06-04 | Olympus Corporation | Ultrasonic diagnostic device, operation method of ultrasonic diagnostic device, and computer readable recording medium |
Also Published As
Publication number | Publication date |
---|---|
RU2017124601A (ru) | 2019-01-21 |
EP3234823A1 (en) | 2017-10-25 |
CN107408143A (zh) | 2017-11-28 |
BR112017012908A2 (pt) | 2018-01-09 |
ITMI20142149A1 (it) | 2016-06-16 |
EP3234823B1 (en) | 2020-03-25 |
JP6700283B2 (ja) | 2020-05-27 |
WO2016097886A1 (en) | 2016-06-23 |
US20180011980A1 (en) | 2018-01-11 |
RU2017124601A3 (ja) | 2019-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6700283B2 (ja) | 診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定することに適合した医用鑑別診断装置 | |
US11200968B2 (en) | Verifying medical conditions of patients in electronic medical records | |
Chen et al. | OMDP: An ontology-based model for diagnosis and treatment of diabetes patients in remote healthcare systems | |
US10311975B2 (en) | Rules-based system for care management | |
US10943676B2 (en) | Healthcare information technology system for predicting or preventing readmissions | |
US11094400B2 (en) | System, method and apparatus for processing patient information and feedback | |
CN110709938A (zh) | 用于生成患者数字孪生的方法和系统 | |
Ng et al. | The role of artificial intelligence in enhancing clinical nursing care: A scoping review | |
US20060265253A1 (en) | Patient data mining improvements | |
US20080275731A1 (en) | Patient data mining improvements | |
US20120102405A1 (en) | System and method for matching person-specific data with evidence resulting in recommended actions | |
US11488712B2 (en) | Diagnostic effectiveness tool | |
US20190287661A1 (en) | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time | |
King et al. | Using machine learning to selectively highlight patient information | |
Khosravi et al. | Artificial intelligence and decision-making in healthcare: a thematic analysis of a systematic review of reviews | |
US20230274808A1 (en) | Enhancing patient referral outcome through structuring data for efficient place of service utilization rate analysis | |
WO2018048921A1 (en) | Systems and methods for accessing, combining and collaborative filtering of information from multiple electronic health records | |
WO2023021822A1 (ja) | 情報処理装置、臨床診断システムおよびプログラム | |
US20220189637A1 (en) | Automatic early prediction of neurodegenerative diseases | |
US12033729B2 (en) | Systems and methods for accessing, combining and collaborative filtering of information from multiple electronic health records | |
US11972865B1 (en) | High probability differential diagnoses generator and smart electronic medical record | |
Sarvestani | Designing task shifting medical devices for low-resource settings | |
メディ,ハサン | A Study on Detection and Reduction of Input Errors in Remote Healthcare Systems | |
Brown | Defining frailty within the context of electronic medical records: eCGA mapping to SNOMED CT | |
Team | Socially Interactive Clinical Decision Support System (CDSS) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20170815 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20171107 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180619 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190524 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190611 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190911 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200430 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6700283 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |