JP2019061657A - 生体試料の測定値増強 - Google Patents
生体試料の測定値増強 Download PDFInfo
- Publication number
- JP2019061657A JP2019061657A JP2018139216A JP2018139216A JP2019061657A JP 2019061657 A JP2019061657 A JP 2019061657A JP 2018139216 A JP2018139216 A JP 2018139216A JP 2018139216 A JP2018139216 A JP 2018139216A JP 2019061657 A JP2019061657 A JP 2019061657A
- Authority
- JP
- Japan
- Prior art keywords
- patient
- laboratory
- algorithm
- data
- input data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H50/30—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
Landscapes
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
Description
更に、本願は、実験室システム(1つまたは複数)による生体試料の分析によって得られた測定値を増強するように構成されたウェブ・ベース・システムに関する。
医学的に価値が高い成果(product)を得ることは、患者および医療専門家にとっても同様に非常に重要である。臨床実験室およびその他の情報システムからの複数のデータ集合は、組み合わされると、これらのデータ集合単独のときよりも、医学的付加価値を提供する医学および臨床的知見を生成する潜在的可能性がある。生体試料の分析結果の解釈に対して医療専門家に支援を提供するために、生体試料の分析によって実験室システムから得られた測定値は、一般に医療アルゴリズム(medical algorithm)の使用によって得られる、いわゆる解釈支援データによって増強される。現在、医療アルゴリズムによる解釈支援データは、外部プラットフォームを通じて生成されることが多く、このような医療アルゴリズムを手作業で適用することによって生成されることもある。しかしながら、種々のシステム間でデータを転送することには不都合がある。何故なら、データの完全性を保証することができず、例えば、このデータ転送が手作業で行われる場合、人的過誤(human error)による高い危険性があるからである。更に、医療アルゴリズムを適用するために外部プラットフォームを使用することには、最終結果の正しさを検証することが難しいという他の欠点もある。一方、医療アルゴリズム毎の外部プラットフォームの選択は、前々から医療専門家の間では首尾一貫していなかったと考えられる。また、医療専門家は、医療アルゴリズムにおける最新の開発や、バイオマーカ間の新たな相関の同定における最新の開発について認識していないかもしれないが、これらが、医療アルゴリズムによって患者データを考慮して組み合わされると、大きな医学的付加価値を提供する潜在的可能性がある。つまり、現在知られている外部プラットフォームを使用すると、医療専門家は、旧態依然の医療アルゴリズムおよび/または不完全な医療アルゴリズムおよび/または潜在的に誤りがあるかもしれない医療アルゴリズム、あるいは一貫しない入力データによって提供される解釈支援を頼りにするという危険性がある。
−実験室ミドルウェアによって、患者に対応する検査命令を受けるステップと、
−1つ以上の実験室計器が、検査命令にしたがって実験室ミドルウェアからの命令に応答して、患者の1つ以上の生体試料を分析し、そこから第1測定値および第2測定値を得るステップと、
−実験室ミドルウェアが、患者からの1つ以上の生体試料の分析によって得られた第1測定値および第2測定値を受信するステップと、
−ワークフロー・エンジンおよびアルゴリズム計算器を含む仮想アナライザを設けるステップであって、仮想アナライザが実験室ミドルウェアとは別個である、ステップと、
−ワークフロー・エンジンが、実験室ミドルウェアから、第1測定値および第2測定値を含む第1入力データを受信するステップと、
−ワークフロー・エンジンが、実験室ミドルウェアから、患者に対応する患者データを含む第2入力データを受信するステップと、
−臨床アルゴリズムをアルゴリズム計算器に供給するステップであって、臨床アルゴリズムが、第1入力データおよび第2入力データに適用する処理ステップを定める、ステップと、
−ワークフロー・エンジンが、実験室ミドルウェアから受けた検査命令に応答して、アルゴリズム計算器に、臨床アルゴリズムを第1入力データおよび第2入力データに適用するように命令するステップと、
−アルゴリズム計算器が、臨床アルゴリズムを使用して第1入力データおよび第2入力データを処理し、解釈支援データをワークフロー・エンジンに送信するステップと、
−ワークフロー・エンジンが、解釈支援データを実験室ミドルウェアに転送するステップと、
−実験室ミドルウェアが、第1測定値および第2測定値を、仮想アナライザから受信した解釈支援データで増強するステップと、
を含む。
−生体試料を分析するための複数の実験室計器であって、各実験室計器が、生体試料の分析によって得られる測定値を供給する、複数の実験室計器と、
−複数の実験室計器に通信可能に接続された実験室ミドルウェアと、
−臨床アルゴリズムを含むアルゴリズム計算器と、
を含み、
実験室システムは、開示する方法の実施形態にしたがってステップを実行するように構成される。
−患者の1つ以上の生体試料の分析によって得られた第1測定値および第2測定データを示す第1入力データを受信し、更に患者に対応する患者データを含む第2入力データを受信するためのユーザ・インターフェースと、
−ワークフロー・エンジンおよびアルゴリズム計算器を含む仮想アナライザであって、臨床アルゴリズムを含む、仮想アナライザと、
を含み、
ウェブ・ベース・システムは、開示する方法の実施形態にしたがってステップを実行するように構成される。
図1は、開示する実験室システム1の実施形態の非常に模式的なブロック図を示す。図示のように、実験室システム1は、実験室ミドルウェア30、1つ以上の実験室計器10、および仮想アナライザ50を含み、これらは通信ネットワーク70によって互いに接続されている。
−患者の年齢、
−患者のライフ・ステージ(例えば、閉経前または後)
−患者の1つ以上の健康状態、
−体重、身長、性別等のような、患者の生理的特徴、
−患者に投与された過去のおよび/または現在の薬剤のリスト、およびそれぞれの投与量(1つまたは複数)、
−患者の過去および/または現在の処置、
−患者の人口統計学的データ。
一旦患者の1つ以上の生体試料が入手可能になった(即ち、患者から収集され実験室に搬入された)なら、ステップ120において、1つ以上の実験室計器10が患者の1つ以上の生体試料を分析して、ステップ122において、そこから第1測定値Aおよび(respectively)第2測定値Bを得る。
続くステップ140において、ワークフロー・エンジン52は、第1測定値Aおよび第2測定値Bを含む第1入力データIを実験室ミドルウェア30から、そして患者に対応する患者データを含む第2入力データIIを収集する。開示する方法の実施形態によれば、ステップ140の一部も、入力データが、アルゴリズム計算器54によって予測されるようなフォーマットであることを確認するための、ワークフロー・エンジン52による収集データの準備である。例えば、仮想アナライザ50のワークフロー・エンジン52は、HL7フォーマット(実験室ミドルウェアおよび実験室情報システムに共通)で受信した第1測定値Aおよび第2測定値Bを、アルゴリズム計算器54から予測されるXMLフォーマットに変換するように構成されている。
開示する方法/システムの実施形態によれば、ステップ160の一部として、ワークフロー・エンジン52は、実験室ミドルウェア30に転送する前に、アルゴリズム計算器54から受け取った解釈支援データOの有効性を判断する。
開示する方法/システムの更に他の実施形態によれば、解釈支援データOの精度を示すフィードバックは、統計データからの解釈支援データOの偏差の分析というように、機械学習技法によって生成される。機械学習技法は、大量の解釈支援データOに対して適用される。加えてまたは代わりに、解釈支援データOは、予測パターン、比率、または推算値/割合と対比してその有効性が判断される。例えば、患者が特定の病気に罹患していることおよび/または特定の病気に罹患することを示すリスク・スコアを計算する臨床アルゴリズム80については、このようなリスク・スコアを示す解釈支援データOを経時的に分析し、同じ病気の発生を示す統計データと相関付ける。著しい偏差が検出された場合、この偏差について可能性がある原因を調査し、ステップ182において、臨床アルゴリズム80が今後もっと精度が高い解釈支援データOを生成するために、臨床アルゴリズム80のパラメータを改良/最適化する。
−少なくとも1つのプロセッサを含むコンピュータまたはコンピュータ・ネットワークであって、このプロセッサが、本明細書において説明した実施形態の1つにしたがって方法を実行するように構成される(adapted)、コンピュータまたはコンピュータ・ネットワーク。
10 実験室計器
30 実験室ミドルウェア
40 ホスト・システム(HS)
50 仮想アナライザ
52 (仮想アナライザの)ワークフロー・エンジン
54 (仮想アナライザの)アルゴリズム計算器
56 ユーザ・インターフェース
70 通信ネットワーク
80 臨床アルゴリズム
A 第1測定値
B 第2測定値
I 第1入力データ
II 第2入力データ
O 解釈支援データの送信
ステップ100 検査命令を受ける
ステップ104 臨床アルゴリズムをアルゴリズム計算器に供給する
ステップ110 実験室計器(1つまたは複数)に試料(1つまたは複数)を分析するように命令する
ステップ120 実験室計器(1つまたは複数)による試料(1つまたは複数)の分析
ステップ122 測定値を得る
ステップ130 実験室ミドルウェアによる測定値の受信
ステップ140 データ収集および準備
ステップ150 アルゴリズム計算器による処理
ステップ160 解釈支援データの転送
ステップ170 解釈支援による測定値の増強
ステップ180 解釈支援の精度を示すフィードバックを得る
ステップ182 フィードバックに応答して臨床アルゴリズムのパラメータを最適化する
Claims (15)
- 方法であって、
−実験室ミドルウェア(30)によって、患者に対応する検査命令を受けるステップと、
−1つ以上の実験室計器(10)が、前記検査命令にしたがって前記実験室ミドルウェア(30)からの命令に応答して、前記患者の1つ以上の生体試料を分析し、そこから第1測定値(A)および(respectively)第2測定値(B)を得るステップと、
−前記実験室ミドルウェア(30)が、前記患者からの1つ以上の生体試料の分析によって得られた前記第1測定値(A)および第2測定値(B)を受信するステップと、
−ワークフロー・エンジン(52)およびアルゴリズム計算器(54)を含む仮想アナライザ(50)を設けるステップであって、前記仮想アナライザ(50)が前記実験室ミドルウェア(30)とは別個である、ステップと、
−前記ワークフロー・エンジン(52)が、前記実験室ミドルウェア(30)から、前記第1測定値(A)および前記第2測定値(B)を含む第1入力データ(1)を受信するステップと、
−前記ワークフロー・エンジン(52)が、前記実験室ミドルウェア(30)から、前記患者に対応する患者データを含む第2入力データ(II)を受信するステップと、
−臨床アルゴリズム(80)を前記アルゴリズム計算器(54)に供給するステップであって、前記臨床アルゴリズム(80)が、前記第1入力データ(I)および第2入力データ(II)に適用する処理ステップを定める、ステップと、
−前記ワークフロー・エンジン(52)が、前記実験室ミドルウェア(30)から受けた検査命令に応答して、前記アルゴリズム計算器(54)に、前記臨床アルゴリズム(80)を前記第1入力データ(I)および第2入力データ(II)に適用するように命令するステップと、
−前記アルゴリズム計算器(54)が、前記臨床アルゴリズム(80)を使用して前記第1入力データ(I)および第2入力データ(II)を処理し、解釈支援データ(O)を前記ワークフロー・エンジン(52)に送信するステップと、
−前記ワークフロー・エンジン(52)が、前記解釈支援データ(O)を前記実験室ミドルウェア(30)に転送するステップと、
−前記実験室ミドルウェア(30)が、前記第1測定値(A)および前記第2測定値(B)を、前記仮想アナライザ(50)から受信した前記解釈支援データ(O)で増強するステップと、
を含む、方法。 - 請求項1記載の方法であって、更に、
−前記解釈支援データ(O)の精度を示すフィードバックを得るステップと、
−前記解釈支援データ(O)の精度を高めるために、前記フィードバックに応答して、前記臨床アルゴリズム(80)の1つ以上のパラメータを最適化するステップと、
を含む、方法。 - 請求項1または2記載の方法であって、更に、
−前記患者から第1生体試料を得るステップと、
−前記患者から、前記第1生体試料を得たときとは異なる時点において、第2生体試料を得るステップと、
−前記複数の実験室計器(10)の内前記1つ以上が、前記患者の第1生体試料を分析して前記第1測定値(A)を得るステップと、
−前記複数の 実験室計器(10)の内前記1つ以上が、前記患者の第2生体試料を分析して前記第2測定値(B)を得るステップと、
を含む、方法。 - 請求項1から3のいずれか1項記載の方法であって、更に、
−前記複数の実験室計器(10)の内前記1つ以上が、前記患者の1つ以上の生体試料の第1分析を実行して前記第1測定値(A)を得るステップと、
−前記複数の実験室計器(10)の内前記1つ以上が、前記患者の1つ以上の生体試料の第2分析を実行して前記第2測定値(B)を得るステップであって、前記第1分析が前記第2分析とは異なる、ステップと、
を含む、方法。 - 請求項4記載の方法において、前記第1分析が第1分析物の存在および/または濃度を判定し、前記第2分析が第2分析物の存在および/または濃度を判定し、前記第1分析物が前記第2分析物とは異なる、方法。
- 請求項1から5のいずれか1項記載の方法であって、更に、前記実験室ミドルウェア(30)が、病院情報システムHIS、電子医療記録EMR、および/またはコンピュータ化医師オーダ・エントリCPOEのようなホスト・システム(40)から患者データを検索するステップを含む、方法。
- 請求項1から6のいずれか1項記載の方法において、前記患者データが、
−患者の年齢
−患者のライフ・ステージ、
−患者の1つ以上の健康状態、
−体重、身長、性別等のような、患者の生理学的特徴、
−前記患者に投与された過去および/または現在の薬品(1つまたは複数)のリスト、
ならびにそれぞれの投与量(1つまたは複数)
−前記患者の過去および/または現在の処置、
−患者の人口統計学的データ、
を含むリストからの1つ以上を含む、方法。 - 請求項1から7のいずれか1項記載の方法において、前記臨床アルゴリズム(80)を使用した前記第1入力データ(I)および第2入力データの処理が、前記患者が特定の病気に罹患しているおよび/または特定の病気に罹患することを示すリスク・スコアの判定を含み、前記解釈支援データ(O)が前記リスク・スコアを含む、方法。
- 請求項3から8のいずれか1項記載の方法において、前記臨床アルゴリズム(80)を使用した前記第1入力データ(I)および第2入力データの処理が、前記患者データに基づいて、更には前記第1生体試料の測定値、および前記第1生体試料を得たときとは異なる時点に得られた前記第2生体試料の測定値に基づいて、処置に対する患者反応を示す処置成功率の判定を含み、前記解釈支援データ(O)が前記処置成功率を含む、方法。
- 前出の請求項のいずれか1項記載の方法であって、更に、
−第2臨床アルゴリズム(80.2)を前記アルゴリズム計算器(54)に供給するステップであって、前記第2臨床アルゴリズム(80.2)が、前記第1入力データ(I)および第2入力データ(II)に適用する処理ステップを定め、前記臨床アルゴリズム(80)が前記第2臨床アルゴリズム(80.2)とは異なる、ステップと、
−前記ワークフロー・エンジン(52)が、前記アルゴリズム計算器(54)に、前記実験室ミドルウェア(30)から受けた前記検査命令に対応する前記臨床アルゴリズム(80)および/または前記第2臨床アルゴリズム(80.2)を適用するように命令するステップと、
を含む、方法。 - 請求項10記載の方法であって、更に、前記ワークフロー・エンジン(52)が、前記臨床アルゴリズム(80)を適用したことによって得られた出力にしたがって、前記第2臨床アルゴリズム(80.2)を前記第1入力データ(I)および第2入力データ(II)に適用するステップを含む、方法。
- 生体試料を処理するための実験室システム(1)であって、
−生体試料を分析するための複数の実験室計器(10)であって、各実験室計器(10)が、生体試料の分析によって得られる測定値を供給する、複数の実験室計器(10)と、
−前記複数の実験室計器(10)に通信可能に接続された実験室ミドルウェア(30)と、
−ワークフロー・エンジン(52)とアルゴリズム計算器(54)とを含む仮想アナライザ(50)であって、前記アルゴリズム計算器(54)が1つ以上の臨床アルゴリズム(80)を含む、仮想アナライザ(50)と、
を含み、
請求項1から11による方法の内任意の1つのステップを実行するように構成される、実験室システム(1)。 - 命令を格納したコンピュータ読み取り可能媒体であって、前記命令がコンピュータ・システムによって実行されると、請求項1から11による方法の内任意の1つのステップを実行するように、前記コンピュータ・システムを制御する、コンピュータ読み取り可能媒体。
- ウェブ・ベース・システムであって、
−前記患者の1つ以上の生体試料の分析によって得られた前記第1測定値(A)および前記第2測定データ(B)を示す第1入力データ(I)を受信し、更に前記患者に対応する患者データを含む第2入力データ(II)を受信するためのユーザ・インターフェース(56)と、
−ワークフロー・エンジン(52)およびアルゴリズム計算器(54)を含む仮想アナライザ(50)であって、1つ以上の臨床アルゴリズム(80)を含む、仮想アナライザ(50)と、
を含み、前記ウェブ・ベース・システムが、請求項1から11による方法のいずれか1つのステップを実行するように構成される、ウェブ・ベース・システム。 - 請求項14記載のウェブ・ベース・システムにおいて、前記仮想アナライザ(50)が、リモート・サーバ、具体的には、クラウド・ベースのリモート・サーバに内在する、ウェブ・ベース・システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023158381A JP2023169350A (ja) | 2017-07-27 | 2023-09-22 | 生体試料の測定値増強 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17183458.3A EP3435379A1 (en) | 2017-07-27 | 2017-07-27 | Augmenting measurement values of biological samples |
EP17183458.3 | 2017-07-27 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023158381A Division JP2023169350A (ja) | 2017-07-27 | 2023-09-22 | 生体試料の測定値増強 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019061657A true JP2019061657A (ja) | 2019-04-18 |
Family
ID=59416582
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018139216A Pending JP2019061657A (ja) | 2017-07-27 | 2018-07-25 | 生体試料の測定値増強 |
JP2023158381A Pending JP2023169350A (ja) | 2017-07-27 | 2023-09-22 | 生体試料の測定値増強 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023158381A Pending JP2023169350A (ja) | 2017-07-27 | 2023-09-22 | 生体試料の測定値増強 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190035489A1 (ja) |
EP (1) | EP3435379A1 (ja) |
JP (2) | JP2019061657A (ja) |
CN (1) | CN109308937A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3882920A1 (en) * | 2020-03-20 | 2021-09-22 | F. Hoffmann-La Roche AG | Processing data from a medical analyzer |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004527825A (ja) * | 2001-02-15 | 2004-09-09 | シーメンス アクチエンゲゼルシヤフト | バイオチップ測定装置で得たデータを評価するためのネットワーク |
US20110201900A1 (en) * | 2010-02-18 | 2011-08-18 | Siemens Medical Solutions Usa, Inc. | System for Monitoring and Visualizing a Patient Treatment Process |
JP2012203841A (ja) * | 2011-03-28 | 2012-10-22 | Fujitsu Ltd | 検査結果管理装置、検査結果管理プログラム及び検査結果管理方法 |
US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
US20150072889A1 (en) * | 2013-09-06 | 2015-03-12 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
WO2016162767A1 (en) * | 2015-04-08 | 2016-10-13 | Koninklijke Philips N.V. | System for laboratory values automated analysis and risk notification in intensive care unit |
JP2016212116A (ja) * | 2010-10-22 | 2016-12-15 | ヴァーミリオン インコーポレイテッド | 卵巣癌の患者における予後予測バイオマーカー |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10103330B4 (de) * | 2001-01-25 | 2009-04-30 | Siemens Ag | Medizinisches System zur Überwachung eines die Blutgerinnung betreffenden Messwertes eines Patienten |
EP2510469A1 (en) * | 2009-12-10 | 2012-10-17 | Koninklijke Philips Electronics N.V. | Automated annotation of clinical data |
EP2450711A1 (en) * | 2010-11-03 | 2012-05-09 | F. Hoffmann-La Roche AG | Analaysis system for analyzing biological samples |
US9536052B2 (en) * | 2011-10-28 | 2017-01-03 | Parkland Center For Clinical Innovation | Clinical predictive and monitoring system and method |
US20140275993A1 (en) * | 2013-03-15 | 2014-09-18 | Medtronic Ardian Luxembourg S.a.r.I. | Devices, Systems, and Methods for Specialization of Neuromodulation Treatment |
WO2015081221A1 (en) * | 2013-11-27 | 2015-06-04 | Medtronic, Inc. | Precision dialysis monitoring and synchonization system |
US20160055412A1 (en) * | 2014-08-20 | 2016-02-25 | Accenture Global Services Limited | Predictive Model Generator |
WO2016094330A2 (en) * | 2014-12-08 | 2016-06-16 | 20/20 Genesystems, Inc | Methods and machine learning systems for predicting the liklihood or risk of having cancer |
EP3139222B1 (en) * | 2015-09-04 | 2022-04-13 | F. Hoffmann-La Roche AG | Analytical test management system and method |
US20170169173A1 (en) * | 2015-12-09 | 2017-06-15 | Cedar Gate Partners, LLC | System for adapting healthcare data and performance management analytics |
US20200265946A1 (en) * | 2016-06-17 | 2020-08-20 | Algotec Systems Ltd. | Medical image workflow system and method |
US11348033B2 (en) * | 2016-07-22 | 2022-05-31 | Sri International | Computational analysis of observations for determination of feedback |
US10242443B2 (en) * | 2016-11-23 | 2019-03-26 | General Electric Company | Deep learning medical systems and methods for medical procedures |
-
2017
- 2017-07-27 EP EP17183458.3A patent/EP3435379A1/en active Pending
-
2018
- 2018-07-25 JP JP2018139216A patent/JP2019061657A/ja active Pending
- 2018-07-26 US US16/046,936 patent/US20190035489A1/en not_active Abandoned
- 2018-07-27 CN CN201810841722.8A patent/CN109308937A/zh active Pending
-
2023
- 2023-09-22 JP JP2023158381A patent/JP2023169350A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004527825A (ja) * | 2001-02-15 | 2004-09-09 | シーメンス アクチエンゲゼルシヤフト | バイオチップ測定装置で得たデータを評価するためのネットワーク |
US20110201900A1 (en) * | 2010-02-18 | 2011-08-18 | Siemens Medical Solutions Usa, Inc. | System for Monitoring and Visualizing a Patient Treatment Process |
JP2016212116A (ja) * | 2010-10-22 | 2016-12-15 | ヴァーミリオン インコーポレイテッド | 卵巣癌の患者における予後予測バイオマーカー |
JP2012203841A (ja) * | 2011-03-28 | 2012-10-22 | Fujitsu Ltd | 検査結果管理装置、検査結果管理プログラム及び検査結果管理方法 |
US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
US20150072889A1 (en) * | 2013-09-06 | 2015-03-12 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
WO2016162767A1 (en) * | 2015-04-08 | 2016-10-13 | Koninklijke Philips N.V. | System for laboratory values automated analysis and risk notification in intensive care unit |
Also Published As
Publication number | Publication date |
---|---|
EP3435379A1 (en) | 2019-01-30 |
US20190035489A1 (en) | 2019-01-31 |
CN109308937A (zh) | 2019-02-05 |
JP2023169350A (ja) | 2023-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miller et al. | Harmonization: the sample, the measurement, and the report | |
JP7361187B2 (ja) | 医療データの自動化された検証 | |
US11830613B2 (en) | Integration of a point-of-care blood analyzer into a prehospital telemedicine system | |
CN110391018A (zh) | 分析测试结果的及时可用性 | |
JP2023169350A (ja) | 生体試料の測定値増強 | |
JP2021001886A (ja) | 分析実験室の操作方法 | |
EP3182133B1 (en) | Automated analytical system and method for operating thereof | |
US11977601B2 (en) | Supplementing measurement results of automated analyzers | |
US20200342962A1 (en) | Automatically generating rules for lab instruments | |
US20240038323A1 (en) | Systems and methods for determining attributes of biological samples | |
EP3971909A1 (en) | Method for predicting markers which are characteristic for at least one medical sample and/or for a patient | |
US20210003602A1 (en) | Sample mixing control | |
US20230115021A1 (en) | Method for operating an in-vitro diagnostics laboratory control software module with a simulated in-vitro diagnostics laboratory instrumentation | |
JP7496430B2 (ja) | 臨床分析装置の臨床決定支援 | |
JP7507217B2 (ja) | 自動分析装置の測定結果の補足 | |
WO2022247143A1 (en) | Federated learning of medical validation model | |
US20220328144A1 (en) | Laboratory sample delivery and broker system | |
EP3716280B1 (en) | Method of operating a diagnostic instrument | |
WO2018203885A1 (en) | Systems and methods for determining attributes of biological samples |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210705 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220801 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220908 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230307 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230522 |