JP2021532445A - 臨床アセスメントへのコンテキストデータの組み込み - Google Patents

Abstract

アラートを管理する方法とシステムとが提示される。本書に記載の方法及びシステムは、患者に関連する分類決定を受信する。分類決定がボーダーライン分類決定である場合、本書に記載のシステム及び方法は、１つ又は複数のアラートフィルタを患者データに適用して、アラートフィルタ状態を決定する。アラートフィルタ状態がボーダーライン分類と矛盾すると決定する場合、システム及び方法は、患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを臨床医に発行してもよい。

Description

本書に記載された実施形態は一般に、患者ケアを改善するシステム及び方法に関し、より詳細には、以下に限定されるものではないが、患者の評価、診断、及び治療の少なくとも１つの間にアラートを管理するシステム及び方法に関する。

臨床遭遇事象前、遭遇事象中、又は遭遇事象後の患者に関する文脈的及び状況的情報は、臨床支援の決定に重要な貢献をする。

しかしながら、この種の情報は、その性質上、主観的なものであり、通常、臨床測定装置により測定されることはない。従って、この情報は、電子データベースに記録されていないか、又はそうでなければ保存されていないことが多い。

追加的に、この種の情報を考慮してあまりに多く臨床医に警報を出すと（ａｌｅｒｔｉｎｇ）、臨床医に過度の負担がかかり、アラート疲労をもたらす場合がある。これは、臨床医が警報に対する感度を低下させ、及び警報に対して行動する傾向を低下させる場合がある。これは次に、患者が受けるケアの質に悪影響を及ぼす可能性がある。

そのため、既存の計測及び警報技術の欠点を克服するシステム及び方法が必要とされている。

本要約は、以下の詳細な説明にて記載される概念から選択したものを簡略化された形態で紹介するために提供されるものである。本要約は、請求項に記載された主題の主要な特徴又は本質的な特徴を特定又は除外することを意図したものではなく、また、請求項に記載された主題の範囲を決定するための補助として使用されることを意図したものでもない。

一つの側面によれば、実施形態は、患者の評価、診断、及び治療の少なくとも一つの間にアラートを管理する方法に関する。方法は、インタフェースを使用して患者データを受信するステップと、インタフェースを使用して、分類モデルを実行する分類器からの分類決定を受信するステップであって、上記分類決定が、患者データに基づかれる、ステップと、メモリに記憶された命令を実行するプロセッサを使用して、上記分類決定がボーダーライン分類決定であるかどうかを決定するステップと、上記分類決定がボーダーライン分類決定であると決定するときに、上記プロセッサを使用して、少なくとも１つのアラートフィルタを上記患者データに適用するステップであって、上記少なくとも１つのアラートフィルタが、上記患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを上記臨床医に発行するかどうかを決定するために適用される、ステップとを有する。

いくつかの実施形態では、方法は、患者に関連するコンテキストデータを考慮するように臨床医に促すコンテキストデータアラートを臨床医に発行するステップを更に含む。

いくつかの実施形態では、分類決定がボーダーライン分類決定であるかどうかを決定するステップは、上記分類決定を決定境界と比較し、上記分類決定が上記決定境界から所定の閾値内にあるか否かを決定し、及び上記分類決定が上記決定境界から上記所定の閾値内にあると決定するときに、上記分類決定がボーダーライン分類決定であると決定するステップとを含む。

いくつかの実施形態では、少なくとも１つのアラートフィルタを適用するステップは、患者データを分析して、少なくとも１つのアラートフィルタ状態が、受信したボーダーライン分類決定と矛盾するかどうかを決定するステップを含み、方法は、アラートフィルタ状態が受信したボーダーライン分類決定と矛盾するとプロセッサが決定するとき、コンテキストデータアラートを臨床医に発行するステップを更に含む。いくつかの実施形態では、少なくとも１つのアラートフィルタ状態は、患者の受診履歴、治療に対する患者の応答、臨床的に測定された特徴のパターン、臨床的測定の種類、及び測定された臨床的特徴の変化の少なくとも１つに関連する。

いくつかの実施形態では、少なくとも１つのアラートフィルタは、分類モデルに基づき選択される。

いくつかの実施形態では、患者に関連するコンテキストデータは、患者の気分、患者の身体的外観、患者の感情状態、及び患者の敏捷性の少なくとも１つを含む。

別の側面によれば、実施形態は、患者の評価、診断、及び治療の少なくとも１つの間にアラートを管理するシステムに関する。システムは、患者データと、分類モデルを実行する分類器からの分類決定とを受信するインタフェースであって、上記分類決定が、患者データに基づかれる、インタフェースと、上記分類決定がボーダーライン分類決定であるかどうかを決定し、上記分類決定がボーダーライン分類決定であると決定するとき、少なくとも１つのアラートフィルタを患者データに適用するために、メモリに記憶された命令を実行するプロセッサであって、上記少なくとも１つのアラートフィルタが、上記患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを上記臨床医に発行するかどうかを決定するために適用される、プロセッサとを含む。

いくつかの実施形態では、プロセッサは、患者に関連するコンテキストデータを考慮するように臨床医に促すために、ユーザインタフェースを使用して、コンテキストデータアラートを臨床医に発行するように更に構成される。

いくつかの実施形態では、プロセッサは、分類決定を決定境界と比較し、分類決定が決定境界から所定の閾値内にあるかどうかを決定し、分類決定が決定境界から所定の閾値内にあると決定するとき、分類決定がボーダーライン分類決定であると決定することにより、分類決定が、ボーダーライン分類決定であるかどうかを決定するよう更に構成される。

いくつかの実施形態では、プロセッサは、患者データを分析して、少なくとも１つのアラートフィルタ状態が、受信したボーダーライン分類決定と矛盾するかどうかを決定することにより、少なくとも１つのアラートフィルタを適用する。プロセッサは更に、ユーザインタフェースを使用して、アラートフィルタ状態が受信したボーダーライン分類決定と矛盾すると決定するときに、コンテキストデータアラートを臨床医に発行するよう構成される。いくつかの実施形態では、少なくとも１つのアラートフィルタ状態は、患者の受診履歴、治療に対する患者の応答、臨床的に測定された特徴のパターン、臨床的測定の種類、及び測定された臨床的特徴の変化の少なくとも１つに関連する。

いくつかの実施形態では、少なくとも１つのアラートフィルタは、分類モデルに基づき選択される。

いくつかの実施形態では、患者に関連するコンテキストデータは、患者の気分、患者の身体的外観、患者の感情状態、及び患者の敏捷性の少なくとも１つを含む。

更に別の局面によれば、実施形態は、患者の評価、診断、及び治療の少なくとも１つの間にアラートを管理する方法を実行するためのコンピュータ実行可能な命令を含む非一時的コンピュータ可読媒体に関する。媒体は、インタフェースを使用して患者データを受信するためのコンピュータ実行可能な命令と、インタフェースを使用して、分類モデルを実行する分類器から分類決定を受信するためのコンピュータ実行可能命令であって、上記分類決定が、患者データに基づかれる、コンピュータ実行可能な命令と、メモリに記憶された命令を実行するプロセッサを使用して、分類決定がボーダーライン分類決定であるかどうかを決定するためのコンピュータ実行可能命令と、上記分類決定がボーダーライン分類決定であると決定するときに、上記プロセッサを使用して、少なくとも１つのアラートフィルタを上記患者データに適用するためのコンピュータ実行可能な命令であって、上記少なくとも１つのアラートフィルタが、上記患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを上記臨床医に発行するかどうかを決定するために適用される、コンピュータ実行可能な命令とを含む。

一実施形態による、患者の評価、診断、及び治療の少なくとも１つの間のアラートを管理するシステムを示す図である。 一実施形態によるアラートトリガ機構のワークフローを示す図である。 一実施形態による決定境界を提示するシグモイド関数を示す図である。 一実施形態による、患者の評価、診断、及び治療の少なくとも１つの間のアラートを管理する方法のフローチャートを示す図である。 一実施形態による過去の患者データの時間的ダイナミクスを定量化するためのグラフを示す図である。 別の実施形態による、患者の評価、診断、及び治療の少なくとも１つの間のアラートを管理する方法のフローチャートを示す図である。

本発明の非限定的かつ非網羅的な実施形態が、以下の図を参照して説明され、ここで、同様の参照数字は、特に指定されない限り、様々な表示全体を通して同様の部分を参照する。

様々な実施形態が、本書の一部を形成し、特定の例示的な実施形態を示す添付の図面を参照して、以下により詳細に説明される。しかしながら、本開示の概念は、多くの異なる形態で実現されてもよく、本書に記載された実施形態に限定されるものと解釈されるべきではない。むしろ、これらの実施形態は、本開示の概念、技術、及び実施形態の範囲を当業者に十分に伝えるために、完全な開示の一部として提供される。実施形態は、方法、システム又は装置として実施されることができる。従って、実施形態は、ハードウェアの実施形態、完全にソフトウェアの実施形態、又はソフトウェア及びハードウェアの側面を組み合わせた実施形態の形態をとることができる。従って、以下の詳細な記述は、限定的な意味で捉えられるものではない。

本書において、「一実施形態」又は「ある実施形態」への言及は、実施形態に関連して記載される特定の特徴、構造、又は特性が、本開示による少なくとも１つの例示的な実施形態又は技術に含まれることを意味する。本書の様々な場所での「一実施形態では」という表現の出現は、必ずしも全てが同じ実施形態を指しているわけではない。本書の様々な場所での「いくつかの実施形態では」という表現の出現は、必ずしもすべてが同じ実施形態を指しているわけではない。

以下の説明のいくつかの部分は、コンピュータメモリ内に格納された非定常信号に対する処理の記号的表現として提示される。これらの記述及び表現は、データ処理技術の当業者が、他の当業者に自分の仕事の本質を最も効果的に伝えるために使用される。斯かる処理は典型的には、物理量の物理的な操作を必要とする。通常、必ずしもそうとは限らないが、これらの量は、保存、転送、結合、比較、及び他の態様で操作されることが可能な電気的、磁気的又は光学的信号の形をとる。これらの信号をビット、値、要素、記号、文字、用語、数字などと呼ぶことが、主に一般的な使用法の理由から便利な場合がある。更に、時として、一般性を損なうことなく、物理量の物理的操作を必要とするステップの特定の配置をモジュール又はコード装置として参照することも便利である。

しかしながら、これらの用語及び類似の用語はすべて適切な物理量と関連づけられるべきものであり、これらの量に適用される便利なラベルにすぎない。以下の議論から明らかなように、特に別段の記載がない限り、本書全体を通して、「処理」、「計算」、「算出」、「決定」、又は「表示」などの用語を用いた議論は、コンピュータシステムのメモリ、レジスタ、又は他の斯かる情報記憶、伝送若しくは表示装置内の物理的（電子的）量として表されるデータを操作し及び変換するコンピュータシステム、又は類似の電子計算装置の動作及びプロセスを指すことを理解されたい。本開示の一部は、ソフトウェア、ファームウェア又はハードウェアにおいて具現化されることができ、ソフトウェアに具現化される場合、様々なオペレーティングシステムにより使用される異なるプラットフォーム上に常駐して操作されるようにダウンロードされるプロセス及び命令を含む。

本開示はまた、本書に記載された処理を実行する装置に関する。この装置は、必要な目的のために特別に構成されていてもよく、又はコンピュータに記憶されたコンピュータプログラムにより選択的にアクティべート若しくは再構成される汎用コンピュータを有することができる。斯かるコンピュータプログラムは、以下に限定されるものではないが、フロッピーディスク、光ディスク、ＣＤ−ＲＯＭ、磁気−光ディスクを含む任意のタイプのディスク、リードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＥＰＲＯＭ、磁気カード、光カード、特定用途集積回路（ＡＳＩＣ）、又は電子命令を格納するのに適した任意のタイプの媒体といったコンピュータ可読記憶媒体に格納されてもよい。各媒体は、コンピュータシステムバスに結合されていてもよい。更に、本書で言及されるコンピュータは、単一のプロセッサを含んでいてもよく、又はコンピューティング能力を向上させるために複数のプロセッサ設計を採用するアーキテクチャであってもよい。

本書に提示されるプロセス及び表示は、特定のコンピュータ又は他の装置に本質的に関連するものではない。様々な汎用システムが、本書の教示によるプログラムと共に使用されてもよく、又は、１つ若しくは複数の方法ステップを実行するために、より専門的な装置を構築することが便利であることが判明する場合もある。これらの様々なシステムの構造は、以下の説明で説明される。更に、本開示の技術及び実施形態を実現するのに十分な任意の特定のプログラミング言語が使用されることができる。本書で論じられるように、本開示を実現するために、様々なプログラミング言語が使用されてもよい。

更に、本書で使用される言語は、主に可読性及び教示目的で選択されており、開示される主題を画定し又は囲むために選択されるものではない。従って、本開示は、本書で議論される概念の範囲を限定するものではなく、例示的なものであることを意図している。

本書に記載される実施形態は、患者の評価、診断、及び／又は治療の少なくとも１つの間に、患者に関連する文脈的及び／又は状況的な（簡単に言えば「コンテキスト」）情報を考慮するシステム及び方法を提供する。例えば、患者の気分、患者の一般的な外見、患者の動き方及び歩き方（例えば、サポートが必要かどうか）、臨床的な遭遇事象に対する二次的な反応などの特徴が、患者ケアの提供に役立つ場合がある。

しかしながら、この情報は性質上主観的なものであり、センサ装置により容易に又は自動的に測定されるものではない。従って、この情報は、患者に関する分類決定を提供する際に、機械学習手順により考慮されないことが多い。

従って、分類モデルは、患者に関する自信に満ちた分類決定を行うために、関連する情報をすべて持っていないか、又はそうでなければ考慮していない場合がある。その結果、分類モデルは、正確な分類を達成することが困難であることを示す「ボーダーライン」分類決定を出力することがある（例えば、コンテキストデータがデジタル形式で収集／保存されておらず、従って考慮されなかったため）。これらのボーダーライン分類決定は、最終的には偽陽性及び偽陰性をもたらし、患者が過小評価される。

従って、斯かるボーダーライン上の状況において、患者に関連するコンテキスト情報を考慮することで、臨床ケアシステム及び方法が改善されることができる。言い換えれば、臨床医の決定は、臨床医がボーダーライン分類決定のみに頼るのとは対照的に、コンテキスト情報が考慮される場合、より正確である場合がある。

従って、本願の特徴は、これらのボーダーラインケースを臨床医に警告し、患者に関連する特定のコンテキスト情報を更に考慮するよう臨床医に促すことができる。この情報は臨床医の入力の形で提供されることがあり、従って、システム及び方法は、分類モデルにより提供される情報に加えて、臨床医の臨床経験を活用して洞察を提供することができる。

しかしながら、本書に記載された様々な実施形態の特徴は、過剰なアラートで臨床医を圧倒する望ましくない可能性も考慮している。過剰なアラートは、アラート疲労をもたらす場合があり、この場合、臨床医はアラートに対する感度を低下させ、アラートに基づき行動する動機付けを低下させる。実際、アラートに関連する問題は、トップテクノロジーの健康被害としてランク付けされる。

更に、アラートは、患者の快適性に悪影響を及ぼす可能性がある（例えば、ストレスの増大、せん妄などを引き起こすことにより）音を伴うことが多い。これは特に、乳児又は集中治療室の患者などの脆弱な患者に当てはまります。

従って、本書に記載された様々な実施形態の特徴は、まず、分類決定がボーダーライン分類決定であるかどうかを検討してもよい。分類決定である場合、１つ又は複数のアラートフィルタ状態を決定するため、１つ又は複数のアラートフィルタが患者データに適用されてもよい。アラートフィルタ状態がボーダーライン分類決定に反するか、又は他の態様で矛盾する場合、患者に関連する特定のコンテキストデータを考慮するよう臨床医に促すコンテキストデータアラートが臨床医に対して発行されてもよい。アラート状態が分類決定と一致するか、又はそうでなければ矛盾しない場合、コンテキストデータアラートは発行されない。

図１は、患者の評価、診断、及び治療の少なくとも１つの間にアラートを管理するためのシステム１００を示す。システム１００は、１つ又は複数のシステムバス１１０を介して相互接続されたプロセッサ１２０、メモリ１３０、ユーザインタフェース１４０、ネットワークインタフェース１５０、及びストレージ１６０を含んでもよい。図１は、いくつかの点で抽象化されたものであり、システム１００及びその要素の実際の構成は、図示されるものとは異なる場合があることが理解されたい。

プロセッサ１２０は、メモリ１３０若しくはストレージ１６０に格納された命令を実行することができるか、又は他の態様でデータを処理することができる任意のハードウェアデバイスとすることができる。こうして、プロセッサ１２０は、マイクロプロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途集積回路（ＡＳＩＣ）、又は他の類似のデバイスを含んでもよい。

メモリ１３０は例えば、Ｌ１、Ｌ２、若しくはＬ３キャッシュ又はシステムメモリのような様々なメモリを含んでもよい。こうして、メモリ１３０は、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、フラッシュメモリ、リードオンリーメモリ（ＲＯＭ）、又は他の類似のメモリデバイスを含んでもよい。メモリ１３０の正確な構成は、アラートを管理するための命令が実行可能である限り、変動してもよい。

ユーザインタフェース１４０は、臨床医又は他のタイプの医療従事者のようなユーザとの通信を可能にするための１つ又は複数の装置を構成してもよい。例えば、ユーザインタフェース１４０は、ユーザコマンドを受信するための、ディスプレイ、マウス、及びキーボードを含んでもよい。いくつかの実施形態では、ユーザインタフェース１４０は、ネットワークインタフェース１５０を介してリモート端末に提示され得るコマンドラインインタフェース又はグラフィカルユーザインタフェースを含んでもよい。

ユーザインタフェース１４０は、ＰＣ、ラップトップ、タブレット、モバイルデバイス、スマートウォッチなどのユーザデバイス上で実行されてもよい。ユーザインタフェース１４０及びこれが実現されるデバイスの正確な構成は、本書に記載された様々な実施形態の特徴が達成され得る限り、変動することができる。

ネットワークインタフェース１５０は、他のハードウェアデバイスとの通信を可能にするための１つ又は複数のデバイスを含んでもよい。例えば、ネットワークインタフェース１５０は、イーサネットプロトコルに基づき通信するよう構成されたネットワークインターフェースカード（ＮＩＣ）を含んでもよい。更に、ネットワークインタフェース１５０は、ＴＣＰ／ＩＰプロトコルに基づき通信を行うためのＴＣＰ／ＩＰスタックを実現してもよい。ネットワークインタフェース１５０のための様々な代替的又は追加的なハードウェア又は構成が明らかになるであろう。

ネットワークインタフェース１５０は、１つ又は複数のセンサ装置１５１と動作可能に通信してもよい。ヘルスケアの文脈では、これらは、患者の健康に関する（ｒｅｇａｔｈｅｒ）様々なタイプの情報を収集する患者監視装置の一部として構成されたセンサを含むことができる。

使用されるセンサ装置１５１の種類はもちろん異なり、患者及び文脈に依存する場合がある。従って、分析対象となるエンティティに関する必要なデータを収集又は他の態様で取得できる限り、どのようなタイプのセンサ装置１５１が使用されてもよい。

センサ装置１５１は、様々な要素を様々なタイプのネットワーク接続でリンクすることができる１つ又は複数のネットワークを介してシステム１００と通信してもよい。ネットワークは、インターネット、イントラネット、パーソナルエリアネットワーク（ＰＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、ストレージエリアネットワーク（ＳＡＮ）、フレームリレー接続、高度インテリジェントネットワーク（ＡＩＮ）接続、同期光ネットワーク（ＳＯＮＥＴ）接続、デジタルＴ１、Ｔ３、Ｅ１、又はＥ３回線、デジタルデータサービス（ＤＤＳ）接続、デジタル加入者回線（ＤＳＬ）接続、イーサネット接続、統合サービスデジタルネットワーク（ＩＳＤＮ）回線、Ｖ．９０，Ｖ．３４又はＶ．３４ｂｉｓアナログモデム接続などのダイヤルアップポート、ケーブルモデム、非同期転送モード（ＡＴＭ）接続、ファイバ分散データインタフェース（ＦＤＤＩ）接続、銅分散データインタフェース（ＣＤＤＩ）接続、又は光／ＤＷＤＭネットワークの任意の１つ又は複数を含むか、又はそれらにインタフェースしていてもよい。

１つ又は複数のネットワークは、無線アプリケーションプロトコル（ＷＡＰ）リンク、Ｗｉ−Ｆｉリンク、マイクロ波リンク、一般パケット無線サービス（ＧＰＲＳ）リンク、移動体通信用グローバルシステムＧ（ＳＭ）リンク、符号分割多重アクセス（ＣＤＭＡ）リンク、携帯電話チャネルといった時分割多重アクセス（ＴＤＭＡ）リンク、グローバルポジショニングシステム（ＧＰＳ）リンク、セルラデジタルパケットデータ（ＣＤＰＤ）リンク、Ｒｅｓｅａｒｃｈ ｉｎ Ｍｏｔｉｏｎ，Ｌｉｍｉｔｅｄ（ＲＩＭ）二重ページングタイプのデバイス、Ｂｌｕｅｔｏｏｔｈ無線リンク、又はＩＥＥＥ ８０２．１１ベースのリンクの任意の１つ又は複数のリンクを有する、含む、又はそれらにインタフェースすることができる。

ストレージ１６０は、読み出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、磁気ディスクストレージメディア、光ストレージメディア、フラッシュメモリデバイス、又は類似のストレージメディアなどの１つ又は複数の機械可読ストレージメディアを含んでもよい。様々な実施形態では、ストレージ１６０は、プロセッサ１２０により実行される命令又はプロセッサ１２０が動作し得るデータを格納してもよい。例えば、ストレージ１６０は、ボーダーライン分類識別命令１６１、１つ又は複数の分類モデル１６２、１６３、臨床医アラート命令１６４、及び１つ又は複数の分類モデルに適用可能な１つ又は複数のアラートフィルタ１６５、１６６を含んでもよい。

図２は、一実施形態によるアラートトリガ機構のワークフロー２００を示す。ステップ２０２は、１種類以上の患者データを取得するか、又は他の態様で受信することを含む。この患者データは、以下に限定されるものではないが、患者の人口統計、患者のバイタル、患者の検査結果、患者の心エコーデータ、患者の投薬、患者の来院歴、治療に対する患者の反応、臨床的に測定された特徴のパターン、臨床的測定の種類及び／又は方法、測定された臨床的特徴の変化等の少なくとも１つを含むことができる。上記のリストは非網羅的であり、本書に記載された様々な実施形態の特徴を達成するために、他のタイプの患者データが考慮され得る。

ステップ２０４において、１つ又は複数の分類モデル（モデル１６２、１６３など）は、ステップ２０２の患者データを分析して分類決定を得てもよい。分類決定は例えば、患者がある状態に関して陽性であると判定されるかどうか、患者を退院させるべきか医療ユニットに入院させるべきかどうか、又は患者が特定の薬を処方されるべきかどうかに関連していてもよい。

１つ又は複数のモデルは、任意のタイプの適切な機械学習分類手順を実行してもよい。これらは、以下に限定されるものではないが、ロジスティック回帰、ランダムフォレスト、ニューラルネットワークなどを含む。

ステップ２０６は、分類モデルから分類決定を受信することを含んでもよい。いくつかの実施形態では、出力は例えば、患者が特定の医療ユニットに入院すべきか否かの確率、又は患者が何らかの状態を有する確率を含んでもよい。

ステップ２０８では、分類決定を分析して、分類決定がボーダーライン分類決定であるかどうかを決定することを含む。このステップは、図１のボーダーライン識別命令１６１を実行する医師／臨床医アラート機構により実行されてもよい。

ボーダーライン識別命令１６１は、次のようにして、分類決定がボーダーライン分類決定であるか否かを決定してもよい。現在の遭遇事象の分類決定ｐｉが決定境界ｐｂの閾値ｐｔｈｒｅｓｈ以内であれば、その分類決定はボーダーライン分類決定である。言い換えると、ボーダーライン分類命令１６１は、

が成立すると決定することに基づき、分類決定がボーダーライン分類であると決定する。

これらの境界は、いくつかの方法で決定及び／又は提示されることができる。例えば、図３は、各分類手順の訓練中に過去に決定された決定境界ｐｂを提示するシグモイド関数３００を示す。例えば、決定境界ｐｂは、境界を上回る値が正の分類（例えば、患者を入院させる）になり、境界以下の値が負の分類（例えば、患者を退院させる）になるように学習されてもよい。図３には、現在のテストケースの分類決定ｐｉと、ユーザ定義のパラメータである閾値ｐｔｈｒｅｓｈ１及びｐｔｈｒｅｓｈ２とが示されている。

図３に示すように、分類決定ｐｉは、決定境界ｐｂと閾値ｐｔｈｒｅｓｈ２との間の領域に含まれる。従って、図３に示された分析は、ボーダーライン分類決定をもたらす。図３は、シグモイド関数を例示すが、分類決定がボーダーライン分類決定であるかどうかを決定するために、他のタイプの関数又は分類方法が使用されてもよい。

分類決定がボーダーライン分類決定であると決定されると、臨床医アラート機構は、ステップ２０８において、適用可能なアラートフィルタ状態が分類決定と矛盾するかどうかを決定し、ステップ２１０において患者情報の表示を提示してもよい。アラートフィルタ状態がボーダーライン分類決定と矛盾する場合、臨床医アラート機構は、ステップ２１２で患者に関連するコンテキストデータに関する入力を考慮／提供するよう臨床医に促すためにアラートを発行してもよい。

図４は、一実施形態によるアラートを管理するための方法４００のフローチャートを示す。具体的には、方法４００は、図２の臨床医アラート機構により実行され得るいくつかのステップを含む。ステップ４１０は、いくつかの基準に基づき患者を分類する際に使用するための分類モデルを選択することを含む。ステップ４１０で選択される分類モデルは、ロジスティック回帰、ランダムフォレスト、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）などの任意のタイプの機械学習アルゴリズムを含んでもよい。

ステップ４２０は、ステップ４１０で選択された分類モデルを患者データに適用して、患者に関する分類決定を受け取ることを含む。分類決定は、患者が医療機関（その特定の部門など）に入院すべきか、又は退院して帰宅させるべきかに関係している場合がある。代替的に、他の実施形態では、分類決定は、患者が特定の状態と診断されるか否かに関連していてもよい。更に他の実施形態では、分類決定は、患者が特定の薬を処方されるべきであるか否かに関連してもよい。これらの実施形態は単に例示的なものであり、分類モデルが他のタイプの分類決定を行うよう構成されていてもよいことが企図される。

ステップ４３０は、分類決定がボーダーライン分類決定であるか否かを決定することを含む。上述したように、分類モデルは、要求されたレベル又は所望のレベルの信頼度で分類決定を行うことができない場合がある。

例えば、分類モデルが数値（例えば、図３に示すようなシグモイド関数スケール）で分類を出力するよう構成される場合、分類決定が決定境界からの何らかの閾値距離内に収まる場合、分類決定はボーダーライン分類とみなされてもよい。

ステップ４３０の答えがノーである場合（即ち、分類決定がボーダーライン分類決定ではない場合）、方法４００は、ステップ４４０に進んでもよい。ステップ４４０は、分類決定がボーダーライン分類でない場合、コンテキストデータアラートが発行されないことを特定する。これは、基本的に必要な程度の不確実性がなく、正確な分類決定を得るために追加のコンテキストデータが必要ないからである。

ステップ４３０での答えがイエスである場合（即ち、分類決定がボーダーライン分類である場合）、方法４００は、ステップ４５０に進んでもよい。ステップ４５０は、少なくとも１つのアラートフィルタを適用することを含む。アラートフィルタは、患者の全体的な状態のより深いビューを得るために、特定のタイプの患者データを考慮するとともに、患者の健康に関する臨床医の知識も考慮する。

アラートフィルタの対象となるデータは、分類の根拠となるデータの一部又は全部を含んでいてよい。追加的又は代替的に、アラートフィルタの対象となるデータは、分類決定の根拠となるデータとは異なるデータを含んでいてよい。

いくつかの実施形態では、アラートフィルタは、患者の受診履歴を考慮してもよい。例えば、所与の症状のために初めて救急部（ＥＤ）を受診する患者は、より詳細な検査のために入院することが多い。患者が同じ症状で短期間に何度もＥＤを受診する場合は、病院（又はその一部の診療科）に患者を入院させることが、症状が悪化しているかどうか及びその症状に関連した原因を決定するのに役立ちます。一方で、繰り返しの受診が長期間にわたって間隔をあけて行われている場合には、ＥＤで患者を安定させてから帰宅させることに力が注がれる場合がある。

言い換えると、分類決定が入院指示であり、初診である場合には、臨床医は、より綿密な検査を行いたいと考える可能性が高い。従って、アラートフィルタは、"これは患者の初診であるか？"とすることができる。答えが「イエス」の場合、方法は、最終的に、患者に関連するコンテキストデータを入力するか、又はそうでなければ考慮するように臨床医に促すコンテキストデータアラートを発行する傾向があるかもしれない。

一方、分類決定が入院指示であったが、過去に何度も通院している場合は、臨床医はすでに患者のことをよく知っている可能性が高い。このシナリオでは、方法４００は、コンテキストデータアラートを発行しない方が好ましいかもしれない。なぜなら、アラートは、臨床医を困らせるだけである可能性が高いからである。代替的に、別のアラートフィルタが適用されてもよい。

別のアラートフィルタは、高急性度を示す測定パターンを探し、より高いレベルのケアに患者を入院させる必要があることを示す。これらのパターンは、以下に限定されるものではないが、特定の測定値の存在、測定の頻度、測定値が得られる方法などを含む。

特定の測定は、臨床医がすでに患者の状態を気にしている場合にのみ、臨床医により指示される。従って、ある測定が指示されたという事実は、患者の状態が悪化していることを示す（及び臨床医が、患者の状態が悪化していることを知っていることを示す）。これらの状況では、方法４００は、コンテキストデータアラートを発行しない傾向がある。なぜなら、臨床医が患者及び患者の状態に既に精通しているからである。

これらの特徴は、患者集団全体で一般的ではない特徴を分析することにより発見されることができる。更に、測定値（バイタルなど）があまりにも頻繁に測定される場合、それはしばしば患者の状態が悪化していることをケアチームが認識していることを示す。更に、ある臨床値を測定するために（非侵襲的なものとは対照的に）侵襲的な測定法、又はより高い感度の測定法を使用することは、通常、より高い急性度を示す。

例えば、侵襲的に測定された血圧は、非侵襲的な方法よりも臨床医の関心度が高いことを示す。斯かる場合、ボーダーライン入院決定を臨床医に警告することは冗長であり、回避されるべきである。なぜなら、臨床医は患者が悪化しており、入院すべきであることをすでに知っているからである。

別のアラートフィルタは、患者データの傾向に関連する場合がある。基礎的な慢性疾患に起因する急性増悪を有する患者では、患者の病歴又は患者の経時的な変化の態様は、臨床的な意思決定を行う上で特に重要である。従って、過去の患者データの傾向分析は、患者の状態に関して貴重な洞察を提供することができる。

例えば、図５は、過去のデータの時間的な動態を定量化するために使用されるグラフ５００を示す。最小値、最大値、中央値、標準偏差、最小値に対する現在のデータ点ｘの相対距離（即ち、（ｘ−Ｍｉｎ）／（Ｍａｘ−Ｍｉｎ））、現在のデータ点ｘのＺスコアなどの統計情報は、すべて有用な尺度である。更に、過去のデータ点を通した線形回帰の傾き及び切片も臨床的に有用である（ｉｎｄｉｃａｔｉｖｅ）。

過去のデータの異なる時間的持続時間にわたり上記の分析を行うことも有用であろう。例えば、利用可能なすべてのデータを考慮してもよいし、過去６ヶ月間、過去１ヶ月間、過去７日間、過去２日間、過去２４時間、トリアージ中など、特定のウィンドウからのデータのみが考慮されてもよい。アクセスされる臨床値が、前述の統計により示されるように大きく変化する場合、アラートフィルタの状態は、患者が入院すべきであることを示唆している可能性がある。

別のアラートフィルタは、治療に対する患者の反応性及び／又はＥＤ内の患者に提供される治療の侵攻性を考慮してもよい。患者がＥＤにおける治療に反応して安定しているのであれば、臨床医は退院の可能性を検討すべきである。しかしながら、ボーダーライン分類決定が患者の入院であり、患者が治療に反応して安定している場合には、警告が臨床医に発行されるべきである。なぜなら、アラートフィルタ状態が分類決定と矛盾しているからである。言い換えれば、ボーダーライン分類決定が患者の入院であるのに、患者が治療に反応して安定していることを他の患者データが示す場合には、患者に関連するコンテキストデータを考慮するよう臨床医に促すため、臨床医にアラートが発行されるべきである。

例えば、ＥＤで投与された利尿剤に患者がよく反応する場合、退院が考慮される可能性がある。治療反応性を評価する簡単な方法は、投薬量と投薬期間とを推定することである。例えば、異なる投与経路（例えば、経口点滴、連続的な点滴ポンプなど）での異なる種類の利尿剤の等価投与量が計算されることができる。投与量のエスカレートは一般的に、反応性がないことを示しており、そのため、より高いレベルのケアへの入院を示す。胸部Ｘ線画像上の浮腫及び体液貯留の変化を分析することにより、より包括的ではあるが複雑な評価が行われることができる。

図４に戻って、ステップ４６０は、アラートフィルタ状態がステップ４２０からの分類決定と矛盾するかどうかを決定することを含む。上述したようなフィルタは、特定のタイプの患者データが、患者の健康状態に何らかの意味を持つ、又は患者の健康状態に何らかの示唆を与える１つ又は複数の条件を満たすか否かを決定するように設定されるか、又は他の態様で構成されていてもよい。１つ又は複数のアラートフィルタ状態が分類決定と矛盾しない場合、方法４００は、ステップ４４０に進むことができ、コンテキストデータアラートは発行されない。

例えば、分類決定が、救急部への患者の入院であったとする。アラートフィルタ状態（アラートフィルタ（複数可）に基づく）は、患者が治療に反応していないことを示すことができる。この場合、アラート状態は、分類決定に一致する、又はそうでなければ矛盾していないと言える。すると方法４００は、ステップ４４０に進み、この場合、コンテキストデータアラートが発行されない。

一方、患者が治療に反応したことをアラート状態が示す場合には、アラートフィルタ状態は、患者をＥＤに入院させるという分類判断に矛盾すると言える。この場合、図４の方法４００は、ステップ４７０に進んでもよい。

ステップ４７０は、コンテキストデータアラートを臨床医に発行することを含む。コンテキストデータアラートは、患者がより適切な治療を受けることができるように、患者に関連する特定のタイプのコンテキストデータを考慮するように臨床医に促すことができる。上述したように、患者に関するこの情報は通常、記録されていない。しかしながら、難しいケース（ボーダーライン分類決定があるケースなど）を解決するために、それは、決定プロセスに組み込まれることができる。

アラートは、任意の適切なユーザデバイスを介して臨床医に発行されてもよい。これらのアラートは、音声ベースのアラート、視覚ベースのアラート、触覚ベースのアラート、又はそれらのいくつかの組み合わせを含むことができる。例えば、図２に戻って参照すると、本書に記載されたシステム及び方法は、任意の適切なユーザデバイス上で実行される任意の適切なインタフェースを介して、患者情報の適応的表示を出力し、患者に関連する特定のタイプのコンテキスト情報を入力するように臨床医に促すことができる。

具体的には、アラートは、臨床医の注意を引くプロンプト、より詳細な臨床パラメータ及びその時間的傾向の提示、並びにボーダーライン臨床値の提示を含む。この情報は、テキスト、グラフィックス、オーディオメッセージ、グラフ、アニメーションなどの任意の適切な形式で提示されることができる。

次に、臨床医は、分類モデルでは観察できない、患者及び／又は患者の遭遇事象に関するコンテキスト情報を考慮することができる。臨床医は、キーボード、マウス、マイクなどの入力デバイスを使用して、ディスプレイ上のタッチスクリーンと対話して、又は手書きのメモをスキャンしてＯＣＲ技術で分析するなどして、このコンテキスト情報を入力することができる。

図６は、一実施形態によるアラートを管理するための方法６００のフローチャートを示す。ステップ６０２は、インタフェースを使用して患者データを受信することを含む。受信した患者データの種類はもちろん変動してよく、患者が医療機関を受診した理由に依存することができる。

患者データは、図１のインタフェース１５０のようなインタフェースを介して受信されてもよい。患者データは、図２のステップ２０２に記載されるような患者パラメータを測定する装置といった、任意の適切なセンサ装置により収集されてもよい。

ステップ６０４は、インタフェースを使用して、分類モデルを実行する分類器からの分類決定を受信することを含み、ここで、分類決定は患者データに基づかれる。分類決定は、患者を医療機関の診療科に入院させるか、又は患者を治療して帰宅させるかなどの臨床的ケアの決定に関連するものであってもよい。分類決定は、ロジスティック回帰、ランダムフォレスト、ＣＮＮ、ＲＮＮ等のような１つ又は複数の様々な機械学習手順を実行する任意の適切な分類モデルにより行われてもよい。

ステップ６０６は、メモリ上に記憶された命令を実行するプロセッサを使用して、分類決定がボーダーライン分類決定であるかどうかを決定することを含む。多くの場合、特定のタイプの患者データがないなどの理由で、分類決定が希望通りの信頼性を持たないことがある。

例えば、分類決定は、図３と関連して説明したように、決定境界の一定の閾値内にあってもよい。分類決定が分類決定境界から閾値距離内に収まっている場合、それは、ボーダーライン分類決定と呼ばれることができる。

ステップ６０８は、分類決定がボーダーライン分類決定であると決定するときに、プロセッサを使用して、少なくとも１つのアラートフィルタを患者データに適用することを含み、ここで、少なくとも１つのアラートフィルタは、患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを臨床医に発行するかどうかを決定するために適用される。少なくとも１つのアラートフィルタは、１つ又は複数のアラートフィルタ状態を決定するために、特定の種類の患者データに適用されてもよい。上述したように、アラートフィルタ状態は、患者の健康、患者の個人的な履歴、患者の病歴などに関する特定の側面に関連していてもよい。この情報は、患者が以前の治療に対して良好な反応を示したかどうか、以前に測定された患者のパラメータの種類、これらのパラメータが以前にどのように測定されたか、などを含むことができる。

ステップ６１０はオプションであり、患者に関連するコンテキストデータを考慮するように臨床医に促すために、コンテキストデータアラートを臨床医に発行することを含む。図１のプロセッサ１２０のようなプロセッサは、ボーダーライン分類決定に関連してアラートフィルタ状態を分析して、アラートフィルタ状態がボーダーライン分類決定と矛盾するかどうかを決定してもよい。アラートフィルタ状態が分類決定と矛盾すると決定すると、プロセッサは、インタフェースを介して、患者に関連するコンテキストデータを考慮するよう臨床医に促すコンテキストデータアラートを発行してもよい。

上述した方法、システム、及び装置は例示的なものである。様々な構成は、適宜、様々な手順又は要素を省略し、置き換え、追加する場合がある。例えば、代替的な構成において、方法は、記載された順序とは異なる順序で実行されてもよく、様々なステップが追加され、省略され、又は結合されることができる。特定の構成に関して記載された特徴は、他の様々な構成で組み合わせられてもよい。構成の異なる側面及び要素が、同様の態様で組み合わせられてもよい。技術は進化するため、多くの要素は例示であり、開示又は特許請求の範囲を限定するものではない。

本開示の実施形態が例えば、本開示の実施形態による方法、システム、及びコンピュータプログラム製品のブロック図及び／又は動作図を参照して説明された。ブロックに記載される機能／作用は、フローチャートに示される順序から外れて発生する場合がある。例えば、連続して示された２つのブロックは、実際には実質的に同時に実行されることがあり、又は、ブロックは、関与する機能／作用に基づき、時には逆の順序で実行されることがある。追加的又は代替的に、任意のフローチャートに示されたブロックのすべてが実行及び／又は実施される必要はない。例えば、所与のフローチャートが機能／作用を含む５つのブロックを有する場合、５つのブロックのうち３つのブロックのみが実行及び／又は実施される場合がある。その場合、５つのブロックの３つのブロックのいずれかが実行及び／又は実施されてもよい。

値が第１の閾値を超える（又は以上である）という記述は、値が第１の閾値よりもわずかに大きい第２の閾値を満たすか又は超えるという記述に相当し、例えば、第２の閾値は、関連するシステムの解像度において、第１の閾値よりも高い１つの値である。値が第１の閾値よりも小さい（又はその範囲内にある）という記述は、値が第１の閾値よりもわずかに低い第２の閾値以下であるという記述に相当し、例えば、第２の閾値は、関連システムの解像度において、第１の閾値よりも低い１つの値である。

具体的な詳細は、例示的な構成（実装を含む）を十分に理解できるように本書において提供される。しかしながら、これらの具体的な詳細を省略した構成が実践されることもできる。例えば、よく知られる回路、プロセス、アルゴリズム、構造、及び技術は、構成が不明瞭にならないように、不必要な詳細を省いて示されている。本書は、例示的な構成のみを提供し、請求項の範囲、適用可能性又は構成を限定するものではない。むしろ、構成の前述の説明は、記載された技術を実施することを可能にする説明を当業者に提供する。本開示の精神又は範囲から逸脱することなく、要素の機能及び配置に様々な変更が加えられることができる。

いくつかの例示的な構成を説明してきたが、本開示の精神から逸脱することなく、様々な修正、代替的な構成、及び均等物が使用されることができる。例えば、上記の要素は、より大きなシステムの要素であってもよく、この場合、他の規則が、本開示の様々な実施形態又は技術の適用に優先することができ、又はこれらを他の態様で修正してもよい。上記の要素を考慮する前、考慮している間、又は考慮した後に、複数のステップが行われてもよい。

本願の説明及び図示を提供したことにより、当業者であれば、以下の請求項の範囲から逸脱しない、本願で論じた一般的な発明的概念の範囲内に含まれる変形、修正、及び代替の実施形態を思いつくことができる。

例えば、上述したシステム及び方法は、急性心不全（ＡＨＦ）患者の救急部門のトリアージに適用されることができる。ＥＤは、ＡＨＦを患っている患者のケアの第一ラインであり、「入院」又は「帰宅」のトリアージ決定が迅速に行われる必要がある。

ＥＤ及び医療機関（病院など）全体の負担を軽減するために、上記のようなシステム及び方法は、心不全を患っている患者を分析し、入院すべき患者と治療して帰宅が可能な患者とを認識するようにしてもよい。従って、上述したシステム及び方法は、上流の機械学習分類アルゴリズムによりボーダーラインケースを正しく識別するのに役立ち、適切な場合には、現在の患者及び患者遭遇事象の文脈においてモデルの分類／トリアージ決定を再考するように臨床医に促すことができる。上述したように、このコンテキスト情報は一般的には記録されず、従ってアルゴリズムによって考慮されない。

実際、いくつかのタイプのコンテキスト情報が急性増悪に寄与するが、電子データベースには記録又は保存されていない。従って、上述した様々な実施形態のシステム及び方法は例えば、ＡＨＦを有する患者の管理を改善する。

ＡＨＦに加えて、上述した様々な実施形態のシステム及び方法は、腎臓病、喘息、ＣＯＰＤなどの他の状態にも一般化されることができる。アラート機構の異なるバージョンは、様々な異なる機械学習手順と組み合わせて使用されてもよい。例えば、ＡＨＦと一緒に使用されるアラートトリガは、慢性腎臓病で使用されるものとは異なる可能性が高い。更に、提案されたフレームワークは、臨床実践の変化、及び臨床医、病院、地域等の間での臨床実践の違いに対して適応されることができる。

上述した様々な実施形態のシステム及び方法は、ＥＤ以外の臨床現場での移送決定に対して一般化されることもできる。例えば、上述したシステム及び方法は、一般病棟で実行されてもよい。

実際、コンテキスト情報を臨床医に促すプロセスは、任意の分類作業に対して一般化されることができる。例えば、上述したシステム及び方法は、金融市場分析、物流業務、製造業、気象分析などの分類作業に適用されることができる。

正確な用途にかかわらず、決定境界に近いボーダーラインケースの識別は、距離尺度（例えば、ユークリッド距離）の分類確率に基づき行われることができる。アラート機構は、上流の機械学習分類モデルと一緒に開発されることができる。従って、使用される分類モデルに基づき、特定のアラートフィルタが適用されてもよい。

追加的又は代替的に、アラート機構は、出願人により開発されたもののような既存のＣＤＳアルゴリズムと一緒に使用されることができる。更に、アラートシステム及び方法は、機械学習を使用して作成されることができ、そのターゲット集団は、上流の分類アルゴリズムにより識別されたボーダーラインケースのサブ集団である。これにより、アルゴリズムの階層的なパイプラインが構築される。例えば、アルゴリズムによる関連する決定が、方法により特定されたいずれか１つの状態による決定に反している場合には、候補ケースに対してアラートが発行されてもよい。機械学習を導入すれば、より複雑な状態間の関係が学習されることができる。最後に、上述したアラート疲労防止方法は、新たなＣＤＳアルゴリズムを開発する、又は既存のアルゴリズムを改良するために使用されることができる。

Claims (15)

1. 患者の評価、診断、及び治療の少なくとも１つの間にアラートを管理する方法であって、
   インタフェースを使用して患者データを受信するステップと、
   インタフェースを使用して、分類モデルを実行する分類器からの分類決定を受信するステップであって、前記分類決定が、患者データに基づかれる、ステップと、
   メモリに記憶された命令を実行するプロセッサを使用して、前記分類決定がボーダーライン分類決定であるかどうかを決定するステップと、
   前記分類決定がボーダーライン分類決定であると決定するときに、前記プロセッサを使用して、少なくとも１つのアラートフィルタを前記患者データに適用するステップであって、前記少なくとも１つのアラートフィルタが、前記患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを前記臨床医に発行するかどうかを決定するために適用される、ステップとを有する、方法。
2. 前記患者に関連するコンテキストデータを考慮するように前記臨床医に促すコンテキストデータアラートを前記臨床医に発行するステップを更に有する、請求項１に記載の方法。
3. 前記分類決定がボーダーライン分類であるかどうかを決定するステップが、
   前記分類決定を決定境界と比較するステップと、
   前記分類決定が前記決定境界から所定の閾値内にあるか否かを決定するステップと、
   前記分類決定が前記決定境界から前記所定の閾値内にあると決定するときに、前記分類決定がボーダーライン分類決定であると決定するステップとを含む、請求項１に記載の方法。
4. 前記少なくとも１つのアラートフィルタを適用するステップが、前記患者データを分析して、少なくとも１つのアラートフィルタ状態が、前記受信したボーダーライン分類決定と矛盾するかどうかを決定するステップを含み、
   前記方法は、アラートフィルタ状態が前記受信したボーダーライン分類決定と矛盾すると前記プロセッサが決定する場合に、コンテキストデータアラートを前記臨床医に発行するステップを更に有する、請求項１に記載の方法。
5. 前記少なくとも１つのアラートフィルタ状態が、患者の受診履歴、治療に対する患者の応答、臨床的に測定された特徴のパターン、臨床的測定の種類、及び測定された臨床的特徴の変化の少なくとも１つに関連する、請求項４に記載の方法。
6. 前記少なくとも１つのアラートフィルタが、前記分類モデルに基づき選択される、請求項１に記載の方法。
7. 前記患者に関連するコンテキストデータが、前記患者の気分、前記患者の身体的外観、前記患者の感情状態、及び前記患者の敏捷性の少なくとも１つを含む、請求項１に記載の方法。
8. 患者の評価、診断、及び治療の少なくとも１つの間にアラートを管理するシステムであって、
   患者データ、及び分類モデルを実行する分類器からの分類決定を受信するインタフェースであって、前記分類決定が、患者データに基づかれる、インタフェースと、
   メモリに格納された命令を実行するプロセッサであって、前記プロセッサが、
   前記分類決定がボーダーラインの分類決定であるかどうかを決定し、及び
   前記分類決定がボーダーライン分類決定であると決定するときに、少なくとも１つのアラートフィルタを前記患者データに適用し、前記少なくとも１つのアラートフィルタが、前記患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを前記臨床医に発行するかどうかを決定するために適用される、プロセッサとを有する、システム。
9. 前記プロセッサが更に、ユーザインタフェースを使用して、前記患者に関連するコンテキストデータを考慮するように前記臨床医に促すコンテキストデータアラートを前記臨床医に発行する、請求項８に記載のシステム。
10. 前記プロセッサが更に、
    前記分類決定を決定境界と比較し、
    前記分類決定が前記決定境界から所定の閾値内にあるか否かを決定し、及び
    前記分類決定が前記決定境界から前記所定の閾値の範囲内にあると決定する場合に、前記分類決定がボーダーライン分類決定であると決定することにより、前記分類決定がボーダーライン分類決定であるかどうかを決定する、請求項８に記載のシステム。
11. 前記プロセッサが、前記患者データを分析し、少なくとも１つのアラートフィルタ状態が、前記受信したボーダーライン分類決定と矛盾するかどうかを決定することにより、前記少なくとも１つのアラートフィルタを適用し
    前記プロセッサは更に、ユーザインタフェースを使用して、アラート状態が前記受信したボーダーライン分類決定と矛盾すると決定する場合に、コンテキストデータアラートを前記臨床医に発行する、請求項８に記載のシステム。
12. 前記少なくとも１つのアラートフィルタ状態が、患者の受診履歴、治療に対する患者の応答、臨床的に測定された特徴のパターン、臨床的測定の種類、及び測定された臨床的特徴の変化の少なくとも１つに関連する、請求項１１に記載のシステム。
13. 前記少なくとも１つのアラートフィルタが、前記分類モデルに基づき選択される、請求項８に記載のシステム。
14. 前記患者に関連するコンテキストデータが、前記患者の気分、前記患者の身体的外観、前記患者の感情状態、及び前記患者の敏捷性の少なくとも１つを含む、請求項８に記載のシステム。
15. 少なくとも１つの患者の評価、診断、及び治療の間にアラートを管理する方法を実行するためのコンピュータ実行可能な命令を含む非一時的コンピュータ可読媒体であって、
    インタフェースを使用して患者データを受信するためのコンピュータ実行可能な命令と、
    前記インタフェースを使用して、分類モデルを実行する分類器からの分類決定を受信するためのコンピュータ実行可能な命令であって、前記分類決定が、患者データに基づかれる、コンピュータ実行可能な命令と、
    メモリに記憶された命令を実行するプロセッサを使用して、前記分類決定がボーダーライン分類決定であるかどうかを決定するためのコンピュータ実行可能命令と、
    前記分類決定がボーダーライン分類決定であると決定するときに、前記プロセッサを使用して、少なくとも１つのアラートフィルタを前記患者データに適用するためのコンピュータ実行可能な命令であって、前記少なくとも１つのアラートフィルタが、前記患者に関連するコンテキストデータを考慮するよう臨床医に促すために、コンテキストデータアラートを前記臨床医に発行するかどうかを決定するために適用される、コンピュータ実行可能な命令とを有する、非一時的コンピュータ可読媒体。

Images