JP2022053510A - コンピュータ実装方法、コンピュータ・システム、コンピュータ可読媒体及びプログラム - Google Patents
コンピュータ実装方法、コンピュータ・システム、コンピュータ可読媒体及びプログラム Download PDFInfo
- Publication number
- JP2022053510A JP2022053510A JP2021150846A JP2021150846A JP2022053510A JP 2022053510 A JP2022053510 A JP 2022053510A JP 2021150846 A JP2021150846 A JP 2021150846A JP 2021150846 A JP2021150846 A JP 2021150846A JP 2022053510 A JP2022053510 A JP 2022053510A
- Authority
- JP
- Japan
- Prior art keywords
- treatment
- processors
- patient
- computer
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 201000010099 disease Diseases 0.000 claims abstract description 140
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 140
- 230000009467 reduction Effects 0.000 claims abstract description 65
- 230000000694 effects Effects 0.000 claims abstract description 26
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 25
- 238000011282 treatment Methods 0.000 claims description 283
- 230000001225 therapeutic effect Effects 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 35
- 230000002829 reductive effect Effects 0.000 claims description 28
- 238000011160 research Methods 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 13
- 238000009533 lab test Methods 0.000 claims description 11
- 238000013332 literature search Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 4
- 206010000891 acute myocardial infarction Diseases 0.000 description 43
- 230000008569 process Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 24
- 208000006117 ST-elevation myocardial infarction Diseases 0.000 description 19
- 238000003745 diagnosis Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 15
- 238000003058 natural language processing Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000012502 risk assessment Methods 0.000 description 12
- 230000036541 health Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 231100000517 death Toxicity 0.000 description 9
- 230000034994 death Effects 0.000 description 9
- 230000002537 thrombolytic effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000036772 blood pressure Effects 0.000 description 7
- 108010023302 HDL Cholesterol Proteins 0.000 description 6
- 108010028554 LDL Cholesterol Proteins 0.000 description 6
- 238000002399 angioplasty Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 210000002966 serum Anatomy 0.000 description 6
- 230000002411 adverse Effects 0.000 description 5
- 230000007211 cardiovascular event Effects 0.000 description 5
- 230000002526 effect on cardiovascular system Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 5
- 206010003210 Arteriosclerosis Diseases 0.000 description 4
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 4
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 4
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 4
- 229960001138 acetylsalicylic acid Drugs 0.000 description 4
- 208000011775 arteriosclerosis disease Diseases 0.000 description 4
- 208000015337 arteriosclerotic cardiovascular disease Diseases 0.000 description 4
- 239000002876 beta blocker Substances 0.000 description 4
- 229940097320 beta blocking agent Drugs 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 210000000265 leukocyte Anatomy 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 229940116269 uric acid Drugs 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 3
- 208000031226 Hyperlipidaemia Diseases 0.000 description 3
- 239000003146 anticoagulant agent Substances 0.000 description 3
- 238000004820 blood count Methods 0.000 description 3
- 208000026106 cerebrovascular disease Diseases 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 239000002471 hydroxymethylglutaryl coenzyme A reductase inhibitor Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- -1 2 mmol / L Proteins 0.000 description 2
- 239000005541 ACE inhibitor Substances 0.000 description 2
- 101710129690 Angiotensin-converting enzyme inhibitor Proteins 0.000 description 2
- 101710086378 Bradykinin-potentiating and C-type natriuretic peptides Proteins 0.000 description 2
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229940044094 angiotensin-converting-enzyme inhibitor Drugs 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 229960002237 metoprolol Drugs 0.000 description 2
- IUBSYMUCCVWXPE-UHFFFAOYSA-N metoprolol Chemical compound COCCC1=CC=C(OCC(O)CNC(C)C)C=C1 IUBSYMUCCVWXPE-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- KKJUPNGICOCCDW-UHFFFAOYSA-N 7-N,N-Dimethylamino-1,2,3,4,5-pentathiocyclooctane Chemical compound CN(C)C1CSSSSSC1 KKJUPNGICOCCDW-UHFFFAOYSA-N 0.000 description 1
- 206010001029 Acute pulmonary oedema Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010011703 Cyanosis Diseases 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 208000008454 Hyperhidrosis Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 235000009421 Myristica fragrans Nutrition 0.000 description 1
- 244000270834 Myristica fragrans Species 0.000 description 1
- 206010030302 Oliguria Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007887 coronary angioplasty Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000010370 hearing loss Effects 0.000 description 1
- 231100000888 hearing loss Toxicity 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013160 medical therapy Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- OEKWJQXRCDYSHL-FNOIDJSQSA-N ticagrelor Chemical compound C1([C@@H]2C[C@H]2NC=2N=C(N=C3N([C@H]4[C@@H]([C@H](O)[C@@H](OCCO)C4)O)N=NC3=2)SCCC)=CC=C(F)C(F)=C1 OEKWJQXRCDYSHL-FNOIDJSQSA-N 0.000 description 1
- 229960002528 ticagrelor Drugs 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H40/60—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 operation of medical equipment or devices
- G16H40/67—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 operation of medical equipment or devices for remote operation
-
- 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
- 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)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Social Psychology (AREA)
- Chemical & Material Sciences (AREA)
- Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Developmental Disabilities (AREA)
- General Business, Economics & Management (AREA)
- Urology & Nephrology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
Abstract
【課題】疾患リスクの減少を評価するコンピュータ実装方法、システム、コンピュータ可読な記録媒体及びプログラムを提供する。【解決手段】方法は、患者の患者データを受領し、疾患結果の選択を受領し、患者が選択した疾患結果のリスク・スコアを決定する。決定は、患者データを使用する。治療法の選択肢は、患者データに基づき医療記録データ構造により生成することができる。方法はさらに、治療法の選択肢のそれぞれに対する治療法の効果を決定し、リスク・スコアを変更し、治療法の効果を比較し、治療法の選択肢の少なくとも1つの勧告を、治療法の効果と比較して提供する。【選択図】図4
Description
本発明は、疾患リスクの評価に関し、より具体的には患者の疾患リスク減少を評価するための方法、システム、コンピュータ可読媒体及びプログラムに関する。
近年、慢性疾患が死亡及び障害の主要な原因となっている。2020年までに、慢性疾患は全死亡の73%、かつ疾患による世界的な負担の60%に達することが予想されている。主要な慢性疾患の例としては、糖尿病、高血圧症、高脂血症、慢性閉塞性肺疾患(COPD)、循環器系及び脳血管系の疾患を含むことができる。したがって、慢疾患の予防及び治療が重要である。
本開示は、患者の疾患リスク減少を評価するためのコンピュータ実装方法、システム、コンピュータ可読媒体及びプログラムを提供することを目的とする。
本発明の例示的な実施形態によれば、コンピュータ実装方法、コンピュータ・システム、コンピュータ可読媒体及びプログラムは、疾患リスクの減少を評価することができる。患者の患者データを受領することができる。疾患結果の選択を受領することができる。患者が経験するであろう選択される疾患結果のリスク・スコアを決定することができる。患者データに基づき、かつ医療記録データ構造にアクセスすることにより、治療法の選択肢を生成することができる。治療法の選択肢のそれぞれに対する治療効果を決定することができる。治療効果は、リスク・スコアを変更することができる。治療効果を比較することができる。治療法の選択肢の少なくとも1つを、治療効果の比較に基づいて勧告することができる。
本発明のもう一つの例示的実施形態では、コンピュータ実装方法、コンピュータ・システム、コンピュータ可読媒体及びプログラムは、また疾患リスクの減少を評価することができる。患者の患者データを受領することができる。患者が経験するであろう選択される疾患結果のリスク・スコアを決定することができる。決定は、患者データを使用することができる。患者データに基づき、かつ医療記録データ構造にアクセスすることにより、治療法の選択肢を生成することができる。治療法の選択肢としては、個々の治療法の選択肢及び治療法の選択肢の少なくとも1つの組合せを含むことができる。それぞれの治療法の選択肢により達成されるリスク・スコアを決定することができる。減少されたリスク・スコアを比較することができる。減少されたリスク・スコアの比較に応じて、治療法の選択肢の少なくとも1つを勧告することができる。
貼付する図面における本開示のいくつかの実施形態のより詳細な説明を通じて、本開示の上記及び他の目的、特徴及び効果は、より明確とされるであろう。本開示の種々の実施形態において、概ね同一の参照符号を、同一のコンポーネントを参照する。
請求項に記載された構造及び方法の詳細な実施形態を以下に開示するが、開示した実施形態は、種々の形態で実装することができる請求項に記載された構造、及び方法を単に例示するにすぎないものと理解されるべきである。しかしながら、本発明は、多くの異なる形態で実装することができ、本開示で明らかにされる例示的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、これらの例示的実施形態は、本開示が一貫し、かつ完全であり、さらに当業者に対してすべての本発明の範囲を伝達するために提供される。本開示において、周知の特徴及び技術の詳細は、不必要に提示する実施形態を曖昧化させることがないように省略する。
本開示はクラウド・コンピューティングについての詳細な記述を含むが、本開示に列挙される教示の実装は、クラウド・コンピューティングに限定されないことを理解されたい。むしろ、本発明の実施形態は、これまでに知られた、又はこれ以後に開発されるいかなる他のタイプのコンピューティング環境との組み合わせにおいても実装することができる。
クラウド・コンピューティングは、最小限の管理労力又はサービス提供者との交流をもって、迅速に提供及び開放構成可能なコンピューティング資源(例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン及びサービス)の共用されるプールにアクセスするための利便性のある、オンデマンドのネットワークアクセスのためのサービス提供のモデルである。このクラウド・モデルは、少なくとも5つの特徴、少なくとも3つのサービスモデル、及び少なくとも4つの配置モデルを含むことができる。
特徴は以下のとおりである:
オンデマンド・セルフサービス:クラウドのコンシューマは、サーバ時間、及びネットワーク・ストレージといったコンピューティング能力を、サービスの提供者との人間的交流を必要とすることなく必要なだけ自動的に一方向的に提供される。
広範なネットワークアクセス:能力は、ネットワーク上で利用可能であり、かつ異なったシン又はシッククライアント・プラットフォーム(例えば、モバイルフォン、ラップトップ及びPDA)による利用を促す標準的な機構を通してアクセスされる。
リソースの共用:提供者のコンピューティング資源は、マルチテナント・モデルを使用し、動的に割当てられられる必要に応じて再割り当てられる異なった物理的及び仮想化資源と共に多数の消費者に提供するべく共用される。コンシューマは概ね提供される資源の正確な位置(例えば、国、州、又はデータセンタ)に関する制御又は知識を有さず、抽象化の高度の階層において位置を特定することができるというように、位置非依存の感覚が存在する。
迅速な弾力性:機能は、迅速かつ弾力的に、場合によっては自動的に供給され素早くスケールアウトし、迅速に解放して素早くスケールインすることが可能である。コンシューマにとっては、供給のために利用可能な機能は、多くの場合、制限がないように見え、いつでも任意の量で購入することができる
計測されるサービス:クラウド・システムは、サービスの種類(例えば、ストレージ、処理、帯域幅、及びアクティブ・ユーザ・アカウント)に適したいくつかの抽象化レベルで計量機能を活用することによって、リソースの使用を自動的に制御し、最適化する。リソース使用量を監視し、制御し、報告することで、使用されているサービスのプロバイダ及びコンシューマの両方に対して透明性を提供することができる。
サービスモデルは、以下のとおりである:
ソフトウェア・アズ・ア・サービス(SaaS):コンシューマに提供される機能は、クラウド・インフラストラクチャ上で実行されるプロバイダのアプリケーションを使用することである。アプリケーションは、ウェブ・ブラウザ(例えば、ウェブベースの電子メール)のようなシン・クライアント・インターフェースを通じて、種々のクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を除いて、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーションの機能も含む、基盤となるクラウド・インフラストラクチャを管理又は制御することはない。
プラットフォーム・アズ・ア・サービス(PaaS):コンシューマに提供される能力は、プロバイダがサポートするプログラミング言語及びツールを用いて作成された、コンシューマが作成又は獲得したアプリケーションを、クラウド・インフラストラクチャ上に配置することである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、又はストレージを含む、基盤となるクラウド・インフラストラクチャを管理又は制御することはないが、配置されたアプリケーションを制御し、可能であればアプリケーション・ホスティング環境の構成を制御する。
インフラストラクチャ・アズ・ア・サービス(IaaS):
コンシューマに提供される機能は、処理、ストレージ、ネットワーク、及びその他の基本的なコンピューティング・リソースの提供であり、コンシューマは、オペレーティング・システム及びアプリケーションを含むことができる任意のソフトウェアを配置し、実行させることが可能である。コンシューマは、基盤となるクラウド・インフラストラクチャを管理又は制御することはないが、オペレーティング・システム、ストレージ、配置されたアプリケーションの制御を有し、可能であれば選択ネットワーキング・コンポーネント(例えば、ホストのファイアウォール)の限定的な制御を有する。
コンシューマに提供される機能は、処理、ストレージ、ネットワーク、及びその他の基本的なコンピューティング・リソースの提供であり、コンシューマは、オペレーティング・システム及びアプリケーションを含むことができる任意のソフトウェアを配置し、実行させることが可能である。コンシューマは、基盤となるクラウド・インフラストラクチャを管理又は制御することはないが、オペレーティング・システム、ストレージ、配置されたアプリケーションの制御を有し、可能であれば選択ネットワーキング・コンポーネント(例えば、ホストのファイアウォール)の限定的な制御を有する。
配置モデルは、以下の通りである。
プライベート・クラウド:クラウド・インフラストラクチャは、1つの組織のためだけに動作する。これは、その組織又は第三者によって管理することができオン・プレミス又はオフ・プレミスで存在することができる。
コミュニティ・クラウド:クラウド・インフラストラクチャは、いくつかの組織によって共有され、共通の利害関係(例えば、任務、セキュリティ要件、ポリシー、及びコンプライアンスの考慮事項)を有する特定のコミュニティをサポートする。これは、それらの組織又は第三者によって管理することができ、オン・プレミス又はオフ・プレミスに存在することができる。
パブリック・クラウド:クラウド・インフラストラクチャは、公衆又は大きな産業グループが利用可能できるようにされており、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド:クラウド・インフラストラクチャは、2つ又はそれより多いクラウド(プライベート、コミュニティ、又はパブリック)を組み合わせたものであり、これらのクラウドは、固有のエンティティのままであるが、データ及びアプリケーションのポータビリティを可能にする標準化技術又は専有技術によって互いに結合される(例えば、クラウド間の負荷バランスのためのクラウド・バースティング)。
クラウド・ソフトウェアは、無国籍性、粗結合性、モジュール性、及び意味的相互運用性に焦点を合わせたサービス指向のものである。クラウド・コンピューティングの心臓部において、相互接続された複数のノードを含むものがインフラストラクチャである。
図1を参照すると、クラウド・コンピューティング・ノードの一実施例の概略を示す。クラウド・コンピューティング・ノード10は、好ましいクラウド・コンピューティング・ノードの一実施例としてのみのものであり、本開示に記述する本発明の実施形態の利用や機能の範囲のいかなる限定を示唆することを意図したものではない。いずれにせよ、クラウド・コンピューティング・ノード10は、上述した機能のどれでも実装され、実行し、またそれら両方を行うことができる。
クラウド・コンピューティング・ノード10は、コンピュータ・システム/サーバ12、又は他の数多くの汎用目的、又は特定目的のコンピューティング・システム又は構成と共に動作する通信デバイスといった携帯型電子デバイスを含む。コンピュータ・システム/サーバ12と共に使用する好適な周知のコンピューティング・システム、環境、及び構成又はこれらの組み合せの例としては、これらに限定されることは無く、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シンクライアント、ハンドヘルド又はラップトップ・デバイス、マルチプレセッサ・システム、マイクロプロセッサ・システム、メインフレーム・コンピュータ・システム、及び上述のシステム又はデバイスなどのいずれかを含む分散クラウド・コンピューティング環境を含むことができる。
コンピュータ・システム/サーバ12は、プログラム・モジュールといったコンピュータ・システムによって実行されるシステム実行可能な命令の一般的な文脈において記述することができる。一般に、プログラム・モジュールは、特定のタスクを実行するか、又は特定の抽象データ・タイプを実装するルーチン、プログラム、オブジェクト、コンポーネント、論理、データ構造などを含むことができる。コンピュータ・システム/サーバ12は、タスクが通信ネットワークを通してリンクされた遠隔処理デバイスにより実行される分散クラウド・コンピューティング環境において実施される。分散クラウド・コンピューティング環境において、プログラム・モジュールは、ローカル又は遠隔コンピュータ・システムのメモリ・ストレージ・デバイスを含む記憶媒体の両方に位置することができる。
図1に示すように、クラウド・コンピューティング・ノード10内のコンピュータ・システム/サーバ12は、汎用目的のコンピューティング・デバイスの形態で示される。コンピュータ・システム/サーバ12のコンポーネントとしては、これらに限定されず、1つ又はそれ以上のプロセッサ又はプロセッシング・ユニット16,システム・メモリ28、システム・メモリ28からプロセッサ・ユニット16までの種々のシステム・コンポーネントを連結するバス18を含むことができる。
バス18は、いくつかのバス構造のいずれか1つ又はそれ以上を表し、メモリ・バス又はメモリ・コントローラ、周辺バス、アクセラレーテッド・グラフィックス・ポート、プロセッサ、又は種々のバス・アーキテクチャのいかなるものでも用いるローカル・バスを含む。例示のためであり、限定としてではなく、そのようなアーキテクチャとしては、インダストリ・スタンダード・アークイテクチャ(ISA)バス、マイクロチャネル・アーキテクチャ(MCA)バス、エンハンスドISA(EISA)バス、ビデオ・エレクトロニクス・スタンダード・アソシエーション(VESA)ローカル・バス、及びペリフェラル・コンポーネント・インタコネクト(PCI)バスを含むことができる。
コンピュータ・システム/サーバ12は、種々のコンピュータ・システム可読媒体を含む。このような媒体は、コンピュータ・システム/サーバ12によりアクセスでき、かつ利用可能ないかなる媒体とすることができ、この媒体は、揮発性及び不揮発性媒体、除去可能及び除去不可能な媒体の両方を含むことができる。
システム・メモリ28は、ランダム・アクセス・メモリ(RAM)30及びキャッシュ・メモリ32、又はその両方といった揮発性メモリの形態の可読媒体を含む。コンピュータ・システム/サーバ12は、さらに他の除去可能/除去不可能、揮発性/不揮発性のコンピュータ・システム記録媒体を含んでも良い。例示として、ストレージ・システム34は、除去不可能で不揮発性の磁気媒体(不図示であり、典型的には“ハード・ドライブ”と呼ばれる。)から読み出し、かつ書き込むために提供することができる。図示しないが、除去可能で不揮発性の磁気ディスク・ドライブ(例えばフロッピー・ディスク(登録商標))から読み出し、かつ書き込むための磁気ディスク・ドライブ、及びCD-ROM、DVD-ROM、又は他の光学的媒体除去可能で不揮発性の光学ディスクから読み出しかつ書き込むための光学ディスク・ドライブを提供することができる。さらに図示し、下記に説明するように、システム・メモリ28は、本発明の実施形態の機能を遂行するために構成されたプログラム・モジュールのセット(例えば少なくとも1つ)を有する少なくとも1つのプログラム製品を含むことができる。
プログラム/ユーティリティ40は、プログラム・モジュール42のセット(少なくとも1つ)を有しており、例示的にはシステム・メモリ28内に記憶することができるが、これに限定されることは無い。オペレーティング・システム、1つ又はそれ以上のアプリケーション・プログラム、他のプログラム・モジュール及びプログラム・データは、またシステム・メモリ28内に記憶することができる。オペレーティング・システム、1つ又はそれ以上のアプリケーション・プログラム、他のプログラム・モジュール及びプログラム・データ又はそれらのいくつかの組合せは、それぞれネットワーキング環境の実装を含むことができる。プログラム・モジュール42は、概ね本開示に記述する本発明の実施形態の機能又は方法論及びその両方を遂行する。
コンピュータ・システム/サーバ12はまた、キーボード、ポインティング・デバイス、ディスプレイ24などの1つ又はそれ以上の外部デバイス14;ユーザがコンピュータ・システム/サーバ12と作用することを可能とする1つ又はそれ以上のデバイス;又はコンピュータ・システム/サーバ12及びそれらの両方と、1つ又はそれ以上のコンピューティング・デバイスとの通信を可能とする任意のデバイス(例えば、ネットワーク・カード、モデムなど)と通信することができる。そのような通信は、入力/出力(I/Oインターフェース22を通して行われる。またさらに、コンピュータ・システム/サーバ12は、ネットワーク・アダプタ20を介してローカル・エリア・ネットワーク(LAN)、一般的なワイド・エリア・ネットワーク(WAN)、又は公衆ネットワーク(例えばインターネット)及びそれらの組合せといった1つ又はそれ以上のネットワークと通信することができる。図示するように、ネットワーク・アダプタ20は、コンピュータ・システム・サーバ12の他のコンポーネントとバス18を介して通信する。他のハードウェア又はソフトウェア・コンポーネント及びそれらの両方は、図示しないもののコンピュータ・システム/サーバ12と組合せにおいて使用することができることは理解されるべきである。例としては、これに限定されないが、マイクロ・コード、デバイス・ドライバ、冗長プロセッサ、外部ディスク・ドライブ・アレイ、RAIDシステム、テープ・ドライブ及びデータ・アーカイブ・ストレージ・システムなどを含むことができる。
図2は、例示的なクラウド・コンピューティング環境50を示す。図示するように、クラウド・コンピューティング環境50は、1つ又はそれ以上のクラウド・コンピューティング・ノード10を含み、それらと共にクラウド・コンシューマにより使用される例えばパーソナル・デジタル・アシスタント(PDA)又はセルラ電話54a、デスクトップ・コンピュータ54B、ラップトップコンピュータ54C、又は自動車コンピュータ・システム54N又はこれらの組合せといったローカル・コンピューティング・デバイスが通信する。クラウド・コンピューティング・ノード10は、互いに通信することができる。これらは、上述したプライベート、コミュニティ、パブリック、又はハイブリッド・クラウド、又はそれらの組合せといった、1つ又はそれ以上のネットワーク内で、物理的又は仮想的にグループ化することができる(不図示)。図2に示すコンピューティング・デバイス54A-Nのタイプは、例示を意図するためのみのものであり、コンピューティング・ノード10及びクラウド・コンピューティング環境50は、任意のタイプのネットワーク又はアドレス可能なネットワーク接続(例えばウェブ・ブラウザ)、又はそれらの両方を通じて、いかなるタイプのコンピュータ化デバイスとも通信することができることが理解される。
ここで、図3を参照すると、図2のクラウド・コンピューティング環境50により提供される機能的抽象レイヤのセットが示される。予め、図3に示したコンポーネント、レイヤ、及び機能は、例示することのみを意図したものであり、本発明の実施形態は、これらに限定されることは無いことは理解されるべきである。図示したように、後述するレイヤ及び対応する機能が提供される。
ハードウェア及びソフトウェアレイヤ60は、ハードウェア及びソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例としては、メインフレーム61;RISC(縮小命令セットコンピュータ)アーキテクチャに基づく複数のサーバ62;複数のサーバ63;複数のブレード・サーバ64;複数のストレージ・デバイス65;及びネットワーク及びネットワーキング・コンポーネント66を含むことができる。いくつかの実施形態ではソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア67及びデータベース・ソフトウェア68を含む。
可視化レイヤ70は、それから後述する仮想エンティティの実施例が提供される抽象レイヤ;仮想サーバ71;仮想ストレージ72;仮想プライベート・ネットワークを含む仮想ネットワーク73;仮想アプリケーション及びオペレーティング・システム74;及び仮想クライアント75を提供する。
1つの実施例では、マネージメント・レイヤ80は、下記の機能を提供することができる。リソース提供部81は、コンピューティング資源及びクラウド・コンピューティング環境内でタスクを遂行するために用いられる他の資源の動的獲得を提供する。計測及び価格設定部82は、クラウド・コンピューティング環境内で資源が使用されるとコストの追跡を提供すると共に、これらの資源の消費に対する課金又は請求を提供する。1つの実施例では、これら資源としてはアプリケーション・ソフトウェア・ライセンスを含むことができる。セキュリティ部は、クラウト・コンシューマ及びタスクの同定及び認証と共にデータ及び他の資源の保護を提供する。ユーザ・ポータル部83は、コンシューマに対するクラウド・コンピューティング環境及びシステム・アドミニストレータへのアクセス性を提供する。サービスレベル・マネージメント部84は、クラウド・コンピューティング資源の割り当て及び管理を提供し、必要なサービス・レベルに適合させる。サービス・レベル・アグリーメント(SLA)プランニング・フルフィルメント部85は、SLAにしたがって将来的な要求が要求されるクラウド・コンピューティング資源の事前準備を行うと共にその獲得を行う。
ワークロード・レイヤ90は、クラウド・コンピューティング環境を利用するための機能の例示を提供する。このレイヤによって提供されるワークロード及び機能の例としては、マッピング及びナビゲーション91;ソフトウェア開発及びライフタイム・マネージメント92;仮想教室教育伝達93;データ分析処理94;トランザクション・プロセッシング95;及び疾患リスク減少評価96を含むことができる。
通常の慢性疾患リスク評価を遂行する場合、人口統計学的な患者データ、バイタル・サイン、実験室での試験などを入力データとして受領する。リスク評価アルゴリズム又はモデルは、所与の疾患結果のために使用されて、リスク・スコアを得ると共に対応する医学的指示を得るために使用される。ここで、可能な疾患結果は、特定の疾患を有すること、又は疾患により引き起こされた結果を有することとなる。死亡、聴覚消失などは、可能な結果である。リスク評価アルゴリズム及びモデルの1つの実施例は、フラミンガム・リスク・モデルであり、これは循環器系疾患のために使用される。患者のためのリスク評価報告において、所与の疾患結果に対するリスク・スコアを示すことができ、かついくつかの指示を提供することができる。例えば慢性閉塞性肺疾患(COPD)の高いリスクを有する患者のため、患者に対する可能な指示は、“喫煙を止める”ことである。患者の健康の将来的な経過に対してポジティブな治療法を生じさせるこの指示は、治療法指示として参照することができる。
いくつかの治療法指示は、臨床的ガイドラインに基づく。このような場合、治療法指示は、すでに形成された臨床的ガイドラインに基づいて患者に対して提供される。この種類のガイドラインは、通常、一般的な治療法ガイドを提供するが、治療法がどのような効果をもたらすかについての定量的な評価を提供しない。加えてガイドラインは、リスク原因については提供されない。
治療法指示を提供するもう一つの方法は、リスク・ファクターの値を変えることによってリスク評価することを含む。言い換えれば、このアプローチは、リスク・スコアの変化をリスク・ファクターの値の変化に対して比較することを含む。ここで、リスク・ファクターとは、リスク評価アルゴリズム又はモデルのための入力として使用される患者データの一部である。高血圧の患者については、例えば血圧がリスク・ファクターと考えられる。患者が彼又は彼女の血圧を下げない場合、すなわちリスク・ファクターを下げない場合、患者が脳卒中(CVA)を経験するリスク・スコアが0.8であるとする。患者が彼又は彼女の血圧を下げる場合、患者がCVAとなるリスク・スコアは、0.4に低下することであろう。血圧を下げることは、患者の健康における治療法を構成する。この方法は、同一のモデルに対して異なる入力を用いる2つの評価を使用するが、治療法の実際的な有効性を示すことはできない。加えてこの比較方法は、コントロール又は変化させるべき患者の年齢及び性別といった、いくつかのリスク・ファクターを許容しない。
ほとんどの研究者は、異なる疾患についての異なる治療法に対する賛否両論を評価するため、医学的にコントロールされた実験においてリスク評価の一群を選択し利用するために必要な資源又は時間を持たないので、疾患に対する治療法の選択肢の定量的な評価を行うことは困難であった。
本開示で説明する方法、コンピュータ・システム、コンピュータ可読な記録媒体及びプログラムは、医療従事者が医学的研究において決定された値を利用することを支援することで医師、医療従事者及び患者を支援し、定量的に可能性のある健康上の治療法手段を評価して、ネガティブな健康上の結果又はネガティブな疾患結果のリスクを減少する。本開示で提供されるソリューションと共にリスク・スコアを計算するための公開されたデータを使用することで、異なる治療法の選択肢及び異なる治療法の選択肢の組合せを自動的、かつ正確に評価して、研究者が冗長的な医学的にコントロールされた実験を行う必要なく、定量的、かつ効果的な勧告を提供する。
図4は、本開示にしたがう疾患リスクの減少を評価するプロセス400を図示したフローチャートである。
本開示の実施形態にしたがう疾患リスク減少の処理は、少なくとも1つの実施形態において図1に示すコンピュータ・システム/サーバ12により実装することができる。
図4のプロセス400のスタート401の後、ステップ402は、医療記録データ構造を生成する。医療記録データ構造は、遂行された試験に基づく患者データをリスク及び疾患結果にリンクする医学的研究からの情報を提供する知識テーブル又は医療記録テーブルを含む。
ステップ402の医療記録データ構造の生成は、情報を収集すること、収集した情報を知識テーブルといったデータ構造に記録することを含む。データ構造は、医学的文献又は医学的研究に由来する知識のレコードを含む。データ構造の知識のレコードは、また、若しくは別途、医学的文献の部分からの又は医学的研究からの情報のサマリを含む。知識のレコードのそれぞれは、患者データ、所与の疾患結果、可能性のある治療法手段及び対応する相対リスク減少についての分布の特定の群に適合する情報を記録する。下記に与えられる表1は、そのような知識テーブルの実施例を示す。少なくともいくつかの実施形態において、知識テーブルのレコードは、参照した文献又は参照した研究の名称又はコードを記録する。
患者データは、例えば人口統計学的データ、バイタル・サイン、健康測定、及び実験室試験結果及びそれらの組合せを含むことができる。人口統計学的データは、例えば、それぞれの研究に関わった患者の身長、体重、年齢、性別などを含むことができる。バイタル・サインは、例えば患者として研究に携わった者の体温、血圧、心拍数、呼吸回数などを含むことができる。実験室試験結果は、例えば低密度リポタンパク質コレステロール(LDL-C)、例えばLDL-C、2mmol/L、高密度リポタンパク質コレステロール(HDL-C)、例えばHDL-C、3mmol/L、血中グルコースレベル、例えば血中グルコースレベル、7mmol/L、及び血清尿酸レベル、例えば血清尿酸レベル、450μmol/Lなどを含むことができる。医療記録は、また患者の診断結果とそれらの患者データとの間のリンクを含むことができる。例えば、患者データは、動脈硬化性心血管疾患(ASCVD)、高脂血症、又は糖尿病を有する患者又は患者グループに対するリンク又は傾向を有することができる。これら上述した特定のデータは例示である。上述した例示以外のデータを、生成された医療記録データ構造内に含まれる医療記録の部分である患者データに含ませることができる。医療記録は、患者又は患者グループに対するリスク・ファクターに関する情報を含むことができる。例えば、患者の所定のバイタル・サイン、健康測定、又は実験室試験結果又はこれらの組合せを、対応するリスク・ファクターと併せて記録ことができる。
下記に提示する表1は、プロセス400のステップ402で生成することができる医療記録データ構造の実施例である。表1中、複数の文献又は研究を一般にR1、R2、及びR3と参照する。3つの行を含んでおり、行のそれぞれは3篇の医学的文献R1、R2、R3からの情報のためのエントリである。
表1中、文献R1からの情報は、患者データP1を有する患者についての情報を含み、治療法手段I1が使用される場合、疾患結果O1は、0.31に減少する。表1は、ステップ402で生成することができる医療記録データ構造の一実施例である。
本開示のもう一つの実施形態においては、知識テーブルは、“患者データ”のカラムを欠くことができ、治療法手段についての記録されたRRRは、可能性のあるすべての患者又は全員に適用される。本開示のさらなる実施形態においては、収集された情報は、複数のテーブルに組織化することができる。これらのテーブルは例えば、“結果”カラムの欠落及びテーブルのそれぞれを特定の結果のために使用することができる。
収集された情報を実施例に示すように組織化する方法は、本開示に従う可能性のある方法のみではない。情報組織化の他の方法もまた、本開示にしたがい可能である。
図9Aに示す医療記録テーブル902は、いくつかの実施形態にしたがう医療記録データ構造の一実施例である。医療記録テーブル902は、後続する開示においてさらに開示されるプロセス400の実行である実施例Aの部分である。医療記録テーブル902は、6のカラムと5つの行を含む。各カラムは、情報の異なったカテゴリーを表す。各行は、異なる医学的研究又は異なる医学的文献からの情報に対応する。したがって、医療記録テーブル902は、第1の医療記録テーブルの行904を含むと共に、情報に対応し、かつ保持する、他の4つの医学的研究又は4つの他の医学的文献からの他の4つのデータ行を含む。第1の医療記録テーブルの行904は、Estessにより認められ、2002年に発行された医学的研究を考慮した情報を提供する。
第1及び第2のカラム“P”及び“P:拡張”は、患者データ情報を提供する。第1及び第2のカラムにおける参照は、引き続き説明すると共に図5に示される患者データ・ノードグラフ500内の又はノードを参照する。第3のカラム“T”は、引き続いて説明する図7に示される治療法ツリー700のエントリ又はノードである。第4のカラム“O”は、引き続き説明し、図6に示される疾患結果関係グラフ600内のエントリ又はノードを参照する。第5のカラム“RRR”は、より詳細に後述する相対リスク減少値を参照する。第5のカラム内の相対リスク減少は、最初の2つのカラム内の患者データ・カテゴリに適合し、かつ第3のカラム内に示された治療法の選択肢の提供された患者が、第4のカラム内に示された疾患結果に遭遇するであろう機会についての減少又は相対リスク減少を示す値である。第5のカラム内のこの相対リスク減少の量は、行に関係する医学的研究又は医学論文において示されたものとすることができ、例えば疾患結果602aに遭遇するリスクの下がった0.31のRRRは、602aの治療法の選択肢が適用された502a及び502dの患者データを有する患者に関するEstess2002の医学的研究に示されたものである。
したがって、医療記録テーブル902は、追加のグラフ又はツリーと併せて使用される場合、表1に与えられる情報よりもさらなる情報を提供することができ、より具体的には、患者データ、治療法手段、及び結果についてのカラムにおいて、さらなる情報を提供することができる。
医療記録データ構造は、種々の医学的研究又は医学的文献及びその両方を収集し、調査する医療従事者により手作業で生成することができる。これとは別に医療記録データ構造は、自然言語処理(NLP)技術を実行すると共に、例えばコンピュータ・システム/サーバ12といったコンピュータにアップロードされ医学的研究又は複数の医学的文献及びそれら両方をスキャンするコンピュータ・プログラムによって生成することができる。追加的に、又はこれとは別に、コンピュータ・プログラムは、公開された医学的研究又は公開されたの医学的文献及びその両方についてインターネットをスキャンすることができ、かつ、そのような公開された著作物又は断片を収集し、自然言語処理(NLP)を適用して、医療記録データ構造に入力するべき新しい適切な研究又は医学的文献を探索することができる。医療記録データ構造は、蓄積した情報に対して迅速、かつ効果的な、例えばプロセッシング・ユニット16といったプロセッサによる検索及び分析を可能とするスプレッドシート・ソフトウェア又はいくつかの他の適切な情報蓄積ソフトウェア内に生成することができる。医療記録データ構造は、メモリ、例えばメモリ28内に記憶することができ、かつ例えばディスプレイ24といったスクリーン上に表示することができる。
プロセス400のステップ404において、患者データ・ノードグラフを作成する。図5は、本開示の一実施形態にしたがう患者データ・ノードグラフ500の実施例である。患者データ・ノードグラフ500は、上述したステップ402で言及した実施例Aの一部である。患者データ・ノードグラフ500は、2つの異なる患者データのタイプの間の関係を図示する-一つは、診断結果、すなわち急性心筋梗塞(AMI)の診断結果からのものであり、他は、患者の年齢からのものである。
患者が急性心筋梗塞(AMI)の診断結果を受けた場合、AMIの診断結果は、2つの副次的タイプに分類することができる:ST-上昇型急性心筋梗塞(STEMI)及び非ST上昇型急性心筋梗塞(NON-STEMI)である。いくつかの文献がAMIの副次的タイプの一方のみについての治療を含むこと、例えば、STEMIの治療を含むが、NON-STEMIは含まないことを考慮すると、2つの副次的タイプへの分類はより正確な予測の提供を支援することができる。図5の患者データ・ノードグラフ500は、AMI診断、STEMI診断、NON-STEMI診断の間の関係を示す。図9Aに示す医療記録テーブル902は、患者データ・ノードグラフ500からのノードを参照する第1及び第2のカラム内のエントリを有する。
図5の患者データ・ノードグラフ500はまた、データ構造として考えられ、かつ患者データの間の階層的情報がいかにして示され、かつ記録されるかを示す。図5において、AMI、STEMI、及びNON-STEMIの診断結果が、グラフ内の第1、第2、及び第3患者データ・ノード502a、502b、及び502cとして示される。ここで、図5の実矢線506は、複数のノードにより表されるエンティティ間の関係を示す。この関係のため、実矢線506の開始ノードにより示されるエンティティ又は情報は、矢線の終端ノードのエンティティ又は情報の副次的タイプである。例えば、図5において、STEMI診断(第2の患者データ・ノード502bにより示される)は、AMI診断の副次的タイプ(第1の患者データ・ノードにより示される)である。NON-STEMI診断(第3の患者データ・ノード502cで示される)はまた、AMI診断(第1の患者データ・ノード502aで示される)である。
いくつかの実施形態においては、患者データはまた、年齢といった拡張データを含むことができる。したがって、この実施形態について年齢及び診断結果の組合せを医療記録データ構造におけるマッチングのために使用することができる。図5において、第4の患者データ・ノード502dは、患者の年齢を考慮した患者データを示す。第4の患者データ・ノード502dからの破線の矢線504は、第1の患者データ・ノード502aで終端する。破線の矢線504は、評価の目的及び予測の目的のため“年齢”が“AMI”診断に伴っている。
図5において、患者データ・ノードグラフ500は、患者の年齢を、4つのグループ、≦55歳、(第5の患者データ・ノード502eにより示される)、56-64歳(第6の患者データ・ノード502fにより示される)、65-74歳(第7の患者データ・ノードで示される)、≧75歳(第8の患者データ・ノード502hで示される)に分類する。実矢線506は、第5,第6,第7,第8の患者データ・ノード502e,502f,502g,502hから、第4の患者データ・ノード502dまで延び、第5,第6,第7,及び第8の患者データ・ノード502e,502f,502g,502hが第4の患者データ・ノード502dにより表される副次的タイプであるという情報を示す。
患者データ・ノード500は、種々の医学的研究又は種々の医学的文献、又はステップ402で生成された医療記録データ構造、及びこれらの組合せを収集し、評価する医療従事者が手作業で生成することができる。これとは別に、患者データ・ノードグラフ500は、これとは別に自然言語処理(NLP)技術を実行すると共に、例えばコンピュータ・システム/サーバ12といったコンピュータにアップロードされ医学的研究又は複数の医学的文献及びそれら両方をスキャンするコンピュータ・プログラムによって生成することができる。追加的に又はこれとは別に、コンピュータ・プログラムは、公開された医学的研究又は公開されたの医学的文献及びその両方についてインターネットをスキャンすることができ、かつ、そのような公開された著作物又は断片を収集し、自然言語処理(NLP)を適用して、患者データ・ノードグラフ500に入力するべき新しい適切な研究又は医学的文献を探索することができる。患者データ・ノードグラフ500は、情報をグラフ形式で記録し、その後迅速、かつ効率的にプロセッサにより検索し、分析することを可能とするグラフ化ソフトウェア又はいくつかの好ましいソフトウェを使用して生成することができる。この患者データ・ノードグラフ500は、メモリ、例えばメモリ28内に記憶することができ、かつ例えばディスプレイ24といったスクリーン上に表示することができる。
患者データ・ノードグラフ500は、医療記録データ構造と組み合わせて使用して、医療治療従事者及び患者に対し、ある種の医療的治療法でどのような医療的及び患者に対する効果が生成されるのか、又は達成されるのか、及びしたがってどのような可能な治療法が勧告する最良であるかにつき、より良い決定の案内を支援することができる。
プロセス400のステップ406では、疾患結果関係グラフを生成する。図6は、本開示の実施例にしたがう疾患結果関係グラフ600の実施例を示す。図6の疾患結果関係グラフ600は、ステップ402,404を考慮した説明において上記で言及した実施例Aの一部である。疾患結果関係グラフ600は、所定の疾患から得られる可能な疾患結果との間の関係を示す。図6の疾患結果関係グラフ600はまた、どのようにしてデータ構造と考えられ、疾患結果を考慮した階層的情報を示すことができ、かつ記録できるのかに関する1つの方法を示す。
図6において、実矢線506は、図5で使用した実矢線506と同一の意味を有する。例えば、実矢線506の1つは、第2の疾患結果ノード602bが第1の疾患結果ノード602aにより表される結果の副次的タイプであるという結果を表していることを示す。図6によると、心筋梗塞(MI)(第2の疾患結果ノード602bにより示される)は、主要有害心血管事象(MACE)(第1の疾患結果ノード602aにより示される)の副次的タイプである。心血管死(第4の疾患結果ノード602dにより示される)は、MACEの副次的タイプ(第1の疾患結果ノード602aにより支援される)であり、かつまた、死亡率の副次的タイプである(第3の疾患結果ノード602cで示される)。
疾患結果関係グラフ600は、種々の医学的研究又は種々の医学的文献、又はステップ402で生成された医療記録データ構造、及びこれらの組合せを収集し、評価する医療従事者が手作業で生成することができる。これとは別に、疾患結果関係グラフ600は、これとは別に自然言語処理(NLP)技術を実行すると共に、例えばコンピュータ・システム/サーバ12といったコンピュータにアップロードされ医学的研究又は複数の医学的文献及びそれら両方をスキャンするコンピュータ・プログラムによって生成することができる。追加的に又はこれとは別に、コンピュータ・プログラムは、公開された医学的研究又は公開された医学的文献及びその両方についてインターネットをスキャンすることができ、かつ、そのような公開された著作物又は断片を収集し、自然言語処理(NLP)を適用して、疾患結果関係グラフ600に入力するべき新しい適切な研究又は医学的文献を探索することができる。疾患結果関係グラフ600は、情報をグラフ形式で記録し、その後迅速、かつ効率的にプロセッサにより検索し、分析することを可能とするグラフ化ソフトウェア又はいくつかの好ましいソフトウェを使用して生成することができる。これらの疾患結果関係グラフ600は、メモリ、例えばメモリ28内に記憶することができ、かつ例えばディスプレイ24といったスクリーン上に表示することができる。
疾患結果関係グラフ600は、医療記録データ構造と組み合わせて、及び任意に患者データ・ノードグラフ500と組み合わせて使用し、医療治療従事者及び患者に対し、ある種の医療的治療法でどのような医療的及び患者に対する効果が生成されるのか、及びしたがって、どのような治療法が可能性のあるネガティブな疾患結果に遭遇するリスクを減少するために勧告する最良であるかにつき、より良い決定の案内を支援することができる。
プロセス400のステップ408では、治療法ツリーを生成する。図7は、本開示の一実施形態にしたがう治療法ツリー700の実施例を示す。図7の治療法ツリー700は、ステップ402,404,406を考慮して上記に言及した実施例Aの一部である。治療法ツリー700は、患者を治療するために遂行でき、かつ患者がネガティブな結果を経験する機会を減少することができる所定の可能な疾患治療法の選択肢の間の関係を示す。図7の治療法ツリー700はまた、データ構造と考えられ、どのようにして治療法の選択肢を考慮した階層的情報が示され、かつ記録されるかを示す。いくつかの治療法は、患者に適用される場合、他の治療法との組み合わせで遂行又は適用されることはない。そのような治療法は、排他的治療法として参照することができる。これとは別にいくつかの治療法は、1つ又はそれ以上の他の治療法手段との組み合わせで遂行することができ、包括的手段として参照することができる。治療法は、1つ又はそれ以上の医薬学的手段又は1つ又はそれ以上の非医薬学的手段、又は両方の組合せを含む。例えば、治療法は、非医薬学的手段と考えられる“喫煙を止める”という治療法と、“アスピリンを摂取する”という医薬学的手段とを含むことが考えられる。
図7は、枝ノードが治療法手段を表す治療法ツリー700を示す。図7の第1及び第2の包括的ノード702a及び702bは、組み合わせて患者に対して適用するべきそれらの子ノードの少なくともいくつかの治療法手段として助言できる又は可能性のあることを示す。例えば、患者は、血栓溶解(第1の治療法ノード708aで示される)をアスピリンの通常摂取(第2の治療法ノード708bにより示される)と組み合わせて受容することが好ましい。血栓溶解はまた、血栓溶解治療としても知られており、血管内の危険な塊を溶解する薬剤を使用することを含み、血流を改善し、かつ組織及び器官への損傷を防止する。血栓溶解(第1の治療法ノード708aにより示される)は、またβブロッカー療法(第3の治療法ノード708cで示される)、又はアンジオテンシン変換酵素阻害薬(ACEI)(治療法ノード708dで支援される)及びそれの両方との組み合わせでも適用することができる。βブロッカーは、またβアドレナリン遮断薬としても知られており、血圧を低下させる薬物治療又は医薬品である。いくつかの例では、第1,第2,第3及び第4の治療法ノード708a,708b,708c,708dは、包括的治療法として考えられ、第5、第6、第7、第8の治療法ノード708e,708f,708g,708hに対応する下記の排他的治療法と組合わせて患者に適用することができる。
図7の第1の排他的ノード704aは、患者に対する治療法として使用される場合、その子ノードが通常では排他的に用いられることを示す。例えば、主要血管形成術(第5の治療法ノード708eとして示される)、主要冠動脈バイパス術(“CABG”)(第6の治療法ノード708fとして示される)、主要経皮的経管冠状動脈形成術(“PTCA”)(第7の治療法ノード7-8gとして示される)、及び主要冠動脈インターベンション(“主要PCT”)(第8の治療法ノード708hとして示される)は、互いにいずれかと組み合わされたやり方で適用することはできない代わりに、いくつかの患者ノードと共有される他の排他的治療法ノードから独立して遂行されるべきであり、この場合、親ノード又は子孫ノードとして第1の排他的ノード704aを共有する。排他的ノード704a及びその4つの子ノードの場合、これら第5,第6,第7,第8の治療法ノード708e,708f,708g,708hで示される治療法は、患者に対して独立して適用されるべきであって、互いに組み合わせて適用されるべきではない。いくつかの実施形態では、排他的ノードから枝分かれする治療法は、第2の包括的ノード702bといった包括的ノードの子ノード又は枝ノード、例えば、いくつかの実施形態においては、第1,第2,第3,第4の治療法ノード708a,708b,708c,708dである任意の治療法を含むいかなる他の治療法とでも組み合わせて使用することはできない。
第1の包括的ノード702aは、包括的治療法を表すいくつかのひ孫ノードを有するように示される。これら包括的治療法を表すノードは、第1,第2,第3及び第4の治療法ノード708a,708b,708c,708dである。第1の包括的ノード702aはまた、排他的治療法を表すいくつかのひ孫ノードを有するように示されている。排他的治療法を表すこれらのノードは、第5,第6,第7及び第8の治療法ノード708e,708f,708g,708hである。図7に示す第2の包括的ノード702bは、包括的治療法を表す全部又はいくつかの子孫ノードを有するように示される。排他的ノードは、通常、すべてが患者に対して互いに組み合わせて適用しないことが要求される治療法を表すものとしての子孫ノードを有する(これらの他の子孫ノードのいずれかとも組み合わせてはならない)。
グラフ又はツリーによる患者データの表現、疾患結果関係の表現、及び治療法の表現は、いくつかの実施形態では必須的なものではない。にもかかわらず、この種のデータ構造化は、文献から、又は研究から収集された情報の、より正確な組織化を可能とする。したがって、この種の構造化は、より正確なマッチング及び予測の達成を支援する。
図4に示すプロセス400のステップ410は、患者から患者データを受領することである。患者とは、それらの疾患リスクの減少を評価することができる人又は動物である。一つの実施形態では、患者データは1つ又はそれ以上の患者データ項目又は要素を含むことができる。これらのデータ項目又は要素は、患者の人口統計学的データ、バイタル・サイン、健康測定、又は実験室試験結果を含むことができる。人口統計学的データは、患者の名前、身長、体重、年齢、性別などを含むことができる。バイタル・サインは、患者の体温、血圧、心拍数、呼吸回数などを含むことができる。実験室試験結果は、例えば低密度リポタンパク質コレステロール(LDL-C)、例えばLDL-C、2mmol/L、高密度リポタンパク質コレステロール(HDL-C)、例えばHDL-C、3mmol/L、血中グルコースレベル、例えば血中グルコースレベル、7mmol/L、及び血清尿酸レベル、例えば血清尿酸レベル、450μmol/Lなどを含むことができる。医療記録は、また患者の診断結果とそれらの患者データとの間のリンクを含むことができる。例えば、患者データは、動脈硬化性心血管疾患(ASCVD)、高脂血症、又は糖尿病を有する患者又は患者グループに対するリンク又は傾向を有することができる。これら上述した特定のデータは例示である。上述した例示以外のデータを、生成された医療記録データ構造内に含まれる医療記録の部分である患者データに含ませることができる。医療記録は、患者又は患者グループに対するリスク・ファクターに関する情報を含むことができる。例えば、患者の所定のバイタル・サイン、健康測定、又は実験室試験結果又はこれらの組合せを、対応するリスク・ファクターと併せて記録ことができる。言い換えると、少なくともいくつかの実施形態においては、モデルにより使用されるリスク・ファクターは、患者データの副次的セットである。
ステップ402,404,406,408について上記に言及した実施例Aについて、受領する患者データは、患者が60歳であり、STEMIに罹患しているとして診断がなされたことを示すデータを含む。
患者データは、個人、医師又は他の医療従事者が医療記録データ構造及び任意に患者データ・ノードグラフ500、疾患結果関係グラフ600、及び治療法ツリー700が記録されたコンピュータにアクセスした後、例えばコンピュータ・システム/サーバ12と言ったコンピュータにより受領することができる。医療記録データ構造、患者データ・ノードグラフ500、疾患結果関係グラフ600、及び治療法ツリー700は、コンピュータのメモリ、例えばメモリ28に記録することができる。そのコンピュータは、医療機関に配置することができ、またクラウドを介してアクセスでき、及びしたがって患者、又は医療関係者又は医師によりアクセスすることができるコンピュータ内に遠隔的に記録することができる。患者は、グラフィカル・ユーザ・インターフェースを使用するウェブサイト又はアプリ(app)にアクセスし、個人的な身体的情報を患者に問い合わせる。ウェブサイト又はアプリは、その後患者データとしてコンピュータに対して個人的な身体情報を渡す。
これとは別に、医療従事者又は医師は、ウェブサイト又はアプリにアクセスでき、グラフィカル・ユーザ・インターフェースを介して患者データとして患者の身体的情報を提供することができる。医療従事者又は医師は、患者からそれらの身体的情報を手作業で得ることができる。医療従事者又は医師は、患者が記入し返送する身体的な質問事項を提供することができる。医療従事者又は医師はこれとは別に、患者がアクセスして、疾患リスク減少評価プログラムを記録したもう一つのコンピュータにより受領される患者データを提供するコンピュータを、休息室又はオフィスに有する。医療従事者又は医師は、これとは別に、患者に関する情報を目視で見て、その後情報をウェブサイト、アプリ、又はコンピュータ・プログラムにタイプ入力することができる。医療従事者又は医師は、それによりウェブサイト又はアプリのグラフィカル・ユーザ・インターフェースを使用してコンピュータ又はコンピューティング・ノードへと、個人の身体的情報を入力することができる。その後、医療記録データ構造が記録したもう一つのコンピュータに記録された例においては、ウェブサイト又はアプリは、個人の身体的情報を患者データとして医療記録データ構造をホストするコンピュータに渡す。例えば彼らの医療オフィスで、医療記録データ構造が医療従事者又は医師のローカル・コンピュータに記録されている例においては、医療従事者又は医師は、個人の身体的情報をキーボード又はタッチスクリーン、例えば外部デバイス14を使用して記入するか、又はマイクロフォンに話しかけて、ローカル・コンピュータが医療記録データ構造に関しての情報及びおそらくはグラフ及びツリーを処理し、かつ使用できるようにする。
図4のステップ412において、可能性を検査するべき可能性のある疾患結果をコンピュータ・システムに入力するか、又はコンピュータ・システムにより受領する。医療従事者又は患者は、患者が経験している又は潜伏しているある種の疾患結果の可能性について関心を有することができ、全体の方法は、少なくともどのようにすれば患者が経験しているリスク疾患結果を減少でき、かつ最も効果的に軽減することができるかの評価に基づくものとなる。したがって、システムは、そのような疾患結果が分析され、そのリスクが減少されると望まれるのかを知る必要がある。患者又は医療従事者は、コンピュータ・プログラムによって生成され、ディスプレイ24上のスクリーン上に表示されるグラフィカル・ユーザ・インターフェースに可能性のある疾患結果を入力することができる。コンピュータ・プログラムは、これとは別にディスプレイ24上に表示される種々の疾患結果のリストを生成することができ、かつ患者又は医療従事者に対して外部デバイス14を使用して生成されたリストを通じて疾患結果の一つを選択するべくスクロールする選択肢を提供することができる。
例えば、医療従事者又は患者は、ステップ412で彼らが彼らの患者データに基づいて主要有害心血管事象(MACE)の可能性のある疾患結果のリスクを探索するべきことを決定することに関心があることを入力する。MACEの疾患結果は、上述したステップについて上述したように、実施例Aにしたがって本プロセス400の実施例において入力される。したがって、実施例Aにおいて実行された疾患リスク減少についての評価は、どのような治療法が60歳でSTEMIを経験した患者が、例えば特定の時間枠内で他のMACEを経験するリスクを減少する最良の支援なのかを評価することになる。
図4のステップ414において、患者が経験するであろう選択・入力された疾患結果のリスク・スコアが決定される。決定は、ステップ410で受領した患者データを使用する。リスク・スコアの決定は、リスク評価アルゴリズム又はモデルを使用することによるリスク・スコアを計算することを含むことができる。リスク・スコアは、特定の疾患結果を指向する。使用することができるリスク評価アルゴリズム又はモデルの一実施例は、フラミンガム・リスク・モデルであり、これは心血管疾患について使用される。本開示の一実施形態では、リスク・スコアは、下記式(1)で記述することができる。
上記式(1)中、Xは、リスク評価アルゴリズム又はモデルにより必要とされる患者のリスク・ファクターを含む患者データから構成された要素を有するベクトルである。rは、患者が有し、経験し、又は所与の疾患結果に遭遇するであろうリスク・スコアである。ここで、f()は、rとXとの間の関数関係を表す。f(X)は、個別的な患者データに対するリスク・スコアを計算するためのリスク・モデルである。リスク・モデルは、機械学習、ディープ・ラーニング、又は医療探索方法にしたがう患者の履歴データに基づく他の技術を通じたデータ分析を適用することにより得ることができる。
上述した実施例Aについて、ステップ411のため、医学的文献に対応するか又は医学的研究に由来する医療記録データ構造のいくつかのエントリは、年齢が57~63歳の間で、STEMIを有すると診断された患者について他のMACEリスク・スコアが0.43であることを示す。
以下に実施例Bを提示する、実施例Bは、いくつかの実施形態にしたがい、計算を実行することによるリスク・スコアの決定を示す。実施例Bでは、AMI(急性心筋梗塞)に罹患した患者のMACEリスク(主要有害心血管事象)を計算するリスク・モデルは、3つのリスク・ファクターを含む:年齢、白血球数(WBC)、及びKillipレベル(killip_score)である。このリスク・モデルは、AMIの30日以内に患者がMACE事象を発症するか否かのリスクを計算する。白血球数は、実験室試験の結果である。Killipレベルは、医師がAMIの後の患者を検査した後医師による患者の診断である。AMI(急性心筋梗塞)は、MACE(主要有害心血管事象)の一つのタイプであり、リスク・スコアは、患者が第2のMACE、例えば2回目の心筋梗塞を例えば30日といった短時間の期間内に経験するかどうかの可能性を示す。死亡率たるリスク・スコアf(X)を生成するための本実施例Bのリスク・モデルは、下記に示される式(2)LR(ロジスティック回帰)モデルである。
このKillip分類は、AMIを経験した個人に使用されるシステムであり、彼らの死亡率を予測し、かつ階層化するため、物理的検査及び心疾患の進展を説明する。Killipクラスの低い個人は、Killipクラスの高い個人よりも、彼らの心筋梗塞の後、最初の30日以内に死亡することは稀である。
4つのKillipクラスは、以下のとおりである:
・KillipクラスIは、心疾患の臨床的兆候が全くない個人である。
・KillipクラスIIは、肺にラッセル音又は狭窄音がある個人であり、S3、及び頸動脈圧が上昇した個人を記述する。
・KillipクラスIIIは、明確な急性肺水腫を伴う個人である。
・KillipクラスIVは、心臓ショック又は低血圧(収縮期血圧が90mmHg未満として測定される)にあり、かつ末梢血管収縮(乏尿、チアノーゼ、又は発汗)のエビデンスがある個人を記述する。
4つのKillipクラスは、以下のとおりである:
・KillipクラスIは、心疾患の臨床的兆候が全くない個人である。
・KillipクラスIIは、肺にラッセル音又は狭窄音がある個人であり、S3、及び頸動脈圧が上昇した個人を記述する。
・KillipクラスIIIは、明確な急性肺水腫を伴う個人である。
・KillipクラスIVは、心臓ショック又は低血圧(収縮期血圧が90mmHg未満として測定される)にあり、かつ末梢血管収縮(乏尿、チアノーゼ、又は発汗)のエビデンスがある個人を記述する。
AMIと診断された5人の異なる患者に対する計算を、実施例Bの部分として上記のリスク・モデルを使用して実行し、彼らが経験しているか、又は潜在的な死亡率、すなわち死亡のリスクを決定した。5人の患者からの患者データは、下記表2の初めの3つのカラムに3つの変数として与えられており、式に基づき各患者について計算したリスク・スコアを第4カラムに与える。
計算は、第2の患者(年齢56歳の患者)は、30日以内でのもう一回のMACEについて、最も高いリスクを有する一方、第5の患者(34歳の患者)は、30日以内におけるもう一回のMACEについて最低のリスクを有することを示す。
受領した患者データからの1つの患者データ項目又は要素は、第1の評価モデルについてのリスク・ファクターとすることができるが、第2のリスク評価モデルのリスク・ファクターとすることはできない。例えば、患者の喫煙がリスク・ファクターか否かという患者データ項目を、リスク・ファクターとすることができる。関節炎のリスクの評価のためのモデルについては、患者が喫煙するか否かという患者データ項目を、リスク・ファクターとすることはできない。
純リスク(AR)は、人口における人の数に対する事象を経験している人の数の比として定義される。人々又は患者の2つのグループが治療処置を受けている第1のグループと、治療処置を受けていない第2のグループとを含む場合、第1のグループを処置グループ呼び、第2のグループをコントロール・グループ又は参照グループと呼ぶ。コントロール・グループにおいては、例えば特定の疾患結果を経験しているといった特定の事象のARを、コントロール・グループの純リスク(ARC)として記述する。処置グループにおいては、例えば特定の疾患結果を経験しているといった特定の事象のARを、コントロール・グループの純リスク(ART)として記述する。
いくつかの代替的な実施形態においては、ステップ414で決定されるリスク・スコアは、ステップ402で生成された医療記録データ構造からデータをルックアップすることにより決定することができる。これらの実施形態では、それらの情報がすでに医療記録データ構造に記録されている医学的研究又は文献は、一定の可能性のある疾患結果に関して、患者の異なるグループについてのリスク・スコアをすでに決定していても良い。リスク・スコア又はそれらのリスク・スコアは、ステップ402で医療記録データ構造に入力することができ、この結果、ステップ414のリスク・スコアの決定は、医療記録データ構造にアクセスすること、及び患者データに基づいて医療記録データ構造からリスク・スコアを引き出すことを含むことができる。コンピュータ・プログラムは、入力とされる患者データを用いて医療記録データ構造に保存されたエントリを通して検索を行い、同一の患者データをまた有するエントリとのマッチングを見出す。その後、そのエントリに随伴するリスク・スコアをプロセッサ又は医療従事者に返すことができるか、又はコンピュータ・プログラムにより実行されるべき計算のため、一時的に保存することができる。
例えば、図9Aに示す医療記録テーブル902と類似する医療記録データ構造は、リスク・スコアについて“r”のタイトルを付されて存在することができる。この代替的な医療記録データ構造は、50~59歳の間でそれらの全コレステロール・レベルが290mg/dLであることを示す実験室試験結果を受けた患者についてMACE(図6の第1の疾患結果ノード602aにより示される)に対するrが、0.6であり、MI(図6の第2の疾患結果ノード602cにより示される)に対するrが、0.35であり、死亡率(図6の第3の疾患結果ノード602cで示される)に対するrが0.5であり、かつ心血管死(図6の第4の疾患結果ノード602で示される)が、0.2であることを示すことができる。
図4に示すプロセス400のステップ416では、ステップ410で受領した患者データは、図5に示す患者データ・ノードグラフ500の1つ又はそれ以上のノードとマッチングされる。このステップは、患者データ・ノードグラフ500に記録された情報及びテキストを通してスキャン又は読み込み、それらのテキスト及び情報を患者データのテキスト及び情報を比較するテキスト検索ソフトウェアにより実行されてもよい。例えば患者データが特定の年齢であるがノードが患者の可能な年齢範囲を示す場合、論理的な比較特性を有するソフトウェアをまた使用することができる。このソフトウェアは、要求されるマッチングを実行できるように使用され、かつプログラミングすることができる。
例えば、後ステップ410で受領した患者データが、患者の60歳という年齢情報及び患者がSTEMIの診断を受けた後述する実施例Aについて、プロセッサは、この患者データを取得して、ステップ416の一部として年齢データと、第6の患者データ・ノード502f及び第2の患者データ・ノード502bについてのSTEMI診断とをそれぞれマッチングするために、患者データ・ノードをスキャンすることができる。このマッチング・ノード情報は、コンピュータ・システムが患者データ・ノードグラフ500内に与えられたノード・ナンバーでコードされた医療記録データ構造を通して検索を行う場合、後続するステップにおいてコンピュータ・システムに対して役立つであろう。このマッチング・ノード情報は、例えばプロセッシング・ユニット16といったプロセッサに接続された、例えばメモリ28といったメモリに記憶されて、後続するマッチング及びマッピングのためのアクセスに利用することができる。
図4に示すプロセス400のステップ418では、ステップ412で入力された疾患結果が、図6に示す疾患結果関係グラフ600からのノードとマッチングされる。ステップ416のマッチングを実行するために使用したと同一のソフトウェア又は類似のソフトウェアをまたステップ418のマッチングを実行するために使用することができる。
主要有害心血管事象(MACE)が選択され、上述したステップ412で説明したように入力される実施例Aについて、ステップ418のマッチングは、疾患結果関係グラフ600をスキャンして、入力された疾患とMACEの疾患結果を表す第1の疾患結果ノード602aとマッチングする。このマッチング・ノード情報は、コンピュータ・システムが疾患結果関係グラフ600内に与えられたノード・ナンバーでコードされた医療記録データ構造を通して検索を行う場合、後続するステップにおいてコンピュータ・システムに対して役立つであろう。このマッチング・ノード情報は、例えばプロセッシング・ユニット16といったプロセッサに接続された、例えばメモリ28といったメモリに記憶されて、後続するマッチング及びマッピングのためのアクセスに利用することができる。
図4に示したプロセス400のステップ420では、ステップ416及び418でマッチングされたノードがステップ402で生成された医療記録データ構造のレコードとマッチングされる。ステップ420のマッチングは、受領した患者データ及び分析することを希望し、そのリスクを減少することを希望する疾患結果に関係する治療法の選択肢を発見するために使用される。ステップ416及び418のマッチングを実行するために使用したと同一のソフトウェア又は類似のソフトウェアをまたステップ420のマッチングを実行するために使用することができる。見出された治療法の選択肢は、例えばプロセッシング・ユニット16といったプロセッサに接続された、例えばメモリ28といったメモリに記憶されて、後続するマッチング及びマッピングのためのアクセスに利用することができる。
実施例Aにおいては、ステップ416でマッチした第6の患者データ・ノード502fと、第2の患者データ・ノード502b及びステップ428でマッチした第1の疾患結果ノード602aがステップ420で使用される場合、これらは図9Aに示す医療記録テーブル902のレコードとマッチングすることができる。医療記録テーブル902は、医療記録データ構造の一実施例である。
実施例Aのためのステップ420のマッチングは、第2,第3,第4,第5のデータ列に加え第1の医療記録テーブルの行904が第1の疾患結果ノード602aにマッチングするが、第4のデータ行にはマッチングしないことを認識する。第4のデータ行は、その疾患結果カラムO内のエントリ“602b”が、第2の疾患結果ノード602bに対応するが、第1の疾患結果ノード602aには対応しない。
ステップ420のマッチングはまた、マッチングにおいて第3のデータ行単独では第2の患者データ・ノード502b及び第6の患者データ・ノード502fに初期マッチすることを認識する。第3のデータ行は、第の患者データ・ノード502bに対応する“502b”のエントリされるデータ行である。第3のデータ行は、第6の患者データ・ノード502fにマッチングするいかなる表現も含んでいないが、第3のデータ行は、第6の患者データ・ノード502fと矛盾するいかなるノード情報も含んでいない。第3のデータ行は、“P:拡張”カラムのためのブランクのエントリを有しており、したがって、第6の患者データ・ノード502fと矛盾する患者データを含まない。
医療記録テーブル902と患者データ・ノード(第1,第2,第3,第5データ行は患者マッチングである)と、実施例Aのステップ420で実行される医療記録テーブル902の疾患結果ノードとのマッチング(第3データ行が結果のマッチングである)という、マッチングの比較は、第3データ行単独の初期マッチングが治療法の選択肢を見出すために使用されるべきマッチング行であることを示す。したがって、第3データ行における第3のカラム“I”で指示される治療法情報“708e”が初期マッチングにより見出されたと考えられる。
したがって、多重の患者ノードといった多重のノードをマッチングのために使用する場合、医療記録データ構造内の行又はデータ・セグメントは、少なくとも1つの患者データが行又はデータ・セグメントにマッチングするか、行又はデータ・セグメント内に他の患者データ・ノードのエントリと矛盾するエントリが無いかが判断される。もちろん、多重の患者データ・ノードが、データ構造内のエントリ又はセグメントにマッチングした場合、その後多重の患者データ・ノードのグループは、行又はデータ・セグメントとマッチングしたものと判断される。
図4に示したプロセス400のステップ422では、ステップ420で見出された治療法の選択肢は、ステップ408で生成された治療法ツリーにマップされる。ステップ416,418,420のマッチングを実行するために使用した上述の同一のソフトウェア及び類似のソフトウェアをまた使用することができ、ステップ422のマッピングを実行するためにプログラミングすることができる。マッピングは、ステップ420で見出された治療法の選択肢情報に基づいて特定の治療法の選択肢を示すか、又は表示する。この特定の治療法の選択肢は、その後、例えばプロセッシング・ユニット16といったプロセッサに接続された、例えばメモリ28といったメモリに記憶されて、勧告を提供する場合、後続する医療従事者又は患者への提示のためにアクセス可能とされる。
ノードが医療記録テーブル902にマッチングされ、治療法エントリ“708e”が見出されることに帰着した上記に提供した実施例Aに立脚し、実施例Aにおけるこの治療法エントリ“708e”の治療法ツリー700へのマッピングは、このエントリが主要血管形成術の治療法の選択肢を表す第5の治療法ノード708eに対応することを示す。実施例Aについてのステップ422のマッピングは、また第5の治療法ノード708eは第1の排他的ノード704aの子ノードであり、このことは、第5の治療法ノード708eにより表される主要血管形成術は、第1の排他的ノード704aの他の子ノードにより表されるいくつかの他の可能な治療法との組み合わせで遂行することができない、すなわち、第6,第7、及び第8の治療法ノード708f,708g,708hに対応する処置又は治療法の選択肢との組み合わせにおいて遂行することができないことを示す。患者は主要血管形成術を受けることができるという可能な治療法が実施例Aについて、例えばメモリ28といったメモリに記録されて、勧告の部分として後に患者に提示する準備が整う。
図4に示したプロセス400のステップ424では、追加の関連する治療法の選択肢を見出すため、グラフの祖先ノード、医療記録データ構造、又は治療法ツリー又はこれらの組合せをチェックする。この祖先ノードは、ステップ416,418,及び422でマッチングしたノードの祖先である。第1のノードの祖先ノードは、ノード・グラフにより定義される階層内のより高い第1のノードに連結されるノードとすることができる。ステップ416,418,及び420のマッチングを実行するために使用した上述と同一のソフトウェア又は類似のソフトウェアはまた、ステップ424のチェックを実行するために使用、かつプログラミングすることができる。見出された追加の関連する治療法の選択肢は、例えばプロセッシング・ユニット16に接続された例えばメモリ28といったメモリに記録され、減少されたリスク・スコアを決定するための後続するステップのために利用可能とされ、かついくつかの例では勧告を提供する場合に医療従事者又は患者に対して後に提示するためのアクセス可能に利用可能とされる。祖先ノードを発見するためのチェックは、選択した可能性のある疾患結果に関連した可能な治療法の選択肢に関する関連性のある情報を含む医療規則データ構造に記録された追加のレコードを見出すことを支援する。
実施例Aについて、ステップ424において患者データ・ノードグラフ500は、第2の患者データ・ノード502bがいずれかの祖先ノードを有するか否か、及び第6の患者データ・ノード502fがいずれかの祖先ノードを有するか否かをチェックする。このチェックは、(1)STEMIが副次的タイプであるAMIの患者診断を示す第2の患者データ・ノード502bの祖先ノードであるか否か、及び(2)すべての年齢を表す第4の患者データ・ノード502dが、56~64歳の年齢範囲を表す第6の患者データ・ノーの祖先ノードであるか否かを決定する。疾患結果関係グラフ600における実施例Aのステップ424のチェックは、第1の疾患結果ノード602aが、まったく祖先ノードを有しないことを示す。
ステップ424の部分として、同定された祖先ノードを考慮した情報が医療記録データ構造に戻されて、同定された祖先ノードにマッチングするいかなる追加エントリ、列、又はデータ・セグメントを見出す。
実施例Aについて、受領した患者データについての関連する祖先ノードとして同定された第1の患者データ・ノード502a及び第4の患者データ・ノード502dを使用し、患者データを得た患者に対し、医療記録データ・テーブル902を、第1の患者データ・ノード502a及び第4の患者データ・ノード502dを検索のための入力として検索する。
実施例Aでは、患者データに関連して第1の医療記録テーブルの行904が、“502a”及び“502d”をその第及び第2のカラム内のエントリとして含むため、この検索は、マッチングとして同定された第1の医療記録テーブルの行904を与える。その結果カラムについての結果エントリが、選択又は入力された疾患結果であるMACEとマッチングする結果カラム“602a”なので、第1の医療記録テーブルの行902はまた、マッチングする。入力された疾患結果は、通常、疾患結果を排除するための最良の治療法を見出すことを意図して選択することができる。
この第2のデータ行について第1のカラムのエントリ“502a”が関連する祖先ノードの内の1つの情報とマッチングしても、この第2のデータ行についての“502e”の第2のカラムのエントリが第6の患者データ・ノード502fと矛盾するので医療記録テーブル902内の第2のデータ行は、依然として実施例Aではマッチングしない。第2のカラムの“502e”のエントリは、55歳以下の年齢範囲に対応する第5の患者データ・ノード502eに対応する。この年齢範囲は、患者が60歳である実施例Aの患者データと矛盾する。
医療記録テーブル902における第3のデータ行は、実施例Aの初期マッチング(ステップ420)において、患者データ及び選択した可能性のある患結果とマッチングするものとしてすでに同定されている。
非-STEMIの診断に対応する“502c”の患者データのエントリは、依然としてSTEMI診断の初期患者データと未だ矛盾するため、医療記録テーブル902内の第4のデータ行は、実施例Aではマッチングしたものとして未だ同定されない。第4のデータ行の第1又は第2のカラムのどれもが新たに関連するとして見出された祖先ノードと直接マッチングしないため、この非マッチングはまた、自明である。言い換えると、これらのエントリ(“502c”,ブランク)のどれもが、第2の患者データ・ノード502bの祖先ノードである第1の患者データ・ノード502aに直接マッチングしない。
患者データを考慮すると、第5のデータ行が“502”をその第1のカラム内のエントリとして含むため、医療記録テーブル902の第5のデータ行も、実施例Aについてマッチングしたものとして新たに同定される。このエントリ“502a”は、STEMI診断の患者データに対応する第2の患者データ・ノード502bに対する祖先ノードとして認定される第1の患者データ・ノード502aに直接マッチングする。第2のカラムがブランクで、したがって第2の患者データ・ノード502bと矛盾するエントリを有しないため、この新たなマッチングも発生する。結果カラム内のエントリ“602a”が、効果的な治療法を検索するMACEの可能な疾患結果に対応する第1の疾患結果ノード602aと直接マッチするため、この新たなマッチングがまた、発生する。
したがって、実施例Aにおけるステップ424の祖先ノードのチェックは、第3のデータ行に加えて第1の医療記録テーブルの行904及び第5のデータ行が患者データ及び選択した疾患結果についてマッチすることを明らかとした。
したがって実施例Aのステップ424の部分として、第1の医療記録テーブルの行904からの治療法“708a”及び第5のデータ行からの治療法の選択肢“708f”はまた、それらの治療効果の情報が医療記録データ構造内に含まれるので、関連する治療法の選択肢を参照するものとして保存される。治療法ツリー700におけるマッピングは、“708a”の情報に対応する血栓溶解治療に対応する第1の治療法ノード708a及び“708f”の情報に対応する主要CABGに対応する第1の治療法ノード708fを指示することを返す。この情報は、また、患者に対して1つ又はそれ以上の勧告を提供する場合に参照するために例えばメモリ28に記録される。
図4に示されるプロセス400のステップ426においては、治療法ツリー、例えば治療法ツリー700をチェックして見出された治療法の選択肢の好ましい組合せを決定する。マッチング、マッピング、及びチェックを実行するために使用した上述と同一のソフトウェア又は類似のソフトウェアをまた、使用することができ、かつステップ426のチェックを実行するためにプログラミングすることができる。決定された治療法の選択肢は、その後、例えばプロセッシング・ユニット16に接続された例えばメモリ28といったメモリ内に記録されて、減少リスク・スコアを決定する後続するステップのために利用可能とされ、かついくつかの例においては勧告を提供する場合には医療従事者又は患者への後続する提示のためにアクセス可能とされる。好ましい組合せを決定するためのチェックは、いくつかの例において最良の治療が個別的な治療、個別的な治療法手段又は選択肢の組合せを含むことの明示を支援することができる。
実施例Aについて、治療法ツリー700は、この情報に対応する治療法手段のどれをネガティブな疾患結果のリスクを低減するべく最良の治療法を提供するための患者に対する治療計画の好ましい組み合わせとすることができるか否かを、同定された治療法情報“708e”,“708a”及び“708f”に関してステップ426でチェックされる。治療法ツリー700のチェックは、第5及び第6の治療法ノード708e及び708fが、両方とも排他的ノード704aの子ノードであり、したがって両方とも組み合わせた治療として患者に提供するのが好ましくないことを示す。それではなく、主要血管形成術又は主要CABGを患者に対して提供することできるが、その両方ともではない。しかしながら、チェックはまた、第1の治療法ノード708aに対応する血管形成術治療が、第2の包括的ノード708bの子ノードであることを示し、かつまた排他的ノード704aの子ノードではないことを示す。したがって、個々の治療法手段又は個々の治療法の選択肢の組合せによりもたらされる二つの別々の治療法の可能性として、血栓溶解治療は、主要血管形成術又は主要CABGのいずれかと好ましく組み合わせることができる。略記的に、二つの好ましい組合せを、(“708a”,“708e”)及び(“708a”,“708f”)とする。これら2つの新しく同定された組合せは、例えばプロセッシング・ユニット16と言ったプロセッサにより実行される後続する減少リスク・スコア計算に使用するため、例えばメモリ28といったメモリに記録される。
少なくともいくつかの実施形態において、ステップ416,426を互いに組み合わせて、患者データに基づいて一つ又はそれ以上の治療法の選択肢を構成することができる。
図4に示すプロセス400のステップ427において、患者からより多くの患者データを提供するための通知を提供して、治療法の選択肢のより多くのマッチングのチェックを可能とすることができる。ステップ427は、実施例Dに関し、下記により詳細に説明する。
図4に示すプロセス400のステップ428において、ステップ420,424,427から見出された治療法の選択肢のそれぞれに対して、かつステップ426で見出された好ましい組合せのそれぞれに対して減少リスク・スコアを決定する。この決定は、計算するべき減少リスク・スコアの計算を可能とする一定の数式を含むようにプログラムされた、例えばプロセッシング・ユニット16といったプロセッサで実行される。この決定は、また、医療記録データ構造をチェックして、医療記録データ構造に記録された特定の治療法についての相対リスク減少量といったいかなるリスク・スコアであっても取得することを含む。リスク・スコアの減少は、それぞれの治療法の選択肢の治療効果を構成することができ、そのようにして減少されたリスク・スコアがまた、その治療法の選択肢の治療効果を分析することを支援する。
人々のグループに発生する事象の可能性を減少する治療又は緩和手段の純リスク減少(ARR)は、治療グループ(ART)の純リスクからコントロール・グループ(ARC)の純リスクを減算することにより計算することができる。言い換えると、ARRは、治療グループとコントロール・グループにおいて発生するARs(例えばARCからのART)の計算上の違いとして計算することができる。言い換えると、ARR=ARC-ARTである。一つの実施例においては、コントロール・グループにおいて発生する事象のリスクが40%(ARC=40%)であり、かつ治療グループにおいて発生する事象のリスクが30%(ART=30%)である場合、特定の事象に関する治療についてのARRは、40%-30%=10%(又は0.1)により計算することができる。
本開示のいくつかの実施形態にしたがい、この値を、“相対リスク減少”(RRR)と名付け、階級上の選択肢及び減少リスク・スコアの効果を評価するために利用する。相対リスク減少は、治療グループにおける治療法の効果を特徴づけることを支援する。相対リスク減少(RRR)は、RRR=(ARC-ART)/ARC=1-ART/ARCを通じて決定される。上述した実施例において、ARC=40%であり、ART=30%である場合、特定の事象に関する治療のRRRは、1-0.75=0.25により計算される。
特定の治療法手段については、所与の疾患結果に対する治療法手段のRRRは、既存の医学的文献又は研究から収集することができる。例えば、一定の患者が定期的にアスピリンを摂取する場合、心血管死に関するRRRは、0.25である。したがって、アスピリンは、患者が心血管死を経験するであろう確率又は機会を減少させる。
1つ又はそれ以上の治療法の選択肢のそれぞれについて、治療効果をリスク・スコア上での対応する治療法手段の選択肢の1つ又はそれ以上の治療法手段のそれぞれの影響を考慮して評価することができる。本開示の一実施例にしたがい、リスク・スコアに対する1つ又はそれ以上の治療法手段のそれぞれの影響を考慮することは、対応する治療法の相対リスク減少を使用することによる治療効果を計算することを含み、相対リスク減少は、関連する治療法に関する医学的知識から同定又は決定される。本発明の一実施形態にしたがい、医学的知識は、その情報が医学記録データ構造に記録された少なくとも1つの医学的文献又は研究から取得することができる。決定される治療効果は、減少リスク・スコアにより表され、減少リスク・スコアが最低のものが、最大の効果を有する治療法に相当する。
本開示の一実施形態にしたがい、減少リスク・スコアqは、式(3)として記述される。
上記式中、Tは、治療法の選択肢の治療手段のベクトルであり、f(x)は、上述したリスク・スコアrを表す。ここで、式(3)を式(4)として拡張する。
ここで、nは、治療法の選択肢の治療法手段の数である。RRR(t)は、治療法の選択肢tに対するリスク減少である。
上述したように、実施例Aにおいては、全部で5の治療法の選択肢、すなわち、治療法情報“708e”,”708a”,“708f”,(“708a”,“708e”)、(“708a”,“708f”)が生成され、これらは2つの好ましい組合せの他、3つの治療法の選択肢を含む。図9Aに示す医療記録データ・テーブル902は、医学的研究Estess(2002)が“708a”治療法(血栓溶解)のRRRが0.31(第1の医療記録テーブルの行904に示される)であり、医学的研究Chucherat(2003)は、“708e”治療法(主要血管形成術)のRRRが、0.15(第3のデータ行に示される)であり、医学的研究Yusuf(1994)は、“708f”治療法(主要CABG)のRRRが0.39であると結論している。
実施例Aにおいて使用することができる上記に与えた式(3)は、2つの好ましい治療法の選択肢の組合せの他、上述した3つの個別的な治療法のぞれぞれの減少リスク・スコアを計算するために使用することができる。計算は、実施例Aのステップ414で得られたリスク・スコア0.43から開始する。
これらの計算は、データが血栓溶解(“708a”)とCABG(“708f”)とを共に治療法として実施例Aの患者に使用することがリスク・スコアの大きな減少をもたらすことを示す。したがって、血栓溶解(“708a”)と、主要CABG(“708f”)を共に使用することが上記5つ雄治療の選択肢のうちの最大の治療効果を有する。
別の実施例、すなわち実施例Dにおいては、図9Aに示す医療記録テーブル902もステップ402で生成し、MACEはまた、ステップ412の疾患結果であり、患者データは、実施例AのようにSTEMIの診断を含むものとして受領した。しかしながら、実施例Aとは相違し、実施例Dにおいては、ステップ410で受領した患者データは、患者の年齢に関するいなかる情報も含まなかった。実施例Eのステップ416の実行時、コンピュータ・プログラムは、患者が55歳以下の年齢を有する場合、医療記録テーブル902の第2のデータ行が患者にマッチングする可能性を含むものと認識させた。特に、医療記録テーブル902の第2のデータ行は、“P:拡張”カラムに“502e”のエントリを含み、“502e”のエントリが図5の患者データ・ノードグラフ500に示される第5の患者データ・ノード502eであった。第5の患者データ・ノード502eは、55歳以下の年齢に相当する。
実施例Dのこの状況においては、可能であるが未確認の行のマッチングが同定され、医師、医療従事者又は患者への通知を生成することができ、患者の年齢を入力するように彼らを促して、コンピュータ・プログラムが第2のデータ行が患者にマッチングするか否かを決定することを可能とし、可能な場合、したがって患者の健康プランの改善を支援する有用で定量的なデータを含む。この通知は、プロセス400のステップ427の実施例である。この通知は、例えばディスプレイ24上に表示されるグラフィカル・ユーザ・インターフェースの通知の生成により発生する。例えば、コンピュータ・プログラムが通知を実行した場合、患者又は医療従事者は、その後、患者の年齢48歳を入力し、コンピュータ・プログラムはその後第2のデータ行が患者にマッチングすることを決定することができる。したがって、実施例Aとは異なり、実施例Dでは患者に対して4つの個別的な選択肢が見出された。その後、治療法ツリー700におけるテップ426の好ましい組合せのチェックを使用して治療法の選択肢の好ましい組み合わせが実施例Dにおいて決定された。実施例Dについてのこのステップ426は、4つの個別的な治療法の選択肢に加え、全部で7つの可能な組み合わせを生成した。下記に提示する実施例Cにおける7つの組合せのセットのうちの好ましい組み合わせのセットは、実施例Dについての7つの好ましい組み合わせとして、治療法の数も同じ組み合わせである。
以前に提示した実施例Bについて、ステップ414において白血球数が12*10^9・Lであり、Killipレベル3の89歳の患者のMACEのリスク・スコアを0.249として得た。さらに実施例Bでは下記の8つの治療法を示すエントリを含む医療記録データ構造は、下記に提供する表4に示されるような相対リスク減少値を有していた。これらの相対リスク減少値は、プロセス400の他のステップ、例えばプロセスのステップ402において医療記録データ構造に入力した医学的文献からの情報に由来する。
実施例Bにおいて実行されたプロセス400のステップ416~424は、89歳の患者に対する治療法の選択肢を治療法1,5,及び6として生成させる結果となった。ステップ426は、治療法(1,5)及び(1,6)がまた、89歳の患者に対して好ましいものであった。これらの5つの治療法の選択肢(3つの個別的な治療法及び2つの組み合わせ)を使用し、リスク・スコアの0.249を呼び出して、実施例Bでのステップ428は、下記に提示する表5に示される治療法及び治療法の好ましい組み合わせについて下記の減少リスク・スコアを決定した。
これらの計算は、データが主要PCIとチカグレロールとの組み合わせを治療法として共に実施例Bの89歳の患者に使用することがリスク・スコアの大きな減少及び最大の治療効果を達成することを示しており、減少リスク・スコア0.149は、実施例Bの計算された4つの減少リスク・スコアそれぞれよりも小さいことが示される。
下記に提示する実施例Cは、さらに治療法の選択肢のリスク・スコアを決定するステップ428を説明する。実施例Cにおいては、4つの治療法の選択肢I1,I2,I5及びI6がプロセス400のステップ415において生成された。この実施例Cのための医療記録データ構造は、それぞれ複数の医学的文献L1,L2,L3,及びL4から得た下記のRRR情報を含む。このRRR情報は、下記表6において4つの個別的な治療法手段又は選択肢のそれぞれについて提示する。
実施例Cにおけるステップ426は、治療法の選択肢I5とI6とは互いに組み合わせるには適切ではないが、4つの治療法の選択肢の他の全ての組み合わせは好ましいことを示した。実施例Cについて、ステップ414のリスク・スコアは、患者の疾患結果Hについて0.5として得られた。治療法の選択肢を使用し、リスク・スコア0.5から開始すると、実施例Cのステップ428は、表7に示すように、下記の減少リスク・スコアを個別的な治療法の選択肢及び治療法の好ましい組み合わせを決定した。
これらの計算は、データが、実施例Cの患者に治療法として治療法の選択肢I1,I2,及びI6を共に使用する組み合わせがリスク・スコアの最大現象を達成すると共に最大の治療効果を達成することを示し、0.25の減少リスク・スコアは、実施例Cの他の計算された10の減少リスク・スコアのそれぞれよりも小さい。
本開示のいくつかの実施形態において、医療記録データ構造は、例えば、1以上の研究は、1つの治療法の選択肢についての固有のRRRを提供することができるというように、特定の治療法の選択肢の有効性に関する情報又はデータを提供する1以上の文献又は研究からのエントリを有することができる。本実施形態にしたがい、医療知識は、複数のまとまりの文献から、又は複数の研究から得ることができる。複数のまとまりの文献又は研究のそれぞれは、減少リスク・スコアを計算する際にそれぞれ重み又は偏差値を割り当てることができる。より大きな重みは、より正確な効果を達成する治療法の選択肢を示した文献に対して割り当てられる。
本開示のいくつかの実施形態にしたがい、各文献又は研究の重みは、その精度、文献重要度因子、同業者の査読、又は引用数又は他の文献/研究により引用された回数を考慮して予め設定することができる。本開示の他の実施形態にしたがい、文献又は研究それぞれの重みは、観測された効果の研究間の偏差値を考慮するDerSimonian-Laird法(D-L法)を使用して決定することができる。さらなる実施形態においては、D-L法以外の当業者において既知の方法はまた、文献又は研究の重みを決定するために使用することができる。
したがって、これらの実施形態では、ステップ428はまた、減少リスク・スコアを計算する際又は治療効果を決定する際に、複数の文献又は研究のそれぞれに重み又は偏差値をそれぞれ割り当てることができる。例えば喫煙を止めるという治療法については、3つの異なる医学的文献L1,L2及びL3は、患者又は患者グループが経験するであろう結果“O”のリスクを減少する固有のRRR値を提供することができる。下記に提示する表8は、L1,L2,及びL3についての重み及び固有のRRR値を例示する。
異なる文献の重み付けを含むこれらの実施形態について、式(4)のRRR(t)は、下記式(5)として表現することができる。
上記式中、mは、1つの治療法のために利用することができる文献又は研究の数であり、wは、対応する文献又は研究の重要度の重みである。
実施例Eでは、その後、式(5)にしたがい、上記表8からの情報を使用して結合効果RRR={(0.8*0.35)+(0.5*0.42)+(0.6*0.40)}/(0.8+0.5+0.6)≒0.38となる。L1~L3の3文献にしたがって対応する値“0.38”が治療法手段“喫煙を止める”の最終的なRRRとして記録される。上記に提示した表8の重みは、D-L法を使用して得ることができる。
例えば、D-L法を使用して重みを計算する実施例をここで実施例Fとして説明する。この実施例では、医療記録データ構造内の研究1及び研究2の両方がMACEのリスクを減少するためにスタチンの高投与を使用することについて相対リスク減少を提供している。これらの研究では、両方の研究は、同一の重みを与えられているが、これらの研究は、その真の効果の観測された効果の程度に異なる偏差値を与える。研究1は、rrr=0.42であるが、偏差値v1=0.39である。研究2は、rrr=0.35であるが、偏差値は、0.1である。2つの研究の間の相対リスク減少値を組合せるので、1つの研究の相対リスク減少値を“rrr”として参照し、結合した相対リスク減少値を“RRR”として参照する。
計算のため、RRR(t)を、両方の研究について決定されたスタチンの高投与による結合した相対リスク減少とする、“k”は、分析における研究の数である。Wiは、各研究に割り当てる重みである。Yiは、研究iにおける観測された効果であり。Viは、その真の効果に関するYiの偏差値である。T2は、研究間の偏差値である。
したがって、これの計算は、実施例Fにおいて研究1及び2では、スタチンの高投与について保存される相対リスク減少は、0.364として保存されることを示す。
図4に示したプロセス400の430では、ステップ428で決定された減少リスク・スコアを互いに比較する。マッチング及びマッピングを実行するために使用した上述と同一のソフトウェア又は類似のソフトウェアを、またステップ430の比較を実行するために使用することができる。比較は、どの治療法又はどの治療法の組み合わせが最大の治療効果を有し、最小の減少リスク・スコアを達成したのかを明らかにするであろう。比較は、減少リスク・スコアの昇順又は降順に治療法及び治療法の組み合わせをランキングすることを含むことができる。
図4に示したプロセス400のステップ432では、見出された1つ又はそれ以上の治療法の選択肢又は治療法の選択肢の組み合わせの勧告を提供する。この提供は、例えばディスプレイ24上といったディスプレイ・スクリーン上にメッセージを表示するコンピュータ・プログラムを介して、又はコンピュータに接続されたスピーカを介して勧告と共に音声メッセージを通信するコンピュータ・プログラムを介して実行される。いくつかの実施形態においては、コンピュータ・プログラムは、最大の治療効果を有し、かつ最小の減少リスク・スコアを達成した治療法又は治療法の組み合わせを勧告する。歓呼の提供は、行われるべき治療法の決定を構成することができる。
ステップ432のこの勧告は、治療法又は組合せを減少リスク・スコアにしたがって昇順又は降順にリスト、表示、又はアナウンスすると共に、最下位に位置するか、又は最上位に位置するエントリをハイライトするコンピュータ・プログラムを介して実行することができる。ハイライトされたエントリは、勧告された治療法を構成する。いくつかの実施形態では、例えば同様の減少リスク・スコアを生成するというように同様の治療効果を有する多数の治療法の選択肢を有する場合、その後コンピュータ・プログラムは、種々の効果に関する情報を提供しながら多数の治療法の選択肢を勧告することができる。例えば、それらの治療効果又は減少リスク・スコアに関して他の治療法に対して同様に優れた多数のエントリをハイライトするか又はアナウンスすることができ、かつ多数のエントリのそれぞれを異なる色でディスプレイ・スクリーン上にハイライトするか、又はスピーカを介して異なるバックグラウド音又は音楽とすることができる。ステップ430の部分として、式(3)で要求される最小のqを有する治療法又は組合せを勧告することができる。
ステップ432の部分として実施例Aにおいては、コンピュータ・プログラムは患者が血栓溶解(“708a”)と、主要CABG(“708f”)とを組み合わせた治療法を受け入れる治療法を受け入れることを勧告することができるが、この理由は、この組み合わせが最大の治療効果を宇有し、かつ減少リスク・スコア0.181という最小の減少リスク・スコアを有するためである。実施例Bでは、ステップ432の一部として、コンピュータ・プログラムは、患者が主要PCIと、チカグレロールとの組み合わせを受け入れることを勧告することができるが、この理由は、この組み合わせが最大の治療効果を有し、かつ0.149という最小の減少リスク・スコアを有するためである。実施例Cにおいては、ステップ432の部分として、コンピュータ・プログラムは、患者が治療法の選択肢I1,I2,及びI6の組み合わせを受け入れるという勧告を提供することができるが、この理由は、この組み合わせが最大の治療効果を有し、かつリスク0.25という最小の減少リスク・スコアを達成するためである。
図4に示すプロセス400のステップ434では、コンピュータ・プログラムは、新たな疾患リスクの定量的情報を提供するか又は治療効果の定量的情報を提供する新たな医療記録、研究、又は文献が利用できるようになったか、又は公開されたか否かをチェックする。このチェックは、従事者が手作業で新たに公開された複数の医学的文献をチェックするか、又はインターネットをスキャンすること、又はプログラムのアップロートされた医学的研究又は複数の医学的文献をスキャンすること、及びそれらの両方のいずれかであって、定量的な情報を有する医学的文献を同定するためのNLP技術を用いるステップ402を実行したと同一の方法で実行することができる。
図4に示したプロセス400のステップ436においては、ステップ434におけるチェックが、一つ又はそれ以上の定量的情報を含む新たな医学的研究又は文献が利用できることを示す場合、コンピュータ・プログラムは、新たな医学的研究又は文献からの情報を医療記録データ構造、患者データ・ノードグラフ500、疾患結果関係グラフ600及び治療法ツリー700又はそれらの組み合わせに追加する。この追加は、新たに公開され、かつ同定された医学的研究又は文献からの情報に従事者が手作業でタイプするか、入力すること、又は複数の医学的文献又は研究からの情報を収集し、かつ医療記録データ構造、患者データ・ノードグラフ500、疾患結果関係グラフ600及び治療法ツリー700又はそれらの組み合わせに新たなエントリを生成するコンピュータ・プログラムのいずれかにより実行することができる。
実施例Aについてのステップ436の実施例は、図8及び図9Bを使用して下記に記載する。例えばステップ434において、治療法としてメトプロロールを使用する場合、死亡立のリスクを0.36に低下させることを示す一つの文献、Hjalmarson1981が新たに見出されたとする。図9Bは、新たな記録エントリの行908が医療記録テーブル902に追加されて、Hjalmarson1981の論文からの情報を含む新たな記録エントリの行908を有し、かつ“O”トラベルされた結果カラムにエントリ“712”を含むアップデートされた医療記録テーブル906が生成される状況を示す。
図8は、第3の治療法ノード708cに接続され、かつ第2の排他的ノード704bに接続された新たな治療法ノード712が追加されることで治療法ツリー700が修正されて生成されたアップデートされた治療法ツリー800を示す。Hjalmarson1981の論文は、メトプロロールの治療法が、AMI(第1の患者データ・ノード502aに対応する)を経験した患者に使用することができ、死亡率のリスク(第3の疾患結果ノード602cに対応する)を0.36に低下させることを示すデータを含む。したがって、アップデートされた医療記録テーブル906には、“エントリ602”が、新たに記録されるエントリの行908の結果カラム“Oに入力され、かつエントリ“502a”には、患者データ・カラム“P”が入力される。Hjalmarsonの論文は、メトプロロールが、βブロッカー(第3の治療法ノード702cに対応する)であり、他のβブロッカーとの組み合わせにおいて治療に使用することができないことを示す。図8は、したがって新たな治療法ノード712が第2の排他的ノード704bを介して第3の治療法ノード702cに接続されている。
図4に示すプロセス400のステップ438においては、コンピュータ・プログラムは、疾患リスク減少の評価を他の患者に対して実施すべきか否かをチェックすることができる。ステップ438が肯定的な場合、その後プロセスは、ステップ410に戻って、新たな患者についてステップ410を繰り返す。ステップ402で生成した医療記録データ構造、ステップ404で生成した患者データ・ノードグラフ500、ステップ406で生成した疾患所見関係グラフ600、ステップ408で生成した治療法ツリー700(又はステップ436で生成されたアップデートされた治療法ツリー800)が新たな患者についての疾患リスク減少の評価のために使用できるので、ステップ402~408は、反復する必要はない。ステップ438における新たな患者についてのチェックと共に、新たな患者が評価を要求するべく関与したり、同じ患者がもう一つの評価を要求するべく関与したりする時までプロセス400は延期する。その後プロセス400は、医療記録データ構造、患者データ・ノードグラフ500、疾患結果関係グラフ600及び治療法ツリー700又はアップデートされた治療法ツリー800が新たな患者についての疾患リスク減少の評価のために使用できるため、ステップ410から開始する。
本明細書で開示した方法、コンピュータ・システム、コンピュータ可読な記録媒体、及びコンピュータ・プログラムは、医学的治療法の選択を改善し、医学的治療法の評価の自動化を改善し、かつ研究者及び医療看護従事者が医学的にコントロールされた実験の冗長的な遂行の必要性を排除することで医療従事者が医学的検索において決定された値を利用することを支援する。
本発明は、いかなる可能な技術的に詳細な一体化レベルであっても、システム、方法、コンピュータ可読な記録媒体又はコンピュータ・プログラム及びこれらの組み合わせとすることができる。コンピュータ可読な記録媒体及びコンピュータ・プログラムは、プロセッサが本発明の特徴を遂行するためのコンピュータ可読なプログラム命令を有する。
コンピュータ可読な記録媒体は、命令実行デバイスが使用するための複数の命令を保持し格納することができる有形のデバイスとすることができる、コンピュータ加速な媒体は、例えば、これらに限定されないが、電気的記録デバイス、磁気的記録デバイス、光学的記録デバイス、電気磁気的記録デバイス、半導体記録デバイス又はこれらのいかなる好ましい組み合わせとすることができる。コンピュータ可読な記録媒体のより具体的な実施例は、次のポータブル・コンピュータ・ディスク、ハードディスク、ランダム・アクセス・メモリ(RAM)、リード・オンリー・メモリ(ROM)、消去可能なプログラマブル・リード・オンリー・メモリ(EPROM又はフラッシュ・メモリ(登録商標))、スタティック・ランダム・アクセス・メモリ(SRAM)、ポータブル・コンパクト・ディスク・リード・イオンリー・メモリ(CD-ROM)、デジタル多目的ディスク(DVD)、メモリ・スティック、フロッピー・ディスク(登録商標)、パンチ・カード又は命令を記録した溝内に突出する構造を有する機械的にエンコードされたデバイス、及びこれらの好ましい如何なる組合せを含む。本明細書で使用するように、コンピュータ可読な記録媒体は、ラジオ波又は他の自由に伝搬する電磁波、導波路又は他の通信媒体(例えば、光ファイなケーブルを通過する光パルス)といった電磁波、又はワイヤを通して通信される電気信号といったそれ自体が一時的な信号として解釈されることはない。
本明細書において説明されるコンピュータ・プログラムは、コンピュータ可読な記録媒体からそれぞれのコンピューティング/プロセッシング・デバイスにダウンロードでき、又は例えばインターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク又はワイヤレス・ネットワーク及びそれからの組み合わせといったネットワークを介して外部コンピュータ又は外部記録デバイスにダウンロードすることができる。ネットワークは、銅通信ケーブル、光通信ファイバ、ワイヤレス通信ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ及びエッジ・サーバ又はこれらの組み合わせを含むことができる。それぞれのコンピューティング/プロセッシング・デバイスにおけるネットワーク・アダプタ・カード又はネットワーク・インタフェースは、ネットワークからコンピュータ可読なプログラム命令を受領し、このコンピュータ可読なプログラム命令を格納するためにそれぞれのコンピューティング/プロセッシング・デバイス内のコンピュータ可読な記録媒体内に転送する。
本発明の操作を遂行するためのコンピュータ可読なプログラム命令は、アセンブラ命令、命令セット・アーキテクチャ(ISA)命令、機械語命令、マシン依存命令、マイクロ・コード、ファームウェア命令、状態設定データ、集積回路のための構成データ、又は1つ又はそれ以上の、Smalltalk(登録商標)、C++などのオブジェクト指向プログラミング言語、“C”プログラミング言語又は類似のプログラム言語といった手続き型プログラミング言語を含むプログラミング言語のいかなる組合せにおいて記述されたソース・コード又はオブジェクト・コードのいずれかとすることができる。コンピュータ可読なプログラム命令は、全体がユーザ・コンピュータ上で、部分的にユーザ・コンピュータ上でスタンドアローン・ソフトウェア・パッケージとして、部分的にユーザ・コンピュータ上で、かつ部分的にリモート・コンピュータ上で、又は全体がリモート・コンピュータ又はサーバ上で実行することができる。後者のシナリオにおいて、リモート・コンピュータは、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)を含むいかなるタイプのネットワークを通してユーザ・コンピュータに接続することができ、又は接続は、外部コンピュータ(例えばインターネット・サービス・プロバイダを通じて)へと行うことができる。いくつかの実施形態では、例えばプログラマブル論理回路、フィールド・プログラマブル・ゲートアレイ(FPGA)、又はプログラマブル論理アレイ(PLA)を含む電気回路がコンピュータ可読なプログラム命令を、コンピュータ可読なプログラム命令の状態情報を使用して、本発明の特徴を実行するために電気回路をパーソナライズして実行することができる。
本明細書で説明した本発明の特徴を、本発明の実施形態にしたがい、フローチャート命令及び方法のブロック図、又はそれらの両方、装置(システム)、及びコンピュータ可読な記録媒体及びコンピュータ・プログラムを参照して説明した。フローチャートの図示及びブロック図又はそれら両方及びフローチャートの図示におけるブロック及びブロック図、又はそれらの両方のいかなる組合せでもコンピュータ可読なプログラム命令により実装することができることを理解されたい。
コンピュータ可読なプログラム命令は、コンピュータのプロセッサ又は機械を生成するための他のプログラマブル・データ・プロセッシング装置に提供することができ、コンピュータのプロセッサ又は他のプログラマブル・データ・プロセッシング装置による実行がフローチャート及びブロック図のブロック又は複数のブロック又はこれらの組み合わせで特定される機能/動作を実装するための手段を生成する。コンピュータ、プログラマブル・データ・プロセッシング装置及び他の装置又はこれらの組み合わせが特定の仕方で機能するように指令するこれらのコンピュータ可読なプログラム命令は、またコンピュータ可読な記録媒体に格納することができ、その内に命令を格納したコンピュータ可読な記録媒体は、フローチャート及びブロック図のブロック又は複数のブロック又はこれらの組み合わせで特定される機能/動作の特徴を実装する命令を含む製造品を構成する。
コンピュータ可読なプログラム命令は、またコンピュータ、他のプログラマブル・データ・プロセッシング装置、又は他のデバイス上にロードされ、コンピュータ、他のプログラマブル装置、又は他のデバイス上で操作ステップのシリーズに対してコンピュータ実装プロセスを生じさせることで、コンピュータ、他のプログラマブル装置又は他のデバイス上でフローチャート及びブロック図のブロック又は複数のブロック又はこれらの組み合わせで特定される機能/動作を実装させる。
図のフローチャート及びブロック図は、本発明の種々の実施形態にしたがったシステム、方法及びコンピュータ・プログラムのアーキテクチャ、機能、及び可能な実装操作を示す。この観点において、フローチャート又はブロック図は、モジュール、セグメント又は命令の部分を表すことかでき、これらは、特定の論理的機能(又は複数の機能)を実装するための1つ又はそれ以上の実行可能な命令を含む。いくつかの代替的な実装においては、ブロックにおいて記述された機能は、図示した以外で実行することができる。例えば、連続して示された2つのブロックは、含まれる機能に応じて、実際上1つのステップとして遂行され、同時的、実質的に同時的に、部分的又は完全に一時的に重ね合わされた仕方で実行することができ、又は複数のブロックは、時として逆の順番で実行することができる。またブロック図及びフローチャートの図示、又はこれらの両方及びブロック図中のブロック及びフローチャートの図示又はこれらの組み合わせは、特定の機能又は動作を実行するか又は特定の目的のハードウェア及びコンピュータ命令を遂行する特定目的のハードウェアに基づいたシステムにより実装することができることを指摘する。
本発明の種々の実施形態の説明は、例示の目的のために提示し、開示した実施形態に排他的又は限定を意図するものではない。当業者は、説明した実施形態の範囲及び精神から逸脱することなく、多くの修正例及び変更例が明らかであろう。本明細書において使用した用語は、本実施形態の原理、実際上の用途、又は市場において見出される技術を越えた技術的改善を最良に説明するため、又は本明細書に開示された実施形態を当業者に理解させることができるために選択されたものである。
10…クラウド・コンピューティング・ノード
12…コンピュータ・システム/サーバ
14…外部デバイス
16…プロセシング・ユニット
18…バス
20…ネットワーク・アダプタ
22…入力/出力(I/O)インターフェース
28…システム・メモリ
12…コンピュータ・システム/サーバ
14…外部デバイス
16…プロセシング・ユニット
18…バス
20…ネットワーク・アダプタ
22…入力/出力(I/O)インターフェース
28…システム・メモリ
Claims (26)
- コンピュータにより実行されるコンピュータ実装方法であって、前記コンピュータに対し、
患者の患者データを1つ又はそれ以上のプロセッサにより受領することと;
疾患結果の選択を前記1つ又はそれ以上のプロセッサにより受領することと;
前記1つ又はそれ以上のプロセッサにより、前記患者が経験するであろう選択された前記疾患結果のリスク・スコアを、前記患者データを使用して決定することと;
前記1つ又はそれ以上のプロセッサにより、メモリに記憶された医療記録データ構造にアクセスして前記患者データに基づく治療法の選択肢を生成することと;
前記1つ又はそれ以上のプロセッサにより、前記治療法の選択肢のそれぞれについて前記リスク・スコアを変化する治療法の効果を決定することと;
前記1つ又はそれ以上のプロセッサにより、前記治療法の効果を比較することと;
前記1つ又はそれ以上のプロセッサにより、前記治療法の効果の比較に基づいて少なくとも前記治療法の選択肢の勧告を提供することと、
を実行させる、
コンピュータ実装方法。 - 前記治療法の効果は、対応する前記治療法の選択肢に関連する医学的知識に基づいて前記治療法の選択肢のうちの対応する治療法の選択肢による相対リスク減少を決定することにより決定する、
請求項1に記載のコンピュータ実装方法。 - 前記医学的知識は、複数の文献又は複数の研究から得られ、
前記治療法の効果が決定される場合に前記複数の文献それぞれ又は前記研究のそれぞれに対して重み又は偏差値が割り当てられる、
請求項1又は2に記載のコンピュータ実装方法。 - 前記治療法の選択肢を生成することは、
前記1つ又はそれ以上のプロセッサにより、前記患者データを前記医療記録データ構造の患者データを構成するグループ、所与の疾患結果、治療法手段、及び対応する相対リスク減少から選択される少なくとも1つの要素に関連する特定の分布の情報をそれぞれ記録するエントリとマッチングすることと;
前記1つ又はそれ以上のプロセッサにより、複数の治療法の選択肢のうち関係性を定義する治療法ツリーのノードにマッチングしたエントリの治療法の選択肢をマッピングすることと;
を含む請求項1~3のいずれか1項に記載のコンピュータ実装方法。 - 前記マッチングしたノードの少なくとも1つは、前記治療法ツリーの少なくとも1つの祖先ノードであり、
前記治療法ツリーを生成することが前記マッチングしたノードに基づくと共に、少なくとも1つの祖先ノードに基づく、
請求項4に記載のコンピュータ実装方法。 - 疾患リスクの減少を評価するためのシステムであって、前記システムは、
1つ又はそれ以上のプロセッサと;
前記1つ又はそれ以上のプロセッサの少なくとも1つに接続されるメモリと;
前記一つ又は複数のプロセッサの少なくとも1つにより実行され、前記メモリに記録されたコンピュータ・プログラム命令のセットと;を含み、
前記コンピュータ・プログラム命令のセットにより前記プロセッサが、
患者の患者データを受領し;
疾患結果の選択を受領し;
前記患者が経験するであろう選択された前記疾患結果のリスク・スコアを、前記患者データを使用して決定し;
メモリに記憶された医療記録データ構造にアクセスして前記患者データに基づく治療法の選択肢を生成し;
前記治療法の選択肢のそれぞれについて前記リスク・スコアを変化する治療法の効果を決定し;
前記治療法の効果を比較し;
前記治療法の効果の比較に基づいて少なくとも前記治療法の選択肢の勧告を提供する、
システム。 - 前記治療法の効果は、対応する前記治療法の選択肢に関連する医学的知識に基づいて前記治療法の選択肢のうちの対応する治療法の選択肢による相対リスク減少を決定することにより決定する、
請求項6に記載のシステム。 - 前記医学的知識は、複数の文献又は複数の研究から得られ、
前記治療法の効果が決定される場合に前記複数の文献それぞれ又は前記研究のそれぞれに対して重み又は偏差値が割り当てられる、
請求項7又は8に記載のシステム。 - 前記治療法の選択肢の生成が、
前記患者データを前記医療記録データ構造の患者データを構成するグループ、所与の疾患結果、治療法手段、及び対応する相対リスク減少から選択される少なくとも1つの要素に関連する特定の分布の情報をそれぞれ記録するエントリとマッチングすることと;
前記1つ又はそれ以上のプロセッサにより、複数の治療法の選択肢のうち関係性を定義する治療法ツリーのノードに対しマッチングしたエントリの治療法の選択肢をマッピングすることと;
を含む請求項6~8のいずれか1項に記載のシステム。 - 前記マッチングしたノードの少なくとも1つは、前記治療法ツリーの少なくとも1つの祖先ノードであり、
前記治療法ツリーを生成することが前記マッチングしたノードに基づくと共に、少なくとも1つの祖先ノードに基づく、
請求項9に記載のシステム。 - 疾患リスク減少を評価するためのプログラム命令を含むコンピュータ可読な記録媒体であって、前記プログラム命令がプロセッサに対し、
患者の患者データを1つ又はそれ以上のプロセッサにより受領することと;
疾患結果の選択を前記1つ又はそれ以上のプロセッサにより受領することと;
前記1つ又はそれ以上のプロセッサにより、前記患者が経験するであろう選択された前記疾患結果のリスク・スコアを、前記患者データを使用して決定することと;
前記1つ又はそれ以上のプロセッサにより、メモリに記憶された医療記録データ構造にアクセスして前記患者データに基づく治療法の選択肢を生成することと;
前記1つ又はそれ以上のプロセッサにより、前記治療法の選択肢のそれぞれについて前記リスク・スコアを変化する治療法の効果を決定することと;
前記1つ又はそれ以上のプロセッサにより、前記治療法の効果を比較することと;
前記1つ又はそれ以上のプロセッサにより、前記治療法の効果の比較に基づいて少なくとも前記治療法の選択肢の勧告を提供することと、
を実行させる、コンピュータ可読な記録媒体。 - 前記治療法の効果は、対応する前記治療法の選択肢に関連する医学的知識に基づいて前記治療法の選択肢のうちの対応する治療法の選択肢による相対リスク減少を決定することにより決定する、
請求項11に記載のコンピュータ可読な記録媒体。 - 前記医学的知識は、複数の文献又は複数の研究から得られ、
前記治療法の効果が決定される場合に前記複数の文献それぞれ又は前記研究のそれぞれに対して重み又は偏差値が割り当てられる、
請求項11又は12に記載のコンピュータ可読な記録媒体。 - 前記治療法の選択肢を生成することは、
前記1つ又はそれ以上のプロセッサにより、前記患者データを前記医療記録データ構造の患者データを構成するグループ、所与の疾患結果、治療法手段、及び対応する相対リスク減少から選択される少なくとも1つの要素に関連する特定の分布の情報をそれぞれ記録するエントリとマッチングすることと;
前記1つ又はそれ以上のプロセッサにより、複数の治療法の選択肢のうち関係性を定義する治療法ツリーのノードにマッチングしたエントリの治療法の選択肢をマッピングすることと;
を含む請求項11~13のいずれか1項に記載のコンピュータ可読な記録媒体。 - 前記マッチングしたノードの少なくとも1つは、前記治療法ツリーの少なくとも1つの祖先ノードであり、
前記治療法ツリーを生成することが前記マッチングしたノードに基づくと共に、少なくとも1つの祖先ノードに基づく、
請求項14に記載のコンピュータ可読な記録媒体。 - コンピュータにより実行されるコンピュータ実装方法であって、前記コンピュータに対し、
患者の患者データを1つ又はそれ以上のプロセッサにより受領することと;
疾患結果の選択を前記1つ又はそれ以上のプロセッサにより受領することと;
前記1つ又はそれ以上のプロセッサにより、前記患者が経験するであろう前記選択された疾患結果のリスク・スコアを、前記患者データを使用して決定することと;
前記1つ又はそれ以上のプロセッサにより、メモリに記憶された医療記録データ構造にアクセスして前記患者データに基づき、個別的な治療法の選択肢及び少なくとも1つの治療法の選択肢の組み合わせを含む治療法の選択肢を生成することと;
前記1つ又はそれ以上のプロセッサにより、選択した前記疾患結果についてそれそれの前記治療法の選択肢により達成される減少リスク・スコアを決定することと;
前記1つ又はそれ以上のプロセッサにより、前記減少リスク・スコアを比較することと;
前記1つ又はそれ以上のプロセッサにより、前記減少リスク・スコアの比較に基づいて少なくとも前記治療法の選択肢の勧告を提供することと;
を実行させるコンピュータ実装方法。 - 医学的知識についての定量的な情報を含む文献又は研究を得ることと;
前記得た文献又は研究に対応するエントリを追加することによって前記医療記録データ構造をアップデートすることと;
を含む、請求項17に記載のコンピュータ実装方法。 - 前記患者データは人口統計学的データ、バイタル・サイン、実験室試験結果、及び疾患結果からなる群から選択される少なくとも1つの要素を含む、
請求項16又は17に記載のコンピュータ実装方法。 - 前記治療法の選択肢を生成することは、
1つ又はそれ以上のプロセッサにより、患者データ・ノードグラフのノードをマッチングすることと;
1つ又は複数のプロセッサにより、選択した前記疾患結果と、疾患結果関係グラフのノードとをマッチングすることと;
1つ又は複数のプロセッサにより、前記患者データを前記医療記録データ構造内の複数のエントリとマッチングすることと;
を含む請求項16~18のいずれか1項に記載のコンピュータ実装方法。 - 前記マッチングしたノードの少なくとも1つは少なくとも1つの祖先ノードを有し、
前記治療法の選択肢を生成することは、前記マッチングしたノードに基づくと共に前記少なくとも1つの祖先ノードに基づく、
請求項19に記載のコンピュータ実装方法。 - 疾患リスクを評価するためのシステムであって、前記システムは、
1つ又はそれ以上のプロセッサと;
前記1つ又はそれ以上のプロセッサの少なくとも1つに接続されるメモリと;
前記一つ又は複数のプロセッサの少なくとも1つにより実行され、かつ前記メモリに記録されたコンピュータ・プログラム命令のセットと;を含み、
前記コンピュータ・プログラム命令のセットにより前記プロセッサが、
患者の患者データを1つ又はそれ以上のプロセッサにより受領し;
疾患結果の選択を前記1つ又はそれ以上のプロセッサにより受領し;
前記1つ又はそれ以上のプロセッサにより、前記患者が経験するであろう選択された前記疾患結果のリスク・スコアを、前記患者データを使用して決定し;
前記1つ又はそれ以上のプロセッサにより、メモリに記憶された医療記録データ構造にアクセスして前記患者データに基づき、個別的な治療法の選択肢及び少なくとも1つの治療法の選択肢の組み合わせを含む治療法の選択肢を生成し;
前記1つ又はそれ以上のプロセッサにより、選択した前記疾患結果についてそれそれの前記治療法の選択肢により達成される減少リスク・スコアを決定し;
前記1つ又はそれ以上のプロセッサにより、前記減少リスク・スコアを比較し;
前記1つ又はそれ以上のプロセッサにより、前記減少リスク・スコアの比較に基づいて少なくとも前記治療法の選択肢の勧告を提供する、
システム。 - 医学的知識についての定量的な情報を含む文献又は研究を得ることと;
前記得た文献又は研究に対応するエントリを追加することによって前記医療記録データ構造をアップデートすることと;
を含む、請求項21に記載のシステム。 - 前記患者データは人口統計学的データ、バイタル・サイン、実験室試験結果、及び疾患結果からなる群から選択される少なくとも1つの要素を含む、
請求項21又は22に記載のシステム。 - 前記治療法の選択肢の生成は、
1つ又はそれ以上のプロセッサにより、患者データ・ノードグラフのノードをマッチングし;
1つ又は複数のプロセッサにより、選択した前記疾患結果と、疾患結果関係グラフのノードとをマッチングし;
1つ又は複数のプロセッサにより、前記患者データを前記医療記録データ構造内の複数のエントリとマッチングすること;
を含む請求項21~23のいずれか1項に記載のシステム。 - 前記マッチングしたノードの少なくとも1つは少なくとも1つの祖先ノードを有し、
前記治療法の選択肢を生成することは、前記マッチングしたノードに基づくと共に前記少なくとも1つの祖先ノードに基づく、
請求項21~24のいずれか1項に記載のシステム。 - 請求項1~5、16~19のいずれか1項に記載のコンピュータ実装方法をコンピュータに対して実行させるためのコンピュータ実行可能なプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/031592 | 2020-09-24 | ||
US17/031,592 US11670424B2 (en) | 2020-09-24 | 2020-09-24 | Evaluation of reduction of disease risk and treatment decision |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022053510A true JP2022053510A (ja) | 2022-04-05 |
Family
ID=78149280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021150846A Pending JP2022053510A (ja) | 2020-09-24 | 2021-09-16 | コンピュータ実装方法、コンピュータ・システム、コンピュータ可読媒体及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11670424B2 (ja) |
JP (1) | JP2022053510A (ja) |
DE (1) | DE102021123842A1 (ja) |
GB (1) | GB2599233A (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220359075A1 (en) * | 2021-05-10 | 2022-11-10 | International Business Machines Corporation | Synthesis for risk prediction models |
US20230085786A1 (en) * | 2021-09-23 | 2023-03-23 | The Joan and Irwin Jacobs Technion-Cornell Institute | Multi-stage machine learning techniques for profiling hair and uses thereof |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6584445B2 (en) | 1998-10-22 | 2003-06-24 | Computerized Health Evaluation Systems, Inc. | Medical system for shared patient and physician decision making |
CA2650562A1 (en) | 2005-04-25 | 2006-11-02 | Caduceus Information Systems Inc. | System for development of individualised treatment regimens |
CN101236554B (zh) | 2007-11-29 | 2011-05-11 | 中兴通讯股份有限公司 | 一种数据库海量数据比对的方法 |
CN103970792A (zh) | 2013-02-04 | 2014-08-06 | 中国银联股份有限公司 | 一种基于索引进行文件比对的方法和装置 |
CN105653554B (zh) | 2014-11-14 | 2019-07-16 | 卓望数码技术(深圳)有限公司 | 一种文件数据比对方法和系统 |
US11139081B2 (en) * | 2016-05-02 | 2021-10-05 | Bao Tran | Blockchain gene system |
BR112023024902A2 (pt) * | 2021-05-28 | 2024-02-20 | Geisinger Clinic | Sistemas e métodos preditores de eventos cardíacos baseados em inteligência artificial |
-
2020
- 2020-09-24 US US17/031,592 patent/US11670424B2/en active Active
-
2021
- 2021-09-14 GB GB2113144.6A patent/GB2599233A/en not_active Withdrawn
- 2021-09-15 DE DE102021123842.0A patent/DE102021123842A1/de active Pending
- 2021-09-16 JP JP2021150846A patent/JP2022053510A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
GB202113144D0 (en) | 2021-10-27 |
DE102021123842A1 (de) | 2022-03-24 |
US11670424B2 (en) | 2023-06-06 |
US20220093259A1 (en) | 2022-03-24 |
GB2599233A (en) | 2022-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eddy et al. | Individualized guidelines: the potential for increasing quality and reducing costs | |
Newton et al. | Validation of electronic medical record-based phenotyping algorithms: results and lessons learned from the eMERGE network | |
Armitage et al. | Health systems integration: state of the evidence | |
Ben-Assuli et al. | Improving diagnostic accuracy using EHR in emergency departments: A simulation-based study | |
WO2017106686A1 (en) | Systems and methods for providing personalized prognostic profiles | |
US20100249531A1 (en) | Medical health information system | |
Katerndahl et al. | Family medicine outpatient encounters are more complex than those of cardiology and psychiatry | |
Clifford et al. | What information is used in treatment decision aids? A systematic review of the types of evidence populating health decision aids | |
US20200234826A1 (en) | Providing personalized health care information and treatment recommendations | |
US20160283656A1 (en) | Application Program Interface for Generating a Medical Classification Code | |
Sandhu et al. | Implementation of electronic patient-reported outcomes in routine cancer care at an academic center: identifying opportunities and challenges | |
JP2022053510A (ja) | コンピュータ実装方法、コンピュータ・システム、コンピュータ可読媒体及びプログラム | |
US10586615B2 (en) | Electronic health record quality enhancement | |
Saef et al. | Impact of a health information exchange on resource use and Medicare-allowable reimbursements at 11 emergency departments in a midsized city | |
Tsopra et al. | Helping GPs to extrapolate guideline recommendations to patients for whom there are no explicit recommendations, through the visualization of drug properties. The example of AntibioHelp® in bacterial diseases | |
Amin et al. | Determinants of the willingness to participate in biobanking among Malaysian stakeholders in the Klang Valley | |
Stacey et al. | Quality of telephone-based cancer symptom management by nurses: A quality improvement project | |
Khalifa et al. | A qualitative study of prevalent laboratory information systems and data communication patterns for genetic test reporting | |
Pajer et al. | A scoping review of the Choice and Partnership Approach in child and adolescent mental health services | |
Moulaei et al. | Barriers and facilitators of using health information technologies by women: a scoping review | |
JP2022512259A (ja) | ガイドライン適合のためのシステム及び方法 | |
Holecki et al. | Mapping health needs to support health system Management in Poland | |
Davis et al. | Collection and use of social determinants of health data in inpatient general internal medicine wards: a scoping review | |
Almacen et al. | Electronic Document Management System (EDMS) Implementation: Implications for the Future of Digital Transformation in Philippine Healthcare | |
Yermukhanova et al. | SWOT Analysis and Expert Assessment of the Effectiveness of the Introduction of Healthcare Information Systems in Polyclinics in Aktobe, Kazakhstan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD16 | Notification of change of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7436 Effective date: 20211125 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220518 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240215 |