JP2022069566A - System and method for providing on-demand real-time patient-specific data analysis computing platform - Google Patents

System and method for providing on-demand real-time patient-specific data analysis computing platform Download PDF

Info

Publication number
JP2022069566A
JP2022069566A JP2022040125A JP2022040125A JP2022069566A JP 2022069566 A JP2022069566 A JP 2022069566A JP 2022040125 A JP2022040125 A JP 2022040125A JP 2022040125 A JP2022040125 A JP 2022040125A JP 2022069566 A JP2022069566 A JP 2022069566A
Authority
JP
Japan
Prior art keywords
data
analysis
patient
specific data
data analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022040125A
Other languages
Japanese (ja)
Inventor
アール. ダンリービー、キース
R Dunleavy Keith
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inovalon Inc
Original Assignee
Inovalon Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inovalon Inc filed Critical Inovalon Inc
Publication of JP2022069566A publication Critical patent/JP2022069566A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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

Abstract

PROBLEM TO BE SOLVED: To provide a computing platform configured to receive and process an on-demand real-time patient-specific data analysis order.
SOLUTION: A computing platform receives an order, determines feasibility of the order, and then performs desired analysis on the basis of parameters provided within the order. As part of the analysis, the computing platform can investigate one or more data sources to collect data relevant to ordered diagnostic. Once the data is collected, the computing platform can analyze the data according to one or more pre-programmed algorithms. Selection of the algorithm to be applied to a data set can be determined by a type of the ordered on-demand real-time patient-specific data analysis. In some examples, the on-demand real-time patient-specific data analysis can be ordered by using an external ordering user interface.
SELECTED DRAWING: Figure 4
COPYRIGHT: (C)2022,JPO&INPIT

Description

本開示は概して、電子発注入力プラットフォームおよび電子医療記録システム内の各種セットの利用可能な医療および医療関連データを、インタフェースを通じてオンデマンド解析し、解析結果を同じインタフェースを通じてリアルタイムで提供することができる計算プラットフォームに関する。 The present disclosure is generally a calculation that can perform on-demand analysis of the available medical and medical data of various sets within an electronic order entry platform and electronic medical recording system through an interface and provide the analysis results in real time through the same interface. Regarding the platform.

医療に伴うコストに目を光らせつつ高品質の医療サービスを提供することは、従来から医療提供者および関連事業の目的であった。患者が広範な地理的領域にわたって、相互にコミュニケーションを取れる、あるいは取れない複数の医師や医療提供者を訪れる医療環境においては、医学的診断またはその他の検査を実行して患者の関連情報を確認することは、そうした検査や医学的診断が患者の訪れる様々な医療提供者の間で重複し、他の医療提供者には既知である情報を入手するという恩恵を受けずに実行される場合があるため、非効率となり得る。 Providing high-quality medical services while keeping an eye on the costs associated with medical care has traditionally been the goal of healthcare providers and related businesses. Perform medical diagnosis or other tests to confirm patient-related information in a medical environment where patients visit multiple doctors and providers who can or cannot communicate with each other across a wide geographic area. That is, such tests and medical diagnoses may overlap among the various health care providers visited by the patient and may be performed without the benefit of obtaining information known to other health care providers. Therefore, it can be inefficient.

さらに、医療シーンはますます複雑化しつつあり、低コストで高品質な医療という目的との間でせめぎ合っている。臨床医にとって既知な病状の数は、科学的発見によってこれまで理解があまりされていなかった症状の病因、遺伝学、下位分割に関する詳細な理解が深まるにつれ、さらに増え続けている。ICD-9(約14000診断コードを含む)基準からICD-10(約68000診断コードを含む)基準への移行に例示されるように、このような症状を医療記録文書内に反映させるコードもきめ細やかさを増している。臨床医が利用可能な診断の数と種類は、治療方法と同様に増加の一途をたどっている。 In addition, the medical scene is becoming more complex and is in conflict with the goal of low cost and high quality medical care. The number of pathologies known to clinicians continues to grow as scientific discoveries provide a deeper understanding of the etiology, genetics, and subdivision of symptoms that were previously poorly understood. Codes that reflect such symptoms in medical record documents are also defined, as illustrated in the transition from the ICD-9 (including approximately 14,000 diagnostic codes) standard to the ICD-10 (including approximately 68,000 diagnostic codes) standard. The details are increasing. The number and types of diagnoses available to clinicians are increasing, as are treatment methods.

中核の医療行為における上記のきめ細やかさと複雑さの進歩に加えて、医療周縁の事業プロセス、経営、法的監視も同様に複雑化しつつある。医療産業が量ベースの治療から質ベースの治療に移行するにつれ、品質結果の測定もその重要性を劇的に増大させた。患者が過去に受けた治療の質を評価する能力は、最適な医療の決定だけでなく、医療費削減を推し進める上で極めて重要になり得る。しかしながら、こうした評価を実行するのに必要なデータは、相互にコミュニケーションを取れない種々雑多な場所や実体に保管されることが多い。さらに、このような評価に必要な情報は大量であるために、医療提供者が「リアルタイム」で(直に治療に当たっている期間中)、患者が受けた治療の質や、治療が法的基準を遵守しているか否かを判定できない可能性がある。 In addition to the above-mentioned advances in fine-grainedness and complexity in core medical practices, the business processes, management and legal oversight of the medical perimeter are becoming more complex as well. As the healthcare industry moved from quantity-based to quality-based therapies, measuring quality results also dramatically increased its importance. The ability of a patient to assess the quality of treatment they have received in the past can be crucial not only in making optimal medical decisions, but also in driving cost reductions. However, the data needed to perform these assessments is often stored in miscellaneous places and entities that cannot communicate with each other. In addition, due to the sheer volume of information required for such assessments, the quality of treatment received by the patient and the treatment is the legal standard in "real time" (during the period of direct treatment) by the healthcare provider. It may not be possible to determine if it is in compliance.

複数のソースからのデータを集計、調査、解析し、患者の病歴の様々な面を広範かつ綿密に「オンデマンド」で(必要と要請に応じて)総合的に検討する計算プラットフォームは、不要なまたは重複する医学的検査やラボ診断に伴う非効率的な出費を最小限に抑えつつ、医療の質を最大限に向上させるのに役立てることができる。しかしながら、上記の集計、調査、解析は、多くの異なるソースに点在する大量のデータに基づくことが多いため、医療提供者はこのような解析を実行することができない。 No need for a computational platform that aggregates, investigates, and analyzes data from multiple sources to comprehensively and extensively "on-demand" (as needed and requested) comprehensively examine various aspects of a patient's medical history. Or it can help maximize the quality of care while minimizing the inefficient costs associated with duplicate medical tests and lab diagnoses. However, the above aggregations, surveys, and analyzes are often based on large amounts of data scattered across many different sources, making it impossible for healthcare providers to perform such analyzes.

本開示は、様々な第三者の内部データベースから集計および調査される医学的データを用いて解析を実行するコンピュータ化プラットフォームに関する。 The present disclosure relates to a computerized platform that performs analysis using medical data aggregated and investigated from various third party internal databases.

プラットフォームは、患者の医学的データをリアルタイムで解析して、実際の治療中に、患者と医療提供者に最も関係性が高い解析検査をオンデマンドで発注してその解答を受け取ることで、臨床医による高品質かつ費用効果の高い治療の提供をサポートすることができる。 The platform analyzes the patient's medical data in real time, ordering the most relevant analytical tests from the patient and the healthcare provider on demand and receiving the answers during the actual treatment. Can support the provision of high quality and cost effective treatments.

本開示の例によるオンデマンドリアルタイム患者固有データ解析(「データ診断」と称することもある)を実行する例示の方法を示す図。The figure which shows the exemplary method of performing on-demand real-time patient-specific data analysis (sometimes referred to as "data diagnosis") by the example of this disclosure. 本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する別の例示の方法を示す図。FIG. 6 illustrates another exemplary method of performing on-demand real-time patient-specific data analysis according to the examples of the present disclosure. 本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する例示の方法を示す図。The figure which shows the exemplary method of performing the on-demand real-time patient-specific data analysis by the example of this disclosure. 本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する例示の計算プラットフォームを示す図。The figure which shows the exemplary computational platform which performs the on-demand real-time patient-specific data analysis by the example of this disclosure. 本開示の例による例示のメッセージハブを示す図。The figure which shows the example message hub by the example of this disclosure. 本開示の例による例示の発注処理アーキテクチャを示す図。The figure which shows the example order processing architecture by the example of this disclosure. 本開示の例による例示の臨床解析エンジンを示す図。The figure which shows the example clinical analysis engine by the example of this disclosure. 本開示の例による例示のフローチャート設計プロセスを示す図。The figure which shows the example flowchart design process by the example of this disclosure. 本開示の例による例示のpdfジェネレータアーキテクチャを示す図。The figure which shows the example pdf generator architecture by the example of this disclosure. 本開示の例による例示のデータ統合サービスを示す図。The figure which shows the example data integration service by the example of this disclosure.

オンデマンドリアルタイム患者固有データ解析は、1例では、治療時に、臨床医が個別に発注することのできる1そろいの様々な患者固有データ解析とすることができる。いくつかの例では、リアルタイム患者固有データ解析の発注は、複数のデータベースを調査して、特定の患者の関連情報を検索することと、患者の関連情報を収集することと、医師または医療提供者がより高品質でコスト効果の高い患者の体験を提供するのを助けることができる具体的な特徴またはパターンを求めて、収集した情報を解析することとを含むプロセスを開始させることができる。 The on-demand real-time patient-specific data analysis, in one case, can be a set of various patient-specific data analyzes that can be individually ordered by the clinician at the time of treatment. In some cases, ordering real-time patient-specific data analysis can search multiple databases to find relevant information for a particular patient, collect patient-related information, and be a doctor or healthcare provider. The process can be initiated, including analyzing the information collected, in search of specific features or patterns that can help provide a higher quality and cost effective patient experience.

あるシナリオ例が、リアルタイム患者固有データ解析を実行する概念を例示するのに役立つ。このシナリオ例では、患者は救急処置室に運ばれて、急性の苦痛、外傷、または意識不明状態により情報を提供できない。通常、患者は病歴に関連する質問に確実に回答できないため、治療を提供する臨床医は、医学的問題を診断するだけでなく、臨床医の処方する治療過程に影響を及ぼすおそれのあるその他の悪化要因が存在しないように確保するために、広範な一連の医学的検査を行わなければならない。さらに、医師は、発見される異常が急性なのか慢性なのか、あるいは、過去の治療がアレルギー反応などの悪影響を招いたことがあるか否かを判定することができないため、進行中の問題とそれに関連する適切な治療を判定することが難しい。しかしながら、臨床医が患者のためにオンデマンドリアルタイム患者固有データ解析を発注できれば、計算プラットフォームは複数のデータソース(すなわち、他の臨床医のデータベース、過去の診断データ、薬剤記録、ラボ記録、電子医療記録データなど)を調査して、患者の過去の病歴と治療に関する情報を収集し、収集された情報を解析し、救急処置室で適切または確実に反応できない、不十分にしか反応できない、あるいは意識不明である患者を治療する際に医療提供者の助けとなる要因またはその他の関連情報を判定することができる。1例では、オンデマンドリアルタイム患者固有データ解析は、患者が過去に受けた、あるいは現在受けている投薬治療に関する情報、患者に関して実行された過去の全ラボ作業、過去の診断、過去の入院歴を検索することができる。オンデマンドリアルタイム患者固有データ解析によって検索された情報は、単独のデータベースにすべて置くことができる、あるいは、いくつかの例では、第三者の医療提供者によって維持される種々雑多なデータベースに置くことができる。計算プラットフォームは、これらのデータベースをそれぞれ調査して、オンデマンドリアルタイム患者固有データ解析を発注する患者の関連情報が、特定のデータベースに記憶されているかどうかを確認することができる。 An example scenario helps to illustrate the concept of performing real-time patient-specific data analysis. In this example scenario, the patient is taken to the emergency room and unable to provide information due to acute distress, trauma, or unconsciousness. Patients are usually unable to reliably answer medical history-related questions, so the clinician who provides treatment not only diagnoses the medical problem, but also other things that may affect the treatment process prescribed by the clinician. An extensive series of medical tests must be performed to ensure that no exacerbating factors are present. In addition, doctors cannot determine whether the abnormalities found are acute or chronic, or whether previous treatments have had adverse effects such as allergic reactions, which is an ongoing problem. It is difficult to determine the appropriate treatment associated with it. However, if clinicians can order on-demand real-time patient-specific data analysis for their patients, the computing platform will have multiple data sources (ie, databases of other clinicians, historical diagnostic data, drug records, lab records, electronic medicine). Investigate (recorded data, etc.) to collect information about the patient's past history and treatment, analyze the collected information, and cannot respond appropriately or reliably in the emergency room, respond poorly, or become aware of it. Factors or other relevant information that can help the healthcare provider in treating an unknown patient can be determined. In one case, on-demand real-time patient-specific data analysis provides information about the medication the patient has received or is currently receiving, all past lab work performed on the patient, past diagnosis, and past hospitalization history. You can search. All information retrieved by on-demand real-time patient-specific data analysis can be placed in a single database, or in some cases in a miscellaneous database maintained by a third-party healthcare provider. Can be done. The computing platform can examine each of these databases to see if the patient's relevant information for ordering on-demand real-time patient-specific data analysis is stored in a particular database.

臨床医がラボ検査を発注して、患者にとって最適な治療過程を判定するのとほぼ同じように、臨床医はリアルタイム患者固有データ解析を発注して、具体的な患者に関するデータを調査および解析して治療過程を教示するプロセスを開始させることもできる。 Just as a clinician orders a lab test to determine the optimal treatment process for a patient, a clinician orders real-time patient-specific data analysis to investigate and analyze data about a specific patient. It is also possible to initiate a process that teaches the treatment process.

図1は、本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する例示の方法を示す。図1に示すように、臨床医102は、ラボ診断発注入力インタフェースまたはその他の発注入力インタフェース114を用いてオンデマンドリアルタイム患者固有データ解析プロセスを開始することができる。発注入力インタフェース114は、いくつかの例では、ラボサービスプロバイダが検査機関での試験を発注する、あるいは臨床医が特定の薬局に直接処方薬を発注するために利用する既存のコンピュータインタフェースとすることができる。既存の発注入力インタフェースを利用することによって、医療提供者は既存のワークフロー内で治療中の特定の患者に関して、共通のインタフェースにラボ診断とオンデマンドリアルタイム患者固有データ解析の両方を発注させることができる。いくつかの例では、オンデマンドリアルタイム患者固有データ解析は、(後で詳述する)オンデマンドリアルタイム患者固有データ解析計算プラットフォームとのインタフェース専用の別個のインタフェースを用いて発注することができる。 FIG. 1 illustrates an exemplary method of performing on-demand real-time patient-specific data analysis according to the examples of the present disclosure. As shown in FIG. 1, the clinician 102 can initiate an on-demand real-time patient-specific data analysis process using a lab diagnostic order input interface or other order input interface 114. The order entry interface 114 may be, in some examples, an existing computer interface used by lab service providers to order tests at laboratories or by clinicians to order prescription drugs directly from a particular pharmacy. Can be done. By leveraging the existing order entry interface, healthcare providers can have a common interface order both lab diagnostics and on-demand real-time patient-specific data analysis for specific patients being treated within existing workflows. .. In some examples, on-demand real-time patient-specific data analysis can be ordered using a separate interface dedicated to the interface with the on-demand real-time patient-specific data analysis computing platform (discussed later).

いったん臨床医102がオンデマンドリアルタイム患者固有データ解析を開始すれば、プロセスは、患者記録の位置を特定するステップ104に進むことができる。ステップ104で、発注入力システムは、名前、誕生日、年齢、およびその他、臨床医または医療提供者が意図する対象者に関して確実に検査(すなわち、オンデマンドリアルタイム患者固有データ解析またはラボ診断)を発注することができる識別情報を含む患者の記録の検索を試みることができる。 Once the clinician 102 initiates on-demand real-time patient-specific data analysis, the process can proceed to step 104 to locate the patient record. At step 104, the order entry system reliably orders tests (ie, on-demand real-time patient-specific data analysis or lab diagnostics) for names, birthdays, ages, and other intended subjects by the clinician or healthcare provider. Attempts can be made to retrieve patient records that contain identifying information that can be done.

いったん患者がステップ104で識別されれば、プロセスは検査の発注を開始できるステップ106に進むことができる。オンデマンドリアルタイム患者固有データ解析の例では、ステップ108で、医療提供者は利用可能な検査リストからオンデマンドリアルタイム患者固有データ解析検査を選択することができる。 Once the patient is identified in step 104, the process can proceed to step 106 where an order for the test can be initiated. In the example of on-demand real-time patient-specific data analysis, at step 108, the healthcare provider can select an on-demand real-time patient-specific data analysis test from the list of available tests.

オンデマンドリアルタイム患者固有データ解析の種類
以下のオンデマンドリアルタイム患者固有データ解析に関する説明は、例示を目的としており、オンデマンドリアルタイム患者固有データ解析計算プラットフォームの範囲の包括的リストまたはその限定と解釈すべきではない。
Types of On-Demand Real-Time Patient-Specific Data Analysis The following description of on-demand real-time patient-specific data analysis is for illustrative purposes only and should be construed as a comprehensive list or limitation of the scope of the on-demand real-time patient-specific data analysis calculation platform. is not.

1例では、臨床医は、患者が受けた治療の質を確認したいと思うかもしれない。さらに、医療提供者は、臨床医が患者の治療の質を評価し、患者の現状を把握し、患者の治療の質を向上させることができるように、NCQA/HEDIS(登録商標)、メディケアアドバンテージ5星格付け評価、URAC評価、州固有の基準(たとえば、NY QARR評価)、民間のACA QRS評価、PQRI評価、またはその他の適用可能な評価などの国の治療基準に基づいて治療の質を査定したいと思うかもしれない。このような例では、医療提供者は、質関連のオンデマンドリアルタイム患者固有データ解析を発注して、患者の過去の病歴に関連するデータを調査および解析して、患者が受けた治療の質と、患者を適用可能な治療標準内に導くために講じるべき治療ステップとを評価することができる。 In one case, the clinician may want to ascertain the quality of treatment the patient has received. In addition, healthcare providers, NCQA / HEDIS®, Medicare Advantage, enable clinicians to assess the quality of treatment for patients, understand their status quo, and improve the quality of their treatment. Assess the quality of treatment based on national treatment criteria such as 5-star rating, URAC rating, state-specific criteria (eg NY QRR rating), private ACA QRS rating, PQRI rating, or other applicable rating. You may want to. In such an example, the healthcare provider orders quality-related on-demand real-time patient-specific data analysis to investigate and analyze data related to the patient's past medical history to determine the quality of treatment received by the patient. , The treatment steps to be taken to guide the patient within applicable treatment standards and can be evaluated.

別の例では、新患、複数の病気を抱える患者、または病歴に関する詳細を提供できない患者らの広範な病歴を認識できないことが支障となっている臨床医は、患者の病歴に関する情報をさらに必要とする、あるいは求めるかもしれない。上記シナリオでは、開業医は、患者の過去の臨床診断、処方薬、ラボ結果、外科的処置などに関連する情報を求めて各種医療団体の電子医療記録を調査する履歴データ関連オンデマンドリアルタイム患者固有データ解析を発注したいと考えるであろう。 In another example, a clinician who is hampered by not being able to recognize the broader medical history of a new patient, a patient with multiple illnesses, or a patient who is unable to provide detailed medical history needs more information about the patient's medical history. Or may ask. In the above scenario, the practitioner surveys electronic medical records of various medical organizations for information related to the patient's past clinical diagnosis, prescription drugs, lab results, surgical procedures, etc. Historical data-related on-demand real-time patient-specific data You will want to order the analysis.

別の例では、医師は患者の病歴と進行度を確認したいと思うが、患者の病気や同時罹患の認識や、リスクスコアのコード化の精度要件における専門知識が制限されることが多い。上記シナリオでは、医療提供者は、データを調査および解析して、関連リスクスコアモデル内で具体的な患者の過去、現在、未来の疾病の負担およびリスクスコアを判定するリスクスコア関連のデータ診断を発注することができる。 In another example, the physician wants to ascertain the patient's medical history and progression, but often limits his or her expertise in recognizing the patient's illness or co-morbidity and the accuracy requirements for risk score coding. In the above scenario, the healthcare provider investigates and analyzes the data to perform a risk score-related data diagnosis that determines the burden and risk score of a specific patient's past, present, and future illness within a relevant risk score model. You can place an order.

別の例では、医療提供者は、検査の重複を回避しようとするが、実行された類似の検査の結果、または処方遵守、適切な診断撮像ガイドライン、専門医治療などの治療考慮事項に関する患者コスト担当機関が命じるパラメータが、どのくらいの頻度で、どのくらい最近に、あるいはどのように得られたかを認識できないことが多い。上記シナリオでは、医療提供者は、無駄回避関連のオンデマンドリアルタイム患者固有データ解析を発注することができる。無駄回避関連のオンデマンドリアルタイム患者固有データ解析は患者関連データを調査および解析して、患者治療の保険保護対象範囲ガイドラインに関連する潜在的に不要な利用およびコストを特定する関連情報を検索し、よりコストのかからない代替策を発見することができる。 In another example, the healthcare provider attempts to avoid duplication of tests, but is responsible for the results of similar tests performed or for patient costs regarding treatment considerations such as prescription compliance, appropriate diagnostic imaging guidelines, and specialist treatment. It is often not possible to recognize how often, how recently, or how the parameters dictated by the institution were obtained. In the above scenario, the healthcare provider can order on-demand real-time patient-specific data analysis related to waste avoidance. Waste Avoidance-related on-demand real-time patient-specific data analysis explores and analyzes patient-related data to find relevant information that identifies potentially unwanted uses and costs associated with patient care coverage guidelines. You can discover cheaper alternatives.

オンデマンドリアルタイム患者固有データ解析の種類の別の例では、医師は、患者が利用資格を有する様々な治療管理リソースを判定したいと考えるかもしれない。しかしながら、このようなタスクは、大抵の場合、臨床医は患者が利用資格を有する国、州、医療団体固有のプログラムを知ることができないために困難な場合がある。上記シナリオでは、臨床医は、それらのプログラムおよび患者のプログラムに対する適格性に関連するデータを集計、調査、解析する的確性関連のオンデマンドリアルタイム患者固有データ解析を発注することができる。 In another example of the type of on-demand real-time patient-specific data analysis, physicians may want to determine the various treatment management resources that a patient is eligible for. However, such tasks can often be difficult because the clinician is often unable to know the country, state, or medical association-specific program that the patient is eligible for. In the above scenario, the clinician can order an accuracy-related on-demand real-time patient-specific data analysis that aggregates, investigates, and analyzes data related to their eligibility for the program and the patient's program.

図1の例に戻ると、いったん臨床医が患者のために発注したいオンデマンドリアルタイム患者固有データ解析の種類を選択すれば、プロセスはステップ110に進んで、診断を外部計算プラットフォームに発注することができ、外部計算プラットフォームは発注されたデータ診断の関連情報を求めて各種データソースを集計および調査して、集計および調査されたデータの解析を実行し、その結果のレポートを構築し、結果を医療提供者に送信する。ステップ112で、医療提供者は解析を受け取った計算プラットフォームの結果をリアルタイムで視ることができる。 Returning to the example in Figure 1, once the clinician has selected the type of on-demand real-time patient-specific data analysis he wants to order for the patient, the process can proceed to step 110 to order the diagnosis from an external computing platform. The external computing platform can aggregate and investigate various data sources for relevant information on the ordered data diagnosis, perform analysis of the aggregated and investigated data, build a report of the results, and medicalize the results. Send to the provider. At step 112, the healthcare provider can view the results of the computational platform that received the analysis in real time.

ステップ110で発注され、ステップ112で結果が見られるプロセスは、要請された解析を実行する計算プラットフォームに対して発注することを含むことができる。図2は、本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する別の例示の方法を示す。図1に示す方法と同様に、臨床医202は、ステップ204で、オンデマンドリアルタイム患者固有データ解析を発注することができる。ステップ206で、発注はラボ情報システムまたはその他の発注入力プラットフォームで受信することができる。情報システムまたは発注入力プラットフォームは、出された発注を見て、発注が従来のラボ診断、処方薬、またはその他の従来の発注に関するものか、あるいは発注がオンデマンドリアルタイム患者固有データ解析に関するものかを判定することができる。発注がオンデマンドリアルタイム患者固有データ解析に関するものであると判定された場合、プロセスはステップ208に進み、発注は(以下詳述する)オンデマンドリアルタイム患者固有データ解析サービスプロバイダに送られる。ステップ210で、オンデマンドリアルタイム患者固有データ解析サービスプロバイダはウェブサービスを利用して、要請をパースし、所望のデータを集計、調査、解析し、オンデマンドリアルタイム患者固有データ解析の結果/レポートを生成することができる。ステップ212で、その結果が受信され、要請元のサービスプロバイダに返信される。 The process of ordering at step 110 and seeing the results at step 112 can include ordering to a computational platform that performs the requested analysis. FIG. 2 shows another exemplary method of performing on-demand real-time patient-specific data analysis according to the examples of the present disclosure. Similar to the method shown in FIG. 1, clinician 202 can order on-demand real-time patient-specific data analysis in step 204. At step 206, the order can be received by the lab information system or other order entry platform. The information system or order entry platform looks at the placed order and determines whether the order is for traditional lab diagnostics, prescription drugs, or other traditional orders, or for on-demand real-time patient-specific data analysis. It can be determined. If the order is determined to be for on-demand real-time patient-specific data analysis, the process proceeds to step 208 and the order is sent to the on-demand real-time patient-specific data analysis service provider (detailed below). At step 210, the on-demand real-time patient-specific data analysis service provider uses a web service to parse the request, aggregate, investigate, and analyze the desired data, and generate the results / reports of the on-demand real-time patient-specific data analysis. can do. At step 212, the result is received and returned to the requesting service provider.

図3は、本開示の例によるオンデマンドリアルタイム患者固有データ解析ウェブサービスの例示の機能を示す。臨床医302は図1および図2を参照して上述したように、ステップ304でオンデマンドリアルタイム患者固有データ解析発注を出すことができる。オンデマンドリアルタイム患者固有データ解析発注は、発注入力プラットフォーム306で受信することができる。上述したように、オンデマンドリアルタイム患者固有データ解析は、ラボサービスプロバイダが使用するものと同じ計算プラットフォーム、薬局、あるいはその他の電子または発注入力プラットフォームを採用して発注することができる。1例として、商業ラボサービスプロバイダを利用する医療提供者は、ラボサービスの発注に使われる電子ユーザインタフェースを採用して、オンデマンドリアルタイム患者固有データ解析も発注することができる。別の例では、発注入力をサポートする電子医療記録システムを利用する医療提供者は、電子ユーザインタフェースを採用してデータ診断も発注することができる。 FIG. 3 shows an exemplary function of an on-demand real-time patient-specific data analysis web service according to an example of the present disclosure. The clinician 302 can place an on-demand real-time patient-specific data analysis order in step 304 as described above with reference to FIGS. 1 and 2. On-demand real-time patient-specific data analysis orders can be received on the order entry platform 306. As mentioned above, on-demand real-time patient-specific data analysis can be ordered using the same computing platforms, pharmacies, or other electronic or order entry platforms used by lab service providers. As an example, a healthcare provider using a commercial lab service provider can also order on-demand real-time patient-specific data analysis by adopting the electronic user interface used to order lab services. In another example, a healthcare provider utilizing an electronic medical record system that supports order entry can also employ an electronic user interface to place an order for data diagnostics as well.

オンデマンドリアルタイム患者固有データ解析の発注プロセスの一環として、医療提供者は発注の一部に包含基準を含むことができる。包含基準は、リアルタイム患者固有データ解析に含めたいと考える解析の種類またはデータセットを含むことができる。1例として、医師が質関連のオンデマンドリアルタイム患者固有データ解析を発注したいと思う場合、開業医は様々な理由から、メディケアアドバンテージ5星格付け評価などの特定の治療基準を含めたいと考えるかもしれない。この場合、開業医は、メディケア標準をオンデマンドリアルタイム患者固有データ解析に含めるべきであると明示するユーザインタフェースを採用することができる。 As part of the ordering process for on-demand real-time patient-specific data analysis, healthcare providers can include inclusion criteria as part of their order. Inclusion criteria can include the type of analysis or dataset that you want to include in the real-time patient-specific data analysis. As an example, if a physician wants to order quality-related on-demand real-time patient-specific data analysis, the practitioner may want to include specific treatment criteria, such as the Medicare Advantage 5-star rating, for a variety of reasons. .. In this case, the practitioner can employ a user interface that states that Medicare standards should be included in the on-demand real-time patient-specific data analysis.

また、オンデマンドリアルタイム患者固有データ解析の発注プロセスの一環として、医療提供者は発注の一部として排除基準を含めることができる。排除基準は、オンデマンドリアルタイム患者固有データ解析から排除したいと考える解析の種類またはデータセットを含めることができる。医療提供者はすべての利用可能な質評価の一般的な解析を発注することができ、プロバイダは評価のサブセットを含む具体的なプログラム(NCQAまたはHEDISなど)を選択する排除基準を提供することができる、あるいは、プロバイダは個々の評価を選択することができる。 Also, as part of the ordering process for on-demand real-time patient-specific data analysis, healthcare providers can include exclusion criteria as part of their ordering. Exclusion criteria can include the type of analysis or dataset that you want to exclude from the on-demand real-time patient-specific data analysis. Health care providers can order a general analysis of all available quality assessments, and providers can provide exclusion criteria to select specific programs (such as NCQA or HEDIS) that include a subset of assessments. Yes, or the provider can choose an individual rating.

具体的なオンデマンドリアルタイム患者固有データ解析を発注する際、開業医は階層的選択メニューを提示され、階層の各層は、開業医がその前の層に関して行った選択に依存する。1例では、開業医がメディケード解析のみを実行したいと決定する場合、プログラムの種類(すなわち、成人プログラム、子供プログラム)を指定し、ニューヨーク、フロリダ、カリフォルニアなどの州も指定することができる。このように、階層メニューは、オンデマンドリアルタイム患者固有データ解析ウェブサービスに送信され、ウェブサービスによって使用されて所望の解析を実行する1セットの包含および排除基準を生成することができる。 When ordering a specific on-demand real-time patient-specific data analysis, the practitioner is presented with a hierarchical selection menu, and each layer of the hierarchy depends on the choices the practitioner made with respect to the previous layer. In one example, if the practitioner decides that he wants to perform only the Medicade analysis, he can specify the type of program (ie, adult program, children's program), as well as states such as New York, Florida, and California. In this way, the hierarchical menu can be sent to an on-demand real-time patient-specific data analysis web service to generate a set of inclusion and exclusion criteria to be used by the web service to perform the desired analysis.

いくつかの例では、包含および排除基準は計算プラットフォーム/ウェブサービスによって生成することができる。たとえば、臨床医は質関連の診断を発注することができる。特定の患者に関連する情報に基づき、計算プラットフォームは包含および排除基準を生成することができる。たとえば、計算プラットフォームが、特定の患者をニューヨーク州のメディケア患者およびメディケード患者としても認識する場合、プラットフォームは臨床医に決定を下させる代わりに、明らかに二重の有資格患者に対して評価されるべき質基準を特定することができる。別の例では、臨床医は患者に適用可能な異なる臨床品質基準について自覚していない。このように、臨床医が高レベルな階層性オンデマンドリアルタイム患者固有データ解析を発注する場合、計算プラットフォームは、各患者の関連品質基準への適用可能性を認識し、該当する解析を適用する。 In some examples, inclusion and exclusion criteria can be generated by computing platforms / web services. For example, a clinician can order a quality-related diagnosis. Based on the information relevant to a particular patient, the computational platform can generate inclusion and exclusion criteria. For example, if the computational platform also recognizes a particular patient as a Medicare and Medicade patient in New York, the platform is clearly evaluated for dual qualified patients instead of letting the clinician make a decision. Can identify quality criteria. In another example, the clinician is unaware of the different clinical quality standards applicable to the patient. Thus, when a clinician orders a high level of hierarchical on-demand real-time patient-specific data analysis, the computational platform recognizes the applicability of each patient to the relevant quality criteria and applies the appropriate analysis.

他の例では、オンデマンドリアルタイム患者固有データ解析は、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム/ウェブサービスに直接リンクされるスタンドアローンユーザインタフェースを用いて発注することができる。ラボサービスプロバイダのユーザインタフェースが採用される図3の例では、発注入力プラットフォーム306がステップ308でオンデマンドリアルタイム患者固有データ解析発注を受信することができる。ステップ310で、オンデマンドリアルタイム患者固有データ解析発注は、処理の前にオンデマンドリアルタイム患者固有データ解析計算プラットフォーム/ウェブサービスに送ることができる。 In another example, on-demand real-time patient-specific data analysis can be ordered using a standalone user interface that is directly linked to the on-demand real-time patient-specific data analysis calculation platform / web service. In the example of FIG. 3, where the lab service provider user interface is adopted, the order entry platform 306 can receive an on-demand real-time patient-specific data analysis order in step 308. At step 310, the on-demand real-time patient-specific data analysis order can be sent to the on-demand real-time patient-specific data analysis calculation platform / web service prior to processing.

オンデマンドリアルタイム患者固有データ解析計算プラットフォーム316はステップ324で発注を受信することができる。医療提供者によって生成される発注は、医療提供者がオンデマンドリアルタイム患者固有データ解析を発注した患者に関して計算プラットフォームが確実に解析を実行できるように、名前とその他の識別情報(誕生日、社会保障番号、保険情報など)など治療下の患者に関する情報を含むことができる。ステップ326で、予備チェックが実行されて、患者の保険会社や、会計責任のある医療機関、病院、またはリスク共有機関などのその他の関連団体が、医療提供者によって発注されたオンデマンドリアルタイム患者固有データ解析を認可し、そのコストをカバーするように確保する。保険会社またはその他の関連団体がオンデマンドリアルタイム患者固有データ解析を認可しないと判定された場合、プロセスはステップ322に進み、そこで「未検査」というメッセージを生成することができる。ステップ320で、「未検査」メッセージは発注システム発注メッセージフォーマット(後で詳述する)に同調させて、ステップ312で発注システムに送信することができる。最後に、ステップ314で、保険会社またはその他の関連団体が認可しないことによりオンデマンドリアルタイム患者固有データ解析が実行されなかったことを示す回答を医療提供者に返信することができる。 The on-demand real-time patient-specific data analysis calculation platform 316 can receive orders in step 324. Orders generated by healthcare providers include names and other identification information (birthday, social security) to ensure that the computing platform can perform the analysis on patients for whom the healthcare provider has ordered on-demand real-time patient-specific data analysis. It can contain information about the patient being treated, such as numbers, insurance information, etc.). At step 326, a preliminary check is performed and the patient's insurer or other relevant entity, such as an accounting-responsible medical institution, hospital, or risk-sharing institution, is on-demand real-time patient-specific ordered by the healthcare provider. Authorize data analysis and ensure that it covers its costs. If the insurer or other affiliate is determined not to approve the on-demand real-time patient-specific data analysis, the process can proceed to step 322, where the message "untested" can be generated. At step 320, the "uninspected" message can be tuned to the ordering system ordering message format (discussed in detail later) and sent to the ordering system at step 312. Finally, in step 314, an answer can be returned to the healthcare provider indicating that the on-demand real-time patient-specific data analysis was not performed without authorization by the insurance company or other affiliate.

しかしながら、保険会社またはその他の関連団体がオンデマンドリアルタイム患者固有データ解析を認可する場合、プロセスはステップ328に進んで、計算プラットフォームは、患者がオンデマンドリアルタイム患者固有データ解析ウェブサービスシステム内に存在するか否か、および解析を実行するのに十分なデータ履歴が存在するか否かを確認することができる。このような解析は適格化アルゴリズムによって実行することができる。適格化アルゴリズムは、システムが患者のIDを十分に自信を持って確定しているか否か、および解析を実行するのに十分なデータがあることを確信しているか否かを判定することができる。 However, if the insurer or other affiliate authorizes on-demand real-time patient-specific data analysis, the process proceeds to step 328 and the computing platform resides within the on-demand real-time patient-specific data analysis web service system for the patient. You can check if there is enough data history to perform the analysis. Such an analysis can be performed by a qualified algorithm. The eligibility algorithm can determine if the system is confident enough to determine the patient's ID and if it is confident that it has enough data to perform the analysis. ..

適格化アルゴリズムが、患者がシステム内に存在し、オンデマンドリアルタイム患者固有データ解析を実行するのに十分なデータ履歴を有することが確信されると判定する場合、プロセスはステップ330、332、338に進むことができる。ステップ330で、内部データベース(またはその他のデータ記憶媒体)を調査して、発注されたオンデマンドリアルタイム患者固有データ解析に関連する情報を抽出することができる。 If the eligibility algorithm determines that the patient is present in the system and has sufficient data history to perform on-demand real-time patient-specific data analysis, the process is performed at steps 330, 332, 338. You can proceed. At step 330, the internal database (or other data storage medium) can be investigated to extract information related to the ordered on-demand real-time patient-specific data analysis.

内部データベースは、計算プラットフォーム内に局地的に記憶されるデータベースとすることができる。データベースは、各種所属団体によって提供され、識別されずに長期にわたって合致される情報で構成することができる。1例として、ブルークロスブルーシールド(BCBS)(登録商標)などの保険会社が患者へのオンデマンドリアルタイム患者固有データ解析サービスに所属する場合、BCBSは患者に関して有するすべてのデータを計算プラットフォームに提供することができる。そのデータは、計算プラットフォーム自体によって維持されるデータベース内に吸収し保管することができる。上記データセットは、バッチまたはトランザクショナルデータ供給プロセスを通じて設定および維持することができる。 The internal database can be a database stored locally within the computing platform. Databases are provided by various affiliates and can consist of information that is unidentified and matched over time. As an example, if an insurance company such as Blue Cross Blue Shield (BCBS)® belongs to an on-demand real-time patient-specific data analysis service for patients, BCBS will provide the computing platform with all the data it has about the patient. be able to. The data can be absorbed and stored in a database maintained by the computing platform itself. The dataset can be set up and maintained through a batch or transitional data delivery process.

よって、医師がオンデマンドリアルタイム患者固有データ解析を発注すると、発注が患者の治療の代わりにおよび患者の治療のために解釈され、内部データベースが調査および解析されて、特定の患者の関連情報を特定および抽出することができる。そうする際、内部データベース内に記憶される非識別データは、オンデマンドリアルタイム患者固有データ解析を発注する患者に属するデータとして抽出および再識別することができる。 Thus, when a physician places an order for on-demand real-time patient-specific data analysis, the order is interpreted on behalf of the patient's treatment and for the patient's treatment, and an internal database is investigated and analyzed to identify relevant information for a particular patient. And can be extracted. In doing so, the non-identifying data stored in the internal database can be extracted and re-identified as data belonging to the patient ordering the on-demand real-time patient-specific data analysis.

内部データベースは複数のデータセットを含むことができ、各データセットは特定の所属団体から提供されるデータに対応する。1例では、1つのデータセットはBCBS患者に属し、別のデータセットはラボサービスプロバイダに属することができる。よって、患者の臨床医がオンデマンドリアルタイム患者固有データ解析を要請すると、患者のIDおよびその他の包含および排除基準に応じて、計算プラットフォームは内部データベースに記憶される関連データセットからデータを抽出し、再特定し、必要に応じて、患者のIDに基づきそのデータを長期にわたって合致させ、解析されるようにデータを1つの位置にまとめることができる。いったんデータが解析されれば、データが識別されないようにまとめられたデータは削除することができる(最初のデータセットは元のままである)。 The internal database can contain multiple datasets, each dataset corresponding to the data provided by a particular organization. In one example, one dataset may belong to a BCBS patient and another dataset may belong to a lab service provider. Thus, when a patient's clinician requests on-demand real-time patient-specific data analysis, the computational platform extracts data from the relevant data set stored in the internal database, depending on the patient's identity and other inclusion and exclusion criteria. The data can be re-identified and, if necessary, the data matched over time based on the patient's ID and combined in one position for analysis. Once the data has been parsed, the data that has been aggregated so that it cannot be identified can be deleted (the first dataset remains intact).

ステップ332および338で、計算プラットフォームは、第三者が提供する各種外部データベースからのデータも調査することができる。1例として、内部データベースに記憶されるデータを医療提供者または医療団体から計算プラットフォームに提供させるのではなく、データは第三者のデータベースに保持および記憶させることができる。計算プラットフォームはそれらのデータベースにアクセスして、オンデマンドリアルタイム患者固有データ解析を要求する患者の関連データだけでなくオンデマンドリアルタイム患者固有データ解析自体も調査することができる。 At steps 332 and 338, the computing platform can also inspect data from various external databases provided by third parties. As an example, data stored in an internal database can be retained and stored in a third party database rather than being provided to a computing platform by a healthcare provider or medical organization. Computational platforms can access those databases to investigate patient-related data that requires on-demand real-time patient-specific data analysis, as well as on-demand real-time patient-specific data analysis itself.

いったんデータが各種データベースから調査されると、ステップ334で、計算プラットフォームは採用される適切な解析プロセスを判定して、臨床医302の所望する結果を生成することができる。どの解析測定値を採用すべきかだけでなく、それらの解析をどのように実行すべきかを決定するアルゴリズムの作成を以下にさらに詳述する。ステップ336で、計算プラットフォーム316は、ステップ334で決定された解析測定値を用いて各種データソースから調査されるデータのリアルタイム解析を実行することができる。 Once the data is examined from various databases, at step 334 the computational platform can determine the appropriate analysis process to be adopted and produce the desired result of clinician 302. The creation of algorithms that determine not only which analysis measurements should be adopted, but also how those analyzes should be performed, is further detailed below. At step 336, the computational platform 316 can perform real-time analysis of the data investigated from various data sources using the analytical measurements determined in step 334.

いったん解析がステップ336で実行されれば、回答パッケージをステップ318で作成することができる。回答パッケージの形成についてさらに詳細に後述する。ステップ320で、回答パッケージは、ステップ320で発注入力プラットフォーム306に送り返すことができる。発注入力プラットフォーム306はステップ312で回答を受信し、ステップ314で回答パッケージを医療提供者に発送することができる。 Once the analysis is performed in step 336, the answer package can be created in step 318. The formation of the answer package will be described in more detail later. At step 320, the response package can be sent back to the order entry platform 306 at step 320. The order entry platform 306 can receive the response in step 312 and ship the response package to the healthcare provider in step 314.

図4は、本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する例示の計算システムを示す。図4の計算システムは、外部インタフェース部402と、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム部404の2つの主なコンポーネントを含むことができる。計算システム400の外部インタフェース部402は、上述したようにウェブサービスの外部に計算システムのコンポーネントを含むことができる。たとえば、計算システム400の外部インタフェース部402は臨床医406を含むことができる。図4は、本開示の例によるリアルタイム患者固有データ解析計算プラットフォームの例示の概要を示すことができる。 FIG. 4 shows an exemplary computational system that performs on-demand real-time patient-specific data analysis according to the examples of the present disclosure. The calculation system of FIG. 4 can include two main components: an external interface unit 402 and an on-demand real-time patient-specific data analysis calculation platform unit 404. The external interface unit 402 of the calculation system 400 can include the components of the calculation system outside the web service as described above. For example, the external interface unit 402 of the computing system 400 can include a clinician 406. FIG. 4 can outline an example of a real-time patient-specific data analysis and calculation platform according to the example of the present disclosure.

上述したように、オンデマンドリアルタイム患者固有データ解析の要請者(すなわち、ユーザ)は、治療中の患者のオンデマンドリアルタイム患者固有データ解析を発注したいと望む医療提供者を含むことができる。臨床医406はいろいろな種類のインタフェースを利用して、このような診断を発注することができる。図4の例では、2つのインタフェース例を示す。オンデマンドリアルタイム患者固有データ解析の要請者は、上述したようなラボ発注システムまたは処方薬発注システム用のユーザインタフェースとすることができる発注インタフェース408を利用することができる。発注インタフェース408を利用して血液作業などのラボサービスを発注することができ、同じ発注インタフェース408を利用して(上述したように)オンデマンドリアルタイム患者固有データ解析サービスを発注、送信、配信することもできる。 As mentioned above, the requester (ie, user) of the on-demand real-time patient-specific data analysis can include a healthcare provider who wishes to order the on-demand real-time patient-specific data analysis of the patient being treated. Clinician 406 can utilize various types of interfaces to order such a diagnosis. In the example of FIG. 4, two interface examples are shown. Requesters for on-demand real-time patient-specific data analysis can utilize the ordering interface 408, which can be the user interface for the lab ordering system or prescription drug ordering system as described above. Lab services such as blood work can be ordered using the ordering interface 408, and on-demand real-time patient-specific data analysis services can be ordered, transmitted, and distributed using the same ordering interface 408 (as described above). You can also.

また、臨床医406は、電子医療記録インタフェースまたはその他の発注入力プラットフォーム410を利用して、オンデマンドリアルタイム患者固有データ解析を発注することもできる。電子医療記録(EHR)は、医療提供者によって維持される患者の病歴の電子版である。いくつかの例では、医療提供者は、EHRを用いて患者の病歴を調査し、同じインタフェース内で、患者に関して実行されるラボ作業を発注することができる。このインタフェース410を用いて、臨床医406は、ラボ診断または処方薬とほぼ同じようにオンデマンドリアルタイム患者固有データ解析を要請することができる。同様に、その他の発注入力プラットフォームもデータ診断の発注に適用することができる。たとえば、投薬発注プラットフォーム、放射線検査発注入力、その他の発注入力システム、またはデータ診断発注専用のプラットフォームなどである。 Clinician 406 can also utilize an electronic medical record interface or other order entry platform 410 to order on-demand real-time patient-specific data analysis. An electronic medical record (EHR) is an electronic version of a patient's medical history maintained by a healthcare provider. In some examples, a healthcare provider can use an EHR to investigate a patient's medical history and order lab work performed on the patient within the same interface. Using this interface 410, clinician 406 can request on-demand real-time patient-specific data analysis in much the same way as laboratory diagnostics or prescription drugs. Similarly, other order entry platforms can be applied to ordering data diagnostics. For example, a medication ordering platform, a radiological examination order entry, other order entry systems, or a platform dedicated to data diagnostic orders.

いったん臨床医406がインタフェース408または410を用いてオンデマンドリアルタイム患者固有データ解析を要請すれば、発注は発注システム412に送信することができる。上述したように、発注システム412は、408および410で例示されるような外部ユーザインタフェースからの発注を満たすための内部処理および通信システムである。発注システムは独自の内部プロセスを用いて発注を処理し、処理のために、オンデマンドリアルタイム患者固有データ解析要求を計算プラットフォーム404に送ることができる。このようにして、発注システムはオンデマンドリアルタイム患者固有データ解析サービスの配給元として利用できる一方、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム404は患者に配給される実際のオンデマンドリアルタイム患者固有データ解析サービスを提供することができる。 Once the clinician 406 requests on-demand real-time patient-specific data analysis using interface 408 or 410, the order can be sent to the ordering system 412. As mentioned above, the ordering system 412 is an internal processing and communication system for satisfying orders from external user interfaces as exemplified by 408 and 410. The ordering system can process the order using its own internal process and send an on-demand real-time patient-specific data analysis request to the calculation platform 404 for processing. In this way, the ordering system can be used as a distributor of the on-demand real-time patient-specific data analysis service, while the on-demand real-time patient-specific data analysis calculation platform 404 is the actual on-demand real-time patient-specific data analysis service distributed to the patient. Can be provided.

計算プラットフォーム404はメッセージハブ414を含むことができる。メッセージハブ414は、計算プラットフォーム404と発注システム412などの外部との間のインタフェースとして機能することができる。メッセージハブ414は計算プラットフォーム404に通信機能を付与して、発注を承諾して、オンデマンドリアルタイム患者固有データ解析の結果を有するレポートを関係者に提供することができる。 The computing platform 404 can include a message hub 414. The message hub 414 can serve as an interface between the computing platform 404 and the outside world, such as the ordering system 412. The message hub 414 can add communication capabilities to the computing platform 404 to accept orders and provide stakeholders with reports with the results of on-demand real-time patient-specific data analysis.

図5は、本開示の例による例示のメッセージハブを示す。例示のため、メッセージハブ504とラボデータエクスチェンジ402との間のインタフェースも示す。図4を参照して上述したように、発注システム412は、オンデマンドリアルタイム患者固有データ解析を発注する臨床医406と計算プラットフォーム404との間のインタフェースとして機能することができる。図5の例に戻ると、発注システム412はプラットフォームデータエクスチェンジ512を含むことができる。プラットフォームデータエクスチェンジ512は、発注システム412と計算プラットフォーム404との間のウェブ/ネットワークインタフェースを提供することができる。 FIG. 5 shows an exemplary message hub according to an example of the present disclosure. For illustration purposes, the interface between the message hub 504 and the lab data exchange 402 is also shown. As mentioned above with reference to FIG. 4, the ordering system 412 can serve as an interface between the clinician 406 ordering on-demand real-time patient-specific data analysis and the computational platform 404. Returning to the example of FIG. 5, the ordering system 412 may include a platform data exchange 512. The platform data exchange 512 can provide a web / network interface between the ordering system 412 and the computing platform 404.

プラットフォームデータエクスチェンジ512はウェブサービス514を含むことができる。ウェブサービス514はメッセージハブ内に位置するウェブサービス504を介して、プラットフォームデータエクスチェンジ512とオンデマンドリアルタイム患者固有データ解析計算プラットフォームとの間で通信を開始し実行することができる。1例では、ウェブサービス514は、プラットフォームデータエクスチェンジから、メッセージハブセンター内に位置するウェブサービス504とセキュアソケットレイヤ(SSL)認証516をやり取りすることができる。 Platform data exchange 512 may include web service 514. The web service 514 can initiate and execute communication between the platform data exchange 512 and the on-demand real-time patient-specific data analysis and calculation platform via the web service 504 located within the message hub. In one example, the web service 514 can exchange secure socket layer (SSL) authentication 516 with the web service 504 located within the message hub center from the platform data exchange.

プラットフォームデータエクスチェンジへのオンデマンドリアルタイム患者固有データ解析プラットフォームのIDを確定するため、SSL認証をオンデマンドリアルタイム患者固有データ解析計算プラットフォームのメッセージハブからプラットフォームデータエクスチェンジに渡すことができる。SSL認証516は、プラットフォームデータエクスチェンジとメッセージハブセンターとの間で安全な通信ソケットを開放し確立するためにも使用することができる。 To establish the identity of the on-demand real-time patient-specific data analysis platform to the platform data exchange, SSL authentication can be passed from the message hub of the on-demand real-time patient-specific data analysis calculation platform to the platform data exchange. SSL certification 516 can also be used to open and establish a secure communication socket between the platform data exchange and the message hub center.

いったんオンデマンドリアルタイム患者固有データ解析の発注がメッセージハブセンターによって受信されれば、入力プロセッサ506に送信することができる。入力プロセッサ506は発注を受信し、発注をオンデマンドリアルタイム患者固有データ解析の実際の処理を実行するコンポーネントによって読取可能なフォーマットに変換することができる。1例では、計算プラットフォームは、当業者にとって既知なヘルスレベル7(HL7)プロトコルを採用することができる。入力プロセッサ506は、オンデマンドリアルタイム患者固有データ解析の発注を入力し、オンデマンドリアルタイム患者固有データ解析計算プラットフォームによって使用されるようにHL7フォーマットに変換することができる。 Once the order for on-demand real-time patient-specific data analysis is received by the message hub center, it can be sent to the input processor 506. The input processor 506 receives the order and can convert the order into a format readable by a component that performs the actual processing of on-demand real-time patient-specific data analysis. In one example, the computing platform can employ a Health Level 7 (HL7) protocol known to those of skill in the art. The input processor 506 can enter an order for on-demand real-time patient-specific data analysis and convert it to HL7 format for use by the on-demand real-time patient-specific data analysis calculation platform.

受信した発注がいったん適切なフォーマットに変換されれば、後で詳述する発注処理ステップ508に送信することができる。また、発注メッセージは、システムで受信した発注を保管することのできるログファイルデータベース510に送信することができる。ログファイルデータベース510は演算インテリジェンスソフトウェア520によってアクセスすることができる。演算インテリジェンスソフトウェア520はログファイルデータベース510上で様々なクエリを実行して、計算プラットフォームが受信した発注に関する様々な解析を行うことができる。解析の種類は、たとえば、受信した発注の種類に関する解析、オンデマンドリアルタイム患者固有データ解析を発注している団体または個人に関する解析、オンデマンドリアルタイム患者固有データ解析計算プラットフォームが受信した発注を検討するときに収集することのできるその他の情報を含むことができる。 Once the received order has been converted to the appropriate format, it can be sent to order processing step 508, which will be described in detail later. The order message can also be sent to a log file database 510 that can store the order received by the system. The log file database 510 can be accessed by the arithmetic intelligence software 520. Computational intelligence software 520 can execute various queries on the log file database 510 to perform various analyzes on the orders received by the computing platform. The types of analysis are, for example, analysis of the type of order received, analysis of an organization or individual ordering on-demand real-time patient-specific data analysis, and when considering orders received by the on-demand real-time patient-specific data analysis calculation platform. Can contain other information that can be collected in.

ステップ524で、処理された発注は、メッセージハブ500に返信することができる。いくつかの例では、処理済みの発注は生(未編集)フォーマットで返信することができる、あるいは、いくつかの例では、結果のレポートを有するpdfファイルとして同時に送信することができる。発注は、生結果データをHL7観察結果メッセージ(ORU)またはpdfファイルに変換することのできる出力プロセッサ522によって受信することができ、別の例では、単に発注処理ステップ524から受信されるpdfと一緒に送信することができる。 At step 524, the processed order can be returned to the message hub 500. In some examples, the processed order can be returned in raw (unedited) format, or in some examples it can be sent simultaneously as a pdf file with a report of the results. The order can be received by an output processor 522 capable of converting the raw result data into an HL7 observation result message (ORU) or a pdf file, in another example simply with the pdf received from the order processing step 524. Can be sent to.

いくつかの例では、出力プロセッサは複数ファイルフォーマットで結果を送信することができるため、オンデマンドリアルタイム患者固有データ解析の消費者、および/またはユーザが採用するユーザインタフェースは所望する出力フォーマットを選択できる。出力ファイルフォーマットは、メッセージのウェブサービス504を介してユーザに返信することができ、結果パッケージをプラットフォームデータエクスチェンジ512のウェブサービス514に中継することができる。 In some examples, the output processor can send results in multiple file formats, allowing consumers and / or user-adopted user interfaces for on-demand real-time patient-specific data analysis to choose the desired output format. .. The output file format can be replied to the user via the web service 504 of the message and the result package can be relayed to the web service 514 of the platform data exchange 512.

図4に戻ると、いったん発注が受け付けられて、上述したようにメッセージハブによって処理されれば、発注をオンデマンドリアルタイム患者固有データ解析発注処理システム416に送信することができる。オンデマンドリアルタイム患者固有データ解析発注処理システム416の役割は、オンデマンドリアルタイム患者固有データ解析発注を推敲するのに必要な技術を調整することである。 Returning to FIG. 4, once the order is received and processed by the message hub as described above, the order can be sent to the on-demand real-time patient-specific data analysis order processing system 416. The role of the on-demand real-time patient-specific data analysis order processing system 416 is to coordinate the techniques required to refine the on-demand real-time patient-specific data analysis order.

図6は、本開示の例による例示の発注処理アーキテクチャを示す。上述したように、メッセージハブ500は、発注パラメータを発注処理コンポーネント600に送信することができる。パラメータの送信は、発注処理コンポーネント600内に位置するウェブサービス602によって簡易化することができる。ウェブサービス602は、図5のメッセージハブに関連して説明したウェブサービスと略同じように発注処理コンポーネント600との間の通信を簡易化することができる。 FIG. 6 shows an exemplary order processing architecture according to the examples of the present disclosure. As mentioned above, the message hub 500 can send the ordering parameters to the ordering processing component 600. The transmission of parameters can be simplified by a web service 602 located within the order processing component 600. The web service 602 can simplify communication with the order processing component 600 in much the same manner as the web service described in connection with the message hub of FIG.

ステップ604で、発注処理コンポーネントは、図3のステップ328に関して上述したように患者の検索を開始することができる。患者検索の一部として、患者のパラメータ(すなわち、名前、誕生日、またはその他の識別情報)をデータレイク606に問い合わせることができる。データレイク606は、図1~図3を参照して上述したように患者の関連情報を含む1以上のデータベースを表すことができる。ステップ604で、データレイク606は患者のパラメータで問い合わせることができ、データレイクは患者に関連するデータの位置と識別子を返すことができる。 At step 604, the order processing component can initiate a patient search as described above for step 328 in FIG. As part of the patient search, the patient's parameters (ie, name, birthday, or other identifying information) can be queried to the data lake 606. The data lake 606 can represent one or more databases containing patient-related information as described above with reference to FIGS. 1-3. At step 604, the data lake 606 can be queried with the patient's parameters and the data lake can return the location and identifier of the data associated with the patient.

発注処理コンポーネントが患者のパラメータに基づきデータレイクからデータの位置と識別子を抽出できる場合、患者がシステム内に存在することを確定できる。しかしながら、システムがデータレイク606からデータの位置または識別子を抽出できない場合、システムは図3を参照して説明したステップ322に従ってエラーメッセージを返すことができる。 If the order processing component can extract the location and identifier of the data from the data lake based on the patient's parameters, then the patient can be determined to be in the system. However, if the system is unable to extract the location or identifier of the data from the data lake 606, the system can return an error message according to step 322 described with reference to FIG.

発注処理の一環として、システムは、オンデマンドリアルタイム患者固有データ解析を実行するのに十分なデータがあるか否かをチェックすることができる。ステップ612で、発注処理コンポーネントは、患者のパラメータを用いてデータレイク606の検索を開始し、患者にとって十分なデータが存在するか否かを判定してオンデマンドリアルタイム患者固有データ解析に伝える。このプロセスは、図3のステップ328に関して上述されている。不十分なデータしか存在しないと判定された場合、システムは図3を参照して上述されたステップ322に従ってエラーメッセージを返すことができる。データレイクは、十分なデータが存在するか否かを示す(1または0に設定される)ブールフラグを返すことができる。データレイクは、このような場合、データが不十分な様子を示す詳細フラグ(多くのインジケータのうちの1つに設定される)も返すことができる。 As part of the ordering process, the system can check if there is sufficient data to perform on-demand real-time patient-specific data analysis. At step 612, the ordering processing component initiates a search for the data lake 606 using the patient's parameters to determine if there is sufficient data for the patient and convey it to the on-demand real-time patient-specific data analysis. This process is described above with respect to step 328 of FIG. If it is determined that there is insufficient data, the system can return an error message according to step 322 described above with reference to FIG. The data lake can return a Boolean flag (set to 1 or 0) to indicate if there is enough data. The data lake can also return a detail flag (set to one of many indicators) to indicate that the data is inadequate in such cases.

ステップ608で、所属団体のチェックは、図3のステップ326を参照して説明したように開始させることができる。患者の健康保険パラメータを送信して、所属団体マップ610に問い合わせることができる。所属団体マップ610は、オンデマンドリアルタイム患者固有データ解析を認可する団体のリストとすることができる。患者の医療団体が所属しており、オンデマンドリアルタイム患者固有データ解析を認可する場合、診断が認可されることを示すブールフラグを返すことができる。このような場合、認可または未認可を示す(多くのインジケータのうちの1つに設定される)詳細フラグも返すことができる。診断が認可されない場合、図3のステップ322に記載されるようにエラーメッセージを送信することができる。 At step 608, the check of affiliates can be initiated as described with reference to step 326 of FIG. You can submit the patient's health insurance parameters to contact the organization map 610. The organization map 610 can be a list of organizations that authorize on-demand real-time patient-specific data analysis. If the patient's medical organization belongs and authorizes on-demand real-time patient-specific data analysis, it can return a Boolean flag indicating that the diagnosis is authoritative. In such cases, a detail flag (set to one of many indicators) indicating approved or unapproved can also be returned. If the diagnosis is not approved, an error message can be sent as described in step 322 of FIG.

ステップ614で、ステップ604、608、612で開始されたチェックがすべて肯定結果を示す場合、プロセスは(さらに後述する)臨床解析エンジン616からの解析結果を要求できるプロセス解析ステップに進むことができる。ステップ614で、発注パラメータが臨床解析エンジン616に送信されて、要求された解析を実行し、結果を返すことができる。臨床解析エンジンについて、さらに後述する。 If at step 614 all the checks initiated in steps 604, 608, 612 show affirmative results, the process can proceed to a process analysis step that can request analysis results from the clinical analysis engine 616 (discussed further below). At step 614, the ordering parameters are sent to the clinical analysis engine 616 to perform the requested analysis and return the results. The clinical analysis engine will be further described later.

ステップ618で、いったん臨床解析エンジン616が結果を作製すれば、その結果はレポートジェネレータ620に送られて、ユーザが使用する所望のフォーマットに変換することができる。レポートジェネレータについて、さらに後述する。 In step 618, once the clinical analysis engine 616 produces the results, the results can be sent to the report generator 620 for conversion to the desired format used by the user. The report generator will be further described later.

よって、上述したように、発注処理コンポーネント600は、オンデマンドリアルタイム患者固有データ解析発注を処理し、その結果をユーザに戻すために、データレイク606、所属団体マップ610、臨床解析エンジン616、レポートジェネレータ620などの個々のコンポーネントを調整することができる。 Therefore, as described above, the order processing component 600 processes the on-demand real-time patient-specific data analysis order and returns the result to the user, such as data lake 606, affiliate map 610, clinical analysis engine 616, and report generator. Individual components such as 620 can be adjusted.

図4に戻ると、上述したように、オンデマンドリアルタイム患者固有データ解析発注処理部416は、臨床解析エンジン418に接続することができる。臨床解析エンジン418は、データレイク422に記憶されるデータベースなどの計算プラットフォームからアクセス可能なデータ記憶アセットに対して、予めプログラミングされた解析アルゴリズムまたはデータ解析スキームを実行する解析計算ランタイム環境を提供することができる。 Returning to FIG. 4, as described above, the on-demand real-time patient-specific data analysis order processing unit 416 can be connected to the clinical analysis engine 418. The clinical analysis engine 418 provides an analysis calculation runtime environment that executes pre-programmed analysis algorithms or data analysis schemes for data storage assets accessible from calculation platforms such as databases stored in the data lake 422. Can be done.

図7は、本開示の例による例示の臨床解析エンジンを示す。臨床解析エンジンは構成管理モジュール704、解析サービス706、計算クラスタ708を含むことができる。構成管理モジュール704は、(後で詳述する)フローチャートデザイナ702によって生成されるアルゴリズムとデータ解析スキームとの一貫性を確立および維持する役割を果たすことができる。 FIG. 7 shows an exemplary clinical analysis engine according to the examples of the present disclosure. The clinical analysis engine can include a configuration management module 704, an analysis service 706, and a computational cluster 708. The configuration management module 704 can play a role in establishing and maintaining consistency between the algorithm generated by the flowchart designer 702 (discussed later) and the data analysis scheme.

解析サービス706は、発注処理モジュール710から受信した発注を処理することによってオンデマンドリアルタイム患者固有データ解析を実行することができる。解析サービス706は、オンデマンドリアルタイム患者固有データ解析をユーザの仕様に応じて確実に実行するため、発注処理モジュール710から受け取った要求を解析し、データレイク712からの適切なデータが適切なアルゴリズムまたはアルゴリズムセットを用いて解析されるように確保することによってこのタスクを実行することができる。 The analysis service 706 can perform on-demand real-time patient-specific data analysis by processing the order received from the order processing module 710. The analysis service 706 analyzes the request received from the order processing module 710 and the appropriate data from the data lake 712 is the appropriate algorithm or algorithm to ensure that the on-demand real-time patient-specific data analysis is performed according to the user's specifications. This task can be performed by ensuring that it is analyzed using an algorithm set.

上述したように、オンデマンドリアルタイム患者固有データ解析発注は、1セットのデータに関して実行される1以上のデータ解析スキームまたはアルゴリズムを開始することができる。アルゴリズムまたはデータ解析スキームは、フローチャートデザイナ702によって作成することができる。フローチャートデザイナ702はプラットフォームとすることができ、該プラットフォームによって、プログラマは1以上のアルゴリズムを予めプログラムし、アルゴリズムが特定のオンデマンドリアルタイム患者固有データ解析に関連するデータをどのように解析するかを明示する。1例では、フローチャートデザイナ702は、論理的考慮事項をデータに適用されるアルゴリズムプロセスに翻訳する共通トランスレータとしての役割を果たすことができる。上述したように、各データ解析スキームまたはアルゴリズムは一連の包含および排除基準を含むことができる。排除および包含基準は、ユーザによって規定し、ユーザが発注するオンデマンドリアルタイム患者固有データ解析の種類によって指定することができる。 As mentioned above, an on-demand real-time patient-specific data analysis order can initiate one or more data analysis schemes or algorithms performed on a set of data. Algorithms or data analysis schemes can be created by Flowchart Designer 702. The Flowchart Designer 702 can be a platform that allows the programmer to pre-program one or more algorithms and specify how the algorithms analyze the data associated with a particular on-demand real-time patient-specific data analysis. do. In one example, the flowchart designer 702 can serve as a common translator that translates logical considerations into the algorithmic process applied to the data. As mentioned above, each data analysis scheme or algorithm can include a set of inclusion and exclusion criteria. Exclusion and inclusion criteria can be specified by the user and specified by the type of on-demand real-time patient-specific data analysis ordered by the user.

フローチャートデザイナを用いて、プログラマは、利用しやすい構文を用いて検索の包含および排除基準を入力することができ、その後、1セットのデータに対して適用されてオンデマンドリアルタイム患者固有データ解析を実行することができるアルゴリズムプロセスに翻訳/コンパイルすることができる。解析サービス706は発注を受けると、どのアルゴリズムまたはアルゴリズムのセットが1セットのデータに適用されるかを判定することができる。 Flowchart designers allow programmers to enter search inclusion and exclusion criteria using easy-to-use syntax, which is then applied to a set of data to perform on-demand real-time patient-specific data analysis. Can be translated / compiled into an algorithmic process that can be done. Upon receiving an order, the analysis service 706 can determine which algorithm or set of algorithms applies to a set of data.

解析サービス706は、データレイク712から患者データを検索および抽出することもできる。上述したように、発注は、オンデマンドリアルタイム患者固有データ解析を発注した患者に関する識別情報を含む。このような情報とアルゴリズムが提供する包含および排除基準とを用いて、解析サービス706はデータレイク712から患者データを抽出することができる。データレイク712は、上述したように内部および外部データベース、またはその他のデータサービスを含むことができる。 The analysis service 706 can also retrieve and extract patient data from the data lake 712. As mentioned above, the order includes identification information about the patient who ordered the on-demand real-time patient-specific data analysis. Using such information and the inclusion and exclusion criteria provided by the algorithm, the analysis service 706 can extract patient data from the data lake 712. The data lake 712 can include internal and external databases, or other data services as described above.

解析サービスは、データレイク712から所望のデータを抽出し、その後、オンデマンドリアルタイム患者固有データ解析要求の遂行に関係すると判定されたアルゴリズムまたはアルゴリズムを実行することができる。大きなデータセット上で大量のアルゴリズムを効率よく実行するのに必要な処理パワーと速度を提供するため、解析サービス706は計算クラスタ708を利用することができる。計算クラスタ708は、1以上のアルゴリズムを実行するのに必要な処理能力を提供する1以上のサーバを含むことができる。このように、解析サービス706は、具体的なデータ解析に必要な処理ニーズと解析されるユーザ情報とに基づきデータを処理するために使用されるサーバの数をカスタマイズすることができる。 The analysis service can extract the desired data from the data lake 712 and then execute an algorithm or algorithm determined to be involved in fulfilling the on-demand real-time patient-specific data analysis request. The analysis service 706 can utilize the computational cluster 708 to provide the processing power and speed required to efficiently execute large numbers of algorithms on large data sets. Computational cluster 708 can include one or more servers that provide the processing power needed to execute one or more algorithms. In this way, the analysis service 706 can customize the number of servers used to process data based on the processing needs required for specific data analysis and the user information to be analyzed.

図4に戻ると、臨床解析エンジン418は、オンデマンドリアルタイム患者固有データ解析発注処理モジュール416から発注を受信することができる。受信した発注は、データ422から調査され抽出されるデータと、抽出されたデータを解析するために使用されるフローチャートデザイナ424によって設計されるアルゴリズムとを決定することができる。フローチャートデザイナ424は、データ解析スキームを作成したいと思うプログラマと、具体的なオンデマンドリアルタイム患者固有データ解析発注の受信時に開始されるアルゴリズムとの間のインタフェースとしての役割を果たすことができる。 Returning to FIG. 4, the clinical analysis engine 418 can receive orders from the on-demand real-time patient-specific data analysis order processing module 416. The received order can determine which data is investigated and extracted from the data 422 and which algorithm is designed by the flowchart designer 424 used to analyze the extracted data. The Flowchart Designer 424 can serve as an interface between a programmer who wants to create a data analysis scheme and an algorithm initiated upon receipt of a specific on-demand real-time patient-specific data analysis order.

図8は、本開示の例による例示のフローチャート設計プロセスを示す。図8に示す設計プロセスは、データ解析計算プラットフォームのプログラマが、具体的なオンデマンドリアルタイム患者固有データ解析が上述したように発注されたときに実行可能な予めプログラミングされたアルゴリズムまたはデータ解析スキームを作成する方法を示す。 FIG. 8 shows an exemplary flowchart design process according to an example of the present disclosure. The design process shown in Figure 8 creates a pre-programmed algorithm or data analysis scheme that the data analysis and computation platform programmer can perform when a specific on-demand real-time patient-specific data analysis is ordered as described above. Here's how to do it.

ユーザ802は、フローチャートデザイナユーザインタフェース804を介してフローチャートデザイナツールセットにアクセスすることができる。フローチャートデザイナツールセットは、上述した例のように、各種オンデマンドリアルタイム患者固有データ解析に適した広範な医療データ解析アルゴリズムセットの設計、開発、配備のために、1セットの利用しやすいツールを提供することができる。ユーザインタフェース804は、ツールセットのユーザが、高度なプログラミングの経験や訓練なしに優れた解析機能を達成できるように構成することができる。言い換えると、ユーザインタフェース804は、利用しやすい構文でユーザが解析機能を提供し、この構文をその後、処理のために計算プラットフォームによって使用されるアルゴリズムの難解な記述に変換できるようなプラットフォームを提供することができる。 User 802 can access the Flowchart Designer Toolset via the Flowchart Designer User Interface 804. The Flowchart Designer Toolset provides a set of easy-to-use tools for designing, developing, and deploying a wide range of medical data analysis algorithm sets suitable for various on-demand real-time patient-specific data analysis, as in the example above. can do. The user interface 804 can be configured to allow users of the toolset to achieve excellent analytical functions without advanced programming experience or training. In other words, the user interface 804 provides a platform that allows the user to provide parsing functionality in an easy-to-use syntax that can then be translated into an esoteric description of the algorithm used by the computing platform for processing. be able to.

ユーザインタフェース804は、フローチャート構成リポジトリ806へのアクセス機能をユーザに提供することができる。フローチャート構成リポジトリ806はいくつかの予めプログラミングされたアルゴリズムモジュールを含むことができる。ユーザ802は、包含および排除基準をさらに規定するだけでなく、オンデマンドリアルタイム患者固有データ解析計算プラットフォームのユーザによって規定可能な排除および包含基準を規定することによって、リポジトリ806に記憶されたプログラミング済みのアルゴリズムモジュールをカスタマイズすることができる。 The user interface 804 can provide the user with an access function to the flowchart configuration repository 806. The Flowchart Configuration Repository 806 can include several pre-programmed algorithm modules. User 802 not only further prescribes inclusion and exclusion criteria, but also prescribes pre-programmed inclusion and inclusion criteria stored in Repository 806 by defining exclusion and inclusion criteria that can be specified by the user of the on-demand real-time patient-specific data analysis and computation platform. The algorithm module can be customized.

いったんユーザ/プログラマ802がアルゴリズムまたはデータ解析スキームを作成すれば、プロセスは構成管理システム808に進み、そこで、公開されたアルゴリズムがアルゴリズムの各種構成を記憶し、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム内での使用および配備を管理することができる。 Once the user / programmer 802 creates the algorithm or data analysis scheme, the process proceeds to the configuration management system 808, where the published algorithm stores the various configurations of the algorithm and is within the on-demand real-time patient-specific data analysis and calculation platform. Can be used and deployed in.

図4に戻ると、いったん臨床解析エンジンがオンデマンドリアルタイム患者固有データ解析を実行すれば、オンデマンドリアルタイム患者固有データ解析の結果をオンデマンドリアルタイム患者固有データ解析発注処理モジュール416に送信することができる。オンデマンドリアルタイム患者固有データ解析発注処理モジュール416は、受信した結果を受け取り、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム404のユーザが最終的に利用可能なレポートを生成することができる。1例では、オンデマンドリアルタイム患者固有データ解析発注処理モジュール416は、具体的な種類のオンデマンドリアルタイム患者固有データ解析に対して予め定義することのできる確定テンプレートに応じて受信した結果をフォーマット可能なレポート生成モジュール426にアクセスすることができる。 Returning to FIG. 4, once the clinical analysis engine performs on-demand real-time patient-specific data analysis, the results of on-demand real-time patient-specific data analysis can be sent to the on-demand real-time patient-specific data analysis order processing module 416. .. The on-demand real-time patient-specific data analysis order processing module 416 can receive the received results and generate a report that is finally available to the user of the on-demand real-time patient-specific data analysis calculation platform 404. In one example, the on-demand real-time patient-specific data analysis order processing module 416 can format the received results according to a pre-defined confirmed template for a specific type of on-demand real-time patient-specific data analysis. You can access the report generation module 426.

図9は、本開示の例による例示のレポートジェネレータアーキテクチャを示す。図4を参照して上述したように、処理されたオンデマンドリアルタイム患者固有データ解析の結果がいったん発注処理モジュール902によって受信されれば、発注処理モジュールは結果をレポートジェネレータモジュール900に送信することができる。レポートジェネレータモジュール900は発注結果を受信し、モジュール904で、発注結果をpdf設計テンプレートまたはその他の出力フォーマットに適用することができる。モジュール904で、結果を解析して、どのような種類のオンデマンドリアルタイム患者固有データ解析が結果に関連するかを判定することができる。判定された種類に基づき、レポートジェネレータ900はテンプレートリポジトリ906にアクセスして、様々なフォーマットで最終レポートを生成することができる。 FIG. 9 shows an exemplary report generator architecture according to the examples of the present disclosure. As described above with reference to FIG. 4, once the processed on-demand real-time patient-specific data analysis results are received by the order processing module 902, the order processing module may send the results to the report generator module 900. can. The report generator module 900 receives the order result and in module 904 the order result can be applied to a pdf design template or other output format. Module 904 can analyze the results to determine what kind of on-demand real-time patient-specific data analysis is relevant to the results. Based on the determined type, the report generator 900 can access the template repository 906 to generate the final report in various formats.

テンプレートリポジトリ906は、1例では、複数のレポートテンプレートを記憶することができ、リポジトリ内の各レポートテンプレートは、オンデマンドリアルタイム患者固有データ解析計算プラットフォームによって実行することができる1以上のオンデマンドリアルタイム患者固有データ解析に関連する。計算プラットフォームによって実行され、結果内で反映されるオンデマンドリアルタイム患者固有データ解析の種類が判定されると、発注処理モジュール904はテンプレートリポジトリにアクセスし、適切なレポートテンプレートを抽出し、受信した結果を用いてレポートを生成することができる。 Template repository 906, in one example, can store multiple report templates, and each report template in the repository can be run by an on-demand real-time patient-specific data analysis and calculation platform for one or more on-demand real-time patients. Related to unique data analysis. Once the type of on-demand real-time patient-specific data analysis performed by the calculation platform and reflected in the results is determined, the order processing module 904 accesses the template repository, extracts the appropriate report template, and receives the results. Can be used to generate a report.

いったんレポートジェネレータ900がレポートを生成すれば、それを発注処理モジュール902に返信して、最終的にオンデマンドリアルタイム患者固有データ解析計算プラットフォームのユーザに送信することができる。1例では、レポートジェネレータコンポーネント900は生成されたレポートを演算インテリジェンスモジュール908にも送信することができる。演算インテリジェンスモジュールは生成された各種レポートをすべて記憶し、図5を参照して説明したモジュール520で説明したように、データの様々な傾向を認識するようにレポートに基づく解析を実行することができる。 Once the report generator 900 has generated a report, it can be sent back to the order processing module 902 and finally sent to the user of the on-demand real-time patient-specific data analysis and calculation platform. In one example, the report generator component 900 can also send the generated report to the Arithmetic Intelligence Module 908. The Arithmetic Intelligence module can store all the various reports generated and perform report-based analysis to recognize different trends in the data, as described in Module 520 described with reference to FIG. ..

図4に戻ると、いくつかの例では、計算プラットフォーム404はデータ統合サービスモジュール428も含むことができる。データ統合サービスモジュール428は、所属する医療提供者などの外部団体から受け取るデータを処理、変更、検証することによってデータレイク422内のデータをポピュレートする役割を果たすことができる。 Returning to FIG. 4, in some examples, the compute platform 404 can also include a data integration service module 428. The data integration service module 428 can serve to populate the data in the data lake 422 by processing, modifying and validating the data received from external organizations such as healthcare providers to which it belongs.

図10は、本開示の例による例示のデータ統合サービスを示す。データ統合サービス1000の第1の役割は、外部団体からのデータを計算プラットフォームに取り込むことである。いったんデータが取り込まれたら、データ統合サービス1000は、上述したようなリアルタイム患者固有データ解析を実行する計算プラットフォームによってデータが使用されるように、データを検証、変更、整理することができる。 FIG. 10 shows an exemplary data integration service according to the example of the present disclosure. The primary role of the data integration service 1000 is to bring data from external organizations into the computing platform. Once the data is captured, the data integration service 1000 can validate, modify, and organize the data so that it is used by a computing platform that performs real-time patient-specific data analysis as described above.

1例として、決して限定するように解釈すべきではないが、所属団体1002とラボサービス1004は、計算プラットフォーム、より具体的にはデータ統合サービス1000にデータを供給することのできる外部団体の例としての役割を果たす。ラボサービス1004と所属団体1002は両方とも、患者の過去の治療に関する情報や患者に関係するその他の健康関連情報を含むが、それらに限定されない患者の医療関連データを含むことができる。 As an example, although it should never be construed as limiting, affiliated organizations 1002 and lab services 1004 are examples of external organizations that can supply data to computational platforms, more specifically the data integration service 1000. Play the role of. Both Lab Service 1004 and Affiliation 1002 can include patient medical data, including, but not limited to, information about the patient's past treatment and other patient-related health-related information.

1例では、図10に示すように、データ統合サービス1000は、3つの異なる入力経路を介して ラボサービス1004と所属団体1002からのデータを取り入れることができる。データをデータ統合サービス1000に取り入れる第1の経路では、ユーザがユーザインタフェース(UI)1006を用いてデータをウェブサービスに手動でアップロードすることができる。ユーザは、UI1006を介して計算プラットフォームに送信したいと考えるファイルを選択することによって、ファイルをデータ統合サービス1000に手動でアップロードすることができる。 In one example, as shown in FIG. 10, the data integration service 1000 can take in data from the lab service 1004 and the affiliated organization 1002 via three different input paths. The first route of incorporating data into the data integration service 1000 allows the user to manually upload the data to the web service using the user interface (UI) 1006. The user can manually upload the file to the data integration service 1000 by selecting the file that he wants to send to the computing platform via UI1006.

上述の例の代わりに、または上述の例に加えて、データ統合サービス1000は、メッセージハブ1008を利用するリアルタイムウェブベースのメッセージサービスを用いてメッセージを受信し、外部団体からデータを受信することができる。メッセージハブ1008は、所属団体1002などのデータプロバイダとデータ統合サービス1000との間のリアルタイム接続を提供することができる。よって、所属団体1002がリアルタイム患者固有データ解析計算プラットフォームに送信したいと思う新たなデータを有するとき、このデータと計算プラットフォームに送られる他のデータとをまとめるのを待って1バッチとしてアップロードする代わりに、データプロバイダは各データ項目をリアルタイムで個別に送信することができる。 Instead of, or in addition to, the example above, the data integration service 1000 may use a real-time web-based message service utilizing Message Hub 1008 to receive messages and receive data from external organizations. can. The message hub 1008 can provide a real-time connection between a data provider such as the organization 1002 and the data integration service 1000. Therefore, when the organization 1002 has new data that it wants to send to the real-time patient-specific data analysis calculation platform, instead of waiting for this data to be combined with other data sent to the calculation platform and uploading it as a batch. , The data provider can send each data item individually in real time.

別の例では、データプロバイダおよびラボサービス1004はファイル転送プロトコル(FTP)接続を利用して、データをデータ統合サービス1000にアップロードすることができる。着陸ゾーン1010は、FTP接続を通じてデータを受信するファイル記憶媒体としての役割を果たすことができる。ファイルウォッチャ1012は着陸ゾーン1010を監視して、着陸ゾーンからデータ管理ワークフロー1014にデータをアップロードし、受信時にデータを取り込む(後述)のに必要なワークフローを開始することができる。 In another example, the data provider and lab service 1004 can use a file transfer protocol (FTP) connection to upload data to the data integration service 1000. The landing zone 1010 can serve as a file storage medium for receiving data via an FTP connection. The file watcher 1012 can monitor the landing zone 1010, upload data from the landing zone to the data management workflow 1014, and initiate the workflow required to capture the data upon receipt (discussed below).

データ管理ワークフローモジュール1014は、データプロバイダ1002やラボサービス1004などの外部団体から受信したデータの吸収に関連する各種組織的タスクを実行することができる。1例として、データ管理ワークフローは、管理される内在化データと関連する患者IDの管理、情報の効率的呼出しを簡易化することができる標準化フォーマットにデータを整理するデータの整理および標準化、データ品質チェックを含むことができる。 The data management workflow module 1014 can perform various organizational tasks related to the absorption of data received from external organizations such as data providers 1002 and lab services 1004. As an example, the data management workflow manages patient IDs associated with managed internalized data, organizes data into a standardized format that can simplify efficient recall of information, and organizes and standardizes data, data quality. Can include checks.

データ管理ワークフロー1014は、外部機関から受信したデータを、データ統合サービス1000内に含まれる各種データ記憶媒体に最終的に整理することができる。生データ、すなわち、受信されたときの形状のデータは生データ記憶装置1016に記憶することができる。上述したように、受信したデータは標準化することができ、いったん標準化されれば、データは標準化データ記憶ファイルシステム1018に記憶することができる。標準化とは、内在化データが計算プラットフォームの認識する形状で表されるように確保することを指す。標準化プロセスの1例として、計算プラットフォームが性別を男性、女性、その他として表すことを要求するが、外部団体が性別をM、F、Oと表す場合、標準化プロセスはM、F、Oを男性、女性、その他に翻訳することを含む。 The data management workflow 1014 can finally organize the data received from the external organization into various data storage media included in the data integration service 1000. The raw data, that is, the shape data when received, can be stored in the raw data storage device 1016. As mentioned above, the received data can be standardized and once standardized, the data can be stored in the standardized data storage file system 1018. Standardization refers to ensuring that internalized data is represented in a shape recognized by the computational platform. As an example of the standardization process, the computing platform requires gender to be represented as male, female, etc., but if an external organization represents gender as M, F, O, the standardization process represents M, F, O as male, Includes translating into women and others.

データ管理ワークフローモジュール1014は、データを「マスタ化」するようにデータ上で1以上のアルゴリズムを実行するマスタデータ管理モジュール1020を開始することもできる。データのマスタ化とは、様々な形で特定の個人に属するデータをその個人の属性とすることができるプロセスを指す。1例として、データのマスタ化は、Edward SmithとEd Smithに帰するデータが同じ個人に属すると認識することを含むことができる。マスタ化プロセスが存在しない場合、システムがEdward SmithとEd Smithを2人の別々の個人とみなすことによって、リアルタイム患者固有データ解析中のデータの誤識別につながる可能性がある。 The data management workflow module 1014 can also initiate a master data management module 1020 that executes one or more algorithms on the data to "master" the data. Data mastering refers to the process by which data belonging to a particular individual can be attributed to that individual in various ways. As an example, mastering data can include recognizing that the data attributed to Edward Smith and Ed Smith belong to the same individual. In the absence of a mastering process, the system may consider Edward Smith and Ed Smith as two separate individuals, leading to misidentification of data during real-time patient-specific data analysis.

マスタ化プロセスの一環として、マスタデータ管理プロセス1020は、一連のマスタ化IDと、個人をこの特定の個人のIDに照らして識別するための複数の方法をマッピングするマップとをデータ記憶装置1022に記憶することができる。リアルタイム患者固有データ解析中、マスタ化IDおよびマップ記憶装置1022にアクセスして、特定の個人に関するリアルタイム患者固有データ解析を実行する際、データがアクセスするロードマップをアルゴリズムに提供することができる。 As part of the mastering process, the master data management process 1020 provides the data storage device 1022 with a set of mastering IDs and a map mapping multiple methods for identifying an individual in the light of this particular individual's ID. Can be remembered. During real-time patient-specific data analysis, the algorithm can provide a roadmap for the data to access when accessing the mastered ID and map storage device 1022 to perform real-time patient-specific data analysis for a particular individual.

いったんデータがマスタ化されれば、データは、データを元にデータ解析を実行する計算プラットフォームの能力を最適化する形で各種ファイル記憶装置に保管することができる。1例として、患者プロフィールデータ記憶装置1024は、システムの一部として各患者のプロフィールを記憶することができる。計算プラットフォームは患者プロフィールデータ記憶装置1024を利用して、特定の患者がシステム内に存在するか否かを確認し、いくつかの例では、リアルタイム患者固有データ解析を実行するのに十分な特定患者に関するデータが存在するか否かも確認することができる。 Once the data is mastered, it can be stored in various file storage devices in a way that optimizes the ability of the computing platform to perform data analysis based on the data. As an example, the patient profile data storage device 1024 can store the profile of each patient as part of the system. The computing platform utilizes patient profile data storage device 1024 to determine if a particular patient is present in the system and, in some cases, sufficient specific patient to perform real-time patient-specific data analysis. You can also check if there is data about.

データベース1026は、患者の全データを記憶する主データベースを表すことができる。データベース1026をポピュレートするデータは、計算プラットフォームによって実行される各種データ解析を最適化するフォーマットに一致させることができる。セキュリティ目的で、データベース1026内のデータは(上述したように)非識別化することができ、計算プラットフォームのユーザが様々なセキュリティおよび認証手順に合格したときだけ再識別される。 Database 1026 can represent a primary database that stores all patient data. The data that populates database 1026 can be matched to a format that optimizes various data analyzes performed by the computing platform. For security purposes, the data in database 1026 can be de-identified (as described above) and re-identified only if the user of the computing platform has passed various security and authentication procedures.

また、別の例では、データ統合サービスはラボサービス結果データ記憶装置1028も維持することができる。ラボサービス結果データ記憶装置は、各種ラボサービスプロバイダから受信したデータを含むことができ、このデータはフォーマット化されて、計算プラットフォームが動作してリアルタイム患者固有データ解析を実行するフォーマットに合致される。 In another example, the data integration service can also maintain the lab service result data storage device 1028. The lab service result data storage device can contain data received from various lab service providers, which is formatted to match the format in which the computing platform operates to perform real-time patient-specific data analysis.

本開示と実施例を添付図面を参照して説明したが、様々な変更および変形は当業者にとって自明であることに留意すべきである。このような変更および変形は、請求項によって定義されるような本開示および実施例の範囲に含まれると理解すべきである。 Although the present disclosure and examples have been described with reference to the accompanying drawings, it should be noted that various changes and modifications are obvious to those of skill in the art. It should be understood that such changes and variations are within the scope of the present disclosure and examples as defined by the claims.

付記1. コンピュータにより実行される方法であって、
データ解析システムのメッセージハブによって、特定のユーザのリアルタイムユーザ固有データの解析の要求を受信することであって、データ解析システムは、(i)メッセージハブ、(ii)発注処理コンポーネント、(iii)異なるユーザのユーザプロフィール、(iv)データレイク、(iv)解析エンジン、(v)結果生成部を含むことと、
データ解析システムの発注処理コンポーネントによって、特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定することと、
特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定したことを受けて、データ解析システムの発注処理コンポーネントによって、リアルタイムを用いたデータレイクに記憶されたリアルタイムユーザ固有データ、バッチ処理以外でかつリアルタイムでそれぞれデータ条項を得るトランザクショナルデータ検索技術を取得することと、
データベース内に記憶された非識別データを、リアルタイムユーザ固有データの解析を要求した特定のユーザに属するデータとして再識別すると共に再識別されたデータを特定のユーザのIDに基づいて照合することと、
データ解析システムの解析エンジンによって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施することと、
データ解析システムの結果生成部によって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施した結果を生成することと、
データ解析システムのメッセージハブによって、出力として、要求された解析を実施した結果を提供することと
を備える方法。
Appendix 1. A method performed by a computer
The message hub of the data analysis system receives a request for analysis of real-time user-specific data of a specific user, and the data analysis system is different from (i) message hub, (ii) order processing component, (iii). Includes user profile, (iv) data lake, (iv) analysis engine, (v) result generator,
The order processing component of the data analysis system determines that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis. That and
In response to the determination that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis, the data analysis system Acquiring real-time user-specific data stored in a real-time data lake by the order processing component, and transactional data retrieval technology that obtains data clauses in real time other than batch processing.
Reidentifying the non-identified data stored in the database as data belonging to a specific user who requested the analysis of real-time user-specific data, and collating the re-identified data based on the specific user's ID.
Performing the requested analysis based on the real-time user-specific data of a specific user obtained by the analysis engine of the data analysis system.
The result generator of the data analysis system generates the result of performing the requested analysis based on the obtained real-time user-specific data of a specific user.
A method in which the message hub of a data analysis system provides the output as the result of performing the requested analysis.

付記2. データレイクに記憶されたユーザ固有データの取得は、特定のユーザに関連するデータ条項を回収するように複数の個々のデータベースを検索することを含む、付記1に記載の方法。 Appendix 2. The method of Appendix 1, wherein retrieving user-specific data stored in a data lake comprises searching a plurality of individual databases to retrieve data clauses associated with a particular user.

付記3. 要求された解析は、ユーザが提供者により受けた治療の質にアクセスする治療の質解析を含む、付記1に記載の方法。
付記4. 要求された解析は、可能性のある現在又は未来の存在、又は予想され押し付けられる推測、条件にアクセスする解析を含む、付記1に記載の方法。
Appendix 3. The method of Annex 1, wherein the requested analysis comprises a quality of treatment analysis in which the user has access to the quality of treatment received by the provider.
Appendix 4. The method of Annex 1, wherein the requested analysis comprises an analysis that accesses a possible present or future existence, or expected and imposed guesses, conditions.

付記5. 要求された解析は、潜在的に不要な検査の利用にアクセスする無駄評価回避システムを含む、付記1に記載の方法。
付記6. 要求された解析は、種々のプログラムのユーザ適格性にアクセする適格性解析を含む、付記1に記載の方法。
Appendix 5. The method of Appendix 1, wherein the requested analysis comprises a waste assessment avoidance system that accesses the use of potentially unnecessary tests.
Appendix 6. The method of Appendix 1, wherein the requested analysis comprises an eligibility analysis that accesses the user eligibility of various programs.

付記7. 要求された解析は、治療モデル又は支払いモデルに対する治療又はコスト負担のカテゴリにアクセスするリスク解析を含む、付記1に記載の方法。
付記8. 要求は、サービス供給者に関連する過去発注エントリユーザインタフェースによる入力である、付記1に記載の方法。
Appendix 7. The method of Annex 1, wherein the requested analysis comprises a risk analysis to access a treatment or cost burden category for a treatment model or payment model.
Appendix 8. The method of Appendix 1, wherein the request is input by a past order entry user interface associated with a service provider.

付記9. 要求は、解析に含まれるべきデータレイクに記憶された固有のデータセットを特定する包含基準を含む、付記1に記載の方法。
付記10. 要求は、解析から排除されるべきデータレイクに記憶された固有のデータセットを特定する排除基準を含む、付記1に記載の方法。
Appendix 9. The method of Annex 1, wherein the requirement comprises inclusion criteria that identify the unique dataset stored in the data lake to be included in the analysis.
Appendix 10. The method of Annex 1, wherein the requirement comprises exclusion criteria that identify a unique dataset stored in the data lake to be excluded from the analysis.

付記11. データレイクに記憶されたユーザ固有データの取得は、要求を受けた場合、データ解析システムの最初のデータベースである1以上のデータ条項の取得を含む、付記1に記載の方法。 Appendix 11. The method according to Appendix 1, wherein the acquisition of user-specific data stored in the data lake comprises the acquisition of one or more data clauses, which is the first database of the data analysis system, when requested.

付記12. データレイクに記憶されたユーザ固有データの取得は、要求を受けた場合、外部データソースに記憶された1以上のデータ条項の取得を含む、付記1に記載の方法。 Appendix 12. The method of Appendix 1, wherein the acquisition of user-specific data stored in a data lake comprises the acquisition of one or more data clauses stored in an external data source when requested.

付記13. データ解析システムは、ウェブサービスに示されている、付記1に記載の方法。
付記14. 要求を受けた後、メッセージハブから発注処理コンポーネントへのセキュアソケットレイヤ(SSL)認証を送信する、付記1に記載の方法。
Appendix 13. The data analysis system is the method according to Appendix 1, which is shown in the web service.
Appendix 14. The method of Appendix 1, wherein after receiving the request, the message hub sends secure socket layer (SSL) authentication to the order processing component.

付記15. 特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分である旨を示すと判定する前に、所属団体マップを用いて、要求された解析を認証する所属団体にユーザが関連していることを判定する、付記1に記載の方法。 Appendix 15. Using the organization map before determining that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis. , The method according to Appendix 1, which determines that the user is associated with the affiliated organization that authenticates the requested analysis.

付記16. 特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分である旨を示すと判定することは、十分にデータが存在することを示すブールフラグを含むデータを受信することを含む、付記1に記載の方法。 Appendix 16. There is sufficient data to determine that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis. The method of Appendix 1, comprising receiving data comprising a Boolean flag indicating that.

付記17. 非識別データを再識別することは、解析されるように再識別されたデータを1つの位置にまとめることを備え、
前記再識別化されたデータは、解析後に再識別されたデータが識別されないように、削除される、付記1に記載の方法。
Appendix 17. Re-identifying non-identifying data comprises combining the re-identified data in one position for analysis.
The method according to Appendix 1, wherein the re-identified data is deleted so that the re-identified data is not identified after analysis.

付記18. データ解析システムであって、
1以上のコンピュータによる実行される場合、1以上のコンピュータに以下を実行させるように動作可能な1以上のコンピュータ及び1以上の記憶装置を含み、
データ解析システムのメッセージハブによって、特定のユーザのリアルタイムユーザ固有データの解析の要求を受信することと、
データ解析システムの発注処理コンポーネントによって、特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定することと、
特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定したことを受けて、データ解析システムの発注処理コンポーネントによって、リアルタイムを用いたデータレイクに記憶されたリアルタイムユーザ固有データ、バッチ処理以外でかつリアルタイムでそれぞれデータ条項を得るトランザクショナルデータ検索技術を取得することと、
データベース内に記憶された非識別データを、リアルタイムユーザ固有データの解析を要求した特定のユーザに属するデータとして再識別すると共に再識別されたデータを特定のユーザのIDに基づいて照合することと、
データ解析システムの解析エンジンによって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施することと、
データ解析システムの結果生成部によって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施した結果を生成することと、
データ解析システムのメッセージハブによって、出力として、要求された解析を実施した結果を提供することと
を備える方法。
Appendix 18. It is a data analysis system
When run by one or more computers, it includes one or more computers and one or more storage devices capable of operating one or more computers to do the following:
The message hub of the data analysis system receives requests to analyze real-time user-specific data for a particular user, and
The order processing component of the data analysis system determines that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis. That and
In response to the determination that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis, the data analysis system Acquiring real-time user-specific data stored in a real-time data lake by the order processing component, and transactional data retrieval technology that obtains data clauses in real time other than batch processing.
Reidentifying the non-identified data stored in the database as data belonging to a specific user who requested the analysis of real-time user-specific data, and collating the re-identified data based on the specific user's ID.
Performing the requested analysis based on the real-time user-specific data of a specific user obtained by the analysis engine of the data analysis system.
The result generator of the data analysis system generates the result of performing the requested analysis based on the obtained real-time user-specific data of a specific user.
A method in which the message hub of a data analysis system provides the output as the result of performing the requested analysis.

付記19. データレイクに記憶されたユーザ固有データの取得は、特定のユーザに関連するデータ条項を回収するように複数の個々のデータベースを検索することを含む、付記18に記載のシステム。 Appendix 19. The system of Appendix 18, wherein retrieving user-specific data stored in a data lake comprises searching multiple individual databases to retrieve data clauses associated with a particular user.

付記20. 1以上のコンピュータにより実行される指示を含み、1以上のコンピュータに以下を実行させる非一時的コンピュータ可読記憶媒体であって、
データ解析システムのメッセージハブによって、特定のユーザのリアルタイムユーザ固有データの解析の要求を受信することであって、データ解析システムは、(i)メッセージハブ、(ii)発注処理コンポーネント、(iii)異なるユーザのユーザプロフィール、(iv)データレイク、(iv)解析エンジン、(v)結果生成部を含むことと、
データ解析システムの発注処理コンポーネントによって、特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定することと、
特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定したことを受けて、データ解析システムの発注処理コンポーネントによって、リアルタイムを用いたデータレイクに記憶されたリアルタイムユーザ固有データ、バッチ処理以外でかつリアルタイムでそれぞれデータ条項を得るトランザクショナルデータ検索技術を取得することと、
データベース内に記憶された非識別データを、リアルタイムユーザ固有データの解析を要求した特定のユーザに属するデータとして再識別すると共に再識別されたデータを特定のユーザのIDに基づいて照合することと、
データ解析システムの解析エンジンによって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施することと、
データ解析システムの結果生成部によって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施した結果を生成することと、
データ解析システムのメッセージハブによって、出力として、要求された解析を実施した結果を提供することと
を備える、方法。
Appendix 20. A non-temporary computer-readable storage medium that includes instructions performed by one or more computers and causes one or more computers to perform the following:
The message hub of the data analysis system receives a request for analysis of real-time user-specific data of a specific user, and the data analysis system is different from (i) message hub, (ii) order processing component, (iii). Includes user profile, (iv) data lake, (iv) analysis engine, (v) result generator,
The order processing component of the data analysis system determines that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis. That and
In response to the determination that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis, the data analysis system Acquiring real-time user-specific data stored in a real-time data lake by the order processing component, and transactional data retrieval technology that obtains data clauses in real time other than batch processing.
Reidentifying the non-identified data stored in the database as data belonging to a specific user who requested the analysis of real-time user-specific data, and collating the re-identified data based on the specific user's ID.
Performing the requested analysis based on the real-time user-specific data of a specific user obtained by the analysis engine of the data analysis system.
The result generator of the data analysis system generates the result of performing the requested analysis based on the obtained real-time user-specific data of a specific user.
A method in which the message hub of a data analysis system provides the output as the result of performing the requested analysis.

Claims (1)

明細書に記載した方法。 The method described in the specification.
JP2022040125A 2015-12-18 2022-03-15 System and method for providing on-demand real-time patient-specific data analysis computing platform Pending JP2022069566A (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562269924P 2015-12-18 2015-12-18
US62/269,924 2015-12-18
JP2019229251A JP7114563B2 (en) 2015-12-18 2019-12-19 Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2019229251A Division JP7114563B2 (en) 2015-12-18 2019-12-19 Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform

Publications (1)

Publication Number Publication Date
JP2022069566A true JP2022069566A (en) 2022-05-11

Family

ID=57758765

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2017552501A Pending JP2018514862A (en) 2015-12-18 2016-12-19 System and method for providing on-demand real-time patient-specific data analysis computing platform
JP2019229251A Active JP7114563B2 (en) 2015-12-18 2019-12-19 Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform
JP2022040125A Pending JP2022069566A (en) 2015-12-18 2022-03-15 System and method for providing on-demand real-time patient-specific data analysis computing platform

Family Applications Before (2)

Application Number Title Priority Date Filing Date
JP2017552501A Pending JP2018514862A (en) 2015-12-18 2016-12-19 System and method for providing on-demand real-time patient-specific data analysis computing platform
JP2019229251A Active JP7114563B2 (en) 2015-12-18 2019-12-19 Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform

Country Status (2)

Country Link
JP (3) JP2018514862A (en)
WO (1) WO2017106851A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10810224B2 (en) 2018-06-27 2020-10-20 International Business Machines Corporation Computerized methods and programs for ingesting data from a relational database into a data lake
US11416472B2 (en) 2019-10-09 2022-08-16 Unitedhealth Group Incorporated Automated computing platform for aggregating data from a plurality of inconsistently configured data sources to enable generation of reporting recommendations

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030149597A1 (en) * 2002-01-10 2003-08-07 Zaleski John R. System for supporting clinical decision-making
JP2004280807A (en) * 2003-02-28 2004-10-07 Toshiba Corp Cyber-hospital system
US20050234740A1 (en) * 2003-06-25 2005-10-20 Sriram Krishnan Business methods and systems for providing healthcare management and decision support services using structured clinical information extracted from healthcare provider data
US8306831B2 (en) * 2005-01-10 2012-11-06 International Business Machines Corporation Systems with message integration for data exchange, collection, monitoring and/or alerting
US20080040151A1 (en) * 2005-02-01 2008-02-14 Moore James F Uses of managed health care data
US7512633B2 (en) * 2005-07-13 2009-03-31 International Business Machines Corporation Conversion of hierarchically-structured HL7 specifications to relational databases
US7787699B2 (en) * 2005-08-17 2010-08-31 General Electric Company Real-time integration and recording of surgical image data
US8850057B2 (en) * 2007-09-20 2014-09-30 Intel Corporation Healthcare semantic interoperability platform
JP2011257854A (en) * 2010-06-07 2011-12-22 Hitachi Ltd Medical information management system, medical information management method and medical information management program
US20130191157A1 (en) * 2012-01-17 2013-07-25 Optuminsight, Inc. Unified healthcare intelligence, analytics, and care management

Also Published As

Publication number Publication date
JP2020042864A (en) 2020-03-19
JP2018514862A (en) 2018-06-07
JP7114563B2 (en) 2022-08-08
WO2017106851A1 (en) 2017-06-22

Similar Documents

Publication Publication Date Title
US11823777B2 (en) System and method for providing an on-demand real-time patient-specific data analysis computing platform
US8527292B1 (en) Medical data analysis service
US20130085773A1 (en) Method for generating healthcare-related validated prediction models from multiple sources
US20130197938A1 (en) System and method for creating and using health data record
US20100145720A1 (en) Method of extracting real-time structured data and performing data analysis and decision support in medical reporting
US20130110548A1 (en) Electronic health record system and method
CN109427420B (en) Diagnostic validation tool
US20200234826A1 (en) Providing personalized health care information and treatment recommendations
AU2014364002A1 (en) Identification of candidates for clinical trials
JP2022069566A (en) System and method for providing on-demand real-time patient-specific data analysis computing platform
Matuszak et al. Performance/outcomes data and physician process challenges for practical big data efforts in radiation oncology
Soceanu et al. Towards interoperability of eHealth system networked components
AU2021100430A4 (en) Blockchain: Health Care Information Exchange using Blockchain- Based Technology
TW201329902A (en) Electronic health record system and method
US11087862B2 (en) Clinical case creation and routing automation
US20230051982A1 (en) Methods and systems for longitudinal patient information presentation
WO2020117820A1 (en) Systems and methods for guideline concordance
JP2024514677A (en) Electronic interview system customized for patients, interview terminal and interview method using the same
US20160188804A1 (en) Ambulatory manager
CN115547479B (en) Intelligent medical control method and system based on 5G message
US20170004257A1 (en) System and method for facilitating multi-source retrieval and presentation of health care information
Jaffe et al. Standards in biomedical informatics
Tandon et al. Framework for Conducting Multi-Stakeholder Maturity Evaluation of Teleconsultation Platforms: A Covid-19 Motivated Project from India
Su et al. The SMART BEAR Project: An Overview of Its Infrastructure
WO2023234852A1 (en) Personal electronic health record system (pehrs)

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220414

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220414

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230515

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230523

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230823

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231020

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240109