JP2022551612A - 医療診断および介入推奨の指示 - Google Patents

Abstract

対象者の医療診断推奨および医療介入推奨のうちの少なくとも1つを決定するための方法。対象者の電子健康記録（EHR）データおよびバイオマーカデータのうちの少なくとも1つが、パラメータおよび関数を含む診断/介入推奨モデルに入力される。パラメータは、複数の訓練サンプルを含む訓練データセットに基づいて識別される。各訓練サンプルは、既往の対象者と関連付けられており、かつ、既往の対象者のEHRデータおよびバイオマーカデータのうちの少なくとも1つを含む。関数は、診断/介入推奨モデルへの入力として受け取られた対象者のEHRデータおよびバイオマーカデータのうちの少なくとも1つと、モデルの出力として生成される対象者の医療診断推奨および介入推奨のうちの少なくとも1つとの間の関係を表す。TIFF2022551612000009.tif73170

Description

関連出願の相互参照
本出願は、2019年10月2日に出願された非米国仮特許出願第16/909,534号の恩典を主張するものであり、その全内容はあらゆる目的で参照により本明細書に組み入れられる。

背景
医療診断および介入を迅速かつ正確に決定する能力、ならびに医療介入オプションの利用可能性は、対象者の予後および医学的転帰にとって最も重要である。これは、例えば敗血症などの急性状態に罹患している対象者に特に当てはまる。

問題の対象者と以前に同様に診断および治療されたことのある前対象者の両方についての、大量の増大する患者データは、医療提供者に、対象者の診断および医療介入の推奨の正確さの助けとなる豊富な情報を理論的観点から与える。しかしながら、この利用可能な患者データの膨大な量は、このデータの編成および処理を困難にする。特に、人間の医療提供者は、対象者の診断および介入を最適化する際に使用されるべきパターンを確認するために大量の医療データを迅速かつ正確に処理することができない。

加えて、大量の増大する患者データが存在する一方で、場合によっては、このデータは、施設内でも施設間でもサイロ化され、データのプライバシーやセキュリティ上の懸念、ならびにデータの非互換性を含む多数の理由で、これらの施設内および施設間で共有されない。例えば、施設間で共通のデータは、記憶方法および記憶単位の違いにより、比較の前に変換を必要とする場合がある。結果として、各施設の医療提供者が利用可能なデータの量が減少するだけでなく、データの多様性も減少する。これらの施設間のデータの利用可能性および互換性の欠如は、医療提供者がデータを活用して対象者の診断および介入を最適化する能力を妨げる。

概要
本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、介入推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、ことと、によって識別された複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取る工程であって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程;ならびに前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成する工程であって、医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データおよびバイオマーカデータを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づく電子健康記録データおよびバイオマーカデータのうちの少なくとも1つの値を含む、工程、によって決定する工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程であって、介入推奨モデルによって出力される対象者についての医療介入推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、工程、を含む方法である。

様々な態様において、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程の前に、電子ヒース記録データおよびバイオマーカデータを共通データフォーマットに変換する工程。様々な態様において、訓練データセットの各訓練サンプルは、訓練サンプルと関連付けられた既往の対象者に提供された医療介入、および医療介入推奨を受けた後の既往の対象者の医学的転帰、をさらに含む。様々な態様において、介入推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。様々な態様において、1つまたは複数の第三者システムは、一次システムからリモートにある。様々な態様において、1つまたは複数の第三者システムは、1つまたは複数の患者ケアセンターに位置する。

様々な態様において、方法は、一次システムにおいて、1つまたは複数の第三者システムから、訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;および一次システムにおいて、1つまたは複数の第三者システムから受け取られた複数の訓練サンプルを使用して複数のパラメータを識別する工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、一次システムにおいて1つまたは複数の第三者システムから対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、介入推奨モデルによって対象者のために生成される医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して一次システムにおいて生成される。様々な態様において、方法は、一次システムにおいて、1つまたは複数の第三者システムから、訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;一次システムにおいて、1つまたは複数の第三者システムから受け取られた複数の訓練サンプルを使用して複数のパラメータを識別する工程;およびネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供する工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、1つまたは複数の第三者システムにおける介入推奨モデルにおいて対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、介入推奨モデルによって対象者のために生成される医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して1つまたは複数の第三者システムにおいて生成される。様々な態様において、1つまたは複数の第三者システムに介入推奨モデルを提供する工程は、指定された時間間隔で1つまたは複数の第三者システムに介入推奨モデルを自動的に提供する工程を含む。

様々な態様において、1つまたは複数の第三者システムに介入推奨モデルを提供する工程は、複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、1つまたは複数の第三者システムに介入推奨モデルを自動的に提供する工程を含む。様々な態様において、方法は、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供する工程;1つまたは複数の第三者システムにおける介入推奨モデルにおいて訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムにおける介入推奨モデルにおいて受け取られた訓練サンプルを使用して複数のパラメータを識別する工程;ネットワーク伝送を介して一次システムにおいて識別された複数のパラメータを有する介入推奨モデルを受け取る工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、一次システムにおいて1つまたは複数の第三者システムから対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、介入推奨モデルによって対象者のために生成される医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して一次システムにおいて生成される。

様々な態様において、一次システムにおいて識別された複数のパラメータを有する介入推奨モデルを受け取る工程は、指定された時間間隔で一次システムにおいて識別された複数のパラメータを有する介入推奨モデルを自動的に受け取る工程を含む。様々な態様において、一次システムにおいて識別された複数のパラメータを有する介入推奨モデルを受け取る工程は、複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、一次システムにおいて識別された複数のパラメータを有する介入推奨モデルを自動的に受け取る工程を含む。

様々な態様において、方法は、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供する工程;1つまたは複数の第三者システムにおける介入推奨モデルにおいて訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムにおける介入推奨モデルにおいて受け取られた訓練サンプルを使用して複数のパラメータを識別する工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、1つまたは複数の第三者システムにおける介入推奨モデルにおいて対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、介入推奨モデルによって対象者のために生成される医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して1つまたは複数の第三者システムにおいて生成される。

様々な態様において、複数の訓練サンプルは、ネットワーク伝送を介して一次システムにおいて1つまたは複数の第三者システムから受け取られる。様々な態様において、複数の訓練サンプルのうちの1つまたは複数は、複数の別個の第三者システムから受け取られ、異なるデータフォーマットを含み、方法は、複数の別個の第三者システムから受け取られた複数の訓練サンプルのうちの1つまたは複数を共通データフォーマットに変換する工程;および変換された訓練サンプルを、マージされた訓練データセットにおいてマージする工程、をさらに含み、1つまたは複数の第三者システムから受け取られた複数の訓練サンプルを使用して複数のパラメータを識別する工程は、マージされた訓練データセットを使用して複数のパラメータを識別する工程を含む。様々な態様において、複数の別個の第三者システムから受け取られた複数の訓練サンプルのうちの1つまたは複数は、公開されているデータ変換モデルを使用して共通データフォーマットに変換される。様々な態様において、複数の訓練サンプルのうちの1つまたは複数は、複数の別個の第三者システムにおける介入推奨モデルにおいて受け取られる。

様々な態様において、対象者の電子健康記録データおよびバイオマーカデータは、ネットワーク伝送を介して一次システムにおいて1つまたは複数の第三者システムから受け取られる。様々な態様において、介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程は、ネットワーク伝送を介して1つまたは複数の第三者システムに対象者についての医療介入推奨を提供する工程を含む。様々な態様において、介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程は、対象者に医療介入推奨を提供する工程を含む。様々な態様において、介入推奨モデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルのうちの1つまたは複数は指定された時間間隔で自動的に受け取られ、複数のパラメータは、指定された時間間隔で受け取られた訓練サンプルを使用して自動的に識別される。様々な態様において、介入推奨モデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルのうちの1つまたは複数は、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで自動的に受け取られ、複数のパラメータは、受け取られた訓練サンプルを使用してリアルタイムで自動的に識別される。

様々な態様において、方法は、前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成する工程であって、医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データおよびバイオマーカデータを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づく電子健康記録データおよびバイオマーカデータのうちの少なくとも1つの値を含む、工程、をさらに含む。様々な態様において、電子健康記録データおよびバイオマーカデータのうちの少なくとも1つは、公開されているデータおよび市販のデータのうちの少なくとも1つである。様々な態様において、対象者または既往の対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つは、後ろ向きデータである。様々な態様において、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つは、前向きデータである。様々な態様において、電子健康記録データは、患者ケアセンターから取得される。様々な態様において、電子健康記録データは、実験室から取得される。様々な態様において、バイオマーカデータは、CLIA認定実験室を使用して対象者からの試料から取得される。

様々な態様において、バイオマーカデータは、インビトロ診断装置を使用して対象者からの試料から取得される。様々な態様において、対象者からの試料からバイオマーカデータを取得する工程は、インビトロ診断装置から直接未処理データを受け取る工程を含む。様々な態様において、バイオマーカデータは、対象者が位置する患者ケアセンターにおいてオンサイトで対象者からの試料から取得される。様々な態様において、バイオマーカデータは、対象者が位置する患者ケアセンターからオフサイトで対象者からの試料から取得される。様々な態様において、対象者からの試料は、血液試料を含む。様々な態様において、対象者からの試料は、尿試料を含む。様々な態様において、対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数を用いて採取された試料を含む。

様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者についての質量分析データ、イムノアッセイデータ、エクソームデータ、トランスクリプトームデータ、または全ゲノムヌクレオチド配列決定データのうちの少なくとも1つを取得する工程を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者のプロテオームデータを取得する工程を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者のメタボロームデータを取得する工程を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者のリピドームデータを取得する工程を含む。様々な態様において、対象者のバイオマーカデータは、ある遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含む。様々な態様において、決定される医療介入推奨は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つである。様々な態様において、決定される医療介入推奨は、非医薬的介入である。様々な態様において、介入推奨モデルによって出力される対象者についての医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす。

様々な態様において、状態は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態のうちの1つを含む。様々な態様において、介入推奨モデルは、機械学習モデルである。様々な態様において、介入推奨モデルの複数のパラメータは、連合学習を実施することによって訓練データセットを使用して識別される。様々な態様において、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力する工程は、計算メトリックを満たすための計算動作を監視する工程を含む。様々な態様において、計算メトリックが満たされているとの監視に応答して、計算動作をスケールアップまたはスケールダウンする工程。様々な態様において、計算メトリックは、閾値を超えるかまたは下回るCPU利用率、指定された値を超えるかまたは下回るメモリ利用率、指定された値を超えるかまたは下回るTCP接続の数、指定された値を超えるかまたは下回る保留中の計算メッセージの数のうちの1つまたは複数である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、診断推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、ことと、によって識別された複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取る工程であって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程であって、診断推奨モデルによって出力される対象者の医療診断推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、工程、を含む方法である。

様々な態様において、訓練データセットの各訓練サンプルは、訓練サンプルと関連付けられた既往の対象者についての医療診断、および医療診断を受けた後の既往の対象者の医学的転帰、をさらに含む。様々な態様において、診断推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。様々な態様において、1つまたは複数の第三者システムは、一次システムからリモートにある。様々な態様において、1つまたは複数の第三者システムは、1つまたは複数の患者ケアセンターに位置する。様々な態様において、方法は、一次システムにおいて、1つまたは複数の第三者システムから、訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;および一次システムにおいて、1つまたは複数の第三者システムから受け取られた複数の訓練サンプルを使用して複数のパラメータを識別する工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、一次システムにおいて1つまたは複数の第三者システムから対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、診断推奨モデルによって対象者のために生成される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して一次システムにおいて生成される。

様々な態様において、方法は、一次システムにおいて、1つまたは複数の第三者システムから、訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;一次システムにおいて、1つまたは複数の第三者システムから受け取られた複数の訓練サンプルを使用して複数のパラメータを識別する工程;およびネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供する工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、1つまたは複数の第三者システムにおける診断推奨モデルにおいて対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、診断推奨モデルによって対象者のために生成される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して1つまたは複数の第三者システムにおいて生成される。様々な態様において、1つまたは複数の第三者システムに診断推奨モデルを提供する工程は、指定された時間間隔で1つまたは複数の第三者システムに診断推奨モデルを自動的に提供する工程を含む。様々な態様において、1つまたは複数の第三者システムに診断推奨モデルを提供する工程は、複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、1つまたは複数の第三者システムに診断推奨モデルを自動的に提供する工程を含む。

様々な態様において、方法は、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供する工程;1つまたは複数の第三者システムにおける診断推奨モデルにおいて訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムにおける診断推奨モデルにおいて受け取られた訓練サンプルを使用して複数のパラメータを識別する工程;ネットワーク伝送を介して一次システムにおいて識別された複数のパラメータを有する診断推奨モデルを受け取る工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、一次システムにおいて1つまたは複数の第三者システムから対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、診断推奨モデルによって対象者のために生成される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して一次システムにおいて生成される。様々な態様において、一次システムにおいて識別された複数のパラメータを有する診断推奨モデルを受け取る工程は、指定された時間間隔で一次システムにおいて識別された複数のパラメータを有する診断推奨モデルを自動的に受け取る工程を含む。様々な態様において、一次システムにおいて識別された複数のパラメータを有する診断推奨モデルを受け取る工程は、複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、一次システムにおいて識別された複数のパラメータを有する診断推奨モデルを自動的に受け取る工程を含む。様々な態様において、方法は、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供する工程;1つまたは複数の第三者システムにおける診断推奨モデルにおいて訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る工程;1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムにおける診断推奨モデルにおいて受け取られた訓練サンプルを使用して複数のパラメータを識別する工程、をさらに含み、対象者の電子健康記録データおよびバイオマーカデータを取得する工程は、1つまたは複数の第三者システムにおける診断推奨モデルにおいて対象者の電子健康記録データおよびバイオマーカデータを受け取る工程を含み、診断推奨モデルによって対象者のために生成される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータを使用して1つまたは複数の第三者システムにおいて生成される。様々な態様において、複数の訓練サンプルは、ネットワーク伝送を介して一次システムにおいて1つまたは複数の第三者システムから受け取られる。様々な態様において、複数の訓練サンプルのうちの1つまたは複数は、複数の別個の第三者システムから受け取られ、異なるデータフォーマットを含み、方法は、複数の別個の第三者システムから受け取られた複数の訓練サンプルのうちの1つまたは複数を共通データフォーマットに変換する工程;および変換された訓練サンプルを、マージされた訓練データセットにおいてマージする工程、をさらに含み、1つまたは複数の第三者システムから受け取られた複数の訓練サンプルを使用して複数のパラメータを識別する工程は、マージされた訓練データセットを使用して複数のパラメータを識別する工程を含む。

様々な態様において、複数の別個の第三者システムから受け取られた複数の訓練サンプルのうちの1つまたは複数は、公開されているデータ変換モデルを使用して共通データフォーマットに変換される。様々な態様において、複数の訓練サンプルのうちの1つまたは複数は、複数の別個の第三者システムにおける診断推奨モデルにおいて受け取られる。様々な態様において、対象者の電子健康記録データおよびバイオマーカデータは、ネットワーク伝送を介して一次システムにおいて1つまたは複数の第三者システムから受け取られる。様々な態様において、診断推奨モデルによって出力された対象者の診断を返す工程は、ネットワーク伝送を介して1つまたは複数の第三者システムに対象者の医療診断推奨を提供する工程を含む。様々な態様において、診断推奨モデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルのうちの1つまたは複数は指定された時間間隔で自動的に受け取られ、複数のパラメータは、指定された時間間隔で受け取られた訓練サンプルを使用して自動的に識別される。様々な態様において、診断推奨モデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルのうちの1つまたは複数は、リアルタイムで自動的に受け取られ、複数のパラメータは、受け取られた訓練サンプルを使用してリアルタイムで自動的に識別される。

様々な態様において、電子健康記録データおよびバイオマーカデータのうちの少なくとも1つは、公開されているデータおよび市販のデータのうちの少なくとも1つである。様々な態様において、対象者または既往の対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つは、後ろ向きデータである。様々な態様において、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つは、前向きデータである。様々な態様において、電子健康記録データは、患者ケアセンターから取得される。様々な態様において、電子健康記録データは、実験室から取得される。様々な態様において、バイオマーカデータは、CLIA認定実験室を使用して対象者からの試料から取得される。様々な態様において、バイオマーカデータは、インビトロ診断装置を使用して対象者からの試料から取得される。様々な態様において、対象者からの試料からバイオマーカデータを取得する工程は、インビトロ診断装置から直接未処理データを受け取る工程を含む。

様々な態様において、バイオマーカデータは、対象者が位置する患者ケアセンターにおいてオンサイトで対象者からの試料から取得される。様々な態様において、バイオマーカデータは、対象者が位置する患者ケアセンターからオフサイトで対象者からの試料から取得される。様々な態様において、対象者からの試料は、血液試料を含む。様々な態様において、対象者からの試料は、尿試料を含む。様々な態様において、対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数を用いて採取された試料を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者についての質量分析データ、イムノアッセイデータ、エクソームデータ、トランスクリプトームデータ、または全ゲノムヌクレオチド配列決定データのうちの少なくとも1つを取得する工程を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者のプロテオームデータを取得する工程を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者のメタボロームデータを取得する工程を含む。様々な態様において、対象者のバイオマーカデータを取得する工程は、対象者からの試料から、対象者のリピドームデータを取得する工程を含む。様々な態様において、対象者のバイオマーカデータは、ある遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含む。様々な態様において、方法は、決定された医療診断推奨に基づいて対象者に医療介入推奨を提供する工程であって、医療介入推奨が、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含む、工程、をさらに含む。様々な態様において、方法は、決定された医療診断推奨に基づいて対象者に医療介入推奨を提供する工程であって、医療介入推奨が非医薬的介入を含む、工程、をさらに含む。

様々な態様において、診断推奨モデルによって出力される対象者の医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、のうちの少なくとも1つを満たす。

様々な態様において、対象者の決定される医療診断推奨は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態のうちの1つを含む。様々な態様において、診断推奨モデルは、機械学習モデルである。様々な態様において、診断推奨モデルの複数のパラメータは、連合学習を実施することによって訓練データセットを使用して識別される。様々な態様において、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力する工程は、計算メトリックを満たすための計算動作を監視する工程を含む。様々な態様において、計算メトリックが満たされているとの監視に応答して、計算動作をスケールアップまたはスケールダウンする工程。様々な態様において、計算メトリックは、閾値を超えるかまたは下回るCPU利用率、指定された値を超えるかまたは下回るメモリ利用率、指定された値を超えるかまたは下回るTCP接続の数、指定された値を超えるかまたは下回る保留中の計算メッセージの数のうちの1つまたは複数である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、介入推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、識別することと、によって識別された複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、入力することと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取ることであって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データおよびバイオマーカデータを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づく電子健康記録データおよびバイオマーカデータのうちの少なくとも1つの値を含む、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことであって、介入推奨モデルによって出力される対象者についての医療介入推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、非一時的コンピュータ可読記憶媒体からリモートにある1つまたは複数の第三者システムと通信する非一時的コンピュータ可読記憶媒体によって格納され、診断推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、識別することと、によって識別された複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、入力することと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取ることであって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データおよびバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データおよび既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データおよびバイオマーカデータと、対象者の電子健康記録データおよびバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことであって、診断推奨モデルによって出力される対象者の医療診断推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力する工程であって、介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、介入推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者の電子健康記録データを含む、ことと、によって識別された複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程;および前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成する工程であって、医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づく電子健康記録データの値を含む、工程、によって決定する工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程であって、介入推奨モデルによって出力される対象者についての医療介入推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;および診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを診断推奨モデルに入力する工程であって、診断推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、診断推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者の電子健康記録データを含む、ことと、によって識別された複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;および診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者の電子健康記録データを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程であって、診断推奨モデルによって出力される対象者の医療診断推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、工程、を含む方法である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力することであって、介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、介入推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者の電子健康記録データを含む、識別することと、によって識別された複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、入力することと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づく電子健康記録データの値を含む、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者の電子健康記録データを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことであって、介入推奨モデルによって出力される対象者についての医療介入推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを診断推奨モデルに入力することであって、診断推奨モデルが、非一時的コンピュータ可読記憶媒体からリモートにある1つまたは複数の第三者システムと通信する非一時的コンピュータ可読記憶媒体によって格納され、診断推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者の電子健康記録データを含む、識別することと、によって識別された複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、入力することと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者の電子健康記録データを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者の電子健康記録データを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者の電子健康記録データを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者の電子健康記録データと、対象者の電子健康記録データと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことであって、診断推奨モデルによって出力される対象者の医療診断推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、介入推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、ことと、によって識別された複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取る工程であって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程;および前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成する工程であって、医療介入推奨が、前記状態と診断された1人または複数の対象者のバイオマーカデータを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づくバイオマーカデータの値を含む、工程、によって決定する工程、を含む方法である。

加えて、本明細書において開示されるのは、ある状態と診断された対象者についての医療介入推奨を決定するための方法であって、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力する工程であって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、工程;ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程であって、介入推奨モデルによって出力される対象者についての医療介入推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;および診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、診断推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、ことと、によって識別された複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;および診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取る工程であって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程、を含む方法である。

加えて、本明細書において開示されるのは、対象者の医療診断推奨を決定するための方法であって、対象者からの試料から得られた対象者のバイオマーカデータを取得する工程;対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力する工程であって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、工程;ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程であって、診断推奨モデルによって出力される対象者の医療診断推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、工程、を含む方法である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納され、介入推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに介入推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、識別することと、によって識別された複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、入力することと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取ることであって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことと、前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、医療介入推奨が、前記状態と診断された1人または複数の対象者のバイオマーカデータを使用して介入推奨モデルによって決定され、指標が、1人または複数の対象者についての医療介入推奨を決定するために介入推奨モデルによって使用され1人または複数の対象者の医学的転帰に基づくバイオマーカデータの値を含む、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを介入推奨モデルに入力することであって、介入推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す関数と、を含む、ことと、介入推奨モデルによって出力された対象者についての医療介入推奨を返すことであって、介入推奨モデルによって出力される対象者についての医療介入推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、非一時的コンピュータ可読記憶媒体からリモートにある1つまたは複数の第三者システムと通信する非一時的コンピュータ可読記憶媒体によって格納され、診断推奨モデルが、ネットワーク伝送を介して1つまたは複数の第三者システムに診断推奨モデルを提供することと、1つまたは複数の第三者システムにおいて、1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、識別することと、によって識別された複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、入力することと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者からの試料から対象者のバイオマーカデータを識別したインビトロ診断装置から対象者のバイオマーカデータを自動的に受け取ることであって、バイオマーカデータが、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

加えて、本明細書において開示されるのは、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、対象者の医療診断推奨を、対象者からの試料から得られた対象者のバイオマーカデータを取得することと、対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、対象者のバイオマーカデータを診断推奨モデルに入力することであって、診断推奨モデルが、複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ既往の対象者からの試料から得られた既往の対象者のバイオマーカデータを含む、複数のパラメータと、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと訓練データセットに少なくとも基づいて識別された複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す関数と、を含む、ことと、診断推奨モデルによって出力された対象者の医療診断推奨を返すことであって、診断推奨モデルによって出力される対象者の医療診断推奨が、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす、ことと、によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体である。

本発明の上記その他の特徴、局面、および利点は、以下の説明、および添付の図面を考慮すればより良く理解されるであろう。

一態様による、対象者の医療診断推奨および対象者についての医療介入推奨のうちの少なくとも1つを決定するように構成された診断/介入推奨システムのためのシステム環境のブロック図である。 一態様による、インビトロ診断装置から直接自動的に受け取られるバイオマーカデータを使用して対象者の医療診断推奨および対象者についての医療介入推奨のうちの少なくとも1つを決定するように構成された診断/介入推奨システムのためのシステム環境のブロック図である。 一態様による、対象者の医療診断推奨および対象者についての医療介入推奨のうちの少なくとも1つを決定するように構成された診断/介入推奨システムのアーキテクチャのブロック図である。 一態様による、例示的なネットワークモデルを示す図である。 一態様による、診断/介入推奨システムが訓練され、検証され、使用されるシステム環境のブロック図である。 一態様による、診断/介入推奨システムが訓練されるシステム環境のブロック図である。 一態様による、診断/介入推奨システムが検証されるシステム環境のブロック図である。 一態様による、診断/介入推奨システムが使用されるシステム環境のブロック図である。 一態様による、診断/介入推奨システムが動作するシステム環境のブロック図である。 一態様による、診断/介入推奨システムが動作するシステム環境のブロック図である。 一態様による、診断/介入推奨システムが動作するシステム環境のブロック図である。 一態様による、診断/介入推奨システムが動作するシステム環境のブロック図である。 一態様による、診断/介入推奨システムが動作するシステム環境のブロック図である。 一態様による、コルチコステロイド介入の指標を裏付ける根拠を提供する例示的なデータセットを示す図である。 一態様による、コルチコステロイド介入の指標を裏付ける根拠を提供する例示的なデータセットを示す図である。 一態様による、対象者についての医療診断/介入推奨を決定するための方法のフローチャートである。 一態様による、図8に記載される方法を実施するための例示的なコンピュータを示す図である。

図面は、本発明の様々な態様を例示のみを目的として示している。当業者は、以下の考察を読めば、本明細書に記載される発明の原理から逸脱することなく本明細書に例示される構造および方法の代替の態様を用いることができることを容易に理解するであろう。

詳細な説明
I. 定義
概して、添付の特許請求の範囲および本明細書で使用される用語は、当業者によって理解される明白な意味を有すると解釈されることが意図されている。さらなる明確化のために以下に特定の用語を定義する。明白な意味と与えられる定義との間に矛盾がある場合、与えられる定義が使用されるものとする。

本明細書において直接定義されていない用語は、本発明の技術分野内で理解される意味と一般的に関連付けられる意味を有すると理解されるものとする。本発明の局面の組成物、装置、方法など、およびそれらをどのように製造または使用するかを説明する際に実務家にさらなる手引きを提供するために、本明細書において特定の用語について論じる。同じことが複数の方法で言えることが理解されよう。ゆえに、本明細書で論じられる用語のいずれか1つまたは複数に代替の文言および同義語を使用することができる。用語が本明細書において詳述または考察されるか否かは重要ではない。いくつかの同義語または代用可能な方法、材料などが提供される。1つまたは少数の同義語または均等物の列挙は、明示的に述べられていない限り、他の同義語または均等物の使用を排除するものではない。用語の例を含む例の使用は、例示を目的としたものにすぎず、本明細書における本発明の局面の範囲および意味を限定するものではない。

II. 診断/介入推奨システム
図1は、一態様による、対象者の医療診断推奨および対象者についての医療介入推奨のうちの少なくとも1つを決定するように構成された診断/介入推奨システム101のためのシステム環境100のブロック図である。図3に関して以下でさらに詳細に論じられるように、診断/介入推奨システム101は、診断/介入推奨モデルを少なくとも部分的に含む。様々な態様において、診断/介入推奨モデルは、機械学習された診断/介入推奨モデルである。代替の構成では、異なる構成要素および/または追加の構成要素がシステム環境100に含まれてもよい。

簡略化のために、本開示全体を通して、本明細書において論じられるシステムおよびモデルは、「診断/介入」推奨システムおよびモデルと呼ばれる。特定の態様では、診断/介入推奨システムおよびモデルは、対象者についての医療診断を推奨するとともに、対象者についての医療介入も推奨するように構成される。しかしながら、「診断/介入」推奨という命名法は、対象者についての医療診断と医療介入の両方を推奨するように構成された単一のシステムまたはモデルを必要とするものではない。例えば、いくつかの態様では、診断/介入推奨システム101を、厳密に診断推奨システムまたは介入推奨システムとすることができる。代替の態様では、診断/介入推奨システム101は、2つの別々のシステムを含むことができ、すなわち、第1のシステムは診断推奨システムであり、第2のシステムは介入推奨システムである。さらなる態様では、診断/介入推奨システム101は、3つ以上の別個のシステムを含むことができる。例えば、いくつかの態様では、診断/介入推奨システム101は、各々が特定の状態と関連付けられ、その状態と診断された対象者の介入推奨を決定するように構成された複数の別個の介入推奨システムを含むことができる。以下でさらに詳細に論じられるように、診断/介入推奨システム101の構成は、診断/介入推奨システム101を少なくとも部分的に含む診断/介入推奨モデルの構成に依存する。

同じ代替構成の態様は、診断/介入推奨モデル自体にも当てはまる。具体的には、特定の態様では、診断/介入推奨モデルは、対象者についての医療診断を推奨するとともに、対象者についての医療介入も推奨するように構成される。あるいは、いくつかの態様では、診断/介入推奨モデルは、厳密に診断推奨モデルまたは介入推奨モデルである。代替の態様では、診断/介入推奨モデルは、2つの別々のモデルを含み、すなわち、第1のモデルは診断推奨モデルであり、第2のモデルは介入推奨モデルである。さらなる態様では、診断/介入推奨モデルは、3つ以上の別個のモデルを含む。例えば、いくつかの態様では、診断/介入推奨モデルは、各々が特定の状態と関連付けられ、その状態と診断された対象者の介入推奨を決定するように構成された複数の別個の介入推奨モデルを含むことができる。以下でさらに詳細に論じられるように、診断/介入推奨モデルの構成は、診断/介入推奨モデルがどのように訓練されるかに依存する。したがって、診断/介入推奨システム101の構成もまた、診断/介入推奨モデルがどのように訓練されるかに依存する。

図1に示されるように、診断/介入推奨システム101は、電子健康記録（EHR）データ102およびバイオマーカデータ103の少なくとも一方の入力を受け取る。これらの入力は、診断/介入推奨104を生成および出力するために診断/介入推奨システム101によって処理される。診断/介入推奨システム101の出力は、診断/介入推奨システム101の構成に依存する。例えば、対象者についての医療診断を推奨するとともに、対象者についての医療介入も推奨するように構成される診断/介入推奨システムは、診断推奨と介入推奨の両方を出力するように構成される。別の例として、対象者についての医療診断を推奨するようにのみ構成される診断/介入推奨システムは、診断推奨を出力するようにのみ構成される。

診断/介入推奨システム101を、任意の医学的状態についての対象者の診断および/または介入を推奨するように構成することができる。上述のように、診断/介入推奨システム101の構成、およびしたがって診断/介入推奨システム101が診断および/または介入を推奨する医学的状態は、診断/介入推奨システム101を含む診断/介入推奨モデルがどのように訓練されるかに依存する。より具体的には、診断/介入推奨システム101は、特定の状態と関連付けられた訓練データサンプルを使用して診断/介入推奨システム101を含む診断/介入推奨モデルを訓練することによって、特定の状態に対する診断/介入推奨104を決定するように構成される。好ましい一態様では、診断/介入推奨システム101は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染および術後の状態（例えば、開心術後の状態）を含む急性の医学的状態に対する診断/介入推奨を決定するように構成される。しかしながら、診断/介入推奨システム101は、任意の状態に対する診断/介入推奨を決定するように構成することができる。

II.A. 診断/介入推奨システムの入力
診断/介入推奨システム101の入力を見ると、図1のシステム環境100の態様に示されるように、診断/介入推奨システム101は、EHRデータ102およびバイオマーカデータ103の少なくとも一方の入力を受け取る。これらの入力の各々については、以下のセクションII.A.1.およびセクションII.A.2.内で論じる。

以下の図1の説明および本開示の残りの部分では、EHRデータとバイオマーカデータの両方の診断/介入推奨システムへの入力を論じているが、いくつかの態様では、診断/介入推奨を決定するためにシステムにEHRデータとバイオマーカデータの両方は入力されない。具体的には、いくつかの態様では、診断/介入推奨システムを訓練および/または使用して診断/介入推奨を決定するために、EHRデータとバイオマーカデータの一方のみがシステムに入力される。例えば、EHRデータおよびバイオマーカデータのうちの1つまたは複数が、データの利用可能性および/または臨床応用に基づいて診断/介入推奨システムによって使用されてもよい。具体例として、診断/介入推奨システムは、迅速な対象者診断推奨を提供するにはEHRデータのみを使用し得るが、より少ない時間的制約で対象者介入推奨を提供するにはバイオマーカデータを使用し得る。代替の態様では、診断/介入推奨システムを含む診断/介入推奨モデルが、EHRデータとバイオマーカデータの両方を含むロバストな量および質の訓練データを使用して十分に訓練された後、診断/介入推奨システムは、対象者の診断/介入推奨を正確に決定するための入力としてEHRデータとバイオマーカデータの一方を必要としない場合もある。むしろ、診断/介入推奨システムを含む診断/介入推奨モデルがEHRデータとバイオマーカデータの両方を使用して十分に訓練されているいくつかの態様では、診断/介入推奨システムを、対象者のEHRデータとバイオマーカデータの一方のみに基づいて、対象者の診断/介入推奨を正確に出力するように構成することができる。さらなる態様では、EHRデータとバイオマーカデータの両方が任意の順序で同じ診断/介入推奨システムに連続して入力される。代替の態様では、EHRデータおよびバイオマーカデータは、別個の診断/介入推奨システムに連続して入力される。例えば、EHRデータが、対象者をスクリーニングするための機構として第1の診断/介入推奨システムに入力されてもよく、スクリーニング機構の結果に基づいて、選択された対象者のバイオマーカデータを第2の診断/介入推奨システムに入力することができる。EHRデータおよびバイオマーカデータを診断/介入推奨システムに入力するこれらの代替の態様は、簡略化および明確化のために本開示の残りの部分を通して参照されないが、本開示全体のすべての情報は、EHRデータおよびバイオマーカデータが診断/介入推奨システムに代替的に入力される態様にも同様に適用可能である。

II.A.1. 電子健康記録（EHR）データ
診断/介入推奨システム101に入力される電子健康記録（EHR）データ102は、電子的に記録された対象者についての医療情報および/または健康情報のセットを含む。EHRデータ102を、複数のコンピューティングシステム間で共有することができる。例えば、EHRデータ102を、ネットワークを介して複数のコンピューティングシステム間で伝送することができる。ネットワークを介したデータの伝送は、インターネットを介したデータの伝送、データの無線伝送、データの非無線伝送（例えば、イーサネットを介したデータの伝送）、および任意の他の形態のデータ伝送を含むことができる。

EHRデータ102は、対象者の任意の種類の医療データおよび/または健康データを含むことができ、任意の手段によって収集することができる。例えば、いくつかの態様では、EHRデータ102は、バイタルサイン（例えば、心拍数や血圧）、放射線画像（例えば、CTスキャン）、ゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、代謝データ、リピドームデータ、ならびに任意の他の種類の医療データおよび/または健康データを含むことができる。同様に、EHRデータ102は、臨床検査機器、消費者向け医療機器、インビトロ診断装置（IVD）、治療装置（例えば、輸液ポンプ）、ウェアラブルデバイスなどの監視装置、バイタルサインモニタ、放射線装置、研究専用装置、ならびに医療データおよび/または健康データ収集の任意の他の手段を使用して収集することができる。

以下で図6A～図6Eに関して論じられるように、EHRデータ102は、診断/介入推奨システム101に入力される前に、任意の場所で収集し、電子的に記録することができる。例えば、EHRデータ102は、患者ケアセンター（例えば、診療所、病院の救急科、病院の集中治療室、病院の病棟）、臨床検査室、研究室、消費者向け医療機器、治療装置（例えば、輸液ポンプ）、ウェアラブルデバイスなどの監視装置（例えば、心拍数モニタ）、および任意の他の場所で収集し、電子的に記録することができる。いくつかの態様では、EHRデータ102を、診断/介入推奨システム101も永続的または一時的に格納する一次システムにおいて電子的に記録することができる。そのような態様では、EHRデータ102を、一次システムにおいて診断/介入推奨システム101に直接入力することができる。代替の態様では、EHRデータ102を、診断/介入推奨システム101を永続的または一時的に格納する一次システムからリモートにある第三者システムにおいて電子的に記録することができる。そのような態様では、EHRデータ102を、診断/介入推奨システム101への入力として受け取られるように、リモートの第三者システムから一次システムにネットワークを介して送信することができる。

またEHRデータ102を、診断/介入推奨システム101によって、任意の私的EHRデータソース、公的EHRデータソース、および/または商業的EHRデータソースから取得することもできる。例えば、EHRデータ102は、EPIC（登録商標）、Cerner（登録商標）、Allscripts（登録商標）、MedMined（商標）、Beaker（登録商標）、Data Innovations（登録商標）、任意の代替の私的な医療および/または健康記録システムおよび/またはミドルウェアシステムなどの、患者ケアセンター記録システム、臨床検査室記録システム、研究室記録システムを含む、私的な医療および/または健康記録システムおよび/またはミドルウェアシステムから取得することができる。またEHRデータ102を、Multiparameter Intelligent Monitoring in Intensive Care（MIMIC）データセットを含むPhysioNetデータセット、Philips eICUデータセット、およびNational Heart,Lung,and Blood Institute Biospecimen and Data Repository Information Coordinating Center（BioLINCC）データセットなどの公開された医療記録データベースおよび科学出版物を含む、公開されているEHRデータソースおよび/または市販されているEHRデータソースから取得することもできる。

特定の態様では、診断/介入推奨システム101によって受け取られるEHRデータ102は、対象者のEHRデータセット全体を含む。しかしながら、代替の態様では、診断/介入推奨システム101によって受け取られるEHRデータ102は、対象者のために格納されたEHRデータの選択サブセットを含む。例えば、いくつかの態様では、診断/介入推奨システム101によって受け取られるEHRデータ102は、対象者の選択の種類のEHRデータを含む。例えば、EHRデータ102は、対象者の呼吸数のみを含んでいてもよい。同様に、いくつかの態様では、診断/介入推奨システム101によって受け取られるEHRデータ102は、指定された期間中に対象者について受け取られたEHRデータを含むことができる。例えば、いくつかの態様では、EHRデータ102は、24時間にわたって対象者について受け取られたデータのみを含んでいてもよい。

図6A～図6Eに関して以下でさらに詳細に論じられる特定の態様では、EHRデータ102を、複数の別個の第三者ソースから受け取ることができる。そのような態様では、EHRデータ102を、複数の別個のデータフォーマットで表すことができる。例えば、異なる対象者のEHRデータを、異なる構造内に編成することができる。一例として、いくつかの態様では、EHRデータを、区切られたフラットファイル、構造化文書（例えば、JSON形式の文書）、またはリレーショナルデータベースに編成することができる。さらに、これらの異なる構造内のEHRデータのラベリングも同様に異なり得る。例えば、第1の構造では、心拍数データが「HR」とラベル付けされてもよく、第2の異なる構造では、心拍数データが「心拍」とラベル付けされてもよく、さらに第3の異なる構造では、心拍数データがコードでラベル付けされてもよい。さらに、EHRデータを、異なる単位で格納することができる。例えば、温度を記述する第1のEHRデータセットが華氏単位で記録されてもよく、温度を記述する第2のEHRデータセットが摂氏単位で記録されてもよい。データをマージして単一のデータセットを形成することができ、診断/介入推奨モデルに入力することができるように、これらの別個のデータフォーマットのすべてを互いに互換性のあるものにするために、別個のデータフォーマットを共通データフォーマットに変換することができる。いくつかの態様では、別個のデータフォーマットを、例えばOMOP共通データモデルなどの公開されているデータ変換モデルを使用して共通データフォーマットに変換することができる。

特定の態様では、EHRデータ102を診断/介入推奨システム101を含む診断/介入推奨モデルに入力する前に、EHRデータ102を組み合わせて新しいEHRデータ102を作成することができる。例えば、EHRデータ102を使用して、経時的なデータ傾向を記述する新しいEHRデータ102を作成することができる。別の例として、EHRデータ102を使用して、異なるEHRデータ変数間の比率または差を含む新しいEHRデータ102を作成することができる。そのような態様では、この新しいEHRデータ102の組み合わせをモデルに入力することができる。

さらなる態様では、診断/介入推奨システム101を含む診断/介入推奨モデルにEHRデータ102を入力する前に、EHRデータ102が符号化される。具体的には、いくつかの態様では、EHRデータ102は、診断/介入推奨システム101に入力される前に符号化される。代替の態様では、診断/介入推奨システム101は符号化モジュールを含み、EHRデータ102は、診断/介入推奨システム101への入力後、ただし診断/介入推奨システム101の診断/介入推奨モデルへの入力前に符号化モジュールによって符号化される。一例として、60拍/分の心拍数を記述するEHRデータを、［111100］としてビット配列で符号化することができる。別の例として、EHRデータ102を、K平均クラスタリングを介して符号化することができる。K平均クラスタリングは、対象者EHRデータを匿名化するとともに、データドリフトの影響を防ぐ役割を果たすことができる。例えば、対象者体重の平均値および中央値を記述するEHRデータ102が着実に増加している場合、EHRデータは連続的にK平均クラスタリングを受けることができ、識別された各クラスタに数値的インデックスを割り当てることができる。その場合、実際の対象者体重値は、数値的インデックスと関連付けられ、時間および地勢とともに変動し得る。診断/介入推奨システム101の診断/介入推奨モデルへの入力前にEHRデータ102を符号化する代替方法が使用されてもよい。

II.A.2. バイオマーカデータ
診断/介入推奨システム101に入力されるバイオマーカデータ103は、対象者からの試料中の1つまたは複数の測定可能な物質の有無を記述するデータを含む。

バイオマーカデータ103は、対象者からの任意の試料からの任意の測定可能な物質を含むことができ、任意の手段によって決定することができる。好ましい一態様では、バイオマーカデータ103を決定するために使用される対象者からの試料は、血液試料、尿、便、気管支洗浄液、組織、粘液、または他の身体試料のうちの少なくとも1つを含む。いくつかの態様では、バイオマーカデータ103を決定するために使用される対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数によって採取される。例えば、対象者からの試料は、Vacutainer（登録商標）チューブやPAXgene（登録商標）チューブを使用して採取することができる。しかしながら、代替の態様では、対象者からの試料は、任意の代替の試料を含むことができ、任意の他の手段によって採取することができる。

同様に、好ましい一態様では、バイオマーカデータ103は、ゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、代謝データ、およびリピドームデータのうちの少なくとも1つを含むことができる。さらなる態様では、バイオマーカデータ103は、指定された遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含むことができる。そのような態様では、バイオマーカデータ103は、指定された遺伝子パネルにおける複数の遺伝子の各々から転写されたRNAの発現、および指定された遺伝子パネルにおける複数の遺伝子の各々から翻訳されたタンパク質の発現の少なくとも一方の定量化を含むことができる。代替の態様では、バイオマーカデータ103は、対象者からの試料中の任意の他の測定可能な物質の有無を記述するデータを含むことができる。

バイオマーカデータ103は、臨床検査機器、インビトロ診断装置（IVD）、研究専用装置、およびバイオマーカデータの決定または収集の任意の他の手段を使用して、対象者の試料から決定することができる。バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がゲノムデータを含む態様では、バイオマーカデータ103を、エクソームおよび/または全ゲノムヌクレオチド配列決定によって対象者の試料から決定することができる。バイオマーカデータ103がトランスクリプトームデータを含む態様では、バイオマーカデータ103を、マイクロアレイ、RNA配列決定、および/またはRT-qPCRによって対象者の試料から決定することができる。

以下で図6A～図6Eに関して論じられるように、EHRデータ102と同様に、診断/介入推奨システム101に入力される前に、バイオマーカデータ103を決定するために使用される対象者からの試料を任意の場所で採取することができ、任意の場所で採取された試料を使用してバイオマーカデータ103を決定することができる。例えば、対象者からの試料は、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で採取することができる。同様に、バイオマーカデータ103も、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で採取された試料を使用して決定することができる。特定の態様では、対象者のバイオマーカデータ103は、対象者からの試料が採取されたのと同じ場所で決定される。例えば、バイオマーカデータ103を、対象者が試料を提供した患者ケアセンターにおいてオンサイトで対象者からの試料から取得することができる。代替の態様では、対象者のバイオマーカデータ103を、対象者からの試料が採取されたのと異なる場所で決定することができる。例えば、バイオマーカデータ03を、対象者が試料を提供した患者ケアセンターからオフサイトで対象者からの試料から取得することができる。

やはりEHRデータ102と同様に、特定の態様では、バイオマーカデータ103を、診断/介入推奨システム101も永続的または一時的に格納する一次システムにおいて対象者の試料を使用して決定することができる。そのような態様では、バイオマーカデータ103を、一次システムにおいて診断/介入推奨システム101に直接入力することができる。代替の態様では、バイオマーカデータ103を、診断/介入推奨システム101を永続的または一時的に格納する一次システムからリモートにある第三者システムにおいて決定することができる。そのような態様では、バイオマーカデータ103を、診断/介入推奨システム101への入力として受け取られるように、リモートの第三者システムから一次システムにネットワークを介して送信することができる。ネットワークを介したデータの伝送は、インターネットを介したデータの伝送、データの無線伝送、データの非無線伝送（例えば、イーサネットを介したデータの伝送）、および任意の他の形態のデータ伝送を含むことができる。バイオマーカデータのネットワーク伝送が行われる例を、図2に関して以下に示し、説明する。

またバイオマーカデータ103を、診断/介入推奨システム101によって、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。例えば、バイオマーカデータ103は、患者ケアセンター記録システム、臨床検査室記録システム、研究室記録システム、病院記録システム、研究所記録システム、および/または民間企業記録システムを含む私的な医療記録システムから取得することができる。またバイオマーカデータ103を、National Center for Biotechnology Information Gene Expression Omnibus（GEO）Database Repository Of High Throughput Gene Expression Data、European Molecular Biology Laboratory-European Bioinformatics Institute（EMBL-EBI）ArrayExpress Archive of Functional Genomics Data、Inflammation And The Host Response To Injury Glue Grant Datasets、National Heart,Lung,And Blood Institute Biospecimen And Data Repository Information Coordinating Center（BioLINCC）Datasets、および任意の他のデータシステムまたはリポジトリなどの公開された医療記録、バイオリポジトリデータベース、および/または科学出版物を含む、任意の公開されているソースおよび/または市販のソースから取得することもできる。

図6A～図6Eに関して以下でさらに詳細に論じられる特定の態様では、バイオマーカデータ103を、複数の別個の第三者ソースから受け取ることができる。そのような態様では、バイオマーカデータ103を、複数の別個のデータフォーマットで表すことができる。例えば、異なる対象者のバイオマーカデータを、異なる構造内に編成することができる。一例として、いくつかの態様では、バイオマーカデータを、区切られたフラットファイル、構造化文書（例えば、JSON形式の文書）、またはリレーショナルデータベースに編成することができる。さらに、これらの異なる構造内のバイオマーカデータのラベリングも同様に異なり得る。例えば、第1の構造では、遺伝子Aの遺伝子発現データが「遺伝子A」とラベル付けされてもよく、第2の異なる構造では、遺伝子Aの遺伝子発現データが単に「A」とラベル付けされてもよい。さらに、バイオマーカデータを、異なる単位で格納することができる。データをマージして単一のデータセットを形成することができ、診断/介入推奨モデルに入力することができるように、これらの別個のデータフォーマットのすべてを互いに互換性のあるものにするために、別個のデータフォーマットを共通データフォーマットに変換することができる。いくつかの態様では、別個のデータフォーマットを、例えばOMOP共通データモデルなどの公開されているデータ変換モデルを使用して共通データフォーマットに変換することができる。

いくつかの態様では、診断/介入推奨システム101を含む診断/介入推奨モデルにバイオマーカデータ103を入力する前に、バイオマーカデータ103を修正して新しいバイオマーカデータ103を作成することができる。例えば、バイオマーカデータ103を、モデルに入力される前に特定の分布に従うように正規化することができる。

さらなる態様では、診断/介入推奨システム101を含む診断/介入推奨モデルにバイオマーカデータ103を入力する前に、バイオマーカデータ103が符号化される。具体的には、いくつかの態様では、バイオマーカデータ103は、診断/介入推奨システム101に入力される前に符号化される。代替の態様では、診断/介入推奨システム101は符号化モジュールを含み、バイオマーカデータ103は、診断/介入推奨システム101への入力後、ただし診断/介入推奨システム101の診断/介入推奨モデルへの入力前に符号化モジュールによって符号化される。一例として、対象者からの血液試料中の特定のタンパク質の存在を記述するバイオマーカデータを、「1」のビットによって符号化することができる。別の例として、バイオマーカデータ103を、上記セクションII.A.1.で説明されたようにK平均クラスタリングを介して符号化することができる。診断/介入推奨システム101の診断/介入推奨モデルへの入力前にバイオマーカデータ103を符号化する代替方法が使用されてもよい。

対象者のバイオマーカデータ103がインビトロ診断装置（IVD）を使用して対象者の試料から決定される特定の態様では、バイオマーカデータ103を、診断/介入推奨システム101によってIVDから直接自動的に受け取ることができる。そのような態様が図2に示されている。図2は、一態様による、インビトロ診断装置203から直接自動的に受け取られるバイオマーカデータ202を使用して対象者の医療診断推奨および対象者についての医療介入推奨のうちの少なくとも1つを決定するように構成された診断/介入推奨システム201のためのシステム環境200のブロック図である。

図2に示されるように、対象者204は、試料205をIVD203に提供し、IVD203は、試料205を処理して対象者204のバイオマーカデータ202を決定する。次いで、このバイオマーカデータは、診断/介入推奨システム201に直接自動的に提供され、そこで対象者204の診断推奨および介入推奨の少なくとも一方を決定するために使用される。特定の態様では、バイオマーカデータ202を、未処理データとして診断/介入推奨システム201に直接提供することができる。

図2に示される環境200の態様では、バイオマーカデータ202は、ネットワーク206を介してIVD203から診断/介入推奨システム201に送信される。しかしながら、代替の態様では、任意の代替手段を介してバイオマーカデータ202を診断/介入推奨システム201に提供することができる。例えば、いくつかの代替の態様では、IVD203がバイオマーカデータ202を、有線接続を介して診断/介入推奨システム201に直接提供することができるように、IVD203を、有線接続を介して診断/介入推奨システム201を格納する一次システムに接続することができる。

II.B. 診断/介入推奨システムの出力
図1に戻って、診断/介入推奨システム101の出力を見ると、診断/介入推奨システム101は、入力に基づいて診断/介入推奨システム101によって決定された診断/介入推奨104を出力する。

診断/介入推奨システム101によって出力される診断推奨は、対象者の医学的状態の推奨を含む。いくつかの態様では、診断/介入推奨システム101によって出力される診断推奨は、推奨される診断が正確である尤度も含むことができる。

診断/介入推奨システム101によって出力される介入推奨は、対象者に対する医療介入の推奨を含む。介入推奨は、医薬的介入推奨および/または非医薬的介入推奨とすることができる。診断/介入推奨システム101によって出力される介入推奨が医薬的介入推奨である態様では、介入推奨は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始指示、監視、および停止指示のうちの少なくとも1つを含むことができる。診断/介入推奨システム101によって出力され得る非医薬的介入推奨の一例は、人工呼吸器の圧力調整である。別の例として、非医薬的介入推奨は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集であってもよい。いくつかの態様では、介入推奨は、特定の介入を行わないことの推奨を含むことができる。例えば、介入推奨は、コルチコステロイドを投与しないことの推奨を含むことができる。さらなる態様では、介入推奨を提供することは、例えば、診断/介入システム101が介入推奨を提供するのに十分なデータを欠く場合に、または対象者に介入が推奨されない場合に、介入推奨を提供しないことを含むことができる。

簡単に上述されたように、診断/介入推奨システム101は、任意の医学的状態に対する診断推奨および/または任意の医学的状態を有する対象者に対する医療介入推奨を出力することができる。しかしながら、診断/介入推奨システム101の具体的な出力は、診断/介入推奨システム101の構成に依存し、この構成は、診断/介入推奨システム101を訓練するために使用される訓練データのセットに依存する。例えば、対象者における医学的状態を診断するように訓練された診断/介入推奨システムは、医療診断推奨を出力するが、介入推奨は出力しない。

診断/介入推奨104は、診断/介入推奨システム101によって決定され、よって、診断/介入推奨システム101が診断/介入推奨104を決定する場所において診断/介入推奨システム101によって出力される。図6A～図6Eに関して以下で詳細に論じられるように、診断/介入推奨システム101は、入力のうちの1つまたは複数が診断/介入推奨システム101に格納され、かつ/または入力されるシステムにおいて診断/介入推奨104を決定および出力することができる。あるいは、診断/介入推奨システム101は、入力のうちの1つまたは複数が診断/介入推奨システム101に格納され、かつ/または入力されるシステムからリモートにあるシステムにおいて診断/介入推奨104を決定および出力することもできる。

診断/介入推奨システム101によって出力された診断/介入推奨104は、任意の形態で提供することができる。いくつかの態様では、診断/介入推奨104が表示される（例えば、デジタル表示される）。さらなる態様では、診断/介入推奨104を、自動的電子的に格納し、ネットワークを介して遠隔システムに自動的に送信し、かつ/または任意の他の方法によって返すことができる。ネットワークを介した診断/介入推奨104の送信は、インターネットを介した、無線伝送を介した、非無線伝送を介した（例えば、イーサネットを介した）、または任意の他の形式の伝送を介した診断/介入推奨104の送信を含むことができる。診断/介入推奨104が介入推奨を少なくとも部分的に含む態様では、診断/介入推奨104は、推奨される介入を行うための指示を含むことができる。診断/介入推奨104が介入推奨を少なくとも部分的に含むさらなる態様では、診断/介入推奨104は、推奨される介入の自動実行を含むことができる。

前述のように、好ましい一態様では、診断/介入推奨システム101は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群（ARDS）、急性腎不全、急性腎傷害（AKI）、外傷、熱傷、COVID19、肺炎、ウイルス感染、および開心術を含む術後の状態を含む急性の医学的状態の診断/介入推奨104を決定するように構成される。診断/介入推奨システム101が敗血症と診断された対象者の介入推奨を決定するように構成されるいくつかの特定の態様では、診断/介入推奨システム101によって出力される介入推奨は、昇圧剤（例えば、バソプレシンやノルエピネフリン）、輸液（例えば、積極的、制限的晶質液、バランス溶液）、抗生物質療法、コルチコステロイド（例えば、ヒドロコルチゾン）、チアミンやアスコルビン酸などのビタミン（例えば、ビタミンB1やビタミンC）、免疫グロブリン、免疫賦活療法（例えば、顆粒球マクロファージコロニー刺激因子、インターフェロンガンマ、インターロイキン7、抗プログラム細胞死タンパク質1、サイモシンアルファI、GM-CSF）、トロンボモジュリン、Xigris（登録商標）、人工呼吸器設定の調整、腎代替療法設定の調整、体外除去（例えば、血液ろ過）設定の調整、および/または任意の他の医薬的もしくは非医薬的介入の施用を含むことができる。同様に、診断/介入推奨システム101がARDSと診断された対象者の介入推奨を決定するように構成される態様では、診断/介入推奨システム101によって出力される介入推奨は、輸液（例えば、積極的、制限的晶質液、バランス溶液）、神経筋遮断薬、吸入一酸化窒素、コルチコステロイド（例えば、ヒドロコルチゾン）、スタチン（例えば、シンバスタチン）、界面活性剤補充、好中球エラスターゼ阻害療法、抗凝固療法、非ステロイド系抗炎症薬（例えば、ケトコナゾールやリソフィリン）、アルブテロール、酸化防止剤（例えば、プロシステイン［l-2-オキソチアゾリジン-4-カルボン酸］）、人工呼吸器設定の調整、腎代替療法設定の調整、体外式膜型人工肺（ECMO）設定の調整、および/または任意の他の医薬的もしくは非医薬的介入の施用を含むことができる。診断/介入推奨システム101がAKIと診断された対象者の診断を推奨するように構成される態様では、診断/介入推奨システム101によって出力される診断推奨は、病因の特定（例えば、腎前性AKIまたは腎性AKI）を含むことができる。診断/介入推奨システム101がAKIと診断された対象者の介入推奨を決定するように構成される態様では、診断/介入推奨システム101によって出力される介入推奨は、昇圧剤（例えば、バソプレシンや、ノルエピネフリンや、アンジオテンシンII）、アルカリホスファターゼ、チアミン、スタチン（例えば、シンバスタチン）、N-アセチルシステイン、エリスロポエチン、ステロイド、レルテシモド、L-カルニチン、吸着フィルタ、輸液（例えば、積極的、制限的晶質液、バランス溶液）、人工呼吸器設定の調整、腎代替療法設定の調整、体外式膜型人工肺（ECMO）設定の調整、および/または任意の他の医薬的もしくは非医薬的介入の施用を含むことができる。

図7A～図7Bに関して以下で詳細に論じられるさらなる態様では、診断/介入推奨システム101を、診断/介入推奨104を出力することに加えて、医学的状態に対する特定の医療介入の指標を裏付ける根拠を提供するデータセットを生成するように構成することもできる。このデータセットは、例えば、状態および指標に対する介入の規制当局の承認を迅速化する際に使用することができる。そのような態様については図7A～図7Bに関して以下でさらに詳細に論じる。

II.C. 診断/介入推奨システムのアーキテクチャ
次に図3を見ると、図3は、一態様による、対象者の医療診断推奨、対象者のコホート/ランダム化指定、および対象者についての医療介入推奨のうちの少なくとも1つを決定するように構成された診断/介入推奨システム300のアーキテクチャのブロック図である。診断/介入推奨システム300は、訓練モジュール301と、データストア302と、データ管理モジュール303と、診断/介入推奨モデル304とを含む。診断/介入推奨モデル304は、関数305とパラメータのセット306とをさらに含む。他の態様では、診断/介入推奨システム300は、様々な用途のための追加の構成要素、より少ない構成要素、または異なる構成要素を含んでいてもよい。同様に、関数を、ここで説明されるのとは異なる方法でモジュール間で分散させることもできる。ネットワークインターフェース、セキュリティ機能、ロードバランサ、フェイルオーバサーバ、管理およびネットワーク操作コンソールなどといった従来の構成要素は、システムアーキテクチャの詳細を不明瞭にしないように図示されていない。

II.C.1. 訓練モジュール
訓練モジュール301は、訓練データセットに基づいて診断/介入推奨モデル304を構築する。一般に、診断/介入推奨モデル304は、関数305と、複数のパラメータ306とを含む。関数305は、訓練データセット内の独立変数（例えば、EHRデータやバイオマーカデータ）と従属変数（例えば、診断/介入推奨）との間の関係を取り込む。パラメータ306は、関数305を修飾変更し、訓練データセットに基づいて診断/介入推奨モデル304の訓練中に識別される。

訓練データセットを使用した診断/介入推奨モデル304の構築（例えば、パラメータ306の識別）は、診断/介入推奨モデル304の種類に基づくものである。以下のセクションII.C.4.でさらに詳細に論じられるように、診断/介入推奨モデル304は、モデルを含むパラメータ306が訓練データセットに基づいてコンピュータによってそのために学習される任意のモデルとすることができる。パラメータ306がコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータ306が訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、診断/介入推奨モデル304を、離散的にプログラムされたモデル（例えば、一般化線形モデル、勾配ブースティング分類器、ニューラルネットワーク、サポートベクターマシン、または識別因子モデル）とすることができる。代替の態様では、診断/介入推奨モデル304を、教師なし学習（例えば、潜在クラス分析、K平均クラスタリング、主成分分析、または教師なしニューラルネットワーク）を介して学習することができる。さらなる態様では、診断/介入推奨モデル304を、教師あり学習を介して学習することができる。例えば、診断/介入推奨モデル304は、分類器、回帰モデル、または教師ありニューラルネットワークとすることができる。

診断/介入推奨モデル304を構築するために使用される訓練データセットは、診断/介入推奨モデル304の種類に依存する。以下のセクションII.C.2.でさらに詳細に論じられるように、一般に、モデルの種類ごとに、訓練データセットは複数の訓練サンプルを含む。訓練データセットからの各訓練サンプルiは、既往の対象者と関連付けられており、既往の対象者のEHRデータおよびバイオマーカデータを含む。既往の対象者は、少なくともそのEHRデータおよび/またはバイオマーカデータが知られている対象者である。

診断/介入推奨モデル304を構築するために、訓練データセットからの各訓練サンプルiが診断/介入推奨モデル304に入力される。診断/介入推奨モデル304は、モデルが診断/介入推奨を生成するために日常的に使用されているかのようにこれらの入力を処理する。しかしながら、診断/介入推奨モデル304の種類によっては、訓練データセットの各訓練サンプルiは、追加の構成要素を含んでいてもよい。

教師なし学習
診断/介入推奨モデル304が教師なし学習を介して学習される態様では、モデルは、既往の対象者の医学的転帰などの追加の構成要素なしで、上述の基本訓練データセットに基づいて訓練される。例えば、診断/介入推奨モデル304がK平均クラスタリングを介して構築される態様では、各クラスタ内の訓練サンプル間の差を最小化するとともに、クラスタ間の訓練サンプル間の差を最大化するクラスタの最適な数および構成が決定される。具体的には、K平均クラスタリングを使用して診断/介入推奨モデル304を訓練する際に、診断/介入推奨モデル304の変数空間内の各クラスタの重心を定義するパラメータθが学習される。まとめると、これらのパラメータθはパラメータ306を含み、関数305を数学的に修飾して、独立変数（例えば、EHRデータやバイオマーカデータ）と従属変数（例えば、診断/介入推奨）との間の依存関係を指定する。各クラスタの臨床的意義は、クラスタへの入力の割り当てに影響を及ぼす診断/介入推奨モデル304への入力を調べることによって決定することができる。

教師あり学習
対照的に、診断/介入推奨モデル304が教師あり学習を介して学習される態様では、訓練データセットからの各訓練サンプルiは、訓練サンプルと関連付けられた既往の対象者の後ろ向き診断/介入、ならびに医療診断/介入の受け取り後の既往の対象者の既知の後ろ向き医学的転帰をさらに含む。具体的には、診断/介入推奨モデル304が、対象者の診断推奨を決定するように構成される態様では、既往の対象者の後ろ向き医療診断、ならびに医療診断の受け取り後の既往の対象者の既知の後ろ向き医学的転帰が、各訓練サンプルiに含まれ、訓練中にモデルにも入力される。同様に、診断/介入推奨モデル304が、対象者の介入推奨を決定するように構成される態様でも、既往の対象者に提供される後ろ向き医療介入、ならびに医療介入の受け取り後の既往の対象者の既知の後ろ向き医学的転帰が、各訓練サンプルiに含まれ、訓練中にモデルにも入力される。言い換えれば、診断/介入推奨モデル304が教師あり学習を介して学習される態様では、モデルは、訓練データセットと関連付けられた既往の対象者の既知の医学的転帰に部分的に基づいて訓練される。

以下でさらに詳細に論じられるように、訓練中にモデルに入力される既往の対象者の後ろ向き医学的転帰は、任意の1つまたは複数の医学的転帰とすることができ、診断/介入推奨モデル304が最適化しようとする対象者の医学的転帰に基づいて選択することができる。例えば、医学的転帰は、対象者が人工呼吸器の使用を必要とする日数、対象者の死亡率、および/または任意の他の対象者の医学的転帰メトリックを含むことができる。さらなる対象者の医学的転帰については、セクションVIII.Aに関して以下で詳細に論じ、定義する。別の例として、モデルを訓練するために使用される後ろ向き医学的転帰を、複数の後ろ向き医学的転帰の重み付きの組み合わせとすることができる。

診断/介入推奨モデル304を、対象者の医学的転帰を最適化するように訓練することに加えて、いくつかの態様では、診断/介入推奨モデル304を、他の性能メトリックを最適化するように訓練することができる。例えば、診断/介入推奨モデル304が診断推奨モデルを少なくとも部分的に含む態様では、診断/介入推奨モデル304を、例えば、診断推奨の感度や特異度などの基本的な予測診断メトリックを最適化するように訓練することもできる。さらに、診断/介入推奨モデル304を、基本的な予測診断メトリックおよび/または対象者の医学的転帰を含む、性能メトリックの任意の重み付きの組み合わせについて最適化するように訓練することができる。以下のセクションVIII.A.で、モデル訓練中に最適化することができる基本的な予測診断メトリックを論じ、定義する。

後ろ向き医学的転帰を使用する診断/介入推奨モデル304の訓練に戻って、訓練データセット内の訓練サンプルiを使用して診断/介入推奨モデル304を反復するたびに、モデルによって出力された診断/介入推奨と既往の対象者の後ろ向き診断/介入との間の差が、既往の対象者の後ろ向き医学的転帰を考慮して決定される。具体的には、診断/介入推奨モデル304が、対象者の診断推奨を決定するように構成される態様では、モデルは、後ろ向き診断後の既往の対象者の後ろ向き医学的転帰を考慮して、モデルによって出力された診断推奨と後ろ向き診断との間の差を決定する。同様に、診断/介入推奨モデル304が、対象者の介入推奨を決定するように構成される態様でも、モデルは、後ろ向き介入後の既往の対象者の後ろ向き医学的転帰を考慮して、モデルによって出力された介入推奨と後ろ向き介入との間の差を決定する。

次いで、診断/介入推奨モデル304は、モデルによって出力された診断/介入推奨と後ろ向き診断/介入との間のこの差を調整することによって、後ろ向き医学的転帰の改善を最大化しようとする。具体的には、診断/介入推奨モデル304が対象者の診断推奨を決定するように構成される態様では、モデルは、モデルによって出力された診断推奨と後ろ向き診断との間の差を調整することによって、後ろ向き医学的転帰の改善を最大化しようとする。前述のように、診断/介入推奨モデル304が、対象者の診断推奨を決定するように構成される態様では、モデルは同様に、または代替として、モデルによって出力された診断推奨と後ろ向き診断との間の差を調整することによって、1つまたは複数の基本的な予測診断メトリックの改善を最大化することもできる。同様に、診断/介入推奨モデル304が、対象者の介入推奨を決定するように構成される態様でも、モデルは、モデルによって出力された介入推奨と後ろ向き介入との間の差を調整することによって、後ろ向き医学的転帰の改善を最大化しようとする。

この差を調整するために、診断/介入推奨モデル304は、診断/介入推奨モデル304の損失関数を最小化または最小化することができる。損失関数l（u_i∈S,y_i∈S;θ）は、訓練データS内の1つまたは複数の訓練サンプルiの従属変数u_i∈S（例えば、既知の後ろ向き診断/介入）の値と、診断/介入推奨モデル304によって生成された訓練サンプルiの従属変数y_i∈S（例えば、予測診断/介入推奨）の値との間の不一致を表す。簡単に言えば、損失関数は、診断/介入推奨モデル304によって出力された診断/介入推奨と訓練データセット内の既知の後ろ向き診断/介入との間の差を表す。当業者に公知の複数の損失関数があり、これらの損失関数のいずれかを診断/介入推奨モデル304の生成に利用することができる。

θに関して損失関数を最小化または最大化することによって、パラメータのセットθの値を決定することができる。いくつかの態様では、診断/介入推奨モデル304は、パラメータのセットθが、パラメータ306を含み、独立変数（例えば、EHRデータやバイオマーカデータ）と従属変数（例えば、診断/介入推奨）との間の依存関係を指定するように関数305を数学的に修飾するパラメトリックモデルとすることができる。言い換えれば、損失関数を最小化または最大化することによって決定されるパラメータのセットθは、パラメータのセット306を含むことができ、診断/介入推奨モデル304がその診断/介入推奨を決定するために使用される対象者の医学的転帰が最適化されるように、診断/介入推奨モデル304の関数305を修飾するために使用することができる。いくつかの態様では、基本的な予測診断メトリックも同様に、または代替的に最適化することができる。典型的には、損失関数を最小化または最大化するパラメータ型モデルのパラメータは、バッチ勾配アルゴリズム、確率的勾配アルゴリズムなどといった勾配ベースの数値最適化アルゴリズムによって決定される。あるいは、診断/介入推奨モデル304は、モデル構造が訓練データセットから決定され、厳密には固定されたパラメータのセットに基づかないノンパラメトリックモデルであってもよい。

診断/介入推奨モデルの関数およびパラメータ
診断/介入推奨モデル304がパラメトリックモデルを含む態様では、モデルを、一般に、

と表すことができ、
式中、yは、診断/介入推奨モデル304によって決定された診断/介入推奨を表し、x^kは、独立変数（例えば、x¹＝EHRデータやx²＝バイオマーカデータ）を表し、θは、パラメータのセット306を表し、f（・）は、関数305である。

いくつかの態様では、診断/介入推奨モデル304は、2つ以上の関数を含む。そのような態様では、モデルを、

と表すことができ、
式中、インジケータ「＊」は、2つの関数f₁およびf₂が組み合わされてy、すなわち診断/介入推奨を決定するような任意の数学演算（例えば、加算、乗算など）を表す。

いくつかの態様では、診断/介入推奨モデル304は、第1の関数の出力が第2の関数への入力として機能する2つ以上の関数を含む。そのような態様では、モデルを、

と表すことができ、
式中、fは、第1の関数であり、fの出力は、第2の関数gへの入力として機能する。

いくつかの態様では、診断/介入推奨モデル304は、その出力が1つまたは複数の関数への入力として機能する複数の関数を含む。そのような態様では、モデルを、

と表すことができ、
式中、f₁およびf₂は、その出力がy、すなわち、診断/介入推奨を出力する追加の関数gへの入力として機能する複数の関数である。

x^kが複数の異なる独立変数（例えば、x¹やx²）を表す特定の態様では、複数の独立変数を関数f（・）に入力する前に組み合わせることができる。例えば、EHRデータおよびバイオマーカデータの独立変数を、関数f（・）に入力する前に組み合わせて新しい独立変数を作成することができる。例えば、血中クレアチンレベルの形態の対象者のバイオマーカデータを、尿排出量の形態の対象者のEHRデータと組み合わせて、対象者の腎機能を記述する新しい独立変数を作成することができる。別の例として、心拍数の形態の対象者のEHRデータを収縮期血圧の形態の追加の対象者EHRデータで除算して、対象者のショック指数を記述する新しい独立変数を作成することができる。さらに別の例として、3つの異なる遺伝子の発現レベルの形態の対象者のバイオマーカデータが、対象者の平均遺伝子発現レベルを記述する新しい独立変数を作成するために平均されてもよい。x^kが複数の異なる独立変数（例えば、x¹およびx²）を表す代替の態様では、異なる独立変数は、関数f（・）に入力されるときに互いに別々で異なったままである。

関数f（・）は、任意の関数とすることができ、ハイパーパラメータの任意の組み合わせを含むことができる。例えば、いくつかの態様では、関数f（・）を、x^k内の各独立変数をパラメータのセット306内の対応するパラメータと線形結合する

によって与えられるアフィン関数とすることができる。

別の例として、いくつかの態様では、関数f（・）を、

によって与えられるネットワーク関数とすることができ、
式中、NN（・）は、ネットワークモデルである。一般に、ネットワークモデルNN（・）は、人工ニューラルネットワーク（ANN）、畳み込みニューラルネットワーク（CNN）、ディープニューラルネットワーク（DNN）などのフィードフォワードネットワーク、および/または長・短期記憶ネットワーク（LSTM）、双方向リカレントネットワーク、ディープ双方向リカレントネットワークなどといったリカレントネットワークとすることができる。ネットワークモデルNN（・）は、ハイパーパラメータの任意の組み合わせによって定義することができる。例えば、リカレントネットワークでは、ネットワークは、層ごとに任意の数のノードを有する任意の数の隠れ層を含むことができ、各層は、マスキング層、長・短期記憶（LSTM）層、ゲート付き回帰ユニット（GRU）層、および高密度化層を含むがこれらに限定されない任意の層タイプを含むことができる。さらに、モデルの学習率は、任意の率を含むことができる。例示的なネットワークモデルNN（・）については、図4に関して以下で詳細に論じる。

さらなる態様では、関数f（・）は、ランダムフォレストや勾配ブースティング分類器などの決定木のアンサンブルとすることができる。そのような態様では、任意の数の決定木がモデルに組み込まれてもよく、各決定木は任意の最大深度を有し得る。さらに、モデルの学習率は、任意の率を含むことができる。

代替の態様では、診断/介入推奨モデル304は、独立変数x^kごとに別個の関数305および別個のパラメータのセット306を含む。例えば、独立変数がEHRデータx¹およびバイオマーカデータx²を含む態様では、各独立変数EHRデータx¹およびバイオマーカデータx²に対してそれぞれ、別々のパラメータのセットθ¹およびパラメータθ²を決定することができる。例えば、診断/介入推奨モデル304が教師あり学習を介して学習される態様では、上述のように、パラメータのセットθ¹の値を、θ¹に関する損失関数を最小化または最大化することによって決定することができ、パラメータのセットθ²の値を、θ²に関する損失関数を最小化または最大化することによって決定することができる。パラメータのセットθ¹は、次いで、第1の関数f（x¹;θ¹）を修飾するために使用され、パラメータのセットθ²は、第2の関数f（x²;θ²）を修飾するために使用される。いくつかの態様では、別個のパラメータのセットによって修飾されるこれらの別個の関数は、互いに別々のままであり、実質的に別々のEHRモデルおよびバイオマーカモデルを含むことができる。あるいは、いくつかの態様では、別個のパラメータのセットによって修飾されたこれらの別個の関数を組み合わせて、単一の診断/介入推奨モデルを生成することもできる。そのような態様では、単一の診断/介入推奨モデル304を、

と表すことができ、
式中、yは、診断/介入推奨モデル304によって決定された診断/介入推奨を表し、x¹は、第1の独立変数（例えば、EHRデータ）であり、x²は、第2の独立変数（例えば、バイオマーカデータ）であり、θ¹は、第1のパラメータのセット306を表し、θ²は、第2のパラメータのセット306を表し、f（・）は、関数305である。

式1に関して上述されたように、関数f（・）は、任意の関数とすることができる。例えば、いくつかの態様では、関数f（・）は、式2に示されるアフィン関数とすることができ、式中、x^kは、x¹またはx²になる。あるいは、関数f（・）は、式3に示されるネットワーク関数とすることができ、式中、x^kは、x¹またはx²になる。さらなる態様では、関数f（・）は、ランダムフォレストや勾配ブースティング分類器などの決定木のアンサンブルとすることができる。さらに、式4に示されるf（・）関数は、同じ関数である必要はない。例えば、式4のf（・）関数の一方はアフィン関数とすることができ、式4の他方のf（・）関数はネットワーク関数である。

いくつかの態様では、診断/介入推奨モデル304の訓練中に、1つまたは複数の訓練サンプルiが、指定された時間間隔で診断/介入推奨システム300によって自動的に受け取られ、複数のパラメータ306は、診断/介入推奨モデル304が指定された時間間隔で自動的に更新されるように、指定された時間間隔で受け取られた訓練サンプルiを使用して自動的に識別される。代替の態様では、診断/介入推奨モデル304の訓練中に、1つまたは複数の訓練サンプルiが、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで診断/介入推奨システム300によって自動的に受け取られ、複数のパラメータ306は、診断/介入推奨モデル304がリアルタイムで自動的に更新されるように、受け取られた訓練サンプルiを使用してリアルタイムで自動的に識別される。

診断/介入推奨モデル304が閾値レベルの予測の正確度を達成したとき（例えば、その診断/介入推奨がモデルによって決定される対象者の医学的転帰が十分に最適化されたとき、および/またはモードによって決定される診断推奨の基本的な予測診断メトリックが十分に最適化されたとき）モデルは使用できる状態である。診断/介入推奨モデル304が使用に十分な閾値レベルの予測の正確度を達成したときを判断するために、診断/介入推奨モデル304の検証を行うことができる。診断/介入推奨モデル304の検証については、図5Cに関して以下でさらに詳細に論じる。

診断/介入推奨モデル304が、使用に十分な閾値レベルの予測の正確度を達成したと検証されると、いくつかの態様では、これはモデルが継続して訓練されること妨げるものではない。実際、好ましい一態様では、検証にもかかわらず、診断/介入推奨モデル304は、モデルのパラメータのセット306が自動的、継続的に更新されるように自動的に訓練され続け、モデルの正確度が向上し続ける。モデルのこの自動的、継続的な訓練については、図5Aに関して以下で詳細に論じる。

II.C.2. データストア
いくつかの態様では、データストア302は、訓練モジュール301に関して上述されたように、診断/介入推奨モデル304を訓練するために使用される訓練データセットを格納する。上述のように、訓練データセットの内容は、訓練されている診断/介入推奨モデル304の種類に依存する。一般に、訓練データセットは、複数の訓練サンプルを含む。訓練データセットからの各訓練サンプルiは、既往の対象者と関連付けられている。既往の対象者と関連付けられている各訓練サンプルiは、既往の対象者のEHRデータおよび既往の対象者のバイオマーカデータを含む。

診断/介入推奨モデル304の種類に応じて、訓練データセットの各訓練サンプルiは、追加の構成要素をさらに含んでいてもよい。例えば、診断/介入推奨モデル304が教師あり学習を介して学習される態様では、訓練データセットからの各訓練サンプルiは、訓練サンプルと関連付けられた既往の対象者の後ろ向き診断/介入、ならびに後ろ向き医療診断/介入の受け取り後の、訓練サンプルと関連付けられた既往の対象者の既知の後ろ向き医学的転帰をさらに含むことができる。診断/介入推奨モデル304が教師あり学習を介して学習され、診断/介入推奨モデル304が診断推奨モデルを少なくとも部分的に含むさらなる態様または代替の態様では、訓練データセットからの各訓練サンプルiはまた、訓練サンプルと関連付けられた既往の対象者の後ろ向き診断と関連付けられた1つまたは複数の基本的な予測診断メトリックも含むことができる。

図5Aおよび図5Cに関して以下で詳細に論じられるいくつかの態様では、訓練データセットからの1つまたは複数の訓練サンプルを訓練から提供し、診断/介入推奨モデル304を検証するために使用することができる。図5Aおよび図5Cに関して以下で詳細に論じられる代替の態様では、訓練データセットからの訓練サンプル以外の検証サンプルを使用して、診断/介入推奨モデル304を検証することができる。

加えて、図6D～図6Eに関して以下で論じられるいくつかの態様では、データストア302は訓練データサンプルを格納しない。むしろ、いくつかの態様では、訓練サンプルは、少なくとも部分的に、専有のデータおよび患者情報に関連する可能性のある機関の要件をさらに遵守するために、診断/介入推奨モデル304のデータストア302に格納されることなく、診断/介入推奨モデル304に直接入力される。

II.C.3. データ管理モジュール
データ管理モジュール303は、診断/介入推奨モデル304を訓練するために使用される訓練データセットを生成する。前述のように、訓練データセットからの各訓練サンプルiは、既往の対象者と関連付けられている。既往の対象者とは、少なくともそのEHRデータおよびバイオマーカデータが知られている任意の対象者である。診断/介入推奨モデル304の種類に応じて、医療診断/介入、ならびに医療診断/介入の受け取り後の医学的転帰も、各既往の対象者と関連付けられた訓練サンプルに含められ得る。具体的には、診断/介入推奨モデル304が教師あり学習を介して学習される態様では、各既往の対象者についての医療診断/介入、ならびに医療診断/介入の受け取り後の各既往の対象者の医学的転帰もまた、訓練データセットの各訓練サンプルに含まれる。前述のように、診断/介入推奨モデル304が教師あり学習を介して学習され、診断/介入推奨モデル304が診断推奨モデルを少なくとも部分的に含むさらなる態様または代替の態様では、既往の対象者の後ろ向き診断と関連付けられた1つまたは複数の基本的な予測診断メトリックを訓練データセットの各訓練サンプルに含めることもできる。

訓練データセットを生成するためにデータ管理モジュール303によって使用されるデータは、後ろ向きデータソースから供給することができる。図5Aに関して以下でさらに詳細に論じられるように、後ろ向きデータソースは、公開されているデータ、市販のデータ、および/または診断/介入推奨モデル304の使用から再利用される使用データを含む任意のソースのデータを含むことができる。

訓練データセットがデータストア302によって格納される態様では、データ管理モジュール303は、生成された訓練データセットをデータストア302に格納する。診断/介入推奨モデル304も検証される態様において、訓練サンプルが既往の対象者についての医療診断/介入、ならびに医療診断/介入および/または基本的な予測診断メトリックの受け取り後の既往の対象者の医学的転帰を含む態様では、データ管理モジュール303はまた、診断/介入推奨モデル304を検証するために使用される訓練データセットから訓練サンプルを提供することもできる。

II.C.4. 診断/介入推奨モデル
様々な態様において、診断/介入推奨モデル304は統計的に導出されたモデルである。言い換えれば、診断/介入推奨モデルは、非機械学習モデルである。そのような機械学習されていない診断/介入推奨モデルを、対象者のEHRデータおよびバイオマーカデータの入力を受け取り、対象者についての医療診断/介入推奨を決定するように構成することができる。

診断/介入推奨モデル304は、様々な態様において、対象者のEHRデータおよびバイオマーカデータの入力を受け取り、対象者についての医療診断/介入推奨を決定するように構成された機械学習モデルである。上述のように、一般に、診断/介入推奨モデル304は、訓練データセット内の独立変数（例えば、EHRデータやバイオマーカデータ）と従属変数（例えば、診断/介入推奨）との間の関係を正確に取り込むためにパラメータのセット306によって修飾された関数305を含む。

簡単に上述されたように、いくつかの態様では、診断/介入推奨モデル304は、対象者の診断および/または介入推奨を決定するように構成された単一のモデルを含む。しかしながら、代替の態様では、診断/介入推奨モデル304は、特定のタスクを行うように各々構成された複数の別個のモデルを含むことができる。例えば、一態様では、診断/介入推奨モデル304は、対象者の診断を決定するように構成された第1のモデルと、対象者の介入推奨を決定するように構成された第2の別個のモデルとを含むことができる。別の例として、診断/介入推奨モデル304は、特定の状態と診断された対象者の介入推奨を決定するように各々構成された複数のモデルを含むことができる。代替の態様では、診断/介入推奨モデル304は、対象者の診断/介入推奨の任意の変形を決定するように構成された任意の数のモデルを含むことができる。

訓練モジュール301に関して上述されたように、診断/介入推奨モデル304を部分的に含む関数305は、いくつかの態様では、ネットワークモデルNN（・）を含むことができる。一般に、ネットワークモデルは、層に配置された一連のノードを含む。ノードは、モデルのパラメータのセット306内の関連付けられたパラメータθを各々有する接続を介して他のノードに接続され得る。1つの特定のノードにおける値は、その特定のノードと関連付けられた活性化関数によってマップされた関連付けられたパラメータによって重み付けされた特定のノードに接続されたノードの値の和として表され得る。アフィン関数とは対照的に、ネットワークモデルは、診断/介入推奨モデル304が非線形性を組み込むことができるため、有利である。

図4に、一態様による、例示的なネットワークモデルを示す。図4に示されるように、ネットワークモデルNN（・）は、層l＝1の2つの入力ノードと、層l＝2の4つのノードと、層l＝3の2つのノードと、層l＝4の1つの出力ノードとを含む。いくつかの態様では、例えば図4に示される態様のように、ネットワークモデルNN（・）の各ノードは、f（w＊x＋b）の一般形式の1つまたは複数の関数を含み、f（・）は、活性化関数であり、xは、ノードへの入力であり、wは、入力固有の重みであり、bは、入力固有のバイアスである。本開示全体を通して説明されるように、入力固有の重みwおよびバイアスbは、入力のパラメータθと総称される。ネットワークモデルNN（・）は、18個の異なるノード入力のセット、よって18個のパラメータθ（1）、θ（2）、...、θ（18）と関連付けられている。ネットワークモデルNN（・）は、EHRデータおよびバイオマーカデータの独立変数の入力値x（1）およびx（2）を受け取り、診断/介入推奨の従属変数の値NN（x）を出力する。ネットワークモデルの代替の態様では、層、ノード、関数、およびパラメータの任意の組み合わせをネットワークモデルに含めることができる。

III. 診断/介入推奨システムの訓練、検証および使用
図5Aは、一態様による、診断/介入推奨システムが訓練され、検証され、使用されるシステム環境のブロック図500Aである。図5Aは、訓練段階501と、検証段階502と、使用段階503と、後ろ向きデータストア504と、前向きデータストア505とを含む。よって、図5Aは、後ろ向きデータおよび前向きデータが診断/介入推奨システムを訓練、検証、および利用するためにどのように使用されるかを示している。

図3に関して上述されたように、診断/介入推奨システムを使用する前に、システムは訓練される。図5Aに示されるように、診断/介入推奨システムの訓練は、後ろ向きデータソース504から受け取られた訓練サンプルを使用して達成される。様々な態様において、訓練段階501、検証段階502、および/または使用段階503が行われているときに、追加の訓練サンプルが受け取られるように、訓練サンプルが後ろ向きデータソース504から継続的に受け取られる。後ろ向きデータソース504は、少なくともそのEHRデータおよび/またはバイオマーカデータが知られている既往の対象者と関連付けられた訓練サンプルを格納する。診断/介入推奨システムの種類に応じて、後ろ向き医療診断/介入、ならびに後ろ向き医療診断/介入および/または基本的な予測診断メトリックの受け取り後の後ろ向き医学的転帰も、各既往の対象者と関連付けられた訓練サンプルに含められ得る。後ろ向きデータソース504に含められるデータは、公開されているデータ、市販のデータ、使用段階503における診断/介入推奨モデル304による使用後に再利用される使用データ、および/または任意の他のソースのデータを含むことができる。

訓練に続いて、または訓練と併せて、いくつかの態様では、使用段階503で使用するための候補である診断/介入推奨システムが、候補システムが閾値レベルの予測の正確度を達成しており、使用できる状態であるかどうかを判定するために、検証段階502で検証を受けることができる。図5Cに関して以下でさらに詳細に論じられるように、候補診断/介入推奨システムの検証は、内部検証、外部検証、および前向き検証のうちの1つまたは複数を含むことができる。内部検証では、後ろ向きデータソース504からの1つまたは複数の訓練サンプルを訓練段階501から提供し、候補診断/介入推奨システムを検証するための検証サンプルとして使用することができる。しかしながら、システムの訓練とは異なり、システムの検証は、後ろ向き医療診断/介入、ならびに各既往の対象者の後ろ向き医学的転帰および/または基本的な予測診断メトリックが知られており、その既往の対象者と関連付けられた検証サンプルに含まれていることを必要とする。よって、後ろ向きデータソース504からの訓練サンプルが訓練段階501から提供され、検証サンプルとして使用されるシステムの内部検証は、後ろ向きデータソース504からの提供された訓練サンプルが、後ろ向き医療診断/介入、ならびに既往の対象者の後ろ向き医学的転帰および/または基本的な予測診断メトリックを含む場合に利用することができる。

対照的に、外部検証では、訓練サンプルが取得された後ろ向きデータソース504以外の後ろ向きデータソースからのサンプルを、候補診断/介入推奨システムを検証するための検証サンプルとして使用することができる。しかし、やはり、これらの検証サンプルもまた、後ろ向き医療診断/介入、ならびに検証サンプルと関連付けられた既往の対象者の後ろ向き医学的転帰および/または基本的な予測診断メトリックを含む。

最後に、前向き検証では、候補診断/推奨システムを検証するために使用される検証サンプルは、特定のデータセットから取得されるのではなく、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで取得される。例えば、図5Aに示されるように、診断/介入推奨システムが使用段階503の間に前向きデータ505を使用して対象者の診断/介入推奨を決定した後、この前向きデータを、決定された診断/介入推奨、ならびにその後の対象者の転帰および/または基本的な予測診断メトリックとともに、再利用し、匿名化し、候補診断/介入推奨システムを検証するための検証サンプルとして使用することができる。

候補診断/介入推奨システムが、使用に十分な閾値レベルの予測の正確度を達成したと検証されると、システムは使用段階503の準備が整う。しかしながら、いくつかの態様では、これは、システムが、徐々により高い閾値レベルの予測の正確度を達成するために継続して訓練され、さらに検証されることを妨げるものではない。実際、好ましい一態様では、最初の検証にもかかわらず、診断/介入推奨システムは、システムが自動的、継続的に更新され、システムの正確度が向上し続けるように、訓練およびその後の検証を受け続ける。

使用段階503を見ると、診断/介入推奨システムは、前向きデータソース505から受け取られたデータと関連付けられる対象者の診断/介入推奨を決定するために使用される。前向きデータソース505は、対象者のEHRデータおよびバイオマーカデータを記述するデータを含むという点で、後ろ向きデータソース504と同様である。しかしながら、後ろ向きデータソース504のいくつかの態様とは異なり、前向きデータソース505は、後ろ向き医療診断/介入、対象者の後ろ向き医学的転帰、または基本的な予測診断メトリックが使用段階503の間に診断/介入推奨システムによって決定されるため、これらを含まない。前向きデータソース505に含まれるデータは、公開されているデータ、市販のデータ、民間団体（例えば、患者ケアセンター）から受け取られたデータ、および/または任意の他のソースのデータを含むことができる。

上述のように、使用段階503の間に診断/介入推奨システムを使用して対象者の診断/介入推奨を決定した後、使用段階503の間に前向きデータソース505から診断/介入推奨システムによって受け取られた独立変数（例えば、EHRデータやバイオマーカデータ）と、後ろ向き診断/介入、ならびに後ろ向き診断/介入および/または基本的な予測診断メトリックの受け取り後の対象者の後ろ向き医学的転帰とを、システムを訓練または検証するための後ろ向きデータとして使用することができる。言い換えれば、使用段階503の間に診断/介入推奨システムによって使用される前向きデータ505を、訓練段階501または検証段階502の間にそれぞれ診断/介入推奨システムを訓練または検証するために使用される後ろ向きデータ504になるように再利用および匿名化することができる。このようにして、診断/介入推奨システムを継続的に訓練および検証することができる。

様々な態様において、診断/介入推奨システムは、連合学習タスクを実施することができる。様々な態様において、診断/介入推奨システムは、訓練段階501および/または検証段階502の間に連合学習を実施する。様々な態様において、連合学習を、データを一元化された場所に転送することなく複数のデータセットを使用して（例えば、分散されたシステムによる訓練/検証を行って）診断/介入推奨モデルを訓練および/または検証するために実施することができる。様々な態様において、連合学習を、実行される検証技術に関係なく、診断/介入推奨モデルが複数の場所で訓練される連合訓練（例えば、分散型の訓練）の形態で実施することができる。様々な態様において、連合学習を、診断/介入推奨モデルが様々なシステムからのデータにまたがって検証される連合検証（例えば、分散型の検証）の形態で実施することができる。連合検証のそのような態様では、モデルを、集中的に訓練することもでき、または複数の場所で訓練することもできる。

III.A. 訓練
図5Bは、一態様による、診断/介入推奨システム510が教師あり学習を介して訓練されるシステム環境500Bのブロック図である。上述のように、診断/介入推奨システム510の訓練は、診断/介入推奨システム510がどの種類のシステムを含むかに依存する。例えば、診断/介入システム510を、教師なし学習または教師あり学習を介して訓練することができる。図5Bは、診断/介入推奨システム510が教師あり学習を介して訓練される態様を示している。しかしながら、代替の態様では、診断/介入推奨システム510を、教師なし学習を介して、または任意の他の方法に従って訓練することもできる。

図5Bに示されるように、教師あり学習を介して診断/介入推奨システム510を訓練するために、既往の対象者の、後ろ向きEHRデータ506、後ろ向きバイオマーカデータ507、後ろ向き診断/介入508、および後ろ向き診断/介入508の受け取り後の後ろ向き医学的転帰509が、診断/介入推奨システム510に入力される。診断/介入推奨システム510が診断推奨システムを少なくとも部分的に含む代替の態様では、後ろ向き診断508と関連付けられた基本的な予測診断メトリックもまた、訓練中に診断/介入推奨システム510に入力され得る。診断/介入推奨システム510への後ろ向きEHRデータ506、後ろ向きバイオマーカデータ507、後ろ向き診断/介入508、および既往の対象者の後ろ向き転帰509の入力後、診断/介入推奨システム510は、後ろ向きEHRデータ506および後ろ向きバイオマーカデータ507に基づいて診断/介入推奨511を決定および出力する。診断/介入推奨システム510によって出力される診断/介入推奨511は、診断/介入推奨システム510に入力された既知の後ろ向き診断/介入508または既知の後ろ向き転帰509に基づくものではない。というよりもむしろ、診断/介入推奨システム510によって決定および出力される診断/介入推奨511は、後ろ向き診断/介入508および後ろ向き転帰509と比較される。基本的な予測診断メトリックが診断/介入推奨システム510に入力される態様では、診断/介入推奨511は、後ろ向き診断/介入508および基本的な予測診断メトリックと比較される。

診断/介入推奨システム510によって決定および出力された診断/介入推奨511と、後ろ向き診断/介入508および後ろ向き転帰509とのこの比較により、診断/介入推奨システム510が、図3に関して上記で詳細に論じられたように、その診断/介入が診断/介入推奨システム510によって推奨される対象者の医学的転帰を最適化するパラメータを決定することが可能になる。同様に、診断/介入推奨511と後ろ向き診断/介入508および基本的な予測診断メトリックとの比較により、診断/介入推奨システム510が、診断/介入推奨システム510によって推奨される診断/介入の基本的な予測診断メトリックを最適化するパラメータを決定することが可能になる。言い換えれば、この比較により、診断/介入推奨システム510を訓練することが可能になる。

簡単に言えば、診断/介入推奨システム510が教師なし学習を介して訓練される態様では、上述の教師あり学習とは違い、後ろ向き診断/介入508、ならびに既往の対象者の後ろ向き医学的転帰509および/または基本的な予測診断メトリックは、診断/介入推奨システム510を訓練するために使用されない。というよりもむしろ、診断/介入推奨システム510が教師なし学習を介して訓練される態様では、既往の対象者の後ろ向きEHRデータ506および後ろ向きバイオマーカデータ507が、後ろ向き診断/介入508、ならびに後ろ向き医学的転帰509および/または基本的な予測診断メトリックなしで診断/介入推奨システム510に入力される。

III.B. 検証
上述のように、いくつかの態様では、訓練に続いて、または訓練と併せて、候補診断/介入推奨システム510は、候補システムが閾値レベルの予測の正確度を達成しており、使用できる状態であるかどうかを判定するために検証を受けることもできる。図5Cは、一態様による、診断/介入推奨システム510が検証されるシステム環境500Cのブロック図である。簡単に言えば、教師あり学習システムと教師なし学習システムの両方の検証を、図5Cに関して本明細書において説明されるように行うことができる。

図5Aに関して上述されたように、診断/介入推奨システム510の検証は、内部検証、外部検証、および前向き検証のうちの1つまたは複数を含むことができる。これらの異なる種類の検証の間の主な違いは、検証サンプルの由来である。内部検証では、後ろ向きデータソースからの1つまたは複数の訓練サンプルを訓練から提供し、診断/介入推奨システム510を検証するために使用することができる。対照的に、外部検証では、訓練サンプルが取得された後ろ向きデータソース以外の後ろ向きデータソースからの検証サンプルが、診断/介入推奨システム510を検証するために使用される。最後に、前向き検証では、診断/推奨システムを検証するために使用される検証サンプルは、特定のデータセットから取得されるのではなく、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで取得される。しかしながら、これらの種類の検証の各々において、診断/介入推奨システム510を検証するために使用される検証サンプルは、後ろ向き医療診断/介入、ならびに検証サンプルと関連付けられた既往の対象者の後ろ向き医学的転帰および/または基本的な予測診断メトリックを含む。

図5Cに示される検証システム環境500Cは、これらの異なる種類の検証の各々に適用される。図5Cに示されるように、診断/介入推奨システム510を検証するために、任意の内部ソース、外部ソース、または前向きソースから得られた既往の対象者の後ろ向きEHRデータ506および後ろ向きバイオマーカデータ507が診断/介入推奨システム510に入力される。しかしながら、訓練とは異なり、後ろ向き診断/介入508、ならびに既往の対象者の後ろ向き転帰509および/または基本的な予測診断メトリックは、診断/介入推奨システム510に入力されない。

診断/介入推奨システム510への既往の対象者の後ろ向きEHRデータ506および後ろ向きバイオマーカデータ507の入力後、診断/介入推奨システム510は、後ろ向きEHRデータ506および後ろ向きバイオマーカデータ507に基づいて診断/介入推奨511を決定および出力する。次いで、診断/介入推奨システム510によって出力された診断/介入推奨511は、診断/介入推奨システム510に入力されなかった後ろ向き診断/介入508、ならびに既往の対象者の後ろ向き転帰509および/または基本的な予測診断メトリックと比較される。

診断/介入推奨システム510によって決定および出力された診断/介入推奨511と、後ろ向き診断/介入508、ならびに後ろ向き転帰509および/または基本的な予測診断メトリックとの比較により、診断/介入推奨システム510が閾値レベルの予測の正確度を達成したかどうかの判定が可能になる。診断/介入推奨511が後ろ向き転帰509と比較される態様では、閾値レベルの予測の正確度は、対象者の閾値の医学的転帰を指す。診断/介入推奨511が基本的な予測診断メトリックと比較される態様では、閾値レベルの予測の正確度は、閾値の基本的な予測診断メトリックを指す。特定の態様では、診断/介入推奨システム510は、複数の対象者（例えば、対象者のコホート）について閾値レベルの予測の正確度を達成しなければならない。

診断/介入推奨システム510がこの比較に基づいて閾値レベルの予測の正確度を達成したと判定された場合、診断/介入推奨システム510は、検証済みとみなすことができ、使用できる状態である。いくつかの態様では、診断/介入推奨システム510の検証により、診断/介入推奨システム510の訓練が終了する。しかしながら、代替の好ましい態様では、診断/介入推奨システム510の検証は、診断/介入推奨システム510が訓練されることを妨げるものではなく、診断/介入推奨システム510は、その使用全体を通して継続的、自動的に訓練を受け続ける。

診断/介入推奨システム510が比較に基づいて閾値レベルの予測の正確度を達成していないと判定される態様では、診断/介入推奨システム510を、使用前にさらに訓練することができ、好ましくは新しい検証サンプルを用いて、検証を再度行うことができる。

III.C. 使用
診断/介入推奨システム510が閾値レベルの予測の正確度を達成したと検証されると、システムは使用できる状態である。図5Dは、一態様による、診断/介入推奨システム510が利用されるシステム環境500Dのブロック図である。図5Dに示されるように、また上記で詳細に論じられたように、診断/介入推奨システム510を使用するために、対象者のEHRデータ512およびバイオマーカデータ513が診断/介入推奨システム510に入力される。訓練および検証に使用される後ろ向きデータのいくつかの態様とは異なり、EHRデータ512およびバイオマーカデータ513は、その後ろ向き診断/介入、後ろ向き医学的転帰、および基本的な予測診断メトリックがまだ知られていない対象者と関連付けられた前向きデータである。

診断/介入推奨システム510への対象者のEHRデータ512およびバイオマーカデータ513の入力後、診断/介入推奨システム510は、EHRデータ512およびバイオマーカデータ513に基づいて診断/介入推奨511を決定および出力する。使用の間には、この診断/介入推奨511は、後ろ向き診断/介入、後ろ向き医学的転帰、および基本的な予測診断メトリックがまだ知られていないため、後ろ向き診断/介入、対象者の後ろ向き医学的転帰、または基本的な予測診断メトリックとは比較されない。代わりに、診断/介入推奨システム510によって出力される診断/介入推奨511は、診断/介入推奨システム510の事前の訓練および検証に基づいて十分に正確であると仮定される。

しかしながら、図5Aに関して上述されたいくつかの態様では、後ろ向き診断/介入、ならびに対象者の後ろ向き医学的転帰および/または基本的な予測診断メトリックが知られると、診断/介入推奨システム510によって出力された診断/介入推奨511、後ろ向き診断/介入、ならびに後ろ向き医学的転帰および/または基本的な予測診断メトリックを使用して、システムを訓練および/または検証することができる。このようにして、診断/介入推奨システム510を、使用全体を通して継続的、自動的に訓練および検証することができる。

IV. 診断/介入推奨システムの環境
図6Aは、一態様による、診断/介入推奨システム601が動作するシステム環境600Aのブロック図である。図6Aに示されるシステム環境600Aは、診断/介入推奨システム601を格納する一次システム602と、1つまたは複数の第三者システム603と、ネットワーク604とを含む。代替の構成では、異なる構成要素および/または追加の構成要素がシステム環境600Aに含まれていてもよい。

一次システム602および1つまたは複数の第三者システム603は、一次システム602および1つまたは複数の第三者システム603がネットワーク604を介して互いに通信するように、ネットワーク604に結合される。一次システム602および/または第三者システム603のうちの1つもしくは複数は、ネットワーク604を介してデータを送信および/または受信することができるコンピューティングシステムを含むことができる。ネットワークを介したデータの伝送は、インターネットを介したデータの伝送、データの無線伝送、データの非無線伝送（例えば、イーサネットを介したデータの伝送）、または任意の他の形態のデータ伝送を含むことができる。一態様では、一次システム602および/または第三者システム603のうちの1つもしくは複数を、従来のコンピュータシステム上で動作する、デスクトップやラップトップコンピュータなどの従来のコンピュータシステム、またはクラウド対応仮想マシンやdockerイメージなどの仮想化マシンもしくはコンテナとすることができる。

特定の態様では、一次システム602および/または1つもしくは複数の第三者システム603は、ネットワーク604を介して互いに通信するサブシステム（例えば、機械、モジュール、コンテナ、またはマイクロサービス）のセットとすることができ、各サブシステムは、本明細書で開示されるタスクのうちの1つまたは複数を可能にする。

あるいは、一次システム602および/または第三者システム603のうちの1つもしくは複数は、パーソナルデジタルアシスタント（PDA）、携帯電話、スマートフォン、または別の適切なデバイスなどの、コンピュータ機能を有するデバイスとすることもできる。さらなる態様では、一次システム602および/または第三者システム603のうちの1つもしくは複数を、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、本開示全体を通して論じられている方法に従って動作させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体とすることができる。さらなる態様では、一次システム602および/または1つもしくは複数の第三者システム603を、クラウドホスト型コンピューティングシステム（例えば、Amazon Web Services（商標）（AWS）によってホストされるコンピューティングシステム）とすることができる。

図6Aに示されるように、診断/治療システム601は一次システム602によって格納される。よって、一次システム602は、本開示全体を通して論じられるように、診断/治療システム601を実行するように構成される。図6C～図6Eに関して以下でさらに詳細に論じられるさらなる態様では、診断/治療システム601を、ネットワーク604を介して一次システム602と第三者システム603のうちの1つまたは複数との間で伝送することができる。ネットワークを介したシステム601の伝送は、インターネットを介したシステム601の伝送、システム601の無線伝送、システム6011の非無線伝送（例えば、イーサネットを介したシステム601の伝送）、または任意の他の形態の伝送を含むことができる。そのような態様では、第三者システム603のうちの1つまたは複数を、本開示全体を通して論じられているように、診断/治療システム601を実行するように構成することもできる。

さらなる態様では、第三者システム603のうちの1つまたは複数は、第三者システム603が一次システム602および/または一次システム602によって格納された診断/治療システム601と対話することを可能にするアプリケーションを実行することができる。例えば、第三者システム603のうちの1つまたは複数は、ネットワーク604を介して第三者システム603と一次システム602および/または診断/治療システム601との間の対話を可能にするブラウザアプリケーションを実行することができる。別の態様では、第三者システム603のうちの1つまたは複数は、IOS（登録商標）やANDROID（商標）などの第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して一次システム602および/または診断/治療システム601と対話することができる。一態様では、第三者システム603のうちの1つまたは複数は、一次システム602によって格納された診断/治療システム601による使用のために、一次システム602にデータを送ることができる。

特定の態様では、一次システム602と1つまたは複数の第三者システム603とを、互いからリモートとすることができる。さらなる態様では、一次システム602および1つまたは複数の第三者システム603を、1つまたは複数の患者ケアセンター（例えば、診療所、病院）、臨床検査室、研究室、遠隔地、および/または任意の他の場所に配置することができる。

ネットワーク604は、有線通信システムおよび/または無線通信システムの両方を使用する、ローカルエリアネットワークおよび/またはワイドエリアネットワークの任意の組み合わせを含むことができる。一態様では、ネットワーク604は、標準的な通信技術および/またはプロトコルを使用する。例えば、ネットワーク604は、イーサネット、802.11、ワールドワイド・インタオペラビリティ・フォー・マイクロウェーブ・アクセス（WiMAX）、3G、4G、5G、符号分割多元接続（CDMA）、デジタル加入者線（DSL）などといった技術を使用する通信リンクを含む。ネットワーク604を介して通信するために使用されるネットワークプロトコルの例には、マルチプロトコルラベルスイッチング（MPLS）、伝送制御プロトコル/インターネットプロトコル（TCP/IP）、ハイパーテキスト転送プロトコル（HTTP）、簡易メール転送プロトコル（SMTP）、ファイル転送プロトコル（FTP）、およびボイスオーバーインターネットプロトコル（VoIP）が含まれる。ネットワーク604を介して交換されるデータは、ハイパーテキストマークアップ言語（HTML）、拡張可能マークアップ言語（XML）、またはオーディオなどの任意の適切なフォーマットを使用して表され得る。いくつかの態様では、ネットワーク604の通信リンクの全部または一部が、1つまたは複数の任意の適切な技術を使用して暗号化されてもよい。

以下でさらに詳細に論じられるように、図6B～図6Eは、診断/介入推奨システム601、訓練サンプル、および使用データが、診断/介入推奨システム601の訓練および利用のために一次システム602と1つまたは複数の第三者システム603との間で可変的に伝送される、システム環境600Aの様々な特定の態様を示している。

IV.A. 一次システムにおける診断/介入推奨モデルの訓練および利用
まず図6Bを見ると、図6Bは、一態様による、診断/介入推奨システム601が動作するシステム環境600Bのブロック図である。より具体的には、図6Bは、診断/介入推奨システム601が、ネットワーク604を介して一次システム602において第三者システム603から受け取られた訓練サンプルと使用データの両方を使用して、一次システム602において訓練および利用されるシステム環境600Bを示している。簡略化のために、図6Bには、1つの第三者システム603のみが示されている。しかしながら、図6Aに関して上述されたように、診断/介入推奨システム601が動作するシステム環境600Aは、1つまたは複数の第三者システム603を含むことができる。よって、図6Bに示される第三者システム603は、特定の態様では複数の第三者システム603を表すと理解されるべきである。

図6Bに示されるように、また上述されたように、診断/介入推奨システム601は一次システム602によって格納される。さらに、一次システム602と第三者システム603とは、ネットワーク604を介して互いに通信している。

図6Bに示される態様では、診断/介入推奨システム601は一次システム602において訓練される。一次システム602において診断/介入推奨システム601を訓練するために、一次システム602は、第三者システム603から訓練サンプル605を受け取る。いくつかの態様では、一次システム602は、ネットワーク604を介した伝送によって第三者システム603から訓練サンプル605を受け取る。例えば、いくつかの態様では、一次システム602は、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、第三者システム603から訓練サンプル605を受け取る。

次いで、診断/介入推奨システム601は、第三者システム603から受け取られた訓練サンプル605を使用して、図3に関して上記で詳細に論じられたように、一次システム602における診断/介入推奨システム601のパラメータを決定する。特定の態様では、診断/介入推奨システム601を、提供された訓練サンプル605を使用して一次システム602において検証することもできる。

いくつかの態様では、一次システム602は、複数の別個の第三者システム603から訓練サンプル605を受け取る。そのような態様では、訓練サンプル605のうちの1つまたは複数を、異なるデータフォーマットに従って編成することができる。これらの訓練サンプル605を互いに、かつ/または診断/介入推奨システム601と互換性を持たせるために、異なるデータフォーマットで編成された1つまたは複数の訓練サンプル605を共通データフォーマットに変換することができる。いくつかの態様では、異なるデータフォーマットの1つまたは複数の訓練サンプル605の変換を、公開されているデータ変換モデル（例えば、OMOP共通データモデル）を使用して達成することができる。次いで、共通データフォーマットに変換された1つまたは複数の訓練サンプル605をマージしてマージされた訓練データセットにすることができ、このマージされた訓練データセットを使用して、一次システム602における診断/介入推奨システム601のパラメータを決定することができる。

図6Bに示される態様では、診断/介入推奨システム601は一次システム602においても利用される。一次システム602において診断介入推奨システム601を利用するために、一次システム602は第三者システム603から使用データ606を受け取る。いくつかの態様では、一次システム602は、ネットワーク604を介した伝送によって第三者システム603から使用データ606を受け取る。例えば、いくつかの態様では、一次システム602は、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、第三者システム603から使用データ606を受け取る。第三者システム603が複数の第三者システム603を含む態様では、一次システム602は、複数の第三者システム603のうちの1つまたは複数から使用データ606を受け取ることができる。さらに、第三者システム603が複数の第三者システム603を含む態様では、一次システム602は、同じ第三者システム603または別個の第三者システム603から訓練サンプル605および使用データ606を受け取ることができる。

次いで、診断/介入推奨システム601は、第三者システム603から受け取られた使用データ606を使用して、一次システム602における使用データ606に基づいて診断/介入推奨を決定する。いくつかの態様では、一次システム602は、次いで、診断/介入推奨システム601によって決定された診断/介入推奨を、ネットワーク604を介した伝送によって第三者システム603に提供する。

IV.B. 一次システムにおける診断/介入推奨モデルの訓練およびリモートの第三者システムにおける診断/介入推奨モデルの利用
次に図6Cを見ると、図6Cは、一態様による、診断/介入推奨システム601が動作するシステム環境600Cのブロック図である。より具体的には、図6Cは、診断/介入推奨システム601が、ネットワーク604を介して一次システム602において第三者システム603から受け取られた訓練サンプルを使用して一次システム602において訓練されるが、第三者システム603において受け取られた使用データを使用して第三者システム603において利用されるシステム環境600Cを示している。簡略化のために、図6Cには、1つの第三者システム603のみが示されている。しかしながら、図6Aに関して上述されたように、診断/介入推奨システム601が動作するシステム環境600Aは、1つまたは複数の第三者システム603を含むことができる。よって、図6Cに示される第三者システム603は、特定の態様では複数の第三者システム603を表すと理解されるべきである。

上述のように、診断/介入推奨システム601は一次システム602によって格納される。さらに、一次システム602と第三者システム603とは、ネットワーク604を介して互いに通信している。

図6Cに示される態様では、診断/介入推奨システム601は一次システム602において訓練される。一次システム602において診断/介入推奨システム601を訓練するために、一次システム602は、第三者システム603から訓練サンプル605を受け取る。いくつかの態様では、一次システム602は、ネットワーク604を介した伝送によって第三者システム603から訓練サンプル605を受け取る。例えば、いくつかの態様では、一次システム602は、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、第三者システム603から訓練サンプル605を受け取る。

次いで、診断/介入推奨システム601は、第三者システム603から受け取られた訓練サンプル605を使用して、図3に関して上記で詳細に論じられたように、一次システム602における診断/介入推奨システム601のパラメータを決定する。特定の態様では、診断/介入推奨システム601を、提供された訓練サンプル605を使用して一次システム602において検証することもできる。

上述のように、いくつかの態様では、一次システム602は、複数の別個の第三者システム603から訓練サンプル605を受け取る。そのような態様では、訓練サンプル605のうちの1つまたは複数を、異なるデータフォーマットに従って編成することができる。異なるデータフォーマットの訓練サンプル605を互いに、かつ/または診断/介入推奨システム601と互換性を持たせるために、1つまたは複数の訓練サンプル605を共通データフォーマットに変換することができる。いくつかの態様では、異なるデータフォーマットで編成された1つまたは複数の訓練サンプル605の変換を、公開されているデータ変換モデル（例えば、OMOP共通データモデル）を使用して達成することができる。次いで、共通データフォーマットに変換された1つまたは複数の訓練サンプル605をマージしてマージされた訓練データセットにすることができ、このマージされた訓練データセットを使用して、一次システム602における診断/介入推奨システム601のパラメータを決定することができる。

図6Cに示される態様では、診断/介入推奨システム601は一次システム602においては利用されず、むしろ第三者システム603において利用される。診断/介入推奨システム601がそこで使用される第三者システム603は、訓練サンプル605がそこから受け取られたのと同じ第三者システム603、または訓練サンプル605を提供しなかった別個の第三者システム603とすることができる。第三者システム603が複数の第三者システム603を含む態様では、診断/介入推奨システム601を、複数の第三者システム603のうちの1つまたは複数において利用することができる。

図6Cに示されるように、第三者システム603は受け取られた使用データ606を格納する。診断/介入推奨システム601を第三者システム603において利用するために、一次システム602は診断/介入推奨システム601を第三者システム603に提供する。特定の態様では、一次システム602は、指定された時間間隔で自動的に第三者システム603に診断/介入推奨システム601を提供する。代替の態様では、一次システム602は、一次システム602におけるパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、診断/介入推奨システム601を第三者システム603に自動的に提供する。

いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、ネットワーク604を介して一次システム602から第三者システム603に診断/介入推奨システム601を送信することを含む。例えば、いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、第三者システム603が、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、診断/介入推奨システム601にアクセスすることを可能にすることを含む。

次いで、診断/介入推奨システム601は、第三者システム603において受け取られた使用データ606を使用して、第三者システム603において診断/介入推奨を決定する。いくつかの態様では、第三者システム603は、次いで、診断/介入推奨システム601によって決定された診断/介入推奨を、第三者システム603におけるユーザ（例えば、対象者や医療提供者）に提供する。

いくつかの態様では、第三者システム603におけるデータを使用して個々の第三者システム603において診断/介入推奨システム601を利用することもまた、診断/介入推奨システム601を使用して、利用のために第三者システム603から一次システム602に対象者データを送信する際のデータライバシーおよびセキュリティの懸念を軽減するため、有利であり得る。

IV.C. リモートの第三者システムにおける診断/介入推奨モデルの訓練および利用
次に図6Dを見ると、図6Dは、一態様による、診断/介入推奨システム601が動作するシステム環境600Dのブロック図である。より具体的には、図6Dは、診断/介入推奨システム601が、第三者システム603において受け取られた訓練サンプルおよび使用データを使用して、第三者システム603において訓練されるとともに利用されるシステム環境600Dを示している。簡略化のために、図6Dには、1つの第三者システム603のみが示されている。しかしながら、図6Aに関して上述されたように、診断/介入推奨システム601が動作するシステム環境600Aは、1つまたは複数の第三者システム603を含むことができる。よって、図6Dに示される第三者システム603は、特定の態様では複数の第三者システム603を表すと理解されるべきである。

上述のように、診断/介入推奨システム601は一次システム602によって格納される。さらに、一次システム602と第三者システム603とは、ネットワーク604を介して互いに通信している。

図6Dに示される態様では、診断/介入推奨システム601は、第三者システム603において訓練される。図6Dに示されるように、第三者システム603は、受け取られた訓練サンプル605を格納する。診断/介入推奨システム601を第三者システム603において訓練するために、一次システム602は診断/介入推奨システム601を第三者システム603に提供する。いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、ネットワーク604を介して一次システム602から第三者システム603に診断/介入推奨システム601を送信することを含む。例えば、いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、第三者システム603が、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、診断/介入推奨システム601にアクセスすることを可能にすることを含む。

次いで、診断/介入推奨システム601は、第三者システム603において受け取られた訓練サンプル605を使用して、図3に関して上記で詳細に論じられたように、第三者システム603における診断/介入推奨システム601のパラメータを決定する。特定の態様では、診断/介入推奨システム601を、提供された訓練サンプル605を使用して第三者システム603において検証することもできる。

最後に、特定の態様では、診断/介入推奨システム601が第三者システム603において訓練および/または検証された後、更新されたパラメータを含んでいる診断/介入推奨システム601を、ネットワーク604を介して第三者システム603から一次システム602に送り返すことができる。いくつかの態様では、第三者システム603は、指定された時間間隔で一次システム602に、識別された複数のパラメータを有する診断/介入推奨システム601を自動的に提供する。代替の態様では、第三者システム603は、第三者システム603における複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、識別された複数のパラメータを有する診断/介入推奨システム601を一次システム602に自動的に提供する。第三者システム603が複数の第三者システム603を含む態様では、診断/介入推奨システム601を、複数の第三者システム603のうちの1つまたは複数において訓練することができる。

いくつかの態様では、診断/介入推奨システム601が、第三者システム603におけるデータを使用して訓練および検証するために個々の第三者システム603に送信される、診断/介入推奨システム601を訓練および検証するこの方法は、診断/介入推奨システム601を訓練および検証する際に使用するために第三者システム603から一次システム602にデータを送信する際のデータライバシーおよびセキュリティの懸念を軽減することによって施設間のデータ共有を可能にするため、有利であり得る。この施設間のデータ共有を可能にすることにより、診断/介入推奨システム601を、複数の別個の第三者システム603において多種多様かつ大量のデータで訓練することができ、それにより、診断/介入推奨システム601を迅速に最適化して、高正確度で診断/介入推奨を決定することが可能になる。

図6Dに示される態様では、診断/介入推奨システム601は、第三者システム603においても利用される。診断/介入推奨システム601が使用される第三者システム603は、診断/介入推奨システム601が訓練されたのと同じ第三者システム603、または診断/介入推奨システム601が訓練されなかった別個の第三者システム603とすることができる。第三者システム603が複数の第三者システム603を含む態様では、診断/介入推奨システム601を、複数の第三者システム603のうちの1つまたは複数において利用することができる。

図6Dに示されるように、第三者システム603は受け取られた使用データ606を格納する。診断/介入推奨システム601を第三者システム603において利用するために、一次システム602は診断/介入推奨システム601を第三者システム603に提供する。前述のように、いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、ネットワーク604を介して一次システム602から第三者システム603に診断/介入推奨システム601を送信することを含む。例えば、いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、第三者システム603が、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、診断/介入推奨システム601にアクセスすることを可能にすることを含む。

次いで、診断/介入推奨システム601は、第三者システム603において受け取られた使用データ606を使用して、第三者システム603において診断/介入推奨を決定する。いくつかの態様では、第三者システム603は、次いで、診断/介入推奨システム601によって決定された診断/介入推奨を、第三者システム603におけるユーザ（例えば、対象者や医療提供者）に提供する。

上記と同様に、第三者システム603におけるデータを使用して個々の第三者システム603において診断/介入推奨システム601を利用することもまた、やはり、診断/介入推奨システム601を使用して、第三者システム603から利用する一次システム602に対象者使用データを送信する際のデータライバシーおよびセキュリティの懸念を軽減するため、有利であり得る。

IV.D. リモートの第三者システムにおける診断/介入推奨モデルの訓練および一次システムにおける診断/介入推奨モデルの利用
次に図6Eを見ると、図6Eは、一態様による、診断/介入推奨システム601が動作するシステム環境600Eのブロック図である。より具体的には、図6Eは、診断/介入推奨システム601が、第三者システム603において受け取られた訓練サンプルを使用して第三者システム603において訓練され、第三者システム603から受け取られた使用データを使用して一次システム602において利用されるシステム環境600Eを示している。簡略化のために、図6Eには、1つの第三者システム603のみが示されている。しかしながら、図6Aに関して上述されたように、診断/介入推奨システム601が動作するシステム環境600Aは、1つまたは複数の第三者システム603を含むことができる。よって、図6Eに示される第三者システム603は、特定の態様では複数の第三者システム603を表すと理解されるべきである。

上述のように、診断/介入推奨システム601は一次システム602によって格納される。さらに、一次システム602と第三者システム603とは、ネットワーク604を介して互いに通信している。

図6Eに示される態様では、診断/介入推奨システム601は、第三者システム603において訓練される。図6Eに示されるように、第三者システム603は、受け取られた訓練サンプル605を格納する。診断/介入推奨システム601を第三者システム603において訓練するために、一次システム602は診断/介入推奨システム601を第三者システム603に提供する。いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、ネットワーク604を介して一次システム602から第三者システム603に診断/介入推奨システム601を送信することを含む。例えば、いくつかの態様では、第三者システム603に診断/介入推奨システム601を提供することは、第三者システム603が、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、診断/介入推奨システム601にアクセスすることを可能にすることを含む。

次いで、診断/介入推奨システム601は、第三者システム603において受け取られた訓練サンプル605を使用して、図3に関して上記で詳細に論じられたように、第三者システム603における診断/介入推奨システム601のパラメータを決定する。特定の態様では、診断/介入推奨システム601を、提供された訓練サンプル605を使用して第三者システム603において検証することもできる。

最後に、特定の態様では、診断/介入推奨システム601が第三者システム603において訓練および/または検証された後、更新されたパラメータを含んでいる診断/介入推奨システム601を、ネットワーク604を介して第三者システム603から一次システム602に送り返すことができる。いくつかの態様では、第三者システム603は、指定された時間間隔で一次システム602に、識別された複数のパラメータを有する診断/介入推奨システム601を自動的に提供する。代替の態様では、第三者システム603は、第三者システム603における複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、識別された複数のパラメータを有する診断/介入推奨システム601を一次システム602に自動的に提供する。第三者システム603が複数の第三者システム603を含む態様では、診断/介入推奨システム601を、複数の第三者システム603のうちの1つまたは複数において訓練することができる。

いくつかの態様では、診断/介入推奨システム601が、第三者システム603におけるデータを使用して訓練および検証するために個々の第三者システム603に送信される、診断/介入推奨システム601を訓練および検証するこの方法は、診断/介入推奨システム601を訓練および検証する際に使用するために第三者システム603から一次システム602にデータを送信する際のデータライバシーおよびセキュリティの懸念を軽減することによって施設間のデータ共有を可能にするため、有利であり得る。この施設間のデータ共有を可能にすることにより、診断/介入推奨システム601を、複数の別個の第三者システム603において多種多様かつ大量のデータで訓練することができ、それにより、診断/介入推奨システム601を迅速に最適化して、高正確度で診断/介入推奨を決定することが可能になる。

図6Eに示される態様では、診断/介入推奨システム601は一次システム602において利用される。一次システム602で診断介入推奨システム601を利用するために、一次システム602は第三者システム603から使用データ606を受け取る。いくつかの態様では、一次システム602は、ネットワーク604を介した伝送によって第三者システム603から使用データ606を受け取る。例えば、いくつかの態様では、一次システム602は、ネットワーク604を介してブラウザアプリケーションによって、かつ/または第三者システム603のネイティブオペレーティングシステム上で動作するアプリケーションプログラミングインターフェース（API）を介して、第三者システム603から使用データ606を受け取る。第三者システム603が複数の第三者システム603を含む態様では、一次システム602は、複数の第三者システム603のうちの1つまたは複数から使用データ606を受け取ることができる。さらに、第三者システム603が複数の第三者システム603を含む態様では、一次システム602は、診断/介入推奨システム601が訓練されたのと同じ第三者システム603から、または診断/介入推奨システム601が訓練されなかった別個の第三者システム603から使用データ606を受け取ることができる。

次いで、診断/介入推奨システム601は、第三者システム603から受け取られた使用データ606を使用して、一次システム602における使用データ606に基づいて診断/介入推奨を決定する。いくつかの態様では、一次システム602は、次いで、診断/介入推奨システム601によって決定された診断/介入推奨を、ネットワーク604を介した伝送によって第三者システム603に提供する。

V. 医療介入の指標
診断/介入推奨システムが対象者についての医療介入を推奨するように構成される態様では、介入推奨システムを使用して、医療介入の新しい指標またはより具体的な指標を裏付ける根拠を提供するデータセットを生成することもできる。具体的には、介入推奨システムを使用して、特定の医療介入に対して肯定的に反応する、否定的に反応する、または反応しない可能性が高い対象者の新しいまたはより高度に特定されたコホートを識別することができる。医療介入のこれらの新しい指標またはより具体的な指標は、コホートの対象者を記述するデータを含むデータセットによって裏付けることができる。次いで、そのような医療介入の根拠を、規制当局（例えば、FDA）による認可/承認の正当化として使用することができる。例えば、そのような医療介入の根拠を使用して、医療介入の使用を誘導するための診断法の認可を正当化することもでき、または薬物使用のための適応症を提供する薬物ラベルの承認を含む、新規と既存の医療介入の組み合わせの承認を正当化することもできる。

一般に、上述のように、介入推奨システムは、対象者のEHRデータおよび/またはバイオマーカデータを使用して、対象者についての医療介入を決定する。このEHRデータおよび/またはバイオマーカデータは、介入推奨システムによって多数の別個の第三者ソース（例えば、病院）から受け取ることができる。前述のように、複数の別個のソースから受け取られたこのデータは、互いに互換性がなく比較できない複数の別個のデータフォーマットで表されている可能性がある。介入推奨システムを使用してEHRデータおよび/またはバイオマーカデータに基づいて医療介入を決定することの1つの利点は、複数の異なるソースから受け取られたデータを自動的に比較できるように、システムがデータを共通データフォーマットに変換することである。加えて、介入推奨システムは、HIPAAに準拠したままこのデータ管理を達成することができる。

介入推奨システムによる対象者のEHRデータおよび/またはバイオマーカデータに基づく対象者についての医療介入の決定後、対象者に標準治療医療介入またはシステムによって決定された医療介入のいずれかを提供することができる。例えば、いくつかの態様では、介入推奨システムがその推奨を提供しない対象者には、標準治療医療介入が提供され得る。次いで、医療介入の提供後に、対象者の医学的転帰を識別することができる。特定の医療介入について、介入推奨システムによって共通データフォーマットに変換されたEHRデータおよび/またはバイオマーカデータ、ならびに医療介入を提供された対象者の医学的転帰を収集し、その医療介入の新しい指標またはより具体的な指標を裏付ける根拠を提供するデータセットを生成するために使用することができる。指標は、対象者のEHRデータおよびバイオマーカデータのうちの少なくとも1つを含むことができ、医療介入を受けた対象者の医学的転帰に基づいて識別される。例えば、医療介入Aの肯定的な指標（例えば、医療介入Aの安全かつ効果的な使用の肯定）は、医療介入Aを受けた後に肯定的な医学的転帰を経験した対象者のEHRデータおよびバイオマーカデータを含むことができる。別の例として、医療介入Bの否定的な指標（例えば、医療介入Bを使用しないように警告すること）は、医療介入Bを受けた後に否定的な医学的転帰を経験した対象者のEHRデータおよびバイオマーカデータを含むことができる。

したがって、介入推奨システムは、新しい医療介入推奨および標準治療医療介入を含む、医療介入の新しい指標またはより具体的な指標を決定するための高度にスケーリングされたリアルタイム、ほぼリアルタイム、遅延バッチまたはオンデマンドの方法を可能にする。言い換えれば、介入推奨システムは、EHRデータおよびバイオマーカデータのうちの1つまたは複数に基づいて識別された対象者のコホートに対する新しい医療介入またはより具体的な医療介入を決定するための高度にスケーリングされた、リアルタイム、ほぼリアルタイム、遅延バッチまたはオンデマンドの方法を可能にする。

医療介入の指標を裏付ける根拠を提供するデータセットの生成を、一例において最もよく示すことができる。図7Aおよび図7Bに、一態様による、コルチコステロイド介入の指標を裏付ける根拠を提供する例示的なデータセット700Aおよびデータセット700Bを示す。データセット700Aおよびデータセット700Bは、対象者1～16の各々について、医療診断、バイオマーカデータ、介入推奨システムによって提供された医療介入推奨（および、システムによって推奨が提供されない場合、標準治療医療介入）、ならびに医療介入の施用後の対象者の医学的転帰、の各データ点を提供する。

対象者についての医療診断は、対象者が敗血症であるかどうかのバイナリ表示を含む。例えば、図7Aに見られるように、対象者1の医療診断は敗血症（例えば、「敗血症＋」）である。他方、対象者4の医療診断は敗血症ではない（例えば、「敗血症-」）。本明細書で提供される例では、本開示全体を通して論じられるように、対象者1～16の医療診断は、診断推奨システムによって決定される。代替の態様では、医療診断を、標準治療プロトコルに従って決定することができる。

いくつかの態様では、敗血症を有する対象者の診断後、敗血症を回復させ、敗血症が敗血症性ショックに進行するのを防ぐために、対象者を輸液および抗生物質で治療する。対象者が敗血症性ショックに進行した場合、対象者は、対象者の血圧を安定させるために昇圧剤および/または他の治療を受けることができる。敗血症性ショックを有する対象者が安定した血圧を達成しない場合、その対象者は血管収縮性難治性ショック状態にあるとみなされる。この時点で、標準治療敗血症管理ガイドラインは、難治性ショック状態の対象者にコルチコステロイドが投与されるべきか否かに関して弱いガイドラインを提供する。具体的には、特定の標準治療敗血症管理ガイドラインには、「ステロイドを投与するか否かは、どちらを行う根拠も弱いため、どちらも許容可能である」と記載されている。この弱いガイドラインの結果として、標準治療医療介入（例えば、コルチコステロイドの投与またはコルチコステロイドの非投与）、およびしたがってこれらの医療介入の施用後の医学的転帰は、対象者によって異なる。

この弱いガイドラインに従って進める代替として、介入推奨システムを用いて、難治性ショック状態の対象者がコルチコステロイド介入を受けるべきかどうかに関する推奨を提供することができる。この例で論じられる態様などのいくつかの態様では、介入推奨システムは、対象者について決定されたバイオマーカデータに基づいて対象者がコルチコステロイド介入を受けるべきかどうかに関する推奨を提供することができる。例示的データセット700Aおよびデータセット700Bにおける各対象者1～16のバイオマーカデータは、対象者における遺伝子発現に基づく対象者サブタイプ（例えば、サブタイプA、サブタイプBまたはサブタイプC）の表示を含む。例えば、図7Aに示されるように、対象者1のバイオマーカデータは、対象者1がサブタイプAであることを示している。別の例として、対象者3のバイオマーカデータは、対象者3がサブタイプCであることを示している。

介入推奨システムは、対象者のバイオマーカデータに基づいて、本開示全体を通して論じられるように、対象者についての医療介入推奨を決定する。例えば、図7Aに示されるように、介入推奨システムによって対象者1について決定された医療介入推奨はステロイドなしである。別の例として、対象者2の介入推奨は介入推奨システムによって決定されなかった。敗血症ではないと判定された対象者（例えば、対象者4）については、バイオマーカデータも医療介入推奨も決定されないことに留意されたい。

医療介入は、システムによって決定された推奨に従って対象者に施用される。前述のように、介入推奨システムによって対象者に対して介入推奨が決定されない態様では、標準治療医療介入が対象者に施用される。例えば、対象者3の医療介入推奨は介入推奨システムによって決定されなかったので、ステロイドの標準治療医療介入が対象者3に施用された。

最後に、各対象者の医学的転帰が、医療介入の施用後に記録される。図7A～図7Bに示される例では、対象者の医学的転帰は、医療介入の施用後に対象者が生存したか生存しなかったかのバイナリ表示を含む。しかしながら、セクションVIII.A.に関して以下でさらに詳細に論じられるように、対象者の医学的転帰は、多様な複数の医学的転帰のいずれかを含むことができる。例えば、代替の態様では、対象者の医学的転帰は、人工呼吸器依存性、体外式膜型人工肺（ECMO）依存性、または患者ケアセンターにおける滞在期間の表示を含むことができる。

バイオマーカデータ、医療介入推奨（および、システムによって推奨が提供されない場合、標準治療医療介入）、ならびに各対象者の医学的転帰は、コルチコステロイド介入の指標を裏付ける根拠を提供する。特に、この例では、バイオマーカデータ、医療介入推奨（または標準治療医療介入）、および対象者の医学的転帰は、対象者のバイオマーカデータに応じて、敗血症と診断された対象者に対するコルチコステロイド介入の指標を裏付ける根拠を提供する。具体的には、図7Aに示されているデータセット700Aは、サブタイプAである敗血症と診断された対象者におけるコルチコステロイド療法の非施用を裏付ける根拠を提供している。同様に、図7Bに示されているデータセット700Bは、サブタイプAである敗血症と診断された対象者におけるコルチコステロイド療法の非施用を裏付ける根拠を提供しているが、サブタイプCである敗血症と診断された対象者におけるコルチコステロイド療法の施用を裏付ける根拠も提供している。

データセット700Aおよびデータセット700Bはまた、コルチコステロイド療法の指標を裏付ける根拠を提供することに加えて、医療介入推奨システムの改善、また結果としての、医療介入推奨および対応する対象者の医学的転帰の改善、ならびに医療介入の指標を裏付ける根拠の改善も示している。例えば、図7Aおよび図7Bに示される例では、医療介入推奨システムのバージョン1.0が、図7Aの対象者1～8の医療介入推奨を決定するために使用される。介入推奨システムのこのバージョン1.0は、本開示全体を通して論じられる方法に従って、データセット700Aに示されている医学的転帰を改善するように訓練および最適化される。システムの訓練および最適化されたバージョンが、介入推奨システムのバージョン1.1である。介入推奨システムのバージョン1.1は、続いて、図7Bの対象者9～16の医療介入推奨を決定するために使用される。

介入推奨システムの改善バージョンによって可能になる医療介入推奨および対応する対象者の医学的転帰の改善を直接比較するために、対象者1～4、対象者5～8、対象者9～12、および対象者13～16はそれぞれ、同じ医療診断および同じバイオマーカデータを有する。例えば、対象者2、6、10および14はすべて、敗血症＋の同じ医療診断推奨およびサブタイプAの同じバイオマーカデータを有する。図7Aに示されるように、同じバージョンの医療介入推奨システムが対象者1～8の医療介入推奨を決定するために使用されるので、システムは、同じ医療診断およびバイオマーカデータを有する対象者1～8に同じ医療介入を推奨する。例えば、医療介入推奨システムのバージョン1.0は、標準治療敗血症管理ガイドラインに従ってステロイドを投与したときに対象者3と対象者7の両方が生存したにもかかわらず、どちらの対象者にも医療介入推奨を提供しない。しかしながら、対象者の医学的転帰を最適化するようにデータセット700Aで訓練された後、医療介入推奨システムのバージョン1.1は、図7Bに示されるように、対象者11および対象者15へのコルチコステロイドの投与を推奨することを学習する。したがって、図7Aおよび図7Bに示されるように、医療介入推奨システムが使用および訓練されると、システムの推奨が改善され、対象者の医学的転帰が改善され、医療介入の指標を提供するデータセットが改善される。

例えば、上記のように、データセット700Aとは異なり、医療介入推奨システムのバージョン1.0からバージョン1.1への更新により、医療介入推奨システムのバージョン1.1によって部分的に生成されたデータセット700Bは、サブタイプCである敗血症と診断された対象者におけるコルチコステロイド療法の施用を裏付ける根拠を提供する。したがって、データセット700Bは、診断/介入推奨システムのあまり訓練されていないバージョン（バージョン1.0）によって部分的に生成されたデータセット700Aと比較して、データセット700Bが診断/介入推奨システムの更新バージョン（バージョン1.1）によって部分的に生成されるので、データセット700Aに対して、コルチコステロイド介入の肯定的な指標および否定的な指標を裏付ける改善された根拠を提供する。

図7A～図7Bに示される例示的なデータセット700Aおよびデータセット700Bは、限られた数の変数を有する比較的小さいデータセットである。これらの小さいデータセットおよび限られた数量の変数により、コルチコステロイドによる敗血症の介入のための指標の大まかな決定が可能になる。しかしながら、代替の態様では、より多くの数量のより多様な変数を有するより大きなデータセットが、コルチコステロイドによる敗血症の介入の正確で詳細な指標を提供することができる。介入指標を識別するために使用されるこれらのより大きなデータセットの生成は、高レベルの効率での高度なデータ処理能力、大容量のデータストレージ/メモリ、および複数の互換性のない第三者ソースから大量の多様な患者データを取り込む能力を必要とする。これらの要件は、最も熟練した当業者であっても効率的に満たすことはできないが、本開示全体を通して説明されるように、大量の複雑なデータを高速かつ高正確度で受け取り、出力し、格納するように構成された診断/介入推奨システムによってはるかに容易に満たすことができる。以下で詳細に論じられるように、大量の複雑なデータを迅速かつ正確に生成、編成、および格納するこの能力は、診断/介入推奨システムによって提供される主な利点の1つである。

VI. データ完全性および検証
様々な態様において、診断/介入推奨システム（例えば、図1～図3、図5A～図5D、図6A～図6Eのいずれかに記載されている診断/介入推奨システム）は、改ざんされたデータの使用を防止し、必要に応じて後ろ向き監査を可能にするためにデータ完全性チェックおよび検証を行う。例えば、診断/介入推奨システムは、第三者から受け取られたデータ、診断/介入推奨システムによって永続的に格納されており、後で使用されるデータ、診断/介入推奨モデルを訓練するために使用される訓練データ、訓練された診断/介入推奨モデルに入力されるデータ、または診断/介入推奨モデルによって出力された診断/介入推奨に関連するデータのデータ完全性チェックを行うことができる。特定の態様では、診断/介入推奨システムは、患者から取得された患者EHRデータおよび/またはバイオマーカデータに対してデータ完全性チェックを行うことができる。様々な態様において、本明細書に記載されるデータ完全性チェック、データ検証、および監査プロセスを、診断/介入推奨システム300のデータ管理モジュール303によって行うことができる（図3参照）。

様々な態様において、診断/介入推奨システムはメッセージ（例えば、第三者からのメッセージや、別のサブシステムまたはモジュールを対象とした診断/介入推奨システムのサブシステムまたはモジュールによって生成された内部メッセージ）を受け取る。そのようなメッセージを、診断/介入推奨システムに非同期的に（例えば、SQS、RabbitMQなどのポーリングキューイングサービス、データベースのポーリングなど）または同期的に（例えば、http要求、TCP/UDPパケットなど）送ることができる。メッセージに応答して、診断/介入推奨システムは、指定されたタスクを実行し、発信メッセージをさらに生成して後続のイベントをトリガすることができる。例示的な指定されたタスクは、データベースにデータをロードすること、どのモデル/関数をトリガすべきかを決定すること、またはモデル/関数を実行することを含むことができる。よって、診断/介入推奨システムは、タスクに関与するデータに対してデータ完全性チェック、データ検証、および/または監査プロセスを行うことができる。

様々な態様において、メッセージは、2つの要素、1）メッセージエンベロープおよび2）メッセージペイロードを含む。メッセージエンベロープは、メッセージに関するメタデータ（例えば、タイムスタンプ、メッセージコンテンツの一方向暗号学的ハッシュ（任意で、メッセージの発信元を検証するために追加のシークレットソルトでハッシュ化することもできる）、マルチテナントアーキテクチャで使用されるときにメッセージが関連付けられる発信マイクロサービス、組織またはエンティティ）を含むことができる。

メッセージペイロードは、様々な態様において、そのためのタスクが行われる関連データを含む。様々な態様において、メッセージペイロードは、タスクを行うために関連データにアクセスできるように関連データの位置に関する参照を含む。例えば、関連データは、永続的または半永続的な記憶媒体（例えば、フラットファイル、AWS S3、minio、glusterfs）に保持されていてもよい。様々な態様において、メッセージペイロードは、1つまたは複数の暗号化機構を使用して暗号化される。例えば、メッセージのペイロードは、AWS KMS暗号化機構を使用してAWS S3に格納され得る。別の例として、メッセージペイロードを、対称鍵暗号化機構、例えばAES-256で暗号化することができ、暗号化鍵を、永続化されたメッセージペイロードパスを参照してメッセージペイロードに含めることができる。対称鍵暗号化が実施されるこのシナリオでは、メッセージごとに新しいランダムな暗号化鍵を生成することができる。この暗号化鍵は、次いで、診断/介入推奨システムがメッセージペイロードを復号し読み取り得るように、メッセージ内に含められる。またこの暗号化鍵を、診断/介入システムによって、タスクが適切に行われたことを保証するために行われたタスクを後で追跡/監査するために使用することもできる。

様々な態様において、メッセージペイロードの暗号学的ハッシュ（例えば、暗号化されたペイロード）を、暗号学的ハッシュを後で検証してメッセージペイロードに改ざんが発生しているかどうかを判定するために格納することができる。例えば、メッセージペイロードの暗号学的ハッシュをメッセージエンベロープに格納することができる。様々な態様において、暗号学的ハッシュは一方向暗号学的ハッシュである。メッセージペイロードに対するいかなる変更も、メッセージエンベロープに格納された暗号学的ハッシュと一致しない異なる暗号学的ハッシュをもたらす。

様々な態様において、診断/介入システムは、データが許容範囲内にあることを保証するためにデータを検証する。例えば、診断/介入システムは、患者EHRデータおよび/または患者バイオマーカデータを検証することができる。したがって、許容範囲を超える患者EHRデータおよび/または患者バイオマーカデータ（例えば、毎分300拍を超える心拍数、負の年齢などの非現実的なデータ）を、誤っていると識別することができる。タスクの実行が誤ったデータによる悪影響を受けないように、誤ったデータを訂正またはデータから除去することができる。

様々な態様において、メッセージペイロード内のデータを検証するために、診断/介入システムは暗号化されたメッセージの部分を比較する。例えば、メッセージペイロードの一方向暗号学的ハッシュは、メッセージエンベロープ内に含まれるハッシュと比較される。これにより、データ改ざんが発生していないこと、およびメッセージがシステム内から発信されたことが保証される。

様々な態様において、診断/介入推奨システムは、エラーにつながった任意のイベントおよび関連付けられるエラー詳細を含む、行われた各タスクに関する詳細を追跡および格納する。例えば、このイベント追跡は、日付、メッセージエンベロープ情報（各メッセージの一方向暗号学的ハッシュを含む）、メッセージペイロード、対称鍵暗号化、および永続化されたメッセージペイロード情報のうちの1つまたは複数を何らかの記憶媒体（フラットファイル、データベースなど）に格納する。各タスクに関するメタデータを格納することにより、診断/介入推奨システムは、後の時点で、行われたタスクが正しかったことを保証するために監査を行うことができる。例えば、診断/介入推奨システムは、タイムスタンプを検証し、メッセージ完全性を検証し、遭遇した可能性のあるエラーを追跡することができる。このイベント追跡/監査機構はまた、メッセージペイロードが何らかの記憶媒体内に保存された限りにおいて、受け取られたメッセージを再生することも可能にする。これにより、エラーの遡及的デバッグ、特定のエラーと関連付けられている可能性があるバグ修正の検証などが可能になる。

VII. システムアーキテクチャおよび自己スケーリングの実装
様々な態様において、診断/介入システムは、本明細書に記載される方法をより効率的に実行するために動作をスケールアップまたはスケールダウンすることを可能にする自己スケーリングアーキテクチャを含む。動作のスケールアップまたはスケールダウンは、計算メトリックが満たされたことに応答して、診断/介入システムによってトリガすることができる。計算メトリックの例には、閾値を超えるかまたは下回るCPU利用率、指定された値を超えるかまたは下回るメモリ利用率、指定された値を超えるかまたは下回るTCP接続の数、指定された値を超えるかまたは下回る診断/介入システムによって受け取られた保留中の計算メッセージ（診断/介入システムによってまだ消費されていない待ち行列/データベース内にあるメッセージ）の数が含まれる。

一態様では、診断/介入システムが診断/介入推奨モデルを実装するときに、診断/介入システムは、計算メトリックを満たすための計算動作を監視する。前述の計算メトリックのうちの1つが満たされたことに応答して、診断/介入システムは、診断/介入推奨モデルをより効率的に実装するために、動作をスケールアップまたはスケールダウンする。例えば、診断/介入推奨モデルの実装により、CPU利用率および/またはメモリ利用率が閾値を超える可能性がある。この例では、診断/介入システムは、以下でさらに詳細に説明されるように、診断/介入推奨モデルを実装するために動作をスケールアップすることができる。

様々な態様において、診断/介入システムは、ハードウェア（例えば、「ベアメタル」）上で直接動作するように設計されている。そのような態様では、スケーリング機構は、特定のサービス（この場合には、コンピュータ上のプロセス）のインスタンスの数を増減することができる。

様々な態様において、診断/介入システムは、仮想化コンピュータ（例えば、EC2 AMI、VMWare画像など）として動作するように設計されている。仮想化インスタンスを用いるそのような態様では、スケールアップとは、スケーリングされているサービスをホストするコンピュータの追加の仮想インスタンスを提供することを指す。逆に、スケールダウンとは、より少ないリソースを消費するように仮想インスタンスを削除または待機状態にすることを指す。

様々な態様において、診断/介入システムは、docker（または任意の他のコンテナ化ソリューション）コンテナとして動作するように設計されている。dockerインフラストラクチャを用いるそのような態様では、スケールアップとは、特定のサービスと関連付けられたコンテナおよび/またはノードの数を増やすことを指す。逆に、スケールダウンとは、特定のサービスと関連付けられたコンテナおよび/またはノードの数を減らすことを指す。Kubernetesおよびdockerを使用する場合、スケーリング機構は、水平ポッドオートスケーラ（horizontal pod autoscaler（HPA））、または任意の/すべての収集されたメトリックに基づくカスタムスケーリング機構によって処理され得る。

VIII. 実施例
臨床現場では、臨床判断を下す能力の遅延および効果的な介入の欠如が対象者の転帰に悪影響を及ぼし得るので、対象者の診断および介入を迅速かつ正確に推奨する能力は重要である。これは、急性期医療の状況において特に当てはまる。本開示全体を通して詳細に論じられるように、診断/介入推奨システムを、対象者の医学的転帰、および診断/介入推奨システムが診断推奨システムを少なくとも部分的に含む態様では、基本的な予測診断メトリックを含む、様々な性能メトリックを最適化するように訓練することができる。さらに、診断/介入推奨システムを、これらの性能メトリックの任意の重み付きの組み合わせを最適化するように訓練することができる。よって、現在の標準治療と比較した場合、臨床現場での診断/介入推奨システムの使用は、この多種多様な性能メトリックに従って顕著な改善を提供すると予想される。

診断/介入推奨を決定するための標準治療ソリューションなどの代替ソリューションと比較して、本明細書において開示される診断/介入推奨システムの優れた能力を実証するために、診断/介入推奨システムの性能メトリックと代替ソリューションとを比較する前向き実験を行う。代替ソリューションの性能を記述する既知のデータと、本明細書において開示される診断/介入推奨システムの性能を記述する予備データとに基づき、診断/介入推奨システムは、対象者の医学的転帰の性能メトリックに従って代替ソリューションの性能を超え、診断/介入推奨システムが診断推奨システムを少なくとも部分的に含む態様では、基本的な予測診断メトリックを超えると予想される。

以下に詳述されるように、対象者の医学的転帰メトリックには、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨および/または医療介入推奨を提供する時間の短縮、対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の有害事象率の低下、対象者の患者クオリティスコアの改善、対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターにおける患者スループットの増加、ならびに対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターの収益を増加、が含まれる。さらに、以下のセクションVIII.A.2.で詳述されるように、基本的な予測診断メトリックには、感度、特異度、陰性適中度、陽性適中度、正確度、ROC（受診者動作特性）曲線下面積、精度再現率曲線下面積、および較正が含まれる。これらの性能メトリックの各々の定義および例は、以下のVIII.A.1.およびVIII.A.2.に示されている。

前述のように、診断/介入推奨システムによって決定された診断/介入推奨は、上記の性能メトリックに従って代替ソリューションによって識別された診断/介入の性能を超えると予想される。加えて、本開示全体を通して詳細に論じられるように、診断/介入推奨システム自体は、システムが訓練を受け、そのパラメータが更新されるにつれて改善する。よって、上述のような代替ソリューションに対する診断/介入推奨システムの性能向上は、異なるアーキテクチャ（例えば、関数）を有するシステムに当てはまるだけでなく、診断/介入推奨システム自体の以前のバージョンまたは反復にも当てはまる。言い換えれば、上述のような代替ソリューションに対する診断/介入推奨システムの性能向上は、同じアーキテクチャであるが異なるパラメータを含む診断/介入推奨システムにも当てはまる。

上述のように、高レベルでは、対象者の診断/介入推奨を決定するための診断/介入推奨システムの使用は、患者転帰を改善し、対象者を診断および/または治療する時間とコストの両方を削減すると予想される。診断/介入推奨システムによってもたらされるこれらの顕著な改善は、システムが広範囲の異なる、しばしば互換性のないソースから大量のデータを効率的かつ正確に受け取り、格納し、処理する能力によって可能になる。加えて、診断/介入推奨システムは、患者のプライバシーを維持し、HIPAAに準拠したままで、このデータ管理をすべて達成することもできる。これらの能力に基づき、診断/介入推奨システムは、最善の人間の医療提供者よりも高いレベルの性能で動作し、現在の標準治療に対する重要な改善を提供すると予想される。

VIII.A. 性能メトリックの定義
以上で詳細に論じられたように、予測される例では、診断/介入推奨システムは、対象者の医学的転帰および、診断/介入推奨システムが診断推奨システムを少なくとも部分的に含む態様では、基本的な予測診断メトリックを含む、広範囲の性能メトリックに従って、代替の診断/介入推奨システムソリューションの性能を超えると予想される。さらに、診断/介入推奨システムは、本明細書において説明される性能メトリックの任意の重み付きの組み合わせに従って、代替の診断/介入推奨ソリューションの性能を超えると予想される。これらの性能メトリックの定義および例を以下に示す。

VIII.A.1. 対象者の医学的転帰メトリック
本明細書で言及される場合、対象者に関する「罹患率」という用語は、対象者の病気の尺度を指す。いくつかの態様では、対象者の罹患率を、機械的人工呼吸の期間、腎代替療法の期間、腎不全の期間、昇圧期間、退院後48時間以内のICU再入室の発生率、SOFAスコアによる急性臓器不全の発生率、Medical Research Council（医学研究協議会）スケールを使用して評価されたICU獲得性筋力低下の発生率、対象者および/または対象者家族の満足度、28日目におけるせん妄なし日数（例えば、ICUのための錯乱評価法（Confusion Assessment Method for the ICU（CAM-ICU））やEDのための簡易錯乱評価法（Brief Confusion Assessment Method（bCAM））を使用して評価される）、28日目における昏睡なしの日数（例えば、Richmond Agitation-Sedation Scale（RASS）を使用して評価される）、28日目における臓器不全なしの日数（例えば、SOFAスコアや小児ロジスティック臓器機能不全スコア（Pediatric Logistic Organ Dysfunction（PELOD-2））を使用して評価される）に基づいて測定することができる。

本明細書で言及される場合、対象者に関する「死亡率」という用語は、対象者の死亡を指す。いくつかの態様では、対象者の死亡率を、対象者の診断/介入推奨と対象者の死亡との間の期間に基づいて定量化することができる。例えば、0日目に診断/介入推奨を受け、90日目に死亡した対象者を、90日の死亡率を有すると識別することができる。同様に、対象者を、7日の死亡率、28日の死亡率、30日の死亡率、60日の死亡率、または1年間の死亡率を有すると識別することができる。よって、対象者の死亡率低下は、対象者の診断/介入推奨と対象者の死亡との間の期間の増加を含むことができる。代替の態様では、対象者の死亡率を、対象者の死亡場所に基づいて定義することができる。例えば、病院で死亡した対象者は、院内死亡率を有すると識別することができる。同様に、ICUで死亡した対象者は、ICU死亡率を有すると識別することができる。そのような態様では、対象者の死亡率低下は、院内死亡率および/またはICU死亡率の低下または欠如を含むことができる。

本明細書で言及される場合、対象者に関する「介入」という用語は、対象者に提供される任意の医療介入を指す。例えば、対象者に対する介入は、昇圧剤、人工呼吸器、急性腎療法代替療法（例えば、血液透析、持続的静静脈血液ろ過（CVVH）、持続的静静脈血液透析（CVVHD）、および腹膜透析）、体外式膜型人工肺（ECMO）、医療機器の使用、ならびに/または任意の他の形態の医療介入の施用を含むことができる。よって、対象者の介入なしの日数とは、その後に対象者が医療介入を必要としない連続した日数を指す。例えば、介入なしの日数は、対象者が、28日目に昇圧剤離脱状態であること、28日目に人工呼吸器離脱状態であること、28日目に中心静脈ライン離脱状態であること、28日目に集中治療室（ICU）離脱状態であること、28日目に透析（例えば、従来の血液透析、持続的静静脈血液ろ過（CVVH）、持続的静静脈血液透析（CVVHD）、および腹膜透析）離脱状態であること、28日目にコルチコステロイド離脱状態であること、ならびに/または28日目に体外式膜型人工肺（ECMO）離脱状態であることを指すことができる。

対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターにおける対象者の滞在コストを、任意の手段によって決定することができる。例えば、対象者の滞在のコストは対象者のICU滞在コストを含むことができ、ICU滞在コストは、対象者のICUへの入室、ICUにおける滞在、プライマリケア来診、専門治療、救急科来診、ICU退室後90日までの再入院、ICU退室時に提供された医療機器のコスト、入院コスト、および/または患者ケアセンターにおける対象者の滞在と関連付けられた任意の他のコストメトリックのうちの少なくとも1つを合計することによって決定することができる。

同様に、対象者がシステムから医療診断推奨および/または介入推奨を受ける患者ケアセンターにおける対象者の滞在期間を、任意の手段によって決定することができる。例えば、対象者の滞在期間を、プライマリケア、専門治療、救急科来診、ICU滞在、退院後90日までの再入院の期間、および患者ケアセンターにおける対象者の滞在と関連付けられた任意の他の時間メトリックのうちの少なくとも1つを合計することによって決定することができる。

本明細書で言及される場合、対象者に関する「有害事象」という用語は、対象者の健康の阻害をもたらす対象者のあらゆる否定的な医療事象を指す。例えば、いくつかの態様では、対象者の有害事象は、人工呼吸器関連肺炎、脳卒中、出血性合併症、血液製剤（赤血球、血小板、新鮮凍結血漿）輸血、肺塞栓症、急性冠動脈症候群、心停止、心房細動、腸間膜虚血、生命を脅かす不整脈、気胸、高血糖症、gastroinutilizeinal出血、せん妄、院内感染、および/または対象者の任意の他の心身の苦痛を含むことができる。

本明細書で言及される場合、対象者に関する「患者クオリティスコア」という用語は、患者の健康の任意の尺度を指す。例えば、いくつかの態様では、対象者の患者クオリティスコアは、ICU退室および退院後の健康関連の生活の質（HRQL）インジケータおよび機能的インジケータ（例えば、Montreal Cognitive Assessment（MoCA）を使用して評価される）、FSS-ICUスコア、EQ-5D質問票の新しい5レベルバージョン（すなわち、EQ-5D-5L質問票）からのスコア、PTSD発生率退院後チェックリストスコア（例えば、PTSD check list-civilian（PCL-C）を使用して評価される）、幸福度スケールからのスコア、EuroQolスコア、ノッティンガム健康プロファイル（Nottingham Health profile）、ショートフォーム36/12スコア、病気影響プロファイル、健康効用値尺度スコア、小児生活の質目録（例えば、PedsQL）スコア、PedsQLTM 2.0 Family Impact Moduleスコア、小児ロジスティック臓器機能不全（PELOD-2）計器スコア、対象者のせん妄なしおよび昏睡なしの日数（DCFDs）、Richmond Agitation-Sedation Scale（RASS）スコア、ICUのための錯乱評価法（CAM-ICU）スコア、簡易錯乱評価法（bCAM）スコア、三分割（trichotomous）死亡率/罹患率転帰、Pediatric Overall Performance Category（POPC）スコア、機能状態尺度（FSS）スコア、ならびに/または対象者の健康の質の任意の代替スコアを含むことができる。

本明細書で言及される場合、患者ケアセンターに関する「患者ケアセンタークオリティスコア」という用語は、医療機関で提供される医療の質を測定するための、任意の病院、保険団体、州、国家、および/または他の機関固有のメトリックを指す。患者ケアセンター品質メトリックの例には、米国医療研究品質局（AHRQ）患者安全インジケータ13（PSI-13）術後敗血症率、米国医療研究品質局（AHRQ）入院患者品質インジケータ20（IQI-20）肺炎死亡率、CMS病院価値に基づく購入（VBP）受益者あたりのメディケア支出率（MSPB）、および看護品質インジケータ全国データベース（NDNQI）院内感染率、ならびに任意の他の患者ケアセンター品質メトリックが含まれる。

本明細書で言及される場合、患者ケアセンターに関する「患者スループット」という用語は、所与の期間に患者ケアセンターによって処理された対象者の数を指す。例えば、一態様では、患者ケアセンター全体の患者とは、所与の期間に患者ケアセンターにおいて入院および/または退院した対象者の数を指す。

本明細書で言及される場合、患者ケアセンターに関する「患者満足度」という用語は、任意の調査手段によって測定された患者ケアセンターでの患者によって報告された経験を指す。調査手段は、患者の郵便、電話、電子メール、任意の他の媒体を介して回答された、かつ/または医療経験の前、最中、および/もしくは後に病院スタッフ、第三者、および/もしくは電子デバイスによってリアルタイムで収集された、公式および/または非公式のHCAHPS調査に関するCMSの指示による、および/または病院によって選択された患者ケア質問を含むことができる。例えば、看護師の毎時巡回フィードバックによって行われた調査および/または患者退院調査が、患者満足度の尺度として使用されてもよい。患者満足度を測定する関連調査質問の例には、「この病院を友人や家族に勧めますか」や、「0を最悪の病院とし10を最良の病院とする、0から10までの任意の数を使用して、あなたは滞在中のこの病院を評価するためにどの数を使用しますか？」が含まれる。

VIII.A.2. 基本的な予測診断メトリック
本明細書で言及される場合、診断に関する「感度」という用語は、正しく識別された真陽性診断の割合の尺度を指す。感度は、真陽性診断と偽陰性診断との和に対する真陽性診断の比率として計算することができる。いくつかの態様では、感度を、「再現率」または「真陽性率」とも呼ぶことができる。

本明細書で言及される場合、診断に関する「特異度」という用語は、正しく識別された真陰性診断の割合の尺度を指す。特異度は、真陰性診断と偽陽性診断との和に対する真陰性診断の比率として計算することができる。

本明細書で言及される場合、診断に関する「陰性適中度」という用語は、真陰性診断であると識別された陰性診断の割合の尺度を指す。陰性適中度は、真陰性診断と偽陰性診断との和に対する真陰性診断の比率として計算することができる。

本明細書で言及される場合、診断に関する「陽性適中度」という用語は、真陽性診断であると識別された陽性診断の割合の尺度を指す。陽性適中度は、合計または真陽性診断および偽陽性診断に対する真陽性診断の比率として計算することができる。いくつかの態様では、陽性適中度を「精度」とも呼ぶことができる。

本明細書で言及される場合、診断に関する「正確度」という用語は、正しく識別された診断の割合の尺度を指す。正確度は、行われた診断の総数に対する真陽性診断と真陰性診断との和の比率として計算することができる。

本明細書で言及される場合、診断に関する「ROC曲線」という用語は、様々な閾値での偽陽性率に対する感度をプロットした折れ線グラフを指す。偽陽性率は、偽陽性診断と真陰性診断との和に対する偽陽性診断の比率として算出することができる。ROC曲線下面積は、曲線上の2点間の定積分を計算することによって決定することができる。

本明細書で言及される場合、診断に関する「精度再現率曲線」という用語は、様々な閾値での感度に対する陽性適中度をプロットした折れ線グラフを指す。精度再現率曲線下面積は、曲線上の2点間の定積分を計算することによって決定することができる。

IX. 方法のフローチャート
次に図8を見ると、図8は、一態様による、対象者についての医療診断/介入推奨を決定するための方法のフローチャートである。他の態様では、この方法は、図8に示される工程とは異なる工程および/または追加の工程を含み得る。加えて、この方法の工程は、図8に関連して記載されている順序とは異なる順序で行われてもよい。

図8に示されるように、診断/介入推奨システムは、対象者のEHRデータおよびバイオマーカデータを取得する801。上述のように、EHRは、電子的に記録された対象者についての医療情報および/または健康情報のセットを含む。EHRデータは、対象者の任意の種類の医療データおよび/または健康データを含むことができ、任意の手段によって収集することができる。バイオマーカデータは、対象者からの試料中の1つまたは複数の測定可能な物質の有無を記述するデータを含む。バイオマーカデータは、対象者からの任意の試料からの任意の測定可能な物質を含むことができ、任意の手段によって決定することができる。

いくつかの態様では、バイオマーカデータは、インビトロ診断装置（IVD）を使用して対象者の試料から決定することができる。より具体的には、いくつかの態様では、対象者のバイオマーカデータを、対象者からの試料から対象者のバイオマーカデータを識別したIVDから診断/介入推奨システムにおいて自動的に受け取ることができる。バイオマーカデータがIVDから受け取られるそのような態様では、バイオマーカデータは、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含むことができる。

診断/介入推奨システムが対象者のEHRデータおよびバイオマーカデータを取得した801後、診断/介入推奨システムは、対象者のEHRデータおよびバイオマーカデータを、診断/介入推奨システムを部分的に含む診断/介入推奨モデルに入力する802。上述のように、診断/介入推奨モデルは、対象者のEHRデータおよびバイオマーカデータの入力を受け取り、対象者についての医療診断/介入推奨を決定するように構成されている。一般に、診断/介入推奨モデルは、訓練データセット内の独立変数（例えば、EHRデータやバイオマーカデータ）と従属変数（例えば、診断/介入推奨）との間の関係を正確に取り込むために複数のパラメータによって修飾された関数を含む。

より具体的には、診断/介入推奨モデルの複数のパラメータは、少なくとも、複数の訓練サンプルを含む訓練データセットに基づいて識別される。複数の訓練サンプルの各訓練サンプルは、既往の対象者と関連付けられており、その既往の対象者のEHRデータおよびバイオマーカデータを含む。診断/介入推奨モデルが教師あり学習を使用して訓練される態様では、各訓練サンプルは、既往の対象者の後ろ向き医療診断/介入および医療診断/介入の受け取り後のその既往の対象者の後ろ向き医学的転帰をさらに含む。関数は、診断/介入推奨モデルに入力された対象者のEHRデータおよびバイオマーカデータと、対象者のEHRデータおよびバイオマーカデータに基づく診断/介入推奨モデルの出力として生成された対象者についての医療診断/介入推奨と、少なくとも訓練データセットに基づいて識別された複数のパラメータとの間の関係を表す。

いくつかの態様では、診断/介入推奨モデルは、一次システムからリモートにある1つまたは複数の第三者システムと通信する一次システムによって格納される。そのような態様では、診断/介入推奨モデルの複数のパラメータを、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに診断/介入推奨システムを提供することによって識別することができる。本明細書で使用される場合、「ネットワーク伝送」という用語は、インターネットを介したデータの伝送、データの無線伝送、データの非無線伝送（例えば、イーサネットを介したデータの伝送）、または任意の他の形態のデータ伝送を含むことができる。次いで、診断/介入推奨モデルの複数のパラメータを、1つまたは複数の第三者システムにおいて受け取られた訓練セットを使用して、上述のように1つまたは複数の第三者システムにおいて識別することができる。

診断/介入推奨モデルに入力された対象者のEHRデータおよびバイオマーカデータに基づき、診断/介入推奨モデルは、対象者の診断/介入推奨を生成する。次いで、診断/介入推奨システムは、診断/介入推奨モデルによって生成された、対象者についての医療診断/介入推奨を返す803。診断/介入推奨システムによって返される診断推奨は、対象者の医学的状態の識別を含む。診断/介入推奨システムによって返される介入推奨は、対象者についての医療介入の識別を含む。

いくつかの態様では、診断/介入推奨システムによって返される対象者についての医療診断/介入推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断/介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨および/または医療介入推奨を提供する時間の短縮、対象者が医療診断推奨および/または医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨および/または医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨および/または医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨および/または医療介入推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療診断推奨および/または医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、ならびに対象者が医療診断推奨および/または医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たす。

最後に、診断/介入推奨システムが対象者についての医療介入推奨を生成し返す特定の態様では、診断/介入推奨システムはまた、医療介入の指標を裏付ける根拠を提供するデータセットを生成することもできる。そのような態様では、医療介入は、病気と診断された1人または複数の対象者のEHRデータおよびバイオマーカデータを使用して診断/介入推奨モデルによって決定される。指標は、1人または複数の対象者についての医療介入を決定するために診断/介入推奨モデルによって使用されたEHRデータおよびバイオマーカデータのうちの少なくとも1つの値を含み、1人または複数の対象者の医学的転帰に基づくものである。

X. 例示的なコンピュータ
図9に、一態様による、図8に記載される方法を実施するための例示的なコンピュータ900を示す。コンピュータ900は、チップセット902に結合された少なくとも1つのプロセッサ901を含む。チップセット902は、メモリコントローラハブ910と入力/出力（I/O）コントローラハブ911とを含む。メモリコントローラハブ910にはメモリ903およびグラフィックスアダプタ906が結合されており、グラフィックスアダプタ906にはディスプレイ909が結合されている。I/Oコントローラハブ911には、記憶装置904、入力装置907、およびネットワークアダプタ908が結合されている。コンピュータ900の他の態様は、異なるアーキテクチャを有する。

記憶装置904は、ハードドライブ、コンパクトディスク読み出し専用メモリ（CD-ROM）、DVD、ソリッドステートメモリデバイスなどの非一時的コンピュータ可読記憶媒体である。メモリ903は、プロセッサ901によって使用される命令およびデータを保持する。入力インターフェース907は、タッチスクリーンインターフェース、マウス、トラックボール、もしくは他の種類のポインティングデバイス、キーボード、またはそれらの何らかの組み合わせであり、コンピュータ900にデータを入力するために使用される。いくつかの態様では、コンピュータ900を、ユーザからのジェスチャを介して入力インターフェース907から入力（例えば、コマンド）を受け取るように構成することができる。グラフィックスアダプタ906は、ディスプレイ909に画像およびその他の情報を表示する。ネットワークアダプタ908は、コンピュータ900を1つまたは複数のコンピュータネットワークに結合する。

コンピュータ900は、本明細書に記載される機能を提供するためのコンピュータプログラムモジュールを実行するように適合されている。本明細書で使用される場合、「モジュール」という用語は、指定された機能を提供するために使用されるコンピュータプログラム論理を指す。よって、モジュールは、ハードウェア、ファームウェア、および/またはソフトウェアで実装することができる。一態様では、プログラムモジュールは、記憶装置904に格納され、メモリ903にロードされ、プロセッサ901によって実行される。

図8の方法を実施するために使用されるコンピュータ900の種類は、態様およびエンティティによって必要とされる処理能力に応じて様々であり得る。例えば、診断/介入推奨システムは、単一のコンピュータ900で、またはサーバファームなどのようにネットワークを介して互いに通信する複数のコンピュータ900で動作することができる。コンピュータ900は、グラフィックスアダプタ906やディスプレイ909など、上述の構成要素のうちのいくつかを欠いていてもよい。

XII. 追加の態様
一局面において、本発明は、対象者についての医療介入推奨を決定するための方法を提供する。この方法は、対象者の電子健康記録（EHR）データおよびバイオマーカデータを取得する工程、任意でデータを共通フォーマットに変換する工程、変換された対象者のEHRデータおよびバイオマーカデータを介入推奨モデルに入力する工程、ならびに介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程を含む。対象者のEHRデータおよびバイオマーカデータは、コンピュータプロセッサを使用して介入推奨モデルに入力される。

様々な態様において、介入推奨モデルは、複数のパラメータおよび関数を含む。関数は、介入推奨モデルへの入力として受け取られた対象者のEHRデータおよびバイオマーカデータと、対象者のEHRデータおよびバイオマーカデータと複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す。パラメータは、モデルの使用前に、少なくとも訓練データセットに基づいてモデルの訓練中に識別される。訓練データセットは、複数の訓練サンプルを含む。各訓練サンプルは、既往の対象者と関連付けられており、既往の対象者のEHRデータおよび既往の対象者のバイオマーカデータを含む。

様々な態様において、介入推奨モデルは、対象者のEHRデータおよびバイオマーカデータを医療介入推奨と関連付ける関数を含む統計的に導出されたモデルである。言い換えれば、介入推奨モデルは、非機械学習モデルをすることができる。様々な態様において、介入推奨モデルは、そのモデルを含む複数のパラメータが訓練データセットに基づいてコンピュータによって学習される機械学習モデルとすることができる。複数のパラメータおよびしたがってモデルがコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータが訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、介入推奨モデルは、離散的にプログラムされたモデルとすることができる。代替の態様では、介入推奨モデルを、教師なし学習（例えば、クラスタリング）を介して学習することができる。さらなる態様では、介入推奨モデルを、教師あり学習を介して学習することができる。例えば、介入推奨モデルは、分類器または回帰モデルとすることができる。

介入推奨モデルが教師あり学習を介して学習される態様では、介入推奨モデルを、転帰データに基づいて訓練することができる。具体的には、介入推奨モデルが教師あり学習を介して学習される態様では、訓練データセットの各訓練サンプルは、介入推奨モデルが対象者の医学的転帰を最適化するよう訓練されるように、訓練サンプルと関連付けられた既往の対象者に提供された医療介入、および訓練サンプルと関連付けられた既往の対象者の医学的転帰をさらに含むことができる。

対象者のEHRデータは、電子的に記録された対象者についての医療情報および/または健康情報のセットを含む。EHRデータは、対象者の任意の種類の医療データおよび/または健康データを含むことができ、任意の手段によって収集することができる。例えば、EHRデータは、患者ケアセンター（例えば、診療所、病院の救急科、病院の集中治療室、病院の病棟）、臨床検査室、研究室、リモートの消費者向け医療機器、治療装置（例えば、輸液ポンプ）、ウェアラブルデバイスなどの監視装置（例えば、心拍数モニタ）、および任意の他の場所で収集し、電子的に記録することができる。またEHRデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるEHRデータは、後ろ向きデータとすることができる。モデルを訓練および/または使用するために使用されるEHRデータは、前向きデータとすることができる。

対象者のバイオマーカデータは、対象者からの試料から得られ、試料中の1つまたは複数の測定可能な物質の有無を記述するデータを含む。好ましい一態様では、バイオマーカデータは、ゲノムデータ、エピゲノム、トランスクリプトームデータ、プロテオームデータ、代謝データ、およびリピドームデータのうちの少なくとも1つを含むことができる。さらなる態様では、バイオマーカデータは、指定された遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含むことができる。好ましい一態様では、バイオマーカデータを決定するために使用される対象者からの試料は、血液試料、尿、便、気管支洗浄液、組織、粘液、または他の身体試料のうちの少なくとも1つを含む。いくつかの態様では、バイオマーカデータを決定するために使用される対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数によって採取される。

バイオマーカデータは、臨床検査機器、インビトロ診断（IVD）装置、研究専用装置、およびバイオマーカデータの決定または収集の任意の他の手段を使用して、対象者の試料から決定することができる。対象者のバイオマーカデータを、IVD装置から自動的に受け取ることができる。対象者のバイオマーカデータがIVD装置から受け取られるそのような態様では、バイオマーカデータは、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含むことができる。

バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がゲノムデータを含む態様では、バイオマーカデータ103を、エクソームおよび全ゲノムヌクレオチド配列決定のうちの少なくとも1つによって対象者の試料から決定することができる。バイオマーカデータ103がトランスクリプトームデータを含む態様では、バイオマーカデータ103を、マイクロアレイ、RNA配列決定、およびRT-qPCRのうちの少なくとも1つによって対象者の試料から決定することができる。

介入推奨モデルに入力される前に、バイオマーカデータを決定するために使用される対象者からの試料を任意の場所で採取することができ、任意の場所で採取された試料を使用してバイオマーカデータを決定することができる。例えば、対象者からの試料は、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で採取することができる。同様に、バイオマーカデータも、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で収集された試料を使用して決定することができる。特定の態様では、対象者のバイオマーカデータは、対象者からの試料が採取されたのと同じ場所で決定される。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターにおいてオンサイトで対象者からの試料から取得することができる。代替の態様では、対象者のバイオマーカデータを、対象者からの試料が採取されたのとは異なる場所で決定することができる。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターからオフサイトで対象者からの試料から取得することができる。またバイオマーカデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるバイオマーカデータは、後ろ向きデータとすることができる。他方、モデルを訓練および/または使用するために使用されるバイオマーカデータは、前向きデータとすることができる。

対象者が診断される医学的状態は、例えば、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態（例えば、開心術後の状態）のうちの1つを含むことができる。介入推奨モデルによって対象者について決定される医療介入推奨は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含むことができる。場合によっては、決定される医療介入推奨は、非医薬的介入である。場合によっては、対象者について決定される非医薬的介入は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集である。

介入推奨モデルによって出力される対象者についての医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの改善、ならびに対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たすことができる。

いくつかの態様では、方法は、ある状態に対する医療介入の指標を裏付ける根拠を提供するデータセットを生成する工程をさらに含むことができる。医療介入は、上述のように、ある状態と診断された1人または複数の対象者のEHRデータおよびバイオマーカデータを使用して介入推奨モデルによって決定される。指標は、1人または複数の対象者についての医療介入を決定するために介入推奨モデルによって使用されたEHRデータおよびバイオマーカデータのうちの少なくとも1つの値を含み、1人または複数の対象者の医学的転帰に基づくものである。

いくつかの態様では、介入推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。1つまたは複数の第三者システムは、一次システムからリモートにあることも可能である。1つまたは複数の第三者システムはまた、1つまたは複数の患者ケアセンターに位置することもできる。そのような態様では、介入推奨モデルを、一次システムと1つまたは複数の第三者システムとの間で代替的に訓練および利用することができる。

例えば、第1の態様では、介入推奨モデルを、一次システムで訓練するとともに利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータおよびバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られる。次いで、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のEHRデータおよびバイオマーカデータを使用して一次システムにおいて生成される。

代替の態様では、介入推奨モデルを、一次システムにおいて訓練するが、1つまたは複数の第三者システムにおいて利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルは、ネットワーク伝送を介して1つまたは複数の第三者システムに提供される。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムもしくはほぼリアルタイムで第三者システムに自動的に提供される。対象者について取得されたEHRデータおよびバイオマーカデータが、第三者システムにおけるモデルにおいて受け取られ、最後に、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のEHRデータおよびバイオマーカデータを使用して第三者システムにおいて生成される。

第3の態様では、介入推奨モデルを、逆に1つまたは複数の第三者システムにおいて訓練するが、一次システムにおいて利用することができる。そのような態様では、介入推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、介入推奨モデルは、第三者システムにおいて訓練データセットの訓練サンプルのうちの1つまたは複数を受け取る。第三者システムでは、受け取られた訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルがネットワーク伝送を介して一次システムにおいて受け取られる。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムもしくはほぼリアルタイムで一次システムに自動的に提供される。次いで、対象者のEHRデータおよびバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られ、対象者についての医療介入推奨が、対象者について受け取られたEHRデータおよびバイオマーカデータを使用して一次システムにおいてモデルによって生成される。

最後に、代替の態様では、介入推奨モデルを、1つまたは複数の第三者システムで訓練するとともに利用することができる。そのような態様では、介入推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、介入推奨モデルは、第三者システムにおいて訓練データセットの1つまたは複数の訓練サンプルを受け取る。第三者システムでは、訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータおよびバイオマーカデータが、第三者システムにおいてモデルによって受け取られ、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のEHRデータおよびバイオマーカデータを使用して第三者システムにおいて生成される。

介入推奨モデルが一次システムにおいて訓練される場合には、複数の訓練サンプルを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。ある場合には、複数の訓練サンプルのうちの1つまたは複数を、複数の別個の第三者システムから受け取ることができ、複数の訓練サンプルのうちの1つまたは複数は、異なるデータフォーマットを含むことができる。そのような場合、訓練サンプルを共通データフォーマットに変換することができ、変換された訓練サンプルをマージしてマージされた訓練データセットにすることができる。次いで、このマージされた訓練データセットを使用して、上述のようにモデルパラメータを識別することができる。

介入推奨モデルが一次システムではなく1つまたは複数の第三者システムにおいて訓練される代替の態様では、訓練サンプルを複数の別個の第三者システムにおいて受け取ることができる。

モデルがどこで訓練されるかにかかわらず、モデルのパラメータが指定された時間間隔で自動的に識別されるように、またモデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルを、指定された時間間隔で自動的に受け取ることができる。あるいは、モデルのパラメータがリアルタイムまたはほぼリアルタイムで自動的に識別されるように、またモデルがリアルタイムまたはほぼリアルタイムで自動的に更新されるように、複数の訓練サンプルを、リアルタイムまたはほぼリアルタイムで自動的に受け取ることもできる。

モデルが一次システムにおいて利用される場合、対象者のEHRデータおよびバイオマーカデータを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。さらに、介入推奨モデルによって出力された対象者についての医療介入推奨を、一次システムによってネットワーク伝送を介して1つまたは複数の第三者システムに提供することができる。

あるいは、介入推奨モデルが1つまたは複数の第三者システムにおいて利用される場合には、介入推奨モデルによって出力された対象者についての医療介入推奨を対象者に提供することもできる。

別の局面において、本発明は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、上記方法工程の任意の組み合わせを行うことによって対象者についての医療介入推奨を決定させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体を提供する。

さらに別の局面において、本発明は、対象者の医療診断推奨を決定するための方法を提供する。この方法は、対象者の電子健康記録（EHR）データおよびバイオマーカデータを取得する工程、任意でデータを共通フォーマットに変換する工程、変換された対象者のEHRデータおよびバイオマーカデータを診断推奨モデルに入力する工程、ならびに診断推奨モデルによって出力された対象者の医療診断推奨を返す工程を含む。対象者のEHRデータおよびバイオマーカデータは、コンピュータプロセッサを使用して診断推奨モデルに入力される。

様々な態様において、診断推奨モデルは、複数のパラメータおよび関数を含む。関数は、診断推奨モデルへの入力として受け取られた対象者のEHRデータおよびバイオマーカデータと、対象者のEHRデータおよびバイオマーカデータと複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す。パラメータは、モデルの使用前に、少なくとも訓練データセットに基づいてモデルの訓練中に識別される。訓練データセットは、複数の訓練サンプルを含む。各訓練サンプルは、既往の対象者と関連付けられており、既往の対象者のEHRデータおよび既往の対象者のバイオマーカデータを含む。

様々な態様において、診断推奨モデルは、対象者のEHRデータおよびバイオマーカデータを医療介入推奨と関連付ける関数を含む統計的に導出されたモデルである。言い換えれば、診断推奨モデルは、非機械学習モデルである。様々な態様において、診断推奨モデルは、機械学習モデルである。診断推奨モデルは、モデルを含む複数のパラメータが訓練データセットに基づいてコンピュータによってそのために学習される任意のモデルとすることができる。複数のパラメータおよびしたがってモデルがコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータが訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、診断推奨モデルは、離散的にプログラムされたモデルとすることができる。代替の態様では、診断推奨モデルを、教師なし学習（例えば、クラスタリング）を介して学習することができる。さらなる態様では、診断推奨モデルを、教師あり学習を介して学習することができる。例えば、診断推奨モデルは、分類器または回帰モデルとすることができる。

診断推奨モデルが教師あり学習を介して学習される態様では、診断推奨モデルを、転帰データに基づいて訓練することができる。具体的には、診断推奨モデルが教師あり学習を介して学習される態様では、訓練データセットの各訓練サンプルは、診断推奨モデルが対象者の医学的転帰を最適化するよう訓練されるように、訓練サンプルと関連付けられた既往の対象者に提供された医療診断、および訓練サンプルと関連付けられた既往の対象者の医学的転帰をさらに含むことができる。

対象者のEHRデータは、電子的に記録された対象者についての医療情報および/または健康情報のセットを含む。EHRデータは、対象者の任意の種類の医療データおよび/または健康データを含むことができ、任意の手段によって収集することができる。例えば、EHRデータは、患者ケアセンター（例えば、診療所、病院の救急科、病院の集中治療室、病院の病棟）、臨床検査室、研究室、リモートの消費者向け医療機器、治療装置（例えば、輸液ポンプ）、ウェアラブルデバイスなどの監視装置（例えば、心拍数モニタ）、および任意の他の場所で収集し、電子的に記録することができる。またEHRデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるEHRデータは、後ろ向きデータとすることができる。モデルを訓練および/または使用するために使用されるEHRデータは、前向きデータとすることができる。

対象者のバイオマーカデータは、対象者からの試料から得られ、試料中の1つまたは複数の測定可能な物質の有無を記述するデータを含む。好ましい一態様では、バイオマーカデータは、ゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、代謝データ、およびリピドームデータのうちの少なくとも1つを含むことができる。さらなる態様では、バイオマーカデータは、指定された遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含むことができる。好ましい一態様では、バイオマーカデータを決定するために使用される対象者からの試料は、血液試料、尿、便、気管支洗浄液、組織、粘液、または他の身体試料のうちの少なくとも1つを含む。いくつかの態様では、バイオマーカデータを決定するために使用される対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数によって採取される。

バイオマーカデータは、臨床検査機器、インビトロ診断（IVD）装置、研究専用装置、およびバイオマーカデータの決定または収集の任意の他の手段を使用して、対象者の試料から決定することができる。対象者のバイオマーカデータを、IVD装置から自動的に受け取ることができる。対象者のバイオマーカデータがIVD装置から受け取られるそのような態様では、バイオマーカデータは、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含むことができる。

バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がゲノムデータを含む態様では、バイオマーカデータ103を、エクソームおよび全ゲノムヌクレオチド配列決定のうちの少なくとも1つによって対象者の試料から決定することができる。バイオマーカデータ103がトランスクリプトームデータを含む態様では、バイオマーカデータ103を、マイクロアレイ、RNA配列決定、およびRT-qPCRのうちの少なくとも1つによって対象者の試料から決定することができる。

診断推奨モデルに入力される前に、バイオマーカデータを決定するために使用される対象者からの試料を任意の場所で採取することができ、任意の場所で採取された試料を使用してバイオマーカデータを決定することができる。例えば、対象者からの試料は、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で採取することができる。同様に、バイオマーカデータも、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で収集された試料を使用して決定することができる。特定の態様では、対象者のバイオマーカデータは、対象者からの試料が採取されたのと同じ場所で決定される。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターにおいてオンサイトで対象者からの試料から取得することができる。代替の態様では、対象者のバイオマーカデータを、対象者からの試料が採取されたのとは異なる場所で決定することができる。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターからオフサイトで対象者からの試料から取得することができる。またバイオマーカデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるバイオマーカデータは、後ろ向きデータとすることができる。他方、モデルを利用するために使用されるバイオマーカデータは、前向きデータとすることができる。

診断推奨モデルによって出力される対象者の医療診断推奨は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態（例えば、開心術後の状態）のうちの1つを含むことができる。いくつかの態様では、方法は、決定された医療診断推奨に基づいて対象者に医療介入を提供する工程をさらに含む。そのような態様では、医療介入は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含むことができる。代替の態様では、医療介入は、非医薬的介入とすることができる。場合によっては、対象者について決定される非医薬的介入は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集である。

診断推奨モデルによって出力される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの改善、ならびに対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たすことができる。

いくつかの態様では、診断推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。1つまたは複数の第三者システムは、一次システムからリモートにあることも可能である。1つまたは複数の第三者システムはまた、1つまたは複数の患者ケアセンターに位置することもできる。そのような態様では、診断推奨モデルを、一次システムと1つまたは複数の第三者システムとの間で代替的に訓練および利用することができる。

例えば、第1の態様では、診断推奨モデルを、一次システムで訓練するとともに利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータおよびバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られる。次いで、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のEHRデータおよびバイオマーカデータを使用して一次システムにおいて生成される。

代替の態様では、診断推奨モデルを、一次システムにおいて訓練するが、1つまたは複数の第三者システムにおいて利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルは、ネットワーク伝送を介して1つまたは複数の第三者システムに提供される。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで第三者システムに自動的に提供される。対象者について取得されたEHRデータおよびバイオマーカデータが、第三者システムにおけるモデルにおいて受け取られ、最後に、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のEHRデータおよびバイオマーカデータを使用して第三者システムにおいて生成される。

第3の態様では、診断推奨モデルを、逆に1つまたは複数の第三者システムにおいて訓練するが、一次システムにおいて利用することができる。そのような態様では、診断推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、診断推奨モデルは、第三者システムにおいて訓練データセットの訓練サンプルのうちの1つまたは複数を受け取る。第三者システムでは、受け取られた訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルがネットワーク伝送を介して一次システムにおいて受け取られる。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムもしくはほぼリアルタイムで一次システムに自動的に提供される。次いで、対象者のEHRデータおよびバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られ、対象者の医療診断推奨が、対象者について受け取られたEHRデータおよびバイオマーカデータを使用して一次システムにおいてモデルによって生成される。

最後に、代替の態様では、診断推奨モデルを、1つまたは複数の第三者システムで訓練するとともに利用することができる。そのような態様では、診断推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、診断推奨モデルは、第三者システムにおいて訓練データセットの1つまたは複数の訓練サンプルを受け取る。第三者システムでは、訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータおよびバイオマーカデータが、第三者システムにおいてモデルによって受け取られ、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のEHRデータおよびバイオマーカデータを使用して第三者システムにおいて生成される。

診断推奨モデルが一次システムにおいて訓練される場合には、複数の訓練サンプルを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。ある場合には、複数の訓練サンプルのうちの1つまたは複数を、複数の別個の第三者システムから受け取ることができ、複数の訓練サンプルのうちの1つまたは複数は、異なるデータフォーマットを含むことができる。そのような場合、訓練サンプルを共通データフォーマットに変換することができ、変換された訓練サンプルをマージしてマージされた訓練データセットにすることができる。次いで、このマージされた訓練データセットを使用して、上述のようにモデルパラメータを識別することができる。

診断推奨モデルが一次システムではなく1つまたは複数の第三者システムにおいて訓練される代替の態様では、訓練サンプルを複数の別個の第三者システムにおいて受け取ることができる。

モデルがどこで訓練されるかにかかわらず、モデルのパラメータが指定された時間間隔で自動的に識別されるように、またモデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルを、指定された時間間隔で自動的に受け取ることができる。あるいは、モデルのパラメータがリアルタイムで自動的に識別されるように、またモデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルを、リアルタイムで自動的に受け取ることもできる。

モデルが一次システムにおいて利用される場合、対象者のEHRデータおよびバイオマーカデータを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。さらに、診断推奨モデルによって出力された対象者の医療診断推奨を、一次システムによってネットワーク伝送を介して1つまたは複数の第三者システムに提供することができる。

別の局面において、本発明は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、上記方法工程の任意の組み合わせを行うことによって対象者の医療診断推奨を決定させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体を提供する。

別の局面において、本発明は、対象者についての医療介入推奨を決定するための方法を提供する。この方法は、対象者の電子健康記録（EHR）データを取得する工程、データを共通フォーマットに変換する工程、変換された対象者のEHRデータを介入推奨モデルに入力する工程、および介入推奨モデルによって出力された対象者の推奨される医療介入を返す工程を含む。対象者のEHRデータは、コンピュータプロセッサを使用して介入推奨モデルに入力される。

介入推奨モデルは、複数のパラメータおよび関数を含む。関数は、介入推奨モデルへの入力として受け取られた対象者のEHRデータと、対象者のEHRデータと複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す。パラメータは、モデルの使用前に、少なくとも訓練データセットに基づいてモデルの訓練中に識別される。訓練データセットは、複数の訓練サンプルを含む。各訓練サンプルは、既往の対象者と関連付けられており、既往の対象者のEHRデータを含む。

介入推奨モデルは、モデルを含む複数のパラメータが訓練データセットに基づいてコンピュータによってそのために学習される任意のモデルである。複数のパラメータおよびしたがってモデルがコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータが訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、介入推奨モデルは、離散的にプログラムされたモデルとすることができる。代替の態様では、介入推奨モデルを、教師なし学習（例えば、クラスタリング）を介して学習することができる。さらなる態様では、介入推奨モデルを、教師あり学習を介して学習することができる。例えば、介入推奨モデルは、分類器または回帰モデルとすることができる。

介入推奨モデルが教師あり学習を介して学習される態様では、介入推奨モデルを、転帰データに基づいて訓練することができる。具体的には、介入推奨モデルが教師あり学習を介して学習される態様では、訓練データセットの各訓練サンプルは、介入推奨モデルが対象者の医学的転帰を最適化するよう訓練されるように、訓練サンプルと関連付けられた既往の対象者に提供された医療介入、および訓練サンプルと関連付けられた既往の対象者の医学的転帰をさらに含むことができる。

対象者のEHRデータは、電子的に記録された対象者についての医療情報および/または健康情報のセットを含む。EHRデータは、対象者の任意の種類の医療データおよび/または健康データを含むことができ、任意の手段によって収集することができる。例えば、EHRデータは、患者ケアセンター（例えば、診療所、病院の救急科、病院の集中治療室、病院の病棟）、臨床検査室、研究室、リモートの消費者向け医療機器、治療装置（例えば、輸液ポンプ）、ウェアラブルデバイスなどの監視装置（例えば、心拍数モニタ）、および任意の他の場所で収集し、電子的に記録することができる。またEHRデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるEHRデータは、後ろ向きデータとすることができる。モデルを訓練および/または使用するために使用されるEHRデータは、前向きデータとすることができる。

対象者が診断される医学的状態は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態（例えば、開心術後の状態）のうちの1つを含むことができる。介入推奨モデルによって対象者について決定される医療介入推奨は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含むことができる。場合によっては、決定される医療介入推奨は、非医薬的介入である。場合によっては、対象者について決定される非医薬的介入推奨は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集である。

介入推奨モデルによって出力される対象者についての医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの改善、ならびに対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たすことができる。

いくつかの態様では、方法は、ある状態に対する医療介入の指標を裏付ける根拠を提供するデータセットを生成する工程をさらに含むことができる。医療介入は、上述のように、前記状態と診断された1人または複数の対象者のEHRデータを使用して介入推奨モデルによって決定される。指標は、1人または複数の対象者についての医療介入を決定するために介入推奨モデルによって使用されたEHRデータの値を含み、1人または複数の対象者の医学的転帰に基づくものである。

いくつかの態様では、介入推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。1つまたは複数の第三者システムは、一次システムからリモートにあることも可能である。1つまたは複数の第三者システムはまた、1つまたは複数の患者ケアセンターに位置することもできる。そのような態様では、介入推奨モデルを、一次システムと1つまたは複数の第三者システムとの間で代替的に訓練および利用することができる。

例えば、第1の態様では、介入推奨モデルを、一次システムで訓練するとともに利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られる。次いで、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のEHRデータを使用して一次システムにおいて生成される。

代替の態様では、介入推奨モデルを、一次システムにおいて訓練するが、1つまたは複数の第三者システムにおいて利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルは、ネットワーク伝送を介して1つまたは複数の第三者システムに提供される。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで第三者システムに自動的に提供される。対象者について取得されたEHRデータが、第三者システムにおけるモデルにおいて受け取られ、最後に、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のEHRデータを使用して第三者システムにおいて生成される。

第3の態様では、介入推奨モデルを、逆に1つまたは複数の第三者システムにおいて訓練するが、一次システムにおいて利用することができる。そのような態様では、介入推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、介入推奨モデルは、第三者システムにおいて訓練データセットの訓練サンプルのうちの1つまたは複数を受け取る。第三者システムでは、受け取られた訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルがネットワーク伝送を介して一次システムにおいて受け取られる。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで一次システムに自動的に提供される。次いで、対象者のEHRデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られ、対象者についての医療介入推奨が、対象者について受け取られたEHRデータを使用して一次システムにおいてモデルによって生成される。

最後に、代替の態様では、介入推奨モデルを、1つまたは複数の第三者システムで訓練するとともに利用することができる。そのような態様では、介入推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、介入推奨モデルは、第三者システムにおいて訓練データセットの1つまたは複数の訓練サンプルを受け取る。第三者システムでは、訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータが、第三者システムにおいてモデルによって受け取られ、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のEHRデータを使用して第三者システムにおいて生成される。

介入推奨モデルが一次システムにおいて訓練される場合には、複数の訓練サンプルを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。ある場合には、複数の訓練サンプルのうちの1つまたは複数を、複数の別個の第三者システムから受け取ることができ、複数の訓練サンプルのうちの1つまたは複数は、異なるデータフォーマットを含むことができる。そのような場合、訓練サンプルを共通データフォーマットに変換することができ、変換された訓練サンプルをマージしてマージされた訓練データセットにすることができる。次いで、このマージされた訓練データセットを使用して、上述のようにモデルパラメータを識別することができる。

介入推奨モデルが一次システムではなく1つまたは複数の第三者システムにおいて訓練される代替の態様では、訓練サンプルを複数の別個の第三者システムにおいて受け取ることができる。

モデルがどこで訓練されるかにかかわらず、モデルのパラメータが指定された時間間隔で自動的に識別されるように、またモデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルを、指定された時間間隔で自動的に受け取ることができる。あるいは、モデルのパラメータがリアルタイムで自動的に識別されるように、またモデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルを、リアルタイムで自動的に受け取ることもできる。

モデルが一次システムにおいて利用される場合、対象者のEHRデータを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。さらに、介入推奨モデルによって出力された対象者についての医療介入推奨を、一次システムによってネットワーク伝送を介して1つまたは複数の第三者システムに提供することができる。

あるいは、介入推奨モデルが1つまたは複数の第三者システムにおいて利用される場合には、介入推奨モデルによって出力された対象者についての医療介入推奨を対象者に提供することもできる。

別の局面において、本発明は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、上記方法工程の任意の組み合わせを行うことによって対象者についての医療介入推奨を決定させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体を提供する。

さらに別の局面において、本発明は、対象者の医療診断推奨を決定するための方法を提供する。この方法は、対象者の電子健康記録（EHR）データを取得する工程、データを共通フォーマットに変換する工程、変換された対象者のEHRデータを診断推奨モデルに入力する工程、および診断推奨モデルによって出力された対象者の推奨される医療診断推奨を返す工程を含む。対象者のEHRデータは、コンピュータプロセッサを使用して診断推奨モデルに入力される。

診断推奨モデルは、複数のパラメータおよび関数を含む。関数は、診断推奨モデルへの入力として受け取られた対象者のEHRデータと、対象者のEHRデータと複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す。パラメータは、モデルの使用前に、少なくとも訓練データセットに基づいてモデルの訓練中に識別される。訓練データセットは、複数の訓練サンプルを含む。各訓練サンプルは、既往の対象者と関連付けられており、既往の対象者のEHRデータを含む。

診断推奨モデルは、モデルを含む複数のパラメータが訓練データセットに基づいてコンピュータによってそのために学習される任意のモデルである。複数のパラメータおよびしたがってモデルがコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータが訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、診断推奨モデルは、離散的にプログラムされたモデルとすることができる。代替の態様では、診断推奨モデルを、教師なし学習（例えば、クラスタリング）を介して学習することができる。さらなる態様では、診断推奨モデルを、教師あり学習を介して学習することができる。例えば、診断推奨モデルは、分類器または回帰モデルとすることができる。

診断推奨モデルが教師あり学習を介して学習される態様では、診断推奨モデルを、転帰データに基づいて訓練することができる。具体的には、診断推奨モデルが教師あり学習を介して学習される態様では、訓練データセットの各訓練サンプルは、診断推奨モデルが対象者の医学的転帰を最適化するよう訓練されるように、訓練サンプルと関連付けられた既往の対象者に提供された医療診断、および訓練サンプルと関連付けられた既往の対象者の医学的転帰をさらに含むことができる。

対象者のEHRデータは、電子的に記録された対象者についての医療情報および/または健康情報のセットを含む。EHRデータは、対象者の任意の種類の医療データおよび/または健康データを含むことができ、任意の手段によって収集することができる。例えば、EHRデータは、患者ケアセンター（例えば、診療所、病院の救急科、病院の集中治療室、病院の病棟）、臨床検査室、研究室、リモートの消費者向け医療機器、治療装置（例えば、輸液ポンプ）、ウェアラブルデバイスなどの監視装置（例えば、心拍数モニタ）、および任意の他の場所で収集し、電子的に記録することができる。モデルを訓練するために使用されるEHRデータは、後ろ向きデータとすることができる。モデルを訓練および/または使用するために使用されるEHRデータは、前向きデータとすることができる。

診断推奨モデルによって出力される対象者の医療診断推奨は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態（例えば、開心術後の状態）のうちの1つを含むことができる。いくつかの態様では、方法は、決定された医療診断推奨に基づいて対象者に医療介入を提供する工程をさらに含む。そのような態様では、医療介入は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含むことができる。代替の態様では、医療介入は、非医薬的介入とすることができる。場合によっては、非医薬的介入は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集である。

診断推奨モデルによって出力される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの改善、ならびに対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たすことができる。

いくつかの態様では、診断推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。1つまたは複数の第三者システムは、一次システムからリモートにあることも可能である。1つまたは複数の第三者システムはまた、1つまたは複数の患者ケアセンターに位置することもできる。そのような態様では、診断推奨モデルを、一次システムと1つまたは複数の第三者システムとの間で代替的に訓練および利用することができる。

例えば、第1の態様では、診断推奨モデルを、一次システムで訓練するとともに利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られる。次いで、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のEHRデータを使用して一次システムにおいて生成される。

代替の態様では、診断推奨モデルを、一次システムにおいて訓練するが、1つまたは複数の第三者システムにおいて利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルは、ネットワーク伝送を介して1つまたは複数の第三者システムに提供される。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで第三者システムに自動的に提供される。対象者について取得されたEHRデータが、第三者システムにおけるモデルにおいて受け取られ、最後に、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のEHRデータを使用して第三者システムにおいて生成される。

第3の態様では、診断推奨モデルを、逆に1つまたは複数の第三者システムにおいて訓練するが、一次システムにおいて利用することができる。そのような態様では、診断推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、診断推奨モデルは、第三者システムにおいて訓練データセットの訓練サンプルのうちの1つまたは複数を受け取る。第三者システムでは、受け取られた訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルがネットワーク伝送を介して一次システムにおいて受け取られる。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで一次システムに自動的に提供される。次いで、対象者のEHRデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られ、対象者の医療診断推奨が、対象者について受け取られたEHRデータを使用して一次システムにおいてモデルによって生成される。

最後に、代替の態様では、診断推奨モデルを、1つまたは複数の第三者システムで訓練するとともに利用することができる。そのような態様では、診断推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、診断推奨モデルは、第三者システムにおいて訓練データセットの1つまたは複数の訓練サンプルを受け取る。第三者システムでは、訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたEHRデータが、第三者システムにおいてモデルによって受け取られ、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のEHRデータを使用して第三者システムにおいて生成される。

診断推奨モデルが一次システムにおいて訓練される場合には、複数の訓練サンプルを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。ある場合には、複数の訓練サンプルのうちの1つまたは複数を、複数の別個の第三者システムから受け取ることができ、複数の訓練サンプルのうちの1つまたは複数は、異なるデータフォーマットを含むことができる。そのような場合、訓練サンプルを共通データフォーマットに変換することができ、変換された訓練サンプルをマージしてマージされた訓練データセットにすることができる。次いで、このマージされた訓練データセットを使用して、上述のようにモデルパラメータを識別することができる。

診断推奨モデルが一次システムではなく1つまたは複数の第三者システムにおいて訓練される代替の態様では、訓練サンプルを複数の別個の第三者システムにおいて受け取ることができる。

モデルがどこで訓練されるかにかかわらず、モデルのパラメータが指定された時間間隔で自動的に識別されるように、またモデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルを、指定された時間間隔で自動的に受け取ることができる。あるいは、モデルのパラメータがリアルタイムで自動的に識別されるように、またモデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルを、リアルタイムで自動的に受け取ることもできる。

モデルが一次システムにおいて利用される場合、対象者のEHRデータを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。さらに、診断推奨モデルによって出力された対象者の医療診断推奨を、一次システムによってネットワーク伝送を介して1つまたは複数の第三者システムに提供することができる。

別の局面において、本発明は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、上記方法工程の任意の組み合わせを行うことによって対象者の医療診断推奨を決定させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体を提供する。

別の局面において、本発明は、対象者についての医療介入推奨を決定するための方法を提供する。この方法は、対象者のバイオマーカデータを取得する工程、対象者のバイオマーカデータを介入推奨モデルに入力する工程、および介入推奨モデルによって出力された対象者についての医療介入推奨を返す工程を含む。対象者のバイオマーカデータは、コンピュータプロセッサを使用して介入推奨モデルに入力される。

介入推奨モデルは、複数のパラメータおよび関数を含む。関数は、介入推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと複数のパラメータとに基づき介入推奨モデルの出力として生成される対象者についての医療介入推奨との間の関係を表す。パラメータは、モデルの使用前に、少なくとも訓練データセットに基づいてモデルの訓練中に識別される。訓練データセットは、複数の訓練サンプルを含む。各訓練サンプルは、既往の対象者と関連付けられており、既往の対象者のバイオマーカデータを含む。

介入推奨モデルは、モデルを含む複数のパラメータが訓練データセットに基づいてコンピュータによってそのために学習される任意のモデルである。複数のパラメータおよびしたがってモデルがコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータが訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、介入推奨モデルは、離散的にプログラムされたモデルとすることができる。代替の態様では、介入推奨モデルを、教師なし学習（例えば、クラスタリング）を介して学習することができる。さらなる態様では、介入推奨モデルを、教師あり学習を介して学習することができる。例えば、介入推奨モデルは、分類器または回帰モデルとすることができる。

介入推奨モデルが教師あり学習を介して学習される態様では、介入推奨モデルを、転帰データに基づいて訓練することができる。具体的には、介入推奨モデルが教師あり学習を介して学習される態様では、訓練データセットの各訓練サンプルは、介入推奨モデルが対象者の医学的転帰を最適化するよう訓練されるように、訓練サンプルと関連付けられた既往の対象者に提供された医療介入、および訓練サンプルと関連付けられた既往の対象者の医学的転帰をさらに含むことができる。

対象者のバイオマーカデータは、対象者からの試料から得られ、試料中の1つまたは複数の測定可能な物質の有無を記述するデータを含む。好ましい一態様では、バイオマーカデータは、ゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、代謝データ、およびリピドームデータのうちの少なくとも1つを含むことができる。さらなる態様では、バイオマーカデータは、指定された遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含むことができる。好ましい一態様では、バイオマーカデータを決定するために使用される対象者からの試料は、血液試料、尿、便、気管支洗浄液、組織、粘液、または他の身体試料のうちの少なくとも1つを含む。いくつかの態様では、バイオマーカデータを決定するために使用される対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数によって採取される。

バイオマーカデータは、臨床検査機器、インビトロ診断（IVD）装置、研究専用装置、およびバイオマーカデータの決定または収集の任意の他の手段を使用して、対象者の試料から決定することができる。対象者のバイオマーカデータを、IVD装置から自動的に受け取ることができる。対象者のバイオマーカデータがIVD装置から受け取られるそのような態様では、バイオマーカデータは、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含むことができる。

バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がゲノムデータを含む態様では、バイオマーカデータ103を、エクソームおよび全ゲノムヌクレオチド配列決定のうちの少なくとも1つによって対象者の試料から決定することができる。バイオマーカデータ103がトランスクリプトームデータを含む態様では、バイオマーカデータ103を、マイクロアレイ、RNA配列決定、およびRT-qPCRのうちの少なくとも1つによって対象者の試料から決定することができる。

介入推奨モデルに入力される前に、バイオマーカデータを決定するために使用される対象者からの試料を任意の場所で採取することができ、任意の場所で採取された試料を使用してバイオマーカデータを決定することができる。例えば、対象者からの試料は、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で採取することができる。同様に、バイオマーカデータも、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で収集された試料を使用して決定することができる。特定の態様では、対象者のバイオマーカデータは、対象者からの試料が採取されたのと同じ場所で決定される。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターにおいてオンサイトで対象者からの試料から取得することができる。代替の態様では、対象者のバイオマーカデータを、対象者からの試料が採取されたのとは異なる場所で決定することができる。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターからオフサイトで対象者からの試料から取得することができる。またバイオマーカデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるバイオマーカデータは、後ろ向きデータとすることができる。他方、モデルを利用するために使用されるバイオマーカデータは、前向きデータとすることができる。

対象者が診断される医学的状態は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態（例えば、開心術後の状態）のうちの1つを含むことができる。介入推奨モデルによって対象者について決定される医療介入推奨は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含むことができる。場合によっては、決定される医療介入推奨は、非医薬的介入である。場合によっては、対象者について決定される非医薬的介入推奨は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集である。

介入推奨モデルによって出力される対象者についての医療介入推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療介入推奨を提供する時間の短縮、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療介入推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療介入推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療介入推奨を受ける患者ケアセンターにおける患者スループットの改善、ならびに対象者が医療介入推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たすことができる。

いくつかの態様では、方法は、ある状態に対する医療介入の指標を裏付ける根拠を提供するデータセットを生成する工程をさらに含むことができる。医療介入は、上述のように、前記状態と診断された1人または複数の対象者のバイオマーカデータを使用して介入推奨モデルによって決定される。指標は、1人または複数の対象者についての医療介入を決定するために介入推奨モデルによって使用されたバイオマーカデータの値を含み、1人または複数の対象者の医学的転帰に基づくものである。

いくつかの態様では、介入推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。1つまたは複数の第三者システムは、一次システムからリモートにあることも可能である。1つまたは複数の第三者システムはまた、1つまたは複数の患者ケアセンターに位置することもできる。そのような態様では、介入推奨モデルを、一次システムと1つまたは複数の第三者システムとの間で代替的に訓練および利用することができる。

例えば、第1の態様では、介入推奨モデルを、一次システムで訓練するとともに利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られる。次いで、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のバイオマーカデータを使用して一次システムにおいて生成される。

代替の態様では、介入推奨モデルを、一次システムにおいて訓練するが、1つまたは複数の第三者システムにおいて利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルは、ネットワーク伝送を介して1つまたは複数の第三者システムに提供される。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで第三者システムに自動的に提供される。対象者について取得されたバイオマーカデータが、第三者システムにおけるモデルにおいて受け取られ、最後に、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のバイオマーカデータを使用して第三者システムにおいて生成される。

第3の態様では、介入推奨モデルを、逆に1つまたは複数の第三者システムにおいて訓練するが、一次システムにおいて利用することができる。そのような態様では、介入推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、介入推奨モデルは、第三者システムにおいて訓練データセットの訓練サンプルのうちの1つまたは複数を受け取る。第三者システムでは、受け取られた訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルがネットワーク伝送を介して一次システムにおいて受け取られる。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで一次システムに自動的に提供される。次いで、対象者のバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られ、対象者についての医療介入推奨が、対象者について受け取られたバイオマーカデータを使用して一次システムにおいてモデルによって生成される。

最後に、代替の態様では、介入推奨モデルを、1つまたは複数の第三者システムで訓練するとともに利用することができる。そのような態様では、介入推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、介入推奨モデルは、第三者システムにおいて訓練データセットの1つまたは複数の訓練サンプルを受け取る。第三者システムでは、訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたバイオマーカデータが、第三者システムにおいてモデルによって受け取られ、介入推奨モデルによって対象者のために生成される医療介入推奨が、対象者のバイオマーカデータを使用して第三者システムにおいて生成される。

介入推奨モデルが一次システムにおいて訓練される場合には、複数の訓練サンプルを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。ある場合には、複数の訓練サンプルのうちの1つまたは複数を、複数の別個の第三者システムから受け取ることができ、複数の訓練サンプルのうちの1つまたは複数は、異なるデータフォーマットを含むことができる。そのような場合、訓練サンプルを共通データフォーマットに変換することができ、変換された訓練サンプルをマージしてマージされた訓練データセットにすることができる。次いで、このマージされた訓練データセットを使用して、上述のようにモデルパラメータを識別することができる。

介入推奨モデルが一次システムではなく1つまたは複数の第三者システムにおいて訓練される代替の態様では、訓練サンプルを複数の別個の第三者システムにおいて受け取ることができる。

モデルがどこで訓練されるかにかかわらず、モデルのパラメータが指定された時間間隔で自動的に識別されるように、またモデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルを、指定された時間間隔で自動的に受け取ることができる。あるいは、モデルのパラメータがリアルタイムで自動的に識別されるように、またモデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルを、リアルタイムで自動的に受け取ることもできる。

モデルが一次システムにおいて利用される場合、対象者のバイオマーカデータを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。さらに、介入推奨モデルによって出力された対象者についての医療介入推奨を、一次システムによってネットワーク伝送を介して1つまたは複数の第三者システムに提供することができる。

あるいは、介入推奨モデルが1つまたは複数の第三者システムにおいて利用される場合には、介入推奨モデルによって出力された対象者についての医療介入推奨を対象者に提供することもできる。

別の局面において、本発明は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、上記方法工程の任意の組み合わせを行うことによって対象者についての医療介入推奨を決定させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体を提供する。

さらに別の局面において、本発明は、対象者の医療診断推奨を決定するための方法を提供する。この方法は、対象者のバイオマーカデータを取得する工程、対象者のバイオマーカデータを診断推奨モデルに入力する工程、および診断推奨モデルによって出力された対象者の医療診断推奨を返す工程を含む。対象者のバイオマーカデータは、コンピュータプロセッサを使用して診断推奨モデルに入力される。

診断推奨モデルは、複数のパラメータおよび関数を含む。関数は、診断推奨モデルへの入力として受け取られた対象者のバイオマーカデータと、対象者のバイオマーカデータと複数のパラメータとに基づき診断推奨モデルの出力として生成される対象者の医療診断推奨との間の関係を表す。パラメータは、モデルの使用前に、少なくとも訓練データセットに基づいてモデルの訓練中に識別される。訓練データセットは、複数の訓練サンプルを含む。各訓練サンプルは、既往の対象者と関連付けられており、既往の対象者のバイオマーカデータを含む。

診断推奨モデルは、モデルを含む複数のパラメータが訓練データセットに基づいてコンピュータによってそのために学習される任意のモデルである。複数のパラメータおよびしたがってモデルがコンピュータによって学習されるのは、訓練データセットのサイズおよび/または複雑さが原因で、パラメータが訓練データセットに基づいて人間によって識別されることが難しすぎるかまたは非効率的すぎるためである。いくつかの態様では、診断推奨モデルは、離散的にプログラムされたモデルとすることができる。代替の態様では、診断推奨モデルを、教師なし学習（例えば、クラスタリング）を介して学習することができる。さらなる態様では、診断推奨モデルを、教師あり学習を介して学習することができる。例えば、診断推奨モデルは、分類器または回帰モデルとすることができる。

診断推奨モデルが教師あり学習を介して学習される態様では、診断推奨モデルを、転帰データに基づいて訓練することができる。具体的には、診断推奨モデルが教師あり学習を介して学習される態様では、訓練データセットの各訓練サンプルは、診断推奨モデルが対象者の医学的転帰を最適化するよう訓練されるように、訓練サンプルと関連付けられた既往の対象者に提供された医療診断、および訓練サンプルと関連付けられた既往の対象者の医学的転帰をさらに含むことができる。

対象者のバイオマーカデータは、対象者からの試料から得られ、試料中の1つまたは複数の測定可能な物質の有無を記述するデータを含む。好ましい一態様では、バイオマーカデータは、ゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、代謝データ、およびリピドームデータのうちの少なくとも1つを含むことができる。さらなる態様では、バイオマーカデータは、指定された遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含むことができる。好ましい一態様では、バイオマーカデータを決定するために使用される対象者からの試料は、血液試料、尿、便、気管支洗浄液、組織、粘液、または他の身体試料のうちの少なくとも1つを含む。いくつかの態様では、バイオマーカデータを決定するために使用される対象者からの試料は、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数によって採取される。

バイオマーカデータは、臨床検査機器、インビトロ診断（IVD）装置、研究専用装置、およびバイオマーカデータの決定または収集の任意の他の手段を使用して、対象者の試料から決定することができる。対象者のバイオマーカデータを、IVD装置から自動的に受け取ることができる。対象者のバイオマーカデータがIVD装置から受け取られるそのような態様では、バイオマーカデータは、対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含むことができる。

バイオマーカデータ103がプロテオームデータを含む態様では、バイオマーカデータ103を、質量分析およびイムノアッセイの少なくとも一方によって対象者の試料から決定することができる。バイオマーカデータ103がゲノムデータを含む態様では、バイオマーカデータ103を、エクソームおよび全ゲノムヌクレオチド配列決定のうちの少なくとも1つによって対象者の試料から決定することができる。バイオマーカデータ103がトランスクリプトームデータを含む態様では、バイオマーカデータ103を、マイクロアレイ、RNA配列決定、およびRT-qPCRのうちの少なくとも1つによって対象者の試料から決定することができる。

診断推奨モデルに入力される前に、バイオマーカデータを決定するために使用される対象者からの試料を任意の場所で採取することができ、任意の場所で採取された試料を使用してバイオマーカデータを決定することができる。例えば、対象者からの試料は、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で採取することができる。同様に、バイオマーカデータも、患者ケアセンター（例えば、診療所、病院）、臨床検査室、CLIA認定実験室、研究室、遠隔地、および任意の他の場所で収集された試料を使用して決定することができる。特定の態様では、対象者のバイオマーカデータは、対象者からの試料が採取されたのと同じ場所で決定される。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターにおいてオンサイトで対象者からの試料から取得することができる。代替の態様では、対象者のバイオマーカデータを、対象者からの試料が採取されたのとは異なる場所で決定することができる。例えば、バイオマーカデータを、対象者が試料を提供した患者ケアセンターからオフサイトで対象者からの試料から取得することができる。またバイオマーカデータを、任意の私的ソース、公的ソース、および/または商業的ソースから取得することもできる。モデルを訓練するために使用されるバイオマーカデータは、後ろ向きデータとすることができる。他方、モデルを利用するために使用されるバイオマーカデータは、前向きデータとすることができる。

診断推奨モデルによって出力される対象者の医療診断推奨は、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態（例えば、開心術後の状態）のうちの1つを含むことができる。いくつかの態様では、方法は、決定された医療診断推奨に基づいて対象者に医療介入を提供する工程をさらに含む。そのような態様では、医療介入は、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含むことができる。代替の態様では、医療介入は、非医薬的介入とすることができる。場合によっては、非医薬的介入は、対象者からの生物試料の採取および/または対象者からの電子健康記録データの収集である。

診断推奨モデルによって出力される医療診断推奨は、対象者の電子健康記録データおよびバイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、対象者の罹患率低下、対象者の死亡率低下、対象者の介入なしの日数の増加、対象者に医療診断推奨を提供する時間の短縮、対象者に医療診断推奨を提供する時間の短縮、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在コストの低減、対象者が医療診断推奨を受ける患者ケアセンターにおける対象者の滞在期間の短縮、対象者の有害事象の数の減少、対象者の患者クオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、対象者が医療診断推奨を受ける患者ケアセンターに対する患者満足度の改善、対象者が医療診断推奨を受ける患者ケアセンターにおける患者スループットの改善、ならびに対象者が医療診断推奨を受ける患者ケアセンターの収益の増加、の条件のうちの少なくとも1つを満たすことができる。

いくつかの態様では、診断推奨モデルは、1つまたは複数の第三者システムと通信する一次システムによって格納される。1つまたは複数の第三者システムは、一次システムからリモートにあることも可能である。1つまたは複数の第三者システムはまた、1つまたは複数の患者ケアセンターに位置することもできる。そのような態様では、診断推奨モデルを、一次システムと1つまたは複数の第三者システムとの間で代替的に訓練および利用することができる。

例えば、第1の態様では、診断推奨モデルを、一次システムで訓練するとともに利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られる。次いで、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のバイオマーカデータを使用して一次システムにおいて生成される。

代替の態様では、診断推奨モデルを、一次システムにおいて訓練するが、1つまたは複数の第三者システムにおいて利用することができる。そのような態様では、一次システムは、1つまたは複数の第三者システムから訓練データセットの複数の訓練サンプルのうちの1つまたは複数を受け取る。次いで、第三者システムから受け取られた複数の訓練サンプルを使用して一次システムにおいてモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルは、ネットワーク伝送を介して1つまたは複数の第三者システムに提供される。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで第三者システムに自動的に提供される。対象者について取得されたバイオマーカデータが、第三者システムにおけるモデルにおいて受け取られ、最後に、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のバイオマーカデータを使用して第三者システムにおいて生成される。

第3の態様では、診断推奨モデルを、逆に1つまたは複数の第三者システムにおいて訓練するが、一次システムにおいて利用することができる。そのような態様では、診断推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、診断推奨モデルは、第三者システムにおいて訓練データセットの訓練サンプルのうちの1つまたは複数を受け取る。第三者システムでは、受け取られた訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、訓練されたモデルがネットワーク伝送を介して一次システムにおいて受け取られる。場合によっては、訓練されたモデルは、指定された時間間隔で、またはモデルパラメータの識別に続いてリアルタイムで一次システムに自動的に提供される。次いで、対象者のバイオマーカデータが、一次システムにおいて1つまたは複数の第三者システムから受け取られ、対象者の医療診断推奨が、対象者について受け取られたバイオマーカデータを使用して一次システムにおいてモデルによって生成される。

最後に、代替の態様では、診断推奨モデルを、1つまたは複数の第三者システムで訓練するとともに利用することができる。そのような態様では、診断推奨モデルが、ネットワーク伝送を介して一次システムから1つまたは複数の第三者システムに提供される。次いで、診断推奨モデルは、第三者システムにおいて訓練データセットの1つまたは複数の訓練サンプルを受け取る。第三者システムでは、訓練サンプルを使用してモデルの複数のパラメータが識別される。モデルを利用するために、対象者について取得されたバイオマーカデータが、第三者システムにおいてモデルによって受け取られ、診断推奨モデルによって対象者のために生成される医療診断推奨が、対象者のバイオマーカデータを使用して第三者システムにおいて生成される。

診断推奨モデルが一次システムにおいて訓練される場合には、複数の訓練サンプルを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。ある場合には、複数の訓練サンプルのうちの1つまたは複数を、複数の別個の第三者システムから受け取ることができ、複数の訓練サンプルのうちの1つまたは複数は、異なるデータフォーマットを含むことができる。そのような場合、訓練サンプルを共通データフォーマットに変換することができ、変換された訓練サンプルをマージしてマージされた訓練データセットにすることができる。次いで、このマージされた訓練データセットを使用して、上述のようにモデルパラメータを識別することができる。

診断推奨モデルが一次システムではなく1つまたは複数の第三者システムにおいて訓練される代替の態様では、訓練サンプルを複数の別個の第三者システムにおいて受け取ることができる。

モデルがどこで訓練されるかにかかわらず、モデルのパラメータが指定された時間間隔で自動的に識別されるように、またモデルが指定された時間間隔で自動的に更新されるように、複数の訓練サンプルを、指定された時間間隔で自動的に受け取ることができる。あるいは、モデルのパラメータがリアルタイムで自動的に識別されるように、またモデルがリアルタイムで自動的に更新されるように、複数の訓練サンプルを、リアルタイムで自動的に受け取ることもできる。

モデルが一次システムにおいて利用される場合、対象者のバイオマーカデータを、1つまたは複数の第三者システムからネットワーク伝送を介して一次システムにおいて受け取ることができる。さらに、診断推奨モデルによって出力された対象者の医療診断推奨を、一次システムによってネットワーク伝送を介して1つまたは複数の第三者システムに提供することができる。

別の局面において、本発明は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、上記方法工程の任意の組み合わせを行うことによって対象者の医療診断推奨を決定させるコンピュータプログラム命令を格納する非一時的コンピュータ可読記憶媒体を提供する。

XI. 追加的考慮事項
本明細書および添付の特許請求の範囲で使用される場合、単数形の「a」、「an」、および「the」は、文脈上明らかに他の意味に解すべきでない限り、複数への言及を含むものであることに留意されたい。

本明細書の本文内で引用されたすべての参考文献、発行済みの特許および特許出願は、あらゆる目的のためにその全体が参照により本明細書に組み入れられる。

本発明の態様の以上の説明は例示を目的として提示されており、網羅的であることも、本発明を開示と寸分たがわぬ形態に限定することも意図されていない。当業者であれば、上記の開示に鑑みて多くの改変および変形が可能であることが理解できよう。

この説明のいくつかの部分では本発明の態様を情報に対する操作のアルゴリズムおよび記号表現として説明している。これらのアルゴリズムの記述および表現は、データ処理技術の当業者によって、その作業の内容を他の当業者に効果的に伝えるために一般に使用される。これらの操作は、機能的、計算的、または論理的に記載されているが、コンピュータプログラムまたは同等の電気回路、マイクロコードなどによって実装されると理解されたい。

本明細書に記載される工程、操作、またはプロセスのいずれも、単独の、または他のデバイスと組み合わされた、1つまたは複数のハードウェアまたはソフトウェアモジュールを用いて実行または実装することができる。一態様では、ソフトウェアモジュールが、記載の工程、操作、またはプロセスのいずれかまたは全部を行うためにコンピュータプロセッサによって実行することのできるコンピュータプログラムコードを含むコンピュータ可読非一時的媒体を含むコンピュータプログラム製品で実装される。

各態様はまた、本明細書の操作を行うための装置にも関し得る。この装置は、必要な目的のために特に構築されていてもよく、かつ/またはコンピュータに格納されたコンピュータプログラムによって選択的に作動もしくは再構成される汎用コンピューティングデバイスを含んでいてもよい。そのようなコンピュータプログラムは、非一時的な有形のコンピュータ可読記憶媒体、またはコンピュータシステムバスに結合され得る、電子命令を格納するのに適した任意の種類のメディアに格納され得る。さらに、本明細書で言及されている任意のコンピューティングシステムは、単一のプロセッサを含んでいてもよく、または計算能力を高めるための複数プロセッサ設計を用いたアーキテクチャであってもよい。

本発明の態様はまた、本明細書に記載される計算プロセスによって生成される製品にも関し得る。そのような製品は、計算プロセスの結果として得られる情報を含んでいてもよく、情報は、非一時的な有形のコンピュータ可読記憶媒体に格納され、コンピュータプログラム製品または本明細書に記載される他のデータの組み合わせの任意の態様を含み得る。

最後に、本明細書で使用されている文言は、主として、読みやすさおよび教示を目的として選択されており、本発明の主題を明確化または限定するために選択されたものではない場合もある。したがって、本発明の範囲はこの詳細な説明によってではなく、本明細書に基づく出願に関して発行される添付の特許請求の範囲によって限定されることが意図されている。したがって、本発明の態様の開示は、本発明の範囲を例示するためのものであり、限定するためのものではない。

Claims (147)

1. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
   前記対象者の電子健康記録データを取得する工程;
   前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
   前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
   複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
   前記既往の対象者の電子健康記録データ、および
   前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
   を含む、複数のパラメータと、
   前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
   を含む、工程;ならびに
   前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
2. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
   前記対象者の電子健康記録データを取得する工程;
   前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
   前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力する工程であって、
   前記介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
   前記介入推奨モデルが、
   ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供することと、
   前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ
   前記既往の対象者の電子健康記録データ、および
   前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
   を含む、ことと
   によって識別された、前記複数のパラメータと、
   前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
   を含む、工程;ならびに
   前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
3. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
   前記対象者の電子健康記録データを取得する工程;
   前記対象者からの試料から前記対象者のバイオマーカデータを識別したインビトロ診断装置から前記対象者の前記バイオマーカデータを自動的に受け取る工程であって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;
   前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
   複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
   前記既往の対象者の電子健康記録データ、および
   前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
   を含む、複数のパラメータと、
   前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
   を含む、工程;ならびに
   前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
4. 以下の工程を含む、方法:
   ある状態と診断された対象者についての医療介入推奨を、
   前記対象者の電子健康記録データを取得すること;
   前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得すること;
   前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
   複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
   前記既往の対象者の電子健康記録データ、および
   前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
   を含む、複数のパラメータと、
   前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
   を含む、こと;ならびに
   前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すこと;ならびに
   前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データおよびバイオマーカデータを使用して前記介入推奨モデルによって決定され、前記指標が、前記1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づく電子健康記録データおよびバイオマーカデータのうちの少なくとも1つの値を含む、こと
   によって決定する工程。
5. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
   前記対象者の電子健康記録データを取得する工程;
   前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
   前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
   複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
   前記既往の対象者の電子健康記録データ、および
   前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
   を含む、複数のパラメータと、
   前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
   を含む、工程;ならびに
   前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程であって、
   前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
   前記対象者の罹患率低下、
   前記対象者の死亡率低下、
   前記対象者の介入なしの日数の増加、
   前記対象者に前記医療介入推奨を提供する時間の短縮、
   前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
   前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
   前記対象者の有害事象の数の減少、
   前記対象者の患者クオリティスコアの改善、
   前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
   前記対象者が前記医療介入推奨を受ける患者ケアセンターに対する患者満足度の改善、
   前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
   前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
   の条件のうちの少なくとも1つを満たす、工程。
6. 前記対象者の前記電子健康記録データおよび前記バイオマーカデータを前記介入推奨モデルに入力する工程の前に、前記電子ヒース記録データおよび前記バイオマーカデータを共通データフォーマットに変換する、請求項1～5のいずれか一項記載の方法。
7. 前記訓練データセットの各訓練サンプルが、
   前記訓練サンプルと関連付けられた前記既往の対象者に提供された医療介入、および
   前記医療介入推奨を受けた後の前記既往の対象者の医学的転帰
   をさらに含む、請求項1～6のいずれか一項記載の方法。
8. 前記介入推奨モデルが、1つまたは複数の第三者システムと通信する一次システムによって格納される、請求項1～7のいずれか一項記載の方法。
9. 前記1つまたは複数の第三者システムが、前記一次システムからリモートにある、請求項8記載の方法。
10. 前記1つまたは複数の第三者システムが、1つまたは複数の患者ケアセンターに位置する、請求項8～9のいずれか一項記載の方法。
11. 前記一次システムにおいて、前記1つまたは複数の第三者システムから、前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;および
    前記一次システムにおいて、前記1つまたは複数の第三者システムから受け取られた前記複数の訓練サンプルを使用して前記複数のパラメータを識別する工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記一次システムにおいて前記1つまたは複数の第三者システムから前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記介入推奨モデルによって前記対象者のために生成される前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記一次システムにおいて生成される、
    請求項8～10のいずれか一項記載の方法。
12. 前記一次システムにおいて、前記1つまたは複数の第三者システムから、前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;
    前記一次システムにおいて、前記1つまたは複数の第三者システムから受け取られた前記複数の訓練サンプルを使用して前記複数のパラメータを識別する工程;および
    ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供する工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記1つまたは複数の第三者システムにおける前記介入推奨モデルにおいて前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記介入推奨モデルによって前記対象者のために生成される前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記1つまたは複数の第三者システムにおいて生成される、
    請求項8～10のいずれか一項記載の方法。
13. 前記1つまたは複数の第三者システムに前記介入推奨モデルを提供する工程が、指定された時間間隔で前記1つまたは複数の第三者システムに前記介入推奨モデルを自動的に提供する工程を含む、請求項12記載の方法。
14. 前記1つまたは複数の第三者システムに前記介入推奨モデルを提供する工程が、前記複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、前記1つまたは複数の第三者システムに前記介入推奨モデルを自動的に提供する工程を含む、請求項12～13のいずれか一項記載の方法。
15. ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供する工程;
    前記1つまたは複数の第三者システムにおける前記介入推奨モデルにおいて前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;
    前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムにおける前記介入推奨モデルにおいて受け取られた前記訓練サンプルを使用して前記複数のパラメータを識別する工程;
    ネットワーク伝送を介して前記一次システムにおいて前記識別された複数のパラメータを有する前記介入推奨モデルを受け取る工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記一次システムにおいて前記1つまたは複数の第三者システムから前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記介入推奨モデルによって前記対象者のために生成される前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記一次システムにおいて生成される、
    請求項8～10のいずれか一項記載の方法。
16. 前記一次システムにおいて前記識別された複数のパラメータを有する前記介入推奨モデルを受け取る工程が、指定された時間間隔で前記一次システムにおいて前記識別された複数のパラメータを有する前記介入推奨モデルを自動的に受け取る工程を含む、請求項15記載の方法。
17. 前記一次システムにおいて前記識別された複数のパラメータを有する前記介入推奨モデルを受け取る工程が、前記複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、前記一次システムにおいて前記識別された複数のパラメータを有する前記介入推奨モデルを自動的に受け取る工程を含む、請求項15～16のいずれか一項記載の方法。
18. ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供する工程;
    前記1つまたは複数の第三者システムにおける前記介入推奨モデルにおいて前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;
    前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムにおける前記介入推奨モデルにおいて受け取られた前記訓練サンプルを使用して前記複数のパラメータを識別する工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記1つまたは複数の第三者システムにおける前記介入推奨モデルにおいて前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記介入推奨モデルによって前記対象者のために生成される前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記1つまたは複数の第三者システムにおいて生成される、
    請求項8～10のいずれか一項記載の方法。
19. 前記複数の訓練サンプルが、ネットワーク伝送を介して前記一次システムにおいて前記1つまたは複数の第三者システムから受け取られる、請求項11～14のいずれか一項記載の方法。
20. 前記複数の訓練サンプルのうちの前記1つまたは複数が、複数の別個の第三者システムから受け取られ、異なるデータフォーマットを含み、
    前記方法が、
    前記複数の別個の第三者システムから受け取られた前記複数の訓練サンプルのうちの前記1つまたは複数を共通データフォーマットに変換する工程;および
    前記変換された訓練サンプルを、マージされた訓練データセットにおいてマージする工程
    をさらに含み、
    前記1つまたは複数の第三者システムから受け取られた前記複数の訓練サンプルを使用して前記複数のパラメータを識別する工程が、前記マージされた訓練データセットを使用して前記複数のパラメータを識別する工程を含む、
    請求項11～14および19のいずれか一項記載の方法。
21. 前記複数の別個の第三者システムから受け取られた前記複数の訓練サンプルのうちの前記1つまたは複数が、公開されているデータ変換モデルを使用して前記共通データフォーマットに変換される、請求項20記載の方法。
22. 前記複数の訓練サンプルのうちの前記1つまたは複数が、複数の別個の第三者システムにおける前記介入推奨モデルにおいて受け取られる、請求項15～18のいずれか一項記載の方法。
23. 前記対象者の前記電子健康記録データおよび前記バイオマーカデータが、ネットワーク伝送を介して前記一次システムにおいて前記1つまたは複数の第三者システムから受け取られる、請求項11および15～17のいずれか一項記載の方法。
24. 前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程が、ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記対象者についての前記医療介入推奨を提供する工程を含む、請求項11、15～17、および23のいずれか一項記載の方法。
25. 前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程が、前記対象者に前記医療介入推奨を提供する工程を含む、請求項12～14および18のいずれか一項記載の方法。
26. 前記介入推奨モデルが指定された時間間隔で自動的に更新されるように、前記複数の訓練サンプルのうちの前記1つまたは複数が、指定された時間間隔で自動的に受け取られ、前記複数のパラメータが、指定された時間間隔で前記受け取られた訓練サンプルを使用して自動的に識別される、請求項1～25のいずれか一項記載の方法。
27. 前記介入推奨モデルがリアルタイムで自動的に更新されるように、前記複数の訓練サンプルのうちの前記1つまたは複数が、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで自動的に受け取られ、前記複数のパラメータが、前記受け取られた訓練サンプルを使用してリアルタイムで自動的に識別される、請求項1～26のいずれか一項記載の方法。
28. 前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成する工程であって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データおよびバイオマーカデータを使用して前記介入推奨モデルによって決定され、前記指標が、1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づく電子健康記録データおよびバイオマーカデータのうちの少なくとも1つの値を含む、工程
    をさらに含む、請求項1～27のいずれか一項記載の方法。
29. 前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つが、公開されているデータおよび市販のデータのうちの少なくとも1つである、請求項1～28のいずれか一項記載の方法。
30. 前記対象者または前記既往の対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つが、後ろ向きデータである、請求項1～29のいずれか一項記載の方法。
31. 前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つが、前向きデータである、請求項1～30のいずれか一項記載の方法。
32. 前記電子健康記録データが、患者ケアセンターから取得される、請求項1～31のいずれか一項記載の方法。
33. 前記電子健康記録データが、実験室から取得される、請求項1～32のいずれか一項記載の方法。
34. 前記バイオマーカデータが、CLIA認定実験室を使用して前記対象者からの前記試料から取得される、請求項1～33のいずれか一項記載の方法。
35. 前記バイオマーカデータが、インビトロ診断装置を使用して前記対象者からの前記試料から取得される、請求項1～2および4～34のいずれか一項記載の方法。
36. 前記対象者からの前記試料から前記バイオマーカデータを取得する工程が、前記インビトロ診断装置から直接未処理データを受け取る工程を含む、請求項35記載の方法。
37. 前記バイオマーカデータが、前記対象者が位置する患者ケアセンターにおいてオンサイトで前記対象者からの前記試料から取得される、請求項1～36のいずれか一項記載の方法。
38. 前記バイオマーカデータが、前記対象者が位置する患者ケアセンターからオフサイトで前記対象者からの前記試料から取得される、請求項1～36のいずれか一項記載の方法。
39. 前記対象者からの前記試料が、血液試料を含む、請求項1～38のいずれか一項記載の方法。
40. 前記対象者からの前記試料が、尿試料を含む、請求項1～38のいずれか一項記載の方法。
41. 前記対象者からの前記試料が、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数を用いて採取された試料を含む、請求項1～40のいずれか一項記載の方法。
42. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者についての質量分析データ、イムノアッセイデータ、エクソームデータ、トランスクリプトームデータ、または全ゲノムヌクレオチド配列決定データのうちの少なくとも1つを取得する工程を含む、請求項1～2および4～41のいずれか一項記載の方法。
43. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者のプロテオームデータを取得する工程を含む、請求項1～2および4～42のいずれか一項記載の方法。
44. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者のメタボロームデータを取得する工程を含む、請求項1～2および4～43のいずれか一項記載の方法。
45. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者のリピドームデータを取得する工程を含む、請求項1～2および4～44のいずれか一項記載の方法。
46. 前記対象者のバイオマーカデータが、ある遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含む、請求項1～45のいずれか一項記載の方法。
47. 前記決定される医療介入推奨が、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つである、請求項1～46のいずれか一項記載の方法。
48. 前記決定される医療介入推奨が、非医薬的介入である、請求項1～47のいずれか一項記載の方法。
49. 前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
    前記対象者の罹患率低下、
    前記対象者の死亡率低下、
    前記対象者の介入なしの日数の増加、
    前記対象者に前記医療介入推奨を提供する時間の短縮、
    前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
    前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
    前記対象者の有害事象の数の減少、
    前記対象者の患者クオリティスコアの改善、
    前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
    前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
    前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
    の条件のうちの少なくとも1つを満たす、請求項1～4および6～48のいずれか一項記載の方法。
50. 前記状態が、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態のうちの1つを含む、請求項1～49のいずれか一項記載の方法。
51. 前記介入推奨モデルが、機械学習モデルである、請求項1～50のいずれか一項記載の方法。
52. 前記介入推奨モデルの前記複数のパラメータが、連合学習を実施することによって前記訓練データセットを使用して識別される、請求項1～51のいずれか一項記載の方法。
53. 前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力する工程が、計算メトリックを満たすための計算動作を監視する工程を含む、請求項1～52のいずれか一項記載の方法。
54. 前記計算メトリックが満たされているとの監視に応答して、計算動作をスケールアップまたはスケールダウンする、請求項53記載の方法。
55. 前記計算メトリックが、閾値を超えるかまたは下回るCPU利用率、指定された値を超えるかまたは下回るメモリ利用率、指定された値を超えるかまたは下回るTCP接続の数、指定された値を超えるかまたは下回る保留中の計算メッセージの数のうちの1つまたは複数である、請求項53または54記載の方法。
56. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
    前記対象者の電子健康記録データを取得する工程;
    前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
    前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
    複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
    前記既往の対象者の電子健康記録データ、および
    前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
    を含む、複数のパラメータと、
    前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
    を含む、工程;ならびに
    前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
57. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
    前記対象者の電子健康記録データを取得する工程;
    前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
    前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力する工程であって、
    前記診断推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
    前記診断推奨モデルが、
    ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供することと、
    前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ
    前記既往の対象者の電子健康記録データ、および
    前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
    を含む、ことと
    によって識別された、前記複数のパラメータと、
    前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
    を含む、工程;ならびに
    前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
58. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
    前記対象者の電子健康記録データを取得する工程;
    前記対象者からの試料から前記対象者の前記バイオマーカデータを識別したインビトロ診断装置から前記対象者のバイオマーカデータを自動的に受け取る工程であって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;
    前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
    複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
    前記既往の対象者の電子健康記録データ、および
    前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
    を含む、複数のパラメータと、
    前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
    を含む、工程;ならびに
    前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
59. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
    前記対象者の電子健康記録データを取得する工程;
    前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
    前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
    複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
    前記既往の対象者の電子健康記録データ、および
    前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
    を含む、複数のパラメータと、
    前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
    を含む、工程;ならびに
    前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程であって、
    前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
    前記対象者の罹患率低下、
    前記対象者の死亡率低下、
    前記対象者の介入なしの日数の増加、
    前記対象者に前記医療診断推奨を提供する時間の短縮、
    前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
    前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
    前記対象者の有害事象の数の減少、
    前記対象者の患者クオリティスコアの改善、
    前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
    前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
    対象者が医療診断推奨を受ける患者ケアセンターの収益の増加
    の条件のうちの少なくとも1つを満たす、工程。
60. 前記訓練データセットの各訓練サンプルが、
    前記訓練サンプルと関連付けられた前記既往の対象者についての医療診断、および
    前記医療診断を受けた後の前記既往の対象者の医学的転帰
    をさらに含む、請求項56～59のいずれか一項記載の方法。
61. 前記診断推奨モデルが、1つまたは複数の第三者システムと通信する一次システムによって格納される、請求項56および58～60のいずれか一項記載の方法。
62. 前記1つまたは複数の第三者システムが、前記一次システムからリモートにある、請求項61記載の方法。
63. 前記1つまたは複数の第三者システムが、1つまたは複数の患者ケアセンターに位置する、請求項61～62のいずれか一項記載の方法。
64. 前記一次システムにおいて、前記1つまたは複数の第三者システムから、前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;および
    前記一次システムにおいて、前記1つまたは複数の第三者システムから受け取られた前記複数の訓練サンプルを使用して前記複数のパラメータを識別する工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記一次システムにおいて前記1つまたは複数の第三者システムから前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記診断推奨モデルによって前記対象者のために生成される前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記一次システムにおいて生成される、
    請求項61～63のいずれか一項記載の方法。
65. 前記一次システムにおいて、前記1つまたは複数の第三者システムから、前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;
    前記一次システムにおいて、前記1つまたは複数の第三者システムから受け取られた前記複数の訓練サンプルを使用して前記複数のパラメータを識別する工程;および
    ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供する工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記1つまたは複数の第三者システムにおける前記診断推奨モデルにおいて前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記診断推奨モデルによって前記対象者のために生成される前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記1つまたは複数の第三者システムにおいて生成される、
    請求項61～64のいずれか一項記載の方法。
66. 前記1つまたは複数の第三者システムに前記診断推奨モデルを提供する工程が、指定された時間間隔で前記1つまたは複数の第三者システムに前記診断推奨モデルを自動的に提供する工程を含む、請求項65記載の方法。
67. 前記1つまたは複数の第三者システムに前記診断推奨モデルを提供する工程が、前記複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、前記1つまたは複数の第三者システムに前記診断推奨モデルを自動的に提供する工程を含む、請求項65～66のいずれか一項記載の方法。
68. ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供する工程;
    前記1つまたは複数の第三者システムにおける前記診断推奨モデルにおいて前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;
    前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムにおける前記診断推奨モデルにおいて受け取られた前記訓練サンプルを使用して前記複数のパラメータを識別する工程;
    ネットワーク伝送を介して前記一次システムにおいて前記識別された複数のパラメータを有する前記診断推奨モデルを受け取る工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記一次システムにおいて前記1つまたは複数の第三者システムから前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記診断推奨モデルによって前記対象者のために生成される前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記一次システムにおいて生成される、
    請求項61～63のいずれか一項記載の方法。
69. 前記一次システムにおいて前記識別された複数のパラメータを有する前記診断推奨モデルを受け取る工程が、指定された時間間隔で前記一次システムにおいて前記識別された複数のパラメータを有する前記診断推奨モデルを自動的に受け取る工程を含む、請求項68記載の方法。
70. 前記一次システムにおいて前記識別された複数のパラメータを有する前記診断推奨モデルを受け取る工程が、前記複数のパラメータの識別に続いて、リアルタイムで、ほぼリアルタイムで、遅延バッチで、またはオンデマンドで、前記一次システムにおいて前記識別された複数のパラメータを有する前記診断推奨モデルを自動的に受け取る工程を含む、請求項68～69のいずれか一項記載の方法。
71. ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供する工程;
    前記1つまたは複数の第三者システムにおける前記診断推奨モデルにおいて前記訓練データセットの前記複数の訓練サンプルのうちの1つまたは複数を受け取る工程;
    前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムにおける前記診断推奨モデルにおいて受け取られた前記訓練サンプルを使用して前記複数のパラメータを識別する工程
    をさらに含み、
    前記対象者の前記電子健康記録データおよび前記バイオマーカデータを取得する工程が、前記1つまたは複数の第三者システムにおける前記診断推奨モデルにおいて前記対象者の前記電子健康記録データおよび前記バイオマーカデータを受け取る工程を含み、
    前記診断推奨モデルによって前記対象者のために生成される前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを使用して前記1つまたは複数の第三者システムにおいて生成される、
    請求項61～63のいずれか一項記載の方法。
72. 前記複数の訓練サンプルが、ネットワーク伝送を介して前記一次システムにおいて前記1つまたは複数の第三者システムから受け取られる、請求項64～67のいずれか一項記載の方法。
73. 前記複数の訓練サンプルのうちの前記1つまたは複数が、複数の別個の第三者システムから受け取られ、異なるデータフォーマットを含み、
    前記方法が、
    前記複数の別個の第三者システムから受け取られた前記複数の訓練サンプルのうちの前記1つまたは複数を共通データフォーマットに変換する工程;および
    前記変換された訓練サンプルを、マージされた訓練データセットにおいてマージする工程
    をさらに含み、
    前記1つまたは複数の第三者システムから受け取られた前記複数の訓練サンプルを使用して前記複数のパラメータを識別する工程が、前記マージされた訓練データセットを使用して前記複数のパラメータを識別する工程を含む、
    請求項64～67および72のいずれか一項記載の方法。
74. 前記複数の別個の第三者システムから受け取られた前記複数の訓練サンプルのうちの前記1つまたは複数が、公開されているデータ変換モデルを使用して前記共通データフォーマットに変換される、請求項73記載の方法。
75. 前記複数の訓練サンプルのうちの前記1つまたは複数が、複数の別個の第三者システムにおける前記診断推奨モデルにおいて受け取られる、請求項68～71のいずれか一項記載の方法。
76. 前記対象者の前記電子健康記録データおよび前記バイオマーカデータが、ネットワーク伝送を介して前記一次システムにおいて前記1つまたは複数の第三者システムから受け取られる、請求項64および68～70のいずれか一項記載の方法。
77. 前記診断推奨モデルによって出力された前記対象者の前記診断を返す工程が、ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記対象者についての前記医療診断推奨を提供する工程を含む、請求項64、68～70、および76のいずれか一項記載の方法。
78. 前記診断推奨モデルが指定された時間間隔で自動的に更新されるように、前記複数の訓練サンプルのうちの前記1つまたは複数が、指定された時間間隔で自動的に受け取られ、前記複数のパラメータが、指定された時間間隔で前記受け取られた訓練サンプルを使用して自動的に識別される、請求項56～77のいずれか一項記載の方法。
79. 前記診断推奨モデルがリアルタイムで自動的に更新されるように、前記複数の訓練サンプルのうちの前記1つまたは複数が、リアルタイムで自動的に受け取られ、前記複数のパラメータが、前記受け取られた訓練サンプルを使用してリアルタイムで自動的に識別される、請求項56～78のいずれか一項記載の方法。
80. 前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つが、公開されているデータおよび市販のデータのうちの少なくとも1つである、請求項56～79のいずれか一項記載の方法。
81. 前記対象者または前記既往の対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つが、後ろ向きデータである、請求項56～80のいずれか一項記載の方法。
82. 前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つが、前向きデータである、請求項56～81のいずれか一項記載の方法。
83. 前記電子健康記録データが、患者ケアセンターから取得される、請求項56～82のいずれか一項記載の方法。
84. 前記電子健康記録データが、実験室から取得される、請求項56～83のいずれか一項記載の方法。
85. 前記バイオマーカデータが、CLIA認定実験室を使用して前記対象者からの前記試料から取得される、請求項56～84のいずれか一項記載の方法。
86. 前記バイオマーカデータが、インビトロ診断装置を使用して前記対象者からの前記試料から取得される、請求項56～57および59～85のいずれか一項記載の方法。
87. 前記対象者からの前記試料から前記バイオマーカデータを取得する工程が、前記インビトロ診断装置から直接未処理データを受け取る工程を含む、請求項86記載の方法。
88. 前記バイオマーカデータが、前記対象者が位置する患者ケアセンターにおいてオンサイトで前記対象者からの前記試料から取得される、請求項56～87のいずれか一項記載の方法。
89. 前記バイオマーカデータが、前記対象者が位置する患者ケアセンターからオフサイトで前記対象者からの前記試料から取得される、請求項56～87のいずれか一項記載の方法。
90. 前記対象者からの前記試料が、血液試料を含む、請求項56～89のいずれか一項記載の方法。
91. 前記対象者からの前記試料が、尿試料を含む、請求項56～89のいずれか一項記載の方法。
92. 前記対象者からの前記試料が、FDAに認可された市販の試料採取、輸送、および処理装置の1つまたは複数を用いて採取された試料を含む、請求項56～91のいずれか一項記載の方法。
93. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者についての質量分析データ、イムノアッセイデータ、エクソームデータ、トランスクリプトームデータ、または全ゲノムヌクレオチド配列決定データのうちの少なくとも1つを取得する工程を含む、請求項56～57および59～92のいずれか一項記載の方法。
94. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者のプロテオームデータを取得する工程を含む、請求項56～57および59～93のいずれか一項記載の方法。
95. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者のメタボロームデータを取得する工程を含む、請求項56～57および59～94のいずれか一項記載の方法。
96. 前記対象者のバイオマーカデータを取得する工程が、前記対象者からの前記試料から、前記対象者のリピドームデータを取得する工程を含む、請求項56～57および59～95のいずれか一項記載の方法。
97. 前記対象者のバイオマーカデータが、ある遺伝子パネルにおける複数の遺伝子の各々の発現の定量化を含む、請求項56～96のいずれか一項記載の方法。
98. 前記決定された医療診断推奨に基づいて前記対象者に医療介入推奨を提供する工程であって、前記医療介入推奨が、1つまたは複数の医薬化合物、薬物、および生物製剤の選択、投与量、タイミング、開始、停止、および監視のうちの少なくとも1つを含む、工程
    をさらに含む、請求項56～97のいずれか一項記載の方法。
99. 前記決定された医療診断推奨に基づいて前記対象者に医療介入推奨を提供する工程であって、前記医療介入推奨が非医薬的介入を含む、工程
    をさらに含む、請求項56～97のいずれか一項記載の方法。
100. 前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療診断推奨を提供する時間の短縮、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの収益の増加
     のうちの少なくとも1つを満たす、請求項56～58および60～99のいずれか一項記載の方法。
101. 前記対象者の前記決定される医療診断推奨が、敗血症、敗血症性ショック、難治性敗血症性ショック、急性肺傷害、急性呼吸窮迫症候群、急性腎不全、急性腎傷害、外傷、熱傷、COVID19、肺炎、ウイルス感染、および術後の状態のうちの1つを含む、請求項56～100のいずれか一項記載の方法。
102. 前記診断推奨モデルが、機械学習モデルである、請求項56～101のいずれか一項記載の方法。
103. 前記診断推奨モデルの前記複数のパラメータが、連合学習を実施することによって前記訓練データセットを使用して識別される、請求項56～102のいずれか一項記載の方法。
104. 前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力する工程が、計算メトリックを満たすための計算動作を監視する工程を含む、請求項56～103のいずれか一項記載の方法。
105. 前記計算メトリックが満たされているとの監視に応答して、計算動作をスケールアップまたはスケールダウンする、請求項104記載の方法。
106. 前記計算メトリックが、閾値を超えるかまたは下回るCPU利用率、指定された値を超えるかまたは下回るメモリ利用率、指定された値を超えるかまたは下回るTCP接続の数、指定された値を超えるかまたは下回る保留中の計算メッセージの数のうちの1つまたは複数である、請求項104または105記載の方法。
107. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
108. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力することであって、
     前記介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記介入推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、識別することと
     によって識別された、前記複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、入力することと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
109. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から前記対象者のバイオマーカデータを識別したインビトロ診断装置から前記対象者の前記バイオマーカデータを自動的に受け取ることであって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
110. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと、
     前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データおよびバイオマーカデータを使用して前記介入推奨モデルによって決定され、前記指標が、1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づく電子健康記録データおよびバイオマーカデータのうちの少なくとも1つの値を含む、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
111. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことであって、
     前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療介入推奨を提供する時間の短縮、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
112. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
113. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力することであって、
     前記診断推奨モデルが、非一時的コンピュータ可読記憶媒体からリモートにある1つまたは複数の第三者システムと通信する前記非一時的コンピュータ可読記憶媒体によって格納され、
     前記診断推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、識別することと
     によって識別された、前記複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、入力することと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
114. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から前記対象者の前記バイオマーカデータを識別したインビトロ診断装置から前記対象者のバイオマーカデータを自動的に受け取ることであって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
115. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データおよび前記バイオマーカデータを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ
     前記既往の対象者の電子健康記録データ、および
     前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータ
     を含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データおよび前記バイオマーカデータと、前記対象者の前記電子健康記録データおよび前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことであって、
     前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療診断推奨を提供する時間の短縮、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
116. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者の電子健康記録データを取得する工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;および
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
117. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者の電子健康記録データを取得する工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力する工程であって、
     前記介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記介入推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、ことと
     によって識別された、前記複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;および
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
118. 以下の工程を含む、方法:
     ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得すること;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、こと;および
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すこと;および
     前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データを使用して前記介入推奨モデルによって決定され、前記指標が、1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づく電子健康記録データの値を含む、こと
     によって決定する工程。
119. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者の電子健康記録データを取得する工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;ならびに
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程であって、
     前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療介入推奨を提供する時間の短縮、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、工程。
120. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者の電子健康記録データを取得する工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者の前記医療診断推奨との間の関係を表す関数と
     を含む、工程;および
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
121. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者の電子健康記録データを取得する工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを診断推奨モデルに入力する工程であって、
     前記診断推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記診断推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、ことと
     によって識別された、前記複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、工程;および
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
122. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者の電子健康記録データを取得する工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、工程;ならびに
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程であって、
     前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療診断推奨を提供する時間の短縮、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、工程。
123. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
124. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力することであって、
     前記介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記介入推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、識別することと
     によって識別された、前記複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、入力することと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
125. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと、
     前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者の電子健康記録データを使用して前記介入推奨モデルによって決定され、前記指標が、1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づく電子健康記録データの値を含む、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
126. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことであって、
     前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療介入推奨を提供する時間の短縮、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
127. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
128. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを前記診断推奨モデルに入力することであって、
     前記診断推奨モデルが、非一時的コンピュータ可読記憶媒体からリモートにある1つまたは複数の第三者システムと通信する前記非一時的コンピュータ可読記憶媒体によって格納され、
     前記診断推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、識別することと
     によって識別された、前記複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、入力することと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
129. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者の電子健康記録データを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記電子健康記録データを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者の電子健康記録データを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記電子健康記録データと、前記対象者の前記電子健康記録データと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことであって、
     前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療診断推奨を提供する時間の短縮、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
130. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;および
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
131. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力する工程であって、
     前記介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記介入推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、ことと
     によって識別された、前記複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;および
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
132. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者からの試料から前記対象者のバイオマーカデータを識別したインビトロ診断装置から前記対象者の前記バイオマーカデータを自動的に受け取る工程であって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;ならびに
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程。
133. 以下の工程を含む、方法:
     ある状態と診断された対象者についての医療介入推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得すること;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、こと;
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すこと;および
     前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者のバイオマーカデータを使用して前記介入推奨モデルによって決定され、前記指標が、1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づくバイオマーカデータの値を含む、こと
     によって決定する工程。
134. 以下の工程を含む、ある状態と診断された対象者についての医療介入推奨を決定するための方法:
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力する工程であって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、工程;ならびに
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返す工程であって、
     前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療介入推奨を提供する時間の短縮、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、工程。
135. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、工程;および
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
136. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力する工程であって、
     前記診断推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記診断推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、ことと
     によって識別された、前記複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、工程;および
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
137. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者からの試料から前記対象者のバイオマーカデータを識別したインビトロ診断装置から前記対象者の前記バイオマーカデータを自動的に受け取る工程であって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、工程;ならびに
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程。
138. 以下の工程を含む、対象者の医療診断推奨を決定するための方法:
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得する工程;
     前記対象者の医療診断推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力する工程であって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、工程;ならびに
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返す工程であって、
     前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療診断推奨を提供する時間の短縮、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、工程。
139. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
140. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力することであって、
     前記介入推奨モデルが、一次システムからリモートにある1つまたは複数の第三者システムと通信する前記一次システムによって格納され、
     前記介入推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記介入推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、識別することと
     によって識別された、前記複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、入力することと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
141. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者からの試料から前記対象者のバイオマーカデータを識別したインビトロ診断装置から前記対象者の前記バイオマーカデータを自動的に受け取ることであって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
142. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことと、
     前記状態に対する医療介入推奨の指標を裏付ける根拠を提供するデータセットを生成することであって、前記医療介入推奨が、前記状態と診断された1人または複数の対象者のバイオマーカデータを使用して前記介入推奨モデルによって決定され、前記指標が、1人または複数の対象者についての前記医療介入推奨を決定するために前記介入推奨モデルによって使用され前記1人または複数の対象者の医学的転帰に基づくバイオマーカデータの値を含む、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
143. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、ある状態と診断された対象者についての医療介入推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者についての医療介入推奨を生成するために、コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを介入推奨モデルに入力することであって、前記介入推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記介入推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記介入推奨モデルの出力として生成される前記対象者についての前記医療介入推奨との間の関係を表す関数と
     を含む、ことと、
     前記介入推奨モデルによって出力された前記対象者についての前記医療介入推奨を返すことであって、
     前記介入推奨モデルによって出力される前記対象者についての前記医療介入推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療介入と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療介入推奨を提供する時間の短縮、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療介入推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療介入推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
144. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
145. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力することであって、
     前記診断推奨モデルが、非一時的コンピュータ可読記憶媒体からリモートにある1つまたは複数の第三者システムと通信する前記非一時的コンピュータ可読記憶媒体によって格納され、
     前記診断推奨モデルが、
     ネットワーク伝送を介して前記1つまたは複数の第三者システムに前記診断推奨モデルを提供することと、
     前記1つまたは複数の第三者システムにおいて、前記1つまたは複数の第三者システムで受け取られた訓練データセットを使用して複数のパラメータを識別することであって、前記訓練データセットが複数の訓練サンプルを含み、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、識別することと
     によって識別された、前記複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、入力することと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
146. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者からの試料から前記対象者の前記バイオマーカデータを識別したインビトロ診断装置から前記対象者のバイオマーカデータを自動的に受け取ることであって、前記バイオマーカデータが、前記対象者のゲノムデータ、エピゲノムデータ、トランスクリプトームデータ、プロテオームデータ、メタボロームデータ、およびリピドームデータのうちの少なくとも1つを含む、ことと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。
147. コンピュータプロセッサによって実行されると、前記コンピュータプロセッサに、対象者の医療診断推奨を、
     前記対象者からの試料から得られた前記対象者のバイオマーカデータを取得することと、
     前記対象者の医療診断推奨を生成するために、前記コンピュータプロセッサを使用して、前記対象者の前記バイオマーカデータを診断推奨モデルに入力することであって、前記診断推奨モデルが、
     複数の訓練サンプルを含む訓練データセットに少なくとも基づいて識別された複数のパラメータであって、各訓練サンプルが、既往の対象者と関連付けられており、かつ前記既往の対象者からの試料から得られた前記既往の対象者のバイオマーカデータを含む、複数のパラメータと、
     前記診断推奨モデルへの入力として受け取られた前記対象者の前記バイオマーカデータと、前記対象者の前記バイオマーカデータと前記訓練データセットに少なくとも基づいて識別された前記複数のパラメータとに基づき前記診断推奨モデルの出力として生成される前記対象者についての前記医療診断推奨との間の関係を表す関数と
     を含む、ことと、
     前記診断推奨モデルによって出力された前記対象者についての前記医療診断推奨を返すことであって、
     前記診断推奨モデルによって出力される前記対象者についての前記医療診断推奨が、前記対象者の前記電子健康記録データおよび前記バイオマーカデータのうちの少なくとも1つを有する既往の対象者についての標準治療医療診断と比較して、
     前記対象者の罹患率低下、
     前記対象者の死亡率低下、
     前記対象者の介入なしの日数の増加、
     前記対象者に前記医療診断推奨を提供する時間の短縮、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在コストの低減、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける前記対象者の滞在期間の短縮、
     前記対象者の有害事象の数の減少、
     前記対象者の患者クオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの患者ケアセンタークオリティスコアの改善、
     前記対象者が前記医療診断推奨を受ける患者ケアセンターにおける患者スループットの増加、および
     前記対象者が前記医療診断推奨を受ける患者ケアセンターの収益の増加
     の条件のうちの少なくとも1つを満たす、ことと
     によって決定させるコンピュータプログラム命令を格納した非一時的コンピュータ可読記憶媒体。

Images