JP2023016928A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2023016928A5 JP2023016928A5 JP2022194640A JP2022194640A JP2023016928A5 JP 2023016928 A5 JP2023016928 A5 JP 2023016928A5 JP 2022194640 A JP2022194640 A JP 2022194640A JP 2022194640 A JP2022194640 A JP 2022194640A JP 2023016928 A5 JP2023016928 A5 JP 2023016928A5
- Authority
- JP
- Japan
- Prior art keywords
- medical data
- target
- action
- machine learning
- learning model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Claims (13)
- 医療データ検証のためのコンピュータ実装方法であって、
医療検査で生成された目標医療データを取得するステップと、
医療データを検証するための機械学習モデルを取得するステップであって、前記機械学習モデルが、前記医療データと検証結果との間の関連付けを表し、前記検証結果が、前記医療データに対して実行されるべき所定のアクションに関する情報を示し、前記所定のアクションが、前記医療データに関連する医療検査を要求するエンティティに対して前記医療データを公開するという第1のアクションを含む、ステップと、
前記目標医療データを前記機械学習モデルに適用することによって前記目標医療データについての目標検証結果を決定するステップであって、前記目標検証結果が、前記目標医療データに対して実行されるべき前記所定のアクションから選択された目標アクションに関する情報を示す、ステップと
を含む、方法。 - 前記機械学習モデルを取得するステップが、訓練データに基づいて、前記医療データを検証するための前記機械学習モデルを生成するステップを含み、
前記訓練データが、
前記第1のアクションを示すラベル付け情報に関連付けられているとマークされた利用可能な履歴医療データの第1のセットを取得するステップと、
利用可能な履歴医療データの前記第1のセットから、前記第1のセット中の他の履歴医療データよりも前記ラベル付け情報の信頼性が高い履歴医療データを選択するステップと、
前記選択された履歴医療データおよび前記関連するラベル付け情報を前記訓練データとして決定するステップと、
を含む処理によって取得される、請求項1に記載の方法。 - 前記目標検証結果を決定するステップが、
前記医療データを検証するためのさらなる機械学習モデルを取得するステップであって、前記さらなる機械学習モデルが、前記医療データと前記検証結果との間の、前記機械学習モデルによって表される前記関連付けとは異なる関連付けを表す、ステップと、
前記目標医療データを前記機械学習モデルおよび前記さらなる機械学習モデルにそれぞれ適用してそれぞれの検証結果を取得するステップと、
前記それぞれの検証結果に基づいて前記目標検証結果を決定するステップと
を含む、請求項1または2に記載の方法。 - 前記目標医療データと候補医療データとの間の類似性を決定するステップであって、前記候補医療データが、前記機械学習モデルを生成するために使用される履歴医療データおよび/または前記機械学習モデルに適用された履歴医療データから選択される、ステップと、
前記類似性が所定の類似性閾値を超えたことに応答して、前記候補医療データを前記目標医療データのための基準医療データとして選択するステップと、
前記目標医療データの閲覧者への提示のために前記目標医療データに関連する前記基準医療データを提供するステップと
をさらに含む、請求項1から3のいずれかに記載の方法。 - 前記類似性を決定するステップが、
前記候補医療データに対して前記目標アクションが実行されるべきであるとの決定、および
前記目標医療データと同じである1つまたは複数の検査項目を前記候補医療データが有するとの決定
のうちの少なくとも1つに基づいて、前記候補医療データを選択するステップを含む、
請求項4に記載の方法。 - 前記所定のアクションが、更に、
前記医療データをさらに検証するという第2のアクション、
前記医療データに関連する前記医療検査を再実行するという第3のアクション、
患者の履歴医療記録を確認するという第4のアクション、
前記医療検査における試薬の反応を確認するという第5のアクション、
前記医療検査で使用するために収集された検査試料を確認するという第6のアクション、
前記医療データを臨床診断と組み合わせて確認するという第7のアクション、および
患者の薬剤使用を確認するという第8のアクション
のうちの少なくとも1つを含む、
請求項1から5のいずれかに記載の方法。 - 前記機械学習モデルが、前記医療データを前記所定のアクションに対応するクラスに分類するための分類モデルを含む、請求項1から6のいずれかに記載の方法。
- 前記目標アクションに関する前記情報が、前記目標アクションの指示、および前記機械学習モデルによって前記目標医療データに対する前記目標アクションを選択することの信頼レベルのうちの少なくとも1つを含む、請求項1から7のいずれかに記載の方法。
- 前記目標医療データが、インビトロ(in-vitro)診断検査で生成された医療データを含む、請求項1から8のいずれかに記載の方法。
- 前記機械学習モデルが、複数の利用可能な機械学習モデルのそれぞれの性能測定値に基づいて、前記複数の利用可能な機械学習モデルから選択される、請求項1から9のいずれかに記載の方法。
- 前記目標医療データを取得するステップが、
さらに検証されるようにルールベースのエンジンによって決定される前記目標医療データを取得するステップであって、前記ルールベースのエンジンが少なくとも1つの所定のルールに基づいて前記目標医療データを検証するように構成される、ステップを含む、請求項1から10のいずれかに記載の方法。 - 前記目標医療データに関連する前記目標検証結果を検査情報システム(LIS:laboratory information system)に提供するステップをさらに含み、前記目標医療データが、医療検査レポートに提示された少なくとも1つのデータ項目と、さらなるデータ項目として前記医療検査レポートに提示された前記目標検証結果とを含む、請求項1から11のいずれかに記載の方法。
- コンピュータによって実行されると、前記コンピュータに、請求項1から12のいずれかに記載の方法を実行させる命令を記録したコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019102636 | 2019-08-26 | ||
WOPCT/CN2019/102636 | 2019-08-26 | ||
JP2020140547A JP2021034056A (ja) | 2019-08-26 | 2020-08-24 | 医療データの自動化された検証 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020140547A Division JP2021034056A (ja) | 2019-08-26 | 2020-08-24 | 医療データの自動化された検証 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2023016928A JP2023016928A (ja) | 2023-02-02 |
JP2023016928A5 true JP2023016928A5 (ja) | 2023-03-20 |
JP7286863B2 JP7286863B2 (ja) | 2023-06-05 |
Family
ID=72240337
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020140547A Pending JP2021034056A (ja) | 2019-08-26 | 2020-08-24 | 医療データの自動化された検証 |
JP2022194641A Active JP7361187B2 (ja) | 2019-08-26 | 2022-12-06 | 医療データの自動化された検証 |
JP2022194640A Active JP7286863B2 (ja) | 2019-08-26 | 2022-12-06 | 医療データの自動化された検証 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020140547A Pending JP2021034056A (ja) | 2019-08-26 | 2020-08-24 | 医療データの自動化された検証 |
JP2022194641A Active JP7361187B2 (ja) | 2019-08-26 | 2022-12-06 | 医療データの自動化された検証 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3786966A1 (ja) |
JP (3) | JP2021034056A (ja) |
CN (1) | CN112435753A (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022247143A1 (en) * | 2021-11-01 | 2022-12-01 | F. Hoffmann-La Roche Ag | Federated learning of medical validation model |
WO2023152879A1 (ja) * | 2022-02-10 | 2023-08-17 | 日本電信電話株式会社 | モデル設定装置、モデル設定システム、モデル設定方法、及びモデル設定プログラム |
WO2023152877A1 (ja) * | 2022-02-10 | 2023-08-17 | 日本電信電話株式会社 | 通信品質予測装置、通信品質予測システム、通信品質予測方法、及び通信品質予測プログラム |
WO2023214835A1 (ko) * | 2022-05-04 | 2023-11-09 | 주식회사 타이로스코프 | 면담 내용을 이용하여 검사 세트를 제공하는 처방 보조 방법 |
WO2024054890A1 (en) * | 2022-09-07 | 2024-03-14 | Siemens Healthcare Diagnostics Inc. | Systems and methods for determining test result accuracies in diagnostic laborabory systems |
CN116795725B (zh) * | 2023-08-23 | 2023-11-17 | 长沙砝码柯数据科技有限责任公司 | 一种临床电子数据采集系统的自动验库方法和系统 |
CN117275644B (zh) * | 2023-08-31 | 2024-04-16 | 广州零端科技有限公司 | 基于深度学习的检测结果互认方法、系统及存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5873824A (en) * | 1996-11-29 | 1999-02-23 | Arch Development Corporation | Apparatus and method for computerized analysis of interstitial infiltrates in chest images using artificial neural networks |
JPH1147096A (ja) * | 1997-07-30 | 1999-02-23 | Omron Corp | 健康管理システム |
JP3987675B2 (ja) * | 2000-07-05 | 2007-10-10 | 株式会社日立製作所 | 臨床検査システム |
US7672987B2 (en) * | 2005-05-25 | 2010-03-02 | Siemens Corporate Research, Inc. | System and method for integration of medical information |
JP2006344110A (ja) | 2005-06-10 | 2006-12-21 | Toshiba Corp | 医用情報表示装置 |
JP2007287018A (ja) * | 2006-04-19 | 2007-11-01 | Fujifilm Corp | 診断支援システム |
JP5744631B2 (ja) * | 2011-06-06 | 2015-07-08 | キヤノン株式会社 | 診療支援装置、診療支援方法 |
US11037070B2 (en) * | 2015-04-29 | 2021-06-15 | Siemens Healthcare Gmbh | Diagnostic test planning using machine learning techniques |
CN106126958B (zh) * | 2016-07-06 | 2018-10-19 | 温冬梅 | 医疗实验室临床生化检验自动审核系统 |
JP6901308B2 (ja) * | 2017-04-14 | 2021-07-14 | 株式会社日立製作所 | データ分析支援システム及びデータ分析支援方法 |
JP2019091324A (ja) * | 2017-11-16 | 2019-06-13 | コニカミノルタ株式会社 | 医療情報処理装置及びプログラム |
US20200311702A1 (en) | 2017-12-05 | 2020-10-01 | Dsi Corporation | Dental technical fee automatic calculation system, dental technical fee automatic calculation method, and program |
CN111565677B (zh) * | 2018-01-05 | 2023-02-14 | 爱尔康公司 | 用于眼内透镜选择的系统和方法 |
CN109378065A (zh) * | 2018-10-30 | 2019-02-22 | 医渡云(北京)技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN109448858A (zh) * | 2018-10-30 | 2019-03-08 | 中山大学肿瘤防治中心 | 结直肠癌医疗数据处理方法及装置、存储介质、电子设备 |
CN110085314A (zh) * | 2019-04-11 | 2019-08-02 | 上海翼依信息技术有限公司 | 医学检验数据的智能分析方法、系统以及设备 |
-
2020
- 2020-08-24 JP JP2020140547A patent/JP2021034056A/ja active Pending
- 2020-08-25 EP EP20192594.8A patent/EP3786966A1/en active Pending
- 2020-08-25 CN CN202010865057.3A patent/CN112435753A/zh active Pending
-
2022
- 2022-12-06 JP JP2022194641A patent/JP7361187B2/ja active Active
- 2022-12-06 JP JP2022194640A patent/JP7286863B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023016928A5 (ja) | ||
Harris et al. | A systematic review of the diagnostic accuracy of artificial intelligence-based computer programs to analyze chest x-rays for pulmonary tuberculosis | |
US20200334416A1 (en) | Computer-implemented natural language understanding of medical reports | |
US7949167B2 (en) | Automatic learning of image features to predict disease | |
AU2020260078B2 (en) | Computer-implemented machine learning for detection and statistical analysis of errors by healthcare providers | |
Hou et al. | Explainable DCNN based chest X-ray image analysis and classification for COVID-19 pneumonia detection | |
CN110720124A (zh) | 监测患者语言的使用以识别潜在的言语和相关的神经障碍 | |
KR20200077852A (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
Owais et al. | Comprehensive computer-aided decision support framework to diagnose tuberculosis from chest X-ray images: data mining study | |
JP2023532292A (ja) | 機械学習ベースの医療データチェッカ | |
EP3759721A1 (en) | Automated diagnostic support system for clinical documentation workflows | |
Saiviroonporn et al. | Cardiothoracic ratio measurement using artificial intelligence: observer and method validation studies | |
Yağın et al. | A computer-assisted diagnosis tool for classifying COVID-19 based on Chest X-Ray images | |
James et al. | Classification of x-ray covid-19 image using convolutional neural network | |
JP2021501412A (ja) | 実験室器具のためのルールの自動生成 | |
Maiter et al. | How should studies using AI be reported? Lessons from a systematic review in cardiac MRI | |
An et al. | Codeless Deep Learning of COVID-19 Chest X-Ray Image Dataset with KNIME Analytics Platform | |
Kranthi Kumar et al. | COVID-19: respiratory disease diagnosis with regularized deep convolutional neural network using human respiratory sounds | |
Ghimire et al. | Learning invariant feature representation to improve generalization across chest x-ray datasets | |
JPWO2019208130A1 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
Mahajan et al. | Coviddiagnosis: Deep diagnosis of covid-19 patients using chest x-rays | |
Kortum et al. | Improving the decision support in diagnostic systems using classifier probability calibration | |
Thompson et al. | Large Language Models with Retrieval-Augmented Generation for Zero-Shot Disease Phenotyping | |
Li et al. | Diagnosis of Alzheimer's disease by feature weighted-LSTM: a preliminary study of temporal features in brain resting-state fMRI | |
Kapoor et al. | Cough audio analysis for COVID-19 diagnosis |