JP6706627B2 - 集中治療室における臨床値の自動化された分析及びリスク通知のためのシステム - Google Patents

Description

本願は一般に、クリティカル医療ケア分野、医療検査分野、及び関連する分野に関する。

血液ガスレベル（ＰａＯ２、ＰａＣＯ２、...）、完全な血液計数パネル（白血球、赤血球、ヘモグロビン、ヘマトクリット、血小板、...）、種々の電解質、クレアチニン、キナーゼアイソザイムなどの測定といった臨床的に有用な結果を生成するため、組織サンプル（例えば血液、尿など）に対して、臨床検査が行われる。ＩＣＵ環境では、標本が、間隔をあけて患者から抜き取られて検査され、その結果が、患者チャートに記載される。最近では、例えば、ＨＬ７（登録商標）ＡＮＳＩ認定の交換標準を用いるといった、電子データ記録及び転送が標準化されている。その結果、斯かるデータが、患者の電子健康記録又は医療記録（ＥＨＲ又はＥＭＲ）に自動的に記録され、（ＨＩＰＡＡ又は他の適用されるプライバシー標準に従って）医者、看護師、又は他の認可された個人若しくは団体に電子的に配布されることができる。

しかしながら、データ記録及び交換におけるこれらの改善は、必ずしも患者監視／治療のための臨床検査のより効果的な活用に変換されず、多くの制限が残されている。医師は、個別の臨床検査結果を分離して検討する傾向があり、特に臨床証拠的パターンが医師の専門領域外である臨床状態に関連する場合、臨床証拠的パターンを多様な臨床検査結果において認識できないことがある。この傾向は、臨床検査の離散的性質により増幅される。種々の臨床検査結果は、たとえ電子的に記録及び配布されたとしても、離散／半手動検体採取及び処理のため、一般に異なる時間において医師に利用可能になる。医師は、多くの患者に寄り添い、臨床検査は通常、検査室に委託され、これは場合によっては病院内に存在しない場合もある（例えば外部の検査室）。斯かる要因は、医師が種々の臨床検査結果を有用なパターンと照合することを困難にする場合がある。更に、長期間に渡って取得された臨床検査結果から構成されるパターンが特定された場合、そのパターンから引き出された医学的結論に有意義な日付を割り当てることは困難であり得る。

以下は、上述した問題及びその他に対処する新規で改良されたシステム及び方法を開示する。

開示された一態様では、コンピュータが、以下のように複数の臨床状態に対するリスクレベル評価方法を実行するようプログラムされる。少なくとも１つの血液学的検査結果及び少なくとも１つの動脈血ガス（ＡＢＧ）検査結果を含む、患者に関するタイムスタンプを伴う臨床検査結果のセットが、非一時的記憶媒体に格納される。各臨床状態に対して、リスクレベルが、臨床検査結果の格納されたセットの臨床状態特有のサブセットに基づき臨床状態に対して決定される。この決定は、臨床検査結果の格納された臨床状態特有のサブセットが、リスクレベルを決定するのに十分であることを条件になされる。タイムスタンプは、臨床検査結果の臨床状態特有サブセットの臨床検査結果に関するタイムスタンプに基づき、決定された各リスクレベルに割り当てられる。表示デバイスは、決定されたリスクレベルが表示基準を満たす臨床状態ごとに、決定されたリスクレベル及び割り当てられたタイムスタンプを表示させられる。

別の開示された態様では、非一時的記憶媒体が、複数の臨床状態に対するリスクレベル評価方法を実行するために電子データ処理装置により読み取り可能かつ実行可能な命令を記憶する。リスクレベル評価方法は、以下のステップを含む。各臨床状態について、臨床状態に対するリスクレベルを評価するのに十分な臨床検査結果が、臨床検査結果データ構造に格納されているかどうかが決定される。十分な臨床検査結果が利用可能である場合、臨床検査結果のセットの臨床状態特有サブセットに基づき臨床状態に対するリスクレベルが決定され、臨床検査結果のサブセットの臨床検査結果に関するタイムスタンプに基づき、決定されたリスクレベルにタイムスタンプが割り当てられる。表示デバイスは、リスクレベルが表示基準を満たす臨床状態の決定されたリスクレベル、及び表示されたリスクレベルごとに、割り当てられたタイムスタンプを表示させられる。

別の開示された態様では、方法は、少なくとも１つの血液学的検査結果及び少なくとも１つの動脈血ガス（ＡＢＧ）検査結果を含む臨床検査結果のセットをコンピュータ可読の非一時的記憶媒体を用いて格納するステップと、上記臨床検査結果のセットの臨床状態特有のサブセットに基づき、臨床状態に対するリスクレベルを決定するステップと、上記臨床検査結果のサブセットの上記臨床検査結果に関するタイムスタンプに基づき、上記決定されたリスクレベルにタイムスタンプを割り当てるステップと、上記決定されたリスクレベル及び上記割り当てられたタイムスタンプを表示デバイスに表示するステップとを有する。

１つの利点は、多様な臨床検査結果における臨床証拠的なパターンの自動検出を提供することにある。

別の利点は、臨床検査結果の臨床証拠的なパターンに対する自動タイムスタンプを提供することにある。

別の利点は、臨床検査結果の組み合わせに基づき、様々な臨床状態の定量的リスクの自動識別及び通知を提供することにある。

別の利点は、患者に関する相乗的な情報を提供するための臨床検査のスケジューリングに関する指針を提供することにある。

所与の実施形態は、前述の利点の１つ、２つ、それ以上、若しくは全てを提供し得、及び／又は本開示を読み理解するとき当業者に明らかになるであろう他の利点を提供し得る。

臨床検査結果の組み合わせに基づき、様々な臨床状態の定量的リスクを自動的に識別し、及び通知するシステムを図式的に示す図である。 図１のシステムの臨床状態リスク推論エンジンの１つにより適切に実行される処理を図式的に示す図である。 「Ｔ１」、「Ｔ２」、「Ｔ３」及び「Ｔ４」とそれぞれ指定された４つの検査結果に基づき評価された臨床状態リスクにタイムスタンプを割り当てる例示的なアプローチを図式的に示す図である。 「Ｔ１」、「Ｔ２」、「Ｔ３」及び「Ｔ４」とそれぞれ指定された４つの臨床検査結果に基づき評価された臨床状態リスクにタイムスタンプを割り当てる例示的なアプローチを図式的に示す図である。 図１のシステムのリスク通知要素の適切な実施形態を図式的に示す図である。

本発明は、様々な要素及び要素の配列の形式並びに様々なステップ及びステップの配列の形式を取ることができる。図面は、好ましい実施形態を説明するためだけにあり、本発明を限定するものとして解釈されるべきものではない。

図１を参照すると、臨床検査結果の組み合わせに基づき、様々な臨床状態に関する定量的リスクの自動識別及び通知のためのシステムが開示される。このシステムは、３つの主要な要素、即ちデータ収集部８、データ分析部１０、及びリスク通知要素１２を含む。これらの要素８、１０、１２は、例示的なサーバコンピュータ１４又は他の電子データ処理デバイス（例えば、デスクトップコンピュータ、電子的患者モニタデバイスなど；又はデバイスの様々な集約、例えばクラウドコンピューティングネットワーク、サーバクラスタ等）において適切に実現される。臨床検査結果の組合せに基づかれる様々な臨床状態に関する定量的リスクの自動識別及び通知のための開示されたアプローチは、コンピュータ１４又は開示された方法を実行する別の電子データ処理デバイスにより読取り可能かつ実行可能な命令を記憶する非一時的記憶媒体として実現される点も理解されたい。非一時的記憶媒体は、例として、ハードディスクドライブ若しくは他の磁気記憶媒体;光ディスク若しくは他の光記憶媒体;フラッシュメモリ若しくは他の電子記憶媒体、又はそれらの様々な組合せ等を含むことができる。

データ収集部８は、例示的な血液学検査室２０、例示的な組織病理学的検査室２２及び例示的な動脈血ガス（ＡＢＧ）検査室２４により図１に図式的に示される様々な医療検査室などの様々なデータ源と動作可能に接続される。血液学検査室２０は、患者の医師の要求に応じて、完全な血液計数パネル（白血球、赤血球、ヘモグロビン、ヘマトクリット、血小板、...）又はその一部、及び血液中の様々な電解質、クレアチニン、キナーゼアイソザイム、アルブミン、ビリルビン、アンモニア、アルカリホスファターゼ、乳酸、グルコース、コレステロール、鉄などの測定値といった血液値などの臨床検査結果を提供することができる。組織病理検査室２２は、医師の要求に応じて抽出された組織サンプルの顕微鏡検査を行う。ＡＢＧ検査室２４は、動脈血サンプル中の様々な血液ガスレベル（ＰａＯ２、ＰａＣＯ２、ｐＨ、ＨＣＯ３、...）を測定する。より少数の、追加的な、及び／又は他の検査室が、臨床検査結果をデータ収集部８に提供することができ、更に、例示的な検査室が様々に組み合わせられることができる点を理解されたい。例えば、血液学検査室がＡＢＧ分析を行うこともできる。データ収集部８はまた、患者データを取得するため、電子健康（又は医療）記録（ＥＨＲ／ＥＭＲ）２６又は他の患者データソースと動作可能に接続される。患者データは例えば、人口統計データ（年齢、性別、民族性など）、心臓病又は慢性閉塞性肺障害（ＣＯＰＤ）などの慢性健康状態、他の病歴情報（最近の手術に関する情報など）、患者の習慣（喫煙者又は非喫煙者など）、現在の薬剤などである。臨床検査結果データ及び患者データは、例えばＨＬ７（登録商標）ＡＮＳＩ認定交換標準準拠の電子ネットワークを介して、病院又は他の医療施設により提供される患者データ記録及び転送のために自動的にデータ収集部８に供給され、オプションで、病院により採用される場合契約検査室にも接続される。追加的又は代替的に、一部若しくは全部の臨床検査結果及び／又は一部若しくは全部の患者データは、電子データ入力端末又はコンピュータ２８を使用して手動で入力されることができる。

データ収集部８により収集された各臨床検査結果は通常、臨床検査を行った検査室２０、２２、２４により検査結果に割り当てられたタイムスタンプを使用して、適切にタイムスタンプされる。例えば、抽出された血液又は組織サンプルから得られた臨床検査結果のタイムスタンプは、検査された血液又は組織サンプルが抽出された日／時に適切に設定されることができる。本書で使用される「タイムスタンプ」という用語は、任意の選択された時間的指定を含む。例えばタイムスタンプは、検査結果のカレンダー日付を特定することができ、又は検査結果のカレンダー日付及び時間の両方をより具体的に（例えば、より高い時間分解能で）特定することができる（さまざまなオプションの特定を伴い、例えば秒の有無、及び／又はタイムゾーンオフセットなどを含む）。患者データも、適宜タイムスタンプが割り当てられることができる。

データ分析部１０は、任意の関連する患者データを考慮して、証拠的パターンの検出などの分析を臨床検査結果に対して行う。このため、データ分析部は、患者データ（例えば、年齢、性別、病歴、現在の診断、投薬などといった人口統計学的情報及び臨床情報）を含むテーブル又は他のデータ構造である患者プロファイル３０（本書では「Ｐ１プロファイル」とも呼ばれる）を維持する。データ分析部はまた、オプションで検査クラス又は他の組織基準により編成され、臨床検査結果を含むテーブル又は他のデータ構造である患者臨床検査結果テーブル３２（本書では「Ｐ２プロファイル」とも呼ばれる）を維持する。患者プロファイル３０及び患者臨床検査結果テーブル又は他のデータ構造３２は、非一時的記憶媒体３４を用いて適切に記憶される。これは例えば、ハードディスクドライブ又は他の磁気記憶媒体;光ディスク又は他の光記憶媒体;フラッシュメモリ又は他の電子記憶媒体；それらの様々な組合せ等を含む。

データ分析部１０はオプションで、ある「検査ごとの」解析（図示省略）を実行することができる。例えば、各臨床検査結果の現在の値は、その検査結果の正常範囲とＰ１プロファイルデータに基づかれる臨床状態に割り当てられた予備リスクレベルとに対して比較されることができる。例えば、ＰａＯ２がＰａＯ２の正常範囲と比較されることができる。ここで「正常範囲」は、年齢及び患者がＣＯＰＤを有するかどうかといった様々な患者データに依存する。現在の時間値と共に、検査結果テーブル３２は、以前の検査実行と比較したときの各臨床検査結果の変化、及び所与の時間ウィンドウに対して特定された正及び負の傾向などの動的情報を記録することができる。

データ分析部はまた、テーブル３２に格納された臨床検査結果を処理して、悪化する臓器若しくは器官系のような臨床状態の証拠となる、又は敗血症、低酸素症などの重篤な病状の発症の証拠となる臨床検査結果のパターンを検出する。この目的のために、データ分析部１０は、様々な臨床状態リスク推論エンジン４０を実現する。これは、例示的な図１において、臨床状態＃１リスク推論エンジン４０１、臨床状態＃２リスク推論エンジン４０２、...、臨床状態＃Ｎリスク推論エンジン４０Ｎとして指定される。（種々の臨床状態リスク推論エンジンの数は、一般性を失うことなく、ここでは「Ｎ」と指定される）。各リスク推論エンジン４０は、経験的に訓練された分類器、コード化された推論規則（又は規則のセット）、器官機能の数学的モデル、又は対応する臨床状態に対するリスクレベルを割り当てるテーブル３０からの任意の関連する患者データと共に患者臨床検査結果のセット（このセットは、テーブル３２に含まれる検査結果のサブセットである）に適用される他の推論アルゴリズムとして実現されることができる。各計算されたリスクレベルは、リスク推論エンジンが動作する検査結果のセットの臨床検査結果に関するタイムスタンプに基づき、対応するタイムスタンプ４２が割り当てられる。従って、臨床状態＃１に対するリスクレベルは、対応するタイムスタンプ４２１を持ち、臨床状態＃２に対するリスクレベルは、対応するタイムスタンプ４２２を持ち、...、臨床状態＃Ｎのリスクレベルは、対応するタイムスタンプ４２Ｎを持つ。

１つのアプローチでは、臨床状態リスク推論エンジン４０は、以下のように経験的に構築される。臨床検査値及びその傾向の様々なサブグループ（例えば、｛アルブミン、重炭酸塩、ｐＨ、乳酸、Ｈｇ｝、｛クレアチニン、ＢＵＮ、ＢＵＮ／クレアチニン｝、｛グルコース、ＷＢＣ｝）が、医学文献から引き出される情報及び／又は医療専門家と協議して特定される情報に基づき、臨床状態の可能なインジケータとして特定される。医療検査結果のこれらのサブグループはオプションで、ここでも医学文献及び／又は専門家の知識に基づき、他の可能な関連する患者データと組み合わせられることができる。結果として生じるパラメータのセットは、臨床状態リスク推論エンジンを訓練するための特徴のセットを形成する。これは例えば、機械学習線形回帰モデル、ロジスティック回帰モデル、ニューラルネットワーク、又は他のモデル若しくはパラメータ化された推論アルゴリズムとして実現され得る。訓練データは、分類された過去の患者の例（リスクが推測される臨床状態を持つと分類された患者の陽性例と、その状態を持たないと分類された陰性例の両方）から得られる。臨床条件リスク推論エンジン４０を訓練し、パラメータに対する値の入力データセットが与えられた場合にリスクスコアを生成するのに、モデル又は推論アルゴリズムの重み又は他のパラメータを学習するのに適したアンサンブル学習アルゴリズム又は他の機械学習技術が適用される。その結果、臨床状態推論エンジン４０が、訓練セットの陽性例と陰性例とを効果的に区別する。訓練データの分類と訓練データに対する推論エンジン出力との間の合計された又は他の態様で集約された誤差は、訓練中に最小化される。機械学習はオプションで、機械学習された臨床状態リスク推論に最小の影響しか及ぼさないことが経験的に見出された特徴（即ち臨床検査）を特定及び廃棄するため、特徴低減要素（学習に組み込まれるか、又は学習より前に実行される）も含む。これは、臨床状態リスク推論エンジン４０により実行されるリスクアセスメントに対する検査結果のより小さな証拠的なセットを提供するためである。

前述の機械学習アプローチの利点は、特定の臨床状態（の発症）のリスクを評価するのに使用される臨床検査結果の証拠的パターンを識別及び洗練するための発見メカニズムを提供することである。他方、例えば、医学文献に規則のセットが掲載されており、これを介して医師が臨床状態が存在する又は初期であると推定するため、臨床検査結果のパターンが、特定の臨床状態（の発症）を先験的に示すことが分かっている場合、この既知の規則のセットが、推論エンジンを構築するために体系化されることができる。更に別の例として、臨床検査のセットの結果により適切に特徴付けられる器官機能の数学的モデルを用いて、推論エンジンが構築されることができる。様々なハイブリッドも想定される。例えば、機械学習により最適化される重み又は他のパラメータを持つ器官機能の半経験的モデルである。

各臨床状態リスク推論エンジン４０１、...、４０Ｎの出力は、個別の臨床状態＃１、...、＃Ｎのリスクレベルである。これらのリスクレベルは、データ分析部１０からリスク通知要素１２に入力され、リスク通知要素１２は、患者モニタ４４、３Ｇ、ＷｉＦｉ若しくは他の無線ネットワークを介してコンピュータ１４（特に、リスク通知要素１２）とインターフェースし、アプリケーションプログラム（「アプリ」）を実行する移動体電話（携帯電話）、医療用ポケットベル等といった無線モバイルデバイス４６、ナースステーションコンピュータ等の適切なユーザインタフェースデバイスを介して、医師、看護師又は他の医療従事者にリスクに関する情報を出力する。本書で説明されるいくつかの例示的な実施形態では、リスク通知要素１２は、リスクレベルのランク付け、フィルタリング、又は他の処理を実行する。その結果、最も重大なリスク（もしあれば）のみが医療従事者に報告される。オプションで、リスク通知要素１２は、監視される患者に関する患者記録における全てのリスク値をＥＨＲ／ＥＭＲデータベース２６に記録する。

臨床状態リスク推論エンジン４０１、...、４０Ｎのいずれかを適用するとき、２つの困難が生じる場合がある。第１に、臨床検査が行われなかった（又はまだ実施されていない）ため、又は使用可能な検査結果が「古く」、即ち信頼するには古すぎるため、臨床状態のリスクを評価するための入力患者データの一部が欠落している場合がある。第２に、様々な入力臨床検査結果が異なる個別のタイムスタンプを持つとき、どのタイムスタンプ４２が推論されたリスクレベルに割り当てられるべきかが容易には明らかではない。この後者の困難は、例えば、臨床状態を評価するために医師により命じられた最新の臨床検査の時点でリスクレベルが最新であると医師が仮定するが、実際には臨床状態リスク推論エンジンが、この最後に得られた検査結果よりもかなり古い臨床検査結果も含む入力データのセットに依存するとき、リスクレベルの誤った解釈をもたらす可能性がある。

図２を参照して、臨床状態リスク推論エンジン４０の１つを適用するとき、データ分析部１０により適切に実行される例示的な推論プロセス５０が説明される。図２では、臨床状態＃ｋが参照される。ここで一般性を失うことなく、＃ｋは、臨床状態＃１、...、＃Ｎの１つを示し、図１の臨床状態リスク推論エンジン４０の１つである臨床状態リスク推論エンジン４０ｋを使用して評価される。ステップ５２では、臨床状態＃ｋを評価するための患者臨床検査結果の入力セットが患者臨床検査結果テーブル３２から取得される。この臨床検査結果のセットは、検査結果３２の完全なテーブルのサブセットであり、臨床状態リスク推論エンジン４０ｋの訓練中に規定される（又は代替的に、編成された文献規則のセット、数学的器官モデル、若しくは臨床状態リスク推論エンジン４０ｋが生成される他のソースにより規定される）。ステップ５４では、患者臨床検査結果テーブル３２から読み出される患者臨床検査結果のセットが、必須の臨床検査結果を欠いているかどうかが決定される。「必須」とは、臨床状態リスク推論エンジン４０ｋが、その臨床検査結果なしで信頼できる結果を生成するとは考えられないことを意味する。臨床状態リスク推論エンジン４０ｋにより使用されるが、いくつかの臨床検査結果は、非必須であると考えられる。なぜなら、それらは臨床状態リスク推論エンジン４０ｋにより出力されるリスクレベルに比較的弱い影響を及ぼすためである。斯かる場合、欠けている非必須検査結果は、臨床検査のためのデフォルトの「典型的な」値で代入されることができる。いくつかのケースでは、臨床状態リスク推論エンジン４０ｋは、非必須検査結果の有無にかかわらず動作するよう構成されることができる（例えば、検査結果が利用できない場合デフォルト値を使用する、又は利用できない場合には非必須検査結果に依存しない異なる訓練された分類器を適用することにより）。必須臨床検査結果が欠落しているかどうかを決定するとき、ステップ５４は、検査結果のタイムスタンプを考慮に入れることができる。その結果例えば、利用可能であるが古すぎる（即ち失効した）検査結果は、欠落しているとみなされる。なぜなら、古い必須検査結果は、臨床状態リスク推論エンジン４０ｋの適用において信頼されることができないからである。

臨床状態リスク推論エンジン４０ｋを適用するのに必須の臨床検査結果が欠落しているとステップ５４が決定する場合、フローは、是正措置を取るエラーハンドラ５６に渡される。この是正措置は、最低でも、好ましくは、臨床状態＃ｋに関するリスクレベルが利用可能でないという何らかのインジケーションを提供することを含む。これは、使用不可能を示すために臨床状態＃ｋに関連付けられる適切なバイナリフラグを設定することにより、及び／又は使用不可能を示すため臨床状態＃ｋに対するリスクレベルのタイムスタンプを-１などの値に設定することにより等で行われる。エラーハンドラ５６はオプションで、臨床状態＃ｋのリスクを評価するため、欠落している臨床検査結果を生成する臨床検査が実行されるべきであることを医療従事者に推奨する（例えば、表示デバイス４４、４６に表示される）。検査が実行されたが古くなっている場合、表示されるメッセージは、既存の検査結果が古く、信頼されるべきでないことを示すことができる。

引き続き図２を参照し、図３及び図４を簡単に参照すると、すべての必須臨床検査結果がステップ５４で利用可能であると決定される場合、フローはステップ６０に進み、そこでは、条件＃ｋに関連付けられるリスクレベルに対するタイムスタンプが、読み出しステップ５２で取得された検査結果の入力セットの臨床検査結果のタイムスタンプに基づき決定される。臨床状態＃ｋに対するリスクレベルに関するタイムスタンプを選択するのに、様々なアプローチが使用されることができ、その２つがそれぞれ図３及び図４に図式的に示される。図３に図式的に示されるアプローチは、入力検査結果のいずれかの最も古いタイムスタンプのタイムスタンプをリスクレベルに割り当てる。従って、例示的な図３では、臨床状態リスク推論エンジン４０ｋは、「Ｔ１」、「Ｔ２」、「Ｔ３」及び「Ｔ４」として指定された４つの検査結果を使用する。これらは、図３に示されるように、「Ｔ３」、「Ｔ１」、「Ｔ４」、「Ｔ２」の順に取得された（即ちタイムスタンプを持つ）。図３のアプローチでは、臨床状態＃ｋのリスクレベルに対するタイムスタンプが、最も古い臨床検査結果のタイムスタンプ、ここでは検査結果「Ｔ３」に関するタイムスタンプを割り当てられる。

図３のアプローチは、臨床検査結果が信頼される時間枠を考慮していない。例えば、検査により測定された生理学的特徴がゆっくりと変化する場合、検査結果は、検査が実施された後のかなりの期間にわたって信頼性があり、同様に、検査が実行される前のかなりの期間にわたって検査結果が代表的であると仮定することは合理的である。対照的に、検査により測定された生理学的特徴が時間の経過とともに急速に変動する傾向がある場合、検査結果が合理的に信頼されるウィンドウは実質的により短い。図４の例示的なアプローチは、「Ｔ１」、「Ｔ２」、「Ｔ３」、「Ｔ４」のそれぞれに関連付けられるボックスタイプの範囲により図式的に示されるように、各検査結果に対して時間ウィンドウを適用する。臨床状態＃ｋに対する例示的なリスクレベルは、「Ｔ１」、「Ｔ２」、「Ｔ３」、「Ｔ４」の組み合わせ、即ち「Ｔ１」、「Ｔ２」、「Ｔ２」、「Ｔ３」、「Ｔ４」に関する４つの時間ウィンドウのすべての重複又は交差、

に依存する。ここで、Ｗ（..）は時間窓であり、

は、はバイナリ交差演算子である。臨床状態＃ｋに対して計算されたリスクレベルに関するタイムスタンプは、次いで、重複時間間隔Δｔの最新の終了に適切に設定される。すべての時間ウィンドウが現時点まで延長される場合、リスクレベルに関するタイムスタンプは、リスクレベルが現在のものであることを示すため、現時点まで合理的に設定されることができる点に留意されたい。他方、全てのウィンドウＷ（Ｔ１）、Ｗ（Ｔ２）、Ｗ（Ｔ３）、Ｗ（Ｔ４）の間に相互重複がない（即ちΔｔ＝０）場合、リスクレベルが確実に計算されることはできず、フローは、エラーハンドラ５６に適切に移り、（例えば）１つ又は複数の新しい臨床検査を要求することを推奨することができる。

引き続き図２を参照すると、読み出しステップ６２において、任意の関連する患者データ（即ち、臨床状態＃ｋリスク推論エンジン４０ｋにより使用される患者データ）が患者プロファイル３０から読み出される。決定ステップ６４では、任意の必須の患者データが欠落しているかどうかが決定される。「必須の」患者データは、「必須の」臨床検査結果と同様に規定される。即ち、必須の患者データは、それがなければ、臨床状態＃ｋに対する信頼できるリスクレベルが臨床状態＃ｋリスク推論エンジン４０ｋを用いて推定されることができない患者データである。欠落した患者データが必須でない場合、臨床状態＃ｋリスク推論エンジン４０ｋは、例えば欠落患者データに対するデフォルト値を挿入することにより、依然として適用されることができる。決定ステップ６４において、必須の患者データが欠落していると識別される場合、是正措置を取るためにエラーハンドラ５６が呼び出される。是正措置は例えば、データ収集部８に転送される（又はデータ収集部８に直接入力される）ようにするため、欠落患者データがＥＨＲ／ＥＭＲ２６に入力されることを要求することである。

決定ステップ６４において、すべての必須の患者データが利用可能であると決定される場合（及びより早期の決定ステップ５４がすべての必須の臨床検査結果が利用可能であると決定する場合）、フローは、臨床状態＃ｋリスク推論エンジン４０ｋに移り、そこでは、リスクスコアが臨床状態＃ｋについて計算され、タイムスタンプがステップ６０で割り当てられる。オプションで、さらなる処理６６が実行され、例えば、閾値又は量子化がリスクスコアに適用され、より容易に認識されるリスク評価としてリスクレベルが生成される。例えば、閾値が適用され、その結果最終出力が、「臨床状態＃ｋの有意なリスク」又は「臨床状態＃ｋの有意なリスクなし」となる。別の例では、量子化器がスコアに適用されて、一連のレベルの１つとして最終出力が形成される。例えば、「赤色」＝「臨床状態＃ｋの高いリスク」、「黄色」＝「臨床状態＃ｋの中程度のリスク」、又は「緑色」＝「臨床状態＃ｋの低いリスク」となる。

図２の例示的なプロセスフロー並びに図３及び図４の例示的なリスクレベルタイムスタンピングアルゴリズムは、非限定的な例として理解されるべきである。プロセスフローは、様々に調整されることができる。例えば、リスクレベルを計算した後にタイムスタンプが割り当てられ、検査結果の前に患者データが読み出され、タイムスタンプが、その終わりではなく時間間隔Δｔの中央に設定されることができ、又は別の例示的な例として、リスクレベルに関するタイムスタンプが、特定の「最も重大な」検査結果のタイムスタンプに設定されることができる等となる。

図５を参照して、リスク通知要素１２の例示的な実施形態が説明される。例示的なリスク通知要素１２は、リスクレベル７０のセットを入力として受信する。オプションで、リスク通知要素１２は、フロー指示７２により図５に図式的に示されるように、ＥＨＲ／ＥＭＲ２６にこれらの「生の」リスクレベル（又はスコア）を記録する。これらの記録された生のリスクレベルは、次に、患者の次の検査で患者の医師と再検討され得る。クリティカルケアユニット環境（例えば、集中治療ユニット、ＩＣＵ、又は心臓ケアユニット、ＣＣＵ）において迅速なリスクアセスメントを提供する目的で、リスクレベルはオプションで、臨界的重み７４により調整される。これらの重み７４は、固定値であってもよく、又は患者固有の因子に基づき調整されてもよい。因子は例えば、患者が持つ慢性的な症状７６（例えば、低酸素症のリスクは、ＣＯＰＤの患者の場合にはより高い重み付けにより増強され得る）、又は患者の医師により提供された患者特有の指示７８（例えば、患者の医師が、患者が敗血症を発症する可能性について医師の医療専門知識に基づき懸念している場合、医師は敗血症リスクスコアに対してより高い重み付けを割り当てることができる）である。リスク要約ロジック８０は、患者に関するリスクアセスメントを生成する。例えば、リスク要約ロジック８０は、トップＭリスクレベルの表示を生じさせることができる（ここでＭはある整数であり、例えばＭ＝３である場合、最も高い（重み付けされた）リスクレベルを持つ３つの臨床状態がディスプレイデバイス４４、４６に表示される）。別の例では、リスク要約ロジック８０は、（重み付けされた）リスクレベルが報告閾値を超える任意の臨床状態のリスクレベルを表示する。フィルタリング（例えば、トップＭ又は報告閾値）を用いることにより、患者が最も高いリスクにある臨床状態についてのリスク情報のみを提示することにより、クリティカルケア環境における医療従事者に提示される情報の量が低減される。

システムは、リアルタイムでリスクレベルを更新する点を理解されたい。１つのアプローチでは、各臨床状態リスク推論エンジン４０１、...、４０Ｎに対する入力臨床検査結果をリストするテーブルが提供され、データ収集部８を介して新しい検査結果が来るとき、このテーブルは、どの臨床状態が更新されるべきかを特定するためにデータ分析部１０により問い合わせられ、適切な臨床状態リスク推論エンジンが、新しい検査結果に適用される。いくつかの実施形態（図５には示されていない）において、リスク通知要素はまた、臨床状態に関するリスクレベルを時間にわたり追跡し、リスクレベルが最後の２つ（又はそれ以上）の検査サイクルにわたって上昇している場合に警告を報告する。

本発明が、好ましい実施形態を参照して説明されてきた。上記の詳細な説明を読み及び理解すると、第三者は、修正及び変更を思いつくことができる。本発明は、添付の特許請求の範囲又はその等価の範囲内に入る限りにおいて、斯かる修正及び変更の全てを含むものとして解釈されることが意図される。

Claims (20)

1. システムであって、
   複数の臨床状態に対してリスクレベル評価方法を実行するようにプログラムされたコンピュータであって、前記方法が、
   少なくとも１つの血液学検査結果及び少なくとも１つの動脈血ガス検査結果を含む患者に関するタイムスタンプ付きの臨床検査結果のセットを非一時的記憶媒体に格納するステップと、
   各臨床状態に対して、前記格納された臨床検査結果のセットの臨床状態特有のサブセットが、リスクレベルを決定するのに十分である場合、前記臨床状態特有のサブセットに基づき、前記臨床状態に対するリスクレベルを決定するステップと、前記臨床状態特有のサブセットの前記臨床検査結果に関するタイムスタンプに基づき、前記決定されたリスクレベルにタイムスタンプを割り当てるステップと、
   前記決定されたリスクレベルと前記割り当てられたタイムスタンプとを前記決定されたリスクレベルが表示基準を満たす臨床状態ごとに表示デバイスに表示させるステップとを有する、システム。
2. 前記リスクレベル評価方法が、各臨床状態に対して、
   前記臨床状態特有サブセットの臨床検査結果の利用可能性に少なくとも基づき、前記臨床状態特有サブセットが、前記リスクレベルを決定するのに十分であるかどうかを決定するステップと、
   前記臨床状態特有サブセットが、前記リスクレベルを決定するのに十分ではない場合、前記表示デバイスに、１つ又は複数の臨床検査を要求し、前記臨床状態特有のサブセットが前記リスクレベルを決定するのに十分であるよう更新するための推奨を表示させるステップとを更に有する、請求項１に記載のシステム。
3. 前記臨床状態特有サブセットが、十分かを決定するステップが更に、前記臨床状態特有サブセットの利用可能な臨床検査結果が古いかどうかに基づかれ、前記古いかどうかは、前記利用可能な臨床検査結果のタイムスタンプにより示される、請求項２に記載のシステム。
4. 前記リスクレベル評価方法が、少なくとも年齢及び性別を含む患者データのセットを収集するステップを更に有し、
   前記リスクレベルを決定するステップは、前記患者データのセットから取得される患者データに更に基づき、前記臨床状態に対するリスクレベルを決定するステップを含む、請求項１乃至３の任意の一項に記載のシステム。
5. 前記リスクレベルを決定するステップが、分類された患者の例の訓練セットで機械学習により訓練されたリスク推論エンジンを使用して、少なくとも１つの臨床状態に対する前記リスクレベルを決定するステップを含む、請求項１乃至４の任意の一項に記載のシステム。
6. 前記リスクレベル評価方法が、各臨床状態に対して、前記臨床状態特有のサブセットの検査結果の更新に基づき、前記リスクレベルを決定するステップ及び前記タイムスタンプを割り当てるステップを繰り返すステップを更に有する、請求項１乃至５の任意の一項に記載のシステム。
7. 前記タイムスタンプを割り当てるステップが、前記臨床検査結果のサブセットの前記臨床検査結果に関するタイムスタンプの最も古いタイムスタンプとして前記決定されたリスクレベルに前記タイムスタンプを割り当てるステップを有する、請求項１乃至６の任意の一項に記載のシステム。
8. 前記タイムスタンプを割り当てるステップが、
   前記臨床検査結果のサブセットの前記臨床検査結果の前記タイムスタンプの周りに時間窓を規定するステップと、
   前記規定された時間ウィンドウの交差におけるタイムスタンプとして前記決定されたリスクレベルに前記タイムスタンプを割り当てるステップとを有する、請求項１乃至６の任意の一項に記載のシステム。
9. 前記患者に関するタイムスタンプ付きの前記臨床検査結果のセットを収集するステップが、電子ネットワークを介して臨床検査結果を検査室から収集するステップを有する、請求項１乃至８の任意の一項に記載のシステム。
10. 前記表示デバイスが、患者モニタ及び無線移動装置の少なくとも１つを有する、請求項１乃至９の任意の一項に記載のシステム。
11. 複数の臨床状態に対するリスクレベル評価方法を実行する電子データ処理装置により読み取り可能かつ実行可能な命令を格納する非一時的記憶媒体であって、前記方法が、
    各臨床状態に対して、前記臨床状態に対するリスクレベル評価をするのに十分な臨床検査結果が、臨床検査結果データ構造に格納されているかどうかを決定するステップと、
    十分な臨床検査結果が利用可能な場合、前記臨床検査結果のセットの臨床状態特有のサブセットに基づき、前記臨床状態に対するリスクレベルを決定するステップと、
    前記臨床検査結果のサブセットの前記臨床検査結果に関するタイムスタンプに基づき、前記決定されたリスクレベルにタイムスタンプを割り当てるステップと、
    前記リスクレベルが表示基準を満たす臨床状態の前記決定されたリスクレベルを表示デバイスに表示させ、表示されたリスクレベルごとに前記割り当てられたタイムスタンプを表示させるステップとを有する、非一時的記憶媒体。
12. 前記リスクレベル評価方法が、前記リスクレベルが決定されない各臨床状態に対して、１つ又は複数の検査結果を取得し、前記臨床状態に対するリスクレベル評価を実行するのに前記臨床検査結果データ構造に格納される十分な臨床検査結果を提供するための推奨を前記表示デバイスに表示させるステップを更に有する、請求項１１に記載の非一時的記憶媒体。
13. 各臨床状態に対して、前記臨床状態に対するリスクレベル評価をするのに十分な臨床検査結果が、臨床検査結果データ構造に格納されているかどうかを決定するステップが、前記リスクレベル評価を実行するのに使用される検査結果の利用可能性を決定し、前記利用可能な検査結果のタイムスタンプに基づき、前記リスクレベル評価を実行するのに使用される前記利用可能な検査結果が古いかどうかを決定するステップを含む、請求項１１又は１２に記載の非一時的記憶媒体。
14. 少なくとも１つの臨床状態に対して、前記臨床状態特有のサブセットに基づき、前記臨床状態に対するリスクレベルを決定するステップが、分類された患者の例の訓練セットで機械学習により訓練されたリスク推論エンジンを使用して、前記リスクレベルを決定するステップを有する、請求項１１乃至１３の任意の一項に記載の非一時的記憶媒体。
15. 前記リスクレベル評価方法が、各臨床状態に対して、前記臨床検査結果データ構造における前記臨床状態特有のサブセットの臨床検査結果の更新に基づき、前記リスクレベル決定を更新するステップを更に有する、請求項１１乃至１４の任意の一項に記載の非一時的記憶媒体。
16. 前記臨床検査結果のサブセットの前記臨床検査結果に関するタイムスタンプに基づき、前記決定されたリスクレベルにタイムスタンプを割り当てるステップが、前記臨床検査結果のサブセットの最も古いタイムスタンプを割り当てるステップを有する、請求項１１乃至１５の任意の一項に記載の非一時的記憶媒体。
17. 前記臨床検査結果のサブセットの前記臨床検査結果に関するタイムスタンプに基づき、前記決定されたリスクレベルにタイムスタンプを割り当てるステップが、
    前記臨床検査結果のサブセットの前記臨床検査結果のタイムスタンプの周りに時間窓を規定するステップと、
    前記規定された時間窓に基づき、前記決定されたリスクレベルにタイムスタンプを割り当てるステップとを有する、請求項１１乃至１５の任意の一項に記載の非一時的記憶媒体。
18. 前記リスクレベル評価方法が、少なくとも１つの血液学的検査結果を含む前記臨床検査結果を受信し、前記受信される臨床検査結果を前記臨床検査結果データ構造に格納するステップを更に有する、請求項１１乃至１７の任意の一項に記載の非一時的記憶媒体。
19. 請求項１１乃至１７のいずれか一項に記載の非一時的記憶媒体と、
    複数の臨床状態に対するリスクレベル評価方法を実行するため、前記非一時的記憶媒体に記憶された命令を読み出して実行するよう動作可能に接続されるコンピュータとを有する、システム。
20. コンピュータ実現による方法において、コンピュータが、
    コンピュータ可読な非一時的記憶媒体に、少なくとも１つの血液学的検査結果及び少なくとも１つの動脈血ガス検査結果を含む臨床検査結果のセットを格納するステップと、
    前記臨床検査結果のセットの臨床状態特有のサブセットに基づき、臨床状態に対するリスクレベルを決定するステップと、
    前記臨床検査結果のサブセットの前記臨床検査結果に関するタイムスタンプに基づき、前記決定されたリスクレベルにタイムスタンプを割り当てるステップと、
    前記決定されたリスクレベル及び前記割り当てられたタイムスタンプを表示デバイスに表示するステップとを有する、方法。

Images