JP6893480B2 - 分析装置および分析方法 - Google Patents
分析装置および分析方法 Download PDFInfo
- Publication number
- JP6893480B2 JP6893480B2 JP2018006370A JP2018006370A JP6893480B2 JP 6893480 B2 JP6893480 B2 JP 6893480B2 JP 2018006370 A JP2018006370 A JP 2018006370A JP 2018006370 A JP2018006370 A JP 2018006370A JP 6893480 B2 JP6893480 B2 JP 6893480B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- clinical pathway
- analyzer
- importance
- unit
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
図1は、クリニカルパスウェイの更新例を示す説明図である。クリニカルパスウェイCPの更新例は、ニューラルネットワークNNの選択101、特徴量ベクトルXnの生成102、説明可能ベクトルznの生成103、選択ニューラルネットワークNNでの予測104、クリニカルパスウェイCPの編集105により実行され、説明付きクリニカルパスウェイCPeが生成、表示される。なお、本例では、クリニカルパスウェイCPの予測起点のノードP1からノードP3bを経由してノードP4aに到達する診療経路において、において予測対象モデルPTM内の予測対象のノードP2a,P2b,P2cのいずれが最適な経路かを予測するものとする。
AIは、線形分離不可能問題を解く能力を持つが、AIが、どうしてそのような判断をしたかが不明である。特に、deep learningなどの機械学習手法は、予測精度は高いが説明能力が低い。たとえば、ある患者に対して「風邪をひきやすい」という診断結果をAIが出力した場合、医師は、AIがなぜそのような結果を得たかを答えることができない。もし、AIがその原因まで判断できれば、医師は、患者に対して適切な治療をおこなうことがきる。
図3は、分析システムのシステム構成例を示すブロック図である。図3では、サーバ−クライアント型の分析システム3を例に挙げて説明するが、スタンドアロン型でもよい。(A)は、分析システム3のハードウェア構成例を示すブロック図であり、(B)は、分析システム3の機能的構成例を示すブロック図である。(A)および(B)において同一構成には同一符号を付す。
図4は、本実施例にかかるニューラルネットワークの構造例を示す説明図である。ニューラルネットワークNNは、データユニット群DUと、レポーティングユニット群RUと、ハーモナイジングユニット群HUと、アテンションユニットAUと、リアロケーションユニットRAUと、ユニファイユニットUUと、デシジョンユニットDCUと、インポータンスユニットIUと、を有する。
図5は、ニューラルネットワークNNの機能的構成例を示すブロック図である。ニューラルネットワークNNは、入力層401と、中間層402と、出力層403と、変換部501と、再配置部502と、予測データ算出部503と、重要度算出部504と、設定部505と、統合部506と、縮約部507と、選択部508と、を有する。これらは、学習部361および予測部362の内部構成例である。
図6は、ニューラルネットワークNNによる学習処理および予測処理手順例を示すフローチャートである。図6のうち、ステップS601〜S602が学習部361による学習処理であり、ステップS603〜S607が予測部362による予測処理である。まず、分析装置320は、訓練データ集合364を読み込む(ステップS601)。
図7は、分析装置320の機能的構成例を示すブロック図である。分析装置320は、モデルパラメータ設定部701と、パスウェイ選択部702と、特徴量ベクトル生成部703と、説明可能ベクトル生成部704と、編集部705と、出力部706と、を有する。これらは、HDD321、メモリ322などの記憶デバイスに記憶されたプログラムをプロセッサ323に実行させることによりその機能を実現する。また、ニューラルネットワークNN、診療DB100、パスウェイDB710、およびクリニカルターミノロジーCTは、分析装置320に存在してもよく、分析装置320とネットワーク310を介して通信可能な外部装置(不図示)に記憶されていてもよい。
図8は、説明可能ベクトル生成部704による説明可能ベクトルznの生成処理例を示す説明図である。説明可能ベクトルznの生成103では、特徴量ベクトルxnと、モデルパラメータMP(予測対象モデルPTMおよび予測パラメータ)と、クリニカルパスウェイ分岐条件CPcを用いる。上述したように、特徴量ベクトルxnは、項目801、値802、および単位803を含む。
図9は、分析装置320による分析シーケンス例を示すシーケンス図である。なお、ニューラルネットワークNNは、訓練データ集合364により学習モデルを生成済みであるものとする。また、説明を簡略化するため、分析装置320は、パスウェイDB710、およびクリニカルターミノロジーCTを有するものとする。
つぎに、図10〜図14を用いて、編集部705によって作成された説明付きクリニカルパスウェイCPeを表示する画面例について説明するとともに、編集部705によるクリニカルパスウェイの編集処理内容についても説明する。
110 説明情報
300 クライアント端末
320 分析装置
361 学習部
362 予測部
364 訓練データ集合
365 学習パラメータ
501 変換部
502 再配置部
503 予測データ算出部
504 重要度算出部
505 設定部
506 統合部
507 縮約部
508 選択部
701 モデルパラメータ設定部
702 パスウェイ選択部
703 特徴量ベクトル生成部
704 説明可能ベクトル生成部
705 編集部
706 出力部
Claims (12)
- 患者の第1特徴項目に関する第1入力データと、診療行為の工程に関するクリニカルパスウェイ内の予測対象への遷移に関する第2特徴項目と、医学的用語間の関連性を示すクリニカルターミノロジーと、に基づいて、前記第1特徴項目の重みを有する第2入力データを生成する生成部と、
前記第1入力データと、前記生成部によって生成された第2入力データと、を与えると、前記クリニカルパスウェイ内の予測対象に対する予測結果と、前記第1特徴項目の重要度と、を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された予測結果および重要度に基づいて、前記クリニカルパスウェイを編集する編集部と、
前記編集部によって編集された編集結果を出力する出力部と、
を有することを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記生成部は、前記第2特徴項目に一致する第1特徴項目である共通項目の重みを、前記第2特徴項目に一致しない第1特徴項目である非共通項目の重みよりも高い値に設定することにより、前記第2入力データを生成する、
ことを特徴とする分析装置。 - 請求項1に記載の分析装置であって、
前記編集部は、前記予測結果および重要度を用いて前記予測結果の根拠を示す説明情報を生成し、前記クリニカルパスウェイ内の予測対象と前記説明情報とを関連付けることにより、説明付きクリニカルパスウェイを前記編集結果として生成する、
ことを特徴とする分析装置。 - 請求項3に記載の分析装置であって、
前記編集部は、前記説明付きクリニカルパスウェイと前記第1特徴項目の重要度とを前記編集結果として生成する、
ことを特徴とする分析装置。 - 請求項3に記載の分析装置であって、
前記編集部は、前記第1入力データが前記予測対象のうち特定の予測対象の遷移条件を充足し、かつ、前記特定の予測対象への遷移が予測パラメータとして与えられまたは規定値として設定された予測対象の順位付けルールに則り前記予測結果の中で最も評価が高い場合、前記特定の予測対象への遷移を推奨する提案を含む説明情報を生成し、前記クリニカルパスウェイ内の前記特定の予測対象と前記説明情報とを関連付けることにより、説明付きクリニカルパスウェイを前記編集結果として生成する、
ことを特徴とする分析装置。 - 請求項3に記載の分析装置であって、
前記編集部は、前記第1入力データが前記予測対象のいずれの遷移条件も充足しないが、前記予測対象のうち特定の予測対象への遷移が予測パラメータとして与えられまたは規定値として設定された予測対象の順位付けルールに則り前記予測結果の中で最も評価が高い場合、前記特定の予測対象への遷移を推奨する提案を含む説明情報を生成し、前記クリニカルパスウェイ内の前記特定の予測対象と前記説明情報とを関連付けることにより、説明付きクリニカルパスウェイを前記編集結果として生成する、
ことを特徴とする分析装置。 - 請求項6に記載の分析装置であって、
前記編集部は、前記説明情報に、前記特定の予測対象への遷移が予測パラメータとして与えられまたは規定値として設定された予測対象の順位付けルールに則り前記予測結果の中で最も評価が高いことを示す、前記提案を補足する補足データを追加する、
ことを特徴とする分析装置。 - 請求項3に記載の分析装置であって、
前記編集部は、前記第1入力データが前記予測対象のいずれの遷移条件も充足しないが、予測対象外への遷移が予測パラメータとして与えられまたは規定値として設定された予測対象の順位付けルールに則り前記予測結果の中で最も評価が高い場合、前記予測対象外への遷移を推奨する提案を含む説明情報を生成し、前記クリニカルパスウェイ内に前記予測対象外および前記予測対象外への遷移を追加し、当該遷移と前記説明情報とを関連付けることにより、説明付きクリニカルパスウェイを前記編集結果として生成する、
ことを特徴とする分析装置。 - 請求項8に記載の分析装置であって、
前記編集部は、前記説明情報に、前記予測対象外への遷移が予測パラメータとして与えられまたは規定値として設定された予測対象の順位付けルールに則り前記予測結果の中で最も評価が高いことを示す、前記提案を補足する補足データを追加する、
ことを特徴とする分析装置。 - 請求項3に記載の分析装置であって、
前記編集部は、前記クリニカルパスウェイが文章により構成された電子文書であり、かつ、前記電子文書内において所定重要度以上の特定重要度の第1特徴項目を示す用語がある場合、前記特定重要度の第1特徴項目を示す用語を強調表示可能に設定し、前記電子文書内での前記第1特徴項目を示す用語の出現頻度と前記重要度とに基づいて、前記第1特徴項目の重要性を示すスコアを算出することにより、説明付きクリニカルパスウェイを前記編集結果として生成する、
ことを特徴とする分析装置。 - 請求項3に記載の分析装置であって、
前記編集部は、前記クリニカルパスウェイが文章により構成された電子文書であり、かつ、前記電子文書内において所定重要度以上の特定重要度の第1特徴項目を示す用語がない場合、前記第1特徴項目の重要度を前記編集結果として生成する、
ことを特徴とする分析装置。 - プロセッサが、
患者の第1特徴項目に関する第1入力データと、診療行為の工程に関するクリニカルパスウェイ内の予測対象への遷移条件を規定する第2特徴項目と、医学的用語間の関連性を示すクリニカルターミノロジーと、に基づいて、前記第1特徴項目の重みを有する第2入力データを生成する生成処理と、
前記第1入力データと、前記生成処理によって生成された第2入力データと、を与えると、前記クリニカルパスウェイ内の予測対象に対する予測結果と、前記第1特徴項目の重要度と、を出力するニューラルネットワークにより予測する予測処理と、
前記ニューラルネットワークから出力された予測結果および重要度に基づいて、前記クリニカルパスウェイを編集する編集処理と、
前記編集処理によって編集された編集結果を出力する出力処理と、
を実行することを特徴とする分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018006370A JP6893480B2 (ja) | 2018-01-18 | 2018-01-18 | 分析装置および分析方法 |
US16/245,096 US11527325B2 (en) | 2018-01-18 | 2019-01-10 | Analysis apparatus and analysis method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018006370A JP6893480B2 (ja) | 2018-01-18 | 2018-01-18 | 分析装置および分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019125240A JP2019125240A (ja) | 2019-07-25 |
JP6893480B2 true JP6893480B2 (ja) | 2021-06-23 |
Family
ID=67213036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018006370A Active JP6893480B2 (ja) | 2018-01-18 | 2018-01-18 | 分析装置および分析方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11527325B2 (ja) |
JP (1) | JP6893480B2 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11152119B2 (en) * | 2018-09-11 | 2021-10-19 | Hitachi, Ltd. | Care path analysis and management platform |
US11315008B2 (en) * | 2018-12-31 | 2022-04-26 | Wipro Limited | Method and system for providing explanation of prediction generated by an artificial neural network model |
EP3745416A1 (en) * | 2019-05-29 | 2020-12-02 | Koninklijke Philips N.V. | Clinical decision support |
US11657920B2 (en) * | 2019-07-08 | 2023-05-23 | Koninklijke Philips N.V. | Dynamic and locally-faithful explanation of machine learning models for precision medicine |
US11711310B2 (en) | 2019-09-18 | 2023-07-25 | Tweenznet Ltd. | System and method for determining a network performance property in at least one network |
EP4035092A2 (en) * | 2019-09-24 | 2022-08-03 | Google LLC | Reinforcement learning based locally interpretable models |
EP3806107A1 (en) * | 2019-10-11 | 2021-04-14 | C The Signs Limited | Diagnostic tool |
JP7395960B2 (ja) * | 2019-10-30 | 2023-12-12 | 富士通株式会社 | 予測モデル説明方法、予測モデル説明プログラム、予測モデル説明装置 |
US11716338B2 (en) * | 2019-11-26 | 2023-08-01 | Tweenznet Ltd. | System and method for determining a file-access pattern and detecting ransomware attacks in at least one computer network |
US11901056B2 (en) * | 2019-11-30 | 2024-02-13 | Kpn Innovations, Llc | Methods and systems for informed selection of prescriptive therapies |
US10734105B1 (en) | 2019-11-30 | 2020-08-04 | Kpn Innovations, Llc | Methods and systems for informed selection of prescriptive therapies |
JP7353952B2 (ja) | 2019-12-09 | 2023-10-02 | 株式会社日立製作所 | 分析システムおよび分析方法 |
JP7476600B2 (ja) | 2020-03-24 | 2024-05-01 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置、及びコンピュータプログラム |
JP7453076B2 (ja) | 2020-07-03 | 2024-03-19 | 株式会社日立製作所 | 生成装置、生成方法、および生成プログラム |
CN112652405A (zh) * | 2020-12-24 | 2021-04-13 | 平安科技(深圳)有限公司 | 临床路径的挖掘方法、装置、设备及存储介质 |
JP7034453B1 (ja) * | 2021-03-03 | 2022-03-14 | 株式会社Fronteo | 情報解析装置、情報解析方法および情報解析用プログラム |
WO2023101884A1 (en) * | 2021-12-03 | 2023-06-08 | F. Hoffmann-La Roche Ag | Automated parallelized processing of decision-tree guidelines using electronic record |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02196334A (ja) * | 1989-01-26 | 1990-08-02 | Toshiba Corp | 医療情報処理方式 |
US7444308B2 (en) * | 2001-06-15 | 2008-10-28 | Health Discovery Corporation | Data mining platform for bioinformatics and other knowledge discovery |
JP4480508B2 (ja) * | 2004-08-02 | 2010-06-16 | 富士通株式会社 | 診断支援プログラムおよび診断支援装置 |
EP1800231A1 (en) | 2004-09-30 | 2007-06-27 | Koninklijke Philips Electronics N.V. | Decision support systems for clinical guidelines and for navigating said clinical guidelines according to different levels of abstraction |
JP4775358B2 (ja) | 2007-10-19 | 2011-09-21 | 株式会社日立製作所 | クリニカルパス運用支援情報システム |
US20100145720A1 (en) * | 2008-12-05 | 2010-06-10 | Bruce Reiner | Method of extracting real-time structured data and performing data analysis and decision support in medical reporting |
EP2510470A1 (en) | 2009-12-10 | 2012-10-17 | Koninklijke Philips Electronics N.V. | Enhancements to executable guideline engines |
US8744870B2 (en) | 2010-12-10 | 2014-06-03 | Infosys Limited | Method and system for forecasting clinical pathways and resource requirements |
JP5854187B2 (ja) | 2011-05-24 | 2016-02-09 | 日本電気株式会社 | 業務フロー検索装置、業務フロー検索方法、およびプログラム |
US20120310667A1 (en) | 2011-06-03 | 2012-12-06 | Roy Altman | Dynamic clinical pathways |
JP5695586B2 (ja) | 2012-02-24 | 2015-04-08 | 株式会社日立製作所 | Xml文書検索装置及びプログラム |
JP6071338B2 (ja) * | 2012-08-30 | 2017-02-01 | キヤノン株式会社 | 医療診断支援装置、医療診断支援方法及びプログラム |
US9996889B2 (en) * | 2012-10-01 | 2018-06-12 | International Business Machines Corporation | Identifying group and individual-level risk factors via risk-driven patient stratification |
US10483003B1 (en) * | 2013-08-12 | 2019-11-19 | Cerner Innovation, Inc. | Dynamically determining risk of clinical condition |
JP2015153306A (ja) * | 2014-02-18 | 2015-08-24 | 株式会社日立製作所 | 標準外治療判定支援システム、標準外治療判定支援方法、および標準外治療判定支援プログラム |
US11495355B2 (en) * | 2014-05-15 | 2022-11-08 | The Johns Hopkins University | Method, system and computer-readable media for treatment plan risk analysis |
WO2016036831A1 (en) * | 2014-09-02 | 2016-03-10 | Kyron, Inc. | System for generating and updating treatment guidelines and estimating effect size of treatment steps |
US20160283686A1 (en) * | 2015-03-23 | 2016-09-29 | International Business Machines Corporation | Identifying And Ranking Individual-Level Risk Factors Using Personalized Predictive Models |
US20170177822A1 (en) * | 2015-12-18 | 2017-06-22 | Pointright Inc. | Systems and methods for providing personalized prognostic profiles |
US10546237B2 (en) * | 2017-03-30 | 2020-01-28 | Atomwise Inc. | Systems and methods for correcting error in a first classifier by evaluating classifier output in parallel |
JP2017168129A (ja) | 2017-05-12 | 2017-09-21 | ヒューレット パッカード エンタープライズ デベロップメント エル ピーHewlett Packard Enterprise Development LP | カスタマイズ可能なコンプライアンス・ポリシーを有する電子カルテシステム |
-
2018
- 2018-01-18 JP JP2018006370A patent/JP6893480B2/ja active Active
-
2019
- 2019-01-10 US US16/245,096 patent/US11527325B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019125240A (ja) | 2019-07-25 |
US11527325B2 (en) | 2022-12-13 |
US20190221311A1 (en) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6893480B2 (ja) | 分析装置および分析方法 | |
US11664097B2 (en) | Healthcare information technology system for predicting or preventing readmissions | |
US10937164B2 (en) | Medical evaluation machine learning workflows and processes | |
US8949082B2 (en) | Healthcare information technology system for predicting or preventing readmissions | |
Nagaraj et al. | An intelligent fuzzy inference rule‐based expert recommendation system for predictive diabetes diagnosis | |
US20080033894A1 (en) | Prognosis Modeling From One or More Sources of Information | |
JP2008532104A (ja) | 複数の医療関連アウトカムの予測を行い、インターベンション計画の評価を行い、更に同時にバイオマーカー因果性検証を行うことのできる、予測モデルを生成して適用する方法、そのシステム、及びそのコンピュータ・プログラム製品 | |
US11527312B2 (en) | Clinical report retrieval and/or comparison | |
US20190311810A1 (en) | System and method for facilitating computational analysis of a health condition | |
US10424403B2 (en) | Adaptive medical documentation system | |
Mohammed et al. | Developing a semantic web model for medical differential diagnosis recommendation | |
Mall et al. | Heart diagnosis using deep neural network | |
CN114078593A (zh) | 临床决策支持 | |
CA2997354A1 (en) | Experience engine-method and apparatus of learning from similar patients | |
JP2020042645A (ja) | 時系列データ分析装置、時系列データ分析方法、および時系列データ分析プログラム | |
US20230307133A1 (en) | Method and system for generating a patient-specific clinical meta-pathway using machine learning | |
Mishra et al. | Heart disease prediction system | |
EP3937105A1 (en) | Methods and systems for user data processing | |
US20200294682A1 (en) | Medical interview apparatus | |
Umoren et al. | Modeling and Prediction of Pregnancy Risk for Efficient Birth Outcomes Using Decision Tree Classification and Regression model | |
EP4141878A1 (en) | Cue-based medical reporting assistance | |
Flórez et al. | Intelligent Hybrid Approach for Computer-Aided Diagnosis of Mild Cognitive Impairment | |
US20230169265A1 (en) | Methods and systems for user data processing | |
Saripalli | Scalable and Data Efficient Deep Reinforcement Learning Methods for Healthcare Applications | |
Sharma et al. | Data Mining in Healthcare using Hybrid Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200407 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210326 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210525 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210601 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6893480 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |