JP6905219B2 - 電子医療レコードからの自動的な知識ベースの特徴抽出 - Google Patents

Description

本開示は、一般にデータベースの分野に関し、より詳細には、臨床的特徴を抽出するために電子医療レコードに問い合わせるための問合せメッセージを生成するための方法、システム、およびコンピュータ・プログラムに関する。

今日、電子医療レコード（ＥＭＲ）システムにおける臨床情報の量は急速に増加している。臨床情報は通常、リレーショナル・データセットの形式で記憶される。異なる病院または医療機関は、異なるスキーマを使用して、ＥＭＲデータをＥＭＲデータセットまたはＥＭＲテーブルに記憶し得る。ＥＭＲデータからの特徴抽出／導出には普遍的な要件がある。臨床データセット、特徴抽出、および特徴構築に関する記述的および予測的分析は、通常、労働集約的である。したがって、医療専門家は一般に、ＥＭＲデータを使用して、臨床知識を効率的に抽出または評価することができない。異なるソースに対するＥＭＲデータセットのスキーマは変動し、検索システムにおいて情報を取得するために、ＥＭＲデータセットに問い合わせるために問合せメッセージが生成され得るように、統一されたスキーマに変更される必要がある。これは労働集約的な処理であり、ロバストではない。異なるスキーマのこれらのＥＭＲデータセットを統合し、これらを、臨床的特徴を検索するために使用することが望ましいであろう。異なるスキーマのこれらのＥＭＲデータセットを統合し、これらを、臨床的特徴を検索するために使用することが望ましいであろう。

ＥＭＲデータセットのスキーマにおける相違の問題がある。

ＥＭＲデータセットのスキーマにおける相違の問題に対処するために、１つまたは複数の実施形態は、任意のリレーショナル・スキーマ内のＥＭＲデータセットから臨床知識を自動的に抽出する、または臨床規則を評価する、あるいはその両方のための技術を提案する。１つまたは複数の実施形態は、ＥＭＲデータセットから臨床的特徴を抽出するためのクエリを生成するための方法、システム、およびコンピュータ・プログラムを提案する。

１つの実施形態では、臨床知識に基づいて、臨床的特徴を、電子医療レコード（ＥＭＲ）テーブルのセットに抽出するためのクエリを生成するための方法が提供される。 方法は、臨床知識データのセットにしたがって構築された知識ツリーを取得することを含んでいる。ＥＭＲテーブルのセットに対応するＥＭＲグラフが取得される。ＥＭＲグラフは、テーブル・ノードのセットと、属性ノードのセットとを備えている。テーブル・ノードのセットと、属性ノードのセットとは、ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造と、ＥＭＲテーブルのセットの属性間の参照関係とを表す。知識ツリーおよびＥＭＲグラフに基づいて、複数のサブクエリが生成される。知識ツリーにしたがって複数のサブクエリを組み合わせることによって、少なくとも１つのクエリが生成される。

別の実施形態では、臨床知識に基づいて、臨床的特徴を電子医療レコード（ＥＭＲ）テーブルのセットに抽出するためのクエリを生成するためのデバイスが提供される。デバイスは、少なくとも１つのプロセッサと、少なくとも１つのプロセッサに動作可能に結合されたメモリとを備えている。コンピュータ・プログラム命令のセットがメモリに記憶され、複数の動作を実行するために、少なくとも１つのプロセッサによって実行される。複数の動作は、臨床知識データのセットにしたがって構築された知識ツリーを取得することを備えている。ＥＭＲテーブルのセットに対応するＥＭＲグラフが取得される。ＥＭＲグラフは、テーブル・ノードのセットと、属性ノードのセットとを備えている。テーブル・ノードのセットおよび属性ノードのセットは、ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造、およびＥＭＲテーブルのセットの属性間の参照関係を表す。知識ツリーおよびＥＭＲグラフに基づいて、複数のサブクエリが生成される。知識ツリーにしたがって複数のサブクエリを組み合わせることによって、少なくとも１つのクエリが生成される。

さらなる実施形態では、臨床知識に基づいて、臨床的特徴を、電子医療レコード（ＥＭＲ）テーブルのセットに抽出するためのクエリを生成するためのコンピュータ・プログラム製品が提供される。コンピュータ・プログラム製品は、具現化されたプログラム命令を有するコンピュータ可読記憶媒体を備えている。プログラム命令は、少なくとも１つのプロセッサに対して、方法を実行させるために、少なくとも１つのプロセッサによって実行可能である。方法は、臨床知識データのセットにしたがって構築された知識ツリーを取得することを含んでいる。ＥＭＲテーブルのセットに対応するＥＭＲグラフが取得される。ＥＭＲグラフは、テーブル・ノードのセットと、属性ノードのセットとを備えている。テーブル・ノードのセットと、属性ノードのセットとは、ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造と、ＥＭＲテーブルのセットの属性間の参照関係とを表す。知識ツリーおよびＥＭＲグラフに基づいて、複数のサブクエリが生成される。知識ツリーにしたがって複数のサブクエリを組み合わせることによって、少なくとも１つのクエリが生成される。

１つまたは複数の実施形態は、任意のリレーショナル・スキーマにおけるＥＭＲデータセットからの自動的な知識ベースの特徴抽出のための斬新な解決策を提供する。臨床データ分析の分野における既存のアプローチと比較して、実施形態は、知識ベースの特徴エンジニアリングに必要な人間の労力を著しく低減させ得、そのため、文献およびヘテロジニアスなＥＭＲデータセットにおける臨床知識におけるデータ・マイニングのために非常に役立つ。

本開示の１つの実施形態にしたがう例示的なコンピュータ・システムを図示する図である。 本開示の１つの実施形態にしたがうテーブル形式のＥＭＲデータセットの例を例示的に図示する図である。 本開示の１つの実施形態にしたがってＥＭＲデータセットにクエリを生成するためのコンピュータで実施される方法を例示するフローチャートである。 本開示の１つの実施形態にしたがう知識ツリーを例示的に図示する図である。 本開示の１つの実施形態にしたがう知識ツリーの３つの単一概念のサブツリーを例示的に図示する図である。 本開示の１つの実施形態にしたがって図２のＥＭＲデータセットから変換されたＥＭＲグラフを例示的に図示する図である。 本開示の１つの実施形態にしたがって、知識ツリーの要素をＥＭＲグラフの要素にマッピングすることによって、サブクエリを生成し、最終クエリを構成する処理を例示的に図示する図である。 本開示の１つの実施形態にしたがって、知識ツリーの要素をＥＭＲグラフの要素にマッピングすることによって、サブクエリを生成し、最終クエリを構成する処理を例示的に図示する図である。 本開示の１つの実施形態にしたがって、知識ツリーの要素をＥＭＲグラフの要素にマッピングすることによって、サブクエリを生成し、最終クエリを構成する処理を例示的に図示する図である。

必要に応じて、詳細な実施形態が本明細書に開示されているが、開示された実施形態は単なる例であり、以下に説明されるシステムおよび方法は、様々な形式で具現化され得ることが理解されるべきである。したがって、本明細書に開示された特定の構造的および機能的な詳細は、限定としてではなく、特許請求の範囲の基礎として、および実質的に適切に詳細な構造および機能において本主題を様々に適用するように当業者に教示するための代表的な基礎として解釈されるべきである。さらに、本明細書で使用される用語およびフレーズは、限定することではなくむしろ、概念の理解可能な説明を提供することが意図されている。

ここで図１を参照して示すように、１つまたは複数の実施形態に適用可能なコンピュータ・システム／サーバ１２の一例が図示されている。コンピュータ・システム／サーバ１２は単に例示的なものであり、本明細書で論じられる様々な実施形態の使用または機能の範囲に関していかなる限定を示唆することも意図されていない。少なくともいくつかの事例では、１つまたは複数の実施形態が、コンピュータ・システム／サーバ１２内で実施される。図１は、汎用コンピューティング・デバイスの形式のコンピュータ・システム／サーバ１２を図示している。コンピュータ・システム／サーバ１２の構成要素は、１つまたは複数のプロセッサまたは処理ユニット１６、システム・メモリ２８、およびシステム・メモリ２８を含む様々なシステム構成要素をプロセッサ１６に結合するバス１８を含み得るが、これらに限定されない。バス１８は、メモリ・バスまたはメモリ・コントローラ、周辺バス、加速グラフィック・ポート、および様々なバス・アーキテクチャのいずれかを使用するプロセッサまたはローカル・バスを含む、いくつかのタイプのバス構造のうちのいずれかの１つまたは複数を表す。限定ではなく例として、このようなアーキテクチャは、業界標準アーキテクチャ（ＩＳＡ）バス、Ｍｉｃｒｏ Ｃｈａｎｎｅｌ Ａｒｃｈｉｔｅｃｔｕｒｅ（ＭＣＡ）バス、Ｅｎｈａｎｃｅｄ ＩＳＡ（ＥＩＳＡ）バス、Ｖｉｄｅｏ Ｅｌｅｃｒｏｎｉｃｓ Ｓｔａｎｄａｒｄｓ Ａｓｓｏｃｉａｔｉｏｎ（ＶＥＳＡ）ローカル・バス、およびＰｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ（ＰＣＩ）バスを含んでいる。

コンピュータ・システム／サーバ１２は通常、様々なコンピュータ・システム可読媒体を含んでいる。このような媒体は、コンピュータ・システム／サーバ１２によってアクセス可能な任意の利用可能な媒体であり得、揮発性と不揮発性の媒体、リムーバブルと非リムーバブルの媒体の両方を含んでいる。システム・メモリ２８は、ランダム・アクセス・メモリ（ＲＡＭ）３０、またはキャッシュ・メモリ３２、あるいはその両方のような揮発性メモリの形態のコンピュータ・システム可読媒体を含み得る。コンピュータ・システム／サーバ１２はさらに、他のリムーバブル／非リムーバブル、揮発性／不揮発性のコンピュータ・システム記憶媒体を含み得る。単なる例として、記憶システム３４は、非リムーバブルな不揮発性の磁気媒体（図示せず、通常「ハードドライブ」と呼ばれる）との間での読み書きのために提供され得る。図示されていないが、リムーバブルな不揮発性の磁気ディスク（たとえば「フロッピー（Ｒ）ディスク」）との間での読み書きのための磁気ディスク・ドライブ、およびＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、または他の光学媒体のようなリムーバブルな不揮発性の光ディスクとの間での読み書きのための光ディスク・ドライブが提供され得る。このような事例では、各々は、１つまたは複数のデータ媒体インターフェースによってバス１８に接続され得る。以下にさらに描写され論じられるように、メモリ２８は、１つまたは複数の実施形態の機能を実行するように構成されたプログラム・モジュールのセット（たとえば、少なくとも１つ）を有する少なくとも１つのプログラム製品を含み得る。

プログラム・モジュール４２のセット（少なくとも１つ）を有するプログラム／ユーティリティ４０は、限定ではなく例として、オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データと同様に、メモリ２８に記憶され得る。オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データ、あるいはそれらの何らかの組合せの各々は、ネットワーキング環境の実施を含み得る。プログラム・モジュール４２は、一般に、本明細書で論じた１つまたは複数の実施形態の機能または方法、あるいはその両方を実行する。

コンピュータ・システム／サーバ１２はまた、キーボード、ポインティング・デバイス、ディスプレイ２４等のような１つまたは複数の外部デバイス１４、ユーザがコンピュータ・システム／サーバ１２とインタラクトすることを可能にする１つまたは複数のデバイス、またはコンピュータ・システム／サーバ１２が、１つまたは複数の他のコンピューティング・デバイスと通信することを可能にする任意のデバイス（たとえば、ネットワーク・カード、モデム等）、あるいはその組合せと通信し得る。このような通信は、入力／出力（Ｉ／Ｏ）インターフェース２２を介して生じ得る。さらにまた、コンピュータ・システム／サーバ１２は、ネットワーク・アダプタ２０を介して、ローカル・エリア・ネットワーク（ＬＡＮ）、一般的な広域ネットワーク（ＷＡＮ）、または公衆ネットワーク（たとえば、インターネット）、あるいはその組合せのような１つまたは複数のネットワークと通信し得る。描写されるように、ネットワーク・アダプタ２０は、バス１８を介してコンピュータ・システム／サーバ１２の他の構成要素と通信する。図示されていないが、他のハードウェア構成要素、またはソフトウェア構成要素、あるいはその両方が、コンピュータ・システム／サーバ１２と連携して使用され得ることが理解されるべきである。例としては、マイクロコード、デバイス・ドライバ、冗長処理ユニット、外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイブ記憶システム等を含むが、これらに限定されない。

本明細書で論じられる様々な実施形態をよりよく理解するために、何らかの関連知識を紹介し、この開示の文脈で電子医療レコードおよび臨床知識の紹介を提供することが有利であろう。１つの実施形態では、クエリは、臨床知識に基づいて、任意のフォーマルなスキーマで、電子医療レコードに自動的に構成される。次いで、クエリは、電子医療レコードから臨床的特徴を抽出するために使用され得る。

Ｉ．電子医療レコード

電子医療レコード（ＥＭＲ）は、患者および住民の病歴、または健康情報、あるいはその両方のデジタル・レコードである。１つの実施形態では、電子医療レコード（ＥＭＲ）は、形式化されたＥＭＲデータセットに記憶される。ＥＭＲデータセットのスキーマは、異なるデータベース・システム、または異なる病院／医療機関、あるいはその両方によって変わり得る。図２は、ＥＭＲデータセットの一例を図示している。データセットは、フォーマルなテーブルを含んでいる。簡略のために、図２には、４つのテーブルＴ１、Ｔ２、Ｔ３、およびＴ４しか例示されていない。

テーブルＴ１は、患者テーブルと題され、患者の基本データを含んでいる。テーブルＴ１の第１行は属性（「属性名」とも呼ばれる）を含み、第２行と他の行（図示せず）は、属性の値（「属性値」とも呼ばれる）を含んでいる。テーブルＴ１において、属性「ＰＩＤ」は、患者を一意に識別する患者識別子（ＩＤ）を意味する。「ＰＩＤ」は、テーブルＴ１の主キーとして機能することを示すために、「ＰＩＤ」に記号「＋」が付されている。属性「性別」は、患者の性別を意味する。属性「年齢」は、患者の年齢を意味する。第２行は、患者のデータ・レコードを表し、３つの属性「ＰＩＤ」、「性別」、および「年齢」にそれぞれ対応する属性値「Ｐ１」、「Ｍ」および「６７」を備えている。値「Ｐ１」は患者のＩＤであり、「Ｍ」は患者が男性であることを意味し、「６７」は患者の年齢である。テーブルＴ１は、異なる患者のための基本データを含み得る。図２は、単に３列２行を例示的に図示している。実際の実施では、列数および行数はこのように限定されない。

テーブルＴ２は、エンカウンター・テーブルと呼ばれ、患者による通院のためのデータを記憶する。テーブルＴ２の第１行は属性を含み、他の行は属性値を含んでいる。第１行に、４つの属性が図示されている。属性「ＥＩＤ」は、患者による通院を一意に識別するエンカウンター識別子（ＩＤ）を意味する。「ＥＩＤ」は、テーブルＴ２の主キーとして機能することを示すために、「ＥＩＤ」に記号「＋」が付されている。属性「診断」は、通院の診断結果を意味する。属性「部門」は、病院の診療部門を意味する。また、「ＰＩＤ」は、Ｔ２の外部キーとして機能することを示すために記号「＊」が付されていることを除いて、Ｔ１とおける場合と同じものを意味する。外部キー「ＰＩＤ」を用いて、テーブルＴ１に対する参照がなされ得る。第２行は、患者による通院のデータ・レコードを表す。第２行における属性値「Ｅ１」、「ＤＭ」、「Ｄ１」、および「Ｐ１」はそれぞれ、４つの属性「ＥＩＤ」、「診断」、「部門」、および「ＰＩＤ」に対応する。「Ｅ１」はエンカウンターＩＤであり、「Ｐ１」は患者ＩＤであり、「ＤＭ」は患者「Ｐ１」の診断結果であり、「糖尿病」の略語であり、「Ｄ１」は患者「Ｐ１」によって訪問された診療部門のＩＤである。テーブルＴ２は、異なる患者についての情報を含み得、そして特定の患者による異なる通院についての多数の行を含み得る。図２では、４列２行のみを例示的に図示している。実際の実施では、列数および行数はこのように限定されない。

テーブルＴ３は、ラボ・テスト・テーブルと呼ばれ、１回または複数回の通院において患者に対して行われたラボ・テストに関するデータを記憶する。テーブルＴ３の第１行は属性を含み、他の行は値を含んでいる。第１行の第４列に４つの属性が図示されている。属性「ＬＩＤ」は、ラボ・テストを一意に識別するラボ・テスト識別子（ＩＤ）を意味する。「ＬＩＤ」がＴ３の主キーとして機能することを示すために、「ＬＩＤ」に記号「＋」が付されている。「ＥＩＤ」は、テーブルＴ２におけるものと同じものを意味し、記号「＊」によって描写されるように、Ｔ３の外部キーとして機能し得る。属性「日付」は、ラボ・テストの日付を意味する。属性「技術者」は、ラボ・テストの技術者を意味する。第２行は、それぞれ４つの属性「ＬＩＤ」、「ＥＩＤ」、「日付」、および「技術者」に対応する値「Ｌ１」、「Ｅ１」、「１５−１０−１１」、および「技術者１」を備えるラボ・テスト用のデータ・レコードを表す。「Ｌ１」はラボ・テストＩＤであり、「Ｅ１」はエンカウンターＩＤであり、「１５−１０−１１」はラボ・テスト「Ｌ１」の日付であり、「技術者１」はラボ・テスト「Ｌ１」を担当する技術者のＩＤである。テーブルＴ３は、異なる患者についての情報を含み得、そして単一の通院中にいくつかのラボ・テストを受け得る特定の患者についての多数の行を含み得る。繰り返すが、テーブルＴ３に含まれ得る列と行の数に制限はない。

テーブルＴ４は、ラボ・テスト指数テーブルと呼ばれ、ラボ・テストのラボ・テスト指数に関するデータを記憶する。テーブルＴ４の第１行は属性を含み、他の行は属性値を含んでいる。第１行における３列に、３つの属性が図示されている。属性「ＬＮａｍｅ」は、ラボ・テスト指数を一意に識別するラボ・テスト指数名を意味する。「ＬＶａｌｕｅ」は、ラボ・テスト指数の値を意味する。さらに、「ＬＩＤ」はテーブルＴ３におけるものと同じであり、付された記号「＊」によって描写されるように、Ｔ４の外部キーとして機能し得る。第２行は、ラボ・テスト指数のデータ・レコードを表す。値「ＨｂＡ１Ｃ」、「１０．５」、「Ｌ１」は、「ＨｂＡ１Ｃ」という名称のラボ・テスト指数が、ラボ・テストＬ１で行われ、ラボ・テスト指数「ＨｂＡ１Ｃ」の結果値が「１０．５」であることを意味する。テーブルＴ４は、異なるラボ・テストおよび異なる患者に関する情報を含み得、単一のラボ・テストについて多数の行を含み得る。繰り返すが、テーブルＴ４に含まれ得る列と行の数に制限はない。

ＩＩ．臨床知識

臨床知識とは、疾患、機序および病因、治療法および相互作用、ならびにラボ・テストの解釈に関する情報の体系を称し、これは、多数の患者および公衆衛生政策に関する決定に広く適用可能である。臨床知識の体系は、臨床規則のセットに形式化され得る。このような臨床規則のセットの例は、以下の通りである。
Ｒ１：血糖コントロールが満たされている：１か月における血糖値の８０％が満たされている（空腹時血糖値＜７．５ｍｍｏｌ／Ｌまたは２時間血糖値＜１０ｍｍｏｌ／Ｌ）。
Ｒ２：血糖値が高いままである：３か月における血糖値の８０％が高い（空腹時血糖値≧９ｍｍｏｌ／Ｌまたは２時間血糖値≧１３ｍｍｏｌ／Ｌ）。
Ｒ３：低血糖値：直近の血糖値が低い（血糖値＜３．９ｍｍｏｌ／Ｌ）。
Ｒ４：高リスク患者：年齢が６５歳を超えて糖尿病を患い、過去３か月間のＨｂＡｌｃ＞９．０である。

１つの実施形態では、臨床知識は、上記で図示したもののようなフォーマルな臨床規則である。臨床知識をフォーマルな臨床規則に形式化する既存の技術が存在する。様々な実施形態の説明を曖昧にすることを避けるために、臨床規則の生成に関する詳細は本明細書では省略される。

ＥＭＲデータセットを考えると、既知の臨床知識に基づいてＥＭＲデータセットから臨床的特徴を抽出することが望ましいであろう。たとえば、
「高リスク患者は６５歳超である人々であり、糖尿病を患っており、テスト指数「ＨｂＡ１ｃ」は、３カ月以内のラボ・テストにおいて９．０を超える」
のように解釈され得る臨床規則Ｒ４に基づいて、図２に図示されるようなテーブルから、高リスクの患者を探索することが望ましいであろう。

臨床的特徴を自動的に抽出するために、まず、クエリが構成される。ここで、図３を参照して示すように、このようなクエリを構成するための１つまたは複数の実施形態が説明される。図３は、１つの実施形態にしたがって、臨床知識に基づいて、臨床的特徴をＥＭＲテーブルのセットに抽出するためのクエリを生成するためのコンピュータで実施される方法３００を例示するフローチャートである。一般に、方法３００は以下の動作、すなわち、
Ｓ３１０に描写されるように、臨床知識にしたがって構築された知識ツリーを取得することと、
Ｓ３２０によって描写されるように、ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、ＥＭＲグラフは、ＥＭＲテーブルの各々の構造と、ＥＭＲテーブルの属性間の参照関係とを表すために、テーブル・ノードおよび属性ノードから構成される、取得することと、
Ｓ３３０によって描写されるように、知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成することと、
Ｓ３４０によって描写されるように、知識ツリーにしたがってサブクエリを組み合わせることによってクエリを構成することとを含んでいる。

以上の動作を詳細に説明する。図４は、１つの実施形態にしたがう知識ツリー４００を例示的に図示している。１つの実施形態では、知識ツリーは、知識の体系、または規則、あるいはその両方をツリー構造で表現するために使用される。方法３００が、臨床規則Ｒ４の臨床知識に関連していると仮定する。臨床規則Ｒ４によれば、６５歳を超える患者が糖尿病を患っており、彼の「ＨｂＡｌｃ」指数が過去３か月以内のラボ・テストにおいて９．０を超えている場合、その患者は「高リスク患者」のカテゴリに分類される。したがって、臨床知識にしたがって構築された知識ツリーを取得するステップＳ３１０は、図４に図示されるように、規則Ｒ４に対応する知識ツリー４００を取得する。

図４に図示されるように、知識ツリー４００は、異なる形状のノードから構成される。五角形のノードは、ノードｔ−１のようなターゲット・ノードを表す。楕円形のノードは演算子ノードｏｐ２、ｏｐ３、ｏｐ４、ｏｐ８、およびｏｐ１１のような算術／論理演算子を表す。長方形のノードは、概念ノードｃ５、ｃ９、およびｃ１３のような臨床概念を表す。菱形のノードは、集約ノードａｇ７およびＡｇ１２のような集約演算子を表す。平行四辺形のノードは、フィルタ・ノードｆ１４のような概念フィルタを表す。最後に、三角形のノードは、値ノードｖ６、ｖ１０、およびｖ１５のような定数値を表す。

図４に図示するように、ターゲット・ノードｔ−１は、知識ツリー４００のルートである。１つの実施形態では、ターゲット・ノードは、臨床的特徴抽出のターゲットを表す。この例では、ターゲット・ノードは「ｐａｔｉｅｎｔ」である。一般に、ターゲット・ノードは、規則または知識ツリーの主題としてみなされ得る。たとえば、「患者」は、「ＡＢＣの条件を有する患者は、高リスク患者である」という規則のターゲットであり、構築されるべき特徴は、各「患者」について「患者が、高リスクであるか否か」のようなブール型のものとなる。「エンカウンター」は「ＸＹＺの条件を有するエンカウンターは、外来のフォローアップ・エンカウンターである」という規則のターゲットであり、構築されるべき特徴は、各「エンカウンター」について、「エンカウンターが、外来のフォローアップ・エンカウンターであるか否か」というブール型のものとなる。

演算子ノードｏｐ２およびｏｐ３は、「＆＆」または「ＡＮＤ」という論理演算子を表す。演算子ノードｏｐ４およびｏｐ１１は、「＞」または「より大きい」という論理演算子を表す。演算子ノードｏｐ８は、「＝」または「に等しい」という論理演算子を表す。概念ノードｃ５、ｃ９、およびｃ１３はそれぞれ、臨床概念「年齢」、「糖尿病」、および「ＨｂＡ１ｃ」を表す。集約ノードａｇ７およびａｇ１２は、それぞれ集約演算子「任意」および集約演算子「最大」を表す。値ノードｖ１０は、定数値「Ｙ」を表し、この例では「はい」または論理的「真」を意味する。値ノードｖ１５は、定数値「９．０」を表し、この例では、テスト指標「ＨｂＡ１ｃ」に対する測定値である。

当業者に理解されるように、集約演算子は、同じ性質の要素の集合に対して演算を実行するために使用される。上述したように、「最大」および「任意」に加えて、集約演算子の別の例は「平均」であり、これはデジタル要素の集合の平均を計算するために使用される。一般に、集約ノードは、特徴構築における１対多または多対多の関係をどのように処理するのかを示す。たとえば、ターゲットが「患者」であり、「患者が今まで北京に住んでいたか否か」という特徴が構築されるべきである。エンカウンターごとに、患者の住所記録が存在し得る。したがって、この１対多の関係は、集約演算子「任意」を使用して処理される。同様に、特徴が「過去における患者の最大体重」に変化した場合、「最大」集約演算子が、多数の体重測定記録に適用されねばならない。通常、集約演算子は、「ターゲット」がリレーショナル・テーブルにおける一意のキーではない場合、または「ターゲット」属性を有するテーブルが、１対多または多対多の関係を有する別のテーブルと結合する場合に適用される。

フィルタ・ノードｆ１４は、概念フィルタ「過去３カ月」を表す。本明細書で使用されるように、フィルタ・ノードは、その親ノードの関連付けられた属性について満たされねばならない追加条件を表す。この例では、「過去３カ月」を表すフィルタ・ノードｆ１４は、その親ノードｃ１３が、日付タイプの何らかの関連付けられた属性を必要とするという制限を指定し、属性値は、過去３カ月以内でなければならない。

知識表現ツリーに精通している人は、知識ツリー４００が３つの条件、「年齢＞６５」（ノードｃ５、ｏｐ４、ｖ６によって表される）、「糖尿病を患っている」（ノードｃ９、ａｇ７、ｏｐ８、ｖ１０によって表される）、および「過去３か月においてＨｂＡ１ｃ＞９．０」（他のノード（ｏｐ２およびｏｐ３）によって組み合わされたノードｃ１３、ｏｐ１１、ａｇ１２、ｖ１５、ｆ１４によって表される）を含んでいると理解するものとする。異なる形状の使用は、異なる種類のノードを視覚的に区別することであることに留意されたい。当業者は、異なる種類のノードを表す他の類似または同等の手法があり得ることを理解するであろう。

様々な分野において、ドメイン知識を表すために、知識ツリーを構築し得る既存の技術が存在する。上記の説明に基づいて、当業者は、様々な手法で、臨床知識にしたがって、知識ツリーをどのように構築するのかを容易に知るであろう。１つまたは複数の実施形態は、ステップＳ３１０を実施するために、すなわち、臨床知識にしたがって構築された知識ツリーを取得するために、臨床知識を表すための知識ツリーの構築のための技術を使用し得る。

図３に戻って頂きたい。ステップＳ３１０について説明したので、次に方法３００のステップ３２０が説明される。ステップＳ３２０は、ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することを含み、ＥＭＲグラフは、ＥＭＲテーブルの各々の構造およびＥＭＲテーブルの属性間の参照関係を表すためにテーブル・ノードおよび属性ノードから構成される。１つの実施形態によれば、ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得するステップＳ３２０は、ＥＭＲテーブルのセットをその等価のグラフ表現に変換することを含んでいる。

図６は、１つの実施形態にしたがって、図２のＥＭＲテーブルのセットから変換されたＥＭＲグラフ５００を例示的に図示している。ＥＭＲグラフ５００は、４つのテーブル・ノードｔ１、ｔ２、ｔ３、およびｔ４、ならびにそれらの関連付けられたテーブル・ノードに双方向に接続された属性ノードを含んでいる。グラフ５００は、ＥＭＲテーブルの各々構造、および図２における４つのリレーショナル・テーブルＴ１、Ｔ２、Ｔ３、およびＴ４の属性間の参照関係を表す。

ＥＭＲグラフ５００に図示されるように、テーブル・ノードｔ１は、テーブルＴ１の主キー、すなわち患者ＩＤ属性「ＰＩＤ」を表す。したがって、テーブル・ノードは、「キー・ノード」とも呼ばれる。テーブル・ノードｔ１は、２つのプレーン・エッジを介して３つの属性ノード「ＰＩＤ」、「性別」、および「年齢」に双方向に接続されている。３つの属性ノードは、テーブルＴ１の３つの属性「ＰＩＤ」、「性別」、および「年齢」に対応している。同様に、テーブル・ノードｔ２は、テーブルＴ２の主キー、すなわち「ＥＩＤ」を表す。テーブル・ノードｔ２は、図６において双方向の実線で示すように、２つのプレーン・エッジを介して４つの属性ノード「ＥＩＤ」、「診断」、「部門」、および「ＰＩＤ」に双方向に接続されている。４つの属性ノードは、テーブルＴ２の４つの属性「ＥＩＤ」、「診断」、「部門」、および「ＰＩＤ」に対応している。テーブル・ノードｔ３は、テーブルＴ３の主キー、すなわち「ＬＩＤ」を表す。テーブル・ノードｔ３は、２つのプレーン・エッジを介して４つの属性ノード「ＬＩＤ」、「ＥＩＤ」、「日付」、および「技術者」に双方向に接続されている。４つの属性ノードは、テーブルＴ３の４つの属性「ＬＩＤ」、「ＥＩＤ」、「日付」、および「技術者」に対応する。テーブル・ノードｔ４は、テーブルＴ４の主キー、すなわち「ＬＮａｍｅ」を表す。テーブル・ノードｔ４は、２つのプレーン・エッジを介して２つの属性ノード「ＬＮａｍｅ」および「ＬＶａｌｕｅ」に双方向に接続されている。２つの属性ノードは、テーブルＴ４の２つの属性「ＬＮａｍｅ」および「ＬＶａｌｕｅ」に対応している。

テーブル・ノードｔ１、ｔ２、ｔ３、およびｔ４は、以下の原理にしたがって接続される。テーブルｔＡとテーブルｔＢとの間に外部キー参照が存在する場合、テーブル・ノードｔＢからテーブル・ノードｔＡへプレーン・エッジが存在する。テーブル・ノードｔＡからテーブル・ノードｔＢへの、ＥＭＲグラフ５００において矢印点線で描写されている集約エッジもある。１つの実施形態では、集約エッジは、到来ノードと発信ノードのテーブルが、１対多または多対多の関係を有することを意味し、したがって、発信ノードの属性が、（到来ノードと結合された）特徴構築において使用される必要がある場合は、「集約ノード」が必要とされる。集約エッジは推移的である。言い換えれば、テーブル・ノードｔＹがテーブル・ノードｔＸに直接的に接続されていないが、集約エッジを介したトラバースによってテーブル・ノードｔＸに到達可能である場合、テーブル・ノードｔＸからテーブル・ノードｔＹへの集約エッジが存在する。たとえば、図６では、テーブルＴ２とテーブルＴとの間に外部キー「ＰＩＤ］参照が存在する。したがって、テーブル・ノードｔ１からテーブル・ノードｔ２へのプレーン・エッジと、テーブル・ノードｔ２からテーブル・ノードｔ１への集約エッジとが存在する。

同様に、テーブルＴ３とテーブルＴ２との間には外部キー「ＥＩＤ」参照があるので、テーブル・ノードｔ２からテーブル・ノードｔ３へのプレーン・エッジと、テーブル・ノードｔ３からテーブル・ノードｔ２への集約エッジとが存在する。テーブルＴ４とテーブルＴ３との間には外部キー「ＬＩＤ」参照もあるため、テーブル・ノードｔ３からテーブル・ノードｔ４へのプレーン・エッジと、テーブル・ノードｔ４からテーブル・ノードｔ３への集約エッジとが存在する。さらに、テーブル・ノードｔ３はｔ１に直接的に接続されていないが、２つの集約エッジを介したトラバースによってｔ１に到達可能であるので、テーブル・ノードｔ３からｔ１への集約エッジが存在する。同じ理由で、テーブル・ノードｔ４からｔ２への集約エッジが存在する。同様に、テーブル・ノードｔ４からｔ１への集約エッジが存在する。

上記の段落では、ＥＭＲデータセットの関係は、図２におけるテーブルＴ１からＴ４、および図６におけるＥＭＲグラフ５００によって表されるとして論じられた。一般的に言って、ＥＭＲグラフは、リレーショナルＥＭＲテーブルのセットの属性関係を表す。ＥＭＲグラフは、テーブル・ノードと属性ノードとから構成される。テーブル・ノードはそれぞれ、ＥＭＲテーブルに対応する。各テーブル・ノードは、テーブル・ノードに対応するＥＭＲテーブルの属性にそれぞれ対応するすべての属性ノードと双方向に接続されている。テーブル・ノードは、対応するＥＭＲテーブルの参照関係に基づいて、プレーン・エッジおよび集約エッジによって互いに接続される。

当業者は、関係にしたがって適切にプログラミングすることによって、テーブルＴ１からＴ４によって表されるＥＭＲデータセットが、ＥＭＲグラフ５００に自動的に変換され得ることを認識するものとする。さらに、任意のリレーショナル・スキーマにおけるＥＭＲデータセットは、図６に図示されるものと同様にＥＭＲグラフに自動的に変換され得る。このようにして、図２に図示されるようなＥＭＲテーブルのセットに対応するＥＭＲグラフ５００が、ステップＳ３２０において取得され得る。

図３に戻って示すように、ステップＳ３１０およびＳ３２０の後、次のステップＳ３３０は、知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成している。このステップでは、ＥＭＲグラフ５００からの知識ツリー４００の概念ノードの各々に対応して、サブクエリが生成される。１つの実施形態では、知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成するステップＳ３３０は、
Ｓ３３１に描写されるように、知識ツリーの単一概念のサブツリーを識別することと、
単一概念のサブツリーの各単一概念のサブツリーごとに、
Ｓ３３２に描写されるように、知識ツリーの単一概念のサブツリーを選択し、
Ｓ３３３に描写されるように、単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることによって、ＥＭＲグラフの有効なサブグラフを識別し、
Ｓ３３４に描写されるように、単一概念のサブツリーおよび有効なサブグラフにしたがってサブクエリを構成することとを備えている。

言い換えれば、１つの実施形態では、ステップＳ３３０は、図３に図示されるように、ステップＳ３３１からＳ３３６を含む処理で実行される。まず、ステップＳ３３１が実行され、知識ツリーの単一概念のサブツリーを識別する。１つの実施形態では、単一概念のサブツリーは、知識ツリーのサブツリーを称する。単一概念のサブツリーは、概念ノードから始まりターゲット・ノード、つまりルート・ノードまでのパスにおけるすべてのノードを備えている。さらに、単一概念のサブツリーは、他の概念ノードを備えていないパス内のノードの各々の任意の分岐をも備えている。言い換えれば、単一概念のサブツリーは、以下の基準を満たす。（１）単一概念のサブツリーには、１つの概念ノードしか存在しない。（２）単一概念のサブツリーは、１つの概念ノードから始まりターゲット・ノードまでのパス内のすべてのノードを備えている。（３）単一概念のサブツリーは、子に概念ノードが存在しない限り、パス内のノードの任意の子を備えている。

図５は、知識ツリー４００の３つの単一概念のサブツリー４０１、４０２、および４０３を図示している。図５に図示すように、単一概念のサブツリー４０１は、ノード｛ｔ−１、ｏｐ２、ｏｐ３、ｏｐ４、ｃ５、ｖ６｝を備えている。単一概念のサブツリー４０２は、ノード｛ｔ−１、ｏｐ２、ｏｐ３、ａｇ７、ｏｐ８、ｃ９、ｖ１０｝を備えている。単一概念のサブツリー４０３は、ノード｛ｔ−１、ｏｐ２、ｏｐ１１、ａｇ１２、ｃ１３、ｆ１４、ｖ１５｝を備えている。１つの実施形態では、知識ツリーの単一概念のサブツリーを識別するステップＳ３３１は、以下のように、知識ツリー４００を分解することによって実行される。概念ノードｃ５から始まりターゲット・ノードｔ−１までのパスが、各概念ノードｃ５について発見される。このパスは、分解された１つの接続された構成要素（または、サブツリー）のバックボーンを形成する。このパスにおける各ノードについて、そのすべての子をチェックする。子がいずれの概念ノードも含んでいない場合、子は、接続された構成要素（またはサブツリー）に追加される。パス内のすべてのノードがチェックされると、サブツリーは、知識ツリー全体の分解された構成要素の１つとなる。このようにして、単一概念のサブツリー（以下、「サブツリー」とも称される）が識別され得る。ｋ個の概念ノードを有する知識ツリーについて、ｋ個のサブツリーが識別され得ることに留意されたい。たとえば、知識ツリー４００に対して、３つのサブツリー４０１、４０２、および４０３が識別され得る。

ステップＳ３３１の後、すべてのサブツリー４０１、４０２、および４０３が処理されるまで、ステップＳ３３２、Ｓ３３３、およびＳ３３４が、個々のサブツリーについて反復的に実行される。ステップＳ３３２において、サブツリー４０１が選択される。次に、ステップＳ３３３において、ＥＭＲグラフ５００の有効なサブグラフが識別される。１つの実施形態では、これは、サブツリー４０１のターゲット・ノードおよび概念ノードを、ＥＭＲグラフ５００のテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすること（以下、「概念マッピング」とも称される）によって実行される。

１つの実施形態では、ＥＭＲグラフの有効なサブグラフは、以下の基準を満たすＥＭＲグラフのサブグラフである。（１）ターゲット・ノードに一致するテーブル・ノードがサブグラフに存在する。（２）サブグラフ内の各属性ノードは、直接的にまたは有向パスを介して間接的にテーブル・ノードに到達し得る。１つの実施形態では、概念マッピングは、以下のうちの任意の１つまたは任意の組合せを備えている。（１）属性によるマッピング、（２）属性値によるマッピング、および（３）追加フィルタの適用によるマッピング。第１のタイプでは、概念ノードは、概念ノードの概念に一致する（同じである、または同じとみなされる）１つまたは複数の属性ノードにマッピングされる。第２のタイプでは、概念ノードは、１つまたは複数の属性の、ある特定の値にマップされ、概念データ・タイプと、マップされた属性のデータ・タイプとに基づいて、追加の属性に関連付けられ得る。第３のタイプでは、概念ノードは、第１または第２のタイプのマッピングとしてマッピングされるが、フィルタの定義に基づいて、１つまたは複数の属性との追加の関連付けを有する。

図７を参照して示すように、ステップＳ３３３において、サブツリー４０１に対する概念マッピングが、以下のように実行される。まず、矢印線６０１によって図示されるように、サブツリー４０１のターゲット・ノードｔ−１が、ＥＭＲグラフ５００のテーブル・ノード「ｔ１」にマッピングされる。次に、テーブルＴ１の属性「年齢」が、サブツリー４０１の概念ノードｃ５の概念「年齢」と同じであるので、矢印線６０２によって描写されるように、概念ノードｃ５が、ＥＭＲグラフ５００の属性ノード「年齢」にマッピングされる。属性ノード「年齢」は、ターゲット・ノードｔ−１に一致するテーブル・ノード「ｔ１」に直接到達し得るので、属性ノード「年齢」とテーブル・ノード「ｔ１」を含むサブグラフは、有効なサブグラフ（以下「サブグラフ」とも称される）であると識別される。有効なサブグラフは、図７で強調表示されているように、｛ｔ１、年齢｝として示され得る。

ステップＳ３３４において、サブツリー４０１および有効なサブグラフ｛ｔ１、年齢｝にしたがって、サブクエリが構成される。この場合、サブツリー４０１の構造に基づいて、サブクエリが構成され得る。具体的には、サブツリー４０１の構造は「年齢＞６５」の条件を表しているので、サブクエリは、以下のように、サブクエリ（１）になるように導出される。
「ｔ１．年齢＞６５」 （１）

１つの実施形態では、サブクエリは、サブツリーの構造と、概念ノードの属性ノードへのマッピングとにしたがって導出される。まず、サブクエリの主題が生成される。マッピングされた属性ノード（たとえば、概念ノードｃ５に一致する属性ノード「年齢」）が、ターゲット・ノード（たとえば、テーブル・ノードｔ１にマッピングされたターゲット・ノードｔ−１）に直接接続されている場合、その属性ノードに対応する属性が、主題である。上記の例では、主題は「年齢」である。

図７に図示される処理は、第１の種類の概念マッピングの例である。この例では、概念ノードｃ５が、１つの属性ノードにマッピングされる。しかしながら、概念ノードは、複数の属性ノードにマッピングされ得る。いくつかの属性ノードがマッピングされ得る場合、各マッピングは、一致したスコアに基づいて列挙される。たとえば、概念「年齢」が、属性「年齢」のみならず「初妊娠年齢」にマッピングされ得る場合、（より高いスコアを有する）第１の属性へのマッピングが最初に評価される。第２の属性へのマッピングは、より多くのクエリ候補が必要な場合に評価される。

概念マッピングでは、属性ノードが、多数のテーブル・ノードを横切る１つまたは複数のプレーン・エッジによってターゲット・ノードに接続されている場合、１つまたは複数の「結合」が、プレーン・エッジに基づいて、関連するテーブル・ノードに適用され、結合されたテーブルにおいてマッピングされている属性が、主題である。接続されたサブグラフに含まれる集約エッジがある場合は、対応する集約演算子が、テーブル・ノード結合において使用される。

サブツリー４０１についてサブクエリを生成する処理が完了した後、ブロックＳ３３５によって描写されるように、処理が、サブツリーのすべてについて行われたか否かが判定される。行われたと判定された場合、Ｓ３３０の処理は終了し、ブロックＳ３３６によって描写されるように、制御は戻され、その結果、ステップＳ３４０が実行される。行われたと判定されなかった場合、処理はＳ３３２に進み、別のサブツリー、この場合はサブツリー４０２を選択する。

図８を参照されたい。ステップＳ３３３において、サブツリー４０２のターゲット・ノードｔ−１が、矢印線６１１によって描写されるように、ＥＭＲグラフ５００のテーブル・ノード「ｔ１」にマッピングされる。そして、テーブルＴ２内の属性「診断」に対応する属性値「ＤＭ」は、サブツリー４０２の概念ノードｃ９に対する概念「糖尿病」と同じであるとみなされ、ＥＭＲグラフ５００の属性ノード「診断」は、属性「診断」に対応しているので、概念ノードｃ９は、テーブル・ノードｔ２に接続されている矢印線６１２によって描写されるように、属性ノード「診断」にマッピングされる。この時点において、マッピングされた２つのマップされたノードである「診断」および「ｔ１」は接続されていない。しかしながら、サブツリー４０２には集約ノードａｇ７が存在し、矢印線６１３によって描写されているように、テーブル・ノード「ｔ２」から「ｔ１」に集約エッジ＜ｔ２、ｔ１＞をアクティブにするために適用される。これはテーブル「ｔ２」が、まさに「ｔ１」に到達し得ることを意味する。この時点において、属性ノード「診断」は、プレーン・エッジ＜診断、ｔ２＞およびアクティブにされた集約エッジ＜ｔ２、ｔ１＞を介して間接的にテーブル・ノード「ｔ１」に到達するため、テーブル・ノード「ｔ１」およびテーブル・ノード「ｔ２」ならびにノード「診断」は、ＥＭＲ５００の連結されたサブグラフを構成する。これは、図８で強調表示されているように、有効なサブグラフ｛ｔ１、ｔ２、診断｝であるとして識別され得る。

次に、ステップＳ３３４において、サブツリー４０２およびサブグラフ｛ｔ１、ｔ２、診断｝にしたがって、サブクエリが構成される。特に、サブツリー４０２の構造は、「糖尿病を患っている任意の患者」という条件を表しているので、サブクエリは、以下のようにサブクエリ（２）となるように導出される。
「ｔ１ ｊｏｉｎ ｔ２ ｏｎ ＰＩＤ、 ａｎｙ（ｔ２．診断＝‘ＤＭ’）ｇｒｏｕｐ ｂｙ ＰＩＤ」 （２）

サブクエリ（２）の意味は、以下のように解釈され得る。ある患者の診断が「ＤＭ」（糖尿病）に等しい場合、新たな（ブール型）属性を生成しながら、テーブルＴ１は、属性「ＰＩＤ」を使用してテーブルＴ２と結合される（したがって、一意のＩＤを有する各患者は、新たなテーブルの別の行になる）。

上記で説明された概念マッピング処理では、集約エッジ＜ｔ２、ｔ１＞をアクティブにすることによって、マッピングされたテーブル・ノード「ｔ２」と「ｔ１」とを接続するために、集約ノードａｇ７が使用される。たとえば、サブツリーにｋ個の集約ノードが存在する場合、ＥＭＲグラフ５００内のマッピングされたノードを接続し、これらを接続状態にするために、ｋ個の集約エッジが使用され得る。図８に図示される処理は、第２のタイプの概念マッピングの例である。第２のタイプの概念マッピングに関して、サブツリーの概念ノードは、１つまたは複数の属性のいくつかの特定の値にマッピングされ、概念データ・タイプおよびマッピングされた属性のデータ・タイプに基づいて、追加の属性と関連付けられ得る。

図８の例では、サブグラフ｛ｔ１、ｔ２、診断｝は、接続されたサブグラフを構成し、以下の基準を満たすと、有効なサブグラフ｛ｔ１、ｔ２、診断｝であると識別され得る。（１）ターゲット・ノードに一致するテーブル・ノードがサブグラフに存在する。（２）サブグラフ内の各属性ノードは、直接的にまたは有向パスを介して間接的に、テーブル・ノードに到達し得る。１つの実施形態では、「接続されたサブグラフ」という用語も、有効なサブグラフを表すために使用される。一般に、マッピングされたノードからターゲット・ノードへの有向パスが存在する場合、マッピングされたノードとターゲット・ノードが接続されているか、またはマッピングされたノードが、ターゲット・ノードに到達し得る。多数のノード（すなわち、１つのキー・ノードと、１つまたは複数の属性ノード）がマッピングされている場合、サブグラフは、（１）キー・ノードからターゲット・ノードへの有向パスが存在する場合、および（２）各属性ノードについて、キー・ノードへの有向パスが存在する場合、接続される。ここで、ターゲット・ノード（たとえば、ｔ−１）は、ターゲット・ノードのマッピングされたノード（たとえば、ｔ１）と等価であるとみなされる。

図９を参照して示すように、サブクエリ（２）が生成された後、ステップＳ３３２において、サブツリー４０３が選択される。次に、ステップＳ３３３において、サブツリー４０３に対する概念マッピングが、以下のように実行される。最初に、サブツリー４０３のターゲット・ノードｔ−１が、矢印線６２１によって描写されるように、ＥＭＲグラフ５００のテーブル・ノード「ｔ１」にマッピングされる。そして、テーブルＴ４の属性「ＬＮａｍｅ」に対応する属性値「ＨｂＡ１ｃ」が、サブツリー４０３の概念ノードｃ１３の概念「ＨｂＡ１ｃ」と同じであるので、分割矢印線６２２によって描写されるように、概念ノードｃ１３は、ＥＭＲグラフ５００のノード「ＬＮａｍｅ」およびノード「ＬＶａｌｕｅ」にマッピングされる。さらに、概念ノードｃ１３に関連付けられたフィルタ・ノードｆ１４が、時間関連条件を定義するので、概念ノードｃ１３は、矢印線６２３によって描写されるように、日付タイプの属性ノード「日付」にマッピングされる。次いで、サブツリー４０３内の集約ノードａｇ１２が、矢印線６２４によって描写されるように、テーブル・ノード「ｔ４」からテーブル・ノード「ｔ１」への集約エッジにマッピングされる。したがって、集約エッジ＜ｔ４、ｔ１＞がアクティブにされる。この時点において、属性ノード「日付」は、プレーン・エッジ＜日付、ｔ３＞、プレーン・エッジ＜ｔ３、ｔ４＞、および集約エッジ＜ｔ４、ｔ１＞を介してテーブル・ノード「ｔ１」に到達し得、「ＬＮａｍｅ」は、有向パス「ＬＮａｍｅ」→「ｔ４」→「ｔ１」を介してテーブル・ノード「ｔ１」に到達し得、「ＬＶａｌｕｅ」は、有向パス「ＬＶａｌｕｅ」→「ｔ４」→「ｔ１」を介してテーブル・ノード「ｔ１」に到達し得る。したがって、サブツリー４０３に対する概念マッピングは、図９で強調表示されているように、有効なサブグラフ｛ｔ１、ｔ３、ｔ４、日付、ＬＮａｍｅ、ＬＶａｌｕｅ｝の識別をもたらす。

ステップＳ３３４では、サブツリー４０３およびサブグラフ｛ｔ１、ｔ３、ｔ４、日付、ＬＮａｍｅ、ＬＶａｌｕｅ｝にしたがって、サブクエリが構成される。特に、サブツリー４０３の構造によって表される条件にしたがって、サブクエリは、以下のように、サブクエリ（３）となるように導出される。
「ｔ３ ｊｏｉｎ ｔ４ ｏｎ ＬＩＤ，ｔ４．ＬＮａｍｅ＝‘ＨｂＡｌｃ’ ａｎｄ ｔ３．日付＞‘２０１５−０７−０１’ ａｓ ｔ５；
ｔ１ ｊｏｉｎ ｔ５， ｍａｘ（ｔ５．ＬＶａｌｕｅ）＞９．０ ｇｒｏｕｐ ｂｙ ＰＩＤ」 （３）
これは、最近の最大のＨｂＡ１Ｃ検査結果が、９．０より大きいすべての患者を照会する。

図９に図示される処理は、第３のタイプの概念マッピングの例である。第３のタイプの概念マッピングのための１つの実施形態では、概念ノードは、第１または第２のタイプのマッピングとしてマッピングされるが、フィルタ定義に基づいて１つまたは複数の属性とのさらなる関連付けを有する。

図３に戻って示すように、ステップＳ３３４が実行された後、処理は、ステップＳ３４０に進む。ステップＳ３４０では、知識ツリー４００にしたがって、サブクエリ（１）、（２）および（３）を組み合わせることによって、クエリが構成される。知識ツリー４００内のノードｏｐ２のための演算子「＆＆」と、ノードｏｐ３のための演算子「＆＆」から、クエリは、３つのサブクエリの交わり、すなわち、サブクエリ（１）＆＆サブクエリ（２）＆＆サブクエリ（３）、すなわち、「ｔ１．年齢＞６５」＆＆「ｔ１ ｊｏｉｎ ｔ２ ｏｎ ＰＩＤ， ａｎｙ（ｔ２．診断＝‘ＤＭ’） ｇｒｏｕｐ ｂｙ ＰＩＤ」＆＆「ｔ３ ｊｏｉｎ ｔ４ ｏｎ ＬＩＤ，ｔ４．ＬＮａｍｅ＝‘ＨｂＡｌｃ’ ａｎｄ ｔ３．日付＞‘２０１５−０７−０１’ ａｓ ｔ５；ｔ１ ｊｏｉｎ ｔ５， ｍａｘ（ｔ５．ＬＶａｌｕｅ）＞９．０ ｇｒｏｕｐ ｂｙ ＰＩＤ」である。

１つまたは複数の実施形態はまた、対応するデバイスを提供する。１つの実施形態では、臨床知識に基づいて、臨床的特徴をＥＭＲテーブルのセットに抽出するためのクエリを生成するためのデバイスが提供される。デバイスは、１つまたは複数のプロセッサと、プロセッサのうちの少なくとも１つに結合されたメモリと、メモリに記憶されたコンピュータ・プログラム命令のセットとを備えている。コンピュータ・プログラム命令のセットは、以下の動作、すなわち、臨床知識にしたがって構築された知識ツリーを取得することと、ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、ＥＭＲグラフは、ＥＭＲテーブルの各々の構造と、ＥＭＲテーブルの属性間の参照関係とを表すためのテーブル・ノードおよび属性ノードから構成される、取得することと、知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成することと、知識ツリーにしたがってサブクエリを組み合わせることによってクエリを構成することとを実行するために、プロセッサのうちの少なくとも１つによって実行される。

１つの実施形態によれば、知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成することは、
知識ツリーの単一概念のサブツリーを識別することと、
単一概念のサブツリーの各単一概念のサブツリーごとに、
知識ツリーの単一概念のサブツリーを選択し、
単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることによって、ＥＭＲグラフの有効なサブグラフを識別し、
単一概念のサブツリーおよび有効なサブグラフにしたがってサブクエリを構成することとを含んでいる。

１つの実施形態によれば、ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することは、ＥＭＲテーブルのセットを、その等価なグラフ表現に変換することを含んでいる。１つの実施形態では、知識ツリーの単一概念のサブツリーは、概念ノードから始まりターゲット・ノードまでのパス内のすべてのノードと、概念ノードを備えていないノードの各々の分岐とを備えたサブツリーである。

１つの実施形態によれば、ＥＭＲグラフの有効なサブグラフは、以下の基準を満たすＥＭＲグラフのサブグラフである。（１）ターゲット・ノードに一致するテーブル・ノードがサブグラフに存在する。（２）サブグラフ内の各属性ノードは、直接的にまたは有向パスを介して間接的に、テーブル・ノードに到達し得る。

１つの実施形態によれば、単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることは、属性によるマッピング、属性値によるマッピング、および、追加のフィルタを適用することによるマッピングのうちの任意の１つまたは任意の組合せを含んでいる。

１つの実施形態によれば、臨床知識に基づいて、臨床的特徴を、ＥＭＲテーブルのセットに抽出するためのクエリを生成するためのコンピュータ・プログラム製品が提供される。コンピュータ・プログラム製品は、非一時的なコンピュータ可読記憶媒体を備えている。プログラム命令は、非一時的なコンピュータ可読記憶媒体に記憶される。プログラム命令は、少なくとも１つのプロセッサに、
臨床知識にしたがって構築された知識ツリーを取得することと、
ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、ＥＭＲグラフは、ＥＭＲテーブルの各々の構造と、ＥＭＲテーブルの属性間の参照関係とを表すためのテーブル・ノードおよび属性ノードから構成される、取得することと、
知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成することと、
知識ツリーにしたがってサブクエリを組み合わせることによってクエリを構成することとを含む方法を実行させるために、少なくとも１つのプロセッサによって実行可能である。

１つの実施形態によれば、知識ツリーおよびＥＭＲグラフに基づいてサブクエリを生成することは、
知識ツリーの単一概念のサブツリーを識別することと、
単一概念のサブツリーの各単一概念のサブツリーごとに、
知識ツリーの単一概念のサブツリーを選択し、
単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることによって、ＥＭＲグラフの有効なサブグラフを識別し、
単一概念のサブツリーおよび有効なサブグラフにしたがってサブクエリを構成することとを含んでいる。

１つの実施形態によれば、ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することは、ＥＭＲテーブルのセットをその等価なグラフ表現に変換することを含んでいる。

１つの実施形態によれば、知識ツリーの単一概念のサブツリーは、概念ノードから始まりターゲット・ノードまでのパス内のすべてのノードと、概念ノードを備えていないノードの各々の任意の分岐とを備えたサブツリーである。

１つの実施形態によれば、ＥＭＲグラフの有効なサブグラフは、以下の基準を満たすＥＭＲグラフのサブグラフである。（１）ターゲット・ノードに一致するテーブル・ノードがサブグラフに存在する。（２）サブグラフ内の各属性ノードは、直接的にまたは有向パスを介して間接的に、テーブル・ノードに到達し得る。

１つの実施形態によれば、単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることは、属性によるマッピング、属性値によるマッピング、および、追加のフィルタを適用することによるマッピングのうちの任意の１つまたは任意の組合せを含んでいる。

本発明は、任意の可能な技術的詳細レベルの統合におけるシステム、方法、またはコンピュータ・プログラム製品、あるいはその組合せであり得る。コンピュータ・プログラム製品は、プロセッサに対して、本発明の態様を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体（または複数の媒体）を含み得る。

コンピュータ可読記憶媒体は、命令実行デバイスによる使用のための命令を保持および記憶し得る有形のデバイスであり得る。コンピュータ可読記憶媒体は、たとえば、電子記憶デバイス、磁気記憶デバイス、光記憶デバイス、電磁記憶デバイス、半導体記憶デバイス、またはこれらの任意の適切な組合せであり得るが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例の非網羅的リストは、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読出専用メモリ（ＲＯＭ）、消去可能プログラマブル読出専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読出専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリ・スティック、フロッピー（Ｒ）・ディスク、パンチカードのような機械的に符号化されたデバイス、または命令が記録された溝の隆起構造、および上記の任意の適切な組合せを含んでいる。本明細書で使用されるコンピュータ可読記憶媒体は、電波または他の自由に伝播する電磁波、導波管または他の伝送媒体を伝播する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または、ワイヤを介して送信される電気信号のような、一時的な信号自体であると解釈されるべきではない。

本明細書において説明されたコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング／処理デバイスに、または、たとえば、インターネット、ローカル・エリア・ネットワーク、広域ネットワーク、もしくは無線ネットワーク、あるいはその組合せのようなネットワークを介して、外部コンピュータもしくは外部記憶装置にダウンロードされ得る。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはその組合せを備え得る。各コンピューティング／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶するためにコンピュータ可読プログラム命令を転送する。

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令や、命令セット・アーキテクチャ（ＩＳＡ）命令や、マシン命令や、マシン依存命令や、マイクロコードや、ファームウェア命令や、状態設定データや、集積回路構成のための構成データや、または、Ｓｍａｌｌｔａｌｋ（Ｒ）、Ｃ＋＋のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語もしくは同様のプログラミング言語のような手続き型プログラミング言語を含む、１つもしくは複数のプログラミング言語の任意の組合せで記述されたソース・コードもしくはオブジェクト・コードのいずれかであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータにおいて、部分的にユーザのコンピュータにおいて、スタンドアロンのソフトウェア・パッケージとして、部分的にユーザのコンピュータおよび部分的にリモート・コンピュータにおいて、または全体的にリモート・コンピュータもしくはサーバにおいて実行し得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され得るか、または（たとえば、インターネット・サービス・プロバイダを使用してインターネットを介して）外部コンピュータに接続され得る。いくつかの実施形態において、たとえば、プログラマブル・ロジック回路構成、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路構成は、本発明の態様を実行するために、コンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行し、電子回路構成をパーソナル化し得る。

本発明の態様は、本発明の実施形態にしたがう方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート例図、またはブロック図、あるいはその両方を参照して本明細書で説明される。フローチャート例図、またはブロック図、あるいはその両方の各ブロック、ならびにフローチャート例図、またはブロック図、あるいはその両方内のブロックの組合せは、コンピュータ可読プログラム命令によって実施され得ることが理解されよう。

コンピュータまたは他のプログラマブル・データ処理装置のプロセッサを介して実行する命令が、フローチャート、またはブロック図ブロックもしくは複数のブロック、あるいはその組合せにおいて指定された機能／動作を実施するための手段を生成するべく、これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、または、マシンを生成するための他のプログラマブル・データ処理装置のプロセッサに提供され得る。フローチャート、またはブロック図ブロックもしくは複数のブロック、あるいはその組合せにおいて指定された機能／動作の態様を実施する命令を含む製造物品を備えるべく、これらのコンピュータ可読プログラム命令は、特定の手法で機能するように、コンピュータ、プログラム可能データ処理装置、または他のデバイス、あるいはその組合せに対して命令することができるコンピュータ可読記憶媒体に記憶され得る。

コンピュータ、他のプログラマブル装置、または他のデバイス上で実行する命令が、フローチャート、またはブロック図ブロックもしくは複数のブロック、あるいはその組合せにおいて指定された機能／動作を実施するべく、コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラマブル・データ処理装置、または他のデバイスにロードされ得、コンピュータによって実施される処理を生成するために、一連の動作ステップを、コンピュータ、他のプログラマブル装置、または他のデバイスにおいて実行させる。

図中のフローチャートおよびブロック図は、本発明の様々な実施形態にしたがってシステム、方法、およびコンピュータ・プログラム製品の可能な実施のアーキテクチャ、機能、および動作を例示している。これに関して、フローチャートまたはブロック図における各ブロックは、指定された論理機能を実施するための１つまたは複数の実行可能命令を含むモジュール、セグメント、または命令の一部を表し得る。いくつかの代替実施では、ブロックに言及されている機能は、図面において言及されている順序とは異なる順序で生じ得る。たとえば、連続して図示されている２つのブロックは、実際には、実質的に同時に実行され得るか、または、これらブロックは、関連する機能に応じて、しばしば逆の順序で実行され得る。ブロック図、またはフローチャート例図、あるいはその両方の各ブロック、およびブロック図、またはフローチャート例図、あるいはその両方におけるブロックの組合せは、指定された機能または動作を実行する、または、専用ハードウェアとコンピュータ命令との組合せを実行する、専用ハードウェア・ベースのシステムによって実施され得ることが注目されるであろう。

本発明の様々な実施形態の説明は、例示の目的のために提示されているが、網羅的であること、または開示された実施形態に限定されることは意図されていない。多くの修正および変形が、説明された実施形態の範囲および思想から逸脱することなく、当業者に明らかになるであろう。本明細書で使用される用語は、実施形態の原理、実用化、または、市場で見られる技術に対する技術的改善を最も良く説明するため、または当業者が本明細書で開示される実施形態を理解できるようにするために選択された。

Claims (11)

1. 臨床知識に基づいて、臨床的特徴を、電子医療レコード（ＥＭＲ）テーブルのセットから抽出するためのクエリを生成するための方法であって、
   臨床知識データのセットにしたがって構築された知識ツリーを取得することと、
   前記ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、前記ＥＭＲグラフは、テーブル・ノードのセットと属性ノードのセットとを備え、前記テーブル・ノードのセットと前記属性ノードのセットとは、前記ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造と、前記ＥＭＲテーブルのセットの属性間の参照関係とを表す、前記ＥＭＲグラフを取得することと、
   前記知識ツリーおよび前記ＥＭＲグラフに基づいて複数のサブクエリを生成することと、
   前記知識ツリーにしたがって前記複数のサブクエリを組み合わせることによって、少なくとも１つのクエリを構成することとを含む、方法。
2. 前記知識ツリーおよび前記ＥＭＲグラフに基づいて前記複数のサブクエリを生成することは、
   前記知識ツリーの複数の単一概念のサブツリーを識別することと、
   前記複数の単一概念のサブツリーの各単一概念のサブツリーごとに、
   前記知識ツリーの単一概念のサブツリーを選択し、
   前記単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、前記ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることによって、前記ＥＭＲグラフの有効なサブグラフを識別し、
   前記単一概念のサブツリーおよび前記有効なサブグラフにしたがってサブクエリを構成することとを含む、請求項１に記載の方法。
3. 前記知識ツリーの前記単一概念のサブツリーは、概念ノードから始まりターゲット・ノードまでのパス内のすべてのノードと、概念ノードを備えていないノードの各々の任意の分岐とを備えたサブツリーである、請求項２に記載の方法。
4. 前記ＥＭＲグラフの前記有効なサブグラフは、前記ＥＭＲグラフのサブグラフであり、前記知識ツリーのターゲット・ノードに一致するテーブル・ノードが、前記単一概念のサブツリーに存在し、前記単一概念のサブツリーにおける各属性ノードから、前記テーブル・ノードへの有向パスが存在する、請求項２に記載の方法。
5. 前記単一概念のサブツリーの前記ターゲット・ノードおよび前記概念ノードをそれぞれ、前記ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることは、
   属性によるマッピング、
   属性値によるマッピング、および、
   少なくとも１つの追加のフィルタを適用することによるマッピングのうちの少なくとも１つを含む、請求項２に記載の方法。
6. 前記ＥＭＲテーブルのセットに対応する前記ＥＭＲグラフを取得することは、前記ＥＭＲテーブルのセットを、該セットに等価なグラフ表現に変換することを含む、請求項１に記載の方法。
7. 前記少なくとも１つのクエリを使用して、前記ＥＭＲテーブルのセットから、１つまたは複数の臨床的特徴を抽出することをさらに含む、請求項１に記載の方法。
8. 臨床知識に基づいて、臨床的特徴を、電子医療レコード（ＥＭＲ）テーブルのセットから抽出するためのクエリを生成するためのデバイスであって、
   少なくとも１つのプロセッサと、
   前記少なくとも１つのプロセッサに動作可能に結合されたメモリと、
   前記メモリに記憶され、
   臨床知識データのセットにしたがって構築された知識ツリーを取得することと、
   前記ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、前記ＥＭＲグラフは、テーブル・ノードのセットと属性ノードのセットとを備え、前記テーブル・ノードのセットと前記属性ノードのセットとは、前記ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造と、前記ＥＭＲテーブルのセットの属性間の参照関係とを表す、前記ＥＭＲグラフを取得することと、
   前記知識ツリーおよび前記ＥＭＲグラフに基づいて複数のサブクエリを生成することと、
   前記知識ツリーにしたがって前記複数のサブクエリを組み合わせることによって、少なくとも１つのクエリを構成することと
   を実行するために、前記少なくとも１つのプロセッサによって実行されるコンピュータ・プログラム命令のセットとを備えた、デバイス。
9. 臨床知識に基づいて、臨床的特徴を、電子医療レコード（ＥＭＲ）テーブルのセットから抽出するためのクエリを生成するためのコンピュータ・プログラムであって、
   プロセッサに、
   臨床知識データのセットにしたがって構築された知識ツリーを取得することと、
   前記ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、前記ＥＭＲグラフは、テーブル・ノードのセットと属性ノードのセットとを備え、前記テーブル・ノードのセットと前記属性ノードのセットとは、前記ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造と、前記ＥＭＲテーブルのセットの属性間の参照関係とを表す、前記ＥＭＲグラフを取得することと、
   前記知識ツリーおよび前記ＥＭＲグラフに基づいて複数のサブクエリを生成することと、
   前記知識ツリーにしたがって前記複数のサブクエリを組み合わせることによって、少なくとも１つのクエリを構成することと、
   を実行させるためのコンピュータ・プログラム。
10. 臨床知識に基づいて、臨床的特徴を、電子医療レコード（ＥＭＲ）テーブルのセットから抽出するためのクエリを生成するための方法であって、
    臨床知識データのセットにしたがって構築された知識ツリーを取得することと、
    前記ＥＭＲテーブルのセットに対応するＥＭＲグラフを取得することであって、前記ＥＭＲグラフは、テーブル・ノードのセットと属性ノードのセットとを備え、前記テーブル・ノードのセットと前記属性ノードのセットとは、前記ＥＭＲテーブルのセットにおける各ＥＭＲテーブルの構造と、前記ＥＭＲテーブルのセットの属性間の参照関係とを表す、前記ＥＭＲグラフを取得することと、
    前記知識ツリーの複数の単一概念のサブツリーを識別することに基づいて、前記知識ツリーおよび前記ＥＭＲグラフに基づいて複数のサブクエリを生成することと、
    前記知識ツリーにしたがって前記複数のサブクエリを組み合わせることによって、少なくとも１つのクエリを構成することと
    を含み、前記ＥＭＲテーブルのセットに対応する前記ＥＭＲグラフを取得することは、前記ＥＭＲテーブルのセットを、該セットに等価なグラフ表現に変換することを含む、前記方法。
11. 前記知識ツリーおよび前記ＥＭＲグラフに基づいて前記複数のサブクエリを生成することはさらに、
    前記複数の単一概念のサブツリーの各単一概念のサブツリーごとに、
    前記知識ツリーの単一概念のサブツリーを選択し、
    前記単一概念のサブツリーのターゲット・ノードおよび概念ノードをそれぞれ、前記ＥＭＲグラフのテーブル・ノードおよび少なくとも１つの属性ノードにマッピングすることによって、前記ＥＭＲグラフの有効なサブグラフを識別し、
    前記単一概念のサブツリーおよび前記有効なサブグラフにしたがってサブクエリを構成することとを含む、請求項１０に記載の方法。
    

Images