JP6916107B2 - 患者データに基づく健康診断および治療のためのベイジアン因果関係ネットワークモデル - Google Patents
患者データに基づく健康診断および治療のためのベイジアン因果関係ネットワークモデル Download PDFInfo
- Publication number
- JP6916107B2 JP6916107B2 JP2017513538A JP2017513538A JP6916107B2 JP 6916107 B2 JP6916107 B2 JP 6916107B2 JP 2017513538 A JP2017513538 A JP 2017513538A JP 2017513538 A JP2017513538 A JP 2017513538A JP 6916107 B2 JP6916107 B2 JP 6916107B2
- Authority
- JP
- Japan
- Prior art keywords
- variables
- network
- data
- network model
- causal
- 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
- 0 CC(CCC1)C2CC1C(*)C2 Chemical compound CC(CCC1)C2CC1C(*)C2 0.000 description 2
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
- G16H50/50—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
Description
本願は、2014年9月11日出願の米国仮特許出願62/049,148号に関連し、同願の優先権を主張する。同文献の全体は、参照により本願に組み込まれる。
Claims (46)
- 患者データに基づき因果関係ネットワークモデルを生成するための、コンピュータ実装した方法であって、コンピュータシステムに、
50人から1,000,000人の患者を含む複数の患者に対応するデータを受信するステップであって、前記データは各患者の診断情報および/または治療情報を含む、ステップ、
前記データをパースして、各患者の診断または治療に関する少なくとも1つの変数を含む複数の変数についての正規化データを生成するステップであって、各患者について前記正規化データは1以上の変数について生成される、ステップ、
前記生成した正規化データに基づき前記複数の変数に関する因果関係ネットワークモデルを生成するステップであって、前記生成するステップは、50人から1,000,000人の患者から生成した前記正規化データに基づきベイジアンネットワークの集合を作成するステップを含み、前記因果関係ネットワークモデルは複数の医学的状態に関する変数を含む、ステップ、
を実行させ、
前記因果関係ネットワークモデルを生成する前記コンピュータシステムは、ネットワークモデル構築コードを保持するストレージと前記ネットワークモデル構築コードを実行するように構成された1以上のプロセッサを有し、
前記生成した正規化データに基づき複数の患者についての変数に関連する前記因果関係ネットワークモデルを生成するステップは、
ネットワーク断片のリストを生成するステップであって、各ネットワークフラグメントは1以上の関係によって接続された2以上の変数を含み、さらに、前記複数の変数について前記正規化データに基づき各ネットワークフラグメントに関連する確率スコアを決定するステップ、
ベイジアンネットワークの集合である仮ネットワークの集合を生成するステップであって、各仮ネットワークは前記ネットワーク断片のリストの異なるサブセットから構築される、ステップ、
シミュレーテッドアニーリングを介して局所変形させて各仮ネットワークを進化させることにより前記仮ネットワークの集合をグローバル最適化し、コンセンサス因果関係ネットワークモデルを生成するステップ、
を有する
ことを特徴とする方法。 - 前記因果関係ネットワークモデルは、各前記医学的状態の1以上の予測変数を示す関係を含む
ことを特徴とする請求項1記載の方法。 - 前記受信したデータは、1以上の前記医学的状態に関連するものとして事前選択されていない
ことを特徴とする請求項1記載の方法。 - 前記複数の患者は、医学的状態の診断を示すデータをそれぞれ有する患者の第1サブセットと、医学的状態の診断を示していないデータをそれぞれ有する患者の第2サブセットとを含む
ことを特徴とする請求項1記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、
1以上の追加患者に対応する追加データを受信するステップ、
前記追加データに基づき前記因果関係ネットワークモデルを更新するステップ、
を実行させることを特徴とする請求項1記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、
前記複数の患者の1以上に対応する更新されたまたは追加されたデータを受信するステップ、
前記更新または追加されたデータに基づき前記因果関係ネットワークモデルを更新するステップ、
を実行させることを特徴とする請求項1記載の方法。 - 前記因果関係ネットワークモデルは、前記生成した正規化データのみに基づき生成される
ことを特徴とする請求項1記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、
前記因果関係ネットワークモデルからサブネットワークを判定するステップであって、前記サブネットワーク内の1以上の変数は選択された医学的状態と対応付けられている、ステップ、
前記サブネットワーク内の関係をプローブして前記選択した医学的状態についての1以上の予測変数を決定するステップ、
を実行させることを特徴とする請求項1記載の方法。 - 前記選択した医学的状態についての前記1以上の予測変数は、前記選択した医学的状態と同時発生する医学的状態を示す
ことを特徴とする請求項8記載の方法。 - 前記サブネットワークの広がりは、前記選択された医学的状態と対応付けられた前記1以上の変数、および前記1以上の変数と前記因果関係ネットワークモデル内の他の変数との間の前記関係の強度、に基づき決定される
ことを特徴とする請求項8記載の方法。 - 前記サブネットワークは、前記選択された医学的状態に関連付けられた1以上の変数を含み、追加変数の第1セットはそれぞれ前記1以上の変数と第1強度関係を有し、追加変数の第2セットはそれぞれ前記1以上の変数と第2強度関係を有する
ことを特徴とする請求項8記載の方法。 - 前記1以上の予測変数のうち少なくとも1つは、前記医学的状態の予測変数として未知のものである
ことを特徴とする請求項8記載の方法。 - 前記1以上の予測変数のうち少なくとも1つは、前記医学的状態の予測変数として新たに認識されたものである
ことを特徴とする請求項8記載の方法。 - 前記予測変数の個数は前記変数の個数よりも少ない
ことを特徴とする請求項8記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、ユーザインターフェースにおいて前記1以上の予測変数、前記1以上の変数と前記1以上の予測変数との間の関係、を表示するステップを実行させ、
前記表示は、前記1以上の変数のグラフ表示を含む
ことを特徴とする請求項8記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、前記サブネットワークのグラフをユーザインターフェースに表示するステップを実行させる
ことを特徴とする請求項8記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、前記1以上の変数と前記1以上の予測変数との間の関係強度に基づき前記1以上の予測変数をランク付けするステップを実行させる
ことを特徴とする請求項8記載の方法。 - 前記方法はさらに、前記コンピュータシステムに、
前記因果関係ネットワークモデルからサブネットワークを決定するステップであって、前記サブネットワーク内の1以上の変数は、選択した薬に関連付けられる、ステップ、
前記サブネットワークをプローブして前記選択した薬に関連する1以上の予測変数を決定するステップ、
を実行させることを特徴とする請求項1記載の方法。 - 前記選択した薬に関連する前記1以上の予測変数は、前記選択した薬とともに投与された薬を示す
ことを特徴とする請求項18記載の方法。 - 前記1以上の予測変数は、前記選択した薬と1以上の他の薬との間の有害な相互作用を示す
ことを特徴とする請求項18記載の方法。 - 前記1以上の予測変数のうち少なくとも1つは、前記選択した薬と前記1以上の薬との間の有害な相互作用についての予測変数として新たに認識されたものである
ことを特徴とする請求項20記載の方法。 - 前記サブネットワークの広がりは、前記選択した薬と関連付けられている前記1以上の変数、および前記1以上の変数と前記因果関係ネットワークモデル内の他の変数との間の関係強度、に基づき決定される
ことを特徴とする請求項18記載の方法。 - 前記サブネットワークは、前記選択された薬に関連付けられた1以上の変数を含み、追加変数の第1セットはそれぞれ前記1以上の変数と第1強度関係を有し、追加変数の第2セットはそれぞれ前記1以上の変数と第2強度関係を有する
ことを特徴とする請求項18記載の方法。 - 前記1以上の予測変数のうち少なくとも1つは、前記選択した薬についての予測変数として未知のものである
ことを特徴とする請求項18記載の方法。 - 前記予測変数の個数は前記変数の個数よりも少ない。
ことを特徴とする請求項18記載の方法。 - 前記因果関係ネットワークモデルは少なくとも50変数に基づき生成される
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記因果関係ネットワークモデルは少なくとも100変数に基づき生成される
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記因果関係ネットワークモデルは少なくとも1000変数に基づき生成される
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記因果関係ネットワークモデルは少なくとも100000変数に基づき生成される
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記データは患者の電子健康レコードからの情報を含む
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記受信したデータはさらに、前記複数の患者のうち少なくとも一部について、
患者の人物情報、医療履歴、患者の家族の医療履歴、有効薬品情報、有効でない過去の薬品情報、アレルギー情報、免疫状態情報、実験室テスト結果、放射線画像、バイタルサイン情報、患者の体重、請求情報、ライフスタイル情報、習慣情報、保険請求情報、薬局情報、
の少なくとも1つを含む
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記患者の人物情報は、患者の年齢、人種、民族のうち少なくとも1つを含む
ことを特徴とする請求項31記載の方法。 - 前記受信したデータは、患者チャートからの情報を含む
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記患者チャートからの情報は、
ヘルスケア専門家によるメモ、ヘルスケア専門家による観察結果、薬品と治療の投与、薬品と治療の投与の順番、テスト結果、x線画像、
のうち少なくとも1つを含む
ことを特徴とする請求項33記載の方法。 - 前記受信したデータは患者の退院情報を含む
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記患者の退院情報は、
診断コード、治療コード、保険課金コード、診断関連グループコード、国際疫病分類コード、
のうち少なくとも1つを含む
ことを特徴とする請求項35記載の方法。 - 前記受信したデータは選択した病院からの複数の患者に関するものである
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記受信したデータは選択した地域からの複数の患者に関するものである
ことを特徴とする請求項1から25のいずれか1項記載の方法。 - 前記生成した正規化データに基づき複数の患者についての変数に関連する前記因果関係ネットワークモデルを生成するステップはさらに、
入力データに基づく前記コンセンサス因果関係ネットワークモデルのコンピュータシミュレーションを実施することにより、前記因果関係ネットワークモデル内の1以上の因果関係についての予測の確信レベルを提供するステップを有する
ことを特徴とする請求項1記載の方法。 - 患者データに基づき因果関係ネットワークモデルを生成するシステムであって、
50人から1,000,000人の患者を含む複数の患者に関するデータを受信するように構成されたデータ受信モジュールであって、前記データは各患者の診断情報および/または治療情報を含む、データ受信モジュール、
前記データをパースして、各患者の診断または治療に関する少なくとも1つの変数を含む複数の変数についての正規化データを生成するように構成されたパースモジュールであって、各患者について前記正規化データは1以上の変数について生成される、パースモジュール、
前記生成した正規化データに基づき前記複数の変数に関する因果関係ネットワークモデルを生成するように構成されたプロセッサ実装関係ネットワークモジュールであって、前記生成は、50人から1,000,000人の患者から生成した前記正規化データに基づきベイジアンネットワークの集合を作成するステップを含み、前記因果関係ネットワークモデルは複数の医学的状態に関する変数を含む、プロセッサ実装関係ネットワークモジュール、
を備え、
前記プロセッサ実装関係ネットワークモジュールは、
ネットワーク断片のリストを生成するステップであって、各ネットワークフラグメントは1以上の関係によって接続された2以上の変数を含み、さらに、前記複数の変数について前記正規化データに基づき各ネットワークフラグメントに関連する確率スコアを決定するステップ、
ベイジアンネットワークの集合である仮ネットワークの集合を生成するステップであって、各仮ネットワークは前記ネットワーク断片のリストの異なるサブセットから構築される、ステップ、
シミュレーテッドアニーリングを介して局所変形させて各仮ネットワークを進化させることにより前記仮ネットワークの集合をグローバル最適化し、コンセンサス因果関係ネットワークモデルを生成するステップ、
によって、前記生成した正規化データに基づき複数の患者についての変数に関連する前記因果関係ネットワークモデルを生成する
ことを特徴とするシステム。 - 前記因果関係ネットワークモデルは、前記複数の医学的状態それぞれについての1以上の予測変数を示す関係を含む
ことを特徴とする請求項40記載のシステム。 - 少なくとも1つのプロセッサが実行することにより、前記少なくとも1つのプロセッサに請求項1から25いずれか1項記載の方法を実施させる、少なくとも1つのプログラムを格納する
ことを特徴とする不揮発性機械読取可能記憶媒体。 - 医学的状態についての予測変数を生成するシステムであって、
50人から1,000,000人の患者を含む複数の患者に対応するデータを受信するように構成された因果関係ネットワークモデル生成器を備え、前記データは各患者の診断情報および/または治療情報を含み、
前記因果関係ネットワークモデル生成器はさらに、前記データをパースして、各患者の診断または治療に関する少なくとも1つの変数を含む複数の変数についての正規化データを生成するように構成され、各患者について前記正規化データは1以上の変数について生成され、
前記因果関係ネットワークモデル生成器はさらに、前記生成した正規化データに基づき各変数を前記複数の変数の1以上に関連付ける因果関係ネットワークモデルを生成するように構成され、前記生成は、50人から1,000,000人の患者から生成した前記正規化データに基づきベイジアンネットワークの集合を作成するステップを含み、前記因果関係ネットワークモデルは複数の医学的状態に関する変数を含み、
前記因果関係ネットワークモデル生成器は、
ネットワーク断片のリストを生成するステップであって、各ネットワークフラグメントは1以上の関係によって接続された2以上の変数を含み、さらに、前記複数の変数について前記正規化データに基づき各ネットワークフラグメントに関連する確率スコアを決定するステップ、
ベイジアンネットワークの集合である仮ネットワークの集合を生成するステップであって、各仮ネットワークは前記ネットワーク断片のリストの異なるサブセットから構築される、ステップ、
シミュレーテッドアニーリングを介して局所変形させて各仮ネットワークを進化させることにより前記仮ネットワークの集合をグローバル最適化し、コンセンサス因果関係ネットワークモデルを生成するステップ、
によって、前記生成した正規化データに基づき複数の患者についての変数に関連する前記因果関係ネットワークモデルを生成する
ことを特徴とするシステム。 - 前記因果関係ネットワークモデルは、前記複数の医学的状態それぞれについての1以上の予測変数を示す関係を含む
ことを特徴とする請求項43記載のシステム。 - 前記システムはさらに、サブネットワーク選択モジュールを備え、
前記サブネットワーク選択モジュールは、ユーザインターフェースを介してユーザから医学的状態に関連付けられた情報を受信するように構成され、
前記サブネットワーク選択モジュールはさらに、前記因果関係ネットワークモデルからサブネットワークを決定するように構成され、前記サブネットワークは前記医学的状態に関連する1以上の変数を含み、
前記サブネットワーク選択モジュールはさらに、前記サブネットワークをスキャンして前記医学的状態についての1以上の予測変数を識別し、前記医学的状態についての前記1以上の予測変数を保存するように構成されている
ことを特徴とする請求項43記載のシステム。 - 患者データに基づき因果関係ネットワークモデルを生成するシステムであって、
第1プロセッサにより実装され、50人から1,000,000人の患者を含む複数の患者に対応するデータを受信するように構成された、データ受信モジュールであって、前記データは各患者の診断情報および/または治療情報を含み、
前記データ受信モジュールはさらに、前記データをパースして、各患者の診断または治療に関する少なくとも1つの変数を含む複数の変数についての正規化データを生成するように構成されており、各患者について前記正規化データは1以上の変数について生成され、
前記システムはさらに、1以上の追加プロセッサによって実装された因果関係ネットワークモジュールを備え、
前記因果関係ネットワークモジュールは、前記生成された正規化データに基づき前記複数の変数に関する因果関係ネットワークモデルを生成するように構成され、前記生成は、50人から1,000,000人の患者から生成した前記正規化データに基づきベイジアンネットワークの集合を作成するステップを含み、前記因果関係ネットワークモデルは複数の医学的状態に関する変数を含み、
前記因果関係ネットワークモジュールは、
ネットワーク断片のリストを生成するステップであって、各ネットワークフラグメントは1以上の関係によって接続された2以上の変数を含み、さらに、前記複数の変数について前記正規化データに基づき各ネットワークフラグメントに関連する確率スコアを決定するステップ、
ベイジアンネットワークの集合である仮ネットワークの集合を生成するステップであって、各仮ネットワークは前記ネットワーク断片のリストの異なるサブセットから構築される、ステップ、
シミュレーテッドアニーリングを介して局所変形させて各仮ネットワークを進化させることにより前記仮ネットワークの集合をグローバル最適化し、コンセンサス因果関係ネットワークモデルを生成するステップ、
によって、前記生成した正規化データに基づき複数の患者についての変数に関連する前記因果関係ネットワークモデルを生成する
ことを特徴とするシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462049148P | 2014-09-11 | 2014-09-11 | |
US62/049,148 | 2014-09-11 | ||
PCT/US2015/049552 WO2016040725A1 (en) | 2014-09-11 | 2015-09-11 | Bayesian causal relationship network models for healthcare diagnosis and treatment based on patient data |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017537365A JP2017537365A (ja) | 2017-12-14 |
JP6916107B2 true JP6916107B2 (ja) | 2021-08-11 |
Family
ID=55459589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017513538A Active JP6916107B2 (ja) | 2014-09-11 | 2015-09-11 | 患者データに基づく健康診断および治療のためのベイジアン因果関係ネットワークモデル |
Country Status (12)
Country | Link |
---|---|
US (2) | US10482385B2 (ja) |
EP (1) | EP3191975A4 (ja) |
JP (1) | JP6916107B2 (ja) |
CN (2) | CN107111603A (ja) |
AU (2) | AU2015314956A1 (ja) |
CA (1) | CA2960837A1 (ja) |
HK (1) | HK1243509A1 (ja) |
IL (1) | IL250966B (ja) |
NZ (1) | NZ730197A (ja) |
SG (2) | SG11201701963UA (ja) |
WO (1) | WO2016040725A1 (ja) |
ZA (1) | ZA201701611B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023022495A1 (ko) * | 2021-08-20 | 2023-02-23 | 가톨릭대학교 산학협력단 | 예후 예측 장치, 방법 및 기록매체 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10482385B2 (en) | 2014-09-11 | 2019-11-19 | Berg Llc | Bayesian causal relationship network models for healthcare diagnosis and treatment based on patient data |
US20210280317A1 (en) * | 2014-10-07 | 2021-09-09 | AlignCare Services, LLC. | System and Method for Improving Health Care Management and Compliance |
US10839024B2 (en) * | 2016-06-20 | 2020-11-17 | Tibco Software Inc. | Detecting important variables and their interactions in big data |
US11443206B2 (en) | 2015-03-23 | 2022-09-13 | Tibco Software Inc. | Adaptive filtering and modeling via adaptive experimental designs to identify emerging data patterns from large volume, high dimensional, high velocity streaming data |
JP7042755B2 (ja) * | 2016-06-05 | 2022-03-28 | バーグ エルエルシー | 患者層別化及び潜在的バイオマーカー同定のためのシステム及び方法 |
US11182229B2 (en) * | 2016-12-16 | 2021-11-23 | Sap Se | Data processing for predictive analytics |
US11315685B2 (en) * | 2017-01-25 | 2022-04-26 | UCB Biopharma SRL | Method and system for predicting optimal epilepsy treatment regimes |
US10699450B2 (en) | 2017-09-28 | 2020-06-30 | International Business Machines Corporation | Interactive tool for causal graph construction |
US11164678B2 (en) * | 2018-03-06 | 2021-11-02 | International Business Machines Corporation | Finding precise causal multi-drug-drug interactions for adverse drug reaction analysis |
CN110555047B (zh) * | 2018-03-29 | 2024-03-15 | 日本电气株式会社 | 数据处理方法和电子设备 |
CN110322019A (zh) * | 2018-03-29 | 2019-10-11 | 日本电气株式会社 | 用于处理数据集的方法、系统和存储介质 |
US11694800B2 (en) * | 2018-05-09 | 2023-07-04 | International Business Machines Corporation | Medical diagnosis system with continuous learning and reasoning |
US11276494B2 (en) | 2018-05-11 | 2022-03-15 | International Business Machines Corporation | Predicting interactions between drugs and diseases |
CN110827988B (zh) * | 2018-08-14 | 2022-10-21 | 上海明品医学数据科技有限公司 | 一种基于移动终端进行医学数据研究的控制方法 |
US20220005594A1 (en) * | 2018-11-05 | 2022-01-06 | Children's Hospital Medical Center | Computation Model of Learning Networks |
CN110147878B (zh) * | 2018-11-28 | 2023-01-31 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置及设备 |
CN109801687B (zh) * | 2019-01-15 | 2020-11-10 | 合肥工业大学 | 一种面向健康领域的因果关系知识库的构建方法和系统 |
WO2020154573A1 (en) | 2019-01-25 | 2020-07-30 | Children's Hospital Medical Center | Bayesian causal inference models for healthcare treatment using real world patient data |
JP7342942B2 (ja) * | 2019-06-06 | 2023-09-12 | 日本電気株式会社 | 方法、デバイス、及びコンピュータプログラム製品 |
US11468994B2 (en) * | 2019-06-28 | 2022-10-11 | Cerner Innovation, Inc. | Pneumonia readmission prevention |
US20210012907A1 (en) * | 2019-07-11 | 2021-01-14 | International Business Machines Corporation | Altering a targeted brain therapeutic based on a brain circuit model |
WO2021022365A1 (en) * | 2019-08-02 | 2021-02-11 | Intellijoint Surgical Inc. | Systems and methods to collaborate, to train an expert system and to provide an expert system |
US11107555B2 (en) | 2019-10-02 | 2021-08-31 | Kpn Innovations, Llc | Methods and systems for identifying a causal link |
US11645565B2 (en) | 2019-11-12 | 2023-05-09 | Optum Services (Ireland) Limited | Predictive data analysis with cross-temporal probabilistic updates |
US11552785B2 (en) * | 2020-04-02 | 2023-01-10 | Epidaurus Health, Inc. | Methods and systems for a synchronized distributed data structure for federated machine learning |
US11335443B1 (en) | 2020-09-07 | 2022-05-17 | OpenNano Pte. Ltd. | Phenotypic patient data derivation from economic data |
US11797776B2 (en) * | 2020-09-07 | 2023-10-24 | Accenture Global Solutions Limited | Utilizing machine learning models and in-domain and out-of-domain data distribution to predict a causality relationship between events expressed in natural language text |
CN112185583B (zh) * | 2020-10-14 | 2022-05-31 | 天津之以科技有限公司 | 一种基于贝叶斯网络的数据挖掘检疫方法 |
US11763325B2 (en) * | 2020-11-13 | 2023-09-19 | Adobe Inc. | Automated discovery of causal relationships in mixed datasets |
CN112614595A (zh) * | 2020-12-25 | 2021-04-06 | 联仁健康医疗大数据科技股份有限公司 | 生存分析模型的构建方法、装置、电子终端及存储介质 |
US20220246297A1 (en) * | 2021-02-01 | 2022-08-04 | Anthem, Inc. | Causal Recommender Engine for Chronic Disease Management |
CN113436725B (zh) * | 2021-06-24 | 2023-06-23 | 深圳平安智慧医健科技有限公司 | 数据处理方法、系统、计算机设备及计算机可读存储介质 |
CN113221391B (zh) * | 2021-07-08 | 2021-09-07 | 中国电子科技集团公司第九研究所 | 用bic准则分析环行器性能指导物料尺寸参数筛选的方法 |
CN114176600B (zh) * | 2021-12-28 | 2023-10-20 | 上海交通大学 | 基于因果分析的心电图st段异常判别系统 |
CN115424741B (zh) * | 2022-11-02 | 2023-03-24 | 之江实验室 | 基于因果发现的药物不良反应信号发现方法及系统 |
Family Cites Families (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5918200A (en) | 1992-08-31 | 1999-06-29 | Yamatake-Honeywell Co., Ltd. | State estimating apparatus |
CA2244913A1 (en) | 1996-02-09 | 1997-08-14 | Adeza Biomedical Corporation | Method for selecting medical and biochemical diagnostic tests using neural network-related applications |
US6678669B2 (en) * | 1996-02-09 | 2004-01-13 | Adeza Biomedical Corporation | Method for selecting medical and biochemical diagnostic tests using neural network-related applications |
US6763307B2 (en) | 2000-03-06 | 2004-07-13 | Bioseek, Inc. | Patient classification |
JP2004533223A (ja) | 2001-03-13 | 2004-11-04 | アッシュニ ナチュラシューティカルズ,インコーポレイティド | 生理学的または病態生理学的プロセスに関連するゲノムおよびプロテオーム経路のアソシエーション法 |
US8000949B2 (en) | 2001-06-18 | 2011-08-16 | Genego, Inc. | Methods for identification of novel protein drug targets and biomarkers utilizing functional networks |
US7393656B2 (en) | 2001-07-10 | 2008-07-01 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and compositions for risk stratification |
US7415359B2 (en) | 2001-11-02 | 2008-08-19 | Gene Network Sciences, Inc. | Methods and systems for the identification of components of mammalian biochemical networks as targets for therapeutic agents |
AU2002304965A1 (en) | 2002-05-24 | 2003-12-12 | Zensun (Shanghai) Sci-Tech.Ltd | Neuregulin based methods and compositions for treating viral myocarditis and dilated cardiomyopathy |
ATE398808T1 (de) | 2002-08-29 | 2008-07-15 | Gene Network Sciences Inc | Systeme und verfahren zum schliessen auf biologische netzwerke |
CN1701343A (zh) * | 2002-09-20 | 2005-11-23 | 德克萨斯大学董事会 | 用于信息发现以及关联分析的计算机程序产品、系统以及方法 |
CN1714371A (zh) | 2002-11-19 | 2005-12-28 | Gni美国公司 | 根据时间序列基因表达数据的基因网络的非线性模拟 |
JP4288345B2 (ja) | 2003-06-19 | 2009-07-01 | 独立行政法人産業技術総合研究所 | 新規てんかんモデル動物 |
EP1512970A1 (en) | 2003-09-05 | 2005-03-09 | Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO | Method for determining the impact of a multicomponent mixture on the biological profile of a disease |
WO2005035780A1 (ja) | 2003-10-14 | 2005-04-21 | Cellfree Sciences Co.,Ltd. | 指標物質の新規スクリーニング方法 |
EP2207033B1 (en) | 2004-04-15 | 2014-06-18 | University of Florida Research Foundation, Inc. | Neural proteins as biomarkers for nervous system injury and other neural disorders |
US8185367B2 (en) | 2004-04-30 | 2012-05-22 | Merck Sharp & Dohme Corp. | Systems and methods for reconstructing gene networks in segregating populations |
EP1607898A3 (en) | 2004-05-18 | 2006-03-29 | Neal E. Solomon | A bioinformatics system for functional proteomics modelling |
GB0419124D0 (en) | 2004-08-27 | 2004-09-29 | Proteome Sciences Plc | Methods and compositions relating to Alzheimer's disease |
US20100316629A1 (en) | 2004-09-01 | 2010-12-16 | Shaughnessy Jr John D | Use of gene expression profiling to predict survival in cancer patient |
WO2006054991A1 (en) | 2004-11-17 | 2006-05-26 | Immunivest Corporation | Magnetic enrichment of circulating cells, fragments and debris for enabling hts proteomics and genomics in disease detection |
EP1842147A2 (en) | 2005-01-24 | 2007-10-10 | The Board of Trustees of The Leland Stanford Junior University | Method for modeling cell signaling systems by means of bayesian networks |
CN101151615A (zh) | 2005-03-31 | 2008-03-26 | 皇家飞利浦电子股份有限公司 | 用于收集与生物分子和疾病之间的关系相关的证据的系统和方法 |
WO2006129401A1 (ja) | 2005-05-31 | 2006-12-07 | Jcl Bioassay Corporation | プロテオーム網羅的解析における特異的蛋白質のスクリーニング方法 |
US7906116B2 (en) | 2005-09-01 | 2011-03-15 | Parkash Gill | Methods for using and identifying modulators of Delta-like 4 |
EP1928909A1 (en) | 2005-09-30 | 2008-06-11 | Universiteit Maastricht | Tumor angiogenesis associated genes and a method for their identification |
JP2009514583A (ja) * | 2005-11-08 | 2009-04-09 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | クラスタリングを使用して、マルチパラメータ患者監視及び医療データにおける重要な傾向を検出する方法 |
EP1840574A1 (en) | 2006-03-30 | 2007-10-03 | Institut Pasteur | Use of the alpha chain of brain spectrin and fragments thereof, for diagnosing cerebral diseases |
US20080046290A1 (en) * | 2006-08-21 | 2008-02-21 | Cerner Innovation, Inc. | System and method for compiling and displaying discharge instructions for a patient |
WO2008060620A2 (en) | 2006-11-15 | 2008-05-22 | Gene Network Sciences, Inc. | Systems and methods for modeling and analyzing networks |
AU2007330306B2 (en) * | 2006-12-05 | 2013-10-24 | Decode Genetics Ehf. | Genetic markers for risk management of cardiac arrhythmia |
CN101105841B (zh) | 2007-02-12 | 2011-06-15 | 浙江大学 | 由大规模基因芯片表达谱数据构建基因调控亚网络的方法 |
US8140270B2 (en) | 2007-03-22 | 2012-03-20 | National Center For Genome Resources | Methods and systems for medical sequencing analysis |
US20090117562A1 (en) | 2007-04-09 | 2009-05-07 | Valerie Wailin Hu | Method and kit for diagnosing Autism using gene expression profiling |
CA2684665A1 (en) | 2007-05-16 | 2009-02-12 | Edsa Micro Corporation | Real-time predictive systems for intelligent energy monitoring and management of electrical power networks |
JP2009050171A (ja) | 2007-08-23 | 2009-03-12 | Toyobo Co Ltd | 表面プラズモン共鳴による基板上におけるリン酸化の検出方法 |
DE102007044380A1 (de) * | 2007-09-17 | 2009-03-19 | Siemens Ag | Verfahren zum rechnergestützten Lernen eines probabilistischen Netzes |
US7895146B2 (en) | 2007-12-03 | 2011-02-22 | Microsoft Corporation | Time modulated generative probabilistic models for automated causal discovery that monitors times of packets |
WO2009105718A1 (en) | 2008-02-20 | 2009-08-27 | The Children's Hospital Of Philadelphia | Genetic alterations associated with autism and the autistic phenotype and methods of use thereof for the diagnosis and treatmemt of autism |
US8173369B2 (en) | 2008-05-15 | 2012-05-08 | The Regents Of The University Of California | Peripheral gene expression biomarkers for autism |
US8005770B2 (en) * | 2008-06-09 | 2011-08-23 | Microsoft Corporation | Parallel generation of a bayesian network |
EA022884B1 (ru) | 2008-08-15 | 2016-03-31 | Мерримак Фармасьютикалз, Инк. | СПОСОБ ЛЕЧЕНИЯ ЗЛОКАЧЕСТВЕННОЙ ОПУХОЛИ С ИСПОЛЬЗОВАНИЕМ АНТИ-ErbB3 АНТИТЕЛА |
RU2529381C2 (ru) * | 2008-08-15 | 2014-09-27 | Конинклейке Филипс Электроникс Н.В. | Формирование модели усовершенствованного изображения |
US20110295782A1 (en) * | 2008-10-15 | 2011-12-01 | Alexander Stojadinovic | Clinical Decision Model |
EP3467123A3 (en) | 2008-11-17 | 2019-07-31 | Veracyte, Inc. | Methods and compositions of molecular profiling for disease diagnostics |
US20110294693A1 (en) | 2008-11-17 | 2011-12-01 | The George Washington University | Compositions and Methods for Identifying Autism Spectrum Disorders |
KR20120034649A (ko) | 2009-05-11 | 2012-04-12 | 버그 바이오시스템즈, 엘엘씨 | 환경대사적 전환인자(조효소 q10)를 사용한 질환의 치료 방법 |
US20110202486A1 (en) * | 2009-07-21 | 2011-08-18 | Glenn Fung | Healthcare Information Technology System for Predicting Development of Cardiovascular Conditions |
CN102625932A (zh) | 2009-09-08 | 2012-08-01 | 诺达利蒂公司 | 细胞网络分析 |
US20110112380A1 (en) * | 2009-11-12 | 2011-05-12 | eTenum, LLC | Method and System for Optimal Estimation in Medical Diagnosis |
US20130123124A1 (en) | 2010-03-12 | 2013-05-16 | Children's Medical Center Corporation | Methods and compositions for characterizing autism spectrum disorder based on gene expression patterns |
EP2600154A4 (en) | 2010-03-31 | 2014-06-11 | Univ Kumamoto Nat Univ Corp | METHOD FOR PRODUCING DATA SET FOR INTEGRATED PROTEOMIC, INTEGRATED PROTEASE METHOD USING THE DATA SET FOR INTEGRATED PROTEOME, THAT IS PRODUCED BY THE PRODUCTION METHOD, AND METHOD FOR IDENTIFYING, BY ITS USE, THE SUBSTANCE THAT IN THE ORIGIN |
EP2612293A4 (en) * | 2010-09-01 | 2016-05-04 | Apixio Inc | NAVIGATION ENGINE TYPE SYSTEM FOR MEDICAL INFORMATION (MINE) |
US11195213B2 (en) * | 2010-09-01 | 2021-12-07 | Apixio, Inc. | Method of optimizing patient-related outcomes |
CN103501859B (zh) * | 2011-03-02 | 2017-08-25 | 博格有限责任公司 | 基于细胞的探询式分析及其应用 |
CN103107315B (zh) | 2011-11-10 | 2016-03-30 | 北京有色金属研究总院 | 一种纳米硅碳复合材料及其制备方法 |
AU2013230045A1 (en) | 2012-03-05 | 2014-09-11 | Berg Llc | Compositions and methods for diagnosis and treatment of pervasive developmental disorder |
KR20200105524A (ko) | 2012-04-02 | 2020-09-07 | 버그 엘엘씨 | 조사적 세포 기반 분석 및 이의 사용 |
KR20150014986A (ko) | 2012-05-22 | 2015-02-09 | 버그 엘엘씨 | 약물-유도 독성 마커의 확인을 위한 인테로거토리 세포 기반 분석방법 |
US10482385B2 (en) | 2014-09-11 | 2019-11-19 | Berg Llc | Bayesian causal relationship network models for healthcare diagnosis and treatment based on patient data |
-
2015
- 2015-09-11 US US14/851,846 patent/US10482385B2/en active Active
- 2015-09-11 CN CN201580058049.5A patent/CN107111603A/zh active Pending
- 2015-09-11 CA CA2960837A patent/CA2960837A1/en active Pending
- 2015-09-11 SG SG11201701963UA patent/SG11201701963UA/en unknown
- 2015-09-11 AU AU2015314956A patent/AU2015314956A1/en not_active Abandoned
- 2015-09-11 CN CN202111477970.7A patent/CN114203296A/zh active Pending
- 2015-09-11 EP EP15839682.0A patent/EP3191975A4/en active Pending
- 2015-09-11 NZ NZ730197A patent/NZ730197A/en unknown
- 2015-09-11 SG SG10201902151UA patent/SG10201902151UA/en unknown
- 2015-09-11 WO PCT/US2015/049552 patent/WO2016040725A1/en active Application Filing
- 2015-09-11 JP JP2017513538A patent/JP6916107B2/ja active Active
-
2017
- 2017-03-06 ZA ZA2017/01611A patent/ZA201701611B/en unknown
- 2017-03-06 IL IL250966A patent/IL250966B/en unknown
-
2018
- 2018-02-27 HK HK18102759.7A patent/HK1243509A1/zh unknown
-
2019
- 2019-10-03 US US16/592,069 patent/US11734593B2/en active Active
-
2020
- 2020-10-02 AU AU2020244596A patent/AU2020244596B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023022495A1 (ko) * | 2021-08-20 | 2023-02-23 | 가톨릭대학교 산학협력단 | 예후 예측 장치, 방법 및 기록매체 |
Also Published As
Publication number | Publication date |
---|---|
AU2015314956A1 (en) | 2017-04-06 |
NZ730197A (en) | 2022-07-01 |
EP3191975A1 (en) | 2017-07-19 |
US20160171383A1 (en) | 2016-06-16 |
SG11201701963UA (en) | 2017-04-27 |
SG10201902151UA (en) | 2019-04-29 |
KR20170058391A (ko) | 2017-05-26 |
CN107111603A (zh) | 2017-08-29 |
JP2017537365A (ja) | 2017-12-14 |
WO2016040725A1 (en) | 2016-03-17 |
AU2020244596B2 (en) | 2023-02-23 |
ZA201701611B (en) | 2019-09-25 |
CA2960837A1 (en) | 2016-03-17 |
EP3191975A4 (en) | 2018-04-18 |
US10482385B2 (en) | 2019-11-19 |
US20200143278A1 (en) | 2020-05-07 |
US11734593B2 (en) | 2023-08-22 |
AU2020244596A1 (en) | 2020-11-05 |
HK1243509A1 (zh) | 2018-07-13 |
IL250966A0 (en) | 2017-04-30 |
IL250966B (en) | 2021-07-29 |
CN114203296A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6916107B2 (ja) | 患者データに基づく健康診断および治療のためのベイジアン因果関係ネットワークモデル | |
Iborra-Egea et al. | Mechanisms of action of sacubitril/valsartan on cardiac remodeling: a systems biology approach | |
Diller et al. | Lifespan perspective on congenital heart disease research: JACC state-of-the-art review | |
Paranjpe et al. | Insights into computational drug repurposing for neurodegenerative disease | |
US20160063212A1 (en) | System for Generating and Updating Treatment Guidelines and Estimating Effect Size of Treatment Steps | |
US20160098519A1 (en) | Systems and methods for scalable unsupervised multisource analysis | |
JP2016517556A (ja) | 健康学習システム及び方法 | |
US10783997B2 (en) | Personalized tolerance prediction of adverse drug events | |
US20230087969A1 (en) | Systems and methods for machine learning approaches to management of healthcare populations | |
Visco et al. | Artificial intelligence in hypertension management: an ace up your sleeve | |
Kaur et al. | Big data in nephrology | |
Dankwa‐Mullan et al. | Applications of big data science and analytic techniques for health disparities research | |
Mpanya et al. | Predicting in-hospital all-cause mortality in heart failure using machine learning | |
Ramon-Gonen et al. | Disease evolution and risk-based disease trajectories in congestive heart failure patients | |
Gandin et al. | Deep-learning-based prognostic modeling for incident heart failure in patients with diabetes using electronic health records: A retrospective cohort study | |
Rafiei et al. | Meta-learning in healthcare: A survey | |
Sharma et al. | Big data analytics in healthcare | |
JP2022551612A (ja) | 医療診断および介入推奨の指示 | |
KR102662004B1 (ko) | 환자 데이터에 기반한 헬스케어 진단 및 치료를 위한 베이지안 인과 관계 네트워크 모델 | |
Pushkaran et al. | From understanding diseases to drug design: can artificial intelligence bridge the gap? | |
US20240099666A1 (en) | Staging, Paging, and Engagement System for Real-Time Management for Patients at Risk for Cardiogenic Shock | |
Murphy et al. | Progress Toward Prognosis in Patients With Pulmonary Embolism | |
Kalantzaki et al. | Nonparametric network design and analysis of disease genes in oral cancer progression | |
WO2023239960A1 (en) | A clinical decision support tool and method for patients with pulmonary arterial hypertension | |
Kowalik et al. | Genotype assessment as a tool for improved risk prediction in cardiac surgery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180911 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191203 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200603 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201117 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210517 |
|
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: 20210615 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210715 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6916107 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |