JP7304960B2 - 健康情報に基づく予後スコア - Google Patents
健康情報に基づく予後スコア Download PDFInfo
- Publication number
- JP7304960B2 JP7304960B2 JP2021549757A JP2021549757A JP7304960B2 JP 7304960 B2 JP7304960 B2 JP 7304960B2 JP 2021549757 A JP2021549757 A JP 2021549757A JP 2021549757 A JP2021549757 A JP 2021549757A JP 7304960 B2 JP7304960 B2 JP 7304960B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- medical records
- machine learning
- medical
- score
- 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
- 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
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
[0001] 本出願は2019年2月26日出願の米国仮出願第62/810,700号及び2019年3月28日出願の米国仮出願第62/825,338号の優先権の利点を請求する。前述の出願の全体を参照により本明細書に援用する。
技術分野
[0002] 本開示は患者の生存率を予測するためのモデル支援システム及び方法に関する。
[0003] 末期的な可能性の医療状態を有する患者を治療する際、医者はしばしば患者の福利及び改善の尤度について難しい評価を行う。これらの予後判断はしばしば患者の適切な治療計画を判断する。患者の改善の尤度又は生存率の評価は、その多くが主観的であり且つ容易に測定可能でない多数の要因の組み合わせの考察に関与し得る。したがって、適切な治療計画を判断するのを助けるために、患者の死亡の尤度、短期改善及び全体的福利のより定量化可能な評価の必要性がある。
[0006] 本開示に整合する実施形態は患者の生存率を予測するためのシステム及び方法を含む。例示的実施形態では、少なくとも1つのプロセッサを含む患者のパフォーマンスステータスを予測するためのモデル支援システムが存在し得る。プロセッサは、患者に関連する構造化情報及び非構造化情報の少なくとも1つを含む患者の医療記録であって構造化患者ECOGスコアを欠く医療記録を格納するデータベースにアクセスし;患者に関連する構造化情報及び非構造化情報の少なくとも1つを分析し;上記分析に基づき、そして構造化ECOGスコア無しに、患者のパフォーマンスステータス予測を生成し;そして患者の予測パフォーマンスステータスを示す出力を提供するようにプログラムされ得、患者に関連する構造化情報及び非構造化情報の少なくとも1つの分析並びに患者の予測パフォーマンスステータスの生成はトレーニング済み機械学習モデル又は自然言語処理アルゴリズムの少なくとも1つにより行われる。
[0010] 本明細書に援用され本明細書の一部を構成する添付図面は本明細書と共に、様々な実施形態の原理を示しており、その原理を説明する役目を果たす。
[0018] 以下の詳細説明は添付図面を参照する。可能な限り、同じ参照符号が、同じ又は同様な部分を参照するために添付図面及び以下の明細書を通して使用される。いくつかの例示的実施形態が本明細書において説明されるが、修正形態、適応化形態及び他の実施形態が可能である。例えば、置換、追加又は修正が添付図面に示された部品に対しなされ得、本明細書において説明される例示的方法は、本開示方法に対して工程を置換、再順序付け、除去、又は追加することにより修正され得る。したがって、以下の詳細説明は開示された実施形態及び例に限定されない。その代りに、適切な範囲が添付の特許請求の範囲により定義される。
Claims (31)
- 第1の患者のパフォーマンスステータスを予測するためのモデル支援システムであって、前記システムは、
複数の医療記録を格納するデータベースにアクセスし;前記複数の医療記録内の各医療記録は、構造化情報又は非構造化情報の少なくとも1つを含み、
前記複数の医療記録内の医療記録の下位集合から第1の特徴を抽出し;
前記第1の抽出された特徴に基づき機械学習モデルをトレーニングし;前記機械学習モデルをトレーニングすることは、前記第1の抽出された特徴と、前記医療記録の下位集合に関連付けられる第2の患者の既知の結果の少なくとも1つとを相関付けることを含み、
前記複数の医療記録内の少なくとも1つの医療記録から第2の特徴を抽出し;前記少なくとも1つの医療記録は、前記第1の患者に関連付けられ、かつ、前記第1の患者の構造化ECOGスコアを欠き、
前記第2の特徴を前記機械学習モデルに入力し、前記第1の患者のECOGスコアを生成し;
前記第1の患者の前記生成されたECOGスコアに少なくとも部分的に基づいて、臨床試験に含むことの前記第1の患者の適合性を示す出力を生成するようにプログラムされた少なくとも1つのプロセッサを含む、システム。 - 前記機械学習モデルは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ランダムフォレストモデルの少なくとも1つを含む、請求項1に記載のシステム。
- 前記機械学習モデルはコックス比例ハザード回帰モデルを含む、請求項1に記載のシステム。
- 前記機械学習モデルはlasso回帰分析を適用する、請求項1に記載のシステム。
- 前記第1の患者に関連付けられる前記少なくとも1つの医療記録は医療提供者、研究所又は保険会社から受信される、請求項1に記載のシステム。
- 前記第1の患者に関連付けられる前記少なくとも1つの医療記録は、性別、生年月日、人種、体重、研究所結果、バイタルサイン、診断日、訪問日、投薬指示、診断コード、手順コード、薬コード、以前の療法、又は投薬管理の少なくとも1つについての情報を含む、請求項1に記載のシステム。
- 前記第1の患者に関連付けられる前記少なくとも1つの医療記録は、ヘルスケア提供者により書かれたテキスト、放射線学的報告、又は病理学報告の少なくとも1つを含む非構造化情報を含む、請求項1に記載のシステム。
- 前記少なくとも1つのプロセッサはさらに、前記第1の患者の生存率スコアを生成するようにプログラムされた、請求項1に記載のシステム。
- 前記生存率スコアは前記第1の患者が生き延びることが予想される期間の時間推定を含み、
前記少なくとも1つのプロセッサはさらに、前記第1の患者の前記生存率スコアを提示するようにプログラムされた、請求項8に記載のシステム。 - 前記第1の患者が生き延びることが予想される期間の前記時間推定は療法の開始日に対するものである、請求項9に記載のシステム。
- 前記少なくとも1つのプロセッサはさらに、前記臨床試験に含むことの前記第1の患者の前記適合性を示す出力又は前記生成されたECOGスコアの少なくとも1つを提示するようにプログラムされる、請求項1に記載のシステム。
- 前記臨床試験は療法を使用して前記第1の患者を治療することに関与する、請求項1に記載のシステム。
- 前記療法は癌療法である、請求項12に記載のシステム。
- 前記少なくとも1つのプロセッサはさらに:病気に起因する前記第1の患者の予想改善又は悪化の時間推定を生成するようにプログラムされる、請求項1に記載のシステム。
- 前記病気に起因する前記患者の予想改善又は悪化の前記時間推定は療法の開始日に対するものである、請求項14に記載のシステム。
- 前記少なくとも1つのプロセッサはさらに:療法の開始日後の所定期間にわたって、前記第1の患者内の腫瘍がどれだけ縮小又は成長すると予測されるかを示す推定を生成するようにプログラムされる、請求項1に記載のシステム。
- 前記複数の医療記録内の医療記録の前記下位集合は、医療記録の第1の下位集合を含み、
前記機械学習モデルは予測パフォーマンスステータスに関連付けられ、
医療記録の第2の下位集合から抽出される第3の特徴を前記機械学習モデルに入力することで、前記予測パフォーマンスステータスは、前記複数の医療記録内の医療記録の前記第2の下位集合に関連付けられる第3の患者のパフォーマンスステータスに少なくとも部分的に基づいて、生成され、医療記録の前記第2の下位集合は、医療記録の前記第1の下位集合に重複しない、請求項1に記載のシステム。 - 前記複数の医療記録内の各医療記録は、前記各医療記録に関連付けられる患者の構造化患者ECOGスコアを欠く、請求項1に記載のシステム。
- 前記第1の抽出された特徴又は前記第2の抽出された特徴の少なくとも1つを抽出することは、自然言語処理アルゴリズムを適用することを含む、請求項1に記載のシステム。
- 前記自然言語処理アルゴリズムは、ロジスティック回帰、ニューラルネットワーク、ランダムフォレストアルゴリズム、又はコックス比例ハザード回帰アルゴリズムの少なくとも1つを含む、請求項19に記載のシステム。
- 前記自然言語処理アルゴリズムはlasso回帰分析を適用する、請求項19に記載のシステム。
- 第1の患者のパフォーマンスステータスを予測するための方法であって、前記方法は、
前記患者に関連する構造化情報及び非構造化情報の少なくとも1つを含む前記患者の医療記録であって構造化患者ECOGスコアを欠く複数の医療記録を格納するデータベースにアクセスすることであって、前記複数の医療記録内の各医療記録は、構造化情報又は非構造化情報の少なくとも1つを含む、アクセスすること;
前記複数の医療記録内の医療記録の下位集合から第1の特徴を抽出すること;
前記第1の抽出された特徴に基づき機械学習モデルをトレーニングし、前記機械学習モデルをトレーニングすることは、前記第1の抽出された特徴と、前記医療記録の下位集合に関連付けられる第2の患者の既知の結果の少なくとも1つとを相関付けることを含む、トレーニングすること;
前記複数の医療記録内の少なくとも1つの医療記録から第2の特徴を抽出することであって、前記少なくとも1つの医療記録は、前記第1の患者に関連付けられ、かつ、前記第1の患者の構造化ECOGスコアを欠く、抽出すること;
前記第2の特徴を前記機械学習モデルに入力し、前記第1の患者のECOGスコアを生成すること;
前記第1の患者の前記生成されたECOGスコアに少なくとも部分的に基づいて、臨床試験に含むことの前記第1の患者の適合性を示す出力を生成すること、を含む、方法。 - 前記機械学習モデルは、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ランダムフォレストモデルの少なくとも1つを含む、請求項22に記載の方法。
- 前記第1の患者に関連付けられる前記少なくとも1つの医療記録は、性別、生年月日、人種、体重、研究所結果、バイタルサイン、診断日、訪問日、投薬指示、診断コード、手順コード、薬コード、以前の療法、又は投薬管理の少なくとも1つについての情報を含む、請求項22に記載の方法。
- 前記第1の患者に関連付けられる前記少なくとも1つの医療記録は、ヘルスケア提供者により書かれるテキスト、放射線学的報告、又は病理学報告の少なくとも1つを含む非構造化情報を含む、請求項22に記載の方法。
- 前記臨床試験に含むことの前記第1の患者の適合性を示す前記出力又は前記生成されたECOGスコアの少なくとも1つを提示することをさらに含む請求項22に記載の方法。
- 病気に起因する前記第1の患者の予想改善又は悪化の時間推定を生成することをさらに含む請求項22に記載の方法。
- 療法の開始日後の所定期間にわたって、前記第1の患者内の腫瘍がどれだけ縮小又は成長すると予測されるかを示すサイズ推定を生成することをさらに含む請求項22に記載の方法。
- 前記第1の患者の生存率予測を生成することをさらに含む、請求項22に記載の方法。
- 患者のパフォーマンスステータススコアを提供するシステムであって、前記システムは、
複数の医療記録を格納するデータベースにアクセスし;前記複数の医療記録は非構造化情報を含み、
前記患者に関連する治療方針を前記複数の医療記録に基づき識別し;前記複数の医療記録は前記治療方針に関連する前記患者の構造化ECOGスコアを欠き;
少なくとも1つのキーワードを用いて前記複数の医療記録内の非構造化情報の下位集合を照会し、前記複数の医療記録内の少なくとも1つの医療記録を取得し;
少なくとも1つのトレーニング済み機械学習モデル又は自然言語処理アルゴリズムの少なくとも1つを用いて前記少なくとも1つの取得された医療記録の非構造化情報から前記治療方針に関連する前記患者のECOGスコアを抽出し;
前記患者の前記抽出されたECOGスコアに少なくとも部分的に基づいて、臨床試験に含むことの前記患者の適合性を示す出力を生成
するようにプログラムされる少なくとも1つのプロセッサを含む、システム。 - 前記非構造化情報の前記照会された下位集合は前記治療方針の開始日の所定時間枠内に生成される非構造化情報を含む、請求項30に記載のシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023105485A JP2023123711A (ja) | 2019-02-26 | 2023-06-27 | 健康情報に基づく予後スコア |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962810700P | 2019-02-26 | 2019-02-26 | |
US62/810,700 | 2019-02-26 | ||
US201962825338P | 2019-03-28 | 2019-03-28 | |
US62/825,338 | 2019-03-28 | ||
PCT/US2020/019663 WO2020176476A1 (en) | 2019-02-26 | 2020-02-25 | Prognostic score based on health information |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023105485A Division JP2023123711A (ja) | 2019-02-26 | 2023-06-27 | 健康情報に基づく予後スコア |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022522148A JP2022522148A (ja) | 2022-04-14 |
JPWO2020176476A5 JPWO2020176476A5 (ja) | 2023-03-06 |
JP7304960B2 true JP7304960B2 (ja) | 2023-07-07 |
Family
ID=70005764
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021549757A Active JP7304960B2 (ja) | 2019-02-26 | 2020-02-25 | 健康情報に基づく予後スコア |
JP2023105485A Pending JP2023123711A (ja) | 2019-02-26 | 2023-06-27 | 健康情報に基づく予後スコア |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023105485A Pending JP2023123711A (ja) | 2019-02-26 | 2023-06-27 | 健康情報に基づく予後スコア |
Country Status (4)
Country | Link |
---|---|
US (2) | US11651252B2 (ja) |
EP (1) | EP3931844A1 (ja) |
JP (2) | JP7304960B2 (ja) |
WO (1) | WO2020176476A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11538583B2 (en) * | 2018-01-26 | 2022-12-27 | Hitachi High-Tech Solutions Corporation | Controlling devices to achieve medical outcomes |
US11768945B2 (en) * | 2020-04-07 | 2023-09-26 | Allstate Insurance Company | Machine learning system for determining a security vulnerability in computer software |
EP4179544A1 (en) * | 2020-08-14 | 2023-05-17 | Siemens Healthcare Diagnostics, Inc. | Estimating patient risk of cytokine storm using biomarkers |
US20220101180A1 (en) * | 2020-09-27 | 2022-03-31 | International Business Machines Corporation | Generation of machine learning model lineage events |
US11769114B2 (en) | 2020-12-03 | 2023-09-26 | Novartis Ag | Collaboration platform for enabling collaboration on data analysis across multiple disparate databases |
US11423725B1 (en) | 2021-04-20 | 2022-08-23 | Optum Services (Ireland) Limited | Generating time-based predictions and controlling access to the same |
CN113053535B (zh) * | 2021-04-20 | 2022-07-22 | 四川大学华西医院 | 一种医疗信息预测系统及医疗信息预测方法 |
CN113539414A (zh) * | 2021-07-30 | 2021-10-22 | 中电药明数据科技(成都)有限公司 | 一种抗生素用药合理性预测方法及系统 |
WO2023114412A1 (en) * | 2021-12-16 | 2023-06-22 | Flatiron Health, Inc. | Systems and methods for model-assisted data processing to predict biomarker status and testing dates |
US20230367967A1 (en) * | 2022-05-16 | 2023-11-16 | Jpmorgan Chase Bank, N.A. | System and method for interpreting stuctured and unstructured content to facilitate tailored transactions |
CN116959715B (zh) * | 2023-09-18 | 2024-01-09 | 之江实验室 | 一种基于时序演进过程解释的疾病预后预测系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017174406A (ja) | 2016-03-24 | 2017-09-28 | 富士通株式会社 | ヘルスケア・リスク推定システム及び方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7286970B2 (en) * | 2002-01-07 | 2007-10-23 | The Regents Of The University Of California | Computational model, method, and system for kinetically-tailoring multi-drug chemotherapy for individuals |
US20040193450A1 (en) * | 2003-03-24 | 2004-09-30 | Knapp Robert Ernest | Healthcare record classification system |
US8032308B2 (en) * | 2008-03-13 | 2011-10-04 | Siemens Medical Solutions Usa, Inc. | Modeling lung cancer survival probability after or side-effects from therapy |
US20160180041A1 (en) * | 2013-08-01 | 2016-06-23 | Children's Hospital Medical Center | Identification of Surgery Candidates Using Natural Language Processing |
US20160026917A1 (en) * | 2014-07-28 | 2016-01-28 | Causalytics, LLC | Ranking of random batches to identify predictive features |
US11514096B2 (en) * | 2015-09-01 | 2022-11-29 | Panjiva, Inc. | Natural language processing for entity resolution |
GB2575611A (en) * | 2017-04-13 | 2020-01-15 | Flatiron Health Inc | Systems and methods for model-assisted cohort selection |
US10311980B2 (en) * | 2017-05-05 | 2019-06-04 | Canary Speech, LLC | Medical assessment based on voice |
CA3062858A1 (en) * | 2017-05-12 | 2018-11-15 | The Regents Of The University Of Michigan | Individual and cohort pharmacological phenotype prediction platform |
JP7030853B2 (ja) | 2017-07-28 | 2022-03-07 | グーグル エルエルシー | 電子健康記録から医療イベントを予測して要約するためのシステムおよび方法 |
-
2020
- 2020-02-25 US US16/800,715 patent/US11651252B2/en active Active
- 2020-02-25 EP EP20714382.7A patent/EP3931844A1/en active Pending
- 2020-02-25 JP JP2021549757A patent/JP7304960B2/ja active Active
- 2020-02-25 WO PCT/US2020/019663 patent/WO2020176476A1/en unknown
-
2023
- 2023-04-11 US US18/133,215 patent/US20240078448A1/en active Pending
- 2023-06-27 JP JP2023105485A patent/JP2023123711A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017174406A (ja) | 2016-03-24 | 2017-09-28 | 富士通株式会社 | ヘルスケア・リスク推定システム及び方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020176476A1 (en) | 2020-09-03 |
US11651252B2 (en) | 2023-05-16 |
US20240078448A1 (en) | 2024-03-07 |
US20200272919A1 (en) | 2020-08-27 |
JP2022522148A (ja) | 2022-04-14 |
JP2023123711A (ja) | 2023-09-05 |
EP3931844A1 (en) | 2022-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7304960B2 (ja) | 健康情報に基づく予後スコア | |
JP7522167B2 (ja) | モデル支援コホート選択を行うシステム及び方法 | |
JP6915282B2 (ja) | オープンデータ及び臨床医の入力を用いて患者の治療リスクを評価するシステム及び方法 | |
JP6780520B2 (ja) | オープンデータ及び臨床医の入力を用いて患者のリスクを評価するシステム及び方法 | |
US11257584B2 (en) | Quantitative medical imaging reporting | |
Dalianis et al. | HEALTH BANK-A Workbench for Data Science Applications in Healthcare. | |
Canales et al. | Assessing the performance of clinical natural language processing systems: development of an evaluation methodology | |
CA3082239A1 (en) | System and method of using machine learning for extraction of symptoms from electronic health records | |
CN108231146B (zh) | 一种基于深度学习的医疗记录模型构建方法、系统及装置 | |
Tou et al. | Automatic infection detection based on electronic medical records | |
Kaswan et al. | AI-based natural language processing for the generation of meaningful information electronic health record (EHR) data | |
US11908586B2 (en) | Systems and methods for extracting dates associated with a patient condition | |
GB2548627A (en) | A system and a method for assessing patient treatment risk using open data and clinician input | |
Heryawan et al. | Deep learning and machine learning model comparison for diagnosis detection from medical records | |
US11830592B2 (en) | Machine learning model for extracting diagnoses, treatments, and key dates | |
US20230197220A1 (en) | Systems and methods for model-assisted data processing to predict biomarker status and testing dates | |
Krishna et al. | Data Science Applications inside Healthcare | |
Banerjee et al. | Prediction of Imaging Outcomes from Electronic Health Records: Pulmonary Embolism Case-Study. | |
Sobiczewska | Explainable AI methods in clinical practice to obtain satisfactory performance and doctors’ confidence | |
Chen et al. | Current and Best Practices for Evaluating Medication Safety Using Electronic Health Records (EHR): A Systematic Review | |
Luo et al. | Automated Extraction of Patient-Centered Outcomes After Breast Cancer Treatment: An Open-Source Large Language Model–Based Toolkit | |
Ashcroft | The consistency of a variety of machine learning and statistical models in predicting clinical risks of individual patients: A Longitudinal cohort study using cardiovascular disease as exemplar | |
Saluja et al. | Medical Diagnosis From Health Records Using Natural Language Processing (NLP) With Integration of Explainable Artificial Intelligence (XAI) | |
Nuthakki et al. | Integrating Predictive Analytics and Computational Statistics for Cardiovascular Health Decision-Making | |
van Putten | SYMPTOM EXTRACTION FROM ATRIAL FIBRILLATION PATIENT CLINICAL NOTES USING DEEP LEARNING |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230224 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230224 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230224 |
|
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: 20230531 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230627 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7304960 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |