JP7346419B2 - エンティティ間のコンテキスト的類似性の学習および適用 - Google Patents
エンティティ間のコンテキスト的類似性の学習および適用 Download PDFInfo
- Publication number
- JP7346419B2 JP7346419B2 JP2020533272A JP2020533272A JP7346419B2 JP 7346419 B2 JP7346419 B2 JP 7346419B2 JP 2020533272 A JP2020533272 A JP 2020533272A JP 2020533272 A JP2020533272 A JP 2020533272A JP 7346419 B2 JP7346419 B2 JP 7346419B2
- Authority
- JP
- Japan
- Prior art keywords
- context
- candidate entities
- similarity function
- trained
- value
- 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
- G16H50/70—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
[0035]次に、テンプレート類似性関数118を生成するための1つの技術について説明する。この説明は限定を意味するものではなく、他の技術および/またはテンプレート類似性関数が使用され得ることを理解されたい。本明細書では「テンプレート類似性関数」との表現が使用されているが、これは限定を意味するものではない。これらの関数は「カーネル」とも呼ばれ得る。この議論の目的のために、クエリ患者(例えば、臨床医が治療等に関する決定を行おうとしている患者)はpQとして表され、pqと比較される各候補患者はpcと表され得る。
[0040]次に、1つまたは複数の機械学習モデル120を訓練することにより、m個のテンプレート類似性関数118の集約された出力に基づき複合類似性スコアを生成するための技術の例について説明する。一部の実施形態では、機械学習モデル120は、m個のテンプレート類似性関数出力の凸結合であり得る複合類似性関数SC(pq,pc)であり得る。例えば、一部の実施形態では、複合類似性関数は以下のようにモデル化されてもよい。
[0044]図3~図5は、図1の臨床医決定アプリケーション112によってディスプレイ画面上に表示され得る例示的なグラフィカルユーザインターフェース(「GUI」)を示す。図3を参照すると、ダッシュボードGUI300は、例えば、臨床医がクエリ患者の記録を引き上げるときに、臨床医によって見られてもよい。この例では、ダッシュボードGUI300のタイトルバー内に示されるように、クエリ患者の名前は「John Doe」である。ダッシュボードGUI300は、臨床医がクエリ患者の現在の臨床的状態の概要を取得することを可能にする。多数の異なるパネル(図3には4つのパネル(3301-4)が描かれている)は、それぞれ、クエリ患者の状態のコンテキスト固有側面、例えば、特定の解剖学的システムの概要や、特定の疾患の状態等を伝達し得る。例えば、第1のパネル3301は心臓血管の健康状態の概要を与え得る。第2のパネル3302は、クエリ患者の心腎症候群(「CRS」)の概要を与える。第3のパネル3303は、クエリ患者の腎臓系の概要を与える。第4のパネル3304は、クエリ患者の呼吸器系の概要を与える。これらのパネル3301-4は単なる例であり、他の臨床的コンテキストの概要を提供する、より多くのまたは少ないパネルが提供され得る。
Claims (15)
- 1つまたは複数の類似するエンティティをユーザに提示するためのコンピュータ実施方法であって、前記コンピュータ実施方法は、1つまたは複数のプロセッサによって実施され、
クエリエンティティの第1の値をインターフェース上に表示するステップであって、前記第1の値は第1のコンテキストに関連する、表示するステップと、
機械学習アルゴリズムによって訓練された複数の異なる類似性関数である複数の訓練された類似性関数から、第1の訓練された類似性関数を選択するステップであって、前記第1のコンテキストに関連付けられている前記第1の訓練された類似性関数が選択される、選択するステップと、
選択された前記第1の訓練された類似性関数を、前記クエリエンティティに関連付けられた特徴セット、および複数の候補エンティティにそれぞれ関連付けられた複数の特徴セットに適用するステップと、
適用された前記第1の訓練された類似性関数に基づいて、前記複数の候補エンティティから1つまたは複数の類似する候補エンティティの第1のセットを選択するステップと、
前記1つまたは複数の類似する候補エンティティの第1のセットに関連付けられた臨床情報を前記インターフェース上に表示するステップとを含む、コンピュータ実施方法。 - 第2のコンテキストに関連する前記クエリエンティティの第2の値を前記インターフェース上に表示するステップと、
前記複数の訓練された類似性関数から、第2の訓練された類似性関数を選択するステップであって、前記第2のコンテキストに関連付けられている前記第2の訓練された類似性関数が選択される、選択するステップと、
選択された前記第2の訓練された類似性関数を、前記クエリエンティティに関連付けられた前記特徴セット、および前記複数の候補エンティティのそれぞれの前記特徴セットに適用するステップと、
適用された前記第2の訓練された類似性関数に基づいて、前記複数の候補エンティティから1つまたは複数の類似する候補エンティティの第2のセットを選択するステップと、
前記1つまたは複数の類似する候補エンティティの第2のセットに関連付けられた臨床情報を前記インターフェース上に表示するステップとをさらに含む、請求項1に記載のコンピュータ実施方法。 - 前記1つまたは複数の候補エンティティの第1のセットに関連付けられた臨床情報を表示するステップは、
前記1つまたは複数の候補エンティティの第1のセットの少なくとも1つの属性のそれぞれの値に従って、前記1つまたは複数の候補エンティティの第1のセットを複数のグループにグループ分けするステップと、
前記複数のグループのそれぞれについて、前記第1のコンテキストに関連する第1の値を取得するステップと、
各グループに関する臨床情報を、前記第1のコンテキストに関連するそれぞれの前記第1の値に関連付けて前記インターフェースに表示するステップとを含む、請求項1に記載のコンピュータ実施方法。 - 前記第1のコンテキストに関連する前記第1の値は、臨床意思決定支援アルゴリズムによって取得されるスコアである、請求項3に記載のコンピュータ実施方法。
- 前記少なくとも1つの属性は施された治療である、請求項4に記載のコンピュータ実施方法。
- 前記少なくとも1つの属性は患者転帰である、請求項4に記載のコンピュータ実施方法。
- 前記第1のコンテキストに関連するそれぞれの前記第1の値に関連付けられた、各グループに関する前記臨床情報は、患者転帰統計情報を含む、請求項3に記載のコンピュータ実施方法。
- 1つまたは複数のプロセッサと、前記1つまたは複数のプロセッサに動作可能に結合されたメモリとを備えるシステムであって、前記メモリは命令を保存し、前記1つまたは複数のプロセッサによって前記命令が実行されると、前記1つまたは複数のプロセッサは、
クエリエンティティの第1の値をインターフェース上に表示することであって、前記第1の値は第1のコンテキストに関連する、表示することと、
機械学習アルゴリズムによって訓練された複数の異なる類似性関数である複数の訓練された類似性関数から、第1の訓練された類似性関数を選択することであって、前記第1のコンテキストに関連付けられている前記第1の訓練された類似性関数が選択される、選択することと、
選択された前記第1の訓練された類似性関数を、前記クエリエンティティに関連付けられた特徴セット、および複数の候補エンティティにそれぞれ関連付けられた複数の特徴セットに適用することと、
適用された前記第1の訓練された類似性関数に基づいて、前記複数の候補エンティティから1つまたは複数の類似する候補エンティティの第1のセットを選択することと、
前記1つまたは複数の類似する候補エンティティの第1のセットに関連付けられた臨床情報を前記インターフェース上に表示することとを実行する、システム。 - 第2のコンテキストに関連する前記クエリエンティティの第2の値を前記インターフェース上に表示することと、
前記複数の訓練された類似性関数から、第2の訓練された類似性関数を選択することであって、前記第2のコンテキストに関連付けられている前記第2の訓練された類似性関数が選択される、選択することと、
選択された前記第2の訓練された類似性関数を、前記クエリエンティティに関連付けられた前記特徴セット、および前記複数の候補エンティティのそれぞれの前記特徴セットに適用することと、
適用された前記第2の訓練された類似性関数に基づいて、前記複数の候補エンティティから1つまたは複数の類似する候補エンティティの第2のセットを選択することと、
前記1つまたは複数の類似する候補エンティティの第2のセットに関連付けられた臨床情報を前記インターフェース上に表示することとを実行するための命令をさらに含む、請求項8に記載のシステム。 - 前記1つまたは複数の候補エンティティの第1のセットに関連付けられた臨床情報を表示することは、
前記1つまたは複数の候補エンティティの第1のセットの少なくとも1つの属性のそれぞれの値に従って、前記1つまたは複数の候補エンティティの第1のセットを複数のグループにグループ分けすることと、
前記複数のグループのそれぞれについて、前記第1のコンテキストに関連する第1の値を取得することと、
各グループに関する臨床情報を、前記第1のコンテキストに関連するそれぞれの前記第1の値に関連付けて前記インターフェース上に表示することとを含む、請求項8に記載のシステム。 - 前記第1のコンテキストに関連する前記第1の値は、臨床意思決定支援アルゴリズムによって取得されるスコアである、請求項10に記載のシステム。
- 前記少なくとも1つの属性は施された治療である、請求項11に記載のシステム。
- 前記少なくとも1つの属性は患者転帰である、請求項11に記載のシステム。
- 前記第1のコンテキストに関連するそれぞれの前記第1の値に関連付けられた、各グループに関する前記臨床情報は、患者転帰統計情報を含む、請求項10に記載のシステム。
- コンピュータプログラムがコンピュータ上で実行されるときに、請求項1から7のいずれか一項に記載のコンピュータ実施方法を実施するコンピュータプログラムコード手段を含む、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762607574P | 2017-12-19 | 2017-12-19 | |
US62/607,574 | 2017-12-19 | ||
PCT/EP2018/085354 WO2019121591A1 (en) | 2017-12-19 | 2018-12-18 | Learning and applying contextual similarities between entities |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021507392A JP2021507392A (ja) | 2021-02-22 |
JP7346419B2 true JP7346419B2 (ja) | 2023-09-19 |
Family
ID=64900897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020533272A Active JP7346419B2 (ja) | 2017-12-19 | 2018-12-18 | エンティティ間のコンテキスト的類似性の学習および適用 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11676733B2 (ja) |
EP (1) | EP3729461A1 (ja) |
JP (1) | JP7346419B2 (ja) |
CN (1) | CN111512395A (ja) |
WO (1) | WO2019121591A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102608736B1 (ko) * | 2020-12-15 | 2023-12-01 | 주식회사 포티투마루 | 질의에 대한 문서 검색 방법 및 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010172559A (ja) | 2009-01-30 | 2010-08-12 | Toshiba Corp | 医療診断支援システム及び医療診断支援装置 |
JP2013545177A (ja) | 2010-10-19 | 2013-12-19 | コーニンクレッカ フィリップス エヌ ヴェ | 特別な特性を実証する事例を用いて、患者データベースの動的成長を行うシステム及び方法 |
JP2014503894A (ja) | 2010-12-16 | 2014-02-13 | コーニンクレッカ フィリップス エヌ ヴェ | 事例ベース推論を用いた治療プランニングに対する医療判断支援のためのシステム及び方法 |
WO2016147290A1 (ja) | 2015-03-16 | 2016-09-22 | 富士通株式会社 | 情報分析プログラム、情報分析方法および情報分析装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007129308A2 (en) * | 2006-05-02 | 2007-11-15 | Galil Medical Ltd. | Cryotherapy planning and control system |
US7899764B2 (en) * | 2007-02-16 | 2011-03-01 | Siemens Aktiengesellschaft | Medical ontologies for machine learning and decision support |
US20100169323A1 (en) * | 2008-12-29 | 2010-07-01 | Microsoft Corporation | Query-Dependent Ranking Using K-Nearest Neighbor |
US20110131060A1 (en) * | 2009-11-30 | 2011-06-02 | Schuster David P | Automated System, Method and Apparatus for Providing Patient Information and Reminders Related to a Patient's Recovery Plan |
CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
KR101855179B1 (ko) * | 2011-12-21 | 2018-05-09 | 삼성전자 주식회사 | 질환 진단을 위한 최적의 진단 요소 셋 결정 장치 및 방법 |
US20140249855A1 (en) * | 2013-03-01 | 2014-09-04 | Airstrip Ip Holdings, Llc | Systems And Methods For Integrating, Unifying And Displaying Patient Data Across Healthcare Continua |
US20180253650A9 (en) * | 2014-08-06 | 2018-09-06 | Prysm, Inc. | Knowledge To User Mapping in Knowledge Automation System |
EP3234841A4 (en) | 2014-12-17 | 2018-08-29 | Foundation Medicine, Inc. | Computer-implemented system and method for identifying similar patients |
CA2972290A1 (en) | 2015-01-10 | 2016-07-14 | Deborah DULLEN | Method and apparatus for the measurement of autonomic function for the diagnosis and validation of patient treatments and outcomes |
US10019529B2 (en) * | 2015-11-19 | 2018-07-10 | International Business Machines Corporation | Identifying webpages accessible by unauthorized users via URL guessing or network sniffing |
US20170185730A1 (en) * | 2015-12-29 | 2017-06-29 | Case Western Reserve University | Machine learning approach to selecting candidates |
WO2017203262A2 (en) * | 2016-05-25 | 2017-11-30 | Metail Limited | Method and system for predicting garment attributes using deep learning |
-
2018
- 2018-12-18 JP JP2020533272A patent/JP7346419B2/ja active Active
- 2018-12-18 CN CN201880082737.9A patent/CN111512395A/zh active Pending
- 2018-12-18 EP EP18826589.6A patent/EP3729461A1/en not_active Withdrawn
- 2018-12-18 US US16/955,090 patent/US11676733B2/en active Active
- 2018-12-18 WO PCT/EP2018/085354 patent/WO2019121591A1/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010172559A (ja) | 2009-01-30 | 2010-08-12 | Toshiba Corp | 医療診断支援システム及び医療診断支援装置 |
JP2013545177A (ja) | 2010-10-19 | 2013-12-19 | コーニンクレッカ フィリップス エヌ ヴェ | 特別な特性を実証する事例を用いて、患者データベースの動的成長を行うシステム及び方法 |
JP2014503894A (ja) | 2010-12-16 | 2014-02-13 | コーニンクレッカ フィリップス エヌ ヴェ | 事例ベース推論を用いた治療プランニングに対する医療判断支援のためのシステム及び方法 |
WO2016147290A1 (ja) | 2015-03-16 | 2016-09-22 | 富士通株式会社 | 情報分析プログラム、情報分析方法および情報分析装置 |
Non-Patent Citations (2)
Title |
---|
勝田 江朗,Knowledge Integration,FUJITSU Vol.68 No.6 ,日本,富士通株式会社,2017年11月01日,第68巻,pp.68-74 |
梅原 佳宏,電子カルテを用いた医薬品の治療効果解析基盤に関する研究,情報処理学会 研究報告 データベースシステム(DBS) 2013-DBS-158 [online] ,日本,情報処理学会,2013年11月26日,pp.1-8 |
Also Published As
Publication number | Publication date |
---|---|
JP2021507392A (ja) | 2021-02-22 |
US20200388398A1 (en) | 2020-12-10 |
US11676733B2 (en) | 2023-06-13 |
WO2019121591A1 (en) | 2019-06-27 |
EP3729461A1 (en) | 2020-10-28 |
CN111512395A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11875277B2 (en) | Learning and applying contextual similiarities between entities | |
Zhang et al. | Shifting machine learning for healthcare from development to deployment and from models to data | |
Kim et al. | A deep learning model for real-time mortality prediction in critically ill children | |
Choe et al. | Content-based image retrieval by using deep learning for interstitial lung disease diagnosis with chest CT | |
US20180196873A1 (en) | Visualization framework based on document representation learning | |
US11288279B2 (en) | Cognitive computer assisted attribute acquisition through iterative disclosure | |
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 | |
Karaca et al. | Stroke Subtype Clustering by Multifractal Bayesian Denoising with Fuzzy C Means and K‐Means Algorithms | |
Kaswan et al. | AI-based natural language processing for the generation of meaningful information electronic health record (EHR) data | |
US20210257067A1 (en) | State transition prediction device, and device, method, and program for learning predictive model | |
Yang et al. | Right ventricular stroke work correlates with outcomes in pediatric pulmonary arterial hypertension | |
Zolfaghar et al. | Risk-o-meter: an intelligent clinical risk calculator | |
CN114078593A (zh) | 临床决策支持 | |
US10403403B2 (en) | Adaptive medical documentation system | |
Wang et al. | Multi-branching Temporal Convolutional Network with Tensor Data Completion for Diabetic Retinopathy Prediction | |
JP7346419B2 (ja) | エンティティ間のコンテキスト的類似性の学習および適用 | |
US20210335457A1 (en) | Mapping a patient to clinical trials for patient specific clinical decision support | |
Li et al. | White learning methodology: A case study of cancer-related disease factors analysis in real-time PACS environment | |
CN113053530A (zh) | 一种医疗时序数据综合信息提取方法 | |
Li et al. | Early prediction of sepsis using chatGPT-generated summaries and structured data | |
Nasarian et al. | Designing Interpretable ML System to Enhance Trustworthy AI in Healthcare: A Systematic Review of the Last Decade to A Proposed Robust Framework | |
WO2024064852A1 (en) | Spacetime attention for clinical outcome prediction | |
Mahmood et al. | Enhancing Coronary Artery Disease Prognosis: A Novel Dual-Class Boosted Decision Trees Strategy for Robust Optimization | |
Huang et al. | Employing feature engineering strategies to improve the performance of machine learning algorithms on echocardiogram dataset | |
Awan | Machine Learning with Applications to Heart Failure Data Analysis and Processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211215 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230419 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230906 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7346419 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |