JP7462556B2 - 患者データ有効性解析のための装置 - Google Patents
患者データ有効性解析のための装置 Download PDFInfo
- Publication number
- JP7462556B2 JP7462556B2 JP2020529191A JP2020529191A JP7462556B2 JP 7462556 B2 JP7462556 B2 JP 7462556B2 JP 2020529191 A JP2020529191 A JP 2020529191A JP 2020529191 A JP2020529191 A JP 2020529191A JP 7462556 B2 JP7462556 B2 JP 7462556B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- data
- models
- variables
- data records
- 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
- 238000004458 analytical method Methods 0.000 title claims description 58
- 238000000034 method Methods 0.000 claims description 37
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 18
- 238000009795 derivation Methods 0.000 claims description 11
- 238000011160 research Methods 0.000 claims description 9
- 201000010099 disease Diseases 0.000 claims 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 2
- 208000009304 Acute Kidney Injury Diseases 0.000 description 8
- 208000033626 Renal failure acute Diseases 0.000 description 8
- 201000011040 acute kidney failure Diseases 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000002526 effect on cardiovascular system Effects 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000007502 anemia Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000013525 hypothesis research Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- 208000030090 Acute Disease Diseases 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010042464 Suicide attempt Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000003237 recreational drug Substances 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
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
- 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
- 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
- G16H50/70—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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
- 入力モジュールと、
- データ及びモデル解析モジュールと、
- 最適化モジュールと
を備える患者データ有効性解析のための装置が提供される。
- 少なくとも1つのデータソースと、
- 第1の態様及びオプションとして関連する例による患者データ有効性解析のための装置と、
- 出力ユニットと
を備える患者データ有効性解析のためのシステムが提供される。
a)複数のモデルを指定するステップであって、各モデルがモデル変数の関数として出力を提供する、指定するステップと、
b)複数のモデルの少なくともいくつかのモデル変数を定義するステップと、
c)ソース変数を指定するステップであって、
モデル変数が1つ又は複数のソース変数から導出される、指定するステップと、
d)少なくとも1つのデータソースを指定するステップと、
e)少なくとも1つのデータソースからの複数のデータ記録を受け取るステップであって、各データ記録が少なくとも1つの属性を含む、受け取るステップと、
f)複数のデータ記録から各モデルの利用可能なデータ記録のセットを決定するステップであって、モデルのための決定が、そのモデルのモデル変数と、関連するソース変数と、複数のデータ記録の少なくとも1つの属性とを利用することを含む、決定するステップと、
g)対応する複数のモデルの複数の有効性尺度を決定するステップであって、決定が、各モデルの決定された利用可能なデータ記録のセットを利用することを含む、決定するステップと、
h)複数のモデルのうちのサブセットのモデルをデータ有効性のトップモデルとして選択するステップであって、選択が、複数の有効性尺度を利用することを含む、選択するステップと
を有する患者データ有効性解析のための方法が提供される。
ステップa)とも呼ばれる指定するステップ210において、複数のモデルを指定するステップであって、各モデルがモデル変数の関数として出力を提供する、指定するステップと、
ステップb)とも呼ばれる定義するステップ220において、複数のモデルの少なくともいくつかのモデル変数を定義するステップと、
ステップc)とも呼ばれる指定するステップ230において、ソース変数を指定するステップであって、モデル変数が1つ又は複数のソース変数から導出される、指定するステップと、
ステップd)とも呼ばれる指定するステップ240において、少なくとも1つのデータソースを指定するステップと、
ステップe)とも呼ばれる受け取るステップ250において、少なくとも1つのデータソースからの複数のデータ記録を受け取るステップであって、各データ記録が少なくとも1つの属性を含む、受け取るステップと、
ステップf)とも呼ばれる決定するステップ260において、複数のデータ記録から各モデルの利用可能なデータ記録のセットを決定するステップであって、モデルのための決定が、そのモデルのモデル変数と、関連するソース変数と、複数のデータ記録の少なくとも1つの属性とを利用することを含む、決定するステップと、
ステップg)とも呼ばれる決定するステップ270において、対応する複数のモデルの複数の有効性尺度を決定するステップであって、決定が、各モデルの決定された利用可能なデータ記録のセットを利用することを含む、決定するステップと、
ステップh)とも呼ばれる選択するステップ280において、複数のモデルのうちのサブセットのモデルをデータ有効性のトップモデルとして選択するステップであって、選択が複数の有効性尺度を利用することを含む、選択するステップと
を有する。
1.モデルが異なると変数も異なる。データは、かなり異なる有効性でモデルをサポートすることがある。
2.前述の変数は、異なるデータソースに由来してもよく、又は多くのやり方を使用して(例えば、多数の検査室結果を組み合わせて)導出してもよい。データは、かなり異なる有効性で前述の変数をサポートする。
3.新しい仮説を検証するために(新しいモデルを構築するために)新しい変数を導入すると、やはり、データ有効性の制約条件を受ける(変数が多いほどクリーンなデータが少ない)。
1.ユーザが、仕様として収集され表されるデータソース、モデル、モデル変数、及びデータ期待値(制約条件)を指定するための入力モジュール。
・システムは、ユーザが、モデルの変数を入力し、変数導出のためのソース変数を指定し、予想データの制約条件を提供するためのインタフェースを備える。
・それは、ユーザ検索又はキーワードに従って、臨床ドメインの知識ベースから既存のリスクモデルを取り出し、それにより、モデル変数及び変数導出ルールの入力を簡単化する。しかしながら、リスクモデルをこのように取り出すことは必須ではない。
2.多数のデータソースとデータ有効性統計値の仕様とを統合するためのデータ及び仮説(モデル)解析モジュール。
・システムは、CDR、LIS、及び入院時診療記録(AN)などの関連データソースのリストを維持する。
・それは、仮説入力変数、対応するソース変数を一致させて、仮説変数、目標変数を導出する。それにより、データは、モデル変数及び目標変数を指定した後、取り出される。
・特定のモデル、その変数及びソース変数、並びに多数のデータソースからの対応するデータ属性について、システムは、利用可能なデータを取り出し、以下のものを計算する。
i.有効性尺度、その一実施形態は、利用可能な記録の数である。
ii.ユーザ制約条件で指定された変数の統計値(例えば、記録数、性別、予想する記録数における年齢、性別比、年齢範囲)。
iii.仮説が、例えば、受診者動作特性曲線(ROC)の曲線下面積(AUC)によって評価されるモデルである場合、モデル性能。モデル性能の計算は、患者データ有効性の決定に役立つが、必須ではない。
・それは、同等の属性のエイリアスを統合するために、接続されたセルフサービスデータクレンジングシステムを利用し、様々なデータソースの不一致をマージし、ノイズの多いデータを検出及び除去する。しかしながら、この機能は必須ではない。
3.データ有効性及びユーザデータ期待値(制約条件)を考慮して有効性尺度を最適化するための最適化モジュール。
・システムは、結果として生じた統計値(有効性尺度、ユーザ制約条件の変数統計値、及びオプションとしてモデル性能)を処理し、様々な変数選択肢から全体的な有効性スコアを最適化する。
・システムは、単一の全スコア又は多目的パレートフロントに従ってトップモデルを最終候補リストに入れ、ユーザに提示する。
・システムは、妥協したユーザ期待値(侵害された制約条件)の情報を出力する。
4.ユーザが関心を持った新しい属性のデータ有効性解析に適合する新しい属性解析モジュール。それ自体、事実上、上述のワークフローへの「アドオン」である。
・システムは、さらに、高度な解析に関するより多くの情報に対するユーザ要求に応じて関心のある新しい変数の導入をサポートする。
・システムは、同様のステップを実行し、新しいモデルデータの有効性結果を与える。
・それにより、新しい属性解析モジュールは、ユーザが後でさらに多くの属性(モデル変数)を追加したいというシナリオに対処する。
1.ポイント2で説明した「有効性尺度」:
・1つのベースラインの例では、特定のモデルの特定の変数選択肢選択に対する欠損値のない記録の数(純粋なクリーンセット)が、有効性尺度として使用され、オプションとして、目標変数に欠損がない記録の総数によって正規化される。
・別の例では、上述の正規化された数は、さらに、記録の特定の欠損の割合を受入れることによって重み付けされ、利用可能なデータを純粋にクリーンにすることができない場合に柔軟な調整を導入することができる。
・別の例では、尺度は、さらに、十分な利用可能なデータをもつより記述的なモデル(より多くの変数)が好まれる場合、変数の数によって重み付けされる。
2.モデルと変数選択肢とのすべての組合せを最適化する、ポイント3で説明した「最適化モジュール」。
・1つのベースラインの例では、すべての組合せは、最適化尺度に従って徹底的に評価される(ベースラインは、上述のように有効性尺度とすることができる)。
・別の例では、組合せの数が、扱いにくいほど大きい場合、ランダム探索、遺伝的アルゴリズムなどの確率的探索アルゴリズムが使用される。
・ユーザが指定したすべてのデータ期待値(有効性制約条件)は、厳しい制約条件として設定されており、制約条件を満たさないいずれの組合せも、最適化に向けて続行されない。
・別の例では、ユーザ指定の有効性制約条件が、新しい有効性尺度の一部としてマージされるか、又は追加のペナルティ項として追加される。そのとき、有効性最適化結果は、特定のユーザ指定期待値に妥協(違反)したものになる。例えば、性別比は1:3であるが、予想された比率は1:4であった。ユーザ指定期待値のそのような違反に関する相違は、ユーザ選択のために及び意思決定をガイドするのに役立つためにユーザに提示される。
Claims (14)
- 入力モジュールと、
データ及びモデル解析モジュールと、
最適化モジュールと
を備える患者データ有効性解析のための装置であって、
前記入力モジュールは、ユーザが複数のモデルを指定することを可能にし、各モデルが、臨床研究と、疾病転帰の予測とで使用され、各モデルが、モデル変数の関数として出力を提供し、前記入力モジュールは、前記ユーザが前記複数のモデルの少なくともいくつかのモデル変数を定義することを可能にし、前記入力モジュールは、前記ユーザがソース変数を指定することを可能にし、前記モデル変数が、1つ又は複数のソース変数から導出され、前記入力モジュールは、前記ユーザが少なくとも1つのデータソースを指定することを可能にし、
前記入力モジュールが、前記少なくとも1つのデータソースからの複数のデータ記録を受け取り、各データ記録が少なくとも1つの属性を含み、
前記データ及びモデル解析モジュールが、前記複数のデータ記録から各モデルの利用可能なデータ記録のセットを決定し、モデルに対する前記セットの決定が、そのモデルの前記モデル変数と、関連する前記ソース変数と、前記複数のデータ記録の前記少なくとも1つの属性との利用を含み、前記利用可能なデータ記録の各々が複数の値を含み、
前記データ及びモデル解析モジュールが、前記複数の値のうち閾値の数未満の値しか欠損していない各モデルの前記利用可能なデータ記録をクリーンなデータ記録として決定し、
前記データ及びモデル解析モジュールが、対応する前記複数のモデルの複数の有効性尺度を決定し、前記有効性尺度の決定が、各モデルの決定された前記利用可能なデータ記録のセットの利用を含み、モデルの前記有効性尺度が、そのモデルの前記クリーンなデータ記録の数を含み、
前記最適化モジュールが、前記複数のモデルのうちのサブセットのモデルをデータ有効性のトップモデルとしてランク付けし選択し、前記選択が前記複数の有効性尺度の利用を含む、装置。 - 前記入力モジュールは、前記ユーザが予想データの制約条件を提供することを可能にし、前記データ及びモデル解析モジュールが、前記複数のモデルの各モデルに対して、前記ユーザによって提供される前記予想データの制約条件で指定される変数の統計値を決定し、前記サブセットのモデルの前記選択が、前記複数のモデルの決定された前記変数の統計値の利用を含む、請求項1に記載の装置。
- 前記最適化モジュールは、前記トップモデルの前記利用可能なデータ記録のうちのいずれかのデータ記録が、前記ユーザによって入力された前記予想データの制約条件の範囲外にあるかどうかに関する情報を出力する、請求項2に記載の装置。
- 前記データ及びモデル解析モジュールが、前記複数のモデルのうちの少なくとも1つのモデルに対して少なくとも1つのモデル性能を決定し、前記サブセットのモデルの前記選択が、前記少なくとも1つのモデル性能の利用を含む、請求項1から3のいずれか一項に記載の装置。
- 前記最適化モジュールが、前記サブセットのモデルのうちの最良のモデルを決定する、請求項1から4のいずれか一項に記載の装置。
- 前記最適化モジュールが、前記サブセットのモデルをランク付けする、請求項1から4のいずれか一項に記載の装置。
- 前記モデルの前記有効性尺度が、そのモデルの前記クリーンなデータ記録の数を前記クリーンなデータ記録の総数で割ったものを含む。請求項1に記載の装置。
- 前記閾値が前記値の数の割合であり、それが0パーセントを含む、請求項1から7のいずれか一項に記載の装置。
- モデルの前記有効性尺度が、そのモデルのモデル変数の数によって重み付けされた値を有する、請求項1から8のいずれか一項に記載の装置。
- 前記データ及びモデル解析モジュールが、前記複数のモデルのうちの少なくとも1つに対して少なくとも1つのモデル変数を導出し、前記導出が、前記ユーザによって入力された前記モデル変数のうちの少なくともいくつかを、対応する少なくとも1つのソース変数と一致させることを含む、請求項1から9のいずれか一項に記載の装置。
- 前記入力モジュールは、前記ユーザが検索クエリを入力することを可能にし、前記複数のモデルを指定する前記ユーザが、前記検索クエリに従って少なくとも1つのモデルを識別する入力ユニットを備える、請求項1から10のいずれか一項に記載の装置。
- 少なくとも1つのデータソースと、
請求項1から11のいずれか一項に記載の患者データ有効性解析のための装置と、
出力ユニットと
を備える患者データ有効性解析のためのシステムであって、
複数の患者記録が、前記少なくとも1つのデータソースから入力ユニットに提供され、
前記出力ユニットが、データ有効性のトップモデルに関連する情報を出力する、システム。 - プロセッサにより実行される患者データ有効性解析のための方法であって、前記方法は、前記プロセッサが、
a)複数のモデルを指定するステップであって、各モデルが、臨床研究と、疾病転帰の予測とで使用され、各モデルがモデル変数の関数として出力を提供する、指定するステップと、
b)前記複数のモデルの少なくともいくつかのモデル変数を定義するステップと、
c)ソース変数を指定するステップであって、モデル変数が1つ又は複数のソース変数から導出される、指定するステップと、
d)少なくとも1つのデータソースを指定するステップと、
e)前記少なくとも1つのデータソースからの複数のデータ記録を受け取るステップであって、各データ記録が少なくとも1つの属性を含む、受け取るステップと、
f)前記複数のデータ記録から各モデルの利用可能なデータ記録のセットを決定するステップであって、モデルに対する前記決定が、そのモデルの前記モデル変数と、関連する前記ソース変数と、前記複数のデータ記録の前記少なくとも1つの属性とを利用することを含み、前記利用可能なデータ記録の各々が複数の値を含む、決定するステップと、
g)前記複数の値のうち閾値の数未満の値しか欠損していない各モデルの前記利用可能なデータ記録をクリーンなデータ記録として決定するステップと、
h)対応する前記複数のモデルの複数の有効性尺度を決定するステップであって、前記有効性尺度の決定が、各モデルの決定された前記利用可能なデータ記録のセットを利用することを含み、モデルの前記有効性尺度が、そのモデルの前記クリーンなデータ記録の数を含む、決定するステップと、
i)前記複数のモデルのうちのサブセットのモデルをデータ有効性のトップモデルとして選択しランク付けするステップであって、前記選択が、前記複数の有効性尺度を利用することを含む、選択しランク付けするステップと
を実行する、方法。 - プロセッサによって実行されたとき、請求項13に記載の方法を実行する請求項1から11のいずれか一項に記載の装置及び/又は請求項12に記載のシステムを制御するためのコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17210579.3 | 2017-12-26 | ||
EP17210579.3A EP3506268A1 (en) | 2017-12-26 | 2017-12-26 | Apparatus for patient data availability analysis |
PCT/EP2018/081888 WO2019105800A1 (en) | 2017-12-01 | 2018-11-20 | Apparatus for patient data availability analysis |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021507331A JP2021507331A (ja) | 2021-02-22 |
JP2021507331A5 JP2021507331A5 (ja) | 2022-01-04 |
JP7462556B2 true JP7462556B2 (ja) | 2024-04-05 |
Family
ID=60937572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020529191A Active JP7462556B2 (ja) | 2017-12-26 | 2018-11-20 | 患者データ有効性解析のための装置 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP3506268A1 (ja) |
JP (1) | JP7462556B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227838A (ja) | 2010-04-23 | 2011-11-10 | Kyoto Univ | 予測装置及びその学習装置並びにそれらのコンピュータプログラム |
JP2013131211A (ja) | 2011-12-21 | 2013-07-04 | Samsung Electronics Co Ltd | 疾患診断のための最適の診断要素セット決定装置及び方法 |
JP2017117469A (ja) | 2015-12-22 | 2017-06-29 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6604115B1 (en) | 1999-11-05 | 2003-08-05 | Ge Marquette Medical Systems, Inc. | Method and apparatus for storing data |
WO2014201515A1 (en) * | 2013-06-18 | 2014-12-24 | Deakin University | Medical data processing for risk prediction |
US10872684B2 (en) * | 2013-11-27 | 2020-12-22 | The Johns Hopkins University | System and method for medical data analysis and sharing |
US20150220868A1 (en) * | 2014-02-03 | 2015-08-06 | Patient Profiles, LLC | Evaluating Data Quality of Clinical Trials |
US10007701B2 (en) | 2014-07-16 | 2018-06-26 | Oracle International Corporation | Database consolidation advisor |
-
2017
- 2017-12-26 EP EP17210579.3A patent/EP3506268A1/en not_active Withdrawn
-
2018
- 2018-11-20 JP JP2020529191A patent/JP7462556B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227838A (ja) | 2010-04-23 | 2011-11-10 | Kyoto Univ | 予測装置及びその学習装置並びにそれらのコンピュータプログラム |
JP2013131211A (ja) | 2011-12-21 | 2013-07-04 | Samsung Electronics Co Ltd | 疾患診断のための最適の診断要素セット決定装置及び方法 |
JP2017117469A (ja) | 2015-12-22 | 2017-06-29 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021507331A (ja) | 2021-02-22 |
EP3506268A1 (en) | 2019-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US7487134B2 (en) | Medical risk stratifying method and system | |
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 | |
JP7245236B2 (ja) | 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 | |
JP2014512624A (ja) | 予測モデリング | |
JP6006081B2 (ja) | 疾患診断のための最適の診断要素セット決定装置及び方法 | |
JP2009533782A (ja) | 医療計画における個人的予後モデル化 | |
WO2015134530A1 (en) | Personalized content-based patient retrieval system | |
RU2628058C2 (ru) | Интегрированный доступ к множеству модулей анализа клинических данных и интеграция с упомянутыми модулями | |
JP2011508331A (ja) | 類似事例検索を精密化するための方法及び装置 | |
JP6812327B2 (ja) | 治療選択支援システム及び方法 | |
Lafta et al. | An intelligent recommender system based on predictive analysis in telehealthcare environment | |
EP3718116B1 (en) | Apparatus for patient data availability analysis | |
US20200058408A1 (en) | Systems, methods, and apparatus for linking family electronic medical records and prediction of medical conditions and health management | |
KR20160043777A (ko) | 질환 발병 예측 방법 및 그 장치 | |
JP6038727B2 (ja) | 分析システム及び分析方法 | |
EP4131279A1 (en) | Experience engine-method and apparatus of learning from similar patients | |
CN114078593A (zh) | 临床决策支持 | |
JP7462556B2 (ja) | 患者データ有効性解析のための装置 | |
JP5436446B2 (ja) | 薬剤の作用・副作用予測システムとそのプログラム | |
WO2023181009A1 (en) | Method and system for generating a patient-specific clinical meta-pathway using machine learning | |
WO2015173917A1 (ja) | 分析システム | |
JP6138824B2 (ja) | セルフケア行動の患者固有の順序付けられたリストを生成するための方法、システム及びコンピュータプログラム | |
KR20200059430A (ko) | 질병 증상 추천 시스템 및 방법 | |
WO2022085785A1 (ja) | 健康改善経路探索装置及び健康改善経路探索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211118 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211118 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230120 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231010 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231208 |
|
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: 20240226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240326 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7462556 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |