JP7476181B2 - モデル支援型事象予測のためのシステム及び方法 - Google Patents
モデル支援型事象予測のためのシステム及び方法 Download PDFInfo
- Publication number
- JP7476181B2 JP7476181B2 JP2021519558A JP2021519558A JP7476181B2 JP 7476181 B2 JP7476181 B2 JP 7476181B2 JP 2021519558 A JP2021519558 A JP 2021519558A JP 2021519558 A JP2021519558 A JP 2021519558A JP 7476181 B2 JP7476181 B2 JP 7476181B2
- Authority
- JP
- Japan
- Prior art keywords
- event
- document
- model
- date
- documents
- 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
- 238000000034 method Methods 0.000 title claims description 68
- 229940079593 drug Drugs 0.000 claims description 55
- 239000003814 drug Substances 0.000 claims description 55
- 230000014509 gene expression Effects 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 49
- 238000011282 treatment Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 208000006265 Renal cell carcinoma Diseases 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 208000002154 non-small cell lung carcinoma Diseases 0.000 description 6
- 208000029729 tumor suppressor gene on chromosome 11 Diseases 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 229940126701 oral medication Drugs 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000003445 Mouth Neoplasms Diseases 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 208000012987 lip and oral cavity carcinoma Diseases 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect 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
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06N5/04—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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
[0001] 本出願は2018年10月18日出願の米国特許仮出願第62/747,428号からの優先権の便宜を主張する。前述の出願の全内容をそのまま参照により本明細書に援用する。
技術分野
[0002] 本開示は事象に関係する日を予測するためのモデル支援型システム及び方法に関する。
[0003] 特にその治療景観が急速に進化している病気のための現実世界設定における治療(例えば経口投与される薬)の有効性を理解することが重要である。1つのこのような病気は腎細胞癌(RCC:renal cell carcinoma)である。経口薬は癌介護においてますます一般的になっている。2006年以来、10個の新しい標的薬がRCCに関して承認されており、これは現実世界証拠を使用する研究の恩恵を受ける可能性があるガイドラインにおける不確定性に繋がる。診療所において施されそして構造化(structured)電子健康記録(EHR:electronic health record)を介し注意深く追跡される静脈化学療法とは対照的に、経口薬物治療は通常は自己管理され、したがって余りうまく追跡されない。電子健康記録(EHR)に関するこのような研究を行うことにおける挑戦的課題は、治療情報が通常は家で自己管理される非構造化臨床ノート内の自由テキストだけにおいてしばしば出現する(口腔癌治療に関し特に広まっている現象)ということである。この情報を識別し構造化することは患者の治療履歴を理解する際の重要なタスクである。加えて、EHRから薬を抽出することに関する大抵の既存作業は退院時要約に集中してきた。しかし、癌などの慢性病に関して、薬物治療情報は、臨床ノート全体にわたって経時的に散乱しており、したがって患者記録全体にわたる合成を必要とする。
[0005] 本開示に合致するいくつかの実施形態は、患者に関連する事象の日を予測するためのシステム及び方法を含む。本開示のいくつかの実施形態は、日予測ベース非構造化データのモデルベース自動化技術を提供することにより、事象の日を予測するための既存技術の1つ又は複数の態様を克服し得る。例えば、トレーニングされたモデルが複数の非構造化文書を受信及びラベル付けし得る。モデルはまた、患者に関連する事象(例えば、患者が薬を服用すること)の開始データを予測し出力し得る。したがって、本開示のいくつかの実施形態によるモデルの使用は、事象の日のより早期且つより効率的な予測を可能にする。加えて、本開示のいくつかの実施形態による規則の使用は現存技術より精確であり得る。
[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。
[0024] 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、適応化及び他の実施が可能である。例えば、置換、追加又は修正が添付図面内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。その代わり、適切な範囲が添付の特許請求の範囲により定義される。
実験セットアップ
[0105] トレーニングデータは、電子健康記録(EHR)データから導出される経時的且つ人口統計学的且つ地理学的に多様性のあるデータベースであるデータベースから取得された転移性RCCを有する一組の患者の診療所訪問ノートに基づき取得された。経口薬投薬計画がそれらの開始日及び終了日と共にチャート精査を介し臨床専門家により抽出された。これらの日はラベル付けのために使用され、グラウンドトルースとして保持された。観察の単位は患者-薬ペアだった。臨床ノートが薬の少なくとも1つの記載(ジェネリック又はブランド名のいずれかによる)を含む患者-薬ペアだけが考慮された。172の様々な診療から8,259件のこのような患者-薬例があった。これらのうち、薬は、4,410件(53%)の例において実際に服用されたが、残りの例では、薬は臨床ノート内に記載されていたが服用されなかった。
[0110] RCC試験セットに関して、モデルは、0.944のF1スコア、45.8%のStart(0)スコア、52.4%のStop(0)スコア、85.9%のStart(30)スコア、及び77.6%のStop(30)スコアを有した。アブレーション研究(表1)では、2つの最良性能モデルは明示的にカスケードされたモデルだった。模擬文書タイムラインを有するモデルは、0日及び30日の両方で、元文書タイムラインを有するそのカウンターパートより性能が若干上回り、模擬タイムラインの疑似文書が有用文脈を追加したということを確認した。この効果は開始日統計に関してだけ見られ、このことは、開始日が終了日よりテキストで明示的に記載される可能性が高いという事実に合致する。
Claims (20)
- 患者に関係する事象の日を予測するためのモデル支援型システムであって、
複数の非構造化文書を含む前記患者の医療記録をストレージ装置から取得し;
前記事象の前記日を予測するためのモデルを取得し;
前記医療記録を前記モデルへ入力し;
前記複数の非構造化文書の文書毎に、文書が前記事象前の日に関係するということを指示する「事象前」ラベル、文書が前記事象中の日に関係するということを指示する「事象中」ラベル、文書が前記事象後の日に関係するということを指示する「事象後」ラベル、及び文書が前記事象に対して非決定的又は無関係であるということを指示する「非事象」ラベルを含む4つのラベルの中から判断されたラベルを前記モデルから割り当て;
前記複数の非構造化文書の前記ラベルに基づき前記事象の開始日を予測し;
前記予測された開始日を出力するように構成された少なくとも1つのプロセッサを含むシステム。 - 前記少なくとも1つのプロセッサはさらに、前記複数の非構造化文書の前記ラベルに基づき前記事象の終了日を予測するように構成される、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、
「事象前」ラベル、「事象中」ラベル又は「事象後」ラベルを有するいかなる文書も識別されなかったということを前記複数の非構造化文書の前記ラベルに基づき判断し;
前記複数の非構造化文書に関連付けられた複数の期間中にいかなる事象も発生しなかったということを判断するように構成される、請求項1に記載のシステム。 - 前記事象は前記患者により服用される薬に関係する、請求項1に記載のシステム。
- 前記事象は前記患者が受ける治療に関係する、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、前記複数の非構造化文書の文書毎に前記モデルから前記4つのラベルのそれぞれの確率スコアを取得するように構成される、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、前記複数の非構造化文書の文書毎に前記モデル及び前記複数の非構造化文書の1つ又は複数の文書に基づきタイムスタンプを判断するように構成される、請求項1に記載のシステム。
- 前記複数の非構造化文書の前記ラベルに基づき前記事象の前記開始日を予測することは、
前記複数の非構造化文書の中から「事象中」ラベルを有する1つ又は複数の文書を識別すること;
「事象中」ラベルを有する前記1つ又は複数の文書の中から最も早期のタイムスタンプを有する文書を選択すること;及び
前記選択された文書の前記タイムスタンプの日を前記事象の前記開始日として割り当てることを含む、請求項7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、
前記複数の非構造化文書の中から「事象後」ラベルを有する1つ又は複数の文書を識別し;
「事象後」ラベルを有する前記1つ又は複数の文書の中から最も早期のタイムスタンプを有する文書を選択し;
前記選択された文書の前記タイムスタンプの日を前記事象の終了日として割り当てるように構成される、請求項7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、前記複数の非構造化文書の各文書の前処理を行うように構成され、
前記前処理は前記事象に言及しない1つ又は複数の文章を除去すること又は重複情報を除去することのうちの少なくとも1つを含む、請求項1に記載のシステム。 - 前記モデルは入力層、1つ又は複数の隠れ層、及び出力層を含む、請求項1に記載のシステム。
- 患者に関係する事象の日を予測するためのモデル支援型システムであって、前記システムは、
複数の非構造化文書を含む前記患者の医療記録を取得し;
前記事象の日を予測するためのモデルを取得し;
前記医療記録を前記モデルへ入力し;
前記モデル及び前記医療記録に基づき、前記複数の非構造化文書の文書毎に:
前記複数の非構造化文書の各文書内の1つ又は複数の時間表現を識別し;
前記識別された1つ又は複数の時間表現に関係する1つ又は複数の日を判断し;
前記事象の開始、前記事象の終了又は非事象日に関連付けられるための前記判断された1つ又は複数の日の確率スコアを判断し;
前記確率スコアに基づき前記事象の開始日を予測し;及び
前記予測された開始日を出力するように構成される少なくとも1つのプロセッサを含むシステム。 - 前記少なくとも1つのプロセッサはさらに、前記確率スコアに基づき前記事象の終了日を予測するように構成される請求項12に記載のシステム。
- 前記事象は前記患者により服用される薬に関係する、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、前記複数の非構造化文書の各文書の前処理を行うように構成され、
前記前処理は前記事象に言及しない1つ又は複数の文章を除去すること又は重複情報を除去することのうちの少なくとも1つを含む、請求項12に記載のシステム。 - 前記複数の非構造化文書の少なくとも1つの文書に関し、前記識別された1つ又は複数の時間表現に関係する前記1つ又は複数の日を判断することは、
前記複数の非構造化文書の前記少なくとも1つの文書内の相対時間表現を識別すること;及び
前記識別された相対時間表現に基づきマップ日を前記複数の非構造化文書の前記少なくとも1つの文書の日付けとして判断することを含む、請求項12に記載のシステム。 - 前記マップ日を前記識別された相対時間表現に基づき前記複数の非構造化文書の前記少なくとも1つの文書の日付けとして判断することは、
前記識別された相対時間表現及び前記医療記録の別の文書に基づき前記複数の非構造化文書の前記少なくとも1つの文書の日付けとして前記マップ日を判断することを含む、請求項16に記載のシステム。 - 少なくとも1つのプロセッサはさらに、更新された医療記録を前記モデルから取得するように構成され、
前記更新された医療記録は前記複数の非構造化文書の改版された少なくとも1つの文書を含み、
前記複数の非構造化文書の前記改版された少なくとも1つの文書は前記相対時間表現を置換する前記マップ日を含む、請求項16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、
前記事象を予測するための第2のモデルを取得し;
前記更新された医療記録を前記第2のモデルへ入力し;
前記医療記録の文書の文書毎に、
文書が前記事象前の日に関係するということを指示する「事象前」ラベル、文書が前記事象中の日に関係するということを指示する「事象中」ラベル、文書が前記事象後の日に関係するということを指示する「事象後」ラベル、及び文書が前記事象に対して非決定的又は無関係であるということを指示する「非事象」ラベルを含む4つのラベルの中から前記第2のモデルにより判断されたラベルを前記第2のモデルから取得し;
前記更新された医療記録の前記文書の前記ラベルに基づき前記事象の第2の開始日を予測し;そして
前記予測された第2の開始日を出力することにより、前記更新された医療記録を処理するように構成される、請求項18に記載のシステム。 - 患者に関係する事象の日を予測するためのモデル支援型システムであって、前記システムは、
前記事象の日を予測するための第1のモデルを取得し;
複数の非構造化文書を含む前記患者の医療記録を前記第1のモデルへ入力し;
前記複数の非構造化文書の文書毎に、文書が前記事象前の日に関係するということを指示する「事象前」ラベル、文書が前記事象中の日に関係するということを指示する「事象中」ラベル、文書が前記事象後の日に関係するということを指示する「事象後」ラベル、及び文書が前記事象に対して非決定的又は無関係であるということを指示する「非事象」ラベルを含む4つのラベルの中から前記第1のモデルにより判断されたラベルを前記第1のモデルから取得し;
前記複数の非構造化文書の前記ラベルに基づき前記事象の第1の暫定開始日を予測し;
前記第1のモデルから前記第1の暫定開始日の確率スコアを取得し;
前記事象の日を予測するための第2のモデルを取得し;
前記医療記録を前記第2のモデルへ入力し;
前記第2のモデル及び前記医療記録に基づき、前記複数の非構造化文書の文書毎に:
前記複数の非構造化文書の各文書内の1つ又は複数の時間表現を識別し;
前記識別された1つ又は複数の時間表現に関係する1つ又は複数の日を判断し;
前記事象の開始、前記事象の終了又は非事象日に関連付けられるための前記判断された1つ又は複数の日の確率スコアを判断し;
前記判断された確率スコアに基づき前記事象の第2の暫定開始日を予測し;
前記第2の暫定開始日の確率スコアを判断し;そして
前記第1の暫定開始日、前記第1の暫定開始日の前記確率スコア、前記第2の暫定開始日、及び前記第2の暫定開始日の前記確率スコアに基づき前記事象の開始日を判断する
ように構成された少なくとも1つのプロセッサを含む、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862747428P | 2018-10-18 | 2018-10-18 | |
US62/747,428 | 2018-10-18 | ||
PCT/US2019/056207 WO2020081495A1 (en) | 2018-10-18 | 2019-10-15 | Systems and methods for model-assisted event prediction |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022504508A JP2022504508A (ja) | 2022-01-13 |
JP7476181B2 true JP7476181B2 (ja) | 2024-04-30 |
Family
ID=68426862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021519558A Active JP7476181B2 (ja) | 2018-10-18 | 2019-10-15 | モデル支援型事象予測のためのシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210090747A1 (ja) |
EP (1) | EP3867918A1 (ja) |
JP (1) | JP7476181B2 (ja) |
WO (1) | WO2020081495A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7499963B2 (ja) | 2020-12-03 | 2024-06-14 | ノバルティス アーゲー | 複数の異種のデータベースにまたがるデータ分析の共同を可能にするための共同プラットフォーム |
WO2022187628A1 (en) * | 2021-03-05 | 2022-09-09 | Flatiron Health, Inc. | Machine learning model for extracting diagnoses, treatments, and key dates |
US20230197220A1 (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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015103247A (ja) | 2013-11-22 | 2015-06-04 | ゼロックス コーポレイションXerox Corporation | 医療事象追跡システム |
EP2985711A1 (en) | 2014-08-14 | 2016-02-17 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160110501A1 (en) * | 2014-10-15 | 2016-04-21 | International Business Machines Corporation | Natural Language Processing Correction Based on Treatment Plan |
-
2019
- 2019-10-15 US US16/971,608 patent/US20210090747A1/en active Pending
- 2019-10-15 EP EP19797918.0A patent/EP3867918A1/en active Pending
- 2019-10-15 WO PCT/US2019/056207 patent/WO2020081495A1/en unknown
- 2019-10-15 JP JP2021519558A patent/JP7476181B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015103247A (ja) | 2013-11-22 | 2015-06-04 | ゼロックス コーポレイションXerox Corporation | 医療事象追跡システム |
EP2985711A1 (en) | 2014-08-14 | 2016-02-17 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
Also Published As
Publication number | Publication date |
---|---|
WO2020081495A1 (en) | 2020-04-23 |
US20210090747A1 (en) | 2021-03-25 |
EP3867918A1 (en) | 2021-08-25 |
JP2022504508A (ja) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734601B2 (en) | Systems and methods for model-assisted cohort selection | |
US11664097B2 (en) | Healthcare information technology system for predicting or preventing readmissions | |
US10885150B2 (en) | System and a method for assessing patient treatment risk using open data and clinician input | |
US10831863B2 (en) | System and a method for assessing patient risk using open data and clinician input | |
US11651252B2 (en) | Prognostic score based on health information | |
US20220044812A1 (en) | Automated generation of structured patient data record | |
US20190006027A1 (en) | Automatic identification and extraction of medical conditions and evidences from electronic health records | |
US20130096945A1 (en) | Method and System for Ontology Based Analytics | |
US11728014B2 (en) | Deep learning architecture for analyzing unstructured data | |
JP7476181B2 (ja) | モデル支援型事象予測のためのシステム及び方法 | |
Szlosek et al. | Using machine learning and natural language processing algorithms to automate the evaluation of clinical decision support in electronic medical record systems | |
US11527312B2 (en) | Clinical report retrieval and/or comparison | |
US20210391087A1 (en) | Systems and methods for extracting dates associated with a patient condition | |
Funkner et al. | Negation Detection for Clinical Text Mining in Russian. | |
US20220284999A1 (en) | Machine learning model for extracting diagnoses, treatments, and key dates | |
US20240079102A1 (en) | Methods and systems for patient information summaries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221012 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231018 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231020 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240116 |
|
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: 20240322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240417 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7476181 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |