JPWO2021084695A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021084695A5 JPWO2021084695A5 JP2021553994A JP2021553994A JPWO2021084695A5 JP WO2021084695 A5 JPWO2021084695 A5 JP WO2021084695A5 JP 2021553994 A JP2021553994 A JP 2021553994A JP 2021553994 A JP2021553994 A JP 2021553994A JP WO2021084695 A5 JPWO2021084695 A5 JP WO2021084695A5
- Authority
- JP
- Japan
- Prior art keywords
- patient
- condition
- model
- prediction
- predictive
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
- 230000010485 coping Effects 0.000 claims 1
Claims (13)
- 患者に関する情報である患者データを取得する取得手段と、
前記患者の状態である患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択する選択手段と、
前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する予測手段と
を備えることを特徴とする患者状態予測装置。 - 前記予測手段は、予測した将来の前記患者状態の変化に基づいて、前記患者が合併症を発症する可能性を示す合併症リスクを予測することを特徴とする請求項1に記載の患者状態予測装置。
- 前記予測手段は、予測した前記合併症リスクに基づいて、前記患者に対する対処に関する情報を出力することを特徴とする請求項2に記載の患者状態予測装置。
- 前記複数の予測モデルの各々は、前記予測モデルごとに定められた過去の第1期間における前記患者状態を用いて、将来の前記患者状態の変化を予測するモデルであることを特徴とする請求項1から3のいずれか一項に記載の患者状態予測装置。
- 前記選択手段は、前記患者の入院期間が長くなるほど、前記第1期間の長いモデルを選択することを特徴とする請求項4に記載の患者状態予測装置。
- 前記選択手段は、前記患者の年齢が低くなるほど、前記第1期間の長いモデルを選択することを特徴とする請求項4又は5に記載の患者状態予測装置。
- 前記複数の予測モデルの各々は、前記予測モデルごとに定められた将来の第2期間における前記患者状態の変化を予測するモデルであることを特徴とする請求項1から6のいずれか一項に記載の患者状態予測装置。
- 前記選択手段は、前記患者の状態を把握すべき期間が長いほど、前記第2期間の長いモデルを選択することを特徴とする請求項7に記載の患者状態予測装置。
- 前記患者データは、前記患者が行える動作の程度によって定まる指標を含むことを特徴とする請求項1から8のいずれか一項に記載の患者状態予測装置。
- 前記患者データは、前記患者の入院期間に関する情報を含むことを特徴とする請求項1から9のいずれか一項に記載の患者状態予測装置。
- 前記患者データは、前記患者のバイタルサインに関する情報を含むことを特徴とする請求項1から10のいずれか一項に記載の患者状態予測装置。
- 少なくとも1つのコンピュータによって、
患者に関する情報である患者データを取得し、
前記患者の状態である患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択し、
前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する
ことを特徴とする患者状態予測方法。 - 患者に関する情報である患者データを取得し、
前記患者の状態である患者状態の変化を予測する複数の予測モデルの中から、前記患者データに基づいて一の予測モデルを選択し、
前記一の予測モデルを用いて、将来の前記患者状態の変化を予測する
ようにコンピュータを動作させることを特徴とするコンピュータプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/042830 WO2021084695A1 (ja) | 2019-10-31 | 2019-10-31 | 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021084695A1 JPWO2021084695A1 (ja) | 2021-05-06 |
JPWO2021084695A5 true JPWO2021084695A5 (ja) | 2022-06-10 |
JP7400828B2 JP7400828B2 (ja) | 2023-12-19 |
Family
ID=75714999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021553994A Active JP7400828B2 (ja) | 2019-10-31 | 2019-10-31 | 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230197285A1 (ja) |
JP (1) | JP7400828B2 (ja) |
WO (1) | WO2021084695A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7220822B1 (ja) | 2022-03-23 | 2023-02-10 | 大塚製薬株式会社 | プログラム、情報処理装置、及び情報処理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006155411A (ja) | 2004-11-30 | 2006-06-15 | Houken Corp | 治療予測モデル構築システム、治療予測モデル構築方法、治療予測モデル構築用プログラム、治療内容検証・提案システム、治療内容検証・提案方法、治療内容検証・提案用プログラム、健康管理データダウンロード方法、着脱可能な記憶メディア |
JP2014512624A (ja) | 2011-04-20 | 2014-05-22 | ザ クリーブランド クリニック ファウンデーション | 予測モデリング |
JP6901308B2 (ja) | 2017-04-14 | 2021-07-14 | 株式会社日立製作所 | データ分析支援システム及びデータ分析支援方法 |
-
2019
- 2019-10-31 WO PCT/JP2019/042830 patent/WO2021084695A1/ja active Application Filing
- 2019-10-31 JP JP2021553994A patent/JP7400828B2/ja active Active
- 2019-10-31 US US17/768,970 patent/US20230197285A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102216689B1 (ko) | 시계열 의료 데이터를 통한 질병 예후 예측을 위한 딥 뉴럴 네트워크의 분류 결과 시각화 방법 및 시스템 | |
KR101869438B1 (ko) | 딥 러닝을 이용하여 환자의 진단 이력으로부터 질병 예후를 예측하는 방법 및 시스템 | |
KR102225894B1 (ko) | 딥 어텐션 네트워크를 이용하여 환자 의료 기록으로부터 질병 예후를 예측하는 방법 및 시스템 | |
Peelen et al. | Using hierarchical dynamic Bayesian networks to investigate dynamics of organ failure in patients in the Intensive Care Unit | |
JP6901146B2 (ja) | 健康状態予測装置、健康状態予測方法、及びプログラム | |
JP6783887B2 (ja) | 治療経路分析および管理プラットフォーム | |
JP2016197330A (ja) | 分析システム、リハビリテーション支援システム、方法およびプログラム | |
CN105431851A (zh) | 用于定制患者护理的健康护理决策支持系统 | |
JP2021097988A5 (ja) | ||
WO2012104803A1 (en) | Clinical decision support system for predictive discharge planning | |
US20220215961A1 (en) | Clinical decision support | |
JPWO2021084695A5 (ja) | ||
KR20200029425A (ko) | 딥 어텐션 네트워크를 이용하여 환자 의료 기록으로부터 질병 예후를 예측하는 방법 및 시스템 | |
Singhal | Predicting Congestive Heart failure using predictive analytics in AI | |
Roca et al. | Paradigm changes for diagnosis: using big data for prediction | |
JP7276477B2 (ja) | リハビリ計画装置、リハビリ計画システム、リハビリ計画方法、及びプログラム | |
EP4315008A1 (en) | Improved health management through causal relationship based feedback on behavior and health metrics captured by iot | |
Chen et al. | Targeted local support vector machine for age-dependent classification | |
WO2021084695A1 (ja) | 患者状態予測装置、患者状態予測方法、及びコンピュータプログラム | |
JPWO2022249407A5 (ja) | ||
JP6491659B2 (ja) | 新生児の発育をモニタリングする方法およびシステム | |
JP2020184248A5 (ja) | ||
JP6819725B2 (ja) | リハビリテーション支援システム、方法およびプログラム | |
JP2022514206A (ja) | 被検体の危険度を評価して危険度に基づいて被検体を分類する方法及びそれを用いた装置 | |
Thai et al. | A brief review of survival prediction of advanced cancer patients |