KR102249739B1 - 필기 인식 툴 - Google Patents

Abstract

특정 구현예는 프로세서 상에서 구현되는 방법을 제시할 수 있고, 이러한 방법은: 컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 단계; 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 단계; 전자 문서 내에서 제1 부분에 대한 제1 공간 주파수를 식별하는 단계; 전자 문서 내에서 제2 부분에 대한 제2 공간 주파수를 식별하는 단계; 제1 공간 주파수에 기초하여 헤더를 식별하는 단계; 헤더를 이용하여 처방자를 식별하는 단계; 처방자에 대한 프로파일을 검색하는 단계; 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석하는 단계; 및 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석하는 것에 기초하여, 약제 처방과 연관되는 의료 트랜잭션에 대하여 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 단계를 포함한다.

Description

필기 인식 툴{HANDWRITING RECOGNITION TOOL}

헬스 케어는 수많은 에러의 가능성을 가지고 운영되는 복잡한 시스템으로 남아 있다. 이러한 복잡성을 고려하여, 운영자는 헬스 케어의 품질을 개선하고 비용을 줄이기 위해 새로운 기술을 도입할 수 있다.

일 양상으로서, 특정 구현예는 프로세서 상에서 구현되는 방법을 제시할 수 있고, 이러한 방법은: 컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 단계; 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 단계; 전자 문서 내에서 제1 부분에 대한 제1 공간 주파수를 식별하는 단계; 전자 문서 내에서 제2 부분에 대한 제2 공간 주파수를 식별하는 단계; 제1 공간 주파수에 기초하여 헤더를 식별하는 단계; 헤더를 이용하여 처방자를 식별하는 단계; 처방자에 대한 프로파일을 검색하는 단계; 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석하는 단계; 및 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석하는 것에 기초하여, 약제 처방과 연관되는 의료 트랜잭션에 대하여 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 단계를 포함한다.

구현예는 다음의 특징을 포함할 수 있다. 상기 구성성분 영역을 식별하는 단계는, 참조 객체를 위해 전자 문서를 검사하고 상기 참조 객체를 이용하여 상기 제1 부분 및 제2 부분을 식별하는 것을 포함할 수 있다. 상기 구성성분 영역을 식별하는 단계는, 상기 전자 문서에 나타나는 내용과 무관하게 기술되는 구성성분 영역을 식별하는 것을 포함할 수 있다. 상기 구성성분 영역을 식별하는 단계는, 문서 포맷을 식별하기 위해 예비 수준의 처리를 수행하고 상기 문서 포맷을 이용하여 제1 영역과 제2 영역을 특정하는 것을 포함할 수 있다. 상기 제1 공간 주파수와 제2 공간 주파수를 식별하는 것은, 문서의 일부에 대해 고속 푸리에 변환을 수행하고 공간 정보를 주파수 정보로 변환하는 것을 포함할 수 있다. 상기 제1 공간 주파수에 기초하여 상기 헤더를 식별하는 것은, 상기 제1 공간 주파수를 알려진 헤더의 주파수의 라이브러리와 비교하는 것을 포함할 수 있다.

상기 처방자에 대한 프로파일을 검색하는 단계는, 상기 처방자의 진료와 연관된 용어의 사전을 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 단계는, 주파수 영역으로 표현되는 상기 처방자에 대한 용어의 사전을 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 단계는, 사전에 나타나는 용어에 대해 상이한 주파수 표현을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 단계는, 사전에 나타나는 용어에 대해 상이한 주파수 표현을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 단계는, 사전에 나타나는 상이한 용어와 상기 제2 공간 주파수 간의 상관관계의 확률을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함할 수 있다.

상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 것에 기초하여, 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 단계는, 상기 약제 처방을 나타내는 수신된 상기 전자 문서에 기초하여 전자 문서 처방을 생성하는 것을 포함할 수 있다.

다른 양상으로서, 특정 구현예는 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템을 제시할 수 있고, 상기 적어도 하나의 프로세서는: 컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 동작; 상기 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 동작; 상기 전자 문서 내에서 상기 제1 부분에 대한 제1 공간 주파수를 식별하는 동작; 상기 전자 문서 내에서 상기 제2 부분에 대한 제2 공간 주파수를 식별하는 동작; 상기 제1 공간 주파수에 기초하여 헤더를 식별하는 동작; 상기 헤더를 이용하여 처방자를 식별하는 동작; 상기 처방자에 대한 프로파일을 검색하는 동작; 상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 동작; 및 상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 것에 기초하여, 상기 약제 처방과 연관되는 의료 트랜잭션에 대하여 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 동작을 수행하도록 구성된다.

구현예는 다음 특징을 포함할 수 있다. 상기 구성성분 영역을 식별하는 동작은, 참조 객체를 위해 전자 문서를 검사하고 상기 참조 객체를 이용하여 상기 제1 부분 및 제2 부분을 식별하는 것을 포함할 수 있다. 상기 구성성분 영역을 식별하는 동작은, 상기 전자 문서에 나타나는 내용과 무관하게 기술되는 구성성분 영역을 식별하는 것을 포함할 수 있다. 상기 구성성분 영역을 식별하는 동작은, 문서 포맷을 식별하기 위해 예비 수준의 처리를 수행하고 상기 문서 포맷을 이용하여 제1 영역과 제2 영역을 특정하는 것을 포함할 수 있다. 상기 제1 공간 주파수와 제2 공간 주파수를 식별하는 동작은, 문서의 일부에 대해 고속 푸리에 변환을 수행하고 공간 정보를 주파수 정보로 변환하는 것을 포함할 수 있다. 상기 제1 공간 주파수에 기초하여 상기 헤더를 식별하는 동작은, 상기 제1 공간 주파수를 알려진 헤더의 주파수의 라이브러리와 비교하는 것을 포함할 수 있다.

상기 처방자에 대한 프로파일을 검색하는 동작은, 상기 처방자의 진료와 연관된 용어의 사전을 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 동작은, 주파수 영역으로 표현되는 상기 처방자에 대한 용어의 사전을 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 동작은, 사전에 나타나는 용어에 대해 상이한 주파수 표현을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 동작은, 사전에 나타나는 용어에 대해 상이한 주파수 표현을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함할 수 있다. 상기 처방자에 대한 프로파일을 검색하는 동작은, 사전에 나타나는 상이한 용어와 상기 제2 공간 주파수 간의 상관관계의 확률을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함할 수 있다.

상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 것에 기초하여, 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 동작은, 상기 약제 처방을 나타내는 수신된 상기 전자 문서에 기초하여 전자 문서 처방을 생성하는 것을 포함할 수 있다.

또 다른 양상으로서, 특정 실시예는 소프트웨어 명령을 포함하는 컴퓨터 판독가능 매체를 제시하며, 상기 소프트웨어 명령은 컴퓨터에 의해 실행되는 경우 상기 컴퓨터로 하여금: 컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 동작; 상기 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 동작; 상기 전자 문서 내에서 상기 제1 부분에 대한 제1 공간 주파수를 식별하는 동작; 상기 전자 문서 내에서 상기 제2 부분에 대한 제2 공간 주파수를 식별하는 동작; 상기 제1 공간 주파수에 기초하여 헤더를 식별하는 동작; 상기 헤더를 이용하여 처방자를 식별하는 동작; 상기 처방자에 대한 프로파일을 검색하는 동작; 상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 동작; 및 상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 것에 기초하여, 상기 약제 처방과 연관되는 의료 트랜잭션에 대하여 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 동작을 수행하도록 한다.

도 1a는 특정 실시예에 따라 트랜잭션 레코드를 생성하도록 처리되는 처방의 예시이다.
도 1b는 한 가지 특정 처방 양식으로부터 취해지는 단어 패턴을 나타낸다.
도 1c는 이러한 특정 처방 양식에서 단어 패턴의 식별된 위치를 나타낸다.
도 1d 내지 1g는 단어 패턴을 포함하는 다른 처방 양식에서 단어 패턴의 식별된 위치(들)를 각각 나타낸다.
도 2는 전자 문서가 어떻게 분석되는지를 예시하는 구성의 일례이다.
도 3은 전자 문서의 일부가 어떻게 분석될 수 있는지를 예시한다.
도 4는 전자 문서의 일부가 어떻게 사전처리될 수 있는지를 예시한다.
도 5는 호스트 상의 분석 엔진이 어떻게 자동 수정을 수행할 수 있는지를 예시한다.
도 6은 전자 문서 내에서 필기의 공간 주파수를 분석함으로써 트랜잭션 레코드를 생성하도록 구성되는 시스템의 일례이다.
도 7 및 8은 시스템이 전자 문서 내에서 필기의 공간 주파수를 분석함으로써 트랜잭션 레코드를 생성하도록 구성되는 프로세스의 예시이다.

헬스 케어 시스템의 관계자는 자동화 이용의 증가를 통하여 보다 높은 수준의 정확도, 서비스 및 효율성을 제공하고자 한다. 예를 들어, 보험 회사는 트랜잭션을 기술하는 전자 레코드를 생성하고, 정확성 및 기타 다른 이슈를 위해 전자 레코드를 심사하며, 승인될 수 있는 청구에 적절한 경우에 지불을 지시함으로써 청구의 처리를 신속히 할 수 있다. 그 다음으로 보험 회사는 위험한 상황, 치료 효험을 식별하고 사기 여부를 심사하며 의사에게 피드백을 제공하기 위해 체계적인 결과를 분석할 수 있다. 헬스 케어 시스템에서의 기타 다른 행위자는 사무 자동화를 통해 이와 다른 목적을 실현하려 할 수 있다.

그러나, 헬스 케어 트랜잭션 처리의 다양한 양상은 자동화하기가 더 어려울 수 있고, 및/또는 자동화된 네트워크에 통합되는 것을 곤란하게 할 수 있는 고유의 속성을 가질 수 있다. 이러한 한 가지 영역은 처방의 처리에 있다. 처방 데이터에는 엄청난 양의 유용한 데이터와 바람직한 체계적 목적이 존재한다. 예를 들면, 제약 회사는 시스템 효율성을 추가로 결정하고 판매 및 유통 패턴도 결정하려 할 수 있다. 규제 기관은 규제 약물의 불법적인 사용을 줄이려고 할 수 있다. 보험 회사는 보다 양호하게 비용을 관리하고 규정 준수 여부를 심사하려 할 수 있다. 약사는 처방의 부정확한 이행을 통해 유발되는 해석적인 에러를 줄이려 할 수 있다. 이러한 목적 중 하나 이상을 실현하기 위해 처방의 자동화된 처리가 이용될 수 있다. 다양한 수준의 전자 처방 "패드" 또는 처방 시스템이 이용 및/또는 채용될 수 있지만, 수용 정도, 자동화 정도 및 확립된 절차의 준수 정도 등은 처방자, 시설 및 네트워크 능력(예를 들면, 이스크립트(eScripts) 또는 주문형 답변(Answers-on-Demand))에 따라 달라질 수 있다. 전자 처방 시스템이 채용된 경우에도, 하나 이상의 비자동화된 장애물이 남아 있을 수 있다. 따라서, 다양한 처방 입력 시스템을 수용하기 위해 복잡하고 포괄적인 시스템이 요구될 수 있다.

일부 경우에, 의사로부터 처방의 하드 카피가 수집되고, 재분배되며, 종이의 뒷면에 수동으로 코드화되어, 이렇게 코드화된 데이터가 컴퓨터 시스템에 수동으로 입력된다. 전체 감사는 다수의 공동 수집 및 코딩 센터를 운영하는 다양한 회사(예를 들면, TPC)에 운영 프로세스를 아웃소싱하는 수집자(예를 들어, Nielsen)로 아웃소싱될 수 있고 이러한 센터에서 오퍼레이터가 처방을 판독하고 처리하려고 한다. 그러나, 처방과 관련된 데이터를 입력하기 위해 오퍼레이터를 채용하는 프로세스는 시간 소모적이며, 에러에 취약하고 비용이 많이 든다. 다시 말해서, 임의적인 사람의 필기 처방을 판독하는 것은 문제의 소지가 많을 수 있다. 필기는 종종 크기, 배향, 및 기타 많은 기준(예컨대, 좁은 정도, 폭, 둥근 정도, 모난 정도, 일관성 등)이 개개인마다 상이하다.

문제는 이미지 처리 소프트웨어 애플리케이션에 의해 의사의 처방의 내용이 식별되고 레퍼런스 데이터(예를 들면, IMS 헬스 레퍼런스 데이터 분석 포맷에 부합하는 데이터)로 맵핑될 수 있는지 여부이다. 동작은 데이터 세트를 필기와 연관된 특정한 사람과 관련시킴으로써 단순화될 수 있다. 이와 같이 작성자 개인 특정 필기를 이용하는 것은, 동일한 사람이 동일한 단어를 유사한 방식으로 기록하는 경우에 보다 양호하게 기능할 수 있다. 이러한 원칙의 한 가지 공통된 예시는, 개인이 문서(예컨대, 의사의 주문 제작된 패드에 기록되는 처방)에 서명을 하는 방식이다. 시스템은 의사 또는 기타 다른 헬스 케어 행위자에 의해 인덱스화된 데이터베이스에 저장될 수 있는 처방에 기록될 수 있는 가능한 관련 단어로 이루어진 작성자/개인 특정 사전을 구축하고자 할 수 있다. 이러한 개인 특정 사전은 진단, 증상, 팩, 성별 및 연령을 말해주는 맵핑을 포함할 수 있다.

따라서, 중개자가 필기 스크립트의 이미지의 전자적 표현을 분해하고, 적어도 부분적으로 이미지의 전자적 표현의 상이한 구성성분 부분 내에 존재하는 계산된 공간 주파수의 기술에 기초하여 이러한 상이한 구성성분 부분을 처리함으로써, 필기 스크립트(또는 부분적으로 견본/표준화된 양식으로 인쇄될 수 있는 패드 상의 필기 양상)의 이미지를 처리할 수 있다. 예를 들어, 약제 처방을 나타내는 전자 문서가 호스트 상에서 수신될 수 있다. 이러한 전자 문서의 수신은, 인터넷 프로토콜(IP) 네트워크를 통해서 메시지에 처방의 첨부된 이미지와 함께 메시지의 시퀀스를 수신하는 것을 포함할 수 있다. 이러한 이미지는 약사의 사무실에서 원격으로 스캐닝되거나 지역의 처리 센터에서 대량으로 스캔될 수 있다. 호스트는 전자 문서 내에서 적어도 제1 부분 및 제2 부분을 포함하는 구성성분 영역을 식별한다. 예를 들어, 제1 부분은 패드 상에 인쇄된 헤더를 포함할 수 있고, 제2 부분은 서명란 및/또는 필기 처방 데이터를 포함할 수 있다. 호스트는 전자 문서 내에서 제1 부분에 대한 계산된 공간 주파수의 제1 패턴을 식별한다. 예를 들어, 호스트는 의사(또는 진료)를 식별하는 스크립트의 일부에 대해 고속 푸리에 변환(FFT)을 수행할 수 있다. FFT는 알려진 구조에 대한 상대적인 이미지 배향의 효과를 제거하기 위해 이용될 수 있는데, 주파수 영역에서의 정보가 하부의 스캔 문서의 정확한 정렬에 의존하지 않는 방식으로 식별될 수 있기 때문이다. 그 다음, 레지던트 주파수가 하부의 내용을 대표하는 서명으로서 이용될 수 있다.

호스트는 전자 문서 내에서 제2 부분에 대해 공간 주파수의 제2 패턴을 식별한다. 이러한 공간 주파수의 제2 패턴의 식별은, 하부의 진단, 주석, 약제 화합물, 치료 지시문(복용량, 횟수), 및 처방을 이행하는데 필요한 데이터를 처리 및/또는 라벨표기(labeling)하고 이행을 전달하는데 이용되는 기타 다른 데이터와 연관되는 영역의 식별을 포함할 수 있다.

호스트는 공간 주파수의 제1 패턴에 기초하여 헤더를 식별할 수 있다. 공간 주파수의 제1 패턴은 진료 정보가 일부 패드 상에서 통상적으로 패드의 상부(헤더) 부분에 나타난다는 점에서 헤더를 나타내는 것이라 간주될 수 있다. 그러나, 공간 주파수의 제1 패턴의 위치는 패드 상의 특정 영역으로 제한될 필요가 없다. 일부 경우, 헤더 또는 제1 공간 주파수는 서명란 근처에 및/또는 좌측 여백을 따라 수직으로 장식용 도형으로 기록된 miniscule 폰트로 나타나는 워터마크와 연관될 수 있다. 헤더의 식별은 확률에 의해 식별되는 잠재적인 진료의 보다 짧은 목록을 식별하는 것을 포함할 수 있다.

호스트는 헤더를 이용하여 처방자(또는 진료)를 식별하고 처방자에 대한 프로파일을 검색할 수 있다. 예를 들어, 헤더는 특정 소아과 의사를 식별할 수 있고, 공통된 용어, 진단, 처방, 경고문, 라벨, 지시문, 및/또는 처방자에 의해 채용된 기타 다른 문구를 나열하는 사전을 식별할 수 있다. 호스트는 처방자에 대한 프로파일을 이용하여 공간 주파수의 제2 패턴을 분석할 수 있다. 예를 들어, 필기 인식은 특정 이미지(또는 이미지의 일부)가 전체 사람들에 의해 사용되는 용어와 비교되는 경우 너무 많은 에러가 발생할 수 있다. 그러나, 공간 주파수의 제2 패턴이 처방자의 종전 처방 활동 및 현재 처방 활동에 기초하여 처방자에 대해 종전에 구성되었던 사전으로 제한되는 경우 에러의 가능성을 줄일 수 있다. 처방자에 대한 프로파일을 이용하여 공간 주파수의 제2 패턴을 분석하는 것에 기초하여, 약제 처방과 연관되는 의료 트랜잭션에 대하여 컴퓨터 호스트 상에서 트랜잭션 레코드가 생성된다. 예를 들어, 처방(및 처방과 연관되는 트랜잭션)에 대한 기술이 처방을 분석하는 시스템에 생성될 수 있다. 그 다음에 처방 데이터가 보험 및 규제 준수 엔진에서 이용하기 위해 분석될 수 있으며, 청구 처리 엔진에 입력될 수 있고, 및/또는 제약 회사의 이익을 위해 운영되는 판매 및 유통 엔진에 의해 처리될 수 있다.

처방자를 식별하기 위해 다수의 기술이 이용될 수 있다. 예를 들어, 호스트는 사용자의 필기에 존재하는 주파수 정보와 관련하여 인쇄된 데이터를 관찰할 수 있다. 주파수 데이터는 처방자 신원을 결정 및/또는 확인하는데 이용하기 위한 전자 서명으로 이용될 수 있다. 일부 구성에서는 패턴 매칭이 적용될 수 있다. 2차원 고속 푸리에 변환만을 적용하면, 양식 및 서명의 상이한 주파수 공간으로 인하여 서명과 양식 상의 기타 다른 필기 모두에 대해 제대로 기능하지 않을 수도 있다. 그러나, 호스트는 필기 주파수 공간을 추가적인 단계로 격리시킴으로써 2차원 고속 푸리에 변환을 확장시킬 수 있다.

도 1a는 전자 문서 내에서 공간 주파수에 기초하여 트랜잭션 레코드를 생성하도록 처리되는 처방의 일례이다. 도시된 바와 같이 양식(100)은, 인쇄된 패드가 처방을 기록하기 위해 처방자에 의해 이용되는 필기 부분과 인쇄된 부분을 어떻게 포함하는지를 나타낸다. 양식(100)은 인쇄된 헤더(진료 병원 및 산하 부서를 식별하기 위함), 처방자의 성명(도면에서는 가려짐), 증상 라벨(도면에서는 가려짐), 및 진단 라벨을 포함한다. 양식(100)은 또한, 처방 날짜, 환자의 연령, 및 환자의 성(성별) 표시를 포함한다. 약제 화합물, 복용량, 및 복용 빈도를 나타내는 3개의 처방 또한 도시되어 있다.

도 1b는 한 가지 특정한 처방 양식으로부터 취해진 "Asaflow"의 단어 패턴을 나타낸다. 예시의 목적으로, 이러한 단어 패턴은 다수의 처방 양식에 존재할 수 있다. 이하 예시되는 바와 같이, 본원에서 개시된 구현예는 이러한 처방 형태에서 동일한 단어 패턴을 식별할 수 있다. 도 1c는 단어 패턴이 취해진 처방 양식의 일부분을 나타낸다. 원 표시는 처방 양식에서 "Asaflow"의 단어 패턴의 위치를 식별한다. 신뢰 수준은 100%이다.

도 1d는 "Asaflow"의 단어 패턴을 포함하는 다른 처방 양식을 나타낸다. 3개의 작은 원과 하나의 큰 원을 포함하여 4개의 원 표시는 처방 양식에서 단어 패턴의 검출된 위치에 대응한다. 단어 패턴의 올바른 위치를 보여주는 큰 원은 80%가 넘는 신뢰 수준을 가진다. 단어 패턴의 부정확한 위치를 가리키는 3개의 작은 원은 50% 미만의 신뢰 수준을 가진다.

도 1e는 "Asaflow"의 단어 패턴을 포함하는 또 다른 처방 양식을 나타낸다. 3개의 원이 표시되어 있고, 이들은 각각 처방 양식에서 단어 패턴의 검출된 위치에 대응한다. 위쪽 원은 80%가 넘는 신뢰 수준을 가진다. 위쪽 원은 첫 문자 'A'로 인하여 검출될 수 있다. 동일한 위치의 근방을 가리키는 2개의 아래쪽 원은 단어 패턴의 올바른 위치에 대응한다. 이러한 2개의 아래쪽 원은 큰 원이고 50%가 넘는 신뢰 수준을 가진다. 놀랍게도, 2개의 검출된 원 위의 단어 패턴은 그 아래의 단어 패턴의 검출가능성에 방해 영향을 거의 미치지 않는 것으로 보인다.

도 1f는 "Asaflow"의 단어 패턴을 포함하는 또 다른 처방 양식을 나타낸다. 2개의 원이 표시되어 있고, 처방 양식에서 단어 패턴의 실질적으로 동일한 검출된 위치를 가리킨다. 큰 원은 약 60%의 신뢰 수준을 가지며, 적절한 위치에 있다. 작은 원은 보다 낮은 신뢰 수준을 가지며, 큰 원 내에 둘러싸여 있다.

도 1g는 "Asaflow"의 단어 패턴을 포함하는 또 다른 처방 양식을 나타낸다. 4개의 원이 2개의 그룹으로 도시되어 있다. 2개의 원의 첫 번째 그룹은 처방 양식에서 단어 패턴의 실질적으로 동일한 검출된 위치를 가리킨다. 큰 원은 약 60%의 신뢰 수준을 가지며 적절한 위치에 있다. 작은 원은 50% 미만의 신뢰 수준을 가지며 큰 원 내에 둘러싸여 있다. 2개의 원의 두 번째 그룹은 다른 위치를 가리킨다. 그러나, 두 원 모두 50% 미만의 신뢰 수준을 갖는다.

그러므로, 일부 구현예는 특정 단어 패턴의 위치를 식별할 수 있다. 이러한 구현예에서는, 단어 패턴의 위치일 가능성이 적은 위치를 가리기 위해 임계 비교기(comparator)가 통합될 수 있다.

도 2는 전자 문서가 어떻게 분석되는지를 예시하는 구성(200)의 일례이다. 구성(200)에 따르면, 각각의 정사각형(또는 영역 또는 부분)이 주파수 정보에 대해 분석될 수 있도록 패드가 구성성분 정사각형으로 분해되는 것으로 도시된다. 패드의 배향은 동일 패드로부터의 동일한 양식들 간에 항상 정렬되는 것은 아닐 수도 있다. 일부 경우에서, 구성성분 부분들의 구성은 균일한 표지(marker)에 기초하여 설정되어 이웃 정사각형들이 균일한 표지로부터 "촉발(set off)"된다. 이와 다른 경우에는, 다수의 정사각형에 걸치는 이미지에서 공통된 구조의 존재를 식별하기 위해 이웃하는 정사각형들이 함께 분석될 수 있다. 부분들(예를 들면, 정사각형들, 원들, 또는 기타 다른 기하학적 구조)은 중첩될 수 있거나, 2개의 상이한 부분들에 존재하는 객체를 검출하기 위해 요구되는 처리를 최소화하기 위해 정사각형들은 크기가 다를 수 있다. 대안적으로 또는 부가적으로, 제한된 수의 더 큰, 높은 수준의 부분들(일단 특정 객체의 존재가 식별되면 보다 작은 영역으로 분해됨)을 이용하기 위해 드릴 다운(drill down) 분석이 수행될 수 있다. 각각의 부분은 주파수 관점에서 분석될 수 있고, 글로벌한 사전 또는 특정 프로파일에 대한 사전에 나타나는 기타 다른 용어 또는 객체에 대하여 주파수 정보와 비교될 수 있다.

도 3은 전자 문서의 일부가 어떻게 분석되는지에 대한 일례이다. 특히 도 3은 막대 그래프(300)를 나타내며, 주파수 관점에서 관련 정보가 어디에 존재하는지에 관한 막대 그래프의 내용에 대한 설명이 구비된다. 이러한 정보의 상대적 위치는 (다른 막대 그래프를 통해 표현될 수 있는 바와 같은) 다른 객체에 대한 라벨과 비교될 수 있고, 분석 중인 스캐닝된 이미지에서의 객체가 알려진 객체에 대한 스캐닝된 이미지와 관련되는 정도를 결정하기 위해 이용된다.

도 4는 전자 문서의 일부가 사전처리를 어떻게 거치는지를 나타낸다. 특히 구성(400)은, 색상 잡음을 제거하고 예를 들어 펜을 통해 더 적은 압력이 가해진 것을 반영하는, 눈에 띄지 않는 내용을 강조하기 위해서, 주파수 정보가 비교되기 전에 구성성분 부분의 일부가 어떻게 사전처리될 수 있는지를 나타낸다. 도시된 바와 같이, 원래 이미지에 존재하는 감소된 라인 폭은 약간 더 큰 치수를 제공하도록 강화되었다. 구조를 보다 정확히 묘사하기 위해 이러한 보다 큰 치수가 이용될 수 있고, 이를 통해 결과적으로 주파수 정보에 대해 보다 정확히 기술하게 된다. 주파수 정보에 대한 보다 정확한 기술은, 특정 공간 주파수가 존재하지만 정확히 검출되지는 않는 경우 공간 주파수 성분을 적절히 등록(register)하지 못하는 문제로부터 생기는 약점을 제거하기 위해 이용될 수 있다.

도 5는 호스트 상의 분석 엔진이 어떻게 자동수정을 수행하는지를 나타낸다. 특히, 도 5는 특정 구현예에 따라 헬스 케어 제품의 소비로부터 잠재적인 부작용에 대한 보고를 식별하기 위한 오자 수정 엔진(310)을 나타낸다. 오자 수정 엔진(310)은 사전 맞춤법 체크기(312), 논의 맥락으로부터 추론을 수행하기 위한 엔진(314), 부작용에 대한 특정 의미를 결정하기 위한 엔진(316), 및 헬스 케어 제품에 대한 특정 의미를 결정하기 위한 엔진(318)을 포함할 수 있다. 사전 맞춤법 체크기(312)는 표준 사전을 포함할 수 있다. 오자 수정을 제공하는 맥락에서, 표준 사전은 일반적으로 다중 언어일 수 있다. 추론을 수행하기 위한 엔진(314)은 이러한 맥락의 측면에서 오자를 수정하도록 구성될 수 있다. 예를 들어, 의사가 "rash"라고 입력하기를 원할 수 있다. 의사는 'skin rash'를 의도하였지만 부주의하게도 의사는 실제로는 "trash"라고 입력할 수 있다. 처방이 rash를 포함하는 피부 질환의 맥락이라면, 추론 체크기(314)는 "trash"라는 단어를 "rash"로 수정할 수 있다. 한편, 환자가 설사 증상 또는 기타 다른 소화기 문제를 나타내는 경우, 추론 체크기(314)는 "trash"라는 단어를 수정하지 않을 수도 있다. 특정 의미를 결정하기 위한 엔진(316)은 특정 치료 작용 또는 부작용을 기술하기 위한 특별한 단어가 존재하는 경우 철자를 수정할 수 있다. 예를 들어 심리 처방의 맥락에서, 엔진(316)은 "happe"를 "happen"보다는 "happy"로 수정할 가능성이 더 높을 수 있다. 마찬가지로, 특정 헬스 케어 제품에 대한 특정 의미를 결정하기 위한 엔진은 특정 헬스 케어 제품의 관점에서 특정 단어의 수정에 영향을 미칠 수 있다. 예를 들어, 처방되는 헬스 케어 제품이 엑스터시 알약인 경우, 엔진(318)은 "feeling hight"를 "feeling right"보다는 "feeling high"로 수정할 가능성이 더 높을 수 있다.

도 6은 컴퓨팅 시스템(100)으로 구현되는 예시적인 분석 인프라스트럭처 시스템을 나타낸다. 컴퓨팅 시스템은 본원에서 논의되는 기능을 제공할 수 있는 데이터 처리 장치로 구현될 수 있고, 프로세서, 메모리, 및 이하에서 논의되는 바와 같이 적절한 의료 데이터를 수신하고 이러한 데이터를 처리할 수 있는 기타 다른 하드웨어 및 소프트웨어의 여타 적절한 조합을 포함할 수 있다. 높은 수준에서는, 도시된 예시적인 컴퓨팅 시스템(100)이 헬스 케어 프로세스의 관계자인 소스로부터 다양한 데이터를 수신한다. 이러한 소스는 IDN(102), 환자 시스템(104), 처방자 시스템(106), 약제 유통업자(108), 및 지불인 시스템(109)을 포함할 수 있다. 데이터는 의사 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 지불인의 처방 데이터를 포함할 수 있다.

도 6은 분석 인프라스트럭처가, 예를 들어 환자 시스템(104) 또는 처방자 시스템(106)으로부터 처리 선택에 관하여 수신된 데이터를, IDN(102), 약제 유통업자(108), 및 지불인 시스템(109) 등과 같은 IMS에서 이용가능한 기타 다른 데이터 소스와 통합할 수 있는 프로세스를 나타낸다. 환자 시스템(104)으로부터의 데이터는 종적인 환자 데이터(112)로 제한되지 않고, 헬스 케어 제공자 또는 처방자 시스템(106)으로부터의 임의의 데이터를 포함할 수 있다. 이러한 데이터는 환자와 관련된 처방 정보, 예를 들면 환자에게 기록된 최근 처방을 포함할 수 있고, 처방약이 환자의 지불인 또는 보험 회사에 의해 커버되는지 여부를 포함할 수 있다. 시스템은 환자 프라이버시를 보호하도록 구성될 수 있으며, 집합화된 데이터베이스에 호칭 데이터를 저장하지 않고 단지 익명화된 데이터를 저장할 것이라는 점을 이해하는 것이 중요하다. 개인에 대한 호칭 데이터는 관련 집합화된 데이터와 비교될 수 있지만, 이는 다수의 환자에 대한 호칭 레코드를 단일 데이터베이스에 유지하지 않고 개별 환자 애플리케이션에서 집합화된 값들을 이용함으로써 달성될 수 있다. 또한 사용자 및 이들의 의료 전문가 이외의 소스로부터의 데이터의 통합은, 약국으로부터의 약제 구매 데이터(116)와 같은 다른 소스로부터의 정보를 제공하기 위한 목적으로 식별 정보(성명, 위치, 성별 및 연령)를 이용하는 것을 개인이 허락하는 경우를 제외하고는 익명화된 방식으로 달성될 수 있다.

의사 처방 데이터(110)는 IDN 내에서 의사에 의해 처방된 처방에 관한 데이터를 포함할 수 있다. 처방 데이터(110)는 하나 이상의 IDN(102)으로부터 직접 수신될 수 있고, 이러한 하나 이상의 IDN(102) 내에서 의사에 의해 발행된 약품에 대한 모든 처방을 반영하는 데이터를 나타내고, 여기에는 이러한 제품을 얻는데 이용되는 처방의 유형 및 제품을 구매하는데 이용되는 지불 방식에 관한 정보가 포함된다. 앞서 논의한 바와 같이, 이러한 정보는 환자의 프라이버시를 보호하기 위해 건전화(sanitization) 및 집합화될 수 있다. 처방 데이터는 특정한 약을 기초로 하여 처방에 소비되는 전체 비용을 포함할 수 있다. 일부 구현예에서, 이러한 데이터는 특정한 지리적 위치에서 특정한 약에 소비되는 전체 비용에 기초할 수 있다. 하나 이상의 IDN은 소매(retail) 처방 데이터(110)를 주기적으로(예컨대 매주 또는 매달) 제공할 수 있다. 도 6에서는 처방 데이터(110)가 하나 이상의 IDN(102)으로부터 직접 컴퓨팅 시스템(100)으로 제공되는 것으로 도시되어 있지만, 처방 데이터(110)는 하나 이상의 다른 중간 시스템에 의해 수집되어 컴퓨팅 시스템(100)에 제공될 수 있다. 중간 시스템이 이용되는 경우, 소매 처방 데이터(110)의 집합화 및 건전화는 잠재적으로 이러한 중간 시스템에 의해 수행될 수 있다.

종적인 환자 데이터(112)는 하나 이상의 환자 시스템(104)에 대한 건전화된 소매 환자 수준 데이터를 포함할 수 있다. 예를 들어, 종적인 환자 데이터(112)는 소매 약국 소스 처방 보험 청구, 소매 약제 스크립트, 및/또는 환자 프로파일 데이터에 관한 정보를 포함할 수 있다. 종적인 환자 데이터(112)는 하나 이상의 환자 시스템(104)에 대해 치료의 양상에 관한 정보를 포함한다. 도 6에서는 종적인 환자 데이터(112)가 하나 이상의 환자 시스템(104)으로부터 직접 컴퓨팅 시스템(100)에 의해 수신되는 것으로 도시되어 있지만, 종적인 환자 데이터(112)는 소매 처방 데이터(110)에 대해 논의된 마찬가지의 접근법과 유사하게도, 하나 이상의 다른 시스템에 의해 수집되어 컴퓨팅 시스템(100)에 제공될 수 있다. 나아가, 종적인 환자 데이터(112)는 하나 이상의 환자 시스템(104)으로부터 비롯되지 않을 수 있고, 오히려 환자가 상호작용하는 한 명 이상의 처방자들/의사들에 의해, 환자가 보험 청구를 제출하는 보험 회사에 의해, 및/또는 환자가 약품을 구매하는 소매업자에 의해 제공될 수도 있다.

레퍼런스 처방자 데이터(114)는 한 명 이상의 처방자들(106)에 대한 백그라운드 정보를 포함할 수 있다. 예를 들어, 레퍼런스 처방자 데이터(114)는 처방자의 인구학적 정보, 주소, 가입, 인가 데이터(예컨대, DEA, AOA, SLN, 및/또는 NPI 번호), 전문분야, 및/또는 전공을 포함할 수 있다. 대부분의 처방자는 의료 의사일 것이지만, 의료 보조자 또는 임상 간호사 등의 기타 다른 헬스 케어 전문가 등의 기타 다른 헬스 케어 전문가 또한 처방자 시스템(106)일 수 있다. 도 6에서는 레퍼런스 처방자 데이터(114)가 하나 이상의 처방자 시스템(106)으로부터 직접 컴퓨팅 시스템(100)에 의해 수신되는 것으로 도시되어 있지만, 레퍼런스 처방자 데이터(114)는 소매 처방 데이터(110)에 대해 논의된 마찬가지의 접근법과 유사하게도, 하나 이상의 다른 시스템에 의해 수집되어 컴퓨팅 시스템(100)에 제공될 수 있다. 나아가, 레퍼런스 처방자 데이터(114)는 하나 이상의 처방자 시스템(106)으로부터 비롯되지 않을 수 있고, 오히려 처방자들(106)의 처방 행위에 관한 정보를 추적하는 하나 이상의 기타 다른 실체(예컨대, 정부 기관 또는 전문 의료 조직)에 의해 생성 및/또는 유지될 수 있다.

약제 구매 데이터(116)는 유통업자(108)(예컨대, 약제 도매업자 또는 제조업자)로부터 이루어진 약제 구매에 관한 정보를 포함할 수 있다. 예를 들어, 약제 구매 데이터(116)는 약품이 구매되는 판매점, 구매되는 약품의 유형, 구매가 이루어졌을 때 약품의 구매자 및 판매자 모두의 위치, 및/또는 구매된 약품의 양에 관한 정보를 포함할 수 있다. 도 6에서는 약제 구매 데이터(116)가 하나 이상의 유통업자(108)로부터 직접 컴퓨팅 시스템(100)에 의해 수신되는 것으로 도시되어 있지만, 약제 구매 데이터(116)는 소매 처방 데이터(110)에 대해 논의된 마찬가지의 접근법과 유사하게도, 하나 이상의 다른 시스템에 의해 수집되어 컴퓨팅 시스템(100)에 제공될 수 있다. 나아가, 약제 구매 데이터(116)는 하나 이상의 유통업자(108)로부터 비롯되지 않을 수 있고, 오히려 약품의 구매자(예컨대, 소매 판매점)에 의해 제공될 수 있다.

보험 데이터(111)는 처방의 비용을 커버하는 보험 회사에 관한 정보를 포함할 수 있다. 지불인은 환자를 커버하는 보험 회사일 수 있고, 또는 환자가 보험을 갖지 않고 Medicaid에 의해 커버되는 경우 지불인은 정부일 수 있다. 예를 들어, 보험 데이터(111)는 처방의 비용 중 얼마나 많은 부분이 보험 회사 또는 Medicaid에 의해 커버되는지에 관한 정보를 포함할 수 있다. 도 6에서는 보험 데이터(111)가 하나 이상의 지불인 시스템(109)으로부터 직접 컴퓨팅 시스템(100)에 의해 수신되는 것으로 도시되어 있지만, 보험 데이터(111)는 하나 이상의 다른 시스템에 의해 수집되어 컴퓨팅 시스템(100)에 제공될 수 있다.

처방 데이터(110), 종적인 처방 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 보험 데이터(111)가 포함될 수 있는, 방금 논의된 다양한 유형의 데이터는 이러한 데이터에 기초하여 판단을 내리기 위해 컴퓨팅 시스템(100)에 의해 수신된다. 위에서 논의한 바와 같이, 이러한 데이터가 컴퓨팅 시스템(100)에 의해 수신될 때까지, 이러한 데이터는 컴퓨팅 시스템(100)에 의해 액세스 가능해서는 안 되는 개인적인 정보 또는 비밀 정보를 포함하지 않도록 건전화되어야 할 것이다.

예시의 목적으로, 컴퓨팅 시스템(100)은 데이터 처리 모듈(118), 통계 분석 모듈(120), 보고 모듈(122), 및 저장 디바이스(124)를 포함하는 것으로 기술될 것이다. 그러나, 컴퓨팅 시스템(100)은 기술된 기능을 수행할 수 있는 여타 컴퓨팅 플랫폼일 수 있다. 컴퓨팅 시스템(100)은 기술된 기능을 수행하기 위한 하드웨어, 소프트웨어, 또는 양자의 조합을 포함할 수 있는 하나 이상의 서버를 포함할 수 있다. 나아가, 데이터 처리 모듈(118), 통계 분석 모듈(120), 및 보고 모듈(122)은 하드웨어 및/또는 소프트웨어로 함께 또는 별개로 구현될 수 있다. 데이터 처리 모듈(118), 통계 분석 모듈(120), 및 보고 모듈(122)은 각각 특정 기능을 수행하는 것으로 기술될 것이지만, 이러한 모듈 각각의 기술된 기능은 기술된 모듈과 연계되어 또는 기술된 모듈에 대신하여 하나 이상의 다른 모듈에 의해 수행될 수 있다.

데이터 처리 모듈(118)은 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 보험 데이터(111) 중 하나 이상을 수신 및 처리한다. 수신된 데이터를 처리하는데 있어서, 데이터 처리 모듈(118)은 특정 정보에 대하여 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 보험 데이터를 필터링 및/또는 마이닝(mining)할 수 있다. 데이터 처리 모듈(118)은 특정 약제에 대하여 수신된 소매 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 보험 데이터(111)를 필터링 및/또는 마이닝할 수 있다. 따라서, 추적된 화합물 또는 처방과 연관되는 것으로 분류되지 않는 약품에 관한 임의의 수신된 소매 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 보험 데이터(111)는 무시될 수 있다. 예를 들어, 수신된 데이터는 특정 항생제 또는 일반적인 항생제의 이용을 추적하도록 데이터 처리 모듈(118)에 의해 처리될 수 있다.

수신된 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116), 및 보험 데이터(111)를 처리한 후에, 데이터 처리 모듈(118)은 처리된 데이터를 환자 데이터(126), 처방자 데이터(128), 및 판매점 데이터(130)로 집합화한다. 이러한 데이터의 그룹은 저장 디바이스(124)에 저장될 수 있다. 일부 구현예로서, 데이터 처리 모듈(118)은 각각의 환자, 처방자, 데이터가 수신되는 IDN에 대한 프로파일을 생성할 수 있다.

처방 데이터(110)는 IDN 내에서 의사에 의해 처방된 처방으로부터의 처방 정보, 약품을 처방 받은 한 명 이상의 환자들에 대한 정보, 및 IDN 내에서 한 명 이상의 처방자들에 관한 정보를 포함할 수 있다. 이러한 예에서, 데이터 처리 모듈(118)은 수신된 처방 데이터(110)에 포함된 정보를 IDN, 한 명 이상의 환자들, 및 한 명 이상의 처방자들과 연관되는 프로파일에 추가할 수 있다. 다른 예로서, 종적인 환자 데이터(112)는 약품에 대해 처방을 받은 환자에 관한 정보 및 환자가 처방을 받은 한 명 이상의 처방자에 관한 정보를 포함할 수 있다. 이러한 예에서는, 데이터 처리 모듈(118)이 수신된 종적인 환자 데이터(112)에 포함된 정보를 환자 및 한 명 이상의 처방자들과 연관된 프로파일에 추가할 수 있다.

이와 다른 구현예로서, 데이터 처리 모듈(118)은 다른 모듈에 의해 추후 이용될 수 있도록, 저장 디바이스(124)에서, 처리된 처방 데이터(110), 종적인 환자 데이터(112), 레퍼런스 처방자 데이터(114), 약제 구매 데이터(116) 및 보험 데이터를 단순히 소팅하고 저장할 수 있다.

각각의 환자 시스템(104)에 대하여, 환자 데이터(126)는 한 가지 이상의 유형의 약품의 처방 및/또는 판매에 관한 임의의 정보를 포함할 수 있다. 환자 데이터(126)는 환자가 구매한 각각의 유형의 약품의 양, 환자가 아직 가지고 있을 약품의 누적 일별 공급량, 약품의 누적 복용량, MPR(Medication Possession Ratio), 환자가 스크립트를 받은 의사의 수 및/또는 성명, 환자가 약품을 구매한 소매 판매점의 수 및/또는 명칭, 및/또는 약품을 구매할 때 환자에 의해 사용된 지불 방식(예컨대, 현금 또는 보험)에 관한 정보를 포함할 수 있다.

처방자 시스템(106)으로부터 수신된 처방자 데이터(128)는 처방이 기록된 환자들 및 한 가지 이상의 유형의 약품에 대해 식별된 처방자에 의해 기록된 처방에 관한 임의의 정보를 포함할 수 있다. 처방자 데이터(128)는 처방자가 처방을 기록한 한 가지 이상의 유형의 약품의 양, 처방자에 의해 기록된 처방의 총계에 대하여 처방자에 의해 기록된 한 가지 이상의 유형의 약품에 대한 처방의 비율, 현금으로 지불되는 한 가지 이상의 유형의 약품에 대한 처방의 비율, 및/또는 처방자가 한 가지 이상의 유형의 약품에 대한 처방을 기록한 환자로서 현재 임계치를 넘어서는 한 가지 이상의 유형의 약품의 공급량을 가지고 있는 환자의 수를 포함할 수 있다. 처방자 데이터(128)는 또한, 처방자가 (만약 있다면) 어느 IDN에 관련되는지에 관한 정보를 포함할 수 있다.

IDN 데이터(130)는 보다 많은 유형의 약품에 대하여 환자에게 기록된 처방, 및/또는 이러한 처방을 기록한 처방자들에 관한 임의의 정보를 포함할 수 있다. 예를 들어, IDN 데이터(130)는 IDN 내에서 식별된 의사에 의해 처방된 한 가지 이상의 약품의 양을 포함할 수 있다.

통계 분석 모듈(120)은 환자 데이터(126), 처방자 데이터(128) 및/또는 IDN 데이터(130)를 이용하여 개별 환자들, 처방자들, 및 IDN을 평가하고 등급을 매긴다. 일부 실시예로서, 통계 분석 모듈(120)은 환자에 대응하는 환자 데이터(126)의 하나 이상의 요소를, 환자의 집합을 통한 환자 데이터(126)의 하나 이상의 요소의 평균과 비교할 수 있다. 환자 데이터(126)의 하나 이상의 요소의 비교에 기초하여, 통계 분석 모듈(120)은 환자에게 하나 이상의 등급을 할당할 수 있다. 다시 말해서, 환자 데이터(126)의 각 요소에 대하여(예컨대, 환자가 구매한 각각의 유형의 약제의 양 및 현금으로 이루어진 구매 비율), 통계 분석 모듈(120)은 환자 데이터(126)의 요소가 이러한 계산된 통계와 관련하여 일 집합 내의 다른 환자들의 동일한 요소와 어떻게 비교되는지를 반영하는 등급을 환자에게 할당할 수 있다. 비교에 이용되는 집합 내의 환자들은 동일한 위치(예컨대, 국가, 주, 도시, 또는 우편번호)의 환자들, 유사한 환자 데이터(예를 들어, 의료 진단 또는 인구학적 정보)를 공유하는 환자들, 및/또는 기타 다른 어떤 관계를 공유하는 환자들일 수 있다.

마찬가지로, 통계 분석 모듈(120)은 처방자에 대응하는 처방자 데이터(128)의 하나 이상의 요소를, 관련된 처방자들의 집합을 통한 처방자 데이터(128)의 하나 이상의 요소의 평균과 비교할 수 있다. 처방자 데이터(128)의 하나 이상의 요소의 비교에 기초하여, 통계 분석 모듈(120)은 처방자에게 하나 이상의 등급을 할당할 수 있다. 비교에 이용되는 집합의 처방자들은 동일한 위치(예컨대, 국가, 주, 도시, 또는 우편번호)의 처방자들, 유사한 전문가 데이터(예를 들어, 진료 분야 또는 인구학적 정보)를 공유하는 처방자들, 및/또는 기타 다른 어떤 관계를 공유하는 처방자들일 수 있다. 통계 분석 모듈(120)은 환자 데이터에 이용된 것과 유사하게도 처방자 데이터(128)로부터 처방자들에 대한 판단을 내리는 것이 가능할 수 있다. 예를 들어, 한 국가의 일반의들이 간질 질환이 있는 환자들에게 제네릭 약을 처방하는 경향이 있는 반면, 신경과 의사들은 유사한 진단을 받은 환자들을 위해 상표가 있는 약을 이용할 가능성이 높다고 결정될 수 있다. 이러한 결정은, 예를 들어 제약 회사가 일반의들보다 신경과 의사들에게 신규한 항경련제를 더 많이 홍보해야 한다고 제안하는데 이용될 수 있다.

통계 분석 모듈(120)은 또한, IDN에 대응하는 IDN 데이터(130)의 하나 이상의 요소를, 관계된 IDN 판매점의 집합을 통한 IDN 데이터(130)의 하나 이상의 요소의 평균과 비교할 수 있다. IDN 데이터(130)의 하나 이상의 요소의 비교에 기초하여, 통계 분석 모듈(120)은 IDN에 하나 이상의 등급을 할당할 수 있다. 이러한 비교에 이용되는 집합의 소매 판매점은 동일한 위치(예컨대, 국가, 주, 도시, 또는 우편번호)의 소매 판매점, 유사한 상업적 데이터(예를 들어, 소매 판매점의 크기)를 공유하는 소매 판매점, 및/또는 기타 다른 어떤 관계를 공유하는 소매 판매점일 수 있다. 예를 들어, 이러한 데이터는 특정 약이 지방의 약국에서 더 자주 구매되고 다른 약은 도시의 약국에서 구매된다고 나타낼 수 있다. 예를 들어 이러한 결정은, 약국이 그들의 시골 지점에 꽃가루 알레르기용 항히스타민제를 더 많이 비축해야 한다고 제안할 수 있다.

통계 분석 모듈(120)에 의해 환자, 처방자, 및/또는 소매 판매점에 할당된 등급은 환자 데이터(126), 처방자 데이터(128), 및/또는 판매점 데이터(130)의 요소와 관련하여 수행되는 분석을 반영하는 번호로 정규화될 수 있다. 일부 구현예에서, 통계 분석 모듈(120)에 의해 결정된 등급은 주기적으로(예컨대, 매달 또는 매주) 업데이트되거나 등급에 대응하는 요소에 관한 새로운 데이터가 컴퓨팅 시스템(100)에 의해 수신될 때마다 업데이트될 수 있다. 대안으로서 일부 구현예에서는, 통계 분석 모듈(120)에 의해 결정된 등급이 통계 분석 모듈(120)이 등급에 대한 쿼리를 수신할 때마다 계산될 수 있다.

통계 분석 모듈(120)은 또한 컴퓨팅 시스템(100)에 의해 데이터가 수신된 각각의 환자, 처방자, 및/또는 소매 판매점에 대해 복합적인 등급을 계산할 수도 있다. 일부 구현예에서, 통계 분석 모듈(120)은 환자, 처방자, 또는 소매 판매점과 연관된 개별 요소 등급 각각에 가중치를 부여하고 개별 요소 등급의 복합치를 계산하기 위한 식을 적용할 수 있다. 대안으로서 일부 구현예에서는, 통계 분석 모듈(120)이 이용가능한 개별 요소 등급의 적절한 부분 집합을 선택하고 선택된 개별 요소 등급에 기초하여 복합 등급을 계산할 수 있다.

일부 구현예로서, 통계 분석 모듈(120)은 기타 다른 지표(metrics)를 계산할 수 있다. 예를 들어, 이러한 통계 분석 모듈은 지불인 구조의 변화에 따른 시장 규모의 잠재적인 감소를 계산할 수 있다. 예를 들어 통계 분석 모듈은, 대부분의 주민이 계층-3(tier three) 커버리지 프로그램(저소득 주민에게 급식하도록 설계) 하에서 지원받는 특정 지리적 영역에 대하여, 계층-1 커버리지 플랜이 도입되는 경우 시장 규모가 75% 만큼 제한될 수 있다고 계산할 수 있다.

일부 구현예로서, 통계 분석 모듈(120)은 결정된 등급에 기초하여 환자, 처방자, 및/또는 소매 판매점을 서로에 대해 상대적으로 등급을 매길 수 있다. 예를 들어, 통계 분석 모듈(120)은 각각의 환자의 복합 등급에 기초하여 주어진 위치(예컨대, 우편번호)에서의 모든 환자들의 등급을 매길 수 있다. 이러한 접근법은 특정 위치에서의 인구에 대한 환자 정보의 고려를 가능하게 하고, 이는 흥미로운 환자 행동이 국지화된 인구에 대한 것일 수 있으므로 도움이 된다. 다른 예로서, 통계 분석 모듈(120)은 처방자가 처방을 기록한 한 가지 이상의 유형의 약품의 양과 관련된 각각의 처방자 등급에 기초하여(예를 들면, 처방자 데이터(128)의 일 요소) 주어진 주에서 종양학자인 모든 처방자들의 등급을 매길 수 있다. 이러한 접근법은 유익할 수 있는데, 전문의들이 일반의들과는 다르게 처방할 수 있고 위에서 논의한 바와 같이 이러한 상이한 그룹의 처방자들에 의해 이용되는 케어 전략들을 비교하는 것이 관심을 끌 수 있기 때문이다.

일부 구현예로서, 통계 분석 모듈(120)은 시장의 존재가 있는 것으로 식별된 IDN에 대한 모델링 규칙을 생성하도록 수집된 데이터를 이용할 수 있다. 이러한 구현예에서, 시스템은 IDN의 영향력의 존재를 식별하기 위해서 처방 데이터 연혁, 종적인 처방 데이터, 처방자 데이터, 약제 구매 데이터 및 보험 데이터에 액세스할 수 있다. 이러한 데이터는 IDN에 의해 영향을 받는 지리적 영역을 결정하기 위해 인구학적 정보를 이용한다. 예를 들어, 처방자 데이터는 처방자가 (만약 있다면) 가입되어 있는 IDN을 식별하는데 이용되는 식별자를 포함할 수 있다. 보험 데이터 또한 하나 이상의 IDN의 시장의 존재를 식별하는데 이용될 수 있다. 통계 분석 모듈(120)은 특정된 지리적 영역에 대한 데이터를 이용하여 그 영역 내에서 하나 이상의 IDN 또는 정부 프로그램의 존재로 인하여 특정 제품에 대한 시장 규모의 변화를 결정할 수 있다. 이러한 구현예에서, 시스템은 동일한 IDN 또는 정부 프로그램에 의해 영향을 받지 않을지 모르는 다른 지리적 영역으로부터의 데이터를 이용하여 제품에 대한 시장 점유율을 계산하고 분석 중인 지리적 영역에 대해 계산된 시장 점유율 값을 추정한다. 예를 들어, 통계 모듈은 하나 이상의 IDN 또는 정부 프로그램의 영향으로 인하여 지리적 영역에서 제품에 대한 시장 점유율이 45% 감소할 것이라 예상할 수 있다. 상기 예에서 IDN 또는 정부 프로그램은 네트워크 내에서 치료되는 환자들에게 이러한 제품을 지원하지 않을 수 있고 따라서 제품의 시장 점유율이 전체적으로 감소하게 될 수 있다.

이러한 구현예에서, 통계 분석 모듈(120)은 생성된 모델링 규칙을 이용하여 시장의 존재를 갖는다고 식별된 IDN에 가입한 한 명 이상의 의사들의 처방 패턴을 예상할 수 있다. 예를 들어, 통계 등급 모듈은 일 년 중 2/4 분기 및 3/4 분기에 대한 의사의 처방 패턴을 예상하기 위해서 일 년 중 1/4 분기에 걸쳐 획득된 처방자 데이터에 액세스할 수 있다. 다른 예로서, 통계 분석 모듈은 모델링 규칙에 기초하여 다음 달 동안 처방자에 의해 처방되는 처방의 수를 예상할 수 있다. 처방자 데이터는 매달 특정 제품에 대해 기록된 처방의 수, 처방자가 기록한 반복된 처방의 수, 즉 동일한 환자에 대한 동일한 처방을 포함할 수 있다. 이러한 데이터는 또한, 특정 질병을 지료하기 위해 어느 제품이 처방되었는지에 관한 처방자의 행위에 대한 세부사항을 포함할 수 있다. 예를 들어, 이러한 데이터는 높은 콜레스테롤 수치로 고생하는 95명의 환자들에게 처방자가 리피토(Lipitor)를 처방하였지만 동일한 질병을 갖고 있는 환자들 중 30명에게 크레스토(Crestor)를 처방하였음을 포함할 수 있다.

보고 모듈(122)은 통계 분석 모듈(120)에 의해 계산된 등급 및/또는 평가에 기초하여 보고를 준비한다. 보고 모듈(122)에 의해 준비되는 보고는 통계 분석 모듈(120)에 의해 계산된 등급뿐만 아니라 환자 데이터(126), 처방자 데이터(128) 및/또는 판매점 데이터(130)에 포함된 임의의 여타 데이터 중 하나 이상을 포함할 수 있다. 예를 들어, 보고 시스템에 의해 생성된 보고는 특정 약품(예컨대, 옥시코돈 - 규제 약물)에 대해 주어진 주에서 모든 처방자들에 대한 복합 등급을 포함할 수 있다.

도시된 시스템은 환자, 처방자, 및/또는 소매 판매점과 연관된 임의의 하나 이상의 기준에 기초하여 필터링 및/또는 마이닝될 수 있다. 이러한 보고는 위치, 약품 유형, 처방자의 의료 전문 분야, 소매 판매점의 카테고리(예컨대, 대형 체인 소매 판매점), 및/또는 통계 분석 모듈(120)에 의해 계산된 하나 이상의 등급에 기초하여 필터링 및/또는 마이닝될 수 있다. 달리 말하면, 데이터 처리 모듈(118)에 의해 수신되고 처리된 임의의 데이터 또는 통계 분석 모듈(120)에 의해 계산된 임의의 등급 또는 평가가 보고에 포함되거나 보고에 포함된 데이터를 필터링 및/또는 마이닝하는데 이용될 수 있다.

부가적으로 일부 구현예에서, 이렇게 생성된 보고는 동적 또는 정적일 수 있다. 보고 모듈(122)은, 포맷의 변경 및/또는 보고에 표현된 데이터의 조작을 위해 어떠한 메커니즘도 제공하지 않고 하나 이상의 정적인 포맷(예컨대, 차트, 그래프, 또는 표)으로 표현된 데이터를 포함하는 리포트를 생성할 수 있다. 이러한 구현예에서는, 데이터 표현을 업데이트하는 기능을 통합하지 않고 데이터 표현이 생성 및 저장된다. 일부 구현예에서, 보고 모듈(122)은 PDF, 스프레드시트, 또는 XML 포맷으로 정적인 보고를 제공한다. 이러한 포맷은 일반적으로 텍스트 데이터 또는 시각화로서 보고 모듈(122)의 이해를 제공하지만, 오디오, 비디오, 또는 동영상 등의 판단을 표현하는 기타 다른 형태가 보고 모듈(122)로부터의 잠재적인 결과로서 배제되는 것은 아니다.

부가적으로 또는 대안적으로, 보고 모듈(122)은 사용자가 보고를 상호적으로 변경 및/또는 조작할 수 있게 하는 컨트롤을 포함하는 보고를 생성할 수 있다. 예를 들어, 보고 시스템은 보고에 표시되는 데이터를 필터링, 조작, 및/또는 정렬하기 위한 컨트롤을 포함하는 HTML 문서의 형태로 동적인 보고를 제공할 수 있다. 나아가, 동적인 보고는 이러한 동적인 보고에 포함된 정보의 수많은 시각적 표현들 간의 전환 능력을 포함할 수 있다. 일부 구현예로서 동적인 보고는, 통계 분석 모듈(120) 및/또는 데이터 처리 모듈(118)에 의해 준비된 환자 데이터(126), 처방자 데이터(128), 및/또는 판매점 데이터(130) 중 일부 또는 전부에 대해 사용자에 의해 선택되는 바의 직접적인 액세스를 제공할 수 있으며, 이는 보고에 포함된 데이터 및/또는 등급만에 대한 액세스를 허용하는 것과는 대비된다.

하나 이상의 클라이언트(140)가 보고 시스템에 의해 생성된 보고를 요청 및 수신하기 위해 컴퓨팅 시스템(100)과 상호작용할 수 있다. 일부 구현예로서, 이러한 하나 이상의 클라이언트(140)는 컴퓨팅 시스템(100)에 대한 인터넷 기반 액세스를 제공하는 웹 브라우저를 포함할 수 있다. 이러한 웹 브라우저를 통해, 클라이언트(140)의 사용자(예컨대, 도매업자, 소매 판매점, 또는 처방자)는 위에서 논의한 바와 같이 보고 시스템으로부터 정적 또는 동적인 보고를 요청할 수 있다.

예시적인 컴퓨팅 시스템(100)과 연관되거나 컴퓨팅 시스템(100)의 외부에 있는 임의의 수의 클라이언트(140)가 제공될 수 있다. 도시된 예시적인 컴퓨팅 시스템(100)은 하나의 클라이언트(140)와 통신하는 것으로 도시되어 있지만, 이러한 예시적인 컴퓨팅 시스템(100)의 대안적인 구현예는 예시적인 컴퓨팅 시스템(100)의 목적에 적합한 임의의 수의 클라이언트(140)와 통신할 수 있다. 나아가, "클라이언트" 및 "사용자"라는 용어는 본 개시내용의 범위로부터 벗어나지 않고 적절히 상호교환되어 사용될 수 있다. 나아가, 클라이언트(140)가 단일 사용자에 의한 사용과 관련하여 기술되지만, 이러한 개시내용에 따르면 많은 사용자가 한 대의 컴퓨터의 사용을 공유할 수 있거나 한 명의 사용자가 다수의 컴퓨터를 사용할 수 있다고 예상된다.

예시된 클라이언트(140)는, 데스크탑 컴퓨터, 랩탑/노트북 컴퓨터, 무선 데이터 포트, 스마트폰, 개인 휴대 정보 단말(PDA), 태블릿 컴퓨팅 디바이스, 이러한 디바이스 내의 하나 이상의 프로세서, 또는 임의의 다른 적합한 처리 디바이스와 같은 컴퓨팅 디바이스를 포괄하려는 의도이다. 예를 들어, 클라이언트(140)는 입력 디바이스, 예컨대 키패드, 터치 스크린, 또는 사용자 정보를 받아들일 수 있는 기타 다른 디바이스, 및 컴퓨팅 시스템(100)의 동작과 연관되는 정보를 전달하는 출력 디바이스를 포함할 수 있다. 입력 디바이스는 클라이언트(140)에 의해 이용되어, 컴퓨팅 시스템(100)이 수신하는 다양한 데이터로부터 클라이언트(140)에 의해 요청된 정보를 제공하기 위해 컴퓨팅 시스템(100)이 실행할 수 있는 명령을 컴퓨팅 시스템(100)에 제공하게 될 수 있다.

일부 구현예로서, 컴퓨팅 시스템(100)에 의해 수행되는 것으로 기술된 기능은 클라이언트(140)에 의해 수행될 수 있다. 예를 들어, 컴퓨팅 시스템(100)은 통계 분석 모듈(120)에 의해 계산된 등급 및 평가에 대한 직접적인 액세스를 클라이언트(140)에게 제공할 수 있다. 결과로서, 보고 모듈(122)에 의해 수행되는 것으로 기술된 기능 중 일부 또는 전부가 로컬로 클라이언트(140)에 의해 수행될 수 있다. 분석 인프라스트럭처에서 컴퓨팅 시스템에 의해 수신된 데이터를 보기 위해 클라이언트가 이용할 수 있는 웹페이지 애플리케이션 상에서 분석 인프라스트럭처가 지원될 수 있다.

도 7은 처방에서의 필기가 약제 처방과 연관된 의료 트랜잭션에 대해 트랜잭션 레코드를 생성하기 위해 분석될 수 있는 프로세스에 대한 흐름도(700)이다. 일반적으로, 도 7에서 설명하는 동작은 앞서 기술한 사용자 인터페이스, 구성 및 시스템을 이용하여 수행될 수 있다.

호스트는 약제 처방을 나타내는 전자 문서를 수신한다(710). 예를 들어, 약사 사무실에서는 처리, 승인 및 지불을 위해 처방을 스캔할 수 있다. 대안으로서, 지역 스캐닝 설비가 고용량 스캐너를 이용하여 배치 처리를 수행할 수 있다.

호스트는 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별한다(720). 예를 들어, 호스트는 하부의 처방에 대한 데이터 및 사전인쇄(또는 필기)된 처방자 정보를 식별할 수 있다.

호스트는 전자 문서 내에서 제1 부분에 대한 제1 공간 주파수를 식별한다(730). 예를 들어, 호스트는 이러한 제1 부분으로부터 이미지를 나타내는 파일에 대해 FFT를 수행할 수 있다. 호스트는 또한 전자 문서 내에서 제2 부분에 대한 공간 주파수의 제2 패턴을 식별한다(740). 이러한 제2 부분은 하부의 약제 화합물(또는 치료 요법), 복용량, 및 빈도에 대한 표시를 포함할 수 있다.

호스트는 제1 공간 주파수에 기초하여 헤더를 식별한다(760). 헤더는 처방자 정보를 포함할 수 있고, 예를 들면 패드가 제조된 것처럼 프린터를 이용하여 입력된 데이터를 나타낼 수 있으며, 사기를 방지하도록 설계된 워터마크의 사용을 포함할 수 있다. 호스트는 헤더를 이용하여 처방자를 식별할 수 있다(770). 처방자의 식별은, 상이한 필기 및 처방 행위를 다른 개체와 연관시키기 위해 이용되는 신원에 대한 표시의 식별을 포함할 수 있다. 호스트는 처방자에 대한 프로파일을 검색한다(780). 예를 들어, 프로프일은 통상적으로 어느 약제 화합물이 처방되는지, 그리고 그 복용량 및 빈도에 대한 표시를 포함할 수 있다. 프로파일은 또한 환자의 특성에 기초하여 처방 행위를 기술하는 미세한 수준의 정확성을 포함할 수 있다. 프로파일은 소아과 환자에 대해 공통적인 소아과 치료 요법을 기술하거나 선호할 수 있다. 호스트는 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석한다(790). 호스트는, 전염병을 치료하는 의사를 지원하는 용어 및 단어를 포함하는 프로파일에 기초하여 특정된 복용량으로 특정 감염에 대한 치료가 제2 부분에 포함된다고 결정할 수 있다.

호스트는, 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석하는 것에 기초하여, 약제 처방과 연관되는 의료 트랜잭션에 대하여 트랜잭션 레코드를 생성한다(795). 이러한 의료 트랜잭션 레코드는 분석을 위해 이용되는 사후-전달 레코드를 나타낼 수 있거나, 고려 및 추가적인 조사(vetting) 용도의 사전-인가 레코드를 나타낼 수 있다.

호스트는 트랜잭션을 트랜잭션 분해 및 분석 시스템 방법(미도시)에 통합하려는 시도에 기초하여 최근의 트렌트, 결함 상황, 또는 분해 실패 비율에 동적으로 응답하도록 구성될 수 있다. 호스트는 먼저 잠재적인 작성자들/처방자들을 제한된 수의 처방자들에 매핑하기 위해 양식을 인식하도록 구성될 수 있다. 호스트는 또한, 작성자 신원을 확인하기 위해서 서명을 인식하도록 구성될 수 있다. 관련 텍스트가 발견되는 주요 벡터가 인식될 수 있다. 예를 들어, 특정 영역으로 특정 데이터의 입력을 조장하고 촉진하기 위해 몇몇 패드가 인쇄된다. 제1 패드 포맷이 특정 영역으로 특정 데이터의 입력을 촉진할 수 있다. 질병 진단이 양식 상에서 라벨 표기된 바와 같이 제1 영역으로 입력될 수 있는 한편, 특정 약제 화합물의 표시가 제2 영역으로, 복용량이 제3 영역으로, 빈도가 제4 영역으로 촉진되고, 특별한 경고문 및 사용 금지 사유가 제5 영역에 표현될 수 있다. 이러한 패드는 양식(인쇄된)과 필기 텍스트를 구분하도록 구성되어 상이한 영역을 기술하고 상이한 영역에서 상이한 주파수의 이용을 촉진하게 될 수 있다. 양식에 나타나는 인쇄된 텍스트는 특정 양상(예컨대, 처방자 신원)을 더 양호하고 분명하게 분해하기 위해 광학적 문자 인식을 거칠 수 있다.

호스트는, 예를 들어 알려진 관행 및/또는 특정 패드 또는 진료에 대해 알려진 관행에 기초하여 문자가 발견되는 특정된 단어 또는 영역을 인식하도록 구성될 수 있다. 호스트는 문자 및 단어의 일부로의 매핑을 인식하도록 구성될 수 있다. 예를 들어, 처방이 종양학자에 대한 것인 경우, 사전은 항-구토 조치가 패드의 필기 부분에서 인식되는 가능성을 높이도록 구성될 수 있다. 호스트는 판독된 샘플에 기초하여 보상하도록 구성될 수 있다. 호스트가 소정 상태로 잘못 분해하고, 청구 처리 엔진을 이용한 상호 상관을 통해서, 또는 결과의 샘플 또는 운영자 검토를 통해서, 시스템이 에러 보고를 수신하는 경우, 이러한 에러 보고는 문제가 된 상태와 연관된 결과의 식별을 덜 강조하기 위해 이용될 수 있다. 다수의 양상 및 시퀀스가 조합되어 사람의 개입의 필요성을 줄이는 신뢰성 있는 방식으로 문서가 신속히 처리될 수 있다. 표 1(이하 제시)은 정확성을 높이고 에러의 가능성을 줄이기 위해 인식 및 학습 시퀀스가 어떻게 조합될 수 있는지를 나타낸다.

도 8은 전염병(예컨대, 포도상구균 감염)에 대해 치료받는 소아과 환자를 지원하기 위해 의료 레코드가 생성되는 프로세스(800)의 흐름도이다. 호스트는, 로컬 스캐너를 이용하여 약사 사무실에서 스캔되고 보안 암호화 프로토콜을 이용하여 IP 네트워크를 통해 전송된 항생제에 대한 약제 처방을 나타내는 전자 문서를 수신한다(810). 호스트는, 헤더가 발견되리라 예상되는, 수신된 이미지 상부의 제1 부분과 하부의 처방 데이터가 통상적으로 위치하게 되는 전자 문서 내의 제2 부분을 적어도 포함하는 구성성분 영역을 식별한다(820). 호스트는 헤더에 대한 제1 공간 주파수를 식별하기 위해 FFT를 수행할 수 있다(830). 호스트는 전자 문서 내에 나타나는 실제 처방에 대한 제2 공간 주파수를 식별한다(840). 의사 정보를 갖는 헤더가 제1 공간 주파수에 기초하여 식별된다(850). 호스트는 헤더를 이용하여 처방자를 식별하고(860) 호스트는 처방자에 대한 프로파일을 검색한다(870). 호스트는 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석한다(880). 예를 들어, 호스트는 처방자와 연관된 가장 흔한 용어 및 치료를 나타내는 주파수의 표를 로딩할 수 있다(890). 호스트는, 처방자에 대한 프로파일을 이용하여 제2 공간 주파수를 분석하는 것에 기초하여, 약제 처방과 연관되는 의료 트랜잭션에 대하여 컴퓨터 호스트 상에서 사전인가 레코드를 생성한다(895). 그러면 지불인(예컨대, 보험 회사)은 제안된 트랜잭션을 선택적으로 인가할 수 있다.

일부 구성에서는 실제 필기 인식이 수행되지 않는다. 대신에 처방에 대한 개별 단어(연결된 문자)가 패턴으로 취급될 필요가 있고, 인식의 결과는 인식되어야 할 패턴을 데이터베이스에 저장된 가장 유사한 패턴으로 매핑하는 결과이다. 또 다른 구성으로서, 특정 처방자를 더 양호하게 식별하거나 처방자에 대해 규모가 더 큰 사전 내에서 어느 사전의 부분이 사용되어야 하는지를 식별하기 위해 필기 인식의 일부가 수행된다.

디지털 이미지의 표현을 공간 영역으로부터 주파수 영역으로 변환하는 2차원 푸리에 변환과 관련하여 동작이 기술될 수 있지만, 기타 다른 변환도 이용될 수 있다는 점에 주목해야 한다. 이러한 변환은 미지의 이미지를 알려진 패턴(즉, 의사의 서명)과 상관시키기 위해 이용된다. 주파수 영역에서, 상관 절차는 공간 영역에서보다 더 간단하고 신속할 수 있다. 양자의 변환(이미지 및 패턴)의 곱과 이후의 역 변환은 원래의 이미지에서 100% 정확도, 충분히 양호한 상관관계, 불량/취약 상관관계, 또는 상관관계 없음의 위치를 직접적으로 드러낼 수 있다.

호스트는 식별되는 결과의 정확도를 개선하기 위해 부가적인 기하학적 방법을 구현할 수 있다. 이러한 기하학적 방법은 다음을 포함할 수 있지만, 이에 제한되지 않는다:

- 라인 검출

- 라인들의 검출

- 코빙(coving)의 결정

- 라인 길이의 결정

- 라인 교차의 결정

위에서 기술한 동작에 부가하여, 호스트는 (1) 처방을 기록한 의사를 인식하고, (2) 환자의 연령과 성별을 인식하며, (3) 증상과 진단을 인식하고, (4) 처방에서의 팩의 명칭을 인식하며, (5) 처방에서의 팩의 양을 인식하기 위해 이용될 수 있는 소프트웨어의 부분을 개발하거나 이용하도록 구성될 수 있다. 확립된 프로토콜 또는 예상되는 프로토콜과의 부합 또한 수행될 수 있다.

시스템은 문서를 식별하고, 문서를 암호화하며, 결과를 압축하도록 구성될 수 있다. 각각의 이미지는 고유 식별자, 압축 식별자, 및 보안 암호화 RX 스캔을 수신할 수 있다. 스캔된 문서는 일관된 데이터 처리를 위해 고유 식별자로 식별될 수 있다. 안전하고 비용 효율적인 저장을 위해서, 전자 문서는 압축되고 암호화될 수 있다.

문서를 개별 의사에 대해 매핑하기 위해 수신된 이미지를 샘플 세트와 비교할 수 있다. 양식 패턴이 제거될 수 있고, 여백이 양식으로부터 제거될 수 있으며, 텍스트 중첩이 다시 채워질 수 있다. 양식 섹션 및 필기 패턴이 사전으로부터 판독된다. 이러한 부가적인 사전처리 동작은, 처리 시간을 줄이고 필기 패턴의 특정 사전에 대해 이후의 업데이트를 가능하게 하기 위해 이용될 수 있다.

3.1 상호관련된 빈 공간의 결정

3.2 잔여 공간의 분할

4. 연속되는 레터링의 인식 방법

명세서에서 기술되는 주제 및 기능상 동작의 구현예는, 본 명세서에서 개시된 구조 및 이의 구조적 등가물을 포함하여, 디지털 전자 회로, 유형적으로 구현되는 컴퓨터 소프트웨어 또는 펌웨어, 컴퓨터 하드웨어, 또는 이들 중 하나 이상의 조합으로 구현될 수 있다. 본 명세서에서 기술되는 주제의 구현예는, 하나 이상의 컴퓨터 프로그램, 즉 데이터 처리 장치에 의해 실행되거나 데이터 처리 장치의 동작을 제어하도록 유형의 비일시적 프로그램 매체 상에 인코딩된 컴퓨터 프로그램 명령의 하나 이상의 모듈로 구현될 수 있다. 컴퓨터 저장 매체는 기계 판독가능 저장 디바이스, 기계 판독가능 저장 기판, 랜덤 또는 시리얼 액세스 메모리 디바이스, 또는 이들 중 하나 이상의 조합일 수 있다.

"데이터 처리 장치"라는 용어는 데이터 처리 하드웨어를 지칭하며, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 프로세서 또는 컴퓨터를 포함하여 모든 종류의 장치, 디바이스, 및 기계를 포괄한다. 이러한 장치는 또한 전용 로직 회로, 예컨대 중앙 처리 장치(CPU), 그래픽 처리 장치(GPU), FPGA(필드 프로그램가능 게이트 어레이), 또는 ASIC(주문형 집적 회로)이거나 이를 추가로 포함할 수 있다. 일례로서, CUDA-기반 GPU가 이용될 수 있다. 일부 구현예로서, 데이터 처리 장치 및/또는 전용 로직 회로는 하드웨어-기반 및/또는 소프트웨어-기반일 수 있다. 장치는 선택적으로, 컴퓨터 프로그램을 위한 실행 환경을 생성하는 코드, 예컨대 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제, 또는 이들 중 하나 이상의 조합을 구성하는 코드를 포함할 수 있다. 본 개시내용은 전통적인 운영 체제, 예컨대 Linux, UNIX, 윈도우, Mac OS, 안드로이드, iOS 또는 여타 다른 적합한 기존 운영 체제의 구비 여부에 관계없이 데이터 처리 장치를 이용을 예상한다.

프로그램, 소프트웨어, 소프트웨어 애플리케이션, 모듈, 소프트웨어 모듈, 스크립트, 또는 코드로도 지칭되거나 기술될 수 있는 컴퓨터 프로그램은, 컴파일러 또는 인터프리터 언어, 또는 선언형 또는 절차형 언어를 포함하여 임의의 형태의 프로그래밍 언어로 쓰여질 수 있고, 단독형 프로그램으로 또는 모듈로, 컴포넌트, 서브루틴, 또는 컴퓨팅 환경에 이용하기에 적합한 기타 다른 유닛을 포함하여 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템 내의 파일에 대응할 수 있지만 반드시 그럴 필요는 없다. 프로그램은, 문제되는 프로그램에 전용화된 단일 파일에, 또는 다수의 조합된 파일에, 예컨대 하나 이상의 모듈, 서브 프로그램, 또는 코드의 부분을 저장하는 파일에, 기타 다른 프로그램 또는 데이터를 유지하는 파일의 일부, 예컨대 마크업 언어 문서에 저장된 하나 이상의 스크립트로 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치되거나 다수의 사이트에 걸쳐 분배되어 통신 네트워크에 의해 상호연결되는 하나의 컴퓨터 또는 다수의 컴퓨터 상에서 실행되도록 전개될 수 있다. 다양한 도면에서 예시된 프로그램의 부분은 다양한 객체, 방법, 또는 기타 다른 프로세스를 통해 다양한 특징 및 기능을 구현하는 개별 모듈로서 도시되어 있지만, 그 대신 프로그램은 적절히 다수의 서브 모듈, 서드 파티 서비스, 컴포넌트, 라이브러리 등을 포함할 수 있다. 반대로, 다양한 컴포넌트의 특징 및 기능은 적절히 단일 컴포넌트로 조합될 수 있다.

본 명세서에서 기술되는 프로세스 및 로직 흐름은 입력 데이터에 대해 작용하고 출력을 생성함으로써 기능을 수행하도록 하나 이상의 컴퓨터 프로그램을 실행하는 하나 이상의 프로그램가능 컴퓨터에 의해 수행될 수 있다. 프로세스 및 로직 흐름은 또한, 전용 로직 회로, 예컨대 중앙 처리 장치(CPU), GPU, FPGA(필드 프로그램가능 게이트 어레이), 또는 ASIC(주문형 집적 회로)에 의해 수행될 수 있고, 장치 또한 이들로 구현될 수 있다.

컴퓨터 프로그램의 실행에 적합한 컴퓨터는 예를 들어, 범용 또는 전용 마이크로프로세서 또는 양자 모두, 또는 임의의 다른 종류의 중앙 처리 장치에 기초할 수 있다. 일반적으로, 중앙 처리 장치는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 양자 모두로부터 명령 및 데이터를 수신할 것이다. 컴퓨터의 필수적인 요소는 명령을 수행 또는 실행하기 위한 중앙 처리 장치 및 명령 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스이다. 일반적으로, 컴퓨터는 또한 데이터를 저장하기 위한 하나 이상의 대용량 저장 디바이스, 예컨대 자기, 자기 광학 디스크, 또는 광학 디스크를 포함하거나, 이들로부터 데이터를 수신 또는 이들로 데이터를 전송하도록 동작가능하게 결합될 수 있거나, 또는 양자 모두일 것이다. 그러나, 컴퓨터가 이러한 디바이스를 반드시 구비해야 하는 것은 아니다. 나아가, 컴퓨터는 다른 디바이스, 몇 가지만 예를 들자면 모바일 전화기, 개인 휴대 정보 단말(PDA), 모바일 오디오 또는 비디오 플레이어, 게임 콘솔, GPS 수신기, 또는 휴대형 저장 디바이스, 예컨대 범용 직렬 버스(USB) 플래시 드라이브 내에 내장될 수 있다.

컴퓨터 프로그램 명령 및 데이터를 저장하는데 적합한 컴퓨터 판독가능 매체(적절히, 일시적 또는 비일시적인 매체)는 모든 형태의 비휘발성 메모리, 매체 및 메모리 디바이스를 포함하며, 예컨대 EPROM, EEPROM, 및 플래시 메모리 디바이스 등의 반도체 메모리 디바이스; 예컨대 내부 하드 디스크 또는 착탈식 디스크 등의 자기 디스크; 자기 광학 디스크; 및 CD-ROM과 DVD-ROM 디스크가 포함된다. 메모리는 다양한 객체 또는 데이터를 저장할 수 있고, 여기에는 캐시, 클래스, 프레임워크, 애플리케이션, 백업 데이터, 작업(job), 웹 페이지, 웹 페이지 템플릿, 데이터베이스 테이블, 비즈니스 및/또는 동적 정보를 저장하는 리포지토리, 및 임의의 파라미터, 변수, 알고리즘, 명령, 규칙, 제약, 또는 이에 대한 참조를 포함하는 여타의 적합한 정보가 포함된다. 부가적으로, 메모리는 로그, 정책, 보안 또는 액세스 데이터, 보고 파일 등의 임의의 다른 적절한 데이터를 포함할 수 있다. 프로세스 및 데이터는 전용 로직 회로에 의해 보충되거나 이에 통합될 수 있다.

사용자와의 상호작용을 제공하기 위해서, 본 명세서에서 기술된 주제의 구현예는 사용자에게 정보를 표시하기 위한 디스플레이 디바이스, 예컨대 CRT(음극선관), LCD(액정 디스플레이), 또는 플라즈마 모니터, 그리고 사용자가 컴퓨터에 입력을 제공할 수 있는 키보드 및 포인팅 디바이스, 예컨대 마우스 또는 트랙볼을 구비하는 컴퓨터 상에서 구현될 수 있다. 기타 다른 종류의 디바이스 또한 사용자와의 상호작용을 제공하는데 이용될 수 있다; 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감각 피드백일 수 있고, 예를 들면 시각 피드백, 청각 피드백, 또는 촉각 피드백일 수 있고; 사용자로부터의 입력은 음향, 음성, 또는 촉각 입력을 포함하여 임의의 형태로 수신될 수 있다. 부가적으로, 컴퓨터는 사용자가 사용하는 디바이스에 문서를 전송하고 디바이스로부터 문서를 수신함으로써(예를 들어, 웹 브라우저로부터 수신된 요청에 응답하여 사용자의 클라이언트 디바이스 상에서 웹 브라우저에 웹 페이지를 전송함으로써) 사용자와 상호작용할 수 있다.

"그래픽 사용자 인터페이스" 또는 GUI라는 용어는 하나 이상의 그래픽 사용자 인터페이스 및 특정 그래픽 사용자 인터페이스의 디스플레이 각각을 기술하기 위해 단수형 또는 복수형으로 사용될 수 있다. 그러므로, GUI는 정보를 처리하고 사용자에게 정보 결과를 효율적으로 표현하는 임의의 그래픽 사용자 인터페이스를 표현할 수 있고, 이는 웹 브라우저, 터치 스크린, 또는 명령 라인 인터페이스(CLI)를 포함하지만 이에 제한되는 것은 아니다. 일반적으로, GUI는 복수의 사용자 인터페이스(UI) 요소를 포함할 수 있고, 그 일부 또는 전부가 웹 브라우저와 연관되며, 예컨대 비즈니스 제품군(business suite) 사용자에 의해 작동가능한 인터랙티브 필드, 풀다운 리스트, 버튼 등이 있다. 이러한 UI 요소 및 기타 다른 UI 요소는 웹 브라우저의 기능과 관련되거나 이러한 기능을 나타낼 수 있다.

본 명세서에서 기술된 주제의 구현예는, 예컨대 데이터 서버로서 백 엔드 컴포넌트를 포함하거나, 예를 들어 애플리케이션 서버 등의 미들웨어 컴포넌트를 포함하거나, 또는 예를 들어 사용자가 본 명세서에서 기술된 주제의 구현예와 상호작용할 수 있는 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 클라이언트 컴퓨터 등의 프론트 엔드 컴포넌트를 포함하거나, 또는 하나 이상의 이러한 백 엔드, 미들웨어, 또는 프론트 엔드 컴포넌트의 임의의 조합을 포함하는 컴퓨팅 시스템으로 구현될 수 있다. 이러한 시스템의 컴포넌트는 임의의 형태 또는 매체의 디지털 데이터 통신, 예컨대 통신 네트워크에 의해 상호연결될 수 있다. 통신 네트워크의 예는 로컬 영역 네트워크(LAN), 광역 네트워크(WAN), 예컨대 인터넷, 그리고 무선 로컬 영역 네트워크(WLAN)를 포함한다.

컴퓨팅 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 떨어져 있고 통상적으로 통신 네트워크를 통해 상호작용한다. 클라이언트와 서버의 관계는 각각의 컴퓨터들 상에서 실행되고 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램에 의해서 이루어진다.

본 명세서는 많은 특정 구현 세부사항을 포함하지만, 이는 어떠한 발명의 범위를 제한하거나 청구될 수 있는 범위를 제한하는 것으로 해석되어서는 안 되며, 특정 발명의 특별한 구현에 특정될 수 있는 특징을 설명하는 것으로 해석되어야 한다. 별도의 구현예의 맥락으로 본 명세서에서 기술되는 일부 특징은 하나의 구현예에서 조합되어 구현될 수도 있다. 반대로, 하나의 구현예의 맥락에서 기술된 다양한 특징이 다수의 구현예에서 별개로, 또는 임의의 적합한 부조합으로 구현될 수도 있다. 나아가, 특징들이 특정한 조합으로 작용하는 것으로 기술될 수 있고 처음에 그렇게 청구될 수도 있지만, 청구된 조합으로부터의 하나 이상의 특징은 일부 경우에 조합으로부터 제외될 수 있고, 청구된 조합이 부조합 또는 부조합의 변형으로 지향될 수도 있다.

마찬가지로, 동작들은 특정 순서로 도면에 도시되어 있지만, 이러한 동작들이 도시된 특정 순서 또는 일련의 순서로 수행되어야 할 필요는 없으며, 필요한 결과를 얻기 위해 모든 도시된 동작들이 수행되어야 할 필요도 없다는 점을 이해해야 한다. 특정한 상황에서는, 멀티태스킹 및 병렬 처리가 도움이 될 수 있다. 나아가, 앞서 기술된 구현예에서 다양한 시스템 모듈 및 컴포넌트가 분리되어 있다고 해도 모든 구현예에서 그러한 분리를 요구하는 것으로 이해되어서는 안 되며, 기술된 프로그램 컴포넌트 및 시스템은 일반적으로 하나의 소프트웨어 제품에서 함께 통합되거나 다수의 소프트웨어 제품으로 패키징될 수 있음을 이해해야 한다.

주제의 특정 구현예에 관해 기술하였다. 기술된 구현예의 기타 다른 구현, 변경, 및 치환은 통상의 기술자에게 자명한 바와 같이 이하의 청구 범위 내에 있다. 예를 들어, 청구항에서 제시된 동작은 상이한 순서로 수행되어도 여전히 필요한 결과를 얻을 수 있다.

따라서, 예시적인 구현예에 관한 앞선 설명은 본 개시내용을 한정하거나 제한하지 않는다. 본 개시내용의 범위 및 사상을 벗어나지 않고 기타 다른 변경, 치환, 및 수정 또한 가능하다.

Claims (25)

1. 프로세서 상에서 구현되는 방법으로서,
   컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 단계;
   상기 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 단계;
   상기 전자 문서 내에서 상기 제1 부분에 대한 제1 공간 주파수를 식별하는 단계;
   상기 전자 문서 내에서 상기 제2 부분에 대한 제2 공간 주파수를 식별하는 단계;
   상기 제1 공간 주파수에 기초하여 헤더를 식별하는 단계 ― 상기 제1 공간 주파수와 제2 공간 주파수를 식별하는 것은, (i) 처방자(prescriber)를 식별하는 헤더가 상기 제1 공간 주파수로부터 식별되고 (ii) 식별된 처방자의 프로파일을 이용하여 상기 제2 공간 주파수가 분석되도록, 문서의 일부에 대해 고속 푸리에 변환을 수행하고 공간 정보를 주파수 정보로 변환하는 것을 포함함 ―;
   상기 헤더를 이용하여 처방자를 식별하는 단계;
   상기 처방자에 특정적인 프로파일을 검색하는 단계;
   상기 제2 공간 주파수가 상기 처방자에 특정적인 프로파일로부터의 공간 주파수 영역 정보와 비교되도록 상기 처방자에 특정적인 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 단계 ― 처방자에 특정적인 프로파일은 처방자의 과거 레코드로부터 구성된 것이고, 공간 주파수 영역에서 처방자의 격리된 필기를 포함함 ―; 및
   상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석한 결과에 기초하여, 상기 약제 처방과 연관되는 의료 트랜잭션에 대하여 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 단계
   를 포함하는, 프로세서 상에서 구현되는 방법.
2. 제1항에 있어서,
   상기 구성성분 영역을 식별하는 단계는, 레퍼런스 객체를 위해 전자 문서를 검사하고 상기 레퍼런스 객체를 이용하여 상기 제1 부분 및 제2 부분을 식별하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
3. 제1항에 있어서,
   상기 구성성분 영역을 식별하는 단계는, 상기 전자 문서에 나타나는 내용과 무관하게 기술되는 구성성분 영역을 식별하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
4. 제1항에 있어서,
   상기 구성성분 영역을 식별하는 단계는, 문서 포맷을 식별하기 위해 예비 수준의 처리를 수행하고 상기 문서 포맷을 이용하여 제1 영역과 제2 영역을 특정하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
5. 제1항에 있어서,
   상기 제1 공간 주파수에 기초하여 상기 헤더를 식별하는 것은, 상기 제1 공간 주파수를 알려진 헤더의 공간 주파수의 라이브러리와 비교하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
6. 제1항에 있어서,
   상기 처방자에 대한 프로파일을 검색하는 단계는, 상기 처방자의 진료와 연관된 용어의 사전을 검색하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
7. 제1항에 있어서,
   상기 처방자에 대한 프로파일을 검색하는 단계는, 공간 주파수 영역으로 표현되는 상기 처방자에 대한 용어의 사전을 검색하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
8. 제1항에 있어서,
   상기 처방자에 대한 프로파일을 검색하는 단계는, 사전에 나타나는 용어에 대해 상이한 공간 주파수 표현을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
9. 삭제
10. 제1항에 있어서,
    상기 처방자에 대한 프로파일을 검색하는 단계는, 사전에 나타나는 상이한 용어와 상기 제2 공간 주파수 간의 상관관계의 확률을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
11. 제1항에 있어서,
    상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석한 결과에 기초하여, 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 단계는, 상기 약제 처방을 나타내는 수신된 상기 전자 문서에 기초하여 전자 문서 처방을 생성하는 것을 포함하는, 프로세서 상에서 구현되는 방법.
12. 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템으로서, 상기 적어도 하나의 프로세서는:
    컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 동작;
    상기 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 동작;
    상기 전자 문서 내에서 상기 제1 부분에 대한 제1 공간 주파수를 식별하는 동작;
    상기 전자 문서 내에서 상기 제2 부분에 대한 제2 공간 주파수를 식별하는 동작;
    상기 제1 공간 주파수에 기초하여 헤더를 식별하는 동작 ― 상기 제1 공간 주파수와 제2 공간 주파수를 식별하는 것은, (i) 처방자를 식별하는 헤더가 상기 제1 공간 주파수로부터 식별되고 (ii) 식별된 처방자의 프로파일을 이용하여 상기 제2 공간 주파수가 분석되도록, 문서의 일부에 대해 고속 푸리에 변환을 수행하고 공간 정보를 주파수 정보로 변환하는 것을 포함함 ―;
    상기 헤더를 이용하여 처방자를 식별하는 동작;
    상기 처방자에 특정적인 프로파일을 검색하는 동작;
    상기 제2 공간 주파수가 상기 처방자에 특정적인 프로파일로부터의 공간 주파수 영역 정보와 비교되도록 상기 처방자에 특정적인 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 동작 ― 처방자에 특정적인 프로파일은 처방자의 과거 레코드로부터 구성된 것이고, 공간 주파수 영역에서 처방자의 격리된 필기를 포함함 ―; 및
    상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석한 결과에 기초하여, 상기 약제 처방과 연관되는 의료 트랜잭션에 대하여 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 동작
    을 수행하도록 구성되는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
13. 제12항에 있어서,
    상기 구성성분 영역을 식별하는 동작은, 레퍼런스 객체를 위해 전자 문서를 검사하고 상기 레퍼런스 객체를 이용하여 상기 제1 부분 및 제2 부분을 식별하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
14. 제12항에 있어서,
    상기 구성성분 영역을 식별하는 동작은, 상기 전자 문서에 나타나는 내용과 무관하게 기술되는 구성성분 영역을 식별하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
15. 제12항에 있어서,
    상기 구성성분 영역을 식별하는 동작은, 문서 포맷을 식별하기 위해 예비 수준의 처리를 수행하고 상기 문서 포맷을 이용하여 제1 영역과 제2 영역을 특정하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
16. 제12항에 있어서,
    상기 제1 공간 주파수에 기초하여 상기 헤더를 식별하는 동작은, 상기 제1 공간 주파수를 알려진 헤더의 공간 주파수의 라이브러리와 비교하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
17. 제12항에 있어서,
    상기 처방자에 대한 프로파일을 검색하는 동작은, 상기 처방자의 진료와 연관된 용어의 사전을 검색하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
18. 제12항에 있어서,
    상기 처방자에 대한 프로파일을 검색하는 동작은, 공간 주파수 영역으로 표현되는 상기 처방자에 대한 용어의 사전을 검색하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
19. 제12항에 있어서,
    상기 처방자에 대한 프로파일을 검색하는 동작은, 사전에 나타나는 용어에 대해 상이한 공간 주파수 표현을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
20. 삭제
21. 제12항에 있어서,
    상기 처방자에 대한 프로파일을 검색하는 동작은, 사전에 나타나는 상이한 용어와 상기 제2 공간 주파수 간의 상관관계의 확률을 기술하는 컴퓨터 데이터 구조를 검색하는 것을 포함하는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
22. 제12항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 약제 처방을 나타내는 수신된 상기 전자 문서에 기초하여 전자 문서 처방을 생성하는 것을 포함해서, 상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석한 결과에 기초하여, 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 동작을 수행하도록 더 구성되는, 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템.
23. 소프트웨어 명령을 포함하는 컴퓨터 판독가능 매체로서, 상기 소프트웨어 명령은 컴퓨터에 의해 실행되는 경우 상기 컴퓨터로 하여금:
    컴퓨터 호스트 상에서, 약제 처방을 나타내는 전자 문서를 수신하는 동작;
    상기 전자 문서 내에서 적어도 제1 부분과 제2 부분을 포함하는 구성성분 영역을 식별하는 동작;
    상기 전자 문서 내에서 상기 제1 부분에 대한 제1 공간 주파수를 식별하는 동작;
    상기 전자 문서 내에서 상기 제2 부분에 대한 제2 공간 주파수를 식별하는 동작;
    상기 제1 공간 주파수에 기초하여 헤더를 식별하는 동작 ― 상기 제1 공간 주파수와 제2 공간 주파수를 식별하는 것은, (i) 처방자를 식별하는 헤더가 상기 제1 공간 주파수로부터 식별되고 (ii) 식별된 처방자의 프로파일을 이용하여 상기 제2 공간 주파수가 분석되도록, 문서의 일부에 대해 고속 푸리에 변환을 수행하고 공간 정보를 주파수 정보로 변환하는 것을 포함함 ―;
    상기 헤더를 이용하여 처방자를 식별하는 동작;
    상기 처방자에 특정적인 프로파일을 검색하는 동작;
    상기 제2 공간 주파수가 상기 처방자에 특정적인 프로파일로부터의 공간 주파수 영역 정보와 비교되도록 상기 처방자에 특정적인 프로파일을 이용하여 상기 제2 공간 주파수를 분석하는 동작 ― 처방자에 특정적인 프로파일은 처방자의 과거 레코드로부터 구성되는 것이고, 공간 주파수 영역에서 처방자의 격리된 필기를 포함함 ―; 및
    상기 처방자에 대한 상기 프로파일을 이용하여 상기 제2 공간 주파수를 분석한 결과에 기초하여, 상기 약제 처방과 연관되는 의료 트랜잭션에 대하여 상기 컴퓨터 호스트 상에서 트랜잭션 레코드를 생성하는 동작
    을 수행하도록 하는, 소프트웨어 명령을 포함하는 컴퓨터 판독가능 매체.
24. 삭제
25. 삭제

Images