KR20220009964A - 크라우드소싱 데이터의 임상적 큐레이션을 위한 시스템 및 방법 - Google Patents

크라우드소싱 데이터의 임상적 큐레이션을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20220009964A
KR20220009964A KR1020217037772A KR20217037772A KR20220009964A KR 20220009964 A KR20220009964 A KR 20220009964A KR 1020217037772 A KR1020217037772 A KR 1020217037772A KR 20217037772 A KR20217037772 A KR 20217037772A KR 20220009964 A KR20220009964 A KR 20220009964A
Authority
KR
South Korea
Prior art keywords
data
input data
patient
free text
alert
Prior art date
Application number
KR1020217037772A
Other languages
English (en)
Inventor
마이클 브라운
케네스 알. 바인가르트
질리안 크리스틴 아렌스
브렌트 폴 케르산스케
Original Assignee
페어 테라퓨틱스, 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 페어 테라퓨틱스, 인코포레이티드 filed Critical 페어 테라퓨틱스, 인코포레이티드
Publication of KR20220009964A publication Critical patent/KR20220009964A/ko

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
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/67—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 operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • 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
    • 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
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

방법은 환자와 관련되는 환자 디바이스로부터 입력 데이터를 획득하는 것을 포함하는데, 입력 데이터는 환자에 의해 생성되는 자유 텍스트 데이터를 포함한다. 입력 데이터가 사전 결정된 관련성 기준을 충족하는지의 여부를 결정하도록, 입력 데이터는 분석된다. 입력 데이터는 임상적으로 큐레이팅된 데이터베이스 내의 임상 데이터에 비교되어 비교 데이터를 생성한다. 비교 데이터에 기초하여, 방법은 다음의 큐레이션 동작 중 적어도 하나를 수행하는 것을 포함한다: (i) 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 및 입력 데이터가 임상 데이터와는 충분히 상이하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상적으로 큐레이팅된 데이터베이스에 추가하는 것; (ii) 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 및 입력 데이터가 임상 데이터와 충분히 유사하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상 데이터와 병합하는 것; 및 입력 데이터가 사전 결정된 관련성 기준을 충족하지 않는다는 것이 결정되는 경우 액션을 취하지 않는 것.

Description

크라우드소싱 데이터의 임상적 큐레이션을 위한 시스템 및 방법
관련 출원에 대한 교차 참조
이 미국 특허 출원은, 35 U.S.C. §119(e)에 하에서, 2019년 4월 30일자로 출원된 미국 가출원 제62/840,656호에 대한 우선권을 주장한다. 이 선행 출원의 개시는 본 출원의 개시의 일부로서 간주되며 그 전체가 참조에 의해 본원에 통합된다.
분야
본 개시는, 일반적으로, 심각한 의학적 상태의 치료에 관한 것이고, 더 구체적으로는, 심각한 의학적 상태의 치료를 위한 임상적으로 큐레이팅된 데이터베이스(clinically curated database)를 구현 및 관리하기 위한 시스템 및 방법에 관한 것이다.
이 섹션에서 제공되는 정보는 일반적으로 본 개시의 맥락을 제시하는 목적을 위한 것이다. 이 섹션에서 설명되는 정도까지의 현재 명명된 발명자의 연구뿐만 아니라, 출원시 선행 기술로서 달리 자격을 갖추지 않을 수도 있는 설명의 양태는, 어느 것도, 명시적으로든 또는 묵시적으로든, 본 개시에 대한 선행 기술로 인정되지 않는다.
약물 요법은 다양한 의학적 질병 및 장애의 치료에서 중요한 역할을 해왔다. 전통적인 약물 요법은 의약품 및 등등의 투여를 수반한다. 종래의 의약품의 예는, 일반적으로 화학적 합성으로부터 유도하는 저분자 약물, 및 재조합 단백질, 백신, 치료용으로서 사용되는 혈액 제제(blood product), 유전자 요법, 단일 클론 항체, 세포 요법, 및 등등을 포함할 수도 있는 바이오 의약품(biopharmaceutical)을 포함할 수도 있다.
약물 요법이 소정의 질병 및 장애를 치료하기 위한 효과적인 메커니즘인 것으로 입증되었지만, 그것은 단점이 없지는 않다. 예를 들면, 의약품은 종종 바람직하지 않은 소정의 부작용이 있는 것으로 공지되어 있다. 또한, 의약품은 종종 고가이다 - 때로는 엄청나게 비싸다.
따라서, 다양한 의학적 질병 및 장애를 치료하기 위한 디지털 솔루션이 종래의 약물 치료 기술에 대한 보완으로서, 또는 대안으로서 출현하였다. 그러한 디지털 솔루션(예를 들면, 디지털 치료법, 모바일 건강 애플리케이션, 등등)은 유저(예를 들면, 처방 디지털 치료법(prescription digital therapeutic) 또는 "PDT" 의 경우 환자)에게 정보를 요청할 수도 있다. 그러한 정보는, 제한이 아닌 예로서, 유저의 정신 상태(예를 들면, 유저가 느끼는 또는 경험했던 감정) 및/또는 신체 상태(예를 들면, 정신적 또는 신체적 건강 상태와 관련되는 신체적 증상)에 관한 정보를 포함할 수도 있다.
종래의 디지털 솔루션은 주어진 질의에 대한 선택 가능한 응답의 고정된 세트를 유저에게 자주 제시하였다. 예를 들면, "기분이 어떠세요?"와 같은 질의와 관련하여, 종래의 디지털 솔루션은, 유저에게, "행복", "슬픔", "두려움", "피곤함", "고통스러움", "졸림", 등등과 같은 선택가능한 옵션의 세트를 제시할 수도 있다. 그러나, 이들 사전 선택되고 고정된 응답은, 종종, 유저의 정신적 또는 신체적 상태를 적절하게 포착하지 못한다.
따라서, 심각한 의학적 상태의 치료를 위한 임상적으로 큐레이팅된 데이터베이스를 구현하고 관리하기 위한 시스템 및 방법이 필요할 수도 있다.
이제, 반드시 일정한 비율로 묘사되지 않은 첨부의 도면에 대한 참조가 이루어질 것인데, 첨부의 도면에서:
도 1은, 본 개시의 예시적인 실시형태에 따른, 임상적으로 큐레이팅된 데이터베이스를 구현 및 관리하기 위한 시스템의 개략도이다;
도 2는, 본 개시의 예시적인 실시형태에 따른, 임상적으로 큐레이팅된 데이터베이스를 구현 및 관리하기 위한 시스템의 기능 블록도이다;
도 3은 도 2의 시스템의 적어도 일부에 의해 실행되는 제1 그래픽 유저 인터페이스를 디스플레이하는 환자 디바이스이다;
도 4는 도 2의 시스템의 적어도 일부에 의해 실행되는 제2 그래픽 유저 인터페이스를 디스플레이하는 환자 디바이스이다;
도 5a 내지 도 5d는 도 2의 시스템을 사용하여 임상적으로 큐레이팅된 데이터베이스를 큐레이팅하기 위한 프로세스이다;
도 6은 도 2의 시스템에 의해 수행되는 방법을 예시하는 플로우차트이다; 그리고
도 7은, 본 개시의 예시적인 실시형태에 따른, 임상적으로 큐레이팅된 데이터베이스를 구현 및 관리하기 위한 전자 디바이스의 개략도이다.
다양한 도면에서 같은 참조 번호는 같은 엘리먼트를 나타낸다.
본 개시의 하나의 양태는, 데이터 프로세싱 하드웨어 및 데이터 프로세싱 하드웨어와 통신하는 메모리 하드웨어를 포함하는 시스템을 제공한다. 메모리 하드웨어는, 데이터 프로세싱 하드웨어 상에서 실행될 때 데이터 프로세싱 하드웨어로 하여금 환자와 관련되는 환자 디바이스로부터 입력 데이터를 획득하는 것을 포함하는 동작을 수행하게 하는 명령어를 저장하는데, 입력 데이터는 환자에 의해 생성되는 자유 텍스트 데이터를 포함한다. 동작은 입력 데이터가 사전 결정된 관련성 기준을 충족하는지의 여부를 결정하기 위해 입력 데이터를 분석하는 것을 포함한다. 동작은, 입력 데이터를 임상적으로 큐레이팅된 데이터베이스 내의 임상 데이터에 비교하여 비교 데이터를 생성하는 것, 및 비교 데이터에 기초하여, 다음의 큐레이션 동작 중 적어도 하나를 수행하는 것을 포함한다: (i) 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 및 입력 데이터가 임상 데이터와는 충분히 상이하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상적으로 큐레이팅된 데이터베이스에 추가하는 것; (ii) 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 및 입력 데이터가 임상 데이터와 충분히 유사하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상 데이터와 병합하는 것; 및 입력 데이터가 사전 결정된 관련성 기준을 충족하지 않는다는 것이 결정되는 경우 액션을 취하지 않는 것.
본 개시의 구현예는 다음의 옵션 사항의(optional) 피쳐 중 하나 이상을 포함할 수도 있다. 몇몇 구현예에서, 동작은, 불행한 이벤트(adverse event)의 가능성을 결정하기 위해 입력 데이터를 분석하는 것, 및 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 입력 데이터가 나타낼 가능성에 대응하는 위험 평가 값을 입력 데이터에 할당하는 것을 더 포함한다. 입력 데이터와 관련되는 위험 평가 값이 사전 결정된 임계치를 초과하는 경우, 동작은 불행한 이벤트를 해결하기 위한 액션의 메커니즘을 실행하는 것을 더 포함할 수도 있다.
액션의 메커니즘은, 환자를 감독하는 건강 관리 제공자(healthcare provider)와 관련되는 건강 관리 제공자 디바이스에 경보를 전송하는 것을 포함할 수도 있는데, 경보는 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타낸다. 액션의 메커니즘은 콜센터와 관련되는 콜센터 디바이스에 경보를 전송하는 것을 포함할 수도 있는데, 경보는, 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타내고 경보는 환자 디바이스를 통해 환자와 연락하도록 콜센터에게 지침을 제공한다. 액션의 메커니즘은 경보를 환자 디바이스로 전송하는 것을 포함할 수도 있는데, 경보는 불행한 이벤트를 해결하기 위한 정보를 환자에게 제공한다.
입력 데이터를 분석하는 것 및 입력 데이터를 임상 데이터에 비교하는 것은, 인공 지능을 구현하는 것에 의해 수행될 수도 있다. 인공 지능은 건강 관리 전문가에 의해 감독될 수도 있다. 인공 지능은 자율(unsupervised) 머신 러닝을 포함할 수도 있다.
입력 데이터는 질의에 응답하여 입력될 수도 있고, 입력 데이터가 질의에 대한 응답인 경우 사전 결정된 관련성 기준은 충족될 수도 있다.
본 개시의 다른 양태는, 하나 이상의 프로세서를 통해, 환자와 관련되는 환자 디바이스로부터 입력 데이터를 획득하는 것을 포함하는 방법을 제공하는데, 입력 데이터는 환자에 의해 생성되는 자유 텍스트 데이터를 포함한다. 입력 데이터가 사전 결정된 관련성 기준을 충족하는지의 여부를 결정하도록, 입력 데이터는, 하나 이상의 프로세서를 통해, 분석된다. 입력 데이터는, 하나 이상의 프로세서를 통해, 임상적으로 큐레이팅된 데이터베이스 내의 임상 데이터에 비교되어 비교 데이터를 생성한다. 비교 데이터에 기초하여, 방법은 다음의 큐레이션 동작 중 적어도 하나를 수행하는 것을 포함한다: (i) 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 및 입력 데이터가 임상 데이터와는 충분히 상이하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상적으로 큐레이팅된 데이터베이스에 추가하는 것; (ii) 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 및 입력 데이터가 임상 데이터와 충분히 유사하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상 데이터와 병합하는 것; 및 입력 데이터가 사전 결정된 관련성 기준을 충족하지 않는다는 것이 결정되는 경우 액션을 취하지 않는 것. 이 양태는 다음의 옵션 사항의 피쳐 중 하나 이상을 포함할 수도 있다.
몇몇 구현예에서, 방법은, 불행한 이벤트의 가능성을 결정하기 위해 입력 데이터를 분석하는 것, 및 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 입력 데이터가 나타낼 가능성에 대응하는 위험 평가 값을 입력 데이터에 할당하는 것을 더 포함한다. 방법은, 입력 데이터와 관련되는 위험 평가 값이 사전 결정된 임계치를 초과하는 경우, 불행한 이벤트를 해결하기 위한 액션의 메커니즘을 실행하는 것을 더 포함할 수도 있다.
액션의 메커니즘은, 환자를 감독하는 건강 관리 제공자와 관련되는 건강 관리 제공자 디바이스에 경보를 전송하는 것을 포함할 수도 있는데, 경보는 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타낸다. 액션의 메커니즘은 콜센터와 관련되는 콜센터 디바이스에 경보를 전송하는 것을 포함할 수도 있는데, 경보는, 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타내고 경보는 환자 디바이스를 통해 환자와 연락하도록 콜센터에게 지침을 제공한다. 액션의 메커니즘은 경보를 환자 디바이스로 전송하는 것을 포함할 수도 있는데, 경보는 불행한 이벤트를 해결하기 위한 정보를 환자에게 제공한다.
입력 데이터를 분석하는 것 및 입력 데이터를 임상 데이터에 비교하는 것은, 인공 지능을 구현하는 것에 의해 수행될 수도 있다. 인공 지능은 건강 관리 전문가에 의해 감독될 수도 있다. 인공 지능은 자율 머신 러닝을 포함할 수도 있다.
입력 데이터는 질의에 응답하여 입력될 수도 있고, 입력 데이터가 질의에 대한 응답인 경우 사전 결정된 관련성 기준은 충족될 수도 있다.
본 개시의 하나 이상의 구현예의 세부 사항은 하기의 설명 및 첨부의 도면에서 기술된다. 다른 양태, 피쳐, 및 이점은, 설명 및 도면으로부터, 그리고 청구범위로부터 명백할 것이다.
상세한 설명
개시된 기술의 몇몇 구현예는 첨부의 도면을 참조하여 더 완전하게 설명될 것이다. 그러나, 이 개시된 기술은 많은 상이한 형태로 구체화될 수도 있고 본원에서 기술되는 구현예로 제한되는 것으로 해석되어서는 안된다.
개시된 기술의 예시적인 구현예는 심각한 의학적 상태의 치료를 위한 임상적으로 큐레이팅된 데이터베이스를 구현 및 관리하기 위한 시스템 및 방법을 제공한다.
예를 들면, 오피오이드(opioid) 남용, 다발성 경화증, 우울증, 등등과 같은 소정의 의학적 상태 또는 징후의 치료를 위해, 환자로부터의 입력은, 치료를 제어하는 의료 전문가에게 정보를 제공하는 것에 의해 그 특정한 환자의 요구에 맞게 치료를 재단하는 데 도움이 될 수도 있다. 그러한 입력은, 선다형 질문(multiple-choice question)에 대한 응답, 개방형 질문(open-ended question)에 대한 응답, 구조화되지 않은 자유 텍스트, 등등의 형태일 수도 있다. 추가적으로, 환자 입력은 프롬프트될(prompt) 수도 있고 임상적으로 큐레이팅된 데이터베이스로부터의 다른 환자의 유사한 입력을 환자에게 나타낼 수도 있는데, 이것은 환자로 하여금 그들의 특정한 생각과 감정을 경험함에 있어서 그들이 혼자가 아닌 것처럼 느끼게 할 수도 있다.
몇몇 예에서, 소정의 의학적 상태로 고통받는 환자는, 소정의 의학적 상태, 예를 들면, 장애를 일으키는 만성 질환의 예측할 수 없는 경과에 대한 자연스러운 반응일 수도 있는 정신 건강 증상을 경험할 수도 있다. 정신 건강 증상은 우울증, 불안, 기분 변화, 등등을 포함할 수도 있다. 소정의 의학적 상태를 가진 환자는, 부적절한 대처 또는 불충분한 사회적 지원과 같은 심리적 위험 요인뿐만 아니라, 뇌 구조에서의 변화와 같은 생물학적 프로세스에 기인하여, 정신 건강 증상에 걸리기 쉬울 수도 있다.
증상의 심각도와 환자가 정신 건강 증상을 경험할 가능성 사이에는 관련성이 없다; 의학적 질환을 갖는 임의의 환자는 임의의 시점에 정신 건강 증상을 경험할 수 있지만, 그러나 다양한 요인이 환자의 정신 건강 증상에 영향을 줄 수도 있다. 환자의 초기 진단 다음에는, 정신 건강 증상의 기간이 후속될 수도 있다. 환자는 또한, 소정의 의학적 상태와 관련되는 신체적 증상에 기인하여 정신 건강 증상을 경험할 수도 있다. 예를 들면, 피로로 고통받는 환자는 정신 건강 증상과 싸우는 데 필요한 정서적 에너지가 고갈될 수도 있다. 더구나, 새로운 증상 및 미래에 대한 환자의 높은 레벨의 불확실성은 환자로 하여금 정신 건강 증상을 경험하게 할 수도 있다. 중추 신경계에 대한 손상과 같은 생리학적 원인, 및 세포 대 세포 통신에서 수반되는 염증 유발성(pro-inflammatory) 단백질 분자의 발현과 같은 화학적 변화는, 환자로 하여금 역시 정신 건강 증상을 경험하게 할 수도 있다. 약물 부작용은 정신 건강 증상을 악화시킬 수 있다. 예를 들면, 스테로이드는 단기적으로 행복감을 야기할 수 있고, 일단 행복감이 멈추면 정신 건강 증상이 후속될 수도 있다.
정신 건강 증상은 소정의 의학적 상태로 고통받는 환자의 기분에 크게 영향을 끼치며, 그에 의해, 환자의 삶의 질에 부정적인 영향을 끼친다. 환자는 정서적 건강보다 신체 건강에 우선 순위를 둘 수도 있고 정신 건강 증상을 치료하지 않고 방치할 수도 있는데, 이것은 삶의 질의 감소 및 인지 기능의 손상으로 이어질 수도 있다. 예를 들면, 정신 건강 증상을 경험하는 환자는 일상 생활 활동을 중단하려고 시도할 수도 있고, 그 결과, 감소된 사회적 자극으로 귀결될 수도 있다. 환자는 또한 증가된 자살의 위험을 경험할 수도 있다.
소정의 의학적 상태를 갖는 환자에서의 정신 건강 증상에 대한 현재의 치료 옵션은, 일반적으로, 약물 및 임상의와의 대면 요법을 포함한다. 그러나, 이들 치료 옵션은 더욱 효과적인 환자 입력으로 보완될 수도 있다.
이제, 개시된 기술의 예시적인 구현예가 첨부의 도면을 참조하여 설명될 것이다.
도 1을 참조하면, 몇몇 구현예에서, 치료 처방 시스템(100)은 환자(101)에게 처방되는 처방 디지털 치료법(120)에 대한 액세스를 환자(101)에게 제공하고 처방 디지털 치료법(120)과의 환자(101)의 상호 작용과 관련되는 이벤트를 모니터링한다. 디지털 치료법(120)이 본원에서 "처방" 디지털 치료법인 것으로 설명되지만, 몇몇 구현예에 따르면, 디지털 치료법(120)은 임상의로부터의 처방을 필요로 하지 않을 것이다는 것이 이해된다. 오히려, 그러한 구현예에서, 디지털 치료법(120)은 처방 없이 환자가 이용 가능할 수도 있고, 디지털 치료법(120)은, 그럼에도 불구하고 그 외에는, 본원에서 설명되는 처방 디지털 치료법(120)의 설명에 따라 기능한다. 디지털 치료법(120)이 처방되지 않는 구현예에 따르면, 디지털 치료법을 사용하는 또는 투여받고 있는 사람은 "유저"로서 지칭될 수도 있다. "유저"는, 디지털 치료법(120)이 그 사람에게 처방되었는지의 여부에 무관하게, 디지털 치료법(120)을 사용하는 또는 투여받고 있는 환자(101) 또는 임의의 다른 사람을 포함할 수도 있다.
본원에서 사용되는 바와 같이, 디지털 요법은, 특정한 질병 또는 장애 뿐만 아니라, 특정한 질병 또는 장애와 관련되는 증상 및/또는 거동을 갖는 환자를 치료하기 위한 증거 기반의 심리 사회적 중재 기술을 전달하도록 구성되는 디지털 치료로서 또한 지칭될 수도 있다. 하나의 예로서, 환자(101)는 만성 질환으로 진단될 수도 있고 처방 디지털 치료법(120)은, 환자(101)가 경험할 수도 있는 만성 질환과 관련되는 하나 이상의 우울증 증상을 다루도록 구체적으로 재단될 수도 있다. 환자(101)를 감독하는 승인된 건강 관리 제공자(healthcare provider; HCP)(109)(예를 들면, 의사, 간호사, 등등)는, 환자(101)가 경험하고 있는 감정을 환자(101)가 식별하는 것 및 환자(101)의 우울증 증상을 치료하기 위해 기능 장애 감정, 거동, 및 생각을 수정하는 것을 돕도록 설계되는 처방 디지털 치료법(120)을 환자(101)에게 처방할 수도 있다. HCP(109)는 의사, 간호사, 임상의 또는 다른 자격을 갖춘 건강 전문가를 포함할 수도 있다.
몇몇 예에서, 시스템(100)은 네트워크(106), 환자 디바이스(102), HCP 시스템(140), 및 의료적 징후 고유의 치료 서비스(medical indication-specific therapy service; 160)를 포함한다. 예를 들면, 치료 서비스(160)는 오피오이드 남용, 다발성 경화증, 우울증, 등등과 같은 특정한 징후에 관련될 수도 있다. 네트워크(106)는 원격 디바이스 상에서 서비스의 수행을 제공하기 위해, 치료 서비스(160)를 실행하는 클라우드 컴퓨팅 리소스(150)(예를 들면, 분산 시스템)에 대한 액세스를 제공한다. 따라서, 네트워크(106)는 치료 서비스(160)를 사용한 환자(101)와 HCP(109) 사이의 상호 작용을 허용한다. 예를 들면, 치료 서비스(160)는 환자(101)에게 처방 디지털 치료법(120)에 대한 액세스를 제공할 수도 있고 처방 디지털 치료법(120)과의 환자(101)의 상호 작용과 관련되는 환자(101)에 의해 입력되는 이벤트 데이터(122)를 수신할 수도 있다. 이어서, 치료 서비스(160)는 이벤트 데이터(122)를 스토리지 리소스(156)에 저장할 수도 있다.
네트워크(106)는, 무선 원격 통신 네트워크, 셀룰러 전화 네트워크, 시분할 다중 액세스(time division multiple access; TDMA) 네트워크, 코드 분할 다중 액세스(code division multiple access; CDMA) 네트워크, 이동 통신용 글로벌 시스템(Global system for mobile communications; GSM), 3세대(third generation; 3G) 네트워크, 4세대(fourth generation; 4G) 네트워크, 위성 통신 네트워크, 및 다른 통신 네트워크와 같은, 통신 신호의 전송 및 수신을 허용하는 임의의 타입의 네트워크를 포함할 수도 있다. 네트워크(106)는 광역 통신망(Wide Area Network; WAN), 근거리 통신망(Local Area Network; LAN), 개인 영역 네트워크(Personal Area Network; PAN) 중 하나 이상을 포함할 수도 있다. 몇몇 예에서, 네트워크(106)는 데이터 네트워크의 조합, 원격 통신 네트워크의 조합, 및 데이터 및 원격 통신 네트워크의 조합을 포함한다. 환자 디바이스(102), HCP 시스템(140), 및 치료 서비스(160)는 네트워크(106)를 통해 신호(유선 또는 무선)를 전송 및 수신하는 것에 의해 서로 통신한다. 몇몇 예에서, 네트워크(106)는, 네트워크(106)를 통해 이용 가능한 탄력적/주문형 컴퓨팅 및/또는 스토리지 리소스(156)일 수도 있는 클라우드 컴퓨팅 리소스에 대한 액세스를 제공한다. 용어 "클라우드" 서비스는, 일반적으로, 유저의 디바이스 상에서 로컬하게 수행되는 서비스가 아니라, 오히려, 하나 이상의 네트워크(106)를 통해 액세스 가능한 하나 이상의 원격 디바이스로부터 전달되는 서비스를 지칭한다.
환자 디바이스(102)는, 휴대용 전자 디바이스(예를 들면, 스마트폰, 셀룰러 폰, 개인 휴대형 정보 단말, 퍼스널 컴퓨터, 무선 태블릿 디바이스, 또는 웨어러블 디바이스), 데스크탑 컴퓨터, 또는 네트워크(106)를 통해 정보를 전송 및 수신할 수 있는 임의의 다른 전자 디바이스를 포함할 수도 있지만, 그러나 이들로 제한되지는 않는다. 환자 디바이스(102)는 데이터 프로세싱 하드웨어(112)(명령어를 실행하는 컴퓨팅 디바이스), 메모리 하드웨어(114), 및 데이터 프로세싱 하드웨어(112)와 통신하는 디스플레이(116)를 포함한다. 몇몇 예에서, 환자 디바이스(102)는 환자(101)가 데이터를 입력하는 것을 허용하기 위한 키보드, 마우스, 마이크, 및/또는 카메라를 포함한다. 디스플레이(116)에 추가하여 또는 그 대신, 환자 디바이스(102)는 환자(101)에게 오디오 데이터를 출력하기 위한 하나 이상의 스피커를 포함할 수도 있다. 예를 들면, 처방 디지털 치료법(120)과 관련되는 어떤 시간에 민감한 이벤트에 대해 환자(101)에게 통지하기 위해, 가청 경보가 스피커에 의해 출력될 수도 있다. 몇몇 구현예에서, 환자 디바이스(102)는 처방 디지털 치료법(120)에 액세스하기 위해 치료 서비스(160)와의 연결을 확립하기 위해 환자 애플리케이션(103)을 실행한다(또는 웹 기반의 환자 애플리케이션에 액세스한다). 예를 들면, 환자(101)는 환자(101)에게 처방되는 처방 디지털 치료법(120)의 지속 기간(예를 들면, 3 개월) 동안 환자 애플리케이션(103)에 액세스할 수도 있다. 여기서, 처방 디지털 치료법(120)이 HCP(109)에 의해 처방되는 경우, 환자(101)가 경험하고 있을 수도 있는 특정한 징후와 관련되는 하나 이상의 증상을 치료하도록/다루도록 구체적으로 재단되는 치료 서비스(160)로부터의 처방 디지털 치료법(120)과 관련되는 콘텐츠에 환자(101)가 액세스하는 것을 허용하는 액세스 코드(104)를 초기에 제공하는 것에 의해, 환자 디바이스(102)는 환자 애플리케이션(103)을 론칭할 수도 있다. 환자 애플리케이션(103)은, 환자 디바이스(102)의 데이터 프로세싱 하드웨어(112) 상에서 실행될 때, 다른 것들 중에서도, 환자가 경험하고 있는 특정한 감정과 관련되는 이벤트 데이터(122)를 환자(101)가 입력하는 것을 허용하고, 환자(101)에게 정보를 요청하고, 환자(101)가 볼 저널 엔트리(journal entry)를 제시하는 다양한 그래픽 유저 인터페이스(graphical user interface; GUI)(예를 들면, 도 3에서 도시되는 바와 같은 환자 입력 GUI(231))를 환자 디바이스(102)의 디스플레이(116) 상에서 디스플레이하도록 구성된다.
스토리지 리소스(156)는 환자(101)로부터 수신되는 이벤트 데이터(122)를 대응하는 환자 기록(105)뿐만 아니라, 환자(101)에게 처방되는 처방 디지털 치료법(120)에서 저장하기 위한 데이터 스토리지(158)를 제공할 수도 있다. 몇몇 구현예에서, 데이터 스토리지(158)는, 클라우드 컴퓨팅 시스템(150)과 통신하는 임상적으로 큐레이팅된 데이터베이스(220)와 통신한다. 예를 들면, 데이터 스토리지(158)는 환자 기록(105), 처방 디지털 치료법(120), 및/또는 임의의 다른 적절한 정보를 임상적으로 큐레이팅된 데이터베이스(220)와 공유할 수도 있고, 임상적으로 큐레이팅된 데이터베이스(220)는 임상적으로 큐레이팅된 엔트리 및/또는 임의의 다른 적절한 정보를 데이터 스토리지(158)와 공유할 수도 있다. 다른 구현예에서, 데이터 스토리지(158)는 임상적으로 큐레이팅된 데이터베이스(220)를 저장한다. 환자 기록(105)은 환자(101)를 식별하는 임의의 정보가 익명화되도록 데이터 스토리지(158)에 저장되는 동안 암호화될 수도 있지만, 그러나, 환자(101) 또는 감독하는 HCP(109)가 환자 기록(105)을 요청할 때(요청자가 환자 기록(105)에 액세스하도록 승인/인증된다는 것을 가정함) 나중에 암호 해제될 수도 있다. 환자 디바이스(102)와 클라우드 컴퓨팅 시스템(150) 사이에서 네트워크(106)를 통해 송신되는 모든 데이터는 암호화되어 보안 통신 채널을 통해 전송될 수도 있다. 예를 들면, 환자 애플리케이션(103)은 HTTPS 프로토콜을 통해 치료 서비스(160)에 송신하기 이전에 이벤트 데이터(122)를 암호화할 수도 있고 치료 서비스(160)로부터 수신되는 환자 기록(105)을 암호 해제할 수도 있다. 네트워크 연결성이 이용 가능하지 않은 경우, 환자 애플리케이션(103)은 네트워크 연결성이 이용 가능할 때까지 메모리 하드웨어(114) 내의 암호화된 큐에서 이벤트 데이터(122)를 저장할 수도 있다.
HCP 시스템(140)은, 클리닉, 의사의 사무실, 또는 HCP(109)에 의해 관리되는 시설에 위치될 수도 있고, 데이터 프로세싱 하드웨어(142), 메모리 하드웨어(144), 및 디스플레이(146)를 포함한다. 메모리 하드웨어(144) 및 디스플레이(146)는 데이터 프로세싱 하드웨어(142)와 통신한다. 예를 들면, 데이터 프로세싱 하드웨어(142)는, HCP(109)가 치료 서비스(160)에 데이터를 입력하는 것 및 치료 서비스(160)로부터 데이터를 검색하는 것을 허용하기 위해 데스크탑 컴퓨터 또는 휴대용 전자 디바이스 상에 상주할 수도 있다. 몇몇 예에서, HCP(109)는, 처음에는, 환자(101)에게 처방 디지털 치료법(120)을 처방하는 시간에 환자 데이터(107)의 일부 또는 모두를 온보딩할(onboard) 수도 있다. HCP 시스템(140)은 키보드(148), 마우스, 마이크, 스피커 및/또는 카메라를 포함한다. 몇몇 구현예에서, HCP 시스템(140)은, 치료 서비스(160)에 데이터를 입력하도록 그리고 그로부터 데이터를 검색하도록 치료 서비스(160)와의 연결을 확립하기 위한 HCP 애플리케이션(110)을 실행한다(또는 웹 기반의 환자 애플리케이션에 액세스한다)(즉, 데이터 프로세싱 하드웨어(142)를 통해 실행한다). 예를 들면, HCP 시스템(140)은, HCP(109)가 환자(101)를 감독하고 있고 대응하는 환자 기록(105)에 액세스하도록 승인된다는 것을 유효성 확인하는 인증 토큰(108)을 제공하는 것에 의해, 스토리지 리소스(156) 상에서 치료 서비스(160)에 의해 안전하게 저장되는 익명화된 환자 기록(105)에 액세스할 수 있을 수도 있다. 인증 토큰(108)은, HCP 시스템(140)이 치료 서비스(160)로부터 획득하도록 허용되는 환자 기록(105)과 관련되는 특정한 환자(101)를 식별할 수도 있다. 환자 기록(105)은, 환자 디바이스(102) 상에서 실행되는 환자 애플리케이션(103)을 통한 처방 디지털 치료법(120)과의 환자의 상호 작용을 나타내는 타임스탬프가 부가된(time-stamped) 이벤트 데이터(122)를 포함할 수도 있다.
클라우드 컴퓨팅 리소스(150)는 확장 가능한/탄력적인 리소스(152)를 갖는 분산 시스템(예를 들면, 원격 환경)일 수도 있다. 리소스(152)는 컴퓨팅 리소스(154)(예를 들면, 데이터 프로세싱 하드웨어) 및/또는 스토리지 리소스(156)(예를 들면, 메모리 하드웨어)를 포함한다. 클라우드 컴퓨팅 리소스(150)는 환자 디바이스(102) 및 HCP 시스템(140)과의 통신을 용이하게 하기 위한, 그리고 데이터 스토리지(158) 내의 스토리지 리소스(156) 상에서 데이터를 저장하고 임상적으로 큐레이팅된 데이터베이스(220) 상에서 데이터를 저장하기 위한 치료 서비스(160)를 실행한다. 몇몇 예에서, 치료 서비스(160), 데이터 스토리지(158), 및 임상적으로 큐레이팅된 데이터베이스(220)는 독립형 컴퓨팅 디바이스 상에서 상주한다. 치료 서비스(160)는, 데이터 프로세싱 하드웨어(112) 상에서 실행 가능하며 환자(101)가 유효한 액세스 코드(104)를 제공할 때 환자 디바이스(102)를 통해 네트워크(106)를 통해 액세스 가능한 환자 애플리케이션(103)(예를 들면, 모바일 애플리케이션, 웹사이트 애플리케이션, 또는 명령어의 세트를 포함하는 다운로드 가능한 프로그램)을 환자(101)에게 제공할 수도 있다. 유사하게, 치료 서비스(160)는, 데이터 프로세싱 하드웨어(142) 상에서 실행 가능하며 HCP 시스템(140)을 통해 네트워크(106)를 통해 액세스 가능한 HCP 애플리케이션(110)(예를 들면, 모바일 애플리케이션, 웹사이트 애플리케이션, 또는 명령어의 세트를 포함하는 다운로드 가능한 프로그램)을 HCP(109)에게 제공할 수도 있다.
도 2를 참조하면, 본 개시의 예시적인 구현예에 따른, 임상적으로 큐레이팅된 데이터베이스(220)를 구현 및 관리하기 위한 시스템(200)을 예시하는 다이어그램이 도시된다. 하나의 예에 따르면, 시스템(200)의 양태는 클라우드 컴퓨팅 시스템(150)의 컴퓨팅 리소스(154)에 의해 실행될 수도 있다. 다른 예에서, 시스템(200)의 양태는 환자 디바이스(102)의 데이터 프로세싱 하드웨어(112)와 같은 전자 디바이스에 의해 실행될 수도 있다. 또 다른 예에서, 시스템(200)의 양태는 컴퓨팅 리소스(154) 및 데이터 프로세싱 하드웨어(112)의 어떤 조합에 의해 실행될 수도 있다. 몇몇 구현예에서, 외부적으로 이용 가능한 데이터(210)는 임상적으로 큐레이팅된 데이터베이스(220)에 의해 획득(예를 들면, 페치(fetch) 또는 수신)된다. 외부적으로 이용 가능한 데이터(210)는, 예를 들면, 미국 연방 의약국(Federal Drug Administration; FDA), 세계 보건 기구(World Health Organization; WHO), 국제 질병 분류(International Classification of Diseases): 10차 개정판(ICD-10), 등등과 같은 다양한 소스로부터 획득될 수도 있다. 상기에서 기술되는 바와 같이, 임상적으로 큐레이팅된 데이터베이스(220)는 클라우드 컴퓨팅 리소스(150)와 통신할 수도 있거나 또는 클라우드 컴퓨팅 리소스(150)의 데이터 스토리지(158) 상에 저장될 수도 있다. 다른 구현예에서, 임상적으로 큐레이팅된 데이터베이스(220)는 환자 디바이스(102)의 메모리 하드웨어(114), HCP 시스템(140)의 메모리 하드웨어(144), 또는 임의의 다른 적절한 저장 위치에 상에서 저장될 수도 있다.
시스템(200)은 사전 정의된 엔트리 모듈(230a) 및 자유 텍스트 엔트리 모듈(230b)을 갖는 입력 모듈(230)을 포함한다. 입력 모듈(230)은, 디스플레이(116) 및/또는 다른 주변장치, 예컨대 환자 디바이스(102)의 마이크, 스피커, 마우스, 키보드, 카메라, 등등과 연계하여 환자 디바이스(102), 즉, 데이터 프로세싱 하드웨어(112)에 의해 실행될 수도 있다. 입력 모듈(230)은 임상적으로 큐레이팅된 데이터베이스(220)와 통신하여 임상적으로 큐레이팅된 데이터베이스(220)로부터 데이터를 획득(예를 들면, 페치 또는 수신)한다.
도 2 및 도 3을 참조하면, 몇몇 예에서, 환자 디바이스(102)의 디스플레이(116)는 환자 입력 GUI(231)를 디스플레이하는 터치스크린을 포함한다. 데이터 프로세싱 하드웨어(112)는 환자 입력 GUI(231)와의 인간 상호 작용을 용이하게 하도록 적응되는 GUI 소프트웨어를 실행할 수도 있다. 하기에서 더욱 상세하게 설명되는 바와 같이, 환자(101)는 환자 입력 GUI(231)와 상호 작용하기 위한 선택을 나타내는 유저 선택을 제공할 수도 있다. 본원에서 사용되는 바와 같이, 유저 선택은, 디스플레이(116) 상에서 디스플레이되는 환자 입력 GUI(231)의 임의의 디스플레이된 엘리먼트 또는 컴포넌트를 포함하는 UI 제어부(UI control)로 지향될 수도 있다. 그러한 만큼, UI 제어부의 선택을 나타내는 유저 선택은 환자(101)가 입력을 제공하는 것, 데이터를 보는 것, 및/또는, 다르게는 환자 입력 GUI(231)와 상호 작용하는 것을 허용할 수도 있다. UI 제어부의 예는 버튼, 드랍다운 메뉴, 메뉴 아이템, 탭 앤 홀드 기능성(tap-and-hold functionality), 등등을 포함한다.
환자 입력 GUI(231)는 자유 텍스트 데이터 엔트리 엘리먼트(232), 데이터 엔트리 헤더 엘리먼트(236), 및 개개의 예시적인 엔트리(238a-d)을 포함하는 복수의 사전 정의된 엔트리(238)를 디스플레이한다. 몇몇 예에서, 데이터 엔트리 헤더 엘리먼트(236) 및 자유 텍스트 데이터 엔트리 엘리먼트(232) 각각은 엔트리 프롬프트(237)를 포함할 수도 있다. 엔트리 프롬프트(237)는 환자(101)로부터 응답을 유도하도록 의도되는 위한 질문 또는 진술일 수도 있다. 예를 들면, 엔트리 프롬프트(237)는 "My automatic thought was that...(나의 자동 생각은 ...였다)"를 나타내어, 환자(101)에게 그들의 자동적인 생각을 가지고 응답할 것을 촉구할 수도 있다. 각각의 엔트리 프롬프트(237)는 엔트리 프롬프트(237)에 대한 선택 가능한 응답인 복수의 사전 정의된 엔트리(238)와 관련될 수도 있다. 예를 들면, 사전 정의된 엔트리 모듈(230a)은, 사전 정의된 엔트리(238)가 언제 그리고 그들 중 어떤 것이 환자(101)에 의해 선택되는지를 결정할 수도 있다. 엔트리 프롬프트(237) 및 그것의 관련된 사전 정의된 엔트리(238)는 임상적으로 큐레이팅된 데이터베이스(220)로부터 검색되어 환자 입력 GUI(231)에서 디스플레이된다. 예를 들면, 도 3에서 도시되는 바와 같이, 사전 정의된 엔트리(238c) 중 하나는, 엔트리 프롬프트(237) "My automatic thought was that..."에 대한 응답에서, "I worry about having a panic attack all the time(나는 항상 공황 발작을 갖는 것에 대해 염려한다)"를 나타낼 수도 있다. 명백해질 바와 같이, 사전 정의된 엔트리(238)는, 외부에서 이용 가능한 데이터(210), 리뷰되어 임상적으로 큐레이팅된 데이터베이스(220)에 추가된 다른 환자로부터의 자유 텍스트 응답, 또는 이들의 조합에, 적어도 부분적으로, 기초할 수도 있다.
몇몇 구현예에서, 환자 입력 GUI(231)는 엔트리 프롬프트(237)에 대한 환자의 타이핑된 또는 발화된(spoken) 응답을 반영하는 자유 텍스트 데이터(234)의 문자열을 디스플레이할 수도 있다. 도 3에서 도시되는 바와 같이, 자유 텍스트 데이터(234)의 문자열은 엔트리 프롬프트(237)에 후속하는 밑줄이 그어진 공간에서 입력될 수도 있다. 자유 텍스트 데이터 엔트리 엘리먼트(232)는, 키보드(도시되지 않음)를 통해 자유 텍스트 데이터 엔트리 엘리먼트(232)에서 타이핑하는 것 또는 환자 디바이스(102)의 마이크에 말하는 것에 의해, 환자(101)가 자유 텍스트 데이터(234)의 문자열을 입력하는 것을 허용한다. 자유 텍스트 데이터(234)는 자유 텍스트 데이터 엔트리 엘리먼트(232)에서 디스플레이되고, 몇몇 실시형태에서, 엔트리 프롬프트(237)에 첨부된다.
환자(101)는 여러 가지 방식으로 엔트리 프롬프트(237)에 응답할 수도 있다. 하나의 실시형태에 따르면, 환자(101)는, 사전 정의된 엔트리 모듈(230a)에 의해 결정되는 바와 같은, 환자 디바이스(102)의 디스플레이(116) 상에서 디스플레이되는 사전 정의된 엔트리(238) 중 하나를 (예를 들면, 터치 제스쳐 또는 다른 적절한 입력 메커니즘을 통해) 선택하는 것에 의해 응답할 수도 있다. 다른 실시형태에 따르면, 환자(101)는, 자유 텍스트 엔트리 모듈(230b)에 의해 결정되는 바와 같은, 예를 들면, (예를 들면, 환자 입력 GUI(231)의 적어도 일부를 통해 풀업될 수도 있는 키보드 GUI를 통해) 키보드에 타이핑하는 것 또는 환자 디바이스(102)의 마이크에 말하는 것에 의해, 자유 텍스트 데이터(234)를 자유 텍스트 데이터 엔트리 엘리먼트(232)에 입력하는 것에 의해 응답할 수도 있다. 몇몇 예에 따르면, 환자는, 입력 모듈(230)에 의해 결정되는 바와 같은 전송 버튼(233)을 선택하는 것에 의해 엔트리 프롬프트(237)에 대한 그들의 응답을 최종적으로 승인하거나(finalize) 또는 확인할 수도 있다.
도 2 및 도 3을 참조하면, 입력 모듈(230)은, 환자 디바이스(102)의 디스플레이(116) 상에서 디스플레이되는 환자 입력 GUI(231)(도 3) 또는 환자 트리거 GUI(300)(도 4)와 같은 GUI를 생성하도록 구성되는 GUI 생성 모듈(240)과 통신한다. 사전 정의된 엔트리(238) 중 하나의 선택을 나타내는 유저 선택 표시시, GUI 생성 모듈(240)은 사전 정의된 엔트리(238) 중 선택된 하나를 환자 입력 GUI(231) 상에서 디스플레이한다. 예를 들면, 도시되지는 않지만, 사전 정의된 엔트리(238) 중 선택된 하나는, 그 사전 정의된 엔트리(238)의 선택을 나타내기 위해 임의의 적절한 방식으로 강조 표시되거나, 분리되거나, 또는 식별될 수도 있다. 엔트리 프롬프트(237)의 선택을 나타내는 유저 선택 표시 및 자유 텍스트 데이터(234)의 엔트리의 후속하는 검출시, GUI 생성 모듈(240)은 자유 텍스트 데이터(234) 및/또는 엔트리 프롬프트(237)를 환자 입력 GUI(231) 상에서 디스플레이한다. 예를 들면, 도시되지는 않지만, 자유 텍스트 데이터(234)는 자유 텍스트 데이터(234)의 엔트리를 나타내기 위해 임의의 적절한 방식으로 강조 표시되거나, 분리되거나, 또는 식별될 수도 있다.
자유 텍스트 리뷰 모듈(250)은, 자유 텍스트 데이터(234)에 따라 어떤 추가적인 액션이 취해져야 하는지를 결정하기 위해 자유 텍스트 데이터(234)를 리뷰 및 분석하도록 구성된다. 예를 들면, 자유 텍스트 리뷰 모듈(250)은, 자유 텍스트 데이터(234)가 사전 결정된 관련성 기준을 충족하는지의 여부(즉, 자유 텍스트 데이터(234)가 엔트리 프롬프트(237)에 응답하는지의 여부) 및 불행한 이벤트가 발생하였거나 또는 발생할 가능성을 자유 텍스트 데이터(234)가 나타내는지의 여부를 결정하도록 구성된다. 몇몇 예에 따르면, 자유 텍스트 리뷰 모듈(250)은, 자유 텍스트 데이터(234)와 관련하여 어떤 추가적인 액션이 취해져야 하는지를 결정하기 위해, 인공 지능 및/또는 머신 러닝(감독 또는 자율)을 구현하도록 구성된다. 그 결정에 기초하여, 자유 텍스트 리뷰 모듈(250)은 추가적인 프로세싱을 위해 자유 텍스트 데이터(234)를 임상 데이터 큐레이션 모듈(260)에 선택적으로 전달하도록 구성된다.
임상 데이터 큐레이션 모듈(260)은 엔트리 추가 모듈(add entry module; 262), 엔트리 병합 모듈(merge entry module; 264), 및 무액션 모듈(266)을 포함한다. 엔트리 추가 모듈(262)은, 자유 텍스트 데이터(234)가 사전 결정된 기준을 충족한다는 결정에 기초하여, 자유 텍스트 데이터(234)를 임상적으로 큐레이팅된 데이터베이스(220)에 (예를 들면, 데이터베이스(220)에서의 새로운 엔트리로서) 추가하도록 구성된다. 그러한 사전 결정된 기준은 다음의 것을 포함할 수도 있지만, 그러나 이들로 제한되지는 않는다: (i) 자유 텍스트 데이터(234)의 관련성(예를 들면, 계산된 관련성 점수에 따름), (ii) 자유 텍스트 데이터(234)가 민감한 또는 부적절한 콘텐츠를 포함한다는 결정(예를 들면, 자유 텍스트 데이터(234)가 욕설, 불경스러운 언행(profanity), 또는 등등과 같은 소정의 공지된 단어를 포함한다는 결정에 기초함), (iii) 임상적으로 큐레이팅된 데이터베이스(220)가 이미 유사한 엔트리를 포함한다는 결정(예를 들면, 비교 데이터를 생성하기 위한 임상적으로 큐레이팅된 데이터베이스(220) 내의 사전 정의된 엔트리(238)에 대한 자유 텍스트 데이터(234)의 비교에 기초함), (iv) 등등. 예를 들면, 자유 텍스트 데이터(234)가 "I feel like I am a burden on my family(나는 가족에게 부담이 되는 것 같아요)"를 나타내고, 임상적으로 큐레이팅된 데이터베이스(220)에 유사하게 관련된 사전 정의된 엔트리(238)이 없는 경우, 그러면, 비교 데이터는, 자유 텍스트 데이터(234)가 임상적으로 큐레이팅된 데이터베이스(220)에 추가되어야 한다는 것을 나타낼 수도 있고, 엔트리 추가 모듈(262)은 자유 텍스트 데이터(234)를 임상적으로 큐레이팅된 데이터베이스(220)에 추가할 수도 있다.
하나의 예에 따르면, 자유 텍스트 데이터(234)는 벡터화되고 임상적으로 큐레이팅된 데이터베이스(220) 내의 사전 정의된 엔트리(238)와 관련되는 대응하는 벡터 데이터에 비교되어 비교 데이터를 생성할 수도 있다. 이 예에 따르면, 엔트리 추가 모듈(262)은, 각각의 엔트리에 대한 벡터가 사전 정의된 임계치 밖에 있는 경우, 주어진 자유 텍스트 데이터(234) 엔트리가 임상적으로 큐레이팅된 데이터베이스(220) 내의 주어진 사전 정의된 엔트리(238)와는 충분히 상이하다는 것을 결정할 수도 있다. 그러한 결정은 인공 지능 및/또는 머신 러닝(감독 또는 자율)에 의해 이루어질 수도 있다. 자유 텍스트 데이터(234)가 임상적으로 큐레이팅된 데이터베이스(220) 내의 사전 정의된 엔트리(238) 중 하나와 충분히 상이하다는 것이 결정되면, 자유 텍스트 데이터(234)는 엔트리 추가 모듈(262)에 의해 새로운 엔트리로서 임상적으로 큐레이팅된 데이터베이스(220)에 추가될 수도 있다.
엔트리 병합 모듈(264)은, 자유 텍스트 데이터(234)가 임상적으로 큐레이팅된 데이터베이스(220) 내의 임의의 사전 정의된 엔트리(238)와 밀접하게 관련되는지의 여부를 결정하도록 구성된다. 하나의 예에 따르면, 자유 텍스트 데이터(234)는 벡터화되고 임상적으로 큐레이팅된 데이터베이스(220) 내의 사전 정의된 엔트리(238)와 관련되는 대응하는 벡터 데이터에 비교되어 비교 데이터를 생성할 수도 있다. 이 예에 따르면, 엔트리 병합 모듈(264)은, 각각의 엔트리에 대한 벡터가 사전 정의된 임계치 이내에 있으면, 주어진 자유 텍스트 데이터(234) 엔트리가 임상적으로 큐레이팅된 데이터베이스(220) 내의 주어진 사전 정의된 엔트리(예를 들면, 엔트리(238a))에 관련된다는 것을 결정할 수도 있다. 그러한 결정은 인공 지능 및/또는 머신 러닝(감독 또는 자율)에 의해 이루어질 수도 있다. 자유 텍스트 데이터(234)가 임상적으로 큐레이팅된 데이터베이스(220) 내의 사전 정의된 엔트리(238) 중 하나에 충분히 관련된다는 것이 결정되면, 자유 텍스트 데이터(234)는, 엔트리 병합 모듈(264)에 의해, 관련된 사전 정의된 엔트리(예를 들면, 엔트리(238a))와 병합될 수도 있다. 자유 텍스트 데이터(234)와 사전 정의된 엔트리(238) 사이의 유사성은, 몇몇 예에 따르면, 자유 텍스트 데이터(234)의 의미 및 사전 정의된 엔트리(238)의 의미에 기초할 수도 있다. 예를 들면, 자유 텍스트 데이터(234)가 "I'm scared(나는 무섭다)"를 나타내고 사전 정의된 엔트리(238) 중 하나가 "I'm afraid(나는 두렵다)"를 나타내면, 엔트리 병합 모듈(264)은 "I'm scared"에 대한 자유 텍스트 데이터(234)를, "I'm afraid"에 대응하는 사전 정의된 엔트리와 병합할 수도 있다. 다른 예로서, 비교 데이터는, 자유 텍스트 데이터(234)가 오타 또는 철자 오류(예를 들면, "I'm afriad")를 포함하지만, 그러나 사전 정의된 엔트리(238) 중 하나(예를 들면, "I'm afraid"에 대응하는 사전 정의된 엔트리)에 충분히 유사하고, 그 결과, 엔트리 병합 모듈(264)은 이 자유 텍스트 데이터(234)를 "I'm afraid"에 대응하는 사전 정의된 엔트리와 병합한다는 것을 나타낼 수도 있다.
자유 텍스트 데이터(234)가 임상적으로 큐레이팅된 데이터베이스(220)에 추가되기 위한 또는 임상적으로 큐레이팅된 데이터베이스(220) 내의 사전 정의된 엔트리(238) 중 하나와 병합되기 위한 기준을 충족하지 않는다는 것이 결정되는 경우(즉, 자유 텍스트 데이터(234)가 사전 결정된 관련성 기준을 충족하지 않는 경우), 그러면, 무액션 모듈(266)에서 액션이 취해지지 않고 자유 텍스트 데이터(234)는 입력된 그대로 유지된다. 예를 들면, 자유 텍스트 데이터(234)가 무의미한 텍스트(예를 들면, "abcd1234", "!@kfycn", lpahsnxc", 등등) 또는 관련이 없는 텍스트(즉, "The sky is blue(하늘이 파랗다)"와 같은 엔트리 프롬프트(237)에 대한 응답이 아닌 텍스트)를 포함하는 경우, 무액션 모듈(266)은 자유 텍스트 데이터(234)가 임상적으로 큐레이팅된 데이터베이스(220)에 추가되는 것을 방지하도록 구성된다.
다른 이점 중에서도, 임상적으로 큐레이팅된 데이터베이스(220)에 새로운 데이터 엔트리를 추가하는 것, 데이터 엔트리를 임상적으로 큐레이팅된 데이터베이스(220)에 병합하는 것, 및 엔트리가 임상적으로 큐레이팅된 데이터베이스(220)에 추가되는 것을 방지하는 것은, 임상적으로 큐레이팅된 데이터베이스(220)가 가장 관련이 있는 결과로 채워지는 것으로 귀결될 수도 있고, 그 결과, 환자(101)에 대한 향상된 결과로 귀결될 수도 있다.
몇몇 예에 따르면, 자유 텍스트 데이터(234)의 분석시, 자유 텍스트 리뷰 모듈(250)은, 자유 텍스트 데이터(234)가 환자(101) 또는 다른 사람에 대한 가능한 불행한 이벤트를 암시한다는 것을 자유 텍스트 데이터(234)의 내용에 기초하여 결정할 수도 있다. 그러한 결정은 인공 지능 및/또는 머신 러닝(감독 또는 자율)에 의해 이루어질 수도 있다. 예를 들면, 자유 텍스트 리뷰 모듈(250)은 환자(101) 또는 다른 사람에게 가능한 위해를 나타내는 소정의 키워드의 존재에 기초하여 불행한 이벤트 상태를 검출할 수도 있다. 자유 텍스트 데이터(234)가 "I want to kill myself(나는 자살하고 싶다)", "I want to harm myself(나는 자해하고 싶다)", "I want to harm others(나는 다른 사람을 해치고 싶다)", 등등과 같은 위해(harm)의 진술을 반영하는 경우, 자유 텍스트 리뷰 모듈(250)에 의해 불행한 이벤트 상태가 검출될 수도 있다.
불행한 이벤트 상태의 검출시, 자유 텍스트 리뷰 모듈(250)은 추가적인 프로세싱을 위해 자유 텍스트 데이터(234)를 규제 리뷰 모듈(270) 상으로 전달할 수도 있다. 규제 리뷰 모듈(270)은 불행한 이벤트 리뷰 모듈(272) 및 보고 모듈(274)을 포함할 수도 있다. 불행한 이벤트 리뷰 모듈(272)은 자유 텍스트 데이터(234)에 기초하여 불행한 이벤트의 가능성을 결정하도록 구성된다. 이 결정은, 예를 들면, 자유 텍스트 데이터(234)의 소정의 키워드의 존재(예를 들면, "kill(죽이다)", "harm(위해)", "hurt(상처)", 등등), 자유 텍스트 데이터(234)에서의 특정한 마약의 거리 이름(예를 들면, "heroin(헤로인)", "cocaine(코카인)", 등등), 약물 상표명(예를 들면, "Suboxone®"), 및/또는 약품 제조사 이름(예를 들면, "Big Pharma Corp.")의 존재, 및/또는 불행한 이벤트를 나타내는 이전에 리뷰된 응답에 대한 자유 텍스트 데이터(234)의 비교에 기초할 수도 있다. 몇몇 구현예에서, 불행한 이벤트의 가능성의 결정은, 자해를 평가하기 위한 확립된 임상 척도에 기초할 수도 있다. 예를 들면, 불행한 이벤트 리뷰 모듈(272)은 자유 텍스트 데이터(234)를 분석하고 자유 텍스트 데이터(234)에 기초하여 위험 평가 값을 생성할 수도 있다. 몇몇 구현예에서, 위험 평가 값을 생성하는 것은, 자유 텍스트 데이터(234)를, 확립된 임상 데이터베이스와 같은 사전 존재하는 데이터베이스 내의 엔트리에 대해 비교하는 것을 포함할 수도 있다. 그러한 분석 및/또는 비교는, 인공 지능 및/또는 머신 러닝(감독 또는 자율)에 의해 행해질 수도 있다. 자유 텍스트 데이터(234)가 불행한 이벤트를 나타낸다는, 불행한 이벤트 리뷰 모듈(272)에 의한 결정시, 불행한 이벤트 리뷰 모듈(272)은 보고 모듈(274)에 의한 액션을 트리거할 수도 있다.
보고 모듈(274)은, 예를 들면, HCP 시스템(140)으로 경보를 전송하는 것, 치료 서비스(160)로 경보를 전송하는 것, 또는 경보 또는 환자(101)의 전화번호를 자살 핫라인, 또는 다른 적절한 콜센터, 위기 핫라인, 등등으로 전송하여, 환자(101)와 연락할 것을 자살 핫라인에게 지시하는 것과 같은, 액션의 메커니즘을 실행하도록 구성된다. 추가적으로 또는 대안적으로, 보고 프로시져는 FDA, WHO, 등등과 같은 조직에 의해 기술되는 프로세스를 따를 수도 있다.
상기에서 설명되는 바와 같이, 환자 입력 GUI(231)는 환자(101)의 자동 생각에 관련이 있다. 그러나, 환자 입력 GUI(231)는 디스플레이(116) 상에서 디스플레이될 수도 있는 하나의 예시적인 GUI를 예시하고, 다른 GUI가 유사한 방식으로 디스플레이(116) 상에 마찬가지로 디스플레이될 수도 있다는 것이 이해되어야 한다.
예를 들면, 도 4를 참조하면, 환자 트리거 GUI(300)는 입력 모듈(230)에 의해 실행될 수도 있고 환자 디바이스(102)의 디스플레이(116) 상에서 디스플레이될 수도 있다. 환자 트리거 GUI(300)는, 입력 모듈(230)을 통해, 자유 텍스트 데이터 엔트리 엘리먼트(302), 데이터 엔트리 헤더 엘리먼트(304), 및 개개의 예시적인 엔트리(306a-e)를 포함하는 복수의 사전 정의된 엔트리(306)를 디스플레이할 수도 있다. 몇몇 예에서, 데이터 엔트리 헤더 엘리먼트(304)는 엔트리 프롬프트(305)를 포함할 수도 있다. 엔트리 프롬프트(305)는, 엔트리 프롬프트(237)와 유사하게, 환자(101)로부터 응답을 유도하도록 의도되는 질문 또는 진술일 수도 있다. 예를 들면, 엔트리 프롬프트(305)는 "What triggered the response?(무엇이 응답을 트리거하였는가?)"를 나타내어, 환자(101)가 특정한 트리거를 가지고 응답할 것을 촉구할 수도 있다. 몇몇 구현예에서, 응답은 재발(예를 들면, 약물 또는 알코올 재발)과 관련될 수도 있고, 트리거는 재발을 트리거한 이벤트, 활동, 감정, 등등과 관련될 수도 있다.
각각의 엔트리 프롬프트(305)는 엔트리 프롬프트(305)에 대한 선택 가능한 응답인 복수의 사전 정의된 엔트리(306)와 관련될 수도 있다. 예를 들면, 사전 정의된 엔트리 모듈(230a)은, 사전 정의된 엔트리(306)가 언제 그리고 그들 중 어떤 것이 환자(101)에 의해 선택되는지를 결정할 수도 있다. 엔트리 프롬프트(305) 및 그것의 관련된 사전 정의된 엔트리(306)는 임상적으로 큐레이팅된 데이터베이스(220)로부터 검색되어 환자 트리거 GUI(300)에서 디스플레이된다. 예를 들면, 도 4에서 도시되는 바와 같이, 제1 사전 정의된 엔트리(306a)는 "Stress(스트레스)"를 나타낼 수도 있고, 제2 사전 정의된 엔트리(306b)는 "Work(업무)"를 나타낼 수도 있고, 제3 사전 정의된 엔트리(306c)는 "Hunger(배고픔)"를 나타낼 수도 있고, 제4 사전 정의된 엔트리(306c)는 "Anger(분노)"를 나타낼 수도 있으며, 그리고 제5 사전 정의된 엔트리(306e)는 "Loneliness(외로움)"을 나타낼 수도 있다. 이들 트리거 외에도, 피로(tiredness), 피로(fatigue), 사회적 압박, 통증, 지루함, 등등과 같은 임의의 다른 적절한 트리거가 고려된다. 상기의 사전 정의된 엔트리(238)와 유사하게, 사전 정의된 엔트리(306)는, 외부에서 이용 가능한 데이터(210), 리뷰되어 임상적으로 큐레이팅된 데이터베이스(220)에 추가된 다른 환자로부터의 자유 텍스트 응답, 또는 이들의 조합에, 적어도 부분적으로, 기초할 수도 있다.
몇몇 구현예에서, 환자 트리거 GUI(300)는, 자유 텍스트 엔트리 모듈(230b)을 통해, 엔트리 프롬프트(305)에 대한 환자의 타이핑된 또는 발화된 응답을 반영하는 자유 텍스트 데이터(308)의 문자열을 디스플레이할 수도 있다. 도 4에서 도시되는 바와 같이, 자유 텍스트 데이터(308)의 문자열은 "Other(기타)"에 후속하는 밑줄이 그어진 공간에서 입력될 수도 있다. 자유 텍스트 데이터 엔트리 엘리먼트(302)는, 키보드(도시되지 않음)를 통해 자유 텍스트 데이터 엔트리 엘리먼트(302)에서 타이핑하는 것 또는 환자 디바이스(102)의 마이크에 말하는 것에 의해, 환자(101)가 자유 텍스트 데이터(308)의 문자열을 입력하는 것을 허용한다. 자유 텍스트 데이터(308)는 자유 텍스트 데이터 엔트리 엘리먼트(302)에서 디스플레이되고, 몇몇 실시형태에서, 엔트리 프롬프트(305)에 첨부된다. 엔트리 프롬프트(237)와 관련하여 상기에서 기술되는 바와 같이, 환자(101)는 터치 제스쳐, 음성, 등등과 같은 여러 가지 방식으로 엔트리 프롬프트(305)에 응답할 수도 있다. 몇몇 예에 따르면, 환자는, 입력 모듈(230)에 의해 결정되는 바와 같은 전송 버튼(310)을 선택하는 것에 의해 엔트리 프롬프트(305)에 대한 그들의 응답을 최종적으로 승인하거나 또는 확인할 수도 있다.
시스템(200) 및 환자 입력 GUI(231)와 관련한 상기의 설명과 유사하게, 시스템(200)은, 환자(101)와 환자 트리거 GUI(300) 사이의 상호 작용으로부터 획득되는 정보와 관련하여, GUI 생성 모듈(240), 자유 텍스트 리뷰 모듈(250), 임상 데이터 큐레이션 모듈(260), 및 규제 리뷰 모듈(270)을 마찬가지로 실행할 수도 있다.
도 5a 내지 도 5d를 참조하면, 시스템(200)을 사용하여 임상적으로 큐레이팅된 데이터베이스(220)를 큐레이팅하기 위한 프로세스(500)의 예시적인 그래픽 표현이 일반적으로 예시된다. 프로세스(500)는, 몇몇 예에서, "My automatic thought was that..."일 수도 있는 엔트리 프롬프트(502)를 포함한다. 프로세스(500)는, 하나의 예에서, 제1 그룹(512) 및 제2 그룹(514)을 포함하는 복수의 데이터베이스 그룹(504)을 포함한다. 프로세스(500)는 각각의 그룹(504)과 관련되는 엔트리(506)를 포함한다. 예를 들면, 제1 그룹(512)은 엔트리(512a-512g)를 포함하고 제2 그룹(514)은 엔트리(514a-514c)를 포함한다. 프로세스(500)는 자유 텍스트 엔트리(508), 예를 들면, "I am angry(나는 화났어)"에 대응하는 제1 자유 텍스트 엔트리(508a)를 (예를 들면, 자유 텍스트 엔트리 모듈(230b)을 통해) 수신하도록 구성된다. 자유 텍스트 엔트리(508)에 응답하여, 자유 텍스트 리뷰 모듈(250)은 액션(510)을 결정하도록 구성된다. 예를 들면, 도 5a에서 도시되는 바와 같이, 제1 자유 텍스트 엔트리(508a)에 응답하여, 자유 텍스트 리뷰 모듈(250)은, 새로운 엔트리로서 제1 자유 텍스트 엔트리(508a)를, 예를 들면, 엔트리 추가 모듈(262)을 통해, 임상적으로 큐레이팅된 데이터베이스(220)에 추가하는 것에 대응하는 제1 액션(510a)을 결정한다.
도 5b를 참조하면, 제3 데이터베이스 그룹(516)이 데이터베이스 그룹(504)에 추가되었는데, 제3 그룹(516)은 이전에 추가된 "I am angry"에 대응하는 제1 엔트리(516a)를 포함한다. 자유 텍스트 엔트리 모듈(230b)은 "I am mad(나는 미쳤다)"에 대응하는 제2 자유 텍스트 엔트리(508b)를 수신하도록 구성된다. 자유 텍스트 리뷰 모듈(250)은, 제2 자유 텍스트 엔트리(508b)가 "I am angry"에 대응하는 제1 엔트리(516a)와 충분히 유사하다는 것을 결정하도록 구성된다. 따라서, 자유 텍스트 리뷰 모듈(250)은, 예를 들면, 엔트리 병합 모듈(264)을 통해, 제2 자유 텍스트 엔트리(508b)를 제3 그룹(516)과 병합하는 것에 대응하는 제2 액션(510b)을 결정한다.
도 5c를 참조하면, 제3 그룹(516)은 이전에 제3 그룹(516)과 병합되었던 "I am mad"에 대응하는 제2 엔트리(516b)를 포함한다. 자유 텍스트 엔트리 모듈(230b)은 "ka8jd7"에 대응하는 제3 자유 텍스트 엔트리(508c)를 수신하도록 구성된다. 자유 텍스트 리뷰 모듈(250)은 제3 자유 텍스트 엔트리(508c)가 엔트리 프롬프트(502)에 대한 응답이 아니다는 것을 결정하도록 구성된다. 따라서, 자유 텍스트 리뷰 모듈(250)은, 예를 들면, 무액션 모듈(266)을 통해, 제3 자유 텍스트 엔트리(508c)와 어떠한 액션도 취하지 않는 것에 대응하는 제3 액션(510c)을 결정한다.
도 5d를 참조하면, 자유 텍스트 엔트리 모듈(230b)은 "I'm going to hurt myself(나는 자해할 거야)"에 대응하는 제4 자유 텍스트 엔트리(508d)를 수신하도록 구성된다. 자유 텍스트 리뷰 모듈(250)은 제4 자유 텍스트 엔트리(508d)에, 불행한 이벤트가 발생하였거나 또는 발생할 높은 가능성을 나타내는 높은 위험 평가 값을 할당하도록 구성된다. 따라서, 자유 텍스트 리뷰 모듈(250)은, 예를 들면, 엔트리 추가 모듈(262)을 통해, 임상적으로 큐레이팅된 데이터베이스(220)에 새로운 엔트리로서 제4 자유 텍스트 엔트리(508d)를 추가하는 것, 예를 들면, 규제 리뷰 모듈(270)을 통해, 제4 자유 텍스트 엔트리(508d)에 의해 나타내어지는 불행한 이벤트를 해결하기 위한 액션의 메커니즘을 실행하는 것에 대응하는 제4 액션(510d)을 결정한다.
몇몇 구현예에서, 상기에서 기술되는 바와 같이, 인공 지능 및/또는 머신 러닝은 시스템(200)의 다양한 피쳐, 기능, 컴포넌트, 프로세스, 모듈(예를 들면, 자유 텍스트 리뷰 모듈(250), 임상 데이터 큐레이션 모듈(260), 및/또는 규제 리뷰 모듈(270)), 등등에 대해 활용될 수도 있다. 예를 들면, 자유 텍스트 데이터(234)는 소정의 키워드(예를 들면, 상표, 회사 이름, 약품 이름, 등등)를 포함하는 사전 또는 데이터베이스(예를 들면, 외부에서 이용 가능한 데이터(210) 및/또는 임상적으로 큐레이팅된 데이터베이스(220))에 비교되어, 자유 텍스트 데이터(234)의 단계적 확대(escalation)를 트리거할 수도 있다. 그러한 단계적 확대는, 자유 텍스트 데이터(234)를 외부에서 이용 가능한 데이터(210) 및/또는 임상적으로 큐레이팅된 데이터베이스(220) 내의 엔트리에 비교하기 위해 퍼지 매칭(fuzzy matching)을 구현하는 것에 의해 활용될 수도 있다. 몇몇 구현예에서, 퍼지 매칭 프로세스는 자유 텍스트 데이터(234)를 외부에서 이용 가능한 데이터(210) 및/또는 임상적으로 큐레이팅된 데이터베이스(220) 내의 엔트리/엔트리들과의 가능한 짝(match)으로서 플래그 지정하거나 또는 식별하여, 그러한 자유 텍스트 데이터(234)를 단계적으로 확대하기(escalate) 위한 상대적으로 높은 감도 설정을 포함할 수도 있다. 특정한 자유 텍스트 데이터(234)의 이러한 단계적 확대는, 자유 텍스트 데이터(234)와 데이터베이스 내의 엔트리 사이의 매치를 검증하기 위해, 인간(예를 들면, 임상의, 건강 관리 제공자, 써드파티 서비스, 등등), 인공 지능, 머신 러닝, 등등에 의해 리뷰될 수도 있다. 일단 검증되면, 자유 텍스트 데이터(234)와 외부에서 이용 가능한 데이터(210) 및/또는 임상적으로 큐레이팅된 데이터베이스(220) 내의 엔트리 사이의 퍼지 매치는, 동일한 자유 텍스트 데이터(234)의 후속하는 엔트리에 대해 그 특정한 자유 텍스트 데이터(234)가 단계적 확대를 위한 매치로서 자동적으로 분류될 수도 있도록, 임상적으로 큐레이팅된 데이터베이스(220)에 추가/병합될 수도 있다.
몇몇 구현예에서, 임상적으로 큐레이팅된 데이터베이스(220)는 인간(예를 들면, 임상의, 건강 관리 제공자, 써드파티 서비스, 등등)에 의해 완료 및 검증되는 분류의 기본 데이터세트를 사용하여 사전 충전될 수도 있는데, 분류는 적어도 "Add Entry(엔트리 추가)", "Merge Entry(엔트리 병합)", "No Action(무액션)", 및 "Adverse Event(불행한 이벤트)"를 포함한다. 이 데이터세트는, 자유 텍스트 데이터(234)를 분류 중 하나로 사전 정렬하기 위해, 자연어 처리(Natural Language Processing; NPL) 텍스트 분류 모델에 공급되도록 사용될 수도 있다. 몇몇 구현예에서, "Adverse Event" 분류로 사전 분류되는 자유 텍스트 데이터(234)는, 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타낼 수도 있는 자유 텍스트 데이터(234)에 대해 더 큰 강조를 제공하기 위해, 수동 리뷰 및 잠재적인 단계적 확대를 위해 우선 순위화될 수도 있다. "Adverse Event" 분류로 사전 분류되지 않는 자유 텍스트 데이터(234)의 경우, 엔트리를 추가할지, 엔트리를 병합할지, 또는 아무 액션도 취하지 않을지의 여부를 결정하기 위해, 퍼지 매칭 또는 다른 정의된 규칙이 구현될 수도 있다. 몇몇 구현예에서, 이들 엔트리는 검증을 위해 인간(예를 들면, 임상의, 건강 관리 제공자, 써드파티 서비스, 등등)에 의해 후속하여 리뷰될 수도 있다. 그 다음, 검증된 데이터는, 모델을 트레이닝시키고 시간이 지남에 따라 정확도를 향상시키기 위해, 임상적으로 큐레이팅된 데이터베이스(220) 내의 엔트리와 추가/병합될 수도 있다.
도 6은 본원에서 기술되는 바와 같은 방법(600)의 플로우차트를 예시한다. 602에서, 방법(600)은 환자와 관련되는 환자 디바이스로부터 입력 데이터를 획득하는 것을 포함하는데, 입력 데이터는 환자에 의해 생성되는 자유 텍스트 데이터를 포함한다. 604에서, 방법(600)은 입력 데이터를 분석하는 것을 포함한다. 606에서, 방법(600)은 입력 데이터를 임상적으로 큐레이팅된 데이터베이스 내의 임상 데이터에 비교하여 비교 데이터를 생성하는 것을 포함한다. 비교 데이터에 기초하여, 방법(600)은 단계(608-614) 중 적어도 하나를 실행한다. 608에서, 방법(600)은, 입력 데이터가 사전 결정된 관련성 기준을 충족하고 임상 데이터와는 충분히 상이하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상적으로 큐레이팅된 데이터베이스에 추가하는 것을 포함한다. 610에서, 방법(600)은, 입력 데이터가 사전 결정된 관련성 기준을 충족하고 임상 데이터와 충분히 유사하다는 것을 비교 데이터가 나타내는 경우, 입력 데이터를 임상 데이터와 병합하는 것을 포함한다. 612에서, 방법(600)은, 입력 데이터가 사전 결정된 관련성 기준을 충족하지 않는다는 것이 결정되는 경우, 어떠한 액션도 취하지 않는 것을 포함한다.
몇몇 구현예에서, 방법(600)은, 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 입력 데이터가 나타낼 가능성에 대응하는 위험 평가 값을 입력 데이터에 할당하는 것을 포함한다. 입력 데이터와 관련되는 위험 평가 값이 사전 결정된 임계치를 초과하는 경우, 방법(600)은 614에서 액션의 메커니즘을 실행하는 것을 포함한다. 예를 들면, 액션의 메커니즘은, 환자를 감독하는 건강 관리 제공자와 관련되는 건강 관리 제공자 디바이스에 경보를 전송하는 것, 콜센터와 관련되는 콜센터 디바이스에 경보를 전송하는 것, 및/또는 환자 디바이스에 경보를 전송하는 것을 포함할 수도 있다.
도 7은 이 문서에서 설명되는 시스템 및 방법을 구현하기 위해 사용될 수도 있는 예시적인 전자 디바이스(700)(예를 들면, 컴퓨팅 디바이스)의 개략도이다. 전자 디바이스(700)는, 랩탑, 데스크탑, 워크스테이션, 개인 휴대형 정보 단말, 서버, 블레이드 서버, 메인프레임, 및 다른 적절한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 나타내도록 의도된다. 여기에서 도시되는 컴포넌트, 그들의 연결 및 관계, 및 그들의 기능은, 단지 예시인 것으로 의도되며, 이 문서에서 설명되는 및/또는 청구되는 본 발명의 구현을 제한하도록 의도되는 것은 아니다.
전자 디바이스(700)는 프로세서(710), 메모리(720), 스토리지 디바이스(730), 메모리(720) 및 고속 확장 포트(750)에 연결되는 고속 인터페이스/컨트롤러(740), 저속 버스(770) 및 스토리지 디바이스(730)에 연결되는 저속 인터페이스/컨트롤러(760)를 포함한다. 컴포넌트(710, 720, 730, 740, 750, 및 760)의 각각은 다양한 버스를 사용하여 인터커넥트되며, 공통 마더보드 상에서 또는 적절히 다른 방식으로 장착될 수도 있다. 프로세서(710)는, 고속 인터페이스(740)에 커플링되는 디스플레이(780)와 같은 외부 입력/출력 디바이스 상에서 그래픽 유저 인터페이스(GUI)에 대한 그래픽 정보를 디스플레이하기 위해 메모리(720)에서 또는 스토리지 디바이스(730) 상에서 저장되는 명령어를 비롯한, 전자 디바이스(700) 내에서의 실행을 위한 명령어를 프로세싱할 수 있다. 다른 구현예에서, 다수의 프로세서 및/또는 다수의 버스가, 다수의 메모리 및 메모리의 타입과 함께, 적절하게 사용될 수도 있다. 또한, 다수의 전자 디바이스(700)가 연결될 수도 있는데, 각각의 디바이스는 (예를 들면, 서버 뱅크, 블레이드 서버의 그룹, 또는 다중 프로세서 시스템으로서) 필요한 동작의 일부를 제공한다.
메모리(720)는 전자 디바이스(700) 내부에서 정보를 비일시적으로 저장한다. 메모리(720)는 컴퓨터 판독 가능 매체, 휘발성 메모리 유닛(들), 또는 불휘발성 메모리 유닛(들)일 수도 있다. 비일시적 메모리(720)는 전자 디바이스(700)에 의한 사용을 위해 프로그램(예를 들면, 명령어의 시퀀스) 또는 데이터(예를 들면, 프로그램 상태 정보)를 일시적 또는 영구적 기반으로 저장하기 위해 사용되는 물리적 디바이스일 수도 있다. 불휘발성 메모리의 예는, 플래시 메모리 및 리드 온리 메모리(read-only memory; ROM)/프로그래머블 리드 온리 메모리(programmable read-only memory; PROM)/소거가능한 프로그래머블 리드 온리 메모리(erasable programmable read-only memory; EPROM)/전자적으로 소거 가능한 프로그래머블 리드 온리 메모리(electronically erasable programmable read-only memory; EEPROM)(예를 들면, 통상적으로 펌웨어에 대해 사용됨, 예컨대 부트 프로그램)를 포함하지만, 그러나 이들로 제한되지는 않는다. 휘발성 메모리의 예는, 랜덤 액세스 메모리(random access memory; RAM), 동적 랜덤 액세스 메모리(dynamic random access memory; DRAM), 정적 랜덤 액세스 메모리(static random access memory; SRAM), 상변화 메모리(phase change memory; PCM)뿐만 아니라 디스크 또는 테이프를 포함하지만, 그러나 이들로 제한되지는 않는다.
스토리지 디바이스(730)는 전자 디바이스(700)에 대한 대용량 스토리지를 제공할 수 있다. 몇몇 구현예에서, 스토리지 디바이스(730)는 컴퓨터 판독 가능 매체이다. 여러 가지 상이한 구현예에서, 스토리지 디바이스(730)는, 플로피 디스크 디바이스, 하드 디스크 디바이스, 광학 디스크 디바이스, 또는 테이프 디바이스, 플래시 메모리 또는 다른 유사한 솔리드 스테이트 메모리 디바이스, 또는 디바이스를 스토리지 영역 네트워크 또는 다른 구성에서 포함하는 디바이스의 어레이일 수도 있다. 추가적인 구현예에서, 컴퓨터 프로그램 제품은 정보 캐리어에서 유형적으로 구체화된다. 컴퓨터 프로그램 제품은, 실행시, 상기에서 설명되는 것들과 같은 하나 이상의 방법을 수행하는 명령어를 포함한다. 정보 캐리어는, 메모리(720), 스토리지 디바이스(730), 또는 프로세서(710) 상의 메모리와 같은 컴퓨터 또는 머신 판독 가능 매체이다.
고속 컨트롤러(740)는 전자 디바이스(700)에 대한 대역폭 집약적 동작을 관리하고, 한편 저속 컨트롤러(760)는 더 낮은 대역폭 집약적 동작을 관리한다. 임무의 그러한 할당은 예시에 불과하다. 몇몇 구현예에서, 고속 컨트롤러(740)는 메모리(720), 디스플레이(780)(예를 들면, 그래픽 프로세서 또는 가속기를 통함), 및 다양한 확장 카드(도시되지 않음)를 수용할 수도 있는 고속 확장 포트(750)에 커플링된다.
전자 디바이스(700)는, 도 7에서 도시되는 바와 같이, 다수의 상이한 형태로 구현될 수도 있다. 예를 들면, 그것은 표준 서버(700a)로서 또는 그러한 서버(700a)의 그룹에서, 랩탑 컴퓨터(700b)로서, 랙 서버 시스템(700c)의 일부로서, 스마트폰(700d)으로서, 또는 태블릿 컴퓨터(700e)로서 다수 회 구현될 수도 있다.
본원에서 설명되는 시스템 및 기술의 다양한 구현예는 디지털 전자 및/또는 광학 회로부, 집적 회로부, 특별히 설계된 ASIC(application specific integrated circuit; 주문형 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 실현될 수 있다. 이들 다양한 구현예는, 스토리지 시스템, 적어도 하나의 입력 디바이스, 및 적어도 하나의 출력 디바이스로부터 데이터 및 명령어를 수신하도록, 그리고 데이터 및 명령어를 그들로 송신하도록 커플링되는, 특수 또는 일반 목적일 수도 있는 적어도 하나의 프로그래머블 프로세서를 포함하는 프로그래머블 시스템 상에서 실행 가능한 및/또는 해석 가능한 하나 이상의 컴퓨터 프로그램에서의 구현예를 포함할 수 있다.
이들 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션 또는 코드로서 또한 알려져 있음)은 프로그래머블 프로세서에 대한 머신 명령어를 포함하고, 하이 레벨 프로시져 및/또는 객체 지향 프로그래밍 언어에서, 및/또는 어셈블리/기계어에서 구현될 수 있다. 본원에서 사용될 때, 용어 "머신 판독 가능 매체" 및 "컴퓨터 판독 가능 매체"는, 머신 명령어를 머신 판독 가능 신호로서 수용하는 머신 판독 가능 매체를 비롯하여, 머신 명령어 및/또는 데이터를 프로그래머블 프로세서에 제공하기 위해 사용되는 임의의 컴퓨터 프로그램 제품, 비일시적 컴퓨터 판독 가능 매체, 장치 및/또는 디바이스(예를 들면, 자기 디스크, 광학 디스크, 메모리, 프로그래머블 로직 디바이스(Programmable Logic Device; PLD))를 지칭한다. 용어 "머신 판독 가능 신호"는 머신 명령어 및/또는 데이터를 프로그래머블 프로세서에 제공하기 위해 사용되는 임의의 신호를 지칭한다.
소프트웨어 애플리케이션(즉, 소프트웨어 리소스)은 컴퓨팅 디바이스로 하여금 태스크를 수행하게 하는 컴퓨터 소프트웨어를 지칭할 수도 있다. 몇몇 예에서, 소프트웨어 애플리케이션은 "애플리케이션", "앱", 또는 "프로그램"으로서 지칭될 수도 있다. 예시적인 애플리케이션은, 시스템 진단 애플리케이션, 시스템 관리 애플리케이션, 시스템 유지 관리 애플리케이션, 워드 프로세싱 애플리케이션, 스프레드시트 애플리케이션, 메시징 애플리케이션, 미디어 스트리밍 애플리케이션, 소셜 네트워킹 애플리케이션, 및 게이밍 애플리케이션이 포함하지만, 그러나 이들로 제한되지는 않는다.
본원에서 사용될 때, 용어 "모듈"은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합을 지칭할 수도 있다. 본 명세서에서 설명되는 프로세스 및 로직 플로우는, 입력 데이터에 대해 동작하여 출력을 생성하는 것에 의해 기능을 수행하는 하나 이상의 컴퓨터 프로그램을 실행하는, 데이터 프로세싱 하드웨어로서 또한 지칭되는 하나 이상의 프로그래머블 프로세서에 의해 수행될 수 있다. 프로세스 및 로직 플로우는, 특수 목적 논리 회로부, 예를 들면, FPGA(field programmable gate array; 필드 프로그래머블 게이트 어레이) 또는 ASIC(주문형 집적 회로)에 의해 또한 수행될 수 있다. 컴퓨터 프로그램의 실행에 적절한 프로세서는, 예로서, 범용 및 특수 목적 마이크로프로세서 둘 모두, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서를 포함한다. 일반적으로, 프로세서는 리드 온리 메모리 또는 랜덤 액세스 메모리 또는 둘 모두로부터 명령어 및 데이터를 수신할 것이다. 컴퓨터의 필수 엘리먼트는 명령어를 수행하기 위한 프로세서 및 명령어 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스이다. 일반적으로, 컴퓨터는, 또한, 데이터를 저장하기 위한 하나 이상의 대용량 스토리지 디바이스, 예를 들면, 자기, 광자기 디스크, 또는 광학 디스크를 포함할 것이거나, 또는 이들로부터 데이터를 수신하도록 또는 이들로 데이터를 전송하도록, 또는 둘 모두를 하도록 동작 가능하게 커플링될 것이다. 그러나, 컴퓨터는 그러한 디바이스를 필요로 하지 않는다. 컴퓨터 프로그램 명령어 및 데이터를 저장하기에 적절한 컴퓨터 판독 가능 매체는, 예로서, 반도체 메모리 디바이스, 예를 들면, EPROM, EEPROM, 및 플래시 메모리 디바이스; 자기 디스크, 예를 들면, 내장 하드 디스크 또는 착탈식(removable) 디스크; 광자기 디스크; 및 CD ROM 및 DVD-ROM 디스크를 비롯한, 모든 형태의 불휘발성 메모리, 매체 및 메모리 디바이스를 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로부에 의해 보완될 수 있거나, 또는 특수 목적 논리 회로부에서 통합될 수 있다.
유저와의 상호 작용을 제공하기 위해, 본 개시의 하나 이상의 양태는 디스플레이 디바이스, 예를 들면, CRT(cathode ray tube; 음극선관), LCD(liquid crystal display; 액정 디스플레이) 모니터, 또는 정보를 유저에게 디스플레이하기 위한 터치스크린을 구비하는, 그리고 옵션 사항으로, 유저가 컴퓨터에 입력을 제공할 수 있게 하는, 키보드 및 포인팅 디바이스, 예를 들면, 마우스 또는 트랙볼을 구비하는 컴퓨터 상에서 구현될 수 있다. 유저와의 상호 작용을 제공하기 위해, 다른 종류의 디바이스가 역시 사용될 수 있다; 예를 들면, 유저에게 제공되는 피드백은, 임의의 형태의 감각 피드백, 예를 들면, 시각적 피드백, 청각적 피드백, 또는 촉각적 피드백일 수 있다; 유저로부터의 입력은 음향, 음성, 또는 촉각 입력을 비롯한, 임의의 형태로 수신될 수 있다. 또한, 컴퓨터는 유저에 의해 사용되는 디바이스로 문서를 전송하는 것 및 그로부터 문서를 수신하는 것에 의해; 예를 들면, 웹 브라우저로부터 수신되는 요청에 응답하여 유저의 클라이언트 디바이스 상의 웹 브라우저로 웹페이지를 전송하는 것에 의해, 유저와 상호 작용할 수 있다.
다수의 구현예가 설명되었다. 그럼에도 불구하고, 본 개시의 취지 및 범위를 벗어나지 않으면서, 다양한 수정이 이루어질 수도 있다는 것이 이해될 것이다. 따라서, 다른 구현예는 다음의 청구항의 범위 내에 있다.

Claims (20)

  1. 시스템으로서,
    데이터 프로세싱 하드웨어; 및
    상기 데이터 프로세싱 하드웨어와 통신하는 메모리 하드웨어를 포함하되, 상기 메모리 하드웨어는, 상기 데이터 프로세싱 하드웨어 상에서의 실행시, 상기 데이터 프로세싱 하드웨어로 하여금:
    환자와 관련되는 환자 디바이스로부터 입력 데이터 - 상기 입력 데이터는 상기 환자에 의해 생성되는 자유 텍스트 데이터를 포함함 - 를 획득하는 것;
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하는지의 여부를 결정하기 위해 상기 입력 데이터를 분석하는 것; 및
    상기 입력 데이터를 임상적으로 큐레이팅된 데이터베이스(clinically curated database) 내의 임상 데이터에 비교하여 비교 데이터를 생성하고, 상기 비교 데이터에 기초하여, 다음의 큐레이션 동작:
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 그리고 상기 입력 데이터가 상기 임상 데이터와는 충분히 상이하다는 것을 상기 비교 데이터가 나타내는 경우 상기 입력 데이터를 상기 임상적으로 큐레이팅된 데이터베이스에 추가하는 큐레이션 동작;
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 그리고 상기 입력 데이터가 상기 임상 데이터와 충분히 유사하다는 것을 상기 비교 데이터가 나타내는 경우 상기 입력 데이터를 상기 임상 데이터와 병합하는 큐레이션 동작; 및
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하지 않는다는 것이 결정되는 경우 어떠한 액션도 취하지 않는 큐레이션 동작
    중 적어도 하나를 수행하는 것을 포함하는 동작을 수행하게 하는 명령어를 저장하는, 시스템.
  2. 제1항에 있어서,
    상기 동작은, 불행한 이벤트(adverse event)의 가능성을 결정하기 위해 상기 입력 데이터를 분석하는 것, 및 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 상기 입력 데이터가 나타낼 상기 가능성에 대응하는 위험 평가 값을 상기 입력 데이터에 할당하는 것을 더 포함하는, 시스템.
  3. 제2항에 있어서,
    상기 입력 데이터와 관련되는 상기 위험 평가 값이 사전 결정된 임계치를 초과하는 경우, 상기 동작은 상기 불행한 이벤트를 해결하기 위한 액션의 메커니즘을 실행하는 것을 더 포함하는, 시스템.
  4. 제3항에 있어서,
    액션의 상기 메커니즘은, 상기 환자를 감독하는 건강 관리 제공자(healthcare provider)와 관련되는 건강 관리 제공자 디바이스에 경보를 전송하는 것을 포함하되, 상기 경보는 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타내는, 시스템.
  5. 제3항에 있어서,
    액션의 상기 메커니즘은 콜센터와 관련되는 콜센터 디바이스에 경보를 전송하는 것을 포함하되, 상기 경보는, 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타내고 상기 경보는 상기 환자 디바이스를 통해 상기 환자와 연락하도록 상기 콜센터에게 지침을 제공하는, 시스템.
  6. 제3항에 있어서,
    액션의 상기 메커니즘은 경보를 상기 환자 디바이스로 전송하는 것을 포함하되, 상기 경보는 상기 불행한 이벤트를 해결하기 위한 정보를 상기 환자에게 제공하는, 시스템.
  7. 제1항에 있어서,
    상기 입력 데이터를 분석하는 것 및 상기 입력 데이터를 상기 임상 데이터에 비교하는 것은, 인공 지능을 구현하는 것에 의해 수행되는, 시스템.
  8. 제7항에 있어서,
    상기 인공 지능은 건강 관리 전문가에 의해 감독되는, 시스템.
  9. 제7항에 있어서,
    상기 인공 지능은 자율(unsupervised) 머신 러닝을 포함하는, 시스템.
  10. 제1항에 있어서,
    상기 입력 데이터는 질의에 응답하여 입력되고, 상기 입력 데이터가 상기 질의에 대한 응답인 경우 상기 사전 결정된 관련성 기준은 충족되는, 시스템.
  11. 방법으로서,
    환자와 관련되는 환자 디바이스로부터 입력 데이터 - 상기 입력 데이터는 상기 환자에 의해 생성되는 자유 텍스트 데이터를 포함함 - 를, 하나 이상의 프로세서를 통해, 획득하는 단계;
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하는지의 여부를 결정하기 위해 상기 입력 데이터를, 상기 하나 이상의 프로세서를 통해, 분석하는 단계; 및
    상기 입력 데이터를 임상적으로 큐레이팅된 데이터베이스 내의 임상 데이터에, 상기 하나 이상의 프로세서를 통해, 비교하여 비교 데이터를 생성하고, 상기 비교 데이터에 기초하여, 다음의 큐레이션 동작:
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 그리고 상기 입력 데이터가 상기 임상 데이터와는 충분히 상이하다는 것을 상기 비교 데이터가 나타내는 경우 상기 입력 데이터를 상기 임상적으로 큐레이팅된 데이터베이스에 추가하는 큐레이션 동작;
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하는 경우 그리고 상기 입력 데이터가 상기 임상 데이터와 충분히 유사하다는 것을 상기 비교 데이터가 나타내는 경우 상기 입력 데이터를 상기 임상 데이터와 병합하는 큐레이션 동작; 및
    상기 입력 데이터가 사전 결정된 관련성 기준을 충족하지 않는다는 것이 결정되는 경우 어떠한 액션도 취하지 않는 큐레이션 동작
    중 적어도 하나를, 상기 하나 이상의 프로세서를 통해, 수행하는 단계를 포함하는, 방법.
  12. 제11항에 있어서,
    불행한 이벤트의 가능성을 결정하기 위해 상기 입력 데이터를 분석하는 단계, 및 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 상기 입력 데이터가 나타낼 상기 가능성에 대응하는 위험 평가 값을 상기 입력 데이터에 할당하는 단계를 더 포함하는, 방법.
  13. 제12항에 있어서,
    상기 입력 데이터와 관련되는 상기 위험 평가 값이 사전 결정된 임계치를 초과하는 경우, 상기 불행한 이벤트를 해결하기 위한 액션의 메커니즘을 실행하는 단계를 더 포함하는, 방법.
  14. 제13항에 있어서,
    액션의 상기 메커니즘은, 상기 환자를 감독하는 건강 관리 제공자와 관련되는 건강 관리 제공자 디바이스에 경보를 전송하는 것을 포함하되, 상기 경보는 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타내는, 방법.
  15. 제13항에 있어서,
    액션의 상기 메커니즘은 콜센터와 관련되는 콜센터 디바이스에 경보를 전송하는 것을 포함하되, 상기 경보는, 불행한 이벤트가 발생하였거나 또는 발생할 것이다는 것을 나타내고 상기 경보는 상기 환자 디바이스를 통해 상기 환자와 연락하도록 상기 콜센터에게 지침을 제공하는, 방법.
  16. 제13항에 있어서,
    액션의 상기 메커니즘은 경보를 상기 환자 디바이스로 전송하는 것을 포함하되, 상기 경보는 상기 불행한 이벤트를 해결하기 위한 정보를 상기 환자에게 제공하는, 방법.
  17. 제11항에 있어서,
    상기 입력 데이터를 분석하는 것 및 상기 입력 데이터를 상기 임상 데이터에 비교하는 것은, 인공 지능을 구현하는 것에 의해 수행되는, 방법.
  18. 제17항에 있어서,
    상기 인공 지능은 건강 관리 전문가에 의해 감독되는, 방법.
  19. 제17항에 있어서,
    상기 인공 지능은 자율 머신 러닝을 포함하는, 방법.
  20. 제11항에 있어서,
    상기 입력 데이터는 질의에 응답하여 입력되고, 상기 입력 데이터가 상기 질의에 대한 응답인 경우 상기 사전 결정된 관련성 기준은 충족되는, 방법.
KR1020217037772A 2019-04-30 2020-04-30 크라우드소싱 데이터의 임상적 큐레이션을 위한 시스템 및 방법 KR20220009964A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962840656P 2019-04-30 2019-04-30
US62/840,656 2019-04-30
PCT/US2020/030644 WO2020223446A1 (en) 2019-04-30 2020-04-30 System and methods for clinical curation of crowdsourced data

Publications (1)

Publication Number Publication Date
KR20220009964A true KR20220009964A (ko) 2022-01-25

Family

ID=70861541

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217037772A KR20220009964A (ko) 2019-04-30 2020-04-30 크라우드소싱 데이터의 임상적 큐레이션을 위한 시스템 및 방법

Country Status (10)

Country Link
US (1) US20200350076A1 (ko)
EP (1) EP3963601A1 (ko)
JP (2) JP7432070B2 (ko)
KR (1) KR20220009964A (ko)
CN (1) CN113906521A (ko)
AU (1) AU2020266572A1 (ko)
CA (1) CA3138308A1 (ko)
IL (1) IL287692A (ko)
SG (1) SG11202112016VA (ko)
WO (1) WO2020223446A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11671406B2 (en) * 2020-11-03 2023-06-06 International Business Machines Corporation Patterned and correlated electrical activity
US11824937B2 (en) 2021-04-04 2023-11-21 Rissana, LLC System and method for handling the connection of user accounts to other entities
CN116072305B (zh) * 2023-02-17 2023-09-29 北京中兴正远科技有限公司 一种临床试验数据采集系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003122845A (ja) * 2001-10-09 2003-04-25 Shinkichi Himeno 医療情報の検索システム及びそのシステムを実行するためのプログラム
JP4001781B2 (ja) * 2002-06-13 2007-10-31 富士通株式会社 アンケート実施プログラム、アンケート実施装置およびアンケート実施方法
US20040024755A1 (en) * 2002-08-05 2004-02-05 Rickard John Terrell System and method for indexing non-textual data
AU2003270678A1 (en) * 2002-09-20 2004-04-08 Board Of Regents, University Of Texas System Computer program products, systems and methods for information discovery and relational analyses
JP2005078183A (ja) * 2003-08-28 2005-03-24 Konica Minolta Medical & Graphic Inc 医療情報管理システム
US7493333B2 (en) * 2004-09-03 2009-02-17 Biowisdom Limited System and method for parsing and/or exporting data from one or more multi-relational ontologies
JP2009080700A (ja) * 2007-09-26 2009-04-16 Toshiba Corp 健康医療情報管理分析装置
US8121860B2 (en) * 2008-05-01 2012-02-21 Siemens Medical Solutions Usa, Inc. Patient care and treatment data structure and processing system
US9183291B2 (en) * 2009-01-27 2015-11-10 Apple Inc. Mobile content capture and discovery system based on augmented user identity
US8898798B2 (en) * 2010-09-01 2014-11-25 Apixio, Inc. Systems and methods for medical information analysis with deidentification and reidentification
US9536052B2 (en) * 2011-10-28 2017-01-03 Parkland Center For Clinical Innovation Clinical predictive and monitoring system and method
US20140046696A1 (en) * 2012-08-10 2014-02-13 Assurerx Health, Inc. Systems and Methods for Pharmacogenomic Decision Support in Psychiatry
US10593426B2 (en) * 2012-09-13 2020-03-17 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for automated facial biological recognition
US20150213206A1 (en) * 2012-09-13 2015-07-30 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for automated staff monitoring
US9782075B2 (en) * 2013-03-15 2017-10-10 I2Dx, Inc. Electronic delivery of information in personalized medicine
WO2016120955A1 (ja) * 2015-01-26 2016-08-04 株式会社Ｕｂｉｃ 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム
US9710757B2 (en) * 2015-07-22 2017-07-18 Wisdo Ltd. Methods and systems for dynamically generating real-time recommendations
JP7030853B2 (ja) * 2017-07-28 2022-03-07 グーグル エルエルシー 電子健康記録から医療イベントを予測して要約するためのシステムおよび方法
EP3753025A1 (en) * 2018-02-16 2020-12-23 Google LLC Automated extraction of structured labels from medical text using deep convolutional networks and use thereof to train a computer vision model
EP3891755A4 (en) * 2018-12-03 2022-09-07 Tempus Labs, Inc. SYSTEM FOR IDENTIFICATION, EXTRACTION AND PREDICTION OF CLINICAL CONCEPTS AND ASSOCIATED PROCESSES
WO2020198855A1 (en) * 2019-03-29 2020-10-08 Knowtions Research Inc. Method and system for mapping text phrases to a taxonomy

Also Published As

Publication number Publication date
WO2020223446A1 (en) 2020-11-05
JP2022533021A (ja) 2022-07-21
CN113906521A (zh) 2022-01-07
AU2020266572A1 (en) 2021-12-09
IL287692A (en) 2021-12-01
SG11202112016VA (en) 2021-11-29
EP3963601A1 (en) 2022-03-09
CA3138308A1 (en) 2020-11-05
US20200350076A1 (en) 2020-11-05
JP2024020246A (ja) 2024-02-14
JP7432070B2 (ja) 2024-02-16

Similar Documents

Publication Publication Date Title
US11736912B2 (en) Electronic notebook system
US11056119B2 (en) Methods and systems for speech signal processing
US10592503B2 (en) Empathy injection for question-answering systems
JP7432070B2 (ja) クラウドソーシングデータの臨床的キュレーションのためのシステム及び方法
US11793472B2 (en) Systems and methods for the treatment of symptoms associated with migraines
Daskalova et al. SleepBandits: Guided flexible self-experiments for sleep
US20200330019A1 (en) Electronic Devices and Methods for Treating Depressive Symptoms Associated With Multiple Sclerosis
US11790107B1 (en) Data sharing platform for researchers conducting clinical trials
Bitsaki et al. ChronicOnline: Implementing a mHealth solution for monitoring and early alerting in chronic obstructive pulmonary disease
US11302434B2 (en) Nutrition-based management of health conditions using machine learning
AU2021299509A1 (en) Systems, methods, and devices for generating and administering digital therapeutic placebos and shams
Akilesh et al. A Novel AI-based chatbot Application for Personalized Medical Diagnosis and review using Large Language Models
US12007870B1 (en) Monitoring and adjusting data collection from remote participants for health research
US20230044000A1 (en) System and method using ai medication assistant and remote patient monitoring (rpm) devices
US20230317270A1 (en) Platforms for dynamically selecting messages in real-time to users via decision support tools

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application