KR20230142486A - 네트워크 기반 의료 장치 제어 및 데이터 관리 시스템 - Google Patents
네트워크 기반 의료 장치 제어 및 데이터 관리 시스템 Download PDFInfo
- Publication number
- KR20230142486A KR20230142486A KR1020237026367A KR20237026367A KR20230142486A KR 20230142486 A KR20230142486 A KR 20230142486A KR 1020237026367 A KR1020237026367 A KR 1020237026367A KR 20237026367 A KR20237026367 A KR 20237026367A KR 20230142486 A KR20230142486 A KR 20230142486A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- aspects
- nds
- network
- medical device
- Prior art date
Links
- 238000013523 data management Methods 0.000 title claims description 30
- 238000000034 method Methods 0.000 claims abstract description 697
- 230000006870 function Effects 0.000 claims abstract description 598
- 238000004458 analytical method Methods 0.000 claims abstract description 468
- 230000008569 process Effects 0.000 claims abstract description 252
- 238000010801 machine learning Methods 0.000 claims abstract description 95
- 238000013480 data collection Methods 0.000 claims abstract description 94
- 230000036541 health Effects 0.000 claims abstract description 50
- 230000015654 memory Effects 0.000 claims description 321
- 238000012545 processing Methods 0.000 claims description 282
- 238000004891 communication Methods 0.000 claims description 211
- 238000011282 treatment Methods 0.000 claims description 95
- 230000001105 regulatory effect Effects 0.000 claims description 73
- 238000011160 research Methods 0.000 claims description 72
- 230000001225 therapeutic effect Effects 0.000 claims description 69
- 238000003860 storage Methods 0.000 claims description 52
- 238000012360 testing method Methods 0.000 claims description 44
- 230000001276 controlling effect Effects 0.000 claims description 29
- 230000004048 modification Effects 0.000 claims description 27
- 238000012986 modification Methods 0.000 claims description 26
- 230000035790 physiological processes and functions Effects 0.000 claims description 24
- 238000013501 data transformation Methods 0.000 claims description 23
- 230000003449 preventive effect Effects 0.000 claims description 23
- 230000002776 aggregation Effects 0.000 claims description 21
- 238000004220 aggregation Methods 0.000 claims description 21
- 230000003993 interaction Effects 0.000 claims description 17
- 230000002526 effect on cardiovascular system Effects 0.000 claims description 14
- 230000002685 pulmonary effect Effects 0.000 claims description 12
- 238000013502 data validation Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 2
- 239000000306 component Substances 0.000 description 578
- 239000013315 hypercross-linked polymer Substances 0.000 description 56
- 238000004422 calculation algorithm Methods 0.000 description 50
- 238000007726 management method Methods 0.000 description 49
- 238000012544 monitoring process Methods 0.000 description 40
- 230000004044 response Effects 0.000 description 38
- 230000009471 action Effects 0.000 description 29
- 238000013500 data storage Methods 0.000 description 26
- 230000005540 biological transmission Effects 0.000 description 25
- 238000007405 data analysis Methods 0.000 description 25
- 230000000694 effects Effects 0.000 description 25
- 230000008094 contradictory effect Effects 0.000 description 23
- 238000001514 detection method Methods 0.000 description 23
- 230000004224 protection Effects 0.000 description 23
- 238000005259 measurement Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000012546 transfer Methods 0.000 description 19
- 238000004140 cleaning Methods 0.000 description 18
- 238000003058 natural language processing Methods 0.000 description 18
- 238000001914 filtration Methods 0.000 description 17
- 238000012549 training Methods 0.000 description 17
- 230000009466 transformation Effects 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 15
- 230000001976 improved effect Effects 0.000 description 14
- 238000010200 validation analysis Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 230000006872 improvement Effects 0.000 description 12
- 230000004962 physiological condition Effects 0.000 description 12
- 238000012384 transportation and delivery Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 11
- 230000033001 locomotion Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 11
- 238000005192 partition Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 10
- 230000018109 developmental process Effects 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 238000007689 inspection Methods 0.000 description 10
- 230000001960 triggered effect Effects 0.000 description 10
- 239000008186 active pharmaceutical agent Substances 0.000 description 9
- 230000006399 behavior Effects 0.000 description 9
- 238000012937 correction Methods 0.000 description 9
- 238000002618 extracorporeal membrane oxygenation Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 230000008520 organization Effects 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 9
- 102100024233 High affinity cAMP-specific 3',5'-cyclic phosphodiesterase 7A Human genes 0.000 description 8
- 101710127370 Probable head completion protein 1 Proteins 0.000 description 8
- 230000033228 biological regulation Effects 0.000 description 8
- 201000010099 disease Diseases 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000037406 food intake Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 8
- 229910052760 oxygen Inorganic materials 0.000 description 8
- 238000012552 review Methods 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 208000025174 PANDAS Diseases 0.000 description 7
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 7
- 240000004718 Panda Species 0.000 description 7
- 235000016496 Panda oleosa Nutrition 0.000 description 7
- 238000013459 approach Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 7
- 239000000872 buffer Substances 0.000 description 7
- 238000013479 data entry Methods 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 7
- 238000012913 prioritisation Methods 0.000 description 7
- 238000003672 processing method Methods 0.000 description 7
- 238000000638 solvent extraction Methods 0.000 description 7
- 238000002560 therapeutic procedure Methods 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 230000000903 blocking effect Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000013478 data encryption standard Methods 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000012550 audit Methods 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 210000003734 kidney Anatomy 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 4
- 210000000748 cardiovascular system Anatomy 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 4
- 239000008358 core component Substances 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 230000009931 harmful effect Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000032297 kinesis Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000008093 supporting effect Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 101100338479 Clostridium acetobutylicum (strain ATCC 824 / DSM 792 / JCM 1419 / LMG 5710 / VKM B-1787) hcp2 gene Proteins 0.000 description 3
- 241000282412 Homo Species 0.000 description 3
- 101000652172 Homo sapiens Protein Smaug homolog 1 Proteins 0.000 description 3
- 102100030591 Protein Smaug homolog 1 Human genes 0.000 description 3
- 241000700605 Viruses Species 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000002155 anti-virotic effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000009474 immediate action Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000002861 ventricular Effects 0.000 description 3
- KIUKXJAPPMFGSW-DNGZLQJQSA-N (2S,3S,4S,5R,6R)-6-[(2S,3R,4R,5S,6R)-3-Acetamido-2-[(2S,3S,4R,5R,6R)-6-[(2R,3R,4R,5S,6R)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-DNGZLQJQSA-N 0.000 description 2
- 208000028399 Critical Illness Diseases 0.000 description 2
- 101000685982 Homo sapiens NAD(+) hydrolase SARM1 Proteins 0.000 description 2
- 101000822549 Homo sapiens Sterile alpha motif domain-containing protein 3 Proteins 0.000 description 2
- 102100023356 NAD(+) hydrolase SARM1 Human genes 0.000 description 2
- 102100022468 Sterile alpha motif domain-containing protein 3 Human genes 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 230000003925 brain function Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012517 data analytics Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 229920002674 hyaluronan Polymers 0.000 description 2
- 229960003160 hyaluronic acid Drugs 0.000 description 2
- 238000001802 infusion Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 230000000926 neurological effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 208000007934 ACTH-independent macronodular adrenal hyperplasia Diseases 0.000 description 1
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 241000132092 Aster Species 0.000 description 1
- 101100468275 Caenorhabditis elegans rep-1 gene Proteins 0.000 description 1
- 102100023344 Centromere protein F Human genes 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 101001032016 Clostridium acetobutylicum (strain ATCC 824 / DSM 792 / JCM 1419 / LMG 5710 / VKM B-1787) Hydroxylamine reductase 1 Proteins 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 208000033748 Device issues Diseases 0.000 description 1
- 208000032368 Device malfunction Diseases 0.000 description 1
- -1 EMR Substances 0.000 description 1
- 241000565370 Fraxinus pennsylvanica var. subintegerrima Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 101000822546 Homo sapiens Sterile alpha motif domain-containing protein 1 Proteins 0.000 description 1
- 244000035744 Hura crepitans Species 0.000 description 1
- 208000032984 Intraoperative Complications Diseases 0.000 description 1
- 244000050403 Iris x germanica Species 0.000 description 1
- 241000533950 Leucojum Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000287127 Passeridae Species 0.000 description 1
- 101710178747 Phosphatidate cytidylyltransferase 1 Proteins 0.000 description 1
- 102100033126 Phosphatidate cytidylyltransferase 2 Human genes 0.000 description 1
- 101710178746 Phosphatidate cytidylyltransferase 2 Proteins 0.000 description 1
- 206010057765 Procedural complication Diseases 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 102100031075 Serine/threonine-protein kinase Chk2 Human genes 0.000 description 1
- 241000009334 Singa Species 0.000 description 1
- 102100022458 Sterile alpha motif domain-containing protein 1 Human genes 0.000 description 1
- 101710168651 Thioredoxin 1 Proteins 0.000 description 1
- 101710168624 Thioredoxin 2 Proteins 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 235000015107 ale Nutrition 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000000202 analgesic effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000010836 blood and blood product Substances 0.000 description 1
- 229940125691 blood product Drugs 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007675 cardiac surgery Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011969 continuous reassessment method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000001152 differential interference contrast microscopy Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 210000005095 gastrointestinal system Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- MGIUUAHJVPPFEV-ABXDCCGRSA-N magainin ii Chemical compound C([C@H](NC(=O)[C@H](CCCCN)NC(=O)CNC(=O)[C@@H](NC(=O)CN)[C@@H](C)CC)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CO)C(=O)N[C@@H](C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CO)C(O)=O)C1=CC=CC=C1 MGIUUAHJVPPFEV-ABXDCCGRSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013160 medical therapy Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 108010083018 monocyte locomotion inhibitory factor Proteins 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- SQMWSBKSHWARHU-SDBHATRESA-N n6-cyclopentyladenosine Chemical compound O[C@@H]1[C@H](O)[C@@H](CO)O[C@H]1N1C2=NC=NC(NC3CCCC3)=C2N=C1 SQMWSBKSHWARHU-SDBHATRESA-N 0.000 description 1
- 230000000683 nonmetastatic effect Effects 0.000 description 1
- 210000004789 organ system Anatomy 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000007388 punch biopsy Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013106 supervised machine learning method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000028016 temperature homeostasis Effects 0.000 description 1
- 108060008226 thioredoxin Proteins 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011277 treatment modality Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000011077 uniformity evaluation Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- 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
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Automation & Control Theory (AREA)
- Pure & Applied Mathematics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Computer And Data Communications (AREA)
- Information Transfer Between Computers (AREA)
- Electrotherapy Devices (AREA)
Abstract
의료 기기 및 관련 시스템의 동작을 제어하기 위한 새로운 방법이 제공된다. 장치는 보안 인터넷 연결을 통해 스트리밍 방식으로 센서 데이터를 수집하고 중계하지만, 이러한 데이터를 캐시 데이터와 같이 로컬에서 수집할 수도 있다. 특정 이벤트가 발생하면, 장치는 또한 수집된 캐시 데이터를 중계한다. 장치 데이터는 데이터를 분석하고 이러한 분석을 기반으로 장치 및 기타 네트워크 장치의 동작을 제어하는 네트워크 데이터 시스템에 의해 수신된다. 의료 기기는 다양한 데이터 수집 기능을 수행하고 다양한 데이터 중계 프로세스를 거치는 다수의 구역을 포함할 수 있다. 시스템은 특정 분석 데이터에 액세스할 수 있는 상용 사용자로부터 보호된 건강 정보를 분리할 수 있다. 양태들에서, 시스템은 분석 데이터를 생성할 때 예를 들어, 고객 관계 관리 시스템과 같은 제3자 데이터베이스와 상호 작용한다. 양태들에서, 이러한 시스템의 동작을 개선하기 위해 기계 학습 프로세스가 사용된다.
Description
관련 출원들에 대한 상호 참조
본 출원은 2021년 1월 7일자로 출원된 SECURE MULTI-FUNCTIONAL MEDICAL APPARATUS CONTROL AND DATE MANAGEMENT SYSTEMS이라는 명칭의 미국 임시 특허 출원 번호 제63/134,951호의 이점을 주장하는, 현재 동시 계류중인 2021년 9월 24일자로 출원된 NETWORK-BASED MEDICAL APPARATUS CONTROL AND DATA MANAGEMENT SYSTEMS이라는 명칭의 미국 특허 출원 번호 제17/484,760호에 대한 우선권을 주장한다. 본 출원은 상기 언급된 우선권 출원 전체를 참조로 통합된다.
기술분야
본 발명은 전문 의료 기기 데이터 네트워크에서 사용하도록 구성된 의료 기기, 이러한 기기를 제어하기 위한 시스템, 및 이러한 기기와 시스템 사이에 형성된 네트워크에 관한 것이다.
의료 기기는 헬스 케어에서 점점 더 중요한 역할을 한다. WHO는 세계 시장에 22,000개 이상의 카테고리에 분포된 200만 개의 서로 다른 종류의 기기가 포함된 것으로 추정한다. 최신 의료 기기는 센서로부터 정보를 수집하거나, 서로 다른 레벨의 치료/치료 지원을 구현하거나, 둘 다 수행한다. 이러한 기기는 헬스 케어 제공자("health care provider; HCP")와 같은 사용자에게 관련 정보를 디스플레이하거나 경고를 제공할 수 있다. 예를 들어, 제US20200288988호(Abiomed, Inc.)는 심장 펌프를 구동시키는 모터에 의해 인출되는 전류의 측정에 의존하지 않고, 내부에 카테터 기반 심장 펌프가 삽입된 혈관 내 흐름을 측정하는 시스템을 개시하며, 펌프는 혈관 내 유체 흐름 속도를 반영하여 펌프 터빈 속도를 나타내는 신호를 생성하고, 터빈 회전 속도로부터 혈류 속도를 계산하는 다른 컴포넌트와 결합되는 신호 생성기에 결합된다.
병원 정보 시스템 및 전자 의료 기록("electronic medical record; EMR")과 같은 연결된 컴퓨터 네트워크/시스템에서 의료 기기 데이터를 사용할 수 있는 경우가 점점 더 증가하고 있다. 그러나, 현재 시장의 전자 데이터 시스템은 제한된 수의 사용자로 동작되거나, 제한된 유형의 데이터를 처리하거나, 이러한 데이터를 기반으로 제한된 분석 또는 동작을 수행하여, 이러한 시스템의 채택을 제한한다. 그럼에도 불구하고, 의료 기기 네트워크(때때로 "의료 사물 인터넷(internet of medical things)"(약칭 "IoMT")라고도 함)로부터 수집된 데이터를 관리하고 사용하는 데 있어 점점 더 정교해지고 있다.
본원에 설명된 바와 같이, 복잡하고 통합된 최신 의료 치료 환경의 물리적 컴포넌트와 데이터 컴포넌트 모두를, 이러한 시스템과 상호 작용하는 다양한 사용자가 사용할 수 있는, 안전하고 규정을 준수하며 효과적인 방식으로 결합, 관리 및 활용할 수 있는 포괄적이고 효과적인 의료 기기 데이터 관리 및 제어 시스템의 개발은 상당한 창의적 독창성을 적용해야 한다. 이러한 독창적인 시스템 및 관련 방법이 본원에 제공된다.
구성, 용어 및 약어
이 섹션에서는 본 개시를 읽기 위한 가이드라인을 제공한다. 본 개시의 대상 청중("독자")는 본원에서 논의되거나 사용되는 기술을 실행하는 데 있어 일반적인 기술을 가진 사람이다. 독자는 '숙련된 사람'이라고 불리기도 하며, 이러한 기술을 '당업계'라고 부르기도 한다. "이해된", "알려진" 및 "일반적인 의미"와 같은 용어는 당업자의 일반적인 지식을 말한다.
"모순되지 않는"이라는 용어는 당업자의 지식에 기초하여 본 개시, 로직 또는 타당성에 모순되지 않음을 의미한다.
본원에는 본 발명의 몇 가지는 다르지만 본 발명의 관련된 예시적인 양태("양태")("사례", "패싯" 또는 "실시예")가 개시되어 있다. 본 발명은 개별적으로 설명되고 이러한 개별 양태의 임의의 조합에 의해 도달될 수 있는 모든 양태를 포함한다. 본 발명의 폭과 범위는 임의의 예시적인 실시예에 의해 제한되어서는 안 된다. 본 개시의 어떤 언어도 이러한 요구 사항이 명시적으로 언급되지 않는 한 본 발명의 실시에 필수적인 요소/단계를 나타내는 것으로 해석되어서는 안 된다. 모순되지 않은 임의의 양태는 임의의 다른 양태와 결합될 수 있다.
모순되지 않은, 본원에 사용된 모든 기술적/과학적 용어는 본원에 제공된 더 좁은 예나 설명(인용문에 처음 소개된 모든 용어 포함)에 관계없이, 일반적으로 당업자에 의해 일반적으로 이해하는 것과 동일한 의미를 갖는다. 그러나, 본원에 제공된 특정 설명과 관련된 요소, 단계 등을 포함하는 것을 특징으로 하는 양태는 본 발명의 별개의 실시예이다. 모순되지 않고, 본 개시에서 용어가 예에 의해 또는 다른 방식으로 좁혀지는 알려진 용어를 사용하는 임의의 양태의 개시는 이러한 용어가 당업자의 가장 광범위하고 합리적인 해석을 사용하여 대안적으로 해석되는 관련 양태를 암시적으로 개시한다.
모순되지 않고, "또는"은 "및/또는"이 가끔 포함되는 것과 관계없이 본원에서 "및/또는"을 의미한다(예를 들어, "A, B 또는 C"와 "A, B 및/또는 C"와 같은 문구가 (1) A, B 및 C 모두; (2) A 및 C; (3) A 및 B; (4) B 및 C; (5) A만; (6) B만; 및 (7) C만(및 "A 또는 B", "A 또는 C" 등과 같은 서브 그룹화도 지원)을 포함하는 양태를 동시에 개시함).
모순되지 않은, "또한"은 "또한 또는 대안으로"를 의미한다. 모순되지 않고, "여기" 및 "본원"는 "본 개시에서"를 의미한다. "i.a"이라는 용어 ("ia" 또는 "ia")는 "그중에서도" 또는 "무엇보다도"를 의미한다. "또한 알려진"은 "aka" 또는 "AKA"로 축약된다(그리고 해당 용어가 당업계에 알려져 있지 않더라도 용어가 동의어임을 나타낼 수 있음). "다른 곳"은 "본원의 다른 곳"을 의미한다."
간결성을 위해, 적절한 경우 기호가 사용된다. 예를 들어, "&"는 "및"에 사용되며 "~"는 "약"에 사용된다. < 및 >와 같은 기호에는 일반적인 의미가 부여된다(예를 들어, "≤"는 "이하"를 의미하고 "≥"는 "이상"을 의미함). 슬래시 "/"는 문맥에서 알 수 있듯이 "또는"("A/B"는 "A 또는 B"를 의미함)을 나타내거나 요소의 동의어를 식별할 수 있다.
요소 또는 단계 뒤에 "(s)"가 포함되면 해당 요소가 1개 이상 존재하고 단계가 수행됨 등을 나타낸다. 예를 들어, "요소(들)"은 1개의 요소 또는 2개 이상의 요소를 모두 의미하며, 그 각각은 본 발명의 독립적인 양태임을 이해한다.
요소/단계 목록과 관련하여 "등"(또는 "기타 등등")이라는 약어의 사용은 당업계에 알려진 이러한 요소/단계의 기능(들)을 달성하기 위해 언급된 요소/단계의 임의 또는 모든 적절한 조합 또는 언급된 요소/단계의 알려진 등가물을 의미한다. 나열된 요소/단계와 관련된 "및 조합" 또는 "또는 조합"과 같은 용어는 해당 요소/단계의 임의의 또는 전부의 조합을 의미한다. "적합성"은 특정 기능을 수행하거나 특정 상태(들)/결과(들)를 달성하는 데 허용 가능하거나 적절한 요소(들)/단계(들)를 의미하며, 일반적으로 의도한 기능/특성/결과에 효과적이고, 실용적이며, 해롭지 않거나/유해하지 않음을 의미한다.
모순되지 않는 표제(예를 들어, "구성, 용어 및 약자") 및 서브 표제는 편의를 위해 포함되었으며 임의의 양태(들)의 범위를 제한하지 않는다. 하나의 표제 아래에 설명된 모순되지 않은 양태(들), 단계(들) 또는 요소(들)는 본원의 다른 양태(들) 또는 단계(들)/요소(들)에 적용될 수 있다.
값 범위는 범위의 각 값을 명시적으로 작성할 필요 없이 범위의 가장 작은 엔드포인트 크기 차수 내에 있는 범위 내에 속하는 각 값을 나타내는 데 사용된다. 예를 들어, 언급된 범위 1-2는 1.0, 1.1, 1.2, … 1.9 및 2.0을 각각 암시적으로 개시하고, 10-100은 10, 11, 12, … 98, 99 및 100을 각각 암시적으로 개시한다. 모순되지 않은 모든 범위에는 범위가 설명되는 방식에 관계없이 범위의 엔드포인트가 포함된다. 예를 들어, "1-5 사이"에는 2, 3 및 4 외에 1과 5(그리고 해당 엔드포인트의 크기 순서 내에서 해당 숫자 사이의 모든 숫자, 예를 들어, 1.0, 1.1, … 4.9 및 5.0)가 포함된다. 의심의 여지를 없애기 위해, 숫자의 크기 순서에 관계없이 범위 내의 모든 숫자는 범위(예를 들어, 2-20 범위는 18.593을 포함함)에 포함된다.
근사치 용어(예를 들어, "약", "~" 또는 "대략")는 (1) 관련 값 세트를 말하거나 (2) (예를 들어, 측정 한계로 인해) 정확한 값을 정의하기 어려운 경우를 말한다. 모순되지 않은, 본원에 제공된 모든 정확한 값은 동시에/암시적으로 대응되는 대략적인 값을 개시하며 그 반대의 경우도 마찬가지이다(예를 들어, "약 10"의 개시는 이러한 양태/설명에서 정확히 10의 사용에 대한 명시적인 지원을 제공함). 대략적인 값(들)으로 설명된 범위에는 표현에 관계없이, 각 대략적인 엔드포인트에 의해 포함된 모든 값이 포함된다(예를 들어, "약 10-20"은 "약 10 - 약 20"과 동일한 의미를 가짐). 대략적인 용어에 의해 포함되는 값(들)의 범위는 일반적으로 개시의 맥락, 중요성 또는 동작성, 통계적 중요성, 당업계의 이해 등에 따라 달라진다. 본원 또는 당업계에 지침이 없는 경우, "약"과 같은 용어는 표시된 값(들)의 +/- 10%로 해석되어야 한다.
때때로 간결성을 위해 양태, 요소, 단계 및 기능의 목록이 사용된다. 명시되지 않는 한, 각 목록의 각 구성원은 독립적인 양태로 보아야 한다. 목록의 임의의 개별 구성원에 의해 정의된 각 양태는 목록의 다른 구성원이 특징으로 하는 양태에 비해 명백하지 않은 특성을 가질 수 있으며 종종 갖게 될 것이다.
모순되지 않은, "하나(a)", "하나(an)" 및 "상기(the)"라는 용어와 유사한 지시 대상은 참조된 요소, 단계 또는 양태의 단수형과 복수형을 모두 포함한다. 모순되지 않은, 단수형 용어는 본원에 복수형을 암시적으로 전달하며 그 반대도 마찬가지이다(즉, 요소/단계의 개시는 이러한/유사한 요소/단계의 해당 사용을 암시적으로 개시하며 그 반대도 마찬가지임). 따라서, 예를 들어 X 단계를 포함하는 일 양태에 관한 구절은 대응되는 여러 X 단계를 포함하는 양태를 지원한다. 모순되지 않은, 단락, 문장, 양태 또는 청구범위에서 하나의 요소/단계 또는 특성에 대해서는 "하나(a)"와 같은 지시 대상 및 다른 요소/단계 또는 특성에 대해서는 "하나 이상"과 같은 지시 대상을 혼합하여 사용하는 것은 이러한 지시 대상의 의미를 변경하지 않는다. 따라서, 예를 들어, 단락이 "X"와 "하나 이상의 Y"로 구성된 구성을 설명하는 경우, 해당 단락은 "하나 이상의 X" 및 "하나 이상의 Y"에 대한 개시를 제공하는 것으로 이해되어야 한다.
모순되지 않은, "유의적인" 및 "유의하게"는 주어진 맥락에서 1개 이상의 적절한 테스트(들)/시험(들)을 사용하여 통계적으로 유의미한 결과/특성(예를 들어, p≤0.05/0.01)을 의미한다. "검출 가능"은 알려진 검출 도구/기술을 사용하여 측정 가능하게 존재하거나 다르다는 것을 의미한다. 약자 "DOS"(또는 "DoS")는 "검출 가능(감지 가능) 또는 상당한(상당히)"을 의미한다. 위에서 제안한 바와 같이 모순되지 않은, "적합한"이라는 용어는 일반적으로 적절한, 수용 가능한, 또는 상황에 따라 충분하거나 상당한 부정적/해로운 영향을 유발하거나 전달하지 않고, 의도된 기능을 적어도 일반적으로 또는 실질적으로 모두 제공하는 것을 의미한다.
모순되지 않은, 측정 단위(예를 들어, 무게 50 또는 길이 20)에 의해 수반되지 않는 본원의 임의의 값의 경우, 동일한 요소/단계 또는 동일한 유형의 요소/단계에 대해 이전에 제공된 단위가 적용되거나, 이러한 개시가 존재하지 않는 경우, 당업계에서 이러한 요소/단계와 관련하여 가장 일반적으로 사용되는 단위가 적용될 것이다.
모순되지 않은, "포함하는", "함유하는", "구성하는" 및 "갖는"이라는 용어는 "이에 제한되는 것은 아니나, ~포함하는" 또는 "제한없이, ~포함하는"을 의미한다. 모순되지 않은, 요소/단계에 관한 구성하고 포함하는 것과 같은 용어의 사용은 검출 가능한 수 또는 양의 요소를 포함하거나 단계/단계 수의 검출 가능한 성능(다른 요소/단계에 상관없이)을 포함하는 것을 의미한다.
간결성을 위해, 모음/전체(예를 들어, 장치/구성)와 관련하여 요소를 "구성하는" 또는 "포함하는" 양태에 대한 설명은 동시에 암시적으로 검출 가능한 양/수 또는 전체/모음의 ~1% 이상, ~5% 이상, ~10% 이상, ~20% 이상, ~25% 이상, ~33% 이상, ~50% 이상, ~51% 이상, ~66% 이상, ~75% 이상, ~90% 이상, ~95% 이상, ~99% 이상 또는 ~100% 이상이 해당 요소로 구성되거나 본질적으로 전체/모음 모두가 해당 요소로 구성된다(즉, 모음이 본질적으로 참조된 요소로 구성됨). 마찬가지로, 효과/결과와 관련된 단계를 포함하는 것으로 설명된 방법은 암시적으로 수행된 단계/노력의 ~1% 이상, ~5% 이상, ~10% 이상, ~20% 이상, ~25% 이상, ~33% 이상, ~50% 이상, ~51% 이상, ~66% 이상, ~75% 이상, ~ 90% 이상, ~95% 이상, ~99% 이상, 또는 ~100% 이상을 나타내는, 효과/단계의 ~1% 이상, ~5% 이상, ~10% 이상, ~20% 이상, ~25% 이상, ~33% 이상, ~50% 이상, ~51% 이상, ~66% 이상, ~75% 이상, ~90% 이상, ~95% 이상, ~99% 이상, 또는 둘 다를 제공하는 참조 단계에 대한 지원을 암시적으로 제공한다. 양태와 관련된 요소/단계의 백분율을 명시적으로 나열하는 것은 이러한 암시적 개시를 제한하거나 부인하려는 것은 아니다.
모순되지 않은, 방법의 단계와 관련하여 사용될 때 "포함하는"과 같은 용어는 해당 단계를 한 번, 2번 이상 또는 관련 기능/효과가 달성될 때까지 수행하기 위한 암시적 지원을 제공한다.
"하나"라는 용어는 인용된 요소 또는 단계의 단일 유형, 단일 반복/복사/사물, 또는 둘 다를 의미한다. 예를 들어, 장치/구성의 "하나의" 컴포넌트는 한 가지 유형의 요소(장치/구성의 구성요소의 경우와 같이 수많은 사본으로 존재할 수 있음), 요소의 한 단위 또는 둘 다를 의미할 수 있다. 마찬가지로, "하나의" 컴포넌트, "단일" 컴포넌트 또는 시스템의 "유일한 컴포넌트"는 일반적으로 1가지 유형의 요소(여러 사본에 존재할 수 있음), 요소의 1개의 인스턴스/단위 또는 둘 다를 의미한다. 또한, 방법의 "한" 단계는 일반적으로 한 가지 유형의 동작(단계), 한 단계 반복 또는 둘 다를 수행하는 것을 의미한다.
"일부"라는 용어는 2개 이상의 사본/인스턴스 또는 나열된 모음/전체의 5% 이상이 요소이거나 요소로 구성되어 있음을 의미한다. 방법과 관련하여, 일부는 효과, 노력 또는 둘 다의 5% 이상이 단계로 구성되거나 그에 기인함(예를 들어, "방법 중 일부는 단계 Y에 의해 수행됨"에서와 같이)을 의미하거나 단계가 2회 이상 수행됨(예를 들어, "단계 X가 여러 번 반복된다"에서와 같이)을 나타낸다. "주로", "대부분의" 또는 "대부분"은 검출 가능하게 50% 초과를 의미한다(예를 들어, 대부분 포함, 주로 포함 등은 50% 초가를 의미함)(예를 들어, 요소 X를 대부분 포함하는 시스템은 50% 초과의 요소 X으로 구성됨). "일반적으로"라는 용어는 75% 이상을 의미한다(예를 들어, 일반적으로 구성, 일반적으로 연관, 일반적으로 포함 등은 75% 이상을 의미함)(예를 들어, 일반적으로 단계 X로 구성되는 방법은 방법의 노력이나 효과의 75%가 단계 X에 기인한다는 것을 의미함). "실질적으로" 또는 "거의"는 95% 이상을 의미한다(예를 들어, 거의 모두, 실질적으로 구성됨 등은 95% 이상을 의미함)(예를 들어, 거의 전체가 요소 X로 구성된 모음은 모음의 적어도 95%의 요소가 요소 X임을 의미함).
모순되지 않은, 선택적으로 존재하는 요소(들)/단계(들)와 관련하여 설명된 임의의 양태는 또한 이러한 요소(들) 중 하나, 일부, 대부분, 일반적으로 전부, 거의 전부, 본질적으로 전부 또는 전부가 관련 양태와 관련하여 부족하거나/단계(들)가 수행되지 않는 대응되는 양태(들)에 대한 암시적 지원을 제공한다. 예를 들어, 요소 X를 포함하는 시스템의 개시는 요소 X가 없는 시스템도 암시적으로 지원한다. 모순되지 않는, 용어의 시제 또는 표현의 변경(예를 들어, "주로 포함(predominately comprises)" 대신 "주로 포함(comprises predominately)" 사용)은 해당 용어/문구의 의미를 변경하지 않는다.
모순되지 않은, 본원에 제공된 모든 방법은 표현에 관계없이 임의의 적절한 순서로 수행될 수 있다(예를 들어, 단계 A, B 및 C를 포함하는 방법은 C, B 및 A 순서로; B 및 A 및 C 동시에 수행될 수 있음). 모순되지 않은, 장치/구성의 요소는 임의의 적합한 방법에 의해 임의의 적합한 방식으로 조립될 수 있다. 일반적으로, 본원에 설명된 것과 유사하거나 동등한 임의의 방법 및 재료가 실시예의 실행에 사용될 수 있다. 모순되지 않은, "제1", "제2", "제3" 등과 같은 서수를 사용하는 것은 요소의 특정 순서를 나타내기보다는 각각의 요소를 구별하기 위한 것이다. 모순되지 않은, 양태의 임의의 요소, 단계, 컴포넌트 또는 특징 및 그 모든 변형 등은 본 발명의 범위 내에 있다.
기능에 관련된 요소들은 구성/장치/시스템에서 기능을 수행하는 "수단" 또는 방법의 일부를 수행하는 "단계"로 설명될 수 있으며, 본 개시의 일부에서는 개시된 수단(들)/단계(들)과 연관된 참조된 기능을 달성하기 위해 당업계에 공지되어 있는 등가물을 의미하는 "등가물"을 지칭한다. 그러나, 본 개시 또는 청구범위의 어떤 요소도 "~를 위한 수단" 또는 "~를 위한 단계"라는 용어의 사용으로 이러한 의도가 명확하게 표시되지 않는 한 "기능식(means-plus-function)" 구성으로 제한되는 것으로 해석되어서는 안 된다. "~하도록 구성된" 또는 "~하도록 적응된"과 같은 용어는 "기능식"의 해석을 의미하는 것이 아니라 본원 또는 당업계에 제공된 교시를 사용하여 특정 성능, 특성, 속성 등을 달성하도록 구성, 설계, 선택 또는 적응되는 요소(들)/단계(들)를 설명한다.
본원에 인용된 모든 참고문헌(예를 들어, 간행물, 특허 출원 및 특허)은 마치 각 참고문헌이 참조로 통합되고 그 전체가 본원에 명시된 것으로 개별적으로 그리고 구체적으로 표시된 것처럼 참조로 본원에 통합된다. 모순되지 않은, 이러한 참고 문헌의 적절한 원리, 방법 또는 요소(통칭하여 "교시")는 양태들과 결합되거나 이에 적응될 수 있다. 그러나, 특허 문서의 인용/통합은 그 기술적 개시에 국한되며, 그의 유효성, 특허 가능성 등에 관한 어떠한 견해도 반영하지 않는다. 본 개시와 이러한 문서의 교시 사이에서 상충되는 경우, 본 개시의 내용이 본 발명의 양태에 관해 제어한다. 공지된 정보를 간결하게 통합하고 당업자가 양태를 실시하는 적용할 수 있도록 돕기 위해 수많은 참고 문헌이 본원에 인용된다. 이러한 목적을 위해 가장 관련성이 높은 참고문헌을 포함시키려는 노력이 이루어졌지만, 독자는 인용된 모든 참고문헌의 모든 양태가 본 발명의 모든 양태에 적용되는 것은 아니라는 점을 이해하게 될 것이다.
추가 용어, 개념 및 약어
특정 용어 및 양어에 대한 하기의 설명은 독자가 본 발명을 이해하는 데 도움이 되도록 제공된다. 추가 약어는 본 개시의 다른 부분에만 제공될 수 있으며, 당업계에 잘 알려진 약어는 본원에 제공되지 않을 수 있다.
모순되지 않은, 본원에서 "향상된"은 예컨대 유리한 결과, 특성 등과 관련하여 증가되고 부정적인 결과, 특성 등과 관련하여 감소되거나, 또는 필요한 소요 시간, 필요한 비용/에너지 등과 관련하여 감소되는 등과 같이, 검출 가능하거나 상당히 더 나은 것을 의미한다. 본원에서는 모순되지 않은, "향상된", "개선된" 등과 같은 용어가 동의어로 사용된다. 모순되지 않은, "유발(causing)"은 직접적으로 유발하거나 간접적으로 유발한다는 것을 의미한다. 예를 들어, 분석을 수행하기 위해 시스템/장치의 엔진이 분석을 수행하도록 "유발"하는 것은 시스템을 동작시키도록 선택함으로써 수행될 수 있으며, 이후 엔진은 자동으로 반복적으로, 주기적으로, 명령(들)에 응답하여 또는 검출된(일반적으로 미리 프로그래밍된) 조건(들)의 존재에 응답하여 동작할 수 있다.
본 발명의 "시스템"은 (1) 기능(들)을 수행하기 위한 미리 프로그래밍된 명령어를 포함하는 컴퓨터 판독 가능 매체를 포함하는 메모리 컴포넌트(들) 및 (2) 기능(들)이 수행되도록 하는 명령어를 판독/실행할 수 있는 컴퓨터/처리 유닛을 포함한, 상호 관련된/상호작용하는 컴포넌트/장치로 구성된 전자 장치/장치 모음을 포함한다. 본 발명의 시스템은 종종 네트워크 데이터 시스템("NDS")이라고도 불리며, 여기서 NDS는 네트워크로 연결된 장치인 MAC-DMS의 동작을 제어하여 시스템을 다른 시스템(예를 들어, NDS, MA 또는 OND 등에 포함된 시스템)에 대한 참조와 구별한다. 독자는 문맥을 통해 NDS를 설명하기 위해 시스템이라는 용어가 사용된 위치를 식별할 수 있다.
직접적으로 또는 네트워크 장치를 통해 NDS에 액세스/활용하는 개인/엔티티를 "사용자"라고 한다. 양태들에서, 사용자는 자신이 속한 역할/직업의 "클래스"(예를 들어, 관리자, 연구원 또는 HCP)으로 특성화된다. 예를 들어, "관리자"는 일종의 사용자이다. 구체적으로, 관리자는 일반적으로 하나 이상의 기능/모듈 또는 시스템을 관리, 구축 또는 유지 관리할 책임이 있는, NDS 소유자와 연관된 개인, 팀 또는 조직이다.
시스템/NDS는 NDS와 네트워크로 연결된 하나 이상, 일반적으로 여러 개의 피험자 관련 의료 장치로부터 피험자 관련 데이터를 수신한다. 의료 장치("MA")는 하드웨어를 포함하고 인간 환자와 같은 피험자의 질병 또는 상태(그 증상 포함)의 진단, 치료, 예방, 완화 또는 회복과 관련된 작업(들)을 촉진하거나 수행하고; 환자 관련 데이터, 장치 데이터 또는 둘 다를 검출하는 센서를 포함하거나 이와 연관되며; 이러한 데이터를 NDS에 직간접적으로 중계할 수 있는 전자 의료 기기이다.
MA는 종종 "피험자"의 상태를 진단, 치료 또는 아니면 감지하거나 조절한다. "피험자"은 모든 유형의 포유동물(예를 들어, 반려동물)일 수 있다. 양태들에서, 피험자는 인간 환자이거나 이를 포함한다. 양태들에서, 환자는 뇌 상태, 심장 상태, 폐 상태 또는 기타 장기/기관계 상태와 같은 하나 이상의 중환자(잠재적으로 생명을 위협할 수 있는) 상태를 앓고 있는 것으로 진단된 환자이다. 모순되지 않은, "피험자"와 "환자"는 본원 암시적으로 서로를 지원한다.
의료 장치(MA)의 "그룹" 또는 "네트워크"는 예컨대 NDS와 네트워크로 연결된 모든 MA에 있거나, 한 위치(사이트, 사이트, 시설 그룹, 수도권, 지역(예를 들어, 카운티 또는 유사한 지역), 주/지방, 주간/지방 간 지역(예를 들어, 뉴잉글랜드), 국가, 국제 지역(예를 들어, EU) 또는 대륙의 모든 MA에 있거나, 또는 엔티티에 속하는 것과 같은 하나 이상의 특성에 의해 연관된 하나 이상의 유형의 MA의 모든 모음을 의미한다. "엔티티(entity)"는 하나 이상의 국가 또는 국제 기구의 법률에 따라 법적 권리를 갖는 것으로 인정되는 조직(예를 들어, 기업 또는 기타 회사)이다. 엔티티는 이들이 관련 법률에 따라 별도의 엔티티로 인정되는 경우 "독립적"이다. 일반적으로 독립적인 엔티티는 공동의 제어/소유권을 갖고 있지 않다.
MA는 컴퓨터식 의료 기기(예를 들어, 컴퓨터(들)를 포함하는 의료 기기)이다. "컴퓨팅 유닛", "컴퓨터" 등과 같은 용어는 일반적으로 물리적 컴퓨터 판독 가능 매체와 이러한 매체에 있는 정보를 처리("판독")하는 프로세서를 포함하는 장치를 의미한다. 매체는 정보 데이터 및 기능 정보(수정 가능/프로그래밍 가능 컴퓨터 실행 가능 명령(computer executable instruction; CEI))도 포함할 수 있다. 이러한 명령어는 특수 엔진을 포함하고 기능을 수행한다. 프로세서(들)는 해당 기능(들)이 수행되도록 하는 CEI를 판독(예를 들어, "출력" 생성)한다. 양태들에서, "컴퓨터" 또는 "다른 네트워크 장치(other network device)"("OND")와 같은 "컴퓨터식 장치"는 예를 들어, 모바일 컴퓨팅 장치(예를 들어, 스마트폰), 데스크톱 컴퓨터, 랩톱 컴퓨터, 태블릿 장치 등일 수 있다. 다른 네트워크 컴포넌트(예를 들어, 시스템)는 다른 곳에서 설명된 바와 같이, 더 복잡한 처리 또는 메모리 컴포넌트를 포함한다. 시스템/네트워크에 사용되는 기능적 데이터 구조는 인터페이스(데이터 구조가 지원하는 동작 세트), 구현(데이터 구조의 내부 표현 포함, 데이터 구조 동작에 사용되는 코드/알고리즘 정의, 또는 둘 다) 또는 이들의 조합을 포함할 수 있다.
서로 통신하는 컴퓨터식 장치는 데이터 네트워크("네트워크")를 형성한다. 일반적으로, 본원의 "네트워크"에 대한 모든 언급은 동작 시, NDS 및 다수의 MA를 포함하고, 선택적으로 다른 컴포넌트(예를 들어, OND, CRM 데이터베이스 등)를 갖는 네트워크에 관한 것이다. 이러한 네트워크는 본 발명의 일 양태이다. 경우에 따라, 네트워크라는 용어는 다른 네트워크(예를 들어, 네트워크/MA 그룹)를 설명하는 데 사용된다. 독자들은 네트워크라는 용어가 NDS와 MA를 포함하는 네트워크가 아닌 다른 네트워크를 지칭하는 데 사용되는 시기를 결정할 수 있을 것이다.
동작 시 네트워크(예를 들어, NDS:MA 네트워크)의 컴포넌트는 일반적으로 데이터, 기능 또는 기타 리소스 공유를 목적으로 일반적으로 디지털 상호 연결을 통해 공통 통신 프로토콜을 사용하여 반복적으로(일반적으로 정기적 또는 지속적으로) 상호 작용/통신한다. 네트워크는 일반적으로 다른 곳에서 논의된, 예를 들어 라우터, 스위치 등과 같은 물리적 컴포넌트를 포함한다.
네트워크의 컴포넌트는 때때로 "클라이언트"와 "서버"로 설명된다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있으며 일반적으로 통신/데이터 네트워크를 통해 상호 작용한다. 클라이언트와 서버의 관계는 각각의 컴퓨터들에서 실행되고 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램들에 의해 발생한다. 일부 실시예들에서, 서버는 예를 들어 클라이언트 역할을 하는 장치와 상호 작용하는 사용자에게 데이터를 디스플레이하고 이로부터 사용자 입력을 수신할 목적으로 예를 들어, HTML 페이지와 같은 데이터를 사용자 장치에 전송한다. 사용자 장치에서 생성된 데이터, 예를 들어, 사용자 상호 작용의 결과도 마찬가지로 서버로 중계될 수 있다.
시스템 컴포넌트는 컴퓨터이거나/이를 포함할 수 있지만, 일반적으로 시스템/NDS는 일반적인 범용 랩톱, 휴대폰 등의 메모리 및 처리 능력을 훨씬 능가하는 능력을 가질 뿐만 아니라 본원에 설명된 특정 프로세스를 수행하기 위한 특수 명령어/시스템을 포함한다. 양태들에서, 시스템 컴포넌트는 클라우드 메모리 또는 클라우드 처리 유닛과 같은 원격/가상 컴퓨팅 유닛을 포함한다. 그러나 다른 네트워크 장치(OND)는, 양태들에서 랩톱, 휴대폰 등을 포함할 수 있다.
NDS, MA 및 기타 네트워크 컴포넌트의 컴퓨터 유닛은 다양한 기능을 수행한다. "기능" 또는 "기능"은 예를 들어 입력(들)에 응답하여 미리 프로그래밍된 컴퓨터 판독 가능 및 실행 명령어(들) 모두를 기반으로 NDS 또는 네트워크의 기타 컴포넌트에 의해 수행되는 컴퓨터 구현 동작이다. 기능은 또한 방법 단계(들)의 결과를 설명할 수도 있다. 이러한 기능(들)의 이러한 방법/요소의 단계(들)는 아래에 설명된 알고리즘, 방법 등을 포함할 수 있다. 일반적으로, 기능은 NDS/장치의 유닛(들)/컴포넌트(들) 및 관련 방법의 단계 둘 모두에 의해 수행될 수 있다.
"엔진"("엔진" 또는 "데이터 엔진")은 일반적으로 메모리에 포함(및 엔진을 구성함)된 컴퓨터 실행 가능/판독 가능 명령어("CEI")를 기반으로 지정된 기능(들)을 수행하도록 구성된 컴퓨터/프로세서 실행 가능 소프트웨어 프로그램/애플리케이션이다. 일반적으로, 엔진은 입력(들)을 처리하고 출력(들)을 생성한다. 엔진은 하나 이상의 위치에 있는 컴퓨터(들)에 구현될 수도 있다. 양태들에서, 엔진의 여러 컴포넌트가 하나 이상의 컴퓨터(들)에 설치되어 실행되고 있거나; 엔진의 여러 인스턴스가 하나 이상의 컴퓨터에 설치되어 실행되고 있거나; 둘 다일 수 있다. 엔진의 동작은 기능을 수행하고, 기능은 엔진에 의해 수행될 수 있다. 이러한 해당 양태는 엔진 또는 기능에 대한 임의의 명시적인 설명에 의해 암시적으로 설명된다(예를 들어, 기능(들)을 수행하기 위한 엔진을 포함하는 시스템/컴포넌트에 대한 설명은 기능의 수행을 단계(들)로 포함하는 방법을 암시적으로 개시함). 사용자 입력을 받아 그중에서도 최종 사용자에게 출력을 제공하는 엔진을 "애플리케이션"이라고 할 수 있다. 엔진은 "프로그램", 코드" 또는 "알고리즘"으로 설명될 수도 있고 이들의 일부를 구성할 수도 있다. 엔진/프로그램은 컴파일되거나 해석된 언어, 또는 선언적 또는 절차적 언어를 포함한 모든 형태의 프로그래밍 언어(코드)로 인코딩/작성될 수 있으며; 독립형 프로그램, 또는 모듈, 컴포넌트, 서브루틴 또는 컴퓨팅 환경에서 사용하기에 적합한 기타 유닛을 포함한 모든 형태로 배치될 수 있다. 프로그램은 파일 시스템의 파일에 대응할 수 있지만, 반드시 그런 것은 아니다. 프로그램/엔진은 다른 프로그램들이나 데이터(예를 들어, 마크업 언어 문서에 저장된 하나 이상의 스크립트), 해당 프로그램 전용 단일 파일 또는 여러 조정된 파일들(예를 들어, 하나 이상의 모듈, 서브 프로그램 또는 코드의 부분을 저장하는 파일들)을 보유한 파일의 일부에 저장될 수 있다. 컴퓨터 프로그램/엔진은 하나의 컴퓨터에서 또는 한 사이트에 위치되거나 여러 사이트에 분산되어 있고 데이터 통신 네트워크로 상호 연결된 여러 컴퓨터들에서 실행되도록 배치될 수 있다. 프로그램/엔진은 또한 "명령어" 또는 "컴퓨터 구현 명령어", "프로세서 구현 명령어", "컴퓨터 판독 가능 명령어", "컴퓨터 구현 데이터 엔진" 등으로 설명될 수 있다.
"모듈(Module)" 또는 "모듈(module)"이라는 용어는 일반적으로 기능(들)을 함께 수행하는 컴퓨터 시스템(예를 들어, 네트워크 인터페이스 카드, 프로세서(들) 등) 및 엔진(들)의 기계/전기 또는 아니면 물리적/비소프트웨어 컴포넌트(들)의 조합을 말한다. 모순되지 않은, 모듈과 같은 용어는 표시된 기능을 수행하기 위한 컴퓨터 판독 가능 명령어를 포함하는 "프로세서 및 엔진"의 해당 조합을 암시적으로 개시한다. 모순되지 않은, 임의의 양태에서 "엔진(Engine)" 또는 "엔진(engine)"이라는 용어를 사용하면 참조된 기능(들)이 모듈에 의해 수행되고 그 반대의 경우에도 마찬가지인 해당 양태를 암시적으로 공개한다. 따라서, 모순되지 않은, 임의의 개시된 "엔진(Engine)" 또는 "엔진(engine)"은 물리적 컴포넌트(예컨대 프로세서(들) 및 메모리 컴포넌트(들))를 포함하는 해당 모듈을 암시적으로 지원한다.
"유닛(Unit)" 또는 "유닛(unit)"이라는 용어는 일반적으로 컴퓨터 장치, 시스템 또는 엔진이나 모듈인 컴포넌트의 구조적 요소(들)를 말하며, 모순되지 않고, 암시적으로 개시되며, 따라서 해당 엔진 또는 모듈로 대체될 수 있다.
"컨트롤러"라는 용어는 항상 이와 같이 설명된 것은 아니더라도, 다른 장치, 엔진, 시스템, 유닛 등의 동작을 직접 또는 간접적으로 제어하는 모든 엔진, 유닛, 모듈, 장치, 컴포넌트, 시스템 등에 적용될 수 있다. 따라서, 예를 들어, 네트워크로 연결된 장치의 동작을 제어하는 애플리케이션을 생성하는 시스템의 엔진은 이러한 다른 장치의 컨트롤러로서 도 설명될 수 있다. 엔진, 프로세서, 시스템과 장치의 기타 요소도 이러한 시스템, 장치 등의 "컴포넌트"로 설명될 수 있다. 엔진은 또한 알고리즘, 서브 프로그램 등과 같은 컴포넌트를 포함할 수 있다.
때때로 기능(들)의 단계(들) 또는 엔진(들)의 기능(들)은 의사 코드/알고리즘을 사용하여 본원에 설명된다. 간결성을 위해, 의사코드(pseudocode)는 (1) 아라비아 숫자, (a) 소문자, (I) 대문자 로마 숫자, (A) 대문자, 및 (i) 소문자 로마 숫자의 순서로 표시기를 사용하여 한 줄에 제시되어 계층 구조를 제공하는 경우가 있다. 예를 들어, 알고리즘에 대한 의사코드는:
START
(1) DECLARE A = 10
(2) INPUT B
(3) IF B > 0
(a) WHILE A ≤ 10
(I) IF A ≠ 0
(A) DECLARE C = A * B
(II) ELSE
(A)PRINT C
(b)DECREMENT A (A = A-1)
END
START, (1) DECLARE A = 10, (2) INPUT B, (3) IF B >0: (a) WHILE A ≤ 10: (I) IF A ≠ 0: (A) DECLARE C = A * B, (II) ELSE: (A) PRINT C, (b) DECREMENT A (A = A-1) 및 END로 작성될 수 있다.
엔진이 인코딩되는 방식은 기능을 수행하는 컴퓨터/시스템의 기능과 기능의 수동 수정 및 제어를 허용하는 시스템/컴퓨터에 제공되는 사람이 읽을 수 있는 명령어의 선택에 따라 달라진다. 각 엔진은 프로세서(들)에 의해 판독/실행될 때 특수 기술 효과를 제공하는 특정 단계를 수행하기 위해 물리적으로 인코딩된 프로세스/컴퓨터 실행 가능 명령어를 포함하는 물리적 매체를 포함하는 특수 장치이거나/특수 장치로 작동한다. 이러한 기술적 효과에는 사람에 의해(예를 들어, 해당 데이터의 일부를 서로 다른 독립 유형의 이해관계자에게 동시에 소팅하고 디스플레이함으로써) 합리적으로 수행될 수 없는 방식으로 데이터를 변환하여, 시스템 효율성을 향상(예를 들어, 의료 기기 제어 속도, 기기 데이터 전달 속도 등)시키거나 또는 치료용 의료 기기의 동작을 제어하는 것이 포함된다.
"입력"은 일반적으로 외부 소스(예를 들어, 관련 의료 기기, 네트워크로 연결된 장치에 정보를 제공하는 사용자, 외부 데이터베이스 또는 이들의 조합("CT"))으로부터 NDS, 장치 등에 제공되는 데이터를 의미한다. "출력"은 사용자 또는 장치/시스템/네트워크의 다른 장치/컴포넌트에 데이터를 디스플레이 또는 중계하거나 데이터를 기반으로 한 활동(예를 들어, 의료 장치 제어)을 적용하기 위한 모든 장치 또는 컴포넌트일 수 있다. 경우에 따라, 순수한 데이터가 아닌 출력을 출력 애플리케이션이라고 한다.
데이터 입력/출력의 맥락에서 "인터페이스"는 사용자와 컴퓨터, 네트워크 또는 시스템(예를 들어, 본 발명의 NDS) 사이의 임의의 적합한 인터페이스일 수 있다. 양태들에서, "인터페이스"라는 용어는 인터넷을 통해(예를 들어, 표준 웹 브라우저(들)를 사용하여) 여러 장치에서 보거나/탐색할 수 있는 웹 페이지 또는 유사한 매체의 형태로 구현된 사용자 인터페이스("웹 인터페이스" 또는 "소프트웨어 인터페이스")를 지칭하는 데 사용된다. 이러한 인터페이스는 일반적으로 사용자, 사용자 클래스 또는 둘 다에 특정한 미리 프로그래밍된 레이아웃을 포함한다. 특수 웹 인터페이스와 같은 인터페이스를 디스플레이/액세스하는 장치는 네트워크의 장치로 간주될 수 있다. 양태들에서, 네트워크에 액세스하는 장치는 고정/특수 인터페이스 하드웨어를 포함한다. 이와 같이, 네트워크 장치는 장치/인터페이스라고도 하며; 그러나, 모순되지 않은, 이러한 양태 중 하나를 개시하면 다른 양태도 암시적으로 공개되며 그 반대의 경우도 마찬가지이다.
"데이터" 및 "정보"와 같은 용어는 본원에서 상호 교환적으로 사용되며, 명시적인 정의/진술 또는 명확한 문맥에 의해 표시된 경우에만 특정 형태로 제한된다. 상호 연관된 데이터는 "레코드(Record)" 또는 "레코드(record)"로 설명될 수 있다. 레코드에는 속성(특성)과 값(측정/속성)이 있는 경우가 많을 것이다. 레코드는 아래에서 설명된 바와 같이, 맥락에 따라 정형(structured), 반정형(semi-structured) 또는 비정형(unstructured) 형태일 수 있다. 레코드 모음을 "데이터세트"라고 부를 수 있다. 메모리에 있는 데이터세트 모음을 "데이터 저장소"라고 부를 수 있다.
"스키마"는 일반적으로 "기본" 데이터로부터 새로운 정렬된 정형 데이터 모음을 형성하기 위해 덜 정렬된 데이터 모음에 제약 조건/구조를 적용하여 생성된 데이터의 구성이다. 데이터 저장소와 같은 기타 데이터 모음은 다른 곳에서 논의된다. "표현"은 유사한 데이터 구성이지만, 일반적으로 그래픽 사용자 인터페이스에 디스플레이하거나 기타 시각적 출력(예를 들어, 프린트)을 위한 지침을 위해 특별히 설계되거나 이와 연관된 데이터와 관련하여 구체적으로 사용된다. 표현은 또한 구조적/계층적 또는 아니면 상호 작용하거나 연결된 관계에 존재하는 오브젝트, 시스템, 장치, 프로세스 등에 관한 정보(예를 들어, 특정 병원, 지리적 영역, 사용자 클래스, 독립적인 엔티티 등과 관련된 의료 장치 또는 이들로부터의 데이터의 그룹화)를 제공할 수 있다.
본 발명의 네트워크/시스템에서 생성되고 전송되는 데이터는 CEI(예를 들어, MA가 환자의 치료와 관련된 설정을 변경하도록 하는 프로세서를 위한 명령어) 또는 비기능적 데이터(예를 들어, 센서 측정)를 포함하는 기능 데이터로 특성화될 수 있다. 모순되지 않은, 데이터는 임의의 적절한 모드/메커니즘을 통해 중계, 전송 등이 가능하며, 중계, 전송, 이송 등과 같은 용어는 달리 명시되지 않는 한 상호 교환적으로 사용된다. 업로드 및 다운로드라는 용어는 참조된 시스템, 장치 또는 기타 소스로(들어가거나) 이로부터 (나오는) 데이터 흐름 방향과 관련하여 사용될 수 있다.
컴포넌트 간에 또는 네트워크를 통해 중계되는 전자 정보는 일반적으로 패킷으로 중계되며, 이는 당업계에 공지되고 다른 곳에 논의된 바와 같이, 식별 데이터, 소스 데이터, 목적지 데이터, 크기 데이터, 지속성 정보(폐기 잔여 시간(Time to Live; TTL)), 구성 데이터(예를 들어, 플래그) 등과 같은 기타 정보를 포함한다. 패킷은 "스트림"으로 구성될 수 있다. 데이터는 프레임/청크 또는 기타 알려진 단위/형태를 통해 중계될 수도 있다. 따라서 이러한 용어의 사용은 본원에서 예시적인 것으로 간주될 수 있으며, 이러한 형태는 일반적으로 데이터 전송, 저장 또는 둘 모두에 적합한 다른 포맷의 데이터로 교환 가능하거나 대체 가능하다.
"인증된" 또는 "인증"과 같은 용어는 특정 사용자, 사용자 유형(클래스), 장치 또는 CT에 의해서만 액세스할 수 있도록 구성된 데이터 또는 기능(들)을 설명하며, 일반적으로 이러한 데이터/기능(들)에 액세스하는 것을 제한하기 위해 설계된 하나 이상의 기능(예를 들어, 방화벽, 비밀번호 액세스 제한, 생체 인식 액세스 제한, 기타 형태의 식별 제한과 같은 인증 프로토콜)이 적용된다.
"규정"은 법률, 조약, 규정, 규칙, 지침, 행동 강령, 표준, 판결 또는 유사한 지침(예를 들어, 헬스케어 적용, 질병 진단 등에 적용됨)을 의미한다. "규제 당국"(Regulatory Authority; RA)은 규정을 공포, 감독 또는 집행하는 엔티티이다. "규제 요구 사항"(약어로 "RR")과 같은 용어는 "규정"과 동일한 의미를 갖는다.
"기계 학습"("ML") 및 "인공 지능"("AI")과 같은 용어는 하나 이상의 기능이 하나 이상의 기계 학습 모델을 정보에 적용하여, 일반적으로 기계 학습 모델(들)의 동작 의해 컴퓨터 수정을 초래하는 임의의 적절한 방법/시스템을 의미한다. ML/AI 방법에는 훈련, 지도 또는 둘 다의 측면에 관리자가 포함될 수 있다.
일반적으로, 본원에 설명된 모든 방법은 해당 시스템/NDS를 제공하도록 적응될 수 있으며 그 반대도 마찬가지이다. 따라서, 임의의 방법의 개시는 표시된 기능을 수행할 수 있는 해당 시스템을 동시에 암시적으로 개시하고, 엔진/모듈을 포함하는 NDS의 개시는 모듈에 해당하는 기능을 수행하는 단계를 포함하는 해당 방법을 암시적으로 개시한다. 따라서, 모순되지 않은, "시스템"과 같은 용어는 암시적으로 해당 "시스템 또는 (즉 및/또는) 방법"을 의미하며, "방법"과 같은 용어는 마찬가지로 해당 "방법 또는(즉 및/또는) 시스템"을 암시적으로 개시한다.
하기 표는 본 개시에서 자주 사용되는 추가 약어를 나열하고 관련 요소에 대한 설명을 제공한다.
| 약자 | 용어 | 간단한 설명 |
| MA | 의료 장치 | 센서 데이터를 포함하는 데이터를 시스템/NDS에 중계하는 의료 기기. |
| MAG | MA 그룹 | 양태(들)에서 관련된 MA 그룹(예를 들어, 동일한 독립적인 엔티티에 의해 제어됨) |
| MZMA | 다중 구역 MA | 별도의 보안 유닛/규칙 또는 서로 다른 규제 상태가 적용되고, 서로 다른 통신 능력을 가지며, 서로 다른 MA 기능을 수행하는 등 2개 이상의 동작 구역을 포함하는 MA. |
| MA-D | MA 데이터 | MA에 의해 생성되고 NDS로 중계되는 데이터 |
| NDS | 네트워크 데이터 시스템 | 네트워크로 연결된 MA로부터 MA-D를 수신하고, 이러한 데이터를 분석하고, 분석에 기초한 출력을 네트워크로 연결된 MA/OND에 전달하는 본 발명의 시스템. |
| MAC-DMS | MA 제어 및 데이터 관리 시스템 | 동작 시 의료/진단 기능의 적용 변경과 같은 하나 이상의 방식(들)으로 MA의 동작을 제어하는 NDS. |
| NDS-AD | NDS 분석 데이터 | 즉, MA-D를 기반으로 NDS에 의해 생성된 정보. "분석 데이터" 또는 "분석"이라고도 함. |
| CDSS | 임상 의사결정 지원 시스템(또는 CDS 시스템) | SaMD로 규제되지 않고 데이터(예를들어, EMR 내의 데이터)를 분석하고 작업(예를 들어, 프롬프트, 리마인더 또는 정보 제공)을 수행하여 HCP가 임상 프로토콜, 지침 등을 구현하는 데 도움을 주는 유닛/엔진. |
| DR | 데이터 저장소 | 예를 들어, 데이터베이스(DB), 데이터 레이크(DL), 향상된 데이터 레이크, 데이터 웨어하우스 등 저장/영구 데이터의 개별 모음션. |
| MLM | 기계 학습 모듈 | ML 프로세스, 모델 또는 분석을 NDS 기능(들)에 적용하는 엔진/유닛. |
| NTCRM | 비일시적 컴퓨터 판독 가능 매체 | 대부분, 일반적으로 또는 전체적으로 일시적이지 않은 CEI를 포함하는 매체("일시적"이란 재사용이나 전송이 불가능하거나 둘 다 불가능함을 의미함). |
| CEI | 컴퓨터 실행 가능 명령어 | PTRCRM에 저장되고 프로세서/컴퓨터에 의해 실행된(ran) 명령어(예를 들어, 코드). |
| PTRCRM | 물리적이고 전송 가능하며 재현 가능한 컴퓨터 판독 가능 매체 | 물리적이고 전송 가능하며 재현 가능한 컴퓨터 판독 가능 매체. 예를 들어, 기능(들), 플래시 메모리, RAM 또는 NTCRM을 실행하지만 일시적인 신호는 제외하는 물리적 효과가 있는 전송 가능하고 재현 가능한 신호. |
| HCP | 헬스 케어 제공자 | 종종 MA의 사용을 통해 헬스 케어 제공에 관여하는 사람. |
| PHI | 개인/보호 건강 정보 | 하나 이상의 환자 개인 정보 보호 관련 법률(들)/RR(들)(예를 들어, US HIPAA)의 적용을 받는 환자(들)에 관한 정보. |
| SAMD / SaMD | 의료 기기로서의 소프트웨어 | RR(들)이 적용되는 의료 목적(들)으로 사용하도 하기 위한 소프트웨어 |
| EMR | 전자 의료 기록 | 환자별 의료 관련 데이터를 포함하는 전자 기록. |
| IEs | 독립적인 엔티티 | 법적으로 분리된 엔티티(예를 들어, 참조된 다른 엔티티를 통제하지도 않고 공통으로 통제받지도 않음) |
| SMAD | 스트리밍 MA-D | 네트워크 컴포넌트(들)로부터 스트리밍 방식으로 중계되는 MA 데이터 |
| MA-CD | MA 캐시 데이터 | 적어도 초기에 MA의 컴퓨터 메모리에 저장된 MA-D |
| SUMAD | 반비정형 MA-D | 반비정형 데이터로 특성화될 수 있는 MA-D |
| SDP | 스트리밍 데이터 프로세서/엔진/또는 유닛 | 다른 엔진(예를 들어, 분석 유닛/엔진)과 별도로 SMAD를 수신하고 분석하는 NDS 컴포넌트 |
| SO | 시스템 소유자/운영자 | NDS를 소유하거나 통제하고 있는 엔티티(들). |
| ONDI | 기타 네트워크 장치(OND)/인터페이스 | MA가 아닌 NDS로부터 NDS-AD를 수신하는 대화형 컴퓨터 장치 또는 웹/네트워크 인터페이스. 모순되지 않는 ONDI는 OND와 상호 교환 가능하게 사용된다. |
| CRMS | 고객관계관리(CRM) 시스템 | 일반적으로 엔티티에 의해 관리되며, 상품/서비스 고객과의 상호 작용 관리와 관련된 기능을 수행하도록 특별히 구성된 컴퓨터 시스템(예를 들어, SalesforceTM CRM). |
| S/F 및 S(들)/F(들) | 단계/기능 | NDS/컴퓨터의 유닛/엔진의 방법 단계(들) 및 기능(들) |
| U/F | 유닛(들)/기능(들) | NDS나 장치(예를 들어, MA) 또는 이들이 수행하는 방법으로 수행되는 기능의 유닛(들) |
표 1 - 약터 선택(알파벳순 아님)
경우에 따라, 이러한 약자 중 일부에 대한 설명은 가독성을 돕기 위해 본 개시의 하기 부분에서 반복된다.
본원에 개시된 시스템, 방법 및 기기/장치는, 이에 제한되는 것은 아니나, 예를 들어 본 발명의 개요("Summary")에 설명되거나 참조 시 명시된 것들을 포함하여, 많은 속성 및 양태를 갖는다. 본 요약은 모든 것을 포함하는 것으로 의도되지 않으며, 본 발명의 범위는 본 개요에 제공된 양태, 특징, 요소 또는 실시예로 제한되거나 이에 의해 제한되지 않는다. 오히려, 이 개요는 이러한 시스템, 방법 및 장치의 핵심 특징 및 특성 중 일부를 예시하는 양태에 대한 설명을 제공함으로써 본 발명의 본질을 예시하기 위해 제공된다. 이 섹션에 설명된 장치/시스템 또는 방법의 모든 양태는 이 섹션 또는 임의의 다른 섹션의 임의의 다른 양태와 결합될 수 있다.
의료 기기 데이터 관리 시스템에 대한 아이디어와 관련된 특허 개시의 양은 복잡하고 통합된 최신 의료 치료 환경의 물리적 컴포넌트와 데이터 컴포넌트 모두를, 이러한 시스템과 상호 작용하는 다양한 사용자가 사용할 수 있는, 안전하고 규정을 준수하며 효과적인 방식으로 결합, 관리 및 활용할 수 있는 포괄적이고 효과적인 의료 기기 데이터 관리 및 제어 시스템의 개발이 상당한 창의적 독창성을 적용해야 할 것이라는 점을 반영한다. 이러한 독창적인 시스템 및 관련 방법이 본원에 제공된다.
일 양태에서, 본 발명은 네트워크에서 의료 장치 및 기타 장치의 동작을 제어하기 위한 컴퓨터 구현 방법을 제공하는 것으로, (1) 데이터 네트워크를 제공하는 단계로서, 데이터 네트워크는 (a) 원격 제어가 가능하고, 선택적으로 동작 가능하며, 인터넷에 연결된 의료 장치의 모음으로서, 의료 장치 각각은 (I) 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 의료 장치와 동작상 연관된 임의의 환자의 하나 이상의 환자 관련 생리학적 상태를 검출하는 하나 이상의 센서, MA-D, (II) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (III) MA-D를 선택적으로 저장하고, MA-D를 분석 및 중계하고, 의료 장치와 네트워크 사이의 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, (IV) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 의료 장치의 모음, (b) MAC-DMS으로서, (I) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 유닛, 및 (V) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트로서, 하나 이상의 데이터 저장소는 MA-D의 적어도 일부와 분석 데이터의 적어도 일부를 별도로 그리고 서로 다른 액세스 조건 하에서 저장하는 향상된 데이터 레이크를 포함하는, 상기 MAC-DMS 메모리 컴포넌트를 포함하는, 상기 MAC-DMS를 포함하는, 상기 제공하는 단계; (2) 동작중인 각 의료 장치가 환자로부터 센서 데이터를 반복적으로 수집하도록 하는 단계; (3) 동작중인 각 의료 장치가 안전한 네트워크 연결이 이용 가능한지 여부를 자동으로 반복적으로 평가하도록 단계로서, (a) 안전하고 안정적인 네트워크 연결이 이용 가능한 경우, MA-D를 포함하는 데이터를 MAC-DMS로 자동으로 중계하거나, (b) 안전하고 안정적인 네트워크 연결이 이용 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 이용 가능해질 때까지 MA-D를 캐시 MA-D로서 의료 장치 메모리 컴포넌트에 저장하고, (II) 안전하고 안정적인 네트워크 연결이 이용 가능해질 때, 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하는, 상기 평가하도록 단계; (4) MAC-DMS 프로세서가 캐시 MA-D 프로세서를 사용하여 (a) 캐시 MA-D가 의료 장치로부터 MAC-DMS로 중계될 때 캐시 MA-D를 수신하고, (b) 수신된 캐시 MA-D가 분석 엔진에 의한 분석, 하나 이상의 저장소 중 적어도 하나에 저장, 또는 둘에 적합한지 여부를 결정하도록 하는 단계; (5) MAC-DMS 프로세서가 분석 엔진을 사용하여 사용자 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 두 가지 모두에 따라 향상된 데이터 레이크에 저장된 MA-D에 대한 하나 이상의 분석 기능을 수행하도록 하는 단계; 및 (5) MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치로 중계하도록 하는 단계로서, 하나 이상의 출력은 (a) 분석 데이터 출력, (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 모두의 동작을 제어하는 명령어를 포함하는, 상기 하나 이상의 출력 애플리케이션, (c) (a)와 (b)의 조합을 포함하는, 상기 중계하도록 하는 단계를 포함한다. 보다 구체적인 양태들에서, 이러한 방법은 (1) MA-D가 미리 설정된 반정형 데이터 포맨을 준수하는 MA-D를 포함하고; (2) 시스템/MAC-DMS거 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진을 포함하고; (3) 스트리밍 데이터 처리 엔진이 의료 장치로부터 중계된 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 하나 이상의 미리 프로그래밍된 조건이 스트리밍 MA-D에 존재하는지 여부를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 두 가지 모두 중 하나 이상의 컨트롤러로 동작하며, 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터식 장치, 또는 둘 모두의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하고; (4) 분석 엔진이 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하고; (5) 네트워크가 적어도 3개의 컴퓨터식 다른 네트워크 장치를 포함하고, 각 다른 네트워크 장치는 (a) (I) 네트워크 장치 프로세서, (II) 네트워크 장치 메모리 컴포넌트, 및 (III) 원격 제어 가능한 그래픽 사용자 인터페이스를 포함하고, (b) 적어도 한 클래스의 사용자에게 할당된 사용자와 연관되고, 사용자의 클래스는 (I) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (II) 환자 보호 건강 정보 수신에 대한 제한을 받는 상용 사용자를 포함하는 것을 특징으로 하며, 상기 방법은 다른 네트워크 장치 중 적어도 하나의 다른 장치에 출력을 전달하는 단계를 더 포함한다.
다른 양태에서, 본 발명은 (1) NDS가 MA-D 수신을 허가한 다수의 의료 장치로부터 중계되는 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 하나 이상의 미리 프로그래밍된 조건이 스트리밍 MA-D에 존재하는지를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다 중 하나 이상의 컨트롤러로 동작하고, 초기 기능은 NDS와 네트워크로 연결된 하나 이상의 의료 장치, NDS와 네트워크로 연결된 하나 이상의 다른 네트워크 컴퓨터 장치, 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 스트리밍 데이터 처리 유닛; (2) 프로세서 실행 가능 명령어와 하나 이상의 데이터 저장소를 포함하는 NDS 메모리 컴포넌트로서, MA-D 중 적어도 일부를 자동으로 저장하고 분석 데이터의 적어도 일부를 MA-D와 별도로 그리고 MA-D와 다른 액세스 조건 하에 추가로 저장하는 향상된 데이터 레이크를 포함하고, (a) 저장된 데이터를 소팅하고 관리하기 위한 거버넌스 규칙, (b) 저장된 데이터 중 적어도 일부에 적용할 수 있는 미리 결정된 데이터 포맷팅 표준, 또는 (c) (a)와 (b) 둘 다를 포함하는, 상기 NDS 메모리 컴포넌트; (3) 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하는 분석 엔진; (4) 의료 장치에 의해 수신될 시 캐시 MA-D를 분석하고, 캐시 MA-D가 MAC-DMS 메모리 컴포넌트에 저장되어야 하는지, 분석 엔진에 의해 분석되어야 하는지, 또는 둘 다를 해야 하는지를 결정하는 캐시 MA-D 처리 엔진; 및 (5) 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터식 장치 또는 둘 다에 중계하는 분석 데이터 컨트롤러로서, 하나 이상의 출력은 (a) 분석 데이터 출력; (b) (I) 네트워크로 연결된 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) NDS와 네트워크로 연결된 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치, 또는 (III) (I)와 (II) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션을 포함하는, 상기 분석 데이터 컨트롤러를 포함하는 시스템/NDS(예컨대 MAC-DMS)를 제공한다.
다른 양태에서, 본 발명은 (1) 다수의 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷에 연결된 의료 장치로서, 의료 장치 각각은 (a) 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (b) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (c) MA-D를 선택적으로 저장하고 하나 이상의 의료 장치 컴퓨터 구현 데이터 엔진을 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, (d) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서, 및 (e) (I) 동작 시 안전하고 안정적인 인터넷 연결의 가용성을 자동으로 반복적으로 확인하고, (II) 안전하고 안정적인 인터넷 연결이 존재할 경우, 이러한 안전하고 안정적인 인터넷 연결을 통해 MA-D 중 적어도 일부를 하나 이상의 의도된 수신자 인터넷 연결 장치 또는 시스템으로 중계하고, (III) 안전하고 안정적인 인터넷 연결이 존재하지 않는 경우, 안전하고 안정적인 인터넷 연결이 설정되거나 재설정될 때까지 MA-D 중 적어도 일부가 캐시 MA-D로 의료 장치 메모리 컴포넌트에 저장되도록 하고, 이후 캐시 MA-D 중 적어도 일부를 하나 이상의 수신자 인터넷 연결 장치 또는 시스템에 중계하는 네트워크 상태 엔진을 포함하는, 상기 다수의 의료 장치; (2) (a) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 시스템 프로세서; (b) 의료 장치로부터 중계되는 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 스트리밍 MA-D에 하나 이상의 미리 프로그래밍된 조건이 존재하는지를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치 중 하나 이상의 컨트롤러로 동작하고, 초기 기능은 하나 이상의 의료 장치의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 스트리밍 데이터 처리 엔진/엔진; (c) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 데이터 저장소를 포함하는 MAC-DMS로서, 하나 이상의 데이터 저장소는 MA-D 중 적어도 일부를 자동으로 저장하고 MA-D와 별도로 그리고 MA-D와 다른 액세스 조건 하에서 분석 데이터 중 적어도 일부를 추가로 저장하는, 상기 MAC-DMS; (d) 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두의 경우에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하는 분석 엔진; (e) 의료 장치에 의해 수신될 때 캐시 MA-D를 분석하고, 캐시 MA-D가 MAC-DMS 메모리 컴포넌트에 저장되어야 하는지, 분석 엔진에 의해 분석되어야 하는지, 또는 둘 다를 해야 하는지를 결정하는 캐시 MA-D 처리 엔진; 및 (f) 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터식 장치 또는 둘 다에 중계하는 네트워크 장치 컨트롤러(분석 데이터 컨트롤러)로서, 하나 이상의 출력은 (I) 분석 데이터 출력; (II) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션; 또는 (III) (I)와 (II) 둘 다를 포함하는, 상기 네트워크 장치 컨트롤러를 포함하는, 상기 의료 장치 컨트롤러를 포함하는 인터넷 기반 데이터 네트워크를 제공한다.
다른 양태에서, 본 발명은 이전 문단에서 설명된 특징을 포함하고 적어도 3개의 다른 컴퓨터식 네트워크 장치("OND")를 더 포함하는 인터넷 기반 데이터 네트워크를 제공하며, 각 다른 네트워크 장치는 (a) (I) 네트워크 장치 프로세서, (II) 네트워크 장치 메모리 컴포넌트, 및 (III) 원격 제거 가능 그래픽 사용자 인터페이스를 포함하고, (b) 적어도 하나의 사용자 클래스에 할당된 사용자와 연관되며, 사용자 클래스는 (I) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (II) 환자 보호 건강 정보의 수신이 제한되는 상용 사용자를 포함하고, 스트리밍 데이터 처리 엔진은 조건이 스트리밍 데이터 처리 엔진에 의해 검출될 때 선택적으로 하나 이상의 다른 네트워크 장치에 출력을 중계하고, MAC-DMS는 분석 데이터에 기초하거나 분석 데이터를 포함하는 출력 애플리케이션을 OND에 중계하거나, 둘 다를 중계한다.
다른 양태에서, 본 발명은 앞의 두 단락 중 어느 하나 또는 둘 모두에 따른 네트워크를 제공하며, NDS/MAC-DMS는 하나 이상의 의료 장치 관련 엔티티 및 MAC-DMS 관련 엔티티와 독립적인 엔티티에 의해 동작되는 고객 관계 관리에 액세스할 수 있으며, (a) 하나 이상의 의료 장치 관련 엔티티에 대한 의료 장치의 판매에 관한 정보를 포함하는 고객 관계 관리 정보 및 (b) 고객 관계 관리 정보를 MAC-DMS 프로세서에 중계하기 위한 컴포넌트를 포함하고, MAC-DMS 프로세서는고객 관계 관리 정보를 분석 데이터와 결합하고, 결합된 정보를 상용 사용자의 다른 네트워크 장치로 중계한다.
다른 양태에서, 본 발명은 (1) 다수의 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷에 연결된 다수의 의료 장치로서, 의료 장치 각각은 (a) 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (b) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (c) MA-D를 선택적으로 저장하고 하나 이상의 의료 장치 컴퓨터 구현 데이터 엔진을 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, (d) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서, (e) (I) 동작 시 안전하고 안정적인 인터넷 연결의 가용성을 자동으로 반복적으로 확인하고, (II) 안전하고 안정적인 인터넷 연결이 존재할 경우, 이러한 안전하고 안정적인 인터넷 연결을 통해 MA-D 중 적어도 일부를 하나 이상의 의도된 수신자 인터넷 연결 시스템으로 중계하고, (III) 안전하고 안정적인 인터넷 연결이 존재하지 않는 경우, 안전하고 안정적인 인터넷 연결이 설정되거나 재설정될 때까지 MA-D 중 적어도 일부가 캐시 MA-D로 의료 장치 메모리 컴포넌트에 저장되도록 하고, 이후 캐시 MA-D 중 적어도 일부를 하나 이상의 수신자 인터넷 연결 장치 또는 시스템에 중계하는 네트워크 상태 엔진을 포함하는, 상기 다수의 의료 장치; (2) (a) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS 프로세서; (b) 의료 장치로부터 중계되는 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 스트리밍 MA-D에 하나 이상의 미리 프로그래밍된 조건이 존재하는지를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 자 중 하나 이상의 컨트롤러로 동작하고, 초기 기능은 하나 이상의 의료 장치의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 스트리밍 데이터 처리 엔진; (c) 하나 이상의 MAC-DMS 구현 엔진 및 하나 이상의 데이터 저장소에 대한 프로세서 실행 가능 명령어를 포함하는 MAC-DMS 메모리 컴포넌트로서, 하나 이상의 데이터 저장소는 (I) 각 데이터 레이크 관리 구역이 서로 다른 데이터 레이크 관리 구역 액세스 규칙과 연관된 복수의 데이터 레이크 관리 구역을 포함하는 향상된 데이터 레이크, (II) 제1 관계형 데이터베이스, 및 (III) 제2 관계형 데이터베이스를 포함하는, 상기 MAC-DMS 메모리 컴포넌, (d) 하나 이상의 미리 프로그래밍된 기준에 기초하여 MA-D를 분석하고 MA-D를 하나 이상의 데이터 레이크 관리 구역에 기록하는 하나 이상의 MA-D 메모리 수집 엔진, (e) 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두의 경우에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하는 분석 엔진; (f) 하나 이상의 미리 프로그래밍된 조건에 기초하여 분석 데이터를 분석하고 이러한 미리 프로그래밍된 조건에 기초하여 (I) 제1 관계형 데이터베이스의 MA-D로부터 직접 생성된 분석 데이터, (II) 제2 관계형 데이터베이스의 향상된 데이터 레이크에 포함된 데이터로부터 생성된 분석 데이터, 및 (III) 향상된 데이터 레이크의 하나 이상의 데이터 레이크 관리 구역에 있는 분석 데이터를 기록하는 분석 데이터 메모리 수집 엔진, (g) 제1 관계형 데이터베이스에 수집되는 데이터, 제2 관계형 데이터베이스에 수집되는 데이터, 또는 둘 다에 관한 정보를 수집하고, 이러한 정보를 하나 이상의 시스템 관리자에 의해 액세스 가능한 하나 이상의 그래픽 사용자 인터페이스에 중계하는 데이터 저장소 검사 엔진, 및 (h) 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터식 장치 또는 둘 다에 중계하는 네트워크 장치 컨트롤러로서, 하나 이상의 출력은 (I) 분석 데이터 출력; (II) (A) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (B) 데이터 네트워크의 다른 네트워크 장치의 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치, 또는 (C) (A)와 (B) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션; 또는 (III) (I)와 (II)의 조합을 포함하는, 상기 네트워크 장치 컨트롤러를 포함하는, 상기 MAC-DMS를 포함하는 인터넷 기반 데이터 네트워크를 제공한다.
다른 양태에서, 본 발명은 환자군에서 환자의 의료 상태를 치료하는 방법을 제공하며, 상기 방법은 (1) MA 및 NDS/MAC-DMS를 포함하는 데이터 네트워크를 제공하는 단계로서, 각각은 이러한 요소에 관해 본 섹션의 이전 양태에서 설명된 특징을 갖는, 상기 제공하는 단계, (2) 동작중인 각 의료 장치가 그와 연관된 환자로부터 센서 데이터를 반복적으로 수집하도록 하는 단계; (3) 의료 장치 각각이 보안 네트워크 연결이 가능한지 여부를 자동으로 반복적으로 평가하도록 하는 단계를 포함하며, (a) 안전하고 안정적인 네트워크 연결이 가능한 경우, MA-D를 포함하는 데이터를 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 MAC-DMS에 자동으로 중계하는 단계, 또는 (b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장하고, (II) 안전하고 안정적인 네트워크 연결이 가능해지면, 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하는 단계; (3) MAC-DMS 프로세서가 스트리밍 데이터 처리 엔진을 자동으로 사용하여 (a) 의료 장치로부터 중계된 스트리밍 MA-D를 수신하고, (b) 각 의료 장치로부터 수신된 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하고, (c) 초기 분석이 스트리밍 중계 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행하도록 하는 단계로서, 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는, 상기 단계; (4) MAC-DMS 프로세서가 캐시 MA-D 프로세서를 사용하여 (a) 캐시 MA-D가 의료 장치로부터 MAC-DMS로 중계될 때 캐시 MA-D를 수신하고, (b) 수신된 캐시 MA-D가 분석 엔진에 의한 분석, 하나 이상의 데이터 저장소 중 적어도 하나에 저장, 또는 둘 모두에 적합한지 여부를 결정하도록 하는 단계; (5) MAC-DMS 프로세서가 향상된 데이터 레이크에 MA-D 중 적어도 일부를 자동으로 저장하도록 하는 단계; (6) MAC-DMS 프로세서가 분석 엔진을 사용하여 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 두 가지 모두에 따라 향상된 데이터 레이크에 저장된 분석 데이터 중 적어도 일부에 대해 하나 이상의 분석을 수행하도록 하는 단계로서, 분석 엔진은 (a) 분석 수행 시 MA-D에 의해 의료 장치로부터 생성된 분석 데이터를 사용하여 분석을 수행하고 (b) 각 의료 장치의 MA-D를 (I) 이전에 수집된 MA-D 분석 데이터, (II) 미리 프로그래밍된 표준 또는 (III) (I)와 (II) 둘 다와 비교하는, 상기 수행하도록 하는 단계; (7) MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다에 중계하도록 하는 단계로서, 하나 이상의 출력은 (a) (I) 환자와 관련된 의료 장치, (II) 환자와 관련하여 제공되는 헬스케어와 관련된 다른 네트워크 장치, 또는 (III) (I)와 (II) 둘 모두에 중계된 환자의 치료와 관련된 분석 데이터 출력, (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 환자와 연관된 헬스케어 제공자와 연관된 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 모두의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (c) (a)와 (b)의 조합을 포함하는, 상기 중계하도록 하는 단계를 포함한다.
또 다른 양태에서, 본 발명은 (1) 직접적으로 상호 운용되는 컴포넌트의 모음을 포함하는 높은 보안 구역으로서, 높은 보안 구역은 (a) 동작 시 환자에게 의학적 치료를 적용하고 수신된 전자 제어 명령어를 통해 제어 가능한 하나 이상의 치료 컴포넌트, (b) 하나 이상의 높은 보안 구역 컴포넌트의 동작을 제어하는 복수의 컴퓨터 구현 명령어에 대한 명령어를 포함하는 컴퓨터 판독 가능 매체를 포함하는 높은 보안 구역 메모리 컴포넌트, (c) 하나 이상의 치료 컴포넌트의 동작을 제어하기 위해 전자 명령어를 하나 이상의 치료 컴포넌트에 전송하기 위해 높은 보안 구역 메모리 컴포넌트에 포함된 컴퓨터 구현 명령어를 실행하는 컴퓨터 프로세서 컴포넌트, (d) (I) (i) 매체 구역 컴포넌트 및 (ii) 로컬 물리적 입력으로부터 전자 통신을 수신하고, (II) 하나 이상의 유효성 검사 표준을 준수하는 통신만이 높은 보안 구역 컴포넌트의 동작을 제어할 수 있도록 허용하기 위해 중간 구역 컴포넌트로부터 수신된 통신을 분석하는 보안 엔진을 포함하며, (III) (i) 중간 구역 컴포넌트 및 (ii) 로컬 의료 장치 출력에 전자 통신을 중계하는 통신 컴포넌트, (e) 인증된 사용자에게만 높은 보안 구역 메모리 컴포넌트에 대한 액세스를 제한하는 물리적 탬퍼링 방지 시스템을 포함하며, (f) 높은 보안 구역에는 직접적인 인터넷 통신을 위한 어떠한 능력도 부족한, 상기 높은 보안 구역; 및 (2) 상호 운용 가능한 컴포넌트의 제2 모음을 포함하는 중간 보안 구역으로서, 중간 보안 구역 컴포넌트는 (a) (I) 높은 보안 구역에서의 하나 이상의 치료 컴포넌트의 성능, (II) 관련 환자의 하나 이상의 생리학적 상태, 또는 (III) 의료 장치 데이터(MA-D)로서 (I)와 (II) 둘 다의 하나 이상의 물리적 조건을 측정하는 하나 이상의 센서, (b) (I) 하나 이상의 중간 보안 구역 컴포넌트의 동작을 제어하는 복수의 컴퓨터 구현 명령어에 대한 명령어를 포함하는 컴퓨터 판독 가능 매체 및 (II) MA-D의 저장을 위한 컴포넌트를 포함하는 중간 보안 구역 메모리 컴포넌트, (c) (I) 안전하고 안정적인 인터넷 수집이 가능한지 평가하는 네트워크 상태 엔진 및 (A) 이러한 연결이 가능한 경우, (i) MA-D를 하나 이상의 의도된 인터넷 수신자 장치로 중계하고 (ii) 보안 인터넷 통신을 통해 하나 이상의 원격 제어 장치로부터 중계된 명령어를 수신하거나, (B) 이러한 연결이 가능하지 않은 경우, 중간 구역 보안 메모리 컴포넌트에 MA-D를 캐시 데이터로 저장하는 네트워크 상태 엔진, 및 (II) 치료 컴포넌트로부터 데이터를 수신하고 치료 컴포넌트에 전자 지침을 보내는 장치 간 통신 엔진을 포함하는 중간 보안 구역 메모리 컴포넌트에 포함된 컴퓨터 구현 명령어를 실행하는 컴퓨터 프로세서 컴포넌트를 포함하는, 상기 중간 보안 구역을 포함하는 의료 장치(MA)를 제공한다.
본 발명의 예시적인 양태는 본 개시와 함께 제공된 도면들에 예시되어 있다. 도면들에 도시된 이러한 양태는 이 섹션에서 간략하게 설명되고 다른 곳에서 더 자세히 설명된다. 모순되지 않고, 모든 도면에 예시된 특징/단계는 모든 다른 도면(들)의 요소(들)/단계(들)와 결합될 수 있다. 도면은 일반적으로 본 발명의 전체 실시예(들)의 컴포넌트 양태로 보아야 하지만, 예시된 모든 특징이 각 실시예에 필요한 것은 아니라는 점을 이해해야 한다.
도 1은 의료 장치(medical apparatus; MA)와 네트워크 데이터 시스템(Network Data System)(NDS/시스템) 사이의 단순화된 네트워크 연결을 도시한다.
도 2는 하나의 예시적인 실시예에 따른 MA의 단순화된 네트워크 및 NDS에 대한 그들 관계의 개요이다.
도 3은 예시적인 양태에 따라 MA 그룹에 의해 식별가능한 여러 MA 서브네트워크 및 NDS로의 데이터 통신을 포함하는 MA 네트워크 레벨의 단순화된 레이아웃이다.
도 4는 일 양태에 따라 오프라인 기간에 MA 데이터 수집을 처리하기 위한 예시적인 프로세스의 개요이다.
도 5는 예시적인 물리적 컴포넌트 및 위치를 참조하여, 일 실시예에 따른 캐시 데이터의 수집 및 가능한 처리를 더 예시하는 시나리오의 설명을 제공한다.
도 6은 예시적인 NDS/방법에 따라 MA 네트워크, NDS 및 ONDI를 포함하는 MA/NDS 네트워크를 예시한다.
도 7은 일 양태에 따른 네트워크 시스템 메모리 유닛 내의 예시적인 데이터 관리 프로세스를 제공한다.
도 8은 한 양태에 따라, NDS 데이터 저장소/메모리 유닛(예를 들어, 향상된 데이터 레이크)에 서로 다른 데이터 구역을 적용하는 것을 도시한다.
도 9는 일 실시예에 따라 네트워크 내에서 동작하는 물리적 장치 컴포넌트를 예시하는, MA 그룹 및 NDS를 포함하는 예시적인 네트워크의 개요를 제공한다.
도 10은 본 발명의 예시적인 네트워크 내의 데이터 흐름 및 처리를 예시한다.
도 11은 다중 구역 의료 장치(multi-zone medical apparatus; MZMA)의 컴포넌트에서 사용할 수 있는 데이터 처리 방법을 예시한다.
도 12는 양태에 따라 NDS가 있는 네트워크의 MZMA의 컴포넌트에 대한 개요를 제공하고 이러한 컴포넌트를 통한 데이터 흐름 관리를 예시한다.
도 13은 NDS로부터 또 다른 예시적인 MZMA를 통한 예시적인 데이터 흐름을 예시한다.
도 14는 MZMA의 선택된 물리적 컴포넌트와 예시적인 MZMA 내에서의 데이터 제어를 도시한다.
도 15는 예시적인 MZA의 예시적인 물리적 컴포넌트 및 MZMA와 NDS 간의 데이터 흐름 제어를 예시한다.
도 16은 MZMA 및 NDS 컴포넌트와의 단계적 데이터 교환을 통해 MZMA 부분의 운영 체제 또는 기타 소프트웨어를 업데이트하기 위한 보안 프로세스를 도시한다.
도 17은 NDS로부터 기능 데이터를 중계하고 수신하는 서로 다른 동작 상태의 MA로 구성된 네트워크를 예시한다.
도 18은 NDS-AD로 분류된 사용자 클래스를 포함하는 특수 사용자 클래스 디스플레이를 통해 NDS(NDS-AD)로부터 분석 데이터를 수신하는 다양한 사용자 엔티티 인터페이스의 관계의 예시이다.
도 19는 서로 다른 지역/국가에 대해 서로 다르지만 중첩되는 NDS 아키텍처의 적용을 반영하는 개략도이다.
도 20은 시간 경과에 따라 및 시간 종속 규칙에 따라 MA 데이터 처리의 개요를 도시한다.
도 21은 예시적인 네트워크에서 다양한 사용자 클래스-레벨 및 개별 사용자 레벨 이벤트 경고/알람의 적용을 예시한다.
도 22는 마스터 MLM에 의해 관리되는 여러 기계 학습 모듈(machine learning module; MLM)을 포함하는 예시적인 네트워크를 도시한다.
도 23은 시스템/NDS의 스트리밍 데이터 프로세서 컴포넌트 내부로의, 내에서의 및 그로부터의 데이터 흐름과, NDS 메모리로 수집(ingestion)하기 전에 스트리밍 데이터의 선택적 처리 및 분석을 도시한다.
도 24는 각각이 데이터 품질 모니터링 대시보드의 대상이 되는, NDS 데이터 저장소의 일부를 형성하는 두 개의 관계형 데이터베이스를 포함하는 네트워크의 다양한 부분을 통한 데이터 흐름을 보여주는 또 다른 예시적인 네트워크이다.
도 25는 MA로부터 NDS로 중계될 수 있는, 장치 성능 데이터를 포함하는 반비정형(semi-unstructured) 데이터세트의 일 예이다.
도 26은 환자 센서 데이터를 포함하는 또 다른 예시적인 데이터세트이다.
도 27은 디바이스(MA) 알람(성능) 데이터를 포함하는 추가의 예시적인 반비정형 데이터세트이다.
도 28은 MA 시스템/소프트웨어 정보를 포함하는 추가의 예시적인 반비정형 데이터세트이다.
도 1은 의료 장치(medical apparatus; MA)와 네트워크 데이터 시스템(Network Data System)(NDS/시스템) 사이의 단순화된 네트워크 연결을 도시한다.
도 2는 하나의 예시적인 실시예에 따른 MA의 단순화된 네트워크 및 NDS에 대한 그들 관계의 개요이다.
도 3은 예시적인 양태에 따라 MA 그룹에 의해 식별가능한 여러 MA 서브네트워크 및 NDS로의 데이터 통신을 포함하는 MA 네트워크 레벨의 단순화된 레이아웃이다.
도 4는 일 양태에 따라 오프라인 기간에 MA 데이터 수집을 처리하기 위한 예시적인 프로세스의 개요이다.
도 5는 예시적인 물리적 컴포넌트 및 위치를 참조하여, 일 실시예에 따른 캐시 데이터의 수집 및 가능한 처리를 더 예시하는 시나리오의 설명을 제공한다.
도 6은 예시적인 NDS/방법에 따라 MA 네트워크, NDS 및 ONDI를 포함하는 MA/NDS 네트워크를 예시한다.
도 7은 일 양태에 따른 네트워크 시스템 메모리 유닛 내의 예시적인 데이터 관리 프로세스를 제공한다.
도 8은 한 양태에 따라, NDS 데이터 저장소/메모리 유닛(예를 들어, 향상된 데이터 레이크)에 서로 다른 데이터 구역을 적용하는 것을 도시한다.
도 9는 일 실시예에 따라 네트워크 내에서 동작하는 물리적 장치 컴포넌트를 예시하는, MA 그룹 및 NDS를 포함하는 예시적인 네트워크의 개요를 제공한다.
도 10은 본 발명의 예시적인 네트워크 내의 데이터 흐름 및 처리를 예시한다.
도 11은 다중 구역 의료 장치(multi-zone medical apparatus; MZMA)의 컴포넌트에서 사용할 수 있는 데이터 처리 방법을 예시한다.
도 12는 양태에 따라 NDS가 있는 네트워크의 MZMA의 컴포넌트에 대한 개요를 제공하고 이러한 컴포넌트를 통한 데이터 흐름 관리를 예시한다.
도 13은 NDS로부터 또 다른 예시적인 MZMA를 통한 예시적인 데이터 흐름을 예시한다.
도 14는 MZMA의 선택된 물리적 컴포넌트와 예시적인 MZMA 내에서의 데이터 제어를 도시한다.
도 15는 예시적인 MZA의 예시적인 물리적 컴포넌트 및 MZMA와 NDS 간의 데이터 흐름 제어를 예시한다.
도 16은 MZMA 및 NDS 컴포넌트와의 단계적 데이터 교환을 통해 MZMA 부분의 운영 체제 또는 기타 소프트웨어를 업데이트하기 위한 보안 프로세스를 도시한다.
도 17은 NDS로부터 기능 데이터를 중계하고 수신하는 서로 다른 동작 상태의 MA로 구성된 네트워크를 예시한다.
도 18은 NDS-AD로 분류된 사용자 클래스를 포함하는 특수 사용자 클래스 디스플레이를 통해 NDS(NDS-AD)로부터 분석 데이터를 수신하는 다양한 사용자 엔티티 인터페이스의 관계의 예시이다.
도 19는 서로 다른 지역/국가에 대해 서로 다르지만 중첩되는 NDS 아키텍처의 적용을 반영하는 개략도이다.
도 20은 시간 경과에 따라 및 시간 종속 규칙에 따라 MA 데이터 처리의 개요를 도시한다.
도 21은 예시적인 네트워크에서 다양한 사용자 클래스-레벨 및 개별 사용자 레벨 이벤트 경고/알람의 적용을 예시한다.
도 22는 마스터 MLM에 의해 관리되는 여러 기계 학습 모듈(machine learning module; MLM)을 포함하는 예시적인 네트워크를 도시한다.
도 23은 시스템/NDS의 스트리밍 데이터 프로세서 컴포넌트 내부로의, 내에서의 및 그로부터의 데이터 흐름과, NDS 메모리로 수집(ingestion)하기 전에 스트리밍 데이터의 선택적 처리 및 분석을 도시한다.
도 24는 각각이 데이터 품질 모니터링 대시보드의 대상이 되는, NDS 데이터 저장소의 일부를 형성하는 두 개의 관계형 데이터베이스를 포함하는 네트워크의 다양한 부분을 통한 데이터 흐름을 보여주는 또 다른 예시적인 네트워크이다.
도 25는 MA로부터 NDS로 중계될 수 있는, 장치 성능 데이터를 포함하는 반비정형(semi-unstructured) 데이터세트의 일 예이다.
도 26은 환자 센서 데이터를 포함하는 또 다른 예시적인 데이터세트이다.
도 27은 디바이스(MA) 알람(성능) 데이터를 포함하는 추가의 예시적인 반비정형 데이터세트이다.
도 28은 MA 시스템/소프트웨어 정보를 포함하는 추가의 예시적인 반비정형 데이터세트이다.
편의상, 주요 특징/부분(예를 들어, 방법의 단계/기능 및 시스템 유닛)은 이 섹션에서 개별적으로 설명될 뿐만 아니라, 때때로 다른 양태, 특징, 실시예, 요소 등과 결합하여 설명된다. 다른 곳에서 나타낸 바와 같이, 임의의 특정 양태, 실시예, 기능, 특징 또는 유닛은 임의의 다른 양태, 실시예 등과 결합되거나 적용될 수 있거나, 적절한 경우, 임의의 설명된 단계, 양태, 요소 등이 대체 양태, 단계, 특징 등을 대체할 수 있다.
일 양태에서, 본 발명은 모듈, 유닛, 엔진 또는 컴포넌트를 포함하는 시스템(각각, 네트워크 데이터 시스템("network data system; NDS")) 및 이러한 모듈, 유닛, 엔진 또는 컴포넌트의 기능을 수행하고, 시스템/NDS와의 데이터 네트워크에서 다수의 MA로부터의 기계 장치 데이터(machine apparatus data; MA-D)를 안전하게 수신, 분석, 저장, 관리 및 적용하고, 이러한 MA-D(NDS-AD)로부터 분석 데이터를 생성하고, 일반적으로 보안 인터넷 통신을 통해 이러한 NDS-AD 또는 MA, 기타 네트워크 장치(other network device; OND) 또는 둘 다에 대한 관련 출력을 중계하기 위한 단계를 포함하는 방법을 제공한다. 양태들에서, 이러한 관련 출력에는 MA 동작, OND 동작 또는 둘 다(NDS가 MAC-DMS인 경우) 중 하나 이상의 양태를 제어하는 출력 애플리케이션(들)이 포함된다. 예를 들어, 출력에는 MA/OND에 대한 알람 등록, MA/OND의 그래픽 디스플레이 변경, 또는 피험체와 상호 작용하는 MA의 치료 또는 진단 컴포넌트(들) 변경이 포함될 수 있다. 양태들에서, 네트워크의 MA에는 장치의 다른 구역과 별도의 성능, 보안 또는 통신 설정 하에서 별도의 컴포넌트를 포함하는 다중 영역 MA(multi-zone MA; MZMA)가 포함되어 있으므로, MZMA가 인터넷 통신을 통해 NDS와 통신중일 때 장치 보안을 촉진시킨다. 양태들에서, MA는 인터넷 통신이 불가능할 때와 같은 특정 조건 하에서 캐시 데이터(MA-CD)를 수집하며, 이후 MA-CD를 NDS에 중계하며, 이는 NDS의 데이터 저장소에 MA-CD가 저장되어야 하는지, NDS-AD를 생성하는 데 사용되어야 하는지, 또는 둘 다인지를 결정한다.
양태들에서, NDS는 이러한 MA-D 및 MA와 관련된 실시간("RT") 또는 준실시간("NRT") 기능(들)을 수행하여, 일반적으로 이러한 MA를 통해 또는 이와 관련된 의학적 치료를 용이하게 하거나, 촉진시키거나 또는 수행한다. 양태들에서, NDS는 별도로 위치되고 적어도 부분적으로 원격으로 제어 가능한 MA 그룹(들) 및 그로부터의 데이터에 액세스할 수 있다. 양태들에서, 방법은 이러한 MA 그룹(들)("MAG(들)")로부터 전달된 데이터를 수집하는 단계, 이러한 MAG(들)로부터 데이터를 저장하는 단계, 이러한 MAG(들)로부터 전달된 데이터를 분석 또는 평가하여 분석(NDS-AD)을 생성하는 단계, 이러한 분석을 기반으로 기능(들)을 실행하는 단계를 포함한다. 양태들에서, 기능(들)은 MAG(들)의 MA(들), 네트워크(ONDs)의 다른 장치(들) 또는 둘 다와 같은 네트워크 컴포넌트(들)에 대한 NDS-AD, 명령어 또는 둘 모두를 통신하는 것을 포함한다. 네트워크의 MA는 일반적으로 알려지거나 설명된 보안 인터넷 기반 통신 방법을 통해 촉진되는, 일반적으로 반복적이고 종종 시스템(NDS)과 실질적으로 지속적인 통신이다.
양태들에서, NDS가 있는 네트워크의 MAG는 2개 이상(예를 들어, 3개 이상, 5개 이상, 7개 이상, 10개 이상, 12개 이상, 20개 이상, 30개 이상, 50개 이상 또는 약 100개 이상의 IE)의 독립적인 엔티티(IE)의 제어 하에 있으며, NDS는 각 MA와 관련된 각 엔티티 식별, MAG 특정 명령어 실행, MAG 연관성을 기반으로 데이터 분리, 또는 이들의 조합(CT)을 포함하여 네트워크의 각 특정 MA와의 통신을 식별하고 데이터를 중계하는 기능을 포함한다.
MA는 피험자의 질병 진단 또는 치료에 관한 데이터를 수집한다. 예를 들어, MA는 동작 시 센서 데이터(장치 성능, 환자 생리학적 상태 또는 둘 다와 같은 물리적 현상의 측정을 포함)를 수집하는 센서(들)를 포함할 수 있다. 이러한 "센서 데이터"는 MA에 의해 수집된 데이터(즉, MA 데이터(또는 "MA-D"))의 컴포넌트이다. MA는 일반적으로 또한 (1) 장치/로컬 메모리(PTRCRM(physical, transferrable, and reproducible computer readable medium)를 포함) 및 (2) MA가 MA-D를 저장하거나, MA-D를 중계/송신하거나, 또는 둘 다 수행하는 것에 관한 기능을 포함할 수 있는 장치 CEI를 실행하기 위한 프로세서/처리 기능/유닛을 포함한다. 이러한 MA 로컬 메모리에 적어도 때때로 저장되는 MA-D는 이러한 데이터가 나중에 MA로부터 NDS로 중계되는 경우에도 "캐시 데이터"라고도 한다.
네트워크의 MA는 장치 디스플레이 유닛(들)(예를 들어, 그래픽 사용자 인터페이스(들)(GUI(들)) 또는 기타 인터페이스/출력 장치/컴포넌트를 포함)을 포함할 수 있다. 양태들에서, MA에 대한 NDS의 출력은 즉, MA와 관련된 사용자(들)의 클래스에 따라 달라진다.
네트워크의 MA는 일반적으로 MA로부터 NDS로 MA-D를 전송하는 데이터 릴레이 유닛(들)을 포함한다. 양태들에서, 동작 시 MA(들)는 때때로, 대부분, 일반적으로 항상, 또는 실질적으로 항상 스트리밍(또는 스트리밍 및 실시간) 시간 MA 데이터("스트리밍 MA-D" 또는 "SMAD)"에 따라 MA-D를 수집하고 NDS로 중계한다. 다른 MA-D와 마찬가지로, SMAD는 MA 센서 데이터, 장치 성능 데이터, 장치 식별 데이터, 환자 식별 데이터 또는 이들의 조합을 포함할 수 있다). 양태들에서, 캐시 데이터는 중계될 때 데이터 스트림으로도 중계된다. 양태들에서, 캐시 데이터는 실시간(RT) SMAD("RT-SMAD")와 함께 전송된다. 양태들에서, 캐시 데이터는 RT-SMAD와 별도로 중계될 수 있다.
MA-D는 반비정형, 정형 또는 비정형 데이터를 포함할 수 있다. 양태들에서, MA에 의해 중계되는 일부, 대부분 또는 적어도 일반적으로 모든 MA-D는 반비정형 데이터를 포함한다. 양태들에서, 반비정형 데이터를 사용하면 NDS의 속도, NDS의 가동 시간 또는 둘 다 (예를 들어, 입인 데이터 부하/처리 부담을 감소시킴으로써) 감지 가능하거나 크게 향상된다.
양태들에서, 일부, 대부분, 일반적으로 모두, 실질적으로 모두, 본질적으로 모두 또는 모든 MA-D는 센서 데이터이다. 양태들에서, 일부, 대부분, 일반적으로 모든 경우 또는 모든 경우의 MA-D는 추가 데이터(비센서 데이터)를 포함한다. 양태들에서, MA-D는 장치 상태/성능 데이터(전력 상태, 펌프 속도 등과 같은 MA 동작/동작성의 하나 이상의 양태에 관한 데이터)를 포함한다. 이러한 데이터는 "장치 데이터"로 지칭될 수 있다. 양태들에서, 대부분, 일반적으로 모두, 실질적으로 모두, 본질적으로 모두 또는 모든 MA-D는 장치 성능 데이터 또는 기타 장치 데이터로 조합된 센서 데이터이다. 양태들에서, 일부, 대부분, 일반적으로 전부 또는 모든 장치 성능 데이터는 환자 상태에 관한 간접적인 정보를 제공한다(예를 들어, 장치 또는 장치 컴포넌트의 회전, 장치 압력 등과 같은 움직임은 NDS/MA에 미리 프로그래밍된 하나 이상의 환자의 생리학적 파라미터에 관한 간접 정보를 제공할 수 있음).
네트워크의 MA는 인증된 정보만 MA 동작(들)을 수정할 수 있도록 하는 착신 데이터 보안 유닛, 물리적 변조 방지 검출 또는 차단 조치 등과 같은 보안 특징(들)을 사용할 수 있다. 이러한 컴포넌트는 다른 곳에서 알려지고 논의된다.
동작 시, MA는 때때로, 대부분, 일반적으로 항상 또는 실질적으로 항상 NDS/시스템에 데이터를 중계한다. 양태들에서, 동작 시, 대부분의 시간, 일반적으로 항상 또는 실질적으로 항상 MA(들)는 인터넷 또는 기타 WAN/SDWAN 연결을 통해 NDS와 실질적으로 지속적으로 통신한다.
NDS는 일반적으로 (1) MA-D를 수신하고 저장하는 데이터 저장소(DR(들))를 포함하는 PTRCRM을 포함하는 NDS 메모리 유닛/컴포넌트("메모리")를 포함하고, (B) NCEI를 판독/실행하는 (2) NDS 프로세서(2)에 의해 수행되는 기능(엔진)에 대한 인코딩/미리 프로그래밍된 명령어를 포함하는 NDS CEI(NCEI)를 포함한다. NDS(들)는 예를 들어 (3) NDS 데이터 입력 유닛/엔진(예를 들어, MA로부터 데이터를 선택적으로 자동으로 수신(및 일반적으로 각 MA로부터 수신되는 MA-D가 SMAD, 캐시 데이터 또는 둘 다인지를 결정)하는 엔진, (4) NDS 분석 유닛(들)/엔진(들)(예를 들어, 분석 데이터(NDS-AD)를 생성하기 위해 미리 프로그래밍되고 프로그래밍 가능한 규칙에 따라 MA-D 및 가능한 기타 입력(들)을 분석하고 이러한 분석을 사용하여 (예를 들어, 컨트롤러 기능(들)을 통해) NDS 애플리케이션(들)/기능(들)의 성능을 지시하는 하는 엔진), (5) MA-D가 분석 기능에 의해 사용되도록 승인되었는지를 평가하거나 MA-D가 이러한 기능에 의해 어떻게 사용될 수 있는지를 결정하는 NDS 데이터 평가 유닛/엔진(및 선택적으로 데이터 조화(data harmonization)를 수행하는 하나 이상의 데이터 개선 유닛, 데이터 정리 및 데이터 유효성 검사 기능), (6) 미리 프로그래밍된 팩터/규칙(예를 들어, 기밀성 및 헬스 케어 준수 규칙에 기초하여, MA 및 기타 네트워크 장치 및 인터페이스(other network devices and interface; ONDI)로 전달하기 위해 MA-D, 분석 또는 둘 모두를 자동으로 필터링하는 NDS 출력 엔진/유닛/처리 시스템, 및 (7) NDS 데이터 릴레이 유닛/엔진을 특징으로 할 수 있는 컴포넌트를 더 포함할 수 있다. NDS 데이터 릴레이 엔진/유닛은 일반적으로 (A) 이러한 MA, 관련 환자 또는 둘 다에 특정되고, 일반적으로 이러한 MA의 보안 유닛을 통해 수신하도록 적응할 수 있는 MA에 대한 정보, 및 (B) 하나 이상의 다른 네트워크 장치/인터페이스(ONDI)에 대한 MA-D, 분석 또는 둘 다를 포함하는 정보를 인터넷을 통해 안전자게 중계한다. 선택적으로, NDS는 (8) 캐시 데이터의 식별, 캐시 데이터의 분석, 또는 캐시 데이터의 처리를 위한 특수 명령어를 포함하고, 예를 들어, NDS 메모리/DR(들)에 저장된 데이터에 대한 기능의 적용에 기초한 캐시 NDS 분석을 생성하는 NDS 캐시 데이터 분석 기능을 더 포함할 수 있다. 양태들에서, 캐시 데이터는 RT-SMAD를 보완하고; RT-MMAD가 없거나 누락된 데이터 스트림을 재구성하고; 불완전하거나 의심스럽거나 손상된 RT-SMAD를 검증하는 등에 사용된다.
양태들에서, 네트워크의 일부, 대부분, 일반적으로 전부 또는 모든 MA는 때때로 네트워크(예를 들어, 인터넷) 연결이 끊어질 수 있는 모바일 MA이며, 따라서 RT-SMAD(SMAD)가 NDS에 중계될 수 없는 기간을 가질 수 있다. 양태들에서, SMAD 및 캐시 데이터 둘 모두를 분석하면 피험자 케어의 DOS 개선이 가능하다.
ONDI와 관련된 데이터는 예를 들어 2개 이상의 독립적인 엔티티(IE)와 연관된 여러 MA의 정보 또는 2개 이상의 IE가 소유/제어하는 MA로부터 도출된 NDS-AD를 포함할 수 있다. 앙태들에서, 이러한 정보는 CRM과 같은 정보 외부 시스템/데이터 저장소와 조합될 수 있다.
NDS에는 일반적으로 MA-D의 동시 수신 및 처리를 허용하고, MA-D 또는 NDS-AD를 데이터 태깅 기능 및 대규모 병렬 분산 및 스케일링 가능한 클라우드 기반 처리 기능과 같은, ONDI, MA, 기타 장치/인터페이스(예를 들어, 액세스 가능한 웹 포털) 또는 이들의 조합을 중계하는 처리 기능/컴포넌트(들)를 포함한다. 이러한 기능은 또한 NDS/방법이 여러 유형의 MA, 여러 환자 상태, 여러 환자 유형 및 여러 MA 상태에 동시에 적용되도록 허용하여, 이러한 NDS/방법의 적용 및 이러한 시스템에서 및 이에 의해 도출된 데이터의 견고성을 확장하고(예를 들어, 연구 클래스 개인/그룹 및 클리닉의 환자로부터 동시에 데이터 수집 시), 추가로 이러한 NDS/방법의 국가적 수준 및 심지어 국제 레벨의 적용도 허용한다. NDS에 의해 수행된/방법에 포함된 촉진 단계(들)/기능(들)은 또한 데이터 큐잉 및 우선 순위 지정 방법(다른 곳에서 논의된 바와 같이, 인바운드/착신 MA-D에 적용됨)을 포함할 수 있다.
NDS의 DR에 있는 데이터는 데이터 특성에 기초하여 여러 "레벨"의 식별, 관리, 보안, 액세스 등의 대상이 될 수 있다. NDS의 기능 데이터/CEI는 NDS에 의해 생성되거나 수신된 데이터의 분배를 필터링, 수정, 지시 및 아니면 관리하는 데 사용할 수 있다(예를 들어, 장치 판매원과 같은 상업적 사용자에게 제공되는 데이터로부터 PHI를 제외하고 규제 요구사항(RR) 준수를 보장하기 위해). 양태들에서, NDS는 서로 다른 NDS-생성 데이터 세트(분석 데이터/분석 또는 NDS-AD), MA-D, NDS-AD/MA-D에 기반한 출력, 또는 이들의 조합을, 양태들에서 서로 다른 사용자/클래스에 할당된 장치를 포함하는, MA 및 다양한 기타 네트워크 장치/시스템에 동시에 전달할 수 있다. 양태들에서, NDS에 의해 중계된 데이터는 RR 및 서로 다른 역할/클래스의 사용자에게 적용 가능한/관련된 사용자 요구/역할에 따라 달라진다. 양태들에서, NDS는 로컬/사용자 레벨, NDS/클래스 레벨 또는 둘 모두에서 설정된 여러 개별 또는 클래스 레벨 알람/경보를 수용한다.
네트워크의 MA는 무단 수정 또는 변조에 대한 하나 이상의 보호 기능을 포함할 수 있다. 예를 들어, 양태들에서, MA는 무단 변조가 검출될 때 MA 성능을 제한/억제하거나 중지하는 변조 방지 컴포넌트(들)/시스템(예를 들어, 엔진, 센서 등)을 포함한다. 양태들에서, MA는 (예를 들어, MA에 물리적 청각, 시각 또는 시청각 알람을 등록함으로써; NDS, ONDI 또는 둘 다에 알람 메시지를 전송함으로써; 또는 이들의 조합) 알람을 등록하거나 중계하는 센서, 컴포넌트, 엔진, 시스템 등을 포함한다.
양태들에서, MA는 "다중 구역 MA(MZMA)"을 특징으로 하며, 이는 네트워크와의 다양한 상호 작용 레벨, 환자와의 다양한 상호 작용 레벨 또는 다양한 장치 보안 레벨을 갖는 둘 이상의 컴포넌트 또는 시스템 세트를 포함하는 MA이다(예를 들어, MZMA는 제1 치료 컴포넌트, 예를 들어 심혈관 또는 폐 생명 유지/치료 기능과 같은 중환자 케어/생명 유지 기능에 관여된 컴포넌트를 포함하는 제1 구역을 포함할 수 있으며, 이는 예를 들어 다른 유형의 치료 적용 또는 진단/모니터링 적용에 관여될 수 있는 제2 컴포넌트보다 착신 데이터 측면에서 더 많은 제한을 받음).
양태들에서, MA는 직접 의료 요법의 적용, HCP의 치료 과정 디스플레이 또는 HCP를 위한 권장 치료 과정 제공과 같은, 하나 이상의 측면에서 NDS(MAC-DMS)에 의해 직접 제어될 수 있다.
NDS는 각 유형의 장치, 치료된 조건, 환자 유형 등의 경우, 기계 학습 모듈(MLM)을 포함할 수 있고, 양태들에서, 환자(들)에 대한 다중 중첩 MLM을 관리하기 위한 마스터 MLM(들)을 더 포함할 수 있다. 양태들에서, NDS/방법은 MA의 데이터 업로드와 MLM과 같은 분석 기능의 성능 사이에 관계가 있어서, 예를 들어, (1) 분석 기능(들)을 수행하기 위한 충분한 데이터 모음을 수집하는 데 걸리는 기간에 수행되는 분석 가능한 데이터 수집에 기여하는 일반적으로 더 많은(예를 들어, 5개 이상, 10개 이상 또는 25개 이상) 데이터 수집 주기가 있고, (2) NDS에 의해 수리되거나 아니면 보상될 수 없는 데이터 수집 주기에 문제가 검출된 경우 데이터 수집에 대한 데이터 수집 주기의 기여를 다시 시작하는 단계(들)/기능(들)이 있다.
본 발명의 시스템, 네트워크 및 방법의 이러한 특징 및 다른 특징의 추가적인 양태들은 본 개시의 다음 섹션에서 특히 상세히 설명된다.
A.
의료 장치(MA) 및 MA 그룹(MAG)
네트워크는 여러 MA의 그룹(들)(때때로 네트워크라고 함)을 포함할 수 있으며, 각 MA 그룹("MAG")은 하나 이상의 유형의 MA(들)를 포함하고, 각 유형의 MA는 일반적으로 동작 시 하나 이상의 유형(들)의 환자/피험자, 유형(들)의 치료/진단/적용, 또는 이들의 조합과 연관된다.
양태들에서, 네트워크는 NDS와 통신하는 5개 이상의 MA를 포함하고, 양태들에서 네트워크는 NDS(1개 이상, 2개 이상, 3개 이상, 5개 이상 또는 그 이상의 MA 유형)와 통신하는 ~20개 이상, ~100개 이상, ~200개 이상, ~500개 이상, ~1000개 이상, ~5000개 이상의 MA(MA 유닛)(예를 들어, 100-1000개의 MA, 100-10,000개의 MA, 또는 100-100,000개의 MA)를 포함한다.
양태들에서, 네트워크는 2개 이상의 MAG(예를 들어, 3개 이상, 5 개 이상, 7 개 이상, 10 개 이상, 12 개 이상, 15 개 이상, 20 개 이상, 25 개 이상, 35 개 이상 또는 50 개 이상의 MAG)를 포함하고, 각 MAG는 예를 들어 ~5개 이상의 MA(예를 들어, 10개 이상, 20개 이상, 25개 이상, 50개 이상 또는 100개 이상의 MA)를 포함한다. 양태들에서, 일부, 대부분, 일반적으로 전부, 실질적으로 전부 또는 모든 MAG 중 일부, 대부분, 일반적으로 전부, 또는 모든 MA는 시스템 소유자/시스템 운영자와 서로 구별되는 독립적인 엔티티(IE)의 1차 제어 하에 있다. 양태들에서, 네트워크는 각각이 (서로 NDS 소유자/운영자(SO)에 대해) 별도의 독립적인 엔티티(IE)의 1차 제어 하에 있는 5개 이상의 MAG(예를 들어, 5-100개, 5-50개 또는 10-40개의 MAG)를 포함한다. "1차 제어(primary control)"는 (예를 들어, MA에 대한 소유권 소유, 피험자(들)의 치료/진단에 대한 책임을 부담하거나, 또는 둘 다에 의해) MA 동작에 대한 최종 책임을 의미한다.
양태들에서, SO는 NDS의 소유자이다. 양태들에서, SO는 운영자 엔티티 또는 개인에 의해 동작된다. 어느 경우든, SO는 "관리자", "관리", "시스템 관리자" 등으로 지칭될 수 있는 NDS의 양태들을 관리하는 사람을 고용할 수 있다. 양태들에서, MAG와 연관된 하나 이상의 IE는 SO가 MA로부터 데이터를 수신하거나, MA 동작의 양태를 제어하거나, 둘 다를 허용한다. 양태들에서, MA, NDS 또는 둘 다에는 예를 들어 이러한 액세스 권한을 설정하기 위한 수단을 포함하는 전자 계약 기능(들)이 제공된다. 양태들에서, 이러한 전자 계약 기능은 프로그래밍 및 업데이트가 가능하다.
다른 양태들에서, 네트워크에서 MA를 소유하는 일부, 대부분, 일반적으로 전부 또는 모든 엔티티는 MA에 대한 완전한 제어를 유지하지만 SO에 의해 NDS를 사용할 수 있는 권한이 부여된다(그리고 일반적으로 SO가 NDS를 동작시킬 수 있도록 SO가 MA 센서 데이터와 같은 IE 관련 PHI에 액세스할 수 있는 권한을 부여함).
양태들에서, 네트워크의 일부, 대부분, 일반적으로 전부 또는 모든 MA는 초기에 SO에 의해 제어되는 MA이다(예를 들어, SO에 의해 또는 SO를 위해 현재 IE 소유자에게 제조 또는 판매/부여/이전된 MA임). 일부 이러한 양태들에서, MA에서 NDS 상호 작용 측면에서 SO 부과 기능은 소유권 이전 전에 설정되고(예를 들어, 본원에 설명된 표준 중 하나 이상에서 데이터를 수집하거나 전송하는 기능) 네트워크의 대부분, 일반적으로 전부, 실질적으로 전부 또는 모든 MA에서 유지된다. 이러한 양태들은 요소의 특정 구성(예를 들어, 대부분, 일반적으로 모든 또는 실질적으로 모든 MA-D, NDS-AD 등의 포맷)을 허용한다. 그러나, 다른 양태들에서, 이러한 기능은 또한 또는 대안으로 MA 동작의 양태를 제어하기 위해 SO에 대한 권한의 IE 승인(들)에 의해 달성된다. 양태들에서, 동작 컴포넌트는 두 측정 모두에 의해 달성된다(예를 들어, 장치를 소유할 때 SO가 초기 설정을 설정했지만 나중에 IE 권한에 따라 업데이트해야 함).
별도의 IE(서로)가 소유/관리되는 MA의 연결은 일반적으로 각각의 다른 IE와 관련된 MA로부터 획득된 MA-D의 기밀성을 다른 IE와 관련된 사용자에 의한 액세스로부터 보호되도록(뿐만 아니라 다른 승인되지 않은 엔티티/개인에게 공개되지 않도록) 추가 데이터 관리 요구 사항을 부과한다. 따라서, 이러한 다수의 IE 소유 MAG와 연관된 NDS는 상이한 IE MAG로부터 도출된 MA-D 및 NDS-AD가 적용 가능한 IE와 연관된 것으로 식별되는 MA 및 NDS 레벨의 프로토콜을 포함할 수 있다. 데이터 "태깅" 방법은 다른 곳에서 알려져 있고 설명되어 있다. 이러한 방법은 예를 들어 하나 이상의 레벨(특정 장치 레벨, 장치 유형 레벨, 장치 기능 상태 레벨, IE 레벨 또는 지역이나 구가 레벨과 같은 기타 레벨과 같은)에서 MA의 소스를 식별하는 MA-D에 패킷 정보를 추가하는 것을 포함할 수 있다. 양태들에서, 장치 레벨, 시스템 레벨 또는 둘 모두에서 적용/수행되는 엔진, 유닛 또는 기능은 또한 각 MA가 속한(예를 들어, 병원 치료 그룹, 병원, 병원 시스템, 타운, 광역시, 카운티, 주/지방 등) MAG를 정의할 수 있는 다른 연관 레벨도 식별한다.
양태들에서, 네트워크의 MA(들)는 독립형 의료 장치(들)(예를 들어, 독립적인 의료 기기)로 존재할 수 있다. 양태들에서, 2개 이상의 MA는 네트워크의 MA 중 일부를 설명하는 MAG를 형성한다. MAG는 위치(예를 들어, 사이트), 서브 네트워크(예를 들어, 병원 또는 클리닉 네트워크와 같은 엔티티 MAG), 지리적 위치(예를 들어, 도시, 카운티, 주, 지역, 국가 또는 대륙을 정의할 수 있는 영역 MAG), 또는 예를 들어, 환자 그룹(예를 들어, 공유 상태로 진단된 환자를 포함하는 환자 그룹)에 의해 정의될 수 있다. 양태들에서, MAG는 초기 생성 후 수정될 수 있다. 예컨대 하나 이상의 MA가 그룹으로부터 추가되거나 제거되거나, 또는 하나 이상의 MA가 한 MAG에서 다른 MAG로 전송될 수 있다. 양태들에서, MA는 예를 들어, 네트워크에서 여러 MAG 카테고리가 설명되는 경우, 2, 3, 5 또는 MAG에 속할 수 있다(예를 들어, MA는 IEX가 소유한 MA에 의해 정의된 MAG, 영역 Y의 MA 또는 이러한 MAG가 중첩되는 경우 둘 모두에 속할 수 있음). 양태들에서, MA(들)의 특성화/그룹화는 환자 상태에 기초한 MA의 그룹화, 예를 들어 하나 이상의 생리학적 파라미터를 공통으로 공유하는 환자 그룹과 같이 실시간으로 양태들에서 시간이 지남에 따라 변동될 수 있으며, 이러한 파라미터(들)는 시간이 지남에 따라 변경되고 따라서 관련 MA의 그룹화는 시간이 지남에 따라 변경된다. 양태들에서, 하나 이상의 MA는 임의의 단일 시점에서 여러 수집에 속할 수 있다(예를 들어, 사이트 그룹과 환자 그룹 모두에 속함). MAG(들)에서 MA를 식별하기 위해, NDS는 MA, 관련 피험자, 위치, IE 계열, MA 유형 등의 동작을 반영하는 MA-D에 기초하여 각 MA를 관련 MAG(들)로 연관시키기 위한 프로토콜/규칙을 포함하는 CEI를 포함할 수 있다. 예를 들어, MA는 이러한 정보를 MA-D에 추가할 수 있고 NDS는 이러한 정보를 구체적으로 식별하는 CEI를 포함할 수 있다. 양태들에서, 이러한 정보는 반비정형 MA-D에서 속성/값 쌍의 유형으로 식별할 수 있다.
양태들에서, 네트워크의 각 MA는 적어도 부분적으로 원격으로 제어할 수 있다; 즉, 일부 측면에서 대부분의, 일반적으로 모든 또는 각 MA는 장치에 원격인/로컬이 아닌 위치로부터, 예를 들어 네트워크 데이터 시스템(NDS), 기타 네트워크 인터페이스/장치(예를 들어, HCP 장치, IE 관리자 인터페이스 또는 둘 다 또는 기타 ONDI(들))로부터 동작될 수 있는, 1개 이상의 기능, 약 2개 이상, 약 3개 이상, 약 4개 이상, 또는 예를 들어, 약 5개 이상의 기능을 갖는다.
실시예들에서, 네트워크의 일부 MA는 고정식 기기 또는 장치(예를 들어, 일단 설정되면 일반적으로 또는 실질적으로 항상 단일 위치에서 동작하는 MA)로 분류할 수 있다. 양태들에서, 네트워크의 일부, 대부분, 일반적으로 모든, 실질적으로 모든, 또는 모든 MA는 이동식 의료 기기이다. 이동식 MA는 병원, 구급차 치료 등과 같은 헬스케어 환경에서 움직일 수 있도록, 예를 들어 가벼운 이동, 휴대성에 적합하도록(예를 들어, 바퀴가 달린 푸시 장치, 핸드헬드 장치, 로봇 모바일 장치, 차량 기반 장치 등이 됨으로써) 적응되고, 구성되고, 준비 가능한 MA이다. 양태들에서, 이동식 MA(들)는 무선 인터넷 또는 다른 유형의 무선 인터넷 액세스/원격 측정 기능(예를 들어, 셀룰러 네트워크, 블루투스 등을 통해 데이터를 전송하는 기능)을 포함한다. 양태들에서, 네트워크는 고정식 및 이동식 MA의 조합을 포함할 수 있다. 양태들에서, 일부, 대부분, 일반적으로 전부 또는 모든 이동식 MA는 대부분, 일반적으로 항상 또는 Wi-Fi와 같은 무선 보안 인터넷 통신 프로토콜을 통해 MA-D를 NDS로만 중계한다.
네트워크는 임의의 적합한 유형(들)의 MA의 하나 이상의 유형을 포함할 수 있다. 양태들에서, 일부, 대부분, 일반적으로 모든, 실질적으로 모든, 또는 모든 MA는 중환자 케어 MA이다. 양태들에서, MA는 심혈관, 폐, 신경계 또는 위장계 또는 심장 유지, 폐 유지, 간 유지, 신장 유지 등과 같은 장기 유지를 지원한다. 양태들에서, MA는 심장 펌프를 포함한다. 양태들에서, MA는 체외 막 산소화(extracorporeal membrane oxygenation; ECMO) 장치를 포함한다. 양태들에서, 네트워크의 MA는 ECMO 및 심장 펌프 장치 둘 다를 포함한다.
양태들에 따르면, MA는 MA는 2개 이상의 이기종 유형의 MA를 포함한다. 양태들에서, NDS는 (예를 들어, 각 MA-D에 의해 중계된 MA-D를 식별하는 장치 유형을 판독함으로써) MA로부터 데이터를 업로드 시, MA로 데이터를 다운로드 시, 또는 둘 다에서 각 MA가 관련된 장치 유형을 결정한다. 양태들에 따르면, 이기종 MA는 1차 의료 목적(예를 들어, 심혈관 또는 폐 지원)과 같이 공통적으로 1개 이상의 특성을 공유할 수 있다. 양태들에서, 네트워크의 적어도 일부, 대부분 또는 일반적으로 모든 이기종 MA는 다른 장기 또는 생리학적 시스템(예를 들어, 심혈관계, 폐기관계 또는 신경계 지원)의 지원과 같은 고유한 기능을 제공한다. 양태들에서, 이기종 MA는 각각 특정 생리학적 파라미터(들)(예를 들어, 혈압, 심박수 등)와 같은 동일한 측정 요소 중 하나 이상과 관련된 MA-D를 제공할 수 있다. 양태들에 따르면, 이기종 MA는 공유된 생리학적 파라미터(들)에 대한 MA-D를 제공하므로 이러한 장치로부터 발생하는 MA-D는 또한 적어도 부분적으로 공유/공통 포맷(예를 들어, 반비정형 MA-D에서 혈압, 산소 레벨, 심박수 등에 대한 유사한 포맷의 값/속성 쌍 포함)이다. 대안적 측면에 따르면, 이기종 MA는 또한 또는 대안으로 공유 생리학적 파라미터(들)에 대한 MA-D를 다른 포맷으로 제공한다. 이러한 경우, 조합된 NDS-AD를 생성하기 위해 서로 다른 유형의 MA로부터의 MA-데이터를 "통합"하기 위해 공지된 방법을 사용하여 NDS에서 데이터 조화가 수행될 수 있다. 이러한 프로세스는 다른 곳에서 더 자세히 논의된다.
MA는 모든 유형의 의료 절차, 의료 워크플로우 등과 연관될 수 있으며, 예를 들어, 모든 의료 상태에 대한 중재 또는 모니터링 지원을 제공할 수 있다. 양태들에서, MA는 외래 환자 관련 의료 기기의 컴포넌트일 수 있다. 양태들에서, MA는 병원이나 클리닉과 같은 기존 의료 시설 내에서 훈련된 의료 인력에 의해 동작하도록 설계된 장치일 수 있다. 양태들에서, MA 네트워크의 하나의, 일부, 대부분, 일반적으로 모든 또는 모든 MA는 심혈관계(심장), 폐기관계(폐), 뇌 또는 신장(들)의 지원 기능과 같은 중환자 생명 유지와 연관된다. 특정 측면에서, 네트워크의 적어도 대부분의 MA는 중환자 생명 유지 기능(예컨대 예를 들어, 호흡계, 심혈관계 또는 신경계 지원/치료)과 연관된다. 양태들에서, MA는 이식형 의료 기기이다. 측면들에서, MA는 동작중에 피험자(들)의 심혈관계, 폐/호흡계, 뇌 또는 신장(들) 내에 존재하는 의료 기기이다. 보다 구체적인 양태들에서, 하나 이상의 MA(들)는 알려진 Impella® 심장 펌프 장치(Abiomed, Inc.) 중 하나와 유사한 장치와 같이 심장에 이식되는 이식 가능한 의료 기기이다. 다른 양태들에서, MA는 피험자에 내부적으로 배치된 컴포넌트를 포함하거나 내부에 이식된 컴포넌트와 인터페이스하지만 Breethe OXY-1 시스템(Abiomed, Inc.)과 같은 외부 컴포넌트를 포함하는 장치이다. 양태들에서, 네트워크는 심장 펌프와 ECMO(예를 들어, Impella® 및 Breethe™ 장치)를 포함한다.
측면들에서, 네트워크의 대부분, 일반적으로 모든, 실질적으로 모든, 또는 모든 MA는 동작 중에 NDS와 실질적으로 지속적으로 통신한다. 예를 들어, 양태들에서, 네트워크에서 하나 이상의 그룹(들)의 MA는 평균 시간의 약 50% 이상, 약 65% 이상, 약 75% 이상, 약 80% 이상, 약 85% 이상, 약 90% 이상, 92.5% 이상, 약 95% 이상, 약 97% 이상, 약 98% 이상, 또는 심지어 약 99% 이상, 매일, 매주, 매월, 분기별 또는 매년 동안 NDS와 지속적으로 통신한다. 양태들에서, MA는 동작 시, 평균 시간의 약 50% 이상, ~65% 이상, ~75% 이상, 약 85% 이상, 약 90% 이상, 약 95% 이상, 또는 약 97% 이상, ~98% 이상, 또는 심지어 약 99% 이상, 매일, 매주, 매월, 분기별 또는 매년 동안 무선 통신 프로토콜을 통해 RT-SMAD를 NDS로 전송하는 이동식 MA이다.
양태들에서, "지속적인 통신"이란 매 1분 미만(예를 들어, 매 30초 미만, ~15초 이하, ~10초 이하, ~5초 이하, ~2초 이하, ~1초 이하, ~0.5초 이하, ~0.25초 이하 또는 ~0.1초 이하) 동안 분석 가능/실행 가능한 양의 데이터의 업로드, 다운로드 또는 업로드와 다운로드를 둘 다를 의미한다. "실질적으로 지속적인" 통신은 MA가 동작 중인 거의 모든 시간(즉, 동작 중인 시간의 적어도 95%)에 이러한 레벨의 통신을 달성하는 것을 의미한다. 양태들에서, 실질적으로 지속적이거나 지속적인 통신은 스트리밍 통신(다른 곳에서 논의됨)을 포함하거나, 일반적으로 구성하거나, 본질적으로 구성하거나, 구성한다. "분석 가능한/실행 가능한" 데이터 양은 하나 이상의 분석 기능/프로세스, 하나 이상의 동작 기능(예를 들어, MA(들)와 같은 네트워크의 하나 이상의 다른 컴포넌트의 동작 제어 등)을 수행하는 데 충분한 데이터 양을 의미한다.
예시적인 양태들에서, MA는 적어도 2개의 서로 다른 MA 유형을 포함하고, MA 유형은 폐 치료 작업(들)을 수행하는 제1 유형의 의료 장치 및 하나 이상의 심혈관 치료 작업(들)을 수행하는 제2 유형의 의료 장치를 포함하며, NDS의 동작은 기계 학습 생성 NDS-AD를 생성하기 위해 제1 유형의 의료 장치 및 제2 유형 의료 장치 모두로부터 수신된 MA-D에 기계 학습 모듈("MLM")을 적용하는 것을 포함한다. 양태들에서, 기계 학습 NDS-AD는 MA(들)에 의해 수행되는 치료 작업과 관련된 예측된 환자별 생리학적 파라미터를 포함한다. 양태들에서, NDS는 이러한 예측된 환자별 생리학적 파라미터를 자동으로 또는 조건부로 2개의 서로 다른 MA 유형 중 하나 또는 둘 다의 MA(들)로, 다른 네트워크 장치(OND)로 또는 이들의 조합으로 전달하도록 미리 프로그래밍된다.
양태들에서, 사용자는 연구 사용자(들)를 포함하며, 데이터 네트워크에서 하나 이상의 MA(들), OND(들) 또는 둘 다는 하나 이상의 연구 사용자 유형(들)과 연관된다. 이러한 양태들에서, NDS/MAC-DMS는 예를 들어 연구 사용자 관련 MA(들)로부터 입력을 수신할 수 있고, (b) MAC-DMS는 MA(들)와 관련된 연구 사용자 중 적어도 일부의 MA-D를 헬스 케어 제공자와 연관된 의료 장치로부터 획득된 MA-D와 조합하여 혼합 데이터 세트를 형성할 수 있으며, (c) MAC-DMS는 혼합 데이터 세트에 대한 분석/분석 기능을 수행할 수 있다. 양태들에서, 이러한 혼합 데이터 또는 혼합 데이터 기능/애플리케이션(또는 연구 데이터/연구 데이터 애플리케이션 출력(들))은 출력 시 다른 NDS-AD/출력(들)과 별도로 특별히 식별된다. 양태들에서, 이러한 출력은 연구 클래스 사용자(들)(예를 들어, 임상 시험에 참여하는 연구원)와 연관된 사용자 장치에만 제공된다. 양태들에서, 실습 중인 HCP(들)와 같은 다른 사용자(들)는 혼합 데이터에 기초하여, 순전히 연구 데이터에 기초하여 또는 둘 다에 기초하여 출력, 분석 등을 수신하도록 선택할 수 있다. 이러한 식별은 본원의 다른 곳에서 알려지고 설명된 바와 같이, 패킷/데이터 태깅을 통해 수행될 수 있다. 예를 들어, 양태들에서, NDS는 이러한 태그(들)를 추가하기 위한 CEI를 포함하고, MA(들)/OND(s)는 이러한 태그(들)를 식별하기 위한 CEI를 포함한다.
I.
MA 피험자/사용자 상호 작용 컴포넌트
MA는 센서를 통해 피험자로부터 데이터 수집, MA 또는 관련 사용자 인터페이스에 직접 데이터 입력을 통해 사용자로부터 데이터 수집, 피험자에게 치료 적용, HCP에게 치료 방향 제공, 상태 모니터링/진단(검출) 등과 같이, 사용자/피험자와 상호 작용하는 컴포넌트를 기반으로 하는 것을 특징으로 할 수 있다.
1.
센서
양태들에서, 네트워크의 일부, 대부분, 일반적으로 모든 또는 모든 MA는 센서(들)를 포함하거나, 센서(들)와 연관되거나, 둘 다이다. 센서(들)는 일반적으로 환자의 생리학적 상태, 장치 성능/상태, 기타 물리적 상태, 또는 이들의 조합과 관련된 상태(들)를 감지하는 장치(들)/시스템(들)의 장치(들) 또는 컴포넌트(들)이다. 센서(들)는 예를 들어 피험자 관련 생리학적 상태(들)를 검출하고 이러한 생리학적 상태(들)에 관한 정보를 프로세서 판독 가능 데이터(MA-D)로 변환하는 감지 컴포넌트/장치를 포함할 수 있다. 다른 곳에서 논의된 바와 같이, 다양한 센서 기술이 알려져 있고 양태들에 적용 가능하다.
양태들에서, MA 또는 하나 이상의 유형(들)의 MA(들)의 또는 이와 관련된 하나, 일부, 대부분의, 일반적으로 모든 또는 모든 센서(들)는 웨어러블 센서와 같이 신체와 접촉하는 센서이다. 양태들에서, MA의 또는 이와 관련된 하나, 일부, 대부분, 일반적으로 모든 또는 모든 센서(들)는 예를 들어 환자의 장기, 혈관, 폐 또는 기타 내부 조직/시스템에 배치하여 환자의 상태를 감지하는, 내부 센서이다.
MA와 연관된 센서는 MA와 분리되어 있지만 MA, MA가 연관된 환자 또는 둘 다에 대한 정보를 MA 또는 사용자가 검토할 수 있는 기타 장치(들) 또는 네트워크(들)에 중계하는 센서일 수 있다.
센서(들)는 당업계에 공지된 임의의 적합한 센서(들)일 수 있고, 전형적으로 피험자와 관련된 센서(들)의 특성은 MA(들)를 통해 예방, 치료 또는 진단하고자 하는 피험자의 상태의 특성에 따라 달라질 것이다. 센서의 예로는 산소 포화도 모니터, 호흡 모니터, 온도 모니터, 혈중 산소 모니터 및 기타 산소 레벨 모니터, 심박수 모니터, 혈압 모니터, 동맥압 모니터, 뇌 활동 모니터, 반응 모니터(예를 들어, 반응 모니터), 카프노그래피 모니터, 혈류 센서, 혈액/조직/요당 모니터, 바이오센서(예를 들어, 병원체 바이오센서), 기타 소변 모니터, 기타 유체 모니터, 위치 모니터, 이동/모션 모니터/가속도계, 근전도(EMG), 폐활량계 및 기타 기류 모니터, 뇌전도(EEG), 기타 전기 생체 신호 모니터, 가스 교환 모니터, 힘 센서/관성 센서, 수면 모니터, 피부 상태 모니터, 심전도 모니터, 및 당업계에 알려진 임의의 기타 생리학적 또는 헬스 모니터가 포함된다. 양태들에서, 센서(들)은 또한 주변/환경 데이터도 감지할 수 있다. 센서의 예는 예를 들어 https://encyclopedia.pub/2084에서 액세스되는, Wilson CB. 센서 2010. BMJ. 1999;319(7220):1288. doi:10.1136/bmj.319.7220.1288 및 Sergio L. Stevan, "Sensors for Health Monitoring", Scholar Community Encyclopedia에 설명되어 있다. 센서는 일반적으로 센서 판독값을 일반적인 장치 데이터 릴레이 표준 또는 기타 데이터 릴레이 표준을 사용하여 컴퓨터 프로세서에 중계될 수 있는 측정값(들)으로 변환하는 컴퓨터 인터페이스를 포함한다.
양태들에서, MA(들)는 센서(들)(예를 들어, 초음파 및 MRI 기계, PET 및 CT 스캐너, 및 X-레이 기계, 스코프, 생검 장치 또는 상태 모니터링, 상태 진단 또는 이미징 장치(예를 들어, 카메라 포함), 프로브 및 기타 센서 기반 장치와 같은 둘 다와 관련된 기타 장치)을 통해 피험자와 주로, 실질적으로만 또는 단독으로 상호작용하는 진단 MA(들)로 분류할 수 있다.
양태들에서, MA(들)는 치료 컴포넌트(들) 외에 센서(들)를 포함하는 치료 장치이다. 양태들에서, 치료 장치에서, 하나, 일부, 대부분, 일반적으로 모든, 실질적으로 모든 또는 모든 센서(들)는 장치 성능과 관련된 치료 효과의 프로비전/시도된 프로비전과 연관된다. 양태들에서, MA는 MA-D가 동작 중일 때, 환자의 상태를 적어도 1개 검출하는 1개 이상의 센서를 포함할 것이다. 양태들에서, 각 MA는 약 2개 이상, 약 3개 이상, 약 5개 이상, 약 8개 이상, 또는 약 10개 이상의 센서, 예를 들어 약 15개 이상 또는 약 20개 이상의 센서를 포함하며, 약 2개 이상, 약 3개 이상, 약 5개 이상, 약 8개 이상, 약 10개 이상 조건(예를 들어, 생리학적 파라미터), 예를 들어, 약 15개 이상 또는 약 20개 이상의 조건 또는 파라미터, 예를 들어, ~30개 이상, 40개 이상, 또는 50개 이상의 조건/파라미터를 검출할 수 있다.
2.
치료 컴포넌트
양태들에서, MA(들)는 치료 컴포넌트(들)을 포함한다. "치료 컴포넌트"는 (질병(들) 또는 상태(들)을 예방, 완화, 치료 또는 치유하는 동작 시) 피험자에게 치료 효과를 유발, 촉진 또는 유지하는 것과 관련된 MA 컴포넌트(들)이다. 양태들에서, MA(s)는 생명 유지(예를 들어, 임박한 사망 위험 방지), 정상적인 뇌 기능, 기본적인 이동성/물질적 삶의 질 등과 관련된 질병 또는 상태를 치료하거나 예방하는 데 관여하는 중환자 케어 장치이다. 이러한 MA의 예에는 예를 들어, 의료용 인공호흡기, 인큐베이터, 제세동기, 마취기, 심폐기, 흡입 장치, 압력 장치, 세척/플러싱 장치, ECMO 장치, 펌프(예를 들어, 주입 펌프, 심장 펌프 등), 생검 장치, 수술 장치(예를 들어, 척추 수술 장치, 심장 수술 장치 등), 션트 또는 기타 압력 완화 장치, 심실 보조 장치, 심박조율기, 조직/장기 또는 혈관/내강 온도 조절 장치, 풍선 펌프, 기타 혈관/동맥 개방/변조 장치, 카테터, 스텐트, 주사기 펌프, 주입 장치, 봉합사, 밸브, 진통 펌프, 수혈 장치, 장기 기능 보충 또는 대체 장치, 순환 액세스 장치(포트, 라인 등), 기타 순환 장치 등 및 투석기가 포함된다. 양태들에서, 치료 컴포넌트는 수술 또는 기타 신체 조작(예를 들어, 의료용 레이저, 절개 장치, 흡입 장치, 펀치 생검 및 기타 생검 장치, 절제 장치, 클램프, 고주파 초음파, 온도 변조 장치 등)을 통해 피험자의 신체 일부를 수정한다.
양태들에서, 치료 또는 진단 컴포넌트 또는 둘 다 부분적으로 또는 전체적으로 원격 제어, 로봇 또는 로봇 지원, 컴퓨터 시스템 제어 등이다.
3.
동작 제어
양태들에서, MA는 MA 동작의 1개 이상의 양태를 제어하는 동작 제어(들)를 포함한다. 이러한 제어에는 예를 들어 치료 컴포넌트(들)에 대한 제어(예를 들어, 치료 컴포넌트에 따라 펌프 속도, 유속, 압력 등), 진단/모니터링 컴포넌트(들)에 대한 제어 또는 둘 모두가 포함될 수 있다. 동작 제어에는 디스플레이 제어, 알람/경고 제어, 또는 소프트웨어/데이터 제어(예를 들어, 데이터 다운로드/전송 또는 업로드용 포트, 대화형 인터페이스, 데이터 입력 장치, 터치 스크린 등)도 포함될 수 있다. 양태들에서, 대부분, 일반적으로 모든 또는 실질적으로 모든 동작 제어(들)는 MA 컴퓨터 운영 체제/소프트웨어(예를 들어, 엔진(들))의 양태들에 의해 제어된다. 양태들에서, MA의 일부, 대부분 또는 일반적으로 모든 동작 제어(들)는 원격으로 제어 가능한 동작 제어이다. 양태들에서, 동작 제어(들) 중 일부, 대부분 또는 일반적으로 전부는 NDS 출력(들)에 의해 제어된다.
4.
MA 디스플레이/출력 유닛(들)
MA는 디스플레이 유닛(들)과 같은 출력 유닛(들)을 포함할 수 있다. 디스플레이 유닛은 컴퓨터 모니터/스크린 등과 같이 사용자에게 시각적으로 정보를 디스플레이하기 위한 임의의 적절한 장치/컴포넌트일 수 있다. 양태들에서, 디스플레이 유닛은 이를 포함하거나 상호작용할 수 있다(예를 들어, 터치 스크린 장치). MA 디스플레이 유닛은 또한 오디오 포맷으로 정보를 중계하거나 수신할 수 있다. 이런 점에서, 디스플레이라는 용어는 "감각 출력(sensory output)"을 의미하는 것으로 해석될 수 있다. MA 디스플레이 유닛의 일부, 대부분, 일반적으로 전부 또는 전부는 때때로, 대부분, 일반적으로 항상 또는 항상 원격 제어, 특히 NDS 제어의 대상이 될 수 있다.
양태들에서, MA 디스플레이 유닛은 MA와 분리될 수도 있다. 이런 점에서, MA 디스플레이 유닛은 웹/소프트웨어 인터페이스에 의해 보완되거나 대체될 수 있으며, 따라서 인터페이스 및 디스플레이 유닛에 대한 언급은 종종 본원에서 상호 교환될 수 있고, 모순되지 않으며, 이러한 용어의 대체를 포함하는 대응하는 양태의 암시적 개시를 제공하는 것으로 간주된다. MA 디스플레이 유닛은 MA의 물리적 컴포넌트일 수 있다. 디스플레이 유닛은 즉, NDS-AD 및 관련 정보(예를 들어, 치료에 대한 권장 사항, 치료 방향, 절차, 상태 등의 진행 상황을 평가하기 위한 마커로 작용할 수 있는 바이탈 사인 예측 등)를 디스플레이할 수 있다. MA 출력 유닛은 오디오 출력(지시, 알람 또는 둘 다), 모션 출력 등을 포함하는 출력용 컴포넌트를 포함할 수 있다.
양태들에서, MA 디스플레이 유닛(들)은 장치 동작의 일부, 대부분, 일반적으로 모든 또는 모든 상태, 환자 상태, 뿐만 아니라 하나, 일부 또는 여러 유형의 NDS-AD를 사용자(예를 들어, 3개 이상, 4개 이상, 5개 이상, 7개 이상, 10개 이상, 12개 이상, 15개 이상 또는 20개 이상의 NDS-AD 정보 특징/데이터 포인트)에게 전달할 수 있다. 데이터 특징의 예는 이에 제한되는 것은 아니나, 문자 포맷(예를 들어, 알파벳, 숫자, 혼합 영숫자), 코딩 및 코딩되지 않은 데이터, 언어(예를 들어, 영어, 스페인어, 프랑스어, 독일어, 아랍어, 한국어, 중국어, 일본어 등), 슬래시, 대시, 별표, 지수(또는 예를 들어 아래 첨자 및 위 첨자 문자), 단위, 기호, 순서도, 다이어그램, 그래픽 데이터, 표 데이터, 이미지 등와 같은 특수 문자의 포함 또는 제외일 수 있다. NDS-AD는 권장 치료 단계, 예측된 바이탈 사인 또는 기타 센서 측정값(예를 들어, 기계 학습 모듈(MLM)에 기반함), 시스템 상태, 소프트웨어 업데이트 상태, NDS의 다른 사용자에 의한 MA-D 모니터링 상태, 등을 포함할 수 있다. MA 디스플레이 유닛은 그래픽 사용자 인터페이스(GUI)와 같은 조합된 입력/디스플레이 유닛의 일부일 수 있다.
II.
MA 컴퓨터식/컴퓨터 시스템 컴포넌트
MA는 즉, 센서 데이터를 수신하고 센서 데이터 또는 기타 MA-D(예를 들어, 장치 상태/성능 MA-D)를 NDS에 중계할 수 있는 컴퓨터식 컴포넌트를 포함한다.
1.
MA-MEMU/DM(MA 메모리 유닛(들))
MA는 전형적으로 메모리 컴포넌트(들)/유닛(들), 시스템 또는 컴포넌트(이는 "MA-메모리", "장치 메모리"("DM") 또는 MA-MEMU로 지칭될 수 있음)를 포함한다. MA-메모리는 일반적으로 PTCRM에 포함된 CEI 및 기타 데이터(예를 들어, MA-D)를 포함한다. DM은 메모리 크기, 수요 등에 따라 분, 시간, 일, 주, 월 또는 수년 동안과 같이 시간 경과에 따라 센서(들)로부터 수신된 데이터를 포함하여 임의의 적합한 MA-D를 저장할 수 있다. 양태들에서, DM의 데이터 저장은 선택적으로, 자동으로 또는 조건부로 자동으로 선택적으로(예를 들어, 데이터를 NDS로 중계하기 위한 안전하고 안정적인 네트워크 연결의 가용성과 같은 미리 프로그래밍된 조건(들)에 응답하여) 또는 이들의 조합으로 발생한다. 양태들에서, DM은 또한 사용자로부터 MA로 입력된 데이터, EMR/EHR과 관련된 피험자의 데이터, 내부 장치 동작 데이터 등과 같은 다른 입력(들)의 데이터를 저장한다. 양태들에서, DM은 MA 외부에서 생성된 데이터, 예를 들어 NDS-AD 또는 권장 치료 단계(들)와 같이 MA에 전달된 기타 출력을 저장할 수 있도록 적응된다. DM은 또한 일반적으로 MA의 소프트웨어 제어 컴포넌트의 동작을 위한 CEI를 포함하며, 이는 일부, 대부분, 일반적으로 모든 또는 적어도 실질적으로 모든 치료 컴포넌트, 진단 컴포넌트, 디스플레이 기능, 알람/경고 기능 또는 데이터 수신/릴레이 기능/MA의 동작의 양태들을 제어하기 위한 엔진(들)을 포함할 수 있다. MA-메모리/DM은 예를 들어, 하드 드라이브 메모리, 플래시 메모리 등을 포함하는 임의의 적절한 유형의 메모리일 수 있다. DM의 크기는 MA의 데이터 로드(예를 들어, 센서 수, 센서 동작 속도, MA의 소프트웨어/운영 체제의 복잡성, 측정된 데이터 포인트 수 등), 데이터 전송 프로토콜, MA 사용 조건 등에 따라 달라질 것이다. 양태들에서, DM은 예를 들어, 512MB 이상, 1GB 이상, 2GB 이상, 4GB 이상, 8GB 이상, 10GB 이상, 15GB 이상, 20GB 이상, 50GB 이상 또는 100GB 이상의 용량을 포함할 것이다. 양태들에서, DM은 로컬 외장 하드 드라이브/플래시 드라이브 메모리, 로컬 관련 컴퓨터 메모리 등으로 보완된다. 양태들에서, DM은 NDS 메모리와는 별도로 클라우드 메모리를 포함할 수 있다. 일시적이라도 DM에 포함된 센서 데이터 또는 기타 MA-D는 "캐시 데이터"를 특징으로 한다. 캐시 데이터는 다른 곳에서 논의된다.
2.
MA 프로세서
MA는 또한 DM에 저장된 장치 CEI(MA-CEI)를 실행하는 프로세서 유닛(들)/프로세서(들)를 포함한다. MA는 임의의 적합한 수의 프로세서(들)를 포함할 수 있으며, 각각은 임의의 적합한 유형의 프로세서(들)(예를 들어, 함께 작동하는 단일 프로세서 또는 여러 프로세서를 포함하는 프로세서 유닛(들))이다. 양태들에서, MA 프로세서는 대부분, 실질적으로만 또는 MA에만 포함되어 있다. 양태들에서, 적어도 일부 MA 처리 기능은 MA 외부에서 수행된다. 양태들에서, MA(들)는 2개 이상의 물리적으로 분리되고 독립적으로 동작하는 처리 유닛을 포함하며, 그 중 적어도 하나는, 양태들에서, 다중 프로세서 처리 유닛(예를 들어, 멀티 코어 프로세서)을 포함한다.
일반적으로, MA 및 기타 네트워크 장치(들)의 프로세서는 일반적으로 논리 게이트와 같은 1개 이상의 다른 스위칭 요소의 상태의 논리적 조합에 기초하여, 상태(출력) 보고 수단 및 상태 기능의 선택적 변경과 함께, 상태(예를 들어, 이진 코드 기계 언어의 적용에 적합한 이진 상태) 또는 기타 적합한 상태(예를 들어, 양자 컴퓨터, DNA 컴퓨터 또는 기타 대체 컴퓨팅 플랫폼의 경우)를 유지하는, 임의의 적합한 유형과 수의 스위칭 요소(예를 들어, 전자 회로)를 포함할 수 있다. 이러한 기본 스위칭 요소가 조합되어 레지스터, 가산기-감산기, 산술 논리 유닛, 부동 소수점 유닛 등을 포함하여 더 복잡한 논리 회로를 생성할 수 있다. 프로세서 요소/프로세서의 예로는 주문형 반도체(application specific integrated circuit; ASIC), 디지털 신호 프로세서(digital signal processor; DSP), 신경망 프로세서(neural network processor; NNP), 디지털 신호 처리 장치(digital signal processing device; DSPD), 프로그래밍 가능 논리 장치(programmable logic device; PLD), 필드 프로그래밍 가능 게이트 어레이(field programmable gate array; FPGA) 및 CT를 포함한다. MA 및 기타 네트워크 장치는 이러한 유형의 프로세서 시스템/컴포넌트 중 하나, 일부 또는 여러 개를 포함할 수 있다.
MA 프로세서는 임의의 적절한 프로세서 기능이나 특성을 가질 수 있다. MA에 대한 데이터 처리 요구가 상대적으로 제한된 양태들에서(예를 들어, 단순한 데이터 측정값을 수집하고 일반적으로 이미지 데이터를 수집하지 않는 하나 또는 소수의 센서만 있는 장치에서), 저전력 프로세서는 하나의, 일부, 대부분의 또는 모든 MA 프로세서(들)로 사용될 수 있다. 양태들에서, 네트워크의 일부, 대부분, 일반적으로 모든 또는 모든 MA(들)는 이러한 저전력/제한 용량 프로세서를 포함하거나, 대부분 포함하거나, 일반적으로 포함하거나, 단지 포함하며, 이는, 양태들에서, 유리하게는 DOS 더 나은 전력 성능(예를 들어, 배터리 수명 연장 등)과 연관될 수 있다. 예를 들어, 양태들에서, MA는 ~200 이하, 예를 들어 ~150 이하 또는 ~100 이하의 메가헤르츠당 마이크로암페어(μA/MHz) 정격을 가질 수 있는 저전력 프로세서를 포함할 수 있다. 양태들에서, MA 프로세서는 (예를 들어, 35μA/MHz 성능을 특징으로 하는 ARM 프로세서를 포함함으로써) ~70 이하, 예를 들어 ~50 이하 또는 ~40 이하의 μA/MHz 정격을 가질 수 있다. 양태들에서, 이러한 장치의 배터리 수명은 평균적으로, 일반적으로 또는 실질적으로 3년을 초과할 수 있으며, 예컨대 ~4년 이상, ~5년 이상, ~6년 이상, ~7년 이상 또는 ~8년 이상(예를 들어, ~10년)일 수 있다. 양태들에서, 이러한 프로세서의 에너지 수요는 약 2 내지 10볼트, 예를 들어 ~3 내지 9볼트, ~3-6볼트 또는 ~3-5볼트이다. 양태들에서, 저전력 MA 프로세서의 처리 속도도 상대적으로 제한(예를 들어, ~50KHz 내지 ~100MHz, 예를 들어, ~100KHz 내지 ~50MHz, ~250kHz 내지 ~20MHz 또는 ~500KHz 내지 ~10MHz, 예를 들어, ~1.5MHz 내지 ~75MHz, ~2MHz 내지 ~50MHz 또는 ~2.5 내지 100MHz에서 동작)된다. 양태들에서, 일부, 대부분의, 일반적으로 모든 또는 모든 MA의 프로세서(들)는 다른 곳 및 당업계에 설명된 바와 같이, 마이크로컨트롤러, 시스템 온 칩(system on chip; SoC)/임베디드 프로세서, 또는 둘 모두를 포함한다. 양태들에서, 이러한 프로세서는 하나 이상의 측면(예를 들어, 처리 속도)에서 1차 프로세서 유닛(들)보다 적은 처리 능력을 갖는 2차 또는 주변 프로세서로 간주될 수 있다. 예를 들어, 양태들에서, 주요 MA 처리 기능은 MZMA의 1개 구역/부분에만 관련될 수 있는, 마이크로프로세서, SoC, FGPA 등과 같은 2차/주변 프로세서에 의해 수행되지 않는 모든 MA 프로세서 동작을 담당한다. 양태들에서, 대부분의, 일반적으로 모든 또는 실질적으로 모든 MA 프로세서 기능은, 양태들에서, 마이크로프로세서인 단일 프로세서를 통해 수행된다. 양태들에서, MA는 2개 이상, 3개 이상 또는 4개 이상의 개별 프로세서 컴포넌트를 포함하며, 하나의 컴포넌트는 1차/메인 MA 프로세서(이는 다중 프로세서 처리 시스템 또는 단일 프로세서일 수 있음) 역할을 하고, 다른 컴포넌트는 특정 데이터/기능을 위한 특수 프로세서(예를 들어, MZMA의 매우 제한된 컴포넌트/부분/구역에 있는 마이크로프로세서) 역할을 한다. 예를 들어, 양태들에서, MA는 메인 프로세서, 및 예를 들어, FGPA, 마이크로프로세서, 임베디드 프로세서 등이 될 수 있는 2개 또는 3개의 특수 프로세서를 포함한다. 양태들에서, MA는 1개 이상의 고성능 프로세서(100MHz 이상, 일반적으로 250MHz 이상, 종종 500MHz 이상의 속도로 동작하는 프로세서)를 포함한다. 양태들에서, 고성능 MA 프로세서는 예를 들어, NVIDIA/ATI GPU와 같은 그래픽 처리 유닛(들)(GPU)을 포함한다. 양태들에서, MA 프로세서는 필드 프로그램 가능 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP) 또는 주문형 반도체(ASIC)이거나 이를 포함한다. 양태들에서, 고성능 MA 프로세서는 Intel 또는 Xeon 코어 처리 유닛과 같은 멀티 코어(예를 들어, 듀얼 코어, 쿼드 코어 등)/병렬 처리 가능 아키텍처를 포함한다. 양태들에서, MA 프로세서(들)는 마스터 프로세서(들) 및 슬레이브 프로세서(들)을 포함하며, 이들 둘 다, 양태들에서, 공통 버스와 연관될 수 있다. 양태들에서, 병렬 처리 가능 MA 프로세서용 운영 소프트웨어는 OpenMP 또는 다른 다중 플랫폼 공유 메모리 병렬 프로그래밍 API를 포함한다. 양태들에서, 멀티 코어 MA 프로세서의 코어 수는 ~10개 이상, 예를 들어 ~20개 이상, ~50개 이상, ~100개 이상, ~200개 이상, ~500개 이상 또는 ~1,000개 이상이다. 양태들에서, MA 프로세서는 코프로세서(들)(예를 들어, PCIe 카드(들))를 포함할 수 있다. 양태들에서, MA 프로세서는 CPU(들) 및 GPU(들)을 포함할 수 있고, 양태들에서 복수의 CPU 코어(들) 및 GPU 코어(들)를 포함할 수 있다. MA 프로세서의 프로세서(예를 들어, CPU) 캐시 크기는 예를 들어 L1, L2 또는 L3 캐시 크기 또는 더 큰 캐시(예를 들어, L4)일 수 있다. MA 프로세서의 버스 특성은 PCI Express 1.0, 2.0, 3.0 등(예를 들어, AGP, PCI-X, VLB 등)을 포함할 수 있다. 고성능 MA용 예시적인 처리 메모리는 예를 들어 32GB(DDR2-667 FB-DIMM 메모리) 또는 8GB 듀얼 채널 메모리(예를 들어, DDR2 667/800), 메모리 컨트롤러(예를 들어, Intel 5000X 칩셋)이지만, 임의의 다른 적절한 구성도 사용될 수 있다.
MA/네트워크 장치 프로세서(들)에 의해 실행되고 CRM에 저장된 CEI는 어셈블러 명령어, ISA(instruction-set-architecture) 명령어/CEI, 머신 명령어, 머신 종속 명령어, 마이크로코드, 펌웨어 명령어, 상태 설정 데이터, 집적 회로용 구성 데이터, 또는 Smalltalk, C++, 자바, 비주얼 베이직, 파이썬 등과 같은 객체 지향 프로그래밍 언어 및 "C" 프로그래밍 언어, 데이터베이스 중심 프로그램(예를 들어, SQL) 또는 유사한 또는 다른 적절한 프로그래밍 언어들과 같은 절차적 프로그래밍 언어를 포함할 수 있다. MA 또는 다른 네트워크 컴포넌트에 의해 수행되는 기능과 관련된 양태들에서, 컴퓨터 판독 가능 프로그램 명령어/CEI는 전적으로는 적용 가능한 MA/장치에서 독립형 소프트웨어 패키지로 실행하거나, 부분적으로는 MA/네트워크 장치에서 실행하거나, 전적으로는 원격 컴퓨터 또는 서버에서 실행할 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 LAN(local area network) 또는 WAN(wide area network )/광역 패킷 교환망을 포함한 모든 유형의 네트워크를 통해 다른 컴퓨터(예를 들어, NDS)에 연결될 수 있거나, 또는 외부 컴퓨터에 대한 연결이 (예를 들어, 인터넷 서비스 제공자를 사용하는 인터넷을 통해) 이루어질 수 있다. 양태들에서, 예를 들어 프로그램 가능 논리 회로부, 필드 프로그램 가능 게이트 어레이(FPGA) 또는 프로그램 가능 논리 어레이(PLA)를 포함하는 전자 회로부는 방법/NDS의 단계(들)/기능(들)(S(s)/F(s))를 수행하기 위해, CEI의 상태 정보를 이용하여 전자 회로부를 개인화함으로써 CEI를 실행할 수 있다.
MA 프로세서(들)는 일반적으로 센서로부터 중계되는 전기생리학적 신호를 처리한다. 센서 데이터가 복잡하거나(이미지 데이터, 파형 데이터 등) 요구 부하가 높은 경우, MA의 MA 프로세서는 병렬 처리, 분산 처리 또는 둘 다를 활용할 수 있으며 일반적으로 센서 오류, 장치 오류, 외부 이벤트(예를 들어, 정전, 전원 서지 등) 등로부터 보호하기 위한 처리 기능을 포함할 것이다. MA 처리 시스템(예를 들어, 병렬 또는 분산 프로세서) 및 관련 원리의 예(그 일부는 본원의 실시에 적응될 수 있음)는 예를 들어, 제US5464435호, 제US5734106호, 제US6185460호, 제US7013178호, 제US7758567호, 제US10252054호, 제US10499854호, 제US7446295호, 제US20060009921호, 제US20060206882호, 제US20120226331호 및 제US5607458호에 설명되어 있다.
3.
MA 릴레이 컴포넌트(들)/유닛(들)/엔진(들)
동작 시, 네트워크의 MA는 MA로부터 NDS/MAC-DMS로 MA-D를 포함하는 장치 정보를 전송한다. MA의 데이터 릴레이를 담당하는 컴포넌트는 "릴레이 유닛"(일명 RELAYU 또는 장치 데이터 릴레이 유닛(DDRU))을 특징으로 할 수 있다. MA 릴레이 유닛은 소프트웨어, 하드웨어 또는 소프트웨어 및 하드웨어 컴포넌트를 포함할 수 있고 MA의 다른 유닛/컴포넌트의 양태들을 이용/활용하거나 포함할 수 있다. MA 릴레이 유닛(들)은 일반적으로 MA를 NDS에 선택적으로, 자동으로 또는 선택적으로 자동으로 전송한다.
양태들에서, MA-D는 MA 릴레이 유닛으로부터 인터넷을 통해 NDS로 전송된다. 일반적으로, MA 릴레이 유닛은 선택적으로, 자동으로 또는 선택적으로 자동으로 동작(예를 들어, 그렇게 하도록 선택한 경우 데이터를 지속적으로 또는 주기적으로 중계하려고 시도)할 수 있다. 예를 들어, MA가 오프라인(보안/안정적인 네트워크를 사용할 수 없음), 업데이트 중, 테스트 중, 동작 중이 아닌 경우 등과 같이 특정 조건이 충족되면 MA는 데이터를 중계하지 않을 수 있다. MA 릴레이 유닛은 일반적으로 보안 인터넷 데이터 통신을 통해 MA-D 또는 기타 MA 데이터를 중계한다. 양태들에서, MA 릴레이 유닛은 MA 프로세서가 NDS에 대한 안전하고 안정적인 네트워크 연결이 가능하다고 결정할 때마다, MA-D 또는 기타 MA 데이터를 실질적으로 지속적인/스트리밍 방식으로 NDS에 중계한다. 양태들에서, 이러한 연결을 사용할 수 없는 경우, MA 처리 유닛(들)는 DM에서 CEI를 실행하여 MA가 NDS/네트워크와의 안정적이고 안전한 연결이 있는지 평가하도록 한다. DM의 CEI는 또한 데이터가 릴레이되는 방법, 릴레이되는 위치, 릴레이되는 시기 등에 관한 명령어를 포함할 수 있다. 경우에 따라, MA 처리 유닛은 자동으로 반복적으로, 동작 시, 기능 수행/알고리즘(START, (1) IF operational, (a) REPEAT UNTIL not operational, (I) SEND GET request for channel/socket to NDS, (II) OPEN/RECEIVE NDS response, (A) IF NDS response received, (i) CHECK for secure and reliable channel, (*) IF secure and reliable channel present, (#) SEND MA-D, (**) ELSE, (##) STORE Cache MA-D, (***) END IF, (B) ELSE, (i) STORE Cache MA-D, (C) END IF, 및 END)에 따라 동작하는 유닛을 포함한다.
양태들에서, 각 동작 MA는 보안 네트워크 연결이 가능한지 여부를 자동으로 그리고 반복적으로 평가하며, (a) 안전하고 안정적인 네트워크 연결이 가능한 경우, MA-D를 포함하는 데이터를 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 NDS/MAC-DMS로 자동 중계하고; (b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 의료 장치 메모리 유닛에 캐시 MA-D로 저장하고 (II) 안전하고 안정적인 네트워크 연결이 가능해지면 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계한다. 통신 채널의 가용성을 평가하는 기술이 알려져 있다. 전형적인 방법은 (예를 들어, 당업계에 공지된 ICMP 전송 방법을 통해) 서버(여기서는 NDS)의 "핑잉(pinging)"이다. 예를 들어, 예를 들어 Microsoft의 네트워크 연결 상태 표시기(Windows)와 유사한 시스템은 정기적으로 NDS에 대한 연결/핑잉을 시도하여 사용될 수 있다. 양태들에서, XML/HTTP 요청과 같은 시스템은 필요한 NDS 서브시스템이 온라인 상태(예를 들어, 스트리밍 처리 엔진 등)인지 확인하기 위해 서버가 다수의 검사를 수행하여 계산된 상태 코드로 응답하는 형성된 메시지를 사용하여 NDS에 일상적으로 중계될 수 있다. 클라우드 기반 서버 모니터링 시스템도 공개적으로 사용할 수 있으며 클라우드 기반 NDS 서버(예컨대 Anturis 서비스, CloudStats 서비스 등), 예를 들어, Azure, AWS 또는 구글과 같은 주요 상용 클라우드 플랫폼에서 호스팅되는 NDS를 모니터링하는 데 사용할 수 있다.
양태들에서, 일부, 대부분의, 일반적으로 모든, 본질적으로 모든, 실질적으로 모든 또는 모든 MA-릴레이 MA-D는 반정형/반비정형 데이터이다. 양태들에서, MA-릴레이 MA-D 중 일부, 대부분, 일반적으로 전부, 본질적으로 전부, 실질적으로 전부 또는 전부는 이러한 데이터가 NDS/MACMDS에 의해 DOS에서 더 빠르게 처리될 수 있도록 하는 알려진/설정된 포맷을 따른다.
MA 릴레이 유닛은 직접 통신 매체(예를 들어, 동축 케이블 라인, 광섬유 라인, 이더넷 연결 등과 같은 예를 들어, 통신 케이블에 의해 촉진되는 물리적 연결) 또는 와이파이, 블루투스 등과 같은 무선/원격 통신 수단을 통해 포함하거나 상호 작용/사용할 수 있다. 양태들에서, MA 릴레이 유닛은 NIC(네트워크 인터페이스 카드/컨트롤러)와 같은 네트워크 인터페이스를 포함할 것이다. 양태들에서, MA 릴레이 유닛은 또한 또는 대안으로 케이블 모뎀, DSL 모뎀, 라우터, 스위치 등과 같은 모뎀/라우터를 포함하거나 이와 상호작용할 수 있다. 따라서 MA 릴레이 유닛은 Wi-Fi 송신기/수신기 모듈(일명 무선 송신기)과 같은 컴포넌트를 포함할 수 있다.
MA 릴레이 유닛의 컴포넌트로 간주될 수 있는 프로세서 기능은 예를 들어 애플리케이션 프로토콜 계층(예를 들어, FTP 또는 WWW 프로토콜), TCP 계층, IP 계층 및 하드웨어 계층(예를 들어, 이더넷 카드)에서 동작하는 적절한 프로토콜, 예를 들어 TCP/IP를 사용하여 데이터를 전송 준비 포맷으로 변환할 수 있다. 입력 유닛(다른 곳에서 논의됨)은 일반적으로 착신 데이터를 유사한 방식이지만 "반대 방향"으로 변환한다.
적합한 MA 릴레이 유닛/릴레이 유닛 컴포넌트가 알려져 있다. 따라서, 양태들에서, MA는 MA 데이터/MA-D를 중계하기 위한 수단(본원에 설명된 릴레이 유닛 컴포넌트/시스템 또는 당업계의 등가물의 임의의 적절한 모음을 의미함)을 포함하고 방법은 본원에 설명된 MA-D/MA 데이터 릴레이 방법 또는 이의 등가물 중 어느 하나를 사용하는 것을 의미하는 MA 데이터/MA-D를 중계하기 위한 단계를 포함할 수 있다.
전송 준비 데이터는 임의의 적절한 형식으로 전송될 수 있다. 양태들에서, 전송된 데이터는 패키징되어 패킷, 예를 들어, TCP/IP 포맷 패킷으로 전송된다. 양태들에서, 네트워크의 다른 컴포넌트는 때때로, 대부분, 일반적으로, 본질적으로, 실질적으로 또는 패킷 통신을 통해서만 통신한다. 따라서, 양태들에서, 네트워크는 패킷 교환망(PSN)을 특징으로 할 수 있다. 양태들에서, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 MA로부터의 통신은 정상 동작 시 NDS/MAC-DMS로만 전달된다.
데이터 패킷은 일반적으로 예를 들어 데이터 라우팅 정보, 시퀀싱/관계 정보, 소스 정보, 패킷 데이터 오류 검출/수정 관련 정보(체크섬, 패리티 비트 또는 순환 중복 정보), 폐기 잔여시간(time to live/홉 제한 정보, 패킷 길이 정보, 패킷 우선 순위 정보, 페이로드 정보(큐잉/우선 순위 지정 관련) 또는 임의의 CT를 포함하는 헤더 부분을 포함한다. 패킷은 또한 일반적으로 페이로드 부분(센서 데이터와 같은 1차 또는 실질적인 중계 데이터를 포함) 및 트레일러 부분(유사하게 오류 정정 등과 관련된 정보를 포함할 수 있음)을 포함한다. MA-중계 패킷 페이로드 정보는 일반적으로 센서 정보 SMAD 및 MA-D 분류/식별 정보(장치 어드레스, 사용자 클래스, 장치 유형, 위치 정보, 환자/피험자 유형, 장치 상태, 또는 임의의 CT) 및 기타 데이터 분류 정보(예를 들어, 캐시 데이터/SMAD 분류)와 같은 기타 정보를 포함하는 MA-D를 포함할 것이다. 양태들에서, 패킷 헤더, 페이로드 또는 둘 모두는 패킷 방화벽, 필터 및 기타 라우팅/스트리닝/보안 유닛이 적어도 부분적으로 동작할 수 있도록 하는 인증 정보를 포함할 것이다. 예를 들어, 패킷 정보에는 허용된 IP 어드레스, 허용된 패킷 유형, 허용된 포트 번호 및 기타 인증 관련 정보가 포함될 수 있다.
MA 릴레이 유닛은 임의의 적합한 속도로 데이터를 전송할 수 있다. 양태들에서, 네트워크의 일부, 대부분, 일반적으로 모든 또는 모든 MA의 MA 릴레이 유닛은 당업계에 알려진 기가비트 이더넷 또는 인피니밴드(Infiniband) 표준을 사용하여 전송할 수 있다. 양태들에서, 네트워크의 일부, 대부분, 일반적으로 모든, 실질적으로 모든, 또는 모든 MA는 이러한 속도 표준 중 하나로 데이터를 중계한다. 양태들에서, MA 릴레이 유닛은 다른 곳에서 설명된 대로 지속적으로 또는 거의 지속적으로 데이터를 전송한다. 양태들에서, MA 릴레이 유닛은 대부분의 시간, 일반적으로 항상 또는 적어도 실질적으로 항상 스트리밍 기반, 실시간 기반 또는 둘 다에 기반하여 MA 데이터를 전송한다.
양태들에서, MA 릴레이 유닛에 의해 NDS로 전송된 MA-D는 센서 데이터이다. 양태들에서, 동작 시 MA 릴레이 유닛에 의해 릴레이되거나 전송된 MA-D의 일부, 대부분, 일반적으로 전부 또는 전부는 실시간 센서 데이터, 저장된 데이터와 같은 실시간 데이터(RT-MA-D)이며, 이는 또한 로컬로 저장된 센서 데이터 또는 RT-MA-D와 MA-CD 둘 모두와 같은 로컬로 저장된 데이터(MA-CD/캐시 데이터)라고도 한다. 양태들에서, MA-D, 예를 들어 SMAD 및 캐시 데이터는 정형 데이터를 포함한다. 양태들에서, MA-D는 대부분, 일반적으로 또는 실질적으로만 비정형 데이터이다. 양태들에서, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 MA에 의해 중계되는 MA-D는 평균적으로, 대부분의 시간 또는 항상 정형 데이터와 비정형 데이터를 모두 포함한다. 일 양태에서, MA 릴레이 유닛에 의해 전송되는 MA-D는 MA, MA 환경(예를 들어, MA GUI) 또는 둘 다의 이미지 및 비이미지 센서 데이터를 포함한다. 양태들에서, MA 릴레이 유닛은 Wi-Fi 또는 유사한 무선 전송 모드를 통해 MA-D를 중계할 수 있는 무선 송신기를 포함하거나 이와 함께 작동하는 것을 특징으로 할 수 있다.
4.
MA 입력 컴포넌트(들)/유닛(들)/엔진(들)
네트워크의 MA는 NDS로부터, 로컬/직접 입력으로부터, 다른 장치/인터페이스/소스 등으로부터(예를 들어, EMR로부터) 센서를 통해 MA에 입력된 데이터를 수신한다. MA로의 데이터 입력을 처리하는 컴포넌트(들)은 MA 입력 유닛(들)(MA-INPU(들))을 특징으로 할 수 있다. MA 입력 유닛은 예를 들어, 데이터를 수신하기 위한 네트워크 카드(들), 또는 예를 들어 모뎀과 같은 다른 데이터 수신 하드웨어와 같은, 예를 들어 물리적 컴포넌트를 포함할 수 있다. 양태들에서, 이러한 MA 입력 유닛은 키보드, 터치 스크린, 음성 인터페이스, 시선 응시/추적 인터페이스 등과 같은 인터페이스 또는 입력 장치를 통해 사용자를 포함하거나 이와 상호 작용할 수 있다. 양태들에서, MA-INPU는 디지털로 전송된 데이터를 수신하는 디지털 인터페이스일 수 있다. 양태들에서, MA 입력 장치는 입력 장치(예를 들어, 터치 스크린 또는 키보드 입력 장치, 제스처 기반 또는 음성 입력 시스템/장치)를 포함하거나 이와 상호 작용한다. MA 입력 유닛은 유닛(들)/엔진(들), 예를 들어 수신된 패킷을 장치 디스플레이, 장치 제어, 장치 알람/경고, 또는 이들의 조합(CT)용 명령어와 같은, 장치 사용 데이터로 변환하는 것과 연관된 소프트웨어/운영 체제 요소를 포함할 수 있다. 양태들에서, MA 입력 유닛은 다소, 대부분, 일반적으로 또는 전체적으로 출력 유닛으로도 작동하는 컴포넌트로 구성된다(예를 들어, MA는 네트워크/인터페이스 카드(들), 모뎀(들), 포트(들), 버스 등을 포함하며, 이는 MA용 입력/출력 컴포넌트(들) 역할을 함). MA 또는 네트워크의 다른 장치(NDS 포함)의 입력/출력 컴포넌트(들)/시스템(들)은 데이터를 적절한 통신 매체들/매체(예를 들어, 내부 장치 또는 네트워크 통신용)로 인코딩하기 위한 엔진(들)/컴포넌트를 포함할 수 있으며, 이는 통신 채널(예를 들어, Wi-Fi 대 이더넷), 수신 시스템(들)/기능, 적합한 통신 언어/코드 등에 따라 달라질 것이다. 엔진(들)은 일반적으로 예를 들어 동기화 촉진을 위한 시간 통신 및 식별, 데이터 유형, 인증 등의 기타 코드(예를 들어, 패킷 헤더)를 보장하거나 적용할 것이다. 입력 엔진/기능은 일반적으로 (예를 들어, NDS 핑 또는 상태 질의에 대한 응답으로) 승인 메시지(들)를 NDS에 정기적으로, 자동으로 또는 조건부로 자동으로 보내도록 구성된다. 네트워크 장치/시스템의 I/O 시스템은 일반적으로 패킷 교환 통신, 회선 교환 통신 또는 둘 다에 적합하다. 양태들에서, 대부분, 일반적으로 전부 또는 모든 네트워크 통신은 패킷 교환 프로토콜을 통해 수행되며 I/O 컴포넌트/엔진은 통계적 다중화와 같은 패킷 교환 프로토콜을 적용/해석하도록 적응된다. 다른 양태들에서, MA 입력 유닛은 수신된 데이터 패킷을 처리하기 위한 프로토콜(들)과 같은 데이터 수신의 하나 이상의 양태(들)을 처리하는 특수 엔진(들)을 포함할 수 있다.
5.
MA 보안 엔지(들)/유닛(들)
양태들에서, 네트워크의 일부, 대부분의, 일반적으로 모든 또는 모든 MA는 데이터 보안을 유지하기 위한 시스템(MA 보안 유닛)을 더 포함한다. MA 보안 유닛(일명 MA-SECURU)은 MA 입력 유닛으로 간주되거나 이와 연관될 수 있다. MA 보안 유닛은 데이터 보안과 관련된 서로 다른 기능(들)을 수행할 수 있다. 일반적으로, 이러한 기능에는 MA의 소프트웨어/운영 체제 또는 메모리로의 데이터 흐름을 승인된 특정 데이터 입력으로만 제한하는 방화벽 기능이 포함된다. MA 보안 유닛 컴포넌트(들)/엔진(들)은 사용자 인증 기능/엔진(예를 들어, 2-팩터 인증 기능과 같은 MA 또는 CT에 로그인하기 위한 패스워드 또는 생체 인증 보호)을 포함/수행할 수 있다. MA 보안 유닛은 MA 로컬 액세스와 분리되거나 통합된 네트워크 액세스를 위한 인증을 포함할 수 있으며, 이는 임의의 이러한 인증 방법을 포함할 수 있다. 인증 정보는 이벤트(들)(예를 들어, 보안 위반, 인증 상실 등) 발생 시, 시간 경과에 따라 또는 두 가지 모두에 따라 하나 또는 두 레벨에서 부분적으로 또는 전체적으로 업데이트되어야 할 수 있다.
로컬(장치) 레벨, 네트워크 레벨 또는 둘 다에서 적용되는 보안 유닛의 일부일 수 있는 권한 부여/사용자 인증 컴포넌트/기능에는 예를 들어 사전 공유 키/장치 인증/인식, 패스워드/코드 인증, 생체 정보, 지식 기반 인증, 전자 열쇠(key fob)/장치 또는 인증 애플리케이션(예를 들어, 모바일 장치에서 동작됨) 사용, 행동/심리 측정 인증 또는 임의의 CT(예를 들어, 2-팩터 또는 3-팩터 인증 방법)이 포함될 수 있다. 이러한 양태들에 적응할 수 있는 기타 인증 방법, 원칙 등이 예를 들어, 제US5684951호, 제US6421943호, 제US5832209호, 제US6263432호, 제US7904956호, 제US7991902호, 제US5999711호, 제US5613012호, 제US5742756호, 제US6289344호, 제US6594759호, 제US6675153호, 제US6711681호, 제EP1115074호, 제US7434257호, 제US20020032661호, 제US20200286055호, 제US20020184161호, 제US20200329051호, 제US20200267147호, 제US20200311285호, 제US6910041호, 제US7080037호, 제US7685173호, 제US7366913호, 제US7178163호, 제US7664752호, 제US8365254호, 제US8024794호, 제US20080183625호, 및 제US8646027호에 설명된다.
양태들에서, 각 MA는 원격으로 제어될 수 있는 MA의 특징 및 동작 조건을 제한하는 메커니즘을 포함할 수 있다. 양태들에서, 각 MA는 사용자 프로파일에 기초하여 MA의 특징에 대한 사용자 액세스를 제한하는 메커니즘을 포함할 수 있다. 실시예들에서, 각 MA는 하나 이상의 설정된 보안 규칙/프로토콜을 기반으로 데이터 입력(예를 들어, MA-INPU에 의해 수신된 데이터)을 제한할 수 있으며, 하나 이상의 설정된 보안 규칙에 기초하여 데이터 출력(예를 들어, MA 릴레이 유닛에 의해 전송된 데이터)을 더 제한할 수 있다. 양태들에서, MA로 들어오거나 나가는 적어도 일부, 대부분, 일반적으로 모든 또는 모든 데이터는 1개 이상의 데이터 보안 계층의 적용을 받는다. 양태들에서, 각 MA는 독립적인 장치 보안 시스템을 갖는다. 양태들에서, MA 그룹은 공유 장치 보안 시스템을 포함할 수 있다. 추가 양태에서, MA 네트워크는 공유 장치 보안 시스템을 포함할 수 있다.
양태들에서, MA 보안 시스템은 착신 MA-D 데이터 또는 NDS 릴레이 유닛에 의해 전송된 분석에 포함된 정보에 대한 사용자 액세스 레벨을 식별하고, 사용자/고객 액세스 레벨에 기초하여 정보에 교정 또는 제외 규칙 및 데이터 수정을 적용할 수 있다. 이러한 규칙은 필터링 기능, 라우팅 기능, NDS 보안 유닛 또는 이들의 임의의 조합과 같은 NDS 기능 대신 또는 이와 관련하여 작동할 수 있다.
양태들에서, MA 보안 유닛은 보안 기능에 전용되거나 적어도 실질적으로, 적어도 대부분 또는 일반적으로 전용되는 하나 이상의 물리적 컴포넌트를 포함한다. 예를 들어, MA 보안 유닛은 임베디드 프로세서(들)(또는 프로세서(들) 및 메모리를 포함하는 컴퓨터/서브 컴퓨터 - 예를 들어, 당업계에 알려진 시스템 온 칩(system-on-a-chip; "SoC") 장치/컴포넌트, 또는 기타 다기능 집적 회로)를 포함할 수 있으며, 이는 다양한 보안 관련 기능(예를 들어, 실행 챌린지 및 응답 인증 기능, 방화벽 기능 또는 둘 다)을 수행할 수 있다. 이러한 장치는 예를 들어 데이터 암호화 기능을 제공하는 암호화 엔진용 코드를 포함할 수 있다. 전용 프로세서 및 기타 컴포넌트(대부분의, 일반적으로 모든 또는 모든 MA 프로세서 포함)는 물리적 보안, 예를 들어, 금속 실드와 같은 차폐 및 탬퍼링이 검출된 경우(또는 충분한 자격 증명/인증이 있는 사용자에 의해 미리 프로그래밍된 기간 내에 검출되고 완화되지 않은 경우), 탬퍼 전용/완화 기능/컴포넌트, 예를 들어, (예를 들어, 인증 정보, 암호화 키 또는 대부분의, 일반적으로 모든 또는 모든 데이터 - 예를 들어 대부분의, 일반적으로 모든 또는 모든 바이너리/기계 데이터를 0으로 덮어씀으로써) 데이터를 지우는 탬퍼 센서의 대상이 될 수 있다. 이러한 장치의 예에는 8비트 마이크로컨트롤러에서 8비트, 16비트 또는 32비트 임베디드 프로세서가 포함되며, MA는 유사한 장치 또는 보안 기능을 수행할 수 있는 이러한 장치의 조합을 포함할 수 있다. 이러한 장치는 또한 예를 들어 128 내지 512kb의 플래시 코드 스토리지 및 예를 들어 32 내지 256kb의 고속 SRAM을 포함할 수 있다. 양태들에서, MA 보안 유닛은 예를 들어 사용자 또는 NDS 소유자/운영자(SO)가 나중에 참조할 수 있도록 MA에 대한 액세스를 기록할 수 있다.
양태들에서, 임베디드 프로세서 또는 마이크로컨트롤러를 MA에 포함하면 이러한 기능이 1차 MA 처리 유닛에 의해 수행(예를 들어, MA 마이크로프로세서가 대부분, 일반적으로 모든 또는 실질적으로 모든 MA 컴퓨터 동작 및 컴퓨터 제어 동작을 제어)되는 비교 가능한 장치에 비해 전력 소비, 동작 열 또는 둘 다를 검출할 수 있거나 훨씬 더 감소시킬 수 있다. 양태들에서, MA의 하나, 일부, 대부분, 일반적으로 모든 또는 모든 마이크로컨트롤러, 임베디드 프로세서, SoC, 이들의 조합 등은 동작 시 10와트 미만, 예를 들어, ~7와트 이하, ~5와트 이하, 또는 ~3 와트 이하의 전력을 사용한다. 양태들에서, 마이크로프로세서, 임베디드 프로세서 등과 같은 외부 프로세서(1차 MA 프로세서와 관련하여)는 10 와트 미만, ~7와트 이하, ~5와트 이하 또는 3와트 이하의 평균 전력 사용량을 나타낸다.
관련 메모리에 인코딩되고 이러한 프로세서에 의해 실행되는 엔진(들)은 DES, 트리플 DES, SHA-1, AES 및 RSA 암호화 방법/엔진(암호 가속기(들))과 같은 암호화 프로토콜을 포함할 수 있다. 모순되지 않게, 임의의 이러한 장치(SoC, 마이크로프로세서 또는 기타 임베디드 프로세서 또는 집적 회로)에 관한 본원의 임의의 양태의 모순되지 않는 개시는 암시적으로 이러한 기타 컴포넌트 또는 당업계의 기타 동등한 수단(예를 들어, 기능, 구조, 전력 사용량 또는 임의의 CT와 같은 동작 특성)에 대한 지원을 제공한다. 양태들에서, MA는 특수 임베디드 프로세서, SoC 등과 같은 마이크로컨트롤러(들) 또는 유사한 장치를 포함한다. 양태들에서, 하나, 일부, 일반적으로 모든 또는 모든 마이크로컨트롤러, 임베디드 프로세서, SoC 등은 1차 MA 프로세서와 분리되어 있으며 1차 프로세서보다 처리 능력이 낮다. 양태들에서, MA의 일부, 대부분 또는 일반적으로 모든 프로세서는 MA에 있거나 MA와 연관될 수 있는 비디지털 전자 시스템을 제어하는 데 필요한 아날로그 컴포넌트를 통합한다.
양태들에서, MA는 예를 들어, 약 2개 이상, 약 3개 이상, 약 4개 이상, 약 5개 이상 또는 약 10개 이상의 마이크로컨트롤러와 같은 1개 이상의 마이크로컨트롤러를 포함 또는 이용할 수 있으며, 이는 즉 1개 이상의 데이터 보호 기능을 수행할 수 있다. 양태들에서, 이러한 마이크로컨트롤러는 예를 들어, 데이터가 승인된 데이터 유형임을 나타내는 설정된 미리 정의된 식별 임계값을 충족하는 데이터와 같은 인식 가능한 데이터로만 데이터 입력을 제한(예를 들어, 데이터가 설정된 예상 범위 내에 있거나, 예상된 숫자 또는 알파벳 문자이거나, 적절한 유닛을 포함하거나, 설정된 예상 포맷으로 포맷되는 식임)할 수 있다. MA는 또한 (평균적으로 또는 대부분의 또는 일반적으로 모든 운영 기간(예를 들어, 일 또는 년)에 대해) 예를 들어 보안 기능과 별개로 센서(들)의 초기 검출 또는 제어를 위해, 또는 적어도 대부분 보안 기능과 별개의 기능을 수행하는, 전체 MA 처리 기능의 일부로서 SoC, 마이크로프로세서, 임베디드 프로세서 등을 포함할 수 있다. MA의 대부분, 일반적으로 모든 또는 모든 마이크로컨트롤러 등은 마이크로컨트롤러(들)가 제어하는 관련/임베디드 시스템의 이벤트에 대한 실시간 응답을 제공한다. 양태들에서, 일부, 대부분의, 일반적으로 모든 또는 모든 마이크로컨트롤러 또는 유사한 프로세서는 일반적인 또는 현재 명령어 시퀀스의 마이크로컨트롤러 처리를 중단하고 원래 명령어 시퀀스로 돌아가기 전에 인터럽트 소스에 기초하여 필요한 임의의 처리를 수행하는 인터럽트 서비스 루틴(ISR(interrupt service routine) 또는 "인터럽트 핸들러")을 시작하는 인터럽트 시스템을 포함한다. 양태들에서, 마이크로컨트롤러의 성능(마이크로컨트롤러 엔진(들)/기능(들))과 관련된 일부, 대부분의, 일반적으로 모든 또는 모든 기능은 별도의 마이크로컨트롤러 메모리가 아닌 1차 MA 메모리에 인코딩/저장된다. 양태들에서, 마이크로컨트롤러는 마이크로컨트롤러 관련 독립형 메모리와 1차 MA 메모리 둘 모두에서 인코딩된 코드/엔진을 실행할 것이다. 양태들에서, 대부분의, 일반적으로 모든, 또는 모든 MA(s)의 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 마이크로컨트롤러는 아날로그-디지털 변환기(ADC), 디지털-아날로그 변환기(DAC)(예를 들어, 프로세서가 아날로그 신호 또는 전압 레벨을 출력하도록 허용하는 DAC) 또는 CT를 포함할 것이다. 양태들에서, 대부분의, 일반적으로 모든 또는 모든 마이크로컨트롤러는 예를 들어 아이스퀘어시(Inter-Integrated Circuit; I²C), 직렬 주변장치 인터페이스(Serial Peripheral Interface; SPI), 범용 직렬 버스(Universal Serial Bus; USB), 이더넷, RS232, 또는 CT, 또는 당업계의 임의의 유사한 프로토콜/수단을 통해 다른 컴포넌트와 1개 이상의 디지털 포맷으로 통신할 수 있는 기능을 가질 것이다. 양태들에서, 대부분의, 일반적으로 모든 또는 모든 MA의 대부분의, 일반적으로 모든 또는 모든 마이크로컨트롤러는 프로그래밍 가능하며, 양태들에서, 마이크로컨트롤러의 대부분의, 일반적으로 전부 또는 전부는 Python, Java, C 등의 버전과 같은 객체 지향 언어로 프로그래밍 가능하다. 양태들에서, 대부분, 일반적으로 모든 또는 모든 마이크로컨트롤러는 CMOS 구성을 포함한다. 양태들에서, 네트워크에 있는 대부분의 MA 또는 MA의 각 MA의 일부, 대부분, 일반적으로 모든 또는 모든 마이크로컨트롤러는 RISC(축소 명령 세트) 또는 CISC 마이크로컨트롤러이다. 양태들에서, 네트워크의 일부, 대부분 또는 모든 MA의 일부, 대부분의 또는 모든 마이크로컨트롤러는 예를 들어 5개 이하, 3개 이하, 2개 이하 또는 단 1개의 기능(예를 들어, 특정 센서, MA로 또는 MA 내부의 데이터 흐름 제어 등으로부터 센서 데이터의 검출 또는 측정)을 수행하는 특수 목적 컴퓨터이며, 일반적으로 해당 수의 소프트웨어 애플리케이션을 실행한다. 양태들에서, 하나, 일부, 대부분, 일반적으로 모든, 본질적으로 모든 또는 모든 마이크로컨트롤러는 전용 입력(들), 디스플레이 유닛(예를 들어, LED 디스플레이) 또는 둘 다를 포함한다.
MA 보안 장치는 하나 이상의 방화벽 기능을 포함할 수 있다. "방화벽"은 네트워크 트래픽과 같은 데이터 전송/흐름을 모니터링/분석하는 보안 장치, 시스템 또는 컴포넌트로 간주될 수 있다. 다른 데이터 필터 또는 데이터 큐레이터와 마찬가지로, 방화벽은 착신 데이터 흐름(트래픽), 발신 데이터 흐름/트래픽 또는 둘 다 일반적으로 설정된/미리 프로그래밍된 표준/규칙 세트를 기반으로 필터링한다. 장치/시스템의 하드웨어 레벨, 장치/시스템의 소프트웨어 레벨 또는 둘 다에 방화벽을 배치하여 승인되지 않은/악의적인 트래픽으로부터 방화벽을 보호할 수 있다. 설정에 따라, 방화벽은 단일 시스템, 시스템 그룹, 시스템 또는 전체 네트워크를 보호할 수 있다. 본 개시의 방화벽은 소프트웨어 방화벽(예를 들어, 호스트 방화벽)(예를 들어, 1차 마이크로프로세서 또는 MA의 컴퓨터 시스템의 기타 1차 처리 유닛에 의해 수행됨), 하드웨어 방화벽(예를 들어, 기기 방화벽)(예를 들어, 마이크로컨트롤러 또는 임베디드 프로세서 방화벽 또는 별도이지만 연관된 장치 방화벽) 또는 둘 다를 포함할 수 있다.
양태들에서, 보안 유닛의 방화벽 기능은 1개 이상의 패킷 필터링 방화벽을 포함할 것이다. 양태들에서 이러한 방화벽은 액세스 제어 목록(들)에 대해 패킷 데이터를 검사하기 위한 프로토콜, 및 인가되지 않은 중계 패킷을 드롭/차단하거나 인가된 패킷을 전달하기 위한 프로토콜 또는 둘 모두를 포함한다. 양태들에서, 대부분, 일반적으로 모든 또는 실질적으로 모든 MA 방화벽 기능은 상태 비저장(stateless) 패킷 필터 방화벽과 같은 패킷 필터(들)로 구성된다. 양태들에서, 보안 시스템은 상태 비저장 패킷 필터 방화벽(들)(일명 "패킷 방화벽") 외에 또는 대신에 1개 이상의 다른 유형의 방화벽을 포함할 것이다. 당업계에 알려져 있고 보안 유닛에서 사용될 수 있는 다른 곳에서 논의된 다른 유형의 방화벽은 상태 저장 패킷 검사(stateful packet inspection; SPI), 프록시 서버 방화벽(예를 들어, 인터넷을 통해 전송되는 발신/중계 데이터에 적용됨), 회로 레벨 게이트웨이, 또는 임의의 CT/조합을 포함한다. 양태들에서, 보안 유닛은 심층 패킷 검사 방화벽을 포함하며, 이는 일부, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 수신 패킷, TCP 핸드셰이크, URL 필터링 또는 임의의 ACT의 일부, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 페이로드 콘텐트를 분석한다. 양태들에서, 보안 유닛의 방화벽은 순서화된 방식으로, 패킷 분석을 기반으로 또는 둘 다로 표면 및 심층 패킷 검사를 모두 수행한다. 양태들에서, 방화벽 기능(들)은 또한 안티바이러스 스캐닝/보호 기능, 스팸 필터링 기능, 애플리케이션 제어 기능 또는 이들의 조합을 수행한다. 양태들에서, 방화벽 기능은 안전 소켓 층(secure sockets layer; SSL), 전송 계층 보안(transport layer security; TLS) 연결 또는 둘 다를 종료할 수 있다.
양태들에서, MA 보안 유닛은 또한 침입 방지 NDS(IPS)(예를 들어, 데이터 스트림에 위협이 들어가는 것을 방지하기 위해 서명 추적 및 이상 검출을 수행함)을 포함한다. 양태들에서, MA-SECURU와 같은 보안 유닛은 정기적으로 또는 또한 또는 대안으로 기타 보안 유닛(들)/엔진(들)/기능(들)(U/F들)의 트리거를 기반으로 착신 코드를 격리하고, 실행하고, 검사하는 샌드박싱 기능으로 포함한다.
여기에서 논의된 MA 보안 유닛의 모순되지 않는 양태들은 NDS 보안 유닛(아래에 설명됨)에 적용될 수 있으며 그 반대의 경우도 마찬가지이다. 예를 들어, MA 보안 유닛의 방화벽 컴포넌트의 특성은 또한 NDS 보안 유닛의 컴포넌트일 수 있다.
일부 양태들에서, MA 보안 유닛(들)는 MA에서 금지된 탬퍼링 이벤트가 발생하는 경우 NDS에 신호를 보내는 탬퍼링 방지 검출 기능을 포함한다. 양태들에서, 이러한 신호가 NDS에 의해 수신되는 경우, NDS는, 양태들에서, 이러한 MA와 관련된 새로운 통신 규칙을 설정할 수 있고, 또한 양태들에서 적절한 사용자, 예를 들어 MA에 로컬인 사용자에게(예를 들어, 네트워크 액세스 장치(들)(NAD(들))를 통해) 탬퍼링 이벤트의 존재를 경고하거나, 다른 곳에 표시된 대로 다른 조치를 취할 수 있다(예를 들어, 시스템 사용 잠금, 데이터 삭제 등).
III.
다중 구역 MA(MZMA)
양태들에서, 네트워크의 적어도 일부 MA(또는 네트워크의 대부분, 일반적으로 모든 또는 모든 MA)는 별도의 보안 프로토콜 또는 보안 유닛("구역")의 적용을 받고, 서로 다른 MA 기능을 수행하고, 서로 다른 규제 상태의 적용을 받고, 서로 다른 통신 기능을 갖는 식으로 2개 이상의 컴포넌트 또는 컴포넌트/서브 장치 모음을 포함한다. 이러한 MA는 "다중 구역" MA("MZMA")(또는 다중 컴포넌트 MA("MCMA"))을 특징으로 할 수 있다. MZMA의 구역/컴포넌트의 상호 통신 또는 상호 연결은 임의의 적절한 컴포넌트(들), 방법 또는 수단을 통해 달성될 수 있다. 양태들에서, MZMA의 대부분, 일반적으로 모든 또는 모든 구역/컴포넌트의 대부분, 일반적으로 모든 또는 모든 물리적 컴포넌트, 소프트웨어 컴포넌트 또는 둘 다는 MA의 단일 하드웨어 하우징 내에 수용된다. 양태들에서, MZMA의 컴포넌트는 데이터를 중계하는 직접 케이블/와이어 연결을 통해 (예를 들어, 최신 버전의 RS-232, RS-422, RS-485 또는 이더넷 프로토콜/표준을 사용하여) 통신한다. 양태들에서, 구역 또는 구역 컴포넌트 사이의 데이터 중계/통신은 당업계에 알려진 무선 통신 방법(예를 들어, 블루투스 또는 광/레이저 데이터 전송)을 통해 관리된다. 양태들에서, MZMA의 여러 컴포넌트/구역은 컴포넌트(들)/기능(들)(예를 들어, 전원 또는 디스플레이 기능 등)을 공유한다.
양태들에서, MZMA의 2개 이상의 구역은 별도의 전용 구역별 처리 기능 또는 애플리케이션을 포함할 수 있다. 양태들에서, MZMA의 2개 이상의 구역은 서로 다른 처리 기능을 포함하거나, 하나 이상의 서로 다른 프로세서의 제어 하에 있거나, 하나 이상의 서로 다른 프로세서 또는 구 중 일부 또는 모두를 사용할 수 있다. 비제한적 예로서, 일 양태에서, MZMA의 하나 이상의 구역은 하나 이상의 구역별 마이크로프로세서를 포함할 수 있고 하나 이상의 다른 구역은 시스템 온 칩(SoC)을 포함할 수 있다. 일부 양태들에 따르면, 구역은 프로세서(들) 또는 처리 기능(들)을 공유할 수 있다. 양태들에서, 구역은 프로세서(들) 또는 처리 기능(들) 둘 다를 공유하는 동시에 별도의 전용 및 구역별 처리 기능 또는 애플리케이션을 포함할 수 있으며, 예를 들어 하나 이상의 프로세서가 공유될 수 있고 하나 이상의 프로세서가 구역별로 있을 수 있다.
네트워크의 하나, 일부, 대부분, 일반적으로 모든 또는 모든 MA는 더 제한된 구역/부분 및 덜 제한된 구역/부분을 포함할 수 있다. 양태들에서, 더 제한적인 구역/부분은 치료 컴포넌트(들)(예를 들어, 중환자 치료 컴포넌트)와 관련되고, 덜 제한된 구역/부분은 피험자 모니터링, 진단, 환자 안전/상태에 덜 중요한 치료 컴포넌트(들), 또는 이들의 임의의 조합(CT)와 관련된다. 한 예시적인 양태에서, MZMA는 중요한 생명 유지 시스템 치료 기능을 제공하는 매우 제한된 치료 애플리케이션 컴포넌트를 포함하고, 물리적 탬퍼링 방지 보호를 포함하며, 대부분, 실질적으로만 또는 국부적으로만 수정 가능한 MA CEI를 포함한다. 양태들에서, 치료 컴포넌트의 제어와 관련된 패킷/데이터만 NDS에서 고도로 제한된 구역/컴포넌트로 중계될 수 있다. 양태들에서, 치료 컴포넌트의 제어와 관련된 패킷/데이터 또는 MZMA의 고도로 제한된 구역/부분으로 전달되도록 허용된 패킷/데이터는 2개 이상의 방화벽(예를 들어, 덜 제한된 구역/전체 MA 방화벽 및 MZMA의 구역 간 통신을 제어하는 마이크로컨트롤러 보안 유닛)을 통해 전달해야 한다. 양태들에서, 고도로 제한된 부분/구역은 탬퍼링 방지 검출/보호 시스템, 사용자 인증 시스템 또는 둘 다를 포함할 것이다. 양태들에서, 고도로 제한된 구역/컴포너트로부터 중계된 모든 데이터는 먼저 덜 제한된 구역/컴포넌트로 중계되고, 그런 다음 이러한 MA-D를 NDS로 중계한다(예를 들어, 더 적은 구역/컴포넌트가 인터넷과 통신하도록 하는 MA의 유일한 부분인 경우). 실시예들에서, MA의 적어도 일부는 시스템 업데이트 가용성을 수신할 수 있는 처리 유닛을 포함하는 환자 모니터링/진단 컴포넌트를 포함하지만 대부분이거나, 실질적으로만 또는 NDS로 전송된 풀 요청(pull request)(또는 확인된 요청)을 통해서만 수정 가능한 MA CEI도 포함한다. 양태들에서, MZMA의 고도로 제한된 부분은 MZMA가 MZMA의 덜 제한적인 부분/구역(예컨대 고도로 제한적인 부분이 중요한 생명 유지 활동에 참여하는 경우)과 독립적으로 동작할 수 있도록 하는 백업 기능을 포함할 것이다.
양태들에서, MZMA의 대부분, 일반적으로 모든 또는 모든 부분/구역은 동일한 피험자와 연관되며, 예를 들어 제1 구역은 제1 방식으로 피험자를 치료하고 제2 구역은 하나 이상의 유형의 장치 데이터, 센서 데이터 또는 피험자와 연관된 기타 데이터를 검출한다. 양태들에서, MZMA의 하나 이상의 부분은 단일 유닛 하우징에 수용된다. MZMA의 구역은 동일한 생리학적 상태/시스템(예를 들어, 심혈관계)을 지원하는 치료 또는 진단 작업을 수행하는 것을 지원할 수 있다. 양태들에서, MZMA의 구역은 서로 다른 상태/피험자 시스템에 중점을 둔다. 양태들에서, MZMA의 구역은 서로 다른 의료 기기 애플리케이션을 모니터링하거나 적용하는 것과 연관된다. 양태들에서, MZMA의 각 부분은 서로 다른 규제 상태를 갖는다. 예를 들어, MZMA의 고도로 제한된 부분은 US FDA에 의해 2클래스 의료 기기 또는 3클래스/PMA 의료 기기로 규제될 수 있으며 덜 제한된 부분은 1클래스 기기(더 낮은 레벨의 규제)로 규제될 수 있다.
양태들에서, 네트워크는 다수의 MZMA를 포함하고, 네트워크의 각 MZMA는 2개 이상의 개별 구역에 포함된 2개 이상의 개별 컴포넌트를 포함하며, 각 컴포넌트는 (a) 적어도 하나의 다른 컴포넌트의 프로세서에 의해 처리되지 않은 적어도 일부 MA-D를 처리하는 개별 프로세서를 포함하고 (b) (I) 서로 다른 센서로부터 정보를 수신하거나, (II) 서로 다른 치료/예방 또는 진단 의료 작업을 수행하거나, 또는 (III) 서로 다른 센서로부터 정보를 수신하고 서로 다른 치료/예방 또는 진단 의료 작업 수행하며, 각 MZMA의 적어도 하나의 컴포넌트는 MZMA의 적어도 하나의 다른 컴포넌트와는 다른 데이터 네트워크의 하나 이상의 다른 부분과의 서로 다른 레벨의 상호 작용을 받는다. 예를 들어, MZMA의 제1 구역에 있는 컴포넌트(들)은 더 많은 보안과 덜 직접적이거나 데이터 네트워크와의 직접적인 통신이 없을 수 있는 반면, 제2 구역의 컴포넌트(들)는 일반적으로 또는 특정 조건 하에서(예를 들어, 정기적으로 데이터를 중계하지만, 방화벽을 통과할 때만 데이터를 수신하거나 제2 구역 MZMA 컴포넌트(들)로부터 전송된 요청/풀 신호에 대한 응답일 때만 데이터 수신) 직접 통신의 대상이 될 수 있다
경우에 있어서, 네트워크에서 MZMA 중 적어도 하나의 적어도 하나의 컴포넌트는 치료/예방 의료 작업의 적용과 연관되며(모순되지 않은, 본원에서 치료 및 예방 작업에 대한 언급은 암시적으로 서로에 대한 지원을 제공함), MZMA의 이러한 적어도 하나의 컴포넌트는 데이터 네트워크와 직접 통신하지 않는다. 양태들에서, 네트워크에서 MZMA 중 적어도 하나의 적어도 하나의 컴포넌트는 (1) 치료적 의료 작업, 예방 작업 또는 둘 다의 적용과 연관되고, (2) NDS/MAC-DMS와 통신하고, (c) NDS/MAC-DMS로부터 미리 설정된 양의 입력만 허용하며, MZMA의 관련 구역 또는 적어도 하나의 컴포넌트의 운영 체제, 소프트웨어 또는 NDS/MAC-DMS의 승인된 형식에 대한 변경은 MZMA의 승인된 운영자의 현지 승인이 필요로 한다.
독자는 MZMA가 본 발명의 독립적인 양태(즉, NDS를 포함하는 본 발명의 양태와 별개임)임을 인식할 것이다. 이러한 점에서, 본 발명은 예를 들어, 인터넷 또는 기타 네트워크와 같은 관련 데이터 네트워크와의 서로 다른 레벨의 상호작용을 받는 2개 이상의 구역을 포함하는 의료 장치를 제공하며, 이러한 2개 이상의 구역은 네트워크와의 상호작용 측면에서 서로 다른 규칙/제한이 적용되며, 일반적으로 환자 케어의 중요한 컴포넌트와 관련된 구역은 네트워크/인터넷과의 통신이 제한된다(예를 들어, 이러한 구역은 외부 네트워크/인터넷으로부터 직접 정보를 수신할 수 없으며, 일부 경우에 네트워크/인터넷으로 직접 정보를 보낼 수도 있음). 양태들에서, 이러한 MZMA 또는 그 제한된 컴포넌트는 승인된 사용자에 의해 이러한 업데이트에 대한 푸시/요청을 통해 네트워크/인터넷을 통해 수동 업데이트/수정 또는 업데이트만 적용된다. 양태들에서, 이러한 장치의 가장 민감한 컴포넌트는 수동 업데이트만 적용된다. 양태들에서, 이러한 MZMA는 본 개시에서 논의된 다양한 보안 컴포넌트(예를 들어, 탬퍼링 방지 보호)의 대상이 된다. MZMA와 관련하여 본 명세서에 기술된 다른 특징/측면은 또한 MZMA와 독립적으로 동작할 수 있는 MZMA에 통합될 수 있다(예를 들어, 다른 서버, 인터넷, 다른 의료 기기, 다른 컴퓨터, 다른 네트워크 등).
B. 시스템(들)(NDS) 및 네트워크
하나 이상의 MA(들), 일반적으로 MA(들)의 그룹(들) 및 동작 중인 NDS는 네트워크를 형성한다. 다른 곳에서 언급된 바와 같이, 네트워크는 또한 다른 장치/컴포넌트, 예를 들어 CRMS, 기타 ONDI, EMR을 호스트하는 장치/시스템 등을 포함하거나 이들과 인터페이스할 수 있다. MA와 NDS에 의해 형성된 네트워크는 인터넷과 같은 더 넓은 네트워크의 정의된 부분이 될 수 있다.
양태들에서, NDS는 네트워크의 일부, 대부분, 일반적으로 모든 또는 모든 MA의 동작에 대한 하나 이상의 양태를 제어할 수 있다. 이러한 NDS는 MA 제어 및 데이터 관리 시스템("MAC-DMS")을 특징으로 할 수 있다. MAC-DMS는 또한 선택적으로 네트워크의 일부, 대부분, 일반적으로 모든 또는 모든 ONDI의 일부 또는 대부분의 동작 양태를 제어할 수 있다. 일반적으로, 그리고 모순되지 않게, 네트워크/NDS와 관련하여 본원에 설명된 임의의 양태는 MAC-DMS에도 적용될 수 있으며 NDS/네트워크의 각 개시는 또한 참조된 NDS/네트워크가 MAC-DMS인 대응하는 양태를 암시적으로 개시한다.
네트워크의 컴포넌트는 임의의 적절한 방법/수단을 통해 상호 연결될 수 있다. 양태들에서, 네트워크의 대부분, 일반적으로 모든 또는 적어도 실질적으로 모든 컴포넌트는 인터넷 통신을 통해 연결될 것이다. 양태들에서, 네트워크의 특정 부분은 인터넷 통신으로부터 제외될 수 있으며, 예를 들어 네트워크의 의료 장치(MA) 부분은 환자에게 치료법을 직접 적용하는 것과 관련된 치료 컴포넌트와 같이(예를 들어, MZMA의 제한된 구역에서) 인터넷 통신으로부터 제외될 수 있다. 네트워크의 컴포넌트는 연결 지점(예를 들어, 노드(들))을 통해 구별/연결될 수 있다. SO, IE 또는 둘 다에 의해 일정 레벨의 제어를 받는 네트워크의 노드는 엔티티 MA(들)(이는 IE MAG를 특징으로 할 수 있음)와 NDS 사이의 연결 지점, 스크리닝/필터링 지점(예를 들어, 방화벽 및 로컬 MA, NDS 또는 개입 레벨의 기타 보안 유닛) 또는 둘 다의 역할을 하는 엔티티에 대한 노드(들)를 포함할 수 있다. 양태들에서, 네트워크의 일부, 대부분, 일반적으로 모든 또는 모든 컴포넌트 간의 통신은 암호화(예를 들어, VPN 또는 다른 형태의 암호화된 터널을 통해 통신)된다. 양태들에서, 일부 통신은 암호화되지 않지만, 일부 데이터(예를 들어, PHI, 장치 제어 애플리케이션(들) 등)는 암호화되거나 네트워크 장치 사이의 네트워크에서 중계되는 다른 데이터보다 더 높은 레벨의 암호화/보안이 적용된다.
양태들에서, 네트워크는 광역 통신망(wide area network; WAN)으로 분류될 수 있다. 양태들에서, 네트워크는 소프트웨어 정의 WAN(SDWAN) 또는 클라우드 기반 WAN으로 분류되거나 이를 포함할 수 있다. 양태들에서, WAN은 복수의 LAN(예를 들어, 엔티티 LAN, 시설 LAN 또는 사용자 클래스 또는 클래스 내의 사용자 그룹과 연관된 LAN, 예를 들어, 상이한 연구 조직 엔티티와 연관된 연구원 사용자 그룹)을 포함한다.
양태들에서, NDS/MAC-DMS(SO)의 소유자/운영자는 네트워크에 있는 MA의 일부, 대부분, 일반적으로 전부, 실질적으로 전부 또는 전부의 소유자와 다른 엔티티이다. 양태들에서, NDS는 예를 들어 MA 소유자(들)로부터 네트워크 MA(들)로부터/로 데이터를 수신하거나 릴레이하기 위한 액세스 권한 부여를 통해 MA 또는 MA 그룹에 액세스하는 것을 특징으로 할 수 있다. 양태들에서, NDS는 IE(NDS 소유자와 관련하여)에 의해 소유된 MA의 연결과 관련된 전자 계약 기능을 포함할 수 있으며, 이는 MA에 의해 NDS에 액세스하기 위한 계약 조건(지적 재산권, 소프트웨어 또는 데이터의 소유권 및 수정, 기밀 유지, 환자 안전, 법률 준수, 책임, 성능 보증, 재정 조건 등과 관련된 조건을 포함함)을 제시, 협상, 실행, 유지, 업데이트 및 아니면 관리한다. 양태들에서, 이러한 전자 계약 기능은 선택적으로 또는 조건부로 업데이트 가능(예를 들어, 기간이 만료되거나 장치/NDS 조건이 변경될 때 갱신 가능)할 수 있다.
NDS는 MA 및 선택적으로 ONDI(예를 들어, 데이터를 수신하고 전송할 수 있음)와의 착신 및 발신 통신을 처리하기 위한 컴포넌트/시스템/기능을 포함하며, NDS는 또한 다른 곳에 논의된 바와 같이, 데이터 스토리지 및 데이터 처리 기능(들)을 포함할 것이다. 양태들에서, NDS는 한 번에 임의의 2개 이상의 MA 또는 한 번에 임의의 2개 이상의 MA 그룹(MAG)과 통신하는 것과 같이, 개별적으로 또는 그룹으로서 또는 MA 그룹으로서 임의의 하나 이상의 MA와 통신하는 능력을 포함할 수 있다. NDS는 하드웨어, 소프트웨어 등의 임의의 적절한 조합을 포함할 수 있다. 양태들에서, 대부분, 일반적으로 모든, 실질적으로 모든 또는 모든 NDS 컴포넌트는 클라우드 기반 메모리, 클라우드 기반 프로세서 기능 등과 같은 클라우드 기반 리소스이다.
양태들에서, MAC-DMS에 대한 정보의 NDS 릴레이는 즉, NDS-AD(예를 들어, 미리 프로그래밍된 표준/규칙 또는 알고리즘과 NDS-AD의 비교)를 기반으로 MA의 동작을 제어한다. NDS-AD는 제어 데이터를 생성하는 데 사용할 수 있으며, 이는 출력 애플리케이션 또는 명령어를 특징으로 할 수 있을 뿐만 아니라 MA 및 기타 네트워크 장치/인터페이스(ONDI)로 전달될 수도 있는 정보 NDS-AD를 릴레이하는 데 사용될 수 있다. 예를 들어, 정보용 NDS-AD는 예를 들어, 선택적으로 다른 의료 데이터를 참조하여 유사하게 위치된 피험자의 MA-D 분석을 통해 NDS에 의해 생성되는, 피험자에 대한 예측된 생리학적 데이터를 포함할 수 있다.
NDS의 제어 애플리케이션/컨트롤러(들)는 MA 디스플레이, 기타 감각 MA 기능(예를 들어, 알람 재생)을 제어하거나, MA/MA 부분/컴포넌트의 치료 또는 진단 컴포넌트를 제어할 수 있다. 이와 같이, NDS는 MA 제어 및 데이터 관리 시스템("MAC-DMS")을 특징으로 할 수 있다. NDS라는 용어가 본원에서 자주 사용되지만, 일반적인 양태들에서 NDS도 MAC-DMS로 분류될 수 있으며 독자는 본원에서 NDS라는 용어의 사용이 NDS가 MAC-DMS인 해당 양태를 암시적으로 개시한다는 것을 이해할 것이다.
I.
NDS 컴포넌트
NDS(들)의 가능한 컴포넌트와 해당 동작을 더 잘 설명하기 위해, 몇 가지 선택 컴포넌트가 다음 섹션에서 논의된다.
1.
NDS 메모리 시스템/컴포넌트(들)/유닛(들)
NDS는 NDS의 동작을 위해 MA-D, NDS-AD 및 CEI를 유지할 수 있는 하나 이상의 메모리 유닛(들)("메모리" 또는 "NDS-MEMU")를 포함한다. NDS 메모리 유닛은 하나 이상의 구조(1개 이상의 드라이브, 미디어 뱅크 등)에 포함된 임의의 적절한 유형의 PTRCRM을 포함할 수 있다. 양태들에서, 대부분, 일반적으로 모든 또는 모든 NDS 메모리는 데이터 저장소(들)(DR(들))로 구성된다. 양태들에서, NDS는 MA-D, NDS-AD, 선택적으로 기타 입력 소스(예를 들어, 연결된 CRMS(들)) 또는 임의의 이들의 조합으로부터의 입력을 포함하는 하나 이상의 쿼리 가능(쿼리 가능)/검색 가능 DR(들)을 포함한다. 양태들에서, NDS는 기능적으로 구별되거나, 물리적으로 구별되거나, 둘 다인 2개 이상의 유형의 메모리/DR를 포함할 수 있다. 예를 들어, 양태들에서 NDS는 예를 들어 NDS의 대부분의, 일반적으로 모든 또는 모든 DR(들)로부터 분리됨으로써, NDS의 1차 메모리로부터 동작 가능하게 또는 물리적으로 분리된 스트리밍 데이터 프로세서(Streaming Data Processor; SDP)와 관련된 메모리 유닛을 포함할 것이다. DR의 대부분 또는 전부를 구성하는 NDS 메모리 부분은 NDS의 "1차 메모리"로 설명될 수 있다. 아래에 논의된 바와 같이, NDS 1차 메모리와 같은 NDS 메모리 유닛/시스템은 서로 다른 물리적 컴포넌트, 서로 다른 기능 구역/영역 또는 둘 다로 나뉠 수 있다.
양태들에서, 일부, 일반적으로 모든 또는 모든 NDS 메모리 유닛(NDS-MEMU라고도 함)은 클러스터링된 NAS 인프라(예를 들어 NAS 포드(pod)를 포함하며, 각각은 일반적으로 마스터 NAS 장치에 연결된 여러 개의 개별 저장 장치를 포함하여, 상호 연결된 메모리 장치/미디어를 형성함)와 같은 네트워크 결합 스토리지(network-attached storage; NAS) 인프라를 포함한다. 양태들에서, 일부, 대부분의, 일반적으로 모든 또는 모든 NDS 메모리 유닛은 클라우드 컴퓨팅 플랫폼/패러다임(예를 들어, DaaS(Service/Storage) 플랫폼 또는 IaaS(Infrastructure as a Service) 또는 PaaS(Platform as a Service) 플랫폼으로서의 DR/데이터 저장소는 메모리 및 메모리 지원 기능 외에 처리 및 기타 기능을 포함함)을 기반으로 한다. 양태들에서, 클라우드 기반 NDS 메모리는 분산 시스템, 확장 가능한 온디맨드(또는 자동) 시스템 또는 둘 다를 기반으로 한다. 양태들에서, NDS 메모리 저장 데이터의 일부, 대부분의, 일반적으로 전부 또는 전부를 형성하는 분산 파일 시스템은 많은 개별 서버에 걸쳐 데이터를 저장한다. 일부 양태들에서, 대부분, 일반적으로 모든 또는 실질적으로 모든 NDS 메모리가 분산되지 않는다. 양태들에서, NDS 메모리 및 관련 NDS 입력 유닛 기능은 분산 메모리 시스템에서 데이터의 중복 저장을 포함한다.
NDS 메모리 유닛(또는 네트워크의 다른 장치의 메모리 유닛)의 하드웨어 컴포넌트는 임의의 적절한 유형의 메모리 매체를 사용할 수 있다. 양태들에서, 메모리는 동적 RAM 또는 플래시 메모리를 포함할 것이다. 양태들에서, 메모리는 디스크 기반 저장 메모리 또는 디스크 기반 스토리지와 DRAM/플래시 메모리의 하이브리드 구조(예를 들어, DRAM 또는 플래시 "더 뜨거운" 데이터용으로 사용되는 "더 차가운" 데이터용 디스크 스토리지 사용)을 포함한다.
일반적으로, NDS 메모리와 같은 메모리 유닛(들)에는 펌웨어, 커널(들) 및/또는 애플리케이션이 포함될 수 있다. 커널은 메모리 관리, 스케줄링 및 프로세스 관리, 입/출력 및 통신을 위한 모듈, 또는 운영 체제가 관련 컴퓨팅 장치/시스템의 하드웨어 모듈/컴포넌트(예를 들어, 메모리 유닛, 네트워킹 인터페이스, 포트 및 버스)와 통신하도록 하는 장치 드라이버를 포함하는 운영 체제일 수 있다. 애플리케이션은 웹 브라우저 또는 이메일 클라이언트와 같은 하나 이상의 사용자 공간 소프트웨어 프로그램, 뿐만 아니라 이러한 프로그램에서 사용하는 임의의 소프트웨어 라이브러리일 수 있다. 메모리는 이러한 프로그램과 다른 프로그램 및 애플리케이션에서 사용하는 데이터를 저장할 수도 있다.
NDS 또는 기타 네트워크 장치의 데이터 저장/메모리 유닛(들)은 하드 디스크 드라이브, 솔리드 스테이트 드라이브 등의 그룹에 대한 읽기 및 쓰기 액세스를 관리하도록 구성된 드라이브 어레이 컨트롤러를 포함할 수 있는 데이터 저장 어레이를 포함할 수 있거나/데어터 저장 어레이에 있을 수 있다. 드라이브 어레이 컨트롤러는 단독으로 또는 NDS 컴포넌트(들)(서버 장치(들))와 함께 데이터 스토리지/메모리 유닛(DR(들))에 저장된 데이터의 백업 또는 중복 사본을 관리하여 DR/드라이브 장애(들), 데이터 장애 등, 예를 들어, NDS 컴포넌트(들)가 메모리/데이터 스토리지의 부분/유닛에 액세스하는 것을 방지하는 장애로부터 보호하도록 구성될 수도 있다. 다른 곳에서 논의된 바와 같이, DR(들)은 공지된 구조화 조회 언어(structured query language; SQL) 데이터베이스와 같은 임의의 적합한 데이터베이스(들)를 포함하는 임의의 적합한 형태의 데이터 저장소(들)를 포함할 수 있다. 다양한 유형의 데이터 구조는 이에 제한되는 것은 아니나, 테이블, 어레이, 목록, 트리 및 듀플(tuple)을 포함하는, 이러한 데이터베이스에 정보(예를 들어, 분석 데이터)를 저장할 수 있다. 또한, 데이터 스토리지의 데이터베이스 또는 기타 DR(들)은 모놀리식이거나 여러 물리적 장치에 분산될 수 있다.
양태들에서, NDS 메모리 유닛(들)은 인터넷 규모의 파일 시스템(예를 들어, 구글 파일 시스템(Google File System; GFS))을 포함하는 클라우드 기반 메모리를 포함한다. 본원에서 논의된 이러한 특징과 기타 특징이 있는 클라우드 기반 저장 시스템의 예로는 아마존 심플 스토리지 서비스(Amazon Simple Storage Service)(S3), 너바닉스 클라우드 스토리지(Nirvanix Cloud Storage), 오픈스택 스위프트(OpenStack Swift), 및 윈도우즈 애저(Windows Azure) 블랍(Binary Large Object; Blob) 스토리지가 포함된다. NDS-MEMU는 파일 관리 시스템/계층을 포함할 수 있으며, 이는 메모리 유닛(예를 들어, HDFS(Hadoop Distributed File System) 또는 데이터 세트를 매핑 기능(매퍼)에 의해 지시되는 애플리케이션에 의해 소비될 가능성이 더 높은 노드로 분할하고 복제하는 기능이 있는 유사한 시스템)의 다른 데이터 관리 레벨에 대한 아키텍처의 일부 또는 대부분을 정의한다. 이러한 파일 시스템은 일반적으로 구성 가능한 데이터 세트 복제 기능을 포함하여 NDS-MEMU 하드웨어 아키텍처 또는 운영 체제/소프트웨어에서 컴포넌트/장치 장애의 영향을 탐지 가능하거나 크게 최소화한다. 양태들에서, NDS 메모리 유닛(들)의 U/F는 또한 DBMS를 포함할 수 있는 데이터 관리 시스템(data management system; DMS)을 포함할 수 있다. 양태들에서, NDS 메모리 유닛(들)의 U/F는 DoS가 메모리의 컴포넌트 간에 계산 부하를 분산시키는 실행 도구를 포함하며, 메모리에 대한 API 역할을 할 수 있고, 데이터 검사(data inspection), 데이터 감사(data auditing) 또는 NDS 메모리에 대한 데이터 시각화 기능과 같은 다른 U/F를 포함하거나 관련시킬 수 있다. NDS 프로세서(들)는 일반적으로 DR에서 정보를 추출하기 위한 쿼리 시스템도 포함한다.
양태들에서, NDS의 DR에 있는 데이터 일부, 예를 들어, 상당한 양의 데이터 또는 DR에 있는 상당한 양의 데이터는 비관계형 모델(들)(예를 들어, 문서, 그래프, 키 값 및 비표형식(nontabula) 데이터 세트에 대한 효율적인 저장 및 액세스를 제공하는 데 사용되는 기타른 모델)을 사용하여 저장된다. 양태들에서, DR의 일부, 대부분의 또는 일반적으로 모든 데이터는 NoSQL DR, 예를 들어, MongoDB, Hadoop HBase, Apache Cassandra, Couchbase 등에 저장되는 것을 특징으로 할 수 있다. 양태들에서, DR은 NoSQL과 일괄(batch) 처리에 최적화된 Hadoop 기능/구조를 둘 모두를 사용한다. 예를 들어, HDFS 위에 HBase(NoSQL DR 구조)를 사용하여 Hadoop에서 짧은 레이턴시 기능을 제공할 수 있다. 분산된 다중 서버 환경에서 유사한 메모리 및 메모리 관련 기능을 효과적으로 수행할 수 있는 기타 파일 시스템이 사용될 수 있다. 일반적으로, 분산 메모리 시스템은 데이터를 저장하는 마스터 노드 및 실제 청크(actual chunk)를 여러 노드에 저장하는 파일/데이터 시스템 청크 서버를 일반적으로 복제되고 내결함성(failure-resistant)/무정지형(fault tolerant) 방식으로 포함할 것이다. 데이터 관리 시스템(DMS)은 일반적으로 체크섬 기능 또는 이와 관련된 데이터 무결성 및 수정/경고 메커니즘을 검사하는 유사한 기능도 포함할 것이다. DMS에서 사용할 수 있는 기타 도구는 MapReduce 프레임워크 또는 유사한 병렬, 분산 및 클러스터 기반 데이터 관리 알고리즘, 예컨대 Hadoop, Apache Spark 등을 포함할 수 있다. 양태들에서, NDS 입력 유닛은 ~250개 이상의 노드/스트림, ~500개 이상의 노드/스트림, ~1000개 이상의 노드/스트림, ~5000개 이상의 노드/스트림 또는 ~10,000개 이상의 노드/스트림으로부터의 데이터를 동시에 처리할 수 있다. 양태들에서, 이러한 처리는 초기 변환의 성능을 포함하는, ~40초 이하, ~30초 이하, ~10초 이하, ~5초 이하 또는 ~1초 이하(예를 들어, ~0.33초 이하, ~0.1초 이하 또는 ~0.05초 이하)의 수집 레이턴시와 연관된다.
다른 곳에 논의된 바와 같이, 양태들에서 데이터 수집 패러다임은 소스로부터 데이터를 가져오고, 목적지 시스템의 속성 또는 비즈니스 요구 사항에 맞게 조작된 다음, 해당 시스템에 추가하는 추출, 변환 및 로드(extract, transform, and load; ETL) 절차를 사용할 수 있다. 다른 양태들에서, 다른 곳에서 논의된 바와 같이, 변환 또는 데이터 수집 구조 요구 사항은 최소(예를 들어, ~10개 미만, ~9개 미만 또는 ~8개 미만의 변환/구조를 필요로 함)이며, NDS 분석 기능은 DR 저장 데이터에 적용되는 변환을 기반으로 동작하므로, 데이터 수집은 주로, 일반적으로만 또는 실질적으로만 추출, 로드 및 변환(ELT) 방법을 기반으로 한다.
데이터 저장소리("DR")는 데이터가 주로, 실질적으로만 또는 오직 DR에서/로부터 수신(수집), 저장 및 액세스/활용(소비)되는 방식에 기반하여 분류될 수 있다. 알려진 DR의 예로는 데이터베이스, 데이터 웨어하우스 및 데이터 레이크가 포함된다. 일반적으로, 장치 또는 NDS 메모리의 각 DR은 이러한 다른 방식의 특성을 기반으로 장치/NDS의 전체 메모리에 있는 다른 DR과 구별될 수 있다. 예를 들어, 숙련된 사람은 즉, DR의 구조, DR에 저장된 데이터 유형 등에 기초하여 데이터 레이크 DR과 데이터베이스 DR을 구별할 수 있다.
이란적으로, 여기서, 데이터베이스는 ~3개 이상, 5개 이상, 10개 이상, 50개 이상 또는 ~100개 이상의 레코드로 구성된 속성 및 값을 포함하는 약 5개 이상, 일반적으로 7개 이상, 8개 이상, 또는 약 10개 이상(예를 들어, ~12개 이상, 15개 이상 또는 ~20개 이상)의 상호 관련된 데이터 포인트를 포함하는 관계형 데이터세트를 포함하는 DR을 의미하며, 일반적으로 테이블, 저장된 쿼리 등과 같은 상위 레벨 구조를 포함할 것이다. 데이터베이스는 일반적으로 테이블, 열 및 행(테이블의 레코드 및 필드)에 데이터를 저장한다. 데이터베이스는 일반적으로 데이터베이스 관리 시스템(database management system; DBMS)에 의해 제어되며, 관계형 데이터베이스 관리 시스템(relational database management system; RDBM) 및 객체 지향 데이터베이스가 일반적이다. NDS 메모리에 사용되는 대부분의 데이터베이스는 일반적으로 계층적(평평하지 않음)이다. 양태들에서 사용될 수 있는 데이터베이스(DB)의 예로는 Microsoft SQL, Oracle, Microsoft Access 및 Redshift 데이터베이스가 포함된다. 양태들에서, NDS는 다른 곳에서 설명된 바와 같이, 데이터베이스 계층 구조에서, MA-D, 분석 데이터, 출력 등을 포함하는 조립된 데이터세트를 수집하는 1개 이상 및 양태에서는 2개 이상의 관계형 데이터베이스를 포함한다. 따라서, 경우에 따라, NDS는 다수의 쿼리 가능한 DR, 예를 들어 1개 이상의 DL/EDL DR 및 1개 이상의 관계형 데이터베이스(RDB) DR을 포함한다. NDS는 또한 액티브 메모리 컴포넌트(예를 들어, 네트워크 RAM), 초기 분석을 위한 별도의 명령어 등과 같은 다른 메모리 컴포넌트를 포함할 수 있으며, 이는 DR로 수집하기 전 또는 수집하는 동안 착신 데이터에 대해 수행된 데이터에 대한 분석을 수행하는 데 사용될 수 있다(일반적으로 제한된 세트의 단계(들)/기능, 예컨대 50개 이하, 30개 이하, 20개 이하, 12개 이하, 8개 이하 또는 5개 이하의 상대 세트 S(들)/F(들)으로 제한됨).
"데이터 웨어하우스(data warehouse)"는 일반적으로 규모, 저장 시간, 정보 소스(데이터 웨어하우스는 여러 소스에서 가져오고 이러한 데이터를 통합함), 구조 및 기능(예를 들어, 단순히 트랜잭션을 기록하는 것이 아니라 정보 처리 최적화)에 의해 데이터베이스와 구별된다. 데이터 웨어하우스는 여러 소스에서 관련 데이터를 수신하며, 데이터베이스와 마찬가지로 구조(스키마)를 적용하거나, 이러한 데이터를 저장하기 전에 구조(스키마)를 설정해야 하며, 이는 장기간에 걸쳐 이루어질 수 있다. 데이터 웨어하우스의 컴포넌트는 데이터 마트를 특징으로 할 수 있다.
데이터베이스와 데이터 웨어하우스는 DR에 저장하기 전에 데이터를 특정 포맷으로 수집되거나, 특정 포맷으로 변환되거나, 둘 다 수행해야 하는 쓰기/기록 스키마 시스템을 특징으로 할 수 있다. 양태들에서, NDS의 일부 또는 대부분의 DR 콘텐트, NDS의 일부 또는 대부분의 DR, 또는 둘 모두는 쓰기/기록 스키마 시스템이 아니다. 양태들에서, NDS 1차 메모리는 쓰기/기록 스키마 및 쓰기/기록 비스키마 DR의 혼합을 포함한다.
양태들에서, 1차 NDS 메모리 유닛의 일부, 대부분 또는 일반적으로 전부는 데이터 레이크(data lake; "DL"), 향상된 데이터 레이크(enhanced data lake; "EDL")(아래에서 논의됨) 또는 이들의 조합으로 구성된다. 모순되지 않은, DL 또는 EDL에 대한 참조는 해당 유형의 메모리 구조를 포함하는 일 양태(진정한 DL과 구별되는 EDL의 양태가 있지만)에 대한 암시적 지원을 제공한다 양태들에서, DL/EDL은 구조화된 부분(데이터베이스에서와 같은 구조화된 레코드를 유지하도록 적응/구성된 또는 유지하도록 적어도 할당된 데이터 저장 구역)을 포함할 수 있거나, NDS-MEMU는 물리적으로 또는 기능적으로 분리된 구조화된 DR 부분을 포함할 수 있으며, 이는 예를 들어, 데이터베이스(들), 데이터 웨어하우스, 또는 데이터 마트(예를 들어, 그렇지 않으면 DL/EDL 구조를 갖는 메모리의 컴포넌트로서)를 포함할 수 있다. 양태들에서, NDS 메모리의 적어도 일부 또는 대부분, 일반적으로 모든 또는 모든 NDS 메모리는 Amazon Redshift, Google BigQuery, Snowflake 및 Microsoft Azure SQL 데이터 웨어하우스와 같은 클라우드 데이터 웨어하우스로 구성된다.
a.
데이터 레이크
양태들에서, NDS 메모리 유닛(예를 들어, 1차 NDS-MEMU)은 데이터 레이크 DR, EDL DR, 또는 두 시스템의 요소를 포함하는 시스템을 포함하는 DR을 포함하거나, 주로 포함하거나, 필수적으로 구성하거나, 일반적으로 구성한다.
본 개시에서, 데이터 레이크("DL")는 데이터 웨어하우스, 데이터베이스 또는 유사한 쓰기/기록 DR 스키마에서 허용되지 않는 형식의 데이터를 허용하는 메모리 구조이다. DL의 데이터는 일반적으로 읽기 스키마 기반(DL의 데이터에 대한 스키마 적용 시)에서만 레코드에서 약 2-4, 2-5, 2-6 또는 약 2-7 레벨의 데이터 관계(예를 들어, 속성 및 값; 속성-값-데이터 유형; 속성-값-데이터 유형-소스; 또는 속성-값-데이터 유형-소스-시계열)로 구성되거나 구성된다. DL/DLLR은 일반적으로 추출-로드-변환(ELT) 데이터 처리 방법론을 주로, 일반적으로만 또는 단독으로 사용하는 것을 특징으로 할 수 있다. 양태들에서, DL은 데이터를 기본 포맷(즉, 원시 데이터 및 비정형 데이터)으로 저장할 수 있다. 기본/진정한 DL에서, 데이터 사일로(silos)/소팅(sorting)이 존재하지 않는다(구조, 유형 등의 이기종 데이터는 모두 통합 DR에서 유지 관리됨). DL은 일반적으로 데이터 파이프라인과 같은 입력으로부터 데이터를 수신하고, 데이터 구조에 관계없이 즉시 데이터를 저장하며, DL 액세스/애플리케이션 플랫폼(예를 들어, Apache Hadoop, Apache Spark, 관계형 데이터베이스 관리 시스템(RDBMS)/SQL 또는 CT)(예를 들어, Hudi 또는 Parquet 데이터 포맷 적용)에 의해 데이터에 액세스된다.
DL 구조의 데이터는 전용 장치, 클라우드 기반/주문형/분산 메모리 리소스 또는 CT일 수 있는, 저장된 데이터를 보유하는 하나 이상의 전자 데이터 저장 장치 또는 구조에 포함될 수 있다. 진정한 DL에서, 데이터는 데이터가 DL에 의해 수신된 방식(예를 들어, 일부 DL에 적용된 식별자 메타데이터 태그를 제외한)으로부터 적어도 스키마의 적용, 쿼리의 동작 또는 둘 다, 또는 애플리케이션, NDS, 기타 네트워크 장치 또는 네트워크 사용자에 의한 다른 나중의 소비, 사용 또는 해석까지 수정되지 않은 포맷으로 저장되고 유지된다. 양태들에서, DL/EDL은 클라우드 인프라(예를 들어, 사설 클라우드 또는 IaaS(infrastructure-as-a-service)를 제공하는 공공 클라우드)에 상주한다. 양태들에서, NDS-메모리는 데이터 레이크 서버를 포함하거나, 주로, 일반적으로, 또는 전체적으로 구성되며, 각 데이터 레이크 서버는 데이터 레이크 서버 노드로 간주되며, 모든 데이터 레이크 서버 노드는 서로 연결되어 메시 토폴로지 구조를 형성한다. DL 또는 EDL 클라우드 메모리 애플리케이션을 위한 프로그래밍 가능하고, 자동으로 확장 가능한 클라우드 기반 시스템의 일 예로는 메모리 리소스를 병렬 및 분산 방식으로 동적으로 할당 또는 할당 해제할 수 있고, Hadoop 또는 그 일부(예를 들어, YARN), Spark 및 SQL 유사 쿼리 엔진(들)(SCOPE/U-SQL)과 같은 애플리케이션을 제공하는 Microsoft Azure Data Lake Service가 있다. 당업계에 공지된 DL/DLLR 시스템에 적용 가능한 다른 애플리케이션은 Hive, Map Reduce, HBase, Storm, Kafka 및 R-Server를 포함한다. 당업계에서의 다른 대체 DL 관리 시스템에는 IBM® WatsonTM 또는 DeepDiveTM 시스템이 포함된다.
양태들에서, NDS(들)의 DL/EDL에 있는 데이터는 충분한 양의 관련 메타데이터를 포함하거나, 충분한 양의 처리 또는 개선을 거쳤거나, 또는 둘 다를 수행하여 데이터가 특정 장치(예를 들어, 특정 MA), 특정 유형의 MA(예를 들어, 및 ECMO 또는 심장 펌프), 특정 엔티티, 특정 MA 또는 엔티티 그룹, 특정 HCP, 또는 다른 이러한 특별히 식별 가능한 소스 또는 특성에 속하거나 이들에 의해 생성된 것으로 식별 가능할 수 있다. 특정 추가 양태들에서, NDS(들)의 DL/EDL에 있는 데이터는 특정 생리학적 상태, 조건, 환자 또는 기타 이러한 구체적으로 식별 가능한 소스나 특성에 연결될 수 있는 충분한 식별 정보를 포함한다.
양태들에서, DL/EDL은 약 1조개 이상, 2조개 이상, 3조개 이상, 5조개 이상, 10조개 이상, 약 20조개 이상 또는 약 50조 개 이상의 파일(파일 크기는 최대 1페타바이트)을 저장할 수 있다. 양태들에서, DL/EDL은 ~20 이상 페타바이트, 50 이상 페타바이트, 100 이상 페타바이트, 250 이상 페타바이트, 500 이상 페타바이트 또는 ~1000 이상 페타바이트의 용량(예를 들어, 약 1-500페타바이트, 약 2-400페타바이트, 약 3-300페타바이트 또는 5-250페타바이트)을 포함한다. 양태들에서, DL/DLLR의 평균 또는 중간 데이터 레이턴시 또는 대부분의, 일반적으로 모든 또는 실질적으로 모든 데이터 전송에 대한 레이턴시는 ~10분 이하, ~5분 이하, ~3분 이하, ~2분 이하, ~1분 이하, 40초 이하, 30초 이하, 15초 이하, 10초 이하, 5초 이하 또는 ~3초 이하(예를 들어, 약 2-2,000초; 3-1,500초; 3-1,200초; 3-900초; 4-400초; 4-240초; 3-300초; 또는 약 5-300초)이다. 양태들에서, DL/EDL의 평균 작동성 또는 1개월, 1분기 또는 1년 동안 1차, 일반 또는 실질적인 작동 레벨은 ~98% 이상, 99% 이상, 99.5% 이상 또는 ~99.9% 이상이다(예를 들어, 메모리 공급업체 SLA 측정 또는 기타 유사한 측정에 반영됨).
양태들에서, DR과 관련된 수집, 대부분의 애플리케이션 또는 둘 다의 측면에서 레이턴시는 대부분의 경우, 일반적으로 모든 경우, 실질적으로 모든 경우, 또는 평균적으로 초 또는 분 단위(예를 들어, ~200초 이하, 150초 이하, 90초 이하, 60초 이하, 40초 이하, 30초 이하, 20초 이하, 10초 이하, 5초 이하, 또는 ~1초 이하(예를 들어, 약 0.5초 이하, 0.1초 이하, 또는 약 0.01초 이하))로 측정된다.
양태들에서, NDS 메모리는 또한 데이터 웨어하우스 컴포넌트를 포함하며, 여기서 DL 또는 EDL은 초기 저장/스테이징 영역으로 사용된다. 이러한 양태들에서, NDS 메모리로의 데이터 흐름은 네트워크 입력(예를 들어, 주로 MA)/데이터 파이프라인에서 DL 또는 EDL로 이동한 다음, DL/EDL에 저장된 데이터 중 일부(일반적으로 대부분 미만, 예를 들어, 임의의 관련 기간(월, 분기 또는 년)에 수신된 데이터의 약 33% 미만, ~25% 이하, 15% 이하, 10% 이하 또는 ~5% 이하)가 데이터 웨어하우스로 중계된다. 양태들에서, 상용 SNOWFLAKE™ 메모리 관리 애플리케이션과 같은 하이브리드 데이터 웨어하우스/데이터 레이크 플랫폼 또는 관리 도구는 NDS 메모리의 일부를 구성한다. 양태들에서, NDS 메모리는 대규모 병렬 분석 데이터베이스/DR을 포함하며, 이는 양태들에서, 복잡한 SQL 쿼리(대화형 쿼리 기능)에 대한 거의 실시간 결과를 지원할 수 있지만, 일반적으로 이러한 DR에 저장하기 전에 데이터를 필터링하거나 고도로 구조화된 데이터로 변환한다.
양태들에서, DL/EDL은 이벤트 관련 데이터 또는 데이터 추세(예를 들어, 의료 절차 이벤트 데이터, 환자 증상 데이터, 환자 결과 데이터, 상태 진행 데이터, 의료 합병증 데이터, 부작용 데이터, 장치 성능 이벤트, 환자 응답 이벤트 데이터 등)를 저장하는 그래프 데이터베이스와 같은 다른 메모리 구조를 포함한다. 그러나, 다른 양태들에서, NDS 메모리에는 그래프 데이터베이스가 없기 때문에, 다른 메모리 아키텍처를 위해 메모리를 예약하고 데이터 수집의 복잡성을 탐지 가능하거나 현저하게(DoS) 줄인다.
양태들에서, 메모리 유닛은 양태들에서 DoS가 메모리 유닛의 데이터 저장 능력을 향상시키는 데이터 압축 능력을 포함한다. 양태들에서, 데이터 압축 기능은 수집 후 자동으로 또는 주문형으로 적용된다(및 압축 데이터가 액세스/소비될 때 유사한 압축 해제가 사용됨). 양태들에서, 압축은 ~2 대 1 이상, ~3 대 1 이상, ~5 대 1 이상 또는 ~10 대 1 이상의 용량 향상을 제공한다.
본 발명의 NDS의 DL은 전형적으로 쿼리 애플리케이션(예를 들어, 전술한 플랫폼 중 어느 하나의 쿼리/검색 컴포넌트를 사용함)에 종속되며, 결과 데이터는 다른 곳에서 논의한 바와 같이, 프리젠테이션, 추가 분석 또는 둘 모두를 위해 결과 데이터를 구성하기 위해 선택적으로 스키마에 종속된다. DL/EDL 애플리케이션에 적응할 수 있는 데이터 레이크 기술, 애플리케이션 등의 양태는 예를 들어 제US20200380169호, 제US20180373781호, 제US20190370263호, 제US20200210896호, 제US20200193057호, 제US10846307호, 제US10706045호, 제US10572494호, 제US10545960호, 제US10795895호, 제WO2018236341호, 제CN111221526호, 제CN111460236호, 제CN111221887호, 제CN111221785호 및 제IN919CHE2015A호에 설명되어 있다. 다소 향상된 DL(쿼리 애플리케이션을 용이하게 하기 위해 시계열 메타데이터 및 기타 지정되지 않은 향상이 적용될 수 있음)의 애플리케이션과 관련된 추가 양태들은 제US20180082036호에 설명되어 있다.
b.EDL
양태들에서, NDS 메모리 유닛(들)는 향상된 데이터 레이크("EDL") DR(들)을 포함하거나, 대개/주로 구성하거나, 필수적으로 구성하거나, 일반적으로 구성한다. "EDL"은 일반적으로 (1) DR의 EDL에 저장된 데이터를 거버넌스 구역, 구조화된 DR 구역 또는 둘 다로 구성하거나; (2) 일부, 대부분의, 일반적으로 모든 또는 모든 착신 및 저장된 데이터에 최소 구조 요구 사항을 부과하거나; (3) (1)과 (2) 둘 다를 한다는 점에서 "진정한 DL"과 다르다. 양태들에서, EDL DR은 데이터를 EDL로 수집할 때, 수집 프로세스(들)/기능(들)/유닛(들)/엔진(들)은 (a) EDL DR에 저장하기 전에 데이터에 대한 이상의 데이터 개선 프로세스(예를 들어, 데이터 검토 및 수정 프로세스)를 사용하거나; (b) 착신 데이터에 새로운 메타데이터 태그를 부과하거나, 착신 레코드(레코드)에 하나 이상의 구조적 요구 사항을 부과하거나, 둘 다를 수행하여, 예를 들어 EDL에 저장된 레코드가 예를 들어 ~7-8개 이상의 데이터 속성을 포함하거나; (c) 데이터를 특성화하고 레코드/데이터를 서로 다른 정책에 따라 복수의 데이터 거버넌스 구역 중 하나로 EDL로 타겟팅/찾거나; 또는 (d) 이들의 임의의 조합을 수행한다는 점에서 진정한/전형적인 DL과 구별된다. EDL 데이터에 대한 향상된 데이터 구조의 이러한 부과에도 불구하고, EDL은 또한 (a) 비정형/반비정형 이기종 데이터를 수신하는 능력; (b) 단일 통합 모음에 다양한 유형의 데이터 저장; (c) 기본적으로, 일반적으로 또는 오직 읽기 스키마 데이터 구성; 또는 (d) 이들의 임의의 조합을 포함할 수 있다.
"수집(Ingestion)"은 DR과 같은 메모리 시스템/장치에 데이터/레코드를 수신하고 저장하는 프로세스(들) 및 그와 관련된 프로세스(들)로서 당업계에서 이해된다. EDL 수집 프로세스에서 데이터/레코드에 부여될 수 있는 속성에는 예를 들어, 데이터 유형(예를 들어, 비디오, 텍스트 등), 특징 및 관련 속성 데이터(예를 들어, MA 유형 특징/속성 데이터), 시계열 데이터 또는 쿼리 응답 태그/요소가 포함될 수 있다. 양태들에서, EDL 수집 프로세스에서는 대부분의, 일반적으로 모든 또는 모든 MA-D가 (1) MA-D 소스 데이터, (2) 이벤트 관련(로그) 데이터, (3) 캐시 대 RT MA 데이터 특성, (4) 알람 데이터, (5) MA 작동 상태 데이터, (6) MA-D 유형 데이터, (7) 프라이버시/RR 요구 사항 지표, 및 (8) MA 엔티티 소유자 데이터 중 하나, 일부, 대부분 또는 전부와 연관되는 것을 필요로 한다. EDL 수집 프로세스 중에 데이터에 이러한 요구 사항을 부과하면 EDL을 실제 DL과 구별하고 SMAD의 수집, 쿼리 프로세스에 대한 요구 또는 둘 모두를 심각하게 또는 감지할 수 없을 정도로 손상/지연시키기 위해 수집 프로세스에 관여된 NDS 프로세서(들)/시스템(들)에 많은 요구 사항을 부과하지 않고도 EDL DR을 포함하는 NDS의 성능을 크게 향상시킬 수 있다.
양태들에서, EDL의 데이터는 서로 다른 데이터 관리 프로토콜/규칙(정책)에 의해 관리되며, (예를 들어, 수집 시 적용되는 정기적으로 실행되는 일반 스키마 애플리케이션을 기반으로 하거나 원시 데이터에 적용되는 쿼리, NDS 분석 기능 등과 같은 주문형 애플리케이션의 동작을 기반으로 하는) 수집 시, 초기 수집 후 또는 이들의 조합(CT)에 적용된 서로 다른 식별된 특성을 갖는 데이터를 포함하는, EDL의 두 개 이상의 개별 구역에 저장된다. 양태들에서, 일부, 대부분, 일반적으로 모든 또는 모든 EDL 데이터 거버넌스 구역 정의의 한 요소는 PHI의 존재이다. 양태들에서, 데이터 구역 거버넌스 구역 정의의 한 요소는 데이터가 큐레이션, 스코어링 또는 이들의 조합에 적용되는지 여부이다. 정책에 따라 데이터에 태그를 지정하거나 특정 표준(예를 들어, if/then 논리 또는 관련 논리 구조 사용)을 준수하는 데이터에 정책을 적용할 수 있다.
양태들에서, NDS에서 출력으로서 중계되는 EDL 데이터(예를 들어, NDS-AD)는 PHI를 포함하는 데이터 레코드에 대한 태그/식별자 적용(예를 들어, 상업적/상업적 사용자 클래스 관련 장치(들)/인터페이스(들)에 복구되지 않거나 수정되지 않은 형태로 이러한 데이터에 대한 액세스 또는 전송을 차단하기 위해 다른 컴포넌트와 작업하는 태그)을 포함하여 서로 다른 정책에 따라 다른 거버넌스 구역에 저장된다. 양태들에서, EDL의 일부는 데이터베이스 또는 데이터 웨어하우스로서, 예를 들어, EDL의 데이터 마트 컴포넌트로서 구성된 NDS-MEMU의 요소로 구성되거나 이와 연관되며, 이는 재료 양, 대부분, 일반적으로 모든 또는 실질적으로 모든 구조화된 데이터가 NDS-AD 또는 그 서브셋 또는 이와 관련된 데이터(예를 들어, 쿼리에 대한 응답으로 또는 아니면 EDL 또는 DR의 다른 부분에 있는 비정형/반정형 데이터에 적용된 스키마 애플리케이션에 대한 응답)이다.
양태들에서, NDS는 데이터 그룹화 및 분리 기능을 위한 엔진(들)/컴포넌트(들)/시스템(들)을 포함할 수 있다. 양태들에서, NDS는 특정 데이터 서브셋에 속하는 것으로 식별 가능한 것을 특징으로 할 수 있는 복수의 데이터 세트 또는 데이터를 포함할 수 있다. 예를 들어, 양태들에서, NDS는 (a) 특정 국가의 MA에 대한 데이터, (b) 국가별 데이터 거버넌스 규칙, 및 (c) 하나 이상의 다른 NDS와 공유되는 시스템 블루프린트 데이터를 포함할 수 있다. 실시예들에 따르면, NDS-MEMU는 (a) SMAD, 캐시 데이터 또는 둘 다; (b) 선별된 데이터, 스코어링된 데이터 또는 둘 다; (c) 시스템 테스트 데이터; 및 (d) 발신 데이터의 저장, 사용 및 액세스를 관리하는 별도의 거버넌스 구역을 포함한다. 이러한 기능(들)은 예를 들어 레코드/데이터에 메타태그(들)를 적용하거나, 특정 특성과 일치하는 레코드(들)/데이터의 식별(예를 들어, if/then 구조 분석 등), 또는 이들의 조합에 의해 수행될 수 있다.
양태들에서, EDL은 특정 세트 유형의 속성 및 값/기능 유사 관계를 포함하는 데이터만 허용하거나 특정 데이터 거버넌스 구역에서 특정 세트 유형의 속성 및 값/기능 유사 관계를 포함하는 데이터만 저장한다. 양태들에서, NDS는 NDS가 EDL에 대한 특정 속성 및 특징과 같은 관계를 갖는 데이터를 수신 및 저장하는지 모니터링하고 이러한 데이터가 수신되지 않는다는 사실을 관리자에게 알린다. 양태들에서, EDL은 특정 데이터 구조를 포함하는 데이터만 허용하거나(예를 들어, 다른 곳에서 논의된, JSON 데이터 또는 기타 반정형 데이터 포맷과 같은 반정형 데이터세트만 허용) 특정 구역에서 이러한 구조를 갖는 데이터만 저장한다. 양태들에서, EDL은 여러 데이터 구조 유형(들)을 허용하지만 EDL의 데이터를 예를 들어 데이터 구조를 기반으로 EDL의 여러 거버넌스/콘텐트 구역으로 분리한다.
양태들에서, 데이터 구조 요구 사항 또는 변환 프로세스는 특정 유형의 데이터 스트림에만 적용되며, 다른 데이터 스트림/입력(들)은 규제가 덜한 문제(기존 DL과 비슷하거나 더 유사)에서 처리된다. 예를 들어, 양태들에서, 구조 요구 사항, 변환 또는 둘 다는 하나의, 일부, 대부분의, 일반적으로 모든 또는 모든 MA-D 데이터/스트림의 일부, 대부분, 일반적으로 모두 또는 모두에 배치되지만, 다른 형식의 입력은 이러한 구조 요구 사항 또는 변환에 종속되지 않는다. 예를 들어, 양태들에서, NDS는 이메일, 기타 메시지, 노트 애플리케이션, 웹 페이지 데이터 등을 통해 또는 외부 데이터 저장소/애플리케이션(예를 들어, CMSS(들))을 통해 입력을 수신할 수 있으며, 이러한 데이터에는 NDS 소유자의 현재 또는 이전 통제 하에 있지 않은 변경의 대상이 되는 구조를 갖는 비정형 데이터 또는 반정형/정형 데이터를 포함할 수 있다. 비디오 데이터, 이미지 데이터, 오디오 데이터 또는 이러한 데이터의 조합은 DL/EDL에 의해 원시 포맷으로, 특정 표준 준수를 요구하는 포맷으로 또는 둘 다로 수신될 수도 있다.
데이터를 EDL로 수집하는 것은, 예를 들어, 데이터 스트림(들)(예를 들어, 폭주하는 데이터 스트림들을 포함함)을 수신하는 것 및 저장 전에(수집/사전-수집 동안) 이러한 착신 데이터에 변환(들)을 적용하거나 구조 요구사항(들)을 부과하는 것, 그리고 일반적으로 이러한 저장된 EDL 데이터의 일부, 대부분, 일반적으로 모든 또는 모든 애플리케이션/소비 전에(수집 후) 저장된 EDL 데이터에 추가 구조/스키마를 부과하는 것을 포함할 수 있다. 다른 곳에서 논의된 바와 같이, 데이터 변환에는 예를 들어 초기 데이터 조화, 데이터 정리, 데이터 검증 등을 위해 데이터 개선 유닛(data improvement unit; DIU)의 적용이 포함될 수 있다. 데이터 변환 단계(들)/기능(들)은 또한 메타데이터의 적용; 예를 들어, 데이터 콘텐트/메타태그 기반 거버넌스 구역으로의 큐레이션; 또는 CT를 포함할 수 있다. 데이터 변환은 암호화 적용(예를 들어, 이동 중인 데이터에 SSL 적용 또는 EDL의 "휴지중인" 데이터에 HSM 지원 키 적용)을 포함할 수 있다.
EDL 데이터에 액세스하려면 인증(예를 들어, 다중 요소 인증)이 필요할 수 있으며, EDL 관리 기능에는 역할 기반 액세스 제어(예를 들어, POSIX 기반 액세스 제어를 통해)가 포함될 수 있다. EDL 관리 기능(들)은 EDL 데이터에 대한(또는 NDS의 다른 양태 또는 일반적으로 NDS에 대한) 액세스 또는 구성 변경을 감사하는 것을 더 포함할 수 있다.
개인 식별 가능 정보(personally identifiable information; PII), PHI 또는 둘 다를 포함하는 데이터는 데이터 수집 프로세스에서 식별될 수 있으며, DIU는 예를 들어 포맷 보존 암호화(format preserving encryption; FPE)를 사용한 토큰화를 사용하여 이러한 데이터 또는 기타 기밀 정보를 암호화할 수 있다. 양태들에서, 착신 데이터에 적용되는 일부, 대부분, 일반적으로 모든 또는 모든 메타데이터는 미리 프로그래밍된 규칙에 기초하여 EDL에 입력되는 데이터로부터 자동으로 생성된다.
일반적으로 DL과 마찬가지로, EDL은 일반적으로 데이터에서 식별된 각 레코드에 대한 ~7개 이상, 10개 이상, 12개 이상, 15개 이상 또는 ~20개 이상의 관련 데이터 요소를 포함하는, 스키마를 통해 데이터에 추가 구조를 적용하는 쿼리 및 스키마 적용(예를 들어, 분석 유닛 기능에 의해 적용됨)의 대상이 될 수 있으며, 여기서 쿼리-식별된 레코드는 예를 들어 100대; 1000대; 10000대; 100000대; 또는 예를 들어, 1000000대의 숫자를 나타낼 수 있다. EDL 관리 기능에는 메시징 기능, 로깅 기능, 보고 기능, 내보내기 기능, 크롤러 기능, 기계 학습 모듈 또는 모든 CT가 더 포함될 수 있다. 양태들에서, EDL 기능은 특정 속성/필드 관계 또는 기타 데이터 엔트리/유형을 기반으로 기능도 쿼리하기 위한 하나 이상의 자연어 쿼리 기능을 포함한다. 데이터 개선 유닛(DIU)은 데이터 스트림 또는 저장된 데이터를 정규화, 강화 또는 태그 지정하는 착신 또는 저장된 데이터에 대한 프로세스를 적용할 수 있다. 양태들에서, 착신 데이터/스트림에 적용되는 DIU 프로세스는 레이턴시에 감지할 수 있거나 크게("DoS") 영향을 미치지 않는다.
양태들에서, NDS/MAC-DMS 처리 유닛은 MA-D를 변환하거나, MA-D에 요구 사항을 부과하거나, 둘 다를 하여 향상된 데이터 레이크에 저장된 실질적으로 모든 MA-D 데이터세트가 의료 장치 소스 식별 정보, MA-D 유형 정보, 및 하나 이상의 생리학적 파라미터 데이터세트를 포함하도록 하며, 그 각각은 미리 프로그래밍된 MAC-DMS 인식 가능한 표준 포맷으로 선택적으로 표시되며, 향상된 데이터 레이크는 상기에 설명된 바와 같은 내부에 저장된 MA-D 데이터세트의 소스 또는 콘텐트, 분석 데이터, 또는 둘 다를 기반으로 하는 서로 다른 데이터 거버넌스 구역을 포함한다.
2.
NDS 프로세서(들)
NDS는 NDS 메모리에 저장된 NDS CEI를 실행(읽기)할 수 있는 장치(들)/시스템(들)인, 프로세서 유닛(들)/시스템(들)/컴포넌트(들)(NDS-PROCU 또는 NDS 프로세서라고도 함)를 포함한다. NDS 메모리와 마찬가지로, NDS는 물리적으로 또는 기능적으로 서로 분리될 수 있는 다수의 프로세서 유닛을 포함할 수 있다. 이러한 분리된 처리 장치(들)/시스템(들)은 개별/상호 작동 프로세서를 형성할 수 있거나, NDS는 시간의 적어도 일부, 대부분 또는 전부를 서로 별도로 작동하는 다수의 처리 유닛(들)를 포함할 수 있다. 예를 들어, 양태들에서, NDS는 (1) 예를 들어 착신 데이터에 대한 초기 분석 작업을 수행하는 스트리밍 데이터 프로세서(SDP) 유닛/엔진/시스템(일명 SDP 또는 SDE) 및 수집 후 NDS DR 데이터를 처리(예를 들어, NDS DR 쿼리 수행, NDS-AD 생성 및 NDS 출력 관리 등)하는 별도의 제2(1차) NDS 프로세서(들)과 연관된 제1 프로세서(들)를 포함한다.
SDP가 종종 "프로세서"로 설명되지만, 본원 및 당업계에서, SDP는, 양태들에서, 임의의 별도의 물리적 프로세서 장치(들)/컴포넌트(들)가 부족할 수 있다(예를 들어, SDP는 메인/전체 시스템 처리 유닛과 같은 별도의 프로세서(들)와 함께 작동하는 엔진(들)을 포함할 수 있음). 따라서, SDP는 대안적으로 엔진(스트리밍 데이터 엔진(streaming data engine; "SDE")) 또는 스트리밍 데이터 유닛(Streaming Data Unit; "SDU")으로 설명될 수 있다. 양태들에서, SDP에는 NDS의 다른 처리 유닛(들)과 별도의 물리적 프로세서 컴포넌트(들)을 포함한다. 이러한 각각의 다른 양태는 SDP의 임의의 개시에 의해 암시적으로 제공된다.
NDS 프로세서는 본원에 설명된 특성/양태에 따라 NDS 또는 적용 가능한 NDS 컴포넌트의 기능을 수행하기 위한 임의의 적절한 특징/컴포넌트(들)를 가질 수 있다. 일반적으로 서로 다른 MA 그룹(및 서로 다른 유형의 MA, 서로 다른 환자 유형, 서로 다른 치료 프로토콜 등의 경우)에 있는 여러 MA로부터 많은 양의 데이터를 수신하여, 이러한 데이터를 분석하고 이러한 데이터를 HCP 및 기타 MA 사용자 및 기타 시스템 컴포넌트에 제공하는 NDS의 역할을 고려하면, NDS 프로세서는 (a) 임의의 단일 랩톱/데스크톱 범용 컴퓨터의 일반적인 처리 기능을 훨씬 능가하는 상당한 물리적 처리 기능을 포함할 수 있거나; (b) 데이터의 즉각적인 처리, 분석 및 중계를 보장하기 위해 전문화된 데이터 관리 방법을 사용하는 엔진(들)/유닛(들)/컴포넌트(들)를 포함할 수 있거나; 또는 (c)는 (a)와 (b) 둘 다를 포함할 수 있다.
양태들에서, NDS 프로세서는 대규모 병렬 프로세스/초대형 워크플로우를 포함하는 것을 특징으로 할 수 있는 워크플로우 아키텍처를 포함한다(예를 들어, 이러한 용어는 Microsoft Azure 시스템과 같은 선도적인 클라우드 기반 시스템과 관련하여 당업계에서 이해됨). 예를 들어, 양태들에서, 멀티 코어 MA의 코어/프로세서의 수는 ~10개 이상, 예를 들어, ~20개 이상, ~50개 이상, ~100개 이상, ~200개 이상, ~500개 이상 또는 ~1,000개 이상, 예컨대 ~2,000개 이상, 5,000개 이상, 10,000개 이상, 12,500개 이상 또는 ~15,000개 이상의 코어(예를 들어, ~1,000-20,000 코어, 1,000-15,000 코어, 3,000-18,000 코어, 2,000-16,000 코어 또는 ~2,500-15,000 코어)이다. 양태들에서 NDS 프로세서는 기본적으로, 일반적으로만 또는 전적으로 클라우드 기반 프로세서 능력/기능으로 구성된다. 양태들에서, NDS 프로세서는 확장 가능한, 대규모 병렬 및 분산 프로세서 아키텍처를 기반으로 동작한다.
대규모 병렬 처리(Massively parallel process; MPP) 기능/방법은 AWS(Amazon Web Service) 단계 기능과 같은 대규모 시스템 단계 기능을 사용하여 달성될 수 있다. Microsoft Azure 서비스에는 MPP 기능도 포함된다. 양태들에서, NDS는 NDS 프로세서(들)에 의해 수행된 일부, 대부분, 일반적으로 모든 또는 실질적으로 모든 분석 기능이 예를 들어 ~30초 이하, ~10초 이하 또는 ~5초 이하 내에 완료하도록 하는 (항상, 평균적으로 또는 최고 동작 용량에서) ~100개 이상, ~150개 이상, ~200개 이상, ~500개 이상, ~1000개 이상, ~2000개 이상, ~5000개 이상 또는 ~10,000개 이상의 프로세서/메모리 조합(들))을 포함하는 아키텍처를 포함할 것이다. NDS 프로세서(들)에서 사용할 수 있는 MPP 아키텍처는 일반적으로 상호 연결 데이터 경로를 포함한다. 양태들에서, NDS 프로세서에는 그리드 컴퓨팅 MPP 아키텍처, 컴퓨터 클러스터 MPP 아키텍처 또는 둘 모두가 있다.
양태들에서, 하나, 일부, 대부분 또는 모든 NDS 프로세서(들)는 "고가용성"이거나 또는 "고가용성" 워크플로우(들)를 포함하는 것을 특징으로 할 수 있다. 양태들에서, NDS 또는 NDS의 컴포넌트가 일정 기간(예를 들어, 분기별, 연간, 3년간, 5년간 등)에 걸쳐 ~97% 이상, ~98% 이상, ~99% 이상의 가용성(접근성 및 표준/최적 동작성)을 나타내며, 보다 구체적인 양태에서, 고가용성 NDS는 ~99.8% 이상, ~99.9% 이상, ~99.95% 이상 또는 ~99.999% 이상의 가용성을 나타낸다. 고가용성은 일반적인 수단, 메시지 큐, 람다 재시도 기능(예를 들어, AWS에서) 또는 CT를 포함한 임의의 적절한 방법(들)에 의해 달성될 수 있다. 고가용성을 위한 일반 리소스/구조는 컴포넌트 중복의 적용, 컴포넌트 모니터링 및 관리, 장애 복구(노드/프로세스 대체/라우팅), 분산 복제 볼륨(들)의 사용, 로드 밸런싱 또는 이들의 조합을 포함한다.
양태들에서, NDS 프로세서(들), 예를 들어 MPP NDS 프로세서는 ~100GB/초 이상의 대역폭(예를 들어, ~150GB/초 이상, 200GB/초 이상 또는 ~250GB/초 이상의 대역폭)을 나타낸다. 양태들에서, NDS 프로세서는 ~2GHz 이상, 2.5GHz 이상, 3GHz 이상, 3.33GHz 이상 또는 ~3.5GHz 이상의 처리를 나타낸다. 양태들에서, NDS 프로세스는 초당 ~50,000 이상의 트랜잭션/이벤트, 초당 75,000 이상의 트랜잭션/이벤트, 또는 초당 ~100,000 이상의 트랜잭션/이벤트를 수행/처리할 수 있다. 양태들에서, NDS 프로세서는 대부분의 경우, 일반적으로 항상, 실질적으로 항상, 또는 평균적으로(예를 들어, 약 0.5-12.5 petaFLOPS 사이, 예를 들어, 1-15 petaFLOPS, 1-20 petaFLOPS, 2-50 petaFLOPS, 2-80 petaFLOPS, 또는 약 5-100 또는 10-120 petaFLOPS 사이 등) ~0.5 petaFLOPS 이상, ~1 petaFLOPS 이상, ~2 petaFLOPS 이상, ~3 petaFLOPS 이상, ~5 petaFLOPS 이상, ~10 petaFLOPS 이상 또는 ~25 petaFLOPS 이상에서 동작한다.
양태들에서, NDS 프로세서는 파티셔닝 기능, 프로세서 능력 스케일링 기능, 프로세서 리소스 예약 기능, 체크포인팅 기능, 데이터 큐 기반(queue-based) 처리 기능, 오류 복구 기능(예를 들어, 중복 프로세서 오류 기능용) 또는 프로세서의 성능을 검출할 수 있거나 크게 향상시키는 CT를 포함한다.
병렬 처리 시스템(MPP 시스템 포함) 관련 방법, 기능 및 데이터 구조; 및 다른 관련 원리들(이들 중 다수는 양태들에 적응가능)은 제US5485627호, 제US8799284호, 제US8583896호, 제US10802929호, 제US5404562호, 제US4727474호, 제US5765181호, 제US9239741호, 제US10339235호, 제US8903841호, 제US5230079호, 제US4380046호, 제US7716336호, 제US9569493호, 제US10147103호, 제US5799149호, 제US6185693호, 제US8903841호, 제US5566321호, 제US20030110230호, 제US20080034157호, 제US20170270165호, 제US20090031104호, 제US20030195938호, 제US10078565호, 제US20170180272, 호, 제US20130111188호, 제US20200167362호, 제US5881227호, 제US5103393호, 제US8799284호, 제US20170270165호, 제US20200364226호, 제US20150120368호, 제US10372696호, 제US10565199호, 제US6098178호, 제US5103393호, 제US5511221호, 제US6957318호, 제US5146608호, 제US20100287557호, 제US10303654호, 제US9910821호, 제US9697170호, 제US5390298호, 제US5008815호, 제US5872987호, 제US5253308호, 제US8108718호, 제US6185693호, 제US9448966호, 제EP0456201호, 제EP0381671호, 제CN103778212호, 제CN103237045호, 제KR101632253호, 제KR1020140063279호, 제KR1020170056773호, 및 제KR101083052호에 설명되어 있다.
병렬 처리는 분산 병렬 처리, 비분산 병렬 처리 또는 둘 다의 아키텍처를 포함하거나 이를 수행할 수 있다. "분산 처리"는 일반적으로 물리적으로 분리되어 있지만 네트워크로 연결된 기계에서 수행되는 처리를 의미한다. 비분산 병렬 처리는 상호 연결되고 동일한 곳에 위치된 코어에서 수행될 수 있다. 병렬 처리 시스템은 클러스터, 그리드, 클라우드 또는 이들의 조합으로 분류할 수 있는 시스템을 포함할 수 있다. 양태들에서, NDS 프로세서는 이기종 소프트웨어, 이기종 하드웨어 또는 둘 다를 포함하거나, (예를 들어, 컴포넌트, 계층, 통신 프로토콜의 측면에서 및 토폴로지의 다른 양태에서) 이기종 네트워크를 통해 동작한다. 양태들에서, NDS 프로세서, NDS 메모리 또는 둘 다 소프트웨어, 하드웨어 또는 둘 다의 측면에서 동적 시스템(시간에 따라 가변)이다.
NDS, 네트워크 또는 둘 모두는 내부 및 외부 통신을 제공하도록 구성된 네트워킹/통신 장비를 포함할 수 있는 라우터를 포함하거나 사용할 수 있다. 라우터에는 로컬 클러스터 네트워크를 통해 NDS 컴포넌트(들)(서버 처리 유닛(들)/장치(들))와 NDS 메모리(데이터 스토리지) 사이의 네트워크 통신, 네트워크에 걸친 통신 링크를 통해 NDS/NDS 컴포넌트(들)(예를 들어, 서버 클러스터)와 기타 장치 사이의 네트워크 통신, 또는 둘 다를 제공하도록 구성된 패킷-스위칭 및/또는 라우팅 장치(들)/유닛(들)(스위치 및/또는 게이트웨이를 포함)가 포함될 수 있다. 라우터는 네트워크의 데이터 요구, 데이터 스토리지, 레이턴시, 가용성 및 NDS/네트워크의 처리량과 비용, 속도, 내결함성, 탄력성, 효율성 및/또는 네트워크/NDS 아키텍처의 기타 설계 목표에 기여할 수 있는 기타 요인을 처리하기 위해 처리하거나 구성하거나 둘 다 수행하는 기능을 위해 선택될 수 있다. NDS/네트워크의 라우터(들)는 VPN, 방화벽 등과 같은 보안 능력을 포함할 수 있으며, 다중 프로토콜 레이블 스위칭 능력도 포함할 수 있다. 이러한 라우터는 알려져 있으며, 예를 들어 Cisco Catalyst 8000V 라우터, Cisco Catalyst 9000 라우터 등을 포함한다. 양태들에서, 라우터에는 NDS의 지시에 응답하여 수정될 수 있는 스케일러빌리티 능력이 있다. 양태들에서, 라우터는 유사한 능력을 가진 LAN 스위치와 결합된다. 양태들에서, 일부, 대부분, 일반적으로 모든, 본질적으로 모든 또는 모든 라우팅, 스위칭 및 유사 기능은 소프트웨어 정의 광역 네트워크 컴포넌트/유닛(SD-WAN 어플라이언스)(이는 주문형 컴포넌트일 수 있음)에 의해 수행된다.
특정 NDS에 존재할 수 있는 것과 같은 분산 컴퓨팅 환경에서, 프로그램 모듈 또는 서브루틴은 로컬 또는 원격 메모리 저장 장치에 위치될 수 있다. 분산 환경에서 사용되는 프로그램 또는 프로그램 모듈은 인터넷 또는 다른 네트워크(무선 네트워크 포함)를 통해 전자적으로 분산될 수 있다. 특정 양태에서, DR(들)은 전체적으로 또는 부분적으로 저장되고, 프로세서 기능(들)은 Microsoft Azure 또는 AWS와 같은 클라우드 플랫폼을 통해 사용된다. NDS 프로세서의 일부, 대부분, 일반적으로 모든 또는 모든 부분을 구성할 수 있는 분산 프로세서 시스템(들)/컴포넌트(들)는 분산 메모리를 사용할 수 있으며, 이를 통해 예를 들어 프로세서는 메모리 공간의 청크를 부여받을 수 있으며 메시지 전달 또는 유사한 방법을 통해 통신할 수 있다. 이러한 양태에서 각 프로세서는 로컬 메모리에 직접 액세스하고 비로컬 또는 원격 메모리 청크에 간접적으로 액세스할 수 있다.
양태들에서, NDS 엔진(들)/컴포넌트(들)/유닛(들)/시스템(들)은 대부분, 일반적으로, 본질적으로 또는 전적으로 아웃소싱 계산, 데이터 저장, 통신 및 서비스 호스팅 동작에 사용될 수 있는 공공 클라우드 네트워크/원격 서버 장치(예를 들어, 통합/연결된 서버 클러스터(들))에 기반한다. 이러한 서버(들)는 가상화될 수 있다(즉, 서버(들)는 가상 머신이거나 이를 포함할 수 있음). 공공 클라우드 네트워크의 예로는 AWS(Amazon Web Services) 및 Microsoft Azure 서비스가 포함된다. NDS는 로드 밸런싱, 중복, 고가용성, 스케일러빌리티 등을 제공하는 공공 클라우드 네트워크를 지원하는 네트워크 관리 플랫폼 및 서버 클러스터(들)을 포함할 수 있다.
양태들에서, NDS는 컴퓨터 장치(들), 서버 클러스터(들) 등에 의해 구현될 수 있는 가상 머신/서버(메모리, 처리 및 통신 리소스를 포함하는 에뮬레이션)를 포함할 수 있으며, 이는 일반적으로 NDS 컨트롤러 역할을 하는 중앙 집중식 서버 장치, 애플리케이션 등에 의해 관리되며, 인증된 NDS 관리자에 의해 선택적으로 액세스될 수 있다. Microsoft, VMWare 등을 통한 가상 머신 시스템은 당업계에 알려져 있으며, 이러한 애플리케이션에 적용될 수 있다.
양태들에서, NDS 프로세서의 하드웨어는 GPU, 특수 데이터 검색/마이닝 유닛 등을 포함할 수 있는 선택 분석 기능을 위한 특수 노드(들)를 포함할 수 있으며, 이는 양태들에서 비클라우드 전용 하드웨어 유닛을 포함할 수 있지만, 클라우드 기반 메모리/프로세서 컴포넌트와 인터페이스할 수 있다. 양태들에서, 프로세서 기능은 DoS가 처리 병목 현상을 낮추고 DoS/DOS가 하나 이상의 기능(예를 들어, 검색 동작)을 가속화하는 FPGA(들)를 포함한다. 양태들에서, 일부, 대부분 또는 일반적으로 모든 처리 컴포넌트는 멀티코어, 멀티스레드 또는 GPU 프로세서를 포함한다. 양태들에서, 프로세서는 약 2.5-25, 2.5-15, 2.5-12 사이 또는 약 2.5-10 사이(예를 들어, ~1-10, ~2-12, ~1-5, ~2-6 또는 ~2-10) teraFLOPS의 정밀도를 나타낸다. 양태들에서, NDS 프로세서/시스템은 ~100 GB/s 이상의 메모리 대역폭, 예컨대 ~125 이상, 150 이상, 175 이상 또는 ~200GB/s 이상의 대역폭(예를 들어, 약 50-250GB/s 사이의 대역폭, 예컨대, ~100Gb/s 인피니밴드)을 포함한다. 양태들에서, NDS 프로세서는 ~100 이상, 200 이상, 300 이상, 350 이상, 400 이상 또는 ~500 GB 이상의 RAM을 갖는 코어를 포함하거나, 주로 포함하거나, 일반적으로 포함한다. 양태들에서, NDS 프로세서는 기본 클럭 속도가 ~2GHz 이상, 2.5GHz 이상, 2.75GHz 이상, 3GHz 이상, 3.2GHz 이상, 3.4GHz 이상, 3.5GHz 이상, 3.6GHz 이상, 3.7GHz 이상, 3.8GHz 이상 또는 ~4GHz 이상인 코어를 포함하거나, 주로 포함하거나, 일반적으로 포함한다. 양태들에서, NDS 프로세서의 MPI 레이턴시는 평균적으로, 대부분 또는 일반적으로 ~5초 이하, 2초 이하, 1초 이하, 0.25초 이하, 0.1초 이하, 0.01초 이하 또는 ~0.005초 이하이다. 양태들에서, 노드 연결은 기가비트 스위치, 예를 들어 ~25 이상, 35 이상, 40 이상, ~50 Gpbs 이상, 약 75 이상, 약 85 이상 또는 약 100 Gbps 이상의 링크 속도를 지원하는 스위치를 포함한다.
양태들에서, 프로세서 유닛 기능(들)/엔진(들)은 데이터 스케줄러(들)(예를 들어, Mesos, YARN 또는 Sparrow 데이터 스케줄러)를 포함할 수 있다. 양태들에서, NDS 프로세서의 데이터 스케줄러는 ~10초 이하, ~5초 이하, ~2초 이하 또는 ~1초 이하(예를 들어, ~0.5-7.5초, ~0.25-5초 또는 ~1-10초 사이)의 응답 시간을 갖는다. 양태들에서, NDS 프로세서의 DMS는 HULL(High-bandwidth Ultra-Low Latency) 아키텍처를 포함한다. 양태들에서, 프로세서 유닛 기능(들)/유닛(들)/엔진(들)/시스템(들)은 스트리밍 데이터 프로세서(SDP, SDE 또는 스트림 프로세서라고도 함)를 포함하며, 이는 양태들에서 NDS 입력 유닛/시스템의 컴포넌트로 분류될 수도 있다. 양태들에서, 스트림 프로세서는 맵, 필터, 조인, 집계 기능 및 기타 데이터 변환 기능(예를 들어, Kafka Streams에서 사용 가능)과 같은 스트림 처리 기능을 수행할 수 있다. SDP, 기본 프로세서 또는 둘 모두는 예를 들어, 시계열 및 MA-D로부터의 기타 적절한 수집 데이터를 조립하기 위한 엔진(들)을 포함할 수 있다. 양태들에서, 캐시 데이터 및 관련 시계열 RT MA-D의 재조립은 SDP/SDE의 데이터 처리 부담을 줄이기 위해 대부분 또는 전적으로 SDP 외부(예를 들어, 1차 프로세서 또는 특수 프로세서/엔진)에서 수행된다. 캐시 RT MA-D의 재조립은 다른 곳에서 논의된다.
컴포넌트의 상호 연결은 이더넷, 광섬유 케이블, Wi-Fi 또는 다른 적절한 연결/토폴로지/방법을 통해 용이하게 할 수 있다. 처리 기능에는 CEI 및 기타 데이터에 대한 매핑 기능, 작업 수행을 위한 스케줄링 기능(예를 들어, 다른 곳에서 논의된 데이터 수집 포함) 또는 둘 모두가 포함된다. 네트워크 인터페이스(들)는 또한 동축 케이블이나 전력 라인과 같은 하나 이상의 비-이더넷 매체, 또는 동기식 광학 네트워킹(Synchronous Optical networking; SONET) 또는 디지털 가입자 회선(digital subscriber line; DSL) 기술과 같은 광역 매체를 통한 통신을 지원할 수 있다. 처리 기능에는 NDS 메모리 시스템/유닛의 사용자 제어를 위한 가상 머신 모니터/제어, API 등도 포함될 수 있다. NDS 프로세서에 의해 실행될 수 있는 다른 기능은 본원에서 별도로 설명된다(예를 들어, 입력 기능, 메모리 기능, 분석 기능 및 릴레이 기능)(프로세스를 명확히 하기 위해 이러한 기능은 종종 본원에서 분석 유닛, 입력 유닛 등과 같은 특정 유닛/단계와 연관됨). NDS 프로세서(들)에 의해 구현될 수 있는 관련 처리 기능은 다른 곳에서도 논의된다(예를 들어, NDS DR에서 데이터 수집 및 관리를 위한 NoSQL 또는 Hadoop 사용). 양태들에서, 처리는 대부분, 일반적으로 모든 또는 실질적으로 모든 경우에 병렬 처리를 통해 관리된다. 양태들에서, 특정 프로세스를 위해 NDS 프로세서(들)에 의해 일괄 처리가 사용된다. 이러한 데이터 처리 방법은 다른 곳에서 더 논의된다. 양태들에서, NDS 처리는 벌크 동기식 병렬(bulk synchronous parallel; BSP) 처리 컴포넌트(들)/기능(들)/엔진(들)을 포함한다. 본원에 설명된 시스템/네트워크의 구조/기능을 제공하는 데 사용되는 NDS(및 해당되는 경우 네트워크)의 다른 기능(들)/컴포넌트(들)는 또한 또는 대안으로 예를 들어, 가상 스위치(들), 가상 브리지(들)(예를 들어, NIC에), 가상 어댑터(들), NAT 서비스 컴포넌트(들)/시스템(들)/엔진(들), 라우터(들)/라우터 테이블(들), DNS/CSP 시스템(들), 서브넷 시스템(들), 트래픽 모니터/관리자, 트래픽 필터(들)/방화벽 등을 포함할 수 있다.
3.
NDS 보안 엔진(들)/유닛(들)
NDS는 하드웨어 컴포넌트, 소프트웨어 컴포넌트/엔진 또는 이들의 조합(CT)일 수 있는 보안 컴포넌트(들)를 포함하는 보안 유닛(들)(시스템(들)/컴포넌트(들)/엔진(들))을 포함할 수 있다. NDS 보안 유닛(NDS-SECURU 또는 "NDS 보안"이라고도 함)는 네트워크 레벨에서 하나 이상의 데이터 보안 기능을 제공하는 요소의 임의의 조합이거나 이를 포함할 수 있다.
양태들에서, NDS 보안은 방화벽(들)을 포함한다. 양태들에서, NDS 방화벽 기능은 하나 이상의 패킷 필터링 방화벽(예를 들어, 상태 비저장 패킷 필터 방화벽)을 포함한다. 양태들에서 이러한 방화벽은 액세스 제어 목록(들)에 대해 패킷 데이터를 검사하기 위한 프로토콜, 및 인가되지 않은 중계 패킷을 드롭/차단하거나, 인가된 패킷을 전달하기 위한 프로토콜 또는 둘 모두를 포함한다. 양태들에서, NDS 방화벽(들)은 상태 기반 패킷 검사(Stateful Packet Inspection; SPI)(일명, 동적 패킷 필터링)를 사용한다. 양태들에서, NDS 방화벽(들)은 프록시 서버 방화벽(일명, 애플리케이션 레벨 게이트웨이)을 포함하며, 이는 즉, 네트워크 IP 어드레스를 마스킹하거나, 데이터 트래픽 유형을 제한하거나, 둘 다를 수행한다. 양태들에서, NDS 방화벽(들)은 회로 레벨 게이트웨이(들)를 포함한다(즉, 안전한 연결 보장). 양태들에서, NDS 보안 유닛은 심층 패킷 검사 방화벽을 포함하며, 이는 일부, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 수신 패킷, TCP 핸드셰이크 또는 둘 다의 일부, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 페이로드 콘텐트를 분석한다. 양태들에서, NDS 보안 방화벽은 순서화된 방식으로, 패킷 분석을 기반으로 또는 둘 다로 표면 및 심층 패킷 검사를 모두 수행한다. 양태들에서, 방화벽 기능(들)은 또한 안티바이러스 스캐닝/보호 기능, 스팸 필터링 기능, 애플리케이션 제어 기능 또는 이들의 조합을 수행한다. 양태들에서, NDS 보안 유닛은 일반적으로 다른 NDS 요소의 스케일빌리티, 예를 들어 처리 능력 또는 메모리 용량, 또는 예를 들어, NDS 능력의 다른 확장(들)과 독립적으로 증가된 트래픽 부하에 응답하여 자동 또는 온디맨드와 관련하여 스케일링 가능한, 예를 들어 Microsoft Azure 서비스를 통해 사용할 수 있는, 클라우드 방화벽(들)(일명 FWaaS(firewall-as-a-service) 기능)을 사용한다. NDS 레벨의 방화벽(들)은 또한 또는 아니면 하드웨어 또는 소프트웨어 기반일 수 있는 웹 애플리케이션 방화벽일 수 있다.
다른 양태들에서, NDS 보안은 데이터 암호화 능력, 안티바이러스 백신 기능, 인증 능력, 데이터 배제/교정 능력 또는 임의의 CT 등을 포함할 수 있으며, 그 양태들은 본원의 다른 곳(예를 들어, 방법, NDS 메모리 또는 MA와 관련하여)에서 논의된다. .
4.
NDS 입력 엔진(들)/컴포넌트(들)/유닛(들)
NDS는 적어도 하나의 NDS 입력 유닛(NDS-INPU 또는 NDS 입력)을 포함한다. NDS 입력 유닛은 일반적으로 외부 소스로부터 데이터 수신을 처리하는 하드웨어 컴포넌트(들) 및 엔진(들)의 조합 및 메모리 컴포넌트/시스템 데이터 저장(수집)으로 이어지는 이러한 착신 데이터의 초기 처리를 포함한다.
양태들에서, NDS 입력 유닛 또는 그 컴포넌트/대안(예를 들어, SDP/SDE)은 일부, 대부분의, 일반적으로 모든 또는 모든 MA, 기타 입력(예를 들어, ONDI) 또는 둘 다로부터 수신된 데이터에 대한 평가(들)/분석 절차(들)을 수행할 수 있다. 양태들에서, 이러한 "초기 분석" 단계는 주로, 일반적으로만 MA-D에서만 수행된다. 이러한 초기 분석 프로세스는 예를 들어 다른 NDS 분석 프로세스와 구별될 수 있다(예를 들어, DR 데이터에 대해 분석 유닛에 의해 수행되거나 둘 다 수행됨). 일 양태에서, NDS 입력 유닛은 초기 분석에서 MA(들)로부터 수신된 MA-D가 NRT/RT-MAD인지 캐시 데이터인지, SUMAD인지 또는 둘 다인지 결정할 수 있다. 이러한 기능은 예를 들어 데이터 시간 동기화 및 시계열 데이터 매칭/분석과 같은 공지된 기술에 의해 수행될 수 있다. 양태들에서, 초기 분석에는 전체 데이터를 수집하기 전에도, 착신 데이터를 기반으로 즉각적인 조치가 필요한 미리 프로그래밍된 패턴, 지표 등에 대한 MA-D 분석이 포함될 수 있다. 양태들에서, 이러한 미리 프로그래밍된 패턴은 프로그래밍 가능하거나, 기계 학습 프로세스에 의해 수정되거나, 둘 다 가능하다. 양태들에서, NDS 입력 유닛은 제어 명령어를 MA, ONDI 또는 둘 다에 보내는 컨트롤러 시스템/엔진/유닛과 함께 작동하거나 이를 포함할 수 있다. 다른 양태들에서, NDS는 일반적으로, 실질적으로만 초기 분석을 수행하지 않고 NDS 메모리에 수집하는 동안에만 또는 수집한 후에만 데이터를 분석한다. 일부 이러한 양태들에서, NDS는 또한 SMAD를 수신하는 스트림 프로세서를 포함할 수 있다.
NDS 입력 유닛(NDS-INPU)은 또한 버퍼 유닛/기능을 포함할 수 있으며, 이는 초기 분석, 초기 변환 및 수집의 다른 양태를 위한 용량이 사용할 수 있을 때까지 착신 데이터 소스/스트림을 통해 수신된 임의의 초과 데이터를 유지한다. 하나 이상의 임계값에서 또는 초과하여 버퍼를 사용하면 일정 기간(예를 들어, 일, 주 또는 월) 동안 레이턴시가 크게 증가하지 않도록 착신 데이터 로드를 수용하기 위해 스케일링 또는 스케일링 리소스를 평가하기 위해 스케일링 가능한 시스템에 신호(들)를 제공할 수 있다.
NDS 입력 유닛은 대부분의 시간, 일반적으로 항상 또는 실질적으로 항상 동시에 다중 데이터 스트림, 예를 들어 TCP 패킷의 스트림을 예를 들어, 하기 및 다른 곳에 논의된 다수의 처리 시스템(들)/기능(들)을 통해 수신/처리할 수 있다. 이러한 NDS 입력 유닛은 예를 들어, 이하 및 다른 곳에서 추가로 논의되는 바와 같이, 스트리밍 데이터 프로세서(SDP/SDE)이거나 이를 포함할 수 있다.
NDS 입력 유닛에 의해 수신된 입력은 임의의 적절한 포맷(예를 들어, 텍스트/영숫자 데이터, 표 데이터, 비디오 데이터, 오디오 데이터, 이미지 데이터 또는 이들의 임의의 적절한 조합)일 수 있다. 양태들에서, 일반적으로 입력의 절반 미만인 일부 입력, 예를 들어 상당한 양, 중요한 양 또는 기타 양(파일 번호, 데이터 크기 또는 둘 다의 측면에서)은 비정형 데이터(예를 들어, 이메일, 웹 페이지 등)의 형식이거나 형식일 수 있다. 양태들에서, NDS에 의해 수신된 대부분, 일반적으로 모든 또는 실질적으로 모든 입력은 반정형 포맷(예를 들어, CSV, JSON 또는 Avro 데이터 포맷)을 갖는다. 양태들에서, 대부분의, 일반적으로 모든 또는 실질적으로 모든 데이터 유형(들)(예를 들어, MA-D)의 입력은 JSON 포맷이다.
입력은 일괄 처리, 실시간/스트리밍 프로세스 또는 둘 다에 의해 처리될 수 있다. 일괄 및 실시간/스트리밍 데이터의 양태는 다른 곳과 아래에서 설명된다. NDS 입력 유닛은 일반적으로 두 프로세스, 예를 들어, 캐시된 데이터 업로드에 일괄 처리를 적용하고 대부분 또는 일반적으로 MA가 온라인일 때(NDS와 실질적으로 지속적으로 통신할 때) MA-D에 대한 실시간/스트림(스트리밍)(RT/S) 처리를 적용하는 것을 수행할 수 있다. 일괄 처리는 예를 들어, MA를 포함한 네트워크 컴포넌트의 이벤트/로그 데이터에도 적용될 수 있다. 양태들에서, NDS는 적어도 부분적으로, 캐시 데이터 분석을 위해 특별히 설계된 유닛(캐시 MA-D 처리 유닛)을 포함한다. 캐시 MA-D 처리 유닛/엔진은 MA 처리 유닛과 같은 MA의 더 광범위한 컴포넌트의 일부일 수 있다. 양태들에서, 캐시 MA-D 엔진/프로세서는 특히 캐시 MA-D를 분석하는 코딩된 기능, 루틴 등을 포함한다. 양태들에서, 캐시 데이터 프로세서/엔진/시스템은 NDS의 다른 프로세서(들)/엔진(들)/유닛(들)과 적어도 부분적으로 분리되어 있다. 양태들에서, 이러한 캐시 프로세서/엔진은 프로세서/NDS가 캐시 정보를 수신, 분석 또는 활용했는지 아닌지 여부에 관한 정보를 (예를 들어, 캐시 데이터를 NDS로 중계한 MA에서 상태 정보, 알람 등을 제공함으로써) 네트워크 장치(들)에 중계한다.
양태들에서, NDS/MAC-DMS 처리 유닛은 의료 장치의 수신된 캐시 MA-D가 동일한 의료 장치의 수신된 스트리밍 MA-D와 결합 가능한지 여부를 평가하고, MAC-DMS 처리 유닛이 캐시 MA-D 및 스트리밍 MA-D가 결합 가능하다고 결정하는 경우, 스트리밍 MA-D와 캐시 MA-D를 결합하여 혼합 MA-D 데이터 세트를 형성하며, 여기서 분석 유닛에 의해 분석된 MA-D는 혼합 MA-D 데이터 세트를 포함한다. 캐시 MA-D와 관련 스트리밍 MA-D를 결합하는 것은 일반적으로 하나, 일반적으로 두 개의 스트리밍 MA-D 데이터세트의 시간 컴포넌트 및 캐시 MA-D 데이터세트의 엔드포인트를 평가하여 캐시 및 스트리밍 데이터세트를 결합하기 위해 타임포인트/엔드포인트에 충분한 근접성이 있는지 결정하는 것을 포함한다. 이러한 평가는 추정 매치 생성, 추정 매치의 품질/가독성/분석 가능성 평가(조합된 캐시/스트리밍 MA-D)를 포함할 수 있다. 이 또는 다른 양태들에서, NDS 프로세서(또는 그 컴포넌트)는 분석 프로세스를 위한 캐시 데이터의 유용성, NDS 메모리에 캐시 MA-D를 저장하는 적합성 또는 둘 모두를 평가한다.
적절한 경우, 특정 MA의 캐시 데이터 및 RT-MA-D와 같은 NDS에 의한 데이터/레코드의 분석 및 결합은 임의의 적합한 데이터 연결 및 조립 방법에 의해 수행될 수 있다. 이러한 많은 방법이 알려져 있으며, 따라서 본원에서는 간략하게만 설명된다. 양태들에서, MA로부터 중계된 대부분의, 일반적으로 모든 또는 모든 MA-D(캐시 데이터 및 RT-MA-D)는 시간 정보 및 장치 식별 정보(이는 엔티티 식별자로 간주될 수 있음)를 포함할 것이다. 양태들에서, 캐시 데이터 프로세서와 같은 NDS의 프로세서(들)는 공통 엔티티 식별자 정보, 캡처/전송 정보의 시간을 식별하는 엔진(들)을 포함하고, 이러한 정보를 이를 테면 캐시 데이터와 MA-D를 결합할지를 결정하기 위한 기준으로 사용한다. 양태들에서, MA-D는 NDS 컴포넌트(들)/시스템(들)/엔진(들)이 이러한 평가에서 유사성/일치 항목을 식별, 비교 및 분석하도록 미리 프로그래밍된 2개 이상 또는 3개 이상의 식별자를 포함한다. RT MA-D와 캐시 데이터 사이에 시간 간격이 없는 양태들에서, 조인/병합 프로세스는 MA-D로부터 데이터를 재조립하는 데 사용될 수 있다.
양태들에서, NDS는 데이터/레코드 식별자(들)를 기반으로 데이터가 일치하지 않지만, 데이터가 관련/유사한 것으로 예상/알려진 경우; 데이터의 시계열에 갭이 있는 경우; 또는 둘 다를 평가하기 위한 엔진(들)/CEI를 포함한다. 이러한 방법은 알려진 레코드/데이터 연결/매칭 방법/기능 또는 당업계에서 이용 가능한 도구를 이용/통합할 수 있다.
양태들에서, 데이터/레코드 연결 결정에 관련된 엔진(들)은 결정론적 알고리즘(예를 들어, 1, 2, 3 또는 그 이상의 엔티티 식별 데이터 마커가 존재하지 않는 한 일치 거부, 시계열 정보 일치 또는 둘 다)을 사용한다. 양태들에서, 이러한 엔진(들)/시스템(들) 또는 기타 NDS 컴포넌트(들)는 또한 또는 대안으로 확률론적 데이터/레코드 연결 전략을 사용한다(예를 들어, (1) 각 식별자의 차별적 능력 및 (2) 두 레코드가 다양한 식별자에 대한 동의 또는 비동의 여부에 기초하여 진정한 일치일 가능성을 평가함). 각 식별자에 대한 동의 또는 비동의에 할당된 가중치는 실제 일치가 식별자에 동의할 확률(예를 들어, "m-확률")과 거짓 일치가 식별자에 임의로 동의할 확률(예를 들어, "u-확률")을 비교하여, 우도 비율(likelihood ratio)로 평가될 수 있다. 예를 들어 EM 알고리즘은 m- 및 u-확률을 추정하는 반복적인 접근 방식이다. 예를 들어, Dusetzina SB 등의 2014년 9월 4일, 레코드 연결 방법의 개요. 출처: ncbi.nlm.nih.gov/books/NBK253312/ 참조.
이러한 기능(들)/단계(들)은 예를 들어 이진/쌍별 지도 분류, 클러스터링 프로세스, 확률론적 데이터 연결 프로세스 등을 포함할 수 있다. 이러한 프로세스는 전이성/비전이성 검사 기능/프로세스를 포함할 수 있다. 양태들에서, 이러한 프로세스/엔진(들)/기능(들)은 모음적 엔티티 해결 기술을 포함한다.
양태들에서, 이러한 기능(들)/엔진(들)은 다수의 환자, IE 또는 사용자 클래스(예컨대 상업 클래스 사용자)을 포함하는 네트워크에서 기밀 정보, 예를 들어 PHI를 보호하기 위한 프로토콜/알고리즘을 포함한다. 이러한 양태들에서, 일치 데이터는 일부, 대부분의 또는 모든 클라이언트 장치(예를 들어, MA)에 중계될 수 있지만, 기본 데이터의 세부 정보는 중계되지 않는다. 블룸 필터와 같은 암호화 방법 또는 다른 곳에서 설명된 기타 암호화 기술은 또한 또는 대안으로 기밀 정보를 보호하기 위해 이러한 프로세스에 사용된다.
양태들에서, 엔진(들)/컴포넌트(들)/시스템(들)은 데이터/레코드 평가 및 일치 항목을 유사한 세트로 포함할 가능성이 더 높은 레코드를 파싱/차단하기 위한 단계(들)/엔진(들)/알고리즘(들)에 관여되며, 따라서 유사성을 측정하기 위해 서로 다른 접근 방식이 사용된다. 양태들에서, 더 작은/파싱된 데이터 세트는 대부분, 일반적으로 모든 또는 모든 경우에 추가 잠재적 연결 분석 전에 정리 또는 제거될 수 있다. 일반적으로, 서로 다른 세트에서 유사한 레코드를 식별하는 것은 마스터 데이터 집계에 기여할 수 있는 정리, 지식 발견 또는 역설계를 용이하게 하는 데이터 세트 전반에 걸친 링크를 나타낼 수 있다. 따라서, 예를 들어, 이러한 프로세스에 관여된 엔진(들)은 예를 들어 데이터 유형을 고려하고 이러한 정보를 사용하여 기초/비교/평가(예를 들어, 숫자 데이터에 대한 간단한 거리 함수, "거리"를 식별하기 위한 문자열 비교 규칙 등)를 위한 근거를 결정하는, 당업계에 알려진 바와 같이 블록화, 유사성 스코어링 및 대략적인 매칭 단계(들)/기능(들)/코드를 적용할 수 있다.
양태들에서, 이 컨텍스트 또는 다른 컨텍스트에서(예를 들어, 쿼리 프로세스에서) 레코드 일치에 관여된 엔진(들)/컴포넌트(들)는 NLP 엔진(들)/알고리즘(들)(예를 들어, Term Frequency, Inverse Document Frequency(또는 tf-idf))을 사용한다. NLP 방법은 다른 곳에서도 논의된다. TIF 및 유사한 알고리즘은 텍스트를 '청크'(또는 ngram)로 분할하고, 주어진 샘플에 대한 각 청크의 발생을 카운팅한 다음, 데이터 세트의 모든 샘플에 걸쳐 청크가 얼마나 드문지에 기초하여 이에 가중치를 적용한다. 이러한 알고리즘은 본 발명의 시스템에 이용 가능하거나 적응 가능한 프로그래밍 언어/플랫폼의 ngram 기능에 통합된다. 양태들에서, 가까운 일치는 또한 또는 대아으로 코사인 유사성 방법을 통해 발견된다.
양태들에서, NDS는 내부 라이브러리 또는 기타 정보 소스(예를 들어, 제3자 데이터베이스, IE 데이터베이스 또는 EMR/EHR 정보)를 활용하여 갭을 채울 수 있다. 양태들에서, 갭은 MA, 유사한 MA 또는 MA IE 소유자의 관련 MA-D로부터 채워진다.
양태들에서, 당업계에 공지된 퍼지 매칭 방법이 비교/데이터 연결에 사용된다. 이러한 방법이 공지된다. 예를 들어, Python Pandas 패키지(Pandas)에서는 일치하는 데이터(merge_asof)의 평가 및 병합을 위한 도구를 제공한다. Pandas는 또한 시계열 데이터로 작업하는 데 사용될 수 있으며, 일반적으로 예를 들어 pandas.DataFrame 오브젝트는 여러 수량을 포함할 수 있고, 그 각각은 개별 pandas로 추출될 수 있다. Python fuzzymatcher 라이브러리는 확률적 레코드 연결을 사용하여 두 개의 pandas DataFrame을 함께 연결하는 인터페이스를 제공한다. Python Record Linkage Toolkit은 레코드 연결을 자동화하고 데이터 중복 제거를 수행하는 기능 세트를 제공(데이터 블록, 문자열 유사성 측정을 위한 다수의 알고리즘, 스코어링 알고리즘을 사용한 일치 순위 지정, 프로세스에서 지도 기계 학습 사용 등을 사용)한다. 유사한 도구/방법이 알려져 있거나 NDS 프로세스에 적용할 수 있다. 양태들에서, 데이터/레코드 연결/평가 및 쿼리 기능과 같은 관련 기능도 레코드/데이터 세트의 스키마 일치를 고려한다.
일치하는 항목이 있는 것으로 결정되면, 엔진(들)은 병합, 조인 또는 유사한 기능/동작/단계를 사용하여 관련 데이터/레코드(예를 들어, 일치하는 캐시 데이터 및 MA의 RT-MA-D)를 함께 가져오고/재조립한다. 이러한 기능은 당업계에 잘 알려져 있으며, 일반적인 프로그래밍 언어 및 상용 시스템에서 사용할 수 있다. 예를 들어, Python Pandas에는 고성능 인-메모리 조인 및 병합 동작이 포함되며, 병합 및 조인 문/애플리케이션은 SQL에서 사용할 수 있다(예를 들어, SAS DATA 단계 사용). Azure/Power BI와 같은 시스템에서는 Google Cloud를 통해 사용 가능한 SQL 함수를 사용하여 Google BigQuery의 일부를 형성하고 Amazon Redshift의 연산자를 조인하는 병합 함수와 와 마찬가지로 사용할 수 있다. 조인은 예를 들어 내부 조인트, 오른쪽 외부 조인트, 왼쪽 외부 조인, 완전 외부 조인, 크로스 조인 또는 연결될 데이터에 따라 임의의 다른 적절한 유형의 조인일 수 있다.
양태들에서, 캐시 프로세서/엔진과 같은 NDS 또는 NDS 컴포넌트는 방법을 수행하거나, 시작 (1) MA가 오프라인이 되면, MA로부터 예상 관련 캐시 데이터 및 RT-MA-D를 수집하고(예를 들어, 시계열 데이터에 기초하여 시간 기준으로 60, 30, 20, 10, 5, 2 또는 1분 이내); (2) RT-MA-D와 캐시 데이터를 비교하고; (3) 캐시 데이터가 유형 및 시계열에서 RT-MA-D와 같거나 충분히 유사한 경우(비교 표준(들)에 기반); (a) 캐시/RT-MA-D를 조인/병합하고; ELSE는 병합/조인을 거부하고; (4) 선택적으로 결과를 MA/OND로 중계하고; 및 (5) 종료하는 단계를 포함하는 기능을 수행하는 엔진을 포함한다.
양태들에서, 대부분의, 일반적으로 모든 또는 실질적으로 모든 NDS의 입력은 RT/S 처리 하에서 처리된다. 양태들에서, 일괄 처리 작업은 Hadoop/MapReduce 프레임워크 또는 유사한 프레임워크(예를 들어, 분할, 매핑, 파티션, 셔플, 소팅 및 축소 기능과 같은 매핑 및 축소 기능을 수행할 수 있음) 또는 다른 곳에서 논의된 바와 같은 일괄 처리 및 RT/S 처리 둘 모두를 위해 설계된 프레임워크를 사용하여 수행된다. 어느 경우든, 특히 일과 처리 시, NDS 입력 유닛은 착신 데이터에서 속성/값 쌍(또는 키/값 쌍)을 취하거나, 임의의 연관된 착신 파일/청크/스트림 데이터로부터 이러한 데이터를 분할하거나, 저장을 위해 키-값 쌍 또는 여러 키-값 쌍을 출력하거나(필터링 또는 역다중화 기능), 선택적으로 결합기 기능을 통해 이러한 출력 데이터를 결합하거나, 파티셔닝 기능을 수행하거나, 감속기 기능을 수행하거나, 셔플링 기능을 수행하거나, 이들의 조합을 수행하는 매퍼 기능을 포함할 수 있다. 양태들에서, 일괄 처리는 또한 저장된 데이터에 대한 분석 기능(예를 들어, NDS 프로세서의 분석 유닛에 의해 수행됨)에도 사용될 수 있습니다. 양태들에서, 저장된 데이터에 대해 수행되는 일부, 대부분의, 일반적으로 모든 또는 모든 분석 기능은 일괄 처리 방법을 통해 수행된다. 양태들에서, NDS에 전달된 RT/S 데이터는 즉, Apache Storm 또는 유사한 시스템(예를 들어, 노드당 초당 ~1,000,000 이상의 레코드의 처리 능력이 있는 시스템, Apache Kafka 등과 같은, 스트리밍 데이터 처리를 위해 특별히 설계된 시스템에 의해 처리된다. 양태들에서, NDS-INPU는 RT/S 데이터의 수신, 분석 및 수집의 다양한 부분(예를 들어, Kafka와 Storm의 조합)에서 함께 작동하는 2, 3개 이상의 이러한 시스템을 포함한다.
"실시간 처리"의 정의는 당업계에서 다양하다. 양태들에서, 실시간(real time; "RT") 처리는 일반적으로 모든 또는 실질적으로 모든 경우에 NDS가 수집/수신되고 수집 전/동안 스트리밍 MA-D를 적어도 초기에 분석하거나, 수집 후 자동 기능을 완전히 분석할 수 있도록 실질적으로만 또는 시간 내에서만 처리하여, 예를 들어 (1) 대부분의, 일반적으로 모든 또는 모든 미리 결정된 시간 임계 데이터가 분석되고, (2) (a) 경고/알람 기능이 전달되거나, (b) MA 장치 제어 명령어가 전달되거나, (c) 적용 가능한 MA에 MA 치료 명령어가 디스플레이되거나, 또는 (d) 이들의 조합이 발생하는 것을 의미한다. 양태들에서, 작동 중인 시스템은 대부분의, 일반적으로 모든 경우 또는 실질적으로 모든 경우에 임의의 유해한 치료 또는 진단/모니터링 효과 이전에 출력된, 또는 지연으로 분류될 출력 전달/애플리케이션의 수가 상당하지 않도록 출력된 치료 MA 제어 또는 치료 관련 정보를 제공한다.
RT/S 데이터 수집은 일반적으로 상당한 시간 동안 버퍼 데이터의 양을 크게 증가시키지 않기 위해 다음 스트림이 수집되기 전에 수집을 포함한다(대부분, 일반적으로 또는 단지 포함함). 양태들에서, NDS의 RT/S 데이터의 수신 타이밍은 초기 분석 완료 시점과 실질적으로 또는 크게 다르지 않다. 양태들에서, RT/S 데이터 수신, 초기 분석 완료, 데이터 수집 또는 모든 세 가지 프로세스의 타이밍이 거의 동일하다.
양태들에서, "RT 프로세스"이란 ~5초 이하, ~3초 이하, ~2초 이하, ~1초 이하 또는 ~0.5초 이하 내에(예를 들어, ~0.25초 이하, ~0.2초 이하, 또는 ~0.1초 이하, 예컨대 약 0.1-2.5초, 0.01-2초, 0.05-2초, 0.05-1초, 0.005-1.5, 0.001-1초 사이, 또는 약 0.0001-1초 사이) 수행되는 프로세스를 의미한다. 양태들에서, 일부 RT/S 데이터는 초기 RT 분석을 위한 버퍼 또는 임시 메모리 외에 NDS 메모리에 의해 저장되지 않는다. 양태들에서, 대부분의, 일반적으로 모든 또는 실질적으로 모든 RT/S 데이터가 수집되고 NDS DR에 저장된다. 스트림 처리를 가능하게 하는 방법은 (NDS 메모리와 관련하여) 랜덤 읽기/쓰기 방법을 사용하는 데이터 집계/압축을 위한 근사 방법을 사용하는 단계, 및 스트림 부분(예를 들어, 프로세스 사이클 당 단일 파일, 소수의 레코드 등)을 미세 처리하는 단계를 포함할 수 있다.
양태들에서, NDS 입력은 이메일 입력(들)을 포함할 수 있다. 예를 들어, NDS는 이메일 스트림 모니터링 U/F(들)(이메일 스트림 모니터링 단계(들)을 포함하는 방법)를 포함할 수 있다. 이메일 입력 처리 기능(들)은 첨부 파일, 이메일 텍스트 또는 둘 다를 인식하기 위한 프로토콜을 포함할 수 있다. 이메일 및 관련 텍스트 메시징 포맷, 웹 페이지 등은 실질적인 대상 데이터, 시스템 데이터, 네트워크 데이터, 네트워크 컴포넌트 데이터(예를 들어, MA-D) 또는 NDS 또는 네트워크 컴포넌트에 대한 요청을 제공하는 데 사용될 수 있다. 양태들에서, 자연어 처리(natural language processing; "NLP") 및 기타 처리 도구/방법은 이메일 또는 기타 비정형 텍스트 메시지 콘텐트 또는 의도(예를 들어, NDS 서비스 요청)를 추론하는 데 사용될 수 있다. 예를 들어, NDS 입력 유닛은 비정형 입력 데이터의 컨텍스트를 확인할 수 있는 주제 분류(subject matter classification; SMC) 알고리즘(들)을 사용할 수 있다. 양태들에서, 순위 지정 기능(들), 확장(enrichment) 기능(들) 등)은 입력의 초기 처리(예를 들어, 데이터 큐 적용, 초기 분석 등)를 용이하게 하기 위해 입력에서 수행될 수 있다. 양태들에서, 초기 입력 데이터 변환 기능은 대규모 시스템 단계 기능, 예를 들어 Amazon Web Services(AWS) 단계 기능 또는 Microsoft Azure의 해당 기능을 통해 달성된다.
RT/S 데이터 처리에서, NDS 입력 유닛(들)은 스트림/스트리밍 처리 엔진(stream/streaming processing engine; "SPE") 또는 스트림 처리 유닛(일명, 스트림 프로세서 또는 SDP)을 특징으로 할 수 있는 시스템/컴포넌트(들)/기능(들)을 포함할 수 있다. SPE는 그중에서도 예를 들어, 수술 및 중환자실(ICU) 사례/설정과 같은 중환자 사례에서 MA-D 스트림의 사례 및 이벤트를 식별할 수 있다. 양태들에서, SPE는 MA 유형, 특정 MA, 사용된 의료 절차, 의료 데이터의 타이밍, MA-D의 특성(데이터 유형), MA-D의 수집 유형(예를 들어, RT/S 또는 캐시된 MA-CD), MA 상태 데이터, MA 센서 또는 MA 관련 센서 데이터(예를 들어, 바이탈 사인 데이터) 등 (예를 들어, 데이터 변환 또는 데이터 입력 요구 사항을 통해)을 식별할 수 있다. 예를 들어, MA-D의 시계열은 특정 MA의 절차 시작, 특정 MA의 절차 종료 또는 초기 수신 데이터의 NDS 입력 유닛 스크리닝을 기반으로 하나 이상의 알람/경고를 유발하는 환자 상태의 변화를 나타내는 상태 데이터를 포함할 수 있다. 동일한 MA, 동일한 MA 유형, 동일한 환자, 동일한 HCP, 동일한 엔티티, 동일한 위치 또는 ACT에서 발생하는 RT/S 데이터는 NDS 입력 유닛에 의해 관련된 것으로 태그되거나 식별될 수 있다. NDS 입력 유닛 적용 태그는 관련 데이터 스트림을 동시에 분석하거나 관련 데이터 스트림의 분석을 결합하여 예를 들어, 경고/알람, MA 제어, MA 프로토콜 정보 디스플레이 등의 측면에서 NDS에 의해 우선 순위가 지정된 동작을 트리거하는, 특정 임계값/기준을 충족하거나 초과하는 임상 사례를 식별하는 데 사용될 수 있다. 예를 들어, MA 상태 데이터 스트림, 사용자 입력 데이터 스트림, 장치 설정 데이터 스트림 및 동작 데이터 스트림은 양태들에서 장치가 사용되는 시기와 장치가 임상 사례(들)에서 사용되는 방식을 식별하는 데 사용될 수 있다. 이 정보는 유지 관리 애플리케이션에서 대 임상 사용, 임상 시험 사용, 연구 사용 또는 이들의 조합에서 MA를 구별하는 데 도움이 될 수 있다. 여러 유형의 MA, 여러 애플리케이션을 제공하는 MA 또는 둘 다를 포함하는 네트워크에서, 입력 데이터는 MA-D 스트림을 특정 대상, 특정 HCP 또는 HCP 팀, 다른 클래스의 MA 사용자, 특정 엔티티 또는 이들의 조합을 식별하는 데 사용될 수 있다. 양태들에서, RT/S MA-D 또는 기타 MA-D 입력은 MA 소유자 시스템 정보와 같은 다른 네트워크/시스템 컴포넌트의 정보와 결합되어 초기 분석에서 중요할 수 있는 다른 관계를 추론할 수 있다. 예를 들어, MA 소유자 시스템은 예를 들어 착신 MA 데이터와 연결될 때, MA가 엔티티에서 어떻게/언제 사용되는지를 나타낼 수 있는 MA를 사용하는 절차의 스케줄링을 포함할 수 있으며, 이러한 정보는 엔티티로, 사용자의 연구 클래스로으로, 또는 상업 클래스 사용자에게로 다시 중계될 수 있다(RR과 일치하는 PHI의 수정/배제 또는 기타 보호를 제공함). 그러나 일반적으로 이러한 중요하지 않은 분석은 입력(수집 전 데이터)이 아니라 저장된 데이터에 적용된다.
양태들에서, 스트리밍 데이터 프로세서(SDP)와 같은 스트림 처리 유닛은 소코어보딩(충돌이 없고 처리 리소스를 사용할 수 있을 때 명령어가 순서 없이 실행될 수 있도록 파이프라인을 동적으로 스케줄링)을 사용하거나, 다른 대안으로 다른 곳에서 설명된 다른 유형의 메시지 큐잉 또는 우선 순위 지정 방법을 사용한다.
양태들은 스트리밍 데이터 처리 유닛이 (a) 중계된 스트리밍 MA-D를 수신하도록 하고, (b) 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하도록 하고, (c) 초기 분석이 스트리밍 중계된 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행하도록 하는 것을 포함할 수 있으며, 이 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다의 동작을 제어하기 위한 중계 명령어를 포함한다. 이러한 기능은 또한 시작 (1) MA가 동작하는 동안; (a) MA와 NDS가 안전하고 안정적인 통신 상태가 아닐 때까지 반복하고; (I) 스트리밍 데이터 프로세서에서 스트리밍 MA-D를 수신하고; (II) 스트리밍된 MA-D에서 초기 분석을 수행하고; (III) 초기 분석에서 조건이 1개 이상인 경우(예를 들어, 환자 위험 표시, 장치 고장 등); (A) 초기 분석 출력 기능(들)(예를 들어, 알람 등의 장치 릴레이 제어, @ MA(들), ONDI(들), 또는 둘 다)을 수행하고; (B) 스트리밍 MA-D를 저장하고; (IV) 그렇지 않으면; (A) 스트리밍 MA-D를 저장하고; (2) 종료하는 동안; 종료하는 것으로 작성/설명될 수 있다.
양태들에서, 데이터 RR, 예를 들어 US HIPAA, EU GDPR 및 캘리포니아 CCPA/CRPA RR 하에서 보호되는 개인 식별 가능 정보/PHI와 같은 다른 클래스의 기밀 데이터는 NDS 및 NDS 출력(예를 들어, 데이터 큐레이션, 선택적으로 릴레이/디스플레이 등에 의해)에서 개별적으로 식별되고 처리된다. 양태들에서, 연구 클래스 MA 및 기타 연구 클래스 OND의 데이터는 블라인드/익명 데이터 규칙, 랜덤화된 데이터 규칙 등과 같은 다른 데이터 규칙이 적용되는 데이터를 포함할 수 있다.
표시된 바와 같이, NDS 입력 유닛은 SMAD, 캐시 데이터 또는 둘 다에 대해 수행된 초기 분석에 기초하여 출력(들)을 야기하는 컨트롤러를 포함하거나 컨트롤러와 함께 작동할 수 있다. 예를 들어, 스트리밍 분석 기능 출력은 알람/경고 알고리즘, 제어 알고리즘, 이벤트 검출 알고리즘 또는 예측 알고리즘을 포함할 수 있다. 이러한 알고리즘은 미리 정의될 수 있거나, 다른 실시예들에서 자동 학습을 통해 생성될 수 있다. 스트리밍 분석 알고리즘의 비제한적 예에는 환자의 건강 상태 악화의 조기 검출, 수술실(OR) 또는 ICU의 합병증 검출, 유지 관리가 필요한 의료 장치의 예측, 향후 특별 케어 또는 스케줄링된 지연 예측이 필요할 수 있는 경우의 합병증 예측이 포함될 수 있다. 양태들에서, MA-D의 스트림은 MA(들)가 사용되는 방식을 나타낼 수 있으며 MA의 동작 상태를 나타내는 데이터의 초기 분석에서, 수술 중 합병증과 같은 이벤트가 검출되고 적절한 조치/알람이 트리거될 수 있다. 실시예들에서, 스트리밍 분석 U/F(들)는 예를 들어 MA-D로부터 RT/S 데이터 흐름의 갭(및 캐시된 MA-CD의 후속 업로드)와 관련될 수 있는 환자 위치의 변화를 예측하는 데 사용될 수 있다.
양태들에서, RT/S와 일괄 처리 둘 다를 효과적으로 처리할 수 있는 DMS(예를 들어, 데이터 처리 엔진)는 NDS 입력 유닛의 컴포넌트이거나 이를 형성할 수 있다. 스트림 처리 엔진/SDP는 일반적으로 (데이터 스트림의 콘텐트에 영향을 주지 않고) "비침입적" 방식으로 그리고 양태들에서 수집 레이턴시에 큰 영향을 주지 않고 착신 데이터 스트림을 "탭(tap)"할 수 있다. 이러한 시스템의 일 예로는 Spring XD System(Apache)이 있다. 양태들에서, NDS 입력 유닛은 여러 반복 데이터 변환을 수행하거나 예컨대 Apache Spark와 같이, 수집 전 또는 수집과 동시에 단계를 분석할 수 있는 유닛/엔진/기능(U/F)을 포함하거나 액세스한다.
양태들에서, 일부, 대부분의 또는 일반적으로 NDS 입력 유닛/엔진 기능은 하나 이상의 임시 메모리 유닛(들)에 유지되는 데이터에서 수행된다. 예를 들어, 양태들에서, 본 발명의 방법은 스트림의 다수의 컴포넌트, 다수의 스트림, 또는 둘 모두를 임시 메모리에 수집하는 단계 및 이러한 일시적으로 보유된 데이터(예를 들어, 즉각적인 경보/알람, MA 치료 동작 파라미터의 변경 또는 둘 다 트리거하는 데이터에 대한 분석)에 대해 하나 이상의 NDS 입력 유닛 기능을 수행하는 단계를 포함한다.
양태들에서, NDS 입력 유닛(들) 또는 NDS의 다른 컴포넌트(예를 들어, NDS 릴레이 유닛/NDS-RELAYU)는 데이터 직렬화/역직렬화(예를 들어, 데이터 직렬화 라이브러리, 스키마 등을 포함함)의 관리를 위해 U/F를 포함/수행한다. 예를 들어, 이러한 U/F는 일반적으로 물리적 장치의 저장, 전송 및 분배를 위해 또는 저장(예를 들어, EDL에서)을 위해 복잡한 데이터 구조를 바이트 스트림으로 변환할 수 있다. 양태들에서, 직렬화/역직렬화 U/F는 특정 포맷의 데이터를 선호하거나 시스템이 특정 입력 데이터를 제한하는 다른 포맷으로 변환할 수 있다. 예를 들어, BSON, YAML 또는 MessagePack 데이터는 NDS의 직렬화/역직렬화 기능에 의해 JSON 데이터(또는 그 반대)로 변환될 수 있다. 직렬화를 용이하게 하기 위한 알려된 기술/프레임워크의 예에는 예를 들어 Apache Thrift, Google Protocol Buffers, Apache Avro 및 Apache Flume이 포함된다.
양태들에서, NDS 입력 유닛은 MA 데이터 또는 기타 인바운드 메시지(원격 측정)에 대해 프로세스 내/메모리 내 데이터 기능을 즉시 수행한다. 양태들에서, NDS 입력 유닛은 제한된 시간 반복 사이클 기반으로 이러한 데이터 수집 및 분석을 수행하고/하거나 제한된 시간 기간 동안(예를 들어, 매 5-30초마다, 예컨대 약 10초마다 또는 약 5-30 초 지연, 예컨대 약 10-20초 또는 약 10-25초) 이러한 데이터에 대한 조치를 지연시킨다. 이러한 기능에는 장치 제어 기능, MA/ONDI 알람 등의 활성화로 이어지는 특정 데이터의 즉각적인 분석이 포함된다.
양태들에서, NDS 입력 유닛은 약 1 초, 약 2 초, 3 초, 약 4 초, 약 5 초, 약 10 초마다, 또는, 예를 들어, 약 0.1 초마다 또는 약 0.5 초마다 MA-D의 10개 이상의 패킷, 예를 들어, 약 11개 이상, 약 12개 이상, 약 15개 이상, 약 20개 이상, 약 25개 이상, 약 50개 이상, 약 75개 이상, 또는 약 100개 이상, 예컨대 약 250개 이상, 약 500개 이상, 약 750개 이상, 약 1000개 이상, 또는 그 이상의 MA로부터의 MA-D의 패킷을 수신하는 NDS 입력 유닛에 기초한 데이터 검증 규칙 프로세스를 포함한다(시스템/네트워크 속성에 따라 달라지는 패킷 크기는, 예를 들어 약 1-100kb, 약 1.25-75kb 또는 약 1.5-65kb임). 양태들에서, 이러한 데이터 유효성 검사 규칙이 위반되면, NDS 입력 유닛의 CEI 또는 NDS의 다른 양태가 다른 곳에서 논의되는 경고/알람 기능과 같은 동작을 트리거할 수 있다.
5.
데이터 핸들러(이벤트 허브, IoT 허브 등)
NDS는 입력 유닛의 일부를 형성하거나, 입력 유닛와 분리되거나, 둘 다인 데이터 핸들러(들)를 포함할 수 있다. 데이터 핸들러는 일반적으로 데이터 분석 기능, 라우팅 기능, 이벤트 처리 기능 또는 이들의 임의의 조합을 수행하는 엔진/유닛 또는 방법/기능이며, NDS의 입력 유닛 및 릴레이 유닛과 적어도 부분적으로 구별된다. 데이터 핸들러는 일반적으로 여러 입력 소스(예를 들어, 장치)로부터 원격 측정(데이터/메시지)을 수신하고(초당 수천 또는 수백만 메시지의 경우 동시에 여러 입력 소스의 양태에서) 이러한 데이터를 다른 유닛(들) 또는 종종 두 개 이상의 출력이 동시에 출력된다. 데이터 핸들러의 예들에는 분석 엔진 및 이벤트 핸들러가 포함된다. 스트리밍 분석 엔진, 이벤트 핸들러 및 유사한 시스템/유닛과 같은 분석 엔진이 알려져 있다. 양태들에서, 데이터 핸들러(들)에는 클라우드 기반 유닛(들)/컴포넌트(들)가 포함된다.
양태들에서, NDS는 하나 이상의 이벤트 허브 데이터 핸들러 유닛을 포함한다. 이벤트 허브는 일반적으로 상대적으로 낮은 레이턴시와 높은 안정성으로 동작하는 대규모이지만 낮은 프로파일(예를 들어, 고급 시퀀싱 기능, 전달 보장 등이 없음)에서 데이터를 처리하는 유닛이다/유닛을 포함한다. 이벤트 허브에 대한 입력은 이벤트 게시자라고 할 수 있다. NDS의 이벤트 허브 및 유사한 컴포넌트는 HTTP/AMQP 프로토콜과 같은 다양한 데이터 릴레이 프로토콜을 사용할 수 있다. 양태들에서, 이벤트 허브(들)는 파티션(들)(예를 들어, 2-32개의 파티션)(이벤트 허브에서 이벤트를 유지하는 순서가 지정된 시퀀스)을 포함한다. 파티션(분할된 소비자 모델)을 사용하면 여러 애플리케이션이 스트림을 동시에 처리할 수 있어 처리 속도를 높이고 처리 속도를 제어할 수 있다. 양태들에서, 이벤트 허브는 단방향 방식으로만 데이터를 처리한다(이벤트 게시자에게 메시지를 릴레이하지 않고, 이벤트 게시자에서 이벤트 소비자(즉, 다운스트림 유닛)로 데이터를 릴레이함). 이벤트 허브는 이벤트 파이프라인의 "프론트 도어" 역할을 할 수 있으며, 이러한 이벤트 허브를 "이벤트 수집기"라고도 한다."
양태들에서, NDS의 데이터 핸들러(들)는 사물 인터넷(internet-of-thing; "IoT") 허브(들)를 포함한다. NDS의 IoT 허브는 일반적으로 양방향 데이터 통신을 수행할 수 있을 뿐만 아니라, 장치 제어, 장치 인증, 장치 권한 부여, 프로토콜 변환 및 조합과 관련된 기능을 수행할 수 있다. 양태들에서, IoT 허브는 MA와 같은 연결된 장치를 통해 명령 및 제어 기능을 수행한다. 예를 들어, IoT 허브는 특정 조건(예를 들어, 장치(들)에 의해 검출된 환자의 특정 생리학적 조치)에 응답하여 장치를 통해 제어하기 위한 미리 프로그래밍된 명령어를 포함할 수 있다. 양태들에서, IoT 허브는 장치 오류 보고, 예를 들어, 장치당 실패한 연결 시도를 확인을 처리하거나, 연결된 장치의 연결 해제/비활성화를 포함하거나, 둘 다를 할 수 있다.
양태들에서, 데이터 핸들러는 반복되는 1분, 2분, 3분, 5분, 6분 또는 10분 데이터 수집 사이클/윈도우(예를 들어, 30초 - 600초 데이터 수집 윈도우, 예컨대 2 - 8분 데이터 수집 윈도우)와 같은 시간 기준으로 하나 이상의 데이터 기능을 수행한다.
Apache Kafka 에코시스템은 NDS에서 사용될 수 있거나 NDS 이벤트 허브의 모델로 사용될 수 있는 알려진 이벤트 허브를 포함한다. Azure 시스템에는 Azure 이벤트 허브 및 IoT 허브 둘 다 포함된다. 데이터브릭스(Databricks), 스트림 분석(Stream Analytics), ADLS 및 HDInsight를 포함한 Azure의 빅 데이터 분석 서비스는 허브로부터 데이터를 읽고 처리할 수 있다. 데이터 핸들러에는 또한 이벤트 처리에 더 중점을 둔 유닛인 이벤트 그리드가 포함될 수 있다. NDS는 이러한 유형의 허브 또는 수행된 기능/능력 측면에서 그에 상응하는 것 중 임의의 적합한 하나 이상을 포함할 수 있다.
양태들에서, NDS의 데이터 핸들러(들)는 데이터 분석 및 이벤트 처리 기능 둘 다를 수행한다. 예를 들어, Azure 스트림 분석과 같은 분석 엔진은 여러 소스로부터의 스트리밍 데이터를 동시에 처리하는 실시간 분석 및 복합 이벤트 처리 엔진 둘 다의 역할을 한다. 양태들에서, 데이터 핸들러는 MA-D, NDS-AD 및 기타 입력을 포함하여, 다수의 입력 소스의 데이터로부터 데이터 패턴, 데이터 관계 또는 둘 다를 식별한다. 양태들에서, 이러한 데이터 핸들러의 분석 기능은 동작, 워크플로우(예컨대 경고 생성), 보고 도구에 정보 제공, 나중에 사용하기 위해 변환된 데이터 저장 또는 조합을 시작할 수 있다. 분석 프로세서는 일반적으로 입력, 쿼리 및 출력 요소를 포함한 작업을 수행(예를 들어, 이벤트 허브 또는 IoT 허브로부터 데이터 수신, SQL 쿼리 언어 기반 쿼리 또는 사용자 정의 함수(UDF)를 수행)하여 스트리밍 데이터를 필터링, 소팅, 집계 및 조인하고, 데이터를 다른 컴포넌트/유닛, 예를 들어 통신 또는 사용자 지정 워크플로우 다운스트림 또는 데이터 저장소의 데이터(예를 들어, DL/EL, Azure 시냅스 분석 등)를 트리거하는 Azure 기능, 서비스 버스 토픽 또는 큐에 중계하거나, 선택적으로 이력 데이터에 기초하여 기계 학습 모델을 훈련시키거나 일괄 분석을 수행한다. Kafka, Spark, Storm 및 Flink와 같은 Apache 도구와 같은 SDP의 요소를 사용하여 이러한 기능을 수행할 수 있다. Kinesis Streams, Kinesis 및 Firehose와 같은 Amazon 도구는 유사한 서비스를 제공할 수 있다.
6.
분석 엔진(들)/유닛(들)/기능(들)
NDS는 일반적으로 MA-D에서 분석을 수행하는 컴포넌트(들)를 포함하며, 이는 NDS 분석 유닛(들)/엔진(들)/시스템(들)(때때로 NDS-ANALU 또는 유사하게는 NDS 분석/분석 유닛이라고 함)을 특징으로 할 수 있다. NDS 분석 유닛은 일반적으로 NDS의 유닛(들)/엔진(들) 및 NDS DR과 같은 NDS 메모리의 데이터를 분석하는 관련 메모리/프로세서 리소스로 구성된다. NDS는 임의의 적절한 유형(들)의 임의의 적절한 수의 분석 유닛(들)/엔진(들)을 포함할 수 있다. 양태들에서, NDS는 기본적으로, 일반적으로, 또는 단지 DR 데이터를 분석(수집 후)하는 적어도 하나의 분석 유닛을 포함한다. 양태들에서, NDS는 (예를 들어, 위와 아래에서 논의되는 SDP와 같은 입력 유닛의 일부로서) 수집 전 데이터를 분석하는 분석 유닛을 포함한다. NDS 분석에 의해 생성된 데이터를 NDS-분석 데이터("NDS-AD")라고 한다. 양태들에서, NDS-AD는 네트워크 컴포넌트, 예를 들어 MA 또는 기타 네트워크/NDS 컴포넌트에 전달될 수 있으며, 추가 분석 기능/방법의 기반이 될 수 있으므로, 더 높은 레벨의 NDS-AD, NDS의 컨트롤러 유닛(들)에 의해 수행된 제어 동작(예를 들어, MA 장치 기능의 제어) 또는 둘 다를 초래한다. NDS-AD는 조직화되거나 구조화된 "원시" MA-D 또는 NDS DR의 기타 입력, 저장된 데이터에 대한 분석 프로세스/알고리즘의 적용에 의해 생성된 데이터, 또는 둘 다를 포함할 수 있다. 양태들에서, 분석 기능은 NDS 메모리에 저장된 데이터에 스키마(들)를 적용한다. 예를 들어, NDS 분석 유닛은 MA/ONDI에 데이터를 전달하거나, 기능을 수행하거나, CT 시 NDS-AD에 적용되는 ~2개 이상, 5개 이상, 10개 이상, 20개 이상 또는 ~50개 이상의 서로 다른 스키마의 적용을 위한 명령어를 포함할 수 있다. 분석 유닛의 대부분의 프로세스는 예를 들어 NDS 입력 유닛(NDS-INPU) 또는 NDS 릴레이 유닛(NDS-RELAYU)에 의해 사용되는 I/O 바운드 프로세스와는 달리, CPU/프로세서 바운드 프로세스(드물게 입/출력(I/O) 요청/동작 생성)를 특징으로 할 수 있다. NDS 분석 유닛 엔진(들)/기능(들)은 일반적으로 네트워크 장치/인터페이스의 사용자에게 전달되는 하나 이상의 출력 형식을 생성/초래할 것이다. 이러한 출력에는 장치 또는 인터페이스에 디스플레이되는 데이터의 포맷 및 전달, 장치의 자동 동작을 위한 기계 제어 데이터, 알람/경고 명령어 또는 이들의 조합이 포함될 수 있다.
양태들에서, 하나 이상의 NDS 분석 유닛/엔진(들)은 동작 중에 조정할 수 없는 고정된 분석 유닛이다. 양태들에서, 하나 이상의 분석 유닛은 동작 중에 조정 가능하거나, 동작 중에 자동으로도 조정 가능하다. 양태들에서, 기계 학습은 고정 기능 분석 유닛을 형성하는 데 사용된다. 양태들에서, 기계 학습은 동작 중인 분석 유닛의 기능을 구동/형성하는 데 사용된다(예를 들어, 지도 또는 비지도 기계 학습은 피험자의 생리학적 상태 예측, 최상의 치료 과정 등과 같은 NDS 분석 유닛의 처리에 적용되거나 처리의 일부를 형성할 수 있음).
양태들에 따르면, NDS 분석 유닛/엔진의 일부인 것을 특징으로 할 수 있는 코드/CEI는 센서 데이터와 관련된 하나 이상의 경고/알람 조건 및 그 존재를 검출하기 위한 수단을 포함하며, NDS 분석 유닛은 예를 들어 MA-D, 분석에 의해 하나 이상의 알람 조건이 트리거되는지 여부를 결정하고, NDS는 알람이 MA에 등록하도록 하여 센서 데이터 및 허용된 사용자 옵션을 기반으로, MA/대상 또는 둘 다와 관련된 사용자와 관련된 장치/인터페이스로 전달되도록 한다.
양태들에서, MA-D는 MA-D의 동작 상태에 대한 정보를 포함하고, NDS 분석 유닛은 하나 이상의 분석을 수행할 때 MA-D의 동작 상태 정보를 평가한다.
양태들에서, MA는 시간 태깅, 예를 들어 데이터 그룹의 시간 또는 시퀀스를 나타내는 MA-D와 연관된 식별자를 포함하는 패킷을 중계한다. 양태들에서, MA는 이러한 시퀀싱 정보를 포함하는 데이터 패킷을 중계하고, NDS 분석 유닛은 캐시 데이터의 시간 컴포넌트(들)/속성(들)을 분석하기 위한 기능을 포함한다. 양태들에서, 캐시 데이터(MA-CD)의 시간 컴포넌트를 분석 시, NDS-ANALU는 비연대순으로 수신된 MA-CD를 다시 시퀀싱할 수 있다. 양태들에서, 이러한 재시퀀싱은 MA-CD를 연대순으로 정렬한다.
양태들에서, NDS 분석 유닛은 과거 MA-D, 현재/가까운 현재 MA-D 및 예측된 MA-D(NDS-AD)를 식별하기 위한 기능(예를 들어, 적용 가능한 타임 스탬프/코드로 데이터를 태깅)을 포함한다. 양태들에서, NDS 분석 유닛은 분석을 기반으로 1개 이상의 예측 기능을 수행하고, 예측 기능의 결과를 MA, 기타 네트워크 장치/인터페이스(ONDI) 또는 둘 다에 중계한다. 예를 들어, 현재 데이터는 초기 분석의 대상이 될 수 있는 반면, 과거 관련 윈도우로 스탬프 처리된 데이터는 거부되거나 DR 수집으로 직접 전달될 수 있다. 데이터 생성 시간, 릴레이 시간, 수정 시간 또는 임의의 CT는 다른 곳에서 예시된 바와 같이, DR 데이터에 대한 기능을 수행할 때 고려될 수도 있다.
실시예들에서, NDS 분석 유닛은 이벤트가 발생하는지 모니터링하고 이벤트 발생 시 분석을 재수행하고, 분석을 업데이트하고, 업데이트된 분석을 하나 이상의 MA 또는 하나 이상의 NDS 또는 네트워크 관련 사용자, 예를 들어 하나 이상의 다른 네트워크 장치/인터페이스(ONDI)에 보고하기 위한 CEI를 포함한다. 양태들에서, NDS 분석 유닛은 미리 설정된 경고 조건을 충족하는 데이터 패턴을 모니터링하기 위한 CEI를 포함하고, 데이터 패턴이 이러한 미리 설정된 경고 조건을 충족할 때, NDS 분석 유닛은 MA(들), ONDI(들) 또는 CT의 통지가 필요함을 시그널링하기 위한 CEI를 포함한다. 예를 들어, 이러한 경고 조건은 MA-D 패턴, NDS/네트워크 동작 패턴, 통신 패턴, 또는 NDS 분석 유닛에 의해 액세스할 수 있는 데이터가 관련된 본원에 설명된 시스템 내의 임의의 기능 요소에서 식별될 수 있다.
특정 실시예들에서, NDS 분석 유닛은 SAMD(software as a medical device)로 규제되는 1개 이상의 기능/엔진을 수행한다. 양태들에서, NDS 분석은 1개 이상의 SAMD 기능과 1개 이상의 비-SAMD 기능(들)(NSAMD 기능(들))을 수행한다. 양태들에서, NDS는 1개 이상의 SAMD 기능(또는 SAMD 이상 및 1개 이상의 NSAMD 기능)의 출력을 SAMD 및 NSAMD 기능의 해당 규제 상태를 반영하는 CEI에 따라 서로 다른 MA에 전달한다. 양태들에서, 1개 이상의 SAMD는 헬스 케어 제공자에게 진단 지침 또는 치료 지침을 제공하는 것을 포함한다. 일부 양태들에 따르면, 1개 이상의 SAMD는 하나 이상의 조건에 응답하여 MA의 동작 조건을 변경할 수 있다. 양태들에서, NSAMD 기능은 이러한 작업을 수행하지 않는다.
경우에 따라, 출력 애플리케이션(들)은 하나 이상의 규제 기관(예를 들어, 미국 FDA)에 의해 SaMD/SAMD(software as a medical device)로 규제되며, NDS 또는 방법의 동작은 하나 이상의 SaMD 애플리케이션이 MAC-DMS 메모리 유닛에 저장된 프로세서 판독 가능 명령어에 기록된 하나 이상의 규제 요구 사항을 준수하도록 보장하기 위해, 하나 이상의 데이터 변환, 데이터 큐레이션 프로세스, 데이터 유효성 검사 확인 또는 이들 중 임의의 또는 모두의 조합을 포함한다. 양태들에서, 이러한 NDS의 1개 이상의 출력 애플리케이션은 SaMD로 규제되지 않으며 NDS/방법의 동작은 규제 요구 사항(들)을 준수하기 위해 비SaMD 출력들(들)로부터 SaMD 출력(들)을 소팅(sort)한다.
NDS 분석 유닛에 의해 수행되는 여러 기능/방법에서, 다른 곳에서 설명된 바와 같이, 하나 이상의 데이터 변환(들)이 발생한다. 정형 데이터 변환은 예를 들어 SQL에서 수행될 수 있다. 반비정형 데이터 변환은 하나 이상의 쿼리 실행을 기반으로 데이터에 스키마를 적용하는 것을 포함할 수 있다.
적어도 하나의 NDS 분석 유닛(예를 들어, 대부분의 NDS 분석 기능을 수행하는 1차 NDS 분석 유닛)은 예를 들어 사용자, 프로세스 또는 둘 다가 DR 데이터에 대한 쿼리를 수행하도록 하는, 쿼리(검색 및 매칭) 유닛(들)/기능(들)을 포함할 수 있다. 쿼리 유닛은, 양태들에서, 다른 곳에 그리고 예를 들어, 제US10572221호, 제US6651054호, 제US5826260호, 제US10229166호, 제US10282472호, 제US7970791호에 설명된 바와 같이, 일치 레코드 순위 지정 방법과 조합하여 영숫자 데이터, 메타데이터(태그, 링크, 참조 등) 또는 둘 다를 사용할 수 있다. 쿼리 "적중(hit)"(결과)와 관련된 일치/순위화 방법은 사용자 입력, 사용자 선호도 또는 둘 다를 포함할 수 있다(이러한 방법의 예는 예를 들어 제US10387512호 및 제US7996392호에 설명되어 있음). 순위는 일반적으로 여러 순위 인자(들), 예를 들어, 키워드 의미, 컨텍스트 등, 일치하는 기록 콘텐트 품질 등의 평가를 포함할 것이며, 이는 종종 순위/매칭 알고리즘(들)/기능(들)에 의한 분석을 위한 가중치 부여 규칙으로 간주된다. 쿼리 프로세스(들)/유닛(들)은 일부 양태들/경우들에서 동의어 생성 방법을 사용하여 쿼리를 확장할 수 있다. 관련 원리 및 방법은 예를 들어, 제US7636714호, 제US8392413호, 제US10546012호, 제US20100082657호, 제US20100313258호, 제US20160253418호, 제US9361362호, 제US9489370호, 제US8832092호 및 제US8812541호에 설명되어 있다. 양태들에서, 쿼리는 빈발 조합 검출, 시스템 규칙, 또는 기타 적절한 방법(들)에 따라 소스 또는 소스(들)의 용어의 조합(용어 조합)으로부터 생성되는 검색/쿼리 요소(들)를 포함한다. 조합된 검색 용어 방법의 예는 예를 들어 제US20100138411호 및 제US20110184725호에 설명되어 있다. 양태들에서, 즉, 데이터 세트를 데이터 세트 요소로 분해하고 요소별로 비교되는 것을 통해(예를 들어, 키/값과 키/값 조합의 비교를 기반으로) 쿼리가 생성되거나 레코드가 일치한다. NDS 분석 유닛 또는 NDS 데이터 개선 유닛(data improvement unit; DIU)와 같은 그 컴포넌트/관련 유닛 또는 둘 다는 다양한 레벨(예를 들어, 종종 예상 구문, 공통 표현, 의미/NER 또는 CT에 대해 이러한 서로 다른 레벨(들)을 테스트하는 것과 함께, 단일 용어/구획 문자 레벨, 바이그램 레벨, 트라이그램 레벨 또는 더 높은 N그램 레벨 또는 CT)(예를 들어, 개별 토큰 해석 레벨에서 데이터를 "뉴(New)"(무시할 수 있음) 및 "요크(York)"로 평가하는 것과 비교하여 바이그램 토큰화를 통해 "뉴욕"을 특정 단계/도시로 식별)에서 토큰화 방법을 사용할 수 있다. NLP U/F(들)에 의해 수행되는 NLP 프로세스는 이기종의 입력 형태, 예를 들어, 비정형 입력을 해석하거나 해석하기 위해 수행될 수 있다. NLP 프로세스는 예를 들어 관련 용어 및 의미, 동의어, 구획 문자 및 기타 문법/구문 또는 포맷팅 규칙 등에 대해 훈련된 특수 SN(들), 예를 들어 SN(들)의 사용과 결합될 수 있다. 다양한 쿼리 관련 S(들)/F(들)의 중첩이 존재할 수 있다. 예를 들어, 일반적인 NLP 프로세스에는 단어 인식, 문장 세그먼트화, 필드 세그먼트화(예를 들어, 표 형식 데이터) 또는 단락 세그먼트화 형태의 토큰화가 포함된다. NLP 프로세스는 일반적으로 음성 인식의 일부(및 음성 태깅의 일부), 시제 인식/태깅 등을 더 포함한다. NLP 프로세스는 또한 일반적으로 입력/DS(들)에서 읽기 용어를 연결하고 (예를 들어, 종속성 파싱(예를 들어, 얕은 파싱/"청크"), 구문 식별, 단어 의미 명확화, 자연어 생성, 대용어 해소(coreference resolution), 감정 분류 및 개체명 인식(Named Entity Recognition; NER)에 의해) 단어 관계를 평가하는 기본 단어 형태를 찾기 위한 표제어 추출(lemmatization) 프로세스의 적용을 포함한다. 특정 용어에 대한 NER 프로세스는 특정 말뭉치/말뭉치들의 포함해야 할 수 있다. NLP 프로세스는 문장/문구/표현 형태론 또는 구문에 기반한 분석을 포함할 수 있으며, NER 프로세스는 이러한 의미론 또는 화용론과 같은 요인을 활용할 수 있다. 예시적인 NLP 프로세스에는 예를 들어 NLTK, WordNet, BERT(서브 단어 토큰) 모델 및 Python의 spaCy 라이브러리 리소스가 포함된다. NLP에서 하위 단어 토큰 방법(들)을 사용하면 어휘 부족(out of vocabulary; OOV) 해석 문제(들)를 검출 가능하게 줄이는 데 도움이 될 수 있다. NLP 프로세스는 또한 입력 프로세스, 예를 들어 NDS 입력 유닛에 의해 만들어진 명령어 수신, 질문에 대한 응답 등에 사용될 수 있다. 다른 NLP 프로세스 및 (예를 들어, 데이터 연결에서) 데이터 매칭과 관련된 프로세스는 본 개시의 다른 곳에서 제공된다.
쿼리 프로세스에는 어간 추출(stemming) 및 관련 방법, 예를 들어 매칭, 동의어 생성 또는 둘 다가 포함될 수 있다. 어간 추출은 접미사 제거, 접두사 제거 또는 둘 다가 포함될 수 있다. 포터 스템머(Porter Stemmer), 로빈스 스템머(Lovins Stemmer), 도슨 스템머(Dawson Stemmer), 크로베츠 스템머(Krovetz Stemmer), 제록스 스템머(Xerox Stemmer), N그램 스템머(N-gram Stemmer), 랭커스터 스템머(Lancaster Stemmer) 및 스노우볼 스템머(Snowball Stemmer)를 포함한 몇 가지 잘 알려진 어간 추출 알고리즘이 알려져 있고 사용할 수 있다. 표제어 추출 도구/리소스 및 원리가 알려져 있다(예를 들어, nltk.stem의 WordNetLemmatizer 기능 및 Python의 spaCy 라이브러리에 있는 Lemmatizer 클래스는 일반 영어 용어에 대한 NLP 표제어 추출 기능을 제공함). 쿼리 기능, 매칭 기능 또는 둘 다에 유용한 특수 시소러스(thesauruse)의 개발이 알려져 있다(예를 들어, 제US20100198821호 참조). 쿼리/매칭 프로세스에서 사용될 수 있는 문자열 매칭/어간 추출 단계는 퍼지(대략적인) 문자열 매칭 방법을 적용하는 것을 포함하며, 이는 알려지고 사용 가능한 도구/방법, 예를 들어 Levenshtein Distance 방법을 사용하는 방법, 예를 들어 Python FuzzyWuzzy 또는 fuzzymatcher 패키지/라이브러리의 기능(예를 들어, 비교 문자열의 최소 비율 설정)을 사용하는 방법을 사용하여 수행될 수 있다. 어간 추출 기능에 통합된 어간 추출 단계(들)의 수행에 적합한 문자열 어간 추출 방법도 알려져 있다. 양태들에서, 어간 추출 단계(들)에는 미리 프로그래밍된 룩업 테이블의 사용이 포함된다. 양태들에서, 어간 추출 단계(들)는 미리 프로그래밍된 접두사 제거 규칙, 접미사 제거 규칙, 표제어 추출 알고리즘, 어간 데이터베이스 매칭 알고리즘 또는 이들의 조합(예를 들어, 접사 제거)의 적용을 포함한다. 양태들에서, 어간 추출 단계(들)는 훈련된/훈련 가능한 확률론적 추계 알고리즘(들)의 적용을 포함한다. 양태들에서, 방법/NDS에서 사용되는 어간 추출, 매칭 또는 둘 다는 특정 정보, 예를 들어 특정 MA-D(예를 들어, 바이탈 사인 데이터)의 분석/사용을 포함하거나 요인화하기 위해 훈련된 규칙/입력을 포함한다. 양태들에서, 어간 추출 단계(들)/유닛(들), 매칭 단계(들)/유닛(들) 또는 둘 다는 ML 컴포넌트/방법(예를 들어, 지도(supervised) 학습 또는 지도 및 준지도(semi-supervised) 학습에 의해 훈련된 추계 알고리즘에 적용된 ML)을 포함한다. 양태들에서, 매칭 또는 어간 추출 기능은 문자열이 아닌 입력, 예를 들어 이미지, 값 등에도 적용된다. 문자열 매칭의 관점에서 설명된 본 개시의 임의의 부분은 이러한 다른 방법 또는 2개 이상의 이러한 서로 다른 유형의 데이터를 포함하는 더 넓은 클래스의 데이터 매칭/어간 추출의 적용을 위한 동시 지원을 제공하는 것으로 이해될 것이다. 매칭은 종종 예를 들어 키/값 쌍, 필드/레코드 쌍, 다른 스키마 또는 이들의 조합에서 데이터 포인트/데이터 세트를 기반으로 수행된다. 방법/NDS의 S(들)/F(들)에 적응할 수 있는 검색/매칭 기술 및 원리의 예는 예를 들어 제US10572221호, 제US10452764호, 제US8145654호, 제US6625615호 및 제US20160306868호에 설명되어 있으며, 여기에 인용된 참조문헌이 있다. 검색 S(들)/F(들)은 메타데이터, 예를 들어 검색 "태그"(예를 들어, 제US20140039877호, 제US7844587호, 제US20080270451호, 제US9305100호 및 제US20200097595호에 의해 예시됨)의 사용을 포함할 수 있다. 방법/NDS의 S(들)/F(들)에 적응할 수 있는 검색/매칭 기술 및 원리의 예는 예를 들어 제US10572221호, 제US10452764호, 제US8145654호, 제US6625615호 및 제US20160306868호에 설명되어 있으며, 여기에 인용된 참조문헌이 있다. 본 발명의 방법/NDS의 검색 S(들)/F(들)은 메타데이터, 예를 들어 검색 "태그"(예를 들어, 제US20140039877호, 제US7844587호, 제US20080270451호, 제US9305100호 및 제US20200097595호 등에 설명된 방법을 사용하는 것과 같이)의 사용을 포함할 수도 있다.
양태들에서, NDS 분석 유닛은 작업 스케줄링/프로세스 스케줄링 엔진/기능(작업 스케줄러 또는 프로세스 스케줄러)을 포함한다. 분석 유닛은 장기 또는 중기 스케줄링 방법을 사용하거나 주로 사용할 수 있는 반면, NDS 입력 유닛 또는 NDS 릴레이 유닛(NDS-RELAYU)는 종종, 주로, 일반적으로 또는 단지 단기(메모리 내) 스케줄링 프로세스를 기반으로 하는 작업 스케줄링 유닛(들)/기능(들)(U(들)/F(들))만 사용한다. 작업 프로세서 U/F는 필요한 경우(예를 들어, 단기 프로세스에서) 적용 가능한 프로세스를 위해 제어를 NDS 프로세서/분석 유닛에 제공하는 디스패처 컴포넌트/기능을 포함할 수 있다. 양태들에서, 작업 프로세서는 예를 들어 데이터 이벤트에 응답하여 컨텍스트 스위치/컨트롤을 포함한다. 작업 프로세서는 FIFO, 우선순위 스케줄링, 남은 최단 시간 스케줄링, 용량 스케줄링, 라운드 로빈(Round-robin) 스케줄링, 멀티레벨 큐 스케줄링, 공정한 스케줄링, 지연 스케줄링, 동적 비례 스케줄링 또는 리소스 인식 적응형 스케줄링(Resource-aware adaptive scheduling; RAS)을 포함한 임의의 하나 이상의 방법을 기반으로 스케줄링을 적용할 수 있다. 이러한 접근 방법의 예는 예를 들어 Seethalakshmi 등의 J Inform Tech Softw Eng 2018, 8:2, DOI: 10.4172/2175-7866.1000226에 설명되어 있다. 작업 스케줄은 양태들에서 스레딩(threading) 모델(예를 들어, 커널 레벨 스레딩)을 사용할 수 있다.
작업 스케줄링 프로세스는 설계 구조 행렬(design structure matrix; DSM) 작업 관리에 사용되는 다른 프레임워크의 컴포넌트일 수 있으며, 이는 NDS 프로세서의 유닛(들)/기능(들)에 의해 사용될 수 있으며, 예를 들어, 그 일 예는 MOMTH(Multi-Objective Scheduling Algorithm of Many Task in Hadoop)이다. Hadoop, Spark, Storm 및 Mesos는 단기 작업, 대규모 작업, 대화형 작업, 대규모/일괄 작업 및 보장된 용량 생산 작업을 스케줄링하기 위한 여러 알고리즘을 포함하는 매우 잘 알려진 프레임워크이다. 예를 들어 Mbarka Soualhia 등의 Task Scheduling in Big Data Platforms: A Systematic Literature Review, Journal of Systems and Software, Volume 134, 2017, 페이지 170-189, doi.org/10.1016/j.jss.2017.09.001을 참조한다. 기타 관련 방법/원리는 Paul Krzyzanowski "Process Scheduling: Who gets to run next?" at https://www.cs.rutgers.edu/~pxk/416/notes/07-scheduling.html (2014-02-19). 및 Tong Li; Dan Baumberger; Scott Hahn. "Efficient and Scalable Multiprocessor Fair Scheduling Using Distributed Weighted Round-Robin" http://happyli.org/tongli/papers/dwrr.pdf에 설명되어 있다.
7.
데이터 개선 엔진(들)/유닛(들)
양태들에서, NDS는 데이터 개선 유닛(들)(DIU(들))을 특징으로 하거나 해당 기능(들)을 수행할 수 있는 유닛을 포함한다. 양태들에서, NDS는 NDS 입력 유닛의 컴포넌트인 DIU를 포함한다(또는 NDS의 이러한 유닛은 중첩 기능을 포함함). 양태들에서, NDS는 데이터의 초기 수집 후에 동작하는 DIU를 포함한다. 양태들에서, 데이터 수집은 단계적 프로세스일 수 있다. 예를 들어, 양태들에서, 데이터 입력은 매우 제한된 변환 또는 구조 요구 사항/스크리닝을 따르지만, 초기 수집 후 이러한 데이터는 추가로 데이터의 제2 레벨 변환을 초래하는 DIU 프로세스의 적용을 받으며, 제2 레벨 변환 데이터는 제2 수집 프로세스에서 NDS DR에 저장된다. 양태들에서, 제2 레벨에서 수집된 데이터는 NDS-ANALU 프로세스(들)와 같은 NDS 프로세스의 적용을 받으며, 결과 NDS 분석 데이터(NDS-AD)는 일반적으로 이러한 NDS-AD에 대한 스키마(들)을 적용할 때 DR의 보다 구조화된 부분에 저장된다. NDS-DIU는 입력의 품질 또는 유용성을 개선하기 위한 기능(들), 예를 들어 이종의 데이터 조화, 입력 평가 및 유효성 검사/거부 등을 수행할 수 있다. 이러한 분석 프로세스에는 자동으로 수행되는 프로세스(예를 들어, DR 데이터에 적용된 기계 학습 프로세스) 또는 온디맨드(수동으로 트리거되는) 프로세스, 예를 들어 DR 데이터에 대한 데이터 쿼리(들)를 수행하는 것이 포함될 수 있다.
양태들에서, NDS는 데이터 조화 유닛(NDS-DHU)을 포함하거나 이로 동작하는 DIU를 포함하며, 이는 수신된 데이터의 특성을 평가하고, 이종의 데이터, 예를 들어 MA, SUMAD 및 비정형 또는 정형 MA-D, 또는 이들의 조합의 네트워크 내의 이기종 MA의 데이터를 조화시키는 기능을 적용하여, 이러한 데이터를 총체적으로 조인/비교/분석될 수 있다. 양태들에서, NDS는 또한 또는 대안으로 수신된 데이터가 NDS 분석 유닛에 의해 사용하기에 적합한지(예를 들어 즉시 사용이 승인되었는지) 또는 이러한 데이터가 하나 이상의 기능을 적용하여 사용하기 전에 데이터를 조화시키기 위한 수정이 필요한지를 평가할 수 있는 NDS-DHU를 포함한다. 양태들에서, NDS-DHU는 NDS 메모리의 MA-D가 NDS 분석 유닛에 의해 사용하도록 승인되었는지를 평가할 수 있다. 추가 실시예들에 따르면, NDS-DHU는 사용이 승인된 임의의 이러한 MA-D가 NDS 분석 유닛(들)에 의해 어떻게 사용되는지를 결정할 수 있다.
양태들에서, 처음 수신된 MA-D는 NDS에서 데이터 정리, 데이터 조화/포맷팅(블렌딩) 또는 둘 다의 대상이 된다. 이러한 기능은 예를 들어, 각 MA 또는 대부분의 또는 실질적으로 모든 MA로부터 수신된 초기 MA-D의 유효성 평가를 포함할 수 있다. 데이터 유효성 평가(들)는 예를 들어, 검출된 CI 데이터(예를 들어, 값 및 속성)가 확립된 규칙/제약 또는 원형에 기초한 예상 속성/값에 부합하는 정도를 측정하는 것을 포함할 수 있다. 양태들에서, NDS 분석 유닛 또는 또한 또는 대안으로 NDS-DHU는 분석 시 더 낮은 유효성 점수를 가진 데이터의 순위를 매기기거나, 유효하지 않은/관련이 없는 것으로 결정된 데이터를 제외하거나, 사용자에게 유효하지 않은 데이터를 경고하거나, 유효한 데이터를 제시하거나, 예를 들어 보유 및 제외된 데이터 둘 다를 보고할 수 있다. 양태들에서, DIU는 하나 이상의 태그 또는 다른 형태(들)의 메타데이터를 데이터에 적용(예를 들어, NDS 프로세스에서 관련 데이터 다운스트림을 처리하는 데 사용될 수 있는 하나 이상의 비계층적 데이터 세트(들)/포인트(들) 적용)한다. NDS-DIU는 또한 데이터 분류(예를 들어, 하나 이상의 데이터 레벨에서 쉽게 처리하기 위해 데이터를 대상 지향 데이터 세트, 예를 들어, 모든 MA-D 대 다른 입력, 각 MA-D 유형의 모든 MA-D, 이러한 MA에 의해 채용된 각 유형의 환자/절차와 관련된 모든 MA-D 등으로 그룹화)를 수행하기 위한 U(들)/F(들)를 포함할 수 있다. DIU는 또한 데이터 카테고리화 S(들)/F(들), 예를 들어 데이터 유형 또는 데이터 유형 및 데이터 분류를 기반으로 데이터를 그룹화할 수 있으며, 이는 예를 들어 저장 위치 또는 속성에 사용되거나 추가 메타데이터 애플리케이션/태깅의 기반으로 사용될 수 있다. 양태들에서, NDS-DIU는 데이터 분석, 변환 또는 둘 다를 수행할 때 상황에 맞는 처리 방법을 사용하며, 양태들에서 NDS-DIU의 메타데이터 적용은 상황에 따라 다르다. 양태들에서, 컨텍스트 메타데이터 DoS의 애플리케이션은 데이터 처리 애플리케이션, 예를 들어 데이터 마이닝을 용이하게 한다. 컨텍스트는 예를 들어 쿼리에 대한 동의어 생성, 레코드의 해석(예를 들어, 심혈관 MA와 관련된 입력의 "ha"를 "심장 마비"를 의미할 가능성이 있는 것으로 해석하는 것과 피부과 장치와 관련된 양태에서 "히알루론산(hyaluronic acid)"을 해석하는 것)에 적용될 수 있다. DIU/데이터 수집 동작을 수행하는 데 사용할 수 있는 시스템의 예에는 예를 들어, Apache Nifi, Elastic Logstash 등이 포함된다. 데이터 수집 시, NDS-DIU는 예를 들어 데이터를 카테고리화하거나, 데이터의 우선 순위를 지정하거나, 둘 다 수행하여 큐 처리를 적용할 수 있다. 양태들에서, NDS-DIU는 (예를 들어, 반비정형 데이터와 비정형/정형 데이터 간, 예를 들어, MA와 관련된 SUMAD와 MA와 관련된 쿼리 응답 데이터 간) 동적 데이터 레코드 링크를 포함할 수 있는 데이터 통합 링크의 기반으로 메타데이터, 시맨틱 라이브러리 또는 마스터 데이터를 사용할 수 있다. 양태들에서, DIU는 여러 자연어(예를 들어, 영어, 중국어, 일본어, 독일어, 프랑스어, 스페인어, 아랍어, 힌디어, 한국어 및 CT)의 입력을 번역하기 위해 NLP 방법을 사용한다. 예를 들어, 양태들에서 약 2개 이상, 3개 이상, 5개 이상, 10개 이상, 15개 이상 또는 약 20개 이상의 자연어(NL), NL 방언(예를 들어, 분격어 및 광동어), 또는 CT의 입력은 NDS에 제공되거나, NDS에 의해 생성되거나 둘 다를 할 수 있다(예를 들어, NDS는 스페인어와 영어, 일본어와 영어, 또는 독일어와 프랑스어로 출력을 중계할 수 있음).
양태들에서, NDS-DIU는 하나 이상의 데이터 정리 기능을 수행한다. 데이터 정리 유닛/기능/방법은 데이터 문제(예를 들어, 중복, 불완전, 부적절, 부정확 또는 관련 없는 데이터)를 검출하고 문제가 있는 데이터를 제거하거나 수정할 수 있다. 데이터 정리 방법에 의해 검출되거나 수정될 수 있는 일반적인 오류에는 공간 오류, 중복 오류/중복, 불일치 오류 또는 포맷팅 오류가 포함된다. 양태들에서, 데이터 정리 기능(Data Cleaning Function; DCF)은 분류 또는 명명법 오류를 검출하거나 수정한다. 양태들에서, NDS는 정의 또는 규칙 세트를 사용하여 불일치 오류 및 기타 유형의 데이터 손상 오류를 결정한다(예를 들어, 양태들에서 방법은 개발, 유지 관리 및 사전, 용어집 또는 전거 파일(authority file)의 적용을 포함함). 양태들에서, DCF는 엄격한 유효성 검사 규칙(들), 퍼지 유효성 검사 규칙(들) 또는 둘 다를 사용하는 것을 포함한다. 양태들에서, DCF는 1개 이상의 데이터 세트 특징(들)(DSF(들)) 또는 검증된 레코드 또는 DSF(들)와 DSF(들)가 있는 레코드를 교차 점검하는 것을 포함한다. 양태들에서, DCF는 구조적 오류, 예를 들어, 잘못된 속성, 잘못된 레이블 지정 등을 검출 및 해결한다. 다양한 데이터 정리 방법/알고리즘이 알려져 있으며, 이러한 단계/기능에 적용되거나 조정될 수 있다. 이러한 기능을 수행하기 위한 알려진 도구의 예에는 DCS++(Duplicate Count Strategy++), Dedup, PSNM(Progressive Sorted Neighborhood method) 및 InnWin(Innovative Window) 방법이 포함된다. 적용 가능하거나 적용 가능한 방법/접근 방법을 포함하는 알려진 데이터 정리 도구에는 IBM InfoSphere 서비스/제품, OpenRefine, Winpure, Trifacta Wrangler, Data Ladder의 DataMatch 컴포넌트, Quadient Data Cleaner 및 Salesforce의 Cloudingo가 포함된다. 양태들에서, 본 발명의 방법은 DCF(들)에서 MLM을 사용하는 것을 포함한다. 양태들에서, DCF(들)는 MA-D 또는 기타 예상되는 네트워크 장치 데이터(예를 들어, CMSS 데이터)의 분석/사용을 위해 훈련되거나 포함하는/요인화는 규칙 또는 입력을 포함한다.
양태들에서, NDS-DIU는 다양한 MA-D 또는 EMR/EHR 관련 메시징 표준(예를 들어, HL7 V2.x/v3(Health Level 7 International), CDA/CCD(Clinical Document Architecture/Continuity Of Care Document), ASTM(American Society for Testing Materials), DICOM(Digital Imaging and Communications in Medicine) 등) 및 다양한 표준 또는 프로토콜(예를 들어, 기업 간 문서 공유(cross-enterprise document sharing; XDS.A/B) 기업 간 문서 미디어 교환(cross-enterprise document media interchange; XDM) 기업 간 문서 신뢰할 수 있는 교환(cross-enterprise document reliable interchange; XDR), 환자 식별자 상호 참조/환자 인구 통계 쿼리(patient identifier cross-referencing/patient demographics query; PIX/PDQ) 환자 행정 관리(patient administration management; PAM), 기존 데이터 쿼리(query for existing data; QED), 처방약 프로그램에 대한 국가 자문(national counsel for prescription drug programs; NCPDP) 등)의 데이터를 조화시켜 이러한 이기종 입력의 조화를 가능하게 한다. 예를 들어, NDS-DIU는 NDS(예를 들어, ISO/IEEE 11073-10101 명명법 및 그 확장) 내에서 사용하기 위해 일부, 대부분의, 일반적으로 모든 또는 모든 입력을 일관되거나 호환 가능한 포맷으로 변환할 수 있다. 양태들에서, DIU는 예를 들어 데이터의 측정 단위(시간, 볼륨, 크기 등)를 변환하여 착신 시계열 데이터 또는 기타 입력의 스트림을 정규화한다. 양태들에서, 균일하지 않은 데이터는 조화(예를 들어, 몰 백분율을 중량 백분율로 변환, 볼륨을 중량으로 변환, 인치를 센티미터로 변환, 부피 또는 시간 단위를 대체 부피 또는 시간 단위로 변환 등)될 수 있다.
양태들에 따르면, 데이터, 데이터 그룹 또는 데이터 세트, 예: ~2개 이상, ~3개 이상, ~5개 이상, ~10개 이상, ~25개 이상, ~50개 이상, ~100개 이상, ~500개 이상, ~1000개 이상, ~5000개 이상 또는 심지어 ~10,000개 이상의 MA-D 조각, 그룹 또는 세트는 예를 들어 존재하는 값의 유형, 이러한 값의 단위 등을 결정하기 위해 예를 들어 NDS-DIU에서, 균일성 평가, 값 유형, 값 단위 등의 평가의 대상이 된다. 양태들에서, 무결성은 승인된(예를 들어, 즉시 승인되거나 조화된) 데이터, 일관된 데이터, 정확한 입력, 완전한 입력 중 2개 이상의 조합의 분석을 설명하는 데 사용될 수 있다. 양태들에서, 데이터 정리는 무결성 평가를 따른다.
양태들에 따르면, NDS DIU는 일반적으로 데이터 감사를 수행하여 규칙, 제약, 통계 분석 또는 임의의 이들의 조합을 사용하여 NDS 입력 유닛/착신 데이터 이상, 모순, 기타 오류 등을 평가한다.
양태들에서, NDS DIU는 하나 이상의 제약 조건을 적용하여 수용 가능한 데이터와 수용 불가능한 데이터 또는 수신 데이터로 수용 가능한 데이터와 수용 및 사용 전에 수정이 필요한 데이터를 평가할 수 있다. 양태들에서, 하나 이상의 제약 조건은 이에 제한되는 것은 아니나, 예를 들어 범위 제약(예를 들어, 수치 범위 또는 크기 순서(예를 들어, 볼륨 또는 속도) 내에 속하는 특정 속성의 값에 대한 기대, 또는 특정 세트(예를 들어, 예상되는 생리학적 측정과 일치하는 단위) 내에 속하는 공칭 값))를 포함할 수 있다. 규칙에 따라 날짜, 시간 및 기타 값(일반적으로 최대 및 최소 예상 값)에도 제약 사항이 적용될 수 있다. 양태들에서, NDS 입력은 필수 제약 조건(예를 들어, 필수 엔트리), 고유 제약 조건(특히 CI를 하나 이상의 정보 아이템과 식별/연관시키는 정보) 또는 둘 다의 대상이 될 수 있다. 양태들에서, 정규식 패턴 인식은 일반적으로 이러한 입력 인식에 사용된다. 양태들에서, 예를 들어, 특정 조건 세트를 충족하는 MA 또는 MA 유형 또는 MA로부터 세트로 수신된 데이터 전체에서 교차 필드 유효성 검사 방법이 사용될 수 있으며, 백분율을 나타내는 2개 이상의 데이터 필드와 같이 한 필드에서 다른 필드로 데이터를 상호 참조한다. 양태들에서, 입력의 ~5% 이상, ~10% 이상, ~15% 이상, ~25% 이상 또는 33% 이상과 같은 일부는 비정형 포맷이거나, 제약 조건이나 콘텐트 규칙/요구 사항이 적용되지 않거나, 둘 다이다.
실시예들에 따르면, NDS-DIU 또는 기타 NDS 컴포넌트는 특히 정보에 대한 필수 제한 규칙이 사용되는 경우 완전성 평가(evaluation)/평가(assessment)를 수행할 수 있다. 양태들에서, 평가 임계값은 정보, 예를 들어 MA-D 또는 분석이 활용되는지 여부와 방법을 결정할 것이다. 대안 양태들에서, 평가 점수는 이러한 데이터가 어떻게 사용되는지 또는 이러한 데이터가 변환되거나 제외되는지를 평가할 것이다.
양태들에서, NDS-DIU, NDS 입력 유닛 또는 NDS의 다른 양태는 하나 이상의 데이터 유형/소스의 입력 데이터 간 또는 시간 경과에 따른 입력의 소스(들) 내(예를 들어,단일 환자 치료 또는 평가 기간의 과정에 걸쳐) 일관성을 평가할 것이다. 일관성 측정은 예를 들어 규칙에 대한 매칭, 소스 간(예를 들어, 유사한 MA-D의 소스 간) 또는 둘 다에 의해 수행될 수 있다. 양태들에서, 일관성 분석은 측정치(이는 사용자에게 보고될 수 있으며, 컷오프 기능이 있는 알고리즘에 의해 사용됨 등)를 사용하여 수행된다. 양태들에서, DIU는 식별된 불일치 또는 기타 검출된 데이터 문제를 기반으로 일관성을 결정하고 행동(데이터 수정)하여, 예를 들어 사용자에게 문제를 알리거나 CEI 실행을 통해 구현된 확립된 규칙에 따라 데이터를 생략 또는 수정하기로 결정한다. 일부 실시예들에 따르면, 기계 학습(ML)을 DIU 프로세스에 적용하여 향상된 비교 또는 예측 평가와 같은 향상된 평가 또는 일관성 결정을 할 수 있다. ML 프로세스는 일반적으로 다른 곳에서 그리고 당업계에 설명되어 있다.
양태들에서, NDS-DIU는 하나, 일부, 대부분의, 일반적으로 모든 또는 모든 입력 유형의 일부, 대부분의, 일반적으로 모든 또는 모든 입력을 표준화한다. 표준화는 내부화된 데이터가 NDS가 인식하거나 허용하는 형태(예를 들어, 특정 반비정형 데이터 포맷 또는 최소 데이터 요구 사항을 포함하는 것으로 인식되는 데이터 포맷/레코드)(예를 들어, 직렬화 및 본원의 다른 곳에서 설명된 기타 표준화 방법을 통해)으로 표현되도록 하는 것을 포함한다. 표준화 프로세스의 일 예로, NDS에서는 성별을 남성, 여성, 기타로 표현해야 하지만, 외부 엔티티가 성별을 M, F 및 O로 표현하면, 표준화 프로세스에서 M, F 및 O를 남성, 여성 및 기타로 변환한다.
NDS-DIU는 데이터를 "마스터"하기 위해 입력/데이터에서 단계(들)/기능(들)을 수행할 수 있다. 데이터 마스터링은 특정 개인, 장치, 엔티티 등에 속하는 데이터가 해당 개인, 장치, 엔티티 등에 귀속될 수 있는 다양한 방식의 프로세스를 말한다. 일 예로서, 데이터 마스터링에는 Jonathan Jones와 Jon Jones에 귀속되는 데이터가 동일한 사람에게 속한다는 것을 인식하는 것이 포함될 수 있다. 마스터링 기능은 일련의 마스터된 ID 또는 맵에 마스터 데이터를 저장하는 것을 포함할 수 있다. 마스터 ID 또는 맵 스토리지는 실시간 또는 일괄/분석 환자별 데이터 분석 중에 액세스하여 참조된 사람, 장치, 엔티티 등에 대한 동의어와 함께 적용 가능한 알고리즘을 제공할 수 있다.
입력 데이터(입력) 및 수집된 데이터에는 정형 데이터와 비정형 데이터가 둘 다 포함될 수 있으며, 다양한 소비 모델에는 데이터 검색 소비 모델, 데이터 분석 소비 모델, 과학 애플리케이션 소비 모델 및 데이터 보고 소비 모델 등의 소비 모델이 포함될 수 있다. 일부 구현들에서, 하나 이상의 후기 단계 목적에 맞는 변환기는, 양태들에서, 데이터 정리, 데이터 매칭, 참조 프레임(Frame of Reference; FoR) 변환, 모델 매핑 및 데이터 분석을 위한 데이터 집계 등에 사용될 수 있다. 또한, 일부 구현들에서, 이러한 변환기는 데이터 저장소, 예를 들어, 데이터 레이크 내에서 원본 포맷의 데이터로 작업하도록 구성될 수 있다. 양태들에서, 변압기는 플러그인으로 구성될 수 있다.
NDS-DIU는 일반적으로 중복(리던던시) 검출 및 제거 기능(들)을 포함하여 레코드 크기를 최소화하고, 효율성을 향상시키는 등의 기능을 제공한다. 단, 이러한 기능(들)은 일반적으로 분산 시스템의 컴포넌트 장애에 대한 보호로서 미리 프로그래밍된 리던던시의 표준(들)과 균형을 이룬다. 이러한 기능(들)은 예를 들어 데이터가 마스터 데이터에 연결되는 경우와 같이 방법 프로세스에서 2회 이상 적용될 수 있다.
8.
데이터 모니터/대시보드
시스템/NDS는 하나 이상의 데이터 모니터(들)/대시보드(들)를 포함할 수 있다. NDS에 의해 생성된/포함된 데이터 모니터/대시보드는 NDS/네트워크에서 특정 데이터를 수집하고 네트워크 장치(들) 또는 기타 사용자 액세스 가능 인터페이스(들)에(예를 들어, 다양한 장치에서 액세스할 수 있는 다양한 웹 페이지에) 디스플레이되도록 적응/구성된 스키마/표현(들)을 생성하는 엔진(들)의 조합을 포함할 수 있다. 모니터/대시보드는 NDS/네트워크의 현재 성능 또는 수정 후 NDS/네트워크 동작의 개선과 같은 실행 가능한 분석에 대한 탐색 가능한 액세스를 사용자에게 제공할 수 있다. 양태들에서, 시스템/NDS는 하나 이상의 데이터베이스, 데이터 레이크 또는 둘 다와 같은 NDS의 데이터 저장소(들)로 수집되는 데이터를 기반으로 데이터 시각화 기능을 제공하는 대시보드/모니터를 포함한다. 양태들에서, 대시보드/모니터는 분석 데이터(NDS-AD), 쿼리 준비 데이터 등에 대한 데이터 시각화 기능을 제공한다. 양태들에서, NDS는 적어도 2개, 적어도 3개, 적어도 4개 또는 그 이상의 데이터 모니터 유닛/대시보드를 포함한다. 시스템에 입력되고 시스템을 통해 흐르는 스트리밍 데이터에 적용될 수 있는 데이터 대시보드/모니터의 예가 당업계에 알려져 있다. 예를 들어, Apache Kafka에 기초한 데이터 모니터/대시보드는 당업계에 알려져 있다. 이러한 라이브 모니터링 대시보드 중 하나는 Redash(이는 Tableau, Grafana 및 Apache Superset와 같은 기타 SQL 대시보드와 통합됨)이다. Microsoft Power BI 대시보드는 당업계에 알려진 데이터 모니터 유형의 또 다른 예이다. Power BI 대시보드는 푸시 데이터세트, 스트리밍 데이터세트 또는 PubSub 스트리밍 데이터세트를 기반으로 할 수 있다. Power BI 대시보드와 같은 대시보드는 스트림 분석 프로세서, 스트리밍 데이터 프로세서 또는 이벤트 핸들러의 출력이거나, 데이터베이스와 같은 데이터 저장소로의 수집 업스트림 프로세스일 수 있다. 양태들에서, NDS는 반복적으로(예를 들어, 1-20분마다, 예를 들어, 2-15분마다) MA 기능, 예를 들어 MA 전력 상태/기능을 모니터링하는 대시보드를 포함한다. 양태들에서, 모니터는 시간 경과, 이벤트 등에 대한 데이터 패턴의 분석을 제공하는 기능과 조정된다. 예를 들어, 분석 기능은 알람과 같은 시간/조건에 따른 이벤트를 모니터링하고, 피드백, 보고서 또는 이에 기반한 기능을 제공하는 것을 포함할 수 있다. 예를 들어, 네트워크의 일부의 경우, 시간 경과에 따라 알람 데이터를 수집하여 이벤트/조건 또는 패턴을 기반으로 패턴을 식별할 수 있다(예를 들어, 주말과 주중과 같은 시간에 더 많은 알람이 발생하면, 시스템에서 이러한 패턴을 식별할 수 있음). 양태들에서, 데이터 모니터 등을 통해, NDS는 일반적인 의학적 진단, NDS 분석 등을 통해 쉽게 결정할 수 없는 환자, 장치 또는 조합의 문제를 식별할 수 있다.
경우에 따라, NDS의 동작은 RDB에 저장된 데이터의 품질에 관한 표현(들) 생성, RDB 입력 또는 둘 다, 그리고 표현을 네트워크에 있는 하나 이상의 OND의 그래픽 사용자 인터페이스에(예를 들어, 하나 이상의 NDS 관리자 사용자와 연관된 OND에) 중계한다. 양태들에서, NDS는 2개 이상의 RDB를 포함할 수 있으며, NDS는 이러한 표현을 생성하기 위한 여러 유닛을 포함할 수 있다. 예를 들어, 양태들에서, NDS는 제2 RDB를 포함하고 동작은 제2 관계형 데이터베이스에 저장되거나 제2 관계형 데이터베이스에 들어가거나 또는 둘 다를 하는 데이터의 품질에 관한 표현을 생성하며, 이러한 표현을 네트워크에 있는 하나 이상의 OND의 그래픽 사용자 인터페이스에(예를 들어, 하나 이상의 NDS 관리자 사용자와 관련된 하나 이상의 OND에) 중계한다. 양태들에서, NDS의 동작은 또한 데이터 품질에 관한 임의의 이러한 그래픽 표현(데이터 모니터/대시보드 등)에 의해 표현되는 데이터 품질이 RDS에, 예를 들어 2개 이상의 RDB에 들어가거나 포함된 경우 MACMDS 메모리 유닛의 하나 이상의 명령어에 하나 이상의 수정 사항을 적용하는 결과를 초래한다.
9.
관계형 데이터베이스
양태들에서, NDS/시스템은 하나 이상의 데이터 레이크(들)/향상된 데이터 레이크(들)(DL(들)/EDL(들))와 같은 하나 이상의 다른 데이터 저장소 외에 하나 이상의 관계형 데이터베이스(relational database; "RDB")와 같은 하나 이상의 데이터베이스를 포함한다. 이러한 DR의 데이터베이스/특성과 관련된 양태들은 다른 곳에서 설명된다. 양태들에서, NDS는 적어도 하나의 DL/EDL 외에 적어도 두 개의 정형 데이터베이스를 포함한다. 일 예에서, NDS는 NDS 성능의 하나 이상의 요소를 포함하는 NDS 동작 데이터를 저장(예를 들어, NDS-AD의 생성, 데이터 저장소로의 데이터 수집, 네트워크로부터의 데이터 수신 등)하는 데이터베이스를 포함한다. 일 예에서, NDS는 또한 양태들에서, 쿼리 가능한 포맷의 NDS-AD, MA 데이터 또는 둘 다를 포함하는 데이터베이스를 포함한다(양태들에서 데이터는 대부분, 실질적으로 완전히, 본질적으로 완전히 또는 완전히 NDS의 임의의 다른 관계형 DB와 완전히 구별됨). 양태들에서, NDS는 관계형 데이터베이스에 저장하기 전에 중요하지 않은 데이터/메시지를 필터링/제거하는 유닛/기능을 포함한다.
양태들에서, NDS의 DR(들)은 (EDL 외에) 제1 관계형 데이터베이스를 포함하며, NDS의 동작은 (1) 분석 출력 데이터로부터 제1 정형 데이터세트 데이터를 생성하고 (II) 제1 정형 데이터세트 데이터를 제1 관계형 데이터베이스에 저장하며, (2) (a) DR(들)은 제2 관계형 데이터베이스를 포함하고 동작은 (3) 분석 데이터를 얻기 위해 EDL의 데이터에 대해 하나 이상의 분석 기능을 수행하는 것, (II) 선택적으로 제1 관계형 데이터베이스에 포함된 데이터와 결합하여 이러한 분석 데이터로부터 제2 정형 데이터세트 데이터를 생성하는 것, 및 (III) 제2 정형 데이터세트 데이터를 제2 RDB에 저장하는 것을 포함한다.
초기 분석 메모리(예를 들어, 시스템/네트워크 RAM), DL/EDL 및 1개 이상 또는 2개 이상의 RDB를 조합함으로써, 본 발명의 NDS는 다양한 데이터 기능을 제공하며, 시스템/네트워크 RAM에서 잠재적인 생명 보존/인명 구조 데이터의 거의 실시간 분석; 시스템/네트워크 RAM에서 또는 EDL에서 데이터 사용을 통한 생리학적 데이터 예측과 같은 거의 최신 출력 애플리케이션을 위한 빠른 데이터 생성(예를 들어, DOS 빠른 데이터 생성); EDL에서 반정형 데이터의 빠른 쿼리; 및 효율적(예를 들어, DOS가 더 효율적) RDB(들)에 저장된 데이터의 고차 분석과 같은 더 넓은 범위의 더 효과적인 기능을 제공한다.
10.
NDS 릴레이 엔진(들)/컴포넌트(들)/유닛
NDS는 일반적으로 네트워크의 일부, 대부분의, 일반적으로 모든 또는 모든 MA를 포함하고, 종종 다른 네트워크 장치/인터페이스(ONDI), 예를 들어, 연구 조직/클래스 MA 및 기타 장치, 임상 지원 조직/클래스 장치 또는 상용 클래스 장치/인터페이스 등도 포함하는 일부, 대부분의, 일반적으로 모든 또는 모든 네트워크 장치에 데이터를 중계하는 기능을 가질 것이며, 네트워크 통신은 임의의 적합한 통신 수단, 예를 들어 케이블에 의해 촉진되는 직접적인 물리적 통신, 무선 통신(예를 들어, 블루투스 통신), 또는 예를 들어 인터넷 또는 CT를 통한 통신을 통해 수행될 수 있다. 양태들에서, 이러한 통신은 대부분, 일반적으로, 또는 다른 곳에서 논의된 바와 같이 또는 당업계에 알려진 바와 같이 보안 통신으로서만 수행된다. NDS로부터 다른 네트워크 장치/인터페이스로 데이터를 전송하는 것과 관련된 물리적 컴포넌트, 엔진(들) 또는 둘 다는 릴레이 유닛(NDS-RELAYU 또는 NDS 릴레이)을 특징으로 할 수 있다.
다른 "유닛" 구성과 마찬가지로, NDS 릴레이 유닛의 요소는 분석 유닛(NDS-ANALU), NDS 프로세서(NDS-PROCU), NDS 메모리(NDS-MEMU) 등을 형성/일부를 형성하는 것으로 설명된 요소와 중첩될 수 있어서, "유닛" 구성은 때때로 항상 컴포넌트/특징 또는 엔진(들)의 개별/고유 세트에 해당하는 것이 아니라 단계(들)/기능(들)의 기능을 논의하기 위한 편리한 프레임워크로 가장 잘 이해된다. 용어에 대한 유사한 접근 방법이 당업계에 사용된다.
NDS 릴레이는 인터넷을 통해, 예를 들어, 암호화된 데이터를 통해, VPN 사용에 의해 또는 기타 데이터 보호 표준/방법을 통해 정보를 안전하게 중계한다. 양태들에서, 보안 정보는 인터넷을 통해 하나 이상의 MA에 개별적으로 또는 그룹 또는 그룹들로(예를 들어, IE의 로컬 네트워크에 있는 MA에 데이터를 중계하는 IE용 중앙 서버 또는 노드에) 전달/전송된다. 양태들에서, NDS-RELAYU에 의해 전송된 정보는 NDS 릴레이 통신을 식별하고 다른 승인되지 않은 입력을 차단하는 기능을 포함하는, MA 입력 유닛에 의해 수신된다. 양태들에서, NDS-RELAYU는 MA에 특정하거나, 해당 MA와 연관된 환자에 특정하거나, 또는 둘 다인 정보로서, 구체적으로 식별되고 MA 보안 유닛에 허용되도록 구성되는 하나 이상의 특정 유형인 정보를 각 MA에 전달, 예를 들어 전송/중계한다. NDS 릴레이는 NDS-AD(예를 들어, MA-D에 대한 MLM(들)의 적용으로부터 도출된 예측된 생리학적 데이터)를 MA들, ONDI들, 또는 둘 다로 전송/중계할 수 있다. NDS-RELAYU로부터 전송되는 다른 데이터는 NDS 가용성 정보, 소프트웨어/OS 업데이트 준비 정보 또는 컴포넌트 또는 CT를 포함할 수 있다. 양태들에서, NDS 릴레이로부터 MA-INPU로 전송되는 데이터는 대부분 생체인식 예측 데이터, MA의 명령어 또는 제어 제공, NDS 상태, MA 소프트웨어 버전 상태 또는 이들의 조합으로 구성되거나 본질적으로 구성된다. 특정 양태들에서, NDS-RELAYU/DDRU로부터 전송되도록 허용된 데이터는 소프트웨어 버전 상태 정보를 포함한다. 양태들에서, NDS를 사용하면 인터넷을 통해 일부, 대부분의 또는 모든 MA 소프트웨어의 업데이트를 허용한다. 양태들에서, NDS는 예를 들어 인터넷을 통한 일부, 대부분의 또는 모든 MA 소프트웨어의 업데이트를 방지하는 것을 허용하지 않는다. NDS 릴레이 유닛은 일반적으로 당업계에 알려진 서버 레벨 NIC 어댑터/컨트롤러/카드와 같은 네트워크 인터페이스 컨트롤러, 네트워크 어댑터를 포함할 것이다. NDS의 용량을 고려할 때, 이러한 NIC 컴포넌트는 예를 들어 기가비트 이더넷 NIC 컴포넌트(들), "스마트 NIC"(예를 들어, AWS 및 Azure 클라우드 서비스와 같은 주요 클라우드 컴퓨팅 플랫폼에서 사용되는 것과 같이, NIC의 다른 처리 기능과 독립적인 오프로드 용량을 서버 레벨 NIC에 제공하는 필드 프로그램 가능 게이트 어레이(field programmable gate array; FPGA)를 포함하는 것과 같은 처리 능력을 갖는 NIC 서비스)를 포함할 수 있다. 이러한 아키텍처는 NDS가 주요 클라우드 처리/저장 서비스와 관련하여 당업계에 알려진 로드 밸런싱, 데이터 암호화 또는 심층 패킷 검사와 같은 기능을 보다 효율적으로 수행하도록 한다. 양태들에서, NDS NIC 시스템은 다중 큐 NIC(들)를 포함하고, NIC 파티셔닝(NPAR, 포트 파티셔닝이라고도 함)(예를 들어, 알려진 SR-IOV 가상화 사용), TCP 오프로드 엔진 기술 또는 이들의 임의의 또는 모든 조합을 사용한다. 대안적인 양태들에서, NDS는 또한 Google 가상 NIC(gVNIC) 또는 오라클 클라우드 인프라(Oracle Cloud Infrastructure)와 같은 가상 네트워크 인터페이스를 포함한다/단지 포함한다.
양태들에서, NDS 릴레이 유닛은 데이터를 필터링하거나, 데이터를 분석하거나, 관련 데이터를 필터링 및 분석 둘 다를 할 수 있는 NDS 출력 처리 시스템을 포함할 수 있다. 양태들에서, 이러한 기능은 자동으로 적용되는 기능, 예를 들어 자동 데이터 필터링, 자동 데이터 분석 또는 둘 다일 수 있으며, 예를 들어 적절한 프로그래밍에 의해 촉진될 수 있다. 특정 실시예들에서, NDS 릴레이 유닛/프로세서는 MA-D, 분석(예를 들어, 하나 이상의 분석(들)의 결과) 또는 둘 모두를 자동으로 필터링하여 각 MA 및/또는 대안으로는 하나 이상의 다른 네트워크 장치로 전달한다.
양태들에서, NDS 데이터 릴레이 유닛은 MA-D, 분석(예를 들어, 분석(들)의 결과), 출력 애플리케이션 또는 이들의 조합을 포함하는 정보(출력)를 인터넷을 통해(예를 들어, 보안 인터넷 통신을 통해) 하나 이상의 다른 네트워크 장치/인터페이스(ONDI)로 안전하게 중계할 수 있다. 양태들에서, ONDI에 중계된 정보는 임의 개수의 IE와 연관된 복수의 MA(예를 들어, 임의 개수의 MA)로부터의 정보를 포함하거나, 2개 이상의 IE, 예를 들어 약 3개 이상, 약 4개 이상, 또는 약 5개, 약 10개, 약 15개, 약 20개, 약 25개, 약 30개, 약 35개, 약 40개 또는 약 50개 이상의 IE와 연관된 여러 MA로부터 수신된 MA-D로부터 도출된 데이터이다.
양태들에서, NDS 출력에는 출력 애플리케이션이 포함된다. 출력 애플리케이션에는 MA 동작, ONDI 동작 또는 둘 다의 양태(들)을 제어하기 위한 명령어가 포함될 수 있다. 양태들에서, 출력은 스키마 또는 그래픽 표현으로 데이터를 중계하는 것을 포함한다. 양태들에서, 출력은 MA/OND 클라이언트 장치/기계에서 실행되는 소프트웨어 애플리케이션의 전체 또는 일부를 포함한다. 이러한 NDS 지원/구현 소프트웨어 애플리케이션은 클라이언트 OND/MA 그래픽 디스플레이 유닛에 그래픽으로 데이터를 디스플레이하는 것, 관련 클라이언트 장치와 관련된 사용자 클래스에 맞춰진 다양한 데이터(예를 들어, 상용 클래스 사용자의 경우, PHI가 없는 MA 상태, 사용률 등의 집계; PHI를 포함하는 HCP의 경우 환자/기기별 데이터 연구반 사용자의 경우 연구 관련 정보)를 포함할 수 있다. 출력 애플리케이션은 종종 로컬 장치에 저장/생성된 저장된 요소(예를 들어, 애플리케이션의 그래픽 표현의 일부 또는 전체)와 결합하여 NDS로부터 데이터(예를 들어, 그래픽 표현 및 기타 데이터) 액세스를 통해 MA/ONDI에서 실행될 수 있다. 양태들에서, MA 또는 ONDI에서 실행되는 애플리케이션은 (알려진 바와 같이 기능을 모델, 뷰 및 컨트롤러 기능으로 나누어 정보가 사용자에게 표시되는 방식에서 정보 표현을 분리함으로써, 효율적인 코드 재사용 및 병렬 개발을 허용하는) 모델-뷰-컨트롤러(model-view-controller; MVC) 애플리케이션이다. 양태들에서, 이러한 애플리케이션은 웹 기반이며, 생성, 읽기, 업데이트, 삭제(create, read, update, delete; CRUD) 능력을 제공한다. 양태들에서, 이러한 능력을 통해 새로운 애플리케이션을 공통 애플리케이션 인프라에 구축할 수 있다(예를 들어, NDS 관리자 클래스 사용자에게 중계되는 애플리케이션의 경우). 출력 애플리케이션은 다양한 방식으로 OND/MA GUI를 나타낼 수 있다(예를 들어, 클라이언트 장치 실행 가능 코드, NDS 실행 가능 코드 또는 둘 모두를 포함하는 HTML과 JAVASCRIPT의 조합을 사용하여 GUI 표현을 생성). NDS는 이러한 표현(들)(환자 상태, 장치 상태 등과 같은 조건에 따라 2개 이상, 3개 이상, 5개 이상 또는 그 이상의 양태들에서)을 클라이언트 장치가 로컬로 정의된 모양과 느낌 파라미터, 미리 프로그래밍된 NDS 파라미터 또는 둘 다에 따라 화면/GUI에 디스플레이할 수 있도록 클라이언트 장치에 전송하거나 아니면 제공할 수 있다. 대안으로, GUI의 표현은 클라이언트 장치가 그래픽 출력을 직접 생성하는 데 사용할 수 있는 중간 형태(예를 들어, JAVA 바이트 코드)와 같은 다른 형태를 취할 수 있다. 버튼, 메뉴, 탭, 슬라이더, 체크박스, 토글 등과 같은 GUI 요소와의 사용자 상호작용은 이들의 "선택", "활성화" 또는 "작동"으로 지칭될 수 있다. 이러한 용어는 GUI 요소가 키보드, 포인팅 장치, 터치스크린 또는 다른 메커니즘을 통해 상호 작용되는지 여부에 관계없이 사용될 수 있다. 양태들에서, NDS의 컴포넌트는 수신된 데이터(MA-D 포함)를 ONDI에 디스플레이하기 위해 웹 페이지 또는 웹 애플리케이션 표현으로 구성한다. 이러한 표현은 하아퍼텍스트 마크업 언어(hypertext markup language; HTML), 확장 가능 마크업 언너(extensible markup language; XML) 등과 같은 마크업 언어의 형태를 취할 수 있다. 양태들에서, NDS 컴포넌트/유닛은 예를 들어, Perl, Python, PHP, ASP(Active Server Pages), JavaScript 등과 같은 다양한 유형의 컴퓨터식 스크립팅 언어를 실행하여 네트워크 클라이언트 장치 및 이러한 웹 페이지/표현과의 MA/OND 상호 작용에 대한 웹 페이지의 전달/표시를 용이하게 한다. Java와 같은 언어는 또한 네트워크 클라이언트 장치에서 웹 페이지 생성을 용이하게 하거나, 웹 애플리케이션 기능을 제공하거나, 둘 다 수행할 수 있다. 양태들에서, NDS 릴레이 유닛은 보안 인터넷 통신을 통해 출력(디스플레이 표현 또는 기타 데이터, 출력 애플리케이션 또는 둘 다)을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다에 전달한다. 출력은 (a) 분석 데이터 출력; (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II)다른 네트워크 장치 기능의 작동을 제어하는 명령을 포함하는 하나 이상의 출력 애플리케이션 또는 데이터 네트워크의 다른 네트워크 장치, 또는 (III) (I)과 (II) 둘 모두의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션; 또는 (c) (a)와 (b)의 조합을 포함할 수 있다.
NDS 릴레이 유닛은 이메일 또는 기타 통신 방법(예를 들어, SMS/텍스트)에 의한 보고, HTML/XML 파일 보고에 의한 보고, 또는 방법/NDS의 기능(들)에 액세스하고 네트워크 장치(예를 들어, 스마트폰) 또는 웹 액세스 가능 인터페이스의 GUI를 통해 결과를 디스플레이하는 검색/동작 애플리케이션 내의 보고를 포함하여 분석/출력 보고에 사용될 수 있는 임의의 적합한 형태를 사용할 수 있다. 결과 보고 시, S(들)/F(들)는 일반적으로 예를 들어, PHI 보호를 위해, 일반적으로 인증/액세스 레벨 정보(예를 들어, AM에 의해 생성됨)를 사용하여 PHI 또는 기타 기밀 정보가 NDS의 DR(들)로부터 데이터 소유권, 규제 요구 사항(예를 들어, GDPR, HIPAA 등) 또는 둘 다에 기반한 이러한 데이터를 볼 권한이 없는 사용자에게 부적절하게 방출되지 않도록 하기 위해, 기밀성 규칙(들), 알고리즘(들) 등에 대한 참조를 포함할 것이다.
일 양태에서, NDS 릴레이 유닛은 MA-D, NDS-AD 또는 둘 다를 사용자 역할(클래스)에 부분적으로 기반한 복수의 GUI 스키마/인터페이스에 전달한다. 양태들에서, 이러한 사용자 클래스는 연구 팀 구성원/조직(연구 클래스 사용자/ONDI), 상업 직원/에이전트(상업 클래스 또는 비즈니스 목적 사용자/ONDI) 및 관리자 클래스 사용자/조직(관리자 클래스 ONDI)을 포함한다. 양태들에서, 상업/BP 사용자/ONDI, 관리자 ONDI 또는 둘 다의 일부, 대부분, 일반적으로 모두 또는 모두는 NDS를 소유하거나 관리하는 엔티티(들)와 연관된다. 연구 클래스 사용자/ONDI는 NDS 소유자/운영자, 독립 엔티티(IE) 또는 둘 다와 연관될 수 있다. 양태들에서, 연구 클래스 ONDI/사용자의 일부, 대부분, 일반적으로 전부 또는 전부는 IE(NDS 소유자/관리자 엔티티(들)와 독립적인 엔티티)와 연관된다. 사용자/ONDI의 또 다른 가능한 클래스는 양태들에서 NDS 소유자/관리자와 관련된 임상 또는 의료 지원 팀(임상 지원 사용자/클래스/ONDI)이다. 사용자 및 ONDI는 (예를 들어, NDS 소유자의 고객, 예를 들어 NDS 소유자가 예를 들어 NDS에서 MA를 만들고 판매하는(즉, 사용하는) 회사인 경우) NDS 사용이 허가된 IE와 연관될 수 있다. ONDI 및 사용자 클래스는 다른 곳에서 더 자세히 설명된다.
네트워크 및 NDS(들)은 네트워크 컴포넌트, NDS 컴포넌트 또는 둘 다의 포인트(들)/노드(들)/컴포넌트(들) 사이에서 데이터를 전달하는 임의의 하나 이상의 유선 또는 무선 매체/매체들을 포함할 수 있다. 양태들에서, 유선 또는 무선 매체는 예를 들어 금속 도체 링크, 무선 주파수(RF) 통신 링크, 적외선(IR) 통신 링크, 광학 통신 링크 등을 제한 없이 포함할 수 있다. RF 통신 링크는 예를 들어 Wi-Fi, WiMAX, IEEE 802.11, DECT, 3G, 4G 또는 5G 셀룰러 표준, 블루투스 등을 포함할 수 있다. 통신(들) 링크는 예를 들어 VoIP(voice-over-Internet-Protocol) 라인, 셀룰러 네트워크 링크, 인터넷 프로토콜 링크 등을 포함할 수 있다. 인터넷 프로토콜은 애플리케이션 계층(예를 들어, BGP, DHCP, DNS, FTP, HTTP, IMAP, LDAP, MGCP, NNTP, NTP, POP, ONC/RPC, RTP, RTSP, RIP, SIP, SMTP, SNMP, SSH, Telnet, TLS/SSL, XMPP 등), 전송 계층(예를 들어, TCP, UDP, DCCP, SCTP, RSVP 등), 인터넷 계층(예를 들어, IPv4, IPv6, ICMP, ICMPv6, ECN , IGMP, IPsec 등) 및 링크 계층(예를 들어, ARP, NDP, OSPF, 터널(L2TP), PPP, MAC(이더넷, DSL, ISDN, FDDI 등) 등)을 포함할 수 있다.
NDS-RELAYU는 예를 들어 데이터 태깅/큐레이팅 기능, 직렬화/역직렬화 기능 및 단기(메모리 내) 분석 기능을 포함하여 입력 유닛에 포함된 유닛(들)/엔진(들)을 포함할 수 있다. NDS 릴레이 유닛은 일반적으로 다수의(예를 들어, 대규모) 병렬 프로세서 구조(들) 및 프레임워크(들), 예를 들어 다른 U/F(들)와 관련하여 다른 곳에서 설명된 것들을 사용할 것이다. NDS 릴레이 유닛은, 양태들에서, 또한 분산 처리 및 처리 기능, 예를 들어 큐잉, 작업 스케줄링 등을 사용할 수 있을 뿐만 아니라, 데이터 표시를 위해 데이터 필터링 및 데이터 구조/스키마를 사용할 수 있다(이러한 기능은 또한 NDS-AD 생성에서 분석 유닛에 의해 수행될 수 있음).
양태들에서, 출력 애플리케이션은 (a) 특정 의료 장치에 의해 수행되는 하나 이상의 치료 작업(예를 들어, MA가 장애의 증상(들) 또는 원인(들)을 치료하기 위해 MA 동작을 통해 생리학적 조건의 변화 또는 다른 물리적 조건의 변화에서 전형적인 환자를 초래하는 조건을 MA가 변경하게 함), (b) 특정 의료 장치에 의해 수행되는 하나 이상의 예방 작업(발병 위험 감소, 발병 시 중증도 감소, 발병 지연, 발병 예방 등을 위해 환자 조건을 변경하는 MA의 동작에 유사한 변경을 유발하게 하기 위해), 또는 (c) 특정 의료 장치에 의해 수행되는 하나 이상의 치료 작업 및 하나 이상의 예방 작업 둘 모두를 제어하기 위한 의료 장치별 명령어를 포함하고; (2) 특정 의료 장치가 하나 이상의 출력 애플리케이션을 수신하고, 해석하고, 실행하고; (3) 특정 의료 장치가 (예를 들어, 전술한 바와 같이) 수신된 하나 이상의 출력 애플리케이션에 기초하여 환자 케어의 하나 이상의 조건을 변경한다.
양태들에서, 출력 애플리케이션(들)의 생성은 (1) 하나 이상의 의료 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해 (I) 권장 의료 지침, (II) 의료 장치, 환자 또는 둘 다에 관련된 분석 데이터, 또는 (III) (I)와 (II) 둘 다를 포함하는 제1 표현을 생성하는 단계, (2) 하나 이상의 그래픽 사용자 인터페이스 상에 디스플레이하기 위해 하나 이상의 의료 장치에 제1 표현을 중계하는 단계, (3) 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해, 임의의 환자 보호 건강 정보가 없는 분석 데이터를 포함하는 제2 표현을 생성하는 단계, 및 (4) 하나 이상의 그래픽 사용자 인터페이스 상에 디스플레이하기 위해 하나 이상의 다른 네트워크 장치에 제2 표현을 중계하는 단계를 포함하며, 단계 (1)-(4)는 5분, 2분, 1분, 0.5분, 0.25분, 0.1분 미만, 2초 미만 또는 1초 이하 이내에 수행된다.
C. 기타 네트워크 장치/인터페이스 및 컴포넌트
MA 및 NDS 외에도, 네트워크는 다른 장치(OND)를 포함할 수 있으며 NDS는 다른 네트워크 장치 인터페이스(ONDI)에 데이터를 전달할 수 있으며, 어느 경우든 일반적으로 데이터를 수신하거나, NDS로 전송하거나 데이터를 송수신 둘 다 할 수 있다. ONDI는 MA의 HCP 운영자, MA 관리자 또는 MA 로컬/IE 네트워크 관리자, 및 NDS 관리자 외에 다른 클래스의 사용자와 연관될 수 있다. ONDI는 사용자 클래스에 따라 예를 들어 RNDI(연구 ONDI), BPNDI(비즈니스 목적/상업적 ONDI) 및 ANDI(관리 ONDI)로 그룹화될 수 있다.
양태들에서, ONDI는 NDS 소유자/운영자(SO) 지원 시스템(들)(SOSS(들))을 포함하며, NDS는 MA-D, NDS 분석 또는 둘 모두를 NDS 소유자/운영자 관련 네트워크 액세스 장치(SOANAD)에 전달한다. 이러한 지원 시스템(들)은 (a) NDS 분석가/관리자 장치/인터페이스, (b) 장치/인터페이스의 임상 지원 클래스(CONDI/CSONDI) 또는 둘 다를 포함할 수 있으며, 이는 종종 NDS 소유자/관리자와 연관된 사람에 의해 동작된다. NDS 분석가/관리자는 NDS 유지 보수, NDS 구성, NDS 관리, NDS 분석 등에 관여될 수 있으며, 관리 ONDI(ANDI/AONDI)를 통해 NDS에 액세스할 수 있다. ONDI/사용자의 추가 클래스에는 상업/비즈니스 목적(BP) 사용자/ONDI가 포함되며, 사용자 및 ONDI는 또한 NDS 소유자/관리자와 연관될 수 있다. BP-ONDI를 동작시키는 전문가에는 MA 영업 사원 및 상업 관리가 포함될 수 있다. 규제 요구 사항("RR")은 사람이 PHI에 액세스하는 것을 허용하지 않을 수 있으며, 따라서 BP-ONDI로의 데이터 전달에 대한 NDS 규칙은 이러한 ONDI가 이러한 데이터를 수신하거나 액세스하는 것을 제한한다. 양태들에서, ONDI는 스마트폰, 태블릿, 개인용 컴퓨터 등과 같은 실제 하드웨어 장치("OND")이다.
또 다른 ONDI/사용자는 연구 클래스 개인/조직에 속하며, 이러한 사용자는 연구 ONDI(RONDI/RNDI)와 연관된다. 일부, 대부분의, 일반적으로 모든 또는 모든 연구 클래스 사용자는, 양태들에서, 네트워크의 일부인 연구 MA를 가질 수도 있다. 연구 MA에는 실험적 성격의 MA(신규 MA, 제안된 개선된 MA 등), 임상 시험 또는 기타 실험에서 동작 중인 시판 MA, 또는 둘 다 포함될 수 있으며, 이는 연구원과 관련된 다른 유형의 ONDI(예를 들어, 연구 클래스 사용자 컴퓨터, 휴대폰 등)와 함께 또는 대안으로 존재할 수 있다. NDS는 일부, 대부분의, 일반적으로 모든 또는 모든 ONDI로부터 입력을 수신하고, NDS-AD 및 기타 데이터를 이러한 ONDI 장치/인터페이스로 중계하거나, 둘 다를 위한 특수 유닛(들)을 포함할 수 있다. 양태들에서, 네트워크에 있는 하나 이상의 ONDI는 예를 들어 서브 네트워크, 사용자 클래스 또는 둘 다에 기반한 ONDI의 1개 이상의 서브 모음(예를 들어, 특정 IE 또는 연구와 관련된 연구원 클래스; 특정 유형의 MA의 판매와 관련된 BP-ONDI 의 클래스; 등)을 포함할 수 있으며, 관련 데이터에는 이러한 사용자/데이터 소스의 이러한 서브 클래스에 대한 태그 또는 기타 식별자가 포함될 것이다.
양태들에서, NDS 관리자/분석가, 연구 클래스 사용자 또는 둘 다는 기계 학습 관리, 예를 들어 지도 기계 학습 방법에 참여할 수 있다. 임상 지원 사용자는 일반적으로 예를 들어, MA-D를 관찰하고, 이러한 MA-D를 기반으로 경고/알람을 수신하고, 일반적으로 표준, 프로토콜 등에 따라 식별되거나 해결되지 않은 모든 문제를 MA-D의 IE 소유자, 관련 HCP 등에게 알리는 데 있어 사용자에게 제2 레벨의 지원을 제공함으로써, MA에 의해 치료되는 피험자에 대한 모니터링 지원을 제공하는 사용자이다. 다른 소유자 관련 장치/인터페이스는 BP/상업 클래스 사용자(예를 들어, 영업 전문가, 의료 업무 전문가 등)와 연관될 수 있다. 소유자 관련 사용자, 특히 BP/상업 사용자는 일반적으로 PHI에 액세스할 수 없으며, 따라서 이러한 양태들에서 NDS는 일반적으로 이러한 소유자 관련 사용자가 PHI를 수신하지 않도록 필터, 큐레이션 방법 등을 사용한다. 데이터 태깅 및 매칭 방법은 이러한 기능(들)/엔진(들)에서 사용될 수 있다.
양태들에서, 네트워크는 상용 클래스 장치/인터페이스 네트워크, 예를 들어 하나 이상의 영업 담당자, 영업 관리자 또는 영업을 감독하는 기업 레벨 직원, 영업 사원 또는 영업 교육을 포함할 수 있으며, 이는 일반적으로 NDS 소유자와 관련된 사용자(예를 들어, 네트워크에서 MA의 영업사원)를 포함한다. 일 양태에 따르면, 사용자는 NDS 소유자/운영자(SO)를 대신하여 MA를 판매하거나 임대하는 영업 담당자를 포함한다. 양태들에서, 이러한 네트워크에 대한 통신은 훈련을 용이하게 할 수 있고, 영업 담당자와 하나 이상의 MA를 수용하는 독립 엔티티 간의 유익한 통신을 지원하거나, 예를 들어 영업 팀의 훈련을 지원하기 위해, 예를 들어 NDS 기능, NDS 경고, 집계된 NDS 데이터(예를 들어, NDS 성능, 기능 등과 관련됨) 또는 NDS 사용률에 대한 데이터를 제공하기 위해 데이터 그룹을 용이하게 하거나 지원할 수 있다. 일부 실시예들에서, NDS 또는 SOSS는 MA-D, 분석(NDS-Ad) 또는 둘 다를 고객 관계 관리(CRM) 시스템의 데이터와 결합할 수 있다. CRM 지원 시스템(CRMSS)의 데이터는 NDS에 직접 입력될 수 있으며, NDS-AD 등과 결합하여 상용 클래스 장치/인터페이스로 전달될 수 있다.
양태들에서, ONDI는 MA-D, 분석 또는 둘 다를 과학 연구원(scientific researcher; SR) 관련 네트워크 액세스 장치(SRANAD)와 관련된 네트워크 액세스 장치(network access device; NAD)에 전달하는 연구 플랫폼(research platform; RP)을 포함한다. 양태들에서, 일부, 대부분, 일반적으로 모든 또는 모든 SR 사용자는 고용 또는 유사한 소속을 통해(예를 들어, 1개 이상의 IE에 의해 고용됨으로써) SO와 연관되지 않는다. 양태들에서, NAD는 1개 이상의 SRANAD와 연관되며, SR은 SO와 연관된다. 양태들에서, 연구 클래스 사용자는 SO 관련 및 비-SO/IE 관련 사용자를 모두 포함하며, NDS는 연구 사용자 관련 MA 또는 기타 입력 또는 출력(예를 들어, 인터페이스)과 연구 사용자 관련을 연결하기 위한 데이터 태깅 또는 기타 데이터 식별 수단을 포함한다. 양태들에서, 이러한 플랫폼과의 통신은 NDS 훈련을 촉진하고, 추가 NDS 개발 노력을 돕고, 개발자에게 NDS 오류를 경고하고, 개발자에게 NDS 사용 레벨, 수요 및 데이터 흐름 패턴 등과 관련된 정보를 제공할 수 있다. 또한 또는 대안으로, 양태들에서, 이러한 플랫폼에 대한 통신은 SO 관련, SO 후원 또는 SO 독립 의료 연구를 촉진하거나, SO 관련, SO 후원 또는 SO 독립 임상 연구를 지원하거나, 기타 그러한 임상 데이터 그룹 관련 노력을 지원할 수 있다. 양태들에서, 이러한 ONDI와 공유되는 데이터는 미리 설정된 규칙(예를 들어, SO에 의해, 1개 이상의 개별 SR(들) 또는 SR(들)의 그룹에 의해 설정된 규칙, 이 설정한 규칙, 환자 동의, 계약, 합의, 과학적 프로토콜 등에 의해 설정되거나, 예를 들어 헬스 케어 준수 규칙에 의해 설정된 규칙)(예를 들어, 정부는 HIPAA 규칙, GDPR 규칙 등 개인 정보 보호 규칙을 부과했음)과 관련된 설정된 데이터 제어 메커니즘에 의해 제어 및/또는 관리된다. 양태들에서, NDS는 이러한 규칙 또는 이러한 규칙에 대한 액세스의 저장소 및 이러한 적용 가능한 PII/PHI 규칙을 모니터링하거나 정기적으로 업데이트하는 시스템을 포함한다.
양태들에서, 하나 이상의 다른 사용자 클래스/그룹은 임상 지원 장치/인터페이스와 관련된 임상 지원 그룹을 포함할 수 있으며, 이는 일반적으로 NDS로/로부터 특정 유형의 데이터를 전달하거나 수신할 수 있다. 양태들에서, 이러한 그룹과의 통신은 개선된 환자 케어를 용이하게 하며, 예를 들어 임상 지원 직원이 MA(들), MAG 소유자 등과 같은 위치에 있는 NDS와 1차 의료 제공자(들) 간의 통신에 참여할 수 있도록 한다. 양태들에서, 임상 지원 그룹과의 통신은 이러한 임상 지원 그룹이 예를 들어 데이터 해석을 지원하고, NDS 지표(들), 예를 들어, 알람(들) 등을 해석하도록 허용할 수 있다.
양태들에서, NDS는 전자 건강/의료 기록(EHR/EMR)으로부터 직접 데이터를 읽거나, MA-D, NDS 분석 또는 둘 모두를 전자 건강 기록(EHR)에 직접 쓸 수 있거나, 둘 다를 할 수 있는 기능 모듈/엔진/유닛을 포함한다. 양태들에서, NDS는 암호화, 데이터 큐레이션, 거버넌스 구역 애플리케이션 등을 통해 EMR/EHR 데이터에 대한 액세스를 HCP로 제한한다. EMR 및 EHR이라는 용어는 여기에서 대안적인 양태로서 서로에 대한 암시적 지원을 제공한다.
예시적인 양태들에서, 네트워크는 3개 이상, 5개 이상, 10개 이상, 20개 이상, 30개 이상, 50개 이상, 100개 이상, 200개 이상, 또는 500개 이상의 다른 네트워크 장치(OND)를 포함하고, 각각의 OND는 (I) (A) 처리 유닛, (B) 메모리 유닛, 및 (C) 원격 제어 가능 그래픽 사용자 인터페이스를 포함하며, (II) 적어도 하나의 사용자 클래스에 할당된 사용자와 연관되며, 사용자 클래스는 (A) 환자 보호 건강 정보에 액세스할 수 있는 권한이 있는 헬스 케어 제공자 및 (B) 환자 보호 건강 정보의 수신에 대한 제한을 받는 상업 사용자를 포함한다. NDS의 CEI는 PHI의 격리, 교정, 암호화 등을 제공하여 이러한 데이터가 상용 클래스 사용자 관련 ONDI로 전달되는 것을 방지한다. 양태들에서, NDS CEI에는 비환자별 집계 데이터 등을 사용하는 지침이 포함되어 있어, 상업 클래스 사용자는 총 사용량 데이터, 성능 데이터 등과 같이 상업 클래스 사용자(들)가 관심을 갖는 MA에 관한 유용하고 관련 있는 정보를 수신할 수 있다.
양태들에 따르면, MA-D는 위치 정보를 포함하며 NDS 릴레이/DDRU는 시설, 대도시, 주/지역, 국가 또는 IE를 기준으로 2개 이상의 ONDI 클래스에 동시에 정보를 중계한다. 일부 실시예들에서, MA 입력 유닛(들)은 임상 연구 애플리케이션(들)에서 MA를 사용하여 하나 이상의 연구 팀 및 IE로부터 도출된 입력을 간접적으로 수신한다.
양태들에서, NDS 프로세서는 MA-D, 분석(예를 들어, 1개 이상의 분석 결과) 또는 둘 모두를 자동으로 필터링할 수 있다. 양태들에서, NDS 프로세서는 1개 이상의 설정되거나 미리 정의된 규칙 또는 규칙 세트, 예를 들어, 기밀성과 관련된 규칙 또는 규칙 세트(예를 들어, 하나 이상의 개별 시설(들)에 의해 설정된 규칙, 계약 또는 합의에 의해 설정된 규칙 등) 또는 예를 들어 헬스 케어 준수 규칙(예를 들어, HIPAA 규칙, HI-TECH Act 규칙, GDPR 등 정부가 부과한 개인 정보 보호 규칙 등)에 따라 데이터를 필터링할 수 있으며, 이러한 필터링은 ONDI가 해당 역할에 적합한 데이터만 수신하도록 보장하는 데 사용할 수 있다. ONDI는 NDS로부터 출력을 수신하기 위해 임의의 적합한 하드웨어 장치(들), 소프트웨어 애플리케이션(들) 또는 둘 다를 포함할 수 있다. ONDI 사용자의 각 클래스는 일반적으로 규제 요구 사항을 준수하는 방식으로 ONDI 사용자 클래스에 맞게 특별히 조정된 하나 이상의 스키마 및 규칙 세트에 따라 데이터를 수신할 것이다. 다른 양태들에서, 이러한 사용자는 임의의 적절한 장치에서 검색할 수 있고, 웹 브라우저 애플리케이션(예를 들어, 모바일 폰, 태블릿 또는 랩톱 컴퓨터)을 지원하는 여러 장치 및 적절한 로그-인/보안 프로세스를 준수하는 이러한 여러 장치로부터 검색할 수 있는 웹 기반 인터페이스를 통해 NDS와 상호 작용할 수 있다. 따라서, ONDI 프로세스는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합(CT)으로 구현될 수 있다. ONDI 장치의 하드웨어는 예를 들어, 하나 이상의 애플리케이션별 집적 회로(ASIC), 디지털 신호 프로세스(DSP), 신경망 프로세서(NNP), 디지털 신호 처리 장치(DSPD), 프로그래밍 가능 로직 장치(PLD), 필드 프로그래밍 가능 게이트 어레이(FPGA), 프로세서, 컨트롤러, 마이크로컨트롤러, 마이크로프로세서, 전자 장치 또는 관련 단계/기능을 수행하기에 적합한 기타 전자 유닛/회로/컴포넌트를 포함할 수 있다. 펌웨어/소프트웨어 컴포넌트는 예를 들어, S(들)/F(들)를 수행하는 마이크로코드, 절차, 기능 등을 포함할 수 있다. 예를 들어, 프로그램 코드와 같은 CEI는 프로세서에 의해 실행되는 임의의 적합한 PTRCRM, 예를 들어 NTRCRM에 상주할 수 있다. ONDI 장치(예를 들어, 모바일 폰, 랩톱, 서버), 네트워크 및 액세스 가능한 프로세서 기능(예를 들어, 분산 컴퓨팅 환경에서)일 수 있는 컴퓨터(들)는 처리 기능(들) 및 데이터 메모리를 포함할 수 있으며 선택적으로 클라우드 기반 리소스 또는 NDS 리소스로 하나 또는 둘 다를 보완할 수 있다. 양태들에서, ONDI 컴퓨터 또는 컴퓨터 시스템에는 CPU, ROM, RAM, HD 및 I/O 장치(들)가 포함될 수 있다. I/O 장치는 예를 들어 키보드, 모니터, 프린터, 전자 포인팅 장치(예를 들어, 마우스, 트랙볼, 스타일러스, 터치 패드 등) 등을 포함할 수 있다. ROM, RAM 및 HD는 CPU에 의해 실행 가능한 컴퓨터 실행 가능 명령어를 저장하거나 CPU에 의해 실행 가능하도록 컴파일 또는 해석될 수 있는 것으로 알려진 NTCRM 메모리이다. PTRCRM 또는 NTCRM에는 휘발성 및 비휘발성 컴퓨터 메모리와 저장 장치, 예를 들어 랜덤 액세스 메모리, 읽기 전용 메모리, 하드 드라이브, 데이터 카트리지, 직접 액세스 저장 장치 어레이, 자기 테이프, 플로피 디스켓, 플래시 메모리 드라이브, 광학 데이터 저장 장치, 콤팩트 디스크 읽기 전용 메모리 및 기타 적절한 컴퓨터 메모리 및 데이터 저장 장치를 포함할 수 있다. NTCRM의 예에는 레지스터 메모리, 프로세서 캐시 및 ROM, 하드 드라이브(들) 및 ACT와 같은 전원에 의존하지 않는 메모리 매체가 포함된다. CRM 유형 중 어느 하나는 예를 들어, 데이터 카트리지, 데이터 백업 자기 테이프, 플로피 디스켓, 플래시 메모리 드라이브, 광학 데이터 저장 드라이브, CD-ROM, ROM, RAM, HD 등을 지칭할 수 있다. ONDI 장치는 장치(들)의 동작을 제어하는 데 사용되는 운영 체제(OS)를 저장, 동작 또는 저장 및 동작할 수 있다. OS는 당업계에 공지되어 있고, LINUX, WINDOWS, Apple iOS, 안드로이드, UNIX, SOLARIS 및 기타 적합한 플랫폼을 포함한다.
D. 시스템 동작 방법 및 관련 방법
본 발명은 즉, 의료 장치의 연결된 네트워크로부터 정보를 수집하기 위한 방법을 제공하며, 이는 (일반적으로 다른 IE에 의해 소유된 2개 이상의 MAG에서) 별도로 위치된 의료 장치(MA)의 네트워크에 액세스하는 단계 및 MA와 네트워크(예를 들어, SDWAN)를 형성하는 의료 장치 네트워크 데이터 관리 시스템(NDS)에서 MA로부터 전달되는 데이터를 수집하는 단계를 포함하며, 이러한 데이터는 주로, 일반적으로 또는 실질적으로 SMAD로 수집되지만, NDS는 또한 조건(들) 하에서 (예를 들어, MA와 NDS가 하나 또는 둘 다가 오프라인이기 때문에 통신에 실패한 경우) MA에 의해 수집되고 중계된 로컬 저장/캐시된 MA-D를 수신한다. 양태들에서, NDS에 의해 수신된 MA-D는 DL 또는 EDL DR에 저장된다. 양태들에서, 네트워크는 관련 클래스, 예를 들어, 연구 클래스, 임상 지원 클래스, 비즈니스 목적/상업 클래스 또는 이들의 조합의 사용자와 관련된 하나 이상의 다른 네트워크 장치/인터페이스(ONDI) 클래스를 포함한다. 양태들에서, NDS는 NDS-AD를 대부분의, 일반적으로 모든 또는 모든 이러한 다른 ONDI에 정기적으로 또는 이벤트에 따라 동시에 전송하지만, 이러한 ONDI 디스플레이된 데이터는 이러한 디스플레이에서 데이터를 제한하고 큐레이트하는 스키마/규칙(예를 들어, 상업 클래스 사용자로부터 PHI 보류)에 의해 서로 구별된다. 이러한 방법에 관여하는 MA, NDS 및 기타 네트워크 컴포넌트/NDS 컴포넌트는 컴포넌트를 가질 수 있고, 임의의 발명을 수행할 수 있으며, 이러한 요소와 관련하여 다른 곳에서 설명된 임의의 특성을 나타낼 수 있다. 일반적으로, 위에서 설명한 NDS 컴포넌트 중 어느 하나는 방법의 단계와 관련될 수 있다. 그러나, 본 발명의 양태를 더 명확하게 하기 위해, 방법 단계의 특정 양태 또는 NDS/방법의 특정 요소의 동작 특성이 다음 섹션에서 설명된다.
또한 본 개시의 이전 섹션들로부터 명백하게 되는 바와 같이, MA(장치) 레벨, NDS(시스템/MAC-DMS) 레벨 및 ONDI 레벨 모두에서 NDS의 동작에 포함될 수 있는 여러 단계가 있다. MA 레벨에서, 이러한 단계에는 대상 데이터의 감지 및 분석, 이러한 데이터를 NDS로 전송(직접적으로 또는 잠재적으로 간접적으로 MZMA에서)하고 NDS로부터 데이터/명령어를 수신하는 것이 포함된다. NDS 레벨에서, 단계는 일반적으로 (a) 데이터 입력/유입(예를 들어, SDP에 의해), (b)유입 데이터의 초기 분석 결정(예를 들어, SDP의 컴포넌트에 의해), (c) 초기 분석에 기반한 초기 동작의 수행, (d) NDS DR(예를 들어, EDL)로의 데이터 수집, (e) DR 데이터의 분석(자동으로, 온디맨드 또는 둘 다), 및 (f) DR 데이터의 NDS-AD에 기반한 동작의 수행(예를 들어, ONDI 디스플레이 변경, MA 디스플레이 변경, MA 컨트롤 변경 또는 CT)를 포함한다.
I. 시스템 입력/유입 방법 및 특성
본 발명의 방법은 MA, 전형적으로 다수의 MA(예를 들어, ~100개 이상, 1000개 이상, 5000개 이상 또는 ~10000개 이상의 MA)로부터 입력을 수신하는 것을 포함할 수 있으며, 이는 여러 다른 IE(예를 들어, 3개 이상, 5개 이상, 10개 이상, 20개 이상, 50개 이상 또는 ~100개 이상의 IE), 비슷한 개수의 서로 다른 위치(임의의 이러한 값의 +/- ~33%)와 연관될 수 있으며, 서로 다른 MA 유형(예를 들어, ECMO 및 심장 펌프 장치), 서로 다른 환자 유형 또는 임의의 CT를 포함한다. NDS에 대한 입력은 일반적으로 가용성이 높은 병렬 처리에 의해 처리된다. 양태들에서, 입력은 분산된 대규모 병렬 프로세서에 의해 처리되며, 이는 양태들에서 대부분 확장 가능한 클라우드 기반 프로세서를 포함하거나, 일반적으로 또는 완전히 확장 가능한 클라우드 기반 프로세서이다. 양태들에서, 방법에는 NDS의 1차 메모리/프로세서(예를 들어, SDP에서)와 별도의 메모리/프로세서에서와 같이 유입 시 또는 유입 직후에 수행되는 초기 분석 단계가 포함되어 경우에 따라 즉각적인 동작(들) 또는 출력이 발생한다. 양태들에서, 입력 방법에는 NDS DR 수집 후 대부분 또는 일반적으로 모든 RT/S 입력 데이터에 대한 데이터 큐잉 프로세스, 최소 변환 또는 구조 스크리닝, 또는 두 가지 모두의 적용이 포함된다. 양태들에서, 데이터는 적어도 초기에 DL 또는 EDL 구조를 포함하는 DR에 수집되고 대부분, 일반적으로 또는 실질적으로 유지된다. 방법의 다른 특정 양태가 아래에 논의되며, 이는 본 개시의 이러한 양태 및 다른 양태에 적용되거나 조합될 수 있다.
1.
시스템 데이터 보안
양태들에서, 방법은 NDS로부터 전송된 데이터를 보호하기 위해, 무단/악의적인 액세스 또는 CT로부터 NDS를 보호하기 위해 DR(들), 예를 들어 PHI의 기밀 정보의 기밀성을 보장하기 위한 데이터 변환 단계의 적용을 포함한다. 이러한 단계는 하나 이상의 암호화 적용, 방화벽 보호(예를 들어, 웹 애플리케이션 방화벽(들)을 포함) 또는 둘 다를 포함할 수 있다.
양태들에서, 보안 소켓 계층(Secure Sockets Layer; SSL) 프로토콜은 계약, 독점 또는 규제상의 이유에 기초하여 기밀로 유지되어야 하는 민감한/기밀 정보(SI)를 보호하는 데 사용될 수 있다. 양태들에서, 보안 채널 자바 애플릿 전송은 또한 SI를 보호하는 데 사용될 수 있다. 이러한 데이터 보호 방법에도 적용할 수 있는 데이터 암호화 알고리즘에는 예를 들어, RSA 데이터 보안 RC4, 데이터 암호화 표준(Data Encryption Standard; DES) 및 3DES(Triple DES)가 포함된다. 양태들에서, S(들)/F(들)는 데이터베이스 활동 모니터링(Database activity monitoring; DAM) 소프트웨어/도구를 사용하는 등의 SI 액세스, 사용 또는 전송 모니터링을 포함한다. NDS에 적용될 수 있는(또는 해당 컴포넌트가 NDS에 통합될 수 있는) 기타 상용 데이터 보안 도구의 예에는 소포스 서버용 인터셉트 X(Sophos Intercept X for Server), IBM 보안 가디엄(IBM Security Guardium), 오라클 오딧 볼트(Oracle Audit Vault) 및 데이터베이스 방화벽(Database Firewall), 임퍼바 데이터 보안(Imperva Data Security), 트렌드 마이크로 서버보호(Trend Micro ServerProtect) 및 SQL 보안(SQL Secure)이 포함된다. 양태들에서, 방화벽 기능은 사용자/엔티티 인증 레벨 등에 따라 달라질 수 있는 인증된 명령 목록을 포함한다. 방화벽 및 인증 특징, 예를 들어, IP 어드레스 평가 등은 또한 중복될 수 있으며, 비정상적인 정보 보고, NDS에 대한 공격 등도 가능하다. 양태들에서, SI가 포함된 엔진(들), DR(들) 또는 둘 모두는 데이터 큐레이션 규칙/방법에 의해 기타 DS(들)/유닛(들)로부터 세그먼트화된다. 일반적으로, 각 유형의 DS는 유형 식별자(들)를 포함하여 SI의 세그멘테이션 및 보호에 도움이 되는 1개 이상의 식별자로 식별된다. 일반적으로, NDS는 액세스 키, 정책, 프로토콜, 모니터링 방법(들) 또는 CT를 저장하는 키 관리 시스템을 포함하거나 구성할 수 있는 기밀 정보 모듈(confidential information module; CIM)을 포함할 것이다. 대부분 또는 모든 NDS 정보는 암호화된 상태로 저장될 수 있다. 지역별 저장 태그/규칙 등이 또한 적용되어 정보 액세스를 제한/제어하거나 검증할 수 있다. 양태들에서, NDS의 일부(들), 대부분의 또는 모든 컴포넌트는 인터넷 기반 외부(착신) 통신(들)을 수신할 능력이 없거나 수신 능력이 제한된 보안 네트워크에 상주한다. NDS는 양태들에서 여러 개의 격리된 서브 시스템을 포함할 수 있지만, 양태들에서 메시지 큐를 공유하거나 때로는 공유한다. 양태들에서, 데이터는 API 호출에 의해서만 NDS/방법으로부터 추출된다. NDS/방법에 적용할 수 있는 예를 들어, 암호화, 방화벽 등과 같은 네트워크/시스템에서 SI를 보호하기 위한 방법/기술의 다른 예는 예를 들어 제US10601593호, 제WO2001037152호, 제US8010791호, 제WO2013064565호, 제US6148342호, 제US10581605호, 제US20180300497호, 제US9436841호, 제US6148342호, 및 거기에 인용된 참조 문헌에 설명되어 있다. 기밀 정보 보호 방법은 다른 곳에서도 찾아볼 수 있다.
방법/NDS에 의해 사용되는 방화벽은 양태들에서 사설 네트워크에 대한 액세스를 선택적으로 허용하거나 거부함으로써 보안을 제공할 수 있다. 방화벽은 NAT, 프록시, 기타 장치(들)/기능(들) 또는 이러한 또는 유사한 시스템(들)/컴포넌트(들)/엔진(들) 중 2개 이상의 조합이거나/이를 포함하거나/이를 구현할 수 있다. 이러한 엔진(들)/장치(들)는 사설 네트워크의 장치로부터 무단의 착신 데이터와 무단의 착신 요청을 차단하거나 제한할 수 있다. 방화벽은 공용 네트워크로부터 방화벽 "뒤에 있는" 장치를 격리시켜 원치 않는 연결에 대한 보안을 제공할 수 있다. 방화벽은 또한 내부 컴퓨터가 외부 공개 사이트, 예를 들어 인터넷 상의 사이트에 액세스하는 방식을 제한할 수도 있다. 방화벽을 설정하는 한 가지 기술은 "인증된" 어드레스 목록을 유지하는 것이다. 원격 장치의 데이터 패킷에 포함된 어드레스 정보는 예를 들어 원본 소스가 목록에 있는지 확인하기 위해 적용 가능한 보안 방법/유닛에 의해 검사될 수 있다. 승인된 어드레스에서 오는 패킷만 통과할 수 있다. NDS는 또한 임의의 보안 관련 프로토콜, 예를 들어 SSL 또는 TLS 또는 이와 관련된 임의의 기능의 처리를 처리하기 위한 임의의 로직, 비즈니스 규칙, 기능 또는 동작을 포함할 수 있는 암호화 기능/엔진을 포함할 수 있다. 암호화 유닛은 예를 들어, 어플라이언스를 통해 통신되는 네트워크 패킷 또는 임의의 그 일부를 암호화 및 복호화하거나, 클라이언트를 대신하여 SSL 또는 TLS 연결을 설정하거나, 둘 다를 수행한다. 양태들에서, 암호화 유닛/기능은 터널링 프로토콜을 사용하여 MA/ONDI와 네트워크 NDS 사이에 VPN을 제공한다.
애플리케이션 방화벽은, 양태들에서, NDS/CIM의 규칙이나 정책에 따라 임의의 네트워크 통신을 검사하거나 분석하여 네트워크 패킷의 임의의 필드에 있는 임의의 기밀 정보를 식별할 수 있다. 실시예들에서, 애플리케이션 방화벽은 네트워크 통신에서 PHI/기밀 정보를 식별하고 이러한 네트워크 통신에 대해 정책 조치(예를 들어, 기밀 정보 재작성, 제거 또는 마스킹, 메시지 차단 등)을 취한다.
양태들에서, 프록시 서버(들)는 NDS/네트워크 아키텍처에 포함된다(예를 들어, NDS 방화벽(들) 뒤에 배치됨). 경우에 따라, 프록시 서버(들)는 당업계에 공지된 바와 같이 방화벽(들)을 "통해" 네트워크 클라이언트 장치(MA, OND 등)와의 통신 세션을 시작할 수 있다. 이러한 양태들에서, 방화벽(들)은 착신/발신 세션/통신을 지원하도록 특별히 구성될 필요가 없으므로, DOS는 프록시 서버 관리 통신(들)에 대한 통신 손실 위험을 줄인다.
양태들에서, 방법에는 또한 MA의 데이터가 무단 물리적 탬퍼링, 악의적인 인터넷 탬퍼링/액세스 또는 CT로부터 안전하도록 보장하기 위한 단계가 포함된다. 이러한 단계에는 다른 곳에서 논의된, 변조 방지 소프트웨어, 방화벽 보안, 인증 및 기타 물리적 변조 방지 메커니즘의 적용이 포함될 수 있다. 양태들에서, 방법(들)은 하나 이상의 구역이 상대적으로 제한되는, 예를 들어 직접적인 인터넷 상호 작용(예를 들어, 연결 또는 통신)이 없거나, 허용된 인터넷 데이터 교환이 극도로 제한되는(예를 들어,~ 10개 이하, 7개 이하, 5개 이하, 3개 이하의 허용된 트랜잭션 유형으로서, 이는 예를 들어, 제한 구역 컴포넌트 제어, 구역/MA 운영 체제 업데이트(그러나 일반적으로 로컬 사용자의 풀 요구에만 해당)로 제한될 수 있음) 또는 둘 다) MZMA의 사용을 포함한다.
2.
상태 및 동작 모드 데이터
양태들에서, NDS는 MA 동작 모드(들)나 기타 MA 관련 상태 정보(예를 들어, 장치 오작동)를 검출할 수 있다. MA 동작 모드 검출은 MA, 상황별 데이터 분석 또는 둘 다로부터 전송된 상태 데이터를 수신하여 수행될 수 있다. 예를 들어, 양태들에서, NDS는 비-임상 동작 모드에서 MA를 검출하고 예를 들어 연구 및 개발 또는 스케일러빌리티 테스트를 위한 이러한 기능을 사용할 수 있다. 양태들에서, 네트워크/NDS의 유지 관리는 NDS에 비-동작 상태 신호를 제공하고 이러한 테스트 MA/시뮬레이터 또는 현재 네트워크 데이터 로드에 추가된 이러한 테스트 MA/시뮬레이터로 동작시키기 위한 NDS의 능력을 평가하는 다수의 테스트 MA 또는 MA 시뮬레이터/시뮬레이션을 사용한 능력 테스트의 수행을 포함한다. 검출된 MA 모드에는 또한 MA의 적용 상태, 예를 들어 임상 연구에 참여하는 MA, 기본/기초 MA/네트워크 연구 또는 둘 다가 포함될 수 있다. MA 모드는 양태들에서 로컬 MA 수리/유지 관리 모드의 MA도 포함할 수 있다.
3.
데이터 변환 및 데이터 특성
본 발명의 방법의 단계는 하나 이상의 데이터 변환 프로세스를 포함할 수 있으며, 이는 장치 제어, 장치/인터페이스 디스플레이 상에 지침 디스플레이, 또는 기타 데이터 디스플레이 또는 데이터 제어 애플리케이션(예를 들어, 알람/경고 또는 보고서)을 초래할 수 있다. 데이터 변환은 데이터 수집 계층, (처리/분석을 위해 데이터가 스토리지에서 데이터 파이프라인으로 이동되는) 데이터 수집기/수집 계층, (예를 들어, 단계에 데이터 정리, 데이터 조화/포맷화, 또는 CT가 포함되는) 데이터 개선 계층, 데이터 처리/분석 계층(예를 들어, NDS 분석 유닛(NDS-ANALU)), 데(쿼리 프로세스 및 기타 집중적인 분석 애플리케이션이 발생하는 - 예를 들어 애플리케이션, 예를 들어, Apache Hive의 사용을 통해) 데이터 쿼리 계층, 또는 데이터 시각화/애플리케이션 계층에서 사용될 수 있다.
본 발명의 방법은 또한 언급된 바와 같이 RT/S 및 캐시된 데이터 둘 모두뿐만 아니라, 서로 다른 포맷의 데이터, 예를 들어 비정형 데이터, 반-비정형 데이터, 정형 데이터 또는 이들의 조합을 포함하는 다양한 서로 다른 특성을 갖는 데이터의 처리를 포함할 수 있다. 방법의 분석 단계는 또한 유사한 다양한 포맷으로 데이터를 생성하고 중계할 수 있다.
"정형 데이터"는 일반적으로 조직화된 데이터, 예를 들어 구조화된 배열로 미리 정의된 필드에 매핑된 데이터, 예를 들어 열/행 또는 필드/레코드로 구성된 데이터를 의미한다. 정형 데이터는 일반적으로 약 5개 이상, 6개 이상 또는 약 7개 이상의 데이터 관계를 포함하며, 종종 ~2 레벨 이상, 3 레벨 이상 또는 ~4 레벨 이상의 데이터 또는 데이터 유형 또는 데이터 변환 또는 특수 데이터(예를 들어, 여러 열(속성), 행(값) 및 탭; 레코드, 필드, 1차 키 및 쿼리가 포함된 테이블; 등)를 포함할 것이다. 정형 데이터는 일반적으로 관계형 데이터를 포함한다. 정형 데이터는 일반적으로 구조상 엄격한/고정된다. 비정형 데이터는 일반적으로 고도로 구조화되거나 구성된 포맷(예를 들어, 행-열 데이터베이스)에 포함될 수 없거나, 관련 데이터 모델이 없거나, 둘 다일 수 있는 데이터를 의미한다. 비정형 데이터 레코드의 예에는 웹 페이지, 텍스트 메시지, 이미지, 소셜 미디어 콘텐트, 문서, 녹음 등이 포함된다. 반-정형 데이터는 제한된 양의 정의 또는 일관된 특성/관계를 갖지만, 정형 데이터에서 예상되는 것처럼 복잡한 구조를 포함하지 않거나 엄격한 구조를 따르지 않는 데이터이다. 반-정형 데이터는 관계의 단순성, 데이터 콘텐트의 이기종성 또는 둘 다를 특징으로 할 수 있다. 반-정형 데이터 레코드의 일 예로는 제한된 개수의 구조(값/속성) 요소(발신자 이름, 수신자 이름, 전송 날짜 및 제목)를 가지지만, 일반적으로 대부분 구조화되지 않은(메시지의 1차 콘텐트에서) 이메일이 있다. 다른 예로는 XML, EDI, CSV, ORC, Parquet, TSV, HTML 및 OEM 문서/객체가 포함될 수 있다(그러나, 일부 CSV/TSV로 구분된 구조는 정형 데이터로 분류될 수 있거나/분류 가능할 수 있다. 비정형 데이터는 메타데이터를 적용하여 반-정형 데이터로 변환될 수 있다(예를 들어, 촬영 날짜, 촬영 위치, 사진 작가 또는 CT를 포함할 수 있지만, 주로 비정형 데이터인 비디오 또는 이미지 데이터의 경우). 반-정형 데이터 속성은 종종 일관성 있게 정렬되지 않는다. 단계/방법에서, 입력은 반-비정형 데이터, 예를 들어 SUMAD를 포함하거나, 주로 포함하거나, 일반적으로 구성된다. 양태들에서, 방법의 단계는 특정 반-비정형 포맷, 예를 들어 JSON 포맷으로 적어도 일부 유형, 예를 들어 MA-D의 일부, 대부분의 또는 일반적으로 모든 입력을 수신하는 단계를 포함한다. 양태들에서, 직렬화/역직렬화 단계는 유사하거나 특정 다른 포맷에 대해 수행되어 타겟 포맷(예를 들어, JSON 또는 Avro)으로 더 많은 데이터를 제공한다. 양태들에서, JSON으로 포맷화된 데이터 입력은 별도의 목록을 포함할 수 있다(예를 들어, 배킷(backet) 구분자 포함을 통해). 양태들에서, 각 JSON 또는 유사한 반-비정형 입력 파일에 대한 대부분, 일반적으로 모든 또는 실질적으로 모든 JSON 데이터는 일반적으로 데이터 반복이 없거나 실질적으로 전혀 없는 것을 나타낸다. 특정 방법에서, 방법(들)의 반-비정형 데이터 입력은 소스 세트, 예상 데이터 값 등으로 제한된다. 양태들에서, NDS 리소스는 입력에서 이러한 예상되는 키/값 및 유형 관계에 맞지 않는 데이터를 식별하려고 한다. 양태들에서, 정책은 SO 승인 및 NDS 수정 없이 다른 유형의 입력을 추가하는 것을 방지한다. 이러한 제한은 수집된 데이터의 반-비정형 특성에도 불구하고 NDS DR의 반-비정형 데이터를 기반으로 한 쿼리가 효과적이라는 것을 보장하는 반면, 입력의 반-비정형 특성은 입력 파일 크기가 작고 단순하다는 것을 보장하여, 양태들에서 DoS가 수집 시간을 줄인다. 방법은 예를 들어, 핵심 특징 추출, 감정 분석, 컨텍스트 분석 등과 같은 텍스트 분석 모델과 같은 SUMAD에 MLM을 적용하는 것을 포함할 수 있다. 양태들에서, 방법에는 비정형 및 반-정형 데이터, 예를 들어, MongoDB 또는 Aparavi를 처리하는 데 적응된 시스템의 사용이 포함된다. 양태들에서, 방법에는 비정형, 정형 및 반-비정형 데이터를 동시에 처리할 수 있는 시스템, 예를 들어 Aster Centerprise System 또는 Microsoft Azure 데이터 관리 시스템을 사용하는 것이 포함된다.
방법은 데이터 변환 단계의 일부로서 데이터에 메타데이터를 적용하는 것을 포함할 수 있다. 메타데이터는 일반적으로 "데이터에 관한 데이터"이거나 파일, 레코드, 데이터 세트, 청크, 스트림, 패킷 또는 기타 데이터 구조에 대한 정보를 제공하는 데이터이다. 메타데이터에는 소스 정보(예를 들어, 장치 식별자, 장치-엔티티 연관, 기기-위치 관계, 기기 유형 식별자, 피험자 식별자, 피험자 유형, 치료 방법, 관련 HCP(들)/사용자 또는 CT)가 포함될 수 있다. 메타데이터는 또한 또는 그렇지 않으면 구조적 메타데이터(예를 들어, 데이터 유형, 데이터 관계, 속성, 계층, 예상 범위/유형/유닛, 레벨 등), 관리 메타데이터(예를 들어, 권한, 생성 날짜, 업데이트 날짜, 업데이트 지침, 관리자 연락처 정보 등) 또는 참조 메타데이터(예를 들어, 데이터 획득 방법 - 예를 들어, RT/S MA-D, 캐시된 MA-CD, NDS-AD 또는 데이터 변환 방법, 예를 들어, 스키마 적용, 쿼리 결과, 애플리케이션 출력, 데이터 개선에 따른 수정, 예를 들어, 데이터 정리, MLM 결과 또는 임의의 CT 등)를 포함할 수 있다. 메타데이터에는 예를 들어, 액세스 제어 설명자, 법적 정의 설명자, 그리고 요약 및 집계된 정의가 포함될 수 있으며, 이는 데이터 레이크 또는 기타 데이터 저장소의 데이터에 대한 액세스를 제어하거나 검색 휴리스틱을 구동하는 데 사용될 수 있다. 추가로, 구현은 객체의 계통 정보, 시스템 출처, 프로세스 변환 또는 데이터에 적용된 특정 변환 버전에 대한 실질적으로 지속적인 추적을 기반으로 데이터를 자동으로 재보정, 개선, 수정 또는 재계산할 수 있다.
양태들에서, NDS에 의해 입력으로 수신된 하나 이상의 유형(또는 전체 데이터 입력)의 대부분의, 일반적으로 모든 또는 실질적으로 모든 데이터는 스트리밍 MA 데이터(SMAD) 또는 실시간 데이터(RT/S 데이터)이다. "스트리밍 데이터"는 일반적으로 데이터 스트림으로 전달되는 데이터를 말하여, 이는 일반적으로 바인딩되지 않고(알 수 없거나 무제한 크기), 지속적으로 업데이트되는(적어도 소스가 동작중이고 온라인인 동안) 데이터 세트이다. 방법은 스트리밍 데이터 프로세서(SDP) 및 데이터 스트림을 처리하기 위한 관련 방법, 예를 들어 스트림 파티션의 적용을 통해 스트림 데이터를 수신하고, 선택적으로 분석하고, 선택적으로 작용하고, 수집하는 것을 포함할 수 있다. 양태들에서, 방법은 데이터 레코드가 키-값 쌍으로 정의되는 스트림 파티션 생성에서 정렬되고, 재생 가능하며, 내결함성이 있는 불변의 데이터 레코드의 시퀀스의 생성을 포함한다. 프로세서 토폴로지는 데이터 처리의 양태의 계산 로직을 지칭한다. 스트림 처리 애플리케이션에서, 토폴로지는 예를 들어 스트림(에지)에 의해 연결된 스트림 프로세서(노드 또는 스트림 프로세서)의 그래프를 포함할 수 있다. 일반적으로 각 노드는 데이터를 변환 또는 수집하는 데 사용된다. 맵 또는 필터, 조인 및 집계와 같은 표준 동작은 스트림 프로세서에 의해 입력 기능/유닛의 일부로 수행된 기능의 예이다. 스트림은 상태 비저장일 수 있지만, 방법은 스트림을 상태 저장 데이터 레코드로 파티셔닝하는 것을 포함할 수 있다(조인, 집계 및 윈도우 기능 적용 및 내결함성 방법을 허용). 유닛(들)/기능(들)(타임스탬프 추출기)은 모든 스트림 도출 데이터 레코드에 타임스탬프를 적용할 수 있다. 집계 동작은 입력 스트림이나 테이블을 가져와 여러 입력 레코드를 단일 출력 레코드로 결합하여 예를 들어, 테이블과 같은 새로운 데이터 구조를 생성할 수 있다. 조인 동작은 데이터 레코드의 키를 기반으로 2개 이상의 입력 스트림 또는 테이블을 병합하고 새 스트림/테이블을 생성할 수 있다. 스트림 처리 방법에는 일반적으로 상태/위협 보고서/모니터링 데이터/출력, 추세 검출, 이벤트 검출 등을 포함하는 RT 모니터링 기능이 포함된다. 양태들에서, 방법은 대부분의 모든 또는 일반적으로 모든 데이터가 순서대로 처리되도록 보장하는 방법을 적용하는 것을 포함한다. 양태들에서, 방법은 잘못된 파티션이 올바른 파티션과 다시 연관될 수 있도록 충분한 시간을 제공하기 위한 F(들)/S(들)을 포함한다. 이러한 방법에는 1개 이상의 분석 레벨(예를 들어, 데이터 스트림 집계자로 분류될 수 있는 엔진(들)/컴포넌트(들)에 의해) 이전에, 파티션으로부터 데이터 모음이 생성되는 1개 이상의 데이터 사이클을 제공하는 것이 포함될 수 있다. 예를 들어, 일 양태에서, 파티션 데이터가 수집되는 경우, 제1 레벨의 조립된 데이터 모음에 초기 분석 방법이 사용되기 전에, 5초 이상, 7초 이상, 또는 8초 이상의 초기 데이터 수집 사이클이 사용되며, 추가 양태에서, 하나 이상의 애플리케이션(예를 들어, MLM 애플리케이션)에 의한 데이터 소비를 승인하기 전에 제1 레벨의 여러 모음인 초기 데이터세트를 포함하는 더 큰 제2 레벨 데이터 세트의 조립의 경우 더 긴 기간, 예를 들어, 1분 이상, 2분 이상, 3분 이상, 또는 15분 이상이 사용된다. 양태들에서, 제1 레벨 데이터 세트는 제2 레벨 데이터 세트의 구성에서 지속적으로 평가되며, 오류가 감지되어 제2 데이터 사이클 동안 수정될 수 없는 경우, 원래의 제2 사이클 윈도우/기간에 수집되었을 데이터의 일부 또는 전부를 손실하지 않고 제2 데이터 주기가 다시 시작될 수 있다. 이러한 방법은 또한 수집된 RT/S 데이터에 대한 일괄 처리와 함께 스트리밍/RT 수집을 특징으로 할 수 있는 프로세스 조합의 사용을 보여준다. 양태들에서, 방법은 제1 데이터 사이클 시간에 걸쳐 수집되어 제1 분석의 대상이 되는 제1 데이터 집계, 및 제2 데이터 사이클 시간 동안 수집되고 1차 집계 데이터를 모음을 포함하고 추가로 제2 분석의 대상이 되는 제2 집계에서 스트리밍 MA-D("SMAD")를 수집하는 단계를 포함하며, 제2 집계를 수집하기 위한 데이터 사이클 시간은 제1 데이터 사이클 시간의 5배 이상의 시간, 10배 이상의 시간 또는 25배 이상의 시간이고; 제1 분석 및 제2 분석은 다르고; 제2 분석은 제1 프로세스보다 데이터 집약적이거나, 처리 집약적이거나, 둘 다이며; 방법은 제2 집계에 포함되기 위한 적합성에 대해 각각의 제1 집계를 평가하는 단계 및 제2 집계의 완료 전에 제1 집계가 적합하지 않은 것으로 결정될 때 임의의 제2 데이터 사이클을 재설정하는 단계를 더 포함한다. 양태들에서, 이러한 방법은 대부분, 일반적으로 또는 NDS DR에 수집된 후 SMAD 도출 데이터에 대해서만 수행된다.
SDP에 의해 수행되는 초기 분석의 일부로 수행되는 스트리밍 쿼리는 예를 들어 마이크로 일괄 처리 엔진을 사용하여 처리될 수 있으며, 이 마이크로 일괄 처리 엔진은 데이터 스트림을 일련의 소규모 일괄 작업으로 처리하여 종단 간 레이턴시를 약 1-500, 1-250 또는 약 1-100밀리초이며 정확히 한 번의 내결함성이 보장된다. 이벤트 허브, IoT 허브, Azure Data Lake Storage Gen2 및 Blob Storage는 데이터 스트림 입력 소스로 지원된다. Kafka Streams 및 유사한 프레임워크는 스트리밍 데이터 입력 및 관련 프로세스를 처리하도록 설계된다. Event Hubs는 여러 장치 및 서비스, 예를 들어 네트워크로부터 이벤트 스트림을 수집하는 데 사용된다. Blob Storage는 벌크 데이터를 MA로부터 중계되는 로그 파일과 같은 스트림으로 수집하기 위한 입력 소스로 사용될 수 있다. 장치, 센서, 애플리케이션, 웹 사이트 및 기타 데이터 소스로부터 스트리밍되는 고속 데이터를 수집하고 해당 데이터를 실시간으로 분석하기 위한 클라우드 기반 서비스인 Azure Stream Analytics는 방법에서 일부, 대부분의 또는 일반적으로 모든 스트리밍 데이터 입력 또는 분석 프로세스를 수행하는 데 사용될 수 있다. 양태들에서, 이러한 플랫폼 또는 기타 방법은 이상 현상이나 관심 정보를 위해 착신 데이터를 분석한다(예를 들어, 환자 상태의 변화를 나타내는 스트리밍 데이터로서, 이는 응급 상황을 알리거나 생명을 위협하는 상태의 발병을 방지하기 위해 애플리케이션 변경이 필요하며, 이는 NDS가 경고/알람 또는 치료 컴포넌트 지침 또는 제어 데이터를 전송하도록 트리거할 수 있음).
양태들에서, 스트리밍 분석 서비스/유닛(SDP 또는 그 컴포넌트)은 약 1MB/초 - 약 50MB/초의 처리량으로 동작한다. 양태들에서, 스트리밍 데이터 흐름(들)이 또한 수신되어, 초기에 처리(초기에 변환, 분석, 큐레이트 또는 CT)되고, 저장되며, 양태들에서 본원의 다른 곳에서 논의되는 바와 같이, RT로 간주되는 기간에 1개 이상의 측면에서 적용된다. 양태들에서, NDS 능력 및 프로세스는 데이터 수집, 변환, 적용 또는 중계 프로세스 또는 이들의 조합이 낮은 레이턴시(예를 들어, ~0.0001 - 100초, 0.0001-50초, 0.0001-10초 사이 또는 ~0.0001-1초 사이, 또는 본원에 제공된 다른 측정)와 연관되고 대부분의, 일반적으로 모든 또는 실질적으로 모든 동작 기간에서 평균적으로 또는 둘 다 달성되고 유지되며, 이는 또한 또는 대안으로 프로세스를 RT로 특성화할 수 있다. 양태들에서, 스트리밍 특성화는 일반적으로 대부분의, 일반적으로 모든 또는 실질적으로 모든 네트워크 장치로부터의 실질적으로 지속적인 데이터 흐름에 의해 일반적으로 항상 또는 실질적으로 항상 지원된다. 양태들에서, RT 시스템은 레이턴시가 예를 들어, ~0.5-10초인 "소프트" RT 시스템, 또는 시간의 일부, 대부분 또는 전부가 사용될 수 있는 ~0.001-0.1초 또는 ~0.001-0.1 초의 범위의 평균/대부분의 레이턴시를 갖는 "하드" RT 시스템을 특징으로 할 수 있다.
본 발명의 방법은 이러한 데이터가 NDS DR(수집)에 커밋되기 전에, RT/S 데이터에 대해 적어도 일부 데이터 변환, 적어도 일부 데이터 분석, 적어도 일부 데이터 적용 또는 CT를 수행하는 단계를 포함할 수 있다. 본원에 설명된 다른 방법 외에, 스트림 처리 방법은 해당 유닛 간의 할당, 동기화 또는 통신을 명시적으로 관리하지 않고, 그래픽 처리 유닛의 부동 소수점 유닛 또는 필드 프로그램 가능 게이트 어레이(FPGA)와 같은 여러 계산 유닛을 사용할 수 있다. 양태들에서, 일련의 동작(커널 기능)이 스트림의 각 요소에 적용된다. 커널 기능은 일반적으로 파이프라인화되며, 외부 메모리 상호 작용과 관련된 대역폭 손실을 최소화하기 위해 최적의 로컬 온칩 메모리 재사용이 시도된다. 커널 기능이 스트림의 모든 요소에 적용되는 균일한 스트리밍이 일반적이다. 스트림 처리 하드웨어는 예를 들어 종속성이 알려지면 직접 메모리 액세스(direct memory access; DMA)를 시작하기 위해 스코어보딩을 사용할 수 있다. 수동 DMA 관리를 제거하면 소프트웨어 복잡성이 줄어들고, 하드웨어 캐시 I/O에 대한 관련 제거로 산술 로직 유닛과 같은 특수 계산 유닛에 의한 서비스와 관련된 데이터 영역 확장을 줄일 수 있다. 스트림 프로세서에는 일반적으로 빠르고 효율적인 메모리 버스(예를 들어, 크로스바 스위치 또는 다중 버스, 예를 들어, 128비트 또는 256비트 크로스바 스위치 매트릭스(4개 또는 2개의 세그먼트))가 장착되어 있다. 파이프라이닝은 스트림 프로세서에서 매우 광범위하고 많이 사용되는 방식으로, 200 단계를 초과하는 파이프라인을 특징으로 하는 GPU가 방법에 적용/사용될 수 있다. 설정 전환을 위한 "비용"은 수정되는 설정에 따라 달라진다. 파이프라인의 다양한 레벨에서 비용/부담을 피하기 위해, 방법에 적용될 수 있는 "ber 셰이더" 및 "텍스처 아틀라스"와 같은 많은 기술이 배치될 수 있다. 스트림 처리 데이터는 데이터 스트림을 수집하고 이들을 짧은 응답 시간과 데이터 손실 없이 처리할 수 있는 이벤트 스트림 프로세서(event stream processor; ESP)라는 시스템/컴포넌트에 의해 보관/처리될 수 있다. 스트리밍 이벤트 데이터는 예를 들어 MA 위치 데이터를 NDS로 보낼 수 있는 비콘에 의해 생성될 수 있다.
스트림 프로그래밍 언어/프레임워크/시스템의 비-상용 예로는 Ateji PX Free Edition이 포함되어 있으며, 세인트 루이즈 소재의 워싱턴 대학의 스트림 기반 슈퍼컴퓨팅 연구소에서 JVM Auto-Pipe의 MapReduce 알고리즘, 액터 모델 및 스트림 프로그래밍의 간단한 표현을 가능하게 하며, ACOTES 프로그래밍 모델: 카탈로니아 폴리테크닉 대학의 언어, 스탠포드의 Brook 언어, RaftLib - 원래 세인트루이스에 있는 워싱턴 대학의 Stream Based Supercomputing Lab에서 제공되는 오픈 소스 C++ 스트림 처리 템플릿 라이브러리, MIT의 StreamIt 및 WaveScript 또한 MIT의 기능적 스트림 처리이다. 상용 구현에는 MATLAB용 GPU 엔진 상용화인 AccelerEyes' Jacket, IBM Spade - Stream Processing Application Declarative Engine(SPAED: 시스템 S 선언적 스트림 처리 엔진 참조), Sh(Intel에 인수됨)의 상용화인 RapidMind, Nvidia의 CUDA(Compute Unified Device Architecture), Apache Kafka, Apache Storm, Apache Apex, Apache Spark Streaming, Apache Flink, Apache Flume, Amazon Web Services - Kinesis, Kinesis Streams 및 Amazon Firehose, Google Cloud - Dataflow, IBM Streams 및 IBM Streaming Analytics, Oracle Stream Analytics, Oracle GoldenGate, Microsoft Azure - Stream Analytics 및 해당 구성 요소/관련 애플리케이션(예를 들어, PowerBI, Trill Steam Processor 등)이 포함된다.
양태들에서, 방법은 NDS 동작의 하나 이상의 양태를 원격으로 관리하는 단계를 포함할 수 있다. 예를 들어, 방법에는 스케일링, 데이터 변환, 데이터 수집 규칙, 쿼리 또는 기타 애플리케이션의 원격 지도, MLM 지도 또는 다른 네트워크 장치로의 데이터 중계가 포함될 수 있다. 클라우드 기반 NDS 또는 NDS 컴포넌트는 복수의 가상 머신(vAppliances), 예를 들어 이에 제한되는 것은 아니나, 다수의 가상 근거리 통신망(VLAN)에 걸쳐 그리고 잠재적으로 컴퓨트 노드(C-N) 노드(일명 서버라고도 함)를 통해 결합된 확장을 위해 데이터 센터에 걸쳐 브리지 라우터(Bridge Router; BR-RTR), 라우터, 방화벽 및 DHCP-DNS(DDNS)를 포함할 수 있다. 클라우드 시스템 가상 네트워크는 예를 들어, 소프트웨어 정의 라우터, 비무장 지대(Demilitarized Zone; DMZ) 방화벽 또는 둘 다를 포함할 수 있다. RT/S 데이터 수집 프로세스의 큐 기능/방법은 메시징 서버의 리던던트 시스템을 통해 데이터 패킷/스트림을 수신할 수 있고, 패킷에는 NDS의 정보에 대한 명령어/요청, 분석용 데이터 또는 둘 모두가 포함되며, 큐 기능이 처리되거나 예를 들어, 패킷을 처리할 용량을 결정하고, 용량이 사용 가능해질 때까지 버퍼에 패킷을 유지하며, 처리 준비가 되면 패킷을 NDS/네트워크 컴포넌트에 전달할 수 있는 제어 프로세서(컨트롤러)로 중계할 수 있다. 가용성을 결정 시, 예를 들어 로드/용량을 위한 메모리, 프로세서, 라우터, 방화벽 등과 같은 다른 컴포넌트를 확인하는 단계를 포함할 수 있다. 양태들에서, 스트림 프로세서/메시지 브로커 또는 NDS-INPU의 다른 컴포넌트는 다수의 개별 소스(예를 들어, 피험자와 관련된 2개 이상의 MA)로부터 얻은 데이터 세그먼트로 구성된 데이터 스트림을 생성할 수 있다. 양태들에서, 유사한 프로세스가 분석 레벨에서, 예를 들어, 캐시된 MA-CD로부터 MA-D를 재구성 시 및 RT/S MA-D 이전/이후 둘 모두에서 수행된다. 스트리밍 분석 기능에는 예를 들어, 메모리 내 스트림 데이터와 이러한 모델과의 비교에 기초하여 예를 들어, 즉각적인 NDS 동작이 필요한 조건을 나타내는 파라미터, 파라미터들 또는 프로파일에 해당하는 스트림(들)을 선택하는 단계, 및 이러한 이벤트 검출 결정(들)에 기초하여 경고/알람 또는 장치 제어 명령어를 중계하는 단계가 포함될 수 있다. 스트리밍 분석 프로세스는 또한 유사한 파라미터에 대해 MA 성능을 평가하고 MA가 제대로 동작하는지, 제대로 동작하고 있는지 또는 둘 다인지 결정하고 해당 동작을 취하는 데 도움이 될 수 있다. 이러한 방법은 데이터 스트림(들)으로부터 1개 이상의 데이터 특징을 비침습적으로 추출하는 것을 포함할 수 있다. 수집된 데이터는 DL(예를 들어, Amazon의 D3 DL과 같은 클라우드 기반 스케일링 가능 DL) 또는 EDL을 포함할 수 있는 NDS DR에 저장된다. 양태들에서, 스트림/스트리밍 프로세서 초기 유입 프로세스는 일반적으로, 실질적으로 또는 완전히 일반적으로, 실질적으로 또는 모든 동작 사례에서 자동일 수 있다. 양태들에서, 초기 쿼리/분석/기능은 스트림 프로세서 프레임워크에서 실질적으로 지속적으로 동작할 수 있다. 양태들에서, 방법에는 실시간 또는 거의 실시간으로 쿼리 또는 기타 애플리케이션에 대한 스트리밍 데이터를 집계하는 데 사용되는 라이브 데이터 마트의 사용이 포함된다. 양태들에서, 스트리밍 프로세서 프레임워크는 데이터 변환(conversion)/변환(translation)을 위한 커넥터를 포함할 수 있다. 스트림 프로세서 클러스터는 임시 데이터를 로컬에 저장하고 전역 데이터를 스트림 레지스터 파일 안팎으로 전송할 수 있다. 다수의 스트림 프로세서가 상호 연결될 수 있도록 하기 위해, 스트림 레지스터 파일은 또한, 양태들에서, 네트워크 인터페이스에 연결되어, 전체 데이터 스트림이 입력 유닛/NDS를 통해 1개의 프로세서의 스트림 레지스터 파일에서 다른 프로세서의 스트림 레지스터 파일로 전송되도록 할 수 있다. 소프트웨어 파이프라인을 사용하여, 각 클러스터는 또한 다수의 스트림 요소를 동시에 처리할 수 있다. 데이터 병렬성, 명령어 레벨 병렬성 및 소프트웨어 파이프라이닝의 조합은 스트림 프로세서가 미디어 처리 애플리케이션에 많은 개수의 산술 유닛을 활용하는 데 도움이 될 수 있다. 양태들에서, NDS는 스트림 프로세서(들)와 함께 또는 이를 대신하는 벡터 프로세서(및 가능하면 추가 벡터 메모리/레지스터)를 포함한다. 양태들에서, 근실시간(near real time; NRT) 프로세스는 현재 이벤트에 대해 충분히 즉각적인 응답성 정도, 또는 충분히 짧은 레이턴시로 또는 이러한 이벤트와 관련하여 합리적으로 의미 있는 방식으로 현재 이벤트를 따라갈 수 있지만, 해당 컨텍스트에서 RT 처리보다 느린 능력으로 이해될 수 있다. RT/S 데이터 처리에 적용할 수 있는 추가 방법, 프레임워크, 애플리케이션, 원칙 및 전략/아키텍처는 예를 들어 제US20150032879호, 제US10672204호, 제AU2015252037호, 제US8880524호, 제US9270937호, 제US6195701호, 제US7512829호, 제US7627685호, 제US7827299호, 제US8271666호, 제US8689313호 및 제US9158775호에 설명되어 있다.
II.
MA-데이터 및 기타 데이터의 분석 처리
MA-D와 같은 NDS 프로세서에 의한 데이터 처리는 다양한 레벨에서 수행될 수 있으며, 각 레벨은 임의의 다른 하나 이상의 레벨과 다른 하나 이상의 프로세스를 따른다. 예를 들어, 원시 착신 MA-D는 제1 레벨에서 다른 곳에 설명된 바와 같이 초기 데이터 개선/강화, 태깅 또는 큐레이션의 대상이 될 수 있으며, 제2 레벨에서, 이러한 초기 변환된 MA-D는 NDS 프로세서 유닛(예를 들어, MLM)의 분석 유닛에 의해 하나 이상의 분석 프로세스를 거칠 수 있다.
NDS 분석 유닛/분석 서비스는 NDS DR(예를 들어, NDS DL/EDL DR)에서 원하는 데이터를 추출한 다음, 온디맨드 실시간 환자별 데이터 분석 요청을 수행하는 데 적합하다고 결정된 알고리즘 또는 알고리즘들을 구현할 수 있다. 대규모 데이터 세트에서 많은 알고리즘을 효율적으로 수행하는 데 필요한 처리 능력과 속도를 제공하기 위해, 분석 서비스는 1개 이상의 알고리즘을 실행하는 데 필요한 처리 기능을 제공하는 다수의 서버를 포함하는 컴퓨팅 클러스터를 활용할 수 있다. 클러스터는 단일 통합 컴퓨팅 리소스로 함께 작동하는 상호 연결된 독립 실행형 컴퓨터의 모음으로 구성된 일종의 병렬 및 분산 시스템으로 정의될 수 있다. NDS(분석 유닛(들))의 컴퓨팅 플랫폼에는 또한 초기 또는 NDS DR의 2차 수집 이전에 예를 들어 MA, HCP, CMRS 등과 같은 외부 엔티티로부터 수신된 데이터를 처리, 변환 및 검증하기 위한 데이터 통합 서비스 모듈이 포함될 수 있다. 데이터 집약적 애플리케이션의 병렬 처리에는 일반적으로 데이터를 적절한 컴퓨팅 플랫폼에서 병렬로 동일한 실행 가능 애플리케이션 프로그램을 사용하여 독립적으로 처리될 수 있는 다수의 세그먼트로 파티셔닝하거나 세분화한 다음, 결과를 재조립하여 완성된 출력 데이터를 생성하는 것이 수반된다. 데이터 병렬성은 데이터 세트의 각 데이터 항목에 독립적으로 계산을 적용할 수 있으며, 이는 병렬성 정도가 데이터 볼륨에 따라 스케일링될 수 있다. 양태들에서, NDS의 일부 컴포넌트는 NDS 환경의 적어도 일부에서 단일 장애 지점이 없도록 보장하는 비공유(shared-nothing) 아키텍처를 사용한다(예를 들어 각 노드는 다른 노드와 독립적으로 작동하므로, 한 기계에서 장애가 발생하면 다른 기계가 계속 실행됨). 양태들에서, NDS 메모리의 일부는 대규모 병렬 분석 DR, 예를 들어, 컬럼 아키텍처(들)를 사용하는 데이터베이스로 동작한다.
NDS의 병렬 처리는 대부분, 일반적으로, 본질적으로 또는 MIMD(Multiple Instruction Multiple Data) 기반으로만 동작할 수 있다. 양태들에서, 프로세서의 일부는 예를 들어 벡터 프로세서에서와 같은 SIMD(Single Instruction Multiple Data)에서 동작한다. 양태들에서, NDS/방법은 일반적으로 별도의 스레드에서 실행되는 독립적인 분기와 많은 독립 모듈이 있는 파이프라인을 포함하는 작업 병렬성을 나타낸다/포함한다. 양태들에서, NDS/네트워크는 또한 파이프라인 병렬성을 나타낸다(예를 들어, 일반적으로 파이프라인이 다른 작업에서, 예를 들어 스트림에서 동작하는 서브네트워크로 파티셔닝됨). 양태들에서, NDS는 또한 데이터 요소가 병렬로 분해되어 처리되는 (그리고 일반적으로 결과/데이터세트로 다시 병합되는) 데이터 병렬성을 나타내거나 적용하도록 구성된다.
양태들에서, NDS는 NDS에 의해 수신된 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 MA-D를 1초 이내에, 예를 들어 ~0.75초 이하, ~0.5초 이하, ~0.25초 이하, ~0.15초 이하, ~0.1초 이하 내에 또는 심지어 예를 들어 100분의 1초, 1000분의 1초, 100만분의 1초 이내에, 예를 들어 인간에게는 불가능한 시간 기간 내에 수집하고 초기에 처리할 수 있다. 양태들에서, MA-D는 중환자 의료 데이터이다. 양태들에서, 예를 들어 알람/경고 조건의 존재에 대한 SMAD의 최소한 초기 분석은 수신으로부터 ~2분 이하 이내, 1분 이하 이내, 0.5분 이하 이내, 0.25분 이하 이내, ~5초 이하 이내로 수행된다. 양태들에서, 초기 분석은 NDS DR에 SMAD를 수집하기 전에 또는 수집과 동시에 수행된다.
1.
기계 학습
양태들에서, NDS-ANALU는 데이터 세트(들), 예를 들어 특정 조건, 생리학적 파라미터와 관련된 데이터 또는 CT에 대해 하나 이상의 기계 학습(ML) 방법을 수행하기 위한 CEI(들) 실행을 포함한다. 양태들에서, ML 방법(들)의 개발은 특징 학습 방법(들), 특징 엔지니어링 방법(들) 또는 둘 다를 기능(들)에 적용하여 ML 방법(들)을 개발하는 단계; 이러한 ML 방법 구현 기능의 지도 또는 준지도 학습/정제를 적용하는 단계; 이러한 기능(들)을 강화하기 위해 강화 학습, 비지도 학습을 적용하는 단계; 및 결국 기능(들)이나 기능(들)의 양태가 훈련된 모델에 의해 관리되도록 허용하는 단계를 포함한다. 양태들에서, 기계 학습으로 구현된 기능은 예를 들어 의료 상태를 특성화할 수 있다. 양태들에서, 기계 학습으로 구현된 기능은 패턴이나 관계, 및 예를 들어 예상치 못한 데이터 이상을 식별할 수 있다. 양태들에서, 기계 학습으로 구현된 기능은 또한 일치, 차이, 이벤트 등을 예측하는 데 사용될 수 있다.
양태들에서, NDS 기계어 모듈(NDS-MLM)은 동종 또는 이종 유형의 MA로부터 MA-D를 분석하고 선택적으로 이러한 MA-D 분석을 기반으로 NDS의 하나 이상의 기능의 성능을 추가로 수행하거나 권장한다. 양태에 따르면, 기계 학습(ML)은 NDS의 하나 이상의 유닛에 의해 수신되거나 처리되는 모든 데이터에 적용될 수 있다. 양태들에서, NDS는 시간이 지남에 따라 NDS-MLM에 의해 달성된 학습 증가에 따라 예측 기능을 구축한다. 양태들에서, NDS-MLM은 동종 MA로부터 수신된 MA-D를 분석하고 비교할 수 있으며, 과거에 이러한 데이터가 무엇과 연관되었는지 분석할 수 있다.
이러한 접근 방법에 사용될 수 있는 다양한 알려진 ML 알고리즘/모델, 예를 들어 데이터 분류 방법, 나이브 베이즈(Naive Bayes) 분류(또는 베이지안(Bayesian) 네트워크 방법), 결정 트리 방법, 결정 규칙 방법, 회귀 방법(예를 들어, 로지스틱 회귀, 라소(lasso) 회귀, SVM 회귀, 능선 회귀 또는 선형 회귀), 랜덤 포레스트 방법이 알려져 있으며, 이는 종종 지도 ML 방법에 사용된다. 양태들에서, ML 모델은 종종 비지도 강화된 ML 방법, 예를 들어, k-평균(또는 그 변형, 예를 들어, K 평균++)/최근접 이웃 분석 모델, 예를 들어, k-최근접 이웃 분석; 기타 클러스터링 방법(예를 들어, 분할 클러스터링, 평균 이동 클러스터링, 밀도 기반 클러스터링(예를 들어, DBSCAN 방법) 또는 계층적 클러스터링(예를 들어, 응집 클러스터링)); 및 다차원 매핑 방법, 예를 들어 자기 조직화 매핑 방법; 및 친화도 매핑(예를 들어, 이벤트 검출 또는 이벤트 예측)에서 사용되는 방법(들)을 포함한다. 양태들에서, 인공 신경망 방법 등 강화 학습 방법이 적용된다. 양태들에서, ML 방법에는 데이터 분해를 위한 ML 방법, 예를 들어 분해 방법, 예를 들어 단일 값 분해 방법, 차원 축소 방법(예를 들어, 주성분 분석(principal component analysis; PCA), 특이값 분해(Singular value decomposition; SVD) 또는 TSNE) 또는 이들의 조합이 포함된다. 양태들에서, ML 방법은 예를 들어 Q-학습 방법과 같은 강화 학습의 맥락에서 모델 없는 방법을 사용한다. 양태들에서, MLIF는 모델에 구애받지 않는 방법, 예를 들어, 부분 의존성 플롯(Partial Dependence Plot; PDP) 방법, ICE 방법, ALE 플롯 방법, LIME 방법 등을 포함한다. 사용될 수 있는 다른 ML 모델에는 부분 의존도 플롯 방법이 포함되며, 예를 들어 일반화된 선형 모델(Generalized Linear Model; GLM), 일반화된 적응 모델(Generalized Additive Model; GAM) 등이 포함된다. ML 구현 기능(들)은 예를 들어 딥러닝 방법, 얕은 학습 방법 또는 이들의 조합을 포함할 수 있다.
양태들에서, NDS/방법의 단계(들)/기능(들)(S(들)/F(들))에 적용 가능한 ML/AI 애플리케이션(AIA)은 MLM/AI 애플리케이션의 지도 레벨에서 특성화될 수 있다. 일 양태에서, MLM(들)은 지도 학습(supervised learning; SL) MLM(들)이다. 양태들에서, MLM(들)은 준지도 학습 MLM(들)이다. 양태들에서, MLM(들)은 비지도 학습 MLM(들)이다. 양태들에서, MLM(들)은 MLM(들)로 보상된다. 양태들에서, NDS/방법은 이러한 유형의 MLM 중 2개, 3개 또는 4개 모두를 포함한다. 양태들에서, SMGA 또는 방법/NDS의 모든 MLM(들)은 한 형태의 MLM에서 하나 이상의 다른 형태의 MLM(일반적으로 지도가 덜 된 형태의 MLM, 예를 들어 SL MLM에서 SSL MLM 또는 비지도 MLM으로 진행함으로써)으로 진행된다. 양태들에서, MLM은 방법/NDS에 의해 수행된 S(들)/F(들)(예를 들어, 데이터 변환, 예를 들어 토큰화, 구문/문장 /필드 세그멘테이션, 데이터 구조 인식 또는 CT), 데이터 정리, 쿼리 생성(예를 들어, 동의어 인식/적용, 어간 추출/잘림, 표제어 추출, 메타데이터 요인화 또는 CT), 쿼리 매치/히트 결정, DS(들) 강화 결정 및 데이터세트(들)/DS(들) 강화))와 관련된 훈련 데이터세트를 기반으로 하는 키/특징 인식 S(들)/F(들)을 포함한다. 특정 AIA/MLM, 예를 들어, 나이브 베이즈, 최근접 이웃 결정 트리, 및 관련 방법은 다른 곳에서 설명되고 알려져 있다. 조건부 랜덤 필드(conditional random field; CRF) 방법론은 또한 MLM의 MLM 특징 엔지니어링/식별 단계(들)에서 관련 데이터 세트에 대한 휸련과 함께 사용될 수 있다. 분류 프로세스는 다항 나이브 베이즈(Multinomial Naive Bayes; MNB) 분류 유형 알고리즘의 적용을 포함할 수 있다. MLM 프로세스는 또한 다른 클러스터링 알고리즘, 예를 들어 평균 이동 클러스터링, 가우시안 혼합 모델 또는 DBSCAN의 사용을 포함할 수 있다. MLM은 업데이트된 훈련 데이터의 공급, 사용자 피드백, 관리자 입력/지도 또는 ACT를 통해 시간이 지남에 따라 동적으로 업데이트될 수 있다. 훈련은 일반적으로 추출되거나 미리 식별된 특징(들)/요소(들)를 대상으로 하거나/이를 사용하여 수행된다. 양태들에서, PHI/PII 또는 기타 기밀 정보는 훈련 정보로부터 제거되거나 기밀/비밀 정보(SI) 데이터, 수정된 데이터 또는 이들의 조합(CT)과 유사하거나/이를 기반으로 하는 변경된 데이터로 대체된다.
기계 학습 모델은 당업계에 알려진 기계 학습 프레임워크, 예를 들어 TensorFlow 프레임워크, Microsoft Cognitive Toolkit 프레임워크, Apache Singa 프레임워크, 또는 Apache MXNet 프레임워크, 또는 이에 상응하는 것 또는 유사하거나 향상된 ML 기능을 수행하는 기계 학습 프레임워크를 사용하여 구현 및 배치될 수 있다.
양태들에서 MLM 훈련 데이터는 집중/특수 코퍼스 데이터(예를 들어, 하나 이상의 MA 유형, 하나 이상의 환자 유형 또는 둘 다의 MA 센서 데이터의 하나 이상의 모델)를 포함하거나 종종 MLM 방법/리소스, 예를 들어, 의미론적 네트워크(semantic networks; SN(들)), 자연어 프로세서(natural language processors; NLP(들)) 또는 둘 다를 특징으로 하는, 다른 프로세스/리소스와 인터페이스하거나 상호 작용할 수도 있다. 지도 학습(SL) 및 준지도 학습(SSL) MLM은 신뢰도 점수 생성 및 MLM 대 임계값(예를 들어, 자동 조정 임계값)에 대한 신뢰도 점수 평가를 포함할 수 있으며, 신뢰도 점수 임계값을 충족하지 못하면 ML 출력을 실시간으로 검토하기 위해 테스트를 관리자에게 라우팅할 것이다. 후속 관리자가 수행하거나 관리하는 테스트/분석 등은 NDS 처리를 계속하기 위해 해당 유닛/기능에 피드백될 수 있으며 MLM의 포함 또는 특정 훈련/수정을 위해 ML 훈련 세트에도 피드백될 수 있다. ML/AI 방법(들)/기능(들)을 용이하게 하기 위해, NDS는 신경망 프로세서(들) 또는 신경망으로 구성될 수 있거나 소프트웨어를 실행하여 신경망을 모델링하거나 시뮬레이션할 수 있는 분산 프로세서(들)를 포함할 수 있으며, 이는 기계 학습을 구현/강화하는 데 사용될 수 있다.
MLM(들)은 훈련 데이터, 초기 애플리케이션 데이터 또는 둘 다에 대한 특징 엔지니어링(feature engineering; FE) 및 특징 학습(feature learning; FL) 프로세스에 의해 훈련될 수 있다. NDS/방법의 일부, 대부분의, GA 또는 모든 MLM(들)은 적어도 초기에 동작하거나 SL 또는 SSL 기반으로 동작한다. 양태들에서, MLM 기능의 초기 단계에서는, MLM 기능의 개선을 평균/모든 인간 성능보다 비교 가능하거나 검출 가능하거나 유의미하게(DoS) 향상시키기 위해 더 높은 레벨의 인간(관리자) 참여가 일반적일 수 있다. 양태들에서, MLM(들)을 적용하면 기능 사용이 증가된 기능 성능을 DoS 향상시키거나; 인간 전용 성능(관련 기간/정확도 내에서 가능한 경우), 인간이 프로그래밍한 기능 전용 성능 또는 둘 다를 DoS 향상시키거나; 또는 이들의 전부 또는 어느 하나를 Dos 향상시킨다.
MA-D 모음은 지도 또는 비지도 방식으로 기계 학습 기술을 사용하여 엔진이 지속적으로 또는 반복적으로 훈련되는 폐쇄 루프 방식의 훈련 데이터로 사용될 수 있다. 양태들에서, 엔진 소견과 관리자(또는 연구 사용자/HCP 사용자) 또는 기타 관련 소견(의사 조정, 확인 또는 거부 포함) 사이에 불일치가 있는 경우, 해당 이벤트를 기록하는 메시지가 MLM에 전송될 수 있어, MLM, 예를 들어 ML 의료 데이터 검토 시스템에 의한 학습을 제공할 수 있다. 이는, 양태들에서, 결국 엔진이 다른 엔진에 피드백을 제공하여 폐쇄 루프 학습 시나리오를 생성하는 비지도 방식으로 발생할 수 있다. 이러한 경우에, 제1, 제22 및 심지어 제3 결과는 인간이 아닌 엔진(또는 엔진의 엔진, 예를 들어 여러 MLM 또는 MLM(들) 및 기타 분석 프로세스에 적용되는 마스터 MLM)으로부터 제공될 수 있다. 양태들에서, ML 해석 및 수정/검증된 소견은 결합된 데이터 세트/코호트로 캡처될 수 있다. 이러한 데이터/훈련 코호트는 ML 엔진에 의해 소급하여 학습하는 데 사용될 수 있으며, 이러한 데이터는 의료 데이터 검토 시스템에 의해 의료 데이터 검토 프로세스에 주입되어 HCP/장치 또는 기타 비-ML 분석 프로세스의 성능을 추가로 검증하고, 훈련 데이터를 더욱 개선하고, 새로운 ML 엔진/MLM을 개발할 수 있다.
양태들에서, MLM은 관련 기간(예를 들어, 다음 날, 약 0.25일, ~1시간, ~0.5시간, ~0.25시간, ~0.1시간 또는 ~0.05시간(~3분))에 하나 이상의 감지된 조건에서 환자 상태를 예측하는 데 사용된다. 양태들에서, 예측 MLM은 예측과 관련된 특정 피험자 센서 데이터를 제공할 뿐만 아니라 NDS 메모리 또는 네트워크의 성능 데이터에 대한 액세스도 제공하며, 유사한 조건 하에서 연구 클래스 동작 또는 다른 MA의 동작으로부터 얻은 데이터가 포함될 수 있다. 연구 클래스 장치는 연구 클래스 MA를 포함할 수 있으며, 이는 일반적인 임상 사용에서 MA가 아니기 때문에 OND로 간주될 수 있다(연구 MA는 새로운 MA, 새로운 징후 등의 개발을 위한 임상 시험에 참여할 수 있음). 양태들에서, MLM에는 EMR 데이터에 대한 액세스가 제공된다. 양태들에서, MLM 예측 데이터는 NDS/릴레이 유닛에 의해 중계된 후, 실제 대상 데이터가 제공된 MA, 관련 HCP 등에 다시 중계된다. 예를 들어, 양태들에서 예측은 하나 이상의 중환자 상태, 예를 들어 심혈관 상태, 예를 들어 본원에 인용된 Abiomed, Inc. 특허 참조 문헌에 설명된 상태이다. 양태들에서, MLM 데이터는 관련 MA에서 MA 심혈관 치료 작업, 폐 치료 작업 또는 둘 다의 제어와 같은 출력 애플리케이션에 사용된다. 양태들에서, MLM DoS는 NDS 또는 MA 동작의 하나, 일부, 대부분의, 일반적으로 모든 또는 모든 양태의 기능을 향상시킨다.
2.
데이터 사이클 및 데이터 처리 타이밍
본 발명의 방법은 초기 분석, 유입 후/추후 적용(예를 들어, 분석 유닛의 U/F(들)에 의해) 또는 둘 다를 위해 데이터, 예를 들어 대부분의 또는 전체 RT/S MA 데이터를 수집/집계하는 것을 포함할 수 있다. 수집/집계를 형성하는 데 사용되는 데이터 수집 기간은 수집/집계 사이클로 간주될 수 있으며, 이는 때로는 간단히 데이터 사이클로 설명되기도 한다. 양태들에서, 기능 수행(예를 들어, 데이터 수신)/초기 애플리케이션을 위한 데이터 수집은 NDS 분석 유닛 애플리케이션을 위한 더 큰 데이터 모음을 형성하는 데 사용될 수 있다. 양태들에서, 후속/2차 데이터 모음(들)을 형성하는 데 걸리는 시간(즉, 데이터 사이클)은 초기 데이터 모음(들)을 형성하는 데 필요한 데이터 사이클보다 상당히 길다. 예를 들어, 양태들에서, 2차 데이터 수집 사이클은 초기 데이터 사이클보다 5배 이상, 약 10배 이상, 약 20배 이상, 또는 ~50배 이상, 약 ~75배 이상 또는 약 ~100배 이상일 수 있다. 양태들에서, 2차 데이터 사이클은 초기 데이터 사이클보다 약 150배 이상, 약 250배 이상, 약 500배 이상, 또는 심지어 약 1,000배 이상이다. 양태들에서, 초기 데이터 사이클(예를 들어, 데이터 스트림의 수신을 처리하는 시간)은 제한된 데이터 분석을 거치며, 이는 본원의 다른 곳에서 설명된 바와 같이(예를 들어, 스트리밍 프로세서 애플리케이션에 의해) NDS 입력 유닛 레벨에서 수행될 수 있다. 양태들에서, 초기 데이터 사이클 데이터에 대해 수행되는 기능에는 2차 사이클 데이터의 컴포넌트로서 초기 사이클 데이터의 유용성에 대한 평가가 포함된다. 양태들에서, 방법에는 미리 프로그래밍된 표준에 기초하여 NDS에 의해 초기 사이클이 거부되는 2차 사이클 데이터 수집을 거부하고 선택적으로는 다시 시작하는 것이 포함된다. 예를 들어, NDS 분석 유닛은 MA-D 분석을 완료할 수 있으며, 예를 들어, MA-D에 MLM(들) 적용은 ~10분 이내, ~5분 이내, ~2분 이내 또는 ~1분 미만일 수 있으며, 2차 데이터 사이클은 그에 따라 시간이 상응하게 지정된다. 일 양태에서, NDS 분석 유닛의 하나 이상의 기능은 일정 기간(일반적으로 NDS가 MA-D를 수신하는 기간(초기 데이터 사이클)보다 훨씬 긴 기간)에 걸쳐 MA-D 수집을 처리하는 것을 기반으로 한다. 양태들에서, 이러한 기간은 MA-D 수집 반복/사이클당 MA-D의 30초 이상, 40초 이상 또는 60초 이상이며, 예를 들어, 회당 MA-D는 약 1분 이상, 약 70초 이상, 약 80초 이상, 약 90초 이상, 약 100초 이상, 약 110초 이상, 약 2분 이상, 약 2.5분 이상, 약 3분 이상, 약 3.5분 이상, 약 4분 이상, 약 4.5분 이상, 약 5분 이상이다. 양태들에서, 초기 데이터 사이클은 예를 들어 ~40초(sec) 이하, ~30초 이하, ~20초 이하, ~10초 이하, ~8초 이하, ~6초 이하, ~4초 이하, ~2초 이하 또는 ~1초 이하(예를 들어, 0.5초 이하 또는 0.1초 이하)이며, 이러한 기간 동안 스트리밍 프로세서(들) 또는 기타 엔진(들)/컴포넌트(들)에 의해 초기 분석 프로세스가 완료된다. 양태들에서, NDS는 캐시 데이터 프로세서로 유사하게 분류될 수 있는 일련의 유닛(들)을 포함하거나 또는 기능(들)을 수행하며, 이러한 데이터가 MA로부터 중계될 때 MA-CD를 처리한다.
캐시 데이터 처리는, 양태들에서, RT-SMAD 처리 및 초기 분석/수집과 다르게 수행될 수 있지만, 이러한 프로세스 중 하나 이상은 대안으로 캐시된 MA 데이터("CMAD," MA-CD 또는 "캐시 데이터"라고도 함)의 초기 분석을 수행하여 즉각적인 출력 애플리케이션을 평가, 예를 들어 캐시 데이터의 초기 분석에 기초하여 알람이 트리거되는지 여부를 평가하는 것을 포함할 수 있다. 이러한 프로세스를 수행하기 위한 기능 및 관련 리소스는 캐시 데이터 프로세서/유닛으로 특성화될 수 있다. 캐싱된 데이터의 처리는, 양태들에서, 일괄 프로세스를 사용하여 수행될 수 있다. 예를 들어 이러한 데이터는 일반적인 스트림 청크/파티션보다 더 큰 데이터 세트로 전달될 수 있거나 개별적(시작, 끝 및 크기)이거나 둘 다일 수 있다.
양태들에서, 초기 데이터 사이클(예를 들어, 데이터 스트림의 수신을 처리하는 시간)은 제한된 데이터 분석을 거치며, 이는 본원의 다른 곳에서 설명된 바와 같이(예를 들어, 스트리밍 프로세서 애플리케이션에 의해) NDS 입력 유닛 레벨에서 수행될 수 있다. 독자는 RT/S-MA-D가 본원에서 광범위하게 논의되어 있지만, 이러한 데이터는, 양태들에서, 실시간으로 전달되지는 않지만 여전히 스트리밍 방식으로 전달될 수 있으며, 이러한 데이터는 단순히 스트리밍 MA-D 또는 "SMAD"로 분류될 수 있음을 이해할 것이다.
NDS로 중계/전달되는 CMAD/MA-CD는 SMAD 외에 NDS 입력 유닛 또는 그 컴포넌트(예를 들어, 캐시 프로세서"를 특징으로 할 수 있는 MA-CD 분석을 위한 특수 유닛과 같은, SDP/SDE 또는 SDP의 컴포넌트)에 의해 수신될 수 있다. NDS 입력 유닛은 양태들에서 관련 타임 스탬프, 관련 데이터의 연관성, MA 레벨에서 적용된 태깅 또는 CT를 포함하여, 이러한 MA-D의 특성(들)에 기초하여 MA-CD를 RT/S-MA0D와 구별할 수 있다. 양태들에서, 본 발명의 방법은 캐시 데이터 모음을 조립하는 단계, MA-CD를 사용하여 MA(예를 들어, 오프라인 상태의 기간에 의해 영향을 받는 MA)에 대한 관련 SMAD에서 누락된 데이터를 재구성하는 단계, 또는 이들의 조합을 포함한다. 이러한 단계/기능을 수행하는 캐시 프로세서는 SDP 프로세서, 1차 NDS 프로세서의 컴포넌트일 수 있거나, SDP 및 1차 프로세서와 관련하여 기능적으로 독립된 프로세서, 물리적으로 독립된 프로세서 또는 둘 다일 수 있다. 동일한 관계가 캐시 프로세서의 동작과 특별히 연관된 임의의 메모리에 적용될 수 있다(예를 들어, 캐시 프로세서는 기능적으로/물리적으로 고유한 메모리를 포함하거나 SDP 또는 NDS-MEMU의 메모리에서 간단히 표현/작동할 수 있음). 양태들에서, 캐시 데이터는 이벤트 또는 일정한 간격 통과 시 일괄적으로 전달된다. 양태들에서, 캐시 프로세서는 일괄 처리를 통해 동작한다. 양태들에서, 네트워크의 대부분의, 일반적으로 모든 또는 모든 MA에 의해 중계되는 MA-CD는 위치 데이터 외에 센서 데이터, 시간 데이터, 장치 동작 특성, 환자 정보, 오프라인 상태와 관련된 데이터 또는 이들의 조합과 같은 데이터를 포함한다. 양태들에서, MA-CD는 RT/S-MA-D에 대한 백업(예를 들어, RT/S-MA-D 감사 허용)으로서 NDS에 주기적으로 전송되거나, 이벤트(들)에 대해 허용되거나, 둘 다이다. MA는 RT/S-MA-D와 동시에 MA-CD를 중계하거나 RT/S-MA-D 전송 기간 사이에 일괄로 중계할 수 있다. NDS는 MA로부터의 MA-CD/CMAD 전송 모드를 이해하고 이에 적응하기 위한 설정으로 프로그래밍된다.
예시적인 양태들에서, 본 발명의 방법은 NDS/MAC-DMS 처리 유닛이 자동으로 (1) 데이터 수집 기간 동안 MA-D를 수집하여 데이터 모음을 형성하고, (2) 데이터 모음이 하나 이상의 미리 프로그래밍된 표준/규칙 등에 따라 분석에 적합한지를 평가하고, (3) 데이터 모음이 분석에 적합한 경우, 데이터 모음을 데이터 집계에 추가하고; (4) 적어도 2개, 4개, 5개, 6개, 10개, 12개, 20개, 25개, 50개, 80개 또는 100개의 데이터 모음의 인스턴스가 데이터 집계에 추가되어 완전한 데이터 집계를 형성할 때까지 단계 (1)-(3)을 반복하도록 하는 단계를 포함할 수 있으며, (5) 완전한 데이터 집계가 형성되기 전에 임의의 데이터 모음의 인스턴스가 적합하지 않은 것으로 결정되면, 상기 방법은 불완전한 데이터 집계를 폐기하고 상기 방법을 다시 시작하는 단계를 포함하고, (6) 완전한 데이터 집계가 형성되면, 상기 방법은 완전한 데이터 집계를 포함하는 데이터에 대해 하나 이상의 분석 기능을 수행하는 단계를 더 포함한다.
3. 시스템 리소스의 스케일링
양태들에서, NDS의 기능(들)/부분(들)은 예를 들어 미리 프로그래밍된 수요 임계값(들), 예를 들어, 네트워크의 MA 개수; MA로부터 전송된 데이터의 양(예를 들어, 일별, 주별, 월별, 분기별 또는 연별 평균 양); NDS에 의해 수행된 분석의 양, NDS의 기타 동작 기능(예를 들어, 보안 기능); NDS로부터 중계된 데이터의 양; NDS에 저장된 데이터의 양; 네트워크에서의 데이터 흡수의 타이밍 요구 사항, 데이터 처리 또는 데이터 전달 또는 이들의 임의의 조합에 응답하여 자동으로 스케일링 가능하다. 예를 들어, 양태들에서, NDS는 본원에 설명된 바와 같이, 하나 이상의 특수 목적 유닛(예를 들어, 특수 메모리, 특수 처리 기능 또는 둘 다)을 포함하는 자동으로 스케일링 가능한 클라우드 기반 컴퓨터 시스템에 대부분, 일반적으로만 또는 완전히 "포함"되거나 아니면 이를 포함한다. 스케일링 가능한 리소스에는 일반적으로 입력 리소스(예를 들어, SDP 리소스)가 포함되지만, DR 리소스, 처리 리소스 등도 포함될 수 있다. 따라서, 양태들에서, NDS는 온디맨드 또는 자동으로 반응하는 확장 가능한 컴포넌트를 포함한다.
양태들에서, NDS/방법은 스케일링 수요(예를 들어, NDS의 하나 이상의 부분이 하나 이상의 표시 값/측정값 또는 기타 지표를 충족하거나 초과함)를 예상하는 스케일러빌리티 테스트 기능/단계를 포함하고, 이러한 리소스의 추가를 테스트(선택적으로는 예상 수요를 충족하기 위해 이러한 리소스를 예약)하고, 제2 임계값 지표/값 세트를 충족/초과하는 것을 검출하여 결정될 때 필요에 따라 이러한 리소스를 자동으로 추가한다. 양태들에서, NDS의 스케일링이 효과적인지(예를 들어, 검출할 수 있거나 NDS 성능의 상당한 감소가 없는지) 확인하기 위해 추가된 리소스가 추가될 때, 추가된 리소스가 추가된 후 또는 두 다일 때 추가된 리소스의 선택적 테스트를 통해 스케일링된/점진적인 방식으로 리소스가 추가된다. 양태들에서, 예를 들어, 유닛, 유닛 조합 또는 NDS 전체에 대한 수요와 같이 미리 결정된 수요 임계값에 도달 시 필요에 따라 리소스가 추가될 수 있다. 양태들에서, NDS가 계속 동작하도록 보장, 예를 들어, NDS가 수요를 처리할 리소스 부족으로 인해 기능하지 않는 경우가 거의 없음을 보장하는 보안 또는 안전 조치가 NDS/방법 내에 존재한다. 양태들에서, NDS는 NDS 수요가 시간의 99.5% 이상, 예를 들어 약 99.6% 이상, 약 99.7% 이상, ~99.8% 이상, 약 99.9% 이상의 레벨(들)의 동작 또는 이를 초과하는 동작을 유지하기 위해 충분한 리소스를 유지하거나 충분한 리소스에 대한 액세스를 유지한다.
양태들에서, 방법에는 실제 MA 또는 시뮬레이션 모델을 사용하여 스케일러빌리티 테스트, 능력 테스트 또는 두 가지 유형의 NDS/네트워크 테스트 수행이 포함된다. 양태들에서, 실제 스케일러빌리티/능력 테스트 MA는 이러한 테스트와 관련하여 상태/모드 데이터를 NDS에 중계하여, 이러한 테스트 MA로부터의 데이터가 적절하게 태그 지정되고 다른 MA-D로부터 큐레이트/분리될 수 있다(예를 들어, MLM으로 요인화되지 않음).
III.
NDS-데이터 애플리케이션의 규제 상태
NDS 애플리케이션은 NDS 애플리케이션에 의해 제어되는 애플리케이션의 성격에 따라 다양한 유형의 규정 및 관련 요구 사항(related requirement; "RR")을 받을 수 있다. 예를 들어, NDS 애플리케이션은, 양태들에서, SaMD/SAMD(software as a medical device)(즉, 하드웨어 의료 장치의 일부가 되지 않고 이러한 목적을 수행하는 의료 목적(들)으로 사용되도록 의도된 소프트웨어)로 규제되는 애플리케이션을 포함할 수 있다. 양태들에서, NDS는 1개 이상의 MA 유형/분류에서(예를 들어, 네트워크의 2개 이상의 MA 유형/분류에서) 2개 이상, 3개 이상 또는 ~5개 이상의 SaMD 애플리케이션을 동시에 수행한다. 양태들에서, NDS SaMD 애플리케이션은 진단 애플리케이션, 치료 애플리케이션(예를 들어, 디지털 치료법으로 간주되는 애플리케이션) 또는 둘 다이다. 치료적 적용은 치료되지 않은 상태 또는 초기에 치료되는 상태의 치료하는 적용, 상태의 유지와 관련된 적용, 또는 상태의 발병 예방(예를 들어, 상태의 발병 예방, 발병 가능성 감소, 발병 중증도 감소, 또는 발병 징후 지연 등)과 관련된 의학적 작업/적용을 의미할 수 있다. 양태들에서, 대부분의, 일반적으로 모든 또는 모든 SaMD 애플리케이션은 IEC 62304 수명 주기/설계/개발 표준을 준수한다. 양태들에서, NDS에 의해 수행되는 SaMD 애플리케이션에는 IEC 62304 클래스 A, 클래스 B 및 클래스 C 애플리케이션의 혼합이 포함된다. 양태들에서, NDS에 의해 수행되는 SaMD 애플레이션에는 FDA 경미한 우려 사항, 중간 정도의 우려 사항, 주요 우려 사항 애플리케이션의 혼합이 포함된다. 다양한 규제 특성과 가능한 NDS 애플리케이션과 관련된 적용 가능한 RR을 고려할 때, NDS 또는 NDS 릴레이 유닛은 태그 지정, 적합성 표준, 기타 데이터 큐레이션/변환 방법(예를 들어, PHI 제거 또는 보호) 또는 이들의 조합을 사용하여 해당 RR과 일치하는 NDS 애플리케이션의 적절한 치료를 보장할 수 있다. 이와 같이, 방법은 적용/출력의 분석과 이러한 데이터 큐레이션 단계(들)의 적용을 포함할 수 있다. 양태들에서, NDS의 대부분의, 일반적으로 모든 또는 모든 SaMD 애플리케이션은 규제 당국의 검토 및 승인 시 임상 환경에서만 사용된다. 양태들에서, NDS 애플리케이션에는 다양한 레벨의 SaMD 승인/분류를 갖는 2개 이상의 SaMD 애플리케이션이 포함된다. 예를 들어, 양태들에서 SaMD 애플리케이션은 HCP에게 치료 결정을 내리거나 비-중환자 또는 중환자 진단 또는 치료 목적으로 치료 관련 장치 제어/파라미터를 적용하기 위한 정보를 제공한다. (그리고 예를 들어 EU에서는 각각 클래스 IIa 장치 또는 클래스 III/클래스 IIb 장치로 규제되며, 후자는 이러한 결정의 가능한 결과에 따라 달라짐). 양태들에서, SaMD 애플리케이션은 생리학적 프로세스의 모니터링을 향해 있다(예를 들어 EU에서는 클래스 IIa 장치로 규제되거나 중환자 환경에서는 클래스 IIb 장치로 규제됨).
다른 양태들에서, 하나, 일부, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 NDS 데이터 애플리케이션은 SaMD로 규제되지 않는 애플리케이션이다. 양태들에서, NDS 애플리케이션에는 SaMD 규제 애플리케이션과 비-SaMD 애플리케이션의 혼합이 포함된다. 양태들에서, 하나, 일부, 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 NDS 애플리케이션은 일반적으로 의료 장치로 규제되지 않는 CDSS(clinical support decision system)로 분류될 수 있다. CDSS는 일반적으로 지식 기반(여기서는, 대상 관련 장치 및 유사한 장치/환자 조합으로부터의 MA-D), 추론 엔진(예를 들어, 분석 U/F(들)) 및 통신 수단/채널(예를 들어, NDS-AD를 MA, 네트워크의 다른 HCP 장치/인터페이스 또는 둘 다로 중계)을 포함한다. CDS 지식 기반에는 가장 자주 IF-THEN 규칙의 형태를 취하는 컴파일링된 데이터의 규칙과 연관성이 포함된다. 경고/알람 기능은 종종 CDSS로 간주된다. 권장 가능한 조치 과정, 정보 제공 등도 CDSS 애플리케이션으로 분류될 수 있다. 양태들에서, NDS는 일부 또는 대부분의 CDSS 애플리케이션의 전달 시 GELLO 또는 CQL(Clinical Quality Language)과 같은 표현 언어를 사용한다. CDSS 애플리케이션은 MLM을 사용할 수도 있다(MLM 전용 애플리케이션이 사용되는 경우, 이러한 AI 애플리케이션은 지식 없는 CDSS을 특징으로 할 수 있음). ML/비-지식 기반 시스템은 예를 들어, 지원 벡터 머신, 인공 신경망, 유전 알고리즘(변이, 반복 등 가능한 솔루션의 랜덤 세트를 사용하여) 또는 이들의 조합을 포함할 수 있다. CDSS 애플리케이션, SaMD 애플리케이션 또는 둘 다는 예측 데이터, 예를 들어, 예측 A1c, 예측 심박수, 예측 호흡/산소 농도 등의 실제 및 전달 분석을 포함할 수 있다. NDS/NDS 릴레이 유닛에 의해 적용되는 메타데이터 태그에는 일반적으로 규제 상태 정보가 포함된다. 전달 방법에는 승인된 SaMD만 관련 국가/관할권에서 사용되도록 보장하기 위한 MA 위치의 스크리닝이 포함된다. CDSS 기능에는 경고/알람뿐만 아니라 치료/진단 권장 사항 제공 및 유사한 기능(들)이 포함될 수 있다.
양태들에서, 본 발명의 방법은 규제된 SaMD 애플리케이션 외부의 NDS의 코어 컴포넌트를 다른 국가의 MA, HCP 및 기타 클래스 사용자에게 적용하는 것을 포함한다. 이러한 적용에는 예를 들어, NDS의 컴포넌트를 다른 국가의 사용자가 사용할 수 있도록 하는 것, 그러나 해당 규제 당국에 의해 이러한 SaMD 애플리케이션이 승인된 국가의 사용자에게만 SaMD 애플리케이션을 분리하는 것이 포함될 수 있다. 양태들에서, NDS의 코어 컴포넌트(들)를 만드는 단계/방법(예를 들어, 국가 또는 지역 규제 기관의 규제를 받는 SaMD 애플리케이션으로 분류되는 유닛(들)과 별개인 일부, 대부분의, 일반적으로 모든 또는 모든 컴포넌트(들)/엔진(들))은 특정 규제 체제에 초점을 맞춘 서브 NDS 또는 NDS 부분/컴포넌트 간에 이러한 코어 컴포넌트를 공유하는 것을 포함한다. 양태들에서, NDS, NDS의 일부 또는 NDS의 기능은 특정 국가 또는 기타 관할권(예를 들어, 국제 관할권(예를 들어, EU) 또는 지역 관할권(예를 들어, 주 또는 행정구))에서의 적용(들)으로 특별히 제한된다. 양태들에서, NDS는 (a) MA, 예를 들어 특정 국가의 MA에 대한 데이터, (b) 복수의 규칙 세트로서, 예를 들어, 국가별 데이터 거버넌스 규칙, 및 (c) 둘 다가 포함될 수 있다. 양태들에서, NDS는 2개 이상의 국가/관할권별 NDS 간에 복사되거나 공유되는 코어 아키텍처를 포함한다. 예를 들어, 양태들에서, NDS 블루프린트 데이터/코어 컴포넌트는 인터넷을 통한 복사 또는 공유 액세스를 통해 하나 이상의 다른 NDS, 예를 들어 3개, 4개, 5개, 6개, 7개, 8개, 9개, 10개, 15개, 20개, 25개, 30개, 35개, 40개, 45개 또는 약 50개 이상의 NDS에서와 같이 2개 이상의 다른 NDS와 공유될 수 있다.
IV.
MA OS(들)/소프트웨어 업데이트를 위한 NDS 프로세스
MA는 일반적으로 MA와 NDS 간의 데이터 통신과 관련된 MA의 기능(들)/엔진(들)을 조정하는 운영 체제(OS) 또는 특수 소프트웨어를 포함한다. 양태들에서, 네트워크에서 일부, 대부분의, 일반적으로 모든 또는 모든 MA(들)의 운영 체제(OS); MA 소프트웨어(예를 들어, MA:NDS 통신, 치료/진단 기능과 같은 MA 기능의 적용과 관련된 소프트웨어); 또는 둘 다는 이러한 장치의 동작 수명 동안 업데이트(들)의 대상이 될 수 있다. MA와 관련하여, 모순 없이 소프트웨어와 OS라는 용어는 여기서 서로에 대한 암시적인 지원을 제공한다(예를 들어, MA OS 업데이트를 설명하는 양태는 또한 MA 소프트웨어 업데이트의 해당 양태를 암시적으로 공개함). 양태들에서, OS/소프트웨어 업데이트는 로컬/MA 레벨, NDS/네트워크 레벨 또는 둘 다에서 트리거된다. 양태들에서, 특정 MA의 OS/소프트웨어, MA 유형, MA 클래스(예를 들어, 특정 엔티티와 관련된 MA) 또는 MZMA의 특정 구역/프로세서에 대한 일부, 대부분의, 일반적으로 모든 또는 모든 업데이트에는 로컬/MA 레벨 및 NDS/네트워크 레벨 둘 모두에서 참여(입력, 승인 또는 기타 동작)가 필요하다. 양태들에서, 일부 MA 시스템(OS/소프트웨어) 업데이트/수정은 로컬 레벨에서만 수행 가능하다(예를 들어, 양태들에서 MZMA의 고도로 제한된 치료 컴포넌트는 로컬 레벨에서만 업데이트 가능함). 양태들에서, NDS는 예를 들어 MA, 기타 네트워크 인터페이스/장치 또는 둘 다에 전송된 경고/알람 또는 기타 메시징을 통해 MA 시스템에 대한 업데이트/수정의 가용성을 사용자에게 알린다. 양태들에서, MA 시스템 업데이트는 대부분, 일반적으로 전적으로 또는 전적으로 인터넷을 통해 NDS로부터 중계되어 MA로 다운로드된다. 양태들에서, MA OS/소프트웨어 버전화는 일부, 대부분의, 일반적으로 모든 또는 모든 MA-D 스트림/데이터에 포함되거나, 포함되어야 하므로, NDS에 의해 업데이트 및 업데이트 가용성 메시지의 타겟팅을 용이하게 한다. 양태들에서, MA 또는 구역 소프트웨어/OS에 대한 NDS 모니터링으로 인해 로컬 사용자(예를 들어, USB 드라이브, 외장 하드 드라이브, 디스크 또는 기타 메모리 장치)에 업데이트를 물리적으로 전송하도록 출력이 발생할 수 있어, 로컬 사용자가, 승인된 경우, 이러한 OS/소프트웨어를 로컬로 수정할 수 있다. 양태들에서, 구역별 프로세서는 위에서 설명된 다양한 방법/절차에 따라 발생할 수 있는 다른 구역별 프로세서(또는 다른 구역별 프로세서 및 임의의 1차 MA 프로세서)로부터 독립적으로 동작되거나, 독립적으로 업데이트되거나, 둘 다이다. 양태들에서, MZMA의 프로세서(들)는 방법/프로세스/절차에 따라 업데이트될 수 있는 반면, MZMA의 제2 하나 이상의 프로세서(들)는 서로 다른 방법/프로세스 절차에 따라 업데이트될 수 있다.
본 발명은 또한 예를 들어 MA 성능 레벨, MA 성능 문제를 결정하고, MA 성능을 개선할 기회를 식별하는 등을 하기 위해 네트워크에서 MA의 동작에 관한 정보를 검출하기 위해 MA의 동작을 제어하는 방법을 제공한다. 이러한 양태들에서, NDS/MAC-DMS 프로세서/분석 엔진은 하나 이상의 양태들에서 네트워크, MAC-DMS 또는 둘 다의 의료 장치의 성능을 평가한다. 이러한 평가는 자동으로, 온디맨드로 또는 조건부 자동으로, 지속, 반복/루틴/정기 또는 온디맨드 방식으로만 수행될 수 있다. 예시적인 양태에서, 이러한 방법은 이전에 수집된 MA-D 분석 데이터, 기타/관련 표준(예를 들어, 피험자 심장수 등과 같은 생리학적 상태의 다른 측정) 또는 동일하거나 서로 다른 유형의 다른 MA의 성능에 대한 MA-D에 대해 하나, 일부, 대부분의 또는 모든 MA의 MA-D를 평가하는 것을 포함한다. 양태들에서, 방법은 의료 장치 및 NDS/MAC-DMS의 평가에 기초하여, 의료 장치 동작, NDS/MAC-DMS 동작 또는 둘 다의 적어도 하나의 파라미터를 변경하는 것을 포함한다. 이러한 방법으로 분석된 MA-D는 장치 성능과 관련된 로그 데이터를 포함할 수 있다. 양태들에서, 이러한 로그 데이터는 MZMA의 제한 구역에서 수집되고, 덜 제한적인 구역으로 전송되고, 이후 분석을 위해 NDS로 중계되는 데이터(다른 MZMA 관련 방법에도 적용 가능한 데이터 흐름)이다. 양태들에서, MZMA 제한 구역의 데이터는 데이터 태깅(이러한 및 기타 MZMA 관련 양태에 적용 가능)을 기반으로 식별된다. 양태들에서, 이러한 방법은 몇 분, 몇 시간, 며칠, 몇 주, 몇 달 또는 몇 년에 걸쳐 수집될 수 있는 데이터의 집계/모음에 대해 수행된다. 양태들에서, 이러한 로그 데이터/MA-D는 또한 또는 대안으로 대상 관련 센서 데이터를 포함한다. 양태들에서, 이러한 데이터는 NDS 분석 및 출력의 대상이 될 수 있는 비정상적인 패턴, 이상치 등을 식별하기 위해 표준 등에 따라 구성된다. 양태들에서, 이러한 방법 DOS는 단일 MA 또는 심지어 단일 MAG 레벨에서 이러한 문제를 식별하는 것과 비교하여 MA 동작 문제를 식별할 가능성을 높인다. 예를 들어, 열 펌프 관련 대동맥압(aortic pressure; AOP) 또는 좌심실압(left ventricular pressure; LVP) 측정값을 포함하는 로그 데이터를 포함하는 MA-D 분석, 예상치 못한 센서 데이터로 인해 장치 동작 문제(예를 들어, 모터 전류와 같은 심장 펌프 모터 동작 문제)를 결정할 수 있다.
다른 양태에서, 본 발명은 MA:NDS 데이터 네트워크의 각 동작 의료 장치(MA)가 반복적으로 일상적으로/자동으로 또는 조건부로 관련된 피험자/환자로부터 센서 데이터를 수집하도록 하는 단계를 포함하여, 피험자/환자 집단에서 피험자/환자의 의료 상태(들)를 치료하는 방법을 제공하며; NDS 분석 엔진/기능은 MA:NDS 데이터 네트워크의 일부, 대부분의 또는 각각의 동작 MA로부터의 MA-D를 (I) 이전에 수집된 MA-D 분석 데이터, (II) 미리 프로그래밍된 표준, 또는 (III) (I)와 (II) 둘 모두와 비교하고; 방법은 NDS/MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 MA, 하나 이상의 OND, 또는 둘 모두에 중계하도록 하는 단계를 더 포함하며, 하나 이상이 출력은 (a) (I) 환자와 관련된 MA, (II) 환자와 관련하여 제공되는 헬스케어와 관련된 다른 네트워크 장치, 또는 (III) (I)와 (II) 둘 모두에 중계된 환자의 치료와 관련된 분석 데이터 출력, (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 MA 기능(예를 들어, 치료 기능), (II) 환자와 관련된 헬스케어 제공자와 관련된 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능(예를 들어, 경고/알람 등록), 또는 (III) (I)와 (II) 둘 모두의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (c) (a)와 (b)의 조합을 포함한다.
양태들에서, 방법은 또한 또는 대안으로 MA의 질병 상태의 치료에 대한 질병 상태의 진단을 포함한다. 양태들에서, MA:NDS 네트워크의 동작은 데이터 네트워크에서 MA와 관련된 피험자의 상태 유형을 식별할 확률을 검출할 수 있거나 상당히 증가시킨다. 예를 들어, 네트워크의 몇몇/많은 MA에 의해 수집된 MA-D에 MLM(들)을 적용함으로써, NDS의 MLM은 인간이 이러한 문제를 검출할 수 있는 것보다 더 빨리, 이전에 표준 진료 진단 장치에서 가능했던 것보다 더 빨리, 또는 NDS를 사용하여 이전에 가능했던 것보다 더 빨리 DOS 상태의 경고 신호를 검출하도록 훈련될 수 있다. 이는 본 발명의 NDS를 통해 대량의 데이터를 수집하고 이러한 대규모 데이터 풀을 사용하여 MLM 예측(들)과 같은 NDS-AD를 생성하는 이점들 중 하나이다.
도면에서 예시된 양태
본 섹션에서는 본 발명의 추가 양태가 방법의 흐름도/블록도를 참조하여 설명된다. 독자는 일반적으로 흐름도/블록도의 각 "블록"과 그 안의 블록 조합이 프로세서(들)에 의한 CEI 실행을 통해 구현될 수 있다는 점을 이해할 것이다. 이러한 "블록"에 반영된 CEI 유닛/기능은 적용 가능한 장치(들)/시스템(들)의 프로세서(들)에 제공되어 기계, 시스템 또는 둘 다를 생성하며, 프로세서에 의해 실행되는 CEI가 블록(들)에 지정된 시스템/기능을 구현하도록 한다. 이러한 CEI는 적용 가능한 컴퓨터(들)가 CEI에 따라 특정 방식으로 기능하도록 지시할 수 있는 CRM(예를 들어, NTCRM/PTRCRM)에 저장되어, DR(들)(기능 데이터 포함) 및 CEI(들)을 포함하는 CRM은 유용한 실제 동작을 수행하는 제조 물품을 포함한다.
여기에 예시된 양태가 흐름도/블록도를 참조하여 설명되어 있지만, 각 블록의 임의의 부분 또는 조합, 블록, 기능의 조합 등은 본 발명의 NDS 또는 방법의 맥락에서 적합할 수 것처럼 결합되거나, 별도의 동작으로 분리되거나, 다른 순서로 수행될 수 있다. 본 개시에서 "모듈", "유닛", "단계" 등에 대한 참조는 일반적으로 독자의 편의를 위해 이루어지는 것이며 임의의 방법 또는 NDS의 구현을 제한하려는 의도는 아니다. 임의의 블록, 모듈 등의 임의의 일부 또는 조합은 컴퓨터 실행 가능(프로그램) 명령어(예를 들어, 소프트웨어), 하드웨어(예를 들어, 조합 로직, 주문형 반도체(ASIC), 필드 프로그램 가능 게이트 어레이(FPGA), 프로세서(들) 또는 기타 하드웨어), 펌웨어 또는 이들의 임의의 조합(CT)으로 구현될 수 있다. 즉, 도면에 반영된 흐름도, 블록도 등은 NDS/방법의 가능한 구현의 아키텍처, 기능 및 동작을 예시한다. 흐름도/블록도의 각 블록은 지정된 단계(들)/기능(들)을 구현하기 위한 장치, 컴포넌트, 모듈, 세그먼트, CEI 또는 CEI의 일부를 나타낼 수 있다. 양태들에서, 이러한 블록과 관련하여 설명된 방법의 단계(들) 또는 기능(들)의 배열은 도면에 설명된 것과 다른 순서로 발생할 수 있다. 예를 들어, 연속으로 도시된 두 개의 블록들은, 실제로, 실질적으로 동시에 실행될 수 있거나, 관련된 기능에 따라 블록들이 때때로 역순으로 실행될 수 있다. 독자는 블록도 또는 흐름도의 각 블록과 블록도/흐름도의 블록들의 조합은 지정된 기능 또는 행동을 수행하는 특수 목적 하드웨어 기반 시스템에 의해 구현되거나 특수 목적 하드웨어와 컴퓨터 명령어들의 조합을 수행할 수 있다는 점에 유의할 것이다.
예를 들어 NDS(들)/방법(들)의 절차적 또는 객체 지향적 접근 방법과 같은 서로 다른 프로그래밍 기술이 사용될 수 있다. 임의의 특정 루틴은 적합한 단일 프로세서, 다수의 프로세서 또는 심지어 다수의 장치에서 실행될 수 있다. 데이터는 단일 저장 매체에 저장되거나 다수의 저장 매체를 통해 분산될 수 있으며, 단일 데이터베이스 또는 다수의 데이터베이스(또는 기타 데이터 저장 기술)에 상주할 수 있다. 따라서, 단계, 동작 또는 계산이 특정 순서로 제시될 수 있지만, 이 순서는 대안적인 양태들에서 변경될 수 있으며 여기에 제공된 구체적으로 개시된 루틴/워크플로우 중 어느 하나는 지시된 출력을 제공하기 위해 하나 이상의 단계(들)/기능(들)의 재배열, 반복, 건너뛰기, 결합 또는 이들의 임의의 조합(CT)을 포함할 수 있다. 실시예들에서, 다수의 단계가 도면에서 순차적으로 표시되는 한, 대안적인 실시예들에서 이러한 단계의 일부 조합은 동시에 수행될 수 있다. 적합한 경우, 본원에 설명된 임의의 동작 시퀀스는 운영 체제, 커널 등과 같은 다른 프로세스에 의해 중단되거나, 정지되거나, 아니면 제어될 수 있다. 루틴은 운영 체제 환경에서 동작하거나 독립형 루틴으로 동작할 수 있다. 본원에 설명된 기능, 루틴, 방법, 단계 및 동작은 예를 들어 본원에 설명된 하드웨어, 소프트웨어, 펌웨어 또는 임의의 CT에서 수행될 수 있다.
이들 및 다른 이유로 인해, 도면의 양태에 대한 설명과 도면과 관련하여 여기에 설명된 설명은 본 개시의 다른 부분에 의해 제공되는 본 발명의 범위 또는 당업계의 관점에서 전체로서 읽혀지는 본 개시의 범위를 제한하는 데 사용되어서는 안 된다.
디스플레이된 도면 요소는 일반적으로 다음에서 "#" 기호로 식별된다. 도면 설명에서 요소에 대한 참조가 반복되는 경우, 추가 요소 참조(들)가 생략되는 경우가 있다. 약어 "n.s." 도면에 도시되지 않은 특징/단계를 말한다.
도 1
도 1은 의료 장치("MA")(#102)와 네트워크 데이터 시스템("NDS")(#150) 사이의 예시적인 기본 관계(#100)을 예시한다. 이 도면과 유사한 도면의 화살표는 시스템, 네트워크 또는 네트워크 관계(이 도면에 표시됨)를 통한 데이터 흐름의 비제한적인 설명을 제공한다. 도면에서 컴포넌트 주위의 라인(예를 들어, MA-MEMU(#112) 및 MA-DISPU(#120))은 이러한 컴포넌트가 다른 도시된 컴포넌트/시스템(여기서, 해당되는 경우, MA 또는 NDS)의 일부이거나 이와 연관되어 있음을 나타낸다.
MA(#102)는 예를 들어 혈액 펌프(예를 들어, 심장 펌프) 또는 인간 피험자(HSUB(#104))와 관련되고(종종 이에 적어도 부분적으로 삽입되고) 일반적으로 이와 치료 접촉 시 지원 시스템(예를 들어, 휴대용 체외막산소공급(extracorporeal membrane oxygenation; ECMO) 시스템)일 수 있으며, 데이터 수집, 저장, 처리, 전송 및 수신을 위한 전자/컴퓨터식 하드웨어를 포함할 수 있다. MA(#102)는 HSUB(#104)의 생리학적 조건(들), MA(#102)의 동작 조건 또는 둘 다를 각각 검출하는 센서(들)(#106)를 포함한다. 센서에는 예를 들어 흐름 센서, 압력 센서 및 의료 장치와 관련된 기타 센서가 포함될 수 있으며, 이는 이러한 데이터를 수집하여 이를 저장된 명령어를 처리하고, 데이터 분석을 수행하고, 이 섹션 전반에 걸쳐 설명될 기타 기능(들)을 수행하기 위한 컴퓨터 프로세서(들)로 구성된 MA 프로세서(들)(MA-PROCU(#108))에 전자적으로 중계한다. 센서(들)는 일반적으로 생리학적 상태(조건)(예를 들어, 혈압, 심박수, 산소 레벨, 호흡률, 혈액제 레벨, 뇌 기능 등)뿐만 아니라 기타 유형의 감지 데이터를 측정한다. MA-PROCU(#108)는 프로그래밍된 명령어, 예를 들어, 일반적으로 무선 통신(예를 들어, Wi-Fi를 통해)을 통해 보안 인터넷 통신 전송 시 상태 신호 패킷의 전송에 따라 전자 통신을 통해 MA로부터 NDS로 상태 신호(들)/통신(들)(예를 들어, 핑 신호 등)을 정기적으로 보내는 MA 상태 유닛(MA-STATU)(#110)로 동작하는 컴포넌트(들)를 포함하거나 이와 연관된다. MA-PROCU(#108)는 로컬 장치 메모리 유닛(MA-MEMU)(#112)에 센서 데이터를 기록하며, 이는 또한 MA-PROCU에서 실행되는 기능/모듈에 대한 저장된 명령어도 포함될 수 있다. MA-PROCU(#108)은 또한 MA(#102)로부터 NDS(#150)(예를 들어, 네트워크 인터페이스 카드/컨트롤러(NIC))로 정보를 전송하는 역할을 하는 릴레이 유닛(MA-RELAYU)(#118)을 구성할 수 있는 컴포넌트(들)를 포함하거나 이와 연관된다. 온라인일 때, MA-RELAYU에 의해 중계되는 정보는 로컬에 저장된/캐시 데이터(R-LST-MA-D는 MA-CD 또는 L-STR-MA-D(#120)이라고도 함) 및 스트리밍 "실시간" MA 데이터(RT-MA-D(#122))를 포함한다.
NDS(#150)는 MA(#102)로부터 중계된 수신 정보를 수신하여 처리하는 입력 유닛(NDS-INPU(#160))을 포함한다. 입력 유닛은 (예를 들어, SDP의 경우, 예를 들어 도 23에 설명된 바와 같이) MA 데이터 또는 별도의 물리적 프로세서(들), 메모리 또는 둘 다를 수신 및 처리하기 위한 가상 서버 환경의 명령어(프로토콜/기능)을 나타낼 수 있다. 수신된 MA 데이터는 NDS 처리 유닛(NDS-PROCU(#162)로 중계되며, 이는 일반적으로 다수의 대규모 병렬, 고가용성, 가상/클라우드 기반, 스케일링 가능 및 분산 프로세서(일반적으로 하나 이상의 호스팅 시설에서, 실제 처리 컴포넌트를 반영함)를 포함할 것이다. NDS-PROCU(#162)는 일반적으로 상태 조회를 전송하거나 MA-STATU(#110)로부터 중계된 상태 신호를 수신하는 NDS 상태 유닛(NDS-STATU(#164))를 추가로 포함하거나 상호 작용하여, 네트워크 연결된 MA(#102)의 상태를 결정한다(상태 시스템(들)/컴포넌트(들)는 또한 또는 대안으로 MA에 포함될 수 있음). NDS-PROCU는 로컬에 저장된 MA 데이터(MA-D)(#120)(일명 캐시 데이터, R-LST-MA-D 등)를 분석하는 로컬에 저장된 데이터 분석 유닛인 LS-D-ANALU(#166) 및 실시간/스트리밍 MA-D(#122)를 분석하는 RT-D-ANALU(#168)과 같은 수신된 데이터 분석을 위한 엔진/모듈/유닛/기능을 더 포함할 수 있다. 이러한 분석 유닛("ANALU")은 동작 형태로 배치되어 이러한 특정 유형의 MA-D를 처리하기 위한 특수 장치로 동작할 때 프로세서(들)와 결합하여 메모리 컴포넌트(예를 들어, 특수 소프트웨어 명령어/엔진(들))를 포함하거나, 대부분 포함하거나, 본질적으로 구성하거나, 구성할 수 있다. NDS(#150)는 또한 데이터 레이크(DL) 또는 향상된 데이터 레이크(EDL)와 같은 하나 이상의 DR(들)을 포함하거나, 주로 포함하거나, 일반적으로 구성하거나, 본질적으로 구성/구성할 수 있는 NDS 메모리 유닛인 NDS-MEMU(#167)을 포함한다. NDS 메모리 유닛은 이를 테면, 수신된 데이터, 분석된 데이터 및 NDS-PROCU 실행을 위한 명령어를 저장한다. NDS-PROCU(#162)는 일반적으로 이러한 데이터가 NDS로부터 중계된 데이터를 필터링하고 제한하여 규제 요구 사항("RR")에 따른 PHI의 보호를 보장하는 NDS 보안 유닛(NDS-SECURU)(#180)을 "통과"한(분석된/검사된) 후, MA 및 기타 네트워크 장치/인터페이스(ONDI(#182))(예를 들어, 시스템 관리자)로의 데이터 전송을 담당하는 NDS 데이터 릴레이 유닛(NDS-RELAYU)(#170)를 더 포함하거나 이에 동작 가능하게 연결된다. 이러한 양태에서 NDS(#150)에 의해 수신된 MA-D는 NDS-PROCU(#162)의 참조 분석 유닛(ANALU) 컴포넌트(들)(#166 및 #168) 중 하나 또는 둘 모두에 의해 분석될 수 있고, 이러한 분석에 의해 생성된 분석 출력(NDS-AD)는 (1) 종종 장치 레벨 방화벽 또는 보안 시스템(#172)과 같은 장치/MA 보안 유닛을 통과한 후, MA 입력 유닛(MA-INPU)(#174)(이는 예를 들어 NIC 카드 또는 유사한 컴포넌트/시스템 및 관련 엔진(들)을 포함할 있음)을 통해 MA(#102)로 그리고 (2) 다른 네트워크 장치/인터페이스(ONDI)(#182)로 중계될 수 있다. 실시간 MA 데이터(#120)는 MA(#102)가 오프라인 상태인 경우를 제외하고 대부분/일반적으로/본질적으로 스트리밍 방식으로 분석할 수 있으며, 이 경우 MA(#102)가 오프라인인 기간 동안 저장된 MA-CD/캐시 데이터는 기능, 이러한 저장된 캐시 데이터와 오프라인 이벤트 전후에 수신된 RT 데이터의 재구성/조화를 처리하기 위한 NDS(#150)에 중계된다.
도 2
도 2는 MA(#202)의 그룹(#200)으로서, 피험자/HSUB(#204)와 연관되는 각 MA(#202), 실시간 스트리밍 MA 데이터(RT-MA-D)(#220) 및 적어도 때로는/간헐적으로 로컬에 저장된/캐시 데이터(L-STR-MA-D/MA-CD)(#222)를 NDS(#250)로 전송하는 각 MA를 포함하는 네트워크의 단순화된 표현의 개요를 제공한다. 예시된 NDS는 메모리 유닛인 NDS-MEMU(#256) 및 프로세서인 NDS-PROCU(#258)뿐만 아니라, MA로부터 도출된 데이터를 ONDI(#264)로 전송 시 규제 요구 사항(RR) 준수를 보장하는 보안 유닛/엔진/시스템(NDS-SECURU)(#262)을 포함한다. 예시된 예시적인 네트워크에서, MA는 그룹/서브 네트워크(때때로 네트워크라고도 함), 예를 들어, 각 네트워크가 다수의 MA를 포함(예를 들어, PHI를 제외)하는 MA 네트워크 1(#270), MA 네트워크 2(#280) 및 MA 네트워크 3(#290)로 구성된다. 도면에서 MA 주변의 라인은 MA 그룹/네트워크를 정의하는 데 도움이 된다. 이러한 MA 네트워크 각각(이는 다수의 MA 서브 네트워크/OND 서브네트워크 및 NDS를 포함하는 전체 네트워크와의 혼동을 피하기 위해 "서브 네트워크"라고 불릴 수 있음)은 소유/제어 엔티티, 지역 또는 기타 특성, 예를 들어 지리적 영역, 장치 구성 등에 기초하여 특성화/정의될 수 있다. 전체 NDS 네트워크에 있는 서브 네트워크/장치 그룹은 서로 다른 레벨로 구성될 수 있다(예를 들어, 독립 엔티티 서브 네트워크에는 지역 서브 네트워크, 병원 서브 네트워크 등이 포함될 수 있음). 서브 네트워크는 보안 시스템(예를 들어, 방화벽) 등을 포함하는 진입점/노드(도시되지 않음)를 포함할 수 있다. 서브 네트워크의 MA는 서브 네트워크별 데이터(예를 들어, 그룹/서브 네트워크에서 MA를 소유하거나 동작시키는 독립 엔티티에 액세스할 수 있는 기밀 정보)를 중계할 수 있다. NDS-PROCU(#258)은 NDS-MEMU(#256)에 저장된 데이터뿐만 아니라 연관된 모든 그룹/네트워크의 데이터를 처리하고, 이러한 데이터의 분석으로부터 얻어진 분석 결과를 MA와 연관된 각 그룹/네트워크로 다시 전달하지만, MA/MA 사용자, ONDI 또는 둘 모두에게 데이터를 다시 전달하는 데 사용될 수 있는 일반적인 분석 프로세스를 수행 시 결합된 전체 네트워크 데이터를 사용한다. 본 발명의 시스템의 이러한 구성은 시스템이 다양한 그룹/서브 네트워크에 걸쳐 정보를 활용할 수 있도록 하여, 전체 시스템의 분석(예를 들어, 기계 학습 애플리케이션 측면에서)을 개선하는 동시에, 일부 독립 엔티티만 액세스 할 수 있는 기밀 정보는 적절한 엔티티에 의해만 액세스 할 수 있도록 보장한다. 이러한 정보는 예를 들어 다른 네트워크 장치/인터페이스(ONDI)(#264)로 중계될 수 있으며, 이는 예를 들어 NDS의 소유자/운영자와 관련된 상용 클래스 사용자와 연관될 수 있으며, PHI와 같은 특정 정보가 이러한 ONDI에 중계되지 않도록 하는 NDS 보안 프로세스(NDS-SECURU)(#262)를 통과한 후, 서로 다른 MA 그룹과 연관된 두 개 이상의 IE에 지원/서비스를 제공한다. 이러한 측면에서, NDS(그리고 또한 또는 대안으로 네트워크의 다른 장치)는 원치 않는/부적절한 액세스/배치로부터 이러한 정보를 보호하기 위해 네트워크에서 데이터의 적절한 식별을 보장하고, 이러한 식별을 위한 정보를 스크리닝하며, 수정, 라우팅, 수정 등을 적용하여 적어도 두 가지 서로 다른 동작 레벨에서 네트워크의 기밀 정보의 기밀성을 유지하도록 구성된다.
도 3
도 3은 본 발명의 시스템/네트워크 동작의 또 다른 양태를 반영하는 서로 다른 영역(수도권, 주, 카운티, 국가, 병원 네트워크 등)과 연관된 여러 MA 서브네트워크를 포함하는 MA 네트워크/그룹의 한 레벨에 대한 또 다른 단순화된 다이어그램이다. 예를 들어 영역 A(#302)는 (도면의 박스 지역으로 지정된 바와 같이) 3개의 MA 그룹/네트워크(MA 네트워크/그룹 A1(#304), MA 네트워크 A2(#306) 및 MA 네트워크 A3(#308))를 포함하는 것으로 도시되며, 각 MA 네트워크는 복수의 의료 장치(예를 들어, 네트워크당 5개 이상, 10개 이상, 20개 이상, 30개 이상, 40개 이상, 50개 이상 또는 100개 이상의 MA)를 포함하며, 이러한 MA 서브 네트워크/그룹은 (서로로부터, NDS/시스템 소유자/운영자 또는 둘 다로부터) 서로 다른 독립 엔티티(IE) 소유자와 연관될 수 있다. 별도의 영역 B(#310)는 MA 그룹/네트워크(MAG) B1(#312) 및 MA 네트워크/그룹/서브 네트워크 B2(#314)를 포함하는 반면, 별도의 영역 C(#320)는 또한 MA 네트워크 C1(#322)만을 포함한다. 동작 시, NDS(#350)는 각 MA 그룹/네트워크로부터의 데이터로서, 이러한 데이터는 각 영역/네트워크에 있는 MA에 관한 위치 정보, 소속 정보 또는 둘 다를 포함하는 이러한 데이터를 (예를 들어, 상태 신호로 전송되거나 NDS(#350)로의 다른 전송으로 전송될 수 있는 예를 들어 이러한 MA로부터 전송된 전송 패킷으로) 수신하여, NDS(#350)가 데이터 소스를 식별하도록 하고, NDS(#350)가 MA 또는 MA 사용자 레벨에서 특정 환자에게 특정한 데이터를 반환하도록 할 수 있을 뿐만 아니라, MA 네트워크/그룹 또는 영역 레벨 분석을 다른 네트워크 컴포넌트(예를 들어, ONDI(#364)), 예를 들어, 의료 과학 연락원, 영업사원, 연구원, NDS/시스템 분석가 또는 임상 지원 인력으로 제공하도록 하고, 네트워크/영역 레벨에서 성능을 연구 또는 관찰하거나 네트워크 또는 영역 간의 비교 연구를 수행한다. 네트워크에서 클라이언트 장치의 해당 영역을 식별하면 NDS가 MA 그룹 레벨 분석을 수행하도록 하거나, 기밀 정보를 적절한 수신 장치에만 중계하도록 지원하거나, NDS가 특정 그룹/영역의 규제 요구 사항 하에서(또는 MA 그룹을 소유/동작시키는 IE의 요구 사항에 따라) 승인된 애플리케이션만 중계하도록 한다. 이러한 양태들에서, NDS 및 네트워크 장치는 MA-D가 이러한 서로 다른 레벨의 출처(특정 MA/환자, 그룹, 지역 등)과 연관되어 있음을 신속하게 식별할 수 있는 데이터를 제공하도록 구성되어, NDS가 이러한 다양한 레벨에서 분석을 수행하도록 하거나 이러한 레벨에 기초하여 사용자에게 동시에 출력을 제공한다.
도 4
도 4는 잠재적인 MA 오프라인 기간 문제를 처리할 때 시스템(NDS)에 의해 수행될 수 있는 예시적인 프로세스의 개요를 제공한다. 도시된 예시적인 프로세스(#400)의 시작(#402)에서, MA(들)는 예를 들어 MA 센서(들)를 통해 피험자(들)로부터 데이터를 수집(#404)한다. 네트워크의 MA(들)는 정기적으로 상태 유닛(MA/NDS STATU(들)을 통해 NDS로부터 상태 정보를 전송하거나 수신하려고 시도(#406)한다(예를 들어, 하나 이상의 동작 상태/모드에 있을 때 주기적으로 상태 신호를 전송). MA가 오프라인인 경우(#408), MA는 RT-MA-D(및 MA-CD도 가능)을 전송(#410)한다. MA가 온라인이 아닌 경우, MA는 오프라인 상태의 시작을 자동으로 표시(식별/기록)하도록 적응된다. 그리고 MA는 MA-CD/캐시 데이터의 수집을 계속하거나 시작(#414)하여, 이러한 캐시 데이터를 MA 메모리에 저장한다. 오프라인 상태(또는 정기적으로 기본적으로 항상 동작 중인)에서, MA는 상태 신호를 NDS으로 계속 전송/수신(#416)한다. MA가 미리 프로그래밍된 시간 내에 온라인 상태로 복원되지 않은 경우(#418), MA는 컨트롤러(n.s.)를 통해 하나 이상의 알람을 1개 이상의 사용자(들)에게 전송(#419)할 수 있다. MA가 온라인 상태를 재개하는 경우(#418), MA는 캐시된 MA-CD(캐시 L-STR-MA-D)를 NDS로 전송(#420)한다. NDS-PROCU 또는 그 컴포넌트는 MA-D, 네트워크, 영역 등과 관련된 지속적인 분석 프로세스의 캐시된 L-STR-MA-D의 사용에 관한 충분성 결정(#424)을 내리기 위해 하나 이상의 충분성 표준/규칙 또는 알고리즘/프로토콜에 대해 캐시된 MA-CD의 충분성을 평가(#422)한다. 데이터가 충분하지 않은 경우, MA-D는 RT-MA-D(L-STR-MA-D/MA-CD와 결합하여)의 전송(#410)을 다시 시작할 수 있다. 저장된 데이터가 충분한 것으로 간주되면, NDS-PROCU는 캐시된 MA-CD(일명 C-MA-CD)를 처리한다(예를 들어, 이러한 데이터를 다른 네트워크에 저장된 데이터(N-STR-D)와 결합/블렌딩(#426)함). 이러한 블렌딩된 데이터는 네트워크에 있는 다른 MA의 데이터와 추가로 조화/블렌딩(#428)될 수 있고, NDS-PROCU는 이러한 데이터를 사용하여 하나 이상의 분석 프로세스, 예를 들어 AI/ML 프로세스를 수행(#430)할 것이며, 그 결과는 MA(s)로 다시 중계(#432)되고, MA 디스플레이에 각 경우에 디스플레이(#436)되며, 이러한 분석로부터 도출된 데이터는 또한 또는 대안으로 ONDI로 전송(#434)될 수 있다. 일반적으로, 이러한 프로세스는 MA 동작 중에 반복적인 방식으로 다시 시작될 것이다.
도 5
도 5는 도 4와 같이 캐시 데이터/MA-CD/L-STR-MA-D의 수집 및 가능한 처리를 추가로 예시하는 시나리오(#500)를 예시하지만, 여기서는 네트워크 부분의 예시적인 물리적 컴포넌트 및 동작 중인 휴대용 MA의 위치를 참조한다. 인간 피험자/환자(HSUB)(#504)가 구역 1(#502)을 통해 이송되는 동안 MA(#506)으로 진단/치료된다. MA는 제1 시간(8:30)에 무선 네트워크 포인트(#508)를 통해 실시간 스트리밍 MA-D(RT-MA-D(#510))를 NDS 프로세서(NDS-PROCU(#522))로 중계한다. 그런, 제2 시간(10분 후 / 8:40)에, 피험자가 무선 통신 능력이 부족한 구역 2(#516)에 있을 때, MA는 태그/마킹된 L-STR-MA-D(일명 MA-CD 또는 캐시 데이터)(#518)을 수집하기 시작하고, 이를 장치 메모리(MA-MEMU(#520))에 저장한다. 피험자가 무선 릴레이(#508)와 다시 연관된 구역 3(#511)(8:50에)으로 식별된 위치에 도달하면, MA는 MA가 구역 2에 있었던 기간 동안 저장된 새로운 RT-MA-D(#512) 및 L-STR-MA-D(#518) 둘 모두를 전달한다. MA/NDS에 의해 충분히 결정/검출한 경우, 네트워크 통신 오류의 알려졌거나 예상되는 원인과 같은 추가 데이터가 또한 중계, 감지 또는 예측될 수 있다. 이러한 전송 설정에서 또는 네트워크 또는 장치 문제/중단이 있는 경우 임시 오프라인 상태가 가능하므로, 이러한 캐시 데이터뿐만 아니라 실시간 MA-D를 효과적으로 저장, 중계 및 처리하는 NDA/MA 네트워크의 능력은 MA 데이터에 대한 애플리케이션의 효율성을 크게 향상시켜, 더 나은 데이터, 더 나은 NDS 동작 및 더 나은 환자 케어를 제공한다.
도 6
도 6은 MA/NDS 네트워크(#600)의 적어도 일부가 MA 네트워크(#602) 및 NDS 프로세서(NDS-PROCU(#604) 및 NDS 메모리(NDS-MEMU(#636))를 포함하는 NDS를 포함하는 것 외에, 예시된 시스템(#600)에 상용 네트워크/그룹/컴포넌트(#668), 연구 그룹/플랫폼(#644) 및 임상 지원 컴포넌트/그룹(#624)으로서 예시되는 기타 네트워크 장치/인터페이스(ONDI)를 더 포함하는 양태를 예시한다.
MA 네트워크(#602)와 같은 이러한 기타 네트워크/NDS 컴포넌트 각각은 MA-D, NDS-AD 또는 둘 다를 동시에(concurrently)/동시에(simultaneously) 활용하지만, 이러한 각 기타 네트워크/NDS 컴포넌트는 또한 일반적으로 규제 요구 사항, 기밀성 문제 및 이러한 네트워크/NDS에서 사용자의 서로 다른 데이터 요구/역할로 인해 이러한 데이터의 서로 다른 양태들을 수신한다. 따라서, NDS 프로세서(NDS-PROCU(#604))는 MA 네트워크(#602)로부터 MA-D를 수신하고, 이러한 데이터에 데이터 개선 기능을 적용(예를 들어, 정리, 조화 등(#628))하고, 이러한 데이터를 메모리(NDS-MEMU(#636))에 저장할 뿐만 아니라, 제한된 시간 윈도우(예를 들어, 서로10분 미만, 5분 미만, 2분 미만, 1분 미만, 30초 미만 또는 20초 미만) 내에 MA-D를 효율적으로 태그 지정, 소팅, 정리 및 분석하고, NDS-AD를 생성하기 위해 그리고 NDS-AD 및 관련 제어/명령어(애플리케이션)을 네트워크의 이러한 다양한 컴포넌트에 효과적이고 안전하며 동시에 분배하기 위해 이러한 명령어/코드를 사용하는 포함된 처리 컴포넌트를 통해 NDS-MEMU(#636) PTRCRM에 있는 프로그래밍된 명령어(엔진(들))에 액세스하는 동시에, 규제 요구 사항(RR) 및 기타 규칙을 준수한다(예를 들어, NDS-PROCU(#604)는 다양한 네트워크 컴포넌트/장치를 대상으로 하거나/이에 전달되는 데이터만의 출력이 승인된/적절한 기타 네트워크 컴포넌트(들)만 적절하게 전달되도록 보장하는 출력 기능(들)을 포함할 수 있음).
상용 네트워크(#668)는 영업사원, 의학 연락 담당자, 마케팅 전문가, 비즈니스 인텔리전스 전문가 등과 같이, 네트워크(#600)를 관리/소유하는 헬스케어 조직 내에서 상업적 역할과 인터페이싱하거나, 상업적 역할을 지원하거나, 상업적 역할로 일하는 전문가(예를 들어, 각각 Rep 1, Rep 2 및 Rep 3(#670, #672, 및 #674)으로 표현됨)에 의해 액세스될 수 있는 장치 또는 인터페이스의 네트워크(예를 들어, 임의 개수의 적절한 장치에서 인터넷을 통해 액세스할 수 있는 웹 페이지)를 포함한다. 시스템, 네트워크 또는 둘 다를 소유/관리하는 회사는 또한 일반적으로 MA(들)를 제조/분배하거나, NDS 동작 서비스를 판매하거나, 둘 다를 수행하는 회사이다. 양태들에서, 이러한 상용 네트워크에서 장치/인터페이스에 액세스하는 일부, 대부분의, 일반적으로 모든 또는 모든 전문가는 NDS/시스템에 액세스할 수 있는 네트워크 관리자나 조직에 대한 상용 영업 및 마케팅 역할을 한다. 이러한 전문가에 대한 규제 요구 사항(RR)은 예컨대 PHI에 대한 액세스와 관련하여 이러한 시스템의 기타 사용자(예를 들어, MA를 갖는 환자를 치료하는 HCP)와 크게 다를 수 있다. 따라서, NDS-PROCU(#604) 컴포넌트, 예를 들어 기계 학습 컴포넌트(NDS-MLU(#608))는 양태들에서 예를 들어 MA(#602)에 제공되는 것보다 상용 네트워크(#668)에 제공되는 출력에 서로 다른 규칙을 적용하도록 적응/구성된다. 구체적으로, 상용 네트워크/그룹(#668)의 사용자는 구조화된 사용자 역할, 기능 및 적용 가능한 RR/기타 요구 사항을 수신할 수 있으며, 이는 MA(#602)를 사용하고 액세스하는 HCP에게 제공되는 데이터의 디스플레이와 내용 또는 형태가 크게 다르다. 예를 들어, Rep 1(#670)은 병원 네트워크의 여러 병원을 지원할 수 있고, 따라서 일반적으로 PHI를 공개하지 않고 개별 장치 데이터가 높은 레벨의 성능 양태(사용량, 오류, 상태 등)로 제한된 각 병원의 MA 성능에 대한 데이터의 디스플레이를 수신할 것이다. Rep 2(#672)는 사이트, 엔xl티 또는 네트워크의 고유하거나, 동일하거나, 중첩되는 네트워크에 대한 유사한 정보를 수신할 수 있다. 상용 네트워크의 장치는 NDS-PROCU(#604)에 직접 데이터를 제공할 수 있지만, 또한 상용 네트워크 사용자 인터페이스/장치에 데이터를 제공할 수 있는 독립적인 데이터 소스, 예를 들어 고객 관계 관리(CRM) 데이터베이스(#664)(예를 들어, Salesforce™ CRM 데이터베이스)와 추가로 상호 작용할 수 있으며, 이러한 데이터는, 양태들에서, 이러한 인터페이스/장치, NDS 또는 둘 다의 로컬 컴포넌트에 의해 블렌딩되어 이러한 사용자에게 결합된 정보(예를 들어, NDS-AD의 사용량 및 임상 결과 정보와 결합된 CRM의 엔티티 정보 및 판매 정보)의 디스플레이를 제공할 수 있다.
HCP는 규제 당국에 의해 규제되는 하나 이상의 NDS-PROCU 기능으로부터, 예를 들어, 의료 장치 규정으로서의 소프트웨어를 통해 데이터를 수신할 수 있다. 예를 들어, NDS 프로세서/엔진(들)에 의해 수행되는 의료 장치 애플리케이션으로서의 제1 소프트웨어인 SAMD1(#678)은 HCP에게 치료 지침을 제공할 수 있는 반면, 제2 애플리케이션인 SAMD2(#686)는 MA의 하나 이상의 동작 기능/파라미터를 직접 제어할 수 있다. MA 레벨에서 사용되는 기타 NDS-PROCU 기능에는 임상 의사결정 지원(clinical decision support; CDS) 시스템("CDSS")이 포함될 수 있다. 예를 들어, 제1 CDSS인 CDS1(#682)는 NDS-PROCU에 의해 RT-MA-D로 수신되고, RT-D 프로세스(#616)와 기계 학습 유닛(들)(NDS-MLU(#608)) 둘 다에 의해 분석된 검출된 MA 조건에 기초하여 가능한 치료 옵션을 제공할 수 있으며, 후자는 네트워크(#602)에 있는 많은 MA로부터의 데이터, NDS-MEMU(#636)에 저장된 과거 MA 데이터 또는 둘 다로부터 추출된다. 전체 NDS 프로세서(#604)(또는 1차 NDS 프로세서)에 대한 NDS의 이러한 컴포넌트와의 관계는 이러한 컴포넌트를 둘러싼 박스에 의해 강화된다. 제2 예시적인 CDSS인 CDS2(#690)는 환자 EMR(들)(#696)에 저장된 MA- 및 기타 데이터 모두로부터 추출된(그리고 선택적으로 NDS는 EMR(들)에 출력을 보냄) 분석 지원 기능을 포함한다. 예시적인 지원 기능에는 MA 설정 변경이 CDSS를 기반으로 한 치료 상태와 일치하지 않는 것으로 나타날 때 경고 제공, 권장 MA 설정 또는 기타 조치 과정 제공, RT-D 프로세스(#616)를 기반으로 한 알람 제공 등이 포함될 수 있다. EMR 데이터는 EMR 보안 유닛(#694)을 통과하여 매우 안전한 방식으로 NDS-PROCU(#604)로 전달되며, 이는 예를 들어 패킷 스캐닝을 수행하여 허용 가능한 요소가 포함된 데이터 패킷을 식별하는 동시에 또한 잠재적인 악성 코드/바이러스, 암호화를 스캐닝하는 1개 이상의 방화벽(들)/필터(들)를 포함할 수 있으며, 따라서 NDS-PROCU(#604)는 일반적으로 이러한 EMR 데이터를 인식하고 승인된 HCP(들) 이외의 NDS의 사용자에 대한 액세스를 방지하기 위해 이러한 EMR 데이터를 라우팅하는 기능(들)을 포함할 것이다. NDS-PROCU(#604)는 예를 들어 CDSS 대 SAMD 프로세스로 라우팅되는 데이터의 태그 지정을 적용하여, 개별 CDSS/SAMD 프로세스에 필요한 이러한 데이터만 제공하고 이러한 프로세스의 서로 다른 규제 당국 상태를 고려하여 적용할 수 있다. 예를 들어, 서로 다른 SAMD 기능(#678, #686)의 보안이나 정확성은 일반적으로 CDSS 프로세스(#682, #690), 특히 MA 처리의 양태를 직접 제어하는 SAMD 프로세스에 필요한 레벨 이상인(보다 집중적인/제한적인), (NDS, 사용자 또는 둘 다에 의해) 레벨에서 시연, 검증 및 유지/감사될 것이다. 추가 보안 유닛(들)(SECURU(들))(#692)는 네트워크 레벨, MA 레벨 또는 둘 다, 예를 들어, 방화벽/필터에 적용되어 적절하게 태그가 지정된 MA 데이터만 각 MA 및 각 MA 기능에 전달되도록 할 수 있다.
마찬가지로 연구 플랫폼/그룹/네트워크(#664)는 일반적으로 여러 사용자, 사용자 조직 또는 둘 다를 포함한다. 여기에 예시된 바와 같이, 연구 플랫폼(#664)은 복수의 임상 연구 사이트/장치(여기서는 사이트 1(#648), 사이트 2(#652), 사이트 3(#656)으로 예시적으로 도시됨)의 네트워크를 포함하며, 이는 일반적으로 서로 다른 독립 엔티티(예를 들어, 서로 다른 임상 연구 조직, 대학 병원 또는 임상 연구에 관련된 기타 조직) 또는 심지어 엔티티 내의 서로 다른 네트워크(예를 들어, 특정 장치 상에서 작업하는 팀 또는 임상 연구)에 의해 관리되는 장치/시스템/그룹을 나타낸다. 연구 플랫폼(#664)에 액세스할 수 있는 데이터는 상용 네트워크(#668)와 상당히 다른 RR의 대상이 될 수 있다. RR 및 기타 요구 사항(예를 들어, 계약 요구 사항) 준수를 지원하기 위한 데이터 전달, 액세스 등에 대한 수정은 예를 들어 권한/설정 및 이를 테면, NDS-PROCU(#604)의 출력에 적용되는 필터/방화벽(또는 권한/설정)(#660) 적용에 의해 관리될 수 있다. 연구 플랫폼 사용자는 또한 일부, 대부분의 또는 일반적으로 모든 NDS-PROCU 기능, 예를 들어 데이터 저장소 쿼리 프로세스(#620)에 액세스할 수 있으며, 이를 통해 NDS-MEMU(#636)에 저장된 데이터를 쿼리할 수 있고, 예를 들어, 상용 네트워크(#668)의 사용자에는 액세스할 수 없다. 쿼리 프로세스는 하나 이상의 스키마(#632)를 NDS-MEMU(#636)의 부분(들)에 포함된 데이터에 적용하는 것을 포함할 수 있으며, 저장된 NDS 데이터는 예를 들어, 다른 곳에 논의된/예시된 바와 같이 데이터 레이크(DL) 포맷 또는 EDL 포맷으로 저장된 반비정형 데이터일 수 있으며, 이로 인해 연구 플랫폼 사용자(들)에게 전달되는 쿼리 응답 데이터(Query-D(#640))를 생성한다. 추가로, 많은 양태들에서 상용 네트워크(#668) 사용자와 달리, 연구 플랫폼 사용자는 예를 들어, 임상 연구 데이터, 모델링 데이터, 연구 분석 데이터 등의 데이터를 NDS-PROCU에 직접 제공할 수 있다. 따라서, 예를 들어, 일부 NDS 분석 프로세스에서는 예를 들어, 기계 학습 모델 개발 시 연구 플랫폼의 데이터를 사용할 수 있으며, 연구 플랫폼 데이터는 이러한 모델에 대한 정보의 소스, 주요 소스 또는 유일한 정보 소스이다. 이러한 모델은 연구 플랫폼의 데이터의 연구 특성을 고려하여 특정 애플리케이션으로 제한될 수 있다. 예를 들어, 이러한 데이터는 CDSS에 사용될 수 있지만, SAMD 기능에 사용하기에는 적합하지 않다.
임상 지원 네트워크/그룹/컴포넌트(#624)는 일반적으로 전문 클리닉(MA(#602)), 연구 플랫폼 환경(#644) 또는 둘 다에서 하나 이상의 치료 환경에서 MA 환자의 상태를 모니터링하는 데 참여한 전문가에 의해 액세스될 수 있는 기타 장치/인터페이스(ONDI)를 포함한다. 임상 지원 컴포넌트/팀(#624)의 사용자와 관련하여, NDS-PROCU(#604)의 액세스 데이터는 다른 클래스의 사용자(예를 들어, 상용 사용자)와 다른 규칙이 적용될 수 있으며, 이러한 사용자는 MA/NDS 데이터(MA-D, NDS-AD 또는 둘 다)의 다른 디스플레이가 제공되며, 따라서 상용 네트워크(#668) 또는 연구 플랫폼(#644)의 사용자와 다른 프로파일/도구/인터페이스가 제공된다(출력 시 다른 스키마 적용을 통해)(그러나 MA, ONDI 또는 둘 다에서 유사한 데이터에 액세스하는 HCP에 전달되는 인터페이스와 더 많이 중복될 수 있음). 임상 지원 인력은 MA 상태 정보에 기반한 RT-D 프로세스(#616)(스트리밍 MA-D에서 수행된 데이터 분석 기능)를 기반으로, 오프라인 이벤트 후 업로드된 로컬에 저장된 MA-D에서 수행되는 프로세스(#612)를 기반으로, 또는 둘 다를 기반으로 알람을 수신할 때 추가 지원을 제공하도록 훈련될 수 있다. 양태들에서, 임상 지원 인력은 NDS 소유자/운영자와 연관(고용 또는 계약)된다. NDS 소유자/운영자 직원 및 계약자는 기밀성 및 적용 가능한 RR 준수를 보장하는 법적 요구 사항의 적용을 받을 수 있다.
도 7
도 7은 예시적인 NDS/시스템 메모리 유닛(NMEMU(#702))의 적어도 일부와 연관되고 이에 주로 발생/포함되거나, 아니면 이와 연관되는 데이터(#700)의 수집 및 데이터 관리 프로세스를 예시한다. NMEMU는 스트리밍 실시간 의료 장치 데이터(RT-MA-D)(#704)와 의료 장치 메모리(LSTR-M-AD(#706), 일명 캐시 데이터/MA-CD)에 로컬로 저장된 데이터를 둘 모두를 수신한다. RT-MA-D는 일반적으로 실시간(또는 거의 실시간) 방식으로, 스트리밍 포맷으로 또는 둘 다로 전달된다. MA-CD는 일반적으로 이벤트(예를 들어, 위에서 설명된 오프라인 이벤트) 시 주기적으로 일괄 데이터 전달을 통해 전달되거나, 스트리밍이 사용 가능해지면(예를 들어, MA가 온라인 상태로 복원되면) RT-MA-D와 결합되어 스트리밍 방식으로 전송될 수 있다. RT-MA-D는 일반적으로 반비정형 데이터(SUMAD), 비정형 데이터 또는 종종 이들의 조합으로 전달된다(예를 들어, 개별 데이터 모음으로 저장되고 이와 같이 분석될 수 있는 상태 정보(#730)는 비정형이지만, 속성 및 값 쌍(예를 들어, 위치: 위치 정보, 장치 유형: 심장 펌프 등)은 일반적으로 SUMAD로 전달됨). MA-CD는 또한 SUMAD, 정형 MA-D 또는 둘 다로서 전달될 수 있다. SUMAD는 일반적으로 상대적으로 최소한의 특성과 제한된 데이터 관계(예를 들어, 제한된 수의 레코드에서 한 레벨 이하의 특징-속성 관계)를 가지며, 상대적으로 빠른 릴레이 및 데이터 유입/수집을 허용하여 데이터를 NDS 프로세서(들)(n.s.)로 전송하는 많은 입력 MA로부터 데이터 처리를 용이하게 한다.
데이터 무결성 및 유용성을 촉진하기 위해, 이러한 방법은 착신 데이터를 정리하는 단계(#708), 메타데이터를 적용(태깅)하는 단계(#710) 및 동시에 또는 이후 추가 처리를 위해 데이터를 소팅하는 단계(#720)를 더 포함할 수 있다. 서로 다른 소스(저장된 및 RT/S 데이터, 서로 다른 유형의 MA 등)의 데이터 조화 및 기타 데이터 개선 프로세스는 본원의 다른 곳에서 자세히 설명된다. 이러한 애플리케이션을 수행하기 위한 시스템/방법은 다른 곳에서 제공된다. 아래에 설명된 이러한 단계 및 특정 데이터 모음은 대부분, 일반적으로 전부 또는 전부가 NDS, 대부분 NDS 메모리 유닛(NMEMU(#702))에서 수행/포함된다는 것을 반영하기 위해 데이터베이스 도면 내에 포함된다.
NDS는 MA-D와 NDS-AD를 데이터 적용, 데이터 액세스 및 기타 특성에 영향을 미치는 다양한 기능 카테고리로 이를 테면, 변환, 분석 및 소팅할 수 있다. 타이밍은 이러한 특성화에 사용될 수 있는 특성 중 하나이다. 예를 들어, NDS/방법은 RT/스트리밍 데이터를 관련 단기 기간/"윈도우" 내에 전달된 블록으로 소팅하는 미리 프로그래밍된 규칙에 따라 "현재"로 간주되는 RT-MA-D(#722)를 별도로 식별하고 적용할 수 있다. 단기 MA-D(#726)는 그룹을 정의하는 서로 다른 기간과 연관된 MA-D의 서로 다른 카테고리를 나타낼 수 있으며, 이는 NDS/방법(프로세스)의 이 레벨/단계에서 RT-MA-D를 포괄하거나, 중첩하거나 이와 구별될 수 있다. 서로 다른 기간의 데이터를 모음으로 카테고리화하면 시스템이 2회 이상, 3회 이상 또는 그 이상의 시점에서 이러한 데이터에 대해 시간 관련 분석을 수행하도록 할 수 있다. 예를 들어, NDS는 최근 수신/수집된 데이터에 대한 분석을 (예를 들어, 자동으로) 수행하고 제한된 기간 동안만 또는 장기간(시간, 일, 주, 월, 분기 연/분기 또는 연)에 걸쳐 저장된 데이터에 대한 별도의 분석(예를 들어, 특정 애플리케이션 수행을 위한 최소 표준을 충족하기에 충분한 양의 데이터 구축)을 수행할 수 있다.
NDS에 의해 수신된 상대적으로 원시 MA 데이터, 예를 들어 RT-MA-D 및 MA-CD)는 NDS에 의해 소팅 등의 추가 처리를 받을 수 있으며, NDS는 이러한 데이터를 기반으로 또는 AD를 기반으로 분석/AD를 생성할 수 있다. 또한, 예를 들어, MA-CD(캐시 데이터)(또한 때로는 도면에서 "로컬에 저장된 MA-D"를 의미하는 "L-STR-MA-D"로 도시됨)는 검증 규칙(예를 들어, 최소 데이터 시간, 최소 데이터 품질 등)을 통해 유효성 감사 분석을 받은 후 검증된 MA-CD(#724)로 특성화된다. 기계 학습 모델/모듈(MLM) 프로세스는 예를 들어 생리학적 파라미터 또는 기타 유형의 예측 데이터(#728)를 생성할 수 있다.
NDS는 또한 기밀성 규칙에 기초하여 데이터를 특성화/차단할 수 있다. 예를 들어, PHI(#732)는 예를 들어, 상용 네트워크 컴포넌트의 사용자가 아닐 수 있는 사용자로부터 PHI를 수신하거나 이에 액세스할 수 있는 예를 들어 사용자/컴포넌트(예를 들어, EMR, HCP 사용자 등)로의 데이터의 효율적인 전달을 촉진하는, 비-PHI(#734)로부터 별도로 차단/분리/카테고리화/태그 지정될 수 있다. 다른 레벨의 기밀성도 일반적으로 NDS 데이터, 예를 들어 특정 사용자 엔티티에 의해 액세스할 수 있는 데이터 등에 적용된다. 이러한 소팅은 위치/소속(엔티티) 데이터, MA LOC/AFFIL.-D(#736)와 연관될 수 있으며, 이는 또한 위치, 엔티티 또는 그룹 레벨에서 분석을 용이하게 할 수 있다. 위치/소속을 기반으로 한 NDS-AD는 또한 상용 네트워크 컴포넌트의 사용자에 의해 액세스될 수 있는 요약 정보 또는 비-PHI의 형태로 제시될 수 있다. 이러한 양태와 기타 양태에서, 독자는 이러한 데이터 그룹이 위에 설명된 다른 그룹과 중첩될 수 있음을 인식할 것이다(예를 들어, RT-MA-D는 일반적으로 PHI를 포함할 것임).
이러한 특성의 조합은 또한 네트워크 메모리(#702)의 기타 구역을 특성화/형성하는 데 사용될 수 있으며, 이러한 구역은 규칙/거버넌스 정책의 적용을 받을 수 있다. 예를 들어, SAMD 액세스 구역(#740)은 SAMD 액세스 정책(#742)에 의해 관리되는 SAMD(들)에 의해 액세스할 수 있는 데이터의 모음을 정의하고, CMD 액세스 구역(#744)은 마찬가지로 미리 프로그래밍된 CMD 액세스 정책(#746)에 따라 NDS에 의해 관리되는 데이터의 모음을 정의한다. 다른 곳에 언급된 바와 같이, SAMD 정책은 이를 테면, RR로 인해 CMD 정책보다 더 엄격할 수 있다. 유사한 방식으로, 추가 데이터 구역은 연구 액세스 정책(#750)에 따라 관리되는 연구 액세스 구역(#748) 및 상용 액세스(Acc.)에 따라 관리되는 상용 액세스 구역(#752)을 포함한다. 정책(#754)이 정의될 수 있다. 이러한 구역의 정책은 이러한 "구역"과 연관된 사용자가 RR 및 기타 시스템 규칙에 하에서 생성하고 액세스할 수 있는 다양한 액세스 레벨과 데이터 종류를 반영할 수 있다. 데이터의 또 다른 조합은 PHI를 포함하는 다양한 개별 레코드를 포함할 수 있는, EMR(들), MA-DISPU(들) 또는 둘 다(#738)로부터 도출되거나 이에 전달되도록 지시된 데이터를 포함할 수 있다.
도 8
도 8은 NDS 데이터 저장소/메모리 유닛(#800)에 대한 서로 다른 데이터 구역의 포함/적용을 설명하는 개략도이다. 제1 데이터 구역은 인바운드 MA-D(#802), 예를 들어 RT MA-D 및 MA 로그 데이터(#804)로 구성된다. 로그 데이터에는 미리 프로그래밍된 이벤트 발생(예를 들어, 오프라인 이벤트 시 MA-CD 전송, 장치 알람 등록 등)과 관련된 임의의 데이터가 포함될 수 있을 뿐만 아니라, 상태 정보, 애플리케이션이나 사용자 또는 둘 다에 의해 서비스된 동작, MA 또는 MA 사용자(HCP)에 의해 수행된 동작, 애플리케이션에 의해 내려진 결정, 애플리케이션에 의해 시간된 동작, 애플리케이션의 런타임 특성 및 임의의 기타 유형의 로그 데이터를 포함할 수도 있다. 이 구역은 인바운드 외부(MA) 액세스 전용(#806)으로 특성화될 수 있으며, 이 구역에서 원시 MA-D의 특성을 보존한다(예컨대 메모리 유닛의 일부인 이러한 구역은 임의의 다른 양태와 결합할 수 있는 일반적인 양태로 간주될 수 있음). 네트워크(NDS/클라우드 프로세서 유닛)(내부) 액세스를 지원하는 제2 구역에는 예를 들어, 큐레이트된 데이터(#808) 및 스코어링된 데이터(#810)만 포함되며, 이는 적어도 부분적으로 제1 구역에 저장된 데이터로부터 도출될 수 있다. 큐레이트되고 스코어링된 데이터(#808 및 #810)에는 예를 들어, 클라우드/NDS 내부 액세스 및 데이터 분리 등을 지원하는 거버넌스 정책(#812)이 적용될 수 있다. 샌드박스(#814) 역할을 하는 제3 구역은 개별 사용자 테스트 애플리케이션, 개념 증명 테스트 등(#816)을 위해 액세스할 수 있다. 제4 구역은 아웃바운드 데이터(#818)를 포함하며, 데이터 내보내기를 지원하는 거버넌스 정책(#820), 예를 들어, 전체 데이터 유닛에 포함된 기타 데이터에 대한 액세스 제한, 적절한 사용자(들)에게 적절한 데이터 전달, MA 등의 애플리케이션(들) 등이 적용된다. 데이터는 메타태그 등을 통해 구역별로 소팅되며, 이러한 데이터 소팅/큐레이션, 저장 및 검색을 구현하는 엔진(들)은 다른 곳에서 제공된다. 이러한 데이터 거버넌스 구역의 포함, 및 예를 들어 향상된 데이터 레이크의 일부로서 초기 수집 후 이러한 구역으로의 데이터의 전달은 데이터 수집 및 구역(들)의 데이터에 대해 수행된 후속 온디맨드 또는 조건부 자동/자동 애플리케이션의 속도를 감지할 수 있거나 크게 높일 수 있다.
도 9
도 9는 이러한 네트워크 내에서 동작할 수 있는 물리적 장치 컴포넌트 유형의 예에 초점을 맞추고 있는, MA 그룹 및 NDS(#918)를 포함하는 예시적인 네트워크(#900)의 다양한 가능한 부분을 도시하는 표현이다.
예시된 네트워크 표현은 적어도 일부 경우에 서로 다른 유형의 MA 센서 데이터를 생성하는 여러 유형의 서로 다른 MA를 포함하는 여러 개의 서로 다른 MA 그룹을 포함한다(그리고 이에 따라 포함된 NDS(#918)는 데이터를 수신하고 데이터를 전송하기 위한 액세스를 가짐). 설명을 단순화하기 위해 몇 개의 MA 그룹만 예시되어 있지만, 많은 양태들에서, 더 많은 MA 그룹이 NDS와 연관될 수 있다(예를 들어, 약 5개 이상, 10개 이상, 15개 이상, 20개 이상, 25개 이상, 35개 이상, 50개 이상, 또는 약 100개 이상의 그룹은 많은 수의 장치, 예를 들어, 약 10개 이상, 15개 이상, 25개 이상, 50개 이상, 100개 이상, 150개 이상, 200개 이상, 또는 약 250개 이상을 포함하며, 각각은 3개 이상, 4개 이상, 5개 이상, 7개 이상, 또는 약 10개 이상의 유형의 MA로 구성됨). 여기에 예시된, 제1 MA 네트워크/그룹(#902)은 제1 유형의 MA(N1 MA-1(#904))의 MA(들), 예를 들어 심장 펌프와 관련된 환자 데이터를 모니터링하고 제어하기 위한 컴포넌트 및 제2 유형의 MA(N1 MA-2(#906))의 하나 이상의 MA, 예를 들어 체외막산소공급(ECMO) 시스템을 포함한다. 제2 MA 그룹(네트워크 2(#908))은 제1 및 제2 유형의 MA(N2 MA-1(#910) 및 N2 MA-2(#912))의 기타 유닛(들)/그룹(들)을 포함한다. 제3 예시적인 MA 그룹은 또 다른 유형 1 장치(N3 MA-1(#929))를 포함한다. 모든 세 개의 MA 그룹은 NDS(#918)로 데이터를 전송한다. 양태들을 예시하기 위해, N3 MA-1(#929)는 데이터 디스플레이가 NDS에 의해 생성된 스키마(들)/표현(들)에 따르는MA DISPU(#933)에 디스플레이된 디스플레이 가능 정보를 포함하여 MA 보안 유닛(MA-SECURU(#928))을 통해 삭제되면, 텔레메트리 기능(#931), 예를 들어 Wi-Fi 송신기 또는 NDS(#918)에 정보를 중계하고 NDS로부터 NDS-AD, 제어 명령어 들을 다시 수신하는 기타 무선 프로토콜 데이터 송신기와 연관된 것으로 도시된다.
NDS(#918)는 프로세서 "유닛"(NDS-PROCU(#920))을 포함하는 클라우드 기반의 확장 가능한(요구 응답 스케일링 가능) 시스템 아키텍처를 포함하며, 이는 일반적으로 예를 들어, 대규모 병렬, 분산, 고가용성, 가상 프로세서 및 본원에 설명된 바와 같이 향상된 데이터 레이크(EDL)를 포함하거나 그 형태일 수 있는 데이터 레이크(DL)(#926)로 주로 구성되는 메모리 유닛을 포함한다. NDS(#918)는 또한 예를 들어, 데이터 레이크 애플리케이션(#924)(예를 들어, 쿼리 엔진, 스키마 애플리케이션 엔진, 예측 엔진(들) 등)과 같은 기능을 수행하는 분석 유닛(들)/엔진(들) 및 기계 학습 기반 프로세스 또는 기계 학습의 애플리케이션을 포함하는 프로세스를 수행하는 기계 학습 유닛/모듈(MLU(#922))을 포함한다. NDS(#918)는 또한 예를 들어 방화벽 기능을 포함하는 보안 유닛(NSECURU(#950))을 포함하거나 이와 연관되어 있으며, 다양한 기타 NDS/네트워크 컴포넌트에 의해 사용하기에 적합한 기능 데이터의 수집 및 소팅을 제공하는 기능 필터(#954)와 연관된다.
네트워크의 기타 컴포넌트에는 NDS/네트워크의 다양한 사용자에 의해 사용되는 랩톱 컴퓨터, 태블릿, 스마트폰 등을 포함한 다양한 네트워크 액세스/입력 장치(#958)가 포함될 수 있다. 이러한 사용자에는 시스템 성능 문제를 모니터링하고 주의를 기울이고 지도 기계 학습 모듈에서 기계 학습의 지도와 같은 기타 역할을 수행하는 시스템의 관리자/소유자와 연관된 사용자를 포함하는 시스템 관리자(#962)가 포함될 수 있다. 임상 지원(#966)은 HCP에 대한 백업 기능으로 환자 상태를 모니터링할 수 있는 또 다른 기타 네트워크 그룹/컴포넌트이다. 연구 컴포넌트/프로그램(#970)의 사용자는 또한 기타 네트워크 장치(#958)를 통해 일부, 대부분의 또는 일반적으로 모든 N-AD, MA-D 또는 둘 다를 제공받을 수 있다. 유사하게, 상용 그룹/컴포넌트(#974)의 사용자는 네트워크 장치를 통해 선택 N-AD(일반적으로 규제 요구 사항으로 인해 PHI를 포함하지 않음)를 수신할 수 있으며, 동시에 기타 외부 네트워크(#978), 예를 들어 고객 관계 관리 데이터베이스/프로그램으로부터 데이터를 수신할 수 있으며, 이는 또한 또는 대안으로 NDS가 MA-D 또는 기타 NDS-AD와 함께 이러한 다른 정보 소스의 조합으로부터 NDS-AD를 생성할 수 있도록 데이터를 NDS에 직접 중계할 수 있다. 이 예시로부터, 본 발명의 네트워크는 당업계에서 이전에 설명된 모든 것을 훨씬 초과하는 상호 운용성 및 복잡성의 레벨을 포함할 수 있으며, 본 발명의 시스템은 이러한 복잡한 네트워크의 다양한 구성 그룹과의 데이터 유입 및 데이터 출력을 동시에 처리하도록 적응/구성되어 헬스케어 시스템/동작의 많은 레벨에서 헬스케어 관련 정보를 더 잘 관리할 수 있다는 점에서 독창적으로 독특하다는 것을 알 수 있다.
도 10
도 10은 이러한 네트워크에서의 데이터 흐름에 초점을 맞춘, MA(#1004), NDS(NDS-PROCU(#1016)으로 나타냄)와 기타 네트워크/NDS 컴포넌트(예를 들어, NDS-MEMU(#1052)) 사이에 형성된 네트워크 컴포넌트(#1000)의 또 다른 예시를 제공한다. 예시된 예시 네트워크에서, MA(#1004)는 실시간/스트리밍 프로세스(및 적어도 일부 경우에는 MA-CD)를 통해, 이를 테면, 비디오 데이터(#1012)(예를 들어, MA나 피험자, 피험자, MA 등과 연관된 디스플레이(들)의 비디오 녹화를 포함) 및 반정형 MA-D, 예를 들어, JSON 포맷화된 반정형 데이터(#1008)뿐만 아니라 기타 상태/로그 데이터를 NDS 처리 유닛(NDS-PROCU(#1016))로 전송하며, 이는 예를 들어 웹/클라우드 기반 스케일링 가능하고, 고속이며, 가용성이 높은 프로세서 유닛, 예를 들어 본원의 다른 곳에서 예시된 이러한 시스템(들) 중 어느 하나일 수 있다. NDS-PROCU(#1016)는 OND, 예를 들어 연구 유닛/그룹(#1020), HCP(#1028) 및 상용 유닛/그룹(#1040)에 할당된 사용자와 관련된 장치로부터 추가 입력을 수신할 수 있다. 이러한 ONDI 사용자는 예를 들어, 이메일(#1024) 또는 웹 인터페이스(#1032)(예를 들어, 모바일 장치 앱, 웹 페이지 등)를 통해 반정형 데이터 입력, 정형 데이터 입력 또는 둘 다를 제공할 수 있다. 외부 데이터 저장소(DR(들))/서비스(#1036), 예를 들어, CRM은 상용 유닛 사용자에게 데이터를 제공할 수 있고, 또한 또는 대안으로 NDS-PROCU(#1016)에 직접 제공할 수 있다(예를 들어, 양태들에서 이러한 데이터는 상용 유닛 사용자와 같은 시스템 사용자에게 중계되기 전에 먼저 NDS 프로세서에 의해 처리되지만, 다른 양태들에서 이러한 데이터는 또한 또는 대안으로 사용자 장치/인터페이스 레벨에서 결합되며, 이러한 장치는 외부 데이터베이스로부터 직접 데이터를 수신하고 일반적으로 이를 테면 NDS 출력 파라미터/제어에 따라 이를 NDS-AD와 블렌드함). NDS-PROCU(#1016)는 다양한 데이터 통합 프로세스(#1044)(예를 들어, 데이터 조화, 검증, 정리 등), 데이터 개선/분석 프로세스(#1048), 예를 들어, 헬스 케어 관리를 위한 예측 도구로서 예상되는 환자 생리학적 데이터의 기계 학습 예측을 적용하여, 장치 디스플레이, 경고 또는 심지어 MA 제어로 이어지며, 그런 다음 시스템 메모리 컴포넌트(NDS-MEMU(#1052))에 이러한 데이터를 저장할 수 있으며, 이는 데이터 레이크(DL) 또는 강화된 데이터 레이크(EDL)를 포함하건, 주로 포함하거나 본질적으로 구성될 수 있고, NDS는 또한 네트워크/시스템 사용자 또는 MA DISPU(들)(#1056)에 의해 액세스될 수 있는 웹 디스플레이/기타 인터넷 액세스 가능 인터페이스를 통해 NDS-AD를 전달할 수 있다. 이 예시에서 알 수 있듯이, 본 발명의 시스템(들)은 현저하게 서로 다른 유형의 데이터 범위를 수신 및 처리하고 이러한 데이터를 장치 또는 네트워크의 기타 장치/인터페이스로 다시 전송되는 출력으로 이어지는 분석 정보 생성에 사용하도록 구성/적응된다. 이러한 다양한 입력을 처리하는 NDS의 능력은 보다 강력한 데이터 수집을 가능하게 하며, 예를 들어 DL(들)을 포함함으로써 이러한 데이터 입력을 신속하게 처리하는 NDS의 능력은 이러한 시스템(들)을 이전에 설명된 시스템과 구별한다.
도 11
도 11은 본 발명의 시스템/네트워크의 컴포넌트에 사용 가능한 예시적인 데이터 처리 방법(#1100)의 단계를 설명하는 흐름도이다. 이 예시적인 방법에서, MA는 데이터, 예를 들어, 스트림 실시간 데이터(RT-MA-D(#1102)), L-STR-MA-D/MA-CD(#1104), 비디오 데이터(#1106)(예를 들어, 본원에 인용된 Abiomed 특허 문헌에 설명된 바와 같은, MA 디스플레이의 비디오) 또는 선택적으로 다른 유형의 데이터와 그 일부/전부의 조합을 스트리밍 데이터 프로세서/엔진과 함께 작동하거나 이를 포함할 수 있는 고가용성 수신기(#1108)로 전송한 다음, 추가로 이러한 입력 특성(예를 들어, 전송/수신 시간, 데이터의 특성, NDS 기능 수행을 위한 데이터의 필요성, 및 NDS 프로세스에 대한 데이터 크기/그에 미치는 영향)에 기초하여 처리하기 위한 다양한 데이터 입력의 우선순위를 결정하기 위해 미리 프로그래밍된 규칙을 적용하는 메시지 큐 프로세스(#116)로 전송한다.
네트워크 수요 평가 기능/단계(#1110)는 데이터 흐름, 처리될 데이터의 백로그 등의 측면에서 NDS에 대한 수요를 동시에 평가한다. 수요가 미리 프로그래밍된 임계값(들)을 초과하는 경우, 수직/수평 리소스 스케일링 기능(#1112)은 현재 NDS-PROCU(#1114)를 구성하는 병렬 분산 처리를 위한 사용 가능한 프로세서 수를 증가시킴으로써, 두 레벨 중 어느 하나의 레벨에서 NDS 리소스를 증가시킨다.
메시지 큐잉(#1116) 후, 전 또는 도중에, NDS-PROCU는 착신 데이터에 다른 수정 사항, 예를 들어, 데이터 태깅(#1118) 및 데이터 정리 및 조화(#1122)를 적용할 수 있다. NDS-PROCU는 또한 NDS가 높은 접근성을 유지하고 헬스케어 환경에서 매우 빠른(적어도 부분적으로는 거의 실시간 또는 실시간으로) 응답성을 제공해야 한다는 필요성을 감안할 때, 예를 들어, 데이터 필요성, 데이터 타이밍 및 NDS 기능에 대한 데이터 영향을 포함한 요인에 따라 우선순위가 지정된 데이터가 먼저 다시 처리되도록 보장하기 위한 비동기식 처리 기능/프로토콜(#1120)을 포함할 수 있다. 독자들은 특정 데이터 유형의 이러한 우선 순위 지정과 비동기식 처리 엔진(들)/단계(들)의 포함이 여기에 제공된 임의의 다른 방법/시스템 양태와 결합할 수 있는 본 발명의 일반적인 양태를 나타낸다는 것을 이해할 것이다. 우선 순위 지정은 규칙(예를 들어, 장치 동작성 또는 환자 건강 데이터와 같은 데이터가 다른 데이터보다 우선순위를 가짐)을 기반으로 적용될 수 있으며, 본원에서 설명되거나 당업계에 공지된 메타태그 또는 기타 데이터 식별자의 적용을 통해 실행될 수 있다. NDS-PROCU는 또한 환자 생리학적 파라미터(들), 결과, 치료 과정(들)에 대한 응답(들) 등에 대한 예측 모델과 같은 다른 분석을 수행하거나 기계 학습 모듈(들)(MLM(#1124))을 적용할 수 있다. MA-D 및 NDS-AD는 NDS 메모리 유닛에 저장될 수 있으며, 이는 일반적으로 반정형 MA-D를 수신하는 데 효율적이고, 기능 속도, NDS 가용성 등을 다시 지원하는 데이터 레이크(#1130)를 포함한다. NDS는 또한 데이터 레이크(#1130) 또는 기타 데이터 저장소(예를 들어, EDL 또는 데이터베이스)의 데이터가 검색되어 관계형 데이터세트 등으로 정렬되는, 온디맨드 기능, 예를 들어 쿼리 기능 및 스키마 애플리케이션(#1132)을 포함할 수 있다. 쿼리 프로세스, MLM 또는 기타 분석 프로세스를 통해 얻은 NDS-AD는 ONDI 또는 MA(#1126)에 전달될 수 있다. 이 개요는 시스템이 시스템의 다양한 설명된 기능을 신뢰할 수 있는 방식으로 효율적이고 효과적으로 수행하도록 하고 의료 장치 데이터를 처리하기 위해 이전에 설명된 다른 방법/시스템과 본 발명의 방법/시스템을 구별하도록 수행되는 다양한 단계 중 일부를 예시한다.
도 12
도 12는 양태에 따라 NDS(#1200)와 함께 네트워크에 있을 수 있는 특수 유형의 MA(다중 구역 MA(MZMA) 또는 결합된 MA(CMA))의 컴포넌트 간의 관계의 간략화된 예시이다. 프로세스/컴포넌트 주위의 박스는 CMA에 포함되어 있거나 아니면 이와 기능적으로 밀접하게 연관된 요소를 나타낸다.
예시된 예에서, 환자(HSUB(#1202))는 환자/HSUB에게 하나 이상의 의학적 치료를 적용하는 치료 컴포넌트(들)(#1204)(예를 들어, 혈액 펌프, ECMO 등)을 포함하는 MA로 치료받고 있다. 센서(#1206)로부터 얻은 치료 적용 및 기타 환자 생리학적 정보 또는 치료 컴포넌트/MA의 동작과 관련된 기타 정보는 일반적으로 직접 데이터 전송 라인(#1208) 또는 유사한 통신 수단, 예를 들어 로컬 무선 전송 채널, 예를 들어 보안 블루투스 통신 채널을 통해 결합된 MA(CMA(#1214))(일명 MZMA)의 데이터 시스템으로 중계된다. 센서(#1206)는 환자 상에, 환자 내에 또는 둘 다에 배치되며, 치료 컴포넌트 관련 측정 외에도 MA의 치료 양태의 제어와 직접적으로 연결되지 않고 또한 별도의 직접 통신 라인(#1210)을 통해 CMA와 통신하는 다른 환자의 생리학적 파라미터도 측정할 수 있다. CMA는 주로 또는 독점적으로 치료 컴포넌트(Tx Comp) 데이터 관리 및 기능에 전용된 컴포넌트뿐만 아니라 이를 테면 비-Tx 기능/데이터의 처리에 전용된 기타 컴포넌트의 조합을 포함하기 때문에 조합된 MA(또는 MZMA)로 간주된다. 이러한 장치는 또한 때로는 다른 곳에서 설명된 바와 같이 다중 구역 MA(MZMA)라고도 하며, 특히 컴포넌트의 서로 다른 구역이 서로 다른 레벨의 네트워크 상호 작용, 수정 가능성, 규제 등을 받는 경우에 그렇다.
치료 성분 데이터는 CMA의 하나의 "측면" 또는 일부로 간주될 수 있는 치료 성분 데이터/제어 구역/컴포넌트의 일부인 치료 성분(TxComp) 처리/제어 유닛(Tx COMP PROCU 및 제어(#1222))로 중계될 수 있다. 치료 컴포넌트 "구역"(부분 또는 "측면")의 기타 컴포넌트는 (1) TxComp MA-D를 저장하는 메모리 유닛(MA-MEMU1)(#1224), 일반적으로 이러한 데이터가 Tx 컴포넌트 보안 유닛(SECURU(#1228))에 의해 정리/스크리닝/승인된 후 정보를 CMA의 비-치료 컴포넌트 "측면" 또는 일부로 중계하는 TxComp 제어 RELAYU(#1226), 및 (2) NDS-PROCU(#1250) 또는 CMA/MZMA의 비-치료 기능(NTxF) "측면"과 상태 정보를 수신하는 Tx 컴포넌트 입력 유닛/상태 유닛(#1240)을 포함할 수 있다.
비-치료 기능(NTxF) 컴포넌트에는 예를 들어, 별도의 NTxF PROCU(#1230), 별도의 메모리인 NTxF MEMU(#1232), 보안 유닛인 NTxF SECURU(#1234) 및 중계 유닛인 NTxF RELAYU(#1236), 및 입력 유닛/수신기인 NTxF INPU(#1238)이 포함될 수 있다. 동작 시, NTxF INPU(#1238)는 센서(#1206)으로부터 직접 라인(#1210)을 통해 비-치료 제어 데이터를 수신하고, 이러한 데이터를 NTxF PROCU(#1230)로 전달한다. NTxF PROCU(#1230)는 또한 CMA의 Tx Comp 측으로부터 중계될 수 있는 데이터를 제한하는 Tx Comp RELAYU(#1226)로부터 Tx Comp SECURU(#1228)를 통해 TxComp 데이터를 수신한다. 이러한 단계/기능/컴포넌트를 통한 비제한 데이터 흐름은 도면의 화살표 방향으로 예시된다. 제2 보안 유닛인 TxF SECURU(#1234)는 NDS-PROCU(#1250)로부터 NExT INPUT(#1238)로 전달된 데이터, 예를 들어, NTxF PROCU 업데이트/패치 등을 스크리닝할 수 있다. NDS-PROCU와 Tx Comp 컴포넌트 간의 이러한 직접 연결은 상태 데이터 전송만 또는 유사한 NDS 상태 신호(예를 들어, 소프트웨어 업데이트 가용성)로 제한될 수 있다. Tx Comp 컴포넌트로의 데이터 흐름을 제한함으로써, CMA/MZMA 구성은 중요한 생명 유지 기능에 참여할 수 있는 이러한 컴포넌트가 인터넷을 통해 중계되는 임의의 유형의 간섭, 예를 들어, 컴퓨터 바이러스, 해킹 또는 기타 유해/악성 코드으로부터 보호/격리되도록 보장한다. 유사하게, NTxF RELAYU(#1236)는 NTxF 데이터뿐만 아니라 Tx Comp 데이터 둘 다를 NDS-PROCU(#1250)로 중계하는 역할을 담당하여, MA에서 NDS로 나가는 데이터 흐름과 관련하여 Tx Comp 컴포넌트와 NDS를 분리한다. CMA는 본 발명의 독립적인 양태와 본 발명의 네트워크의 중요한 양태를 나타낸다. 서로 다른 레벨의 네트워크 액세스, 보안 등에서 여러 가지 컴포넌트를 포함하도록 적응된 장치는 중요한 생명 유지 시스템이 무단 액세스, 탬퍼링 등으로부터 보호되어 네트워크/의료 장치에 대한 환자 안전과 신뢰를 향상시키는 데 도움이 된다.
도 13
도 13은 NDS로부터 도 12에 설명된 MZMA/CMA 장치와 유사한 MA 장치/시스템으로 그리고 이를 통해 데이터(#1300) 흐름의 예시를 제공한다. NDS(#1302)는 (1) 상태 쿼리/요청(#1304), (2) 기계 학습 모듈(MLM) 치료(TRx) 제어(C)-데이터(D)(MLM TRxC-D)(#1306); (3) 일반적으로 NDS MLM(들)의 적용으로부터 도출되는 진단 예측(Diag. Predn.) 데이터(#1308); (4) 시스템 업데이트(Sys. Upd.) 데이터(#1310); 및 (5) 유효하지 않은 데이터(예를 들어, 전송/처리 중 손상된 데이터)(#1312)를 포함하는, 다양한 데이터 유형을 전송한다. CMA는 이러한 데이터를 스크리닝하는 제1 보안 유닛(MA SECURU 1(#1314))을 포함하며; 유효하지 않은 데이터(#1312)가 CMA 컴포넌트로 중계되는 것을 차단하지만, 다른 네 가지 유형의 데이터가 CMA(MA PROCU-1( NTxCC)(#1318)의 비치료적 제어 양태에서 작동하는 제1 MA 프로세서에 의해 작동되도록 허용한다. MA PROCU-1(#1318)은 진단 예측 정보를 디스플레이 유닛, 알람 컴포넌트 또는 둘 다(도시되지 않음)에 중계하지만, 진단 예측 정보(#1308)를 더 이상 전송하지 않으며, 데이터 흐름을 단 3개의 데이터 수집으로 제한하며, 이는 제2 보안 유닛/프로세스인 MA SECURU2(#1322)에 의해 수신되며, 시스템 업데이트 데이터(#1310)를 추가로 차단하여, 인터넷 중계 메시지를 통한 수정으로부터 MA PROCU-2(이는 MZMA(#1326)의 치료 제어 컴포넌트 - TxCC - 의 일부임)를 보호한다. 따라서, 다만, 상태 정보(#1304)와 치료 제어 컴포넌트(#1306)의 동작을 제어하기 위해 특별히 설계된 데이터가 MA-PROCU-2(#1326)로 유입되도록 허용되어, MA-PROCU-2의 보안을 크게 향상시킨다. CMA/MZMA는 또한 치료 제어 유닛의 컴포넌트에 대한 물리적 액세스를 검출하여, 알람, 종료 또는 기타 단계/결과를 발생시킬 수 있는 물리적 탬퍼링 방지 시스템(#1330)을 더 포함할 수 있다. MA-PROCU-2(#1326)는 또한 NDS 보안 유닛인 NDS SECURU(#1314)를 통해 직접적으로(즉, 스크리닝 후) 또는 (A) NTxCC(#1318)를 통해 간접적으로 NDS(#1302)에 특정 데이터를 중계(#1334)할 수 있으며, 후자의 데이터 흐름 경로는 TxCC와 인터넷 간의 직접 유출 통신을 제한하여 TxCC 동작에 더 많은 보안을 추가할 수 있다.
도 14
도 14는 복합 의료 장치(CMA/MZMA)의 컴포넌트의 또 다른 예시적인 구성(#1400)을 예시한다. 치료(Tx) 컴포넌트(TXcomp(#1402))는 다른 곳에서 설명된/예시된 바와 같이 의료 장치, 예를 들어, 심장 펌프의 동작을 제어할 수 있다. TXcomp(#1402)는 인터넷 연결(#1448), 예를 들어, 이더넷 연결(#1422) 또는 Wi-Fi 연결(#1424)을 통해 환자 상태 모니터링 기능을 기록하고 NDS에 중계하는 연결 모듈(#1408)과 통신한다. 여러 요소 주위에 그려진 박스는 이러한 요소가 일반적으로 이 비-Tx 컴포넌트(연결 모듈)에 포함되거나, 동작하거나, 아니면 밀접하게 연관되어 있음을 나타낸다. 구체적으로, 보안 TXcomp 컴포넌트(#1402)와 연결 모듈(#1408) 사이의 데이터 통신은 예를 들어 (1) 필드 프로그래밍 가능 게이트 어레이(FPGA(#1410))에 의해 수신되는, MA와 연관된 비디오 이미지 데이터를 연결 모듈로 전송하는 비디오 통신 라인(USB(#1404)를 통해 중계된 비디오 그래픽 어레이(VGA)) 및 (2) 다른 데이터가 양방향 연선 USB(#1406)를 통해 중계되고 USB 허브(#1414)에 의해 수신되는 제2 데이터 통신 라인을 통해 데이터를 중계할 수 있다. FPGA(#1410)는 연결 모듈 및 MA의 처리 기능의 컴포넌트이며, FPGA(#1410)는 착신 데이터에 대한 분석 기능(예를 들어, 태깅, 소팅, 유효성 검사, 정리, 로컬 알람 모니터링 등)을 수행할 수 있다. 일반적으로, FPGA(#1410)는 결합된 장치(CMA) 기능(들)의 특정 워크로드와 일치하는 데이터 경로를 사용하여 동적으로 프로그래밍/재프로그래밍될 수 있다. 두 채널을 통한 통신은 일반적으로 실질적으로 또는 완전히 예를 들어, 데이터 Tx Comp(#1402)에서 연결 모듈(#1408)로만 흐르는 단방향이다. FGPA(#1410)은 또한 데이터를 USB 허브(#1414)로 중계하여, 이는 NDS(이 도면에서는 표시되지 않음)로 중계하기 위해 시스템 온 모듈(System on Module; SOM)(#1418)로 전송되거나 관련 MA의 데이터에 직접 액세스할 수 있는 기타 사용자에게 전송된다. 데이터는 USB 포트(#1416)를 통해 USB 허브(#1414)로부터 로컬로 검색될 수 있다. 비디오 및 기타 데이터는 모두 연결 모듈 메모리(#1408)로 중계되며, 이는 로컬 장치 액세스를 위해 데이터를 USB 허브(#1414)로 중계하는 애플리케이션을 통해 검색될 수 있거나 인터넷(#1448)을 통해 NDS 또는 기타 사용자에게 전송하기 위해 시스템 온 모듈(SOM(#1418))로 중계될 수 있다. SOM(#1418)은 인터넷(#1448)으로 데이터를 수신하고 전송할 수 있으며, MZMA에 대한 입력/출력 유닛 모두를 형성하는 것으로 간주될 수 있다. 그러나, 마이크로컨트롤러 및 방화벽 컴포넌트(#1412)는 일반적으로 착신 데이터를 스크리닝하고, USB 허브(#1414)와 SOM(#1418) 사이를 양방향으로 전달하는 데이터를 제한하지만, 특히 착신 메시지(점선으로 표시됨)와 관련하여 (일반적으로 방화벽 컴포넌트를 통과하는 데 필요한 정보를 포함하는 특수 패킷에 대한 스크리닝을 통해) 제한한다. 컴포넌트 간 통신(MZMA/CMA의 서로 다른 구역/부분의 부분/구성 요소 간)은 SOM의 일부를 형성하는 RS232 데이터 처리 컴포넌트(#1420)를 통해 관리된다. 시스템의 컴포넌트는 다른 곳에 설명된 바와 같이, (예를 들어, USB 포트(#1416)을 통해)로컬 사용자에게 정보를 중계하기 위해 또는 인터넷(#1448)을 통해 NDS에 전달하기 위해 로컬 연결 모듈 메모리(#1446)에 액세스할 수 있다. 이 도면(#1400)에 예시된 결합 장치 시스템을 포함하는 MA/시스템은 다른 양태와 관련하여 다른 곳에서 설명된 결합 장치 특성/기능을 제공하고 치료 컴포넌트에 대한 높은 레벨의 보안을 유지하여, 환자 안전과 적용 가능한 규정 요구 사항 준수를 보장할 수 있다.
본원에 설명된 다양한 시스템 중 어느 하나는 숙련된 사람들에 의해 수정될 수 있다. 예를 들어, RS232 통신은 다른 적절한 컴포넌트 간 통신 표준/장비로 대체될 수 있고; FGPA는 다른 통합/하드웨어 회로 또는 프로세서 컴포넌트로 대체되거나 강화/결합될 수 있거나 다양한 주문형 직접 회로(ASIC) 또는 프로세서(도시되지 않음)와 결합될 수 있으며; USB 허브 및 포트는 다른 로컬 통신 컴포넌트, 허브 및 포트로 교체할 수 있으며; 또는 이들의 임의의 조합일 수 있다.
MZMA의 예시된 예시 컴포넌트는 특히 MZMA/CMA와 관련하여 본 발명의 다양한 원리가 USB 포트, FPGA 및 마이크로컨트롤러와 같은 알려진/이용 가능한 컴포넌트를 사용하여 일반 숙련된 기술자에 의해 어떻게 실행될 수 있는지를 반영한다.
도 15
도 15는 결합된 장치(MZMA/CMA)의 기계 컴포넌트와 데이터 시스템 컴포넌트가 실제 애플리케이션에서 어떻게 함께 작동할 수 있는지에 대한 또 다른 설명을 제공한다. 구체적으로, 도시된 예시적인 네트워크 연결(#1500)은 의료 장치(MA(#1502)) 및 NDS(NDS PROCU(#1510)으로 표시된)를 포함한다. 결합된 장치 컴포넌트(#1502)는 치료 컴포넌트인 MA 구역 1(#1504)(이는 즉 생명 유지 기능을 제어하고 데이터의 로컬 디스플레이(이제 표시됨)를 포함/제공할 수 있음), 및 진단/환자 상태 정보 수신, 분석 기능 수행, 및 이를 테면 무선 송신기/수신기 컴포넌트를 통해 인터넷으로 정보 중계 및 인터넷으로부터 정보 수신을 포함하는 기타 기능을 수행하도록 구성/적응된 기타 요소를 포함하는 MA 구역 2(#1506) 로 구성된다. MA 구역 1 보안 유닛(SECURU(#1514))이 존재하고 이를 활용하여 MA 구역 2(#1506)에서 MA 구역 1(#1504)로의 데이터 전송을 포맷 또는 콘텐트 요구 사항을 충족하는 특정한 제한된 형태의 데이터 통신으로만 제한할 수 있다. MA 구역 2(#1506)는 (예를 들어, 방화벽을 사용하여 데이터가 NDS 또는 기타 승인된 데이터 중계 장치에서 나온 것임을 나타내는 컴포넌트로 미리 프로그래밍된 데이터 표준을 충족하지 않는 임의의 전송된 데이터를 차단함으로써) 덜 제한적인 레벨에서 데이터를 스크리닝도 하는 MA 구역 2 보안 유닛(SECURU(#1512))과 연관될 수 있다. MA 구역 2(#1506)으로부터 업로드된 데이터는 또한 NDS에 도달하기 전에 NDS 보안 유닛(NDS SECURU(#1508))에 의해 스크리닝될 수 있으며, 이는 예를 들어, 착신 데이터에 컴퓨터 바이러스, 무단 데이터 요청 또는 기타 악성/무단 코드가 포함되지 않도록 방화벽 컴포넌트/시스템을 포함할 수 있다.
도 16
도 16은 결합 장치(CMA/MZMA)의 비치료 컴포넌트(예를 들어, 연결 모듈 컴포넌트)의 소프트웨어/운영 체제 요소(들)의 업데이트 제어, 환자 안전 보호, 규제 요구 사항(RR) 준수 지원 또는 둘 다를 위한 예시적인 2단계 보안 프로토콜(#1602)를 예시한다.
MA 구역 2(#1602)는 동작 시 관련 Tx Comp(n.s.)에 의해 처리되는 생명 유지 MA 제어 기능 이외의 다른 기능, 예를 들어, 다른 곳에서 설명된 바와 같은, 환자 생리학적 데이터 수집, NDS 데이터 업로드 및 다운로드, 로컬 처리 및 메모리 저장 기능을 수행한다. 때때로 MA Zone 2(#1602)의 운영 체제/소프트웨어에 대한 시스템 업데이트가 필요하거나/원하지만, 환자 안전과 RR 준수, 환자 안전, 기밀성 등을 위해 시스템을 안전한 상태로 유지하는 것이 중요할 수 있다. 이러한 양태에서 NDS 프로세서(NDS PROCU(#1610))는 NDS가 소프트웨어 업데이트가 권장/필요하다고 결정(#1612)할 때 업데이트 가능 신호(#1613)를 MA로 중계할 수 있다. 업데이트 가능 신호(update available signal; UAS)(#1613)는, 다른 착신 데이터/메시지와 마찬가지로, MA 구역 2 보안 유닛(#1620)에 의해 스크리닝된 다음, 메시지가 승인된 것으로 결정된 후 MA 구역 2 컴포넌트(#1602)에 의해 수신되도록 허용된다. UAS(#1613)에는 업데이트의 특성(중요도, 영향을 받는 기능, 예상 업데이트 시간, 및 시스템에 미치는 영향 등)에 대한 정보는 물론 버전 정보, 변경 사항 설명 등이 포함될 수 있다.
MA의 승인된 사용자는 시스템(예를 들어, OS) 업데이트가 승인/요구되는지 여부를 결정(#1614)할 수 있다. 예를 들어, 현재 환자가 장치를 사용하고 있는 경우, 장치가 연구 프로그램에 속해 있는 경우, 로컬 관리자/사용자(들)는 먼저 업데이트를 평가하고자 하는 경우; 또는 임의의 다른 이유로 업데이트가 필요하지 않을 수 있다. 업데이트가 승인/요구되는 경우(#1614), 사용자는 MA를 통해 MA가 업데이트 요청(#1618)을 MA 구역 2(#1602)를 통해 NDS PROCU(#1610)으로 중계하도록 할 수 있다. 양태들에서, 이러한 요청을 받거나 시스템 가용성 신호에 응답하여 확인 요청을 받은 경우에만 NDS 프로세서(NDS PROCU(#1610))가 소프트웨어 업데이트(#1625)를 MA 구역 2로 전송하려고 시도한다. 시스템 업데이트 데이터는 MA 구역 2(SECURU(#1620))에 의해 스크리닝될 수 있다. SECURU(#1620)가 미리 프로그래밍된 표준에 따라 업데이트 데이터의 컴포넌트(들)가 예상 사양과 충분히 일치한다고 결정(#1630)하면, 업데이트는 MA 구역 2 소프트웨어(#1634)를 업데이트하도록 허용된다. 업데이트가 요청되지 않는 경우(#1614), MA 구역 2 또는 NDS는 하나 이상의 업데이트 경고(#1616)(예를 들어, 사용자/관리자에게 보내는 특수 디스플레이, 이메일 또는 텍스트 메시지 등)을 트리거할 수 있다. 알람은 또한 또는 대안으로 업데이트가 사용 가능한 기간 이후 장치 업데이트가 지연되는 경우, 특히 업데이트가 장치 보안, 장치 효율성, 환자 안전 등에 중요하다고 간주되는 경우, 장치, 기타 네트워크 장치 등에 등록될 수 있다.
도 17
도 17은 본 발명의 시스템이 이러한 서로 다른 동작 상태에서 MA로부터 정보를 처리하는 방법을 예시하기 위해, 다양한 동작 상태에서 NDS와 통신하는 MA를 예시하는 여러 의료 장치(MA)를 포함하는 네트워크(#1700)의 예시적인 부분을 도시한다. 구체적으로, 처음 예시된 MA는 제1 의료 치료(TRx1) 상태(#1702)에 있고, 제2 MA는 제2 의료 치료 상태(TRx2)(#1704)에 있으며, 두 상태에 관한 관련 정보(예를 들어, 다양한 환자 생리학적 측정 또는 장치 성능 측정, 다양한 장치 제어, 예를 들어, 다양한 SAMD/CDS 프로토콜 또는 이들의 조합(ACT))가 NDS 프로세서(NDS-PROCU(#1712))로 중계되고 이로부터 수신된다. 제3 MA는 온라인 상태(#1716)로 도시된다. 제4 MA는 시스템/네트워크 테스트, 예를 들어, 스케일러빌리티/스케일링 테스트(#1706) 및 NDS-PROCU(#1712)와 이러한 테스트와 관련된 정보를 중계 및 수신하는 작업에 동시에 관여된다. 제6 MA는 마찬가지로 로컬 장치 테스트(#1718)에 참여한다. 제5 MA는 임상 시험(#1708), 예를 들어, MA 유형, 환자 유형, 질병 유형 또는 이들의 조합에 대한 새로운 애플리케이션 테스트, 및 임상 시험의 성능에 특정된 NDS-PROCU(#1712)로부터의 정보 수신에 동시에 참여한다. 제7 MA는 연구 프로그램에 참여하거나 연구 프로그램 사용자가 연구 그룹/플랫폼 ONDI(#1710)를 통해 다양한 다른 MA의 데이터에 액세스할 수 있다. 예를 들어, 연구 플랫폼 사용자는 MA 테스트, NDS 구현 기능(예를 들어, 새로운 기계어 모듈) 테스트 또는 이들의 임의의 조합 테스트, 및 NDS 또는 ONDI와 관련된 데이터 중계 및 수신에 참여할 수 있다. 연구 컴포넌트(들)(#1710)는 또한 네트워크의 다른 양태의 성능, 예를 들어 본원에 설명된 다른 MA 중 하나 이상의 성능을 모니터링하는 데 참여할 수 있다.
NDS 처리 기능(NDS-PROCU(#1712))은 이러한 서로 다른 데이터 입력 및 출력을 동시에 식별하기 위한 컴포넌트(예를 들어, 각 MA로부터 중계되고 NDS-PROCU에 의해 인식 가능한 상태 정보를 기반으로 다양한 MA 유닛의 상태를 식별하는 프로세서) 및 NDS-AD가 이러한 MA에 동시에 적절하게 라우팅되도록 보장하기 위한 컴포넌트를 포함할 수 있다. 많은 양태들에서, NDS-PROCU에 의해 구체적으로 식별되고 동시에 통신되는 장치 상태, 장치 유형, 위치 및 장치의 수는 ~100개 이상, ~250개 이상, ~500개 이상, ~1,000개 이상, ~2,500개 이상, ~5,000개 이상, ~10,000개 이상, ~25,000개 이상 또는 심지어 그 이상(예를 들어,~100,000개 이상의 고유 상태)이다. 따라서, 이러한 네트워크를 수용하는 시스템은 일반적으로 특정 장치, 상태 및 기타 정보(예를 들어, 엔티티 정보, 위치 정보, 장치 유형 등)에 대한 안전하고 신뢰할 수 있는 식별을 제공하는 기능 데이터 유닛의 사용을 포함할 것이다. 양태들에서, 일부 정보는 NDS로의 스트리밍/실시간 데이터 전송, NDS로의 기타 데이터 전송, 및 NDS에서 대규모 MA 그룹으로의 데이터 전송뿐만 아니라 NDS, MA 또는 둘 다에 액세스하는 기타 네트워크/NDS 컴포넌트 또는 기타 인터페이스로의 데이터 중계 및 이들로부터의 데이터 수신과 관련된 착신 데이터 로드를 줄이기 위해 주기적으로만 중계되거나 재검증되거나, NDS 메모리 또는 ACT에 유지된다. NDS-PROCU(#1712)는 또한 다른 곳에서 논의된 바와 같이, 다른 분석 및 제어 기능, 예를 들어 하나 이상의 동작 상태에서 MA 성능 평가도 동시에 수행하며, 하나 이상의 임계값 지표(들)를 충족하거나 초과하여 트리거되는 경우, 더 많은 유형의 경고 또는 알람(#1714)을, 알려진 사용자 인터페이스(예를 들어, 모바일 장치, 이메일 계정 등), MA 관리자, MA 디스플레이/출력(예를 들어, 오디오 출력)으로, 1개, 2개 또는 그 이상의 사용자 그룹/엔티티(예를 들어, 임상 모니터링, 연구, 관리자 또는 HCP)로 중계한다. 시스템/네트워크 테스트, 장치 테스트 등에 참여하는 장치의 데이터는 이러한 네트워크 동작 레벨 활동과 관련하여 분석되지만, 이러한 데이터는 대상 애플리케이션 데이터의 무결성을 보장하기 위해 인간 대상 애플리케이션과 관련된 데이터와 특별히 분리된다.
NDS가 이러한 상태에 있는 MA로부터 데이터를 동시에 수신하면서 이러한 데이터를 처리하고 NDS-AD를 이러한 사용자에게 중계하는 능력은 NDS가 당업계에 알려지거나 설명된 의료 기기 관리 시스템과 비교하여 실질적으로 개선되고 다양한 기능, 예를 들어, 실제 치료, 임상 시험 및 연구 컴포넌트 모두로부터 동시에 치료를 받는 기능을 제공하도록 하고, SAMD 프로토콜, CDS 프로토콜 또는 둘 모두에 사용되는 MLM의 개발, 개선 또는 동작 시 이러한 데이터를 사용하는 동시에 스트림에 영향을 주지 않고 NDS/네트워크 테스트(예를 들어, 스케일러빌리티 테스트), 장치 테스트 등을 허용함으로써 NDS의 24시간 연중무휴(24/7) 동작을 용이하게 한다.
도 18
도 18은 서로 다른 사용자 그룹을 포함하는 본 발명의 네트워크(#1800)의 컴포넌트에 대한 간략한 개요를 제공하며, 각각은 NDS에 의해 생성된 표현/스키마에 따라 서로 다른 특수 데이터 디스플레이에 표시되는 NDS 분석 데이터(NDS-AD)를 수신한다. 예시된 예에서, NDS 프로세서(NDS-PROCU(#1804))는 MA 네트워크(들)(#1802)의 MA로부터 실시간/스트리밍 데이터 및 기타 데이터를 수신하고, 이러한 착신 MA-D에 분석 프로세스를 적용하여 NDS-AD를 개발한다. 필터링/디렉팅 유닛/엔진(FILTERU(#1806))은 NDS-AD를 평가하고, NDS-AD를 수신할 수신자 및 수신자 클래스(사용자 그룹)를 결정하고, 미리 프로그래밍된 명령어/표준에 따라 생성된 특수 스키마/표현에 따라 서로 다른 사용자 그룹 사용자에 의해 사용된 디스플레이를 채우도록 구성된 데이터를 전송한다. 구체적으로, 헬스 케어 제공자(HCP(#1814))는 HCP 인터페이스/장치 디스플레이 유닛(#1816)에서 HCP 디스플레이를 수신하며, MA별/환자별 데이터, 예를 들어, 치료 권장 사항, 조사를 위한 관련 포인트, 가능한 진단 등과 같은 기타 CDSS 또는 SAMD 애플리케이션 출력/기능과 함께, 단기 실제 및 예측 생리학적 파라미터(예를 들어, NDS PROCU에 의해 처리된 MLM에 의해 생성된 단기 실제 및 예측 심박수)를 포함할 수 있다. 반면에 상용 그룹 사용자(#1820)는 상용 그룹 디스플레이 구성(#1822)에서 NDS-AD를 동시에 수신하며, 이는 일반적으로 NDS 처리 유닛과 또한 외부 상용 데이터베이스(들), 예를 들어, CRM(들)(도시되지 않음) 모두로부터 데이터를 인출한다(직접적으로든 간접적으로든, 후자의 경우, 이러한 데이터는 상용 그룹 디스플레이/장치로 중계되기 전에 NDS에 의해 먼저 수신되고 처리됨). 상용 디스플레이 유닛(COM DISPU(#1822))에 디스플레이되는 상용 그룹 데이터에는 일반적으로 PHI가 포함되지 않으며 일반적으로 환자별/기기별 데이터가 아닌 집계된 기기 데이터가 포함된다. 대안으로, 여전히 연구 그룹 사용자(#1830)는 연구 그룹 디스플레이 유닛(들)(연구 DISPU(#1832))을 통해 인터페이스/장치에 디스플레이되는 서로 다른 데이터를 동시에 수신하며, 이는 또한 예를 들어 다양한 조건 하에서 동작하는 여러 서로 다른 MA에 관한 정보, 다양한 조건에 대해 진단/치료된 환자, 장치, 시스템, 또는 네트워크의 데이터 흐름 또는 이들의 조합을 포함할 수 있다. 동시에 처리된 NDS-AD로부터 도출되며, 동시에 전달 및 디스플레이되는 이러한 그룹 각각에 제시되는 데이터는 따라서 내용이 매우 다르다. 예를 들어, 연구 사용자는 RR로 인해 HCP 디스플레이로부터 보류될 MA의 승인되지 않은 사용에 대한 데이터를 받을 수 있다. 유사하게, 상용 사용자 디스플레이는 HCP 디스플레이에 디스플레이될 수 있는 민감한 환자 또는 IE 정보를 수신하지 않을 것이다. 이 개념은 입력을 동시에 처리하고 다양한 구성 요소에 출력을 전달하는 NDS의 향상되고 광범위한 성능을 반영하여 추가 컴포넌트, 사용자 등에 적용될 수 있다. 양태들에서, 두 개 이상의 이러한 클래스에서 나오는 NDS에 의해 분석되거나, 두 개 이상의 클래스의 디스플레이(들)에 전달되거나, 둘 다인 어느 정도의 데이터 중첩이 있다. 이러한 시스템의 유연성/포괄성은 본 발명의 시스템을 이전에 설명된 의료 장치 데이터 관리 시스템과 더욱 구별한다.
도 19
도 19는 중첩되지만 서로 다른 NDS/네트워크 컴포넌트(#1900)을 포함하는 하나 이상의 NDS의 데이터 그룹화를 보여주는 간단한 개략도이다. 예시된 네트워크는 MA가 한 국가(예를 들어, 미국)에 위치하는 제1 국가 정의된 MA 네트워크/그룹(#1916), 및 공유 데이터 코어(#1902)를 포함하는 NDS 또는 NDS 컴포넌트를 포함하며, 이는 NDS의 적어도 일부 기본/기본 기능, 예를 들어, 실시간/스트리밍 데이터를 처리하기 위한 프로세스(예를 들어, 메시징 큐, 우선 순위 지정 및 NDS 스케일링 컴포넌트), 데이터 정리 프로세스, 장치 식별 및 데이터 연결 프로세스, 분석 프로세스(예를 들어, MLM) 등을 수행한다. 그러나, 피험자 치료와 관련된 기기 제어 기능과 같은 NDS에 의해 수행되는 특정 프로세스는 특정 국가별 규제 분류/RR, 예를 들어, SAMD(#1910) 및 SAMD2(#1914) 및 CDS/CDSS(#1912)의 적용을 받는다. 제2 국가(예를 들어, 독일)에 있는 MA의 제2 MA 네트워크(#1906)는 또한 국가 1의 MA에 존재하거나/이에 의해 활용되는 공유 코어 기능/컴포넌트(#1902)를 포함하거나 이에 대한 액세스를 갖는 로컬 NDS 또는 국제 NDS에 데이터를 전달하지만, 또한 예를 들어 제2 국가의 규제 당국에 의해 승인된 SAMD인 제2 국가별 SAMD(여기서는 SAMD3(#1920))도 적용한다. 각 MA 네트워크의 요소 주위에 음영 처리된 박스가 포함되어 이러한 네트워크의 일부 컴포넌트의 적어도 부분적인 분리를 명확하게 한다. 마지막으로, 제3 국가(예를 들어, 일본)는 제3 MA 네트워크(#1918)를 포함하며, 이는 또한 데이터를 공유 코어 기능(#1902)을 포함하거나 이에 대한 액세스를 갖고 국가3별 기능, 예를 들어, SAMD4 (#1930) 및 CDS (#1932)를 포함하는 NDS 또는 NDS 컴포넌트로 전달한다. 국가 1의 다양한 SAMD(SAMD 1(#1910) 및 2(#1914)), 국가 2의 SAMD3(#1920), 및 국가 3의 SAMD4(#1930)는 서로 다른 규제 상태, 서로 다른 규제 요구 사항의 적용을 받을 수 있으며, 따라서 서로 다른 데이터 기능을 포함하거나 이러한 기능을 서로 다른 MA 데이터에 적용할 수 있지만, 공유 코어(#1902)는 NDS의 많은, 대부분의, 일반적으로 모든 또는 실질적으로 모든 기능 컴포넌트가 이러한 서로 다른 국가 간 공유되거나 반복된다는 것을 의미한다. 이 도면에 예시된 원리는 본 개시에 설명된 바와 같이, 더 많은 국가, 지역, 규제 요구 사항, 장치 등을 포함하는 더 복잡한 시스템에 적용될 수 있다. 이 예는 본 발명의 네트워크가 경계를 넘어 효과적으로 배치되어 특정 기능을 공유하는 동시에 출력 기능 제공 시 로컬 RR을 준수할 수도 있는 방법을 예시한다.
도 20
도 20은 본 발명의 특정 양태를 반영하는, 네트워크(#2000)를 통한 데이터 흐름 및 시간 의존 데이터 처리 규칙에 따라 시간 경과에 따른 데이터 처리를 도시한다. 예시된 프로세스는 시간이 지남에 따라 MA 네트워크(#2004)로부터 데이터를 수집함으로써 시작(#2002)된다. 예를 들어 시작 후 1분 1초(1:01)에 해당하는 시간 1(#2005)에서, 실시간/스트리밍 데이터는 NDS(#2012)로 전송(#2006)되며, 시간 1 사이클의 남은 시간 동안 계속 전송되도록 한다. 시간 후(여기서는 8초 후, 1분 9초(1:09))인 시간 2(#2007)에서, 새로운 데이터 사이클은 NDS(#2012)로의 새로운 사이클 데이터의 전송(#2008)으로 시작된다. 8초가 더 지난 후인 시간 3(#2009)에서, 제3 예시적인 데이터 사이클은 NDS(#2012)로의 RT/스트리밍 데이터의 또 다른 세트/모음/유닛의 전송(#2010)으로 시작(1:17)된다. 때때로, 대부분의 시간, 일반적으로 항상 또는 항상 MA:NDS 네트워크 연결의 동작 동안 고정된 데이터 사이클로 데이터를 수집하는 것은 여기에 설명된 임의의 다른 양태에 적용할 수 있는 본 발명의 양태이다. 수집 사이클의 사용은 예를 들어 특정 유형의 데이터가, 양태들에서, 미리 프로그래밍된 규칙에 따라 각 사이클 또는 각 사이클 개수에서 (적어도 포맷으로) 반복될 것으로 예상할 수 있다는 점에서 MA-D 분석에 도움이 된다. 예를 들어, MA는 미리 프로그래밍된 데이터 사이클 내에서 설정된 양의 생리학적 센서 데이터, 장치 성능 데이터, 장치 상태 데이터 등을 전달하도록 구성할 수 있으며, 이는 NDS에 의해 분석할 데이터를 선택할 때 분석 도구로 사용된다. 본 발명의 시스템/방법은 또한 더 작은 사이클로부터 대규모 데이터 세트의 수집 또는 시간 경과, 이벤트 등에 대한 다른 데이터 수집을 포함할 수 있다.
예를 들어, 이러한 "사이클 데이터"(일련의 스트리밍 데이터에 대해 예상되는 전송 사이클에 전달된 데이터)는 일단 수신되면, 다양한 데이터 처리 단계(들)/엔진(들), 예를 들어, 데이터 정리(예를 들어, 데이터 정리 유닛/엔진(CLEANU(#2014))의 대상이 될 수 있다. 사이클 데이터의 수집은 데이터 유효성 검사 규칙에 따라 데이터 유효성에 대해 평가(#2016)될 수 있으며, 예를 들어, 데이터 내용 및 무결성 측면에서 예를 들어 대규모 데이터 사이클의 수집을 위해 충분한 유효한 데이터가 존재하는 경우(예를 들어, 데이터가 충분하다고 간주됨(#2018)), 이러한 데이터 또는 이러한 데이터와 기타 사이클 데이터의 수집은 대규모 데이터 모음을 형성하기 위해 기타 데이터 모음과 결합하기 위한 임시 스토리지이거나 임시 스토리지에 유지될 수 있다. 예를 들어, 임시 저장된 사이클 데이터는 기계 학습 모듈(MLM(#2022))의 동작을 위해 최소량의 데이터(예를 들어 지속적으로 데이터를 수집하는 최소 기간으로 측정)가 존재하는지에 대해 평가(#2020)될 수 있다. 예시된 실시예에서, 약 5분 동안 수집된 사이클 데이터(예를 들어, 약 37-38 사이클 상당의 RT/스트리밍 데이터를 포함)가 수집되고 최소 시간이 경과하거나 데이터가 수집될 때까지 임시 스토리지/메모리로 유지 관리(#2020)된다(여기에 예시된 바와 같이, 이는 데이터 수집 시작으로부터 6분 1초(6:01)(#2019에) 발생함). 이 제2의 대규모 데이터 수집은 예를 들어 기계 학습 모듈(MLM(#2022))의 적용을 통해 처리되어 NDS-AD를 생성할 수 있으며, 이는 MA 네트워크(#2004)의 장치로 다시 중계된다. 그러나, 데이터가 제2 모음/집계를 형성하는 데 유효하지 않거나 충분하지 않은 경우(#2016, #2018), 임시 스토리지에 보관되는 증가하는 수집에 추가되는 데이터의 수집이 중지(#2030)될 수 있으며, 소규모 수집/데이터 사이클에서 대규모 데이터의 수집 프로세스가 처음부터 다시 시작된다. 데이터 유효성의 평가는 예를 들어 다른 데이터와의 일치/연결, 데이터의 완전성(예를 들어, 시계열 전반의 연속성, 예상 스키마 등) 등(예를 들어, 회귀 분석, 확률적 매칭 알고리즘 등에 의해 결정됨)을 포함하는 임의 개수의 요인에 기반할 수 있다. 평가를 하기 전에 전체 기간에 걸쳐 프로세스를 실행하는 대신 최소 수집 시간 동안 데이터 수집을 중단하면 NDS 시간이 궁극적으로 처리 기능 표준, 예를 들어, MLM(#2022)을 충족하기에 충분하지 않은 데이터 수집에 낭비되지 않으므로 더 많은 평가가 이루어질 수 있다. 언급된 바와 같이, 여기서 정확한 시간은 예시이며, 이러한 프로세스는 더 많거나 적은 시간, 데이터 유닛 등으로 수행될 수 있으며, 더 높은 수준의 데이터 모음(예를 들어, 더 큰 제2 모음을 형성하는 제1 모음의 수 및 제3 모음을 형성하는 여러 개의 제2 모음 등)을 사용하여 수행될 수 있다.
도 21
도 21은 여러 사용자 그룹, NDS 및 MA를 포함하고, 이러한 NDS가 양태들에 따라 서로 다른 그룹의 서로 다른 사용자에게 다양한 경고/알람을 제공하는 기능을 강조하는 네트워크 컴포넌트(#2100)의 또 다른 개요를 제공한다.
MA1(#2114)과 연관된 도시된 제1 헬스 케어 제공자(HCP 1(#2102))는 또 다른 네트워크 장치/인터페이스(예를 들어, 제2 알람(#2120)의 경우) 또는 둘 다를 통해 MA(예를 들어, 제1 알람(#2120)의 경우) 사용자에 대한 설정 제어를 알람/경고 설정(#2162)을 설정하며, 이러한 설정은 NDS(#2144)로 중계된다. NDS는 또한 또는 대안으로 사용자 그룹을 기반으로 프로세서 레벨 알람(들)/경고(들)를 예를 들어 HCP1(#2118)에 적용할 수 있으며, 설정, 알람 또는 둘 다는 MA(#2114) 또는 기타 사용자 장치(들)/인터페이스(들) 또는 심지어 다른 네트워크 사용자(들)와 관련된 장치나 인터페이스로 중계된다. 경고(들)/알람(들)(#2112)에 대한 HCP1 응답은 장치 컴포넌트의 동작을 지시하거나, NDS 동작을 수정하거나, 두 가지 모두를 수행할 수 있으며, HCP 응답 모니터링 기능(#2130), 예를 들어, 연구 유닛(#2106), 임상 지원 그룹(#2108), 관리자(#2152) 또는 이들 중 일부 또는 전부의 조합을 통해 다양한 사용자 그룹에 의해 모니터링될 수도 있다. 따라서, 로컬 및 네트워크 설정 경고/알람 둘 모두 HCP1에 적용되고, HCP1 응답이 모니터링될 수 있다. 응답 모니터링은 예를 들어, HCP1에 중계되는 알람/경고의 유효성, HCP1의 성능 또는 둘 다에 관한 정보를 제공할 수 있다. MA2(#2126)과 연결된 HCP2(#2104)는 유사하게 알람/경고 설정(#2128)을 설정하고, NDS는 또한 특정 임계값이 충족되거나 초과될 때 MA2(#2126)로 전송되는 HCP2 관련 알람(#2122)(예를 들어, MA(도시되지 않음)와 관련된 센서에 의해 검출되는 생리학적 파라미터, 예를 들어, 혈류, 심박수, 산소 레벨, 장기 기능 등)을 설정한다. HCP1과 같은 알람/경고에 대한 HCP2 응답(#2124)은 또한 (예를 들어, HCP1에 대해 설명된 바와 같이) HCP 모니터링 기능(#2130)에 의해 다양한 사용자 그룹, 예를 들어, 임상 지원, 연구팀, 관리자 또는 이들의 임의의 조합으로 중계된 이러한 정보가 모니터링 될 수 있다. 독자들은 많은 네트워크 운영 시, 10개 이상, 50개 이상, 100개 이상, 150개 이상, 200개 이상, 250개 이상, 500개 이상 또는 ~1000개 이상의 HCP 및 MA가 각각이 본 발명의 시스템/네트워크의 성능 레벨을 반영하는 일정 레벨의 사용자 정의 알람 설정을 갖는 네트워크에 있을 수 있음을 알게될 것이다. 독자는 또한 일반적으로 알람에 대한 응답을 모니터링하고,, 이러한 응답을 분석하고, 이러한 응답과 분석을 기반으로 NDS 동작, MA 동작 또는 둘 다의 하나 이상의 양태를 변경하는 위에 설명되고 예시된 개념/원리(예를 들어, 알람 상태/특성 변경)가 본원에 설명된 임의의 다른 양태와 결합될 수 있는 본 발명의 일반적인 양태라는 것을 이해할 것이다.
연구팀 사용자(#2106)는 유사하게 MA(#2136)에 로컬 알람/경고 설정(#2138)을 제공하고, NDS는 또한 MA, 다른 사용자 장치/인터페이스 또는 둘 다에도 디스플레이되는 연구팀 NDS 레벨 알람/경고 설정(#2140)을 설정한다. 연구팀 알람은 HCP 알람과 상당히 다를 수 있다. 예를 들어, HCP 알람은 임상 실습에서 효과적인 것으로 입증된 특정 알람/경고 설정 세트로 제한될 수 있는 반면, 연구팀 사용자는 새로운 장치, 조건, 알람/경고 미디어 등에 대한 새로운 알람/경고 설정을 연구하는 데 참여할 수 있다. 연구 그룹 테스트 응답(#2132)은 나중에 HCP 장치/HCP에 배치될 수 있는 향상된 알람/경고 설정, 프로토콜 등을 개발하는 과정에서 모니터링되고 분석될 수 있다.
임상 지원 팀/그룹(#2108)은 또한 사용자 레벨(#2134)에서 임상 지원 알람을 설정할 수 있는 반면, NDS는 또한 또는 대안으로 임상 지원 팀/그룹 알람(#2142)을 가질 수 있지만, 일반적으로 임상 지원은 출력을 수신하고 MA 레벨이 아닌 웹 인터페이스(#2146) 또는 기타 장치를 통해 알람을 설정한다. NDS(#2144)는 MA별 알람/경고를 일부 사용자 그룹에 중계하지만 다른 사용자 그룹, 예를 들어 임상 지원에는 중계되지 않는다.
상용 그룹 사용자/장치(#2110)는 또한 때때로 알람/경고를 받을 수 있지만, 규제 요구 사항의 이유로, 이러한 알람/경고에는 일반적으로 PHI가 없으며, 이러한 사용자가 MA의 서브 그룹으로부터 정보를 받는 경우도 있을 수 있으며, 예를 들어 임상 지원 팀(들)의 경우일 수도 있다. 임상 지원과 마찬가지로, 사용 그룹 사용자는 로컬 알람 환경을 설정(#2148)할 수 있고, NDS 레벨에서 알람을 설정(#2156)할 수 있다. 또한, 임상 지원과 같이, 상용 그룹 사용자는 일반적으로 MA 레벨에서 알람/경고에 액세스하지 않지만, 일반적으로 웹 인터페이스(#2150)를 통해 알람 설정을 입력하고, 다양한 사용자 장치(예를 들어, 휴대폰 등)를 통해 알람/경고를 수신한다.
NDS를 모니터링/유지하거나 예를 들어 지도형 기계 학습에 참여하는 등 NDS 기능을 수행하는 전문가를 포함할 수 있는 관리자 그룹 사용자(#2152)는 마찬가지로 일반적으로 웹 포털/인터페이스(#2160)를 통해 개별 알람/경고(#2154)를 설정할 수 있고, NDS 레벨(#2158)로 설정된 관리자 클래스 알람/경고를 수신할 수 있다.
위에서 설명된 NDS 레벨 알람/경고를 포함한 프로세서 유닛(PROCU) 기능(#2161)에는 또한 NDS 레벨 알람/경고 설정(#2162)이 포함될 수 있으며, 이는 예를 들어, 경고/알람과 함께 제공되는 데이터의 유형이나 내용, 또는 디스플레이된 데이터(#2164); 타이밍, 트리거 또는 반복 설정(#2166)(예를 들어 ~3회, ~4회 또는 ~5회 이상의 반복 포함); 통신 채널 설정(#2168)(예를 들어, 알람/경고가 예를 들어, 이메일, 텍스트 메시지, 장치 알림, 자동 또는 수동 전화 통화, 로그인 알림 또는 이들의 조합(들)을 통해 중계되는지 여부); 타겟 장치/인터페이스 설정(#2170)(예를 들어, 알람이 표시/등록되는 휴대폰, 워크스테이션 등); 및 특정 개인, 그룹, 장치, 영역, 또는 엔티티 등에 대한 사용자 또는 NDS 레벨의 알람도 수신, 수신 권장 또는 알림을 통지받기 위한 알람/경고 수신자 그룹 설정(#2172)이 포함될 수 있다. 프로세서 및 NDS 기능에는 본 개시에서 논의된 방법 및 컴포넌트(예를 들어, 효율적인 데이터 태깅, 클라우드 프로세서 레벨에서 스케일링 가능하고, 가용성이 높으며, 일반적으로 대규모 병렬 분산 처리의 사용)를 통해 다양한 서브 네트워크, MA 등이 포함된 복잡한 네트워크 전반에 걸쳐 이러한 레벨의 다양한 알람/경고 설정, 사용자를 관리하는 능력이 포함된다. 본 발명의 네트워크의 고도로 사용자 정의된 알람 시스템은 이전에 설명된 의료 장치 데이터 관리 시스템과 비교하여 정교하고/복잡한 시스템의 또 다른 구별되는 특징을 반영한다.
도 22
도 22는 본 발명의 다른 양태에 따른 다수의 기계 학습 모듈(MLM)을 포함하는 네트워크(#2200)의 일부에 대한 간략한 개요를 제공한다. 제1 유형의 MA의 단지(들)/그룹(들)(MA-1 단지(#2210))은 실시간/스트리밍 및 기타 데이터, 예를 들어 MA-CD를 NDS로 제공하고, 이러한 MA-D 중 적어도 일부는 MA-1 유형 데이터인 MA1 MLM(들)(#2212)를 분석하도록 훈련된 MLM(들)에 의해 처리된다. 유사하게, 제2 유형의 MA 단지(들)(MA-2 단지(#2218))는 실시간/스트리밍 또는 기타 MA-D를 네트워크에 전달하며, 그 중 일부 데이터는 MA-2 유형 데이터인 MA2 MLM(#2220)에 초점을 맞춘 MLM(들)에 의해 동작된다. 특히 환자가 MA-1 및 MA-2 유형 장치가 모두 관여되는 경우 이러한 데이터를 조정하기 위해, 시스템/NDS에는 하나 이상의 마스터 기계 학습 모듈(들)(#2230)이 포함되며, 이는 여러 MA, MA별 MLM(들) 또는 둘 다로부터 원시 데이터를 수신하고, 이러한 데이터를 분석하여 데이터의 결합된 개요와 분석에 도달한다. 마스터(MLM)(들)은 지도 학습 컴포넌트(들)를 포함하거나 NDS 관리자(들)(#2260), 연구 유닛 사용자(#2270) 또는 둘 다 제안된 마스터(MLM) 출력/모델 및 MLM 조정, 기반 등을 수신하고, 필요한 경우 기본 MLM(들), 마스터 MLM(들) 또는 시스템/네트워크의 기타 컴포넌트(들)에 피드백/수정 또는 기타 감독을 제공할 수 있는 지도 학습 프로세스(#2250)를 통해 훈련될 수 있다. 마스터 MLM(들)은 하나 이상의 MA별 데이터 스트림을 오버라이드(override)하거나, 다양한 MA 데이터 스트림을 결합하여 장치별 MLM(들)에서 얻은 것과 다른 진단을 제시하거나, 하나 이상의 MA별 데이터 스트림의 결론을 확인할 수 있다. MLM(들)은 MA를 제어하거나, MA를 통해 HCP에 치료 방향을 제공하거나, MA 동작에 특정한 치료 방향을 제공하거나, 이들의 조합을 제공하는 다양한 SAMD 모듈에 지도 컴포넌트로 작용 또는 동작할 수 있다(예를 들어, 제1 SAMD 컴포넌트인 SAMD(#2240)은 MA-1 단지(#2210)의 장치(들)에 의료 장치 장치애플리케이션을 제공할 수 있고, 제2 SAMD 컴포넌트인 SAMD 2(#2246)는 MA-2 단지(#2218)의 장치(들)에 의료 장치 애플리케이션을 제공할 수 있음). 마스터 기계 학습 모듈을 사용하는 이러한 원리는 추가 유형의 MA; 특정 환자, 엔티티 또는 규제 요구사항 조건 하에서 동작되는 MA; 또는 이들의 조합에서 생성된 데이터(이 도면에서 예시된 바와 같이 더 구체적인/낮은 레벨의 MLM에 의해 선택적으로 먼저 분석될 수 있는 데이터)로 확장될 수 있다. 마스터 MLM(들)은, 양태들에서, 조건부 레벨을 동작할 수 있으며, 여기서 이러한 MLM(들)은 예를 들어, 하나 이상의 MA별 MLM(들) 또는 MA-D의 데이터가 미리 프로그래밍된 임계값을 충족하거나 초과하여 마스터 MLM(들)의 검토/개입을 트리거함으로써 트리거된다. 마스터 MLM은 다른 곳에서 설명되는 바와 같이, 지도 학습 방법을 통해 생성되거나 개선될 수 있다. NDS에 마스터 MLM 컴포넌트를 포함하면 특히 심각한 건강 상태(예를 들어, 다중 시스템 장애 또는 다중 시스템 상태)에 있는 환자의 경우처럼, 환자가 여러 MA로 치료를 받는 경우, DoS 더 나은 환자 결과를 제공할 수 있다. 마스터 MLM은 예를 들어 NDS에 제공되는 다양한 MA 및 기타 입력과 관련된, 예를 들어 치료 애플리케이션, 센서 데이터 등과 관련된 결과 데이터를 기반으로 훈련될 수 있다. 임상 진단을 위한 기계 학습 방법과 관련 적용/원리 및 방법은 당업계에 알려져 있다(예를 들어, 제US20160012349호, 제WO2021012225호, 제US20210098130호, 제WO2020047171호, 제US20200357515호, 제WO2021044431호, 제US20200402663호, 제US20200111570호, 제WO2018220565호, 제US20210202094호, 제US10861606호, 제US11037070호, 제US20210065898호, 제US20190371464호, 제US20190348178호, 제US20210090738호, 제WO2019246086호 뿐만 아니라 본원에 인용된 다른 참조 문헌 참조). 이러한 방법/원리 및 시스템/컴포넌트는 이 도면과 관련하여 설명된 양태, 원리 및 방법과 결합되거나 적응되거나 본 개시의 임의의 다른 부분에 제공될 수 있다. 본 발명의 시스템/네트워크는 이전에 설명된 의료 데이터 관리 시스템을 기반으로 이전에 가능했던 것보다 의료 진단/치료 관련 기계 학습 애플리케이션의 더 나은 훈련을 위해 더 강력한 데이터 세트를 제공함으로써, 많은 ML 시스템/방법의 성능을 향상시킬 수 있다.
도 23
도 23은 예시적인 시스템/NDS의 스트리밍 데이터 프로세서(SDP/SDE) 컴포넌트 내부로의, 내에서의 및 그로부터 출력된 데이터 흐름과, NDS 메모리로 수집하기 전에 스트리밍 데이터의 선택적 처리 및 분석을 도시한다.
데이터(MA-D)는 RT/S-MA-D(#2303)를 전송하는 MA-1(#2301) 및 RT/S-MA-D 및 L-STR-MA-D/MA-CD(#2307)(예를 들어, 오프라인 이벤트 후) 둘 다를 포함하는 데이터 스트림을 전송하는 MA-2(#2305)를 포함하여, 여러 MA(#2302)로부터 전송된다. 본원에서는 단순성과 간결함을 위해 몇 가지 MA에 중점을 두지만, 대부분의 경우 하나 이상의 유형 중 10개 이상, 50개 이상, 100개 이상, 200개 이상, 500개 이상 또는 1000개 이상의 MA가 서로 다른 OND 등의 입력(들)과 함께 그리고 동시에 MA-D를 포함하는 데이터를 전송한다.
MA-1, MA-2(#2303 및 #2305)를 각각 포함하여 MA(#2302)로부터 전송되는 대부분의, 일반적으로 모든 또는 모든 MA-D는 처리 및 수집의 속도를 높이기 위해 고정/알려진 반비정형 포맷일 수 있다(예를 들어, 대부분의, 일반적으로 모든 또는 모든 MA-D는 JSON 파일 포맷팅으로 중계/제시/포함될 수 있음). 스트리밍 데이터 프로세서("SDP")(#2320)에는 입력 유닛(또는 입력 유닛의 일부) 유형으로 간주될 수 있는 스트리밍 데이터("SD") 수신기 모듈/컴포넌트(#2321)가 포함된다. 도면에서 이러한 컴포넌트와 기타 컴포넌트 주위의 박스는 이러한 컴포넌트/기능이 SDP의 일부이거나 아니면 SDP와 밀접하게 연관되어 있음을 나타낸다. SDP는 NDS와 네트워크로 연결된 수많은 MA로부터 동시에 여러 데이터 스트림을 수신할 수 있다. SDP 수신기(#2321)는 (예를 들어, 동시에 데이터를 전송하는 100개 이상, 200개 이상, 500개 이상, 1000개 이상, 2500개 이상, 5000개 이상, 10,000개 이상, 25,000개 이상 또는 50,000개 이상의 스트림 클라이언트로부터) 동시에 여러 스트림을 효과적으로 수신하고 등록할 수 있다. SDP 수신기는 스트림 레지스트리 파일(들)과 같은 SDP 메모리의 다른 요소와 리소스를 공유하거나 이의 양태로 간주될 수 있다. SDP로의 통신은 또한 당업계에 알려진 다양한 네트워크 인터페이스를 포함하거나 활용할 수 있다.
SDP에 의한 효과적인 스트림 처리는 임의의 적절한 수단에 의해 달성될 수 있으며, 그 예는 다른 곳에서 설명된다. 예를 들어, SDP는 수신된 데이터 스트림에 대해 병렬 수신을 수행할 수 있으며, 일반적으로 스트림의 대부분의, 일반적으로 모든 또는 모든 요소에 대해 제한된 일련의 동작(예를 들어, 커널 기능)을 수행한다. SDP에서 수행되는 대부분의, 일반적으로 모든, 실질적으로 모든 또는 모든 처리는 SDP 하드웨어 및 소프트웨어에서 수행되며, 메인 NDS 메모리(예를 들어, 데이터 레이크/EDL 1차 NDS-MEMU(#2360))에 대한 참조/상호작용은 거의 또는 전혀 없다. 양태들에서, 대부분의, 일반적으로 모든, 모든 스트리밍 프로세서 기능은 스트림의 요소, 적어도 RT/S-MA-D 스트림에서 균일하게 수행된다(즉, 이러한 데이터 스트림은 균일한 스트림 처리/균일한 스트리밍을 받음). 양태들에서, 알려진 컴파일러 컴포넌트는 SDP 유닛(SDP 메모리가 NDS의 1차 메모리와 적어도 기능적으로 분리되어 있음)에서 스트림 데이터의 인-메모리/온-칩 처리를 자동화하고 최적화하는 데 사용될 수 있다. 하드웨어 레벨에서, SDP(#2320)에는 예를 들어, 다중 메모리 버스 시스템(예를 들어, 크로스바 스위치)(예를 들어, 하나 이상의 512MB 이상의 크로스 바 스위치) 및 다중 프로세서/클러스터 처리 유닛, 및 물리적 또는 데이터 규칙 분리 측면에서 1차 시스템 메모리(예를 들어, EDL)와 구별되는 메모리가 장착될 수 있다. RT/S-MA-D 및 L-STR-MA-D/MA-CD 외에도, SDP 수신기(#2321)는 또한 (예를 들어, 이메일 또는 텍스트 메시지 입력(n.s)으로부터) 비정형 데이터를 수신할 수 있다. 양태들에서, 다른 시스템(예를 들어, 네트워크로 연결된 제3자 CRM)의 대부분의, 일반적으로 모든 또는 모든 데이터 입력은 SDP에 대한 입력과 별도로 처리된다.
컴포넌트(들)/엔진(들)(예를 들어, 커널(들))은 SDP의 컴포넌트일 수 있고, 이를 테면 예를 들어, MA-CD를 식별하고 이를 MA-CD 즉시 분석기로 전송(이는 또한 "캐시 프로세서"로 간주될 수 있음)하고, MA-CD에 알람(들)의 동작을 트리거하는 것이 필요한 조건이 있는지 결정하는 등 착신 데이터 스트림의 특성을 분석하고, 관련 장치 또는 기타 NDS 동작에 대한 제어하는(이 점에서 이 컴포넌트는 이벤트 프로세서로 간주될 수도 있음) SD 핸들러(#2322)로 특성화/구성될 수 있다. 양태들에서, MA-CD 즉시 핸들러는 경고, MA 제어 등(즉, 다른 곳에서 논의된 초기 분석)의 측면에서 즉각적인 조치가 필요한 즉각적인 데이터가 있는지를 결정하기 위해 SDP의 이 컴포넌트에 대해 제한된 양의 MA-CD 및 RT-D-MA-D 조화/재구성을 수행하거나 수행될 수 있다. SD 핸들러는 또한 스트리밍 데이터를 SD 버퍼(예를 들어, #2323)와 같은 추가 SDP 메모리로 보내거나, 컴포넌트 가용성, 스트림 로드 등을 기반으로 한 처리/우선 순위 지정 규칙에 따라 처리할 큐로 보낼 수 있다. 양태들에서, SDP 수신기(#2321) 및 핸들러(#2322)의 적합한 컴포넌트로 간주될 수 있는 적합한 데이터 스트림을 수신하고 처리하기 위한 알려진 소프트웨어 시스템(예를 들어, Kafka, Apache Flink 등)이 다른 곳에 논의된다. SDP 버퍼(#2323)는 예를 들어, 당업계에 공지된 종류의 스트림 레지스트리 파일(들)과 같은 레지스트리 파일/파일 시스템, 및 추가 로컬 SDP 메모리로 구성될 수 있다.
분석 준비가 된 SDP 메모리 스트리밍 데이터는 RT/S-MA-D에 (예를 들어, 치료의 제공 시, 디스플레이이의 제어 시, 예를 들어 CDSS 기능 수행 시 등) SDP 프로세스/분석을 기반으로 네트워크 장치를 제어하기 위한 엔진(들)을 포함하는 SDP 컨트롤러(#2327)의 제어 하에 있는 알람 트리거, MA(들)의 제어가 필요한 임의의 데이터 요소가 포함되어 있는지 여부를 결정하는 SDP 분석기 유닛/기능(#2325)에 의해 분석된다. SDP 분석 프로세스는 일반적으로 특정 데이터 요소(예를 들어, 장치 데이터, 중요한 센서 데이터 등)로만 제한되며, 1차 NDS 메모리(#2360)에 저장된 많은 다른 데이터 요소를 제외한다(예를 들어, 관련 상용 사용자에 관한 데이터는 이러한 처리 레벨에서 분석되지 않음). RT/S-MA-D 및 MA-CD는 이후에 또는 아니면 출력(#2328)에 의해 SDP에서 NDS의 다른 컴포넌트(들)로 전송된다. 이 양태에서, SDP 핸들러는 SDP로 들어오는 스트림을 나가는 스트림/기타 출력(예를 들어, 로컬 출력 레지스트리 파일)으로 변환하는 에이전트로 볼 수 있다.
SDP로부터 출력된 후, NDS 메모리 유닛의 다른 컴포넌트는 일반적으로 본원의 다른 곳에 설명된 바와 같이 데이터 정리, 조화 또는 둘 모두 후에 데이터 수집 기능(#2330)을 수행하여, 데이터 레이크 또는 EDL과 같은 1차 NDS 메모리(#2360)에 데이터를 저장한다. SDP의 이 컴포넌트는 NDS 입력 유닛(NDS-INPU)의 일부로 간주될 수도 있다. 1차 NDS 프로세서(n.s)는 DL/EDL 수집 후, DL/EDL에 저장된 데이터에 대해 자동, 온디맨드 또는 조건부 자동 NDS-MEMU 분석 기능(#2340)(예를 들어, 본원의 다른 곳에 설명된 바와 같은 기계 학습 기능)을 수행할 수 있으며, 예컨대 데이터 쿼리 프로세스(#2350)와 같은 온디맨드 기능을 수행할 수 있다. 수집 중에 적용되는 수집 기능(#2330)에는 특히 비정형 데이터에 대한 메타데이터 적용, 및 다양한 포맷과 내용의 착신 데이터를 EDL 관리 구역으로 분리하는 기능이 포함될 수 있다. 비정형 방식으로 수신된 EDL 데이터만 포함하거나 비정형 및 반정형 데이터를 모두 포함하는 온디맨드 쿼리 및 자동 쿼리 프로세스는 반정형 데이터에 적용되는 프로세스와 다를 수 있다(예를 들어, 전자는 키워드 검색을 기반으로 하고 후자는 속성/값 쌍에 중점을 둠). 두 가지 유형의 쿼리 기능 모두 이러한 서로 다른 데이터 그룹에 대한 두 가지 유형의 쿼리를 포함하여, 서로 다른 NDS-AD를 생성할 수 있다. 이러한 쿼리 기능에서 인식/사용되는 EDL 데이터에는 중요하지 않은 센서 데이터, 중요하지 않은 장치 성능 데이터, 상용 사용자 연관성 등과 같이, SDP에 의해 분석되지 않은 데이터가 포함되는 경우가 많다.
ML 프로세스 및 쿼리 프로세스와 같은 리소스 집약적인 분석 프로세스를 SDP에서 수행되는 즉각적인 프로세스로부터 분리함으로써, 본 발명의 예시적인 NDS는 NDS에 의해 수신되고 처리되는 상당한 양의 착신 스트리밍 데이터에도 불구하고 실시간 또는 거의 실시간 상태에서 더 자주 동작할 수 있다. EDL과 같은 효율적인 1차 메모리를 사용하면 자동 NDS-MEMU 분석 프로세스와 같은 2차 프로세스도 스트리밍 데이터의 NDS 수신으로부터 몇 분 이내에 수행될 수 있음을 추가로 보장한다.
도 24
도 24는 본 발명의 예시적인 시스템/NDS(#2400)의 부분에 대한 또 다른 다이어그램을 도시한다. 하나 이상의 MZMA(미도시), 단일 컴포넌트 MA, 또는 둘 다를 포함할 수 있는 의료 장치(MA)(#2403)는 NDS에 데이터를 중계하고, NDS로부터 데이터를 수신한다. 단순화를 위해 이 도면에는 몇 개의 MA만 도시되어 있지만, 네트워크에는 50개 이상, 100개 이상 또는 1000개 이상의 MA가 포함될 수 있으며, 모두 동작 시 동시에 NDS로 데이터를 중계하거나 이로부터 데이터를 수신할 수 있으며, 이는 다양한 유형, 상태, 위치, 소속 등(표시되지 않음)이 다를 수 있다.
MA(#2403) 중 하나 이상으로 들어오고 이로부터 나가는 데이터 흐름은 장치 보안 시스템 또는 방화벽(#2405)에 의해 제어될 수 있다. 하나 이상의 MA는 또한 본원의 다른 곳에서 논의된 바와 같이 다른 탬퍼링 방지 보호를 받을 수도 있다(도시되지 않음). 동작 시, 각 MA는 데이터(예를 들어, 스트리밍 디지털 영숫자 포맷, 이미지 포맷 또는 둘 다로)를 NDS(NDS/MAC-DMS)로 빠르게 중계한다(예를 들어, (1) 초당 ~5-15개의 디지털 영숫자 메시지(예를 들어, 초당 ~7-12개의 메시지, 예컨대 초당 8개 메시지) 또는 (2) 10-30초마다(예를 들어, ~20초마다) 1개의 이미지의 속도로). MA가 동작 중이고 NDS/MAC-DMS와 안전하고 안정적으로 네트워크로 연결된 경우, 이러한 통신은 적어도 실질적으로 지속적이다. 대부분의/모든 이러한 통신은 일반적으로 보안 인터넷 통신을 통해 중계된다.
착신 MA 데이터는 NDS(NDS/MAC-DMS)의 IoT(사물 인터넷) 게이트웨이 컴포넌트(#2406)에 의해 수신되며, 이는 스트리밍 데이터 프로세서(SDP) 역할을 하거나 이를 포함할 수 있으며, 본원의 다른 곳에서 설명된 바와 같이 입력 유닛의 컴포넌트로 간주거나 간주될 수 있다. 게이트웨이(#2406)는 디지털 메시지를 데이터 스트림(#2409)으로서 인바운드 메시지 이벤트 허브(#2410)에 브로드캐스트/중계할 수 있다. 동시에 또는 함께, 게이트웨이(#2406)는 가입자(예를 들어, 다른 엔진(들), 연결된 데이터베이스(들)/시스템(들) 또는 ONDI)에게 메시지를 중계할 수도 있다. 예를 들어, 도시된 바와 같이, 게이트웨이(#2406)는 또한 이미지 데이터(#2407)를 이미지 데이터의 OCR 판독 가능 요소를 영숫자 데이터로 변환하는 OCR 처리 모듈(OCR PROC.(#2408))로 중계한다.
SDP의 요소/기능도 나타내는 인바운드 메시지 이벤트 허브(#2410)는 MA 데이터를 포함한 데이터를 구독자에게 라우팅하고 선택적으로 중계할 수 있으며, NDS(NDS) 메모리로의 수집의 일부 또는 모든 양태를 처리할 수 있다. 후자의 의미에서, 인바운드 메시지 이벤트 허브(#2410)는 여러 동시 출력 스트림 중 하나(#2412)를 통해 일반적으로 시간 또는 조건부 릴레이 기반으로 인바운드 메시지 데이터를 수집하고, 선택적으로 처리하고, NDS 데이터 레이크(DL)/향상된 DL(EDL)(#2440으)로 중계할 수 있다. 이러한 인바운드 출력 스트림(#2412)에서 MA-D를 포함하는 데이터세트는 전형적으로 일반적으로, 본질적으로 또는 전체적으로 MA-D로 구성된다(즉, 크게 수정되지 않으며 분석 데이터를 포함하지 않음). 게이트웨이(#2406) 또는 메시지 허브(#2410)는 1-10분, 2-8분, 3-6분, 3-7분, 2-6분, 또는 4-6분(예를 들어, 약 5분) 간격으로 데이터를 수집한 다음, 이러한 수집된 데이터를 지속/반복된 일괄/수집/유닛으로 DL/EDL에 반복적으로 중계할 수 있다. 인바운드 메시지 및 이벤트 허브(#2140)에는 또한 일반적으로 DL/EDL(예를 들어, 당업계에 알려진 AVRO 포맷으로)에서 수집되기 전에 데이터를 압축하는 능력이 포함될 것이다. 인바운드 메시지 및 이벤트 허브(#2410)는 또한 메시지 또는 사전 수집 분석 데이터, 명령 등을 한 명 이상의 다른 구독자(#2411)에게 중계할 수 있다. 예를 들어, 예시된 바와 같이, 인바운드 메시지 이벤트 허브(#2410)는 메시지 데이터를 적용된 연구 유닛 사용자/시스템/장치(#2412)와 네트워크의 다양한 다른 MA(#2413)로동시에 중계한다(예를 들어, 장치 명령 명령어, 장치 디스플레이 명령어 등을 전송함). 인바운드 메시지 이벤트 허브(#2410)는 또한 스트림 분석 엔진(#2415)에 의한 분석 후, SaMD 관련 데이터(#2414)를 SaMD 프로세서(#2420)에 동시에 중계한다. 이러한 방식으로 예시된 바와 같이, 메시지 허브(#2410)는 특정 메시지/데이터(또는 데이터 유형)를 NDS의 다양한 기능 유닛로 선택적으로 지시할 수 있다. 예를 들어, 허브는 HCP 관련 MA 도출 MA-D를 SaMD로만 중계하고, 연구 사용자 클래스 MA-D를 다른 기능 유닛(도시되지 않음)으로 라우팅될 수 있다.
스트림 분석 엔진/유닛(#2415)은 예를 들어, 데이터 필터링, 데이터 정리, 데이터 유효성 검사, NDS 관리자 경고 등을 포함하여, SaMD/SAMD 모듈(#2420)에 중계된 스트리밍 데이터에 대한 다양한 데이터 분석 기능을 수행할 수 있다. SaMD 엔진(#2420)은 분석 데이터(NDS-AD), 예를 들어 스코어링된 메시지 데이터를 생성하며, 이는 먼저 스코어링된 메시지 이벤트 허브(#2430)로 중계되며, 차례로 스코어링된 데이터(#2435)를 데이터 레이크/EDL(#2440)로 중계되며, 이러한 스코어링된 메시지 데이터는 인바운드 데이터 스트림(#2412)으로부터 DL/EDL(도시되지 않음)의 서로 다른 거버넌스 구역에 수신되고 저장된다. 데이터 변환 프로세스의 일부로서 데이터의 스코어링은 본원에 설명된 본 발명의 임의의 양태에 일반적으로 적용될 수 있으며, 이러한 스코어링은 예를 들어, NDS 컴포넌트(들)에 의해 적용되는 하나 이상의 미리 프로그래밍되고 프로그래밍 가능한 데이터 분류 또는 유효성 감사 규칙에 대한 데이터의 비교에 의해 적용된다. 동시에/함께, 스코어링된 메시지 이벤트 허브(#2430)는 예측 데이터를 예측 핸들러 유닛/엔진(#2490)에 중계하며, 이는 차례로 분석 데이터(NDS-AD)(여기서는 예를 들어, 생리학적 파라미터 예측을 포함함)를 (예를 들어, 웹 애프리케이션 인터페이스에 디스플레이하기 위해 포맷팅된 출력을 생성함으로써) 웹 애플리케이션/인터페이스(#2493) 및 다양한 네트워크 MA 및 기타 네트워크 장치 및 인터페이스(ONDI)(일명, OND)(#2495)로 중계한다. 중계된 정보에는 또한 경고 트리거링, 장치 동작 변경 등을 위한 명령어와 같은 출력 기능이 포함될 수 있다.
DL/EDL(#2440)의 데이터는 AVRO 탐색기(#2450) 또는 이와 동등한 것과 같은 데이터 압축 유닛에 의해 자동으로 정기적으로 또는 아니면 주기적으로 압축되며, 압축된 DL 데이터는 그런 다음 제1 데이터베이스와 같은 하나 이상의 구조화된 데이터베이스 데이터 저장소로 중계된다(여기서, 동작 보고 저장소(#2460)로서, 이는 (1) NDS의 분석 프로세서 또는 기타 기능 컴포넌트에서 직접 수신된 데이터, 및 (2) 제2 관계형 데이터베이스(NDS-RDB(# 2470))로부터 얻거나 수신된 데이터를 포함하는 NDS 수행 관련 데이터를 저장하며, 이는 NDS/MAC-DMS의 네트워크 컴포넌트로 중계된 출력으로부터 생성된 정형 데이터 세트를 포함함). 동작 보고 저장소/제1 데이터베이스의 데이터는 또한 관계형 데이터베이스에 포함하기에 적합한 구조화된 포맷(예를 들어, 정렬된 계층 구조의 다양한 필드, 레코드 및 테이블의 여러 레벨의 데이터를 포함)으로 저장되며, 예컨대 향상된 데이터 레이크와 같은 NDS 데이터 저장소의 다른 부분에 저장된 것보다 더 복잡한 데이터 구조를 사용하여 쿼리, 보고서 등을 수행하고, NDS 동작성을 보장하거나 향상시키는 또 다른 수단을 제공하는 데 사용될 수 있다.
동작 데이터 상태 대시보드(#2480)는 시스템/NDS 분석가(#2485)에 동작 보고 저장소로 또는 동작 보고 저장소에 들어오는 모니터 데이터 품질을 지속적이고, 정기적으로 반복하거나, 조건부로 발생하거나, 또는 온디맨드로 제공하는 기능을 제공하는 엔진(들)/유닛(들)/시스템(들)을 포함하거나 이에 대응하는 기능 모듈(FM)로 간주될 수 있다. 대시보드는 다양한 장치(들)/인터페이스(들)에 전달되는 스키마/표현일 수 있거나, 전용 장치/NDS 컴포넌트일 수 있으며, 어느 경우든 데이터 상태의 다양한 양태에 대한 시각적 지표(들)(데이터 격차, 데이터 유입/처리 지연, 데이터 일관성, 데이터 수정량, 예상 데이터 파라미터(들)와 데이터의 상관관계 등)을 제공한다. 이러한 예시된 대시보드(#2480)와 같은 데이터 시각화 대시보드를 사용하여, 데이터 품질 문제를 수동으로(예를 들어, 육안 검사를 통해), 자동으로(미리 결정된 표준과 데이터 비교, 누락/손상된 기록/데이터세트에 대한 스캐닝 등 또는 이들의 조합을 통해) 결정될수 있다. NDS 분석가 사용자는 이러한 데이터 문제를 알게 되면 NDS 동작의 양태(들)을 변경하여 이러한 데이터 오류가 발생할 가능성, 심각도 또는 빈도를 줄일 수 있다. 유사한 대시보드 모니터링 방법/시스템을 사용하면 임의의 다른 양태에도 적용할 수 있다.
언급된 바와 같이, 시스템 중계 데이터는 여기에서 제2 관계형 데이터베이스인 NDS-RDB(#2470)로 중계될 수 있으며, 이는 데이터 쿼리(도시되지 않음)와 같은 네트워크 가시 기능/출력의 기초 역할을 할 수 있다. NDS-RDB(#2470)에 입력되는 데이터는 NDS 메모리 유닛(NDS-MEMU) 데이터 상태 대시보드(#2475)에 의해 액세스할 수 있으며, 이를 통해 시스템 분석가(#2476) 및 독립 엔티티 네트워크 분석가와 같은 다른 사용자가 제2 관계형 데이터베이스에 입력되거나 이미 포함된 데이터를 평가한다.
이 예는 시스템 동작 시 데이터 품질/데이터 상태를 보장하기 위해 NDS를 통한 데이터 처리, NDS 분석 프로세스의 초기 이벤트 분석, DL/EDL DR에 대한 보완으로 구조화된 데이터베이스 사용 및 모니터링 대시보드(들) 사용을 포함하여, 본 발명의 다양한 양태를 보여주며, 그 모두는 본 발명의 시스템/네트워크의 추가적인 구별되는 양태/특징을 반영한다.
도 25, 26, 27 및 28
도 25-28은 MA에 의해 NDS로 중계될 수 있고 SDE와 같은 NDS 컴포넌트(들)에 의해 동작되고, EDL과 같은 DR에 저장되고, 차례로 출력 애플리케이션(도 25-28에는 도시되지 않음)과 같은 출력 생성에 사용되는 NDS-AD를 생성하는 데 사용될 수 있는 유형의 예시적인 반비정형 데이터세트이다.
도 25에는 특히 미리 정의된 여러 속성 엔트리(#2503) 및 해당 값 엔트리(#2507)를 포함하는 반정형 데이터 구조(JSON 레코드)(#2500)가 포함되어, 반정형 데이터 구조 내에서 레코드/필드를 형성한다. 도 26, 27 및 28의 데이터세트는 또한 속성/값 쌍을 포함하는 반비정형 JSON 유형 데이터세트이다.
도 25-28 각각에 도시된 바와 같이, 이러한 데이터세트에는 일반적으로 데이터세트의 제1 부분(도시된 바와 같이)으로 제공되는 데이터세트 식별 정보가 포함될 수 있으며, 이를 통해 NDS 컴포넌트(들)는 데이터세트를 특정 MA와 연관되고 MA 상태, 소유권, 위치, 유형 등을 도출할 수 있다. 일반적으로, 본 발명의 방법은 다수의 유형의 속성/값 쌍을 포함하는 다수의 서로 다른 반비정형 모음에 포함된 다수의 데이터 포인트를 포함하는 MA로부터 데이터를 수신하도록 구성될 수 있으며, 이러한 쌍 중 적어도 일부는 2개, 3개, 4개 이상의 속성에 대한 다수의 값을 포함하며, 이러한 속성에는 일반적으로 이러한 도면들에 예시되고 다음의 문단에서 설명된, 센서 데이터, 장치 성능 데이터 또는 둘 다가 포함된다.
도 25에서, 예를 들어, 데이터 레코드(#2600)에는 데이터 레코드의 유형을 반영하는 값인 #2503, "JSON"이 포함된 제1 라인이 포함되어 있으며, 이는 데이터 레코드가 JSON 포맷화된 레코드임을 나타낸다). 데이터 레코드(#2500)의 제1 라인(#2510)은 레코드가 펌프 MA 성능/상태 정보에 속한다는 신호를 보내는 "Pump_data"로 식별되는 제2 값(#2507)을 더 포함한다. 어느 경우든, 제1 라인에는 명시적인 속성 필드가 제공되지 않았으며, 이는 경우에 따라 속성이 데이터 레코드의 위치에만 기초하여 결정될 수 있음을 반영한다는 점에 유의한다.
"JUID" 속성과 연결된 제2 레코드(#2520)에는 NDS에 의해 수신된 다른 데이터세트와 이 데이터 세트를 구분하는 데 사용될 수 있는 하나의 레코드 식별 정보 레코드/엔트리/값("84000011")이 포함된다. "MSG_NO" 속성과 연결된 제3 레코드(#2530)는 여기에서 특정 데이터세트와 관련된 또 다른 식별자 값("804")을 제공하여, 이 데이터세트(메시지)를 동일한 기간에 동일한 MA 또는 동일한 MA로부터 전송된 다른 데이터세트와 구별한다. 제4 레코드(#2540)는 MA/데이터세트가 중계되는 관련 MZMA의 한 구역에 대한 시간 지표 레코드를 제공한다. 제5 레코드(#2550)는 관련 MZMA의 제2 구역에 대한 제2 시간 지표 레코드를 제공한다. "CASE_ID" 속성과 연관된 제6 레코드(#2560)는 제3 데이터세트/소스 식별자(여기서는 "F8_0_1_0" 값)를 제공한다.
이 예시적인 데이터세트에서 볼 수 있듯이, MA에 의해 생성된 SUMAD 데이터세트는 데이터세트(예를 들어, 특정 시간(들), 특정 MA(들) 또는 특정 MA(들) 등에 의해 수행되는 특정 기능(들)과 연관됨)을 식별할 수 있는 다수의 식별자를 포함할 수 있으며, 또한 여러 시간 지표(특히 MZMA(들)의 경우)도 포함될 수 있다. 이러한 원리는 수정되어 본 발명의 임의의 다른 양태에 적용될 수 있다. 데이터 레코드에 여러 식별자를 포함하면 데이터 보안, 데이터 분석 또는 둘 다에 도움이 될 수 있다.
도 25에 도시된 데이터세트(#2500)의 제2 부분은 "RPM" 속성(#2570)과 관련된 여러 값을 제공한다. 이는 MA가 하나의 데이터세트 또는 데이터세트 장치 성능 데이터의 한 부분(여기서는 분당 펌프 회전수(RPM))을 포함할 수 있는 방법을 예시한다.
도 26의 데이터세트(#2600)에는 유사한 속성(#2603) 및 값(#2607) 레코드 레이아웃과 예시된 데이터세트(예를 들어, PUMP_DATA 값(#2610) 및 위에 설명된 기타 식별자(#2620, #2630, #2640, #2650 및 #2660) 및 MZMA와 관련된 환자에서 측정된, MA 센서 데이터(구체적으로 좌심실 압력("LVP")를 반영하는 "LVP" 속성(#2670)에 대한 다수의 갑을 포함하는 데이터세트)의 제1 부분에 유사한 식별 정보(때때로 헤더라고도 함)가 포함된다. 값 레코드의 시작 부분에 있는 데이터 스트링(다수의 "0" 엔트리 포함)은 비동작 상태 또는 데이터 분석에서 폐기될 수 있는 기타 유효하지 않은 데이터를 반영할 수 있다.
도 27에 도시된 유사한 반비정형 데이터 세트(#2700)에는 다양한 식별 정보 및 장치 성능 데이터를 포함하는 값/속성 쌍 레코드(#2705)의 모음이 포함된다. 구체적으로, 제1 레코드인 "JSON"에는 "알람" 값(#2710)이 포함되어 있으며, 이는 데이터 세트가 알람 데이터를 포함하고 있음을 식별하고, 예를 들어 NDS에 의해 MA-D가 수신될 때 SDE에 의한 빠른 검출을 제공한다. 고유 메시지 번호와 사례 번호 레코드(#2730 및 #2760)가 다시 한번 제공되며, 여기서 장치 성능 데이터는 MA(#2770)에 등록된 알람을 식별하는 데이터 형태이다.
도 28에 도시된 반비정형 데이터세트(#2800)는 제1 데이터세트 식별자/레코드(#2810)는 물론 다양한 시스템/소프트웨어 상태 정보를 포함한다. 예를 들어, 다양한 운영 체제, 소프트웨어 및 하드웨어 버전이 레코드(#2815, #2820, #2825, #2830, #2835, #2840, #2845, #2850 및 #2855)에 제공되어 있으며, 이는 여러 유형의 상태 정보 레코드가 SUMAD 데이터세트에 포함될 수 있는 방법을 예시한다. NDS에 의해 이러한 정보가 사용되어 MA가 MA의 성능 능력을 이해하기 위해 업데이트가 필요한지 여부 등을 결정할 수 있다.
양태들에서, 위에서 설명한 유형의 MA-D 중 일부 또는 전부는 NDS에 중계되는 단일 데이터세트로 결합된다(예를 들어, 데이터 세트에는 다수의 포인트의 MA/데이터세트 식별자와 함께, 장치 상태 정보; 장치 성능 정보; 시스템, 소프트웨어 또는 하드웨어 버전 정보; 센서 데이터의 임의의 조합이 포함될 수 있음). 이러한 데이터의 반비정형 특성과 레이아웃은 NDS/방법에 의해 데이터를 신속하고 효율적으로 분석/처리 및 저장을 제공하며, 이는 의학적 치료 또는 진단을 제공하는 맥락에서 중요하다.
기술적 효과
당업자는 본 발명의 시스템 및 방법이 본 개시의 다양한 기술적 특징을 이용하여, 지금까지 이용할 수 없었던 도구(들)을 제공하거나 지금까지 알려진 시스템/방법에 의해 유사하거나 충분한 방식으로 해결되지 않았던 여러 문제를 해결하는 여러 기술적 효과를 제공한다는 것을 인식할 것이다. 다양한 기술적 효과가 본 개시의 다른 곳에서 설명되고, 여기서는 몇 가지 특정/예시적인 기술적 효과가 강조/강화된다.
본 발명의 하나의 예시적인 기술적 효과는 개별적으로 위치된 복수의 의료 장치(MA)(예를 들어, WAN의 MA)에 의해 생성된 의료 장치 데이터를 실시간 또는 거의 실시간 방식으로 안전하게 관리할 수 있는 능력이며, 개별적으로 위치된 복수의 MA는 각각 네트워크 데이터 관리 시스템(NDS)과의 인터페이스를 가지며, 이는 인간 또는 인간 그룹에 의해 실행 가능하거나 적시에 관리될 수 없으며, 유용하고 시간에 민감한 데이터가 추출, 컴파일 처리, 적용 또는 아니면 동작될 수 있으며, 이는 MA와 NDS의 기술적 기능을 통해 본원에서 다루는 인간이나 인간 그룹에 의해 달리 실현 가능하게 수행될 수 없다.
양태들에서, 본 발명의 기술적 효과는 NDS(DCDMS)가 있는 네트워크에서 네트워크로 연결된 복수의 MA의 동작의 동시 제어를 포함하며, 이러한 동작 제어는 MA가 오프라인인 기간 동안 저장된 SMAD와 캐시 데이터 둘 모두의 분석을 기반으로 하며, 이러한 데이터의 조합을 기반으로 분석 및 제어 기능을 수행한다. 이러한 동작 제어에는 치료 지침 전달, 예측 전달 또는 치료 컴포넌트 제어가 포함될 수 있다.
이러한 점과 다른 점에서, 본 발명은 시스템 자체의 전반적인 기능뿐만 아니라 네트워크에서 의료 기기/장치의 기능을 향상시킨다. 이 시스템은 장치 모집단에서 가져온 센서 데이터, 기타 데이터 입력, 및 모음 장치 데이터와 개별 장치/환자 데이터의 이력 수집을 기반으로 동시에 여러 장치에 대한 향상된 관리를 제공한다. 본원에 설명된 본 발명 시스템의 요소들의 조합 없이, 이러한 의료 장치는 정확하거나 효과적으로 동작하지 않을 것이며, 시스템의 다른 사용자는 본 발명의 시스템을 사용하여 가능한 한 유용하고 규정을 준수하는 방식으로 시스템의 데이터에 액세스할 수 없을 것이다.
양태들에서, 본 발명과 관련된 기술적 효과에는 인터넷 통신이 크게 제한되었거나 직접적인 인터넷 통신이 없는 경우인 제한적인 컴포넌트/구역을 포함하는 다중-컴포넌트 MA(다중-구역 MA(MZMA)) 제공을 포함할 수 있는 승인되지 않은 인터넷 통신 침입, 해킹 등으로부터 민감한 MA 컴포넌트를 보호하는 것이 포함된다. 양태들에서, 이러한 컴포넌트를 제어하려면 네트워크 레벨 동작 외에 로컬 동작, 예를 들어 이러한 수정/업그레이드가 가능한 경우 소프트웨어 수정/업그레이드에 대한 로컬 요청이 필요하다.
양태들에서, 본 발명과 관련된 기술적 효과에는 다양한 상태 등에서 동작하지만, MPP 기능 사용을 통해 이러한 데이터의 실시간 또는 거의 실시간 분석을 제공하고, 향상된 데이터 레이크 메모리 구조 및 수집 프로세스를 사용할 뿐만 아니라, 시스템의 프로세서(들)에 의해 실행된 미리 프로그래밍된 명령어에 따른 데이터 큐잉 및 시스템 스케일링을 사용하는 다양한 조건의 다양한 피험자와 관련된 다양한 유형의 MA인 다수의 MA로부터의 스트리밍 데이터 입력을 처리하는 능력이 포함된다. 양태들에서, 본 발명의 시스템 및 방법은 NDS DR 수집 전 또는 수집 동안 유입 시 RT/S-MA-D 및 MA-CD에 대한 제한된 초기 분석을 수행하고, 적절한 경우 이러한 초기 분석을 기반으로 초기 제어 또는 출력 동작을 수행하는 것을 포함한다. 이를 달성하는 한 가지 방법은 다수의 처리 시스템 및 메모리 컴포넌트(예를 들어, SDP 프로세서 및 메모리와 1차 프로세서 유닛 및 1차 메모리/DR(예컨대, 향상된 데이터 레이크)을 포함하는 초기 SDP)의 사용을 통해 달성된다.
양태들에서, 본 발명과 관련된 기술적 효과는 HCP 및 상용/BP 클래스 사용자/장치(ONDI)를 포함하여 다양한 사용자 클래스의 다양한 사용자에게 MA 데이터 분석으로부터 생성된 분석 데이터를 함께/동시 중계하는 것을 포함하며, 전달된 데이터는 이러한 다양한 사용자에게 맞춰져 있으며, 예를 들어 상용 클래스 사용자에게 전달된 데이터로부터 PHI의 수정 또는 제외를 제공한다. 양태들에서, 기술적 효과에는 또한 또는 대안으로 연구 클래스 사용자로부터 입력 데이터의 수신, 일부 시스템 분석 데이터를 생성할 때 임상 MA 데이터와 함께 이러한 데이터의 사용이 포함되며, 또한 규제 요구 사항을 준수하고 기타 임상/비즈니스 목적을 위해 이러한 데이터와 이러한 데이터를 기반으로 하는 분석 데이터를 분리한다.
시스템(들)/방법(들)의 기술적 기능/이점은 예를 들어, 예측 기능 또는 또한 또는 대안으로 새로운 학습(들)을 포함한 향상된 환자 케어 제공으로 이어질 수 있으며, 잠재적으로 예상되는 유해 의료 이벤트의 예방 또는 향후 의료 개선, 헬스케어 동작(들) 및 인간의 생명에 매우 귀중한 것으로 입증될 수 있는 기술적 효과로 이어질 수 있다.
MA의 이러한 예시적인 기술 기능에는 장치 컴퓨터 실행 가능 명령어(MACEI)을 실행하기 위한 처리 기능을 포함하는 장치 물리적, 전송 가능 및 재생 가능 컴퓨터 판독 가능 매체(MAPTRCRM) 및 동작 시 시간이 경과함에 따라 센서 정보를 포함하는 정보를 기록하는 장치 메모리(DM); 장치 디스플레이 유닛(MA-DISPU); 센서 정보를 포함하는 실시간(RT-MA-D) 또는 저장된 (MA-CD) 정형, 비정형 또는 반정형 장치 정보(MA-D)를 NDS로 전송할 수 있는 장치 릴레이 유닛(MA-RELAYU/DDRU); 장치 데이터 입력 유닛(MA-INPU); 및 설정된 승인된 데이터 유형을 기반으로 데이터를 제한하는 것을 포함하는 데이터 보호 기능을 제공하는 마이크로컨트롤러(들)을 포함하는 장치 데이터 보안 시스템(MA-SECURU)을 포함하는 MA가 포함된다.
여기에 제공된 독창적인 시스템과 방법은 데이터 분석의 품질 및 동시에 수많은 장치로부터 빠르게 들어오는 스트리및 데이터를 처리하는 시스템의 능력을 향상시키기 위해, 시스템 메모리 내의 여러 시간 기반 데이터 수집 사이클, 다양한 시간 제한 동작 및 다양한 데이터 거버넌스 구역의 사용을 포함한다.
NDS의 예시적인 기술적 기능에는 반비정형 MA-D(SUMAD)를 수신하고 저장하는 검색 가능한 데이터 저장소(DR) 및 NDS에 의해 수행되는 기능에 대한 NDS CEI(NCEI) 인코딩 명령어를 더 포함하는 NDS PTRCRM을 포함하는 메모리 유닛(NDS-MEMU)을 포함하는 NDS; NCEI를 실행하는 NDS 처리 기능(NDS-PROCU); NDS와 통신하는 MA로부터 자동으로 데이터를 수신하고, 각 MA로부터 수신된 MA-D의 유형(들)(예를 들어, RT-MA-D, MA-CD, 아니면 둘 다)을 구별할 수 있는 NDS 데이터 입력 유닛(NDS-INPU); 실시간, 저장 및 반비정형 MA-D를 분석하여 분석을 생성하고 나아가 이러한 분석을 하나 이상의 NDS 기능의 성능에 적용하는 NDS 분석 유닛(NDS-ANALU); MA-D가 NDS-ANALU에 의해 사용되도록 승인되었는지 평가하고 이러한 승인된 MA-D가 NDS-ANALU에 의해 어떻게 사용되는지 결정하는 NDS 장치 데이터 조화 유닛(NDS-DHU); 기밀성 및 헬스 케어 준수 규칙에 기초하여, 각 MA 또는 기타 네트워크 장치/인터페이스(ONDI)(예를 들어, 다른 임상, 비임상 또는 연구 컴포넌트)에 선택적으로 전달하기 위해 MA-D, 분석 또는 둘 다를 자동으로 필터링할 수 있는 NDS 출력 처리 시스템(NDS-PROCU); 인터넷을 통해 특정 정보를 특정 타겟 위치, 예를 들어, MA별, 환자별 또는 둘 다이고 구체적으로 식별되며 MA-SECURU(들)에 의해 적응 가능하도록 구성된 하나 이상의 특정 데이터 유형인 각 MA로 안전하게 중계할 뿐만 아니라, MA-D, 분석 또는 둘 다를 포함하는 정보를 하나 이상의 ONDI에 중계하며, 여기서 ONDI에 중계되는 정보는 독립적인 엔티티(IE)와 연관된 다수의 MA로부터의 정보를 포함할 수 있는 NDS 데이터 릴레이 유닛(NDS-RELAYU); 및 반비정형 M-AD에 대한 하나 이상의 스키마 적용을 기반으로 저장된 데이터 분석(LS-D-ANALU)을 생성하는 NDS 저장 데이터 분석 기능(NDS-ANALU)이 포함된다.
본 발명의 시스템(들) 및 방법(들)은 MA-네트워크를 함께 형성하는 복수의 IE의 독립적으로 동작하는 MA로부터 도출된 MA-D를 중앙에서 수집하고, 중앙에서 저장하고, 중앙에서 분석할 수 있으며, MA-D는 MA로부터 유래된 다양한 데이터를 포함하고, 이러한 데이터 수집 및 분석에 기초한 정보를 복수의 엔티티, 예를 들어 임상 엔티티, 판매 엔티티 및 연구 엔티티로 선택적으로 전달하며, 이러한 통신은 타겟 수신자 프로파일(들)에 기초하여 제한된다.
이러한 프로세스는 특허 당국에 의해 특허 가능한 주제를 포함하는 것으로 인정된 프로세스와 유사하다. 예를 들어, 이러한 프로세스는 예를 들어 USPTO(the United States Patent and Trademark Office)를 통해 이용 가능한 주제 적격성과 관련된 USPTO 지침의 예 21에 설명된 주식 관련 데이터(주식 시세)의 수집 및 분배와 비교되며, 이로써 주식 시세 경고(들)는 확립된 정보 포맷팅 프로토콜, 또는 선호도 또는 규칙, 또는 데이터의 어드레스/목적지에 따라 데이터 블록으로 포맷팅되며, 여기서 데이터는 통신 채널을 통해 최종 목적지로 분배되기 전에 설정된 설정된 사양에 따라 필터링되거나 분석된다. 다른 양태는 본원에 설명된 바와 같이, 시스템이 온라인 상태에 있는 경우, 데이터가 이용 가능해지는(예를 들어, 전송됨, 예를 들어 예시적인 주식 경고가 제공되는) 방식으로 데이터가 캐시될 수 있다는 점에서, 예를 들어 예 21과 유사하다. 따라서, 본원에 설명된 양태들은 단순히 데이터를 구성하고 비교하는 것보다 훨씬 더 많은 것을 제공한다. 제공된 USPTO 예에 예시된 바와 같이, 본 발명은 규칙/설정/선호도를 저장하기 위한 메모리 및 특정하고 제한된 기능을 가진 전송 컴포넌트(예를 들어, 마이크로프로세서)의 메모리의 사용, 데이터 채널를 통해 제1 위치로부터 적어도 제2 위치로 데이터 및 관련 경고 전송, 공개 통신이 설정되면 수집된 데이터가 전송되도록 시스템의 모든 양태가 반드시 온라인일 필요는 없는 경우 이러한 데이터/경고가 수집되는 경우에도, 데이터 또는 경고를 수신하고 해석하기 위한 메커니즘 제공을 포함한다.
소스로부터 수신된 데이터에 따라 작동하는 데이터 소스와 결합된 메모리 및 처리 기능의 조합은 예를 들어 데이터를 관리하기 위해 데이터 수집 기술을 사용하는 추상적인 아이디어보다 훨씬 더 많은 것을 제공한다. 복수의 유닛(예를 들어, 복수의 비오디 카메라와 비교할 수 있음)으로부터 의료 데이터를 수신, 전송, 관리, 제어 및 적용하고, 이들을 통합하여 의미 있게 서로 다른 새로운 데이터 세트를 제공하기 위해 단일 시스템 내에서 여기에 설명된 기능별 프로세서, 분석 장치, 데이터 수정 유닛, 메모리 유닛, 릴레이 유닛 및 기타 기능 모듈의 적용은 데이터 관리에 대한 추상적인 아이디어보다 훨씬 더 많은 것을 다시 제공한다.
본원의 시스템(들)/방법(들)의 기술적 기능은 추가 처리를 지시하거나 알릴 수 있는 이상 패턴의 식별 및 분석을 설명하며, 따라서 NDS 사용자가 이러한 NDS 또는 방법이 없을 경우 직면하게 될 사항을 수정하며; 또한 여기에 제공된 시스템 및 방법은 예를 들어, 수정을 적용하거나 경고를 지시하고, 특히 비정상적인 데이터 또는 데이터 패턴의 식별 또는 수정에 따라 활동을 지시하는 등 데이터의 비정상적인 데이터 또는 패턴에 대한 수정 조치를 사용한다(예를 들어, USPTO 지침, 예 46를 참조).
복수의 IE 내에서 또는 이를 대표하는 독립적으로 동작되는 MA로부터 중요한 생명 유지 기능과 관련된 MA에 의해 생성될 수 있는 MA-D의 중앙 집중식 수집, 저장 및 분석은 각 MA에 로컬로 사용 가능한 것에 대한 추가 임상 감독을 제공하고, 임상 연구, 제품 개발 및 판매 노력을 지원하기 위한 기회를 제공하고, 본원에 개시된 시스템 및 방법 양태의 적어도 반-원격 제어 가능성 덕분에 개선된 MA 제품 성능을 위한 메커니즘을 추가로 제공한다.
따라서, 기술적 특징의 예시적인 요소(들)은 MA-SECURU(들)에 허용되는 데이터 포맷(들)으로 NDS-RELAYU(들)/DDRU(들)에 의해 NDS로 지속적인 데이터 전송; 과거, 현재 및 예상 MA-D를 식별하기 위한 NDS 기능으로서, NDS-ANALU는 분석을 기반으로 예측 기능(들)을 수행하고 예측 기능의 결과를 MA, ONDI 또는 둘 다에 중계할 수 있는, 상기 NDS 기능; 의료기기(SAMD) 및 비-SAMD 기능(NSAMD)으로서 소프트웨어로 규제되는 NDS-ANALU 수행 기능(들)로서, 시스템은 SAMD 및 NSAMD 기능의 적용 가능한 규제 상태를 반영하는 CEI에 따라 MA에 SAMD 및 NSAMD 기능의 출력을 전달하는, 상기 NDS-ANALU 수행 기능(들); 하나 이상의 조건에 응답하여 MA(들)의 동작 조건을 변경할 수 있는 SAMD; MA-D, 분석 또는 둘 다를 적어도 부분적으로 사용자 역할에 기초한 복수의 GUI 방식으로 전달하는 NDS-RELAYU; 센서 데이터와 관련된 하나 이상의 알람 조건을 포함하는 CEI로서, NDS-ANALU는 하나 이상의 알람 조건이 MA-D, 분석 또는 둘 모두에 의해 트리거되는지 여부를 결정하고, NDS는 알람이 센서 데이터와 허용된 사용자 옵션을 기반으로 MA, 사용자 관련 네트워크 액세스 장치(NAD) 또는 둘 다에 등록하도록 하는, 상기 CEI; 탬퍼링 방지 검출 기능을 포함하는 MA-SECURU; 및 예를 들어, 다양한 유형의 데이터(예를 들어, RT-MA-D, MA-CD 또는 둘 다, 큐레이트된 데이터, 스코어링된 데이터 또는 둘 다, 시스템 테스트 데이터 및 발신 데이터)에 대한 저장, 사용 및 액세스를 관리하는 별도의 거버넌스 구역을 포함하는 NDS-MEMU을 포함한다. 물리적 컴포넌트, 예를 들어, 프로세서 및 처리 시스템은 통신 채널 및 데이터 인식 방법과 함께 사용되어 복잡하고 현대적인 의료 환경 내에서 복수의 의료 기기에 의해 제공되는 모든 다양한 데이터를 통합하고, 관리하고, 효과적으로 그리고 선제적으로 활용하는 포괄적이고 효과적인 의료 기기 데이터 관리를 제공하는 문제를 해결한다. 본원에 제공된 시스템과 방법은 방대하고 다양하며 복잡한 의료 데이터를 규정을 준수하고 효과적인 방식으로 안전하게 관리하는 문제를 해결한다.
기술적 효과에는 위에서 설명된 효과의 조합(들)이 포함될 수 있다.
예시적인 양태 목록
다음은 요약 형태로 제시된 본 발명의 일부 실시예를 설명하기 위한 본 발명의 예시적인 양태의 비제한적인 목록이다. 특허 청구범위와 유사하게, 이 섹션의 단락에 설명된 양태는 하나 이상의 다른 단락에 대해(에 따라/으로부터) 참조할 수 있다. 독자는 이러한 참조가 이러한 참조 측면의 특징/특성 또는 단계가 참조 양태에 통합/결합된다는 것을 의미한다는 것을 이해할 것이다. 예를 들어, 문단의 양태(예를 들어, 단락 501/양태 2)가 단락 또는 제공된 양태 번호(예를 들어, 단락 500/양태 1)별로 다른 양태를 참조하는 경우, 단락 501/양태 2의 요소, 단계 또는 특성 외에, 단락 500/양태 1의 요소, 단계 또는 특성이 모두 포함된다는 것이 이해될 것이다.
다른 양태에서, 본 발명은 (1) 시스템이 MA-D 수신을 허가한 다수의 의료 장치로부터 중계되는 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 스트리밍 MA-D에 하나 이상의 미리 프로그래밍된 조건이 존재하는지를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다 중 하나 이상의 컨트롤러로 동작하며, 초기 기능은 시스템과 네트워크로 연결된 하나 이상의 의료 장치, NDS와 네트워크로 연결된 하나 이상의 다른 네트워크 컴퓨터 장치, 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 스트리밍 데이터 처리 유닛; (2) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 데이터 저장소를 포함하는 시스템 메모리 컴포넌트로서, 하나 이상의 데이터 저장소는 MA-D 중 적어도 일부를 자동으로 저장하고 MA-D와 별도로 그리고 MA-D와 다른 액세스 조건 하에서 분석 데이터 중 적어도 일부를 더 저장하며, (a) 저장된 데이터를 소팅 및 관리하기 위한 거버넌스 규칙, (b) 저장된 데이터 중 적어도 일부에 적용 가능한 미리 결정된 데이터 포맷팅 표준, 또는 (c) (a)와 (b) 둘 다를 포함하는, 상기 시스템 메모리 컴포넌트; (3) 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두의 경우에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하는 분석 엔진; (4) 의료 장치에 의해 수신될 때 캐시 MA-D를 분석하고, 캐시 MA-D가 MAC-DMS 메모리 컴포넌트에 저장되어야 하는지, 분석 엔진에 의해 분석되어야 하는지, 또는 둘 다를 해야 하는지를 결정하는 캐시 MA-D 처리 엔진; 및 (5) 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터 장치 또는 둘 다로 중계하는 분석 데이터 컨트롤러로서, 하나 이상의 출력은 (a) 분석 데이터 출력; (b) (I) 네트워크 의료 장치의 하나 이상의 하나 이상의 의료 장치 기능, (II) 시스템과 네트워크로 연결된 다른 네트워크 장치 중 하나 이상의 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션을 포함하는, 상기 분석 데이터 컨트롤러를 포함하는 시스템/NDS(예를 들어, MAC-DMS)를 제공한다(양태 1).
양태 1에 따른 시스템이 추가로 제공되며, 시스템이 의료 장치의 MA-D가 동일한 의료 장치의 수신된 스트리밍 MA-D가 결합 가능한지, 및 시스템 엔진이 캐시 MA-D와 스트리밍 MA-D가 결합 가능하다고 결정하는지를 결정하고, 스트리밍 MA-D와 캐시 MA-D를 결합하여 혼합 MA-D 데이터 세트를 형성하는 엔진을 포함하며, 여기서 분석 엔진에 의해 분석된 MA-D는 분석 데이터 또는 출력 생성에 혼합 MA-D 데이터 세트를 활용한다(양태 2).
양태 1 또는 양태 2에 따른 시스템이 또한 제공되며, (1) 하나 이상의 출력 애플리케이션은 (a) 시스템과 네트워크로 연결된 특정 의료 장치에 의해 수행되는 하나 이상의 치료 작업, (b) 특정 장치에 의해 수행될 하나 이상의 예방 작업, 또는 (c) 특정 의료 장치에 의해 수행될 하나 이상의 치료 작업과 하나 이상의 예방 작업 모두를 제어하기 위한 의료 장치별 지침을 포함하며; (2) 시스템은 특정 의료 장치가 하나 이상의 출력 애플리케이션을 수신, 해석 및 실행하도록 함으로써, 수신된 하나 이상의 출력 애플리케이션을 기반으로 환자 케의 조건을 변경한다(양태 3).
양태 1-3 중 어느 하나의 임의의 하나 이상에 따른 시스템이 포한 제공되며, 시스템은, 하나 이상의 네트워크로 연결된 의료 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해, (a) 하나 이상의 권장 의료 지침, (b) 의료 장치, 환자 또는 둘 다와 관련된 분석 데이터로서, 분석 데이터는 환자 보호 건강 정보를 포함하는, 상기 분석 데이터, 또는 (c) (a)와 (b) 둘 다를 생성하고; (2) 제1 표현을 하나 이상의 그래픽 사용자 인터페이스에 디스플레이하기 위해 하나 이상의 네트워크로 연결된 의료 장치로 중계한다(양태 4).
양태 4에 따른 시스템이 또한 제공되며, 시스템은 추가로 (3) 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해, 어떠한 환자 보호 건강 정보도 전혀 없는 분석 데이터를 포함하는 제2 표현을 생성하고; (4) 제2 표현을 하나 이상의 그래픽 사용자 인터페이스에 디스플레이하기 위해 하나 이상의 다른 네트워크 장치로 중계하고, 시스템은 단계 (1)-(4)가 1분 미만 내에 수행되도록 적응된다(양태 5).
양태 1-5 중 임의의 하나 이상에 따른 시스템도 제공되며, (1) 하나 이상의 데이터 저장소는 제1 관계형 데이터베이스를 더 포함하고, (2) 시스템의 동작은 (a) 분석 출력 데이터로부터 제1 정형 데이터세트 데이터를 생성하고, (b) 제1 관계형 데이터베이스에 제1 정형 데이터세트 데이터를 저장하고; (3) 하나 이상의 데이터 저장소는 제2 관계형 데이터베이스를 포함하고, (4) 시스템은 (a) 분석 데이터를 얻기 위해 향상된 데이터 레이크의 데이터에 대한 하나 이상의 분석 기능을 수행하고, (b) 선택적으로 제1 관계형 데이터베이스에 포함된 데이터와 결합하여 이러한 분석 데이터로부터 제2 정형 데이터세트 데이터를 생성하고, (c) 제2 관계형 데이터베이스에 제2 정형 데이터세트 데이터를 저장한다(양태 6).
양태 6에 따른 시스템이 또한 제공되며, 여기서 시스템은 자동으로 (1) (a) 제1 관계형 데이터베이스에 저장된 데이터의 품질에 관한 제3 표현을 준비하거나, 제1 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하여, 제3 표현을 한 명 이상의 시스템 관리자 사용자와 연관된 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하거나, (b) 제2 관계형 데이터베이스에 저장된 데이터의 품질에 관한 제4 표현을 준비하거나, 제2 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하여, 제4 표현을 한 명 이상의 시스템 관리자 사용자와 연관된 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하거나, (c) (I) 제1 관계형 데이터베이스에 저장된 데이터의 품질에 관한 제3 표현을 준비하거나, 제1 관계형 데이터베이스에 입력하거나, 둘 다를 수행하고, (II) 제3 표현을 한 명 이상의 시스템 관리자 사용자와 연관된 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하고, (III) 제2 관계형 데이터베이스에 저장된 데이터 품질에 관한 제4 표현을 준비하거나, 제2 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, (IV) 제4 표현을 한 명 이상의 시스템 관리자 사용자와 연관된 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하고, (2) 제3 표현, 제4 표현 또는 둘 다로 표현된 데이터 품질이 제1 관계형 데이터베이스 데이터, 제2 관계형 데이터베이스 데이터, 또는 둘 다의 품질 부족을 나타내는 경우 시스템 메모리의 하나 이상의 명령어에 하나 이상의 수정 사항을 적용한다(양태 7).
추가로 양태 1-7 중 임의의 하나 이상에 따른 시스템이 제공되며, 여기서 시스템은 동작 시 자동으로 (1) 데이터 수집 기간 동안 MA-D를 수집하여 데이터 모음을 형성하고; (2) 데이터 모음이 하나 이상의 미리 프로그래밍된 표준에 따라 분석에 적합한지 평가하고; (3) 데이터 모음이 분석에 적합한 경우, 데이터 집계에 데이터 모음을 추가하고, 적어도 10개의 데이터 수집 인스턴스가 완전한 데이터 집계를 형성하기 위해 데이터 집계에 추가될 때까지 단계 (1)-(3)를 반복하고; (4) 완전한 데이터 집계가 형성되기 전에 임의의 데이터 수집 인스턴스가 부적한 것으로 결정된 경우, 시스템은 자동으로 불완전한 데이터 집계를 폐기하고 데이터 수집을 다시 시작하고; (5) 완전한 데이터 집계가 형성된 경우, 시스템은 하나 이상의 분석 기능이 완전한 데이터 집계를 포함하는 이터에 대해 수행되도록 한다(양태 8).
또한 양태 1-8 중 임의의 하나 이상에 따른 시스템이 제공되며, 여기서 시스템은 3개 이상의 독립적인 엔티티, 상용 사용자 클래스와의과의 연관성을 기반으로 한 여러 다른 네트워크 장치, 또는 둘 다와의 연관성을 기반으로 네트워크로 연결된 의료 장치로부터 데이터를 식별하고, 하나 이상의 서로 다른 의료 장치, 하나 이상의 서로 다른 네트워크 장치 또는 둘 다에 선택적으로 데이터를 전달하여, 기밀 정보의 부주의한 공개, 개인 건강 정보의 무단 공개 또는 둘 다를 방지하도록 적응된다(양태 9).
추가로 양태 1-9 중 임의의 하나 이상에 따른 시스템이 제공되며, 여기서 시스템은 적어도 2개의 서로 다른 의료 장치(예를 들어, 하나 이상의 폐 치료 작업을 수행하는 제1 유형의 의료 장치 및 하나 이상의 심혈관 치료 작업을 수행하는 제2 유형의 의료 장치)로부터 전달된 데이터를 식별하도록 적응된다(양태 10).
본 발명은 또한 양태 10에 따른 시스템을 제공하며, 시스템은 제1 의료 장치 유형과 제2 의료 장치 유형 둘 모두로부터 수신된 MA-D에 자동으로 적용되어 의료 장치에 의해 서행된 치료 작업과 연관된 예측된 환자별 생리학적 파라미터를 생성하고, 이러한 예측된 환자별 생리학적 파라미터를 두 개의 서로 다른 의료 장치 유형 중 하나 또는 둘 모두의 의료 장치, 다른 네트워크 장치, 또는 이들의 조합으로 전달하는 기계 학습 모듈을 포함한다(양태 11).
추가로 양태 1-11 중 임의의 하나 이상에 따른 시스템이 제공되며, 여기서 시스템은 연구 클래스 사용자 관련 의료 장치 또는 기타 네트워크 장치로부터 데이터를 식별하고, 헬스 케어 제공자와 관련된 의료 장치로부터 얻은 MA-D를 연구 사용자 클래스 관련 장치와 결합하기 위해 미리 프로그래밍된 규칙, 조건 또는 둘 다를 적용하고, 혼합된 데이터 세트에 적어도 부분적으로 기초하여 하나 이상의 분석 엔진 기능을 수행하도록 적응된다(양태 12).
또한 양태 1-12 중 임의의 하나 이상에 따른 시스템이 제공되며, 여기서 시스템은 자동으로 MAD에 대한 요구 사항을 부과하거나, 또는 둘 다를 수행하여, 향상된 데이터 레이크에 저장된 실질적으로 모든 MA-D 데이터세트가 의료 장치 소스 식별 정보, MA-D 유형 정보, 및 하나 이상의 생리학적 파라미터 데이터세트를 포함하도록 하며, 그 각각은 미리 프로그래밍된 시스템 인식 가능한 표준 포맷으로 표시되며, (2) 향상된 데이터 레이크는 내부에 저장된 MA-D 데이터세트의 소스 또는 콘텐트, 분석 데이터, 또는 둘 다를 기반으로 하는 서로 다른 데이터 거버넌스 구역을 포함하도록 적응된다(양태 13).
추가로 양태 1-13 중 하나 이상에 따른 시스템이 제공되며, 여기서 시스템은 시스템은 (1) 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 이들의 조합으로 등록된 하나 이상의 알람의 제공을 포함하는 하나 이상의 출력 애플리케이션을 자동으로 생성하고 적용하고; (2) 하나 이상의 알람에 대해 사용자 조정 가능한 트리거링 파라미터, 통신 파라미터, 반복 파라미터, 또는 이들 중 임의의 또는 모두의 조합을 제공하도록 적응되며, 시스템은 파라미터가 (a) 로컬 의료 장치 레벨, 로컬 다른 네트워크 장치 레벨 또는 둘 다에서 설정되거나, (b) 의료 장치 유형, 환자 유형, 사용자 유형 또는 이들의 임의의 또는 모두의 조합에 기초하여 시스템 레벨에서 설정되거나, (c) (a)와 (b) 모두에 따라 설정될 수 있도록 적응된다(양태 14).
일 양태에서, 본 발명은 데이터 네트워크에서 의료 장치 및 기타 장치의 동작을 제어하기 위한 컴퓨터 구현 방법을 제공하는 것으로, (1) 데이터 네트워크를 제공하는 단계로서, 데이터 네트워크는 (a) 적어도 5개, 10개, 20개, 50개 또는 100개의 원격 제어 가능하고, 선택적으로 동작 가능하며 인터넷 연결된 의료 장치로서, 일부, 대부분의 또는 각각의 의료 장치는 (I) 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 의료 장치와 동작 가능하게 연관된 임의의 환자의 하나 이상의 환자 관련 생리학적 상태를 검출하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (II) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (III) MA-D를 선택적으로 저장하고, MA-D를 분석 및 중계하고, 의료 장치와 네트워크 사이의 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, 및 (IV) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 의료 장치, (b) MAC-DMS으로서, (I) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS 프로세서, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 엔진, 및 (V) 프로세서 실행 가능 명령어와 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트로서, 하나 이상의 데이터 저장소는 MA-D의 적어도 일부와 분석 데이터의 적어도 일부를 별도로 그리고 서로 다른 액세스 조건 하에서 저장하는 향상된 데이터 레이크를 포함하는, 상기 MAC-DMS 메모리 컴포넌트를 포함하는, 상기 MAC-DMS, 및 (c) 적어도 3개의 다른 네트워크 장치로서, 각각의 다른 네트워크 장치는 (I) (A) 프로세서, (B) 메모리 컴포넌트, 및 (C) 원격 제어 가능한 그래픽 사용자 인터페이스를 포함하고, (II) 적어도 하나의 사용자 클래스에 할당된 사용자와 관련되어 있으며, 사용자 클래스는 (A) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (B) 환자 보호 건강 정보의 수신이 제한되는 상용 사용자를 포함하는, 상기 적어도 3개의 다른 네트워크 장치를 포함하는, 상기 제공하는 단계; (2) 동작중인 각 의료 장치가 환자로부터 센서 데이터를 반복적으로 수집하도록 하는 단계; (3) 동작중인 각 의료 장치가 안전한 네트워크 연결이 이용 가능한지 여부를 자동으로 반복적으로 평가하도록 단계로서, (a) 안전하고 안정적인 네트워크 연결이 이용 가능한 경우, 보안 인터넷 데이터 통신을 통해 MAC-DMS에 실질적으로 지속적인 방식으로 MA-D를 포함하는 데이터를 자동으로 중계하거나, (b) 안전하고 안정적인 네트워크 연결이 이용 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 이용 가능해질 때까지 MA-D를 캐시 MA-D로서 의료 장치 메모리 컴포넌트에 저장하고 (II) 안전하고 안정적인 네트워크 연결이 이용 가능해질 때, 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하는, 상기 평가하도록 단계; (4) MAC-DMS 프로세서가 자동으로 스트리밍 데이터 처리 엔진을 사용하여 (a) 중계된 스트리밍 MA-D를 수신하고, (b) 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하고, (c) 초기 분석이 스트리밍 중계된 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행하도록 하는 단계로서, 이는 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는, 상기 수행하도록 하는 단계; (5) MAC-DMS 프로세서가 캐시 MA-D 프로세스를 사용하여 (a) 캐시 MA-D가 의료 장치로부터 MAC-DMS로 중계될 때 개시 MA-D를 수신하고, (b) 수신된 캐시 MA-D가 분석 엔진, 하나 이상의 데이터 저장소 중 적어도 하나에 저장 또는 둘 다에 의해 분석에 적합한지 여부를 결정하도록 하는 단계; (6) MAC-DMS 프로세서가 향상된 데이터 레이크에 MA-D의 적어도 일부를 자동으로 저장하도록 하는 단계; (7) MAC-DMS 프로세서가 분석 엔진을 사용하여 사용자 요청 시, 미리 프로그래밍된 조건의 발생 시 또는 두 가지 모두에 따라 향상된 데이터 레이크에 저장된 MA-D에 대해 하나 이상의 분석 기능을 수행하는 단계, 및 (8) MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 둘 다로 하나 이상의 출력을 중계하도록 하는 단계로서, 하나 이상의 출력은 (a) 분석 데이터 출력, (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 모두의 동작을 제어하는 명령어를 포함하는, 상기 하나 이상의 출력 애플리케이션, (c)단계 (8)의 (a)와 (b)의 조합을 포함하는, 상기 중계하도록 하는 단계를 포함한다(양태 15).
또한 데이터 네트워크에서 의료 장치 및 기타 장치의 동작을 제어하기 위한 컴퓨터 구현 방법이 제공되며, (1) 데이터 네트워크를 제공하는 단계로서, 데이터 네트워크는 (a) 원격 제어 가능하고 선택적으로 동작 가능하며 인터넷에 연결된 적어도 10개의 의료 장치로서, 적어도 10개의 의료 장치 각각은 (I) 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D 를 포함하는, 상기 하나 이상의 센서, (II) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (III) MA-D를 선택적으로 저장하고 MA-D를 분석 및 중계하고 의료 장치와 네트워크 사이의 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, 및 (IV) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 적어도 10개의 의료 장치, (b) MAC-DMS으로서, (I) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 엔진, 및 (V) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트를 포함하는, 상기 MAC-DMS를 포함하는, 상기 제공하는 단계; 및 (2) 동작중인 각 의료 장치가 보안 네트워크 연결이 가능한지 자동으로 반복적으로 평가하도록 하는 단계로서, (a) 안전하고 안정적인 네트워크 연결이 가능한 경우, 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 MA-D를 포함하는 데이터를 MAC-DMS로 자동으로 중계하는 단계, 또는 (b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장하는 단계 및 (II) 안전하고 안정적인 네트워크 연결이 가능해지는 경우, 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하는 단계; (3) MAC-DMS 프로세서가 스트리밍 데이터 처리 엔진을 자동으로 사용하여 (a) 중계된 스트리밍 MA-D를 수신하고, (b) 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하고, (c) 초기 분석이 중계된 스트리밍 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행하도록 하는 단계로서, 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는, 상기 단계; (4) MAC-DMS 프로세서가 분석 엔진을 사용하여 (a) MA-D의 제1 유닛을 형성하기 위해 MAC-DMS 동작, 의료 장치 동작 또는 둘 모두의 기간을 나타내는 MA-D의 모음을 식별하고, (b) MA-D의 제1 유닛을 분석하여 MA-D의 제1 유닛이 미리 프로그래밍된 유닛 분석 조건을 준수하는지 결정하고, (c) MA-D의 제1 유닛이 미리 프로그래밍된 제1 유닛 분석 조건을 준수하는 경우 현재 MA-D의 제1 유닛을 추가하여 MA-D의 제2 유닛의 형성을 시작하고, (d) (I) 현재 제1 유닛이 미리 프로그래밍된 제1 유닛 분석 조건을 준수하지 않거나 (II) MA-D의 제2 유닛이 완료될 때까지 단계 (a)-(c)를 반복하도록 하는 단계; (5) MA-D의 제2 유닛에 대해 하나 이상의 분석 기능을 수행하는 단계; 및 (6) MAC-DMS 프로세서가 하나 이상의 분석 기능의 결과에 기초하여 하나 이상의 출력을 보안 인터넷 통신을 통해 하나 이상의 의료 장치로 중계하도록 하는 단계로서, 하나 이상의 출력은 (a) 제2 유닛으로부터 생성된 분석 데이터, (b) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (c) (a)와 (b)의 조합을 포함하는, 상기 중계하도록 하는 단계를 포함한다(양태 16).
본 발명은 또한 데이터 네트워크에서 의료 장치 및 기타 장치의 동작을 제어하기 위한 컴퓨터 구현 방법이 제공되며, (1) 데이터 네트워크를 제공하는 단계로서, 데이터 네트워크는 (a) 다수의(예를 들어, 적어도 10개) 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷으로 연결된 의료 장치로서, 의료 장치 각각은 (I) 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (II) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (III) MA-D를 선택적으로 저장하고 MA-D를 분석 및 중계하고 의료 장치와 네트워크 사이의 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, 및 (IV) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 다수의 의료 장치, (b) (I) 데이터를 분석하고 기능을 수행하기 위해 컴퓨터 판독 가능 명령어를 판독하는 MAC-DMS 프로세서, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 엔진, 및 (V) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트로서, 상기 하나 이상의 데이터 저장소는 서로 다른 액세스 조건 하에서 개별적으로 상기 MA-D의 적어도 일부 및 상기 분석 데이터의 적어도 일부를 저장하는 향상된 데이터 레이크를 포함하는, 상기 MAC-DMS 메모리 컴포넌트를 포함하는, 의료 장치 컨트롤러 및 데이터 관리 시스템("MAC-DMS"), 및 (c) 적어도 3개의 다른 네트워크 장치로서, 각 다른 네트워크 장치는 (I) (A) 프로세서, (B) 메모리 컴포넌트, 및 (C) 원격 제어 가능 그래픽 사용자 인터페이스를 포함하고, (II) 적어도 하나의 사용자 클래스에 할당된 사용자와 연관되며, 사용자 클래스는 (A) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (B) 환자 보호 건강 정보의 수신이 제한되는 상용 사용자를 포함하는, 상기 적어도 3개의 다른 네트워크 장치를 포함하는, 상기 제공하는 단계; (2) 각 의료 장치가 보안 네트워크 연결이 가능한지 평가하기 위한 하나 이상의 단계를 수행하도록 하는 단계로서, (a) 안전하고 안정적인 네트워크 연결이 가능한 경우, 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 MA-D를 포함하는 데이터를 MAC-DMS로 자동으로 중계하는 단계, 또는 (b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 의료 장치가 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장하기 위한 하나 이상의 단계를 수행하도록 하는 단계 및 (II) 안전하고 안정적인 네트워크 연결이 가능해지는 경우, 의료 장치가 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하기 위한 하나 이상의 단계를 수행하도록 하는 단계; (3) MAC-DMS 프로세서가 스트리밍 데이터 처리 엔징을 자동으로 사용하여 (a) 스트리밍 MA-D를 수신하기 위한 하나 이상의 단계를 수행하고, (b) 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하고, (c) 초기 분석이 스트리밍 중계 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우 하나 이상의 긴급 조건에 대한 제한된 지표 세트의 존재에 대해 MA-D를 초기에 분석하기 위한 하나 이상의 단계를 수행하고, 이러한 하나 이상의 긴급 조건이 MA-D에 존재하는 경우, 스트리밍 데이터 처리 엔진이 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다의 동작을 제어하기 위한 하나 이상의 단계를 수행하도록 하는 단계; (4) MAC-DMS 프로세서가 캐시 MA-D 프로세서를 사용하여 (a) 캐시 MA-D가 의료 장치로부터 MAC-DMS로 중계될 때 캐시 MA-D를 수신하기 위한 하나 이상의 단계를 수행하고, (b) 수신된 캐시 MA-D가 분석 엔진에 의한 분석, 하나 이상의 데이터 저장소 중 적어도 하나에 저장, 또는 둘 모두에 적합한지 여부를 결정하기 위한 하나 이상의 단계를 수행하도록 하는 단계; (5) MAC-DMS 프로세서가 향상된 데이터 레이크에 MA-D 중 적어도 일부를 자동으로 저장하기 위한 하나 이상의 단계를 수행하도록 하는 단계; (6) MAC-DMS 프로세서가 분석 엔진을 사용하여 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 두 가지 모두에 따라 향상된 데이터 레이크에 저장된 MA-D를 분석하기 위한 하나 이상의 단계를 수행하도록 하는 단계; 및 (7) MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터 장치 또는 둘 다로 중계하기 위한 하나 이상의 단계를 수행하도록 하는 단계로서, 하나 이상의 출력은 (a) 분석 데이터 출력; (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (c) (a)와 (b)의 조합을 포함하는, 상기 수행하도록 하는 단계를 포함한다(양태 17).
본 발명은 또한 환자군에서 환자의 의료 상태를 치료하는 방법을 제공하며, 상기 방법은 (1) 데이터 네트워크를 제공하는 단계로서, 데이터 네트워크는 (a) 다수의 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷으로 연결된 의료 장치로서, 의료 장치 각각은 (I) 환자와 연관되고, (II) (A) 연관된 환자로부터 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (B) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (C) MA-D를 선택적으로 저장하고, MA-D를 분석 및 중계하고, 의료 장치와 네트워크 사이의 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, 및 (D) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 의료 장치, (b) MAC-DMS으로서, (I) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS 프로세서, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 엔진, 및 (V) (A) 프로세서 실행 가능 명령어 및 (B) 하나 이상의 데이터 저장소로서, 하나 이상의 데이터 저장소는 (i) MA-D 중 적어도 일부, (ii) 분석 데이터 중 적어도 일부, 또는 (iii) 어떤 경우에도 이러한 데이터 중 적어도 일부를 별도로 그리고 다른 액세스 조건하에서 (i)와 (ii) 둘 다, (iv) 유사한 환자와 관련된 실질적으로 유사한 의료 장치로부터 얻은 이전에 수집된 MA-D 분석 데이터의 모음을 저장하는 향상된 데이터 레이크를 포함하는, 상기 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트를 포함하는, 상기 MAC-DMS, 및 (c) 적어도 3개의 다른 네트워크 장치로서, 각 다른 네트워크 장치는 (I) (A) 프로세서, (B) 메모리 컴포넌트, 및 (C) 원격 제어 가능 그래픽 사용자 인터페이스를 포함하고, (II) 적어도 하나의 사용자 클래스에 할당된 사용자와 연관되며, 사용자 클래스는 (A) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (B) 환자 보호 건강 정보의 수신이 제한되는 상용 사용자를 포함하는, 상기 적어도 3개의 다른 네트워크 장치를 포함하는, 상기 제공하는 단계; (2) 동작중인 각 의료 장치가 그와 연관된 환자로부터 센서 데이터를 반복적으로 수집하도록 하는 단계; (3) 의료 장치 각각이 보안 네트워크 연결이 가능한지 자동으로 반복적으로 평가하도록 하는 단계로서, (a) 안전하고 안정적인 네트워크 연결이 가능한 경우, 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 MA-D를 포함하는 데이터를 MAC-DMS로 자동으로 중계하는 단계, 또는 (b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장하는 단계 및 (II) 안전하고 안정적인 네트워크 연결이 가능해지는 경우, 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하는 단계; (3) MAC-DMS 프로세서가 스트리밍 데이터 처리 엔진을 자동으로 사용하여 (a) 의료 장치로부터 중계된 스트리밍 MA-D를 수신하고, (b) 각 의료 장치로부터 수신된 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하고, (c) 초기 분석이 스트리밍 중계 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행하도록 하는 단계로서, 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는, 상기 단계; (4) MAC-DMS 프로세서가 캐시 MA-D 프로세서를 사용하여 (a) 캐시 MA-D가 의료 장치로부터 MAC-DMS로 중계될 때 캐시 MA-D를 수신하고, (b) 수신된 캐시 MA-D가 분석 엔진에 의한 분석, 하나 이상의 데이터 저장소 중 적어도 하나에 저장, 또는 둘 모두에 적합한지 여부를 결정하도록 하는 단계; (5) MAC-DMS 프로세서가 향상된 데이터 레이크에 MA-D 중 적어도 일부를 자동으로 저장하도록 하는 단계; (6) MAC-DMS 프로세서가 분석 엔진을 사용하여 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 두 가지 모두에 따라 향상된 데이터 레이크에 저장된 분석 데이터 중 적어도 일부에 대해 하나 이상의 분석을 수행하도록 하는 단계로서, 분석 엔진은 (a) 분석 수행 시 MA-D에 의해 의료 장치로부터 생성된 분석 데이터를 사용하여 분석을 수행하고 (b) 각 의료 장치의 MA-D를 (I) 이전에 수집된 MA-D 분석 데이터, (II) 미리 프로그래밍된 표준 또는 (III) (I)와 (II) 둘 다와 비교하는, 상기 수행하도록 하는 단계; (7) MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다로 중계하도록 하는 단계로서, 하나 이상의 출력은 (a) (I) 환자와 관련된 의료 장치, (II) 환자와 관련된 제공된 헬스케어와 고나련된 다른 네트워크 장치, 또는 (III) (I)와 (II) 둘 모두에 중계된 환자의 치료와 관련된 분석 데이터 출력, (b) (I) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 환자와 관련된 헬스케어 제공자와 연관되는 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (c) (a)와 (b)의 조합을 포함하는, 상기 중계하도록 하는 단계를 포함한다(양태 18).
본 발명은 또한 데이터 네트워크에서 의료 장치 및 기타 장치의 동작을 제어하기 위한 컴퓨터 구현 방법을 제공하며, (1) 데이터 네트워크를 제공하는 단계로서, 데이터 네트워크는 (a) 다수의 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷으로 연결된 의료 장치로서, 적어도 10개의 의료 장치 각각은 (I) (A) 동작 시 관련 환자의 신체 상태의 하나 이상의 양태를 수정하는 하나 이상의 물리적 컴포넌트, (B) 관련 환자의 하나 이상의 생리학적 상태를 검출하는 하나 이상의 센서, 또는 (C) (A)와 (B)의 둘 다를 포함하는 하나 이상의 환자 대화형 컴포넌트, (II) 이러한 정보를 전자 의료 장치 데이터(MA-D)로 변환하기 위한 컴포넌트로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 데이터로 포함하는, 상기 컴포넌트, (III) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (IV) MA-D를 선택적으로 저장하고 MA-D를 분석 및 중계하고 의료 장치와 네트워크 사이의 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, 및 (V) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 다수의 의료 장치, (b) MAC-DMS으로서, (I) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS 프로세서, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 엔진, 및 (V) (A) 프로세서 실행 가능 명령어 및 (B) 하나 이상의 데이터 저장소로서, 하나 이상의 데이터 저장소는 (i) MA-D 중 적어도 일부, (ii) 분석 데이터 중 적어도 일부, 또는 (iii) 어떤 경우에도 이러한 데이터 중 적어도 일부를 별도로 그리고 다른 액세스 조건하에서 (i)와 (ii) 둘 다, 및 (iv) 실질적으로 유사한 의료 장치로부터 얻은 이전에 수집된 MA-D 분석 데이터의 모음을 저장하는 향상된 데이터 레이크를 포함하는, 상기 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트를 포함하는, 상기 MAC-DMS, 및 (c) 적어도 3개의 다른 네트워크 장치로서, 각 다른 네트워크 장치는 (I) (A) 프로세서, (B) 메모리 컴포넌트, 및 (C) 원격 제어 가능 그래픽 사용자 인터페이스를 포함하고, (II) 적어도 하나의 사용자 클래스에 할당된 사용자와 연관되며, 사용자 클래스는 (A) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (B) 환자 보호 건강 정보의 수신이 제한되는 상용 사용자를 포함하는, 상기 적어도 3개의 다른 네트워크 장치를 포함하는, 상기 제공하는 단계; (2) 동작중인 각 의료 장치가 센서 데이터를 반복적으로 수집하고 이러한 데이터를 MA-D로 변환하도록 하는 단계; (3) 동작중인 각 의료 장치가 보안 네트워크 연결이 가능한지 자동으로 반복적으로 평가하도록 하는 단계로서, (a) 안전하고 안정적인 네트워크 연결이 가능한 경우, 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 MA-D를 포함하는 데이터를 MAC-DMS로 자동으로 중계하는 단계, 또는 (b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장하는 단계 및 (II) 안전하고 안정적인 네트워크 연결이 가능해지는 경우, 보안 인터넷 데이터 통신을 통해 캐시 MA-D를 MAC-DMS로 중계하는 단계; (4) MAC-DMS 프로세서가 캐시 MA-D 프로세서를 사용하여 (a) 캐시 MA-D가 의료 장치로부터 MAC-DMS로 중계될 때 캐시 MA-D를 수신하고, (b) 수신된 캐시 MA-D가 분석 엔진에 의한 분석, 하나 이상의 데이터 저장소 중 적어도 하나에 저장, 또는 둘 모두에 적합한지 여부를 결정하도록 하는 단계; (5) MAC-DMS 프로세서가 향상된 데이터 레이크에 MA-D 중 적어도 일부를 자동으로 저장하도록 하는 단계; (6) MAC-DMS 프로세서가 (a) 각 의료 장치의 MA-D에 대해 각 의료 장치의 MA-D를 평가하거나, (b) 모든 의료 장치의 MA-D로부터 분석 데이터를 생성하고, 이를 이전에 수집된 MA-D 분석 데이터와 비교하여 분석 데이터를 평가하거나, (c) (a)와 (b) 둘 다를 수행함으로써 분석 엔진을 사용하여 네트워크의 의료 장치의 성능을 자동으로 평가하도록 하는 단계; 및 (7) 의료 장치 및 NDS/MAC-DMS의 평가에 기초하여, 의료 장치 동작, NDS/MAC-DMS 동작 또는 둘 다의 적어도 하나의 파라미터를 변경하는 단계를 포함한다(양태 19).
또한 양태 15-19 중 어느 하나에 따른 방법이 제공되며, 여기서 방법은 의료 장치의 수신된 캐시 MA-D가 동일한 의료 장치의 수신된 스트리밍 MA-D와 결합 가능한지 여부를 평가하도록 하는 단계, 및 MAC-DMS가 캐시 MA-D와 스트리밍 MA-D가 결합 가능하다고 결정하는 경우, 스트리밍 MA-D와 캐시 MA-D를 결합하여 혼합 MA-D 데이터 세트를 형성하는 단계를 포함하며, 분석 엔진에 의해 분석된 MA-D는 혼합 MA-D 데이터 세트를 포함한다(양태 20).
또한 양태 15-2- 중 어느 하나의 방법이 제공되며, (1) 하나 이상의 출력 애플리케이션은 (a) 특정 의료 장치에 의해 수행된 하나 이상의 치료 작업, (b) 특정 의료 장치에 의해 수행된 하나 이상의 예방 작업, 또는 (c) 특정 의료 장치에 의해 수행된 하나 이상의 치료 작업 및 하나 이상의 예방 작업을 제어하기 위한 의료 장치별 지침을 포함하고; (2) 특정 의료 장치는가하나 이상의 출력 애플리케이션을 수신하고, 해석하고, 실행하며, (3) 특정 의료 장치가 수신된 하나 이상의 출력 애플리케이션에 기초하여 환자 케어의 하나 이상의 조건을 변경한다(양태 21).
추가로 양태 15-21 중 임의의 하나 이상의 방법이 제공되며, 하나 이상의 출력 애플리케이션의 생성은 (1) 하나 이상의 의료 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해, (a) 하나 이상의 권장 의료 지침, (b) 분석 데이터가 환자 보호 건강 정보를 포함하는 의료 장치, 환자 또는 둘 다에 관련된 분석 데이터, 또는 (c) (a)와 (b) 둘 다를 포함하는 제1 표현을 생성하는 단계; (2) 하나 이상의 그래픽 사용자 인터페이스 상에 디스플레이하기 위해 하나 이상의 의료 장치에 제1 표현을 중계하는 단계, (3) 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해, 임의의 환자 보호 건강 정보가 없는 분석 데이터를 포함하는 제2 표현을 생성하는 단계, 및 (4) 하나 이상의 그래픽 사용자 인터페이스 상에 디스플레이하기 위해 하나 이상의 다른 네트워크 장치에 제2 표현을 중계하는 단계를 포함하며, 단계 (1)-(4)는 1분 미만 내에 수행된다(양태 22).
또한 양태 15-22 중 임의의 하나 이상에 따른 방법이 제공되며, (1) 하나 이상의 데이터 저장소는 제1 관계형 데이터베이스를 더 포함하고; (2) 상기 방법은 (a) 분석 출력 데이터로부터 제1 정형 데이터세트 데이터를 생성하고, (b) 제1 관계형 데이터베이스에 제1 정형 데이터세트 데이터를 저장하고; (3) 하나 이상의 데이터 저장소는 제2 관계형 데이터베이스를 포함하고, (4) 상기 방법은 (a) 분석 데이터를 얻기 위해 향상된 데이터 레이크의 데이터에 대한 하나 이상의 분석 기능을 수행하는 단계, (b) 선택적으로 제1 관계형 데이터베이스에 포함된 데이터와 결합하여 이러한 분석 데이터로부터 제2 정형 데이터세트 데이터를 생성하는 단계, (c) 제2 관계형 데이터베이스에 제2 정형 데이터세트 데이터를 저장하는 단계를 포함한다(양태 23).
또한 양태 23의 방법이 제공되며, 상기 방법은 (a) 제1 관계형 데이터베이스에 저장된 데이터 품질에 관한 제3 표현을 준비하고, 제1 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, 제3 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하는 단계, (b) 제2 관계형 데이터베이스에 저장된 데이터 품질에 관한 제4 표현을 준비하고, 제2 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, 제4 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하는 단계, 또는 (c) (I) 제1 관계형 데이터베이스에 저장된 데이터 품질에 관한 제3 표현을 준비하고, 제1 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, (II) 제3 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하는 단계, (III) 제2 관계형 데이터베이스에 저장된 데이터 품질에 관한 제4 표현을 준비하고, 제2 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, (IV) 제4 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스로 중계하는 단계; 및 (2) 이후, 제3 표현, 제4 표현 또는 둘 모두에 의해 표현된 데이터 품질이 제1 관계형 데이터베이스 데이터, 제2 관계형 데이터베이스 데이터 또는 둘 모두의 품질 부족을 나타내는 경우 MAC-DMS 메모리의 하나 이상의 명령어에 하나 이상의 수정 사항을 적용하는 단계를 포함한다(양태 24).
추가로 양태 15-24 중 임의의 하나 이상의 방법이 제공되며, 의료 장치 중 임의의 하나 이상은 하나 이상의 다중-구역 의료 장치(MZMA)를 포함하고, 각 MZMA는 두 개 이상의 개별 구역을 포함하고, 각 구역은 (1) 적어도 하나의 다른 컴포넌트의 프로세서에 의해 처리되지 않은 적어도 일부의 MA-D를 처리하는 별도의 프로세서를 포함하고; (2) (a) 서로 다른 센서로부터 정보를 수신하거나, (b) 서로 다른 치료 또는 예방 의료 작업을 수행하거나, (c) 서로 다른 센서로부터 정보를 수신하고 서로 다른 치료 또는 예방 의료 작업을 수행하거나, (d) (a)-(c)의 조합 또는 일부 또는 전부를 수행하며, 각 MZMZ의 적어도 하나의 구역은 MZMA의 적어도 하나의 다른 구역과 데이터 네트워크의 하나 이상의 다른 부분과 서로 다른 레벨의 상호작용을 받는다(양태 25).
또한 양태 25의 방법이 제공되며, 하나 이상의 MZMA 중 적어도 하나의 적어도 하나의 구역은 치료 의료 작업의 적용과 연관되고 데이터 네트워크와 직접 통신하지 않는다(양태 26).
또한 양태 25 또는 양태 26의 방법이 제공되며, 적어도 하나의 MZMA의 적어도 하나의 구역은 (1) 치료적 의료 작업, 예방 작업 또는 둘 다의 적용과 연관되고; (2) MAC-DMS와 통신하고; (3) MAC-DMS로부터 미리 설정된 양의 입력만 허용하고, 운영 체제, 소프트웨어 또는 적어도 하나의 MZMA 중 적어도 하나의 구역에 입력된 MAC-DMS의 승인된 형태에 대한 변경은 적어도 하나의 MZMA의 승인된 운영자로부터의 로컬 승인을 필요로 한다(양태 27).
추가로 양태 15-27 중 임의의 하나 이상의 방법이 제공되며, 상기 방법은 MAC-DMS가 자동으로 (1) 데이터 수집 기간 동안 MA-D를 수집하여 데이터 모음을 형성하고, (2) 데이터 모음이 하나 이상의 미리 프로그래밍된 표준에 따라 분석에 적합한지를 평가하고; (3) 데이터 모음이 분석에 적합한 경우, 데이터 모음을 데이터 집계에 추가하고, 적어도 10개의 데이터 모음 인스턴스가 데이터 집계에 추가되어 완전한 데이터 집계를 형성할 때까지 단계 (1)-(3)을 반복하며; (4) 임의의 데이터 모음의 인스턴스가 완전한 데이터 집계가 형성되기 전에 적합하지 않은 것으로 결정되는 경우, 상기 방법은 불완전한 데이터 집계를 폐기하고 상기 방법을 다시 시작하는 단계를 포함하며; (5) 완전한 데이터 집계가 형성된 경우, 상기 방법은 완전한 데이터 집계를 포함하는 데이터에 대한 하나 이상의 분석 기능을 수행하는 단계를 더 포함한다(양태 28).
또한 양태 15-28 중 임의의 하나 이상의 방법이 제공되며, (1) 데이터 네트워크의 의료 장치는 적어도 3개의 서로 다른 독립적인 엔티티에 의해 소유되고; (2) 하나 이상의 다른 네트워크 장치의 적어도 하나의 사용자는 상용 클래스 사용자이고 MAC-DMS의 소유자와 법적으로 연관되고; (3) 하나 이상의 상용 클래스 사용자와 연관된 하나 이상의 다른 네트워크 장치에 제공되는 분석 데이터 출력은 (a) 복수의 독립 엔티티에 의해 소유된 의료 장치의 모음으로부터 생성된 데이터를 포함하고 (b) MAC-DMS로 식별된 독립적인 엔티티 기밀 정보의 하나 이상의 클래스를 제외한다(양태 29).
또한 양태 15-29 중 임의의 하나 이상의 방법이 제공되며, (1) 상기 의료 장치는 적어도 두 개의 서로 다른 의료 장치 유형을 포함하고, 상기 의료 장치 유형은 하나 이상의 폐 치료 작업 수행하는 제1 의료 장치 유형 및 하나 이상의 심혈관 치료 작업을 수행하는 제2 의료 장치 유형을 포함하고; (2) 방법은 제1 의료 장치 유형과 제2 의료 장치 유형 둘 모두로부터 수신된 MA-D에 기계 학습 모듈을 적용하여 의료 장치에 의해 수행되는 치료 작업과 관련된 예측된 환자별 생리학적 파라미터를 생성하는 단계, 및 이러한 예측된 환자별 생리학적 파라미터를 두 개의 서로 다른 의료 장치 유형 중 하나 또는 둘 모두의 의료 장치, 다른 네트워크 장치, 또는 이들의 조합으로 전달하는 단계를 포함한다(양태 30).
또한 양태 15-30 중 임의의 하나 이상의 방법이 제공되며, (1) 사용자 클래스는 하나 이상의 연구 사용자 클래스를 포함하고; (2) 상기 데이터 네트워크에 있는 하나 이상의 의료 장치는 상기 하나 이상의 연구 사용자 클래스의 하나 이상의 사용자와 연관되고; (3) 방법은 (a) MAC-DMS가 연구 사용자 관련 의료 장치 중 적어도 일부로부터 입력을 수신하고, (b) MAC-DMS는 연구 사용자 관련 의료 장치 중 적어도 일부로부터의 MA-D를 헬스 케어 제공자와 관련된 의료 장치로부터 획득된 MA-D와 결합하여 혼합 데이터 세트를 형성하고, (c) MAC-DMS는 혼합 데이터 세트에 적어도 부분적으로 기초하여 하나 이상의 분석 엔진 기능을 수행하는 것을 포함한다(양태 31).
또한 양태 15-30 중 임의의 하나 이상의 방법이 제공되며, (1) MAC-DMS은 MA-D를 전송하거나, MA-D에 요구 사항을 부과하거나, 둘 다를 수행하여 향상된 데이터 레이크에 저장된 실질적으로 모든 MA-D 데이터세트가 의료 장치 소스 식별 정보, MA-D 유형 정보, 및 하나 이상의 생리학적 파라미터 데이터세트를 포함하도록 하며, 그 각각은 미리 프로그래밍된 MAC-DMS 인식 가능한 표준 포맷으로 표시되며, (2) 향상된 데이터 레이크는 그 내부에 저장된 MA-D 데이터세트, 분석 데이터, 또는 둘 모두의 소스 또는 콘텐트를 기반으로 하는 서로 다른 데이터 거버넌스 구역을 포함한다(양태 32).
또한 양태 15-32 중 임의의 하나 이상의 방법이 제공되며, (1) 하나 이상의 출력 애플리케이션은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 그 조합에 등록된 하나 이상의 알람의 제공을 포함하고, (2) 하나 이상의 알람에 대한 트리거링 파라미터, 통신 파라미터, 반복 파라미터 또는 이들 중 일부 또는 전부의 조합은 (a) 로컬 의료 장치 레벨, 로컬 다른 네트워크 장치 레벨, 또는 둘 다에서 설정되거나, (b) 의료 장치 유형, 환자 유형, 사용자 유형 또는 이들 중 일부 또는 전부의 조합을 기반으로 MAC-DMS 레벨로 설정되거나, 또는 (c) (a)와 (b) 둘 다에 따라 설정된다(양태 33).
또한 양태 33의 방법이 제공되며, (1) 출력 애플리케이션(들)은 (a) 1개 이상의 규제 당국에 의해 의료 장치로서의 소프트웨어(SaMD/SAMD)로 규제되는 하나 이상의 출력 애플리케이션 및 (b) SaMD로 규제되지 않는 하나 이상의 출력 애플리케이션을 포함하고; (2) 상기 방법은 상기 하나 이상의 SaMD 애플리케이션이 상기 MAC-DMS 메모리에 저장된 프로세서 판독 가능 명령어에 기록된 하나 이상의 규제 요구 사항을 준수하도록 보장하기 위해, 하나 이상의 데이터 변환, 데이터 큐레이션 프로세스, 데이터 유효성 검사 확인 또는 이들 중 임의의 또는 모두의 조합을 적용하는 단계를 을 포함한다(양태 34).
일 양태에서, 본 발명은 (1) 다수의 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷으로 연결된 의료 장치로서, 의료 장치 각각은 (a) 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 센서(들)로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 센서(들), (b) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (c) MA-D를 선택적으로 저장하고 하나 이상의 의료 장치 컴퓨터 구현 데이터 엔진을 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, (d) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서, 및 (e) (I) 동작 시 안전하고 안정적인 인터넷 연결의 가용성을 자동으로 반복적으로 확인하고, (II) 안전하고 안정적인 인터넷 연결이 존재할 경우, MA-D 중 적어도 일부를 이러한 안전하고 안정적인 인터넷 연결을 통해 하나 이상의 의도된 수신자 인터넷 연결 시스템으로 중계하고, (III) 안전하고 안정적인 인터넷 연결이 존재하지 않을 경우, 안전하고 안정적인 인터넷 연결이 설정되거나 재설정될 때까지 MA-D 중 적어도 일부가 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장되도록 한 후, 캐시 MA-D 중 적어도 일부를 하나 이상의 수신자 인터넷 연결된 장치 또는 시스템으로 중계하는 네트워크 상태 엔진을 포함하는, 상기 다수의 의료 장치; 및 (2) (a) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 시스템 프로세서; (b) 의료 장치로부터 중계되는 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 스트리밍 MA-D에 하나 이상의 미리 프로그래밍된 조건이 존재하는지를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 자 중 하나 이상의 컨트롤러로 동작하고, 초기 기능은 하나 이상의 의료 장치의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 스트리밍 데이터 처리 엔진; (c) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 데이터 저장소를 포함하는 MAC-DMS로서, 하나 이상의 데이터 저장소는 MA-D 중 적어도 일부를 자동으로 저장하고 MA-D와 별도로 그리고 MA-D와 다른 액세스 조건 하에서 분석 데이터 중 적어도 일부를 추가로 저장하는, 상기 MAC-DMS; (d) 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두의 경우에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하는 분석 엔진; (e) 의료 장치에 의해 수신될 때 캐시 MA-D를 분석하고, 캐시 MA-D가 MAC-DMS 메모리 컴포넌트에 저장되어야 하는지, 분석 엔진에 의해 분석되어야 하는지, 또는 둘 다를 해야 하는지를 결정하는 캐시 MA-D 처리 엔진; 및 (7) 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터식 장치 또는 둘 다로 중계하는 네트워크 장치 컨트롤러(분석 데이터 컨트롤러)로서, 하나 이상의 출력은 (I) 분석 데이터 출력; (II) (A) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (B) 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (C) (A)와 (B) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (III) (I)와 (II)의 조합을 포함하는, 상기 네트워크 장치 컨트롤러를 포함하는, 기계 장치 컨트롤러 및 데이터 관리 시스템(MAC-DMS)를 포함하는 인터넷 기반 데이터 네트워크를 제공한다(양태 35).
추가 양태에서, 본 발명은 (1) 여러(예를 들어, ~10개 이상) 원격 제어 가능하고, 선택적으로 동작 가능하며, 인터넷에 연결된 의료 장치를 포함하는 인터넷 기반 데이터 네트워크를 제공를 제공하며, 의료 장치 각각은 (a) 하나 이상의 환자 관련 생리학적 상태를 검출하고 이러한 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 하나 이상의 센서로서, MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (b) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (c) MA-D를 선택적으로 저장하고 하나 이상의 의료 장치 컴퓨터 구현 데이터 엔진을 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, (d) 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서, (e) (I) 동작 시 안전하고 안정적인 인터넷 연결의 가용성을 자동으로 반복적으로 확인하고, (II) 안전하고 안정적인 인터넷 연결이 존재할 경우, MA-D 중 적어도 일부를 이러한 안전하고 안정적인 인터넷 연결을 통해 하나 이상의 의도된 수신자 인터넷 연결 시스템으로 중계하고, (III) 안전하고 안정적인 인터넷 연결이 존재하지 않을 경우, 안전하고 안정적인 인터넷 연결이 설정되거나 재설정될 때까지 MA-D 중 적어도 일부가 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장되도록 한 후, 캐시 MA-D 중 적어도 일부를 하나 이상의 수신자 인터넷 연결된 장치 또는 시스템으로 중계하는 네트워크 상태 엔진을 포함하는, 상기 다수의 의료 장치; 및 (2) (a) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 기능을 수행하는 MAC-DMS 프로세서, (b) 의료 장치로부터 중계되는 MA-D를 자동으로 지속적으로 수신 및 처리하고, 수신된 스트리밍 MA-D에 대한 초기 분석을 수행하여 스트리밍 MA-D에 하나 이상의 미리 프로그래밍된 조건이 존재하는지를 결정하고, 이러한 하나 이상의 조건이 존재하는 경우, 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행함으로써 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 자 중 하나 이상의 컨트롤러로 동작하고, 초기 기능은 하나 이상의 의료 장치의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 스트리밍 데이터 처리 엔진; (c) 하나 이상의 MAC-DMS 구현 엔진 및 하나 이상의 데이터 저장소에 대한 프로세서 실행 가능 명령어를 포함하는 MAC-DMS 메모리 컴포넌트로서, 하나 이상의 데이터 레이크는 (I) 각 데이터 레이크 관리 구역이 서로 다른 데이터 레이크 관리 구역 액세스 규칙과 연관되는 복수의 데이터 레이크 관리 구역을 포함하는 향상된 데이터 레이크, (II) 제1 관계형 데이터베이스 및 (III) 제2 관계형 데이터베이스를 포함하는, 상기 MAC-DMS 메모리 컴포넌트, (d) 하나 이상의 미리 프로그래밍된 기준에 기초하여 MA-D를 분석하고 MA-D를 하나 이상의 데이터 레이크 관리 구역에 기록하는 하나 이상의 MA-D 메모리 수집 엔진, (e) 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 둘 모두의 경우에 따라 향상된 데이터 레이크에 저장된 분석 데이터에 적어도 부분적으로 기초하여 하나 이상의 분석 기능을 수행하는 분석 엔진; (f) 하나 이상의 미리 프로그래밍된 조건에 기초하여 분석 데이터를 분석하고 이러한 미리 프로그래밍된 조건에 기초하여 (I) 제1 관계형 데이터베이스의 MA-D로부터 직접 생성된 분석 데이터, (II) 제2 관계형 데이터베이스의 향상된 데이터 레이크에 포함된 데이터로부터 생성된 분석 데이터, 및 (III) 향상된 데이터 레이크의 하나 이상의 데이터 레이크 관리 구역의 분석 데이터를 기록하는, 분석 데이터 메모리 수집 엔진, (g) 제1 관계형 데이터베이스에 수집되는 데이터, 제2 관계형 데이터베이스에 수집되는 데이터, 또는 둘 다에 관한 정보를 수집하고, 이러한 정보를 하나 이상의 시스템 관리자에 의해 액세스 가능한 하나 이상의 그래픽 사용자 인터페이스에 중계하는 데이터 저장소 검사 엔진, 및 (h) 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 컴퓨터식 장치 또는 둘 다로 중계하는 네트워크 장치 컨트롤러로서, 하나 이상의 출력은 (I) 분석 데이터 출력; (II) (A) 데이터 네트워크의 의료 장치 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (B) 데이터 네트워크의 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (C) (A)와 (B) 둘 다의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는 (III) (I)와 (II)의 조합을 포함하는, 상기 네트워크 장치 컨트롤러를 포함하는, 기계 장치 컨트롤러 및 데이터 관리 시스템(MAC-DMS)를 포함하는 인터넷 기반 데이터 네트워크를 제공한다(양태 36).
일 양태에서, 본 발명은 양태 35 또는 양태 36에 따른 네트워크를 제공하며, (1) 하나 이상의 데이터 저장소는 제1 관계형 데이터베이스를 더 포함하고, (2) 방법은 (a) 분석 출력 데이터로부터 제1 정형 데이터세트 데이터를 생성하는 단계, 및 (b) 제1 정형 데이터세트 데이터를 제1 관계형 데이터베이스에 저장하는 단계를 포함하고; (3) 하나 이상의 데이터 저장소는 제2 관계형 데이터베이스를 포함하고, (4) 시스템은 (a) 분석 데이터를 얻기 위해 상기 향상된 데이터 레이크의 데이터에 대해 하나 이상의 분석 기능을 수행하고, (b) 선택적으로 상기 제1 관계형 데이터베이스에 포함된 데이터와 결합하여 이러한 분석 데이터로부터 제2 정형 데이터세트 데이터를 생성하고, 및 (c) 제2 정형 데이터세트 데이터를 제2 관계형 데이터베이스에 저장한다(양태 37).
추가 양태에서, 본 발명으 양태 35-37 중 임의의 하나 이상에 따른 네트워크를 제공하며, 의료 장치 중 임의의 하나 이상은 하나 이상의 다중-구역 의료 장치(MZMA)를 포함하고, 각 MZMA는 둘 이상의 개별 구역을 포함하며, 각 구역은 (1) 적어도 하나의 다른 컴포넌트의 프로세서에 의해 처리되지 않은 적어도 일부의 MA-D를 처리하는 별도의 프로세서를 포함하고; (2) (a) 서로 다른 센서로부터 정보를 수신하거나, (b) 서로 다른 치료 또는 예방 의료 작업을 수행하거나, (c) 서로 다른 센서로부터 정보를 수신하고 서로 다른 치료 또는 예방 의료 작업을 수행하거나, (d) (a)-(c)의 조합 또는 일부 또는 전부를 수행하도록 적응되며, 각각의 MZMA의 적어도 하나의 구역은 MZMA의 적어도 하나의 다른 구역과 데이터 네트워크의 하나 이상의 다른 부분과 서로 다른 레벨의 상호작용을 받는다(양태 38).
또한 양태 38에 따른 네트워크가 제공되며, 하나 이상의 MZMA 중 적어도 하나의 적어도 하나의 구역은 치료 의료 작업의 적용과 연관되고 데이터 네트워크와 직접 통신하지 않는다(양태 39).
또한 양태 38 또는 양태 39에 따른 네트워크가 제공되며, 적어도 하나의 MZMA의 적어도 하나의 구역은 (1) 치료적 의료 작업, 예방 작업 또는 둘 다의 적용과 연관되고; (2) MAC-DMS와 통신하고; (3) MAC-DMS로부터 미리 설정된 양의 입력만 허용하고; 운영 체제, 소프트웨어 또는 적어도 하나의 MZMA 중 적어도 하나의 구역에 입력된 MAC-DMS의 승인된 형태에 대한 변경은 적어도 하나의 MZMA의 승인된 운영자로부터의 로컬 승인을 필요로 한다(양태 40).
또한 양태 35-40 중 임의의 하나 이상에 따른 네트워크가 제공되며, MAC-DMS가 자동으로 (1) 데이터 수집 기간 동안 MA-D를 수집하여 데이터 모음을 형성하고, (2) 상기 데이터 모음이 하나 이사의 미리 프로그래밍된 표준에 따라 분석에 적합한지를 평가하고; (3) 데이터 모음이 분석에 적합한 경우, 데이터 모음을 데이터 집계에 추가하고, 적어도 10개의 데이터 모음 인스턴스가 데이터 집계에 추가되어 완전한 데이터 집계를 형성할 때까지 단계 (1)-(3)을 반복하며; (4) 임의의 데이터 모음의 인스턴스가 완전한 데이터 집계가 형성되기 전에 적합하지 않은 것으로 결정되는 경우, 상기 방법은 불완전한 데이터 집계를 폐기하고 상기 방법을 다시 시작하는 단계를 포함하며; (5) 완전한 데이터 집계가 형성된 경우, 상기 방법은 완전한 데이터 집계를 포함하는 데이터에 대한 하나 이상의 분석 기능을 수행하는 단계를 더 포함한다(양태 41).
또한 양태 35-42 중 임의의 하나 이상의 네트워크가 제공되며, (1) 상기 의료 장치는 적어도 두 개의 서로 다른 의료 장치 유형을 포함하고, 상기 의료 장치 유형은 하나 이상의 폐 치료 작업 수행하는 제1 의료 장치 유형 및 하나 이상의 심혈관 치료 작업을 수행하는 제2 의료 장치 유형을 포함하고; (2) 시스템은 제1 의료 장치 유형과 제2 의료 장치 유형 둘 모두로부터 수신된 MA-D에 기계 학습 모듈을 적용하여 의료 장치에 의해 수행되는 치료 작업과 관련된 예측된 환자별 생리학적 파라미터를 생성하고, 이러한 예측된 환자별 생리학적 파라미터를 두 개의 서로 다른 의료 장치 유형 중 하나 또는 둘 모두의 의료 장치, 다른 네트워크 장치, 또는 이들의 조합으로 전달하도록 적응된다(양태 43).
또한 양태 35-43 중 임의의 하나 이상에 따른 네트워크가 제공되며, (1) (a) 다른 네트워크 장치(들) 또는 둘 다는 하나 이상의 연구 사용자 클래스와과 연관되어 있으며; (b) 데이터 네트워크의 하나 이상의 의료 장치는 하나 이상의 조사 사용자 클래스의 하나 이상의 사용자와 연관되어 있으며; 또는 (c) (a)와 (b) 모두와 연관될 수 있으며; (2) MAC-DMS가 (a) 연구 사용자 관련 의료 장치 중 적어도 일부로부터 입력을 수신하고, (b) MAC-DMS는 연구 사용자 관련 의료 장치 중 적어도 일부로부터의 MA-D를 헬스 케어 제공자와 관련된 의료 장치로부터 획득된 MA-D와 결합하여 혼합 데이터 세트를 형성하고, (c) MAC-DMS는 혼합 데이터 세트에 적어도 부분적으로 기초하여 하나 이상의 분석 엔진 기능을 수행하도록 적응된다(양태 44).
또한 양태 35-44 중 임의의 하나 이상에 따른 네트워크가 제공되며, (1) 시스템/MAC-DMS는 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 그 조합에 등록된 하나 이상의 알람의 동작을 유발하는 하나 이상의 출력 애플리케이션을 생성하도록 적응되고, (2) 시스템/MAC-DMS는 알람 트리거링 파라미터, 통신 파라미터, 반복 파라미터 또는 이들 중 일부 또는 전부의 조합과 관련하여 프로그래밍 가능하며, 이러한 파라미터(들)는 (a) 로컬 의료 장치 레벨, 로컬 기타 네트워크 장치 레벨 또는 둘 다에서 설정되고, (b) 의료 장치 유형, 환자 유형, 사용자 유형 또는 이들 중 일부 또는 전부의 조합, 또는 (c) (a) 및 (b) 모두에 따라 설정될 수 있다(측면 45).
또한 양태 35-45 중 임의의 하나 이상에 따른 네트워크가 제공되며, (1) 하나 이상의 출력 애플리케이션은 (a) 하나 이상의 규제 당국에 의해 의료 장치로서의 소프트웨어(SaMD/SAMD)로 규제되는 하나 이상의 출력 애플리케이션 및 (b) SaMD로 규제되지 않는 하나 이상의 출력 애플리케이션을 포함하고; (2) 시스템/MAC-DMS는 하나 이상의 SaMD 애플리케이션이 MAC-DMS 메모리에 저장된 프로세서 판독 가능 명령어에 기록된 하나 이상의 규제 요구 사항을 준수하도록 보장하기 위해, 하나 이상의 데이터 변환, 데이터 큐레이션 프로세스, 데이터 유효성 검사 확인 또는 이들 중 임의의 또는 모두의 조합을 적용하도록 적응된다(양태 46).
또 다른 양태에서, 본 발명은 (1) 직접적으로 상호 운용되는 높은 보안 구역 컴포넌트의 모음을 포함하는 높은 보안 구역으로서, 높은 보안 구역은 (a) 동작 시 환자에게 의학적 치료를 적용하고 수신된 전자 제어 명령어를 통해 제어 가능한 하나 이상의 치료 컴포넌트, (b) 하나 이상의 높은 보안 구역 컴포넌트의 동작을 제어하는 복수의 컴퓨터 구현 명령어에 대한 명령어를 포함하는 컴퓨터 판독 가능 매체를 포함하는 높은 보안 구역 메모리 컴포넌트, (c) 하나 이상의 치료 컴포넌트의 동작을 제어하기 위해 전자 명령어를 하나 이상의 치료 컴포넌트에 전송하기 위해 높은 보안 구역 메모리 컴포넌트에 포함된 컴퓨터 구현 명령어를 실행하는 높은 보안 구역 컴퓨터 프로세서 컴포넌트, (d) (I) (A) 적어도 하나의 중간 보안 구역 컴포넌트 및 (B) 로컬 물리적 입력으로부터 전자 통신을 수신하고, (II) 하나 이상의 유효성 검사 표준을 준수하는 통신만이 하나 이상의 높은 보안 구역 컴포넌트의 작동을 제어하도록 허용되도록 중간 구역 컴포넌트로부터 수신된 통신을 분석하는 보안 엔진을 포함하고, (III) (A) 적어도 하나의 중간 보안 구역 컴포넌트 및 (B) 로컬 의료 장치 출력에 전자 통신을 중계하는 높은 보안 구역 통신 컴포넌트, (e) 인증된 사용자에게만 높은 보안 구역 메모리 컴포넌트에 대한 액세스를 제한하는 물리적 탬퍼링 방지 시스템을 포함하며, (f) 높은 보안 구역에는 직접적인 인터넷 통신 능력이 없는, 상기 높은 보안 구역; 및 (2) 상호 운용 가능한 컴포넌트의 제2 모음을 포함하는 중간 보안 구역으로서, 중간 보안 구역 컴포넌트는 (a) (I) 높은 보안 구역에서의 하나 이상의 치료 컴포넌트의 성능, (II) 관련 환자의 하나 이상의 생리학적 조건, 또는 (III) (I)와 (II) 둘 모두의 하나 이상의 물리적 조건을 의료 기기 데이터(MA-D)로서 측정하고, 이러한 측정값을 전자적으로 전송 가능한 데이터로 변환하는 하나 이상의 센서, (b) (I) 하나 이상의 중간 보안 구역 컴포넌트의 동작을 제어하는 복수의 컴퓨터 구현 명령어에 대한 명령어를 포함하는 컴퓨터 판독 가능 매체 및 (II) MA-D의 저장을 위한 중간 보안 구역 컴포넌트를 포함하는 중간 보안 구역 메모리 컴포넌트, (c) (I) 안전하고 안정적인 인터넷 수집이 가능한지 평가하는 네트워크 상태 엔진 및 (A) 이러한 연결이 가능한 경우, (i) MA-D를 하나 이상의 의도된 인테넛 수신자 장치로 중계하고 (ii) 보안 인터넷 통신을 통해 하나 이상의 원격 제어 장치로부터 중계된 명령어를 수신거나, (B) 이러한 연결이 가능하지 않은 경우, 중간 구역 보안 메모리 컴포넌트에 MA-D를 캐시 데이터로 저장하는 네트워크 상태 엔진, 및 (II) 치료 컴포넌트로부터 데이터를 수신하고 치료 컴포넌트에 전자 지침을 보내는 장치 간 통신 엔진을 포함하는 중간 보안 구역 메모리 컴포넌트에 포함된 컴퓨터 구현 명령어를 실행하는 중간 보안 구역 컴퓨터 프로세서 컴포넌트를 포함하는, 상기 중간 보안 구역을 포함하는 의료 장치를 제공한다(양태 47).
또한 양태 47에 따른 의료 장치가 제공되며, 장치는 중간 구역 보안 컴퓨터 프로세서 컴포넌트의 운영 체제, 높은 보안 컴퓨터 프로세서 컴포넌트의 운영 체제, 또는 둘 모두가 하나 이상의 운영 체제에 대한 소프트웨어 업데이트를 포함하는 요청(풀 신호)을 의료 장치로부터 서버로 전송되는 것에 응답하여 인터넷을 통해서만 수정할 수 있도록 구성된다(측면 48).
또한 양태 48에 따른 의료 장치가 제공되며, 여기서 높은 보안 컴퓨터 프로세서 컴포넌트의 운영 체제는 높은 보안 컴퓨터 프로세서 컴포넌트에 물리적으로 액세스할 수 있는 사용자에 의해서만 수정되도록 구성된다(양태 49).
또 다른 양태에서, 본 발명은 (1) 네트워크 데이터 시스템(NDS)과 실질적으로 지속적으로 통신하는 여러 개의 개별적으로 위치되고 적어도 부분적으로 원격으로 제어 가능한 의료 장치(MA)로서, MA는 다수의(예를 들어, 적어도 5개) 별도의 독립적인 엔티티(IE)의 물리적 제어 하에 있으며, 시스템의 각 MA는 (a) 동작 시 환자의 상태를 검출하는 적어도 1개의 센서, (b) 장치 컴퓨터 실행 가능 명령어(CEI) 및 시간이 지남에 따라 수집된 센서 정보를 포함하는 레코드를 포함하는 물리적, 전송 가능 및 재생 가능 컴퓨터 판독 가능 매체(PTRCRM)를 포함하는 장치 메모리; (c) 장치 메모리에서 CEI를 판독하기 위한 장치 컴퓨터 처리 컴포넌트, (d) 장치 디스플레이 유닛, (e) 동작 시 인터넷을 통해 MA로부터 NDS로 센서 정보를 포함할 수 있는 장치 정보(MA-D)을 전송하는 장치 데이터 릴레이 유닛으로서, 동작 시 MA 릴레이 유닛에 의해 중계된 MA-D는 실시간 센서 데이터(RT-MA-D), 저장된 센서 데이터(MA-CD), 또는 RT-MA-D와 MA-CD 둘 다를 포함하며, MA-D는 정형 및 비정형 데이터 둘 모두를 포함하는, 장치 데이터 릴레이 유닛, (f) 장치 데이터 입력 유닛, 및 (g) 선택적으로 동작 시 1개 이상의 데이터 보호 기능(예를 들어, 승인된 데이터 유형의 구체적으로 식별된 데이터인 데이터로만 데이터 입력을 제한하는 것을 포함함)을 수행하는 적어도 1개의 마이크로컨트롤러를 선택적으로 포함하는 장치 데이터 보안 시스템을 포함하는, 상기 의료 장치; (2) 네트워크 데이터 시스템(NDS 또는 시스템) 및 (2) (1) (A) 반비정형 MA 데이터(SUMAD)를 수신 및 저장하는 적어도 하나의 검색 가능 데이터 저장소 및 (B) NDS에 의해 수해오딘 기능에 대한 명령어를 인코딩하는 NDS CEI(NCEI)를 포함하는 NDS PTRCRM을 포함하는 NDS 메모리 유닛; (2) NDS CEI를 실행하는 NDS 처리 기능, (3) NDS와 통신하는 MA들로부터 데이터를 자동으로 수신하고, 각 MA로부터 수신된 MA-D가 RT-MA-D인지 MA-CD인지 또는 둘 다인지를 결정하는 NDS 데이터 입력 유닛, (4) RT-MA-D, MA-CD 및 SUMAD를 분석하여 분석을 생성하고, 그 분석을 1개 이상의 NDS 기능의 성능에 적용하는 NDS 분석 유닛, (5) 선택적으로 MA-D의 RT-MA-D가 NDS 분석 유닛에 의해 사용되도록 승인되었는지 평가하고 승인된 RT-MA-D가 NDS 분석 유닛에 의해 어떻게 사용되는지 결정하는 NDS 장치 데이터 조화 유닛, (6) 기밀성 규칙, 헬스 케어 준수 규칙 또는 둘 다를 기반으로 데이터 네트워크의 각 MA 및 기타 네트워크 장치(OND)에 전달하기 위해 MA-D, 분석 또는 둘 다를 자동으로 필터링하는 NDS 출력 처리 시스템, (7) 인터넷을 통해 (A) MA, 관련 환자 또는 둘 다에 특정한 각 MA에 대한 정보 및 (B) MA-D, 분석 또는 둘 다를 포함하는 정보를 1개 이상의 다른 네트워크 장치/인터페이스(OND 또는 ONDI)I에 중계되는 NDS 데이터 릴레이 유닛으로서, ONDI에 중계된 정보는 IE와 연관된 다수의 MA로부터의 정보 또는 2개 이상의 IE와 연관된 다수의 MA로부터 수신된 MA-D로부터 도출된 정보를 포함하는, 상기 NDS 데이터 릴레이 유닛, 및 (8) SUMAD에 대한 1개 이상의 스키마 적용을 기반으로 분석(분석 데이터)을 생성하는 NDS 분석 유닛을 포함하는 데이터 네트워크를 제공한다(양태 50).
일 양태는 양태 50에 따른 네트워크이며, 여기서 NDS는 착신 데이터의 양(수요)을 검출하고 착신 데이터의 양이 미리 프로그래밍된 임계값을 충족하거나 초과하는 경우 NDS 프로세서 능력을 자동으로 증가시키는 엔진/유닛을 포함한다(양태 51).
추가 양태는 양태 50 또는 양태 51에 따른 네트워크이며, 여기서 동작 시 NDS 릴레이 유닛은 NDS 상태 정보를 MA의 MA 보안 유닛에 허용 가능한 네트워크의 MA로 지속적으로 전송한다(양태 52).
다른 양태는 양태 50-52 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA의 MA CEI는 MA가 NDS가 동작 중이라는 표시를 수신할 때까지 NDS가 동작 중이라는 표시를 MA가 수신하지 못하는 경우 MA-D를 MA-CD로 저장하라는 명령어를 포함한다(양태 53).
추가 양태는 양태 50-53 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS는 과거, 현재 및 예상 MA-D를 식별하는 기능을 포함하며, NDS 분석 유닛은 분석을 기반으로 적어도 하나의 예측 기능을 수행하고, 예측 기능의 결과를 MA, OND 또는 둘 다에 증계한다(양태 54).
일 양태는 양태 50-54 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS 분석 유닛은 SAMD(software as a medical device)로 규제되는 적어도 하나의 기능 및 적어도 하나의 기타 비-SAMD 기능(NSAMD)을 수행하며, 시스템은 SAMD 및 NSAMD 기능의 적용 가능한 규제 상태를 반영하는 CEI에 따라 MA에 적어도 하나의 SAMD 및 적어도 하나의 NSAMD 기능의 출력을 전달한다(양태 55).
추가 양태는 양태 55에 따른 네트워크이며, 여기서 적어도 하나의 SAMD는 HCP에게 진단 지침 또는 치료 지침을 제공하는 것을 포함한다(양태 56).
추가 양태는 양태 55 또는 양태 56에 따른 네트워크이며, 여기서 적어도 하나의 SAMD는 조건(들)에 응답하여 MA의 동작 조건을 변경할 수 있다(양태 57).
추가 양태는 양태 50-57 중 임의의 하나 이상에 따른 네트워크이며, 여기서 OND는 MA-D, 분석(NDS-AD) 또는 둘 다를 SO 관련 네트워크 액세스 장치(SOANAD)로 전달하는 시스템 소유자(SO) 지원 지스템(SOSS)을 포함한다(양태 58).
추가 양태는 양태 58에 따른 네트워크이며, 여기서 SOSS는 MA-D, NDS-AD 또는 둘 다를 고객 관계 관리 지원 시스템(CRMSS)의 데이터와 결합한다(양태 59).
추가 양태는 양태 59에 따른 네트워크이며, 여기서 ONDI/NDS 사용자는 SO에 대한 네트워크 MA를 판매/임대하는 영업 담당자를 포함한다(양태 60).
추가 양태는 양태 50-60 중 임의의 하나 이상에 따른 네트워크이며, 여기서 네트워크는 MA-D를 수신 또는 전달하고, 분석 또는 이들의 조합을 과학 연구자(SR) 관련 네트워크 액세스 장치(SRANAD)와 관련된 ONDI, MA 또는 둘 다에 전달하는 하나 이상의 연구 플랫폼(들)(RP(들))을 포함한다(양태 61).
추가 양태는 양태 50-61 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA-D는 MA-D의 동작 상태에 대한 정보를 포함하고, NDS 분석 유닛은 분석 프로세스에서 MA-D의 동작 상태 정보를 평가한다(양태 62).
추가 양태는 양태 50-62 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA는 2개 이상의 이종 유형의 MA를 포함하여, NDS는 NDS 분석 또는 NDS 출력 애플리케이션을 중계하기 전에 MA 장치 유형을 결정한다(양태 63).
추가 양태는 양태 50-63 중 임의의 하나 이상에 따른 네트워크이며, 여기서 적어도 대부분의 MA는 중요한 생명 유지 기능, 예를 들어 심혈관계, 폐, 뇌 또는 신장을 지원하거나 치료하는 것과 관련되어 있다(양태 64).
추가 양태는 양태 50-64 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS는 이종 유형의 MA로부터 MA-D를 분석하고 이종 MA MA-D의 분석을 기반으로 NDS의 하나 이상의 기능을 수행하거나 기능 수행을 권장하는 기계 학습 모듈(MLM)을 포함한다(양태 65).
추가 양태는 양태 50-65 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS는 MA-D, 분석(MA-D 분석을 기반으로 한 분석 데이터 출력) 또는 둘 다를 전자 건강 레코드에 직접 작성할 수 있는 기능 모듈을 포함한다(양태 66).
추가 양태는 양태 50-66 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS 릴레이 유닛으로부터 MA 입력 유닛/MA로 전송되도록 허용된 데이터는 본질적으로 생체인식 예측 데이터, 지침 제공 또는 MA 제어, NDS 상태, MA 소프트웨어 버전 상태 또는 이들의 조합(CT)으로 구성된다(양태 67).
추가 양태는 양태 67애 따른 네트워크이며, 여기서 NDS로부터 MA로 전송되도록 허용된 데이터는 MA 소프트웨어 버전 상태를 포함하지만, MA, 시스템/NDS 또는 둘 모두는 인터넷을 통한 MA 소프트웨어 업데이트를 방지하고, 선택적으로 MA로부터 로컬로 시작된 풀 명령에 응답하여 업데이트를 허용한다(양태 68).
일 양태는 양태 50-68 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA-D는 위치 정보를 포함하고, NDS는 시설, 수도권, 주/지역, 국가 또는 IE를 기반으로 적어도 2 클래스의 ONDI에 정보를 동시에 중계한다(양태 69).
추가 양태는 양태 50-69 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA는 하나 이상의 연구팀, 임상 적용에서 MA를 사용하는 복수의 IE, 또는 둘 다로부터 입력을 수신한다(양태 70).
추가 양태는 양태 50-70 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS는 독립적인 연구 팀 구성원, 시스템 소유자 장치 판매 또는 임대 판촉 대리인, IE 사용자 또는 관리자, 시스템 소유자 임상 또는 의료 지원 팀 직원, 및 시스템 소유자 시스템 분석가를 포함하는 사용자 역할에 적어도 부분적으로 기초하여 MA-D, 분석 또는 둘 다를 복수의 GUI 방식(ONDI)으로 전달한다(양태 71).
추가 양태는 양태 50-71 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS CEI는 센서 데이터에 연결된 하나 이상의 알람 조건을 포함하고, NDS(예를 들어, NDS 분석 유닛)는 하나 이상의 알람 조건이 MA-D, MA-D 분석(분석/NDS-AD) 또는 둘 다에 의해 트리거되는지 여부를 결정하고, NDS는 알람이 센서 데이터와 사용자 옵션에 기초하여 MA, 사용자 관련 OND 또는 둘 다에 등록되도록 한다(양태 72).
추가 양태는 양태 50-72 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA는 예를 들어, 금지된 탬퍼링 이벤트가 발생하는 경우, 신호를 NDS, OND 또는 둘 모두에 보내는 탬퍼링 방지 검출 컴포넌트(들)/기능(들)을 포함한다(양태 73).
추가 양태는 양태 50-73 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA-D는 MA, MA 환경 또는 둘 다의 이미지 및 비-이미지 센서 데이터를 포함한다(양태 74).
추가 양태는 양태 50-74 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS 메모리는 (a) RT-MA-D, MA-CD 또는 둘 다; (b) 큐레이트된 데이터, 스코어링된 데이터 또는 둘 다; (c) 시스템 테스트 데이터; (d) 발신 데이터; 또는 (d) 이들의 일부 또는 전부의 조합의 저장, 사용 및 액세스를 관리하는 두 개 이상의 개별 거버넌스 구역을 포함한다(양태 75).
추가 양태는 양태 50-75 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS는 (a) 특정 국가의 MA에 대한 데이터, (b) 국가별 데이터 거버넌스 규칙, 및 (c) 다른 NDS(들)와 공유되는 시스템 블루프린트 데이터를 포함한다(양태 76).
추가 양태는 양태 50-76 중 임의의 하나 이상에 따른 네트워크이며, 여기서 MA 릴레이 패킷은 시퀀싱 정보를 포함하며, NDS는 MA-CD의 시간 컴포넌트를 분석하고 비연대순으로 수신된 MA-D를 재시퀀싱하는 유닛/기능을 포함한다(양태 77).
추가 양태는 양태 50-77 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS의 하나 이상의 기능/유닛은 반복당 MA-D의 적어도 약 20초, 30초 또는 60초(예를 들어, 20-200초마다, 30-180초마다 또는 45-90초마다) MA-D 처리를 기반으로 하며, NDS는 적어도 2초, 3초, 5초마다(예를 들어, 2-10초마다, 2-6초마다, 3-9초마다, 4-8초마다 또는 3-8초마다) MA로부터 MA-D의 적어도 5개, 8개, 또는 적어도 10개의 패킷을 수신하는 NDS에 기초한 데이터 유효성 검사 규칙 프로세스를 포함하며, NDS는 임의의 유효성 검사 규칙 위반이 발생하면 반복을 다시 시작한다(양태 78).
추가 양태는 양태 50-78 중 임의의 하나 이상에 따른 네트워크이며, 여기서 분석을 위한 데이터 모음을 형성할 때 각 MA에 대해 NDS에 의해 수집된 MA-D의 각 사이클은 MA로부터 NDS로의 데이터 패킷의 전송의 각 사이클보다 적어도 약 100배, 적어도 약 250배, 적어도 약 500배, 또는 적어도 약 1,000배 더 길다(양태 79).
추가 양태는 양태 50-79 중 임의의 하나 이상에 따른 네트워크이며, 여기서 NDS는 비-임상 동작 모드에 있는 MA를 검출하고, 향상된 스케일러빌리티 테스트를 위해 이러한 능력을 사용할 수 있다(양태 80).
일 양태에서, 본 발명은 양태 50-80 중 임의의 하나 이상에 설명된 것과 같은 네트워크를 제공하며, 여기서 네트워크의 MA 중 적어도 일부는 동작 시 적어도 일부 시간에 무선 통신 프로토콜(예를 들어, Wi-Fi)을 통해 RT-MA-D를 NDS로 전송하는 모바일 MA이며, 안전하고/안정적인 통신 채널이 이용 가능한지 여부를 검출하고, 안전하고/안정적인 무선 통신 채널이 이용 가능하지 않을 때 캐시 MA-D를 수집하고, 통신 채널이 다시 이용 가능할 때 저장된 캐시 데이터 중계하는 기능을 포함한다(양태 81).
추가 양태는 양태 50-81 중 임의의 하나 이상에 따른 네트워크이며, 여기서 네트워크의 MA 중 전부는 아니지만 적어도 일부는 하나 이상의 중요한 생명 유지 시스템(예를 들어, 호흡계, 심혈관계 또는 신경계)에 대한 치료를 제공하는 MA를 포함한다(양태 82).
일 양태에서, 본 발명은 양태 50-82 중 임의의 하나 이상에서 설명된 것과 같은 네트워크를 제공하며, 여기서 네트워크의 적어도 일부 MA는 별도의 보안 구역/규칙이 적용되는 적어도 2개의 개별 컴포넌트를 포함한다(양태 83).
일 양태에서, 본 발명은 양태 83에 설명된 것과 같은 네트워크를 제공하며, 여기서 다중 구역 MA(MZMA) 중 적어도 일부는 중요한 생명 유지 시스템 치료 기능을 제공하는 매우 제한된 치료 적용 컴포넌트를 포함하고, 물리적 탬퍼링 방지 보호를 포함하며, 국소적으로만 수정 가능한 MA CEI를 포함한다(양태 84).
일 양태에서, 본 발명은 양태 83 또는 양태 84에 설명된 것과 같은 네트워크를 제공하며, 여기서 네트워크의 MA 중 적어도 일부는 시스템 업데이트 가용성을 수신할 수 있는 처리 유닛을 포함하는 환자 모니터링 컴포넌트를 포함하지만 NDS에 대한 풀 요청을 통해서만 수정 가능한 MA CEI도 포함한다(양태 85).
일 양태에서, 본 발명은 양태 50-85 중 임의의 하나 이상의 시스템에 따른 시스템을 제공하며, 여기서 시스템은 제한된 초기 분석을 기반으로 MA, ONDI 또는 둘 다에서 착신 데이터에 대해 그리고 NDS 트리거 애플리케이션(들)/알람 등의 컨트롤러(들)를 통해 제한된 초기 분석(예를 들어, 설정된 수의 규칙/데이터포인트에 대한 분석에 의해 제한됨)을 수행하는 스트리밍 데이터 프로세서를 포함한다(양태 86).
또한 장치 데이터 네트워크에서 다수의 의료 기기를 실시간으로 관리하는 방법이 제공되며, (1) 네트워크 데이터 시스템(NDS)과 실질적으로 지속적으로 통신하고, 선택적으로는 적어도 5개의 개별 독립적인 엔티티(IE)의 물리적 제어 하에 있는, 별도로 위치되고 적어도 부분적으로 원격 제어 가능한 다수의 의료 장치("MA")에 액세스하는 단계로서, 시스템의 각 MA는 (a) 동작 시 환자의 상태를 검출하는 적어도 1개의 센서, (b) 장치 컴퓨터 실행 가능 명령어를 포함하는 PTRCRM 및 동작 시 시간에 따른 센서 정보를 포함하는 정보를 기록하는 장치 메모리(DM)를 포함하는 장치 메모리; (c) MA CEI를 판독하고/실행하는 장치 프로세서, (d) 장치 디스플레이 유닛, (e) 동작 시 인터넷을 통해 MA로부터 NDS로 센서 정보를 포함할 수 있는 장치 정보(MA-D)을 전송하는 장치 데이터 릴레이 유닛으로서, 동작 시 MA에 의해 중계된 대부분의 MA-D는 실시간 센서 데이터(RT-MA-D), 저장된/캐시 센서 데이터(MA-CD), 또는 RT-MA-D와 MA-CD 데이터(MA-CD) 둘 다를 포함하며, MA-D는 정형 및 비정형 데이터 둘 모두를 포함하는, 장치 데이터 릴레이 유닛, (f) 장치 데이터 입력 유닛(MA-INPU), 및 (g) 데이터 입력을 승인된 데이터 유형의 구체적으로 식별된 데이터로만 제한하는 것을 포함하는 하나 이상의 데이터 보호 기능을 수행하는 적어도 1개의 컴포넌트(예를 들어, 마이크로컨트롤러)를 선택적으로 포함하는 선택적 장치 데이터 보안 시스템을 포함하는, 상기 액세스하는 단계; 및 (2) (I) NDS에 중계된 시스템 허용 데이터를 자동으로 수신하는 NDS 입력 유닛/엔진을 포함하고, (II) PTRCRM을 포함하는 NDS 메모리에 수신된 데이터를 저장하는 의료 장치 네트워크 데이터 관리 시스템(NDS)에서 (a)로부터 전달된 데이터를 수집하는 단계를 포함하며, (3) (III) (예를 들어, 수신된 MA-D의 분석에 기초하여) NDS 메모리에 포함된 저장된 명령어/CEI를 실행하는 NDS 프로세서를 포함하고, (IV) 새로운 데이터, 출력 기능(예컨대 MA 제어 명령어) 또는 둘 다를 네트워크 장치(예를 들어, MA)로 전달하는 NDS 릴레이 유닛/엔진을 포함하는, 수신된 데이터를 분석/평가하는 분석 유닛/엔진을 포함하며, NDS 메모리는 하나 이상의 쿼리 가능/검색 가능한 데이터 저장소(예를 들어, 데이터 레이크 또는 향상된 데이터 레이크), 이는 두 경우 모두 미리 설정된 표준을 적어도 부분적으로 준수하는 포맷으로 반비정형 MA 데이터(SUMAD)를 수신 및 저장함으로써 MA-D 처리 속도를 높인다(양태 87).
다른 양태는 양태 87의 방법이며, 여기서 NDS는 수신된 MA-D에 대한 초기 분석을 자동으로 수행하고 MA-D의 분석과 내부에 저장된(수집된) 후 NDS에 저장된 데이터를 분석하기 위한 분석 유닛의 동작을 제어하기 위한 명령어에 기초하여 하나 이상의 기능을 수행하는 엔진/유닛을 포함하며, 초기 분석은 메모리 수집 후 분석보다 분석 조건이 적고, 자동으로 수행되며, 데이터 수신 후 짧은 시간(예를 들어, 3분 미만, 2분 미만, 1분 미만 또는 0.5분 미만) 내에 수행되며, 이들의 임의의 또는 모두의 조합을 수행한다(양태 88).
일 양태는 양태 87 또는 양태 88의 방법이며, 여기서 NDS는 데이터를 분석하기 전에 MA-D의 RT-MA-D가 NDS 분석 유닛에 의한 분석에 승인 가능한 포맷인지 평가하고, 가능하다면 분석 전인 경우 부적합 데이터를 선택적으로 수정하는 장치 데이터 조화 유닛/엔진을 포함한다(양태 89).
일 양태는 양태 87-89 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 미리 프로그래밍 및 프로그래밍 가능한 기밀성 또는 헬스 케어 준수 규칙을 기반으로 MA(들) 또는 ONDI에 전달하기 위해 MA-D, 분석 데이터, 출력 애플리케이션 또는 이들의 조합을 자동으로 태그 지정/필터링하는 출력 필터링/라우팅 엔진/유닛을 포함하며, NDS는 가장 최근에 수신된 MA-D를 기반으로 서로 다른 MA, ONDI 또는 둘 다에 정보를 동시에 중계하지만 네트워크로 연결된 MA나 ONDI 중 어느 하나에 동일한 정보를 전달하지 않는다(양태 90).
일 양태는 양태 90에 따른 방법이며, 여기서 NDS는 각 승인된 MA와 NDS에 데이터를 전달하거나 NDS로부터 데이터를 수신하는 ONDI를 식별하는 MA-D 및 이와 연관된 엔티티를 인식하도록 적응되어, 이를 통해 엔티티에 속한 기밀 정보가 네트워크에 액세스하는 다른 독립적인 엔티티와 관련된 MA/ONDI에 개시되지 않도록 보호할 수 있다(양태 91).
일 양태는 양태 87-91 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 MA로부터 중계된 MA-CD(캐시 데이터)를 식별하는 엔진/유닛을 포함하고, 이러한 MA-CD가 NDS 메모리에 저장되는지, 분석 유닛에 의해 사용되는지, RT-MA-D와 결합되는지 또는 이들 중 임의의 또는 전부의 조합인지를 결정한다(양태 92).
일 양태는 양태 87-92 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 데이터 분석, 데이터 저장 또는 두 가지 모두 동안 MA-D를 자동으로 스크리닝하거나 MA-D가 하나 이상의 스키마를 준수하도록 하는 유닛/엔진을 포함한다(양태 93).
일 양태는 양태 87-93 중 임의의 하나 이상에 따른 방법이며, 여기서 대부분의, 일반적으로 모든 또는 모든 MA는 MA-D를 NDS에 중계하기 위한 안전하고/안정적인 통신 채널의 존재를 평가하는 유닛/엔진을 포함하며, 이러한 MA는 이러한 채널이 존재하지 않는 경우, 이러한 연결이 다시 설정될 때까지 MA-D를 캐시 MA-D(MA-CD)로 수집한 후 이러한 캐시 MA-D를 NDS로 중계한다(양태 94).
추가 양태는 양태 94에 따른 방법이며, 여기서 NDS는 NDS 상태 정보를 네트워크의 MA에 자동으로 정기적으로/지속적으로 전송하는 유닛/엔진을 포함하며, MA는 신호가 수신되지 않을 때 MA-D를 수집하고 신호가 다음에 수신될 때마다 이러한 수집된 캐시 MA-D를 중계하는 CEI를 포함한다(양태 95).
다른 양태는 양태 87-95 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 과거, 현재 및 예상 MA-D를 식별하는 엔진/유닛을 포함하며, NDS 분석 유닛은 MA-D 분석을 기반으로 적어도 하나의 예측 기능을 수행하고, 예측 기능의 결과를 MA, OND 또는 둘 다에 증계한다(양태 96).
추가 양태는 양태 87-96 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 SAMD(software as a medical device)로 규제되는 적어도 하나의 기능 및 적어도 하나의 다른 비-SAMD 기능(NSAMD)을 수행하며, NDS/시스템은 SAMD 및 NSAMD 기능의 적용 가능한 규제 상태를 반영하는 CEI에 따라 MA에 적어도 하나의 SAMD 및 적어도 하나의 NSAMD 기능의 출력을 전달한다(양태 97).
다른 양태에서, 본 발명은 양태 97에 설명된 것과 같은 방법을 제공하며, 여기서 적어도 하나의 SAMD는 HCP에게 진단 지침 또는 치료 지침을 제공하는 것을 포함한다(양태 98).
다른 양태에서, 본 발명의 양태 97 또는 양애 98에 설명된 것과 같은 방법을 제공하며, 여기서 적어도 하나의 SAMD는 MA-D 또는 분석에 반영된 조건(들)에 응답하여 MA의 동작 조건을 변경한다(양태 99).
추가 양태는 양태 89-99 중 임의의 하나 이상에 따른 방법이며, 여기서 ONDI는 MA-D, 분석 또는 둘 다를 SOANAD로 전달하는 시스템 소유자(SO) 지원 지스템(SOSS)을 포함한다(양태 100).
일 양태에서, 본 발명은 양태 100에 설명된 것과 같은 방법을 제공하며, 여기서 SOSS는 MA-D, 분석 또는 둘 모두를 CRMS로부터의 데이터와 결합한다(양태 101).
추가 양태에서, 본 발명은 양태 101에 설명된 것과 같은 방법을 제공하며, 여기서 사용자는 시스템 소유자를 대신하여 장치를 판매하거나 임대하는 판매 담당자를 포함한다(양태 102).
다른 양태에서, 본 발명은 양태 87-102 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 네트워크는 MA 또는 OND 관련 과학 연구자(SR) 관련 네트워크 액세스 장치(SRANAD)를 포함하는 연구 플랫폼(RP)을 포함하고, SR은 SO와 연관되지 않으며 SRANAD로부터 수신된 데이터는 적어도 일부 분석 기능에 사용된다(양태 103).
다른 양태에서, 본 발명은 양태 87-103 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, MA-D는 MA-D의 동작 상태에 대한 정보를 포함하고, NDS는 분석 수행, 출력 전달 또는 둘 다에서 MA 동작 상태 정보를 평가한다(양태 104).
다른 양태에서, 본 발명은 양태 87-104 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, MA는 2개 이상의 이종 유형의 MA를 포함하고, NDS는 분석 수행, 출력 중계 또는 둘 다를 수행하기 전에 각 MA의 장치 유형을 결정한다(양태 105).
추가 양태는 양태 87-105 중 임의의 하나 이상에 따른 방법이며, 여기서 네트워크의 MA의 적어도 대부분은 중요한 생명 유지 기능, 예를 들어 심혈관계, 폐, 뇌 또는 신장과 연관되어 있다(양태 106).
일 양태에서, 본 발명은 양태 87-106 중 어느 하나에 설명된 것과 같은 방법을 제공하며, 여기서 NDS는 이종 유형의 MA로부터 MA-D를 분석하고 이종 MA MA-D의 분석을 기반으로 NDS의 하나 이상의 기능을 수행하거나 기능 수행을 권장하는 기계 학습 모듈(MLM)을 포함한다(양태 107).
추가 양태는 양태 87-106 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 MA-D, 분석 또는 둘 다를 EHR/EMR에 직접 작성할 수 있는 기능 모듈을 포함한다(양태 108).
추가 양태는 양태 87-108 중 임의의 하나 이상에 따른 방법이며, 여기서 DM은 MA로부터 입력만을 수신하도록 적응된다(양태 109).
다른 양태에서, 본 발명은 양태 87-109 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 NDS로부터 적어도 일부 MA로 전송되도록 허용된 데이터는 본질적으로 생체인식 예측 데이터, 지침 제공 또는 MA 제어, NDS 상태, MA 소프트웨어 버전 상태 또는 이들의 조합으로 구성된다(양태 110).
일 양태에서, 본 발명은 양태 110에 설명된 것과 같은 방법을 제공하며, 여기서 NDS로부터 전송되도록 허용된 데이터는 MD 소프트웨어 버전 상태를 포함하지만, 시스템/NDS, MA 또는 둘 모두가 인터넷을 통한 MA 소프트웨어 업데이트(예를 들어, MA 소프트웨어의 수동/로컬 업데이트가 필요하다는 알람 또는 지표, 소프트웨어 업데이트를 위한 풀 신호(pull signal)가 호출되는 등을 초래하는 정보)를 방지한다(양태 111).
추가 양태는 양태 87-111 중 임의의 하나 이상에 따른 방법이며, 여기서 MA-D는 위치 정보를 포함하고, NDS는 시설, 수도권, 주/지역, 국가 또는 독립 엔티티 협회를 기반으로 적어도 2 클래스의 ONDI에 정보를 동시에 중계한다(양태 112).
추가 양태는 양태 87-112 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 하나 이상의 연구 팀, 임상 적용 시 MA를 사용하는 복수의 IE 또는 둘 다로부터 입력을 수신하고, 이러한 데이터를 별도로 식별/태그 지정하고, 적어도 일부 분석 동작에서 이러한 데이터를 사용한다(양태 113).
추가 양태는 양태 87-113 중 임의의 하나 이상에 따른 시스템이며, 여기서 NDS는 적어도 부분적으로 사용자 역할에 기초하여 복수의 GUI 방식/디스플레이 유형을 포함하는 MA/OND의 복수의 GUI에 MA-D, 분석 또는 둘 다를 전달하며, 이러한 사용자 역할은 독립적인 연구 팀 구성원, 시스템 소유자 장치 판매 또는 임대 판촉 대리인, IE 사용자 또는 관리자, 시스템 소유자 임상 또는 의료 지원 팀 직원, 및 시스템 소유자 시스템 분석가를 포함한다(양태 114).
다른 양태에서, 본 발명은 양태 87-114 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 NDS CEI는 MA-D, 분석 또는 둘 모두에 하나 이상의 알람 트리거링 조건이 존재하는 것을 기반으로 MA, OND 또는 둘 모두에 하나 이상의 알람이 등록되도록 하는 명령어를 포함하며, 이러한 조건은 NDS 레벨, MA/OND 레벨, 또는 둘 다에서 프로그래밍 가능하다(양태 115).
일 양태에서, 양태 87-115 중 임의의 하나 이상에 설명된 것과 같은 방법이 제공되며, 여기서 일부, 대부분의 또는 모든 MA는 MA에서 금지된 탬퍼링이 발생하는 경우 NDS에 신호를 보내는 탬퍼링 방지 검출 기능을 포함한다.
일 양태에서, 본 발명은 양태 87-116 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, MA-D는 MA(MA 컴포넌트/화면 등), MA 환경 또는 둘 다의 이미지와 비-이미지 센서 데이터를 포함한다(양태 117).
다른 양태에서, 본 발명은 양태 87-117 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 NDS 메모리 또는 그 컴포넌트(예를 들어, 데이터 레이크/향상된 데이터 레이크)는 예를 들어 (a) MA-D 또는 둘 모두; (b) 큐레이트된 데이터, 스코어링된 데이터 또는 둘 다; (c) 시스템 테스트 데이터; (d) 발신 데이터/출력; 또는 (e) (a)-(d) 중 임의의 또는 전부의 조합의 저장, 사용 및 액세스를 관리하는 별도의 거버넌스 구역을 포함한다(양태 118).
일 양태에서, 양태 87-118 중 임의의 하나 이상에 설명된 것과 같은 방법이 제공되며, 여기서 NDS는 (a) 국가의 MD에 대한 데이터, (b) 국가별 데이터 거버넌스 규칙, 및 (c) 선택적으로 동시에 동작되고, 리소스를 공유하는 등 하나 이상의 다른 NDS와 공유되는 시스템 동작/블루프린트 지침/엔진(들)을 포함한다(양태 119).
다른 양태에서, 본 발명은 양태 87-119 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 MA 중계 패킷은 시퀀싱 정보를 포함하고, NDS는 MA-CD의 시간 컴포넌트를 분석하고 비연대순으로 수신된 MA-CD를 재시퀀싱하는 엔진/유닛(기능 수행)을 포함한다(양태 120).
다른 양태에서, 본 발명은 양태 87-120 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 하나 이상의 NDS 기능은 반복당 적어도 20초, 30초, 40초, 60초, 90초, 120초 또는 180초의 MA-D(예를 들어, 30-300초의 데이터, 40-120초의 데이터 또는 25-100초의 데이터)에 대한 MA-D의 모음 및 MLM 분석과 같은 분석에 사용하기에 적합한지 결정하기 위한 이러한 모음(들)의 분석을 기반으로 한다(양태 121).
다른 양태에서, 본 발명은 양태 87-121 중 임의의 하나 이상에 따른 방법을 제공하며, 여기서 NDS는 설정된 시간 동안(예를 들어, 1-10초마다, 2-12초마다, 2-8초마다, 3-6초마다 또는 ~5초마다) 수신된 예상되는 데이터 패킷 양(예를 들어, 2-100개, 5-100개, 5-75개, 5-80개, 5-50개, 5-25개 또는 5-80개의 MA-D 패킷)의 수집을 기반으로 하는 데이터 수집 프로세스/엔진을 포함하고, NDS는 데이터 충족 요구 사항/콘텐트 규칙을 준수하기 위해 수집이 완료되기 전에 수집을 선택적으로 분석하고, NDS는 임의의 유효성 검사 규칙 위반이 발생하면 데이터 수집을 다시 시작한다(양태 122).
다른 양태에서, 본 발명은 양태 121 또는 양태 122에서 설명된 것과 같은 방법을 제공하며, 여기서 MA-D 수집 분석을 위한 MA-D 수집 사이클은 NDS가 출력을 MA, ONDI 또는 둘 다에 중계하거나 MA가 MA-D를 NDS로 중계하는 적어도 한 기간보다 적어도 약 100배, 적어도 약 250배, 적어도 약 500배, 또는 적어도 약 1,000배 더 길다(양태 123).
추가 양태는 양태 87-123 중 임의의 하나 이상에 따른 방법이며, 여기서 NDS는 비-임상 동작 모드에 있는 MA를 검출할 수 있다(양태 124).
추가 양태는 양태 124에 따른 방법이며, 여기서 방법은 이러한 MA를 네트워크에 통합하기 전에 비-임상 동작 모드 MA에 대한 네트워크 스케일러빌리티 테스트를 수행하는 단계를 포함한다(양태 125).
일 양태에서, 본 발명은 양태 87-125 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 MA 중 적어도 일부는 동작 시 적어도 일부 시간에 RT-MA-D를 무선 통신 프로토콜에 의해 NDS로 전송하는 모바일 MA이다(양태 126).
다른 양태에서, 본 발명은 양태 87-126 중 임의의 하나 이상에서 설명된 것과 같은 방법을 제공하며, 여기서 MA 중 적어도 일부는 별도의 보안 구역이 적용되는 2개 이상의 컴포넌트를 포함한다(양태 127).
다른 양태에서, 본 발명은 양태 127에 설명된 것과 같은 방법을 제공하며, 여기서 MA 중 적어도 일부는 중요한 생명 유지 시스템 치료 기능을 제공하는 매우 제한된 치료 적용 컴포넌트를 포함하고, 물리적 탬퍼링 방지 보호를 포함하며, 국소적으로만 수정 가능한 MA CEI를 포함한다(양태 128).
일 양태에서, 본 발명은 양태 87-128 중 임의의 하나 이상에 설명된 것과 같은 방법을 제공하며, 여기서 MA 중 적어도 일부는 시스템 업데이트 가용성을 수신할 수 있는 처리 유닛을 포함하는 환자 모니터링 컴포넌트를 포함하지만 NDS에 전달된 풀 요청을 통해서만 수정 가능한 MA CEI도 포함한다(양태 129).
다른 양태는 양태 87-129 중 임의의 하나 이상에 따른 방법을 수행하는 방법이며, 여기서 방법은 NDS의 엔진/유닛(예를 들어, 스트리밍 데이터 프로세서)에 의해 수신된 유입 데이터에 대한 초기 분석을 수행하는 단계 및 제어 컴포넌트/유닛이 초기 분성을 기반으로 MA, ONDI 또는 둘 다에 하나 이상의 동작을 전달하도록 하는 단계를 포함하며, 초기 분석은 향상된 데이터 레이크와 같은 NDS 메모리 데이터 저장소로 MA-D가 완전히 수집되기 전에 발생한다(양태 130).
본 발명의 추가 양태는 의료 장치 및 제어 시스템으로서, (1) 원격 제어 가능하고 인터넷 연결 가능한 여러 개(예를 들어, 25개 이상, 50 또는 ~100개 이상)의 의료 장치(MA)에 대한 액세스로서, MA(들)은 (I) 피험자 데이터를 감지하기 위한 피험자 센서 수단 및 센서 데이터를 인터넷 전송 가능한 데이터(MA-D)로 변환하고 선택적으로 치료 작업 수단을 수행하는 센서 데이터 변환 수단을 포함하는, 상기 액세스, (II) 동작 시이거나 온라인일 때 보안 인터넷 데이터 통신을 통해 반비정형의 MA-D를 실질적으로 지속적인 방식으로 스트리밍하기 위한 수단, (III) 캐싱된 MA-D를 수집하고 전자 데이터를 포함하는 수단(MA 메모리)에 이러한 MA-D를 저장하는 수단을 포함하고, (IV) MA와 네트워크 사이의 통신 상태를 감지하기 위한 수단; 및 (V) 미리 프로그래밍된 조건(들) 또는 이벤트(들) 발생 시 캐시된 MA-D를 중계하기 위한 수단을 포함하는, 상기 액세스; (2) (I) 향상된 데이터 레이크(EDL) 아키텍처를 포함하는 데이터를 저장하고 EDL 호환 데이터 입력 수집 프로세스를 적용하기 위한 수단, (II) 스트리밍 및 캐시된 MA 데이터를 처리하고, MAC-DMS 데이터 저장 수단에 저장된 데이터에 대해 자동 및 온디맨드 2차 분석을 수행하는 대규모 병렬 처리 수단, (III) 분석 데이터, MA에서 수행되는 출력 애플리케이션에 대한 명령어, 또는 둘 모두를 생성하기 위한 MAC-DMS 데이터 저장 수단의 데이터를 분석하기 위한 분석 처리 수단, 및 (IV) 분석 데이터, 출력 애플리케이션 또는 둘 다를 중계하기 위한 수단을 포함하는 NDS(예를 들어, MAC-DMS); 및 (3) 각각 프로세서 수단과 디스플레이 수단을 포함하는 여러(예를 들어, ~10개 이상, ~20개 이상 또는 ~100개 이상) OND/ONDI로서, 각각 및 이러한 사용자 클래스는 (I) MA와 상호 작용하고 PHI에 접근할 권한이 있는 HCP 및 (II) MA와 직접 상호 작용하지 않고 PHI 수신에 대한 제한이 적용되는 상용 사용자를 포함하며; 출력 애플리케이션은 MA의 하나 이상의 기능의 동작을 제어하고 동시에 그리고 개별적으로 MA-D의 분석에 기초하여 분석 데이터 출력을 상용 클래스 사용자와 관련된 OND 중 적어도 일부에 중계한다(양태 131).
기능 수행을 위한 수단 또는 단계를 포함한 추가 양태
본 발명의 일부 양태는 (1) 기능 및 (2) 시스템/장치(들)의 "수단" 또는 기능을 수행하기 위한 방법의 "단계"와 관련하여 설명되며, 이러한 수단에는 인영된 모든 수단 또는 단계와 당업계의 등가물이 포함된다는 취지로 설명된다. 독자를 돕기 위해, 기능 수행을 위한 선택 수단/단계를 지원하기 위한 예시적인 설명 또는 참조(들)가 여기에 제공되지만, 기능 수행을 위한 다양한 수단/단계에 대한 추가 지원이 본원의 다른 곳에서 제공된다는 것이 인식될 것이다.
예를 들어, 피험자의 생리학적 상태를 감지하기 위한 수단(센서 데이터를 수집하기 위한 단계)은 예를 들어 단락 [0139] - [0144] 등에 제공된다. 적절한/적합한 데이터 연결이 이용 가능한지 평가하는 수단은 예를 들어 단락 [0160] 등에 설명되어 있다. 데이터 입력 수단/입력 수단/입력 단계(데이터를 수신하기 위한 수단)는 예를 들어 단락 [0254] - [0286](NDS 입력 유닛/방법에 중점을 둠) 및 단락 [0169](MA 입력 유닛(들)에 중점을 둠)에 설명되어 있다. 데이터를 중계/전송하기 위한 단계/수단은 예를 들어 단락 [0158] - [0168](MA 릴레이 유닛/방법에 중점을 둠) 및 단락 [0326] - [0337](NDS 릴레이 유닛/방법에 중점을 둠)에 제공된다. 데이터 개선 수단; 데이터를 개선하기 위한 수단/단계는 예를 들어 단락 [0320] [0307] - [0328]에 제공된다.
CEI/코드 및 데이터를 판독/해석하기 위한 수단/단계는 예를 들어 단락 [0153] - [0157](MA 프로세서에 중점을 둠) 및 단락 [0234] - [0250](NDS 프로세서에 중점을 둠)에 제공된다. 시스템 데이터(예를 들어, MA-D)를 분석하기 위한 수단/단계는 예를 들어 단락 [0293] - [0306] 및 단락 [0369] - [0389] 등에 제공된다. 캐시 데이터를 분석하고 RT-MAD와 결합하기 위한 수단/단계는 예를 들어 단락 [0260] - [0271] 등에 제공된다.
메모리 수단; 데이터를 저장하기 위한 수단/단계는 예를 들어 단락 [0152](MA 메모리에 중점을 둠) 및 단락 [0199] - [0233](NDS 메모리에 중점을 둠)에 제공된다. EDL 및 DL은 비정형 또는 반비정형 데이터를 저장하기 위한 수단/단계로 간주될 수 있다. JSON 파일 포맷과 같은 SUMAD를 기록하기 위한 수단은 예를 들어 단락 [0234] 또는 단락 [0259] 또는 단락 [0361] 등에 제공된다. 데이터 스트림을 처리하기 위한 수단(스트리밍 데이터를 처리하기 위한 단계)은 예를 들어 단락 [0278] - [0280], 단락 [0292] 또는 단락 [0364] 또는 단락 [0367] 등에 제공된다.
정보의 기밀성을 보호하기 위한 수단/단계(예를 들어, 본원에 개시된 암호화 방법 및 그 등가물 방법 사용), 착신 데이터를 제한하기 위한 수단(예를 들어, 본원에 설명된 방화벽 및 그 등가물 사용)과 같은 기타 기능의 수단/단계에 대한 설명/지원도 본원에 제공된다.
Claims (16)
- 데이터 네트워크에서 의료 장치 및 기타 장치의 동작을 제어하기 위한 컴퓨터 구현 방법에 있어서,
(1)데이터 네트워크를 제공하는 단계로서, 상기 데이터 네트워크는,
(a) 적어도 10개의 원격-제어 가능하고, 선택적으로 동작 가능하고, 인터넷으로 연결된 의료 장치로서, 상기 적어도 10개의 의료 장치 각각은 (I) 하나 이상의 생리학적 상태에 관한 정보를 프로세서 판독 가능 의료 장치 데이터(MA-D)로 변환하는 상기 의료 장치와 동작 가능하게 연관된 임의의 환자의 하나 이상의 환자 관련 생리학적 상태를 검출하는 하나 이상의 센서로서, 상기 MA-D는 미리 설정된 반정형 데이터 포맷을 준수하는 MA-D를 포함하는, 상기 하나 이상의 센서, (II) 보안 인터넷 데이터 통신을 통해 데이터를 선택적으로 중계하는 출력 엔진, (III) MA-D를 선택적으로 저장하고, MA-D를 분석 및 중계하고, 상기 의료 장치와 상기 네트워크 사이의 상기 연결을 평가하기 위한 프로세서 실행 가능 명령어를 포함하는 의료 장치 메모리 컴포넌트, 및 (IV) 상기 의료 장치 메모리 컴포넌트의 명령어를 실행하는 의료 장치 프로세서를 포함하는, 상기 의료 장치,
(b) 의료 장치 컨트롤러 및 데이터 관리 시스템("MAC-DMS")으로서, (I) 컴퓨터 판독 가능 명령어를 판독하여 데이터를 분석하고 하나 이상의 기능을 수행하는 MAC-DMS 프로세서, (II) 스트리밍 데이터 처리 엔진, (III) 캐시 MA-D 처리 엔진, (IV) 분석 엔진, 및 (V) 프로세서 실행 가능 명령어 및 하나 이상의 데이터 저장소를 포함하는 MAC-DMS 메모리 컴포넌트로서, 상기 하나 이상의 데이터 저장소는 서로 다른 액세스 조건 하에서 개별적으로 상기 MA-D의 적어도 일부 및 상기 분석 데이터의 적어도 일부를 저장하는 향상된 데이터 레이크를 포함하는, 상기 MAC-DMS 메모리 컴포넌트를 포함하는, 상기 MAC-DMS, 및
(c) 적어도 3개의 다른 네트워크 장치로서, 각 다른 네트워크 장치는 (I) (A) 프로세서, (B) 메모리 컴포넌트, 및 (C) 원격 제어 가능 그래픽 사용자 인터페이스를 포함하고, (II) 적어도 하나의 사용자 클래스에 할당된 사용자와 연관되며, 사용자 클래스는 (A) 환자 보호 건강 정보에 액세스할 권한이 있는 헬스 케어 제공자 및 (B) 환자 보호 건강 정보의 수신이 제한되는 상용 사용자를 포함하는, 상기 적어도 3개의 다른 네트워크 장치를 포함하는, 상기 제공하는 단계;
(2) 동작중인 각 의료 장치가 상기 의료 장치와 연관된 상기 환자로부터 센서 데이터를 반복적으로 수집하도록 하는 단계;
(3) 동작중인 각 의료 장치가 보안 네트워크 연결이 가능한지 여부를 자동으로 반복적으로 평가하도록 하는 단계, 및
(a) 안전하고 안정적인 네트워크 연결이 가능한 경우, MA-D를 포함하는 데이터를 보안 인터넷 데이터 통신을 통해 실질적으로 지속적인 방식으로 상기 MAC-DMS에 자동으로 중계하는 단계, 또는
(b) 안전하고 안정적인 네트워크 연결이 가능하지 않은 경우, (I) 안전하고 안정적인 네트워크 연결이 가능해질 때까지 MA-D를 상기 의료 장치 메모리 컴포넌트에 캐시 MA-D로 저장하고, (II) 안전하고 안정적인 네트워크 연결이 가능해지면 보안 인터넷 데이터 통신을 통해 상기 캐시 MA-D를 상기 MAC-DMS로 중계하는 단계;
(4) 상기 MAC-DMS 프로세서가 상기 스트리밍 데이터 처리 엔진을 자동으로 사용하도록 하여,
(a) 상기 중계된 스트리밍 MA-D를 수신하고,
(b) 상기 중계된 스트리밍 MA-D에 대한 초기 분석을 수행하고,
(c) 상기 초기 분석이 상기 스트리밍 중계 MA-D에서 하나 이상의 미리 프로그래밍된 조건을 식별하는 경우 미리 프로그래밍된 제한된 초기 기능 세트 중 하나 이상을 수행하되, 이 초기 기능은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치, 또는 둘 다의 동작을 제어하기 위한 명령어를 중계하는 것을 포함하는 단계;
(5) 상기 MAC-DMS 프로세서가 상기 캐시 MA-D 프로세서를 사용하여,
(a) 캐시 MA-D가 의료 장치로부터 상기 MAC-DMS로 중계될 때 캐시 MA-D를 수신하고,
(b) 상기 수신된 캐시 MA-D가 상기 분석 엔진에 의한 분석, 상기 하나 이상의 데이터 저장소 중 적어도 하나에 저장, 또는 둘 모두에 적합한지 여부를 결정하는 단계;
(6) 상기 MAC-DMS 프로세서가 상기 향상된 데이터 레이크에 상기 MA-D의 적어도 일부를 자동으로 저장하도록 하는 단계;
(7) 상기 MAC-DMS 프로세서가 상기 분석 엔진을 사용하여 사용자의 요청 시, 미리 프로그래밍된 조건의 발생 시, 또는 두 가지 모두에 따라 상기 향상된 데이터 레이크에 저장된 MA-D에 대해 하나 이상의 분석 기능을 수행하도록 하는 단계;
(8) 상기 MAC-DMS 프로세서가 보안 인터넷 통신을 통해 하나 이상의 출력을 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 둘 다에 중계하도록 하는 단계로서, 상기 하나 이상의 출력은,
(a) 분석 데이터 출력,
(b) (I) 상기 데이터 네트워크의 상기 의료 장 중 하나 이상에 있는 하나 이상의 의료 장치 기능, (II) 상기 데이터 네트p의 상기 다른 네트워크 장치 중 하나 이상에 있는 하나 이상의 다른 네트워크 장치 기능, 또는 (III) (I)와 (II) 둘 모두의 동작을 제어하는 명령어를 포함하는 하나 이상의 출력 애플리케이션, 또는
(c) (a)와 (b)의 조합을 포함하는, 상기 중계하도록 하는 단계를 포함하는, 방법. - 제1항에 있어서, 상기 방법은 의료 장치의 수신된 캐시 MA-D가 상기 동일한 의료 장치의 수신된 스트리밍 MA-D와 결합 가능한지 여부를 평가하도록 하는 단계, 및 상기 MAC-DMS가 상기 캐시 MA-D와 스트리밍 MA-D가 결합 가능하다고 결정하는 경우, 상기 스트리밍 MA-D와 캐시 MA-D를 결합하여 혼합 MA-D 데이터 세트를 형성하는 단계를 포함하며, 상기 분석 엔진에 의해 분석된 상기 MA-D는 상기 혼합 MA-D 데이터 세트를 포함하는, 방법.
- 제1항에 있어서,
(1) 상기 하나 이상의 출력 애플리케이션은,
(a) 특정 의료 장치에 의해 수행된 하나 이상의 치료 작업,
(b) 특정 의료 장치에 의해 수행된 하나 이상의 예방 작업, 또는
(c) 상기 특정 의료 장치에 의해 수행된 하나 이상의 치료 작업 및 하나 이상의 예방 작업 둘 다를 제어하기 위한 의료 장치별 명령어를 포함하고;
(2) 상기 특정 의료 장치가 상기 하나 이상의 출력 애플리케이션을 수신하고, 해석하고, 실행하며;
(3) 상기 특정 의료 장치가 상기 수신된 하나 이상의 출력 애플리케이션에 기초하여 환자 케어의 하나 이상의 조건을 변경하는, 방법. - 제1항에 있어서, 상기 하나 이상의 출력 애플리케이션의 생성은,
(1) 하나 이상의 의료 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해,
(a) 하나 이상의 권장 의료 지침,
(b) 의료 장치, 환자 또는 둘 모두와 관련된 분석 데이터로서, 상기 분석 데이터는 환자 보호 건강 정보를 포함하는, 상기 분석 데이터, 또는
(c) (a)와 (b) 둘 다를 포함하는 제1 표현을 생성하는 단계;
(2) 하나 이상의 그래픽 사용자 인터페이스에 디스플레이하기 위해 상기 제1 표현을 상기 하나 이상의 의료 장치로 중계하는 단계;
(3) 하나 이상의 다른 네트워크 장치의 그래픽 사용자 인터페이스에 디스플레이하기 위해, 임의의 환자 보호 건강 정보가 전혀 없는 분석 데이터를 포함하는 제2 표현을 생성하는 단계; 및
(4) 하나 이상의 그래픽 사용자 인터페이스에 디스플레이하기 위해 상기 제2 표현을 하나 이상의 다른 네트워크 장치로 중계하는 단계를 포함하며, 단계 (1)-(4)는 1분 미만 내에 수행되는, 방법. - 제4항에 있어서,
(1) 상기 하나 이상의 데이터 저장소는 제1 관계형 데이터베이스를 더 포함하고,
(2) 상기 방법은 (a) 분석 출력 데이터로부터 제1 정형 데이터세트 데이터를 생성하는 단계, 및 (b) 상기 제1 정형 데이터세트 데이터를 상기 제1 관계형 데이터베이스에 저장하는 단계를 포함하고;
(3) 상기 하나 이상의 데이터 저장소는 제2 관계형 데이터베이스를 포함하고,
(4) 상기 방법은 (a) 분석 데이터를 얻기 위해 상기 향상된 데이터 레이크의 데이터에 대해 하나 이상의 분석 기능을 수행하는 단계, (b) 선택적으로 상기 제1 관계형 데이터베이스에 포함된 데이터와 결합하여 이러한 분석 데이터로부터 제2 정형 데이터세트 데이터를 생성하는 단계, 및 (c) 상기 제2 정형 데이터세트 데이터를 상기 제2 관계형 데이터베이스에 저장하는 단계를 포함하는, 방법. - 제5항에 있어서, 상기 방법은,
(1) 먼저,
(a) 상기 제1 관계형 데이터베이스에 저장된 데이터 품질에 관한 제3 표현을 준비하고, 상기 제1 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, 상기 제3 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 상기 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 상기 그래픽 사용자 인터페이스로 중계하는 단계,
(b) 상기 제2 관계형 데이터베이스에 저장된 데이터 품질에 관한 제4 표현을 준비하고, 상기 제2 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, 상기 제4 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 상기 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 상기 그래픽 사용자 인터페이스로 중계하는 단계, 또는
(c) (I) 상기 제1 관계형 데이터베이스에 저장된 데이터 품질에 관한 제3 표현을 준비하고, 상기 제1 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, (II) 상기 제3 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 상기 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 상기 그래픽 사용자 인터페이스로 중계하는 단계, (III) 상기 제2 관계형 데이터베이스에 저장된 데이터 품질에 관한 제4 표현을 준비하고, 상기 제2 관계형 데이터베이스에 입력하거나, 두 가지 모두를 수행하고, (IV) 상기 제4 표현을 하나 이상의 시스템 관리자 사용자와 연관되는 상기 데이터 네트워크에 있는 하나 이상의 다른 네트워크 장치의 상기 그래픽 사용자 인터페이스로 중계하는 단계; 및
(2) 이후, 상기 제3 표현, 상기 제4 표현 또는 둘 모두에 의해 표현된 데이터 품질이 제1 관계형 데이터베이스 데이터, 제2 관계형 데이터베이스 데이터 또는 둘 모두의 품질 부족을 나타내는 경우 상기 MAC-DMS 메모리의 하나 이상의 명령어에 하나 이상의 수정 사항을 적용하는 단계를 포함하는, 방법. - 제1항에 있어서, 상기 의료 장치 중 임의의 하나 이상은 하나 이상의 다중-구역 의료 장치(MZMA)를 포함하고, 각 MZMA는 둘 이상의 개별 구역을 포함하며,
(1) 각 구역은 적어도 하나의 다른 구역의 상기 프로세서에 의해 처리되지 않은 적어도 일부의 MA-D를 처리하는 별도의 프로세서를 포함하고;
(2) 각 구역은,
(a) 서로 다른 센서로부터 정보를 수신하거나,
(b) 서로 다른 치료 또는 예방 의료 작업을 수행하거나,
(c) 서로 다른 센서로부터 정보를 수신하고 서로 다른 치료 또는 예방 의료 작업을 수행하거나,
(d) (a)-(c) 중 일부 또는 전부 또는 조합을 수행하며,
적어도 하나의 구역은 상기 MZMA의 적어도 하나의 다른 구역과 상기 데이터 네트워크의 하나 이상의 다른 부분과 다른 레벨의 상호작용을 받도록 구성되는, 방법. - 제7항에 있어서, 상기 하나 이상의 MZMA 중 적어도 하나의 적어도 하나의 구역은 치료 의료 작업의 적용과 연관되고 상기 데이터 네트워크와 직접 통신하지 않도록 구성되는, 방법.
- 제8항에 있어서, 상기 하나 이상의 MZMA 중 적어도 하나의 구역은,
(1) 치료 의료 작업, 예방 작업 또는 둘 다의 적용과 연관되고;
(2) 상기 MAC-DMS와 통신하고;
(3) 상기 MAC-DMS로부터 미리 설정된 유형의 입력만을 허용하며;
상기 운영 체제, 소프트웨어 또는 상기 적어도 하나의 MZMA 중 상기 적어도 하나의 구역에 입력된 MAC-DMS의 승인된 형태에 대한 변경은 승인된 운영자로부터의 로컬 승인을 필요로 하는, 방법. - 제1항에 있어서, 상기 방법은 상기 MAC-DMS가 자동으로,
(1) 데이터 수집 기간 동안 MA-D를 수집하여 데이터 모음을 형성하고;
(2) 상기 데이터 모음이 하나 이사의 미리 프로그래밍된 표준에 따라 분석에 적합한지를 평가하고;
(3) 상기 데이터 모음이 분석에 적합한 경우, 상기 데이터 모음을 데이터 집계에 추가하고,
(4) 완전한 데이터 집계를 형성하기 위해 적어도 10개의 데이터 모음의 인스트턴스가 상기 데이터 집계에 추가될 가지 단계 (1)-(3)을 반복하도록 하며;
(5) 임의의 데이터 모음의 인스턴스가 상기 완전한 데이터 집계가 형성되기 전에 적합하지 않은 것으로 결정되는 경우, 상기 방법은 불완전한 데이터 집계를 폐기하고 상기 방법을 다시 시작하는 단계를 포함하며;
(6) 완전한 데이터 집계가 형성된 경우, 상기 방법은 상기 완전한 데이터 집계를 포함하는 데이터에 대한 하나 이상의 분석 기능을 수행하는 단계를 더 포함하는, 방법. - 제1항에 있어서,
(1) 상기 데이터 네트워크의 상기 의료 장치는 적어도 3개의 서로 다른 독립적인 엔티티에 의해 소유되고;
(2) 하나 이상의 다른 네트워크 장치의 적어도 하나의 사용자는 상용 클래스 사용자이고 상기 MAC-DMS의 소유자와 법적으로 연관되고;
(3) 상기 하나 이상의 상용 클래스 사용자와 연관된 하나 이상의 다른 네트워크 장치에 제공된 상기 분석 데이터 출력은,
(a) 복수의 독립적인 엔티티에 의해 소유된 의료 장치 모음으로부터 생성된 데이터를 포함하고,
(b) MAC-DMS-식별된 독립적인 엔티티 기밀 정보의 하나 이상의 클래스를 제외하는, 방법. - 제1항에 있어서,
(1) 상기 의료 장치는 적어도 두 개의 서로 다른 의료 장치 유형을 포함하고, 상기 의료 장치 유형은 하나 이상의 폐 치료 작업을 수행하는 제1 의료 장치 유형 및 하나 이상의 심혈관 치료 작업을 수행하는 제2 의료 장치 유형을 포함하고;
(2) 상기 방법은 상기 제1 의료 장치 유형과 상기 제2 의료 장치 유형 둘 모두로부터 수신된 MA-D에 기계 학습 모듈을 적용하여 상기 의료 장치에 의해 수행되는 상기 치료 작업과 관련된 예측된 환자별 생리학적 파라미터를 생성하는 단계, 및 이러한 예측된 환자별 생리학적 파라미터를 상기 두 개의 서로 다른 의료 장치 유형 중 하나 또는 둘 모두의 의료 장치, 다른 네트워크 장치, 또는 이들의 조합으로 전달하는 단계를 포함하는, 방법. - 제1항에 있어서,
(1) 사용자 클래스는 하나 이상의 연구 사용자 클래스를 포함하고;
(2) 상기 데이터 네트워크에 있는 하나 이상의 의료 장치는 상기 하나 이상의 연구 사용자 클래스의 하나 이상의 사용자와 연관되고;
(3) 상기 방법은,
(a) 상기 MAC-DMS가 상기 연구 사용자 관련 의료 장치 중 적어도 일부로부터 입력을 수신하고,
(b) 상기 MAC-DMS가 상기 연구 사용자 관련 의료 장치 중 적어도 일부로부터의 MA-D를 헬스 케어 제공자와 관련된 의료 장치로부터 획득한 MA-D와 결합하여 혼합 데이터 세트를 형성하고,
(c) 상기 MAC-DMS가 상기 혼합 데이터 세트에 적어도 부분적으로 기초하여 하나 이상의 분석 엔진 기능을 수행하는 것을 포함하는, 방법. - 제1항에 있어서,
(1) 상기 MAC-DMS는 (a) 데이터 콘텐트 요구 사항을 부과하거나; (b) 데이터 포맷 요구 사항을 부과하거나; (c) 하나 이상의 미리 프로그래밍된 요구 사항에 따라 MA-D를 전송하거나, (d) (a)-(d) 중 임의의 또는 전부의 조합을 수행하여, 상기 향상된 데이터 레이크에 저장된 실질적으로 모든 MA-D 데이터세트는 의료 장치 소스 식별 정보, MA-D 유형 정보 및 하나 이상의 센서 도출 생리학적 파라미터 데이터 세트를 포함하며, 이들 각각은 미리 프로그래밍된 MAC-DMS 인식 가능한 표준 포맷으로 제공되고;
(2) 상기 향상된 데이터 레이크는 그 내부에 저장된 MA-D 데이터세트, 분석 데이터, 또는 둘 모두의 소스 또는 콘텐트를 기반으로 하는 서로 다른 데이터 거버넌스 구역을 포함하는, 방법. - 제1항에 있어서,
(1) 하나 이상의 출력 애플리케이션은 하나 이상의 의료 장치, 하나 이상의 다른 네트워크 장치 또는 그 조합에 등록된 하나 이상의 알람의 제공을 포함하고;
(2) 상기 하나 이상의 알람에 대한 트리거링 파라미터, 통신 파라미터, 반복 파라미터 또는 이들 중 임의의 또는 전부의 조합은,
(a) 로컬 의료 장치 레벨, 로컬 기타 네트워크 장치 레벨 또는 둘 다에서 설정하거나,
(b) 의료 장치 유형, 환자 유형, 사용자 유형 또는 이들 중 임의의 또는 전부의 조합에서 설정하거나,
(c) (a)와 (b) 둘 보두에 따라 설정되는, 방법. - 제11항에 있어서,
(1) 상기 하나 이상의 출력 애플리케이션은,
(a) 하나 이상의 규제 당국에 의해 SaMD(software as a medical device)로 규제되는 하나 이상의 출력 애플리케이션, 및
(b) SaMD로 규제되지 않는 하나 이상의 출력 애플리케이션을 포함하고;
(2) 상기 방법은 상기 하나 이상의 SaMD 애플리케이션이 상기 MAC-DMS 메모리에 저장된 프로세서 판독 가능 명령어에 기록된 하나 이상의 규제 요구 사항을 준수하도록 보장하기 위해, 하나 이상의 데이터 변환, 데이터 큐레이션 프로세스, 데이터 유효성 검사 확인 또는 이들 중 임의의 또는 모두의 조합을 포함하는, 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163134951P | 2021-01-07 | 2021-01-07 | |
| US63/134,951 | 2021-01-07 | ||
| US17/484,760 | 2021-09-24 | ||
| US17/484,760 US20220215948A1 (en) | 2021-01-07 | 2021-09-24 | Network-based medical apparatus control and data management systems |
| PCT/US2022/011506 WO2022150523A1 (en) | 2021-01-07 | 2022-01-06 | Network-based medical apparatus control and data management systems |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230142486A true KR20230142486A (ko) | 2023-10-11 |
Family
ID=82218776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237026367A KR20230142486A (ko) | 2021-01-07 | 2022-01-06 | 네트워크 기반 의료 장치 제어 및 데이터 관리 시스템 |
Country Status (10)
| Country | Link |
|---|---|
| US (2) | US20220215948A1 (ko) |
| EP (1) | EP4271256A1 (ko) |
| JP (1) | JP2024504060A (ko) |
| KR (1) | KR20230142486A (ko) |
| CN (1) | CN116963662A (ko) |
| AU (1) | AU2022205948A1 (ko) |
| CA (1) | CA3207484A1 (ko) |
| DE (1) | DE112022000538T5 (ko) |
| IL (1) | IL304194A (ko) |
| WO (1) | WO2022150523A1 (ko) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11887705B2 (en) * | 2016-12-02 | 2024-01-30 | Ilya Aronovich | Apparatus, system and method for patient-authorized secure and time-limited access to patient medical records utilizing key encryption |
| ES2921983T3 (es) * | 2018-03-16 | 2022-09-05 | Acklio | Método y aparato para procesar datos de mensaje |
| US11640282B2 (en) * | 2019-10-24 | 2023-05-02 | Here Global B.V. | Method, apparatus, and system for providing a broker for data modeling and code generation |
| US11694018B2 (en) * | 2021-01-29 | 2023-07-04 | Salesforce, Inc. | Machine-learning based generation of text style variations for digital content items |
| US20230245156A1 (en) * | 2021-04-16 | 2023-08-03 | Strong Force Vcn Portfolio 2019, Llc | Autonomous Smart Contract Execution Platform |
| US11941151B2 (en) * | 2021-07-16 | 2024-03-26 | International Business Machines Corporation | Dynamic data masking for immutable datastores |
| US11791049B2 (en) * | 2021-11-03 | 2023-10-17 | A Little Cold Gel, Llc | Methods and systems for detecting intravascular device failure |
| US20230205906A1 (en) * | 2021-12-28 | 2023-06-29 | Capital One Services, Llc | Identification of sensitive content in electronic mail messages to prevent exfiltration |
| US20230344834A1 (en) * | 2022-04-21 | 2023-10-26 | Cisco Technology, Inc. | User role-driven metadata layers in a data mesh |
| CN115033908B (zh) * | 2022-08-11 | 2022-10-21 | 西南石油大学 | 基于云存储的油气勘探细粒度密态数据的检索方法 |
| US20240053712A1 (en) * | 2022-08-12 | 2024-02-15 | Fisher-Rosemount Systems, Inc. | Systems, apparatus, articles of manufacture, and methods for an application marketplace for process control systems |
| CN117234697B (zh) * | 2023-11-16 | 2024-02-06 | 中国人民解放军国防科技大学 | 一种保守时间同步并行事件调度计算架构和方法 |
| CN117312296B (zh) * | 2023-11-29 | 2024-02-20 | 山东街景智能制造科技股份有限公司 | 一种多平台协作的数据处理方法 |
| CN117370767B (zh) * | 2023-12-07 | 2024-02-27 | 四川经科企业管理服务有限公司 | 基于大数据的用户信息评估方法及系统 |
| CN117423428B (zh) * | 2023-12-18 | 2024-02-13 | 西南医科大学附属医院 | 一种基于数据分析的麻醉药剂输送智能管理系统及方法 |
Family Cites Families (53)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6400996B1 (en) * | 1999-02-01 | 2002-06-04 | Steven M. Hoffberg | Adaptive pattern recognition based control system and method |
| US5826260A (en) | 1995-12-11 | 1998-10-20 | International Business Machines Corporation | Information retrieval system and method for displaying and ordering information based on query element contribution |
| GB9925741D0 (en) | 1999-10-30 | 1999-12-29 | Ibm | Interaction with database reports |
| US9223868B2 (en) | 2004-06-28 | 2015-12-29 | Google Inc. | Deriving and using interaction profiles |
| US9177124B2 (en) | 2006-03-01 | 2015-11-03 | Oracle International Corporation | Flexible authentication framework |
| US8661029B1 (en) | 2006-11-02 | 2014-02-25 | Google Inc. | Modifying search result ranking based on implicit user feedback |
| US8655939B2 (en) * | 2007-01-05 | 2014-02-18 | Digital Doors, Inc. | Electromagnetic pulse (EMP) hardened information infrastructure with extractor, cloud dispersal, secure storage, content analysis and classification and method therefor |
| US7996392B2 (en) | 2007-06-27 | 2011-08-09 | Oracle International Corporation | Changing ranking algorithms based on customer settings |
| EP2266081A1 (en) * | 2008-03-10 | 2010-12-29 | Ubs Ag | Methods and systems for group data management and classification |
| ATE556729T1 (de) * | 2008-08-05 | 2012-05-15 | Michigan Critical Care Consultants Inc | Gerät und verfahren zur überwachung und kontrolle des extrakorporalen blutflusses relativ zum flüssigkeitsstatus eines patienten |
| US20100138411A1 (en) | 2008-11-30 | 2010-06-03 | Nexidia Inc. | Segmented Query Word Spotting |
| US10437962B2 (en) * | 2008-12-23 | 2019-10-08 | Roche Diabetes Care Inc | Status reporting of a structured collection procedure |
| US9656092B2 (en) * | 2009-05-12 | 2017-05-23 | Chronicmobile, Inc. | Methods and systems for managing, controlling and monitoring medical devices via one or more software applications functioning in a secure environment |
| US8386239B2 (en) | 2010-01-25 | 2013-02-26 | Holovisions LLC | Multi-stage text morphing |
| US20120194552A1 (en) * | 2010-02-28 | 2012-08-02 | Osterhout Group, Inc. | Ar glasses with predictive control of external device based on event input |
| US20130110551A1 (en) * | 2011-10-28 | 2013-05-02 | WellDoc, Inc. | Systems and methods for managing chronic conditions |
| US8862212B2 (en) * | 2011-10-31 | 2014-10-14 | Medtronic, Inc. | Aggregating cardiac resynchronization therapy data |
| US20140330578A1 (en) * | 2012-03-13 | 2014-11-06 | Theodore Pincus | Electronic medical history (emh) data management system for standard medical care, clinical medical research, and analysis of long-term outcomes |
| US20140172453A1 (en) * | 2012-12-19 | 2014-06-19 | RedBrick Health Corporation | Separating storage of personal from non-personal health information |
| US20170156639A1 (en) * | 2013-02-28 | 2017-06-08 | Gokhale Method Enterprise | Posture mapping and posture monitoring system and method |
| EP2967401B1 (en) * | 2013-03-15 | 2019-02-20 | Pulson, Inc. | Coordinating musculoskeletal and cardiovascular hemodynamics |
| CN105492036B (zh) * | 2013-08-02 | 2017-10-17 | 瑟柯莱特公司 | 具有安全远程控制的可植入系统 |
| US20180240536A1 (en) * | 2017-02-17 | 2018-08-23 | Hc1 Insight Llc | System and method for determining healthcare relationships |
| US9491277B2 (en) * | 2014-04-03 | 2016-11-08 | Melissa Vincent | Computerized method and system for global health, personal safety and emergency response |
| CN105389619B (zh) * | 2014-08-31 | 2021-08-03 | 通用电气公司 | 用于改进健康护理生态系统内的连接的方法和系统 |
| US11232855B2 (en) * | 2014-09-23 | 2022-01-25 | Airstrip Ip Holdings, Llc | Near-real-time transmission of serial patient data to third-party systems |
| US20160092569A1 (en) | 2014-09-30 | 2016-03-31 | International Business Machines Corporation | Policy driven contextual search |
| US10765863B2 (en) * | 2015-02-24 | 2020-09-08 | Elira, Inc. | Systems and methods for using a transcutaneous electrical stimulation device to deliver titrated therapy |
| US11011256B2 (en) * | 2015-04-26 | 2021-05-18 | Inovalon, Inc. | System and method for providing an on-demand real-time patient-specific data analysis computing platform |
| WO2017085668A1 (en) * | 2015-11-17 | 2017-05-26 | Yeatts Dale J | Wireless diagnostic system for indirect flow measurement in artificial heart pumps |
| US20180032691A1 (en) * | 2016-07-29 | 2018-02-01 | Nissim Zur | Health monitor and a method for monitoring health using an artificial intelligence engine pattern |
| US20180082036A1 (en) * | 2016-09-22 | 2018-03-22 | General Electric Company | Systems And Methods Of Medical Device Data Collection And Processing |
| US10572221B2 (en) | 2016-10-20 | 2020-02-25 | Cortical.Io Ag | Methods and systems for identifying a level of similarity between a plurality of data representations |
| WO2018236341A1 (en) | 2017-06-19 | 2018-12-27 | Hitachi, Ltd. | METHOD FOR AUTOMATICALLY CREATING METADATA FOR A DATA LAKE |
| US20180373781A1 (en) | 2017-06-21 | 2018-12-27 | Yogesh PALRECHA | Data handling methods and system for data lakes |
| US11316679B2 (en) * | 2017-09-19 | 2022-04-26 | Abiomed, Inc. | Systems and methods for time-based one-time password management for a medical device |
| EP3701543A4 (en) * | 2017-10-24 | 2021-08-11 | Adventia Technology, LLC | SYSTEMS, METHODS AND DEVICES FOR PROCESSING AGGREGATED HEALTH DATA AND PLATFORMS FOR GENERATION OF TREATMENT RECOMMENDATIONS |
| US10795895B1 (en) | 2017-10-26 | 2020-10-06 | EMC IP Holding Company LLC | Business data lake search engine |
| US10978183B2 (en) * | 2018-02-05 | 2021-04-13 | Optum, Inc. | Device for approving medical tests across a plurality of medical laboratories, medical providers, and lab payers and methods for using the same |
| US11321337B2 (en) | 2018-06-04 | 2022-05-03 | Cisco Technology, Inc. | Crowdsourcing data into a data lake |
| US11547799B2 (en) * | 2018-09-20 | 2023-01-10 | Medtronic Minimed, Inc. | Patient day planning systems and methods |
| CN111221785A (zh) | 2018-11-27 | 2020-06-02 | 中云开源数据技术（上海）有限公司 | 一种多源异构数据的语义数据湖构建方法 |
| CN111221526A (zh) | 2018-11-27 | 2020-06-02 | 中云开源数据技术（上海）有限公司 | 一种基于数据湖服务器的数据可视化编辑展示平台 |
| CN111221887A (zh) | 2018-11-27 | 2020-06-02 | 中云开源数据技术（上海）有限公司 | 一种对数据湖服务器中的数据进行管理和访问的方法 |
| US11397832B2 (en) | 2018-12-04 | 2022-07-26 | Dhiraj Sharan | Virtual data lake system created with browser-based decentralized data access and analysis |
| US20200193057A1 (en) | 2018-12-13 | 2020-06-18 | Amaris.Ai Pte. Ltd. | Privacy enhanced data lake for a total customer view |
| US20200210896A1 (en) | 2018-12-26 | 2020-07-02 | Otonomo Technologies Ltd. | Method and system for remote training of machine learning algorithms using selected data from a secured data lake |
| US10706045B1 (en) | 2019-02-11 | 2020-07-07 | Innovaccer Inc. | Natural language querying of a data lake using contextualized knowledge bases |
| US10545960B1 (en) | 2019-03-12 | 2020-01-28 | The Governing Council Of The University Of Toronto | System and method for set overlap searching of data lakes |
| US20200288988A1 (en) | 2019-03-14 | 2020-09-17 | Abiomed, Inc. | Blood Flow Rate Measurement System |
| US11580335B2 (en) * | 2019-04-02 | 2023-02-14 | General Electric Company | Transaction management of machine learning algorithm updates |
| US10846307B1 (en) | 2020-04-03 | 2020-11-24 | Csg Systems, Inc. | System and method for managing interactions with a data lake |
| CN111460236A (zh) | 2020-04-26 | 2020-07-28 | 天津七一二通信广播股份有限公司 | 基于数据湖的大数据采集治理快速检索系统 |
-
2021
- 2021-09-24 US US17/484,760 patent/US20220215948A1/en not_active Abandoned
-
2022
- 2022-01-06 DE DE112022000538.6T patent/DE112022000538T5/de active Pending
- 2022-01-06 CN CN202280019385.9A patent/CN116963662A/zh active Pending
- 2022-01-06 JP JP2023541285A patent/JP2024504060A/ja active Pending
- 2022-01-06 EP EP22737137.4A patent/EP4271256A1/en active Pending
- 2022-01-06 CA CA3207484A patent/CA3207484A1/en active Pending
- 2022-01-06 AU AU2022205948A patent/AU2022205948A1/en active Pending
- 2022-01-06 WO PCT/US2022/011506 patent/WO2022150523A1/en active Application Filing
- 2022-01-06 KR KR1020237026367A patent/KR20230142486A/ko unknown
- 2022-08-05 US US17/882,271 patent/US20220399112A1/en active Pending
-
2023
- 2023-07-02 IL IL304194A patent/IL304194A/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP4271256A1 (en) | 2023-11-08 |
| JP2024504060A (ja) | 2024-01-30 |
| CA3207484A1 (en) | 2022-07-14 |
| US20220215948A1 (en) | 2022-07-07 |
| AU2022205948A1 (en) | 2023-07-27 |
| IL304194A (en) | 2023-09-01 |
| US20220399112A1 (en) | 2022-12-15 |
| CN116963662A (zh) | 2023-10-27 |
| DE112022000538T5 (de) | 2023-11-09 |
| WO2022150523A1 (en) | 2022-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220399112A1 (en) | Network-based medical apparatus control and data management systems | |
| US11848082B2 (en) | Systems and methods for computing with private healthcare data | |
| US11829514B2 (en) | Systems and methods for computing with private healthcare data | |
| Sahal et al. | Personal digital twin: a close look into the present and a step towards the future of personalised healthcare industry | |
| Xie et al. | Applications of blockchain in the medical field: narrative review | |
| US20120047114A1 (en) | Enforcing query policies over resource description framework data | |
| US11276494B2 (en) | Predicting interactions between drugs and diseases | |
| Chrimes et al. | Using distributed data over HBase in big data analytics platform for clinical services | |
| Hopkins et al. | Delivering personalized medicine in retinal care: from artificial intelligence algorithms to clinical application | |
| US20200202040A1 (en) | Systems and methods for implementing a secure database for storing a patient operational longitudinal record | |
| WO2021178689A1 (en) | Systems and methods for computing with private healthcare data | |
| Xie et al. | Application of text information extraction system for real-time cancer case identification in an integrated healthcare organization | |
| Schilling et al. | Scalable Architecture for Federated Translational Inquiries Network (SAFTINet) technology infrastructure for a distributed data network | |
| Chrimes et al. | Towards a real-time big data analytics platform for health applications | |
| Khan et al. | Adapting graph theory and social network measures on healthcare data: A new framework to understand chronic disease progression | |
| Hu et al. | CrowdMed-II: a blockchain-based framework for efficient consent management in health data sharing | |
| Shaikh et al. | Machine intelligence and medical cyber-physical system architectures for smart healthcare: Taxonomy, challenges, opportunities, and possible solutions | |
| Das | People to policy: The promise and challenges of big data for India | |
| Lee et al. | Concept and proof of the lifelog bigdata platform for digital healthcare and precision medicine on the cloud | |
| Gupta et al. | Achieving health equity through healthcare technology: Perspective from India | |
| Bhaskaran et al. | Cloud-enabled search for disparate healthcare data: A case study | |
| Kalejahi et al. | Big data security issues and challenges in healthcare | |
| Padula et al. | An approach to acquiring, normalizing, and managing EHR data from a clinical data repository for studying pressure ulcer outcomes | |
| Murphy et al. | Information Technology Systems | |
| Prasad et al. | Artificial Intelligence Applications for IoMT |