KR20240032920A - Systems and methods for providing accurate patient data responsive to progression milestones to provide treatment options and outcome tracking - Google Patents

Systems and methods for providing accurate patient data responsive to progression milestones to provide treatment options and outcome tracking Download PDF

Info

Publication number
KR20240032920A
KR20240032920A KR1020247004016A KR20247004016A KR20240032920A KR 20240032920 A KR20240032920 A KR 20240032920A KR 1020247004016 A KR1020247004016 A KR 1020247004016A KR 20247004016 A KR20247004016 A KR 20247004016A KR 20240032920 A KR20240032920 A KR 20240032920A
Authority
KR
South Korea
Prior art keywords
fact
patient
candidate
facts
data
Prior art date
Application number
KR1020247004016A
Other languages
Korean (ko)
Inventor
니콜라스 리터
스티븐 자쿠보위츠
멍 마오
마이클 멀카히
수다카르 벨라무어
모니카 마타
칭-쿤 왕
미카 핸슨
스캇 캐디
탄비 팔
Original Assignee
코타 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US17/375,916 external-priority patent/US20210343420A1/en
Application filed by 코타 인코포레이티드 filed Critical 코타 인코포레이티드
Publication of KR20240032920A publication Critical patent/KR20240032920A/en

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/742Details of notification to user or communication with user or patient ; user input means using visual displays
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT 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
    • G16H40/60ICT 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
    • G16H40/67ICT 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

Abstract

본원에는 의학적 상태 및/또는 질병이 있는 환자에 대한 진단 및/또는 진행 이정표에 대응하는 정확한 환자 데이터를 제공하기 위한 시스템, 방법 및 비일시적 컴퓨터 판독 가능 매체가 설명되어 있다. 또한 본원에는 대화형 환자 정보 타임라인을 포함하는 그래픽 사용자 인터페이스를 제공하기 위한 방법 및 시스템이 설명되어 있다.Described herein are systems, methods, and non-transitory computer-readable media for providing accurate patient data corresponding to diagnosis and/or progression milestones for patients with medical conditions and/or diseases. Also described herein are methods and systems for providing a graphical user interface that includes an interactive patient information timeline.

Figure P1020247004016
Figure P1020247004016

Description

치료 옵션 및 결과 추적을 제공하기 위한 진행 이정표에 대응하는 정확한 환자 데이터를 제공하기 위한 시스템 및 방법Systems and methods for providing accurate patient data responsive to progression milestones to provide treatment options and outcome tracking

관련 출원들Related Applications

본 출원은 2021년 7월 14일자로 출원된 미국 특허 출원 번호 제17/375,916호의 이익을 주장하며, 이는 2021년 1월 11일자로 출원된 미국 특허 출원 번호 제17/146,260호의 일부계속출원이고, 이는 2020년 1월 9일자로 출원된 미국 임시 특허 출원 번호 제62/958,883호에 대한 우선권을 주장한다.This application claims the benefit of U.S. Patent Application No. 17/375,916, filed July 14, 2021, which is a continuation-in-part of U.S. Patent Application No. 17/146,260, filed January 11, 2021; This claims priority to U.S. Provisional Patent Application No. 62/958,883, filed January 9, 2020.

현재, 향후 분석이나 환자 치료 옵션을 안내하는 시스템에 사용하기 위해 환자 데이터를 저장하고 구성하는 시스템은 어떤 데이터가 가장 좋거나 가장 정확한지를 결정하지 않고 대량의 데이터를 저장하거나, 어떤 데이터가 저장하기에 가장 좋거나 가장 정확한지를 결정하기 위해 인간의 해석에 크게 의존한다. 어떤 데이터가 가장 좋거나 가장 정확한지를 결정하기 위해 주로 안내되지 않은 인간의 해석에 의존하면 데이터 출력 프로세스가 복잡해지고, 추가 오류 소스를 도입하며, 환자마다 다른 표준이 적용되고, 환자마다 다른 유형의 데이터가 저장된다.Currently, systems that store and organize patient data for use in future analysis or systems to guide patient care options either store large amounts of data without determining which data is best or most accurate, or which data is convenient to store. It relies heavily on human interpretation to determine which is best or most accurate. Relying primarily on unguided human interpretation to determine which data is best or most accurate complicates the data output process, introduces additional sources of error, results in different standards being applied from patient to patient, and different types of data from patient to patient. is saved.

본원의 일부 실시예에서는 진행 이정표 또는 타임라인과 관련된 정확한 환자 데이터를 결정하고 제공하기 위한 시스템 및 방법을 제공한다. 일부 실시예들에서, 이러한 정확한 환자 데이터는 정확하고 간결한 환자 데이터를 제공하고 디스플레이하는 시스템, 노드 어드레스에 환자를 할당하는 시스템, 헬스 케어 제공자가 환자에게 치료 옵션을 제공하도록 지원하는 시스템, 및/또는 예후 관련 예상 결과를 예측하는 시스템과 같은 기타 시스템 또는 애플리케이션에 의해 사용된다.Some embodiments herein provide systems and methods for determining and providing accurate patient data related to progression milestones or timelines. In some embodiments, such accurate patient data may be provided by a system that provides and displays accurate and concise patient data, a system that assigns patients to node addresses, a system that assists healthcare providers in providing treatment options to patients, and/or Used by other systems or applications, such as systems that predict prognosis-related expected outcomes.

일 양태에 따르면, 설명된 발명은 의학적 상태 및/또는 질병이 있는 환자에 대한 정확한 환자 데이터를 제공하는 방법을 제공하며, 상기 방법은, 환자와 연관된 초기 데이터 기록 세트에 액세스하는 단계로서, 초기 데이터 기록 세트는 환자, 환자의 질병 및/또는 환자의 치료에 관한 정보를 포함하는, 상기 액세스하는 단계; 액세스된 초기 데이터 기록 세트로부터 복수의 후보 팩트를 추출하는 단계로서, 각 후보 팩트는 데이터 세트로 나타내는, 상기 추출하는 단계; 및 각 후보 팩트를 환자와 연관된 복수의 요소 중 요소에 대응하는 것으로 분류하는 단계로서, 복수의 후보 팩트는 복수의 요소의 적어도 하나의 요소에 대한 요소에 대응하는 둘 이상의 후보 팩트를 포함하는, 상기 분류하는 단계를 포함한다. 상기 방법은 또한 시간이 지남에 따라 변하지 않는 요소의 경우, 각 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 단계로서, 상기 식별하는 단계는, 요소에 대응하는 후보 팩트가 하나만 있는 경우, 대응하는 후보 팩트를 요소에 대응하는 최상의 팩트로 식별하는 단계; 및 요소에 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 요소에 특정된 감소 규칙에 기초하여 대응하는 후보 팩트 중 적어도 하나를 요소에 대한 최상의 팩트로 식별하는 단계를 포함한다. 상기 방법은 또한 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 요소에 대응하는 각 후보 팩트를 진단 또는 진행 이정표에 대응하는 진행 기간과 연관시키는 단계; 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하는 단계로서, 상기 식별하는 단계는, 요소에 진행 기간과 연관된 대응하는 후보 팩트가 하나만 있는 경우, 진행 기간 동안 대응하는 후보 팩트를 요소에 대응하는 최상의 팩트로 식별하는 단계; 및 요소에 진행 기간과 연관된 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 요소에 특정된 감소 규칙에 기초하여 적어도 두 개의 대응하는 팩트로부터 진행 기간 동안 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 단계를 포함하는, 상기 식별하는 단계를 포함한다. 상기 방법은 또한 환자에 연관된 최상의 팩트를 포함하는 데이터를 출력하는 단계를 포함한다.According to one aspect, the described invention provides a method of providing accurate patient data for a patient with a medical condition and/or disease, the method comprising: accessing a set of initial data records associated with the patient, the initial data Accessing the record set, wherein the record set contains information about the patient, the patient's disease, and/or the patient's treatment; extracting a plurality of candidate facts from the accessed set of initial data records, each candidate fact being represented by a data set; and classifying each candidate fact as corresponding to an element of the plurality of elements associated with the patient, wherein the plurality of candidate facts includes two or more candidate facts corresponding to an element for at least one element of the plurality of elements. Includes a classification step. The method may also include, for elements that do not change over time, identifying at least one best fact corresponding to each element, wherein if there is only one candidate fact corresponding to the element, the corresponding identifying the candidate facts as the best facts corresponding to the elements; and if the element has at least two corresponding candidate facts, identifying at least one of the corresponding candidate facts as the best fact for the element based on a reduction rule specific to the element. The method may also include, for each element that may change over time, associating each candidate fact corresponding to the element with a progression period corresponding to a diagnosis or progression milestone; For each element that may change over time, identifying at least one best fact for each running period that has an associated candidate fact for the element, wherein identifying provides a corresponding candidate fact associated with the running period for the element. If there is only one candidate fact, identifying the corresponding candidate fact as the best fact corresponding to the element during the progress period; and if the element has at least two corresponding candidate facts associated with the running period, identifying at least one best fact corresponding to the element for the running period from the at least two corresponding facts based on a reduction rule specific to the element. It includes the step of identifying. The method also includes outputting data containing the best facts associated with the patient.

상기 방법의 일부 실시예들에서, 시간이 지남에 따라 변하지 않는 요소 중 적어도 일부의 경우, 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 단계는, 그래픽 사용자 인터페이스를 통해 적어도 하나의 최상의 팩트를 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로 사용자에게 제시하는 단계; 제안된 적어도 하나의 최상의 팩트의 수락; 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절 중 하나 이상을 수신하는 단계; 및 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 더 이상 제안된 적어도 하나의 최상의 팩트를 요소에 대응하는 최상의 팩트로 식별하지 않는 단계; 제안된 적어도 하나의 최상의 팩트의 수락이 수신되는 경우, 적어도 하나의 최상의 팩트를 수락된 최상의 팩트로 식별하는 단계; 및 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별이 수신되는 경우, 적어도 하나의 다른 후보 팩트를 적어도 하나의 수락된 최상의 팩트로 식별하는 단계를 더 포함하며; 환자와 연관된 최상의 팩트에 관한 데이터를 출력하는 단계는 환자와 연관된 수락된 최상의 팩트에 관한 데이터를 출력하는 단계를 포함한다.In some embodiments of the method, for at least some of the elements that do not change over time, identifying at least one best fact corresponding to the element may include identifying at least one best fact corresponding to the element via a graphical user interface. presenting to the user at least one proposed best fact corresponding to; Acceptance of at least one best fact proposed; Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and receiving one or more of a rejection of the proposed at least one best fact as a best fact; and if rejection of the proposed at least one best fact is received, no longer identifying the proposed at least one best fact as the best fact corresponding to the element; When acceptance of the proposed at least one best fact is received, identifying the at least one best fact as the accepted best fact; and if identification of at least one other candidate fact that is not the proposed best fact as at least one best fact is received, identifying at least one other candidate fact as at least one accepted best fact; Outputting data regarding best facts associated with the patient includes outputting data regarding accepted best facts associated with the patient.

일부 실시예들에서, 시간이 지남에 따라 변할 수 있는 요소 중 적어도 일부의 경우, 요소에 대한 관련 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하는 단계는, 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로서 진행 기간 동안 적어도 하나의 최상의 팩트를 제시하는 단계; 제안된 적어도 하나의 최상의 팩트를 적어도 하나의 최상의 팩트로서의 수락; 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절 중 하나 이상을 수신하는 단계; 및 제안된 적어도 하나의 팩트의 거절이 수신되는 경우, 더 이상 제안된 적어도 하나의 최상의 팩트를 요소에 대응하는 최상의 팩트로 식별하지 않는 단계를 더 포함한다.In some embodiments, for at least some of the elements that may change over time, identifying at least one best fact for each running period that has an associated candidate fact for the element may include: presenting at least one best fact during the proceeding period as at least one best fact; acceptance of at least one proposed best fact as at least one best fact; Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and receiving one or more of a rejection of the proposed at least one best fact as a best fact; and if a rejection of the proposed at least one fact is received, no longer identifying the proposed at least one best fact as the best fact corresponding to the element.

상기 방법의 일부 실시예들에서, 환자와 연관된 최상의 팩트를 포함하는 출력 데이터는 진행 출력을 포함한다. 상기 방법의 일부 실시예들에서, 환자와 연관된 최상의 팩트를 포함하는 출력 데이터는 진행 출력 및 시계열 출력을 포함한다. 상기 방법의 일부 실시예들에서, 환자와 연관된 최상의 팩트를 포함하는 출력 데이터는 진행 출력, 또는 진행 출력 및 시계열 출력을 포함한다. 상기 방법의 일부 실시예들에서, 진행 출력은 진행 기간에 의해 또는 환자에 대한 진단 및 진행 이정표로 인덱싱된다. 상기 방법의 일부 실시예들에서, 진행 출력은 연관된 개념 테이블에 저장된 최상의 팩트를 포함하며, 각 개념 테이블은 진행 추적 식별자 및 환자 식별자를 포함한다. 상기 방법의 일부 실시예들에서, 시계열 출력은 연관된 개념 테이블에 저장된 최상의 팩트를 포함하며, 각 연관된 개념 테이블은 연관된 개념 테이블에서 최상의 팩트와 연관된 시작일과 시간 사이에 경과된 시간의 함수로 인덱싱된다.In some embodiments of the method, the output data containing the best facts associated with the patient includes a progress output. In some embodiments of the method, the output data containing the best facts associated with the patient include progress output and time series output. In some embodiments of the method, the output data containing the best facts associated with the patient include a progress output, or a progress output and a time series output. In some embodiments of the method, the progression output is indexed by duration of progression or by diagnosis and progression milestone for the patient. In some embodiments of the method, the progress output includes best facts stored in associated concept tables, each concept table containing a progress tracking identifier and a patient identifier. In some embodiments of the method, the time series output includes best facts stored in an associated concept table, each associated concept table being indexed as a function of the time elapsed between the start date and time associated with the best fact in the associated concept table.

일부 실시예들에서, 상기 방법은, 후보 팩트 중 적어도 일부에 기초하여, 하나 이상의 진행 기간을 결정하는 단계로서, 각 진행 기간은 의학적 상태 또는 질병의 진단 시 또는 진행 시에 시작되고 다음 진행 시, 현재 또는 사망 시에 끝나는 시간 기간에 대응하는, 상기 결정하는 단계; 및 각 후보 팩트를 진행 시간에 할당하는 단계를 더 포함한다. 일부 실시예들에서, 상기 방법은 결정된 하나 이상의 진행 기간을 그래픽 사용자 인터페이스를 통해 제안된 진행 기간으로 제시하는 단계; 하나 이상의 제안된 진행 기간 중 적어도 하나의 수락; 하나 이상의 제안된 진행 기간 중 적어도 하나의 시작 시간 또는 종료 시간의 조정; 새로운 진행 기간의 추가, 또는 하나 이상의 제안된 진행 기간 중 적어도 일부를 단일 진행 시간 기간으로 병합하는 것 중 하나 이상을 포함하는 입력을 사용자로부터 수신하는 단계; 및 수신된 입력에 기초하여 하나 이상의 진행 기간을 조정하는 단계로서, 각 후보 팩트는 조정 후 진행 시간 기간에 할당되는, 상기 조정하는 단계를 더 포함한다. 일부 실시예들에서, 진행은, 환자의 질환 또는 상태가 진행되었다는 의사의 확인; 환자의 측정된 종양 의 성장; 환자의 질환이 확산되어 전이되었다는 표시; 환자의 질환이나 의학적 상태가 치료 과정에 반응하지 않고 의사가 다른 치료 과정으로 전환하기로 결정했다는 표시; 또는 환자가 질환이나 의학적 상태의 재발을 경험했다는 표시 중 하나 이상에 해당한다. In some embodiments, the method includes determining, based on at least some of the candidate facts, one or more progression periods, each progression period beginning upon diagnosis or progression of the medical condition or disease and upon the next progression: said determining, corresponding to a period of time currently ending at the time of death; and allocating each candidate fact to a processing time. In some embodiments, the method includes presenting the determined one or more progress periods as a suggested progress period through a graphical user interface; Acceptance of at least one of one or more proposed progress periods; Adjustment of the start time or end time of at least one of one or more proposed progress periods; Receiving input from the user including one or more of adding a new running time period, or merging at least some of the one or more proposed running time periods into a single running time period; and adjusting one or more running time periods based on the received input, wherein each candidate fact is assigned a running time period after adjustment. In some embodiments, progression may include confirmation by a physician that the patient's disease or condition has progressed; The patient's measured tumor growth; An indication that the patient's disease has spread and metastasized; An indication that the patient's disease or medical condition has not responded to a course of treatment and the physician has decided to switch to another course of treatment; or an indication that the patient has experienced a recurrence of the disease or medical condition.

일부 실시예들에서, 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 요소에 대응하는 각 후보 팩트를 진행 기간과 연관시키는 단계는 시간 윈도윙에 기초한다.In some embodiments, for each element that may change over time, associating each candidate fact corresponding to the element with a running period is based on time windowing.

일부 실시예들에서, 상기 방법은 새로운 데이터 기록 세트에 액세스하는 단계; 추가 후보 팩트를 추출하는 단계로서, 추가 후보 팩트 각각은 환자와 연관된 복수의 요소 중 요소에 대응하는, 상기 추출하는 단계; 및 초기 데이터 기록 세트로부터 추출된 복수의 후보 팩트 및 새로운 데이터 기록 세트로부터 추출된 추가 후보 팩트에 기초하여 복수의 요소 중 각 요소에 대응하는 하나 이상의 최상의 팩트를 결정하는 단계를 더 포함한다.In some embodiments, the method includes accessing a new set of data records; extracting additional candidate facts, each of the additional candidate facts corresponding to an element of a plurality of elements associated with a patient; and determining one or more best facts corresponding to each element of the plurality of elements based on the plurality of candidate facts extracted from the initial data record set and the additional candidate facts extracted from the new data record set.

일부 실시예들에서, 상기 방법은 또한 복수의 요소의 각 요소의 경우, 각 중복 후보 팩트를 제거함으로써 복수의 후보 팩트를 중복 제거하는 단계를 더 포함한다.In some embodiments, the method further includes deduplicating the plurality of candidate facts by removing, for each element of the plurality of elements, each duplicate candidate fact.

일부 실시예들에서, 상기 방법은 또한 데이터 및 하나 이상의 의학적 규칙으로부터 추출된 후보 팩트 중 하나 이상에 기초하여 환자와 연관된 복수의 요소 중 적어도 하나의 요소에 대한 후보 팩트를 도출하는 단계를 포함한다.In some embodiments, the method also includes deriving a candidate fact for at least one element of the plurality of elements associated with the patient based on one or more of the candidate facts extracted from the data and one or more medical rules.

일부 실시예들에서, 환자와 연관된 데이터 기록은 추상화된 데이터 기록이다.In some embodiments, the data record associated with the patient is an abstracted data record.

일부 실시예들에서, 요소 중 적어도 하나의 경우, 감소 규칙은 동일한 요소에 대응하는 다른 후보 팩트와 비교하여 가장 많은 양의 데이터를 포함하는 후보 팩트를 기반으로 적어도 하나의 후보 팩트를 요소에 대한 최상의 전체 팩트로 식별하는 규칙을 포함한다. In some embodiments, for at least one of the elements, the reduction rule determines at least one candidate fact as the best for the element based on the candidate fact containing the greatest amount of data compared to other candidate facts corresponding to the same element. Contains rules that identify the entire fact.

일부 실시예들에서, 요소 중 적어도 하나의 경우, 감소 규칙은 진행 기간 동안 요소에 대응하는 또 다른 후보 팩트와 중복되고 동일한 후보 팩트를 폐기하는 규칙을 포함한다.In some embodiments, for at least one of the elements, the reduction rule includes a rule to discard a candidate fact that is duplicated and identical to another candidate fact corresponding to the element during the progress period.

일부 실시예들에서, 요소 중 적어도 일부의 경우, 감소 규칙은 동일한 요소에 대응하는 다른 후보 팩트와 비교하여 가장 자주 발생하는 후보 팩트에 적어도 부분적으로 기초하여 후보 팩트를 최상의 팩트로 식별하는 규칙을 포함한다.In some embodiments, for at least some of the elements, the reduction rule includes a rule that identifies the candidate fact as the best fact based at least in part on the most frequently occurring candidate fact compared to other candidate facts corresponding to the same element. do.

일부 실시예들에서, 상기 방법은 적어도 하나의 진행 기간 동안, 출력 데이터에 기초하여 환자에 대한 진행 기간에 대한 노드 어드레스를 생성하는 단계를 더 포함한다. 일부 실시예들에서, 상기 방법은 치료 의사결정을 용이하게 하기 위해 환자의 헬스 케어 제공자에게 미리 결정된 치료 계획 정보를 제공하는 단계로서, 미리 결정된 치료 계획 정보는 환자에게 할당된 진행 기간에 대한 노드 어드레스에 기초하는, 상기 제공하는 단계를 더 포함한다. 일부 실시예들에서, 상기 방법은 환자에게 할당된 진행 기간에 대한 노드 어드레스에 기초하여 환자에 대해 정의된 종료점 이벤트의 발생에 관한 예후 관련 예상 결과를 결정하는 단계를 더 포함한다. 일부 실시예들에서, 생성된 노드 어드레스는 개선된 노드 어드레스이다.In some embodiments, the method further includes generating, for at least one progression period, a node address for the progression period for the patient based on the output data. In some embodiments, the method includes providing predetermined treatment plan information to a patient's healthcare provider to facilitate treatment decision making, wherein the predetermined treatment plan information includes a node address for an assigned progression period for the patient. Based on, it further includes the steps provided above. In some embodiments, the method further includes determining a prognosis-related expected outcome regarding the occurrence of a defined endpoint event for the patient based on the node address for the progression window assigned to the patient. In some embodiments, the generated node address is an enhanced node address.

일 양태에 따르면, 설명된 발명은 의학적 상태 및/또는 질병이 있는 환자에 대한 정확한 환자 데이터를 제공하는 시스템을 제공하며, 상기 방법은, 하나 이상의 데이터 저장소; 및 하나 이상의 데이터 저장소와 통신하는 컴퓨팅 시스템으로서 실행 시 컴퓨팅 시스템이, 하나 이상의 데이터 저장소로부터, 환자와 연관된 초기 데이터 기록 세트에 액세스하되, 초기 데이터 기록 세트는 환자에 관한 정보, 환자의 질병 및/또는 환자의 치료를 포함하고; 액세스된 초기 데이터 기록 세트로부터 복수의 후보 팩트를 추출하되, 각 후보 팩트는 데이터 세트로 나타내고; 각 후보 팩트를 상기 환자와 연관된 복수의 요소 중 요소에 대응하는 것으로 분류하되, 복수의 후보 팩트는 복수의 요소의 적어도 하나의 요소에 대한 요소에 대응하는 둘 이상의 후보 팩트를 포함하도록 하는 명령어를 실행하도록 구성된, 상기 컴퓨팅 시스템을 포함한다. 명령어는 추가로 컴퓨팅 시스템이, 시간이 지남에 따라 변하지 않는 요소의 경우, 각 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하되, 상기 식별은, 요소에 대응하는 후보 팩트가 하나만 있는 경우, 대응하는 후보 팩트를 최상의 팩트로 식별하는 것; 및 요소에 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 요소에 특정된 감소 규칙에 기초하여 대응하는 후보 팩트 중 적어도 하나를 요소에 대한 최상의 팩트로 식별하는 것을 포함하도록 한다. 명령어는 추가로 컴퓨팅 시스템이, 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 요소에 대응하는 각 후보 팩트를 진단 또는 진행 이정표에 대응하는 진행 기간과 연관시키고; 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하되, 상기 식별은, 요소에 이정표와 연관된 대응하는 후보 팩트가 하나만 있는 경우, 진행 기간 동안 대응하는 후보 팩트를 요소에 대응하는 최상의 팩트로 식별하는 것; 및 요소에 진행 기간과 연관된 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 요소에 특정된 감소 규칙에 기초하여 적어도 두 개의 대응하는 후보 팩트로부터 이정표 동안 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 것을 포함하고; 환자와 연관된 최상의 팩트를 포함하는 데이터를 출력하도록 한다.According to one aspect, the described invention provides a system for providing accurate patient data for a patient with a medical condition and/or disease, the method comprising: one or more data stores; and a computing system in communication with one or more data stores, wherein when executed, the computing system accesses, from the one or more data stores, an initial set of data records associated with the patient, wherein the initial set of data records includes information about the patient, the patient's disease, and/or Includes treatment of patients; extracting a plurality of candidate facts from the accessed set of initial data records, each candidate fact being represented by a data set; Classifying each candidate fact as corresponding to an element among a plurality of elements associated with the patient, executing a command such that the plurality of candidate facts includes two or more candidate facts corresponding to an element for at least one element of the plurality of elements. and the computing system configured to: The instructions further cause the computing system to: for elements that do not change over time, identify at least one best fact corresponding to each element, wherein the identification is such that, if there is only one candidate fact corresponding to the element, the corresponding identifying candidate facts as the best facts; and if the element has at least two corresponding candidate facts, identifying at least one of the corresponding candidate facts as the best fact for the element based on a reduction rule specific to the element. The instructions further cause the computing system to: for each element that may change over time, associate each candidate fact corresponding to the element with a progress period corresponding to a diagnosis or progress milestone; For each element that may change over time, identify at least one best fact for each progress period that has an associated candidate fact for the element, wherein said identification means that the element has only one corresponding candidate fact associated with the milestone. In this case, identifying the corresponding candidate facts as the best facts corresponding to the elements during the progress period; and if the element has at least two corresponding candidate facts associated with the progress period, identifying at least one best fact corresponding to the element during the milestone from the at least two corresponding candidate facts based on a reduction rule specific to the element. Contains; Ensure that data is output containing the best facts related to the patient.

일 양태에 따르면, 설명된 발명은 의학적 상태 및/또는 질병이 있는 환자에 대한 정확한 환자 데이터를 제공하는 프로그램 명령어를 포함하는 비일시적 컴퓨터 판독 가능 매체를 제공하며, 하나 이상의 프로세서에 의한 프로그램 명령어의 실행은 하나 이상의 프로세서가 본원에 인용되거나 청구된 방법 중 어느 하나를 수행하도록 한다.According to one aspect, the described invention provides a non-transitory computer-readable medium containing program instructions that provide accurate patient data for a patient with a medical condition and/or disease, execution of the program instructions by one or more processors. causes one or more processors to perform any one of the methods recited or claimed herein.

일 양태에 따르면 설명된 발명은 환자 데이터를 시각화하는 그래픽 사용자 인터페이스를 제공하는 방법을 제공한다. 상기 방법은 환자의 병력에 관한 정보를 그래픽으로 도시하는 대화형 타임라인을 디스플레이하는 방법을 포함하며, 대화형 타임라인은 복수의 마커를 포함하고, 각 마커는 환자의 의료 정보와 연관된 관련 시간, 환자의 의료 정보와 연관된 시간 기간의 시작(예를 들어, 환자의 병력 또는 환자의 의료 기록에 있는 정보), 또는 환자의 의료 정보와 연관된 시간 기간의 종료를 나타낸다. 대화형 타임라인은 서로 수직으로 오프셋되고 시간에 따라 정렬된 의료 정보의 서로 다른 카테고리에 대한 복수의 서브 타임라인을 포함한다. 복수의 서브 타임라인은, 치료 정보와 관련된 임의의 마커를 포함하는 치료 서브 타임라인, 진단 또는 질환 또는 장애 진행 정보와 관련된 임의의 마커를 포함하는 진단 또는 진행 서브 타임라인, 질환 또는 장애 바이오마커 테스트 결과 정보와 관련된 임의의 마커를 포함하는 바이오마커 서브 타임라인, 다른 카테고리에 속하지 않는 질환 또는 장애 정보와 관련된 임의의 마커를 포함하는 질환 또는 장애 서브 타임라인, 및 다른 카테고리에 속하지 않는 관련 환자 정보와 관련된 임의의 마커를 포함하는 환자 서브 타임라인 중 하나 이상을 포함한다. 상기 방법은 또한 마커를 선택하는 사용자 입력을 수신하는 단계; 및 대화형 타임라인의 윈도우에 마커와 연관된 상세 의료 정보를 디스플레이하는 단계를 포함한다.According to one aspect the described invention provides a method of providing a graphical user interface for visualizing patient data. The method includes a method of displaying an interactive timeline graphically depicting information regarding a patient's medical history, the interactive timeline comprising a plurality of markers, each marker having an associated time associated with the patient's medical information; Indicates the beginning of a period of time associated with the patient's medical information (e.g., the patient's medical history or information in the patient's medical record), or the end of a period of time associated with the patient's medical information. The interactive timeline includes multiple sub-timelines for different categories of medical information, vertically offset from each other and aligned in time. The plurality of sub-timelines may include a treatment sub-timeline including any markers associated with treatment information, a diagnosis or progression sub-timeline including any markers associated with diagnosis or disease or disorder progression information, and a disease or disorder biomarker test. A biomarker sub-timeline containing any marker associated with outcome information, a disease or disorder sub-timeline containing any marker associated with disease or disorder information that does not fall into any other category, and a disease or disorder sub-timeline containing any marker associated with disease or disorder information that does not fall into any other category, and Contains one or more of the patient sub-timelines containing any relevant markers. The method also includes receiving user input to select a marker; and displaying detailed medical information associated with the marker in a window of the interactive timeline.

일부 실시예들에서, 대화형 타임라인은 하나 이상의 수직 그래픽 표시기를 더 포함하며, 각각은 진단 또는 질환 진행을 나타낸다. 일부 실시예들에서, 대화형 타임라인에는 하나 이상의 진단 또는 진행 시간 기간이 포함된다. 일부 실시예들에서, 하나 이상의 진단 또는 진행 시간 기간은 하나 이상의 수직 그래픽 표시기로 나뉜다. 일부 실시예들에서, 그래픽 사용자 인터페이스는 사용자-선택 기준에 기초하여 대화형 타임라인에 디스플레이되는 마커의 필터링을 가능하게 한다. 일부 실시예들에서, 사용자-선택 기준에는 진단 또는 진행 시간 기간이 포함된다.In some embodiments, the interactive timeline further includes one or more vertical graphical indicators, each representing a diagnosis or disease progression. In some embodiments, the interactive timeline includes one or more diagnostic or progression time periods. In some embodiments, one or more diagnostic or progression time periods are divided into one or more vertical graphical indicators. In some embodiments, the graphical user interface allows filtering of markers displayed in the interactive timeline based on user-selected criteria. In some embodiments, user-selection criteria include diagnosis or duration of progression time.

일부 실시예들에서, 시작 마커의 형상과 종료 마커의 형상은 마커와 연관된 정보에 대한 날짜와 관한 정밀도의 정도를 나타낸다. 일부 실시예들에서, 복수의 마커 중 하나 이상의 마커의 형상은 하나 이상의 마커와 연관된 정보에 대한 날짜에 관한 정밀도의 정도를 나타낸다.In some embodiments, the shape of the start marker and the shape of the end marker indicate a degree of precision regarding the date information associated with the marker. In some embodiments, the shape of one or more markers of the plurality of markers indicates a degree of precision regarding the date of information associated with the one or more markers.

일부 실시예들에서, 상기 방법은 둘 이상의 선택 가능한 그래픽 표시기를 포함하는 전체 시간 기간 타임라인의 요약 버전을 디스플레이하는 단계를 더 포함하며, 선택 가능한 그래픽 표시기는 시작 시간 기간 표시기 및 종료 시간 기간 표시기를 포함하고, 시작 시간 기간 표시기 및/또는 종료 시간 기간 표시기의 선택 및 이동은 대화형 타임라인에 디스플레이되는 시간 기간을 변경한다. In some embodiments, the method further includes displaying a summary version of the entire time period timeline including two or more selectable graphical indicators, the selectable graphical indicators including a start time period indicator and an end time period indicator. and, selecting and moving the start time period indicator and/or the end time period indicator changes the time period displayed in the interactive timeline.

일부 실시예들에서, 복수의 서브 타임라인은, 전신 치료 정보와 관련된 임의의 마커를 포함하는 전신 치료 서브 타임라인, 수술 정보와 관련된 임의의 마커를 포함하는 수술 서브 타임라인, 및 방사선 치료와 관련된 임의의 마커를 포함하는 방사선 치료 서브 타임라인 중 하나 이상을 더 포함한다.In some embodiments, the plurality of sub-timelines comprises a systemic treatment sub-timeline including any markers related to systemic treatment information, a surgery sub-timeline including any markers related to surgical information, and a radiation treatment-related sub-timeline. It further includes one or more of the radiotherapy sub-timelines including any marker.

일부 실시예들에서, 복수의 서브 타임라인 중 첫 번재 서브 타임라인의 마커는 복수의 서브 타임라인 중 두 번째 서브 타임라인의 마커의 색상과 다른 색상으로 도시된다. 일부 실시예들에서, 마커의 선택 시 디스플레이되는 의료 정보를 포함하는 윈도우의 색상은 선택된 마커의 색상과 동일한 색상이다.In some embodiments, the marker of the first sub-timeline among the plurality of sub-timelines is shown in a color different from the color of the marker of the second sub-timeline among the plurality of sub-timelines. In some embodiments, the color of the window containing medical information displayed upon selection of a marker is the same color as the color of the selected marker.

일부 실시예들에서, 대화형 환자 타임라인을 통해 디스플레이된 모든 의료 정보는 환자 개인 정보를 보하하기 위해 비식별화된다.In some embodiments, all medical information displayed via the interactive patient timeline is de-identified to preserve patient privacy.

일부 실시예들에서, 대화형 타임라인은 제1 환자의 병력에 대한 제1 대화형 타임라인이며, 상기 방법은 제1 대화형 타임라인과 비교하기 위해 제2 환자의 병력에 관한 정보를 그래픽으로 도시하는 제2 대화형 타임라인을 디스플레이하는 단계를 더 포함하고, 상기 제2 대화형 타임라인은 제1 환자 및 제2 환자에 모두에 대한 진산 시간 또는 질환 진행에 기초하여 제1 대화형 타임라인과 정렬되며, 제1 대화형 타임라인과 제2 대화형 타임라인의 모든 의료 정보는 비식별화된다.In some embodiments, the interactive timeline is a first interactive timeline of a medical history of a first patient, and the method graphically displays information regarding a medical history of a second patient for comparison with the first interactive timeline. and displaying a second interactive timeline that shows a first interactive timeline based on time to delivery or disease progression for both the first patient and the second patient. and all medical information in the first interactive timeline and the second interactive timeline are de-identified.

일부 실시예들에서, 의료 정보와 연관된 하나 이상의 시간 기간은 시작 마커와 종료 마커, 그리고 시작 마커와 종료 마커 사이의 범위의 그래픽 표시로 그래픽으로 디스플레이된다.In some embodiments, one or more time periods associated with medical information are displayed graphically with a start marker, an end marker, and a graphical representation of a range between the start and end markers.

일 양태에 따르면, 설명된 발명은 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 제공하는 프로그램 명령어를 포함하는 비일시적 컴퓨터 판독 가능 매체를 제공하며, 하나 이상의 프로세서에 의한 프로그램 명령어의 실행은 하나 이상의 프로세서가 본원에 인용되거나 청구된 방법 중 어느 하나를 수행하도록 한다.According to one aspect, the described invention provides a non-transitory computer-readable medium containing program instructions that provide a graphical user interface that includes an interactive patient timeline, wherein execution of the program instructions by one or more processors includes one or more processors. Cause a processor to perform any of the methods recited or claimed herein.

도 1은 본 개시의 일 실시예에 따라 강화 계층(Enrichment Layer; EL) 모듈을 사용하여 정확한 환자 데이터를 제공하기 위한 네트워크 다이어그램을 예시한다;
도 2는 예시적인 실시예에 따른 추상화, 환자 데이터 및 제품과 관련된 EL을 개략적으로 예시한다;
도 3은 예시적인 실시예에 따른 예시적인 후보 팩트(candidate fact)의 감소를 개략적으로 예시한다;
도 4는 예시적인 실시예에 따른 의료-기반 감소 규칙에 기초하여 예시적인 후보 팩트 감소를 개략적으로 예시한다;
도 5는 예시적인 실시예에 따른 예시적인 후보 팩트의 계산 및/또는 도출을 개략적으로 예시한다;
도 6은 예시적인 실시예에 따른 EL 워크플로우를 예시한다;
도 7은 예시적인 실시예에 따른 EL 출력으로부터 노드 어드레스의 생성을 개략적으로 예시한다;
도 8은 예시적인 실시예에 따른 읽기 전용 데이터베이스 허가 모델을 개략적으로 예시한다;
도 9는 예시적인 실시예에 따른 예시적인 EL 커널(1002)을 개략적으로 예시한다;
도 10은 일부 실시예들에 따른 입력 데이터 및 후보 팩트를 처리하는 데 사용되는 형상을 개략적으로 예시한다;
도 11은 예시적인 실시예에 따른 형상과 연관된 속성을 개략적으로 예시한다;
도 12는 해당 요소에 대한 최상의 팩트를 식별하는 프로세스를 예시하는 흐름도이다;
도 13은 추가 데이터를 수신하는 것에 응답하여 최상의 팩트를 결정하는 프로세스를 도시하는 흐름도이다;
도 14는 예시적인 실시예에 따른 충돌 해결 또는 에스컬레이션을 위한 프로세스를 도시하는 흐름도이다;
도 15는 일부 실시예들에 따른 제안된 최상의 팩트 및 진행 기간의 수락 또는 검증을 위한 사용자 인터페이스의 스크린샷이다;
도 16은 일부 실시예들에 따른 시스템을 위한 아키텍처를 개략적으로 예시한다;
도 17은 본 개시의 일 실시예에 따른 클라이언트 장치를 예시하는 개략도의 일 예를 도시한다:
도 18은 본 개시의 일 실시예에 따른 컴퓨터의 내부 아키텍처를 예시하는 블록도이다;
도 19는 일부 실시예들에 따른 초기 진단 시간 기간에 선택된 마커에 대해 디스플레이된 환자에 대한 의료 정보를 포함하는 윈도우를 갖는 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 도시한다;
도 20은 일부 실시예들에 따른 전이성 암(예를 들어, 전이성 암으로의 진행) 시간 기간의 진단에서 선택된 마커에 대해 디스플레이된 환자에 대한 의료 정보를 포함하는 윈도우를 갖는 도 19의 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 도시한다;
도 20a는 일부 실시예들에 따른 숫자(1 내지 11)로 표시된 해당 마커가 사용자에 의해 선택될 때 도 20의 대화형 환자 타임라인 상에 중첩되어 디스플레이되는 의료 정보를 포함하는 윈도우를 도시한다;
도 21은 일부 실시예에 따른 해당 시간 기간에 제1 선택된 마커 세트에 대해 디스플레이된 환자에 대한 의료 정보를 포함하는 윈도우를 갖는, 전이성 암 진단으로부터 암의 제1 전이성 질환 진행까지의 시간 기간 동안 요약 타임라인에서 시작 및 종료 시간에 대한 사용자 선택에 기초하여 타임라인의 줌-인 또는 확대된 부분을 디스플레이하는 도 19의 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 도시한다;
도 22는 일부 실시예들에 따른 타임라인의 줌-인 또는 확대된 부분을 디스플레이하는 도 19의 대화형 환자 타임라인 및 제2 선택된 마커 세트에 해당하는 의료 정보를 갖는 윈도우를 디스플레이하는 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 도시한다;
도 23은 일부 실시예들에 따른 타임라인의 줌-인 또는 확대된 부분을 디스플레이하는 도 19의 대화형 환자 타임라인 및 제3 선택된 마커 세트에 해당하는 의료 정보를 갖는 윈도우를 디스플레이하는 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 도시한다;
도 24는 일부 실시예들에 따른 타임라인의 줌-인 또는 확대된 부분을 디스플레이하는 도 19의 대화형 환자 타임라인 및 추후 선택된 마커에 해당하는 의료 정보를 갖는 윈도우를 디스플레이하는 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 도시한다;
도 25는 예시적인 실시예에 따른 요약 환자 정보를 도시하는 예시적인 인터페이스를 예시한다;
도 26은 예시적인 실시예에 따른 기관에 대한 환자 정보를 디스플레이하는 예시적인 인터페이스를 예시한다; 그리고
도 27은 예시적인 실시예들에 따른 분석을 위한 최상의 팩트 강화를 통합하는 시스템 및 방법을 개략적으로 도시한다.
1 illustrates a network diagram for providing accurate patient data using an Enrichment Layer (EL) module according to one embodiment of the present disclosure;
2 schematically illustrates abstractions, ELs associated with patient data and products, according to an example embodiment;
3 schematically illustrates example reduction of candidate facts according to an example embodiment;
4 schematically illustrates example candidate fact reduction based on a medical-based reduction rule according to an example embodiment;
5 schematically illustrates calculation and/or derivation of example candidate facts according to example embodiments;
6 illustrates an EL workflow according to an example embodiment;
Figure 7 schematically illustrates generation of a node address from an EL output according to an example embodiment;
8 schematically illustrates a read-only database permission model according to an example embodiment;
Figure 9 schematically illustrates an example EL kernel 1002 according to an example embodiment;
Figure 10 schematically illustrates the geometry used to process input data and candidate facts according to some embodiments;
Figure 11 schematically illustrates attributes associated with a shape according to an example embodiment;
Figure 12 is a flow diagram illustrating the process for identifying the best facts for a given element;
Figure 13 is a flow diagram illustrating the process for determining the best fact in response to receiving additional data;
Figure 14 is a flow diagram illustrating a process for conflict resolution or escalation according to an example embodiment;
Figure 15 is a screenshot of a user interface for accepting or verifying a proposed best fact and progress period according to some embodiments;
Figure 16 schematically illustrates an architecture for a system according to some embodiments;
Figure 17 shows an example of a schematic diagram illustrating a client device according to an embodiment of the present disclosure:
18 is a block diagram illustrating the internal architecture of a computer according to one embodiment of the present disclosure;
FIG. 19 illustrates a graphical user interface including an interactive patient timeline with a window containing medical information for the patient displayed for a selected marker in an initial diagnosis time period according to some embodiments;
FIG. 20 shows the interactive patient of FIG. 19 with a window containing medical information about the patient displayed for a selected marker at diagnosis of metastatic cancer (e.g., progression to metastatic cancer) time period according to some embodiments. Shows a graphical user interface including a timeline;
FIG. 20A illustrates a window containing medical information displayed overlaid on the interactive patient timeline of FIG. 20 when a corresponding marker indicated with a number (1 to 11) is selected by the user, according to some embodiments;
21 is a summary of the time period from metastatic cancer diagnosis to first metastatic disease progression of the cancer, with a window containing medical information for the patient displayed for the first selected set of markers for that time period, according to some embodiments. depicts a graphical user interface including the interactive patient timeline of FIG. 19 that displays a zoomed-in or enlarged portion of the timeline based on user selections for start and end times in the timeline;
FIG. 22 illustrates the interactive patient timeline of FIG. 19 displaying a zoomed-in or magnified portion of the timeline according to some embodiments and an interactive patient displaying window with medical information corresponding to a second selected set of markers. Shows a graphical user interface including a timeline;
FIG. 23 illustrates the interactive patient timeline of FIG. 19 displaying a zoomed-in or enlarged portion of the timeline and an interactive patient window displaying a window with medical information corresponding to a third selected set of markers, according to some embodiments. Shows a graphical user interface including a timeline;
FIG. 24 shows the interactive patient timeline of FIG. 19 displaying a zoomed-in or enlarged portion of the timeline and a window with medical information corresponding to a later selected marker, according to some embodiments. shows a graphical user interface including;
Figure 25 illustrates an example interface depicting summary patient information according to example embodiments;
Figure 26 illustrates an example interface for displaying patient information for an institution according to example embodiments; and
Figure 27 schematically illustrates a system and method incorporating best fact enrichment for analysis according to example embodiments.

용어들에 대한 용어 해설Glossary of Terms

본원에 사용된 바와 같은 "형광 현장 혼성화(fluorescence in situ hybridization)"("FISH")는 세포 및 조직에서 유전자 또는 염색체를 관찰하는 데 사용되는 실험실 방법을 의미한다. 형광 염료를 포함하는 DNA 조각은 실험실에서 만들어져 세포나 조직 샘플에 추가된다. 이러한 DNA 조각이 샘플 내 염색체의 특정 유전자나 영역에 결합하면, 이들은 특수 조명을 사용하여 현미경으로 관찰할 때 빛이 난다. FISH를 사용하면 염색체에서 특정 유전자가 어디에 있는지, 얼마나 많은 유전자 복제가 존재하는지, 그리고 염색체 이상 등을 식별할 수 있다.As used herein, “fluorescence in situ hybridization” (“FISH”) refers to a laboratory method used to observe genes or chromosomes in cells and tissues. DNA fragments containing fluorescent dyes are created in the laboratory and added to cell or tissue samples. When these pieces of DNA bind to specific genes or regions of chromosomes in the sample, they glow when observed under a microscope using special lights. FISH can be used to identify where a particular gene is located on a chromosome, how many copies of the gene are present, and chromosomal abnormalities.

본원에 사용된 바와 같은 "면역조직화학(immunohistochemistry)" 또는 "IHC" 테스트는 조직 절편에서 특정 단백질을 식별하기 위해 항체를 사용하는 생체 검사 중에 제거된 신선하거나 냉동된 암 조직에 수행되는 특수 염색 과정을 의미한다.As used herein, “immunohistochemistry” or “IHC” testing is a special staining process performed on fresh or frozen cancer tissue removed during a biopsy that uses antibodies to identify specific proteins in tissue sections. means.

본원에 사용된 바와 같은 "차세대 시퀀싱(next generation sequencing)" 또는 NGS"이라는 용어는 종양의 게놈 프로파일에 대한 포괄적인 뷰(view)를 제공하고 종양 내에 매우 낮은 레벨로 존재하는 다수의 돌연변이를 검출할 수 있는 시퀀싱 방법을 의미한다.As used herein, the term “next generation sequencing” or NGS” provides a comprehensive view of the genomic profile of a tumor and can detect large numbers of mutations present at very low levels within the tumor. This refers to a sequencing method that can be used.

본원에 사용된 바와 같은 "중합효소 연쇄 반응(polymerase chain reaction)"("PCR)이라는 용어는 극소량의 해당 DNA가 포함된 샘플로부터 특정 DNA 조각의 많은 복사본을 만드는 데 사용되는 실험실 방법을 의미한다. PCR을 통해 이러한 DNA 조각을 증폭시켜 검출할 수 있다. PCR은 유전자나 염색체의 특정 변화를 찾는 데 사용될 수 있으며, 이는 유전적 상태나 암과 같은 질환을 찾아 진단하는 데 도움이 될 수 있다. 또한 감염을 진단하는 데 도움이 되도록 특정 박테리아, 바이러스 또는 기타 미생물의 DNA 조각을 관찰하는 데 사용될 수도 있다. As used herein, the term "polymerase chain reaction" ("PCR) refers to a laboratory method used to make many copies of a specific piece of DNA from a sample containing very small amounts of that DNA. These pieces of DNA can be amplified and detected through PCR. PCR can be used to look for specific changes in genes or chromosomes, which can help detect and diagnose genetic conditions or diseases such as cancer. It may also be used to look at fragments of DNA from specific bacteria, viruses, or other microorganisms to help diagnose infections.

실시예들은 이제 본 출원에 첨부된 도면을 참조하여 더 상세하게 논의된다. 첨부 도면들에서, 유사한 및/또는 대응하는 요소는 유사한 참조 번호로 지칭된다.Embodiments are now discussed in more detail with reference to the drawings accompanying this application. In the accompanying drawings, similar and/or corresponding elements are referred to by like reference numerals.

본원에 설명된 일부 실시예들에는 의학적 상태 및/또는 질병이 있는 환자에 대한 정확한 환자 데이터를 제공하기 위한 시스템, 방법 및/또는 비일시적 컴퓨터 판독 가능 매체가 포함된다. 일부 실시예들에서, 정확한 환자 데이터 중 적어도 일부에는 진단 또는 진행 이정표에 대응하는 진행 기간과 연관된 팩트(fact)가 포함된다. 일부 실시예들에서, 정확한 환자 데이터의 적어도 일부에는 타임라인과 연관된 팩트가 포함된다. 일부 실시예들에서, 정확한 환자 데이터는 환자에 대한 치료 옵션을 식별하도록 구성된 시스템, 환자의 치료를 평가하도록 구성된 시스템, 또는 환자의 예상 결과를 결정하도록 구성된 시스템에 제공될 수 있다. 일부 실시예들은 다른 시스템이 가장 정확한 데이터에 대해서만 독작하고 가장 정확한 데이터만 저장하도록 함으로써 시스템 또는 방법의 효율성을 향상시킨다. 또한, 일부 실시예들에서는 모든 데이터를 저장하는 대신, 가장 정확한 데이터만 저장함으로써 스토리지의 효율성을 향상시킨다.Some embodiments described herein include systems, methods, and/or non-transitory computer-readable media for providing accurate patient data about patients with medical conditions and/or diseases. In some embodiments, at least some of the accurate patient data includes facts associated with a diagnosis or progression period corresponding to a progression milestone. In some embodiments, at least some of the accurate patient data includes facts associated with a timeline. In some embodiments, accurate patient data may be provided to a system configured to identify treatment options for a patient, a system configured to evaluate treatment for a patient, or a system configured to determine an expected outcome for a patient. Some embodiments improve the efficiency of a system or method by allowing other systems to manipulate only the most accurate data and store only the most accurate data. Additionally, in some embodiments, storage efficiency is improved by storing only the most accurate data instead of storing all the data.

일부 실시예들에서, 방법 또는 시스템은 정확한 환자 데이터를 결정하거나 결정하는 데 도움을 주기 위해 강화 계층(Enrichment Layer; EL)을 구현하는 강화 계층 모듈을 사용한다. 일부 실시예들에서, 시스템 또는 방법은 의학적 상태 및/또는 질병이 있는 환자와 연관된 요소에 대응하는 잠재적인 후보 팩트를 수신하거나 액세스한다. 요소는 환자나 의학적 상태 및/또는 질병과 연관될 수 있다. 예를 들어, 요소는 이름, 나이, 예후, 치료 및 환자나 의학적 상태 및/또는 질병과 연관된 기타 정보일 수 있다. 일부 실시예들에서, EL은 후보 팩트를 도출, 계산 및/또는 감소함으로써 환자와 연관된 요소에 대한 후보 팩트로부터 최상의(또는 가장 정확한) 팩트를 식별할 수 있다. 일부 실시예들에서, EL은 사용자에 의한 수락 또는 검증을 거친 적어도 하나의 제안된 최상의 또는 가장 정확한 팩트를 식별할 수 있다. 일부 실시예들에서, EL에 의해 결정된 적어도 하나의 제안된 최상의 또는 가장 정확한 팩트는 수락 또는 검증을 위해 그래픽 사용자 인터페이스를 통해 제시된다. 일부 실시예들에서, 일부 요소의 경우, EL은 최상의 팩트를 식별하고, 다른 요소의 경우, EL은 최상의 팩트에 대한 제안을 제공하며, 이는 수락되거나 무시될 수 있다.In some embodiments, the method or system uses an Enrichment Layer (EL) module that implements an Enrichment Layer (EL) to determine or assist in determining accurate patient data. In some embodiments, a system or method receives or accesses potential candidate facts that correspond to factors associated with a patient having a medical condition and/or disease. Elements may be associated with patients or medical conditions and/or diseases. For example, elements may be name, age, prognosis, treatment, and other information associated with the patient or medical condition and/or disease. In some embodiments, the EL may identify the best (or most accurate) fact from the candidate facts for the element associated with the patient by deriving, calculating, and/or reducing the candidate facts. In some embodiments, the EL may identify at least one proposed best or most accurate fact that has been accepted or verified by the user. In some embodiments, at least one suggested best or most accurate fact as determined by the EL is presented via a graphical user interface for acceptance or verification. In some embodiments, for some elements, the EL identifies the best fact, and for other elements, the EL provides a suggestion for the best fact, which may be accepted or ignored.

일부 실시예들에서, EL은 진단부터 여러 지점을 거쳐 사망까지 환자의 병력 과정을 포괄하는 환자 정보를 끝에서 끝까지 평가하고, 환자 정보로부터 환자에 관한 가장 정확한 팩트 또는 제안된 가장 정확한 팩트를 식별할 수 있다. 일부 실시예들에서, 시스템 또는 방법은 식별된 최상의 팩트를 나타내는 출력에 기초하여 진행 및/또는 타임라인을 생성한다. 환자와 연관된 각 요소에 해당하는 최상의 팩트는 환자의 의학적 상태 및 질병 이력에 대한 완전한 및 현재의 뷰를 나타낼 수 있다. 이와 관련하여, 일부 실시예들에서, 방법 또는 시스템은 데이터를 효율적으로 수집하고, 요소에 대응하는 최상의 팩트를 식별하기 위해 후보 팩트를 자동으로 도출, 계산 및 감소함으로써 어떤 팩트가 정확하고 어떤 팩트가 불완전한지를 결정하는 수동 프로세스를 대부분 또는 완전히 제거한다. In some embodiments, the EL may evaluate patient information from end to end, encompassing the course of the patient's medical history from diagnosis through various points until death, and identify from the patient information the most accurate facts or proposed most accurate facts about the patient. You can. In some embodiments, the system or method generates a progression and/or timeline based on output representing the best facts identified. The best facts corresponding to each element associated with a patient can represent a complete and current view of the patient's medical condition and disease history. In this regard, in some embodiments, a method or system efficiently collects data and automatically derives, computes, and reduces candidate facts to identify the best fact corresponding to an element, thereby determining which facts are accurate and which facts are correct. Eliminates most or all of the manual processes that determine incompleteness.

일부 실시예들에서, 방법 또는 시스템은 진단부터 여러 지점을 거쳐 사망까지 환자의 병력 과정을 포괄하는 환자 정보를 끝에서 끝까지 평가할 수 있으며, 수락 또는 검증을 거쳐 환자 정보로부터 환자에 관한 가장 정확한 팩트에 대한 제안을 생성할 수 있다. 일부 실시예들에서, 시스템 또는 방법은 수락 또는 검증 후 식별된 최상의 팩트를 나타내는 출력에 기초하여 진행 및/또는 타임라인을 생성한다. 환자와 연관된 각 요소에 해당하는 최상의 팩트는 환자의 의학적 상태 및 질병 이력에 대한 완전한 및 현재의 뷰를 나타낼 수 있다. 이와 관련하여, 일부 실시예들에서, EL은 데이터를 효율적으로 수집하고, 재현 가능하고 예측 가능한 방식으로 제안된 최상의 팩트를 식별하기 위해 후보 팩트를 자동으로 도출, 계산 및 감소함으로써 어떤 팩트가 정확하고 어떤 팩트가 불완전한지를 결정하는 수동 프로세스에서 예측 불가능성을 줄인다. In some embodiments, a method or system may be capable of evaluating patient information end-to-end, encompassing the course of a patient's medical history from diagnosis through various points until death, and accepting or verifying the results from the patient information into the most accurate facts about the patient. You can create suggestions for In some embodiments, the system or method generates a progression and/or timeline based on output representing the best facts identified after acceptance or verification. The best facts corresponding to each element associated with a patient can represent a complete and current view of the patient's medical condition and disease history. In this regard, in some embodiments, EL efficiently collects data and automatically derives, computes, and reduces candidate facts to identify the best proposed facts in a reproducible and predictable manner, thereby determining which facts are correct and which facts are correct. Reduces unpredictability in the manual process of determining which facts are incomplete.

일부 실시예들에서, 본 개시에 설명된 최상의 팩트를 식별하기 위한 방법 또는 시스템은 임상 데이터 질의 및 탐색을 단순화한다. 전통적으로, 데이터 수집, 추적, 분석에 투자하는 종양학 센터는 팀이 데이터 요청을 처리할 수 있도록 IT 인프라와 예산에 투자해야 한다. 데이터 요청은 종양학 센터가 임상 시험 타당성을 위한 환자 모집단부터 치료 제공 품질 개선 계획을 위한 데이터 제공에 이르기까지 진료의 다양한 측면을 평가하는 데 도움이 된다. 각 데이터 요청의 경우, 전환 시간은 데이터 요청, 기관의 데이터 인프라에 대한 정교함과 투자, 및 데이터 분석 팀의 역량에 따라 몇 주에서 며칠까지 다양할 수 있다. 일부 실시예들에서, 본 개시에 설명된 바와 같은 최상의 팩트 식별은 기관에 대한 데이터 요청을 이행하는 데 필요한 시간을 상당히 줄일 수 있다. 또한, 최상의 팩트 식별은 데이터 요청이 즉시(즉, 몇 초 내에) 이행될 수 있는 실시간 데이터 쿼리 및 탐색을 제공하려는 기술의 기반이 될 수 있다.In some embodiments, the method or system for identifying best facts described in this disclosure simplifies clinical data querying and discovery. Traditionally, oncology centers that invest in data collection, tracking, and analysis must invest in IT infrastructure and budget to enable their teams to process data requests. Data requests help oncology centers evaluate various aspects of their care, from patient populations for clinical trial feasibility to providing data for quality improvement initiatives in care delivery. For each data request, turnaround time can vary from several weeks to several days, depending on the data request, the sophistication and investment in the institution's data infrastructure, and the capabilities of the data analytics team. In some embodiments, best fact identification as described in this disclosure can significantly reduce the time required to fulfill a data request to an organization. Additionally, identifying the best facts can be the basis for technologies that seek to provide real-time data querying and exploration where data requests can be fulfilled immediately (i.e., within seconds).

다양한 실시예들이 본원에 개시되어 있다; 그러나 개시된 실시예 및 도시된 사용자 인터페이스는 단지 다양한 형태로 구현될 수 있는 개시를 예시하는 것임을 이해해야 한다. 추가로, 다양한 실시예들과 관련하여 주어진 예 각각은 설명을 위한 것이지 제한하려는 것은 아니다. 따라서, 본원에 개시된 특정한 구조적 및 기능적 세부사항은 제한하는 것으로 해석되어서는 안 되며, 단지 개시된 실시예를 다양하게 채용하도록 당업자를 교시하기 위한 대표적인 기초로서 해석되어야 한다.Various embodiments are disclosed herein; However, it should be understood that the disclosed embodiments and illustrated user interfaces are merely illustrative of the disclosure that may be implemented in various forms. Additionally, each example given in connection with the various embodiments is illustrative and not limiting. Accordingly, the specific structural and functional details disclosed herein should not be construed as limiting, but merely as a representative basis for teaching those skilled in the art to make various adaptations of the disclosed embodiments.

실시예들은 방법 및 시스템의 블록도 및 동작 설명을 참조하여 아래에 설명된다. 블록도 또는 동작 설명의 각 블록, 및 블록도 또는 동작 설명의 블록 조합은 아날로그 또는 디지털 하드웨어 및 컴퓨터 프로그램 명령어를 통해 구현될 수 있다는 것이 이해된다. 이러한 컴퓨터 프로그램 명령어는 범용 컴퓨터, 특수 목적 컴퓨터, ASIC 또는 기타 프로그래밍 가능한 데이터 처리 장치의 하나 이상의 프로세서에 제공될 수 있으며, 컴퓨터 또는 기타 프로그래밍 가능한 처리 장치의 하나 이상의 프로세서를 통해 실행되는 명령어는 블록도 또는 동작 블록 또는 블록들에 명시된 기능/동작을 구현한다.Embodiments are described below with reference to block diagrams and operational descriptions of the methods and systems. It is understood that each block in the block diagram or operational description, and combinations of blocks in the block diagram or operational description, may be implemented through analog or digital hardware and computer program instructions. Such computer program instructions may be provided to one or more processors of a general-purpose computer, special-purpose computer, ASIC, or other programmable data processing device, and the instructions for execution by one or more processors of the computer or other programmable processing device may be shown in a block diagram or Implements the function/action specified in the action block or blocks.

일부 대안적인 구현들에서, 블록에 명시된 기능/동작은 동작 예시에 명시된 순서를 벗어나 발생할 수 있다. 예를 들어, 연속적으로 도시된 두 블록은 실제로는 실질적으로 동시에 실행될 수 있거나, 기능/동작에 따라 블록은 때로는 역순으로 실행될 수 있다. 또한, 본 개시에서 흐름도로서 제시되고 설명된 방법의 실시예들은 기술의 보다 완전한 이해를 제공하기 위해 예를 들어 제공된다. 개시된 방법은 본원에 제시된 동작 및 논리적 흐름에 제한되지 않는다. 다양한 동작의 순서가 변경되고 더 큰 동작의 일부인 것으로 설명된 서브 동작이 독립적으로 수행되는 대안적인 실시예들이 고려된다.In some alternative implementations, the functions/operations specified in the block may occur outside of the order specified in the operation example. For example, two blocks shown in succession may in fact be executed substantially simultaneously, or depending on the function/operation, the blocks may sometimes be executed in reverse order. Additionally, embodiments of methods presented and described as flow diagrams in this disclosure are provided by way of example to provide a more complete understanding of the technology. The disclosed method is not limited to the operations and logical flow presented herein. Alternative embodiments are contemplated in which the order of the various operations is changed and sub-operations described as being part of a larger operation are performed independently.

주로 암 상태와 관련하여 본원에 설명되어 있지만, 설명된 방법 및 시스템은 임의의 진행성 임상 상태(예를 들어, 심혈관 질환, 대사 질환(당뇨병), 면역 매개 질환(예를 들어, 루푸스, 류마티스 관절염), 장기이식, 신경퇴행성 장애, 폐질환, 전염병, 간질환))에 대응하는 환자 데이터에 대한 것일 수 있다. 실무자는 이러한 각 상태의 파라미터를 알고 있을 것이다. 일부 실시예들에서, 방법과 시스템은 암 상태에 따라 다르다.Although described herein primarily in the context of cancer conditions, the methods and systems described may also be used in any advanced clinical condition (e.g., cardiovascular disease, metabolic disease (diabetes), immune-mediated disease (e.g., lupus, rheumatoid arthritis). , organ transplantation, neurodegenerative disorders, lung diseases, infectious diseases, liver diseases). Practitioners will know the parameters of each of these states. In some embodiments, methods and systems vary depending on the cancer condition.

명세서 및 청구범위 전반에 걸쳐, 용어는 명시적으로 언급된 의미를 넘어 문맥에서 제안되거나 암시된 미묘한 의미를 가질 수 있다. 마찬가지로, 본원에 사용된 바와 같은 "일 실시예에서"라는 문구는 반드시 동일한 실시예를 지칭하는 것은 아니며, 본원에 사용된 바와 같은 "또 다른 실시예에서"라는 문구는 반드시 서로 다른 실시예를 지칭하는 것은 아니다. 예를 들어, 청구된 주제는 예시적인 실시예의 조합을 전체적으로 또는 부분적으로 포함하도록 의도된다.Throughout the specification and claims, terms may have subtle meanings suggested or implied from context beyond those explicitly stated. Likewise, the phrase “in one embodiment” as used herein does not necessarily refer to the same embodiment, and the phrase “in another embodiment” as used herein does not necessarily refer to a different embodiment. It's not like that. For example, claimed subject matter is intended to include, in whole or in part, a combination of example embodiments.

일반적으로, 용어는 문맥에서의 사용법을 통해 적어도 부분적으로 이해될 수 있다. 예를 들어, 본원에 사용된 바와 같은 "및", "또는" 또는 "및/또는"과 같은 용어는 이러한 용어가 사용되는 문맥에 따라 적어도 부분적으로 달라질 수 있는 다양한 의미를 포함할 수 있다. 일반적으로, "또는"이 A, B 또는 C와 같은 목록을 연관시키는 데 사용되는 경우, 여기서는 포괄적인 의미로 사용되는 A, B 및 C뿐만 아니라, 여기에서는 배타적 의미로 사용되는 A, B 또는 C를 의미하는 것으로 의도된다. 추가로, 본원에 사용된 바와 같은 "하나 이상"이라는 용어는 문맥에 따라 적어도 부분적으로는 단수의 의미로 임의의 특징, 구조 또는 특성을 설명하는 데 사용될 수 있거나, 복수의 의미로 특징, 구조 또는 특성의 조합을 설명하는 데 사용될 수 있다. 마찬가지로, "a", "an" 또는 "the"와 같은 용어는 다시 하나 번 문맥에 따라 적어도 부분적으로는 단수 용법을 전달하거나 복수 용법을 전달하는 것으로 이해될 수 있다. 추가로, "~에 기초하여"라는 용어는 반드시 배타적인 요소 세트를 전달하려는 의도는 아니며, 그 대신 적어도 부분적으로 문맥에 따라 반드시 명시적으로 설명되지 않은 추가 요소의 존재를 허용할 수 있는 것으로 이해될 수 있다.Generally, a term can be understood at least in part through its usage in context. For example, as used herein, terms such as “and,” “or,” or “and/or” can encompass a variety of meanings that may vary, at least in part, depending on the context in which such terms are used. In general, when "or" is used to associate a list such as A, B or C, here it is not only A, B and C that are used in an inclusive sense, but also A, B or C that are used here in an exclusive sense. It is intended to mean. Additionally, the term “one or more” as used herein may be used to describe any feature, structure, or characteristic, at least in part, in a singular sense, or may be used in a plural sense, depending on the context, to describe any feature, structure, or characteristic. Can be used to describe combinations of characteristics. Likewise, terms such as "a", "an" or "the" may be understood to convey singular or plural usage, at least in part, depending on the context. Additionally, the term “based on” is not necessarily intended to convey an exclusive set of elements, but rather to be understood as capable, at least in part, of allowing the presence of additional elements not necessarily explicitly described, depending on the context. It can be.

도 1은 본원에 설명된 일부 실시예들과 관련하여 사용될 수 있는 컴퓨팅 시스템, 장치, 네트워크 및 데이터베이스의 네트워크 다이어그램을 개략적으로 도시한다. 도시된 네트워크 다이어그램은 네트워크(115)를 통해 클라이언트 컴퓨팅 장치(110a, 110b), 데이터베이스(140) 및 데이터 저장소(170a-b)와 통신하는 컴퓨팅 시스템(105)을 도시한다. 컴퓨팅 시스템(105)은 추상화(abstraction)(123) 모듈, 애플리케이션 또는 플랫폼, EL 모듈(125) 및 애플리케이션 A-N(127a-n)을 호스팅하고 실행할 수 있다. 추상화 모듈(123), EL 모듈(125) 및 애플리케이션 A-N(125a-n) 각각은 동일하거나 별도의 컴퓨팅 시스템에서 실행될 수 있음을 알 수 있다. 컴퓨팅 시스템(105)은 데이터를 검색하기 위해 네트워크(115)를 통해 서로 다른 데이터 저장소(170a-n)와 추가로 통신할 수 있다. 1 schematically depicts a network diagram of computing systems, devices, networks, and databases that may be used in connection with some embodiments described herein. The depicted network diagram depicts computing system 105 in communication with client computing devices 110a, 110b, database 140, and data stores 170a-b over network 115. Computing system 105 may host and execute abstraction 123 modules, applications or platforms, EL modules 125 and applications A-N 127a-n. It can be seen that each of the abstraction module 123, EL module 125, and applications A-N (125a-n) may be executed on the same or separate computing systems. Computing system 105 may further communicate with different data stores 170a-n via network 115 to retrieve data.

컴퓨팅 시스템(105)은 하나 이상의 컴포넌트와 상호작용하고/하거나 데이터베이스(140) 및 데이터 저장소(170a-n)의 콘텐트에 대한 액세스를 용이하게 하도록 구성된 하나 이상의 애플리케이션을 호스팅할 수 있다. 데이터베이스(140) 및 데이터 저장소(170a-n)는 본원에 설명된 바와 같이 정보/데이터를 저장할 수 있다. 예를 들어, 데이터베이스(140)는 시계열 데이터베이스(147) 및 진행 데이터베이스(149)를 포함할 수 있다. 시계열 데이터베이스(147)는 시계열 모델을 기반으로 식별된 정확한 환자 데이터 출력을 저장할 수 있다. 진행 데이터베이스(149)는 환자의 질병 및/또는 의학적 의 진단 또는 진행 이정표에 대응하는 진행 기간 동안 EL 모듈(120)로부터 출력된 식별된 정확한 환자 데이터를 저장할 수 있다. 데이터 저장소(170a-n)는 환자 정보 및 의료 정보를 저장할 수 있다. 데이터베이스(140)는 컴퓨팅 시스템(105)으로부터 지리적으로 분산된 하나 이상의 위치에 위치될 수 있다. 대안으로, 데이터베이스(140)는 컴퓨팅 시스템(105)과 동일한 지리적 위치에 위치될 수 있다.Computing system 105 may host one or more applications configured to interact with one or more components and/or facilitate access to content in database 140 and data stores 170a-n. Database 140 and data stores 170a-n may store information/data as described herein. For example, the database 140 may include a time series database 147 and a progress database 149. Time series database 147 may store accurate patient data output identified based on the time series model. Progress database 149 may store identified and accurate patient data output from EL module 120 for progression periods corresponding to the patient's disease and/or medical diagnosis or progression milestones. Data storage (170a-n) may store patient information and medical information. Database 140 may be located in one or more locations geographically distributed from computing system 105. Alternatively, database 140 may be located in the same geographic location as computing system 105.

컴퓨팅 시스템(105)은 EL 모듈을 실행하여 본원에 설명된 바와 같이 정확한 환자 데이터를 식별할 수 있다. 일 실시예에서, 정확한 환자 데이터는 애플리케이션 A-N(125a-n)에 의해 액세스되거나 이에 제공될 수 있다. 애플리케이션 A-N(125a-n)은 각 애플리케이션 A-N(125a-n)의 각각의 애플리케이션 테이블(127a-n)에 환자 데이터를 저장할 수 있다. 각각의 애플리케이션 A-N(125a-n) 중 하나 이상의 인스턴스는 클라이언트 컴퓨팅 장치(110a)에서 실행될 수 있다. 애플리케이션 A-N(125a-n) 각각은 사용자 인터페이스(예를 들어, 클라이언트 컴퓨팅 장치(110a)의 디스플레이(145a)에 렌더링될 그래픽 사용자 인터페이스(150a))를 제공할 수 있다. “UI"라는 용어는 사용자 인터페이스를 의미하며, 이는 장치나 시스템에서 인간-컴퓨터 상호 작용 및 통신이라는 점이다. 여기에는 디스플레이 화면, 키보드, 마우스 및 데스크탑 외관이 포함될 수 있다. 사용자 인터페이스는 사용자가 애플리케이션이나 웹 사이트와 상호 작용하는 방식을 의미할 수도 있다. 애플리케이션 A-N(125a-n) 각각은 디스플레이(145) 상에 렌더링되는 그래픽 사용자 인터페이스(150a) 상에 렌더링될 식별된 정확한 환자 데이터를 출력하도록 구성될 수 있다. 대안으로 또는 추가로, 식별된 정확한 환자 데이터는 클라이언트 컴퓨팅 장치(110a)의 디스플레이(145a)에 렌더링되는 그래픽 사용자 인터페이스(150a)에 렌더링될 출력을 생성하기 위해 애플리케이션 A-N(125a-n) 중 어느 하나에 의해 사용될 수 있다. 대안으로 또는 추가로, EL 모듈(120)은 식별된 정확한 환자 데이터를 시계열 데이터베이스(147) 및/또는 진행 데이터베이스(149)에 저장할 수 있다.Computing system 105 may execute the EL module to identify accurate patient data as described herein. In one embodiment, accurate patient data may be accessed by or provided to applications A-N 125a-n. Applications A-N (125a-n) may store patient data in each application table (127a-n) of each application A-N (125a-n). One or more instances of each application A-N 125a-n may be executing on client computing device 110a. Each of applications A-N 125a-n may provide a user interface (e.g., a graphical user interface 150a to be rendered on display 145a of client computing device 110a). The term “UI” refers to user interface, which is the human-computer interaction and communication on a device or system. This may include the display screen, keyboard, mouse, and desktop appearance. The user interface refers to the user interface that allows the user to use an application. or a method of interacting with a website. Each of the applications A-N (125a-n) is configured to output identified and accurate patient data to be rendered on the graphical user interface (150a) rendered on the display (145). Alternatively or additionally, the identified precise patient data may be stored in applications A-N 125a-n to generate output to be rendered in graphical user interface 150a that is rendered on display 145a of client computing device 110a. ). Alternatively or additionally, EL module 120 may store identified accurate patient data in time series database 147 and/or progression database 149.

일부 실시예들에서, 수락/검증 모듈(128)은 정확한 환자 데이터를 식별하는 과정에 사용된다. 일부 실시예들에서, 수락/검증 모듈(126)은 애플리케이션 A-N(125a-n) 중 어느 하나를 호스팅하는 클라이언트 컴퓨팅 장치(110a)와는 다른 클라이언트 컴퓨팅 장치(110b)에서 수락/검증 애플리케이션(129)으로서 적어도 부분적으로 실행된다. 일부 실시예들에서, 수락 및 검증에 대한 적어도 일부 양태들은 추상화 플랫폼에 의해 실행될 수 있다. 일부 실시예들에서, 클라이언트 컴퓨팅 장치(110b)의 그래픽 사용자 인터페이스(150b)는 식별된 최상의 데이터 중 일부 또는 전부의 수락 또는 검증을 위해 사용자로부터 입력을 수신하는 데 사용된다. 다른 실시예들에서, 수락/검증 모듈(126)은 전적으로 컴퓨팅 시스템(105)에 의해 실행되고 컴퓨팅 시스템(105)의 그래픽 사용자 인터페이스로부터 식별된 최상의 데이터 중 일부 또는 전부의 수락 또는 검증을 위해 사용자로부터 입력을 수신한다.In some embodiments, acceptance/verification module 128 is used in the process of identifying accurate patient data. In some embodiments, acceptance/verification module 126 serves as an acceptance/verification application 129 on a client computing device 110b that is different from the client computing device 110a hosting any one of applications A-N 125a-n. It is at least partially executed. In some embodiments, at least some aspects of acceptance and verification may be implemented by an abstraction platform. In some embodiments, graphical user interface 150b of client computing device 110b is used to receive input from a user for acceptance or verification of some or all of the best data identified. In other embodiments, the acceptance/verification module 126 is executed entirely by the computing system 105 and allows the user to accept or verify some or all of the best data identified from the graphical user interface of the computing system 105. Receive input.

컴퓨팅 시스템(105)은 예를 들어 인터넷과 같은 네트워크(115)를 통해 클라이언트 컴퓨팅 장치(110a, 110b)의 브라우저(미도시)에 의해 디스플레이될 웹 페이지와 같은 콘텐트를 생성 및/또는 서빙할 수 있다. 일부 실시예들에서, 애플리케이션 A-N(125a-n) 또는 수락/검증 애플리케이션(129) 중 하나 이상은 웹 페이지(또는 웹 페이지의 일부)로서 적어도 부분적으로 실행되고 따라서 웹 브라우저를 통해 클라이언트 컴퓨팅 장치(110a, 110b)의 사용자에 의해 액세스된다. 일부 실시예들에서, 애플리케이션 A-N(125a-n) 또는 수락/검증 애플리케이션(129) 중 하나 이상은 컴퓨팅 시스템(105)으로부터 클라이언트 컴퓨팅 장치(110a, 110b)로 다운로드될 수 있는 모바일 "앱(app)"과 같은 소프트웨어 애플리케이션이다. 일부 실시예들에서, 애플리케이션 A-N(125a-n) 또는 수락/검증 애플리케이션(129) 중 하나 이상은 클라이언트 컴퓨팅 장치(110a, 110b)에서 실행될 때 본원에 설명된 기능을 가능하게 하기 위한 그래픽 사용자 인터페이스(GUI)(150a, 150b)를 제공한다. Computing system 105 may generate and/or serve content, such as web pages, to be displayed by a browser (not shown) of client computing device 110a, 110b over network 115, such as the Internet, for example. . In some embodiments, one or more of the applications A-N 125a-n or the acceptance/verification application 129 executes at least in part as a web page (or portion of a web page) and thus executes on the client computing device 110a via a web browser. , 110b) is accessed by the user. In some embodiments, one or more of applications A-N 125a-n or acceptance/verification applications 129 are mobile “apps” that can be downloaded from computing system 105 to client computing devices 110a, 110b. "It is a software application such as: In some embodiments, one or more of applications A-N 125a-n or acceptance/verification applications 129 may include a graphical user interface (graphical user interface) to enable the functionality described herein when running on client computing device 110a, 110b. GUI) (150a, 150b) is provided.

컴퓨팅 시스템(105) 및/또는 클라이언트 컴퓨팅 장치(1101, 110b)로서 완전히 또는 부분적으로 구현된 컴퓨팅 장치는 예컨대 유선 또는 무선 네트워크를 통해 신호를 전송 또는 수신할 수 있거나, 예컨대 물리적 메모리 상태로 메모리에서도 신호를 처리 또는 저장할 수 있다. 컴퓨팅 시스템(105)으로 동작할 수 있는 장치 및 시스템은, 이에 제한되는 것은 아니나, 예를 들어, 전용 랙-장착형(rack-mounted) 서버, 데스크톱 컴퓨터, 랩톱 컴퓨터, 셋톱 박스, 다양한 특징, 예컨대 전술한 장치의 둘 이상의 특징을 조합하는 통합 장치 등을 포함한다. 컴퓨팅 시스템(105)의 실시예들은 구성이나 성능이 크게 달라질 수 있지만, 일반적으로 하나 이상의 중앙 처리 유닛 및 메모리를 포함할 수 있다. 컴퓨팅 시스템(105)은 또한 하나 이상의 대용량 저장 장치, 하나 이상의 전원 공급 장치, 하나 이상의 유선 또는 무선 네트워크 인터페이스, 하나 이상의 입력/출력 인터페이스, 또는 Windows® Server, Mac® OS X®, Unix®, Linux®, FreeBSD®와 같은 하나 이상의 운영 체제 등을 포함할 수 있다. 컴퓨팅 시스템(105)은 다수의 서로 다른 컴퓨팅 장치를 포함할 수 있다. 컴퓨팅 시스템(105)은 서로 네트워크로 연결된 다수의 컴퓨팅 장치를 포함할 수 있다. 컴퓨팅 시스템(105)은 프로세서 네트워크를 포함할 수 있거나 처리(예를 들어, 클라우드 컴퓨팅)를 위한 원격 프로세서 네트워크를 사용할 수 있다. 일부 양태들은 클라우드 컨테이너 엔진을 통해 적어도 부분적으로 구현될 수 있다.Computing devices fully or partially implemented as computing system 105 and/or client computing devices 1101, 110b may transmit or receive signals, e.g., over a wired or wireless network, or may also transmit signals in memory, e.g., in a physical memory state. can be processed or stored. Devices and systems capable of operating as computing system 105 include, but are not limited to, dedicated rack-mounted servers, desktop computers, laptop computers, set-top boxes, and various features, such as the foregoing. Includes integrated devices that combine two or more features of one device, etc. Embodiments of computing system 105 may vary greatly in configuration or performance, but generally include one or more central processing units and memory. Computing system 105 may also include one or more mass storage devices, one or more power supplies, one or more wired or wireless network interfaces, one or more input/output interfaces, or Windows® Server, Mac® OS , one or more operating systems such as FreeBSD®, etc. Computing system 105 may include multiple different computing devices. Computing system 105 may include multiple computing devices networked together. Computing system 105 may include a processor network or may utilize a remote processor network for processing (e.g., cloud computing). Some aspects may be implemented at least partially through a cloud container engine.

컴퓨팅 시스템(105)은 네트워크를 통해 콘텐트를 또 다른 장치에 제공하기 위한 구성을 포함하는 장치를 포함할 수 있다. 컴퓨팅 시스템(105)은, 이에 제한되는 것은 아니나, 웹 서비스, 제3자 서비스, 오디오 서비스, 비디오 서비스, 이메일 서비스, 인스턴트 메시징(IM) 서비스, SMS 서비스, MMS 서비스, FTP 서비스, 음성 통신(voice over IP; VOIP) 서비스, 캘린더 서비스, 사진 서비스 등을 포함하는 다양한 서비스를 추가로 제공할 수 있다. 콘텐트의 예에는 텍스트, 이미지, 오디오, 비디오 등이 포함될 수 있으며, 이는 전기적 신호와 같은 물리적인 신호의 형태로 처리되거나, 예를 들어 물리적인 상태로 메모리에 저장될 수 있다. 컴퓨팅 시스템(105)으로서 동작하거나 이에 포함될 수 있는 장치의 예에는 데스크탑 컴퓨터, 멀티프로세서 시스템, 마이크로프로세서-유형 또는 프로그래밍 가능한 소비자 전자 제품 등이 포함된다.Computing system 105 may include a device that includes a configuration for providing content to another device over a network. Computing system 105 may include, but is not limited to, web services, third-party services, audio services, video services, email services, instant messaging (IM) services, SMS services, MMS services, FTP services, and voice communications. A variety of additional services can be provided, including over IP (VOIP) service, calendar service, photo service, etc. Examples of content may include text, images, audio, video, etc., which may be processed in the form of physical signals such as electrical signals, or may be stored in memory in a physical state, for example. Examples of devices that can operate as or be included in computing system 105 include desktop computers, multiprocessor systems, microprocessor-type or programmable consumer electronics, and the like.

네트워크는 예를 들어, 무선 네트워크를 통해 결합된 무선 장치 사이를 포함하여, 예컨대 서버와 클라이언트 장치 또는 다른 유형의 장치들 사이에서 통신이 교환될 수 있도록 장치들을 결합할 수 있다. 네트워크는 예를 들어 네트워크 결합 스토리지(network attached storage; NAS), 저장 영역 네트워크(storage area network; SAN), 또는 기타 형태의 컴퓨터 또는 기계 판독 가능 매체와 같은 대용량 스토리지도 포함할 수 있다. 네트워크는 인터넷, 하나 이상의 근거리 통신망(local area network; LAN), 하나 이상의 광역 통신망(wide area network; WAN), 유선형 연결, 무선형 연결 또는 임의의 이들의 조합을 포함할 수 있다. 마찬가지로, 서로 다른 아키텍처를 사용할 수 있거나 서로 다른 프로토콜과 호환되거나 호환될 수 있는 서브-네트워크는 더 큰 네트워크 내에서 상호 운용될 수 있다. 예를 들어, 다양한 아키텍처 또는 프로토콜에 대한 상호 운용 가능 기능을 제공하기 위해 다양한 유형의 장치를 사용할 수 있다. 하나의 예시적인 예로서, 라우터는 그렇지 않으면 별개의 독립적인 LAN 사이에 링크를 제공할 수 있다.A network may couple devices such that communications can be exchanged between, for example, server and client devices or other types of devices, including, for example, between wireless devices that are coupled over a wireless network. A network may also include mass storage, such as, for example, network attached storage (NAS), a storage area network (SAN), or other forms of computer or machine-readable media. The network may include the Internet, one or more local area networks (LANs), one or more wide area networks (WANs), wired connections, wireless connections, or any combination thereof. Likewise, sub-networks that may use different architectures or that are compatible or compatible with different protocols can interoperate within the larger network. For example, different types of devices can be used to provide interoperable functionality for different architectures or protocols. As one illustrative example, a router may provide a link between otherwise separate and independent LANs.

통신 링크 또는 채널에는 예를 들어 연선 쌍, 동축 케이블과 같은 아날로그 전화선, T1, T2, T3 또는 T4 유형 회선을 포함한 전체 또는 부분 디지털 회선, 종합 정보 통신망(Integrated Services Digital Network; ISDN), 디지털 가입자 회선(Digital Subscriber Line; DSL), 위성 링크를 포함하는 무선 링크, 또는 당업자에게 공지될 수 있는 기타 통신 링크 또는 채널이 포함될 수 있다. 또한, 컴퓨팅 장치 또는 기타 관련 전자 장치는 예를 들어 전화선이나 링크를 통해 네트워크에 원격으로 결합될 수 있다.Communication links or channels include, for example, analog telephone lines such as twisted pair pairs, coaxial cable, fully or partially digital lines, including T1, T2, T3, or T4 type lines, Integrated Services Digital Network (ISDN), and digital subscriber lines. (Digital Subscriber Line (DSL)), wireless links, including satellite links, or other communication links or channels as may be known to those skilled in the art. Additionally, computing devices or other related electronic devices may be remotely coupled to the network, for example via telephone lines or links.

무선 네트워크는 클라이언트 장치를 네트워크(115)와 결합할 수 있다. 무선 네트워크(115)는 독립형 애드혹 네트워크, 메시 네트워크, 무선 LAN(WLAN) 네트워크, 셀룰러 네트워크 등을 사용할 수 있다. 무선 네트워크(115)는 무선 라디오 링크 등에 의해 결합된 단말, 게이트웨이, 라우터 등의 시스템을 더 포함할 수 있으며, 이는 네트워크 토폴로지가 때때로 심지어 빠르게 변화할 수 있도록 그들 자신을 자유롭게, 랜덤으로 이동시키거나 임의로 조직화시킬 수 있다. 무선 네트워크(115)는 롱 텀 에볼루션(Long Term Evolution; LTE), WLAN, 무선 라우터(Wireless Router; WR) 메시, 또는 2세대, 3세대, 4세대, 5세대 또는 6세대(2G, 3G, 4G, 5G, 6G) 셀룰러 기술 등을 추가로 사용할 수 있다. 네트워크 액세스 기술은 예를 들어 다양한 정도의 이동성을 지닌 클라이언트 장치와 같은 장치에 대한 광역 커버리지를 가능하게 할 수 있다.A wireless network may couple client devices with network 115. The wireless network 115 may use a standalone ad hoc network, a mesh network, a wireless LAN (WLAN) network, a cellular network, etc. The wireless network 115 may further include systems of terminals, gateways, routers, etc., coupled by wireless radio links, etc., which may move themselves freely, randomly, or arbitrarily, such that the network topology can change, sometimes even rapidly. It can be organized. Wireless network 115 may be Long Term Evolution (LTE), WLAN, Wireless Router (WR) mesh, or 2nd, 3rd, 4th, 5th, or 6th generation (2G, 3G, 4G). , 5G, 6G) cellular technologies can be additionally used. Network access technologies can enable wide-area coverage for devices, for example, client devices with varying degrees of mobility.

예를 들어, 네트워크(115)는 이동 통신 세계화 시스템(Global System for Mobile communication; GSM), 범용 이동 통신 시스템(Universal Mobile Telecommunications System; UMTS), 일반 패킷 무선 시스템(General Packet Radio Service; GPRS), 향상된 데이터 GSM 환경(Enhanced Data GSM Environment; EDGE), 3GPP LTE(Long Term Evolution), LTE 어드밴스드, 광대역 코드분할 다중접속(Wideband Code Division Multiple Access; WCDMA), 블루투스, 802.11b/g/n 등과 같은 하나 이상의 네트워크 액세스 기술을 통해 RF 또는 무선형 통신을 가능하게 할 수 있다. 무선 네트워크는 클라이언트 장치 또는 컴퓨팅 장치와 같은 장치들 사이, 네트워크 사이 또는 네트워크 내 등에서 신호가 전달될 수 있는 사실상 모든 유형의 무선 통신 메커니즘을 포함할 수 있다.For example, network 115 may include Global System for Mobile communication (GSM), Universal Mobile Telecommunications System (UMTS), General Packet Radio Service (GPRS), and enhanced One or more such as Enhanced Data GSM Environment (EDGE), 3GPP LTE (Long Term Evolution), LTE Advanced, Wideband Code Division Multiple Access (WCDMA), Bluetooth, 802.11b/g/n, etc. Network access technology can enable RF or wireless communications. A wireless network may include virtually any type of wireless communication mechanism that allows signals to be passed between devices, such as client devices or computing devices, between networks, within a network, etc.

일 실시예에서 그리고 본원에 설명된 바와 같이, 클라이언트 컴퓨팅 장치(110)는 스마트폰이다. 또 다른 실시예에서, 클라이언트 컴퓨팅 장치(110)는 태블릿이다. 클라이언트 컴퓨팅 장치(110)는 또한 컴퓨터, 셋톱 박스, 스마트 TV, 또는 임의의 다른 컴퓨팅 장치일 수 있다.In one embodiment and as described herein, client computing device 110 is a smartphone. In another embodiment, client computing device 110 is a tablet. Client computing device 110 may also be a computer, set-top box, smart TV, or any other computing device.

일 실시예에서, 추상화 모듈(123), EL 모듈(120), 수락/검증 모듈(128) 및/또는 애플리케이션 A-N(125a-n)은 "클라우드 컴퓨팅" 환경에서 또는 "서비스로서의 소프트웨어"(software as a service; SaaS)로 구현될 수 있다. 예를 들어, 동작 중 적어도 일부는 컴퓨터 그룹(프로세서를 포함하는 기계의 예로서)에 의해 수행될 수 있으며, 이러한 동작은 네트워크(예를 들어, 인터넷)를 통해 그리고 하나 이상의 적절한 인터페이스(예를 들어, API)를 통해 액세스할 수 있다. 예시적인 실시예들은 디지털 전자 회로부로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 이들의 조합으로 구현될 수 있다. 예시적인 실시예들은 예를 들어 데이터 처리 장치(예를 들어, 프로그램 가능 프로세서, 컴퓨터 또는 다수의 컴퓨터)에 의해 실행하기 위해 또는 그의 동작을 제어하기 위해 기계 판독 가능 매체에서 정보 캐리어에 유형적으로 구현된 컴퓨터 프로그램 제품(예를 들어, 컴퓨터 프로그램)을 사용하여 구현될 수 있다. In one embodiment, abstraction module 123, EL module 120, acceptance/validation module 128 and/or applications A-N 125a-n may operate in a “cloud computing” environment or as “software as a service”. It can be implemented as a service (SaaS). For example, at least some of the operations may be performed by a group of computers (as an example of a machine comprising a processor), which may be performed over a network (e.g., the Internet) and through one or more suitable interfaces (e.g., , can be accessed via API). Illustrative embodiments may be implemented in digital electronic circuitry, or in computer hardware, firmware, software, or a combination thereof. Exemplary embodiments are tangibly embodied in an information carrier in a machine-readable medium, e.g., for execution by or to control the operation of a data processing device (e.g., a programmable processor, computer, or multiple computers). It may be implemented using a computer program product (eg, a computer program).

일 실시예에서, 클라이언트 컴퓨팅 장치(110a)는 사용자에 의해 동작될 수 있다. 일부 실시예들에서, 사용자는 환자, 헬스 케어 제공자 시스템, 지불자(예를 들어, 보험 회사) 및 의료 전문가일 수 있다. 환자, 헬스 케어 제공자 시스템, 의료 전문가 또는 보험 회사는 클라이언트 컴퓨팅 장치(110a)에서 애플리케이션 A-N(125a-n)의 인스턴스를 실행하여 컴퓨팅 시스템(105)과 인터페이스할 수 있다. 애플리케이션 A-N(125a-n)은 디스플레이(145a) 상에 GUI(150a)를 렌더링할 수 있다. 일부 실시예들에서, GUI(150)는 각 애플리케이션 A-N(125a-n) 및/또는 사용자 유형마다 다를 수 있음을 알 수 있다. In one embodiment, client computing device 110a may be operated by a user. In some embodiments, users may be patients, healthcare provider systems, payers (eg, insurance companies), and medical professionals. A patient, healthcare provider system, medical professional, or insurance company may interface with computing system 105 by running an instance of applications A-N 125a-n on client computing device 110a. Applications A-N 125a-n may render GUI 150a on display 145a. It can be seen that in some embodiments, GUI 150 may be different for each application A-N 125a-n and/or user type.

일부 실시예들에서, 클라이언트 컴퓨팅 장치(110b)는 식별된 최상의 팩트 및/또는 진행 시간 기간을 수락하거나 검증하기 위해 사용자로부터의 입력을 수락하는 데 사용된다. 일부 실시예들에서, 사용자는 클라이언트 컴퓨팅 장치(110b)에서 수락/검증 애플리케이션(129)의 인스턴스를 실행하여 컴퓨팅 시스템(105)과 인터페이스할 수 있다. 일부 실시예들에서, 수락/검증 애플리케이션(129)은 클라이언트 컴퓨팅 장치(110b)의 디스플레이(145b)에 GUI(150b)를 렌더링한다. 다른 실시예들에서, 수락/검증 모듈(128)은 GUI가 컴퓨팅 시스템(105) 자체의 디스플레이에 렌더링되도록 할 수 있다. 일부 실시예들에서, 식별된 최상의 팩트 및/또는 진행 시간 기간을 수락하거나 검증하는 사용자는 환자 기록을 평가하도록 훈련을 받았거나 자격을 갖춘 사람일 수 있는 이러한 사용자일 수 있다.In some embodiments, client computing device 110b is used to accept input from a user to accept or verify the best facts and/or progress time periods identified. In some embodiments, a user may interface with computing system 105 by running an instance of acceptance/verification application 129 on client computing device 110b. In some embodiments, acceptance/verification application 129 renders GUI 150b on display 145b of client computing device 110b. In other embodiments, acceptance/verification module 128 may cause a GUI to be rendered on a display of computing system 105 itself. In some embodiments, the user who accepts or verifies the identified best facts and/or progress time period may be such user, who may be a person trained or qualified to evaluate patient records.

일부 실시예들에서, 사용자 인터페이스는 음성 사용자 인터페이스(VUI), 예를 들어 (아마존의 ALEXA 음성 서비스)를 포함할 수 있다. In some embodiments, the user interface may include a voice user interface (VUI), such as (Amazon's ALEXA voice service).

일 실시예에서, 추상화 모듈(123)은 데이터 저장소(170a-n)로부터 환자와 연관된 데이터에 액세스할 수 있다. 데이터에는, 이에 제한되는 것은 아닌, 환자, 헬스 케어 제공자와 관련된 식별 정보, 환자의 질병과 관련된 정보, 환자의 의학적 상태와 관련된 정보 및/또는 환자의 치료와 관련된 정보가 포함될 수 있다. 추상화 모듈(123)은 데이터 저장소(170a-n)로부터 검색된 데이터를 환자와 관련된 후보 팩트로 추상화할 수 있다. In one embodiment, abstraction module 123 may access data associated with a patient from data stores 170a-n. Data may include, but is not limited to, identifying information related to the patient, health care provider, information related to the patient's disease, information related to the patient's medical condition, and/or information related to the patient's treatment. Abstraction module 123 may abstract data retrieved from data repositories 170a-n into candidate facts related to the patient.

일부 실시예들에서, 후보 팩트는 EL 모듈(120)에 전송되고/되거나 이에 의해 액세스된다. 일부 실시예들에서, 추상화된 데이터는 EL 모듈(120)이 데이터를 가져오는 시계열 모델에 저장된다. 일부 실시예들에서, EL 모듈은 각 후보 팩트를 요소에 해당하는 것으로 분류하도록 구성된다. 하나 이상의 요소의 경우, 다수의 후보 팩트는 동일한 요소에 대응한다. EL 모듈(120)은 환자와 관련된 각 요소에 대응하는 후보 팩트 중에서 적어도 하나의 최상의 팩트를 식별하기 위해 후보 팩트를 감소, 도출 및/또는 계산하도록 구성된다. 일부 실시예들에서, 둘 이상의 팩트는 요소에 대한 후보 팩트 중에서 최상의 팩트로 식별될 수 있으며, 이 경우 시스템은 최상의 팩트로 식별된 둘 이상의 팩트에 관한 정보를 요소에 대한 단일의 최상의 팩트의 선택을 위한 충돌 해결 시스템 또는 모듈에 제공할 수 있다. 일부 실시예들에서, EL 모듈은 요소에 대한 최상의 팩트에 관한 데이터를 출력한다. In some embodiments, candidate facts are transmitted to and/or accessed by EL module 120. In some embodiments, the abstracted data is stored in a time series model from which EL module 120 retrieves the data. In some embodiments, the EL module is configured to classify each candidate fact as corresponding to an element. For more than one element, multiple candidate facts correspond to the same element. The EL module 120 is configured to reduce, derive, and/or calculate candidate facts to identify at least one best fact among the candidate facts corresponding to each element related to the patient. In some embodiments, two or more facts may be identified as the best facts among candidate facts for an element, in which case the system uses information about the two or more facts identified as the best facts to select a single best fact for the element. It can be provided in a conflict resolution system or module. In some embodiments, the EL module outputs data regarding the best facts about an element.

일부 실시예들에서, 후보 팩트 중 적어도 하나의 최상의 팩트의 식별은 식별된 적어도 하나의 최상의 팩트를 그래픽 사용자 인터페이스를 통해 사용자에게 제안된 적어도 하나의 최상의 팩트로서 제시하는 것, 및 제안된 적어도 하나의 최상의 팩트의 수락; 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 또는 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절 중 하나 이상을 수신하는 것을 포함한다. 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 제안된 적어도 하나의 최상의 팩트는 더 이상 요소에 대응하는 최상의 팩트로 식별되지 않는다. 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별이 수신되는 경우, 적어도 하나의 다른 후보 팩트는 적어도 하나의 수락된 최상의 팩트로 식별된다. 이러한 실시예에서, 환자와 관련된 최상의 팩트에 관한 데이터를 출력하는 것은 환자와 관련된 수락된 최상의 팩트에 관한 데이터를 출력하는 것이다. 일부 실시예들에서, 그래픽 사용자 인터페이스를 통해 제안된 적어도 하나의 최상의 팩트로서 사용자에게 후보 팩트 중에서 식별된 적어도 하나의 최상의 팩트의 제시 및 적어도 하나의 수락된 최상의 팩트를 결정하는 것에 응답하여 사용자로부터 입력을 수신하는 것을 본원에서는 "강화(enrichment)"라고 한다.In some embodiments, identification of at least one best fact among the candidate facts includes presenting the identified at least one best fact to the user via a graphical user interface as the at least one suggested best fact, and acceptance of the best facts; Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; or receiving one or more of rejecting at least one proposed best fact as a best fact. If a rejection of the proposed at least one best fact is received, the proposed at least one best fact is no longer identified as the best fact corresponding to the element. If an identification of at least one other candidate fact that is not the proposed best fact as at least one best fact is received, then at least one other candidate fact is identified as at least one accepted best fact. In this embodiment, outputting data regarding the best facts associated with the patient is outputting data regarding the accepted best facts associated with the patient. In some embodiments, presenting at least one best fact identified among the candidate facts to the user as the at least one best fact suggested via a graphical user interface and input from the user in response to determining the at least one accepted best fact. Receiving is referred to herein as “enrichment.”

일부 실시예들에서, 시스템은 환자와 관련된 요소에 대해 식별된 최상의 팩트를 출력할 수 있으며, 이는 일부 실시예들에서는 최상의 팩트를 진행 데이터로서 수락될 수 있다. 일부 실시예들에서, 진행 데이터는 최상의 팩트가 연관된 진행 기간으로 인덱싱된다. 일부 실시예들에서, 시스템은 환자와 관련된 요소에 대해 식별된 최상의 팩트를 출력할 수 있으며, 이는 최상의 팩트를 시계열 데이터로서 수락될 수 있다. 일부 실시예들에서, "시계열 데이터"는 환자 진단 이후 경과된 시간(예를 들어, 일 수)으로 인덱싱된다. 일부 실시예들에서, 시스템은 환자와 관련된 요소에 대해 식별된 최상의 팩트를 진행 데이터 및 시계열 데이터로서 출력할 수 있다. In some embodiments, the system may output the best fact identified for the patient-related element, which in some embodiments may accept the best fact as progress data. In some embodiments, ongoing data is indexed by the ongoing period to which the best fact is associated. In some embodiments, the system may output the best fact identified for the patient-related factor, which may accept the best fact as time series data. In some embodiments, “time series data” is indexed by the time elapsed (e.g., number of days) since patient diagnosis. In some embodiments, the system may output the identified best facts about patient-related factors as progress data and time series data.

일부 실시예들에서 최상의 팩트 데이터로 수락될 수 있는, 환자와 관련된 각 요소에 대한 식별된 최상의 팩트는 다른 환자에 대한 데이터와의 진행-기반 분석 또는 진행-기반 비교를 위한 진행 데이터로서 출력될 수 있거나, 시스템은 이벤트를 진행 기간과 관련시키는 진행 출력을 생성할 수 있다. 본원에 사용된 바와 같은 "진행(progression)"이라는 용어는 암과 같은 의학적 상태 또는 질병이 신체에서 악화되거나 재발하는 과정을 의미한다. 진행 기간은 질병 또는 의학적 상태에 대한 환자의 경험의 이정표에 의해 결정되는 시간 기간이다. 본원에 사용된 바와 같은 "이정표"라는 용어에는 진단의 초기 날짜; 및 의학적 상태나 질병의 임의의 후속 진행이 포함된다. 일부 실시예들에서, 의학적 상태 또는 질환의 진행은, 환자의 질환 또는 상태가 진행되었다는 의사의 확인; 환자의 종양 성장; 환자의 질환이 확산되어 전이되었다는 표시; 환자의 질환이나 의학적 상태가 치료 과정에 반응하지 않고 의사가 다른 치료 과정으로 전환하기로 결정했다는 표시; 또는 환자가 질환이나 의학적 상태의 재발을 경험했다는 표시 중 하나 이상에 해당한다. 본원에 사용된 바와 같은 "재발"이라는 용어는 개선 기간 후에 질병이 다시 발생하거나 질병의 징후 및 증상을 의미한다.In some embodiments, the identified best facts for each element related to a patient, which may be accepted as best fact data, may be output as progress data for progress-based analysis or progress-based comparison with data for other patients. Alternatively, the system may generate a progress output that relates events to progress periods. As used herein, the term “progression” refers to the process by which a medical condition or disease, such as cancer, worsens or recurs in the body. The progression period is a period of time determined by the milestones of the patient's experience with the disease or medical condition. As used herein, the term “milestone” includes: initial date of diagnosis; and any subsequent progression of a medical condition or disease. In some embodiments, progression of a medical condition or disease may include confirmation by a physician that the patient's disease or condition has progressed; The patient's tumor growth; An indication that the patient's disease has spread and metastasized; An indication that the patient's disease or medical condition has not responded to a course of treatment and the physician has decided to switch to another course of treatment; or an indication that the patient has experienced a recurrence of the disease or medical condition. As used herein, the term “recurrence” refers to the recurrence of disease or signs and symptoms of disease after a period of improvement.

하나의 이정표에서 시작하여 다음 이정표까지의 시간의 윈도우는 "진행 기간"으로 간주되며, 각 윈도우 내에서 발생하는 모든 이벤트는 해당 진행 기간의 일부로 간주된다. 이는 진단시 또는 의학적 상태 또는 질병의 진행시부터 시작하여 다음 진행, 현재 또는 사망까지 연장되는 시간 기간에 해당하는 각 진행 기간으로 설명될 수 있다. 예를 들어, 진단 개시일과 환자의 질병이 최초로 진행된 날짜 사이의 시간을 "진행기 0"이라 할 수 있으며, 해당 시간 윈도우 내의 화학요법 치료와 관련된 모든 후보 팩트는 동일한 시간 윈도우에 발발생한 모든 다른 이벤트와 함께 "진행기 0"에 포함된다. The window of time starting from one milestone to the next milestone is considered a “progress period,” and all events that occur within each window are considered part of that progress period. This can be described as each progression period, which corresponds to a period of time starting from diagnosis or progression of a medical condition or disease and extending until subsequent progression, present or death. For example, the time between the date of diagnosis onset and the date the patient's disease first progressed could be referred to as "progressive phase 0," and all candidate facts related to chemotherapy treatment within that time window are the same as all other events that occurred in that same time window. It is included in “Progress 0” along with

일부 실시예들에서, EL 모듈은 후보 팩트 중 적어도 일부를 기반으로 하나 이상의 진행 기간을 결정하고 각 후보 팩트를 진행 기간에 할당한다. 일부 실시예들에서, 결정된 하나 이상의 진행 기간은 제안된 진행 기간으로서 GUI(예를 들어, GUI(150b))를 통해 사용자에게 제시된다. 일부 실시예들에서, 하나 이상의 제안된 진행 기간 중 적어도 하나의 수락; 하나 이상의 제안된 진행 기간 중 적어도 하나의 시작 시간 또는 종료 시간의 조정; 또는 하나 이상의 제안된 진행 기간 중 적어도 일부를 단일 진행 기간으로 병합하는 것 중 하나 이상을 포함하는 입력이 사용자로부터 수신된다. 일부 실시예들에서, 하나 이상의 진행 기간은 수신된 입력에 기초하여 조정되고, 각 후보 팩트는 조정 후 진행 시간 기간에 할당된다. In some embodiments, the EL module determines one or more running periods based on at least some of the candidate facts and assigns each candidate fact to a running period. In some embodiments, the one or more determined progression periods are presented to the user via a GUI (e.g., GUI 150b) as suggested progression periods. In some embodiments, accepting at least one of one or more proposed progress periods; Adjustment of the start time or end time of at least one of one or more proposed progress periods; or merging at least some of one or more proposed progression periods into a single progression period. In some embodiments, one or more running time periods are adjusted based on received input, and each candidate fact is assigned a running time period after adjustment.

일부 실시예들에서, 진행 출력에는 각 개별 개념에 대한 별도의 테이블이 포함되며, 각 요소는 하나 이상의 개념과 연관된다. 일부 실시예들에서, 개념은 아래에 설명된 바와 같은 형상(Shape)에 의해 표현될 수 있다. 개념에는, 제한 없이, 전체 단계, 림프혈관 침윤, 인종 등이 포함된다. 일부 실시예들에서, EL이 환자의 진행 및 관련 진행 기간을 결정하면, 각 진행 기간에 대해 진행 추적 ID라는 고유한 해시가 생성된다. 일부 실시예들에서, "최상의 팩트"가 결정되면, 각각은 해당 진행 추적 id 및 환자 id를 고유 식별자로 사용하여 관련 개념 테이블에 저장된다. 환자의 전체 기록을 구성하기 위해, 해당 환자의 진행 추적 id를 사용하여 개념 테이블 각각을 쿼리할 수 있다. 진행 출력 테이블은 진행 또는 노드 어드레스 생성을 기반으로 한 분석에 사용되도록 출력되거나 다운스트림으로 푸시될 수 있다. In some embodiments, the progress output includes a separate table for each individual concept, with each element associated with one or more concepts. In some embodiments, a concept may be represented by a shape as described below. Concepts include, without limitation, overall stage, lymphovascular invasion, race, etc. In some embodiments, once the EL determines the patient's progression and associated progression period, a unique hash called a Progression Tracking ID is generated for each progression period. In some embodiments, once the “best facts” are determined, each is stored in an associated concept table using the corresponding progress tracking id and patient id as unique identifiers. To construct a patient's entire record, each concept table can be queried using that patient's progress tracking id. The progress output table can be output or pushed downstream for use in analysis based on progress or node address generation.

위에 논의된 바와 같이, 일부 실시예들에서, 추상화 플랫폼 "AP"는 최상의 팩트를 선택하기 전에 추상화된 모든 팩트로 시계열 테이블을 채운다. EL로부터 출력된 시계열 데이터는 AP로부터의 시계열 데이터와 다른데, 이는 진행 기간을 사용하는 진행 모델로부터의 최상의 팩트는 추상화된 모든 데이터를 포함하는 AP로부터의 시계열 데이터와 달리, EL로부터 출력된 시계열 테이블을 채우는데 사용되기 때문이다. As discussed above, in some embodiments, the abstraction platform “AP” populates the time series table with all abstracted facts before selecting the best fact. The time series data output from EL is different from the time series data from AP, as the best facts from a progression model using progression periods are obtained from a time series table output from EL, unlike the time series data from AP containing all data abstracted. This is because it is used for filling.

일부 실시예들에서, 시계열 출력 데이터의 구조는 AP 출력과 EL 출력에 대해 동일하다. 일부 실시예들에서, 시계열 테이블은 각 개념이 자신의 테이블에 표현된다는 점에서 진행 기반 테이블을 반영한다. 시계열 데이터는, 진행 시간 윈도우와 연관되기보다는, 초기 진단 날짜의 인덱스로 표현된다. 예를 들어, 각 이벤트에는 이벤트 날짜와 초기 진단 날짜 사이의 일 수의 차이의 함수인 인덱스가 할당된다. In some embodiments, the structure of the time series output data is the same for AP output and EL output. In some embodiments, a time series table mirrors a progression-based table in that each concept is represented in its own table. Time series data is expressed as an index of the date of initial diagnosis, rather than being associated with a progression time window. For example, each event is assigned an index that is a function of the difference in days between the event date and the initial diagnosis date.

일부 실시예들에서, EL 시계열 출력 데이터 및/또는 진행 출력 데이터에는 환자 신체의 암의 양과 확산을 설명하기 위해 데이터 기록으로부터 도출된 정보를 사용하는 시스템인 TNM에 관한 정보가 포함될 수 있다. T는 종양의 크기와 주변 조직으로의 암 확산을 나타내고; N은 인근 림프절로의 암의 확산을 나타내며; M은 전이(암이 신체의 다른 부위로 확산됨)를 나타낸다. In some embodiments, the EL time series output data and/or progression output data may include information regarding TNM, a system that uses information derived from data records to describe the amount and spread of cancer in a patient's body. T indicates tumor size and cancer spread to surrounding tissues; N indicates spread of cancer to nearby lymph nodes; M stands for metastasis (cancer spread to other parts of the body).

시스템(예를 들어, EL 모듈(120))은 환자 출력과 연관된 각 요소에 대한 식별된 최상의 팩트를 진행 데이터베이스(149)에 진행 데이터로서 저장할 수 있다. 일부 실시예들에서, 대안으로 또는 추가로, 시스템(예를 들어, EL 모듈(120))은 환자 출력과 연관된 각 요소에 대한 식별된 최상의 팩트를 시계열 데이터베이스(147)에 시계열 데이터로서 저장할 수 있다. 애플리케이션 A-N(125a-n)은 시계열 데이터베이스(147) 또는 진행 데이터베이스(149)로부터 환자와 연관된 각 요소에 대한 식별된 최상의 팩트에 액세스할 수 있다. 일부 실시예들에서, EL 모듈(120)은 환자와 연관된 각 요소에 대한 최상의 팩트를 애플리케이션 A-N(125a-n)에 직접 출력할 수 있다. The system (e.g., EL module 120) may store the identified best facts for each element associated with the patient output as progress data in the progress database 149. In some embodiments, alternatively or additionally, the system (e.g., EL module 120) may store the identified best facts for each element associated with the patient output as time series data in time series database 147. . Applications A-N 125a-n may access the identified best facts for each element associated with the patient from time series database 147 or progression database 149. In some embodiments, EL module 120 may output the best facts for each element associated with the patient directly to application A-N 125a-n.

본원에 사용된 바와 같이, 본원에 사용된 "강화"라는 용어는 일부 실시예들에서는 사용자가 진행 및 노드 어드레스 최상의 팩트를 정의하는 것을 돕거나, 일부 실시예들에서는 진행 및 노드 어드레스 최상의 팩트를 정의하는 강화 계층 컴포넌트를 의미한다.As used herein, the term “enhancement” may, in some embodiments, assist a user in defining progress and node address best facts, or in some embodiments, define progress and node address best facts. It refers to a reinforcement layer component that

본원에 사용된 바와 같은 "분석 스키마(analytics schema)"라는 용어는 일부 실시예들에서는 계산이 저장되고 애플리케이션별 테이블이 구성되는 추상화되고 강화된 데이터 위에 있는 계층을 의미한다.As used herein, the term “analytics schema” refers, in some embodiments, to a layer over abstracted and enriched data where calculations are stored and application-specific tables are organized.

일부 실시예들에서, 분석 스키마는 후보 팩트 또는 최상의 팩트를 기반으로 계산되거나 도출된 추가 계산 또는 도출 정보를 저장하는 데 사용된다. 예를 들어, 일부 실시예들에서, 치료 의도는 후보 팩트 또는 최상의 팩트를 기반으로 계산되며 분석 스키마에 저장될 수 있다. 다른 실시예들에서, 추가 계산 또는 도출 정보는 다른 곳에 저장될 수 있다. EL에 의해 생성된 데이터를 강화 데이터라고 한다. In some embodiments, an analysis schema is used to store additional calculations or derived information calculated or derived based on candidate facts or best facts. For example, in some embodiments, intention to treat may be calculated based on candidate facts or best facts and stored in an analysis schema. In other embodiments, additional calculation or derivation information may be stored elsewhere. Data generated by EL is called enhanced data.

일부 실시예들에서, 분석 스키마는 치료 변경의 빈도와 분포를 저장한다. 분석 스키마는 RWA(Real-World Analytics) 및 노드 어드레스 생성 모듈과 같은 하나 이상의 애플리케이션에 의해 사용될 수 있다. 앞서 언급한 애플리케이션은 진행 데이터 출력을 재현할 수 있다. 대안으로, 앞서 언급한 애플리케이션은 진행 데이터 출력을 사용하여 추가 데이터를 생성할 수 있다.In some embodiments, the analysis schema stores the frequency and distribution of treatment changes. The analytics schema may be used by one or more applications, such as Real-World Analytics (RWA) and node address generation modules. The previously mentioned applications can reproduce progress data output. Alternatively, the previously mentioned applications can use the progress data output to generate additional data.

출력이 시계열 데이터를 포함하는 실시예들의 경우, 출력은 시계열 데이터 덤프를 생성하는 데 사용될 수 있다. 시계열 데이터 덤프는 환자 타임라인 및 이벤트에 대한 정밀 조사를 강화하는 데 사용될 수 있다. 비제한적인 예로서, 애플리케이션 중 하나로부터 출력을 수신하는 헬스 케어 제공자 사용자는 자신의 환자에 대한 요약 정보나 여러 환자에 대한 거시적 정보만 보고 싶어할 수 있지만, 애플리케이션 중 하나로부터 출력을 수신하는 제약 산업 사용자는 실험실 값이 측정된 각 인스턴스 및 모든 인스턴스를 보고 싶어할 수 있다. 서로 다른 사용자마다 이러한 서로 다른 요구 사항에는 환자의 이야기에 해당하는 환자 데이터를 모으는 데 서로 다른 접근 방식이 필요하다.For embodiments where the output includes time series data, the output may be used to generate a time series data dump. Time series data dumps can be used to enhance scrutiny of patient timelines and events. As a non-limiting example, a healthcare provider user receiving output from one of the applications may only want to see summary information about their patients or macro information for multiple patients, while a pharmaceutical industry user receiving output from one of the applications The user may want to view each and all instances where a laboratory value was measured. These different needs for different users require different approaches to gathering patient data that corresponds to the patient's story.

도 2는 예시적인 실시예에 따른 추상화 계층(202), 환자 데이터 계층(204) 및 제품 또는 애플리케이션(208)과 관련된 EL을 예시한다. 일 실시예에서, 추상화 계층(202)은 추상화 플랫폼 모듈 또는 애플리케이션(123)을 실행할 수 있다. 추상화 모듈(123)은 추상화 플랫폼일 수 있다. 본원에 사용된 바와 같은 "추상화 플랫폼(AP)"이라는 용어는 임상 추상화 플랫폼을 의미한다. 시간이 지남에 따라 추상화 계층(202)은 다양한 데이터 저장소(170a-n)(202a)로부터 환자와 연관된 팩트, 문서 메타데이터 및 추상화 메타데이터를 수집, 액세스 및/또는 검색할 수 있다. 환자와 연관된 데이터는 추상화 계층(202)에서 추상화되어 환자와 연관된 하나 이상의 요소와 대응하는 후보 팩트를 생성할 수 있다. 요소는 개인 식별 정보, 의학적 개념, 치료 정보, 의학적 상태 및/또는 질병과 연관된 정보, 또는 환자와 연관된 기타 정보일 수 있다. 일부 요소는 이름 및/또는 기타 식별 정보와 같이, 시간이 지나도 변하지 않는 것으로 처리될 팩트에 대응할 수 있다. 다른 요소는 질병의 예후, 환자의 의학적 상태, 제공된 치료 및/또는 연령과 같이, 시간이 지남에 따라 변할 수 있는 요소로 처리될 수 있다. 다수의 후보 팩트는 단일 요소에 대응할 수 있다. 환자와 연관된 후보 팩트 각각은 EL(204)로 전송되거나 이에 의해 액세스될 수 있다. 2 illustrates the EL associated with abstraction layer 202, patient data layer 204, and product or application 208 according to an example embodiment. In one embodiment, abstraction layer 202 may execute abstraction platform modules or applications 123. Abstraction module 123 may be an abstraction platform. As used herein, the term “abstraction platform (AP)” refers to a clinical abstraction platform. Over time, abstraction layer 202 may collect, access, and/or retrieve facts, document metadata, and abstraction metadata associated with the patient from various data repositories 170a-n 202a. Data associated with a patient may be abstracted in abstraction layer 202 to generate candidate facts that correspond to one or more elements associated with the patient. The elements may be personally identifiable information, medical concepts, treatment information, information associated with a medical condition and/or disease, or other information associated with the patient. Some elements may correspond to facts that are to be treated as unchanged over time, such as names and/or other identifying information. Other factors may be treated as factors that may change over time, such as the prognosis of the disease, the patient's medical condition, treatment provided, and/or age. Multiple candidate facts can correspond to a single element. Each candidate fact associated with the patient may be transmitted to or accessed by EL 204.

EL 계층(204)은 EL 모듈(120)을 실행할 수 있다. EL 모듈(120)은 환자와 연관된 요소에 대응하는 후보 팩트를 수신하도록 구성된다. EL 모듈(120)은 감소 규칙에 기초하여 요소에 대응하는 후보 팩트로부터 특정 요소에 대한 최상의 팩트를 식별할 수 있다. 감소 규칙에는 중복 제거 및 역직렬화(204a)와 같은 프로세스가 포함될 수 있다. 일부 실시예들에서, EL 모듈(120)은 중복되거나 잘못된 요소에 대응하는 후보 팩트를 제거하기 위해 후보 팩트를 중복 제거하고 역직렬화할 수 있다. 예를 들어, 중복 제거 프로세스는 임의의 리던던트 후보 팩트를 제거할 수 있다. 역직렬화 프로세스는 요소에 대응하는 후보 팩트로부터 적어도 하나의 최상의 팩트를 결정한다. 감소 규칙은 도 3과 관련하여 더 상세하게 설명될 것이다. EL layer 204 may execute EL module 120. EL module 120 is configured to receive candidate facts corresponding to elements associated with the patient. The EL module 120 may identify the best fact for a specific element from candidate facts corresponding to the element based on a reduction rule. Reduction rules may include processes such as deduplication and deserialization 204a. In some embodiments, EL module 120 may deduplicate and deserialize candidate facts to remove candidate facts corresponding to duplicate or incorrect elements. For example, a deduplication process can remove any redundant candidate facts. The deserialization process determines at least one best fact from the candidate facts corresponding to the element. The reduction rule will be explained in more detail with reference to FIG. 3 .

시간이 지남에 따라 변할 수 있는 요소의 경우, EL 모듈(120)은 진단 또는 진행 이정표에 대응하는 진행 기간 동안 요소에 대응하는 후보 팩트로부터 적어도 하나의 최상의 팩트를 결정하도록 구성된다. 진단 또는 진행 이정표에 대한 각 요소 또는 각 요소에 대한 최상의 팩트의 결정은 도 4-5를 참조하여 더 상세하게 설명될 것이다.For elements that may change over time, the EL module 120 is configured to determine at least one best fact from candidate facts corresponding to the element over a progression period corresponding to a diagnosis or progression milestone. Determination of each element or the best facts for each element for diagnosis or progression milestones will be explained in more detail with reference to Figures 4-5.

일부 실시예들에서, 요소 중 전부 또는 적어도 일부의 경우, 식별된 적어도 하나의 최상의 팩트는 위와 아래에 설명된 바와 같이 수락 또는 검증을 위해 사용자 인터페이스(예를 들어, 그래픽 사용자 인터페이스)를 통해 사용자에게 제안된 적어도 하나의 최상의 팩트로서 제시된다. In some embodiments, for all or at least some of the elements, the at least one best fact identified is presented to the user via a user interface (e.g., a graphical user interface) for acceptance or verification as described above and below. It is presented as at least one proposed best fact.

일부 실시예들에서, 적어도 일부 요소의 경우, EL 모듈은 시간이 지남에 따라 변하는 것으로 처리되지 않는 요소에 대해 둘 이상의 최상의 팩트를 식별하거나, 시간이 지남에 따라 변할 수 있는 요소에 대한 진단 또는 진행 이정표를 위한 요소에 대해 하나 이상의 최상의 팩트를 식별하는 경우, EL 모듈은 식별된 둘 이상의 최상의 팩트를 충돌 해결 시스템 또는 모듈로 보낼 수 있다. 충돌 해결 모듈은 둘 이상의 최상의 팩트로부터 단일 최상의 팩트의 식별을 반환한다. 일부 실시예들에서, 충돌 해결 시스템 또는 모듈은 둘 이상의 최상의 팩트를 인간에게 제시하고 단일 최상의 팩트에 대한 선택을 포함하는 정보를 수신할 수 있다.In some embodiments, for at least some elements, the EL module identifies two or more best facts for elements that are not treated as changing over time, or provides diagnostic or progression information for elements that may change over time. When identifying more than one best fact for an element for a milestone, the EL module may send the two or more best facts identified to a conflict resolution system or module. The conflict resolution module returns the identification of a single best fact from two or more best facts. In some embodiments, a conflict resolution system or module may present two or more best facts to a human and receive information including a selection for a single best fact.

일부 실시예들에서, EL 모듈은 데이터의 불일치 또는 암의 경우 동시에 두 가지 이상의 주요 유형의 암을 앓고 있는 환자와 같은 잠재적인 문제를 식별할 수 있다. 이러한 일부 실시예들에서, EL은 사용자가 검토할 수 있도록 환자 데이터를 에스컬레이트시킬 수 있다.In some embodiments, the EL module may identify potential problems, such as inconsistencies in data or, in the case of cancer, patients suffering from two or more major types of cancer at the same time. In some such embodiments, the EL may escalate patient data for the user to review.

일부 실시예들에서, EL 층은 또한 환자의 나이 또는 계산된 단계와 같은 개념에 대응하는 추가 정보를 획득하기 위해 계산 및 도출을 수행한다(204b). In some embodiments, the EL layer also performs calculations and derivations to obtain additional information corresponding to a concept such as the patient's age or calculated stage (204b).

일부 실시예들에서, 적어도 하나의 요소의 경우, 중복 제거 후, 중복 제거 후의 모든 후보 팩트는 최상의 팩트로 식별된다. 예를 들어, 일부 실시예들에서, 동반질환의 경우, 모든 후보 팩트는 최상의 팩트로 식별된다.In some embodiments, for at least one element, after deduplication, all candidate facts after deduplication are identified as the best fact. For example, in some embodiments, in the case of comorbidity, all candidate facts are identified as the best fact.

EL 모듈(120)이, 최상의 팩트가 수락되거나 검증될 수 있는, 환자와 연관된 하나 이상의 요소 각각에 대해 최상의 팩트 또는 최상의 팩트들을 식별하면, 식별된 최상의 팩트 각각은 환자 계층(206)으로 전송될 수 있다. 일부 실시예들에서, 환자 계층(206)에서, 진단, 환자 인구통계, 병력 및/또는 결과/치료별로 구성된 환자 데이터의 최상의 버전이 생성될 수 있다(206a). 일부 실시예들에서, 데이터 가시성을 지원하고 환자 계층에서 데이터에 대한 분석을 수행하는 데 도움이 되도록 여러 스키마가 노출된다. 예를 들어, 일부 실시예들에서, EL 출력은 EL 스키마에 직접 저장되며, 이를 통해 전체 환자를 재구성하는 데 사용되고 환자 진단(patient diagnosis; PDX) 스키마와 실제 증거(real-world evidence; RWE) 스키마 모두에 걸쳐 테이블에 저장되며, 분석 스키마는 추가 계산 및 도출을 사용하여 이들 위에 구축된다. PDX 스키마는 환자가 진단한 질병에 특정된 데이터를 보유하는 반면, RWE 스키마는 전체 환자에 특정된 데이터를 보유하므로 질병에 구애받지 않는다. 대안으로 또는 추가로, 환자의 진행 지점과 진행 기간을 나타내는 노드 어드레스와 후처리가 생성될 수 있다(206b). 일부 실시예들에서, 환자 계층(206)에서 생성된 데이터는 제품 계층(208)으로 전송될 수 있다. 제품 계층(208)은 애플리케이션 테이블(127a-n)을 포함할 수 있다. 애플리케이션 테이블(127a-n)은 추가 사용을 위해 환자 계층(206)에서 생성된 데이터를 수신할 수 있다. 일부 실시예들에서, 애플리케이션 테이블은 다수의 테이블과 스키마를 참조할 필요 없이 단일 소스로 애플리케이션에 전원을 공급하도록 설계된다. 이는 또한 소스 테이블을 애플리케이션에 필요한 데이터로만 제한한다.Once the EL module 120 has identified the best fact or best facts for each of one or more elements associated with the patient for which the best fact can be accepted or verified, each identified best fact may be sent to the patient hierarchy 206. there is. In some embodiments, in patient hierarchy 206, the best version of patient data organized by diagnosis, patient demographics, medical history, and/or outcome/treatment may be generated 206a. In some embodiments, several schemas are exposed to support data visibility and help perform analysis on data in the patient hierarchy. For example, in some embodiments, the EL output is stored directly in the EL schema, which is used to reconstruct the entire patient and the patient diagnosis (PDX) schema and the real-world evidence (RWE) schema. All are stored across tables, and the analysis schema is built on top of these using additional calculations and derivations. While the PDX schema holds data specific to the disease diagnosed by the patient, the RWE schema holds data specific to the entire patient and is therefore disease-agnostic. Alternatively or additionally, node addresses and post-processing may be generated that indicate the patient's progression point and duration of progression (206b). In some embodiments, data generated in the patient layer 206 may be transmitted to the product layer 208. Product layer 208 may include application tables 127a-n. Application tables 127a-n may receive data generated in patient layer 206 for further use. In some embodiments, application tables are designed to power an application from a single source without the need to reference multiple tables and schemas. This also limits the source table to only the data needed by the application.

도 3은 예시적인 실시예에 따라 최상의 팩트를 식별하기 위한 후보 팩트의 예시적인 감소를 예시한다. 상기에 설명된 바와 같이, 추상화 애플리케이션(123)은 추상화 계층(202)의 환자와 연관된 데이터에 액세스, 수신 및/또는 검색할 수 있다. 비제한적인 예로서, 추상화 모듈(123)은 다수의 서로 다른 데이터 저장소(170a-n)로부터 환자의 이름을 액세스, 수신 및/또는 검색할 수 있다. 따라서, 추상화 모듈(123)은 환자 이름의 다수의 다른 인스턴스를 포함할 수 있다. 추상화 모듈(123)은 이름, 중간 이름 또는 성을 나타내는 데이터의 각 인스턴스를 식별할 수 있다. 예를 들어, 추상화 모듈(123)은 John의 인스턴스를 이름으로 식별하고 Doe의 인스턴스를 성으로 식별할 수 있다. 추상화 모듈(123)은 추가로 John의 인스턴스를 이름으로, A의 인스턴스를 중간 이니셜로, Doe의 인스턴스를 성으로 식별할 수 있다. 추상화 모듈(123)은 추가로 Jon의 인스턴스를 이름으로, Doe의 인스턴스를 성으로 식별할 수 있다. 이러한 인스턴스 각각은 환자의 이름 요소에 해당하는 후보 팩트로 구현될 수 있다. 후보 팩트는 EL(204)로 전송될 수 있다.3 illustrates an example reduction of candidate facts to identify the best fact according to an example embodiment. As described above, abstraction application 123 may access, receive, and/or retrieve data associated with a patient in abstraction layer 202. As a non-limiting example, abstraction module 123 may access, receive, and/or retrieve a patient's name from a number of different data repositories 170a-n. Accordingly, abstraction module 123 may include multiple different instances of the patient name. Abstraction module 123 may identify each instance of data representing a first name, middle name, or last name. For example, abstraction module 123 may identify instances of John by first name and instances of Doe by last name. Abstraction module 123 may further identify instances of John by first name, instances of A by middle initial, and instances of Doe by last name. Abstraction module 123 may further identify instances of Jon by first name and instances of Doe by last name. Each of these instances can be implemented as a candidate fact corresponding to the patient's name element. Candidate facts may be transmitted to EL 204.

EL(204)은 후보 팩트를 수신하고, 후보 팩트(204)를 감소시켜 감소 규칙을 사용하여 요소에 대응하는 최상의 팩트 또는 최상 팩들을 식별할 수 있다. 각 요소는 하나 이상의 감소 규칙과 연관될 수 있다. 각 요소에 대한 각 감소 규칙에 우선순위가 할당될 수 있다. 예를 들어, EL 모듈(120)이 감소 규칙을 사용하여 요소에 대한 팩트의 후보로부터 최상의 팩트를 결정할 수 없는 경우, 다음 감소 규칙이 적용된다. 일 예로서, 감소 규칙에는 같음을 유지하고, 최대값을 유지하고/하거나 최대값이 아닌 것을 폐기하는 규칙이 포함될 수도 있다. 예를 들어, 환자 이름에 대한 요소가 이름, 중간 이름, 및 성을 캡처하도록 설계된 경우, 이름, 중간 이름, 및 성을 포함하는 환자 이름은 이름과 성만 있는 환자 이름에 비해 더 나은 팩트로 간주된다. 앞의 예에 계속해서, 후보 팩트의 가장 완전한 데이터 세트는 John A. Doe의 인스턴스이다. 따라서, EL 모듈(120)은 환자 이름의 특정 요소에 대응하는 최상의 팩트로서 John A. Doe를 식별할 수 있다. 이 예에서, "최대(max)"는 이름의 순서에 따라 정의되고, "순서(ordering)"는 중간 이름의 유무에 따라 부분적으로 정의된다. 이 프로세스의 목표가 "연계(tie)"를 줄이는 것임을 감안할 때, 여기에서 "동일(equal)"이 암시되어 있다. "John Doe"의 두 인스턴스의 경우처럼 최상의 팩트가 식별되지 않으면, 두 값이 모두 유지되어 "연계된" 요소 목록으로서 다음 감소 규칙으로 전달된다. 또 다른 예로서, 감소 규칙에는 최소값을 유지하고, 최대값을 폐기하고, 같음을 유지하는 규칙이 포함될 수 있다. 일부 경우에, 더 작은 값은 더 큰 값보다 전달하는 데 더 중요하다. 이 경우, EL 모듈(120)은 최소값을 선호하고, 동일한 값을 유지하고, 더 높은 값을 폐기하도록 지시된다. 또 다른 예로서, 감소 규칙은 같으면 그들 중 하나를 폐기하는 경우를 포함할 수 있다. 이 경우에, 동일한 후보 팩트의 두 인스턴스가 있는 경우, EL 모듈(120)은 후보 팩트 중 하나를 폐기하도록 지시된다. EL 204 may receive the candidate facts and reduce the candidate facts 204 to identify the best fact or best packs corresponding to the element using a reduction rule. Each element can be associated with one or more reduction rules. A priority may be assigned to each reduction rule for each element. For example, if EL module 120 cannot determine the best fact from the candidates of facts for an element using a reduction rule, the next reduction rule is applied. As an example, reduction rules may include rules for maintaining equality, maintaining maximum, and/or discarding non-maximum values. For example, if an element for patient name is designed to capture the first, middle, and last name, a patient name that includes the first, middle, and last name is considered a better fact than a patient name that contains only the first and last name. . Continuing with the previous example, the most complete data set of candidate facts is the instance of John A. Doe. Accordingly, EL module 120 may identify John A. Doe as the best fact corresponding to certain elements of the patient's name. In this example, "max" is defined in part by the ordering of the names, and "ordering" is defined in part by the presence or absence of middle names. Given that the goal of this process is to reduce “ties,” “equal” is implied here. If the best fact is not identified, as in the case of the two instances of "John Doe", both values are kept and passed to the next reduction rule as a list of "linked" elements. As another example, reduction rules may include rules for keeping the minimum, discarding the maximum, and maintaining equality. In some cases, smaller values are more important to convey than larger values. In this case, the EL module 120 is instructed to prefer the minimum value, keep the same value, and discard the higher value. As another example, a reduction rule may include discarding one of them if they are equal. In this case, if there are two instances of the same candidate fact, the EL module 120 is instructed to discard one of the candidate facts.

또 다른 예로서, 감소 규칙에는 가장 빈번하게 발생하는 개념을 자연스러운 순서로 유지하는 규칙이 포함될 수 있다. 이 경우에, 일부 요소는 서로에 대해 고유한 우선순위를 갖는다. 알파벳 순서나 숫자 순서와 달리, 이러한 그룹의 순서/우선순위는 본질적으로 의학적이다. 예를 들어, 일부 조직학은 다른 조직학보다 더 공격적이고 다른 조직학보다 우선순위가 더 높지만, 이는 단순히 조직학에 해당하는 값을 보는 것만으로는 직감될 수 없으며, 대신 특정 의학적 순서 규칙이 필요하다. 특정 의학적 순서 규칙의 또 다른 예는 폐경기 상태에 대한 순서 규칙이다: 폐경기 후는 폐경기 전보다 우선순위가 높은 폐경전후보다 우선순위가 높다. 특정 의료 순서 규칙의 또 다른 예는 분자 마커 테스트 방법에 대한 규칙이다: NGS는 특정되지 않는 것보다 우선순위가 높은, IHC보다 우선순위가 높은, 세포유전학보다 우선순위가 높은, FISH보다 우선순위가 높은, PCR보다 우선순위가 높다. As another example, reduction rules may include rules that keep the most frequently occurring concepts in a natural order. In this case, some elements have unique priorities relative to each other. Unlike alphabetic or numerical order, the order/priority of these groups is medical in nature. For example, some histologies are more aggressive than others and have higher priority than others, but this cannot be intuited simply by looking at the values corresponding to the histology; instead, specific medical ordering rules are required. Another example of a specific medical ordering rule is the ordering rule for menopausal status: postmenopausal has higher priority than perimenopausal, which has higher priority than premenopausal. Another example of specific medical ordering rules are the rules for how to test for molecular markers: NGS takes priority over unspecified, takes priority over IHC, takes priority over cytogenetics, and takes priority over FISH. High, has higher priority than PCR.

일부 요소의 경우, 감소 규칙에는 일부 사전 정의된 수의 필드에서 두 후보 팩트가 동일한 경우, 이러한 두 팩트가 감소 후보라는 규칙이 포함될 수 있다. For some elements, the reduction rules may include a rule that if two candidate facts are equal in some predefined number of fields, then those two facts are candidates for reduction.

일부 요소와 감소 규칙은 특정 유형의 암에만 특정된다. 예를 들어, EL 모듈은 분자 마커 에스트로겐 수용체 양성(ER+), 프로게스테론 양성(PR+) 및 인간 표피 성장 인자 수용체 2 양성(HER2+)과 같은 정보를 기반으로 유방암 환자에 대한 최상의 팩트를 식별할 수 있다. 일부 실시예들에서, 환자에게 다수의 다른 일차 의학적 상태 또는 질병(예를 들어, 다수의 다른 유형의 암)이 있는 경우, EL 모듈(120)은 일차 의학적 상태 또는 질병에 대해 환자를 분류하는 방법 또는 환자가 시스템에 의해 분류될 수 있는지 여부를 결정하기 위해 훈련된 사용자에 의한 검토를 위해 에스컬레이션을 위해 환자와 연관된 정보를 전송할 수 있다.Some factors and reduction rules are specific to certain types of cancer. For example, the EL module can identify the best facts about a breast cancer patient based on information such as molecular markers estrogen receptor positivity (ER+), progesterone positivity (PR+), and human epidermal growth factor receptor 2 positivity (HER2+). In some embodiments, if the patient has multiple different primary medical conditions or diseases (e.g., multiple different types of cancer), the EL module 120 may be configured to classify the patient for the primary medical condition or disease. Alternatively, information associated with the patient may be transmitted for escalation for review by a trained user to determine whether the patient can be triaged by the system.

위 그리고 아래에 설명된 바와 같이, 일부 실시예들에서, 요소 중 적어도 일부의 경우, 적어도 하나의 최상의 팩트는 그래픽 사용자 인터페이스를 통해 사용자에게 제안된 적어도 하나의 최상의 팩트로서 제시되며, 적어도 하나의 최상의 팩트를 수락 또는 검증하거나, 본원에서 강화로 식별된 프로세스를 통해 요소에 대한 후보 팩트로부터 서로 다른 적어도 하나의 최상의 팩트를 선택하는 입력이 수신된다.As described above and below, in some embodiments, for at least some of the elements, the at least one best fact is presented as the at least one best fact suggested to the user via a graphical user interface, and the at least one best fact is presented as the at least one best fact. Input is received to accept or verify facts, or to select at least one best fact from the candidate facts for the element through a process identified herein as enrichment.

일부 실시예들에서 특정 요소에 대한 적어도 하나의 최상의 팩트가 수락되거나 검증될 식별된 적어도 하나의 최상의 팩트는 환자 계층(206)으로 전송될 수 있다. 환자 계층은 제품 계층(208)으로 전송되는 데 필요한 데이터 출력을 생성할 수 있다.In some embodiments, the identified at least one best fact for a particular element may be transmitted to the patient layer 206 to be accepted or verified. The patient layer may generate data output needed to be sent to the product layer 208.

시간이 지남에 따라 변할 수 있는 각 요소의 경우, EL 모듈(120)은 요소에 대응하는 각 후보 팩트를 환자의 질병 또는 의학적 상태의 진단 또는 진행 기간과 연관시킬 수 있다. 시간이 지남에 따라 변할 수 있는 각 요소의 경우, EL 모듈(120)은 해당 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간에 대한 적어도 하나의 최상의 팩트를 식별할 수 있다. 요소에 진행 기간과 연관된 해당 후보 팩트가 하나만 있는 경우, EL 모듈(120)은 해당 후보 팩트를 이정표에 대한 요소에 대응하는 최상의 팩트로 식별할 수 있다. 요소에 이정표와 연관된 해당 후보 팩트가 둘 이상 있는 경우, EL 모듈(120)은 요소에 특정한 감소 규칙에 기초하여 둘 이상의 후보 팩트로부터 진행 기간 동안 요소에 대응하는 적어도 하나의 최상의 팩트를 식별할 수 있다. For each element that may change over time, EL module 120 may associate each candidate fact corresponding to the element with the diagnosis or progression period of the patient's disease or medical condition. For each element that may change over time, EL module 120 may identify at least one best fact for each running period that has an associated candidate fact for that element. If an element has only one corresponding candidate fact associated with a progress period, the EL module 120 may identify that candidate fact as the best fact corresponding to the element for the milestone. If an element has more than one corresponding candidate fact associated with a milestone, the EL module 120 may identify at least one best fact corresponding to the element during the progress period from the two or more candidate facts based on a reduction rule specific to the element. .

적어도 일부 요소의 경우, EL 모듈(120)은 데이터로부터 추출된 다른 후보 팩트 중 하나 이상 및 하나 이상의 의학적 규칙에 기초하여 환자와 연관된 요소에 대한 최상의 팩트를 도출할 수 있다. 도출된 후보 팩트가 시간이 지남에 따라 변하지 않는 요소에 해당하는 경우, EL 모듈(120)은 도출된 후보 팩트를 요소에 대한 데이터로부터 추출된 하나 이상의 후보 팩트와 비교함으로써 요소별 감소 규칙을 기반으로 최상의 팩트를 식별할 수 있다. 요소에 이정표와 연관된 해당 후보 팩트가 두 개 이상 있는 경우, EL 모듈(120)은 도출된 후보 팩트를 데이터로부터 추출된 하나 이상의 후보 팩트와 비교하는 것을 포함하는 요소에 특정된 감소 규칙에 기초하여 둘 이상의 해당 팩트로부터 이정표에 대한 요소에 해당하는 최상의 팩트를 식별할 수 있다. For at least some elements, EL module 120 may derive the best fact for the element associated with the patient based on one or more medical rules and one or more of other candidate facts extracted from the data. If the derived candidate fact corresponds to an element that does not change over time, the EL module 120 compares the derived candidate fact with one or more candidate facts extracted from data for the element, based on element-specific reduction rules. The best facts can be identified. If an element has more than one corresponding candidate fact associated with a milestone, the EL module 120 determines the two candidate facts based on a reduction rule specific to the element that includes comparing the derived candidate fact with one or more candidate facts extracted from the data. From the above relevant facts, the best facts corresponding to the elements for the milestone can be identified.

시간이 지남에 따라 변할 수 있는 각 요소의 경우, 요소에 해당하는 각 후보 팩트를 진단 또는 진행 이정표와 연관된 진행 기간과 연관시키는 것은 시간 윈도윙을 기반으로 할 수 있으며, 이는 주어진 시간 윈도우 내에서 발생하는 이벤트가 초기 진단 윈도우 또는 진행 추적 윈도우와 관련된 시간 윈도우일 수 있는 시간 윈도우에 할당되는 것을 의미한다. 초기 진행 기간인 초기 진단 윈도우는 초기 진단 날짜와 환자가 처음으로 진행된 시간 사이의 시간으로 정의된다. 본원에서 진행 기간이라고도 하는 후속 "진행 추적" 시간 윈도우는 진행 날짜의 시작부터 (1) 후속 진행 날짜; (2) 환자 사망; 또는 (3) "오늘" 중 하나까지로 정의되며, 이는 환자가 아직 살아 있고 다시 진행되지 않았음, 사실상 "정의되지 않은" 종료 날짜를 의미한다. For each element that may change over time, associating each candidate fact corresponding to the element with a progression period associated with a diagnosis or progression milestone can be based on time windowing, which occurs within a given time window. means that an event is assigned to a time window, which may be a time window associated with an initial diagnostic window or a progress tracking window. The initial diagnosis window, the period of early progression, is defined as the time between the date of initial diagnosis and the time the patient first progresses. The follow-up "progress tracking" time window, also referred to herein as the progression period, spans from the beginning of the progression date to (1) the follow-up progression date; (2) patient death; or (3) “today,” meaning that the patient is still alive and has not progressed again, effectively an “undefined” end date.

도 4는 일 실시예에 따른 최상의 팩트를 식별하기 위한 의학 기반 규칙의 적용을 예시한다. 일 실시예에서, EL 모듈(120)은 시간에 따라 변하거나 시간에 따라 변하지 않는 환자와 연관된 요소에 대응하는 최상의 팩트 또는 최상의 팩트들을 계산하거나 도출할 수 있다. 일 예로서, 후보 팩트(402-408)는 진단 시 환자의 전체 단계 또는 환자의 질병 또는 의학적 상태의 진행 단계에 대응한다. 임상적 단계보다 병리학적으로 결정된 단계를 선호하는 "전체 단계" 요소에 특정된 감소 규칙에 기초하여, EL 모듈(120)은 후보 팩트(404 및 406)가 단계가 이루어지는 결정 방법을 나타내는 후보 팩트(402-408)에 제공된 데이터에 기초하여, 병리학적으로 결정되지 않은, 후보 팩트(402 및 408)보다 환자의 전체 단계에 관해 더 정확한 정보를 제공한다고 결정할 수 있다.4 illustrates the application of medically based rules to identify best facts according to one embodiment. In one embodiment, EL module 120 may calculate or derive the best fact or best facts corresponding to factors associated with a patient that may or may not change over time. As an example, candidate facts 402-408 correspond to the patient's overall stage at diagnosis or the stage of progression of the patient's disease or medical condition. Based on the reduction rule specified in the "overall stage" element that favors pathologically determined stages over clinical stages, the EL module 120 determines that candidate facts 404 and 406 are candidate facts indicating how the stage is determined ( Based on the data provided in 402-408, it may be determined that it provides more accurate information regarding the patient's overall stage than the non-pathologically determined candidate facts 402 and 408.

대부분의 다른 요소와 달리, 모든 동반질환 팩트는 "최상"으로 간주되므로 동반질환에 대해 단일 최상의 팩트를 선택할 필요가 없다. 동반질환에 특정된 감소 규칙은 이를 반영한다.Unlike most other factors, there is no need to select a single best fact for a comorbidity, as all comorbidity facts are considered “best.” The reduction rules specific to comorbidities reflect this.

일부 실시예들에서, 요소에 대한 최상의 팩트를 결정하는 EL 모듈(120)은 계산 또는 결정을 사용하여 다른 후보 팩트에 기초하여 하나 이상의 후보 팩트가 부정확하거나 불완전하다고 결정하는 것을 포함한다. In some embodiments, EL module 120 determining the best fact for an element includes using a calculation or decision to determine that one or more candidate facts are incorrect or incomplete based on other candidate facts.

일부 실시예들에서, 후보 팩트에는 환자 기록으로부터의 후보 팩트와 계산되거나 도출된 후보 팩트 둘 모두 포함된다. 도 5는 예시적인 실시예에 따른 환자 기록으로부터 제공된 후보 팩트와 계산된 및/또는 도출된 후보 팩트를 사용하는 일 예를 예시한다. 추상화 계층(202)에서, 추상화 모듈(123)은 환자의 질병 또는 의학적 상태의 진단 또는 진행 이정표에 해당하는 진행 기간과 연관된 요소에 대응하는 후보 팩트를 생성하는 환자 데이터를 추상화할 수 있다. EL 계층(204)에서, EL 모듈(120)은 후보 팩트의 데이터와 감소 규칙을 사용하여 후보 팩트로부터 최상의 팩트를 계산할 수 있다. 계산된 최상의 팩트는 "최상의 전체 단계"로 승격된다. "최상의 전체 단계"는 환자의 질병이나 의학적 상태에 대한 가장 정확한 진단이나 진행 단계를 나타낼 수 있다.In some embodiments, candidate facts include both candidate facts from patient records and calculated or derived candidate facts. 5 illustrates an example of using candidate facts provided from patient records and computed and/or derived candidate facts, according to an example embodiment. In abstraction layer 202, abstraction module 123 may abstract patient data to generate candidate facts corresponding to factors associated with a diagnosis or progression period corresponding to a progression milestone of the patient's disease or medical condition. In the EL layer 204, the EL module 120 may use the candidate facts' data and a reduction rule to calculate the best fact from the candidate facts. The best computed facts are promoted to the “best overall level”. “Best overall stage” may indicate the most accurate diagnosis or stage of progression for a patient's disease or medical condition.

도 5는 집계 또는 추상화된 데이터, 및 최종 다운스트림 제품에 사용하기 위해 선택되는 "최상의" 정보를 개략적으로 예시한다. 이 예는 의사에 의해 전체 단계가 명시적으로 기술되고 이와 같이 추상화될 수 있는 방법을 예시하지만, 전체 단계 계산의 컴포넌트를 구성하는 TNM도 추상화된다. 모든 정보는 데이터베이스에 저장된 다음, EL 로직을 사용하여 노드 어드레스 등에 사용할 환자를 가장 잘 나타내는 버전(TNM 팩트로부터의 계산된 단계 또는 의사가 명시적으로 기술된 전체 단계)을 결정한다. 일부 실시예들에서, EL(204)에 의해 결정된 식별된 최상의 전체 단계, 계산된 전체 단계 및 수동 전체 단계는 최상의 전체 단계에 관한 정보가 환자 계층(206)에 출력되기 전에 최상의 전체 단계의 수락 또는 검증을 위해 그래픽 사용자 인터페이스를 통해 사용자에게 제시된다. Figure 5 schematically illustrates aggregated or abstracted data, and the “best” information selected for use in the final downstream product. This example illustrates how an entire step can be explicitly described by the doctor and abstracted as such, but the TNMs that make up the components of the overall step computation are also abstracted. All information is stored in a database and then EL logic is used to determine which version (calculated steps from TNM facts or full steps explicitly stated by the physician) best represents the patient to use for node addresses, etc. In some embodiments, the identified best overall stage, calculated overall stage, and manual overall stage as determined by EL 204 may be determined by either acceptance of the best overall stage or It is presented to the user through a graphical user interface for verification.

EL 모듈은 임상 검증을 수행하도록 구성되며, 이는 데이터 세트가 주어지면, 특정 팩트 또는 값에 대해 가장 정확할 가능성이 높은 데이터는 의학-기반 감소 규칙을 구현하는 것을 포함하는 데이터 포인트 X임을 의미한다. 예를 들어, 임상적으로 결정된 것과 달리 병리학 보고서로부터 결정된 단계에 대한 선호를 나타내는 전체 단계와 연관된 위에서 설명된 규칙은 의학-기반 감소 규칙이다. The EL module is configured to perform clinical validation, which means that given a data set, the data most likely to be accurate for a particular fact or value is data point X, including implementing a medical-based reduction rule. For example, the rule described above associated with an overall stage indicating a preference for a stage determined from a pathology report as opposed to clinically determined is a medically-based reduction rule.

일부 실시예들에서, 시스템은 출력된 최상의 팩트 및/또는 환자가 다양한 다운스트림 애플리케이션에 적합한지 여부를 결정할 수 있다. 예를 들어, 일부 실시예들에서, 환자 계층(206)에서, EL 모듈(120)은 계산된 "최상의 전체 단계"를 사용하여 환자 데이터가 RWA와 같은 다른 애플리케이션으로 전송되어야 하는지 여부를 결정할 수 있다. 일부 실시예들에서, 환자 또는 환자의 출력 최상의 팩트 데이터는 식별된 전체 요소, 데이터의 임상적으로 중요한 충돌 또는 기타 요인을 기반으로 다운스트림 애플리케이션에 제공하기에 부적격하거나 부적합한 것으로 간주될 수 있다. 따라서 EL은 추상화된 팩트가 감소, 도출 및 계산하는 팩트 게이트웨이 역할을 하며, 이는 오류가 있거나 불완전한 환자 데이터가 다운스트림으로 승격되기 전에 진행되는 것을 방지한다. In some embodiments, the system may determine whether the best output facts and/or patients are suitable for various downstream applications. For example, in some embodiments, at patient layer 206, EL module 120 may use the calculated “best overall level” to determine whether patient data should be sent to another application, such as RWA. . In some embodiments, a patient or patient's output best fact data may be deemed ineligible or unsuitable for provision to a downstream application based on the overall elements identified, clinically significant conflicts in the data, or other factors. EL therefore acts as a fact gateway through which abstracted facts are reduced, derived, and computed, preventing erroneous or incomplete patient data from progressing before being promoted downstream.

일부 실시예들에서, 적어도 일부 요소의 경우, 진행 기간 동안 요소에 대해 식별된 최상의 팩트가 두 개 이상 존재하고 두 개 이상의 최상의 팩트 중에서 하나의 최상의 팩트를 선택하는 사용자 입력이 수신되지 않는 한, 진행 기간 동안 해당 요소에 대해 식별된 최상의 팩트는 수락 및 검증을 위해 사용자에게 디스플레이되지 않는다. 이러한 실시예에서, 감소 규칙이 단일 최상의 팩트를 식별하지 못하는 경우 시스템은 사용자 선택을 위해 둘 이상의 최상의 팩트를 디스플레이한다. 이는 충돌 해결로 설명될 수 있다. 일부 실시예들에서, 충돌 해결에는 요소에 대한 최상의 팩트를 결정하기 위한 추가 정보 또는 확인을 위해 헬스 케어 제공자 또는 건강 기록 제공자에게 문의를 보내는 것이 포함될 수 있다. In some embodiments, for at least some elements, proceed unless there is more than one best fact identified for the element during the proceeding period and no user input is received to select one best fact from the two or more best facts. The best fact identified for that element during the period is not displayed to the user for acceptance and verification. In this embodiment, if the reduction rule does not identify a single best fact, the system displays two or more best facts for user selection. This can be explained by conflict resolution. In some embodiments, conflict resolution may include sending an inquiry to the health care provider or health record provider for additional information or confirmation to determine the best facts about the element.

일부 실시예들에서, 적어도 일부 요소의 경우, 요소에 대해 식별된 최상의 팩트는 식별된 최상의 팩트가 하나만 있는지 또는 진행 기간 동안 요소에 대해 식별된 최상의 팩트가 두 개 이상인지 여부에 관계없이, 수락 및 검증을 위해 제안된 최상의 팩트로서 사용자에게 항상 디스플레이된다. 일부 이러한 실시예들에서, 제안된 최상의 팩트로 식별되는 제안된 적어도 하나의 최상의 팩트뿐만 아니라 다른 후보 팩트 중 적어도 일부가 표시된다. In some embodiments, for at least some elements, the best facts identified for the element are accepted and It is always displayed to the user as the best fact proposed for verification. In some such embodiments, at least one proposed best fact that is identified as the proposed best fact is displayed as well as at least some of the other candidate facts.

EL 모듈의 워크플로우는 사전 정의된 결과(예를 들어, 요소에 대한 규칙 구현 순서)를 획득하기 위해 수행되는 논리적 동작 시퀀스를 설명한다. 일부 실시예들에서, 시스템은 프로그래머가 아닌 사람이 EL 모듈에서 규칙이나 워크플로우를 추가하거나 변경할 수 있도록 하는 소프트웨어 컴포넌트로서 구현될 수 있는 모듈인 규칙 엔진을 포함하거나 사용한다.The workflow of an EL module describes a logical sequence of operations performed to obtain a predefined result (e.g., the order of rule implementation for elements). In some embodiments, the system includes or uses a rules engine, a module that can be implemented as a software component that allows non-programmers to add or change rules or workflows in an EL module.

본원에 사용된 바와 같은 "의사결정 테이블(decision table)"이라는 용어는 의사결정 목록 및 그 기준을 의미한다. 매트릭스로 설계되어, 기준의 가능한 모든 조합에 대한 기준(입력)과 결과(출력)가 나열된다. 이는 처리를 지시하기 위해 프로그램에 배치될 수 있다. 프로그램은 의사결정 테이블을 변경함으로써 변경된다. 일부 실시예들에서, 프로그래머가 아닌 사람이 EL 모듈에서 규칙이나 워크플로우를 추가하거나 변경할 수 있도록 의사결정 테이블이 사용된다.As used herein, the term “decision table” refers to a decision list and its criteria. It is designed as a matrix, listing criteria (inputs) and results (outputs) for all possible combinations of criteria. This can be placed in a program to direct processing. The program is changed by changing the decision table. In some embodiments, decision tables are used to allow non-programmers to add or change rules or workflows in the EL module.

일부 실시예들에서, 감소 규칙 중 적어도 일부는 퍼지 논리를 사용한다. 본원에 사용된 바와 같은 "퍼지 논리"라는 용어는 부정확하거나 가변적인 데이터를 처리하기 위한 논리 유형을 의미하며, 이는 전통적인 이진 값 대신 더 큰 유연성을 위해 다양한 값을 사용한다.In some embodiments, at least some of the reduction rules use fuzzy logic. As used herein, the term "fuzzy logic" refers to a type of logic for processing imprecise or variable data, which uses various values for greater flexibility instead of traditional binary values.

위에 언급된 바와 같이, EL(204)에서, EL 모듈(120)은 추상화 계층(202)의 추상화 모듈(123)로부터 수신된 후보 팩트로부터 각 요소에 대한 최상의 팩트를 식별하며, EL 모듈(120)은 하나 이상의 출력을 생성한다. 출력에는 진행 출력, 시계열 출력 또는 둘 다가 포함된다. 시계열 출력은 시간이 지남에 따라 환자와 연관된 요소에 대응하는 최상의 팩트를 일련의 이벤트로 제시한다. 진행 출력은 환자의 질병 및/또는 의학적 상태의 진행 이정표에 대응하는 진행 기간을 고려하여 환자와 연관된 요소에 대응하는 최상의 팩트를 제시한다. 시계열 출력 및 진행 출력은 제품 계층(208)의 애플리케이션(예를 들어, 실제 데이터(real world data; RWD), 실제 증거(real world evidence; RWE))에 의해 사용될 수 있다.As mentioned above, in EL 204, EL module 120 identifies the best fact for each element from candidate facts received from abstraction module 123 of abstraction layer 202, and EL module 120 produces one or more outputs. Output includes progress output, time series output, or both. Time series output presents the best facts as a series of events corresponding to patient-related factors over time. Progress output presents the best facts corresponding to factors associated with the patient, taking into account the duration of progression that corresponds to the progression milestones of the patient's disease and/or medical condition. Time series output and progress output may be used by applications in the product layer 208 (e.g., real world data (RWD), real world evidence (RWE)).

일부 실시예들에서, RWD는 시계열 출력을 수신한다. RWD에서는, 팩트가 테이블 세트에 대응하는 시계열로 제시된다. 테이블은 데이터 파일 또는 데이터 파일 세트로 고객에게 제공될 수 있다. 일부 실시예들에서, 데이터 파일은 CSV/XLS 파일일 수 있다. In some embodiments, RWD receives time series output. In RWD, facts are presented as time series corresponding to a set of tables. Tables may be provided to customers as data files or sets of data files. In some embodiments, the data file may be a CSV/XLS file.

일부 실시예들에서, RWE는 진행 출력을 수신한다. RWE에서, 팩트는 다른 여러 제품 및 솔루션에 사용할 진행 테이블을 구축하는 데 사용된다. 진행은 환자 여정에 걸쳐 분석-관련 윈도우를 제공하고 치료 변경의 빈도와 분포를 벤치마킹한다.In some embodiments, RWE receives progress output. In RWE, facts are used to build progress tables for use in several other products and solutions. Progress provides an analytics-relevant window across the patient journey and benchmarks the frequency and distribution of treatment changes.

도 6은 예시적인 실시예에 따른 EL 워크플로우를 예시한다. 위에 설명된 바와 같이, EL 데이터는 진행 데이터나 시계열 데이터 또는 둘 다로 출력될 수 있다. 일 실시예에서, 추상화 모듈(123)은 환자와 연관된 데이터를 추상화하여 데이터를 환자와 연관된 요소에 대응하는 후보 팩트(602)로 변환할 수 있다. 후보 팩트는 EL 모듈(120)로 전송되거나 이에 의해 액세스된다. EL 모듈(120)은 감소 프로세스(604)를 실행하여 감소 규칙에 기초하여 각 요소에 대응하는 후보 팩트를 감소한다. 적어도 일부 요소의 경우, EL 모듈(120)은 도출 및 계산 프로세스(606)를 실행하여 각 요소에 대응하는 감소된 후보 팩트로부터 최상의 팩트를 도출하고 계산한다. 일부 실시예들에서, 요소 중 적어도 일부의 경우, 하나 이상의 최상의 팩트는 수락 또는 검증을 위해 그래픽 사용자 인터페이스에서 사용자에게 디스플레이된다(608). 이 단계는 모든 실시예들에 포함되지 않을 수 있으므로 점선으로 아웃라이닝된다. 수락되거나 검증될 수 있는 최상의 팩트는 EL 스키마(610)에 입력된다. EL 스키마는 EL 출력을 저장하는 테이블 세트이다. 추상화된 각 의료 개념은 EL을 통해 처리되고 자체 테이블의 스토리지로 출력된다. 예를 들어, 일부 실시예들에서, 플랫폼에서 추상화된 모든 "림프혈관 침윤(lymphovascular invasion)" 팩트는 동일한 EL 규칙을 통해 처리되고 참조를 위해 속성이 부여된 환자_id 및 진행_추적_id와 함께 동일한 스토리지 테이블에 함께 출력된다.6 illustrates an EL workflow according to an example embodiment. As described above, EL data can be output as progress data, time series data, or both. In one embodiment, abstraction module 123 may abstract data associated with a patient and transform the data into candidate facts 602 that correspond to elements associated with the patient. Candidate facts are transmitted to or accessed by the EL module 120. The EL module 120 executes a reduction process 604 to reduce candidate facts corresponding to each element based on a reduction rule. For at least some elements, the EL module 120 executes a derivation and calculation process 606 to derive and calculate the best fact from the reduced candidate facts corresponding to each element. In some embodiments, for at least some of the elements, one or more best facts are displayed to the user in a graphical user interface for acceptance or verification (608). This step may not be included in all embodiments and is therefore outlined with a dotted line. The best fact that can be accepted or verified is entered into the EL schema 610. The EL schema is a set of tables that store EL output. Each abstracted medical concept is processed through EL and output to storage in its own table. For example, in some embodiments, all “lymphovascular invasion” facts abstracted from the platform are processed through the same EL rule and attribute patient_id and progress_track_id for reference. They are output together in the same storage table.

일부 실시예들에서, EL 모듈(120)은 진행 그룹 데이터(612) 및/또는 시계열 데이터(614)로서 환자에 대한 EL 스키마(610)로부터 최상의 팩트를 전송할 수 있다. 일부 실시예들에서, EL은 두 가지 형식으로 최상의 팩트뿐만 아니라 요소에 대한 모든 추상화된 데이터를 출력한다: 하나는 진단 날짜 이후 이벤트의 타임라인을 기반으로 환자에 대해 추상화된 모든 데이터를 반영하는 시계열 데이터용이고 다른 하나는 정의된 "진행 윈도우" 내에 포함된 내용물을 기반으로 시계열 데이터를 그룹화하는 진행 기반 데이터용이다. 각 요소(612)에 대응하는 저장된 진행 그룹 데이터의 최상의 팩트는 RWA와 같은 애플리케이션에서 사용하기 위해 분석 스키마(618)를 통해 제시된다. 일부 실시예들에서, 최상의 팩트는 시계열 데이터로서도 저장된다. In some embodiments, EL module 120 may transmit the best facts from EL schema 610 for a patient as progress group data 612 and/or time series data 614. In some embodiments, EL outputs all abstracted data for an element as well as the best facts in two formats: a time series reflecting all abstracted data for a patient based on the timeline of events since the date of diagnosis; One is for data and the other is for progression-based data, which groups time series data based on the contents contained within a defined “progress window”. The best facts of the stored progress group data corresponding to each element 612 are presented through an analysis schema 618 for use in applications such as RWA. In some embodiments, the best facts are also stored as time series data.

일부 실시예들에서, 최상의 팩트는 노드 어드레스(612)를 생성하는 데 사용된다. 일부 실시예들에서, 노드 어드레스는 개선된 노드 어드레스(아래에 정의됨)이다. 일부 실시예들에서, 노드 어드레스는 처리 관련 변수 세트의 적어도 최소 서브세트에 속성이 할당되는 임시 노드 어드레스이다. 일부 실시예들에서, 노드 어드레스는 분석 스키마로부터의 데이터를 기반으로 생성된다. 일부 실시예들에서, 노드 어드레스는 EL 스키마로부터의 데이터를 기반으로 한다. 일부 실시예들에서, 생성된 노드 어드레스는 하나 이상의 애플리케이션에 대한 입력으로 사용될 수 있다.In some embodiments, the best fact is used to generate node address 612. In some embodiments, the node address is an enhanced node address (defined below). In some embodiments, the node address is a temporary node address whose attributes are assigned to at least a minimal subset of the set of processing-related variables. In some embodiments, the node address is generated based on data from an analysis schema. In some embodiments, the node address is based on data from the EL schema. In some embodiments, the generated node address may be used as input to one or more applications.

EL 모듈은 최상의 팩트의 감소 및 결정에 사용되는 논리 또는 규칙을 EL에 집중시킴으로써, 각 다운스트림 애플리케이션이 항상 각 환자에 대해 동일한 진행 개념을 사용하도록 보장한다. 이는 환자 중 한 명의 임상 기록이 EL로부터의 출력을 사용하는 임의의 제품 또는 애플리케이션에서 참조될 때, 사용된 데이터가 모든 제품 및 애플리케이션에서 정확히 동일하다는 것을 보장하는 데 중요하며, 유일한 차이는 환자의 데이터가 전달되는 방식에 있다. 진행 그룹 데이터(612)로부터의 최상의 팩트는 하나 이상의 진행 클라이언트 데이터 덤프(622)로 전송되거나 제공될 수 있다. The EL module ensures that each downstream application always uses the same progression concept for each patient by centralizing the logic or rules used for reduction and determination of the best facts in the EL. This is important to ensure that when the clinical record of one of the patients is referenced in any product or application that uses output from the EL, the data used is exactly the same across all products and applications, with the only difference being the patient's data. It lies in the way it is delivered. The best facts from progress group data 612 may be transferred or provided to one or more progress client data dumps 622.

시계열 데이터(614)의 최상의 팩트는 일부 실시예들에서 시계열 클라이언트 데이터 덤프(624)를 생성하는 데 사용될 수 있다. 이 데이터는 환자 타임라인 및 이벤트에 대한 정밀 조사를 강화하는 데 사용될 수 있다. 예를 들어, 헬스 케어 제공자인 다운스트림 사용자는 자신의 환자에 대한 요약 정보나 많은 환자에 대한 매크로(macro) 정보만 보고 싶어할 수 있지만, 제약 산업의 다운스트림 사용자는 실험실 값이 측정된 각각의 및 모든 인스턴스를 보고 싶어할 수 있다. 다운스트림 사용자의 이러한 서로 다른 요구 사항에는 환자 스토리를 모으는 데 서로 다른 접근 방식이 필요하다.The best facts of time series data 614 may be used to generate time series client data dump 624 in some embodiments. This data can be used to enhance scrutiny of patient timelines and events. For example, a downstream user who is a healthcare provider may only want to see summary information for his or her patients or macro information for many patients, whereas a downstream user in the pharmaceutical industry may want to view only the summary information for each patient for which a laboratory value was measured. and you may want to see all instances. These different needs of downstream users require different approaches to gathering patient stories.

일부 실시예들에서, 도출 및 명시적인 개념을 기반으로, 환자의 암과 연관된 정보는 사망한 환자의 진단부터 현재 또는 만료까지의 이벤트 타임라인으로 제시될 수 있다.In some embodiments, based on derivation and explicit concepts, information associated with a patient's cancer may be presented as a timeline of events from diagnosis of the deceased patient to current or expiration.

진행 그룹 데이터와 시계열 데이터 사이의 가장 중요한 차이점은 진행 기간에 대한 시간 윈도우의 존재 및 제한이며, 이는 본원에서 진행 추적으로도 설명될 수 있다. 진행 추적의 시간 윈도우에 얽매이는 것이 아니라, 시계열 데이터는 단순히 시간의 함수로 표현된다. 결과적으로 데이터는 다양한 제공업체의 외부 애플리케이션을 통해 외부에서 더 쉽게 계층화될 수 있지만, 여기서 도출되는 결론은 해석자마다 다를 수 있다.The most important difference between progression group data and time series data is the existence and limitation of time windows for progression periods, which can also be described herein as progression tracking. Rather than being bound by the time window of progress tracking, time series data is simply expressed as a function of time. As a result, data can be more easily layered externally through external applications from a variety of providers, but the conclusions drawn from this may vary from interpreter to interpreter.

도 7은 예시적인 실시예에 따른 EL 출력으로부터 노드 어드레스의 생성을 예시한다. COTA 노드 어드레스 또는 CNA라고 할 수 있는 노드 어드레스의 생성에 관한 세부사항은 그 전문이 본원에 참조로 통합되는 미국 공개 특허 출원 번호 제2015/0100341호에서 확인될 수 있다. 임시 노드 어드레스 또는 개선된 노드 어드레스인 노드 어드레스의 생성에 관한 세부사항은 본 출원의 출원인에 의해 2019년 8월 13일에 제출된 미국 임시 특허 출원 번호 제62/900,135호, 및 미국 특허 출원 공개 번호 제US 2021/0082573호에서 확인될 수 있으며, 그 각각은 그 전문이 본원에 참조로 통합된다. 7 illustrates generation of a node address from an EL output according to an example embodiment. Details regarding the generation of node addresses, which may be referred to as COTA node addresses or CNAs, can be found in US Published Patent Application No. 2015/0100341, which is hereby incorporated by reference in its entirety. Details regarding the generation of node addresses, either temporary node addresses or improved node addresses, are described in U.S. Provisional Patent Application No. 62/900,135, filed on August 13, 2019 by the applicant of this application, and U.S. Patent Application Publication No. See US 2021/0082573, each of which is incorporated herein by reference in its entirety.

노드 어드레스는 노드 어드레스(예를 들어, 임시 노드 어드레스 또는 개선된 노드 어드레스)에 포함된 미리 선택된 변수의 값(속성이라고 함)을 기반으로 환자에 관한 개인 건강 정보 세트에 할당될 수 있다. 미리 선택된 변수에는 치료 관련 변수가 포함될 수 있으며, 치료와 관련되거나 관련되지 않을 수 있는 예후 또는 결과 관련 변수도 포함될 수 있다. A node address may be assigned to a set of personal health information about the patient based on values of preselected variables (referred to as attributes) included in the node address (e.g., temporary node address or enhanced node address). Preselected variables may include treatment-related variables, as well as prognostic or outcome-related variables that may or may not be related to treatment.

임시 노드 어드레스일 수 있는 노드 어드레스는 환자에 대한 조기 치료 의사결정을 용이하게 한다. 예를 들어, 일부 실시예들에서, 환자에게 할당된 노드 어드레스는 미리 결정된 환자 케어 서비스 묶음과 연관되어 있으며, 미리 결정된 환자 케어 서비스에 관한 정보는 환자의 헬스케어 제공자 또는 환자의 헬스케어 지불자에게 제공될 수 있다. 또한, 환자의 치료와 관련된 추가 또는 업데이트된 정보가 수신되면, 노드 어드레스는 치료와 관련된 추가 또는 업데이트된 정보에 기초하여 필요에 따라 업데이트되거나 변경된다. 미리 결정된 환자 케어 서비스의 서로 다른 묶음이 업데이트되거나 변경된 임시 노드 어드레스와 연관되어 있는 경우, 미리 결정된 환자 케어 서비스의 서로 다른 묶음에 관한 정보는 환자의 헬스케어 제공자 또는 환자의 헬스케어에 대한 지불자에게 제공된다.The node address, which may be a temporary node address, facilitates early treatment decisions for the patient. For example, in some embodiments, a node address assigned to a patient is associated with a predetermined bundle of patient care services, and information regarding the predetermined patient care services is shared with the patient's healthcare provider or the patient's healthcare payer. can be provided. Additionally, when additional or updated information related to the patient's treatment is received, the node address is updated or changed as needed based on the additional or updated information related to the treatment. If different bundles of predetermined patient care services are associated with an updated or changed temporary node address, information regarding the different bundles of predetermined patient care services may be sent to the patient's healthcare provider or payer for the patient's healthcare. provided.

일부 실시예들에서, 환자에 관한 초기 데이터는 환자 진단 시 또는 직후에 시스템이나 방법에 제공될 것이다. 임시 노드 어드레스 또는 업데이트된 노드 어드레스가 할당되는 시점에, 제공된 환자 데이터에는 환자에게 권장되는 치료 과정을 결정하는 데 충분한 정보가 포함될 수 있지만, 환자에 대해 정의된 종료점 이벤트(예를 들어, 전체 생존, 무진행 생존 또는 무병 생존)의 발생과 관련하여 예후 관련 예상 결과를 제공하기에는 정보가 충분하지 않을 수 있다. 예후 관련 예상 결과와 관련이 있지만 치료와는 관련이 없는 정보를 수신하기를 기다리는 대신, 환자를 노드 어드레스에 할당하기 전에, 치료 관련 정보만 포함하는 임시 노드 어드레스에 환자를 할당하면 특히 진단 후 질환 과정 초기에 시스템 또는 방법이 환자 정보에 대한 치료 의사결정을 안내하는 헬스 케어 제공자 또는 헬스케어 지불자를 지원하도록 한다.In some embodiments, initial data about the patient will be provided to the system or method at or shortly after diagnosing the patient. At the time a temporary or updated node address is assigned, the patient data provided may contain sufficient information to determine the recommended course of treatment for the patient, but may also be associated with defined endpoint events for the patient (e.g., overall survival, There may be insufficient information to provide prognostic expectations regarding the occurrence of progression-free survival or disease-free survival. Instead of waiting to receive information related to prognosis-related expected outcomes but not treatment-related before assigning the patient to a node address, assigning patients to a temporary node address that contains only treatment-related information can help improve the course of the disease, especially after diagnosis. Initially, the system or method is intended to assist a healthcare provider or healthcare payer in guiding treatment decisions regarding patient information.

일부 실시예들에서, 진행 기간 동안 환자와 관련된 노드 어드레스는 환자에 대한 예후 관련 예상 결과를 결정하는 데 사용된다. 이는 미국 공개 특허 출원 번호 제2015/0100341허, 2019년 8월 13일에 출원된 미국 임시 특허 출원 번호 제62/900,135호, 및 미국 특허 출원 공개 번호 제US 2021/0082573호에 더 자세히 설명되어 있으며, 극 각각은 그 전문이 본원에 참조로 통합된다. 일부 실시예들에서, 예후 관련 예상 결과와 관련된 적어도 최소량의 정보를 포함하는 환자에 관한 추가 정보가 수신된 후, 환자에 대한 예후 관련 예상 결과를 결정하는 데 사용되는 개선된 노드 어드레스에 환자가 할당된다. 일부 실시예들에서, 개선된 노드 어드레스는 환자에 대한 예상 결과의 위험 조정에 사용된다. EL 출력에는 환자와 관련된 요소에 대응하는 최상의 팩트가 포함될 수 있다. 최상의 팩트는 환자와 환자의 질병 및/또는 의학적 상태와 관련된 가장 정확한 정보를 나타낼 수 있다. 따라서, EL 출력은 속성으로서 최상의 팩트를 사용하여 진단 또는 진행 이정표에 대응하는 진단 또는 진행 기간에 대응하는 환자에 대한 노드 어드레스를 생성하는 데 사용될 수 있다. In some embodiments, the node address associated with the patient during the progression period is used to determine a prognosis-related expected outcome for the patient. This is described in more detail in U.S. Patent Application Publication No. 2015/0100341, U.S. Provisional Patent Application No. 62/900,135, filed August 13, 2019, and U.S. Patent Application Publication No. US 2021/0082573, , each play is incorporated herein by reference in its entirety. In some embodiments, after additional information is received about the patient, including at least a minimum amount of information related to the prognostic-related expected outcome, the patient is assigned to an improved node address that is used to determine the prognostic-related expected outcome for the patient. do. In some embodiments, the improved node address is used for risk adjustment of the expected outcome for the patient. EL output may contain the best facts corresponding to patient-related factors. The best facts may represent the most accurate information related to the patient and the patient's disease and/or medical condition. Accordingly, the EL output can be used to generate a node address for a patient corresponding to a diagnosis or progression period corresponding to a diagnosis or progression milestone using the best facts as attributes.

일부 실시예들에서, EL 출력은 환자의 진단된 질환에 특정한 환자 진단 PDX(702) 스키마 및/또는 질병에 무관하고 전체 환자에 특정한 데이터(예를 들어, 즉 환자 인구통계학적 치료, 결과, 및 수행)를 보유하는 RWE 스키마(704)로 표현될 수 있다. 일부 실시예들에서, 환자 진단 PDX 스키마(702)로부터의 데이터 및 RWE 스키마(704)로부터의 데이터의 형태일 수 있는 EL 출력은 PDX 또는 RWE 데이터 포맷 데이터를 표현형 생성기(CBRE)(708)로 전송될 표현형 임상 기반 규칙 엔진(CBRE)-호환 데이터로 변환할 수 있는 변환기(704)로 전송될 수 있다. 본원에 사용된 바와 같은 "표현형(phenotype)"이라는 용어는 메커니즘을 암시하지 않는 질병의 관찰 가능한 특성을 의미한다. 일부 실시예들에서, 변환기(706)는 불필요하며 EL로부터의 출력은 변환 없이 표현형 생성기(CBRE)(808)로의 입력으로 취급될 수 있다. 표현형 CBRE(708)는 입력 데이터를 기반으로 표현형을 생성할 수 있다. 표현형 생성기(CBRE)(708)는 생성된 표현형에 관한 데이터를 노드 어드레스 시퀀서(710)로 전송할 수 있다. 노드 어드레스 시퀀서(710)는 생성된 표현형이 이전에 생성된 노드 어드레스가 없었던 질병의 새로운 표현형인지 여부를 결정할 수 있다. 그런 경우, 새로운 노드 어드레스를 생성할 수 있다. 그렇지 않은 경우, 이전에 생성된 노드 어드레스가 환자에게 할당된다. 노드 어드레스를 생성하기 위한 정보가 충분하지 않은 경우, 노드 어드레스 시퀀서(710)는 노드 어드레스를 생성하지 않을 수 있다. 일부 실시예들에서, 노드 어드레스가 생성되지 않으면, 노드 어드레스를 생성하는 데 필요한 정보가 충분하지 않음을 나타내는 메시지가 전송될 수 있다. 노드 어드레스 모듈(712)은 암에 기초한 환자 및 진행에 대한 노드 어드레스를 생성할 수 있다. 일부 실시예들에서, 노드 어드레스는 사용자, 클라이언트 또는 애플리케이션으로 전송될 수 있다. 예를 들어, 일부 실시예들에서, 노드 어드레스는 노드 어드레스 메트릭 애플리케이션(718) 및/또는 서비스(714) 애플리케이션으로서의 노드 어드레스로 전송된다. In some embodiments, the EL output may include a patient diagnosis PDX 702 schema specific to the patient's diagnosed disease and/or disease-independent and overall patient-specific data (e.g., patient demographics, treatment, outcomes, and It can be expressed as an RWE schema 704 that holds (execution). In some embodiments, the EL output, which may be in the form of data from the patient diagnosis PDX schema 702 and data from the RWE schema 704, sends PDX or RWE data format data to the phenotype generator (CBRE) 708. The resulting phenotype may be transmitted to a converter 704 that may convert it into clinical-based rules engine (CBRE)-compatible data. As used herein, the term “phenotype” refers to an observable characteristic of a disease that does not imply a mechanism. In some embodiments, converter 706 is unnecessary and the output from EL can be treated as input to phenotype generator (CBRE) 808 without conversion. Phenotype CBRE 708 can generate a phenotype based on input data. The phenotype generator (CBRE) 708 may transmit data regarding the generated phenotype to the node address sequencer 710. Node address sequencer 710 may determine whether the generated phenotype is a new phenotype for a disease for which no node address was previously generated. In that case, a new node address can be created. Otherwise, the previously generated node address is assigned to the patient. If there is insufficient information to generate a node address, the node address sequencer 710 may not generate the node address. In some embodiments, if a node address is not generated, a message may be sent indicating that there is insufficient information to generate the node address. Node address module 712 may generate node addresses for patients and progression based on cancer. In some embodiments, the node address may be transmitted to the user, client, or application. For example, in some embodiments, the node address is sent to the node address metric application 718 and/or the node address as service 714 application.

일부 실시예들에서, 최상의 팩트 및/또는 최상의 팩트 자체를 기반으로 한 노드 어드레스는 환자 결과 분석, 환자 치료 분석, 환자를 특정 치료의 후보로 식별, 치료 또는 결과의 이상치 분석, 치료의 차이 감소 또는 환자에게 적합한 치료 계획이나 옵션 식별에 사용될 수 있다. 이러한 노드 어드레스 또는 기타 환자 정보의 사용 및 최상의 팩트 강화에 의해 개선될 수 있는 노드 어드레스 또는 기타 환자 정보를 사용하는 시스템 및 방법이 미국 특허 번호 제9,378,531호; 미국 특허 번호 제9,646,135호; 및 미국 특허 번호 제9,734,291호에 설명되어 있으며, 그 각각은 그 전문이 본원에 참조로서 통합된다. 환자 결과 분석, 환자 치료 분석, 환자를 특정 치료에 대한 후보로 식별, 특정 환자의 질병에 적합한 치료 계획 결정, 치료 또는 결과의 이상치 분석, 치료의 차이 감소 및/또는 환자에게 적합한 치료 계획 또는 옵션 식별을 위한 최상의 팩트 및/또는 최상의 팩트 자체를 기반으로 한 노드 어드레스를 사용하는 분석을 통합하는 시스템 및 방법에 대한 추가 설명이 아래의 도 26 및 27과 관련하여 설명된다. In some embodiments, a node address based on the best fact and/or the best fact itself may be used to analyze patient outcomes, analyze patient treatment, identify a patient as a candidate for a particular treatment, analyze outliers in treatment or outcome, reduce differences in treatment, or It can be used to identify treatment plans or options appropriate for the patient. Systems and methods using node addresses or other patient information that may be improved by use of such node addresses or other patient information and best fact enrichment are disclosed in U.S. Pat. No. 9,378,531; U.S. Patent No. 9,646,135; and U.S. Pat. No. 9,734,291, each of which is incorporated herein by reference in its entirety. Analyze patient outcomes, analyze patient care, identify patients as candidates for specific treatments, determine a treatment plan appropriate for a particular patient's medical condition, analyze outliers in treatments or outcomes, reduce differences in treatment, and/or identify treatment plans or options appropriate for a patient. A further description of systems and methods incorporating analysis using node addresses based on the best fact for and/or the best fact itself is described with respect to Figures 26 and 27 below.

도 8은 예시적인 실시예에 따른 읽기 전용 데이터베이스 허가 모델을 예시한다. 읽기 전용 데이터베이스 허가 모델은 EL 모듈(120)에 의해 사용될 수 있으며 데이터를 3개의 출력 레벨, 즉 완전 허가(802), 상세 분석(804) 및 진입점(806)으로 나눌 수 있다. Figure 8 illustrates a read-only database permission model according to an example embodiment. The read-only database admission model can be used by the EL module 120 to divide data into three output levels: full admission (802), detailed analysis (804), and entry point (806).

완전 허가 출력 레벨(802)에는 추상화 노력에서 수집된 가장 원시 데이터, 및 EL에서의 가장 가벼운 데이터 처리가 포함된다. 이 출력 데이터는 분석적으로 가장 복잡하지만, 구문 분석하기가 가장 어렵다. 상세 분석 출력 레벨(804)은 상세 분석을 가능하게 하고 특히 생명 과학 분야(예를 들어, 생명공학 기업, 제약, 의료 기기 등에 대한 발견을 통해 의료 정보학, 비즈니스 인텔리전스와 같은 생명 과학 산업의 여러 부문에 걸쳐 통합하는 비즈니스 유닛) 또는 제약 산업 최종 사용자에 의한 분석에 적합한 시계열 데이터를 포함한다. 이는 진행 기반 모델의 분리된 보기이며 데이터의 시계열 특성을 기반으로 보다 고급 분석을 장려한다. 진입점 출력 레벨(806)은 이 데이터에 대해 이미 수행되었으며 EL의 모든 측면의 결과인 분석을 포함할 수 있으며, 일반적으로 보다 강화된, 미리 정의된 구조에서 환자 데이터를 소비해야 하는 사람들을 위해 설계되었다. 데이터 가시성을 지원하고 환자 계층의 데이터 분석을 수행하는 데 도움이 되도록 여러 스키마가 노출될 수 있다.The fully licensed output level 802 includes the rawest data collected in the abstraction effort, and the lightest data processing in the EL. This output data is the most analytically complex, but also the most difficult to parse. The detailed analysis output level 804 enables detailed analysis and discoveries, especially for the life sciences sector (e.g., biotechnology companies, pharmaceuticals, medical devices, etc.), to various sectors of the life sciences industry such as medical informatics, business intelligence, etc. Contains time series data suitable for analysis by business units (integrating across business units) or pharmaceutical industry end users. This is a separate view of the progression-based model and encourages more advanced analysis based on the time series nature of the data. The entry point output level 806 can include analyzes that have already been performed on this data and are the result of all aspects of the EL, and is generally designed for those who need to consume patient data in a more robust, predefined structure. It has been done. Multiple schemas may be exposed to support data visibility and help perform data analysis of patient layers.

운영 체제에서, 커널은 소프트웨어의 입/출력 요청을 관리하고 이를 컴퓨터의 중앙 처리 유닛 및 기타 전자 컴포넌트에 대한 데이터 처리 명령어로 변환하는 컴퓨터 프로그램이다. 도 9는 예시적인 실시예에 따른, EL 모듈에 구현된 예시적인 EL 커널(902)을 예시한다. EL 커널(902)로의 데이터 흐름은 추상화 모듈(123)로부터 생성된 후보 팩트, 팩트 메타데이터의 서브세트 및 대조군 데이터를 포함할 수 있다. 이 설계를 통해 EL은 후보 팩트에 포함된 데이터에 대한 의료 및 감소 규칙을 적용할 때 세 가지 소스를 모두 사용할 수 있는 유연성을 제공한다. In an operating system, the kernel is a computer program that manages software input/output requests and translates them into data processing instructions for the computer's central processing unit and other electronic components. 9 illustrates an example EL kernel 902 implemented in an EL module, according to an example embodiment. Data flow to EL kernel 902 may include candidate facts generated from abstraction module 123, a subset of fact metadata, and control data. This design gives EL the flexibility to use all three sources when applying medical and attrition rules to the data contained in candidate facts.

일 예로서, 일부 실시예들에서, EL 커널(902)은 분자 마커, 조직학 및/또는 온코트리(oncotree), 국제 통계 분류 질환 및 관련 건강 문제 10차 개정판(ICD 10) 코드를 대조군 데이터로서 수신할 수 있다. 예를 들어, 일부 실시예들에서, 대조군 데이터에는 암을 나타내는 모든 ICD10 코드가 포함된다. 일부 실시예들에서, 대조군 데이터에는 암을 나타내는 모든 ICD9 코드도 포함된다. 일부 실시예들에서, 대조군 데이터에는 매핑된 데이터의 캡처를 위해 제안된 명시적인 값 세트를 설명하는 데 사용되는 모든 것이 포함될 수 있다. ICD 코드는 전 세계에 걸쳐 의사, 건강 보험 회사 및 공공 보건 기관에서 진단을 나타내기 위해 사용하는 영숫자 코드이다. 각 코드는 특정 진단에 대해 자세히 설명한다. 처음 3자는 질환, 장애, 감염 또는 증상의 카테고리를 정의한다. 예를 들어, M00-M99로 시작하는 코드는 근골격계 및 결합 조직(예를 들어 류마티스 관절염) 질환에 대한 것인 반면, J00-J99로 시작하는 코드는 호흡기계의 질환에 대한 것이다. 4-6번 위치의 문자는 신체 부위, 문제의 심각도, 부상이나 질환의 원인 및 기타 임상 세부 사항을 정의한다. 위의 류마티스 관절염 예에서, 다섯 번째 문자는 신체 부위를 정의하고 여섯 번째 문자는 좌측인지 우측인지를 정의한다. 다섯 번째 문자 위치의 3은 영향을 받은 손목을 나타낸다. 여섯 번째 문자 위치의 2는 영향을 받은 신체의 좌측 부분을 나타낸다. 문자 7은 이것이 이 문제에 대한 최초 발생인지, 후속 발생인지, 또는 다른 조건의 결과로 발생하는 후유증인지 정의하는 등 다양한 목적으로 사용되는 확장 문자이다. EL 모듈(120)은 필요에 따라 ICD 10 코드 정보 또는 데이터를 가져올 수 있다. As an example, in some embodiments, the EL kernel 902 may use molecular markers, histology, and/or oncotree, International Statistical Classification of Diseases and Related Health Problems, 10th Revision (ICD 10) codes as control data. You can receive it. For example, in some embodiments, control data includes all ICD10 codes indicative of cancer. In some embodiments, control data also includes all ICD9 codes indicating cancer. In some embodiments, control data may include anything used to describe an explicit set of values proposed for the capture of mapped data. ICD codes are alphanumeric codes used by doctors, health insurance companies, and public health agencies around the world to indicate a diagnosis. Each code details a specific diagnosis. The first three characters define the category of disease, disorder, infection, or symptom. For example, codes starting with M00-M99 are for diseases of the musculoskeletal and connective tissue (e.g. rheumatoid arthritis), while codes starting with J00-J99 are for diseases of the respiratory system. The letters in positions 4-6 define the body part, severity of the problem, cause of the injury or illness, and other clinical details. In the rheumatoid arthritis example above, the fifth character defines the body part and the sixth character defines whether it is left or right. The 3 in the fifth letter position indicates the affected wrist. The 2 in the sixth character position indicates the left side of the body that is affected. Character 7 is an extended character used for a variety of purposes, including defining whether this is the first occurrence of this problem, a subsequent occurrence, or a sequel to the result of another condition. The EL module 120 can retrieve ICD 10 code information or data as needed.

온코트리 그룹은 치료 측면에서 다르게 취급되어야 하거나 그렇지 않은 조직학 간의 차이를 나타낸다. 예를 들어, 조직학의 일부 차이는 다른 치료가 필요하지 않을 수 있다. 온코트리는 서로 다른 조직학을 유사하게 취급될 수 있는 그룹으로 매핑한다. EL 모듈(120)은 온코트리 그룹에 기초한 혼합 조직학 개념을 채용할 수 있다.Oncotri groups represent differences between histologies that may or may not be treated differently in terms of treatment. For example, some differences in histology may not require different treatments. Oncotree maps different histologies into groups that can be treated similarly. The EL module 120 may employ a mixed histology concept based on oncotree groups.

동일한 조직학이 다양한 유형의 암(예를 들어, 폐암, 유방암 또는 대장암의 선암종)에 사용될 수 있다. 특정 조직학에 대응하는 온코트리 그룹을 결정하려면 조직학의 암 하위 유형을 결정하기 위해 ICD 코드를 참조해야 한다. The same histology can be used for various types of cancer (eg, adenocarcinoma of the lung, breast, or colon). To determine which oncotree group corresponds to a particular histology, ICD codes must be referenced to determine the cancer subtype of the histology.

암 특정 구현의 경우, 대부분의 대조군 데이터는 암 유형에 대해 불가지론적이다. 일부 실시예들에서, 시스템은 그래픽 사용자 인터페이스를 통해(예를 들어, 드롭다운 메뉴를 통해) 대조군 데이터에 대한 일부 값 선택을 수신한다.For cancer-specific implementations, most control data are agnostic to cancer type. In some embodiments, the system receives a selection of some values for control data via a graphical user interface (e.g., via a drop-down menu).

대조군 데이터 중 일부는 일부 팩트에 허용되는 값을 지정한다. 예를 들어, 대조군 데이터에는 에스트로겐 수용체(ER)에 대한 허용 가능한 데이터로서 ER+, ER 증폭 및 ER-가 포함될 수 있다. 일부 실시예들에서, 일부 대조군 데이터는 그래픽 사용자 인터페이스를 통해(예를 들어, 다중-레벨 드롭다운 메뉴를 포함할 수 있는 드롭-다운 메뉴를 통해) 시스템 운영자에 의해 선택되거나 지정된다.Some of the control data specify acceptable values for some facts. For example, control data may include ER+, ER amplification, and ER- as acceptable data for the estrogen receptor (ER). In some embodiments, some control data is selected or specified by the system operator via a graphical user interface (e.g., via a drop-down menu, which may include a multi-level drop-down menu).

EL 커널(1002)의 규칙 계층(904)에서, 의료 규칙은 중복 제거, 정렬, 및 비교를 포함한 감소 단계를 지시할 수 있다. 일부 실시예들에서, 중복 제거는, 적어도 부분적으로는, 다양한 서로 다른 소스에서 나온 팩트로 인해 발생하므로 중복 제거가 필요하다. 명확한 의료 계층 구조 또는 하나의 항목을 또 다른 항목보다 선택하기 위한 의사결정 트리를 갖는 요소는 규칙 계층(904)에 설명될 수 있다.In the rules layer 904 of the EL kernel 1002, medical rules may direct reduction steps including deduplication, sorting, and comparison. In some embodiments, deduplication is necessary because deduplication occurs, at least in part, due to facts coming from a variety of different sources. Elements that have a clear medical hierarchy or decision tree for selecting one item over another can be described in the rule hierarchy 904.

EL 커널(902)의 감소 시맨틱스 계층(906)에서, 감소 시맨틱스는 의료 규칙과 추상 대수학 사이의 "번역 계층"을 제공하여, 의료 규칙을 대수적 개념으로 효과적으로 변환한다. 이러한 대수적 개념은 의료 규칙을 수학적 규칙으로 더욱 계층화하여, EL이 프로그래밍 방식으로 감소 논리를 실행할 수 있도록 한다.In the reduction semantics layer 906 of the EL kernel 902, reduction semantics provide a “translation layer” between medical rules and abstract algebra, effectively converting medical rules into algebraic concepts. These algebraic concepts further layer medical rules into mathematical rules, allowing EL to programmatically execute reduction logic.

EL 커널(902)의 비교 계층(908)에서, 감소 시맨택스 계층으로부터의 출력은 요소별 목록이다. 비교 계층(1008)은 필요에 따라 이러한 목록 내 및 전체에 걸쳐 결과를 정렬하고 순위를 매긴다. 비교 계층(1008)은 (하나 이상의) "승자"가 결정되는 곳이다.In the comparison layer 908 of the EL kernel 902, the output from the reduction semantics layer is an element-by-element list. Comparison hierarchy 1008 sorts and ranks results within and across these lists as needed. The comparison layer 1008 is where (one or more) “winners” are determined.

의학적 개념의 범위에 따라, 모든 계층에 "데이터 출력(Data Out)"을 쓸 수 있다. 이는 규칙 세트 내에서 결정된 바와 같은 동작 순서에 따라 달라진다. 데이터 출력은 EL 스키마 내의 테이블에 기록되는 출력이다.Depending on the scope of the medical concept, “Data Out” can be used in all layers. This depends on the order of operations as determined within the rule set. Data output is output written to a table in the EL schema.

비제한적인 예로서, 후보 팩트의 감소는 숫자로 표현될 수 있다. 예시적인 자연수 세트(0, 1, 2, 2)의 경우, 감소 규칙을 사용하면 감소는 (2, 2)가 된다. 0과 1은 2보다 작아서 폐기되기 때문이다. 2는 모두 이 숫자 세트의 최대값이므로, 이들 중 둘 다 유지된다. 또 다른 감소 규칙을 적용하면 (2,2)를 단일 값으로 줄일 수 있다. 요컨대: (0, 1, 2, 2,) → (2, 2) → 2.As a non-limiting example, the reduction of candidate facts may be expressed numerically. For the example set of natural numbers (0, 1, 2, 2), using the reduction rule, the reduction becomes (2, 2). This is because 0 and 1 are less than 2 and are discarded. 2 is the maximum of this set of numbers, so both of them are retained. By applying another reduction rule, we can reduce (2,2) to a single value. In short: (0, 1, 2, 2,) → (2, 2) → 2.

일부 실시예들에서, EL 모듈은 입력 데이터와 후보 팩트를 형상의 형태로 처리한다. 설계상, 유사한 산술 연산은 형상에 적용될 수 있으며, 이는 이들을 특정 기준에 대해 비교되도록 한다. EL 모듈은 후보 팩트 형태의 일련의 형상을 하나 이상의 다른 형상으로 줄일 수 있다. 일련의 형상을 줄이기 위해, 필요한 것은 두 가지 형상을 줄이고(이는 두 가지 형상을 "결합"한다고 함), 그런 다음 일련의 형상에 걸쳐 동일한 감소 시맨틱스를 적용하는 능력이다. 일부 실시예들에서, EL 모듈은 사용자 정의 연산자를 사용하여 형상을 "결합"한다. 형상 및 사용자 정의 "결합" 연산자에는 연관성이 있으며, 이는 일련의 형상이 결합되는 순서는 중요하지 않다는 것을 의미한다. 이를 통해 EL은 여러 프로세서 또는 컴퓨팅 장치에서 독립적으로 서로 다른 쌍의 형상을 시퀀스로 결합하고 나중에 결과를 결합하거나 병합하여, 더 빠르고 효율적인 처리를 가능하게 한다. 두 개의 형상이 "결합"된 경우, 결과는 항상 형상이다.In some embodiments, the EL module processes input data and candidate facts in the form of shapes. By design, similar arithmetic operations can be applied to shapes, allowing them to be compared against a specific criterion. The EL module can reduce a set of shapes of candidate fact shapes into one or more different shapes. To reduce a set of shapes, all you need is the ability to reduce two shapes (this is called "combining" the two shapes) and then apply the same reduction semantics across the set of shapes. In some embodiments, the EL module “combines” shapes using user-defined operators. Geometry and user-defined "join" operators are associative, meaning that the order in which a series of geometries are combined does not matter. This allows EL to combine different pairs of shapes into sequences independently across multiple processors or computing devices and later combine or merge the results, enabling faster and more efficient processing. When two shapes are "combined", the result is always a shape.

도 10은 일부 예시적인 실시예들에 따른 후보 팩트를 표현하는데 채용될 수 있는 형상 구조를 예시한다. 형상(1002)은 속성, 속성의 대조군 데이터 및 개념의 범위 내에서 요구되는 것/선택 사항을 갖는 의료 개념을 나타낼 수 있다. 형상(1002)은 환자와 연관된 요소일 수 있다. 형상(1002)은 템플릿일 수 있으며, 임의의 특정 환자 데이터 "입력 양식"이 작동하는 방식을 정의한다. 팩트 유형(1004)은 "에스트로겐", "수용체", "이름" 또는 수행 상태의 "동부 협력 종양 학회(Eastern Cooperative Oncology Group; ECOG)" 척도(이는 자신을 돌보는 능력, 일상 활동, 및 신체적 능력(몇 가지 예를 들어 걷기, 일하기 등) 측면에서 환자의 기능 수준을 설명함)와 같은 의학적 개념의 클래스 또는 특정 지표일 수 있다. 팩트 유형은 형상(1002)의 "하위(child)"일 수 있다. 예를 들어 ECOG의 경우, 고유 형상(1002)은 또한 이를 고유 팩트 유형(1004)으로 만든다. 팩트(1006)는 "추상화기 A가 월요일 오후 3시에 환자 문서 XYZ에서 ECOG를 저장했습니다."와 같은 팩트 유형(1004)의 실제 저장된 인스턴스이다. 모든 팩트(1006)는 팩트 유형(1004)(및 이에 따라 형상), 타임스탬프, 사용자 및 팩트(1006)가 생성된 문서와 연관된다. 사전-팩트(1008)는 형상의 필수 입력 필드에 비해 불완전하다. 예를 들어, 전체 단계에 대한 열이 있는 종양 레지스트리가 수신될 수 있지만, 전체 단계가 식별된 날짜가 누락되었다.10 illustrates a shape structure that may be employed to represent a candidate fact according to some example embodiments. Shape 1002 may represent a medical concept with attributes, control data for the attributes, and requirements/options within the scope of the concept. Shape 1002 may be an element associated with the patient. Shape 1002 may be a template, defining how any particular patient data “entry form” operates. Fact type (1004) can be “estrogen”, “receptor”, “name”, or the “Eastern Cooperative Oncology Group (ECOG)” scale of performance status (which includes ability to care for oneself, activities of daily living, and physical ability ( It may be a class of medical concepts or specific indicators, such as describing the patient's level of functioning in terms of walking, working, etc. to name a few. The fact type may be a “child” of shape 1002. For example, in the case of ECOG, the unique shape 1002 also makes it a unique fact type 1004. Fact 1006 is an actual stored instance of fact type 1004, such as “Abstractor A saved ECOG from patient document XYZ at 3 PM on Monday.” Every fact 1006 is associated with a fact type 1004 (and therefore a shape), a timestamp, a user, and the document from which the fact 1006 was created. The pre-facts 1008 are incomplete compared to the required input fields of the shape. For example, you may receive a tumor registry with a column for overall stage, but the date on which the overall stage was identified is missing.

일 예로서, ECOG 수행 상태는 암 진단을 받은 환자가 병원을 방문할 때마다 수집되도록 되어 있다. 병원 최종 사용자가 병원이 방문할 때마다 ECOG를 측정했다고 결정하는 것이 중요할 수 있다. 수집된 각 ECOG는 환자와 연관된 요소에 대응하는 후보 팩트일 수 있다. EL 모듈(120)은 동일한 방문 내에서 ECOG가 동일한 결과로 n번 측정되었는지를 식별할 수 있다. EL 모듈(120)은 중복을 제거하고 이를 하나의 결과로 간주할 수 있다. ECOG 결과가 다른 경우, EL 모듈(120)은 최상의 팩트를 가장 높은 팩트로 식별할 수 있거나, 또는 충돌 해결을 위해 충돌이 검출된 경우 감소 규칙에 기초하여 별도의 충돌 해결 모듈이나 QA 팀으로 에스컬레이션될 수 있다. As an example, ECOG performance status is collected each time a patient diagnosed with cancer visits the hospital. It may be important for hospital end users to determine that the hospital has measured an ECOG at each visit. Each ECOG collected may be a candidate fact corresponding to an element associated with the patient. The EL module 120 may identify whether the ECOG was measured n times with the same results within the same visit. The EL module 120 may remove duplicates and consider them as one result. If the ECOG results are different, the EL module 120 can identify the best fact as the highest fact, or if a conflict is detected for conflict resolution, it can be escalated to a separate conflict resolution module or QA team based on reduction rules. You can.

도 11은 예시적인 실시예에 따른 형상과 연관된 속성을 예시한다. 속성(1102)은 형상(1002) 내에 표현되는 단일 "입력 필드"일 수 있다. 속성(1102)은 약품 목록 또는 방법과 같은 대조군 데이터를 가질 수 있으며, 자유 텍스트를 허용하거나, 숫자-전용 패턴을 필요로 할 수 있다. 11 illustrates attributes associated with a shape according to an example embodiment. Attribute 1102 may be a single “input field” represented within shape 1002. Attribute 1102 may have control data, such as a drug list or method, allow free text, or require a number-only pattern.

도 12는 일부 실시예들에 따른 해당 요소에 대한 하나 이상의 최상의 팩트를 식별하는 프로세스를 예시하는 흐름도이다. 동작(1200)에서, 추상화 모듈(123)은 환자와 연관된 초기 데이터 기록 세트에 액세스하거나 수신한다. 초기 데이터 기록 세트에는 환자, 환자의 질병 및/또는 환자의 치료에 관한 정보가 포함될 수 있다. 동작(1202)에서, 추상화 모듈(123)은 초기 데이터 기록 세트로부터 후보 팩트를 추상화할 수 있다. 후보 팩트 각각은 데이터 세트로 표현될 수 있다. 일부 실시예들에서 그리고 적어도 일부 요소의 경우, 동작(1203)에서 후보 팩트의 추상화 후 초기 데이터 세트의 후보 팩트 또는 기타 데이터로부터 하나 이상의 추가 후보 팩트가 도출되거나 계산될 수 있다. 비제한적인 예로서, 일부 실시예들에서, EL 모듈(120)은 액세스된 데이터 기록의 TNM 코딩으로부터 전체 단계를 도출한다. 일부 실시예들에서, EL 모듈은 또한 액세스된 데이터 기록의 기타 정보로부터 종양의 단계를 평가할 수 있다. EL 모듈(120)은 TNM의 함수로서 평가된 단계를 도출된 단계와 비교할 수 있으며, 단계가 일치하지 않기 때문에 환자를 에스컬레이션할지 여부를 결정하거나, 단계가 일관되게 나타나는지를 확인할 수 있다. 동작(1204)에서, 추상화 모듈(123)은 각 후보 팩트를 환자와 관련된 요소에 대응되는 것으로 분류할 수 있다. 둘 이상의 후보 팩트가 요소에 해당할 수 있다. 요소는 환자의 개인 정보에 관한 정보 또는 환자의 의학적 상태 또는 질병에 관한 정보와 연관될 수 있다. 출생 시의 생물학적 성별 또는 생년월일과 같은 일부 요소는 시간이 지나거나 질병이 진행되어도 변하지 않을 것으로 예상될 수 있다. 질병 단계나 치료와 같은 기타 요소는 시간이 지남에 따라 바뀔 것으로 예상될 수 있다.Figure 12 is a flow diagram illustrating a process for identifying one or more best facts for a given element in accordance with some embodiments. At operation 1200, abstraction module 123 accesses or receives an initial set of data records associated with the patient. The initial set of data records may include information about the patient, the patient's disease, and/or the patient's treatment. At operation 1202, abstraction module 123 may abstract candidate facts from the initial set of data records. Each candidate fact can be represented as a data set. In some embodiments, and for at least some elements, one or more additional candidate facts may be derived or computed from the candidate facts or other data in the initial data set after abstracting the candidate facts in operation 1203. As a non-limiting example, in some embodiments, EL module 120 derives the entire step from TNM coding of the accessed data record. In some embodiments, the EL module may also assess the stage of the tumor from other information in the accessed data record. The EL module 120 can compare the evaluated stage with the derived stage as a function of the TNM and determine whether to escalate the patient because the stage does not match, or check whether the stage appears consistently. At operation 1204, abstraction module 123 may classify each candidate fact as corresponding to an element related to the patient. More than one candidate fact may correspond to an element. The element may be associated with information about the patient's personal information or information about the patient's medical condition or disease. Some factors, such as biological sex at birth or date of birth, may not be expected to change over time or as the disease progresses. Other factors, such as disease stage or treatment, may be expected to change over time.

동작(1206)에서, EL 모듈(120)은 요소가 시간 경과에 따라 또는 질환 진행에 따라 변할 수 있는지 여부를 결정할 수 있다. 일부 실시예들에서, 요소와 연관된 형상의 속성은 시간이 지남에 따라 또는 질환 진행에 따라 요소가 변하지 않는 요소로 취급될지 또는 변할 수 있는 요소로 취급될지를 나타낼 것이다. 동작(1208)에서, 시간이 지나도 변하지 않는 것으로 처리되는 요소의 경우, EL 모듈(120)은 요소에 둘 이상의 해당 후보 팩트가 있는지 여부를 결정한다. 동작(1208)에서, 요소에 해당 후보 팩트가 하나만 있는 경우, EL 모듈(120)은 해당 후보 팩트를 최상의 팩트로 식별할 수 있다. 일부 실시예들에서 그리고 적어도 일부 요소의 경우, 식별된 최상의 팩트는 사용자의 수락 또는 검증의 대상이 될 수 있다. 동작(1212)에서, 요소에 둘 이상의 해당 후보 팩트에 있는 경우, EL 모듈(120)은 요소에 특정한 감소 규칙에 기초하여 둘 이상의 해당 팩트 중 하나 이상의 최상의 팩트를 식별할 수 있다. 일부 실시예들에서, 동작(1212)에서 해당 요소에 대해 둘 이상의 최상의 팩트가 식별된 경우, 시스템은 프로세스 후반에 사용하기 위해 해당 요소에 대한 단일의 최상의 팩트의 결정을 위해 둘 이상의 최상의 팩트를 서로 다른 모듈 또는 시스템으로 보낼 수 있다(도시되지 않음). 일부 실시예들에서 그리고 일부 요소의 경우, 동작(1212)에서 둘 이상의 최상의 팩트가 식별되는지 여부에 관계 없이, 하나 이상의 최상의 팩트는 하나 이상의 최상의 팩트에 대응하는 데이터를 출력(1222)하기 전에 도 13 및 14와 관련하여 아래 설명된 바와 같이 수락 또는 검증을 위한 사용자 인터페이스를 통해 사용자에게 제안된 최상의 팩트로서 제시된다(1230). 동작(1214)에서, 시간이 지남에 따라 변할 수 있는 각 요소의 경우, EL 모듈(120)은 요소에 대응하는 각각의 후보 팩트를 진단 또는 진행 이정표에 대응하는 진행 기간과 연관시킬 수 있다. 동작(1216)에서, 시간이 지남에 따라 변할 수 있는 각 요소의 경우, EL 모듈은 진행 기간 동안 요소에 둘 이상의 해당 후보 팩트가 있는지 여부를 결정할 수 있다. 동작(1218)에서, 요소에 이정표와 연관된 해당 후보 팩트가 하나만 있는 경우, EL 모듈(120)은 해당 후보 팩트를 이정표에 대한 요소에 대응하는 최상의 팩트로 식별할 수 있다. 동작(1220)에서, 요소에 이정표에 연관된 둘 이상의 해당 후보 팩트가 있는 경우, EL 모듈(120)은 요소에 특정한 감소 규칙에 기초하여 둘 이상의 해당 팩트로부터 이정표에 대한 요소에 해당하는 적어도 하나의 최상의 팩트를 식별할 수 있다. 일부 실시예들에서, 둘 이상의 최상의 팩트가 동작(1220)에서 이정표에 대한 요소에 대응하는 것으로 식별되면, 시스템은 프로세스 후반에 사용하기 위해 이정표에 대한 해당 요소에 대한 단일의 최상의 팩트의 결정을 위해 둘 이상의 최상의 팩트를 또 다른 모듈 또는 시스템으로 보낼 수 있다(도시되지 않음). 일부 실시예들에서 그리고 일부 요소의 경우, 동작(1220)에서 둘 이상의 최상의 팩트가 식별되는지 여부에 상관 없이, 하나 이상의 최상의 팩트는 하나 이상의 최상의 팩트에 대응하는 데이터를 출력(1222)하기 전에 도 15와 관련하여 아래에 설명된 바와 같이 수락 또는 검증을 위한 사용자 인터페이스(예를 들어, 그래픽 사용자 인터페이스)를 통해 사용자에게 제안된 최상의 팩트로 제시된다(1230). 동작(1222)에서, EL 모듈(120)은 환자와 연관된 최상의 팩트를 포함하는 데이터를 출력할 수 있다.At operation 1206, EL module 120 may determine whether a factor may change over time or with disease progression. In some embodiments, the properties of the shape associated with an element will indicate whether the element will be treated as an immutable element or an element capable of changing over time or as the disease progresses. At operation 1208, for an element that is treated as unchanged over time, the EL module 120 determines whether the element has more than one corresponding candidate fact. At operation 1208, if an element has only one candidate fact, the EL module 120 may identify that candidate fact as the best fact. In some embodiments, and for at least some elements, the best facts identified may be subject to acceptance or verification by the user. At operation 1212, if an element has more than one corresponding candidate fact, EL module 120 may identify one or more best facts of the two or more corresponding facts based on a reduction rule specific to the element. In some embodiments, if more than one best fact is identified for that element in operation 1212, the system combines the two or more best facts with each other to determine a single best fact for that element for use later in the process. It can be sent to another module or system (not shown). In some embodiments and for some elements, regardless of whether more than one best fact is identified in operation 1212, one or more best facts may be identified as shown in FIG. 13 prior to outputting 1222 data corresponding to the one or more best facts. and 14, as described below, as the best facts suggested to the user via a user interface for acceptance or verification (1230). At operation 1214, for each element that may change over time, EL module 120 may associate each candidate fact corresponding to the element with a progress period corresponding to a diagnosis or progress milestone. At operation 1216, for each element that may change over time, the EL module may determine whether the element has more than one corresponding candidate fact during the ongoing period. At operation 1218, if an element has only one corresponding candidate fact associated with a milestone, EL module 120 may identify that candidate fact as the best fact corresponding to the element for the milestone. In operation 1220, if an element has more than one corresponding candidate fact associated with the milestone, the EL module 120 selects at least one best candidate fact corresponding to the element for the milestone from the two or more corresponding facts based on a reduction rule specific to the element. Facts can be identified. In some embodiments, if more than one best fact is identified as corresponding to an element for a milestone in operation 1220, the system may be configured to determine a single best fact for that element for the milestone for use later in the process. More than one best fact can be sent to another module or system (not shown). In some embodiments and for some elements, regardless of whether more than one best fact is identified in operation 1220, one or more best facts may be identified in FIG. 15 prior to outputting 1222 data corresponding to the one or more best facts. is presented 1230 with the best suggested facts to the user via a user interface (e.g., graphical user interface) for acceptance or verification, as described below. In operation 1222, EL module 120 may output data containing the best facts associated with the patient.

도 13은 일부 실시예들에 따른 추가 데이터 수신에 응답하여 최상의 팩트를 결정하는 프로세스를 도시하는 흐름도이다. 동작(1300)에서, 추상화 애플리케이션(123)은 환자, 환자의 질병 및/또는 환자의 치료에 관한 정보를 포함하는 새로운 데이터 기록 세트에 액세스할 수 있다. 동작(1302)에서, 추상화 애플리케이션(123)은 환자와 연관된 요소에 대응하는 추가 후보 팩트를 추출할 수 있다. 동작(1304)에서, EL 모듈(120)은 초기 데이터 기록 세트로부터 추출된 후보 팩트 및 새로운 데이터 기록 세트로부터 추출된 추가 후보 팩트에 기초하여 환자와 연관된 각 요소에 대응하는 하나 이상의 최상의 팩트를 식별할 수 있다. 일부 실시예들에서, 이는 도 12의 동작(1206 내지 1222)와 관련하여 설명된 동작을 사용하여 수행될 수 있다. 일부 실시예들에서, EL 모듈(120)은 초기 데이터 세트에 기초하여 식별된 환자와 연관된 요소에 대응하는 최상의 팩트를 결정할 수 있다. EL 모듈(120)은 추가 데이터 세트로부터 추출된 후보 팩트로부터 새로운 최상의 팩트가 식별될 수 있는지 여부를 결정할 수 있다. 13 is a flow diagram illustrating a process for determining a best fact in response to receiving additional data in accordance with some embodiments. At operation 1300, abstraction application 123 may access a new set of data records containing information about the patient, the patient's disease, and/or the patient's treatment. At operation 1302, abstraction application 123 may extract additional candidate facts corresponding to elements associated with the patient. At operation 1304, EL module 120 may identify one or more best facts corresponding to each element associated with the patient based on the candidate facts extracted from the initial set of data records and the additional candidate facts extracted from the new set of data records. You can. In some embodiments, this may be performed using the operations described with respect to operations 1206-1222 of FIG. 12. In some embodiments, EL module 120 may determine the best fact corresponding to the element associated with the identified patient based on the initial data set. EL module 120 may determine whether new best facts can be identified from candidate facts extracted from the additional data set.

도 14는 일부 실시예들에 따른 충돌 해결을 위한 프로세스를 도시하는 흐름도이다. 동작(1400)에서, EL 모듈(1400)은 요소에 대한 최상의 팩트를 결정할 때, 요소에 대응하는 후보 팩트 중 둘 이상의 최상의 팩트 사이의 충돌을 식별할 수 있다. 1402에서, EL 모듈(120)은 요소가 시간에 따라 변하는지 여부를 결정한다. 1404에서, 시간이 지남에 따라 변하지 않는 요소에 대한 요소에 대응하는 둘 이상의 최상의 팩트가 식별되는 경우, EL 모듈(120)은 충돌 해결을 위한 요소에 대응하는 둘 이상의 최상의 팩트에 관한 정보를 전송하여 최상의 팩트를 결정할 수 있다. 동작(1406)에서, 둘 이상의 최상의 팩트가 지남에 따라 변할 수 있는 요소에 대한 이정표와 연관된 요소에 대응하는 것으로 식별되는 경우, EL 모듈은 충돌 해결을 위한 이정표에 대한 요소에 대응하는 둘 이상의 최상의 팩트에 관한 정보를 전송하여 이정표에 대한 요소에 대한 단일의 최상의 팩트를 결정할 수 있다.Figure 14 is a flow diagram illustrating a process for conflict resolution according to some embodiments. In operation 1400, when determining the best fact for an element, the EL module 1400 may identify a conflict between two or more best facts among candidate facts corresponding to the element. At 1402, EL module 120 determines whether the element changes over time. At 1404, if two or more best facts corresponding to an element for an element that does not change over time are identified, the EL module 120 transmits information regarding the two or more best facts corresponding to the element for conflict resolution. You can determine the best facts. In operation 1406, if more than one best fact is identified as corresponding to an element associated with a milestone for an element that may change over time, the EL module determines the two or more best facts corresponding to the element for the milestone for conflict resolution. By transmitting information about the milestones, you can determine the single best fact about the elements.

일부 실시예들에서는 도 14에 도시된 충돌 해결 대신에 또는 이외에 적어도 일부 요소에 대한 최상의 팩트의 사용자 수락 또는 검증을 사용한다. 일부 실시예들에서, 요소 중 적어도 일부의 경우, 식별된 하나 이상의 최상의 요소는 EL로부터 데이터를 출력하기 전에 수락 또는 검증(도 12의 동작(1230) 참조)을 거친다. 예를 들어, 일부 실시예들에서 그리고 시간이 지남에 따라 변하지 않는 요소 중 적어도 일부의 경우, 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 것은 적어도 하나의 최상의 팩트를 그래픽 사용자 인터페이스를 통해 사용자에게 제안된 적어도 하나의 최상의 팩트로서 제시하는 것, 및 제안된 적어도 하나의 최상의 팩트의 수락; 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절 중 하나 이상을 수신하는 것을 포함한다. 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 제안된 적어도 하나의 최상의 팩트는 더 이상 요소에 대응하는 적어도 하나의 최상의 팩트로 식별되지 않는다. 상기 제안된 적어도 하나의 최상의 팩트의 수락이 수신되는 경우, 상기 적어도 하나의 최상의 팩트가 수락된 최상의 팩트로 식별된다. 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별이 수신되는 경우, 적어도 하나의 다른 후보 팩트는 적어도 하나의 수락된 최상의 팩트로 식별된다. 이러한 실시예에서, 이 요소의 경우, 출력 최상의 팩트는 수락된 출력 최상의 팩트일 것이다.Some embodiments use user acceptance or verification of best facts for at least some elements instead of or in addition to the conflict resolution shown in Figure 14. In some embodiments, for at least some of the elements, one or more of the identified best elements undergo acceptance or verification (see operation 1230 of FIG. 12) prior to outputting data from the EL. For example, in some embodiments, and for at least some of the elements that do not change over time, identifying at least one best fact corresponding to the element may involve presenting the at least one best fact to a user via a graphical user interface. presenting as at least one proposed best fact, and accepting at least one proposed best fact; Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and receiving one or more of a rejection of the proposed at least one best fact as a best fact. If a rejection of the proposed at least one best fact is received, the proposed at least one best fact is no longer identified as the at least one best fact corresponding to the element. If acceptance of the proposed at least one best fact is received, the at least one best fact is identified as the accepted best fact. If an identification of at least one other candidate fact that is not the proposed best fact as at least one best fact is received, then at least one other candidate fact is identified as at least one accepted best fact. In this embodiment, for this element, the output best fact will be the accepted output best fact.

일부 실시예들에서, 시간이 지남에 따라 변할 수 있는 요소 중 적어도 일부의 경우, 요소에 대한 관련 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하는 단계는, 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로서 진행 기간 동안 적어도 하나의 최상의 팩트를 제시하는 단계; 및 제안된 적어도 하나의 최상의 팩트를 적어도 하나의 최상의 팩트로서의 수락; 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절 중 하나 이상을 수신하는 단계를 더 포함한다. 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 제안된 적어도 하나의 최상의 팩트는 더 이상 진행 기간 동안 요소에 대응하는 적어도 하나의 최상의 팩트로 식별되지 않는다. 제안된 적어도 하나의 최상의 팩트의 수락이 수신되는 경우, 적어도 하나의 최상의 팩트가 진행 기간 동안 수락된 최상의 팩트로 식별된다. 제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별이 수신되는 경우, 적어도 하나의 다른 후보 팩트는 진행 기간 동안 적어도 하나의 수락된 최상의 팩트로 식별된다. 이러한 실시예에서, 이 요소의 경우, 진행 기간 동안 출력 최상의 팩트는 수락된 출력 최상의 팩트일 것이다.In some embodiments, for at least some of the elements that may change over time, identifying at least one best fact for each running period that has an associated candidate fact for the element may include: presenting at least one best fact during the proceeding period as at least one best fact; and acceptance of the proposed at least one best fact as at least one best fact; Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and receiving one or more of a rejection of the proposed at least one best fact as a best fact. If a rejection of the proposed at least one best fact is received, the proposed at least one best fact is no longer identified as the at least one best fact corresponding to the element during the proceeding period. If acceptance of at least one proposed best fact is received, the at least one best fact is identified as the accepted best fact for the proceeding period. If an identification of at least one other candidate fact that is not the proposed best fact as at least one best fact is received, then at least one other candidate fact is identified as at least one accepted best fact during the proceeding period. In this embodiment, for this element, the output best fact for the progress period will be the accepted output best fact.

도 15는 제안된 최상의 팩트를 검토하기 위해 사용될 수 있는 그래픽 사용자 인터페이스(1502)의 일부의 스크린샷이다. GUI는 진행 시간 기간의 식별과 후보 팩트 및 제안된 최상의 팩트가 디스플레이될 수 있는 요소 목록(1506)을 포함한다. 일부 실시예들에서, 그래픽 사용자 인터페이스는 추상화 플랫폼과 연관될 수 있다. 일부 실시예들에서, 그래픽 사용자 인터페이스를 통해 사용자가 진행을 수락, 검증 또는 식별하여 진행 기간을 정의하도록 하고, NA 할당을 위한 진행 기간을 나타내야 하는 팩트를 선택, 수락 또는 검증, 즉, 최상의 팩트를 선택, 수락 또는 검증하도록 한다. 일부 실시예들에서, 진행 시간 범위(예를 들어, 진행 기간)가 제안되고 컴퓨터 아이콘으로 언급된 제안과 함께 진행별로 유형별 "최상의" 팩트를 제안하기 전에 팩트가 해당 윈도우에 버킷된다. 이 프로세스를 본원에서는 강화라고 한다. 일부 실시예들에서, 사용자는 요소의 일부 또는 전부에 대한 그리고 진행의 일부 또는 전부에 대한 제안을 무시하는 능력을 갖는다. Figure 15 is a screenshot of a portion of a graphical user interface 1502 that can be used to review proposed best facts. The GUI includes an identification of the progress time period and a list of elements 1506 on which the candidate facts and the proposed best facts can be displayed. In some embodiments, a graphical user interface may be associated with an abstraction platform. In some embodiments, a graphical user interface allows a user to define a progress period by accepting, verifying, or identifying a progress, and select, accept, or verify the facts that should represent the progress period for NA allocation, i.e., determine the best facts. Select, accept or verify. In some embodiments, a progress time range (e.g., progress period) is suggested and facts are bucketed into that window before suggesting the "best" facts by type by progress, with the suggestions referred to by computer icons. This process is called reinforcement in our institution. In some embodiments, the user has the ability to ignore suggestions for some or all of the elements and for some or all of the progress.

도 16은 일부 실시예들에 따른 예시적인 아키텍처이다. 환자 데이터(예를 들어, pdf, h17) 및 문서 이벤트(1602)를 포함하는 문서는 본원에서 "공생(symbiosis)"(1606)이라고 하는 문서 수집(document ingestion) 계층을 사용하여 수집된다. 수집된 문서 데이터는 추상화 플랫폼에서 추상화된 모든 데이터를 저장하는 저장소(이는 본원에서는 "인플럭스(Influx)"(1608))에 저장된다. 일부 실시예들에서, 인플럭스(Influx)(1608)에 저장된 데이터는 또한 수집된 문서를 효율적으로 검색할 수 있는 "탄력적 검색(elastic search)"("ES")(1610)이라고 하는 수집된 문서 스토리지의 최상위 계층에 의해 액세스되거나 이에 제공된다. 인플럭스(1608)에 저장된 수집 문서는 추상화 플랫폼("AP")에 의해 액세스된다. 이 예에서, "트라이코더(Tricorder)"(1612)는 AP가 구축되는 프레임워크를 말한다. 트라이코더(1612) 추상화 플랫폼 프레임워크는 ES(1610), 제안 엔진(1614) 및 임상 추상화 플랫폼 사용자 인터페이스(CAP UI)(1616)과 함께 작동한다.Figure 16 is an example architecture according to some embodiments. Documents containing patient data (e.g., pdf, h17) and document events 1602 are collected using a document ingestion layer, referred to herein as “symbiosis” 1606. The collected document data is stored in a repository (herein referred to as “Influx” 1608) that stores all data abstracted from the abstraction platform. In some embodiments, the data stored in Influx 1608 can also be used in aggregated document processing, called "elastic search" ("ES") 1610, which can efficiently search aggregated documents. Accessed by or provided to the highest tier of storage. Collection documents stored in Influx 1608 are accessed by the Abstraction Platform (“AP”). In this example, “Tricorder” 1612 refers to the framework on which the AP is built. The TriCorder 1612 abstraction platform framework works in conjunction with the ES 1610, the proposal engine 1614, and the clinical abstraction platform user interface (CAP UI) 1616.

EL의 일부 양태를 구현하는 제안 엔진(1612)은 수집된 데이터에 기초하여 제안된 진행 기간 및 제안된 최상의 팩트를 결정하는 것을 포함하여 강화(1618)를 수행한다. 일부 실시예들에서, 제안 엔진(1612)은 의사결정에 도움이 되는 입력을 제공하는 "의사결정 지원 시스템(decision support system)"의 일부이다. 일부 실시예들에서, 제안 엔진(1614)은 또한 본원에서 FactOrly(1620)라고 하는 프로세스를 통해 수집된 데이터(예를 들어, HL7 데이터)를 기반으로 추상 값을 제안한다. 제안된 진행 기간, 제안된 최상의 팩트 및 기타 후보 팩트는 사용자 인터페이스, 예를 들어 CAP UI(1616)를 통해 사용자에게 제시되어, 최상의 팩트의 수락 또는 검증 또는 최상의 팩트로서 다른 후보 팩트의 선택에 관한 입력, 및/또는 "환자 이벤트(Patient Event)"(1638)로 표시된 바와 같이 제안된 진행 기간에 관한 입력을 포함하는 입력을 수신한다. A suggestion engine 1612, which implements some aspects of EL, performs enrichment 1618, including determining the proposed progress period and proposed best facts based on the collected data. In some embodiments, proposal engine 1612 is part of a “decision support system” that provides helpful input for decision making. In some embodiments, suggestion engine 1614 also suggests abstract values based on data collected (e.g., HL7 data) through a process referred to herein as FactOrly 1620. The proposed progress period, proposed best facts, and other candidate facts are presented to the user through a user interface, e.g., CAP UI 1616, for input regarding acceptance or verification of the best fact or selection of other candidate facts as the best fact. , and/or input regarding a proposed progression period, as indicated by “Patient Event” 1638.

환자 데이터에 해결되어야 할 일부 충돌 또는 문제가 있는 경우, 환자에 관한 데이터는 충돌 또는 문제의 해결을 위해 사용자 인터페이스를 통해 에스컬레이션되어 사용자에게 제시될 수 있다. 충돌 또는 문제가 해결될 수 없는 경우, 분석을 위한 출력 테이블 생성 또는 노드 어드레스 생성을 위해 환자 데이터가 추가로 처리되지 않을 수 있다. 일부 실시예들에서, 환자가 동시에 두 가지 이상의 주요 질환을 앓고 있는 경우(예를 들어, 동시에 두 가지 이상의 원발성 암), 환자의 데이터가 에스컬레이션될 수 있다. 일부 실시예들에서, 적어도 일부 환자 정보는 환자 데이터에 관한 데이터에 필수적인 환자 정보가 포함되어 있지 않은 경우, 시스템이 분석을 위한 출력 테이블 생성 또는 노드 어드레스 생성을 위해 환자 데이터를 더 이상 처리하지 않을 수 있도록 필수적인 것으로 간주될 수 있다. 예를 들어, 일부 실시예들에서, 환자 데이터에 진단일이 포함되어 있지 않으면, 데이터가 더 이상 처리되지 않을 수 있다. If there is some conflict or issue with the patient data that needs to be resolved, data about the patient may be escalated and presented to the user through the user interface for resolution of the conflict or issue. If a conflict or problem cannot be resolved, patient data may not be further processed to generate output tables or node addresses for analysis. In some embodiments, if a patient suffers from two or more primary diseases at the same time (e.g., two or more primary cancers at the same time), the patient's data may be escalated. In some embodiments, at least some of the patient information may cause the system to no longer process the patient data to generate output tables for analysis or to generate node addresses if the data regarding the patient data does not contain essential patient information. can be considered essential. For example, in some embodiments, if patient data does not include a date of diagnosis, the data may not be further processed.

일부 실시예들에서, 본원에서 "Auth0"(1622)이라고 하는 인증 계층은 추상화 플랫폼에 대한 보안 로그인을 위해 사용된다. 본원에 사용된 바와 같은 "추출, 변환, 로드(Extract, Transform, Load)"("ETL")라는 용어는 한 데이터베이스에서 데이터를 가져와 다른 유형의 다른 데이터베이스에 배치할 때 수행되는 기능을 의미한다. ETL은 예를 들어 관계형 데이터베이스(모든 필드가 데이터베이스 중 둘 이상의 컴포넌트가 될 수 있는 데이터베이스 시스템)에서 의사결정 지원 시스템으로 데이터를 마이그레이션하는 데 사용된다.In some embodiments, an authentication layer, referred to herein as “Auth0” 1622, is used for secure login to the abstraction platform. As used herein, the term “Extract, Transform, Load” (“ETL”) refers to a function performed when taking data from one database and placing it into another database of a different type. ETL is used, for example, to migrate data from a relational database (a database system in which every field can be a component of more than one database) to a decision support system.

본원에 사용된 "관계형 데이터베이스(relational database)"라는 용어는 별도의 관련 파일(테이블) 세트를 유지하지만 필요할 때 쿼리 및 보고를 위해 파일로부터의 데이터 요소를 결합하는 데이터베이스를 의미한다. 관계형 데이터베이스에 대한 일상적인 쿼리에는 두 개 이상의 파일로부터의 데이터가 필요한 경우가 많다. 관계형 데이터베이스 관리 시스템에는 키 필드를 비교하고 일치 기준을 충족하는 기록으로부터 새 파일을 생성하여 두 개 이상의 파일을 "결합"할 수 있는 유연성이 있다. 실제로, 순수 관계형 쿼리는 매우 느릴 수 있다. 프로세스 속도를 높이기 위해, 일치에 사용되는 키 파일에 인덱스가 구축되고 유지된다.As used herein, the term “relational database” refers to a database that maintains a separate set of related files (tables) but combines data elements from the files for querying and reporting when necessary. Routine queries to relational databases often require data from more than one file. Relational database management systems have the flexibility to "join" two or more files by comparing key fields and creating a new file from records that meet matching criteria. In reality, purely relational queries can be very slow. To speed up the process, an index is built and maintained on the key files used for matching.

단순 ETL은 세트의 수학적 이론, 이의(objection) 세트 및 그 조작 규칙과 관련된 수학 또는 논리의 한 분야를 기반으로 하는 프로그래밍 언어이다. 본원에 사용된 바와 같은 "단순(Simple) ETL/SETL"(1624)은 인플럭스(1608)에 저장된 데이터를 팩트 유형별로 구성된 쿼리-가능 테이블로 변환하는 ETL 프로세스를 의미한다. SETL 식별된 환자 데이터 출력은 본원에서는 "SETL SEID"(1626)라고 하는 스키마에 저장된다. Simple ETL is a programming language based on the mathematical theory of sets, a branch of mathematics or logic concerned with sets of objections and rules for their manipulation. As used herein, “Simple ETL/SETL” 1624 refers to an ETL process that converts data stored in Influx 1608 into a queryable table organized by fact type. SETL identified patient data output is stored in a schema referred to herein as “SETL SEID” (1626).

일부 실시예들에서, 단순 ETL/SETL(1624)은 환자 데이터와 연관된 초기 진단 데이터가 있는지를 결정하고, 초기 진단일이 없으면, 환자에 대한 데이터는 SETL SEID 데이터로 저장되지 않는다. In some embodiments, simple ETL/SETL 1624 determines whether there is initial diagnosis data associated with the patient data, and if there is no initial diagnosis date, data for the patient is not stored as SETL SEID data.

환자 데이터는 환자와 연관된 내부적으로 생성된 식별자 이외의 환자 식별 정보를 제거하기 위해 비식별화(1628)되고, SETL 비식별화된 환자 데이터는 SEDID(1630)라는 스키마에 저장된다. 시스템은 노드 어드레스(NA) 생성 프로세스(1632)에서 데이터에 노드 어드레스를 할당하려고 시도한다. NA 생성 프로세스(1632)는 진행 기간에 대응하는 환자 데이터에 노드 어드레스를 할당한다. 일부 실시예들에서, NA 생성은 환자 데이터를 평가하고 노드 어드레스를 결정하는 비즈니스 규칙 엔진을 통해 이루어진다. 일부 실시예들에서, NA 생성 비즈니스 규칙 엔진은 외부 소스로부터 전송된 데이터로부터 노드 어드레스 정보를 생성할 수 있는 노드 어드레스 API 서비스를 포함한다.Patient data is de-identified 1628 to remove patient-identifying information other than the internally generated identifier associated with the patient, and the SETL de-identified patient data is stored in a schema called SEDID 1630. The system attempts to assign a node address to the data in a node address (NA) generation process 1632. The NA creation process 1632 assigns node addresses to patient data corresponding to the progression period. In some embodiments, NA generation is accomplished through a business rules engine that evaluates patient data and determines the node address. In some embodiments, the NA generation business rules engine includes a node address API service that can generate node address information from data transmitted from an external source.

NA 생성 프로세스는 (예를 들어, 각 진행 기간 동안) 환자에 대해 노드 어드레스가 생성되었음을 나타내는 정보, 또는 (예를 들어, 모든 진행 기간 동안 또는 적어도 하나의 진행 기간 동안) 환자에 대해 노드 어드레스 생성이 실패했음을 나타내는 정보를 출력할 수 있다. 여러 가지 서로 다른 이유로 노드 어드레스 생성이 실패할 수 있다. 예를 들어, 노드 어드레스 생성에 필요한 모든 서로 다른 요소에 대한 충분한 정보가 제공되지 않아 노드 어드레스 생성이 실패할 수 있다. 노드 어드레스 생성을 위해 노드 어드레스 스키마(1634)가 사용될 수 있다. 본원에 사용된 바와 같은 "노드 어드레스 스키마"("NA 스키마")라는 용어는 성공/실패 메시지, 과거 노드 어드레스 할당 및 노드 어드레스의 현재 데이터베이스를 포함하는, 노드 어드레스 할당 메타데이터를 의미한다. The NA generation process provides information indicating that a node address has been generated for the patient (e.g., during each progression period), or that a node address has been generated for the patient (e.g., during all progression periods or at least one progression period). Information indicating failure can be output. Node address generation may fail for a number of different reasons. For example, node address generation may fail because sufficient information is not provided about all the different elements required for node address generation. The node address scheme 1634 may be used to generate the node address. As used herein, the term “node address schema” (“NA schema”) refers to node address assignment metadata, including success/failure messages, past node address assignments, and a current database of node addresses.

SETL 비식별화된 환자 데이터는 분석 스키마(1632)에 의해 사용될 수 있다.SETL de-identified patient data may be used by the analysis schema 1632.

일부 실시예들에서, 분석 스키마(1636)는 EL에 의해 제공된 팩트에 적어도 부분적으로 기초하여 치료 의도를 결정한다. 치료 의도에는 EL에서 얻은 진행 추적에 관한 정보, EL에 의해 제공된 시계열 데이터로부터 도출된 TNM로부터 비롯된, 종양이 전이성인지 여부에 관한 정보, EL에 의해 제공된 전체 단계 및 주어진 시간 윈도우 내의 중재 결과가 필요하다. In some embodiments, analysis schema 1636 determines treatment intent based at least in part on facts provided by the EL. Intention to treat requires information about progression tracking obtained from EL, information about whether the tumor is metastatic, derived from TNM derived from time series data provided by EL, overall stage provided by EL, and outcome of intervention within a given time window. .

도 17은 본 개시의 하나 이상의 실시예들에 따른 컴퓨팅 시스템(105) 및/또는 클라이언트 컴퓨팅 장치(110)와 같은 컴퓨터의 일 예의 내부 아키텍처를 예시하는 블록도이다. 본원에서 언급된 바와 같은 컴퓨터는 논리 또는 코딩된 명령어를 실행할 수 있는 하나 이상의 프로세서를 갖춘 임의의 장치를 말하며, 몇몇 이러한 장치를 예로 들면 서버, 개인용 컴퓨터, 셋톱박스, 태블릿, 스마트폰, 패드 컴퓨터 또는 미디어 장치일 수 있다. 도 18의 예에 도시된 바와 같이, 내부 아키텍처(3000)는 적어도 하나의 컴퓨터 버스(3002)와 인터페이스하는 하나 이상의 처리 유닛(본원에서는 CPU라고도 함)(3012)을 포함한다. 또한 컴퓨터 버스(3002)와 인터페이스하는 것은 영구 저장 매체/매체들(3006), 네트워크 인터페이스(3014), 메모리(3004), 예를 들어 랜덤 액세스 메모리(RAM), 런타임 임시 메모리, 읽기 전용 메모리(ROM) 등, 플로피, CD-ROM, DVD 등 매체와 같은 이동식 매체를 포함하는 매체에 읽고 및/또는 쓸 수 있는 드라이브용 인터페이스로서의 매체 디스크 드라이브 인터페이스(2308), 모니터 또는 기타 디스플레이 장치용 인터페이스로서의 디스플레이 인터페이스(3010), 키보드용 인터페이스로서의 키보드 인터페이스(3016), 마우스 또는 기타 포인팅 장치용 인터페이스로서의 포인팅 장치 인터페이스(3018), 및 병렬 및 직렬 포트 인터페이스, 범용 직렬 버스(USB) 인터페이스와 같이 개별적으로 도시되지 않은 여러 가지 기타 인터페이스 등이다.FIG. 17 is a block diagram illustrating the internal architecture of an example computer, such as computing system 105 and/or client computing device 110, in accordance with one or more embodiments of the present disclosure. A computer as referred to herein refers to any device equipped with one or more processors capable of executing logic or coded instructions, some such devices being servers, personal computers, set-top boxes, tablets, smartphones, pad computers or It may be a media device. As shown in the example of FIG. 18, internal architecture 3000 includes one or more processing units (also referred to herein as CPUs) 3012 that interface with at least one computer bus 3002. Also interfacing with the computer bus 3002 are persistent storage media/media 3006, a network interface 3014, and memory 3004, such as random access memory (RAM), runtime temporary memory, and read-only memory (ROM). ), etc., a media disk drive interface 2308 as an interface for a drive that can read and/or write to media, including removable media such as floppy, CD-ROM, DVD, etc., and a display interface as an interface for a monitor or other display device. (3010), keyboard interface 3016 as an interface for a keyboard, pointing device interface 3018 as an interface for a mouse or other pointing device, and parallel and serial port interfaces, not individually shown, such as a universal serial bus (USB) interface. Various other interfaces, etc.

메모리(3004)는 프로그램 코드, 및/또는 본원에 설명된 기능, 예를 들어 본원에 설명된 프로세스 흐름 중 하나 이상을 통합하는 컴퓨터 실행 가능 프로세스 단계를 포함하는 운영 체제, 애플리케이션 프로그램, 장치 드라이버 및 소프트웨어 모듈과 같은 소프트웨어 프로그램의 실행 동안 메모리(3004)에 저장된 정보를 CPU(3012)에 제공하기 위한 컴퓨터 버스(3002)와 인터페이스한다. CPU(3012)는 먼저 저장소, 예를 들어 메모리(3004), 저장 매체/매체들(3006), 이동식 매체 드라이브 및/또는 기타 저장 장치로부터 컴퓨터 실행 가능 프로세스 단계를 로드한다. 그런 다음 CPU(3012)는 로드된 컴퓨터 실행 가능 프로세스 단계를 실행하기 위해 저장된 프로세스 단계를 실행할 수 있다. 저장된 데이터, 예를 들어 저장 장치에 의해 저장된 데이터는 컴퓨터 실행 가능 프로세스 단계를 실행하는 동안 CPU(3012)에 의해 액세스될 수 있다.Memory 3004 may include operating systems, application programs, device drivers, and software that include program code and/or computer executable process steps that incorporate one or more of the functions described herein, e.g., process flows described herein. It interfaces with the computer bus 3002 to provide information stored in the memory 3004 to the CPU 3012 during execution of a software program such as a module. CPU 3012 first loads computer-executable process steps from storage, such as memory 3004, storage media/mediums 3006, removable media drives, and/or other storage devices. CPU 3012 may then execute the stored process steps to execute the loaded computer executable process steps. Stored data, such as data stored by a storage device, may be accessed by CPU 3012 while executing computer-executable process steps.

위에 설명된 바와 같이, 영구 저장 매체/매체들(3006)은 소프트웨어 및 데이터, 예를 들어, 운영 체제 및 하나 이상의 애플리케이션 프로그램을 저장하는 데 사용될 수 있는 컴퓨터 판독 가능 저장 매체(들)이다. 영구 저장 매체/매체들(3006)은 디지털 카메라 드라이버, 모니터 드라이버, 프린터 드라이버, 스캐너 드라이버 또는 기타 장치 드라이버, 웹 페이지, 콘텐트 파일, 재생 목록 및 기타 파일 중 하나 이상과 같은 장치 드라이버를 저장하는 데에도 사용될 수 있다. 영구 저장 매체/매체들(3006)은 본 개시의 하나 이상의 실시예들을 구현하는 데 사용되는 프로그램 모듈 및 데이터 파일을 더 포함할 수 있다.As described above, persistent storage medium/media 3006 is a computer-readable storage medium(s) that can be used to store software and data, such as an operating system and one or more application programs. Permanent storage media/mediums 3006 may also be used to store device drivers, such as one or more of digital camera drivers, monitor drivers, printer drivers, scanner drivers or other device drivers, web pages, content files, playlists, and other files. can be used Persistent storage medium/media 3006 may further include program modules and data files used to implement one or more embodiments of the present disclosure.

컴퓨터의 내부 아키텍처(3000)에는 (위에서 언급된 바와 같이) 마이크로폰, 비디오 카메라, TV/라디오 튜너, 오디오/비디오 캡처 카드, 사운드 카드, A/D 변환기가 있는 아날로그 오디오 입력, 모뎀, 디지털 미디어 입력(HDMI, 광학 링크), 디지털 I/O 포트(RS232, USB, FireWire, Thunderbolt) 및/또는 확장 슬롯(PCMCIA, ExpressCard, PCI, PCIe)을 포함할 수 있다.The computer's internal architecture 3000 includes (as noted above) a microphone, video camera, TV/radio tuner, audio/video capture card, sound card, analog audio input with A/D converter, modem, and digital media input ( HDMI, optical link), digital I/O ports (RS232, USB, FireWire, Thunderbolt), and/or expansion slots (PCMCIA, ExpressCard, PCI, PCIe).

진단이나 치료 목적 또는 환자 방문을 위해 전자 의료 기록으로부터의 관련 정보를 검토하는 것은 의료 제공자에게 상당한 시간이 필요할 수 있다. 또한, 전자 의료 기록으로부의 정보를 보기 위한 많은 인터페이스는 환자의 의료 정보의 특정 양태만 한 번에 디스플레이하거나, 환자의 의료 정보에 대한 특정 날짜 범위만 한 번에 디스플레이하거나, 특정 유형의 임의의 관련 의료 정보가 있는지를 결정하기 위해 다수의 메뉴를 통해 클릭해야 하며, 이로 인해 관련 의료 정보가 쉽게 간과될 수 있다. 일부 실시예들은 관련 의료 정보(예를 들어, 진단 정보, 치료 정보, 바이오마커 정보, 질환 진행 정보)의 개요 및 상세한 의료 정보에 대한 효율적인 액세스를 동시에 제공하는 환자의 병력에 관한 정보를 보기 위한 대화형 타임라인을 포함하는 그래픽 사용자 인터페이스를 제공한다. 일부 실시예들에서, 대화형 환자 타임라인을 갖는 그래픽 사용자 인터페이스는 의료 제공자에 의해 섭취 시, 환자 방문 전이나 도중, 응급실 방문 시 환자를 만나기 전에 환자의 병력을 검토하는 데 사용될 수 있다. 일부 실시예들에서, 이러한 대화형 환자 타임라인은 모달리티 간, 예를 들어 일차 진료 의사와 전문의 간 핸드오프 시 의료 제공자에 의해, 또는 종양 위원회에 의해 사용될 수 있다. 일부 실시예들에서, 환자의 전자 의료 기록에 액세스하는 대신 대화형 환자 타임라인을 사용하여 환자의 의료 기록을 검토할 수 있다.Reviewing relevant information from electronic medical records for diagnostic or treatment purposes or patient visits can require significant time for health care providers. Additionally, many interfaces for viewing information from an electronic medical record may only display certain aspects of a patient's medical information at a time, display only a specific date range of a patient's medical information at a time, or display certain types of arbitrary information at a time. You have to click through multiple menus to determine if medical information is available, which can make it easy for relevant medical information to be overlooked. Some embodiments provide a dialog for viewing information about a patient's medical history that simultaneously provides efficient access to an overview of relevant medical information (e.g., diagnostic information, treatment information, biomarker information, disease progression information) and detailed medical information. Provides a graphical user interface including a timeline. In some embodiments, a graphical user interface with an interactive patient timeline may be used by a healthcare provider to review a patient's medical history prior to seeing the patient at intake, before or during a patient visit, or during an emergency room visit. In some embodiments, this interactive patient timeline may be used by health care providers during handoffs between modalities, for example between a primary care physician and a specialist, or by a tumor board. In some embodiments, an interactive patient timeline may be used to review a patient's medical record instead of accessing the patient's electronic medical record.

일부 실시예들에서, 대화형 환자 타임라인은 위에서 설명되는 시계열 데이터로부터 생성된다. 일부 실시예들에서, 대화형 환자 타임라인은 최상의 팩트 데이터뿐만 아니라 관련된 모든 중복되지 않는 환자 데이터 또는 정보를 기반으로 한다. 일부 실시예들에서, 대화형 환자 타임라인에는 최상의 팩트 데이터 표시가 포함된다. 일부 실시예들에서, 대화형 환자 타임라인을 제공하는 것은 질환 진행과 연관된 일부 팩트를 그룹화하는 것을 포함한다. 일부 실시예들에서, 대화형 환자 타임라인을 제공하는 것은 환자 데이터에 기초하여 의료 정보와 연관된 기간 또는 시간 기간을 결정하는 것을 포함한다.In some embodiments, the interactive patient timeline is created from the time series data described above. In some embodiments, the interactive patient timeline is based on best fact data as well as any relevant non-redundant patient data or information. In some embodiments, the interactive patient timeline includes a display of best fact data. In some embodiments, providing an interactive patient timeline includes grouping some facts associated with disease progression. In some embodiments, providing an interactive patient timeline includes determining a time period or time period associated with medical information based on patient data.

도 19-24는 일부 실시예들에 따른 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스를 예시한다. 타임라인은 예시적인 실시예에 따른 컴퓨팅 시스템(예를 들어, 컴퓨팅 시스템(105))에 의해 생성되고 GUI(예를 들어, GUI(150a, 150b))에 디스플레이될 수 있다. 일부 실시예들에서, 대화형 환자 타임라인을 포함하는 그래픽 사용자 인터페이스의 생성은 Python용 플롯과 같은 브라우저-기반 그래핑 라이브러리를 기반으로 할 수 있다. 19-24 illustrate a graphical user interface including an interactive patient timeline according to some embodiments. The timeline may be created by a computing system (e.g., computing system 105) and displayed in a GUI (e.g., GUIs 150a, 150b) according to an example embodiment. In some embodiments, creation of a graphical user interface including an interactive patient timeline may be based on a browser-based graphing library, such as Plot for Python.

도 19는 예시적인 실시예에 따른 예시적인 대화형 환자 타임라인(1900)을 예시한다. 도 19-24 및 도 25에서 환자 타임라인에 도시된 환자의 의료 정보(환자의 병력 또는 환자의 의료 기록에 있는 정보)는 실제 환자 데이터는 아니지만, 대신 임상의가 실제로 접하게 되는 일반적인 임상 시나리오를 기반으로 한 모의(mock) 데이터이다. 환자 대화형 타임라인(1900)은 타임라인에서 원, 삼각형, 다이아몬드 또는 다른 형상으로 디스플레이되는 복수의 마커(예를 들어, 마커(1922))를 포함한다. 각 마커는 의료 정보와 연관된 관련 시간, 의료 정보와 연관된 시간 기간의 시작, 또는 의료 정보와 연관된 시간 기간의 종료를 나타낸다. 의료 정보와 연관된 각 시간 기간은 시작 마커와 종료 마커, 그리고 시작 마커와 종료 마커 사이의 범위의 그래픽 표시로 그래픽으로 디스플레이된다. 19 illustrates an example interactive patient timeline 1900 according to an example embodiment. 19-24 and 25, the patient's medical information (information from the patient's medical history or the patient's medical record) shown in the patient timeline is not actual patient data, but is instead based on common clinical scenarios that clinicians actually encounter. This is mock data. Patient interactive timeline 1900 includes a plurality of markers (e.g., markers 1922) displayed in the timeline as circles, triangles, diamonds or other shapes. Each marker represents an associated time associated with the medical information, the beginning of a time period associated with the medical information, or the end of a time period associated with the medical information. Each time period associated with the medical information is displayed graphically with a start marker and an end marker, and a graphical representation of the range between the start and end markers.

마커의 사용자 선택은 타임라인에 마커와 연관된 의료 정보가 디스플레이되도록 한다. 예를 들어, 사용자는 마우스, 터치 패드 또는 터치 감지 스크린을 사용하여 마커를 선택하기 위해 커서를 이동하고 선택된 마커와 연관된 의료 정보의 디스플레이를 볼 수 있다. 일 실시예에서, 사용자는 커서를 마커 위로 가져가서 마커와 연관된 그래픽 윈도우가 팝업되도록 한다. 일부 실시예들에서, 대화형 타임라인은 서로 다른 카테고리의 정보에 대해 서로 수직으로 오프셋되고 시간에 따라 정렬되는 복수의 서브 타임라인을 포함할 수 있다. 일부 실시예들에서, 복수의 서브 타임라인은, 치료 정보와 관련된 임의의 마커를 포함하는 치료 서브 타임라인(예를 들어, 전신 치료 서브 타임라인(1901), 수술 서브 타임라인(1904), 또는 방사선 서브 타임라인(1906)); 진단, 질환 또는 장애 진행 정보와 관련된 임의의 마커를 포함하는 진단 또는 진행 서브 타임라인(예를 들어, 이벤트 서브 타임라인(1910)); 질환 또는 장애 바이오마커 테스트 결과 정보와 관련된 임의의 마커를 포함하는 바이오마커 서브 타임라인(1908)(예를 들어, 바이오마커 서브 타임라인(1908)); 다른 카테고리에 속하지 않는 질환 또는 장애 정보와 관련된 마커를 포함하는 질환 또는 장애 서브 타임라인(예를 들어, 환자 및 질환 타임라인(1912)); 및 다른 카테고리에 속하지 않는 관련 환자 정보와 관련된 임의의 마커를 포함하는 환자 서브 타임라인(예를 들어, 환자 및 질환 타임라인(1912)) 중 하나 이상을 포함한다. 도 19에 도시된 바와 같이, 일부 실시예들에서, 대화형 타임라인은 전신 치료(1902), 수술(1904), 방사선(1906), 바이오마커 정보(1908), 진단 또는 진행(1910), 및 환자 및 질환 정보(1912)에 대응하는 서브 타임라인을 포함한다. 일부 실시예들에서는 각 서브 타임라인의 마커가 서로 다른 색상으로 디스플레이될 수 있다. 각 서브 타임라인은 해당 서브 타임라인 카테고리와 연관된 연대순으로 의료 정보를 그래픽으로 나타내는 마커를 디스플레이할 수 있다. 예를 들어, 바이오마커 서브 타임라인(1908)은 환자에 대한 바이오마커 테스트 결과와 연관된 마커를 포함한다. 사용자에 의한 마커의 선택 시, 마커에 관한 의료 정보에 관한 정보가 디스플레이된다. 예를 들어, 바이오마커 서브 타임라인(1908) 내의 마커의 사용자 선택의 수신은 테스트일, 테스트되는 바이오마커의 이름(예를 들어, HER2, 프로게스테론 수용체, 에스트로겐 수용체 등), 테스트 방법(예를 들어, FISH, IHC 등), 결과 및 해석 중 하나 이상을 포함하는 정보를 디스플레이할 수 있다. 서로 다른 실시예들이 서로 다른 타임라인 카테고리를 포함할 수 있다는 점을 이해해야 한다. User selection of a marker causes medical information associated with the marker to be displayed on the timeline. For example, a user may use a mouse, touch pad, or touch-sensitive screen to move a cursor to select a marker and view a display of medical information associated with the selected marker. In one embodiment, the user moves the cursor over a marker so that a graphical window associated with the marker pops up. In some embodiments, an interactive timeline may include multiple sub-timelines vertically offset from each other and aligned in time for different categories of information. In some embodiments, the plurality of sub-timelines may include a treatment sub-timeline (e.g., a systemic treatment sub-timeline 1901, a surgery sub-timeline 1904, or Radiation Sub-Timeline (1906)); a diagnosis or progression sub-timeline (e.g., event sub-timeline 1910) including any markers associated with diagnosis, disease or disorder progression information; a biomarker sub-timeline 1908 including any markers associated with disease or disorder biomarker test result information (e.g., biomarker sub-timeline 1908); a disease or disorder sub-timeline (e.g., patient and disease timeline (1912)) that includes markers associated with disease or disorder information that do not fall into other categories; and one or more of a patient sub-timeline (e.g., patient and disease timeline 1912) containing any markers associated with relevant patient information that do not fall into other categories. As shown in Figure 19, in some embodiments, the interactive timeline includes systemic treatment (1902), surgery (1904), radiation (1906), biomarker information (1908), diagnosis or progression (1910), and It includes a sub-timeline corresponding to patient and disease information (1912). In some embodiments, markers of each sub-timeline may be displayed in different colors. Each sub-timeline may display markers that graphically represent medical information in chronological order associated with that sub-timeline category. For example, biomarker sub-timeline 1908 includes markers associated with biomarker test results for a patient. Upon selection of a marker by the user, information regarding medical information regarding the marker is displayed. For example, receipt of a user's selection of markers within the biomarker sub-timeline 1908 may include the date of testing, the name of the biomarker being tested (e.g., HER2, progesterone receptor, estrogen receptor, etc.), and the method of testing (e.g. , FISH, IHC, etc.), results, and interpretation. It should be understood that different embodiments may include different timeline categories.

일부 실시예들에서, 하나 이상의 수직 그래픽 표시기는 질환 또는 장애의 진단 또는 진행을 나타내는 데 사용된다. 예를 들어, 도 19에서, 수직 그래픽 표시기(1930)는 초기 진단 시간에 대응하고, 수직 그래픽 표시기(1932)는 첫 번째 전이 진행에 대응한다. 일부 실시예들에서, 대화형 타임라인에는 하나 이상의 진단 또는 진행 시간 기간이 포함된다. 일부 실시예들에서, 하나 이상의 진단 또는 진행 시간 기간은 하나 이상의 수직 그래픽 표시기로 나뉜다. 일부 실시예들에서, 대화형 타임라인에는 하나 이상의 진단 또는 진행 시간 기간이 포함된다. 일부 실시예들에서, 그래픽 사용자 인터페이스는 사용자-선택 기준에 기초하여 대화형 타임라인에 디스플레이되는 마커의 필터링을 가능하게 한다. 일부 실시예들에서, 사용자-선택 기준에는 진단 또는 진행 시간 기간이 포함된다. In some embodiments, one or more vertical graphic indicators are used to indicate diagnosis or progression of a disease or disorder. For example, in Figure 19, vertical graphical indicator 1930 corresponds to the initial diagnosis time and vertical graphical indicator 1932 corresponds to the first transition progress. In some embodiments, the interactive timeline includes one or more diagnostic or progression time periods. In some embodiments, one or more diagnostic or progression time periods are divided into one or more vertical graphical indicators. In some embodiments, the interactive timeline includes one or more diagnostic or progression time periods. In some embodiments, the graphical user interface allows filtering of markers displayed in the interactive timeline based on user-selected criteria. In some embodiments, user-selection criteria include diagnosis or duration of progression time.

위에 언급된 바와 같이, 일부 실시예들에서, 대화형 타임라인에는 중복되지 않는 관련 정보에 대응하는 마커가 포함되어 있으며, 결정된 최상의 팩트 정보에만 국한되지는 않는다. 예를 들어, 환자 타임라인(1900)은 환자가 비전이성 진단을 받았을 때 2개의 HER2 테스트를 받은 유방암 환자를 도시한다 - 하나의 마커(1914)의 선택은 2009년 12월 26일에 수행된 '양성' IHC 테스트에 관한 정보를 디스플레이하고 또 다른 마커(1916)의 선택은 2010년 2월 13일에 수행된 '불분명함(Equivocal)' FISH 테스트에 관한 정보를 디스플레이한다. As noted above, in some embodiments, the interactive timeline includes markers that correspond to relevant, non-redundant information and is not limited to only the determined best fact information. For example, the patient timeline (1900) depicts a breast cancer patient who underwent two HER2 tests when the patient was diagnosed with non-metastatic disease - selection of one marker (1914) was performed on December 26, 2009. Displays information about a 'positive' IHC test and selection of another marker (1916) displays information about an 'equivocal' FISH test performed on February 13, 2010.

또한, 타임라인(1900)을 포함하는 도 19-24의 설명된 서브 타임라인은 HER2 테스트와 관련하여 논의된 것 외에 추가 마커를 디스플레이할 수 있다는 점이 이해되어야 한다. 예를 들어, 바이오마커 서브 타임라인(1908)과 연관하여, 타임라인(1900)은 환자가 2009년 12월 26일에 '양성' IHC 테스트로 프로게스테론 수용체 테스트를 받았음을 디스플레이하는 연관된 윈도우를 갖는 마커(1918), 및 환자가 2009년 12월 26일에 '양성' IHC 테스트로 에스트로겐 수용체 테스트를 받았음을 디스플레이하는 연관된 윈도우를 갖는 마커(1920)를 포함한다. 타임라인(2100)은 전신 치료 서브 타임라인(1902), 이벤트 서브 타임라인(1910) 및 환자 및 질환 서브 타임라인(1912)과 연관된 마커를 추가로 디스플레이한다. Additionally, it should be understood that the illustrated sub-timelines of FIGS. 19-24, including timeline 1900, may display additional markers other than those discussed in relation to HER2 testing. For example, in conjunction with biomarker sub-timeline 1908, timeline 1900 is a marker with an associated window displaying that the patient had a progesterone receptor test with a 'positive' IHC test on December 26, 2009. (1918), and a marker (1920) with an associated window displaying that the patient had an estrogen receptor test with a 'positive' IHC test on December 26, 2009. Timeline 2100 further displays markers associated with systemic treatment sub-timeline 1902, event sub-timeline 1910, and patient and disease sub-timeline 1912.

도 20은 선택된 진단 후 첫 번째 진행과 연관된 마커를 갖는 예시적인 실시예에 따른 타임라인(2000)을 예시한다. 도 20의 대화형 환자 타임라인(2000)의 뷰는 환자가 전이성 진단을 받았을 때 첫 번째 질환 진행 후 4개의 추가 HER2 테스트를 받았음을 도시한다: 선택된 마커(2002)는 2014년 3월 22일에 수행된 '음성' IHC 테스트를 디스플레이하고, 선택된 마커(2004)는 2014년 4월 7일에 수행된 '불분명함' IHC 테스트를 디스플레이하고, 선택된 마커(2006)는 2014년 4월 15일에 수행된 '불분명함' FISH 테스트를 디스플레이하고, 선택된 마커(2008)는 2014년 7월 21일에 수행된 '양성' FISH 테스트를 디스플레이한다. 20 illustrates a timeline 2000 according to an example embodiment with markers associated with first progression after selected diagnosis. The view of the interactive patient timeline (2000) in Figure 20 shows that the patient underwent four additional HER2 tests after first disease progression when diagnosed with metastatic disease: Selected marker (2002) on March 22, 2014 Displays 'negative' IHC tests performed, selected marker (2004) displays 'unclear' IHC tests performed on April 7, 2014, selected marker (2006) performed on April 15, 2014 displays an 'unclear' FISH test performed on 21 July 2014, and the selected marker (2008) displays a 'positive' FISH test performed on July 21, 2014.

일부 실시예들에서, 이 방법은 둘 이상의 선택 가능한 그래픽 표시기를 포함하는 전체 시간 기간 타임라인(2110)의 요약 버전을 디스플레이하는 단계를 더 포함하며, 선택 가능한 그래픽 표시기는 시작 시간 기간 표시기(2112) 및 종료 시간 기간 표시기(2114)를 포함하고, 시작 시간 기간 표시기 및/또는 종료 시간 기간 표시기의 사용자 선택 및 이동은 대화형 타임라인에 디스플레이되는 시간 기간(2116)을 변경한다. 이는 도 21에 예시되어 있으며, 이는 선택된 기간을 도시하는 아래의 전체 시간 기간 타임라인의 더 작은 요약 버전과 함께 대화형 환자 타임라인에서 전이성 암으로의 진행을 포함하는 시간 기간을 줌 인 한 뷰를 도시한다. 도 21의 뷰는 전이성 암으로의 진행 후 2014년 3월 22일에 실시된 "음성" HER2 IHC 테스트에 관한 정보에 대응하는 선택된 마커(2102)에 관한 디스플레이 정보를 제공한다. In some embodiments, the method further includes displaying a summary version of the overall time period timeline 2110 that includes two or more selectable graphical indicators, the selectable graphical indicators being a start time period indicator 2112. and an end time period indicator 2114, where user selection and movement of the start time period indicator and/or the end time period indicator changes the time period 2116 displayed in the interactive timeline. This is illustrated in Figure 21, which shows a zoomed-in view of the time period encompassing progression to metastatic cancer in the interactive patient timeline, with a smaller, summarized version of the overall time period timeline below showing the selected period. It shows. The view in FIG. 21 provides display information regarding selected markers 2102 corresponding to information regarding a “negative” HER2 IHC test conducted on March 22, 2014 following progression to metastatic cancer.

도 22는 전이성 암으로의 진행 후 2014년 4월 7일에 실시된 두 번째 HER2 IHC 테스트의 "불분명함" 결과를 보여주는 선택된 마커(2202)에 관한 디스플레이된 정보와 함께 대화형 타임라인의 일부의 또 다른 줌 인 뷰를 예시한다.22 is a portion of an interactive timeline with displayed information regarding selected markers 2202 showing “unclear” results from a second HER2 IHC test conducted on April 7, 2014 after progression to metastatic cancer. Another zoom-in view is illustrated.

도 23에서, 2302 마커의 사용자 선택은 전이성 암으로 진행된 후 2014년 4월 15일에 실시된 FISH 테스트인 세 번째 HER2 테스트의 "불분명함" 결과에 관한 정보의 디스플레이를 가능하게 한다.In Figure 23, user selection of marker 2302 enables display of information regarding the “unclear” result of the third HER2 test, a FISH test performed on April 15, 2014, after progression to metastatic cancer.

도 24에서, 2402 마커의 사용자 선택은 전이성 암으로 진행된 후 2014년 7월 21일에 실시된 FISH 테스트인 네 번째 HER2 테스트의 "양성" 결과에 관한 정보의 디스플레이를 가능하게 한다.In Figure 24, user selection of marker 2402 allows display of information regarding a "positive" result of a fourth HER2 test, a FISH test performed on July 21, 2014, after progression to metastatic cancer.

본 개시에 설명된 바와 같이, 방법 또는 시스템은 진단부터 여러 지점을 거쳐 사망까지 환자의 병력 과정을 포괄하는 환자 정보를 끝에서 끝까지 평가할 수 있으며, 수락 또는 검증을 거쳐 환자 정보로부터 환자에 관한 가장 정확한 팩트에 대한 제안을 생성할 수 있다. 일부 실시예들에서, 시스템 또는 방법은 수락 또는 검증 후 식별된 최상의 팩트를 나타내는 출력에 기초한 타임라인(들)을 생성한다. 환자와 연관된 각 요소에 해당하는 최상의 팩트는 환자의 의학적 상태 및 질병 이력에 대한 완전한 및 현재의 뷰를 나타낼 수 있다. As described in this disclosure, a method or system can evaluate patient information from end to end, encompassing the course of a patient's medical history from diagnosis through various points until death, and, upon acceptance or verification, obtain the most accurate information about the patient from the patient information. You can create suggestions for facts. In some embodiments, the system or method generates timeline(s) based on output representing the best facts identified after acceptance or verification. The best facts corresponding to each element associated with a patient can represent a complete and current view of the patient's medical condition and disease history.

임상의는 환자 타임라인에서 환자의 의료 기록으로부터의 모든 중복되지 않는 관련 정보를 보고 싶어할 수 있지만, 도 19-23에 도시된 환자 타임라인은 잠재적으로 상충되는 정보가 포함된 환자 기록과 연관된 몇 가지 문제를 예시한다. 예를 들어, 병력이 도 19-23에 도시된 환자는 임상 병력 과정에서 총 여섯 번째의 HER2 테스트(비전이성 상태에서는 2번, 전이성 상태에서는 4번)를 받았다. 정확한 HER2 상태를 결정하고 할당하기 위해, 임상 및 데이터 팀은 쿼리 시점에서 최상의 그리고 정확한 HER2 상태를 결정하는 정교한 규칙과 논리를 구현해야 할 것이다. 이 예의 경우, 타이밍과 테스트 신뢰성 및 정확성에 기초하여, 감소 규칙, 즉 양성 FISH 테스트에 따른 최상의 팩트로 인해 이 환자는 전이성 질환 발병 당시 HER2 양성인 것으로 결정된다.Although a clinician may want to see all non-redundant, relevant information from a patient's medical record in the patient timeline, the patient timeline shown in Figures 19-23 shows several associated patient records that contain potentially conflicting information. Here are some examples of problems: For example, the patient whose medical history is depicted in Figures 19-23 had a total of six HER2 tests (two in the non-metastatic setting and four in the metastatic setting) over the course of the clinical history. To determine and assign accurate HER2 status, clinical and data teams will need to implement sophisticated rules and logic to determine the best and most accurate HER2 status at the time of query. For this example, based on timing and test reliability and accuracy, the best fact according to the reduction rule, i.e., a positive FISH test, determines that this patient is HER2 positive at the time of metastatic disease onset.

일부 실시예들에서, HER2 상태를 결정하고 정확하게 할당하는 것은 최상의 팩트 선택 특징의 기능이다. 일부 실시예들에서, 최상의 팩트 선택은 전이성 진단 당시 환자의 HER2 상태를 결정한다. 일부 실시예들에서 대화형 타임라인은 최상의 팩트로 제한되지 않을 수 있지만, HER2 양성 상태와 같은 환자에 관한 연관된 요약 정보의 결정을 위해 최상의 팩트가 사용될 수 있다. 도 25는 예시적인 실시예에 따른 환자요 연관된 요약을 디스플레이하는 예시적인 인터페이스(2500)를 예시한다. 도 19-24의 환자에 대한 요약 정보는 환자의 HER2 상태를 나타낸다.In some embodiments, determining and accurately assigning HER2 status is a function of the best fact selection feature. In some embodiments, the best fact selection determines the patient's HER2 status at the time of metastatic diagnosis. In some embodiments the interactive timeline may not be limited to the best facts, but the best facts may be used to determine relevant summary information about the patient, such as HER2 positive status. FIG. 25 illustrates an example interface 2500 for displaying patient-related summaries according to an example embodiment. Summary information for the patient in Figures 19-24 indicates the patient's HER2 status.

일부 실시예들에서 환자에 대한 최상의 팩트의 식별은 모집단-레벨의 측정 집계를 단순화한다. 예를 들어, 기관에서는 특정 연도 내에서 기관에서 관찰된 1차 전이성 HER2 양성 환자의 수에 대해 질의할 수 있다. 환자의 의료 기록에 있는 HER2 테스트 데이터에 존재할 수 있는 잠재적 불일치를 고려할 때 이는 대답하기 쉬운 질문이 아니다. 일부 실시예들에서, 본 개시의 방법 또는 시스템은 데이터 팀 또는 기술이 데이터 요청을 이행하거나 임상 질문에 답변할 목적으로 모든 환자에 걸쳐 HER2 상태를 체계적으로 할당하도록 한다. 또한, 전이성 질환이 있는 환자에게 최상의 치료를 제공하기 위해서는 HER2 상태에 대한 정확한 테스트가 환자에게 매우 중요하다.In some embodiments, identification of the best facts about a patient simplifies population-level measurement aggregation. For example, an institution may query the number of primary metastatic HER2-positive patients seen at the institution within a specific year. This is not an easy question to answer, given the potential inconsistencies that may exist in the HER2 test data in a patient's medical record. In some embodiments, a method or system of the present disclosure allows a data team or technology to systematically assign HER2 status across all patients for the purpose of fulfilling data requests or answering clinical questions. Additionally, accurate testing of HER2 status is very important for patients with metastatic disease to provide the best treatment.

일부 실시예들에서, 환자 타임라인은 최상의 팩트만을 포함할 수 있다. 일부 실시예들에서, 다수의 서로 다른 환자에 대한 타임라인은 진단 또는 하나 이상의 진행과 관련하여 중첩된 서로 다른 환자에 대한 타임라인과 비교될 수 있다. In some embodiments, the patient timeline may include only the best facts. In some embodiments, timelines for multiple different patients may be compared with overlapping timelines for different patients with respect to diagnosis or one or more progressions.

일부 실시예들에서, 분석 시스템 또는 방법은 임상적으로 중요한 의료 정보에 대응하는 마커를 도시하고 그들은 자신의 환자 집단을 가지고 취할 수 있는 미래의 방향에 대해 의사에게 알리기 위해 (연구 코호트로서) 환자 여정의 후향적 분석을 위한 도구로 사용될 수 있는 비식별화되고 종단적이며 비교 가능한 환자 여정 또는 타임라인을 도시할 수 있다. 타임라인은 여전히 임상적으로 관련성이 있으며, 의사가 연구나 기타 목적으로 이를 계속 사용할 수 있도록 비식별화 중에 이벤트가 시프트된다. 타임라인은 질환 진행을 강조할 것이며, 이는 해당 진행의 원인을 밝히는 데 도움이 될 것이다. 일부 실시예들에서, 질환의 각 진행의 오버레이는 의료 제공자가 유사한 환자에게 제공되는 치료 및 그들 관련 결과를 기반으로 고려되거나 고려되지 않았을 수 있는 치료를 위해 존재하는 옵션을 식별하는 데 도움이 될 것이다.In some embodiments, the analysis system or method depicts markers corresponding to clinically significant medical information and patient journeys (as a study cohort) to inform physicians about future directions they may take with their patient population. De-identified, longitudinal, comparable patient journeys or timelines can be depicted that can be used as a tool for retrospective analysis. The timeline remains clinically relevant, and events are shifted during de-identification so that doctors can continue to use it for research or other purposes. The timeline will highlight disease progression, which will help determine the cause of that progression. In some embodiments, the overlay of each progression of the disease will help healthcare providers identify options that exist for treatment that may or may not have been considered based on the treatments provided to similar patients and their associated outcomes. .

도 26은 예시적인 실시예에 따른 기관 또는 조직에 대한 분석을 위한 환자 정보를 디스플레이하는 예시적인 인터페이스(2600)를 예시한다. 인터페이스(2600)는 예시적인 실시예에 따른 GUI(예를 들어, GUI(150a, 150b)) 상에 디스플레이될 수 있다. 인터페이스(2600)에 도시된 바와 같이, 8,106명의 환자(2602)의 데이터세트 내에서, 전이성 유방암에 대한 1차 치료 당시 HER2 양성이었던 203명의 환자(2604)가 있다. 환자에 관한 이러한 정보를 집계하면 각 진행에서 각 환자에 대한 최종 HER2 상태를 결정해야 하며, 이는 본원에 설명된 최상의 팩트 방법 및 시스템을 통해 구현될 수 있다. 따라서, 설명된 방법 또는 시스템은 최상의 팩트 식별을 사용하여 특정 연도 내에 기관에서 관찰된 1차 전이성 HER2 양성 환자의 수를 결정할 수 있다.26 illustrates an example interface 2600 for displaying patient information for analysis of an organ or tissue according to example embodiments. Interface 2600 may be displayed on a GUI (e.g., GUI 150a, 150b) according to an example embodiment. As shown in interface 2600, within the dataset of 8,106 patients (2602), there are 203 patients (2604) who were HER2 positive at the time of primary treatment for metastatic breast cancer. Aggregating this information about patients should determine the final HER2 status for each patient at each progression, which can be implemented through best-of-fact methods and systems described herein. Accordingly, the described method or system can use best fact identification to determine the number of primary metastatic HER2 positive patients seen at an institution within a particular year.

일부 실시예들에서, 본원에 설명된 바와 같은 강화를 사용하는 시스템 및 방법은 환자 데이터를 분석하기 위해 분석 시스템, 프로그램 또는 앱에서 사용하기 위한 최상의 팩트를 생성할 수 있거나, 분석 시스템을 사용하는 시스템 및 방법에 통합될 수 있다. 예를 들어, COTA, Inc.(AKA COTA Healthcare)의 Real Word Analytics 웹 애플리케이션은 최상의 팩트 선택을 사용하고 진단, 절차, 치료 및 결과에 대한 요약을 제공하여 헬스케어 관리자의 임상 팀이 유사한 환자 코호트에 대한 인사이트를 소급하여 밝혀낼 수 있는 집단 건강 분석 도구이다. 최상의 팩트 선택을 사용하는 분석 프로그램, 시스템 또는 앱은 또한 또는 대안으로 일부 실시예들에서 핵심 동작 메트릭 및 임상 인사이트를 추적하고 이상치를 조사하여 집계 메트릭을 더 잘 이해하는 능력을 추적하는 데 사용될 수 있다. 분석 시스템에 제공된 데이터는 환자의 개인 정보 보호를 보장하기 위해 환자에 대해 비식별화될 수 있다. 일부 실시예들에서, 이러한 시스템, 방법 또는 애플리케이션은 RWA(Real World Analytics)에 대해 도 26에 도시된 것과 유사한 사용자-인터페이스를 가질 수 있다.In some embodiments, systems and methods using enrichment as described herein can generate best facts for use in an analytics system, program, or app to analyze patient data, or a system that uses the analytics system. and methods. For example, the Real Word Analytics web application from COTA, Inc. (AKA COTA Healthcare) uses best fact selection and provides summaries of diagnoses, procedures, treatments, and outcomes to help healthcare managers' clinical teams treat similar patient cohorts. It is a group health analysis tool that can retroactively uncover insights about health. An analytics program, system, or app that uses best fact selection may also or alternatively be used in some embodiments to track key behavioral metrics and clinical insights and the ability to examine outliers to better understand aggregate metrics. . Data provided to the analysis system may be de-identified to the patient to ensure patient privacy. In some embodiments, such a system, method or application may have a user-interface similar to that shown in FIG. 26 for Real World Analytics (RWA).

일부 실시예들에서, 본원에 설명된 강화는, 이에 제한되는 것은 아니나, 종양 조직학, 단계, 동반질환, 결과 및 수술, 방사선 및 화학요법을 포함한 치료법을 포함하는, 환자 집단의 임상적으로 관련된 속성을 요약하는 시스템 또는 방법에 사용된다. 일부 실시예들에서, 본원에 설명된 강화는, 이에 제한되는 것은 아니나, 치료 중인 환자, 전이, 분자 마커, 무진행 및 전체 생존, 추가적인 암별 진단 속성 및 임상 인구를 포함하는 동작 메트릭의 후향적 분석을 추적하고 가능하게 하는 시스템 또는 방법에 사용된다. 일부 실시예들에서, 본원에 설명된 강화는 암별 진단 속성(예를 들어, 유방암별 진단 속성, 폐암별 진단 속성) 및 코호트 비교 도구에 기초하여 환자 코호트 및 서브 코호트의 선택 및 필터링을 가능하게 하는 시스템 또는 방법에 사용된다. 일부 실시예들에서, 환자 코호트 및 서브 코호트는 본원에 설명된 최상의 팩트 데이터 또는 최상의 팩트 선택으로부터 획득된 진행을 기반으로 적어도 부분적으로 결정된다. 일부 실시예들에서, 환자 코호트 및 서브 코호트는 노드 어드레스 또는 환자가 할당된 노드 어드레스를 기반으로 적어도 부분적으로 결정되며, 노드 어드레스 또는 노드 어드레스들은 최상의 팩트 데이터 또는 본원에 설명된 바와 같은 최상의 팩트 선택으로부터 결정된 팩트에 적어도 부분적으로 기초하여 할당된다. 일부 실시예들에서, 본원에 설명된 바와 같은 강화는 진료 현장과 의사의 치료 선택을 집계하고 시각화를 가능하게 하는 시스템 또는 방법에 사용된다. 일부 실시예들에서, 본원에 설명된 강화는 시퀀싱을 포함하여 치료 및 처방 조합을 비교하는 시스템 또는 방법에 사용된다. 일부 실시예들에서, 본원에 설명된 강화는 환자의 치료 여정을 여러 레벨의 세분성(예를 들어, 관련된 치료 모달리티 계열)으로 시각화하는 시스템 또는 방법에 사용된다. 도 27은 강화 및 최상의 팩트 선택이 통합되어, 강화된 종단적 환자 기록 및 진행별 최상의 팩트를 생성할 뿐만 아니라, 일부 실시예들에 따른 건강 제공자, 건강 시스템의 사용을 위한, 의료 시스템 관리를 위한, 케어 또는 케어에 대한 지불을 승인하는 사람을 위한, 케어를 평가하는 사람을 위한 및/또는 다른 사용자를 위한 분석 및 도구(예를 들어, COTA RWA에 제공된 분석 및 도구와 같은)를 제공하는 시스템 및 방법에 대한 개략도이다. 시스템 및 방법은 일부 실시예들에서 웹-기반 애플리케이션을 통해 적어도 부분적으로 구현될 수 있다. 일부 실시예들에서, 시스템 및 방법은 사용자를 위한 웹-인터페이스의 일부로 형성될 수 있는 애플리케이션 프론트 엔드(2710)를 포함한다. 일부 실시예들에서, 클라우드 컨테이너 엔진(2720)은 API를 구현할 수 있으며, 애플리케이션, 생존 및 메트릭(2722)에 전력을 공급하는 데이터 템플릿, 데이터 테이블 및 사전-집계의 일부 또는 전부를 통합할 수 있다. 클라우드 컨테이너 엔진(2720)의 정보는 데이터 캐시(2730), 사용자 설정(2732) 및 데이터 인사이트(2734)에 제공된다. 데이터 인사이트(Data Insight)(2734)는 또한 인사이트 스케줄러(Insights Scheduler)(2736)로부터 입력을 수신한다. 데이터 인사이트(2734)는 저장된 모든 사용자에 대한 애플리케이션의 쿼리를 저장하고, 인사이트 스케줄러(2736)를 기반으로 일정한 시간 간격으로 쿼리 기준에 기초하여 분석을 수행하기 위해 환자 수를 계산한다. 사용자 설정(2732)은 현재 사용자에 대해서만 저장된 쿼리이다. 일부 실시예들에서, 입력된 병력 데이터나 환자의 의료 기록 데이터는 동일한 애플리케이션 프론트 엔드를 통해 수신되지 않고, 대신 별도로 획득된다. 일부 실시예들에서, 데이터는 기록으로부터 추출되고 시계열 환자 팩트(2738)로 입력된다. 시계열 환자 팩트(2738)는 본원에 설명된 바와 같이, 강화/최상의 팩트 선택(2740)을 거친다. 노드 어드레스(NA) 및 진행 할당(2742)은 강화 및 최상의 팩트 선택 후 입력 데이터를 기반으로 수행된다. NA 및 진행 할당(2742) 후에, 일부 실시예들에서는 데이터 변환(2744)이 사용된다. 데이터 변환에는, 이에 제한되는 것은 아니나, 치료 시퀀싱, 조합, 타임라인 세그먼트 등과 같은 데이터에 대한 추가 규칙 세트가 포함된다. 변환된 데이터는 데이터 캐시(2730) 및 데이터 인사이트(2734)로부터의 데이터와 함께 사용되어 진행(2746)당 강화된 종단적 환자 기록 및 최상의 팩트를 생성한다. 일부 실시예들에서, 강화된 종단적 환자 기록 및 진행별 최상의 팩트는 사용자로부터 원격으로 서버나 클라우드 환경에 저장되고 웹-기반 애플리케이션의 제공업체에 의해 제어된다. 그런 다음 진행별 강화된 종단적 환자 기록 및 최상의 팩트는 분석에 사용되어, 예를 들어 하나 이상의 진행 기간에서 동일하거나 유사한 질병-관련 특성을 가진 코호트를 결정하여 유사한 환자를 유사한 환자와 비교한다. 분석은 클라우드 컨테이너 엔진(2720)으로/에 의해 수행된다. 일부 실시예들에서, 시스템 또는 방법을 통해 사용자가 강화된 종단적 환자 기록 및 최상의 팩트 데이터 중 적어도 일부를 내보내도록 한다. 일부 실시예들에서, 방법 또는 시스템은 사용자가 강화된 종단적 환자 기록 및 팩트 데이터를 내보낼 수 있는지 여부를 결정하기 위해 사용자 권한을 사용한다.In some embodiments, enrichment described herein may be performed on clinically relevant attributes of the patient population, including but not limited to tumor histology, stage, comorbidities, outcomes, and treatments including surgery, radiation, and chemotherapy. It is used in a system or method that summarizes. In some embodiments, enrichment described herein includes, but is not limited to, retrospective analysis of behavioral metrics including patients on treatment, metastases, molecular markers, progression-free and overall survival, additional cancer-specific diagnostic attributes, and clinical populations. It is used in a system or method that tracks and enables. In some embodiments, the enhancements described herein enable selection and filtering of patient cohorts and subcohorts based on cancer-specific diagnostic attributes (e.g., breast cancer-specific diagnostic attributes, lung cancer-specific diagnostic attributes) and cohort comparison tools. Used in a system or method. In some embodiments, patient cohorts and sub-cohorts are determined at least in part based on progress obtained from best fact data or best fact selections described herein. In some embodiments, patient cohorts and sub-cohorts are determined at least in part based on node addresses or node addresses to which patients are assigned, which node addresses are derived from best fact data or best fact selection as described herein. The allocation is based at least in part on the facts determined. In some embodiments, enhancements as described herein are used in a system or method to aggregate and enable visualization of point-of-care and physician treatment selections. In some embodiments, enrichment described herein is used in a system or method for comparing treatment and regimen combinations, including sequencing. In some embodiments, the enhancements described herein are used in a system or method to visualize a patient's treatment journey at multiple levels of granularity (e.g., related series of treatment modalities). 27 illustrates that enrichment and best fact selection are integrated to generate enhanced longitudinal patient records and best facts by progression, as well as for use by health providers, health systems, and health system management, according to some embodiments. , systems that provide analytics and tools (such as the analytics and tools provided in COTA RWA) for those who authorize care or payment for care, for those who evaluate care, and/or for other users. and a schematic diagram of the method. The system and method may, in some embodiments, be implemented at least in part through a web-based application. In some embodiments, the system and method include an application front end 2710 that can be formed as part of a web-interface for a user. In some embodiments, cloud container engine 2720 may implement an API and integrate some or all of the data templates, data tables, and pre-aggregates that power applications, survival, and metrics 2722. . Information from the cloud container engine 2720 is provided to the data cache 2730, user settings 2732, and data insights 2734. Data Insight 2734 also receives input from Insights Scheduler 2736. Data Insight 2734 stores the application's queries for all stored users and calculates the number of patients to perform analysis based on the query criteria at regular time intervals based on Insight Scheduler 2736. User settings 2732 are queries saved only for the current user. In some embodiments, the entered medical history data or the patient's medical record data is not received through the same application front end, but is instead obtained separately. In some embodiments, data is extracted from records and entered into time series patient facts 2738. Time series patient facts 2738 undergo enrichment/best fact selection 2740, as described herein. Node address (NA) and progress assignment 2742 are performed based on input data after enrichment and best fact selection. After NA and progress assignment 2742, data transformation 2744 is used in some embodiments. Data transformation includes additional sets of rules for the data, such as, but not limited to, treatment sequencing, assembly, timeline segmentation, etc. The transformed data is used with data from data cache 2730 and data insights 2734 to generate enhanced longitudinal patient records and best facts per progression 2746. In some embodiments, the enhanced longitudinal patient record and best facts by progression are stored in a server or cloud environment remotely from the user and controlled by the provider of the web-based application. Progression-enhanced longitudinal patient records and best facts are then used in analyzes to compare similar patients with similar patients, for example, by determining cohorts with the same or similar disease-related characteristics in one or more progression periods. Analysis is performed to/by the cloud container engine 2720. In some embodiments, a system or method allows a user to export at least some of the enhanced longitudinal patient records and best fact data. In some embodiments, the method or system uses user permissions to determine whether the user can export enhanced longitudinal patient records and fact data.

일부 실시예들에서, 최상의 팩트 데이터는 주로 진행 기반 데이터 내에 저장된다. 일부 실시예들에서, 최상의 팩트 데이터는 고유한 환자 식별자를 사용하여 시계열 데이터에 결합될 수 있다.In some embodiments, best fact data is primarily stored within progress-based data. In some embodiments, best fact data may be joined to time series data using a unique patient identifier.

시스템 및 방법의 일부 실시예들에서, 진행별 강화된 종단적 환자 기록 및/또는 최상의 팩트는 특정 질환에 대한 질환-관련 특성에 대해 동일한 파라미터를 각각 갖는 환자(예를 들어, 하나 이상의 진행 기간 동안 동일하거나 밀접하게 관련된 노드 어드레스에 할당된 환자)의 질환-관련 코호트를 정의하여 분석을 수행하고, 결과를 비교하고, 및/또는 결과 추적을 수행하는 데 사용된다. 일부 실시예들에서, 결과 추적 및/또는 결과 비교를 통해 코호트의 환자가 질환-관련 특성에 대해 동일한 파라미터를 갖는 다른 환자에 대한 결과를 기반으로 예상보다 더 나쁜 결과를 경험하고 있는지 여부를 식별할 수 있다. 일부 실시예들에서, 결과 추적 또는 결과 비교를 통해 코호트 내 한 명 이상의 환자가 다른 환자 또는 코호트 내 질환-관련 특성에 대해 동일한 파라미터를 갖는 모든 또는 다른 환자(예를 들어, 하나 이상의 진행 기간 동안 동일하거나 밀접하게 관련된 노드 어드레스에 할당된 모든 환자)에 대한 결과 추적 또는 결과 비교를 기반으로 예상보다 더 나쁜 결과를 경험하고 있는지 여부를 식별할 수 있다. 일부 실시예들에서, 결과 추적 또는 결과 비교를 통해 특정 제공자, 그룹 또는 사이트에서 케어되는 코호트 내 한 명 이상의 환자가 다른 제공자, 그룹 또는 다른 사이트에서 케어되는 질환-관련 특성에 대한 동일한 파라미터를 갖는 환자(예를 들어, 하나 이상의 진행 기간 동안 동일하거나 밀접하게 관련된 노드 어드레스에 할당된 모든 환자)에 대한 결과 추적 또는 결과 비교를 기반으로 예상보다 나쁜 결과를 경험하고 있는지 여부를 식별할 수 있다. 일부 실시예들에서, 결과 추적 또는 결과 비교를 통해 결과 추적을 기반으로 환자 또는 환자들이 예상보다 더 나쁜 결과를 경험하고 있다는 경고, 헬스케어 제공자에게 전달, 또는 시각적 표시가 가능해 헬스케어 제공자가 시정 조치를 취할 수 있다. 결과 추적, 경고 및 전달에 관한 추가 정보는 적어도 미국 공개 특허 출원 번호 제2015/0100341호, 미국 특허 출원 공개 번호 제US 2021/0082573호 및 국제 특허 출원 공개 번호 제WO 2018/089584호에서 찾을 수 있으며, 그 각각은 본원에 그 전문이 참조로 통합된다.In some embodiments of the systems and methods, progression-enhanced longitudinal patient records and/or best facts are collected from patients each having the same parameters for disease-related characteristics for a particular disease (e.g., during more than one progression period). It is used to define disease-related cohorts of patients (patients assigned to the same or closely related node addresses) to perform analyses, compare outcomes, and/or perform outcome tracking. In some embodiments, outcome tracking and/or outcome comparison may be used to identify whether patients in a cohort are experiencing worse outcomes than expected based on outcomes for other patients with the same parameters for disease-related characteristics. You can. In some embodiments, outcome tracking or outcome comparison allows one or more patients in a cohort to be compared to other patients or to all or other patients in a cohort having the same parameters for a disease-related characteristic (e.g., the same for one or more progression periods). Based on outcome tracking or outcome comparison for patients (or all patients assigned to a closely related node address), it is possible to identify whether patients are experiencing worse outcomes than expected. In some embodiments, outcome tracking or outcome comparison allows one or more patients in a cohort cared for by a particular provider, group, or site to have the same parameters for disease-related characteristics cared for by a different provider, group, or site. Based on outcome tracking or outcome comparison for (e.g., all patients assigned to the same or closely related node address over one or more progression periods), it may be possible to identify whether patients are experiencing worse outcomes than expected. In some embodiments, outcome tracking or outcome comparison may be used to alert, communicate, or visually indicate to a healthcare provider that a patient or patients are experiencing worse outcomes than expected based on the outcome tracking, allowing the healthcare provider to take corrective action. can be taken. Additional information regarding results tracking, alerting, and communication can be found in at least U.S. Patent Application Publication No. 2015/0100341, U.S. Patent Application Publication No. US 2021/0082573, and International Patent Application Publication No. WO 2018/089584; , each of which is hereby incorporated by reference in its entirety.

시스템 및 방법의 일부 실시예들에서, 진행별 강화된 종단적 환자 기록 및/또는 최상의 팩트는 환자에 대한 잠재적으로 효과적이고 효율적인 치료 옵션을 결정하는 데 도움이 되는 의사결정 지원 시스템 또는 방법(예를 들어, 환자가 할당된 노드 어드레스와 연관된 환자 치료 서비스 묶음)에서 특정 질환에 대한 질환-관련 특성에 대해 동일한 파라미터를 각각 갖는 환자(예를 들어, 하나 이상의 진행 기간 동안 동일하거나 밀접하게 관련된 노드 어드레스에 할당된 환자)의 질환-관련 코호트를 정의하는 데 사용된다. 일부 실시예들에서, 진행별 강화된 종단적 환자 기록 및/또는 최상의 팩트는 동일한 노드 어드레스에 할당된 환자에 대한 제안된 치료 옵션을 안내하거나 이를 제공하기 위한 시스템 또는 방법에 의해 사용될 수 있는 치료 및 결과 비교를 위한 시스템 또는 방법에서 특정 질환에 대한 질환-관련 특성에 대해 동일한 파라미터를 각각 갖는 환자(예를 들어, 하나 이상의 진행 기간 동안 동일하거나 밀접하게 관련된 노드 어드레스에 할당된 환자)의 질환-관련 코호트를 정의하는 데 사용된다. 환자를 위한 치료 옵션 제공에 관한 추가 정보는 적어도 미국 공개 특허 출원 번호 제2015/0100341호, 미국 특허 출원 공개 번호 제US 2021/0082573호 및 국제 특허 출원 공개 번호 제WO 2018/089584호에서 찾을 수 있으며, 그 각각은 그 전문이 본원에 참조로 통합된다. In some embodiments of the systems and methods, a progression-enhanced longitudinal patient record and/or best facts may be used in a decision support system or method (e.g., For example, patients each having the same parameters for disease-related characteristics for a particular disease in a bundle of patient care services associated with an assigned node address (e.g., at the same or closely related node address for one or more progression periods). used to define disease-related cohorts of assigned patients). In some embodiments, the progression-enhanced longitudinal patient record and/or best facts may be used by a system or method to guide or provide suggested treatment options for a patient assigned to the same node address. In a system or method for comparing outcomes, disease-relatedness of patients each having the same parameters for disease-related characteristics for a particular disease (e.g., patients assigned to the same or closely related node address for one or more progression periods) Used to define a cohort. Additional information regarding providing treatment options for patients can be found in at least U.S. Patent Application Publication No. 2015/0100341, U.S. Patent Application Publication No. US 2021/0082573, and International Patent Application Publication No. WO 2018/089584; , each of which is hereby incorporated by reference in its entirety.

당업자는 본 개시의 방법 및 시스템이 다양한 방식으로 구현될 수 있고 전술한 예시적인 실시예 및 예에 의해 제한되지 않는다는 것을 인식할 것이다. 즉, 하드웨어와 소프트웨어 또는 펌웨어의 다양한 조합과 개별 기능의 단일 또는 다수의 컴포넌트에 의해 수행되는 기능 요소는 사용자 컴퓨팅 장치나 서버 또는 둘 모두에서 소프트웨어 애플리케이션 간에 분산될 수 있다. 이와 관련하여, 본원에 설명된 서로 다른 실시예들의 임의 개수의 특징은 단일 또는 다수의 실시예들로 결합될 수 있으며, 본원에 설명된 모든 특징보다 적거나 많은 특징을 갖는 대체 실시예들도 가능하다. 기능은 현재 알려져 있거나 앞으로 알려질 방식으로 전체 또는 부분적으로 다수의 컴포넌트 간에 분산될 수도 있다. 따라서, 본원에 설명된 기능, 특징, 인터페이스 및 선호들을 달성하려면 수많은 소프트웨어/하드웨어/펌웨어 조합이 가능하다. 더욱이, 본 개시의 범위는 기술된 특징, 기능 및 인터페이스를 수행하기 위한 종래에 알려진 방식뿐만 아니라, 현재 및 이후 당업자에 의해 이해될 것으로 본원에 설명된 하드웨어, 소프트웨어 또는 펌웨어 컴포넌트에 대해 이루어질 수 있는 변형 및 수정을 포함한다. 시스템 및 방법이 하나 이상의 실시예의 관점에서 설명되었지만, 본 개시는 개시된 실시예들로 제한될 필요가 없다는 것이 이해되어야 한다. 이는 청구범위의 사상 및 범위 내에 포함된 다양한 수정 및 유사한 배열을 포괄하도록 의도되었으며, 그 범위는 이러한 모든 수정 및 유사한 구조를 포괄하도록 가장 폭넓게 해석되어야 한다. 본 개시는 다음의 청구범위의 임의의 및 모든 실시예를 포함한다.Those skilled in the art will recognize that the methods and systems of the present disclosure can be implemented in a variety of ways and are not limited by the illustrative embodiments and examples described above. That is, functional elements performed by single or multiple components in various combinations of hardware and software or firmware and individual functions may be distributed among software applications on a user computing device or server, or both. In this regard, any number of features of the different embodiments described herein may be combined into single or multiple embodiments, and alternative embodiments having fewer or more features than all of the features described herein are also possible. do. Functionality may be distributed, in whole or in part, among multiple components in any manner now known or hereafter known. Accordingly, numerous software/hardware/firmware combinations are possible to achieve the functions, features, interfaces and preferences described herein. Moreover, the scope of the present disclosure extends not only to conventionally known manners for performing the described features, functions and interfaces, but also to modifications that may be made to the hardware, software or firmware components described herein as would be understood by those skilled in the art, now and hereafter. and modifications. Although the systems and methods have been described in terms of one or more embodiments, it should be understood that the disclosure is not necessarily limited to the disclosed embodiments. It is intended to cover various modifications and similar arrangements included within the spirit and scope of the claims, and the scope should be construed in the broadest manner to encompass all such modifications and similar structures. This disclosure includes any and all embodiments of the following claims.

Claims (30)

의학적 상태 및/또는 질병이 있는 환자에 대한 정확한 환자 데이터를 제공하는 방법으로서, 상기 방법은,
상기 환자와 연관된 초기 데이터 기록 세트에 액세스하는 단계로서, 상기 초기 데이터 기록 세트는 상기 환자, 상기 환자의 질병 및/또는 상기 환자의 치료에 관한 정보를 포함하는, 상기 액세스하는 단계;
상기 액세스된 초기 데이터 기록 세트로부터 복수의 후보 팩트를 추출하는 단계로서, 각 후보 팩트는 데이터 세트로 나타내는, 상기 추출하는 단계;
각 후보 팩트를 상기 환자와 연관된 복수의 요소 중 요소에 대응하는 것으로 분류하는 단계로서, 상기 복수의 후보 팩트는 상기 복수의 요소의 적어도 하나의 요소에 대한 상기 요소에 대응하는 둘 이상의 후보 팩트를 포함하는, 상기 분류하는 단계;
시간이 지남에 따라 변하지 않는 요소의 경우, 각 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 단계로서, 상기 식별하는 단계는,
상기 요소에 대응하는 후보 팩트가 하나만 있는 경우, 상기 대응하는 후보 팩트를 상기 요소에 대응하는 상기 최상의 팩트로 식별하는 단계; 및
상기 요소에 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 상기 요소에 특정된 감소 규칙에 기초하여 상기 대응하는 후보 팩트 중 적어도 하나를 상기 요소에 대한 상기 최상의 팩트로 식별하는 단계를 포함하는, 상기 식별하는 단계;
시간이 지남에 따라 변할 수 있는 각 요소의 경우, 상기 요소에 대응하는 각 후보 팩트를 진단 또는 진행 이정표에 대응하는 진행 기간과 연관시키는 단계;
시간이 지남에 따라 변할 수 있는 각 요소의 경우, 상기 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하는 단계로서, 상기 식별하는 단계는,
상기 요소에 상기 진행 기간과 연관된 대응하는 후보 팩트가 하나만 있는 경우, 상기 진행 기간 동안 상기 대응하는 후보 팩트를 상기 요소에 대응하는 상기 최상의 팩트로 식별하는 단계; 및
상기 요소에 상기 진행 기간과 연관된 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 상기 요소에 특정된 감소 규칙에 기초하여 상기 적어도 두 개의 대응하는 후보 팩트로부터 상기 진행 기간 동안 상기 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 단계를 포함하는, 상기 식별하는 단계; 및
상기 환자와 연관된 상기 최상의 팩트를 포함하는 데이터를 출력하는 단계를 포함하는, 방법.
A method of providing accurate patient data about a patient with a medical condition and/or disease, the method comprising:
Accessing a set of initial data records associated with the patient, the set of initial data records comprising information about the patient, the patient's disease, and/or the patient's treatment;
extracting a plurality of candidate facts from the accessed set of initial data records, each candidate fact being represented by a data set;
Classifying each candidate fact as corresponding to an element of a plurality of elements associated with the patient, wherein the plurality of candidate facts includes two or more candidate facts corresponding to the element for at least one element of the plurality of elements. The step of classifying;
For elements that do not change over time, identifying at least one best fact corresponding to each element, wherein the identifying step includes:
If there is only one candidate fact corresponding to the element, identifying the corresponding candidate fact as the best fact corresponding to the element; and
If the element has at least two corresponding candidate facts, identifying at least one of the corresponding candidate facts as the best fact for the element based on a reduction rule specific to the element. steps;
For each element that may change over time, associating each candidate fact corresponding to the element with a progression period corresponding to a diagnosis or progression milestone;
For each element that may change over time, identifying at least one best fact for each running period that has an associated candidate fact for said element, said identifying comprising:
if the element has only one corresponding candidate fact associated with the running period, identifying the corresponding candidate fact for the running period as the best fact corresponding to the element; and
If the element has at least two corresponding candidate facts associated with the running period, at least one corresponding to the element during the running period from the at least two corresponding candidate facts based on a reduction rule specified for the element. the identifying step comprising identifying the best facts; and
A method comprising outputting data containing the best facts associated with the patient.
제1항에 있어서, 시간이 지남에 따라 변하지 않는 상기 요소 중 적어도 일부의 경우, 상기 요소에 대응하는 상기 적어도 하나의 최상의 팩트를 식별하는 단계는,
그래픽 사용자 인터페이스를 통해 상기 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로 사용자에게 제시하는 단계;
수신하는 단계로서,
상기 제안된 적어도 하나의 최상의 팩트의 수락;
제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및
상기 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절
중 하나 이상을 수신하는, 상기 수신하는 단계; 및
상기 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 더 이상 상기 제안된 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 최상의 팩트로 식별하지 않는 단계,
상기 제안된 적어도 하나의 최상의 팩트의 수락이 수신되는 경우, 상기 적어도 하나의 최상의 팩트를 수락된 최상의 팩트로 식별하는 단계;
제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 상기 적어도 하나의 최상의 팩트로서의 식별이 수신되는 경우, 상기 적어도 하나의 다른 후보 팩트를 상기 적어도 하나의 수락된 최상의 팩트로 식별하는 단계를 포함하며;
상기 환자와 연관된 상기 최상의 팩트에 관한 데이터를 출력하는 단계는 상기 환자와 연관된 상기 수락된 최상의 팩트에 관한 데이터를 출력하는 단계를 포함하는, 방법.
2. The method of claim 1, wherein for at least some of the elements that do not change over time, identifying the at least one best fact corresponding to the element comprises:
presenting the at least one best fact to the user as a suggested at least one best fact corresponding to the element through a graphical user interface;
As a receiving step,
acceptance of at least one best fact proposed above;
Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and
Rejecting at least one best fact proposed above as the best fact
Receiving one or more of the receiving steps; and
If a rejection of the proposed at least one best fact is received, no longer identifying the proposed at least one best fact as the best fact corresponding to the element;
when acceptance of the proposed at least one best fact is received, identifying the at least one best fact as an accepted best fact;
When identification of at least one other candidate fact that is not a proposed best fact as the at least one best fact is received, identifying the at least one other candidate fact as the at least one accepted best fact;
The method of claim 1, wherein outputting data regarding the accepted best fact associated with the patient comprises outputting data regarding the accepted best fact associated with the patient.
제1항에 있어서, 시간이 지남에 따라 변할 수 있는 상기 요소 중 적어도 일부의 경우, 상기 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하는 단계는,
상기 진행 기간 동안 상기 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로 제시하는 단계;
수신하는 단계로서,
상기 제안된 적어도 하나의 최상의 팩트를 적어도 하나의 최상의 팩트로서의 수락;
제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및
상기 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절
중 하나 이상을 수신하는, 상기 수신하는 단계; 및
상기 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 더 이상 상기 제안된 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 최상의 팩트로 식별하지 않는 단계를 더 포함하는, 방법.
2. The method of claim 1, wherein for at least some of the elements that may change over time, identifying at least one best fact for each running period with an associated candidate fact for the element comprises:
presenting the at least one best fact as a proposed at least one best fact corresponding to the element during the progress period;
As a receiving step,
accepting the proposed at least one best fact as at least one best fact;
Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and
Rejecting at least one best fact proposed above as the best fact
Receiving one or more of the receiving steps; and
If a rejection of the proposed at least one best fact is received, no longer identifying the proposed at least one best fact as the best fact corresponding to the element.
제1항에 있어서, 상기 환자와 연관된 상기 최상의 팩트를 포함하는 상기 출력 데이터는 시계열 출력 및 진행 출력 중 하나 또는 둘 모두를 포함하는, 방법.The method of claim 1, wherein the output data comprising the best facts associated with the patient comprises one or both of a time series output and a progression output. 제4항에 있어서, 상기 진행 출력은 연관된 개념 테이블에 저장된 상기 최상의 팩트를 포함하며, 각 개념 테이블은 진행 추적 식별자 및 환자 식별자를 포함하거나;
상기 시계열 출력은 연관된 개념 테이블에 저장된 상기 최상의 팩트를 포함하며, 각 연관된 개념 테이블은 상기 연관된 개념 테이블에서 상기 최상의 팩트와 연관된 시작일과 시간 사이에 경과된 시간의 함수로 인덱싱되는, 방법.
5. The method of claim 4, wherein the progress output includes the best facts stored in associated concept tables, each concept table including a progress tracking identifier and a patient identifier;
The method of claim 1 , wherein the time series output includes the best facts stored in an associated concept table, each associated concept table being indexed as a function of time elapsed between the start date and the time associated with the best fact in the associated concept table.
제1항에 있어서,
상기 후보 팩트 중 적어도 일부에 기초하여, 하나 이상의 진행 기간을 결정하는 단계로서, 각 진행 기간은 상기 의학적 상태 또는 질병의 진단 시 또는 진행 시에 시작되고 다음 진행 시, 현재 또는 사망 시에 끝나는 시간 기간에 대응하는, 상기 결정하는 단계; 및
각 후보 팩트를 진행 기간에 할당하는 단계를 더 포함하는, 방법.
According to paragraph 1,
Based on at least some of the candidate facts, determining one or more progression periods, each progression period being a period of time that begins upon diagnosis or progression of the medical condition or disease and ends at the next progression, current or death. Corresponding to, the determining step; and
The method further includes assigning each candidate fact to a progress period.
제6항에 있어서,
상기 결정된 하나 이상의 진행 기간을 제안된 진행 기간으로 그래픽 사용자 인터페이스를 통해 사용자에게 제시하는 단계;
수신하는 단계로서,
상기 하나 이상의 제안된 진행 기간 중 적어도 하나의 수락;
상기 하나 이상의 제안된 진행 기간 중 적어도 하나의 시작 시간 또는 종료 시간의 조정;
새로운 진행 기간의 추가; 또는
상기 하나 이상의 제안된 진행 기간 중 적어도 일부를 단일의 진행 시간 기간으로 병합하는 것
중 하나 이상을 포함하는 입력을 사용자로부터 수신하는, 상기 수신하는 단계; 및
상기 수신된 입력에 기초하여 상기 하나 이상의 진행 기간을 조정하는 단계로서, 각 후보 팩트는 상기 조정 후 진행 시간 기간에 할당되는, 상기 조정하는 단계를 더 포함하는, 방법.
According to clause 6,
presenting the determined one or more progress periods as a suggested progress period to a user through a graphical user interface;
As a receiving step,
Acceptance of at least one of the one or more proposed progress periods above;
adjusting the start time or end time of at least one of the one or more proposed running periods;
Addition of new progress period; or
merging at least some of said one or more proposed progress periods into a single progress time period;
Receiving input from a user comprising one or more of the following: and
Adjusting the one or more running time periods based on the received input, wherein each candidate fact is assigned a running time period after the adjustment.
제6항에 있어서, 상기 진행은,
상기 환자의 질환이나 상태가 진행되었다는 의사의 확인;
상기 환자의 측정된 종양의 성장;
상기 환자의 질환이 확산되어 전이되었다는 표시;
상기 환자의 질환이나 의학적 상태가 치료 과정에 반응하지 않고 의사가 다른 치료 과정으로 전환하기로 결정했다는 표시; 또는
상기 환자가 질환 또는 상기 의학적 상태의 재발을 경험했다는 표시 중 하나 이상에 대응하는, 방법.
The method of claim 6, wherein the process is:
Confirmation by a physician that said patient's disease or condition has progressed;
the patient's measured tumor growth;
An indication that the patient's disease has spread and metastasized;
An indication that said patient's disease or medical condition has not responded to a course of treatment and the physician has decided to switch to another course of treatment; or
In response to one or more of the following indications that the patient has experienced a recurrence of the disease or medical condition.
제1항에 있어서, 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 상기 요소에 대응하는 각 후보 팩트를 진행 기간과 연관시키는 단계는 시간 윈도윙에 기초하는, 방법.The method of claim 1, wherein, for each element that may change over time, associating each candidate fact corresponding to the element with a running period is based on time windowing. 제1항에 있어서,
새로운 데이터 기록 세트에 액세스하는 단계;
추가 후보 팩트를 추출하는 단계로서, 상기 추가 후보 팩트 각각은 상기 환자와 연관된 상기 복수의 요소 중 요소에 대응하는, 상기 추출하는 단계; 및
상기 초기 데이터 기록 세트로부터 추출된 상기 복수의 후보 팩트 및 상기 새로운 데이터 기록 세트로부터 추출된 상기 추가 후보 팩트에 기초하여 상기 복수의 요소 중 상기 각 요소에 대응하는 하나 이상의 최상의 팩트를 결정하는 단계를 더 포함하는, 방법.
According to paragraph 1,
accessing a new set of data records;
extracting additional candidate facts, each of the additional candidate facts corresponding to an element of the plurality of elements associated with the patient; and
determining one or more best facts corresponding to each element of the plurality of elements based on the plurality of candidate facts extracted from the initial data record set and the additional candidate facts extracted from the new data record set. Including, method.
제1항에 있어서, 상기 복수의 요소의 각 요소의 경우, 각 중복 후보 팩트를 제거함으로써 상기 복수의 후보 팩트를 중복 제거하는 단계를 더 포함하는, 방법.The method of claim 1, further comprising deduplicating the plurality of candidate facts by removing, for each element of the plurality of elements, each duplicate candidate fact. 제1항에 있어서,
상기 데이터 및 하나 이상의 의학적 규칙으로부터 추출된 상기 후보 팩트 중 하나 이상에 기초하여 상기 환자와 연관된 상기 복수의 요소 중 적어도 하나의 요소에 대한 후보 팩트를 도출하는 단계를 더 포함하는, 방법.
According to paragraph 1,
The method further comprising deriving a candidate fact for at least one element of the plurality of elements associated with the patient based on one or more of the candidate facts extracted from the data and one or more medical rules.
제1항에 있어서, 상기 요소 중 적어도 하나의 경우, 상기 감소 규칙은,
상기 동일한 요소에 대응하는 다른 후보 팩트와 비교하여 가장 많은 양의 데이터를 포함하는 상기 적어도 하나의 후보 팩트를 기반으로 적어도 하나의 후보 팩트를 요소에 대응하는 상기 최상의 팩트로 식별하는 규칙;
진행 기간 동안 요소에 대응하는 또 다른 후보 팩트와 중복되고 동일한 후보 팩트를 폐기하는 규칙; 및
상기 동일한 요소에 대응하는 다른 후보 팩트와 비교하여 가장 자주 발생하는 상기 후보 팩트에 적어도 부분적으로 기초하여 후보 팩트를 최상의 팩트로 식별하는 규칙 중 하나 이상을 포함하는, 방법.
The method of claim 1, wherein for at least one of the elements, the reduction rule is:
a rule for identifying at least one candidate fact as the best fact corresponding to an element based on the at least one candidate fact containing the largest amount of data compared to other candidate facts corresponding to the same element;
A rule to discard a candidate fact that is duplicated and identical to another candidate fact that corresponds to the element during the progress period; and
and one or more rules for identifying a candidate fact as the best fact based at least in part on the candidate fact occurring most frequently compared to other candidate facts corresponding to the same element.
제1항에 있어서,
적어도 하나의 진행 기간의 경우, 상기 출력 데이터에 기초하여 상기 환자에 대한 상기 진행 기간 동안 노드 어드레스를 생성하는 단계를 더 포함하는, 방법.
According to paragraph 1,
For at least one progression period, the method further comprising generating a node address for the progression period for the patient based on the output data.
제14항에 있어서,
치료 의사결정을 용이하게 하기 위해 상기 환자의 헬스 케어 제공자에게 미리 결정된 치료 계획 정보를 제공하는 단계로서, 상기 미리 결정된 치료 계획 정보는 상기 환자에게 할당된 상기 진행 기간에 대한 상기 노드 어드레스에 기초하는, 상기 제공하는 단계를 더 포함하는, 방법.
According to clause 14,
providing predetermined treatment plan information to the patient's healthcare provider to facilitate treatment decision making, wherein the predetermined treatment plan information is based on the node address for the progression period assigned to the patient, A method further comprising the steps provided above.
제14항에 있어서,
상기 환자에게 할당된 상기 진행 기간에 대한 상기 노드 어드레스에 기초하여 상기 환자에 대해 상기 정의된 종료점 이벤트의 발생에 관한 예후 관련 예상 결과를 결정하는 단계를 더 포함하는, 방법.
According to clause 14,
The method further comprising determining a prognosis-related expected outcome regarding the occurrence of the defined endpoint event for the patient based on the node address for the progression period assigned to the patient.
제14항에 있어서, 상기 노드 어드레스는 개선된 노드 어드레스인, 방법.15. The method of claim 14, wherein the node address is an improved node address. 의학적 상태 및/또는 질병이 있는 환자에 대한 정확한 환자 데이터를 제공하는 시스템으로서, 상기 방법은,
하나 이상의 데이터 저장소; 및
상기 하나 이상의 데이터 저장소와 통신하는 컴퓨팅 시스템으로서 실행 시 상기 컴퓨팅 시스템이,
상기 하나 이상의 데이터 저장소로부터, 상기 환자와 연관된 초기 데이터 기록 세트에 액세스하되, 상기 초기 데이터 기록 세트는 상기 환자에 관한 정보, 상기 환자의 질병 및/또는 상기 환자의 치료를 포함하고;
상기 액세스된 초기 데이터 기록 세트로부터 복수의 후보 팩트를 추출하되, 각 후보 팩트는 데이터 세트로 나타내고;
각 후보 팩트를 상기 환자와 연관된 복수의 요소 중 요소에 대응하는 것으로 분류하되, 상기 복수의 후보 팩트는 상기 복수의 요소의 적어도 하나의 요소에 대한 상기 요소에 대응하는 둘 이상의 후보 팩트를 포함하고;
시간이 지남에 따라 변하지 않는 요소의 경우, 각 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하되, 상기 식별은,
상기 요소에 대응하는 후보 팩트가 하나만 있는 경우, 상기 대응하는 후보 팩트를 상기 최상의 팩트로 식별하는 것; 및
상기 요소에 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 상기 요소에 특정된 감소 규칙에 기초하여 상기 대응하는 후보 팩트 중 적어도 하나를 상기 요소에 대한 상기 최상의 팩트로 식별하는 것을 포함하고;
시간이 지남에 따라 변할 수 있는 각 요소의 경우, 상기 요소에 대응하는 각 후보 팩트를 진단 또는 진행 이정표에 대응하는 진행 기간과 연관시키고;
시간이 지남에 따라 변할 수 있는 각 요소의 경우, 상기 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트를 식별하되, 상기 식별은,
상기 요소에 상기 이정표와 연관된 대응하는 후보 팩트가 하나만 있는 경우, 상기 진행 기간 동안 상기 대응하는 후보 팩트를 상기 요소에 대응하는 상기 최상의 팩트로 식별하는 것; 및
상기 요소에 진행 기간과 연관된 적어도 두 개의 대응하는 후보 팩트가 있는 경우, 상기 요소에 특정된 감소 규칙에 기초하여 상기 적어도 두 개의 대응하는 후보 팩트로부터 상기 이정표 동안 상기 요소에 대응하는 적어도 하나의 최상의 팩트를 식별하는 것을 포함하고;
상기 환자와 연관된 상기 최상의 팩트를 포함하는 데이터를 출력하도록 하는 명령어를 실행하도록 구성되는, 상기 컴퓨팅 시스템을 포함하는, 시스템.
A system for providing accurate patient data about patients with a medical condition and/or disease, the method comprising:
One or more data stores; and
A computing system in communication with the one or more data stores, wherein, when running, the computing system:
access, from the one or more data repositories, an initial set of data records associated with the patient, the initial set of data records comprising information about the patient, the patient's disease, and/or the patient's treatment;
extracting a plurality of candidate facts from the accessed set of initial data records, each candidate fact being represented by a data set;
classifying each candidate fact as corresponding to an element of a plurality of elements associated with the patient, wherein the plurality of candidate facts includes two or more candidate facts corresponding to the element for at least one element of the plurality of elements;
For elements that do not change over time, identify at least one best fact corresponding to each element, said identification being:
If there is only one candidate fact corresponding to the element, identifying the corresponding candidate fact as the best fact; and
if there are at least two corresponding candidate facts for the element, identifying at least one of the corresponding candidate facts as the best fact for the element based on a reduction rule specific to the element;
For each element that may change over time, associate each candidate fact corresponding to that element with a progression period corresponding to a diagnosis or progression milestone;
For each element that may change over time, identify at least one best fact for each running period that has an associated candidate fact for said element, said identification comprising:
if the element has only one corresponding candidate fact associated with the milestone, identifying the corresponding candidate fact as the best fact corresponding to the element during the progress period; and
If the element has at least two corresponding candidate facts associated with a progress period, at least one best fact corresponding to the element during the milestone from the at least two corresponding candidate facts based on a reduction rule specified for the element. Includes identifying;
A system, comprising the computing system, configured to execute instructions to output data containing the best facts associated with the patient.
제18항에 있어서, 시간이 지남에 따라 변하지 않는 상기 요소 중 적어도 일부의 경우, 상기 요소에 대응하는 상기 적어도 하나의 최상의 팩트의 식별은,
그래픽 사용자 인터페이스를 통해 상기 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로 사용자에게 제시하는 것;
수신하는 것으로서,
상기 제안된 적어도 하나의 최상의 팩트의 수락;
제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및
상기 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절
중 하나 이상을 수신하는, 상기 수신하는 것; 및
상기 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 더 이상 상기 제안된 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 최상의 팩트로 식별하지 않는 것,
상기 제안된 적어도 하나의 최상의 팩트의 수락이 수신되는 경우, 상기 적어도 하나의 최상의 팩트를 수락된 최상의 팩트로 식별하는 것;
제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 상기 적어도 하나의 최상의 팩트로서의 식별이 수신되는 경우, 상기 적어도 하나의 다른 후보 팩트를 상기 적어도 하나의 수락된 최상의 팩트로 식별하는 것을 더 포함하며;
상기 환자와 연관된 상기 최상의 팩트에 관한 상기 출력 데이터는 상기 환자와 연관된 상기 수락된 최상의 팩트에 관한 출력을 포함하는, 시스템.
19. The method of claim 18, wherein for at least some of the elements that do not change over time, identification of the at least one best fact corresponding to the element is:
presenting the at least one best fact to the user via a graphical user interface as a suggested at least one best fact corresponding to the element;
By receiving,
acceptance of at least one best fact proposed above;
Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and
Rejecting at least one best fact proposed above as the best fact
receiving one or more of the receiving; and
If a rejection of the proposed at least one best fact is received, no longer identifying the proposed at least one best fact as the best fact corresponding to the element;
when acceptance of the proposed at least one best fact is received, identifying the at least one best fact as an accepted best fact;
If the identification of at least one other candidate fact that is not a proposed best fact as the at least one best fact is received, then identifying the at least one other candidate fact as the at least one accepted best fact;
The system of claim 1, wherein the output data regarding the best fact associated with the patient includes output regarding the accepted best fact associated with the patient.
제18항에 있어서, 시간이 지남에 따라 변할 수 있는 상기 요소 중 적어도 일부의 경우, 상기 요소에 대한 연관된 후보 팩트를 갖는 각 진행 기간 동안 적어도 하나의 최상의 팩트의 상기 식별은,
상기 진행 기간 동안 상기 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 제안된 적어도 하나의 최상의 팩트로 제시하는 것;
수신하는 것으로서,
상기 제안된 적어도 하나의 최상의 팩트를 적어도 하나의 최상의 팩트로서의 수락;
제안된 최상의 팩트가 아닌 적어도 하나의 다른 후보 팩트를 적어도 하나의 최상의 팩트로서의 식별; 및
상기 제안된 적어도 하나의 최상의 팩트를 최상의 팩트로서의 거절
중 하나 이상을 수신하는, 상기 수신하는 것; 및
상기 제안된 적어도 하나의 최상의 팩트의 거절이 수신되는 경우, 더 이상 상기 제안된 적어도 하나의 최상의 팩트를 상기 요소에 대응하는 최상의 팩트로 식별하지 않는 것을 더 포함하는, 시스템.
19. The method of claim 18, wherein for at least some of the elements that may change over time, the identification of at least one best fact for each running period with an associated candidate fact for the element comprises:
presenting the at least one best fact as a proposed at least one best fact corresponding to the element during the running period;
By receiving,
accepting the proposed at least one best fact as at least one best fact;
Identifying as at least one best fact at least one other candidate fact that is not the proposed best fact; and
Rejecting at least one best fact proposed above as the best fact
receiving one or more of the receiving; and
The system further comprising, if a rejection of the proposed at least one best fact is received, no longer identifying the proposed at least one best fact as the best fact corresponding to the element.
제18항에 있어서, 상기 환자와 연관된 상기 최상의 팩트를 포함하는 상기 출력 데이터는 시계열 출력 및 진행 출력 중 하나 또는 둘 모두를 포함하는, 시스템.19. The system of claim 18, wherein the output data comprising the best facts associated with the patient comprises one or both of a time series output and a progression output. 제21항에 있어서,
상기 진행 출력은 연관된 개념 테이블에 저장된 상기 최상의 팩트를 포함하며, 각 개념 테이블은 진행 추적 식별자 및 환자 식별자를 포함하거나;
상기 시계열 출력은 연관된 개념 테이블에 저장된 상기 최상의 팩트를 포함하며, 각 연관된 개념 테이블은 상기 연관된 개념 테이블에서 상기 최상의 팩트와 연관된 시작일과 시간 사이에 경과된 시간의 함수로 인덱싱되거나,
둘 모두인, 시스템.
According to clause 21,
the progress output includes the best facts stored in associated concept tables, each concept table including a progress tracking identifier and a patient identifier;
The time series output includes the best facts stored in an associated concept table, each associated concept table being indexed as a function of the time elapsed between the start date and the time associated with the best fact in the associated concept table, or
Both systems.
제18항에 있어서, 상기 명령어는, 실행 시, 상기 컴퓨팅 시스템이 추가로,
상기 후보 팩트 중 적어도 일부에 기초하여, 하나 이상의 진행 기간을 결정하되, 각 진행 기간은 상기 의학적 상태 또는 질병의 진단 시 또는 진행 시에 시작되고 다음 진행 시, 현재 또는 사망 시에 끝나는 시간 기간에 대응하고;
각 후보 팩트를 진행 기간에 할당하도록 하는, 시스템.
The method of claim 18, wherein, when the command is executed, the computing system further:
Based on at least some of the candidate facts, one or more progression periods are determined, wherein each progression period corresponds to a period of time that begins upon diagnosis or progression of the medical condition or disease and ends upon the next progression, current or death. do;
A system that assigns each candidate fact to a progress period.
제23항에 있어서, 상기 명령어는, 실행 시, 상기 컴퓨팅 시스템이 추가로,
상기 결정된 하나 이상의 진행 기간을 제안된 진행 기간으로 그래픽 사용자 인터페이스를 통해 사용자에게 제시하고;
수신하되,
상기 하나 이상의 제안된 진행 기간 중 적어도 하나의 수락;
상기 하나 이상의 제안된 진행 기간 중 적어도 하나의 시작 시간 또는 종료 시간의 조정;
새로운 진행 기간의 추가; 또는
상기 하나 이상의 제안된 진행 기간 중 적어도 일부를 단일의 진행 시간 기간으로 병합하는 것
중 하나 이상을 포함하는 입력을 사용자로부터 수신하고;
상기 수신된 입력에 기초하여 상기 하나 이상의 진행 기간을 조정하되, 각 후보 팩트는 상기 조정 후 진행 시간 기간에 할당되도록 하는, 시스템.
24. The method of claim 23, wherein when the instruction is executed, the computing system further:
presenting the determined one or more progress periods as a suggested progress period to the user via a graphical user interface;
Receive,
Acceptance of at least one of the one or more proposed progress periods above;
adjusting the start time or end time of at least one of the one or more proposed running periods;
Addition of new progress period; or
merging at least some of said one or more proposed progress periods into a single progress time period;
receive input from a user including one or more of the following;
Adjusting the one or more running time periods based on the received input, wherein each candidate fact is assigned to a running time period after the adjustment.
제23항에 있어서, 상기 진행은,
상기 환자의 질환이나 상태가 진행되었다는 의사의 확인;
상기 환자의 측정된 종양의 성장;
상기 환자의 질환이 확산되어 전이되었다는 표시;
상기 환자의 질환이나 의학적 상태가 치료 과정에 반응하지 않고 의사가 다른 치료 과정으로 전환하기로 결정했다는 표시; 또는
상기 환자가 상기 질환 또는 상기 의학적 상태의 재발을 경험했다는 표시 중 하나 이상에 대응하는, 시스템.
The method of claim 23, wherein the proceeding is:
Confirmation by a physician that said patient's disease or condition has progressed;
the patient's measured tumor growth;
An indication that the patient's disease has spread and metastasized;
An indication that said patient's disease or medical condition has not responded to a course of treatment and the physician has decided to switch to another course of treatment; or
A system in response to one or more indications that the patient has experienced a recurrence of the disease or medical condition.
제23항에 있어서, 시간이 지남에 따라 변할 수 있는 각 요소의 경우, 상기 요소에 대응하는 각 후보 팩트를 진행 기간과 연관시키는 것은 시간 윈도윙에 기초하는, 시스템.24. The system of claim 23, wherein for each element that may change over time, associating each candidate fact corresponding to the element with a running period is based on time windowing. 제18항에 있어서, 상기 명령어는, 실행 시, 상기 컴퓨팅 시스템이 추가로,
새로운 데이터 기록 세트에 액세스하고;
추가 후보 팩트를 추출하되, 상기 추가 후보 팩트 각각은 상기 환자와 연관된 상기 복수의 요소 중 요소에 대응하고;
상기 초기 데이터 기록 세트로부터 추출된 상기 복수의 후보 팩트 및 상기 새로운 데이터 기록 세트로부터 추출된 상기 추가 후보 팩트에 기초하여 상기 복수의 요소 중 상기 각 요소에 대응하는 하나 이상의 최상의 팩트를 결정하도록 하는, 시스템.
The method of claim 18, wherein, when the command is executed, the computing system further:
access new sets of data records;
extract additional candidate facts, each of the additional candidate facts corresponding to an element of the plurality of elements associated with the patient;
determining one or more best facts corresponding to each element of the plurality of elements based on the plurality of candidate facts extracted from the initial set of data records and the additional candidate facts extracted from the new set of data records. .
제18항에 있어서, 상기 명령어는, 실행 시, 상기 컴퓨팅 시스템이 추가로,
상기 복수의 요소의 각 요소의 경우, 각 중복 후보 팩트를 제거함으로써 상기 복수의 후보 팩트를 중복 제거하는 것;
상기 데이터 및 하나 이상의 의학적 규칙으로부터 추출된 상기 후보 팩트 중 하나 이상에 기초하여 상기 환자와 연관된 상기 복수의 요소 중 적어도 하나의 요소에 대한 후보 팩트를 도출하는 것 중 하나 이상을 수행하도록 하는, 시스템.
The method of claim 18, wherein, when the command is executed, the computing system further:
for each element of the plurality of elements, deduplicating the plurality of candidate facts by removing each duplicate candidate fact;
and deriving a candidate fact for at least one element of the plurality of elements associated with the patient based on one or more of the candidate facts extracted from the data and one or more medical rules.
제23항에 있어서, 상기 명령어는, 실행 시, 상기 컴퓨팅 시스템이 추가로,
적어도 하나의 진행 기간의 경우, 상기 출력 데이터에 기초하여 상기 환자에 대한 상기 진행 기간 동안 노드 어드레스를 생성하도록 하는, 시스템.
24. The method of claim 23, wherein when the instruction is executed, the computing system further:
For at least one progression period, generate a node address for the progression period for the patient based on the output data.
환자 데이터를 시각화하기 위한 그래픽 사용자 인터페이스를 제공하는 방법으로서, 상기 방법은,
환자의 병력에 관한 정보를 그래픽으로 도시하는 대화형 타임라인을 디스플레이하는 단계로서, 상기 대화형 타임라인은 복수의 마커를 포함하고, 각 마커는 의료 정보와 연관된 관련 시간, 의료 정보와 연관된 시간 기간의 시작, 또는 의료 정보와 연관된 시간 기간의 종료를 나타내고, 환자 정보의 서로 다른 카테고리에 대한 복수의 서브 타임라인을 포함하는 상기 대화형 타임라인은 서로 수직으로 오프셋되고 시간에 따라 정렬되며, 상기 복수의 서브 타임라인은, 치료 정보와 관련된 임의의 마커를 포함하는 치료 서브 타임라인, 진단 또는 질환 또는 장애 진행 정보와 관련된 임의의 마커를 포함하는 진단 또는 진행 서브 타임라인, 질환 또는 장애 바이오마커 테스트 결과 정보와 관련된 임의의 마커를 포함하는 바이오마커 서브 타임라인, 다른 카테고리에 속하지 않는 질환 또는 장애 정보와 관련된 임의의 마커를 포함하는 질환 또는 장애 서브 타임라인, 및 다른 카테고리에 속하지 않는 관련 환자 정보와 관련된 임의의 마커를 포함하는 환자 서브 타임라인 중 하나 이상을 포함하는, 상기 디스플레이하는 단계;
마커를 선택하는 사용자 입력을 수신하는 단계; 및
상기 대화형 타임라인의 윈도우에 상기 마커와 연관된 상세 의료 정보를 디스플레이하는 단계를 포함하는, 방법.
A method of providing a graphical user interface for visualizing patient data, the method comprising:
Displaying an interactive timeline graphically depicting information regarding a patient's medical history, the interactive timeline comprising a plurality of markers, each marker having an associated time associated with medical information, a time period associated with the medical information, and/or a time period associated with the medical information. wherein the interactive timeline includes a plurality of sub-timelines for different categories of patient information, the interactive timeline being vertically offset from each other and aligned in time, the plurality of sub-timelines representing the beginning or end of a time period associated with medical information; A sub-timeline of, a treatment sub-timeline containing any markers related to treatment information, a diagnosis or progression sub-timeline containing any markers related to diagnosis or disease or disorder progression information, disease or disorder biomarker test results. A biomarker sub-timeline containing any marker associated with the information, a disease or disorder sub-timeline containing any marker associated with the disease or disorder information that does not fall into any other category, and a disease or disorder sub-timeline that contains any marker associated with the disease or disorder information that does not fall into any other category. displaying, comprising one or more of the patient sub-timelines including any markers;
Receiving user input for selecting a marker; and
and displaying detailed medical information associated with the marker in a window of the interactive timeline.
KR1020247004016A 2021-07-14 2022-07-13 Systems and methods for providing accurate patient data responsive to progression milestones to provide treatment options and outcome tracking KR20240032920A (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/375,916 US20210343420A1 (en) 2020-01-09 2021-07-14 Systems and methods for providing accurate patient data corresponding with progression milestones for providing treatment options and outcome tracking
US17/375,916 2021-07-14
PCT/US2022/037017 WO2023287920A1 (en) 2021-07-14 2022-07-13 Systems and methods for providing accurate patient data corresponding with progression milestones for providing treatment options and outcome tracking

Publications (1)

Publication Number Publication Date
KR20240032920A true KR20240032920A (en) 2024-03-12

Family

ID=84920406

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020247004016A KR20240032920A (en) 2021-07-14 2022-07-13 Systems and methods for providing accurate patient data responsive to progression milestones to provide treatment options and outcome tracking

Country Status (5)

Country Link
KR (1) KR20240032920A (en)
AU (1) AU2022311798A1 (en)
CA (1) CA3225678A1 (en)
IL (1) IL310082A (en)
WO (1) WO2023287920A1 (en)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5425793B2 (en) * 2007-10-12 2014-02-26 ペイシェンツライクミー, インコーポレイテッド Personal management and comparison of medical conditions and outcomes based on patient community profiles
US8694335B2 (en) * 2011-02-18 2014-04-08 Nuance Communications, Inc. Methods and apparatus for applying user corrections to medical fact extraction
US10783448B2 (en) * 2015-08-07 2020-09-22 Flatiron Health, Inc. Extracting facts from unstructured data
US10949395B2 (en) * 2016-03-30 2021-03-16 Salesforce.Com, Inc. Cross objects de-duplication

Also Published As

Publication number Publication date
IL310082A (en) 2024-03-01
AU2022311798A1 (en) 2024-01-25
WO2023287920A1 (en) 2023-01-19
CA3225678A1 (en) 2023-01-19
WO2023287920A9 (en) 2023-12-07

Similar Documents

Publication Publication Date Title
JP7335938B2 (en) An informatics platform for integrated clinical care
Kim et al. The evolving use of electronic health records (EHR) for research
US10867696B2 (en) Data processing systems and methods implementing improved analytics platform and networked information systems
US20200381087A1 (en) Systems and methods of clinical trial evaluation
Banerjee et al. Development and performance of the pulmonary embolism result forecast model (PERFORM) for computed tomography clinical decision support
Yuan et al. Performance of a machine learning algorithm using electronic health record data to identify and estimate survival in a longitudinal cohort of patients with lung cancer
Raja et al. A systematic review of healthcare big data
Morin et al. An artificial intelligence framework integrating longitudinal electronic health records with real-world data enables continuous pan-cancer prognostication
US20190156947A1 (en) Automated information collection and evaluation of clinical data
Ramakrishnan et al. Mining electronic health records
US11295867B2 (en) Generating and applying subject event timelines
EP3837693A1 (en) Healthcare network
Kapoor et al. Workflow applications of artificial intelligence in radiology and an overview of available tools
US20230011031A1 (en) Automatically determining a medical recommendation for a patient based on multiple medical images from multiple different medical imaging modalities
US20210343420A1 (en) Systems and methods for providing accurate patient data corresponding with progression milestones for providing treatment options and outcome tracking
Chiudinelli et al. Mining post-surgical care processes in breast cancer patients
Bjarnadóttir et al. Machine learning in healthcare: Fairness, issues, and challenges
Valero-Ramon et al. Analytical exploratory tool for healthcare professionals to monitor cancer patients’ progress
Bigus et al. Information technology for healthcare transformation
Singhal et al. Opportunities and challenges for biomarker discovery using electronic health record data
Vathy-Fogarassy et al. Multi-level process mining methodology for exploring disease-specific care processes
US20210217527A1 (en) Systems and methods for providing accurate patient data corresponding with progression milestones for providing treatment options and outcome tracking
KR20240032920A (en) Systems and methods for providing accurate patient data responsive to progression milestones to provide treatment options and outcome tracking
Lu et al. Modelling of cancer patient records: a structured approach to data mining and visual analytics
Delanerolle et al. A perspective: use of machine learning models to predict the risk of multimorbidity