RU2019112163A - Системы и способы интеллектуального анализа медицинских данных - Google Patents
Системы и способы интеллектуального анализа медицинских данных Download PDFInfo
- Publication number
- RU2019112163A RU2019112163A RU2019112163A RU2019112163A RU2019112163A RU 2019112163 A RU2019112163 A RU 2019112163A RU 2019112163 A RU2019112163 A RU 2019112163A RU 2019112163 A RU2019112163 A RU 2019112163A RU 2019112163 A RU2019112163 A RU 2019112163A
- Authority
- RU
- Russia
- Prior art keywords
- patient
- digital
- clinical
- parameters
- pri
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 20
- 238000004458 analytical method Methods 0.000 title claims 6
- 238000012360 testing method Methods 0.000 claims 14
- 230000000875 corresponding effect Effects 0.000 claims 12
- 229940079593 drug Drugs 0.000 claims 4
- 239000003814 drug Substances 0.000 claims 4
- 238000005259 measurement Methods 0.000 claims 3
- 230000007170 pathology Effects 0.000 claims 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims 2
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 claims 2
- 230000001154 acute effect Effects 0.000 claims 2
- 230000001684 chronic effect Effects 0.000 claims 2
- 238000013500 data storage Methods 0.000 claims 2
- 201000010099 disease Diseases 0.000 claims 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 2
- 238000002483 medication Methods 0.000 claims 2
- 230000000391 smoking effect Effects 0.000 claims 2
- 230000004083 survival effect Effects 0.000 claims 2
- 206010007559 Cardiac failure congestive Diseases 0.000 claims 1
- 206010019280 Heart failures Diseases 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 claims 1
- 208000005228 Pericardial Effusion Diseases 0.000 claims 1
- 206010036790 Productive cough Diseases 0.000 claims 1
- 206010040047 Sepsis Diseases 0.000 claims 1
- 239000002253 acid Substances 0.000 claims 1
- 230000000996 additive effect Effects 0.000 claims 1
- 210000004381 amniotic fluid Anatomy 0.000 claims 1
- 239000012491 analyte Substances 0.000 claims 1
- 210000001742 aqueous humor Anatomy 0.000 claims 1
- 210000000941 bile Anatomy 0.000 claims 1
- 210000004369 blood Anatomy 0.000 claims 1
- 239000008280 blood Substances 0.000 claims 1
- 210000001124 body fluid Anatomy 0.000 claims 1
- 239000010839 body fluid Substances 0.000 claims 1
- 201000011510 cancer Diseases 0.000 claims 1
- 230000000747 cardiac effect Effects 0.000 claims 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 claims 1
- 210000003756 cervix mucus Anatomy 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 claims 1
- 206010012601 diabetes mellitus Diseases 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 230000002357 endometrial effect Effects 0.000 claims 1
- 210000003734 kidney Anatomy 0.000 claims 1
- 208000017169 kidney disease Diseases 0.000 claims 1
- 208000019423 liver disease Diseases 0.000 claims 1
- 210000002751 lymph Anatomy 0.000 claims 1
- 210000003097 mucus Anatomy 0.000 claims 1
- 210000000056 organ Anatomy 0.000 claims 1
- 210000004912 pericardial fluid Anatomy 0.000 claims 1
- 210000004910 pleural fluid Anatomy 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 210000002307 prostate Anatomy 0.000 claims 1
- 210000004915 pus Anatomy 0.000 claims 1
- 230000036387 respiratory rate Effects 0.000 claims 1
- 210000003296 saliva Anatomy 0.000 claims 1
- 210000000582 semen Anatomy 0.000 claims 1
- 210000003802 sputum Anatomy 0.000 claims 1
- 208000024794 sputum Diseases 0.000 claims 1
- 210000002784 stomach Anatomy 0.000 claims 1
- 210000004243 sweat Anatomy 0.000 claims 1
- 210000001179 synovial fluid Anatomy 0.000 claims 1
- 210000001138 tear Anatomy 0.000 claims 1
- 210000002700 urine Anatomy 0.000 claims 1
- 206010046901 vaginal discharge Diseases 0.000 claims 1
- 238000007794 visualization technique Methods 0.000 claims 1
- 210000004127 vitreous body Anatomy 0.000 claims 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Child & Adolescent Psychology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Claims (34)
1. Реализуемый компьютером способ создания персонализированного референтного интервала (PRI), предусматривающий:
2. Способ по п. 1, предусматривающий, что других пациентов из подмножества обозначают как здоровых и нормальных, и причем PRI обозначает здоровое и нормальное значение соответствующего анализируемого параметра для здоровых и нормальных пациентов, имеющих цифровые профили, коррелирующие с цифровым профилем пациента.
3. Способ по п. 1, предусматривающий, что параметры данных истории болезни указывают по меньшей мере на одну медицинскую патологию.
4. Способ по п. 1, предусматривающий, что PRI вычисляют с учетом противоречащих эффектов демографии и/или истории болезни, оказывающих влияние на соответствующий анализируемый параметр.
5. Способ по п. 1, предусматривающий, что PRI вычисляют с учетом аддитивных эффектов демографии и/или истории болезни, оказывающих влияние на соответствующий анализируемый параметр.
6. Способ по п. 1, предусматривающий, что данные истории болезни включают по меньшей мере один элемент, выбранный из группы, состоящей из анамнеза перенесенных заболеваний, сопутствующей патологии, хронических медицинских состояний, перенесенных хирургических операций, принимаемых в настоящее время лекарственных препаратов, статуса в отношении курения, статуса в отношении употребления алкоголя, статуса в отношении употребления наркотиков, острых медицинских состояний, семейного анамнеза и генетической предрасположенности.
7. Способ по п. 1, предусматривающий, что анализируемый параметр получают в результате измерения из жидкости организма, выбранной из группы, состоящей из крови, мочи, спинномозговой жидкости, плевральной жидкости, околоплодных вод, внутриглазной жидкости, стекловидного тела, желчи, желудочной кислоты, лимфы, слизи, перикардиальной жидкости, гноя, слюны, спермы, выделений из влагалища, мокроты, синовиальной жидкости, слез и пота.
8. Способ по п. 1, предусматривающий, что анализируемый параметр представляет собой по меньшей мере одно из следующего: результата анатомического измерения тела, выполненного непосредственно или с помощью способов визуализации, и результата измерения функции органа.
9. Способ по п. 8, предусматривающий, что анализируемый параметр выбран из группы, состоящей из индекса массы тела (BMI), сердечного выброса, частоты дыхания, толщины эндометрия, размера аппендикса, размера почки и объема предстательной железы.
10. Способ по п. 1, предусматривающий, что цифровые профили подмножества включают по меньшей мере одно из дожития соответствующего пациента и времени до возникновения конкретного клинического результата для соответствующего пациента и дополнительно предусматривающий вычисление риска конкретного результата для пациента по результатам анализа значения по меньшей мере одного анализируемого параметра с учетом PRI.
11. Способ по п. 10, предусматривающий, что конкретный результат является по меньшей мере одним из получаемых от пользователя с помощью графического пользовательского интерфейса (GUI) и определенного для каждого из перечня множества предварительно заданных результатов.
12. Способ по п. 1, дополнительно предусматривающий:
13. Способ по п. 12, предусматривающий, что цифровые профили подмножества включают по меньшей мере одно из дожития соответствующего пациента и времени до возникновения конкретного клинического результата для соответствующего пациента, и причем выявление клинической значимости или клинической незначимости тенденции основано на вычислении риска конкретного результата для пациента на основе тенденции.
14. Способ по п. 12, дополнительно предусматривающий выявление клинической значимости или клинической незначимости тенденции на основе результатов анализа корреляции между тенденцией и распределением значений, соответствующих тенденции у цифровых профилей подмножества.
15. Способ по п. 1, дополнительно предусматривающий сохранение полученного клинического результата пациента и цифрового профиля пациента в наборе данных.
16. Способ анализа клинических связей посредством навигации по набору медицинских данных других пациентов, предусматривающий:
управление набором данных, хранящим множество цифровых профилей пациентов, при этом каждый цифровой профиль каждого пациента из набора данных связан с измеренным значением для каждого из множества анализируемых параметров, полученных во время клинического тестирования соответствующего пациента, множеством демографических параметров для каждого соответствующего пациента и по меньшей мере одним из дожития соответствующего пациента и времени до возникновения конкретного клинического результата для соответствующего пациента;
получение от графического пользовательского интерфейса (GUI), исходя из сделанного пользователем ввода, конкретного анализируемого параметра из множества анализируемых параметров, хранящихся в наборе данных;
получение от GUI, исходя из сделанного пользователем ввода, по меньшей мере одного критерия для значения по меньшей мере для одного из множества демографических параметров пациентов из набора данных, обозначающего заданный контингент;
получение от GUI, исходя из сделанного пользователем ввода, конкретного результата;
выявление подмножества из множества цифровых профилей из набора данных, соответствующего заданному контингенту;
посыл команды визуализировать GUI, на котором представлены связи между значениями конкретного анализируемого параметра и конкретным результатом для заданного контингента в соответствии с цифровыми профилями подмножества.
17. Способ по п. 16, предусматривающий, что конкретный результат включает элемент, выбранный из группы, состоящей из риска развития ракового заболевания через предопределенный период времени в будущем, риска развития застойной сердечной недостаточности через предопределенный период времени в будущем, риска развития сахарного диабета через период времени в будущем, риска развития заболевания печени через предопределенный период времени в будущем, риска развития заболевания почек через предопределенный период времени в будущем, риска развития сепсиса через предопределенный период времени в будущем и риска повторной госпитализации через предопределенный период времени в будущем, риска общей смертности через предопределенный период времени в будущем и критерия для значения по меньшей мере для одного анализируемого параметра через предопределенный период времени в будущем.
18. Способ по п. 16, предусматривающий, что каждый из множества цифровых профилей из набора данных включает значение для каждого из множества параметров данных истории болезни;
дополнительно предусматривает получение от GUI, исходя из сделанного пользователем ввода, определенного по меньшей мере одного из множества параметров данных истории болезни; и
причем данное подмножество выявляют в соответствии с определенным по меньшей мере одним из множества параметров данных истории болезни.
19. Способ по п. 18, предусматривающий, что данные истории болезни включают по меньшей мере один элемент, выбранный из группы, состоящей из анамнеза перенесенных заболеваний, сопутствующей патологии, хронических медицинских состояний, перенесенных хирургических операций, принимаемых в настоящее время лекарственных препаратов, статуса в отношении курения, статуса в отношении употребления алкоголя, статуса в отношении употребления наркотиков, острых медицинских состояний, семейного анамнеза и генетической предрасположенности.
20. Система создания персонализированного референтного интервала (PRI), включающая:
код для приема цифрового профиля пациента, включающего по меньшей мере один демографический параметр и связанное с ним значение и параметры данных истории болезни и связанные с ними значения, и для приема результата клинического теста пациента, причем результат клинического теста включает измеренное значение по меньшей мере одного анализируемого параметра;
код для выявления подмножества из набора данных на основе корреляции согласно критерию сходства между по меньшей мере одним из множества демографических параметров цифрового профиля пациента и по меньшей мере одним из множества демографических параметров цифровых профилей других пациентов и на основе корреляции согласно критерию сходства между историей болезни из цифрового профиля пациента и историей болезни других пациентов; и для вычисления персонализированного референтного интервала (PRI) для каждого соответствующего по меньшей мере одного анализируемого параметра результата клинического теста пациента по результатам анализа соответствующих значений по меньшей мере одного анализируемого параметра из данного подмножества, причем PRI вычисляют динамически с помощью наиболее обновленной версии набора данных; и
код для создания инструкций для лечения пациента, при этом инструкции включают PRI для каждого из по меньшей мере одного анализируемого параметра результата клинического теста пациента.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662400651P | 2016-09-28 | 2016-09-28 | |
| US62/400,651 | 2016-09-28 | ||
| PCT/IL2017/051086 WO2018060996A1 (en) | 2016-09-28 | 2017-09-27 | Systems and methods for mining of medical data |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2019112163A true RU2019112163A (ru) | 2020-10-29 |
Family
ID=61762576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019112163A RU2019112163A (ru) | 2016-09-28 | 2017-09-27 | Системы и способы интеллектуального анализа медицинских данных |
Country Status (12)
| Country | Link |
|---|---|
| US (1) | US11404166B2 (ru) |
| EP (1) | EP3520005A4 (ru) |
| JP (1) | JP2019534506A (ru) |
| KR (1) | KR20190062461A (ru) |
| CN (1) | CN110024044A (ru) |
| AU (1) | AU2017335721A1 (ru) |
| BR (1) | BR112019006004A2 (ru) |
| CA (1) | CA3037837A1 (ru) |
| IL (1) | IL265683A (ru) |
| MX (1) | MX2019003580A (ru) |
| RU (1) | RU2019112163A (ru) |
| WO (1) | WO2018060996A1 (ru) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2017335721A1 (en) | 2016-09-28 | 2019-05-23 | Medial Research Ltd. | Systems and methods for mining of medical data |
| US11350887B2 (en) | 2019-08-07 | 2022-06-07 | Fresenius Medical Care Holdings, Inc. | Systems and methods for detection of potential health issues |
| JP2021043631A (ja) * | 2019-09-10 | 2021-03-18 | 富士ゼロックス株式会社 | 状態推定装置及び状態推定プログラム |
| CN110880362B (zh) * | 2019-11-12 | 2022-10-11 | 南京航空航天大学 | 一种大规模医疗数据知识挖掘与治疗方案推荐系统 |
| CN111128320B (zh) * | 2019-11-19 | 2023-08-01 | 四川好医生云医疗科技有限公司 | 基于检验结果确定医学标签的系统及人工智能方法 |
| CN115297781A (zh) * | 2020-02-26 | 2022-11-04 | 布莱特临床研究有限公司 | 对正在运行中的临床试验进行动态监测和指导的雷达系统 |
| CN111243753B (zh) * | 2020-02-27 | 2024-04-02 | 西安交通大学 | 一种面向医疗数据的多因素相关性交互式分析方法 |
| CN111768213B (zh) * | 2020-09-03 | 2021-02-19 | 耀方信息技术(上海)有限公司 | 一种用户标签权重评估方法 |
| TR202016430A1 (tr) * | 2020-10-14 | 2022-04-21 | Acibadem Mehmet Ali Aydinlar Ueniversitesi | Tibbi̇ laboratuvar testleri̇ni̇n ki̇şi̇ye özgü referans araliğinin beli̇rlenmesi̇nde kullanilan bi̇r yöntem |
| KR102510347B1 (ko) * | 2021-02-10 | 2023-03-20 | 고려대학교 산학협력단 | 위암 수술 이후 제2형 당뇨병 예후의 예측 방법 |
| CN113160976A (zh) * | 2021-04-29 | 2021-07-23 | 上海商汤智能科技有限公司 | 基于SaaS服务的医疗数据处理方法、装置及电子设备 |
| WO2023014313A1 (en) * | 2021-08-02 | 2023-02-09 | Acibadem Mehmet Ali Aydinlar Universitesi | A method used for determining personal reference range of medical laboratory tests |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07296089A (ja) * | 1994-04-28 | 1995-11-10 | Fujitsu Ltd | 医療システムにおける検査データの管理，処理，表示方法，及び装置 |
| FR2794961B1 (fr) * | 1999-06-16 | 2001-09-21 | Global Link Finance | Procede de determination du decalage temporel entre les instants de passage d'une meme onde de pouls en deux points de mesure distincts d'un reseau arteriel d'un etre vivant et d'estimation de sa pression aortique |
| JP2002024401A (ja) | 2000-07-06 | 2002-01-25 | Takeda Chem Ind Ltd | 疾病の治療および予防の指導・支援システム |
| US20030018633A1 (en) * | 2001-03-30 | 2003-01-23 | University Of Cincinnati | Robust reference interval estimator |
| CA2553290A1 (en) * | 2004-01-20 | 2005-09-01 | Cedars-Sinai Medical Center | Pattern recognition of serum proteins for the diagnosis or treatment of physiologic conditions |
| US20090088981A1 (en) * | 2007-04-26 | 2009-04-02 | Neville Thomas B | Methods And Systems Of Dynamic Screening Of Disease |
| US9639667B2 (en) | 2007-05-21 | 2017-05-02 | Albany Medical College | Performing data analysis on clinical data |
| EP2210226A4 (en) | 2007-10-12 | 2013-11-06 | Patientslikeme Inc | SELF-IMPROVED METHOD OF USING ONLINE COMMUNITIES TO PREDICT CLINICAL RESULTS |
| JP2009193148A (ja) * | 2008-02-12 | 2009-08-27 | A & T Corp | 医療情報処理方法、医療情報処理プログラム、および医療情報処理装置 |
| US20090318775A1 (en) * | 2008-03-26 | 2009-12-24 | Seth Michelson | Methods and systems for assessing clinical outcomes |
| US8694333B2 (en) | 2011-04-14 | 2014-04-08 | International Business Machines Corporation | Cohort driven medical diagnostic tool |
| US20140006039A1 (en) * | 2012-06-27 | 2014-01-02 | Xerox Business Services. LLC | Health Care Index |
| WO2014006862A1 (ja) * | 2012-07-05 | 2014-01-09 | パナソニック株式会社 | 生活習慣病改善支援システム、生活習慣病改善支援方法、生活習慣病改善支援用コンピュータプログラム、及び、生活習慣病改善支援用コンピュータプログラムを格納したコンピュータ読み取り可能な記録媒体 |
| JP5844247B2 (ja) * | 2012-11-30 | 2016-01-13 | 富士フイルム株式会社 | 検査結果表示装置及びその作動方法、並びにプログラム |
| EP2929500A4 (en) * | 2012-12-07 | 2016-09-28 | Drdi Holdings Inc | INTEGRATED HEALTH CARE SYSTEMS AND METHODS |
| EP2959414B1 (en) * | 2013-02-19 | 2021-08-18 | Laboratory Corporation of America Holdings | Methods for indirect determination of reference intervals |
| WO2015179861A1 (en) * | 2014-05-23 | 2015-11-26 | Neumitra Inc. | Operating system with color-based health state themes |
| AU2017335721A1 (en) | 2016-09-28 | 2019-05-23 | Medial Research Ltd. | Systems and methods for mining of medical data |
-
2017
- 2017-09-27 AU AU2017335721A patent/AU2017335721A1/en not_active Abandoned
- 2017-09-27 JP JP2019516444A patent/JP2019534506A/ja active Pending
- 2017-09-27 MX MX2019003580A patent/MX2019003580A/es unknown
- 2017-09-27 BR BR112019006004A patent/BR112019006004A2/pt not_active Application Discontinuation
- 2017-09-27 RU RU2019112163A patent/RU2019112163A/ru not_active Application Discontinuation
- 2017-09-27 CA CA3037837A patent/CA3037837A1/en not_active Abandoned
- 2017-09-27 KR KR1020197011627A patent/KR20190062461A/ko unknown
- 2017-09-27 US US16/336,133 patent/US11404166B2/en active Active
- 2017-09-27 WO PCT/IL2017/051086 patent/WO2018060996A1/en unknown
- 2017-09-27 EP EP17855162.8A patent/EP3520005A4/en not_active Ceased
- 2017-09-27 CN CN201780072747.XA patent/CN110024044A/zh active Pending
-
2019
- 2019-03-27 IL IL265683A patent/IL265683A/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CN110024044A (zh) | 2019-07-16 |
| EP3520005A4 (en) | 2020-06-17 |
| JP2019534506A (ja) | 2019-11-28 |
| AU2017335721A1 (en) | 2019-05-23 |
| MX2019003580A (es) | 2019-08-01 |
| EP3520005A1 (en) | 2019-08-07 |
| US20190214147A1 (en) | 2019-07-11 |
| IL265683A (en) | 2019-05-30 |
| US11404166B2 (en) | 2022-08-02 |
| WO2018060996A1 (en) | 2018-04-05 |
| CA3037837A1 (en) | 2018-04-05 |
| BR112019006004A2 (pt) | 2019-07-02 |
| KR20190062461A (ko) | 2019-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2019112163A (ru) | Системы и способы интеллектуального анализа медицинских данных | |
| US11715565B2 (en) | Evaluating effect of event on condition using propensity scoring | |
| Vincent et al. | Ten reasons why we should NOT use severity scores as entry criteria for clinical trials or in our treatment decisions | |
| US20160203280A1 (en) | Methods and systems of delivering a probability of a medical condition | |
| JP2020537232A (ja) | 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 | |
| RU2707720C2 (ru) | Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии | |
| Esmaeilzadeh et al. | A combined echocardiography approach for the diagnosis of cancer therapy–related cardiac dysfunction in women with early-stage breast cancer | |
| CN111279425A (zh) | 预测医疗治疗效果的系统和方法 | |
| JP2023529647A (ja) | 急性呼吸窮迫症候群（ａｒｄｓ）のサブタイピングのための電子健康記録（ｅｈｒ）ベースの分類器 | |
| JP2023548253A (ja) | 医学検査値分析を実行するためのコンピュータ実装された方法、及び、装置 | |
| CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
| US20100049546A1 (en) | Methods and systems for integrated health systems | |
| CN113257436A (zh) | 一种帕金森病治疗的药物治疗管理方法和系统 | |
| Pokala et al. | Analysis and Comparison for Prediction of Diabetic among Pregnant Women using Innovative Support Vector Machine Algorithm over Random Forest Algorithm with Improved Accuracy | |
| CN116364268B (zh) | 一种新型基于惩罚cox回归的乳腺癌预测方法 | |
| CN116543867A (zh) | 基于预测模型指导t2dm患者mtm模式的方法及装置 | |
| van Houwelingen et al. | Cox regression model | |
| WO2016057679A1 (en) | Personalized antibiotic dosing platform | |
| WO2015173917A1 (ja) | 分析システム | |
| Gao et al. | Semiparametric regression analysis of interval-censored data with informative dropout | |
| Zhou et al. | Accuracy of clinicians’ prediction of survival and prognostic factors indicative of survival: a systematic review | |
| US20100235181A1 (en) | Methods for making complex therapeutic clinical decisions | |
| US20220277839A1 (en) | Model to dynamically predict patient's discharge readiness in general ward | |
| Bragg-Gresham et al. | Developing a Prediction Model for Incidence of Newly Detected CKD Among US Veterans, 2009-2018: PO2342 | |
| Chiotos et al. | A Wrinkle in Time to Antibiotics in Sepsis: When Should ONE Hour Be the Goal? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FA93 | Acknowledgement of application withdrawn (no request for examination) |
Effective date: 20200928 |