RU2707720C2 - Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии - Google Patents

Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии Download PDF

Info

Publication number
RU2707720C2
RU2707720C2 RU2017138866A RU2017138866A RU2707720C2 RU 2707720 C2 RU2707720 C2 RU 2707720C2 RU 2017138866 A RU2017138866 A RU 2017138866A RU 2017138866 A RU2017138866 A RU 2017138866A RU 2707720 C2 RU2707720 C2 RU 2707720C2
Authority
RU
Russia
Prior art keywords
risk
level
laboratory
test results
results
Prior art date
Application number
RU2017138866A
Other languages
English (en)
Other versions
RU2017138866A (ru
RU2017138866A3 (ru
Inventor
Костянтин ВОЛЯНСКИЙ
Миньнань СЮЙ
Ларри Джеймс ЭШЕЛЬМАН
Original Assignee
Конинклейке Филипс Н.В.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2017138866A publication Critical patent/RU2017138866A/ru
Publication of RU2017138866A3 publication Critical patent/RU2017138866A3/ru
Application granted granted Critical
Publication of RU2707720C2 publication Critical patent/RU2707720C2/ru

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/0092—Scheduling
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/0092—Scheduling
    • G01N2035/0094—Scheduling optimisation; experiment design

Landscapes

  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Изобретение относится к медицине. Технический результат заключается в расширении арсенала средств. В системе для оценки уровня риска множества клинических состояний сохраняют группу результатов лабораторных исследований с временными метками для пациента. Для каждого клинического состояния определяют уровень риска клинического состояния на основании специфической для клинического состояния подгруппы из сохраненной группы результатов лабораторных исследований, при условии, что сохраненная специфическая для клинического состояния подгруппа результатов лабораторных исследований достаточна для определения уровня риска. Каждому определенному уровню риска присваивают временную метку на основании временных меток для результатов лабораторных исследований. На устройстве отображения отображают определенный уровень риска и присвоенную временную метку для каждого клинического состояния, определенный уровень риска которого соответствует критерию отображения. 4 н. и 16 з.п. ф-лы, 5 ил.

Description

Настоящее изобретение в целом относится к лечению критических состояний, медицинскому лабораторному тестированию и к смежным областям техники.
УРОВЕНЬ ТЕХНИКИ
Лабораторные исследования выполняют на пробах тканей (например, крови, мочи и т.д.) для получения клинически полезных результатов, таких как содержание газов в крови (РаО2, PaCO2 и т.д.), полный анализ состава крови (лейкоцитов, эритроцитов, гемоглобина, гематокрита, тромбоцитов и т.д.), значения измерения различных электролитов, креатинина, изоферментов киназ и т.д. В отделении интенсивной терапии у пациента через определенные промежутки времени берут пробы крови, которые исследуют, и результаты исследований записывают в медицинскую карту пациента. В последнее время предпринимаются попытки стандартизации записи и передачи электронных данных, например, с использованием аккредитированного ANSI стандарта обмена HL7®, в результате чего такие данные могут быть автоматически записаны в персональной электронной карте здоровья пациента или электронной карте медицинской организации (ПЭКЗ/ЭКЗ) и электронным путем переданы врачу, медицинской сестре или другим уполномоченным лицам или организациям (в соответствии с Законом о праве сохранения и защите данных медицинского страхования (HIPAA) или другими применимыми стандартами защиты персональных данных).
Однако указанные усовершенствования в области записи и обмена данными не привели в полной мере к более эффективному использованию лабораторных исследований для мониторинга/лечения пациентов, и по-прежнему существует множество ограничений. Врачи склонны рассматривать результаты отдельных лабораторных исследований без привязки к другим данным, и многие не способны распознать клинически доказательные закономерности в результатах разнообразных лабораторных исследований, в особенности в случаях, если клинически доказательная закономерность указывает на клиническое состояние, не относящееся к области специализации врача. Указанную тенденцию усугубляет разобщенная сущность лабораторных исследований: врач обычно получает доступ к результатам различных лабораторных исследований, даже в случае записи и распределения электронным путем, в разные моменты времени вследствие разрозненного/ частично ручного характера сбора и обработки проб. Врач оказывает помощь множеству пациентов, а лабораторные исследования обычно передают на исполнение сторонней испытательной лаборатории, которая в некоторых случаях может быть размещена вне медицинского учреждения (например, сторонняя лаборатория, работающая на контрактной основе). Подобные факторы могут осложнять сопоставление врачом результатов различных лабораторных исследований и получение полезной общей картины закономерностей. Кроме того, в случае определения закономерности, основанной на результатах лабораторных исследований, полученных в течение длительного временного периода, значимое датирование медицинского заключения, полученного на основании указанной закономерности, может быть затруднено.
В нижеприведенном описании раскрыты новые и усовершенствованные системы и способы, позволяющие решить вышеуказанные и другие проблемы.
РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ
Согласно одному из аспектов настоящего изобретения раскрыт компьютер, запрограммированный для выполнения способа оценки уровня риска для множества клинических состояний нижеприведенным образом. Группу результатов лабораторных исследований с временными метками, содержащую по меньшей мере один результат гематологического исследования и по меньшей мере один результат исследования газов артериальной крови (ГАК), сохраняют на некратковременном носителе для хранения данных. Для каждого клинического состояния определяют уровень риска для клинического состояния на основании специфической для клинического состояния подгруппы из сохраненной группы результатов лабораторных исследований. Указанное определение выполняют при условии, что сохраненная специфическая для клинического состояния подгруппа результатов лабораторных исследований достаточна для определения уровня риска. Каждому определенному уровню риска присваивают временную метку на основании временных меток результатов лабораторных исследований специфической для клинического состояния подгруппы результатов лабораторных исследований. Для вызова отображения определенного уровня риска и присвоенной временной метки для каждого клинического состояния, определенный уровень риска которого соответствует критерию отображения, используют устройство отображения.
Согласно другому аспекту настоящего изобретения раскрыт некратковременный носитель для хранения данных, на котором сохранены инструкции, читаемые и выполнимые электронным устройством обработки данных для выполнения способа оценки уровня риска для множества клинических состояний. Способ оценки уровня риска включает следующие операции. Для каждого клинического состояния определяют, сохранены ли достаточные результаты лабораторных исследований в структуре данных результатов лабораторных исследований, для выполнения оценки уровня риска для указанного клинического состояния. В случае если достаточные результаты лабораторных исследований доступны, определяют уровень риска для указанного клинического состояния на основании специфической для клинического состояния подгруппы из группы результатов лабораторных исследований, и определенному уровню риска присваивают временную метку на основании временных меток для результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований. Для вызова отображения определенных уровней риска клинических состояний, уровень риска которых соответствует критерию отображения, а также для отображения присвоенной временной метки для каждого отображенного уровня риска, используют устройство отображения.
Согласно другому аспекту настоящего изобретения раскрыт способ, включающий:
сохранение группы результатов лабораторных исследований, содержащей по меньшей мере один результат гематологического исследования и по меньшей мере один результат исследования газов артериальной крови (ГАК), посредством компьютерочитаемого некратковременного носителя для хранения данных;
определение уровня риска для клинического состояния на основании специфической для клинического состояния подгруппы из группы результатов лабораторных исследований;
присвоение определенному уровню риска временной метки на основании временных меток для результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований и
отображение на устройстве отображения определенного уровня риска и присвоенной временной метки.
Одно из преимуществ настоящего изобретения заключается в обеспечении автоматизированного обнаружения клинически доказательных закономерностей в разнообразных результатах лабораторных исследований.
Другое преимущество заключается в обеспечении автоматизированного присвоения временных меток для клинически доказательной закономерности результатов лабораторных исследований.
Еще одно преимущество заключается в обеспечении автоматизированных идентификации и оповещения о количественных показателях риска для различных клинических состояний на основании комбинаций результатов лабораторных исследований.
Еще одно преимущество заключается в обеспечении указаний, касающихся планирования лабораторных исследований для обеспечения получения синергической информации о пациенте.
Любой конкретный вариант реализации может обеспечивать одно, два, более двух, все или ни одного из настоящих преимуществ, и/или может обеспечивать другие преимущества, очевидные специалисту при прочтении и понимании настоящего описания.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Настоящее изобретение может быть реализовано посредством различных компонентов и конфигураций компонентов, а также посредством различных этапов и последовательностей этапов. Настоящие чертежи приведены исключительно в целях иллюстрации предпочтительных вариантов реализации и не предназначены для ограничения настоящего изобретения.
На фиг. 1 схематично показана система для автоматизированной идентификации и оповещения о количественных показателях риска различных клинических состояний на основании комбинаций результатов лабораторных исследований.
На фиг. 2 схематично показан процесс обработки, надлежащим образом выполняемый одним из механизмов вывода риска клинического состояния системы по фиг. 1.
На фиг. 3 и 4 схематично показаны два примерных подхода к присвоению временной метки риску клинического состояния, оцененному на основании четырех результатов лабораторных исследований, соответственно обозначенных "T1", "Т2", "Т3" и "Т4".
На фиг. 5 схематично показан подходящий вариант реализации компонента оповещения о риске системы по фиг. 1.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
Со ссылкой на фиг. 1 раскрыта система для автоматизированной идентификации и оповещения о количественных показателях риска, касающихся различных клинических состояний, на основании комбинаций результатов лабораторных исследований. Система содержит три основных компонента: блок 8 сбора данных, анализатор 10 данных и компонент 12 оповещения о риске. Указанные компоненты 8, 10, 12 надлежащим образом реализованы в примерном компьютере-сервере 14 или в другом электронном устройстве обработки данных (например, в стационарном компьютере, электронном устройстве-мониторе пациента и т.п., или в различных совокупностях устройств, например, в облачной вычислительной сети, кластере серверов и т.п.). Также следует понимать, что раскрытые подходы к автоматической идентификации и оповещении о количественных показателях риска, касающихся различных клинических состояний, на основании комбинаций результатов лабораторных исследований могут также быть реализованы в виде некратковременного носителя для хранения данных, на котором сохранены инструкции, читаемые и исполняемые компьютером 14 или другим электронным устройством обработки данных, для выполнения раскрытых способов. Например, некратковременный носитель для хранения данных может, например, содержать: жесткий диск или другой магнитный носитель данных; оптический диск или другой оптический носитель данных; флэш-память или другой электронный носитель данных; различные комбинации указанных носителей данных и т.п.
Блок 8 сбора данных функционально связан с различными источниками данных, такими как различные медицинские лаборатории, схематично обозначенные на фиг. 1 в виде примерной гематологической лаборатории 20, примерной гистопатологической лаборатории 22 и примерной лаборатории 24 исследования газов артериальной крови (ГАК). Гематологическая лаборатория 20 обеспечивает получение результатов таких лабораторных исследований, как группа общего анализа крови (лейкоцитов, эритроцитов, гемоглобина, гематокрита, тромбоцитов и т.д.) или ее части, согласно запросу врача пациента, и показатели сыворотки крови, такие как значения измерения различных электролитов, креатинина, изоферментов киназ, альбумина, билирубина, аммиака, щелочной фосфатазы, молочной кислоты, глюкозы, холестерина, железа и т.д., в крови пациента. Гистопатологическая лаборатория 22 осуществляет микроскопическое исследование взятых проб ткани согласно запросу врача. ГАК-лаборатория 24 осуществляет измерение различных уровней газов крови (PaO2, PaCO2, рН, НСО3 и т.д.) в пробе артериальной крови. Следует понимать, что результаты лабораторных исследований в блок 8 сбора данных могут передавать меньшее число лабораторий, дополнительные лаборатории и/или другие лаборатории; кроме того, приведенные в качестве примера лаборатории могут быть различным образом совмещены; например, гематологическая лаборатория может также выполнять анализ ГАК. Блок 8 сбора данных также функционально связан с персональной электронной картой здоровья пациента или электронной картой медицинской организации (ПЭКЗ/ЭКЗ) 26 или с другим источником данных о пациенте для получения данных о пациенте, таких как демографические данные (возраст, пол, расовая принадлежность и т.д.), хронические состояния, такие как заболевание сердечно-сосудистой системы или хроническая обструктивная болезнь легких (ХОБЛ) или другая информация анамнеза (например, информация о недавних хирургических вмешательствах), привычки пациента (курящий или некурящий и т.д.), текущие курсы приема лекарственных средств или т.п. Данные результатов лабораторных исследований и данные о пациентах могут быть доставлены в блок 8 сбора данных автоматически, например, посредством электронной сети записи и передачи данных о пациентах с использованием аккредитированного ANSI стандарта обмена HL7®, предоставленной больницей или другим медицинским учреждением, и, при необходимости, также связанной с работающими по контракту с больницей лабораториями, если таковые имеются. В другом варианте или дополнительно, некоторые или все результаты лабораторных исследований и/или некоторые или все данные о пациентах могут быть введены вручную посредством электронного терминала ввода данных или компьютера 28.
Каждый из результатов лабораторных исследований, собранных блоком 8 сбора данных, надлежащим образом снабжается временной меткой, обычно с использованием временной метки, присвоенной результату исследования лабораторией 20, 22, 24, выполнившей лабораторное исследование. Например, временная метка для результата лабораторного исследования, проведенного на взятой пробе крови или ткани, может соответствующим образом представлять собой дату/ время взятия пробы крови или ткани. В настоящем описании термин "временная метка" охватывает любое выбранное временное обозначение; например, временная метка может содержать календарную дату результата исследования или может, в частности, (т.е. с большим разрешением по времени) содержать календарную дату и время суток результата исследования (с различными необязательными показателями, т.е. с использованием разрешения до секунды или без него и/или с учетом часового пояса или т.п.). Данным о пациенте также может быть надлежащим образом присвоена временная метка.
Анализатор 10 данных осуществляет анализ, такой как обнаружение доказательной закономерности, результатов лабораторного исследования в свете любых значимых данных о пациенте. С этой целью анализатор данных содержит профиль 30 пациента (также называемый в настоящем описании "профилем Р1"), представляющий собой таблицу или другую структуру данных, содержащую данные о пациенте (например, демографическую и клиническую информацию, такую как возраст, пол, анамнез, текущий диагноз, курсы приема лекарственных средств и т.п.). Анализатор данных также содержит таблицу 32 результатов лабораторных исследований пациента (также называемую в настоящем описании "профилем Р2"), представляющую собой таблицу или другую структуру данных, содержащую результаты лабораторных исследований, при необходимости отсортированные по типу исследования или по другим критериям сортирования. Профиль 30 пациента и таблица результатов лабораторных исследований пациента или другая структура 32 данных надлежащим образом сохранены с использованием некратковременного носителя 34 для хранения данных, который, например, может содержать: жесткий диск или другой магнитный носитель данных; оптический диск или другой оптический носитель данных; флэш-память или другой электронный носитель данных; различные комбинации указанных носителей данных и т.п.
Анализатор 10 данных может при необходимости выполнять некоторые процедуры анализа "для каждого из исследований" (не показано). Например, текущее значение каждого из результатов лабораторных исследований может быть сравнено с нормальным диапазоном значений для указанного результата исследования, и предварительный уровень риска может быть присвоен для клинического состояния на основании данных профиля Р1. Например., значение РаО2 может быть сравнено с нормальным диапазоном значений для РаО2, причем "нормальный диапазон значений" зависит от различных данных о пациенте, таких как возраст пациента и наличие/отсутствие у него ХОБЛ. Вкупе с текущими временными значениями в таблице 32 результатов исследования может быть записана динамическая информация, такая как изменение результата каждого из лабораторных исследований по сравнению с предыдущей серией исследований, и положительная и отрицательная динамика, определенная для заданного временного интервала.
Анализатор данных также обрабатывает результаты лабораторных исследований, сохраненные в таблице 32, для обнаружения закономерностей в результатах лабораторных исследований, которые могут указывать на наличие клинического состояния, такого как ухудшение состояния органа или системы органов или начало серьезного медицинского состояния, такого как сепсис, гипоксия или т.п. С этой целью в анализаторе 10 данных реализованы различные механизмы 40 вывода риска клинических состояний, показанные на фиг. 1 в виде механизма 401 вывода риска клинического состояния #1, механизма 402 вывода риска клинического состояния #2 и т.д. до механизма 40N вывода риска клинического состояния #N. (Количество различных механизмов вывода риска клинического состояния обозначено переменной "N" без потери общности). Каждый из механизмов 40 вывода риска может быть реализован в виде эмпирически обучаемого классификатора, систематизированного правила (или набора правил) вывода, математической модели работы органа или другого алгоритма вывода, применяемого к группе результатов лабораторных исследований (указанная группа представляет собой подгруппу результатов исследований, содержащихся в таблице 32) в совокупности с любыми значимыми данными о пациенте из таблицы 30 с присвоением уровня риска для соответствующего клинического состояния. Каждому вычисленному уровню риска присваивают соответствующую временную метку 42 на основании временных меток результатов лабораторных исследований из группы результатов лабораторных исследований, над которой работает механизм вывода риска. Таким образом, уровень риска для клинического состояния 1 содержит соответствующую временную метку 421, уровень риска для клинического состояния 2 содержит соответствующую временную метку 422 и т.д., до уровня риска клинического состояния N, содержащего соответствующую временную метку 42N.
Согласно одному из подходов, механизм 40 вывода риска клинического состояния формируют эмпирически нижеописанным образом. Различные подгруппы лабораторных значений и их динамику (например, {альбумин, бикарбонат, рН, молочная кислота, ртуть}, {креатинин, АМК, АМК/креатинин}, {глюкоза, БКК}) идентифицируют в качестве вероятных показателей клинического состояния, полученных на основании информации, полученной из медицинской литературы и/или определенных в результате консультаций с медицинскими экспертами. Указанные подгруппы результатов медицинских исследований могут быть при необходимости скомбинированы с другими возможно значимыми данными о пациенте, также основанными на медицинской литературе и/или экспертных знаниях. Полученный набор параметров образует набор признаков, на основании которых осуществляют обучение механизма вывода риска клинического состояния, который может быть выполнен, например, в виде линейной регрессионной модели с машинным обучением, логистической регрессионной модели, нейронной сети или другой модели или параметризованного алгоритма вывода. Данные для обучения получают из маркированных примеров предыдущих пациентов (положительных примеров пациентов, маркированных как обладавшие клиническим состоянием, риск которого выводят, и отрицательных примеров, маркированных как не обладавшие клиническим состоянием). Затем механизм 40 вывода риска клинического состояния обучают путем применения алгоритма композиционного обучения или другого приема машинного обучения, подходящего для обучения весовым коэффициентам или другим параметрам модели или алгоритма вывода с целью выработки оценочного значения риска на основании набора значений входных данных для параметров, в результате чего механизм 40 вывода риска клинического состояния по существу различает положительные и отрицательные примеры набора данных для обучения. Суммированную или другим способом накопленную суммарную погрешность между маркировками данных для обучения и выводом данных для обучения механизма вывода риска в ходе обучения минимизируют. При необходимости машинное обучение может также включать компонент отбора признаков (включенный в обучение или выполненный перед обучением) для идентификации и отброса признаков (т.е. лабораторных исследований), для которых эмпирически установлено их минимальное влияние на вывод риска клинического состояния, обеспеченный посредством машинного обучения, с целью обеспечения меньшей доказательной группы результатов исследований для оценки риска, выполняемой механизмом 40 вывода риска клинического состояния.
Преимущество настоящего подхода машинного обучения заключается в том, что он обеспечивает механизм обнаружения для определения и конкретизации доказательных закономерностей результатов лабораторных исследований, предназначенных для использования при оценке риска (начала) определенного клинического состояния. С другой стороны, в случае если заранее известно, что закономерность результатов лабораторных исследований указывает на определенное клиническое состояние (или его начало), например, вследствие наличия опубликованного в медицинской литературе набора правил, позволяющего врачу определить наличие или начало клинического состояния, то указанный заранее известный набор правил может быть систематизирован с целью формирования механизма вывода. В еще одном примере механизм вывода может быть выполнен посредством математической модели работы органа, надлежащим образом охарактеризованным результатами из группы лабораторных исследований. Предусмотрена возможность использования различных гибридных решений, например полуэмпирической модели работы органа, содержащей весовые коэффициенты или другие параметры, оптимизируемые путем машинного обучения.
Вывод каждого из механизмов 401-40N вывода риска клинического состояния представляет собой уровень риска для соответствующего клинического состояния 1,…, N. Указанные значения уровня риска из анализатора 10 данных вводят в компонент 12 оповещения о риске, выводящий информацию, касающуюся риска, врачу, медсестре или другому медицинскому персоналу посредством подходящего устройства пользовательского интерфейса, такого как монитор 44 пациента, беспроводное мобильное устройство 46, такое как сотовый телефон (мобильный телефон), медицинский пейджер или т.п., исполняющего программу-приложение ("приложение"), взаимодействующую с компьютером 14 (в частности, с компонентом 12 оповещения о риске) посредством сетей 3G, WiFi или другой беспроводной сети, компьютера поста медсестры и т.п. В некоторых примерных вариантах реализации, раскрытых в настоящем описании, компонент 12 оповещения о риске осуществляет ранжирование, фильтрование или другую обработку значений уровня риска, в результате чего медицинскому персоналу отправляют лишь отчеты о наиболее важном или важных рисках (при наличии таковых). При необходимости компонент 12 оповещения о риске записывает все значения риска в медицинскую карту пациента в случае, если мониторинг пациента осуществляют в базе 26 данных ПЭКЗ/ЭКЗ.
При применении любого из механизмов 401-40N вывода риска клинического состояния могут возникнуть два затруднения. Во-первых, некоторые из входных данных о пациенте для оценки риска клинического состояния могут отсутствовать по причине невыполнения (на текущий момент) лабораторного исследования или по причине "неактуальности" доступного результата исследования, т.е. результат ненадежен вследствие излишней давности его выполнения. Во-вторых, не очевидно, какая временная метка 42 должна быть присвоена выведенному уровню риска, вследствие того, что различные входные результаты лабораторных исследований снабжены различными отдельными временными метками. Последнее затруднение может приводить к неверной интерпретации уровня риска в случае, например, если врач полагает, что уровень риска является текущим в соответствии с наиболее недавним лабораторным исследованием, заказанным врачом с целью оценки клинического состояния, в то время как в действительности механизм вывода риска клинического состояния опирается на набор входных данных, также включающий результаты лабораторного исследования, значительно более старые по сравнению с указанным наиболее недавним результатом исследования.
Со ссылкой на фиг. 2 описан примерный процесс 50 вывода, надлежащим образом выполняемый анализатором 10 данных при применении одного из механизмов 40 вывода риска клинического состояния. На фиг. 2 сделана ссылка на клиническое состояние к, где условное обозначение к без потери общности относится к одному из клинических состояний 1,…N, оценку которого осуществляют посредством механизма 40k вывода риска клинического состояния, представляющего собой один из механизмов 40 вывода риска клинического состояния по фиг. 1. В ходе действия 52 из таблицы 32 результатов лабораторных исследований пациента получают входную группу результатов лабораторных исследований пациента для оценки клинического состояния к. Указанная группа результатов лабораторных исследований представляет собой подгруппу полной таблицы 32 результатов исследований и задана в ходе обучения механизма 40k вывода риска клинического состояния (или, в другом варианте, задана набором систематизированных опубликованных правил, математической моделью органа или другим источником, на основании которого выработан механизм 40k вывода риска клинического состояния). В ходе действия 54 проверяют возможное отсутствие особо важных результатов лабораторных исследований в группе результатов лабораторных исследований, считанной из таблицы 32 результатов лабораторных исследований пациента. Термин "особо важный" подразумевает, что считают, что без указанного особо важного результата лабораторного исследования механизм 40k вывода риска клинического состояния не может обеспечивать надежный результат. Некоторые результаты лабораторных исследований, несмотря на их использование механизмом 40k вывода риска клинического состояния, могут не считаться особо важными вследствие того, что они относительно слабо влияют на выходное значение уровня риска механизма 40k вывода риска клинического состояния; в подобных случаях не являющийся особо важным отсутствующий результат исследования может быть заменен на "типичное" значение по умолчанию для указанного лабораторного исследования. В некоторых случаях механизм 40k вывода риска клинического состояния может быть выполнен с возможностью работы при наличии или отсутствии не являющегося особо важным результата исследования (например, он может быть выполнен с возможностью использования значения по умолчанию в случае недоступности результата исследования или может применять другой обученный классификатор, не опирающийся на не являющийся особо важным результат исследования в случае недоступности указанного результата исследования). При проверке возможного отсутствия особо важного результата лабораторного исследования действие 54 может учитывать временную метку результата исследования, в результате чего, например, доступный, но старый (т.е. неактуальный) результат исследования считают отсутствующим вследствие ненадежности неактуального особо важного результата исследования при применении механизма 40k вывода риска клинического состояния.
В случае определения действием 54 отсутствия результата лабораторного исследования, являющегося особо важным при применении механизма 40k вывода риска клинического состояния, процесс переходит к обработчику 55 ошибок, выполняющему корректирующие действия. Указанные корректирующие действия по меньшей мере предпочтительно включают обеспечение некоторого оповещения о недоступности уровня риска для клинического состояния k. Указанное действие может быть выполнено путем установки соответствующего двоичного флага, присвоенного клиническому состоянию k, для оповещения о недоступности, и/или путем придания временной метке для уровня риска для клинического состояния #k значения наподобие для оповещения о недоступности или т.п. При необходимости обработчик 56 ошибок может также предоставлять медицинскому персоналу рекомендацию (например, отображенную на устройстве 44, 46 отображения) о необходимости проведения лабораторного исследования, обеспечивающего отсутствующий результат лабораторного исследования, для обеспечения возможности оценки риска для клинического состояния #k. В случае если исследование проведено, но результат неактуальный, отображенное сообщение может оповещать о факте неактуальности и ненадежности существующего результата исследования.
Также на фиг. 2 и на фиг. 3 и 4, показано, что в случае, если в ходе действия 54 определена доступность всех особо важных результатов лабораторных исследований, процесс переходит к действию 60, в ходе которого определяют временную метку для уровня риска, связанного с состоянием k, на основании временных меток результатов лабораторных исследований входной группы результатов исследований, извлеченных в ходе операции 52 считывания. Для выбора временной метки для уровня риска для клинического состояния k могут быть использованы различные подходы, два из которых схематично показаны на фиг. 3 и 4, соответственно. Согласно подходу, схематично показанному на фиг. 3, уровню риска присваивают временную метку, соответствующую самой старой временной метке из всех входных результатов исследований. Таким образом, на фиг. 3 механизм 40k вывода риска клинического состояния использует четыре результата лабораторных исследований, обозначенные позициями, "T1", "T2", "Т3" и "Т4", причем результаты получены (т.е. имеют временные метки) в порядке "Т3", "Т1", "Т4", "Т2", согласно фиг. 3. Согласно подходу по фиг. 3, уровню риска клинического состояния k затем присваивают временную метку, соответствующую временной метке самого старого результата лабораторного исследования, в данном случае представляющей собой временную метку для результата, "Т3" исследования.
Подход по фиг. 3 не принимает во внимание временной интервал, в пределах которого результат лабораторного исследования является надежным. Например, в случае медленного варьирования физиологического признака, измеряемого в ходе исследования, результат исследования может быть надежным в течение продолжительного периода времени после выполнения исследования; сходным образом, можно предположить, что результат исследования является представительным в течение сходного временного интервала до выполнения исследования. Напротив, в случае быстрого колебания во времени физиологического признака, измеряемого в ходе исследования, временной интервал, в течение которого результат исследования может считаться достаточно надежным, значительно короче. В примерном подходе по фиг.4 каждому из результатов исследований присваивают временной интервал, схематично показанный в виде прямоугольного отрезка, присвоенного каждому из результатов "T1", "Т2", "Т3", "Т4". Вследствие того, что примерный уровень риска для клинического состояния к опирается на комбинацию результатов "Т1", "Т2", "Т3", "Т4", совпадение или пересечение всех четырех временных интервалов результатов "Т1", "Т2", "Т3", "T4" выражено в виде "Δt"
Figure 00000001
, где W(..) - временной интервал, а
Figure 00000002
- двоичный оператор пересечения. Затем временную метку для уровня риска, вычисленного для клинического состояния #k, надлежащим образом устанавливают на момент наиболее недавнего конца временного интервала Δt совпадения. Следует отметить, что в случае, если все временные интервалы доходят до текущего момента, то временная метка для уровня риска может быть установлена на настоящее время, что указывает на текущий статус значения уровня риска. С другой стороны, в случае отсутствия общего совпадения между всеми интервалами W(T1), W(T2), W(T3), и W(T4) (т.е. Δt=0) то уровень риска не может быть вычислен с достаточной надежностью, а процесс может соответствующим образом переходить к обработчику 56 ошибок с целью (например) выдачи рекомендации о заказе одного или нескольких новых лабораторных исследований.
Также на фиг. 2 показано, что в ходе действия 62 считывания любые значимые данные о пациенте (т.е. данные о пациенте, используемые механизмом 40k вывода риска клинического состояния к) считывают из профиля 30 пациента. В ходе действия 64 принятия решения определяют возможное отсутствие особо важных данных о пациенте. Определение "особо важных" данных о пациенте аналогично "особо важным" результатам лабораторных исследований: особо важные данные о пациенте представляют собой данные о пациенте, без которых не может быть приблизительно установлено надежное значение уровня риска для клинического состояния к при использовании механизма 40k вывода риска клинического состояния k. В случае если отсутствующая величина данных о пациенте не является особо важной, механизм 40k вывода риска клинического состояния к может быть применен, например, при вводе значения по умолчанию вместо отсутствующей величины данных о пациенте. Если в ходе действия 64 принятия решения определено отсутствие каких-либо особо важных данных о пациенте, обращаются к обработчику 56 ошибок, выполняющему корректирующие действия, такие как запрос о вводе отсутствующих данных о пациенте в ПЭКЗ/ЭКЗ 26 с целью передачи указанных данных в блок 8 сбора данных (или запрос о вводе данных непосредственно в блок 8 сбора данных).
В случае если в ходе действия 64 принятия решения установлена доступность всех особо важных данных о пациенте (а в ходе предшествующего действия 54 принятия решения установлена доступность всех особо важных результатов лабораторных исследований), процесс переходит к механизму 40k вывода риска клинического состояния k, в котором вычисляют оценочное значение риска для клинического состояния к с временной меткой, присвоенной в ходе действия 60. При необходимости осуществляют дальнейшую обработку 66, например, с целью применения порогового значения или классификации оценочного значения риска с целью формирования показателя уровня риска в виде более свободно распознаваемой оценки риска. Например, может быть применено пороговое значение, в результате чего итоговый вывод представляет собой: "наличие значительного риска клинического состояния #k" или ''отсутствие значительного риска клинического состояния #k". В другом примере оценочное значение классифицируют с образованием итогового вывода в виде одного из ряда уровней, таких как: "красный" = "высокий риск клинического состояния k", "желтый" = "умеренный риск клинического состояния k" или "зеленый" = 'низкий риск клинического состояния k".
Следует понимать, что примерный процесс по фиг. 2 и примерные алгоритмы нанесения временных меток для уровня риска по фиг. 3 и 4 представляют собой неограничивающие примеры. Ход процесса может быть различным образом скорректирован: например, временная метка может быть присвоена после вычисления уровня риска, данные о пациенте могут быть считаны до считывания результатов исследований, временная метка может быть установлена в средней точке временного интервала Δt, а не в его конце, или, в качестве другого примера, временная метка для уровня риска может быть установлена в соответствии с временной меткой одного конкретного "важнейшего" результата исследования и т.п.
Со ссыпкой на фиг. 5 описан примерный вариант реализации компонента 12 оповещения о риске. Примерный компонент 12 оповещения о риске получает входные данные в виде группы значений уровня 70 риска. При необходимости компонент 12 оповещения о риске записывает указанные "исходные" значения (или оценочные значения) уровня риска в ПЭКЗ/ЭКЗ 26, что схематично отмечено на фиг. 5 стрелкой 72. Указанные сохраненные исходные значения уровня риска затем могут быть рассмотрены врачом в ходе следующего физического обследования пациента. В целях обеспечения быстрой оценки риска в отделении для лечения критических состояний (например, в отделении интенсивной терапии или в отделении кардиореанимации) значения уровня риска при необходимости корректируют путем присвоения весовых коэффициентов 74 критичности. Указанные весовые коэффициенты могут представлять собой фиксированные значения или могут быть скорректированы на основании специфических для конкретного пациента факторов, таких как хронические состояния 76, которые может иметь пациент (например, риск гипоксии может быть увеличен путем присвоения большего весового коэффициента в случае с пациентом, страдающим от ХОБЛ) или какие-либо специфические для конкретного пациента указания 78, предоставленные его лечащим врачом (например, если врач на основании своих медицинских знаний озабочен возможностью развития у пациента сепсиса, врач может присвоить больший весовой коэффициент оценочному значению риска сепсиса). Затем логическая схема 80 обобщения риска вырабатывает оценку риска для пациента. Например, логическая схема 80 обобщения риска может обеспечивать отображение М наивысших уровней риска (где М представляет собой некоторое целое число, например при М=3 на устройстве или устройствах 44, 46 отображения отображают три клинических состояния с наивысшим (взвешенным) уровнем риска). В другом примере логическая схема 80 обобщения риска отображает значение или значения уровня риска любого клинического состояния, (взвешенный) уровень риска которого превышает отчетное пороговое значение. Использование фильтрации (например, отображение М наивысших значений или использование отчетного порогового значения) уменьшает объем информации, предоставляемой медицинскому персоналу в среде для лечения критических состояний путем отображения лишь информации о риске клинических состояний, риск которых у конкретного пациента наиболее высок.
Следует понимать, что система обновляет значения уровня риска в реальном времени. Согласно одному подходу, обеспечена таблица, в которой приведены входные результаты лабораторных исследований для каждой из механизмов 401-40N вывода риска клинического состояния, а при получении нового результата исследования посредством блока 8 сбора данных, анализатор 10 данных обращается к указанной таблице с целью определения клинических состояний, которые должны быть обновлены, и к новому результату исследования применяют соответствующие механизмы вывода риска клинического состояния. В некоторых примерах реализации (на фиг. 5 не показаны) компонент оповещения о риске также отслеживает уровень риска с течением времени для клинического состояния, и отправляет предупредительное оповещение в случае роста уровня риска в течение последних двух (или более) циклов лабораторных исследований.
Настоящее изобретение раскрыто в вышеприведенном описании со ссылкой на предпочтительные варианты реализации. При рассмотрении и понимании вышеприведенного подробного описания специалисту могут быть очевидны модификации и изменения. Настоящее изобретение предназначено для охватывания всех подобных модификаций и изменений по причине их наличия в объеме пунктов сопутствующей формулы настоящего изобретения или их эквивалентов.

Claims (51)

1. Cистема для оценки уровня риска для множества клинических состояний, содержащая:
компьютер (14), запрограммированный для выполнения способа оценки уровня риска для множества клинических состояний, включающего следующие действия:
сохранение группы результатов (32) лабораторных исследований пациента с временными метками, содержащей по меньшей мере один результат гематологического исследования и по меньшей мере один результат исследования газов артериальной крови (ГАК), на некратковременном носителе (34) для хранения данных,
для каждого из клинических состояний,(i) определение уровня риска для клинического состояния на основании специфической для клинического состояния подгруппы из сохраненной группы результатов лабораторных исследований при условии, что специфическая для клинического состояния подгруппа результатов лабораторных исследований достаточна для определения уровня риска, и
(ii) присвоение временной метки определенному уровню риска на основании временных меток результатов лабораторных исследований специфической для клинического состояния подгруппы результатов лабораторных исследований; и
отображение устройством (44, 46) отображения определенного уровня риска и присвоенной временной метки для каждого клинического состояния, определенный уровень риска которого соответствует критерию отображения.
2. Система по п. 1, в которой способ оценки уровня риска также включает, для каждого из клинических состояний:
(0) определение, является ли специфическая для указанного клинического состояния подгруппа результатов лабораторных исследований достаточной для определения уровня риска на основании по меньшей мере доступности результатов лабораторных исследований из специфической для указанного клинического состояния подгруппы результатов лабораторных исследований в группе результатов (32) лабораторных исследований; и
(iii) при условии недостаточности специфической для указанного клинического состояния подгруппы результатов лабораторных исследований для определения уровня риска, вызов отображения устройством (44, 46) отображения рекомендации о предписании на выполнение одного или нескольких лабораторных исследований для обновления специфической для указанного клинического состояния подгруппы результатов лабораторных исследований, чтобы обеспечить ее достаточность для определения уровня риска.
3. Система по п. 2, в которой действие (0) обеспечивает возможность определения, является ли достаточной специфическая для указанного клинического состояния подгруппа результатов лабораторных исследований, также на основании актуальности доступных результатов лабораторных исследований специфической для указанного клинического состояния подгруппы результатов лабораторных исследований, обозначенных посредством временных меток доступных результатов лабораторных исследований.
4. Система по любому из пп. 1-3, в которой способ оценки уровня риска также включает:
сбор группы данных (30) о пациенте, включающей по меньшей мере возраст и пол;
причем действие (i) включает определение уровня риска для клинического состояния также на основании данных о пациенте, извлеченных из группы данных о пациенте.
5. Система по любому из пп. 1-4, в которой действие (i) включает
определение уровня риска по меньшей мере для одного клинического состояния с использованием механизма вывода риска, обученного путем машинного обучения на основании набора данных для обучения из маркированных примеров пациентов.
6. Система по любому из пп. 1-5, в которой способ оценки уровня риска также включает, для каждого из клинических состояний
повторение действий (i) и (ii) для указанного клинического состояния в ответ на обновление результата лабораторных исследований специфической для указанного клинического состояния подгруппы результатов лабораторных исследований в группе результатов (32) лабораторных исследований.
7. Система по любому из пп. 1-6, в которой действие (ii) включает присвоение определенному уровню риска временной метки, представляющей собой самую старую временную метку из временных меток результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований.
8. Система по любому из пп. 1-6, в которой действие (ii) включает:
(ii)(a) задание временных интервалов вокруг временных меток результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований; и
(ii)(b) присвоение определенному уровню риска временной метки, представляющей собой временную метку на пересечении заданных временных интервалов.
9. Система по любому из пп. 1-8, в которой действие по сбору группы результатов (32) лабораторных исследований с временными метками для пациента включает сбор результатов лабораторных исследований от лабораторий посредством электронной сети.
10. Система по любому из пп. 1-9, также содержащая
указанное устройство (44, 46) отображения, содержащее по меньшей мере одно из монитора (44) пациента и беспроводного мобильного устройства (46).
11. Некратковременный носитель для хранения данных, на котором сохранены инструкции, читаемые и выполнимые электронным устройством (14) обработки данных для выполнения способа оценки уровня риска для множества клинических состояний, включающего следующие действия:
для каждого из клинических состояний,
определение того, сохранены ли достаточные результаты лабораторных исследований в структуре (32) данных результатов лабораторных исследований для выполнения оценки уровня риска для указанного клинического состояния
и, если достаточные результаты лабораторных исследований доступны, определение уровня риска для указанного клинического состояния на основании специфической для клинического состояния подгруппы из группы результатов лабораторных исследований, и присвоение определенному уровню риска временной метки на основании временных меток для результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований; и
вызов отображения устройством (44, 46) отображения определенных уровней риска клинических состояний, для которых уровень риска соответствует критерию отображения, а также отображение присвоенной временной метки для каждого отображенного уровня риска.
12. Некратковременный носитель для хранения данных по п. 11, в котором способ оценки уровня риска также включает
для каждого клинического состояния, для которого уровень риска не был определен, вызов отображения устройством (44, 46) отображения рекомендации для приема одного или более результатов лабораторных исследований для обеспечения достаточных результатов лабораторных исследований, сохраненных в структуре (32) данных результатов лабораторных исследований, для выполнения оценки уровня риска для указанного клинического состояния.
13. Некратковременный носитель для хранения данных по любому из пп. 11 и 12, в котором определение для каждого из клинических состояний того, сохранены ли достаточные результаты лабораторных исследований в структуре (32) данных результатов лабораторных исследований, для выполнения оценки уровня риска для указанного клинического состояния, включает определение доступности результатов исследований, используемых при выполнении оценки уровня риска и определение актуальности доступных результатов исследований, используемых при выполнении оценки уровня риска, на основании временных меток доступных результатов исследований.
14. Некратковременный носитель для хранения данных по любому из пп. 11-13, в котором, по меньшей мере для одного клинического состояния, действие по определению уровня риска для клинического состояния на основании специфической для клинического состояния подгруппы из группы результатов лабораторных исследований включает
определение уровня риска с использованием механизма вывода риска, обученного путем машинного обучения на основании набора данных для обучения из маркированных примеров пациентов.
15. Некратковременный носитель для хранения данных по любому из пп. 11-14, в котором способ оценки уровня риска также включает, для каждого из клинических состояний:
обновление процесса определения уровня риска в ответ на обновление результата лабораторных исследований специфической для указанного клинического состояния подгруппы результатов лабораторных исследований в структуре (32) данных результатов лабораторных исследований.
16. Некратковременный носитель для хранения данных по любому из пп. 11-15, в котором действие по присвоению временной метки определенному уровню риска на основании временных меток для результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований включает присвоение самой старой временной метки указанной подгруппы результатов лабораторных исследований.
17. Некратковременный носитель для хранения данных по любому из пп. 11-15, в котором действие по присвоению временной метки определенному уровню риска на основании временных меток результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований включает:
(ii)(a) задание временных интервалов вокруг временных меток результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований и
(ii)(b) присвоение определенному уровню риска временной метки на основании заданных временных интервалов.
18. Некратковременный носитель для хранения данных по любому из пп. 11-17, в котором способ оценки уровня риска также включает:
прием результатов лабораторных исследований для пациента, содержащих по меньшей мере один результат гематологического исследования, и
сохранение принятых результатов лабораторных исследований в структуре (32) данных результатов лабораторных исследований.
19. Cистема для оценки уровня риска для множества клинических состояний, содержащая:
некратковременный носитель для хранения данных по любому из пп. 11-17 и
компьютер (14), функционально связанный для считывания и исполнения инструкций, сохраненных на некратковременном носителе для хранения данных для выполнения способа оценки уровня риска для множества клинических состояний.
20. Способ оценки уровня риска для множества клинических состояний, включающий:
сохранение группы результатов (32) лабораторных исследований, содержащей по меньшей мере один результат гематологического исследования и по меньшей мере один результат исследования газов артериальной крови (ГАК), с использованием компьютерочитаемого некратковременного носителя (34) для хранения данных;
определение уровня риска для клинического состояния на основании специфической для клинического состояния подгруппы из группы результатов лабораторных исследований;
присвоение определенному уровню риска временной метки на основании временных меток для результатов лабораторных исследований указанной подгруппы результатов лабораторных исследований и
отображение на устройстве (44, 46) отображения определенного уровня риска и присвоенной временной метки.
RU2017138866A 2015-04-08 2016-03-17 Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии RU2707720C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562144374P 2015-04-08 2015-04-08
US62/144,374 2015-04-08
PCT/IB2016/051494 WO2016162767A1 (en) 2015-04-08 2016-03-17 System for laboratory values automated analysis and risk notification in intensive care unit

Publications (3)

Publication Number Publication Date
RU2017138866A RU2017138866A (ru) 2019-05-08
RU2017138866A3 RU2017138866A3 (ru) 2019-09-16
RU2707720C2 true RU2707720C2 (ru) 2019-11-28

Family

ID=55587309

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017138866A RU2707720C2 (ru) 2015-04-08 2016-03-17 Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии

Country Status (8)

Country Link
US (1) US11640852B2 (ru)
EP (1) EP3281132B1 (ru)
JP (1) JP6706627B2 (ru)
CN (1) CN107430645B (ru)
BR (1) BR112017021298A2 (ru)
MX (1) MX2017012732A (ru)
RU (1) RU2707720C2 (ru)
WO (1) WO2016162767A1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2755569C1 (ru) * 2020-07-21 2021-09-17 Общество с ограниченной ответственностью "Медицинские компьютерные системы (МЕКОС)" Способ коллективного обучения автоматических комбайнов микроскопии, анализирующих препараты биоматериалов

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3435379A1 (en) * 2017-07-27 2019-01-30 Roche Diagnostics GmbH Augmenting measurement values of biological samples
EP3747016A1 (en) 2018-01-29 2020-12-09 Laboratory Corporation of America Holdings Learning filter for detection of indicators in healthcare data
US10872687B2 (en) * 2018-02-08 2020-12-22 Carefusion 303, Inc. Pharmacy predictive analytics
US11504071B2 (en) 2018-04-10 2022-11-22 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
US11908581B2 (en) 2018-04-10 2024-02-20 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
WO2021140670A1 (ja) * 2020-01-10 2021-07-15 オリンパス株式会社 情報伝達装置および情報伝達方法
US20220301663A1 (en) * 2021-03-18 2022-09-22 Craft.Ai Devices and processes for data sample selection for therapy-directed tasks

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007011412A2 (en) * 2004-11-05 2007-01-25 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Diagnosis and prognosis of infectious diesease clinical phenotypes and other physiologic states using host gene expresion biomarkers in blood
RU2365515C1 (ru) * 2008-01-24 2009-08-27 Федеральное государственное учреждение "Государственный научно-исследовательский испытательный институт военной медицины" Министерства обороны Российской Федерации (ФГУ "ГосНИИИ ВМ Минобороны России") Мобильный лечебно-диагностический комплекс терапевтического профиля
US20130179176A1 (en) * 2010-03-11 2013-07-11 CompuGroup Medical AG Computer implemented method for determining the presence of a disease in a patient
US20140074509A1 (en) * 2012-09-13 2014-03-13 Parkland Health & Hospital System Clinical dashboard user interface system and method
RU2013125303A (ru) * 2010-11-01 2014-12-10 Б.Р.А.Х.М.С. Гмбх Оценка прогноза и риска пациентов с неспецифическими жалобами
WO2015023674A1 (en) * 2013-08-12 2015-02-19 Cerner Innovation, Inc. Dynamically determining risk of clinical condition

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5942986A (en) * 1995-08-09 1999-08-24 Cedars-Sinai Medical Center System and method for automatic critical event notification
JP2002095650A (ja) * 2000-09-25 2002-04-02 Teijin Ltd 臨床データ解析処理方法及びシステム
US20070243632A1 (en) * 2003-07-08 2007-10-18 Coller Barry S Methods for measuring platelet reactivity of patients that have received drug eluting stents
WO2007070684A2 (en) * 2005-12-15 2007-06-21 University Of Vermont And State Agricultural College Clinical decision support system
US7899764B2 (en) * 2007-02-16 2011-03-01 Siemens Aktiengesellschaft Medical ontologies for machine learning and decision support
WO2009043144A1 (en) * 2007-10-03 2009-04-09 Ottawa Health Research Institute Method and apparatus for monitoring physiological parameter variability over time for one or more organs
US20090125328A1 (en) 2007-11-12 2009-05-14 Air Products And Chemicals, Inc. Method and System For Active Patient Management
US20100042429A1 (en) 2008-08-13 2010-02-18 The General Electric Company System and method for providing locally adaptive decision support
US20110202486A1 (en) * 2009-07-21 2011-08-18 Glenn Fung Healthcare Information Technology System for Predicting Development of Cardiovascular Conditions
CA2775921C (en) * 2009-10-08 2017-11-21 The Regents Of The University Of Michigan Real-time visual alert display
BR112012013701A2 (pt) * 2009-12-10 2017-10-10 Koninklijke Philips Eletronics N V sistema que facilita anotação automática de dados clinicos, método de anotação automática de dados clinicos do paciente e sistema de perfil de procedimento.
US8416085B2 (en) * 2010-02-18 2013-04-09 The University Of Utah Research Foundation Medical personnel alert rules based on grouping
US8712596B2 (en) * 2010-05-20 2014-04-29 Accenture Global Services Limited Malicious attack detection and analysis
US8990135B2 (en) * 2010-06-15 2015-03-24 The Regents Of The University Of Michigan Personalized health risk assessment for critical care
EP2585958A1 (en) * 2010-06-24 2013-05-01 Koninklijke Philips Electronics N.V. Method and device for detecting a critical hemodynamic event of a patient
US9719842B2 (en) * 2010-07-06 2017-08-01 Norman A. Paradis Method for the discovery, validation and clinical application of multiplex biomarker algorithms based on optical, physical and/or electromagnetic patterns
US10332630B2 (en) * 2011-02-13 2019-06-25 Masimo Corporation Medical characterization system
WO2012128345A1 (ja) * 2011-03-24 2012-09-27 シスメックス株式会社 検体分析装置、検体情報処理装置および検体分析方法
US9536052B2 (en) 2011-10-28 2017-01-03 Parkland Center For Clinical Innovation Clinical predictive and monitoring system and method
EP2613278A2 (en) * 2011-12-05 2013-07-10 Koninklijke Philips Electronics N.V. Retroactive extraction of clinically relevant information from patient sequencing data for clinical decision support
US20130231949A1 (en) * 2011-12-16 2013-09-05 Dimitar V. Baronov Systems and methods for transitioning patient care from signal-based monitoring to risk-based monitoring
KR101371705B1 (ko) * 2012-06-01 2014-03-12 한철민 의료기기 안전 제어장치 및 그 방법
US9775533B2 (en) * 2013-03-08 2017-10-03 Singapore Health Services Pte Ltd System and method of determining a risk score for triage
US9582641B2 (en) 2013-03-26 2017-02-28 Eric Rock Distributed healthcare database system and method
WO2014201515A1 (en) 2013-06-18 2014-12-24 Deakin University Medical data processing for risk prediction
CA2918332C (en) * 2013-07-18 2023-08-08 Parkland Center For Clinical Innovation Patient care surveillance system and method
US20150088531A1 (en) * 2013-09-20 2015-03-26 Virgil John Comanita System and method for automation of personal healthcare
EP3155592B1 (en) * 2014-06-10 2019-09-11 Leland Stanford Junior University Predicting breast cancer recurrence directly from image features computed from digitized immunohistopathology tissue slides

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007011412A2 (en) * 2004-11-05 2007-01-25 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Diagnosis and prognosis of infectious diesease clinical phenotypes and other physiologic states using host gene expresion biomarkers in blood
RU2365515C1 (ru) * 2008-01-24 2009-08-27 Федеральное государственное учреждение "Государственный научно-исследовательский испытательный институт военной медицины" Министерства обороны Российской Федерации (ФГУ "ГосНИИИ ВМ Минобороны России") Мобильный лечебно-диагностический комплекс терапевтического профиля
US20130179176A1 (en) * 2010-03-11 2013-07-11 CompuGroup Medical AG Computer implemented method for determining the presence of a disease in a patient
RU2013125303A (ru) * 2010-11-01 2014-12-10 Б.Р.А.Х.М.С. Гмбх Оценка прогноза и риска пациентов с неспецифическими жалобами
US20140074509A1 (en) * 2012-09-13 2014-03-13 Parkland Health & Hospital System Clinical dashboard user interface system and method
WO2015023674A1 (en) * 2013-08-12 2015-02-19 Cerner Innovation, Inc. Dynamically determining risk of clinical condition

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2755569C1 (ru) * 2020-07-21 2021-09-17 Общество с ограниченной ответственностью "Медицинские компьютерные системы (МЕКОС)" Способ коллективного обучения автоматических комбайнов микроскопии, анализирующих препараты биоматериалов

Also Published As

Publication number Publication date
CN107430645A (zh) 2017-12-01
EP3281132B1 (en) 2022-03-09
US11640852B2 (en) 2023-05-02
RU2017138866A (ru) 2019-05-08
RU2017138866A3 (ru) 2019-09-16
CN107430645B (zh) 2022-08-23
JP6706627B2 (ja) 2020-06-10
US20180082042A1 (en) 2018-03-22
WO2016162767A1 (en) 2016-10-13
JP2018518207A (ja) 2018-07-12
EP3281132A1 (en) 2018-02-14
MX2017012732A (es) 2017-11-30
BR112017021298A2 (pt) 2018-06-26

Similar Documents

Publication Publication Date Title
RU2707720C2 (ru) Система для автоматизированного анализа результатов лабораторных исследований и оповещения о риске в отделении интенсивной терапии
CN110136788B (zh) 一种基于自动检测的病历质检方法、装置、设备及存储介质
KR102558021B1 (ko) 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법
Murff et al. Does this patient have a family history of cancer?: an evidence-based analysis of the accuracy of family cancer history
US11244764B2 (en) Monitoring predictive models
US20150025808A1 (en) Methods and Systems for Processing Test Results Based on Patient-Specific Data and Reference Data
DE112014000897T5 (de) Lernende Gesundheitssysteme und -verfahren
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
CN106793957A (zh) 用于预测患者护理未来结果的医疗系统和方法
CN110494924A (zh) 交叉学科疾病管理系统
KR101565331B1 (ko) 패턴을 이용한 의료정보 분석시스템 및 방법
Li et al. Improving preeclampsia risk prediction by modeling pregnancy trajectories from routinely collected electronic medical record data
CN116490929A (zh) 用于执行医学的实验室值分析的计算机实现的方法和设备
RU106013U1 (ru) Система постановки дифференцированного диагноза по данным диагностики, справочная система результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы, система дифференциации записи результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы и дифференциально-диагностическая матрица для интеграции в автоматизированные медицинские информационные системы
CN115239945A (zh) 图像标注可靠性预测方法、装置、电子设备及存储介质
CN111742372B (zh) 用于检测医疗保健数据中的指示符的学习过滤器
Van Loon et al. Forecasting of patient-specific kidney transplant function with a sequence-to-sequence deep learning model
CN113657550A (zh) 基于分层计算的患者标记方法、装置、设备及存储介质
CN111406294A (zh) 自动生成用于实验室仪器的规则
EP3588513A1 (en) Apparatus and method for statistical processing of patient s test results
US20160180049A1 (en) Managing medical examinations in a population
CN115762769A (zh) 一种ercp术后风险智能预警系统
CN111243750B (zh) 多方式识别患者妊娠状态的方法及装置
CN108091390A (zh) 补充自动化分析仪测量结果
CN114596948A (zh) 一种医院管理统计指标源字段库的建立方法