CN109308937A - 扩充生物样品的测量值 - Google Patents
扩充生物样品的测量值 Download PDFInfo
- Publication number
- CN109308937A CN109308937A CN201810841722.8A CN201810841722A CN109308937A CN 109308937 A CN109308937 A CN 109308937A CN 201810841722 A CN201810841722 A CN 201810841722A CN 109308937 A CN109308937 A CN 109308937A
- Authority
- CN
- China
- Prior art keywords
- patient
- algorithm
- data
- laboratory
- measured value
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
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
- 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
-
- 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
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
公开了一种方法和***,其实施包括以下步骤的方法:根据测试订单分析患者的生物样品以获得测量值(A)和(B);实验室中间件(30)接收该测量值(A)和(B);提供包括工作流引擎(52)和算法计算器(54)的虚拟分析器(50)‑与该实验室中间件(30)不同;该工作流引擎(52)接收包括测量值(A)和(B)的输入数据(I)和包括来自该实验室中间件(30)的患者数据的第二输入数据(II);该算法计算器(54)按该工作流引擎(52)的指示使用该临床算法(80)处理该输入数据(I)和(II),并将解释支持数据(O)传输到该工作流引擎(52);并且该实验室中间件(30)采用从该虚拟分析器(50)接收的该解释支持数据(O)扩充该测量值(A)和(B)。
Description
技术领域
本申请涉及一种用于扩充生物样品的测量值(通过使用实验室仪器的分 析获得的)以提供解释支持、特别是为医师提供临床解释支持的由计算机实 现的方法。
本申请进一步涉及用于处理生物样品的实验室***,该实验室***被配 置成用于扩充测量值以提供解释支持。
本申请进一步涉及基于网络的***,该基于网络的***被配置成用于扩 充通过一个或多个实验室***分析生物样品获得的测量值。
发明背景
在分析实验室,特别是临床实验室,为了确定患者的生理状态,通过分 析***对生物样品进行多种分析。
高医学价值产品的创造对患者和医学专业人员同样都非常重要。来自临 床实验室和其他信息***的多个数据集当组合时,有可能产生如下医学和临 床见解,其提供超出这些数据集单独的医学价值的附加医学价值。为了向医 学专业人员提供对生物样品分析结果的解释的支持,从实验室***通过分析 生物样品获得的测量值通过所谓的解释支持数据得到扩充,该解释支持数据 通常通过使用医学算法获得。目前,通过医学算法获得的解释支持数据通常 通过外部平台或甚至通过手动应用此类医学算法生成。然而,在各种***之 间传输数据是不利的,因为不能保证数据完整性并且在这种数据传输手动发 生的情况下由于例如人为错误而存在高风险。此外,使用外部平台来应用医 学算法具有另外的缺点,即难以验证最终结果的正确性。一方面,先前针对 每种医学算法选择外部平台可能在医学专业人员中不一致。而且,在鉴定生 物标记之间新的相关性时医学专业人员可能不知道医学算法的最新发展,当 鉴于患者数据通过医学算法来组合时这些最新发展有可能提供大的附加医 学价值。因此,使用当前已知的外部平台,医学专业人员依赖于由过时的和/或不完整的和/或可能甚至错误的医学算法或不一致的输入数据提供的解释 支持,这是存在风险的。
另一方面,如果医学算法或托管它的平台处于测量值(或产生它们的仪 器和/或测定)(以该测量值为基础进行计算)的提供者的控制之外,则医学 算法及其输出的有效性是有问题的。
为了解决此类问题,用于扩充样品的测量结果的实验室***是已知的, 这些实验室***将医学算法硬编码/并入到实验室IT***中,特别是实验室中 间件中。然而,此类硬编码/并入医学算法的***缺乏模块性和灵活性,其中 提供新的医学算法或更新现有算法对整个实验室IT***都具有影响。此外, 一旦任何***产生/改变或以任何方式影响测量值或医学结果,该***就被视 为医学设备并且受到严格的监管批准。因此,与解释支持数据相关的任何软 件应用或算法(医学索赔,例如风险因素计算、治疗建议或临床决策支持系 统)需要严格的监管要求并且意味着产品的复杂变化。这导致解释支持被硬 编码到实验室中间件的已知IT***具有以下缺点:每次要提供新的医学算法 或者需要更新现有的医学算法时,整个IT***需要重新验证并且由监管机构 批准-这是一个昂贵且耗时的过程。
因此存在对用于通过实验室仪器扩充生物样品的测量值以提供解释支 持的方法(即实验室***)的需要,该方法克服了使用用于医学算法的外部 平台的缺点以及解释支持被硬编码/并入到实验室中间件中的已知实验室IT 解决方案所面临的缺点。
换言之,存在对用于通过实验室仪器扩充生物样品的测量值的方法(对 应地实验室***)的需要,该方法一方面依赖于经验证的、最新的和完整的 医学算法提供有保证的解释支持,并且另一方面提供灵活性和模块化。
发明概述
本文公开了一种方法,其包括以下步骤:
-通过实验室中间件接收与患者对应的测试订单;
-根据测试订单响应于来自实验室中间件的指令,一台或多台实验室仪 器分析患者的一个或多个生物样品以从其获得第一测量值和第二 测量值;
-实验室中间件接收通过分析该患者的该一个或多个生物样品获得的该 第一测量值和该第二测量值;
-提供包括工作流引擎和算法计算器的虚拟分析器,该虚拟分析器与该 实验室中间件不同;
-该工作流引擎从该实验室中间件接收包括该第一测量值和该第二测量 值的第一输入数据;
-该工作流引擎从该实验室中间件接收包括与患者对应的该患者数据的 第二输入数据;
-向该算法计算器提供临床算法,该临床算法定义应用于该第一输入数 据和该第二输入数据的处理步骤;
-响应于从该实验室中间件接收的测试订单,该工作流引擎指示该算法 计算器将该临床算法应用于该第一输入数据和第二输入数据;
-该算法计算器使用该临床算法处理该第一输入数据和第二输入数据, 并将解释支持数据传输到该工作流引擎;
-该工作流引擎将解释支持数据转发给该实验室中间件;
-该实验室中间件采用从该虚拟分析器接收的解释支持数据扩充该第一 测量值和该第二测量值。
本文进一步公开了用于处理生物样品的实验室***,该实验室***包 括:
-多台实验室仪器,其用于分析生物样品,每台实验室仪器提供通过分 析生物样品获得的测量值;
-实验室中间件,其与该多台实验室仪器通信连接,和
-算法计算器,其包括临床算法,
其中该实验室***被配置成执行根据所公开的方法的实施方案的步骤。
进一步公开了一种基于网络的***,其包括:
-用户界面,其用于接收指示通过分析患者的一个或多个生物样品获得 的第一测量值和第二测量值的第一输入数据,并且用于接收包括与 患者对应的患者数据的第二输入数据;
-虚拟分析器,其包括工作流引擎和算法计算器,该算法计算器包括临 床算法;
其中该基于网络的***被配置成执行根据所公开方法的实施方案的步 骤。
本文进一步公开了一种计算机可读介质,其上存储指令,当由计算机系 统执行该指令时,该计算机可读介质控制计算机***以执行所公开方法的任 何一个实施方案的步骤。
所公开的方法/***的实施方案是特别有利的,因为它们满足两个看似矛 盾的要求,即一方面消除了托管医学算法的外部平台的缺点,并且还避免了 解释支持被硬编码/并入到实验室中间件中的实验室***缺乏灵活性。
换言之,所公开的方法/***的实施方案是特别有利的,因为它们确保解 释支持数据的质量,并且还通过在每次更新医学算法或添加新的医学算法时 避免需要重新验证整个实验室IT解决方案而提供灵活性。
所公开的方法/***的实施方案通过应用经验证的临床算法的***内部 算法计算器实现了第一目标-经验证的、最新的和完整的医学算法。
关于第二个主要目标-通过避免每个新的/更新的医学算法的重复监管 批准而提供灵活性,所公开的方法/***的实施方案通过将医学算法“隔离” /“封装”到虚拟分析器中来实现该目标,该虚拟分析器包括工作流引擎以控 制算法计算器应用/执行临床算法。虚拟分析器的工作流引擎具有另外的确保 输入数据和输出数据的质量和可用性的任务。
通过这种方式,在各个算法、算法计算器和实验室中间件之间提供了清 晰的分离。因此,任何新的医学算法的改变或添加都限制了对特定医学算法 的技术和监管(重新)验证的需要。作为最终结果,所公开的方法/***确保, 通过基于内部生成和处理的测量值使用经验证的医学算法并在***内部算 法计算器上执行它们,所提供的解释支持数据是正确、完整和经验证的(既 是技术上的也是监管方面的)。
作为最终结论,所公开的方法/***的实施方案提供了在灵活、安全和可 靠的环境中组合生物样品的多个测量结果和患者数据以为医学专业人员产 生解释支持数据的益处。
附图简述
下面将通过描述并且通过参考以下附图来详细描述所公开的方法/设备/ ***的另外的特征和优点:
图1所公开的实验室***的实施方案的高度示意性框图。
图2A所公开的实验室***的另外的实施方案的高度示意性框图,其中 虚拟分析器部署在云环境中;
图2B包括部署在云环境中的虚拟分析器的基于网络的***的高度示 意性框图;
图3描绘所公开方法的实施方案的泳道图;和
图4描绘所公开方法的另外的实施方案的泳道图,其示出了基于指示 解释支持准确率的反馈对一个或多个临床算法的改进。
注意:这些图未按比例绘制,仅作为说明提供,并且仅用于更好地理解, 但不用于限定所要求保护的范围。不应从这些图中推断出任何特 征的限制。
发明详述
本专利申请中将使用某些术语,其表述不应被理解为受所选特定术语的 限制,而是涉及该特定术语背后的一般概念。
如本文使用的术语“实验室仪器”涵盖可操作以对一个或多个生物样品 执行一个或多个处理步骤/工作流步骤的任何器械或器械部件。因而,表述“处 理步骤”是指物理执行的处理步骤,例如离心、等分、样品分析等。术语“实 验室仪器”涵盖了分析前仪器、分析后仪器以及分析仪器。
如本文使用的术语“分析前仪器”包括对一个或多个生物样品执行一个 或多个分析前处理步骤的一个或多个实验室设备,从而为一个或多个后续分 析测试制备样品。分析前处理步骤可以是例如离心步骤、加盖、去盖或再加 盖步骤、等分步骤、向样品中添加缓冲液的步骤等。如本文使用的表述“分 析***”涵盖任何整体或多模块实验室设备,其包括可操作以对一个或多个 生物样品执行分析测试的一个或多个实验室设备或操作单元。
如本文使用的术语“分析后仪器”涵盖可操作以自动处理和/或储存一个 或多个生物样品的任何实验室仪器。分析后处理步骤可以包括再加盖步骤、 从分析***卸载样品的步骤或将所述样品运输到储存单元或收集生物废物 的单元的步骤。
如本文使用的术语“分析器”/“分析仪器”涵盖被配置成获得测量值 的任何器械或器械部件。分析器可操作以经由各种化学、生物、物理、光学 或其他技术程序确定样品或其组分的参数值。分析器可以可操作以测量样品 或至少一种分析物的所述参数,并返回所得测量值。由分析器返回的可能分 析结果的列表包括但不限于样品中分析物的浓度、指示样品中分析物存在的 数字(是或否)结果(对应于高于检测水平的浓度)、光学参数、DNA或RNA 序列、从蛋白质或代谢物的质谱分析获得的数据以及各种类型的物理或化学 参数。分析仪器可以包括辅助吸移、配量和混合样品和/或试剂的单元。分析 器可以包括用于保持试剂以进行测定的试剂保持单元。试剂可以例如以含有 单独试剂或试剂组的容器或盒的形式布置,放置在储存隔室或传送机内的适 当插座或位置中。它可以包括消耗品馈送单元。分析器可以包括其工作流针 对某些类型的分析进行优化的过程和检测***。这种分析器的例子是用于检 测化学或生物反应结果或监测化学或生物反应进展的临床化学分析器、凝血 化学分析器、免疫化学分析器、尿液分析器、核酸分析器、组织分析器(包 括形态学染色仪和组织化学染色仪)。
如本文使用的术语“实验室***”涵盖用于实验室中的任何***,其包 括可操作地连接到控制单元的多个实验室仪器。
如本文使用的术语“测试订单”是指指示有待对特定生物样品执行的一 个或多个实验室处理步骤的任何数据对象、计算机可加载数据结构、表示这 种数据的调制数据。例如,测试订单记录可以是文件或数据库中的条目。根 据本文公开的实施方案,如果例如测试订单包括有待对特定样品执行的分析 测试的标识符或与其关联地存储,则测试订单可以指示分析测试的测试订 单。可替代地或另外地,测试订单可以是指有待对生物样品执行的分析前和 /或分析后处理步骤。
如本文使用的术语“实验室中间件”涵盖可配置为以一个或多个工作流 和一个或多个工作流步骤由实验室***进行的方式控制实验室***的任何 物理或虚拟处理设备,该实验室***包括多个实验室仪器。实验室中间件可 以例如指示实验室***(或其特定仪器)进行一个或多个分析前、分析后和 分析工作流/工作流步骤。实验室中间件可以从数据管理单元接收关于需要对 某个样品执行哪些步骤的信息,特别是以指示有待对生物样品进行的处理步 骤(例如分析测量)的测试订单的形式。根据各种实施方案,实验室中间件可以包括或连接到用于输入与生物样品对应的测试订单的用户界面。可替代 地或另外地,实验室中间件包括被配置成接收与生物样品对应的测试订单的 通信接口。
在一些实施方案中,实验室中间件可以与数据管理单元集成,可以由服 务器计算机包括和/或作为一个仪器的一部分或甚至分布在实验室***的多 个仪器上。实验室中间件可以例如体现为运行计算机可读程序的可编程逻辑 控制器,该计算机可读程序被提供有执行操作的指令。
如本文使用的术语“虚拟分析器”涵盖存储指令的任何虚拟或物理处理 设备,该指令在被执行时通过应用根据临床算法的计算步骤导致对输入数据 进行处理以产生输出数据。
如本文使用的术语“通信网络”涵盖任何类型的无线网络(如WIFI、 GSM、UMTS)或有线网络(如以太网等)。具体而言,通信网络可以实现 互联网协议IP。例如,通信网络包括基于电缆的网络和无线网络的组合。在 ***的单元包含在一台实验室仪器内的实施方案中,通信网络包括仪器内的 通信信道。
如本文使用的术语“用户界面”涵盖供操作员与机器间交互的任何合适 软件和/或硬件,包括但不限于在由操作员输入订单时接收以及提供反馈和向 其传送信息的图形用户界面。而且,***/设备可以暴露几个用户界面,以服 务于不同类型的用户/操作员。
如本文使用的术语“工作流”是指工作流步骤/处理步骤的集合。根据具 体实施方案,工作流限定进行处理步骤的序列。
如本文使用的术语“工作流步骤”或“处理步骤”涵盖属于工作流的任 何活动。活动的性质可以是基本的或复杂的,且通常在或由一台或多台仪器 执行。
术语“样品”、“患者样品”和“生物样品”是指可能潜在地包含感兴趣 分析物的一种或多种材料。患者样品可以源自任何生物来源,例如生理流体, 包括血液、唾液、晶状体液、脑脊液、汗液、尿液、粪便、***、乳汁、腹 水、粘液、滑液、腹膜液、羊水、组织、培养细胞等。可以将患者样品在使 用前进行预处理,如从血液制备血浆、稀释粘性流体、裂解等。处理方法可 涉及过滤、蒸馏、浓缩、灭活干扰组分以及添加试剂。患者样品可以在从来 源获得时直接使用,或在预处理以修改样品的特征后使用。在一些实施方案 中,初始固体或半固体生物材料可以通过用合适液体介质溶解或悬浮变成液 体。在一些实施方案中,可以怀疑样品含有某种抗原或核酸。
术语“等分试样”、“患者样品等分试样”和“生物样品等分试样”是指 通常通过等分,即分开生物样品(特别是使用移液过程)获得的样品、患者 样品或生物样品的一部分。在这种背景下,生物样品被称为初级样品,并且 其所在的管被称为初级样品管,而从初级样品分开的样品部分被称为等分试 样,并且它们所在的一个或多个管被称为等分试样管或次级管。通常将生物 样品的一个或多个等分试样产生到与初级样品管或样品板孔分开的次级样 品管或样品板孔中。
如本文使用的术语“分析物”是指待分析的样品的组分,例如,各种大 小的分子、离子、蛋白质、代谢物等。对分析物收集的信息可用于评价给予 药物对生物体或特定组织的影响或作出诊断。因此,“分析物”是关于存在 和/或浓度信息旨在针对的物质的总称。分析物的例子是例如葡萄糖、凝血参 数、内源性蛋白质(例如从心肌释放的蛋白质)、代谢物、核酸等。
如本文使用的术语“分析”或“分析测试”涵盖表征生物样品参数(例 如,光吸收、荧光、电势或反应的其他物理或化学特征)来提供测量数据的 实验室程序。
如本文使用的术语“分析数据”涵盖描述生物样品测量结果的任何数据。 在校准的情况下,分析数据包括校准结果,即校准数据。具体而言,分析数 据包括已经执行分析的样品的标识符和描述分析结果的数据,
将参考附图如下描述所公开的方法/***的具体实施方案。
图1示出了所公开的实验室***1的实施方案的高度示意性框图。如图所 示,实验室***1包括通过通信网络70彼此连接的实验室中间件30、一台或 多台实验室仪器10和虚拟分析器50。
虚拟分析器50包括工作流引擎52和算法计算器54。工作流引擎52被配置 成收集包括通过分析患者的一个或多个生物样品获得的测量值的第一输入 数据I,以及包括与患者对应的患者数据的第二输入数据II。因此,工作流引 擎52负责检查输入数据的质量/格式。
根据本文所公开的实施方案,实验室中间件30被配置成从主机***40如 医院信息***HIS、电子病历EMR和/或计算机化医嘱输入CPOE来检索患者 数据。
患者数据包括来自包含以下项的非详尽列表中的一个或多个:
-患者年龄;
-患者的生命阶段(例如绝经前或绝经后);
-患者的一个或多个病况;
-患者的生理特征,如体重、身高、性别等;
-施用于该患者的一种或多种过去和/或当前药物的清单和相应的一个或 多个剂量;
-过去和/或当前对该患者的治疗;
-患者的人口统计资料。
算法计算器54被配置成将一个或多个临床算法80分别应用于第一输入 数据I和第二输入数据II,从而生成解释支持数据O。在算法计算器54内以插 件式方式提供临床算法80.1、80.2-80.n,每个临床算法80.1、80.2-80.n是自包 含的,其定义了分别应用于第一输入数据I和第二输入数据II上以产生相应的 解释支持数据O的所有参数和处理步骤(参见图3至4以及对第一输入数据I、 第二输入数据II和解释支持数据O的相关描述)。换言之,每个临床算法80.1、 80.2-80.n本身是确定性的,因为解释支持数据O纯粹对应地基于第一输入数 据I、第二输入数据II和临床算法80来确定。
根据本文所公开的具体实施方案,临床算法80被提供为定义有待应用于 输入数据I和II的处理和计算步骤以及各种参数、值范围等的软件包。可替代 地或另外地,临床算法80被定义为数学公式。
根据本文所公开的具体实施方案,每个临床算法80由其自身进行监管批 准和验证,以便保证解释支持数据O得以生成。这样,临床算法80被部署在 虚拟分析器50上,类似于在实验室仪器10上部署分析测试(也称为测定)的 方式。在与通过使用一个或多个测定来分析生物样品而产生测量值的物理实 验室仪器10类比之后,虚拟分析器50使用一个或多个临床算法80基于患者数 据(第二输入数据II)通过处理(分析)其他测量值(第一输入数据I)来产 生解释支持数据O。还与物理实验室仪器10类似,其测定本身已经过验证和 监管批准,部署在虚拟分析器50的算法计算器54上的临床算法80也同样经过 验证和监管批准。
图2A示出了所公开的实验室***1的另外的实施方案的高度示意性框 图,其中虚拟分析器50部署在远程服务器上,特别是云环境中。
图2B示出了包括用户界面56的基于网络的***,该用户界面用于接收指 示通过分析患者的一个或多个生物样品获得的第一测量值A和第二测量值B 的第一输入数据I,并且用于接收包括与患者对应的患者数据的第二输入数 据II。如在图2A上所示的实施方案中,包括工作流引擎52和算法计算器54(包 括一个或多个临床算法80)的虚拟分析器50部署在远程服务器上,特别是云 环境中。
图3示出了描绘所公开方法的实施方案的泳道图。在准备步骤中,提供 包括工作流引擎52和算法计算器54的虚拟分析器50,虚拟分析器50与实验室 中间件30不同。虚拟分析器50与实验室中间件30不同(物理上和/或逻辑上) 的事实是重要的,因为它确保虚拟分析器50或其工作流引擎52、算法计算器 54(或部署在后者上的临床算法80)的任何改变不需要对实验室中间件30的 (重新)验证和/或监管(重新)批准。关于虚拟分析器50与实验室中间件30 不同(物理地和/或逻辑地),术语不同在本文中是指两者的逻辑和/或物理分离,从而确保虚拟分析器50的变化不发生到实验室中间件30上,反之亦然。
作为另外的准备步骤104,将一个或多个临床算法80提供给算法计算器 54。如上所述,将一个或多个临床算法80作为预先验证和监管批准的计算包 安装/部署到算法计算器54上,该计算包具有明确定义的输入(第一和第二输 入数据I和II)和确定性输出(解释支持数据O)。因此,临床算法80定义了应 用于第一输入数据I和第二输入数据II的所有处理步骤。根据所公开的方法/ ***的实施方案,从临床算法目录将一个或多个临床算法80安装在虚拟分析 器50上,该临床算法目录是经验证和监管批准的临床算法的储存库。具体而 言,临床算法目录存储在由提供者维护并受到监管机构监督的远程服务器 上。
如在该图中可以看到的,该方法通过在步骤100中由实验室中间件30接 收与患者对应的测试订单来触发。根据所公开方法的各种实施方案,测试订 单直接记录在实验室中间件30的用户界面上,或者从主机***(例如实验室 信息***LIS)接收。
此后,在步骤110中,实验室中间件30根据测试订单指示一台或多台实 验室仪器10分析患者的一个或多个生物样品。
一旦患者的一个或多个生物样品可用(即从患者收集并进入实验室), 在步骤120中一台或多台实验室仪器10就分析患者的一个或多个生物样品以 在步骤122中分别从其获得第一测量值A和第二测量值B。
在步骤130中,实验室中间件30接收通过分析患者的一个或多个生物样 品获得的第一测量值A和第二测量值B。
在随后的步骤140中,工作流引擎52收集包括来自实验室中间件30的第 一测量值A和第二测量值B的第一输入数据I以及包括与患者对应的患者数据 的第二输入数据II。根据所公开方法的实施方案,步骤140的一部分还涉及通 过工作流引擎52准备收集的数据,以便确保输入数据处于算法计算器54所预 期的格式。例如,虚拟分析器50的工作流引擎52被配置成将以HL7格式(对 实验室中间件和实验室信息***是常见的)接收的第一测量值A和第二测量 值B转换为算法计算器54所预期的XML格式。
根据所公开方法的实施方案,作为数据准备的一部分,虚拟分析器50的 工作流引擎52被进一步配置成基于定义的验证标准(技术和/或医学验证)来 验证第一和第二输入数据I、II。
根据所公开方法的另外的实施方案,作为数据准备的一部分,虚拟分析 器50的工作流引擎52被进一步配置成通过一台或多台实验室仪器10触发对 一个或多个生物样品的分析以分别获得第一测量值A和第二测量值B。虚拟 分析器50的工作流引擎52如此进行是其知道获得所请求的解释支持数据O所 需的第一输入数据I(包括第一测量值A和第二测量值B)。
在随后的步骤142中,响应于从实验室中间件30接收的测试订单,虚拟 分析器50的工作流引擎52指示算法计算器54将临床算法80应用于第一输入 数据I和第二输入数据II。根据所公开方法的实施方案,在步骤142中,对应 于从实验室中间件30接收的测试订单,工作流引擎52还确定具体临床算法80 来处理第一输入数据I和第二输入数据II。
响应于来自工作流引擎52的指令,在步骤150中,算法计算器54使用相 应的临床算法80处理第一输入数据I和第二输入数据II,并将所得的解释支持 数据O传输到工作流引擎52。
在随后的步骤160中,工作流引擎52将解释支持数据O转发到实验室中间 件30。
根据所公开的方法/***的实施方案,作为步骤160的一部分,工作流引 擎52在转发到实验室中间件30之前验证从算法计算器54接收的解释支持数 据O。
根据所公开的方法/***的另外的实施方案,作为步骤160的一部分,工 作流引擎52将从算法计算器54接收的解释支持数据O格式化为实验室中间件 30所预期/接受的格式。例如,虚拟分析器50的工作流引擎52被配置成将以 XML格式从算法计算器54接收的解释支持数据O转换成实验室中间件30接 收的HL7格式(对实验室中间件和实验室信息***是常见的)。
在随后的步骤170中,实验室中间件30采用从虚拟分析器50接收的解释 支持数据O来扩充第一测量值A和第二测量值B。根据所公开的方法/***的 另外的实施方案,解释支持数据O经由实验室中间件30和/或专用用户界面 (如门户网站)直接提供给医师、医疗保健专业人员HCP和实验室操作员。 在本公开文本的上下文中,术语扩充(augmenting)是指将通过分析生物样 品获得的测量值呈现于结合患者数据基于相同测量值计算的解释支持数据O 的旁边或背景中。
根据本文所公开的实施方案,使用临床算法80处理第一输入数据I和第 二输入数据II包括确定指示患者具有和/或获得某种病况的风险得分,解释支 持数据O包括所述风险得分。
现在转到图4,示出了描绘所公开方法的另外的实施方案的泳道图,将 描述所公开的方法/***的另外的方面,即基于指示解释支持准确率的反馈改 进一个或多个临床算法80。如该图所示,在步骤180中,获得指示解释支持 数据O的准确率的反馈。
根据所公开的方法/***的第一实施方案,指示解释支持数据O的准确率 的反馈是从临床医师、医疗保健专业人员HCP、医师等、特别是通过用户界 面接收的。反馈指示特定患者的特定解释支持数据O的准确率和/或指示与多 个患者相关的多个解释支持数据O的准确率-例如风险评级的准确率的平 均值/中值/移动平均值。
在随后的步骤182中,响应于所述反馈对临床算法80的一个或多个参数 进行优化,以便提高解释支持数据O的准确率。
根据所公开的方法/***的另外的实施方案,指示解释支持数据O的准确 率的反馈是通过在大量解释支持数据O上应用的机器学习技术生成的,例如 解释支持数据O从统计数据的偏差的分析。另外地或可替代地,解释支持数 据O针对预期模式、比率或合理的值/速率进行验证。例如,对于计算指示患 者具有和/或获得某种病况的风险得分的临床算法80,随时间分析包括此类风 险得分的解释支持数据O并且将其与指示该相同病况发生的统计数据相关 联。如果检测到显著偏差,则研究偏差的可能原因,并且在步骤182中,改进/优化临床算法80的参数,以便针对临床算法80在将来生成更准确的解释支 持数据O。
其中虚拟分析器50处于远程服务器(如云环境)中的所公开方法/***的 实施方案对于分析大量解释支持数据O和优化对应的一个或多个临床算法80 特别有利,因为来自若干个实验室***1的解释支持数据O可以共享相同的 云,从而使得能够对大量解释支持数据O进行整体分析--通常以匿名的形式。
根据所公开的方法/***,各种临床算法是基于不同样品、和/或相同样 品但不同的分析测试、和/或相同的分析测试但在不同的时间点获得的样品等 的测量值。
在所公开的方法/***的第一实施方案中,从患者获得第一生物样品和第 二生物样品,该第二生物样品在与该第一生物样品不同的时间从该患者获 得。因此,作为第一输入数据I的测量结果的历史被传递到虚拟分析器50, 然后该虚拟分析器应用临床算法80以便基于此提供解释支持数据O。
基于相同患者在不同时间点获得的样品的两个后续测量值A和B计算作 为解释支持数据O的一部分的风险得分(指示患者具有和/或获得某种病况) 的临床算法80的一个例子是众所周知的ΔPCT。ΔPCT临床算法80计算被接纳 为重症监护病房ICU护理的患有严重脓毒症或脓毒性休克的患者的28天死亡 率风险,其中在第0天、第1天和第4天测量降钙素原PCT值。在这种情况下, 第一输入数据I包括在第0天或第1天的第一PCT测量值A以及在第4天的第二 PCT测量值B。然后,解释支持数据O包括28天死亡率,该死亡率也取决于第 二输入数据II,该第二输入数据II包括患者是否在第4天从ICU出院的指示。 应强调的是,解释支持数据O如其名称是指“支持数据”而不是诊断,其仍 然取决于HCP所提供的医疗保健。
在另外的实施方案中,虚拟分析器50使用在不同时间点从患者获得的样 品的测量来确定指示患者对治疗作出响应的治疗成功率,与在第一和第二样 品的收集之间患者接受/已接受的治疗相关的指示由第二输入数据II的患者 数据包含。
在所公开的方法/***的另外的实施方案中,多台实验室仪器10中的一台 或多台对患者的一个或多个生物样品执行第一分析以获得第一测量值A,并 且多台实验室仪器10中的一台或多台对患者的一个或多个生物样品执行第 二分析以获得第二测量值A,该第一分析与该第二分析不同。具体而言,该 第一分析确定第一分析物的存在和/或浓度,并且该第二分析确定第二分析物 的存在和/或浓度,该第一分析物与该第二分析物不同。
基于第一输入数据I计算风险得分(作为解释支持数据O的一部分)的临 床算法80的一个例子是所谓的ROMA算法,该第一输入数据I包括指示患者 的相同样品(或其等分试样)中的不同分析物的浓度的测量值。卵巢恶性肿 瘤算法风险(ROMA)临床算法80基于CA125的第一测量值A(以pmol/l计) 和HE4的第二测量值B(以U/ml计)计算上皮卵巢癌的风险。第二输入数据 II的患者数据包括患者是绝经前还是绝经后的指示。
所公开的实验室***1的实施方案的另外的特征是以即插即用的方式在 虚拟分析器50上安装/部署若干个临床算法80.1-80.n的能力。当在相同虚拟分 析器50上安装多于一个临床算法80.1-80.n时,对应于从实验室中间件30接收 的测试订单,工作流引擎52指示算法计算器54应用临床算法80和/或第二临床 算法80.2。换言之,虚拟分析器50的工作流引擎52基于测试订单选择正确的 临床算法80。因此,虚拟分析器50的工作流引擎52“管理”临床算法80.1-80.n。
根据所公开的方法/***的另外的实施方案,工作流引擎52以反射测试方 式应用各种临床算法80.1-80.n,该方式为一个算法的结果触发使用另一个算 法的计算。例如,根据来自应用临床算法80的输出,工作流引擎52将第二临 床算法80.2应用于第一输入数据I和第二输入数据II。
进一步公开和提出了一种包括计算机可执行指令的计算机程序,其用于 当在计算机或计算机网络上执行该程序时执行本文所包含的一个或多个实 施方案中所公开的方法。确切地,该计算机程序可以存储在计算机可读数据 载体上。因此,确切地,可以通过使用计算机或计算机网络,优选通过使用 计算机程序来执行如上所示的一个、多于一个或者甚至所有的方法步骤。
进一步公开和提出了一种具有程序代码装置的计算机程序产品,以便当 在计算机或计算机网络上执行程序时执行在本文所公开的一个或多个实施 方案中的本文所公开方法。确切地,该程序代码装置可以存储在计算机可读 数据载体上。
进一步公开和提出了一种在其上存储有数据结构的数据载体,该数据结 构在加载到计算机或计算机网络,如加载到计算机或计算机网络的工作存储 器或主存储器中之后,可以执行根据本文所公开的一个或多个实施方案的方 法。
进一步公开和提出了一种具有存储在机器可读载体上的程序代码装置 的计算机程序产品,以便当在计算机或计算机网络上执行程序时执行根据本 文所公开的一个或多个实施方案的方法。如本文使用的,计算机程序产品将 程序称为可交易产品。该产品通常可以以任意形式存在,例如纸质形式或在 计算机可读数据载体上。确切地,计算机程序产品可以通过数据网络分布。
进一步公开和提出了一种包含可由计算机***或计算机网络读取的指 令的调制数据信号,该指令用于执行根据本文所公开的一个或多个实施方案 的方法。
参考所公开方法的由计算机实现的方面,可以通过使用计算机或计算机 网络来执行根据本文所公开的一个或多个实施方案的方法中的一个或多个 方法步骤或甚至所有方法步骤。因此,通常,可以通过使用计算机或计算机 网络来执行包括提供和/或操纵数据的任何方法步骤。通常,这些方法步骤可 以包括任何方法步骤,通常排除需要手动工作的方法步骤,如提供样品和/ 或执行实际测量的某些方面。
此外,特此公开和提出的是:
-一种包括至少一个处理器的计算机或计算机网络,其中该处理器适于 执行根据本说明书中描述的实施方案之一的方法,
-一种计算机可加载的数据结构,其适于当在计算机上执行数据结构时 执行根据本说明书中描述的实施方案之一的方法,
-一种计算机程序,其中该计算机程序适于当在计算机上执行程序时执 行根据本说明书中描述的实施方案之一的方法,
-一种包括程序装置的计算机程序,其用于当在计算机或计算机网络上 执行计算机程序时执行根据本说明书中描述的实施方案之一的方 法,
-一种根据前述实施方案的包括程序装置的计算机程序,其中该程序装 置存储在计算机可读的存储介质上,
-一种存储介质,其中数据结构存储在存储介质上,并且其中该数据结 构适于在加载到计算机或计算机网络的主存储器和/或工作存储器 中之后执行根据本说明书中描述的实施方案之一的方法,和
-一种具有程序代码装置的计算机程序产品,其中如果在计算机或计算 机网络上执行程序代码装置,可以将该程序代码装置进行存储或存 储在存储介质上以用于执行根据本说明书中描述的实施方案之一 的方法。
应该理解的是,在不脱离所附权利要求书所限定的范围的情况下,可以 基于上文所述的具体结构采用许多变型。
附图标记列表:
实验室*** 1
实验室仪器 10
实验室中间件 30
主机***(LIS) 40
虚拟分析器 50
(虚拟分析器的)工作流引擎 52
(虚拟分析器的)算法计算器 54
用户界面 56
通信网络 70
临床算法 80
第一测量值 A
第二测量值 B
第一输入数据 I
第二输入数据 II
传输解释支持数据 O
接收测试订单 步骤100
向算法计算器提供临床算法 步骤104
指示一台或多台实验室仪器分析一个或多个样品 步骤110
通过一台或多台实验室仪器分析一个或多个样品 步骤120
获得测量值 步骤122
通过实验室中间件接收测量值 步骤130
数据收集和准备 步骤140
通过算法计算器进行处理 步骤150
转发解释支持数据 步骤160
采用解释支持扩充测量值 步骤170
获得指示解释支持的准确率的反馈 步骤180
响应于反馈优化临床算法的参数 步骤182
Claims (15)
1.一种方法,其包括以下步骤:
-通过实验室中间件(30)接收与患者对应的测试订单;
-根据该测试订单响应于来自该实验室中间件(30)的指令,一台或多台实验室仪器(10)分析该患者的一个或多个生物样品以分别从其获得第一测量值(A)和第二测量值(B);
-该实验室中间件(30)接收通过分析该患者的该一个或多个生物样品获得的该第一测量值(A)和该第二测量值(B);
-提供包括工作流引擎(52)和算法计算器(54)的虚拟分析器(50),该虚拟分析器(50)与该实验室中间件(30)不同;
-该工作流引擎(52)从该实验室中间件(30)接收包括该第一测量值(A)和该第二测量值(B)的第一输入数据(I);
-该工作流引擎(52)从该实验室中间件(30)接收包括与该患者对应的患者数据的第二输入数据(II);
-向该算法计算器(54)提供临床算法(80),该临床算法(80)定义应用于该第一输入数据(I)和该第二输入数据(II)的处理步骤;
-响应于从该实验室中间件(30)接收的该测试订单,该工作流引擎(52)指示该算法计算器(54)将该临床算法(80)应用于该第一输入数据(I)和该第二输入数据(II);
-该算法计算器(54)使用该临床算法(80)处理该第一输入数据(I)和该第二输入数据(II),并将解释支持数据(O)传输到该工作流引擎(52);
-该工作流引擎(52)将该解释支持数据(O)转发给该实验室中间件(30);
和
-该实验室中间件(30)采用从该虚拟分析器(50)接收的该解释支持数据(O)来扩充该第一测量值(A)和该第二测量值(B)。
2.根据权利要求1的方法,其进一步包括以下步骤:
-获得指示该解释支持数据(O)的准确率的反馈;
-响应于所述反馈优化该临床算法(80)的一个或多个参数,以便提高该解释支持数据(O)的准确率。
3.根据权利要求1或2的方法,其进一步包括以下步骤:
-从该患者获得第一生物样品;
-在与获得该第一生物样品不同的时间从该患者获得第二生物样品;
-该一台或多台实验室仪器(10)分析该患者的第一生物样品以获得该第一测量值(A);和
-该一台或多台实验室仪器(10)分析该患者的第二生物样品以获得该第二测量值(B)。
4.根据权利要求1至3中任一项的方法,其进一步包括以下步骤:
-该一台或多台实验室仪器(10)对该患者的一个或多个生物样品进行第一分析以获得该第一测量值(A);
-该一台或多台实验室仪器(10)对该患者的一个或多个生物样品进行第二分析以获得该第二测量值(B),该第一分析与该第二分析不同。
5.根据权利要求4的方法,其中该第一分析确定第一分析物的存在和/或浓度,并且该第二分析确定第二分析物的存在和/或浓度,该第一分析物与该第二分析物不同。
6.根据权利要求1至5中任一项的方法,其进一步包括以下步骤:该实验室中间件(30)从主机***(40)如医院信息***HIS、电子病历EMR和/或计算机化医嘱输入CPOE来检索患者数据。
7.根据权利要求1至6中任一项的方法,其中所述患者数据包括来自包含以下项的列表中的一个或多个:
-患者年龄;
-患者的生命阶段;
-患者的一个或多个病况;
-患者的生理特征,如体重、身高、性别等;
-施用于该患者的一种或多种过去和/或当前药物的清单和相应的一个或多个剂量;
-对该患者过去和/或当前的治疗;
-患者的人口统计资料。
8.根据权利要求1至7中任一项的方法,其中使用该临床算法(80)处理该第一输入数据(I)和该第二输入数据(II)包括确定指示该患者具有和/或获得某种病况的风险得分,该解释支持数据(O)包括所述风险得分。
9.根据权利要求3至8中任一项的方法,其中使用该临床算法(80)处理该第一输入数据(I)和该第二输入数据(II)包括:基于该患者数据和基于对该第一生物样品的测量和对在与获得该第一生物样品的时间不同的时间获得的该第二生物样品的测量来确定指示该患者响应于治疗的治疗成功率,该解释支持数据(O)包括所述治疗成功率。
10.根据前述权利要求中任一项的方法,其进一步包括以下步骤:
-向该算法计算器(54)提供第二临床算法(80.2),该第二临床算法(80.2)定义应用于该第一输入数据(I)和该第二输入数据(II)的处理步骤,该临床算法(80)与该第二临床算法(80.2)不同;
-对应于从该实验室中间件(30)接收的该测试订单,该工作流引擎(52)指示该算法计算器(54)应用该临床算法(80)和/或该第二临床算法(80.2)。
11.根据权利要求10的方法,其进一步包括以下步骤:根据来自应用该临床算法(80)的输出,该工作流引擎(52)将该第二临床算法(80.2)应用于该第一输入数据(I)和该第二输入数据(II)。
12.一种用于处理生物样品的实验室***(1),其包括:
-用于分析生物样品的多台实验室仪器(10),每台实验室仪器(10)提供通过分析生物样品获得的测量值;
-实验室中间件(30),其与该多台实验室仪器(10)通信连接,和
-包括工作流引擎(52)和算法计算器(54)的虚拟分析器(50),该算法计算器(54)包括一个或多个临床算法(80),
-其中该实验室***(1)被配置成执行根据权利要求1至11的方法的任一项的步骤。
13.一种计算机可读介质,其上存储指令,该指令当由计算机***执行时控制该计算机***以执行根据权利要求1至11的方法的任一项的步骤。
14.一种基于网络的***,其包括:
-用户界面(56),其用于接收指示通过分析该患者的该一个或多个生物样品获得的该第一测量值(A)和该第二测量值(B)的第一输入数据(I),和用于接收包括与该患者对应的患者数据的第二输入数据(II);
-包括工作流引擎(52)和算法计算器(54)的虚拟分析器(50),该算法计算器包括一个或多个临床算法(80);
其中该基于网络的***被配置成执行根据权利要求1至11的方法的任一项的步骤。
15.根据权利要求14的基于网络的***,其中该虚拟分析器(50)驻留在远程服务器上,特别是驻留在基于云技术的远程服务器上。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17183458.3A EP3435379A1 (en) | 2017-07-27 | 2017-07-27 | Augmenting measurement values of biological samples |
EP17183458.3 | 2017-07-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109308937A true CN109308937A (zh) | 2019-02-05 |
Family
ID=59416582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810841722.8A Pending CN109308937A (zh) | 2017-07-27 | 2018-07-27 | 扩充生物样品的测量值 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190035489A1 (zh) |
EP (1) | EP3435379A1 (zh) |
JP (2) | JP2019061657A (zh) |
CN (1) | CN109308937A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3882920A1 (en) * | 2020-03-20 | 2021-09-22 | F. Hoffmann-La Roche AG | Processing data from a medical analyzer |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110201900A1 (en) * | 2010-02-18 | 2011-08-18 | Siemens Medical Solutions Usa, Inc. | System for Monitoring and Visualizing a Patient Treatment Process |
CN103003817A (zh) * | 2009-12-10 | 2013-03-27 | 皇家飞利浦电子股份有限公司 | 临床数据的自动化注释 |
US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
CN105120785A (zh) * | 2013-03-15 | 2015-12-02 | 美敦力阿迪安卢森堡有限公司 | 用于神经调制治疗的专门化的设备、***和方法 |
WO2016162767A1 (en) * | 2015-04-08 | 2016-10-13 | Koninklijke Philips N.V. | System for laboratory values automated analysis and risk notification in intensive care unit |
EP3139222A1 (en) * | 2015-09-04 | 2017-03-08 | F. Hoffmann-La Roche AG | Analytical test management system and method |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10103330B4 (de) * | 2001-01-25 | 2009-04-30 | Siemens Ag | Medizinisches System zur Überwachung eines die Blutgerinnung betreffenden Messwertes eines Patienten |
US7315784B2 (en) * | 2001-02-15 | 2008-01-01 | Siemens Aktiengesellschaft | Network for evaluating data obtained in a biochip measurement device |
AU2011316844A1 (en) * | 2010-10-22 | 2013-06-06 | Vermillion, Inc. | Prognostic biomarkers in patients with ovarian cancer |
EP2450711A1 (en) * | 2010-11-03 | 2012-05-09 | F. Hoffmann-La Roche AG | Analaysis system for analyzing biological samples |
JP5796319B2 (ja) * | 2011-03-28 | 2015-10-21 | 富士通株式会社 | 検査結果管理装置、検査結果管理プログラム及び検査結果管理方法 |
US9536052B2 (en) * | 2011-10-28 | 2017-01-03 | Parkland Center For Clinical Innovation | Clinical predictive and monitoring system and method |
MX356055B (es) * | 2013-09-06 | 2018-05-11 | Theranos Ip Co Llc | Sistemas y métodos para detectar enfermedades infecciosas. |
US10617349B2 (en) * | 2013-11-27 | 2020-04-14 | Medtronic, Inc. | Precision dialysis monitoring and synchronization system |
US20160055412A1 (en) * | 2014-08-20 | 2016-02-25 | Accenture Global Services Limited | Predictive Model Generator |
WO2016094330A2 (en) * | 2014-12-08 | 2016-06-16 | 20/20 Genesystems, Inc | Methods and machine learning systems for predicting the liklihood or risk of having cancer |
US20170169173A1 (en) * | 2015-12-09 | 2017-06-15 | Cedar Gate Partners, LLC | System for adapting healthcare data and performance management analytics |
AU2017285309A1 (en) * | 2016-06-17 | 2018-12-20 | Philips Medical Systems Technologies Ltd | Medical image workflow system and method |
WO2018017973A1 (en) * | 2016-07-22 | 2018-01-25 | Sri International | Computational analysis of observations for determination of feedback |
US10242443B2 (en) * | 2016-11-23 | 2019-03-26 | General Electric Company | Deep learning medical systems and methods for medical procedures |
-
2017
- 2017-07-27 EP EP17183458.3A patent/EP3435379A1/en active Pending
-
2018
- 2018-07-25 JP JP2018139216A patent/JP2019061657A/ja active Pending
- 2018-07-26 US US16/046,936 patent/US20190035489A1/en not_active Abandoned
- 2018-07-27 CN CN201810841722.8A patent/CN109308937A/zh active Pending
-
2023
- 2023-09-22 JP JP2023158381A patent/JP2023169350A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103003817A (zh) * | 2009-12-10 | 2013-03-27 | 皇家飞利浦电子股份有限公司 | 临床数据的自动化注释 |
US20110201900A1 (en) * | 2010-02-18 | 2011-08-18 | Siemens Medical Solutions Usa, Inc. | System for Monitoring and Visualizing a Patient Treatment Process |
US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
CN105120785A (zh) * | 2013-03-15 | 2015-12-02 | 美敦力阿迪安卢森堡有限公司 | 用于神经调制治疗的专门化的设备、***和方法 |
WO2016162767A1 (en) * | 2015-04-08 | 2016-10-13 | Koninklijke Philips N.V. | System for laboratory values automated analysis and risk notification in intensive care unit |
EP3139222A1 (en) * | 2015-09-04 | 2017-03-08 | F. Hoffmann-La Roche AG | Analytical test management system and method |
Also Published As
Publication number | Publication date |
---|---|
EP3435379A1 (en) | 2019-01-30 |
US20190035489A1 (en) | 2019-01-31 |
JP2023169350A (ja) | 2023-11-29 |
JP2019061657A (ja) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lippi et al. | Quality in laboratory diagnostics: from theory to practice | |
US7972279B2 (en) | Method and system for managing patient data | |
JP7361187B2 (ja) | 医療データの自動化された検証 | |
Linko et al. | Evaluation of uncertainty of measurement in routine clinical chemistry-applications to determination of the substance concentration of calcium and glucose in serum | |
US20240232291A1 (en) | Supplementing measurement results of automated analyzers | |
JP2023169350A (ja) | 生体試料の測定値増強 | |
US20200342962A1 (en) | Automatically generating rules for lab instruments | |
Misra et al. | Validation and regulation of point of care devices for medical applications | |
JP6931424B2 (ja) | 患者に関する医療データを処理するためのシステム及び方法 | |
US20220406426A1 (en) | Clinical decision support on clinical analyzer | |
US20230115021A1 (en) | Method for operating an in-vitro diagnostics laboratory control software module with a simulated in-vitro diagnostics laboratory instrumentation | |
US7440856B2 (en) | System and method for determining clinical equivalence of test methods | |
Hooijberg | Quality assurance for veterinary In-clinic laboratories | |
Powers et al. | Development and use of analytical quality specifications in the in vitro diagnostics medical device industry | |
WO2022247143A1 (en) | Federated learning of medical validation model | |
JP7525537B2 (ja) | 検査室試料配送および仲介システム | |
Wong | Risk management in clinical laboratories | |
Baral et al. | Comparisons of results between three in-house biochemistry analyzers and a commercial laboratory analyzer for feline plasma using multiple quality specifications | |
Wang et al. | Assay Performance Evaluation | |
Al Otaybi et al. | The Quality of Medical Test Results Using Techniques | |
JP2022161868A (ja) | 検査室試料配送および仲介システム | |
AU2011221379B2 (en) | Method for accessing patient data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |