CN113936756A - 一种肿瘤临床试验评分*** - Google Patents
一种肿瘤临床试验评分*** Download PDFInfo
- Publication number
- CN113936756A CN113936756A CN202111070050.3A CN202111070050A CN113936756A CN 113936756 A CN113936756 A CN 113936756A CN 202111070050 A CN202111070050 A CN 202111070050A CN 113936756 A CN113936756 A CN 113936756A
- Authority
- CN
- China
- Prior art keywords
- module
- scoring
- patient
- test
- test combination
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 77
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 21
- 238000011282 treatment Methods 0.000 claims abstract description 31
- 201000010099 disease Diseases 0.000 claims abstract description 29
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 230000003993 interaction Effects 0.000 claims description 21
- 230000036541 health Effects 0.000 claims description 10
- 239000003814 drug Substances 0.000 claims description 8
- 229940079593 drug Drugs 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 230000004083 survival effect Effects 0.000 abstract description 3
- 239000002547 new drug Substances 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 5
- 238000001647 drug administration Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 206010059866 Drug resistance Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 238000011866 long-term treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了肿瘤临床试验评分***技术领域的一种肿瘤临床试验评分***,所述病情评估预测模块电性输入连接知识资料库,所述病情评估预测模块电性输出连接患者试验组合分组模块,所述患者试验组合分组模块电性输出连接试验组合评分模块,所述试验组合评分模块电性输入连接评分分类标准库,所述试验组合评分模块电性输出连接试验组合分数合计模块,对具体病例情况进行深入的分析和识别,确定不同的诊疗方案,然后将不同的诊疗方案进行评分处理,大大提升了临床患者病情识别准确性,能够及时确定最优化的诊疗建议治疗方案,用到更多的新药,从而延长带瘤生存时间,同时,更多的临床试验能够招募到患者,实现患者和申办方的双赢。
Description
技术领域
本发明涉及肿瘤临床试验评分***技术领域,具体为一种肿瘤临床试验评分***。
背景技术
肿瘤临床试验招募患者的需求量巨大,存在“招募患者不足导致试验无法完成”的情况,肿瘤晚期患者,耐药后无药可用,只能通过报名参加临床试验获得治疗,各个临床试验的入排条件涉及到“相互排斥”的情况,临床试验出组后病情进展,再报名参加临床试验,可参加的临床试验会越来越少,现有技术方案中主要为收集患者信息,进行结构化数据,然后与试验入排数据进行匹配,筛出试验后,由医生为患者进行推荐,根据患者的病情和入排,只能匹配出患者当前能参加条件的相关试验,但医生无法为患者制定长期治疗规划(人为无法计算出各个试验之间的组合,需要了解对该科室领域内数百数千个相关临床试验的入排、招募结束时间等等),为此,我们提出一种肿瘤临床试验评分***。
发明内容
本发明的目的在于提供一种肿瘤临床试验评分***,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种肿瘤临床试验评分***,包括人机交互输入模块,所述人机交互输入模块电性输出连接病情评估预测模块,所述病情评估预测模块电性输入连接知识资料库,所述病情评估预测模块电性输出连接患者试验组合分组模块,所述患者试验组合分组模块电性输出连接试验组合评分模块,所述试验组合评分模块电性输入连接评分分类标准库,所述试验组合评分模块电性输出连接试验组合分数合计模块。
优选的,所述病情评估预测模块根据生理参数以及病情信息评估预测出健康状况的等级度,这样基于知识资料库中的知识图谱评估出健康状况,并将其分为A、B、C、D类,然后根据风险评估表进行发病风险评估,便于对每个等级进行评分处理。
优选的,所述患者试验组合分组模块根据患者当前病情和所有试验进行入排,匹配得到不同的试验组合。
优选的,所述评分分类标准库内设有给药方案数据库,且给药方案数据库内设有评分分类表,见图2,且所述试验组合评分模块用于接收评分分类标准库中的用药方案、治疗方式和评分细则。
优选的,所述试验组合分数合计模块基于试验组合评分模块中的诊疗技术方案、方案评分总和对其进行排序处理,以得到不同侧重点下最优化的试验组合诊疗技术方案。
优选的,所述人机交互输入模块包括人机交互屏,且人机交互屏内置无线传输模块,且人机交互屏上设置有多组连接端口。
与现有技术相比,本发明的有益效果是:
本发明人机交互输入模块完成对患者基本信息的录入,病情评估预测模块根据生理参数以及病情信息评估预测出健康状况的等级度,这样基于知识资料库中的知识图谱评估出健康状况,然后根据风险评估表进行发病风险评估,便于对每个等级进行评分处理,患者试验组合分组模块根据患者当前病情和所有试验进行入排,匹配得到不同的试验组合,试验组合评分模块用于接收评分分类标准库中的用药方案、治疗方式和评分细则,试验组合分数合计模块基于试验组合评分模块中的诊疗技术方案、方案评分总和对其进行排序处理,以得到不同侧重点下最优化的试验组合诊疗技术方案,根据患者当前病情匹配得出试验组合,并根据“用药方案标签、试验开展标签”等综合计算评分,供医生参考,患者可参加更多的临床试验,对具体病例情况进行深入的分析和识别,确定不同的诊疗方案,然后将不同的诊疗方案进行评分处理,大大提升了临床患者病情识别准确性,能够及时确定最优化的诊疗建议治疗方案,用到更多的新药,从而延长带瘤生存时间,同时,更多的临床试验能够招募到患者,实现患者和申办方的双赢。
附图说明
图1为本发明工作原理框图;
图2为本发明评分分类表示意图。
图中:1、人机交互输入模块;2、病情评估预测模块;3、知识资料库;4、患者试验组合分组模块;5、试验组合评分模块;6、评分分类标准库;7、试验组合分数合计模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1、图2,本发明提供一种技术方案:一种肿瘤临床试验评分***,包括人机交互输入模块1,人机交互输入模块1电性输出连接病情评估预测模块 2,病情评估预测模块2电性输入连接知识资料库3,病情评估预测模块2电性输出连接患者试验组合分组模块4,患者试验组合分组模块4电性输出连接试验组合评分模块5,试验组合评分模块5电性输入连接评分分类标准库6,试验组合评分模块5电性输出连接试验组合分数合计模块7。
病情评估预测模块2根据生理参数以及病情信息评估预测出健康状况的等级度,这样基于知识资料库3中的知识图谱评估出健康状况,并将其分为A、B、 C、D类,然后根据风险评估表进行发病风险评估,便于对每个等级进行评分处理,提高对患者病理信息的掌握度;
患者试验组合分组模块4根据患者当前病情和所有试验进行入排,匹配得到不同的试验组合;
评分分类标准库6内设有给药方案数据库,且给药方案数据库内设有评分分类表,见图2,且试验组合评分模块5用于接收评分分类标准库6中的用药方案、治疗方式和评分细则;
试验组合分数合计模块7基于试验组合评分模块5中的诊疗技术方案、方案评分总和对其进行排序处理,以得到不同侧重点下最优化的试验组合诊疗技术方案;
人机交互输入模块1包括人机交互屏,且人机交互屏内置无线传输模块,且人机交互屏上设置有多组连接端口;
工作原理
试验组合:根据患者当前病情和所有试验进行入排,同时匹配得出相关试验A;
1假设患者参加试验Aa,根据患者当前病情后一个病情阶段的病情和用药史,和除Aa外剩余试验的入排,匹配得出相关试验B;
2假设患者参加试验Ba,根据患者当前病情后两个病情阶段的病情和用药史,和除Aa和Ba外剩余试验的入排,匹配得出相关试验C;
3综上,得出患者所有的试验组合An+Bn+Cn;
试验组合评分:根据自研算法,A、B、C各档根据标签设置权重,见图2;
其中,各档单独计算加权总数,以此作为临床试验组合的各档评分;
临床试验组合的评分,可根据以下两种方式排序:组合评分总分ABC三档相加降序排序和优先当前方案降序排序第一排序A档降序,第二排序B档降序,第三排序C档降序;例如不同组合的A档分数相同,则对B档进行比较,若B 档分数相同,则对C档进行比较;
本发明人机交互输入模块1完成对患者基本信息的录入,病情评估预测模块2根据生理参数以及病情信息评估预测出健康状况的等级度,这样基于知识资料库3中的知识图谱评估出健康状况,然后根据风险评估表进行发病风险评估,便于对每个等级进行评分处理,患者试验组合分组模块4根据患者当前病情和所有试验进行入排,匹配得到不同的试验组合,试验组合评分模块5用于接收评分分类标准库6中的用药方案、治疗方式和评分细则,试验组合分数合计模块7基于试验组合评分模块5中的诊疗技术方案、方案评分总和对其进行排序处理,以得到不同侧重点下最优化的试验组合诊疗技术方案,根据患者当前病情匹配得出试验组合,并根据“用药方案标签、试验开展标签”等综合计算评分,供医生参考,患者可参加更多的临床试验,对具体病例情况进行深入的分析和识别,确定不同的诊疗方案,然后将不同的诊疗方案进行评分处理,大大提升了临床患者病情识别准确性,能够及时确定最优化的诊疗建议治疗方案,用到更多的新药,从而延长带瘤生存时间,同时,更多的临床试验能够招募到患者,实现患者和申办方的双赢。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种肿瘤临床试验评分***,其特征在于:包括人机交互输入模块(1),所述人机交互输入模块(1)电性输出连接病情评估预测模块(2),所述病情评估预测模块(2)电性输入连接知识资料库(3),所述病情评估预测模块(2)电性输出连接患者试验组合分组模块(4),所述患者试验组合分组模块(4)电性输出连接试验组合评分模块(5),所述试验组合评分模块(5)电性输入连接评分分类标准库(6),所述试验组合评分模块(5)电性输出连接试验组合分数合计模块(7)。
2.根据权利要求1所述的一种肿瘤临床试验评分***,其特征在于:所述病情评估预测模块(2)根据生理参数以及病情信息评估预测出健康状况的等级度,这样基于知识资料库(3)中的知识图谱评估出健康状况,并将其分为A、B、C、D类,然后根据风险评估表进行发病风险评估,便于对每个等级进行评分处理。
3.根据权利要求1所述的一种肿瘤临床试验评分***,其特征在于:所述患者试验组合分组模块(4)根据患者当前病情和所有试验进行入排,匹配得到不同的试验组合。
4.根据权利要求1所述的一种肿瘤临床试验评分***,其特征在于:所述评分分类标准库(6)内设有给药方案数据库,且给药方案数据库内设有评分分类表,见图2,且所述试验组合评分模块(5)用于接收评分分类标准库(6)中的用药方案、治疗方式和评分细则。
5.根据权利要求4所述的一种肿瘤临床试验评分***,其特征在于:所述试验组合分数合计模块(7)基于试验组合评分模块(5)中的诊疗技术方案、方案评分总和对其进行排序处理,以得到不同侧重点下最优化的试验组合诊疗技术方案。
6.根据权利要求1所述的一种肿瘤临床试验评分***,其特征在于:所述人机交互输入模块(1)包括人机交互屏,且人机交互屏内置无线传输模块,且人机交互屏上设置有多组连接端口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111070050.3A CN113936756A (zh) | 2021-09-13 | 2021-09-13 | 一种肿瘤临床试验评分*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111070050.3A CN113936756A (zh) | 2021-09-13 | 2021-09-13 | 一种肿瘤临床试验评分*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113936756A true CN113936756A (zh) | 2022-01-14 |
Family
ID=79275828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111070050.3A Pending CN113936756A (zh) | 2021-09-13 | 2021-09-13 | 一种肿瘤临床试验评分*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936756A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114242264A (zh) * | 2022-02-24 | 2022-03-25 | 浙江太美医疗科技股份有限公司 | 推荐方案展示、生成方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1252877A (zh) * | 1997-03-13 | 2000-05-10 | 第一咨询公司 | 疾病处理*** |
US20140316793A1 (en) * | 2013-03-14 | 2014-10-23 | nPruv, Inc. | Systems and methods for recruiting and matching patients for clinical trials |
US20200243168A1 (en) * | 2019-01-29 | 2020-07-30 | International Business Machines Corporation | Intelligent ranking of clinical trials for a patient |
CN111667891A (zh) * | 2020-06-08 | 2020-09-15 | 中国医学科学院医学信息研究所 | 应用于专病临床试验的队列识别方法及装置 |
US20200411199A1 (en) * | 2018-01-22 | 2020-12-31 | Cancer Commons | Platforms for conducting virtual trials |
CN113228195A (zh) * | 2019-01-15 | 2021-08-06 | 国际商业机器公司 | 用于识别药物的最佳组合的技术 |
-
2021
- 2021-09-13 CN CN202111070050.3A patent/CN113936756A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1252877A (zh) * | 1997-03-13 | 2000-05-10 | 第一咨询公司 | 疾病处理*** |
US20140316793A1 (en) * | 2013-03-14 | 2014-10-23 | nPruv, Inc. | Systems and methods for recruiting and matching patients for clinical trials |
US20200411199A1 (en) * | 2018-01-22 | 2020-12-31 | Cancer Commons | Platforms for conducting virtual trials |
CN113228195A (zh) * | 2019-01-15 | 2021-08-06 | 国际商业机器公司 | 用于识别药物的最佳组合的技术 |
US20200243168A1 (en) * | 2019-01-29 | 2020-07-30 | International Business Machines Corporation | Intelligent ranking of clinical trials for a patient |
CN111667891A (zh) * | 2020-06-08 | 2020-09-15 | 中国医学科学院医学信息研究所 | 应用于专病临床试验的队列识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114242264A (zh) * | 2022-02-24 | 2022-03-25 | 浙江太美医疗科技股份有限公司 | 推荐方案展示、生成方法、装置、计算机设备及存储介质 |
CN114242264B (zh) * | 2022-02-24 | 2022-08-02 | 浙江太美医疗科技股份有限公司 | 推荐方案展示、生成方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmed | Developing a predicted model for diabetes type 2 treatment plans by using data mining | |
CN107633153B (zh) | 一种肿瘤个体化临床实验文本挖掘的方法和*** | |
Prifti et al. | Deep learning analysis of electrocardiogram for risk prediction of drug-induced arrhythmias and diagnosis of long QT syndrome | |
US20130254202A1 (en) | Parallelization of synthetic events with genetic surprisal data representing a genetic sequence of an organism | |
Ohno-Machado | A comparison of Cox proportional hazards and artificial neural network models for medical prognosis | |
Radha | Predicting diabetes by cosequencing the various data mining classification techniques | |
EP1839229A2 (en) | Methods, systems, and computer program products for developing and using predictive models for predicting a plurality of medical outcomes, for evaluating intervention strategies, and for simultaneously validating biomarker causality | |
CN111081384A (zh) | 一种心血管疾病临床用药指导***及方法 | |
CN111883258B (zh) | 一种构建ohss分度分型预测模型的方法 | |
JP2019511057A (ja) | Sirsの予測のための臨床パラメータの使用 | |
CN107767960A (zh) | 临床检测项目的数据处理方法、装置及电子设备 | |
Nasimov et al. | A new approach to classifying myocardial infarction and cardiomyopathy using deep learning | |
CN116153531A (zh) | 一种肿瘤患者康复监测方法及*** | |
CN111354462B (zh) | 晚期乳腺癌生存概率预测列线图、生存概率预测方法及患者分类方法 | |
Robu et al. | Medical data mining with extended WEKA | |
CN113936756A (zh) | 一种肿瘤临床试验评分*** | |
Oster et al. | A predictive algorithm using clinical and laboratory parameters may assist in ruling out and in diagnosing MDS | |
Shi et al. | An intelligent decision support algorithm for diagnosis of colorectal cancer through serum tumor markers | |
Mirzajani | Prediction and diagnosis of diabetes by using data mining techniques | |
CN105787232B (zh) | 一种数据处理方法、装置、健康***平台及终端 | |
KR101255477B1 (ko) | 사상체질 분류방법 | |
Zhang et al. | An Intelligent Decision‐Making Support System for the Detection and Staging of Prostate Cancer in Developing Countries | |
CN106156512A (zh) | 一种中医药方用于类风湿性关节炎临床治疗的研究方法 | |
Carpio et al. | Pattern recognition in data as a diagnosis tool | |
CN113488195B (zh) | 一种批量化精准用药决策方法 |
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 |