CN115691747A - 一种mdt多学科诊疗方法及*** - Google Patents
一种mdt多学科诊疗方法及*** Download PDFInfo
- Publication number
- CN115691747A CN115691747A CN202211401781.6A CN202211401781A CN115691747A CN 115691747 A CN115691747 A CN 115691747A CN 202211401781 A CN202211401781 A CN 202211401781A CN 115691747 A CN115691747 A CN 115691747A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- patient
- treatment scheme
- treatment
- information
- 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
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种MDT多学科诊疗方法和***,所述方法包括:获取患者信息,包括患者的基本信息数据和病例数据;通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。本发明实施例提高了诊疗水平和效率,为患者提供科学、适宜的治疗方案,改善患者生存质量。
Description
技术领域
本发明涉及医疗会诊技术,尤指一种MDT多学科诊疗方法和***。
背景技术
MDT(Multi-DisciplinaryTreatment)多学科会诊,是由多学科资深专家以共同讨论的方式,为患者制定个性化诊疗方案的过程。为指导各地科学建立推广多学科诊疗模式,进一步提高国内肿瘤等疑难复杂疾病的规范化诊疗水平,保障医疗质量和安全,国家卫健委制定《肿瘤多学科诊疗试点工作方案》。于2018-2020年,在全国范围内遴选一定数量的医院开展肿瘤多学科诊疗试点。通过开展肿瘤多学科诊疗试点工作,发挥试点医院的带动示范作用,以点带面,逐步在全国推广多学科诊疗模式,促进各专业协同协调发展,提升疾病综合诊疗水平,改善患者就医体验。
医院现有的技术方案依据平台固有流程,组织MDT,仅通过简单的会诊记录进行,临床数据视图不完整、结构不清晰;简单统计查询与质控指标不匹配;单纯流程电子化,数据基本难以再利用;多学科诊疗规范、评级评审等依从程度低;医院内部的MDT平台,应用场景扩展能力弱;无法实现医疗资源均衡化发展,从而造成地区医疗资源差异、不平衡发展的弊端。技术上无法有效支撑帮扶医院、基层医院的医疗水平发展,对于疑难杂症患者无法形成有针对性、有价值的诊疗方案标准和规范,从而带来患者的就医体验差,容易造成误诊、漏诊等不良事件。
因此,现有技术无法通过对各种不同病例的会诊记录进行有效诊疗方案的推荐。
发明内容
为了解决上述技术问题,本发明实施例提供了一种MDT多学科诊疗方法,可以通过将不同患者的相似病症进行数据分析和关联关系比较,进而形成有效的辅助诊疗方案推荐。
为了达到本发明目的,一方面,本发明实施例提供了一种MDT多学科诊疗方法,包括:
获取患者信息,包括患者的基本信息数据和病例数据;
通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;
根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。
进一步地,所述通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值之前还包括:
建立所述数据集成平台,所述数据集成平台包括患者历史信息构建的患者数据库、患者历史会诊信息构建的会诊数据库、患者历史诊疗方案信息构建的诊疗方案数据库。
进一步地,所述算法包括,构建回归模型,根据患者多个指标、年龄、参数估计值、随机干扰项进行计算,获取诊疗方案推荐指数。
进一步地,所述方法还包括:
根据所述患者数据库中的信息,计算所述患者数据特征、病例特征之间的关联关系,获得患者数据引用值。
进一步地,所述方法还包括:根据所述会诊数据库中的信息,计算会诊过程数据特征和结果数据特征之间的关联关系,获得会诊数据引用值。
进一步地,所述方法还包括:根据所述患者数据引用值和所述会诊数据引用值,构建所述患者数据库和会诊数据库内部以及之间的引用矩阵。
进一步地,所述方法还包括:根据所述引用矩阵以及所述患者数据库、会诊数据库、诊疗方案数据库,计算患者所有已知信息与诊疗方案之间的诊疗方案引用值;
将所述患者数据引用值、所述会诊数据引用值和所述诊疗方案引用值加总,获取诊疗方案与患者已知信息的关联值。
进一步地,所述方法还包括:将所述诊疗方案数据库中的诊疗方案按照与患者已知信息的关联值大小,由大至小顺序排列,构成推荐诊疗方案列表,根据所述列表获取所述辅助诊疗方案。
进一步地,所述方法还包括:对于现有患者样本外任意一位患者,当病症的特征分布和现有患者样本一致时,提取相似诊疗方案作为对其他患者的辅助诊疗参考。
另一方面,本发明实施例还提供了一种MDT多学科诊疗***,包括:
获取信息模块,用于获取患者的基本信息数据和病例数据;
计算模块,用于通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;
选择模块,用于根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。
进一步地,所述数据集成平台包括患者历史信息构建的患者数据库、患者历史会诊信息构建的会诊数据库、患者历史诊疗方案信息构建的诊疗方案数据库。
进一步地,所述计算模块用于,构建回归模型,根据患者多个指标、年龄、参数估计值,随机干扰项进行计算,获取诊疗方案推荐指数。
进一步地,所述***用于:
根据所述患者数据库中的信息,计算所述患者数据特征、病例特征之间的关联关系,获得患者数据引用值。
进一步地,所述***用于:根据所述会诊数据库中的信息,计算会诊过程数据特征和结果数据特征之间的关联关系,获得会诊数据引用值。
进一步地,所述***用于:根据所述患者数据引用值和所述会诊数据引用值,构建所述患者数据库和会诊数据库内部以及之间的引用矩阵。
进一步地,所述***用于:根据所述引用矩阵以及所述患者数据库、会诊数据库、诊疗方案数据库,计算患者所有已知信息与诊疗方案之间的诊疗方案引用值;
将所述患者数据引用值、所述会诊数据引用值和所述诊疗方案引用值加总,获取诊疗方案与患者已知信息的关联值。
进一步地,所述***用于:将所述诊疗方案数据库中的诊疗方案按照与患者已知信息的关联值大小,由大至小顺序排列,构成推荐诊疗方案列表,根据所述列表获取所述辅助诊疗方案。
进一步地,所述***还用于:对于现有患者样本外任意一位患者,当病症的特征分布和现有患者样本一致时,提取相似诊疗方案作为对其他患者的辅助诊疗参考。
本发明实施例通过获取患者信息,包括患者的基本信息数据和病例数据;通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。本发明实施例通过为医院、医生提供辅助诊疗手段,大大提高了诊疗水平和效率,降低误诊率和漏诊率,为病人提供科学的、适宜的、最佳的治疗方案,极大地改善患者生存质量和预后效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明实施例MDT多学科诊疗方法的流程图;
图2为本发明实施例MDT多学科诊疗***的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤,可以表示方法执行的逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例MDT多学科诊疗方法的流程图,如图1所示,本发明实施例的方法包括以下步骤:
步骤100:获取患者信息,包括患者的基本信息数据和病例数据;
通过MDT多学科诊疗***中的集成平台接口功能获取患者信息、会诊信息和诊疗方案。
步骤101:通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;
将患者信息和诊疗方案进行组合对应,通过机器学习,形成推荐方案。
步骤102:根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。
在训练集以外的病例,根据患者信息的相似度进行匹配和排序,将相似度最高的诊疗方案进行推荐。患者数据分析模型可以有效地量化患者诊疗数据中各个诊断及检验检查数据变量的关联,更深刻地揭示出该患者的基础信息与检查检验数据的变化规律。基于经验数据,使用参数估计和假设检验的数理统计方法进行评估分析。使用机器学习的方法,从庞大的患者数据、诊疗特征中,找到最能预测患者诊疗方案的指标因素,进而提高模型预测力。
进一步地,所述通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值之前还包括:
建立所述数据集成平台,所述数据集成平台包括患者历史信息构建的患者数据库、患者历史会诊信息构建的会诊数据库、患者历史诊疗方案信息构建的诊疗方案数据库。
进一步地,所述算法包括,构建回归模型,根据患者多个指标、年龄、参数估计值,随机干扰项进行计算,获取诊疗方案推荐指数。
具体地,医院已经积累了大量患者信息及诊疗方案选择决策的经验数据。为此,本发明实施例构建了以下回归模型:假定观测到患者k个指标,患者第一个到第k个指标依次记为χ1,χ2,…,χk,根据患者数据推荐某种诊疗方案的程度由以下诊疗方案推荐指数进行计算:
Pi,t+1=β0+β1x1it+β2x2it+…+βkxkit+εit
其中,i表示患者,t表示时间单位,比如年份,Pi,t+1表示患者i在t+1年份的诊疗方案推荐指数,χ1it,χ2it,…,χkit分别表示患者i在t年份的第一个到第k个指标,β0…βk分别表示不同的参数估计值,用εit表示随机干扰项。本发明实施例可以使用参数估计值β0、β1…βk,预测患者i在t+1年份的诊疗方案推荐指数Pi,t+1。进一步地,时间单位并不限定于年份。另外,只要患者病症的特征分布和现有样本一致,本发明实施例便可以预测现有样本外任意一位患者采用类似诊疗方案可能性。
进一步地,所述方法还包括:
根据所述患者数据库中的信息,计算所述患者数据特征、病例特征之间的关联关系,获得患者数据引用值。
进一步地,所述方法还包括:根据所述会诊数据库中的信息,计算会诊过程数据特征和结果数据特征之间的关联关系,获得会诊数据引用值。
进一步地,所述方法还包括:根据所述患者数据引用值和所述会诊数据引用值,构建所述患者数据库和会诊数据库内部以及之间的引用矩阵。
进一步地,所述方法还包括:根据所述引用矩阵以及所述患者数据库、会诊数据库、诊疗方案数据库,计算患者所有已知信息与诊疗方案之间的诊疗方案引用值。
将所述患者数据引用值、所述会诊数据引用值和所述诊疗方案引用值加总,获取诊疗方案与患者已知信息的关联值。
进一步地,所述方法还包括:将所述诊疗方案数据库中的诊疗方案按照与患者已知信息的关联值大小,由大至小顺序排列,构成推荐诊疗方案列表,根据所述列表获取所述辅助诊疗方案。
进一步地,所述方法还包括:对于现有患者样本外任意一位患者,当病症的特征分布和现有患者样本一致时,提取相似诊疗方案作为对其他患者的辅助诊疗参考。
本发明实施例的方法具体步骤详细描述如下:
通过数据集成平台采集到的患者数据、会诊信息和诊疗方案等,形成患者数据库、会诊数据库、诊疗方案数据库,获取患者信息、会诊信息和诊疗方案信息;
根据患者及病例的已知信息,计算诊疗方案和患者已知信息之间的关联值
其具体步骤为:
1、根据患者数据库中的信息,计算患者数据特征、病例特征两两之间的关联关系,获得患者数据引用值;
2、根据会诊数据库中的信息,计算会诊过程数据特征和结果数据特征两两之间的关联关系,获得会诊数据引用值;
3、根据计算所得引用值,构建所有患者数据库和会诊数据库内部以及之间的引用矩阵;
4、根据引用矩阵以及患者数据库、会诊数据库、诊疗方案数据库,计算患者所有已知信息与诊疗方案之间的引用值;
5、将上述引用值加总,获取诊疗方案与患者已知信息的关联值。
将诊疗方案按照与患者已知信息的关联值大小,由大至小顺序排列构成推荐诊疗方案列表,向医生/患者推荐辅助诊疗方案。
本发明实施例的方法提高了诊疗水平和效率,为病人提供科学、适宜的治疗方案,改善患者生存质量。
另一方面,本发明实施例还提供了一种MDT多学科诊疗***,包括:
获取信息模块200,用于获取患者的基本信息数据和病例数据;
计算模块201,用于通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;
所述计算模块根据关联值计算模块计算所得关联值,向医生或患者推荐辅助诊疗方案。
选择模块202,用于根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。
进一步地,所述数据集成平台包括患者历史信息构建的患者数据库、患者历史会诊信息构建的会诊数据库、患者历史诊疗方案信息构建的诊疗方案数据库。
进一步地,所述计算模块用于,构建回归模型,根据患者多个指标、年份、参数估计值,随机干扰项进行计算,获取诊疗方案推荐指数。
进一步地,所述***用于:
根据所述患者数据库中的信息,计算所述患者数据特征、病例特征之间的关联关系,获得患者数据引用值。
进一步地,所述***用于:根据所述会诊数据库中的信息,计算会诊过程数据特征和结果数据特征之间的关联关系,获得会诊数据引用值。
进一步地,所述***用于:根据所述患者数据引用值和所述会诊数据引用值,构建所述患者数据库和会诊数据库内部以及之间的引用矩阵。
进一步地,所述***用于:根据所述引用矩阵以及所述患者数据库、会诊数据库、诊疗方案数据库,计算患者所有已知信息与诊疗方案之间的诊疗方案引用值;
将所述患者数据引用值、所述会诊数据引用值和所述诊疗方案引用值加总,获取诊疗方案与患者已知信息的关联值。
进一步地,所述***用于:将所述诊疗方案数据库中的诊疗方案按照与患者已知信息的关联值大小,由大至小顺序排列,构成推荐诊疗方案列表,根据所述列表获取所述辅助诊疗方案。
进一步地,所述***还用于:对于现有患者样本外任意一位患者,当病症的特征分布和现有患者样本一致时,提取相似诊疗方案作为对其他患者的辅助诊疗参考。
例如,试点医院重点要将个体化医学、精准医学、快速康复理念融入肿瘤的诊疗,通过建立肿瘤多学科诊疗MDT标准化操作流程,提高肿瘤诊疗水平和效率。为病人提供科学、适宜的治疗方案,改善肿瘤患者生存质量。具备以下程序和成效:建立肿瘤MDT标准化操作流程。结合医院工作实际,制定MDT工作制度和相应的MDT,如:门诊MDT、住院病房MDT、远程MDT等标准化操作流程,保证肿瘤MDT效率和质量。提高肿瘤MDT诊疗水平。严格执行相关肿瘤诊疗规范、专家共识和指南要求,不断提高医务人员肿瘤MDT规范化诊疗水平。提高肿瘤MDT管理质量。成立肿瘤MDT工作委员会,建立肿瘤MDT监督管理机制,对全院肿瘤MDT工作进行全面监督和管理,定期对医院MDT活动开展情况进行督查,针对存在的问题进行评估和反馈,持续提高MDT质量。
综上所述,本发明实施例提供的MDT多学科诊疗方法和***,可以通过将不同患者的相似病症进行数据分析和关联关系比较,进而形成有效的辅助诊疗方案推荐。本发明实施例大大提高了诊疗水平和效率,降低误诊率和漏诊率,为病人提供科学、适宜的治疗方案,极大地改善患者生存质量和预后效果。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种MDT多学科诊疗方法,其特征在于,包括:
获取患者信息,包括患者的基本信息数据和病例数据;
通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;
根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。
2.根据权利要求1所述的MDT多学科诊疗方法,其特征在于,所述通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值之前还包括:
建立所述数据集成平台,所述数据集成平台包括患者历史信息构建的患者数据库、患者历史会诊信息构建的会诊数据库、患者历史诊疗方案信息构建的诊疗方案数据库。
3.根据权利要求1所述的MDT多学科诊疗方法,其特征在于,所述算法包括,构建回归模型,根据患者多个指标、年龄、参数估计值、随机干扰项进行计算,获取诊疗方案推荐指数。
4.根据权利要求3所述的MDT多学科诊疗方法,其特征在于,还包括:
根据所述患者数据库中的信息,计算所述患者数据特征、病例特征之间的关联关系,获得患者数据引用值。
5.根据权利要求3所述的MDT多学科诊疗方法,其特征在于,还包括:根据所述会诊数据库中的信息,计算会诊过程数据特征和结果数据特征之间的关联关系,获得会诊数据引用值。
6.根据权利要求3所述的MDT多学科诊疗方法,其特征在于,还包括:根据所述患者数据引用值和所述会诊数据引用值,构建所述患者数据库和会诊数据库内部以及之间的引用矩阵。
7.根据权利要求3所述的MDT多学科诊疗方法,其特征在于,还包括:根据所述引用矩阵以及所述患者数据库、会诊数据库、诊疗方案数据库,计算患者所有已知信息与诊疗方案之间的诊疗方案引用值;
将所述患者数据引用值、所述会诊数据引用值和所述诊疗方案引用值加总,获取诊疗方案与患者已知信息的关联值。
8.根据权利要求3所述的MDT多学科诊疗方法,其特征在于,还包括:将所述诊疗方案数据库中的诊疗方案按照与患者已知信息的关联值大小,由大至小顺序排列,构成推荐诊疗方案列表,根据所述列表获取所述辅助诊疗方案。
9.根据权利要求1所述的MDT多学科诊疗方法,其特征在于,还包括:对于现有患者样本外任意一位患者,当病症的特征分布和现有患者样本一致时,提取相似诊疗方案作为对其他患者的辅助诊疗参考。
10.一种MDT多学科诊疗***,其特征在于,包括:
获取信息模块,用于获取患者的基本信息数据和病例数据;
计算模块,用于通过算法计算所述患者信息与数据集成平台存储的患者诊疗方案的关联值;所述存储的患者诊疗方案由患者历史诊疗方案信息构建;
选择模块,用于根据所述关联值,选择所述数据集成平台中与所述关联值对应的诊疗方案,将所述诊疗方案推荐为新的辅助诊疗方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401781.6A CN115691747A (zh) | 2022-11-09 | 2022-11-09 | 一种mdt多学科诊疗方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401781.6A CN115691747A (zh) | 2022-11-09 | 2022-11-09 | 一种mdt多学科诊疗方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115691747A true CN115691747A (zh) | 2023-02-03 |
Family
ID=85049886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401781.6A Pending CN115691747A (zh) | 2022-11-09 | 2022-11-09 | 一种mdt多学科诊疗方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115691747A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116798566A (zh) * | 2023-08-29 | 2023-09-22 | 北京国药新创科技发展有限公司 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
-
2022
- 2022-11-09 CN CN202211401781.6A patent/CN115691747A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116798566A (zh) * | 2023-08-29 | 2023-09-22 | 北京国药新创科技发展有限公司 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106202955B (zh) | 基于编码智能适配的诊断相关分组方法及*** | |
CN106951719A (zh) | 临床诊断模型的构建方法及构建***、临床诊断*** | |
CN107038343A (zh) | 临床诊断模型的构建方法及构建***、临床诊断*** | |
CN101647696A (zh) | 健康诊疗智能*** | |
CN110739076A (zh) | 一种医疗人工智能公共训练平台 | |
CN114639479A (zh) | 一种基于医疗知识图谱的智能诊断辅助*** | |
CN111081353A (zh) | 一种自动化在线学习智能辅助标注医学影像的方法和*** | |
CN113160986B (zh) | 用于预测全身炎症反应综合征发展的模型构建方法及*** | |
CN115691747A (zh) | 一种mdt多学科诊疗方法及*** | |
CN116631638B (zh) | 一种基于人工智能的医疗数据多通路搜索*** | |
CN116884559A (zh) | 一种基于语言模型的影像报告生成方法和*** | |
CN116864121A (zh) | 健康风险筛查*** | |
CN116864104A (zh) | 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级*** | |
CN117116412A (zh) | 一种基于病历数据分析的智能护理建议生成方法 | |
CN116741368A (zh) | 一种医用诊疗***完善优化*** | |
CN116469542B (zh) | 一种个性化医疗影像诊断路径生成***及方法 | |
CN115579150A (zh) | 专病数据库的创建方法、装置、电子设备及计算机介质 | |
CN115394431A (zh) | 一种智慧医疗服务*** | |
CN115148330A (zh) | Pop治疗方案形成方法及*** | |
Siddiqa et al. | A new hybrid agent-based modeling & simulation decision support system for breast cancer data analysis | |
CN110675930A (zh) | 一种针对非小细胞肺癌的决策方法、***及装置 | |
CN112329921A (zh) | 基于深度表征学习和强化学习的利尿剂剂量推理设备 | |
CN116230200A (zh) | 一种基于患者数据图谱的数字治疗方法和*** | |
CN116580798B (zh) | 一种动态精准的受试者药物临床试验遴选的研究方法 | |
AU2021102832A4 (en) | System & method for automatic health prediction using fuzzy based machine learning |
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 |