JP2018060529A - コンテキストベースの患者類似性の方法及び装置 - Google Patents

コンテキストベースの患者類似性の方法及び装置 Download PDF

Info

Publication number
JP2018060529A
JP2018060529A JP2017169974A JP2017169974A JP2018060529A JP 2018060529 A JP2018060529 A JP 2018060529A JP 2017169974 A JP2017169974 A JP 2017169974A JP 2017169974 A JP2017169974 A JP 2017169974A JP 2018060529 A JP2018060529 A JP 2018060529A
Authority
JP
Japan
Prior art keywords
patient
vertices
pco
data
vertex
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.)
Granted
Application number
JP2017169974A
Other languages
English (en)
Other versions
JP6907831B2 (ja
Inventor
ビリャソン−テラサス・ボリス
Villazon-Terrazas Boris
ヒュー・ボ
Bo Hu
ラ トーレ・ビクトール デ
De La Torre Victor
ラ トーレ・ビクトール デ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JP2018060529A publication Critical patent/JP2018060529A/ja
Application granted granted Critical
Publication of JP6907831B2 publication Critical patent/JP6907831B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Psychiatry (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)

Abstract

【課題】診断されるべき患者における病状の診断を支援するコンピュータ装置等を提供する。【解決手段】臨床履歴データを含む患者の母集団についての患者データ、且つ、オープンデータを入力し、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及びＰＣＯから成る完全患者グラフを生成する。医療分野の指定及びオープンデータを入力し、ドメインコーパスを構築する患者コンテキストビルダーと、完全患者グラフ内の頂点をドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、それらの頂点に基づき完全患者グラフ内の診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算し、前記ＰＣＯを順位付けする。診断されるべき患者に類似した患者のリストを出力して、診断されるべき患者の１つ以上の診断を提案する。【選択図】図２

Description

本発明は、通常患者と呼ばれる個体又は生体の診断、予後診断及び治療に関係がある。患者は、人間、又は場合により、例えば、希少な血統又はペットの標本のような、動物であってよい。多くのシナリオにおいて、患者は、疾患に既に苦しんでいるかもしれないが、他では、患者は現在のところ健康であり、よって、語「病状（medical condition）」は、疾患（disorders）、疾病（illnesses）及び病気（diseases）に加えて、例えば、妊娠のような、状態を含む。本発明は、このように、医学、ヘルスケア及び獣医科学において幅広く適用可能である。
患者の正確な診断を提供することは、困難な課題である。何年にもわたる研究及び日常の訓練は、この診断を推定するのに必要な技量を臨床医（例えば、これらには、看護士、医師、歯科医、健康管理医及び獣医学診療医が含まれ得る。）にもたらす。この推定の正確さは、正しい治療を患者に提供するのに極めて重要である。しかし、課題の複雑性に起因して、高いレベルの正確さが常に達成されるわけではない。診断レベルでの誤りは、ほとんど全ての治療が副次的効果を有していることから、患者の傾向に対して重大な影響を及ぼす。メンタルヘルスの場合に、例えば、正しい診断を推定することは、人間の挙動の複雑性を考慮して、より困難な課題でさえあり得る。
今日、診断の誤り（何らかのその後の確定的な検査又は所見によって定義されるように、見逃し、誤り又は遅延である診断として定義され得るもの。）は、臨床的及び財政的に従来にも増して犠牲が大きい。更には、診断の誤りは、米国では医療過誤請求の主要原因であり、毎年４００００〜８００００件の死亡を引き起こしていると推定される。
診断推定の正確さに影響を及ぼすいくつかの要因が存在する：
・ 臨床医による患者の診療時間が短すぎること；
・ いくつかの症状が同時に存在し得ることで、多くの場合に診断が明白でないこと；
・ 診断の“結論（resolution）”が現行の治療を満足する必要があること；
・ 所与の患者が、いくつかの専門及び異なるレベルの知識から、数分野の医師によって診断されること；
・データベースに記録されている以前の診断が、そのような以前の診断が情報システムに記録されたときの誤りに起因して、患者の実際の状態を反映しない可能性があること。
結果として、診断プロセス中に臨床医を支援することは、診断の誤りを減らし、従って、ヘルスケアシステムの効率を改善し、更には、望ましくない副次的効果を回避することで費用を下げることになる。同じことは、指示される治療にも当てはまる。予後の推定を支援することも望ましい。
オーダーメイド医療（personalized medicine）は、診断においてだけでなく、例えば、予後診断、治療リスク分類及び臨床経路解析のような、その後のプロセスにおいても、助けになり得る分野である。それは、夫々の患者の個々の特性に治療を合わせることを目標としている。これは、特定の治療に対する予測可能な反応を有しているサブグループに患者を分類する能力を必要とする。現在の実務では、遺伝学／ゲノミクス情報を活用することによるオーダーメイド医療の多くの例が既に存在しているが、そのような情報は、毎日の臨床診療において未だ幅広く利用可能でない。
電子健康記録（electronic health records）（ＥＨＲ）の導入の驚異的な伸びとともに、臨床情報の様々なソース、例えば、とりわけ、人口統計学、診断履歴、投薬、検体検査結果、バイタルサインは、患者に関して利用可能になりつつある。近年、いくつかの治療比較研究は、以前に治療を受けて結果が記録された臨床上類似した患者の集団のＥＨＲからのデータに基づき行われてきた。更には、最適な臨床治療を選択することにおいて臨床及び遺伝学／ゲノミクス情報を組み合わせるいくつかの研究も存在する。
本発明の第１の態様の実施形態に従って、診断されるべき患者における病状の診断を支援するコンピュータ装置であって、患者ビルダー及び頂点フィルタを提供するよう命令によって構成されるプロセッサによる実行のための前記命令を記憶するメモリと、前記プロセッサの結果を出力する出力部とを有し、前記患者ビルダーは、臨床履歴データを含む患者の母集団についての患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（patient clinical object）（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成するよう構成され、前記頂点フィルタは、医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築する患者コンテキストビルダーと、前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、該留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算するコンテキストベースの頂点フィルタと、前記計算された類似度に従って前記ＰＣＯを順位付けする患者ランカーとを含み、前記出力部は、前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案するよう構成される、コンピュータ装置が提供される。
診断されるべき患者と類似した患者との比較は、患者の母集団に基づき、予測される一次診断又は治療又は予後診断を更に提供し得る。患者の母集団は、異なる患者の範囲を含むよう十分に大きくなければならない。例えば、それは、１つの病院から、又は国内のある地理的領域に存在する地域住民から、又はより広い母集団（例えば、国民）から、取られ得る。プロセッサは、結果を、保持し、そして、閾値関連性に関する前記出力されるＰＣＯに転送することによって、出力部へ供給してよく、出力されるリストは、例えば、関連性の順に提示されるＰＣＯのような、何らかの適切な形式を有することができる。予測される一次診断の出力は、スクリーン上で臨床医に表示されるか、あるいは、何らかの他の適切な方法で、例えば、プリントアウト又は電子メールとして、提供され得る。
発明実施形態の方法は、実質的に臨床医を支援することができる出力を提供するよう、母集団における関連データが指定され強調されることを可能にするやり方で、患者の母集団における特定のデータの使用をオープンデータと組み合わせる。
コンピュータ装置は、ＰＣＯの頂点を時間ベースのエピソードにグループ化する前記患者コンテキストビルダー内のエピソードグループ化部を更に有してよい。これは、同じＰＣＯの無関係の部分（異なる状態についての部分）を分離し得る。そのような部分は、さもなくば自動的にリンクされて、方法の正確さに悪影響を及ぼす可能性がある。
前記エピソードグループ化部は、データ生成の時間スタンプ、又は何らかの他の適切なメッソドロジを用いて、例えば、基礎をなす状態、及び症状が、例えば、その状態及びその状態の通常の経過に適合するかどうかを考慮することによって、前記頂点をグループ化してよい。
エピソードグループ化部が存在する場合に、前記コンテキストベースの頂点フィルタ及び前記患者ランカーは、ＰＣＯの各エピソードを別々に（そして、夫々のＰＣＯを別々に）処理し得る。
前記ＰＣＯは、患者ＩＤ頂点に中心を置き、該患者ＩＤ頂点を、臨床履歴データを表すラベル付き頂点へリンクする辺を有するグラフであってよい。臨床履歴データを表す前記頂点は、夫々がカテゴリに属する。前記辺は、カテゴリによりラベルを付されてよい。該カテゴリは、例えば、診断、症状、投薬、治療、病気のいずれかのような、医療情報のカテゴリであってよい。
前記頂点フィルタにおける前記コンテキストベースの頂点フィルタは、同じカテゴリのＰＣＯ内の頂点をグループ化し、該グループ化された頂点と、前記診断されるべき患者のＰＣＯ内の同じカテゴリの頂点との類似度を、頂点ラベル（又は頂点属性）を用いて計算してよい。
前記コンテキストベースの頂点フィルタは更に、前記ドメインコーパスとの（頂点ラベルの）アフィニティを参照するアフィニティ値を適用することによって、前記グループ化された頂点と、前記診断されるべき患者のＰＣＯ内の同じカテゴリの頂点との前記計算された類似度を調整してよい。
更には、前記患者ランカーは、ＰＣＯと前記診断されるべき患者のＰＣＯとの集合的な類似度を、前記診断されるべき患者のＰＣＯ内の同じカテゴリに対する当該ＰＣＯ内の前記グループ化された頂点の類似度に基づき計算してよい。この類似度は、前記留保された頂点のみ、故に、指定されている前記医療分野に関連する頂点のみから成る。よって、患者の順位付けは、類似度の計算の後に来る。順位付けはまた、ユーザインタラクションを暗黙的に必要とし得る。例えば、システムは、フロントエンドＵＩにおいて類似する患者のリストを提示してよく、ユーザは、例えば、既存の順位付けを承認又は拒絶するか、あるいは、このリストの順序を調整するか、又は１つ以上のエントリを削除する、などのために、リストを変更してよい。終わりに、類似する患者のコンテキスト化されたリストが出力される。
多くの臨床データはテキストであるが、前記臨床履歴データは、非テキストデータを含むことがあり、前記患者ビルダーは、その場合に、前記非テキストデータからテキスト記述を抽出するエクストラクターを含んでよい。この場合に、夫々の抽出されたテキスト記述は、ＰＣＯのラベル付き頂点になることができ、該ラベル付き頂点は、前記非テキストデータが記憶されているアドレスへリンクされる。
コンピュータ装置は、ＰＣＯ内のデータを動的に更新することが可能であってよく、このために、前記患者ビルダーは、前記ＰＣＯをインクリメントに更新するよう、自動データクローラーからの入力を受け入れてよい。
前記頂点フィルタにおける前記患者コンテキストビルダーは、前記分野を定義する項目を夫々埋め込む頂点の分野特有のリストの形で前記ドメインコーパスを供給してよく、前記頂点の値は前記項目の重要性を示す。
前記患者ビルダーは更に、前記ＰＣＯ内の如何なる診断も確かめるよう、臨床医のルールの形で専門的知識を受け入れるよう作動してよい。
オープンデータのための入力は、１つよりも多いソースからの、例えば、専門的な医療データベース及び非専門的なソース（例えば、ウィキペディア）からの、データの入力を可能にし得る。
前記コンテキストベースの頂点フィルタは、閾値を下回るドメインアフィリエーションを有する頂点を除去することによって、又はドメインアフィリエーションの順に前記頂点を順位付けし、最も高いドメインアフィリエーションを発端として予め定義された数の頂点を選択することによって、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保してよい。
本発明の第２の態様の実施形態に従って、診断されるべき患者における病状の診断を支援する、コンピュータにより実施される方法であって、患者の母集団についての臨床履歴データを含む患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成することと、医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築することと、前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保することと、前記留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算して、前記ＰＣＯを順位付けすることと、前記診断されるべき患者に類似した患者の（順位付けされた）リストを出力することとを有する方法が提供される。これは、最も類似した（一番上に順位付けされた）患者のうちの１人以上の１つ以上の診断を示すことによって、診断において臨床医を有効に支援することができる。
本発明の第３の態様の実施形態に従って、コンピュータで実行される場合に、診断されるべき患者における病状の診断を支援する方法を実施するコンピュータプログラムであって、前記方法は、患者の母集団についての臨床履歴データを含む患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成することと、医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築することと、前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保することと、前記留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算して、前記ＰＣＯを順位付けすることと、前記診断されるべき患者に類似した患者の（順位付けされた）リストを出力して、前記診断されるべき患者の１つ以上の診断を提案することとを有する、コンピュータプログラムが提供される。
本発明の好適な実施形態に従う方法又はコンピュータプログラムは、装置の態様の如何なる組み合わせも有することができる。更なる実施形態に従う方法又はコンピュータプログラムは、それらがプロセッシング及びメモリ機能を必要とする点で、コンピュータにより実施されるものとして記載され得る。
好適な実施形態に従う装置は、特定の機能を実施するよう構成又は配置されるか、あるいは、単にそのような特定の機能を実施するものとして、記載される。この構成又は配置は、ハードウェア若しくはミドルウェア又は何らかの他の適切なシステムの使用によってよい。好適な実施形態において、構成又は配置はソフトウェアによる。
よって、１つの態様に従って、少なくとも１つのコンピュータにロードされる場合に、該コンピュータを、前述の装置の定義又はそれらのあらゆる組み合わせのうちのいずれかに従う装置となるよう構成するプログラムが提供される。
更なる態様に従って、少なくとも１つのコンピュータにロードされる場合に、該少なくとも１つのコンピュータを、前述の方法の定義又はそれらのあらゆる組み合わせのうちのいずれかに従う方法ステップを実施するよう構成するプログラムが提供される。
一般に、コンピュータは、定義される機能を提供するよう構成又は配置されるものとして挙げられている要素を有してよい。例えば、このコンピュータは、入力及び出力の両方の機能性を提供することができるメモリ、プロセッシング、及びネットワークインターフェイスを含んでよい。
本発明は、デジタル電子回路において、あるいは、コンピュータハードウェア、ファームウェア、ソフトウェア又はそれらの組み合わせにおいて、実装され得る。本発明は、１つ以上のハードウェアモジュールによる実行のために又はその動作を制御するために、コンピュータプログラム又はコンピュータプログラム製品、すなわち、一時的な情報担体において、例えば、マシン読み出し可能な記憶デバイスにおいて、又は伝播信号において有形に具現化されるコンピュータプログラムとして、実装され得る。
コンピュータプログラムは、スタンドアローンのプログラム、コンピュータプログラム部分、又は１つよりも多いコンピュータプログラムの形を取ることができ、コンパイルされた又は解釈された言語を含む如何なる形態のプログラミング言語においても記述され得る。そして、それは、スタンドアローンのプログラムとして、あるいは、モジュール、コンポーネント、サブルーチン、又はデータ処理環境での使用に適した他のユニットとしてを含め、如何なる形態でも展開され得る。コンピュータプログラムは、１つのモジュールで、あるいは、１つの場所にあるか又は複数の場所にわたって分配されて通信ネットワークによって相互接続された複数のモジュールで、実行されるよう展開され得る。
本発明の方法ステップは、入力データに対して作用して出力を生成することによって本発明の機能を実施するようコンピュータプログラムを実行する１つ以上のプログラム可能なプロセッサによって実施され得る。本発明の装置は、プログラムされたハードウェアとして、あるいは、例えば、ＦＰＧＡ（Field Programmable Gate Array）又はＡＳＩＣ（Application-Specific Integrated Circuit）を含む特別目的の論理回路として、実装され得る。
コンピュータプログラムの実行に適したプロセッサは、一例として、汎用のマイクロプロセッサ及び特別目的のマイクロプロセッサの両方、並びにあらゆる種類のデジタルコンピュータのいずれか１つ以上のプロセッサを含む。一般に、プロセッサは、リードオンリーメモリ若しくはランダムアクセスメモリ又は両方から命令及びデータを受け取る。コンピュータの必須の要素は、命令及びデータを記憶する１つ以上のメモリデバイスへ結合されて命令を実行するプロセッサである。
本発明は、特定の実施形態に関して記載される。他の実施形態は、続く特許請求の範囲の適用範囲内にある。例えば、本発明のステップは、別の順序で実施されながら、依然として所望の結果を達成することができる。複数のテストスクリプトバージョンは、オブジェクト指向のプログラミング技術を使用せずに一体として編集され呼び出され得る。例えば、スクリプトオブジェクトの要素は、構造化されたデータベース又はファイルシステムにおいて編成され得、スクリプトオブジェクトによって実施されるものとして記載される動作は、テスト制御プログラムによって実施され得る。
本発明の要素は、語「頂点フィルタ（vertex filter）」、「患者ビルダー（patient builder）」、及び「患者コンテキストビルダー（patient context builder）」などを用いて記載されている。当業者には明らかなように、そのような機能語及びそれらの相当語句は、空間的には別々であるが、定義されている機能を提供するよう結集するシステムの部分を指し得る。同様に、システムの同じ物理的部分は、定義されている機能のうちの２つ以上を提供し得る。例えば、別々に定義されている手段は、必要に応じて、同じメモリ及び／又はプロセッサを用いて実装されてよい。
本発明の好ましい特徴は、これより、単なる一例として、添付の図面を参照して記載される。
本発明の一般的な実施形態における主要なシステムコンポーネントのブロック図である。 一般的な実施形態における方法のフローチャートである。 本発明の実施のための適切なハードウェア構成の図である。 システム図である。 ＰＣＯの一例である。 非テキスト（画像）データの一例である。 発明実施形態における頂点フィルタリングの機能性のフロー図である。
本発明者に知られている関連技術において：
・ 患者の類似性は、しばしば、患者の選択された属性に基づきアプローチされる。通常、そのような属性は、患者の人口学的特徴、症状及び徴候、個人の医療履歴、家族の医療履歴、行動、食生活、などを含む。
・ 寄与している特徴／属性のリストは、患者の包括的見解を提供するように非常に長くなり得る。
・ 実際に、全ての患者属性の網羅的な比較は、オンラインの解析の部分として実施するには極めて高価であるか、あるいは、広範であり、潜在的に無関係の属性が、最も診断的な価値を示す中核的な属性を隠し得る。
本発明者は、患者の状況と及び議論の領域と整列される最も重要な患者属性をより重要視しながら、適応的な且つコンテキストを認識した類似度測定を提供することが重要であるとの結論に至った。
本発明者は、臨床医のタスクが訓練及び経験に大いに基づくと信じている。１人の臨床医が他者と診断文を共有し、且つ、他者からの経験から知識及び結論を汲み上げることは、一般的である。医療診断の中心で、知識共有は、検討されるべきケースに類似している過去に起こったケースの高速且つ正確な識別を構築する。なお、患者の類似性を計算することは、簡単ではなく、多数の影響因子を伴いうる。
オーダーメイド医療のための臨床情報を使用した既存のアプローチは、対象となる治療自体に関する大量の現実世界のデータに依存する。そのようなデータは、新薬又はほとんど使用されない治療については入手可能でないことがある。患者類似性分析は、関心のある患者と類似した臨床的な特性を示す患者を見つけることを目的としている。正しい患者類似性を適切に用いて、患者類似性分析は、対象患者の検索、病気の経過予想、リスク分類、及び臨床経路解析のタスクにおいて使用され得る。
従って、本発明の実施形態は：
１．種々のソースから患者データを収集する方法；
２．解析のために患者データを記憶するメカニズム；
３．患者を比較及び対比するための適応類似尺度；
４．１つの患者ケースを採用し、患者データベース全体を検索して、類似した患者ケースを見つけ、特定の基準に基づき結果を順位付けするシステム
を提供することを目的としている。
近代医学において、臨床医は、しばしば、過去の確立されたケースを含む知識の複数のソースから彼らの診断結果を取り出す。そのようなケースは、対象の患者ケースと比較及び対比するために呼び戻される。診断、予後診断、及び治療は、次いで、そのような確立されたケースを参考として用いて導出される。正確な、過去に起こったケースを見つけるために、発明者は、２人の患者のデータを考えると、それら２人の患者がどのように類似しているかを表す数値を計算することができる正確な類似尺度を設計した。この数値は、２人の患者が、例えば、診断、予後診断及び治療に関して、同じように扱われるべきであると類似度計算がどの程度考えているかを示す信頼性レベルとしても扱われ得る。
発明実施形態のシステムは、スタンドアローンの患者データ管理システムとして、又は既存の病院情報システムのための拡張若しくはプラグインとして、使用されてよい。
図１は、本発明を具現化し、且つ、診断を支援する実施形態の方法を実装するために使用され得る、例えば、データ記憶サーバのような、コンピューティングデバイスのブロック図である。コンピューティングデバイスは、プロセッサ９９３及びメモリ９９４を有する。プロセッサは、発明実施形態の２つの主要モジュール、すなわち、データ及び知識取得モジュール、並びに頂点フィルタ、を含むものとして示されている。コンピューティングデバイスは、他のコンピューティングデバイスとの、例えば、発明実施形態の他のコンピューティングデバイスとの通信用である、ネットワーク上での出力及び入力のためのネットワークインターフェイス９９７を更に含む。
例えば、実施形態は、そのようなコンピューティングデバイスのネットワークから構成されてよい。コンピューティングデバイスは、例えば、キーボード及びマウスのような、１つ以上の入力メカニズム９９６と、例えば、１つ以上のモニタのような、表示ユニット９９５としての他の出力部とを更に含む。コンポーネントは、バス９９２を介して互いに接続可能である。
メモリ９９４はコンピュータ可読媒体を含んでよい。その語は、コンピュータ実行可能命令を搬送するか又はデータ構造が記憶されているよう構成された単一の媒体又は複数の媒体（例えば、中央集権型若しくは分散型データベース及び／又は関連するキャッシュ及びサーバ）を指してよい。コンピュータ実行可能命令は、例えば、汎用のコンピュータ、特別目的のコンピュータ、又は特別目的のプロセッシングデバイス（１つ以上のプロセッサ）によってアクセス可能であって且つそれに１つ以上の機能又は動作を実施させる命令及びデータを含んでよい。よって、語「コンピュータ可読記憶媒体」はまた、マシンによる実行のために命令の組を記憶、符号化又は搬送することが可能であって、且つ、マシンに本開示の方法のうちのいずれか１つ以上を実施させる如何なる媒体も含んでよい。語「コンピュータ可読記憶媒体」は、制限なしに、固体状態メモリ、光学媒体及び磁気媒体を含むと然るべく解され得る。一例として、制限なしに、そのようなコンピュータ可読媒体は、ランダムアクセスメモリ（Random Access Memory）（ＲＡＭ）、リードオンリーメモリ（Read-Only Memory）（ＲＯＭ）、電気的消去可能なプログラム可能リードオンリーメモリ（Electrically Erasable Programmable Read-Only Memory）（ＥＥＰＲＯＭ）、コンパクトディスク・リードオンリーメモリ（Compact Disc Read-Only Memory）（ＣＤ−ＲＯＭ）若しくは他の光ディスクストレージ、磁気ディスクストレージ若しくは他の磁気記憶デバイス、フラッシュメモリデバイス（例えば、固体状態メモリデバイス）を含む非一時的なコンピュータ可読記憶媒体を含んでよい。
プロセッサ９９３は、コンピューティングデバイスを制御し且つプロセッシング動作を実行するよう構成され、例えば、メモリに記憶されているコードを実行して、本明細書及び特許請求の範囲で記載されているデータ及び知識取得モジュール、患者ビルダー、頂点フィルタ、患者コンテキストビルダー、コンテキストベースの頂点フィルタ、並びに患者ランカーの様々な異なる機能を実装する。メモリ９９４は、プロセッサ９９３によって読み出し及び書き込みされるデータを記憶する。本明細書で言及されるように、プロセッサは、例えば、マイクロプロセッサ、中央演算処理装置、又は同様のもののような、１つ以上の汎用のプロセッシングデバイスを含んでよい。プロセッサは、複数命令セットコンピューティング（complex instruction set computing）（ＣＩＳＣ）マイクロプロセッサ、縮小命令セットコンピューティング（reduced instruction set computing）（ＲＩＳＣ）マイクロプロセッサ、超長命令語（very long instruction word）（ＶＬＩＷ）マイクロプロセッサ、又は他の命令セットを実装するプロセッサ若しくは命令セットの組み合わせを実装する複数のプロセッサを含んでよい。プロセッサはまた、例えば、特定用途向け集積回路（application specific integrated circuit）（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（field programmable gate array）（ＦＰＧＡ）、デジタル信号プロセッサ（digital signal processor）（ＤＳＰ）、ネットワークプロセッサ、又は同様のもののような、１つ以上の特別目的のプロセッシングデバイスを含んでよい。１つ以上の実施形態において、プロセッサは、本明細書で説明されている動作及びステップを実施するための命令を実行するよう構成される。
表示ユニット９９５は、コンピューティングデバイスによって記憶されているデータ（例えば、個々のＰＣＯ又は完全患者グラフ）の表現を表示してよく、更には、ユーザとコンピューティングデバイスに記憶されているプログラム及びデータとの間のインタラクションを可能にするカーソル及びダイアログボックス及びスクリーンを表示してよい。入力メカニズム９９６は、データ及び命令（例えば、分野の手動指定、又は診断されるべき患者の指示）をコンピューティングデバイスに入力することをユーザに可能にしてよい。
ネットワークインターフェイス（ネットワークＩ／Ｆ）９９７は、例えば、インターネットのような、ネットワークへ接続されてよく、他のそのようなコンピューティングデバイスへネットワークを介して接続可能である。ネットワークＩ／Ｆ９９７は、ネットワークを介して他の装置から入力／へ出力されるデータを制御してよい。例えば、マイクロホン、スピーカ、プリンタ、電源ユニット、ファン、ケース、スキャナ、トラックボール、などのような、他の周辺機器は、コンピューティングデバイスに含まれてよい。
患者ビルダーは、メモリ９９４の部分に記憶されているプロセッシング命令と、プロセッシング命令を実行するプロセッサ９９３と、プロセッシング命令の実行中に臨床履歴データ及び他のデータを記憶するメモリ９９４の部分とを有してよい。結果として起こるＰＣＯ及び完全患者グラフとしてのＰＣＯの集塊は、メモリ９９４において及び／又は接続されている記憶ユニットにおいて記憶されてよい。知識及びデータ処理モジュールへの入力は、手動入力及びネットワークインターフェイスを使用することができる。例えば、手動入力は、何らかの理由により適切に形成しなかったＰＣＯを補正するために使用され得る。
頂点フィルタは、メモリ９９４の部分に記憶されているプロセッシング命令と、プロセッシング命令を実行するプロセッサ９９３と、プロセッシング命令の実行中に中間生成物を記憶するメモリ９９４の部分とを有してよい。患者又は特定の診断提案の結果として起こるリストは、メモリ９９４において及び／又は接続されている記憶ユニットにおいて記憶されてよい。
頂点フィルタの個々のコンポーネントを見ると、患者コンテキストビルダーは、メモリ９９４の部分に記憶されているプロセッシング命令と、プロセッシング命令を実行するプロセッサ９９３と、プロセッシング命令の実行中に、個別的に計算されたベクトルの形で未完成のドメインコーパスを記憶するメモリ９９４の部分とを有してよい。未完成のドメインコーパスは、全ての関連するベクトルとともに、メモリ９９４において及び／又は接続されている記憶ユニットにおいて記憶されてよい。医療分野の指定の入力は、ユーザによることが多いが、オープンデータの入力は、ネットワークインターフェイスを介することが多い。
コンテキストベースの頂点フィルタは、メモリ９９４の部分に記憶されているプロセッシング命令と、プロセッシング命令を実行するプロセッサ９９３と、プロセッシング命令の実行中に頂点のドメインアフィリエーションを記憶するメモリ９９４の部分とを有してよい。留保された頂点の組（ＰＣＯの部分の形を取る。）は、メモリ９９４において及び／又は接続されている記憶ユニットにおいて記憶されてよい。
患者ランカーは、メモリ９９４の部分に記憶されているプロセッシング命令と、プロセッシング命令を実行するプロセッサ９９３と、プロセッシング命令の実行中に頂点の類似度を記憶するメモリ９９４の部分とを有してよい。出力のための類似した患者のリストは、メモリ９９４において及び／又は接続されている記憶ユニットにおいて記憶されてよい。
本発明を具現化する方法は、例えば、図１に表されているコンピューティングデバイスのような、コンピューティングデバイスにおいて実施されてよい。そのようなコンピューティングデバイスは、図１に表されているあらゆるコンポーネントを有する必要はなく、それらのコンポーネントの一部から構成されてよい。本発明を具現化する方法は、ネットワークを介して１つ以上のデータ記憶サーバと通信する単一のコンピューティングデバイスによって実施されてよい。コンピューティングデバイスは、ＰＣＯ及び類似した患者のリストを記憶するデータストレージ自体であってよい。
本発明を具現化する方法は、互いと協調して動作する複数のコンピューティングデバイスによって実施されてよい。複数のコンピューティングデバイスのうちの１つ以上は、ＰＣＯの少なくとも一部分及び類似した患者のリストを記憶するデータストレージサーバであってよい。
図２は、一般的な方法実施形態のフローチャートである。ステップＳ１０で、方法は、夫々の患者についてのＰＣＯを生成するために、臨床履歴データを含む患者データ及びオープンデータを使用する。同時に、ＰＣＯは完全患者グラフ（full patient graph）と呼ばれる。ＰＣＯ間にはオーバーラップ（例えば、同じ診断）が存在してよく、あるいは、それらは全く分離していてよい。
ステップＳ２０で、ドメインコーパス（domain corpus）が、分野仕様の入力及びオープンデータの入力から生成される。
ステップＳ３０で、ドメインコーパスは、頂点（患者ＩＤ情報を単に保持するものを含まず、医療カテゴリ要点を含む。）を順位付けするために使用される。分野へリンクされている頂点のみが留保される。
ステップＳ４０で、留保された頂点は、診断されるべき患者と比較され、これは、次いで、ＰＣＯを順位付けするために使用される。診断されるべき患者のアイデンティティは、ステップＳ４０の前に、又は他の時点で（例えば、ステップＳ２０若しくはＳ３０の前に）、手動により入力され得る。
ステップＳ５０で、類似する患者の順位付け及び、場合により、順位付けされた順における、類似する患者のリストの出力が存在する。出力は、例えば、ディスプレイ上であってよい。それは、テキスト形式で、又はグラフ形式であってよい。患者のリストは、従来通り、閾値化によって、又は予め定義された数字によって、最も高い類似性スコアを有している“上位”の患者のものであることが多い。
発明実施形態によれば、動的且つ適応的なコンテキストベースの類似尺度が使用される。結果として起こる測定は、患者データが検討されているコンテキストに基づき変化する。これは、如何にして人間の専門家がデータを理解するのか、及び如何にして人間の専門家が、既存のケースが意志決定プロセスにおいて参照され得るのかと本質的に一致するが、人間の記憶よりも具体的なフィルタリングメカニズムを含む。
発明実施形態のいくつかの重要な特徴は、要約すると以下で示される：
・ “患者臨床オブジェクト”（ＰＣＯ）の使用。この語は、所与の患者に関する情報をカプセル化する臨床エンティティの意味的に豊かな寄せ集めとして新しく作られる。このＰＣＯは、患者並びにその（ａ）臨床データ、（ｂ）診断、（ｃ）治療、（ｄ）症状及び（ｅ）薬に関する情報を含み、この情報は、ヘルスケア資源／エンティティへリンクされる。更には、ＰＣＯは、時間に沿った患者に関する更なる情報を含めることによって進化する。最後に、ＰＣＯは、例えば、画像、オーディオクリップ、ＥＣＧ／ＥＥＧチャート、などのような、非テキストデータへのポインタを含む。有効に、ＰＣＯは、患者に及び患者に関する臨床情報に対応する頂点を持ったグラフである。頂点間の辺は、患者から臨床情報へ向けられ得る。ＰＣＯは、患者に関する重要なミッションクリティカルな知識をカプセル化する有意味なエンティティと、頂点どうしの間の関係を表す辺とを提供する。
・ （ａ）頂点のアフィニティの程度を計算するための分野特有の情報に依存し、（ｂ）予め定義された閾値に従って頂点にフィルタをかける自動頂点フィルタリングコンポーネント。注目すべきは、夫々の頂点は、ＰＣＯの要素として患者の特定の特徴を表し、患者頂点の直接の隣近所は、彼／彼女のＰＣＯの重要な部分から成る。
発明実施形態のシステムは、特定の種類のデータのデータ処理に夫々関与するコンピュータのネットワーク（例えば、ＰｕｂＭｅｄ（ＰｕｂＭｅｄは、アメリカ国立医学図書館（National Library of Medicine）（ＮＭＬ）のサービスであり、看護、獣医、ヘルスケア、医療及び科学の論文のＮＬＭデータベースへの自由なアクセスを提供する。）、ＡＴＣ −Anatomical Therapeutic Chemical Classification, ICD9 & ICD10− 病気の国際分類の第９及び第１０改訂版、医療及びヘルスケア分野にわたって一般的に適用可能である標準化された多言語単語集であるＳＮＯＭＥＤ −ＳＮＯＭＥＤ ＣＴ（clinical terms）のような、医学文献のプロセッシングに捧げられるコンピュータ／サーバ。）を含むか又はそれにアクセスしてよい。
そのような専用のコンピュータは、物理的に分離しているか、あるいは、共有される物理マシンで実行される仮想サーバとして設けられ得る。そのようなデータは、サーバ／コンピュータでローカルに記憶され、クライアントマシン上でユーザＵＩを通じてシステムにアクセスするユーザによってクエリされ得る。図３は、このハードウェア構成を表す。ここで、ユーザは、ユーザインターフェイス（user interface）（ＵＩ）及びクライアントコンピュータを介してデータにアクセスする。クライアントコンピュータは、それ自体がサーバであってよく、あるいは、データベースにアクセスするか又はデータベースを含む様々なサーバと（例えば、インターネット上で）通信する。
通常、ユーザは、以下で更に詳細に説明されるように、識別可能な属性（例えば、名称、ＩＤ、など）によって患者を選択し、クライアントソフトウェアによってサポートされる類似患者検索機能をトリガする。検索が完了する場合に、類似した患者のリストは、数的な類似値に夫々関連付けられて、ＵＩ上で表示され得る。更なる処理は、例えば、予測される診断、すなわち、予測される治療の表示を与えてよい。
図１及び３の前述のシステムで実行されるソフトウェアは、図４で記載される２つの主要モジュールを含む。図４は、データ及び知識取得モジュール１００並びに自動頂点フィルタリング２００を備えたシステム１０を含む。
［１００：データ及び知識取得モジュール］
このモジュールは、入力として、次の情報を取る：
・ コンピュータ言語でコード化された規則の形で医師／臨床医によって提供される専門知識。臨床医は、テキストプレーンファイルとして規則を入力する。基本的に、ファイルは、いくつかの行から成り、各行は、２つの診断及びそれらの間の関係を含む。例えば：
診断１，関係Ａ，診断２
診断３，関係Ｂ，診断４
規則の例は、矛盾した診断、及び診断の普及率であり：
２９０．０，圧倒（prevailing over），２９０．４
３００．０，矛盾（incompatible with），３０９
ここで、２９０．０は、老人性痴呆、非合併症に対応し、２９０．４は、血管性認知症に対応する。また、３００．０は、不安状態に対応し、３０９は、適応反応に対応する。
・ 患者臨床履歴において記録されている、他の臨床医によって提供された以前の診断。それらの診断は、例えば、ＩＣＤ９及びＩＣＤ１０のような、既存の国際標準に基づく。
・ 頻度、時間枠、及びどのような資源を患者が使用したかを含め、病院及び関連する治療拠点への患者の訪問に関するデータ
・ 診断、病気、治療、などに関連した、例えば、ＰｕｂＭｅｄのような、文献リポジトリから抽出された生物医学研究文献
・ 例えば、ＡＴＣのような、欧州及び国際標準に基づく、薬の処方及び調剤並びにそれらの薬物副作用
・ ＳＮＯＭＥＤのような、利用可能な医療標準から抽出される知識の組。
専門知識は、ＰＣＯを構成するために必須である必要はないが、例えば、専門知識を用いてＰＣＯ内の診断を調整して、それらが現在の医療の考えと一致することを確かにすることによって、ＰＣＯ内の知識を確かめ、場合によっては充実させるために使用され得る。追加的に、又は代替的に、専門知識と正反対であるＰＣＯ内の如何なる診断も、手動入力ためにユーザに対して強調表示されてよく、このようにして、専門知識は、ＰＣＯの品質のクロスチェックの役目を果たすことができる。
オープンデータ（先のビュレット（・）の下３つ）は、項目を豊かにするために使用される。
このモジュールにおける患者ビルダー又は患者臨床オブジェクトビルダー２０は、前述のデータ源を収集し、抽出し、統合し、キュレーションし、削除し、そして、夫々の患者についての患者臨床オブジェクト３０（又は患者の個人中心のネットワーク、すなわち、エゴネット）を生成する。これは、患者に関する全ての関連情報、すなわち、年齢グループ、性別、ユニット（例えば、救急処置室、外来患者、入院患者、及びデイホスピタル）によってまとめられた病院訪問のリスト、並びに病院訪問及びユニットによってまとめられた以前の診断リストを含む。
ＰＣＯは、上述された分類から標準的な語彙を有するＰＣＯ部分を同等と見なし、よって、オープンデータからの対応する概念／情報により必要に応じて患者データ内のエンティティに注釈を付すことによって、豊かにされ得る。これは、他の標準データと併せてＰＣＯの後の使用を助ける。
グラフ形式は、患者データを表すために選択される。これは、主に、そのようなモデリングパラダイムの柔軟性及び汎用性に起因する。この実施形態で使用されるグラフは、有向なラベル付き属性グラフである。グラフは、５タプル＜Ｖ，Ｅ，ｌｖ，ｌｅ，ａｔｔｒ＞である。Ａを許容可能な文字列として考えると、辺及び頂点ラベルｌの組は、必ずしも互いに素な集合ではなく、ラベルは重複することができるが、辺及び頂点は互いに素でなければならない。すなわち、１つのラベルが頂点及び辺の両方に使用される場合に、その参照はコンテキストから明らかでなければならない。
５タプルは：
・ Ｖが頂点の有限な位置である；
・ Ｅが辺の有限な位置：ｅ∈Ｅ：ｅ＝＜ｕ，ｖ＞，ｕ，ｖ∈Ｖ；
・ ｌｖがマッピング：Ｖ×Ａ；
・ ｌｅがマッピング：Ｅ×Ａ；
・ ａｔｔｒがマッピング：Ｖ×Ａ２
として定義される。
図５は、患者のエゴネット又はＰＣＯのフラグメントを表す。サブグラフは、対象の患者及び該患者に直接関係がある全ての頂点（又は直接の隣接頂点）を含む。例えば、“性別：女性”及び“年齢：５８”のような、キーと値のペア（key-value pairs）は、患者頂点（２２２４２とラベルを付されている。）の属性である。
完全患者グラフは、次のように構成される。頂点は、夫々の患者について生成される。患者頂点は、属性、例えば、ＩＤ番号を含む。症状、投薬、治療、及び病気は、議論の領域における重要なエンティティであり、同じくグラフ内の頂点としてモデル化される。情報片が、患者頂点へ接続するラベル付き辺を有する頂点としてモデル化されるか、それとも、頂点属性としてモデル化されるかは、次のヒューリスティック規則に基づく。データが数値、ブール又は他の一次データタイプから成る場合には、それは頂点属性として扱われる。そうでなければ、それはグラフ頂点と見なされる。更には、この情報片が、より細かい詳細に更に分けられ得る場合には、それは、更なる分類が属性になるところのグラフ頂点として扱われるべきである。また、データが、より一般的な概念／カテゴリの指定と見なされる場合には、それは頂点と見なされる。そうでなければ、それは属性として扱われる。例えば、患者の名前は属性と見なされ、一方、彼又は彼女の経歴は（例えば、分野知識モデルにおいて）頂点として扱われ得る。
有効に、完全な患者個人中心ネットワーク（ＰＣＯとしても知られる。）は、完全グラフ内のサブグラフとして患者プロファイルを提示する。それは、議論の領域を表すグラフの部分である。故に、患者頂点は、例えば、患者を治療する医師のインスタンス、及び患者が治療される病院のインスタンスのような、グラフ内の他のタイプの頂点へのリンクを有している。他の頂点は、関連する分野の病気、治療、薬、症状、臨床的方法、などを含む。
診断されるべき患者のＰＣＯも、完全グラフの部分である。一般に、完全グラフは、議論の領域の概念及びインスタンスの両方を含むべきである。特定の患者は、完全グラフ内のインスタンスである。その直接の隣近所とともに、それは、患者の所見を提供するよう完全グラフから抽出され得るサブグラフを形成する。
ヘルスケア分野において、患者の特定の属性は、他と比べて高い重要性を有していると考えられる。そのような属性は、患者が検査される特定の臨床分野に基づき、予め定義されたリストから選択される。前述の例では、性別及び年齢属性が、しばしば、患者の集団にフィルタをかけるために使用され、一方、名前及びタイトルは、患者の状況を理解することにおいてそれほど臨床的重要性を示さないことがある。実際に、そのような属性は、人間の専門家及び／又はコンピュータベースのシステムによって、患者ケースにフィルタをかけ、それらを順位付けし、又はそれらを比較するために利用される。
［非テキストデータ］
多くの臨床的状況において、非テキストデータ、例えば、画像、オーディオクリップ、ＥＣＧ／ＥＥＧチャート、ＭＲＩスタック、などが使用される。生の（raw）非テキストデータを比較することが可能であるとは言え、そのようなプロセスは、通常は、ランタイムで実施するには非常に高価である。多くの既存のツールは、記述生成に役立つことができる。例えば、画像解析ツールは、画像上で異常を検出し分類するよう***撮影に適用され得る。以下で、部位は周回され、例えば、“病変：密集体；形状：不規則；周辺部：棘状・・・”と分類される。図６は、そのような医療画像のいくつかを含む。
生の画像データの代わりに、そのようなテキスト記述は、過去に起こったケースの最初のスクリーニングのために臨床医が使用するデータになり得る。
患者ネットワークを構成するとき、特徴抽出及び高等知識抽出方法が、データ前処理ステップの部分としてテキスト記述を生成するために、そのようなデータに適用されるべきである。そのような前処理ステップの結果は、次いで、生データに通じるポインタとともに、ネットワークグラフにおいて頂点として記憶される。なお、生データは捨てられない。記述頂点は、通常、生のデータが（メインメモリ又はディスクのいずれかから）取り出され得るアドレスへのポインタを含む。
［時間スタンピング］
グラフ頂点（患者又は他のＰＣＯである。）の重要な属性は、作成の時間スタンプである。これは、現実の世界における実際の作成時間を反映すべきである。例えば、ＭＲＩ画像が撮影された時、又は診断が与えられ、薬が投与された時である。システム作成時間はまた、グラフデータ管理プロセスのために存在することができるが、これは強制的ではない。
［個人中心の患者ネットワーク（ＰＣＯ）］
個人中心の患者ネットワークは、患者の関連する全ての情報を抽出し、患者頂点の直接的な全ての隣近所を繰り返し取り出すことによって構成される。総合ＨＩＳにおいて、患者データは、患者の広範な様々な局面を反映する種々のソースから収集される。患者のエゴネットは、従って、個人と、家族医、薬局、外来患者センター、病院、Ａ＆Ｅ、デイケアセンター、などであるヘルスケアサービスの種々のブランチとの間の全てのインタラクションを潜在的に記録することができる。理想的に、総合健康情報システム（integrated health information system）は、関連する個人のそのような全体像を提供すべきである。実際に、データは、自動データ収集／クローリングサービス又は手動入力を通じてシステムにインクリメントに加えられると期待される。結果として、患者エゴネットは、多数の症状、投薬／治療、及び病気頂点を含むことができる。これは、高次元データが比較される必要があるときに患者類似性計算に重点を置く。
［２００：自動頂点フィルタリング］
患者頂点に隣接する多くの頂点が潜在的に存在する。全てのそのような隣接頂点は、異なる重要性においてではあるが、患者類似性に寄与すると言うことになっている。例えば、乳癌のケースについて、患者に関連するマンモグラフィ及びＭＲＩ検査結果は、認知検査結果と比べて重要な役割を果たし得る。他方で、精神障害を持った患者を検査するとき、彼／彼女の行動、家族歴、遺伝子検査結果、又は表情及び声紋は重要なバイタルであり、一方、他のタイプのデータは、優先度が低いと見なされる。更には、大いに関連すると考えられるデータの中で、種々のデータ片が、異なる重要性において全体的な臨床意志決定に依然として寄与し得る。
図４は、頂点フィルタリングを実施するソフトウェアモジュールを示す。それらは、患者コンテキストビルダー４０、コンテキストベースの頂点フィルタ５０、及び患者ランカー６０である。それらの機能は図７において説明される。図７は、頂点フィルタリングの主要なタスク及び働きを示す。
そのような適応頂点フィルタリングアプローチは、次のように行われる：
［データ準備（患者コンテキストビルダー）］
データ準備のための開始要素は、ユーザインタラクションに基づくことが多い。例えば、ユーザは、システムに、医学の１つ又はいくつかの分野／サブ分野においてデータを収集するよう指示する。
診断されるべき患者及び他の患者のＰＣＯは、様式化された分野知識の部分である。なお、データ準備は、非様式化されたデータを得ようとする。データ収集プロセスは、自動化され、ブートストラッピング（最初の起動）のための限られたユーザインタラクションのみを必要とすべきである。このインタラクションは、例えば、ユーザが分野（メンタルヘルス）又はいくつかの分野を選択し、システムに知らせることであることができる。これにより、所与の分野周辺のデータ収集が開始される。
例えば、メンタルヘルスのために、システムは、最初に、その分野における中核概念についての明確なオントロジー又はこの選択された分野における病気についてのオープンデータ（例えば、ウィキペディア）のいずれかを調べることによって、中核的な語のリストを構成する。オントロジーが使用されるとき、このオントロジーは、予め定義されているか又は既存のオントロジーである。中核的な語のこのようなリストにおいて、システムは、次いで、例えば、ＰｕｂＭｅｄ又はウィキペディアのようなウェブサイトにクエリして、そのような中核的な語に関する完全なテキスト記述を検索することができる。全ての検索された完全なテキスト記述の収集は、選択された分野のためのテキストコーパスを形成する：
１．コーパス構成：テキストコーパスは、公の又は特定のソース、例えば、ウィキペディアから集めることによって構成される。
２．データ精緻化：このコーパスは、ストップワードの除去、複数のフォールディング（folding）、ステミング（stemming）、などを実施する必須の自然言語処理（Natural Language Processing）（ＮＬＰ）プロセッシングステップを受ける。多くのソースライブラリは、このタスクのために適用され得る。
３．特徴ベクトル抽出：精緻化されたデータは、次いで、特徴を抽出するよう処理される。多くの異なるテクノロジがここで適用され得る。例えば、特異値分解（Singular Value Decomposition）（ＳＶＤ）又は人工ニューラルネットワーク（Artificial Neural Network）（ＡＮＮ）がある。
この準備の結果は、この分野を定義することにおいて極めて重要な役割を果たす語を夫々埋め込んでいるｎ次元ベクトルの分野特有のリストである。一例は、次の形を有する：

パーキンソン＜０．７５５，０．６８２，０．７２３，・・・＞

ベクトル要素のセマンティクスは、使用される抽出テクノロジに応じて変化する。予め定義された特徴の組が使用される場合に、数値は、対象となる語（前述の例では“パーキンソン”）との関連で存在する対応する特徴の重要性を表すことができる。自動特徴付け方法が使用される場合に（例えば、従来のニューラルネットワークモデル）、特徴は明示的には定義され得ない。この場合に、数値は、所与の語との関連で無名の特徴の重要性を依然として示す。
［エピソードグループ化（患者コンテキストビルダー４０）］
エピソードグループ化は患者ごとである。完全グラフは、患者のいくつかの病気の臨床的方法のインスタンスを含んでよい。基本的に、完全な分野知識グラフとして、それは、数ある中でも、患者の完全な（目に見える）来歴を提供すべきである。例えば、患者のエゴネットは、肺感染症のエピソード及びうつ病のエピソードに関する彼／彼女の情報を含んでよい。それら２つのエピソードは、連続した期間において起こってよい。コンテキストを計算するときにそれらを区別することが必要である。エピソードグループ化は、システムが患者のエゴネットからの全ての他のインスタンスの中から関連するインスタンスをグループ化するのを助ける。
頂点は、時間ベースのエピソードに基づきグループ化される。ここで、標準のいつでも手に入るエピソードグループが使用され得る。さもなくば、２０１６年９月２０日付け英国特許出願第１６１５９８６．５号で提案される方法が使用され得る。この英国特許出願は、参照により本願に援用される。
全ての頂点が時間スタンプを付されているので、１つの実施は、異なる頂点の生成の間の時間ギャップに単に基づき得る。例えば、実際に、多くの保険業者は、何らかの医療施設への２回の連続した訪問を分けるそれらの訪問の間の時間経過の最低長さとして６週間の閾値を取り、病気エピソードを分離する。時間ギャップが閾値に満たない全ての頂点は、ただ１つのエピソードに属するとしてグループ化される。
［頂点フィルタリング（コンテキストベースの頂点フィルタリング５０）］
夫々のエピソード内で、頂点は、上述された分野（例えば、精神障害又は乳癌）とのそれらのドメインアフィリエーションに基づきフィルタリング及び／又は順位付けされる。それらの頂点は、患者ＩＤ頂点よりむしろ、症状、投薬、治療及び病気を参照するものだけである。それは、中心頂点として患者を有している個人中心のネットワークにおいて働くので、フィルタリングは、患者（ＩＤによって明示的に識別される。）のコンテキストを理解するのを助けることができる他のタイプの頂点にのみ基づく。
１．分野特有のベクトルを用いて、分野との頂点ラベルのアフィニティの程度が計算される。これは、頂点ラベルを、先に得られた言語モデルへマッピングし、完全な頂点ラベルと、言語モデルにおける語の中核的な組との間の統合された類似性を計算する。中核的な組は、分野における代表的な語／用語の組又は上位ｎ個の頻出語／用語のいずれかを手動により選択することによって構成され得る。
２．頂点のフィルタリング
ａ．閾値が定義される場合に、閾値よりも低いアフィニティを有している頂点は、取り除かれる。
ｂ．そうでない場合に、頂点の上位ｎ個（ユーザによって先と同じく予め定義されている。）が選択される。
［類似度の計算（コンテキストベースの頂点フィルタリング５０）］
類似度は、分野及びエピソードのコンテキストに基づき計算される。フィルタ処理されると、単独の患者に関する残りの頂点は、次いで、所与の分野の病気（例えば、精神障害又は乳癌）との関連で、診断されるべき患者との類似度を計算するために使用され得る。これは、完全グラフ内の夫々のＰＣＯについて、患者ごと又はエピソードごとである。
類似度の計算は、簡単に次のように実施され得る：
１．図５で強調されているように、全ての頂点は（概念のインスタンスとして）特定のカテゴリに属する。同じカテゴリに属するもののラベルは、次いで、文字列へと連結され得る。
２．同じカテゴリの頂点の類似度は、σｃ１（ａ，ｂ）＝ｊａｒｏ＿ｗｉｎｋｌｅｒ＿ｄｉｓｔａｎｃｅ（ａ，ｂ）として、例えば、文字列類似性アルゴリズムを用いて、計算され得る。
３．アフィニティ値は、そのような類似度を調整するために適用される：ｓｉｍｃ１（ａ，ｂ）＝α・σｃ１（ａ，ｂ）。アフィニティ（affinity）は、ここでは、議論の領域に関する語のアフィニティを指す。
４．全体の類似度は、次いで、ｓｉｍ＝ａｇｇ（Σｉｓｉｍｃｉ（ａ，ｂ））として計算される。ここで、集計関数（aggregation function）は、多種多様なアプローチによって実装され得る。例えば、簡単なアプローチは、加重平均であることができる。
［順位付け（患者ランカー６０）］
ランカーは、コンテキストベースの頂点フィルタから類似度を単に取り、ユーザによる手動入力がリストの順位付け及び／又はメンバーを調整する可能性を有して、順位付けリストを生成する。
完全グラフは、分野モデリング及び様式化のためであることが留意されるべきである。患者類似性を計算するとき、プロセスは、夫々の個別的なＰＣＯに基づく。
［他の技術分野］
本発明は、主に、ヘルスケア分野を対象とする。なお、基礎をなす技術は、他の分野に適用され得る。例えば、それらは、判例を検索し参照することが必要である法律及び立法行為の分野において使用され得る。他の分野に適用される場合に、新しい分野知識モデルが、適切なデータを用いて構成される必要がある。
簡単に述べると、所与の患者に類似した患者を見つけることは、正しい診断及び／又は治療並びに予後診断を提供するのを助け、且つ、その患者の展開の予測に役立つ。
本発明の実施形態は：
１．新しい診断が患者のために必要とされる限り、主題領域にとってより重要である特徴に動的にフィルタをかける方法；
２．フィルタリングに基づき、更に、本開示の分野の焦点を反映するようケース類似性を自動的に調整する方法；
３．患者中心のグラフを構成するよう異なるソースからデータを取り込むコンポーネント；
４．前述の方法を実施して、意志決定を支援するよう過去に起こったケースの自動の検索及び順位付けを助けるシステム
を提供し得る。
［使用される技術用語の簡単な説明］
ＨＩＳ：病院情報システム（hospital information system）。
ＥＨＲ：電子健康記録（electronic health records）。
予後診断（Prognosis）：病気の、特に、回復の変化の起こり得る経過及び結果の予測。
診断（Diagnosis）：病気又は状態の性質及び状況をその徴候及び症状から検査によって決定するプロセス。
医療（Medical treatment）：例えば、メンタルヘルスの領域において、看護、心理的介入及び専門家によるメンタルヘルスのリハビリテーションを含む、患者の管理及びケア。この用語はまた、“代替的な”医療及びそのように望まれる場合には、処方され得る投薬、例えば、ホメオパシー／催眠／鍼治療を含んでよい。
薬（Drugs）：病気又は状態の症状を治療又は予防又は緩和する薬物。
［付記］
上記の実施形態に加えて、以下の付記を開示する。
（付記１）
診断されるべき患者における病状の診断を支援するコンピュータ装置であって、
患者ビルダー及び頂点フィルタを提供するよう命令によって構成されるプロセッサによる実行のための前記命令を記憶するメモリと、
前記プロセッサの結果を出力する出力部と
を有し、
前記患者ビルダーは、臨床履歴データを含む患者の母集団についての患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成するよう構成され、
前記頂点フィルタは、
医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築する患者コンテキストビルダーと、
前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、該留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算するコンテキストベースの頂点フィルタと、
前記計算された類似度に従って前記ＰＣＯを順位付けする患者ランカーと
を含み、
前記出力部は、前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案するよう構成される、
コンピュータ装置。
（付記２）
ＰＣＯの頂点を時間ベースのエピソードにグループ化する前記頂点フィルタ内のエピソードグループ化部を更に有する
付記１に記載のコンピュータ装置。
（付記３）
前記エピソードグループ化部は、データ生成の時間スタンプを用いて前記頂点をグループ化する、
付記２に記載のコンピュータ装置。
（付記４）
前記コンテキストベースの頂点フィルタ及び前記患者ランカーは、ＰＣＯの各エピソードを別々に処理する、
付記２又は３に記載のコンピュータ装置。
（付記５）
前記ＰＣＯは、患者ＩＤ頂点に中心を置き、該患者ＩＤ頂点を、臨床履歴データを表すラベル付き頂点へリンクする辺を有するグラフであり、
臨床履歴データを表す前記頂点は、夫々がカテゴリに属する、
付記１乃至４のうちいずれか一つに記載のコンピュータ装置。
（付記６）
前記コンテキストベースの頂点フィルタは、同じカテゴリのＰＣＯ内の頂点をグループ化し、該グループ化された頂点と、前記診断されるべき患者のＰＣＯ内の同じカテゴリの頂点との類似度を、頂点ラベルを用いて計算する、
付記５に記載のコンピュータ装置。
（付記７）
前記コンテキストベースの頂点フィルタは、前記ドメインコーパスとのアフィニティを参照するアフィニティ値を適用することによって、前記グループ化された頂点と、前記診断されるべき患者のＰＣＯ内の同じカテゴリの頂点との前記計算された類似度を調整する、
付記６に記載のコンピュータ装置。
（付記８）
前記臨床履歴データは、非テキストデータを含み、
前記患者ビルダーは、前記非テキストデータからテキスト記述を抽出するエクストラクターを含み、
夫々の抽出されたテキスト記述は、ＰＣＯのラベル付き頂点になり、該ラベル付き頂点は、前記非テキストデータが記憶されているアドレスへリンクされる、
付記１乃至７のうちいずれか一つに記載のコンピュータ装置。
（付記９）
前記患者ビルダーは、前記ＰＣＯをインクリメントに更新するよう、自動データクローラーからの入力を受け入れる、
付記１乃至８のうちいずれか一つに記載のコンピュータ装置。
（付記１０）
前記患者ビルダーは更に、前記ＰＣＯ内の如何なる診断も確かめるよう、臨床医のルールの形で専門的知識を受け入れる、
付記１乃至９のうちいずれか一つに記載のコンピュータ装置。
（付記１１）
前記患者コンテキストビルダーは、前記分野を定義する項目を夫々埋め込む頂点の分野特有のリストの形で前記ドメインコーパスを供給し、前記頂点の値は前記項目の重要性を示す、
付記１乃至１０のうちいずれか一つに記載のコンピュータ装置。
（付記１２）
オープンデータのための入力は、１つよりも多いソースからのデータの入力を可能にする、
付記１乃至１１のうちいずれか一つに記載のコンピュータ装置。
（付記１３）
前記コンテキストベースの頂点フィルタは、閾値を下回るドメインアフィリエーションを有する頂点を除去することによって、又はドメインアフィリエーションの順に前記頂点を順位付けし、最も高いドメインアフィリエーションを発端として予め定義された数の頂点を選択することによって、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保する、
付記１乃至１２のうちいずれか一つに記載のコンピュータ装置。
（付記１４）
診断されるべき患者における病状の診断を支援する、コンピュータにより実施される方法であって、
患者の母集団についての臨床履歴データを含む患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成し、
医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築し、
前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、
前記留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算して、前記ＰＣＯを順位付けし、
前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案する
ことを有する方法。
（付記１５）
コンピュータで実行される場合に、診断されるべき患者における病状の診断を支援する方法を実施するコンピュータプログラムであって、
前記方法は、
患者の母集団についての臨床履歴データを含む患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成し、
医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築し、
前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、
前記留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算して、前記ＰＣＯを順位付けし、
前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案する
ことを有する、コンピュータプログラム。
１０ システム
２０ 患者ビルダー
３０ 患者臨床オブジェクト（ＰＣＯ）
１００ データ及び知識取得モジュール
２００ 自動頂点フィルタリング
９９２ バス
９９３ プロセッサ
９９４ メモリ
９９５ 表示ユニット
９９６ 入力メカニズム
９９７ ネットワークインターフェイス

Claims (15)

  1. 診断されるべき患者における病状の診断を支援するコンピュータ装置であって、
    患者ビルダー及び頂点フィルタを提供するよう命令によって構成されるプロセッサによる実行のための前記命令を記憶するメモリと、
    前記プロセッサの結果を出力する出力部と
    を有し、
    前記患者ビルダーは、臨床履歴データを含む患者の母集団についての患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成するよう構成され、
    前記頂点フィルタは、
    医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築する患者コンテキストビルダーと、
    前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、該留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算するコンテキストベースの頂点フィルタと、
    前記計算された類似度に従って前記ＰＣＯを順位付けする患者ランカーと
    を含み、
    前記出力部は、前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案するよう構成される、
    コンピュータ装置。
  2. ＰＣＯの頂点を時間ベースのエピソードにグループ化する前記頂点フィルタ内のエピソードグループ化部を更に有する
    請求項１に記載のコンピュータ装置。
  3. 前記エピソードグループ化部は、データ生成の時間スタンプを用いて前記頂点をグループ化する、
    請求項２に記載のコンピュータ装置。
  4. 前記コンテキストベースの頂点フィルタ及び前記患者ランカーは、ＰＣＯの各エピソードを別々に処理する、
    請求項２又は３に記載のコンピュータ装置。
  5. 前記ＰＣＯは、患者ＩＤ頂点に中心を置き、該患者ＩＤ頂点を、臨床履歴データを表すラベル付き頂点へリンクする辺を有するグラフであり、
    臨床履歴データを表す前記頂点は、夫々がカテゴリに属する、
    請求項１乃至４のうちいずれか一項に記載のコンピュータ装置。
  6. 前記コンテキストベースの頂点フィルタは、同じカテゴリのＰＣＯ内の頂点をグループ化し、該グループ化された頂点と、前記診断されるべき患者のＰＣＯ内の同じカテゴリの頂点との類似度を、頂点ラベルを用いて計算する、
    請求項５に記載のコンピュータ装置。
  7. 前記コンテキストベースの頂点フィルタは、前記ドメインコーパスとのアフィニティを参照するアフィニティ値を適用することによって、前記グループ化された頂点と、前記診断されるべき患者のＰＣＯ内の同じカテゴリの頂点との前記計算された類似度を調整する、
    請求項６に記載のコンピュータ装置。
  8. 前記臨床履歴データは、非テキストデータを含み、
    前記患者ビルダーは、前記非テキストデータからテキスト記述を抽出するエクストラクターを含み、
    夫々の抽出されたテキスト記述は、ＰＣＯのラベル付き頂点になり、該ラベル付き頂点は、前記非テキストデータが記憶されているアドレスへリンクされる、
    請求項１乃至７のうちいずれか一項に記載のコンピュータ装置。
  9. 前記患者ビルダーは、前記ＰＣＯをインクリメントに更新するよう、自動データクローラーからの入力を受け入れる、
    請求項１乃至８のうちいずれか一項に記載のコンピュータ装置。
  10. 前記患者ビルダーは更に、前記ＰＣＯ内の如何なる診断も確かめるよう、臨床医のルールの形で専門的知識を受け入れる、
    請求項１乃至９のうちいずれか一項に記載のコンピュータ装置。
  11. 前記患者コンテキストビルダーは、前記分野を定義する項目を夫々埋め込む頂点の分野特有のリストの形で前記ドメインコーパスを供給し、前記頂点の値は前記項目の重要性を示す、
    請求項１乃至１０のうちいずれか一項に記載のコンピュータ装置。
  12. オープンデータのための入力は、１つよりも多いソースからのデータの入力を可能にする、
    請求項１乃至１１のうちいずれか一項に記載のコンピュータ装置。
  13. 前記コンテキストベースの頂点フィルタは、閾値を下回るドメインアフィリエーションを有する頂点を除去することによって、又はドメインアフィリエーションの順に前記頂点を順位付けし、最も高いドメインアフィリエーションを発端として予め定義された数の頂点を選択することによって、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保する、
    請求項１乃至１２のうちいずれか一項に記載のコンピュータ装置。
  14. 診断されるべき患者における病状の診断を支援する、コンピュータにより実施される方法であって、
    患者の母集団についての臨床履歴データを含む患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成し、
    医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築し、
    前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、
    前記留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算して、前記ＰＣＯを順位付けし、
    前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案する
    ことを有する方法。
  15. コンピュータで実行される場合に、診断されるべき患者における病状の診断を支援する方法を実施するコンピュータプログラムであって、
    前記方法は、
    患者の母集団についての臨床履歴データを含む患者データを入力し、且つ、オープンデータを入力し、それらの入力を使用して、グラフの形で夫々の患者を表す患者臨床オブジェクト（ＰＣＯ）及び夫々の患者についてのＰＣＯから成る完全患者グラフを生成し、
    医療分野の指定及びオープンデータを入力し、前記医療分野の前記指定に及び前記オープンデータに基づきドメインコーパスを構築し、
    前記完全患者グラフ内の頂点を前記ドメインコーパスに対するそれらのドメインアフィリエーションに基づき順位付けし、夫々のＰＣＯにおいて高いドメインアフィリエーションを有している如何なる頂点も留保し、
    前記留保された頂点に基づき前記完全患者グラフ内の前記診断されるべき患者のＰＣＯ及び他のＰＣＯの間の類似度を計算して、前記ＰＣＯを順位付けし、
    前記診断されるべき患者に類似した患者のリストを出力して、前記診断されるべき患者の１つ以上の診断を提案する
    ことを有する、コンピュータプログラム。
JP2017169974A 2016-10-06 2017-09-05 コンテキストベースの患者類似性の方法及び装置 Active JP6907831B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102016219432 2016-10-06
DE102016219432.1 2016-10-06
EP17166976.5 2017-04-19
EP17166976.5A EP3306617A1 (en) 2016-10-06 2017-04-19 Method and apparatus of context-based patient similarity

Publications (2)

Publication Number Publication Date
JP2018060529A true JP2018060529A (ja) 2018-04-12
JP6907831B2 JP6907831B2 (ja) 2021-07-21

Family

ID=58672322

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017169974A Active JP6907831B2 (ja) 2016-10-06 2017-09-05 コンテキストベースの患者類似性の方法及び装置

Country Status (3)

Country Link
US (1) US11464455B2 (ja)
EP (1) EP3306617A1 (ja)
JP (1) JP6907831B2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020518050A (ja) * 2017-04-20 2020-06-18 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． エンティティ間のコンテキスト的類似度の学習及び適用
KR20210047020A (ko) * 2019-10-21 2021-04-29 연세대학교 원주산학협력단 노인을 위한 자서전적 기억 기반의 정서지원 시스템, 정서지원 방법 및 이를 위한 프로그램이 저장된 기록매체

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11049190B2 (en) 2016-07-15 2021-06-29 Intuit Inc. System and method for automatically generating calculations for fields in compliance forms
US10579721B2 (en) 2016-07-15 2020-03-03 Intuit Inc. Lean parsing: a natural language processing system and method for parsing domain-specific languages
US11163956B1 (en) 2019-05-23 2021-11-02 Intuit Inc. System and method for recognizing domain specific named entities using domain specific word embeddings
CN112489769B (zh) * 2019-08-22 2024-05-17 浙江远图技术股份有限公司 基于深度神经网络的慢性病智慧中医诊断与药物推荐***
US11783128B2 (en) 2020-02-19 2023-10-10 Intuit Inc. Financial document text conversion to computer readable operations
CN113345557A (zh) * 2020-03-03 2021-09-03 北京悦熙兴中科技有限公司 一种数据处理方法和***
US12033730B2 (en) 2020-04-14 2024-07-09 International Business Machines Corporation Model augmented medical coding
CN111696667A (zh) * 2020-06-11 2020-09-22 吾征智能技术(北京)有限公司 一种常见妇科疾病预测模型构建方法和预测***
JP7402140B2 (ja) * 2020-09-23 2023-12-20 株式会社日立製作所 登録装置、登録方法、および登録プログラム
TWI782608B (zh) * 2021-06-02 2022-11-01 美商醫守科技股份有限公司 提供建議診斷的電子裝置和方法
US11928121B2 (en) * 2021-09-13 2024-03-12 International Business Machines Corporation Scalable visual analytics pipeline for large datasets

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080201280A1 (en) * 2007-02-16 2008-08-21 Huber Martin Medical ontologies for machine learning and decision support
JP2012043113A (ja) * 2010-08-18 2012-03-01 Fuji Xerox Co Ltd プログラム及び診療支援装置
US20160063212A1 (en) * 2014-09-02 2016-03-03 Kyron, Inc. System for Generating and Updating Treatment Guidelines and Estimating Effect Size of Treatment Steps

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7107253B1 (en) * 1999-04-05 2006-09-12 American Board Of Family Practice, Inc. Computer architecture and process of patient generation, evolution and simulation for computer based testing system using bayesian networks as a scripting language
JP3956581B2 (ja) 2000-05-18 2007-08-08 株式会社日立製作所 事例の類似性に基づいた推論システム
US8122012B2 (en) * 2005-01-14 2012-02-21 International Business Machines Corporation Abstract record timeline rendering/display
US20120041772A1 (en) 2010-08-12 2012-02-16 International Business Machines Corporation System and method for predicting long-term patient outcome
JP5728212B2 (ja) * 2010-11-30 2015-06-03 キヤノン株式会社 診断支援装置、診断支援装置の制御方法、およびプログラム
US8694333B2 (en) * 2011-04-14 2014-04-08 International Business Machines Corporation Cohort driven medical diagnostic tool
US20130226616A1 (en) * 2011-10-13 2013-08-29 The Board of Trustees for the Leland Stanford, Junior, University Method and System for Examining Practice-based Evidence
US20130231953A1 (en) * 2012-03-01 2013-09-05 Shahram Ebadollahi Method, system and computer program product for aggregating population data
US20130297342A1 (en) 2012-05-07 2013-11-07 Healtheo360 Computer-based system for managing a patient support and information network
US20140288387A1 (en) 2013-03-22 2014-09-25 David Duplay Integrated patient health tracking system
US10431339B1 (en) * 2014-06-19 2019-10-01 Epic Systems Corporation Method and system for determining relevant patient information

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080201280A1 (en) * 2007-02-16 2008-08-21 Huber Martin Medical ontologies for machine learning and decision support
JP2012043113A (ja) * 2010-08-18 2012-03-01 Fuji Xerox Co Ltd プログラム及び診療支援装置
US20160063212A1 (en) * 2014-09-02 2016-03-03 Kyron, Inc. System for Generating and Updating Treatment Guidelines and Estimating Effect Size of Treatment Steps

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020518050A (ja) * 2017-04-20 2020-06-18 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． エンティティ間のコンテキスト的類似度の学習及び適用
KR20210047020A (ko) * 2019-10-21 2021-04-29 연세대학교 원주산학협력단 노인을 위한 자서전적 기억 기반의 정서지원 시스템, 정서지원 방법 및 이를 위한 프로그램이 저장된 기록매체
KR102405352B1 (ko) 2019-10-21 2022-06-07 연세대학교 원주산학협력단 노인을 위한 자서전적 기억 기반의 정서지원 시스템, 정서지원 방법 및 이를 위한 프로그램이 저장된 기록매체

Also Published As

Publication number Publication date
JP6907831B2 (ja) 2021-07-21
US20180098737A1 (en) 2018-04-12
US11464455B2 (en) 2022-10-11
EP3306617A1 (en) 2018-04-11

Similar Documents

Publication Publication Date Title
JP6907831B2 (ja) コンテキストベースの患者類似性の方法及び装置
CN111292821B (zh) 一种医学诊疗***
JP6915282B2 (ja) オープンデータ及び臨床医の入力を用いて患者の治療リスクを評価するシステム及び方法
JP6825389B2 (ja) ヘルスケア・リスク推定システム及び方法
JP6780520B2 (ja) オープンデータ及び臨床医の入力を用いて患者のリスクを評価するシステム及び方法
Kim et al. Medical informatics research trend analysis: a text mining approach
JP7035314B2 (ja) 患者の診断を支援するシステムおよび方法
CN110291555B (zh) 用于促进对健康状况的计算分析的***和方法
WO2019103908A1 (en) Automated information collection and processing of clinical data
JP2014505950A (ja) 撮像プロトコルの更新及び／又はリコメンダ
CN111710420A (zh) 一种基于电子病历大数据的并发症发病风险预测方法、***、终端以及存储介质
JP2011508331A (ja) 類似事例検索を精密化するための方法及び装置
EP3847655A1 (en) Method of classifying medical records
US20130159022A1 (en) Clinical state timeline
JP6992370B2 (ja) 潜在的な診断を所与として患者により利用される医療資源を特定するためのコンピュータ装置及び方法
US10431339B1 (en) Method and system for determining relevant patient information
US20230051982A1 (en) Methods and systems for longitudinal patient information presentation
GB2548627A (en) A system and a method for assessing patient treatment risk using open data and clinician input
US20210217535A1 (en) An apparatus and method for detecting an incidental finding
EP3654339A1 (en) Method of classifying medical records
KR102597133B1 (ko) Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치
Sachdeva et al. Discovery of patterns to improve usability of electronic health record systems
CN117633209A (zh) 用于患者信息概要的方法和***
JP2022141335A (ja) 情報処理システム
Soundari Medical Suggestion Department for Heterogeneous Network

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200611

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210316

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210323

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210519

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210601

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210614

R150 Certificate of patent or registration of utility model

Ref document number: 6907831

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150