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 PDFInfo
- 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
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
Description
・ 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。
・ 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。
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。
・ “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。
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。
・ 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。
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。
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。
[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。
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。
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。
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。
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。
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。
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。
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。
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。
HIS:病院情報システム(hospital information system)。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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)
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)
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 |
-
2017
- 2017-04-19 EP EP17166976.5A patent/EP3306617A1/en not_active Withdrawn
- 2017-09-05 JP JP2017169974A patent/JP6907831B2/ja active Active
- 2017-09-28 US US15/718,759 patent/US11464455B2/en active Active
Patent Citations (3)
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)
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 |