JP2020537232A - 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 - Google Patents
全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 Download PDFInfo
- Publication number
- JP2020537232A JP2020537232A JP2020519260A JP2020519260A JP2020537232A JP 2020537232 A JP2020537232 A JP 2020537232A JP 2020519260 A JP2020519260 A JP 2020519260A JP 2020519260 A JP2020519260 A JP 2020519260A JP 2020537232 A JP2020537232 A JP 2020537232A
- Authority
- JP
- Japan
- Prior art keywords
- features
- unhealthy
- occurrence
- progression
- subpopulation
- 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
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
- 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
-
- 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
- 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
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Urology & Nephrology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Nutrition Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
有害転帰発生率I
リスク因子保有率P1、P2、・・・、Pn
効果量尺度:OR1、OR2、・・・、ORn、
である。
PRF_1、PRF_2、・・・、PRF_n
の条件付き確率である。
1.Iを取得する
2.P1、P2、・・・、Pnを取得する
3.OR1、OR2、・・・、ORnを取得する
4.各リスク因子について、転帰リスクへの寄与を以下のように計算する
W_RFi=ln(ORi)×Pi
5.以下のようにベースリスクを計算する:λ=−ln((1−I)/I)−ΣiW_RFi
6.各リスク因子を所与として転帰の確率を以下のように計算する
P_ORF_i=exp(Σj≠iW_RFj+ln(ORi)+λ)/(1+exp(Σj≠iW_RFj+ln(ORi)+λ))
7.転帰と各リスク因子との結合確率を以下のように計算する
P_O_RFi=P_ORF_i×Pi(ベイズの定理)
8.転帰を所与として、各リスク因子の確率を以下のように計算する
PRF_i=P_O_RFi/I
102 系統的な文献レビュー
104 最も信頼できる論文又はメタ解析の選択
106 選択された各研究からの有害転帰の発生率、リスク因子の存在率及びリスク因子のオッズ比の抽出
108 収集された情報の融合
110 モデルパラメータの計算
112 一般化モデルを記憶
Claims (32)
- 全母集団から任意に選択された第1の部分母集団の特定の第1の非健康状態の発生又は進行を適応的に予測するための一般化モデルを生成するコンピュータ実装型治療制御支援方法であって、
− 複数の出版物及び/又は1次臨床データソースから、複数の第2の部分母集団の特徴事項、これらにおいて発見された前記第1の非健康状態の発生及び/又は重症度、及び/又は対応する予後結果に関する情報を抽出するように抽出モジュールを制御するステップと、
− 前記複数の出版物及び/又は1次臨床データソースの各々から、これらにおいて識別された前記特徴事項のうちの1つ又は2つ以上を、前記第1の非健康状態の前記発生又は進行に対する前記特徴事項の有害な寄与又は有益な寄与との関係を示す対応する第1の因子に関連付けるとともに、前記特徴事項のうちの1つ又は2つ以上を、前記それぞれの出版物で考察されている前記それぞれの第2の部分母集団における相対的発生頻度を示す対応する第2の因子にさらに関連付けるようにアソシエータモジュールを制御するステップと、
− 前記特徴事項とその第1及び第2の因子とを、患者の基礎的リスクを計算することを含めて前記全母集団の一般化モデルに組み合わせるようにコンバイナモジュールを制御するステップと、
− 前記一般化モデルを、コンピュータによるアクセス及び読み取りが可能な媒体に検索可能な形で記憶するように通信モジュールを制御するステップと、
を含むことを特徴とする方法。 - 前記抽出モジュールを、電子テキスト処理、光学文字認識及び自然言語処理のうちの1つ又は2つ以上を実行するように制御するステップをさらに含む、
請求項1に記載の方法。 - 前記抽出モジュールを、前記一般化モデルを生成する前に、前記出版物及び/又は1次臨床データソースの品質を表す値に従って前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、及び/又は選択するように制御するステップをさらに含む、
請求項1又は2に記載の方法。 - 前記複数の出版物及び/又は1次臨床データソースにわたる単一の特徴事項に関連する転帰の条件付き確率を表す値に従って前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、及び/又は選択するステップをさらに含む、
請求項1から3のいずれかに記載の方法。 - 受け取られた予測時間目標に従って、又は少なくとも1つの予め設定された予測時間目標に合わせて、前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、/又は選択するステップをさらに含む、
請求項1から4のいずれかに記載の方法。 - 受け取られた前記第1の部分母集団における前記第1の非健康状態の現段階又は重症度に従って、又は少なくとも1つの予め設定された段階又は重症度に合わせて、前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、/又は選択するステップをさらに含む、
請求項1から5のいずれかに記載の方法。 - 前記方法の1回目の実行において、前記複数の出版物及び/又は1次臨床データソースを、前記第1の非健康状態を考察しているものに限定し、前記方法の2回目の実行において、前記1回目の実行の結果と、前記第1の非健康状態を考察していない1又は2以上の出版物及び/又は1次臨床データソースとを前記方法への入力として使用するステップをさらに含む、
請求項1から6のいずれかに記載の方法。 - 全母集団のうちの任意に選択可能な第1の部分母集団の第1の非健康状態の発生又は進行を適応的に予測するコンピュータ実装方法であって、
− 請求項1から7のうちの1項又は2項以上に記載の方法に従って、生成されてコンピュータによるアクセス及び読み取りが可能なメモリに記憶された一般化モデルから1又は2以上の特徴事項を受け取るように通信モジュールを制御するステップと、
− 前記第1の部分母集団を特徴付けるデータを受け取るように前記通信モジュールを制御するステップと、
− 前記一般化モデルから受け取られた前記1又は2以上の特徴事項、及び前記部分母集団を特徴付ける前記データを、確率モデルを実装する予測モジュールに提供するように前記通信モジュールを制御するステップと、
− 前記第1の部分母集団の前記非健康状態の発生又は進行のリスク又は確率を示す要約スコアを前記ソフトウェアモジュールから提供するように前記予測モジュールを制御するステップと、
− 1又は2以上の特徴事項と、該1又は2以上の特徴事項が前記非健康状態の発生又は進行の前記リスク又は前記確率に与える正又は負の影響とをユーザに提供するように前記通信モジュールを制御するステップと、
を含むことを特徴とする方法。 - 前記予測モジュールは、さらなる入力として受け取られた前記第1の部分母集団における前記第1の非健康状態の現段階又は重症度に従って、前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、/又は選択するようにさらに構成される、
請求項8に記載の方法。 - 前記1又は2以上の特徴事項と、該1又は2以上の特徴事項が前記非健康状態の発生又は進行の前記リスク又は前記確率に与える正又は負の影響とを、前記1又は2以上の特徴事項の前記要約スコアに対する寄与の有意性に従うランク順で提供するステップをさらに含む、
請求項8又は9に記載の方法。 - 治療、ライフスタイルの変更、食事の変更及び医学的介入を含む非包括的リストからの1又は2以上の応答的対応を通じて修正又は影響することができる、前記非健康状態の発生又は進行の前記リスク又は前記確率に正又は負の影響を与える特徴事項を強調表示するステップをさらに含む、
請求項10に記載の方法。 - 前記非健康状態の発生又は進行の前記リスク又は前記確率が応答的対応によってどれだけ修正されるかに関する情報を提供するステップをさらに含む、
請求項11に記載の方法。 - 前記非健康状態の種類及び/又は前記リスクスコアに基づいて治療推奨の選択を提供するステップをさらに含む、
請求項8から12のいずれかに記載の方法。 - 前記要約スコアの精度を高めるために前記予測モジュールに提供できる、さらなる特徴事項に関連する又は該さらなる特徴事項を示すデータを生成できるさらなる診断検査及び/又は治療の選択を提供するステップをさらに含む、
請求項8から13のいずれかに記載の方法。 - 前記さらなる診断検査及び/又は治療の選択をランク順で提供するステップをさらに含む、
請求項14に記載の方法。 - 全母集団から任意に選択された第1の部分母集団の特定の第1の非健康状態の発生又は進行を適応的に予測する一般化モデルを生成するように構成された治療制御支援システムのモデル生成器であって、前記モデル生成器及び/又はその構成要素は、マイクロプロセッサと、揮発性及び/又は不揮発性メモリと、1又は2以上のデータ及び/又はユーザインターフェイスとを備え、或いはこれらと協働するとともに、
− 複数の出版物及び/又は1次臨床データソースから、複数の第2の部分母集団の特徴事項、前記複数の出版物及び/又は1次臨床データソースにおいて発見された前記第1の非健康状態の発生及び/又は重症度、及び/又は対応する予後結果に関する情報を抽出するように適合された抽出モジュールと、
− 前記複数の出版物及び/又は1次臨床データソースの各々から、これらにおいて識別された前記特徴事項のうちの1つ又は2つ以上を、前記第1の非健康状態の前記発生又は進行に対する前記特徴事項の有害な寄与又は有益な寄与との関係を示す対応する第1の因子に関連付けるとともに、前記特徴事項のうちの1つ又は2つ以上を、前記それぞれの出版物で考察されている前記それぞれの第2の部分母集団における相対的発生頻度を示す対応する第2の因子にさらに関連付けるように適合されたアソシエータモジュールと、
− 前記特徴事項とその第1及び第2の因子とを、患者の基礎的リスクを計算することを含めて前記全母集団の一般化モデルに組み合わせるように適合されたコンバイナモジュールと、
− 前記一般化モデルを、コンピュータによるアクセス及び読み取りが可能な媒体に検索可能な形で記憶するように適合された通信モジュールと、
をさらに備える、ことを特徴とするモデル生成器。 - 特定の第1の非健康状態及び/又は該第1の非健康状態の重症度又は現段階の選択に対応する入力を受け取るように適合されたプライミングモジュールをさらに備え、前記特定の第1の非健康状態及び/又は該第1の非健康状態の前記重症度又は現段階は、前記一般化モデルを生成するための様々な統計モデルのうちの1つを選択するために使用される、
請求項16に記載のモデル生成器。 - 前記抽出モジュールは、電子テキスト処理、光学文字認識及び自然言語処理のうちの1つ又は2つ以上を実行するように構成される、
請求項16に記載のモデル生成器。 - 前記一般化モデルを生成する前に、前記出版物及び/又は1次臨床データソースの品質を表す値に従って前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、及び/又は選択するようにさらに構成される、
請求項16から18のいずれかに記載のモデル生成器。 - 前記複数の出版物及び/又は1次臨床データソースにわたる単一の特徴事項に関連する転帰の条件付き確率を表す値に従って前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、及び/又は選択するようにさらに構成される、
請求項16から19のいずれかに記載のモデル生成器。 - 受け取った予測時間目標に従って、又は少なくとも1つの予め設定された予測時間目標に合わせて前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、/又は選択するようにさらに構成される、
請求項16から20のいずれかに記載のモデル生成器。 - 受け取った前記第1の部分母集団における前記第1の非健康状態の現段階又は重症度に従って、又は少なくとも1つの予め設定された段階又は重症度に合わせて前記特徴事項及び前記関連付けられた因子を調整し、ランク付けし、/又は選択するようにさらに構成される、
請求項16から22のいずれかに記載のモデル生成器。 - 1回目の実行において、前記複数の出版物及び/又は1次臨床データソースを、前記第1の非健康状態を考察しているものに限定するように前記抽出モジュールを制御し、2回目の実行において、前記1回目の実行の結果と、前記第1の非健康状態を考察していない1又は2以上の出版物及び/又は1次臨床データソースとを入力として使用するようにさらに構成される、
請求項16から22のいずれかに記載のモデル生成器。 - 全母集団のうちの任意に選択可能な第1の部分母集団の第1の非健康状態の発生又は進行を適応的に予測するように構成された治療制御支援システムであって、前記システム及び/又はその構成要素は、マイクロプロセッサと、揮発性及び/又は不揮発性メモリと、1又は2以上のデータ及び/又はユーザインターフェイスとを備え、或いはこれらと協働するとともに、
− 前記第1の非健康状態を識別又は選択する入力と、前記第1の非健康状態を生成するように適合された、請求項16から23のうちの1項又は2項以上に記載の治療制御支援システムの前記モデル生成器によって生成されてコンピュータによるアクセス及び読み取りが可能なメモリに記憶された一般化モデルと、該一般化モデルにおいて使用される1又は2以上の特徴事項とを受け取るように構成されるとともに、前記第1の部分母集団を特徴付ける対応するデータを受け取るようにさらに構成された通信モジュールと、
− 前記一般化モデル、及び前記部分母集団を特徴付ける前記データに従って、前記受け取られた1又は2以上の特徴事項を処理するように構成された予測モジュールと、
を備え、前記予測モジュールは、確率モデルを実装するコンピュータが実行できるコンピュータプログラム命令を含み、前記確率モデル及び/又はそのパラメータは、前記第1の非健康状態に従って選択又は適合され、前記予測モジュールは、前記受け取った一般化モデル、前記特徴事項、及び前記第1の部分母集団を特徴付けるデータに従って前記確率モデルを適用して、前記第1の部分母集団における前記非健康状態の発生又は進行のリスク又は確率を示す要約スコアを出力するように構成され、
− 前記通信モジュールは、前記要約スコア及び/又は1又は2以上の特徴事項と、該1又は2以上の特徴事項が前記非健康状態の発生又は進行の前記リスク又は前記確率に与える正又は負の影響とをユーザ又はさらなるコンピュータシステムに提供するようにさらに構成される、
ことを特徴とする治療制御支援システム。 - 前記予測モジュールは、さらなる入力として受け取られた前記第1の部分母集団における前記第1の非健康状態の現段階又は重症度に従って、前記特徴事項及び前記関連付けられた因子を調整し、重み付けし、ランク付けし、及び/又は選択するようにさらに構成される、
請求項24に記載の治療制御支援システム。 - 前記予測モジュール又は前記通信モジュールは、前記1又は2以上の特徴事項と、前記該1又は2以上の特徴事項が前記非健康状態の発生又は進行の前記リスク又は前記確率に与える正又は負の影響とを、前記1又は2以上の特徴事項の前記要約スコアに対する寄与の有意性に従うランク順で提供するようにさらに構成される、
請求項24又は25に記載の治療制御支援システム。 - 前記通信モジュールは、治療、ライフスタイルの変更、食事の変更及び医学的介入を含む非包括的リストからの1又は2以上の応答的対応を通じて修正又は影響することができる、前記非健康状態の発生又は進行の前記リスク又は前記確率に正又は負の影響を与える特徴事項を強調表示するようにさらに構成される、
請求項24から26のいずれかに記載の治療制御支援システム。 - 前記予測モジュール又は前記通信モジュールは、前記非健康状態の発生又は進行の前記リスク又は前記確率が応答的対応によってどれだけ修正されるかに関する情報を提供するようにさらに構成される、
請求項24から27のいずれかに記載の治療制御支援システム。 - 前記通信モジュールは、複数の非健康状態のそれぞれについての少なくとも1つの治療推奨を記憶するデータベース、又は該データベースに接続された人工知能システムに発行された要求に応答して、前記非健康状態の種類及び/又は前記リスクスコアに基づいて治療推奨の選択を提供するようにさらに構成される、
請求項24から28のいずれかに記載の治療制御支援システム。 - 前記予測モジュールは、前記要約スコアの精度を高めるために前記予測モジュールに提供できる、さらなる特徴事項に関連する又は該さらなる特徴事項を示すデータを生成できるさらなる診断検査及び/又は治療の選択を、前記通信モジュールを通じて提供するようにさらに構成される、
請求項24から29のいずれかに記載の治療制御支援システム。 - 全母集団から任意に選択された第1の部分母集団の第1の非健康状態の発生又は進行を適応的に予測する一般化モデルを生成するためのシステムであって、
− 複数の出版物及び/又は1次臨床データソースを表す第1のデータ信号を受け取り、前記複数の出版物及び/又は1次臨床データソースから、複数の第2の部分母集団の特徴事項、前記複数の出版物及び/又は1次臨床データソースにおいて発見された前記第1の非健康状態の発生及び/又は重症度、及び/又は対応する予後結果に関する情報を前記データ信号から抽出し、対応する第2のデータ信号を生成するように構成された抽出モジュールと、
− 前記第2のデータ信号を受け取り、前記複数の出版物及び/又は1次臨床データソースの各々において識別された、前記第2のデータ信号によって表される前記特徴事項のうちの1つ又は2つ以上を、前記第1の非健康状態の前記発生又は進行に対する前記特徴事項の有害な寄与又は有益な寄与との関係を示す対応する第1の因子に関連付け、対応する第3のデータ信号を生成し、前記特徴事項のうちの1つ又は2つ以上を、前記それぞれの出版物及び/又は1次臨床データソースで考察されている前記それぞれの第2の部分母集団における相対的発生頻度を示す対応する第2の因子にさらに関連付け、対応する第4のデータ信号を生成するように構成されたアソシエータモジュールと、
− 前記第2、第3及び第4のデータ信号を受け取り、該第2、第3及び第4のデータ信号によって表される前記特徴事項とその第1及び第2の因子とを、患者の基礎的リスクを計算することを含めて前記全母集団の一般化モデルに組み合わせ、該一般化モデルを表す第5のデータ信号を生成するように構成された組み合わせモジュールと、
− コンピュータによるアクセス及び読み取りが可能な媒体にアクセスし、前記一般化モデルを表す前記第5のデータ信号を前記コンピュータによるアクセス及び読み取りが可能な媒体に検索可能な形で記憶するように構成されたデータアクセスモジュールと、
を備えることを特徴とするシステム。 - 全母集団のうちの任意に選択可能な第1の部分母集団の第1の非健康状態の発生又は進行を適応的に予測するためのシステムであって、
− 請求項1から7のうちの1項又は2項以上に記載の方法に従って生成されてコンピュータによるアクセス及び読み取りが可能なメモリに記憶された一般化モデルから1又は2以上の特徴事項を受け取るように構成された第1のデータ受信機モジュールと、
− 前記第1の部分母集団の特性を表すデータ信号を受け取るように構成された第2のデータ受信機モジュールと、
− 前記一般化モデルから受け取られた前記1又は2以上の特徴事項を表す前記データ信号と、前記部分母集団の特性を表す前記データ信号とを受け取って処理するように構成されるとともに、前記第1の部分母集団の前記非健康状態の発生又は進行のリスク又は確率を示す要約スコアを提供するように構成された、確率モデルの実装を含むソフトウェアモジュールと、
− 1又は2以上の特徴事項と、該1又は2以上の特徴事項が前記非健康状態の発生又は進行の前記リスク又は前記確率に与える正又は負の影響とをユーザ又はさらなる医療装置に提供するように構成された提供モジュールと、
を備えることを特徴とするシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17196137.8 | 2017-10-12 | ||
EP17196137.8A EP3471107A1 (en) | 2017-10-12 | 2017-10-12 | Medical device and computer-implemented method of predicting risk, occurrence or progression of adverse health conditions in test subjects in subpopulations arbitrarily selected from a total population |
PCT/EP2018/077069 WO2019072692A1 (en) | 2017-10-12 | 2018-10-05 | MEDICAL DEVICE AND COMPUTER-IMPLEMENTED METHOD FOR PREDICTING THE RISK, APPEARANCE OR PROGRESSION OF ADVERSE HEALTH CONDITIONS IN TEST SUBJECTS IN ARBITRAINLY CHOSEN SUB POPULATIONS FROM A TOTAL POPULATION |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020537232A true JP2020537232A (ja) | 2020-12-17 |
JP7245236B2 JP7245236B2 (ja) | 2023-03-23 |
Family
ID=60117510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020519260A Active JP7245236B2 (ja) | 2017-10-12 | 2018-10-05 | 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200258639A1 (ja) |
EP (2) | EP3471107A1 (ja) |
JP (1) | JP7245236B2 (ja) |
CN (1) | CN111164705A (ja) |
WO (1) | WO2019072692A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2018313853A1 (en) | 2017-08-08 | 2020-01-02 | Fresenius Medical Care Holdings, Inc. | Systems and methods for treating and estimating progression of chronic kidney disease |
US11763950B1 (en) | 2018-08-16 | 2023-09-19 | Clarify Health Solutions, Inc. | Computer network architecture with machine learning and artificial intelligence and patient risk scoring |
US11532132B2 (en) * | 2019-03-08 | 2022-12-20 | Mubayiwa Cornelious MUSARA | Adaptive interactive medical training program with virtual patients |
US11625789B1 (en) | 2019-04-02 | 2023-04-11 | Clarify Health Solutions, Inc. | Computer network architecture with automated claims completion, machine learning and artificial intelligence |
US11621085B1 (en) | 2019-04-18 | 2023-04-04 | Clarify Health Solutions, Inc. | Computer network architecture with machine learning and artificial intelligence and active updates of outcomes |
US11238469B1 (en) | 2019-05-06 | 2022-02-01 | Clarify Health Solutions, Inc. | Computer network architecture with machine learning and artificial intelligence and risk adjusted performance ranking of healthcare providers |
US11270785B1 (en) * | 2019-11-27 | 2022-03-08 | Clarify Health Solutions, Inc. | Computer network architecture with machine learning and artificial intelligence and care groupings |
US20220189590A1 (en) * | 2020-12-16 | 2022-06-16 | Intervention Insights, Inc. | System and method for determining testing and treatment |
EP4109464A1 (en) | 2021-06-22 | 2022-12-28 | Fresenius Medical Care Deutschland GmbH | Value-based advanced clinical benchmarking |
CN114334125A (zh) * | 2021-11-30 | 2022-04-12 | 安徽科大讯飞医疗信息技术有限公司 | 诊断预测方法及相关装置、电子设备和存储介质 |
CN117727456B (zh) * | 2023-12-28 | 2024-05-24 | 江苏智慧智能软件科技有限公司 | 一种基于人工智能的产科心理评估模型塑造***及方法 |
CN117958763B (zh) * | 2024-03-29 | 2024-05-31 | 四川互慧软件有限公司 | 一种基于时间轴的患者360度指标检测方法 |
CN118095871B (zh) * | 2024-04-28 | 2024-07-12 | 安徽省立医院(中国科学技术大学附属第一医院) | 一种基于数字医疗下的手术患者安全控制*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0563654A1 (en) * | 1992-03-18 | 1993-10-06 | Hoechst-Roussel Pharmaceuticals Incorporated | Risk determination for drug treatment |
US20060173663A1 (en) * | 2004-12-30 | 2006-08-03 | Proventys, Inc. | Methods, system, 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 |
JP2017117469A (ja) * | 2015-12-22 | 2017-06-29 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6059724A (en) * | 1997-02-14 | 2000-05-09 | Biosignal, Inc. | System for predicting future health |
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP5425793B2 (ja) * | 2007-10-12 | 2014-02-26 | ペイシェンツライクミー, インコーポレイテッド | 患者のコミュニティのプロファイルに基づく病状および転帰の個人管理ならびに比較 |
EP2335217A4 (en) * | 2008-10-10 | 2014-02-05 | Gen Electric | AUTOMATED MANAGEMENT OF MEDICAL DATA USING EXPERTS 'KNOWLEDGE AND SCIENCE OF APPLIED COMPLEXITY FOR RISK ASSESSMENT AND DIAGNOSIS |
US20140095201A1 (en) * | 2012-09-28 | 2014-04-03 | Siemens Medical Solutions Usa, Inc. | Leveraging Public Health Data for Prediction and Prevention of Adverse Events |
-
2017
- 2017-10-12 EP EP17196137.8A patent/EP3471107A1/en not_active Withdrawn
-
2018
- 2018-10-05 US US16/754,579 patent/US20200258639A1/en active Pending
- 2018-10-05 EP EP18785897.2A patent/EP3695418A1/en active Pending
- 2018-10-05 CN CN201880064463.0A patent/CN111164705A/zh active Pending
- 2018-10-05 JP JP2020519260A patent/JP7245236B2/ja active Active
- 2018-10-05 WO PCT/EP2018/077069 patent/WO2019072692A1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0563654A1 (en) * | 1992-03-18 | 1993-10-06 | Hoechst-Roussel Pharmaceuticals Incorporated | Risk determination for drug treatment |
US20060173663A1 (en) * | 2004-12-30 | 2006-08-03 | Proventys, Inc. | Methods, system, 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 |
JP2017117469A (ja) * | 2015-12-22 | 2017-06-29 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7245236B2 (ja) | 2023-03-23 |
US20200258639A1 (en) | 2020-08-13 |
CN111164705A (zh) | 2020-05-15 |
WO2019072692A1 (en) | 2019-04-18 |
EP3695418A1 (en) | 2020-08-19 |
EP3471107A1 (en) | 2019-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7245236B2 (ja) | 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 | |
Edwards et al. | Development and validation of a risk prediction model for in-hospital mortality after transcatheter aortic valve replacement | |
JP6127160B2 (ja) | 個人化ヘルスケアシステム及び方法 | |
US20190156947A1 (en) | Automated information collection and evaluation of clinical data | |
US11037070B2 (en) | Diagnostic test planning using machine learning techniques | |
JP6907831B2 (ja) | コンテキストベースの患者類似性の方法及び装置 | |
JP7010946B2 (ja) | 健康状態の計算解析を容易化するシステム及び方法 | |
US20110202486A1 (en) | Healthcare Information Technology System for Predicting Development of Cardiovascular Conditions | |
US20210294946A1 (en) | Selecting and applying digital twin models | |
JP2017174404A (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 | |
US11527312B2 (en) | Clinical report retrieval and/or comparison | |
JP7107375B2 (ja) | 状態遷移予測装置、予測モデル学習装置、方法およびプログラム | |
Chen et al. | Machine learning methods for hospital readmission prediction: systematic analysis of literature | |
US20200357524A1 (en) | Apparatus for patient data availability analysis | |
JP7238705B2 (ja) | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム | |
US20090070145A1 (en) | Method and system for coronary artery disease care | |
Fingert | Penetrance of Myocilin mutations—who gets Glaucoma? | |
US20210217522A1 (en) | Machine learning model for surfacing supporting evidence | |
US20200294682A1 (en) | Medical interview apparatus | |
KR102167161B1 (ko) | 질병 증상 추천 시스템 및 방법 | |
GB2548627A (en) | A system and a method for assessing patient treatment risk using open data and clinician input | |
Feero | Establishing the clinical validity of arrhythmia-related genetic variations using the electronic medical record: a valid take on precision medicine? | |
US20220319650A1 (en) | Method and System for Providing Information About a State of Health of a Patient | |
JP2007075413A (ja) | 医用診断システム | |
JP7462556B2 (ja) | 患者データ有効性解析のための装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211004 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221107 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230117 |
|
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: 20230208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230310 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7245236 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |