Повышение эффективности и уменьшение частоты последующих лучевых исследований путем прогнозирования основания для следующего исследования

Авторы патента:


Повышение эффективности и уменьшение частоты последующих лучевых исследований путем прогнозирования основания для следующего исследования
Повышение эффективности и уменьшение частоты последующих лучевых исследований путем прогнозирования основания для следующего исследования
G16H10/60 -
G16H10/60 -
G16H10/60 -
G16H10/60 -

Владельцы патента RU 2699607:

КОНИНКЛЕЙКЕ ФИЛИПС Н.В. (NL)

Группа изобретений относится к медицине, а именно к прогнозированию основания для следующего исследования пациента. Предложена система для реализации способа, причем способ содержит: сохранение одного или более клинических документов, содержащих клинические данные; обработку клинических документов с получением выявленных клинических данных; выполнение семантической нормализации клинических данных относительно внутренней структуры данных и/или онтологии; генерирование на основе полученных нормализованных клинических данных маппинга, показывающего соответствие с набором известных оснований для исследования; и генерирование прогноза основания для следующего исследования пациента. Группа изобретений обеспечивает повышение эффективности и уменьшение частоты последующих лучевых исследований путем прогнозирования основания для следующего исследования. 2 н. и 10 з.п. ф-лы, 2 ил.

 

Настоящее изобретение в целом относится к повышению эффективности и уменьшению частоты последующих лучевых исследований путем прогнозирования основания для следующего лучевого исследования. В частности, настоящее изобретение применимо в сочетании с прогнозированием основания для следующего исследования пациента исходя из истории болезни пациента и будет описано в настоящем документе с особым акцентом на это. Однако следует понимать, что оно также применимо в других вариантах использования и необязательно ограничивается вышеуказанным применением.

Типичная рабочая последовательность лучевого исследования включает сперва направление врачом пациента в учреждение для лучевой визуализации для выполнения визуализации некоторого типа. После выполнения визуализирующего исследования специалист по лучевой диагностике интерпретирует изображения и предоставляет один или более прогнозов или рекомендаций по лечению. В это время специалист по лучевой диагностике также может запросить выполнение дополнительной визуализации для будущих исследований. Это может привести к выполнению большого количества визуализирующих исследований для одного пациента. Правительство Соединенных Штатов Америки проводит мероприятия, направленные на уменьшение визуализирующих исследований. Уполномоченная организация по оказанию медицинской помощи требует, чтобы организации по оказанию медицинской помощи получали денежное вознаграждение за одного пациента, а не за одну процедуру визуализации. Таким образом, уменьшение количества визуализирующих исследований с поддержанием или улучшением качества предоставляемой медицинской помощи представляет максимальный интерес для организации по оказанию медицинской помощи.

Если бы интерпретирующий специалист по лучевой диагностике мог посмотреть в клиническое будущее пациента, он мог бы обратить особое внимание на некоторые анатомические области и предоставить более подходящие прогнозы и рекомендации по лечению. Это могло бы повысить эффективность лучевого исследования. При определенной доле проницательности специалист по лучевой диагностике также мог бы предоставить протокольные рекомендации, прогнозируя некоторые медицинские состояния, которые могут возникнуть в будущем. В случае если пациент госпитализирован для лечения состояния, определенного специалистами по лучевой диагностике, лица, осуществляющие уход (например, врачи отделения неотложной помощи), могут извлечь из этого пользу. Это может уменьшить количество ненужных или неправильно запротоколированных визуализирующих исследований.

В настоящей заявке представлены система и способ, которые позволяют прогнозировать основание для следующего исследования пациента исходя из истории болезни пациента. Кроме того, система и способ дополнительно позволяют интегрировать прогнозы в рабочую схему интерпретации радиологических данных. Настоящее изобретение улучшает эффективность каждого отдельного визуализирующего исследования и уменьшает количество визуализирующих исследований для одного пациента. Кроме того, настоящее изобретение предоставляет новые и улучшенные способы и системы, которые решают вышеуказанные проблемы и т.д.

В WO 2013/179216 A3 описаны системы и способы автоматического выбора одного или более подходящих медицинских протоколов визуализации, исходя из клинических данных пациента. Иллюстративные варианты реализации относятся к способам и системам для сбора клинических данных для текущего пациента, генерирования кодированного описания множества протоколов визуализации в удобном для компьютерной обработки формате, включающем медицинские сведения, конвертации собранных клинических данных в удобный для компьютерной обработки формат, и рекомендации или предоставления по меньшей мере подходящего протокола визуализации, исходя из кодированного описания и конвертированных клинических данных для текущего пациента.

В соответствии с одним аспектом, предложена система прогнозирования основания для следующего исследования пациента. Система содержит базу клинических данных, хранящую один или более документов клинических исследований, содержащих клинические данные пациента. Устройство обработки естественного языка обрабатывает документы клинических исследований с получением выявленных клинических данных. Устройство нормализации выполняет семантическую нормализацию клинических данных относительно внутренней структуры данных и/или онтологии. Устройство распознавания паттернов основе нормализованных клинических данных генерирует маппинг (mapping), показывающий соответствие с набором известных оснований для исследования. Устройство прогнозирования генерирует прогноз основания для проведения следующего исследования пациента на основе полученного маппинга.

В соответствии с другим аспектом, предложена система прогнозирования основания для следующего исследования пациента. Система содержит один или более процессоров, запрограммированных на сохранение одного или более документов клинических исследований, содержащих клинические данные, обработку документов клинических исследований с получением выявленных клинических данных, выполнение семантической нормализации клинических данных относительно внутренней структуры данных и/или онтологии, генерирование на основе нормализованных клинических данных маппинга из набора известных оснований для исследования, и генерирование прогноза основания для следующего исследования пациента. Предпочтительно, один или более процессоров дополнительно запрограммированы на генерирование отображения информации, включающей прогноз основания для следующего исследования пациента. Предпочтительно, маппинг содержит по меньшей мере одно из: вероятности оснований для исследования и информации об отрезке времени. Предпочтительно, пользовательский интерфейс содержит по меньшей мере одну часть отображенной дополнительной информации, показывающей вероятность на протяжении релевантных отрезков времени. Пользовательский интерфейс позволяет пользователю добавлять и удалять переменные для того, чтобы видеть влияние на прогноз, которое запускает перерасчет прогноза, исходя из нового набора переменных

В соответствии с другим аспектом, предложен способ прогнозирования основания для следующего исследования пациента. Способ включает сохранение одного или более документов клинических исследований, содержащих клинические данные пациента, обработку документов клинических исследований до выявленных клинических данных, выполнение семантической нормализации клинических данных относительно внутренней структуры данных и/или онтологии, генерирование на основе полученных нормализованных клинических данных таблицы соответствия с набором известных оснований для исследования, и генерирование прогноза основания для следующего исследования пациента на основе полученного маппинга.

Одно преимущество заключается в прогнозировании основания для следующего исследования пациента исходя из истории болезни пациента.

Еще одно преимущество заключается в повышении эффективности отдельного визуализирующего исследования и уменьшении количества визуализирующих исследований для одного пациента.

Еще одно преимущество заключается в интегрировании прогнозов в рабочую протокол интерпретации радиологических данных.

Еще одно преимущество заключается в улучшении организации проведения клинических исследований.

Еще одно преимущество заключается в улучшении ухода за пациентом.

Другие дополнительные преимущества настоящего изобретения станут понятными специалисту в данной области техники после изучения и понимания следующего подробного описания.

Изобретение может принимать вид различных компонентов и схем размещения компонентов, и различных этапов и порядка выполнения этапов. Чертежи служат лишь в целях иллюстрации предпочтительных вариантов реализации и не должны рассматриваться в качестве ограничения настоящего изобретения.

На фигуре 1 изображена блок-схема информационно-технологической (ИТ) инфраструктуры лечебного учреждения, в соответствии с аспектами настоящей заявки.

На фигуре 2 изображена схема последовательности способа прогнозирования основания для следующего исследования пациента, в соответствии с аспектами настоящей заявки.

Правительство Соединенных Штатов Америки (например, по инициативе уполномоченной организации по оказанию медицинской помощи) проводит мероприятия, направленные на уменьшение визуализирующих исследований. Если бы интерпретирующий специалист по лучевой диагностике мог посмотреть в клиническое будущее пациента, он мог бы обратить особое внимание на некоторые анатомические области и предоставить более подходящие прогнозы и рекомендации по лечению. Настоящее изобретение прогнозирует основание для следующего исследования пациента исходя из истории болезни пациента. Кроме того, прогнозы включаются в рабочую последовательность интерпретации. Настоящее изобретение улучшает эффективность одного визуализирующего исследования и может уменьшить количество визуализирующих исследований.

На фиг. 1 на блок-схеме изображен один вариант реализации ИТ-инфраструктуры 10 лечебного учреждения, такого как больница. ИТ-инфраструктура 10 подходящим образом содержит систему 12 клинической информации, систему 14 клинической поддержки, систему 16 клинического интерфейса и т.п., соединенные между собой с помощью сети 20 передачи данных. Следует иметь ввиду, что сеть 20 передачи данных включает одно или более из следующего: сеть Интернет, сеть интранет, локальная вычислительная сеть, глобальная вычислительная сеть, беспроводная сеть, проводная сеть, сеть сотовой связи, шина передачи данных и т.п. Следует также понимать, что компоненты ИТ-инфраструктуры находятся в центральном месте или в нескольких удаленных друг от друга местах.

Система 12 клинической информации хранит документы клинических исследований, в том числе заключения лучевых исследований, медицинские изображения, заключения лабораторных исследований, заключения лабораторных

исследований/визуализирующих исследований, электронные

медицинские карты, данные электронных медицинских карт (ЭМК) и т.п., в базе 22 данных клинической информации. Документ клинических исследований может содержать документы с информацией, относящейся к субъекту, такому как пациент, включающей релевантную информацию о состоянии здоровья пациента, такую как датированные основания для лучевых исследований. Некоторые документы клинических исследований могут представлять собой текстовые документы свободной формы, а другие документы могут представлять собой структурированный документ. Такой структурированный документ может представлять собой документ, сгенерированный компьютерной программой исходя из данных, предоставленных пользователем путем заполнения электронной формы. Например, структурированный документ может представлять собой XML-документ. Структурированные документы могут содержать части текста в свободной форме. Такая часть текста в свободной форме может рассматриваться в качестве текстового документа в свободной форме, заключенного в структурированный документ. Следовательно, части текста в свободной форме в структурированных документах могут обрабатываться системой в качестве текстовых документов в свободной форме. Каждый документ клинических исследований содержит перечень единиц информации. Перечень единиц информации содержит строки текста в свободной форме, такого как выражения, предложения, абзацы, слова и т.п. Кроме того, система 12 клинической информации содержит устройство 28 извлечения электронной истории болезни, которое осуществляет доступ к базе 22 данных клинической информации и сохраняет полученную информацию таким образом, что она доступна другим процессорным устройствам. Компонент извлечения данных, содержащийся в данном устройстве 28, может быть реализован с помощью известных технологий API (англ. - «application programming interface», интерфейс программирования приложений). Информация о состоянии здоровья пациента в целом хранится в базе 22 данных клинической информации, которая содержит API для считывания и записи клинической информации. В целом, таким ЭМК может быть направлен запрос на все документы клинических исследований, относящиеся к номеру медицинской карты (НМК) конкретного пациента. Устройство 28 извлечения содержит соответствующую структуру данных для сохранения извлеченных данных. В дополнение к сохранению документов как таковых (или в виде текста в свободной форме, или в виде таблицы структурированных значений), он содержит поля для идентификации источника (например, лучевое исследование, лабораторное исследование или патологическое исследование) и даты каждого документа, а также взаимосвязей между документами. Единицы информации документов клинических исследований могут генерироваться автоматически и/или вручную. Например, различные клинические системы автоматически генерируют единицы информации из предыдущих документов клинических исследований, диктуемой речи и т.п. Для последнего могут использоваться пользовательские устройства 24 ввода. В некоторых вариантах реализации, система 12 клинической информации содержит отображающие устройства 26, предоставляющие пользователям пользовательский интерфейс для ввода единиц информации вручную и/или для отображения документов клинических исследований. В одном варианте реализации документы клинических исследований сохранены локально в базе 22 данных клинической информации. В другом варианте реализации, документы клинических исследований сохранены в масштабе страны или региона в базе 22 данных клинической информации. Примеры информационных систем пациентов включают системы электронных медицинских карт, системы, относящиеся к работе отделений, и т.п., но не ограничены ими.

Система 14 клинической поддержки применяет обработку естественного языка и распознавание паттернов для выявления релевантной информации о состоянии здоровья пациента в документах клинических исследований. Кроме того, система 14 клинической поддержки выполняет семантическую нормализацию содержимого заданного набора информации о состоянии здоровья пациента относительно внутренней структуры данных и/или онтологии, которая полностью описывает медицинскую область. Кроме того, система 14 клинической поддержки обучается на наборах информации о состоянии здоровья пациента, подвергнутой семантической нормализации, и (b) запрашивает информацию о состоянии здоровья пациента для прогнозирования основания для будущего исследования с учетом набора истории болезни пациента, подвергнутой семантической нормализации. После запроса, система 14 клинической поддержки возвращает маппинг, показывающий соответствие набора известных оснований для исследований, релевантной информации, такой как вероятность и временной интервал («в течение 8 недель»). Кроме того, система 14 клинической поддержки предоставляет интерпретирующему специалисту по лучевой диагностике прогнозы, получаемые от устройства распознавания паттернов. Система 14 клинической поддержки содержит дисплей 44, такой как дисплей на основе электронно-лучевой трубки (ЭЛТ-дисплей), жидкокристаллический дисплей, светодиодный дисплей для отображения единиц информации, а также пользовательский интерфейс и пользовательское устройство 46 ввода, такое как клавиатура и манипулятор-мышь, для ввода и/или модификации предоставленных единиц информации врачом.

В частности, система 14 клинической поддержки содержит устройство 30 обработки естественного языка, который обрабатывает документы клинических исследований для выявления единиц информации в документах клинических исследований и для выявления заранее определенного перечня релевантных клинических признаков и информации о состоянии здоровья пациента. Для того чтобы это осуществить, устройство 30 обработки естественного языка сегментирует документы клинических исследований до единиц информации, включающих разделы, абзацы, предложения, слова и т.п. Как правило, документы клинических исследований содержат заголовок с временной меткой, содержащий протокольную информацию в дополнение к истории болезни, оборудованию, сравнению, признакам, заголовкам раздела с впечатлениями и т.п. Содержимое разделов с легкостью может быть выявлено с помощью заранее определенного перечня заголовков разделов и технологий сопоставления текста. В качестве альтернативы, могут быть использованы методы стороннего программного обеспечения, такие как MedLEE (англ. - «Medical Language Extraction and Encoding System»). Например, если задан перечень заранее определенных терминов («легочный узел»), могут быть использованы технологии сопоставления строк для выявления того, присутствует ли один из терминов в заданной единице информации. Технологии сопоставления строк могут быть дополнительно улучшены для расчета морфологического и лексического варианта (Легочный узел = легочные узлы = легочный узел) и терминов, которые распространены в единице информации (узлы в легких = легочный узел). Если заранее определенный перечень терминов содержит идентификационный номер (ИН) онтологии, могут быть использованы методы извлечения концепта для извлечения концептов из заданной единицы информации. ИН относятся к концептам в исходной онтологии, такой как SNOMED или RadLex. Для извлечения концепта могут быть эффективно использованы сторонние решения, такие как MetaMap. Кроме того, технологии обработки естественного языка как таковые известны из уровня техники. Представляется возможным применение технологий, таких как сопоставление с шаблоном и идентификация экземпляров концептов, определенных в онтологиях, а также взаимосвязь между экземплярами концептов, для построения сети экземпляров семантических концептов и их взаимосвязей, выраженных текстом в свободной форме.

Кроме того, система 14 клинической поддержки содержит устройство 32 нормализации истории болезни, которое выполняет семантическую нормализацию содержимого заданного набора информации о состоянии здоровья пациента относительно внутренней структуры данных и/или онтологии, которая полностью описывает медицинскую область. Сегментация документов клинических исследований относится к их структурированию по функциональным компонентам, которые в целом явно следуют из состава документа. Например, заключения лабораторных исследований в целом состоят из перечня пар «переменная - значение». С другой стороны, заключения лучевых исследований и гистопатологические заключения, как правило, имеют структуру «раздел - абзац - предложение». Для каждого документа клинических исследований (например, о лабораторном исследовании, лучевом исследовании или патологическом исследовании), устройство 14 сегментации сегментирует документы клинических исследований до соответствующих частей. Такие устройства сегментации могут быть сконструированы с помощью технологий распознавания лексических паттернов и/или машинной классификации. Например, выявление пар «переменная - значение» может быть выполнено посредством регулярных выражений (распознавания лексических паттернов). С другой стороны, определение конца предложения в заключении, составленном в свободной форме, в целом более тяжелое ввиду неоднозначности точечного знака. Например, в выражениях «Dr. Doe» и «2.3 см» точка не обозначает конец предложения. Такие неоднозначности могут быть разрешены с помощью технологий машинного обучения, таких как максимальная энтропия (машинная классификация).

После сегментации может быть выполнена семантическая нормализация единиц информации в зависимости от их сущности. В паре «переменная-значение» переменная может быть связана с перечнем известных лабораторных переменных с помощью технологий прямого сопоставления строк. Концепты в предложении, составленном в свободной форме, из заключения лучевого исследования могут быть извлечены и связаны с полной медицинской онтологией. Технологии извлечения концепта были изучены в научной литературе. Инструмент MetaMap, переданный в пользование Национальным институтом здравоохранения (англ. - «National Institute of Health», сокращенно -«NIH»), de facto представляется в качестве стандарта в области обработки медицинского языка. Он выявляет фразы в предложении и то, являются ли они отрицательными. Сторонние (например, MedLEE) решения или решения собственной разработки также могут использоваться для поддержки извлечения концепта. Концепт с точки зрения SNOMED представляет собой сущность в медицинской области, такую как диагноз, симптом или процедура. SNOMED имеет несколько взаимосвязей, которые связывают концепты между собой, что обеспечивает возможность иерархического, анатомического и причинного осмысления. Иерархическое осмысление обеспечивает возможность фильтрации информации в документах. Таким образом, мы можем выбирать все концепты, относящиеся к проявлениям и симптомам («кашель») или событиям («передозировка лекарственного препарата») из основания для исследования и отбрасывать концепты, относящиеся к исходным данным пациента («ВИЧ-положительный»).

В частности, важным является анализ раздела с основаниями для исследования в документах клинических исследований. В целом, основания для исследований представляют собой краткие отрывки текста, внесенного направляющим врачом, описывающие историю болезни и симптомы, а также клинический(е) вопрос(ы), служащие мотивом для исследования. Находясь в спешке, направляющие врачи в целом используют аббревиатуры. Для расшифровки аббревиатур могут быть использованы лексические технологии. Однако зачастую аббревиатура может иметь несколько значений. В этом случае, необходимо использовать технологии дизамбигуации, которые используют синтаксический контекст аббревиатуры (т.е. предложение, в котором именные словосочетания и глаголы встречаются или найдены в основании для исследования), а также его источник (т.е. заключение о лучевом исследовании). Устройство дизамбигуации может быть разработано с помощью основанных на правилах технологиях или технологиях машинного обучения.

Кроме того, система 14 клинической поддержки содержит устройство 34 распознавания паттернов. После семантической нормализации устройство 34 распознавания паттернов характеризует документ клинических исследований, как (длинный) ряд атомарных и составных переменных. Например, устройство 34 распознавания паттернов содержит атомарную переменную, обозначающую пол пациента, и составную переменную, указывающую на то, был ли у пациента диагностирован ВИЧ. Если пациент был диагностирован, как ВИЧ-положительный, данная переменная также содержит дату постановки диагноза. Будучи кратким документом, основания для исследования могут рассматриваться также в качестве ряда переменных.

Воспринимаемые в качестве векторов переменных, подвергнутых семантической нормализации, статистические методы могут быть использованы для выявления паттернов зависимости в историях болезни между демографическими данными пациента, событиями, прошлыми диагнозами, медицинскими вмешательствами и другими типами клинических состояний с одной стороны, и основаниями для исследования с другой стороны. Паттерны зависимости представляют интерес для устройства 34 распознавания паттернов, которые выстраивают некоторый временной интервал: например, при заданном известном условии ВИЧ и текущей рентгенограмме, существует вероятность 60% того, что у пациента будет кашель и боль в области живота в течение 8 недель от текущего исследования.

Некоторые переменные могут быть слишком конкретными и, таким образом, может быть необходимым их обобщение. С этой целью, например, можно включить уровни временного интервала (например, «последняя неделя», «последний месяц», «более двух лет назад»). Извлеченные концепты могут быть обобщены с помощью иерархических взаимосвязей между концептами в онтологии (например, «рак гортани» → «рак головы и шеи» → «рак»). Предполагается, что зависимости находят на общих уровнях и они не могут быть найдены на более конкретных уровнях абстракции. Например, может иметь место паттерн зависимости между абдоминальным раком и ВИЧ с одной стороны и кашлем с другой стороны, а для подтверждения паттерна зависимости для рака почки и ВИЧ доказательство отсутствует или его недостаточно. Выявление паттернов зависимости может быть выполнено в автономном режиме с помощью всех или выбранных записей информации о состоянии здоровья пациента. Результатом данной попытки обработки в автономном режиме является статистическая модель, в которой оцениваются вероятности оснований для будущих исследований при заданной истории болезни и текущем представлении.

Устройству 34 распознавания паттернов может быть направлен запрос путем начальной конвертации записей информации о состоянии здоровья пациента в вектор нормализованных переменных. После этого, полученный в результате вектор передается в статистическую модель, которая возвращает перечень оснований для будущих исследований. В зависимости от реализации этого, каждому основанию для исследования и временному интервалу может быть присвоено значение вероятности. Таким образом, вероятность того, что у пациента будет кашель в течение одной недели, может быть установлена на 5%, тогда как она может составлять 25%, если временной интервал составляет один месяц.

Кроме того, система 14 клинической поддержки содержит устройство 36 представления прогноза, которое прогнозирует основание для следующего исследования пациента. Когда начинается интерпретация изображения из исследования, системе доступны история болезни и основание для текущего исследования. Данная информация нормализуется и преобразуется в вектор переменной с последующей передачей в устройство распознавания паттернов. Результатом является создание маппинга, показывающего соответствие известных оснований для исследования, релевантной информации, такой как вероятность и отрезок времени.

Маппинг может быть сжат путем упорядочивания оснований для исследования по вероятности. В случае если маппинг содержит не только вероятность, но и информацию об отрезке времени («вероятность составляет 5% в течение следующей недели; 25% в течение следующего месяца»), может быть вычислена взвешенная усредненная вероятность («общая вероятность составляет 15%»), которая после этого используется для упорядочивания оснований для исследования.

Наиболее вероятные основания для исследования могут быть отображены пользователю в виде перечня через пользовательский интерфейс. Предполагается, что информация об отрезке времени удаляется в базовом представлении с помощью устройства 38 клинического интерфейса. Когда пользователь выделяет перечисленное основание для будущего исследования, может быть отображена дополнительная информация, показывающая вероятность на протяжении релевантных отрезков времени. В качестве альтернативы, у пользователя может быть возможность выбора некоторого отрезка времени, который действует в роли фильтра преобразования данных, эффективным образом переупорядочивая основания для будущего исследования исходя из их вероятности на протяжении выбранных отрезков времени. Также предполагается, что представление выполнено динамическим, так что пользователь может добавлять и удалять переменные для того, чтобы видеть их влияние на предположительные прогнозы. Это может быть выполнено с помощью стандартных технологий визуализации.

Система 16 клинического интерфейса отображает пользовательский интерфейс, который позволяет пользователю просматривать прогноз причины следующего исследования пациента исходя из истории болезни пациента и наиболее вероятные основания для исследования. Система 16 клинического интерфейса принимает пользовательский интерфейс и отображает лицу, осуществляющему уход, его вид на дисплее 48. Кроме того, система 16 клинического интерфейса содержит пользовательское устройство 50 ввода, такое как сенсорная панель или клавиатура и манипулятор-мышь, для ввода и/или модификации врачом представления пользовательского интерфейса. Примеры системы интерфейса для лица, осуществляющего уход, включают карманный персональный компьютер (КПК), смартфоны сотовой связи, персональные компьютеры или т.п., но не ограничены ими.

Под компонентами ИТ-инфраструктуры 10 подходящим образом подразумеваются процессоры 60, выполняющие исполнимые на компьютере инструкции, реализующие вышеописанную функциональность, причем исполнимые на компьютере инструкции сохранены в памяти 62, соединенной с процессорами 60. Однако предполагается, что по меньшей мере некоторая часть вышеописанной функциональности может быть реализована в аппаратном обеспечении без использования процессоров. Например, могут быть использованы аналоговые электронные схемы. Кроме того, под компонентами ИТ-инфраструктуры 10 подразумеваются модули 64 передачи данных, обеспечивающие процессорам 60 интерфейс для связи по сети 20 передачи данных. Более того, несмотря на то, что вышеописанные компоненты ИТ-инфраструктуры 10 были описаны по отдельности, следует понимать, что компоненты могут быть объединены.

На фиг. 2 изображена схема 200 последовательности способа прогнозирования основания для следующего исследования пациента. На этапе 202 сохраняют один или более документов клинических исследований, содержащих клинические данные. На этапе 204 документы клинических исследований обрабатывают до выявленных клинических данных. На этапе 206 выполняют семантическую нормализацию клинических данных относительно внутренней структуры данных и/или онтологии. На этапе 208 генерируют преобразование данных из набора известных оснований для исследования из нормализованных клинических данных. На этапе 210 генерируют прогноз основания для следующего исследования пациента. На этапе 212 прогноз отображают на пользовательском интерфейсе.

В контексте настоящего документа, под памятью подразумевается один или более некратковременных компьютерочитаемых носителей; магнитный диск или другое магнитное устройство хранения данных; оптический диск или другое оптическое устройство хранения данных; оперативное запоминающее устройство (ОЗУ), постоянное запоминающее устройство (ПЗУ) или другое электронное запоминающее устройство или микросхема, или набор функционально связанных микросхем; сервер сети Интернет/Интранет, из которого могут быть получены хранимые инструкции через сеть Интернет/Интранет или локальную вычислительную сеть; и так далее. Кроме того, как используется в контексте настоящего документа, под процессором подразумевается одно или более из следующего: микропроцессор, микроконтроллер, графический процессор (ГП), специализированная интегральная схема (ИССН), программируемая пользователем вентильная матрица (ППВМ), карманный персональный компьютер (КПК), смартфоны сотовой связи, портативные наручные часы, «умные» очки, а также подобное, носимое на теле, имплантированное или переносимое портативное приспособление; под пользовательским интерфейсом подразумевается одно или более из следующего: манипулятор-мышь, клавиатура, сенсорный дисплей, одна или более клавиш, один или более переключателей, один или более тумблеров и т.п.; и под устройством дисплея подразумевается одно или более из следующего: ЖК-дисплей, светодиодный дисплей, плазменный дисплей, проекционный дисплей, сенсорный дисплей и т.п.

Изобретение было описано со ссылкой на предпочтительные варианты реализации. Модификации и изменения могут быть ясными специалистам в данной области после изучения и понимания предшествующего подробного описания. Предполагается, что изобретение выполнено как такое, которое включает все такие модификации и изменения, поскольку они входят в объем прилагаемой формулы изобретения или ее эквивалентов.

1. Система прогнозирования основания для следующего исследования пациента, содержащая:

базу клинических данных, в памяти которой хранится один или более документов клинических исследований, содержащих клинические данные пациента;

устройство обработки естественного языка, обрабатывающее документы клинических исследований с получением выявленных клинических данных;

устройство нормализации, выполняющее семантическую нормализацию клинических данных относительно внутренней структуры данных и/или онтологии;

устройство распознавания паттернов, генерирующее на основе нормализованных клинических данных маппинг, показывающий соответствие с набором известных оснований для исследования; и

устройство прогнозирования, которое генерирует прогноз основания для следующего исследования пациента на основе полученного маппинга.

2. Система по п. 1, в которой устройство распознавания паттернов выполнено с возможностью обучения на наборах клинических данных, подвергнутых семантической нормализации, и с возможностью приема запроса на прогнозирование основания для будущего исследования с учетом набора данных истории болезни пациента, подвергнутых семантической нормализации.

3. Система по одному из пп. 1 и 2, которая дополнительно содержит: устройство клинического интерфейса, которое генерирует отображение данных,

включая прогноз основания для следующего исследования пациента.

4. Система по одному из пп. 1-3, в которой маппинг включает в себя по меньшей мере одно из следующего: вероятность оснований для исследования и информация об отрезке времени.

5. Система по одному из пп. 1-4, в которой маппинг выполнен с использованием клинических данных и статистической модели.

6. Система по одному из пп. 1-5, в которой пользовательский интерфейс содержит по меньшей мере одну единицу отображенной дополнительной информации, показывающую вероятность на протяжении релевантных отрезков времени.

7. Система по одному из пп. 1-6, в которой пользовательский интерфейс позволяет пользователю добавлять и удалять переменные для того, чтобы видеть влияние на прогноз, которое запускает перерасчет прогноза исходя из нового набора переменных.

8. Способ прогнозирования основания для следующего исследования пациента, включающий:

сохранение одного или более документов клинических исследований, содержащих клинические данные пациента;

обработку документов клинических исследований с получением выявленных клинических данных;

выполнение семантической нормализации клинических данных относительно внутренней структуры данных и/или онтологии;

генерирование на основе полученных нормализованных клинических данных маппинга, показывающего соответствие с набором известных оснований для исследования, и

генерирование прогноза основания для следующего исследования пациента на основе полученного маппинга.

9. Способ по п. 8, который дополнительно включает:

генерирование отображения данных, содержащего прогноз основания для следующего исследования пациента.

10. Способ по одному из пп. 8 и 9, в котором маппинг содержит по меньшей мере одно из следующего: вероятность оснований для исследования и информация об отрезке времени.

11. Способ по одному из пп. 8-10, в котором пользовательский интерфейс содержит по меньшей мере одну единицу отображенной дополнительной информации, показывающую вероятность на протяжении релевантных отрезков времени.

12. Способ по одному из пп. 8-11, в котором пользовательский интерфейс позволяет пользователю добавлять и удалять переменную для того, чтобы видеть влияние на прогноз.



 

Похожие патенты:

Группа изобретений относится к медицине, а именно к прогнозированию основания для следующего исследования пациента. Предложена система для реализации способа, причем способ содержит: сохранение одного или более клинических документов, содержащих клинические данные; обработку клинических документов с получением выявленных клинических данных; выполнение семантической нормализации клинических данных относительно внутренней структуры данных иили онтологии; генерирование на основе полученных нормализованных клинических данных маппинга, показывающего соответствие с набором известных оснований для исследования; и генерирование прогноза основания для следующего исследования пациента. Группа изобретений обеспечивает повышение эффективности и уменьшение частоты последующих лучевых исследований путем прогнозирования основания для следующего исследования. 2 н. и 10 з.п. ф-лы, 2 ил.

Наверх