[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP2017525043A - 次の検査に対する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすこと - Google Patents

次の検査に対する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすこと Download PDF

Info

Publication number
JP2017525043A
JP2017525043A JP2017504401A JP2017504401A JP2017525043A JP 2017525043 A JP2017525043 A JP 2017525043A JP 2017504401 A JP2017504401 A JP 2017504401A JP 2017504401 A JP2017504401 A JP 2017504401A JP 2017525043 A JP2017525043 A JP 2017525043A
Authority
JP
Japan
Prior art keywords
clinical
patient
reasons
clinical data
examination
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2017504401A
Other languages
English (en)
Other versions
JP2017525043A5 (ja
Inventor
マーライン セヴンスター
マーライン セヴンスター
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2017525043A publication Critical patent/JP2017525043A/ja
Publication of JP2017525043A5 publication Critical patent/JP2017525043A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • G06N5/046Forward inferencing; Production systems
    • G06N5/047Pattern matching networks; Rete networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/01Probabilistic graphical models, e.g. probabilistic networks
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Probability & Statistics with Applications (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

患者の次の検査に関する理由を予測するシステムが、臨床データを含む1つ又は複数の臨床文書を格納する臨床データベースを含む。自然言語処理エンジンが、臨床データを検出するため、上記臨床文書を処理する。正規化エンジンが、内部データ構造及び/又はオントロジーに対して、上記臨床データを意味論的に正規化する。パターン認識エンジンが、上記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成する。予測エンジンが、上記患者の次の検査に関する理由に関する予測を生成する。

Description

本願は一般に、次の放射線学検査に関する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすことに関する。それは、患者の病歴に基づき、患者の次の検査に関する理由を予測することに関連して特定の用途を見出し、これを特に参照して説明される。しかしながら、それは、他の使用シナリオにおける用途も見出し、上述した用途に必ずしも限定されるものではない点を理解されたい。
典型的な放射線学ワークフローは、いくつかの撮像が実行された放射線学撮像施設に医師が最初に患者を照会することを含む。撮像研究が実行された後、放射線科医は、画像を解釈し、1つ又は複数の予後又は治療示唆を提供する。この間に、放射線科医は、将来の検査のため追加的な撮像が実行されるよう指示することもできる。これは、各患者に関して複数の撮像検査が実行されることをもたらすことがある。
撮像検査の減少が、米国政府により奨励されている。Affordable Care Organizationは、ケア組織が、撮像手順毎にではなく、患者毎の報酬を受けるよう命令する。従って、ケア組織の最善の関心事は、撮像検査の数を減らしつつ、供給されるケアの品質を維持する又は改良することにある。
解釈を行う放射線科医が患者の臨床的な将来を調べることができる場合、放射線科医は、特定の生体構造領域に対して特別に注意を払うことができ、より関連する予後及び治療示唆を与えることができる。これは、放射線学的検査の価値を増加させる。透視のとき、放射線科医は、将来起こるかもしれない特定の医療状態を予想する示唆をプロトコル化することを与えることもできる。患者が放射線科医により対処された状態の治療のため入院する場合、ケア提供者(例えば緊急部門医師)はそれから利益を得ることができる。これは、不必要又は誤ってプロトコル化された撮像検査の数を減らす。
本願は、患者の病歴に基づき、患者の次の検査に関する理由を予測するシステム及び方法を提供する。更に、本システム及び方法は、放射線解釈ワークフローに予測を一体化する。本願は、撮像検査当たりの価値を改善し、患者当たりの撮像検査数を減らす。本願は、上述した課題及びその他を解決する新規で改良された方法及びシステムも提供する。
1つの側面によれば、患者の次の検査に関する理由を予測するシステムが提供される。このシステムは、臨床データを含む1つ又は複数の臨床文書を格納する臨床データベースを含む。自然言語処理エンジンが、臨床データを検出するため、上記臨床文書を処理する。正規化エンジンが、内部データ構造及び/又はオントロジーに対して、上記臨床データを意味論的に正規化する。パターン認識エンジンが、上記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成する。予測エンジンが、上記患者の次の検査に関する理由に関する予測を生成する。
別の側面によれば、患者の次の検査に関する理由を予測するシステムが提供される。このシステムは、1つ又は複数のプロセッサを有し、上記プロセッサが、臨床データを含む1つ又は複数の臨床文書を格納し、臨床データを検出するため、上記臨床文書を処理し、内部データ構造及び/又はオントロジーに対して、上記臨床データを意味論的に正規化し、上記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成し、上記患者の次の検査に関する理由に関する予測を生成するようプログラムされる。
別の側面によれば、患者の次の検査に関する理由を予測する方法が提供される。この方法は、臨床データを含む1つ又は複数の臨床文書を格納するステップと、臨床データを検出するため、上記臨床文書を処理するステップと、内部データ構造及び/又はオントロジーに対して、上記臨床データを意味論的に正規化するステップと、上記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成するステップと、上記患者の次の検査に関する理由に関する予測を生成するステップとを有する。
1つの利点は、患者の病歴に基づき、患者の次の検査に関する理由を予測することにある。
別の利点は、撮像検査当たりの価値を改善し、患者当たりの撮像検査数を減らすことにある。
別の利点は、放射線解釈ワークフローに予測を一体化することにある。
別の利点は、改良された臨床ワークフローにある。
別の利点は、改良された患者ケアにある。
本発明の更に追加的な利点は、以下の詳細な説明を読み及び理解することにより当業者に理解されるだろう。
本願の側面による医療機関のITインフラストラクチャのブロックダイアグラムを示す図である。 本願の側面による患者の次の検査に関する理由を予測する方法のフローチャートダイアグラムを示す図である。
本発明は、様々な要素及び要素の構成、並びに様々なステップ及びステップの構成の形を取ることができる。図面は、好ましい実施形態を説明するためだけにあり、本発明を限定するものとして解釈されるべきものではない。
撮像検査の減少は、アメリカ合衆国政府により奨励されている(例えばAffordable Care Organization主導で)。解釈を行う放射線科医が患者の臨床的将来を調べることができる場合、放射線科医は、特定の生体構造領域に対して特別に注意を払うことができ、より関連する予後及び治療示唆を与えることができる。本願は、患者の病歴に基づき、患者の次の検査に関する理由を予測する。更に、この予測は、解釈ワークフローに一体化される。本願は、撮像検査当たりの価値を改善し、撮像検査数を減らすことができる。
図1を参照すると、ブロック図は、例えば病院といった医療機関のITインフラストラクチャ10の一実施形態を示す。ITインフラストラクチャ10は、通信ネットワーク20を介して相互接続される、臨床情報システム12、臨床支援システム14、臨床インタフェースシステム16等を適切に含む。通信ネットワーク20は、インターネット、イントラネット、ローカルエリアネットワーク、ワイドエリアネットワーク、無線ネットワーク、有線ネットワーク、携帯電話網、データバス等の1つ又は複数を含むと考えられる。ITインフラストラクチャの要素が、中央位置に、又は、複数の遠隔位置に配置される点も理解されたい。
臨床情報システム12は、放射線学レポート、医療画像、研究室レポート、ラボ/撮像レポート、電子健康記録、EMRデータ等を含む臨床文書を臨床情報データベース22に格納する。臨床文書は、例えば放射線学検査に関する日付付きの理由のような関連する患者健康情報を含む、例えば患者といったエンティティに関連する情報を持つ文書を有することができる。臨床文書のいくつかは、フリーテキスト文書でもよいが、他の文書は、構造化された文書でもよい。斯かる構造化された文書は、電子形式において充填することでユーザが提供したデータに基づき、コンピュータプログラムにより生成される文書でもよい。例えば、構造化された文書は、XML文書でもよい。構造化された文書は、フリーテキスト部分を有することができる。斯かるフリーテキスト部分は、構造化された文書においてカプセル化されたフリーテキスト文書として考えられることができる。結果的に、構造化された文書のフリーテキスト部分は、フリーテキスト文書としてシステムにより処理されることができる。臨床文書の各々は、情報アイテムのリストを含む。情報アイテムのリストは、例えばフレーズ(phases)、文、パラグラフ、語等のフリーテキストの文字列を含む。臨床情報システム12は、臨床情報データベース22にアクセスし、得られた情報を他のエンジンに対してアクセス可能な態様で格納する電子患者病歴取得エンジン28も含む。このエンジン28のデータ取得要素は、既知のAPI技術を用いて実現されることができる。患者健康情報は一般に、臨床情報の読み出し及び書き込みを行うAPIを持つ臨床情報データベース22に格納される。斯かるEHRは一般に、患者特有の医療記録番号(MRN)に関連するすべての臨床文書に関して問い合わせられることができる。取得エンジン28は、取得されたデータを格納するための適切なデータ構造を持つ。それ自身を(フリーテキストとして、又は構造化された値のテーブルとして)文書を格納することに加えて、それは、ソース(例えば、放射線学、ラボ又は病理学)、各文書の日付、及び文書間の関係を特定するためのフィールドを持つ。臨床文書の情報アイテムは、自動的に及び/又は手動で生成されることができる。例えば、さまざまな臨床システムは、過去の臨床文書、話し言葉のディクテーションなどから情報アイテムを自動的に生成する。後者に関しては、ユーザ入力デバイス24が使用されることができる。いくつかの実施形態において、臨床情報システム12は、情報アイテムを手動で入力するのに使用される、及び/又は臨床文書を表示するユーザインタフェースをユーザに提供するディスプレイデバイス26を含む。ある実施形態において、臨床文書は、臨床情報データベース22に局所的に格納される。別の実施形態では、臨床文書は、臨床情報データベース22に全国的に又は地域的に格納される。患者の情報システムの例は、電子医療記録システム、部門システム等を含むが、これに限定されるものではない。
臨床支援システム14は、臨床文書において関連する患者健康情報を検出するため、自然言語処理及びパターン認識を利用する。臨床支援システム14は、医療領域を包括的に表す内部データ構造及び/又はオントロジーに対する患者健康情報の所与のセットの内容を意味論的に正規化する。臨床支援システム14は、意味論的に正規化された患者健康情報のセットを訓練し、(b)一セットの意味論的に正規化された患者の病歴が与えられると、将来の検査に関する理由を予測するため、患者健康情報を問い合わせる。問い合わせられるとき、臨床支援システム14は、検査に関して既知の理由のセットから関連する情報(例えば尤度及び時間インターバル(「8週内」))へのマッピングを返す。臨床支援システム14は、パターン認識エンジンからの予測を解釈を行う放射線科医に提示する。臨床支援システム14は、情報アイテム及びユーザインタフェースを表示する例えばCRTディスプレイ、液晶ディスプレイ、発光ダイオードディスプレイといったディスプレイ44、並びに例えば、提供される情報アイテムを臨床医が入力及び/又は修正するためのキーボード及びマウスといったユーザ入力デバイス46を含む。
より詳細には、臨床支援システム14は、臨床文書において情報アイテムを検出し、関連する臨床所見及び患者健康情報の所定のリストを検出するため臨床文書を処理する自然言語処理エンジン30を含む。これを実現するため、自然言語処理エンジン30は、セクション、パラグラフ、文、語などを含む情報アイテムに臨床文書をセグメント化する。概して、臨床文書は、病歴、技術、比較、所見、印象セクションヘッダなどに加えてプロトコル情報を持つ時間スタンプされたヘッダを含む。セクションの内容は、セクションヘッダの所定のリスト及びテキストマッチング技術を用いて、容易に検出されることができる。代替的に、例えばMedLEEといったサードパーティソフトウェア方法が使用されることができる。例えば、所定の用語のリスト(lung nodule、「肺結節」)が与えられる場合、文字列マッチング技術は、用語の1つが所与の情報アイテムにおいて存在するかどうか検出するために用いられることができる。文字列マッチング技術は、形態学的及び語彙的な変種(Lung nodule = lung nodules = lung nodule)、及び情報アイテムにわたり広げられる用語(肺における結節=肺結節)を説明するため、更に改良されることができる。用語の所定のリストがオントロジーIDを含む場合、所与の情報アイテムから概念を抽出するため、概念抽出方法が用いられることができる。IDは、例えばSNOMED又はRadLexといった背景オントロジーにおける概念を参照する。概念抽出に関して、例えばMetaMapといったサードパーティのソリューションが利用されることができる。更に、自然言語処理技術はそれ自体は、従来技術において知られる。例えばテンプレートマッチング、オントロジーにおいて規定される概念のインスタンスの特定、及び概念のインスタンスの間の関係の特定といった技術を適用し、意味論的な概念のインスタンスのネットワーク及びフリーテキストにより表されるそれらの関係を構築することが可能である。
臨床支援システム14は、患者病歴正規化エンジン32も含む。これは、医療領域を包括的に表す内部データ構造及び/又はオントロジーに対して、患者健康情報の所与のセットの内容を意味論的に正規化する。臨床文書のセグメント化は、文書のレイアウトから一般に容易に観察される機能的な要素の観点でそれを構築することに関係する。例えば、ラボレポートは一般に、可変値ペアのリストから成る。他方、放射線学及び病理学レポートは概して、セクション―パラグラフ―文構造を持つ。各臨床文書(例えば、ラボ、放射線学又は病理学)に対して、セグメント化エンジン14は、臨床文書を適切な部分にセグメント化する。斯かるセグメント化エンジンは、語彙的なパターン認識及び/又は機械分類技術を用いて構築されることができる。例えば、可変値ペアを検出することは、直接的であり、正規表現(語彙的なパターン認識)を用いて実行されることができる。他方、フリーテキスト・レポートにおいて文の端を決定することは一般に、ドット文字の曖昧性が原因で、より難しい。例えば、「Dr. Doe」及び「2.3 cm」において、ドットは、文の端をマークしない。斯かる曖昧性は、例えば最大エントロピー(機械分類)といった機械学習技術により解決されることができる。
一旦セグメント化されると、情報アイテムは、それらの性質に基づき、意味論的に正規化されることができる。可変値において、変数は、直接の文字列マッチング技術を用いて、既知のラボ変数のリストへマッピングされることができる。放射線学レポートからのフリーテキスト文において、概念が抽出され、総合的な医療オントロジーへマッピングされることができる。概念抽出技術は、科学文献において研究された。NIHにより利用可能とされたMetaMapは、医療言語処理の分野における事実上の標準であるようである。それは、文におけるフレーズを検出し、それらが否定されるかを検出する。サードパーティ(例えばMedLEE)又は家庭でのソリューションが、概念抽出を支援するために使用されることもできる。SNOMED概念は、例えば診断、症状又は手順といった医療領域におけるエンティティを表す。SNOMEDは、概念を相互接続する複数の関係を持つ。これは、階層的、生体構造的及び原因的な推理を可能にする。階層的な推理は、文書における情報をフィルタリングすることを可能にする。このようにして、我々は、すべての兆候及び症状(「咳をする」)又はイベント(「薬剤過剰投与」)概念を検査に関する理由から選択することができ、患者の背景概念(「HIV陽性」)を捨てることができる。
特に、臨床文書の検査セクションに関する理由の分析は、重要である。検査に関する理由は一般に、患者の病歴及び症状を表す参照臨床医により入力される短いテキスト、並びに検査を動機づけする臨床質問である。時間に追われるため、参照臨床医は一般に、省略形を使用する。語彙的な技術は、省略形を広げるために用いられることができる。しかしながら、しばしば省略形は、複数の意味を持つことができる。その場合、省略形の構文的なコンテキスト(即ち、それが現れる文、又は検査に関する理由において見られる名詞句及び動詞)及びそのソース(即ち、放射線学レポート)を使用する一義化技術が使用される必要がある。一義化エンジンは、ルールベース又は機械学習技術を用いて創造されることができる。
臨床支援システム14は、パターン認識エンジン34も含む。意味論的な正規化後、パターン認識エンジン34は、原子及び複合変数の(長い)シリーズとして、臨床文書を特徴づける。例えば、パターン認識エンジン34は、患者の性をマークする原子変数、及び患者がHIVと診断されたかどうかを示す複合変数を含む。患者がHIVポジティブと診断された場合、この変数は、診断の日付も含む。短い文書であるので、検査に関する理由も同様に、変数のシリーズとして考えられることができる。
意味論的に正規化された変数のベクトルと認められるので、統計方法は、一方で患者実態的人口統計学、イベント、以前の診断、医療介入及び他のタイプの臨床状態の間の病歴における依存パターンを検出し、他方で検査に関する理由を検出するために用いられることができる。パターン認識エンジン34は、特定の時間インターバルをつなぐ依存パターンに関心がある。例えば、HIV及び現在のX線の既知の状態が与えられると、患者が、現在の検査から8週内に咳及び腹痛を表す確率が60%ある。
いくつかの変数は、あまりに特異的であり、従って一般化される必要がある。例えば、このため、我々は、時間インターバルビン(例えば、「先週」、「先月」、「2年以上前」)を導入することができる。抽出された概念は、概念の間のオントロジーの階層的な関係を用いて(例えば、「喉頭癌」→「頭部及び首癌」→「癌」)、一般化されることができる。抽象概念のより特異的なレベルでは見つかることができない依存が、一般的なレベルで見つかることが、考えられる。例えば、一方で腹部癌及びHIVと他方で咳との間に依存パターンが存在するが、腎臓癌及びHIVに関する依存パターンをサポートするには証拠がない又は十分ではない。依存パターンの検出は、患者健康情報記録の全て又は選択を用いて、オフラインモードで実行されることができる。このオフライン処理努力の結果は、患者の病歴及び現在のプレゼンテーションが与えられると、将来の検査に関する理由の尤度が推定される統計モデルである。
パターン認識エンジン34は、最初に患者健康情報記録を正規化された変数のベクトルに変換することにより、問い合わせられることができる。結果として生じるベクトルはその後、統計モデルに渡される。これは将来の検査に関する理由のリストを返す。その実現に基づき、我々は、検査に関する各理由及び時間インターバルに対して尤度値を割り当てることができる。従って、1週内に咳が存在する患者の尤度は、5%にセットされることができ、一方、時間インターバルが1月である場合、それは25%とすることができる。
臨床支援システム14は、患者の次の検査に関する理由を予測する予測プレゼンテーションエンジン36も含む。画像検査の解釈が始まるとき、患者の病歴及び現在の検査に関する理由が、システムに対して利用可能である。この情報は、正規化され、可変ベクトルへと変換され、その後パターン認識エンジンに渡される。結果は、検査に関する既知の理由から関連する情報、例えば尤度及び時間スパンへのマッピングである。
マッピングは、検査に関する理由を尤度で順位付けすることにより要約されることができる。マッピングが尤度だけでなく時間スパン情報も含む場合(「尤度は、来週では5%、来月では25%である」)、重み付けされた凝集尤度が、計算されることができる(「全体の尤度は、15%である」)。これはその後検査に関する理由を順位付けするのに使用される。
検査に関する最もありそうな理由は、ユーザインタフェースを介してリストとしてユーザに表示されることができる。時間スパン情報が、臨床インタフェースエンジン38を介して、基礎プレゼンテーションにおいて抑制されることも考えられる。ユーザが、将来の検査に関するリストされた理由をクリックするとき、関連する時間スパンにわたる尤度を示す追加的な情報が表示されることができる。代替的に、ユーザは、特定の時間スパンを選択することが可能でもよい。これは、マッピングに関するフィルタとして機能し、選択された時間スパンにおけるそれらの尤度に基づき、将来の検査に関する理由を効果的に再び順位付けする。プレゼンテーションが動的にされることも更に想定され、その結果、ユーザは、予測示唆に関するそれらのインパクトを見るため、変数の追加及び削除を行うことができる。これは、標準的な視覚技術を用いて実行されることができる。
臨床インタフェースシステム16は、患者の病歴及び検査に関する最もありそうな理由に基づかれる、患者の次の検査に関する理由の予測をユーザが見ることを可能にするユーザインタフェースを表示する。臨床インタフェースシステム16は、ユーザインタフェースを受信して、ディスプレイ48上で介護者に対してこの表示を示す。臨床インタフェースシステム16は、タッチスクリーン又はキーボード及びマウスといった、臨床医が、ユーザインタフェース表示に入力及び/又はこれを修正するための、ユーザ入力デバイス50を含む。介護者インタフェースシステムの例は、携帯情報端末(PDA)、携帯スマートフォン、パーソナルコンピュータ等を含むが、これらに限定されるものではない。
ITインフラストラクチャ10の要素は、前述の機能を実現するコンピュータ実行可能な命令を実行するプロセッサ60を適切に含む。ここで、コンピュータ実行可能な命令は、プロセッサ60に関連付けられるメモリ62に格納される。しかしながら、前述の機能の少なくとも一部は、プロセッサを用いることなしに、ハードウェアにおいて実現されることができることも想定される。例えば、アナログ回路が使用されることができる。更に、ITインフラストラクチャ10の要素は、通信ネットワーク20にわたり通信するためインタフェースを60プロセッサに提供する通信ユニット64を含む。更に、ITインフラストラクチャ10の前述の要素は別々に表されているが、これらの要素は組み合わせられることができる点を理解されたい。
図2を参照すると、患者の次の検査に関する理由を予測する方法のフローチャート図200が示される。ステップ202において、臨床データを含む1つ又は複数の臨床文書が格納される。ステップ204において、臨床データを検出するため、臨床文書が処理される。ステップ206において、臨床データが、内部データ構造及び/又はオントロジーに対して意味論的に正規化される。ステップ208において、正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングが生成される。ステップ210において、患者の次の検査に関する理由に関する予測が生成される。ステップ212において、予測が、ユーザインタフェースに表示される。
本書で使用されるメモリは、非一時的なコンピュータ可読媒体;磁気ディスク又は他の磁気ストレージ媒体;光学ディスク又は他の光学ストレージ媒体;ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)又は他の電子メモリデバイス又はチップ又は動作可能に相互接続されるチップのセット;格納された命令がインターネット/イントラネット又はローカルエリアネットワークを介して取得されることができるインターネット/イントラネットサーバ;等の1つ又は複数を含む。更に、本書において使用されるプロセッサは、マイクロプロセッサ、マイクロコントローラ、グラフィック処理ユニット(GPU)、特定用途向け集積回路(ASIC)、フィールドプログラム可能ゲートアレイ(FPGA)、携帯情報端末(PDA)、携帯スマートフォン、携帯型腕時計、コンピューティンググラス及び類似する体着用の、埋め込まれた、又は搬送される携帯型のギアの1つ又は複数を含み、ユーザ入力デバイスは、マウス、キーボード、タッチスクリーンディスプレイ、1つ又は複数のボタン、1つ又は複数のスイッチ、1つ又は複数のトグル等の1つ又は複数を含み、表示デバイスは、液晶ディスプレイ、LEDディスプレイ、プラズマディスプレイ、投影ディスプレイ、タッチスクリーンディスプレイなどの1つ又は複数を含む。
本発明が、好ましい実施形態を参照して説明されてきた。上記の詳細な説明を読み及び理解すると、第三者は、修正及び変更を思いつくことができる。それらの修正及び変更が添付の特許請求の範囲又はその均等物の範囲内にある限り、本発明は、すべての斯かる修正及び変更を含むものとして構築されることが意図される。

Claims (17)

  1. 患者の次の検査に関する理由を予測するシステムであって、
    臨床データを含む1つ又は複数の臨床文書を格納する臨床データベースと、
    臨床データを検出するため、前記臨床文書を処理する自然言語処理エンジンと、
    内部データ構造及び/又はオントロジーに対して、前記臨床データを意味論的に正規化する正規化エンジンと、
    前記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成するパターン認識エンジンと、
    前記患者の次の検査に関する理由に関する予測を生成する予測エンジンとを有する、システム。
  2. 前記パターン認識エンジンが、意味論的に正規化された臨床データのセットに関して訓練され、意味論的に正規化された患者の病歴のセットが与えられると、将来の検査に関する理由を予測するために問い合わせられる、請求項1に記載のシステム。
  3. 前記患者の次の検査に関する理由に関する前記予測を含む表示を生成する臨床インタフェースエンジンを更に含む、請求項1又は2に記載のシステム。
  4. 前記マッピングが、前記検査に関する理由に関する尤度及び時間スパン情報の少なくとも1つを含む、請求項1乃至3の任意の一項に記載のシステム。
  5. 前記マッピングが、前記臨床データ及び統計モデルを利用して実行される、請求項1乃至4の任意の一項に記載のシステム。
  6. 前記ユーザインタフェースが、関連する時間スパンにわたる前記尤度を示す少なくとも1つの追加的な情報を含む、請求項1乃至5の任意の一項に記載のシステム。
  7. 前記ユーザインタフェースが、前記予測に関するインパクトを見るため、前記ユーザが変数を追加及び削除することを可能にし、変数の新しいセットに基づき、前記予測の再計算がトリガーされる、請求項1乃至6の任意の一項に記載のシステム。
  8. 患者の次の検査に関する理由を予測するシステムであって、
    1つ又は複数のプロセッサを有し、前記プロセッサが、
    臨床データを含む1つ又は複数の臨床文書を格納し、
    臨床データを検出するため、前記臨床文書を処理し、
    内部データ構造及び/又はオントロジーに対して、前記臨床データを意味論的に正規化し、
    前記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成し、
    前記患者の次の検査に関する理由に関する予測を生成するようプログラムされる、システム。
  9. 前記1つ又は複数のプロセッサが、前記患者の次の検査に関する理由に関する前記予測を含むディスプレイを生成するよう更にプログラムされる、請求項8に記載のシステム。
  10. 前記マッピングが、前記検査に関する理由に関する尤度及び時間スパン情報の少なくとも1つを含む、請求項8又は9に記載のシステム。
  11. 前記ユーザインタフェースが、関連する時間スパンにわたる前記尤度を示す少なくとも1つの追加的な情報を含む、請求項8乃至10の任意の一項に記載のシステム。
  12. 前記ユーザインタフェースが、前記予測に関するインパクトを見るため、前記ユーザが変数を追加及び削除することを可能にし、変数の新しいセットに基づき、前記予測の再計算がトリガーされる、請求項8乃至11の任意の一項に記載のシステム。
  13. 患者の次の検査に関する理由を予測する方法において、
    臨床データを含む1つ又は複数の臨床文書を格納するステップと、
    臨床データを検出するため、前記臨床文書を処理するステップと、
    内部データ構造及び/又はオントロジーに対して、前記臨床データを意味論的に正規化するステップと、
    前記正規化された臨床データに基づき、検査に関する既知の理由のセットから、マッピングを生成するステップと、
    前記患者の次の検査に関する理由に関する予測を生成するステップとを有する、方法。
  14. 前記患者の次の検査に関する理由に関する前記予測を含む表示を生成するステップを更に有する、請求項13に記載の方法。
  15. 前記マッピングが、前記検査に関する理由に関する尤度及び時間スパン情報の少なくとも1つを含む、請求項13又は14に記載の方法。
  16. 前記ユーザインタフェースが、関連する時間スパンにわたる前記尤度を示す少なくとも1つの追加的な情報を含む、請求項13乃至15の任意の一項に記載の方法。
  17. 前記ユーザインタフェースが、前記予測に関するインパクトを見るため、前記ユーザが変数を追加及び削除することを可能にする、請求項15乃至18のいずれか一項に記載の方法。
JP2017504401A 2014-08-12 2015-08-11 次の検査に対する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすこと Pending JP2017525043A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462036143P 2014-08-12 2014-08-12
US62/036,143 2014-08-12
PCT/IB2015/056110 WO2016024221A1 (en) 2014-08-12 2015-08-11 Increasing value and reducing follow-up radiological exam rate by predicting reason for next exam

Publications (2)

Publication Number Publication Date
JP2017525043A true JP2017525043A (ja) 2017-08-31
JP2017525043A5 JP2017525043A5 (ja) 2019-11-14

Family

ID=54207624

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017504401A Pending JP2017525043A (ja) 2014-08-12 2015-08-11 次の検査に対する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすこと

Country Status (6)

Country Link
US (1) US20170235892A1 (ja)
EP (1) EP3180719A1 (ja)
JP (1) JP2017525043A (ja)
CN (1) CN106575318A (ja)
RU (1) RU2699607C2 (ja)
WO (1) WO2016024221A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021524097A (ja) * 2018-05-18 2021-09-09 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 異種医用データの優先順位付け及び提示のためのシステム及び方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3436999A1 (en) * 2016-03-28 2019-02-06 Koninklijke Philips N.V. Contextual filtering of lab values
US10565448B2 (en) * 2017-08-16 2020-02-18 International Business Machines Corporation Read confirmation of electronic messages
EP3542859A1 (en) 2018-03-20 2019-09-25 Koninklijke Philips N.V. Determining a medical imaging schedule
US11392853B2 (en) * 2019-02-27 2022-07-19 Capital One Services, Llc Methods and arrangements to adjust communications

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005508556A (ja) * 2001-11-02 2005-03-31 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド 患者の状態を診断し予測するための患者データマイニング
JP2007193399A (ja) * 2006-01-17 2007-08-02 Konica Minolta Medical & Graphic Inc 情報提示システム、及びプログラム
JP2009273558A (ja) * 2008-05-13 2009-11-26 Toshiba Corp 健康診断支援装置及びプログラム
WO2013179216A2 (en) * 2012-06-01 2013-12-05 Koninklijke Philips N.V. System and method for matching patient information to clinical criteria

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8949082B2 (en) * 2001-11-02 2015-02-03 Siemens Medical Solutions Usa, Inc. Healthcare information technology system for predicting or preventing readmissions
US20030105638A1 (en) * 2001-11-27 2003-06-05 Taira Rick K. Method and system for creating computer-understandable structured medical data from natural language reports
US7505948B2 (en) * 2003-11-18 2009-03-17 Aureon Laboratories, Inc. Support vector regression for censored data
US7467119B2 (en) * 2003-07-21 2008-12-16 Aureon Laboratories, Inc. Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition
US7594889B2 (en) * 2005-03-31 2009-09-29 Medtronic, Inc. Integrated data collection and analysis for clinical study
WO2008124138A1 (en) * 2007-04-05 2008-10-16 Aureon Laboratories, Inc. Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition
WO2010047081A1 (ja) * 2008-10-23 2010-04-29 オリンパスメディカルシステムズ株式会社 検査管理装置
US20100179930A1 (en) * 2009-01-13 2010-07-15 Eric Teller Method and System for Developing Predictions from Disparate Data Sources Using Intelligent Processing
AU2009202874B2 (en) * 2009-07-16 2012-08-16 Commonwealth Scientific And Industrial Research Organisation System and Method for Prediction of Patient Admission Rates
US8838637B2 (en) * 2010-02-10 2014-09-16 Agfa Healthcare Inc. Systems and methods for processing consumer queries in different languages for clinical documents
US20120231959A1 (en) * 2011-03-04 2012-09-13 Kew Group Llc Personalized medical management system, networks, and methods
US9536052B2 (en) * 2011-10-28 2017-01-03 Parkland Center For Clinical Innovation Clinical predictive and monitoring system and method
US20140095201A1 (en) * 2012-09-28 2014-04-03 Siemens Medical Solutions Usa, Inc. Leveraging Public Health Data for Prediction and Prevention of Adverse Events

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005508556A (ja) * 2001-11-02 2005-03-31 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド 患者の状態を診断し予測するための患者データマイニング
JP2007193399A (ja) * 2006-01-17 2007-08-02 Konica Minolta Medical & Graphic Inc 情報提示システム、及びプログラム
JP2009273558A (ja) * 2008-05-13 2009-11-26 Toshiba Corp 健康診断支援装置及びプログラム
WO2013179216A2 (en) * 2012-06-01 2013-12-05 Koninklijke Philips N.V. System and method for matching patient information to clinical criteria

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田中 康博: "ポストゲノム時代に高まるバイオ自然言語処理への期待:バイオ自然言語処理最新事情", 情報処理, vol. 第46巻 第2号, JPN6020013359, 15 February 2005 (2005-02-15), JP, pages 157 - 160, ISSN: 0004249435 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021524097A (ja) * 2018-05-18 2021-09-09 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 異種医用データの優先順位付け及び提示のためのシステム及び方法
JP7319301B2 (ja) 2018-05-18 2023-08-01 コーニンクレッカ フィリップス エヌ ヴェ 異種医用データの優先順位付け及び提示のためのシステム及び方法

Also Published As

Publication number Publication date
WO2016024221A1 (en) 2016-02-18
CN106575318A (zh) 2017-04-19
RU2699607C2 (ru) 2019-09-06
US20170235892A1 (en) 2017-08-17
EP3180719A1 (en) 2017-06-21
RU2017108186A (ru) 2018-09-13
RU2017108186A3 (ja) 2019-03-01

Similar Documents

Publication Publication Date Title
Li et al. Decoding radiology reports: potential application of OpenAI ChatGPT to enhance patient understanding of diagnostic reports
US20200334416A1 (en) Computer-implemented natural language understanding of medical reports
JP6749835B2 (ja) コンテキスト依存医学データ入力システム
US11881293B2 (en) Methods for automatic cohort selection in epidemiologic studies and clinical trials
US10474742B2 (en) Automatic creation of a finding centric longitudinal view of patient findings
US10901978B2 (en) System and method for correlation of pathology reports and radiology reports
CA3137096A1 (en) Computer-implemented natural language understanding of medical reports
AU2015213399A1 (en) System for automated analysis of clinical text for pharmacovigilance
Topaz et al. Studying associations between heart failure self-management and rehospitalizations using natural language processing
US20150149215A1 (en) System and method to detect and visualize finding-specific suggestions and pertinent patient information in radiology workflow
JP2017525043A (ja) 次の検査に対する理由を予測することにより、価値を増加させ、フォローアップ放射線検査レートを減らすこと
Bobba et al. Natural language processing in radiology: Clinical applications and future directions
ElMessiry et al. Leveraging sentiment analysis for classifying patient complaints
Wu et al. Developing EMR-based algorithms to Identify hospital adverse events for health system performance evaluation and improvement: Study protocol
Grogan et al. Nursing documentation in digital solutions
Dai et al. Evaluating a Natural Language Processing–Driven, AI-Assisted International Classification of Diseases, 10th Revision, Clinical Modification, Coding System for Diagnosis Related Groups in a Real Hospital Environment: Algorithm Development and Validation Study
US11961622B1 (en) Application-specific processing of a disease-specific semantic model instance
Chen et al. Using a clinical narrative-aware pre-trained language model for predicting emergency department patient disposition and unscheduled return visits
US20240111999A1 (en) Segmenting and classifying unstructured text using multi-task neural networks
US20240021310A1 (en) Data Transformations to Create Canonical Training Data Sets
Pal et al. ShockModes: A Multimodal Model for Prognosticating Intensive Care Outcomes from Physician Notes and Vitals
Topaz et al. Suzanne Blackley2, Victor Lei2, Kenneth Lai4, and Li Zhou 1, 2, 4
Abu-Ghoush An Integrated Framework Using Variable Encoding-TF-IDF-PCA-Classification for Predicting Adverse Event Action
Korda et al. Suicide prediction with natural language processing of electronic health records
WO2023224753A1 (en) Machine learning techniques for generating disease prediction utilizing cross-temporal semi-structured input data

Legal Events

Date Code Title Description
RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20180626

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180808

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180808

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190524

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190705

A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A524

Effective date: 20191001

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200407

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200701

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20201208