Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов



Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов
Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов
Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов
Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов
Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов

 


Владельцы патента RU 2616985:

КОНИНКЛЕЙКЕ ФИЛИПС ЭЛЕКТРОНИКС Н.В. (NL)

Группа изобретений относится к медицине. Предложен постоянный машиночитаемый носитель данных, на котором хранится совокупность команд, исполняемых процессором, при этом совокупность команд приводится в действие для того, чтобы: принимать совокупность данных рассматриваемого пациента, относящихся к рассматриваемому пациенту; сопоставлять совокупность данных рассматриваемого пациента с множеством совокупностей данных предшествующих пациентов, при этом каждая из совокупностей данных предшествующих пациентов соответствует предшествующему пациенту, причем совокупность данных рассматриваемого пациента и множество совокупностей данных предшествующих пациентов представлены в виде совокупности признаков, причем каждый признак представляет собой индивидуальную характеристику, соответствующую каждому пациенту, и качественные признаки представлены на шкале от 0 до 1; выбирать множество совокупностей данных предшествующих пациентов на основе уровня сходства между выбранным множеством совокупностей данных предшествующих пациентов и совокупностью данных рассматриваемого пациента; предоставлять множество выбранных совокупностей данных предшествующих пациентов пользователю; генерировать план лечения на основе соответствующих планов лечения из множества выбранных совокупностей данных предшествующих пациентов; оснащать весовыми коэффициентами каждый из соответствующих планов лечения на основе сходства каждого пациента из множества выбранных предшествующих пациентов с рассматриваемым пациентом; и представлять пользователю посредством устройства отображения графическое сопоставление между совокупностью данных рассматриваемого пациента и каждой из множества совокупностей данных предшествующих пациентов, причем сопоставление содержит указание на степень сходства между признаками рассматриваемого пациента и каждым из множества признаков предшествующих пациентов. Предложена система для поддержки принятия клинических решений для планирования терапии, содержащая: интерфейс пользователя, принимающий совокупность данных рассматриваемого пациента; базу данных, хранящую множество совокупностей данных предшествующих пациентов; механизм поиска сходства; систему генерирования планов. Группа изобретений позволяет генерировать план лечения высокого качества за счет использования априорной информации. 2 н. и 13 з.п. ф-лы, 5 ил.

 

Уровень техники

Врач, планирующий курс лечения пациента, может, как правило, располагать многообразием вариантов лечения, подходящих для выбора. Каждый вариант лечения может обладать различными преимуществами и недостатками и может различным образом оказывать воздействие на прогноз будущего состояния пациента. Преимущества и недостатки задаваемого возможного курса лечения могут зависеть от различных характеристик пациента. Врачу может потребоваться исследование курсов лечения и их результатов для предшествующих похожих пациентов, прежде чем он примет решение о курсе лечения для рассматриваемого пациента.

Раскрытие изобретения

Постоянный машиночитаемый носитель данных хранит совокупность команд, исполняемых процессором. Совокупность команд приводится в действие для того, чтобы: принимать совокупность данных рассматриваемого пациента, относящихся к рассматриваемому пациенту; сопоставлять совокупность данных рассматриваемого пациента с множеством совокупностей данных предшествующих пациентов, при этом каждая из совокупностей данных предшествующих пациентов соответствует предшествующему пациенту; выбирать множество совокупностей данных предшествующих пациентов на основе уровня сходства между выбранным множеством совокупностей данных предшествующих пациентов и совокупностью данных рассматриваемого пациента; и предоставлять множество выбранных совокупностей данных предшествующих пациентов пользователю.

Система включает в себя пользовательский интерфейс, базу данных и механизм поиска сходства. Пользовательский интерфейс принимает совокупность данных рассматриваемого пациента, относящихся к рассматриваемому пациенту. База данных хранит множество совокупностей данных предшествующих пациентов. Каждая из совокупностей данных предшествующих пациентов соответствует предшествующему пациенту. Механизм поиска сходства осуществляет поиск множества совокупностей данных предшествующих пациентов и выбирает одну из совокупностей данных предшествующих пациентов, обладающую высокой степенью сходства с совокупностью данных рассматриваемого пациента. Выбранная одна из совокупностей данных предшествующих пациентов предоставляется пользователю с помощью интерфейса пользователя.

Краткое описание чертежей

Фиг. 1 иллюстрирует систему для обеспечения поддержки принятия решений на основе прецедентов согласно примерному варианту осуществления изобретения.

Фиг. 2 иллюстрирует первый способ для обеспечения поддержки принятия решений на основе прецедентов согласно примерному варианту осуществления изобретения.

Фиг. 3 иллюстрирует примерный графический интерфейс пользователя для предоставления пользователю результатов способа, такого как способ на Фиг. 2.

Фиг. 4 иллюстрирует второй способ для обеспечения поддержки принятия решений на основе прецедентов согласно примерному варианту осуществления изобретения.

Фиг. 5 иллюстрирует третий способ для обеспечения поддержки принятия решений на основе прецедентов согласно примерному варианту осуществления изобретения.

Осуществление изобретения

Примерные варианты осуществления изобретения могут быть лучше поняты с помощью следующего описания и приложенных чертежей, на которых на похожие элементы делаются ссылки с помощью похожих ссылочных номеров. Примерные варианты осуществления изобретения описывают системы и способы, с помощью которых применяется логическое рассуждение на основе прецедентов, для того чтобы обеспечивать поддержку принятия решений для врачей, принимающих решения о курсах лечения для пациентов.

Когда пациенту ставится диагноз заболевания или другого состояния здоровья, врач (или другой медицинский специалист) должен определить курс лечения, соответствующий состоянию здоровья пациента. Решения, принимаемые во время этого процесса, основываются на многообразии факторов. Эти факторы включают в себя характер и подробности заболевания пациента, историю болезни пациента, историю семьи пациента, любые существующие сопутствующие заболевания, другие медикаментозные курсы лечения, в настоящий момент назначаемые пациенту, предпочтения пациента, такие как предпочтения качества жизни и т.д. Врач может основывать такие решения частично на знаниях в данной области, которые включают в себя опыт работы с предшествующими пациентами, имевшими похожие состояния здоровья, курсы лечения, назначавшиеся этим предшествующим пациентам, и последствия, испытанные предшествующими пациентами после прохождения курса лечения. В то время как отдельный врач имеет в наличии его или её собственный прошлый опыт, привлекаемый в ходе принятия таких решений, может потребоваться иметь в наличии более обширный массив информации, доступной для врачей в этой ситуации. Примерные варианты осуществления изобретения предоставляют для врачей доступ к информации о большом количестве предшествующих пациентов для того, чтобы предоставлять лучшее лечение.

Фиг. 1 иллюстрирует схематический вид примерной системы 100. Линии, соединяющие элементы, показанные на Фиг. 1, могут представлять собой любой тип коммуникационных каналов, подходящих для того, чтобы передавать данные между элементами, соединенными с их помощью; при этом стрелки на линиях указывают направление потока данных между элементами. Система 100 включает в себя информацию 110 о рассматриваемом пациенте, которая может быть получена, в различных вариантах осуществления изобретения, используя какой-либо способ получения информации о пациенте, который известен в данной области техники. Этот способ может включать в себя устройство для генерирования медицинских изображений (например, сканер КТ, рентгеновский формирователь изображения, формирователь изображения ЯМР и т.д.), вводимые данные, предоставляемые пациентом (например, симптомы, история болезни и т.д.), и т.д.

Например, в случае пациента, которому недавно был поставлен диагноз рака молочной железы, информация 110 о рассматриваемом пациенте, как правило, включает в себя одно или более из следующего: демографическая статистика (например, возраст, высота, вес и т.д.), специфические особенности диагноза, такие как результаты патологических исследований, относящихся к типу рака (например, инфильтрирующая лобулярная карцинома, карцинома из эпителия протоков in-situ (DCIS)), подтипы рака (например, ER +/-, PR +/-, HER2 +/-), определение стадии рака, сопутствующие заболевания (например, диабет, высокое кровяное давление и т.д.), история семьи и факторы, относящиеся к качеству жизни. Как правило, информация 110 о рассматриваемом пациенте доступна в цифровой форме, например, с помощью одного или более из следующего: информационная система стационаров HIS (Hospital Information System), информационная система лабораторий LIS (Laboratory Information System), рентгенологическая информационная система RIS (Radiology Information System), система архивирования изображений и коммуникационных систем PACS (Picture Archiving and Communications System) и система управления цифровой информацией патологических исследований DP (Digital Pathology).

Информация 110 о рассматриваемом пациенте предоставляется на рабочую станцию 120 планирования лечения, которая представляет собой вычислительную систему (например, комбинацию аппаратного и программного обеспечения), используемую врачом или другим медицинским специалистом для того, чтобы планировать лечение для рассматриваемого пациента. Рабочая станция 120 планирования лечения является похожей на известные системы, используемые в настоящее время медицинскими специалистами, за исключением того, что будет описано далее в настоящем документе.

Рабочая станция 120 планирования лечения передает информацию о рассматриваемом пациенте на систему 130 поиска сходства. Система 130 поиска сходства при этом извлекает данные о предшествующих пациентах из базы 140 данных предшествующих пациентов, которые затем сопоставляются с информацией о рассматриваемом пациенте, как будет описано в дополнительных подробностях далее в настоящем документе. База 140 данных предшествующих пациентов сохраняет информацию в хранилище с использованием известных стандартов медицинской информатики, таких как DICOM или DICOM-RT, но данные могут также сохраняться с использованием любой другой подходящей системы. Данные, сохраняемые для предшествующих пациентов, могут включать в себя медицинские изображения (например, рентгеновское обследование, КТ, ЯМР и т.д.), историю болезни предшествующих пациентов, лечение, назначавшееся для предшествующих пациентов, последствия для предшествующих пациентов (например, время выживания, время прогрессирования и т.д.). Дополнительно информация, сохраняемая в базе 140 данных предшествующих пациентов для каждого пациента, может включать в себя дополнительную, существенную информацию, такую как возраст, историю болезней в семье пациента, дополнительную информацию о текущем состоянии здоровья пациента, другое лечение, в настоящий момент назначенное пациенту (например, химиотерапия), или любую другую информацию, которая может быть существенной для врача при планировании курса лечения рассматриваемого пациента.

Некоторые или все данные, относящиеся к предшествующим пациентам, затем передаются от системы 130 поиска сходства к системе 150 генерирования планов, которая генерирует план лечения для рассматриваемого пациента, основанный на данных, относящихся к предшествующим пациентам, как будет описано в дополнительных подробностях в настоящем документе. Система 150 генерирования планов при этом является соединенной с рабочей станцией 120 планирования лечения для того, чтобы ее выходные данные могли быть возвращены обратно к планировщику, который использует рабочую станцию планирования лечения. Специалисты в данной области техники поймут, что система 130 поиска сходства, база 140 данных предшествующих пациентов и система 150 генерирования планов могут быть реализованы различными способами, включая в себя как элементы аппаратного обеспечения, так и/или элементы программного обеспечения рабочей станции 120 планирования лечения, или как отдельные компоненты аппаратного обеспечения и/или отдельные компоненты программного обеспечения, не оказывая воздействия на их функциональность. Например, база 140 данных предшествующих пациентов может быть осуществлена в виде любой формы известной иерархической или реляционной базы данных, сохраняемой на любом типе известного машиночитаемого устройства для хранения данных. Система 150 генерирования планов и система 130 поиска могут быть осуществлены в виде любой стандартной вычислительной системы, имеющей признаки системы обработки машиночитаемых команд и признаки аппаратного и программного обеспечения хранения информации.

Фиг. 2 иллюстрирует примерный способ 200 для извлечения данных о предшествующих пациентах, имеющих характеристики, похожие на характеристики рассматриваемого пациента, что будет описано в настоящем документе со ссылкой на примерную систему 100 на Фиг. 1. На этапе 210 принимается информация 110 о рассматриваемом пациенте; как описано выше, она может быть получена с помощью какого-либо средства получения такой информации, известного в данной области техники. Например, информация 110 о рассматриваемом пациенте генерируется одновременно с выполнением примерного способа 200 (например, медицинские изображения, сделанные в это время); в другой альтернативной ситуации информация 110 о рассматриваемом пациенте, возможно, была сгенерирована заранее, и может храниться в любом подходящем виде (например, в виде бумажной копии, в компьютерной базе данных и т.д.). В другой альтернативной ситуации врач пациента может сузить информацию 110 о рассматриваемом пациенте до существенного подмножества всей информации, имеющейся в наличии на этом этапе. Информация 110 о рассматриваемом пациенте (или ее существенное подмножество) передается от рабочей станции 120 планирования лечения к системе 130 поиска сходства.

На этапе 220 система 130 поиска сходства осуществляет поиск в базе 140 данных предшествующих пациентов, используя информацию 110 о рассматриваемом пациенте (или ее существенное подмножество), для того чтобы найти похожих предшествующих пациентов, то есть предшествующих пациентов, характеристики которых (например, возраст, состояние здоровья, история болезни и т.д.) похожи на характеристики рассматриваемого пациента.

Когда производится поиск на этапе 220, рассматриваемый пациент и предшествующие пациенты представляются в виде совокупности признаков, каждый из которых представляет собой индивидуальную характеристику пациентов. Признаком может служить, например, любая из характеристик, обсужденных выше, со ссылкой на информацию о рассматриваемом пациенте, например тип рака. Признаки, которые являются качественными, представляются в виде двоичных величин; например, если рассматриваемым признаком является диабет, признаку может быть приписано значение 0, если у рассматриваемого пациента нет диабета, или значение 1, если у рассматриваемого пациента есть диабет. Признаки, которые имеют больше чем одно возможное значение, могут быть представлены относительно той же самой шкалы; например, если у пациента имеется тип поражения, у которого могут существовать четыре различные формы, к признаку, соответствующему такому поражению, можно придать заранее определяемое значение 0,25, 0,50, 0,75 или 1, в зависимости от формы поражения.

В добавление к признакам, которые непосредственно измеряются или наблюдаются, некоторые признаки могут вычисляться на вычислительном устройстве, таком как рабочая станция 120 планирования лечения. Например, там, где информация 110 о рассматриваемом пациенте включает в себя медицинские изображения (например, изображения ЯМР), признаки, вычисляемые на вычислительном устройстве, могут включать в себя местоположение злокачественного поражения, его местоположение по отношению к другим органам, его размер, форму, край, размер и количественную оценку лимфатических узлов пациента, кинетическое исследование контрастного поглощения и т.д., которые могут определяться на основе медицинских изображений. Часть этой информации может определяться с помощью известных методик обработки/анализа, таких как сегментация изображений, построение контуров изображений, и других инструментов измерений, например, или с помощью других типов инструментов компьютерной диагностики "CAD"(computer assisted diagnosis).

Для одного примерного поиска, включающего в себя признаки в количестве , каждый признак может идентифицироваться с помощью индекса признака , меняющегося в пределах от до , и каждый признак может обладать весовым коэффициентом , представляющим собой весовой коэффициент, который будет придан этому конкретному признаку при сопоставлении. В качестве одного примера, сумма всех значений весовых коэффициентов равна . Сходство между рассматриваемым пациентом и любым заданным предшествующим пациентом может быть представлено в виде "метрики расстояний", основанной на разности между каждым из признаков, и основанной на весовых коэффициентах признаков. Метрика расстояния может вычисляться на основе евклидового расстояния, расстояния городских кварталов, расстояния Махаланобиса или любой другой метрики, подходящей для такого вычисления. В одном примерном варианте осуществления изобретения метрика расстояния между рассматриваемым пациентом и предшествующим пациентом вычисляется как:

В выражении выше символ f_clinical представляет собой признаки, основанные на клинической информации пациента, символ f_calculated представляет собой признаки пациента, вычисленные на вычислительном устройстве, символ f_qualitylife представляет собой признаки пациента, относящиеся к качеству жизни, а символ f_treatment представляет собой признаки, относящиеся к плану лечения для пациента. Признаки качества жизни могут включать в себя, например, способность пациента выполнять его или её работу, способность пациента заботиться о его или её семействе, требует ли лечение пациента стационарного или амбулаторного лечения и т.д. В примерном способе 200 поиск основывается на клинической информации о пациенте, вычисляемых признаках и факторах качества жизни; следовательно, выражение выше может быть упрощено так:

На этапе 230 предшествующие пациенты, имеющие низкие метрики расстояния (то есть высокую степень сходства с рассматриваемым пациентом), возвращаются обратно из базы 140 данных предшествующих пациентов и предоставляются для врача с помощью рабочей станции 120 планирования лечения. В качестве одного примера, предшествующие пациенты показываются с использованием визуальных представлений предшествующих пациентов и степеней их сходства с рассматриваемым пациентом. Это может указываться, используя гистограмму, паутинную диаграмму, или другими разнообразными способами, известными в данной области техники.

Фиг. 3 иллюстрирует примерный графический интерфейс 300 пользователя, с помощью которого результаты могут быть представлены врачу (например, на устройстве отображения рабочей станции 120 планирования лечения). Графический интерфейс 300 пользователя включает в себя информацию 310 о рассматриваемом пациенте; конкретная показываемая информация может настраиваться пользователем (например, врачом). В примерном графическом интерфейсе 300 пользователя на Фиг. 3 информация 310 о рассматриваемом пациенте включает в себя имя, возраст, пол, диагноз, историю болезни, сопутствующие заболевания, существенную историю семьи, вопросы качества жизни, хронологическую последовательность медицинских изображений и хронологическую последовательность результатов лабораторных обследований. Специалисты в данной области техники поймут, что предоставляемая конкретная информация о рассматриваемом пациенте может изменяться в ряде отличающихся вариантов осуществления изобретения.

Графический интерфейс 300 пользователя также включает в себя информацию 320 о предшествующих пациентах. Информация 320 о предшествующих пациентах включает в себя существенную информацию о похожих предшествующих пациентах, которые представляют собой результаты поиска, такого как поиск на этапе 230 примерного способа 200. В примерном графическом интерфейсе 300 пользователя на Фиг. 3 показываются два предшествующих пациента, и предоставляемая информация о каждом предшествующем пациенте включает в себя идентификатор ссылки, возраст, диагноз, назначавшееся лечение, сопутствующие заболевания и последствия (например, рецидив, 5-летнее выживание). Каждый список данных о предшествующих пациентах может сопровождаться указанием на степень сходства между предшествующим пациентом и рассматриваемым пациентом; в примерном варианте осуществления изобретения может показываться индикатор с расцветкой, изменяющейся в пределах от зеленого (символизирующий самый высокий уровень сходства) до красного (символизирующий самый низкий уровень сходства), но специалисты в данной области техники поймут, что возможны и другие типы индикации, такие как числовое представление или графическое изображение. Дополнительно, специалисты в данной области техники поймут, что количество одновременно показываемых предшествующих пациентов и конкретная показываемая информация о каждом предшествующем пациенте могут изменяться в ряде отличающихся вариантов осуществления изобретения.

Графический интерфейс 300 пользователя также включает в себя критерии 330 извлечения данных, которые могут использоваться врачом для того, чтобы оснащать весовыми коэффициентами различные факторы, которые будут использоваться в процессах поиска, описанных выше со ссылкой на способ 200 и описываемых ниже со ссылкой на способы 400 и 500. Например, врач, который хочет, чтобы высокая величина весового коэффициентами была установлена на устранение боли, может настраивать критерии 330 извлечения данных так, чтобы отразить это предпочтение.

Фиг. 4 иллюстрирует второй примерный способ 400 для поддержки принятия решений на основе прецедентов. Способ 400 будет описываться со ссылкой на примерную систему 100 на Фиг. 1. На этапе 410 от врача принимается план лечения рассматриваемого пациента; план лечения основывается на врачебной образованности, опыте работы и знании симптомов пациента, истории болезни и т.д. План лечения может включать в себя тип лечения, которое следует назначить, тип хирургии, которую следует осуществить, и т.д. План лечения вводится врачом (или, альтернативно, сотрудником технического персонала) с использованием рабочей станции 120 планирования лечения.

На этапе 420 система 130 поиска сходства осуществляет поиск в базе 140 данных предшествующих пациентов в отношении пациентов, которые подвергались планам лечения, похожим на план лечения, который был введен на этапе 410. Этот этап в значительной степени похож на этап 220 способа 200, за исключением того, что признаки, которые следует использовать в поиске, представляют собой признаки, скорее относящиеся к предлагаемому плану лечения, чем признаки, относящиеся к диагностике пациента, и к другой существенной клинической информации. Элементы плана лечения могут быть преобразованы в признаки, подходящие для того, чтобы поиск производился таким же образом, как это описано выше. Метрика расстояний между двумя пациентами для поиска, основанного на признаках, относящихся к плану лечения, выражается так:

На этапе 430 пациенты, имеющие низкие метрики расстояний (например, высокий уровень сходства с рассматриваемым пациентом), возвращаются обратно и предоставляются для врача с помощью рабочей станции 120 планирования лечения. В качестве одного примера, предшествующие пациенты показываются с использованием визуального представления предшествующих пациентов и их степени сходства с рассматриваемым пациентом; это может быть достигнуто, используя графический интерфейс 300 пользователя, как описано выше.

Фиг. 5 иллюстрирует третий примерный способ 500 для поддержки принятия решений на основе прецедентов. На этапе 510 принимается информация о диагностике пациента, как описано выше со ссылкой на этап 210 способа 200. На этапе 520 принимается план лечения пациента, как описано выше со ссылкой на этап 410 способа 400. На этапе 530 система 130 поиска сходства осуществляет поиск в базе 140 данных предшествующих пациентов, используя все принятые входные данные в качестве критериев поиска; этот этап может использовать все параметры поиска, как это поясняется в качестве примера выражением:

На этапе 540 поиск этапа 530 приводит к возврату обратно предшествующих пациентов, имеющих высокую степень сходства с рассматриваемым пациентом, которая определяется согласно малому значению показателя расстояний, которые приведены выше. На этапе 550 один или более предлагаемых планов лечения рассматриваемого пациента генерируются системой 150 генерирования планов на основе планов лечения, которые ранее назначались для одного или более пациентов, имеющих высокую степень сходства с рассматриваемым пациентом. В одном примере план лечения, идентичный плану для самого похожего предшествующего пациента (например, предшествующего пациента с самым малым показателем расстояний), предлагается для рассматриваемого пациента. Альтернативно, план лечения определяется на основе взвешенного усреднения некоторого количества похожих пациентов. В таком примере количество похожих пациентов, которые будут использоваться, может быть определяемым заранее, может быть конфигурируемым пользователем или может представлять собой взвешенное усреднение всех предшествующих пациентов или всех предшествующих пациентов, имеющих такое же состояние здоровья, как рассматриваемый пациент. Предшествующие пациенты, как правило, оснащаются весовыми коэффициентами на основе их уровня сходства с рассматриваемым пациентом, при этом пациенты, имеющие более высокий уровень сходства с рассматриваемым пациентом, оснащаются весовыми коэффициентами в более значительной степени.

В качестве другого альтернативного примера, начальный план лечения определяется на основе ключевых разностей между характеристиками рассматриваемого пациента и характеристиками предшествующих пациентов. Этот подход может оказаться ценным, потому что может случиться так, что даже в большой базе данных невозможно обнаружить идеальную пару для рассматриваемого пациента. Отсюда следует, что такой ситуации рассматриваемый пациент сопоставляется с наиболее похожим предшествующим пациентом или с группой наиболее похожих предшествующих пациентов. Выявляется ключевая разность (или некоторое количество разностей) между предшествующим пациентом или пациентами и рассматриваемым пациентом, и элементы плана лечения, которые в значительной степени зависят от этой разности, определяются на основе знаний в данной области. Затем проводится отдельный поиск, основанный на ключевой разности для того, чтобы найти самого близкого пациента, участвующего в ключевой разности вместе с рассматриваемым пациентом, и элемент плана, относящийся к ключевой разности, берется от пациента, найденного с помощью этого поиска. Например, высокое кровяное давление является важным фактором при определении режима химиотерапии для пациента. Таким образом, если рассматриваемый пациент имеет высокое кровяное давление, а у самого похожего предшествующего пациента не было высокого кровяного давления, отдельный поиск проводится, чтобы найти наиболее похожего предшествующего пациента, у которого действительно было высокое кровяное давление, и режим химиотерапии для рассматриваемого пациента основывается на наиболее похожем предшествующем пациенте с высоким кровяным давлением.

В другой примерной ситуации, система 150 генерирования планов генерирует множество планов лечения рассматриваемого пациента. Каждый из них может представлять собой план лечения индивидуального предшествующего пациента или может основываться на изменяющихся критериях поиска (например, более или менее значительное оснащение весовыми коэффициентами факторов качества жизни при поиске). На этапе 560 система 150 генерирования планов делает заключение об ожидаемых последствиях, относящихся к каждому из планов лечения, при условии, если бы каждый из планов лечения был назначен для рассматриваемого пациента. Ожидаемые последствия могут основываться на последствиях, перенесенных предшествующими пациентами, которые подвергались похожим планам лечения, на характеристиках рассматриваемого пациента, на том, каким образом характеристики рассматриваемого пациента отличаются от характеристик предшествующих пациентов, и т.д. На этапе 570 похожие предшествующие пациенты, планы лечения и сделанные заключения о последствиях предоставляются врачу, использующему графический интерфейс 300 пользователя рабочей станции 120 планирования лечения. Фиг. 3 иллюстрирует вариант осуществления изобретения, показывающего три предлагаемых плана 340 лечения рассматриваемого пациента.

Примерные варианты осуществления изобретения, описанные в настоящем документе, позволяют врачу рассматривать значительно большую базу знаний информации при определении плана лечения рассматриваемого пациента, чем информация, которой обладает врач, как отдельно взятый человек. Примерные варианты осуществления изобретения дополнительно оказывают содействие при генерировании плана лечения рассматриваемого пациента, который имеет более высокое качество, чем план, который создается врачом на оперативной основе, на основе его собственного врачебного опыта. Дополнительно, из-за объективного характера сопоставления с прошлыми пациентами, качество обслуживания, получаемого пациентами, может быть стандартизировано, вместо того чтобы зависеть от квалификации и опыта врача. Дополнительно, так как предлагаемые планы лечения рассматриваемого пациента основываются на одном или более предшествующих пациентах, имеющих общие характеристики с рассматриваемым пациентом, автоматически могут быть сгенерированы планы лечения более высокого качества для рассмотрения их лечащим врачом.

Специалисты в данной области техники поймут, что примерные варианты осуществления изобретения, описанные выше, могут быть реализованы в любом количестве видов, включающих в себя такие, как отдельный модуль программного обеспечения, как комбинация аппаратного и программного обеспечения и т.д. Например, система 130 поиска сходства может представлять собой программу, содержащую в себе строки текста кода, который при компиляции может исполняться процессором.

Отмечается, что пункты формулы изобретения могут включать в себя ссылочные знаки/цифры в соответствии с Правилом 6.2 (b) PCT. Однако представленные пункты формулы изобретения не следует рассматривать как ограниченные примерными вариантами осуществления изобретения, которые соответствуют этим ссылочным знакам/цифрам.

Для специалистов в данной области техники будет очевидно, что различные модификации могут быть сделаны в настоящем изобретении, не отступая от сущности или объема правовой охраны изобретения. Таким образом, предполагается, что настоящее изобретение охватывает модификации и разновидности этого изобретения, при условии, что они попадают в рамки объема правовой охраны прилагаемых пунктов формулы изобретения и их эквивалентов.

1. Постоянный машиночитаемый носитель данных, на котором хранится совокупность команд, исполняемых процессором, при этом совокупность команд приводится в действие для того, чтобы:

принимать совокупность данных рассматриваемого пациента, относящихся к рассматриваемому пациенту;

сопоставлять совокупность данных рассматриваемого пациента с множеством совокупностей данных предшествующих пациентов, при этом каждая из совокупностей данных предшествующих пациентов соответствует предшествующему пациенту, причем совокупность данных рассматриваемого пациента и множество совокупностей данных предшествующих пациентов представлены в виде совокупности признаков, причем каждый признак представляет собой индивидуальную характеристику, соответствующую каждому пациенту, и качественные признаки представлены на шкале от 0 до 1;

выбирать множество совокупностей данных предшествующих пациентов на основе уровня сходства между выбранным множеством совокупностей данных предшествующих пациентов и совокупностью данных рассматриваемого пациента;

предоставлять множество выбранных совокупностей данных предшествующих пациентов пользователю;

генерировать план лечения на основе соответствующих планов лечения из множества выбранных совокупностей данных предшествующих пациентов;

оснащать весовыми коэффициентами каждый из соответствующих планов лечения на основе сходства каждого пациента из множества выбранных предшествующих пациентов с рассматриваемым пациентом; и

представлять пользователю посредством устройства отображения графическое сопоставление между совокупностью данных рассматриваемого пациента и каждой из множества совокупностей данных предшествующих пациентов, причем сопоставление содержит указание на степень сходства между признаками рассматриваемого пациента и каждым из множества признаков предшествующих пациентов.

2. Постоянный машиночитаемый носитель данных по п. 1, в котором совокупность данных рассматриваемого пациента содержит одно из следующего: совокупность клинической информации о рассматриваемом пациенте, совокупность вычисляемой информации о пациенте, совокупность предпочтений качества жизни пациента и начальный план лечения рассматриваемого пациента.

3. Постоянный машиночитаемый носитель данных по п. 1, в котором совокупности данных предшествующих пациентов содержат одно из следующего: совокупности клинической информации о предшествующих пациентах, совокупности вычисляемой информации о предшествующих пациентах, планы лечения предшествующих пациентов и информацию о последствиях для предшествующих пациентов.

4. Постоянный машиночитаемый носитель данных по п. 1, в котором выбирается множество совокупностей данных предшествующих пациентов и в котором множество выбранных совокупностей данных предшествующих пациентов классифицируется по уровню сходства.

5. Постоянный машиночитаемый носитель данных по п. 1, в котором первый элемент плана лечения копируется из первого плана лечения первого пациента из множества выбранных предшествующих пациентов и в котором второй элемент плана лечения копируется из второго плана лечения второго пациента из множества выбранных предшествующих пациентов, при этом второй элемент является элементом, относящимся к показателю рассматриваемого пациента, который отличается от соответствующего показателя выбранного первого пациента из предшествующих пациентов, второй элемент дополнительно является элементом, относящимся к показателю рассматриваемого пациента, который подобен соответствующему показателю второго пациента из предшествующих пациентов.

6. Постоянный машиночитаемый носитель данных по п. 1, в котором уровень сходства основывается на метрике расстояний между рассматриваемым пациентом и выбранным одним из предшествующих пациентов.

7. Постоянный машиночитаемый носитель данных по п. 6, в котором метрика расстояний представляет собой одно из следующего: евклидово расстояние, расстояние городских кварталов и расстояние Махаланобиса.

8. Система для поддержки принятия клинических решений для планирования терапии, содержащая:

интерфейс пользователя, принимающий совокупность данных рассматриваемого пациента, относящихся к рассматриваемому пациенту;

базу данных, хранящую множество совокупностей данных предшествующих пациентов, при этом каждая из совокупностей данных предшествующих пациентов соответствует предшествующему пациенту, причем совокупность данных рассматриваемого пациента и множество совокупностей данных предшествующих пациентов представлены в виде совокупности признаков, причем каждый признак представляет собой индивидуальную характеристику, соответствующую каждому пациенту, и качественные признаки представлены на шкале от 0 до 1;

механизм поиска сходства, осуществляющий поиск множества совокупностей данных предшествующих пациентов и выбирающий множество совокупностей данных предшествующих пациентов, имеющих высокую степень сходства с совокупностью данных рассматриваемого пациента, при этом множество выбранных совокупностей данных предшествующих пациентов и графическое сопоставление, содержащее указание на степень сходства между признаками рассматриваемого пациента и каждым из множества признаков предшествующих пациентов, предоставляются пользователю с помощью интерфейса пользователя; и

систему генерирования планов, генерирующую план лечения для рассматриваемого пациента на основе множества выбранных совокупностей данных предшествующих пациентов, при этом планы лечения каждого пациента из выбранного множества пациентов оснащаются весовыми коэффициентами на основе сходства каждого пациента из выбранного множества предшествующих пациентов с рассматриваемым пациентом.

9. Система по п. 8, в которой совокупность данных рассматриваемого пациента представляет собой одно из следующего: совокупность клинической информации о рассматриваемом пациенте, совокупность вычисляемой информации о пациенте, совокупность предпочтений качества жизни пациента и начальный план лечения рассматриваемого пациента.

10. Система по п. 8, в которой совокупности данных предшествующих пациентов содержат одно из следующего: совокупности клинической информации о предшествующих пациентах, совокупности вычисляемой информации о предшествующих пациентах, планы лечения предшествующих пациентов и информацию о последствиях для предшествующих пациентов.

11. Система по п. 8, в которой выбирается множество совокупностей данных предшествующих пациентов, и в которой множество выбранных совокупностей данных предшествующих пациентов классифицируется по уровню сходства с совокупностью данных рассматриваемого пациента.

12. Система по п. 8, в которой первый элемент плана лечения копируется из первого плана лечения первого пациента из множества выбранных предшествующих пациентов и в которой второй элемент плана лечения копируется из второго плана лечения второго пациента из множества предшествующих пациентов, при этом второй элемент является элементом, относящимся к показателю рассматриваемого пациента, который отличается от соответствующего показателя выбранного первого пациента из предшествующих пациентов, второй элемент дополнительно является элементом, относящимся к показателю рассматриваемого пациента, который подобен соответствующему показателю второго пациента из предшествующих пациентов.

13. Система по п. 8, в которой степень сходства основывается на метрике расстояний между рассматриваемым пациентом и выбранным одним из предшествующих пациентов и в которой метрика расстояний представляет собой одно из следующего: евклидово расстояние, расстояние городских кварталов и расстояние Махаланобиса.

14. Система по п. 8, в которой интерфейс пользователя представляет собой графический интерфейс пользователя.

15. Система по п. 14, в которой графический интерфейс пользователя содержит элемент для выбора критериев извлечения данных, указывающий на оснащение весовыми коэффициентами множества критериев извлечения данных.



 

Похожие патенты:

Изобретение относится к вычислительной технике и может быть использовано при моделировании процессов функционирования судоходных шлюзов для различных стратегий движения судов через судоходный шлюз с учетом специфики подготовки отдельных систем шлюза и динамики его применения.

Автоматизированная система боевого управления берегового артиллерийского и ракетного комплексов содержит ЭВМ, аппаратуру передачи данных со средствами связи, технические средства автоматизации для обслуживания огневых устройств, многоканальное коммутирующее устройство, две радиостанции дециметрового волнового диапазона, аппаратуру передачи данных реального времени, аппаратуру внутренней связи, три высокоскоростных проводных модема (ВПМ), комплекс управления средствами поражения.

Изобретение относится к вычислительной технике и может быть использовано при анализе результативности системы менеджмента качества продукции научно-технических организаций для повышения ее конкурентоспособности.

Предложены способы и система для измерения расхода входного воздушного потока газовой турбины с использованием инертного газа. Способ измерения массового расхода воздушного потока включает: ввод инертного газа в воздушный поток, при этом ввод инертного газа осуществляют перед фильтром на входе турбины; смешивание газа с воздухом; измерение концентрации упомянутого газа, смешанного с воздухом, в местоположении перед компрессором газовой турбины; запись количества упомянутого газа, введенного в упомянутый воздушный поток, и вычисление массового расхода воздушного потока на основе упомянутой измеренной концентрации газа и записанного количества введенного газа.

Изобретение относится к методикам вскрытия пласта и, в частности, к оптимизации расположения интервалов разрыва на основании минералогического анализа пласта. Техническим результатом является повышение эффективности создания трещин в пласте и увеличение продуктивности скважины.

Изобретение относится к области медицины. Для поддержки принятия диагностических решений используют автоматизированную систему, которая содержит модуль хранения результатов обследования, модуль поддержки принятия решений, модуль анализа изображений, модуль распределенного хранения результатов обследования, модуль управления знаниями, а также систему управления базами данных, при этом модуль хранения результатов обследования и модуль распределенного хранения результатов обследования содержат подсистему управления данными, подсистему анализа данных и подсистему удаленного доступа, модуль поддержки принятия решений содержит подсистему управления расчетами, подсистему визуализации, подсистему классификации, модуль анализа изображений содержит подсистему анализа изображений, модуль управления знаниями содержит подсистему машинного обучения, система управления базами данных содержит базу анкет, базу изображений и базу дескрипторов, а также блок управления анкетами и блок управления изображениями.

Изобретение относится к области спортивной медицины. Для управления данными, отражающими состояние здоровья и активность пользователя, осуществляют следующие этапы:захват изображения, содержащего набор пикселей дисплея тренажера; получение от запоминающего устройства данных изображения от указанного изображения; сравнение данных изображения, по меньшей мере, с одним другим изображением для определения изготовителя и модели тренажера; автоматический выбор области параметров физической активности пользователя; идентификация последовательности символов в конкретной области пикселей; определение пространственных соотношений между последовательностями только в конкретной области пикселей; получение одной или более единицы измерения данных; определение меры израсходованных калорий; генерирование данных; обновление сохраненного профиля, связанного с пользователем; получение и сохранение множества первичных медицинских параметров пользователя; применение весового коэффициента, расчет по меньшей мере одного взвешенного первичного параметра; преобразование калорий в значение метаболического эквивалента; назначение значения метаболического эквивалента между пулом здоровья и бонусным пулом; расчет взвешенного значения пула здоровья; преобразование медицинских параметров в зашифрованное составное числовое значение; публикация указанного значения для пользователя посредством портала, выполненного с возможностью доступа к нему через интернет; обеспечение для пользователя наблюдения указанного числового значения.

Группа изобретений относится к области предсказания биомолекулярного связывания. Предложен способ и устройство предсказания взаимодействия между соединением и протеином, и энергонезависимый материальный считываемый компьютером носитель данных.

Настоящее изобретение относится к области генетики. Предложен способ оценки риска возникновения у индивида тромбоэмболического эпизода или диагностики возникновения или наличия такой болезни или эпизода на основании присутствия серпина А10 (ингибитор протеина Z) Arg67Stop (rs2232698), серпина С1 (антитромбин) Ala384Ser (Cambridge II), фактора XII С46Т (rs1801020), фактора XIII Val34Leu (rs5985), фактора II (протромбин) G20210A (rs1799963), фактора V Leiden Arg506Gln (rs6025), фактора V Cambridge Arg306Thr, фактора V Hong Kong Arg306Gly, группы крови ABO rs8176719, группы крови ABO rs7853989, rs8176743 и rs8176750.

Изобретение относится к проверке содержания медицинских документов. Техническим результатом является улучшение обнаружения нарушений в медицинской карте пациента.

Изобретение относится к медицинской технике и может быть использовано при выполнении различных медицинских процедур. Функциональная структура фиксатора корпуса хирургических и диагностических устройств в тороидальной хирургической робототехнической системе с выдвижной крышкой включает цилиндрический или многогранный корпус инструментального стола с возможностью подъема и возвратно-поступательного вращения посредством привода с редуктором и шестеренки, а также включает фиксаторы удержания корпусов хирургических и диагностических устройств, которые позиционно расположены по кругу.

Изобретение относится к области спектроскопических исследований и касается устройства и способа гиперспектрального и мультиспектрального формирования изображения.

Изобретение относится к области медицины, а именно к экологии человека и токсикологии. Для диагностики у детей хронического гастродуоденита, ассоциированного с воздействием хрома, никеля, марганца, хлороформа и тетрахлорметана техногенного происхождения, проводят отбор проб крови.

Изобретение относится к медицине, а именно к кардиологии, и может быть использовано для оценки риска послеоперационной фибрилляции предсердий у больных, подвергающихся хирургической реваскуляризации миокарда.

Изобретения относятся к медицине. Способ предупреждения пользователя о начале гипогликемии реализуют с помощью носимого устройства.
Изобретение относится к способу оценки игровой выносливости человека в игровых видах спорта и может быть использовано в медицинской, психологической, физиологической или спортивной науке.

Изобретение относится к психофизиологии, а более конкретно к психодиагностике. Выявляют порог болевой чувствительности, определяют психоэмоциональную реакцию человека на первую пробу табака или отсутствие опыта потребления, а также отношение членов родительской семьи к потреблению табака.

Изобретение относится к медицине, в частности эндокринологии, и может быть использовано для неинвазивной экспресс-диагностики диабета второго типа. Проводят забор слюны человека.
Изобретение относится к медицине, а именно к челюстно-лицевой хирургии, и может быть использовано для лечения инфантильных гемангиом челюстно-лицевой области у детей.

Изобретение относится к медицине и может быть использовано для прогнозирования рецидивирующих эпизодов острой респираторной вирусной инфекции (ОРВИ) у детей дошкольного возраста с бронхиальной астмой (БА).

Изобретение относится к медицине, а именно к акушерству и гинекологии, и может быть использовано для ранней диагностики эндометриоза органов малого таза. При одновременном сочетании у пациентки: ультразвуковых данных о наличии свободной жидкости в позадиматочном пространстве брюшной полости, диспареунии, полиморфных кожных высыпаний на лице (папулы, пустулы, комедоны), диагностируют эндометриоз органов малого таза. Способ позволяет просто и доступно провести диагностику эндометриоза органов малого таза за счет учета комплекса значимых признаков. 14 ил., 5 пр.
Наверх