用于改进神经科医师的关于阿尔茨海默氏病的工作流程的系统与方法
阅读：225发布：2024-02-16
专利汇可以提供用于改进神经科医师的关于阿尔茨海默氏病的工作流程的系统与方法专利检索，专利查询，专利分析的服务。并且一种用于改进工作流程的系统，包括一个或多个临床数据源，所述一个或多个临床数据源从患者收集患者数据。患者信息系统存储所述患者数据。包括被编程为接收来自所述患者的所述患者数据的一个或多个处理器的临床 决策支持系统 基于针对每种类型的患者数据的统计模型来生成量化信息，基于所述量化信息来诊断所述患者，基于所述诊断和所述量化信息来生成推荐，并显示所述推荐。，下面是用于改进神经科医师的关于阿尔茨海默氏病的工作流程的系统与方法专利的具体信息内容。
1.一种用于改进工作流程的系统，所述系统包括：
一个或多个临床数据源，其从患者收集患者数据；
患者信息系统，其存储所述患者数据；以及
临床决策支持系统，其包括：
一个或多个处理器，其被编程为：
接收来自所述患者的所述患者数据；
基于针对每种类型的患者数据的统计模型来生成量化信息；
基于所述量化信息来诊断所述患者；
基于所述诊断和所述量化信息来生成推荐；以及
显示所述推荐。
2.根据权利要求1所述的系统，其中，所述患者数据为以下中的至少一种：图像数据、心理测试数据、以及生物标记数据。
3.根据权利要求1和2中任一项所述的系统，其中，所述诊断包括正常患者、轻度认知障碍、以及阿尔茨海默氏病。
4.根据权利要求1-3中任一项所述的系统，其中，所述一个或多个处理器还被编程为：
显示所述量化信息以及表示合适的对照组的参考数据。
5.根据权利要求1-4中任一项所述的系统，其中，所述一个或多个处理器还被编程为：
计算所述诊断的概率和置信水平。
6.根据权利要求1-5中任一项所述的系统，其中，所述推荐为以下中的至少一种：生活方式改变、下一次扫描或测试预约、以及药物处方。
7.一种承载软件的计算机可读介质，所述软件控制一个或多个处理器，以执行权利要求1-6中任一项所述的系统的功能。
8.一种用于改进工作流程的方法，所述方法包括：
接收针对患者的患者数据，所述患者数据包括从所述患者收集的临床数据；
基于针对每种类型的患者数据的统计模型来生成量化信息；
基于所述量化信息来诊断所述患者；
基于所述诊断和所述量化信息来生成推荐；以及
显示所述推荐。
9.根据权利要求8所述的方法，其中，所述临床数据为以下中的至少一种：图像数据、心理测试数据、以及生物标记数据。
10.根据权利要求8和9中任一项所述的方法，其中，所述诊断包括正常患者、轻度认知障碍、以及阿尔茨海默氏病。
11.根据权利要求8-10中任一项所述的方法，还包括：
显示所述量化信息以及表示合适的对照组的参考数据。
12.根据权利要求8-11中任一项所述的方法，还包括：
计算所述诊断的概率和置信水平。
13.一个或多个处理器，其被预编程为执行根据权利要求8-12中任一项所述的方法。
14.一种承载软件的计算机可读介质，所述软件控制一个或多个处理器，以执行根据权利要求8-12中任一项所述的方法。
15.一种用于对痴呆进展进行预后的方法，所述方法包括：
根据针对群体中的每位患者的患者数据来计算生物标记分期标度和认知损伤分期标度；
计算所述群体的所述生物标记分期标度与认知损伤分期标度之间的相关曲线；以及根据所述群体的所述相关曲线来对当前患者的患者数据进行预测。
16.根据权利要求15所述的方法，还包括：
将针对所述群体中每位患者的所述患者数据归类成至少三个子组，这是根据所述至少三个子组的认知损伤分期标度到所述群体的所述相关曲线的距离来完成的。
17.根据权利要求15和16中任一项所述的方法，还包括：
计算每个子组的两个标度参数之间的相关曲线；以及
根据所述子组的认知损伤标度到整个群体的所述相关曲线的距离，匹配所述子组。
18.根据权利要求15-17中任一项所述的方法，其中，所述匹配子组的所述相关曲线被用于对所述患者的认知损伤进行预测。
19.被预编程为执行根据权利要求15-18中任一项所述的方法的一个或多个处理器。
20.一种承载有软件的计算机可读介质，所述软件控制一个或多个处理器，以执行根据权利要求15-18中任一项所述的方法。
用于改进神经科医师的关于阿尔茨海默氏病的工作流程的
系统与方法
技术领域
背景技术
[0002] 痴呆是由引起脑细胞或脑细胞之间的联系受损的多种疾病和状况造成的。阿尔茨海默氏病(AD)是痴呆的最常见类型，占病例的估计60％-80％。AD的症状包括记忆丧失、语言劣化、精神上操纵视觉信息的能力受损、判断力差、困惑、不安、情绪波动等等。随着疾病进展，个体的认知和功能能力衰退。AD的诊断对于神经科医师而言是复杂的。除了特定遗传形式的疾病以外，AD的一个或多个原因仍是未知的。对AD的诊断通常是由神经科医师做出的，其基于认知损伤(记忆力、语言、注意力、处理速度和空间能力)、行为紊乱以及运动损伤，对个体实施一系列认知测试。即使仅能够经由尸检样本确立对AD的最终诊断，但神经科医师常常基于临床患者评价，确立对疑似AD的诊断。
[0003] 为了正确评价个体的认知功能水平，神经科医师在能够确立诊断之前，必须评价大量测试和扫描的结果。通常，个体的认知功能是基于以下中的至少一个进行评价的：神经生理学测试、生物标记信息、医学成像数据等等。例如，许多神经心理学测试被用于评价认知功能，包括简易精神状态量表(MMSE)、阿尔茨海默氏病评估量表-认知子量表(ADAS-cog)、韦氏数字顺记与逆记、临床痴呆评定量表(CDR)、逻辑记忆力、画钟与临摹钟等等。每个测试在不同的功能区域评价患者的认知能力，例如语义记忆、感知速度等等。额外地，包括但不限于基于基因的生物标记的生物标记信息，例如采样自脑脊液(CSF)的β淀粉样蛋白(Αβ)累积，也被用于通过监测个体的功能性与结构性大脑变化来评价认知功能。此外，诸如MRI图像数据、FDG-PET图像数据、PET图像数据等的医学成像数据被用于确定个体是否具有海马体的萎缩，其与AD高度相关。
[0004] 目前用于对痴呆的评估的临床实践主要基于使用绝对量表(例如MMSE、CDR)对认知损伤的测量。尽管该途径能够提供对痴呆状态的快照；但其不能提供对痴呆进展的可靠预后，直到收集到多个记录诊断数据点。如前文提及的，痴呆的主要原因之一是AD。尽管如此，AD在体液和大脑解剖形态两者中均具有特征病理标记，AD患者的临床症状，尤其是认知损伤能够有广泛扩展的范围。例如，个体可能没有任何可觉察的认知损伤，但已显示典型的AD解剖学生物标记。在相似AD病理期处显示较轻度认知损伤的个体具有临床痴呆的较慢进展速率，尽管病理学标记有类似进展速率。类似地，在相似AD病理期处显示较严重认知损伤的患者具有比他们的临床痴呆的平均进展速率更快的进展速率。在临床实践中，所有处置和疾病管理都集中在临床症状上。因此，对痴呆进展的正确且快速的预后对于最佳治疗和疾病管理非常关键。基于大集合的临床数据，能够构建生物标记标度与痴呆分期之间的统计相关性。然而，由于上文提及的宽认知损伤范围(包括认知正常的个体、患有MCI的那些、以及患有痴呆但在相同AD病理期的那些)，将这样的中值相关性应用到个体产生差的预后。使用个体患者的两个或更多个数据点，能够提供更可靠的预后，但其耗时且可能错过最佳处置窗口。
[0005] 此外，目前针对AD可用的临床决策支持(CDS)系统不提供智能机制，以基于神经科医师的需要改进他们的工作流程。这些系统中没有一个提供无偏差的量化信息，以实现关于对AD的诊断的第二意见和自适应推荐，以改进神经科医师的工作流程。这些具体特性对于患者管理中的临床决策指定是重要的，例如做出对下一次扫描和测试预约的推荐，以及药物处方或随访的推荐。为了改进针对神经科医师的工作流程，针对CDS系统存在具有向它们提供量化和统计信息的机制的需要，所述量化和统计信息被呈现为这样的形式，即在用户对所收集数据的解读中为用户提供支持。该量化信息的目的是提供对正常对照对象、被证实患有特定疾病形式的患者、以及患有前驱疾病(常被称作轻度认知损伤)的患者的群体内的典型可变性的概要。存在的另一个需要是提供用户接口，以示出统计数据并清楚地指示当前患者位于不同组的群体中的何处。此外，存在针对CDS系统的需要，以基于患者的所有可用信息，包括神经生理学测试、扫描、生物标记等等，自动地向神经科医师提供推荐，例如生活方式改变、下一次扫描和测试的预约、药物处方等。
[0006] 本申请提供新的且改进的方法和系统，其克服了上述问题以及其他问题。发明内容
[0007] 根据一个方面，提供一种用于改进工作流程的系统。所述系统包括一个或多个临床数据源，所述一个或多个临床数据源从患者收集患者数据。患者信息系统存储所述患者数据。临床决策支持系统包括一个或多个处理器，所述一个或多个处理器被编程为接收来自所述患者的所述患者数据，基于针对每种类型的患者数据的统计模型来生成量化信息，基于所述量化信息来诊断所述患者，基于所述诊断和所述量化信息来生成推荐，并且显示所述推荐。
[0008] 根据另一方面，提供一种用于改进工作流程的方法。所述方法包括：接收针对患者的患者数据，所述患者数据包括从所述患者收集的临床数据；基于针对每种类型的患者数据的统计模型来生成量化信息；基于所述量化信息来诊断所述患者；基于所述诊断和所述量化信息来生成推荐；以及显示所述推荐。
[0009] 根据另一方面，提供一种用于对痴呆进展进行预后的方法。所述方法包括：根据针对群体中的每位患者的患者数据来计算生物标记分期标度和认知损伤分期标度；计算所述群体的所述生物标记分期标度与认知损伤分期标度之间的相关曲线；以及根据所述群体的所述相关曲线来对当前患者的患者数据进行预后。
[0010] 一个优点在于量化信息的可视化。
[0011] 另一优点在于提供关于对AD的诊断的第二意见。
[0012] 另一优点在于提供推荐以改进神经科医师的工作流程。
[0014] 本发明可以采取各种部件和部件的布置，以及各种步骤和步骤的安排的形式。附图仅出于图示优选实施例的目的，并且不得被解释为对本发明的限制。
[0015] 图1为根据本公开的各方面的医疗机构的信息技术(IT)设施的框图；
[0016] 图2为根据本公开的各方面的临床决策支持和/或工作流程管理(CDS/VM)的功能部件的框图；
[0017] 图3为根据本公开的各方面的CDS/VM系统的数据输入接口；
[0018] 图4为根据本公开的各方面的CDS/VM系统的数据观看接口；
[0019] 图5为根据本公开的各方面的CDS/VM系统的另一数据观看接口；
[0020] 图6为根据本公开的各方面的CDS/VM系统的另一数据观看接口；
[0022] 图8为根据本公开的各方面的CDS/VM系统的报告接口；
[0023] 图9为根据本公开的各方面的CDS/VM系统的中值相关曲线接口；
[0024] 图10图示根据本公开的各方面的CDS/VM系统的操作。
[0025] 图11图示根据本公开的各方面的CDS/VM系统的另一操作。
具体实施方式
[0026] 参考图1，提供医疗机构(例如医院)的信息技术(IT)设施100的框图。IT设施100通常包括一个或多个临床设备102、通信网络104、患者信息系统106、临床工作流程管理和/或决策支持(CDS/WM)系统110等。然而，要理解，预见到更多或更少的部件和/或部件的不同布置。
[0027] (一个或多个)临床设备102包括在所述医疗机构的各个物理位置处的一个或多个临床数据源，一个或多个消费临床应用，患者监视器、在病床处的设备、由临床医师携带的移动通信设备、临床医师工作站中的一个或多个，一个或多个医学成像设备，一个或多个生物标记信息设备等。此外，(一个或多个)临床设备102中的每个均与一个或多个患者和/或一个或多个临床医师相关联。与(一个或多个)临床设备102相关联的(一个或多个)患者中的每个与一个或多个临床问题相关联，例如阿尔茨海默氏病或神经医疗状况。
[0028] 如所图示的，(一个或多个)临床设备102包括临床数据源102a、生物标记设备102b和医学成像设备102c。当然，也预见其他设备。(一个或多个)临床设备102的通信单元112、114、116方便了经由通信网络104与外部系统和/或数据库(例如CDS/WM系统
110)的通信。(一个或多个)临床设备102的存储器118、120、122存储可执行指令，以执行与(一个或多个)临床设备102相关联的功能中的一个或多个。(一个或多个)临床设备102的显示器124、126、128允许(一个或多个)临床设备102显示对于对应用户的利益的数据和/或消息。(一个或多个)临床设备102的用户输入设备130、132、134允许(一个或多个)临床设备102的对应用户与(一个或多个)临床设备102交互，和/或响应于显示器124、126、128上显示的消息。(一个或多个)临床设备102的控制器136、138、140执行存储器118、120、122中存储的指令，以执行与(一个或多个)临床设备102相关联的功能。
110)的通信。(一个或多个)临床设备102的存储器118、120、122存储可执行指令，以执行与(一个或多个)临床设备102相关联的功能中的一个或多个。(一个或多个)临床设备102的显示器124、126、128允许(一个或多个)临床设备102显示对于对应用户的利益的数据和/或消息。(一个或多个)临床设备102的用户输入设备130、132、134允许(一个或多个)临床设备102的对应用户与(一个或多个)临床设备102交互，和/或响应于显示器124、126、128上显示的消息。(一个或多个)临床设备102的控制器136、138、140执行存储器118、120、122中存储的指令，以执行与(一个或多个)临床设备102相关联的功能。
[0029] 通信网络104允许在所述医疗机构所连接的部件之间通信，所述部件例如为CDS/WM系统110和(一个或多个)临床设备102，并且适于数字数据在所述部件之间的传递。适当地，通信网络104为局域网。然而，预见到通信网络104为以下中的一种或多种：因特网、广域网、无线网络、有线网络、蜂窝网络、诸如USB和I2C的数据总线等。
[0030] 患者信息系统106充当患者数据的电子病历(EMR)的中央资料库。来自(一个或多个)临床设备102以及生成患者数据的其他设备的患者数据被适当地存储在患者信息系统106中。在一些实例中，患者数据是直接从所述患者数据的所述源接收的，并且在其他实例中，患者数据是间接从所述患者数据的所述源接收的。例如，患者信息系统106存储并追踪所有患者就诊、测试和结果；在就诊的不同时间段的处置等。
[0031] 通常，患者信息系统106包括数据库142、服务器144等中的一个或多个。数据库142存储所述医疗机构的患者的EMR。也预见到数据库142存储其他医疗机构的患者的EMR，针对每种类型的患者数据的统计模型、合适的对照群体的患者数据、公布的临床数据和结果、临床文献、正常对照对象的参考值、患有确定形式的特定疾病的患者、患有前驱疾病(MCI)的患者等。服务器144允许所述医疗机构的部件经由通信网络104访问所存储的信息。服务器144的通信单元方便了经由通信网络104在服务器144与外部设备(例如(一个或多个)临床设备102)之间的通信。通信单元146还方便了与患者信息系统106的数据库142的通信。服务器144的存储器148存储可执行指令，以执行与服务器144相关联的功能中的一个或多个。服务器144的控制器150执行存储在存储器148上的指令，以执行与服务器144相关联的功能。
[0032] CDS/WM系统110接收来自一个或多个临床数据源162(参见图2)的患者数据，并在特定实施例中，提供以支持对所收集数据的解读的形式呈现的量化和统计信息；提供当前患者属于正常、轻度认知受损(MCI)或AD患者组的诊断概率；提供有关患者就诊的综合报告，例如对患者首次会面的印象的概要、对患者风险分析结果的概要以及对在扫描连同图像上的发现的概要；并且基于临床协议和/或对一个或多个消费临床应用的临床指导(参见图2)来提供临床推荐。
[0033] 临床数据源162将针对关联患者的患者数据提供到CDS/WM系统110。例如，临床数据源162使得神经科医师或支持人员能够输入患者的人口统计信息和临床信息，包括但不限于由神经科医师从患者的首次会面获悉的信息，例如家族史等，以及关于AD体征对患者的首次印象的评估。临床数据源162也使得患者或其亲属能够输入他们自己的人口统计信息，例如年龄、受教育年限、性别等。所述患者数据适当地包括临床数据，例如患者症状(例如主诉)，患者发现(例如身体与神经检查发现)，生物标记数据(例如生物标记信息)，生理数据(例如血压)，图像数据(例如利用淀粉样蛋白示踪剂的PET图像)，工作流程数据，识别数据(例如患者ID)，针对每种数据类型的患者数据的统计模型，适当的对照群体的患者数据，病史数据，公开的临床数据与结果，临床文献，家族患者数据，正常对照对象、被证实患有特定疾病形式的患者、患有前驱疾病(MCI)的患者的参考值等。所述患者数据(临床数据与工作流程数据两者)被以电子方式记录为带有时间戳，并且可由CDS/WM系统110访问。预见到所述工作流程数据识别例如以下中的一个或多个：已执行的护理步骤、当前正执行的护理步骤、要被执行的护理步骤等。
[0034] 消费临床应用164接收以支持对所收集数据的解读的形式呈现的所述量化和统计信息，当前患者属于正常、轻度认知损伤(MCI)或AD患者组的诊断概率，有关患者就诊的综合报告，对患者风险分析结果的概要，对在扫描上的发现的概要，以及来自CDS/WM系统100的针对关联患者的临床推荐。所述临床推荐可以包括生活方式改变、下一次扫描或测试预约、药物处方与剂量、提醒、警报、背景信息等，其旨在协助临床医师对关联患者的处置。为了接收针对患者的临床信息和推荐，消费临床应用适当地与CDS/WM系统110配准，以接收针对所述患者的临床信息和推荐。
[0035] 临床数据源162适当地包括以下中的至少一个：(1)临床设备102中的一个或多个；(2)患者信息系统106；(3)辅助系统中的一个或多个；(4)生成患者数据的其他设备和/或应用；(5)CDS/WM系统110，例如其用户输入设备；以及(6)一个或多个医学成像系统；(7)一个或多个生物标记；以及(8)其他。消费临床应用164适当地包括以下中的至少一个：(1)临床设备102中的一个或多个；(2)患者信息系统106；(3)辅助系统108中的一个或多个；(4)在设备(例如PC、手机等)上运行的应用；(5)CDS/WM系统110；以及(6)其他。
在特定实施例中，IT设施的所述部件中的一个或多个属于临床数据源162和消费临床应用
164两者。也预见临床设备102为患者数据的产生者和消费者两者。
在特定实施例中，IT设施的所述部件中的一个或多个属于临床数据源162和消费临床应用
164两者。也预见临床设备102为患者数据的产生者和消费者两者。
[0036] CDS/WM系统110，如下文详细讨论的，包括各种部件，所述部件提供以支持对所收集数据的解读的形式呈现的所述量化和统计信息；提供当前患者属于正常、轻度认知损伤(MCI)或AD患者组的诊断概率；提供有关患者就诊的综合报告，例如对患者首次会面的印象的概要、对患者风险分析结果的概要以及对在扫描连同图像上的发现的概要；并且基于临床协议和/或临床指指导来提供临床推荐。CDS/WM系统110的每个部件均可以在患者的就诊之前、期间或之后使用。所述患者数据可以在所述患者的就诊之前，被输入并使用，例如在支持人员在检查之前输入患者信息时，或在所述患者自己使用因特网输入他们的信息时。
[0037] 参考图2，提供了根据本公开的各方面的CDS/WM系统110的功能部件的详细视图。CDS/WM系统110适当地包括数据观看引擎166、风险分析引擎168、计算机可解读指导(CIG)数据库170、实例数据库172、报告引擎174等。要认识到，这些功能部件仅为抽象，以简化后文的讨论，并且不意图被解释为限制CDS/WM系统110的结构布局。也要认识到，这些部件中的每个也可以被并入临床数据源162和/或消费临床应用164中。
[0038] 数据观看引擎166提供量化和统计信息，用于以支持对所收集的患者数据的解读的形式在消费临床应用164上显示。数据观看引擎166提供用户接口，以显示所述统计数据以及所述患者数据与表示合适的对照群体的合适参考数据的清晰比较。为了生成用户接口，数据观看引擎166接收来自临床数据源162的患者数据。数据观看引擎166然后生成并控制CDS/WM系统100和/或消费临床应用164的显示器，以显示从临床数据源162接收的所述患者数据。具体地，数据观看引擎166生成并显示来自所接收的患者数据的无偏差量化信息。数据观看引擎166也提供针对每种数据类型的患者数据的统计模型。例如，针对每种数据类型，数据观看引擎166显示相对于针对正常、患病或轻度患病群体的最相似统计模型选择的患者数据。
[0039] 为了提供量化信息，数据观看引擎166利用针对每个值的数据模型，其为神经科医师提供对正常对照的群体、患病的患者，以及患有轻度认知损伤的患者的全局视图。所述数据模型利用将诊断类别分开的百分比范围和阈值，指示当前患者的评价如何相比于不同诊断组的群体。为了生成所述量化信息，数据观看引擎166利用基于以下的统计模型：存储在所述临床数据源中的病历数据、公开的临床数据与结果、临床文献等。数据观看引擎166也根据存储在临床数据源162中的病历数据，计算当前患者的特征百分比范围和特征值改变。
[0040] 数据观看引擎166也利用无偏差数据值，提供定量信息。例如，数据观看引擎166提供对诊断类别的长期预测，例如对未来时间处认知功能水平的预后。为了实现这一点，数据观看引擎166利用在当前时间和过去时间段的患者数据(在可用时)，以反映所述患者的改变速率。数据观看引擎166也包括来自患者的家族成员的患者数据，其被存储在所述临床数据源中，以协助确定患者的认知功能。以此方式，神经科医师保持对如下患者的敏感，所述患者例如因为他们较高的教育程度而在测试上的评分较高，但已经显示有下降的认知功能的指示。数据观看引擎166也利用在当前就诊期间获得的患者数据或在不同时点的另一次就诊期间获得的其他数据，提供无偏差诊断。也预见到CDS/WM站使得神经科医师能够排除被视为无关或有偏差的患者数据。
[0041] 数据观看引擎166也提供所接收患者数据的量化分析，包括筛选评价，例如心理测试、生物标记、图像数据等。该量化的目的是实现所述患者数据与正常对照对象、被证实患有特定疾病形式的患者以及患有前驱疾病(MCI)的患者等的群体内的典型可变性范围的比较。例如，数据观看引擎166生成并显示图表，其显示正常患者典型记录的平均评分、MCI患者典型记录的平均评分、AD患者获得的平均评分以及当前患者的评分。这样的参考值是从CDS/WM系统100的临床数据源162获得的。也预见到所述参考值是从存储在临床数据源162中的文献、研究模型等输入的。也预见到所述参考值包括百分数值、关于平均数的标准误差等。为了支持对患者数据的解读，数据观看引擎166对应于参考值的位置定位当前患者的评分。例如，如果当前患者的评分位于MCI与AD之间，则给予神经科医师以下直接印象：患者的当前状态接近从MCI到AD的转变。数据观看引擎166也提供对生物标记信息的分析和趋势信息，所述生物标记信息例如为基于基因的生物标记，例如采样自脑脊液(CSF)的β-淀粉样蛋白(Aβ)累积。数据观看引擎166也提供医学图像的量化信息。例如，所述数据观看引擎提供关于海马体积和从MRI图像确定的心室尺寸以及在PET图像中描绘的代谢水平的信息。
[0042] 数据观看引擎166也基于单个点数据提供对痴呆进展的预后。已广泛承认，在广泛的临床范围上发现AD的相同组织病理学。针对该事实已提供了若干解释，例如，认知储备作用、大脑补偿能力。在医学成像技术，例如功能MRI(fMRI)的帮助下，在患有重度AD病理的患者中观察到更为分散的大脑活动，但几乎不显示临床认知损伤。该观察指示，可以由大脑的其他部分补偿因AD造成的可能有缺陷的大脑区域的功能。该补偿能力能够延迟临床痴呆的出现，和/或减缓痴呆进展，而无论AD的稳定病理学进展。通过正确测量该补偿能力，能够基于单点患者数据，进行对痴呆进展的可靠预后。尽管这样的补偿能力可能因人而异且因时间而异，但仍能够将具有类似补偿能力的患者挑选到子组中。因此，每个子组的AD病理学与临床认知损伤之间的相关性能够比总群体的更强。
[0043] 为了基于单点数据提供对痴呆进展的预后，数据观看引擎166计算认知损伤分期标度之间的统计相关曲线，所述计算基于至少一个生理测试评分以及对足够大群体的生物标记分期标度，在所述足够大群体中至少30％群体具有范围从早期到晚期的痴呆迹象。所述生物标记分期标度建立在至少一个特定蛋白质浓度和至少一个大脑解剖结构特征上，其每个均被归一化到已知的健康基线值并且被应用以恰当的加权因子。数据观看引擎166然后将所述群体中的个体归类为至少三个子组，这是根据至少三个子组的在给定生物标记分期标度的认知损伤标度到在对应的生物标记分期标度的统计相关曲线的距离而完成的。数据观看引擎166计算每个子组的在认知损伤分期标度与生物标记分期标度之间的组统计相关性。数据观看引擎166然后检查患者的认知损伤分期标度和生物标记分期标度，并根据其认知损伤分期标度到所述统计相关曲线的距离，识别其最佳匹配子组。通过利用所述最佳匹配子组的所述组统计相关性，确定对患者的认知损伤进展的预后。数据观看引擎166选择恰当的阈值相关系数，以确定所述子组的最优分组。也预见到选择阈值误相关，以确保所述子组之间的最小串扰。此外，能够针对年龄、教育程度、职业等，调节患者数据，以使偏差最小化。例如，利用在恰当时间跨度上的诊断数据的相同类别，分析大患者群体的诊断数据。使用至少两种生物标记，以生成所述生物标记分期标度。使用以下临床神经心理学评分MMSE、CERAD和CDR中的至少一种，以生成所述认知损伤分期标度。针对年龄以及其他可应用属性调节每组患者数据，并将其归一化到例如已知的健康值。
[0044] 风险分析引擎168基于所述患者数据，分别提供正常、MCI、AD的概率。也基于训练数据或统计模型，提供置信水平。为了提供所述概率和置信水平，风险分析引擎168利用贝叶斯分析、统计分析等，相对于正常对照对象、被证实患有特定疾病形式的患者以及患有前驱疾病(MCI)的患者的群体的患者数据来分析当前患者数据。例如，风险分析引擎166评价所述患者数据，并利用所述患者数据取得任意最优数据特征。报告引擎然后利用训练数据或统计模型，以计算对所述患者数据的诊断的风险概率概况和置信水平。
[0045] 默认情况下，风险分析引擎166选择所述患者数据的最优特征，以提供所述概率，然而，也基于经验、偏好或对特定测试的信任，为用户提供使用任意期望特征的选择。风险分析引擎168也利用来自所述患者数据的不同时间点的特征，并为用户提供对与诊断相关的任意特征的灵活选择。风险分析引擎168提供对患者的认知损伤的自动分期。为了提供完整分析，风险分析引擎168利用如下模型，其提供用于选择最优特征的机制。在临床设定中，另外的情况可能出现，籍此可获得的诊断信息是不完整的，或者仅测试结果的子集被认为是可靠的。也预见到风险分析引擎168被预先配置有如下参数化模型，所述参数化模型相对于患者数据的可获得特征的全部可预见组合被训练。
[0046] 报告引擎174提供关于患者的就诊的综合报告，包括对患者的首次会面的印象的概要、对患者的风险分析结果的概要、对在扫描连同图像上的发现的概要等。报告引擎174也基于患者的所有可获得信息，包括神经心理学测试、扫描和生物标记，自动地向神经科医师提供推荐或指导，包括生活方式改变、下一次扫描和测试预约、药物处方等。
[0047] 报告引擎174提供将医疗机构的临床协议具体化的指导或推荐。临床协议通常包括根据患者信息和临床问题的一个或多个优选护理步骤以及针对所述(一个或多个)护理步骤的发生的计时或序列。此外，临床协议通常包括利用关联指令执行特定护理步骤的推荐。预见到临床协议源自于临床指导，但也预见到用于得出临床协议的其他方式。适当地，所述指导或推荐被存储在指导数据库170中，并按临床问题索引。然而，预见到所述指导或推荐被存储在、医疗机构的其他部件中。
[0048] 为了提供所述推荐或指导，报告引擎174创建被存储在指导数据库166中的所述推荐或指导的实例，所述实例相关于由与医疗机构服务的患者相关联的临床问题。存储在指导数据库166中的所述指导和推荐是根据公开的临床指导、病历数据、公开的临床数据与结果文献等创建的。也预见到由通过使用所述临床数据源提供的病历数据作为基础并包含当前患者就诊信息(和公开的临床指导)的机器学习技术生成的规则，提供所述指导和推荐。例如，当患有特定临床问题的患者被收入医疗机构时，CDS/WM系统110将所述指导或推荐中的一个或多个置于与所述患者相关的指导数据库170中，并针对所述患者创建针对这些推荐或指导中的每一个或多个的实例。推荐或指导的实例是，通过向所述报告引擎逻辑应用针对特定患者的患者和工作流程数据，而为该患者定制的推荐或指导的副本。所述实例被适当地维护在实例数据库172中并按患者索引。然而，预见到所述实例被存储在医疗机构的其他部件中。
[0049] 为了提供推荐或指导，报告引擎174利用机器学习技术，利用从可获得的患者数据推导的量化信息(例如距正常对照的距离、百分比范围等)的输入，以及当前患者属于正常、轻度认知损伤(MCI)或AD患者组的诊断概率，生成统计模型。报告引擎174输出推荐或指导，以执行具体护理步骤，例如针对生活方式改变、下一次扫描或测试预约、药物处方等的建议或提示。例如，生活方式改变推荐能够是对戒烟、开始执行每天1-2小时对大脑有益的活动/锻炼、电脑游戏、钢琴、风景散步等的建议。
[0050] 为了获得针对就诊患者的自动推荐，神经科医师或支持人员与所述CDS/WM系统交互，例如点击按钮，在其上基于所述量化信息生成所述推荐。此外，神经科医师有能力拒绝所计算的最佳推荐，而是选择他/她希望包括在推荐生成算法中的信息。
[0051] 报告引擎174还维护和/或更新所述推荐或指导的实例。由于与所述实例中的一个或多个相关的患者数据变得可用，所述一个或多个实例得到更新，以反映更新的患者信息。例如，随着针对特定患者执行护理步骤，预见到一个或多个关联的实例得到更新，以反映所述护理步骤已经被执行。相关的患者数据包括临床数据、工作流程数据等中的一种或多种。预见到患者数据是从医疗机构的部件(例如(一个或多个)源临床设备)直接接收的，或者是经由医疗机构的部件(例如患者信息系统106)间接接收的。
[0052] 在报告引擎174执行所述推荐或指导的同时，报告引擎174基于所述推荐或指导向(一个或多个)消费医学设备和/或医疗机构的其他部件提供临床知识。也预见到CDS/VM系统110自身可以仅为消费医学设备，并且通过其显示器向用户提供推荐和指导。如上文提及的，推荐或指导通常包括针对护理步骤的推荐。因此，随着例如通过完成护理步骤而更新推荐或指导的实例，将针对后续护理步骤的推荐和/或指令提供给相关的(一个或多个)消费医学设备中的一个或多个。在特定实施例中，(一个或多个)相关消费医学设备为于CDS/VM系统110配准的(一个或多个)消费医学设备，以接收涉及患者的临床知识。
[0053] 报告引擎172也使得神经科医师能够编辑所述推荐或指导。此外，在神经科医师保存针对当前患者的所述推荐之后，报告引擎172有能力针对未来分析或患者就诊，更新规则和推荐，以及在CDS/VM系统110中保存量化信息、诊断概率和预后结果。在新的推荐被保存在CDS/VM系统110中之后，报告引擎174将更新指导推荐算法，以生成未来推荐。
[0054] 此外，如本文中使用的，存储器包括以下中的一个或多个：非暂态计算机可读介质；磁盘或其他磁性存储介质；光盘或其他光学存储介质；随机存取存储器(RAM)、只读存储器(ROM)或其他电子存储器设备或芯片或操作性互联芯片的集合；因特网服务器，可以经由因特网或局域网从其检索所存储的指令；等等。此外，如本文中使用的，引擎包括以下中的一个或多个：微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等；通信网络包括以下中的一个或多个：因特网、局域网、广域网、无线网络、有线网络、蜂窝网络、诸如USB和I2C的数据总线等；用户输入设备包括以下中的一个或多个：鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个触发器等；并且显示器包括以下中的一个或多个：LCD显示器、LED显示器、等离子显示器、投影显示器、触摸屏显示器等。
[0055] 参考图3，图示了CDS/WM系统的数据输入接口200。如上文所提及的，数据输入接口200使得神经科医师或支持人员能够向患者的EMR中输入患者数据和临床信息，包括由神经科医师从患者的首次会面获悉的信息。例如，数据输入接口200包括患者信息区域202，神经科医师或支持人员在该区域中输入患者的姓名204、ID 206、生日208、就诊日期
210、受教育年限212、性别214等。数据输入接口200也包括家族历史区域216，其使得神经科医师或支持人员能够输入患者的家族历史，包括涉及一级亲属218的信息、一级亲属的死亡年龄220、一级亲属的AD诊断、尸检信息224、脑卒中信息22等。也预见到数据输入接口200包括合适的部件，该部件使得患者或他们的亲属能够输入他们自己的人口统计信息，例如年龄、受教育年限、性别等。数据输入接口200还包括允许神经科医师输入以下信息的部分，所述信息对应于在AD体征228方面对患者的首次印象的评估，包括记忆丧失的显著性230、智能上的挑战232、完成熟悉任务的困难度234、对时间和地点的困惑236、理解视觉图像和空间关系的障碍238、说与写的问题240、回溯路途或记忆位置的能力242、降低的或差的判断力244、退出工作或社会环境246、情绪或个性的改变248等。数据输入接口
200也包括评论区域250，其使得神经科医师或支持人员能够向CDS/WM系统中输入任意额外的患者或临床信息。数据输入接口200也使得用户能够选择所述系统是否将利用影像归档与通信系统等252对本地数据库进行整合。应认识到，数据输入接口200包括使得神经科医师或支持人员能够输入各种患者和临床信息的其他区域。
210、受教育年限212、性别214等。数据输入接口200也包括家族历史区域216，其使得神经科医师或支持人员能够输入患者的家族历史，包括涉及一级亲属218的信息、一级亲属的死亡年龄220、一级亲属的AD诊断、尸检信息224、脑卒中信息22等。也预见到数据输入接口200包括合适的部件，该部件使得患者或他们的亲属能够输入他们自己的人口统计信息，例如年龄、受教育年限、性别等。数据输入接口200还包括允许神经科医师输入以下信息的部分，所述信息对应于在AD体征228方面对患者的首次印象的评估，包括记忆丧失的显著性230、智能上的挑战232、完成熟悉任务的困难度234、对时间和地点的困惑236、理解视觉图像和空间关系的障碍238、说与写的问题240、回溯路途或记忆位置的能力242、降低的或差的判断力244、退出工作或社会环境246、情绪或个性的改变248等。数据输入接口
200也包括评论区域250，其使得神经科医师或支持人员能够向CDS/WM系统中输入任意额外的患者或临床信息。数据输入接口200也使得用户能够选择所述系统是否将利用影像归档与通信系统等252对本地数据库进行整合。应认识到，数据输入接口200包括使得神经科医师或支持人员能够输入各种患者和临床信息的其他区域。
[0056] 图4图示CDS/WM系统的数据观看接口300。数据观看接口300提供以支持对所收集数据的解读的形式呈现的量化和统计信息。所述数据观看引擎不仅提供用户接口以显示所述统计数据，而且还提供所述数据与表示合适的对照群体的合适的参考数据的清晰比较。具体地，数据观看引擎300提供对以上类型的数据的量化分析，包括筛选评价302，例如心理测试304、生物标记306以及扫描308等。针对心理测试304，数据观看接口300显示量化信息，其实现与正常对照对象、被证实患有特定疾病形式的患者以及患有常被称作轻度认知损伤(MCI)的前驱疾病的患者的群体内的典型可变性范围的比较。具体地，数据观看接口300使得神经科医师或支持人员能够观看来自特定心理测试的结果或评分，所述心理测试包括MMSE、AD8等。例如，数据观看接口300包括图表310，其显示正常患者典型记录的平均评分312、MCI患者典型记录的平均评分314以及AD患者获得的平均评分316，从而实现与当前患者的评分318的比较。如所示，当前患者的评分位于MCI与AD之间，其为医师给出该患者的当前状态接近从MCI到AD的转变的直接印象。数据观看接口300也包括图表320，其图示患者的MMSE评分在近三年的改变。数据观看接口300也显示来自心理测试的详细结果322，或针对MMSE测试上的每个问题的结果。数据观看接口300也包括对患者信息324的概要，以及患者的就诊史的时间线326。应认识到，数据观看接口300显示其他患者和临床信息，使得神经科医师或支持人员能够解读心理测试的结果。还应预见到，数据观看接口300可由观看的神经科医师或支持人员定制。
[0057] 图5图示CDS/WM系统的另一数据观看接口400。数据观看引擎400提供以上类型数据的量化信息，包括筛选评价402，例如心理测试404、生物标记406以及扫描408等。针对生物标记信息406，数据观看接口300显示来自各种生物标记的结果的量化信息，所述各种生物标记包括脑脊液(CSF)、APOE 4基因型等。例如，数据观看接口400显示与CSF有关的量化信息，其最常见地是通过(通常在第三与第四腰椎之间的)腰椎穿刺获得的。
AD(淀粉样蛋白斑的累积)与β-淀粉样蛋白(42)，τ、τ181、τ/β-淀粉样蛋白(42)和τ(181)/β-淀粉样蛋白(42)高度相关。如在数据观看接口400中所示，针对当前患者的每种生物标记的信息均以随时间的趋势的格式，被显示在图表410中。在每个图表410中，所述信息的正常值的平均与当前患者的值一起被显示。例如，β-淀粉样蛋白显示减少的趋势，并且所述值低于平均值，而τ、τ181、τ/β-淀粉样蛋白(42)和τ(181)/β-淀粉样蛋白(42)显示增加的趋势，所述值分别在平均值以上，这是针对MCI和AD患者的典型趋势。应认识到，数据观看接口400显示使得神经科医师或支持人员能够解读生物标记的结果的其他生物标记信息。也应预见到，数据观看接口400可由观看的神经科医师或支持人员定制。
AD(淀粉样蛋白斑的累积)与β-淀粉样蛋白(42)，τ、τ181、τ/β-淀粉样蛋白(42)和τ(181)/β-淀粉样蛋白(42)高度相关。如在数据观看接口400中所示，针对当前患者的每种生物标记的信息均以随时间的趋势的格式，被显示在图表410中。在每个图表410中，所述信息的正常值的平均与当前患者的值一起被显示。例如，β-淀粉样蛋白显示减少的趋势，并且所述值低于平均值，而τ、τ181、τ/β-淀粉样蛋白(42)和τ(181)/β-淀粉样蛋白(42)显示增加的趋势，所述值分别在平均值以上，这是针对MCI和AD患者的典型趋势。应认识到，数据观看接口400显示使得神经科医师或支持人员能够解读生物标记的结果的其他生物标记信息。也应预见到，数据观看接口400可由观看的神经科医师或支持人员定制。
[0058] 参考图6,图示CDS/VM系统的另一数据观看接口500。数据观看引擎500提供以上类型数据的量化信息，包括筛选评价502，例如心理测试504、生物标记506以及扫描508等。针对扫描508，数据观看接口500显示来自各种医学图像的结果的量化信息，所述各种医学图像包括MRI、FDG-PET、PIB等。例如，数据观看接口500显示FDG-PET图像510(FDG为放射标记的葡萄糖)，其描绘患者在每个位置处的代谢水平。数据观看接口500在立体方案上将图像归一化(即，与模版图像的弹性配准)，以易于解读。这允许对健康患者的正常集体的逐体素比较。统计测试实现了对显著的代谢减退的识别。代谢减退的空间分布(图案)指示特定疾病。也应认识到，数据观看接口500也提供MRI图像的量化信息，例如海马体积和心室尺寸。已知针对AD患者，海马体的体积将与正常患者相比较显著缩小。针对MRI图像，数据观看接口500提供海马体的体积和心室尺寸的趋势信息，以及在各个时间取得的患者的各种MRI图像。应认识到，数据观看接口500显示使得神经科医师或支持人员能够解读扫描的结果的其他扫描信息。也应预见到，数据观看接口500可由观看的神经科医师或支持人员定制。
[0059] 参考图7，图示CDS/VM系统的风险分析接口600。所述风险分析接口分别提供正常、MCI和AD诊断602的概率的概率图表。所述风险分析接口也提供正常、MCI和AD的概率的置信水平图表604。风险分析接口600也允许神经科医师或支持人员选择在确定正常、MCI和AD的概率时将考虑哪些信息。例如，风险分析接口600包括筛选评价，例如心理测试606、生物标记608以及扫描610等。风险分析接口600也包括对患者信息612的概要，以及患者的就诊史的时间线614。应认识到，风险分析接口600显示使得神经科医师或支持人员能够解读与各种诊断相关联的风险的其他风险分析和概率信息。也应预见到，风险分析接口600可由观看的神经科医师或支持人员定制。
[0060] 图8图示CDS/WM系统的报告接口700。报告接口700提供关于患者的就诊的综合报告，例如对患者的首次会面的印象的概要、对患者的风险分析结果的概要以及对在扫描连同图像上的发现的概要。报告接口700也基于患者的所有可获得信息(包括神经生理学测试、扫描以及生物标记)，自动地向神经科医师提供推荐，例如生活方式改变、下一次扫描和测试预约、药物处方等。报告接口700也允许神经科医师编辑推荐702。报告接口700包括针对患者的首次会面概要706，诊断概要708以及关于药物处方、生活方式改变等的推荐710。报告接口700也显示与所述患者相关联的工作流程数据712，以及患者信息的概要714。应认识到，报告接口700显示使得神经科医师或支持人员能够观看其他报告或推荐的其他报告信息。也应预见到，报告接口700可由观看的神经科医师或支持人员定制。
[0061] 图9图示CDS/WM系统的中值相关曲线800接口。在生物标记评估与临床神经生理评分之间的中值相关曲线800是从作为参考的大群体的临床数据生成的。将患者的数据与中值相关进行比较，并且测量其到相关曲线的神经生理评分距离，作为个体大脑补偿能力。该补偿能力被用于校准对个体的痴呆进展的预后。中值相关曲线接口800包括其认知损伤距离在基础群体以上的子组的相关曲线802、整个群体804的相关曲线、以及其认知损伤距离在基础群体以下的子组的相关曲线806。中值相关曲线接口800也包括整个群体的均方差边界808。为了进行针对痴呆进展的预后，处理单个时间点的患者的数据以用于恰当的调节和归一化，以得到对应的标度参数。检查其认知损伤标度到整个基础群体的相关曲线的距离，确定其子组归属，并使用匹配的子组的相关性，以得到患者的痴呆进展。
[0062] 图10图示根据本公开的各方面的CDS/WM系统900的操作。在步骤902中，神经科医师启动自动系统，以生成针对当前患者的推荐。在步骤904中，从针对新病例的可用扫描，计算图像特征。在步骤906中，取得所有有价值的非成像信息(测试、基因型信息)。在步骤908中，基于针对每个数据的统计模型，生成量化信息。在步骤910中，确定正常、MCI或AD的诊断。在步骤912中，生成推荐的模型。在步骤914中，推荐被呈现给神经科医师。
[0063] 图11图示根据本公开的各方面的CDS/WM系统1000的另一种操作。在步骤1002中，从针对大群体的每位患者的原始数据，计算生物标记分期标度和认知损伤分期标度。在步骤1004中，计算在整个群体的两个标度参数之间的统计相关曲线。在步骤1006中，将患者数据归类成至少三个子组，这是根据所述至少三个子组的认知损伤标度到整个群体的相关曲线的距离完成的。在步骤1008中，计算每个子组的两个标度参数之间的统计相关曲线。在步骤1010中，处理并检查将要被预后的患者的一个时间点的患者数据，以找到最佳匹配子组，这是根据该子组的认知损伤标度到整个群体的所述相关曲线的距离完成的。在步骤1012中，匹配组的相关曲线被用于对患者的认知损伤的进展进行预测。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基板管理控制器BMC配置初始化的方法及装置 | 2020-05-18 | 0 |
| 原子存储器更新单元和方法 | 2020-07-28 | 0 |
| 用于使用第二屏幕设备来与内容交互的方法、系统和介质 | 2020-12-16 | 1 |
| 用于控制道路车辆队列的方法和道路车辆队列 | 2021-02-12 | 2 |
| 硬件辅助的垃圾收集 | 2020-11-25 | 0 |
| 半自动闭塞铁路钢轨断轨监测系统及方法 | 2021-03-24 | 1 |
| 一种针对孔径编码超分辨光学传递函数的标定方法 | 2021-03-28 | 1 |
| AUTOMATED MECHANICAL HANDLING SYSTEMS FOR INTEGRATED CIRCUIT FABRICATION, SYSTEM COMPUTERS PROGRAMMED FOR USE THEREIN, AND METHODS OF HANDLING A WAFER CARRIER HAVING AN INLET PORT AND AN OUTLET PORT | 2022-12-21 | 1 |
| 一种飞钉自冲铆接装置 | 2020-12-10 | 0 |
| 一种自循迹焊缝探伤机器人 | 2021-01-15 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈