從個體內(nèi)時間方差異方差性發(fā)展健康信息特征提取的制作方法
【專利摘要】方法、系統(tǒng)和/或計算機程序產(chǎn)品自動提取和選擇指示健康護理中的個體后果和個性化計劃選擇的方差相關特征的最優(yōu)集合。產(chǎn)生包含時間異方差性特征的候選方差相關病人特征的提取集合。通過識別各病人特征的方差和異方差性被最大化的時間周期，優(yōu)化來自候選方差相關病人特征的提取集合的各病人特征，其中，該優(yōu)化產(chǎn)生來自各病人特征的方差和異方差性被最大化的時間周期的方差相關病人特征的最優(yōu)提取集合。然后對當前病人使用方差相關病人特征的最優(yōu)提取集合，以預測特定后果和/或產(chǎn)生個性化健康護理治療計劃。
【專利說明】
從個體內(nèi)時間方差異方差性發(fā)展健康信息特征提取
技術領域
[0001]本公開內(nèi)容涉及計算機的領域，特別是涉及使用計算機分析數(shù)據(jù)。更具體而言，本公開內(nèi)容涉及提取和選擇與健康護理病人有關的方差相關特征的最優(yōu)集合。
【背景技術】
[0002]疾病自管理程序和介入/護理計劃監(jiān)視程序由于不能系統(tǒng)性地利用病人產(chǎn)生的信息、特別是需要對測量的時間上下文的有技巧的解釋的那些信息(例子包括但不限于病人隨時間的體重、膽固醇水平、血糖水平等)而受到限制。雖然現(xiàn)有技術(幾種移動應用和基于網(wǎng)絡的門戶)幫助捕獲和存儲相關數(shù)據(jù)，但是它們確定對該個體最敏感的適當度量的能力是受限或者不存在的。這是由于這些技術不關于疾病進展、醫(yī)療簡檔和對臨床關鍵性能指標(KPI)具有影響的護理的其它方面考慮個體的特定情況。

【發(fā)明內(nèi)容】

[0003]方法、系統(tǒng)和/或計算機程序產(chǎn)品自動提取和選擇指示健康護理中的個體后果(outcome)和個性化計劃選擇的方差相關特征的最優(yōu)集合。產(chǎn)生包含時間異方差性特征的候選方差相關病人特征的提取集合。通過識別各病人特征的方差和異方差性被最大化的時間周期，優(yōu)化來自候選方差相關病人特征的提取集合的各病人特征，其中，所述優(yōu)化根據(jù)各病人特征的方差和異方差性被最大化的時間周期產(chǎn)生方差相關病人特征的最優(yōu)提取集合。方差相關病人特征的最優(yōu)提取集合與病人群體的歷史數(shù)據(jù)集合比較，以產(chǎn)生方差相關病人特征的預測集合，其中，方差相關病人特征的預測集合預測病人群體的目標健康相關后果。對當前病人產(chǎn)生方差相關病人特征的當前病人最優(yōu)集合。病人群體的方差相關病人特征的最優(yōu)集合與當前病人的方差相關病人特征的當前病人最優(yōu)集合比較。響應于病人群體的方差相關病人特征的最優(yōu)集合在預定限制內(nèi)匹配當前病人的方差相關病人特征的當前病人最優(yōu)集合，確定目標健康相關后果是否匹配當前病人的預定健康相關后果。響應于目標健康相關后果匹配當前病人的預定健康相關后果，發(fā)出與當前病人的預定健康相關后果相關的警告。
【附圖說明】
[0004]下面，參照附圖，僅作為例子描述本發(fā)明的實施例，其中，
[0005]圖1示出可實現(xiàn)本公開內(nèi)容的示例性系統(tǒng)和網(wǎng)絡；
[0006]圖2示出用于發(fā)展健康信息特征提取的示例性架構和處理；
[0007]圖3示出病人健康測量的模擬序列；
[0008]圖4示出圖3所示的病人健康測量的估計趨勢方差；
[0009]圖5示出病人健康測量的另一模擬序列；
[0010]圖6示出圖5所示的病人健康測量的隨時間的方差趨勢(VAROT);
[0011]圖7是根據(jù)在圖5所示的測量中使用的不同觀察窗口的各種增量周期的排列的VAROT測量的表；
[0012]圖8是由一個或更多個處理器執(zhí)行以提取和選擇指示健康護理中的個體后果和個性化計劃選擇的方差相關特征的最優(yōu)集合的一個或更多個操作的高級別流程圖。
【具體實施方式】
[0013]本發(fā)明可以是系統(tǒng)、方法和/或計算機程序產(chǎn)品。計算機程序產(chǎn)品可以包括計算機可讀存儲介質，其上具有用于使處理器執(zhí)行本發(fā)明的各個方面的計算機可讀程序指令。
[0014]計算機可讀存儲介質可以是可以保持和存儲由指令執(zhí)行設備使用的指令的有形設備。計算機可讀存儲介質例如可以是一一但不限于一一電存儲設備、磁存儲設備、光存儲設備、電磁存儲設備、半導體存儲設備或者上述的任意合適的組合。計算機可讀存儲介質的更具體的例子的非窮舉的列表包括:便攜式計算機盤、硬盤、隨機存取存儲器(RAM)、只讀存儲器(ROM)、可擦除可編程只讀存儲器(EPRO1^XI存)、靜態(tài)隨機存取存儲器(SRAM)、便攜式壓縮盤只讀存儲器(CD-ROM)、數(shù)字多功能盤(DVD)、記憶棒、軟盤、機械編碼設備(諸如其上存儲有指令的打孔卡或凹槽內(nèi)凸起結構)、以及上述的任意合適的組合。這里所使用的計算機可讀存儲介質不被解釋為瞬時信號本身，瞬時信號諸如無線電波或者其他自由傳播的電磁波、通過波導或其他傳輸媒介傳播的電磁波(例如，通過光纖纜線的光脈沖)、或者通過電線傳輸?shù)碾娦盘枴?br>[0015]這里所描述的計算機可讀程序指令可以從計算機可讀存儲介質下載到各個計算/處理設備，或者經(jīng)由網(wǎng)絡下載到外部計算機或外部存儲設備，該網(wǎng)絡例如因特網(wǎng)、局域網(wǎng)、廣域網(wǎng)和/或無線網(wǎng)。網(wǎng)絡可以包括銅傳輸電纜、光傳輸光纖、無線傳輸、路由器、防火墻、交換機、網(wǎng)關計算機和/或邊緣服務器。每個計算/處理設備中的網(wǎng)絡適配卡或者網(wǎng)絡接口從網(wǎng)絡接收計算機可讀程序指令，并轉發(fā)該計算機可讀程序指令，以供存儲在各個計算/處理設備中的計算機可讀存儲介質中。
[0016]用于執(zhí)行本發(fā)明的操作的計算機可讀程序指令可以是匯編指令、指令集架構(ISA)指令、機器指令、機器相關指令、微代碼、固件指令、狀態(tài)設置數(shù)據(jù)、或者以一種或多種編程語言的任意組合編寫的源代碼或目標代碼，所述編程語言包括面向對象的編程語言一諸如Java、Smal I talk、C++等，以及常規(guī)的過程式編程語言一諸如“C”編程語言或類似的編程語言。計算機可讀程序指令可以完全地在用戶計算機上執(zhí)行、部分地在用戶計算機上執(zhí)行、作為一個獨立的軟件包執(zhí)行、部分在用戶計算機上部分在遠程計算機上執(zhí)行、或者完全在遠程計算機或服務器上執(zhí)行。在后者的情形中，遠程計算機可以通過任意種類的網(wǎng)絡一包括局域網(wǎng)(LAN)或廣域網(wǎng)(WAN)—連接到用戶計算機，或者，可以連接到外部計算機(例如利用因特網(wǎng)服務提供商來通過因特網(wǎng)連接)。在一些實施例中，通過利用計算機可讀程序指令的狀態(tài)信息來個性化定制電子電路，包括例如可編程邏輯電路、現(xiàn)場可編程門陣列(FPGA)或可編程邏輯陣列(PLA)的電子電路可以執(zhí)行計算機可讀程序指令，從而實現(xiàn)本發(fā)明的各個方面。
[0017]這里參照根據(jù)本發(fā)明實施例的方法、裝置(系統(tǒng))和計算機程序產(chǎn)品的流程圖和/或框圖描述了本發(fā)明的各個方面。應當理解，流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合，都可以由計算機可讀程序指令實現(xiàn)。
[0018]這些計算機可讀程序指令可以提供給通用計算機、專用計算機或其它可編程數(shù)據(jù)處理裝置的處理器，從而生產(chǎn)出一種機器，使得這些指令在經(jīng)由計算機或其它可編程數(shù)據(jù)處理裝置的處理器執(zhí)行時，產(chǎn)生了實現(xiàn)流程圖和/或框圖中的一個或多個方框中規(guī)定的功能/動作的裝置。也可以把這些計算機可讀程序指令存儲在計算機可讀存儲介質中，這些指令使得計算機、可編程數(shù)據(jù)處理裝置和/或其他設備以特定方式工作，從而其上存儲有指令的計算機可讀存儲介質包括制造品，該制造品包括實現(xiàn)流程圖和/或框圖中的一個或多個方框中規(guī)定的功能/動作的各個方面的指令。
[0019]也可以把計算機可讀程序指令加載到計算機、其它可編程數(shù)據(jù)處理裝置、或其它設備上，使得一系列操作步驟在計算機、其它可編程數(shù)據(jù)處理裝置或其它設備上被執(zhí)行，以產(chǎn)生計算機實現(xiàn)的處理，從而使得在計算機、其它可編程裝置、或其它設備上執(zhí)行的指令實現(xiàn)流程圖和/或框圖中的一個或多個方框中規(guī)定的功能/動作。
[0020]現(xiàn)在參照附圖、特別是參照圖1，示出可被本發(fā)明的實現(xiàn)方式利用和/或在本發(fā)明的實現(xiàn)方式中使用的示例性系統(tǒng)和網(wǎng)絡的框圖。注意，為計算機102示出或者在計算機102中示出的包括示出的硬件和軟件的示例性架構中的一些或全部可被部署服務器150和/或數(shù)據(jù)存儲系統(tǒng)152的軟件利用。
[0021]示例性計算機102包括與系統(tǒng)總線106耦合的處理器104。處理器104可利用分別具有一個或更多個處理器核的一個或更多個處理器。驅動/支持顯示器110的視頻適配器108也與系統(tǒng)總線106耦合。系統(tǒng)總線106經(jīng)由總線橋112與輸入/輸出(I /0)總線114耦合。I /0接口 116與I/O總線114耦合。I/O接口 116提供與包括鍵盤118、鼠標120、媒介托盤122(可包含諸如CD-ROM驅動的存儲設備、多媒體接口等)、打印機124和外部USB端口 126的各種I/O設備通信。雖然與I/O接口 116連接的端口的格式可以是計算機架構領域的技術人員已知的任一種，但是在一個實施例中，這些端口中的一些或全部是通用串行總線(USB)端口。
[0022]如圖所示，計算機102能夠通過使用網(wǎng)絡接口130與軟件部署服務器150通信。網(wǎng)絡接口 130是硬件網(wǎng)絡接口，諸如網(wǎng)絡接口卡(NIC)等。網(wǎng)絡128可以是諸如因特網(wǎng)的外部網(wǎng)絡或諸如以太網(wǎng)或虛擬專用網(wǎng)絡(VPN)的內(nèi)部網(wǎng)絡。
[0023]硬驅動接口 132也與系統(tǒng)總線106耦合。硬驅動接口 132與硬驅動134對接。在一個實施例中，硬驅動134填充系統(tǒng)存儲器136，該系統(tǒng)存儲器136也與系統(tǒng)總線106耦合。系統(tǒng)存儲器被定義為計算機102中的最低級別的易失性存儲器。該易失性存儲器包含附加的更高級別的易失性存儲器(未示出)，包括但不限于緩存存儲器、寄存器和緩沖器。填充系統(tǒng)存儲器136的數(shù)據(jù)包含計算機102的操作系統(tǒng)(0S)138和應用程序144。
[0024]OS 138包含用于提供對諸如應用程序144的資源的透明用戶訪問的外殼(shell)140。一般地，外殼140是提供解釋器和用戶與操作系統(tǒng)之間的界面的程序。具體而言，外殼140執(zhí)行鍵入命令行用戶接口中或來自文件的命令。因此，也稱為命令處理器的外殼140—般是最高級別的操作系統(tǒng)軟件層級并且用作命令解釋器。外殼提供用戶提示、解釋通過鍵盤、鼠標或其它用戶輸入媒介鍵入的命令并且向操作系統(tǒng)的適當?shù)妮^低級別(例如，內(nèi)核142)發(fā)送解釋命令以用于處理。注意，雖然外殼140是基于文本的、面向行的用戶接口，但本發(fā)明同樣很好地支撐其它的用戶接口模式，諸如圖形、聲音、手勢等。
[0025]如圖所示，OS 138還包括包含用于OS 138的較低級別的功能的內(nèi)核142，這些功能包括提供OS 138的其它部分和應用程序144需要的基本服務，包含存儲器管理、處理和任務管理、盤管理和鼠標和鍵盤管理。
[0026]應用程序144包含以示例性方式示為瀏覽器146的呈現(xiàn)器。瀏覽器146包含使得萬維網(wǎng)(Wffff)客戶端(g卩，計算機102)能夠通過使用超文本傳輸協(xié)議(HTTP)消息傳送關于因特網(wǎng)發(fā)送和接收網(wǎng)絡消息從而使得能夠實現(xiàn)與軟件部署服務器150和其它計算機系統(tǒng)的通信的程序模塊和指令。
[0027]計算機102的系統(tǒng)存儲器(以及軟件部署服務器150的系統(tǒng)存儲器)中的應用程序144還包含個體內(nèi)時間方差異方差性分析邏輯(IITVHAL)HSt3IITVHAL 148包含用于實現(xiàn)后面描述的處理的代碼，這些處理包括在圖2?8中描述的那些。在一個實施例中，計算機102能夠從軟件部署服務器150下載IITVHAL 148，包含以按需方式，其中，IITVHAL 148中的代碼在需要執(zhí)行之前不被下載。還應注意，在本發(fā)明的一個實施例中，軟件部署服務器150執(zhí)行與本發(fā)明相關的所有功能(包含執(zhí)行IITVHAL 148)，由此使得計算機102不必使用其自身的內(nèi)部計算資源以執(zhí)行IITVHAL 148。
[0028]注意，在計算機102中示出的硬件元件不是詳盡的，而是代表性的，以強調(diào)本發(fā)明所需要的基本部件。例如，計算機102可包含替代性的存儲器存儲設備，諸如磁盤、數(shù)字多功能盤(DVD)和伯努利(Bernoulli)盒等。這些和其它變型要處于本發(fā)明的精神和范圍內(nèi)。
[0029]現(xiàn)在參照圖2，給出用于發(fā)展健康信息特征提取的示例性結構和處理。在一個實施例中是圖1所示的計算機102的系統(tǒng)200包括一般群體部件202和個體病人部件204。在一般群體部件202和個體病人部件204內(nèi)的是執(zhí)行描述的步驟I?5中的一個或更多個的一個或更多個處理器(諸如在圖1中示出但在圖2中沒有示出的處理器104)。
[0030]在步驟I中，產(chǎn)生候選特征的提取。提取/產(chǎn)生的候選特征隨時間改變。即，候選特征的提取產(chǎn)生病人的一個或更多個生物特征如何隨時間改變的模型，以便形成候選方差相關病人特征的提取集合。如這里描述的那樣，病人特征的這些方差是時間異方差的(即，在不同的時間周期中并且根據(jù)時間周期為了進行分析如何進行再分割，以不同的方式改變)。方差可以是單變量或多變量。
[0031]例如，考慮測量單一類型的生物事件的單變量模型。示例性單變量模型是測量的低血細胞計數(shù)(單一類型的生物事件)。低血細胞計數(shù)常常導致廣泛的造血干細胞的增殖，這往往會導致白血病(終點)。即，如果病人具有低血細胞計數(shù)(即，紅血細胞和/或白血細胞的數(shù)量減少)，身體將產(chǎn)生更多的造血干細胞。這些造血干細胞是形成紅血細胞(紅細胞)和白血細胞(例如，淋巴細胞)的前體細胞。在白血細胞的情況下，造血干細胞形成中間的未成熟的白血細胞，稱為母細胞(blast)。這些母細胞然后轉化為成熟的白血細胞。如果病人暴露于輻射或其他環(huán)境誘變劑而造血干細胞轉化為未成熟白血細胞暴露(母細胞)，那么這些母細胞具有突變及數(shù)量異常增加的風險(如白血病)。因此，病人血液計數(shù)的重復的負峰值(即，減少)表示病人具有較大的白血病的風險。
[0032]多變量模型，顧名思義，利用顯示方差的多個生物事件。例如，考慮病人在手術過程中經(jīng)歷了全身麻醉。經(jīng)歷全身麻醉可能會影響多個病人特征，包括解決問題的能力、記憶(短期和長期)、情緒等。通過定量測量這些特征(例如，通過功能磁共振成像(FRMI)、書面/口頭測試等)，這些多種能力的波動可被測量。如這里描述的那樣，這些波動(方差)可用于預測病人群體和/或特定病人的最終的終點(例如，認知健康的水平)。
[0033]將在本發(fā)明的一個或更多個實施例中用于預測終點的生物特征的該方差可根據(jù)它們變化多少(基于幅度)或者它們多么經(jīng)常地變化(基于頻率)。
[0034]因此，在一個實施例中，測量的方差是基于幅度的。也就是說，事件可能跨著不同的范圍波動。例如，紅血細胞的血液計數(shù)可能在第一延伸時間周期內(nèi)在3.0 (百萬細胞/微升)和6.0之間波動，并且可能在第二延伸時間周期內(nèi)在4.0和5.0之間波動。因此，基于幅度的方差在第一延伸時間周期內(nèi)(6.0-3.0 = 3.0)比在第二延伸時間周期內(nèi)(5.0-4.0 = 1.0)大。因此，該方差被稱為“基于幅度的方差”。
[0035]在一個實施例中，測量的方差可以是基于頻率的。即，事件(例如，血細胞減少、測量的認知能力等)可在不同的頻率下波動，使得測量的事件的方差在某些時間比在其它時間更常見(即，更頻繁)。例如，血細胞可在第一延伸時間周期內(nèi)每7天以循環(huán)的方式減小到水平X，并且在第二延伸時間周期內(nèi)為每3天。因此，方差的頻率在第二延伸時間周期內(nèi)(每3天)比在第一延伸時間周期內(nèi)(每7天)大。因此，該方差被稱為“基于頻率的方差”。
[0036]重新參照圖2，一旦產(chǎn)生完整特征集合(S卩，根據(jù)一個或更多個病人屬性如何隨時間改變)，完整特征集合就被優(yōu)化(步驟2)。通過分析來自完整特征集合的選擇的方差特征(即，提取/構建的病人特征)來執(zhí)行該優(yōu)化。該優(yōu)化包括識別某些方差什么時候被最大化。在本發(fā)明的一個或更多個實施例中，該優(yōu)化利用在后面詳細描述的隨時間的方差趨勢(VAROT)算法。VAROT根據(jù)觀察窗口的長度以及其中的增量周期分析方差。即，假定存在監(jiān)視病人特征的三個時間分割(觀察窗口)。不僅這些病人特征的方差在這三個時間分割之間改變，而且方差還依賴于在時間分割中的每一個中使用哪些暫時的時間周期(增量周期)。
[0037]如在圖2的步驟3中描述的那樣，一旦產(chǎn)生優(yōu)化特征子集(S卩，表示方差被最大化的時間點的模型)，來自一般群體的輸入數(shù)據(jù)源就被挖掘，以便匹配該數(shù)據(jù)與優(yōu)化特征子集。因此，匹配優(yōu)化特征子集的現(xiàn)實數(shù)據(jù)就被定位，包括預測的終點。即，步驟3找到包括優(yōu)化特征子集(包含方差何時被最大化)的數(shù)據(jù)庫以及描述對其特征匹配來自優(yōu)化特征子集的那些特征的病人出現(xiàn)的預測的終點的數(shù)據(jù)(例如，通過輸入數(shù)據(jù)庫描述的群體的疾病的開始)。
[0038]如圖2的步驟4所述，然后，比較填充的優(yōu)化特征子集(S卩，“特征群體”)與來自個體病人的數(shù)據(jù)庫206和/或數(shù)據(jù)庫208的數(shù)據(jù)。在一個實施例中，數(shù)據(jù)庫206和/或數(shù)據(jù)庫208可由圖1所示的數(shù)據(jù)存儲系統(tǒng)152提供。數(shù)據(jù)庫206包含來自特定病人的電子健康記錄/個人健康記錄(EHR/PHR)的數(shù)據(jù)。來自數(shù)據(jù)庫206的數(shù)據(jù)包括關于該特定病人的歷史數(shù)據(jù)，包括實驗室結果、X射線、臨床筆記等。數(shù)據(jù)庫208包括來自便攜式心臟監(jiān)視器、血糖監(jiān)測器和測量病人的實時狀況的其他傳感器的病人的實時數(shù)據(jù)。來自數(shù)據(jù)庫206和/或數(shù)據(jù)庫208的數(shù)據(jù)被用于產(chǎn)生優(yōu)化特征子集，其格式與在步驟2中對病人的寬泛群體產(chǎn)生的格式類似。如果在對當前病人產(chǎn)生的優(yōu)化特征子集與對一般群體產(chǎn)生的優(yōu)化特征子集(來自步驟2)之間存在匹配，那么設定警告。在一個實施例中，該警告指示，只有優(yōu)化特征子集超過該病人的特定基線，才存在這種匹配。例如，特定病人可具有常規(guī)性地波動到異常低的范圍內(nèi)的心率。然而，數(shù)據(jù)庫206確認，這名病人具有“運動員的心臟”，其中，心動過緩只是由病人的高水平狀況引起的，不是由于任何病理學原因。
[0039]如在圖2的步驟5中描述的那樣，確定優(yōu)化特征子集是否實際上匹配對特定病人期望的關鍵性能指標(KPI)。例如，假定用戶希望獲知病人是否有中風的危險。來自數(shù)據(jù)庫206和208的數(shù)據(jù)可能能夠產(chǎn)生當前病人的幾種不同的優(yōu)化特征子集。但是，只有以“中風”為終點的優(yōu)化特征子集才對預測當前病人有中風的危險有用。
[0040]類似地，由于當前病人也是一般群體的一部分，因此步驟5用當前病人的數(shù)據(jù)調(diào)整一般群體的優(yōu)化特征子集(步驟3)。
[0041]一旦在來自一般群體的特定優(yōu)化特征子集(包含期望的KPI)與當前病人的優(yōu)化特征子集之間發(fā)現(xiàn)匹配，就對當前病人產(chǎn)生個體自適應計劃(警告、介入、治療、理療)(塊210)。
[0042]現(xiàn)在給出圖2所示的步驟I?5的附加的細節(jié)。
[0043]步驟1:特征提取
[0044]特征提取限定用于預測特定狀況或事件的特定候選病人特征?，F(xiàn)在從圖3開始，圖300描繪了病人健康測量的模擬序列。這些病人健康測量可能源自病人的病史(例如，來自圖2所示的數(shù)據(jù)庫206)和/或來自傳感器的原始數(shù)據(jù)(例如，通過圖2所示的數(shù)據(jù)庫208路由)。測量結果可以是來自血液檢查值、生命體征(體溫、脈搏呼吸速率)、胰島素水平等的值。在一個實施例中，病人特征是單變量(即，只看單一類型的病人測量)。在另一個實施例中，病人特征是多變量(即，考慮多個類型的病人測量)。
[0045]因此，假設圖300通過使用具有恒定平均值(mu=100)和隨時間的非恒定方差的正態(tài)分布產(chǎn)生的描繪測量的模擬序列x(即，單個病人特征X)，長度為從開始到結束的150天。在本例子中，觀察窗口從第30天(第一垂直虛線)開始并且在第120天(最后的垂直虛線)結束。觀察窗口分成三個周期(dt)，dt = 30天。因此，第一周期是從第30天到第60天，第二周期是從第60天到第90天，第三周期是從第90天到第120天。在本例子中，周期類型被設定為“離散”(即，從起始點“O”起具有固定周期，而不是將每新的一天復位以從最后的新的一天觀看下一個30天的“滾動”周期)。最后，為了測量有效，假定約束被限定為表明各周期必須具有至少10個測量(S = 10)。
[0046I圖4示出圖400，該圖400示出圖3所示的病人健康測量的估計趨勢方差。圖400示出估計的方差及其隨時間的趨勢。三個示出的三角形是以上對圖300描述的三個周期中的每一個的樣品方差。線402通過三角形的斜率為正，由此表示在圖300中存在被測量/檢測的方差的向上的量。對于圖30所示的數(shù)據(jù)，通過普通最小二乘法(OLS)擬合的線402是估計的隨時間的方差趨勢(VAROT)。
[0047]注意，在圖400中示出的VAROT僅是估計，原因是它不考慮圖400中的三角形所示的三個時間分割中的再分割。如現(xiàn)在描述的那樣，VAROT的優(yōu)化版本考慮這種再分割。
[0048]從對預定的觀察窗口通過時間索引的測量序列提取VAR0T。一般而言，VAROT被寫為函數(shù):
[0049]VAROT = f(x,ts,wl,dt,pt,s)
[0050]這里，
[0051]X是通過時間索引的測量序列；
[0052]ts是觀察窗口的起始點；
[0053]wl是觀察窗口的長度；
[0054]dt是觀察窗口內(nèi)的一個或更多個的增量周期；
[0055]pt描述周期類型的約束(為離散周期或滾動周期)；以及
[0056]s描述稀疏化的約束(各周期中的數(shù)據(jù)可用性的最小要求)。
[0057]但是，圖4所示的VAROT僅是統(tǒng)計性近似。為了建立更有用的VAROT，VAROT被優(yōu)化，由此產(chǎn)生優(yōu)化特征子集(參見圖2中的步驟2)。
[0058]步驟2:特征優(yōu)化
[0059]獲得測量的整個序列不揭示病人的歷史中具有最陡的方差的子周期。從具有最大的方差斜率(絕對值)的子周期提取的VAROT更可能與病人在將來的后果相關。因此，優(yōu)化框架搜索返回在病人的時間索引測量中的最強VAROT信號的參數(shù)的最優(yōu)集合。
[0060]現(xiàn)在參照圖5，圖500示出病人健康測量的另一模擬序列。偶然的觀察表明，隨著時間的過去，存在更大的幅度方差的量。但是，在圖500所示的300天的整個時間周期內(nèi)，可能存在幅度更多變化的區(qū)段。即，假定一個尖峰的范圍為70?130，并且，緊挨著該70/130方差前后的尖峰為80?120。因此，70/130范圍(改變60個點)其及80/120鄰居(改變40個點)具有20(60-40)點的方差范圍差。進一步假定還存在范圍為80?120(僅改變40點)的尖峰，但是該80/120尖峰前后的尖峰僅為90/100。因此，80/120范圍(改變40點)及其90/100鄰居(改變10點)具有30(40-10)點的方差范圍差。即，雖然絕對波動范圍對于70/130尖峰(60點)來說比80/120尖峰(40點)高，但是來自先前和隨后的尖峰的范圍變化對于80/120尖峰(它與30的相鄰尖峰之間的方差范圍差)比70/130尖峰(它與20的相鄰尖峰之間的方差范圍差)大。為了識別在哪里出現(xiàn)這種最大方差范圍差，利用這里描述的VAROT式。
[0061 ]對于圖5中的圖500所示的數(shù)據(jù)點，假定使用以下的VAROT式:
[0062]VAR0T = f(x，ts = 90，wl = (30，60，90，120)，dt=(5，10，15，20，25，30，35，30) ,pt=“離散”，s = 10)
[0063 ]使用這些值，圖6中的圖600示出用于圖5所示的病人健康測量的VAROT值。注意，根據(jù)圖例602，圖600中的繪制點可以被顏色編碼，從而表示VAROT最大的時間(表示記錄數(shù)據(jù)中的最大方差)，諸如時間100?125。還應注意，VAROT結果在時間150附近最小(表示記錄數(shù)據(jù)中的最小方差)。因此，圖7中的表700表示根據(jù)在圖5所示的測量中使用的不同觀察窗口的各種增量周期的排列的VAROT測量。如表700所示，當該時間周期被分成25天的塊(dt =25)時，在時間90(ts)與時間180(wl = 90)之間出現(xiàn)最大方差(由VAROT值68.66表示)。
[0064]步驟3:特征填充
[0065]如這里描述的那樣，一旦通過使用VAROT式建立優(yōu)化特征子集，優(yōu)化特征子集就被構造為接收用于一般群體的識別輸入數(shù)據(jù)源。因此，與在步驟I?2中產(chǎn)生的提取/候選趨勢一致的數(shù)據(jù)庫填充這樣被識別的數(shù)據(jù)庫，由此使得數(shù)據(jù)在特定病人的個體水平上可用。采取該數(shù)據(jù)驅動方法，在這里，對個體得出數(shù)據(jù)，以對介入做出可靠的判斷。
[0066]注意，對于一般群體以及特定病人，可從電子健康記錄(EHR)、個人健康記錄(PHR)和設備數(shù)據(jù)獲得數(shù)據(jù)。如上所述，可對VAROT特征提取使用單變量數(shù)據(jù)以及多變量數(shù)據(jù)。
[0067]在特征產(chǎn)生中考慮的某些關鍵設計因素可被用作起始點來分析通過VAROT算法產(chǎn)生的隨時間方差矩陣(例如，圖7表示的表700)。即，當設定VAROT算法的參數(shù)時，考慮以下方面:
[0068]可用的讀數(shù)的數(shù)量；
[0069]可用讀數(shù)的頻率；
[0070]觀察的時間(S卩，總觀察周期一一從ts到ts+wl);
[0071]增量時間(g卩，每天、每周、每月、每季節(jié)一一dt);
[0072]數(shù)據(jù)敏感度(S卩，數(shù)據(jù)在多大程度上受環(huán)境狀況、季節(jié)變化、個體病人行動等影響)；
[0073]時間間隔設計(wl);
[0074]允許的波動水平(S卩，不考慮超過預定極限并因此可能是偽信號的異常尖峰)；
[0075]用于獲得實時讀數(shù)的設備的類型；
[0076]數(shù)據(jù)的稀疏化的可接受水平(S);
[0077]觀察窗口的長度(wl);
[0078]移動窗口或離散窗口(pt);
[0079]餐后/餐前考慮(S卩，影響讀數(shù)的病人活動，諸如飲食、飲酒、鍛煉等)；和
[0080]響應可變知識(S卩，解釋什么會出現(xiàn)方差的其它信息)。
[0081 ] 步驟4:警告設定
[0082]如這里描述的那樣，可以使用基線數(shù)據(jù)以理解正常方差并且構建上下控制極限。即，對達到特定終點(例如，發(fā)展醫(yī)療狀況)的病人，當當前病人的優(yōu)化特征子集匹配一般群體的優(yōu)化特征子集時，產(chǎn)生警告。一旦看到方差的趨勢，就相應設置質量控制圖和警告?；谑褂梅讲罴夹g/警告的個體校準，對健康護理提供者產(chǎn)生觸發(fā)器以看到案例管理中的反映點。
[0083]在一個實施例中，使用警告以基于病人的最有預測性的VAROT特征提示個性化護理計劃的發(fā)展。這又可幫助設計介入空間并且潛在地將其用作介入優(yōu)化的證據(jù)產(chǎn)生的基礎。
[0084]在一個實施例中，通過使用自功效介入或任何協(xié)調(diào)護理，警告用作發(fā)展堅持程序的基礎，該基礎形成病人自管理的基礎。
[0085]步驟5:用于自適應的特征學習
[0086]—旦當前病人的優(yōu)化特征子集與(醫(yī)療病人的)一般群體的優(yōu)化特征子集匹配，系統(tǒng)就驗證和重新確認選擇的提取就是用于個體的那個。即，確認病人的一般群體的優(yōu)化特征子集導致期望的終點(關鍵性能指標一 KPI)(例如，特定醫(yī)療狀況的預測)。
[0087]還應注意，不同的數(shù)據(jù)讀取由不同的事件提示。例如，當病人接受手術、開始服用某種藥物、開始物理治療時，可開始讀取病人數(shù)據(jù)。這導致產(chǎn)生(上述的)ts，該ts將影響什么數(shù)據(jù)被考慮，由此產(chǎn)生時間門，這些時間門觸發(fā)用于確定選擇的特征是否是最優(yōu)的一個的檢查。
[0088]注意，當前的VAROT處理允許系統(tǒng)根據(jù)其醫(yī)療需求區(qū)分病人。即，通過根據(jù)某類病人的VAROT值的強度預測這類病人多么可能到達某個終點(例如，發(fā)展醫(yī)療狀況)，然后可相應分配醫(yī)療資源。因此，在一個實施例中，在這里描述的處理使用統(tǒng)計建模技術(例如，混合建模)，以基于源自VAROT算法、數(shù)據(jù)可用性和數(shù)據(jù)完整性的優(yōu)化集合區(qū)分病人，以用于對同一后果的預測。
[0089]注意，如這里描述的那樣，盡管在群體的水平上執(zhí)行分析，但介入技術在個體水平上是適用的。
[0090]現(xiàn)在參照圖8，給出由一個或更多個處理器執(zhí)行以提取和選擇指示健康護理中的個體后果和個性化計劃選擇的方差相關特征的最優(yōu)集合的一個或更多個操作的高級別流程圖。
[0091]在初始塊802之后，由一個或更多個處理器產(chǎn)生候選方差相關病人特征的提取集合(塊804)。候選方差相關病人特征的提取集合是時間異方差性特征。術語“時間異方差性特征”被定義為根據(jù)I)從特征出現(xiàn)的特定事件的時間(按照在這里描述的VAROT算法中的變量ts和wl)和2)根據(jù)測量特征的時間間隔(按照VAROT算法中的變量dt)改變的特征。
[0092]如塊806所示，一個或更多個處理器通過識別各病人特征的方差和異方差性被最大化的時間周期優(yōu)化來自候選方差相關病人特征的提取集合的各病人特征，其中，該優(yōu)化產(chǎn)生來自各病人特征的方差和異方差性被最大化的時間周期的方差相關病人特征的最優(yōu)提取集合。例如，在圖6中的圖600中，VAROT式識別在時間標記90和時間標記180之間的時間跨度被分成25個單位的時間段時在該時間處被異方差性最大化(S卩，達到68.66)的特定病人特征的方差(參見表7)。
[0093]如圖8的塊808所示，一個或更多個處理器然后比較方差相關病人特征的最優(yōu)提取集合與病人群體的歷史數(shù)據(jù)集合以產(chǎn)生方差相關病人特征的預測集合。如這里描述的那樣，方差相關病人特征的這個預測集合預測病人群體的目標健康相關后果。
[0094]如圖8的塊810所示，一個或更多個處理器然后產(chǎn)生當前病人的方差相關病人特征的當前病人最優(yōu)集合。如塊812所示，一個或更多個處理器然后比較病人群體的方差相關病人特征的最優(yōu)集合與當前病人的方差相關病人特征的當前病人最優(yōu)集合。如果存在匹配(詢問塊814)(8卩，如果病人群體的方差相關病人特征的最優(yōu)集合在預定限制內(nèi)匹配當前病人的方差相關病人特征的當前病人最優(yōu)集合)，那么一個或更多個處理器確定目標健康相關后果是否匹配當前病人的預定健康相關后果(塊816)。即，進行確定以確認候選方差相關病人將實際導致期望的KPI(例如，特定疾病的診斷的預測)(詢問塊818)。
[0095]如塊820所示，如果在目標健康相關后果與當前病人的預定健康相關后果之間存在匹配，那么一個或更多個處理器發(fā)出與當前病人的預定健康相關后果相關的警告。該警告可以是疾病的危險增加的警告、推薦的預防/治療疾病的療程等。處理在終止塊822中結束。
[0096]在本發(fā)明的一個實施例中，各病人特征的方差和異方差性被最大化的時間周期通過以下步驟被識別:由一個或更多個處理器產(chǎn)生多個時間段尺寸；由一個或更多個處理器產(chǎn)生多個時間子段尺寸；由一個或更多個處理器產(chǎn)生所述多個時間段尺寸與所述多個時間子段尺寸的各種排列；以及由一個或更多個處理器識別特定時間段尺寸與特定時間子段尺寸的最優(yōu)組合，在該最優(yōu)組合內(nèi)，各病人特征的方差和異方差性被最大化。
[0097]在本發(fā)明的一個實施例中，一個或更多個處理器基于當前病人的歷史數(shù)據(jù)建立當前病人的方差相關病人特征的當前病人最優(yōu)集合內(nèi)的正常方差，其中，正常方差被預定為不預測當前病人的醫(yī)療狀況。例如，當前病人可具有慢心率，該慢心率對于該當前病人是“正?！?即，無害)。一個或更多個處理器確定當前病人的方差相關病人特征的當前病人最優(yōu)集合是否超過正常方差。響應于確定當前病人的方差相關病人特征的當前病人最優(yōu)集合超過正常方差，該一個或更多個處理器發(fā)出與當前病人的預定健康相關后果有關的警告。
[0098]在本發(fā)明的一個實施例中，當前病人的預定健康相關后果是治愈當前病人遭受的醫(yī)療狀況的醫(yī)療治療計劃的實現(xiàn)。在本實施例中，方法還包括:由一個或更多個處理器確定醫(yī)療治療計劃的實現(xiàn)是否在預定時間量內(nèi)治愈當前病人的醫(yī)療狀況;響應于確定醫(yī)療治療計劃的實現(xiàn)沒有在預定時間量內(nèi)治愈當前病人的醫(yī)療狀況，由一個或更多個處理器選擇當前病人的方差相關病人特征的新集合，以產(chǎn)生當前病人的方差相關病人特征的新的當前病人最優(yōu)集合。
[0099]在本發(fā)明的一個實施例中，一個或更多個處理器識別時間異方差性特征的趨勢，其中，正趨勢表示時間異方差性特征的方差的時間上的增加，其中，負趨勢表示時間異方差性特征的方差的時間上的減少，并且其中，正趨勢和負趨勢描述時間異方差性特征的方差的幅度隨時間的變化。響應于檢測到時間異方差性特征中的正趨勢，一個或更多個處理器發(fā)出與當前病人的預定健康相關后果有關的警告。
[0100]在本發(fā)明的一個實施例中，通過最大化隨時間的方差趨勢，由一個或更多個處理器產(chǎn)生候選方差相關病人特征的提取集合以及當前病人的方差相關病人特征，其中，
[0101]VAROT = f(x,ts,wl,dt,pt,s)
[0102]這里，
[0?03] X =預定的測量病人特點的測量，
[0104]ts =用于觀察預定的測量病人特點的觀察窗口的起始點，
[0105]wl =觀察窗口的長度，
[0106]dt =觀察窗口的子單元的長度的增量周期，
[0107]pt =觀察窗口的周期類型，其中，周期類型選自包含離散周期和滾動周期的集合，
[0108]S =在觀察窗口中在增量周期內(nèi)對X限定數(shù)據(jù)點的所需最少數(shù)量的的稀疏性約束。
[0109]在本發(fā)明的一個實施例中，在VAROT式中描述的觀察窗口的起始點通過與當前病人相關的預定事件被觸發(fā)。在本發(fā)明的一個實施例中，與當前病人有關的該預定事件是施加到當前病人的藥理協(xié)議的開端。在本發(fā)明的一個實施例中，與當前病人有關的該預定事件是對當前病人正在進行的手術。在本發(fā)明的一個實施例中，與當前病人有關的該預定事件是當前病人發(fā)生的飲食事件。
[0110]如這里描述的那樣，本發(fā)明描述幫助在新特征的提取、構建和填充中強調(diào)度量隨時間的變化(異方差性)的方法和系統(tǒng)，從而使得能夠(但不限于)在設計/監(jiān)視/適應諸如堅持的護理管理服務時使用來自該特征的洞察。系統(tǒng)還包括利用個體歷史數(shù)據(jù)以評價選定的特征提取的敏感度的學習部件。
[0111]這里描述的數(shù)據(jù)驅動方法使得能夠在不需要限定理論模型的情況下捕獲與度量相關聯(lián)的時間上下文并且還提供連續(xù)監(jiān)視選定的提取并且修改它們的能力。
[0112]用例
[0113]臨床診斷和預后
[0114]本發(fā)明的一個基本概念是，描述系統(tǒng)(或有機體)的以前的進化的生物模型的參數(shù)用作終點的預測器。該預測可以是單變量或多變量。
[0115]單變量例子
[0116]低血細胞計數(shù)導致造血干細胞的廣泛增殖。由于輻射暴露下的突變概率(最終導致白血病)高，因此血液計數(shù)動力學的某些可測量的特性可以被認為是白血病的危險因素，例如，外周血的血液計數(shù)的速度和最大下降。
[0117]多變量例子
[0118]在各種人類認知功能上收集的多變量數(shù)據(jù)和跨時間測量的它們的方差可被用于確定麻醉對認知的長期影響。在常見的認知測試的分析中獲得的一些測量用作未來病人認知健康和/或他/她的生活質量的預測器。
[0119]本發(fā)明在將方差(或其它一般化變量)分析成特征提取和它們的應用時利用兩種根本的推理(或其他廣義變量):統(tǒng)計和生物
[0120]統(tǒng)計分析
[0121]統(tǒng)計分析建立基于統(tǒng)計的預測器，以確定它們在終點中的可預測性。邏輯或線性擬合線(例如，使用最后和倒數(shù)第二值協(xié)變量之間的差值，即以前的測量的方差)最初被用作方差的趨勢的趨勢線，作為終點的預測器。這些方差可基于頻率的增加的方差或數(shù)據(jù)點的增加的方差(兩個連續(xù)數(shù)據(jù)點之間的減小的間隔)。即，不管在整個時間周期上出現(xiàn)多少方差，可存在在特定的時間周期內(nèi)出現(xiàn)的許多方差(“頻率上增加的方差”)，或者可能簡單地存在“兩個連續(xù)數(shù)據(jù)點之間的減小間隔”(即，在時間周期內(nèi)的預定時間子集內(nèi)出現(xiàn)兩個方差)。
[0122]注意，在一個或更多個實施例中，基于用于對同一后果的預測的方差因子的明顯提取，混合模型被應用于區(qū)分病人。即，這里描述的VAROT式可將某些群體/病人識別為可能具有某個預定的后果。
[0123]生物分析
[0124]雖然本發(fā)明被描述為依賴于統(tǒng)計工具，但是應當理解的是，底層數(shù)據(jù)基于生物/醫(yī)療證據(jù)，使得在數(shù)據(jù)屬性的變化性和終點之間存在相關性。即，生物模型的參數(shù)描述系統(tǒng)(或生物體)的先前演進，其在一個或多個實施例中作為終點的預測器。這種生物分析的例子包括但不限于下列示例性的用例:
[0125]輻射暴露:對暴露于輻射下時的減小的紅血細胞計數(shù)以及對為了彌補紅血細胞的損失的干細胞再生加速所收集的數(shù)據(jù)可指示白血病的風險增加。低血細胞計數(shù)導致造血干細胞的廣泛增殖。由于輻射暴露下的突變概率(最終導致白血病)高，因此血液計數(shù)動力學的某些可測量的特性可以被認為是白血病的危險因素，例如，外周血液的血液計數(shù)的速度和最大下降。
[0126]腎衰竭:對手術過程中的血壓水平收集的數(shù)據(jù)可以指示腎衰竭的風險更大。在臨床上已知，長時間低血壓導致腎衰竭。因此，在手術中血壓低于正常的數(shù)分鐘被用作腎衰竭的預測器。
[0127]心臟病:連續(xù)/穩(wěn)定的高血壓比變化的血壓問題少。與實際的升高值相比，計算的方差更是心臟疾病的預測器。
[0128]認知功能(多變量數(shù)據(jù)):對各種人類認知功能(感測、思考等)上收集的多變量數(shù)據(jù)和跨時間測量的它們的方差可被用于確定麻醉對認知的長期影響。在常見的認知測試的分析中獲得的一些測量(例如，使用因子分析或潛在的分類分析)用作未來病人認知健康和/或他/她的生活質量的預測器。
[0129]所有這些用例都能夠利用這里描述的VAROT式來準確地預測一個或多個特定后果/結果。
[0130]個性化治療
[0131]基于由這里描述的基于VAROT的處理識別的預測后果/結論/結果/終點，(即，捕獲跨時間方差以用于個體預后)，可然后產(chǎn)生個性化護理計劃和堅持程序。產(chǎn)生定制的治療計劃或特定介入為提供者或病人產(chǎn)生有利的臨床可行觀點。例如，根據(jù)響應變量是體重管理的跨時間的方差，可采用導致生活方式和營養(yǎng)調(diào)整的個性化治療計劃。
[0132]本發(fā)明的一個或更多個實施例因此對個性化醫(yī)療/預測醫(yī)學領域有用。預測醫(yī)學的目標是預測未來疾病的概率，使健康護理專業(yè)人員和患者本身可以在實行生活方式調(diào)整和增加醫(yī)師監(jiān)視上積極主動。例如，如果病人被發(fā)現(xiàn)具有黑色素瘤的風險增加，那么可訂購由皮膚科醫(yī)生或內(nèi)科醫(yī)生進行一年兩次的全身皮膚檢查。類似地，如果患者被發(fā)現(xiàn)心律不齊的風險增加，那么可訂購由心臟病專家進行的EKG和心臟病學檢查。同樣地，如果患者被發(fā)現(xiàn)乳腺癌的風險增加，那么可訂購每六個月的交替核磁共振或乳房X射線檢查。因此，使用這里描述的基于VAROT的處理，數(shù)據(jù)分析可以用在個性化醫(yī)療/預測醫(yī)學領域中。
[0133]附圖中的流程圖和框圖顯示了根據(jù)本公開內(nèi)容的多個實施例的系統(tǒng)、方法和計算機程序產(chǎn)品的可能實現(xiàn)方式的架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或指令的一部分包含一個或多個用于實現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。還應注意，在有些替代性的實現(xiàn)方式中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，連續(xù)示出的兩個方框實際上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現(xiàn)，或者可以用專用硬件與計算機指令的組合來實現(xiàn)。
[0134]在這里使用的術語僅出于描述特定的實施例目的，并且不意在限制本發(fā)明。如這里使用的那樣，除非在上下文中另外明顯指出，否則單數(shù)形式“一”、“一個”和“該”意在也包括多數(shù)形式。還將理解，在本說明書中使用的術語“包括”和/或“包含”規(guī)定闡述的特征、整數(shù)、步驟、動作、要素和/或部件的存在，但不排除存在或添加一個或更多個其它的特征、整數(shù)、步驟、動作、要素、部件和/或它們的集合。
[0135]以下的權利要求中的相應的結構、材料、動作和所有手段或步驟加上功能要素的等同意在包括用于與具體要求權利的其它要求權利的要素組合執(zhí)行功能的任何結構、材料或動作。已出于解釋和描述的目的給出本發(fā)明的各種實施例的描述，但是，該描述意圖不在于詳盡或者將本發(fā)明限于所公開的形式。在不背離本發(fā)明的范圍和精神的情況下，許多修改和變更對于本領域技術人員來說是明顯的。選擇和描述實施例，以便最好地解釋本發(fā)明的原理和實際的應用并使得本領域其它技術人員能夠理解具有適于設想的特定用途的各種修改的各種實施例的本發(fā)明。
[0136]還應注意，在本公開內(nèi)容中描述的任何方法可通過使用VHDL(VHSIC硬件描述語言)程序和VHDL芯片來被實現(xiàn)。VHDL是用于現(xiàn)場可編程門陣列(FPGA)、專用集成電路(ASIC)和其它類似的電子器件的示例性設計條目語言。因此，在這里描述的任何軟件實現(xiàn)方法可通過基于硬件的VHDL程序被仿真，該基于硬件的VHDL程序然后被應用于諸如FPGA的VHDL芯片。
[0137]已由此參照其解釋性的實施例詳細描述了本申請的本發(fā)明的實施例，很顯然，在不背離在所附的權利要求中限定的本發(fā)明的范圍的情況下，修改和變更是可能的。
【主權項】
1.一種自動提取和選擇指示健康護理中的個體后果的方差相關特征的最優(yōu)集合的方法，該方法包括: 由一個或更多個處理器，產(chǎn)生候選方差相關病人特征的提取集合，其中，候選方差相關病人特征的提取集合是時間異方差性特征； 由一個或更多個處理器，通過識別各病人特征的方差和異方差性被最大化的時間周期，優(yōu)化來自候選方差相關病人特征的提取集合的各病人特征，其中，所述優(yōu)化產(chǎn)生來自各病人特征的方差和異方差性被最大化的時間周期的方差相關病人特征的最優(yōu)提取集合； 由一個或更多個處理器，比較方差相關病人特征的最優(yōu)提取集合與病人群體的歷史數(shù)據(jù)集合以產(chǎn)生方差相關病人特征的預測集合，其中，方差相關病人特征的預測集合預測病人群體的目標健康相關后果； 由一個或更多個處理器，產(chǎn)生當前病人的方差相關病人特征的當前病人最優(yōu)集合； 由一個或更多個處理器，比較病人群體的方差相關病人特征的最優(yōu)集合與當前病人的方差相關病人特征的當前病人最優(yōu)集合； 響應于病人群體的方差相關病人特征的最優(yōu)集合在預定限制內(nèi)匹配當前病人的方差相關病人特征的當前病人最優(yōu)集合，由一個或更多個處理器，確定目標健康相關后果是否匹配當前病人的預定健康相關后果；以及 響應于目標健康相關后果匹配當前病人的預定健康相關后果，由一個或更多個處理器，發(fā)出與當前病人的預定健康相關后果相關的警告。2.根據(jù)權利要求1所述的方法，其中，各病人特征的方差和異方差性被最大化的時間周期通過以下步驟被識別: 由一個或更多個處理器，產(chǎn)生多個時間段尺寸； 由一個或更多個處理器，產(chǎn)生多個時間子段尺寸； 由一個或更多個處理器，產(chǎn)生所述多個時間段尺寸與所述多個時間子段尺寸的組合的多個排列；以及 由一個或更多個處理器，識別特定時間段尺寸與特定時間子段尺寸的最優(yōu)組合，在該最優(yōu)組合內(nèi)，各病人特征的方差和異方差性被最大化。3.根據(jù)權利要求1所述的方法，還包括: 由一個或更多個處理器并且基于當前病人的歷史數(shù)據(jù)建立當前病人的方差相關病人特征的當前病人最優(yōu)集合內(nèi)的正常方差，其中，正常方差被預定為不預測當前病人的醫(yī)療狀況； 由一個或更多個處理器，確定當前病人的方差相關病人特征的當前病人最優(yōu)集合是否超過所述正常方差；以及 響應于確定當前病人的方差相關病人特征的當前病人最優(yōu)集合超過所述正常方差，由一個或更多個處理器，發(fā)出與當前病人的預定健康相關后果有關的警告。4.根據(jù)權利要求1所述的方法，其中，當前病人的預定健康相關后果是治愈當前病人遭受的醫(yī)療狀況的醫(yī)療治療計劃的實現(xiàn)，并且其中，所述方法還包括: 由一個或更多個處理器，確定醫(yī)療治療計劃的實現(xiàn)是否在預定時間量內(nèi)治愈當前病人的醫(yī)療狀況；以及 響應于確定醫(yī)療治療計劃的實現(xiàn)沒有在所述預定時間量內(nèi)治愈當前病人的醫(yī)療狀況，由一個或更多個處理器，選擇當前病人的方差相關病人特征的新集合，以產(chǎn)生當前病人的方差相關病人特征的新的當前病人最優(yōu)集合。5.根據(jù)權利要求1所述的方法，還包括: 由一個或更多個處理器，識別時間異方差性特征的趨勢，其中，正趨勢表示時間異方差性特征的方差的時間上的增加，其中，負趨勢表示時間異方差性特征的方差的時間上的減少，并且其中，正趨勢和負趨勢描述時間異方差性特征的方差的幅度隨時間的變化;以及響應于檢測到時間異方差性特征的正趨勢，由一個或更多個處理器發(fā)出與當前病人的預定健康相關后果有關的警告。6.根據(jù)權利要求1所述的方法，其中，由一個或更多個處理器，通過最大化隨時間的方差趨勢(VAROT)，產(chǎn)生候選方差相關病人特征的提取集合，其中， VAR0T = f (x,ts,wl，dt，pt，s) 這里，X=預定的測量病人特點的測量， ts =用于觀察預定的測量病人特點的觀察窗口的起始點， wl =觀察窗口的長度， dt =觀察窗口的子單元的長度的增量周期， Pt =觀察窗口的周期類型，其中，周期類型選自包含離散周期和滾動周期的組， S =在觀察窗口中在增量周期內(nèi)對X限定數(shù)據(jù)點的所需最少數(shù)量的稀疏性約束。7.根據(jù)權利要求6所述的方法，其中，觀察窗口的起始點通過與當前病人相關的預定事件被觸發(fā)。8.根據(jù)權利要求7所述的方法，其中，所述與當前病人有關的預定事件是正施加到當前病人的藥理協(xié)議的開端。9.根據(jù)權利要求7所述的方法，其中，所述與當前病人有關的預定事件是正對當前病人進行的手術。10.根據(jù)權利要求7所述的方法，其中，所述與當前病人有關的預定事件是當前病人發(fā)生的飲食事件。11.一種用于自動提取和選擇指示健康護理中的個體后果和個性化計劃選擇的方差相關特征的最優(yōu)集合的計算機程序產(chǎn)品，該計算機程序產(chǎn)品包含具有與其一起體現(xiàn)的程序代碼的計算機可讀存儲介質，該程序代碼能夠通過處理器讀取和執(zhí)行以執(zhí)行包括以下步驟的方法: 產(chǎn)生候選方差相關病人特征的提取集合，其中，候選方差相關病人特征的提取集合是時間異方差性特征； 通過識別各病人特征的方差和異方差性被最大化的時間周期，優(yōu)化來自候選方差相關病人特征的提取集合的各病人特征，其中，所述優(yōu)化產(chǎn)生來自各病人特征的方差和異方差性被最大化的時間周期的方差相關病人特征的最優(yōu)提取集合； 比較方差相關病人特征的最優(yōu)提取集合與病人群體的歷史數(shù)據(jù)集合以產(chǎn)生方差相關病人特征的預測集合，其中，方差相關病人特征的預測集合預測病人群體的目標健康相關后果; 產(chǎn)生當前病人的方差相關病人特征的當前病人最優(yōu)集合； 比較病人群體的方差相關病人特征的最優(yōu)集合與當前病人的方差相關病人特征的當前病人最優(yōu)集合； 響應于病人群體的方差相關病人特征的最優(yōu)集合在預定限制內(nèi)匹配當前病人的方差相關病人特征的當前病人最優(yōu)集合，確定目標健康相關后果是否匹配當前病人的預定健康相關后果；以及 響應于目標健康相關后果匹配當前病人的預定健康相關后果，發(fā)出與當前病人的預定健康相關后果相關的警告。12.根據(jù)權利要求11所述的計算機程序產(chǎn)品，其中，各病人特征的方差和異方差性被最大化的時間周期通過以下步驟被識別: 產(chǎn)生多個時間段尺寸； 產(chǎn)生多個時間子段尺寸； 產(chǎn)生所述多個時間段尺寸與所述多個時間子段尺寸的組合的多個排列；以及識別特定時間段尺寸與特定時間子段尺寸的最優(yōu)組合，在該最優(yōu)組合內(nèi)，各病人特征的方差和異方差性被最大化。13.根據(jù)權利要求11所述的計算機程序產(chǎn)品，其中所述方法還包括: 基于當前病人的歷史數(shù)據(jù)建立當前病人的方差相關病人特征的當前病人最優(yōu)集合內(nèi)的正常方差，其中，所述正常方差被預定為不預測當前病人的醫(yī)療狀況； 確定當前病人的方差相關病人特征的當前病人最優(yōu)集合是否超過所述正常方差；以及響應于確定當前病人的方差相關病人特征的當前病人最優(yōu)集合超過所述正常方差，發(fā)出與當前病人的預定健康相關后果有關的警告。14.根據(jù)權利要求11所述的計算機程序產(chǎn)品，其中，當前病人的預定健康相關后果是治愈當前病人遭受的醫(yī)療狀況的醫(yī)療治療計劃的實現(xiàn)，并且其中所述方法還包括: 確定醫(yī)療治療計劃的實現(xiàn)是否在預定時間量內(nèi)治愈當前病人的醫(yī)療狀況；以及響應于確定醫(yī)療治療計劃的實現(xiàn)沒有在所述預定時間量內(nèi)治愈當前病人的醫(yī)療狀況，選擇當前病人的方差相關病人特征的新集合，以產(chǎn)生當前病人的方差相關病人特征的新的當前病人最優(yōu)集合。15.根據(jù)權利要求11所述的計算機程序產(chǎn)品，其中由一個或更多個處理器，通過最大化隨時間的方差趨勢(VAROT)，產(chǎn)生候選方差相關病人特征的提取集合，其中，VAR0T = f (x,ts,wl，dt，pt，s) 這里，X=預定的測量病人特點的測量， ts =用于觀察預定的測量病人特點的觀察窗口的起始點， wl =觀察窗口的長度， dt =觀察窗口的子單元的長度的增量周期， Pt =觀察窗口的周期類型，其中，周期類型選自包含離散周期和滾動周期的組， S =在觀察窗口中在增量周期內(nèi)對X限定數(shù)據(jù)點的所需最少數(shù)量的稀疏性約束。16.—種系統(tǒng)計算機，包括: 處理器、計算機可讀存儲器和上面存儲能夠由處理器執(zhí)行以執(zhí)行以下步驟的程序指令的計算機可讀存儲介質: 產(chǎn)生候選方差相關病人特征的提取集合，其中，候選方差相關病人特征的提取集合是時間異方差性特征； 通過識別各病人特征的方差和異方差性被最大化的時間周期，優(yōu)化來自候選方差相關病人特征的提取集合的各病人特征，其中，所述優(yōu)化產(chǎn)生來自各病人特征的方差和異方差性被最大化的時間周期的方差相關病人特征的最優(yōu)提取集合； 比較方差相關病人特征的最優(yōu)提取集合與病人群體的歷史數(shù)據(jù)集合以產(chǎn)生方差相關病人特征的預測集合，其中，方差相關病人特征的預測集合預測病人群體的目標健康相關后果; 產(chǎn)生當前病人的方差相關病人特征的當前病人最優(yōu)集合； 比較病人群體的方差相關病人特征的最優(yōu)集合與當前病人的方差相關病人特征的當前病人最優(yōu)集合； 響應于病人群體的方差相關病人特征的最優(yōu)集合在預定限制內(nèi)匹配當前病人的方差相關病人特征的當前病人最優(yōu)集合，確定目標健康相關后果是否匹配當前病人的預定健康相關后果；以及 響應于目標健康相關后果匹配當前病人的預定健康相關后果，發(fā)出與當前病人的預定健康相關后果相關的警告。17.根據(jù)權利要求16所述的計算機系統(tǒng)，還包括: 用于通過以下步驟識別各病人特征的方差和異方差性被最大化的時間周期的程序指令: 產(chǎn)生多個時間段尺寸； 產(chǎn)生多個時間子段尺寸； 產(chǎn)生所述多個時間段尺寸與所述多個時間子段尺寸的組合的多個排列；以及 識別特定時間段尺寸與特定時間子段尺寸的最優(yōu)組合，在該最優(yōu)組合內(nèi)，各病人特征的方差和異方差性被最大化。18.根據(jù)權利要求16所述的計算機系統(tǒng)，還包括: 用于基于當前病人的歷史數(shù)據(jù)建立當前病人的方差相關病人特征的當前病人最優(yōu)集合內(nèi)的正常方差的程序指令，其中，所述正常方差被預定為不預測當前病人的醫(yī)療狀況； 用于確定當前病人的方差相關病人特征的當前病人最優(yōu)集合是否超過所述正常方差的程序指令;以及 用于響應于確定當前病人的方差相關病人特征的當前病人最優(yōu)集合超過所述正常方差而發(fā)出與當前病人的預定健康相關后果有關的警告的程序指令。19.根據(jù)權利要求16所述的計算機系統(tǒng)，其中，當前病人的預定健康相關后果是治愈當前病人遭受的醫(yī)療狀況的醫(yī)療治療計劃的實現(xiàn)，并且其中，所述計算機系統(tǒng)還包括: 用于確定醫(yī)療治療計劃的實現(xiàn)是否在預定時間量內(nèi)治愈當前病人的醫(yī)療狀況的程序指令；以及 用于響應于確定醫(yī)療治療計劃的實現(xiàn)沒有在預定時間量內(nèi)治愈當前病人的醫(yī)療狀況而選擇當前病人的方差相關病人特征的新的集合以產(chǎn)生當前病人的方差相關病人特征的新的當前病人最優(yōu)集合的程序指令。20.根據(jù)權利要求16所述的計算機系統(tǒng)，還包括: 用于通過最大化隨時間的方差趨勢(VAROT)而產(chǎn)生候選方差相關病人特征的提取集合的程序指令，其中，VAROT = f (x,ts,wl，dt，pt，s)這里，X=預定的測量病人特點的測量，ts =用于觀察預定的測量病人特點的觀察窗口的起始點，wl =觀察窗口的長度，dt =觀察窗口的子單元的長度的增量周期，Pt =觀察窗口的周期類型，其中，周期類型選自包含離散周期和滾動周期的組，S =在觀察窗口中在增量周期內(nèi)對X限定數(shù)據(jù)點的所需最少數(shù)量的稀疏性約束。
【文檔編號】G06F19/00GK106030592SQ201580009393
【公開日】2016年10月12日
【申請日】2015年2月10日
【發(fā)明人】S·瑞瑪克斯南, P·莫維爾, 于珂, M·阿庫什維奇, S·夏爾馬, 薛沛蕓
【申請人】國際商業(yè)機器公司