用于医疗诊断的方法技术

公开了一种有助于患者的医疗诊断的计算机实现的方法，该方法包括：通过图形用户界面提供交互式关系树，其中，所述关系树表示医学状况的发现和诊断之间的一个或多个诊断

【技术实现步骤摘要】
用于医疗诊断的方法
[0001]本申请是申请日为2018年08月23日、中国申请号为201810965569.X、专利技术名称为“诊断有效性工具”的专利技术专利申请的分案申请。


[0002]本公开涉及用于提高诊断和治疗决策制定的效率和有效性的系统和方法。

技术介绍

[0003]当患者带着主诉到达时，诊断过程就开始了。在看到患者之前，医生首先在患者的病历中搜索患者病史中的相关发现。根据这些发现，他创建鉴别诊断，一个基于每种疾病流行程度排序的广泛诊断列表。对于为发现而进行试验(询问问题、进行检查规程、订购诊断试验等)的决定是基于以下内容的：
[0004]·
该发现在鉴别排序最高的诊断方面的有效性(取决于发现对于每种疾病的阳性和阴性似然比(LR))；
[0005]·
该发现排除紧急疾病的能力(例如，虽然罕见，但是胸痛患者应当用心电图排除心肌梗死)；以及
[0006]·
获得该发现的成本(医源性风险、资源可用性、及时性等)。
[0007]医生在患者病史的背景下解释每个新获取的发现，这改变了每种可能诊断的概率。这个过程发生在每个临床决定之后。一旦有足够的发现来支持确定性的诊断(具有低概率替代方案的高概率诊断)，就做出诊断并开始治疗。
[0008]由于各种原因，上述过程可以是低效的并且不是成本有效的。一方面，医生可能没有时间在病历中搜索患者病史中的所有相关发现，特别是在患者具有广泛或复杂的病史的情况下。此外，医生可能难以客观地解释每个诊断的发现的相关性。难以快速做出成本有效的、基于证据的决定，尤其是在患者具有复杂的病史或不能轻而易举地获得关于不同潜在试验的成本的信息的情况下。此外，医生常常没有时间记录关于发生的诊断过程的高质量记录，尤其是在繁忙的临床实践或医院情况下。
[0009]在为患者提供护理时，医生和保险公司努力在高质量健康护理(healthcare)和资源的经济使用之间找到平衡点。提供者和支付者常常对患者的护理意见不一，因为医生不了解资源的市场、成本和可用性，而支付者缺乏医生的经验和患者介绍的详细信息。沟通是个缓慢而复杂的过程，通常需要医生向患者的保险公司请求授权进行试验。这种系统在提供者和支付者之间创建了对抗关系，同时完全将患者排除在讨论之外。
[0010]据信，没有一种单一的技术能够充分解决上述所有问题。决策模型(使用贝叶斯定理)用于临床医疗，但在实践中，它们仅作为客观性的心理框架(mental framework)。在有客观数据的情况下，只要患者属于临床试验中研究的人群，就可以通过试验的灵敏度和特异度来支持为患者订购试验的决定。健康保险公司具有用于授权报销的裁决过程。他们通过其成本确定医生订购的研究是否合理。决定是基于委员会创建的静态规则或指南的。
[0011]编码词汇表用于存储、检索、研究和共享患者数据(即，HL7/FHIR、ICD、UMLS、
SNOMED和许多其它的)。一些数据库已经使用这些词汇表来描述症状和疾病之间的关系(疾病数据库)，这些关系为在线分类(triage)和症状检查提供动力。Symcat和Isabel Healthcare使用概率模型来确定接下来要问的问题，但不包括临床决策的关键组成部分(体检结果、实验室值、成像报告等)，从而使得这些工具在患者教育之外是无用的。
[0012]临床决策支持(CDS)系统是医生可用的一大类简单工具，通常与EMR集成。其中一些工具使用患者病历中的信息。一些示例包括：
[0013]·
癌症筛查提醒：医生的仪表板上有基于据年龄和性别应当进行筛查的患者名单。
[0014]·
提醒可能的药物相互作用：例如，当医生为服用华法林的患者订购喹诺酮时会出现提醒。
[0015]·
临床路径：哮喘管理指南出现在有哮喘病史的患者的图表中。
[0016]CDS工具通常被实现为针对特定度量的点修复，如合规率或接近未命中事件的数量。因此，它们看起来像监管任务，因为它们没有与医生的工作流程/诊断过程集成。虽然CDS工具可以改进度量，但它们的有效性是有限的，因为它们只是基于静态证据来简单地强制执行规则。
[0017]药物重整(medication reconciliation)是用于通过比较患者报告正在服用的药物与医生已经订购的药物来创建和维护准确的药物列表的过程。药物重整集成在大多数电子病历(EMR)中。该技术限于药物，不具有预测性，并且未与诊断过程集成。
[0018]可以以软件、工具和人员的形式获得文件帮助。EMR使用宏来扩展频繁输入的短语或段落的文本。表格也可以插入到自由文本注释中或自定义到模板中。Canvas Medical具有如词自动完成(word
‑
autocompletion)和关键字到ICD10转换(keyword
‑
to
‑
ICD10 conversion)的工具。文件工具因持续“注释膨胀”(note bloat)而受到批评。这些工具旨在提高文件的质量和效率，但却掩盖了相关数据。虽然已经努力从自由文本中提取相关的发现，但结果已经是变化的，并且今天没有得到广泛使用。

技术实现思路

[0019]公开了一种系统和方法，用于根据关于患者的已知发现的集合预先评估诊断试验、新发现或干预(即，治疗)的医疗有效性，并将结果呈现给健康护理提供者、健康护理支付者(例如，保险公司)和/或患者。本公开还涉及系统的组件方面和组合。
[0020]在一个实施例中，系统为包含软件应用的计算设备生成数据，该软件应用由健康护理提供者用于帮助查看患者的病史并输入关于患者的状况或症状的新发现。
[0021]该系统包括经验证的概率模型，该模型通过汇集的电子病历和其它医疗知识源(诸如医学期刊文章或专家用户输入)来获知。该系统还包括基于医疗知识的推理引擎(处理单元和相关联的程序设计)，其使用患者的已知发现(即，病史和新发现，如果有的话)和模型来确定最可能疾病的集合。该引擎还建议鉴别最可能疾病的集合一个或多个试验或新发现的集合(其呈现)，并且例如使用贝叶斯推断生成指示一个或多个发现或试验的诊断有效性的标记(indicia)(例如，文本、得分、概率或统计数据等)。
[0022]由引擎建议的一个或多个试验或发现的集合以及相关联的标记可以被发送到计算设备并呈现给用户，例如健康护理提供者、患者或支付者。这些结果和标记可以在计算设
备上呈现，以帮助健康护理提供者选择要追求的附加试验或发现。可替代地，结果可以在支付者界面上呈现，例如支付者使用的计算机或工作站。支付者可以基于标记做出报销(例如，承保和/或授权)决定。
附图说明
[0023]图1是包括本公开的特征的系统的框图。
[0024]图2是面向电子设备(工作站、平板计算机、智能电话等)的界面的健康护理提供者的图示，其示出了当前发现的显示，以及向提供者建议的附加发现或试验，以使工作朝向诊断。
[0025]图3是诊断本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，包括：通过图形用户界面提供交互式关系树，其中，所述关系树表示医学状况的发现和诊断之间的一个或多个诊断
‑
发现关系序列，其各自的似然性得分指示医学状况与患者的相关性；检测对所述交互式关系树中节点的选择，其中，对所述节点的选择指示由健康护理提供者对指示所述患者的一种或多种最可能的医学状况的附加发现的选择；通过将选定的附加发现添加到已知发现集合来更新所述已知发现集合；以及通过所述图形用户界面基于更新后的已知发现集合来显示更新后的交互式关系树。2.如权利要求1所述的计算机实现的方法，还包括：检索存储的经验证的概率健康模型，所述概率健康模型包括从汇集的电子病历或其它医疗知识源获知的医疗知识数据库；并且其中，所述已知发现集合基于所述经验证的概率健康模型确定。3.如权利要求1所述的计算机实现的方法，还包括：通过应用基于医疗知识的机器学习模型来确定所述已知发现集合，所述机器学习模型对与患者相关联的病史和发现进行操作。4.如权利要求3所述的计算机实现的方法，还包括：应用所述机器学习模型以生成所述附加发现和相关联的附加诊断之间的一个或多个附加的诊断
‑
发现关系，并且其中，所述更新后的交互式关系树基于所述一个或多个附加的诊断
‑
发现关系。5.如权利要求1所述的计算机实现的方法，还包括：通过所述图形用户界面向所述健康护理提供者提供鉴别所述一种或多种最可能的医学状况的一个或多个诊断试验的集合，和指示所述一个或多个诊断试验的有效性或相关性的标记。6.如权利要求5所述的计算机实现的方法，还包括：驻留在健康护理支付者网络上的应用，所述应用从机器学习模型接收所述标记，所述应用被配置为促进关于所述一个或多个诊断试验的报销或授权决定。7.如权利要求5所述的计算机实现的方法，其中，所述标记包括与所述一个或多个诊断试验的集合相关联的增量概率、似然比或成本中的至少一个。8.如权利要求5所述的计算机实现的方法，还包括：由所述图形用户界面接收对所述一个或多个诊断试验中的诊断试验的选择；以及基于所述选择更新指示所述一个或多个诊断试验的诊断有效性或相关性的标记。9.如权利要求1所述的计算机实现的方法，还包括：基于由所述健康护理提供者对来自所述已知发现集合的发现的确认或否认，更新所述已知发现集合中的一个或多个，或者所述一个或多个诊断
‑
发现关系序列中的一个或多个。10.如权利要求1所述的计算机实现的方法，还包括：在医疗数据库中存储来自文件源、病历、支付数据或来自健康护理提供者的输入中的至少一个的原始医疗信息，所述医疗数据库已经被配置为保留以下项中的一个或多个之间的一个或多个关系：诊断、诊断属性、发现、发现属性、治疗或治疗属性。11.如权利要求10所述的计算机实现的方法，其中，所述存储包括存储所述关系的有效
性得分。12.如权利要求10所述的计算机实现的方法，其中，所述发现属性包括成本属性，并且其中，所述诊断属性包括严重性属性。13.如权利要求1所述的计算机实现的方法，其中，所述一个或多个诊断
‑
发现关系序列基于阳性似然比和阴性似然比，其中，每个似然比基于(i)指示诊断的真阳性率的灵敏度，和(ii)指示诊断的真阴...

【专利技术属性】
技术研发人员：R李，A塞迪尔尼克，C索，F施卢普，RCE马里特，M梅塔，EM米霍夫，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：