基于机器学习的临床资源控制器制造技术

一种方法可包括：从一个或多个数据系统接收消息。机器学习模型可应用于所述消息以确定所述消息是可操作消息还是不可操作消息。响应于所述消息是可操作消息，所述机器学习模型可应用于从所述消息中提取临床意义数据。可以基于所述临床意义数据来执行一个或多个任务。所述一个或多个任务可包括基于所述临床意义数据执行与数据系统相关联的临床工作流的资源分配。所述一个或多个任务还可包括检测与所述临床工作流相关联的系统低效和瓶颈。还提供了相关的方法和制品，包括计算机程序产品。包括计算机程序产品。包括计算机程序产品。

【技术实现步骤摘要】
【国外来华专利技术】基于机器学习的临床资源控制器
[0001]相关申请的交叉引用
[0002]本申请要求于2021年2月22日提交的标题为“基于机器学习的临床资源控制器”的美国临时申请63/152,318的优先权，其公开内容通过引用被全部合并于此。


[0003]本文描述的主题一般涉及机器学习，并且更具体地涉及用于临床和诊断设置中的资源管理的基于机器学习的技术。

技术介绍

[0004]实验室自动化是用于研究和开发技术以优化实验室工作流的速度、效率和结果的多学科努力。例如，实验室信息系统(LIS)可包括被配置成提供对诸如接种、孵化(incubation)、平板成像、培养物读取、结果报告等实验室活动的支持的硬件和软件。实验室信息系统可以记录、分析、存储和共享由各种实验室活动生成的数据。在此过程中，实验室信息系统可以旨在传递及时、准确和相关信息，无论是在关注点倾向于在患者特异性标本上的临床环境中还是在诸如研究实验室等的非临床环境中。

技术实现思路

[0005]提供了用于基于机器学习的资源控制器的系统、方法和制品，包括计算机程序产品。在一些示本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，包括：机器学习模型，被训练成接收一个或多个消息作为至少一个输入值，并且生成指示所述一个或多个消息是否是可操作的至少一个输出值；至少一个数据处理器；以及存储指令的至少一个存储器，所述指令在由所述至少一个数据处理器执行时，导致包括以下的操作：从一个或多个数据系统接收针对患者的消息；使用所述机器学习模型和所述消息来确定所述消息是可操作的；从所述消息中提取临床意义数据；以及至少基于所述临床意义数据来控制与所述患者相关联的至少一个医疗设备以执行一个或多个任务。2.根据权利要求1所述的系统，其中所述执行一个或多个任务包括至少基于所述临床意义数据来识别与所述一个或多个消息相关联的临床工作流的阶段，至少基于与所述一个或多个消息相关联的时间戳来确定所述临床工作流的两个或更多个连续阶段之间的时间量，以及响应于所述临床工作流的所述两个或更多个连续阶段之间的所述时间量超过阈值，确定用于所述至少一个医疗设备的一个或多个校正配置。3.根据权利要求2所述的系统，其中所述一个或多个校正动作包括修改与所述临床工作流相关联的一个或多个活动的调度和/或调整与所述一个或多个活动相关联的资源的分配。4.根据权利要求2至3中任一项所述的系统，其中所述临床工作流包括微生物测试工作流和/或病毒学测定。5.根据权利要求2至4中任一项所述的系统，其中所述临床工作流的阶段包括微生物的培养过程的开始、所述微生物的革兰氏阳性或革兰氏阴性鉴定、所述微生物的物种和/或生物体鉴定、或所述微生物的抗微生物剂敏感性。6.根据权利要求1至5中任一项所述的系统，其中，所述执行一个或多个任务包括至少基于所述临床意义数据来确定所述一个或多个数据系统处的资源的分配。7.根据权利要求6所述的系统，其中，所述资源的分配包括响应于临床工作流的结果与资源相关联来分配所述资源。8.根据权利要求7所述的系统，其中，至少基于所述临床工作流的结果指示存在对抗微生物剂敏感的微生物，所述资源包括所述抗微生物剂。9.根据权利要求6至8中任一项所述的系统，其中，所述资源的分配包括至少基于所述临床意义数据来确定临床工作流的后续阶段和所述临床工作流的所述后续阶段的时间，以及根据所述临床工作流的所述后续阶段的所述时间来调度所述临床工作流的所述后续阶段所需的资源的量。10.根据权利要求1至9中任一项所述的系统，其中，所述机器学习模型包括回归模型、基于实例的模型、正则化模型、决策树、贝叶斯模型、聚类模型、关联模型、神经网络、深度学
习模型、降维模型和/或集成模型。11.根据权利要求1至10中任一项所述的系统，其中，所述临床意义数据是通过至少将所述机器学习模型和/或不同的机器学习模型应用于所述消息来提取的。12.根据权利要求11所述的系统，其中所述机器学习模型被训练以识别和标记包括在所述消息中的所述临床意义数据，并且其中响应于所述消息中的多于阈值量的数据被标记为临床意义，所述消息被确定为是可操作的。13.根据权利要求1至12中任一项所述的系统，其中，所述机器学习模型还被训练为至少接收包括所述消息的消息序列作为所述至少一个输入值，并且生成所述至少一个输出值以指示所述消息序列是否是可操作的。14.根据权利要求13所述的系统，其中，所述至少一个输出值指示所述消息与第一可操作事件相关联，并且其中，所述至少一个输出值还指示消息序列与第二可操作事件相关联。15.根据权利要求13至14中任一项所述的系统，其中，所述机器学习模型将所述消息确定为可作为所述消息序列的一部分操作。16.根据权利要求13至15中任一项所述的系统，其中，所述机器学习模型包括循环神经网络(RNN)、隐马尔可夫模型、条件随机场(CRF)模型和/或门控循环单元(GRU)。17.根据权利要求1至16中任一项所述的系统，其中，所述至少一个医疗设备包括诊断设备、输液泵、分发柜和/或消耗站。18.根据权利要求1至17中任一项所述的系统，其中，所述至少一个医疗设备的控制包括向所述至少一个医疗设备发送一个或多个消息以调整所述至少一个医疗设备的操作状态和/或功能元件。19.根据权利要求18所述的系统，其中所述一个或多个消息包括一个或多个指令，所述一个或多个指令在由与所述至少一个医疗设备相关联的处理器执行时，调整所述至少一个医疗设备的所述操作状态和/或所述功能元件。20.根据权利要求18至19中任一项所述的系统，其中所述一个或多个消息包括一个或多个值，所述一个或多个值在被应用于所述至少一个医疗设备处时，调整所述至少一个医疗设备的所述操作状态和/或所述功能元件。21.一种计算机实现的方法，包括：从一个或多个数据系统接收针对患者的消息；使用机器学习模型和所述消息来确定所述消息是可操作的，所述机器学习模型被训练成接收所述消息作为至少一个输入值并且生成指示所述消息是否是可操作的至少一个输出值；从所述消息中提取临床意义数据；以及至少...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：康尔福盛三零三公司，
类型：发明
国别省市：