[发明专利]基于患者数据的用于健康护理诊断和治疗的贝叶斯因果关系网络模型

说明书

相关申请

本申请与2014年9月11日提交的美国临时专利申请No.62/049,148相关并要求其优先权，将其完整公开内容按引用全部并入本文中。

技术领域

本公开内容总体地涉及用于数据分析的系统和方法，特别是用于使用健康护理数据来产生因果关系网络模型。

背景技术

许多系统分析数据来获得关于健康护理的各个方面的深入了解。可以通过确定数据之中的关系来获得深入了解。常规方法预先确定几个相关变量以从健康护理数据中提取用于加工和分析。基于少量预选的变量，在各种因素之间建立关系，所述因素如医疗药物、疾病、症状等。预先选择重点关注的变量限制了发现新的或未知的关系的能力。预先选择变量还限制了发现其他相关变量的能力。例如，如果在考虑糖尿病的分析时预选择了变量，人们将局限于这些变量而不会认识到数据分析支持之前健康护理团体不知道的与糖尿病相关的另一个变量。

发明内容

在一个方面中，本发明涉及用于基于患者数据产生因果关系网络模型的计算机执行的方法。该方法包括接收对应于多位患者的数据，其中所述数据包括针对每位患者的诊断信息和/或治疗信息，解析数据以产生针对多个变量的标准化数据，其中对于每位患者，标准化数据针对超过一个变量产生，使用贝叶斯网络算法基于所产生的标准化数据产生涉及多个变量的因果关系网络模型，所述因果关系网络模型包括与多个医学状况相关的变量，并且使用程序化计算系统产生因果关系网络，所述程序化计算系统包括容纳网络模型构建代码的存储器和一个或多个配置成执行网络模型构建代码的处理器。

在某些实施方案中，所述因果关系网络模型包括指示针对多种医学状况中的每一种的一个或多个预测因子的关系。在某些实施方案中，接收的数据未预先选择为与多种医学状况中的一种或多种相关而的。在一些实施方案中，所述方法进一步包括接收对应于一位或多位其他患者的另外的数据，并且基于所述另外的数据更新因果关系网络模型。在某些实施方案中，因果关系网络模型只基于产生的标准化数据来产生。

在一些实施方案中，所述方法进一步包括从因果关系网络模型确定子网络、子网络中与选定的医学状况相关的一个或多个变量和探测子网络中的关系以确定针对选定的医学状况的一个或多个预测因子。在某些实施方案中，所述针对选定的医学状况的一个或多个预测因子指示与选定的医学状况共同发生的医学状况。在某些实施方案中，基于与选定的医学状况相关的一个或多个变量以及该一个或多个变量和因果关系网络模型中的其他变量之间的关系的强度来确定子网络的范围。在某些实施方案中，所述子网络包括与选定的医学状况相关的一个或多个变量、各自具有与该一个或多个变量的第一程度关系的第一组其他变量和各自具有与该一个或多个变量的第二程度关系的第二组其他变量。在一些实施方案中，一个或多个预测因子中的至少一个是之前未知的。在一些实施方案中，一个或多个预测因子中的至少一个新鉴定为针对所述医学状况的预测因子。在某些实施方案中，预测因子的数量小于变量的数量。

在一些实施方案中，所述方法进一步包括在用户界面中显示一个或多个预测因子，所述显示包括一个或多个变量、一个或多个预测因子以及一个或多个变量和一个或多个预测因子之中的关系的图形表示。在一些实施方案中，所述方法进一步包括在用户界面中显示子网络的图形表示。在一些实施方案中，所述方法还包括基于一个或多个变量和一个或多个预测因子之间的关系强度将一个或多个预测因子分级。

在某些实施方案中，所述方法进一步包括从因果关系网络模型确定子网络，子网络中的一个或多个变量与选定药物相关，并探测子网络来确定与选定药物相关的一个或多个预测因子。在一些实施方案中，与选定药物相关的一个或多个预测因子指示结合选定药物给药的药物。在一些实施方案中，一个或多个预测因子指示选定药物和一种或多种其他药物之间的不利药物相互作用。在一些实施方案中，基于与选定药物相关的一个或多个变量以及一个或多个变量和因果关系网络模型中的其他变量之间的关系的强度来确定子网络的范围。在一些实施方案中，子网络包括一个或多个与选定药物相关的一个或多个变量，各自具有与该一个或多个变量的第一程度关系的第一组其他变量和各自具有与该一个或多个变量的第二程度关系的第二组其他变量。在其他实施方案中，一个或多个预测因子中的至少一个是之前未知的。在一些实施方案中，一个或多个预测因子中的至少一个新鉴定为医学状况的预测因子。在某些实施方案中，预测因子的数量小于变量的数量。

在某些实施方案中，基于至少50个变量产生所述因果关系网络模型。