[发明专利]用于自动的包含或排除准则检测的方法和系统

权利要求书

1.一种用于训练评分系统(600)的计算机实现的方法(100)，所述方法包括以下步骤：

提供(110)包括评分模块(606)的评分系统；

接收(120)包括多个患者数据和处置结果的训练数据集；

使用临床决策支持算法分析(130)所述训练数据集以生成多个临床决策支持推荐；

使用所述评分模块将所述多个临床决策支持推荐聚类(140)到多个聚类中，其中，所述聚类至少部分地基于所述临床决策支持推荐中的每个与所述训练数据中的所述处置结果的比较；以及

使用所述评分模块识别(160)所述多个聚类中的至少一个聚类的一个或多个特征，并且基于识别出的一个或多个特征来生成针对所述多个聚类中的所述至少一个聚类的一个或多个包含准则。

2.根据权利要求1所述的方法，其中，识别的步骤还包括基于识别出的一个或多个特征来生成针对所述多个聚类中的所述至少一个聚类的一个或多个排除准则。

3.根据权利要求1所述的方法，还包括以下步骤：

获得(420)关于患者的健康数据；

使用临床决策支持算法分析(430)所述健康数据，以生成针对所述患者的临床决策支持推荐；

使用所述评分模块(606)，基于提取的包含准则，将所述临床决策支持推荐分配(440)给所述多个聚类中的一个聚类；以及

使用所述评分模块，至少部分地基于将向所述多个聚类中的一个聚类的所述推荐的所述分配，向所述临床决策支持推荐分配(450)置信度分数。

4.根据权利要求3所述的方法，还包括将所述置信度分数传送(460)给用户的步骤。

5.根据权利要求4所述的方法，其中，所述置信度分数是定量分数。

6.一种用于训练评分系统(600)的计算机实现的方法(100)，所述方法包括以下步骤：

提供(110)包括评分模块(606)的评分系统；

接收(120)包括多个患者数据和处置结果的训练数据集；

使用所述评分模块将所述训练数据集聚类(132)到多个聚类中；

使用临床决策支持算法分析(130)所述训练数据集以生成多个临床决策支持推荐，其中，聚类的步骤和分析的步骤是分别地进行的；以及

使用所述评分模块识别(160)所述多个聚类中的至少一个聚类的一个或多个特征，并且基于识别出的一个或多个特征来生成针对所述多个聚类中的所述至少一个聚类的一个或多个包含准则，其中，所述识别还包括：

-基于所述多个聚类与所述多个临床决策支持推荐的比较，将所述多个聚类中的至少一个聚类识别为具有多个错误推荐的聚类，和/或

-使用所述评分模块，将所述多个聚类中的至少一个聚类识别(152)为有噪声的聚类，其中，识别出的所述有噪声的聚类是如下的聚类：根据所述聚类，生成所述一个或多个排除准则的聚类。

7.根据权利要求6所述的方法，其中，所述分析步骤包括以下步骤：使用临床决策支持算法分别分析(142)所述多个聚类中的每个聚类，以针对所述多个聚类中的每个聚类生成多个临床决策支持建议；并且另外其中，所述方法包括以下步骤：使用所述评分模块，至少部分地基于所述多个聚类和所述多个临床决策支持推荐，识别(150)具有低的曲线分数下面积的所述多个聚类中的至少一个。

8.根据权利要求6所述的方法，还包括以下步骤：

获得(420)关于患者的健康数据；

使用临床决策支持算法分析(430)所述健康数据，以生成针对所述患者的临床决策支持推荐；

使用所述评分模块，基于提取的包含准则，将所述临床决策支持推荐分配(440)给所述多个聚类中的一个聚类；以及

使用所述评分模块，至少部分地基于将向所述多个聚类中的一个聚类的所述推荐的所述分配，向所述临床决策支持推荐分配(450)置信度分数。

9.根据权利要求8所述的方法，还包括将所述置信度分数传送(460)给用户的步骤。