[发明专利]使临床事件数据坍塌成有意义的患者护理状态

说明书

本文描述了用于使临床事件数据坍塌成有意义的患者护理状态的技术。在各个实施例中，可以将与众多相应的患者相关联的按时间排序的临床数据流分成(402)一个或多个相应的众多时间段。每个临床数据流可以指示所述众多患者中的特定患者的临床历史。所述一个或多个众多时间段中的每个可以具有不同的持续时间。在一些实施例中，可以生成(404)到(一个或多个)降维空间中的、所述一个或多个众多时间段的(一个或多个)嵌入。可以对所述(一个或多个)嵌入执行(408)过程挖掘。可以基于所述过程挖掘来识别(410)在所述众多患者之间共享的一条或多条时间健康轨迹。

相关申请的交叉引用

本申请要求在2017年8月22日提交的美国临时专利申请US 62/548478的优先权，出于所有目的，通过引用将其全部公开内容并入本文。

技术领域

本文描述的各个实施例总体上涉及人工智能。更具体地，但非排他性地，本文公开的各种方法和装置涉及使临床事件数据坍塌成有意义的患者护理状态。

背景技术

临床状况的诊断是一项艰巨的任务，它通常需要进行大量医学调查。在观察到若干变量(例如，患者的既往病史、当前状况以及各种临床测量结果)后，临床医生会执行复杂的认知过程来推断可能的诊断。通过自动生成关于当前患者状态、针对最佳临床决策的最可能的诊断选择等信息并将该信息提供给医生，可以减轻处理复杂的患者情况的认知负担。

可以使用过程挖掘从数据中发现过程。不幸的是，临床数据(例如，医院数据)常常非常嘈杂。相似的患者每天可能有很多事件(例如，订单、实验室检验、处方、观察、注释、要求、测量、用药等)，并且通常以不同的顺序发生，并且经常会有多余或丢失的数据。此外，患者可能在短时间段内经历相对频繁的临床事件暴发，但是随后可能经历较长时间段的不频繁的临床事件(例如，恢复、物理治疗，门诊等)。所有这些噪声都会使过程挖掘变得困难。深度学习方法可能会根据这些数据创建一致、干净的护理进展阶段，但是为NLP派生的工具并不完全适用于按时间排序的(例如流式)临床事件日志。

发明内容

本公开内容涉及用于使临床事件数据坍塌成有意义的患者护理状态的方法和装置。例如，多个按时间排序的临床数据流(可能包括帐单代码、实验室结果、所应用的处置、临床观察结果(例如，电子健康记录中的自由格式注释或“EHR”)、订单等)可以指示多个患者的各自的临床历史。这些流可以被分成各个持续时间的时间段。可以基于各种标准(例如，是否有足够的患者共享时间段而使得模式出现)来选择时间段的持续时间。在一些实施例中，时间段可以被嵌入到降维空间中。可以检查所得到的时间段集群，以确定集群本身是否足够(例如包括阈值数量的患者)和/或集群之间是否出现有意义的模式(例如，时间健康轨迹)。

然后可以将时间健康轨迹用于各种目的。一个目的可以是基于特定的健康护理系统的记录/日志来确定该特定的健康护理系统是否表现出与另一健康护理系统(或通常为多个健康护理系统)的时间健康轨迹相似或偏离的时间健康轨迹(这可以指示临床流程或政策不理想)。另一目的可以是确定特定患者在特定的时间健康轨迹中的状态，使得可以预测潜在的下一状态(例如，诊断、处置、结果等)并相应地进行处置。

总体上，在一个方面中，一种方法可以包括以下操作：将与众多相应的患者相关联的按时间排序的临床数据流分成一个或多个相应的众多时间段，其中，每个临床数据流指示所述众多患者中的特定患者的临床历史，并且其中，所述一个或多个众多时间段中的每个具有不同的持续时间；生成到降维空间中的、所述一个或多个众多时间段的一个或多个众多嵌入；对所述一个或多个众多嵌入执行过程挖掘；并且基于所述过程挖掘来识别在所述众多患者之间共享的一条或多条时间健康轨迹。