【技术实现步骤摘要】
【国外来华专利技术】
本公开整体涉及机器学习分类，并且更具体地涉及针对患者护理机会错失或延迟的机器学习分类的自动化训练。
技术介绍
1、医疗患者经常与医疗专业人员有排定医疗预约。当患者在这种排定医疗预约中未能露面时，医疗专业人员的已被分配来处理该排定医疗预约的时间和/或资源可被视为是浪费的。因此，可能期望训练机器学习分类器来预测给定患者是否在他们的排定医疗预约中可能不露面。遗憾的是，被训练以进行此类预测的现有机器学习分类器通常表现出过于不准确的性能。
2、因此，可以解决这些技术问题中的一个或多个技术问题的系统和/或技术可能是期望的。
技术实现思路
1、以下呈现了
技术实现思路
以提供对本专利技术的一个或多个实施方案的基本理解。本
技术实现思路
不旨在标识关键或重要元素，也不旨在描绘具体实施方案的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。在本文所述的一个或多个实施方案中，描述了促进针对患者护理机会错失或延迟的机器学习分类的自动化训练的设备、系统、计算机实现的方法、装置和/或计算机程序产品。
2、根据一个或多个实施方案，提供了一种系统。该系统可以包括可存储计算机可执行部件的计算机可读存储器。该系统还可以包括处理器，该处理器可以操作地联接到计算机可读存储器并且可以执行存储在计算机可读存储器中的计算机可执行部件。在各种实施方案中，该计算机可执行部件可以包括接收器部件。在各个方面中，该接收器部件可以访问由两个或更多个特征类别定义的一组带注释的数据
3、根据一个或多个实施方案，上述系统可被实现为计算机实现的方法和/或计算机程序产品。
本文档来自技高网...【技术保护点】
1.一种系统，所述系统包括：
2.根据权利要求1所述的系统，其中所述机器学习分类器是XGBoost模型，并且其中所述内部参数包括所述XGBoost模型的决策树阈值或所述XGBoost模型的决策树位置。
3.根据权利要求1所述的系统，其中所述一个或多个电子动作包括在电子显示器上用视觉方式呈现所述两个或更多个特征类别的排序。
4.根据权利要求1所述的系统，其中所述一个或多个电子动作包括在电子显示器上用视觉方式呈现所述两个或更多个特征类别中的哪些特征类别被排序为低于阈值的指示。
5.根据权利要求1所述的系统，其中所述一个或多个电子动作包括识别所述两个或更多个特征类别中的哪些特征类别被排序为低于阈值以及从所述组带注释的数据候选中删除此类特征类别，从而产生一组更新的带注释的数据候选，并且其中所述训练部件基于所述组更新的带注释的数据候选来重新训练所述机器学习分类器。
6.根据权利要求1所述的系统，其中所述机器学习分类器被配置为接收与有排定医疗预约的医疗患者相关联的数据候选作为输入，其中所述机器学习分类器被配置为基于所述数据候选产生分
7.根据权利要求1所述的系统，其中所述机器学习分类器被配置为接收与有排定医疗预约的医疗患者相关联的数据候选作为输入，其中所述机器学习分类器被配置为基于所述数据候选产生分类标签作为输出，并且其中所述分类标签指示所述医疗患者是否在所述排定医疗预约中可能迟到。
8.根据权利要求1所述的系统，其中所述组带注释的数据候选中的每个带注释的数据候选属于分别对应的有分别对应的排定医疗预约的医疗患者，并且其中所述两个或更多个特征类别包括患者人口统计特征类别、患者医疗记录特征类别、天气特征类别和交通特征类别。
9.一种计算机实现的方法，所述计算机实现的方法包括：
10.根据权利要求9所述的计算机实现的方法，其中所述机器学习分类器是XGBoost模型，并且其中所述内部参数包括所述XGBoost模型的决策树阈值或所述XGBoost模型的决策树位置。
11.根据权利要求9所述的计算机实现的方法，其中所述一个或多个电子动作包括通过所述设备并且在电子显示器上用视觉方式呈现所述两个或更多个特征类别的排序。
12.根据权利要求9所述的计算机实现的方法，其中所述一个或多个电子动作包括通过所述设备并且在电子显示器上用视觉方式呈现所述两个或更多个特征类别中的哪些特征类别被排序为低于阈值的指示。
13.根据权利要求9所述的计算机实现的方法，其中所述一个或多个电子动作包括：
14.根据权利要求9所述的计算机实现的方法，其中所述机器学习分类器被配置为接收与有排定医疗预约的医疗患者相关联的数据候选作为输入，其中所述机器学习分类器被配置为基于所述数据候选产生分类标签作为输出，并且其中所述分类标签指示所述医疗患者是否在所述排定医疗预约中可能不露面。
15.根据权利要求9所述的计算机实现的方法，其中所述机器学习分类器被配置为接收与有排定医疗预约的医疗患者相关联的数据候选作为输入，其中所述机器学习分类器被配置为基于所述数据候选产生分类标签作为输出，并且其中所述分类标签指示所述医疗患者是否在所述排定医疗预约中可能迟到。
16.根据权利要求9所述的计算机实现的方法，其中所述组带注释的数据候选中的每个带注释的数据候选属于分别对应的有分别对应的排定医疗预约的医疗患者，并且其中所述两个或更多个特征类别包括患者人口统计特征类别、患者医疗记录特征类别、天气特征类别和交通特征类别。
17.一种用于促进针对患者护理机会错失或延迟的机器学习分类的自动化训练的计算机程序产品，所述计算机程序产品包括具有包含在其中的程序指令的计算机可读存储器，所述程序指令能够由处理器执行以使所述处理器：
18.根据权利要求17所述的计算机程序产品，其中所述机器学习分类器是XGBoost模型，并且其中所述内部参数包括所述XGBoost模型的决策树阈值或所述XGBoost模型的决策树位置。
19.根据权利要求17所述的计算机程序产品，其中所述一个或多个电子动作包括在电子显示器上用视觉方式呈现所述两个或更多个特征类别的排序。
20.根据权利要求17所述的计算机程序产品，其中所述一个或多个电子动作包括在电子显示器上用视觉方式呈现所述两个或更多个特征类别中的哪些特征类别被排序为低于阈值的指示。
...【技术特征摘要】
【国外来华专利技术】
1.一种系统，所述系统包括：
2.根据权利要求1所述的系统，其中所述机器学习分类器是xgboost模型，并且其中所述内部参数包括所述xgboost模型的决策树阈值或所述xgboost模型的决策树位置。
3.根据权利要求1所述的系统，其中所述一个或多个电子动作包括在电子显示器上用视觉方式呈现所述两个或更多个特征类别的排序。
4.根据权利要求1所述的系统，其中所述一个或多个电子动作包括在电子显示器上用视觉方式呈现所述两个或更多个特征类别中的哪些特征类别被排序为低于阈值的指示。
5.根据权利要求1所述的系统，其中所述一个或多个电子动作包括识别所述两个或更多个特征类别中的哪些特征类别被排序为低于阈值以及从所述组带注释的数据候选中删除此类特征类别，从而产生一组更新的带注释的数据候选，并且其中所述训练部件基于所述组更新的带注释的数据候选来重新训练所述机器学习分类器。
6.根据权利要求1所述的系统，其中所述机器学习分类器被配置为接收与有排定医疗预约的医疗患者相关联的数据候选作为输入，其中所述机器学习分类器被配置为基于所述数据候选产生分类标签作为输出，并且其中所述分类标签指示所述医疗患者是否在所述排定医疗预约中可能不露面。
7.根据权利要求1所述的系统，其中所述机器学习分类器被配置为接收与有排定医疗预约的医疗患者相关联的数据候选作为输入，其中所述机器学习分类器被配置为基于所述数据候选产生分类标签作为输出，并且其中所述分类标签指示所述医疗患者是否在所述排定医疗预约中可能迟到。
8.根据权利要求1所述的系统，其中所述组带注释的数据候选中的每个带注释的数据候选属于分别对应的有分别对应的排定医疗预约的医疗患者，并且其中所述两个或更多个特征类别包括患者人口统计特征类别、患者医疗记录特征类别、天气特征类别和交通特征类别。
9.一种计算机实现的方法，所述计算机实现的方法包括：
10.根据权利要求9所述的计算机实现的方法，其中所述机器学习分类器是xgboost模型，并且其中所述内部参数包括所述xgboost模型的决策树阈值或所述xgboost模型的决策树位置。
11.根据权利要求9所述的计算机实现的方法，其中所述一个或多个电...
【专利技术属性】
技术研发人员：E·N·O·罗德里格斯，E·H·莱尔，S·吉特隆，O·皮亚尼赫，V·兰加瓦贾拉，M·阿克图尔克，
申请(专利权)人：通用电气精准医疗有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。