本发明专利技术披露了利用复杂性科学产生包括多个特征集的知识库。通过网络可向计算机、系统、以及接收和分析医学数据以确定疾病状态的存在的计算机程序代码访问所述知识库。医学数据被输入并与知识库内的特征相关联以识别特征集，每个特征集表示特定的健康状况。在选择了一个或多个特征集后，关联算法考虑医学数据的量或值，并通过特征集中的特征的值评估与所述特征集相关的健康状况的风险负荷。产生一个输出，所述输出可包括一个或多个健康状况的诊断、健康状况的风险负荷、可能的治疗选择和预防方法。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体涉及应用复杂性科学和专家知识来分析医学数据以便对出现的疾病进行风险评估和诊断。更具体地讲，本专利技术涉及一种方法、系统或存储介质，在所述方法、系统或存储介质中可访问个人的医学数据、可从医学知识库访问健康状况的相关特征的特征集、将医学数据值与相关特征集的特征的值的范围进行比较以识别所述个人的任何存在风险的健康状况。
技术介绍
目前，与年龄相关的疾病的治疗绝大多数涉及所观察到的临床表现、风险因素、和相关不良事件的二次管理。风险因素通常被认为是当前生理扰动的结果但是这些风险因素中及其自身并不是归咎于它们的疾病表现的主要原因。风险因素更像是结果而非原因。大多数疾病是当前生理扰动的结果；因此适用于初级预防的风险评估必须具有不同的范例。尽管临床实验认可疾病状态要求分析很多变量，传统的临床风险算法的用途有限，因为所研究的临床风险因素可能并不很相关并且没有疾病强度的数值表达。此外，当试图预测突发事件时，可能不可复制单独的生物标记或非数学观察结果。实际上，结果的管理并不确保起因的成功管理。在没有充分解决和量化疾病状态的临床和突发风险负荷的情况下，治疗对于减轻常见疾病只会是部分成功。复杂的多变量疾病的成功管理必须超越“一种疾病，一个风险因素和一个血清标记”模式的限制并将医学科学推向更全面和临床更实际可行的局面。预测模型是用于预测疾病的一种技术。一般，预测模型算法结合解释历史数据的数学算法并对未来作出预测。不过，预测模型也有缺点，尤其是在应用于疾病的预测时。如前所述，用于收集数据的临床模型涉及已患有疾病的人而不是公众中潜在的突发风险。从统计学上来说，使用具有疾病的对象已经是偏斜群落，导致在分布的最边处收集数据点，即到常态钟形曲线的极左或极右。已知在医学文献中，基于不同的观察到的风险因素和复杂的改性剂的多变量风险模型难以评估。此外，事实上基于临床风险修正或事件发生率的单独风险和管理不能阻止观察到的因素的发生。进一步阻碍预测模型应用于疾病状态的是，大部分医生没有意识到来自基于证据的医学研究的相关结果、被医学文献的多样性和数量淹没或两者。互联网数据库和信息检索技术的进步激励了决策者进行医学信息的分析和传播的新技术的研究。远程医疗和超级数据处理器，当前的互联网辅助，关注于诊断决策支持软件，并且通过临床发现的输入进行提示。可以认为互联网检索嵌入在汇集的卫生保健经验中的信息会使医生做出更有根据的诊断、减少误诊、并增强循证医学的应用。这些互联网诊断软件工具通常利用分类的疾病来统计性地检索期刊论文或工作组中最有可能与不同的疾病相关的词条。虽然尽了最大努力并抱最好的希望，超级信息数据处理器目前应用于对诊断的自上而下的搜索并且只在约 10%的时间是成功的。所述范例从开始就有瑕疵；仅是发现临床上明显的疾病的数据并不能告诉患者或医生如何预防疾病。为了进入不同范例的疾病预防以及本文所述的实施例，讨论数据、元数据、理解和知识之间的不同是有用的。数据是从观察、数学计算或实验得出的数字，并且通常利用机器获得。信息是在上下文中的数据；信息是关于特定对象、事件或进程的数据和相关说明、解释或讨论的集合，例如，诊断者对数据与正常或非正常状态的关系的解释。元数据是关于数据的数据并且描述获得或使用信息的上下文，例如，数据的总结和高级别的解释如“最终报告”。理解是利用元数据和信息作出逻辑选择；例如，医生在考虑特定的疾病和/或患者时选择特征或测试。理解也被认为是人通过将特定知识与宽泛概念相联系来明白易懂地提供经验的能力。知识是元数据和可成功应用元数据的上下文的认知的组合，例如，特征之间的关系。在人工智能中，知识决定如何使用并将信息和元数据关联。应用于人工智能算法的积累的知识通常被称为知识库140。一般，知识库140是信息和知识的集中式存储库。每个知识库140对于产生它的专家或专家们是独一无二的，但是无规律的知识库140不能产生高阶预测。临床医学已探索使用不同形式的信息科学来确定健康和管理疾病，但到目前为止这些技术的实施尚不能成功复制或替代具有疾病构成相关知识的医疗提供者(例如，医师、专科医生和技术专家)的复杂的多变量知识库140。信息学包括普通信息科学，信息处理的实践和信息系统的工程学。信息学是对存储、处理和传达信息的自然或人工系统的结构、行为和相互作用的研究。健康和医学信息学处理健康和生物医学中优化信息的获得、存储、取回和使用所需的资源、设备和方法。另一方面，包括复杂性科学的信息科学是信息的收集、分类、处理、报告、存储、取回和传播的交叉科学。复杂性科学是新兴的研究，其中科学家通常寻找导致复杂现象的简单的非线性耦合规律。对于此处的特别意义是，疾病可作为复杂系统进行研究。在复杂性科学中，自然规律的数值表达被称为特征。如果特征允许识别事件，则特征被视为是特点。例如，一个人通过诸如性别、肤色、眼睛、身高等特征来识别另一个人。在复杂性科学中，这些特征被汇集成增强预测的高度相关特征的小集合，称为特征集。亚临床或早期出现的疾病的确信预测对于疾病的预测和预防以及当前医疗危机的管理是必要的，但是当前的疾病预测和管理是不足的。试图帮助预测或指导医疗护理的数据信息学和信息科学的应用在人类疾病的管理中遇到了受限的临床应用。不过，在信息科学的背景下，复杂性科学是疾病的有力预测者和该疾病风险大小的确定者，如同本文所述。医学界有待识别和接受风险模型的特征集，也被称作疾病替代者，它能够在疾病的形成和早期出现阶段检测到疾病。一般人群中携带有高风险的无症状对象的识别和个体特征仍旧是有问题和不足的。目前为止，对这个困境还没有满意的解决方案。
技术实现思路
本专利技术涉及一种方法，包括所述方法的各个方面的系统，以可执行程序步骤包含所述方法的各个方面的非暂时性计算机可读存储介质，以及形成为所述方法、系统和存储介质的组成部分的医学知识库。具体地讲，一种方法的一个实施例评估个人的医学数据以便识别存在风险的健康状况(如果有的话)。所述方法由获得医学数据开始，其中它具有不同健康状况的至少一个的特征并且使得至少一些所述特征具有值。访问医学知识库。所述知识库具有与不同健康状况相关的多个特征集。所述多个特征集中的每一个具有与不同健康状况的特定一个(或几个)高度相关的特征的组。至少一些所述高度相关的特征具有值的范围。通过将医学数据的特征中的至少两个与子集中特征集的高度相关特征中的至少两个相关联来确定所述多个特征集的子集。通过这种方式，医学数据的特征的知识被转换成以子集中每个特征集的已转换的高度相关特征的组为形式的元数据。医学数据的特征随后进行比较，使得医学数据的正常或非正常特点或医学数据的值的大小与相对于常态的已转换的高度相关特征的相似特点和值的范围进行比较。所述比较相对于标准进行解释以便识别任何存在风险的健康状况。关于医学知识库，本专利技术提供了一种用于将与健康状况相关的候选特征集添加或修改至知识库的方法。候选特征被认为是候选特征集。所述候选特征集具有至少一个其它现有的特征。将所述候选特征与至少一个其它现有的特征进行比较。如果当至少一个候选特征是非正常的和在非正常的值的范围内中的一个时所述候选特征被选定包括在候选特征集中，存在与至少一个其它现有的特征的关联效应，使得合起来它们与所述候选特征集相关的健康状况具有增大本文档来自技高网...
【技术保护点】
１．一种用于评估个人的医学数据以识别任何存在的处于风险的健康状况，包括：通过计算机获得医学数据，所述医学数据具有不同健康状况中的至少一个的特征，所述医学数据的特征中的至少一些具有值；从存储器访问医学知识库，所述医学知识库具有与不同健康状况相关的多个特征集，所述多个特征集中的每一个具有与具体的不同健康状况相关的高度相关特征的组，至少一些所述高度相关特征具有值的范围；用计算机通过将医学数据的特征中的至少两个与子集中每个特征集的所述高度相关特征中的至少两个相关联来确定所述多个特征集的子集，从而将医学数据的特征的知识转换成子集中每个特征集的已转换的高度相关特征的组的形式的元数据；通过计算机比较医学数据的特征是否是正常或不正常之一以及医学数据的量值是否在正常或不正常的已转换的高度相关特征的值的范围内，以便识别所述个人的任何的处于风险的健康状况，其中所述正常和不正常相对于标准来解释，和从计算机输出与处于风险的健康状况相关的信息。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：J·B·苏厄德，
申请(专利权)人：心血管疾病诊断技术公司，
类型：发明
国别省市：US
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。