[发明专利]医疗系统

说明书

根据本发明实施例的医疗系统包括：配置为监视病人生理状态和根据生理状态生成传感器数据的至少一个传感器；用户接口设备；可通信地耦合至用户接口设备的处理器，该处理器配置为：获取传感器数据并处理该传感器数据以生成生理数据；使用户接口设备呈现两个或更多可能的输入单元的阵列，每个输入单元对应于诊断或治疗途径；根据在两个或更多可能的输入单元的阵列中的用户选择，接收选定的输入单元，该选定的输入单元对应于选定的诊断和治疗途径，该选定的诊断和治疗途径具有沿着该治疗途径的决策点；以及根据生理数据和从用户接收到的信息两者，在用户接口设备上呈现协助该用户从一个决策点沿着选定的诊断和治疗途径移动到下一个决策点的信息。

本申请是申请号为201180064816.5(国际申请号为 PCT/US2011/060471)、申请日为2011年11月11日、发明名称为“急诊处理系统信息面板”的发明专利申请的分案申请。

相关申请的交叉引用

本申请要求于2010年11月11日提交的序列号为61/412,679的美国临时专利申请、于2010年11月12日提交的序列号为61/413,266的美国临时专利申请和于2011年1月27日提交的序列号为61/436,943的美国临时专利申请的优先权，在此将其全文引用作为参考。

技术领域

本发明的实施例总体上涉及用于辅助急诊处理的医疗系统，更具体地涉及用于临床决策支持和鉴别诊断的系统。

背景技术

在院前和急诊处理的情景中，医疗救护人员通常面临准确地确诊特定病人的困难。即使训练有素的医生在需要依靠有限信息进行瞬间判断的紧急情况下通常也有困难。研发了计算机自动诊断来改进现场和医院病人治疗的准确性、有效性和可靠性。

自动鉴别诊断使用计算机推断算法，例如贝叶斯算法、神经网络或遗传算法。根据维基百科记录：

贝叶斯网络是基于知识的图形表示，其图示了一组变量和它们在疾病和症状之间的概率关系。它们基于条件概率，在出现另一事件的情况下一个事件的概率，例如诊断测试的解释。贝叶斯法则帮助我们借助于一些更现成的信息来计算事件的概率，且它在出现新证据时一致地处理选项。在CDSS(clinical decision support system，门诊决策支持系统)的情况下，可以使用贝叶斯网络在给定其症状的情况下计算可能的疾病存在的概率。贝叶斯网络的一些优点包括概率形式的专家知识和结论，当新信息可用和基于可应用于多种模型的无偏概率时进行协助决策。贝叶斯网络的一些缺点包括难以获取用于可能诊断的概率知识和对于给定多种症状的大型复杂系统不实用。针对多种同时症状的贝叶斯计算可能使用户不知所措。在 CDSS情景中贝叶斯网络的例子是伊利亚特(Iliad)系统，其使用贝叶斯推理根据给定症状计算可能诊断的后验概率。该系统目前涵盖基于数以千计的检查所见的大约1500种诊断。另一种例子是使用改进形式的贝叶斯逻辑的DXplain系统。该CDSS生成与症状关联的分级诊断列表。

人工神经网络(ANN，Artificial Neural Network)是非基于知识的自适应CDSS，其使用一种形式的人工智能，也称作机器学习，允许该系统从先前经验/实例中进行学习和识别临床信息中的模式。它由称作神经元的节点和以单向方式在神经元之间传送信号的加权连接组成。ANN由三个主要的层组成：输入(数据接收器或检查所见)、输出(传送结果或可能的疾病)和隐藏(处理数据)。使用针对大量数据的已知结果，该系统变得更加有效。ANN的优点包括不再需要给系统编程和提供来自专家的输入。通过对缺失数据进行有据猜测，ANNCDSS可以处理不完整的数据，并且由于其自适应系统学习而在每次使用后得以改进。此外，ANN系统并不需要大型数据库存储具有其相关概率的结果数据。一些缺点是训练处理可能耗费时间，导致用户不能有效地使用系统。ANN系统基于在时间上的统计识别模式推导它们自己的用于加权和组合数据的公式，这可能难以解释并质疑该系统的可靠性。例子包括阑尾炎、背痛、心肌梗塞、精神病急症和皮肤失调的诊断。在一些情况下，ANN对肺栓塞的诊断预测甚至好于医生的预测。此外，基于 ANN的应用在ECG(也称作EKG)波形的分析中也已经是有用的。