[发明专利]基于医院人口统计的电子临床决策支持设备

说明书

一种电子临床决策支持(CDS)设备(10)采用经训练的CDS算法(30)，所述经训练的CDS算法在协变量的集合的值上进行操作以输出医学状况的预测。所述CDS算法在训练数据集(22)上进行训练。所述CDS设备包括计算机(12)，所述计算机被编程为提供用于使用显示器和一个或多个用户输入设备来完成临床调查问题的用户接口(62)。根据所完成的临床调查问题来生成针对协变量的所述集合中的所述协变量的边际概率分布(42)。使用所述边际概率分布针对协变量偏移来调节所述经训练的CDS算法。使用在协变量的所述集合中的所述协变量的针对医学对象的值上进行操作的针对协变量偏移调节的经训练的CDS算法(50)来生成针对所述医学对象的所述医学状况的预测。

技术领域

下文总体上涉及电子临床决策支持(CDS)领域、临床领域等。

背景技术

电子临床决策支持(CDS)设备包括计算机或其他电子处理器，其被编程为基于关于医学对象的输入信息来提供临床信息。输入信息包括可量化的协变量(在某些情况下其可以是二元值)的集合，例如实验室测试结果、放射学研究结果、关于医学对象的人口统计信息(例如年龄、性别等)、体重等等。将机器学习应用到协变量的集合以产生形式为P(y|x)的预测器，其中，x是其元素存储针对对象的协变量的值的向量，并且y是要预测的医学状况的值(在某些情况下其同样可以是二元值，例如“1”表示患者具有该医学状况，“0”表示患者不具有该医学状况；或者，y_i可以是实值或具有某种其他类型的值，例如y_i可以是可以呈现几个可能值中的任何一个值的癌症阶段)。

电子CDS设备通常通过收集训练样本来构建，训练样本在本文中不失一般性地被表示为(x_i,y_i),i＝1,…,n，其中，n是训练样本的数量(即训练对象的数量)，x_i是针对第i个训练对象的协变量值的向量，并且y_i是针对第i个训练对象的医学状况的(已知)值。该训练数据集优选是大的，并且应当足够多样化以代表电子CDS设备期望适用的医学对象的完整范围。所收集的训练样本集用于通过机器学习来训练CDS算法，使得该算法在给定针对协变量的集合的值x的输入集合的情况下以良好的准确度预测医学状况y的值。例如，训练可以优化CDS算法以使归一化的平方和误差最小化，其中，是针对第i个训练对象的预测。

在典型的商业实施方式中，电子CDS由供应商使用从各种来源获取的训练样本集来构建。优选地，样本是匿名的以维持患者的保密性(例如，以符合美国的HIPAA要求)。然后，构建的电子CDS可以销售给各种医学机构，例如医院、医院网络等，用于在提供临床诊断辅助中使用。

发明内容

在一个公开的方面，一种电子临床决策支持(CDS)设备采用经训练的CDS算法，所述经训练的算法在协变量的集合中的协变量的值上进行操作以输出医学状况的预测。所述经训练的CDS算法在训练样本的训练数据集上进行训练。所述CDS设备包括计算机，所述计算机包括显示器和一个或多个用户输入设备。所述计算机被编程为通过使用针对协变量的所述集合中的所述协变量的边际概率分布计算针对所述训练数据集的所述训练样本的协变量偏移调节权重并在具有由所述协变量偏移调节权重加权的所述训练样本的所述训练数据集上执行更新训练针对协变量偏移来调节所述经训练的CDS算法。所述计算机还被编程为通过将针对协变量偏移调节的经训练的CDS算法应用到所述协变量的集合中的所述协变量的针对医学对象的值来生成针对所述医学对象的所述医学状况的预测，并且在所述显示器上显示针对所述医学对象的所述医学状况的所生成的预测。