[发明专利]计算机实现的方法和系统

说明书

本发明涉及计算机实现的方法和系统。本说明书中所描述的主题的方面体现在如下的系统和方法中，该系统和方法利用机器学习技术以使用被训练为识别表示与临床试验调查相关联的不良事件的异常的一个或多个学习模型来评价临床试验数据。在一些实现中，获得在临床试验场所收集到的调查数据。选择与临床试验场所相对应的模型集。模型集中所包括的各模型被训练为基于在临床试验场所收集到的历史调查数据来识别用于指示与调查数据相关联的依从性风险的一个或多个指标的不同的集合。基于调查数据相对于历史调查数据来确定临床试验场所的评分。评分表示调查数据与表示依从性风险的至少一个指标相关联的可能性。

技术领域

本说明书涉及用于进行数据分析、更具体地涉及用于进行预测分析的技术。

背景技术

数据聚合可以包括编译来自多个不同源的数据。根据正编译的数据所来自的源的特性，可能存在处理数据以识别数据模式的挑战。例如，从异构数据源获得的数据可以是不同的不兼容格式，这需要显著的处理能力来生成用于产生纵向映射(longitudinalmapping)的索引。此外，可能存在限制对来自某些提供方的数据的访问的约束或其它因素。一旦从多个不同的异构源获得数据，就可能很难在用户界面中有效地呈现该数据，特别是在所获得的数据将基于各用户而不同的情况下。

发明内容

一般来说，本说明书中所描述的主题的创新方面可以体现在如下的系统和方法中，该系统和方法利用机器学习技术，通过应用被训练为识别表示与临床试验调查相关联的不良事件的异常的一个或多个学习模型来处理和评价临床试验数据。例如，在一些实例中，系统应用学习模型以检测参加临床试验的患者的医疗记录中所存在的数据异常。在其它实例中，系统应用学习模型以确定由于对与疾病状况的处置相关联的不良事件的低估(underreporting)、延迟报告或缺少报告而导致的、与临床试验相关联的依从性风险的可能性。

在一个一般方面中，本说明书中所描述的主题可以体现在如下的方法中，该方法包括以下的操作：获得在临床试验场所收集到的调查数据；选择与所述临床试验场所相对应的模型集，其中，所述模型集中所包括的各模型被训练为基于在所述临床试验场所收集到的历史调查数据来识别用于指示与所述调查数据相关联的依从性风险的一个或多个指标的不同的集合；使用所述模型集，基于所述调查数据相对于所述历史调查数据来确定所述临床试验场所的评分，其中，所述评分表示所述调查数据与表示所述依从性风险的至少一个指标相关联的可能性；以及基于所述临床试验场所的评分来向所述临床试验场所提供所述依从性风险的指示。

这些和其它版本可以各自可选地包括以下特征中的一个或多个。例如，在一些实现中，所述依从性风险与由所述模型集识别为表示与所述调查数据相关联的监管机构所指定的不良事件的数据记录的子集相关联。

在一些实现中，所述依从性风险指示所述数据记录的子集中所包括的所有数据记录尚未被报告给所述监管机构。

在一些实现中，所述依从性风险指示所述数据记录的子集中所包括的一个或多个数据记录尚未被报告给所述监管机构。

在一些实现中，所述依从性风险指示所述数据记录的子集可能在超过用于报告所述不良事件的阈值时间段的时间段内被报告给所述监管机构。

在一些实现中，用于报告所述不良事件的阈值时间段由(i)发现所述不良事件的第一时间点、以及(ii)所述不良事件被报告给所述监管机构的第二时间点来定义。

在一些实现中，所述模型集包括：第一模型，其被训练为识别表示所述依从性风险的一个或多个指标的第一集合；以及第二模型，其被训练为识别表示所述依从性风险的一个或多个指标的第二集合。在这样的实现中，确定所述临床试验场所的评分包括以下的操作：基于相对于所述一个或多个指标的第一集合处理所述调查数据，来确定所述调查数据的第一子评分；基于相对于所述一个或多个指标的第二集合处理所述调查数据，来确定所述调查数据的第二子评分；以及组合所述第一子评分和所述第二子评分以确定所述临床试验场所的评分。