用于自动临床决策支持系统的系统和方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110534190A(43)申请公布日2019.12.03(21)申请号201910428823.7(22)申请日2019.05.22(30)优先权数据18174108.32018.05.24EP18180907.02018.06.29EP18187263.12018.08.03EP(71)申请人西门子医疗有限公司地址德国埃朗根(72)发明人阿斯米尔·沃登查雷维奇(74)专利代理机构北京集佳知识产权代理有限公司11227代理人唐京桥董娟(51)Int.Cl.G16H50/20(2018.01)权利要求书5页说明书31页附图17页(54)发明名称用于自动临床决策支持系统的系统和方法(57)摘要本发明涉及用于自动临床决策支持系统的系统和方法。本发明描述了一种用于创建用于自动临床决策支持系统的预测模型的方法以及一种用于创建用于自动临床决策支持系统的预测数据的相应预测单元，该自动临床决策支持系统用于使用嵌套交叉验证中的EMR数据和预测模型对例如自体免疫疾病中的疾病活动的临床事件的自动监督和半监督分类和治疗优化。本发明还描述了一种用于使用EMR数据对临床事件的自动监督和半监督分类和治疗优化的自动临床决策支持的方法以及一种相应的决策支持系统。CN110534190ACN110534190A权利要求书1/5页1.一种用于创建用于自动临床决策支持系统(CDSS)的预测模型(PM)的方法，所述自动临床决策支持系统用于使用EMR数据(EL，EU)对临床事件的自动监督和半监督分类和治疗优化，所述方法包括以下步骤：-提供多个EMR数据集(EL，EU)，所述EMR数据集包括多个随访的测量结果和患者相关数据，-如果必要：处理所述EMR数据集(EL，EU)，以便估计缺失值和/或校正异常值和/或对测量结果的时间性进行建模，-可选地：在所述EMR数据集(EL，EU)内形成相关随访的子组，-提供目标变量或从所述EMR数据集(EL，EU)中提取目标变量，-提供多个未训练的预测模型(PM)，其可以输出概率并将权重分配给所述EMR数据集(EL，EU)的EMR数据，其中，能够使用机器学习的方法利用数据来训练每个预测模型(PM)，-提供多个不同的时间范围，-针对每个时间范围和每个预测模型(PM)执行嵌套交叉验证，-基于所述嵌套交叉验证针对每个时间范围选择预测模型(PM)。2.根据权利要求1所述的方法，其中，-通过使用滑动加权函数来估计所述EMR数据集(EL，EU)中的缺失值，其中，尤其从关联时间窗中的所述EMR数据集(EL，EU)的测量结果中估计缺失值作为经加权的过去已知值的和，优选地，所述和通过权重之和来归一化，以及/或者-通过值聚合明确地对所述EMR数据集(EL，EU)中的测量结果的时间性进行建模，其中，为了充分考虑所述数据的时间性，优选地，由经聚合的值来替换已知测量结果，并且其中，随后优选地应用二值化方法，以将潜在剩余的缺失值编码为二值零向量。3.根据前述权利要求中的一项所述的方法，-其中，通过使用聚类算法来形成来自所述EMR数据集(EL，EU)内的不同随访的相关数据的子组，其中，特别地通过将所述EMR数据集(EL，EU)中的患者的随访聚类成子组来优选利用这些子组生成预测器，-其中，确定给定EMR数据集(EL，EU)的最优子组数，-并且其中，所述子组被用作临床事件分类中的预测器，其中对于每次随访：-从所述随访的集群成员中创建第一特征，-从所述随访到每个子组的中心的闵可夫斯基距离中创建其他特征。4.根据前述权利要求中的一项所述的方法，其中，减少所述EMR数据集(EL，EU)中的数据维度的数目，并且以减少的维度数目使所述EMR数据集(EL，EU)可视化，优选地其中，通过使用主成分分析(“PCA”)来减少所述EMR数据集(EL，EU)中的数据维度的数目，尤其其中，在使用二维或三维的PCA空间中表示所述EMR数据集(EL，EU)的患者数据，并且优选地其中，来自与临床事件相关联的随访的数据在所述PCA空间中被表示为一个单独子组的点，优选地其中，尤其在被标记为危险区域的空间中使所述子组可视化。2CN110534190A权利要求书2/5页5.根据前述权利要求中的一项所述的方法，其中，所述预测模型选自包括以下各项的组：逻辑回归、线性判别分析、二次判别分析、决策树、额外树分类器、随机森林、自适应增强、梯度增强、装袋分类器、k-最近邻、朴素贝叶斯分类器和支持向量机。6.根据前述权利要求中的一项所述的方法，-其中，对于嵌套交叉验证的外层循环的每次迭代，对于与所述预测模型(PM)相关的超参数集，其中，优选创建用于每个预测模型(PM)的多个最有影响的超参数的值的网格，-其中，对于每个预定义的超参数集，使用当前外层循