[发明专利]具有海量医疗分析的医疗处理计算机规划方法和系统

权利要求书

1.一种由至少一个计算机处理器执行的用于医疗分析的计算机实施的方法，包括：

提供数据库以用于存储包含与多个患者相关联的患者参数的大量医疗数据集，所述患者参数包括下列参数中的一个或多个：一种或多种疾病或医学状况、一种或多种治疗规程、一种或多种临床参数、一种或多种实验室参数、通过医疗设备获得的一种或多种参数、及/或通过医疗装置获得的一种或多种参数，每个参数包括值和时间数据；

接收每种疾病或医学状况的一个或多个主参数以用于向下分组；

通过根据包括患者参数的患者数据的相似性，对所述大量医疗数据集进行自动、连续并且迭代的多级向下分组来进行计算机过滤，以分成同质性子组，每个数据集包含与多个患者相关联的患者参数，具有统计显著差异的每个同质性子组由一个或多个主参数在所述疾病或医学状况的时间过程期间关于参数值变化和变化速度的相同或基本类似的动态过程确定，参数的动态过程被组合以形成确定患者之间的相似性比较函数的基础并且将最相似的患者向下分组到子组中；

对于一个或更多子组中的患者的每种疾病或医学状况，自动确定与所述一个或多个主参数的动态过程相关的一个或多个相关参数；以及

将包括一个或多个主参数的值和动态过程以及至少一个相关参数的值和动态过程的新患者的数据集与数据库的子组的数据集中的患者疾病的相应一个或多个主参数的值和动态过程以及至少一个相关参数的值和动态过程相比较，其中所述新患者能被分类到一个或多个相关子组中以确定用于所述新患者的一个或多个推荐治疗规程。

2.如权利要求1所述的方法，其中，将所述多个患者的大量医疗数据集向下分组为子组的步骤以及匹配新患者的疾病数据集的分类步骤包括多个级的分类，所述多个级的分类用第一组参数开始，接着是第二组参数，并且继续进行该迭代处理，直到全部向下分组参数的值和动态过程都类似的、对所述疾病的所述治疗具有一致的后果的小的组被识别，并且被相对于所述新患者的医疗数据集进行过滤。

3.如权利要求1所述的方法，其中，当与新患者或现有患者对应的大量医疗数据集被添加到所述数据库以致产生任何子组的熵的显著变化时，重复所述向下分组的步骤，所述变化如果大于百分之三(3％)，则被视为显著。

4.如权利要求1所述的方法，其中，如果患者对所产生的治疗的反应没有统计上显著的差异，则通过向下分组生成的子组被合并成更大的组，其中显著性由p<.05水平的双尾t测试确定。

5.如权利要求1所述的方法，其中，所述患者对治疗的反应是与随时间推移的轨迹对应的反应的矢量，而不是单个值。

6.如权利要求1所述的方法，其中，所述向下分组步骤包括根据以下方程计算患者组G关于随机变量R的熵(H)，其中，p(t(q_i)＝R)是接收治疗t的患者q_i将具有后果R的概率，H(G)是患者组G的熵：

7.如权利要求6所述的方法，其中，所述向下分组的步骤包括使用从以下公式计算的、当特定属性具有大于阈值的值时每个患者子组G关于随机变量后果R的条件熵，其中x₁至x_n是一个或多个被选患者参数，所述条件熵相当于子组关于R的熵，其中所述子组被选择使得参数值落在对应的指定阈值内，所述阈值由其最小值指定：

8.如权利要求7所述的方法，其中，所述阈值如下式中所例示的那样由参数的最小值和最大值的组合指定：

H(G|x₁＞thresh(x₁),...,x_k＜thresh(x_k))。

9.如权利要求7所述的方法，其中，所述阈值如下式中所例示的那样由患者参数的最小值、最大值或准确值的组合指定：

H(G|x₁＞thresh(x₁),...,x_k＝thresh(x_k))。