[发明专利]用于感染病通告的系统和方法

说明书

本发明提供了用于感染病通告的系统和方法。用于感染病通告的系统(1)包括在大量患者(P)的EMR数据集(E)上被训练的机器学习监测算法(AI)，该监测算法(AI)被设计成使得它根据任何提供的EMR数据集(E)计算感染病的概率(PV)，并且系统(1)被设计成将所计算的提供的EMR数据集(E)的概率(PV)与已知值进行比较；其中，在训练的过程中，该值表示是否存在感染病的发作，并且监测算法(AI)被设计成用于相应地调整其参数；以及其中，在对通告(N)进行评估的过程中，该值是预定义的阈值(T)，并且系统(1)被设计成：如果概率(PV)超过阈值(T)，则输出通告(N)。本发明还描述了相关的方法和网络服务系统。

技术领域

本发明描述了用于感染病(infectious disease)通告的系统和方法，优选地，本发明描述了用于在有感染病风险的情况下通告专家的系统和方法。具体地，本发明描述了一种人工智能驱动的感染病专家通告系统。

背景技术

如今，医院中的主要并发症是已经住院并接受过诸如手术或活检的医疗规程的患者的感染例如败血症的发展。

当前的工作流程是：当怀疑或已经确认严重感染时，由主治医生根据需要呼叫感染病专家。由于严重感染是急性疾病，因此在时间是关键因素的情况下，通常呼叫感染病专家为时已晚。这可能导致感染的正确治疗的延迟，并使患者预后恶化。因此，尽快通知感染病专家是至关重要的。

当前，医院中没有在较早的时间点自动通知感染病专家的技术方案。

发明内容

本发明的目的是改进已知的系统和方法，以通过感染病通告来促进在预防由于感染病引起的并发症方面的改善。

该目的通过根据本发明的技术方案所述的系统和根据本发明的技术方案所述的方法以及根据本发明的技术方案所述的网络服务系统来实现。

根据本发明的系统用于感染病通告，即，关于感染病的发作的概率的通告。为了确定感染病的发作的概率，必要的是基于患者的当前数据进行预测。该数据还被称为“患者数据”，并且该数据包括来自患者的EMR(电子病历)的数据，优选地，该数据包括来自以下组的数据：生命体征、实验室结果、护理点测试结果、患者护理相关规程、其他规程、合并症、患者病史、患者统计信息、其他疾病和临床护理数据。

本发明的主要构思是：监测算法对医院中出现的具有感染病的患者进行分析，并且对可能发展为严重感染的患者进行区分。然后，优选地，将这些患者报告给感染病专家，然后该感染病专家可以联系原来的主治医生，例如，肿瘤科医生或心脏病科医生。目前，情况正好相反：如果疾病被确定，则原来的主治医生会联系感染病专家以寻求帮助。应当注意，尽管优选的是，直接自动地联系专家(例如，经由预定义的地址和向该地址发送的通告)，但是也可以将通告发送或显示给随后呼叫专家的人员。

该系统包括机器学习监测算法，该机器学习监测算法在大量的患者EMR数据集上被训练，此外优选地，该机器学习监测算法在医疗机构的当前流行病学简档(epidemiologyprofiles)上被训练。非常重要的数据是所使用的抗生素、结果(例如，疾病的长度)、先前患者的生化指标和生命体征。监测算法被设计成使得它根据任何提供的EMR数据集计算感染病的概率(在训练期间以及在正常执行期间)，并且该系统被设计成将所计算的提供的EMR数据集的概率与已知值进行比较。可以通过监测算法或通过单独的比较单元来实现比较。

存在系统的(至少)两种可能的工作模式：训练和评估通告。

在训练的过程中，(已知)值表示是否存在感染病的发作(“真相(groundtruth)”)，并且监测算法被设计成用于相应地调整其参数。这可以例如通过以下操作来实现：监测算法利用其预定义的参数计算概率，基于真相来验证结果，如果结果不匹配，则改善参数，只要结果位于围绕真相的预定义的范围内即可。