[发明专利]基于机器学习的安全控制器

说明书

一种方法可以包括通过应用机器学习模型来识别与临床医师相关的轮班，所述机器学习模型经过训练以基于与临床医师相关的一系列事务记录来识别与临床医师相关的一个或更多个轮班。至少基于与临床医师相关的轮班，可以将临床医师识别为可能参与危害行为。响应于确定出临床医师可能参与危害行为而激活保护工作流程。所述保护工作流程可以配置为防止临床医师参与危害行为以及配置为收集与危害行为相关的证据。还公开了相关方法和制品。

相关申请的交叉引用

本申请要求标题为“基于机器学习的轮班跟踪(MACHINE LEARNING BASED SHIFTTRACKING)”并且提交于2019年1月7日的美国临时申请No.62/789,337的优先权，其公开内容以全文引用的方式并入本文中。

技术领域

本文所描述的主题总体上涉及机器学习，并且更具体地，涉及用于检测和防止危害行为的基于机器学习的技术。

背景技术

在各种医疗环境中可能会出现导致损失资源和伤害患者以及临床医师的危害行为。转移可能是危害行为的一个示例，其中代替将物质施用于患者和/或废弃所述物质，临床医生保留所述物质以用于未授权的个人使用和/或个人利益。高价值医疗供给和受控药剂(例如，阿片剂、阿片类药物、麻醉剂和/或其类似者)可能尤其容易遭到转移。危害行为的其它示例可以包括对物质无意的误处置。例如，临床医师可能检取、施用和/或废弃不正确类型和/或数量的药剂。

发明内容

提供了基于机器学习的安全控制器的系统、方法和制品，包括计算机程序产品。在一些示例性实施方案中，提供一种系统，其包括至少一个处理器和至少一个存储器。所述至少一个存储器可以包括程序代码，所述程序代码在由至少一个处理器执行时提供操作。所述操作可以包括：通过至少应用机器学习模型来识别与第一临床医师相关的第一轮班，所述机器学习模型经过训练以至少基于与第一临床医师相关的一系列事务记录来识别与第一临床医师相关的一个或更多个轮班；至少基于与第一临床医师相关的第一轮班来确定第一临床医师可能参与危害行为；以及响应于确定出第一临床医师可能参与危害行为而激活保护工作流程。

在一些变化形式中，本文公开的包含以下特征的一个或更多个特征可以任选地包括在任何可行的组合中。可以将与第一临床医师相关的第一轮班和与第一临床医师相关的第二轮班和/或与第二临床医师相关的第三轮班进行比较。可以至少基于所述比较来确定第一临床医师可能参与危害行为。

在一些变化形式中，可以通过至少将与第一临床医师相关的第一轮班中包括的第一多个事务记录和与第一临床医师相关的第二轮班和/或与第二临床医师相关的第三轮班中包括的第二多个事务记录进行比较，将第一轮班与第二轮班和/或第三轮班进行比较。响应于检测到第一多个事务记录中包括的一个或更多个异常事务记录，可以确定第一临床医师可能参与危害行为。

在一些变化形式中，可以至少基于与第一临床医师相关的第一轮班具有和与第一临床医师相关的第二轮班和/或与第二临床医师相关的第三轮班共同的一个或更多个属性，将第一轮班与第二轮班和/或第三轮班进行比较。

在一些变化形式中，可以至少基于第一临床医师和第二临床医师具有共同的一个或更多个属性，将与第一临床医师相关的第一轮班和与第二临床医师相关的第三轮班进行比较。

在一些变化形式中，可以至少基于与第一临床医师相关的第一轮班来识别第一临床医师在其间可能参与危害行为的一个或更多个高风险时段。可以在一个或更多个高风险时段期间激活保护工作流程。

在一些变化形式中，一个或更多个高风险时段可以包括第一轮班的开始之后的第一时间量和第一轮班的结束之前的第二时间量中的至少一个。

在一些变化形式中，一个或更多个高风险时段可以包括第一轮班中超过阈值时间量的部分。