Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2014201515) MEDICAL DATA PROCESSING FOR RISK PREDICTION
Latest bibliographic data on file with the International Bureau   

Pub. No.: WO/2014/201515 International Application No.: PCT/AU2014/050074
Publication Date: 24.12.2014 International Filing Date: 17.06.2014
IPC:
G06Q 50/22 (2012.01) ,G06Q 50/24 (2012.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
Q
DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
50
Systems or methods specially adapted for a specific business sector, e.g. utilities or tourism
10
Services
22
Health care, e.g. hospitals; Social work
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
Q
DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
50
Systems or methods specially adapted for a specific business sector, e.g. utilities or tourism
10
Services
22
Health care, e.g. hospitals; Social work
24
Patient record management
Applicants:
DEAKIN UNIVERSITY [AU/AU]; Pigdons Road Waurn Ponds, Victoria 3221, AU
Inventors:
TRAN, Truyen; AU
RANA, Santu; AU
PHUNG, Quoc-Dinh; AU
LUO, Wei; AU
VENKATESH, Svetha; AU
Agent:
DAVIES COLLISON CAVE; 1 Nicholson Street Melbourne, Victoria 3000, AU
Priority Data:
201390219118.06.2013AU
201390488316.12.2013AU
Title (EN) MEDICAL DATA PROCESSING FOR RISK PREDICTION
(FR) TRAITEMENT DE DONNÉES MÉDICALES POUR LA PRÉDICTION DE RISQUES
Abstract:
(EN) A computer system for processing medical data may include an input module, an extractor, a selector, a trainer, and a probability generator. The input module may be configured to: import raw medical data from one or more computer-readable files, wherein said raw medical data represent a plurality of electronic medical records (EMRs) for a plurality of persons, said EMRs including descriptions of medical occurrences, times associated with the medical occurrences, and medical outcomes for the persons, and generate events data representing a timeline of events for each person, wherein each event includes an event type, an event time, and an event value, wherein said event types, said event times and said event values are determined using pre-selected event generating rules applied to the descriptions and times of the medical occurrences. The extractor may be configured to receive the events data, and to extract feature values from the timelines by applying a filterbank with filters of different temporal widths to the timelines, wherein the filters extract said feature values using the event values of those of the events with event times within the temporal widths of the filters. The selector may be configured to: receive the extracted feature values from the extractor, each feature value being associated with a feature defined by one of the filters applied to one of the event types, and select ones of the features that are indicative of a medical outcome in a training data set of the raw medical data. The trainer may be configured to: receive the selected features, and training data representing the medical occurrences and the medical outcomes, and train a classifier using the selected features and the training data, wherein the classifier is configured to classify a person into a one of a selected plurality of probability classes associated with the medical outcome based on that person's medical data representing the medical occurrences and associated times. The computer system may include a probability generator configured to extract values corresponding to the subset of selected features from a person's raw medical data, and to generate a probability value of the outcome for the person using the extracted values in the numerical model of probability. The computer system may include a visualisation module configured to generate filtered record data representing medical occurrences from a selected person's medical data using a subset of selected features that are indicative of a medical outcome.
(FR) Un système informatique de traitement de données médicales peut comprendre un module d'entrée, un module d'extraction, un module de sélection, un module de formation, et un module de génération de probabilités. Le module d'entrée peut être configuré pour : importer des données médicales brutes, d'un ou plusieurs fichiers lisibles par ordinateur, lesdites données médicales brutes représentant une pluralité de rapports médicaux électroniques (EMR) d'une pluralité de personnes, lesdits EMR contenant des descriptions de manifestations médicales, des heures associées aux manifestations médicales, et des résultats médicaux des personnes ; et générer des données d'événements représentant un plan chronologique d'événements en lien avec chaque personne, chaque événement comprenant un type d'événement, une heure d'événement et une valeur d'événement, lesdits types d'événement, heures d'événement et valeurs d'événement étant déterminés au moyen de règles de génération d'événement présélectionnées, appliquées aux descriptions et aux heures des manifestations médicales. Le module d'extraction peut être configuré pour recevoir les données d'événements et extraire des valeurs caractéristiques des plans chronologiques en appliquant une rangée de filtres comprenant des filtres de largeurs temporelles différentes sur les plans chronologiques, les filtres extrayant lesdites valeurs caractéristiques au moyen des valeurs d'événement des événements dont les heures d'événement se situent à l'intérieur des largeurs temporelles des filtres. Le module de sélection peut être configuré pour : recevoir les valeurs caractéristiques extraites, du module d'extraction, chaque valeur caractéristique étant associée à une caractéristique définie par l'un des filtres appliqué sur l'un des types d'événement ; et sélectionner les caractéristiques qui indiquent un résultat médical dans un ensemble de données de formation des données médicales brutes. Le module de formation peut être configuré pour : recevoir les caractéristiques sélectionnées et les données de formation représentant les manifestations médicales et les résultats médicaux ; et former un classificateur au moyen des caractéristiques sélectionnées et des données de formation, le classificateur étant configuré pour classifier une personne dans l'une d'une pluralité sélectionnée de classes de probabilités associées aux résultats médicaux, sur la base du fait que les données médicales de cette personne représentent les manifestations médicales et les heures associées. Le système informatique peut comprendre un module de génération de probabilités, configuré pour extraire des valeurs correspondant au sous-ensemble de caractéristiques sélectionnées, des données médicales brutes d'une personne, et générer une valeur de probabilité du résultat de la personne au moyen des valeurs extraites dans le modèle de probabilité numérique. Le système informatique peut comprendre un module de visualisation, configuré pour générer des données de rapport filtrées représentant des manifestations médicales, à partir des données médicales d'une personne sélectionnée, au moyen d'un sous-ensemble de caractéristiques sélectionnées indiquant un résultat médical.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LT, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)