本開示は概して、電子発注入力プラットフォームおよび電子医療記録システム内の各種セットの利用可能な医療および医療関連データを、インタフェースを通じてオンデマンド解析し、解析結果を同じインタフェースを通じてリアルタイムで提供することができる計算プラットフォームに関する。The present disclosure generally relates to a computing platform capable of performing on-demand analysis of various sets of medical and medical related data available in an electronic order entry platform and an electronic medical record system through an interface and providing the analysis results in real time through the same interface.
医療に伴うコストに目を光らせつつ高品質の医療サービスを提供することは、従来から医療提供者および関連事業の目的であった。患者が広範な地理的領域にわたって、相互にコミュニケーションを取れる、あるいは取れない複数の医師や医療提供者を訪れる医療環境においては、医学的診断またはその他の検査を実行して患者の関連情報を確認することは、そうした検査や医学的診断が患者の訪れる様々な医療提供者の間で重複し、他の医療提供者には既知である情報を入手するという恩恵を受けずに実行される場合があるため、非効率となり得る。Providing high quality health care services while keeping an eye on the costs associated with health care has traditionally been the objective of health care providers and related businesses. In a health care environment where a patient visits multiple physicians and health care providers across a wide geographic area who may or may not be able to communicate with each other, performing medical diagnostic or other tests to ascertain relevant information for the patient can be inefficient as such tests and medical diagnoses may be duplicated among the various health care providers the patient visits and may be performed without the benefit of having access to information that is known to the other health care providers.
さらに、医療シーンはますます複雑化しつつあり、低コストで高品質な医療という目的との間でせめぎ合っている。臨床医にとって既知な病状の数は、科学的発見によってこれまで理解があまりされていなかった症状の病因、遺伝学、下位分割に関する詳細な理解が深まるにつれ、さらに増え続けている。ＩＣＤ－９（約１４０００診断コードを含む）基準からＩＣＤ－１０（約６８０００診断コードを含む）基準への移行に例示されるように、このような症状を医療記録文書内に反映させるコードもきめ細やかさを増している。臨床医が利用可能な診断の数と種類は、治療方法と同様に増加の一途をたどっている。Furthermore, the medical landscape is becoming increasingly complex, competing with the objectives of low-cost and high-quality care. The number of medical conditions known to clinicians continues to grow as scientific discoveries provide a more detailed understanding of the etiology, genetics, and subdivision of previously poorly understood conditions. The codes that reflect these conditions in medical records also become more granular, as exemplified by the transition from ICD-9 (containing approximately 14,000 diagnostic codes) to ICD-10 (containing approximately 68,000 diagnostic codes). The number and variety of diagnoses available to clinicians continues to grow, as do the treatments.
中核の医療行為における上記のきめ細やかさと複雑さの進歩に加えて、医療周縁の事業プロセス、経営、法的監視も同様に複雑化しつつある。医療産業が量ベースの治療から質ベースの治療に移行するにつれ、品質結果の測定もその重要性を劇的に増大させた。患者が過去に受けた治療の質を評価する能力は、最適な医療の決定だけでなく、医療費削減を推し進める上で極めて重要になり得る。しかしながら、こうした評価を実行するのに必要なデータは、相互にコミュニケーションを取れない種々雑多な場所や実体に保管されることが多い。さらに、このような評価に必要な情報は大量であるために、医療提供者が「リアルタイム」で（直に治療に当たっている期間中）、患者が受けた治療の質や、治療が法的基準を遵守しているか否かを判定できない可能性がある。In addition to the above-mentioned increases in granularity and complexity in core medical practices, the business processes, management, and regulatory oversight of the healthcare periphery are becoming more complex as well. As the healthcare industry transitions from volume-based to quality-based care, quality outcome measurement has also dramatically increased in importance. The ability to evaluate the quality of care a patient has received in the past can be crucial in driving optimal care decisions as well as reducing healthcare costs. However, the data required to perform such evaluations is often stored in disparate locations and entities that do not communicate with each other. Furthermore, the volume of information required for such evaluations may prevent healthcare providers from determining in "real time" (during the time of direct care) the quality of care a patient received and whether that care complies with regulatory standards.
複数のソースからのデータを集計、調査、解析し、患者の病歴の様々な面を広範かつ綿密に「オンデマンド」で（必要と要請に応じて）総合的に検討する計算プラットフォームは、不要なまたは重複する医学的検査やラボ診断に伴う非効率的な出費を最小限に抑えつつ、医療の質を最大限に向上させるのに役立てることができる。しかしながら、上記の集計、調査、解析は、多くの異なるソースに点在する大量のデータに基づくことが多いため、医療提供者はこのような解析を実行することができない。Computational platforms that aggregate, interrogate and analyze data from multiple sources to provide a broad, in-depth and comprehensive review of various aspects of a patient's medical history "on-demand" (as needed and requested) can help maximize the quality of care while minimizing inefficient expenditures associated with unnecessary or duplicative medical tests and laboratory diagnostics. However, such aggregation, interrogation and analysis are often based on large amounts of data scattered across many different sources, which are infeasible for healthcare providers to perform.
本開示は、様々な第三者の内部データベースから集計および調査される医学的データを用いて解析を実行するコンピュータ化プラットフォームに関する。The present disclosure relates to a computerized platform that performs analytics using medical data that is aggregated and collated from various third-party internal databases.
プラットフォームは、患者の医学的データをリアルタイムで解析して、実際の治療中に、患者と医療提供者に最も関係性が高い解析検査をオンデマンドで発注してその解答を受け取ることで、臨床医による高品質かつ費用効果の高い治療の提供をサポートすることができる。The platform analyzes patient medical data in real time, enabling clinicians to help deliver high-quality, cost-effective care by ordering the analytical tests most relevant to patients and providers and receiving answers on-demand during live care.
オンデマンドリアルタイム患者固有データ解析は、１例では、治療時に、臨床医が個別に発注することのできる１そろいの様々な患者固有データ解析とすることができる。いくつかの例では、リアルタイム患者固有データ解析の発注は、複数のデータベースを調査して、特定の患者の関連情報を検索することと、患者の関連情報を収集することと、医師または医療提供者がより高品質でコスト効果の高い患者の体験を提供するのを助けることができる具体的な特徴またはパターンを求めて、収集した情報を解析することとを含むプロセスを開始させることができる。On-demand real-time patient-specific data analytics, in one example, can be a set of various patient-specific data analytics that can be individually ordered by a clinician at the time of care. In some examples, ordering real-time patient-specific data analytics can initiate a process that includes searching multiple databases to search for relevant information for a particular patient, collecting the relevant information for the patient, and analyzing the collected information for specific characteristics or patterns that can help the physician or healthcare provider provide a higher quality and more cost-effective patient experience.
あるシナリオ例が、リアルタイム患者固有データ解析を実行する概念を例示するのに役立つ。このシナリオ例では、患者は救急処置室に運ばれて、急性の苦痛、外傷、または意識不明状態により情報を提供できない。通常、患者は病歴に関連する質問に確実に回答できないため、治療を提供する臨床医は、医学的問題を診断するだけでなく、臨床医の処方する治療過程に影響を及ぼすおそれのあるその他の悪化要因が存在しないように確保するために、広範な一連の医学的検査を行わなければならない。さらに、医師は、発見される異常が急性なのか慢性なのか、あるいは、過去の治療がアレルギー反応などの悪影響を招いたことがあるか否かを判定することができないため、進行中の問題とそれに関連する適切な治療を判定することが難しい。しかしながら、臨床医が患者のためにオンデマンドリアルタイム患者固有データ解析を発注できれば、計算プラットフォームは複数のデータソース（すなわち、他の臨床医のデータベース、過去の診断データ、薬剤記録、ラボ記録、電子医療記録データなど）を調査して、患者の過去の病歴と治療に関する情報を収集し、収集された情報を解析し、救急処置室で適切または確実に反応できない、不十分にしか反応できない、あるいは意識不明である患者を治療する際に医療提供者の助けとなる要因またはその他の関連情報を判定することができる。１例では、オンデマンドリアルタイム患者固有データ解析は、患者が過去に受けた、あるいは現在受けている投薬治療に関する情報、患者に関して実行された過去の全ラボ作業、過去の診断、過去の入院歴を検索することができる。オンデマンドリアルタイム患者固有データ解析によって検索された情報は、単独のデータベースにすべて置くことができる、あるいは、いくつかの例では、第三者の医療提供者によって維持される種々雑多なデータベースに置くことができる。計算プラットフォームは、これらのデータベースをそれぞれ調査して、オンデマンドリアルタイム患者固有データ解析を発注する患者の関連情報が、特定のデータベースに記憶されているかどうかを確認することができる。An example scenario helps illustrate the concept of performing real-time patient-specific data analytics. In this example scenario, a patient is brought to an emergency room and is unable to provide information due to acute distress, trauma, or an unconscious state. Because the patient is typically unable to reliably answer questions related to their medical history, the treating clinician must perform an extensive series of medical tests to not only diagnose the medical problem but also ensure that there are no other compromising factors that may affect the course of treatment the clinician prescribes. Furthermore, the physician is unable to determine whether the abnormality found is acute or chronic, or whether previous treatments have led to adverse effects such as an allergic reaction, making it difficult to determine ongoing problems and the appropriate associated treatments. However, if a clinician can order an on-demand real-time patient-specific data analysis for a patient, the computing platform can interrogate multiple data sources (i.e., other clinician's databases, past diagnostic data, medication records, lab records, electronic medical record data, etc.) to gather information about the patient's past medical history and treatment, analyze the gathered information, and determine factors or other relevant information that may assist a healthcare provider in treating a patient who is unable to respond appropriately or reliably, is inadequately responsive, or is unconscious in an emergency room. In one example, the on-demand real-time patient-specific data analysis can retrieve information about medications the patient has received or is currently receiving, all past lab work performed on the patient, past diagnoses, and past hospitalizations. The information retrieved by the on-demand real-time patient-specific data analysis can all be located in a single database, or in some examples, can be located in miscellaneous databases maintained by third-party healthcare providers. The computing platform can interrogate each of these databases to see if the relevant information of the patient for whom the on-demand real-time patient-specific data analysis is being ordered is stored in a particular database.
臨床医がラボ検査を発注して、患者にとって最適な治療過程を判定するのとほぼ同じように、臨床医はリアルタイム患者固有データ解析を発注して、具体的な患者に関するデータを調査および解析して治療過程を教示するプロセスを開始させることもできる。In much the same way that a clinician orders a lab test to determine the best course of treatment for a patient, a clinician can also order real-time patient-specific data analytics to begin the process of researching and analyzing data about a specific patient to inform the course of treatment.
図１は、本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する例示の方法を示す。図１に示すように、臨床医１０２は、ラボ診断発注入力インタフェースまたはその他の発注入力インタフェース１１４を用いてオンデマンドリアルタイム患者固有データ解析プロセスを開始することができる。発注入力インタフェース１１４は、いくつかの例では、ラボサービスプロバイダが検査機関での試験を発注する、あるいは臨床医が特定の薬局に直接処方薬を発注するために利用する既存のコンピュータインタフェースとすることができる。既存の発注入力インタフェースを利用することによって、医療提供者は既存のワークフロー内で治療中の特定の患者に関して、共通のインタフェースにラボ診断とオンデマンドリアルタイム患者固有データ解析の両方を発注させることができる。いくつかの例では、オンデマンドリアルタイム患者固有データ解析は、（後で詳述する）オンデマンドリアルタイム患者固有データ解析計算プラットフォームとのインタフェース専用の別個のインタフェースを用いて発注することができる。1 illustrates an exemplary method of performing on-demand real-time patient-specific data analysis according to an example of the present disclosure. As shown in FIG. 1, a clinician 102 can initiate an on-demand real-time patient-specific data analysis process using a laboratory diagnostic order input interface or other order input interface 114. The order input interface 114 can be an existing computer interface that a laboratory service provider uses to order laboratory tests or that a clinician uses to order prescription drugs directly from a particular pharmacy, in some examples. By utilizing an existing order input interface, a healthcare provider can have both laboratory diagnostics and on-demand real-time patient-specific data analysis ordered in a common interface for a particular patient in their care within their existing workflow. In some examples, the on-demand real-time patient-specific data analysis can be ordered using a separate interface dedicated to interfacing with an on-demand real-time patient-specific data analysis computing platform (described in more detail below).
いったん臨床医１０２がオンデマンドリアルタイム患者固有データ解析を開始すれば、プロセスは、患者記録の位置を特定するステップ１０４に進むことができる。ステップ１０４で、発注入力システムは、名前、誕生日、年齢、およびその他、臨床医または医療提供者が意図する対象者に関して確実に検査（すなわち、オンデマンドリアルタイム患者固有データ解析またはラボ診断）を発注することができる識別情報を含む患者の記録の検索を試みることができる。Once the clinician 102 initiates the on-demand real-time patient-specific data analysis, the process may proceed to step 104, which locates the patient record. At step 104, the order entry system may attempt to search for the patient record containing the name, date of birth, age, and other identifying information that would allow the clinician or healthcare provider to reliably order a test (i.e., on-demand real-time patient-specific data analysis or laboratory diagnostic) for the intended subject.
いったん患者がステップ１０４で識別されれば、プロセスは検査の発注を開始できるステップ１０６に進むことができる。オンデマンドリアルタイム患者固有データ解析の例では、ステップ１０８で、医療提供者は利用可能な検査リストからオンデマンドリアルタイム患者固有データ解析検査を選択することができる。Once the patient is identified in step 104, the process can proceed to step 106 where ordering of the test can begin. In an on-demand real-time patient-specific data analysis example, in step 108, the healthcare provider can select an on-demand real-time patient-specific data analysis test from a list of available tests.
オンデマンドリアルタイム患者固有データ解析の種類
以下のオンデマンドリアルタイム患者固有データ解析に関する説明は、例示を目的としており、オンデマンドリアルタイム患者固有データ解析計算プラットフォームの範囲の包括的リストまたはその限定と解釈すべきではない。 Types of On-Demand Real-Time Patient-Specific Data Analytics The following description of on-demand real-time patient-specific data analytics is for illustrative purposes and should not be construed as an exhaustive list or a limitation on the scope of on-demand real-time patient-specific data analytics computing platforms.
１例では、臨床医は、患者が受けた治療の質を確認したいと思うかもしれない。さらに、医療提供者は、臨床医が患者の治療の質を評価し、患者の現状を把握し、患者の治療の質を向上させることができるように、ＮＣＱＡ／ＨＥＤＩＳ（登録商標）、メディケアアドバンテージ５星格付け評価、ＵＲＡＣ評価、州固有の基準（たとえば、ＮＹ ＱＡＲＲ評価）、民間のＡＣＡ ＱＲＳ評価、ＰＱＲＩ評価、またはその他の適用可能な評価などの国の治療基準に基づいて治療の質を査定したいと思うかもしれない。このような例では、医療提供者は、質関連のオンデマンドリアルタイム患者固有データ解析を発注して、患者の過去の病歴に関連するデータを調査および解析して、患者が受けた治療の質と、患者を適用可能な治療標準内に導くために講じるべき治療ステップとを評価することができる。In one example, a clinician may want to review the quality of care a patient received. Additionally, a healthcare provider may want to assess the quality of care based on national standards of care, such as NCQA/HEDIS, Medicare Advantage 5-star rating, URAC rating, state-specific standards (e.g., NY QARR rating), private ACA QRS rating, PQRI rating, or other applicable rating, so that the clinician can evaluate the quality of care of the patient, understand the patient's current situation, and improve the quality of care of the patient. In such an example, the healthcare provider may order quality-related on-demand real-time patient-specific data analytics to review and analyze data related to the patient's past medical history to evaluate the quality of care the patient received and the treatment steps that should be taken to bring the patient within the applicable standard of care.
別の例では、新患、複数の病気を抱える患者、または病歴に関する詳細を提供できない患者らの広範な病歴を認識できないことが支障となっている臨床医は、患者の病歴に関する情報をさらに必要とする、あるいは求めるかもしれない。上記シナリオでは、開業医は、患者の過去の臨床診断、処方薬、ラボ結果、外科的処置などに関連する情報を求めて各種医療団体の電子医療記録を調査する履歴データ関連オンデマンドリアルタイム患者固有データ解析を発注したいと考えるであろう。In another example, a clinician who is hampered by not being able to recognize the extensive medical history of new patients, patients with multiple illnesses, or patients who are unable to provide details regarding their medical history may need or desire more information regarding the patient's medical history. In the above scenario, the practitioner may want to order on-demand real-time patient-specific data analytics related to historical data that would search the electronic medical records of various medical entities for information related to the patient's past clinical diagnoses, prescribed medications, lab results, surgical procedures, etc.
別の例では、医師は患者の病歴と進行度を確認したいと思うが、患者の病気や同時罹患の認識や、リスクスコアのコード化の精度要件における専門知識が制限されることが多い。上記シナリオでは、医療提供者は、データを調査および解析して、関連リスクスコアモデル内で具体的な患者の過去、現在、未来の疾病の負担およびリスクスコアを判定するリスクスコア関連のデータ診断を発注することができる。In another example, a physician may wish to review a patient's medical history and progression, but often has limited expertise in recognizing a patient's diseases and co-morbidities, or the accuracy requirements for coding a risk score. In the above scenario, the healthcare provider may order a risk score-related data diagnostic that examines and analyzes the data to determine a specific patient's past, present, and future disease burden and risk score within a related risk score model.
別の例では、医療提供者は、検査の重複を回避しようとするが、実行された類似の検査の結果、または処方遵守、適切な診断撮像ガイドライン、専門医治療などの治療考慮事項に関する患者コスト担当機関が命じるパラメータが、どのくらいの頻度で、どのくらい最近に、あるいはどのように得られたかを認識できないことが多い。上記シナリオでは、医療提供者は、無駄回避関連のオンデマンドリアルタイム患者固有データ解析を発注することができる。無駄回避関連のオンデマンドリアルタイム患者固有データ解析は患者関連データを調査および解析して、患者治療の保険保護対象範囲ガイドラインに関連する潜在的に不要な利用およびコストを特定する関連情報を検索し、よりコストのかからない代替策を発見することができる。In another example, healthcare providers seek to avoid duplication of testing but are often unaware of how frequently, how recently, or how results of similar tests performed or patient cost agency mandated parameters for treatment considerations such as prescription adherence, appropriate diagnostic imaging guidelines, specialist care, etc., were obtained. In the above scenario, the healthcare provider can order waste avoidance related on-demand real-time patient-specific data analytics. Waste avoidance related on-demand real-time patient-specific data analytics can examine and analyze patient-related data to find relevant information that identifies potentially unnecessary utilization and costs associated with insurance coverage guidelines for patient care and discover less costly alternatives.
オンデマンドリアルタイム患者固有データ解析の種類の別の例では、医師は、患者が利用資格を有する様々な治療管理リソースを判定したいと考えるかもしれない。しかしながら、このようなタスクは、大抵の場合、臨床医は患者が利用資格を有する国、州、医療団体固有のプログラムを知ることができないために困難な場合がある。上記シナリオでは、臨床医は、それらのプログラムおよび患者のプログラムに対する適格性に関連するデータを集計、調査、解析する的確性関連のオンデマンドリアルタイム患者固有データ解析を発注することができる。In another example of a type of on-demand real-time patient-specific data analysis, a physician may want to determine the various care management resources to which a patient is eligible. However, such a task can be difficult because often the clinician does not know the country, state, or healthcare organization specific programs to which the patient is eligible. In the above scenario, the clinician can order eligibility-related on-demand real-time patient-specific data analysis that aggregates, researches, and analyzes data related to those programs and the patient's eligibility for the programs.
図１の例に戻ると、いったん臨床医が患者のために発注したいオンデマンドリアルタイム患者固有データ解析の種類を選択すれば、プロセスはステップ１１０に進んで、診断を外部計算プラットフォームに発注することができ、外部計算プラットフォームは発注されたデータ診断の関連情報を求めて各種データソースを集計および調査して、集計および調査されたデータの解析を実行し、その結果のレポートを構築し、結果を医療提供者に送信する。ステップ１１２で、医療提供者は解析を受け取った計算プラットフォームの結果をリアルタイムで視ることができる。Returning to the example of FIG. 1, once the clinician has selected the type of on-demand real-time patient-specific data analysis they wish to order for their patient, the process proceeds to step 110 where the diagnosis can be ordered from an external computing platform that aggregates and interrogates various data sources for information relevant to the ordered data diagnosis, performs an analysis of the aggregated and interrogated data, constructs a report of the results, and transmits the results to the healthcare provider. At step 112, the healthcare provider can view the results in real time from the computing platform that received the analysis.
ステップ１１０で発注され、ステップ１１２で結果が見られるプロセスは、要請された解析を実行する計算プラットフォームに対して発注することを含むことができる。図２は、本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する別の例示の方法を示す。図１に示す方法と同様に、臨床医２０２は、ステップ２０４で、オンデマンドリアルタイム患者固有データ解析を発注することができる。ステップ２０６で、発注はラボ情報システムまたはその他の発注入力プラットフォームで受信することができる。情報システムまたは発注入力プラットフォームは、出された発注を見て、発注が従来のラボ診断、処方薬、またはその他の従来の発注に関するものか、あるいは発注がオンデマンドリアルタイム患者固有データ解析に関するものかを判定することができる。発注がオンデマンドリアルタイム患者固有データ解析に関するものであると判定された場合、プロセスはステップ２０８に進み、発注は（以下詳述する）オンデマンドリアルタイム患者固有データ解析サービスプロバイダに送られる。ステップ２１０で、オンデマンドリアルタイム患者固有データ解析サービスプロバイダはウェブサービスを利用して、要請をパースし、所望のデータを集計、調査、解析し、オンデマンドリアルタイム患者固有データ解析の結果／レポートを生成することができる。ステップ２１２で、その結果が受信され、要請元のサービスプロバイダに返信される。The process of placing an order at step 110 and viewing the results at step 112 can include placing an order to a computing platform that performs the requested analysis. FIG. 2 illustrates another exemplary method of performing on-demand real-time patient-specific data analysis according to an example of the present disclosure. Similar to the method illustrated in FIG. 1, a clinician 202 can place an order for on-demand real-time patient-specific data analysis at step 204. At step 206, the order can be received at a laboratory information system or other order entry platform. The information system or order entry platform can view the placed order and determine whether the order is for a traditional laboratory diagnostic, prescription drug, or other traditional order, or whether the order is for on-demand real-time patient-specific data analysis. If it is determined that the order is for on-demand real-time patient-specific data analysis, the process proceeds to step 208, where the order is sent to an on-demand real-time patient-specific data analysis service provider (described in more detail below). At step 210, the on-demand real-time patient-specific data analysis service provider can utilize web services to parse the request, aggregate, examine, analyze the desired data, and generate results/reports for the on-demand real-time patient-specific data analysis. In step 212, the results are received and sent back to the requesting service provider.
図３は、本開示の例によるオンデマンドリアルタイム患者固有データ解析ウェブサービスの例示の機能を示す。臨床医３０２は図１および図２を参照して上述したように、ステップ３０４でオンデマンドリアルタイム患者固有データ解析発注を出すことができる。オンデマンドリアルタイム患者固有データ解析発注は、発注入力プラットフォーム３０６で受信することができる。上述したように、オンデマンドリアルタイム患者固有データ解析は、ラボサービスプロバイダが使用するものと同じ計算プラットフォーム、薬局、あるいはその他の電子または発注入力プラットフォームを採用して発注することができる。１例として、商業ラボサービスプロバイダを利用する医療提供者は、ラボサービスの発注に使われる電子ユーザインタフェースを採用して、オンデマンドリアルタイム患者固有データ解析も発注することができる。別の例では、発注入力をサポートする電子医療記録システムを利用する医療提供者は、電子ユーザインタフェースを採用してデータ診断も発注することができる。3 illustrates an example functionality of an on-demand real-time patient-specific data analysis web service according to an example of the present disclosure. A clinician 302 can place an on-demand real-time patient-specific data analysis order at step 304, as described above with reference to FIGS. 1 and 2. The on-demand real-time patient-specific data analysis order can be received at an order entry platform 306. As described above, the on-demand real-time patient-specific data analysis can be ordered employing the same computing platform, pharmacy, or other electronic or order entry platform used by the laboratory service provider. As an example, a healthcare provider using a commercial laboratory service provider can also order the on-demand real-time patient-specific data analysis employing an electronic user interface used to order laboratory services. In another example, a healthcare provider using an electronic medical record system that supports order entry can also order data diagnostics employing an electronic user interface.
オンデマンドリアルタイム患者固有データ解析の発注プロセスの一環として、医療提供者は発注の一部に包含基準を含むことができる。包含基準は、リアルタイム患者固有データ解析に含めたいと考える解析の種類またはデータセットを含むことができる。１例として、医師が質関連のオンデマンドリアルタイム患者固有データ解析を発注したいと思う場合、開業医は様々な理由から、メディケアアドバンテージ５星格付け評価などの特定の治療基準を含めたいと考えるかもしれない。この場合、開業医は、メディケア標準をオンデマンドリアルタイム患者固有データ解析に含めるべきであると明示するユーザインタフェースを採用することができる。As part of the ordering process for on-demand real-time patient-specific data analytics, the healthcare provider can include inclusion criteria as part of the order. The inclusion criteria can include the types of analyses or data sets that the practitioner would like to include in the real-time patient-specific data analytics. As an example, if a physician wishes to order a quality-related on-demand real-time patient-specific data analytics, the practitioner may want to include a particular standard of care, such as a Medicare Advantage 5-star rating rating, for a variety of reasons. In this case, the practitioner can employ a user interface that clearly indicates that the Medicare standard should be included in the on-demand real-time patient-specific data analytics.
また、オンデマンドリアルタイム患者固有データ解析の発注プロセスの一環として、医療提供者は発注の一部として排除基準を含めることができる。排除基準は、オンデマンドリアルタイム患者固有データ解析から排除したいと考える解析の種類またはデータセットを含めることができる。医療提供者はすべての利用可能な質評価の一般的な解析を発注することができ、プロバイダは評価のサブセットを含む具体的なプログラム（ＮＣＱＡまたはＨＥＤＩＳなど）を選択する排除基準を提供することができる、あるいは、プロバイダは個々の評価を選択することができる。Also, as part of the ordering process for on-demand real-time patient-specific data analysis, the provider can include exclusion criteria as part of the order. The exclusion criteria can include the types of analysis or data sets they would like to exclude from the on-demand real-time patient-specific data analysis. The provider can order a general analysis of all available quality assessments, the provider can provide exclusion criteria that select a specific program (such as NCQA or HEDIS) that includes a subset of assessments, or the provider can select individual assessments.
具体的なオンデマンドリアルタイム患者固有データ解析を発注する際、開業医は階層的選択メニューを提示され、階層の各層は、開業医がその前の層に関して行った選択に依存する。１例では、開業医がメディケード解析のみを実行したいと決定する場合、プログラムの種類（すなわち、成人プログラム、子供プログラム）を指定し、ニューヨーク、フロリダ、カリフォルニアなどの州も指定することができる。このように、階層メニューは、オンデマンドリアルタイム患者固有データ解析ウェブサービスに送信され、ウェブサービスによって使用されて所望の解析を実行する１セットの包含および排除基準を生成することができる。When ordering a specific on-demand real-time patient-specific data analysis, the practitioner is presented with a hierarchical selection menu, with each tier in the hierarchy dependent on the selection the practitioner made with respect to the previous tier. In one example, if the practitioner determines that he or she only wants to perform a Medicaid analysis, he or she can specify the type of program (i.e., adult program, children's program) and also specify a state, such as New York, Florida, California, etc. In this manner, the hierarchical menu can be transmitted to the on-demand real-time patient-specific data analysis web service and used by the web service to generate a set of inclusion and exclusion criteria that will perform the desired analysis.
いくつかの例では、包含および排除基準は計算プラットフォーム／ウェブサービスによって生成することができる。たとえば、臨床医は質関連の診断を発注することができる。特定の患者に関連する情報に基づき、計算プラットフォームは包含および排除基準を生成することができる。たとえば、計算プラットフォームが、特定の患者をニューヨーク州のメディケア患者およびメディケード患者としても認識する場合、プラットフォームは臨床医に決定を下させる代わりに、明らかに二重の有資格患者に対して評価されるべき質基準を特定することができる。別の例では、臨床医は患者に適用可能な異なる臨床品質基準について自覚していない。このように、臨床医が高レベルな階層性オンデマンドリアルタイム患者固有データ解析を発注する場合、計算プラットフォームは、各患者の関連品質基準への適用可能性を認識し、該当する解析を適用する。In some examples, the inclusion and exclusion criteria can be generated by the computational platform/web service. For example, a clinician can order a quality-related diagnosis. Based on information related to a particular patient, the computational platform can generate the inclusion and exclusion criteria. For example, if the computational platform recognizes a particular patient as both a New York State Medicare patient and a Medicaid patient, the platform can identify the quality criteria to be evaluated for the apparently dual eligible patient instead of having the clinician make the decision. In another example, the clinician is unaware of the different clinical quality criteria applicable to the patient. Thus, when the clinician orders a high level hierarchical on-demand real-time patient-specific data analysis, the computational platform recognizes the applicability of each patient to the relevant quality criteria and applies the appropriate analysis.
他の例では、オンデマンドリアルタイム患者固有データ解析は、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム／ウェブサービスに直接リンクされるスタンドアローンユーザインタフェースを用いて発注することができる。ラボサービスプロバイダのユーザインタフェースが採用される図３の例では、発注入力プラットフォーム３０６がステップ３０８でオンデマンドリアルタイム患者固有データ解析発注を受信することができる。ステップ３１０で、オンデマンドリアルタイム患者固有データ解析発注は、処理の前にオンデマンドリアルタイム患者固有データ解析計算プラットフォーム／ウェブサービスに送ることができる。In other examples, the on-demand real-time patient-specific data analysis can be ordered using a standalone user interface that is directly linked to the on-demand real-time patient-specific data analysis computing platform/web service. In the example of FIG. 3 where a laboratory service provider user interface is employed, the order entry platform 306 can receive the on-demand real-time patient-specific data analysis order at step 308. At step 310, the on-demand real-time patient-specific data analysis order can be sent to the on-demand real-time patient-specific data analysis computing platform/web service prior to processing.
オンデマンドリアルタイム患者固有データ解析計算プラットフォーム３１６はステップ３２４で発注を受信することができる。医療提供者によって生成される発注は、医療提供者がオンデマンドリアルタイム患者固有データ解析を発注した患者に関して計算プラットフォームが確実に解析を実行できるように、名前とその他の識別情報（誕生日、社会保障番号、保険情報など）など治療下の患者に関する情報を含むことができる。ステップ３２６で、予備チェックが実行されて、患者の保険会社や、会計責任のある医療機関、病院、またはリスク共有機関などのその他の関連団体が、医療提供者によって発注されたオンデマンドリアルタイム患者固有データ解析を認可し、そのコストをカバーするように確保する。保険会社またはその他の関連団体がオンデマンドリアルタイム患者固有データ解析を認可しないと判定された場合、プロセスはステップ３２２に進み、そこで「未検査」というメッセージを生成することができる。ステップ３２０で、「未検査」メッセージは発注システム発注メッセージフォーマット（後で詳述する）に同調させて、ステップ３１２で発注システムに送信することができる。最後に、ステップ３１４で、保険会社またはその他の関連団体が認可しないことによりオンデマンドリアルタイム患者固有データ解析が実行されなかったことを示す回答を医療提供者に返信することができる。The on-demand real-time patient-specific data analysis computing platform 316 may receive the order at step 324. The order generated by the healthcare provider may include information about the patient under care, such as name and other identifying information (e.g., date of birth, social security number, insurance information, etc.), to ensure that the computing platform performs the analysis on the patient for whom the healthcare provider ordered the on-demand real-time patient-specific data analysis. At step 326, a preliminary check is performed to ensure that the patient's insurance company or other relevant entity, such as a financial accountability organization, hospital, or risk sharing organization, will approve and cover the cost of the on-demand real-time patient-specific data analysis ordered by the healthcare provider. If it is determined that the insurance company or other relevant entity does not approve the on-demand real-time patient-specific data analysis, the process proceeds to step 322, where a message "not tested" may be generated. At step 320, the "not tested" message may be sent to the ordering system at step 312 in a format that is aligned with the ordering system order message format (described in more detail below). Finally, at step 314, a response may be sent back to the healthcare provider indicating that the on-demand real-time patient-specific data analysis was not performed due to non-approval by the insurance company or other relevant entity.
しかしながら、保険会社またはその他の関連団体がオンデマンドリアルタイム患者固有データ解析を認可する場合、プロセスはステップ３２８に進んで、計算プラットフォームは、患者がオンデマンドリアルタイム患者固有データ解析ウェブサービスシステム内に存在するか否か、および解析を実行するのに十分なデータ履歴が存在するか否かを確認することができる。このような解析は適格化アルゴリズムによって実行することができる。適格化アルゴリズムは、システムが患者のＩＤを十分に自信を持って確定しているか否か、および解析を実行するのに十分なデータがあることを確信しているか否かを判定することができる。However, if the insurance company or other interested party authorizes on-demand real-time patient-specific data analysis, the process proceeds to step 328 where the computing platform can verify whether the patient is present in the on-demand real-time patient-specific data analysis web service system and whether sufficient data history exists to perform the analysis. Such analysis can be performed by a qualification algorithm. The qualification algorithm can determine whether the system has sufficiently confidently determined the patient's identity and is confident that there is sufficient data to perform the analysis.
適格化アルゴリズムが、患者がシステム内に存在し、オンデマンドリアルタイム患者固有データ解析を実行するのに十分なデータ履歴を有することが確信されると判定する場合、プロセスはステップ３３０、３３２、３３８に進むことができる。ステップ３３０で、内部データベース（またはその他のデータ記憶媒体）を調査して、発注されたオンデマンドリアルタイム患者固有データ解析に関連する情報を抽出することができる。If the qualification algorithm determines that there is confidence that the patient is in the system and has sufficient data history to perform on-demand real-time patient-specific data analysis, the process may proceed to steps 330, 332, 338. At step 330, an internal database (or other data storage medium) may be interrogated to extract information relevant to the ordered on-demand real-time patient-specific data analysis.
内部データベースは、計算プラットフォーム内に局地的に記憶されるデータベースとすることができる。データベースは、各種所属団体によって提供され、識別されずに長期にわたって合致される情報で構成することができる。１例として、ブルークロスブルーシールド（ＢＣＢＳ）（登録商標）などの保険会社が患者へのオンデマンドリアルタイム患者固有データ解析サービスに所属する場合、ＢＣＢＳは患者に関して有するすべてのデータを計算プラットフォームに提供することができる。そのデータは、計算プラットフォーム自体によって維持されるデータベース内に吸収し保管することができる。上記データセットは、バッチまたはトランザクショナルデータ供給プロセスを通じて設定および維持することができる。The internal database can be a database stored locally within the computing platform. The database can consist of information provided by various affiliated entities and matched over time without identification. As an example, if an insurance company such as Blue Cross Blue Shield (BCBS) (registered trademark) subscribes to an on-demand real-time patient-specific data analysis service to a patient, the BCBS can provide the computing platform with all the data it has about the patient. That data can be absorbed and stored in a database maintained by the computing platform itself. The above data sets can be established and maintained through a batch or transactional data supply process.
よって、医師がオンデマンドリアルタイム患者固有データ解析を発注すると、発注が患者の治療の代わりにおよび患者の治療のために解釈され、内部データベースが調査および解析されて、特定の患者の関連情報を特定および抽出することができる。そうする際、内部データベース内に記憶される非識別データは、オンデマンドリアルタイム患者固有データ解析を発注する患者に属するデータとして抽出および再識別することができる。Thus, when a physician orders an on-demand real-time patient-specific data analysis, the order is interpreted on behalf of and for the patient's treatment, and the internal database can be searched and analyzed to identify and extract relevant information for the particular patient. In doing so, de-identified data stored within the internal database can be extracted and re-identified as data belonging to the patient ordering the on-demand real-time patient-specific data analysis.
内部データベースは複数のデータセットを含むことができ、各データセットは特定の所属団体から提供されるデータに対応する。１例では、１つのデータセットはＢＣＢＳ患者に属し、別のデータセットはラボサービスプロバイダに属することができる。よって、患者の臨床医がオンデマンドリアルタイム患者固有データ解析を要請すると、患者のＩＤおよびその他の包含および排除基準に応じて、計算プラットフォームは内部データベースに記憶される関連データセットからデータを抽出し、再特定し、必要に応じて、患者のＩＤに基づきそのデータを長期にわたって合致させ、解析されるようにデータを１つの位置にまとめることができる。いったんデータが解析されれば、データが識別されないようにまとめられたデータは削除することができる（最初のデータセットは元のままである）。The internal database can include multiple datasets, each corresponding to data provided by a particular affiliate. In one example, one dataset can belong to a BCBS patient and another dataset can belong to a laboratory service provider. Thus, when a patient's clinician requests on-demand real-time patient-specific data analysis, depending on the patient's identity and other inclusion and exclusion criteria, the computational platform can extract and re-identify data from relevant datasets stored in the internal database, match that data longitudinally based on the patient's identity, if necessary, and aggregate the data in one location to be analyzed. Once the data is analyzed, the aggregated data can be deleted (leaving the original dataset intact) so that the data is de-identified.
ステップ３３２および３３８で、計算プラットフォームは、第三者が提供する各種外部データベースからのデータも調査することができる。１例として、内部データベースに記憶されるデータを医療提供者または医療団体から計算プラットフォームに提供させるのではなく、データは第三者のデータベースに保持および記憶させることができる。計算プラットフォームはそれらのデータベースにアクセスして、オンデマンドリアルタイム患者固有データ解析を要求する患者の関連データだけでなくオンデマンドリアルタイム患者固有データ解析自体も調査することができる。In steps 332 and 338, the computing platform may also examine data from various external databases provided by third parties. As an example, rather than having a healthcare provider or healthcare organization provide the computing platform with data to be stored in an internal database, the data may be maintained and stored in a third party's database. The computing platform may access those databases to examine not only data associated with a patient requesting an on-demand real-time patient-specific data analysis, but also the on-demand real-time patient-specific data analysis itself.
いったんデータが各種データベースから調査されると、ステップ３３４で、計算プラットフォームは採用される適切な解析プロセスを判定して、臨床医３０２の所望する結果を生成することができる。どの解析測定値を採用すべきかだけでなく、それらの解析をどのように実行すべきかを決定するアルゴリズムの作成を以下にさらに詳述する。ステップ３３６で、計算プラットフォーム３１６は、ステップ３３４で決定された解析測定値を用いて各種データソースから調査されるデータのリアルタイム解析を実行することができる。Once data has been reviewed from the various databases, in step 334, the computing platform can determine the appropriate analytical process to be employed to generate the results desired by the clinician 302. The creation of algorithms that determine not only which analytical measures to employ, but how those analyses should be performed, is described in further detail below. In step 336, the computing platform 316 can perform real-time analysis of the data reviewed from the various data sources using the analytical measures determined in step 334.
いったん解析がステップ３３６で実行されれば、回答パッケージをステップ３１８で作成することができる。回答パッケージの形成についてさらに詳細に後述する。ステップ３２０で、回答パッケージは、ステップ３２０で発注入力プラットフォーム３０６に送り返すことができる。発注入力プラットフォーム３０６はステップ３１２で回答を受信し、ステップ３１４で回答パッケージを医療提供者に発送することができる。Once the analysis is performed in step 336, a response package can be created in step 318. Formation of the response package is described in more detail below. In step 320, the response package can be sent back to the order entry platform 306 in step 320. The order entry platform 306 receives the response in step 312 and can ship the response package to the healthcare provider in step 314.
図４は、本開示の例によるオンデマンドリアルタイム患者固有データ解析を実行する例示の計算システムを示す。図４の計算システムは、外部インタフェース部４０２と、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム部４０４の２つの主なコンポーネントを含むことができる。計算システム４００の外部インタフェース部４０２は、上述したようにウェブサービスの外部に計算システムのコンポーネントを含むことができる。たとえば、計算システム４００の外部インタフェース部４０２は臨床医４０６を含むことができる。図４は、本開示の例によるリアルタイム患者固有データ解析計算プラットフォームの例示の概要を示すことができる。FIG. 4 illustrates an exemplary computing system for performing on-demand real-time patient-specific data analysis according to an example of the present disclosure. The computing system of FIG. 4 can include two main components: an external interface portion 402 and an on-demand real-time patient-specific data analysis computing platform portion 404. The external interface portion 402 of the computing system 400 can include components of the computing system outside of the web services as described above. For example, the external interface portion 402 of the computing system 400 can include a clinician 406. FIG. 4 can illustrate an exemplary overview of a real-time patient-specific data analysis computing platform according to an example of the present disclosure.
上述したように、オンデマンドリアルタイム患者固有データ解析の要請者（すなわち、ユーザ）は、治療中の患者のオンデマンドリアルタイム患者固有データ解析を発注したいと望む医療提供者を含むことができる。臨床医４０６はいろいろな種類のインタフェースを利用して、このような診断を発注することができる。図４の例では、２つのインタフェース例を示す。オンデマンドリアルタイム患者固有データ解析の要請者は、上述したようなラボ発注システムまたは処方薬発注システム用のユーザインタフェースとすることができる発注インタフェース４０８を利用することができる。発注インタフェース４０８を利用して血液作業などのラボサービスを発注することができ、同じ発注インタフェース４０８を利用して（上述したように）オンデマンドリアルタイム患者固有データ解析サービスを発注、送信、配信することもできる。As discussed above, a requester (i.e., a user) of on-demand real-time patient-specific data analysis can include a healthcare provider who wishes to order on-demand real-time patient-specific data analysis for a patient under their care. A clinician 406 can use various types of interfaces to order such a diagnosis. In the example of FIG. 4, two example interfaces are shown. A requester of on-demand real-time patient-specific data analysis can use an ordering interface 408, which can be a user interface for a lab ordering system or a prescription drug ordering system as discussed above. The ordering interface 408 can be used to order a lab service, such as blood work, and the same ordering interface 408 can also be used to order, transmit, and deliver an on-demand real-time patient-specific data analysis service (as discussed above).
また、臨床医４０６は、電子医療記録インタフェースまたはその他の発注入力プラットフォーム４１０を利用して、オンデマンドリアルタイム患者固有データ解析を発注することもできる。電子医療記録（ＥＨＲ）は、医療提供者によって維持される患者の病歴の電子版である。いくつかの例では、医療提供者は、ＥＨＲを用いて患者の病歴を調査し、同じインタフェース内で、患者に関して実行されるラボ作業を発注することができる。このインタフェース４１０を用いて、臨床医４０６は、ラボ診断または処方薬とほぼ同じようにオンデマンドリアルタイム患者固有データ解析を要請することができる。同様に、その他の発注入力プラットフォームもデータ診断の発注に適用することができる。たとえば、投薬発注プラットフォーム、放射線検査発注入力、その他の発注入力システム、またはデータ診断発注専用のプラットフォームなどである。Clinicians 406 can also order on-demand real-time patient-specific data analytics utilizing an electronic medical record interface or other order entry platform 410. An electronic medical record (EHR) is an electronic version of a patient's medical history maintained by a healthcare provider. In some instances, a healthcare provider can use the EHR to review a patient's medical history and order lab work to be performed on the patient within the same interface. Using this interface 410, clinicians 406 can request on-demand real-time patient-specific data analytics much like they would for a lab diagnostic or prescription medication. Similarly, other order entry platforms can be applied to ordering diagnostic data. For example, medication ordering platforms, radiology order entry, other order entry systems, or platforms dedicated to ordering diagnostic data.
いったん臨床医４０６がインタフェース４０８または４１０を用いてオンデマンドリアルタイム患者固有データ解析を要請すれば、発注は発注システム４１２に送信することができる。上述したように、発注システム４１２は、４０８および４１０で例示されるような外部ユーザインタフェースからの発注を満たすための内部処理および通信システムである。発注システムは独自の内部プロセスを用いて発注を処理し、処理のために、オンデマンドリアルタイム患者固有データ解析要求を計算プラットフォーム４０４に送ることができる。このようにして、発注システムはオンデマンドリアルタイム患者固有データ解析サービスの配給元として利用できる一方、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム４０４は患者に配給される実際のオンデマンドリアルタイム患者固有データ解析サービスを提供することができる。Once the clinician 406 has requested on-demand real-time patient-specific data analysis using interfaces 408 or 410, the order can be sent to ordering system 412. As described above, ordering system 412 is an internal processing and communication system for fulfilling orders from external user interfaces such as those illustrated at 408 and 410. The ordering system can process the order using its own internal processes and send the on-demand real-time patient-specific data analysis request to computing platform 404 for processing. In this manner, the ordering system can be utilized as a distributor of on-demand real-time patient-specific data analysis services, while the on-demand real-time patient-specific data analysis computing platform 404 can provide the actual on-demand real-time patient-specific data analysis services that are delivered to the patient.
計算プラットフォーム４０４はメッセージハブ４１４を含むことができる。メッセージハブ４１４は、計算プラットフォーム４０４と発注システム４１２などの外部との間のインタフェースとして機能することができる。メッセージハブ４１４は計算プラットフォーム４０４に通信機能を付与して、発注を承諾して、オンデマンドリアルタイム患者固有データ解析の結果を有するレポートを関係者に提供することができる。The computing platform 404 can include a message hub 414. The message hub 414 can act as an interface between the computing platform 404 and external parties, such as an ordering system 412. The message hub 414 can provide the computing platform 404 with communication capabilities to accept orders and provide reports with the results of on-demand real-time patient-specific data analysis to interested parties.
図５は、本開示の例による例示のメッセージハブを示す。例示のため、メッセージハブ５０４とラボデータエクスチェンジ４０２との間のインタフェースも示す。図４を参照して上述したように、発注システム４１２は、オンデマンドリアルタイム患者固有データ解析を発注する臨床医４０６と計算プラットフォーム４０４との間のインタフェースとして機能することができる。図５の例に戻ると、発注システム４１２はプラットフォームデータエクスチェンジ５１２を含むことができる。プラットフォームデータエクスチェンジ５１２は、発注システム４１２と計算プラットフォーム４０４との間のウェブ／ネットワークインタフェースを提供することができる。5 illustrates an example message hub according to an example of the present disclosure. For illustrative purposes, an interface between the message hub 504 and the lab data exchange 402 is also illustrated. As described above with reference to FIG. 4, the ordering system 412 can serve as an interface between the clinician 406 ordering on-demand real-time patient-specific data analysis and the computing platform 404. Returning to the example of FIG. 5, the ordering system 412 can include a platform data exchange 512. The platform data exchange 512 can provide a web/network interface between the ordering system 412 and the computing platform 404.
プラットフォームデータエクスチェンジ５１２はウェブサービス５１４を含むことができる。ウェブサービス５１４はメッセージハブ内に位置するウェブサービス５０４を介して、プラットフォームデータエクスチェンジ５１２とオンデマンドリアルタイム患者固有データ解析計算プラットフォームとの間で通信を開始し実行することができる。１例では、ウェブサービス５１４は、プラットフォームデータエクスチェンジから、メッセージハブセンター内に位置するウェブサービス５０４とセキュアソケットレイヤ（ＳＳＬ）認証５１６をやり取りすることができる。The platform data exchange 512 can include web services 514. The web services 514 can initiate and execute communication between the platform data exchange 512 and the on-demand real-time patient-specific data analytics computing platform via web services 504 located in the message hub. In one example, the web services 514 can exchange secure socket layer (SSL) authentication 516 from the platform data exchange to the web services 504 located in the message hub center.
プラットフォームデータエクスチェンジへのオンデマンドリアルタイム患者固有データ解析プラットフォームのＩＤを確定するため、ＳＳＬ認証をオンデマンドリアルタイム患者固有データ解析計算プラットフォームのメッセージハブからプラットフォームデータエクスチェンジに渡すことができる。ＳＳＬ認証５１６は、プラットフォームデータエクスチェンジとメッセージハブセンターとの間で安全な通信ソケットを開放し確立するためにも使用することができる。SSL authentication can be passed from the message hub of the on-demand real-time patient-specific data analysis computing platform to the platform data exchange to establish the identity of the on-demand real-time patient-specific data analysis platform to the platform data exchange. The SSL authentication 516 can also be used to open and establish a secure communication socket between the platform data exchange and the message hub center.
いったんオンデマンドリアルタイム患者固有データ解析の発注がメッセージハブセンターによって受信されれば、入力プロセッサ５０６に送信することができる。入力プロセッサ５０６は発注を受信し、発注をオンデマンドリアルタイム患者固有データ解析の実際の処理を実行するコンポーネントによって読取可能なフォーマットに変換することができる。１例では、計算プラットフォームは、当業者にとって既知なヘルスレベル７（ＨＬ７）プロトコルを採用することができる。入力プロセッサ５０６は、オンデマンドリアルタイム患者固有データ解析の発注を入力し、オンデマンドリアルタイム患者固有データ解析計算プラットフォームによって使用されるようにＨＬ７フォーマットに変換することができる。Once an order for on-demand real-time patient-specific data analysis is received by the message hub center, it can be sent to the input processor 506. The input processor 506 can receive the order and convert the order into a format readable by the components that perform the actual processing of the on-demand real-time patient-specific data analysis. In one example, the computing platform can employ Health Level 7 (HL7) protocol, known to those skilled in the art. The input processor 506 can input the order for on-demand real-time patient-specific data analysis and convert it into HL7 format for use by the on-demand real-time patient-specific data analysis computing platform.
受信した発注がいったん適切なフォーマットに変換されれば、後で詳述する発注処理ステップ５０８に送信することができる。また、発注メッセージは、システムで受信した発注を保管することのできるログファイルデータベース５１０に送信することができる。ログファイルデータベース５１０は演算インテリジェンスソフトウェア５２０によってアクセスすることができる。演算インテリジェンスソフトウェア５２０はログファイルデータベース５１０上で様々なクエリを実行して、計算プラットフォームが受信した発注に関する様々な解析を行うことができる。解析の種類は、たとえば、受信した発注の種類に関する解析、オンデマンドリアルタイム患者固有データ解析を発注している団体または個人に関する解析、オンデマンドリアルタイム患者固有データ解析計算プラットフォームが受信した発注を検討するときに収集することのできるその他の情報を含むことができる。Once the received order has been converted into the appropriate format, it may be sent to order processing step 508, which will be described in more detail below. The order message may also be sent to a log file database 510, which may store orders received by the system. The log file database 510 may be accessed by the computing intelligence software 520. The computing intelligence software 520 may run various queries on the log file database 510 to perform various analyses regarding the orders received by the computing platform. The types of analyses may include, for example, analyses regarding the type of order received, analyses regarding the entity or individual ordering the on-demand real-time patient-specific data analysis, and other information that may be gathered when the on-demand real-time patient-specific data analysis computing platform reviews the received orders.
ステップ５２４で、処理された発注は、メッセージハブ５００に返信することができる。いくつかの例では、処理済みの発注は生（未編集）フォーマットで返信することができる、あるいは、いくつかの例では、結果のレポートを有するｐｄｆファイルとして同時に送信することができる。発注は、生結果データをＨＬ７観察結果メッセージ（ＯＲＵ）またはｐｄｆファイルに変換することのできる出力プロセッサ５２２によって受信することができ、別の例では、単に発注処理ステップ５２４から受信されるｐｄｆと一緒に送信することができる。At step 524, the processed order can be sent back to the message hub 500. In some instances, the processed order can be sent back in raw (unedited) format, or in some instances, can be sent simultaneously as a pdf file with the results report. The order can be received by an output processor 522 that can convert the raw results data into an HL7 Observation Result Message (ORU) or a pdf file, or in other instances, can simply be sent along with the pdf received from the order processing step 524.
いくつかの例では、出力プロセッサは複数ファイルフォーマットで結果を送信することができるため、オンデマンドリアルタイム患者固有データ解析の消費者、および／またはユーザが採用するユーザインタフェースは所望する出力フォーマットを選択できる。出力ファイルフォーマットは、メッセージのウェブサービス５０４を介してユーザに返信することができ、結果パッケージをプラットフォームデータエクスチェンジ５１２のウェブサービス５１４に中継することができる。In some examples, the output processor can transmit results in multiple file formats so that a consumer of the on-demand real-time patient-specific data analysis and/or a user interface employed by the user can select the desired output format. The output file format can be sent back to the user via a message web service 504 and the results package can be relayed to a platform data exchange 512 web service 514.
図４に戻ると、いったん発注が受け付けられて、上述したようにメッセージハブによって処理されれば、発注をオンデマンドリアルタイム患者固有データ解析発注処理システム４１６に送信することができる。オンデマンドリアルタイム患者固有データ解析発注処理システム４１６の役割は、オンデマンドリアルタイム患者固有データ解析発注を推敲するのに必要な技術を調整することである。Returning to FIG. 4, once the order has been accepted and processed by the message hub as described above, the order can be sent to the on-demand real-time patient-specific data analysis order processing system 416. The role of the on-demand real-time patient-specific data analysis order processing system 416 is to coordinate the technology required to elaborate the on-demand real-time patient-specific data analysis order.
図６は、本開示の例による例示の発注処理アーキテクチャを示す。上述したように、メッセージハブ５００は、発注パラメータを発注処理コンポーネント６００に送信することができる。パラメータの送信は、発注処理コンポーネント６００内に位置するウェブサービス６０２によって簡易化することができる。ウェブサービス６０２は、図５のメッセージハブに関連して説明したウェブサービスと略同じように発注処理コンポーネント６００との間の通信を簡易化することができる。FIG. 6 illustrates an example order processing architecture according to an example of the present disclosure. As described above, the message hub 500 can send order parameters to the order processing component 600. The sending of the parameters can be facilitated by a web service 602 located within the order processing component 600. The web service 602 can facilitate communication with the order processing component 600 in much the same manner as the web services described in connection with the message hub of FIG. 5.
ステップ６０４で、発注処理コンポーネントは、図３のステップ３２８に関して上述したように患者の検索を開始することができる。患者検索の一部として、患者のパラメータ（すなわち、名前、誕生日、またはその他の識別情報）をデータレイク６０６に問い合わせることができる。データレイク６０６は、図１～図３を参照して上述したように患者の関連情報を含む１以上のデータベースを表すことができる。ステップ６０４で、データレイク６０６は患者のパラメータで問い合わせることができ、データレイクは患者に関連するデータの位置と識別子を返すことができる。At step 604, the order processing component may initiate a patient search as described above with respect to step 328 of FIG. 3. As part of the patient search, the patient parameters (i.e., name, birthdate, or other identifying information) may be queried from the data lake 606. The data lake 606 may represent one or more databases containing patient related information as described above with reference to FIGS. 1-3. At step 604, the data lake 606 may be queried with the patient parameters, and the data lake may return the location and identifiers of data related to the patient.
発注処理コンポーネントが患者のパラメータに基づきデータレイクからデータの位置と識別子を抽出できる場合、患者がシステム内に存在することを確定できる。しかしながら、システムがデータレイク６０６からデータの位置または識別子を抽出できない場合、システムは図３を参照して説明したステップ３２２に従ってエラーメッセージを返すことができる。If the order processing component can extract the data location and identifier from the data lake based on the patient parameters, it can determine that the patient exists in the system. However, if the system cannot extract the data location or identifier from the data lake 606, the system can return an error message according to step 322 described with reference to FIG. 3.
発注処理の一環として、システムは、オンデマンドリアルタイム患者固有データ解析を実行するのに十分なデータがあるか否かをチェックすることができる。ステップ６１２で、発注処理コンポーネントは、患者のパラメータを用いてデータレイク６０６の検索を開始し、患者にとって十分なデータが存在するか否かを判定してオンデマンドリアルタイム患者固有データ解析に伝える。このプロセスは、図３のステップ３２８に関して上述されている。不十分なデータしか存在しないと判定された場合、システムは図３を参照して上述されたステップ３２２に従ってエラーメッセージを返すことができる。データレイクは、十分なデータが存在するか否かを示す（１または０に設定される）ブールフラグを返すことができる。データレイクは、このような場合、データが不十分な様子を示す詳細フラグ（多くのインジケータのうちの１つに設定される）も返すことができる。As part of the order processing, the system can check whether there is enough data to perform on-demand real-time patient-specific data analytics. In step 612, the order processing component initiates a search of the data lake 606 with the patient's parameters to determine whether there is enough data for the patient and communicate that to the on-demand real-time patient-specific data analytics. This process is described above with respect to step 328 of FIG. 3. If it is determined that there is insufficient data, the system can return an error message according to step 322 described above with reference to FIG. 3. The data lake can return a Boolean flag (set to 1 or 0) indicating whether there is enough data. The data lake can also return a detailed flag (set to one of many indicators) in such a case to indicate how the data is insufficient.
ステップ６０８で、所属団体のチェックは、図３のステップ３２６を参照して説明したように開始させることができる。患者の健康保険パラメータを送信して、所属団体マップ６１０に問い合わせることができる。所属団体マップ６１０は、オンデマンドリアルタイム患者固有データ解析を認可する団体のリストとすることができる。患者の医療団体が所属しており、オンデマンドリアルタイム患者固有データ解析を認可する場合、診断が認可されることを示すブールフラグを返すことができる。このような場合、認可または未認可を示す（多くのインジケータのうちの１つに設定される）詳細フラグも返すことができる。診断が認可されない場合、図３のステップ３２２に記載されるようにエラーメッセージを送信することができる。At step 608, a check of the affiliation can be initiated as described with reference to step 326 of FIG. 3. The patient's health insurance parameters can be sent to query the affiliation map 610. The affiliation map 610 can be a list of entities that authorize on-demand real-time patient-specific data analysis. If the patient's medical entity is affiliated and authorizes on-demand real-time patient-specific data analysis, a Boolean flag can be returned indicating that the diagnosis is authorized. In such a case, a detailed flag (set to one of many indicators) indicating authorization or unauthorized can also be returned. If the diagnosis is not authorized, an error message can be sent as described in step 322 of FIG. 3.
ステップ６１４で、ステップ６０４、６０８、６１２で開始されたチェックがすべて肯定結果を示す場合、プロセスは（さらに後述する）臨床解析エンジン６１６からの解析結果を要求できるプロセス解析ステップに進むことができる。ステップ６１４で、発注パラメータが臨床解析エンジン６１６に送信されて、要求された解析を実行し、結果を返すことができる。臨床解析エンジンについて、さらに後述する。At step 614, if the checks initiated at steps 604, 608, and 612 all indicate positive results, the process may proceed to a process analysis step where analysis results may be requested from a clinical analysis engine 616 (described further below). At step 614, the order parameters may be sent to the clinical analysis engine 616 to perform the requested analysis and return results. The clinical analysis engine is described further below.
ステップ６１８で、いったん臨床解析エンジン６１６が結果を作製すれば、その結果はレポートジェネレータ６２０に送られて、ユーザが使用する所望のフォーマットに変換することができる。レポートジェネレータについて、さらに後述する。In step 618, once the clinical analysis engine 616 has produced the results, they can be sent to the report generator 620 to be converted into a desired format for use by the user. The report generator is described further below.
よって、上述したように、発注処理コンポーネント６００は、オンデマンドリアルタイム患者固有データ解析発注を処理し、その結果をユーザに戻すために、データレイク６０６、所属団体マップ６１０、臨床解析エンジン６１６、レポートジェネレータ６２０などの個々のコンポーネントを調整することができる。Thus, as described above, the order processing component 600 can coordinate individual components such as the data lake 606, affiliated organization map 610, clinical analytics engine 616, and report generator 620 to process on-demand real-time patient-specific data analysis orders and return the results to the user.
図４に戻ると、上述したように、オンデマンドリアルタイム患者固有データ解析発注処理部４１６は、臨床解析エンジン４１８に接続することができる。臨床解析エンジン４１８は、データレイク４２２に記憶されるデータベースなどの計算プラットフォームからアクセス可能なデータ記憶アセットに対して、予めプログラミングされた解析アルゴリズムまたはデータ解析スキームを実行する解析計算ランタイム環境を提供することができる。Returning to FIG. 4, as described above, the on-demand real-time patient-specific data analysis order processor 416 can be connected to a clinical analysis engine 418. The clinical analysis engine 418 can provide an analytical computation runtime environment that executes pre-programmed analytical algorithms or data analysis schemes against data storage assets accessible from the computing platform, such as databases stored in the data lake 422.
図７は、本開示の例による例示の臨床解析エンジンを示す。臨床解析エンジンは構成管理モジュール７０４、解析サービス７０６、計算クラスタ７０８を含むことができる。構成管理モジュール７０４は、（後で詳述する）フローチャートデザイナ７０２によって生成されるアルゴリズムとデータ解析スキームとの一貫性を確立および維持する役割を果たすことができる。FIG. 7 illustrates an example clinical analysis engine according to an example of the present disclosure. The clinical analysis engine may include a configuration management module 704, an analysis service 706, and a computational cluster 708. The configuration management module 704 may be responsible for establishing and maintaining consistency between the algorithms and data analysis schemes generated by the flowchart designer 702 (described in more detail below).
解析サービス７０６は、発注処理モジュール７１０から受信した発注を処理することによってオンデマンドリアルタイム患者固有データ解析を実行することができる。解析サービス７０６は、オンデマンドリアルタイム患者固有データ解析をユーザの仕様に応じて確実に実行するため、発注処理モジュール７１０から受け取った要求を解析し、データレイク７１２からの適切なデータが適切なアルゴリズムまたはアルゴリズムセットを用いて解析されるように確保することによってこのタスクを実行することができる。The analytic service 706 may perform on-demand real-time patient-specific data analysis by processing orders received from the order processing module 710. The analytic service 706 may perform this task by parsing requests received from the order processing module 710 and ensuring that the appropriate data from the data lake 712 is analyzed with the appropriate algorithm or set of algorithms to ensure that the on-demand real-time patient-specific data analysis is performed according to the user's specifications.
上述したように、オンデマンドリアルタイム患者固有データ解析発注は、１セットのデータに関して実行される１以上のデータ解析スキームまたはアルゴリズムを開始することができる。アルゴリズムまたはデータ解析スキームは、フローチャートデザイナ７０２によって作成することができる。フローチャートデザイナ７０２はプラットフォームとすることができ、該プラットフォームによって、プログラマは１以上のアルゴリズムを予めプログラムし、アルゴリズムが特定のオンデマンドリアルタイム患者固有データ解析に関連するデータをどのように解析するかを明示する。１例では、フローチャートデザイナ７０２は、論理的考慮事項をデータに適用されるアルゴリズムプロセスに翻訳する共通トランスレータとしての役割を果たすことができる。上述したように、各データ解析スキームまたはアルゴリズムは一連の包含および排除基準を含むことができる。排除および包含基準は、ユーザによって規定し、ユーザが発注するオンデマンドリアルタイム患者固有データ解析の種類によって指定することができる。As described above, an on-demand real-time patient-specific data analysis order can initiate one or more data analysis schemes or algorithms to be executed on a set of data. The algorithms or data analysis schemes can be created by the flowchart designer 702. The flowchart designer 702 can be a platform by which a programmer pre-programs one or more algorithms and specifies how the algorithms will analyze the data associated with a particular on-demand real-time patient-specific data analysis. In one example, the flowchart designer 702 can act as a common translator that translates logical considerations into an algorithmic process to be applied to the data. As described above, each data analysis scheme or algorithm can include a set of inclusion and exclusion criteria. The exclusion and inclusion criteria can be defined by the user and specified by the type of on-demand real-time patient-specific data analysis the user orders.
フローチャートデザイナを用いて、プログラマは、利用しやすい構文を用いて検索の包含および排除基準を入力することができ、その後、１セットのデータに対して適用されてオンデマンドリアルタイム患者固有データ解析を実行することができるアルゴリズムプロセスに翻訳／コンパイルすることができる。解析サービス７０６は発注を受けると、どのアルゴリズムまたはアルゴリズムのセットが１セットのデータに適用されるかを判定することができる。Using the flowchart designer, a programmer can enter search inclusion and exclusion criteria using an easy to use syntax, which can then be translated/compiled into an algorithmic process that can be applied to a set of data to perform on-demand real-time patient-specific data analysis. Upon receiving the order, the analysis service 706 can determine which algorithm or set of algorithms to apply to the set of data.
解析サービス７０６は、データレイク７１２から患者データを検索および抽出することもできる。上述したように、発注は、オンデマンドリアルタイム患者固有データ解析を発注した患者に関する識別情報を含む。このような情報とアルゴリズムが提供する包含および排除基準とを用いて、解析サービス７０６はデータレイク７１２から患者データを抽出することができる。データレイク７１２は、上述したように内部および外部データベース、またはその他のデータサービスを含むことができる。The analytic service 706 can also search and extract patient data from the data lake 712. As described above, the order includes identifying information about the patient who ordered the on-demand real-time patient-specific data analysis. Using such information and the inclusion and exclusion criteria provided by the algorithm, the analytic service 706 can extract patient data from the data lake 712. The data lake 712 can include internal and external databases, or other data services, as described above.
解析サービスは、データレイク７１２から所望のデータを抽出し、その後、オンデマンドリアルタイム患者固有データ解析要求の遂行に関係すると判定されたアルゴリズムまたはアルゴリズムを実行することができる。大きなデータセット上で大量のアルゴリズムを効率よく実行するのに必要な処理パワーと速度を提供するため、解析サービス７０６は計算クラスタ７０８を利用することができる。計算クラスタ７０８は、１以上のアルゴリズムを実行するのに必要な処理能力を提供する１以上のサーバを含むことができる。このように、解析サービス７０６は、具体的なデータ解析に必要な処理ニーズと解析されるユーザ情報とに基づきデータを処理するために使用されるサーバの数をカスタマイズすることができる。The analytical service can extract the desired data from the data lake 712 and then execute the algorithm or algorithms determined to be relevant to fulfilling the on-demand real-time patient-specific data analysis request. To provide the processing power and speed required to efficiently execute large numbers of algorithms on large data sets, the analytical service 706 can utilize a compute cluster 708. The compute cluster 708 can include one or more servers that provide the processing power required to execute one or more algorithms. In this manner, the analytical service 706 can customize the number of servers used to process the data based on the processing needs required for the particular data analysis and the user information being analyzed.
図４に戻ると、臨床解析エンジン４１８は、オンデマンドリアルタイム患者固有データ解析発注処理モジュール４１６から発注を受信することができる。受信した発注は、データ４２２から調査され抽出されるデータと、抽出されたデータを解析するために使用されるフローチャートデザイナ４２４によって設計されるアルゴリズムとを決定することができる。フローチャートデザイナ４２４は、データ解析スキームを作成したいと思うプログラマと、具体的なオンデマンドリアルタイム患者固有データ解析発注の受信時に開始されるアルゴリズムとの間のインタフェースとしての役割を果たすことができる。Returning to FIG. 4, the clinical analytics engine 418 can receive an order from the on-demand real-time patient-specific data analysis order processing module 416. The received order can determine the data to be examined and extracted from the data 422 and the algorithms designed by the flowchart designer 424 that are used to analyze the extracted data. The flowchart designer 424 can act as an interface between a programmer who wishes to create a data analysis scheme and the algorithms that are initiated upon receipt of a specific on-demand real-time patient-specific data analysis order.
図８は、本開示の例による例示のフローチャート設計プロセスを示す。図８に示す設計プロセスは、データ解析計算プラットフォームのプログラマが、具体的なオンデマンドリアルタイム患者固有データ解析が上述したように発注されたときに実行可能な予めプログラミングされたアルゴリズムまたはデータ解析スキームを作成する方法を示す。FIG. 8 illustrates an exemplary flow chart design process according to an example of the present disclosure. The design process illustrated in FIG. 8 illustrates how a programmer of a data analysis computing platform creates a pre-programmed algorithm or data analysis scheme that can be executed when a specific on-demand real-time patient-specific data analysis is ordered as described above.
ユーザ８０２は、フローチャートデザイナユーザインタフェース８０４を介してフローチャートデザイナツールセットにアクセスすることができる。フローチャートデザイナツールセットは、上述した例のように、各種オンデマンドリアルタイム患者固有データ解析に適した広範な医療データ解析アルゴリズムセットの設計、開発、配備のために、１セットの利用しやすいツールを提供することができる。ユーザインタフェース８０４は、ツールセットのユーザが、高度なプログラミングの経験や訓練なしに優れた解析機能を達成できるように構成することができる。言い換えると、ユーザインタフェース８０４は、利用しやすい構文でユーザが解析機能を提供し、この構文をその後、処理のために計算プラットフォームによって使用されるアルゴリズムの難解な記述に変換できるようなプラットフォームを提供することができる。A user 802 can access the flowchart designer toolset via a flowchart designer user interface 804. The flowchart designer toolset can provide a set of easy-to-use tools for the design, development, and deployment of a wide range of medical data analysis algorithms suitable for various on-demand real-time patient-specific data analyses, as in the examples described above. The user interface 804 can be configured to allow a user of the toolset to achieve sophisticated analytical capabilities without extensive programming experience or training. In other words, the user interface 804 can provide a platform where a user can provide analytical capabilities in an easy-to-use syntax that can then be converted into an abstract description of an algorithm that is used by the computational platform for processing.
ユーザインタフェース８０４は、フローチャート構成リポジトリ８０６へのアクセス機能をユーザに提供することができる。フローチャート構成リポジトリ８０６はいくつかの予めプログラミングされたアルゴリズムモジュールを含むことができる。ユーザ８０２は、包含および排除基準をさらに規定するだけでなく、オンデマンドリアルタイム患者固有データ解析計算プラットフォームのユーザによって規定可能な排除および包含基準を規定することによって、リポジトリ８０６に記憶されたプログラミング済みのアルゴリズムモジュールをカスタマイズすることができる。The user interface 804 can provide the user with access to a flowchart configuration repository 806. The flowchart configuration repository 806 can include several pre-programmed algorithm modules. The user 802 can customize the pre-programmed algorithm modules stored in the repository 806 by further defining inclusion and exclusion criteria as well as defining exclusion and inclusion criteria that can be defined by a user of the on-demand real-time patient-specific data analysis computing platform.
いったんユーザ／プログラマ８０２がアルゴリズムまたはデータ解析スキームを作成すれば、プロセスは構成管理システム８０８に進み、そこで、公開されたアルゴリズムがアルゴリズムの各種構成を記憶し、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム内での使用および配備を管理することができる。Once the user/programmer 802 creates an algorithm or data analysis scheme, the process proceeds to a configuration management system 808 where the published algorithm can store various configurations of the algorithm and manage their use and deployment within the on-demand real-time patient-specific data analysis computing platform.
図４に戻ると、いったん臨床解析エンジンがオンデマンドリアルタイム患者固有データ解析を実行すれば、オンデマンドリアルタイム患者固有データ解析の結果をオンデマンドリアルタイム患者固有データ解析発注処理モジュール４１６に送信することができる。オンデマンドリアルタイム患者固有データ解析発注処理モジュール４１６は、受信した結果を受け取り、オンデマンドリアルタイム患者固有データ解析計算プラットフォーム４０４のユーザが最終的に利用可能なレポートを生成することができる。１例では、オンデマンドリアルタイム患者固有データ解析発注処理モジュール４１６は、具体的な種類のオンデマンドリアルタイム患者固有データ解析に対して予め定義することのできる確定テンプレートに応じて受信した結果をフォーマット可能なレポート生成モジュール４２６にアクセスすることができる。Returning to FIG. 4, once the clinical analytics engine performs the on-demand real-time patient-specific data analysis, the results of the on-demand real-time patient-specific data analysis can be sent to an on-demand real-time patient-specific data analysis order processing module 416. The on-demand real-time patient-specific data analysis order processing module 416 can receive the received results and generate a report that is ultimately available to a user of the on-demand real-time patient-specific data analysis computing platform 404. In one example, the on-demand real-time patient-specific data analysis order processing module 416 can access a report generation module 426 that can format the received results according to a defined template that can be predefined for a particular type of on-demand real-time patient-specific data analysis.
図９は、本開示の例による例示のレポートジェネレータアーキテクチャを示す。図４を参照して上述したように、処理されたオンデマンドリアルタイム患者固有データ解析の結果がいったん発注処理モジュール９０２によって受信されれば、発注処理モジュールは結果をレポートジェネレータモジュール９００に送信することができる。レポートジェネレータモジュール９００は発注結果を受信し、モジュール９０４で、発注結果をｐｄｆ設計テンプレートまたはその他の出力フォーマットに適用することができる。モジュール９０４で、結果を解析して、どのような種類のオンデマンドリアルタイム患者固有データ解析が結果に関連するかを判定することができる。判定された種類に基づき、レポートジェネレータ９００はテンプレートリポジトリ９０６にアクセスして、様々なフォーマットで最終レポートを生成することができる。9 illustrates an exemplary report generator architecture according to an example of the present disclosure. As described above with reference to FIG. 4, once the results of the processed on-demand real-time patient-specific data analysis are received by the order processing module 902, the order processing module can send the results to the report generator module 900. The report generator module 900 receives the order results and can apply the order results to a pdf design template or other output format in module 904. The results can be analyzed in module 904 to determine what type of on-demand real-time patient-specific data analysis is associated with the results. Based on the determined type, the report generator 900 can access the template repository 906 to generate a final report in a variety of formats.
テンプレートリポジトリ９０６は、１例では、複数のレポートテンプレートを記憶することができ、リポジトリ内の各レポートテンプレートは、オンデマンドリアルタイム患者固有データ解析計算プラットフォームによって実行することができる１以上のオンデマンドリアルタイム患者固有データ解析に関連する。計算プラットフォームによって実行され、結果内で反映されるオンデマンドリアルタイム患者固有データ解析の種類が判定されると、発注処理モジュール９０４はテンプレートリポジトリにアクセスし、適切なレポートテンプレートを抽出し、受信した結果を用いてレポートを生成することができる。The template repository 906, in one example, can store multiple report templates, with each report template in the repository associated with one or more on-demand real-time patient-specific data analyses that can be performed by the on-demand real-time patient-specific data analysis computing platform. Once the type of on-demand real-time patient-specific data analysis to be performed by the computing platform and reflected in the results is determined, the order processing module 904 can access the template repository, extract the appropriate report template, and generate a report using the received results.
いったんレポートジェネレータ９００がレポートを生成すれば、それを発注処理モジュール９０２に返信して、最終的にオンデマンドリアルタイム患者固有データ解析計算プラットフォームのユーザに送信することができる。１例では、レポートジェネレータコンポーネント９００は生成されたレポートを演算インテリジェンスモジュール９０８にも送信することができる。演算インテリジェンスモジュールは生成された各種レポートをすべて記憶し、図５を参照して説明したモジュール５２０で説明したように、データの様々な傾向を認識するようにレポートに基づく解析を実行することができる。Once the report generator 900 generates the report, it can be sent back to the order processing module 902 and ultimately to the user of the on-demand real-time patient-specific data analysis computing platform. In one example, the report generator component 900 can also send the generated report to a computing intelligence module 908, which can store all the various reports generated and perform analysis based on the reports to recognize various trends in the data, as described in module 520 described with reference to FIG. 5.
図４に戻ると、いくつかの例では、計算プラットフォーム４０４はデータ統合サービスモジュール４２８も含むことができる。データ統合サービスモジュール４２８は、所属する医療提供者などの外部団体から受け取るデータを処理、変更、検証することによってデータレイク４２２内のデータをポピュレートする役割を果たすことができる。Returning to FIG. 4, in some examples, the computing platform 404 can also include a data integration services module 428. The data integration services module 428 can serve to populate the data in the data lake 422 by processing, modifying, and validating data received from external entities, such as affiliated healthcare providers.
図１０は、本開示の例による例示のデータ統合サービスを示す。データ統合サービス１０００の第１の役割は、外部団体からのデータを計算プラットフォームに取り込むことである。いったんデータが取り込まれたら、データ統合サービス１０００は、上述したようなリアルタイム患者固有データ解析を実行する計算プラットフォームによってデータが使用されるように、データを検証、変更、整理することができる。FIG. 10 illustrates an example data integration service according to an example of the present disclosure. The first role of the data integration service 1000 is to ingest data from external parties into the computing platform. Once the data is ingested, the data integration service 1000 can validate, modify, and organize the data so that it can be used by the computing platform to perform real-time patient-specific data analytics as described above.
１例として、決して限定するように解釈すべきではないが、所属団体１００２とラボサービス１００４は、計算プラットフォーム、より具体的にはデータ統合サービス１０００にデータを供給することのできる外部団体の例としての役割を果たす。ラボサービス１００４と所属団体１００２は両方とも、患者の過去の治療に関する情報や患者に関係するその他の健康関連情報を含むが、それらに限定されない患者の医療関連データを含むことができる。By way of example, and not to be construed as limiting in any way, affiliated entity 1002 and lab services 1004 serve as examples of external entities that may provide data to the computing platform, and more specifically, to data integration service 1000. Both lab services 1004 and affiliated entity 1002 may include medical-related data for the patient, including, but not limited to, information regarding the patient's past treatments and other health-related information related to the patient.
１例では、図１０に示すように、データ統合サービス１０００は、３つの異なる入力経路を介して ラボサービス１００４と所属団体１００２からのデータを取り入れることができる。データをデータ統合サービス１０００に取り入れる第１の経路では、ユーザがユーザインタフェース（ＵＩ）１００６を用いてデータをウェブサービスに手動でアップロードすることができる。ユーザは、ＵＩ１００６を介して計算プラットフォームに送信したいと考えるファイルを選択することによって、ファイルをデータ統合サービス１０００に手動でアップロードすることができる。In one example, as shown in FIG. 10, the data integration service 1000 can ingest data from the lab service 1004 and the affiliated organization 1002 through three different input paths. The first path for data to enter the data integration service 1000 allows a user to manually upload data to the web service using a user interface (UI) 1006. A user can manually upload files to the data integration service 1000 by selecting the files they want to send to the computing platform through the UI 1006.
上述の例の代わりに、または上述の例に加えて、データ統合サービス１０００は、メッセージハブ１００８を利用するリアルタイムウェブベースのメッセージサービスを用いてメッセージを受信し、外部団体からデータを受信することができる。メッセージハブ１００８は、所属団体１００２などのデータプロバイダとデータ統合サービス１０００との間のリアルタイム接続を提供することができる。よって、所属団体１００２がリアルタイム患者固有データ解析計算プラットフォームに送信したいと思う新たなデータを有するとき、このデータと計算プラットフォームに送られる他のデータとをまとめるのを待って１バッチとしてアップロードする代わりに、データプロバイダは各データ項目をリアルタイムで個別に送信することができる。Alternatively or in addition to the above examples, the data integration service 1000 can receive messages and data from external parties using a real-time web-based messaging service that utilizes a message hub 1008. The message hub 1008 can provide a real-time connection between data providers, such as the affiliated party 1002, and the data integration service 1000. Thus, when the affiliated party 1002 has new data that it wants to send to the real-time patient-specific data analysis computing platform, instead of waiting to compile this data with other data sent to the computing platform and upload it as a batch, the data provider can send each data item individually in real-time.
別の例では、データプロバイダおよびラボサービス１００４はファイル転送プロトコル（ＦＴＰ）接続を利用して、データをデータ統合サービス１０００にアップロードすることができる。着陸ゾーン１０１０は、ＦＴＰ接続を通じてデータを受信するファイル記憶媒体としての役割を果たすことができる。ファイルウォッチャ１０１２は着陸ゾーン１０１０を監視して、着陸ゾーンからデータ管理ワークフロー１０１４にデータをアップロードし、受信時にデータを取り込む（後述）のに必要なワークフローを開始することができる。In another example, data providers and lab services 1004 can utilize a file transfer protocol (FTP) connection to upload data to the data integration service 1000. The landing zone 1010 can act as a file storage medium that receives the data through the FTP connection. A file watcher 1012 can monitor the landing zone 1010 and upload data from the landing zone to the data management workflow 1014 and initiate the necessary workflows to ingest the data (described below) as it is received.
データ管理ワークフローモジュール１０１４は、データプロバイダ１００２やラボサービス１００４などの外部団体から受信したデータの吸収に関連する各種組織的タスクを実行することができる。１例として、データ管理ワークフローは、管理される内在化データと関連する患者ＩＤの管理、情報の効率的呼出しを簡易化することができる標準化フォーマットにデータを整理するデータの整理および標準化、データ品質チェックを含むことができる。The data management workflow module 1014 can perform various organizational tasks related to the assimilation of data received from external parties, such as data providers 1002 and laboratory services 1004. As an example, the data management workflow can include management of patient identities associated with the internalized data being managed, data cleansing and standardization to organize the data into a standardized format that can facilitate efficient retrieval of the information, and data quality checks.
データ管理ワークフロー１０１４は、外部機関から受信したデータを、データ統合サービス１０００内に含まれる各種データ記憶媒体に最終的に整理することができる。生データ、すなわち、受信されたときの形状のデータは生データ記憶装置１０１６に記憶することができる。上述したように、受信したデータは標準化することができ、いったん標準化されれば、データは標準化データ記憶ファイルシステム１０１８に記憶することができる。標準化とは、内在化データが計算プラットフォームの認識する形状で表されるように確保することを指す。標準化プロセスの１例として、計算プラットフォームが性別を男性、女性、その他として表すことを要求するが、外部団体が性別をＭ、Ｆ、Ｏと表す場合、標準化プロセスはＭ、Ｆ、Ｏを男性、女性、その他に翻訳することを含む。The data management workflow 1014 can ultimately organize data received from external entities into various data storage media contained within the data integration service 1000. The raw data, i.e., data in the form in which it is received, can be stored in the raw data storage 1016. As described above, the received data can be standardized, and once standardized, the data can be stored in the standardized data storage file system 1018. Standardization refers to ensuring that the internalized data is represented in a form that the computing platform recognizes. As an example of the standardization process, if the computing platform requires gender to be represented as male, female, other, but the external entity represents gender as M, F, O, the standardization process includes translating M, F, O to male, female, other.
データ管理ワークフローモジュール１０１４は、データを「マスタ化」するようにデータ上で１以上のアルゴリズムを実行するマスタデータ管理モジュール１０２０を開始することもできる。データのマスタ化とは、様々な形で特定の個人に属するデータをその個人の属性とすることができるプロセスを指す。１例として、データのマスタ化は、Ｅｄｗａｒｄ ＳｍｉｔｈとＥｄ Ｓｍｉｔｈに帰するデータが同じ個人に属すると認識することを含むことができる。マスタ化プロセスが存在しない場合、システムがＥｄｗａｒｄ ＳｍｉｔｈとＥｄ Ｓｍｉｔｈを２人の別々の個人とみなすことによって、リアルタイム患者固有データ解析中のデータの誤識別につながる可能性がある。The data management workflow module 1014 may also initiate a master data management module 1020 that runs one or more algorithms on the data to "master" the data. Mastering data refers to a process whereby data that belongs to a particular individual in various ways can be attributed to that individual. As an example, mastering data may include recognizing that data attributed to Edward Smith and Ed Smith belong to the same individual. In the absence of a mastering process, the system may consider Edward Smith and Ed Smith to be two separate individuals, leading to misidentification of data during real-time patient-specific data analysis.
マスタ化プロセスの一環として、マスタデータ管理プロセス１０２０は、一連のマスタ化ＩＤと、個人をこの特定の個人のＩＤに照らして識別するための複数の方法をマッピングするマップとをデータ記憶装置１０２２に記憶することができる。リアルタイム患者固有データ解析中、マスタ化ＩＤおよびマップ記憶装置１０２２にアクセスして、特定の個人に関するリアルタイム患者固有データ解析を実行する際、データがアクセスするロードマップをアルゴリズムに提供することができる。As part of the mastering process, the master data management process 1020 can store in the data store 1022 a set of mastered IDs and a map that maps multiple ways to identify an individual against this particular individual's ID. During real-time patient-specific data analysis, the mastered ID and map store 1022 can be accessed to provide the algorithm with a roadmap of data to access when performing real-time patient-specific data analysis on a particular individual.
いったんデータがマスタ化されれば、データは、データを元にデータ解析を実行する計算プラットフォームの能力を最適化する形で各種ファイル記憶装置に保管することができる。１例として、患者プロフィールデータ記憶装置１０２４は、システムの一部として各患者のプロフィールを記憶することができる。計算プラットフォームは患者プロフィールデータ記憶装置１０２４を利用して、特定の患者がシステム内に存在するか否かを確認し、いくつかの例では、リアルタイム患者固有データ解析を実行するのに十分な特定患者に関するデータが存在するか否かも確認することができる。Once the data is mastered, it can be stored in various file storage devices in a manner that optimizes the computing platform's ability to perform data analytics on the data. As one example, a patient profile data store 1024 can store a profile for each patient as part of the system. The computing platform can utilize the patient profile data store 1024 to determine whether a particular patient is present in the system and, in some examples, also determine whether there is enough data about a particular patient to perform real-time patient-specific data analytics.
データベース１０２６は、患者の全データを記憶する主データベースを表すことができる。データベース１０２６をポピュレートするデータは、計算プラットフォームによって実行される各種データ解析を最適化するフォーマットに一致させることができる。セキュリティ目的で、データベース１０２６内のデータは（上述したように）非識別化することができ、計算プラットフォームのユーザが様々なセキュリティおよび認証手順に合格したときだけ再識別される。Database 1026 may represent a master database that stores all of a patient's data. The data that populates database 1026 may conform to a format that optimizes the various data analyses performed by the computing platform. For security purposes, the data in database 1026 may be de-identified (as described above) and only re-identified once a user of the computing platform has passed various security and authentication procedures.
また、別の例では、データ統合サービスはラボサービス結果データ記憶装置１０２８も維持することができる。ラボサービス結果データ記憶装置は、各種ラボサービスプロバイダから受信したデータを含むことができ、このデータはフォーマット化されて、計算プラットフォームが動作してリアルタイム患者固有データ解析を実行するフォーマットに合致される。In another example, the data integration service may also maintain a lab service results data store 1028. The lab service results data store may include data received from various lab service providers that is formatted to conform to the format in which the computing platform operates to perform real-time patient-specific data analysis.
本開示と実施例を添付図面を参照して説明したが、様々な変更および変形は当業者にとって自明であることに留意すべきである。このような変更および変形は、請求項によって定義されるような本開示および実施例の範囲に含まれると理解すべきである。Although the present disclosure and embodiments have been described with reference to the accompanying drawings, it should be noted that various modifications and variations will be apparent to those skilled in the art. Such modifications and variations are to be understood as being included within the scope of the present disclosure and embodiments as defined by the claims.
付記１． コンピュータにより実行される方法であって、
データ解析システムのメッセージハブによって、特定のユーザのリアルタイムユーザ固有データの解析の要求を受信することであって、データ解析システムは、（i）メッセージハブ、（ii）発注処理コンポーネント、（iii）異なるユーザのユーザプロフィール、（iv）データレイク、（iv）解析エンジン、（v）結果生成部を含むことと、
データ解析システムの発注処理コンポーネントによって、特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定することと、
特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定したことを受けて、データ解析システムの発注処理コンポーネントによって、リアルタイムを用いたデータレイクに記憶されたリアルタイムユーザ固有データ、バッチ処理以外でかつリアルタイムでそれぞれデータ条項を得るトランザクショナルデータ検索技術を取得することと、
データベース内に記憶された非識別データを、リアルタイムユーザ固有データの解析を要求した特定のユーザに属するデータとして再識別すると共に再識別されたデータを特定のユーザのＩＤに基づいて照合することと、
データ解析システムの解析エンジンによって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施することと、
データ解析システムの結果生成部によって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施した結果を生成することと、
データ解析システムのメッセージハブによって、出力として、要求された解析を実施した結果を提供することと
を備える方法。 Appendix 1. A computer-implemented method comprising:
receiving a request for analysis of real-time user-specific data of a particular user by a message hub of a data analysis system, the data analysis system including: (i) a message hub; (ii) an order processing component; (iii) user profiles of different users; (iv) a data lake; (iv) an analysis engine; and (v) a result generator;
determining, by an order processing component of the data analysis system, that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis;
In response to determining that a particular user profile associated with the particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis, obtaining, by an order processing component of the data analysis system, the real-time user-specific data stored in the data lake using real-time, transactional data search techniques to obtain data terms in a non-batch and real-time manner, respectively;
re-identifying the non-identified data stored in the database as data belonging to the particular user who requested the analysis of the real-time user specific data and matching the re-identified data based on the identity of the particular user;
performing, by an analytical engine of the data analysis system, the requested analysis based on the obtained real-time user-specific data for the particular user;
generating, by a result generation unit of the data analysis system, a result of performing the requested analysis based on the obtained real-time user-specific data of the particular user;
and providing, by a message hub of the data analysis system, as output, results of performing the requested analysis.
付記２． データレイクに記憶されたユーザ固有データの取得は、特定のユーザに関連するデータ条項を回収するように複数の個々のデータベースを検索することを含む、付記１に記載の方法。Appendix 2. The method of appendix 1, wherein retrieving the user-specific data stored in the data lake includes searching a number of individual databases to retrieve data terms related to a particular user.
付記３． 要求された解析は、ユーザが提供者により受けた治療の質にアクセスする治療の質解析を含む、付記１に記載の方法。
付記４． 要求された解析は、可能性のある現在又は未来の存在、又は予想され押し付けられる推測、条件にアクセスする解析を含む、付記１に記載の方法。 Clause 3. The method of clause 1, wherein the requested analysis includes a quality of care analysis to access the quality of care the user received from the provider.
Clause 4. The method of clause 1, wherein the requested analysis includes analysis accessing possible present or future existence, or predicted and imposed speculation, conditions.
付記５． 要求された解析は、潜在的に不要な検査の利用にアクセスする無駄評価回避システムを含む、付記１に記載の方法。
付記６． 要求された解析は、種々のプログラムのユーザ適格性にアクセする適格性解析を含む、付記１に記載の方法。 Clause 5. The method of clause 1, wherein the requested analysis includes a waste evaluation and avoidance system that accesses utilization of potentially unnecessary tests.
Clause 6. The method of clause 1, wherein the requested analysis includes an eligibility analysis to access user eligibility for various programs.
付記７． 要求された解析は、治療モデル又は支払いモデルに対する治療又はコスト負担のカテゴリにアクセスするリスク解析を含む、付記１に記載の方法。
付記８． 要求は、サービス供給者に関連する過去発注エントリユーザインタフェースによる入力である、付記１に記載の方法。 Clause 7. The method of clause 1, wherein the requested analysis includes a risk analysis that accesses categories of care or cost sharing for a treatment or payment model.
Clause 8. The method of clause 1, wherein the request is input through a past order entry user interface associated with the service provider.
付記９． 要求は、解析に含まれるべきデータレイクに記憶された固有のデータセットを特定する包含基準を含む、付記１に記載の方法。
付記１０． 要求は、解析から排除されるべきデータレイクに記憶された固有のデータセットを特定する排除基準を含む、付記１に記載の方法。 Clause 9. The method of clause 1, wherein the request includes inclusion criteria that identify unique datasets stored in the data lake to be included in the analysis.
Clause 10. The method of clause 1, wherein the request includes exclusion criteria that identify unique datasets stored in the data lake that should be excluded from the analysis.
付記１１． データレイクに記憶されたユーザ固有データの取得は、要求を受けた場合、データ解析システムの最初のデータベースである１以上のデータ条項の取得を含む、付記１に記載の方法。Appendix 11. The method of appendix 1, wherein retrieving the user-specific data stored in the data lake includes retrieving one or more data clauses that are an initial database of the data analysis system, when requested.
付記１２． データレイクに記憶されたユーザ固有データの取得は、要求を受けた場合、外部データソースに記憶された１以上のデータ条項の取得を含む、付記１に記載の方法。Appendix 12. The method of appendix 1, wherein retrieving the user-specific data stored in the data lake includes retrieving, upon request, one or more data clauses stored in an external data source.
付記１３． データ解析システムは、ウェブサービスに示されている、付記１に記載の方法。
付記１４． 要求を受けた後、メッセージハブから発注処理コンポーネントへのセキュアソケットレイヤ（ＳＳＬ）認証を送信する、付記１に記載の方法。 Clause 13. The method of clause 1, wherein the data analysis system is exposed as a web service.
Clause 14. The method of clause 1, further comprising sending a Secure Socket Layer (SSL) authentication from the message hub to the order fulfillment component after receiving the request.
付記１５． 特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分である旨を示すと判定する前に、所属団体マップを用いて、要求された解析を認証する所属団体にユーザが関連していることを判定する、付記１に記載の方法。Appendix 15. The method of appendix 1, further comprising using an affiliation map to determine that the user is associated with an affiliation that authorizes the requested analysis before determining that a particular user profile associated with the particular user indicates that real-time user-specific data stored in the data lake is sufficient to perform the requested analysis.
付記１６． 特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分である旨を示すと判定することは、十分にデータが存在することを示すブールフラグを含むデータを受信することを含む、付記１に記載の方法。Appendix 16. The method of appendix 1, wherein determining that a particular user profile associated with a particular user indicates that real-time user-specific data stored in the data lake is sufficient to perform the requested analysis includes receiving data including a Boolean flag indicating that sufficient data exists.
付記１７． 非識別データを再識別することは、解析されるように再識別されたデータを１つの位置にまとめることを備え、
前記再識別化されたデータは、解析後に再識別されたデータが識別されないように、削除される、付記１に記載の方法。 Clause 17. Re-identifying the de-identified data comprises assembling the de-identified data in one location to be analyzed;
2. The method of claim 1, wherein the de-identified data is deleted such that the de-identified data is unidentifiable after analysis.
付記１８． データ解析システムであって、
１以上のコンピュータによる実行される場合、１以上のコンピュータに以下を実行させるように動作可能な１以上のコンピュータ及び１以上の記憶装置を含み、
データ解析システムのメッセージハブによって、特定のユーザのリアルタイムユーザ固有データの解析の要求を受信することと、
データ解析システムの発注処理コンポーネントによって、特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定することと、
特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定したことを受けて、データ解析システムの発注処理コンポーネントによって、リアルタイムを用いたデータレイクに記憶されたリアルタイムユーザ固有データ、バッチ処理以外でかつリアルタイムでそれぞれデータ条項を得るトランザクショナルデータ検索技術を取得することと、
データベース内に記憶された非識別データを、リアルタイムユーザ固有データの解析を要求した特定のユーザに属するデータとして再識別すると共に再識別されたデータを特定のユーザのＩＤに基づいて照合することと、
データ解析システムの解析エンジンによって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施することと、
データ解析システムの結果生成部によって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施した結果を生成することと、
データ解析システムのメッセージハブによって、出力として、要求された解析を実施した結果を提供することと
を備える方法。 Appendix 18. A data analysis system, comprising:
comprising one or more computers and one or more storage devices operable, when executed by one or more computers, to cause the one or more computers to:
receiving, by a message hub of the data analysis system, a request for analysis of real-time user-specific data for a particular user;
determining, by an order processing component of the data analysis system, that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis;
In response to determining that a particular user profile associated with the particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis, obtaining, by an order processing component of the data analysis system, the real-time user-specific data stored in the data lake using real-time, transactional data search techniques to obtain data terms in a non-batch and real-time manner, respectively;
re-identifying the non-identified data stored in the database as data belonging to the particular user who requested the analysis of the real-time user specific data and matching the re-identified data based on the identity of the particular user;
performing, by an analytical engine of the data analysis system, the requested analysis based on the obtained real-time user-specific data for the particular user;
generating, by a result generation unit of the data analysis system, a result of performing the requested analysis based on the obtained real-time user-specific data of the particular user;
and providing, by a message hub of the data analysis system, as output, results of performing the requested analysis.
付記１９． データレイクに記憶されたユーザ固有データの取得は、特定のユーザに関連するデータ条項を回収するように複数の個々のデータベースを検索することを含む、付記１８に記載のシステム。Appendix 19. The system of appendix 18, wherein retrieving the user-specific data stored in the data lake includes searching multiple individual databases to retrieve data terms related to a particular user.
付記２０． １以上のコンピュータにより実行される指示を含み、１以上のコンピュータに以下を実行させる非一時的コンピュータ可読記憶媒体であって、
データ解析システムのメッセージハブによって、特定のユーザのリアルタイムユーザ固有データの解析の要求を受信することであって、データ解析システムは、（i）メッセージハブ、（ii）発注処理コンポーネント、（iii）異なるユーザのユーザプロフィール、（iv）データレイク、（iv）解析エンジン、（v）結果生成部を含むことと、
データ解析システムの発注処理コンポーネントによって、特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定することと、
特定のユーザに関連する特定のユーザプロフィールが、データレイクに記憶されたリアルタイムユーザ固有データが要求された解析を実行するのに十分であることを示すと判定したことを受けて、データ解析システムの発注処理コンポーネントによって、リアルタイムを用いたデータレイクに記憶されたリアルタイムユーザ固有データ、バッチ処理以外でかつリアルタイムでそれぞれデータ条項を得るトランザクショナルデータ検索技術を取得することと、
データベース内に記憶された非識別データを、リアルタイムユーザ固有データの解析を要求した特定のユーザに属するデータとして再識別すると共に再識別されたデータを特定のユーザのＩＤに基づいて照合することと、
データ解析システムの解析エンジンによって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施することと、
データ解析システムの結果生成部によって、得られた特定のユーザのリアルタイムユーザ固有データに基づき要求された解析を実施した結果を生成することと、
データ解析システムのメッセージハブによって、出力として、要求された解析を実施した結果を提供することと
を備える、方法。 Clause 20. A non-transitory computer-readable storage medium containing instructions executable by one or more computers to cause one or more computers to:
receiving a request for analysis of real-time user-specific data of a particular user by a message hub of a data analysis system, the data analysis system including: (i) a message hub; (ii) an order processing component; (iii) user profiles of different users; (iv) a data lake; (iv) an analysis engine; and (v) a result generator;
determining, by an order processing component of the data analysis system, that a particular user profile associated with a particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis;
In response to determining that a particular user profile associated with the particular user indicates that the real-time user-specific data stored in the data lake is sufficient to perform the requested analysis, obtaining, by an order processing component of the data analysis system, the real-time user-specific data stored in the data lake using real-time, transactional data search techniques to obtain data terms in a non-batch and real-time manner, respectively;
re-identifying the non-identified data stored in the database as data belonging to the particular user who requested the analysis of the real-time user specific data and matching the re-identified data based on the identity of the particular user;
performing, by an analytical engine of the data analysis system, the requested analysis based on the obtained real-time user-specific data for the particular user;
generating, by a result generation unit of the data analysis system, a result of performing the requested analysis based on the obtained real-time user-specific data of the particular user;
and providing, by a message hub of the data analysis system, as output, results of performing the requested analysis.
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562269924P | 2015-12-18 | 2015-12-18 | |
| US62/269,924 | 2015-12-18 | ||
| JP2019229251AJP7114563B2 (en) | 2015-12-18 | 2019-12-19 | Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019229251ADivisionJP7114563B2 (en) | 2015-12-18 | 2019-12-19 | Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform |
| Publication Number | Publication Date |
|---|---|
| JP2022069566A JP2022069566A (en) | 2022-05-11 |
| JP7519394B2true JP7519394B2 (en) | 2024-07-19 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017552501APendingJP2018514862A (en) | 2015-12-18 | 2016-12-19 | System and method for providing on-demand real-time patient-specific data analysis computing platform |
| JP2019229251AActiveJP7114563B2 (en) | 2015-12-18 | 2019-12-19 | Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform |
| JP2022040125AActiveJP7519394B2 (en) | 2015-12-18 | 2022-03-15 | System and method for providing an on-demand real-time patient-specific data analysis computing platform - Patents.com |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017552501APendingJP2018514862A (en) | 2015-12-18 | 2016-12-19 | System and method for providing on-demand real-time patient-specific data analysis computing platform |
| JP2019229251AActiveJP7114563B2 (en) | 2015-12-18 | 2019-12-19 | Systems and methods for providing an on-demand real-time patient-specific data analysis computing platform |
| Country | Link |
|---|---|
| JP (3) | JP2018514862A (en) |
| WO (1) | WO2017106851A1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6824967B2 (en) | 2015-09-18 | 2021-02-03 | オーリス ヘルス インコーポレイテッド | Tubular net navigation |
| US10022192B1 (en) | 2017-06-23 | 2018-07-17 | Auris Health, Inc. | Automatically-initialized robotic systems for navigation of luminal networks |
| US10810224B2 (en) | 2018-06-27 | 2020-10-20 | International Business Machines Corporation | Computerized methods and programs for ingesting data from a relational database into a data lake |
| US11416472B2 (en) | 2019-10-09 | 2022-08-16 | Unitedhealth Group Incorporated | Automated computing platform for aggregating data from a plurality of inconsistently configured data sources to enable generation of reporting recommendations |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004258978A (en) | 2003-02-26 | 2004-09-16 | Toshiba Corp | Virtual patient system, information providing system, and medical information providing method |
| JP2004280807A (en) | 2003-02-28 | 2004-10-07 | Toshiba Corp | Cyber hospital system |
| JP2015170229A (en) | 2014-03-07 | 2015-09-28 | 株式会社医用工学研究所 | Medical data management program and medical data management system |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030149597A1 (en)* | 2002-01-10 | 2003-08-07 | Zaleski John R. | System for supporting clinical decision-making |
| US20050234740A1 (en)* | 2003-06-25 | 2005-10-20 | Sriram Krishnan | Business methods and systems for providing healthcare management and decision support services using structured clinical information extracted from healthcare provider data |
| US8306831B2 (en)* | 2005-01-10 | 2012-11-06 | International Business Machines Corporation | Systems with message integration for data exchange, collection, monitoring and/or alerting |
| US20080040151A1 (en)* | 2005-02-01 | 2008-02-14 | Moore James F | Uses of managed health care data |
| US7512633B2 (en)* | 2005-07-13 | 2009-03-31 | International Business Machines Corporation | Conversion of hierarchically-structured HL7 specifications to relational databases |
| US7787699B2 (en)* | 2005-08-17 | 2010-08-31 | General Electric Company | Real-time integration and recording of surgical image data |
| US8850057B2 (en)* | 2007-09-20 | 2014-09-30 | Intel Corporation | Healthcare semantic interoperability platform |
| JP2011257854A (en)* | 2010-06-07 | 2011-12-22 | Hitachi Ltd | Medical information management system, medical information management method and medical information management program |
| US20130191157A1 (en)* | 2012-01-17 | 2013-07-25 | Optuminsight, Inc. | Unified healthcare intelligence, analytics, and care management |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004258978A (en) | 2003-02-26 | 2004-09-16 | Toshiba Corp | Virtual patient system, information providing system, and medical information providing method |
| JP2004280807A (en) | 2003-02-28 | 2004-10-07 | Toshiba Corp | Cyber hospital system |
| JP2015170229A (en) | 2014-03-07 | 2015-09-28 | 株式会社医用工学研究所 | Medical data management program and medical data management system |
| Publication number | Publication date |
|---|---|
| JP7114563B2 (en) | 2022-08-08 |
| JP2022069566A (en) | 2022-05-11 |
| WO2017106851A1 (en) | 2017-06-22 |
| JP2018514862A (en) | 2018-06-07 |
| JP2020042864A (en) | 2020-03-19 |
| Publication | Publication Date | Title |
|---|---|---|
| JP7519394B2 (en) | System and method for providing an on-demand real-time patient-specific data analysis computing platform - Patents.com | |
| US11823777B2 (en) | System and method for providing an on-demand real-time patient-specific data analysis computing platform | |
| US9639662B2 (en) | Systems and methods for event stream platforms which enable applications | |
| US8527292B1 (en) | Medical data analysis service | |
| CN113508439A (en) | Providing personalized healthcare information and treatment recommendations | |
| US20170177822A1 (en) | Systems and methods for providing personalized prognostic profiles | |
| US20100131283A1 (en) | Method and apparatus for clinical widget distribution | |
| US20120239671A1 (en) | System and method for optimizing and routing health information | |
| US20130191161A1 (en) | Patient data input and access system that enhances patient care | |
| US11688496B2 (en) | Health information exchange system | |
| Matuszak et al. | Performance/outcomes data and physician process challenges for practical big data efforts in radiation oncology | |
| US20250149181A1 (en) | Indicator For Probable Inheritance Of Genetic Disease | |
| AU2021100430A4 (en) | Blockchain: Health Care Information Exchange using Blockchain- Based Technology | |
| US20250157609A1 (en) | Computer-controlled smart referrals system and method | |
| US11182737B2 (en) | Systems and methods for factory catalog management and distribution of orders and services | |
| US11636933B2 (en) | Summarization of clinical documents with end points thereof | |
| US11455690B2 (en) | Payer provider connect engine | |
| Jaffe et al. | Standards in biomedical informatics | |
| US20160188804A1 (en) | Ambulatory manager | |
| US12334199B2 (en) | Automated transformation documentation of medical data | |
| US20220189592A1 (en) | Automated transformation documentation of medical data | |
| US20220188281A1 (en) | Automated transformation documentation of medical data | |
| Gramatiuk et al. | Long-Term Digital Storage and Usage of Research Data: Data Pooling | |
| Kapoor | A Learning Health System for Radiation Oncology | |
| DePalo | Electronic health record interoperability across transport medicine |
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20220414 | |
| A621 | Written request for application examination | Free format text:JAPANESE INTERMEDIATE CODE: A621 Effective date:20220414 | |
| A977 | Report on retrieval | Free format text:JAPANESE INTERMEDIATE CODE: A971007 Effective date:20230515 | |
| A131 | Notification of reasons for refusal | Free format text:JAPANESE INTERMEDIATE CODE: A131 Effective date:20230523 | |
| A601 | Written request for extension of time | Free format text:JAPANESE INTERMEDIATE CODE: A601 Effective date:20230823 | |
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20231020 | |
| A131 | Notification of reasons for refusal | Free format text:JAPANESE INTERMEDIATE CODE: A131 Effective date:20240109 | |
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20240409 | |
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) | Free format text:JAPANESE INTERMEDIATE CODE: A01 Effective date:20240625 | |
| A61 | First payment of annual fees (during grant procedure) | Free format text:JAPANESE INTERMEDIATE CODE: A61 Effective date:20240708 | |
| R150 | Certificate of patent or registration of utility model | Ref document number:7519394 Country of ref document:JP Free format text:JAPANESE INTERMEDIATE CODE: R150 |