[發明專利]分層醫療數據計算機體系結構

在審

• 申請號: 201880012908.0
• 申請日: 2018-02-20
• 公開（公告）號: CN110462745A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 安托萬·C·E·波佩
• 申請（專利權）人: 安托萬·C·E·波佩
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/20
• 代理公司: 11240 北京康信知識產權代理有限責任公司
• 代理人: 劉彬<國際申請>=PCT/EP2018/

本發明涉及醫療數據處理系統領域、相關方法和用途。

技術領域

本發明涉及醫療數據處理系統領域、相關方法和用途。

背景技術

今天醫療數據處理領域表征為存在大量這樣的醫療數據，按照每個學科的筒倉組織，例如每個傳感器(在廣義上用作信息的詞語)可用于人(或動物)。

雖然原則上可通過使用人工智能(AI)技術將所有所述不同傳感器數據集合到一個計算機系統中作為繼續的方式，但這種單純的組合可能在實踐中很難實現，而每個學科建立醫療數據分析和數據處理方面的專業知識可能難以在這種全球方法中重復使用。

在人工智能領域，深度學習是一種已知技術，但通常用于諸如圖像之類的二維或更多維數據。

發明內容

本發明的目的

本發明旨在克服上述問題，并提供一種使用分層方法的精心選擇的可行的技術解決方案(可實時部署)，利用多個不同醫療數據庫的使用并結合特定于學科的數據處理算法的組合，其中，該算法使用通用的人工智能方法，具體而言是機器學習。

本發明的內容

本發明涉及(至少部分實時可用的)醫療數據處理(諸如數據分析或數據處理)系統和/或計算機或計算體系結構領域、相關用途和調整(學習)方法，其用途和相關布置和工具(如適合的數據庫)。

為了清楚起見，在進一步的描述中，在計算機系統的意義上描述了醫療數據計算機系統，該計算機系統已經基于不同人的多個異構感知信息進行訓練、調適、調整(“學習階段”)，并且正在訓練、調適或調整的計算機系統將生成對人的一個或多個參數的監測，代表他或她的身體狀況或狀態(“使用階段”)，優選地，所獲得的信息是準確的和/或精確到甚至足以進一步生成針對所述人的環境的至少一個動作(向第三方提供監測信息和/或生成警報和/或執行預防措施)。

實質上，提出了至少2層醫療數據計算機系統(10)或體系結構，其包括第一計算機子系統(層1)(20)；和(數據融合)第二計算機子系統(層2)(30)，其中，所述第一計算機子系統包括：多個進一步的第三計算機子系統(40)；每個進一步的第三計算機子系統適用于單個傳感器數據處理；并且所述第二計算機子系統適用于處理由每個所述進一步的第三計算機子系統產生的多個輸出的數據。

在這個層面上已經闡明了以下幾個方面。

層1允許具有單個傳感器數據處理，該傳感器數據處理特定于當前的傳感器(或信息)類型，因此能夠在其中嵌入(某種類型的)相關學科專業知識。這種傳感器數據處理可基于機器學習，但是優選地還考慮每個學科專業知識。

事實上，層2必須是多學科的(因為至少有兩種不同類型的信息被饋送到它)，因此是更通用的機器學習技術(盡管仍可能嵌入潛在的多學科信息)。注意，盡管優選地給層2饋送預處理(通過層1)信息，但是仍然可能直接饋入一些傳感器信息。

在階段，我們可突出顯示關鍵層是不相交的，但它們以雙向方式相互作用。深度學習方法在這里起著至關重要的作用。信息從較低層傳播到較高層，而每層中的表示由較高層的信息需求確定。

除了上面討論的數據層之外，可以可選地提供兩個特殊層。

在所有層留意管理與安全(Governance&Security)，以實現全面的方法。在更高級別，有更多的可能性來檢測和控制機密性/隱私是否受到損害。

此外，學習和安全不僅發生在層之間，而且發生在垂直筒倉之間，在矩陣模型中，使用域之間的遷移學習。

描述了上述兩個核心層(具體的，不太具體的)。用于通用調節傳感器信號(如放大，過濾……)的預處理層(層0)(50)可在需要時放置在層1之前。