[發明專利]用于代碼查看醫療事件的系統和除顫器

在審

• 申請號: 201910247181.0
• 申請日: 2014-01-09
• 公開（公告）號: CN110277159A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: G·A·弗里曼;A·E·西爾弗
• 申請（專利權）人: 卓爾醫學產品公司
• 主分類號: G16H40/63
• 分類號: G16H40/63;G16H50/20;G06F3/0481;G06F3/0485
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

本發明的實施方式包括用于代碼查看醫療事件的系統和除顫器。用于顯示和導航臨床決策支持流程的醫療監視系統和方法，其中該流程的部分在單獨顯示屏幕上，用于基于臨床決策支持或差別診斷流程動態地改變在患者監視器/除顫器的用戶界面屏幕上的軟鍵的視覺特征的系統和方法，以及被配置用于允許用戶在醫療事件過程中的任何時間看到在患者監視器/除顫器用戶界面屏幕上顯示什么以及在醫療事件過程中看到其它記錄參數的快照用于代碼查看、患者轉移和改進的患者護理的目的的代碼查看界面。

(本申請是申請日為2014年1月9日、申請號為201480004676.6、發明名稱為“EMS決策支持界面、事件歷史和相關工具”的申請的分案申請。)

相關申請的交叉引用

本申請要求于2013年1月11日提交的美國臨時專利申請系列號61/751,743以及于2013年5月1日提交的美國臨時專利申請系列號61/818,334的權益，所述兩者通過引用以它們的整體合并在本文中，用于全部目的。

技術領域

本發明的實施方式一般地涉及用于有利于急癥護理治療的工具，更具體地涉及用于臨床決策支持和差別診斷的系統和方法。

背景技術

在住院前和急癥護理治療情況下，醫療急救員經常在準確地確定特定患者的適當診斷中有困難。甚至訓練有素的醫生也經常在其中使用有限信息要求瞬間決策的緊急情況下有困難。電腦自動診斷被開發來改進現場和醫院患者治療兩者的準確性、有效性和可靠性。

自動差別診斷利用例如貝葉斯算法、神經網絡或遺傳算法等電腦推理算法。根據維基百科記錄：

貝葉斯網絡是基于知識的圖形表示，其顯示了一組變量以及疾病與癥狀之間的它們的概率關系。它們是基于條件概率，考慮到例如診斷測試的解釋的另一事件發生的事件的概率。貝葉斯規則在一些更容易信息的幫助下幫助我們計算事件的概率，其在新證據出現時始終處理選項。在CDSS[(臨床決策支持系統)]背景下，貝葉斯網絡可以被使用來計算給定它們癥狀的可能疾病的出現的概率。貝葉斯網絡的一些優點包括專家的采用概率形式的知識和總結，對作為新信息做出決策的幫助是可獲得的并是基于可應用于許多模型的無偏見概率。貝葉斯網絡的一些缺點包括難以獲得可能診斷的概率知識，并且對于給定多癥狀的大復雜系統是不實際的。關于多并發癥狀的貝葉斯計算可能累垮用戶。在CDSS背景下的貝葉斯網絡的例子是伊利亞特系統，所述系統利用貝葉斯推理來根據所提供的癥狀計算可能診斷的后驗概率。該系統現在覆蓋基于數以千計的發現的大約1500例診斷。另一例子是Dxplain系統，所述系統使用修改形式的貝葉斯邏輯。該CDSS產生與癥狀關聯的分級診斷的一覽表。

人工神經網絡(ANN)是不基于知識的適應性CDSS，所述適應性CDSS使用也已知為機器學習的人工智能的形式，所述機器學習允許系統可從過去經驗/例子中學習并識別臨床信息中的模型。其由被稱為神經元的節點和加權連接件組成，所述加權連接件以單向的形式在神經元之間傳遞信號。ANN由三個主層組成：輸入(數據接收器或發現)、輸出(傳達結果或可能疾病)和隱藏(處理數據)。該系統使用大量數據的已知結果而變得更有效。ANN的優點包括編程系統的要求和提供來自專家輸入的取消。ANN CDSS可以通過對丟失數據做出有根據的推測來處理不完全數據，并由于其適應性系統學習而改進每次使用。此外，ANN系統不需要大量的數據庫來存儲具有相關聯概率的結果數據。一些缺點是培訓進程可能是耗費時間的，導致用戶沒有有效地利用系統。

ANN系統導出它們自己的公式，所述公式用于基于關于時間的統計識別模式來加權和結合數據，所述統計識別模式可能難以解釋并質疑系統的可靠性。

例子包括闌尾炎、腰痛、心肌梗死、精神病急癥和皮膚疾患的診斷。肺栓塞的ANN診斷預測是在某些情況下甚至比醫生的預測更好。此外，基于應用程序的ANN在ECG(a.k.a.EKG)波形的分析中是有用的。