特許ウォッチ

公開番号2024138538
公報種別公開特許公報(A)
公開日2024-10-08
出願番号2024115560,2020571553
出願日2024-07-19,2019-06-21
発明の名称機械学習システムによって低血糖の率を予測すること
出願人サノフイ,SANOFI
代理人個人,個人
主分類G16H 50/00 20180101AFI20241001BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】機械学習システムによって患者の低血糖の率を予測する方法、コンピュータ可読媒体及びシステムを提供する。
【解決手段】コンピューティングデバイスで実行される、患者データを用いて訓練済み機械学習モデルを生成する方法であって、真性糖尿病と診断された患者の医療記録を示すデータを受けることと、複数の患者の医療記録と、それぞれの患者についての対応する低血糖事象の率とを示すデータを用いて訓練される機械学習システムを使用して、低血糖事象の予測率を決定することと、患者についての予測率を生成することと、を含む。
【選択図】図5
特許請求の範囲【請求項１】
コンピューティングデバイスで実行される方法であって：
真性糖尿病と診断された患者の医療記録を示すデータを受けることと；
機械学習システムを使用して低血糖事象の予測率を決定することであって、機械は、複数の患者の医療記録と、それぞれの患者についての対応する低血糖事象の率とを示すデータを用いて訓練される、決定することと；
患者についての予測率を生成することと
を含む、前記コンピューティングデバイスで実行される方法。
続きを表示（約 1,600 文字）【請求項２】
複数の患者のそれぞれは同じタイプの基礎インスリンを使用する、請求項１に記載のコンピューティングデバイスで実行される方法。
【請求項３】
第２の機械学習システムを使用して低血糖事象の第２の予測率を決定することであって、第２の機械は、第２の複数の患者の医療記録と、それぞれの第２の患者についての対応する低血糖事象の率とを示すデータを用いて訓練され、第２の複数の患者のそれぞれは第２のタイプの基礎インスリンを使用し、該第２のタイプの基礎インスリンは第１のタイプの基礎インスリンと異なる、決定することと；
第１の予測率を第２の予測率と比較することと
をさらに含む、請求項１または２に記載のコンピューティングデバイスで実行される方法。
【請求項４】
患者のための基礎インスリンを比較に基づいて推奨することをさらに含む、請求項３に記載のコンピューティングデバイスで実行される方法。
【請求項５】
第２の複数の患者のそれぞれの医療記録に対応するデータを機械学習システムに提供することによって第２の複数の患者についての低血糖事象の複数の予測率を決定することと；
低血糖事象の予測率に相関されるデータ中の１つまたはそれ以上の共変量を、該データおよび低血糖事象の複数の予測率に基づいて、特定することと；
１つまたはそれ以上の共変量および対応する低血糖事象の予測率を特定する報告を生成することと
をさらに含む、請求項１に記載のコンピューティングデバイスで実行される方法。
【請求項６】
第２の複数の患者のそれぞれの医療記録に対応するデータを機械学習システムに提供することによって第２の複数の患者についての低血糖事象の複数の予測率を決定することであって、第２の複数の患者のそれぞれは同じ共変量を有する、決定することと；
共変量および対応する低血糖事象の予測率を特定する報告を生成することと
をさらに含む、請求項１に記載のコンピューティングデバイスで実行される方法。
【請求項７】
コンピュータプログラム命令が符号化された非一時的なコンピュータ可読媒体であって、命令は、１つまたはそれ以上のコンピュータによって実行されると該１つまたはそれ以上のコンピュータに：
真性糖尿病と診断された患者の医療記録を示すデータを受けることと；
機械学習システムを使用して低血糖事象の予測率を決定することであって、機械は、複数の患者の医療記録と、それぞれの患者についての対応する低血糖事象の率とを示すデータを用いて訓練される、決定することと；
患者についての予測率を生成することと
を含む動作を実行させる、前記非一時的なコンピュータ可読媒体。
【請求項８】
複数の患者のそれぞれが同じタイプの基礎インスリンを使用する、請求項７に記載の非一時的なコンピュータ可読媒体。
【請求項９】
動作は：
第２の機械学習システムを使用して低血糖事象の第２の予測率を決定することであって、第２の機械は、第２の複数の患者の医療記録と、それぞれの第２の患者についての対応する低血糖事象の率とを示すデータを用いて訓練され、第２の複数の患者のそれぞれは第２のタイプの基礎インスリンを使用し、該第２のタイプの基礎インスリンは第１のタイプの基礎インスリンと異なる、決定することと；
第１の予測率を第２の予測率と比較することと
をさらに含む、請求項７または８に記載の非一時的なコンピュータ可読媒体。
【請求項１０】
動作は、患者のための基礎インスリンを比較に基づいて推奨することをさらに含む、請求項７～９のいずれか１項に記載の非一時的なコンピュータ可読媒体。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
優先権の主張
本出願は、２０１８年６月２２日に出願された米国特許仮出願第６２／６８９，００５号の利益を主張し、同出願の内容全体が参照により本明細書に組み入れられる。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
機械学習は、コンピュータ科学の分野における人工知能のサブセットであり、明示的にプログラムされなくてもデータによって「学習する」（すなわち、特定のタスクに対するパフォーマンスを漸進的に改善する）能力をコンピュータに与えるために統計的技法を用いることが多い。
【発明の概要】
【課題を解決するための手段】
【０００３】
一般に、本明細書に記載の主題である１つの発明の態様は、真性糖尿病と診断された患者の医療記録を示すデータを受ける動作を含む方法として具現化される。この方法は、機械学習システムを使用して低血糖事象の予測率を決定する動作を含み、その機械は、複数の患者の医療記録と、それぞれの患者についての対応する低血糖事象の率とを示すデータを用いて訓練される。この方法はまた、患者についての予測率を生成する動作も含む。
【０００４】
上記および他の実施形態は、それぞれ場合により、以下の機能のうちの１つまたはそれ以上を単独で、または組み合わせて含み得る。複数の患者のそれぞれは、同じタイプの基礎インスリンを使用し得る。方法は、第２の機械学習システムを使用して低血糖事象の第２の予測率を決定する動作を含むことができ、その第２の機械は、第２の複数の患者の医療記録と、それぞれの第２の患者についての対応する低血糖事象の率とを示すデータを用いて訓練され、第２の複数の患者のそれぞれは第２のタイプの基礎インスリンを使用し、この第２のタイプの基礎インスリンは第１のタイプの基礎インスリンと異なっており、方法はさらに、第１の予測率を第２の予測率と比較する動作を含み得る。方法は、患者のための基礎インスリンを比較に基づいて推奨する動作を含み得る。方法は、第２の複数の患者のそれぞれの医療記録に対応するデータを機械学習システムに提供することによって第２の複数の患者についての低血糖事象の複数の予測率を決定する動作と、低血糖事象の予測率に相関されるデータ中の１つまたはそれ以上の共変量を、そのデータおよび低血糖事象の複数の予測率に基づいて、特定する動作と、１つまたはそれ以上の共変量および対応する低血糖事象の予測率を特定する報告を生成する動作とを含み得る。方法は、第２の複数の患者のそれぞれの医療記録に対応するデータを機械学習システムに提供することによって第２の複数の患者についての低血糖事象の複数の予測率を決定する動作を含むことができ、第２の複数の患者のそれぞれは同じ共変量を有し、方法はさらに、共変量および対応する低血糖事象の予測率を特定する報告を生成する動作を含み得る。
【０００５】
本開示はまた、１つまたはそれ以上のプロセッサに接続され命令が記憶されているコンピュータ可読記憶媒体を提供し、この命令は、１つまたはそれ以上のプロセッサによって実行されると、その１つまたはそれ以上のプロセッサに、本明細書で提供されている方法を実施することによって諸動作を実行させる。
【０００６】
本開示はさらに、本明細書で提供されている方法を実施するためのシステムを提供する。システムは、１つまたはそれ以上のプロセッサと、１つまたはそれ以上のプロセッサに接続され命令が記憶されているコンピュータ可読記憶媒体とを含み、この命令は、１つまたはそれ以上のプロセッサによって実行されると、その１つまたはそれ以上のプロセッサ
に、本明細書で提供されている方法を実施することによって諸動作を実行させる。
【０００７】
本開示による諸実施態様は、本明細書に記載の態様および機能の任意の組み合わせを含み得ることを理解されたい。すなわち、本開示による諸実施態様は、態様の組み合わせ、および本明細書に特に記載の機能に限定されないだけでなく、提供された態様および機能の他の任意の適切な組み合わせも含む。
【０００８】
本明細書に記載の主題の１つまたはそれ以上の実施形態の詳細については、添付の図面および以下の、発明を実施するための形態において略述する。主題の他の機能、態様および利点は、発明を実施するための形態、図面、および特許請求の範囲から明らかになろう。
【図面の簡単な説明】
【０００９】
低血糖事象の予想率を予測するように機械学習モデルが訓練される環境を示す図である。
１つの事象をＥＤ／外来患者、入院患者（二次）、または入院患者（一次）として分類するための処理の一例を示すフローチャートである。
様々な共変量に対して低血糖率を決定するための例示的な処理を示す図である。
様々な共変量に対して低血糖率を決定する一例を示す図である。
患者データを用いて訓練済み機械学習モデルを生成する処理の一例のフローチャートである。
【発明を実施するための形態】
【００１０】
様々な図面中の同じ参照番号および名称は、同じ要素を示す。
（【００１１】以降は省略されています）

関連特許