MACHINE LEARNING SYSTEMS AND METHODS FOR PREDICTING RISK OF RENAL FUNCTION DECLINE

Systems, methods and apparatuses are described herein that employ machine learning techniques to assess a likelihood or risk that one or more patients will experience an adverse outcome, such as a decline in renal function, within one or more timeframes. The embodiments may utilize patient data rela...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: CHA, Theodore, SON, Jung Hoon, SUN, Hai Po, KIPERS, Chris, LEE, Edward, FIELDING, Oliver
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Systems, methods and apparatuses are described herein that employ machine learning techniques to assess a likelihood or risk that one or more patients will experience an adverse outcome, such as a decline in renal function, within one or more timeframes. The embodiments may utilize patient data relating to demographics, vital signs, diagnoses, procedures, diagnostic tests, biomarker assays, genetic tests, behaviors, and/or patient symptoms, to determine risk information, such as important predictive features and patient risk scores. And the embodiments may automatically execute patient workflows, such as providing treatment recommendations to providers and/or patients, based on determined risk scores. L'invention concerne des systèmes, des procédés et des appareils qui utilisent des techniques d'apprentissage machine pour évaluer une probabilité ou un risque qu'un ou plusieurs patients connaissent un résultat défavorable, tel qu'un déclin de l'activité fonctionnelle rénale, sur une ou plusieurs durées. Les modes de réalisation peuvent utiliser des données de patients concernant des données démographiques, des signes vitaux, des diagnostics, des interventions chirurgicales, des tests de diagnostic, des dosages de biomarqueurs, des tests génétiques, des comportements et/ou des symptômes de patients, pour déterminer des informations de risque, telles que des caractéristiques prédictives importantes et des scores de risque de patients. Et les modes de réalisation peuvent exécuter automatiquement des flux de travaux de patients, tels que la fourniture de recommandations de traitement à des prestataires et/ou à des patients, sur la base des scores de risque déterminés.