MACHINE LEARNING MODELS FOR DESIGNATION OF SUBJECTS FOR TREATMENT AND/OR EVALUATION

• Main Authors: KEPTEN, Eldad, WAXMAN, Jacob Gershon, MIRON, Yifat, SAFAR, Ronit, ROITMAN KALISHOV, Ilana, LEIBOVICH, Nava, BLOOMENTHAL, Shlomit, NETZER, Doron, BALICER, Ran, DAGAN, Noa, MAHANAIMY, Moria
• Format: Patent
• Language: English; French
• Published: 29.09.2022
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATIONTECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING ORPROCESSING OF MEDICAL OR HEALTHCARE DATA; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; PHYSICS

A method comprises: for each specific medical intervention and/or respective clinical outcome: accessing a respective specific priority list of a respective sub-set of subjects scheduled in a prioritized sequence for treatment and/or evaluation, creating a respective specific training dataset that includes data extracted from EMRs of the respective sub-set of subjects labelled with the specific priority list, and training a respective specific machine learning model on the respective specific training dataset for generating an outcome of a respective specific priority list of a sub-set of subjects for prioritized evaluation and/or treatment, in response to an input of data extracted from EMR of the sub-set of subjects, accessing a combined prioritization component for generating an outcome of a combined priority list of subjects for prioritized evaluation and/or treatment in response to an input of outcomes of the specific machine learning models, and providing the specific models and the combined prioritization component. Un procédé comprend : pour chaque intervention médicale spécifique et/ou le résultat clinique respectif : l'accès à une liste de priorités spécifiques respectives d'un sous-ensemble respectif de sujets programmés dans une séquence priorisée pour un traitement et/ou une évaluation, la création d'un ensemble de données d'apprentissage spécifique respectif qui comprend des données extraites à partir d'enregistrements médicaux électroniques (EMR) du sous-ensemble respectif de sujets marqués avec la liste de priorités spécifiques, et l'entraînement d'un modèle d'apprentissage machine spécifique respectif sur l'ensemble de données d'apprentissage spécifique respectif pour générer un résultat d'une liste de priorités spécifiques respectives d'un sous-ensemble de sujets pour une évaluation et/ou un traitement par ordre de priorité, en réponse à une entrée de données extraites de l'EMR du sous-ensemble de sujets, l'accès à un composant de priorisation combiné pour générer un résultat d'une liste de priorités combinées de sujets pour une évaluation et/ou un traitement par ordre de priorité en réponse à une entrée de résultats des modèles d'apprentissage machine spécifiques, et la fourniture des modèles spécifiques et du composant de priorisation combiné.