本公开一般涉及医学、受试者健康、样本分析的领域，并且更特别地涉及受试者中疾病的存在的预测领域。
背景技术：
1、疾病的预测不仅在确保及时治疗患者方面很重要，而且在管理疾病管理过程中牵涉的资源和物流方面也很重要。例如，由于sars-cov-2病毒而出现的流行病跨世界增加了卫生保健系统的负担。要求经受测试以用于sars-cov-2病毒的检测的个体数量加速增长，导致诸如逆转录酶聚合酶链式反应(rt-pcr)测试试剂盒之类的传染病测试试剂盒的短缺，在向个体提供测试结果中的延迟，以及在不怀疑存在sars-cov-2病毒时向患者提供及时的医疗支持中的延迟。在这样的场景中，预测患者中一种或多种病原体(诸如例如sars-cov-2之类的病毒、细菌等)的存在可能是重要的。
2、当前，在没有rt-pcr测试或抗原测试的情况下，不存在可以通过其高效地预测受试者中诸如病毒(例如sars-cov-2病毒)之类的病原体的存在的可靠方式。存在对于预测受试者中诸如病毒或细菌之类的病原体的存在和/或检测群体中感染率的增加以改进医疗资源的利用的改进系统和方法的持续需要。
技术实现思路
1、公开了一种用于预测受试者中疾病的存在的系统。在本公开的一个方面中，所述系统包括处理单元和存储器。附加地，所述存储器包括疾病预测模块，所述疾病预测模块被配置为接收与受试者相关联的多个参数，并且确定与经训练的机器学习模型相关联的灵敏度和/或特异性的门限。附加地，所述模块被配置为使用经训练的机器学习模型预测受试者中疾病的存在以及与受试者相关联的所述多个参数，并且在输出单元上输出预测。
2、在本公开的另一方面中，公开了一种用于预测受试者中疾病的存在的方法。所述方法包括接收与受试者相关联的多个参数。附加地，所述方法包括确定与经训练的机器学习模型相关联的灵敏度和/或特异性的门限。更进一步地，所述方法包括基于疾病的灵敏度和特异性以及与受试者相关联的多个参数，使用经训练的机器学习模型来预测受试者中疾病的存在。进一步地，所述方法包括在输出单元上输出预测。
3、在实施例中，本公开包括一种制品，所述制品包括其上编码有指令的非暂时性计算机可读介质，所述指令被配置为使一个或多个处理器执行包括如下步骤的方法：根据本公开预测疾病的存在。
4、在实施例中，本公开包括其上编码有指令的非暂时性计算机可读介质，所述指令被配置为使一个或多个处理器执行一种方法，所述方法包括：根据本公开预测疾病的存在。
5、在实施例中，本公开包括根据本公开预测受试者中疾病的存在，并且随后治疗有需要的受试者。
6、在实施例中，本公开包括用于预测群体中疾病的存在的系统。在本公开的一个方面中，所述系统包括处理单元和存储器。附加地，所述存储器包括疾病预测模块，所述疾病预测模块被配置为接收与一个或多个受试者相关联的多个参数，并且确定与经训练的机器学习模型相关联的灵敏度和/或特异性的门限。附加地，所述模块被配置为使用经训练的机器学习模型预测一个或多个受试者或受试者群体中疾病的存在以及与受试者或受试者群体相关联的所述多个参数，并且在输出单元上输出预测。
7、提供该概述是为了以简化的形式介绍精选的概念，所述概念在以下描述中在下面进一步描述。不意图标识所要求保护的主题的特征或必要特征。更进一步地，所要求保护的主题不限于解决本公开的任何部分中指出的任何或所有缺点的实现。
1.一种用于预测受试者中疾病的存在的系统(100)，所述系统(100)包括：
2.根据权利要求1所述的系统(100)，其中基于与卫生保健提供者相关联的需求场景来确定与经训练的机器学习模型相关联的灵敏度和/或特异性的门限。
3.根据权利要求2所述的系统(100)，其中与卫生保健提供者相关联的需求场景包括如下各项中的至少一个：减少传染病测试负担或rt-pcr测试负担、替代传染病测试负担、替代rt-pcr测试和/或确定对于受试者测试的需要。
4.根据权利要求1所述的系统(100)，其中与受试者相关联的所述多个参数包括红细胞(rbc)参数、血小板参数和白细胞(wbc)参数。
5.根据权利要求4所述的系统(100)，其中所述rbc参数包括如下各项中的一个或多个：血红蛋白水平、血细胞比容、rbc大小、单个rbc中的血红蛋白水平、平均血球体积、平均血球血红蛋白浓度、正常rbc、血红蛋白浓度≥28g/dl并且≤41g/dl的rbc数量、血红蛋白体积≥60fl并且≤120fl的rbc数量、血红蛋白分布宽度、rbc平均血球体积、rbc体积分布宽度、rbc总计数、血红蛋白含量分布宽度和血红蛋白含量平均值。
6.根据权利要求4所述的系统(100)，其中所述wbc参数包括如下各项中的一个或多个：wbc类型、wbc计数、wbc百分比、中性粒细胞与淋巴细胞的比率、大型未染色细胞与淋巴细胞的比率、指示假嗜碱性的wbc数量和wbc成熟参数。
7.根据权利要求5所述的系统(100)，进一步包括细胞血红蛋白浓度平均值、血红蛋白浓度大于41g/dl的rbc数量和血红蛋白浓度小于28g/dl的rbc数量。
8.根据权利要求1所述的系统(100)，其中所述经训练的机器学习模型被预先选择。
9.根据权利要求1所述的系统(100)，其中所述疾病预测模块(110)进一步被配置为使用所述经训练的机器学习模型基于与受试者相关联的所述多个参数来预测对于受试者的分层/严重性或住院治疗的需要。
10.根据权利要求1所述的系统(100)，其中所述疾病预测模块(110)进一步被配置为预测受试者中长covid-19的发生。
11.一种预测受试者中疾病的存在的方法(200)，所述方法(200)包括：
12.根据权利要求11所述的方法(200)，其中基于与卫生保健提供者相关联的需求场景来确定与经训练的机器学习模型相关联的灵敏度和/或特异性的门限。
13.根据权利要求12所述的方法(200)，其中与卫生保健提供者相关联的需求场景包括如下各项中的至少一个：减少rt-pcr或其他传染病测试负担、替代这样的测试和/或确定对于受试者测试的需要。
14.根据权利要求11所述的方法(200)，其中所述疾病是covid-19。
15.根据权利要求11所述的方法(200)，进一步包括：
16.一种诸如包括其上编码有指令的非暂时性计算机可读介质的系统或其组件的制品，所述指令被配置为使一个或多个处理器执行包括如下的方法：预测受试者中疾病的存在，所述方法(200)包括：
17.一种其上编码有指令的非暂时性计算机可读介质，所述指令被配置为使一个或多个处理器执行预测受试者中疾病的存在的方法(200)，所述方法(200)包括：
