WO2025114768 - LIFESTYLE RECOMMENDATION SYSTEM FOR CHRONIC DISEASE MITIGATION
National phase entry is expected:
Publication Number
WO/2025/114768
Publication Date
05.06.2025
International Application No.
PCT/IB2024/053780
International Filing Date
18.04.2024
Title **
[English]
LIFESTYLE RECOMMENDATION SYSTEM FOR CHRONIC DISEASE MITIGATION
[French]
SYSTÈME DE RECOMMANDATION DE STYLE DE VIE POUR L'ATTÉNUATION D'UNE MALADIE CHRONIQUE
Applicants **
NEC LABORATORIES EUROPE GMBH
Inventors
SANVITO, Davide
SIARHEYEU, Raman
GONG, Na
Priority Data
63/602,690
27.11.2023
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2024 | |
| EPO | Filing, Examination, Granting | 8113 | |
| Japan | Filing, Examination, Granting | 2153 | |
| South Korea | Filing, Examination, Granting | 2071 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
19,101
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Contact Us
Abstract[English]
A computer-implemented, machine learning method for generating explainable lifestyle recommendations for mitigation of a medical condition of a patient includes extracting structured information from unstructured static data. Real-time data is transformed into a homogeneous representation. A portion of data is selected based on a pre-defined time interval or frequency. A patient graph is constructed using the structured information, the homogenous representation, and the portion of data. Whether there is a current risk is determined based on analyzing the real-time data. Whether there is a potential risk is determined based on the patient graph and a classification method. Recommendation candidates are generated based on features of other patients meeting a similarity condition with the patient using the patient graph and a hierarchy search. The method has applications including, but not limited to, use cases in medical AI / healthcare, for example to optimize predictions or treatments, or to support decision-making.[French]
L'invention concerne un procédé d'apprentissage automatique mis en œuvre par ordinateur pour générer des recommandations de style de vie explicables pour l'atténuation d'une affection médicale d'un patient qui comprend l'extraction d'informations structurées à partir de données statiques non structurées. Des données en temps réel sont transformées en une représentation homogène. Une partie de données est sélectionnée sur la base d'un intervalle de temps prédéfini ou d'une fréquence prédéfinie. Un graphe de patient est construit à l'aide des informations structurées, de la représentation homogène et de la partie de données. Il est déterminé s'il existe un risque actuel sur la base de l'analyse des données en temps réel. Il est déterminé s'il existe un risque potentiel sur la base du graphe de patient et d'un procédé de classification. Des recommandations candidates sont générées sur la base de caractéristiques d'autres patients satisfaisant à une condition de similarité avec le patient à l'aide du graphe de patient et d'une recherche hiérarchique. Le procédé présente des applications comprenant, entre autres, des cas d'utilisation dans l'IA médicale/les soins de santé, par exemple pour optimiser des prédictions ou des traitements, ou pour aider à la prise de décision.