诊断因素集合确定设备和方法

摘要

提供了一种诊断因素集合确定设备和方法。诊断因素集合确定设备包括：个人检查数据获取单元，被配置为获取包括多个诊断因素的个人检查数据；疾病模型选择单元，被配置为选择包括所述多个诊断因素中的一个或更多个诊断因素的疾病模型；诊断因素处理单元，被配置为根据所述多个诊断因素中的没有处于选择的疾病模型中的第一组的疾病权重的总和，来确定诊断因素集合。

说明书

本申请要求于2011年12月21日提交到韩国知识产权局的第10-2011-0139503号韩国专利申请的权益，该申请的全部公开出于所有目的通过引用合并于此。

技术领域

以下描述涉及一种疾病诊断的数据获取技术，例如涉及一种诊断因素集合确定设备和方法。

背景技术

包括在个人检查数据中的诊断因素可根据患者被检查的情况、进行患者检查的医院以及进行患者检查的区域或国家而改变。通过使用基于来自于具有不同诊断因素的各种检查的个人检查数据而预先创建的疾病模型来确定目标疾病的诊断因素，没有包括在该疾病模型中的诊断因素可根据多种方法被处理，以预测疾病的发生或者评定发生的疾病的严重性。

在一种方法中，仅基于包括在疾病模型中的诊断因素来执行疾病诊断。没有包括在疾病模型中的诊断因素在疾病诊断中被忽略。在另一方法中，通过将没有包括在疾病模型中的诊断因素分为特定种类来执行疾病诊断。在另一方法中，通过忽略没有包括在疾病模型中的诊断因素并对个人检查数据再次加权来执行疾病诊断。在另一方法中，通过用有效诊断因素取代没有包括在疾病模型中的诊断因素来执行疾病诊断。然而，忽略没有包括在疾病模型中的诊断因素或者用有效疾病因素取代这些未包括的诊断因素的方法可能不会保证对疾病的发生的精确预测或者可能不会保证对疾病的严重性进行正确估计。

发明内容

在一个总体方面，提供了一种诊断因素集合确定设备，包括：个人检查数据获取单元，被配置为获取包括多个诊断因素的个人检查数据；疾病模型选择单元，被配置为选择包括所述多个诊断因素中的一个或更多个诊断因素的疾病模型；诊断因素处理单元，被配置为根据所述多个诊断因素中的没有处于选择的疾病模型中的第一组的疾病权重的总和，来确定诊断因素集合。

所述设备的总体方面可还提供：诊断因素处理单元包括：诊断因素确定单元，被配置为如果确定所述总和等于或大于第一门限值，则从所述多个诊断因素确定新的疾病模型的诊断因素。

所述设备的总体方面可还提供：诊断因素处理单元还包括：比较单元，被配置为将第一门限值与所述总和进行比较，并将比较的结果提供给诊断因素确定单元以确定所述新的疾病模型的诊断因素。

所述设备的总体方面可还提供：如果比较结果指示所述总和小于第一门限值，则诊断因素确定单元将在个人检查数据和选择的疾病模型中都包括的诊断因素确定为用于疾病诊断的诊断因素集合。

所述设备的总体方面可还提供：诊断因素确定单元还被配置为将多个诊断因素中的第二组包括在所述新的疾病模型的诊断因素中，其中，所述第二组处于获取的个人检查数据和选择的疾病模型中。

所述设备的总体方面可还提供：诊断因素确定单元还被配置为识别所述第一组的诊断因素与选择的疾病模型中的没有处于获取的个人检查数据中的诊断因素之间的相关诊断因素，并将所述相关诊断因素包括在所述新的疾病模型的诊断因素中。

所述设备的总体方面可还提供：如果所述相关诊断因素没有被识别出，则诊断因素确定单元计算目标疾病与所述第一组的诊断因素的每一个之间的关系，并将所述第一组中的第三组的诊断因素包括在所述新的疾病模型的诊断因素中，其中，所述第三组的诊断因素分别具有的计算的关系大于所述第一组的诊断因素中的任何其他诊断因素的计算的关系。

所述设备的总体方面可还提供：如果所述总和被确定为小于第二门限值，则诊断因素确定单元确定所述第一组的诊断因素中一个诊断因素，并将确定的一个诊断因素包括在所述新的疾病模型的诊断因素中，其中，所述第一组的诊断因素中一个诊断因素具有的计算的关系大于第一组的诊断因素中的任何其他诊断因素的计算的关系。如果所述总和被确定为等于或大于第二门限值，则诊断因素确定单元确定所述第一组的诊断因素中两个或更多个诊断因素，并将确定的所述两个或更多个诊断因素包括在所述新的疾病模型的诊断因素中，其中，所述第一组的诊断因素中两个或更多个诊断因素分别具有的计算的关系大于第一组的诊断因素中的任何其他诊断因素的计算的关系。

所述设备的总体方面可还提供：诊断因素处理单元还包括：疾病模型创建单元，被配置为创建所述新的疾病模型以包括确定的诊断因素。

所述设备的总体方面可还提供：诊断因素确定单元还被配置为将确定的诊断因素分类为诊断因素集合。

所述设备的总体方面可还提供：疾病模型创建单元还被配置为通过搜索患者数据库DB来计算患有包括确定的疾病因素的疾病的第一多个患者的数量。如果计算的第一多个患者的数量等于或大于第三门限值，则疾病模型创建单元创建所述新的疾病模型以包括确定的诊断因素。如果计算的第一多个患者的数量小于第三门限值，则疾病模型创建单元计算第二多个患者的数量，所述第二多个患者患有包括除了确定的诊断因素之一之外的确定的诊断因素的目标疾病，所述确定的诊断因素之一与目标疾病具有的关系小于任何其他的确定的诊断因素与目标疾病的关系。

所述设备的总体方面可还提供：诊断因素处理单元还包括：疾病模型注册单元，被配置为将创建的新的疾病模型注册在疾病模型数据库(DB)中。

所述设备的总体方面可还提供：疾病模型DB存储所述多个疾病的疾病模型，所述多个疾病包括目标疾病。疾病模型选择单元还被配置为通过搜索疾病模型DB来找到与目标疾病相应的疾病模型。疾病模型选择单元还被配置为选择与目标疾病相应的多个疾病模型之一，所述目标疾病包括所述多个诊断因素中的一个或更多个诊断因素。

所述设备的总体方面可还提供：疾病模型注册单元还被配置为搜索患有包括确定的诊断因素的目标疾病的患者的患者模型DB。疾病模型注册单元还被配置为将从患者模型DB的搜索找到的患者分类为患有目标疾病的患者的组以及未患有目标疾病的患者的组。如果针对未患有目标疾病的患者的组来测量诊断精确度并且诊断精确度等于或大于第四门限值，则疾病模型注册单元将创建的新的疾病模型注册在疾病模型DB中。

所述设备的总体方面可还提供：疾病模型选择单元还被配置为从包括所述多个诊断因素中的一个或更多个诊断因素的多个疾病模型中选择疾病模型，其中，选择的疾病模型具有的诊断精确度大于所述多个疾病模型的任何其他疾病模型的诊断精确度。

所述设备的总体方面可还提供：选择的疾病模型是所述多个疾病模型之一。选择的疾病模型所包括的诊断因素的数量比所述多个疾病模型中的任何其他疾病模型所包括的诊断因素的数量多。

在另一总体方面，提供了一种诊断因素集合确定方法，包括：获取包括多个诊断因素的个人检查数据；选择疾病模型，所述疾病模型包括获取的个人检查数据的所述多个诊断因素中的一个或更多个诊断因素；根据所述多个诊断因素中没有处于选择的疾病模型中的第一组的疾病权重的总和来确定诊断因素集合。

所述方法的总体方面可还提供：将第一门限值与所述总和进行比较；如果所述比较确定所述总和等于或大于第一门限值，则从所述多个诊断因素确定新的疾病模型的诊断因素。

所述方法的总体方面可还提供：如果比较的结果指示所述总和小于第一门限值，则将在个人检查数据和选择的疾病模型中都包括的诊断因素确定为用于疾病诊断的诊断因素集合。

所述方法的总体方面可还提供：创建所述新的疾病模型以包括确定的诊断因素；将创建的新的疾病模型注册在疾病模型数据库(DB)中；将确定的诊断因素分类为诊断因素集合。

所述方法的总体方面可还提供：确定诊断因素的步骤包括：将所述多个诊断因素中的第二组包括在所述新的疾病模型的诊断因素中，其中，所述第二组处于获取的个人检查数据和选择的疾病模型中。

所述方法的总体方面可还提供：确定诊断因素的步骤还包括：识别相关诊断因素并将相关诊断因素包括在所述新的疾病模型的诊断因素中，其中，在第一组的诊断因素与选择的疾病模型中的没有处于获取的个人检查数据中的诊断因素之间识别所述相关诊断因素。

所述方法的总体方面可还提供：确定诊断因素的步骤还包括：如果所述相关诊断因素没有被识别出，则计算目标疾病与所述第一组的诊断因素的每一个之间的关系，并将所述第一组中的第三组的诊断因素包括在所述新的疾病模型的诊断因素中，所述第三组的诊断因素分别具有的计算的关系大于所述第一组的诊断因素中的任何其他的诊断因素的计算的关系。

所述方法的总体方面可还提供：选择的疾病模型是所述多个疾病模型之一。选择的疾病模型所包括的诊断因素的数量比所述多个疾病模型中的任何其他疾病模型所包括的诊断因素的数量多。

从下面的详细描述、附图和权利要求，其他特征和方面可以是清楚的。

附图说明

图1是示出诊断因素集合确定设备的示例的示图；

图2是示出如何使用诊断因素集合确定设备选择疾病模型的示例的示图；

图3是示出使用诊断因素集合确定设备确定的诊断因素集合的示例的示图；

图4是示出诊断因素集合确定设备确定的诊断因素集合的另一示例的示图；

图5是示出诊断因素集合确定设备确定的诊断因素集合的又一示例的示图；

图6是示出诊断因素集合确定方法的示例的流程图。

贯穿所有的附图和详细描述，除非另外描述，否则相同的附图标号将被理解为用来指示相同的元件、特征和结构。为了清楚、说明和方便起见，可能会夸大这些元件的相对尺寸和对这些元件的描绘。

具体实施方式

提供下面的描述来帮助读者获得对在此描述的方法、设备和/或系统的全面理解。因此，将对本领域普通技术人员提出在此描述的方法、设备和/或系统的各种改变、变型和等同物。另外，为了更加清楚和简明，可省略对公知功能和构造的描述。

图1是示出诊断因素集合确定设备100的示例的示图。参照图1，设备100包括个人检查数据获取单元110、疾病模型选择单元120和诊断因素处理单元130。

个人检查数据获取单元110可获取包括一个或更多个诊断因素的个人检查数据。例如，诊断因素可包括为诊断疾病而包括的血压、胆固醇水平、体重等。个人检查数据获取单元110可从存储包括一个或更多个诊断因素的各种个人诊断数据的存储器(未显示)获得个人检查数据。个人检查数据获取单元110还可通过有线通信/无线通信从其他装置(未显示)获取包括一个或更多个诊断因素的个人检查数据。个人检查数据获取单元110可包括用户接口(UI)以允许用户通过UI来输入包括一个或更多个诊断因素的个人检查数据。

疾病模型选择单元120可选择这样的疾病模型，所述疾病模型包括个人检查数据获取单元110获取的个人检查数据中所包括的一个或更多个诊断因素。例如，疾病模型选择单元120可选择疾病模型，该疾病模型具有最多数量的包括在由个人检查数据获取单元110获取的个人检查数据中的诊断因素。

疾病模型选择单元120可从存储针对每个疾病的疾病模型的疾病模型数据库(DB)200搜索与目标疾病相应的疾病模型。疾病模型选择单元120可选择包括个人检查数据中所包括的一个或更多个诊断因素的疾病模型。可由用户输入或选择目标疾病信息。在多个疾病模型中的每一个包括个人检查数据中所包括的一个或更多个诊断因素的情况下，疾病模型选择单元120可选择具有比任何其他疾病模型更高诊断精确度的疾病模型。诊断精确度是为每一个疾病模型预先设置的值。诊断精确度值用于在目标疾病的诊断中指示每个疾病模型的精确度。

图2是示出如何使用诊断因素集合确定设备100选择疾病模型的示例的示图。在图2中，针对目标疾病的多个预先存储的疾病模型包括疾病模型M1、疾病模型M2、疾病模型M3和疾病模型M4，疾病模型M1包括诊断因素A、B、C和D并且具有95％的诊断精确度，疾病模型M2包括诊断因素A、B、G、H和I并且具有98％的诊断精确度，疾病模型M3包括诊断因素A、C、D、E、F和K并且具有96％的诊断精确度，疾病模型M4包括诊断因素A、D、K和L并且具有97％的诊断精确度。

当由个人检查数据获取单元110获取的个人检查数据包括诊断因素A、C、E、G、S、T和U时，疾病模型选择单元120选择疾病模型M3，疾病模型M3具有最多数量的包括在由个人检查数据获取单元110获取的个人检查数据中的诊断因素(A、C和E)。

诊断因素处理单元130可基于属于个人检查数据而没有包括在选择的疾病模型中的各个诊断因素的疾病权重的总和，来确定用于诊断疾病的诊断因素集合。诊断因素的疾病权重是指诊断因素对目标疾病的影响。针对每个疾病预先设置并存储疾病权重。

如图2所示，响应于疾病模型选择单元120选择包括诊断因素A、C、D、E、F和K的疾病模型M3，诊断因素处理单元130可基于属于个人检查数据而没有包括在选择的疾病模型M3中的诊断因素G、S、T和U的疾病权重的总和，来确定诊断因素集合。

根据以上教导，与没有包括在疾病模型中的诊断因素被忽略或者被有效诊断因素替代的传统诊断因素确定方法相比，提供了这样一种诊断因素集合确定设备：该设备可基于属于个人检查数据而没有包括在疾病模型中的诊断因素的疾病权重的总和确定疾病因素集合，从而在疾病诊断中充分地反映在个人检查数据中提供的诊断因素。其结果是，可更精确地做出疾病诊断。

在另一示例中，诊断因素处理单元130包括比较单元131和诊断因素确定单元132。比较单元131可将第一门限与属于个人检查数据而没有包括在疾病模型中的诊断因素的疾病权重的总和进行比较。

如图2所示，当由疾病模型选择单元120选择了包括诊断因素A、C、D、E、F和K的疾病模型M3时，比较单元131可将第一门限值与属于个人检查数据而没有包括在选择的疾病模型M3中的诊断因素G、S、T和U的疾病权重的总和进行比较。基于由比较单元131比较的结果，如果诊断因素的疾病权重的总和等于或大于第一门限值，则诊断因素确定单元132可将诊断因素G、S、T和U确定为针对个人检查数据创建的新的疾病模型的诊断因素。

诊断因素确定单元132可将在个人检查数据和选择的疾病模型中都包括的诊断因素确定为新的疾病模型的诊断因素。如图2所示，在疾病模型选择单元120选择包括诊断因素A、C、D、E、F和K的疾病模型M3的情况下，诊断因素确定单元132可将在疾病模型M3和个人检查数据中都包括的诊断因素A、C和E确定为新的疾病模型的诊断因素。

此外，诊断因素确定单元132可分析包括在个人检查数据中而没有包括在选择的疾病模型中的诊断因素与包括在选择的疾病模型而没有包括在个人检查数据中的诊断因素之间的相关性。诊断因素确定单元132可确定还将这样的诊断因素包括在新创建的疾病模型中：所述诊断因素包括在个人检查数据中并且与包括在选择疾病模型中的诊断因素在很大程度上相关。相关性是被预先设置并存储的信息，该信息指示包括在个人检查数据中而没有包括在选择的疾病模型中的诊断因素与包括在选择的疾病模型中而没有包括在个人检查数据中的诊断因素具有怎样的关系。

图3是示出使用诊断因素集合确定设备100确定的诊断因素集合的示例的示图。如图2所示，在疾病模型选择单元120选择疾病模型M3并且个人检查数据包括诊断因素A、C、E、G、S、T和U的情况下，诊断因素确定单元132可分析处于在个人检查数据中而没有处于选择的疾病模型中的诊断因素G、S、T和U与处于选择的疾病模型中而没有处于个人检查数据中的诊断因素D、F和K之间的相关性。如图3所示，如果相关性分析的结果显示出包括在选择的疾病模型中的诊断因素D与包括个人检查数据中的诊断因素G相关，并且包括在选择的疾病模型中的诊断因素F与诊断因素T相关，则诊断因素确定单元132可将诊断因素G和T确定为与新的疾病模型的诊断因素。

如果相关性分析的结果指示：在以上提及的诊断因素之间不具有相关性，则诊断因素确定单元132可计算个人检查数据中的每个诊断因素与目标疾病之间的关系，并且将新的疾病模型的诊断因素确定为这样的诊断因素，这样的诊断因素与目标疾病具有的关系大于任何其他诊断因素与目标疾病的关系。个人检查数据中的每一个诊断因素与目标疾病之间的关系被预先设置和存储，以用作每个诊断因素对目标疾病的影响的指标。

在以上示例中，如果相关性分析的结果显示：在处于个人检查数据中而没有处于选择的疾病模型中的诊断因素G、S、T和U与处于选择的疾病模型中而没有处于个人检查数据中的诊断因素D、F和K之间不存在相关性，则诊断因素确定单元132可计算诊断因素G、S、T和U中的每一个之间的关系，并且还将新的疾病模型的诊断因素确定这样的诊断因素，这样的诊断因素与目标疾病具有的关系大于任何其他诊断因素与目标疾病的关系。

诊断因素确定单元132将第二门限值与处于个人检查数据而没有处于选择的疾病模型中的诊断因素的疾病权重的总和进行比较。如果诊断因素的疾病权重的总和小于第二门限值，则诊断因素确定单元132可将新的疾病模型的诊断因素确定为这样的诊断因素，这样的诊断因素与目标疾病具有的关系大于任何其他诊断因素与目标疾病的关系。

换句话说，如果处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和小于第二门限值，则与目标疾病具有以上提到的关系的诊断因素相比，处于个人检查数据中而没有处于选择的疾病模型中的诊断因素可被确定为与目标疾病的相关性较低。因此，仅与目标疾病具有的关系大于任何其他诊断因素与目标疾病的关系的诊断因素可被确定为新的疾病模型的诊断因素。

图4是示出使用诊断因素集合确定设备确定的诊断因素集合的另一示例的示图。例如，如图4所示，如果处于个人检查数据中而没有处于选择的疾病模型中的诊断因素G、S、T和U中的每一个与目标疾病的关系被获得为G＞S＞T＞U，并且，诊断因素G、S、T和U的疾病权重的总和小于第二门限值，则由于诊断因素G与目标疾病具有的关系大于任何其他诊断因素与目标疾病的关系，因此诊断因素确定单元132可将诊断因素G确定为被提供用于新的疾病模型。

如果与第二门限值比较的结果显示：处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和等于或大于第二门限值，则诊断因素确定单元132可确定提供这样的两个或更多个诊断因素以创建新的疾病模型，这样的两个或更多个诊断因素与目标疾病具有的关系大于任何其他诊断因素与目标疾病的关系。

如果处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和等于或大于第二门限值，则与个人检查数据中的任何其他诊断因素相比，这样的两个或更多个诊断因素可具有与目标疾病更大的相关性。因此，这样的两个或更多个诊断因素可被提供用于新的疾病模型。

图5是示出使用诊断因素集合确定设备确定的诊断因素集合的又一示例的示图。例如，如果处于个人检查数据中而没有处于选择的疾病模型中的诊断因素G、S、T和U中的每个与目标疾病的关系被获得为G＞S＞T＞U，并且诊断因素G、S、T和U的疾病权重的总和等于或大于第二门限值，则诊断因素确定单元132可确定两个诊断因素G和S与目标疾病具有的关系大于目标疾病与处于个人检查数据而没有处于选择的疾病模型中的任何其他的诊断因素之间的关系。其结果是，如图5所示，两个诊断因素G和S可被提供用于新的疾病模型。

在另一示例中，诊断因素处理单元130包括疾病模型创建单元133。疾病模型创建单元133可创建包括由诊断因素确定单元132确定的诊断因素的新的疾病模型。

疾病模型创建单元133可搜索患者DB 300以计算患有包括由诊断因素确定单元132确定的诊断因素的目标疾病的患者的数量。如果计算的患者的数量等于或高于第三门限值，则疾病模型创建单元133可创建包括确定的诊断因素的新的疾病模型。

为了新的疾病模型的创建，足够数量的具有包括由诊断因素确定单元132确定的诊断因素的目标疾病的患者应该被识别。第三门限值对应于足够数量的患者的识别。例如，如果存在将由等于或大于第三门限值的患者的数量指示的足够数量的患有目标疾病的患者，则疾病模型创建单元133可创建包括由诊断因素确定单元132确定的诊断因素的新的疾病模型。

相反，如果患者的数量小于第三门限值，则疾病模型创建单元133可计算患有包括确定的疾病因素的疾病的患者的数量，同时排除多个确定的诊断因素中与目标疾病具有的关系小于任何其他的确定的诊断因素与目标疾病的关系的诊断因素。例如，疾病模型创建单元133可使用第三门限值来检测是否存在足够数量的患有包括由诊断因素确定单元132确定的诊断因素的目标疾病的患者，从而新的疾病模型可被创建。如果患者的数量不足以创建新的疾病模型，则疾病模型创建单元133可检测患有这样的疾病的患者的数量是否足以创建新的疾病模型，所述疾病包括确定的诊断因素，且不包括确定的诊断因素中与目标疾病具有的关系小于任何其他确定的诊断因素与目标疾病的关系的诊断因素。如果存在足够数量的包括确定的诊断因素并且不包括确定的诊断因素中与目标疾病具有的关系小于任何其他确定的诊断因素与目标疾病的关系的诊断因素的患者，则疾病模型创建单元133动态地创建新的疾病模型。

在另一示例中，诊断因素处理单元130包括疾病模型注册单元134。疾病模型注册单元134可将由疾病模型创建单元133创建的新的疾病模型注册在疾病模型DB 200中。通过疾病模型注册单元134将新的疾病模型注册并存储在疾病模型DB 200中，新的疾病模型可被用于在将来确定最佳诊断模型集合。

疾病模型注册单元134可在患者DB 300中搜索显示出由诊断因素确定单元132确定的诊断因素的患者，并且将被发现显示出诊断因素的那些患者分为患有目标疾病的患者的组以及未患有目标疾病的患者的组。此外，疾病模型注册单元134可针对未患有目标疾病的患者的组估计新的疾病模型的精确度。如果测量的精确度等于或高于第四门限值，则疾病模型注册单元134可将新的疾病模型注册在疾病模型DB 200中。

也就是，如果患有包括由诊断因素确定单元132确定的诊断因素的目标疾病的患者的数量不足以创建新的疾病模型，则疾病模型注册单元134可估计新的疾病模型在诊断目标疾病时的精确度。如果估计结果显示：新的疾病模型的精确度可靠，则创建的新的疾病模型被注册在疾病模型DB 200。

在另一示例中，诊断因素确定单元132可使用包括在由疾病模型注册单元134注册的新的疾病模型中的诊断因素来制作诊断因素集合。

此外，当比较单元131的比较结果指示诊断因素的疾病权重的总和小于第一门限值时，诊断因素不会影响疾病诊断。作为结果，诊断因素确定单元132可使用属于个人检查数据以及由疾病模型选择单元120选择的疾病模型两者的诊断因素来制作诊断因素集合。

如果比较单元131的比较结果指示处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和等于或大于第一门限值，则诊断因素会影响疾病诊断。

也就是，如果指示处于个人检查数据中而没有处于选择的疾病模型中的诊断因素不对疾病诊断产生影响，则在个人检查数据以及由疾病模型选择单元120选择的疾病模型中都包括的诊断因素被确定为作为诊断因素集合提供。

疾病诊断设备(未显示)分析由诊断因素确定单元132确定的疾病因素集合以诊断疾病，从而预测疾病的发生或评定发生的疾病的严重性。

在此示例中，疾病诊断设备可被实现为与诊断因素集合确定设备100物理地或者逻辑地集成，或者被实现为与诊断因素集合确定设备100物理地或逻辑地分离。

诊断因素集合确定设备100可允许根据处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和来做出诊断因素集合。其结果是，精确且可靠的疾病诊断可能会是可行的。

图6是示出诊断因素集合确定方法的示例的流程图。如图6所示，获取包括多个诊断因素的个人检查数据(610)。例如，诊断因素可以是诊断疾病可能需要的信息，诸如，血压、胆固醇水平、体重。此外，可从存储器(未显示)、通过有线或无线通信从另一装置、或者通过允许个人检查数据的输入的用户接口来获取包括诊断因素的个人检查数据。

选择包括一个或更多个诊断因素(所述一个或更多个诊断因素包括在获取的个人检查数据中)的疾病模型(620)。例如，可选择具有最多数量的包括在获取的个人检查数据中的诊断因素的疾病模型。

在另一示例中，可从在与目标疾病相应的疾病模型DB中找到的多个疾病模型中选择包括一个或更多个在个人检查数据中提供的诊断因素的疾病模型。疾病模型DB可存储针对每个疾病的疾病模型。如果存在多于两个的包括在个人检查数据中提供的一个或更多个诊断因素的疾病模型，则具有更高诊断精确度的疾病模型可被选择。

第一门限值与处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和进行比较(630)。如果比较结果示出诊断因素的疾病权重的总和等于或大于第一门限值，则为针对个人检查数据将创建的新的疾病模型确定诊断因素(640)。在个人检查数据和选择的疾病模型中都包括的诊断因素可被确定为新的疾病模型的诊断因素。

此外，分析处于个人检查数据中而没有处于选择的疾病模型中的诊断因素与属于选择的疾病模型而没有包括在个人检查数据中的诊断因素之间的相关性。在个人检查数据中提供的、通过分析被确定为与属于选择的疾病模型的诊断因素相关的诊断因素可被提供到新的疾病模型。

相反，如果处于个人检查数据中而没有处于选择的疾病模型中的诊断因素与处于选择的疾病模型中而没有处于个人检查数据中的诊断因素之间不存在相关性，则可计算目标疾病与处于个人检查数据中而没有处于选择的疾病模型中的每个诊断因素之间的关系。其结果是，与目标疾病更相关的诊断因素可被确定为被提供到新的疾病模型。

处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和可与第二门限值进行比较。如果疾病权重的总和小于第二门限值，则与目标疾病最相关的诊断因素可被确定为被提供到新的疾病模型。

如果处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和等于或大于第二门限值，则两个或更多个作为与目标疾病最相关以及其次相关的诊断因素可被确定为新的疾病模型的诊断因素。

响应于新的疾病模型的诊断因素的确定，新的疾病模型被创建以包括确定的诊断因素(650)。通过搜索患者DB来计算患有包括确定的诊断因素的目标疾病的患者的数量。如果计算的患者的数量等于或大于第三门限值，则新的疾病模型可被创建以包括确定的诊断因素。

如果计算的患者的数量小于第三门限值，则患有包括确定的诊断因素同时不包括与目标疾病最小相关的诊断因素的目标疾病的患者的数量可被计算。

响应于新的疾病模型的创建，创建的新的疾病模型被注册在疾病模型DB中(660)。可在患者DB中搜索显示出确定的诊断因素的患者。由于搜索找到的患者可被分类为患有目标疾病的患者的组以及未患有目标疾病的患者的组。此外，针对未患有目标疾病的患者的组，新的疾病模型的精确度可被估计。如果估计的精确度等于或大于第四门限值，则可在疾病模型DB中注册新的疾病模型。

包括在注册的新的疾病模型中的诊断因素被确定为疾病诊断的诊断因素集合(670)。如果第一门限值与处于个人检查数据中而没有处于选择的疾病模型中的诊断因素的疾病权重的总和的比较结果显示出疾病权重的总和小于第一门限值，则将在个人检查数据和选择的疾病模型中都包括的诊断因素确定为诊断因素集合(680)。将诊断因素确定为疾病诊断的疾病因素集合以及将在个人检查数据和选择的疾病模型中都包括的诊断因素确定为诊断因素集合，被用作预测疾病的发生或评定发生的疾病的严重性的数据。

根据前述教导，可根据在个人检查数据中提供而没有包括在疾病模型中的诊断因素的疾病权重来确定诊断因素集合，从而精确且可靠的疾病诊断可能会是可行的。

可使用硬件组件和软件组件(诸如麦克风、放大器、带通滤波器、音频数字转换器和处理装置)来实现这里描述的单元。可使用一个或更多个通用计算机或专用计算机(诸如，例如处理器、控制器和算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑电路、微型处理器或者任何其他能够以定义的方式响应并执行指令的装置)来实现处理装置。处理装置可运行操作系统(OS)以及一个或更多个运行在OS上的软件应用。处理装置还可响应于软件的执行来访问、存储、操作、处理和创建数据。为了简化的目的，处理装置的描述被用作单个；然而，本领域的技术人员将认识到处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括多个处理器或一个处理器和一个控制器。此外，不同的处理配置是可行的，诸如并行处理器。如这里所使用，配置为执行功能A的处理装置包括被编程为运行特定软件的处理器。此外，配置为执行功能A、功能B和功能C的处理装置可包括多个配置(诸如，配置为执行功能A、B和C的处理器、配置为执行功能A的第一处理器以及配置为执行功能B和C的第二处理器；执行功能A的第一处理器、配置为执行功能B的第二处理器和配置为执行功能C的第三处理器；配置为执行功能A的第一处理器和配置为执行功能B和C的第二处理器；配置为执行功能A、B、C的第一处理器和配置为执行功能A、B和C的第二处理器等等)。

软件可包括用于独立地或共同地指示或配置处理装置如期望的进行操作的计算机程序、一段代码、指令或它们的一些组合。软件和数据可被永久地或临时地实施在任何类型的机器、部件、物理或虚拟装备、计算机存储介质或装置、或被永久地或临时地实施在能够提供指令或数据或者能够被处理装置解释的传播信号波。软件还可分布在联网的计算机系统上，从而以分布式方式存储和执行软件。具体地讲，可由一个或更多个计算机可读记录介质来存储软件和数据。计算机可读记录介质可包括能够其后由计算机系统或处理装置读取的数据的任何数据存储装置。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘、光学数据存储装置。此外，可由这些实施例所属的技术领域的编程人员基于和使用这里提供的示图的流程图和框图以及它们的相应描述来容易地解释用于实现这里公开的示例实施例的功能程序、代码和代码段。

此外，执行这里描述的方法或其一个或更多个操作的程序指令可被记录、存储或固定在一个或更多个计算机可读存储介质中。可由计算机来执行程序指令。例如，计算机可使得处理器执行程序指令。介质可独立地包括程序指令、数据文件、数据结构等或者可与程序指令组合地包括数据文件、数据结构等。计算机可读存储介质的示例包括磁介质(诸如，硬盘、软盘和磁带)；光学介质(诸如CD ROM盘和DVD)；磁光介质(诸如光盘)；以及专门配置用于存储和执行程序指令的硬件装置(诸如只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。程序指令的示例包括诸如由编译器产生的机器码、以及包含可由计算机使用解释器执行的高级代码的文件。程序指令(也就是，软件)可分布在联网的计算机系统上，从而以分布式方式来存储和执行软件。例如，可由一个或更多个计算机可读存储介质来存储软件和数据。此外，可由这些实施例所属技术领域的编程人员基于和使用如这里提供的示图的流程图和框图以及它们的相应描述来容易地解释用于实现这里公开的示例实施例的功能程序、代码和代码段。此外，执行操作或方法的描述的单元可以是硬件、软件或硬件和软件的组合。例如，单元可以是运行在计算机上的软件包或者是运行软件的计算机。

以上已经描述了多个示例。然而，应该理解可进行各种修改。例如，如果以不同的顺序执行描述的技术和/或如果描述的系统、架构、装置或电路中的组件以不同的方式组合和/或被其他组件或其等同物替换或补充，则可实现合适的结果。因此，其他实施落在权利要求的范围内。