1.一种非暂时性机器可读介质,其编码有指令,所述指令用于由处理器执行以用于选择经训练的模型以应用于患者数据,所述非暂时性机器可读介质包括:
用于维护对患者的所有可用的患者特征的指示的指令;
用于接收所述患者的新可用的患者特征的指令;
用于更新对所有可用的患者特征的所述指示以指示所述新可用的患者特征的指令;
用于读取与经训练的模型集合中的相应的经训练的模型相关联的元数据的指令,其中,所述元数据指示所述相应的经训练的模型的输入特征;
用于将对所有可用的患者特征的所述指示和与所述相应的经训练的模型相关联的所述元数据进行比较,以确定所述输入特征是否可用于将所述相应的经训练的模型应用于所述患者的指令;
用于基于确定所选定的经训练的模型的所述输入特征可用于将所选定的经训练的模型应用于所述患者来选择所选定的经训练的模型的指令;以及
用于调用所选定的经训练的模型的指令。
2.根据权利要求1所述的非暂时性机器可读介质,其中,用于选择所选定的经训练的模型的所述指令包括在对其而言所述输入特征可用于将所选定的经训练的模型应用于所述患者的那些经训练的模型中选择具有最大数量的输入特征的经训练的模型。
3.根据权利要求1所述的非暂时性机器可读介质,其中:
所述经训练的模型集合被布置在序列中,并且
用于选择所选定的经训练的模型的所述指令包括用于在对其而言所述输入特征可用于将所选定的经训练的模型应用于所述患者的那些经训练的模型中选择在所述序列中被放置在最远处的经训练的模型的指令。
4.根据权利要求1所述的非暂时性机器可读介质,其中,用于调用所选定的经训练的模型的所述指令包括用于将所述输入特征提供给所选定的经训练的模型的指令。
5.根据权利要求4所述的非暂时性机器可读介质,其中,用于将所述输入特征提供给所选定的经训练的模型的所述指令包括用于将患者群体的抗生素敏感性数据提供给所选定的经训练的模型的指令。
6.根据权利要求1所述的非暂时性机器可读介质,还包括用于周期性地对所述经训练的模型集合中的相应的模型进行重新训练的指令。
7.根据权利要求6所述的非暂时性机器可读介质,还包括:
用于在对所述患者的所有可用的特征的所述指示包括对所有特征由所述模型集合中的所述经训练的模型中的任一个接受为输入的指示之后生成至少一个标记的指令;
用于根据所生成的至少一个标记和所述患者的可用的特征来生成至少一个新的训练示例的指令;以及
用于将所述至少一个新的训练示例添加到训练集的指令,
其中,用于周期性地对所述相应的模型进行重新训练的所述指令被配置为使用所述训练集来对所述相应的模型进行训练。
8.根据权利要求6所述的非暂时性机器可读介质,其中,周期性地对所述经训练的模型集合中的所述相应的模型进行重新训练包括使用从患者群体的抗生素敏感性数据导出的训练示例来对所述相应的模型进行训练。
9.根据权利要求1所述的非暂时性机器可读介质,还包括所述模型集合,其中:
所述经训练的模型集合中的第一模型被配置为将从第一过程获得的第一数据接受为输入特征,所述第一过程花费第一时间量;并且
所述经训练的模型集合中的第二模型被配置为将从第二过程获得的第二数据接受为输入特征,所述第二过程花费比所述第一时间量长的第二时间量。
10.根据权利要求1所述的非暂时性机器可读介质,还包括所述模型集合,其中:
所述经训练的模型集合中的第一模型被配置为接受至少一个早期基因测序值,所述至少一个早期基因测序值包括病原体种类和与抗生素抗性相关联的病原体基因中的至少一个;并且
所述经训练的模型集合中的第二模型被配置为接受所述至少一个早期基因测序值和至少一个晚期基因测序值,所述至少一个晚期基因测序值包括以下各项中的至少一个:病原体多位点序列类型、与抗生素抗性相关联的病原体单核苷酸多态性、与核心基因组相关联的病原体单核苷酸多态性以及被标记为辅助的病原体基因,
其中,所述第一模型不会将所述至少一个晚期基因测序值接受为输入。
11.一种用于选择经训练的模型以应用于患者数据的方法,所述方法包括:
接收患者的至少一个新可用的患者特征;
将所述新可用的患者特征添加到对所有可用的患者特征的指示,对所有可用的患者特征的所述指示是先前针对经训练的模型集合中的一个向所述患者的先前应用而建立的;
将对所有可用的患者特征的所述指示与描述所述经训练的模型集合中的相应的模型的输入特征的元数据进行比较,以确定所述输入特征是否可用于将相应的经训练的模型应用于所述患者;
基于确定所选定的经训练的模型的所述输入特征可用于将所选定的经训练的模型应用于所述患者来选择所选定的经训练的模型;以及
调用所选定的经训练的模型。
12.根据权利要求11所述的方法,其中,选择所选定的经训练的模型包括在对其而言所述输入特征可用于将所选定的经训练的模型应用于所述患者的那些经训练的模型中选择具有最大数量的输入特征的经训练的模型。
13.根据权利要求11所述的方法,其中:
所述经训练的模型集合被布置在序列中,并且
选择所选定的经训练的模型包括在对其而言所述输入特征可用于将所选定的经训练的模型应用于所述患者的那些经训练的模型中选择在所述序列中被放置在最远处的经训练的模型。
14.根据权利要求11所述的方法,其中,调用所选定的经训练的模型包括将所述输入特征提供给所选定的经训练的模型。
15.根据权利要求14所述的方法,其中,将所述输入特征提供给所选定的经训练的模型包括将患者群体的抗生素敏感性数据提供给所选定的经训练的模型。
16.根据权利要求11所述的方法,还包括周期性地对所述经训练的模型集合中的相应的模型进行重新训练。
17.根据权利要求16所述的方法,还包括:
在对所述患者的所有可用的特征的所述指示包括对所有特征由所述模型集合中的所述经训练的模型中的任一个接受为输入的指示之后生成至少一个标记;
根据所生成的至少一个标记和所述患者的可用的特征来生成至少一个新的训练示例;以及
将所述至少一个新的训练示例添加到训练集,
其中,周期性地对所述相应的模型进行重新训练的步骤包括使用所述训练集来对所述相应的模型进行训练。
18.根据权利要求16所述的方法,其中,周期性地对所述经训练的模型集合中的所述相应的模型进行重新训练包括使用从患者群体的抗生素敏感性数据导出的训练示例来对所述相应的模型进行训练。
19.根据权利要求11所述的方法,其中:
所述经训练的模型集合中的第一模型被配置为将从第一过程获得的第一数据接受为输入特征,所述第一过程花费第一时间量;并且
所述经训练的模型集合中的第二模型被配置为将从第二过程获得的第二数据接受为输入特征,所述第二过程花费比所述第一时间量长的第二时间量。
20.根据权利要求11所述的方法,其中:
所述经训练的模型集合中的第一模型被配置为接受至少一个早期基因测序值,所述至少一个早期基因测序值包括病原体种类和与抗生素抗性相关联的病原体基因中的至少一个;并且
所述经训练的模型集合中的第二模型被配置为接受所述至少一个早期基因测序值和至少一个晚期基因测序值,所述至少一个晚期基因测序值包括以下各项中的至少一个:病原体多位点序列类型、与抗生素抗性相关联的病原体单核苷酸多态性、与核心基因组相关联的病原体单核苷酸多态性以及被标记为辅助的病原体基因,
其中,所述第一模型不会将所述至少一个晚期基因测序值接受为输入。