關於 | Chroneme

我們所愛的人，因為醫療疏失、就醫困難和延誤治療，失去了健康，甚至生命。我們知道醫療來得太遲時要付出什麼代價。

我們兩個人都親身經歷過，幾乎我們遇到的每個人都有類似的故事。徵兆其實都在，只是沒有人及時把它們串連起來。

學習的部分會讀取一個人就醫過程中留下的一切：檢驗結果、病歷紀錄、處方、訊息、居家量測數據，涵蓋每一家醫院與診所，並依時間排成一條紀錄。邏輯的部分則以實證規則來驗證這些機器學習模型的發現，這些規則來自已發表的指引，一步一步推進，因此每一個結論都會寫明理由與來源。

兩者結合，就能串連任何單次就診或單一專科都看不到的資訊。新診斷的糖尿病、輕微的體重下降、一次背痛，相隔數月，散落在三份不同的紀錄裡，合在一起可能指向一個現在就值得檢查的癌症。Chroneme 會注意到，說明原因，並負責後續追蹤。

Zohaib Akhtar 和 Adam Wolfe

運作方式

為每項檢驗結果、診療筆記和居家量測值保留原始來源。

依時間排列各項觀察，呈現兩次看診之間的變化。

對照已發表的臨床指引檢視觀察到的模式，並列出支持這項判斷的紀錄。

Chroneme 串連病歷中不同時點的變化，讓照護團隊在兩次看診之間也能掌握病人的情況。

Chroneme 為下一步做好準備。如何處理，由臨床專業人員決定。

沒有人應該因為一個被忽略的徵兆而受到傷害。