技术特征：
1.一种患者风险预测控制器(80)，包括：存储器(82)，其存储人工智能引擎(30)，所述人工智能引擎包括一般统计分类器(40)，其关于至少一个生命体征被训练为提供至少一个一般独立生命体征风险分数，以及个人统计分类器(50)，其关于至少一个患者特征被训练为提供至少一个个人独立生命体征风险分数；以及至少一个处理器(81)，其与所述存储器(82)通信，其中，所述至少一个处理器(81)被配置为执行以下中的至少一项：将所述一般统计分类器(40)应用于单个生命体征，以提供单个一般独立生命体征风险分数，并且执行以下中的至少一项将所述个人统计分类器(50)应用于所述单个一般独立生命体征风险分数和单个患者特征，以根据所述单个患者特征到所述单个一般独立生命体征风险分数的整合导出单个个人独立生命体征风险分数，以及将所述个人统计分类器(50)应用于所述单个一般独立生命体征风险分数和多个患者特征，以根据所述多个患者特征中的每个患者特征到所述单个一般独立生命体征风险分数的个体整合导出多个个人独立生命体征风险分数；以及将所述一般统计分类器(40)应用于多个生命体征以提供多个一般独立生命体征风险分数，并且执行以下中的至少一项将所述个人统计分类器(50)应用于所述多个一般独立生命体征风险分数和所述单个患者特征，以根据所述单个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的个体整合导出多个个人独立生命体征风险分数，以及将所述个人统计分类器(50)应用于所述多个一般独立生命体征风险分数和所述多个患者特征，以根据所述多个患者特征中的每个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的个体整合导出所述多个个人独立生命体征风险分数。2.根据权利要求1所述的患者风险预测控制器(80)，其中，所述一般统计分类器(40)被配置为将所述至少一个一般独立生命体征风险分数中的一个或每一个量化为对数优势比或对数归一化概率；并且其中，所述个人统计分类器(50)被配置为将所述至少一个个人独立生命体征风险分数中的一个或每一个量化为所述对数优势比或所述对数归一化概率。3.根据权利要求1所述的患者风险预测控制器(80)，其中，所述单个患者特征到所述单个一般独立生命体征风险分数的通过所述个人统计分类器(50)的所述整合包括所述个人统计分类器(50)被配置为将所述单个患者特征的加权函数应用于所述单个一般独立生命体征风险分数；其中，所述多个患者特征中的每个患者特征到所述单个一般独立生命体征风险分数的通过所述个人统计分类器(50)的所述个体整合包括所述个人统计分类器(50)被配置为将每个患者特征的加权函数个体地应用于所述单个一般独立生命体征风险分数；
其中，所述单个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的通过所述个人统计分类器(50)的所述个体整合包括所述个人统计分类器(50)被配置为将所述单个患者特征的所述加权函数个体地应用于多个一般独立生命体征风险分数中的每一个；并且其中，所述多个患者特征中的每个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的通过所述个人统计分类器(50)的所述个体整合包括所述个人统计分类器(50)被配置为将每个患者特征的所述加权函数个体地应用于多个一般独立生命体征风险分数中的每一个。4.根据权利要求1所述的患者风险预测控制器(80)，其中，所述一般统计分类器(40)被配置为根据所述多个一般独立生命体征风险分数或所述单个一般独立生命体征风险中的一项计算一般患者风险分数；并且其中，所述至少一个处理器(81)还被配置为控制由所述一般统计分类器(40)对所述一般患者风险分数的计算。5.根据权利要求4所述的患者风险预测控制器(80)，其中，所述一般统计分类器(40)被配置为将所述一般患者风险分数计算为以下中的一项：所述单个一般独立生命体征风险的等效值或所述多个一般独立生命体征风险分数的和。6.根据权利要求1所述的患者风险预测控制器(80)，其中，所述个人统计分类器(50)被配置为根据所述多个个人独立生命体征风险分数或所述单个个人独立生命体征风险中的一项计算个人患者风险分数；并且其中，所述至少一个处理器(81)还被配置为控制由所述个人统计分类器(50)对所述个人患者风险分数的计算。7.根据权利要求6所述的患者风险预测控制器(80)，其中，所述个人统计分类器(50)被配置为将所述个人患者风险分数计算为以下中的一项：所述单个个人独立生命体征风险的等效值或所述多个个人独立生命体征风险分数的和。8.根据权利要求1所述的患者风险预测控制器(80)，其中，以下中的至少一项：所述一般统计分类器(40)被配置为根据所述多个一般独立生命体征风险分数或所述单个一般独立生命体征风险分数中的一项导出一般患者风险分数，以及所述个人统计分类器(50)被配置为根据所述多个个人生命体征风险分数或所述单个个人生命体征风险分数中的一项导出个人患者风险分数；其中，所述人工智能引擎(30)还包括通信管理器；并且其中，所述至少一个处理器(81)还被配置为：控制由所述通信管理器执行的所述一般患者风险分数和所述个人患者风险分数中的至少一项到至少一个报告设备的通信。9.一种非瞬态机器可读存储介质，其被编码有用于由人工智能引擎(30)的至少一个处理器(81)执行的指令，所述人工智能引擎包括一般统计分类器(40)和个人统计分类器(50)，所述一般统计分类器(40)关于至少一个生命体征被训练为提供至少一个一般独立生命体征风险分数，
所述个人统计分类器(50)关于至少一个患者特征被训练为提供至少一个个人独立生命体征风险分数，所述非瞬态机器可读存储介质包括执行以下中的至少一项的指令：将所述一般统计分类器(40)应用于单个生命体征，以提供单个一般独立生命体征风险分数，并且执行以下中的至少一项将所述个人统计分类器(50)应用于所述单个一般独立生命体征风险分数和单个患者特征，以根据所述单个患者特征到所述单个一般独立生命体征风险分数的整合导出单个个人独立生命体征风险分数，以及将所述个人统计分类器(50)应用于所述单个一般独立生命体征风险分数和多个患者特征，以根据所述多个患者特征中的每个患者特征到所述单个一般独立生命体征风险分数的个体整合导出多个个人独立生命体征风险分数；以及将所述一般统计分类器(40)应用于多个生命体征以提供多个一般独立生命体征风险分数，并且执行以下中的至少一项将所述个人统计分类器(50)应用于所述多个一般独立生命体征风险分数和所述单个患者特征，以根据所述单个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的个体整合导出多个个人独立生命体征风险分数，以及将所述个人统计分类器(50)应用于所述多个一般独立生命体征风险分数和所述多个患者特征，以根据所述多个患者特征中的每个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的个体整合导出所述多个个人独立生命体征风险分数。10.根据权利要求9所述的非瞬态机器可读存储介质，其中，所述至少一个一般独立生命体征风险分数中的一个或每一个被量化为对数优势比或对数归一化概率；并且其中，所述至少一个个人独立生命体征风险分数中的一个或每一个被量化为所述对数优势比或所述对数归一化概率。11.根据权利要求9所述的非瞬态机器可读存储介质，其中，将所述单个患者特征整合到所述单个一般独立生命体征风险分数的指令包括将所述单个患者特征的加权函数应用于所述单个一般独立生命体征风险分数的指令；其中，将所述多个患者特征中的每个患者特征个体地整合到所述单个一般独立生命体征风险分数的指令包括将每个患者特征的加权函数个体地应用于所述单个一般独立生命体征风险分数的指令；其中，将所述单个患者特征个体地整合到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的指令包括将所述单个患者特征的所述加权函数个体地应用于多个一般独立生命体征风险分数中的每一个的指令；并且其中，将所述多个患者特征中的每个患者特征个体地整合到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的指令包括将每个患者特征的所述加权函数个体地应用于多个一般独立生命体征风险分数中的每一个的指令。
12.根据权利要求9所述的非瞬态机器可读存储介质，其中，所述非瞬态机器可读存储介质还包括执行以下项的指令：经由所述一般统计分类器(40)根据所述多个一般独立生命体征风险分数或所述单个一般独立生命体征风险中的一项计算一般患者风险分数。13.根据权利要求12所述的非瞬态机器可读存储介质，其中，所述一般患者风险分数是以下中的一项：所述单个一般独立生命体征风险的等效值或所述多个一般独立生命体征风险分数的聚合。14.根据权利要求9所述的非瞬态机器可读存储介质，其中，所述非瞬态机器可读存储介质还包括执行以下项的指令：经由所述个人统计分类器(50)根据所述多个个人独立生命体征风险分数或所述单个个人独立生命体征风险中的一项计算个人患者风险分数。15.根据权利要求14所述的非瞬态机器可读存储介质，其中，所述个人患者风险分数是以下中的一项：所述单个个人独立生命体征风险的等效值或所述多个个人独立生命体征风险分数的聚合。16.一种可由人工智能引擎(30)执行的患者风险预测方法，所述人工智能引擎包括一般统计分类器(40)和个人统计分类器(50)，所述一般统计分类器(40)关于至少一个生命体征被训练为提供至少一个一般独立生命体征风险分数，所述个人统计分类器(50)关于至少一个患者特征被训练为提供至少一个个人独立生命体征风险分数，所述患者风险预测方法包括以下中的至少一项：将所述一般统计分类器(40)应用于单个生命体征，以提供单个一般独立生命体征风险分数，并且执行以下中的至少一项将所述个人统计分类器(50)应用于所述单个一般独立生命体征风险分数和单个患者特征，包括将所述单个患者特征整合到所述单个一般独立生命体征风险分数以导出单个个人独立生命体征风险分数，以及将所述个人统计分类器(50)应用于所述单个一般独立生命体征风险分数和多个患者特征，包括将所述多个患者特征中的每个患者特征个体地整合到所述单个一般独立生命体征风险分数以导出多个个人独立生命体征风险分数；以及将所述一般统计分类器(40)应用于多个生命体征以提供多个一般独立生命体征风险分数，并且执行以下中的至少一项将所述个人统计分类器(50)应用于所述多个一般独立生命体征风险分数和所述单个患者特征，包括将所述单个患者特征个体地整合到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数以导出多个个人独立生命体征风险分数，以及将所述个人统计分类器(50)应用于所述多个一般独立生命体征风险分数和所述多个患者特征，包括将所述多个患者特征中的每个患者特征个体地整合到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数以导出所述多个个人独立生命体征
风险分数。17.根据权利要求16所述的患者风险预测方法，其中，所述至少一个一般独立生命体征风险分数中的一个或每一个被量化为对数优势比或对数归一化概率；并且其中，所述至少一个个人独立生命体征风险分数中的一个或每一个被量化为所述对数优势比或所述对数归一化概率。18.根据权利要求16所述的患者风险预测方法，其中，所述单个患者特征到所述单个一般独立生命体征风险分数的经由所述个人统计分类器(50)的所述整合包括经由所述个人统计分类器(50)将所述单个患者特征的加权函数应用于所述单个一般独立生命体征风险分数；其中，所述多个患者特征中的每个患者特征到所述单个一般独立生命体征风险分数的经由所述个人统计分类器(50)的所述个体整合包括经由所述个人统计分类器(50)将每个患者特征的加权函数个体地应用于所述单个一般独立生命体征风险分数；其中，所述单个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的经由所述个人统计分类器(50)的所述个体整合包括将所述单个患者特征的所述加权函数个体地应用于多个一般独立生命体征风险分数中的每一个；以及其中，所述多个患者特征中的每个患者特征到所述多个一般独立生命体征风险分数中的每个一般独立生命体征风险分数的经由所述个人统计分类器(50)的所述个体整合包括将每个患者特征的所述加权函数个体地应用于多个一般独立生命体征风险分数中的每一个。19.根据权利要求16所述的患者风险预测方法，还包括以下中的至少一项：经由所述一般统计分类器(40)将一般患者风险分数计算为所述单个一般独立生命体征风险的等效值；以及经由所述一般统计分类器(40)将所述一般患者风险分数计算为所述多个一般独立生命体征风险分数的聚合。20.根据权利要求16所述的患者风险预测方法，还包括以下中的至少一项：经由所述个人统计分类器(50)将个人患者风险分数计算为所述单个个人独立生命体征风险的等效值；以及经由所述个人统计分类器(50)将所述个人患者风险分数计算为所述多个个人独立生命体征风险分数的聚合。