CN103959358B - 一种医疗培训方法及*** - Google Patents
一种医疗培训方法及*** Download PDFInfo
- Publication number
- CN103959358B CN103959358B CN201180072082.5A CN201180072082A CN103959358B CN 103959358 B CN103959358 B CN 103959358B CN 201180072082 A CN201180072082 A CN 201180072082A CN 103959358 B CN103959358 B CN 103959358B
- Authority
- CN
- China
- Prior art keywords
- case
- data
- clinical
- diagnostic result
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Medicinal Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种医疗培训方法和相应的医疗培训***。该医疗培训方法包括:获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中一个临床病例的病例数据与该临床病例对应的诊断结果构成一个培训范例(101);将当前培训范例中的病例数据呈现给受训者进行模拟诊断(102);接收所述受训者对该呈现的病例数据的模拟诊断结果(103);将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较和/或将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比对显示(104)。该医疗培训方法和***可以有效的提高小型医院医生的诊断水平,充分发挥小型医院的作用。
Description
技术领域
本发明涉及医学领域,特别是一种医疗培训方法及***。
背景技术
目前,医疗***中不仅存在具有较强诊断能力的大医院,也存在很多社区医院和县、乡级医院等小型医院。建立这些小型医院的目的是为了能够扩大医疗的覆盖面积,对大医院的病人数量进行分流,以期能够缓解病人大量涌入大医院造成挂号难、看病等候时间长,以及较偏远地区医疗覆盖不全面等问题。
由于工作环境、待遇及医疗条件上的优势,资深医生及受过较高医学教育的医生仍然主要集中在大医院内,而社区医院以及县、乡级医院等小型医院的由于入职门槛相对较低,因此这些医院的医生总水平可能相对要低一些。这使得大医院不仅具备处理复杂病例的人力资源,而且由于接诊病人相对较多,其在处理常规疾病上通常也比小型医院有经验。这样一来,部分病人仍然会舍近求远奔赴大医院求诊,尤其是病情稍复杂的病人。这不仅会浪费病人的人力、财力,而且也无法真正发挥小型医院的作用。此外,由于小型医院的某些医生的技术水平不过关,因此发生误诊的几率可能相对要高,并且对于某些急诊可能束手无策,在转院等处理过程中可能会耽误病人的病情。
为了能够真正发挥小型医院的作用,有人提出了远程医疗的方案,也即小型医院将病例信息传输到大型医院,仍由大型医院的医生在远端根据传输过来的病例信息进行诊断,并将诊断结果,或者进一步的治疗方法发回给小型医院。该方案在一定程度上能够促使病人到小型医院就医。但是由于远程医疗仍然需要小型医院的医生进行诊断,仍然会加重大型医院的诊疗负担。并且远程医疗中,网络的布置情况、速度、负担以及诊断的实时性都是仍然需要解决的问题。
可见,真正能够使得小型医院发挥其应有作用的根本方法还在于提高小型医院医生本身的诊断水平。此外,对于某些有学习需求的医学人员也急需找到一种能够快速提高自身能力的方法。
发明内容
有鉴于此,本发明提出了一种医疗培训方法及***,用以高效的提高医生的常规诊断水平。
本发明一实施例提供的医疗培训方法包括:获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中一个临床病例的病例数据与该临床病例对应的诊断结果构成一个培训范例;将当前培训范例中的病例数据呈现给受训者进行模拟诊断;接收所述受训者对该呈现的病例数据的模拟诊断结果;将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较和/或将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比对显示。
在本发明的一具体实施方式中,将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较的步骤包括:将所述模拟诊断结果与所述当前培训范例中的诊断结果进行相似度比较,并根据该相似度比较结果对所述模拟诊断结果进行评分。
在本发明的一具体实施方式中,获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果的步骤包括:从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;并且根据获取的临床病例的病例数据以及诊断结果形成培训范例的步骤包括:根据设定条件对采集的临床病例的病例数据和/或诊断结果进行分类,并将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例;或者包括:将采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例,并根据设定条件对所述教学案例进行分类,将特定类别的教学案例作为培训范例。
在本发明的一具体实施方式中,上述设定条件包括以下之一或其任意组合:
病例数据的数据特性,其中所述数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个;
诊断结果的难易程度;
病例数据和/或诊断结果所属的科室类别。
在本发明的一具体实施方式中,在将当前培训范例中的病例数据呈现给受训者进行模拟诊断之前,该方法进一步包括:根据培训规则确定呈现给所述受训者的当前培训范例;其中,所述培训规则包括以下之一:
将所述受训者选择的类别中的不同培训范例随机呈现给所述受训者;
将管理者选择的类别中的不同培训范例随机呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者。
在本发明的一具体实施方式中,获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果的步骤包括:
根据受训者已经使用过的培训范例的情况以及预先确定的培训范例类别分布情况,确定需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件;
根据确定的条件从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
其中,所述受训者已经使用过的培训范例的情况包括:每个类别中已经使用过的培训范例的个数;所述预先确定的培训范例类别分布情况包括:预先确定的每个类别中培训范例的数量。
在本发明的一具体实施方式中,根据确定的条件从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果的步骤包括:
设置中心服务器,用于从各数据源获取临床病例的病例数据及对应的诊断结果;根据确定的条件,从所述中心服务器中采集临床病例的病例数据以及该临床病例对应的诊断结果;
和/或,
设置中心服务器,用于从各数据源获取临床病例的病例数据索引;根据确定的条件,从所述中心服务器中检索对应的病例数据索引,并确定所需临床病例的病例数据所在的数据源,从所确定的数据源中采集该临床病例的病例数据以及对应的诊断结果。
在本发明的一具体实施方式中,获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果的步骤包括:在网络非高峰时段,从各数据源采集多个临床病例的病例数据及该所个临床病例中每个临床病例对应的诊断结果。
在本发明的一具体实施方式中,获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果的步骤包括:从各数据源采集多个临床病例的病例数据及该所个临床病例中每个临床病例对应的诊断结果,并将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。
在本发明的一具体实施方式中,该方法进一步包括:获取所述受训者本地待诊断的病例数据,并以呈现当前培训范例中病例数据相同的呈现方式将该本地待诊断的病例数据呈现给所述受训者。
在本发明的一具体实施方式中,获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果的步骤包括:
从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果,特别是高水平医生作出的诊断结果;或者
获取经医学***门认定的临床病例的病例数据以及该临床病例对应的诊断结果。
在本发明的一具体实施方式中,上述病例数据包括以下之一或其任意组合:病人的性别、年龄、患病部位、疾病类型、症状描述及图像数据;
其中,所述图像数据包括计算机X射线断层扫描***CT、核磁共振成像***MRI、计算机X摄线成像***CR、数字X射线摄影***DR、数字减影血管造影设备DSA或发射单光子计算机断层扫描仪ECT中的至少一个。
本发明一实施例提供的一种医疗培训***,包括:
数据获取模块,用于获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;
培训范例生成模块,用于根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中,一个临床病例的病例数据与该临床病例对应的诊断结果构成一个培训范例;
模拟诊断模块,用于将当前培训范例中的病例数据呈现给受训者进行模拟诊断,并接收所述受训者对该呈现的病例数据的模拟诊断结果;
结果判别模块,用于将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较,和/或,将所述模拟诊断结果与当前培训范例中的诊断结果进行比对显示。
在本发明的一具体实施方式中,所述结果判别模块包括:
评分子模块,用于将所述模拟诊断结果与所述当前培训范例中的诊断结果进行相似度比较,并根据该相似度比较结果对所述模拟诊断结果进行评分。
在本发明的一具体实施方式中,所述数据获取模块从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
所述培训范例生成模块包括:
第一分类子模块,用于根据设定条件,对所述数据获取模块采集的病例数据和/或诊断结果进行分类;
第一关联子模块,用于将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例;
或者,所述培训范例生成模块包括:
第二关联子模块,用于将所述数据获取模块采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例;
第二分类子模块,用于根据设定条件对所述教学案例进行分类,并将特定类别的教学案例作为培训范例。
在本发明的一具体实施方式中,所述第一分类子模块根据以下之一或其任意组合的设定条件,对所述数据获取模块采集的病例数据和/或诊断结果进行分类:
病例数据的数据特性,其中所述数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个;
诊断结果的难易程度;
病例数据和/或诊断结果所属的科室类别;
或者,所述第二分类子模块根据以下之一或其任意组合的设定条件,对所述教学案例进行分类;
病例数据的数据特性,其中所述数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个;
诊断结果的难易程度;
病例数据和/或诊断结果所属的科室类别。
在本发明的一具体实施方式中,该***进一步包括:呈现范例确定模块,用于根据培训规则确定呈现给所述受训者的当前培训范例;
其中,所述培训规则包括以下之一:
将所述受训者选择的类别中的不同培训范例随机呈现给所述受训者;
将管理者选择的类别中的不同培训范例随机呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者。
在本发明的一具体实施方式中,所述数据获取模块包括:
统筹管理子模块,用于根据受训者已经使用过的培训范例情况及预先确定的培训范例类别分布情况,确定需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件;
采集子模块,用于根据确定的条件从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
其中,所述受训者已经使用过的培训范例的情况包括:每个类别中已经使用过的培训范例的个数;所述预先确定的培训范例类别分布情况包括:预先确定的每个类别中培训范例的数量。
在本发明的一具体实施方式中,该***进一步包括:
中心服务器,用于从各数据源获取临床病例的病例数据及对应的诊断结果;和/或,从各数据源获取临床病例的病例数据索引;
所述采集子模块根据确定的条件,从所述中心服务器中采集临床病例的病例数据以及该临床病例对应的诊断结果;和/或,根据确定的条件,从所述中心服务器中检索对应的病例数据索引,并确定所需临床病例的病例数据所在的数据源,从所确定的数据源中采集该临床病例的病例数据以及对应的诊断结果。
在本发明的一具体实施方式中,所述数据获取模块在网络非高峰时段,从各数据源采集多个临床病例的病例数据及该所个临床病例中每个临床病例对应的诊断结果。
在本发明的一具体实施方式中,所述数据获取模块从各数据源采集多个临床病例的病例数据及该所个临床病例中每个临床病例对应的诊断结果,并将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。
在本发明的一具体实施方式中,该***进一步包括:
在岗诊断模块,用于获取所述受训者本地待诊断的病例数据,并以呈现当前培训范例中病例数据相同的呈现方式将该本地待诊断的病例数据呈现给所述受训者。
在本发明的一具体实施方式中,所述数据获取模块从从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果,特别是高水平医生作出的诊断结果;或者,获取经医学***门认定的临床病例的病例数据以及该临床病例对应的诊断结果。
在本发明的一具体实施方式中,所述数据获取模块获取多个临床病例的包括以下之一或其任意组合的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;
病人的性别、年龄、患病部位、疾病类型、症状描述及图像数据;
其中,所述图像数据包括计算机X射线断层扫描***(CT)、核磁共振成像***(MRI)、计算机X摄线成像***(CR)、数字X射线摄影***(DR)、数字减影血管造影设备(DSA)或发射单光子计算机断层扫描仪(ECT)中的至少一个。
从上述方案中可以看出,由于本发明中采用具体的临床病例的病例信息以及诊断结果作为培训范例对受训者进行模拟演练,能够高效的提高受训者的诊断水平。并且与传统的理论培训和教学相比,使用实际的临床病例进行培训可以让受训者得到更直接的学***。通过本发明提供的培训方法,能够高效的提高医生的常规诊断水平,从而真正发挥设立小型医院的目的。
此外,通过自动获取各数据源的各高水平医生处理过的各临床病例的病例数据及对应的诊断结果,从而可以省去人工收集带来的人力物力,并且可以最大程度的实现动态更新培训范例,进一步还能够保证受训者获得丰富的最新的培训范例,尽可能的保持较先进水平的培训,避免了固定培训范例中更新不及时导致的医学知识落后的问题。
此外,通过根据受训者已经使用过的培训范例情况及预先确定的培训范例类别分布情况,确定需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件,并按照条件获取病例数据和诊断结果,从而满足不同的受训者或者不同类别的受训者得到的培训范例不同,并且这种不同在培训范例更新后仍然保持。也即,能够实现有针对性的获取所需的培训范例,进一步提高培训的效率。
进一步地,通过设置进行数据中转和/或索引查询的中心服务器,可以使得数据获取过程更加高效。
此外,通过进一步设置考试功能,可以使该医疗培训***进一步实现教育机构的部分职能,使受训者在提高自身技能的同时,还能获得相应资质。
此外,通过获取受训者本地待诊断的病例数据并以培训范例中病例数据相同的呈现方式呈现给受训者,首先可以使得受训者能够在本地接受医疗培训,无需使用新的设备、新的***,也无需更换地点,也即实现受训者在工作本地即可接受培训,这一点使得培训对于小型医院来说更容易实现也更容易推广。并且,还能够将受训者平时工作中需要进行的诊断集成到本发明提供的培训方法和***中,也即受训者平时的工作和培训时使用的界面相同,从而可以使得受训者无需付出任何额外的努力就可以使用本培训方法和培训***,同时也使得本发明提供的培训方法和培训***更接近受训者平时的工作,最大程度的削减受训者被培训时的陌生感以及最大程度的提高培训范例对于实际诊断工作的帮助。
附图说明
下面将通过参照附图详细描述本发明的优选实施例,使本领域的普通技术人员更清楚本发明的上述及其它特征和优点,附图中:
图1为本发明实施例中医疗培训方法的示例性流程图。
图2为本发明实施例中的一个模拟诊断交互界面。
图3为本发明实施例中图1所示步骤101的一种具体实现方法的流程图。
图4为本发明实施例中动态获取病例数据及对应的诊断结果的示意图。
图5为本发明实施例中医疗考试方法的示例性流程图。
图6为本发明实施例中医疗培训***的示例性结构图。
图7为图6所示***中培训范例生成模块的一个结构示意图。
图8为图6所示***中培训范例生成模块的又一个结构示意图。
图9为图6所示***中模拟诊断模块的结构示意图。
图10为图6所示***中数据获取模块的结构示意图。
图11为图6所示***中结构判别模块的结构示意图。
图12为本发明实施例中医疗考试***的示例性结构图。
图中:101-获取培训范例102-呈现病例数据103-接收模拟诊断结果104-结果比较和/或比对显示301-采集302-格式处理303-分类后关联304-关联后分类501-获取考试范例502-呈现病例数据,并接收考试诊断结果503-结果评分504-确定考试得分601-数据获取模块602-培训范例生成模块603-模拟诊断模块604-结果判别模块605-中心服务器606-在岗诊断模块607-呈现范例确定模块701-第一分类子模块702-第一关联子模块801-第二关联子模块802-第二分类子模块901-病例数据呈现子模块902-诊断模板提供子模块903-诊断结果接收子模块1001-统筹管理子模块1002-采集子模块1101-比较子模块1102-评分子模块1201-考试数据获取模块1202-考试范例生成模块1203-考试诊断模块1204-比较评分模块1205-考试结果确定模块
具体实施方式
本发明中,为了高效的提高医生的常规诊断水平,利用大量真正的临床病例对受训者进行模拟演练,并一对一的得到这些临床病例的诊断结果,通过比对后强化诊断知识,从而使其从这些临床案例中学会如何诊断,能够基于对真正病例的理解和判断提高自身技能。通常这些临床病例的诊断结果来自于大医院经验丰富水平较高的医生,从而可以使得受训者根据大医院的实际诊断案例,提高自身的诊断水平。
实际应用中,随着受训者对培训范例的使用,还可以不断扩充高水平医生处理过的临床病例,即不断的动态获取高水平医生的临床病例的病例数据及对应的诊断结果。
本文中所述的高水平医生可以是那些医术高、在业界有一定知名度的医学从业人员,或者是较大型医院临床经验丰富的医学从业人员。
为使本发明的目的、技术方案和优点更加清楚,以下举实施例对本发明进一步详细说明。
图1为本发明实施例中医疗培训方法的示例性流程图。如图1所示,该方法包括如下步骤:
步骤101,获取临床病例的病例数据及对应的诊断结果,根据获取的临床病例的病例数据以及诊断结果形成培训范例。
在本实施例中,获取的临床病例的病例数据以及对应的诊断结果可以是来自于高水平医生对于实际的临床病例进行的实际诊断。或者,为了实现医学考核的目的,也可以是医学***门认可的临床病例的病例数据和诊断结果。
其中,病例数据可以包括病人信息及症状相关数据。其中,病人信息可包括:病人性别、年龄等信息;症状相关数据可包括:患病部位数据、疾病类型数据、症状描述数据及图像数据等。其中,患病部位数据可以是临床预诊时病人主诉的部位或医生初步确定的部位等信息。症状描述数据可以是病人主诉的不适感觉等信息。图像数据可以是计算机X射线断层扫描***(CT)、核磁共振成像***(MRI)、计算机X摄线成像***(CR)、数字X射线摄影***(DR)、数字减影血管造影设备(DSA)或发射单光子计算机断层扫描仪(ECT)等获取的图像。为了保护病人的隐私,可以在获取病例数据时去除病人的身份信息,如姓名和证件号码等。
具体实现时,本步骤101可有多种实现方式。例如,可以是获取人工收集并记录整理的各高水平医生处理过的临床病例的病例数据及对应的诊断结果,将每个临床病例的病例数据及对应的诊断结果作为一个培训范例。也可以是由***自动收集并聚合整理各高水平医生处理过的各临床病例的病例数据及对应的诊断结果,将每个临床病例的病例数据及对应的诊断结果作为一个培训范例。优选的,***服务器可以通过与医疗设备的网络连接实现对于病例数据和/或诊断结果的自动获取。
本实施例中,形成培训范例时,例如可以根据设定的条件对采集的临床病例的病例数据和/或诊断结果进行分类,并将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例;或者可以将采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例,并根据设定条件对所述教学案例进行分类,将特定类别的教学案例作为培训范例。具体的分类方法和特定的教学案例在后续实施例中进行详细的描述,此处不再赘述。通过分类形成培训案例,可以避免向受训者呈现非常复杂冗余的培训信息,并且仅对符合条件的临床案例形成培训范例,可以避免***处理过多的临床案例导致的***负担重,实现复杂等问题。
步骤102,将当前培训范例中的病例数据呈现给受训者进行模拟诊断。
具体实现时,本步骤102中可由受训者根据自身的需求自主选择要学习的内容,如五官科的医生可能更倾向于查阅五官科的培训范例,内科的医生可能更倾向于查阅内科的培训范例,外科的医生可能更倾向于查阅外科的培训范例等,因此本步骤中例如具体为根据受训者的选择确定当前培训范例,并将当前培训范例中的病例数据呈现给受训者进行模拟诊断。
在本实施例中,步骤102之前还可以包括根据培训规则确定呈现给受训者的当前培训范例的步骤。培训规则例如可以是受训者自己的选择,可以是管理者的选择。此处管理者例如为小型医院的管理者或者科室管理者或者其他的培训***管理者。并且,培训规则中可以包括对于不同培训范例的类别的规定,还可以包括对于培训范例数量的规定,或者还可以包括对于培训范例难易程度的规定,或者还可以包括对于培训范例所属科室类别的规定。
例如,所述培训规则包括以下之一:
将所述受训者选择的类别中的不同培训范例随机呈现给所述受训者;
将管理者选择的类别中的不同培训范例随机呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者。
以受训者自己对于培训规则进行设定举例说明,受训者例如为全科医生,他可以设置外科的培训范例占30%,内科的培训范例占30%,妇科的培训范例占20%以及儿科的培训范例占20%,并且每个科室的培训范例均以先易后难的顺序出现。
图2中示出了本发明实施例中的一个模拟诊断交互界面。其中,当前培训范例的病例数据包括:76岁男性患者的胸片,临床预诊为频发室早、心功能不全。
步骤103,接收受训者对所述病例数据的模拟诊断结果。
具体实现时,为了方便受训者快速输入模拟诊断结果,该方法中可进一步将对应培训范例所属类别的诊断模板提供给受训者选择。该模板中可包括诊断用相关术语及各种诊断情况的描述信息等,如图2中左侧所示的“正常胸片”、“肋骨像”、“原发型肺结核”、“浸润性肺结核”、“浸润性肺结核半空洞形成”、“结核球”、“干酪样肺炎”、“急性粟粒性肺结核”、“先天性支气管囊肿”、“支气管炎”、“慢性支气管炎”、“支气管扩展”等诊断类别,并且每个诊断类别下面对应有其描述信息。例如,展开“肋骨像”选项后,可以看到“胸廓对称,肋骨走形自然,未见畸形及骨质破坏。两肺门大小、位置及密度正常,两肺纹理走形自然,未见扭曲及聚拢。两肺叶清晰,未见实变及肺块肿。胸膜无增厚及粘连。气管居中,纵隔居中,无增宽。心脏形态,大小在正常范围内。双侧膈肌光滑,肋膈角锐利等。”这样受训者就可以从中进行拷贝选择等,提高了培训效率,也简化了诊断结果相似度比较的实现。
当然,实际应用中,也可不提供上述诊断模板,而是由受训者直接输入其模拟诊断结果。
此外,对于图2所述的图像数据,该方法中还可以进一步如图2中的右上角所示,为受训者提供图像处理选项,这样受训者就能够根据需要清楚的查看图像数据的各个细节特征。
对于图2所示培训范例,本实施例中以受训者输入的诊断结果为“胸廓对称,肋骨走形自然,未见畸形及骨质破坏。两肺门大小、位置及密度正常,两肺纹理走形自然,未见扭曲及聚拢。”的情况为例,如图2中最下方对应“写报告”的区域中显示的内容。
步骤104,将所述模拟诊断结果与当前培训范例中的诊断结果进行比较和/或将二者进行比对显示。
具体实现时,该方法中可通过设置类似“结果比较”选项或“结束诊断”选项等方式,在受训者选择所述类似“结果比较”选项和/或“结束诊断”选项时,将所述模拟诊断结果与当前培训范例中的诊断结果进行比较,并将二者进行比对显示。如图2所示,本实施例中可在用户选择“与参考报告比较”选项后,将所述模拟诊断结果与当前培训范例中的诊断结果进行比较,并将二者进行比对显示。
在具体实现时,若培训***仅需要对受训者输入的诊断结果进行评价,则不需要将两者进行对比显示。或者,培训***可以仅显示培训范例中的诊断结果。但是为了使得受训者更好的学***。
对于图2所示培训范例,本实施例中以培训范例中的诊断结果为“胸廓对称,肋骨走形自然,未见畸形及骨质破坏。两肺门大小、位置及密度正常,两肺纹理走形自然,未见扭曲及聚拢。气管居中,纵隔居中,无增宽。心脏形态,大小在正常范围内。”的情况为例,如图2中次下方对应“参考报告”的区域中显示的内容。通过比较发现,受训者输入的诊断结果中缺少“气管居中,纵隔居中,无增宽。心脏形态,大小在正常范围内。”的部分,因此本实施例中可将这部分内容以不同的颜色显示出来。如,假设相同部分以黑色进行显示,则这部分可以红色、绿色、紫色或蓝色等颜色显示出来。
图2所示示例中,右下角设置有向左和向右的箭头,通过点选向右的箭头,可将下一个培训范例确定为当前范例,并返回执行步骤102。
此外,具体实现时,还可以给出上述模拟诊断结果相对培训范例中的诊断结果(即参考诊断结果)的相似度评分,从而可以提高培训的趣味性,还能够实现考核功能,以及其他相应的功能。
在本发明的一个实施例中,还可以根据诊断结果的难易程度为各培训范例划分难度等级将相同难度等级的培训范例划分为一组,此时,可首先将低难度等级的培训案例呈现给受训者进行模拟诊断,在受训者对每个培训案例的相似度评分达到设定的升级阈值时,将下一难度等级的培训案例呈现给受训者进行模拟诊断。或者,也可由受训者自主选择各难度等级的培训案例进行模拟诊断等。
下面对步骤101中由***自动收集并聚合整理各高水平医生处理过的各临床病例的病例数据及对应的诊断结果的一种情况进行详细描述,如图3所示,图3示出了图1所示步骤101的一种具体实现方法的流程图,该方法包括如下步骤:
步骤301,从各数据源采集高水平医生处理过的各临床病例的病例数据及对应的诊断结果。
由于高水平医生大部分集中在高水平的大医院内,因此本步骤中所述的数据源可以是高水平大医院的数据库。即本步骤中,可从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果,特别是高水平医生作出的诊断结果。
或者,本步骤中也可获取经医学***门认定的临床病例的病例数据以及该临床病例对应的诊断结果。
本步骤中,可以直接从各数据源处采集高水平医生处理过的临床病例的病例数据及对应的诊断结果。
或者,本方法中也可以设置一个中心服务器,由该中心服务器存储从各数据源采集来的高水平医生处理过的临床病例的病例数据及对应的诊断结果,此时本步骤中可从所述中心服务器处采集高水平医生处理过的临床病例的病例数据及对应的诊断结果,即间接从各数据源处进行采集。
此外,为避免所有病例数据及对应的诊断结果都存储在中心服务器时造成中心服务器过大的存储容量,该中心服务器中也可以只从各数据源获取高水平医生处理过的临床病例的病例数据索引,则本步骤中可根据中心服务器中的病例数据索引,从对应的各数据源处采集高水平医生处理过的临床病例的病例数据及对应的诊断结果。
另外,中心服务器中在存储病例数据索引的同时,也可以存储部分从各数据源获取的高水平医生处理过的临床病例的病例数据及对应的诊断结果,此时,本步骤中可首先从所述中心服务器处采集各高水平医生处理过的各临床病例的病例数据及对应的诊断结果,对于中心服务器中没有的病例数据,可根据中心服务器中的病例数据索引,从对应的各数据源处采集各高水平医生处理过的各临床病例的病例数据及对应的诊断结果。
实际应用中,步骤301可以在网络的非高峰时段(如夜间)从各数据源采集高水平医生处理过的临床病例的病例数据及对应的诊断结果,以避开高峰时段的数据拥塞,减轻网络负担,加快采集过程。
并且通过中心服务器采集病例数据有利于病例数据的补充和更新。
步骤302,将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。
实际应用中,来自不同数据源的病例数据及对应的诊断结果有可能格式不一样,因此为了便于管理,本步骤中,可将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。当然,如果来自各数据源的病例数据及对应的诊断结果格式相同,则本步骤可以省略。
步骤303,根据设定条件,对统一格式后的病例数据及对应的诊断结果进行分类,并将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例。
设定条件例如包括以下之一或其任意组合:病例数据的数据特性;诊断结果的难易程度;病例数据和/或诊断结果所属的科室类别。其中,数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个。
例如,根据不同年龄段、不同性别、不同患病部位、不同疾病类型等分类。此外,本步骤中,也可以进一步根据临床病例的难易程度,对统一格式后的病例数据及对应的诊断结果进行分类。
特定类别的临床病例的病例数据以及对应的诊断结果例如可以为30岁至40岁男性的临床病例的病例数据以及对应的诊断结果。选择特定类别的临床病例也即根据不同类别进行选择或者组合得到的临床病例。
具体如何分类,可根据实际需要确定,此处不对其进行限定。
本实施例中,步骤303还可以由步骤304代替。
步骤304,将采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例,并根据设定条件对所述教学案例进行分类,将特定类别的教学案例作为培训范例。
步骤304的具体实现可以参照步骤303。其中特定类别的教学案例如为肺部的复杂诊断的教学案例。
实际应用中,培训规则可以根据教育心理学、受训人员特性等进行优化配置。例如,针对不同专科科别的医生优先配置与该科别对应的疾病类型的培训范例,又如,针对全科医生可均衡配置各疾病类型的培训范例。具体可根据实际需要进行培训规则的确定,此处不对其进行限定。
实际应用中,为了对受训者进行持续性培训,避免常规培训网站或培训学校在培训时间完成后,培训也就结束了,无法实现持续性学习的问题,可随着受训者对培训范例的使用,不断补充新的培训范例,即本方法可进一步包括:根据受训者模拟诊断过的(即已使用过的)培训范例情况及预先确定的培训范例分布情况,确定当前需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件,如病例数据的数据特性及对应的临床病例个数。该步骤不仅可以保证培训的持续性,还可以一定程度的保证受训者接受的培训是目前比较先进的,而不是已经落后的实践。
其中,所述受训者已经使用过的培训范例的情况包括:每个类别中已经使用过的培训范例的个数;所述预先确定的培训范例类别分布情况包括:预先确定的每个类别中培训范例的数量。
之后,在步骤101及步骤301中可根据所确定的条件,如病例数据的数据特性及对应的临床病例个数,从各数据源采集高水平医生处理过的临床病例的病例数据及对应的诊断结果。具体可包括:
对于直接从各数据源处采集的情况,可根据所确定的条件,如所述数据特性及对应的临床病例个数,依次查找各个数据源,从该数据源处获取满足要求的病例数据及对应的诊断结果。
对于直接从中心服务器处采集的情况,则可根据所确定的条件,如所述数据特性及对应的临床病例个数,从该中心服务器处获取满足要求的病例数据及对应的诊断结果。
对于中心服务器中只存在病例数据索引的情况,则可根据所确定的条件,如所述数据特性及对应的临床病例个数,从所述中心服务器中检索对应的病例数据索引,并确定各对应病例数据所在的数据源,之后从所确定的数据源中采集对应的病例数据及其对应的诊断结果。
对于中心服务器中既存在只存在一部分病例数据及对应的诊断结果,又存在一部分病例数据索引的情况,则可首先从该中心服务器处获取满足要求的病例数据及对应的诊断结果,对于中心服务器中没有的病例数据及其对应的诊断结果,则可从所述中心服务器中检索对应的病例数据索引,并确定各对应病例数据所在的数据源,之后从所确定的数据源中采集对应的病例数据及其对应的诊断结果。
图4中给出一个动态获取病例数据及对应的诊断结果的示意图。如图4所示,图4中以应用于一个中心卫生院的情况为例。该卫生院中分别对***位、采集数据的设备类型、数据源以及诊断结果设置了优选的分配方案,图4中给出了当前的配比情况,随着受训者对培训案例的使用情况,各类别的配比情况也会相应发生变化,因此可根据受训者模拟诊断过的(即已阅的)培训范例情况及预先确定的培训范例分配方案,确定当前要获取的病例数据的数据特性及对应的临床病例个数,并进一步通过前述方法确定数据源,最终确定当前欲下载的任务,图4中进一步显示了全部任务下载的进度,包括已下载任务和待下载任务,以及待下载任务的下载进度。
实际应用中,本实施例中还可以进一步提供考试功能。即本实施例中的医疗培训方法还可以进一步包括如图5所示的医疗考试方法。该方法可包括如下步骤:
步骤501,获取经医学***门认定的多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果,根据获取的临床病例的病例数据以及诊断结果形成考试范例,其中一个临床病例的病例数据及对应的诊断结果构成一个考试范例。其中,也可以从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果,特别是高水平医生作出的诊断结果。
本步骤的具体实现过程可与步骤101中描述的实现过程类似,即同样可有多种实现方式,并且同样可采用类似图3中所描述的实现方法,此时只需将其中的“培训”字样用“考试”字样替换即可。又如也可包括:从各数据源采集经医学***门认定的高水平医生处理过的临床病例的病例数据及对应的诊断结果。将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。根据病例数据的数据特性和/或临床病例的难易程度等,对处理后的病例数据及对应的诊断结果进行分类。将分类后的病例数据及对应的诊断结果按照设定的考试规则进行组织,生成对应每个临床病例的考试范例,其中,一个临床病例的病例数据及对应的诊断结果构成一个考试范例。
步骤502,将当前考试范例中的病例数据呈现给受训者,并接收受训者对所述病例数据的考试诊断结果。
本步骤的具体实现过程可与步骤102~步骤103中描述的实现过程类似,此处不再赘述。
步骤503,将所述考试诊断结果与当前考试范例中的诊断结果进行比较,得出相似度评分。
步骤504,根据受训者在当前考试中各个考试范例的得分,确定受训者的考试得分。
进一步地,在受训者的考试得分达到预设的通过阈值时,还可以授予受训者相应的证书,该证书可以是网络下发的电子件,也可以是由相关部分下发的纸件。
实际应用中,图5所示的医疗考试方法还可单独存在。
本发明的一个实施例中培训方法可进一步包括如下步骤:
获取受训者本地待诊断的病例数据,并以呈现当前培训范例中病例数据相同的呈现方式将该本地待诊断的病例数据呈现给所述受训者。进一步地,还可接收受训者针对该病例数据的诊断结果。
具体实现时,执行该步骤的界面可与执行图1所示步骤102的界面相同,这样,受训者无需进行额外学习,便可在二者之间熟练操作及使用。
并且,通过与本地诊断***的集成与融合,可以使得受训者能够在本地接受医疗培训,无需使用新的设备、新的***,也无需更换地点,也即实现受训者在工作本地即可接受培训,这一点使得培训对于小型医院来说更容易实现也更容易推广。并且,还能够将受训者平时工作中需要进行的诊断集成到本实施例提供的培训方法和***中,也即受训者平时的工作和培训时使用的界面相同,从而可以使得受训者无需付出任何额外的努力就可以使用本培训方法和培训***,同时也使得本发明提供的培训方法和培训***更接近受训者平时的工作,最大程度的削减受训者被培训时的陌生感以及最大程度的提高培训范例对于实际诊断工作的帮助。
以上对本发明实施例中的医疗培训方法进行了详细描述,下面再对本发明实施例中的医疗培训***进行详细描述。
图6示出了本发明实施例中医疗培训***的示例性结构图。如图6所示,该***可包括:数据获取模块601、培训范例生成模块602、模拟诊断模块603和结果判别模块604。
其中,数据获取模块601用于获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果。
培训范例生成模块602,用于根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中,一个临床病例的病例数据及对应的诊断结果构成一个培训范例。数据获取模块601和培训范例获生成模块602的具体实现过程可与图1所示步骤101的具体实现过程一致。
模拟诊断模块603用于将当前培训范例中的病例数据呈现给受训者进行模拟诊断,并接收所述受训者对该呈现的病例数据的模拟诊断结果。模拟诊断模块的具体实现过程可与图1所示步骤102~步骤103中描述的实现过程一致。
结果判别模块604用于将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较,和/或,将所述模拟诊断结果与当前培训范例中的诊断结果进行比对显示。结果判别模块的具体实现过程可与图1所示步骤103和步骤104中描述的实现过程一致。进一步地,结果判别模块604还可以给出二者的相似度得分,从而可以提高培训的趣味性,还能够实现考核功能,以及其他相应的功能。具体实现时,结果判别模块604也可以只给出二者的相似度评分,而不对二者进行比对显示。
在本发明的一个实施例中,本医疗培训***还可以包括呈现范例确定模块607,用于根据培训规则确定呈现给所述受训者的当前培训范例;其中,所述培训规则包括以下之一:将所述受训者选择的类别中的不同培训范例随机呈现给所述受训者;将管理者选择的类别中的不同培训范例随机呈现给所述受训者;将所述受训者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;将管理者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;将所述受训者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者;将管理者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者。相应的具体描述可以参见上述方法实施例,此处不再赘述。本实施例中呈现范例确定模块607例如可以获取从培训范例生成模块602中得到的培训范例,并将确定的当前培训范例发送给模拟诊断模块603。
此外,在本发明的一个实施例中,本医疗培训***中还可以根据诊断结果的难易程度为各培训范例划分难度等级,将相同难度等级的培训范例划分为一组,此时,在设定培训规则时,可首先将低难度等级的培训案例呈现给受训者进行模拟诊断,在受训者对每个培训案例的相似度评分达到设定的升级阈值时,将下一难度等级的培训案例呈现给受训者进行模拟诊断。或者,也可由受训者自主选择各难度等级的培训案例进行模拟诊断等。
具体实现时,培训范例生成模块602可有多种具体实现形式。图7示出了其中一种具体实现时的内部结构示意图。如图7所示,该培训范例生成模块602可包括:第一分类子模块701和第一关联子模块702。
其中,第一分类子模块701用于根据设定条件,对所述数据获取模块601采集的病例数据和/或诊断结果进行分类。
其中,设定条件例如包括以下之一或其任意组合:病例数据的数据特性;诊断结果的难易程度;病例数据和/或诊断结果所属的科室类别。其中,数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个。
具体如何分类,可根据实际需要确定,此处不对其进行限定。
第一关联子模块702用于将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例。
图8示出了培训范例生成模块又一种具体实现时的内部结构示意图。如图8所示,该培训范例生成模块602可包括:第二关联子模块801和第二分类子模块802。
其中,第二关联子模块801用于将所述数据获取模块601采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例。
第二分类子模块802用于根据设定条件对所述教学案例进行分类,并将特定类别的教学案例作为培训范例。
其中,设定条件例如包括以下之一或其任意组合:病例数据的数据特性;诊断结果的难易程度;病例数据和/或诊断结果所属的科室类别。其中,数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个。
具体如何分类,可根据实际需要确定,此处不对其进行限定。
具体实现时,数据获取模块601可从各数据源采集高水平医生处理过的临床病例的病例数据及对应的诊断结果。例如,从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果,特别是高水平医生作出的诊断结果。或者,获取经医学***门认定的临床病例的病例数据以及该临床病例对应的诊断结果。进一步地,考虑来自各数据源的病例数据及对应的诊断结果有可能格式不统一,因此为了便于管理,数据获取模块601可进一步将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。若来自各数据源的病例数据及对应的诊断结果具有相同的格式,则可无需进行格式处理。
此外,具体实现时,该数据获取模块601在网络非高峰时段,从各数据源采集多个临床病例的病例数据及该所个临床病例中每个临床病例对应的诊断结果。
具体实现时,模拟诊断模块603也可有多种实现形式,图9示出了其中一种具体实现时的内部结构示意图。如图9所示,该模拟诊断模块603可包括:病例数据呈现子模块901、诊断模板提供子模块902和诊断结果接收子模块903。
其中,病例数据呈现子模块901用于将将当前培训范例中的病例数据呈现给受训者进行模拟诊断。
诊断模板提供子模块902用于将对应培训范例所属类别的诊断用相关术语及各种诊断情况的描述信息提供给受训者进行选择。
诊断结果接收子模块903用于接收受训者对所述病例数据的模拟诊断结果。
实际应用中,也可以无需诊断模板提供子模块902。
具体实现时,各数据源可包括各高水平大医院(即临床经验丰富的医院)的数据库。此时,图6中的数据获取模块601可直接从各数据源处获取高水平医生处理过的临床病例的病例数据及对应的诊断结果。
或者,本实施例的医疗培训***也可进一步如图6中的虚线部分所示,包括:中心服务器605,用于存储从各数据源采集来的高水平医生处理过的各临床病例的病例数据及对应的诊断结果。此时,图6中的数据获取模块601可从该中心服务器605处获取各高水平医生处理过的各临床病例的病例数据及对应的诊断结果。
此外,为避免所有病例数据及对应的诊断结果都存储在中心服务器605时造成中心服务器过大的存储容量,该中心服务器605中也可以只存储关于各数据源的高水平医生处理过的各临床病例的病例数据索引,则图6中的数据获取模块601可根据中心服务器605中的病例数据索引,从对应的各数据源处获取各高水平医生处理过的各临床病例的病例数据及对应的诊断结果。
另外,中心服务器605中在存储病例数据索引的同时,也可以存储一部分从各数据源获取的高水平医生处理过的临床病例的病例数据及对应的诊断结果。此时,图6中的数据获取模块601可首先从所述中心服务器605处获取高水平医生处理过的临床病例的病例数据及对应的诊断结果,对于中心服务器605中没有的病例数据,可根据中心服务器605中的病例数据索引,从对应的各数据源处获取高水平医生处理过的临床病例的病例数据及对应的诊断结果。
实际应用中,图6中的数据获取模块601可以在网络的非高峰时段(如夜间)从各数据源获取高水平医生处理过的临床病例的病例数据及对应的诊断结果,以避开高峰时段的数据拥塞。
实际应用中,为了对受训者进行持续性培训,本实施例***中的数据获取模块601可具有如图10中所述的内部结构,即该数据获取模块601可具体包括:统筹管理子模块1001和采集子模块1002。
其中,统筹管理子模块1001用于根据受训者模拟诊断过的培训范例情况及预先确定的培训范例分配方案,确定当前需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件,如病例数据的数据特性及对应的临床病例个数,将所确定的条件,如所述数据特性及对应的临床病例个数,通知给采集子模块1002。
所述采集子模块1002根据所述确定的条件,如数据特性及对应的临床病例个数,从各数据源获取高水平医生处理过的临床病例的病例数据及对应的诊断结果。
对于直接从各数据源处采集的情况,该采集子模块1002可根据所述确定的条件,如数据特性及对应的临床病例个数,依次查找各个数据源,从该数据源处获取满足要求的病例数据及对应的诊断结果。对于直接从中心服务器605处采集的情况,该采集子模块1002则可根据所述确定的条件,如数据特性及对应的临床病例个数,从该中心服务器605处获取满足要求的病例数据及对应的诊断结果。对于中心服务器605中只存在病例数据索引的情况,该采集子模块1002则可根据所述确定的条件,如数据特性及对应的临床病例个数,从所述中心服务器605中检索对应的病例数据索引,并确定各对应病例数据所在的数据源,之后从所确定的数据源中采集对应的病例数据及其对应的诊断结果。对于中心服务器605中既存在只存在一部分病例数据及对应的诊断结果,又存在一部分病例数据索引的情况,该采集子模块1002则可首先从该中心服务器605处获取满足要求的病例数据及对应的诊断结果,对于中心服务器605中没有的病例数据及其对应的诊断结果,则可从所述中心服务器605中检索对应的病例数据索引,并确定各对应病例数据所在的数据源,之后从所确定的数据源中获取对应的病例数据及其对应的诊断结果。
具体实现时,结果判别模块604可有多种内部结构的实现形式,图11示出了结果判别模块604在具体实现时的一种内部结构的示意图。如图11所示,该结果判别模块604可具体包括:比较子模块1101和评分子模块1202。
其中,比较子模块1101用于将所述模拟诊断结果与所述当前培训范例中的诊断结果进行相似度比较,得到相似度比较结果。
评分子模块1102用于根据该相似度比较结果对所述模拟诊断结果进行评分。
实际应用中,本实施例的医疗培训***也可进一步提供考试功能。即本实施例中的考试培训***可进一步如图12所示包括:考试数据获取模块1201、考试范例生成模块1202、考试诊断模块1203、比较评分模块1204和考试结果确定模块1205。
考试数据获取模块1201用于获取经医学***门认定的多个临床病例的病例数据以及所述多个临床病例中每个临床病例对应的诊断结果。或者,也可以从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果,特别是高水平医生作出的诊断结果。
考试范例生成模块1202用于根据获取的临床病例的病例数据以及诊断结果形成考试范例,其中,一个临床病例的病例数据及对应的诊断结果构成一个考试范例。
考试诊断模块1203用于将当前考试范例中的病例数据呈现给受训者,并接收受训者对所述病例数据的考试诊断结果。
比较评分模块1204用于将所述考试诊断结果与当前考试范例中的诊断结果进行比较,得出相似度评分。
考试结果确定模块1205用于根据受训者在当前考试中各个考试范例的得分,确定受训者的考试得分。
具体实现时,考试数据获取模块1201可以是与培训数据获取模块601共用的模块,也可以是独立于培训范例数据获取模块601的模块。相应地,考试范例数据获取模块1201可以同样采用图710所示的内部结构,此时相应的功能也类似,只需将其中的“培训”字样用“考试”字样替换即可。当然,也可以不采用图710所示的内部结构。考试范例生成模块1202可以是与培训范例生成模块602共用的模块,也可以是独立于培训范例生成602的模块。相应地,考试范例生成模块1202可以同样采用图7和图8所示的内部结构,此时相应的功能也类似,只需将其中的“培训”字样用“考试”字样替换即可,当然也可以不采用图7和图8所示的内部结构。例如,考试范例生成模块1202可以根据设定条件,如病例数据的数据特性和/或临床病例的难易程度等,对聚集后的病例数据及对应的诊断结果进行分类,之后将分类后的病例数据及对应的诊断结果按照设定的考试规则进行组织,生成对应每个临床病例的考试范例。其中,一个临床病例的病例数据及对应的诊断结果构成一个考试范例。
实际应用中,上述考试数据获取模块1201、考试范例生成模块1202、考试诊断模块1203、比较评分模块1204和考试结果确定模块1205也可单独构成一个医疗考试***。
此外,为了实现受训者的在岗培训,并与受训者的工作环境相兼容,本实施例中的医疗培训***可进一步包括在岗诊断模块606,用于获取所述受训者本地待诊断的病例数据,并以呈现当前培训范例中病例数据相同的呈现方式将该本地待诊断的病例数据呈现给所述受训者。进一步地,还可接收受训者针对该病例数据的诊断结果。具体实现时,该在岗诊断模块606可具有与所述模拟诊断模块603相同的用户界面(UI)。这样受训者无需额外付出劳动,便可在二者之间熟练操作及使用。
并且,通过与本地诊断***的集成与融合,可以使得受训者能够在本地接受医疗培训,无需使用新的设备、新的***,也无需更换地点,也即实现受训者在工作本地即可接受培训,这一点使得培训对于小型医院来说更容易实现也更容易推广。并且,还能够将受训者平时工作中需要进行的诊断集成到本实施例提供的培训方法和***中,也即受训者平时的工作和培训时使用的界面相同,从而可以使得受训者无需付出任何额外的努力就可以使用本培训方法和培训***,同时也使得本发明提供的培训方法和培训***更接近受训者平时的工作,最大程度的削减受训者被培训时的陌生感以及最大程度的提高培训范例对于实际诊断工作的帮助。
上述***中,除了中心服务器605外,其它模块均可设置在用户终端中。
上述医疗方法及***除了可用于对医生进行培训以外,也可用于医院之间进行交流合作,共享彼此的资源。
本发明公开了一种医疗培训方法和相应的医疗培训***。该医疗培训方法包括:获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中一个临床病例的病例数据与该临床病例对应的诊断结果构成一个培训范例;将当前培训范例中的病例数据呈现给受训者进行模拟诊断;接收所述受训者对该呈现的病例数据的模拟诊断结果;将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较和/或将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比对显示。通过本发明提供的医疗培训方法和***可以有效的提高小型医院医生的诊断水平,充分发挥小型医院的作用。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (22)
1.一种医疗培训方法,包括:
获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;
根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中一个临床病例的病例数据与该临床病例对应的诊断结果构成一个培训范例;
将当前培训范例中的病例数据呈现给受训者进行模拟诊断;
接收所述受训者对该呈现的病例数据的模拟诊断结果;
将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较和/或将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比对显示;
其中,所述获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果,包括:从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
其中,所述根据获取的临床病例的病例数据以及诊断结果形成培训范例,包括:根据设定条件对采集的临床病例的病例数据和/或诊断结果进行分类,并将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例;或者包括:将采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例,并根据设定条件对所述教学案例进行分类,将特定类别的教学案例作为培训范例;
其中,所述获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果,包括:根据受训者已经使用过的培训范例的情况以及预先确定的培训范例类别分布情况,确定需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件;根据确定的条件从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
其中,所述受训者已经使用过的培训范例的情况包括:每个类别中已经使用过的培训范例的个数;所述预先确定的培训范例类别分布情况包括:预先确定的每个类别中培训范例的数量。
2.根据权利要求1所述的方法,其中,所述将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较,包括:
将所述模拟诊断结果与所述当前培训范例中的诊断结果进行相似度比较,并根据该相似度比较结果对所述模拟诊断结果进行评分。
3.根据权利要求1所述的方法,其中,所述设定条件包括以下之一或其任意组合:
病例数据的数据特性,其中所述数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个;
诊断结果的难易程度;
病例数据和/或诊断结果所属的科室类别。
4.根据权利要求3所述的方法,其中,在所述将当前培训范例中的病例数据呈现给受训者进行模拟诊断之前,所述方法进一步包括:根据培训规则确定呈现给所述受训者的当前培训范例;
其中,所述培训规则包括以下之一:
将所述受训者选择的类别中的不同培训范例随机呈现给所述受训者;
将管理者选择的类别中的不同培训范例随机呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者。
5.根据权利要求1所述的方法,其中,所述根据确定的条件从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果,包括:
设置中心服务器,用于从各数据源获取临床病例的病例数据及对应的诊断结果;根据确定的条件,从所述中心服务器中采集临床病例的病例数据以及该临床病例对应的诊断结果;和/或,
设置中心服务器,用于从各数据源获取临床病例的病例数据索引;根据确定的条件,从所述中心服务器中检索对应的病例数据索引,并确定所需临床病例的病例数据所在的数据源,从所确定的数据源中采集该临床病例的病例数据以及对应的诊断结果。
6.根据权利要求1所述的方法,其中,所述获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果,包括:
在网络非高峰时段,从各数据源采集多个临床病例的病例数据及该多个临床病例中每个临床病例对应的诊断结果。
7.根据权利要求1所述的方法,其中,所述获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果,包括:
从各数据源采集多个临床病例的病例数据及该多个临床病例中每个临床病例对应的诊断结果,并将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。
8.根据权利要求1所述的方法,其中,所述方法进一步包括:
获取所述受训者本地待诊断的病例数据,并以呈现当前培训范例中病例数据相同的呈现方式将该本地待诊断的病例数据呈现给所述受训者。
9.根据权利要求1至8中任一项所述的方法,其中,所述获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果,包括:
从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果;或者
获取经医学***门认定的临床病例的病例数据以及该临床病例对应的诊断结果。
10.根据权利要求9所述的方法,其中,所述医生对该实际的临床病例作出的诊断结果为高水平医生作出的诊断结果。
11.根据权利要求1至8中任一项所述的方法,其中,所述病例数据包括以下之一或其任意组合:病人的性别、年龄、患病部位、疾病类型、症状描述及图像数据;
其中,所述图像数据包括计算机X射线断层扫描***CT、核磁共振成像***MRI、计算机X摄线成像***CR、数字X射线摄影***DR、数字减影血管造影设备DSA或发射单光子计算机断层扫描仪ECT中的至少一个。
12.一种医疗培训***,包括:
数据获取模块,用于获取多个临床病例的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;
培训范例生成模块,用于根据获取的临床病例的病例数据以及诊断结果形成培训范例,其中,一个临床病例的病例数据与该临床病例对应的诊断结果构成一个培训范例;
模拟诊断模块,用于将当前培训范例中的病例数据呈现给受训者进行模拟诊断,并接收所述受训者对该呈现的病例数据的模拟诊断结果;
结果判别模块,用于将所述模拟诊断结果与所述当前培训范例中的诊断结果进行比较,和/或,将所述模拟诊断结果与当前培训范例中的诊断结果进行比对显示;
其中,所述数据获取模块从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
其中,所述培训范例生成模块包括:第一分类子模块,用于根据设定条件,对所述数据获取模块采集的病例数据和/或诊断结果进行分类;
第一关联子模块,用于将特定类别的临床病例的病例数据以及对应的诊断结果进行关联得到培训范例;
或者,所述培训范例生成模块包括:
第二关联子模块,用于将所述数据获取模块采集的临床病例的病例数据以及对应的诊断结果进行关联形成教学案例;
第二分类子模块,用于根据设定条件对所述教学案例进行分类,并将特定类别的教学案例作为培训范例;
其中,所述数据获取模块包括:
统筹管理子模块,用于根据受训者已经使用过的培训范例情况及预先确定的培训范例类别分布情况,确定需要获取的临床病例的病例数据以及对应的诊断结果应当符合的条件;
采集子模块,用于根据确定的条件从各数据源采集临床病例的病例数据以及该临床病例对应的诊断结果;
其中,所述受训者已经使用过的培训范例的情况包括:每个类别中已经使用过的培训范例的个数;所述预先确定的培训范例类别分布情况包括:预先确定的每个类别中培训范例的数量。
13.根据权利要求12所述的***,其中,所述结果判别模块包括:
比较子模块,用于将所述模拟诊断结果与所述当前培训范例中的诊断结果进行相似度比较,得到相似度比较结果;
评分子模块,用于根据该相似度比较结果对所述模拟诊断结果进行评分。
14.根据权利要求12所述的***,其中,所述第一分类子模块根据以下之一或其任意组合的设定条件,对所述数据获取模块采集的病例数据和/或诊断结果进行分类:
病例数据的数据特性,其中所述数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个;
诊断结果的难易程度;
病例数据和/或诊断结果所属的科室类别;
或者,所述第二分类子模块根据以下之一或其任意组合的设定条件,对所述教学案例进行分类;
病例数据的数据特性,其中所述数据特性包括病人的性别、年龄、患病部位和疾病类型中的至少一个;
诊断结果的难易程度;
病例数据和/或诊断结果所属的科室类别。
15.根据权利要求14所述的***,其中,该***进一步包括:呈现范例确定模块,用于根据培训规则确定呈现给所述受训者的当前培训范例;
其中,所述培训规则包括以下之一:
将所述受训者选择的类别中的不同培训范例随机呈现给所述受训者;
将管理者选择的类别中的不同培训范例随机呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照诊断结果的难易程度呈现给所述受训者;
将所述受训者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者;
将管理者选择的类别中的不同培训范例按照病例数据和/或诊断结果所属的科室类别呈现给所述受训者。
16.根据权利要求12所述的***,其中,该***进一步包括:
中心服务器,用于从各数据源获取临床病例的病例数据及对应的诊断结果;和/或,从各数据源获取临床病例的病例数据索引;
所述采集子模块根据确定的条件,从所述中心服务器中采集临床病例的病例数据以及该临床病例对应的诊断结果;和/或,根据确定的条件,从所述中心服务器中检索对应的病例数据索引,并确定所需临床病例的病例数据所在的数据源,从所确定的数据源中采集该临床病例的病例数据以及对应的诊断结果。
17.根据权利要求12所述的***,其中,所述数据获取模块在网络非高峰时段,从各数据源采集多个临床病例的病例数据及该多个临床病例中每个临床病例对应的诊断结果。
18.根据权利要求12所述的***,其中,所述数据获取模块从各数据源采集多个临床病例的病例数据及该多个临床病例中每个临床病例对应的诊断结果,并将来自各数据源的病例数据及对应的诊断结果处理为统一的格式。
19.根据权利要求12所述的***,其中,该***进一步包括:
在岗诊断模块,用于获取所述受训者本地待诊断的病例数据,并以呈现当前培训范例中病例数据相同的呈现方式将该本地待诊断的病例数据呈现给所述受训者。
20.根据权利要求12至19中任一项所述的***,其中,所述数据获取模块从临床经验丰富的医院获取多个实际的临床病例的病例数据及医生对该实际的临床病例作出的诊断结果;或者,获取经医学***门认定的临床病例的病例数据以及该临床病例对应的诊断结果。
21.根据权利要求20所述的***,其中,所述医生对该实际的临床病例作出的诊断结果为高水平医生作出的诊断结果。
22.根据权利要求12至19中任一项所述的***,其中,所述数据获取模块获取多个临床病例的包括以下之一或其任意组合的病例数据及所述多个临床病例中每个临床病例对应的诊断结果;
病人的性别、年龄、患病部位、疾病类型、症状描述及图像数据;
其中,所述图像数据包括计算机X射线断层扫描***CT、核磁共振成像***MRI、计算机X摄线成像***CR、数字X射线摄影***DR、数字减影血管造影设备DSA或发射单光子计算机断层扫描仪ECT中的至少一个。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2011/079134 WO2013029242A1 (zh) | 2011-08-30 | 2011-08-30 | 一种医疗培训方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103959358A CN103959358A (zh) | 2014-07-30 |
CN103959358B true CN103959358B (zh) | 2017-03-01 |
Family
ID=47755200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180072082.5A Expired - Fee Related CN103959358B (zh) | 2011-08-30 | 2011-08-30 | 一种医疗培训方法及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103959358B (zh) |
WO (1) | WO2013029242A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345433A (zh) * | 2018-10-12 | 2019-02-15 | 成都运达科技股份有限公司 | 铁路培训管理信息化*** |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678081A (zh) * | 2016-01-11 | 2016-06-15 | 上海市肺科医院 | 一种用于医学辅助教学的疾病知识管理***及操作方法 |
TWI597699B (zh) * | 2016-06-21 | 2017-09-01 | 聯新亞洲醫學教育有限公司 | 醫學診療教育系統及方法 |
CN106251261B (zh) * | 2016-07-29 | 2023-12-29 | 国家电网公司高级培训中心 | 一种培训方案生成方法及装置 |
CN110610762A (zh) * | 2018-06-15 | 2019-12-24 | 朱一帆 | 病情信息研究方法和***、存储介质 |
CN110634570A (zh) * | 2018-06-22 | 2019-12-31 | 北京搜狗科技发展有限公司 | 一种诊断仿真方法及相关装置 |
CN108961885A (zh) * | 2018-06-29 | 2018-12-07 | 陈斌 | 用模拟机器病人进行医疗培训和考试的方法 |
CN109767660A (zh) * | 2019-01-31 | 2019-05-17 | 北京汉博信息技术有限公司 | 一种远程学习*** |
CN111403013B (zh) * | 2020-03-20 | 2024-02-02 | 西安翼展电子科技有限公司 | 用于能力评定的方法及装置 |
CN111833680A (zh) * | 2020-06-19 | 2020-10-27 | 上海长海医院 | 一种医务人员理论学习评估***、方法及电子设备 |
US11883687B2 (en) | 2020-09-08 | 2024-01-30 | Shanghai United Imaging Healthcare Co., Ltd. | X-ray imaging system for radiation therapy |
CN112289434A (zh) * | 2020-11-03 | 2021-01-29 | 珠海虎江科技有限公司 | 基于vr的医疗培训模拟方法、装置、设备及存储介质 |
CN114283661A (zh) * | 2021-08-05 | 2022-04-05 | 安保文 | 一种***镜诊断技能模拟培训方法和*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013534A (zh) * | 2007-02-16 | 2007-08-08 | 天津大学 | 中医教学用模拟人*** |
CN101958062A (zh) * | 2009-07-17 | 2011-01-26 | 成都中医药大学 | 一种中西医临床诊断训练的*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030061070A1 (en) * | 2001-09-25 | 2003-03-27 | Kelly Gina E. | Interactive medical training system |
US20060099563A1 (en) * | 2004-11-05 | 2006-05-11 | Zhenyu Lawrence Liu | Computerized teaching, practice, and diagnosis system |
US20070172808A1 (en) * | 2006-01-26 | 2007-07-26 | Let's Go Learn, Inc. | Adaptive diagnostic assessment engine |
CN101334809A (zh) * | 2007-06-26 | 2008-12-31 | 上海岱嘉医学信息***有限公司 | 一种采集科研教学数据的方法 |
US9123260B2 (en) * | 2007-09-04 | 2015-09-01 | Koninklijke Philips N.V. | Receiver operating characteristic-based training |
RU2405440C1 (ru) * | 2009-04-30 | 2010-12-10 | Александр Юрьевич Блинов | Способ профессиональной подготовки специалистов в области ультразвуковой и/или лучевой диагностики |
US20110159470A1 (en) * | 2009-12-24 | 2011-06-30 | Thomas Hradek | Interactive medical diagnostics training system |
-
2011
- 2011-08-30 CN CN201180072082.5A patent/CN103959358B/zh not_active Expired - Fee Related
- 2011-08-30 WO PCT/CN2011/079134 patent/WO2013029242A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013534A (zh) * | 2007-02-16 | 2007-08-08 | 天津大学 | 中医教学用模拟人*** |
CN101958062A (zh) * | 2009-07-17 | 2011-01-26 | 成都中医药大学 | 一种中西医临床诊断训练的*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345433A (zh) * | 2018-10-12 | 2019-02-15 | 成都运达科技股份有限公司 | 铁路培训管理信息化*** |
Also Published As
Publication number | Publication date |
---|---|
WO2013029242A1 (zh) | 2013-03-07 |
CN103959358A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103959358B (zh) | 一种医疗培训方法及*** | |
JP5328146B2 (ja) | 医用画像処理装置、医用画像処理方法ならびにプログラム | |
CN105912846A (zh) | 基于云计算和医学知识库技术的智能医疗辅助决策*** | |
Anwar et al. | Quality of obstetric care in public-sector facilities and constraints to implementing emergency obstetric care services: evidence from high-and low-performing districts of Bangladesh | |
CN100498809C (zh) | 处理医学重要数据的方法 | |
CN110491480A (zh) | 一种医疗图像处理方法、装置、电子医疗设备和存储介质 | |
US20090248442A1 (en) | Processing of clinical data for validation of selected clinical procedures | |
CN109859835A (zh) | 一种医疗诊疗方法及*** | |
Schatz et al. | Healthcare infrastructure: Health systems for individuals and populations | |
CN106874670A (zh) | 基于人工智能的儿科医生机器人装置 | |
CN209401316U (zh) | 一种智能阅片和选片的医用图像处理*** | |
CN110391021A (zh) | 一种基于医学知识图谱的疾病推理*** | |
Alrassi et al. | Technology can augment, but not replace, critical human skills needed for patient care | |
CN111091882A (zh) | 一种人工智能可视化pacs***及方法 | |
CN111723277A (zh) | 影像结构化报告云端需求分类***及其方法 | |
US20140156303A1 (en) | Processing of clinical data for validation of selected clinical procedures | |
Gustavson et al. | A learning health system approach to long COVID care | |
CN109243587A (zh) | 一种基于互联网的产科信息管理服务平台 | |
CN111540442A (zh) | 基于计算机视觉的医学图像诊断调度管理*** | |
Green et al. | Notions about networks: primary care practices in pursuit of improved primary care | |
CN107066816A (zh) | 基于临床数据的就医指导方法、装置及服务器 | |
CN107680670A (zh) | 一种无地域限制的医学图像辨识与诊断***及方法 | |
US20220076814A1 (en) | Health administration method, apparatus, and system, and data collection apparatus | |
Giger | Medical imaging of COVID-19 | |
Jin et al. | Call to Action: Creating Resources for Radiology Technologists to Capture Higher Quality Portable Chest X-rays |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 Termination date: 20210830 |
|
CF01 | Termination of patent right due to non-payment of annual fee |