CN107833605A - 一种医院病历信息的编码方法、装置、服务器及*** - Google Patents
一种医院病历信息的编码方法、装置、服务器及*** Download PDFInfo
- Publication number
- CN107833605A CN107833605A CN201711327971.7A CN201711327971A CN107833605A CN 107833605 A CN107833605 A CN 107833605A CN 201711327971 A CN201711327971 A CN 201711327971A CN 107833605 A CN107833605 A CN 107833605A
- Authority
- CN
- China
- Prior art keywords
- medical record
- record information
- coding
- target
- sample
- 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.)
- Pending
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种医院病历信息的编码方法、装置、服务器及***,方法包括:获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
Description
本申请要求于2017年3月14日提交中国专利局、申请号为201710145435.9、发明名称为“医院病历信息智能编码机器人及方法”的中国专利申请的优先权。
技术领域
本申请涉及医疗信息处理技术领域,特别涉及一种医院病历信息编码方法、装置、服务器及***。
背景技术
随着社会的发展,对医院病历进行高质量的疾病分类编码,对于医院信息化的发展及后续大数据分析及应用的意义都意义重大,尤其是对国家推行基于疾病分类的医保付费制度改革更是有基础性的重大价值,因此,确保病历信息分类的准确性及高效性,是极其重要的基础工作。
传统的医院病历信息编码方案中,各医院病案室通常是通过人工方式,对医院电子病历***所提交的病历信息按照一定的疾病分类编码标准,进行人工编码,实现必要的疾病分类编码。
而随着医院电子病例的日益广泛,医院病历信息的编码工作量也大幅度上升,人工对医院病历信息的编码工作不仅存在编码效率较低问题,还可能存在编码不准确的情况。
发明内容
有鉴于此,本申请的目的在于提供一种医院病历信息的编码方法、装置、服务器及***,用以解决现有技术中人工编码存在效率低且不准确的技术问题。
本申请提供了一种医院病历信息的编码方法,包括:
获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;
对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;
在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
上述方法,优选的,还包括:
获得第二样本集合,所述第二样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;
基于所述第二样本集合中的样本病历信息及其疾病编码,对所述病历编码规则模型进行优化。
上述方法,优选的,还包括:
将所述目标病历信息及其目标疾病编码进行传输。
上述方法,优选的,还包括:
接收所述目标疾病编码的编码反馈信息,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息;
基于所述编码反馈信息对所述病历编码规则模型进行优化。
本申请还提供了一种医院病历信息的编码装置,包括:
编码学习单元,用于获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;
编码生成单元,用于在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
上述装置,优选的,还包括:
编码优化单元,用于获得第二样本集合,所述第二样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;基于所述第二样本集合中的样本病历信息及其疾病编码,对所述病历编码规则模型进行优化。
上述装置,优选地,所述编码学习单元通过选择一种或多种分组标准基于所述样本病历信息生成多种分组标准的病种分组信息,用以得到满足多种编码应用需求的病历编码规则模型。
上述装置,优选地,所述编码学习单元通过选择一种或多种目标编码标准基于所述样本病历信息生成多种目标编码标准的编码信息,用以满足多种编码应用需求的病历编码规则模型。
上述装置,优选的,还包括:
传输单元,用于将所述目标病历信息及其目标疾病编码进行传输;
所述传输单元还用于:接收所述目标疾病编码的编码反馈信息,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息;
编码优化单元还用于:所述基于所述编码反馈信息对所述病历编码规则模型进行优化。
本申请还提供了一种医院病历信息的编码服务器,包括:
存储器,用于存储应用程序及应用程序运行所产生的数据;
处理器,用于运行所述存储器中的应用程序,以实现以下功能:获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
上述服务器,优选的,还包括:
传输接口及交互设备,所述传输接口连接在所述服务器与交互设备之间,其中:
所述交互设备,用于接收用户的输入操作,所述输入操作包括对所述目标病历信息的输入操作,将所述目标病历信息通过所述传输接口发送给所述服务器中的处理器,并通过所述传输接口获得所述处理器得到的目标疾病编码并将所述目标疾病编码进行输出;
所述交互设备,还用于获得编码反馈信息,并将所述编码反馈信息通过所述传输接口发送给所述处理器,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息。
上述服务器,优选地,所述交互设备包括:输入设备及输出设备。
本申请还提供了一种医院病历信息编码***,包括:
数据来源终端;
编码服务器,用于从所述数据来源终端中获得第一样本集合,并对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
由上述方案可知,本申请提供的一种医院病历信息的编码方法、装置及服务器,利用深度学习框架对已知疾病编码的样本病历信息进行深度学习,得到准确的病历编码规则模型,之后,在需要对病历信息进行编码时,利用病历编码规则模型对目标病历信息进行编码从而得到目标病历信息的目标疾病编码,实现病历信息的自动编码,无需人工编码,从而提高病历信息的编码准确率及效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例一提供的一种医院病历信息的编码方法的流程图;
图2-图4分别为本申请实施例一提供的一种医院病历信息的编码方法的另一流程图;
图5为本申请实施例二提供的一种医院病历信息的编码装置的结构示意图;
图6为本申请实施例三提供的一种医院病历信息的编码服务器的结构示意图;
图7为本申请实施例四提供的一种医院病历信息的编码***的结构示意图;
图8为本申请实施例四提供的一种医院病历信息的编码***的逻辑示意结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参考图1,为本申请实施例一提供的一种医院病历信息的编码方法的流程图,本实施例适用于需要使用疾病编码的医疗卫生管理部门、医疗保险支付方、医疗机构或医疗健康信息应用方等机构的服务器上,用于对医院病历信息进行编码。这里的医疗健康信息应用方包括大数据挖掘机构或者居民个人。
在本实施例中,该方法可以包括以下步骤:
步骤101:获得第一样本集合。
其中,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码。
需要说明的是,第一样本集合中的样本病历信息可以从各级医疗机构、医疗保险机构、卫生主管部门、其他企事业单位的数据库中获得,也可以从院内及院外的医院信息***(Hospital Information System,HIS)、计算机化的病案***(Electronic MedicalRecord,EMR)等医疗信息业务***或区域医疗信息数据中心中获得。本实施例可以通过网络连接这些数据库或数据中心,从这些数据库或数据中心中获得样本病历信息及样本病历信息的已知的疾病编码。其中,各级医疗机构中包括有:各级公立医院、各级民营医院或各级诊所。
其中,所述疾病编码可以是预设的目标编码标准生成的编码,目标编码标准可以包括有:ICD-9、ICD-10、ICD-11、ICD-9-CM3、CCHI、中医疾病编码标准、肿瘤形态学编码标准、中医病征编码标准中的一种或多种。本实施例中基于目标编码标准生成样本集合,具体可以通过切换不同的编码标准,从而生成不同的编码样本集合,如中医病征编码标准的第一样本集合或者ICD-9-CM3的第一样本集合。
步骤102:对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型。
其中,这里的深度学习可以采用诸如卷积神经网络等各种人工神经网络等网络模型实现。例如,利用卷积神经网络框架对第一样本集合中的样本病历信息及其疾病编码进行深度学习训练,生成病历编码规则模型。
在一种实现方式中,本实施例中在对样本病历信息进行深度学习过程中,可以通过选择一种或多种分组标准,进而基于样本病历信息如一份病历的病案首页、病程记录等信息,一次性生成多种分组标准的病种分组信息,用以得到满足多种编码应用需求的病历编码规则模型,从而应用于不同的应用需求。
另外,本实施例中在对样本病历信息进行深度学习过程中,还可以选择一种或多种诸如上文中所提及的目标编码标准,进而对一份病历的病案首页、病程记录等样本病例信息一次性生成多种目标编码标准的编码信息,如多种标准的诊断、手术等编码(或其他术语)必要信息,用以满足多种编码应用需求的病历编码规则模型,以应用于不同的应用需求。
步骤103:接收待编码的目标病历信息。
其中,这里的目标病历信息可以是由医务人员通过电子病历***输入,也可以是由其他工作人员通过扫描仪等机器输入。该目标病历信息是指需要进行疾病类型编码的病历信息。
步骤104:利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
其中,该病历编码规则模型中可以包含有:对病历信息进行准确编码的规则。例如:病历编码规则中包括:每个疾病编码分别对应一个或多个关键词及每个关键词在编码中的权重,在病历信息中如果具有病历编码规则模型中的关键词,那么该关键词对应的疾病编码及权重来确定该病历信息的疾病编码。
需要说明的是,本实施例中所得到的目标疾病编码可以应用于医院HIS、EMR等业务***所需要的疾病分类编码模块中,也可以应用于医院、医保机构、医疗卫生管理部门的疾病分类相关***及平台中,如单病种分类***(Diagnosis Related Groups,DRGs)。
由上述方案可知,本申请实施例一提供的一种医院病历信息的编码方法,利用深度学习框架对已知疾病编码的样本病历信息进行深度学习,得到准确的病历编码规则模型,之后,在需要对病历信息进行编码时,利用病历编码规则模型对目标病历信息进行编码从而得到目标病历信息的目标疾病编码,实现病历信息的自动编码,无需人工编码,从而提高病历信息的编码准确率及效率。
基于图1所示的方案,本实施例在得到目标疾病编码之后,还可以根据需求将目标疾病编码传输给其他终端使用,如图2中所示,该方法还可以包括以下步骤:
步骤105:将所述目标病历信息及其目标疾病编码进行传输。
其中,本实施例中可以通过各种数据传输接口将目标病历信息及其目标疾病编码进行传输,如传输给显示器或者投影屏等终端,提供给专家等医护人员进行会诊等;或者,将这些目标病历信息及其目标疾病编码传输给磁盘等存储终端,用以存储。
为了提高疾病类型编码的准确性及可靠性,需要对病历编码规则模型进行持续完善、更新及优化,因此,基于图1中的实现方案,在步骤102之后,该方法还可以包括以下步骤,如图3中所示:
步骤106:获得第二样本集合。
其中,所述第二样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码。
需要说明的是,第二样本集合中的样本病历信息可以是基于第一样本集合的增量信息,即在病历编码规则模型生成之后,新增加的病历信息,这些新增加的病历信息可以是医务人员手工输入或者其他工作人员通过机器输入的,也可以是利用本实施例中的病历编码规则模型所生成的,也就是说,在获得新的疾病编码之后,可以基于新的疾病编码对病历编码规则模型进行优化。
步骤107:基于所述第二样本集合中的样本病历信息及其疾病编码,对所述病历编码规则模型进行优化。
其中,对病历编码规则模型进行优化,可以包括有:增加病历编码规则模型中的疾病编码的数量或者种类、更新每个疾病编码所对应的关键词等。由此,来提高疾病类型编码的准确性及可靠性。
除此之外,为了对病历编码规则模型进行持续完善、更新及优化,基于图1中的实现方案,在步骤104之后,该方法还可以包括以下步骤,如图4中所示:
步骤108:接收所述目标疾病编码的编码反馈信息。
其中,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息。
步骤109:基于所述编码反馈信息对所述病历编码规则模型进行优化。
例如,经过专家会诊或者医护人员对目标疾病编码进行讨论、分析及确认之后,以机器可以识别的结构化信息生成反馈信息,并将该反馈信息传给本实施例中进行病历编码规则模型生成的设备,从而实现对某些疑难病历的编码及模型优化。
由上述方案可知,本实施例中基于深度学习框架,根据现有医疗信息***中的疾病分类数据,如第一样本集合中的样本病历信息,进行样本分析及优化,实现一定程度的自学习,从而生成并优化病历编码规则模型及相关权重。进一步的,在实现疾病分类编码之后,还可以根据人工反馈信息对病历编码规则模型进行优化,提高编码准确率及可靠性。
为了实现图1所示的方案,参考图5,为本申请实施例二提供的一种医院病历信息的编码装置的结构示意图,该装置适用于需要使用疾病编码的医疗卫生管理部门、医疗保险支付方、医疗机构或医疗健康信息应用方等机构的服务器上,用于对医院病历信息进行编码。这里的医疗健康信息应用方包括大数据挖掘机构或者居民个人。
在本实施例中,该装置可以包括以下结构:
编码学习单元501,用于获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型。
在一种实现方式中,编码学习单元501在对样本病历信息进行深度学习过程中,可以通过选择一种或多种分组标准,进而基于样本病历信息如一份病历的病案首页、病程记录等信息,一次性生成多种分组标准的病种分组信息,用以得到满足多种编码应用需求的病历编码规则模型,从而应用于不同的应用需求。
另外,编码学习单元501在对样本病历信息进行深度学习过程中,还可以选择一种或多种目标编码标准,进而对一份病历的病案首页、病程记录等样本病例信息一次性生成多种目标编码标准的编码信息,如多种标准的诊断、手术等编码(或其他术语)必要信息,用以满足多种编码应用需求的病历编码规则模型,以应用于不同的应用需求。
编码生成单元502,用于在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
编码优化单元503,用于获得第二样本集合,所述第二样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;基于所述第二样本集合中的样本病历信息及其疾病编码,对所述病历编码规则模型进行优化。
传输单元504,用于将所述目标病历信息及其目标疾病编码进行传输。
另外,所述传输单元504还用于:接收所述目标疾病编码的编码反馈信息,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息;
相应的,所述编码优化单元503还用于:所述基于所述编码反馈信息对所述病历编码规则模型进行优化。
在本实施例中,该装置可以包括有处理器及存储器,处理器及存储器为服务器等承载以上本实施例的设备上的元器件,上述的编码学习单元501、编码生成单元502、编码优化单元503及传输单元504等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
例如,上述各个程序单元以安装包或处理类的形式存储在存储器中,同时存储器中还存储有预先设置的配置文件,处理器通过调用安装包处理类,来执行以上各个程序单元,实现相应的功能。
具体的,处理器中包含内核,由内核去存储器中调取相应的程序单元,内核可以设置一个或多个,通过调整内核参数来获得第一样本集合,对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
其中,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
由上述方案可知,本申请实施例二提供的一种医院病历信息的编码装置,利用深度学习框架对已知疾病编码的样本病历信息进行深度学习,得到准确的病历编码规则模型,之后,在需要对病历信息进行编码时,利用病历编码规则模型对目标病历信息进行编码从而得到目标病历信息的目标疾病编码,实现病历信息的自动编码,无需人工编码,从而提高病历信息的编码准确率及效率。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述医院病历信息的编码方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述医院病历信息的编码方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获得第一样本集合,对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
其中,本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序代码:获得第一样本集合,对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
参考图6,为本申请实施例三提供的一种医院病历信息的编码服务器的结构示意图,该服务器为需要使用疾病编码的医疗卫生管理部门、医疗保险支付方、医疗机构或医疗健康信息应用方等机构的服务器,用于对医院病历信息进行编码。这里的医疗健康信息应用方包括大数据挖掘机构或者居民个人。
在本实施例中,该服务器可以包括以下结构:
存储器601,用于存储应用程序及应用程序运行所产生的数据。
处理器602,用于运行所述存储器中的应用程序,以实现以下功能:获得第一样本集合;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
所述交互设备,用于接收用户的输入操作,所述输入操作包括对所述目标病历信息的输入操作,将所述目标病历信息通过所述传输接口发送给所述服务器中的处理器,并通过所述传输接口获得所述处理器得到的目标疾病编码并将所述目标疾病编码进行输出;
所述交互设备,还用于获得编码反馈信息,并将所述编码反馈信息通过所述传输接口发送给所述处理器,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息
其中,处理器602与存储器601之间可以通过总线603相连接,
该服务器还可以包括有:传输接口604和交互设备605,所述传输接口604连接在所述服务器与交互设备605之间,如图6中所示。
其中,所述交互设备用于接收用户的输入操作,该输入操作中包括对目标病历信息的输入操作,之后,将该目标病历信息通过所述传输接口604发送给服务器中的处理器602,并通过传输接口604获得处理器得到的目标疾病编码并将目标疾病编码进行输出。
另外,交互设备605还可以用于获得编码反馈信息,并将编码反馈信息通过传输接口604发送给处理器602,而编码反馈信息中可以包括:医疗监管及医疗应用对目标疾病编码的编码反馈信息。
除此之外,所述处理器602还可以基于所述编码反馈信息对所述病历编码规则模型进行优化。
在一种实现方式中,交互设备605中可以通过设置编码交互应用模块来实现其功能,其中,该编码交互模块用于服务器涉及的各类输入输出操作。具体的,编码交互模块可以适用于用户通过一定的交互方式实现对服务器进行编码时的信息输入控制、编码参数配置、编码命令执行、编码规则人工确认、疑义编码条码人工标定等。
而交互设备605中可以采用多种交互方式实现其功能,如键盘输入、鼠标操作、屏幕显示、语音识别/合成输出的装置或设备、手势操作、VR头盔操作、人形机器人交互操作(包含变成控制)等。
其中,所述处理器602可以通过多个数据来源终端606上获得第一样本集合及第二样本集合,数据来源终端606可以为各级医疗结构、医疗保险机构、卫生主管部门、其他企事业单位等终端,部署在物理机电脑、虚拟机或云服务器等设备上,处理器602从这些数据来源终端606的相关设备上获取样本病历信息及其疾病编码,其中,所述各级医疗机构包括各级公立医院、各级民营医院或各级诊所。
由上述方案可知,本申请实施例三提供的一种医院病历信息的编码服务器,利用深度学习框架对已知疾病编码的样本病历信息进行深度学习,得到准确的病历编码规则模型,之后,在需要对病历信息进行编码时,利用病历编码规则模型对目标病历信息进行编码从而得到目标病历信息的目标疾病编码,实现病历信息的自动编码,无需人工编码,从而提高病历信息的编码准确率及效率。
参考图7,为本申请实施例四提供的一种医院病历信息的编码***的结构示意图,该***可以包括以下结构:
数据来源终端701,该数据来源终端701为一个或多个,可以为医疗电子病历相关的数据来源终端701;
编码数据监管终端702,可以部署在连接物理机电脑、虚拟机或云服务器等设备上;
编码机器人703,可以通过如图6中所示的编码服务器实现,所述编码机器人703上的软件(含核心运算及编码软件模块)可以部署在服务器硬件上;
病历书写医生交互的人机交互应用终端704;
存储设备705,用于数据存储。
其中,所述编码机器人703可以基于深度学习模型结合病历编码规则进行编程实现;所述编码数据监管终端702可以对***运行状态、编码情况进行监控、分析及审核;所述交互应用终端704可以通过语音、文本、虚拟显示(Virtual Reality,VR)提示等方式实现编码机器人与临床使用的医护人员之间的信息通知、反馈及交互操作;所述数据来源终端701可以是院内及院外的HIS、EMR等医疗信息业务***或区域医疗信息数据中心。
在一种实现方式中,以上各终端及服务器可以部署到物理机电脑、虚拟机或云服务器等设备上,可以通过共有云部署方式通过互联网访问应用或通过医院内网部署的方式在院内进行应用。
具体的,所述编码机器人703基于深度学习模型,可以动态调整优化的编码规则及判别权重。例如,可以根据现有医疗信息***中的疾病分类数据,进行样本分析、学习及优化,实现一定程度的自学习,从而优化编码模型及相关权重。对于编码机器人703编码的结果,与原有人工编码结果的差异,可以提供提示反馈信息,用于编码数据监管终端702的审核确认及交互应用终端704进行比照学习。
如图8中所示,在逻辑实现上,该编码机器人703处于医疗电子病历数据来源节点(终端)和一个以上编码数据监管节点(终端)、一个以上用于编码机器人和病历书写医生交互的人机交互应用节点(终端)所构建的信息化网格中,而编码机器人703在具体实现中可以通过以下逻辑模块实现:编码学习模块、编码规则知识树模块、编码生成模块、编码反馈调整模块、编码应用交互模块。
其中,编码学习模块基于深度学习模型,可以进行病历编码学习;
编码规则知识树模块,可以实现动态的编码规则积累及扩展;
编码生成模块用于对病历进行编码;
编码反馈调整模块,用于将编码结果及规则反馈给各关联监管、应用方,并能够收集相关反馈,进行编码调优及规则优化;
编码应用交互模块提供相关接口,用于相关业务***进行集成使用,并用于通过语音、VR、仿真式机器人、大屏幕显示等方式实现机器人与使用人员的交互。
而编码机器人703所生成的疾病编码可以应用于医院HIS、EMR等业务***所需的疾病分类编码模块中,也可以应用于医院、医保机构、医疗卫生管理部门的疾病分类相关***及平台中,如单病种分类***(DRGs)。
其中,所述编码数据监管终端702、交互应用终端704可以构成专家会诊终端,通过集体讨论方式,对机器人编码结果进行讨论、分析、确认,并以编码机器人703可以识别的结构化信息方式,反馈结果给编码机器人703,实现某些疑难病历的编码模型及权重的优化。
而数据来源终端701可以为各级医疗结构、医疗保险机构、卫生主管部门、其他企事业单位等终端,所述各级医疗机构包括各级公立医院、各级民营医院或各级诊所;该编码机器人的应用方包括医疗卫生管理部门、医疗保险支付方、医疗机构或医疗健康信息应用方,所述医疗健康信息应用方包括大数据挖掘机构或居民个人;
或,所述数据来源终端701、编码数据监管终端702、交互应用终端704均来自单一医疗机构,若干数据来源方包括医疗机构的各科室,数据应用方包括医疗机构的相关科室。
由上述方案可知,本实施例中的方案通过海量医院病历信息进行样本学***的编码规则及方案,从而实现高质量的机器人病历编码,这样可以有效地降低病历编码工作对人工的依赖性,也能够解决人工编码工作强度大、质量不稳定、复制性及扩展性差等问题。本实施例中的方案具体可以应用于医疗机构、医疗卫生监管部门、医保机构、医疗数据分析应用的机构及个人。由于采用具备深度学习、增强学习、云架构调优的方法进行实现,可以非常好地满足海量数据情况下病历编码的工作需要。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上对本申请所提供的一种医院病历信息的编码方法、装置、服务器及***方法及装置进行了详细介绍,对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (13)
1.一种医院病历信息的编码方法,其特征在于,包括:
获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;
对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;
在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
2.根据权利要求1所述的方法,其特征在于,还包括:
获得第二样本集合,所述第二样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;
基于所述第二样本集合中的样本病历信息及其疾病编码,对所述病历编码规则模型进行优化。
3.根据权利要求1所述的方法,其特征在于,还包括:
将所述目标病历信息及其目标疾病编码进行传输。
4.根据权利要求3所述的方法,其特征在于,还包括:
接收所述目标疾病编码的编码反馈信息,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息;
基于所述编码反馈信息对所述病历编码规则模型进行优化。
5.一种医院病历信息的编码装置,其特征在于,包括:
编码学习单元,用于获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;
编码生成单元,用于在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
6.根据权利要求5所述的装置,其特征在于,还包括:
编码优化单元,用于获得第二样本集合,所述第二样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;基于所述第二样本集合中的样本病历信息及其疾病编码,对所述病历编码规则模型进行优化。
7.根据权利要求5所述的装置,其特征在于,所述编码学习单元通过选择一种或多种分组标准基于所述样本病历信息生成多种分组标准的病种分组信息,用以得到满足多种编码应用需求的病历编码规则模型。
8.根据权利要求5所述的装置,其特征在于,所述编码学习单元通过选择一种或多种目标编码标准基于所述样本病历信息生成多种目标编码标准的编码信息,用以满足多种编码应用需求的病历编码规则模型。
9.根据权利要求5所述的装置,其特征在于,还包括:
传输单元,用于将所述目标病历信息及其目标疾病编码进行传输;
所述传输单元还用于:接收所述目标疾病编码的编码反馈信息,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息;
编码优化单元还用于:所述基于所述编码反馈信息对所述病历编码规则模型进行优化。
10.一种医院病历信息的编码服务器,其特征在于,包括:
存储器,用于存储应用程序及应用程序运行所产生的数据;
处理器,用于运行所述存储器中的应用程序,以实现以下功能:获得第一样本集合,所述第一样本集合中包括至少一个样本病历信息及每个所述样本病历信息的疾病编码;对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
11.根据权利要求11所述的服务器,其特征在于,还包括:
传输接口及交互设备,所述传输接口连接在所述服务器与交互设备之间,其中:
所述交互设备,用于接收用户的输入操作,所述输入操作包括对所述目标病历信息的输入操作,将所述目标病历信息通过所述传输接口发送给所述服务器中的处理器,并通过所述传输接口获得所述处理器得到的目标疾病编码并将所述目标疾病编码进行输出;
所述交互设备,还用于获得编码反馈信息,并将所述编码反馈信息通过所述传输接口发送给所述处理器,所述编码反馈信息包括:医疗监管及医疗应用对所述目标疾病编码的编码反馈信息。
12.根据权利要求11所述的服务器,其特征在于,所述交互设备包括:输入设备及输出设备。
13.一种医院病历信息编码***,其特征在于,包括:
数据来源终端;
编码服务器,用于从所述数据来源终端中获得第一样本集合,并对所述第一样本集合中的样本病历信息及其疾病编码进行深度学习,得到病历编码规则模型;在接收到待编码的目标病历信息时,利用所述病历编码规则模型对所述目标病历信息进行编码,得到所述目标病历信息的目标疾病编码。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145435 | 2017-03-14 | ||
CN2017101454359 | 2017-03-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107833605A true CN107833605A (zh) | 2018-03-23 |
Family
ID=61644202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711327971.7A Pending CN107833605A (zh) | 2017-03-14 | 2017-12-13 | 一种医院病历信息的编码方法、装置、服务器及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833605A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493931A (zh) * | 2018-10-25 | 2019-03-19 | 平安科技(深圳)有限公司 | 一种病历文件的编码方法、服务器及计算机可读存储介质 |
CN109545297A (zh) * | 2018-10-30 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于大数据的病种编码方法及计算设备 |
CN109993227A (zh) * | 2019-03-29 | 2019-07-09 | 京东方科技集团股份有限公司 | 自动添加国际疾病分类编码的方法、***、装置和介质 |
CN110491465A (zh) * | 2019-08-20 | 2019-11-22 | 山东众阳健康科技集团有限公司 | 基于深度学习的疾病分类编码方法、***、设备及介质 |
CN110517787A (zh) * | 2019-08-30 | 2019-11-29 | 山东健康医疗大数据有限公司 | 一种基于中文医疗主诉分析的临床数据组分类方法 |
CN110895580A (zh) * | 2019-12-12 | 2020-03-20 | 山东众阳健康科技集团有限公司 | 一种基于深度学习的icd手术与操作编码自动匹配方法 |
CN111309703A (zh) * | 2019-09-06 | 2020-06-19 | 北京交通大学 | 疾病编码自动转化方法及装置 |
CN111339126A (zh) * | 2020-02-27 | 2020-06-26 | 平安医疗健康管理股份有限公司 | 医疗数据筛选方法、装置、计算机设备和存储介质 |
CN111370081A (zh) * | 2020-05-27 | 2020-07-03 | 杭州联众医疗科技股份有限公司 | 一种以时间编码方式的人工智能数据归集方法 |
CN111524569A (zh) * | 2020-04-24 | 2020-08-11 | 常州昊泽信息科技有限公司 | 一种电子病历诊断维护*** |
CN111640517A (zh) * | 2020-05-27 | 2020-09-08 | 医渡云(北京)技术有限公司 | 病历编码方法、装置、存储介质及电子设备 |
CN113031943A (zh) * | 2021-03-29 | 2021-06-25 | 北京大米科技有限公司 | 编码生成方法、装置、存储介质及电子设备 |
WO2022152280A1 (zh) * | 2021-01-18 | 2022-07-21 | 阿里巴巴集团控股有限公司 | 病种识别方法、设备、***及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866727A (zh) * | 2015-06-02 | 2015-08-26 | 陈宽 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
CN105069124A (zh) * | 2015-08-13 | 2015-11-18 | 易保互联医疗信息科技(北京)有限公司 | 一种自动化的国际疾病分类编码方法及*** |
US20170032221A1 (en) * | 2015-07-29 | 2017-02-02 | Htc Corporation | Method, electronic apparatus, and computer readable medium of constructing classifier for disease detection |
CN106484674A (zh) * | 2016-09-20 | 2017-03-08 | 北京工业大学 | 一种基于深度学习的中文电子病历概念抽取方法 |
CN106844308A (zh) * | 2017-01-20 | 2017-06-13 | 天津艾登科技有限公司 | 一种使用语义识别进行自动化疾病编码转换的方法 |
-
2017
- 2017-12-13 CN CN201711327971.7A patent/CN107833605A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866727A (zh) * | 2015-06-02 | 2015-08-26 | 陈宽 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
US20170032221A1 (en) * | 2015-07-29 | 2017-02-02 | Htc Corporation | Method, electronic apparatus, and computer readable medium of constructing classifier for disease detection |
CN105069124A (zh) * | 2015-08-13 | 2015-11-18 | 易保互联医疗信息科技(北京)有限公司 | 一种自动化的国际疾病分类编码方法及*** |
CN106484674A (zh) * | 2016-09-20 | 2017-03-08 | 北京工业大学 | 一种基于深度学习的中文电子病历概念抽取方法 |
CN106844308A (zh) * | 2017-01-20 | 2017-06-13 | 天津艾登科技有限公司 | 一种使用语义识别进行自动化疾病编码转换的方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493931A (zh) * | 2018-10-25 | 2019-03-19 | 平安科技(深圳)有限公司 | 一种病历文件的编码方法、服务器及计算机可读存储介质 |
CN109493931B (zh) * | 2018-10-25 | 2024-06-04 | 平安科技(深圳)有限公司 | 一种病历文件的编码方法、服务器及计算机可读存储介质 |
CN109545297A (zh) * | 2018-10-30 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于大数据的病种编码方法及计算设备 |
CN109993227A (zh) * | 2019-03-29 | 2019-07-09 | 京东方科技集团股份有限公司 | 自动添加国际疾病分类编码的方法、***、装置和介质 |
CN109993227B (zh) * | 2019-03-29 | 2021-09-24 | 京东方科技集团股份有限公司 | 自动添加国际疾病分类编码的方法、***、装置和介质 |
CN110491465A (zh) * | 2019-08-20 | 2019-11-22 | 山东众阳健康科技集团有限公司 | 基于深度学习的疾病分类编码方法、***、设备及介质 |
AU2020333132B2 (en) * | 2019-08-20 | 2023-07-13 | Shan Dong Msun Health Technology Group Co., Ltd. | Method and system for disease classification coding based on deep learning, and device and medium |
WO2021032219A3 (zh) * | 2019-08-20 | 2021-04-15 | 山东众阳健康科技集团有限公司 | 基于深度学习的疾病分类编码方法、***、设备及介质 |
CN110491465B (zh) * | 2019-08-20 | 2020-09-15 | 山东众阳健康科技集团有限公司 | 基于深度学习的疾病分类编码方法、***、设备及介质 |
CN110517787A (zh) * | 2019-08-30 | 2019-11-29 | 山东健康医疗大数据有限公司 | 一种基于中文医疗主诉分析的临床数据组分类方法 |
CN111309703A (zh) * | 2019-09-06 | 2020-06-19 | 北京交通大学 | 疾病编码自动转化方法及装置 |
CN110895580A (zh) * | 2019-12-12 | 2020-03-20 | 山东众阳健康科技集团有限公司 | 一种基于深度学习的icd手术与操作编码自动匹配方法 |
CN111339126A (zh) * | 2020-02-27 | 2020-06-26 | 平安医疗健康管理股份有限公司 | 医疗数据筛选方法、装置、计算机设备和存储介质 |
CN111339126B (zh) * | 2020-02-27 | 2023-02-07 | 平安医疗健康管理股份有限公司 | 医疗数据筛选方法、装置、计算机设备和存储介质 |
CN111524569A (zh) * | 2020-04-24 | 2020-08-11 | 常州昊泽信息科技有限公司 | 一种电子病历诊断维护*** |
CN111640517A (zh) * | 2020-05-27 | 2020-09-08 | 医渡云(北京)技术有限公司 | 病历编码方法、装置、存储介质及电子设备 |
CN111640517B (zh) * | 2020-05-27 | 2023-05-26 | 医渡云(北京)技术有限公司 | 病历编码方法、装置、存储介质及电子设备 |
CN111370081A (zh) * | 2020-05-27 | 2020-07-03 | 杭州联众医疗科技股份有限公司 | 一种以时间编码方式的人工智能数据归集方法 |
WO2022152280A1 (zh) * | 2021-01-18 | 2022-07-21 | 阿里巴巴集团控股有限公司 | 病种识别方法、设备、***及存储介质 |
CN113031943A (zh) * | 2021-03-29 | 2021-06-25 | 北京大米科技有限公司 | 编码生成方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833605A (zh) | 一种医院病历信息的编码方法、装置、服务器及*** | |
US11232365B2 (en) | Digital assistant platform | |
Uysal et al. | Smart manufacturing in intelligent digital mesh: Integration of enterprise architecture and software product line engineering | |
CN111506723B (zh) | 问答响应方法、装置、设备及存储介质 | |
CA3046247C (en) | Data platform for automated data extraction, transformation, and/or loading | |
Chattopadhyay et al. | A Case‐Based Reasoning system for complex medical diagnosis | |
US20200227175A1 (en) | Document improvement prioritization using automated generated codes | |
US20210005312A1 (en) | Health management system with multidimensional performance representation | |
CA2833779A1 (en) | Predictive modeling | |
El-Banna | Patient discharge time improvement by using the six sigma approach: a case study | |
Liu et al. | Requirements engineering for health data analytics: Challenges and possible directions | |
Theodorou et al. | Synthesize high-dimensional longitudinal electronic health records via hierarchical autoregressive language model | |
Upjohn et al. | Demystifying AI in healthcare: historical perspectives and current considerations | |
CN108122613A (zh) | 基于健康预测模型的健康预测方法和装置 | |
Best et al. | Predicting the COVID-19 pandemic impact on clinical trial recruitment | |
CN111445969A (zh) | 一种弹性适应噪音的销售预测的方法及*** | |
Varuna et al. | Trend prediction of GitHub using time series analysis | |
Wang et al. | A novel parallel clock-driven algorithm for simulation of neuronal networks based on virtual synapse | |
Močarníková et al. | Conceptualization of predictive analytics by literature review | |
CN115525192A (zh) | 面向用户的报价计费方法、装置、计算机设备及存储介质 | |
Zabawa et al. | Overcoming challenges in hybrid simulation design and experiment | |
Mishra | Nature-Inspired Algorithms: For Engineers and Scientists | |
US20190258776A1 (en) | Single sample genetic classification via tensor motifs | |
Huang et al. | Time-guided high-order attention model of longitudinal heterogeneous healthcare data | |
US12002557B2 (en) | Creating and updating problem lists for electronic health records |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |