CN109390058A - 一种病历辅助分析***及该***的建立方法 - Google Patents
一种病历辅助分析***及该***的建立方法 Download PDFInfo
- Publication number
- CN109390058A CN109390058A CN201811144073.2A CN201811144073A CN109390058A CN 109390058 A CN109390058 A CN 109390058A CN 201811144073 A CN201811144073 A CN 201811144073A CN 109390058 A CN109390058 A CN 109390058A
- Authority
- CN
- China
- Prior art keywords
- case history
- module
- record information
- medical record
- medical
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种病历辅助分析***,包括:病历信息模块,用于存储并管理患者的病历信息;知识库模块,其包括若干医学知识及相互关联医学知识的映射规则;辅助分析模块,能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论。通过上述***起到了辅助医务人员日常工作和管理的作用,相比现有的辅助诊断***,其通过对指标的标准化,准确的分析出符合自然语言表达的标准化指标,使得分析结论更准确,减少出现误诊、漏诊的情况,大大减少了医务人员阅读病历和分析的时间,提高了工作效率。
Description
技术领域
本发明设计医疗辅助分析领域,特别是一种病历辅助分析***及该***的建立方法。
背景技术
国家在大力推进医疗健康+大数据+互联网医疗等方面的建设。当前主流的临床决策支持***定义如下:是一种充分运用可利用的、合适的计算机技术,针对半结构化或非结构化医学问题,通过人机交互方式改善和提高临床决策效率的***,临床辅助诊断是临床决策支持***的一个重要部分,主要技术方式是基于文献知识库进行辅助诊断的技术方式。虽然临床决策支持***给医疗机构及工作人员带来了不少便利,但也存在许多缺点。
不支持辅助诊断可能性的定量计算,该技术主要是依据病史信息在文献知识库中关键词搜索匹配从而导出可能的诊断的技术方式,是种联想式的思维模式,不能定量的依据病史信息计算所患诊断的可能性。
由于关键词搜索匹配程度存在语义上的差异容易形成漏诊,该方式采用关键词搜索匹配联想的辅助诊断模式,那么如果从病史信息采集到的关键词与文献知识库中的匹配词可能存在差异而容易出现漏诊现象。比如病史中描述了镜下血尿的症状,从诊疗特征来讲肉眼血尿也是符合其特征的,但关键词匹配方式就可能匹配不到肉眼血尿的这个知识库信息,从而导致漏诊。
对于隐形症状或者可能性症状无法进行搜索匹配从而导致漏诊,在实际诊疗过程中经常出现一些情况是某些体征可能会出现或者不会出现的情况,比如在《临床诊疗指南(肾脏病学分册)》对慢性肾衰竭中临床表现这样描述:“患者可以无任何症状,或仅有乏力、腰酸、夜尿增多等轻度不适”,那么对于无症状的患者在辅助诊断过程中就可能导致漏诊。
关键词是手工输入的模式,在关键词输入不完全的情况下可能导致漏诊:在现有临床诊疗辅助***输入关键词时一般都是人工输入的,这些人工提炼与输入过程本身就容易出现输入不完整或者遗漏的情况,输入不完整就会出现在文献知识库中搜索不到恰当的诊断,这势必也将出现漏诊情况。
现有技术是人工输入关键词模式,不能根据患者病情变化及时辅助诊断和治疗的目标:患者在就诊过程中其病历信息和体征状况是不断变化的,这种方式是一种人工输入的离线的工作模式,事实上如何根据患者病情和指征变化及时辅助诊断非常必要,恰恰这也是一个重要缺陷。
发明内容
针对上述现有技术存在的问题,本发明提供了一种病历辅助分析***及该***的建立方法。
一种病历辅助分析***,包括:
病历信息模块,用于存储并管理患者的病历信息;
知识库模块,其包括若干医学知识及相互关联医学知识的映射规则;
辅助分析模块,能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论。
进一步的,知识库模块包括:基于医学文献资料建立的文献知识库和基于临床病历大数据建立的临床病历知识库;医学文献知识库和临床病历知识库分别包括所述的医学知识和所述的映射规则。
进一步的,知识库模块还包括:基于文献知识库和/或临床病历知识库建立的诊断要点知识库,其包括病症信息、病征信息、所述的病症信息与病症信息的映射规则。
进一步的,临床病历知识库所包含的为经过标准化处理的医学知识。
进一步的,病历信息模块包括:病历信息存储单元和病历信息标准化单元,其中病历信息标准化单元用于对病历信息存储单元中的病历信息分析,得到符合自然语言的标准指标值。
进一步的,用于标准化处理的病历信息标准化单元具体包括:
病历项目定义模块,用于根据病历新建立若干能够被识别的病历项目;
提取规则定义模块,用于设定从病历文档中提取病历项目的提取条件;
病历项目识别模块,用于根据所述的提取条件来从病历文档中提取具体的病历项目内容;
标准指标定义模块:用于设定要进行标准化的标准指标;
标准化规则定义模块,用于建立对病历项目内容进行标准化处理的规则;
标准化处理单元,用于根据标准化规则定义模块建立的标准化规则对提取病历项目内容进行标准化处理,获得符合自然语言的标准指标值。
进一步的,辅助分析模块包括用于分析病历信息的分析模型,同一种分类模型基于一种以上分类器建立。
进一步的,辅助分析模块还包括:用于训练优化分析模型的模型训练单元,训练单元能够建立医学知识间的映射规则。
本发明还公开了一种建立病历辅助分析***的方法,其具体方法如下:
建立用于存储患者的病历信息模块,
建立知识库模块,知识库模块包括若干医学知识及相互关联医学知识的映射规则;
建立辅助分析模块,辅助分析模块能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论
本发明具有以下有益效果:
本发明基于医学文献及临床病历大数据建立可靠的知识库,由于临床情况复杂,文献记载的内容不能包含全部可能出现的情况,因此基于临床病历知识库极大提高了本***分析的准确性。通过各分析模型自动对患者的病历进行分析,得出相关结论,为医生的诊断、治疗方案的规划等方面提供辅助。本发明通过对病历信息的标准化处理,能够极大较少***的计算量及失误率,且本***不需要用户手动输入病历中的关键词,简化了操作,同时防止遗漏关键信息的输入。患者的病历信息越详细,得出的分析结论也就越准确,因此辅助分析模块能够及时获取患者的全部病历信息,不断提高分析结论的精确度。通过对实际相关的一些医学知识进行关联,防止出现遗漏、误判的情况。对于病历中有一些不同的描述,但表达的含义具有很大的关联性,甚至是表达了同种意义,现有技术中,就会因为不同表达方式而遗漏或误判了这些关键信息,本发明的辅助分析模块能够针对上述关系建立相关映射,使得不同表达方式的情况也被考虑在分析中,使得分析结果的准确度大大提高。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明的***框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
如图1所示,一种病历辅助分析***,整体上主要包括以下三部分:
(1)病历信息模块,用于存储患者的病历信息。该模块既可以单独随分析***建立,也可以由现有的医院的电子病历***/管理***导入。每一个患者就诊所产生大量的病历信息容量,包含病历记录、医嘱、检验检查报告单、病理报告单、体温单、护理记录单等,这些病历信息体现了患者病情症状体征的发展和治疗过程,每个信息都对辅助诊断和辅助治疗都有着或多或少的意义。由于现有智能病历分析***的不完善,目前绝大部分医疗结果还是采用人工阅读分析的方式进行诊疗,这无疑过于依赖医生的个人能力和知识储量,不仅需要花费更多的时间和精力,而且准确率也难以保障。因此本发明通过知识库模块和辅助分析模块实现了通过计算机或其他智能硬件对病历信息智能分析并得出相应的辅助诊断的结论。
(2)知识库模块,其包括若干医学知识及相互关联医学知识的映射规则。所述的知识库涉及了人工智能领域与数据库领域的结合运用,并不是所有具有智能的程序都拥有知识库,只有基于知识的***才拥有知识库。许多应用程序都利用知识,其中有的还达到了很高的水平,但是,这些应用程序可能并不是基于知识的***,它们也不拥有知识库。一般的应用程序与基于知识的***之间的区别在于,一般的应用程序是把问题求解的知识隐含地编码在程序中,而基于知识的***则将应用领域的问题求解知识显式地表达,并单独地组成一个相对独立的程序实体。在知识库中的知识具有无矛盾性和无冗余性,知识库所需存贮容量巨大。知识库中的医学知识并非单独的储存也包含了具有对应关系的映射规则,例如,通过映射规则能够将某一项疾病与其对应的病征、病因、身体参数、治疗方案、治疗药物等信息建立映射关系,这些映射规则也是辅助分析模块进行分析的关键部分之一。
(3)辅助分析模块,能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论。在本发明的一些实施例中,辅助分析模块根据所述的知识库模块建立,使其能够利用知识库对病历信息进行分析。
在本发明的一些实施例中,知识库模块包括:基于医学文献资料建立的文献知识库和基于临床病历大数据建立的临床病历知识库;文献知识库和临床病历知识库分别包括所述的医学知识和所述的映射规则。上述两种知识库保证了医学知识能用的正确性和权威性,其中,医学规则知识库的信息来源于权威性的文献资料,如***颁发的《疾病诊断标准》、《国家基本药物处方集》、中华医学会编写的《临床诊疗指南》。这些文献资料是以指南或者教材形式存在,为了达到计算机辅助决策的目标,首先需要把这些文献资料整理成计算机信息***可以读取、搜索、分析的知识信息,进而形成信息化的文献知识库。临床病历知识库是以大数据思想、信息技术为基础,以现有文献记载的知识要点,比如症状体征、检验检查结果等为依据,经过信息***整理、提炼、清洗整合等步骤后建立。
在本发明的一些实施例中,知识库模块还包括:基于文献知识库和/或临床病历知识库建立的诊断要点知识库,其包括病症信息、病征信息、所述的病症信息与病症信息的映射规则。本***作为病历辅助的***,通过分析尽可能准确得到患者所患病症无疑是最重要的工作之一,因此为更好的达到上述目的,本发明还对知识库进一步优化,建立了诊断要点知识库,使得辅助分析模块能够针对性的通过匹配/查找/检索等方式,基于病征信息等其他诊断要点知识库所包含的医学信息,以及相应的映射规则分析得到患者的病症信息,例如,比如在人民卫生出版社的《临床诊疗指南(肾脏病学分册)》中对肾病综合征的诊断要点描述如下:(一)大量蛋白尿(尿蛋白定量>3.5g/d);(二)低白蛋白血症(血浆白蛋白<30g/L);(三)高度水肿;(四)高脂血症(血浆胆固醇、甘油三脂均明显增高)。在信息***中把上述四项诊断要点整理成肾病综合征(病症信息)的病征信息,即诊断判别知识信息,采用相似的方式对各类病种诊断要求进行整理,形成诊断要点知识库。
在本发明的一些实施例中,基于文献知识库和/或临床病历知识库不仅能够建立的诊断要点知识库,还可以根据对分析结论的实际目的需求,建立其他具有针对性类型的知识库,如药品知识库、治疗方案知识库等等,可以采用与上述诊断要点知识库相同的建立原理和方法,因此本文不再详细说明。
在本发明的一些实施例中,临床病历知识库所包含的为经过标准化处理的医学知识。如上文所述,临床病历知识库是可以经过信息***整理、提炼、清洗整合等步骤后建立。实际上,临床病历内容往往由医生主动编写,里面的表述形式丰富多样且符合自然语言的表达方式,对于海量的临床病历无疑会在建立知识库时花费大量时间理解、提取相关的医学知识,如果整个过程全部由人工完成更是会对整个***的建立增加负担,因此,可以通过将大量的病历由计算机程序进行处理和提取,得到其有效的信息,对此可以采用自然语言处理技术,其为计算机科学领域与人工智能领域中的一个重要方向,它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法,对于临床医疗来说电子病历数据就是自然语言的一个部分。在运用自然语言处理技术中主要运用了分词技术、病历文本标注、命名实体识别、语义关联抽取技术等内容。现有技术中已有能够实现上述目的程序,本文不再一一说明。
在本发明的一些实施例中,病历信息模块包括:病历信息存储单元和病历信息标准化单元,其中病历信息标准化单元用于对病历信息存储单元中的病历信息分析,得到符合自然语言的标准指标值。与上文所述的目的类似,通过对病历信息的标准化处理,便于高效的建立***并提高对病历的分析效率。
在本发明的一些实施例中,辅助分析模块包括用于分析病历信息的分析模型,同一种分类模型基于一种以上分类器算法建立。分析模型以知识库信息为基础,采用人工智能算法所建立,分析模型包含算法、程序和配置参数组成。其中,基于人工智能诊断识别算法包含贝叶斯分类算法、随机森林决策树分类算法、支持向量机分类器、基于K邻近算法分类器等等。对于同一目的类型的分类模型,通过不同算法来建立,可以通过实际对比获取最优的一种或几种分析模型,保证本***具有最佳的分析结论,也可以说,通过不同算法建立分析模型并对比筛选,是对本***的一种调优方式。分析模型可以基于机器学习方式建立,该方式常应用于AI相关领域,具体原理和结构不再详细说明。
在本发明的一些实施例中,辅助分析模块还包括:用于训练优化分析模型的模型训练单元,训练单元能够建立医学知识间的映射规则。模型训练单元能够以临床大数据为样本不断训练优化分析模型,训练和优化的内容包含病历信息识别能力、病历信息识别颗粒度大小、诊断要点中的判别参数值区间、诊断要点之间的相关性等等内容。例如,在训练过程中发现在病历中对血尿情况有可能出现以下描述:“尿血”、“发现镜下血尿”、“肉眼血尿”,肉眼血尿一定包含镜下血尿,在这些描述词之间存在很大的相关性的,如果医生在病历中进描述为肉眼血尿,而所述的知识库中对于该患者所患病症的诊断特征描述为镜下血尿,那么就会出现漏诊或误诊的情况,因此辅助分析模块就需要通过模型训练单元来建立和支持这些诊断特征之间的相关性,即建立映射关系,从而更好的提高辅助诊断可信度。对于为优化而进行训练是机器学习领域中广泛使用的手段,本申请已经公开了具有创造性的具体的训练内容,而对于如何训练上述的内容,不再信息说明。
本发明是以医学文献知识库为基础,分析提炼临床大数据产生临床病历知识库,然后再人工智能方法建立辅助诊断算法模型,在对患者进行辅助诊断时,由***及时全面的获取依据患者病历信息,再代入辅助诊断算法模型中进行辅助诊断的工作机制。
实施例二
本实施例以实施例一所公开的各技术方案为基础,对能够进行病历的标准化处理结构/方法做进一步说明。
本实施例提供了一种用于标准化处理的病历信息标准化单元,具体包括:
病历项目定义模块,用于根据病历文档建立若干能够被识别的病历项目。病历文档中每一个具有独立表达含义的语句都可以理解为一条病历项目,本质上病历文档就是由若干病历项目组成,本***基于对病历项目的识别并提取,进而大大减少了自然语言分析所要求基于的数据库的大小。
提取规则定义模块,用于设定提取病历项目的提取条件。
病历项目识别模块,用于根据提取规则定义模块设定的提取条件来提取病历项目。
标准指标定义模块:用于设定要进行标准化的标准指标。
标准化规则定义模块,用于建立对病历项目中标准指标的标准化规则。
标准化处理单元,用于根据标准化规则定义模块建立的标准化规则对提取病历项目中的标准指标进行标准化处理,获得符合自然语言的标准指标值。标准化处理单元只针对一个病历项目的病历项目中的目标(标准指标)进行标准化处理,由于减少了对非目标的处理,使得处理效率更高且获得的信息直观有效。
优选的,病历项目包括项目信息单元,项目信息单元包括病历项目编码、病历项目名称、病历项目所属文档、上级病历项目中的至少一个。现有技术中,对病历中的表述方式进行自然语言化分析是目前的一项难点,由于自然语音表达法方式丰富且多样化,要达到自动识别需要建立一个巨大的语音库作为支持。本发明先将大量连续的病历档案的内容进行拆分,每一段具有有用的信息的病历项目对应建立一个病历项目,也就是说只要找到该病历项目,就能获得该病历项目对应的病历项目,并且病历项目还设有项目信息,通过项目信息查找到对应的病历项目远比通过自然语言化处理病历文档全文要方便的多。在本发明的一些实施例中,可以对病历文档的全部病历项目分别建立病历项目,以便能够对病历文档的全部能用进行识别和处理。
优选的,病历项目识别模块其用于对已经建立好的病历项目进行识别,根据提取规则定义模块的提取条件得到所对应的病历项目,通过获得更有针对性的病历项目,使得标准化分析不用建立庞大的分析数据库和逻辑关系库,极大的提高了识别的效率。用户能够根据自己的需要设定提取条件,进而能够准确的找到所需要的病历文档中的病历项目,病历项目识别模块所提取的病历项目也为后续对其进行标准化处理起到了关键性作用。
优选的,所述的标准化识别***还包括:用于对病历文档分类的病历文档目录,病历项目定义模块能够对病历文档目录里的每一个病历文档建立若干病历项目。对于一些患者的病历档案,可能会累计巨大的内容,即便对病历项目进行建立病历项目,这些病历项目罗列起来数量仍然十分巨大,通过病历文档目录能够对病历项目进行分类,对于要进行标准化处理的标准指标,其能够分析的有效信息只包含在一些病历文档中,因此,对病历文档进行目录分类,使得对于病历项目的提取更具针对性,大大提高了提取的速度和准确性。
优选的,病历项目识别模块采用正则表达式识别病历项目。正则表达式是对字符串,包括普通字符(例如,a到z之间的字母)和特殊字符(称为“元字符”),操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式,模式描述在搜索文本时要匹配的一个或多个字符串。
优选的,提取规则定义模块的提取条件包括特征关键词、病历语句前缀、病历语句后缀、排除关键词中的至少一个。
由于不同的病历对同一个病历项目,其项目信息可能有多重表达方式,仅采用一组提取条件进行提前有可能出现提取无结果或错误的情况,那么就需要定义多个识别的模式,以保证精准度,而且需要对各个识别调节进行排序,精确度高的识别调节排序靠前。因此,本发明提取规则定义模块包括若干由提取条件组成的识别组,并且任意两个识别组的提取条件不完全相同,病历项目识别模块能够根据至少一个识别组来提取病历项目。
为了确保提取的结果准确,根据本发明的S2所建立的***还包括验证模块,用于验证病历项目识别模块是否提取到了正确病历项目,验证通过则表示提取到了病历项目的信息基于多种识别组的提取方式,具体的,本实施例可以采用基于多识别组验证方法,即对同一病历文档中采用多组识别组进行提取得到若干病历项目,将原提取的病历项目与根据多组识别组提取的病历项目比较,如全部相同则可以认为验证通过。
优选的,标准指标定义模块用于设定要进行标准化的标准指标。标准化病历项目根据医学教材和文献整理的标准化指标信息,包含体征、症状、检验项目、检查项目等,比如水肿、咳嗽、尿蛋白、肾囊肿等,这些标准化信息都是病历中会出现的,也是病历中非常有用的信息。这些标准化项目的定义与具体的病历文档无直接的关系,但对每份病历来说都来自于病历项目所包含的有效信息,标准化病历项目是对病历文档项目进一步提炼与标化的结果。
优选的,标准化规定定义结构包括病历项目项目信息单元,具体为:映射关系描述、数据类型、数据规格、标准化计算方法、标准化参值。标准化结论单元,具体包括:病历项目项目信息对应的标准化指标及标准化指标值标准指标。表中的几个参考值可以看作分析条件会规则,在病历项目中,通过对病历项目中是否对应病历项目项目信息单元,便能够得到标准指标对应的标准指标值。值得一提的是,该表公开的是文字类型的病历项目,基于上述标准化规则定义模块及对应的方法,同样可以应用于数值类型的病历项目。
优选的,标准指标提取模块所提取的标准指标包括体征、症状、检验项目、检查项目中的至少一种。上述标准指标是医生获取病患身体状况常用的指标,通过对上述指标的标准化处理分析,有利于直观、快速的掌握病情。
标准化处理时,首先确定所要进行标准化的病历项目,该病历项目是被病历项目识别模块所识别并提取,用户在标准化规则定义模块的标准化结论单元设定标准指标和标准化规则,得出标准化指标信息。
实施例三
一种建立病历辅助分析***的方法,具体方法如下:
建立用于存储患者的病历信息模块。
建立知识库模块,知识库模块包括若干医学知识及相互关联医学知识的映射规则。
建立辅助分析模块,辅助分析模块能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论。
在本发明的一些实施例中,可以不必单独建立病历信息模块,而是调用医疗结构现有的病历信息模块,进而完成所述病历信息模块的建立。
实施例一和二所述的***其中一种使用方法如下:在对新患者进行诊断分析时,由***获取患者当时的完整病历信息并对病历进行全面分析,通过病历分析产生各类诊断的诊断要点参数值,然后依据诊断模型及相关知识库信息,由分析模型进行分析,进而产生患者可能患有的疾病,甚至分析出患病的概率,进一步的,提供***辅助诊断的依据和需要进一步鉴别的内容等等。
对于现有技术中,简单的基于文献资料的简单搜索匹配,根本不能得出符合人类思维和自然语言的结论,而本发明以文献知识库和临床病历知识库为基础,并能够分化/细化更具有针对性的诊断要点知识库,配合辅助分析模块中的各种分析模型,最终得出能够对医护人员真实有效的分析结果,不仅降低了诊断、治疗的难度,同时极大的提高了准确性,这也是本发明与现有的辅助诊断***最大的区别和改进之处。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种病历辅助分析***,其特征在于,包括:
病历信息模块,用于存储并管理患者的病历信息;
知识库模块,其包括若干医学知识及相互关联医学知识的映射规则;
辅助分析模块,能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论。
2.根据权利要求1所述的一种病历辅助分析***,其特征在于,知识库模块包括:基于文献资料建立的文献知识库和基于临床病历大数据建立的临床病历知识库;文献知识库和临床病历知识库分别包括所述的医学知识和所述的映射规则。
3.根据权利要求2所述的一种病历辅助分析***,其特征在于,知识库模块还包括:基于文献知识库和/或临床病历知识库建立的诊断要点知识库,其包括病症信息、病征信息、所述的病症信息与病症信息的映射规则。
4.根据权利要求2所述的一种病历辅助分析***,其特征在于,临床病历知识库所包含的为经过标准化处理的医学知识。
5.根据权利要求1所述的一种病历辅助分析***,其特征在于,病历信息模块包括:病历信息存储单元和病历信息标准化单元,其中病历信息标准化单元用于对病历信息存储单元中的病历信息分析,得到符合自然语言的标准指标值。
6.根据权利要求4或5所述的一种病历辅助分析***,其特征在于,用于标准化处理的病历信息标准化单元具体包括:
病历项目定义模块,用于根据病历新建立若干能够被识别的病历项目;
提取规则定义模块,用于设定从病历文档中提取病历项目的提取条件;
病历项目识别模块,用于根据所述的提取条件来从病历文档中提取具体的病历项目内容;
标准指标定义模块:用于设定要进行标准化的标准指标;
标准化规则定义模块,用于建立对病历项目内容进行标准化处理的规则;
标准化处理单元,用于根据标准化规则定义模块建立的标准化规则对提取病历项目内容进行标准化处理,获得符合自然语言的标准指标值。
7.根据权利要求1所述的一种病历辅助分析***,其特征在于,辅助分析模块包括用于分析病历信息的分析模型,同一种分类模型基于一种以上分类器建立。
8.根据权利要求7所述的一种病历辅助分析***,其特征在于,辅助分析模块还包括:用于训练优化分析模型的模型训练单元,训练单元能够建立医学知识间的映射规则。
9.一种建立病历辅助分析***的方法,其特征在于,具体方法如下:
建立用于存储患者的病历信息模块,
建立知识库模块,知识库模块包括若干医学知识及相互关联医学知识的映射规则;
建立辅助分析模块,辅助分析模块能够基于知识库模块对病历信息模块中的病历信息进行分析并得出结论。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811144073.2A CN109390058A (zh) | 2018-09-28 | 2018-09-28 | 一种病历辅助分析***及该***的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811144073.2A CN109390058A (zh) | 2018-09-28 | 2018-09-28 | 一种病历辅助分析***及该***的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109390058A true CN109390058A (zh) | 2019-02-26 |
Family
ID=65418237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811144073.2A Pending CN109390058A (zh) | 2018-09-28 | 2018-09-28 | 一种病历辅助分析***及该***的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109390058A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918436A (zh) * | 2019-03-08 | 2019-06-21 | 上海一健事信息科技有限公司 | 一种医学知识管理和查询*** |
CN110379507A (zh) * | 2019-06-27 | 2019-10-25 | 南京市卫生信息中心 | 一种基于患者向量图像的辅助诊断方法 |
CN110471941A (zh) * | 2019-08-12 | 2019-11-19 | 贵州医渡云技术有限公司 | 自动定位判断依据的方法、装置及电子设备 |
CN110660459A (zh) * | 2019-08-30 | 2020-01-07 | 腾讯科技(深圳)有限公司 | 用于病案质控的方法、装置、服务器以及存储介质 |
CN111177356A (zh) * | 2019-12-31 | 2020-05-19 | 佛山科学技术学院 | 一种酸碱指标医疗大数据分析方法及*** |
CN111354459A (zh) * | 2020-02-25 | 2020-06-30 | 成都联客信息技术有限公司 | 一种针对中医推拿的辅助诊断专家*** |
CN111599483A (zh) * | 2020-05-29 | 2020-08-28 | 安徽科大讯飞医疗信息技术有限公司 | 一种病历集优化方法、装置、设备及存储介质 |
CN112133385A (zh) * | 2020-09-14 | 2020-12-25 | 黄军彩 | 一种问诊信息采集分析***及采集分析方法 |
WO2021114620A1 (zh) * | 2020-06-16 | 2021-06-17 | 平安科技(深圳)有限公司 | 病历质控方法、装置、计算机设备和存储介质 |
CN113051373A (zh) * | 2021-04-19 | 2021-06-29 | 安徽科大讯飞医疗信息技术有限公司 | 文本分析方法、装置、电子设备和存储介质 |
CN113707307A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 病情分析方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149751A (zh) * | 2007-10-29 | 2008-03-26 | 浙江大学 | 用于分析中医方剂药物组配规律的泛化关联规则挖掘方法 |
CN105608091A (zh) * | 2014-11-21 | 2016-05-25 | ***通信集团公司 | 一种动态医疗知识库的构建方法及装置 |
AU2017210493A1 (en) * | 2014-08-14 | 2017-08-17 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
CN107863147A (zh) * | 2017-10-24 | 2018-03-30 | 清华大学 | 基于深度卷积神经网络的医疗诊断的方法 |
CN107887036A (zh) * | 2017-11-09 | 2018-04-06 | 北京纽伦智能科技有限公司 | 临床决策辅助***的构建方法、装置及临床决策辅助*** |
-
2018
- 2018-09-28 CN CN201811144073.2A patent/CN109390058A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149751A (zh) * | 2007-10-29 | 2008-03-26 | 浙江大学 | 用于分析中医方剂药物组配规律的泛化关联规则挖掘方法 |
AU2017210493A1 (en) * | 2014-08-14 | 2017-08-17 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
CN105608091A (zh) * | 2014-11-21 | 2016-05-25 | ***通信集团公司 | 一种动态医疗知识库的构建方法及装置 |
CN107863147A (zh) * | 2017-10-24 | 2018-03-30 | 清华大学 | 基于深度卷积神经网络的医疗诊断的方法 |
CN107887036A (zh) * | 2017-11-09 | 2018-04-06 | 北京纽伦智能科技有限公司 | 临床决策辅助***的构建方法、装置及临床决策辅助*** |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109918436A (zh) * | 2019-03-08 | 2019-06-21 | 上海一健事信息科技有限公司 | 一种医学知识管理和查询*** |
CN109918436B (zh) * | 2019-03-08 | 2022-12-20 | 麦博(上海)健康科技有限公司 | 一种医学知识管理和查询*** |
CN110379507A (zh) * | 2019-06-27 | 2019-10-25 | 南京市卫生信息中心 | 一种基于患者向量图像的辅助诊断方法 |
CN110379507B (zh) * | 2019-06-27 | 2023-03-14 | 南京市卫生信息中心 | 一种基于患者向量图像的辅助诊断方法 |
CN110471941B (zh) * | 2019-08-12 | 2020-10-02 | 贵州医渡云技术有限公司 | 自动定位判断依据的方法、装置及电子设备 |
CN110471941A (zh) * | 2019-08-12 | 2019-11-19 | 贵州医渡云技术有限公司 | 自动定位判断依据的方法、装置及电子设备 |
CN110660459A (zh) * | 2019-08-30 | 2020-01-07 | 腾讯科技(深圳)有限公司 | 用于病案质控的方法、装置、服务器以及存储介质 |
CN111177356A (zh) * | 2019-12-31 | 2020-05-19 | 佛山科学技术学院 | 一种酸碱指标医疗大数据分析方法及*** |
CN111177356B (zh) * | 2019-12-31 | 2023-03-31 | 佛山科学技术学院 | 一种酸碱指标医疗大数据分析方法及*** |
CN111354459A (zh) * | 2020-02-25 | 2020-06-30 | 成都联客信息技术有限公司 | 一种针对中医推拿的辅助诊断专家*** |
CN111599483A (zh) * | 2020-05-29 | 2020-08-28 | 安徽科大讯飞医疗信息技术有限公司 | 一种病历集优化方法、装置、设备及存储介质 |
CN111599483B (zh) * | 2020-05-29 | 2023-12-22 | 讯飞医疗科技股份有限公司 | 一种病历集优化方法、装置、设备及存储介质 |
WO2021114620A1 (zh) * | 2020-06-16 | 2021-06-17 | 平安科技(深圳)有限公司 | 病历质控方法、装置、计算机设备和存储介质 |
CN112133385A (zh) * | 2020-09-14 | 2020-12-25 | 黄军彩 | 一种问诊信息采集分析***及采集分析方法 |
CN113051373A (zh) * | 2021-04-19 | 2021-06-29 | 安徽科大讯飞医疗信息技术有限公司 | 文本分析方法、装置、电子设备和存储介质 |
CN113051373B (zh) * | 2021-04-19 | 2024-02-13 | 讯飞医疗科技股份有限公司 | 文本分析方法、装置、电子设备和存储介质 |
CN113707307A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 病情分析方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109390058A (zh) | 一种病历辅助分析***及该***的建立方法 | |
US11176150B2 (en) | Method and system for text understanding in an ontology driven platform | |
CN106919671B (zh) | 一种中医文本病案挖掘与辅助决策智能*** | |
Nebot et al. | Multidimensional integrated ontologies: A framework for designing semantic data warehouses | |
CN111625659B (zh) | 知识图谱处理方法、装置、服务器及存储介质 | |
CN113505243A (zh) | 基于医疗知识图谱的智能问答方法和装置 | |
Wu et al. | A novel community answer matching approach based on phrase fusion heterogeneous information network | |
CN115293161A (zh) | 基于自然语言处理和药品知识图谱的合理用药***及方法 | |
Sun | Methods for automated concept mapping between medical databases | |
Kim | Automating lexical cross-mapping of ICNP to SNOMED CT | |
Zubke | Classification based extraction of numeric values from clinical narratives. | |
Saint-Dizier et al. | Knowledge and reasoning for question answering: Research perspectives | |
Zhitomirsky-Geffet et al. | Maximizing agreement on diverse ontologies with “wisdom of crowds” relation classification | |
CN116719840A (zh) | 一种基于病历后结构化处理的医疗信息推送方法 | |
Zhang et al. | An effective standardization method for the lab indicators in regional medical health platform using n-grams and stacking | |
CN116227594A (zh) | 面向多源数据的医疗行业高可信度知识图谱的构建方法 | |
CN114860852A (zh) | 一种面向军事领域的知识图谱构建方法 | |
Li et al. | RCMR 280k: refined corpus for move recognition based on PubMed abstracts | |
Dubey et al. | Smart Patient Records using NLP and Blockchain | |
Chen et al. | Research on the key technology of course ontology construction | |
Rassinoux | Knowledge Representation and Management: Benefits and Challenges of the Semantic Web for the Fields of KRM and NLP | |
Siklósi | Clustering relevant terms and identifying types of statements in clinical records | |
Galitsky | Formulating critical questions to the user in the course of decision-making | |
Ma | Knowledge-enriched schema mapping: A preliminary case study of e-MedSolution system | |
Wick et al. | Human-machine cooperation with epistemological dbs: supporting user corrections to knowledge bases |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190226 |
|
RJ01 | Rejection of invention patent application after publication |