CN110428898A - 数据驱动的临床决策支持***评估和优化的方法及*** - Google Patents
数据驱动的临床决策支持***评估和优化的方法及*** Download PDFInfo
- Publication number
- CN110428898A CN110428898A CN201910677243.1A CN201910677243A CN110428898A CN 110428898 A CN110428898 A CN 110428898A CN 201910677243 A CN201910677243 A CN 201910677243A CN 110428898 A CN110428898 A CN 110428898A
- Authority
- CN
- China
- Prior art keywords
- conclusion
- rule
- data
- decision support
- clinical decision
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种数据驱动的临床决策支持***评估和优化的方法及***,涉及人工智能医疗技术领域,该方法包括以下步骤:配置临床决策支持***;准备真实世界数据;基于所述真实世界数据,应用所述临床决策支持***;评估和优化单一规则集合;生成评估报告和优化方案。本发明实施例通过使用真实世界数据从规则的完备性、准确性、一致性和不确定性的角度对临床决策支持***进行评估和优化,能够解决现有临床决策支持***中针对特定领域的知识库存在的问题,检查规则的完备性,检出自身矛盾的规则,检出规则冲突,量化规则的一致性和实现规则不确定性的概率描述;有助于提高知识质量,从而提高临床决策支持***的决策支持水平。
Description
技术领域
本发明实施例涉及人工智能医疗技术领域,具体涉及一种数据驱动的临床决策支持***评估和优化的方法及***。
背景技术
专家***是一种模拟人类专家解决特定领域问题的智能计算机程序***,其内部含有相当于该领域专家水平的知识与经验,并在此基础上处理该领域的问题。专家***是人工智能非常活跃和重要的应用领域,经由专家***,人工智能实现了从理论研究走向实际应用、从一般推理策略转向运用专门知识的突破。
现有的临床决策支持***(CDSS)多为基于规则的专家***。临床决策支持***有两个核心组成部分:知识库和推理引擎。知识库用来存放专家提供的领域知识,通过完善知识库中的知识内容能够提高临床决策支持***的性能。临床决策支持***中运用得最为普遍的推理方式是产生式规则。产生式规则以如果(条件)…那么(结论)…的形式出现,条件与结论均可以通过逻辑运算“或”、“且”以及“非”进行复合。产生式规则可理解为:如果前提条件得到满足,就产生相应的结论。推理引擎主要模拟专家解决问题的思维方式。针对当前问题的条件或已知信息,反复匹配知识库中的规则,触发规则,获得建议结论,从而得到问题求解结果。临床决策支持***的最基本工作流程是:输入要解答的问题信息,推理引擎将输入的问题信息与知识库中各个规则的条件进行匹配,触发规则,并产生相应的建议结论。
知识库中知识的质量和数量决定着临床决策支持***的水平,但现有临床决策支持***的知识库往往在实际部署和使用中,会存在以下困难和问题:
第一、规则不完备,即在输入的某一些特定情况下,无法触发规则,因而无法给出结论;
第二、规则自身矛盾,即某一些规则的前提条件因制定不合理,自身存在矛盾,所以在任何输入情况下都不会被触发;
第三、规则冲突,即在输入的某一些特定情况下,会触发多条对应不同结论的规则,因而无法给出一致的结论;
第四、规则的一致性难以衡量,即当针对同一问题存在多个规则集合时,很难衡量不同的规则集合的一致性和相似性;
第五、缺乏对规则不确定性的概率描述,即通过规则得到的结论多为确定性的结论,难以反映真实世界中结论的不确定性和其概率分布。现有技术对这类问题的探讨较少,且缺乏统一的解决方案。
基于以上的问题,亟需一种数据驱动的临床决策支持***评估和优化的方法及***的技术方案。
发明内容
为此,本发明实施例提供一种数据驱动的临床决策支持***评估和优化的方法及***,以解决现有的临床决策支持***中针对特定领域的知识库存在的规则不完备、规则自身矛盾、规则冲突、规则的一致性难以衡量以及缺乏对规则不确定性的概率描述的问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,提供一种数据驱动的临床决策支持***评估和优化的方法,包括以下步骤:
添加需要评估和优化的针对同一医疗问题的一个或多个规则集合于临床决策支持***中,获取所述规则集合前件中的条件信息;
基于所述条件信息,准备真实世界中解决所述同一医疗问题的真实世界数据,所述真实世界数据包括患者信息和真实世界结论;
基于所述真实世界数据中每一个患者的患者信息,应用所述临床决策支持***得到建议结论,记录得到所述建议结论过程中触发的规则;
对单一规则集合进行评估和优化,包括:检验所述单一规则集合是否完备;检验所述单一规则集合是否存在规则冲突;评估建议结论与真实世界结论的一致性;针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;检验所述单一规则集合中是否出现未被触发的规则;
基于所述对单一规则集合进行评估和优化的步骤中计算的数据和记录的信息分别生成评估报告和优化方案。
进一步地,所述对单一规则集合进行评估和优化的步骤,还包括统计规则的触发情况。
进一步地,若所述临床决策支持***中的规则集合数量为多个时,还包括对多规则集合进行评估和优化,所述对多规则集合进行评估和优化,具体包括:将多个规则集合进行组合,形成规则集合对,对每一个所述规则集合对分别进行评估和优化;评估所述规则集合对中两个规则集合产生的建议结论是否相匹配;评估所述规则集合对中两个规则集合的建议结论与对应的真实世界结论的一致性。
进一步地,若所述临床决策支持***中的规则集合数量为多个时,还包括基于所述对多规则集合进行评估和优化的步骤中计算的数据和记录的信息分别生成评估报告和优化方案。
根据本发明实施例的第二方面,提供一种数据驱动的临床决策支持***评估和优化的***,包括:
配置模块:用于添加需要评估和优化的针对同一医疗问题的一个或多个规则集合于临床决策支持***中,获取所述规则集合前件中的条件信息;
准备模块:用于基于所述条件信息,准备真实世界中解决所述同一医疗问题的真实世界数据,所述真实世界数据包括患者信息和真实世界结论;
应用模块:用于基于所述真实世界数据中每一个患者的患者信息,应用所述临床决策支持***得到建议结论,记录得到所述建议结论过程中触发的规则;
评价和优化单一规则集合模块:用于对单一规则集合进行评估和优化,包括:检验所述单一规则集合是否完备;检验所述单一规则集合是否存在规则冲突;评估建议结论与真实世界结论的一致性;针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;检验所述单一规则集合中是否出现未被触发的规则;
生成模块:用于基于所述评价和优化单一规则集合模块中计算的数据和记录的信息分别生成评估报告和优化方案。
进一步地,所述评价和优化单一规则集合模块还用于统计规则的触发情况。
进一步地,若所述临床决策支持***中的规则集合数量为多个时,还包括评价和优化多规则集合模块,所述评价和优化多规则集合模块,用于对多规则集合进行评估和优化:
将多个规则集合进行组合,形成规则集合对,对每一个所述规则集合对分别进行评估和优化;评估所述规则集合对中两个规则集合产生的建议结论是否相匹配;评估所述规则集合对中两个规则集合的建议结论与对应的真实世界结论的一致性。
进一步地,若所述临床决策支持***中的规则集合数量为多个时,所述生成模块还用于基于所述对多规则集合进行评估和优化的步骤中计算的数据和记录的信息分别生成评估报告和优化方案。
根据本发明实施例的第三方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一项数据驱动的临床决策支持***评估和优化的方法的步骤。
根据本发明实施例的第四方面,提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一项数据驱动的临床决策支持***评估和优化的方法的步骤。
本发明实施例具有如下优点:通过使用真实世界数据从规则的完备性、准确性、一致性和不确定性的角度对现有的临床决策支持***进行评估和优化:检查规则的完备性:记录未能得到建议结论的患者的共性特征信息,在优化方案中建议增加针对该群患者的规则;检出自身矛盾的规则:检查由于规则前件中存在矛盾而不被触发的规则,将未被触发的规则加入到优化方案中建议检查核实;检出规则冲突:通过针对一个规则集合中触发了多于一条规则的患者,检查这些规则是否匹配,若不匹配,则为规则冲突,将相互冲突的规则加入到优化方案中建议核实;量化规则的一致性:通过评估建议结论与真实世界结论的一致性,计算所述单一规则集合和所述单一规则集合中每条规则的一致性百分比数据,记录一致性百分比数据低于设定阈值的规则信息并加入优化方案中建议核实;实现对规则不确定性的概率描述:针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息,在优化方案中推荐该建议结论加入不确定性的概率分布。本发明实施例能够解决现有的临床决策支持***中针对特定领域的知识库存在的问题,有助于提高知识质量,从而提高临床决策支持***的决策支持水平。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,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引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例中提供的一种数据驱动的临床决策支持***评估和优化的方法流程图;
图2为本发明实施例中提供的一种数据驱动的临床决策支持***评估和优化的***结构示意图;
图3为本发明实施例提供的一种电子设备结构示意图;
图中:210、配置模块;220、准备模块;230、应用模块;240、评价和优化单一规则集合模块;250、评价和优化多规则集合模块;260、生成模块;310、处理器;320、存储器;330、通信接口;340、通信总线。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种数据驱动的临床决策支持***评估和优化的方法,图1为本发明实施例提供的一种数据驱动的临床决策支持***评估和优化的方法流程图,参见图1,包括以下步骤:
S1、配置临床决策支持***:添加需要评估和优化的针对同一医疗问题的一个或多个规则集合于临床决策支持***中,获取所述规则集合前件中的条件信息;
具体地,例如,一个基本的2型糖尿病患者治疗的临床决策支持***可以根据《中国2型糖尿病防治指南(2017年版)》中的主要药物治疗路径得到。基于该指南,可以得到一套药物治疗规则集合作为该***的知识库。不同的指南或者医学教科书可以给出不同的规则集合,因此,针对同一医疗问题,如果存在多个解决该问题的规则集合,这些规则集合通常是知识来源不同。
需要说明的是,规则集合前件指每条规则的前提,条件信息是指年龄信息、血压值、血糖值等属性信息且规则集合中的每条规则的条件信息相同,例如,规则集合A中其中两条规则为:A-1为当血糖值小于7,则不服用药物;A-2为当血糖值大于7,则服用甲类药物;规则集合B中的其中一条规则为:当年龄大于50且血糖值大于6,则服用乙类药;因此获取到的规则集合A中的条件信息为血糖值,规则集合B中的条件信息为血糖值和年龄。
S2、准备真实世界数据:基于所述条件信息,准备真实世界中解决所述同一医疗问题的真实世界数据,所述真实世界数据包括患者信息和真实世界结论;
需要说明的是,所述真实世界数据要求是真实世界中解决同一医疗问题的数据,包括患者信息和真实世界结论。例如,为了评估和优化一个2型糖尿病患者治疗的临床决策支持***,需要的真实世界数据是临床中2型糖尿病患者的治疗情况,包括患者的情况信息和真实世界中医生所使用的治疗。
具体地,基于获取到的条件信息,对规则集合的条件信息取并集,步骤S1的说明例子中规则集合A和B中的条件信息取并集后得到的条件信息为血糖值和年龄,因此在准备患者信息时,患者信息中必须包括取得并集后的条件信息,以使所述临床决策支持***能正常运行。
S3、基于所述真实世界数据,应用所述临床决策支持***:基于所述真实世界数据中每一个患者的患者信息,应用所述临床决策支持***得到建议结论,记录得到所述建议结论过程中触发的规则;
具体地,例如,对于一个患者P1,在应用所述临床决策支持***后,根据两个不同规则集合A,B得到两条建议结论:触发A-2得到A(P1),触发B-1得到B(P1),这两条建议结论与真实世界结论RW(P1)将用于后续步骤中规则集合的评估和优化。当某一患者,使用某一规则集合无法触发规则给出建议结论或者触发同一规则集合中的多条规则给出多条建议结论时,则如实记录。
S4、评估和优化单一规则集合:对单一规则集合进行评估和优化。需要说明的是,步骤S4是针对每一个规则集合分别进行的。包括:
检验所述单一规则集合是否完备,计算得到建议结论的患者百分比数据,记录未得到建议结论的患者的共性特征信息;
具体地,针对真实世界数据中的每一个患者,检验所述单一规则集合是否都能触发规则,得到建议结论;计算得到建议结论的患者百分比数据,得到建议结论的患者百分比为得到建议结论的患者数与总患者数之比;记录未得到建议结论的患者的共性特征信息:针对未能得到建议结论的患者,将采取数据挖掘的方式提取出这群患者的共性特征,从而在优化方案中建议增加针对该群患者的规则。
检验所述单一规则集合是否存在规则冲突,计算出现规则冲突的患者百分比数据,记录相互冲突的规则信息;
具体地,针对在所述单一规则集合中触发了多于一条规则的患者,检验这些触发的规则给出的建议结论之间是否匹配,若不匹配,则记为规则冲突;其中,匹配的标准为:若建议结论与建议结论之间为相同或者包含或者包含于的关系,则两个建议结论相匹配。计算出现规则冲突的患者百分比数据,出现规则冲突的患者百分比为出现规则冲突的患者数与总患者数之比;记录相互冲突的规则信息与发生冲突的频率,其中发生冲突的频率为所述单一规则集合中发生规则冲突的频数与总患者数之比。
评估建议结论与真实世界结论的一致性,计算所述单一规则集合和所述单一规则集合中每条规则的一致性百分比数据,记录一致性百分比数据低于设定阈值的规则信息;
具体地,在排除因规则不完备而没有得到建议结论的患者和因规则冲突而有多条不匹配的建议结论的患者后,评估其余患者的建议结论和真实世界结论的一致性;其中,一致性的标准为:若建议结论与真实世界结论之间为相同或者包含或者包含于的关系,则建议结论和真实世界结论相一致;计算所述单一规则集合和所述单一规则集合中每条规则的一致性百分比数据:所述单一规则集合一致性百分比为触发该规则集合且该规则集合产生的建议结论具有一致性的患者数与触发该规则集合的患者数之比;所述单一规则集合中每条规则的一致性百分比为触发该条规则且该条规则产生的建议结论具有一致性的患者数与触发该条规则的患者数之比。
针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;
具体地,例如,若建议结论为“该患者应该采取基础胰岛素(中效或长效胰岛素类似物)或预混人胰岛素进行治疗”,则统计真实世界数据中使用基础胰岛素(中效或长效胰岛素类似物)和预混人胰岛素两种方案的比例。这些分布将加入优化方案,推荐对该建议结论加入不确定性的概率分布信息。
检验所述单一规则集合中是否出现未被触发的规则,计算未被触发的规则百分比数据,记录未被触发的规则信息;
需要说明的是,未被触发的规则可能是因为数据中不存在符合条件的患者,也有可能因为规则的制订过程中前提存在矛盾,从而不可能被触发,例如:若某条规则中同时将BMI<18.5和超重作为前提条件,则因为规则本身自相矛盾而不会被触发。
具体地,计算未被触发的规则百分比数据:未被触发的规则百分比为未被触发的规则数与该规则集合中所有规则数之比。
S5、评估和优化多规则集合:若所述临床决策支持***中的规则集合数量为多个时,对多规则集合进行评估和优化:将多个规则集合进行组合,形成规则集合对,对每一个所述规则集合对分别进行评估和优化;
具体地,例如,若存在三个不同规则集合A、B、C,将通过组合产生三个规则集合对:(A,B)、(A,C)、(B,C)。
评估所述规则集合对中两个规则集合产生的建议结论的是否匹配,计算所述规则集合对产生的相匹配的建议结论百分比数据,记录建议结论不匹配的患者的共性特征信息;
具体地,计算所述规则集合对产生的相匹配的建议结论百分比数据:所述规则集合对产生的相匹配的建议结论百分比为触发所述规则集合对产生的相匹配的建议结论的患者数与触发所述规则集合对产生的建议结论的患者数之比;针对建议结论不匹配的患者,将采取数据挖掘的方式提取出这群患者的共性特征,从而在优化方案中建议针对该群患者,核实两个规则集合的差异性和合理性。
评估所述规则集合对中两个规则集合的建议结论与对应的真实世界结论的一致性,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;
具体地,对于所述规则集合对中产生的不匹配的建议结论的患者,评估两个建议结论与真实世界结论的一致性。例如A-2的建议结论为服用甲类药物,B-1的建议结论为服用乙类药物,真实世界结论为服用甲类或乙类药物,且真实世界服用甲类和乙类药物的患者比例接近为1:1,则认为所述规则集合对中产生的不匹配的建议结论与真实世界结论相一致,在优化方案中加入所述规则集合对中产生的不匹配的建议结论的修改意见,A-2和B-1的建议结论修改为服用甲类药物或乙类药物,并增加真实世界结论中的不确定性概率的描述;若真实世界服用甲类和乙类药物的患者比例为1:9,则认为所述规则集合对中产生的不匹配的建议结论与真实世界结论的一致性有明显差异,在优化方案中建议修改一致性明显较差的规则集合,其中对于一致性是否有明显差异的判断,根据实际应用中设定的阈值进行比较。
S6、生成评估报告和优化方案:基于所述步骤S4和S5中计算的数据和记录的信息分别生成评估报告和优化方案;
其中,若所述临床决策支持***中的规则集合数量为一个时,则不执行步骤S5。
本发明实施例提供的一种数据驱动的临床决策支持***评估和优化的方法,通过使用真实世界数据从规则的完备性、准确性、一致性和不确定性的角度对现有的临床决策支持***进行评估和优化:检查规则的完备性:记录未能得到建议结论的患者的共性特征信息,在优化方案中建议增加针对该群患者的规则;检出自身矛盾的规则:检查由于规则前件中存在矛盾而不被触发的规则,将未被触发的规则加入到优化方案中建议检查核实;检出规则冲突:通过针对一个规则集合中触发了多于一条规则的患者,检查这些规则是否匹配,若不匹配,则为规则冲突,将相互冲突的规则加入到优化方案中建议核实;量化规则的一致性:通过评估建议结论与真实世界结论的一致性,计算所述单一规则集合和所述单一规则集合中每条规则的一致性百分比数据,记录一致性百分比数据低于设定阈值的规则信息并加入优化方案中建议核实;实现对规则不确定性的概率描述:针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息,在优化方案中推荐该建议结论加入不确定性的概率分布。本发明实施例能够解决现有的临床决策支持***中针对特定领域的知识库存在的问题,有助于提高知识质量,从而提高临床决策支持***的决策支持水平。
在本发明上述实施例的基础上,提供一种数据驱动的临床决策支持***评估和优化的方法,所述步骤S4,还包括统计规则的触发情况,计算所述对单一规则集合中每条规则的触发频率数据,记录触发频率大于设定阈值的规则信息。
具体地,计算所述对单一规则集合中每条规则的触发频率数据:所述对单一规则集合中每条规则的触发频率为触发该条规则的患者数与总患者数之比。
需要说明的是,理想情况下规则的使用应较为平衡,若有规则使用频率过大过于集中,则认为有细化的空间,将这些建议细化的规则加入优化方案。
本发明实施例提供的一种数据驱动的临床决策支持***评估和优化的方法,通过使用真实世界数据从规则的完备性、准确性、一致性和不确定性的角度对现有的临床决策支持***进行评估和优化,能够解决现有的临床决策支持***中针对特定领域的知识库存在的问题,检查规则的完备性,检出自身矛盾的规则,检出规则冲突,量化规则的一致性和实现对规则不确定性的概率描述;有助于提高知识质量,为规则的优化、细化和整合提供建议和方案,从而提高临床决策支持***的决策支持水平。
本发明实施例提供一种数据驱动的临床决策支持***评估和优化的***,图2为本发明实施例中提供的一种数据驱动的临床决策支持***评估和优化的***结构示意图,参见图2,包括:
配置模块210:用于添加需要评估和优化的针对同一医疗问题的一个或多个规则集合于临床决策支持***中,获取所述规则集合前件中的条件信息;
准备模块220:用于基于所述条件信息,准备真实世界中解决所述同一医疗问题的真实世界数据,所述真实世界数据包括患者信息和真实世界结论;
应用模块230:用于基于所述真实世界数据中每一个患者的患者信息,应用所述临床决策支持***得到建议结论,记录得到所述建议结论过程中触发的规则;
评价和优化单一规则集合模块240:用于对单一规则集合进行评估和优化,包括:检验所述单一规则集合是否完备,计算得到建议结论的患者百分比数据,记录未得到建议结论的患者的共性特征信息;检验所述单一规则集合是否存在规则冲突,计算出现规则冲突的患者百分比数据,记录相互冲突的规则信息;评估建议结论与真实世界结论的一致性,计算所述单一规则集合和所述单一规则集合中每条规则的一致性百分比数据,记录一致性百分比数据低于设定阈值的规则信息;针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;检验所述单一规则集合中是否出现未被触发的规则,计算未被触发的规则百分比数据,记录未被触发的规则信息;
评价和优化多规则集合模块250:用于对多规则集合进行评估和优化:将多个规则集合进行组合,形成规则集合对,对每一个所述规则集合对分别进行评估和优化;评估所述规则集合对中两个规则集合产生的建议结论是否相匹配,计算所述规则集合对产生的相匹配的建议结论百分比数据,记录建议结论不匹配的患者的共性特征信息;评估所述规则集合对中两个规则集合的建议结论与对应的真实世界结论的一致性,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;
生成模块260:用于基于所述评价和优化单一规则集合模块240和所述评价和优化多规则集合模块250中计算的数据和记录的信息分别生成评估报告和优化方案。
本发明实施例提供的一种数据驱动的临床决策支持***评估和优化的***,通过使用真实世界数据从规则的完备性、准确性、一致性和不确定性的角度对现有的临床决策支持***进行评估和优化:检查规则的完备性:记录未能得到建议结论的患者的共性特征信息,在优化方案中建议增加针对该群患者的规则;检出自身矛盾的规则:检查由于规则前件中存在矛盾而不被触发的规则,将未被触发的规则加入到优化方案中建议检查核实;检出规则冲突:通过针对一个规则集合中触发了多于一条规则的患者,检查这些规则是否匹配,若不匹配,则为规则冲突,将相互冲突的规则加入到优化方案中建议核实;量化规则的一致性:通过评估建议结论与真实世界结论的一致性,计算所述单一规则集合和所述单一规则集合中每条规则的一致性百分比数据,记录一致性百分比数据低于设定阈值的规则信息并加入优化方案中建议核实;实现对规则不确定性的概率描述:针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息,在优化方案中推荐该建议结论加入不确定性的概率分布。本发明实施例能够解决现有的临床决策支持***中针对特定领域的知识库存在的问题,有助于提高知识质量,从而提高临床决策支持***的决策支持水平。
在本发明上述实施例的基础上,提供一种数据驱动的临床决策支持***评估和优化的***,所述评价和优化单一规则集合模块240还用于:统计规则的触发情况,计算所述对单一规则集合中每条规则的触发频率数据,记录触发频率大于设定阈值的规则信息。
本发明实施例提供的一种数据驱动的临床决策支持***评估和优化的***,通过使用真实世界数据从规则的完备性、准确性、一致性和不确定性的角度对现有的临床决策支持***进行评估和优化,能够解决现有的临床决策支持***中针对特定领域的知识库存在的问题,检查规则的完备性,检出自身矛盾的规则,检出规则冲突,量化规则的一致性和实现对规则不确定性的概率描述;有助于提高知识质量,为规则的优化、细化和整合提供建议和方案,从而提高临床决策支持***的决策支持水平。
图3示例了一种电子设备的结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、存储器(memory)320、通信接口(Communications Interface)330和通信总线340,其中,处理器310,存储器320,通信接口330通过通信总线340完成相互间的通信。处理器310可以调用存储器320中的逻辑指令,以执行如下方法:配置临床决策支持***;准备真实世界数据;基于所述真实世界数据,应用所述临床决策支持***;评估和优化单一规则集合;评估和优化多规则集合;生成评估报告和优化方案。
此外,上述的存储器320中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种数据驱动的临床决策支持***评估和优化的方法,其特征在于,包括以下步骤:
添加需要评估和优化的针对同一医疗问题的一个或多个规则集合于临床决策支持***中,获取所述规则集合前件中的条件信息;
基于所述条件信息,准备真实世界中解决所述同一医疗问题的真实世界数据,所述真实世界数据包括患者信息和真实世界结论;
基于所述真实世界数据中每一个患者的患者信息,应用所述临床决策支持***得到建议结论,记录得到所述建议结论过程中触发的规则;
对单一规则集合进行评估和优化,包括:检验所述单一规则集合是否完备;检验所述单一规则集合是否存在规则冲突;评估建议结论与真实世界结论的一致性;针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;检验所述单一规则集合中是否出现未被触发的规则;
基于所述对单一规则集合进行评估和优化的步骤中计算的数据和记录的信息分别生成评估报告和优化方案。
2.根据权利要求1所述的数据驱动的临床决策支持***评估和优化的方法,其特征在于,所述对单一规则集合进行评估和优化的步骤,还包括统计规则的触发情况。
3.根据权利要求2所述的数据驱动的临床决策支持***评估和优化的方法,其特征在于,若所述临床决策支持***中的规则集合数量为多个时,还包括对多规则集合进行评估和优化,所述对多规则集合进行评估和优化,具体包括:
将多个规则集合进行组合,形成规则集合对,对每一个所述规则集合对分别进行评估和优化;评估所述规则集合对中两个规则集合产生的建议结论是否相匹配;评估所述规则集合对中两个规则集合的建议结论与对应的真实世界结论的一致性。
4.根据权利要求3所述的数据驱动的临床决策支持***评估和优化的方法,其特征在于,若所述临床决策支持***中的规则集合数量为多个时,还包括基于所述对多规则集合进行评估和优化的步骤中计算的数据和记录的信息分别生成评估报告和优化方案。
5.一种数据驱动的临床决策支持***评估和优化的***,其特征在于,包括:
配置模块:用于添加需要评估和优化的针对同一医疗问题的一个或多个规则集合于临床决策支持***中,获取所述规则集合前件中的条件信息;
准备模块:用于基于所述条件信息,准备真实世界中解决所述同一医疗问题的真实世界数据,所述真实世界数据包括患者信息和真实世界结论;
应用模块:用于基于所述真实世界数据中每一个患者的患者信息,应用所述临床决策支持***得到建议结论,记录得到所述建议结论过程中触发的规则;
评价和优化单一规则集合模块:用于对单一规则集合进行评估和优化,包括:检验所述单一规则集合是否完备;检验所述单一规则集合是否存在规则冲突;评估建议结论与真实世界结论的一致性;针对所述单一规则集合产生的存在“或”关系的建议结论,统计并记录对应的真实世界数据中真实世界结论的实际概率分布信息;检验所述单一规则集合中是否出现未被触发的规则;
生成模块:用于基于所述评价和优化单一规则集合模块中计算的数据和记录的信息分别生成评估报告和优化方案。
6.根据权利要求5所述的数据驱动的临床决策支持***评估和优化的***,其特征在于,所述评价和优化单一规则集合模块还用于:统计规则的触发情况。
7.根据权利要求6所述的数据驱动的临床决策支持***评估和优化的***,其特征在于,若所述临床决策支持***中的规则集合数量为多个时,还包括评价和优化多规则集合模块,所述评价和优化多规则集合模块用于:将多个规则集合进行组合,形成规则集合对,对每一个所述规则集合对分别进行评估和优化;评估所述规则集合对中两个规则集合产生的建议结论是否相匹配;评估所述规则集合对中两个规则集合的建议结论与对应的真实世界结论的一致性。
8.根据权利要求7所述的数据驱动的临床决策支持***评估和优化的***,其特征在于,若所述临床决策支持***中的规则集合数量为多个时,所述生成模块还用于基于所述对多规则集合进行评估和优化的步骤中计算的数据和记录的信息分别生成评估报告和优化方案。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述数据驱动的临床决策支持***评估和优化的方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述数据驱动的临床决策支持***评估和优化的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910677243.1A CN110428898A (zh) | 2019-07-25 | 2019-07-25 | 数据驱动的临床决策支持***评估和优化的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910677243.1A CN110428898A (zh) | 2019-07-25 | 2019-07-25 | 数据驱动的临床决策支持***评估和优化的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110428898A true CN110428898A (zh) | 2019-11-08 |
Family
ID=68410818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910677243.1A Pending CN110428898A (zh) | 2019-07-25 | 2019-07-25 | 数据驱动的临床决策支持***评估和优化的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428898A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096795A (zh) * | 2019-12-23 | 2021-07-09 | 四川医枢科技股份有限公司 | 多源数据辅助的临床决策支持***及方法 |
CN113450904A (zh) * | 2020-03-24 | 2021-09-28 | 北京平安联想智慧医疗信息技术有限公司 | 用于评估医疗行为的设备、***和方法 |
CN117393151A (zh) * | 2023-11-29 | 2024-01-12 | 重庆医科大学 | 一种临床快速循证决策***及方法 |
CN117596041A (zh) * | 2023-11-21 | 2024-02-23 | 深圳市马博士网络科技有限公司 | 一种检测安全规则有效性的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070094227A1 (en) * | 2005-10-12 | 2007-04-26 | General Electric Company | System and method for clinical decision support |
CN103339631A (zh) * | 2010-12-03 | 2013-10-02 | 皇家飞利浦电子股份有限公司 | 医学信息***规则集创建和/或评估图形用户界面 |
CN107463783A (zh) * | 2017-08-16 | 2017-12-12 | 安徽影联乐金信息科技有限公司 | 一种临床决策支持***和决策方法 |
CN109997201A (zh) * | 2016-11-03 | 2019-07-09 | 皇家飞利浦有限公司 | 针对多种医学知识模块的利用数据驱动方法的精确临床决策支持 |
-
2019
- 2019-07-25 CN CN201910677243.1A patent/CN110428898A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070094227A1 (en) * | 2005-10-12 | 2007-04-26 | General Electric Company | System and method for clinical decision support |
CN103339631A (zh) * | 2010-12-03 | 2013-10-02 | 皇家飞利浦电子股份有限公司 | 医学信息***规则集创建和/或评估图形用户界面 |
CN109997201A (zh) * | 2016-11-03 | 2019-07-09 | 皇家飞利浦有限公司 | 针对多种医学知识模块的利用数据驱动方法的精确临床决策支持 |
CN107463783A (zh) * | 2017-08-16 | 2017-12-12 | 安徽影联乐金信息科技有限公司 | 一种临床决策支持***和决策方法 |
Non-Patent Citations (2)
Title |
---|
娄岩: "《智能医学概论》", 31 October 2018, 中国铁道出版社 * |
宋万女: "《信息技术应用研究》", 31 May 2018, 中国商业出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096795A (zh) * | 2019-12-23 | 2021-07-09 | 四川医枢科技股份有限公司 | 多源数据辅助的临床决策支持***及方法 |
CN113096795B (zh) * | 2019-12-23 | 2023-10-03 | 四川医枢科技有限责任公司 | 多源数据辅助的临床决策支持***及方法 |
CN113450904A (zh) * | 2020-03-24 | 2021-09-28 | 北京平安联想智慧医疗信息技术有限公司 | 用于评估医疗行为的设备、***和方法 |
CN117596041A (zh) * | 2023-11-21 | 2024-02-23 | 深圳市马博士网络科技有限公司 | 一种检测安全规则有效性的方法及装置 |
CN117393151A (zh) * | 2023-11-29 | 2024-01-12 | 重庆医科大学 | 一种临床快速循证决策***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10311975B2 (en) | Rules-based system for care management | |
US20220084664A1 (en) | Dynamic health records | |
CN110428898A (zh) | 数据驱动的临床决策支持***评估和优化的方法及*** | |
Halpern et al. | Health and economic outcomes modeling practices: a suggested framework | |
Marceglia et al. | A standards-based architecture proposal for integrating patient mHealth apps to electronic health record systems | |
Bromuri et al. | An expert personal health system to monitor patients affected by gestational diabetes mellitus: a feasibility study | |
Lutze | Digital twins in ehealth–: Prospects and challenges focussing on information management | |
Martínez-Romero et al. | The iOSC3 system: Using ontologies and SWRL rules for intelligent supervision and care of patients with acute cardiac disorders | |
US10642957B1 (en) | Systems and methods for determining, collecting, and configuring patient intervention screening information from a pharmacy | |
CN110163844A (zh) | 眼底病灶检测方法、装置、计算机设备及存储介质 | |
CN109243592A (zh) | 基于人工智能的医疗项目使用异常检测方法及相关装置 | |
CN110211704A (zh) | 开放问题的引擎方法及服务器 | |
Haroz et al. | Comparing the predictive value of screening to the use of electronic health record data for detecting future suicidal thoughts and behavior in an urban pediatric emergency department: a preliminary analysis | |
US20210074420A1 (en) | Population health platform | |
CN114342001A (zh) | 包含与高血压治疗相关的专业知识在内的人工智能*** | |
Seid et al. | A collaborative learning health system agent‐based model: computational and face validity | |
Bas | STPA methodology in a socio-technical system of monitoring and tracking diabetes mellitus | |
CA3027949A1 (en) | Systems and methods for predicting healthcare outcomes based on semantic relationships | |
US20220367016A1 (en) | Dynamic health records | |
CN110070925A (zh) | 一种电子病历的生成方法、装置及电子设备 | |
Pierotti | What is PDGM? | |
CN115148321B (zh) | 处方平台及其处方监管方法 | |
Chan et al. | Understanding the challenges with medical data segmentation for privacy | |
CN113076486B (zh) | 药物信息推送方法、装置、计算机设备及存储介质 | |
Mukherjee et al. | Polaris: A Safety-focused LLM Constellation Architecture for Healthcare |
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: 20191108 |
|
RJ01 | Rejection of invention patent application after publication |