CN110675958A - 一种肿瘤治疗方案判线方法及装置 - Google Patents
一种肿瘤治疗方案判线方法及装置 Download PDFInfo
- Publication number
- CN110675958A CN110675958A CN201910819511.9A CN201910819511A CN110675958A CN 110675958 A CN110675958 A CN 110675958A CN 201910819511 A CN201910819511 A CN 201910819511A CN 110675958 A CN110675958 A CN 110675958A
- Authority
- CN
- China
- Prior art keywords
- data
- intermediate data
- medication
- key
- judgment
- 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.)
- Granted
Links
Images
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种肿瘤治疗方案判线方法及装置,其方法包括:获取肿瘤治疗方案的用药明细;获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据;根据第二预设条件,对所述中间数据进行融合,以获得判线数据;根据所述判线数据,获取肿瘤诊疗方案的换线结果。本发明提供的肿瘤治疗方案判线方法可以快速完成肿瘤治疗方案的判线,不仅可以有效提高工作效率,而且摒除了人工干预,有助于提高判线准确率。
Description
技术领域
本发明涉及医疗数据挖掘技术领域,尤其涉及一种肿瘤治疗方案判线方法及装置。
背景技术
对于肿瘤患者的用药分析是寻求患者是否满足招募条件的重要切入点,同样更是医学界作为改善、变革药理学的重要依据。但是受限于治疗过程的复杂性和患者迅速改变的身体状况等一系列现实因素,仅通过传统方法进行用药分析显然已经无法便捷有效解决什么样的用药组合更为有效等一系列问题。
大部分晚期肿瘤患者,化疗和靶向治疗是非常重要的治疗方法,但是对于晚期肿瘤患者,在使用特定化疗/靶向药物(下文统称治疗方案)一段时间后,通常会出现病情恶化或药物不耐受的情况。一旦出现此种情况,医生通常会为患者更换治疗方案。这种治疗方案的更换,在肿瘤学中被***衡点,真正实现医疗大数据在临床治疗中充分实现可参考性、可延展性的特征。
治疗方案“换线”的定义规范在实际临床工作中很少被明确记录,这主要还是受限于医生记录习惯等因素。这就直接导致在医疗数据分析过程中需要投入大量的医学人力进行人工翻阅、整理、组织患者的诊疗过程中所涉及的病历,再结合指南归纳出可能的治疗方案及换线可能。例如,根据实际经验,一个专业医学人力每天大概能够组织整理20个左右肿瘤患者的治疗方案,且错误率基本在大于10%。当前主要的判线确认及相关数据统计工作一般是通过医学专业人士浏览病历、医嘱等信息,同时辅之于Excel等工具进行手工记录、归纳、总结实现,不仅需要投入大量的人力,而且需要耗费大量的整理时间,并且由于人工判线难以避免主观因素的影响,导致判线效率低,准确率不高。
发明内容
本发明的目的在于提供一种肿瘤治疗方案判线方法及装置,以解决目前进行判线确认时效率低、准确率不高的技术问题。
第一方面,本发明提供了一种肿瘤治疗方案判线方法,其特征在于,包括:
获取肿瘤治疗方案的用药明细;
获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据;
根据第二预设条件,对所述中间数据进行融合,以获得判线数据;
根据所述判线数据,获取肿瘤诊疗方案的换线结果。
第二方面,本发明提供了一种肿瘤治疗方案判线装置,其特征在于,包括:
用药获取模块,用于获取肿瘤治疗方案的用药明细;
中间数据获取模块,用于获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据;
判线数据获取模块,用于根据第二预设条件,对所述中间数据进行融合,以获得判线数据;
换线结果获取模块,用于根据所述判线数据,获取肿瘤诊疗方案的换线结果。
第三方面,本发明提供了一种可读介质,包括执行指令,当电子设备的处理器执行所述指令时,所述电子设备执行如第一方面所述的肿瘤治疗方案判线方法。
第四方面,本发明提供了一种电子设备,包括:处理器、存储器和总线;所述存储器用于存储执行指令所述处理器与所述存储器通过所述总线连接,当所述电子设备运行时,所述处理器执行所述存储器的所述执行指令,以使所述处理器执行如第一方面所述的肿瘤治疗方案判线方法。
本发明提供的肿瘤治疗方案判线方法及装置的有益效果至少在于:通过获取肿瘤治疗方案的关键用药信息采集肿瘤治疗方案的用药明细,创建患者维度时可以包含关键用药的处方时间轴信息,对所述用药信息中处方时间轴上的关键用药进行融合,生成治疗方案维度的用药信息,最终实现通过治疗方案维度的用药信息快速识别不同治疗方案以及快速识别换线,从而获取肿瘤治疗方案的换线结果,快速完成肿瘤治疗方案的判线,不仅可以有效提高工作效率,而且摒除了人工干预,有助于提高判线准确率。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案,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中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的肿瘤治疗方案判线方法的流程示意图;
图2为本发明一实施例提供的肿瘤治疗方案判线方法中获取肿瘤治疗方案的用药明细的流程示意图;
图3为本发明一实施例提供的肿瘤治疗方案判线方法中获得中间数据的一种流程示意图;
图4为本发明一实施例提供的肿瘤治疗方案判线方法中获得中间数据的另一种流程示意图;
图5为本发明另一实施例提供的肿瘤治疗方案判线方法中获得判线数据的流程示意图;
图6为本发明一实施例提供的肿瘤治疗方案判线装置的结构示意图;
图7为适于用来实现本发明实施例的电子设备的结构示意图。
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,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
本说明书实施例中所描述的本发明的肿瘤治疗方案判线方法及装置用于肿瘤临床治疗的用药分析中,利用数据挖掘技术对关键用药进行配置,以实现判线自动化。
如图1所示,为本发明实施例提供的肿瘤治疗方案判线方法的流程示意图,包括:
步骤S10:获取肿瘤治疗方案的用药明细。
在本实施例中,肿瘤治疗方案的用药明细,可以是肿瘤治疗方案所对应的关键用药的集合,从而可以知道针对每种肿瘤的治疗方案中所涉及的关键用药。
步骤S30:获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据。
在本实施例中,所述原始就诊数据可以包括就诊时间、就诊类型、就诊科室、是否为首次就诊、关键用药和诊断信息等,可以根据其中的一项对所获取的多组原始就诊数据进行排序,选择排序的方式不同,即意味着第一预设条件的不同,例如可以以就诊时间为维度对所述原始就诊数据进行排序,生成患者维度的处方时间轴信息(即中间数据)。
需要说明的是,在实际获取中,即使患者在某次就诊中没有处方关键用药,但是本次就诊的某些关键指标还是可以会被获取,例如:诊疗过程、病例特点等指标,不会因为关键用药字段为空而跳过某条患者的就诊数据,也即在获取患者就诊数据时并不将关键用药作为参考项。可选地,以患者维度包含关键用药的中间数据通常以二维表形式存放,为后续进行关键用药融合提供参考项。
步骤S50:根据第二预设条件,对所述中间数据进行融合,以获得判线数据。在本实施例中,获取肿瘤治疗方案的用药明细的数据可以来源于肿瘤治疗用药指南中记载的治疗方案及用药信息,以及不同医院中临床治疗病例记录信息。步骤S50中对中间数据进行融合后生成的治疗方案维度的用药信息作为判线数据,具有明确的换线标识,有助于方便快速精准地进行判线。
步骤S70:根据所述判线数据,获取肿瘤诊疗方案的换线结果。
由于步骤S50中获得的判线数据具有明确的换线标识,因此可以利用机器学习自动进行换线结果的判定,而无需人工进行。
目前进行判线确定时,通常采用人工的方式进行,具体表现为以下不足:
(1)即使专业的临床医生,平均阅读一位患者病历的时间也需要5-10分钟(不包含医嘱等、检验检查等其他信息),根本无法在短时间内整理出真实有指导意义的治疗方案及特点,导致判线耗时长;
(2)由于判线规则复杂,同时整理耗时长,专业的临床医生在长时间高强度的判线工作中,也会大概率出现误判,误判率高,导致判线效率低;
(3)人工判线时,由于不能避免的主观因素,规则拿捏存在差异,导致最终判线的不一致,增大结果的偏差,标准不统一,导致判线准确率不高。
本实施例提供的肿瘤治疗方案判线方法的有益效果至少在于:本实施例通过获取肿瘤治疗方案的关键用药信息采集肿瘤治疗方案的用药明细,创建患者维度时可以包含关键用药的处方时间轴信息,对所述用药信息中处方时间轴上的关键用药进行融合,生成治疗方案维度的用药信息,最终实现通过治疗方案维度的用药信息快速识别不同治疗方案以及快速识别换线,从而获取肿瘤治疗方案的换线结果,快速完成肿瘤治疗方案的判线,不仅可以有效提高工作效率,而且摒除了人工干预,有助于提高判线准确率。
如图2所示,为本发明一实施例提供的肿瘤治疗方案判线方法中获取肿瘤治疗方案的用药明细的流程示意图,步骤S10中获取肿瘤治疗方案的用药明细具体可以通过以下方式实现:
步骤S101:获取关键用药与肿瘤治疗方案的映射关系。
具体地,在实际应用中可以根据肿瘤治疗用药指南中给出的各种治疗方案,利用大数据分析处理技术归纳总结出关键用药和各肿瘤治疗方案的映射关系词典。
步骤S102:根据所述映射关系,获取肿瘤治疗方案的关键用药的集合。
在获得了关键用药和各肿瘤治疗方案的映射关系后,根据映射关系词典获取不同治疗方案的关键用药,对上述不同肿瘤治疗方案的关键用药汇总并进行去重后,可以得到肿瘤治疗方案的关键用药的集合。
例如,通过关键用药组合与治疗方案的映射关系词典可以获取到肿瘤治疗方案中CapeOx方案和CapeOx+贝伐珠单抗联合用药方案等治疗方案,其中CapeOx方案对应的用药有:奥沙利铂、卡培他滨;CapeOx+贝伐珠单抗联合用药方案的用药有:奥沙利铂、卡培他滨、贝伐珠单抗。对获取到肿瘤治疗的所有治疗方案所包含的关键用药进行汇总去重后,可以得到关键用药的集合包括:奥沙利铂、LV、5-FU、贝伐珠单抗、西妥昔单抗、卡培他滨、伊立替康、顺铂、依托泊苷、瑞戈非尼、阿帕替尼等。
步骤S103:根据所述关键用药的分类信息,对所述关键用药的基本信息进行归一处理,以获得所述肿瘤治疗方案的用药明细。
在本实施例中,关键用药的分类信息为关键用药对应的ATC(Anatomical-Therapeutic-Chemical,解剖-治疗-化学的药物分类***)分类信息。根据关键用药的ATC分类信息,对关键用药进行外延扩展,以ATC分类作为实际用药信息抽取的首选维度。
例如:上述治疗方案对应的关键用药对应ATC二级分类为:L01(抗肿瘤药)、L02(内分泌疗法)。通过以ATC二级分类进行对治疗方案关键用药的外延扩展,以此实现对治疗方案、药物名称归一策略的反向核查,保证判线时对治疗方案进行是否相同的判断更加准确。对于ATC分类无法涵盖的特殊药物(如:阿帕替尼等),如某些没有进院或临时采购的药物通过有限的特定字段(如:出院小结等)中抽取得到,并独立成一类。在实际对关键用药的商品名和成分名等基本信息处理的过程中,可以在外延扩展得到的所有关键用药集合的基础上,采用构建训练集、机器学习来计算相似度(如:拼音相似度等)的方法实现关键用药的项目级归一。
本实施例通过去重汇总等方式获得肿瘤治疗方案的关键用药的集合,对治疗方案关键用药的外延扩展,可以获得更加详细、全面、准确的肿瘤治疗方案用药明细;通过ATC分类信息,利用大数据挖掘计算可以直接获取以原始医疗数据输入的用药信息,有助于快速产出判线依据及结果。
如图3所示,为本发明一实施例提供的肿瘤治疗方案判线方法中一种获得中间数据步骤的流程示意图。步骤S30包括:
步骤S301:获取患者维度的原始就诊数据。
如前文所述,原始就诊数据可以包括就诊时间、就诊类型、就诊科室、是否为首次就诊、关键用药和诊断信息等。即使患者在某次就诊中没有处方关键用药,但是本次就诊的某些关键指标还是可以会被获取,例如诊疗过程、病例特点等指标,不会因为关键用药字段为空而跳过某条患者的就诊数据。
步骤S302:根据预设信息,对所述原始就诊数据进行过滤。
在本实施例中,进行过滤的预设信息可以为关键用药剔除条件。根据关键用药剔除条件,查找所述原始就诊数据中不能作为治疗方案的关键用药。具体地,关键用药剔除条件可以包括:设定剔除关键用药的适用情形;根据所述剔除关键用药的适用情形创建对应字段。例如在某一个关键用药剔除条件配置文件中包括了情形描述、对应字段和处理方式三个参考项目,其中情形描述包括:放/化疗、局部化疗、临时采购药物等,放/化疗的对应字段为诊疗过程描述,相应的处理方式为剔除本次用药;局部化疗的对应字段为诊疗过程描述、手术名称、手术描述……,相应的处理方式为剔除本次用药;临时采购药物的对应字段为出院小结、诊疗过程描述……,相应的处理方式为剔除本次用药。
步骤S303:根据所述原始就诊数据中的就诊时间对所述原始就诊数据进行排序,以获得中间数据。
在剔除所述原始就诊数据中不能作为治疗方案的关键用药所对应的就诊数据后,再根据就诊时间对原始就诊数据进行排序,从而可以获得中间数据(即疗程维度的用药信息)。
当然,对原始就诊数据进行过滤的时间也可以在根据就诊时间进行排序之后。如图4所示,为本发明一实施例提供的肿瘤治疗方案判线方法中另一种获得中间数据步骤的流程示意图。步骤S30包括:
步骤S304:获取患者维度的原始就诊数据;
步骤S305:根据所述原始就诊数据中的就诊时间对所述原始就诊数据进行排序;
步骤S306:根据预设信息,对所述原始就诊数据进行过滤,以获得中间数据。
本实施例通过对关键用药信息进行配置,根据配置文件可以读取按照就诊时间顺序排列的原始就诊数据中的所有关键用药嘻嘻,从而能够快速筛选判线信息,有助于在短时间内整理出真实有指导意义的治疗方案及特点,为判线提供准确的数据处理基础。
如图5所示,为本发明一实施例提供的肿瘤治疗方案判线方法中第二预设条件,对所述中间数据进行融合,以获得判线数据的流程示意图。步骤S50具体可以通过以下方式实现:
步骤S501:获取时间窗内的所述中间数据。
此处的时间窗指的是预设的一个治疗方案的时间窗长度,该时间窗长度可以根据临床经验进行设置。例如对于实例中转移性结直肠癌的时间窗长度设置为9天,即一个治疗方案的时间窗长度。若连续的至少两个中间数据的就诊时间之差不大于9天,则意味着这些数据位于同一个时间窗内。当然,也可能存在相邻两个中间数据的就诊时间之差大于9天的情形,此时对应的时间窗内就只有一个中间数据。
当所述时间窗内所述中间数据的组数不小于两组时,则:
步骤S502:判断所述时间窗内不同组所述中间数据的关键用药是否相同。
读取按就诊时间排列的每条中间数据,如果在预设的时间窗长度范围内的关键用药相同,则该时间窗长度范围内的所有中间数据被认定为是同一个治疗方案。此时,则进行:
步骤S503:对该时间窗长度范围内的所有中间数据进行融合。
如果在预设的时间窗长度范围内的关键用药不相同,则可能意味着该时间窗长度范围内的所有中间数据不是同一个治疗方案,此时则无需进行融合。
进一步地,步骤S503之后还包括:
步骤S504:获取经过融合后的相邻中间数据之间的时间间隔。
此处时间间隔指的是相连中间数据的就诊时间之间的差值。
步骤S505:判断所述时间间隔是否小于预设用药间隔。
预设用药间隔指的是相邻中间数据之间最大时间间隔,通常是根据指南及实际临床经验设置的不同治疗方案之间最大用药时间间隔,例如示例转移性结直肠癌的最大时间间隔设置为25天,就诊时间间隔不大于25天的中间数据被认定为同一个治疗方案。而在获取中间数据的关键用药信息时,超过最大用药时间间隔的关键用药即使相同,也认定为两个治疗方案,即这种情形下,判线以预设的最大时间间隔为主要参考因素,关键用药信息不再作为主要考虑因素。
若所述时间间隔小于预设用药间隔,则进行:
步骤S506:进一步对所述中间数据进行融合。
进一步地,考虑到在实际判线过程中,由于数据采集可能存在缺陷,导致会产生疑似数据不完整的治疗方案,此时需要对这些疑似数据不完整的治疗方案进行替换。此时,步骤S506之后还包括:
步骤S507:判断经过融合的中间数据与其相邻的至少两组中间数据的关键用药是否相同。
当所选择的中间数据其相邻两侧均有其他中间数据时,此时需要判断的是与其相邻的两侧中间数据的关键用药是否相同。当所选择的中间数据位于开始或结尾处时,此时需要判断的是与其相邻的连续两组中间数据的关键用药是否相同。
若经过融合的中间数据与其相邻的至少两组中间数据的关键用药相同,则:
步骤S508:判断与选定的中间数据相邻的中间数据是否包含该中间数据的关键用药,即判断相邻的中间数据的关键用药是否包含疑似数据不完整的中间数据的关键用药。
如果相邻的中间数据的关键用药包含疑似数据不完整的中间数据的关键用药,此时认为其同属于一个治疗方案,则进行:
步骤S509:则用这两个治疗方案替换疑似数据不完整的治疗方案,从而将该中间数据与其相邻的至少两组中间数据进行融合,以获得判线数据。
本实施例通过对就诊时间排列上相邻两个中间数据对应的治疗方案进行关键用药信息判定,进一步解决了疑似数据不完整的治疗方案的判线问题,有助于提高判线的准确度。
进一步地,本发明一实施例提供的肿瘤治疗方案判线方法中获取肿瘤诊疗方案的换线结果的步骤具体可以通过以下方式实现:
判断相邻判线数据中的关键用药是否相同、连续多组判线数据的周期性是否满足第三预设条件、以及相邻判线数据对应的病情是否发生变化中的至少一种。
其中,若相邻所述判线数据中的关键用药不同,意味着治疗方案发生了变化,则可以确认肿瘤诊疗方案发生换线。
第三预设条件即为周期性明显,其可以通过机器学习统计相同且连续的相邻判线数据之间的日期间隔加上节假日容错性策略估算获得。当周期性不明显,则可以确认肿瘤诊疗方案发生换线。
当相邻判线数据对应的病情发生变化时,例如实际治疗方案已经从“结肠恶性肿瘤维持性化疗”转换到了“乙状结肠癌肝转移靶向治疗”,并且病情出现恶化,则确认肿瘤诊疗方案发生换线。
本实施例提供的肿瘤治疗方案判线方法的有益效果至少在于:
(1)简单通用:在肿瘤治疗方案判线工作中可以通过对关键用药的配置实现,方案可快速实现复制,有利于进行推广使用。
(2)准确性高:通过关键用药的分层提取归纳,能够在纷繁复杂的就诊数据中快速完成判线工作,以简单的机器学习代替人工判线,判线准确率能够得到保障。实际项目运用中,本实施例的判线准确率可以达到95.2%,对比人工判线准确率仅为87.7%(可通过抽取50个患者样本对比得到)。
(3)高效判线:直接以原始就诊数据作为输入,快速产出判线依据及结果。实际项目运用中,本实施例约20分钟完成13家医院全量约9000患者的判线工作,直接节省人力超过400人/天。
基于与本实施例方法实施例相同的构思,请参考图6,本发明实施例提供了一种肿瘤治疗方案判线装置,包括:用药获取模块801、中间数据获取模块803、判线数据获取模块805以及换线结果获取模块807。其中用药获取模块801用于获取肿瘤治疗方案的用药明细;中间数据获取模块803用于获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据;判线数据获取模块805用于根据第二预设条件,对所述中间数据进行融合,以获得判线数据;换线结果获取模块807用于根据所述判线数据,获取肿瘤诊疗方案的换线结果。
在一个实施例中,用药获取模块801包括映射关系获取单元、用药集合获取单元、用药明细获取单元,其中映射关系获取单元用于获取关键用药与肿瘤治疗方案的映射关系;用药集合获取单元用于根据所述映射关系,获取肿瘤治疗方案的关键用药的集合;用药明细获取单元用于根据所述关键用药的分类信息,对所述关键用药的基本信息进行归一处理,以获得所述肿瘤治疗方案的用药明细。
中间数据获取模块803包括就诊数据获取单元、过滤单元以及中间数据获取单元,其中就诊数据获取单元用于获取患者维度的原始就诊数据;过滤单元用于根据预设信息,对所述原始就诊数据进行过滤;中间数据获取单元用于根据所述原始就诊数据中的就诊时间对所述原始就诊数据进行排序,以获得中间数据。
判线数据获取模块805包括第一获取单元、第一判断单元、第一融合单元、第二获取单元、第二判断单元、第二融合单元、第三判断单元以及第三融合单元,其中第一获取单元用于获取时间窗内的所述中间数据;第一判断单元用于判断所述时间窗内不同组所述中间数据的关键用药是否相同;第一融合单元用于当不同组所述中间数据的关键用药相同时对所述中间数据进行融合。第二获取单元用于获取经过融合后的相邻中间数据之间的时间间隔;第二判断单元用于判断所述时间间隔是否小于预设用药间隔;第二融合单元用于当所述时间间隔小于所述预设用药间隔时进一步对所述中间数据进行融合。第三判断单元用于判断经过融合的中间数据与其相邻的至少两组中间数据的关键用药是否相同,以及与其相邻的中间数据是否包含所述中间数据的关键用药;第三融合单元用于将该中间数据与其相邻的至少两组中间数据进行融合。
图7是本发明的一个实施例电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-AccessMemory,RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(IndustryStandardArchitecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,也可从其它设备上获取相应的计算机程序,以在逻辑层面上形成肿瘤治疗方案判线装置。处理器,执行存储器所存放的程序,以通过执行的程序实现本发明任一实施例中提供的肿瘤治疗方案判线方法。
上述如本发明图1所示实施例提供的肿瘤治疗方案判线装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行本发明任一实施例中提供的肿瘤治疗方案判线方法。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元或模块分别描述。当然,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
内存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(flashRAM)。内存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。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明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,本发明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。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。
Claims (11)
1.一种肿瘤治疗方案判线方法,其特征在于,包括:
获取肿瘤治疗方案的用药明细;
获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据;
根据第二预设条件,对所述中间数据进行融合,以获得判线数据;
根据所述判线数据,获取肿瘤诊疗方案的换线结果。
2.根据权利要求1所述的肿瘤治疗方案判线方法,其特征在于,所述获取肿瘤治疗方案的用药明细,包括:
获取关键用药与肿瘤治疗方案的映射关系;
根据所述映射关系,获取肿瘤治疗方案的关键用药的集合;
根据所述关键用药的分类信息,对所述关键用药的基本信息进行归一处理,以获得所述肿瘤治疗方案的用药明细。
3.根据权利要求2所述的肿瘤治疗方案判线方法,其特征在于,所述根据所述映射关系,获取肿瘤治疗方案的关键用药的集合,包括:
根据所述映射关系,获取各所述肿瘤治疗方案的关键用药;
对不同所述肿瘤治疗方案的关键用药进行汇总并去重,以获得所述肿瘤治疗方案的关键用药的集合。
4.根据权利要求1所述的肿瘤治疗方案判线方法,其特征在于,所述获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据,包括:
获取患者维度的原始就诊数据;
根据预设信息,对所述原始就诊数据进行过滤;
根据所述原始就诊数据中的就诊时间对所述原始就诊数据进行排序,以获得中间数据;
或者,包括:
获取患者维度的原始就诊数据;
根据所述原始就诊数据中的就诊时间对所述原始就诊数据进行排序;
根据预设信息,对所述原始就诊数据进行过滤,以获得中间数据。
5.根据权利要求1所述的肿瘤治疗方案判线方法,其特征在于,根据第二预设条件,对所述中间数据进行融合,以获得判线数据,包括:
获取时间窗内的所述中间数据;
若所述时间窗内所述中间数据的组数不小于两组,则;
判断所述时间窗内不同组所述中间数据的关键用药是否相同;
若不同组所述中间数据的关键用药相同,则:
对所述中间数据进行融合。
6.根据权利要求5所述的肿瘤治疗方案判线方法,其特征在于,所述对所述中间数据进行融合步骤后,还包括:
获取经过融合后的相邻中间数据之间的时间间隔;
判断所述时间间隔是否小于预设用药间隔;
若所述时间间隔小于所述预设用药间隔,则:
进一步对所述中间数据进行融合。
7.根据权利要求6所述的肿瘤治疗方案判线方法,其特征在于,所述进一步对所述中间数据进行融合步骤后,还包括:
若经过融合的中间数据与其相邻的至少两组中间数据的关键用药相同,且与其相邻的中间数据包含所述中间数据的关键用药,则:
将该中间数据与其相邻的至少两组中间数据进行融合。
8.根据权利要求1所述的肿瘤治疗方案判线方法,其特征在于,所述根据所述判线数据,获取肿瘤诊疗方案的换线结果,包括:
判断相邻判线数据中的关键用药是否相同、连续多组判线数据的周期性是否满足第三预设条件、以及相邻判线数据对应的病情是否发生变化中的至少一种;
若相邻所述判线数据中的关键用药不同,或者连续多组判线数据的周期性不满足第三预设条件,或者相邻判线数据对应的病情发生变化,则:
确认肿瘤诊疗方案发生换线。
9.一种肿瘤治疗方案判线装置,其特征在于,包括:
用药获取模块,用于获取肿瘤治疗方案的用药明细;
中间数据获取模块,用于获取患者维度的原始就诊数据,并按照第一预设条件对所述原始就诊数据进行排序,以获得中间数据;
判线数据获取模块,用于根据第二预设条件,对所述中间数据进行融合,以获得判线数据;
换线结果获取模块,用于根据所述判线数据,获取肿瘤诊疗方案的换线结果。
10.一种可读介质,包括执行指令,当电子设备的处理器执行所述指令时,所述电子设备执行如权利要求1至8中任一所述的肿瘤治疗方案判线方法。
11.一种电子设备,包括:处理器、存储器和总线;
所述存储器用于存储执行指令所述处理器与所述存储器通过所述总线连接,当所述电子设备运行时,所述处理器执行所述存储器的所述执行指令,以使所述处理器执行如权利要求1至8中任一所述的肿瘤治疗方案判线方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910819511.9A CN110675958B (zh) | 2019-08-31 | 2019-08-31 | 一种肿瘤治疗方案判线方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910819511.9A CN110675958B (zh) | 2019-08-31 | 2019-08-31 | 一种肿瘤治疗方案判线方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110675958A true CN110675958A (zh) | 2020-01-10 |
CN110675958B CN110675958B (zh) | 2023-03-31 |
Family
ID=69076108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910819511.9A Active CN110675958B (zh) | 2019-08-31 | 2019-08-31 | 一种肿瘤治疗方案判线方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675958B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777995A (zh) * | 2016-12-22 | 2017-05-31 | 东软集团股份有限公司 | 诊疗数据的处理方法及装置 |
CN107451401A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医保智能审核方法和*** |
CN108806799A (zh) * | 2018-06-12 | 2018-11-13 | 天津开心生活科技有限公司 | 治疗模式分类模型的建立方法、装置、介质及电子设备 |
CN109378065A (zh) * | 2018-10-30 | 2019-02-22 | 医渡云(北京)技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN109448811A (zh) * | 2018-08-24 | 2019-03-08 | 康美药业股份有限公司 | 处方审核改进方法、装置、电子设备及存储介质 |
CN109598302A (zh) * | 2018-11-30 | 2019-04-09 | 平安医疗健康管理股份有限公司 | 就诊费用预测方法、装置、设备及计算机可读存储介质 |
CN109637615A (zh) * | 2018-11-30 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
CN109636650A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 用药方案异常的识别方法、装置、终端及可读存储介质 |
-
2019
- 2019-08-31 CN CN201910819511.9A patent/CN110675958B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777995A (zh) * | 2016-12-22 | 2017-05-31 | 东软集团股份有限公司 | 诊疗数据的处理方法及装置 |
CN107451401A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医保智能审核方法和*** |
CN108806799A (zh) * | 2018-06-12 | 2018-11-13 | 天津开心生活科技有限公司 | 治疗模式分类模型的建立方法、装置、介质及电子设备 |
CN109448811A (zh) * | 2018-08-24 | 2019-03-08 | 康美药业股份有限公司 | 处方审核改进方法、装置、电子设备及存储介质 |
CN109378065A (zh) * | 2018-10-30 | 2019-02-22 | 医渡云(北京)技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN109598302A (zh) * | 2018-11-30 | 2019-04-09 | 平安医疗健康管理股份有限公司 | 就诊费用预测方法、装置、设备及计算机可读存储介质 |
CN109637615A (zh) * | 2018-11-30 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
CN109636650A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 用药方案异常的识别方法、装置、终端及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110675958B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blinder et al. | Age‐related treatment patterns in sickle cell disease patients and the associated sickle cell complications and healthcare costs | |
Xu et al. | Incidence of anemia in patients diagnosed with solid tumors receiving chemotherapy, 2010–2013 | |
US8589424B1 (en) | Method and system for accurate medical-code translation | |
CN104240171B (zh) | 电子病历生成方法及*** | |
CN110674244B (zh) | 一种医疗文本的结构化处理方法及装置 | |
JP2022545017A (ja) | 高次元時系列薬剤データからの教師なし学習および治療ラインの予測 | |
US20130318049A1 (en) | Partial source verification of edc data | |
CN113407536B (zh) | 表数据的关联方法、装置、终端设备及介质 | |
Plattner et al. | High-performance in-memory genome data analysis: how in-memory database technology accelerates personalized medicine | |
Henk et al. | Comparative effectiveness of pegfilgrastim, filgrastim, and sargramostim prophylaxis for neutropenia-related hospitalization: two US retrospective claims analyses | |
Erenay et al. | Estimating the unknown parameters of the natural history of metachronous colorectal cancer using discrete-event simulation | |
CN111324781A (zh) | 一种数据分析方法、装置及设备 | |
CN109448811B (zh) | 处方审核改进方法、装置、电子设备及存储介质 | |
CN103871010A (zh) | 用于提示用药安全的方法、装置和医疗信息*** | |
CN108874297A (zh) | 合并文件的方法、存储装置、存储设备和存储介质 | |
CN110675958B (zh) | 一种肿瘤治疗方案判线方法及装置 | |
CN113903423A (zh) | 用药方案推荐方法、装置、设备及介质 | |
US20150248527A1 (en) | Prompting medication safety technology | |
CN109102845A (zh) | 医疗单据审核方法、装置、计算机设备和存储介质 | |
Cornes et al. | Real-world cost–effectiveness of primary prophylaxis with G-CSF biosimilars in patients at intermediate/high risk of febrile neutropenia | |
Fishman et al. | Using claims data to attribute patients with breast, lung, or colorectal cancer to prescribing oncologists | |
Asmamaw et al. | Incidence of thromboembolism and thromboprophylaxis in medical patients admitted to specialized hospital in Ethiopia using Padua prediction score | |
US20160180034A1 (en) | Claim reimbursement valuation and remittance validation | |
Unlu et al. | Retrieval-Augmented Generation–Enabled GPT-4 for Clinical Trial Screening | |
CN111816273B (zh) | 一种海量电子病历的大规模医学知识图谱构建方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |