CN113470825A - 一种静脉血栓栓塞预测***、方法、设备及介质 - Google Patents
一种静脉血栓栓塞预测***、方法、设备及介质 Download PDFInfo
- Publication number
- CN113470825A CN113470825A CN202110839229.4A CN202110839229A CN113470825A CN 113470825 A CN113470825 A CN 113470825A CN 202110839229 A CN202110839229 A CN 202110839229A CN 113470825 A CN113470825 A CN 113470825A
- Authority
- CN
- China
- Prior art keywords
- data
- patient
- risk
- venous thromboembolism
- symptom
- 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
- 206010014522 Embolism venous Diseases 0.000 title claims abstract description 101
- 208000004043 venous thromboembolism Diseases 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000036541 health Effects 0.000 claims abstract description 25
- 208000024891 symptom Diseases 0.000 claims description 104
- 238000011156 evaluation Methods 0.000 claims description 50
- 230000003449 preventive effect Effects 0.000 claims description 45
- 238000000605 extraction Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 230000000069 prophylactic effect Effects 0.000 claims description 2
- 238000010200 validation analysis Methods 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 8
- 201000010099 disease Diseases 0.000 abstract description 5
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 2
- 208000032843 Hemorrhage Diseases 0.000 description 8
- 230000000740 bleeding effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008961 swelling Effects 0.000 description 6
- 206010030113 Oedema Diseases 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 210000003141 lower extremity Anatomy 0.000 description 4
- 208000008589 Obesity Diseases 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- 230000000144 pharmacologic effect Effects 0.000 description 3
- 238000011321 prophylaxis Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 208000005189 Embolism Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 208000001435 Thromboembolism Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000004476 Acute Coronary Syndrome Diseases 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000000857 Hepatic Insufficiency Diseases 0.000 description 1
- 206010019663 Hepatic failure Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000002297 emergency surgery Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 238000012917 library technology Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 201000002282 venous insufficiency Diseases 0.000 description 1
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种静脉血栓栓塞预测***、方法、设备及介质，该***包括：数据采集模块，用于获取患者的病历数据；后结构化模块，用于识别出用于表征患者健康状况的有效数据；评分模块，用于确定有效数据对静脉血栓栓塞的影响程度；根据有效数据对静脉血栓栓塞的影响程度，计算患者患有静脉血栓栓塞的风险分值；风险预估模块，用于根据患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定患者的风险等级；本***通过通过对患者病历数据的整理，从病历数据中提取有效数据，根据有效数据对患者进行患病风险评估，缩短了患者静脉血栓栓塞风险的评估时间，提高了患者静脉血栓栓塞风险的评估准确率。
Description
技术领域
本申请涉及医疗设备技术领域，具体而言，涉及一种静脉血栓栓塞预测***、方法、设备及介质。
背景技术
静脉血栓栓塞症(VTE)是指血液在静脉内不正常地凝结，使血管完全或不完全阻塞，属静脉回流障碍性疾病。
静脉血栓栓塞症发生率仅次于急性冠脉综合症和脑卒中，是常见的血管性疾病，具有高发病率和高病死率特点。能够及时预防是降低静脉血栓栓塞症发病率的有效措施。而现有的大多数医院还是停留在使用人工预测阶段，相关评分人员需要经过专业的培训，效率低，且容易发生错评或者误评的情况。
发明内容
有鉴于此，本申请的目的在于提供一种静脉血栓栓塞预测***、方法、设备及介质，以数据采集模块、后结构化模块、评分模块和风险预估模块相互配合，提高了患者静脉血栓栓塞评估的效率和准确率。
第一方面，本申请实施例提供了一种静脉血栓栓塞预测***，所述***包括：数据采集模块、后结构化模块、评分模块和风险预估模块；
所述数据采集模块，用于获取患者的病历数据，并将所述病历数据发送给所述后结构化模块；
所述后结构化模块，用于从接收到的所述患者的病历数据中，识别出用于表征所述患者健康状况的有效数据，并将有效数据发送给所述评分模块；其中，所述有效数据包括表征患者的症状数据和该症状对应的症状属性数据；
所述评分模块，用于确定接收到的所述有效数据对静脉血栓栓塞的影响程度；根据所述有效数据对静脉血栓栓塞的影响程度，计算所述患者患有静脉血栓栓塞的风险分值，并将风险分值发送给所述风险预估模块；
所述风险预估模块，用于根据接收到的所述患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定所述患者的风险等级。
在本申请较佳的技术方案中，上述***还包括预防干预模块；
所述风险预估模块，还用于将所述患者的风险等级发送给所述预防干预模块；
所述预防干预模块，用于根据接收到的所述患者的风险等级，确定针对所述静脉血栓栓塞的预防干预方案，并将所述预防干预方案反馈给用户；
其中，所述将所述预防干预方案反馈给用户，包括：将所述预防干预方案发送给所述用户对应的用户端；或者，通过所述静脉血栓栓塞预测***提供一显示屏，并在所述显示屏上显示所述预防干预方案。
在本申请较佳的技术方案中，上述***还包括结构化模块；
所述数据采集模块，还用于获取患者的病历数据，并将所述病历数据发送给所述结构化模块；
所述结构化模块，用于从接收到的所述获取患者的病历数据中，识别出信息属性数据和症状描述数据，并将识别后的所述信息属性数据和所述症状描述数据发送给所述后结构化模块；其中，所述信息属性数据对应结构化数据，所述症状描述数据对应非结构化数据。
在本申请较佳的技术方案中，上述后结构化模块，在用于从接收到的所述患者的病历数据中，识别出用于表征所述患者健康状况的有效数据时，包括：
从所述症状描述数据中，识别出用于表征所述患者健康状况的有效数据和用于表征修饰患者健康状况的无效数据；其中，所述有效数据对应结构化数据，所述无效数据对应非结构化数据。
在本申请较佳的技术方案中，上述后结构化模块，在用于从所述症状描述数据中，识别出用于表征所述患者健康状况的有效数据时，包括：
将所述症状描述数据输入术语提取模型中，得到所述术语提取模型输出的所述症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据；
将所述症状描述数据和该症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据输入术语关系提取模型中，得到所述术语关系提取模型输出的表征患者的症状数据和该症状对应的症状属性数据。
在本申请较佳的技术方案中，上述评分模块，在用于确定所述有效数据对静脉血栓栓塞的影响程度；根据所述有效数据对静脉血栓栓塞的影响程度，计算所述患者患有静脉血栓栓塞的风险分值时，包括：
根据预设评估表中评估项的评估内容，确定所述有效数据对应的评估项；
根据所述患者对应的各个评估项在预设评估表中的权分值，计算该患者的风险分值。
第二方面，本申请实施例提供了一种静脉血栓栓塞预测方法，所述方法应用于所述静脉血栓栓塞预测***，包括：
获取患者的病历数据；
从所述患者的病历数据中，识别出用于表征所述患者健康状况的有效数据；其中，所述有效数据包括表征患者的症状数据和该症状对应的症状属性数据；
确定所述有效数据对静脉血栓栓塞的影响程度；
根据所述有效数据对静脉血栓栓塞的影响程度，计算所述患者患有静脉血栓栓塞的风险分值；
根据所述患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定所述患者的初始风险等级；
医生根据所述患者的初始风险等级和所述患者的病历数据，对所述患者的初始风险等级进行调整，得到患者的最终风险等级。
在本申请较佳的技术方案中，上述方法还包括：
根据所述患者的最终风险等级，确定针对所述静脉血栓栓塞的预防干预方案，并将所述预防干预方案反馈给用户。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的静脉血栓栓塞预测***的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的静脉血栓栓塞预测***的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果：数据采集模块，用于获取患者的病历数据，并将病历数据发送给后结构化模块；后结构化模块，用于从接收到的患者的病历数据中，识别出用于表征患者健康状况的有效数据；其中，有效数据包括表征患者的症状数据和该症状对应的症状属性数据；并将有效数据发送给评分模块；评分模块，用于确定接收到的有效数据对静脉血栓栓塞的影响程度；根据有效数据对静脉血栓栓塞的影响程度，计算患者患有静脉血栓栓塞的风险分值；并将风险分值发送给风险预估模块；风险预估模块，用于根据接收到的患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定患者的风险等级；本***通过通过对患者病历数据的整理，从病历数据中提取有效数据，根据有效数据对患者进行患病风险评估，缩短了患者静脉血栓栓塞风险的评估时间，提高了患者静脉血栓栓塞风险的评估准确率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例所提供的一种静脉血栓栓塞预测***的示意图；
图2示出了本申请实施例所提供的一种静脉血栓栓塞预测方法的流程示意图；
图3示出了本申请实施例所提供的一种预防干预流程示意图；
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
针对静脉血栓栓塞，现有的预测***由患者评分***、患者风险预估***、患者预防干预操作***、患者知情同意书签署***和后台数据抓取***组成，所述患者评分***将患者的评分结果输出至患者风险预估***，患者风险预估***处理患者评分并预估静脉血栓栓塞症(VTE)风险，给出预防建议，患者风险预估***将患者评分和预防建议输出至患者预防干预操作***，患者预防干预操作***接收数据后递呈数据给医师，由医师参考患者评分和预防建议下达医嘱并查询医嘱情况，患者预防干预操作***输出端连接患者知情同意书签署***输入端，所述后台数据抓取***通过HIS***进入患者预估评分***或患者预防干预操作***中抓取护理评估信息和医师干预信息。
该***，需要护士和医生分别通过护士评分***和医生评分***进行评分且具体的实施方式是护士或医生根据患者病情，选择对应的评估表模板(如外科住院患者选择Caprini，非手术患者选择Padua)，如实填写评估表模板的每个细项，如高血压(1分)，肝肾功能不全(各1分)，卒中(1分)，出血(1分)，异常INR值(1分)，年龄大于65岁，药物或饮酒(各1分)，得出总分并保存，提交到侍服器。上述***存在如下缺点：
1、护士和医生根据患者的情况选择不同的评估表模板，而评估表模板的种类较多(如妊娠期妇女的VTE风险评估有单独的评估表模板)且存在定期医学指南定期更新，评估表模板随之更新的问题，护士和医生容易出现选择判断错误。
2、护士和医生调阅医院信息***(Hospital Information System，HIS)或电子病历***(Electronic Medical Record，EMR)，对患者的整体病情进行判断，形成患者病情和评估表模板细项之间的对应关系，耗费的时间成本较高，效率较低。
3、患者预防干预***缺乏对于干预措施执行情况的跟踪和持续干预，医生出现漏看或处理错误后无法继续提醒。
基于此，本申请实施例提供了一种静脉血栓栓塞预测***、方法、设备及介质，下面通过实施例进行描述。
图1示出了本申请实施例所提供的一种静脉血栓栓塞预测***的结构示意图，***包括：数据采集模块、后结构化模块、评分模块和风险预估模块；
数据采集模块10，用于获取患者的病历数据，并将病历数据发送给后结构化模块；
后结构化模块20，用于从接收到的患者的病历数据中，识别出用于表征患者健康状况的有效数据，并将有效数据发送给评分模块；其中，有效数据包括表征患者的症状数据和该症状对应的症状属性数据；
评分模块30，用于确定接收到的有效数据对静脉血栓栓塞的影响程度；根据有效数据对静脉血栓栓塞的影响程度，计算患者患有静脉血栓栓塞的风险分值，并将风险分值发送给风险预估模块；
风险预估模块40，用于根据接收到的患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定患者的风险等级。
本申请实施例中，以数据采集模块、后结构化模块、评分模块和风险预估模块相互配合，能够自动对患者病历数据的整理，并从病历数据中提取有效数据，根据有效数据对患者进行患病风险评估，缩短了患者静脉血栓栓塞风险的评估时间，提高了患者静脉血栓栓塞风险的评估准确率。
下面对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
图2示出了本申请实施例所提供的一种静脉血栓栓塞预测***的结构示意图，***包括：数据采集模块10、结构化模块11、后结构化模块20、评分模块30、风险预估模块40和预防干预模块41。
针对数据采集模块10，该数据采集模块10用于获取患者的病历数据，并将病历数据发送给后结构化模块20。
本申请实施例中，数据采集模块10的作用是获取患者的病历数据，以便后续通过病历数据的分析，对患者静脉血栓栓塞的风险进行预测。其中，病历数据存储在一个或多个类型的数据源下，数据采集模块10从上述数据源中获取患者的病历数据。
在获取患者的病历数据时，针对不同数据源，数据采集模块10有不同的获取方式。可选的，数据采集模块10中集成有一客户端插件，通过该客户端插件对接上述不同的数据源，并从上述不同数据源中获取病历数据。
例如，患者的病历数据存储在医院信息***和/或电子病历***时，数据采集模块10通过客户端插件(Dynamic Link Library，dll)获取患者的病历数据。
dll是一种动态链接库技术，主要采集实时数据，可以为业务***提供标准的数据推送接口。客户端插件连接医院信息***和/或电子病历***，客户端插件注册到业务***时，业务***代码可以将dll当做代码库文件进行引用，在业务***页面的按钮控件触发时间中编写代码，按dll指定的方法和格式进行数据发送，客户端插件接收到HIS/EMR的数据后实时转发给数据采集模块10。
当患者的病历数据存储在实验室信息管理***(Laboratory InformationManagement System，LIS)和/或影像归档和通信***(Picture Archiving andCommunication Systems，PACS)，数据采集模块10通过后台拉取技术获取患者的病历数据。
使用后台拉取技术，是主动通过患者的ID(Identity document)调用集成平台查询历史存档数据，或者使用患者ID通过数据库视图查询历史存档数据。后台拉取主要采集历史存档数据，如过去一周的患者检验结果。后台采集的技术根据业务***数据接口支持的形式决定，场景的后台数据拉取技术包括：如果直接采集业务***数据库，一般直接通过数据库视图直连，如果医院有统一数据集成平台，则通过WebService/超文本传输协议(HyperText Transfer Protocol，HTTP)/消息队列等多种通信协议进行数据传输。
上述方式从数据源获取的患者的病历数据，根据病历数据的类型通进行存储。本申请通过结构化模块11区分患者的病历数据中的数据类型。
针对结构化模块11，该结构化模块11用于从接收到的获取患者的病历数据中，识别出信息属性数据和症状描述数据，并将识别后的信息属性数据和症状描述数据发送给后结构化模块；其中，信息属性数据对应结构化数据，症状描述数据对应非结构化数据。
本申请实施例中，根据数据类型，结构化模块11对接收到的患者的病历数据进行识别分析，识别出信息属性数据和症状描述数据，即将患者的病历数据中结构化数据和非结构化数据区分出来。其中，信息属性数据包括患者的个人信息属性数据、患者的住院信息属性数据、患者的症状获取信息属性数据。
例如，患者的个人信息属性数据包括患者的姓名、身份证号、社保***、性别、年龄、身高、体重等。
患者的住院信息属性数据包括病历识别编号、病历识别二维码、住院号、科室、入院时间、出院时间、病历创建时间等。
患者的症状获取信息属性数据包括主诉、现病史、既往史等。
症状描述数据为:车祸致头面部破裂出血伴鼻部肿痛4小时、患者3日前因车祸导致头面部出血收治入院等。
识别后的病历数据信息如下表所示：
针对后结构化模块20，该后结构化模块20，用于从接收到的患者的病历数据中，识别出用于表征患者健康状况的有效数据，并将有效数据发送给评分模块；其中，有效数据包括表征患者的症状数据和该症状对应的症状属性数据。
具体实施方式中，后结构化模块20在接收到患者的病历数据后，通过自然语言处理技术对上述病历数据中的内容进行词语界定、语义解析，通过解析出来的分词的语义，从病历数据中识别出表征患者健康状况的有效数据；这里的有效数据包括症状数据和该症状对应的症状属性数据；这里，症状数据和该症状对应的症状属性数据指的是症状数据与症状属性数据的关系，在本申请中，症状数据和该症状对应的症状属性数据共同表征了患者健康状况，通过这两个数据对静脉血栓栓塞的影响程度计算提高患者患有静脉血栓栓塞，能够提高患者患有静脉血栓栓塞这一疾病的准确性。
本申请实施例中，后结构化模块20，在用于从接收到的患者的病历数据中，识别出用于表征患者健康状况的有效数据时，包括：
从症状描述数据中，识别出用于表征患者健康状况的有效数据和用于表征修饰患者健康状况的无效数据；其中，有效数据对应结构化数据，无效数据对应非结构化数据。
例如，患者的症状描述数据为：车祸导致头面部破裂出血伴有鼻部肿痛四小时。其中，头面部、破裂、出血、鼻部、肿痛、四小时为用于表征患者健康状况的有效数据；车祸、导致、伴有为用于表征修饰患者健康状况的无效数据。
本申请实施例中，后结构化模块，在用于从症状描述数据中，识别出用于表征患者健康状况的有效数据时，包括：
将症状描述数据输入术语提取模型中，得到术语提取模型输出的症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据；
将症状描述数据和该症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据输入术语关系提取模型中，得到术语关系提取模型输出的表征患者的症状数据和该症状对应的症状属性数据。
例如，患者的症状描述数据为：车祸导致头面部破裂出血伴有鼻部肿痛四小时。将该症状描述数据输入到术语提取模型中，得到术语提取模型输出的该症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据是：头面部、破裂、出血、鼻部、肿痛、四小时；
然后将症状描述数据和该症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据输入术语关系提取模型中，得到术语关系提取模型输出的表征患者的症状数据和该症状对应的症状属性数据是：头面部破裂出血四小时和鼻部肿痛、四小时。
后结构化模块20中包括了两个模型，分别为术语提取模型和术语关系提取模型。术语提取模型通过将标注的术语输入到初始的深度神经网络IDCNN模型进行训练，直到召回准确率大于第一预设阈值。术语关系提取模型通过将标注的术语关系输入到初始的深度神经网络IDCNN模型进行训练，直到召回准确率大于第二预设阈值。
本申请中，将患者的原始病历数据和后结构化模块识别有效数据后的患者病历数据均进行保存，方便以后医生通过原始的患者数据对本***的预测结果进行验证和调整。
针对评分模块30，该评分模块30用于确定接收到的有效数据对静脉血栓栓塞的影响程度；根据有效数据对静脉血栓栓塞的影响程度，计算患者患有静脉血栓栓塞的风险分值，并将风险分值发送给风险预估模块。
本申请实施例中，评分模块30，在用于确定有效数据对静脉血栓栓塞的影响程度；根据有效数据对静脉血栓栓塞的影响程度，计算患者患有静脉血栓栓塞的风险分值时，包括：
根据预设评估表中评估项的评估内容，确定有效数据对应的评估项；
根据患者对应的各个评估项在预设评估表中的权分值，计算该患者的风险分值。
评分模块30对患者病历数据中有效数据进行分析，从预设评估表中选出与有效数据最为接近的评估项。根据有效数据中描述内容和预设评估表中评估项的评估内容，进行对比分析，找到与有效数据中描述内容对应的预设评估表中评估项的评估内容。预设评估表为Caprini血栓风险因素评估表。
例如，患者A，年龄：80岁；身高：1.66m；体重：80kg，症状：卧床、三年、水肿、双腿。评估项内容：Item1：年龄41-60岁；Item2：肥胖(BMI大于等于30kg/m2)；Item3：卧床的内科患者；Item4：下肢水肿。评分模块首先判断患者A的有效数据是否在预设评估表评估项的评估内容中。判断结构如下：年龄41-60岁：未命中；肥胖(BMI大于等于30kg/m2)：未命中；卧床的内科患者：命中；下肢水肿：命中。即患者A的年龄和肥胖程度均不在预设评估表中评估项的评估内容中，而患者的症状符合预设评估表中评估项的评估内容。患者的症状在预设评估表中的权分值为：卧床的内科患者：1分；下肢水肿：1分；
然后，评分模块30根据患者症状在预设评估表中的权分值计算风险分值。则患者A的风险分值为：(卧床的内科患者)1分+(下肢水肿)1分＝2分。
风险预估模块40，用于根据接收到的患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定患者的风险等级。
风险预估模块40根据患者的风险分值与预设的风险等级对应的分值阈值对比，判断患者的风险分值对应的风险等级。
例如，预设的风险等级阈值分别为：低危:0-1分；中危：2分；高危:3-4分；极高危:≥5分。则患者A的风险等级为中危。
本申请实施例中，上述***还包括预防干预模块41；
风险预估模块40，还用于将患者的风险等级发送给预防干预模块；
针对预防干预模块41，该预防干预模块41用于根据接收到的患者的风险等级，确定针对静脉血栓栓塞的预防干预方案，并将预防干预方案反馈给用户；
其中，将预防干预方案反馈给用户，包括：发送给用户对应的用户端；或者，通过静脉血栓栓塞预测***提供一显示屏，并在显示屏上显示预防干预方案。
预防干预模块41，根据患者不同健康状况，进行不同频率的评估；预防干预模块41根据患者不同的风险等级，反馈不同的预防和干预方案。
其中，不同的风险等级对应不同的干预参数，干预参数包括：评估周期、治疗手段等级等；治疗手段包括药物治疗、物理治疗等；根据患者对应的风险等级确定该风险等级对应的干预参数；
根据风险等级对应的干预参数生成预防干预方案；其中，干预方案中，风险等级和干预参数呈正相关关系；其中，风险等级评估周期短、治疗手段等级越高。
比如，一是需要在特定的时间和事件节点重新进行风险评估；
1.新入院患者，入院急症手术患者返回后要求立即评估；
2.低风险患者之后每周评估一次；
3.中高风险患者每周评估2次；
4.高危和极高危患者每日评估；
二是如果当次评估出现中高危以上患者，需要及时干预；
在临床上，不同的风险等级要求进行不同的预防和干预；
1.低危风险：尽早活动，基础预防；
2.中危风险：药物预防和物理预防；
3.高危风险：药物预防和物理预防；
4.极高危风险：药物预防和物理预防；
干预的形式是在病历书写***或医嘱***上提醒或强制使用临床规范的预防药物和器械。
本申请通过人工智能的技术实现医院现有数据的后结构化，自动选择符合实际病情的评估表，自动勾选评估表细项，并对中高危的患者进行强制提醒，缩短了患者VTE风险的评估时间，提高了VTE风险评估率；通过24小时动态跟踪中高危患者的预防干预情况，提高了预发措施实施率、主要患者预发型实施率。
图3示出了本申请实施例所提供的一种静脉血栓栓塞预测方法的流程示意图，其中，该方法包括步骤S101-S107；具体的：
S101、获取患者的病历数据；
S102、从患者的病历数据中，识别出用于表征患者健康状况的有效数据；其中，有效数据包括表征患者的症状数据和该症状对应的症状属性数据；
S103、确定有效数据对静脉血栓栓塞的影响程度；
S104、根据有效数据对静脉血栓栓塞的影响程度，计算患者患有静脉血栓栓塞的风险分值；
S105、根据患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定患者的初始风险等级；
S106、医生根据患者的初始风险等级和患者的病历数据，对患者的初始风险等级进行调整，得到患者的最终风险等级；
S107、根据患者的最终风险等级，确定针对静脉血栓栓塞的预防干预方案，并将预防干预方案反馈给用户。
如图4所示，本申请实施例提供了一种电子设备，用于执行本申请中的静脉血栓栓塞预测***，该设备包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序，其中，上述处理器执行上述计算机程序时实现上述的静脉血栓栓塞预测***的步骤。
具体地，上述存储器和处理器可以为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机程序时，能够执行上述的静脉血栓栓塞预测***。
对应于本申请中的静脉血栓栓塞预测***，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述的静脉血栓栓塞预测***的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述的静脉血栓栓塞预测***。
在本申请所提供的实施例中，应该理解到，所揭露***和方法，可以通过其它的方式实现。以上所描述的***实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，***或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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，本申请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)执行本申请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(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种静脉血栓栓塞预测***，其特征在于，所述***包括：数据采集模块、后结构化模块、评分模块和风险预估模块；
所述数据采集模块，用于获取患者的病历数据，并将所述病历数据发送给所述后结构化模块；
所述后结构化模块，用于从接收到的所述患者的病历数据中，识别出用于表征所述患者健康状况的有效数据，并将有效数据发送给所述评分模块；其中，所述有效数据包括表征患者的症状数据和该症状对应的症状属性数据；
所述评分模块，用于确定接收到的所述有效数据对静脉血栓栓塞的影响程度；根据所述有效数据对静脉血栓栓塞的影响程度，计算所述患者患有静脉血栓栓塞的风险分值，并将风险分值发送给所述风险预估模块；
所述风险预估模块，用于根据接收到的所述患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定所述患者的风险等级。
2.根据权利要求1所述的***，其特征在于，所述***还包括预防干预模块；
所述风险预估模块，还用于将所述患者的风险等级发送给所述预防干预模块；
所述预防干预模块，用于根据接收到的所述患者的风险等级，确定针对所述静脉血栓栓塞的预防干预方案，并将所述预防干预方案反馈给用户；
其中，所述将所述预防干预方案反馈给用户，包括：将所述预防干预方案发送给所述用户对应的用户端；或者，通过所述静脉血栓栓塞预测***提供一显示屏，并在所述显示屏上显示所述预防干预方案。
3.根据权利要求1所述的***，其特征在于，所述***还包括结构化模块；
所述数据采集模块，还用于获取患者的病历数据，并将所述病历数据发送给所述结构化模块；
所述结构化模块，用于从接收到的所述获取患者的病历数据中，识别出信息属性数据和症状描述数据，并将识别后的所述信息属性数据和所述症状描述数据发送给所述后结构化模块；其中，所述信息属性数据对应结构化数据，所述症状描述数据对应非结构化数据。
4.根据权利要求3所述的***，其特征在于，所述后结构化模块，在用于从接收到的所述患者的病历数据中，识别出用于表征所述患者健康状况的有效数据时，包括：
从所述症状描述数据中，识别出用于表征所述患者健康状况的有效数据和用于表征修饰患者健康状况的无效数据；其中，所述有效数据对应结构化数据，所述无效数据对应非结构化数据。
5.根据权利要求4所述的***，其特征在于，所述后结构化模块，在用于从所述症状描述数据中，识别出用于表征所述患者健康状况的有效数据时，包括：
将所述症状描述数据输入术语提取模型中，得到所述术语提取模型输出的所述症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据；
将所述症状描述数据和该症状描述数据中对应的表征患者的症状数据、表征患者的症状属性数据输入术语关系提取模型中，得到所述术语关系提取模型输出的表征患者的症状数据和该症状对应的症状属性数据。
6.根据权利要求1所述的***，其特征在于，所述评分模块，在用于确定所述有效数据对静脉血栓栓塞的影响程度；根据所述有效数据对静脉血栓栓塞的影响程度，计算所述患者患有静脉血栓栓塞的风险分值时，包括：
根据预设评估表中评估项的评估内容，确定所述有效数据对应的评估项；
根据所述患者对应的各个评估项在预设评估表中的权分值，计算该患者的风险分值。
7.一种静脉血栓栓塞预测方法，其特征在于，所述方法应用于所述静脉血栓栓塞预测***，包括：
获取患者的病历数据；
从所述患者的病历数据中，识别出用于表征所述患者健康状况的有效数据；其中，所述有效数据包括表征患者的症状数据和该症状对应的症状属性数据；
确定所述有效数据对静脉血栓栓塞的影响程度；
根据所述有效数据对静脉血栓栓塞的影响程度，计算所述患者患有静脉血栓栓塞的风险分值；
根据所述患者患有静脉血栓栓塞的风险分值和不同风险等级对应的分值阈值，确定所述患者的初始风险等级；
医生根据所述患者的初始风险等级和所述患者的病历数据，对所述患者的初始风险等级进行调整，得到患者的最终风险等级。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据所述患者的最终风险等级，确定针对所述静脉血栓栓塞的预防干预方案，并将所述预防干预方案反馈给用户。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求7至8任一所述的静脉血栓栓塞预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求7至8任一所述的静脉血栓栓塞预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110839229.4A CN113470825B (zh) | 2021-07-23 | 2021-07-23 | 一种静脉血栓栓塞预测***、方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110839229.4A CN113470825B (zh) | 2021-07-23 | 2021-07-23 | 一种静脉血栓栓塞预测***、方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113470825A true CN113470825A (zh) | 2021-10-01 |
| CN113470825B CN113470825B (zh) | 2024-02-06 |
Family
ID=77882277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110839229.4A Active CN113470825B (zh) | 2021-07-23 | 2021-07-23 | 一种静脉血栓栓塞预测***、方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113470825B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115274102A (zh) * | 2022-06-06 | 2022-11-01 | 安徽省立医院(中国科学技术大学附属第一医院) | 静脉血栓栓塞症人工智能防治***、方法、装置及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053883A (zh) * | 2017-12-22 | 2018-05-18 | 北京鑫丰南格科技股份有限公司 | 患者咨询意见生成装置和*** |
| CN108498076A (zh) * | 2018-04-19 | 2018-09-07 | 金华市中心医院 | 住院病人静脉血栓栓塞症安全管理***及应用 |
| CN112259232A (zh) * | 2020-10-26 | 2021-01-22 | 山东众阳健康科技集团有限公司 | 一种基于深度学习的vte风险自动评估*** |
| CN112447293A (zh) * | 2019-09-05 | 2021-03-05 | 姚远 | 一种vte风险预警*** |
-
2021
- 2021-07-23 CN CN202110839229.4A patent/CN113470825B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053883A (zh) * | 2017-12-22 | 2018-05-18 | 北京鑫丰南格科技股份有限公司 | 患者咨询意见生成装置和*** |
| CN108498076A (zh) * | 2018-04-19 | 2018-09-07 | 金华市中心医院 | 住院病人静脉血栓栓塞症安全管理***及应用 |
| CN112447293A (zh) * | 2019-09-05 | 2021-03-05 | 姚远 | 一种vte风险预警*** |
| CN112259232A (zh) * | 2020-10-26 | 2021-01-22 | 山东众阳健康科技集团有限公司 | 一种基于深度学习的vte风险自动评估*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115274102A (zh) * | 2022-06-06 | 2022-11-01 | 安徽省立医院(中国科学技术大学附属第一医院) | 静脉血栓栓塞症人工智能防治***、方法、装置及介质 |
| CN115274102B (zh) * | 2022-06-06 | 2023-09-19 | 安徽省立医院(中国科学技术大学附属第一医院) | 静脉血栓栓塞症人工智能防治***、方法、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113470825B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5977898B1 (ja) | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム | |
| Michalow et al. | Triple return on investment: the cost and impact of 13 interventions that could prevent stillbirths and save the lives of mothers and babies in South Africa | |
| WO2019008798A1 (en) | DEVICE FOR PREDICTING DISEASE APPEARANCE, METHOD FOR PREDICTING DISEASE DISEASE, AND PROGRAM | |
| US20190122770A1 (en) | Lightweight Clinical Pregnancy Preterm Birth Predictive System and Method | |
| US12040062B2 (en) | Systems and methods for reducing patient readmission to acute care facilities | |
| CN111475713A (zh) | 医生信息推荐方法、装置、电子设备、***及存储介质 | |
| US20170329918A1 (en) | Internet of things based monitoring and assessment platform | |
| JP6719799B1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
| EP3799074A1 (en) | Healthcare network | |
| CN112599247A (zh) | 一种照护服务数据的获取和利用方法、设备、装置及介质 | |
| US20200350065A1 (en) | Assistance system, assistance method, assistance program, and recording medium on which assistance program is recorded | |
| CN116312926A (zh) | 健康路径推荐方法及相关装置、电子设备和存储介质 | |
| CN108597588A (zh) | 全人群全生命历程健康图谱创建方法、***及存储介质 | |
| CN113470825A (zh) | 一种静脉血栓栓塞预测***、方法、设备及介质 | |
| JP2011138376A (ja) | 診断支援システム | |
| US10431339B1 (en) | Method and system for determining relevant patient information | |
| CN113140323B (zh) | 一种健康画像生成方法、***、介质及服务器 | |
| CN113140315B (zh) | 一种健康自测***、服务器及健康检测*** | |
| EP4035180B1 (en) | A computer-implemented system and method for alerting an expectant mother to a medical risk during pregnancy | |
| CN114743660A (zh) | 临床路径维护方法、装置、电子设备及存储介质 | |
| US20220051802A1 (en) | System and method for detection and monitoring of over sedation to prevent harm to patients | |
| JP6531241B1 (ja) | 効率化支援システム及び医療効率化支援方法 | |
| Levin et al. | Real-Time Machine Learning Alerts to Prevent Escalation of Care: A Nonrandomized Clustered Pragmatic Clinical Trial | |
| JP2006163932A (ja) | 医療情報処理装置、および、プログラム | |
| CN113782132B (zh) | 标签信息的动态更新方法、装置及介质 |
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 |