CN114023462A - 一种基于图形化表示的计算机化临床指南构建方法及装置 - Google Patents
一种基于图形化表示的计算机化临床指南构建方法及装置 Download PDFInfo
- Publication number
- CN114023462A CN114023462A CN202111288111.3A CN202111288111A CN114023462A CN 114023462 A CN114023462 A CN 114023462A CN 202111288111 A CN202111288111 A CN 202111288111A CN 114023462 A CN114023462 A CN 114023462A
- Authority
- CN
- China
- Prior art keywords
- clinical
- text input
- decision
- graphical
- model
- 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
- 238000010276 construction Methods 0.000 title claims description 17
- 238000000034 method Methods 0.000 claims abstract description 112
- 230000008569 process Effects 0.000 claims abstract description 61
- 201000010099 disease Diseases 0.000 claims abstract description 58
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 58
- 238000003745 diagnosis Methods 0.000 claims abstract description 55
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 17
- 238000003759 clinical diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002558 medical inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于图形化表示的计算机化临床指南构建方法及装置,应用于计算机化临床指南模型,计算机化临床指南模型包括:数据层、模型层和应用层,该方法包括:在数据层获取临床指南数据库中的文本输入,确定与文本输入对应的临床数据,基于文本输入和临床数据确定目标文本输入;在模型层将目标文本输入转化为图形化诊疗流程;在应用层基于图形化诊疗流程确定决策推荐结果,决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。上述过程,诊疗流程基于图形化方式进行展示,诊疗流程的确定过程不需要医护人员掌握相关语言就可以实现,对医护人员的要求较低,有利于临床指南方法在医护人员中的传播与应用。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于图形化表示的计算机化临床指南构建方法及装置。
背景技术
随着医疗信息化和诊疗标准化进程不断推进,使用计算机技术从权威临床指南文本中构建计算机可理解的计算机化指南成为了临床决策支持***中的核心模块。计算机化指南可以将临床知识和推理过程使用计算机逻辑表示,能够帮助临床医护人员进行诊断决策,是提高基层医疗水平的重要方法。
从文本形式的临床指南到计算机化指南的知识表示***是一个困难的过程,从临床指南文本端,需要标准的医学术语表示和推理规则,以便于信息化工程师理解,构建合理准确的计算机化指南表示模型;从指南表示模型展示端,需要设计简洁易懂的逻辑语句和临床指南展示方法,使基于指南表示模型的临床决策支持结果具有可解释性。
当前的主流计算机化临床指南表示模型包括GEM、GDL等,基于这些临床指南模型开发的平台包括LinkEHR、nedap、Template Designer等,虽然它们可以用逻辑规则语言准确表示临床知识,但是需要医护人员掌握平台对应的语言才可以实现临床指南的计算机化表示,不利于在医护人员中传播使用。
发明内容
有鉴于此,本发明提供了一种基于图形化表示的计算机化临床指南构建方法及装置,用以解决当前的主流计算机化临床指南表示模型包括GEM、GDL等,基于这些临床指南模型开发的平台包括LinkEHR、nedap、Template Designer等,虽然它们可以用逻辑规则语言准确表示临床知识,但是需要医护人员掌握平台对应的语言才可以实现临床指南,不利于在医护人员中传播使用的问题。具体方案如下:
一种基于图形化表示的计算机化临床指南构建方法,应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述方法包括:
在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;
在所述模型层将所述目标文本输入转化为图形化诊疗流程;
在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。
上述的方法,可选的,基于所述文本输入和所述临床数据确定目标文本输入,包括:
将所述文本输入和所述临床数据中的对应项进行集成,得到第一文本输入;
对所述第一文本输入进行术语标准化操作,得到第二文本输入;
对所述第二文本输入进行文本标注,得到目标文本输入。
上述的方法,可选的,在所述模型层将所述目标文本输入转化为图形化诊疗流程,包括:
将所述目标文本输入转化为决策条件变量和逻辑语句;
将所述决策条件变量转化为图形化变量;
将所述逻辑语句和所述图形化变量传递给疾病临床指南表示模型得到图形化诊断流程。
上述的方法,可选的,还包括:
对所述疾病临床指南表示模型进行验证。
上述的方法,可选的,在所述应用层基于所述图形化诊疗流程确定决策推荐结果,包括:
基于所述图形化诊疗流程在所述临床指南表示模型中进行临床决策支持路径检索;
基于所述检索结果,确定所述决策推荐结果。
一种基于图形化表示的计算机化临床指南构建装置,应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述装置包括:
获取和确定模块,用于在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;
转化模块,用于在所述模型层将所述目标文本输入转化为图形化诊疗流程;
确定模块,用于在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。
上述的装置,可选的,所述获取和确定模块包括:
集成单元,用于将所述文本输入和所述临床数据中的对应项进行集成,得到第一文本输入;
标准化单元,用于对所述第一文本输入进行术语标准化操作,得到第二文本输入;
标注单元,用于对所述第二文本输入进行文本标注,得到目标文本输入。
上述的装置,可选的,所述转化模块包括:
第一转化单元,用于将所述目标文本输入转化为决策条件变量和逻辑语句;
第二转化单元,用于将所述决策条件变量转化为图形化变量;
第一确定单元,用于将所述逻辑语句和所述图形化变量传递给疾病临床指南表示模型得到图形化诊断流程。
上述的装置,可选的,还包括:
验证单元,用于对所述疾病临床指南表示模型进行验证。
上述的装置,可选的,所述确定模块包括:
检索单元,用于基于所述图形化诊疗流程在所述临床指南表示模型中进行临床决策支持路径检索;
第二确定单元,用于基于所述检索结果,确定所述决策推荐结果。
与现有技术相比,本发明包括以下优点:
本发明公开了一种基于图形化表示的计算机化临床指南构建方法及装置,应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述方法包括:在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;在所述模型层将所述目标文本输入转化为图形化诊疗流程;在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。上述过程,诊疗流程的确定过程不需要医护人员掌握相关语言就可以实现,对医护人员的要求较低,有利于临床指南方法在医护人员中的传播与应用。
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为本申请实施例公开的一种基于图形化表示的计算机化临床指南构建方法流程图;
图2为本申请实施例公开的一种计算机化临床指南模型示意图;
图3为本申请实施例公开的一种诊疗决策过程示意图;
图4为本申请实施例公开的一种自动化疾病分型过程示意图;
图5为本申请实施例公开了的一种治疗方案推荐过程示意图;
图6为本申请实施例公开的一种并发症预测过程示意图;
图7为本申请实施例公开的一种基于图形化表示的计算机化临床指南构建装置结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。
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发明。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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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。
本发明公开了一种基于图形化表示的计算机化临床指南构建方法及装置,用于将非结构化的临床实践指南转换为可循证的计算机可解释的疾病临床指南标识模型,同时可生成相应的代码文件,可嵌入至临床决策支持***中,实现基于疾病临床指南表示模型的诊疗决策支持、自动化疾病分型、治疗方案推荐和并发症预测方法中的至少一种,其中,所述临床实践指南CPG(Clinical Practical Guidelines)指***开发的多组临床指导意见,帮助医生和患者针对特定的临床问题作出恰当处理、选择、决策事宜的卫生保健服务,用于提高医疗质量,控制医疗费用。可询证计算机化指南CIGs(Computer-interpretableguidelines)指将临床指南中的知识、推理关系使用计算机逻辑进行表示,并能被整合、嵌入临床诊疗信息***中,同时可提供制定决策所参考知识来源。临床决策支持CDS(Clinical Decision Support)指利用计算机领域知识辅助医务人员完成临床决策工作。临床决策支持主要包括基于知识的临床决策支持以及基于数据的临床决策支持。其中基于知识的临床决策支持构建流程为建立相关疾病诊疗的知识库,并根据知识库得出临床决策;基于数据的临床决策支持是使用人工智能、概率统计等方法使计算机自动完成决策。
所述方法应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述方法的执行流程如图1所示包括步骤:
S101、在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;
本发明实施例中,所述计算机化临床指南模型如图2所示,针对所述数据层包括:数据获取模块、数据集成模块、术语标准化模块和文本标注模块,其中,数据获取模块使用ETL(Extraction-Transformation-Loading)工具完成,其中,ETL用于数据提取、转换和加载。ETL负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成,最后加载到数据仓库或数据集市中,成为联机分析处理、数据挖掘的基础。基于所述ETL获取临床指南数据库中临床指南文本输入,确定与所述文本输入对应的临床数据,其中,确定的过程可以基于关联关系或者标识进行实现,本发明实施例中对具体的确定过程不进行限定,本发明实施例中,将用户提交的文本输入或医院信息***HIS中的临床数据输入传递至中间层进行清洗、集成,之后再根据用户提交的应用需求返回包含样本信息、决策支持结果、决策支持证据、决策支持流程及规则、相关依据的结果报告PDF文件并存储至临时数据库,上述过程的最终目的都是用于临床决策支持,不同的应用需求也是临床决策支持的不同类型,而对于不同的临床决策支持场景需要的反馈的对应文件也不一样,临床诊疗流程支持,需要反馈的是集成输入数据后的诊疗流程路线图;自动化疾病分型需要反馈的就是分型结果,以及得到分型结果对应的推理规则。
当用户或HIS提交下载申请时使用ETL工具进行导出,完成交互;在数据集成模块,***定义有人口统计学信息、体征、检查结果、检验结果、诊断、症状、药嘱、其他医嘱八种类型临床数据,根据特定疾病临床指南表示模型的数据类型需求,使用ETL工具从HIS中提取、集成以上八种类型的数据,得到第一文本输入,在术语标准化模块,本发明实施例采用***使用中文医学主题词表CMeSH、OMAHA术语集和《常用临床医学名词(2019年版)》对第一文本输入进行标准化,得到第二文本输入,同时也对来自模型层的图形化指南表示模型进行自动术语标准化并返回给模型编辑者确认,使得使用本发明构建的图形化指南表示模型具备较高权威性和通用性。其中,中文医学主题词表CMeSH:由中国医学科学院医学信息研究所翻译出版,收录包括:美国国立医学图书馆《医学主题词表》、《中国中医药学主题词表》、《中国图书馆分类法-医学专业分类表》。
进一步的,对第二文本输入进行标注,得到目标文本输入,其中,标注原则可以基于经验或者具体情况进行设定,本发明实施例中不进行具体限定。
S102、在所述模型层将所述目标文本输入转化为图形化诊疗流程;
本发明实施例中,如图2所示,所述模型层包括规则组织模块、图形化表示模块、模型构建模块和模型测试模块,规则组织模块为使用逻辑语句对标注文本进行处理。如将“和”、“或”映射为“and”、“or”。同时将每条逻辑语句用决策条件(IF-THEN结构)完成连接,具体方法为将每个逻辑语句分配节点ID,并记录与其他节点ID之间的关系且确保每个节点都能与不少于两个其他节点相连用于代表前后关系。其中两个节点ID的连接即为决策条件,规则组织模块的输出为包含决策条件变量和逻辑语句的节点信息;在图形化表示模块中,本发明共定义了四种原子类型节点(Atomic Node),一种复合类型节点(CompositeNode)以及两种连接线(Line)用于描述临床诊疗路径以及表示临床指南知识。原子类型节点包括:
1.解释性节点(Explanation Node):Ex_xx表示,用于描述未在临床指南中记录、但属于临床经验或临床指南的背景知识,以辅助信息化工程师和医疗人员更便于理解图形化计算机化指南表示模型;
2.数据获取节点(Enquiry Node):En_xx表示,与外部数据对接的节点,包括病人口述、电子病历***接口、医生录入数据以及外部知识库等;
3.决策节点(Decision Node):De_nn表示,代表临床指南中的决策点,可以通过设置决策条件与临床指南中的诊断推理过程相对应;
4.动作节点(Action Node):Ac_xx表示,用于代表临床指南中的指导动作并进行建模;复合类型节点使用Co_xx表示,用于表示其他无法归类于四种原子类型节点的临床指南知识;
连接线包括:
1.顺序连接线(Sequence Line):用于连接序贯式结构,表示上下节点具有顺序关系,可被依次执行;
2.决策连接线(Decision Line):Li_xx表示,从决策节点出发,根据决策条件连接至其他不同节点,用以表示临床指南中的临床决策路径。
对于每条连接线,使用函数式逻辑语句表示上下节点的推理关系,可用的逻辑判别类型包括exist、find、or等,支持多个逻辑语句的与/或计算。通过这种对每类临床知识和推理规则定义图形化标识的方法,可以直观、形象地将所述决策条件转化为图形化变量,具备较强可解释性;
模型构建模块为模型编辑者通过图形用户界面(GUI)构建疾病临床指南表示模型并保存,将所述逻辑语句和所述图形化变量传递给疾病临床指南表示模型得到图形化诊断流程。若后续使用者对当前指南表示模型中存在异议,可根据指南备注信息联系模型编辑者并提交模型修改请求至图形化计算机化临床指南表示模型构建平台管理者,以获得模型修改权限,使构建的图形化指南表示模型具备灵活性和可更改性;此外,为了提高计算机化临床指南表示模型的可溯源性以及权威性,本发明同时定义了规范化临床指南表示模型的备注信息,包括编辑者信息(编辑者姓名、电子邮箱地址、单位、编辑时间)、描述(临床指南来源与细节、指南表示模型构建目的、何种情况下可以使用、何种情况下不能使用、参考文献)、文本临床指南信息(上传PDF文件);在模型测试模块,为使用模型编辑者提供的测试样例或使用计算机自动生成的虚拟数据,输入疾病临床指南表示模型以测试术语规范性、决策路径连通性、数据可交互性等问题,确保图形化疾病临床指南表示模型具备可用性。
S103、在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。
本发明实施例中,如图2所示,所述应用层包括:诊疗决策支持、自动化疾病分型、治疗方案推荐和并发症预测。其中,针对诊疗决策支持如图3所示基于疾病临床指南表示模型确定数据获取节点,基于数据获取节点确定决策节点,判断所述决策节点是否符合决策条件,其中,所述决策条件可以基于经验或者具体情况进行设定,本发明实施例中不进行具体限定。若符合决策条件,生成动作节点1,基于所述动作节点1确定复合节点,最终结束,若不符合决策条件,生成动作节点2,基于所述动作节点1确定复合节点,并进行完善检车,最终结束,针对诊疗决策支持过程,根据输入的临床数据,在本发明所构建的图形化临床指南中进行临床决策支持路径检索,最终的结果表示为输出当前应该完善的医疗检查项目并补充相关临床数据。优选的,
GDL(Guideline Definition Language)是一种基于openEHR的指南表示模型,由表示为“when-then”的单一规则串联组合构建而成,可以用于复杂临床决策的表达。
进一步的,针对疾病分型如图4所示,基于疾病临床指南表示模型确定数据获取节点,基于所述数据获取节点确定决策节点1和决策节点2,针对所述决策节点1,判断所述决策节点1是否符合决策条件,其中,所述决策条件可以基于经验或者具体情况进行设定,本发明实施例中不进行具体限定,若所述决策节点1符合决策条件,则生成动作节点1,若所述决策节点1不符合决策条件生成动作节点2,针对决策节点1若符合决策条件,生成决策节点3,若所述决策节点3符合决策条件,生成动作节点3,所述动作节点1、动作节点2和所述动作节点3基于疾病分型决策节点4生成分型1、分型2、分型3和分型4,最终结束。针对疾病分型过程,根据输入的完整临床数据,使用本发明构建的图形化临床指南表示模型进行临床决策支持路径检索,最终的结果表示为输出根据临床指南表示模型判断得到的疾病分型结果,并返回基于图形化指南表示的临床决策支持路径和相关决策推理过程。
进一步的,针对治疗方案推荐如图5所示,基于疾病临床指南标识模型,确定数据获取节点,基于所述数据获取节点确定决策节点1和决策节点2,针对决策节点1,判断所述决策节点1是否满足决策条件,其中,所述决策条件可以为生命体征、并发症和过敏史等,本发明实施例中不进行具体限定,若所述决策节点1符合决策条件,基于所述决策节点1确定治疗方案1,若所述决策节点1不符合决策条件,基于所述决策节点1确定治疗方案1,针对所述决策节点2,判断所述决策节点2是否符合决策条件,所述决策节点2不符合决策条件,基于所述决策节点2确定治疗方案2,若所述决策节点2符合决策条件,基于所述决策节点2确定决策节点3,判断所述决策节点3是否符合决策条件,若所述决策节点3符合决策条件,则基于所述决策节点3确定治疗方案3,若所述决策节点3不符合决策条件,基于所述决策节点3确定治疗方案4,最终结束,针对治疗方案推荐过程,根据输入的完整临床数据及疾病分型结果,使用本发明构建的图形化临床指南表示进行临床决策支持路径检索,最终的结果表示为输出基于图形化指南表示模型的治疗方案推荐结果,包含药物、器械和手术治疗推荐。该应用方法可伴随就诊环节进行多次使用,每次使用时通过修改录入患者临床数据以得到动态的治疗方案。
进一步的,针对并发症预测如图6所示,基于疾病临床指南表示模型1确定数据获取节点,所述数据获取节点通过匹配程度决策节点确定符合决策条件的基于疾病临床指南表示模型2确定数据获取节点,针对基于疾病鳞状指南表示模型确定的数据获取节点,继续确定决策节点1和决策节点2,针对所述决策节点1,判断所述决策节点1是否符合决策条件,其中,所述决策条件可以基于经验或者具体情况进行设定,本发明实施例中不进行具体限定,若符合决策条件,基于所述决策节点1确定分型1,若不符合决策条件,基于所述决策节点1确定分型2,针对所述决策节点2,若符合决策节点,基于所述决策节点2确定决策节点3,若所述决策节点3负荷决策条件,基于所述决策节点3确定分型3,针对基于疾病临床指南表示模型确定的数据获取节点,继续基于该数据获取节点确定决策节点4和决策节点5,针对所述决策节点4,在所述决策节点4符合决策条件的情况下,基于所述决策节点4确定所述决策节点6,若所述决策节点6符合决策条件,基于所述决策节点3确定并发症分型1,若所述决策节点4不符合决策条件,基于所述决策节点4确定并发症分型2,针对所述决策节点5,若所述决策节点5符合洁厕条件,基于所述决策节点5确定并发症分型3,最终结束,针对并发症预测过程,根据输入的完整临床数据,自动在所有使用本发明构建的图形化临床指南表示模型中进行临床决策支持路径检索,输入分为两个部分:1.主要疾病分型结果(如图2所示);2.并发症预测结果。在对其他图形化指南表示模型进行检索阶段,将输入数据与其他指南表示模型要求的输入数据进行匹配,仅对匹配程度较高的指南表示模型进行模糊检索,返回可能存在的其他疾病分型作为并发症预测结果。
本发明实施例中,针对上述四种推荐结果,可以基于具体情况选取其中的至少一种进行推荐,本发明实施例中不进行具体限定。
本发明公开了一种基于图形化表示的计算机化临床指南构建方法,应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述方法包括:在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;在所述模型层将所述目标文本输入转化为图形化诊疗流程;在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。上述过程,诊疗流程的确定过程不需要医护人员掌握相关语言就可以实现,对医护人员的要求较低,有利于临床指南方法在医护人员中的传播与应用。
由于现有计算机化指南表示模型仅关注临床指南的知识表示,忽略了规范化的临床诊疗过程表示以及详细说明,不利于信息化工程师理解临床指南知识从而导致构建出的计算机化指南表示模型具有一定偏差,也不利于计算机化临床指南表示模型的在临床实践中的实际应用;此外,现有的大部分计算机化指南表示模型仅能在专用***内部使用,而部分计算机化指南表示模型虽然能与HIS***形成交互,但是囊括的临床信息少且不规范,导致其与医疗信息***交互性较差,通用性不高;并且,已有的计算机化指南表示模型多使用复杂的计算机逻辑语言表示,不利于临床工作者对计算机化指南表示模型的矫正和修改,且这种计算机化指南表示模型直观展示较为困难,可解释性较差。
针对以上问题,本发明提出一种通用的图形化可循证计算机化临床指南表示模型,用以解决其他计算机化临床指南表示模型的忽略诊疗过程、通用和交互性差、难以直观表示的缺点。其中,计算机化临床指南表示模型使用图形化标识表征临床知识、临床诊疗路径以及推理规则的计算机化临床指南表示模型。其中图形化标识包括节点和连接线,对应临床知识、临床推荐动作、临床数据获取以及推理决策。临床指南表示模型为一包含起止位点的图形化决策路线图,可用于根据给定临床数据进行决策推理。在计算机化指南表示模型中设置的样本数据类型及规范化指南表示模型备注信息,其中样本数据类型经过医学术语集进行标准化并在模型构建、测试和使用阶段进行辅助矫正。利用图形化计算机化临床指南表示模型进行临床诊疗流程决策支持。从文本临床指南中提取临床诊疗知识构建的指南表示模型,可根据给定临床数据给出当前需要完善的诊疗步骤。利用图形化计算机化临床指南表示模型进行自动化疾病分型。从文本临床指南中提取临床疾病分型知识构建的指南表示模型,根据给定临床数据通过指南表示模型推理得到疾病分型结果。利用图形化计算机化临床指南表示模型进行治疗方案推荐。从文本临床指南中提取临床疾病分型知识构建的指南表示模型,根据给定临床数据和疾病分型结果通过指南表示模型推理得到当前样本下的推荐治疗方案,可与利用图形化计算机化临床指南表示模型进行自动化疾病分型进行联用。利用图形化计算机化临床指南表示模型进行并发症预测。从文本临床指南中提取临床疾病分型知识构建多个疾病的指南表示模型,首先根据给定数据使用技术点4得到目标疾病分型结果,然后将给定数据在其他疾病指南表示模型中与输入数据类型进行匹配,在匹配程度较高的指南表示模型中使用技术点4得到预测的并发症分型结果。
进一步的,针对上述处理过程,还可以使用相似类型节点、连接线构建图形化临床指南表示模型。还可以使用类似功能的逻辑表达式而非图形化标识完成临床指南表示模型的构建。还可以使用GEM、GDL等现有计算机化指南表示模型进行自动化疾病分型和治疗方案推荐。还可以使用基于概率统计的方法从先前的已知样本数据学习并用于并发症预测。还可以使用机器学习、深度学习等方法从临床指南文本中构建计算机化指南表示模型。还可以使用基于知识图谱的方法构建计算机化临床指南表示模型。
本发明实施例构建了图形化临床指南表示方法,用不同类型的原子类型节点和连接线表示临床指南知识及路径,对于连接线,构造逻辑语句反映关联规则。该方法能够直观展示基于指南的临床决策支持路径,具有较强可解释性;同时,该方法也能映射到实际诊疗流程,与临床实践贴合。此外,本发明使用电子病历中的常用字段作为节点数据类型,同时指南表示模型的输入、输出符合电子病历***数据格式,支持多病种的指南知识表示模型构建。因此,该方法能够嵌入真实诊疗***中,通用性强。
基于上述的一种基于图形化表示的计算机化临床指南构建方法,本发明实施例中还提供了一种基于图形化表示的计算机化临床指南构建装置,所述装置应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述装置的结构框图如图7所示,包括:
获取和确定模块201、转化模块202和确定模块203。
其中,
所述获取和确定模块201,用于在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;
所述转化模块202,用于在所述模型层将所述目标文本输入转化为图形化诊疗流程;
所述确定模块203,用于在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。
本发明公开了一种基于图形化表示的计算机化临床指南构建装置,应用于计算机化临床指南模型,计算机化临床指南模型包括:数据层、模型层和应用层,所述方法包括:在数据层获取临床指南数据库中的文本输入,确定与文本输入对应的临床数据,基于文本输入和临床数据确定目标文本输入;在模型层将目标文本输入转化为图形化诊疗流程;在应用层基于图形化诊疗流程确定决策推荐结果,决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。上述过程,诊疗流程的确定过程不需要医护人员掌握相关语言就可以实现,对医护人员的要求较低,有利于临床指南方法在医护人员中的传播与应用。
本发明实施例中,所述获取和确定模块201包括:
集成单元204、标准化单元205和标注单元206。
其中,
所述集成单元204,用于将所述文本输入和所述临床数据中的对应项进行集成,得到第一文本输入;
所述标准化单元205,用于对所述第一文本输入进行术语标准化操作,得到第二文本输入;
所述标注单元206,用于对所述第二文本输入进行文本标注,得到目标文本输入。
本发明实施例中,所述转化模块202包括:
第一转化单元207、第二转化单元208和第一确定单元209。
其中,
所述第一转化单元207,用于将所述目标文本输入转化为决策条件变量和逻辑语句;
所述第二转化单元208,用于将所述决策条件变量转化为图形化变量;
所述第一确定单元209,用于将所述逻辑语句和所述图形化变量传递给疾病临床指南表示模型得到图形化诊断流程。
本发明实施例中,所述转化模块202还包括:验证单元210。
其中,
所述验证单元210,用于对所述疾病临床指南表示模型进行验证。
本发明实施例中,所述确定模块203包括:
检索单元211和第二确定单元212。
其中,
所述检索单元211,用于基于所述图形化诊疗流程在所述临床指南表示模型中进行临床决策支持路径检索;
所述第二确定单元212,用于基于所述检索结果,确定所述决策推荐结果。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
最后,还需要说明的是,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。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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或者实施例的某些部分所述的方法。
以上对本发明所提供的一种基于图形化表示的计算机化临床指南构建方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于图形化表示的计算机化临床指南构建方法,其特征在于,应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述方法包括:
在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;
在所述模型层将所述目标文本输入转化为图形化诊疗流程;
在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。
2.根据权利要求1所述的方法,其特征在于,基于所述文本输入和所述临床数据确定目标文本输入,包括:
将所述文本输入和所述临床数据中的对应项进行集成,得到第一文本输入;
对所述第一文本输入进行术语标准化操作,得到第二文本输入;
对所述第二文本输入进行文本标注,得到目标文本输入。
3.根据权利要求1所述的方法,其特征在于,在所述模型层将所述目标文本输入转化为图形化诊疗流程,包括:
将所述目标文本输入转化为决策条件变量和逻辑语句;
将所述决策条件变量转化为图形化变量;
将所述逻辑语句和所述图形化变量传递给疾病临床指南表示模型得到图形化诊断流程。
4.根据权利要求3所述的方法,其特征在于,还包括:
对所述疾病临床指南表示模型进行验证。
5.根据权利要求1所述的方法,其特征在于,在所述应用层基于所述图形化诊疗流程确定决策推荐结果,包括:
基于所述图形化诊疗流程在所述临床指南表示模型中进行临床决策支持路径检索;
基于所述检索结果,确定所述决策推荐结果。
6.一种基于图形化表示的计算机化临床指南构建装置,其特征在于,应用于计算机化临床指南模型,其中,所述计算机化临床指南模型包括:数据层、模型层和应用层,所述装置包括:
获取和确定模块,用于在所述数据层获取临床指南数据库中的文本输入,确定与所述文本输入对应的临床数据,基于所述文本输入和所述临床数据确定目标文本输入;
转化模块,用于在所述模型层将所述目标文本输入转化为图形化诊疗流程;
确定模块,用于在所述应用层基于所述图形化诊疗流程确定决策推荐结果,其中,所述决策推荐结果包括:诊疗决策、自动化疾病分型、治疗方案推荐和并发症预测中的至少一种。
7.根据权利要求6所述的装置,其特征在于,所述获取和确定模块包括:
集成单元,用于将所述文本输入和所述临床数据中的对应项进行集成,得到第一文本输入;
标准化单元,用于对所述第一文本输入进行术语标准化操作,得到第二文本输入;
标注单元,用于对所述第二文本输入进行文本标注,得到目标文本输入。
8.根据权利要求6所述的装置,其特征在于,所述转化模块包括:
第一转化单元,用于将所述目标文本输入转化为决策条件变量和逻辑语句;
第二转化单元,用于将所述决策条件变量转化为图形化变量;
第一确定单元,用于将所述逻辑语句和所述图形化变量传递给疾病临床指南表示模型得到图形化诊断流程。
9.根据权利要求8所述的装置,其特征在于,还包括:
验证单元,用于对所述疾病临床指南表示模型进行验证。
10.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
检索单元,用于基于所述图形化诊疗流程在所述临床指南表示模型中进行临床决策支持路径检索;
第二确定单元,用于基于所述检索结果,确定所述决策推荐结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111288111.3A CN114023462A (zh) | 2021-11-02 | 2021-11-02 | 一种基于图形化表示的计算机化临床指南构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111288111.3A CN114023462A (zh) | 2021-11-02 | 2021-11-02 | 一种基于图形化表示的计算机化临床指南构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114023462A true CN114023462A (zh) | 2022-02-08 |
Family
ID=80059869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111288111.3A Pending CN114023462A (zh) | 2021-11-02 | 2021-11-02 | 一种基于图形化表示的计算机化临床指南构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114023462A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114464286A (zh) * | 2022-02-25 | 2022-05-10 | 广州循证医药科技有限公司 | 基于人机交互的可视化病例数据导入、报告***与方法 |
CN114722464A (zh) * | 2022-03-28 | 2022-07-08 | 广东省重工建筑设计院技术咨询有限公司 | 一种基于人工智能的自动化审图***及方法 |
-
2021
- 2021-11-02 CN CN202111288111.3A patent/CN114023462A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114464286A (zh) * | 2022-02-25 | 2022-05-10 | 广州循证医药科技有限公司 | 基于人机交互的可视化病例数据导入、报告***与方法 |
CN114722464A (zh) * | 2022-03-28 | 2022-07-08 | 广东省重工建筑设计院技术咨询有限公司 | 一种基于人工智能的自动化审图***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peleg | Computer-interpretable clinical guidelines: a methodological review | |
CN107239665B (zh) | 医疗信息查询***及方法 | |
KR101136470B1 (ko) | 그래픽 사용자 인터페이스 관련 개선 장치 및 방법 | |
Matney et al. | Development of the nursing problem list subset of SNOMED CT® | |
CN112307215A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
Oliveira et al. | Development and implementation of clinical guidelines: an artificial intelligence perspective | |
US20140129246A1 (en) | Extension of clinical guidelines based on clinical expert recommendations | |
US9117183B2 (en) | Real-time predictive simulation modeling | |
US11488693B2 (en) | Abstracting information from patient medical records | |
CN114023462A (zh) | 一种基于图形化表示的计算机化临床指南构建方法及装置 | |
US20220068482A1 (en) | Interactive treatment pathway interface for guiding diagnosis or treatment of a medical condition | |
CN105190628A (zh) | 确定临床医生的预订项目的意图的方法和设备 | |
CN114330267A (zh) | 一种基于语义学关联的结构化报告模板的设计方法 | |
CN112634889A (zh) | 基于人工智能的电子病例录入方法、装置、终端及介质 | |
Keenan et al. | A shovel‐ready solution to fill the nursing data gap in the interdisciplinary clinical picture | |
US20240143605A1 (en) | System And Method For Improved State Identification And Prediction In Computerized Queries | |
Huang et al. | Semantic representation of evidence-based clinical guidelines | |
Juhrisch et al. | Information systems engineering in healthcare–an evaluation of the state of the art of operational process design | |
CN113314217A (zh) | 一种基于检验医学大数据的常见疾病辅助自诊*** | |
Permanasari et al. | A web-based decision support system of patient time prediction using iterative dichotomiser 3 algorithm | |
CN113314236A (zh) | 一种面向高血压的智能问答*** | |
Shalom et al. | Ability of expert physicians to structure clinical guidelines: reality versus perception | |
Shali et al. | Bots Using Natural Language Processing in Medical Sector | |
de Aguiar Barbosa et al. | A Domain-Specific Modeling Language for Specification of Clinical Scores in Mobile Health. | |
Feng et al. | Extracting meaningful correlations among heterogeneous datasets for medical question answering with domain knowledge |
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 |