CN116665910A - 一种基于大数据分析的神经介入手术风险评估*** - Google Patents
一种基于大数据分析的神经介入手术风险评估*** Download PDFInfo
- Publication number
- CN116665910A CN116665910A CN202310642768.8A CN202310642768A CN116665910A CN 116665910 A CN116665910 A CN 116665910A CN 202310642768 A CN202310642768 A CN 202310642768A CN 116665910 A CN116665910 A CN 116665910A
- Authority
- CN
- China
- Prior art keywords
- information
- risk assessment
- disease
- interventional
- medical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 90
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 230000001537 neural effect Effects 0.000 title claims abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 101
- 201000010099 disease Diseases 0.000 claims abstract description 92
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 208000024891 symptom Diseases 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000010354 integration Effects 0.000 claims abstract description 4
- 238000013475 authorization Methods 0.000 claims description 49
- 239000003814 drug Substances 0.000 claims description 20
- 238000013152 interventional procedure Methods 0.000 claims description 20
- 229940079593 drug Drugs 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 8
- 238000001356 surgical procedure Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 3
- 208000035475 disorder Diseases 0.000 claims 3
- 206010061818 Disease progression Diseases 0.000 claims 1
- 238000013480 data collection Methods 0.000 claims 1
- 230000005750 disease progression Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000013210 evaluation model Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 210000005036 nerve Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 229940127218 antiplatelet drug Drugs 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
- 230000023555 blood coagulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 239000000106 platelet aggregation inhibitor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于大数据分析的神经介入手术风险评估***，涉及手术风险评估技术领域，解决了现有技术进行风险评估时，依赖患者对既往病史的描述以及医生的丰富经验，难以准确评估神经介入手术风险的技术问题；本发明从若干医疗机构采集患者的医疗信息，构建获取若干病程链；结合介入手术信息识别分析病程链生成风险评估序列；本发明自动分析患者的既往病史，综合评估之后通过风险评估模型对神经介入手术进行评估，提高风险评估的准确性；本发明对有效病症信息进行拼接整合获取风险评估序列，或者根据各关联病症对介入手术的影响因子整合生成风险评估序列；本发明基于病程链进行特征提取，简化了风险评估序列，提高神经介入手术风险评估效率。
Description
技术领域
本发明属于手术风险评估领域，涉及基于大数据分析的神经介入手术风险评估技术，具体是一种基于大数据分析的神经介入手术风险评估***。
背景技术
神经介入手术是在数字减影血管造影***的支持下，采用血管内导管操作技术，通过选择性造影、栓塞、扩张成形、机械清除、药物递送等具体方法，对累及人体神经血管***的病变进行诊断和治疗。神经介入手术虽然属于微创手术，但由于其在血管内操作仍然具有很大风险。
目前在进行神经介入手术之前，医生需要安排一系列检查以判断患者病情，同时需要与患者沟通来了解患者的用药史和合并症来判断是否会增加神经介入手术的风险。现有技术中可能因为患者对既往病史的遗漏而导致神经介入手术风险的增加，而且一系列判断主要通过医生来进行主观判断，对医生能力要求极高，难以准确评估神经介入手术的风险；因此，亟须一种基于大数据分析的神经介入手术风险评估***。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于大数据分析的神经介入手术风险评估***，用于解决现有技术进行风险评估时，依赖患者对既往病史的描述以及医生的丰富经验，难以准确评估神经介入手术风险的技术问题。
为实现上述目的，本发明的第一方面提供了一种基于大数据分析的神经介入手术风险评估***，包括中枢分析模块，以及与之相连接的数据采集模块和智能终端；所述数据采集模块经过授权后与若干医疗机构进行数据交互；
中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；以及控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；
中枢分析模块对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。
优选的，所述中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症，包括：
通过智能终端获取介入手术信息以及患者和医生的身份授权信息；其中，介入手术信息包括手术时间、手术部位或者手术类型，身份授权信息包括姓名、身份证号或者面部图像；
基于介入手术信息中的手术部位或者手术类型进行匹配，获取关联病症；其中，关联病症指会对介入手术产生影响的疾病。
优选的，所述控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息，包括：
基于医生或者患者的身份授权信息获取对应的身份授权标识；其中，身份授权标识通过哈希计算获取,具有唯一性；
验证医生的身份授权标识，验证通过之后基于患者的身份授权标识和关联病症在各医疗机构的数据库中匹配获取对应的医疗信息。
优选的，所述中枢分析模块对医疗信息进行分析，构建获取若干病程链，包括：
获取医疗信息；其中，医疗信息包括诊断时间、病症名称以及病症用药；
基于病症名称构建病程链，通过诊断时间和病症用药对构建的病程链进行填充，获取若干病程链；其中，病程链中至少包括患者的一次医疗信息。
优选的，所述结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列，包括：
根据介入手术信息中的手术时间从若干病程链中剔除无效信息，获取有效病症信息；其中，有效病症信息包括病症标签、时间差、药品标签以及药品剂量；
对有效病症信息进行拼接整合，获取风险评估序列。
优选的，所述对有效病症信息进行拼接整合，获取风险评估序列，包括：
构建病症-手术影响曲线；其中，病症-手术影响曲线用于描述关联病症对介入手术的影响；
结合病症-手术影响曲线和有效病症信息获取各关联病症对介入手术的影响因子；将影响因子整合成风险评估序列。
优选的，所述将风险评估序列输入至风险评估模型中获取风险评估结果，包括：
基于人工智能模型构建并训练获取风险评估模型；其中，人工智能模型包括BP神经网络模型或者RBF神经网络模型；
将风险评估序列输入至风险评估模型中，获取对应输出的风险评估分数；根据风险评估分数判断介入手术的风险大小。
优选的，所述中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；其中，智能终端用于医生或者患者与中枢分析模块进行数据交互；
所述数据采集模块与若干医疗机构的数据库通信和/或电气连接；其中，医疗机构对数据采集模块的授权建立在患者对医疗机构授权的基础上。
与现有技术相比，本发明的有益效果是：
1.本发明在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；对医疗信息进行分析，构建获取若干病程链；结合介入手术信息识别分析病程链生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果；本发明自动分析患者的既往病史，综合评估之后通过风险评估模型对神经介入手术进行评估，提高风险评估的准确性。
2.本发明结合介入手术信息从若干病程链提取有效病症信息，对有效病症信息进行拼接整合获取风险评估序列，或者根据各关联病症对介入手术的影响因子整合生成风险评估序列；本发明基于病程链进行特征提取，简化了风险评估序列，提高神经介入手术风险评估效率。
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为本发明的***原理示意图；
图2为本发明的方法步骤示意图。
具体实施方式
下面将结合实施例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它实施例，都属于本发明保护的范围。
神经介入手术在进行之前，医生需要全方位了解患者的既往病史，以及针对神经介入手术进行一系列的术前检查，甚至还需要对患者进行心理干预。一旦患者没有交待清楚既往病史，或者医生经验不够丰富造成误判，很容易增加神经介入手术的风险，本发明通过大数据技术来进行神经介入手术的风险评估。
请参阅图1-图2，本发明第一方面实施例提供了一种基于大数据分析的神经介入手术风险评估***，包括中枢分析模块，以及与之相连接的数据采集模块和智能终端；数据采集模块经过授权后与若干医疗机构进行数据交互；中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；以及控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；中枢分析模块对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。
本发明中中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；数据采集模块与若干医疗机构的数据库通信和/或电气连接。
中枢分析模块主要负责整个风险评估过程的数据处理，其数据源来源两个方面，一个是从其他医疗机构采集医疗信息的数据采集模块，另外一个是与医生或者患者关联的智能终端。智能终端用于医生或者患者与中枢分析模块进行数据交互，医生可通过智能终端输入即将进行的神经介入手术的信息，患者则通过智能终端进行数据权限的授权。数据采集模块主要与各医疗机构的数据库进行数据交互，医疗机构在将医疗信息上传至中枢分析模块之前，需要验证医生及其工作单位，还需要验证是否经过对应患者的授权，以保证患者医疗信息的安全性。
要想准确评估神经介入手术的风险，就需要知晓哪些因素会影响神经介入手术。根据手术经验可知，心肝肾功能、凝血功能等均会对神经介入手术产生影响，而如果在术前统一进行检查则会浪费时间，而且有些检查很可能在当天条件下无法完成；有些药物的服用也会影响神经介入手术，如阿司匹林一类抗血小板的药物，患者服用哪些药物很难检查出来，只能通过患者的过往就诊历史获取。
在一个优选的实施例中，中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症，包括：通过智能终端获取介入手术信息以及患者和医生的身份授权信息；基于介入手术信息中的手术部位或者手术类型进行匹配，获取关联病症。
介入手术信息包括手术时间、手术部位或者手术类型，介入手术信息主要用来提取关联病症以及分析关联病症对神经介入手术的影响；身份授权信息包括姓名、身份证号或者面部图像，身份授权信息仅用于开通相关的数据交互权限。关联病症指会对介入手术产生影响的疾病，如血液、心脏等疾病。
提取介入手术信息中的手术类型以及手术部位，如针对某部位的血管进行神经介入手术；根据手术类型和手术部位匹配获取对应的关联病症，关联病症与手术类型和手术部位的关联关系根据历史经验设定，且不断更新存储。
根据介入手术信息匹配获取关联病症之后，需要判断患者是否存在关联病症。控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息，包括：基于医生或者患者的身份授权信息获取对应的身份授权标识；验证医生的身份授权标识，验证通过之后基于患者的身份授权标识和关联病症在各医疗机构的数据库中匹配获取对应的医疗信息。
身份授权标识通过哈希计算获取,具有唯一性，即通过哈希计算获取患者(医生)的身份授权标识之后删除身份授权信息，以免身份授权信息泄露。在采集医疗信息之前，通过中枢分析模块来验证医生的身份授权标识，若医生资质以及工作单位资质均符合要求则验证通过。之后建立数据采集模块与各医疗机构数据库的连接，基于患者的身份授权标识和关联病症进行双重匹配，获取需要的医疗信息，医疗信息在传输过程中进行加密，这些医疗信息中包含影响神经介入手术的各项因素。
在获取信息之后，需要对其提取和整理，以便能够通过风险评估模型进行识别分析。中枢分析模块对医疗信息进行分析，构建获取若干病程链，包括：获取医疗信息；基于病症名称构建病程链，通过诊断时间和病症用药对构建的病程链进行填充，获取若干病程链。
根据关联病症的病症名称构建对应的病程链，从医疗信息中提取对应病症名称的就诊记录，如诊断时间、诊断医师以及病症用药。在病程链中按照诊断时间依次对病症用药、诊断医师等进行排序即可获取完善的病程链。有多少关联病症则对应多少病程链，而且病程链中至少包括患者的一次医疗信息，即病程链中至少有一个就诊时间以及对应的病症用药。
病程链不仅梳理了患者经历过的治疗，而且能够为风险评估序列的生成提供极大便利。结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列，包括：根据介入手术信息中的手术时间从若干病程链中剔除无效信息，获取有效病症信息；对有效病症信息进行拼接整合，获取风险评估序列。
根据手术时间从若干病程链中剔除无效信息，由于之前对病程链进行了筛选整合，因此这里的无效信息主要是时间太久，对神经介入手术不会产生影响的就诊记录，如十年前患者进行的某关联病程治疗。剩下的均可作为有效病症信息，对有效病症信息进行整合即获取风险评估序列。
有效病症信息包括病症标签、时间差、药品标签以及药品剂量，这里的时间差是指就诊时间与手术时间之间的时间差，同一关联病症可能会有多次就诊记录，因此可能存在多个时间差。举例说明本实施例根据有效病症信息生成风险评估序列：假设有效病症信息中包括关联病症A，对应时间差为AS1、AS2(两次就诊记录)，药品标签为AY1、AY2，对应的药品剂量为AL1、AL2，则关联病症A对应的风险评估序列部分为[A，(AS1，AS2)，(AY1，AY2)，(AL1，AL2)]，若存在多个关联病症，拼接起来可获取完成的风险评估序列。
需要注意的是，可能存在某些关联病症连患者自己都没有察觉，所以没有对用的医疗信息。为了降低手术风险，应该结合根据手术信息匹配的关联病症进行必要的术前检查，并根据检查结果完善风险评估序列。
在另外一个可选的实施例中，对有效病症信息进行拼接整合，获取风险评估序列，包括：构建病症-手术影响曲线；结合病症-手术影响曲线和有效病症信息获取各关联病症对介入手术的影响因子；将影响因子整合成风险评估序列。
根据历史经验数据构建病症-手术影响曲线，病症-手术影响曲线用于描述关联病症对神经介入手术的影响。具体构建过程是单独将关联病症对应的时间差、药品剂量作为自变量，将对神经介入手术的影响数字化作为因变量建立病症-手术影响曲线，其表现形式可以为YY＝α×x+β×y，x表示时间差，y表示药品剂量，α、β为拟合得到的比例系数。当然，时间差和药品剂量可以有多个。
接下来，将风险评估序列输入至风险评估模型中获取风险评估结果，包括：基于人工智能模型构建并训练获取风险评估模型；将风险评估序列输入至风险评估模型中，获取对应输出的风险评估分数；根据风险评估分数判断介入手术的风险大小。
人工智能模型基于标准训练数据训练获取，标准训练数据包括模型输入数据和模型输出数据。模型输入数据与风险评估序列的内容属性一致，模型输出数据是通过专家打分方式获取的模型输入数据对神经介入手术影响分数。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息。对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于大数据分析的神经介入手术风险评估***，包括中枢分析模块，以及与之相连接的数据采集模块和智能终端；所述数据采集模块经过授权后与若干医疗机构进行数据交互；其特征在于：
中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；以及控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；
中枢分析模块对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。
2.根据权利要求1所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症，包括：
通过智能终端获取介入手术信息以及患者和医生的身份授权信息；其中，介入手术信息包括手术时间、手术部位或者手术类型，身份授权信息包括姓名、身份证号或者面部图像；
基于介入手术信息中的手术部位或者手术类型进行匹配，获取关联病症；其中，关联病症指会对介入手术产生影响的疾病。
3.根据权利要求1所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息，包括：
基于医生或者患者的身份授权信息获取对应的身份授权标识；其中，身份授权标识通过哈希计算获取,具有唯一性；
验证医生的身份授权标识，验证通过之后基于患者的身份授权标识和关联病症在各医疗机构的数据库中匹配获取对应的医疗信息。
4.根据权利要求1所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述中枢分析模块对医疗信息进行分析，构建获取若干病程链，包括：
获取医疗信息；其中，医疗信息包括诊断时间、病症名称以及病症用药；
基于病症名称构建病程链，通过诊断时间和病症用药对构建的病程链进行填充，获取若干病程链；其中，病程链中至少包括患者的一次医疗信息。
5.根据权利要求4所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列，包括：
根据介入手术信息中的手术时间从若干病程链中剔除无效信息，获取有效病症信息；其中，有效病症信息包括病症标签、时间差、药品标签以及药品剂量；
对有效病症信息进行拼接整合，获取风险评估序列。
6.根据权利要求4所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述对有效病症信息进行拼接整合，获取风险评估序列，包括：
构建病症-手术影响曲线；其中，病症-手术影响曲线用于描述关联病症对介入手术的影响；
结合病症-手术影响曲线和有效病症信息获取各关联病症对介入手术的影响因子；将影响因子整合成风险评估序列。
7.根据权利要求5或6所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述将风险评估序列输入至风险评估模型中获取风险评估结果，包括：
基于人工智能模型构建并训练获取风险评估模型；其中，人工智能模型包括BP神经网络模型或者RBF神经网络模型；
将风险评估序列输入至风险评估模型中，获取对应输出的风险评估分数；根据风险评估分数判断介入手术的风险大小。
8.根据权利要求1所述的一种基于大数据分析的神经介入手术风险评估***，其特征在于，所述中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；其中，智能终端用于医生或者患者与中枢分析模块进行数据交互；
所述数据采集模块与若干医疗机构的数据库通信和/或电气连接；其中，医疗机构对数据采集模块的授权建立在患者对医疗机构授权的基础上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310642768.8A CN116665910A (zh) | 2023-06-01 | 2023-06-01 | 一种基于大数据分析的神经介入手术风险评估*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310642768.8A CN116665910A (zh) | 2023-06-01 | 2023-06-01 | 一种基于大数据分析的神经介入手术风险评估*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116665910A true CN116665910A (zh) | 2023-08-29 |
Family
ID=87720241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310642768.8A Pending CN116665910A (zh) | 2023-06-01 | 2023-06-01 | 一种基于大数据分析的神经介入手术风险评估*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116665910A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109727679A (zh) * | 2018-07-30 | 2019-05-07 | 中国医学科学院肿瘤医院 | 一种颈部吻合食管癌切除术手术部位感染风险预测评分及*** |
| CN110289095A (zh) * | 2019-06-28 | 2019-09-27 | 青岛百洋智能科技股份有限公司 | 一种股骨颈骨折临床智能辅助决策方法及*** |
| CN111180067A (zh) * | 2019-12-05 | 2020-05-19 | 济宁市第一人民医院 | 一种手术前风险评估预警方法和装置 |
| CN112992355A (zh) * | 2021-03-25 | 2021-06-18 | 南通大学附属医院 | 一种食管癌患者的术前评估方法及*** |
| CN113178258A (zh) * | 2021-04-28 | 2021-07-27 | 青岛百洋智能科技股份有限公司 | 外科手术术前风险评估方法及*** |
| CN113871026A (zh) * | 2021-10-14 | 2021-12-31 | 曹庆恒 | 一种医疗风险评估***及方法 |
| CN115223679A (zh) * | 2022-08-05 | 2022-10-21 | 华中科技大学同济医学院附属同济医院 | 基于机器学习的围手术期风险预警方法 |
-
2023
- 2023-06-01 CN CN202310642768.8A patent/CN116665910A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109727679A (zh) * | 2018-07-30 | 2019-05-07 | 中国医学科学院肿瘤医院 | 一种颈部吻合食管癌切除术手术部位感染风险预测评分及*** |
| CN110289095A (zh) * | 2019-06-28 | 2019-09-27 | 青岛百洋智能科技股份有限公司 | 一种股骨颈骨折临床智能辅助决策方法及*** |
| CN111180067A (zh) * | 2019-12-05 | 2020-05-19 | 济宁市第一人民医院 | 一种手术前风险评估预警方法和装置 |
| CN112992355A (zh) * | 2021-03-25 | 2021-06-18 | 南通大学附属医院 | 一种食管癌患者的术前评估方法及*** |
| CN113178258A (zh) * | 2021-04-28 | 2021-07-27 | 青岛百洋智能科技股份有限公司 | 外科手术术前风险评估方法及*** |
| CN113871026A (zh) * | 2021-10-14 | 2021-12-31 | 曹庆恒 | 一种医疗风险评估***及方法 |
| CN115223679A (zh) * | 2022-08-05 | 2022-10-21 | 华中科技大学同济医学院附属同济医院 | 基于机器学习的围手术期风险预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11786312B2 (en) | Surgical system with AR/VR training simulator and intra-operative physician image-guided assistance | |
| KR102237449B1 (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
| CN111312359B (zh) | 用药方案智能化推荐方法及装置 | |
| CN204189169U (zh) | 一种基于生物特征识别的智能医务管理*** | |
| CN110368300A (zh) | 一种智能针灸诊疗*** | |
| CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及*** | |
| CN106815360A (zh) | 临床研究受试者招募条件排查方法 | |
| CN114025253A (zh) | 一种基于真实世界研究的药物疗效评估*** | |
| CN110188613A (zh) | 图像分类方法及设备 | |
| JP2021047504A (ja) | 医師のための漢方医学における自動診断支援装置、自動診断支援方法、プログラム、学習済みモデルおよび学習済みモデル作成方法 | |
| JP2020530148A (ja) | 臨床データを保存及び評価するための医療工学デバイス | |
| WO2020103288A1 (zh) | 糖网眼底特征数据变化的分析方法与***，及存储设备 | |
| Gomez-Eslava et al. | Pain Sketches Demonstrate Patterns of Pain Distribution and Pain Progression following Primary Targeted Muscle Reinnervation in Amputees. | |
| CN116665910A (zh) | 一种基于大数据分析的神经介入手术风险评估*** | |
| CN112215969A (zh) | 一种基于虚拟现实的用户数据处理方法及装置 | |
| KR102503609B1 (ko) | 머신 러닝을 이용한 가상 환자 정보 생성 시스템 및 방법 | |
| KR101808836B1 (ko) | 학습 장치, 학습 시스템, 그리고 이를 이용한 학습 방법 | |
| CN116434927A (zh) | 一种医院感染的监控管理方法、装置、设备和介质 | |
| Chen et al. | Meta-analysis of functional neuroimaging and dispositional variables for clinical empathy | |
| CN105404773A (zh) | 中药配方颗粒组方的临床疗效评测方法和评测装置 | |
| CN112802601A (zh) | 一种神经外科患者综合诊疗***及方法 | |
| US20240127949A1 (en) | Artificial intelligence/machine learning based bioinformatics platform for encephalopathy and medical decision improvement method | |
| CN116246776B (zh) | 一种辅助脑卒中诊断决策的方法及*** | |
| CN113901415B (zh) | 利用生物识别判断治疗后患者留观时间的监测方法及*** | |
| KR102587222B1 (ko) | Copd 환자를 위한 인공지능 기반의 약제 처방 시스템 |
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 |