CN117912706A - 一种基于数据对齐的全病程健康分析方法和*** - Google Patents
一种基于数据对齐的全病程健康分析方法和*** Download PDFInfo
- Publication number
- CN117912706A CN117912706A CN202410107132.8A CN202410107132A CN117912706A CN 117912706 A CN117912706 A CN 117912706A CN 202410107132 A CN202410107132 A CN 202410107132A CN 117912706 A CN117912706 A CN 117912706A
- Authority
- CN
- China
- Prior art keywords
- node
- disease
- event
- course
- data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 230000036541 health Effects 0.000 title claims abstract description 31
- 201000010099 disease Diseases 0.000 claims abstract description 201
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 201
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000007405 data analysis Methods 0.000 claims abstract description 22
- 238000011161 development Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000011282 treatment Methods 0.000 claims description 50
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000004393 prognosis Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 5
- 208000002193 Pain Diseases 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 17
- 239000003814 drug Substances 0.000 description 14
- 238000011269 treatment regimen Methods 0.000 description 13
- 206010028836 Neck pain Diseases 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000000554 physical therapy Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 7
- 208000024891 symptom Diseases 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 208000001640 Fibromyalgia Diseases 0.000 description 4
- 206010061218 Inflammation Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004054 inflammatory process Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 206010061818 Disease progression Diseases 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 3
- 206010028813 Nausea Diseases 0.000 description 3
- 206010061363 Skeletal injury Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000005750 disease progression Effects 0.000 description 3
- 231100000869 headache Toxicity 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000008693 nausea Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 206010047513 Vision blurred Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 239000002775 capsule Substances 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000035876 healing Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000011505 plaster Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 208000019116 sleep disease Diseases 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
- 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
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于数据对齐的全病程健康分析方法和***,该方法包括:收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库。通过以上方法提供了病程大数据的分析和呈现,保障了患者方面的对疾病的发展过程全面的了解和知情,减少医患纠纷,完成全病程的健康分析和管理。
Description
技术领域
本申请属于健康管理领域,特别涉及一种基于数据对齐的全病程健康分析方法和***。
背景技术
全病程健康管理的基本概念是针对疾病提供全周期的规范化治疗与体系化服务。全病程管理的理念较早用于精神科领域治疗,而后出现在骨科领域治疗和康复管理。由于慢性病持续时间长且病情变化缓性,在慢性病方面的病程管理应用较为多见。相应的,全病程健康管理平台化技术方面也有较快的进步。近年来由于智慧医疗及互联网+在医疗机构推广和应用,不少医疗机构与相关研究机构都开始了全病程管理的探索与建设。然而纵观现有技术,目前全病程健康管理实质上仍然未脱离病程记录、远程问诊和医疗服务等传统服务内容。全病程健康管理的基础是病程数据,随着智能化平台的广泛应用、人工智能大数据技术的长足发展,全病程健康管理理应具有更深层次、更优化的应用,如何有效利用病程数据为医疗机构、患者提供更有效的全病程健康管理值得人们思考。
医患纠纷不可避免地时有发生,导致这个问题的一个重要原因在于患者所体验的医疗服务往往是一种“被动式”的医治,即被动地接受医生给出医治方案,并在该方案下接受治疗,一旦这种“被动式”的医治出现了主观或客观的问题,纠纷就会不可避免地产生。不难理解,由于患者或患者家属对于疾病信息和治疗方案缺乏相应的知识和了解,患者或患者家属有时候更想知道为什么这样医治,这样医治有什么好处以及相应的副作用,这样医治方案有什么值得注意的地方,存在何种未告知的风险,以前的病患、其他的医院、其他的主治医生会如何选择治疗方案等等。患者或患者家属的问题总是为数众多、复杂多样、难以罗列的,其中许多问题回答或解决已经远远超出医院或医生的职责范围,频繁的问题甚至会干扰医生正常医治工作。不对等的知识和信息以及“被动式”的医治容易引发医患纠纷。
发明内容
针对现有技术存在的问题,本发明提供一种基于数据对齐的全病程健康分析方法和***,该方法包括如下步骤:
S100,收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;
S200,确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;
S300,确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;
S400,对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库。
一实施例中,在所述步骤S100中,所述节点划分操作具体为将疾病发展过程中的事件或疾病诊疗过程中的事件作为一个事件节点设置事件标记;为事件标记添加对应疾病相关的参数作为事件画像。
一实施例中,所述疾病相关的参数包括:
检查得到的患者身体特征参数;
治疗方案特征参数;
环境特征参数;
时间特征参数。
一实施例中,在所述步骤S300中,所述根据当前节点对所述同类病程数据执行节点对齐操作,具体为:S310确定出所述同类病程数据中的所有节点中的相似事件节点;所述相似事件节点为其所对应的事件标记的事件画像与当前节点所对应的事件标记的事件画像的相似度超过第一预设阈值的节点;S320进一步判断所述相似事件节点在其所在病程记录中之前的其它事件节点与当前节点在目标疾病病程数据中之前的节点的相似度,若相似度超过第二预设阈值,则所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
一实施例中,所述大数据分析包括:
分析当前事件节点的发生概率;
分析当前事件节中患者身体特征参数分布情况、环境特征参数分布情况;
分析当前事件节点的被选择的治疗方案分布情况;
分析当前事件节点不同后续治疗方案对应的疾病走向情况及疾病预后的分布情况;
分析当前事件潜在的医疗风险范围。
本申请还提供一种基于数据对齐的全病程健康分析***,包括如下模块:
疾病病程数据库构建模块,用于收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;
同类病程数据筛选模块,用于确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;
节点对齐操作模块,用于确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;
大数据分析模块,用于对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库。
一实施例中,在所述疾病病程数据库构建模块,所述节点划分操作具体为将疾病发展过程中的事件或疾病诊疗过程中的事件作为一个事件节点设置事件标记;为事件标记添加对应疾病相关的参数作为事件画像。
一实施例中,所述疾病相关的参数包括:
检查得到的患者身体特征参数;
治疗方案特征参数;
环境特征参数;
时间特征参数。
一实施例中,在所述节点对齐操作模块中,所述根据当前节点对所述同类病程数据执行节点对齐操作包括如下子模块:相似事件节点确定模块,用于确定出所述同类病程数据中的所有节点中的相似事件节点;所述相似事件节点为其所对应的事件标记的事件画像与当前节点所对应的事件标记的事件画像的相似度超过第一预设阈值的节点;在先节点相似度判断模块,用于进一步判断所述相似事件节点在其所在病程记录中之前的其它事件节点与当前节点在目标疾病病程数据中之前的节点的相似度,若相似度超过第二预设阈值,则所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
一实施例中,所述大数据分析包括:
分析当前事件节点的发生概率;
分析当前事件节中患者身体特征参数分布情况、环境特征参数分布情况;
分析当前事件节点的被选择的治疗方案分布情况;
分析当前事件节点不同后续治疗方案对应的疾病走向情况及疾病预后的分布情况;
分析当前事件潜在的医疗风险范围。
本发明采用上述方法或***可至少达到以下效果:(1)通过对疾病病程记录进行节点划分,建立疾病病程数据库,构建了适于实际应用的病程大数据,提供了后续大数据分析和展示的基础;进一步地在节点划分的基础上,基于节点对齐操作,将相似病程进行对齐分析,有效提升分析效果;(2)全病程的健康分析有利于辅助医生制定正确的治疗方式;(3)本发明对病程大数据的病程记录节点进行横向对比分析,使得患者方面更了解当前疾病情况,较好地保障了患者方面的对疾病的发展过程全面的了解和知情,从而制定有利决策,并减少医患纠纷,完成全病程的健康分析和管理。
附图说明
为了更清楚地说明本申请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介绍。显而易见地,下面描述中的附图仅用于示意本申请的一些实施例,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中未提及的技术特征、连接关系乃至方法步骤。
图1是本发明实施例提供的一种基于数据对齐的全病程健康分析方法流程图;
图2是本发明实施例提供的一种基于数据对齐的全病程健康分析***组成结构图;
图3是根据本发明实施例电子设备的硬件结构图。
实施方式
以下将结合附图所示的各实施方式对本申请进行详细描述。但该等实施方式并不限制本申请,本领域的普通技术人员根据该等实施方式所做出的结构、方法、或功能上的变换均包含在本申请的保护范围内。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例所提供的方法和***均可以应用于人工智能之中。人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
另外,人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
随着人工智能技术的研究和进步,人工智能技术在多个领域展开了研究和应用;例如,常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗和智能客服等;随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
实施例一:如图1所示,本发明提供一种基于数据对齐的全病程健康分析方法,其具体为:包括如下步骤:
S100,收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;
在所述步骤S100中,所述节点划分操作具体为将疾病发展过程中的事件或疾病诊疗过程中的事件作为一个事件节点设置事件标记;为事件标记添加对应疾病相关的参数作为事件画像。
例如,现有编号为N的病程记录如下(以下王某数据及李某数据均非真实数据,仅作示例所用):
患者基本情况:27岁王某,性别男,职业为某公司流水线操作员,因颈部疼痛就医;
患者自述:1月1日起床发现颈部疼痛,尤其是左右转头运动时疼痛加剧,1月2日颈部疼痛感加深,头部不敢做任何运动,1月4日颈部疼痛感继续加深,发现入睡之后疼痛感尤其明显;1月6日-1月7日自备某止痛膏贴,贴于后颈中部,然疼痛感症状无明显减轻,但也无明显加重;1月8日就医。
某院医生进行诊疗,诊疗过程为:1月8日根据医生询问可知,患者无恶心、视觉模糊、头疼等问题,无相关颈部病史,无抽烟习惯,近期有喝酒,近期服用药物A胶囊 ;1月8日颈部CT拍照,CT提示未发现明显骨质损伤,肌肉呈炎症症状;
医生认为,颈部疼痛原因为颈部肌肉长期劳损导致充血及无菌性炎症,病名为颈部纤维组织炎,急性发作导致剧痛,疼痛精确部位位于项枕部;1月8日医生开出住院三天进行项枕部专业理疗,合并辅以药物B、C、D进行缓痛并消除炎症的治疗方案。
住院过程为:1月9日患者用药B、C、D,并理疗,但颈部疼痛无明显减轻,继续用药;1月10日继续治疗,用药B、C、D,并理疗,疼痛明显减轻,继续用药;1月11日已无明显疼痛,仅略感不适;继续用药B、D,并理疗;1月12日患者陈述已无不适,办理出院。
附费用清单。
以上述病程记录N为例,节点划分操作的方法可以为(1)依据时间点的方式进行节点划分:按照特定的时间周期,对病程进行记录,以时间周期为步长设置事件节点。该划分操作以每天时间为节点,一种方式是:将1月1日至1月12日中每一天的事件内容作为节点的事件画像进行记录;例如,各节点的事件画像如下:节点a:第1天,起床,颈部疼痛,运动时疼痛加剧;节点b:第2天,疼痛加深,无法运动;节点c;第3天,空事件;节点d:第4天睡觉疼痛;……节点h:CT(无骨质损伤,炎症症状),住院,方案(理疗,用药B,C,D)……节点l:出院。以时间为节点进行事件划分的其它方式也可以为以小时为步长记录事件画像,这种情况适用于急性短期发作的疾病;还可以视疾病实际情况,以星期、月或年为记录步长,例如适用于记录慢性或隐性疾病的事件画像。
以上述病程记录N为例,节点划分操作的方式还可以为(2)依据事件属性为节点进行划分操作:事件属性能够准确地表达疾病发展过程。该划分操作以不同事件的属性为节点,一种方式是:节点a患者参数属性:37,性别男,流水线操作员,无颈部病史,无抽烟习惯,有喝酒,近期服用药物A胶囊;节点b发病过程属性:第1天发现颈部疼痛,持续1周后就医;节点c诊断方案属性:检查恶心、视觉、头疼症状;CT检查;节点d治疗方案属性:项枕部专业理疗,药物B、C、D;节点e治疗结果属性:3天后痊愈,出院;节点f费用情况属性:附费用清单。
以上述病程记录N为例,节点划分操作的方式还可以为(3)依据关键治疗事件为节点进行划分操作:治疗过程中的关键事件能够较大程度地体现治疗特征并展示主要治疗过程。该划分操作以关键事件为节点,一种方式是:节点a发现疾病事件:发现颈部疼痛,持续1周后就医;节点b自我处置事件:使用某止痛膏贴,贴于后颈中部,效果不佳;节点c疾病检查事件:检查无恶心、视觉模糊、头疼等问题,CT拍照检查提示未发现明显骨质损伤,肌肉呈炎症症状;节点d治疗事件:1月9日-1月11日采用专业颈部理疗,用药B、C、D,3日后无明显疼痛;节点e出院事件:痊愈出院,附费用清单。
除以上三种划分操作以外还具有更多的节点划分操作的方式,其目的在于使得无序的病程记录文本数据结构化,为病程数据的相似度比较以及节点分析提供数据基础。通常而言,对于相同类型的疾病,其节点划分的方法是近似的;更优地,为了更好地描述疾病发展和变化情况,对于同一种疾病可适用于多种不同的节点划分方式,从更多维度探视数据特征有利于探索和展示病程记录数据的实质。
一实施例中,所述疾病相关的参数包括:
(1)检查得到的患者身体特征参数;
(2)治疗方案特征参数;
(3)环境特征参数;
(4)时间特征参数。
以编号为N的病程记录的节点划分操作的方式(2)为例,患者身体特征参数包括27岁王某,性别男,职业为某公司流水线操作员,另外,还可以包括其它多种身体特征参数,如是否有慢性疾病,生活环境、地域、身高、体重等等;治疗方案特征参数包括:观察、CT诊断、住院、三天理疗、用药B、C、D,另外,还可以包括其它的治疗方案,比如变更方案情况,医嘱情况等等;环境特征参数包括:职业危害情况、生活区域情况、于哪所医院治疗、主治医生情况等等;时间特征参数可参见节点划分操作的方式(1)中对于时间参数的利用。参数越多越利于精确描述疾病状况,从而更准确地进行分析和呈现。在一个优先的实施方式中,设置事件节点的事件画象的参数模板,基于模板填充参数,进一步规范化事件节点的描述。
S200,确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;
目标疾病为待分析的疾病;例如22岁患者李某因颈部疼痛就医,经检查,所患疾病为颈部纤维组织炎,则此疾病为目标疾病。从疾病病程数据库中筛选出所有颈部纤维组织炎的治疗案例对应的病程数据。
S300,确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;
一实施例中,在所述步骤S300中,所述根据当前节点对所述同类病程数据执行节点对齐操作,具体为:
S310,确定出所述同类病程数据中的所有节点中的相似事件节点;所述相似事件节点为其所对应的事件标记的事件画像与当前节点所对应的事件标记的事件画像的相似度超过第一预设阈值的节点;
首先,寻找与当前节点的相似节点,从而快速定位出与目标疾病的发展进程相似的节点。判断相似事件节点的方法是查看事件画像的相似度,事件画像是由结构化的参数组成的,一种优选的相似节点判断方式是:
S311,进行参数清洗并归一化处理;
S312,基于参数模板合并为向量形式;
S313,判断当前节点与待查看节点各自对应的向量之间的相似度;
相似度判断方法为:
S3131,考虑到医疗记录中事件画像的参数值并不一定是全面的(通常是不全面的),因此先删除当前节点或待查看节点对应向量中的空值(或0),同时删除待查看节点或当前节点对应向量中的任意值。空值有可能是记录不完整造成的,不能使得空值影响相似度的判断,因此将向量中的空值及对应向量的对应任意值删除,从而判断删除了空值及对应任意值之后的相似度。
S3132,对剩下的向量进行切比雪夫距离计算;若距离值小于预设阈值,则待查看节点被设置为相似节点;可替换地,对距离值进行排序,将排序位于特定百分比内的待查看节点节点设置为相似节点。上述预设阈值以及特定百分比与实际病程数据相关,受不同疾病、不同病程记录完整度等影响,可通过大数据分析及专家经验取得。
S320,进一步判断所述相似事件节点在其所在病程记录中之前的其它事件节点与当前节点在目标疾病病程数据中之前的节点的相似度,若相似度超过第二预设阈值,则所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
有些疾病之间可能存在极度相似的病症节点,但是该相似的病症节点又处于完全不同的疾病发展阶段,因此仅判断当前节点的相似节点并不能直接确定目标疾病的发展进程的相似性,还需要判断历史发展过程是否相似,本发明中历史发展过程的相似性通过在先节点的相似性来确定。
具体地,在先节点的相似性的判断方式为:
S321,获取相似事件节点所在的病程记录中之前的在先事件节点,将所获取的在先事件节点与当前节点在目标疾病病程数据中之前的在先节点的相似度进行判断,判断方式参见S3131、S3132;
S322,计算相似度符合预设阈值的在先相似节点的数量占比,若占比超过预设阈值,则确定在先节点的总体相似度超过第二预设阈值,此时所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
S400,对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库。
一实施例中,对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;所述大数据分析包括:(1)分析当前事件节点的发生概率;例如分析患者人群的身患疾病占比、目标疾病发展至该节点情况仍未治愈或自愈的占比;(2)分析当前事件节中患者身体特征参数分布情况、环境特征参数分布情况;例如从事该行业患者患病比例与平均患病比例的对比、在特定地域的患病占比、男性与女性的患病对比、不同年龄段的患病概率;(3)分析当前事件节点的被选择的治疗方案分布情况;例如,不同人群、不同医院、不同主治医生对于各种治疗方案的不同选择的呈现;不同治疗方案费用的对比;(4)分析当前事件节点不同后续治疗方案对应的疾病走向情况及疾病预后的分布情况;例如,不同治疗方案可能会呈现出不同的疾病走向或者对于患者身体状况具有不同的正负作用影响,甚至不同治疗方案还会导致是否治愈、是否产生副作用等不同的预后情况;(5)分析当前事件潜在的医疗风险范围;即使是相同治疗方案,也可能导致不同的治疗后果,这与多种复杂因素相关,然而在大数据面前能够呈现出较为规律的百分比分布,将所有无论大或小的可能性展示至患者或患者亲属,提示了当前节点之后潜在的医疗风险范围。(6)基于实际需求进行与需求相关的多种大数据分析。
在一个示例中,22岁患者李某因颈部疼痛就医,经医生咨询,其已疼痛发作4天;经过按时间节点进行节点划分的病程记录可知,该患者当前节点为节点d;对颈部纤维组织炎进行节点d的大数据分析可知:(1)处于该病情发展的患者中,60%患者头部不敢运动,20%患者睡觉时能够明显感觉到疼痛;20%患者具有其它症状;(2)程序员、流水线操作员、教师等职业易发此病;(3)中西医结合医院中,90%患者采用治疗方案一,即卧床休息配合颈部按摩;10%患者采用治疗方案二,即专业理疗配合药物恢复;常规医院结合医院中,95%患者采用治疗方案二,5%患者采用治疗方案一;(4)方案一的平均治疗痊愈时长为15天;方案二的平均治疗痊愈时长为4天;不处置的痊愈时长为30天;采用方案一、二可能出现的多种风险,采用不同方案所具有的不同的副作用风险;(5)主治医生K偏向于使用药物A+C;主治医生L偏向于使用药物A+D;主治医生M偏向于使用药物C,主治医生M偏向于使用药物A+C+D;(6)不同主治医生、不同医院、不同治疗方案的费用对比。
除以上分析维度以外,还可以通过多种其它分析维度进行分析和展示。将上述分析结果向患者呈现,患者或患者家属能够对疾病的发展过程拥有全面的了解,保证了患者对全病程的知情权;有有利于辅助医生确定治疗方式或者患者自主确定治疗方式,有利于减少医患纠纷,有利于完成全病程的健康分析和管理,从而实现一系列有益效果。
一实施例中,新记录的目标疾病的病程数据为已实现节点划分的病程记录,录入目标疾病病程数据至疾病病程数据库,进一步扩充病程大数据样本,随着方法和***的使用,病程数据数据库的建设趋于完善,大数据分析的准确性逐步提升。
实施例二:如图2所示,本发明提供一种基于数据对齐的全病程健康分析***,包括如下模块:
疾病病程数据库构建模块,用于收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;
同类病程数据筛选模块,用于确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;
节点对齐操作模块,用于确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;
大数据分析模块,用于对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库。
一实施例中,在所述疾病病程数据库构建模块,所述节点划分操作具体为将疾病发展过程中的事件或疾病诊疗过程中的事件作为一个事件节点设置事件标记;为事件标记添加对应疾病相关的参数作为事件画像。
一实施例中,所述疾病相关的参数包括:
(1)检查得到的患者身体特征参数;
(2)治疗方案特征参数;
(3)环境特征参数;
(4)时间特征参数。
一实施例中,在所述节点对齐操作模块中,所述根据当前节点对所述同类病程数据执行节点对齐操作包括如下子模块:相似事件节点确定模块,用于确定出所述同类病程数据中的所有节点中的相似事件节点;所述相似事件节点为其所对应的事件标记的事件画像与当前节点所对应的事件标记的事件画像的相似度超过第一预设阈值的节点;在先节点相似度判断模块,用于进一步判断所述相似事件节点在其所在病程记录中之前的其它事件节点与当前节点在目标疾病病程数据中之前的节点的相似度,若相似度超过第二预设阈值,则所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
一实施例中,所述大数据分析包括:
(1)分析当前事件节点的发生概率;
(2)分析当前事件节中患者身体特征参数分布情况、环境特征参数分布情况;
(3)分析当前事件节点的被选择的治疗方案分布情况;
(4)分析当前事件节点不同后续治疗方案对应的疾病走向情况及疾病预后的分布情况;
(5)分析当前事件潜在的医疗风险范围。
本发明采用上述方法或***可至少达到以下效果:(1)通过对疾病病程记录进行节点划分,建立疾病病程数据库,构建了适于实际应用的病程大数据,提供了后续大数据分析和展示的基础;进一步地在节点划分的基础上,基于节点对齐操作,将相似病程进行对齐分析,有效提升分析效果;(2)全病程的健康分析有利于辅助医生制定正确的治疗方式;(3)本发明对病程大数据的病程记录节点进行横向对比分析,使得患者方面更了解当前疾病情况,较好地保障了患者方面的对疾病的发展过程全面的了解和知情,从而制定有利决策,并减少医患纠纷,完成全病程的健康分析和管理。
图3还示出了根据本说明书的实施例的电子设备的硬件结构图。如图3所示,电子设备30可以包括至少一个处理器31、存储器32(例如非易失性存储器)、内存33和通信接口34,并且至少一个处理器31、存储器32、内存33和通信接口34经由内部总线35连接在一起。至少一个处理器31执行在存储器32中存储或编码的至少一个计算机可读指令。
应该理解,在存储器32中存储的计算机可执行指令当执行时使得至少一个处理器31进行本说明书的各个实施例中以上结合图1描述的各种操作和功能。
在本说明书的实施例中,电子设备30可以包括但不限于:个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动电子设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴电子设备、消费电子设备等等。
根据一个实施例,提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即,上述以软件形式实现的元素),该指令当被机器执行时,使得机器执行本说明书的各个实施例中以上结合图1描述的各种操作和功能。具体地,可以提供配有可读存储介质的***或者装置,在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该***或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下,从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本说明书的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
本领域技术人员应当理解,上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此,本说明书的保护范围应当由所附的权利要求书来限定。
需要说明的是,上述各流程和各***结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的,可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理客户实现,或者,有些单元可能分由多个物理客户实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元或模块可以通过机械方式或电气方式实现。例如,一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上面结合附图阐述的具体实施方式描述了示例性实施例,但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所对应的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (8)
1.一种基于数据对齐的全病程健康分析方法,包括如下步骤:
S100,收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;
S200,确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;
S300,确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;
S400,对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库;
在所述步骤S300中,所述根据当前节点对所述同类病程数据执行节点对齐操作,具体为:S310确定出所述同类病程数据中的所有节点中的相似事件节点;所述相似事件节点为其所对应的事件标记的事件画像与当前节点所对应的事件标记的事件画像的相似度超过第一预设阈值的节点;S320进一步判断所述相似事件节点在其所在病程记录中之前的其它事件节点与当前节点在目标疾病病程数据中之前的节点的相似度,若相似度超过第二预设阈值,则所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
2.如权利要求1所述一种基于数据对齐的全病程健康分析方法,其特征在于:
在所述步骤S100中,所述节点划分操作具体为将疾病发展过程中的事件或疾病诊疗过程中的事件作为一个事件节点设置事件标记;为事件标记添加对应疾病相关的参数作为事件画像。
3.如权利要求2所述一种基于数据对齐的全病程健康分析方法,其特征在于:所述疾病相关的参数包括:
检查得到的患者身体特征参数;
治疗方案特征参数;
环境特征参数;
时间特征参数。
4.如权利要求2所述一种基于数据对齐的全病程健康分析方法,其特征在于:所述大数据分析包括:
分析当前事件节点的发生概率;
分析当前事件节中患者身体特征参数分布情况、环境特征参数分布情况;
分析当前事件节点的被选择的治疗方案分布情况;
分析当前事件节点不同后续治疗方案对应的疾病走向情况及疾病预后的分布情况;
分析当前事件潜在的医疗风险范围。
5.一种基于数据对齐的全病程健康分析***,包括如下步骤:
疾病病程数据库构建模块,用于收集各种类型疾病的病程记录,对所述收集的各种类型疾病的病程记录进行节点划分操作,以构建疾病病程数据库;
同类病程数据筛选模块,用于确定目标疾病病程数据,根据目标疾病类型从疾病病程数据库中筛选相同类型的同类病程数据;
节点对齐操作模块,用于确定目标疾病的当前节点,根据当前节点对所述同类病程数据执行节点对齐操作,确定出能够通过节点对齐操作的对齐病程数据;
大数据分析模块,用于对所有的对齐病程数据的目标节点进行大数据分析,展示分析结果;录入目标疾病病程数据至疾病病程数据库;
在所述节点对齐操作模块中,所述根据当前节点对所述同类病程数据执行节点对齐操作包括如下子模块:相似事件节点确定模块,用于确定出所述同类病程数据中的所有节点中的相似事件节点;所述相似事件节点为其所对应的事件标记的事件画像与当前节点所对应的事件标记的事件画像的相似度超过第一预设阈值的节点;在先节点相似度判断模块,用于进一步判断所述相似事件节点在其所在病程记录中之前的其它事件节点与当前节点在目标疾病病程数据中之前的节点的相似度,若相似度超过第二预设阈值,则所述同类病程数据被视为能够通过节点对齐操作的对齐病程数据。
6.如权利要求5所述一种基于数据对齐的全病程健康分析***,其特征在于:
在所述疾病病程数据库构建模块,所述节点划分操作具体为将疾病发展过程中的事件或疾病诊疗过程中的事件作为一个事件节点设置事件标记;为事件标记添加对应疾病相关的参数作为事件画像。
7.如权利要求6所述一种基于数据对齐的全病程健康分析***,其特征在于:所述疾病相关的参数包括:
检查得到的患者身体特征参数;
治疗方案特征参数;
环境特征参数;
时间特征参数。
8.如权利要求6所述一种基于数据对齐的全病程健康分析***,其特征在于:所述大数据分析包括:
分析当前事件节点的发生概率;
分析当前事件节中患者身体特征参数分布情况、环境特征参数分布情况;
分析当前事件节点的被选择的治疗方案分布情况;
分析当前事件节点不同后续治疗方案对应的疾病走向情况及疾病预后的分布情况;
分析当前事件潜在的医疗风险范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410107132.8A CN117912706A (zh) | 2024-01-26 | 2024-01-26 | 一种基于数据对齐的全病程健康分析方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410107132.8A CN117912706A (zh) | 2024-01-26 | 2024-01-26 | 一种基于数据对齐的全病程健康分析方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117912706A true CN117912706A (zh) | 2024-04-19 |
Family
ID=90685215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410107132.8A Pending CN117912706A (zh) | 2024-01-26 | 2024-01-26 | 一种基于数据对齐的全病程健康分析方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117912706A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0917078A1 (en) * | 1996-09-30 | 1999-05-19 | Smithkline Beecham Corporation | Disease management method and system |
CN101034410A (zh) * | 2007-04-16 | 2007-09-12 | 浙江大学 | 一种医疗事件索引模型及基于该模型的电子病历*** |
CN108461110A (zh) * | 2017-02-21 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 医疗信息处理方法、装置及设备 |
CN111430037A (zh) * | 2020-03-30 | 2020-07-17 | 安徽科大讯飞医疗信息技术有限公司 | 相似病历查找方法及*** |
CN111785386A (zh) * | 2020-06-30 | 2020-10-16 | 安徽科大讯飞医疗信息技术有限公司 | 时间区间段的划分方法、相关设备及可读存储介质 |
CN113658691A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 临床路径的构建方法、装置、设备及存储介质 |
CN113724878A (zh) * | 2021-08-31 | 2021-11-30 | 平安科技(深圳)有限公司 | 基于机器学习的医疗风险信息推送方法及装置 |
CN113889280A (zh) * | 2021-10-27 | 2022-01-04 | 山东众阳健康科技集团有限公司 | 一种智能病历推荐方法及*** |
KR20220068858A (ko) * | 2020-11-11 | 2022-05-26 | 주식회사 가을디에스 | 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템 |
CN115662624A (zh) * | 2022-09-14 | 2023-01-31 | 上海商涌科技有限公司 | 一种基于病组关联估计患者健康状态的方法 |
CN115862881A (zh) * | 2022-11-24 | 2023-03-28 | 东软集团股份有限公司 | 医嘱信息的确定方法、装置、存储介质及电子设备 |
CN116844725A (zh) * | 2023-07-24 | 2023-10-03 | 平安科技(深圳)有限公司 | 健康信息生成方法、装置、介质及设备 |
CN116884594A (zh) * | 2023-06-28 | 2023-10-13 | 浙江大学 | 一种流程节点记录*** |
-
2024
- 2024-01-26 CN CN202410107132.8A patent/CN117912706A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0917078A1 (en) * | 1996-09-30 | 1999-05-19 | Smithkline Beecham Corporation | Disease management method and system |
CN101034410A (zh) * | 2007-04-16 | 2007-09-12 | 浙江大学 | 一种医疗事件索引模型及基于该模型的电子病历*** |
CN108461110A (zh) * | 2017-02-21 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 医疗信息处理方法、装置及设备 |
CN111430037A (zh) * | 2020-03-30 | 2020-07-17 | 安徽科大讯飞医疗信息技术有限公司 | 相似病历查找方法及*** |
CN111785386A (zh) * | 2020-06-30 | 2020-10-16 | 安徽科大讯飞医疗信息技术有限公司 | 时间区间段的划分方法、相关设备及可读存储介质 |
KR20220068858A (ko) * | 2020-11-11 | 2022-05-26 | 주식회사 가을디에스 | 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템 |
CN113724878A (zh) * | 2021-08-31 | 2021-11-30 | 平安科技(深圳)有限公司 | 基于机器学习的医疗风险信息推送方法及装置 |
CN113658691A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 临床路径的构建方法、装置、设备及存储介质 |
CN113889280A (zh) * | 2021-10-27 | 2022-01-04 | 山东众阳健康科技集团有限公司 | 一种智能病历推荐方法及*** |
CN115662624A (zh) * | 2022-09-14 | 2023-01-31 | 上海商涌科技有限公司 | 一种基于病组关联估计患者健康状态的方法 |
CN115862881A (zh) * | 2022-11-24 | 2023-03-28 | 东软集团股份有限公司 | 医嘱信息的确定方法、装置、存储介质及电子设备 |
CN116884594A (zh) * | 2023-06-28 | 2023-10-13 | 浙江大学 | 一种流程节点记录*** |
CN116844725A (zh) * | 2023-07-24 | 2023-10-03 | 平安科技(深圳)有限公司 | 健康信息生成方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529177B (zh) | 一种基于医疗大数据的患者画像方法及装置 | |
Bachiri et al. | Mobile personal health records for pregnancy monitoring functionalities: Analysis and potential | |
CN108630322B (zh) | 药物相互作用建模与风险评估方法、终端设备及存储介质 | |
US11810673B2 (en) | Method and system for medical suggestion search | |
US10395764B2 (en) | Method and apparatus for recognition of patient activity | |
CN109524083A (zh) | 基于医疗大数据监测辅助用药合理性的方法及相关产品 | |
Prasanth et al. | Big data applications on health care | |
CN112102956A (zh) | 一种糖尿病患者提高依从性的方法和*** | |
KR20120021489A (ko) | 요양업무 관리시스템 및 요양업무 관리방법 | |
JP2016018224A (ja) | 健康状態予測診断利用サービスシステム | |
KR20170022007A (ko) | 건강정보관리 시스템 및 그 방법이 구현된 컴퓨터로 판독 가능한 기록매체 | |
WO2022229964A1 (en) | Method of generating a diseases database, usage of the diseases database, and system therefor | |
Pullen et al. | Physical therapy for chronic pain mitigation and opioid use reduction among people living with human immunodeficiency virus in Atlanta, GA: a descriptive case series | |
JP6525948B2 (ja) | 医療情報の解釈システムおよび方法 | |
CN117912706A (zh) | 一种基于数据对齐的全病程健康分析方法和*** | |
CN117059279A (zh) | 基于虚拟数字人体模型的医疗服务平台、方法和装置 | |
Ho et al. | Integrating patient-centric indications into the prescribing process: experience at a tertiary academic medical center | |
Chaki | Introduction to digital future of healthcare | |
CA3012605A1 (en) | Method and system for medical suggestion search | |
Sahoo et al. | Threats and Challenges of Artificial Intelligence in the Healthcare Industry | |
Ashwinkumar et al. | A web-based patient support system using artificial intelligence to improve health monitoring and quality of life | |
JP7253123B1 (ja) | 情報処理方法、コンピュータプログラム及び情報処理装置 | |
US20240029888A1 (en) | Generating and traversing data structures for automated classification | |
Kantode et al. | Big-Data in Healthcare Management and Analysis: A Review Article | |
US20230238140A1 (en) | Addiction treatment and management |
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 |