CN101571890A - 自动评估病历质量的方法和系统 - Google Patents
自动评估病历质量的方法和系统 Download PDFInfo
- Publication number
- CN101571890A CN101571890A CNA200810091269XA CN200810091269A CN101571890A CN 101571890 A CN101571890 A CN 101571890A CN A200810091269X A CNA200810091269X A CN A200810091269XA CN 200810091269 A CN200810091269 A CN 200810091269A CN 101571890 A CN101571890 A CN 101571890A
- Authority
- CN
- China
- Prior art keywords
- case history
- standard
- fact
- inquiry
- assessed
- 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
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
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Child & Adolescent Psychology (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
提供了一种用于自动评估病历质量的方法和系统,该方法包括:形成关于标准病历的标准事实的知识库;由待评估病历生成临时事实;由所述临时事实构造针对所述知识库的查询;通过推理引擎执行针对所述知识库的所述查询;以及根据所述查询的结果判断所述待评估病历的质量。本发明节省了病历质量评估的人力和时间,增强了对病历准确性的评估能力,并避免了人工评估的主观因素影响,并且易于实现,易于扩展和增强。
Description
技术领域
本发明涉及计算机领域,具体涉及语义网和人工智能领域,更具体地涉及一种用于自动评估病历质量的方法和系统。
背景技术
病历是指对病人的医疗和护理过程的系统记录。病历书写是指医务人员通过问诊、查体、辅助检查、诊断、治疗、护理等医疗活动获得有关资料,并进行归纳、分析、整理形成医疗活动记录的行为。病历在医疗活动中发挥着重要作用。病历中包含的信息使得医务人员能够对病人提供持续的医疗服务;病历也用作规划病人护理、记录医务人员与其他参与病人护理的医务人员之间的交流,帮助保护病人和负责病人护理的医务人员的合法权益的基础;此外,病历还用作教育医学学生或住院医师、提供用于内部医院评审和质量保证的数据、以及提供用于医学研究的文件。因此,医务人员所书写的病历的质量是非常重要的。
在目前的医疗实践中,病历的准确性和完整性是用于评估病历质量的两个最重要的标准,也是病历书写中最主要的质量问题。病历的准确性和完整性具有如下含义:
对于给定类型的病历中的一节,其记录应当是完整的。例如,在门诊病历的查体内容中应包含体温、呼吸、脉搏;
描述应尽可能具体。例如,应是“发烧三天”,而不是“发烧”;
记录应按照一定顺序。例如,查体的正确顺序为:体温,脉搏,呼吸;
应使用正确的术语。例如,主诉中应尽可能使用症状描述而不用疾病分类,应是“主诉:发烧三天”,而不是“主诉,上呼吸道感染”;
应使用约定专业术语。例如,应当“腹泻”,而不是“拉肚子”。
在目前的医疗实践中,对于病历质量的评估是由评审人员根据所制订的病历质量评估标准依靠人为判断进行的。这种人为判断的方法不但需要耗费大量的时间和人力,而且难以对病历质量形成客观准确的评估。此外,人为判断的方法主要用于考察病历的完整性,很难用于考察病历的准确性。
显然,本领域中存在着对于使用计算机自动地评估病历质量的方法和系统的需要。
发明内容
为解决现有技术中的人工病历质量评估方法的缺点,而提供了本发明的用于自动评估病历质量的方法和系统。
根据本发明的一个方面,提供了一种用于自动评估病历质量的方法,该方法包括以下步骤:由所述临时事实构造针对关于标准病历的标准事实的知识库的查询;通过推理引擎执行针对所述知识库的所述查询;以及根据所述查询的结果判断所述待评估病历的质量。
根据本发明的另一个方面,提供了一种用于自动评估病历质量的系统,该系统包括:事实生成器,用于由待评估病历生成临时事实;查询构造和执行器,用于由所述临时事实构造针对关于标准病历的标准事实的知识库的查询,并通过推理引擎执行针对所述知识库的所述查询;以及查询结果处理器,用于根据所述查询的结果判断所述待评估病历的质量。
根据本发明的又一个方面,提供了一种用于自动评估规范性文档的质量的方法,该方法包括以下步骤:由待评估文档生成临时事实;由所述临时事实构造针对关于标准病历的标准事实的知识库的查询;通过推理引擎执行针对所述知识库的所述查询;以及根据所述查询的结果判断所述待评估文档的质量。
根据本发明的再一个方面,提供了一种用于自动评估规范性文档的质量的系统,该系统包括:事实生成器,用于由待评估文档生成临时事实;查询构造和执行器,用于由所述临时事实构造针对关于标准病历的标准事实的知识库的查询,并通过推理引擎执行针对所述知识库的所述查询;以及查询结果处理器,用于根据所述查询的结果判断所述待评估文档的质量。
本发明的优点包括:
由系统自动地对病历质量进行评估,节省了人力和时间,增强了对病历准确性的评估能力,并避免了人工评估所带有的主观因素影响。
基于描述性规则,因而是用户友好的,并且易于扩展和增强;
基于规则进行匹配,因此,不仅可以识别与标准模板(pattern)不匹配的情况,而且可用来输出标准模板和待评估的病历之间的差别。
利用术语系统中的现有知识来格式化概念和蕴含关系,因此仅需要较少的知识工程方面的努力。
附图说明
所附权利要求中阐述了被认为是本发明的特点的创造性特征。但是,通过参照附图阅读下面对说明性实施例的详细说明可更好地理解发明本身以及其优选使用模式、另外的目标、特征以及优点,在附图中:
图1示出了根据本发明的实施例的用于自动评估病历质量的系统;
图2示出了本发明的实施例中使用的统一病历模型;
图3示出了根据本发明的实施例,按照统一病历模型由一示例病历的一节生成的统一病历模型实例;
图4示出了根据本发明的实施例,由事实生成器从待评估病历的统一病历模型实例生成临时事实的方法;
图5分别示出了本发明实施例中使用的完整陈述和不完整陈述的统一病历模型实例的示例;
图6分别示出了本发明实施例中使用的具体陈述和不具体陈述的统一病历模型实例的示例;
图7分别示出了本发明的实施例中使用的顺序正确的陈述和顺序不正确的陈述的统一病历模型实例的示例;
图8分别示出了本发明的实施例中使用的正确词汇和不正确词汇的统一病历模型实例的示例;以及
图9示出了根据本发明的实施例的用于自动评估病历质量的方法。
具体实施方式
下面参照附图来说明本发明的实施例。然而,应当理解的是,本发明并不限于所介绍的特定实施例。相反,可以考虑用下面的特征和元素的任意组合来实施和实践本发明,而无论它们是否涉及不同的实施例。因此,下面的方面、特征、实施例和优点仅作说明之用而不应被看作是所附权利要求的要素或限定,除非权利要求中明确提出。
图1示出了根据本发明的实施例的用于自动评估病历质量的系统100。如图所示,该系统包括:包含关于标准病历的标准事实的知识库101;事实生成器102,用于由待评估病历生成临时事实;查询构造和执行器103,用于由所述临时事实构造针对所述知识库的查询,并通过推理引擎执行针对所述知识库的所述查询;以及查询结果处理器104,用于根据所述查询的结果判断所述待评估病历的质量。
所述知识库101存储有来自于统一术语库105的有关医疗术语及其关系的事实,质量评估规则库111,以及由所述事实生成器102根据标准病历模板生成的标准事实。
所述统一术语库105是用于病历的术语系统,它包含病历中的叙述性内容的词汇表,以及这些词汇之间的语义关系,例如临床概念中的上下位关系等。它可以是诸如SNOMED、LOINC、LCD等现有的术语系统,也可以是新开发的术语系统,例如,中医术语体系。
在本发明的实施例中,系统100还包括一标准病历模板库108,该标准病历模板库108用于存储各类标准病历模板,以便由所述事实生成器102根据该标准病历模板库108中的标准病历模板来生成标准事实,例如“查体”节必须包含“头、颈、胸...”的描述,等等。该标准病历模板库108中的标准病历模板既可以是由领域专家通过根据本发明的实施例的标准模板编辑器109编辑并存储在标准病历模板库108中的,也可以是由根据本发明的实施例的标准模板生成器110从由领域专家认可的标准病历中自动生成的。所述标准模板生成器110可以使用本领域中已知的或未来开发的任何一种方法来从标准病历中生成标准病历模板。在本发明的实施例中,所述标准病历模板的数据结构符合统一病历模型,而其语义术语符合统一术语库105。
在本发明的实施例中,系统100还包括一质量评估规则库111,该质量评估规则库111用于存储与病历质量评估有关的各种质量评估规则,并将其提供给知识库101,所述质量评估规则库111中的质量评估规则既可以由领域专家人工编辑并存储在该质量评估规则库中,也可由一质量规则生成器从标准病历模板中自动生成并存储在该质量评估规则库中。所述质量评估规则库中的质量评估规则可以由用户随时扩展、改变和增强。在本发明的一些实施例中,系统100也可以不包括所述质量评估规则库111,而是直接将质量评估规则作为标准事实存储在所述知识库101中。
所述质量评估规则作为标准事实和规则。采用描述性规则来表示质量评估标准,并包含某些用于评估病历质量的预定义规则。例如,用于谓词“FollowedBy”的递归规则,因为该谓词具有传递性。
在本发明的实施例中,系统100还包括一病历语义标注器106,该病历语义标注器106用于对待评估病历进行语义标注,从而生成带语义标注的病历。该病历语义标注器106可使用本领域中已知的和未来开发的任何一种语义标注方法来对待评估病历进行语义标注,并且优选地利用所述统一术语库对待评估的病历进行语义标注。在本发明的一些实施例中,也可以没有病历语义标注器106,而是使用手工语义标注方法从待评估的病历生成带语义标注的病历。
在本发明的实施例中,系统100还包括病历转换器107,所述病历转换器107用于根据统一病历模型将所述待评估病历转换为所述统一病历模型的实例。所述统一病历模型是指表示病历的模式(schema)模型和语义模型的数据模型。该模型可根据需要进行定制和扩展。该模型的一个典型的和常见的实现是作为ANSI标准的HL7 CDA R2。所生成的统一病历模型实例将包含节、项、术语等文档模式元素,并表示出各术语的语义属性,以及术语之间的语义关系。
图2示出了该统一病历模型。如图所示,该统一病历模型一方面受模式模型约束,另一方面受语义模型约束。所述模式模型规定病历的文档结构,其中,一病历文档(document)包含一个或多个节(section),多个节之间存在着顺序关系,每个节包含一个或多个项(entry),每一项包含一个或一组语义上独立的陈述,一个或一组陈述涉及一个核心术语(term),以及若干相关术语。所述语义模型规定了每一项所包含的核心术语和相关术语之间存在的语义关系。
图3示出了根据该统一病历模型,由一示例病历的一节生成的统一病历模型实例,该示例病历的该节的文字描述为“主诉:右侧胸痛、咳嗽三周”。所生成的统一病历模型实例包含一个主诉,该主诉包含顺序排列的两个项,第一个项涉及核心概念“痛”,以及相关概念“胸”,“右侧”,第二个项涉及核心概念“咳嗽”以及相关概念“3周”。
如上所述,所述事实生成器102既可以从标准病历模板生成标准事实,也可以由待评估病历生成临时事实。
图4示出了根据本发明的实施例,由所述事实生成器102从待评估病历的统一病历模型实例生成临时事实的方法。从标准病历模板生成标准事实的方法与之类似。
如图所示,在步骤401,分析统一病历模型。
在步骤402,将模型中的概念转换为一元谓词。
在步骤403,从待评估病历的统一病历模型实例中的概念实例生成一元谓词的事实。
在步骤404,将模型中的概念之间的关系转换为多元谓词。
在步骤405,从待评估病历的统一病历模型实施中的关系实例生成多元谓词的事实。
在步骤406,处理和输出所生成的事实,作为每行一组独立的语义陈述。
例如,对于图3所示的统一病历模型实例,可生成如下临时事实:
1:Doc(“门诊病历”),Section(“主诉”),Entry(“entry1”),Contains(“门诊病历”,“主诉”),Contains(“主诉”,“entry1”),SubjectTo(“entry1”,“痛”),Symptom(“痛”),FindAt(“痛”,“胸”),BodyStructure(“胸”)。
2:Doc(“门诊病历”),Section(“主诉”),Entry(“entry2”),Contains(“门诊病历”,“主诉”),Contains(“主诉”,“entry2”),SubjectTo(“entry1”,“痛”),Symptom(“咳嗽”),Period(“咳嗽”,“三周”),Time(“三周”)。
所述查询构造和执行器103用于根据所述生成的临时事实构造出针对所述知识库的查询,并通过调用推理引擎执行所述查询。所述推理引擎可以是本领域中已知的或未来开发的任何一种推理引擎,例如现有的用于Unix和Windows上的逻辑编程及演绎数据库系统的推理引擎XSB,以及能够支持复杂知识表示的逻辑编程语言的推理引擎Visual Prolog等。在本发明的实施例中,所述查询构造和执行器103通过将所述临时事实取反,并将所述取反的临时事实与所述知识库中的标准事实取并集,来形成所述查询。
根据本发明的实施例,系统100可用于识别待评估病历中不完整的陈述。例如,相对于标准病历中的完整陈述“查体:体温xx℃,脉搏xx/min,呼吸xx/min”,待评估病历中的如下陈述“查体:体温36.7℃,脉搏86/min”是不完整的。图5分别示出了所述完整陈述和不完整陈述的统一病历模型实例。
由所述标准病历中的完整陈述所生成的并存储在知识库中的标准事实如下:
Section(“查体”),Entry(“entry1”),ObservableEntity(“体温”)...
Section(“查体”),Entry(“entry2”),ObservableEntity(“脉搏”)...
Section(“查体”),Entry(“entry3”),ObservableEntity(“呼吸”)...
由所述待评估病历中的不完整陈述所生成的临时事实如下:
Section(“查体”),Entry(“entry1”),ObservableEntity(“体温”)...
Section(“查体”),Entry(“entry2”),ObservableEntity(“脉搏”)...
由所述查询构造和执行器103所构造的查询如下:
即对临时事实取反,再与标准事实取并集。由于所述临时事实与标准事实相比缺少“Section(“查体”),Entry(“entry3”),ObservableEntity(“呼吸”)...”,因此上述查询的执行结果将返回“Section(“查体”),Entry(“entry3”),ObservableEntity(“呼吸”)...”。也就是说,如果所述查询的结果不为空,则可判断待评估的病历是不完整的;如果所述查询的结果为空,则可判断待评估的病历与标准病历相比是等价的。
根据本发明的实施例,系统100还可用于识别待评估病历中不具体的陈述。例如,相对于标准病历中的具体陈述“主诉:右侧胸痛、咳嗽三周、发热二周”,待评估病历中的如下陈述“主诉:胸痛、咳嗽、发热”是不够具体的。图6分别示出了所述具体陈述和不具体陈述的统一病历模型实例。
由所述标准病历中的具体陈述所生成的并存储在知识库中的标准事实如下:
...Entry(“entry1”),Symptom(“痛“),FindAt(“痛”,“胸“),BodyStructure(“胸“),Specify(“右侧”,”胸”),Position(“右侧”)...
由所述待评估病历中的不具体陈述所生成的临时事实如下:
...Symptom(“痛“),FindAt(“痛”,“胸“),BodyStructure(“胸“)...
由所述查询构造和执行器103所构造的查询如下:
即对临时事实取反,再与标准事实取并集,然后添加必要的目标谓词。由于所述临时事实与标准事实相比缺少“Specify(“右侧”,”胸”),Position(“右侧”)”,因此上述查询的执行结果将返回“Specify(“右侧”,”胸”),Position(“右侧”)”。也就是说,如果所述查询的结果不为空,且包括知识库中的标准事实,即查询结果不在所述临时事实中,则表明知识库中的标准事实包含了更多的语义信息,即待评估病历与标准模板相比不够具体;如果所述查询的结果不为空,且仅包括临时事实,则表明临时事实中已包含了标准事实中的全部语义信息,即待评估病历与标准模板相比足够具体;如果所述查询的结果为空,则表明待评估病历与标准模板是等价的,因而是同样具体的。
根据本发明的实施例,系统100还可用于识别待评估病历中顺序不正确的陈述。例如,相对于标准病历中的顺序正确的陈述“体温36.7℃,脉搏86/min,呼吸20/min”,待评估病历中的如下陈述“呼吸20/min,脉搏86/min,体温36.7℃”的顺序是不正确的。图7分别示出了所述顺序正确的陈述和顺序不正确的陈述的统一病历模型实例。
由所述标准病历中的顺序正确的陈述所生成的并存储在知识库中的标准事实如下:
...FollowedBy(“体温”,”脉搏”),FollowedBy(”脉搏”,”呼吸”),ObservableEntity(“体温”),...
由所述待评估病历中的顺序不正确的陈述所生成的临时事实如下:
...FollowedBy(“呼吸”,”体温”),FollowedBy(”体温”,”脉搏”),ObservableEntity(“体温”),...
由所述查询构造和执行器103所构造的查询如下:
即对临时事实取反,再与标准事实取并集,然后添加表示顺序关系的目标谓词“FollowedBy”。由于所述临时事实与标准事实相比缺少“FollowedBy(“体温”,”脉搏”),FollowedBy(”脉搏”,”呼吸”)”,因此上述查询的执行结果将返回“FollowedBy(“体温”,”脉搏”),FollowedBy(”脉搏”,”呼吸”)”。也就是说,如果所述查询的结果不为空,则表明待评估病历中的陈述的顺序不正确;如果所述查询的结果为空,则表明待评估病历中的陈述的顺序是正确的。
根据本发明的实施例,系统100还可用于识别待评估病历中不正确的术语。例如,相对于标准病历中的正确的词汇“主诉:咳嗽三周”(关于症状的描述),待评估病历中的如下词汇“主诉:上呼吸道感染”(将疾病作为主诉)是不正确的。图8分别示出了所述正确词汇和不正确词汇的统一病历模型实例。
由所述标准病历中的正确词汇所生成的并存储在知识库中的标准事实如下:
....Entry(“entry1”),SubjectTo(“entry1”,”咳嗽”),Symptom(“咳嗽”)...
由所述待评估病历中的不正确的词汇所生成的临时事实如下:
....Entry(“entry1”),SubjectTo(“entry1”,”上呼吸道感染”),Disease(“上呼吸道感染”)...
由所述查询构造和执行器103所构造的查询如下:
即对临时事实取反,再与标准事实取并集,然后添加必要的目标谓词。由于所述临时事实与标准事实相比缺少“Symptom(“咳嗽”)...”,因此上述查询的执行结果将返回“Symptom(“咳嗽”)...”。也就是说,如果所述查询的结果不为空,则表明临时事实在术语级别上不等同于标准事实,即待评估病历中使用了错误的词汇;如果所述查询的结果为空,则表明待评估病历中使用了与标准模板中相同的词汇。
以上描述了本发明的系统100可以用来判断待评估病历不符合标准病历的四种质量问题,对于本领域的技术人员来说显然的是,以上所述四种情况仅是示例,而不是对本发明的限制;本发明的系统100也可用来判断待评估病历不符合标准病历的其他质量问题。
所述查询结果处理器104用来对查询执行的结果进行处理,从而形成时病历质量的评估结果,并输出该评估结果。所述查询结果处理器104可使用本领域技术人员所知的任何方法处理所述查询执行的结果,例如根据某种预定的评分标准,按照查询结果对待评估病历进行质量评分并输出该质量评估,等等;所述查询结果处理器104也可以直接将查询执行的结果输出,作为质量评估结果。
以上描述了根据本发明的实施例的用于自动评估病历质量的系统100,应指出的是,以上描述仅为示例,而不是对本发明的限制。本发明的用于自动评估病历质量的系统可具有更多、更少或不同的模块,且各模块之间的关系可以与所描述的不同。例如,在本发明的一些实施例中,该系统100可以不包括所述统一术语库105、标准病历模板库108、标准模板编辑器109、标准模板生成器110、质量评估规则库111、质量评估规则编辑器112、病历语义标注器106、病历转换器107中的一个或多个;所述统一术语库105、标准病历模板库108、质量评估规则库111被并入到所述知识库101中,等等。所有这些变化都处于本发明的精神和范围之内。
下面参照附图9描述根据本发明的实施例的用于自动评估病历质量的方法。该方法可以由以上所述根据本发明的实施例的用于自动评估病历质量的系统100来完成,也可以由其他系统来完成。为简明起见,在以下描述中省略了与以上描述中相同的内容,因此,可参见以上描述获得对下描述的本发明的方法的更充分的理解。
如图所示,过程开始后,在步骤901,形成关于标准病历的标准事实的知识库。
根据本发明的实施例,所述形成关于标准病历的标准事实的知识库的步骤901包括以下子步骤:获得标准病历模板;由所述标准病历模板生成标准事实;以及将所述标准事实存储到所述知识库中。
其中,所述标准病历模板优选地是从一标准病历模板库中获得的。所述标准病历模板库中的标准病历模板既可以是由领域专家手工编辑并存储在标准病历模板库中的,也可以是由一自动工具自动地从标准病历中生成并存储在标准病历模板库中的。
所述由标准病历模板生成标准事实的子步骤是使用与下述由待评估病历生成临时事实的步骤中相同的方法来完成的。
根据本发明的实施例,所述形成关于标准病历的标准事实的知识库的步骤901还包括以下子步骤:获得关于病历的统一术语库;以及从所述统一术语库获得关于病历中的术语及其关系的标准事实,并将其存储到所述知识库中。事实上,步骤901是可以选择的,因为可以采用已经存在的或现有的知识库,而无需在该方法中去主动形成有关知识库。
根据本发明的实施例,所述形成关于标准病历的标准事实的知识库的步骤901还包括以下子步骤:定义病历质量评估规则;以及将所述病历质量评估规则作为标准事实存储到所述知识库中。优选地,所述病历质量评估规则来自于一病历质量评估规则库,该病历质量评估规则库中的病历质量评估规则既可以是由领域专家人工定义并存储在该病历质量评估规则库中的,也可以是由一自动工具从标准病历模板中自动生成并存储在病历质量评估规则库中的。
在步骤902,由待评估病历生成临时事实。
根据本发明的实施例,所述由待评估病历生成临时事实的步骤902包括以下子步骤:对所述待评估病历进行语义标注;以及由所述带语义标注的待评估病历生成临时事实。
根据本发明的实施例,所述由待评估病历生成临时事实的步骤902包括以下子步骤:根据统一病历模型将所述待评估病历转换为所述统一病历模型的实例;以及由所述统一病历模型的所述实例生成所述临时事实。其中,所述统一病历模型的所述实例包含一个或多个节,每个节包含一个或多个项,每个项包含一个或一组语义上独立的陈述。
在步骤903,由所述临时事实构造针对所述知识库的查询。
在步骤904,通过推理引擎执行针对所述知识库的所述查询。
在步骤905,根据所述查询的结果判断所述待评估病历的质量。
根据本发明的实施例,所述由临时事实构造针对所述知识库的查询的步骤903包括:将所述临时事实取反;以及将所述取反的临时事实与所述知识库中的标准事实取并集,从而形成所述查询。并且,所述根据所述查询的结果判断所述待评估病历的质量的步骤904包括:当所述查询的结果非空时,判断所述待评估病历不完整。
根据本发明的实施例,所述由所述临时事实构造针对所述知识库的查询的步骤903还包括:在所述取反的临时事实和所述知识库中的标准事实的并集上添加相应的目标谓词,以便形成所述查询。并且,所述根据所述查询的结果判断所述待评估病历的质量的步骤904包括:当所述查询的结果不在所述临时事实中时,判断所述待评估病历不具体。
根据本发明的实施例,所述由临时事实构造针对所述知识库的查询的步骤903还包括:在所述取反的临时事实和所述知识库中的标准事实的并集上添加表示陈述顺序的目标谓词,以便形成所述查询。并且所述根据所述查询的结果判断所述待评估病历的质量的步骤904包括:当所述查询的结果非空时,判断所述待评估病历中顺序不正确。
根据本发明的实施例,所述由临时事实构造针对所述知识库的查询的步骤903还包括:在所述取反的临时事实和所述知识库中的标准事实的并集上添加相应的目标谓词,以便形成所述查询。并且,所述根据所述查询的结果判断所述待评估病历的质量的步骤904包括:当所述查询的结果非空时,判断所述待评估病历中包含不正确的术语。
以上描述了根据本发明的实施例的用于自动评估病历质量的方法,应指出的是,以上所述仅为示例,而不是对本发明的限制。本发明的用于自动评估病历质量的方法可以具有更多、更少或不同的步骤,且各步骤之间的顺序可能与所述的不同。例如,该方法还可以包括对根据查询结果以及预定的评分标准对病历质量进行评分,以及输出评分结果的步骤,等等。
尽管以上本发明被描述了一种用于评估病历质量的方法和系统,但本发明并不局限于用于评估病历质量,而是可用于评估任何种类和行业的规范性文档的质量。
因此,根据本发明的另一方面,提供了一种用于自动评估规范性文档的质量的方法,该方法包括以下步骤:
形成关于标准文档的标准事实的知识库;
由待评估文档生成临时事实;
由所述临时事实构造针对所述知识库的查询;
通过推理引擎执行针对所述知识库的所述查询;以及
根据所述查询的结果判断所述待评估文档的质量。
根据本发明的又一方面,提供了一种用于自动评估规范性文档的质量的系统,该系统包括:
包含关于标准文档的标准事实的知识库;
事实生成器,用于由待评估文档生成临时事实;
查询构造和执行器,用于由所述临时事实构造针对所述知识库的查询,并通过推理引擎执行针对所述知识库的所述查询;以及
查询结果处理器,用于根据所述查询的结果判断所述待评估文档的质量。
对于该用于自动评估文档的质量的方法和系统的详细描述,请参见前文中的相关内容。
本发明可以硬件、软件、或硬件与软件的结合的方式实现。本发明可以集中的方式在一个计算机系统中实现,或以分布方式实现,在这种分布方式中,不同的部件分布在若干互连的计算机系统中。适于执行本文中描述的方法的任何计算机系统或其它装置都是合适的。优选地,本发明以计算机软件和通用计算机硬件的组合的方式实现,在这种实现方式中,当该计算机程序被加载和执行时,控制该计算机系统而使其执行本发明的方法,并构成本发明的装置。
本发明也可体现在计算机程序产品中,该程序产品包含使能实现本文中描述的方法的所有特征,并且当其被加载到计算机系统中时,能够执行所述方法。
尽管已参照优选实施例具体示出和说明了本发明,但是本领域内的那些技术人员应理解,可在形式和细节上对其进行各种改变而不会背离本发明的精神和范围。
Claims (27)
1.一种用于自动评估病历质量的方法,包括以下步骤:
由待评估病历生成临时事实;
由所述临时事实构造针对关于标准病历的标准事实的知识库的查询;
通过推理引擎执行针对所述知识库的所述查询;以及
根据所述查询的结果判断所述待评估病历的质量。
2.根据权利要求1的方法,其中还包括形成关于标准病历的标准事实的知识库的步骤。
3.根据权利要求2的方法,其中所述形成关于标准病历的标准事实的知识库的步骤包括:
获得标准病历模板;
由所述标准病历模板生成标准事实;以及
将所述标准事实存储到所述知识库中。
4.根据权利要求2的方法,其中所述形成关于标准病历的标准事实的知识库的步骤还包括:
获得关于病历的统一术语库;以及
从所述统一术语库获得关于病历中的术语及其关系的标准事实,并将其存储到所述知识库中。
5.根据权利要求2的方法,其中所述形成关于标准病历的标准事实的知识库的步骤还包括:
定义病历质量评估规则;以及
将所述病历质量评估规则作为标准事实存储到所述知识库中。
6.根据权利要求1-5任一项所述的方法,其中所述由待评估病历生成临时事实的步骤包括:
对所述待评估病历进行语义标注;以及
由所述带语义标注的待评估病历生成临时事实。
7.根据权利要求1-5任一项所述的方法,其中所述由待评估病历生成临时事实的步骤包括:
根据统一病历模型将所述待评估病历转换为所述统一病历模型的实例;以及
由所述统一病历模型的所述实例生成所述临时事实。
8.根据权利要求7的方法,其中所述统一病历模型的所述实例包含一个或多个节,每个节包含一个或多个项,每个项包含一个或一组语义上独立的陈述。
9.根据权利要求1所述的方法,其中,所述由所述临时事实构造针对关于标准病历的标准事实的知识库的查询的步骤包括:
将所述临时事实取反;以及
将所述取反的临时事实与所述知识库中的标准事实取并集,从而形成所述查询。
10.根据权利要求1-5任一项所述的方法,其中,所述根据所述查询的结果判断所述待评估病历的质量的步骤包括:当所述查询的结果非空时,判定为所述待评估病历不完整。
11.根据权利要求9的方法,其中,所述由所述临时事实构造针对关于标准病历的标准事实的知识库的查询的步骤还包括:在所述取反的临时事实和所述知识库中的标准事实的并集上添加相应的目标谓词,以便形成所述查询;并且
其中,所述根据所述查询的结果判断所述待评估病历的质量的步骤包括:当所述查询的结果不在所述临时事实中时,判定为所述待评估病历不具体。
12.根据权利要求9的方法,其中,所述由所述临时事实构造针对关于标准病历的标准事实的知识库的查询的步骤还包括:在所述取反的临时事实和所述知识库中的标准事实的并集上添加表示陈述顺序的目标谓词,以便形成所述查询;并且
其中,所述根据所述查询的结果判断所述待评估病历的质量的步骤包括:当所述查询的结果非空时,判定为所述待评估病历中的陈述顺序不正确。
13.根据权利要求9的方法,其中,所述由所述临时事实构造针对关于标准病历的标准事实的知识库的查询的步骤还包括:在所述取反的临时事实和所述知识库中的标准事实的并集上添加相应的目标谓词,以便形成所述查询;并且
其中,所述根据所述查询的结果判断所述待评估病历的质量的步骤包括:当所述查询的结果非空时,判定为所述待评估病历中包含不正确的术语。
14.一种用于自动评估病历质量的系统,包括:
事实生成器,用于由待评估病历生成临时事实;
查询构造和执行器,用于由所述临时事实构造针对关于标准病历的标准事实的知识库的查询,并通过推理引擎执行针对所述知识库的所述查询;以及
查询结果处理器,用于根据所述查询的结果判断所述待评估病历的质量。
15.根据权利要求14的系统,所述事实生成器还用于:
接收标准病历模板;
由标准病历模板生成标准事实;以及
将所述标准事实存储到所述知识库中。
16.根据权利要求14或15所述的系统,还包括关于病历的统一术语库;并且其中,所述知识库还用于接收并存储来自所述统一术语库的关于病历中的术语及其关系的标准事实。
17.根据权利要求14或15所述的系统,其中所述知识库还用于接收并存储所定义的病历质量评估规则,作为标准事实。
18.根据权利要求14或15所述的系统,还包括用于对所述待评估病历进行语义标注的病历语义标注器;以及其中,
所述事实生成器用于由所述带语义标注的待评估病历生成临时事实。
19.根据权利要求14或15的系统,还包括病历转换器,用于根据统一病历模型将所述待评估病历转换为所述统一病历模型的实例;以及其中,
所述事实生成器用于由所述统一病历模型的所述实例生成所述临时事实。
20.根据权利要求19的系统,其中所述统一病历模型的所述实例包含一个或多个节,每个节包含一个或多个项,每个项包含一个或一组语义上独立的陈述。
21.根据权利要求14的系统,其中,所述查询构造和执行器用于:将所述临时事实取反;以及
将所述取反的临时事实与所述知识库中的标准事实取并集,从而形成所述查询。
22.根据权利要求21的系统,其中,所述查询结果处理器用于:当所述查询的结果非空时,判断所述待评估病历不完整。
23.根据权利要求21的系统,其中,所述查询构造和执行器还用于:在所述取反的临时事实和所述知识库中的标准事实的并集上添加相应的目标谓词,以便形成所述查询;并且
其中,所述查询结果处理器用于:当所述查询的结果不在所述临时事实中时,判定为所述待评估病历不具体。
24.根据权利要求21的系统,其中,所述查询构造和执行器还用于:在所述取反的临时事实和所述知识库中的标准事实的并集上添加表示陈述顺序的目标谓词,以便形成所述查询;并且
其中,所述查询结果处理器用于:当所述查询的结果非空时,判定为所述待评估病历中陈述顺序不正确。
25.根据权利要求21的系统,其中,所述查询构造和执行器用于:在所述取反的临时事实和所述知识库中的标准事实的并集上添加相应的目标谓词,以便形成所述查询;并且其中,所述查询结果处理器用于:当所述查询的结果非空时,判定为所述待评估病历中包含不正确的术语。
26.一种用于自动评估规范化文档的质量的方法,包括以下步骤:由待评估文档生成临时事实;
由所述临时事实构造针对所述知识库的查询;
通过推理引擎执行针对关于标准文档的标准事实的知识库的所述查询;以及
根据所述查询的结果判断所述待评估文档的质量。
27.一种用于自动评估规范化文档的质量的系统,包括:
包含关于标准文档的标准事实的知识库;
事实生成器,用于由待评估文档生成临时事实;
查询构造和执行器,用于由所述临时事实构造针对关于标准文档的标准事实的知识库的查询,并通过推理引擎执行针对所述知识库的所述查询;以及
查询结果处理器,用于根据所述查询的结果判断所述待评估文档的质量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810091269XA CN101571890A (zh) | 2008-04-28 | 2008-04-28 | 自动评估病历质量的方法和系统 |
US12/430,348 US9798858B2 (en) | 2008-04-28 | 2009-04-27 | Method and system for automatically evaluating the quality of medical records |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810091269XA CN101571890A (zh) | 2008-04-28 | 2008-04-28 | 自动评估病历质量的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101571890A true CN101571890A (zh) | 2009-11-04 |
Family
ID=41231246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200810091269XA Pending CN101571890A (zh) | 2008-04-28 | 2008-04-28 | 自动评估病历质量的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9798858B2 (zh) |
CN (1) | CN101571890A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578074A (zh) * | 2013-11-25 | 2014-02-12 | 方正国际软件有限公司 | 病历的输入协助系统和输入协助方法 |
CN105808951A (zh) * | 2016-03-10 | 2016-07-27 | 宁波金唐软件有限公司 | 一种电子病历的质量控制方法及其装置 |
CN106228023A (zh) * | 2016-08-01 | 2016-12-14 | 清华大学 | 一种基于本体和主题模型的临床路径挖掘方法 |
CN106354702A (zh) * | 2015-07-23 | 2017-01-25 | 南京都昌信息科技有限公司 | 一种病历文档模板设计器 |
CN108564991A (zh) * | 2018-04-13 | 2018-09-21 | 重庆医科大学附属儿童医院 | 基于icd的数据化编码病历错误识别系统及其识别方法 |
CN109785922A (zh) * | 2018-12-14 | 2019-05-21 | 平安万家医疗投资管理有限责任公司 | 一种病历资料的上传方法与系统 |
CN110136788A (zh) * | 2019-05-14 | 2019-08-16 | 清华大学 | 一种基于自动检测的病历质检方法、装置、设备及存储介质 |
CN110162779A (zh) * | 2019-04-04 | 2019-08-23 | 北京百度网讯科技有限公司 | 病历质量的评估方法、装置及设备 |
CN111581987A (zh) * | 2020-04-13 | 2020-08-25 | 广州天鹏计算机科技有限公司 | 疾病分类编码识别方法、装置及存储介质 |
CN111681728A (zh) * | 2020-06-09 | 2020-09-18 | 北京嘉和海森健康科技有限公司 | 一种电子病历的内涵质控方法及装置 |
CN112507722A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 电子病历内涵质控方法和装置 |
CN113221528A (zh) * | 2021-05-10 | 2021-08-06 | 浙江大学 | 基于openEHR模型的临床数据质量评估规则的自动生成与执行方法 |
CN114566244A (zh) * | 2022-03-25 | 2022-05-31 | 上海柯林布瑞信息技术有限公司 | 电子病历质量评估方法、装置及计算机可读存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120245954A1 (en) * | 2011-03-22 | 2012-09-27 | MRCS Holdings LLC | Medical Record Collection System |
US20140188530A1 (en) * | 2012-12-28 | 2014-07-03 | Wal-Mart Stores, Inc. | Provision of customer attributes to an organization |
US11043291B2 (en) * | 2014-05-30 | 2021-06-22 | International Business Machines Corporation | Stream based named entity recognition |
JP6908977B2 (ja) * | 2016-07-22 | 2021-07-28 | 株式会社トプコン | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 |
CN108491358B (zh) * | 2018-03-21 | 2021-10-26 | 广东电网有限责任公司电力科学研究院 | 一种变压器套管状态评估方法及装置 |
CN109961239B (zh) * | 2019-04-03 | 2021-04-06 | 杭州安脉盛智能技术有限公司 | 变压器故障案例推理方法及系统 |
CN113284630B (zh) * | 2021-04-13 | 2024-05-14 | 常州市第二人民医院 | 一种基于医学本体的医学术语知识库的构建系统及方法 |
CN113380363B (zh) * | 2021-06-24 | 2023-04-07 | 湖南创星科技股份有限公司 | 基于人工智能的医疗数据质量评价方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5307262A (en) | 1992-01-29 | 1994-04-26 | Applied Medical Data, Inc. | Patient data quality review method and system |
US6778703B1 (en) | 2000-04-19 | 2004-08-17 | International Business Machines Corporation | Form recognition using reference areas |
US8095544B2 (en) | 2003-05-30 | 2012-01-10 | Dictaphone Corporation | Method, system, and apparatus for validation |
WO2005081161A2 (de) | 2004-02-18 | 2005-09-01 | Siemens Aktiengesellschaft | Verfahren zur qualitätskontrolle von je an unterschiedlichen, aber vergleichbaren patientenkollektiven im rahmen eines medizinischen vorhabens erhobenen medizinischen datensätzen |
US7260568B2 (en) * | 2004-04-15 | 2007-08-21 | Microsoft Corporation | Verifying relevance between keywords and web site contents |
US7451140B2 (en) | 2005-01-11 | 2008-11-11 | Xerox Corporation | System and method for proofing individual documents of variable information document runs using document quality measurements |
US7610192B1 (en) * | 2006-03-22 | 2009-10-27 | Patrick William Jamieson | Process and system for high precision coding of free text documents against a standard lexicon |
-
2008
- 2008-04-28 CN CNA200810091269XA patent/CN101571890A/zh active Pending
-
2009
- 2009-04-27 US US12/430,348 patent/US9798858B2/en active Active
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578074A (zh) * | 2013-11-25 | 2014-02-12 | 方正国际软件有限公司 | 病历的输入协助系统和输入协助方法 |
CN106354702A (zh) * | 2015-07-23 | 2017-01-25 | 南京都昌信息科技有限公司 | 一种病历文档模板设计器 |
CN105808951A (zh) * | 2016-03-10 | 2016-07-27 | 宁波金唐软件有限公司 | 一种电子病历的质量控制方法及其装置 |
CN106228023A (zh) * | 2016-08-01 | 2016-12-14 | 清华大学 | 一种基于本体和主题模型的临床路径挖掘方法 |
CN106228023B (zh) * | 2016-08-01 | 2018-08-28 | 清华大学 | 一种基于本体和主题模型的临床路径挖掘方法 |
CN108564991A (zh) * | 2018-04-13 | 2018-09-21 | 重庆医科大学附属儿童医院 | 基于icd的数据化编码病历错误识别系统及其识别方法 |
CN109785922A (zh) * | 2018-12-14 | 2019-05-21 | 平安万家医疗投资管理有限责任公司 | 一种病历资料的上传方法与系统 |
CN110162779A (zh) * | 2019-04-04 | 2019-08-23 | 北京百度网讯科技有限公司 | 病历质量的评估方法、装置及设备 |
CN110136788A (zh) * | 2019-05-14 | 2019-08-16 | 清华大学 | 一种基于自动检测的病历质检方法、装置、设备及存储介质 |
CN110136788B (zh) * | 2019-05-14 | 2021-08-17 | 清华大学 | 一种基于自动检测的病历质检方法、装置、设备及存储介质 |
CN111581987A (zh) * | 2020-04-13 | 2020-08-25 | 广州天鹏计算机科技有限公司 | 疾病分类编码识别方法、装置及存储介质 |
CN111681728A (zh) * | 2020-06-09 | 2020-09-18 | 北京嘉和海森健康科技有限公司 | 一种电子病历的内涵质控方法及装置 |
CN111681728B (zh) * | 2020-06-09 | 2023-10-24 | 北京嘉和海森健康科技有限公司 | 一种电子病历的内涵质控方法及装置 |
CN112507722A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 电子病历内涵质控方法和装置 |
CN112507722B (zh) * | 2020-11-30 | 2023-08-01 | 北京百度网讯科技有限公司 | 电子病历内涵质控方法和装置 |
CN113221528A (zh) * | 2021-05-10 | 2021-08-06 | 浙江大学 | 基于openEHR模型的临床数据质量评估规则的自动生成与执行方法 |
CN113221528B (zh) * | 2021-05-10 | 2023-09-01 | 浙江大学 | 基于openEHR模型的临床数据质量评估规则的自动生成与执行方法 |
CN114566244A (zh) * | 2022-03-25 | 2022-05-31 | 上海柯林布瑞信息技术有限公司 | 电子病历质量评估方法、装置及计算机可读存储介质 |
CN114566244B (zh) * | 2022-03-25 | 2023-05-26 | 上海柯林布瑞信息技术有限公司 | 电子病历质量评估方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US9798858B2 (en) | 2017-10-24 |
US20090281837A1 (en) | 2009-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101571890A (zh) | 自动评估病历质量的方法和系统 | |
CN110838368B (zh) | 一种基于中医临床知识图谱的主动问诊机器人 | |
Beecher-Monas | The heuristics of intellectual due process: a primer for triers of science | |
Ashley | Case-based reasoning and its implications for legal expert systems | |
Maxwell et al. | A legal cross-references taxonomy for identifying conflicting software requirements | |
Longo et al. | Explainable artificial intelligence (XAI) 2.0: A manifesto of open challenges and interdisciplinary research directions | |
JPWO2005010789A1 (ja) | 能力評価装置、能力評価方法および能力評価プログラム | |
O'Neill et al. | Knowledge acquisition, synthesis, and validation: a model for decision support systems | |
Peleg et al. | Design patterns for clinical guidelines | |
Coan | Is There a Constitutional Right to Select the Genes of One's Offspring | |
CN114864099A (zh) | 一种基于因果关系挖掘的临床数据自动化生成方法及系统 | |
Lu et al. | Automated refactoring of OCL constraints with search | |
Koch | Process assessment: The ‘BOOTSTRAP’approach | |
Happawana et al. | Association rule learning in neuropsychological data analysis for Alzheimer’s disease | |
Shimura et al. | Identifying potential problems and risks in GQM+ Strategies models using metamodel and design principles | |
Davidson | The language tester's statistical toolbox | |
Kohout et al. | Knowledge representation in medicine and clinical behavioural science | |
Jin et al. | Beaver: Towards a declarative schema mapping | |
Weir II | Enemy item detection using data mining methods | |
Uwasomba et al. | Ontology-Based Methodology for Knowledge Acquisition from Groupware | |
Kung et al. | Comparing top-down with bottom-up approaches: Teaching data modeling | |
Manago et al. | Acquiring descriptive knowledge for classification and identification | |
Saalfeld et al. | Introducing a method for transformation of paper-based research data into concept-based representation with openEHR | |
Li et al. | In Search of the Long-Tail: Systematic Generation of Long-Tail Knowledge via Logical Rule Guided Search | |
Kahsu | A CASE BASED REASONING SYSTEM FOR DIAGNOSIS OF MALNUTRITION FOR UNDER-FIVE YEAR CHILDREN: THE CASE OF TIRUNESHE BEJING |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20091104 |