CN106529177B - 一种基于医疗大数据的患者画像方法及装置 - Google Patents
一种基于医疗大数据的患者画像方法及装置 Download PDFInfo
- Publication number
- CN106529177B CN106529177B CN201610996025.0A CN201610996025A CN106529177B CN 106529177 B CN106529177 B CN 106529177B CN 201610996025 A CN201610996025 A CN 201610996025A CN 106529177 B CN106529177 B CN 106529177B
- Authority
- CN
- China
- Prior art keywords
- patient
- label
- data
- portrait
- disease
- 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.)
- Active
Links
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
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)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于医疗大数据的患者画像方法及装置。本发明通过建立专业的医疗临床知识库,在此基础上采用新的计算模型和方法构建患者标签,解决了通用用户画像精确度不够,不适合于医疗领域应用以及患者个人隐私保护困难等问题。本发明首先标签体系提取和计算是建立在医学知识库的基础上,有很强的专业性,因此使得患者画像系统的精确性得到很大程度上的提高;其次,考虑了标签特征的风险因子、增衰因子和关联因子,更符合疾病发展规律;再者,让患者参与到画像的确认和管理中来,解决了标签的计算偏差;最后在患者画像数据的个人隐私方面引入了区块链技术,从技术上降低了敏感医疗数据泄露的风险。
Description
技术领域
本发明涉及医疗大数据领域,具体涉及一种基于医疗大数据的患者画像方法及装置。
背景技术
目前我国大医院的门诊和急诊量非常大,值诊医生仅有5-6分钟就需要接待一名患者,医生虽然有强烈的意愿去全面了解患者情况,但是受制于时间和精力以及患者医学知识的局限性,医生往往还未能全面交流、认识患者的个体情况下,凭经验开出检查单或处方,即制定医疗方案时并不能充分考虑患者个体情况做出准确的判断。医生超负荷工作,患者不理解,无形中造成医患关系紧张。
当前,随着我国医疗机构的卫生信息化建设日益完善,各类信息系统如HIS/EMR、LIS、RIS/PACS等已经广泛应用于各级医院,各类医疗设备和仪器也已经全面数字化,从而使得医疗数据呈爆炸式增长,目前医疗机构已经积累了海量医疗数据,这为基于医疗大数据的患者画像提供了基础。
患者画像,即患者信息标签化,就是通过收集患者个体人口信息及临床治疗、定期体检、公共卫生、妇幼保健、慢病监测等医疗业务过程中产生的大量电子健康档案、电子病历、体检报告等大量数据,通过模型算法从中抽取患者个体特征,从而形成一个标签化的患者模型。通过患者画像,医生能在极短的时间内全面了解患者个体情况,能有的放矢地进行沟通,对用药和治疗方案做出准确判断,既能避免医疗事故的发生,减轻医生工作负荷,又能改善医患关系。
目前通用的用户画像方法主要是通过分析用户的注册信息和用户的上网行为来为用户打上标签,而这种画像的方法并不适用于医疗领域,它存在以下的不足:1、准确度不够,医疗是一个严谨的过程,需要一个更为精确的模型来提取患者标签;2、用户画像只考虑标签特征的衰减因子,而患者画像既要考虑衰减因子,又要考虑随着年龄增长而出现的增强因子,还要考虑疾病伴随因子;3、通用用户画像系统没有让用户参与到其中来,而患者画像是直接面向患者个体,需要患者全程参与到系统中来,从而才能使画像逐步改善,逐步提高准确性;4、用户隐私保护,通用的用户画像系统并没有充分考虑这一问题,但是患者的医疗信息是比较敏感的,系统需要确保患者隐私不被非法利用。
发明内容
为了解决现阶段“值诊医生没法快速读懂患者”问题,本发明提供了一种基于医疗大数据的患者画像方法及装置。通过构建精确的患者画像,辅助医生快速、准确了解患者的个体情况,从而为患者提供针对性的优质医疗服务。
本发明提供了一种基于医疗大数据的患者画像方法,包括:
获取患者个人人口信息、电子健康档案、电子病历、体检报告、健康监测等医疗数据,并对其进行预处理。
建立临床知识库,包括共性知识、疾病分类、医学术语、病因、伴生病、发病机制、临床表现、并发症、药物不良反应等,以及上述信息之间的多维关联信息。
构建患者基本信息标签:通过人口信息、体检报告、电子健康档案等数据,提取包括患者性别、年龄、血型、职业(特殊职业)、过敏史、计划免疫、妇幼保健等标签。
构建患者疾病标签:通过电子病历、电子健康档案、检查检验等抽取的信息结合临床知识库建立疾病分析模型,获得患者既往疾病史、慢性病、疾病状况、伴生病等标签。
构建患者不良药物反应及用药禁忌标签:针对患者过敏史、药物不良反应史、所患疾病(特别是肝肾)、怀孕哺乳情况、特殊职业(高空作业运动员)、两周内用药等信息构建用药不良反应及禁忌标签。
构建患者疾病预测标签:将疾病标签、个体属性、疾病历史组合作为一个输入向量,然后根据输入向量确定患者的转移矩阵,采用随机森林方式预测患者转移到下一个疾病的概率,构建疾病预测标签。
计算患者标签数据:对患者画像标签的权重、疾病风险因子、标签增衰因子、疾病关联因子进行计算处理。
患者线上标签确认:考虑到医疗领域是一个严谨的领域,在患者画像初步完成后,患者可以通过互联网对自己的画像标签进行纠错和调整,从而提高患者画像的精确度。
完成画像,为医疗服务提供调用接口。
本发明提供了一种基于医疗大数据的患者画像装置,包括:
患者数据获取模块:该模块获取信息包括结构化数据和非结构化数据两类,结构化数据包括人口信息、HIS/EMR、LIS、EHR、RIS/PACS 等,非结构化数据包括影像、病历文档、临床指南、文献知识等。
数据预处理模块:在获取数据后需要对数据进行清洗、转换、过滤,然后对数据进行结构化、标准化、向量化处理。
患者标签计算提取模块:提取患者标签,包括患者基本信息标签、患者疾病标签、不良药物反应及用药禁忌标签、疾病预测标签,提取标签后对标签的权重、疾病风险因子、增衰因子、关联因子进行计算。
患者标签在线确认模块:患者可以通过画像装置提供的服务,对自己画像进行进一步调整,使得患者画像的精确度得到进一步提升。
基于区块链的患者隐私保护模块:使用区块链技术,让患者画像的数据管理区中心化和匿名化,从技术手段上对患者隐私进行保护。
患者画像服务调用模块:服务调用方式主要包括Web GUI、WebService、Web API等。
与普通用户画像方法及装置相比,本发明具有以下优势:首先标签体系提取和计算是建立在医学知识库的基础上,有很强的专业性,因此使得患者画像系统的精确性得到很大程度上的提高;其次,考虑了标签特征的风险因子、增衰因子和关联因子,更符合疾病发展规律;再者,让患者参与到画像的确认和管理中来,解决了标签的计算偏差;最后在患者画像数据的个人隐私方面引入了区块链技术,从技术上降低了敏感医疗数据泄露的风险。
附图说明
图1 示出了本发明一实施例的患者画像构建的流程图;
图2 示出了本发明一实施例的患者画像装置的示意图。
具体实施方式
本发明提供了一种基于医疗大数据的患者画像方法及装置,通过建立专业的医疗临床知识库,在此基础上采用新的计算模型和方法构建患者标签,解决了通用用户画像精确度不够,不适合于医疗领域应用以及患者个人隐私保护困难等问题。
为了使本发明的目的、方法以及优点更加清楚,下面将结合附图对本发明实施方式做进一步详细描述。
实施例一
本发明实施例提供了一种基于医疗大数据的患者画像方法,现结合流程图对本发明方法进行详细解释说明。参见图1,本实施例提供方法的流程包括:
步骤S1:获取预处理数据,从数据源中抽取患者相关信息,主要数据源及抽取信息包括以下几个部分:
市民卡、医保卡,抽取包括患者个人人口信息,包括姓名、性别、年龄、职业、出生地、居住地、家庭成员、工作单位。
健康档案:提取数据包括血型、计划免疫、过敏史、妇幼保健、慢性病、传染病、体检信息等。
电子病历:提取数据包括门诊记录、急诊记录、住院记录、处方信息、检查检验信息、输血信息、手术信息等。
在提取源数据后,将数据进行清洗、转换、过滤,并对数据进行结构化、标准化、向量化处理,最后导入到MongoDB数据存储集群。
步骤S2:建立临床知识库,将疾病共性知识、疾病分类、医学术语、病因、伴生病、发病机制、临床表现、并发症、药物不良反应医学信息写入临床知识库,同时将MongoDB数据存储集群中的数据导入到Spark集群进行分析,找出疾病种类和发病率、疾病种类和临床表现、疾病和伴生病关系、疾病导致的并发症、疾病和发病机制关系、疾病和治疗结果关系、检查结果和疾病的关系、疾病和使用的药物等发生的规律,生成多维关联信息,最后将分析的结果写回到临床知识库。
步骤S3:构建患者人口基本信息标签,通过人口信息、体检报告、电子健康档案等数据,提取包括患者性别、年龄、血型、职业、过敏史、计划免疫、妇幼保健等标签;
步骤S4:构建患者疾病标签,通过电子健康档案、电子病历、检查检验等抽取的信息结合临床知识库建立疾病分析模型。通过基于粗糙集的疾病特征相似度匹配得到疾病史、疾病状况、伴生病等标签;通过基于聚类分析的慢性病分析模型得到患者慢性病标签。
步骤S5:构建患者不良药物反应及用药禁忌标签,这类标签主要分为四类,一、针对患者对某种药或某些物质发生过敏和异常反应给出药物过敏和不良反应药物标签。二、针对患者所患疾病用药禁忌标签,比如肝肾疾病,这类患者肝肾功能不良,一些药品对对肝肾功能影响较大,需要给出用药禁忌标签;比如糖尿病患者,需要给出用药避免含糖量高的禁忌标签;再比如孕妇和哺乳期妇女,应该给出“孕妇慎用”,“哺乳期慎用”等标签;三、重复用药标签,主要是针对两周内正在服用药品,如果其中有药品特别容易和其他药品发生重复用药危险的需要给出禁忌标签;四、特殊职业用药禁忌标签,主要是针对公交车司机、高空作业、职业运动员用药禁忌标签。
步骤S6:构建患者疾病预测标签,将疾病标签、个体属性、疾病历史、临床知识库多维关联信息组合作为一个输入向量,然后根据输入向量确定患者的转移矩阵,采用随机森林方式预测患者转移到下一个疾病的概率,构建疾病预测标签。
步骤S7:计算患者标签数据,这一步需要对上述标签的权重、疾病危险因子、增衰因子及疾病标签关联因子进行计算。其中标签权重需要根据临床知识库和患者个体情况给出权重;疾病危险因子需要针对患者所患疾病状况、过往疾病史、诊疗方案、发病机理等得出危险因子;增衰因子,主要根据疾病类型、时间、标签行为类型确定为[0.8,1.2]小数,例如慢性病加上患者年纪因素,标签不衰减反而增强,如果标签行为类型为科研行为,则标签就不进行衰减计算;疾病标签关联因子计算主要根据临床知识库中的多维关联信息结合患者个体计算得出。
步骤S8:患者线上标签确认,通过以上7个步骤完成初步患者画像,由于通过大数据运算,患者标签以及标签权重危险因子具有一定的不确定性,最终需要患者通过人工方式对标签进行管理,患者也可以根据个人具体状况对标签权重、风险因子、增衰因子、关联因子进行相应的调整,最终把患者画像的精确度调整到一个最高的状态,从而完成患者画像。
实施例二
本发明实施例提供了一种基于医疗大数据的患者画像装置,现结合装置系统架构图对该装置进行详细解描述,参见图2。
处于整个装置最底层是数据源,数据源包括人口信息、HIS、LIS、电子健康档案、电子病历、RIS/PACS等结构化数据,以及医学影像、文献知识、临床指南等非结构化数据。由于每个数据源的组织结构以及存储方式都不太一样,因此针对不同数据源的数据获取采用的技术方式包括数据探头、数据抓取、文件解析、数据库导入等进行获取,获取数据之后对数据进行清洗/过滤、转换、结构化、标准化、向量化处理。离线数据在进行预处理之后存入群,对于在线数据采用Storm流式处理框架进行实时计算处理,最后统一存入MongoDB存储集群。
在数据获取和预处理的基础上,系统将临床知识库和患者个人医疗数据经由Spark导入并分析,从分析结果中提取患者标签并对标签进行包括权重、疾病风险因子、增衰因子、关联因子计算,其中分析结果存入关系数据库MySQL中,标签数据存入内存数据库Redis。
在初步完成患者画像后,需要患者本人参与到患者画像的确认和管理中,患者画像确认模块主要是给患者提供在线服务,通过该模块患者可以根据自身实际情况进行调整,比如患者某种疾病已经痊愈,患者可以把标签删除或者把参数降低,反之患者觉得严重了或者出现新的疾病,患者可以添加标签或调整参数。同时通过画像的确认,也可以让患者自己更加简明和通俗地去了解自己身体的健康状态,特别是疾病预测标签,患者在参考疾病预测标签后就会对自己的日常生活做出调整,比如加强身体特定部位锻炼、控制饮食种类、加强某些营养补充等。
在患者确认完画像之后,患者画像就完成并可以交付医疗机构使用了,但是在这之前还需要隐私保护模块对患者画像数据进行保护。患者隐私保护在本发明中除了常规保护技术手段比如访问控制、数据加密、匿名化、审计等之外,本装置还利用了区块链技术,让患者画像数据以及画像管理数据去中心化,采用共识模型提供一个可信任的环境,使得数据交换过程不被篡改,交换历史记录不可被篡改。在访问控制上将画像数据挂到区块链上,分配一个组合的private key,由医生、诊断设备、医疗机构管理部门还有患者本人共同持有key的不同部分,只有患者本人private key遇到了上面任何一方,才能授权访问隐私数据。
患者画像和系统应用主要是通过对外服务接口提供,目前主要有三种方式包括Web GUI、WebService、Web API,医疗机构、患者个人、健康咨询公司以及医保等部门,同构服务接口,可以将患者画像服务无缝连接到各自的应用中去。
综上所述,本发明基于医疗大数据构建患者画像的方法及装置,主要应用医疗领域,通过患者画像从数据中读懂患者,让医生更加简便快捷地去认识患者,既能减轻医生工作负荷又能改善医患关系。同时患者画像可以更广泛应用于个性化治疗定制、智能辅助医疗、医疗科研、疾病早期预警、精准医疗等领域,转变以疾病为中心医疗模式到以患者为中心医疗模式。
以上所述,仅是本发明的在医疗领域较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (2)
1.一种基于医疗大数据的患者画像装置,其特征在于,包括:
患者数据获取模块:该模块获取信息包括结构化数据和非结构化数据两类,结构化数据包括人口信息、HIS/EMR、LIS、HER和RIS/PACS ,非结构化数据包括影像、病历文档、临床指南和文献知识;
数据预处理模块:在获取数据后对数据进行清洗、转换和过滤,然后对数据进行结构化、标准化和向量化处理,最后统一存入MongoDB数据存储集群;
患者标签计算提取模块:提取患者标签,包括患者基本信息标签、患者疾病标签、不良药物反应、用药禁忌标签和疾病预测标签,提取标签后对标签的权重、疾病风险因子、增衰因子和关联因子进行计算;
所述的标签权重需要根据临床知识库和患者个体情况给出权重;所述的疾病风险因子需要针对患者所患疾病状况、过往疾病史、诊疗方案和发病机理得出风险因子;所述的增衰因子,主要根据疾病类型、时间和标签行为类型确定为[0.8,1.2]小数,所述的关联因子主要根据临床知识库中的多维关联信息结合患者个体计算得出;
患者标签在线确认模块:患者通过画像装置提供的服务,对自己画像进行进一步调整,使得患者画像的精确度得到进一步提升;
基于区块链的患者隐私保护模块:使用区块链技术,让患者画像的数据管理区中心化和匿名化;
患者画像服务调用模块:服务调用方式主要包括Web GUI、WebService和Web API。
2.根据权利要求1所述的一种基于医疗大数据的患者画像装置,其特征在于:基于区块链的患者隐私保护模块中采用共识模型提供一个可信任的环境,使得数据交换过程不被篡改,交换历史记录不可被篡改;在访问控制上将画像数据挂到区块链上,分配一个组合的private key,由医生、诊断设备、医疗机构管理部门还有患者本人共同持有key的不同部分,只有患者本人private key遇到了上面任何一方,才能授权访问隐私数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610996025.0A CN106529177B (zh) | 2016-11-12 | 2016-11-12 | 一种基于医疗大数据的患者画像方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610996025.0A CN106529177B (zh) | 2016-11-12 | 2016-11-12 | 一种基于医疗大数据的患者画像方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106529177A CN106529177A (zh) | 2017-03-22 |
CN106529177B true CN106529177B (zh) | 2019-05-03 |
Family
ID=58351371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610996025.0A Active CN106529177B (zh) | 2016-11-12 | 2016-11-12 | 一种基于医疗大数据的患者画像方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529177B (zh) |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108885899B (zh) * | 2017-04-01 | 2022-02-08 | 达闼机器人有限公司 | 医学影像传输数据的处理方法、装置及电子设备 |
CN108959310A (zh) * | 2017-05-23 | 2018-12-07 | 易链科技(深圳)有限公司 | 基于区块链的数据处理方法、装置和计算机可读存储介质 |
CN107426170B (zh) | 2017-05-24 | 2019-08-09 | 阿里巴巴集团控股有限公司 | 一种基于区块链的数据处理方法及设备 |
CN114796891A (zh) * | 2017-06-05 | 2022-07-29 | 西安大医集团股份有限公司 | 放疗系统 |
CN107591204B (zh) * | 2017-08-01 | 2019-02-26 | 山东大学 | 基于时序画像图的再住院预测方法和系统 |
CN107610779B (zh) * | 2017-10-25 | 2021-10-22 | 医渡云(北京)技术有限公司 | 疾病评价及患病风险评估方法及装置 |
CN107896213B (zh) * | 2017-11-16 | 2021-07-20 | 重庆顺利科技有限公司 | 电子处方数据存储方法 |
CN108154401B (zh) * | 2018-01-15 | 2022-03-29 | 阿里巴巴(中国)有限公司 | 用户画像刻画方法、装置、介质和计算设备 |
CN110120251A (zh) * | 2018-02-07 | 2019-08-13 | 北京第一视角科技有限公司 | 基于Spark的多维健康数据的统计分析方法及系统 |
CN108335753A (zh) * | 2018-02-23 | 2018-07-27 | 清檬养老服务有限公司 | 一种基于画像标签的老年人照护需求评估系统及方法 |
CN108492868A (zh) * | 2018-03-06 | 2018-09-04 | 上海京颐科技股份有限公司 | 医疗移动终端及其功能模块控制方法、装置、存储介质 |
CN108564364B (zh) * | 2018-03-12 | 2019-06-14 | 重庆小富农康农业科技服务有限公司 | 一种基于区块链技术和用户精准画像的农村养殖大数据征信系统 |
CN110362716A (zh) * | 2018-04-08 | 2019-10-22 | 深圳前海康博士网络技术有限公司 | 视频推送方法、装置、终端及计算机可读存储介质 |
CN108847287B (zh) * | 2018-06-11 | 2022-02-18 | 北京中迈远见科技有限公司 | 一种基于画像标签的戒毒人员康复评估系统及方法 |
CN108897734B (zh) * | 2018-06-13 | 2023-08-22 | 康键信息技术(深圳)有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
CN109003670A (zh) * | 2018-06-29 | 2018-12-14 | 武汉圣大东高科技有限公司 | 大数据医疗信息处理方法、系统、终端设备及存储介质 |
JP2021528774A (ja) * | 2018-06-29 | 2021-10-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 家系図に基づいて特定の疾患についての系図を構築する方法及び装置 |
CN109949881A (zh) * | 2018-10-16 | 2019-06-28 | 陕西医链区块链集团有限公司 | 一种基于区块链的大数据处理方法及设备 |
CN109524066B (zh) * | 2018-11-09 | 2021-01-12 | 医渡云(北京)技术有限公司 | 医疗数据处理方法及装置、存储介质和电子设备 |
CN111241148A (zh) * | 2018-11-29 | 2020-06-05 | 金敏 | 医疗数据整理方法、医疗数据整理装置和电子设备 |
CN109599157B (zh) * | 2018-11-29 | 2020-10-02 | 同济大学 | 一种精准智能诊疗大数据系统 |
CN111383761B (zh) * | 2018-12-28 | 2023-05-12 | 医渡云(北京)技术有限公司 | 医疗数据分析方法、装置、电子设备及计算机可读介质 |
CN111767290B (zh) * | 2019-04-01 | 2024-04-19 | 北京百度网讯科技有限公司 | 用于更新用户画像的方法和装置 |
CN110335683B (zh) * | 2019-06-14 | 2023-03-21 | 北京纵横无双科技有限公司 | 一种健康大数据分析方法及装置 |
CN110321424B (zh) * | 2019-06-14 | 2021-07-27 | 电子科技大学 | 一种基于深度学习的艾滋病人员行为分析方法 |
CN110379507B (zh) * | 2019-06-27 | 2023-03-14 | 南京市卫生信息中心 | 一种基于患者向量图像的辅助诊断方法 |
CN110347923B (zh) * | 2019-07-09 | 2022-10-11 | 安徽财贸职业学院 | 一种可回溯的快速裂变式构建用户画像的方法 |
CN110750540A (zh) * | 2019-10-18 | 2020-02-04 | 中国人民解放军军事科学院军事医学研究院 | 构建医疗业务知识库的方法、获得医疗业务语义模型的方法及系统、介质 |
CN111161872B (zh) * | 2019-12-03 | 2022-08-23 | 王洁 | 一种儿童健康智能管理系统 |
CN111143889B (zh) * | 2019-12-26 | 2023-05-26 | 腾讯科技(深圳)有限公司 | 基于区块链的兴奋剂检测信息管理方法、装置、设备 |
CN111552734A (zh) * | 2020-03-30 | 2020-08-18 | 平安医疗健康管理股份有限公司 | 用户画像的生成方法及装置、计算机设备、存储介质 |
CN111370118A (zh) * | 2020-05-28 | 2020-07-03 | 杭州睿杰信息技术有限公司 | 跨医疗机构的诊疗安全分析方法、装置和计算机设备 |
CN111931107B (zh) * | 2020-07-31 | 2024-03-22 | 博泰车联网科技(上海)股份有限公司 | 数字公民体系构建方法、系统及存储介质 |
CN111986744B (zh) * | 2020-09-03 | 2023-10-24 | 深圳赛安特技术服务有限公司 | 医疗机构的患者界面生成方法、装置、电子设备及介质 |
CN112214617B (zh) * | 2020-11-11 | 2021-05-14 | 广东新禾道信息科技有限公司 | 一种基于区块链技术的数字档案管理方法及系统 |
CN112562808B (zh) * | 2020-12-11 | 2024-01-19 | 北京百度网讯科技有限公司 | 患者画像的生成方法、装置、电子设备及存储介质 |
CN112837769A (zh) * | 2021-01-12 | 2021-05-25 | 山东众阳健康科技集团有限公司 | 一种基于深度学习和知识图谱的患者画像方法及系统 |
CN112992362B (zh) * | 2021-04-19 | 2021-09-14 | 北京妙医佳健康科技集团有限公司 | 一种身体状态评估装置、电子设备及存储介质 |
CN113269523A (zh) * | 2021-05-21 | 2021-08-17 | 国网新源控股有限公司 | 一种基于画像的智能审计方法及其装置、存储介质以及电子设备 |
CN114220548B (zh) * | 2021-12-13 | 2022-08-30 | 罗敏 | 一种服务于数字化医疗的大数据匿名防护方法及系统 |
CN116439661B (zh) * | 2023-03-24 | 2023-09-29 | 中国人民解放军总医院第六医学中心 | 一种围产期的产妇生理状态监测评估方法及系统 |
CN116631640B (zh) * | 2023-07-14 | 2024-05-31 | 福州康为网络技术有限公司 | 一种孕妇的个性化需求方案的生成方法和平台 |
CN118173236A (zh) * | 2024-05-14 | 2024-06-11 | 恺恩泰(南京)科技有限公司 | 一种慢病的平台信息管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761697A (zh) * | 2014-01-20 | 2014-04-30 | 中国中医科学院 | 一种基于电子病历的科研数据生成及患者隐私保护系统 |
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
CN105677710A (zh) * | 2015-12-28 | 2016-06-15 | 曙光信息产业(北京)有限公司 | 大数据的处理方法和系统 |
-
2016
- 2016-11-12 CN CN201610996025.0A patent/CN106529177B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761697A (zh) * | 2014-01-20 | 2014-04-30 | 中国中医科学院 | 一种基于电子病历的科研数据生成及患者隐私保护系统 |
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
CN105677710A (zh) * | 2015-12-28 | 2016-06-15 | 曙光信息产业(北京)有限公司 | 大数据的处理方法和系统 |
Non-Patent Citations (2)
Title |
---|
基于用户画像的医疗信息精准推荐的研究;王智囊;《万方数据知识服务平台》;20161103;摘要、正文第7—9、23—38、52—66页 * |
把区块链应用于公开的隐私保护服务如何?;知乎;《http://www.zhihu.com/question/40475025》;20160217;第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106529177A (zh) | 2017-03-22 |
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 | |
Dimitrov | Medical internet of things and big data in healthcare | |
JP6825389B2 (ja) | ヘルスケア・リスク推定システム及び方法 | |
WO2016049795A1 (zh) | 一种多维度用药信息处理方法、系统和设备 | |
CN110853723A (zh) | 一种智能药品指导的方法、系统和设备 | |
WO2013077977A1 (en) | Remotely-executed medical diagnosis and therapy including emergency automation | |
Khang et al. | Using big data to solve problems in the field of medicine | |
Omotunde et al. | The Modern Impact of Artificial Intelligence Systems in Healthcare: A Concise Analysis | |
Subagja et al. | Evaluation of Big Data analytics in medical science | |
Seckman | Electronic health records and applications for managing patient care | |
Sharma et al. | Artificial Intelligence in Health Care Sector and Future Scope | |
JP2017097817A (ja) | 複数の医療機関が保有する患者情報を医療情報提示端末に提示するシステム | |
Kadambi et al. | Review of an electronic health record model to facilitate remote patient management in metabolic and lifestyle diseases | |
Xiao et al. | Health data | |
CN113096795A (zh) | 多源数据辅助的临床决策支持系统及方法 | |
JP2020190785A (ja) | レセプト情報データベースにおける患者の死亡判定方法及び装置 | |
Hwang et al. | Exploring the usability of the ISO reference terminology model for nursing actions in representing oriental nursing actions | |
Pysmennyi | Integrated medical data management systems review | |
Tsumoto et al. | Healthcare IT: Integration of consumer healthcare data and electronic medical records for chronic disease management | |
JP2014013548A (ja) | レセプト分析システムおよび分析方法 | |
Kumar et al. | An Innovative Internet Of Things (IoT) Computing-Based Health Monitoring System With the Aid of Machine Learning Approach | |
US20230317291A1 (en) | Clinical Contextual Insight and Decision Support Visualization Tool | |
Devi et al. | An efficient 24× 7 patient’s vital parameter monitoring framework using machine learning based Internet of Biomedical Things: a comprehensive approach | |
Včelak et al. | Cerebrovascular diseases research database | |
Giguashvili et al. | APPLICATION OF TECHNOLOGIES BASED ON ARTIFICIAL INTELLIGENCE IN THE HEALTHCARE SECTOR OF GEORGIA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221222 Address after: Room 806, Building 1, Wuzhou International Business Center, Xihu District, Hangzhou City, Zhejiang Province, 310000 Patentee after: Hangzhou Shuzhilaida Technology Co.,Ltd. Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang Patentee before: HANGZHOU DIANZI University |
|
TR01 | Transfer of patent right |