CN106845118A - 一种基于电子病历共享文档的辅诊用药系统及方法 - Google Patents
一种基于电子病历共享文档的辅诊用药系统及方法 Download PDFInfo
- Publication number
- CN106845118A CN106845118A CN201710056733.0A CN201710056733A CN106845118A CN 106845118 A CN106845118 A CN 106845118A CN 201710056733 A CN201710056733 A CN 201710056733A CN 106845118 A CN106845118 A CN 106845118A
- Authority
- CN
- China
- Prior art keywords
- disease
- polymerization
- classification
- patient
- keyword
- 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
Classifications
-
- G06F19/326—
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
Abstract
本发明涉及一种基于电子病历共享文档的辅诊用药系统及方法,属于医疗信息化技术领域。系统由电子病历共享文档数据库(1)、文档解析模块(2)、病种聚合分类字典(3)、病种聚合分类关键字字典(4)、关键字数据库(5)和推荐用药模块(6)构成,其特征在于病种聚合分类字典(3)、病种聚合分类关键字字典(4)和关键字数据库(5)通过文档解析模块(2)从电子病历共享文档数据库(1)中获取数据,推荐用药模块(6)负责对数据进行统计分析并提交诊疗用药方案。本发明能够在正常的就诊过程中,根据医生提交的患者诊断,结合患者自身因素,从电子病历共享文档数据库中统计、分析、挖掘,为医生提供一种推荐诊疗用药方案的有效辅助手段。
Description
技术领域
本发明涉及一种基于电子病历共享文档的辅诊用药系统及方法,属于医疗信息化技术领域。
背景技术
国家卫生部门先后发布了《电子病历基本架构与数据标准》、《电子病历基本规范》、《中医电子病历基本规范》、《电子病历基本数据集》、《电子病历共享文档规范》等一系列的关于电子病历的业务标准与规范,推进了基于电子病历的医院信息平台的标准化建设,使患者诊疗信息实现了跨平台、跨区域的交换与共享。
据国家卫计委发布的统计信息,截至2016年4月底,全国医院达2.8万个,仅2016年4月份单月,全国医院出院人数达1469.1万人次,而如何挖掘和利用海量的住院患者电子病历诊疗信息为临床和科研服务变得越来越重要。现有的解决方案中,IBM Watson健康系统能够将认知计算科技、医学生物学前沿科技创新与循证医疗大数据结合起来,在医学研究、高效诊疗、认知关怀和个人健康管理等四个方面提供独特的价值,但该系统实现本土化需要解决系统中文识别能力差及中外患者体征差异等问题。本发明就是在这样的背景下被提出来的。
发明内容
本发明的目的是针对现有技术的不足而提供的一种基于电子病历共享文档的辅诊用药系统及方法,实现挖掘分析历史患者的电子病历共享文档的诊疗信息,辅助医生用药。
为了达到上述发明目的,本发明的技术方案如下:
一种基于电子病历共享文档的辅诊用药系统,它包括电子病历共享文档数据库、文档解析模块、病种聚合分类字典、病种聚合分类关键字字典、关键字数据库和推荐用药模块。
上述电子病历共享文档数据库,是指存储符合国家卫计委下发的《电子病历共享文档规范》标准的电子病历文档的XML数据库,为系统提供数据源,是本领域中所使用的通用技术。
上述文档解析模块,是指从电子病历共享文档的XML文件中提取所需数据的功能模块,是本领域中所使用的通用技术。
上述病种聚合分类字典,是指对患者电子病历共享文档的出院诊断进行聚合分类,患者的出院诊断的有序组合都独立为一类,为单独某一项诊断或多项诊断的有序组合,病种聚合分类的集合即为病种聚合分类字典。诊断内容相同,而诊断顺序不同的患者的诊疗方案往往并不相同,视为不同的病种聚合分类。
上述病种聚合分类关键字字典,是指对病种聚合分类及诊疗方案的影响因素进行统计学处理,得出的有效影响因素为病种聚合分类关键字,病种聚合分类关键字的集合即为病种聚合分类关键字字典。不同病种聚合分类所对应的关键字不尽相同。
上述关键字数据库,是指存储患者所对应病种聚合分类关键字数据的数据库,是本领域中所使用的通用技术。
上述推荐用药模块,是指对患者所对应病种聚合分类的关键字数据,与关键字数据库中该病种聚合分类的不同诊疗方案的关键字数据,分别进行统计学拟合处理,得出拟合度最高的用药方案的功能模块。
一种基于电子病历共享文档的辅诊用药方法,包括电子病历共享文档入库预处理方法、推荐病种聚合分类关键字方法及推荐用药方法。
上述电子病历共享文档入库预处理方法,是指对新增的患者电子病历共享文档的部分数据进行结构化处理,步骤如下:
1)解析患者电子病历共享文档的XML文件;
2)获取患者的病种聚合分类;
3)在病种聚合分类字典中查找该分类,如果该分类存在跳到步骤6),否则跳到步骤4);
4)在病种聚合分类字典中添加该分类记录;
5)在病种聚合分类关键字字典中添加该分类的常用关键字记录;
6)获取该分类对应的病种聚合分类关键字数据;
7)将病种聚合分类关键字数据添加至关键字数据库中存储;
8)结束。
上述推荐病种聚合分类关键字方法,是指医生结合临床经验针对某种病种聚合分类增加关键字的方法,步骤如下:
1)医生提交病种聚合分类和增加的关键字;
2)在病种聚合分类关键字字典中查找该分类的现有关键字;
3)在关键字数据库中检索该病种聚合分类现有关键字数据;
4)在患者电子病历共享文档的XML文件中检索病种聚合分类新增关键字数据;
5)对新增关键字数据和现有关键字数据进行统计学处理,相关性显著跳到步骤6),否则跳到步骤8);
6)在病种聚合分类关键字字典中添加新增关键字记录;
7)将新增关键字数据添加至关键字数据库中存储;
8)结束。
上述推荐用药方法,是指依据患者所对应病种聚合分类的关键字数据进行统计学拟合处理,得出拟合度最高的用药方案的方法,步骤如下:
1)医生提交患者诊断;
2)在病种聚合分类字典中查找与患者诊断相匹配的病种聚合分类,如果存在跳到步骤3),否则失败跳到步骤7);
3)在病种聚合分类关键字字典中查找该分类的关键字;
4)在关键字数据库中检索该病种聚合分类关键字数据;
5)检索患者病种聚合分类关键字数据;
6)对患者病种聚合分类关键字数据与关键字数据库中的病种聚合分类关键字数据进行统计学拟合处理,得出拟合度最高的用药方案;
7)结束。
本发明提供了一种基于电子病历共享文档的辅诊用药系统及方法,能够在正常的就诊过程中,根据医生提交的患者诊断,结合患者自身因素,从电子病历共享文档数据库中统计、分析、挖掘,为医生提供一种推荐诊疗用药方案的有效辅助手段。
附图说明
图1为本发明系统的结构示意图;
其中:1、电子病历共享文档数据库;2、文档解析模块;3、病种聚合分类字典;4、病种聚合分类关键字字典;5、关键字数据库;6、推荐用药模块。
图2为本发明方法的电子病历共享文档入库预处理方法流程图;
其中:7-14表示了该方法的各个步骤;
图3为本发明方法的推荐病种聚合分类关键字方法流程图;
其中:15-22表示了该方法的各个步骤;
图4为本发明方法的推荐用药方法流程图;
其中:23-29表示了该方法的各个步骤;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1:
一种基于电子病历共享文档的辅诊用药系统,如图1所示,由电子病历共享文档数据库1、文档解析模块2、病种聚合分类字典3、病种聚合分类关键字字典4、关键字数据库5和推荐用药模块6构成,其特征在于病种聚合分类字典3、病种聚合分类关键字字典4和关键字数据库5通过文档解析模块2从电子病历共享文档数据库1中获取数据,推荐用药模块6负责对数据进行统计分析并提交诊疗用药方案。
实施例2:
一种基于电子病历共享文档的辅诊用药方法,包括电子病历共享文档入库预处理方法、推荐病种聚合分类关键字方法及推荐用药方法,其特征在于电子病历共享文档入库预处理方法负责对新增的患者电子病历共享文档的部分数据进行结构化处理,生成结构化数据,提高系统的实时性;推荐病种聚合分类关键字方法用于医生结合临床经验针对某种病种聚合分类增加关键字,以实现系统知识库的更新;推荐用药方法,依据患者所对应病种聚合分类的关键字数据进行统计学拟合处理,得出拟合度最高的用药方案。
上述电子病历共享文档入库预处理方法,如图2所示,步骤如下:
7)解析患者电子病历共享文档中第32部分住院病案首页和第33部分中医住院病案首页的XML文件中的出院诊断章节;
8)获取患者的出院诊断,作为病种聚合分类;
9)在病种聚合分类字典中查找该分类,如果该分类存在跳到步骤12),否则跳到步骤10);
10)在病种聚合分类字典中添加该分类记录;
11)在病种聚合分类关键字字典中添加该分类的常用关键字记录;
12)解析患者电子病历共享文档的XML文件中该分类对应的病种聚合分类关键字数据;
13)将解析后的病种聚合分类关键字数据添加至关键字数据库中存储;
14)结束。
上述推荐病种聚合分类关键字方法,如图3所示,步骤如下:
15)医生在临床应用中,发现某项因素对某种病种聚合分类的诊疗用药方案有显著影响,提交该病种聚合分类及该项因素作为增加的关键字;
16)在病种聚合分类关键字字典中查找该分类的现有关键字;
17)在关键字数据库中检索该病种聚合分类现有关键字数据;
18)在患者电子病历共享文档的XML文件中检索病种聚合分类新增关键字数据;
19)对新增关键字数据和现有关键字数据进行统计学处理,相关性显著跳到步骤20),否则跳到步骤22);
20)在病种聚合分类关键字字典中添加新增关键字记录;
21)将新增关键字数据添加至关键字数据库中存储;
22)结束。
上述推荐用药方法,如图4所示,步骤如下:
23)医生诊查患者病情,并提交诊断;
24)在病种聚合分类字典中查找与患者诊断相匹配的病种聚合分类,如果存在跳到步骤25),否则失败跳到步骤29);
25)在病种聚合分类关键字字典中查找该分类的关键字;
26)在关键字数据库中检索该病种聚合分类关键字数据;
27)在医院信息系统中检索该患者病种聚合分类关键字数据;
28)对患者病种聚合分类关键字数据与关键字数据库中的病种聚合分类关键字数据进行统计学拟合处理,得出拟合度最高的用药方案;
29)结束。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (8)
1.一种基于电子病历共享文档的辅诊用药系统,由电子病历共享文档数据库(1)、文档解析模块(2)、病种聚合分类字典(3)、病种聚合分类关键字字典(4)、关键字数据库(5)和推荐用药模块(6)构成,其特征在于病种聚合分类字典(3)、病种聚合分类关键字字典(4)和关键字数据库(5)通过文档解析模块(2)从电子病历共享文档数据库(1)中获取数据,推荐用药模块(6)负责对数据进行统计分析并提交诊疗用药方案。
2.如权利要求1所述系统中使用的病种聚合分类字典(3),其特征在于,对患者电子病历共享文档的出院诊断进行聚合分类,患者的出院诊断的有序组合都独立为一类,为单独某一项诊断或多项诊断的有序组合,病种聚合分类的集合即为病种聚合分类字典。诊断内容相同,而诊断顺序不同的患者的诊疗方案往往并不相同,视为不同的病种聚合分类。
3.如权利要求1所述系统中使用的病种聚合分类关键字字典(4),其特征在于,对病种聚合分类及诊疗方案的影响因素进行统计学处理,得出的有效影响因素为病种聚合分类关键字,病种聚合分类关键字的集合即为病种聚合分类关键字字典。不同病种聚合分类所对应的关键字不尽相同。
4.如权利要求1所述系统中使用的推荐用药模块(6),其特征在于,对患者所对应病种聚合分类的关键字数据,与关键字数据库中该病种聚合分类的不同诊疗方案的关键字数据,分别进行统计学拟合处理,得出拟合度最高的用药方案的功能模块。
5.如权利要求1所述系统中使用的方法,包括电子病历共享文档入库预处理方法、推荐病种聚合分类关键字方法及推荐用药方法。
6.如权利要求5所述的电子病历共享文档入库预处理方法,步骤如下:
1)解析患者电子病历共享文档的XML文件;
2)获取患者的病种聚合分类;
3)在病种聚合分类字典中查找该分类,如果该分类存在跳到步骤6),否则跳到步骤4);
4)在病种聚合分类字典中添加该分类记录;
5)在病种聚合分类关键字字典中添加该分类的常用关键字记录;
6)获取该分类对应的病种聚合分类关键字数据;
7)将病种聚合分类关键字数据添加至关键字数据库中存储;
8)结束。
7.如权利要求5所述的推荐病种聚合分类关键字方法,步骤如下:
1)医生提交病种聚合分类和增加的关键字;
2)在病种聚合分类关键字字典中查找该分类的现有关键字;
3)在关键字数据库中检索该病种聚合分类现有关键字数据;
4)在患者电子病历共享文档的XML文件中检索病种聚合分类新增关键字数据;
5)对新增关键字数据和现有关键字数据进行统计学处理,相关性显著跳到步骤6),否则跳到步骤8);
6)在病种聚合分类关键字字典中添加新增关键字记录;
7)将新增关键字数据添加至关键字数据库中存储;
8)结束。
8.如权利要求5所述的推荐用药方法,步骤如下:
1)医生提交患者诊断;
2)在病种聚合分类字典中查找与患者诊断相匹配的病种聚合分类,如果存在跳到步骤3),否则失败跳到步骤7);
3)在病种聚合分类关键字字典中查找该分类的关键字;
4)在关键字数据库中检索该病种聚合分类关键字数据;
5)检索患者病种聚合分类关键字数据;
6)对患者病种聚合分类关键字数据与关键字数据库中的病种聚合分类关键字数据进行统计学拟合处理,得出拟合度最高的用药方案;
7)结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710056733.0A CN106845118A (zh) | 2017-01-25 | 2017-01-25 | 一种基于电子病历共享文档的辅诊用药系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710056733.0A CN106845118A (zh) | 2017-01-25 | 2017-01-25 | 一种基于电子病历共享文档的辅诊用药系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106845118A true CN106845118A (zh) | 2017-06-13 |
Family
ID=59121175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710056733.0A Pending CN106845118A (zh) | 2017-01-25 | 2017-01-25 | 一种基于电子病历共享文档的辅诊用药系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106845118A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122005A (zh) * | 2017-12-19 | 2018-06-05 | 浙江大学 | 一种临床药物层次分类的方法 |
CN110504009A (zh) * | 2018-05-16 | 2019-11-26 | 北京理工大学 | 一种电子病历结构化的方法 |
CN110767277A (zh) * | 2019-09-09 | 2020-02-07 | 卫宁健康科技集团股份有限公司 | 区域电子药历的管理方法及系统 |
CN112053758A (zh) * | 2020-08-27 | 2020-12-08 | 北京颢云信息科技股份有限公司 | 一种单病种数据库智能构建及优化方法 |
CN112635006A (zh) * | 2020-12-21 | 2021-04-09 | 山东众阳健康科技集团有限公司 | 基于一体化数字医院的电子病历归档方法及系统 |
CN113539410A (zh) * | 2021-06-07 | 2021-10-22 | 四川数字链享科技有限公司 | 一种基于大数据的医院药房药物智能分类推送设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567624A (zh) * | 2011-12-07 | 2012-07-11 | 南京毗邻医疗科技有限公司 | 基于诊疗模板与病情模板的个性化智慧医学服务系统 |
CN104915560A (zh) * | 2015-06-11 | 2015-09-16 | 万达信息股份有限公司 | 一种基于广义神经网络聚类的疾病病种诊疗方案预测方法 |
CN105184103A (zh) * | 2015-10-15 | 2015-12-23 | 清华大学深圳研究生院 | 基于病历数据库的虚拟名医 |
CN105653859A (zh) * | 2015-12-31 | 2016-06-08 | 遵义医学院 | 一种基于医疗大数据的疾病自动辅助诊断系统及方法 |
CN105868531A (zh) * | 2016-03-23 | 2016-08-17 | 遵义医学院 | 一种基于医疗大数据的自动辅助处方系统及方法 |
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
-
2017
- 2017-01-25 CN CN201710056733.0A patent/CN106845118A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567624A (zh) * | 2011-12-07 | 2012-07-11 | 南京毗邻医疗科技有限公司 | 基于诊疗模板与病情模板的个性化智慧医学服务系统 |
CN104915560A (zh) * | 2015-06-11 | 2015-09-16 | 万达信息股份有限公司 | 一种基于广义神经网络聚类的疾病病种诊疗方案预测方法 |
CN105184103A (zh) * | 2015-10-15 | 2015-12-23 | 清华大学深圳研究生院 | 基于病历数据库的虚拟名医 |
CN105653859A (zh) * | 2015-12-31 | 2016-06-08 | 遵义医学院 | 一种基于医疗大数据的疾病自动辅助诊断系统及方法 |
CN105868531A (zh) * | 2016-03-23 | 2016-08-17 | 遵义医学院 | 一种基于医疗大数据的自动辅助处方系统及方法 |
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122005A (zh) * | 2017-12-19 | 2018-06-05 | 浙江大学 | 一种临床药物层次分类的方法 |
CN110504009A (zh) * | 2018-05-16 | 2019-11-26 | 北京理工大学 | 一种电子病历结构化的方法 |
CN110767277A (zh) * | 2019-09-09 | 2020-02-07 | 卫宁健康科技集团股份有限公司 | 区域电子药历的管理方法及系统 |
CN112053758A (zh) * | 2020-08-27 | 2020-12-08 | 北京颢云信息科技股份有限公司 | 一种单病种数据库智能构建及优化方法 |
CN112053758B (zh) * | 2020-08-27 | 2024-04-16 | 北京颢云信息科技股份有限公司 | 一种单病种数据库智能构建方法 |
CN112635006A (zh) * | 2020-12-21 | 2021-04-09 | 山东众阳健康科技集团有限公司 | 基于一体化数字医院的电子病历归档方法及系统 |
CN112635006B (zh) * | 2020-12-21 | 2022-08-23 | 山东众阳健康科技集团有限公司 | 基于一体化数字医院的电子病历归档方法及系统 |
CN113539410A (zh) * | 2021-06-07 | 2021-10-22 | 四川数字链享科技有限公司 | 一种基于大数据的医院药房药物智能分类推送设备 |
CN113539410B (zh) * | 2021-06-07 | 2023-09-26 | 四川临丰医疗科技有限公司 | 一种基于大数据的医院药房药物智能分类推送设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845118A (zh) | 一种基于电子病历共享文档的辅诊用药系统及方法 | |
Shi et al. | Semantic health knowledge graph: semantic integration of heterogeneous medical knowledge and services | |
Meng et al. | Bidirectional representation learning from transformers using multimodal electronic health record data to predict depression | |
Dong et al. | A multiclass classification method based on deep learning for named entity recognition in electronic medical records | |
CN109670727B (zh) | 一种基于众包的分词标注质量评估系统及评估方法 | |
CN110364234B (zh) | 电子病历智能存储分析检索系统及方法 | |
CN106919793A (zh) | 一种医疗大数据的数据标准化处理方法及装置 | |
CN109344250A (zh) | 基于医保数据的单病种诊断信息快速结构化方法 | |
JP7464800B2 (ja) | 小サンプル弱ラベル付け条件での医療イベント認識方法及びシステム | |
CN112885478A (zh) | 医疗文献的检索方法、装置、电子设备及存储介质 | |
CN111477295B (zh) | 一种基于隐语义模型的中医组方推荐方法及系统 | |
CN116910172A (zh) | 基于人工智能的随访量表生成方法及系统 | |
CN112466462B (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
Wang et al. | Research on named entity recognition of doctor-patient question answering community based on bilstm-crf model | |
Aggarwal et al. | HEDEA: a Python tool for extracting and analysing semi-structured information from medical records | |
CN111951971A (zh) | 一种中药和症状关系的数据挖掘方法 | |
Nair et al. | Automated clinical concept-value pair extraction from discharge summary of pituitary adenoma patients | |
CN103544384A (zh) | 一种基于递增式术语库的电子病历快速录入系统 | |
Henao et al. | Patient clustering with uncoded text in electronic medical records | |
Lupşe et al. | Supporting prescriptions with synonym matching of section names in prospectuses | |
Wagenpfeil et al. | Explainable multimedia feature fusion for medical applications | |
Gu et al. | StrokePEO: Construction of a clinical ontology for physical examination of stroke | |
Sheu et al. | Phenotyping Antidepressant Treatment Response with Deep Learning in Electronic Health Records | |
Kumar et al. | NATURAL LANGUAGE PROCESSING: HEALTHCARE ACHIEVING BENEFITS VIA NLP | |
Miftahutdinov et al. | End-to-end deep framework for disease named entity recognition using social media data |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170613 |
|
WD01 | Invention patent application deemed withdrawn after publication |