CN107887036A - 临床决策辅助系统的构建方法、装置及临床决策辅助系统 - Google Patents
临床决策辅助系统的构建方法、装置及临床决策辅助系统 Download PDFInfo
- Publication number
- CN107887036A CN107887036A CN201711100965.8A CN201711100965A CN107887036A CN 107887036 A CN107887036 A CN 107887036A CN 201711100965 A CN201711100965 A CN 201711100965A CN 107887036 A CN107887036 A CN 107887036A
- Authority
- CN
- China
- Prior art keywords
- information
- clinical
- entity
- data
- pair
- 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
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种临床决策辅助系统的构建方法、装置及临床决策辅助系统,涉及临床医学的技术领域,该临床决策辅助系统的构建方法包括:获取临床参考信息,临床参考信息包括病历资料和/或医学文献;从临床参考信息中抽取实体信息,其中,实体信息的种类包括疾病名称、症状表现、治疗手段;通过至少两种实体信息构建数据结构对,以便基于数据结构对构建临床决策辅助系统。本发明缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。
Description
技术领域
本发明涉及临床医学技术领域,尤其是涉及一种临床辅助决策系统的构建方法、装置及临床辅助决策系统。
背景技术
临床决策辅助系统(Clinical Decision Support System,简称CDSS),是一个基于人机交互的医疗信息技术应用系统,旨在通过数据挖掘、模型建立等方法来为医生和其他医务工作者提供辅助性临床决策支持。传统的CDSS系统将专业知识和临床经验经过整理后存储到知识库当中,利用逻辑推理和模式匹配的方式帮助用户进行包括诊断、治疗方式推荐、用药建议等功能。
传统的CDSS系统在应用当中主要有以下缺陷:
首先,由于临床知识获取方式受限,传统的CDSS系统无法涵盖医学各方面专业知识,在知识种类的规模方面欠佳。此外,传统的CDSS系统多根据专家经验或者学科指南来建立;真正贴近临床工作的CDSS系统还需要包括医学文献知识、典型病例、医学计算工具等海量数据和工具,并需与其他数据库进行数据共享和内容的不断更新,可见,传统的CDSS系统只涉及到了较少临床问题变量因素。因而,传统CDSS系统具有提供临床决策辅助性能较差的技术问题。
其次,传统的CDSS系统与医生的交互方式主要是检索查询的模式,使用门槛较高,查询逻辑较为复杂,与临床快速工作节奏不相适应,难以整合到医务人员的日常工作流程当中。
综上所述,传统CDSS系统具有提供临床决策辅助性能差、与临床快速工作节奏不相适应的缺陷,在应用当中存在使用不便的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种一种临床辅助决策系统的构建方法、装置及临床辅助决策系统,以缓解传统CDSS系统在应用当中存在使用不便的技术问题。
第一方面,本发明实施例提供了一种临床决策辅助系统的构建方法,包括:
获取临床参考信息,其中,所述临床参考信息包括病历资料和/或医学文献;
从所述临床参考信息中抽取实体信息,其中,所述实体信息的种类包括疾病名称、症状表现、治疗手段;
通过至少两种所述实体信息构建数据结构对,以便基于所述数据结构对构建临床决策辅助系统。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,从所述临床参考信息中抽取实体信息,包括:
获取预设的搜索词,其中,所述搜索词为用户自定义的用于表达临床信息的词语,和/或,自然语言分析工具预设的用于表达临床信息的词语;
通过所述搜索词对所述临床参考信息进行搜索,获取所述实体信息。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,通过至少两种所述实体信息构建数据结构对,包括:
利用预先获取到的医学标准数据集建立医学标准表,其中,所述医学标准表中包括临床信息的标准用语;
使用所述医学标准表中包括的标准用语对所述实体信息进行同义替换,得到所述实体信息的标准数据;
通过至少两种所述实体信息的标准数据构建数据结构对。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述临床参考信息的数量为多个,通过至少两种所述实体信息构建数据结构对,包括:
由第一实体信息和第二实体信息组成第一子结构对,其中,所述第一实体信息和所述第二实体信息为同一所述临床参考信息中的不同种类的实体信息;
计算所述第一实体信息和所述第二实体信息之间的关联概率值;
由所述关联概率值和所述第一子结构对组成所述数据结构对。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,通过第一实体信息和第二实体信息构建第一子结构对,包括:
由所述第一实体信息和所述第二实体信息组成初始结构对;
从所述初始结构对中滤除第一目标结构对,得到所述第一子结构对,其中,所述第一目标结构对为所包含的第一实体信息和第二实体信息之间的对应关系不符合临床知识的初始结构对。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述方法还包括从所述临床参考信息中抽取时间信息,所述通过至少两种所述实体信息构建数据结构对,包括:
由至少两种目标实体信息组成第二子结构对,其中,至少两种目标实体信息属于相同的临床参考信息;
由所述时间信息和所述第一子结构对组成所述数据结构对。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,在通过至少两种所述实体信息构建数据结构对之后,所述方法还包括:
接收用户发送的有关临床问题的提问数据,其中,所述提问数据为文字形式的数据或语音形式的数据;
从所述提问数据中提取提问信息,所述提问信息包括至少一个关键字;
根据所述关键字在所述数据结构对中查找第二目标结构对,其中,所述第二目标结构对中所包含的实体信息与所述关键字之间的匹配条件满足预设匹配条件;
将所述第二目标结构对推送给所述用户。
第二方面,本发明实施例还提供一种临床决策辅助系统的构建装置,包括:
获取模块,用于获取临床参考信息,其中,所述临床参考信息包括病历资料和/或医学文献;
第一抽取模块,用于从所述临床参考信息中抽取实体信息,其中,所述实体信息的种类包括疾病名称、症状表现、治疗手段;
构建模块,用于通过至少两种所述实体信息构建数据结构对,以便基于所述数据结构对构建临床决策辅助系统。
第三方面,本发明实施例还提供一种临床决策辅助系统,所述临床决策辅助系统通过第一方面所述的临床决策辅助系统的构建方法进行构建。
第四方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行第一方面所述的临床决策辅助系统的构建方法。
本发明实施例带来了以下有益效果:首先从获取到的临床参考信息中抽取实体信息,其中,临床参考信息包括病历资料和/或医学文献,实体信息的种类包括疾病名称、症状表现、治疗手段;然后通过至少两种实体信息构建数据结构对,以便基于数据结构对构建临床决策辅助系统。相对于传统临床决策辅助系统只从专家经验或者固定的学科指南中获取数据,本发明实现了基于病历资料和/或医学文献进行挖掘数据来构建临床决策辅助系统的目的,扩充了传统临床决策辅助系统的数据来源,考虑了较多临床问题变量因素,有利于满足临床医生的真实需求,在提供临床决策辅助性能方面具有较好改善,从而缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例一提供的一种临床决策辅助系统的构建方法的流程图;
图2为本发明实施例一提供的另一种临床决策辅助系统的构建方法的流程图;
图3为本发明实施例二提供的一种临床决策辅助系统的构建装置的结构框图;
图4为本发明实施例二提供的一种构建模块的结构框图;
图5为本发明实施例二提供的另一种临床决策辅助系统的构建装置的结构框图。
图标:100-获取模块;200-第一抽取模块;300-构建模块;301-第一构建单元;302-计算单元;303-第二构建单元;400-接收模块;500-提取模块;600-查找模块;700-推送模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图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他实施例,都属于本发明保护的范围。
传统的CDSS系统在应用当中,临床知识来源于专家经验或者固定的学科指南,临床知识获取方式受限,且只涉及到了较少临床问题变量因素,难以满足临床医生的真实需求,具有提供临床决策辅助性能较差的技术问题;此外,传统的CDSS系统与医生的交互方式主要是检索查询的模式,使用门槛较高,查询逻辑较为复杂,与临床快速工作节奏不相适应,从而存在在应用当中使用不便的技术问题。基于此,本发明实施例提供的一种临床决策辅助系统的构建方法、装置及系统,可以缓解传统CDSS系统在应用当中存在使用不便的技术问题。
实施例一
本发明实施例提供的一种临床决策辅助系统的构建方法,如图1所示,包括:
步骤S102,获取临床参考信息,其中,临床参考信息包括病历资料和/或医学文献。
需要说明的是,本发明实施例中所涉及的医学文献可以采用以下两种渠道来获取:一是利用网络公开渠道,获得包括文献题目和文摘等信息的非全文文献;二是与部分医学文献数据库合作,获得部分以循证医学文献和临床研究文献为主的全文资料。本发明中所涉及的临床病历资料由合作的医疗机构提供,医疗机构所提供的病历资料经过其所属医疗机构伦理委员会批准和患者信息敏感信息脱敏处理。
步骤S104,从临床参考信息中抽取实体信息,其中,实体信息的种类包括疾病名称、症状表现、治疗手段。
需要说明的是,治疗手段至少包括以下之一:治疗疾病所用的药物名称、治疗疾病所用的仪器名称,但不限于药物名称和仪器名称。
步骤S106,通过至少两种实体信息构建数据结构对,以便基于数据结构对构建临床决策辅助系统。
具体地,数据结构对可以为如下事例所示的形式:三元组关系(感冒,症状表现,鼻塞),该数据结构对中,实体信息分别为:感冒(即,疾病名称)、鼻塞(即,症状表现),其中,该数据结构对表示:感冒的症状表现有鼻塞。
具体地,临床工作中医生利用自己掌握的知识对病历资料进行分析得出结论,这一过程可以抽象成为医生对病例进行建模处理,提取关键特征,并按照医学逻辑做出决策的过程。首先,上述过程中,决定决策准确率和效率的关键在于对病例进行建模和关键特征的提取上;其次,医学又是一个快速发展中的学科,新的检查方法和治疗方法不断出现,全球每年有数百万篇医学文献出炉,医生只有不断阅读才能掌握新的知识,才有望自己在临床工作当中与当前最新学术认知保持同步,才能根据自己所掌握的专业知识和经验较快、较准地给出决策,然而,这种对海量数据不间断更新和处理的要求,对于人类医生而言显然是不切实际的。
本发明实施例中,从病历资料和/或医学文献中挖掘实体信息,实现了对关键特征的提取;然后,将实体信息关联构建数据结构对,以数据结构对构建临床决策辅助系统,将数据结构对作为解答临床问题的数据基础和依据。例如,数据结构对为(疾病a,症状表现,症状1),医生在诊察到症状1的情况下,根据该数据结构对则可推断患者患有疾病a,从而使得该数据结构对为医生提供数据基础和依据。
本发明实施例实现了基于病历资料和/或医学文献进行自动化挖掘数据来构建临床决策辅助系统的目的,扩充了传统临床决策辅助系统的数据来源,考虑了较多临床问题变量因素,有利于满足临床医生的真实需求,在提供临床决策辅助性能方面具有较好改善,从而缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。
本发明实施例的一个可选实施方式中,步骤S104,从临床参考信息中抽取实体信息,包括:
获取预设的搜索词,其中,搜索词为用户自定义的用于表达临床信息的词语,和/或,自然语言分析工具预设的用于表达临床信息的词语;
通过搜索词对临床参考信息进行搜索,获取实体信息。
具体地,可以采用Stanford CoreNLP自然语言分析工具通过搜索词对临床参考信息进行搜索,Stanford CoreNLP中包括了NER(Named Entity Recognizer)功能,可以将文本中的疾病名称、症状表现、药品名称等实体信息抽取出来并给予标注,智能便捷。
在采用Stanford CoreNLP自然语言分析工具通过搜索词对临床参考信息进行搜索的过程中,搜索词可以是用户自定义的用于表达临床信息的词语,也可以是StanfordCoreNLP自然语言分析工具中预设的用于表达临床信息的词语。具体地,为了在保证准确性的基础上兼顾效率,可以首先从搜索词中选取一组目标搜索词,然后通过该组目标搜索词对部分医学文献和病历资料进行实体信息的抽取,并对抽取的实体信息的准确性和全面性进行考察,然后根据考察结果调试目标搜索词,直到抽取的实体信息的准确性和全面性达到预设程度。
本发明实施例的另一个可选实施方式中,步骤S106,通过至少两种实体信息构建数据结构对,包括:
利用预先获取到的医学标准数据集建立医学标准表,其中,医学标准表中包括临床信息的标准用语;
使用医学标准表中包括的标准用语对实体信息进行同义替换,得到实体信息的标准数据;
通过至少两种实体信息的标准数据构建数据结构对。
具体地,医学标准数据集采用国际通用的医学专业标准数据集,例如有ICD10(International Classification of Diseases 10)、SNOMEDN-CT(SystematizedNomenclature of Medicine–Clinical Terms)医学系统命名法、LONIC(LogicalObservation Identifiers Names and Codes)实验室相关术语集、RxNorm药品相关术语集等,这些医学专业标准数据集涵盖了包括疾病名称、症状表现、临床操作、临床观察指标、药品名称等多种临床信息的标准用语。
鉴于医学文献和病历资料中的用词没有详细规定,对于同一语义往往有多种不同的表达词语,本发明实施例中,使用医学标准表中包括的标准用语对实体信息进行同义替换,然后通过至少两种实体信息的标准数据构建数据结构对,从而最终将医学文献和病历资料转换为了按照医学标准表中的标准用语展示的结构化数据,使用医学标准表中的标准用语作为数据结构对的检索用词即可将数据结构对检索出来。
本发明实施例的另一个可选实施方式中,临床参考信息的数量为多个,步骤S106,通过至少两种实体信息构建数据结构对,包括:
由第一实体信息和第二实体信息组成第一子结构对,其中,第一实体信息和第二实体信息为同一临床参考信息中的不同种类的实体信息;
计算第一实体信息和第二实体信息之间的关联概率值;
由关联概率值和第一子结构对组成数据结构对。
具体地,在临床参考信息的数量为多个的情况下,不同临床参考信息会提取出来相同或不同的第一实体信息和第二实体信息。例如,目前有三个临床参考信息:第一临床参考信息、第二临床参考信息、第三临床参考信息,其中,第一临床参考信息中提取的第一实体信息和第二实体信息依次为:感冒,鼻塞;第二临床参考信息中提取的第一实体信息和第二实体信息依次为:感冒,鼻塞;第三临床参考信息中提取的第一实体信息和第二实体信息依次为:感冒,发热,那么,感冒和鼻塞的关联概率值为2/3;感冒和发热的关联概率值为1/3。需要强调的是,这里只是为了解释,以三个临床参考信息来进行举例,而为了使得第一实体信息和第二实体信息之间的关联概率值对医生诊断疾病具有参考价值,临床参考信息的数量往往远大于三个,然后利用统计学模型计算第一实体信息和第二实体信息之间的关联概率值,以便通过关联概率值表示实体信息之间的关联程度。
本发明实施例中的数据结构对可以采用如下事例所示的形式:四元组关系(感冒,症状表现,鼻塞,2/3),该数据结构对中,实体信息分别为:感冒(即,疾病名称)、鼻塞(即,症状表现),其中,该数据结构对表示:感冒的症状表现为鼻塞的概率为2/3。
进一步,上述统计学模型可以选用基于Noisy OR gates的贝叶斯网络模型。贝叶斯网络将多元知识可视化为一种概率依赖的模型,更加直观地表明了变量之间的因果和条件关系。Noisy OR gates用来表述n个原因(父节点)x1,x2,…xn和其引起的结果(子节点)之间的关联关系。在本发明实施例中,Noisy OR gates主要用来描述疾病名称与症状表现,疾病名称与治疗手段,症状表现与治疗手段等之间的关联关系。
需要说明的是,从同一临床参考信息中提取出的第一实体信息和第二实体信息,由于提取过程缺乏医学逻辑的推理,第一实体信息和第二实体信息之间的对应关系会出现与临床实际不相符的情况。其中,第一实体信息和第二实体信息之间的对应关系是指:第一实体信息和第二实体信息表达信息的相应性,例如:第一实体信息为疾病a,第二实体信息为症状表现1,那么第一实体信息和第二实体信息的对应关系即指:疾病a的症状表现为症状表现1,然而,由于提取过程缺乏医学逻辑的推理,疾病a的症状表现为症状表现1可能是与临床实际不相符的。实践过程中,例如有:老年患者多患有多种慢性疾病,症状表现负责多样,而单纯对病历数据挖掘会得到不符合生理病理知识的疾病与症状关系。
针对上述情况,本发明实施例的另一个可选实施方式中,步骤S106,通过第一实体信息和第二实体信息构建第一子结构对,包括:
由第一实体信息和第二实体信息组成初始结构对;
从初始结构对中滤除第一目标结构对,得到第一子结构对,其中,第一目标结构对为所包含的第一实体信息和第二实体信息之间的对应关系不符合临床知识的初始结构对。
具体地,从初始结构对中滤除第一目标结构对,得到第一子结构对可以由医学专业人士执行。进一步,医学专业人士可以被分为两个独立的小组,对初始结构对进行审核和评估,对明显不符合临床实际的初始结构对组进行剔除。两个小组分别独立运作,在完成评估之前不知道对方评估结果,以避免造成相互影响。需要强调的是,从初始结构对中滤除第一目标结构对,得到第一子结构对的执行并不限定在由专业人士执行。
本发明实施例的另一个可选实施方式中,临床决策辅助系统的构建方法还包括从临床参考信息中抽取时间信息,步骤S106,通过至少两种实体信息构建数据结构对,包括:
由至少两种目标实体信息组成第二子结构对,其中,至少两种目标实体信息属于相同的临床参考信息;
由时间信息和第一子结构对组成数据结构对。
需要说明的是,时间信息为临床参考信息中所记录实体信息的发生时间,例如,在实体信息为“感冒”和“咽痛”的情况下,那么时间信息即指:感冒症状为咽痛的时间。
具体地,时间信息可以采用(T+n*d)的形式,其中,T为现病史当中记录疾病发生的最早日期时间,n*d表示T之后的第n天。
鉴于疾病的发生和发展是一个动态的过程,在对病历资料进行实体信息抽取过程中,病历中所记录的主要诊断疾病会经历一个发生和随治疗而演变的过程,因而,本发明实施例针对此种情况建立包括时间信息的数据结构对,以通过该种数据结构对为医生提供更全面且精准的参考数据。
需要强调的是,本发明实施例的上述两个可选实施方式中分别提供了(1)通过实体信息和关联概率值构建数据结构对的方法,以及(2)通过实体信息和时间信息构建数据结构对的方法,这两种方法中的任意一种都属于本发明实施例所保护的范围。在基于上述这两个可选实施方式的基础上,可以推出通过实体信息、关联概率值以及时间信息构建数据结构对的方法,该种方法也属于本发明实施例的保护范围。
具体地,通过实体信息、关联概率值以及时间信息构建数据结构对,可以采用如下事例所示的形式:五元组关系(感冒,症状表现,鼻塞,1/3,T+2d),该数据结构对中,实体信息分别为:感冒(即,疾病名称)、鼻塞(即,症状表现),其中,该数据结构对表示:感冒发生后的第2天,感冒症状表现为鼻塞的概率为1/3。通过实体信息、关联概率值以及时间信息构建数据结构对,所包含的信息更加多维化,在为医生提供参考数据方面具有更精准的特性。
本发明实施例的另一个可选实施方式中,如图2所示,在通过至少两种实体信息构建数据结构对之后,临床决策辅助系统的构建方法还包括:
步骤S107,接收用户发送的有关临床问题的提问数据,其中,提问数据为文字形式的数据或语音形式的数据;
步骤S108,从提问数据中提取提问信息,提问信息包括至少一个关键字;
步骤S109,根据关键字在数据结构对中查找第二目标结构对,其中,第二目标结构对中所包含的实体信息与关键字之间的匹配条件满足预设匹配条件;
步骤S110,将第二目标结构对推送给用户。
具体地,预设匹配条件是由预先确定的。如果关键字为:“感冒”和“咽痛”,而预设匹配条件被预先确定为:只要数据结构对中的实体信息包含“感冒”和“咽痛”中的任意一个词,那么包含“感冒”和“咽痛”中的任意一个词的数据结构对即为第二目标结构对。
本发明实施例中,在接收用户发送的有关临床问题的提问数据后,自动对文字形式的数据或语音形式的数据进行识别,然后根据识别出来的关键字查找将第二目标结构对,并将第二目标结构对推送给用户,为用户提供数据基础和依据,实现了将用户复杂临床问题简化后智能查询标准化答案的功能,无需用户自己掌握复杂的查询逻辑来进行查询,缓解了传统CDSS系统在应用当中存在使用不便的技术问题。
近些年来,随着算法的成熟和计算能力的突破,人工智能技术越来越多地被应用到各行各业,医疗就是最具应用价值潜力的行业之一,人们希望利用人工智能技术来实现对疾病的诊断、治疗等关键环节的自动化处理。本发明实施例提供的临床决策辅助系统的构建方法出于上述目的,基于病历资料和医学文献,结合人工智能技术,参考医生临床思维逻辑和大数据分析方法,对临床决策辅助工具进行构建。
实施例二
如图3到图5所示,本发明实施例提供的一种临床决策辅助系统的构建装置。
参照图3,该临床决策辅助系统的构建装置包括:
获取模块100,用于获取临床参考信息,临床参考信息包括病历资料和/或医学文献;
第一抽取模块200,用于从临床参考信息中抽取实体信息,其中,实体信息的种类包括疾病名称、症状表现、治疗手段;
构建模块300,用于通过至少两种实体信息构建数据结构对,以便基于数据结构对构建临床决策辅助系统。
在本发明实施例中,获取模块100获取临床参考信息,第一抽取模块200从临床参考信息中抽取实体信息,构建模块300通过至少两种实体信息构建数据结构对,其中,临床参考信息包括病历资料和/或医学文献,实体信息的种类包括疾病名称、症状表现、治疗手段。本发明实施例实现了基于病历资料和/或医学文献进行自动化挖掘数据来构建临床决策辅助系统的目的,扩充了传统临床决策辅助系统的数据来源,考虑了较多临床问题变量因素,有利于满足临床医生的真实需求,在提供临床决策辅助性能方面具有较好改善,从而缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。
本发明实施例的一个可选实施方式中,第一抽取模块200用于:
获取预设的搜索词,其中,搜索词为用户自定义的用于表达临床信息的词语,和/或,自然语言分析工具预设的用于表达临床信息的词语;
通过搜索词对临床参考信息进行搜索,获取实体信息。
本发明实施例的另一个可选实施方式中,构建模块300用于:
利用预先获取到的医学标准数据集建立医学标准表,其中,医学标准表中包括临床信息的标准用语;
使用医学标准表中包括的标准用语对实体信息进行同义替换,得到实体信息的标准数据;
通过至少两种实体信息的标准数据构建数据结构对。
本发明实施例的另一个可选实施方式中,临床参考信息的数量为多个,参照图4,构建模块300包括:
第一构建单元301,用于通过第一实体信息和第二实体信息构建第一子结构对,其中,第一实体信息和第二实体信息为同一临床参考信息中的不同种类的实体信息;
计算单元302,用于计算第一实体信息和第二实体信息之间的关联概率值;
第二构建单元303,用于通过关联概率值和第一子结构对构建数据结构对。
本发明实施例的另一个可选实施方式中,第一构建单元301用于:
通过第一实体信息和第二实体信息构建初始结构对;
从初始结构对中滤除第一目标结构对,得到第一子结构对,其中,第一目标结构对为所包含的第一实体信息和第二实体信息之间的对应关系不符合临床知识的初始结构对。
本发明实施例的另一个可选实施方式中,临床决策辅助系统的构建装置还包括第二抽取模块,其中,
第二抽取模块用于从第一抽取模块200临床参考信息中抽取时间信息;
构建模块300用于通过第一实体信息和第二实体信息构建第一子结构对,其中,第一实体信息和第二实体信息属于相同的临床参考信息;
通过时间信息和第一子结构对构建数据结构对。
本发明实施例的另一个可选实施方式中,参照图5,临床决策辅助系统的构建装置还包括:
接收模块400,用于在通过至少两种实体信息构建数据结构对之后,接收用户发送的有关临床问题的提问数据,其中,提问数据为文字形式的数据或语音形式的数据;
提取模块500,用于从提问数据中提取提问信息,提问信息包括至少一个关键字;
查找模块600,用于根据关键字在数据结构对中查找第二目标结构对,其中,第二目标结构对中所包含的实体信息与关键字之间的匹配条件满足预设匹配条件;
推送模块700,用于将第二目标结构对推送给用户。
实施例三
本发明实施例提供的一种临床决策辅助系统,该临床决策辅助系统通过实施例一中的临床决策辅助系统的构建方法进行构建。
本发明实施例中的临床决策辅助系统的数据来源包括病历资料和/或医学文献,相对于只从专家经验或者固定的学科指南中获取数据的传统临床决策辅助系统,本发明实施例中的临床决策辅助系统的数据来源得到了扩充,且从病历资料和/或医学文献中获取的数据是考虑了较多临床问题变量因素,从而有利于满足临床医生的真实需求,在提供临床决策辅助性能方面具有较好改善,从而缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。
实施例四
本发明实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,该程序代码使处理器执行实施例一中的临床决策辅助系统的构建方法。
具体地,该计算机可读介包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例中的计算机可读介质存储有实施例一中的临床决策辅助系统的构建方法,该临床决策辅助系统的构建方法实现了基于病历资料和/或医学文献进行挖掘数据来构建临床决策辅助系统的目的,扩充了传统临床决策辅助系统的数据来源,考虑了较多临床问题变量因素,有利于满足临床医生的真实需求,在提供临床决策辅助性能方面具有较好改善,从而缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种临床决策辅助系统的构建方法,其特征在于,包括:
获取临床参考信息,其中,所述临床参考信息包括病历资料和/或医学文献;
从所述临床参考信息中抽取实体信息,其中,所述实体信息的种类包括疾病名称、症状表现、治疗手段;
通过至少两种所述实体信息构建数据结构对,以便基于所述数据结构对构建临床决策辅助系统。
2.根据权利要求1所述的方法,其特征在于,从所述临床参考信息中抽取实体信息,包括:
获取预设的搜索词,其中,所述搜索词为用户自定义的用于表达临床信息的词语,和/或,自然语言分析工具预设的用于表达临床信息的词语;
通过所述搜索词对所述临床参考信息进行搜索,获取所述实体信息。
3.根据权利要求1所述的方法,其特征在于,通过至少两种所述实体信息构建数据结构对,包括:
利用预先获取到的医学标准数据集建立医学标准表,其中,所述医学标准表中包括临床信息的标准用语;
使用所述医学标准表中包括的标准用语对所述实体信息进行同义替换,得到所述实体信息的标准数据;
通过至少两种所述实体信息的标准数据构建数据结构对。
4.根据权利要求1所述的方法,其特征在于,所述临床参考信息的数量为多个,通过至少两种所述实体信息构建数据结构对,包括:
由第一实体信息和第二实体信息组成第一子结构对,其中,所述第一实体信息和所述第二实体信息为同一所述临床参考信息中的不同种类的实体信息;
计算所述第一实体信息和所述第二实体信息之间的关联概率值;由所述关联概率值和所述第一子结构对组成所述数据结构对。
5.根据权利要求4所述的方法,其特征在于,通过第一实体信息和第二实体信息构建第一子结构对,包括:
由所述第一实体信息和所述第二实体信息组成初始结构对;
从所述初始结构对中滤除第一目标结构对,得到所述第一子结构对,其中,所述第一目标结构对为所包含的第一实体信息和第二实体信息之间的对应关系不符合临床知识的初始结构对。
6.根据权利要求1所述的方法,其特征在于,还包括从所述临床参考信息中抽取时间信息,所述通过至少两种所述实体信息构建数据结构对,包括:
由至少两种目标实体信息组成第二子结构对,其中,所述至少两种目标实体信息属于相同的临床参考信息;
由所述时间信息和所述第一子结构对组成所述数据结构对。
7.根据权利要求1所述的方法,其特征在于,在通过至少两种所述实体信息构建数据结构对之后,所述方法还包括:
接收用户发送的有关临床问题的提问数据,其中,所述提问数据为文字形式的数据或语音形式的数据;
从所述提问数据中提取提问信息,所述提问信息包括至少一个关键字;
根据所述关键字在所述数据结构对中查找第二目标结构对,其中,所述第二目标结构对中所包含的实体信息与所述关键字之间的匹配条件满足预设匹配条件;
将所述第二目标结构对推送给所述用户。
8.一种临床决策辅助系统的构建装置,其特征在于,包括:
获取模块,用于获取临床参考信息,所述临床参考信息包括病历资料和/或医学文献;
第一抽取模块,用于从所述临床参考信息中抽取实体信息,其中,所述实体信息的种类包括疾病名称、症状表现、治疗手段;
构建模块,用于通过至少两种所述实体信息构建数据结构对,以便基于所述数据结构对构建临床决策辅助系统。
9.一种临床决策辅助系统,其特征在于,所述临床决策辅助系统通过权利要求1-8中任一项所述的临床决策辅助系统的构建方法进行构建。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行权利要求1-8中任一项所述的临床决策辅助系统的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100965.8A CN107887036A (zh) | 2017-11-09 | 2017-11-09 | 临床决策辅助系统的构建方法、装置及临床决策辅助系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711100965.8A CN107887036A (zh) | 2017-11-09 | 2017-11-09 | 临床决策辅助系统的构建方法、装置及临床决策辅助系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107887036A true CN107887036A (zh) | 2018-04-06 |
Family
ID=61780002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711100965.8A Pending CN107887036A (zh) | 2017-11-09 | 2017-11-09 | 临床决策辅助系统的构建方法、装置及临床决策辅助系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107887036A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109346169A (zh) * | 2018-10-17 | 2019-02-15 | 长沙瀚云信息科技有限公司 | 一种人工智能辅助诊疗系统及其构建方法、设备和存储介质 |
CN109390058A (zh) * | 2018-09-28 | 2019-02-26 | 湖南智腾安控科技有限公司 | 一种病历辅助分析系统及该系统的建立方法 |
CN109686443A (zh) * | 2018-12-26 | 2019-04-26 | 孙炜 | 一种临床诊断辅助决策系统和医学知识图谱积累方式 |
CN110189831A (zh) * | 2019-06-06 | 2019-08-30 | 厦门大学 | 一种基于动态图序列的病历知识图谱构建方法及系统 |
CN110211682A (zh) * | 2019-04-30 | 2019-09-06 | 河南中医药大学第一附属医院 | 基于Android系统的肝癌中医临床辅助系统的构建及应用 |
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系统 |
CN110867228A (zh) * | 2019-11-15 | 2020-03-06 | 北京大学人民医院(北京大学第二临床医学院) | 创伤住院患者创伤严重程度智能信息抓取与评估方法和系统 |
CN110970112A (zh) * | 2018-09-29 | 2020-04-07 | 九阳股份有限公司 | 一种面向营养健康的知识图谱构建方法和系统 |
CN111161881A (zh) * | 2019-06-13 | 2020-05-15 | 南京医基云医疗数据研究院有限公司 | 一种疾病共现关系的识别方法、装置及存储介质 |
WO2020132793A1 (en) * | 2018-12-24 | 2020-07-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligence medical symptom recognition system based on span searching |
CN111370130A (zh) * | 2018-12-26 | 2020-07-03 | 医渡云(北京)技术有限公司 | 医疗数据的实时处理方法及装置、存储介质、电子设备 |
CN112101592A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 电力二次设备缺陷诊断方法、系统、设备及存储介质 |
CN112116994A (zh) * | 2020-10-29 | 2020-12-22 | 上海对外经贸大学 | 基于区块链的社会化医疗与信息服务平台 |
CN112151130A (zh) * | 2019-01-15 | 2020-12-29 | 合肥工业大学 | 一种基于文献检索的决策支持系统和构建方法 |
CN112259183A (zh) * | 2020-11-11 | 2021-01-22 | 北京嘉和海森健康科技有限公司 | 一种基于电子病历的患者健康时间轴的提取方法和装置 |
CN113223648A (zh) * | 2021-05-08 | 2021-08-06 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN114496143A (zh) * | 2021-12-31 | 2022-05-13 | 医渡云(北京)技术有限公司 | 临床数据与文献的关联方法、装置、电子设备及存储介质 |
WO2022151812A1 (zh) * | 2021-01-15 | 2022-07-21 | 医渡云(北京)技术有限公司 | 基于模型的医学知识图谱的构建方法、装置、设备及介质 |
WO2023056918A1 (zh) * | 2021-10-09 | 2023-04-13 | 浙江大学 | 一种基于假阴性样本识别的体检辅助决策系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130085343A1 (en) * | 2011-09-30 | 2013-04-04 | Lasse Toimela | Semantic radiation treatment plan optimization guidance |
CN105808931A (zh) * | 2016-03-03 | 2016-07-27 | 北京大学深圳研究生院 | 一种基于知识图谱的针灸决策支持方法及装置 |
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
CN106295187A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 面向智能临床辅助决策支持系统的知识库构建方法与系统 |
CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
CN106709252A (zh) * | 2016-12-26 | 2017-05-24 | 重庆星空云医疗科技有限公司 | 预测、诊断、治疗和控制医院感染的智能决策辅助系统 |
US20170161446A1 (en) * | 2015-12-04 | 2017-06-08 | Sectra Ab | Systems and Methods for Continuous Optimization of Medical Treatments |
CN106874695A (zh) * | 2017-03-22 | 2017-06-20 | 北京大数医达科技有限公司 | 医疗知识图谱的构建方法和装置 |
CN107145744A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
CN107239647A (zh) * | 2016-03-28 | 2017-10-10 | 孙少燕 | 一种基于贝叶斯算法的疾病分析系统 |
-
2017
- 2017-11-09 CN CN201711100965.8A patent/CN107887036A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130085343A1 (en) * | 2011-09-30 | 2013-04-04 | Lasse Toimela | Semantic radiation treatment plan optimization guidance |
US20170161446A1 (en) * | 2015-12-04 | 2017-06-08 | Sectra Ab | Systems and Methods for Continuous Optimization of Medical Treatments |
CN105808931A (zh) * | 2016-03-03 | 2016-07-27 | 北京大学深圳研究生院 | 一种基于知识图谱的针灸决策支持方法及装置 |
CN107239647A (zh) * | 2016-03-28 | 2017-10-10 | 孙少燕 | 一种基于贝叶斯算法的疾病分析系统 |
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
CN106295187A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 面向智能临床辅助决策支持系统的知识库构建方法与系统 |
CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
CN106709252A (zh) * | 2016-12-26 | 2017-05-24 | 重庆星空云医疗科技有限公司 | 预测、诊断、治疗和控制医院感染的智能决策辅助系统 |
CN106874695A (zh) * | 2017-03-22 | 2017-06-20 | 北京大数医达科技有限公司 | 医疗知识图谱的构建方法和装置 |
CN107145744A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109390058A (zh) * | 2018-09-28 | 2019-02-26 | 湖南智腾安控科技有限公司 | 一种病历辅助分析系统及该系统的建立方法 |
CN110970112B (zh) * | 2018-09-29 | 2024-03-12 | 九阳股份有限公司 | 一种面向营养健康的知识图谱构建方法和系统 |
CN110970112A (zh) * | 2018-09-29 | 2020-04-07 | 九阳股份有限公司 | 一种面向营养健康的知识图谱构建方法和系统 |
CN109346169A (zh) * | 2018-10-17 | 2019-02-15 | 长沙瀚云信息科技有限公司 | 一种人工智能辅助诊疗系统及其构建方法、设备和存储介质 |
WO2020132793A1 (en) * | 2018-12-24 | 2020-07-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligence medical symptom recognition system based on span searching |
CN109686443A (zh) * | 2018-12-26 | 2019-04-26 | 孙炜 | 一种临床诊断辅助决策系统和医学知识图谱积累方式 |
CN111370130B (zh) * | 2018-12-26 | 2023-06-23 | 医渡云(北京)技术有限公司 | 医疗数据的实时处理方法及装置、存储介质、电子设备 |
CN109686443B (zh) * | 2018-12-26 | 2021-05-25 | 孙炜 | 一种临床诊断辅助决策系统和医学知识图谱积累方式 |
CN111370130A (zh) * | 2018-12-26 | 2020-07-03 | 医渡云(北京)技术有限公司 | 医疗数据的实时处理方法及装置、存储介质、电子设备 |
CN112151130B (zh) * | 2019-01-15 | 2022-11-04 | 合肥工业大学 | 一种基于文献检索的决策支持系统和构建方法 |
CN112151130A (zh) * | 2019-01-15 | 2020-12-29 | 合肥工业大学 | 一种基于文献检索的决策支持系统和构建方法 |
CN110211682A (zh) * | 2019-04-30 | 2019-09-06 | 河南中医药大学第一附属医院 | 基于Android系统的肝癌中医临床辅助系统的构建及应用 |
CN110189831A (zh) * | 2019-06-06 | 2019-08-30 | 厦门大学 | 一种基于动态图序列的病历知识图谱构建方法及系统 |
CN111161881A (zh) * | 2019-06-13 | 2020-05-15 | 南京医基云医疗数据研究院有限公司 | 一种疾病共现关系的识别方法、装置及存储介质 |
CN110289095B (zh) * | 2019-06-28 | 2021-01-12 | 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系统 |
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系统 |
CN110867228A (zh) * | 2019-11-15 | 2020-03-06 | 北京大学人民医院(北京大学第二临床医学院) | 创伤住院患者创伤严重程度智能信息抓取与评估方法和系统 |
CN112101592A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 电力二次设备缺陷诊断方法、系统、设备及存储介质 |
CN112116994A (zh) * | 2020-10-29 | 2020-12-22 | 上海对外经贸大学 | 基于区块链的社会化医疗与信息服务平台 |
CN112259183B (zh) * | 2020-11-11 | 2023-08-08 | 北京嘉和海森健康科技有限公司 | 一种基于电子病历的患者健康时间轴的提取方法和装置 |
CN112259183A (zh) * | 2020-11-11 | 2021-01-22 | 北京嘉和海森健康科技有限公司 | 一种基于电子病历的患者健康时间轴的提取方法和装置 |
WO2022151812A1 (zh) * | 2021-01-15 | 2022-07-21 | 医渡云(北京)技术有限公司 | 基于模型的医学知识图谱的构建方法、装置、设备及介质 |
CN113223648A (zh) * | 2021-05-08 | 2021-08-06 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN113223648B (zh) * | 2021-05-08 | 2023-10-24 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
WO2023056918A1 (zh) * | 2021-10-09 | 2023-04-13 | 浙江大学 | 一种基于假阴性样本识别的体检辅助决策系统 |
CN114496143A (zh) * | 2021-12-31 | 2022-05-13 | 医渡云(北京)技术有限公司 | 临床数据与文献的关联方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107887036A (zh) | 临床决策辅助系统的构建方法、装置及临床决策辅助系统 | |
CN107610779B (zh) | 疾病评价及患病风险评估方法及装置 | |
CN108877921B (zh) | 医疗智能分诊方法和医疗智能分诊系统 | |
CN104699741B (zh) | 用于改善对输入问题的回答的方法和装置 | |
CN106415555B (zh) | 用于病理学报告与放射学报告的相关联的系统和方法 | |
CN109766445A (zh) | 一种知识图谱构建方法及数据处理装置 | |
CN107145511A (zh) | 基于医学文本信息的结构化医学数据库生成方法及系统 | |
CN108132957A (zh) | 一种数据库处理方法及装置 | |
CN111382275A (zh) | 医疗知识图谱的构建方法、装置、介质及电子设备 | |
WO2013192234A1 (en) | Systems and methods for identifying historical vasculature cases | |
CN113345577B (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
CN106251865A (zh) | 一种基于语音识别的医疗健康记录自动填写方法 | |
CN111274400B (zh) | 一种医学术语系统的构建方法、装置、设备及存储介质 | |
CN109065174A (zh) | 考虑相似约束的病历主题获取方法及装置 | |
CN114121295A (zh) | 一种知识图谱驱动的肝癌诊疗方案推荐系统的构建方法 | |
CN113506625A (zh) | 一种基于csco指南的诊疗建议评分系统 | |
CN116860739A (zh) | 一种重症医疗大数据处理系统及方法 | |
Coenen et al. | ICNP Catalogues for supporting nursing content in electronic health records | |
Meystre et al. | Evaluation of medical problem extraction from electronic clinical documents using MetaMap Transfer (MMTx) | |
CN105868578A (zh) | 医疗知识系统及医疗知识编辑方法、应用方法 | |
CN110060749B (zh) | 基于sev-sdg-cnn的电子病历智能诊断方法 | |
Sunge et al. | Prediction diabetes mellitus using decision tree models | |
Gu et al. | Chemical-induced disease relation extraction with lexical features | |
CN110993116A (zh) | 诊疗数据提取方法及装置、电子设备、存储介质 | |
EP3564964A1 (en) | Method for utilising natural language processing technology in decision-making support of abnormal state of object |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180406 |