CN108231137A - 一种具有回馈学习的医疗系统 - Google Patents
一种具有回馈学习的医疗系统 Download PDFInfo
- Publication number
- CN108231137A CN108231137A CN201611161028.9A CN201611161028A CN108231137A CN 108231137 A CN108231137 A CN 108231137A CN 201611161028 A CN201611161028 A CN 201611161028A CN 108231137 A CN108231137 A CN 108231137A
- Authority
- CN
- China
- Prior art keywords
- parameter
- medical
- diagnosis
- reporting unit
- report
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
一种具有回馈学习的医疗系统,包含一健检单元、一医疗报告清单单元、一专科报告单元、一诊断资料库、及一总评报告单元;其中该专科报告单元,为提供使用者输入诊断报告参数,同时该专科报告单元会将诊断报告参数与该诊断资料库内的资料库诊断报告参数相互比对,若两者诊断报告参数为高度吻合者,则将诊断报告参数传至该专科报告单元,若两者诊断报告参数为低度吻合者,则由一分析式演算模块通过一参数调整模块,提供使用者建立第二医疗参数于该诊断资料库,并将第二医疗参数显示于该专科报告单元;因此,借由上述相关结构,提供本发明一种自我学习的机制,可以学习每个医疗专业人员对于疾病的判断,最后达成均衡,成为所有使用者智慧的综合体。
Description
技术领域
本发明是关于一种医疗系统,特别是指可快速完成健检报告,并且具有自我学习机制,可以学习专业人员对于疾病的判断,最后达成均衡,成为所有使用者智慧的综合体的一种具有回馈学习的医疗系统。
背景技术
然,近年来,随着经济稳定的成长以及社会大众越来越注重身体的情况下,每年定期至医院进行健康检查已成为一个趋势,并且通过资讯的发展,医疗上原本需要依靠人工的判断,现在可以通过电脑仪器的辅助,达到更精确、更快速、更有一致性的结果。
健检系统中,存在着许多电脑仪器可以发挥之处,例如在异常检验检查的判断上,包括疾病的分类、疾病严重度、追踪时程、追踪科别、报告英翻中,这些以往都需要由医师、健管师、报告组,以大量人工判断,才能制作成完整的报告,借由电脑仪器的辅助,可以快速的完成。
目前大多数的检验检查报告系统,只能对单一的条件做判断,例如血压收缩压高于140mmHg,就显示高血压,但若需要多重条件才能诊断的疾病方面,例如B型肝炎指标的解读就无法判断。
然而,上述传统的健检系统中,许多发生在人为错误的自动校正方面,就略显不足,例如常见的人为错误,像是病灶的左右边在报告中文与英文中不一致、有重度异常但没有及时通知,这些具有固定模式的人为失误,经常发生;且传统的健检系统还有一项缺点,就是医疗人员无法立即的更新资料库,当遇到新的病理资讯时,需要向医院高层反应后,并且累积到数笔新的病理资讯后,再交由资讯单位进行资料库的更新,资料库更新的作业时间,一来一往的程序下,有时甚至达到数个月至数年的时间,实为一必须改善的缺点。
发明内容
本发明即是改善上述的缺点,主要技术、目的为:
1. 改善医疗程序上许多重复性的工作, 借由本发明可以节省大量的人工,让人专注在人才能做的服务,机器做机器擅长的事务,达到各自发挥出应有的价值;
2.本发明具有自我学习的机制,可以学习每个医疗专业人员对于疾病的判断,最后达成均衡,成为所有使用者智慧的综合体;
3.本发明具有多重条件比对判断,使用者可以设定多重条件比对判断,不需额外写程序判断;
其主要结构包含一健检单元、一医疗报告清单单元、一专科报告单元、一诊断资料库、及一总评报告单元:
该医疗报告清单单元,为读取该健检单元内受检者至少一第一医疗参数,并显示受检者相关的基本资料,及待输入与已完成的医疗报告清单;其中该第一医疗参数内至少包含一检验数值参数,该检验数值参数若符合该诊断资料库内的资料库检验数值参数,即可通过一反射式模块将检验数值参数传送到总评报告单元;
该专科报告单元,为提供使用者输入诊断报告参数,同时该专科报告单元会将诊断报告参数与该诊断资料库内的资料库诊断报告参数相互比对,若两者诊断报告参数为高度吻合者,则将诊断报告参数传至该专科报告单元,若两者诊断报告参数为低度吻合者,则由一分析式演算模块通过一参数调整模块,提供使用者建立第二医疗参数于该诊断资料库,并将第二医疗参数显示于该专科报告单元;
该总评报告单元,为整合该第一医疗参数的与专科报告单元的诊断报告参数、第二医疗参数,并呈现一总评报告介面提供使用者查验与修正。
附图说明
图1为本发明的系统架构图。
图2为本发明的医疗报告清单单元的示意图。
图3为本发明的专科报告单元的示意图。
图4为本发明的专科报告单元比对步骤图。
图5、图6为本发明的处理单元的多重条件比对判断范例图。
图7为本发明的总评报告单元的示意图。
符号说明:
健检单元10 ,第一医疗参数11,检验数值参数111,
医疗报告清单单元20,
专科报告单元30,诊断报告参数31 ,
诊断资料库40,资料库检验数值参数41,资料库诊断报告参数42,
反射式模块50,分析式演算模块51,参数调整模块511,
第二医疗参数512,
权重模块60 ,
多重比对判断单元70,
总评报告单元80。
具体实施方式
请参阅图1,本发明为一种具有回馈学习的医疗系统,主要包含一健检单元10、一医疗报告清单单元20、一专科报告单元30、一诊断资料库40、及一总评报告单元80;
该医疗报告清单单元20,为读取该健检单元10内受检者至少一第一医疗参数11,并显示受检者相关的基本资料,及待输入与已完成的医疗报告清单;其中该第一医疗参数11内至少包含一检验数值参数111,该检验数值参数111若符合该诊断资料库40内的资料库检验数值参数41,即可通过一反射式模块50将检验数值参数111传送到总评报告单元80;其中该诊断资料库40内的资料库检验数值参数41,可依检验数值参数111的大小、多寡,设定编列轻、中、重程度的相对应的范围区间,如检验数值参数111为收缩压低于99,则设定为低血压,检验数值参数111为收缩压100-129,则设定为正常,检验数值参数111为收缩压为130-139,则设定为低度高血压,检验数值参数111为收缩压为140以上,则设定为高血压,以此类推,亦或者,检验数值参数111为血尿+,则设定为微量程度;检验数值参数111为血尿++,则设定为轻量程度;检验数值参数111为血尿+++,则设定为中量程度;检验数值参数111为血尿++++,则设定为中重量程度;检验数值参数111为血尿+++++,则设定为重量程度。
该专科报告单元30,为提供使用者输入诊断报告参数31,同时该专科报告单元30会将诊断报告参数31与该诊断资料库40内的资料库诊断报告参数42相互比对,若两者诊断报告参数31为高度吻合者,则将诊断报告参数31传至该专科报告单元30,若两者诊断报告参数31为低度吻合者,则由一分析式演算模块51通过一参数调整模块511,提供使用者建立第二医疗参数512于该诊断资料库40,并将第二医疗参数512显示于该专科报告单元30;该第二医疗参数512与诊断报告参数31更包含疾病字词、器官字词、疾病严重度字词、诊断建议字词、医疗数值、符号、医疗科别及追踪时程。
其中,本发明更包含设有一权重模块60,当诊断资料库40内的资料库检验数值参数41、诊断报告参数31及第二医疗参数512被载入一次,该权重模块60即将该等参数纪录加一次的引用权重次数,如报告单元将诊断报告参数31与该诊断资料库40内的资料库诊断报告参数42相互比对,若两者诊断报告参数31为高度吻合者,会经过权重模块60将诊断报告参数31纪录加一次的引用权重次数,同时将诊断报告参数31传至该专科报告单元30,又,两者诊断报告参数31为低度吻合者,则由一分析式演算模块51通过一参数调整模块511,提供使用者建立第二医疗参数512于该诊断资料库40,会经过权重模块60将第二医疗参数512纪录加一次的引用权重次数,同时将第二医疗参数512显示于该专科报告单元30。
该总评报告单元80,为整合该第一医疗参数11的与专科报告单元30的诊断报告参数31、第二医疗参数512,并呈现一总评报告介面提供使用者查验与修正;而该出现在总评报告单元80上的第一医疗参数11的与专科报告单元30的诊断报告参数31、第二医疗参数512,亦会再经过权重模块60纪录加一次的引用权重次数,亦会随长时间未使用而递减引用权重次数,犹如模拟人类的记忆衰退。
为使贵 审查委员能对本发明的特征与其特点有更进一步的了解与认同,兹列举以下较佳的实施例并配合图式说明如下:
请参阅图2,本发明可提供不同的使用者帐号登入本系统,不同的使用者有各自的受检者医疗报告清单,为读取该健检单元10内受检者至少一第一医疗参数11,并显示受检者相关的检查项目、体检号、姓名、年龄、性别、健检日期、检查日期等相关基本资料,以及待输入医疗报告清单与已完成医疗报告清单,借此,使得待输入的医疗报告清单一目了然,且不会造成遗漏,更可筛选日期期间, 呈现未完成的医疗报告清单种类及笔数,再者,可依检查类别分类显示,使相同分类医疗报告清单一致化,或通过多重条件搜寻方式,降低医疗报告清单的搜寻笔数,进而提高效率。
请参阅图3,当使用者点选医疗报告清单内其中一位受检者,该专科报告单元30的介面上其中一栏位,就会载入受检者此次受检的相关医疗参数,包含有主诉、过去病史、家族病史、过敏史、疫苗史、此次的中英文报告、历史报告、严重分级、追踪时程、追踪科别等相关资讯,并可连结受检者所在医院的门诊医嘱系统、健保检验检查资料系统、医疗影像系统(PACS);
请参阅图4,该专科报告单元30的介面上其中一栏位,可提供医疗人员等相关使用者输入诊断报告参数31,同时该专科报告单元30会将使用者输入的诊断报告参数31与已建立于诊断资料库40内的资料库诊断报告参数42相互比对,而比对方式则是先将其介系词、冠词及标点符号、赘字等关键字词忽略,取出尺寸后,并且将剩余的疾病字词、器官字词、疾病严重度字词、诊断建议字词、符号进行比对,若两者诊断报告参数31为高度吻合者,则将诊断报告参数31传至该专科报告单元30,若两者诊断报告参数31为低度吻合者,则由一分析式演算模块51通过一参数调整模块511,提供使用者建立第二医疗参数512于该诊断资料库40,并将第二医疗参数512显示于该专科报告单元30,并依其结果自动设定医疗科别及追踪时程。
其中,该专科报告单元30读取该诊断资料库40的资料库诊断报告参数42,当使用者输入前端关键字词,便会自动产生后端语句(Auto complete),如输入肝Liver时,当输入L,便会自动产生后端关键字词iver或其他接于L后端的疾病或器官英文字词,供使用者选择,使其达到相关字词自动完成的便利性,并且提供使用者快速完成建置。
该专科报告单元30的介面上其他栏位,也会显示疾病字词、器官字词、疾病严重度字词、诊断建议字词,供使用者查看。
再,该参数调整模块511可供使用者选择、增加、删除疾病、器官中文、英文或其他各国语言,另外再由使用者确认疾病严重度分级、追踪时程、追踪科别,便于临床作业与追踪。
请参阅图5,本发明更包含设有一多重比对判断单元70,为获取第一医疗参数11的检验数值参数111、专科报告单元的诊断报告参数31及第二医疗参数512进行综合分析,并将分析结果传送至总评报告单元80,可以比对多重的条件并自行判断,凡是系统中所有可以取得的资讯,都可以作为综合判断的条件之一,而本发明的多重条件比对判断,并非是为单一疾病所专门撰写的判断,而是所有的疾病皆可适用,使用者者可以通过多重比对判断单元70,设定复合条件来进行比对判断,而不需额外写程序判断,例如检验正常高低值区间,可搭配年龄、性别等条件,进行综合分析;检验数值可设定多重严重度,例如: 显著过高、偏高、偏低、显著过低,多重检查项目整合判断,如:B型肝炎5项、三项、两项、单项检验皆可自动判断,以B型肝炎的五项抗原抗体为例,不同的组合代表不同的临床意义, 以往都需要医师人工综合判断,才能得知其临床意义,利用本系统依照不同的排列组合结果,自动做出判读,不仅速度快,而且精准无误。
请参阅图6,以下为多重比对判断单元70的另一判断案例,N1 、N2、N3…Nn为代表数值,S1、S2、S3…Sn为代表字词或字串、B1、B2、B3…Bn为结果:
Nn判断条件为、
Sn判断条件为{完全符合、部分符合、完全不符合、部分不符合、
Bn判断条件为。
满足下列症状标准(含)三项以上者,即为代谢症候群:
1.男性腰围大于102公分、女性大于88公分;
2.三酸甘油脂大于150毫克/公合;
3.男性高密度脂蛋白胆固醇低于40毫克/公合、女性低于50毫克/公合;
4.血压大于等于130/85毫米汞柱;
5.空腹血糖大于等于110毫克/公合。
例如S1=”男性”、N1=腰围数值、N2=三酸甘油脂数值、N3=高密度脂蛋白胆固醇数值;
N1>102、N2>150、N3>130,其多重比对判断单元70为True(代谢症候群)。
请参阅图7,为整合该第一医疗参数11与专科报告单元30的诊断报告参数31、第二医疗参数512,并呈现一总评报告介面提供使用者查验与修正,该总评报告单元80会自动带入诊断建议,若该使用者以往并无医师下过此诊断建议,本系统会参考其他医疗人员的诊断建议,选出权重最高的诊断建议自动带入;如有尚未完成的医疗报告清单,会提示使用者,并管控总评报告单元80无法存为正式医疗报告清单,只能存为暂存医疗报告清单,以避免漏项,不仅可帮助使用者预先作出建议,也可通过防呆机制来抑制人为错误,自动排版功能更大幅节省调整版面工作,而该总评报告单元80的受检者资料可输出至一输出单元,该输出单元更包含有一主机、行动装置、印表机等。
因此通过上述相关结构,下次遇到同样的病症,或是很类似的诊断时,就可以自动作出判断,经由所有使用本系统的医师,经年累月的训练,本发明就会越来越趋近所有医师的平均水准,最终会达到均衡收敛的状态。
以上所揭,仅为本发明所提供的较佳实施例而已,并非用以限制本创作的实施范围,凡本技术领域内的相关技艺者根据本创作所为的均等变化,皆应属本创作所涵盖的范围。
Claims (7)
1.一种具有回馈学习的医疗系统,包含一健检单元、一医疗报告清单单元、一专科报告单元、一诊断资料库、及一总评报告单元:
该医疗报告清单单元,为读取该健检单元内受检者至少一第一医疗参数,并显示受检者相关的基本资料,及待输入与已完成的医疗报告清单;其中该第一医疗参数内至少包含一检验数值参数,该检验数值参数若符合该诊断资料库内的资料库检验数值参数,即可通过一反射式模块将检验数值参数传送到总评报告单元;
该专科报告单元,为提供使用者输入诊断报告参数,同时该专科报告单元会将诊断报告参数与该诊断资料库内的资料库诊断报告参数相互比对,若两者诊断报告参数为高度吻合者,则将诊断报告参数传至该专科报告单元,若两者诊断报告参数为低度吻合者,则由一分析式演算模块通过一参数调整模块,提供使用者建立第二医疗参数于该诊断资料库,并将第二医疗参数显示于该专科报告单元;
该总评报告单元,为整合该第一医疗参数与专科报告单元的诊断报告参数、第二医疗参数,并呈现一总评报告介面提供使用者查验与修正。
2.如权利要求1所述的一种具有回馈学习的医疗系统,其中该诊断资料库内的资料库检验数值参数,依检验数值参数的大小、多寡,设定编列轻、中、重程度的相对应的范围区间。
3.如权利要求1所述的一种具有回馈学习的医疗系统,其中该第二医疗参数与诊断报告参数更包含疾病字词、器官字词、疾病严重度字词、诊断建议字词、医疗数值、符号。
4.如权利要求1所述的一种具有回馈学习的医疗系统,其中该专科报告单元先将其介系词、冠词及标点符号、赘字等关键字词忽略,取出尺寸后,再比对疾病字词及器官字词。
5.如权利要求1所述的一种具有回馈学习的医疗系统,其中更包含设有一权重模块,当诊断资料库内的资料库检验数值参数、诊断报告参数及第二医疗参数被载入一次,该权重模块即将该等参数纪录加一次的引用权重次数,亦会随长时间未使用而递减引用权重次数。
6.如权利要求5所述的一种具有回馈学习的医疗系统,其中该权重模块可将载入次数较多的参数,设定为权重较高的参数,并将该参数第一优先传送给该专科报告单元。
7.如权利要求1所述的一种具有回馈学习的医疗系统,其中更包含设有一多重比对判断单元,为获取第一医疗参数的检验数值参数、专科报告单元的诊断报告参数及第二医疗参数进行综合分析,并将分析结果传送至总评报告单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611161028.9A CN108231137A (zh) | 2016-12-15 | 2016-12-15 | 一种具有回馈学习的医疗系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611161028.9A CN108231137A (zh) | 2016-12-15 | 2016-12-15 | 一种具有回馈学习的医疗系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108231137A true CN108231137A (zh) | 2018-06-29 |
Family
ID=62650468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611161028.9A Pending CN108231137A (zh) | 2016-12-15 | 2016-12-15 | 一种具有回馈学习的医疗系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108231137A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109243602A (zh) * | 2018-08-23 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 数据识别方法和装置、存储介质及其对应的电子装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1622784A (zh) * | 2001-12-28 | 2005-06-01 | 伊凡E·菲德洛维奇 | 诊断信息系统 |
CN102521500A (zh) * | 2011-12-06 | 2012-06-27 | 中国电子科技集团公司第十五研究所 | 健康数据分析系统及方法 |
CN103116707A (zh) * | 2013-03-04 | 2013-05-22 | 北京工业大学 | 一种基于案例推理的心脏病智能诊断方法 |
CN105260598A (zh) * | 2015-09-29 | 2016-01-20 | 中南大学 | 口腔诊疗决策支持系统及决策方法 |
CN105468900A (zh) * | 2015-11-20 | 2016-04-06 | 邹远强 | 一种基于知识库的智能病历录入平台 |
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 |
CN105678066A (zh) * | 2015-12-31 | 2016-06-15 | 天津迈沃医药技术有限公司 | 基于用户反馈信息完成数据训练的疾病自诊方法及系统 |
CN105787610A (zh) * | 2014-12-18 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 一种支持时间序列匹配的案例推理方法 |
-
2016
- 2016-12-15 CN CN201611161028.9A patent/CN108231137A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1622784A (zh) * | 2001-12-28 | 2005-06-01 | 伊凡E·菲德洛维奇 | 诊断信息系统 |
CN102521500A (zh) * | 2011-12-06 | 2012-06-27 | 中国电子科技集团公司第十五研究所 | 健康数据分析系统及方法 |
CN103116707A (zh) * | 2013-03-04 | 2013-05-22 | 北京工业大学 | 一种基于案例推理的心脏病智能诊断方法 |
CN105787610A (zh) * | 2014-12-18 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 一种支持时间序列匹配的案例推理方法 |
CN105260598A (zh) * | 2015-09-29 | 2016-01-20 | 中南大学 | 口腔诊疗决策支持系统及决策方法 |
CN105468900A (zh) * | 2015-11-20 | 2016-04-06 | 邹远强 | 一种基于知识库的智能病历录入平台 |
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 |
CN105678066A (zh) * | 2015-12-31 | 2016-06-15 | 天津迈沃医药技术有限公司 | 基于用户反馈信息完成数据训练的疾病自诊方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109243602A (zh) * | 2018-08-23 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 数据识别方法和装置、存储介质及其对应的电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | The practical implementation of artificial intelligence technologies in medicine | |
Bressler et al. | Reproducibility of spectral-domain optical coherence tomography retinal thickness measurements and conversion to equivalent time-domain metrics in diabetic macular edema | |
US9081879B2 (en) | Matrix interface for medical diagnostic and treatment advice system and method | |
JP6907831B2 (ja) | コンテキストベースの患者類似性の方法及び装置 | |
US20060020493A1 (en) | Ontology based method for automatically generating healthcare billing codes from a patient encounter | |
Brown-Lum et al. | Differences in white matter microstructure among children with developmental coordination disorder | |
Hoonakker et al. | The design of PE Dx | |
Senathirajah et al. | User-composable electronic health record improves efficiency of clinician data viewing for patient case appraisal: a mixed-methods study | |
US20150339451A1 (en) | System and Method for Providing Mobile Electronic Assistance in Diagnostic and Therapeutic Medical Decisions and Documentation | |
Nasiri et al. | Application of Orem's theory‐based caring programs among chronically ill adults: A systematic review and dose–response meta‐analysis | |
Bonner et al. | Clinical implications of removing race-corrected pulmonary function tests for African American patients requiring surgery for lung cancer | |
CN108231137A (zh) | 一种具有回馈学习的医疗系统 | |
JP7238705B2 (ja) | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム | |
US20230046951A1 (en) | System and method for assessing risk of type 2 mellitus diabetes complications | |
CN116030932A (zh) | 一种针对高血压的用药推荐系统 | |
CN116030934A (zh) | 一种针对高血压的医学知识图谱跟临床数据融合的系统 | |
Matsumura et al. | Template-based data entry for general description in medical records and data transfer to data warehouse for analysis | |
Zhu et al. | Application of a computerized decision support system to develop care strategies for elderly hemodialysis patients | |
Migliore et al. | Health Technology Assessment: managing the introduction and use of medical devices in clinical practice in Italy | |
TWM543426U (zh) | 一種具有回饋學習之醫療系統 | |
TWI613613B (zh) | 一種具有回饋學習之醫療系統 | |
JP2021149476A (ja) | 情報提示プログラム、情報提示方法、及び情報提示装置 | |
de Keizer et al. | Post-coordination in practice: evaluating compositional terminological system-based registration of ICU reasons for admission | |
Park et al. | Early Triage of COVID-19 patients exploiting Data-Driven Strategies and Machine Learning Techniques | |
Jordan et al. | TBI-Doc: Generating patient & clinician reports from brain imaging 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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180629 |