CN108491487A - 一种临床指南知识编码方法及系统 - Google Patents

Abstract

本发明提供一种临床指南知识编码方法及系统，方法包括：采集临床指南文档，将所述临床指南文档转换为半结构化指南；对所述半结构化指南进行处理，获取无冲突的知识图；根据所述无冲突的知识图，抽取决策变量，生成决策表达式，然后整合知识图、决策变量、决策表达式自动生成计算机可解释的指南CIG；本发明通过框架式的处理方法，通过半结构化指南生成、知识图规约与验证、CIG构建，实现临床指南编码，可以极大地提高将临床指南编码为CIG的效率，大大节约人力资源成本，通过快速的编码可使得更多种的临床指南可在较短时间内编码为CIG并交付给临床决策支持系统使用，从而可提高医生的工作效率降低误诊误治概率，进而为患者提供更加优质的医疗保健服务。

Description

一种临床指南知识编码方法及系统

技术领域

本发明涉及计算机辅助医学或智能计算领域，尤其涉及一种临床指南知识编码方法及系统。

背景技术

临床指南(Clinical Guideline)，又称医学指南(Medical Guideline)或临床实践指南(Clinical Practice Guideline)是关于特定医疗保健领域的诊断、管理、治疗的决策和标准的指导文件。临床指南是一种可减少不适当的治疗的重要循证资料，也是临床决策支持系统的重要知识来源。

但是，将临床指南知识编码(encode)为计算机可解释的指南(computer-interpretable guideline，简称CIG)却是非常困难的工作，这需要涉及两个方面的工作，一是需要设计一种合理的计算机能够解释执行的表征模型，二是将临床指南用设计的模型进行编码。

目前，在模型设计方面，许多模型被相继提出，例如GLIF、GEM等。在指南编码及解释引擎方面，也涌现了较多的研究和开发工作。但是，已有的指南编码工作大多数都需要医学专家和知识工程师的深度参与。随着医学知识复杂度不断提高，依靠人工去进行指南编码和维护是复杂的、非常费事费力的、易出错的。因此，临床指南知识自动编码是应对这一挑战的重要方法。近年来，以深度学习、知识图谱为代表人工智能技术的在多个领域取得了显著进展，通过人工智能等技术实现指南知识的全自动或半自动编码越来越具可行性，因此，需要一种新的技术手段，能够实现半自动的临床指南编码，减少编码时间，降低错误可能性。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种临床指南知识编码方法及系统，以解决上述技术问题。

本发明提供的临床指南知识编码方法，包括：

采集临床指南文档；

将所述临床指南文档转换为半结构化指南；

对所述半结构化指南进行规约验证处理，获取无冲突的知识图；

根据所述无冲突的知识图，抽取决策变量，生成决策表达式；

整合知识图、决策变量和决策表达式自动生成计算机可解释的指南CIG。

进一步，将所述临床指南文档转换为半结构化指南包括：

抽取采集到的临床指南文档中的知识组件及各知识组件的关系；

根据编码模型对所述知识组件进行分类，生成分类结果；

根据各知识组件的关系，将分类后的知识组件构建成为半结构化指南。

进一步，对所述半结构化指南进行规约验证处理包括：

对半结构化指南中重复的知识组件进行删除处理；

验证删除处理后的半结构化指南的知识图结构，如验证结果出现异常，则进行修正，并对修正后的知识图结构进行重新验证，直至验证结果无异常，由此获取无冲突的知识图。

进一步，所述抽取决策变量包括对分类后的知识组件进行进行抽取，获取具有条件判断的知识组件，并将其转换为可被计算机执行的决策表达式；对知识图进行重构，构建以动作单元为节点的知识图。

进一步，所述删除处理包括：

计算相同或相似的知识组件，并将其作为重复知识组件；

删除该重复知识组件；

重新调整删除该知识组件后的网络结构；

删除下一个重复知识组件，并继续重调网络结构，直至将所有重复节点删除。

进一步，根据分类结果，构建动作单元及其连接关系，所述动作单元包括临床任务和链接对象，所述链接对象包括条件表达式和用于连接各动作单元的指针，根据患者数据对条件表达式赋值，判断是否执行指针所指向的下一步临床任务。

进一步，对同一分支的条件表达式进行合并，并对所有构建后的以动作单元为节点的知识图进行验证和修正，直至获取编码后的计算机可解释的指南。

本发明还提供一种临床指南知识编码系统，包括：

采集单元，用于进行采集临床指南文档；

处理单元，用于将所述临床指南文档进行处理，获取编码后的计算机可解释的指南；

存储单元，用于进行数据存储；

所述处理单元包括：

控制子单元，用于进行业务逻辑控制；

半结构化指南生成子单元，用于将所述临床指南文档转换为半结构化指南；

知识图规约与验证子单元，用于对半结构化指南进行知识图规约和验证，获取无冲突的知识图；

CIG构建子单元，用于根据所述无冲突的知识图，获取编码后的计算机可解释的指南。

进一步，所述半结构化指南生成子单元包括：

知识组件抽取模块，用于抽取采集到的临床指南文档中的知识组件；

知识组件分类模块，用于根据编码模型对所述知识组件进行分类，生成分类结果；

知识组件关系抽取模块，用于抽取采集到的临床指南文档中的各知识组件的关系；

半结构化知识图生成模块，用于根据各知识组件的关系，将分类后的知识组件构建成为半结构化指南。

进一步，所述CIG构建子单元包括：

变量抽取模块，用于根据分类结果，从表示条件的知识组件中抽取出决策变量；

决策表达式生成模块，用于根据抽取的决策变量生成决策表达式；

动作单元构建模块，用于根据分类结果，构建动作单元及其连接关系，所述动作单元包括临床任务和链接对象，所述链接对象包括条件表达式和用于连接各动作单元的指针，根据患者数据对条件表达式赋值，判断是否执行指针所指向的下一步临床任务。

本发明的有益效果：本发明中的临床指南知识编码方法及系统，可以将临床指南编码转换为计算机可解释电子指南(CIG)，编码过程的各步骤结果可以可视化展示与修正，大大缩短了临床指南的编码时间，可将编码时间从人工编码的周计时减到小时计时，具有可用性强，不易出错的特点，本发明可以极大地提高将临床指南编码为CIG的效率，节约人力资源成本，并且，通过快速的编码可使得更多种的临床指南可在较短时间内编码为CIG并交付给临床决策支持系统使用，从而可提高医生的工作效率降低误诊误治概率，进而为患者提供更加优质的医疗保健服务。

附图说明

图1是本发明实施例中临床指南知识编码方法的框架示意图。

图2是本发明实施例中临床指南知识编码系统的框架示意图。

图3是本发明实施例中临床指南知识编码方法的流程示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

如图3所示，本实施例中的的临床指南知识编码方法，包括：

采集临床指南文档，将所述临床指南文档转换为半结构化指南；

对所述半结构化指南进行处理，获取无冲突的知识图；

根据所述无冲突的知识图，抽取决策变量，生成决策表达式；

整合知识图、决策变量、决策表达式自动生成计算机可解释的指南CIG。

在本实施例中，编码方法的核心是先将指南中的各知识点及其关系进行独立抽取，然后将各个知识点及其关系整合构建成一个知识图，最后通过对知识图的操作将知识中的整个知识编码为计算机可解释执行的电子指南。输入的指南形式不同，各步骤使用的技术也可不同，整个框架大致可分为半结构化指南生成、知识图规约与验证、CIG构建三个前后相继的步骤构成。

其中，半结构化指南生成步骤主要包括：

抽取采集到的临床指南文档中的知识组件及各知识组件的关系；

根据编码模型对所述知识组件进行分类，生成分类结果；

根据各知识组件的关系，将分类后的知识组件构建成为半结构化指南。

在本实施例中，以临床指南文档为输入，输出为半结构化的电子指南，主要包括知识组件抽取、知识组件分类、知识组件关系抽取、半结构化知识图生成、人工校正五个子过程。本实施例中的知识组件(component)指的是原始指南中的基本知识点，例如临床检查、临床干预、条件说明等。整个步骤大致过程为：首先从原始指南抽取出知识组件，并对知识组件进行分类，分类的类别根据编码模型确定，常见的可分类临床检查检验、临床干预、条件三类；然后再从原始指南中抽取出知识组件之间的关系，知识组件之间的关系类型也根据编码模型，最简单的知识组件关系即为直接指向关系，例如满足某条件需要执行某种治疗方案；最后根据知识组件、知识组件关系可整体构建一个半结构化的电子指南，此时知识图中可能存在重复的知识组件内容、错误的知识组件关系、错误的知识组件类别，并非是与原始指南中的知识是一致的。优选地，本实施例通过预处理、知识组件探测、知识组件分类、关系构建四个子步骤完成板结构化指南的生成。

以将PDF形式发布的指南转换为计算机表示的的半结构化电子指南为例，

预处理：首先将pdf格式的指南按页面转换为图像，将图像进行二值化处理，使用图像处理领域中的形态学操作对二值化图像进行分割。

知识组件探测：从分割的区块中根据面积、长、宽、填充度等特征从所有区块中找出知识组件的区块，然后对这些知识组件区块使用文字识别技术进行文字识别，得到每个知识组件的数字形式的文本描述。

知识组件分类：根据文字信息，我们使用机器学习方法对所有的知识组件进行分类，分为临床检查检验、诊断、临床干预、条件四个类别。具体地，首先将知识组件文本中的每个词通过word2vec方法映射到一个高维的分布式表征，然后将每个知识组件中的分布式表征组合起来形成组合特征，利用该组合特征使用预先训练完成的前馈深度神经网络进行类别预测，从而完成对知识组件的分类。

关系构建：该类指南的知识组件的关系通常用箭头线进行表示，因此，通过识别箭头线的位置和指向方向即可确定各知识组件的关系。具体地，首先从二值化图像中分割出所有的连接区块，从这些区块中识别出线和箭头线，再从这些线和箭头线中识别出箭头的位置。根据位置关系即可确定出页内各知识组件间的关系，对于页间的知识组件，则通过识别跳转关系进行构建，最后构建出一个完整的半结构化电子指南。

上述所构建的半结构化电子指南通常包含需要极度相似或相同的知识组件，知识图规约与验证主要是完成知识组件的去重，结构重调，然后进行结构验证，如果存在错误或冲突，通过规则进行自动修复或由人工进行修正。

知识图规约与验证步骤是以半结构化电子指南为输入，输出无冲突的知识图；在本实施例中主要包括知识图规约、知识图验证、人工知识图纠错等几个部分组成，几个部分的逻辑关系如图1所示。半结构化指南生成步骤中输出的半结构电子指南整体是图的结构，但存在重复知识组件、重复关系、错误关系、错误知识组件类别等情况。本实施例中通过对半结构化指南中重复的知识组件进行删除处理；验证删除处理后的半结构化指南的知识图结构，如验证结果出现异常，则进行修正，并对修正后的知识图结构进行重新验证，直至验证结果无异常，由此获取无冲突的知识图。上述步骤即为知识图规约，其目的是为了完成知识组件的去重，结构重调，然后进行结构验证，如果存在错误或冲突，通过规则进行自动修复或由人工进行修正。

在本实施例中，知识图规约首先计算出相同或极其相似的知识组件，删除一个重复的知识组件，重新调整(retune)因知识组件删除而破坏的网络结构，然后再删除下一个重复知识组件再重调网络结构直到所有重复节点删除。删除重复知识组件后的知识图结构可能存在错误，这时需要对知识图进行验证，验证的内容主要有：知识图中是否有孤立的知识组件、是否存在冲突的关系、是否存在与原始指南知识不一致的情况等，前两项验证可使用计算机自动验证，后一项则需要人工核对。经验证出现错误或冲突时，由人工进行修正，修正完之后再重新进行整个知识图规约与验证步骤，如果验证完成，则生成了一个与原始指南无冲突的一致的知识图。

在本实施例中，CIG构建步骤是以无冲突知识图为输入，输出为编码后的CIG。步骤主要包括决策变量抽取，决策表达式生成、动作单元构建和人工纠错。在经过知识图规约与验证步骤后，处理得到知识图虽已与原始指南知识保持一致，只能对知识图进行遍历查看等操作，还不能根据患者的数据自动地推理和执行，因此，需要通过CIG构建步骤使得知识图具备根据患者数据自动计算推理的能力。首先，根据知识组件分类将表示条件判断的知识组件筛选出来，这些条件判断的知识组件往往是自然语言表达，需要通过相应的自然语言处理技术和形式化语言生成技术等技术从中抽取出决策变量并以此为基础将这类知识组件转换为可以被计算机执行的决策表达式，本实施例中的决策表达式指的是输出true和false。所有的决策表达式生成完之后，需要将知识图进行重新建构，重新建构的目标形成动作单元为节点的知识图，一个动作单元(Action Units)有一组临床活动或临床任务和一组链接对象组成，一个链接对象包括条件表示和到一下个动作单元的指针组成，指针起到连接各动作单元的作用。链接对象包含两个成员的设计，可实现在没有患者数据驱动时，所有的指针连接起的知识图是原始指南的一种电子化表示，在有患者数据时，通过将患者数据赋值给条件表达式即可判断当前情况下是否应该实施指针所指向的下一步临床动作。所有动作单元建构完成后，将临近的决策表达式进行规约，然后调整图结构，完成对动作单元构建后，对整个知识图进行检查和调试，出现与原始指南不一致的情况则根据规则进行修复或由人工进行修正，直到形成最终的可被计算机解释执行的电子指南(CIG)。

相应地，本实施例中，还提供一种临床指南知识编码系统，包括：

采集单元，用于进行采集临床指南文档；

处理单元，用于将所述临床指南文档进行处理，获取编码后的计算机可解释的指南；

存储单元，用于进行数据存储，主要存储后台各模块产生的数据、用户交互的日志数据和最终的电子指南CIG。

如图2所示，优选地，在实施例中，还包括可视化交互前端单元，用于展示自动处理后台各模块的处理结果、提供用户进行纠错的可视化交互界面、提供对已编码的电子指南的可视化展示。

在本实施例中，用户首先通过采集单元获取需要处理的原始指南，按照所提出的框架逐一处理，并将每一步的处理结果反馈给前端展示，需要用户验证或修正时，则由用户在前端进行操作，将用户修改后的数据同步保存到数据单元中。

本实施例中的处理单元包括：

控制子单元，用于进行业务逻辑控制；

半结构化指南生成子单元，用于将所述临床指南文档转换为半结构化指南；

知识图规约与验证子单元，主要包括知识图规约模块和知识图验证模块，用于对半结构化指南进行知识图规约和验证，获取无冲突的知识图；

CIG构建子单元，用于根据所述无冲突的知识图，获取编码后的计算机可解释的指南。

日志记录子单元，用于记录日志。

半结构化指南生成子单元包括：

知识组件抽取模块，用于抽取采集到的临床指南文档中的知识组件；

知识组件分类模块，用于根据编码模型对所述知识组件进行分类，生成分类结果；

知识组件关系抽取模块，用于抽取采集到的临床指南文档中的各知识组件的关系；

半结构化知识图生成模块，用于根据各知识组件的关系，将分类后的知识组件构建成为半结构化指南。

CIG构建子单元包括：

变量抽取模块，用于根据分类结果，从表示条件的知识组件中抽取出决策变量；

决策表达式生成模块，用于生成决策表达式；

动作单元构建模块，用于根据分类结果，构建动作单元及其连接关系，所述动作单元包括临床任务和链接对象，所述链接对象包括条件表达式和用于连接各动作单元的指针，根据患者数据对条件表达式赋值，判断是否执行指针所指向的下一步临床任务。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种临床指南知识编码方法，其特征在于，包括：

采集临床指南文档；

将所述临床指南文档转换为半结构化指南；

对所述半结构化指南进行规约验证处理，获取无冲突的知识图；

根据所述无冲突的知识图，抽取决策变量，生成决策表达式；

整合知识图、决策变量和决策表达式自动生成计算机可解释的指南CIG。

2.根据权利要求1所述的临床指南知识编码方法，其特征在于，将所述临床指南文档转换为半结构化指南包括：

抽取采集到的临床指南文档中的知识组件及各知识组件的关系；

根据编码模型对所述知识组件进行分类，生成分类结果；

根据各知识组件的关系，将分类后的知识组件构建成为半结构化指南。

3.根据权利要求2所述的临床指南知识编码方法，其特征在于，对所述半结构化指南进行规约验证处理包括：

对半结构化指南中重复的知识组件进行删除处理；

验证删除处理后的半结构化指南的知识图结构，如验证结果出现异常，则进行修正，并对修正后的知识图结构进行重新验证，直至验证结果无异常，由此获取无冲突的知识图。

4.根据权利要求3所述的临床指南知识编码方法，其特征在于：所述抽取决策变量包括对分类后的知识组件进行进行抽取，获取具有条件判断的知识组件，并将其转换为可被计算机执行的决策表达式；对知识图进行重构，构建以动作单元为节点的知识图。

5.根据权利要求3所述的临床指南知识编码方法，其特征在于，所述删除处理包括：

计算相同或相似的知识组件，并将其作为重复知识组件；

删除该重复知识组件；

重新调整删除该知识组件后的网络结构；

删除下一个重复知识组件，并继续重调网络结构，直至将所有重复节点删除。

6.根据权利要求4所述的临床指南知识编码方法，其特征在于：根据分类结果，构建动作单元及其连接关系，所述动作单元包括临床任务和链接对象，所述链接对象包括条件表达式和用于连接各动作单元的指针，根据患者数据对条件表达式赋值，判断是否执行指针所指向的下一步临床任务。

7.根据权利要求6所述的临床指南知识编码方法，其特征在于：对同一分支的条件表达式进行合并，并对所有构建后的以动作单元为节点的知识图进行验证和修正，直至获取编码后的计算机可解释的指南。

8.一种临床指南知识编码系统，其特征在于，包括：

采集单元，用于进行采集临床指南文档；

处理单元，用于将所述临床指南文档进行处理，获取编码后的计算机可解释的指南；

存储单元，用于进行数据存储；

所述处理单元包括：

控制子单元，用于进行业务逻辑控制；

半结构化指南生成子单元，用于将所述临床指南文档转换为半结构化指南；

知识图规约与验证子单元，用于对半结构化指南进行知识图规约和验证，获取无冲突的知识图；

CIG构建子单元，用于根据所述无冲突的知识图，获取编码后的计算机可解释的指南。

9.根据权利要求8所述的临床指南知识编码系统，其特征在于，所述半结构化指南生成子单元包括：

知识组件抽取模块，用于抽取采集到的临床指南文档中的知识组件；

知识组件分类模块，用于根据编码模型对所述知识组件进行分类，生成分类结果；

知识组件关系抽取模块，用于抽取采集到的临床指南文档中的各知识组件的关系；

半结构化知识图生成模块，用于根据各知识组件的关系，将分类后的知识组件构建成为半结构化指南。

10.根据权利要求9所述的临床指南知识编码系统，其特征在于，所述CIG构建子单元包括：

变量抽取模块，用于根据分类结果，从表示条件的知识组件中抽取出决策变量；

决策表达式生成模块，用于根据抽取的决策变量生成决策表达式；

动作单元构建模块，用于根据分类结果，构建动作单元及其连接关系，所述动作单元包括临床任务和链接对象，所述链接对象包括条件表达式和用于连接各动作单元的指针，根据患者数据对条件表达式赋值，判断是否执行指针所指向的下一步临床任务。