CN109378077A - 诊前病史采集方法及执行该方法的机器可读存储介质 - Google Patents
诊前病史采集方法及执行该方法的机器可读存储介质 Download PDFInfo
- Publication number
- CN109378077A CN109378077A CN201810917568.8A CN201810917568A CN109378077A CN 109378077 A CN109378077 A CN 109378077A CN 201810917568 A CN201810917568 A CN 201810917568A CN 109378077 A CN109378077 A CN 109378077A
- Authority
- CN
- China
- Prior art keywords
- state
- father
- patient
- type
- sublayer
- 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.)
- Granted
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Abstract
本发明实施例提供一种诊前病史采集方法,包括:接收患者反馈信息,并对患者反馈信息进行解析;根据患者反馈信息的解析结果以及关系知识库,确定解析结果所对应的父层状态类型,根据父层状态类型跳转至与父层状态类型相关联的子层状态,并根据子层状态所对应的属性类型及各属性类型的优先级,生成问题,并接收针对所述问题的患者答复信息;以及接收患者问诊结束信息,根据患者答复信息生成病历,关系知识库中用于存储多个父层状态类型、与每一父层状态类型相关联的子层状态、与每一子层状态相关的预设优先级排序的属性、父层状态转移信息及子层状态转移信息。通过上述方式提高采集效率,降低病历书写时间,且利用率更高。
Description
技术领域
本发明涉及病史采集,具体地涉及一种诊前病史采集方法及执行该方法的机器可读存储介质。
背景技术
病史采集是指医生采用面对面的对话方式,向病人及其知情者询问疾病的发生、发展情况和现在的症状、治疗经过等,以及诊断疾病的方法。病史采集是医生在了解病情中必不可少的部分,也是至关重要的一部分,尤其在疾病体征缺乏或者不明显时,通过病史采集发现可供诊断的病情信息,或可供进步一检查的线索;同时,病史采集还可全面掌握与疾病相关的其他情况,包括病人的日常情况,饮食嗜好等;此外,通过病史采集还可有目的的了解疾病的动态变化情况,扩充诊断信息,供全面综合分析。为医生正确分析病情,推断疾病部位、性质,进行合理治疗等提供可靠依据。
然而,在当前医患比例严重失衡的社会现状中,如何在病史采集过程中,尽量减少病史问诊时间,提高问诊质量,同时完成规范且信息完整病历对医生的工作造成了巨大的困难和挑战。因此,就医过程中常发生信息采集时间短,信息采集不够全面详细,报告信息缺失严重,书写随意不规范等现象,给后续病情的判断,治疗以及病历整理,查看和医学研究留下了很多隐患,这也是现有医学资料利用率过低的原因之一。
此前对于诊前病史采集的相关应用产品,基本都存在以下问题:
1.自然语言理解能力低:对于患者提供的附加输入信息理解能力不足,导致后续病史采集过程中与患者诉求南辕北辙。
2.逻辑冗余,推理不足:针对一个病史问诊核心,难以命中患者诉求,导致反复询问同一个问题,问诊逻辑混乱、冗余;没有充分利用患者每一轮的反馈信息,病史采集逻辑关联性不足,出现前后病史信息不相关、重复,甚至相斥等显现。
3.问答匹配度不高:系统提供的问题模糊不清,推荐答案聚合度不高,导致患者不知所云,难于反馈。
发明内容
本发明实施例的目的是提供一种诊前病史采集方法,该方法通过采用父子两层状态转移的设计逻辑对患者进行诊前病史采集。通过上述方式可以实现降低常规病史采集逻辑中问答逻辑冗余的问题,提高信息采集效率,同时自动生成诊前病史采集病历报告供医生诊前阅读参考,多方面优化辅助医生减少面对面病史采集时间,提高采集效率,降低病历书写时间,同时自动化生成病历使病历信息更加规范和全面,利用率更高。
为了实现上述目的,本发明实施例提供一种诊前病史采集方法,该方法包括:
接收患者反馈信息,并对该患者反馈信息进行解析;
根据所述患者反馈信息的解析结果以及关系知识库,确定该解析结果所对应的父层状态类型,根据该父层状态类型跳转至与该父层状态类型相关联的子层状态,并根据该子层状态所对应的属性类型及各属性类型的优先级,生成问题,并接收针对所述问题的患者答复信息;以及
接收患者问诊结束信息,根据所述患者答复信息生成病历,
其中,所述关系知识库中用于存储多个父层状态类型、与每一父层状态类型相关联的子层状态、与每一子层状态相关的预设优先级排序的属性、以及父层状态转移信息及子层状态转移信息。
可选的,在接收到所述接收患者问诊结束信息之前,该方法还包括:
根据所述针对所述问题的患者答复信息以及所述父层状态转移信息及子层状态转移信息,跳转至下一父层状态类型或下一子层状态,生成问题,并接收针对所述问题的患者答复信息。
可选的,该方法还包括:
根据所述关系知识库,针对所述生成问题,提供相应候选答案,并接收针对所述候选答案的患者答复信息。
可选的,所述对该患者反馈信息进行解析包括以下一者或多者:
对所述患者反馈信息进行语义解析,抽取所述附加信息中与所述父层状态类型相匹配的实体词,并对抽取的该实体词进行边界校对;
对所述患者答复信息进行语义解析,识别所述患者答复信息是否包含附加信息,确定所述患者答复信息包含附加信息后将所述患者答复信息划分为答复部分以及附加信息部分;以及
对所述附加信息部分进行语义解析,抽取所述附加信息中与所述父层状态相匹配的实体词,并对抽取的该实体词进行边界校对。
可选的,在根据所述患者反馈信息的解析结果以及关系知识库,确定该解析结果所对应的父层状态类型之前,该方法还包括:
对所述患者反馈信息的解析结果进行以下处理中的一者或多者:实体词归一、同义词或近义词识别。
可选的,在所述跳转至下一父层状态类型或下一子层状态之前,该方法还包括:
发送针对所述附加信息部分中实体词提取结果的确认信息,并接收患者针对该确认信息的确认结果。
可选的,在所述接收患者问诊结束信息之前,该方法还包括:
接收患者针对所述患者反馈信息的修改信息;和/或
接收患者针对所述患者答复信息的修改信息。
可选的,所述父层状态类型包含以下一者或多者:患者年龄、患者性别、就诊科室、问诊类型、需求类型、疾病、症状、治疗或应急处理、属性、效果、既往病史、疾病或病源清单、新生儿-母亲生育史及月经史。
可选的,确定父层状态类型为患者年龄的情况下,该患者年龄相关联的子层状态包括0-200岁中任一项;
确定父层状态类型为患者性别的情况下,该患者性别相关联的子层状态包括男和女;和/或
确定父层状态类型为就诊科室的情况下,该就诊科室相关联的子层状态包括相应医院各科室名称。
可选的,确定父层状态类型为问诊类型的情况下,该问诊类型相关联的子层状态包括相应需求类型;
其中,在所述问诊类型为初诊的情况下,该初诊相关联的子层状态包括生病就诊、体检异常及意外伤害;
在所述问诊类型为复诊的情况下,该复诊相关联的子层状态包括按医生要求复诊以及开药。
可选的,确定父层状态类型为需求类型的情况下,该需求类型相关联的子层状态包括:
在需求类型为生病就诊的情况下,该生病就诊相关联的子层状态包括以下一者或多者:患者年龄、患者性别、就诊科室、疾病、病症、治疗或应急处理、属性、效果、一般状况、既往病史、疾病或病源清单、新生儿-母亲生育史及月经史;
在需求类型为体检异常的情况下,该体检异常相关联的子层状态包括体检异常指标信息;
在需求类型为意外伤害的情况下,该意外伤害相关联的子层状态包括以下一者或多者:患者年龄、患者性别、就诊科室、疾病、症状、治疗或应急处理及属性;
在需求类型为按医生要求复诊或开药的情况下,该复诊或开药相关联的子层状态信息包括相关症状的转归信息。
可选的,确定父层状态类型为疾病的情况下,该疾病相关联的子层状态包括与该疾病具有共现关系的症状信息;
确定父层状态类型为症状的情况下,该症状相关联的子层状态包括与该症状具有共现关系的症状属性信息;
确定父层状态类型为治疗或应急处理的情况下,该治疗或应急处理相关联的子层状态包括效果;
确定父层状态类型为属性的情况下,该属性相关联的子层状态包括该属性的属性值和/或属性状态;
确定父层状态类型为效果的情况下,该效果相关联的子层状态包括该效果的相应属性;
确定父层状态类型为一般状况的情况下,该一般状况的子层状态包括以下一者或多者:饮食状况、排便状况、睡眠状况及精神状况;
确定父层状态类型为既往病史的情况下,该既往史相关联的子层状态包括以下一者或多者:既往史信息、疫苗接种史信息及过敏史信息;
确定父层状态类型为疾病或病源清单的情况下,该疾病或病源清单相关联的子层状态包括以下一者或多者:外界因素过敏原、食物因素过敏原、药物因素过敏原;
确定父层状态类型新生儿-母亲生育史的情况下,该新生儿-母亲生育史相关联的子层状态包括以下一者或多者:既往生育史、新生儿状况、既往人流史及既往流产史;和/或
确定父层状态类型为月经史的情况下,该月经史相关联的子层状态包括一下一者或多者:月经初潮的年龄、月经周期、行经天数,经血色度、质量及伴随症状、未次月经日期及绝经年龄。
可选的,该方法还包括:
构建关系知识库,该构建方法包括:
学习病历数据,存储所述多个父层状态类型,定义所述父层状态之间共现关系、所述父层状态与所述子层状态的共现关系、所述子层状态之间的依赖关系以及子层状态相关属性的优先级;
根据所述父层状态与所述子层状态的共现关系构建所述与每一父层状态类型相关联的子层状态;
根据定义所述父层状态之间共现关系以及所述父层状态与所述子层状态的共现关系构建父层状态转移信息;
根据所述子层状态之间的依赖关系以及子层状态相关属性的优先级构建所述子层状态转移信息。
另一方面,本发明提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述任一项诊前病史采集方法。
通过上述技术方案,提供一种诊前病史采集方法,该方法通过采用父子两层状态转移的设计逻辑对患者进行诊前病史采集,首先接收患者反馈信息,并对该患者反馈信息进行解析,根据所述患者反馈信息的解析结果以及关系知识库,确定该解析结果所对应的父层状态类型,根据该父层状态类型跳转至与该父层状态类型相关联的子层状态,并根据该子层状态所对应的属性类型及各属性类型的优先级,生成问题,并接收针对所述问题的患者答复信息。在接收到患者发送的问诊借书信息后,根据患者答复信息生成病历。通过上述方式可以实现降低常规病史采集逻辑中问答逻辑冗余的问题,提高信息采集效率,同时自动生成诊前病史采集病历报告供医生诊前阅读参考,多方面优化辅助医生减少面对面病史采集时间,提高采集效率,降低病历书写时间,同时自动化生成病历使病历信息更加规范和全面,利用率更高。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明实施例提供的一种诊前病史采集方法的基本流程示意图;
图2是本发明实施例提供的候选答案推荐示意图;
图3是本发明实施例提供的一种诊前病史采集方法的流程框架图;
图4是本发明实施例提供的患者反馈信息解析流程示意图;
图5是本发明实施例提供的病情信息更新流程示意图;
图6是本发明实施例提供的提取信息确认机制示意图;
图7是本发明实施例提供的状态转移计算流程示意图;
图8是本发明实施例提供的症状关联子层状态推理关系图;
图9是本发明实施例提供的响应信息生成流程示意图;
图10是经过诊前病史采集问诊的展示结果;
图11A是本发明实施例提供的PC端前馈信息修改机制示意图;
图11B是本发明实施例提供的APP端前馈信息修改机制示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
在本发明实施例中,在未作相反说明的情况下,使用的方位词如“上、下、左、右”、“内、外”、“远、近”是指参考附图的方向,因此,使用方向用语是用来说明并非来限制本发明。
图1示出了本发明实施例提供的一种诊前病史采集方法的基本流程示意图,如图1所示,首先接收患者的反馈信息,并对该患者反馈信息进行解析,例如将患者反馈信息中的json字符串中实体词进行提取。根据提取到的实体词以及预存的关系知识库确定提取到的各个实体词可以对应的父层状态类型。在关系知识库中可以存储多个父层状态类型,在确定提取到的实体词与存储的多个父层状态类型中一者或多者相匹配时,根据父层状态类型跳转至该父层状态类型相关联的子层状态。在该关系知识库中同样存储了与每一父层状态相关联的子层状态。每一父层状态类型可以包括一个或多个子层状态。还可以根据该子层状态所对应的属性类型及各属性类型的优先级,生成问题,并接收针对所述问题的患者答复信息。其中,关系知识库中还可以存储与每一子层状态相关的预设优先级排序的属性、以及父层状态转移信息及子层状态转移信息。每一子层状态同样可以包括一个或多个属性类型,并且在多个属性类型的情况下,对多个属性类型进行优先级排序,按照该优先级排序生成相应采集该属性类型的属性值和/或属性状态的问题。并接收患者针对该问题的答复信息。在完成上述一系列问答流程并接收到患者的问诊结束信息后,根据患者的答复信息生成病历。
图2示出了本发明实施例提供的候选答案推荐示意图,如图2所示,在病史采集过程中,通过解析患者反馈信息,通过确定根据患者反馈信息所对应的父子层状态信息,生成相应问题进行具体病史采集。根据生成的问题,在每轮通过提问采集患者病史信息时可以为患者提供候选答案。通过该提供候选答案的方式,既可以辅助患者理解每轮问答的主要意图,也可以避免患者输入字符浪费患者时间的问题,同时还可以避免患者表达方式不一、书写错误带来的繁琐问题,从而提高了病史采集的效率以及质量。例如,患者反馈信息为“新生儿黄疸”,确定患者反馈信息新生儿黄疸的父层状态类型为疾病,跳转至疾病的子层状态,对该疾病的症状信息进行进一步问诊,并生成相应症状信息采集的问题,根据疾病“新生儿黄疸”与相应症状的共现关系提供以下患者现在主要症状的候选答案供患者进行选择:“皮肤黄染、巩膜黄染、拒奶、尿黄、反应低下、哭闹、没有任何不适症状”。
图3示出了本发明实施例提供的一种诊前病史采集方法的流程框架图,如图3所示,该诊前病史采集方法可以分为以下4个流程:患者反馈解析、病情信息更新、转移状态计算以及相应信息生成。
图4示出了本发明实施例提供的患者反馈解析流程示意图,如图4所示,在接收到患者反馈信息后,可以对患者反馈信息进行语义解析。具体地,将患者反馈信息中的json字符串中与父层状态类型相匹配的实体词进行抽取,并对抽取的该实体词进行边界校对。例如,通过采用parser分析器对患者反馈信息进行句法分析,通过该parser分析器中的实体标注模型标注出实体词,并将标注的实体词进行提取。为了提高实体词的语义完整性,采用分词结果对提取的每个实体词进行边界校对。对经过校对的实体词进行分析,从中筛选出与父层状态类型相匹配的实体词。在接收到患者针对上述生成的问题的相应的答复信息后,还可以对患者的该答复信息进行语义解析。具体地,可以参考答案模式模板的定义结构,对患者针对该生成问题的答复信息进行解析。识别患者针对当前状态提供的候选答案的选择信息以及未选择信息。并且通过参考该答案模式模板的定义结构识别出患者答复信息中是否包含附加信息,在识别到附加信息的情况下,将患者答复信息划分为用于答复上述问题的答复部分,以及附加信息部分。针对划分的附加信息部分还可以进行进一步语义分析。具体地,可以采用parser分析器对附加信息进行句法分析,通过该parser分析器中的实体标注模型标注出附加信息中的实体词,并将标注的实体词进行提取。为了提高实体词的语义完整性,采用分词结果对提取的每个实体词进行边界校对。对经过校对的实体词进行分析,从中筛选出与父层状态类型相匹配的实体词。
图5示出了本发明实施例提供的病情信息更新流程示意图,如图5所示,在确定提取到的实体词所对应的父层状态类型之前,可以对提取到的实体词进行标准化处理。具体地,可以分为实体词归一和同义词或近义词识别两个流程。其中在实体词归一流程中,可以根据归一词典将提取到的每个实体词进行实体归一,例如,将数词、量词和单位进行标准归一,方便后期判断和报告生成的工作。在同义词或近义词识别流程中,可以根据同义词词典或近义词词典将提取到的每个实体词进行近义词或同义词识别,以确保病史采集过程中信息的一致性,还可以避免相同病史信息重复问诊的现象出现。在完成上述实体词标准化处理后,根据多个实体词中的与疾病或病症相关联的实体词更新至病历中,更新患者病情信息。
状态转移计算流程可以包括原状态确认,图6示出了本发明实施例提供的提取信息确认机制示意图,如图6所示,在患者的答复信息中包含附加信息的情况下,将根据附加信息提取到的实体词发送至患者进行确认,并接收患者针对确认信息的确认结果实现原状态确认。例如,患者的反馈信息为“头晕恶心伴腹痛”根据患者反馈信息进行实体词提取后得到的实体词为“头晕、恶心、腹痛”,并将提取到的该实体词发送给患者进行确认,以确定提取到的实体词符合患者的输入意图。其中,若患者回答结果为“是”,则表示对患者解析结果符合患者预期想法,将提取到的上述症状信息更新至患者病历数据中。采用经过患者确认的上述实体词“头晕、恶心、腹痛”进行后续病史采集的问诊。若患者的回答结果为“否”,则表示不符合患者预期,保留患者答复信息并根据患者答复信息直接作为实体词进行病史采集。
图7示出了本发明实施例提供的状态转移计算流程示意图,如图7所示,根据患者答复信息附加信息解析结果,向患者发送确认信息,若患者回答结果为“是”,则表示对患者解析结果符合患者预期想法,将提取到的上述症状信息更新至患者病历数据中进入下一转移状态。具体地,采用提取的实体词进行进一步问诊,分别提取到的实体词所对应的父层状态类型并跳转至父层状态类型相应子层状态,生成相应问题,并接收针对问题的答复问题至采集到患者针对所有子层状态的问题的答复信息。跳转至下一父层状态类型继续病史采集。若患者的回答结果为“否”,则表示不符合患者预期,保留患者答复信息并根据患者答复信息直接作为实体词进行病史采集。具体地,以患者答复信息附加信息为实体词,并跳转至子层状态,采集适用于任何症状信息的通用属性,例如,持续时间、严重程度、发作规律等。完成上述通用属性采集后,进入下一转移状态继续病史采集。下一转移状态可以包括:下一父层状态类型、下一子层状态以及问诊结束状态。在父层状态类型所对应的子层状态生成的问题全部完成相应采集后,生成是否结束问诊的问题,并接收患者针对是否结束问诊的答复信息。
该状态转移计算可以包括子层状态转移,该子层状态转移设计是针对任一具备多方面属性描述的实体、从不同方面问诊的转移逻辑。可以实现问诊冗余性低,且信息召回率高的特性。该子层状态转移可以分为:关系知识库构建以及子层状态转移计算。
该关系知识库可以通过离线构建,具体地包括:
①、存储多个父层状态类型,表3-1示出了多个父层状态类型,并定义父层状态类型之间的共现关系。例如疾病与症状存在共现关系,某一疾病一定伴随着相应症状。
表3-1父层状态类型及说明
父层状态类 | 状态说明 |
Age | 患者年龄 |
Gender | 患者性别 |
Department | 就诊科室 |
Inquiry_type | 问诊类型 |
Demand_type | 需求类型 |
Disease | 疾病 |
Symptom | 症状 |
Treatment | 治疗/应急处理 |
attribute | 属性 |
effect | 效果 |
General | 一般状况 |
History | 既往病史 |
Detail | 疾病/病源等清单 |
Birth | 新生儿-母亲生育史 |
Menstruation | 月经史 |
如表3-1示出了父层状态类型及说明,可以将完整的病史采集问诊过程划分为父子两层转移逻辑,其中,父层状态中所有状态类型相对独立,包括表3-1中示出的状态类型。
子层状态是针对任一父层状态类型做进一步询问,具体询问路径依据患者前馈信息动态生成。
②、定义父层状态类型与子层状态之间的共现关系,再根据所述父层状态类型与所述子层状态的共现关系构建所述与每一父层状态类型相关联的子层状态。例如,症状与属性类型之间的共现关系,某一症状是通过相应属性进行表现。如症状发热,可以通过持续时间、最高温度、发作规律、严重程度以及显著时间的相应属性值和属性状态进行表现。
表3-2症状的部分属性优先级及类型
属性优先级 | 属性类型 |
1 | 转归 |
2 | 持续时间 |
3 | 发生部位 |
4 | 发作规律 |
5 | 频率 |
6 | 严重程度 |
7 | 趋势 |
8 | 最高温度 |
9 | 状态 |
10 | 性质 |
11 | 成分 |
12 | 浓度 |
13 | 颜色 |
14 | 气味 |
15 | 量 |
16 | 大小 |
17 | 数量 |
18 | 排出难度 |
19 | 分布 |
20 | 显著时间 |
表3-2示出了症状的部分属性优先级及类型,不同父层状态类型所对应的子层状态类型不同,相同父层状态的不同实体所对用的子层状态类型也可能不同。在症状作为父层状态类型时,表3-2可以作为针对相应症状的症状属性参考表。例如,发热和呕吐同为父层状态类型中的症状类型,但二者所对应的子层状态存在很大差异。
③、定义子层状态之间的依赖关系以及子层状态相关属性的优先级,具体地,该子层状态相关属性的优先级可以通过表3-2展示的属性优先级进行排序。
④、根据定义父层状态之间共现关系以及父层状态与子层状态的共现关系构建父层状态转移信息。
⑤、根据子层状态之间的依赖关系以及子层状态相关属性的优先级构建子层状态转移信息。
子层状态转移计算可以包括:
当转移状态跳转至到某一实体所对应父层状态类型相关联的子层转移逻辑后,依据该实体在关系知识库中的属性转移信息,按照预定义的优先级属性关系,及用户反馈的相应属性值信息,计算下一轮病史问诊转移的状态信息即可。图8示出了本发明实施例提供的症状关联子层状态推理关系图,图8所示,例如,实体词为腹泻,确定该实体词所对应的父层状态类型为症状,跳转至该症状的子层状态,根据腹泻症状与属性类型之间的共现关系,自动提取:持续时间、发作规律、频率、状态、浓度、颜色、气味、量。并以上述优先级排序进行依次提问。根据患者答复信息相应的属性值或属性状态计算下一轮病史问诊转移状态。在提问至排泄物状态时若患者答复信息为默认信息,则按照优先级排序继续提问,若患者答复信息为“白陶土样”则无需进行下一轮属性类型的问诊,直接进行下一状态转移。
状态转移计算还可以包括父层状态转移。父层状态转移逻辑遵循医学病史采集的主要逻辑,即:用户基本信息,主要症状/疾病,诱因,伴随症状,特殊患者信息(如,经期信息,新生儿母亲生育史等),一般状况,既往史,过敏史,疫苗接种史等。根据患者不同问诊需求还可以将问诊信息分为初诊、复诊,根据初诊或复诊的患者需求类不同,定义不同的问诊父层逻辑。表3-3示出了初诊、复诊的需求类型定义。
表3-3不同问诊类型下预定义的需求类型信息
不同的需求类型,病史采集时的问诊逻辑不同,具体包括以下几类:
(1)、生病就诊
在确定患者需求类型为生病就诊的情况下,根据父层状态转移逻辑遵循医学病史采集的主要逻辑进行依次问诊,即:用户基本信息,主要症状/疾病,诱因,伴随症状,特殊患者信息(如,经期信息,新生儿母亲生育史等),一般状况,既往史,过敏史,疫苗接种史等,以确保各方面病史信息能够得到全面采集。
(2)体检异常
在确定患者需求类型为体检异常的情况下,采集患者的体检异常指标信息。
(3、)意外伤害
在主要症状问诊逻辑前,对意外伤害类型,受伤部位,以及诱发因素等进行采集,后续问诊逻辑中也会对相关属性信息进行删减,以免出现多次采集现象;除此之外,意外伤害部分,比较关注出现意外伤害后第一时间的应急处理措施的反馈,因此会追加对应急处理措施的问诊逻辑。
(4)、按照医生要求复诊、开药
此类需求属于复诊逻辑,对于复诊时,更加关注的是与上次就诊时相关症状的转归信息,包括新增,减轻,没变化,加重四类。以及对新增症状的具体属性的了解,因此在复诊中会将主要逻辑调整为对比病史信息的采集。
图9示出了本发明实施例提供的响应信息生成流程示意图,如图9所示,该响应信息生成流程包括问答生成和病历生成两部分。具体地该响应信息生成流程包括以下多者:
1、下一状态判断
根据状态转移计算结果判断下一轮状态信息是否为病史采集的结束状态,即在父层状态转移计算的主要逻辑询问结束并且采集了患者针对相应子层状态生成问题的答复信息后生成是否结束问诊的信息,在接收到结束问诊信息后,判断下一轮状态信息为病史采集结束状态;或根据患者前馈信息动态生成的询问路径完成相应采集后生成是否结束问诊的信息,在接收到结束问诊信息后,判断下一轮状态信息为病史采集结束状态。若判断下一轮状态信息为病史采集结束状态则进入病历生成逻辑;否则,进入问答生成逻辑。
2、问答生成
问答生成逻辑主要分为问题生成和候选答案生成两部分。
(1)、问题生成
根据下一轮问诊状态信息以及问题生成模板,生成下一轮病史采集的问题,例如表3-4示出的部分问题生成的模板信息。
表3-4部分问题生成模板信息
在实施例中,问题生成还可以通过以下多种方式实现:
①、基于大数据的pattern挖掘与选择
基于大量医患之间信息采集过程中的问答数据,利用pattern挖掘技术对大量医患之间信息采集意图的场景进行问题pattern挖掘,并经过人工review后保留优质pattern。
②、基于核心词attention机制的问题生成RNN模型
基于大量医患之间信息采集过程中的问答数据,构建病史采集意图、候选病史实体序列与问题之间的映射关系,采用基于attention机制的RNN模型实现基于核心词的问题生成。
(2)、候选答案生成
候选答案的生成主要可以通过计算共现关系进行选择。但不同状态下的候选答案的具体选择方案有所不同,具体地:
根据接收到的患者针对所述请求患者疾病信息或病症信息的反馈信息,识别是否根据所述患者反馈信息提取到与疾病信息或症状信息匹配的实体词;
在同时提取到与疾病信息和症状信息匹配的实体词的情况下,根据所述父层状态转移信息跳转至父层状态相应疾病类型,生成相应问题,请求针对该疾病的其他症状信息或根据所述多个父层状态类型针对该疾病的其他症状信息提供候选答案,接收患者针对请求针对该疾病的其他症状信息答复信息或针对该疾病的其他症状信息候选答案的选择信息;
在仅提取到与疾病信息匹配的实体词的情况下,根据父层状态转移信息跳转至父层状态相应疾病类型,生成相应问题,请求针对该疾病的症状信息或根据所述多个父层状态类型针对该疾病的症状信息提供候选答案,接收患者针对请求针对该疾病的症状信息答复信息或针对该疾病的症状信息候选答案的选择信息;
在进提取到与症状信息匹配的实体词的情况下,根据父层状态转移信息跳转至父层状态相应症状类型,生成相应问题,请求针对该症状信息的其他伴随症状或根据父层状态类型之间的共现关系针对该症状信息的其他伴随症状提供候选答案,接收患者针对该症状信息的其他伴随症状答复信息或针对该症状信息的其他伴随症状提供候选答案的选择信息;
在未提取到与疾病信息或症状信息匹配的实体词的情况下,根据患者基本信息中的一者或多者以及患者本次求诊预选的科室信息,根据父层状态类型之间的共现关系提供疾病候选答案和/或症状候选答案,接收患者反馈信息,根据接收到的患者针对所述疾病候选答案和/或症状候选答案的反馈信息以及所述多个父层状态类型,跳转至父层状态疾病类型或症状类型;生成相应问题,接收针对所述问题的患者答复信息;
在判断得到的下一轮状态信息后,确定为采集属性类型的属性值或属性状态,根据子层状态之间的依赖关系,下一状态候选属性值或属性状态取决于上衣状态属性值或属性状态。
在实施例中,病症候选答案生成还可以通过以下方式实现:
在病史采集过程中,随着病史采集的进行,不断基于当前已采集到的患者病史信息预测患者所得疾病,根据该预测疾病提供该疾病相关症状信息作为候选答案,接收患者针对预测疾病相关症状候选答案的答复信息。
3、病历生成
病历生成主要分为主诉生成、现病史生成和既往史生成三部分。
(1)、主诉生成
主诉中主要关注疾病、症状、时间和意外伤害类型几类信息,对于多症状、疾病等需要先按照发生时间进行排序,合并,然后依据模板生成主诉信息,具体生成模板参见表3-5所示。
表3-5部分主诉生成模板
(2)、现病史生成
现病史内容主要包括所患疾病信息,主要症状及属性信息,伴随症状及属性信息,否认症状信息,特殊患者信息,一般状况信息等几部分。每部分均有对应的生成模板,依据模板生成相应部分的内容。表3-6给出部分症状相关信息的生成模板。
表3-6部分实体的现病史生成模板
(3)、既往史生成
既往史内容主要包括通用既往史信息,疫苗接种史信息,过敏史信息等三部分。依据对应的生成模板生成相应部分信息即可。图10示出了经过诊前病史采集问诊的展示结果。
图11A示出了本发明实施例提供的PC端前馈信息修改机制示意图,图11B示出了本发明实施例提供的APP端前馈信息修改机制示意图,如图11A、11B所示,在接收到患者问诊结束信息之前,可以在任意时刻接收患者对前馈信息的修改指令。随着病史采集过程中问诊的深入,患者对自身病情的认知也会更加准确,常常会出现需要修改已经反馈的问诊答案的诉求。通过在病史采集系统的APP端或PC端界面上设置一“修改”字样按钮,随时接收患者对前馈信息的修改指令,以使患者在反馈病史信息的过程中随时、随意调整自己的病情信息。根据患者对病情信息的调整,对患者病例数据进行动态更新。根据更新后的患者病例数据,重新进行相应病史采集。例如,患者通过APP端反馈病史信息,在根据患者反馈信息及关系知识库为患者提供现在主要症状的候选答案。在接收到患者触控“修改”按钮后触发的修改指令的情况下,重新接收患者对现在主要症状候选答案的答复信息,并根据患者重新选择的症状信息更新患者的病例数据,重新进行相应病史采集。为避免病史信息的重复采集,保留患者原病史采集的前馈信息,在患者无修改意愿的部分通过接收患者触控“确认”后保存该部分病史信息,在患者意在修改的部分,提供患者原病史采集的答复信息,在原答复信息的基础上进行适应性修改。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、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。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (14)
1.一种诊前病史采集方法,其特征在于,该方法包括:
接收患者反馈信息,并对该患者反馈信息进行解析;
根据所述患者反馈信息的解析结果以及关系知识库,确定该解析结果所对应的父层状态类型,根据该父层状态类型跳转至与该父层状态类型相关联的子层状态,并根据该子层状态所对应的属性类型及各属性类型的优先级,生成问题,并接收针对所述问题的患者答复信息;以及
接收患者问诊结束信息,根据所述患者答复信息生成病历,
其中,所述关系知识库中用于存储多个父层状态类型、与每一父层状态类型相关联的子层状态、与每一子层状态相关的预设优先级排序的属性、以及父层状态转移信息及子层状态转移信息。
2.根据权利要求1所述的方法,其特征在于,在接收到所述接收患者问诊结束信息之前,该方法还包括:
根据所述针对所述问题的患者答复信息以及所述父层状态转移信息及子层状态转移信息,跳转至下一父层状态类型或下一子层状态,生成问题,并接收针对所述问题的患者答复信息。
3.根据权利要求2所述的方法,其特征在于,该方法还包括:
根据所述关系知识库,针对所述生成问题,提供相应候选答案,并接收针对所述候选答案的患者答复信息。
4.根据权利要求3所述的方法,其特征在于,所述对该患者反馈信息进行解析包括以下一者或多者:
对所述患者反馈信息进行语义解析,抽取所述附加信息中与所述父层状态类型相匹配的实体词,并对抽取的该实体词进行边界校对;
对所述患者答复信息进行语义解析,识别所述患者答复信息是否包含附加信息,确定所述患者答复信息包含附加信息后将所述患者答复信息划分为答复部分以及附加信息部分;以及
对所述附加信息部分进行语义解析,抽取所述附加信息中与所述父层状态相匹配的实体词,并对抽取的该实体词进行边界校对。
5.根据权利要求3所述的方法,其特征在于,在根据所述患者反馈信息的解析结果以及关系知识库,确定该解析结果所对应的父层状态类型之前,该方法还包括:
对所述患者反馈信息的解析结果进行以下标准化处理中的一者或多者:实体词归一、同义词或近义词识别。
6.根据权利要求4所述的方法,其特征在于,在所述跳转至下一父层状态类型或下一子层状态之前,该方法还包括:
发送针对所述附加信息部分中实体词提取结果的确认信息,并接收患者针对该确认信息的确认结果。
7.根据权利要求3所述的方法,其特征在于,在所述接收患者问诊结束信息之前,该方法还包括:
接收患者针对所述患者反馈信息的修改信息;和/或
接收患者针对所述患者答复信息的修改信息。
8.根据权利要求1所述的方法,其特征在于,所述父层状态类型包含以下一者或多者:患者年龄、患者性别、就诊科室、问诊类型、需求类型、疾病、症状、治疗或应急处理、属性、效果、一般状况、既往病史、疾病或病源清单、新生儿-母亲生育史及月经史。
9.根据权利要求8所述的方法,其特征在于,确定父层状态类型为患者年龄的情况下,该患者年龄相关联的子层状态包括0-200岁中任一项;
确定父层状态类型为患者性别的情况下,该患者性别相关联的子层状态包括男和女;和/或
确定父层状态类型为就诊科室的情况下,该就诊科室相关联的子层状态包括相应医院各科室名称。
10.根据权利要求8所述的方法,其特征在于,确定父层状态类型为问诊类型的情况下,该问诊类型相关联的子层状态包括相应需求类型;
其中,在所述问诊类型为初诊的情况下,该初诊相关联的子层状态包括生病就诊、体检异常及意外伤害;
在所述问诊类型为复诊的情况下,该复诊相关联的子层状态包括按医生要求复诊以及开药。
11.根据权利要求8所述的方法,其特征在于,确定父层状态类型为需求类型的情况下,该需求类型相关联的子层状态包括:
在需求类型为生病就诊的情况下,该生病就诊相关联的子层状态包括以下一者或多者:患者年龄、患者性别、就诊科室、疾病、病症、治疗或应急处理、属性、效果、一般状况、既往病史、疾病或病源清单、新生儿-母亲生育史及月经史;
在需求类型为体检异常的情况下,该体检异常相关联的子层状态包括体检异常指标信息;
在需求类型为意外伤害的情况下,该意外伤害相关联的子层状态包括以下一者或多者:患者年龄、患者性别、就诊科室、疾病、症状、治疗或应急处理及属性;
在需求类型为按医生要求复诊或开药的情况下,该复诊或开药相关联的子层状态信息包括相关症状的转归信息。
12.根据权利要求8所述的方法,其特征在于,确定父层状态类型为疾病的情况下,该疾病相关联的子层状态包括与该疾病具有共现关系的症状信息;
确定父层状态类型为症状的情况下,该症状相关联的子层状态包括与该症状具有共现关系的症状属性信息;
确定父层状态类型为治疗或应急处理的情况下,该治疗或应急处理相关联的子层状态包括效果;
确定父层状态类型为属性的情况下,该属性相关联的子层状态包括该属性的属性值和/或属性状态;
确定父层状态类型为效果的情况下,该效果相关联的子层状态包括该效果的相应属性;
确定父层状态类型为一般状况的情况下,该一般状况的子层状态包括以下一者或多者:饮食状况、排便状况、睡眠状况及精神状况;
确定父层状态类型为既往病史的情况下,该既往史相关联的子层状态包括以下一者或多者:既往史信息、疫苗接种史信息及过敏史信息;
确定父层状态类型为疾病或病源清单的情况下,该疾病或病源清单相关联的子层状态包括以下一者或多者:外界因素过敏原、食物因素过敏原、药物因素过敏原;
确定父层状态类型新生儿-母亲生育史的情况下,该新生儿-母亲生育史相关联的子层状态包括以下一者或多者:既往生育史、新生儿状况、既往人流史及既往流产史;和/或
确定父层状态类型为月经史的情况下,该月经史相关联的子层状态包括一下一者或多者:月经初潮的年龄、月经周期、行经天数,经血色度、质量及伴随症状、未次月经日期及绝经年龄。
13.根据权利要求1所述的方法,其特征在于,该方法还包括:
构建关系知识库,该构建方法包括:
学习病历数据,存储所述多个父层状态类型,定义所述父层状态之间共现关系、所述父层状态与子层状态的共现关系、所述子层状态之间的依赖关系以及子层状态相关属性的优先级;
根据所述父层状态类型与所述子层状态的共现关系构建所述与每一父层状态类型相关联的子层状态;
根据定义所述父层状态之间共现关系以及所述父层状态与所述子层状态的共现关系构建父层状态转移信息;
根据所述子层状态之间的依赖关系以及子层状态相关属性的优先级构建所述子层状态转移信息。
14.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述权利要求1-13任一项所述的一种诊前病史采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810917568.8A CN109378077B (zh) | 2018-08-13 | 2018-08-13 | 诊前病史采集方法及执行该方法的机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810917568.8A CN109378077B (zh) | 2018-08-13 | 2018-08-13 | 诊前病史采集方法及执行该方法的机器可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109378077A true CN109378077A (zh) | 2019-02-22 |
CN109378077B CN109378077B (zh) | 2022-07-29 |
Family
ID=65404012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810917568.8A Active CN109378077B (zh) | 2018-08-13 | 2018-08-13 | 诊前病史采集方法及执行该方法的机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109378077B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176315A (zh) * | 2019-06-05 | 2019-08-27 | 京东方科技集团股份有限公司 | 医疗问答方法及系统、电子设备、计算机可读介质 |
CN110428891A (zh) * | 2019-07-31 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 一种就诊意图的处理方法、装置及设备 |
CN110689934A (zh) * | 2019-09-09 | 2020-01-14 | 北京左医科技有限公司 | 一种预问诊系统及方法 |
CN111599489A (zh) * | 2020-05-19 | 2020-08-28 | 万达信息股份有限公司 | 一种疾病信息获取方法、终端设备和存储介质 |
CN112700860A (zh) * | 2020-12-18 | 2021-04-23 | 北京左医科技有限公司 | 预问诊信息的自定义生成方法、生成装置及存储介质 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7149756B1 (en) * | 2000-05-08 | 2006-12-12 | Medoctor, Inc. | System and method for determining the probable existence of disease |
CN103778311A (zh) * | 2012-10-19 | 2014-05-07 | 杭州美诺泰科科技有限公司 | 一种急救工作站结构化电子病历的录入终端及录入方法 |
CN105447299A (zh) * | 2014-09-19 | 2016-03-30 | 余仪呈 | 自助问诊并产生结构化主诉病历的系统及方法 |
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 |
CN106650261A (zh) * | 2016-12-22 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能问诊方法、装置和系统 |
-
2018
- 2018-08-13 CN CN201810917568.8A patent/CN109378077B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7149756B1 (en) * | 2000-05-08 | 2006-12-12 | Medoctor, Inc. | System and method for determining the probable existence of disease |
CN103778311A (zh) * | 2012-10-19 | 2014-05-07 | 杭州美诺泰科科技有限公司 | 一种急救工作站结构化电子病历的录入终端及录入方法 |
CN105447299A (zh) * | 2014-09-19 | 2016-03-30 | 余仪呈 | 自助问诊并产生结构化主诉病历的系统及方法 |
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 |
CN106650261A (zh) * | 2016-12-22 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能问诊方法、装置和系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176315A (zh) * | 2019-06-05 | 2019-08-27 | 京东方科技集团股份有限公司 | 医疗问答方法及系统、电子设备、计算机可读介质 |
CN110428891A (zh) * | 2019-07-31 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 一种就诊意图的处理方法、装置及设备 |
CN110689934A (zh) * | 2019-09-09 | 2020-01-14 | 北京左医科技有限公司 | 一种预问诊系统及方法 |
CN111599489A (zh) * | 2020-05-19 | 2020-08-28 | 万达信息股份有限公司 | 一种疾病信息获取方法、终端设备和存储介质 |
CN112700860A (zh) * | 2020-12-18 | 2021-04-23 | 北京左医科技有限公司 | 预问诊信息的自定义生成方法、生成装置及存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109378077B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109378077A (zh) | 诊前病史采集方法及执行该方法的机器可读存储介质 | |
JP5016287B2 (ja) | データベースシステム、プログラム、及び情報処理方法 | |
KR102237449B1 (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
Simpson et al. | Overview of the TREC 2014 Clinical Decision Support Track. | |
US20180293354A1 (en) | Clinical content analytics engine | |
US11640403B2 (en) | Methods and systems for automated analysis of behavior modification data | |
US20070192143A1 (en) | Quality Metric Extraction and Editing for Medical Data | |
US10089391B2 (en) | Ontological information retrieval system | |
US11031121B2 (en) | System and method for indicating the quality of information to support decision making | |
CN105792731A (zh) | 患者护理监督系统和方法 | |
CN106845147A (zh) | 医学经验总结模型的建立方法、装置及数据评估方法 | |
US11393589B2 (en) | Methods and systems for an artificial intelligence support network for vibrant constitutional guidance | |
US20080154894A1 (en) | System for cross-acquisition of physiological and psychological information | |
CN113886716B (zh) | 食品安全突发事件的应急处置推荐方法及系统 | |
CN107705853A (zh) | 临床营养风险筛查方法及系统 | |
Head et al. | Nursing diagnoses, interventions, and patient outcomes for hospitalized older adults with pneumonia | |
CN115376648A (zh) | 一种智能处方生成装置和智能处方生成系统 | |
Kang et al. | Identifying nurses’ concern concepts about patient deterioration using a standard nursing terminology | |
KR102444460B1 (ko) | 인공지능 기반의 증상 및 질환 매칭을 위한 챗봇 서비스 제공방법 | |
Gihl | Health-related quality of life in pulmonary arterial hypertension | |
CN109887586A (zh) | 一种订单匹配方法、电子设备及计算机可读存储介质 | |
CN112259243B (zh) | 一种基于双向GRUs的单病种临床路径构建方法及系统 | |
WO2022141929A1 (zh) | 一种健康自测系统、服务器及健康检测系统 | |
Oladeji et al. | Awareness, knowledge, and utilisation of hypertension management techniques among rural dwellers in Ijebu-North East Local Government Area of Ogun State, Nigeria | |
JP6867147B2 (ja) | 医療情報記憶装置、医療情報検索装置、医療情報記憶方法、医療情報記憶プログラム、及びコンピュータ読取可能な記録媒体 |
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 | ||
CB02 | Change of applicant information |
Address after: 100044 area a (T4) 02a1, 2f, No. 6, gaoliangqiao Road, Xicheng District, Beijing Applicant after: Beijing Zuoyi Technology Co.,Ltd. Address before: 100082, No. 2, courtyard 2, No. 1, Haidian District high Li Li Road, Beijing City, 201-148 Applicant before: BEIJING KANGFUZI TECHNOLOGY CO.,LTD. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |