CN109448841A - 建立数据模型方法及装置、临床辅助决策方法及装置 - Google Patents
建立数据模型方法及装置、临床辅助决策方法及装置 Download PDFInfo
- Publication number
- CN109448841A CN109448841A CN201811331490.8A CN201811331490A CN109448841A CN 109448841 A CN109448841 A CN 109448841A CN 201811331490 A CN201811331490 A CN 201811331490A CN 109448841 A CN109448841 A CN 109448841A
- Authority
- CN
- China
- Prior art keywords
- field
- data
- disease
- data model
- structuring
- 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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开涉及一种建立数据模型方法及装置、临床辅助决策方法及装置。该建立数据模型方法包括:对历史数据按照不同病种的分类进行字段拆解;根据拆解得到的字段进行结构化处理,形成结构化输出规则;根据所述结构化输出规则结合临床数据建立疾病数据模型。本公开还涉及建立数据模型装置、电子设备及计算机可读介质,以及在建立数据模型方法的基础上进行临床辅助决策方法、装置、电子设备及计算机可读介质,通过对疾病进行结构化处理生成结构化输出规则,再对临床数据按照该规则以关系型结构保存到数据库中,形成数据模型,可以有效利用临床数据,实现数据间的互联互通,提升科研转化率。
Description
技术领域
本公开涉及云存储技术领域,具体而言,涉及一种建立数据模型方法及装置、临床辅助决策方法及装置。
背景技术
目前,国内外医学诊断思路是通过一组临床数据(包括问诊、体格检查、实验室检查、物理检查等结果),经过医生的自身认知和临床经验进行分析和判断,从而给出诊断结果。然而,这种诊断流程往往容易受主观因素影响,其准确程度和医疗人员的整体素质水平密切相关,并且我国人口基数大,部分基层或偏远地区医疗条件相对落后,有丰富经验的医疗从业者相对短缺,难以保证患者都能获得高质量的诊疗。
随着医院电子病历系统的普及,可以基于一个一个的电子病历形成一个巨大的医学信息数据库,存储的数据也呈指数增长。然而这些数据主要用来记录患者就诊信息,其中包含大量自然语言文本,机器难以识别,而且人的阅读速度和数量有限,难以从宏观层面分析医院诊疗数据中有价值的信息。医生只能花费大量的时间通过肉眼对一份份病例进行筛选,速度慢效率低,从而阻碍了临床科研的发展。
因此,需要一种新的建立数据模型方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种建立数据模型方法、装置、电子设备及计算机可读介质,能够解决人工数据分析和建模过程速度慢效率低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种建立数据模型方法,该方法包括:对历史数据按照不同病种的分类进行字段拆解;根据拆解得到的字段进行结构化处理,形成结构化输出规则;根据所述结构化输出规则结合临床数据建立疾病数据模型。
在本公开的一种示例性实施例中,所述历史数据至少包括:医学书籍、医学文献、疾病指南和临床实验。
在本公开的一种示例性实施例中,根据拆解得到的字段进行结构化处理包括:对拆解得到的字段中通过相同的字段名称直接对应相应的值域的字段,得到一级字段;从自然语言文本内容中提取得到二级字段;根据所述一级字段和所述二级字段进行逻辑运算得到三级字段;根据所述一级字段、所述二级字段和所述三级字段提取关键词生成术语词典。
在本公开的一种示例性实施例中,从自然语言文本内容中提取得到二级字段包括:结合术语的层级关系构建得到具有树状结构的医学术语体系;结合所述医学术语体系从自然语言文本内容中提取得到二级字段。
在本公开的一种示例性实施例中,根据拆解得到的字段进行结构化处理,形成结构化输出规则包括:根据所述术语词典进行医学逻辑关系分析,得到所述结构化输出规则。
在本公开的一种示例性实施例中,所述临床数据包括患者的基本信息、疾病通用数据和疾病非通用数据,根据所述结构化输出规则结合临床数据建立疾病数据模型包括:对患者的基本信息进行提取和整合,得到基本信息字段集合;对疾病通用数据进行提取和整合,得到通用字段集合;对疾病非通用数据别进行字段的提取和整合,得到非通用字段集合;根据所述结构化输出规则对所述基本信息字段集合、所述通用字段集合和所述非通用字段集合进行汇总,得到所述疾病数据模型。
根据本公开的一方面,还提出一种建立数据模型装置,该装置包括:字段拆解模块,用于对历史数据按照不同病种的分类进行字段拆解;结构化模块,用于根据拆解得到的字段进行结构化处理,形成结构化输出规则;模型构建模块,用于根据所述结构化输出规则结合临床数据建立疾病数据模型。
在本公开的一种示例性实施例中,所述结构化模块包括:字段分级模块,用于对拆解得到的字段中通过相同的字段名称直接对应相应的值域的字段,得到一级字段,从自然语言文本内容中提取得到二级字段,根据所述一级字段和所述二级字段进行逻辑运算得到三级字段;词典生成模块,用于根据所述一级字段、所述二级字段和所述三级字段提取关键词生成术语词典。
在本公开的一种示例性实施例中,所述模型构建模块包括:患者人口学信息模块,用于对患者的基本信息进行提取和整合,得到基本信息字段集合;疾病通用层模块,用于对疾病通用数据进行提取和整合,得到通用字段集合;疾病非通用层模块,用于对疾病非通用数据别进行字段的提取和整合,得到非通用字段集合;汇总模块,用于根据所述结构化输出规则对所述基本信息字段集合、所述通用字段集合和所述非通用字段集合进行汇总,得到所述疾病数据模型。
根据本公开的一方面,还提出一种临床辅助决策方法,该方法包括:对历史数据按照不同病种的分类进行字段拆解;根据拆解得到的字段进行结构化处理,形成结构化输出规则;根据所述结构化输出规则结合临床数据建立疾病数据模型;结合临床检验结果和所述疾病数据模型,得到决策结果。
根据本公开的一方面,还提出一种临床辅助决策装置,该装置包括:字段拆解模块,用于对历史数据按照不同病种的分类进行字段拆解;结构化模块,用于根据拆解得到的字段进行结构化处理,形成结构化输出规则;模型构建模块,用于根据所述结构化输出规则结合临床数据建立疾病数据模型;决策模块,用于结合临床检验结果和所述疾病数据模型,得到决策结果。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的建立数据模型方法和临床辅助决策方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的建立数据模型方法和临床辅助决策方法。
根据本公开的建立数据模型方法、装置、电子设备及计算机可读介质,通过对疾病进行结构化处理生成结构化输出规则,再对临床数据按照该规则以关系型结构保存到数据库中,形成数据模型,可以有效利用临床数据,实现数据间的互联互通,提升科研转化率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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是根据一示例性实施例示出的一种建立数据模型方法及装置的系统框图。
图2是根据一示例性实施例示出的一种建立数据模型方法的流程图。
图3是根据一示例性实施例示出步骤S202中历史数据来源的比例的示意图。
图4是根据一示例性实施例示出步骤S204中根据拆解得到的字段进行结构化处理的流程图。
图5是根据一示例性实施例示出步骤S206根据所述结构化输出规则结合临床数据建立疾病数据模型的流程图。
图6是根据另一示例性实施例示出的一种建立数据模型装置的框图。
图7是根据一示例性实施例示出图6中结构化模块602的框图。
图8是根据一示例性实施例示出图6中模型构建模块603的框图。
图9是根据一示例性实施例示出的另一种建立数据模型方法的流程图。
图10是根据另一示例性实施例示出的另一种建立数据模型装置的框图。
图11是根据一示例性实施例示出的一种电子设备的框图。
图12是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种建立数据模型方法及装置的系统框图。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所提交的建立数据模型请求提供支持的后台管理服务器。后台管理服务器可以对接收到的建立数据模型请求等进行分析等处理,并将处理结果反馈给终端设备。
服务器105可例如获取用户利用终端设备101、102、103传送的待处理数据;服务器105可例如将所述待处理数据进行处理。
服务器105可以是一个实体的服务器,还可例如为多个服务器组成,需要说明的是,本公开实施例所提供的建立数据模型方法可以由服务器105执行,相应地,建立数据模型装置可以设置于服务器105中。
图2是根据一示例性实施例示出的一种建立数据模型方法的流程图。建立数据模型方法至少包括步骤S202至S206,该方法用于利用历史数据结合临床数据构建疾病数据模型。
如图2所示,在步骤S202中,对历史数据按照不同病种的分类进行字段拆解。
如图2所示,在步骤S204中,根据拆解得到的字段进行结构化处理,形成结构化输出规则。
如图2所示,在步骤S206中,根据所述结构化输出规则结合临床数据建立疾病数据模型。
以下结合图2所示的流程图对本公开提供的建立数据模型方法进行详细介绍,具体如下:
在步骤S202中,对历史数据按照不同病种的分类进行字段拆解。
在本公开的一种示例性实施例中,所述历史数据至少包括:医学书籍、医学文献、疾病指南和临床实验。图3示出该步骤中历史数据来源的比例的示意图,如图3所示,在现有阶段,医学书籍和医学文献仍占较大比重,可以根据这些已有的医学数据进行字段拆解,但是本实施例中会按照不同病种的分类进行字段拆解。
按照拆分出的字段属性可以分为:疾病通用字段、肿瘤通用字段、特殊疾病自有字段及定制层字段,根据医学文献、书籍及疾病指南对字段进行拆解,并按照属性进行划分,根据预设的结构化信息提取模型,将提取的医学信息以关系型结构进行存储。
对字段属性的分类介绍如下:
疾病通用字段:所有字段无疾病指向性(无指向性不等于指向任何疾病),任何疾病都可以有该字段,且字段的定义不变,例如患者基本信息中的出生日期、籍贯、ABO血型等,现病史中的阳性症状名称、阴性症状名称等。但是,例如“疾病首发年龄”,虽然所有的疾病都有首发年龄,但对于不同的病种并不相同,以“结直肠癌”来说,它对应的首发年龄就是结直肠癌首发年龄;而对于“胃癌”来说,它对应的首发年龄就是胃癌首发年龄,因此“首发年龄”这个字段的定义/含义/条件因病种的不同而发生了变化,不适合作为疾病通用字段。
肿瘤通用字段:是指面向所有与术语瘤相关的字段,但对哪一种瘤并无指向性。例如诊断中的肿瘤位置、临床分期、TNM分期等,物理检查的转移部位、是否复发等。特殊疾病自有字段:是指某个字段仅对于该病种,不面向同层其它疾病。例如,对于胃癌病种,Lauren分型和Gleason评分、白血病的CML分期、心力衰竭的NYHA分级等就是其特有的字段,就属于疾病自有字段。
定制层字段:是指当上述字段分类无法满足某些定制化需求时,增加一层定制层,需根据具体需求进行设定。
在本公开的一种示例性实施例中,初步以大概20个病种为例进行分析处理,选取逻辑为疾病发病率及药物研究需求,涉及肿瘤、传染性疾病、代谢性疾病等领域。
进行字段拆解过程中,需要根据历史数据进行医学信息分析。医学信息分析以定性和定量研究方法为手段,通过对文献信息和非文献信息的收集、整理、鉴别、评价、分析、综合等系列化加工过程,对字段进行归类,形成相关信息组合的表单,构建出能够适配该病种的核心疾病模型,包含表单、字段、值域、值域属性、数据来源等。其中的论文以CNKI和CMCI(中国生物医学期刊引文数据库)的部分数据为研究对象,以医学信息分析方法中的定量化方法为手段,以文献计量学为基本理论支撑,从有关医学信息相关的文献增长量、文献区域分布、文献期刊分布、关键词分析、学科领域分布等方面入手,宏观上把握当今医学信息分析方法的应用现状,把握其发展趋势,从而拆解出与本疾病最相关的信息。医学书籍则以内科学、实用外科学、临床肿瘤学等三十余部医学权威著作为基础,按照疾病的诊疗经过为思路,在病因学、诊断、治疗、检查等方面进行重点信息挖掘。为了使本实施例最终得到的疾病数据模型能够支持药物研究及科研研究,部分字段还可以来源于药品的临床实验及疾病诊疗指南。
在步骤S204中,根据拆解得到的字段进行结构化处理,形成结构化输出规则。
该步骤主要是对医学数据(以字段形式)中的自然语言进行结构化处理及相关医学术语体系的建立。首先通过诊断名称对纳入病人数据进行纳排,按不同疾病的代码进行区分;其次对已拆解的字段进行定级,分为三个等级。在相关字段词典建立过程中,对词的属性进行分类,增加了词汇的通用性及可复用性,相应术语体系建立。
图4示出步骤S204中根据拆解得到的字段进行结构化处理的流程图,包括以下步骤:
如图4所示,在步骤S402中,对拆解得到的字段中通过相同的字段名称直接对应相应的值域的字段,得到一级字段,即L1字段。检验中,各具体子项目名称对应的值与单位就是L1字段,如体重75KG,身高180CM。
如图4所示,在步骤S404中,从自然语言文本内容中提取得到二级字段。该步骤的过程可以为:结合术语的层级关系构建得到具有树状结构的医学术语体系;结合所述医学术语体系从自然语言文本内容中提取得到二级字段,即L2字段。可以从各检查、病理所见及结论中的信息等提取得到L2字段,如血型为B型。
如图4所示,在步骤S406中,根据所述一级字段和所述二级字段进行逻辑运算得到三级字段,即L3字段。该字段属于逻辑复杂字段类型,需要在L1字段与L2字段信息的基础上实现的字段类型。如:BMI可以为L3字段,BMI的计算依赖体重、身高的相关信息。如根据体重75KG,身高180CM计算得到BMI≈23.15。
其中L1字段不需要进行结构化处理,L2、L3字段需要结构化处理。
如图4所示,在步骤S408中,根据所述一级字段、所述二级字段和所述三级字段提取关键词生成术语词典。
该步骤具体可以为:根据所述术语词典进行医学逻辑关系分析,得到所述结构化输出规则。由于字段结构化首先需要对抽样数据进行分析,提取关键词建立支持该字段的术语词典,分析数据中的医学逻辑关系,最终形成相应的结构化输出规则。
在本公开的一种示例性实施例中,医学术语体系参考SNOMED CT的层级关系,同时借鉴MESH、ICD-9、ICD-10等术语标准构建体系,将身体结构、事件、临床发现等19个概念作为顶级节点,包括:明确的背景情况、身体结构、临床发现、环境或地理位置、事件、可观察实体、生物体、药物/生物制品、物理力、物理对象、操作、限定值、记录(人工)、YDY-CT模型组件、社会语境、特殊概念、标本、分期与量表、物质,每个顶级轴再分类细化组成多层子系统的树状结构。该树状结构通常为至少为两个层级以上的结构,以其中的身体结构作为顶级节点为例,则相应的树状结构可以包括三级节点:首先,顶级节点就是身体结构;其次,该顶级节点下包括呼吸系统、消化系统、运动系统、泌尿系统、生殖系统、内分泌系统、免疫系统、神经系统和循环系统九个二级节点;最后,以呼吸系统为例,在该二级节点下还包括:鼻、咽、喉、气管和各级支气管五个三级节点。其他顶级节点同样具有类似的树状结构,此处不再一一举例。
该树状结构可以按照临床实践需要,以医学实际的诊疗过程为指导进行概念梳理,最大限度的方便医学数据应用为原则,其中以发现\疾病与操作为最主要的两个概念轴,绝大多数的医学词汇收录此中。主要通过临床数据词语挖掘进行积累,不同概念间可以通过上下级的树状结构进行关联,同时概念间支持归一词、同义词等平行属性联系,使两个概念之间能够通过不同方式关联在一起,形成数量极丰富的语义描述,使临床信息及应用具有极大的灵活性。
在步骤S206中,根据所述结构化输出规则结合临床数据建立疾病数据模型。
该步骤从每个疾病的维度出发,针对每一种疾病,从该疾病权威医学组织发布的最新国内外诊疗指南、医学专业教材及国内外影响力高得研究论文中,总结出该疾病在临床诊疗过程中所涉及的所有医学信息,对每个信息对应的标准字段名称进行设置。在字段集合的基础上,同时又将其分为3患者人口学信息、疾病通用层和疾病非通用层3部分,最后汇总成一个完整的疾病数据模型。
在本公开的一种示例性实施例中,所述临床数据包括患者的基本信息、疾病通用数据和疾病非通用数据。
图5示出步骤S206中根据所述结构化输出规则结合临床数据建立疾病数据模型的流程图,包括以下步骤:
如图5所示,在步骤S502中,对患者的基本信息进行提取和整合,得到基本信息字段集合。该步骤主要模拟医院病历系统,对来院就诊患者的基本信息进行汇总,如:患者姓名、性别、年龄等。
如图5所示,在步骤S504中,对疾病通用数据进行提取和整合,得到通用字段集合。该步骤是从疾病维度出发,对所有疾病均适用的字段信息集合。包括主诉、现病史、家族史、既往史、婚育史、个人史、体格检查、专科检查。根据每部分内容,归纳出所对应的提取信息字段集合,如:从主诉中提取阳性检验检查名称、阳性症状体征以及持续时间等。
如图5所示,在步骤S506中,对疾病非通用数据别进行字段的提取和整合,得到非通用字段集合。
由于不同疾病在诊疗上存在较大差异,该步骤针对各个疾病的诊疗特点,将这些信息提取的字段集合归纳总结。
该步骤涉及疾病的诊断信息、检验信息、检查信息、病理分析信息、手术信息和非手术治疗信息。其中诊断信息主要是从疾病的诊断信息中所提取的医学信息,如:诊断名称、临床分型、患病缓急等;检验信息是针对该疾病临床诊疗上所需要做的检验项目,字段名称包括各检验子项目名称等;检查信息是针对该疾病,临床诊疗上所需要做的检查项目,如X线、B超、CT等,根据不同的检查项目以及检查所见与结论文本中,总结提取该疾病强相关的字段集合;病理分析信息是指针对病理报告内容,提取该疾病的病理相关信息,主要包括病理信息、免疫组化信息及基因检测信息;手术信息是指针对手术相关内容,提取该疾病手术过程相关的信息,如:手术部位、手术入路、手术术式等;非手术治疗信息是指总结该疾病的所有非手术治疗信息提取字段,包括普通疾病的药物治疗、肿瘤的化疗、放疗、介入治疗等,并根据不同的治疗,设置相应的信息提取字段。
如图5所示,在步骤S508中,根据所述结构化输出规则对所述基本信息字段集合、所述通用字段集合和所述非通用字段集合进行汇总,得到所述疾病数据模型。
根据本公开的建立数据模型方法,通过对疾病进行结构化处理生成结构化输出规则,再对临床数据按照该规则以关系型结构保存到数据库中,形成疾病数据模型,可以有效利用临床数据,实现数据间的互联互通,提升科研转化率。另一方面,该方法对不同疾病数据进行有效存储,并提取出重点字段进行结构化处理,实现数据的结构化关联存储;本公开进一步可以充分利用医疗数据,发挥医疗数据的最大价值。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图6是根据一示例性实施例示出的一种建立数据模型装置的框图。建立数据模型装置600包括:字段拆解模块601、结构化模块602和模型构建模块603。
其中,字段拆解模块601用于对历史数据按照不同病种的分类进行字段拆解;结构化模块602用于根据拆解得到的字段进行结构化处理,形成结构化输出规则;模型构建模块603用于根据所述结构化输出规则结合临床数据建立疾病数据模型。
在本公开的一种示例性实施例中,图7示出结构化模块602的框图,如图7所示,包括:字段分级模块6021,用于对拆解得到的字段中通过相同的字段名称直接对应相应的值域的字段,得到一级字段,从自然语言文本内容中提取得到二级字段,根据所述一级字段和所述二级字段进行逻辑运算得到三级字段;词典生成模块6022,用于根据所述一级字段、所述二级字段和所述三级字段提取关键词生成术语词典。
在本公开的一种示例性实施例中,图8示出模型构建模块603的框图,如图8所示,包括:患者人口学信息模块6031,用于对患者的基本信息进行提取和整合,得到基本信息字段集合;疾病通用层模块6032,用于对疾病通用数据进行提取和整合,得到通用字段集合;疾病非通用层模块6033,用于对疾病非通用数据别进行字段的提取和整合,得到非通用字段集合;汇总模块6034,用于根据所述结构化输出规则对所述基本信息字段集合、所述通用字段集合和所述非通用字段集合进行汇总,得到所述疾病数据模型。
在本公开的一种示例性实施例中,疾病非通用层模块6033还进一步包括诊断模块、检验模块、检查模块、病理信息模块、手术信息模块、治疗模块。
诊断模块:主要从疾病的诊断信息中所提取的医学信息,如:诊断名称、临床分型、患病缓急等。
检验模块:是针对该疾病,临床诊疗上所需要做的检验项目,字段名称包括各检验子项目名称等。
检查模块:是针对该疾病,临床诊疗上所需要做的检查项目,如X线、B超、CT等,根据不同的检查项目以及检查所见与结论文本中,总结提取该疾病强相关的字段集合。
病理模块:针对病理报告内容,提取该疾病的病理相关信息,主要包括病理信息、免疫组化信息及基因检测信息。
手术模块:针对手术相关内容,提取该疾病手术过程相关的信息,如:手术部位、手术入路、手术术式等。
非手术治疗模块:总结该疾病的所有非手术治疗信息提取字段,包括普通疾病的药物治疗、肿瘤的化疗、放疗、介入治疗等,并根据不同的治疗,设置相应的信息提取字段。
上述诊断模块、检验模块、检查模块、病理信息模块、手术信息模块、治疗模块的每个模块中由主模块、子模块、数据元、数据类型、值域、数据来源组成,呈树状结构展示。每个主模块可以通过过滤条件进行分类,从而包含多个子模块,例如主模块为“检查”(即检查主模块),通过不同过滤条件“X线检查”、“超声检查”,对应子模块分别为“X线检查(X)”和“超声检查(US)”,即X线检查(X)子模块和超声检查(US)子模块;数据元对应的就是拆解出来的医学字段,将字段集合可以分为3个等级,即L1、L2及L3字段,具体介绍如下:
L1字段:是通过相同的字段名称直接对应相应的值域的字段类型。主要通过标准词表的直接映射,如:检验中,各具体子项目名称对应的值与单位,对于多样化的值域及单位类型,可以在后续进行归一标准化处理。L2字段:是通过结构化处理技术,从复杂自然语言文本内容中提取信息的字段类型,如:各检查、病理所见及结论中的信息提取等。主要依赖医学术语体系及大量数据的标注及分析所建立的规则库加以实现。L3字段:属于逻辑复杂字段类型。需要在L1与L2字段信息的基础上实现的字段类型,如:BMI的计算依赖体重、身高的相关信息。
根据本公开的建立数据模型装置,通过对疾病进行结构化处理生成结构化输出规则,再对临床数据按照该规则以关系型结构保存到数据库中,形成疾病数据模型,可以有效利用临床数据,实现数据间的互联互通,提升科研转化率。另一方面,该方法对不同疾病数据进行有效存储,并提取出重点字段进行结构化处理,实现数据的结构化关联存储。
图9是根据另一示例性实施例示出的一种临床辅助决策方法的流程图。建立数据模型方法至少包括步骤S902至S908,该方法在上述构建疾病数据模型的基础上进一步对该模型进行应用。
如图9所示,在步骤S902中,对历史数据按照不同病种的分类进行字段拆解。
如图9所示,在步骤S904中,根据拆解得到的字段进行结构化处理,形成结构化输出规则。
如图9所示,在步骤S906中,根据所述结构化输出规则结合临床数据建立疾病数据模型。
如图9所示,在步骤S908中,结合临床检验结果和所述疾病数据模型,得到决策结果。
其中步骤S902~S906的具体介绍参照上述实施例对步骤S202~S206的介绍,此处不再赘述。
在本公开的一种示例性实施例中,步骤S908中可以把临床中对患者的检验结果输入到具有结构化输出规则的疾病数据模型中,即可生成与该检验结果相对应的决策结果。
例如,该方法对于疾病诊治、治疗方案确定、流行病预测、医学研究和药物副作用分析等方面有重要意义,具体表现为:推进了临床诊疗规范监控,建立临床辅助决策系统,精准医疗将大数据研究的成果转化为有价值的医疗知识,例如,当患者检验结果为钾离子过高,机器在获知该检验结果后给出决策推荐,即推荐10%葡萄糖酸钙10ml,医生可一键确认并通知护士站配药,不仅可提升医疗自动化进程,同时减少意外风险发生率,对于医疗疾病的研究和探索意义重大,而且形成统一的业内规范也具有一定推动作用。
根据本公开的临床辅助决策方法,可以提升历史数据在医疗诊断中的应用转化率,不仅可提升医疗自动化进程,同时减少意外风险发生率,对于医疗疾病的研究和探索意义重大,而且形成统一的业内规范也具有一定推动作用。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
相应的,图10是根据一示例性实施例示出的一种临床辅助决策装置的框图。临床辅助决策装置1000包括:字段拆解模块1001、结构化模块1002、模型构建模块1003和决策模块1004。
其中,字段拆解模块1001用于对历史数据按照不同病种的分类进行字段拆解;结构化模块1002用于根据拆解得到的字段进行结构化处理,形成结构化输出规则;模型构建模块1003用于根据所述结构化输出规则结合临床数据建立疾病数据模型;决策模块1004用于结合临床检验结果和所述疾病数据模型。
其中对字段拆解模块1001、结构化模块1002、模型构建模块1003的介绍参照上述实施例对字段拆解模块601、结构化模块602、模型构建模块603的介绍,此处不再赘述。
根据本公开的临床辅助决策装置,可以提升历史数据在医疗诊断中的应用转化率,不仅可提升医疗自动化进程,同时减少意外风险发生率,对于医疗疾病的研究和探索意义重大,而且形成统一的业内规范也具有一定推动作用。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
图11是根据一示例性实施例示出的一种电子设备的框图。
下面参照图11来描述根据本公开的这种实施方式的电子设备200。图11显示的电子设备200仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图2、图4、图5和图9中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图12示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图12所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:通过私有云获取新增数据;根据所述公有云存储的策略原始词、所述新增数据进行运算,且每完成一次策略生成得到一个版本的词典;将得到的多个版本的词典发送给所述私有云,以便所述私有云根据所述多个版本的词典完成策略生效;启动数据聚合任务,以使所述私有云对策略生效的数据进行聚合。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本公开可实施的范畴。
Claims (10)
1.一种建立数据模型方法,其特征在于,包括:
对历史数据按照不同病种的分类进行字段拆解;
根据拆解得到的字段进行结构化处理,形成结构化输出规则;
根据所述结构化输出规则结合临床数据建立疾病数据模型。
2.如权利要求1所述的建立数据模型方法,其特征在于,根据拆解得到的字段进行结构化处理包括:
对拆解得到的字段中通过相同的字段名称直接对应相应的值域的字段,得到一级字段;
从自然语言文本内容中提取得到二级字段;
根据所述一级字段和所述二级字段进行逻辑运算得到三级字段;
根据所述一级字段、所述二级字段和所述三级字段提取关键词生成术语词典。
3.如权利要求2所述的建立数据模型方法,其特征在于,从自然语言文本内容中提取得到二级字段包括:
结合术语的层级关系构建得到具有树状结构的医学术语体系;
结合所述医学术语体系从自然语言文本内容中提取得到二级字段。
4.如权利要求3所述的建立数据模型方法,其特征在于,根据拆解得到的字段进行结构化处理,形成结构化输出规则包括:
根据所述术语词典进行医学逻辑关系分析,得到所述结构化输出规则。
5.如权利要求1所述的建立数据模型方法,其特征在于,所述临床数据包括患者的基本信息、疾病通用数据和疾病非通用数据,根据所述结构化输出规则结合临床数据建立疾病数据模型包括:
对患者的基本信息进行提取和整合,得到基本信息字段集合;
对疾病通用数据进行提取和整合,得到通用字段集合;
对疾病非通用数据别进行字段的提取和整合,得到非通用字段集合;
根据所述结构化输出规则对所述基本信息字段集合、所述通用字段集合和所述非通用字段集合进行汇总,得到所述疾病数据模型。
6.一种建立数据模型装置,其特征在于,包括:
字段拆解模块,用于对历史数据按照不同病种的分类进行字段拆解;
结构化模块,用于根据拆解得到的字段进行结构化处理,形成结构化输出规则;
模型构建模块,用于根据所述结构化输出规则结合临床数据建立疾病数据模型。
7.一种临床辅助决策方法,其特征在于,包括:
对历史数据按照不同病种的分类进行字段拆解;
根据拆解得到的字段进行结构化处理,形成结构化输出规则;
根据所述结构化输出规则结合临床数据建立疾病数据模型;
结合临床检验结果和所述疾病数据模型,得到决策结果。
8.一种临床辅助决策装置,其特征在于,包括:
字段拆解模块,用于对历史数据按照不同病种的分类进行字段拆解;
结构化模块,用于根据拆解得到的字段进行结构化处理,形成结构化输出规则;
模型构建模块,用于根据所述结构化输出规则结合临床数据建立疾病数据模型;
决策模块,用于结合临床检验结果和所述疾病数据模型,得到决策结果。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5或7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5或7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811331490.8A CN109448841A (zh) | 2018-11-09 | 2018-11-09 | 建立数据模型方法及装置、临床辅助决策方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811331490.8A CN109448841A (zh) | 2018-11-09 | 2018-11-09 | 建立数据模型方法及装置、临床辅助决策方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109448841A true CN109448841A (zh) | 2019-03-08 |
Family
ID=65552231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811331490.8A Pending CN109448841A (zh) | 2018-11-09 | 2018-11-09 | 建立数据模型方法及装置、临床辅助决策方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109448841A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349424A (zh) * | 2020-11-06 | 2021-02-09 | 中国人民解放军总医院 | 心衰组学数据整合分析平台的构建方法、存储介质及系统 |
CN112800283A (zh) * | 2021-01-29 | 2021-05-14 | 重庆恒真维实医药科技有限公司 | 一种基于药代动力学的医学数据库的建立方法 |
CN112860842A (zh) * | 2021-03-05 | 2021-05-28 | 联仁健康医疗大数据科技股份有限公司 | 病历标注方法、装置及存储介质 |
CN113053479A (zh) * | 2019-12-27 | 2021-06-29 | 天津幸福生命科技有限公司 | 医学数据处理方法、装置、介质及电子设备 |
CN113284628A (zh) * | 2021-06-02 | 2021-08-20 | 山东健康医疗大数据有限公司 | 一种实现医疗机构检查字典数据标准化的方法 |
CN113488182A (zh) * | 2021-05-25 | 2021-10-08 | 北京大学 | 多源异构医疗化验检查数据处理方法、装置、设备和介质 |
WO2023031974A1 (en) * | 2021-09-06 | 2023-03-09 | Desai Ankush | System and method to identify disease etiology using two stage disease identification process |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897568A (zh) * | 2017-02-28 | 2017-06-27 | 北京大数医达科技有限公司 | 病历结构化的处理方法和装置 |
CN107145511A (zh) * | 2017-03-31 | 2017-09-08 | 上海森亿医疗科技有限公司 | 基于医学文本信息的结构化医学数据库生成方法及系统 |
WO2018026407A1 (en) * | 2016-08-05 | 2018-02-08 | Rush University Medical Center | Algorithm, data pipeline, and method to detect inaccuracies in comorbidity documentation |
-
2018
- 2018-11-09 CN CN201811331490.8A patent/CN109448841A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018026407A1 (en) * | 2016-08-05 | 2018-02-08 | Rush University Medical Center | Algorithm, data pipeline, and method to detect inaccuracies in comorbidity documentation |
CN106897568A (zh) * | 2017-02-28 | 2017-06-27 | 北京大数医达科技有限公司 | 病历结构化的处理方法和装置 |
CN107145511A (zh) * | 2017-03-31 | 2017-09-08 | 上海森亿医疗科技有限公司 | 基于医学文本信息的结构化医学数据库生成方法及系统 |
Non-Patent Citations (1)
Title |
---|
王梦婕: "基于远程监督与语法规则的症状识别方法研究", 《华东理工大学工程硕士学位论文》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113053479A (zh) * | 2019-12-27 | 2021-06-29 | 天津幸福生命科技有限公司 | 医学数据处理方法、装置、介质及电子设备 |
CN112349424A (zh) * | 2020-11-06 | 2021-02-09 | 中国人民解放军总医院 | 心衰组学数据整合分析平台的构建方法、存储介质及系统 |
CN112800283A (zh) * | 2021-01-29 | 2021-05-14 | 重庆恒真维实医药科技有限公司 | 一种基于药代动力学的医学数据库的建立方法 |
CN112800283B (zh) * | 2021-01-29 | 2023-03-14 | 重庆恒真维实医药科技有限公司 | 一种基于药代动力学的医学数据库的建立方法 |
CN112860842A (zh) * | 2021-03-05 | 2021-05-28 | 联仁健康医疗大数据科技股份有限公司 | 病历标注方法、装置及存储介质 |
CN113488182A (zh) * | 2021-05-25 | 2021-10-08 | 北京大学 | 多源异构医疗化验检查数据处理方法、装置、设备和介质 |
CN113284628A (zh) * | 2021-06-02 | 2021-08-20 | 山东健康医疗大数据有限公司 | 一种实现医疗机构检查字典数据标准化的方法 |
WO2023031974A1 (en) * | 2021-09-06 | 2023-03-09 | Desai Ankush | System and method to identify disease etiology using two stage disease identification process |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Subrahmanya et al. | The role of data science in healthcare advancements: applications, benefits, and future prospects | |
Ali et al. | A systematic literature review of artificial intelligence in the healthcare sector: Benefits, challenges, methodologies, and functionalities | |
Ngiam et al. | Big data and machine learning algorithms for health-care delivery | |
Tresp et al. | Going digital: a survey on digitalization and large-scale data analytics in healthcare | |
CN109448841A (zh) | 建立数据模型方法及装置、临床辅助决策方法及装置 | |
Dimitrov | Medical internet of things and big data in healthcare | |
Vyas et al. | Integration of artificial intelligence and blockchain technology in healthcare and agriculture | |
EP2761577B1 (en) | Method for generating healthcare-related validated prediction models from multiple sources | |
CN113366580A (zh) | 使用分布式学习平台促进将人工智能集成到系统中 | |
CN110709938A (zh) | 用于生成患者数字孪生的方法和系统 | |
CN109785927A (zh) | 基于互联网一体化医疗平台的临床文档结构化处理方法 | |
US20210057106A1 (en) | System and Method for Digital Therapeutics Implementing a Digital Deep Layer Patient Profile | |
Beck et al. | Knowledge engineering for health: a new discipline required to bridge the “ICT gap” between research and healthcare | |
Morozov et al. | Clinical acceptance of software based on artificial intelligence technologies (radiology) | |
CN109427420A (zh) | 诊断有效性工具 | |
Mayo et al. | How can we effect culture change toward data-driven medicine? | |
Tachkov et al. | Barriers to use artificial intelligence methodologies in health technology assessment in central and east European countries | |
Thangam et al. | Relevance of Artificial Intelligence in Modern Healthcare | |
Gao et al. | Documentation of patient problems and strengths in electronic health records | |
Kumar et al. | Review paper on Big Data in healthcare informatics | |
Delnevo et al. | Modeling patients' online medical conversations: a granger causality approach | |
Donfack Guefack et al. | Ontology driven decision support systems for medical diagnosis-an interactive form for consultation in patients with plasma cell disease | |
Xu et al. | Preparing for the AI Era Under the Digital Health Framework | |
Shvetsova et al. | Artificial Intelligence Application for Healthcare Industry: Cases of Developed and Emerging Markets | |
Guefack et al. | Ontology driven decision support systems for medical diagnosis |
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 |