CN109473153A - 医疗数据的处理方法、装置、介质及电子设备 - Google Patents
医疗数据的处理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN109473153A CN109473153A CN201811279804.4A CN201811279804A CN109473153A CN 109473153 A CN109473153 A CN 109473153A CN 201811279804 A CN201811279804 A CN 201811279804A CN 109473153 A CN109473153 A CN 109473153A
- Authority
- CN
- China
- Prior art keywords
- medical
- disease
- decision making
- current patents
- information
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 201000010099 disease Diseases 0.000 claims abstract description 140
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 140
- 230000001225 therapeutic effect Effects 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000011282 treatment Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 21
- 206010009944 Colon cancer Diseases 0.000 description 14
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 13
- 206010028980 Neoplasm Diseases 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 210000001165 lymph node Anatomy 0.000 description 10
- GAGWJHPBXLXJQN-UORFTKCHSA-N Capecitabine Chemical compound C1=C(F)C(NC(=O)OCCCCC)=NC(=O)N1[C@H]1[C@H](O)[C@H](O)[C@@H](C)O1 GAGWJHPBXLXJQN-UORFTKCHSA-N 0.000 description 6
- GAGWJHPBXLXJQN-UHFFFAOYSA-N Capecitabine Natural products C1=C(F)C(NC(=O)OCCCCC)=NC(=O)N1C1C(O)C(O)C(C)O1 GAGWJHPBXLXJQN-UHFFFAOYSA-N 0.000 description 6
- 229960004117 capecitabine Drugs 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000001990 intravenous administration Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 230000006854 communication Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001802 infusion Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 201000008197 Laryngitis Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- DWAFYCQODLXJNR-BNTLRKBRSA-L oxaliplatin Chemical compound O1C(=O)C(=O)O[Pt]11N[C@@H]2CCCC[C@H]2N1 DWAFYCQODLXJNR-BNTLRKBRSA-L 0.000 description 2
- 229960001756 oxaliplatin Drugs 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 208000007433 Lymphatic Metastasis Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000015634 Rectal Neoplasms Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 208000029742 colonic neoplasm Diseases 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000867 larynx Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 206010038038 rectal cancer Diseases 0.000 description 1
- 201000001275 rectum cancer Diseases 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
- 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
-
- 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)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例提供了一种医疗数据的处理方法、医疗数据的处理装置、计算机可读介质及电子设备,该方法包括:根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。通过本发明实施例的技术方案确定的对当前患者的医疗决策信息,即确定对当前患者的诊断与诊疗方案,同时考虑到医学经验和临床病历两方面因素,从而,有利于提高基于医疗数据的管理和分析结果实用性,进而,使获取到的对疾病治疗的医疗决策信息满足临床使用的需要。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种医疗数据的处理方法、医疗数据的处理装置、计算机可读介质及电子设备。
背景技术
医疗领域中源源不断地产生大量的诊断数据和治疗数据(可以将诊断数据和治疗数据统称为:医疗数据),例如:患者的病历、对患者的病例的分析、患者疾病的治疗方案等。一般将医疗数据信息化来实现对医疗数据的管理与分析。示例性的,临床决策支持系统(Clinical Decision Support System,简称:CDSS)是医疗信息化领域的一个重要发展分支。基于医疗信息化的发展,已经逐渐演化出应用于临床不同场景,以及服务于不同层级医生的CDSS类型产品,并在医疗市场内进行了推广和广泛使用。
其中,基于医疗数据的管理和分析可以包括:基于医学知识库的查询类和基于医学知识规则的推荐审核类。一般情况下,前者主要用于解决临床医生在遇到不熟悉的临床问题时进行知识检索的碎片化场景,后者主要用于结合生产系统进行医疗行为的审核和推荐。
然而,无论是基于医学知识库的查询类,还是基于医学知识规则的推荐审核类,都与真实临床场景存在偏差。因此,现有技术提供的医疗数据处理方法中,基于医疗数据的管理和分析结果实用性差,无法真正满足临床使用的需要。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此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
本发明实施例的目的在于提供一种医疗数据的处理方法、医疗数据的处理装置、计算机可读介质及电子设备,进而至少在一定程度上克服了现有技术提供的医疗数据处理方法中,基于医疗数据的管理和分析结果实用性有待提高以满足临床使用的问题。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面,提供了一种医疗数据的处理方法,包括:
根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;
根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;
将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
在本发明的一种实施例中,基于前述方案,根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案,包括:
获取自然语言的多个第一医疗决策规范,并将所述多个第一医疗决策规范转换为机器可识别的多个第二医疗决策规范,以确定医疗决策规范库,所述第一医疗决策规范为根据医学经验确定的疾病治疗方案;
在所述医疗决策规范库中确定对应于所述当前患者的第二医疗决策规范作为目标医疗决策规范;
基于所述目标医疗决策规范,获取所述当前患者的病情参数以及推荐治疗方案。
在本发明的一种实施例中,基于前述方案,基于所述目标医疗决策规范,获取所述当前患者的病情参数,包括:
根据所述目标医疗决策规范中的病情发展历程信息设置引导规则,所述引导规则用于引导用户输入所述当前患者的病情发展历程信息,所述病情发展历程信息包括病情发展的各个阶段;
基于所述引导规则,根据获取到的所述当前患者的病情发展历程第一参数推送提示信息,以用于引导所述用户输入所述当前患者的病情发展第二参数,从而获取所述当前患者的病情参数。
在本发明的一种实施例中,基于前述方案,基于所述目标医疗决策规范,获取所述当前患者的病情参数以及推荐治疗方案,包括:
根据获取到的当前患者的病情发展历程信息确定所述当前患者的目标病况;
基于所述目标医疗决策规范包含不同病况以及所述不同病况对应的推荐治疗方案,根据所述目标病况推送推荐治疗方案。
在本发明的一种实施例中,基于前述方案,获取所述当前患者的病情参数,包括:
将疾病关键词结构化为疾病确切信息字段,所述疾病确切信息字段用于确定病情发展历程信息;
根据获取到的关于当前患者的信息中实时提取目标疾病关键词,并获取所述目标疾病关键词对应的至少一个确切信息字段,以供所述用户从所述至少一个确切信息字段选择;
接收并存储所述用户的选择结果,以获取所述当前患者的病情参数。
在本发明的一种实施例中,基于前述方案,在根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息之前,还包括:
将对应于每一历史患者的病历信息结构化,形成病历库,所述病历信息包括历史患者的病情参数以及所述历史患者的治疗方案。
在本发明的一种实施例中,基于前述方案,根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息,包括:
根据所述当前患者的病情参数提取目标疾病关键词;
根据所述当前患者的目标疾病关键词与所述病历库中每一个历史患者的病历信息进行匹配,确定与每个历史患者的病历信息相似度;
将相似度满足预设值的历史患者的病历信息作为目标病历信息。
根据本发明实施例的第二方面,提供了一种医疗数据的处理装置,包括:
推荐治疗方案确定模块,用于根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;
目标病历信息确定模块,用于根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;
医疗决策信息确定模块,用于将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
根据本发明实施例的第三方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例第一方面中所述的医疗数据的处理方法。
根据本发明实施例的第四方面,提供一种电子设备,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,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例第一方面所述的医疗数据的处理方法。
本发明实施例提供的技术方案可以包括以下有益效果:
在本发明的一些实施例中,获取当前患者的病情参数,一方面根据病情参数以及医学经验确定对针对上述疾病的推荐治疗方案,另一方面,根据当前患者的病情参数,在历史患者的病历信息中匹配以确定与上述疾病相关的目标病历信息。进而,将推荐治疗方案和目标病历信息作为对上述当前患者的疾病进行治疗的医疗决策信息。本发明实施例提供的技术方案中,对当前患者疾病的医疗决策信息兼顾根据医学经验得到的推荐治疗方案和由历史患者的临床病例得到的目标病历信息,从而,获取针对当前患者的疾病治疗的医疗决策信息时,同时可以考虑到医学经验和临床病历两方面因素,有利于提高基于医疗数据的管理和分析结果实用性,使通过本技术方案确定的对疾病治疗的医疗决策信息满足临床使用的需要。
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和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。在附图中:
图1示出了根据本发明的实施例的医疗数据的处理方法的流程示意图;
图2示出了根据本发明的实施例的推荐治疗方案的确定方法的流程示意图;
图3示出了根据本发明的实施例的病情参数的获取方法的流程示意图;
图4示出了根据本发明的另一实施例的病情参数的获取方法的流程示意图;
图5示出了根据本发明的实施例的推荐治疗方式的获取方法的流程示意图;
图6示出了根据本发明的实施例的病情参数的获取方法的流程示意图;
图7示出了根据本发明的实施例的目标病历信息的确定方法的流程示意图;
图8示出了根据本发明的实施例的医疗数据的处理装置的结构示意图;
图9示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
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发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明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发明的各方面。
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。
现有技术提供的医疗数据处理方法中,对于基于医学知识库查询类应用在真实的临床场景中时,由于缺乏与医院信息化系统的深度拟合,仅能对临床场景起到一个起到补充和解决特殊问题的作用,而无法从整体上提升治疗效率或治疗质量。对于基于医学知识规则的推荐审核类应用在真实的临床场景中时,则会出现以有限的医学数据规则去覆盖无限的临床个性化状况,从而往往出现得出的推荐审核结果与实际情况下医生的认知存在很大差异的问题。综上可见,现有技术提供的医疗数据处理方法中,基于医疗数据的管理和分析结果实用性差,无法真正满足临床使用的需要。
图1示出了根据本发明的实施例的医疗数据的处理方法的流程示意图。本实施例提供的医疗数据的处理方法,至少在一定程度上克服现有技术中存在的上述问题。其中,本实施例提供的医疗数据的处理方法的执行主体可以是具有计算处理功能的设备,比如服务器等。
参考图1,本实施例提供的医疗数据的处理方法包括:
步骤S101,根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;
步骤S102,根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;
步骤S103,将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
其中,上述医疗决策信息包括诊断过程中产生的数据以及根据诊断结果确定的治疗方案。
在图1所示实施例的技术方案中,获取当前患者的病情参数。其中,病情参数可以用于表征患者病情发展情况。一方面根据病情参数以及医学经验确定对针对上述疾病的推荐治疗方案,另一方面,根据当前患者的病情参数,在历史患者的病历信息中匹配以确定与上述疾病相关的目标病历信息。进而,将推荐治疗方案和目标病历信息作为对上述当前患者的疾病的医疗决策信息。本发明实施例提供的技术方案中,对当前患者疾病的医疗决策信息兼顾根据医学经验得到的推荐治疗方案和由历史患者的临床病例得到的目标病历信息,从而,获取针对当前患者的疾病的医疗决策信息时,同时可以考虑到医学经验和临床病历两方面因素,有利于提高基于医疗数据的管理和分析结果实用性,使通过本技术方案确定的对疾病的医疗决策信息满足临床使用的需要。
图1所示实施例提供的基于治疗数据的处理方法适用于对结直肠癌的治疗,且以下各个实施例均可以适用于当前患者的疾病为结直肠癌的情况。
以下对图1中所示的各个步骤的实现细节进行详细阐述:
在示例性的实施例中,在步骤S101中基于医学经验以及当前患者的病情参数为当前患者确定推荐治疗方案。其中,医学经验可以是一系列的疾病治疗方案,例如,根据医学经验对结直肠癌的治疗方案。病情参数可以包括患者的病情发展状况以及患者的当前的身体素质,例如,对于肿瘤患者,其病情发展阶段可以通过TNM(Tumor Node Metastasis,肿瘤淋巴结转移)分期进行判断,而患者当前的身体素质可以根据是否属于老弱病残等条件进行判断。
示例性的,对于结直肠癌患者A,其病情参数为:存在区域淋巴结受累(即淋巴结发现肿瘤)、年龄超过70周岁,则根据医学经验确定的推荐治疗方案为:卡培他滨或者5-FU/LV(其中,“卡培他滨”对应的具体治疗方案为:卡培他滨1250mg/m2/次,每日2次口服,第1-14天;每3周重复,共24周;“5-FU/LV”对应的具体治疗方案为:LV 400mg/m2静脉滴注2小时,第1天;随后5-FU 400mg/m2/天*2天持续静脉输注(总量2400mg/m2,输注46-48小时);每2周重复,共24 周)。
在示例性的实施例中,图2示出了根据本发明的实施例的推荐治疗方案的确定方法的流程示意图,可以用于对上述步骤S101的具体实现方式进行具体解释。具体是将基于医学经验的医疗决策规范集合组成医疗决策规范库,然后,在医疗决策规范库中确定对应于当前患者的目标医疗决策规范。
参考图2,本实施例提供的推荐治疗方案的确定方法,包括步骤 S201-步骤S203。
在步骤S201中,获取自然语言的多个第一医疗决策规范,并将所述多个第一医疗决策规范转换为机器可识别的多个第二医疗决策规范,以确定医疗决策规范库,所述第一医疗决策规范为根据医学经验确定的疾病治疗方案。
示例性的,医疗决策规范为根据医学经验总结的疾病治疗方案,具体包括病情发展历程信息的判断以及根据病情参数确定对应的疾病治疗方案。将各种疾病的医疗决策规范集合组成医疗决策规范库,以为不同疾病患者治疗查询提供推荐治疗方案。其中,一般情况下,医生为了便于读写,各种原始的治疗方案是使用自然语言编写的。然而,为了提高查询效率,需将自然语言的第一医疗决策规范经过格式转换为机器可识别的第二医疗决策规范。
示例性的,将多个第一医疗决策规范中的自然语言转换为可编译语言(C/C++语言等),形成多个中间医疗决策规范。进一步地,将所述多个中间医疗决策规范中的可编译语言转化为目标格式的机器可识别的语言,形成多个第二医疗决策规范。例如:医院信息化数据为 JavaScript对象简谱(JavaScript Object Notation,简称:JSON)格式,为了提高对医疗数据的处理效率,第二医疗决策规范可以是JSON格式。
继续参考图2,在步骤S202中,在所述医疗决策规范库中确定对应于所述当前患者的第二医疗决策规范作为目标医疗决策规范。
示例性的,结直肠癌患者B,则在医疗决策规范库中获取治疗结直肠癌的医疗决策规范为患者B的目标医疗决策规范。
在步骤S203中,基于所述目标医疗决策规范,获取所述当前患者的病情参数以及推荐治疗方案。
示例性的,每种医疗决策规范对应一种疾病,如实施例中目标医疗决策规范对应于结直肠癌。同时,每种医疗决策规范根据对应疾病的不同病况对应不同的治疗方案。例如,对于同一种疾病的TNM分期中的不同时期,医疗决策规范提供不同的治疗方案。
例如,对于结直肠癌患者B,其肿瘤原发灶的情况可得肿瘤体积以及邻近组织受累范围达到TNM分期中的T4,进一步判断患者B的年龄未超过70周岁,则获取患者B的目标医疗决策规范包括:推荐方案:CapeOX或者mFOLFOC6;可选方案:卡培他滨或者5-FU/LV。虽然患者A和患者B均为结直肠癌患者,但是对于不同的病况,结直肠癌对应的医疗决策规范提供不同的治疗方案。其中,“卡培他滨”、“5-FU/LV”对应的具体治疗方案同上述实施例。“mFOLFOC6”对应的具体治疗方案为:奥沙利铂85mg/m2静脉输注2小时,第1天; LV 400mg/m2静脉滴注2小时,第1天;5-FU 400mg/m2静脉输注,第 1天,然后1200mg/m2/天*2天持续静脉输注(总量2400mg/m2,输注 46-48小时);每2周重复,共24周。
示例性的,图3示出了根据本发明的实施例的病情参数的获取方法的流程示意图,参考图3,本实施例提供的基于医疗决策规范获取病情参数的方法,包括步骤S301和步骤S302。
以下结合图3对上述步骤S203的具体实现方式进行具体解释:
在步骤S301中,根据所述目标医疗决策规范中的病情发展历程信息设置引导规则,所述引导规则用于引导用户输入所述当前患者的病情发展历程信息,所述病情发展历程信息包括病情发展的各个阶段。
示例性的,上述目标医疗决策规范为根据医学经验确定的用于治疗结直肠癌的方案,则目标医疗决策规范中的病情发展历程信息包括:肿瘤原发灶期、淋巴结受累期和远处转移期(即TNM分期)。
示例性的引导规则可以参考图4,在步骤S41中判断当前患者的病情参数是否处于N0期,即区域淋巴结是否受累。若区域淋巴结受累,则执行步骤S44,若区域淋巴结未受累,则执行步骤S42。
在步骤S42中判断当前患者的病情参数T期中的哪一阶段(T1- T4),若处于T1或T2阶段,则说明当前患者的肿瘤原发灶范围较小;若处于T3阶段,说明当前患者的肿瘤原发灶范围大,则进一步执行步骤S43,在步骤S43中判断当前患者是否存在其他危险因素(例如是否存在其他疾病等);若处于T4阶段,说明当前患者的肿瘤原发灶范围更大,须执行步骤S44,在步骤S44中判断当前患者的年龄是否超过70周岁。
在步骤S302中,基于所述引导规则,根据获取到的所述当前患者的病情发展历程第一参数推送提示信息,以用于引导所述用户输入所述当前患者的病情发展第二参数,从而获取所述当前患者的病情参数。
示例性的参考图4,根据获取到的所述当前患者的病情发展历程第一参数推送提示信息以用于引导所述用户输入所述当前患者的病情发展第二参数,的具体实现方式可以是:当获取到当前患者区域淋巴结未受累,则显示步骤S42的内容(如:显示提示语:“请选择您当前处于T 分期的哪个阶段?”,并将T1、T2、T3、T4分别以可选择按钮的形式进行显示)。其中,“当前患者的病情发展历程第一参数”为“当前患者区域淋巴结未受累”;“提示信息”即为上述“提示语”。当用户 (即当前患者的病情发展历程信息的录入者,例如:当前患者的主治医生等)根据上述提示语选择其中的T3阶段后(其中,在“当前患者的病情发展历程第一参数”为“当前患者区域淋巴结未受累”的情况下,“当前患者的病情发展第二参数”为“T3阶段”),进一步地提示用户执行步骤S43(如:显示提示语:“请选择您当前是否存在其他危险因素?”并将“是”、“否”分别以可选择按钮的形式进行显示)。本实施例提供的人机交互方式可以引导用户准确快速的完成当前患者的病情参数的录入,进而有利于准确而快速地为当前患者提供治疗其疾病的医疗决策信息。
示例性的,图5示出了根据本发明的实施例的推荐治疗方式的获取方法的流程示意图,参考图5,本实施例提供的基于医疗决策规范获取推荐治疗方式的方法,包括步骤S501和步骤S502。
以下结合图5对上述步骤S203的具体实现方式进行进一步解释:
在步骤S501中,根据获取到的当前患者的病情发展历程信息确定所述当前患者的目标病况。
示例性的,根据当前患者的病情发展历程信息确定当前患者的病况。以上述图3和图4所示技术方案为例,根据当前患者(患者C)的病情信息获取到患者C的病情发展历程信息为:区域淋巴结受累、年龄超过70周岁,则可以跟患者C的关于病情发展的各个阶段信息属于一种病况。根据另一患者(患者D)的病情信息获取到患者D的病情发展历程信息为:区域淋巴结未受累、具体处于T分期的T1/T2阶段,则可以确定患者D的关于病情发展的各个阶段信息属于另一种病况。
在步骤S502中,基于所述目标医疗决策规范包含不同病况以及所述不同病况对应的推荐治疗方案,根据所述目标病况推送推荐治疗方案。
仍以上述图3和图4所示技术方案为例,对于上述患者C的病况,参考图4可以确定其病况对应的推荐治疗方式包括:“推荐方案 3…、推荐方案4…”,以及,“可选方案1…、可选方案2…”。对于上述患者D的病况,参考图4可以确定其病况对应的推荐治疗方式包括:“观察”。即通过对患者D的病情发展进一步进行观察来确定治疗方案。
根据图3至图5所示实施例提供的技术方案,能够根据目标医疗决策规范获取到当前患者的病情参数,且根据患者不同的病情参数确定不同的病况,以进一步地根据病况有针对性的为当前患者提供推荐治疗方案。
在示例性的实施例中,图6示出了根据本发明的实施例的病情参数的获取方法的流程示意图,参考图6,本实施例提供的病情参数的获取方法,包括步骤S601-步骤S603。
根据图3或图4示出的实施例可以看出,为了给当前患者确定推荐治疗方案,则需获取当前患者的关于病情发展历程信息,即病情发展的各个阶段。但是由于关于病情发展历程信息往往比较专业和细化,几乎无法在医生为患者建立的病历中直接被提取到关于病情发展历程信息。为了解决上述问题,本实施例提供以下技术方案:
在步骤S601中,将疾病关键词结构化为疾病确切信息字段,所述疾病确切信息字段用于确定病情发展历程信息。在步骤S602中,根据获取到的关于当前患者的信息中实时提取目标疾病关键词,并获取所述目标疾病关键词对应的至少一个确切信息字段,以供所述用户从所述至少一个确切信息字段选择。以及,在步骤S603中,接收并存储所述用户的选择结果,以获取所述当前患者的病情参数。
示例性的,将疾病名进行结构化为疾病确切信息字段,例如:将疾病名进行结构化为疾病确切信息字段包括:喉部创伤、喉部灼伤、喉炎等,当获取到当前患者的病历中出现“喉”字时,为用户(即当前患者的病历建立者,例如:当前患者的主治医生等)推送“喉部创伤”、“喉部灼伤”、“喉炎”。进一步地,用户根据需求选择其中一个,从而避免手动输入完成的疾病名的过程,提高对医疗数据的处理效率。
示例性的,对于同一份病历来说,需预先设置关于病情发展的各个阶段信息与存储路径的相关性,已将同一份病历中的数据存储至同一路径中。
示例性的,本实施例提供的技术方案还对治疗方案进行结构化。例如,将具体治疗方案“奥沙利铂85mg/m2静脉输注2小时,第1天; LV 400mg/m2静脉滴注2小时,第1天;5-FU400mg/m2静脉输注,第 1天,然后1200mg/m2/天*2天持续静脉输注(总量2400mg/m2,输注46-48小时);每2周重复,共24周”,结构化为“mFOLFOC6”。当用户输入“mFOLFOC6”,系统可以自动将其对应为具体的治疗方案。从而,可以加快信息录入效率,同时可以避免信息录入手误出错的情况等发生。
通过图6所示实施例提供的技术方案,当产生新的医疗数据(如,医生撰写病历)时,大数据平台将会通过结构化算法实时生成相关的信息,从而,在医生为患者建立的病历中的数据中直接被提取到关于病情发展的各个阶段信息。进而,依赖于大数据平台的实时结构化的方法,实现快速获取目标数据的技术效果。
在示例性的实施例中,经过图2至图6各图示出的实施例中,可以根据当前患者的病情参数以及医学经验为当前患者提供对应的推荐治疗方案(即步骤S101的具体实现方式)。进一步地,根据图7 示出的实施例中,可以根据当前患者的病情参数,在历史患者的病历信息中进行匹配,以确定可为治疗当前患者的疾病提供参考的目标病历信息(即步骤S102的具体实现方式),以使获取针对当前患者的疾病的医疗决策信息时,同时可以考虑到医学经验和临床病历两方面因素,有利于提高基于医疗数据的管理和分析结果实用性,使通过本技术方案确定的对疾病治疗的医疗决策信息满足临床使用的需要。
图7示出了根据本发明的实施例的目标病历信息的确定方法的流程示意图,参考图7,本实施例提供的目标病历信息的确定方法,包括步骤S701-步骤S703。
在步骤S701中,根据所述当前患者的病情参数提取目标疾病关键词;在步骤S702中,根据所述当前患者的目标疾病关键词与所述病历库中每一个历史患者的病历信息进行匹配,确定与每个历史患者的病历信息相似度;以及,在步骤S703中,将相似度满足预设值的历史患者的病历信息作为目标病历信息。
示例性的,将对应于每一历史患者的病历信息结构化,形成病历库,所述病历信息包括历史患者的病情参数及其治疗方案。病历库中包含大批量的历史患者的病历信息。例如:结构化后的病历信息可以为:病历编号(****1)、患者姓名(张**)、疾病名称(结直肠癌)、病情参数(TNM分期中的T3阶段、自身无其他危险因素)、治疗方案 (卡培他滨)等。本实施例提供的对历史患者的病历信息进行结构化的方法,有利于提高匹配效率。
示例性的,在当前患者的病情参数中提取到目标疾病关键词为结直肠癌,在病历库中进行匹配获得包含疾病名称为“结直肠癌”的所有病历(记作第一批病历),进一步地,可以再根据当前患者的病情参数中的关键词进一步在上述第一批病历中匹配,可以获取包含相同病情参数关键词的病历(记作第二批病历)。以此类推,可以根据当前患者的任一个或几个目标疾病关键词,在病历库中进行上述匹配过程。其中,历史患者的病历中包含的目标疾病关键词越多,说明此历史患者的病历信息与当前患者的病历信息相似度越高。示例性的,将相似度大于80%的历史患者的病历信息作为目标病历信息,作为治疗当前患者疾病的参考信息推荐给用户(例如:当前患者的主治医生等)。
继续参考图1,经过上述图2至图6各图示出的实施例中获取到依据医学经验为当前患者提供对应的推荐治疗方案,以及经过图7示出的实施例中获取到依据历史患者的临床病历为当前患者提供对应的目标病历信息之后,在步骤S103中,将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
示例性的,当前用户(如,医生)根据选择显示的疾病的医疗决策信息确定了最终治疗方案后,将对当前患者的疾病参数以及最终治疗方案进行自动保存。具体地,将对当前患者的疾病参数以及最终治疗方案保存至病历库,以为后续患者提供临床病历。
以下介绍本发明的装置实施例,可以用于执行本发明上述的医疗数据的处理方法。
图8示出了根据本发明的实施例的医疗数据的处理装置的结构示意图,参考图8,本实施例提供的医疗数据的处理装置800,包括:推荐治疗方案确定模块801、目标病历信息确定模块802和医疗决策信息确定模块803。
其中,推荐治疗方案确定模块801用于:根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;目标病历信息确定模块802用于:根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;医疗决策信息确定模块803用于:将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
在示例性的实施例中,基于前述方案,所述推荐治疗方案确定模块 801包括:医疗决策规范库确定单元、目标医疗决策规范确定单元和获取单元。
其中,所述医疗决策规范库确定单元用于:获取自然语言的多个第一医疗决策规范,并将所述多个第一医疗决策规范转换为机器可识别的多个第二医疗决策规范,以确定医疗决策规范库,所述第一医疗决策规范为根据医学经验确定的疾病治疗方案;所述目标医疗决策规范确定单元用于:在所述医疗决策规范库中确定对应于所述当前患者的第二医疗决策规范作为目标医疗决策规范;以及,所述获取单元用于:基于所述目标医疗决策规范,获取所述当前患者的病情参数以及推荐治疗方案。
在示例性的实施例中,基于前述方案,所述获取单元具体用于:根据所述目标医疗决策规范中的病情发展历程信息设置引导规则,所述引导规则用于引导用户输入所述当前患者的病情发展历程信息,所述病情发展历程信息包括病情发展的各个阶段;以及,基于所述引导规则,根据获取到的所述当前患者的病情发展历程第一参数推送提示信息,以用于引导所述用户输入所述当前患者的病情发展第二参数,从而获取所述当前患者的病情参数。
在示例性的实施例中,基于前述方案,所述获取单元具体用于:根据获取到的当前患者的病情发展历程信息确定所述当前患者的目标病况;以及,基于所述目标医疗决策规范包含不同病况以及所述不同病况对应的推荐治疗方案,根据所述目标病况推送推荐治疗方案。
在示例性的实施例中,基于前述方案,所述获取单元具体用于将疾病关键词结构化为疾病确切信息字段,所述疾病确切信息字段用于确定病情发展历程信息;根据获取到的关于当前患者的信息中实时提取目标疾病关键词,并获取所述目标疾病关键词对应的至少一个确切信息字段,以供所述用户从所述至少一个确切信息字段选择;以及,接收并存储所述用户的选择结果,以获取所述当前患者的病情参数。
在示例性的实施例中,基于前述方案,所述医疗数据的处理装置 800,还包括:病历库确定模块。
其中,所述病历库确定模块用于:将对应于每一历史患者的病历信息结构化,形成病历库,所述病历信息包括历史患者的病情参数以及所述历史患者的治疗方案。
在示例性的实施例中,基于前述方案,目标病历信息确定模块802 具体用于:根据所述当前患者的病情参数提取目标疾病关键词;根据所述当前患者的目标疾病关键词与所述病历库中每一个历史患者的病历信息进行匹配,确定与每个历史患者的病历信息相似度;以及,将相似度满足预设值的历史患者的病历信息作为目标病历信息。
由于本发明的示例实施例的医疗数据的处理装置的各个功能模块与上述医疗数据的处理方法的示例实施例的步骤对应,因此对于本发明装置实施例中未披露的细节,请参照本发明上述的医疗数据的处理方法的实施例。
下面参考图9,其示出了适于用来实现本发明实施例的电子设备的计算机系统900的结构示意图。图9示出的电子设备的计算机系统900 仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908 加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出 (I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分 906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN 卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口 905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器 (ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机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。而在本发明中,计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备实现如上述实施例中所述的医疗数据的处理方法。
例如,所述的电子设备可以实现如图1中所示的:步骤S101,根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;步骤S102,根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;步骤S103,将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
又如,所述的电子设备可以实现如图2至图7任一图所示的各个步骤。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
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,根据本发明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、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种医疗数据的处理方法,其特征在于,包括:
根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;
根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;
将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
2.根据权利要求1所述的医疗数据的处理方法,其特征在于,根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案,包括:
获取自然语言的多个第一医疗决策规范,并将所述多个第一医疗决策规范转换为机器可识别的多个第二医疗决策规范,以确定医疗决策规范库,所述第一医疗决策规范为根据医学经验确定的疾病治疗方案;
在所述医疗决策规范库中确定对应于所述当前患者的第二医疗决策规范作为目标医疗决策规范;
基于所述目标医疗决策规范,获取所述当前患者的病情参数以及推荐治疗方案。
3.根据权利要求2所述的医疗数据的处理方法,其特征在于,基于所述目标医疗决策规范,获取所述当前患者的病情参数,包括:
根据所述目标医疗决策规范中的病情发展历程信息设置引导规则,所述引导规则用于引导用户输入所述当前患者的病情发展历程信息,所述病情发展历程信息包括病情发展的各个阶段;
基于所述引导规则,根据获取到的所述当前患者的病情发展历程第一参数推送提示信息,以用于引导所述用户输入所述当前患者的病情发展第二参数,从而获取所述当前患者的病情参数。
4.根据权利要求3所述的医疗数据的处理方法,其特征在于,基于所述目标医疗决策规范,获取所述当前患者的病情参数以及推荐治疗方案,包括:
根据获取到的当前患者的病情发展历程信息确定所述当前患者的目标病况;
基于所述目标医疗决策规范包含不同病况以及所述不同病况对应的推荐治疗方案,根据所述目标病况推送推荐治疗方案。
5.根据权利要求2至4任一项所述的医疗数据的处理方法,其特征在于,获取所述当前患者的病情参数,包括:
将疾病关键词结构化为疾病确切信息字段,所述疾病确切信息字段用于确定病情发展历程信息;
根据获取到的关于当前患者的信息中实时提取目标疾病关键词,并获取所述目标疾病关键词对应的至少一个确切信息字段,以供所述用户从所述至少一个确切信息字段选择;
接收并存储所述用户的选择结果,以获取所述当前患者的病情参数。
6.根据权利要求1所述的医疗数据的处理方法,其特征在于,在根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息之前,还包括:
将对应于每一历史患者的病历信息结构化,形成病历库,所述病历信息包括历史患者的病情参数以及所述历史患者的治疗方案。
7.根据权利要求6所述的医疗数据的处理方法,其特征在于,根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息,包括:
根据所述当前患者的病情参数提取目标疾病关键词;
根据所述当前患者的目标疾病关键词与所述病历库中每一个历史患者的病历信息进行匹配,确定与每个历史患者的病历信息相似度;
将相似度满足预设值的历史患者的病历信息作为目标病历信息。
8.一种医疗数据的处理装置,其特征在于,包括:
推荐治疗方案确定模块,用于根据获取到的当前患者的病情参数以及医学经验确定对所述疾病的推荐治疗方案;
目标病历信息确定模块,用于根据所述病情参数,在历史患者的病历信息中匹配以确定目标病历信息;
医疗决策信息确定模块,用于将所述推荐治疗方案和所述目标病历信息作为对所述当前患者的医疗决策信息。
9.一种计算机可读介质,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至7中任一项所述的医疗数据的处理方法。
10.一种电子设备,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时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的医疗数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811279804.4A CN109473153A (zh) | 2018-10-30 | 2018-10-30 | 医疗数据的处理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811279804.4A CN109473153A (zh) | 2018-10-30 | 2018-10-30 | 医疗数据的处理方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109473153A true CN109473153A (zh) | 2019-03-15 |
Family
ID=65666621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811279804.4A Pending CN109473153A (zh) | 2018-10-30 | 2018-10-30 | 医疗数据的处理方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109473153A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097936A (zh) * | 2019-05-08 | 2019-08-06 | 北京百度网讯科技有限公司 | 用于输出病历的方法和装置 |
CN110111887A (zh) * | 2019-05-15 | 2019-08-09 | 清华大学 | 临床辅助决策方法及装置 |
CN110223760A (zh) * | 2019-05-23 | 2019-09-10 | 郑州大学第二附属医院 | 一种医疗影像信息采集与融合方法及系统 |
CN110851725A (zh) * | 2019-11-15 | 2020-02-28 | 北京盛诺一家医院管理咨询有限公司 | 一种医疗资源推荐方法、系统、计算设备和存储介质 |
CN111180085A (zh) * | 2019-12-23 | 2020-05-19 | 中国人民解放军总医院 | 医疗数据的处理方法、装置、存储介质及计算机设备 |
CN111554387A (zh) * | 2020-04-26 | 2020-08-18 | 医渡云(北京)技术有限公司 | 医生信息推荐的方法、装置、存储介质及电子设备 |
CN111899865A (zh) * | 2020-07-15 | 2020-11-06 | 医渡云(北京)技术有限公司 | 医疗信息的推荐方法、装置、介质及电子设备 |
CN112652400A (zh) * | 2020-12-16 | 2021-04-13 | 卫宁健康科技集团股份有限公司 | 基于专病视图相似分析病情参考方法、系统、设备和介质 |
CN112820364A (zh) * | 2021-02-22 | 2021-05-18 | 中国人民解放军联勤保障部队第九八〇医院 | 一种基于数据库架构的口腔门诊电子病历系统 |
WO2021135449A1 (zh) * | 2020-06-30 | 2021-07-08 | 平安科技(深圳)有限公司 | 基于深度强化学习的数据分类方法、装置、设备及介质 |
CN113223703A (zh) * | 2021-05-19 | 2021-08-06 | 中科彭州智慧产业创新中心有限公司 | 一种基于大数据评估中医理疗的方法及装置 |
CN113380359A (zh) * | 2021-06-01 | 2021-09-10 | 上海德衡数据科技有限公司 | 基于物联网的医疗信息查询方法、装置及电子设备 |
CN113628707A (zh) * | 2021-08-06 | 2021-11-09 | 首都医科大学附属北京儿童医院 | 一种患者病历数据的处理方法、装置、设备和存储介质 |
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 |
CN114550862A (zh) * | 2022-02-24 | 2022-05-27 | 领星生物科技(上海)有限公司 | 用于信息化患者病程记录档案的方法、设备和介质 |
CN115691741A (zh) * | 2023-01-03 | 2023-02-03 | 四川大学华西医院 | 一种医疗信息化信息传递及信息合并方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216918A (zh) * | 2013-06-04 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 关键词搜索方法和系统 |
CN105793852A (zh) * | 2013-12-04 | 2016-07-20 | M·奥利尼克 | 具有海量医疗分析的医疗处理计算机规划方法和系统 |
CN107103201A (zh) * | 2017-05-10 | 2017-08-29 | 北京大数医达科技有限公司 | 医疗导航路径的生成方法、装置及医疗路径导航方法 |
CN107122612A (zh) * | 2017-05-04 | 2017-09-01 | 王恩亭 | 慢性非传染性疾病智能诊疗辅助分析系统 |
CN108492885A (zh) * | 2018-02-26 | 2018-09-04 | 上海联影医疗科技有限公司 | 检查工作流推荐方法、装置及终端 |
-
2018
- 2018-10-30 CN CN201811279804.4A patent/CN109473153A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216918A (zh) * | 2013-06-04 | 2014-12-17 | 腾讯科技(深圳)有限公司 | 关键词搜索方法和系统 |
CN105793852A (zh) * | 2013-12-04 | 2016-07-20 | M·奥利尼克 | 具有海量医疗分析的医疗处理计算机规划方法和系统 |
CN107122612A (zh) * | 2017-05-04 | 2017-09-01 | 王恩亭 | 慢性非传染性疾病智能诊疗辅助分析系统 |
CN107103201A (zh) * | 2017-05-10 | 2017-08-29 | 北京大数医达科技有限公司 | 医疗导航路径的生成方法、装置及医疗路径导航方法 |
CN108492885A (zh) * | 2018-02-26 | 2018-09-04 | 上海联影医疗科技有限公司 | 检查工作流推荐方法、装置及终端 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097936A (zh) * | 2019-05-08 | 2019-08-06 | 北京百度网讯科技有限公司 | 用于输出病历的方法和装置 |
CN110111887A (zh) * | 2019-05-15 | 2019-08-09 | 清华大学 | 临床辅助决策方法及装置 |
CN110223760B (zh) * | 2019-05-23 | 2022-01-18 | 苏州阿基米德网络科技有限公司 | 一种医疗影像信息采集与融合方法及系统 |
CN110223760A (zh) * | 2019-05-23 | 2019-09-10 | 郑州大学第二附属医院 | 一种医疗影像信息采集与融合方法及系统 |
CN110851725A (zh) * | 2019-11-15 | 2020-02-28 | 北京盛诺一家医院管理咨询有限公司 | 一种医疗资源推荐方法、系统、计算设备和存储介质 |
CN110851725B (zh) * | 2019-11-15 | 2023-10-27 | 北京盛诺一家医院管理咨询有限公司 | 一种医疗资源推荐方法、系统、计算设备和存储介质 |
CN111180085A (zh) * | 2019-12-23 | 2020-05-19 | 中国人民解放军总医院 | 医疗数据的处理方法、装置、存储介质及计算机设备 |
CN111554387A (zh) * | 2020-04-26 | 2020-08-18 | 医渡云(北京)技术有限公司 | 医生信息推荐的方法、装置、存储介质及电子设备 |
WO2021135449A1 (zh) * | 2020-06-30 | 2021-07-08 | 平安科技(深圳)有限公司 | 基于深度强化学习的数据分类方法、装置、设备及介质 |
CN111899865A (zh) * | 2020-07-15 | 2020-11-06 | 医渡云(北京)技术有限公司 | 医疗信息的推荐方法、装置、介质及电子设备 |
CN112652400A (zh) * | 2020-12-16 | 2021-04-13 | 卫宁健康科技集团股份有限公司 | 基于专病视图相似分析病情参考方法、系统、设备和介质 |
CN112820364A (zh) * | 2021-02-22 | 2021-05-18 | 中国人民解放军联勤保障部队第九八〇医院 | 一种基于数据库架构的口腔门诊电子病历系统 |
CN113223703A (zh) * | 2021-05-19 | 2021-08-06 | 中科彭州智慧产业创新中心有限公司 | 一种基于大数据评估中医理疗的方法及装置 |
CN113380359B (zh) * | 2021-06-01 | 2022-12-13 | 上海德衡数据科技有限公司 | 基于物联网的医疗信息查询方法、装置及电子设备 |
CN113380359A (zh) * | 2021-06-01 | 2021-09-10 | 上海德衡数据科技有限公司 | 基于物联网的医疗信息查询方法、装置及电子设备 |
CN113628707A (zh) * | 2021-08-06 | 2021-11-09 | 首都医科大学附属北京儿童医院 | 一种患者病历数据的处理方法、装置、设备和存储介质 |
CN113628707B (zh) * | 2021-08-06 | 2022-11-25 | 首都医科大学附属北京儿童医院 | 一种患者病历数据的处理方法、装置、设备和存储介质 |
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 |
CN114496143B (zh) * | 2021-12-31 | 2022-12-09 | 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 |
CN114550862A (zh) * | 2022-02-24 | 2022-05-27 | 领星生物科技(上海)有限公司 | 用于信息化患者病程记录档案的方法、设备和介质 |
CN115691741A (zh) * | 2023-01-03 | 2023-02-03 | 四川大学华西医院 | 一种医疗信息化信息传递及信息合并方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109473153A (zh) | 医疗数据的处理方法、装置、介质及电子设备 | |
CN109493926A (zh) | 结直肠癌医疗数据的处理方法、装置、介质及电子设备 | |
US7805385B2 (en) | Prognosis modeling from literature and other sources | |
US8579784B2 (en) | Personalized prognosis modeling in medical treatment planning | |
US11282034B2 (en) | Method and device for delivering patient specific radiotherapy treatment from a derived treatment plan | |
CN107799160A (zh) | 用药辅助决策方法及装置、存储介质、电子设备 | |
US11120912B2 (en) | Cognitive systems for generating prospective medical treatment guidance | |
CN114175173A (zh) | 用于患者历程映射的学习平台 | |
US20230343468A1 (en) | Automated individualized recommendations for medical treatment | |
CN113220895B (zh) | 基于强化学习的信息处理方法、装置、终端设备 | |
Li et al. | A deep belief network-based clinical decision system for patients with osteosarcoma | |
Wen-Zhi et al. | Prediction of pathological staging and grading of renal clear cell carcinoma based on deep learning algorithms | |
KR20200132400A (ko) | 자율참여, 보상 기반의 건강 정보 제공 및 증진 방법 및 장치 | |
US20230084977A1 (en) | Systems and methods to accept speech input and edit a note upon receipt of an indication to edit | |
WO2019215263A1 (en) | System and method for providing model-based predictions of quality of life implications of a treatment via individual-specific machine learning models | |
Giannoulis et al. | Developing a collaborative knowledge system for Cancer Diseases | |
Raza et al. | Improving Clinical Decision Making with a Two-Stage Recommender System | |
KR101518451B1 (ko) | 치료계획에 따른 치료 성과를 평가하는 장치 및 방법 | |
KR102437313B1 (ko) | 진료 기초 데이터 제공 방법 및 그 시스템 | |
KR102437307B1 (ko) | 통증 그래프 생성 방법 및 그 시스템 | |
KR102437310B1 (ko) | 발병 질환 예측 방법 및 그 시스템 | |
Samad | Increasing Adoption of Deep Learning Models in Medicine and Circadian Omic Analyses through Interpretability and Data Availability | |
US11934769B2 (en) | Systems and methods to briefly deviate from and resume back to amending a section of a note | |
EP4125093A1 (en) | Guiding a subject through a care or treatment selection process | |
Anjorin et al. | Racial and Ethnic Disparities in Long-term Outcomes After Open Revascularization for Chronic Limb-Threatening Ischemia |
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: 20190315 |