CN109754886A - 治疗方案智能生成系统、方法及可读存储介质、电子设备 - Google Patents
治疗方案智能生成系统、方法及可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN109754886A CN109754886A CN201910012311.2A CN201910012311A CN109754886A CN 109754886 A CN109754886 A CN 109754886A CN 201910012311 A CN201910012311 A CN 201910012311A CN 109754886 A CN109754886 A CN 109754886A
- Authority
- CN
- China
- Prior art keywords
- therapeutic scheme
- record information
- electronic health
- health record
- patient
- 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
- 230000001225 therapeutic effect Effects 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000036541 health Effects 0.000 claims abstract description 98
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 61
- 201000010099 disease Diseases 0.000 claims abstract description 59
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000003058 natural language processing Methods 0.000 claims description 9
- 230000001575 pathological effect Effects 0.000 claims description 9
- 238000002059 diagnostic imaging Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000003364 immunohistochemistry Methods 0.000 claims description 5
- 230000000474 nursing effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 description 26
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000012545 processing Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000013139 quantization Methods 0.000 description 7
- 230000010365 information processing Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000002980 postoperative effect Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种治疗方案智能生成系统,包括:数据库构建模块,用于对过往患者的电子病历信息进行处理,并构建治疗方案数据库;电子病历信息包括过往患者的治疗方案信息;机器学习模块,用于将治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;治疗方案生成模块,用于基于已获取的当前患者的电子病历信息及治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案。本发明还提供了一种治疗方案智能生成方法、可读存储介质、电子设备。本发明解决了现有基于对医疗学术论文进行整理分析生成的患者治疗方案可落实性差的技术问题。
Description
技术领域
本发明涉及辅助医疗诊断领域,尤其涉及一种治疗方案智能生成系统、方法及可读存储介质、电子设备。
背景技术
在当前的医疗诊疗过程中,患者的治疗方案是由医生出具的;该治疗方案的适用性、效果的好坏完全是由医生的专业水平所决定的,不同的医生很可能出具不同的治疗方案,同一医生在不同的个人状态下出具的治疗方案也可能不同。此外,此类治疗方案难以针对治疗效果给出可量化的评估结果,导致患者只能被动地接受治疗方案。
当前,虽然有医疗领域的相关专业人士将大量已发表的医疗学术论文进行整理和分析,提取出一些与某项疾病相关的治疗方案。但是,此类治疗方案的获取方式的最大问题在于:医疗学术论文的数据来源一般为相对理想化,存在片面性,与实际现实有一定差距,且得出的治疗方案在真实世界中可落实性差。这些问题都导致此类治疗方案的获取方式难以得到广泛的推广与应用。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种治疗方案智能生成系统、方法及可读存储介质、电子设备,旨在解决现有基于对医疗学术论文进行整理分析生成的患者治疗方案可落实性差的技术问题。
为实现上述目的,本发明提供一种治疗方案智能生成系统,所述系统包括数据库构建模块、机器学习模块、治疗方案生成模块;其中,
所述数据库构建模块,用于对过往患者的电子病历信息进行处理,并构建治疗方案数据库;其中,所述电子病历信息包括过往患者的治疗方案信息;
所述机器学习模块,用于将所述治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;
所述治疗方案生成模块,用于基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案。
优选地,所述数据库构建模块,还用于录入与过往患者治疗方案相关的电子病历信息,以得到原始电子病历信息;基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
优选地,所述治疗方案生成模块,还用于基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,并生成对应的推荐指数。
优选地,所述治疗方案生成模块,用于将当前患者的电子病历信息输入至所述治疗方案生成模型;根据所述治疗方案生成模型中的预设内嵌算法,对所述电子病历信息进行分析;基于分析结果,进行当前患者的电子病历信息与预设治疗方案数据库中的治疗方案特征的匹配操作,并生成与当前患者的疾病匹配的所述治疗方案。
优选地,所述电子病历信息包括如下的一种或者多种:入院记录、病程记录、查房记录、会诊记录、手术记录、护理记录、医嘱单、处方签、医学影像检查报告、检验报告、病理报告、免疫组化报告、基因检查报告。
此外,为实现上述目的,本发明还提供一种治疗方案智能生成方法,所述方法包括以下步骤:
对过往患者的电子病历信息进行处理,并构建治疗方案数据库;其中,所述电子病历信息包括过往患者的治疗方案信息;
将所述治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;
基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案。
优选地,所述对对过往患者的电子病历信息进行处理的步骤,具体包括包括:
录入与过往患者治疗方案相关的电子病历信息,以得到原始电子病历信息;
基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
优选地,所述生成与当前患者的疾病匹配的治疗方案的步骤之后,还包括:
基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,并生成对应的推荐指数。
优选地,所述基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案的步骤,具体包括:
将当前患者的电子病历信息输入至所述治疗方案生成模型;
根据所述治疗方案生成模型中的预设内嵌算法,对所述电子病历信息进行分析;
基于分析结果,进行当前患者的电子病历信息与预设治疗方案数据库中的治疗方案特征的匹配操作,并生成与当前患者的疾病匹配的所述治疗方案。
此外,为实现上述目的,本发明还提供一种电子设备,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的治疗方案智能生成程序,所述治疗方案智能生成程序被所述处理器执行时实现如上所述的治疗方案智能生成方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有治疗方案智能生成程序,所述治疗方案智能生成程序被处理器执行时实现如上所述的治疗方案智能生成方法的步骤。
本发明实施例提出一种治疗方案智能生成系统、方法及可读存储介质、电子设备,通过将医疗机构中的所有过往患者的治疗方案进行信息处理,构建对应的治疗方案数据库。利用治疗方案数据库,进行机器学习,进而得到基于人工智能的治疗方案生成算法(即治疗方案生成模型)。这样,将当前患者的基本电子病历信息输入至治疗方案生成模型后,自动生成若干个治疗患者疾病的治疗方案。本发明通过大数据处理技术和人工智能技术,有效地利用过往患者的疾病诊治病历信息,实现了患者疾病特征与过往患者治疗方案数据的匹配、自动生成患者治疗方案,有助于提高疾病诊治过程的智能化水平和患者治疗方案的精准度及可落实性。
附图说明
图1为本发明治疗方案智能生成系统组成部分的框图;
图2为基于本发明对患者电子病历信息的处理示意图;
图3为基于本发明自动生成某患者的治疗方案的实现示意图;
图4为本发明治疗方案智能生成方法第一实施例的流程图;
图5为本发明治疗方案智能生成方法第一实施例步骤S30的细化步骤示意图;
图6为本发明治疗方案智能生成方法第二实施例的流程图;
图7为本发明电子设备涉及的硬件运行环境的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明涉及的部分术语及其解释列举如下:
HIS:Hospital Information System的缩写,即医院信息系统。其利用电子计算机和通讯设备,为医院所属各部门提供病诊疗信息和行政管理信息的收集、存储、处理、提取和数据交换的能力,并满足所有授权用户的功能需求。
EMR:Electronic Medical Record的缩写,即电子病历,是指将传统的纸病历完全电子化,并提供电子贮存、查询、统计、数据交换等管理模式。
LIS:Laboratory Information Management System的缩写,即实验室信息管理系统,是专为医院检验科设计的一套信息管理系统,能将实验仪器与计算机组成网络,使病人样品登录、实验数据存取、报告审核、打印分发,实验数据统计分析等繁杂的操作过程实现了智能化、自动化和规范化管理。
PACS:Picture archiving and communication systems的缩写,即医学影像存档与通讯系统,是近年来随着数字成像技术、计算机技术和网络技术的进步而迅速发展起来的、旨在全面解决医学图像的获取、显示、存贮、传送和管理的综合系统。
本发明提供一种治疗方案智能生成系统。
请参照图1,图1为本发明治疗方案智能生成系统组成部分的框图。其中,该系统包括:数据库构建模块10、机器学习模块20、治疗方案生成模块30;其中,
所述数据库构建模块10,用于对过往患者的电子病历信息进行处理,并构建治疗方案数据库110;其中,所述电子病历信息包括过往患者的治疗方案信息;
需要说明的是,本发明治疗方案智能生成系统的应用范围优选为某一医疗机构(如医院)。将应用范围限制在某一医疗机构,使得该系统充分利用该医疗机构已有的过往患者的电子病历信息等相关信息资源,有助于发挥某一医疗机构在医疗诊治方面的特色和优势,例如骨科医院的骨科、儿童医院的儿童专科。
这里所指“已有的电子病历信息”是指过往患者在进行就诊、医疗检测、接收治疗等过程中的在HIS/EMR/LIS/PACS等各类诊疗系统中记录的相关病情的电子信息。
所述电子病历信息包括并不限于如下的一种或者多种:入院记录、病程记录、查房记录、会诊记录、手术记录、护理记录、医嘱单、处方签、医学影像检查报告、检验报告、病理报告、免疫组化报告、基因检查报告等。
具体地,所述数据库构建模块10,用于录入与过往患者治疗方案相关的电子病历信息,以得到原始电子病历信息;基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
在一种具体实施过程中,过往患者的电子病历信息可以是以人工输入方式将过往患者的纸质病历中的相关疾病诊治信息输入至计算机病历信息采集系统中。或者,在对患者进行疾病诊治过程中,由相关人员(医生或护士)直接将患者的相关疾病诊治信息输入至计算机病历采集系统中。此外,还可以将数据库构建模块10对接医疗机构原有医疗诊疗系统,以获取存储在所述医疗机构原有医疗诊疗系统的相关医疗数据。可理解地,这些相关医疗数据中包含有过往患者治疗方案相关的的电子病历信息。以及,数据库构建模块10从所述相关医疗数据提取并录入过往患者治疗方案相关的的所述电子病历信息,进而生成原始电子病历信息。此外,还可以将上述录入的所述电子病历信息与直接输入的患者的相关疾病诊治信息进行叠加处理,以生成原始电子病历信息。从而,实现过往患者的病历信息的电子化,以便于执行后续的信息处理。
在生成原始电子病历信息后,基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
预设自然语言处理算法包括特定的医学文本智能识别算法,用于医学类别的文本信息。
标准化处理是指对原始电子病历信息按照预设的规范条件进行信息提取、处理,以得到标准化的文本/数据/图表等;例如将医生对患者的口语化诊断信息转换成书面性及规范性信息。
对标准化处理后的电子病历信息进行结构化处理,得到相应的结构化数据。结构化数据也称作行数据,是由二维表结构来逻辑表达和实现的数据,严格地遵循数据格式与长度规范,主要通过关系型数据库进行存储和管理。
结构化数据是指可以使用关系型数据库表示和存储,表现为二维形式的数据。一般特点是:数据以行为单位,一行数据表示一个实体的信息,每一行数据的属性是相同的。
下面举例进行说明。请参见图2,图2是基于本发明对患者电子病历信息的处理流程示意图。在图2中,a区域是该患者的原始电子病历信息,其具体是一种自然语言文本,包括该患者的入院记录、病程记录、手术记录、医学影像报告、病理报告。b区域是对a区域的原始电子病历信息进行信息提取和处理,得到标准化的信息,如症状体征信息、解剖部位信息、病变信息等。基于b区域所示的标准化处理后的电子病历信息,进行后续的结构化处理。结构化处理后的电子病历信息如图中的c区域所示。
所述机器学习模块20,用于将所述治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;
优选地,将所有过往患者的电子病历信息对应的结构化数据录入至所述治疗方案数据库,汇总后的结构化数据进行机器学习。其中,数据汇总及机器学习的相关技术这里不作具体限制;此外,除了机器学习之外,还可以对结构化数据进行深度学习,以建立治疗方案生成模型。汇总后的结构化数据具体用于治疗方案生成模型的建立、训练、评估和优化。即利用大量的过往患者的电子病历信息,构建出具备识别各类疾病的相关特征、自动生成对应的治疗方案的模型。
所述治疗方案生成模块30,用于基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案及其对应的推荐指数。
在一种具体实施过程中,所述治疗方案生成模块30具体用于将当前患者的电子病历信息输入至所述治疗方案生成模型;
在录入当前患者的电子病历信息后,治疗方案生成模块30将当前患者的电子病历信息输入至已训练好的治疗方案生成模型。
所述治疗方案生成模块30还用于根据所述治疗方案生成模型中的预设内嵌算法,对所述电子病历信息进行分析;
治疗方案生成模型本身包含预设内嵌算法,预设内嵌算法具体可以是经过数据训练和机器学习后的优化算法,其具体类型不作限定。治疗方案生成模块30基于预设内嵌算法,对当前患者的电子病历信息进行分析,具体可以分析当前患者的疾病类型、病情严重程度、身体指标状况、基因指标等,从而分析患者的详细疾病特征。
所述治疗方案生成模块30还用于基于分析结果,进行当前患者的电子病历信息与预设治疗方案数据库中的治疗方案特征的匹配操作,并生成与当前患者的疾病匹配的所述治疗方案。
也即,在当前患者进行就医时,按照正常的疾病诊治流程对患者进行初诊(用于获取患者的患病症状信息),获取并录入患者的医学影像报告和病理报告。录入上述获取的患者基本病历信息之后,对患者基本病历信息进行标准化处理和/或结构化处理,以得到患者的电子病历信息。
将患者的电子病历信息输入至已有的治疗方案生成模型中,该模型预设有内嵌算法;根据患者的电子病历信息提取出患者的疾病特征,并与预设治疗方案数据库中的治疗方案特征进行匹配操作;根据匹配结果,生成若干个与患者的疾病特征相关的治疗方案。
进一步地,所述治疗方案生成模块30,还用于基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,并得到对应的所述推荐指数。
即对于生成的任一治疗方案,均进行对应的推荐性评估。例如,根据已生成的该治疗方案,从预设数据库中查找(或者计算)出该治疗方案的过往平均成功率。其中,该治疗方案的过往平均成功率是指过往患者在采取该治疗方案进行疾病治疗后的平均治愈率/生存率。对生成的任一治疗方案进行推荐性评估,并得到对应的所述推荐指数,实现了对治疗方案的治疗效果的量化,提供相关的治疗参考信息,从而有助于医生和患者对治疗方案的治疗效果的有效评估。
例如,请参见图3,图3为本发明实施例中一种自动生成某患者的治疗方案的实现示意图。在图3中,框选区域a是根据患者的电子病历信息提取出患者的疾病特征;框选区域b是进行数据库特征匹配后生成的治疗方案,其中包括治疗方案组合类型、指南建议,以及综合建议(包括具体的治疗方案和对应的推荐指数)。
在本系统中,通过将医疗机构中的所有过往患者的治疗方案进行信息处理,构建对应的治疗方案数据库。利用治疗方案数据库,进行机器学习,进而得到基于人工智能的治疗方案生成算法(即治疗方案生成模型)。这样,将当前患者的基本电子病历信息输入至治疗方案生成模型后,自动生成若干个治疗患者疾病的治疗方案。本系统通过大数据处理技术和人工智能技术,有效地利用过往患者的疾病诊治病历信息,实现了患者疾病特征与过往患者治疗方案数据的匹配、自动生成患者治疗方案,有助于提高疾病诊治过程的智能化水平和患者治疗方案的精准度及可落实性。
进一步地,在本发明治疗方案智能生成系统的基础上,所述治疗方案生成模块30,还用于基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,并生成对应的推荐指数。
即对于生成的任一治疗方案,均进行对应的推荐性评估。例如,根据已生成的该治疗方案,从预设数据库中查找(或者计算)出该治疗方案的过往平均成功率。其中,该治疗方案的过往平均成功率是指过往患者在采取该治疗方案进行疾病治疗后的平均治愈率/生存率。对生成的任一治疗方案进行推荐性评估,并生成对应的所述推荐指数。推荐指数的计算方式不限,例如对治疗方案各评价指标(如过往平均成功率、术后三年/五年/十年生存率、治疗成本、手术类型、术后辅助手段类型等)进行加权求和,所得结果即为推荐指数;推荐指数具体可以以数字形式表示,例如0~10,数值越大,表示该治疗方案越值得推荐。
这样,实现了对治疗方案的治疗效果的量化,提供相关的治疗参考信息,从而辅助主治医生和患者对治疗方案的治疗效果进行有效的评估。
例如,请参见图3,图3为本发明实施例中一种自动生成某患者的治疗方案的实现示意图。在图3中,框选区域a是根据患者的电子病历信息提取出患者的疾病特征;框选区域b是进行数据库特征匹配后生成的治疗方案,其中包括治疗方案组合类型、指南建议,以及综合建议(包括具体的治疗方案和对应的推荐指数)。
这样,在生成患者治疗方案的基础上,对治疗方案的治疗效果进行大数据评估,实现了对治疗方案的治疗效果的预先量化,有助于提供医疗诊治的量化参考信息,也有助于提高疾病诊治过程的精准度。
此外,本发明还提供一种治疗方案智能生成方法,应用于如上所述的治疗方案智能生成系统。
请参照图4,图4为本发明治疗方案智能生成方法第一实施例的流程示意图。在本实施例中,所述方法包括以下步骤:
步骤S10,对过往患者的电子病历信息进行处理,并构建治疗方案数据库;其中,所述电子病历信息包括过往患者的治疗方案信息;
需要说明的是,本发明治疗方案智能生成方法的应用范围优选为某一医疗机构(如医院)。将应用范围限制在某一医疗机构,以充分利用该医疗机构已有的过往患者的电子病历信息等相关信息资源,有助于发挥某一医疗机构在医疗诊治方面的特色和优势,例如骨科医院的骨科、儿童医院的儿童专科。
这里所指“已有的电子病历信息”是指过往患者在进行就诊、医疗检测、接收治疗等过程中的在HIS/EMR/LIS/PACS等各类诊疗系统中记录的相关病情的电子信息。所述电子病历信息包括并不限于如下的一种或者多种:入院记录、病程记录、查房记录、会诊记录、手术记录、护理记录、医嘱单、处方签、医学影像检查报告、检验报告、病理报告、免疫组化报告、基因检查报告等。
具体地,步骤S10具体包括:
步骤S11,录入与过往患者治疗方案相关的电子病历信息,以得到原始电子病历信息;
在一种具体实施过程中,过往患者的电子病历信息可以是以人工输入方式将过往患者的纸质病历中的相关疾病诊治信息输入至计算机病历信息采集系统中。或者,在对患者进行疾病诊治过程中,由相关人员(医生或护士)直接将患者的相关疾病诊治信息输入至计算机病历采集系统中。此外,还可以对接医疗机构原有医疗诊疗系统,以获取存储在所述医疗机构原有医疗诊疗系统的相关医疗数据。可理解地,这些相关医疗数据中包含有过往患者治疗方案相关的的电子病历信息。以及,从所述相关医疗数据提取并录入过往患者治疗方案相关的的所述电子病历信息,进而生成原始电子病历信息。此外,还可以将上述录入的所述电子病历信息与直接输入的患者的相关疾病诊治信息进行叠加处理,以生成原始电子病历信息。从而,实现过往患者的病历信息的电子化,以便于执行后续的信息处理。
步骤S12,基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
预设自然语言处理算法包括特定的医学文本智能识别算法,用于医学类别的文本信息。
标准化处理是指对原始电子病历信息按照预设的规范条件进行信息提取、处理,以得到标准化的文本/数据/图表等;例如将医生对患者的口语化诊断信息转换成书面性及规范性信息。
对标准化处理后的电子病历信息进行结构化处理,得到相应的结构化数据。结构化数据也称作行数据,是由二维表结构来逻辑表达和实现的数据,严格地遵循数据格式与长度规范,主要通过关系型数据库进行存储和管理。
结构化数据是指可以使用关系型数据库表示和存储,表现为二维形式的数据。一般特点是:数据以行为单位,一行数据表示一个实体的信息,每一行数据的属性是相同的。
下面举例进行说明。请参见图2,图2是基于本发明对患者的电子病历信息的处理流程示意图。在图2中,a区域是该患者的原始电子病历信息,其具体是一种自然语言文本,包括该患者的入院记录、病程记录、手术记录、医学影像报告、病理报告。b区域是对a区域的原始电子病历信息进行信息提取和处理,得到标准化的信息,如症状体征信息、解剖部位信息、病变信息等。基于b区域所示的标准化处理后的电子病历信息,进行后续的结构化处理。结构化处理后的电子病历信息如图中的c区域所示。
步骤S20,将所述治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;
优选地,将所有过往患者的电子病历信息对应的结构化数据录入至治疗方案数据库,汇总后的结构化数据进行机器学习。其中,数据汇总及机器学习的相关技术这里不作具体限制;此外,除了机器学习之外,还可以对结构化数据进行深度学习,以建立治疗方案生成模型。汇总后的结构化数据具体用于治疗方案生成模型的建立、训练、评估和优化。即利用大量的过往患者的电子病历信息,构建出具备识别各类疾病的相关特征、自动生成对应的治疗方案的模型。
步骤S30,基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案。
如图5所示,在一种具体实施过程中,步骤S30包括:
步骤S31,将当前患者的电子病历信息输入至所述治疗方案生成模型;
在录入当前患者的电子病历信息后,将当前患者的电子病历信息输入至已训练好的治疗方案生成模型。
步骤S32,根据所述治疗方案生成模型中的预设内嵌算法,对所述电子病历信息进行分析;
治疗方案生成模型本身包含预设内嵌算法,预设内嵌算法具体可以是经过数据训练和机器学习后的优化算法,其具体类型不作限定。基于预设内嵌算法,对当前患者的电子病历信息进行分析,具体可以分析当前患者的疾病类型、病情严重程度、身体指标状况、基因指标等,从而分析患者的详细疾病特征。
步骤S33,基于分析结果,进行当前患者的电子病历信息与预设治疗方案数据库中的治疗方案特征的匹配操作,并生成与当前患者的疾病匹配的所述治疗方案。
也即,在当前患者进行就医时,按照正常的疾病诊治流程对患者进行初诊(用于获取患者的患病症状信息),获取并录入患者的医学影像报告和病理报告。录入上述获取的患者基本病历信息之后,对患者基本病历信息进行标准化处理和/或结构化处理,以得到患者的电子病历信息。
将患者的电子病历信息输入至已有的治疗方案生成模型中,该模型预设有内嵌算法;治疗方案生成模块30根据患者的电子病历信息分析患者的详细疾病特征,并与预设治疗方案数据库中的治疗方案特征进行匹配操作;根据匹配结果,生成若干个与患者的疾病特征相关的治疗方案。
在本实施例中,通过将医疗机构中的所有过往患者的治疗方案进行信息处理,构建对应的治疗方案数据库。利用治疗方案数据库,进行机器学习,进而得到基于人工智能的治疗方案生成算法(即治疗方案生成模型)。这样,将当前患者的基本电子病历信息输入至治疗方案生成模型后,自动生成若干个治疗患者疾病的治疗方案。本实施例通过大数据处理技术和人工智能技术,有效地利用过往患者的疾病诊治病历信息,实现了患者疾病特征与过往患者治疗方案数据的匹配、自动生成患者治疗方案,有助于提高疾病诊治过程的智能化水平和患者治疗方案的精准度及可落实性。
进一步的,如图6所示,在本发明治疗方案智能生成方法第一实施例的基础上,提出本发明治疗方案智能生成方法第二实施例。
在本实施例中,所述生成与当前患者的疾病匹配的治疗方案的步骤之后,还包括:
步骤S40,基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,并生成对应的推荐指数。
即对于生成的任一治疗方案,均进行对应的推荐性评估。例如,根据已生成的该治疗方案,从预设数据库中查找(或者计算)出该治疗方案的过往平均成功率。其中,该治疗方案的过往平均成功率是指过往患者在采取该治疗方案进行疾病治疗后的平均治愈率/生存率。对生成的任一治疗方案进行推荐性评估,并生成对应的所述推荐指数,推荐指数的计算方式不限,例如对治疗方案各评价指标(如过往平均成功率、术后三年/五年/十年生存率、治疗成本、手术类型、术后辅助手段类型等)进行加权求和,所得结果即为推荐指数;推荐指数具体可以以数字形式表示,例如0~10,数值越大,表示该治疗方案越值得推荐。
这样,实现了对治疗方案的治疗效果的量化,提供相关的治疗参考信息,从而辅助主治医生和患者对治疗方案的治疗效果进行有效的评估。
例如,请参见图3,图3为本发明实施例中一种自动生成某患者的治疗方案的实现示意图。在图3中,框选区域a是根据患者的电子病历信息提取出患者的疾病特征;框选区域b是进行数据库特征匹配后生成的治疗方案,其中包括治疗方案组合类型、指南建议,以及综合建议(包括具体的治疗方案和对应的推荐指数)。
在本实施例中,在生成患者治疗方案的基础上,对治疗方案的治疗效果进行大数据评估,实现了对治疗方案的治疗效果的预先量化,有助于提供医疗诊治的量化参考信息,也有助于提高疾病诊治过程的精准度。
此外,本发明还提供一种电子设备,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的治疗方案智能生成程序,所述治疗方案智能生成程序被所述处理器执行时实现如上任一项所述的治疗方案智能生成方法的步骤。
如图7所示,图7是本发明实施例方案涉及的电子设备结构示意图。
本发明实施例电子设备可以是但不限于如下设备:台式计算机、笔记本电脑或服务器。
如图7所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图7中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图7所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及治疗方案智能生成程序。
在图7所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的治疗方案智能生成程序,并执行上述治疗方案智能生成方法实施例中的操作。
基于上述硬件结构,提出本发明治疗方案智能生成方法实施例。
此外,本发明还提供一种可读取存储介质。
所述存储介质上存储有治疗方案智能生成程序,所述治疗方案智能生成程序被处理器执行时实现如上任一项所述的治疗方案智能生成方法的步骤。
本发明电子设备及存储介质的具体实施例与上述治疗方案智能生成方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (12)
1.一种治疗方案智能生成系统,其特征在于,所述系统包括数据库构建模块、机器学习模块、治疗方案生成模块;其中,
所述数据库构建模块,用于对过往患者的电子病历信息进行处理,并构建治疗方案数据库;其中,所述电子病历信息包括过往患者的治疗方案信息;
所述机器学习模块,用于将所述治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;
所述治疗方案生成模块,用于基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案。
2.如权利要求1所述的治疗方案智能生成系统,其特征在于,所述数据库构建模块,还用于录入与过往患者治疗方案相关的电子病历信息,以得到原始电子病历信息;基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
3.如权利要求1所述的治疗方案智能生成系统,其特征在于,所述治疗方案生成模块,还用于基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,生成对应的推荐指数。
4.如权利要求1所述的治疗方案智能生成系统,其特征在于,所述治疗方案生成模块,还用于将当前患者的电子病历信息输入至所述治疗方案生成模型;根据所述治疗方案生成模型中的预设内嵌算法,对所述电子病历信息进行分析;基于分析结果,进行当前患者的电子病历信息与预设治疗方案数据库中的治疗方案特征的匹配操作,并生成与当前患者的疾病匹配的所述治疗方案。
5.如权利要求1或2所述的治疗方案智能生成系统,其特征在于,所述电子病历信息包括如下的一种或者多种:入院记录、病程记录、查房记录、会诊记录、手术记录、护理记录、医嘱单、处方签、医学影像检查报告、检验报告、病理报告、免疫组化报告、基因检查报告。
6.一种治疗方案智能生成方法,其特征在于,所述方法包括以下步骤:
对过往患者的电子病历信息进行处理,并构建治疗方案数据库;其中,所述电子病历信息包括过往患者的治疗方案信息;
将所述治疗方案数据库中的电子病历信息进行汇总,并进行机器学习,以得到治疗方案生成模型;
基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案。
7.如权利要求6所述的治疗方案智能生成方法,其特征在于,所述对过往患者的电子病历信息进行处理的步骤,具体包括:
录入与过往患者治疗方案相关的电子病历信息,以得到原始电子病历信息;
基于预设自然语言处理算法,对原始电子病历信息进行标准化处理和/或结构化处理。
8.如权利要求6所述的治疗方案智能生成方法,其特征在于,所述生成与当前患者的疾病匹配的治疗方案的步骤之后,还包括:
基于所述治疗方案生成模型,对生成的所述治疗方案进行推荐性评估,并生成对应的推荐指数。
9.如权利要求6所述的治疗方案智能生成方法,其特征在于,所述基于已获取的当前患者的电子病历信息及所述治疗方案生成模型,生成与当前患者的疾病匹配的治疗方案的步骤,具体包括:
将当前患者的电子病历信息输入至所述治疗方案生成模型;
根据所述治疗方案生成模型中的预设内嵌算法,对所述电子病历信息进行分析;
基于分析结果,进行当前患者的电子病历信息与预设治疗方案数据库中的治疗方案特征的匹配操作,并生成与当前患者的疾病匹配的治疗方案。
10.如权利要求6或7所述的治疗方案智能生成方法,其特征在于,所述电子病历信息包括如下的一种或者多种:入院记录、病程记录、查房记录、会诊记录、手术记录、护理记录、医嘱单、处方签、医学影像检查报告、检验报告、病理报告、免疫组化报告、基因检查报告。
11.一种电子设备,其特征在于,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的治疗方案智能生成程序,所述治疗方案智能生成程序被所述处理器执行时实现如权利要求6至10中任一项所述的治疗方案智能生成方法的步骤。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储有治疗方案智能生成程序,所述治疗方案智能生成程序被处理器执行时实现如权利要求6至10中任一项所述的治疗方案智能生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012311.2A CN109754886A (zh) | 2019-01-07 | 2019-01-07 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012311.2A CN109754886A (zh) | 2019-01-07 | 2019-01-07 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109754886A true CN109754886A (zh) | 2019-05-14 |
Family
ID=66405209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910012311.2A Pending CN109754886A (zh) | 2019-01-07 | 2019-01-07 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754886A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176311A (zh) * | 2019-05-17 | 2019-08-27 | 北京印刷学院 | 一种基于对抗神经网络的自动医疗方案推荐方法和系统 |
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 |
CN110297908A (zh) * | 2019-07-01 | 2019-10-01 | 中国医学科学院医学信息研究所 | 诊疗方案预测方法及装置 |
CN110739074A (zh) * | 2019-10-22 | 2020-01-31 | 唐杨烽 | 感染防控装置以及感染防控系统 |
CN110767277A (zh) * | 2019-09-09 | 2020-02-07 | 卫宁健康科技集团股份有限公司 | 区域电子药历的管理方法及系统 |
CN110993112A (zh) * | 2019-11-20 | 2020-04-10 | 泰康保险集团股份有限公司 | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 |
CN111008269A (zh) * | 2019-11-13 | 2020-04-14 | 泰康保险集团股份有限公司 | 数据处理方法及装置、存储介质及电子终端 |
CN111081325A (zh) * | 2019-12-27 | 2020-04-28 | 医渡云(北京)技术有限公司 | 医疗数据处理方法与装置 |
CN111091908A (zh) * | 2019-11-19 | 2020-05-01 | 泰康保险集团股份有限公司 | 辅助医疗方案生成方法、装置、存储介质及电子设备 |
CN111145916A (zh) * | 2020-01-02 | 2020-05-12 | 曹庆恒 | 一种智能推荐手术方案的方法、系统和设备 |
CN111192691A (zh) * | 2019-12-25 | 2020-05-22 | 南京医睿科技有限公司 | 一种医学评估表的确定方法、装置、可读介质及电子设备 |
CN111223543A (zh) * | 2020-02-13 | 2020-06-02 | 曹庆恒 | 一种治疗方案智能指导的方法、系统和设备 |
CN111710382A (zh) * | 2020-06-10 | 2020-09-25 | 深圳市好克医疗仪器股份有限公司 | 远程数据分析方法、装置、设备及存储介质 |
CN112316262A (zh) * | 2020-11-03 | 2021-02-05 | 无锡市第五人民医院 | 一种消化系统疾病患者吸氧的处理系统及方法 |
CN112509685A (zh) * | 2020-12-31 | 2021-03-16 | 曜立科技(北京)有限公司 | 一种筛选手术方式的标准化的方法及系统 |
CN112614589A (zh) * | 2020-12-30 | 2021-04-06 | 四川互慧软件有限公司 | 一种基于大数据系统的中心诊疗方法 |
CN113096795A (zh) * | 2019-12-23 | 2021-07-09 | 四川医枢科技股份有限公司 | 多源数据辅助的临床决策支持系统及方法 |
CN113674827A (zh) * | 2021-08-27 | 2021-11-19 | 中山大学肿瘤防治中心 | 电子病历的生成方法、装置、电子设备及计算机可读介质 |
CN114999599A (zh) * | 2022-05-26 | 2022-09-02 | 中国科学技术信息研究所 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN115662616A (zh) * | 2022-10-24 | 2023-01-31 | 重庆联芯致康生物科技有限公司 | 基于cgm的危重患者智能化血糖管理系统及其管理方法 |
CN116013503A (zh) * | 2022-12-27 | 2023-04-25 | 北大计算与数字经济研究院 | 一种牙科治疗计划确定方法、电子设备及存储介质 |
CN116206774A (zh) * | 2023-04-27 | 2023-06-02 | 深圳市浩然盈科通讯科技有限公司 | 一种结合大数据自动匹配护理治疗方案的方法及系统 |
CN116504354A (zh) * | 2023-06-28 | 2023-07-28 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808712A (zh) * | 2016-03-07 | 2016-07-27 | 陈宽 | 将文本类医疗报告转换为结构化数据的智能系统及方法 |
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 |
CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
CN108109692A (zh) * | 2017-11-08 | 2018-06-01 | 北京无极慧通科技有限公司 | 一种治疗方案的选择方法和系统 |
CN108154928A (zh) * | 2017-12-27 | 2018-06-12 | 北京嘉和美康信息技术有限公司 | 一种疾病诊断方法及装置 |
WO2018235076A1 (en) * | 2017-06-21 | 2018-12-27 | Hadasit Medical Research Services And Development Ltd. | METHOD AND SYSTEM FOR PREDICTING RESPONSE TO PHARMACOLOGICAL TREATMENT FROM EEG |
-
2019
- 2019-01-07 CN CN201910012311.2A patent/CN109754886A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808712A (zh) * | 2016-03-07 | 2016-07-27 | 陈宽 | 将文本类医疗报告转换为结构化数据的智能系统及方法 |
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 |
WO2018235076A1 (en) * | 2017-06-21 | 2018-12-27 | Hadasit Medical Research Services And Development Ltd. | METHOD AND SYSTEM FOR PREDICTING RESPONSE TO PHARMACOLOGICAL TREATMENT FROM EEG |
CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
CN108109692A (zh) * | 2017-11-08 | 2018-06-01 | 北京无极慧通科技有限公司 | 一种治疗方案的选择方法和系统 |
CN108154928A (zh) * | 2017-12-27 | 2018-06-12 | 北京嘉和美康信息技术有限公司 | 一种疾病诊断方法及装置 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176311A (zh) * | 2019-05-17 | 2019-08-27 | 北京印刷学院 | 一种基于对抗神经网络的自动医疗方案推荐方法和系统 |
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 |
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 |
CN110297908A (zh) * | 2019-07-01 | 2019-10-01 | 中国医学科学院医学信息研究所 | 诊疗方案预测方法及装置 |
CN110767277A (zh) * | 2019-09-09 | 2020-02-07 | 卫宁健康科技集团股份有限公司 | 区域电子药历的管理方法及系统 |
CN110739074B (zh) * | 2019-10-22 | 2023-12-01 | 唐杨烽 | 感染防控装置以及感染防控系统 |
CN110739074A (zh) * | 2019-10-22 | 2020-01-31 | 唐杨烽 | 感染防控装置以及感染防控系统 |
CN111008269A (zh) * | 2019-11-13 | 2020-04-14 | 泰康保险集团股份有限公司 | 数据处理方法及装置、存储介质及电子终端 |
CN111091908A (zh) * | 2019-11-19 | 2020-05-01 | 泰康保险集团股份有限公司 | 辅助医疗方案生成方法、装置、存储介质及电子设备 |
CN110993112A (zh) * | 2019-11-20 | 2020-04-10 | 泰康保险集团股份有限公司 | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 |
CN110993112B (zh) * | 2019-11-20 | 2023-04-18 | 泰康保险集团股份有限公司 | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 |
CN113096795A (zh) * | 2019-12-23 | 2021-07-09 | 四川医枢科技股份有限公司 | 多源数据辅助的临床决策支持系统及方法 |
CN113096795B (zh) * | 2019-12-23 | 2023-10-03 | 四川医枢科技有限责任公司 | 多源数据辅助的临床决策支持系统及方法 |
CN111192691A (zh) * | 2019-12-25 | 2020-05-22 | 南京医睿科技有限公司 | 一种医学评估表的确定方法、装置、可读介质及电子设备 |
CN111081325A (zh) * | 2019-12-27 | 2020-04-28 | 医渡云(北京)技术有限公司 | 医疗数据处理方法与装置 |
CN111081325B (zh) * | 2019-12-27 | 2023-12-12 | 医渡云(北京)技术有限公司 | 医疗数据处理方法与装置 |
CN111145916A (zh) * | 2020-01-02 | 2020-05-12 | 曹庆恒 | 一种智能推荐手术方案的方法、系统和设备 |
CN111223543A (zh) * | 2020-02-13 | 2020-06-02 | 曹庆恒 | 一种治疗方案智能指导的方法、系统和设备 |
CN111710382A (zh) * | 2020-06-10 | 2020-09-25 | 深圳市好克医疗仪器股份有限公司 | 远程数据分析方法、装置、设备及存储介质 |
CN112316262A (zh) * | 2020-11-03 | 2021-02-05 | 无锡市第五人民医院 | 一种消化系统疾病患者吸氧的处理系统及方法 |
CN112614589A (zh) * | 2020-12-30 | 2021-04-06 | 四川互慧软件有限公司 | 一种基于大数据系统的中心诊疗方法 |
CN112509685A (zh) * | 2020-12-31 | 2021-03-16 | 曜立科技(北京)有限公司 | 一种筛选手术方式的标准化的方法及系统 |
CN113674827A (zh) * | 2021-08-27 | 2021-11-19 | 中山大学肿瘤防治中心 | 电子病历的生成方法、装置、电子设备及计算机可读介质 |
CN114999599A (zh) * | 2022-05-26 | 2022-09-02 | 中国科学技术信息研究所 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN115662616A (zh) * | 2022-10-24 | 2023-01-31 | 重庆联芯致康生物科技有限公司 | 基于cgm的危重患者智能化血糖管理系统及其管理方法 |
CN116013503A (zh) * | 2022-12-27 | 2023-04-25 | 北大计算与数字经济研究院 | 一种牙科治疗计划确定方法、电子设备及存储介质 |
CN116013503B (zh) * | 2022-12-27 | 2024-02-20 | 北京大学长沙计算与数字经济研究院 | 一种牙科治疗计划确定方法、电子设备及存储介质 |
CN116206774A (zh) * | 2023-04-27 | 2023-06-02 | 深圳市浩然盈科通讯科技有限公司 | 一种结合大数据自动匹配护理治疗方案的方法及系统 |
CN116504354A (zh) * | 2023-06-28 | 2023-07-28 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
CN116504354B (zh) * | 2023-06-28 | 2024-01-09 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109754886A (zh) | 治疗方案智能生成系统、方法及可读存储介质、电子设备 | |
US11158406B2 (en) | Automatic patient recruitment system | |
US20060136259A1 (en) | Multi-dimensional analysis of medical data | |
US20120278095A1 (en) | System and method for creating and managing therapeutic treatment protocols within trusted health-user communities | |
WO2022267678A1 (zh) | 视频问诊方法、装置、设备及存储介质 | |
EP1483692A1 (en) | Clinical research data management system and method | |
DE102007026802A1 (de) | Systeme und Verfahren zur Identifizierung von Kandidaten für eine klinische Studie | |
CN103020446A (zh) | 慢性脊椎退行性疾病及畸形信息的数据处理系统 | |
CN101908093A (zh) | 电子病历及基于其对医疗过程进行控制的系统和方法 | |
JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
CN111091882A (zh) | 一种人工智能可视化pacs系统及方法 | |
CN108877873A (zh) | 通用医疗系统 | |
US20110125646A1 (en) | Methods and systems for managing personal health records by individuals | |
CN114175173A (zh) | 用于患者历程映射的学习平台 | |
CA2871713A1 (en) | Systems and methods for creating and managing trusted health-user communities | |
EP1388083A1 (en) | Virtual service system for client and service provider users and method therefor | |
AU2002245946A1 (en) | Virtual service system for client and service provider users and method therefor | |
US20230028948A1 (en) | Generation of patient-specific content | |
Najaftorkaman et al. | Antecedents to the user adoption of electronic medical record | |
JP4474846B2 (ja) | 医療情報管理システム及び医療情報管理方法 | |
Mantas | 3.4 Electronic Health Record | |
CN112687383A (zh) | 一种医院护理交互系统 | |
Bansal et al. | Introduction to computational health informatics | |
Yu et al. | WISH: A wireless mobile multimedia information system in healthcare using RFID | |
CA3083090A1 (en) | Medical examination support apparatus, and operation method and operation program thereof |
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: 20190514 |