CN110321556A - 一种医生诊疗医保控费智能推荐方案的方法及其系统 - Google Patents
一种医生诊疗医保控费智能推荐方案的方法及其系统 Download PDFInfo
- Publication number
- CN110321556A CN110321556A CN201910517069.4A CN201910517069A CN110321556A CN 110321556 A CN110321556 A CN 110321556A CN 201910517069 A CN201910517069 A CN 201910517069A CN 110321556 A CN110321556 A CN 110321556A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- result
- matching
- tree
- keyword
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 30
- 201000010099 disease Diseases 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 208000024891 symptom Diseases 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医疗信息化技术领域,尤其是指一种医生诊疗医保控费智能推荐方案的方法及其系统,其方法包括以下步骤:步骤A,接收输入数据,所述输入数据包括原始诊断数据;步骤B,对输入的原始诊断数据进行原型化处理;步骤C,以步骤B得到的原型化处理结果检索,判断是否得到结果,如果得到结果,则直接输出编码结果;若否,进入步骤D;步骤D,对原型化处理过的原始诊断数据进行分词处理、联想转化处理和搜索匹配树处理,然后从匹配树的处理结果中筛选出最优结果;步骤E,根据最优结果匹配ICD关联社保,列出智能推荐的ICD方案。本发明解决了医生原始诊断对应到标准诊断只能通过人工完成,从而解决与标准诊断对照困难的问题。
Description
技术领域
本发明涉及医疗信息化技术领域,尤其是指一种医生诊疗医保控 费智能推荐方案的方法及其系统。
背景技术
随着国家对公共医疗的布局和医疗改革的不断深入和深化,医疗 服务全方位的提升对医疗信息化提出了迫切的要求。在医保、公共卫 生服务,医院信息化管理等方面,医疗信息化从完成全过程记录的流 程自动化管理发展到互联网+健康医疗;在现在大数据及人工智能背 景下,医疗信息化逐步触及医疗的核心业务,对诊疗过程提供辅助决 策及指导参考。在医疗业务以及医学教学、学术交流、数据分析乃至 医学人工智能辅助决策中,标准化的信息(诊断,病历,检查,药品 等)记录及交换是必不可少甚至是重中之重,其中首要的就是诊断的 标准化:标准诊断编码(ICD)。
编码人员对于标准编码的理解和把握不恒定不统一,导致编码结 果存在差异。病案首页中的诊断在病历归档、病案上报、医保报销前, 由医院病案室的编码员依照《疾病和有关健康问题的国际统计分类》 (俗称手册),及卫计委发布的标准诊断编码字典,对病案首页上的医 生诊断进行编码。这个工作是人工完成的,因此受制于人力,编码人 员素质,对标准的解读和对编码字典庞大内容的把握程度,以及工作 年限和经验,从而每天人工对码的数量有限,且存在误判的情况,并 且编码粗细程度及判断标准也因人而异,在不同医院数据对比和交流 中,这些问题就会凸显并被放大,甚至同一所医院不同编码员之间、 同一编码员不同时期,编码也存在差异。
医生个性化、自定义输入的实际诊断与标准诊断编码库不完全兼 容。由于诊断编码库中包含的诊断不能完全覆盖医生日常工作中实际 使用的诊断,并且对于同一个诊断,由于汉语的特殊性,同一疾病概 念表述方式的极端多样性且行业内并不存在统一标准医疗术语这种 规范,不同的医生使用的诊断的名称写法以及结构也不尽相同,五花 八门,使用的别名有很大差异;加上标准诊断字典的更新需要很长时 间(国标ICD10,上次更新2〇〇9年距离本次更新2〇17年就过去8 年之久),并不能及时覆盖最新出现的疾病和其名称;且对于特定诊断 的分型,标准编码的详细程度达不到医生的临床实际要求;又或者医 生在书写诊断时,在书写诊断时候会附加一些额外详细信息,而标准 诊断编码库对于额外信息的带来的区别分类是无法体现的;再者,医 生在书写诊断时,也会使用一些只有业内熟悉的简写简称或者缩写, 而这些也不是标准诊断编码库所收录的。从根本上来说,医生是从诊 疗业务角度出发的详细记录疾病信息,而不是为了分类编码,所以不 兼容的情况根深蒂固的不可避免,上述各种原因导致了在医院实际业 务中绝大多数医生在填写诊断的时候使用程序选择或者手写的编码 都存在不少的错误。
标准诊断编码库版本不统一。目前市面上各个医院使用的编码库 主要是在国家标准诊断编码库09年版结合各个医院自己的需求修改 和扩展衍伸出来,修改和扩展的部分并没有专门的组织和机构统一的 管理和分发,医院与医院之间的版本无法完全兼容,甚至有医院使用 的是更早的国家标准版本更改衍伸出来的,所以造成即使同一个疾 病,在不同医院中使用的编码也不能保证完全统一,而各医院由国家 标准版本衍伸出来的部分就更不能保证一致了。在病案统计资料的准 确性,医疗、教学、科研资料检索的准确性、疾病分组DRGS医疗保 险预付费(DRGS-PPS)健康发展等方面,正确而标准统一的诊断编码 是这一切的基础。不论是在构建统一权威的人口健康信息平台、健康 医疗数据标准,还是在此基础上完善人口健康信息各类基础业务应用 上,以及在医疗信息平台、医疗信息仓库搭建后的高层次应用,包括 但不局限于医疗动态监测、疾控、医学研宄、医疗人工智能、辅助决 策等,诊断信息在跨机构,跨平台交流以及汇总后需要能够保持稳定 和一致,而基于前面所述四个原因,诊断信息在收集、交互、汇总、 分析过程中需要经过大量的编码标准化工作。
发明内容
本发明针对现有技术的问题提供一种医生诊疗医保控费智能推 荐方案的方法及其系统,解决了医生原始诊断对应到标准诊断只能通 过人工完成,主要是借助编码人员借助自身了解的医学知识和编码分 类知识,才能完成这项工作的问题。部分性突破了需要通过语言理解, 借助医学知识思考的困难。解决了医生输入诊断的用语不受约束限 制,无医学词汇标准可参照导致的同一诊断概念却有数种诊断名称以 及大量的不同具体写法,从而解决与标准诊断对照困难的问题。
为了解决上述技术问题,本发明采用如下技术方案:
一种医生诊疗医保控费智能推荐方案的方法,包括以下步骤:
步骤A,接收输入数据,所述输入数据包括原始诊断数据;
步骤B,对输入的原始诊断数据进行原型化处理;
步骤C,以步骤B得到的原型化处理结果在GB/T 14396-2016《疾病 分类与代码》及国际疾病标准分类编码ICD-10中检索,判断是否得 到结果,如果得到结果,则直接输出编码结果;若否,进入步骤D;
步骤D,对原型化处理过的原始诊断数据进行分词处理、联想转化处 理和搜索匹配树处理,然后从匹配树的处理结果中筛选出最优结果;
步骤E,根据最优结果匹配ICD关联社保,列出智能推荐的ICD方 案。
其中,所述步骤D中从匹配树的处理结果中筛选出最优结果包 括以下步骤:
步骤d1:将匹配到的匹配树上的关键词数量分别进行降序排列比较, 如果排名第一的与第二相同或者与排名第一的相同的有多个,则将得 到拆分的关键词数量与匹配树的关键词数量之比进行升序排列比较; 如果得到的排名第一的与第二相同或者与排名第一的相同的有多个, 则进入步骤d2;
步骤d2:将修饰词和主关键词在医疗语义网络的转化距离进行叠加, 对叠加结果进行降序排列比较,如果排名第一的与第二相同或者与排 名第一的相同的有多个,则进入步骤d3;
步骤d3:计算匹配树的匹配程度,所述匹配树的匹配程度等于分词 得到的主关键词的数量与匹配树的主关键词数量之比,对数量之比进 行降序排列比较;如果排名第一的与第二相同或者与排名第一的相同 的有多个,则结束;
步骤d4:在步骤d1-步骤d3中,如果最优结果只有一项,即排名第 一的结果只有一个,则表示当前匹配树为最优匹配树;
步骤d5:评估结果的编码准确性,输出编码结果及准确性评估结果。
其中,所述分词处理将待分词语句切分为若干个诊断关键词,所 述诊断关键词包括表示限定修饰的修饰词和表示疾病的主关键词;所 述修饰词是指描述性质、部位或程度类型的词语;所述主关键词是指 描述疾病、异常组织、异常机体或异常症状的词语;所述联想转化处 理是指将分词得到的修饰词和主关键词标记在医疗语义网络上,利用 医疗语义网络对修饰词和主关键词分别进行联想转化,将原主关键词 和原主关键词联想转化后得到的新主关键词与原修饰词和原修饰词 联想转化后得到的新修饰词进行排列组合,最终得到原始诊断数据中 主关键词与修饰词之间的所有组合。
其中,所述搜索匹配树处理为根据联想转化处理得到的主关键词 与修饰词之间所有组合,从匹配森林中搜索出每个组合对应的完全覆 盖树叶的匹配树,结果是一个匹配树、若干个匹配树或无结果。
其中,所述评估结果的编码准确性为从结果与原始诊断数据的匹 配程度、诊断关键词在医疗语义网络的转化距离、原始诊断数据中诊 断关键词与标准诊断中诊断关键词的顺序的差异性三个角度进行评 估;所述结果与原始诊断数据的匹配程度为在所有匹配到的匹配树结 果中,首先计算每组切分出的修饰词和主关键词总数量与匹配树包含 的修饰词和主关键词总数量之比值,即为第一比值;其次计算切分出 的主关键词数量与匹配树的主关键词的数量之比,即为第二比值; 第二比值和第一比值,即为结果与原始诊断数据的匹配程度;所述 诊断关键词在医疗语义网络的转化距离为将每个诊断关键词在医疗 语义网络转化到匹配树对应的诊断关键词经过的路径长度记做一个 转化系数,计算所有匹配到的诊断关键词的转化系数自然对数之和, 即为诊断关键词在医疗语义网络的转化距离;所述原始诊断数据中诊 断关键词与ICD-10中诊断关键词的顺序的差异性为:首先计算同一 个诊断关键词在原始诊断数据中的位置和在ICD-10中位置的顺序 差,然后计算所有诊断关键词的顺序差的绝对值之和。
其中,对于原始诊断数据中疾病数量多于一个的,诊断切分结果 会分成两个或多个部分,每个部分包含一个主关键词及对应的修饰 词;匹配时,各个部分作为一个组输入进行搜索匹配树;匹配森林包 括若干个匹配树,每个匹配树,包括:树根、树干、树枝和树叶;所述 匹配树的树根表示诊断概念,表现为ICD编码;所述匹配树的树干表 示诊断概念的表现诊断名称;所述匹配树的树枝表示诊断概念表现 诊断名称的具体组成部分;所述匹配树的树叶表示诊断概念表现诊断 名称的具体组成部分的修饰词和主关键词;匹配森林的形成过程:单 个标准诊断是一个概念,而概念包括若干个表现形式;每种表现形式 具有自己的结构、包含的概念实体以及包含的各概念实体间的相互关 系;每个标准诊断表示的概念、结构、包含的概念实体以及包含的各 概念实体间的相互关系用树的结构来表示,定义为匹配树,而所有标 准诊断的匹配树形成匹配森林,并且,根据ICD标准指南,在匹配 森林中,匹配树之间存在优先级及包含关系;表现形式,包括:名称; 每种表现形式具有自己的结构,包括:并列、递进说明或因果;每种 表现形式具有自己的包含的概念实体,包括:症状、疾病或操作;每 种表现形式具有自己的包含的各概念实体间的相互关系,包括:关键词与修饰词或限定修饰;所述匹配树的根表示诊断概念,其概念表 现为ICD编码;所述搜索匹配树处理,有三种情况,第一种是无结 果,输出的结果为空,那么提示无匹配结果的原因为原始诊断信息不 足;第二种是有结果,最后排序选出的最优结果只有一个,那么将 这个最优结果作为最辣匹配结果输出;第三种是有结果,选出的最 优结果有多个,那么输出结果为空,并提示无匹配结果的原因是有 多个匹配程度相同的结果,并将多个最优结果作为提示信息的一部分 输出;需要重新输入诊断且在原基础上提供更详细的信息。
一种医生诊疗医保控费智能推荐方案的系统,包括存储器、处理 器和存储在存储器上并在处理器上运行的计算机指令,所述计算机 指令被处理器执行应用所述的医生诊疗医保控费智能推荐方案的方 法。
本发明的有益效果:
本发明解决了医生原始诊断对应到标准诊断只能通过人工完成, 主要是借助编码人员借助自身了解的医学知识和编码分类知识,才能 完成这项工作的问题。部分性突破了需要通过语言理解,借助医学知 识思考的困难。解决了医生输入诊断的用语不受约束限制,无医学词 汇标准可参照导致的同一诊断概念却有数种诊断名称以及大量的不 同具体写法,从而解决与标准诊断对照困难的问题。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例对本发明作进 一步的说明,实施方式提及的内容并非对本发明的限定。以下对本发 明进行详细的描述。
一种医生诊疗医保控费智能推荐方案的方法,包括以下步骤:
步骤A,接收输入数据,所述输入数据包括原始诊断数据;
步骤B,对输入的原始诊断数据进行原型化处理;
步骤C,以步骤B得到的原型化处理结果在GB/T 14396-2016《疾病 分类与代码》及国际疾病标准分类编码ICD-10中检索,判断是否得 到结果,如果得到结果,则直接输出编码结果;若否,进入步骤D;
步骤D,对原型化处理过的原始诊断数据进行分词处理、联想转化处 理和搜索匹配树处理,然后从匹配树的处理结果中筛选出最优结果;
步骤E,根据最优结果匹配ICD关联社保,列出智能推荐的ICD方 案。
具体地,本发明的有益效果:
1.本发明解决了医生原始诊断对应到标准诊断只能通过人工完 成,主要是借助编码人员借助自身了解的医学知识和编码分类知识, 才能完成这项工作的问题。部分性突破了需要通过语言理解,借助医 学知识思考的困难。解决了医生输入诊断的用语不受约束限制,无医 学词汇标准可参照导致的同一诊断概念却有数种诊断名称以及大量 的不同具体写法,从而与标准诊断对照困难的问题。
2.有效解决了各个医疗机构使用的标准诊断编码不统一的问题。 使用了自动编码后,原始诊断对应到同一套标准诊断编码上,分类标 准统一,在医疗机构数据交流过程中保证标准统一。
3.分类标准稳定,解决了编码员因受到原始诊断的描述用词导致 的分类标准不稳定,同一诊断前后几次对应编码不一致的问题。
4.采用计算机程序自动编码,不但节省了巨量的人力资源,而且效率极大幅度提高,正确率相较人工编码提高且分类标准统一。理论 上一个省(例如山东省)产生的诊断数量在几个小时内即可芫成编码。
5.自动诊断编码有利于保证医疗,教学,科研的资料检索准确性, 以及疾病分组DRGS的发展。
6.由于自动编码快速且分类稳定,可实现在短时间内大批量对原 始病历进行编码分类,可以为医疗领域的大数据应用及人工智能快速 准备和整理数据,在该领域作为基础功能有着不可替代的作用。
其中,所述步骤A与步骤B之间还包括对原始诊断数据进行预 处理步骤,预处理步骤包括:去除标点符号,将异体字转换成正体字, 将全角字符转换为半角字符。
本实施例所述的一种医生诊疗医保控费智能推荐方案的方法,所 述步骤D中从匹配树的处理结果中筛选出最优结果包括以下步骤:
步骤d1:将匹配到的匹配树上的关键词数量分别进行降序排列比较, 如果排名第一的与第二相同或者与排名第一的相同的有多个,则将得 到拆分的关键词数量与匹配树的关键词数量之比进行升序排列比较; 如果得到的排名第一的与第二相同或者与排名第一的相同的有多个, 则进入步骤d2;
步骤d2:将修饰词和主关键词在医疗语义网络的转化距离进行叠加, 对叠加结果进行降序排列比较,如果排名第一的与第二相同或者与排 名第一的相同的有多个,则进入步骤d3;
步骤d3:计算匹配树的匹配程度,所述匹配树的匹配程度等于分词 得到的主关键词的数量与匹配树的主关键词数量之比,对数量之比进 行降序排列比较;如果排名第一的与第二相同或者与排名第一的相同 的有多个,则结束;
步骤d4:在步骤d1-步骤d3中,如果最优结果只有一项,即排名第 一的结果只有一个,则表示当前匹配树为最优匹配树;
步骤d5:评估结果的编码准确性,输出编码结果及准确性评估结果。
本实施例所述的一种医生诊疗医保控费智能推荐方案的方法,所 述分词处理将待分词语句切分为若干个诊断关键词,所述诊断关键词 包括表示限定修饰的修饰词和表示疾病的主关键词;所述修饰词是指 描述性质、部位或程度类型的词语;所述主关键词是指描述疾病、异 常组织、异常机体或异常症状的词语;所述联想转化处理是指将分词 得到的修饰词和主关键词标记在医疗语义网络上,利用医疗语义网络 对修饰词和主关键词分别进行联想转化,将原主关键词和原主关键词 联想转化后得到的新主关键词与原修饰词和原修饰词联想转化后得 到的新修饰词进行排列组合,最终得到原始诊断数据中主关键词与修 饰词之间的所有组合。
本实施例所述的一种医生诊疗医保控费智能推荐方案的方法,所 述搜索匹配树处理为根据联想转化处理得到的主关键词与修饰词之 间所有组合,从匹配森林中搜索出每个组合对应的完全覆盖树叶的匹 配树,结果是一个匹配树、若干个匹配树或无结果。
本实施例所述的一种医生诊疗医保控费智能推荐方案的方法,所 述评估结果的编码准确性为从结果与原始诊断数据的匹配程度、诊断 关键词在医疗语义网络的转化距离、原始诊断数据中诊断关键词与标 准诊断中诊断关键词的顺序的差异性三个角度进行评估;所述结果与 原始诊断数据的匹配程度为在所有匹配到的匹配树结果中,首先计算每组切分出的修饰词和主关键词总数量与匹配树包含的修饰词和主 关键词总数量之比值,即为第一比值;其次计算切分出的主关键词数 量与匹配树的主关键词的数量之比,即为第二比值;第二比值和第 一比值,即为结果与原始诊断数据的匹配程度;所述诊断关键词在 医疗语义网络的转化距离为将每个诊断关键词在医疗语义网络转化 到匹配树对应的诊断关键词经过的路径长度记做一个转化系数,计算 所有匹配到的诊断关键词的转化系数自然对数之和,即为诊断关键词 在医疗语义网络的转化距离;所述原始诊断数据中诊断关键词与 ICD-10中诊断关键词的顺序的差异性为:首先计算同一个诊断关键 词在原始诊断数据中的位置和在ICD-10中位置的顺序差,然后计算 所有诊断关键词的顺序差的绝对值之和。
本实施例所述的一种医生诊疗医保控费智能推荐方案的方法,对 于原始诊断数据中疾病数量多于一个的,诊断切分结果会分成两个或 多个部分,每个部分包含一个主关键词及对应的修饰词;匹配时,各 个部分作为一个组输入进行搜索匹配树;匹配森林包括若干个匹配 树,每个匹配树,包括:树根、树干、树枝和树叶;所述匹配树的树根 表示诊断概念,表现为ICD编码;所述匹配树的树干表示诊断概念的 表现诊断名称;所述匹配树的树枝表示诊断概念表现诊断名称的具 体组成部分;所述匹配树的树叶表示诊断概念表现诊断名称的具体组 成部分的修饰词和主关键词;匹配森林的形成过程:单个标准诊断是 一个概念,而概念包括若干个表现形式;每种表现形式具有自己的结 构、包含的概念实体以及包含的各概念实体间的相互关系;每个标准 诊断表示的概念、结构、包含的概念实体以及包含的各概念实体间的 相互关系用树的结构来表示,定义为匹配树,而所有标准诊断的匹配 树形成匹配森林,并且,根据ICD标准指南,在匹配森林中,匹配 树之间存在优先级及包含关系;表现形式,包括:名称;每种表现形 式具有自己的结构,包括:并列、递进说明或因果;每种表现形式具 有自己的包含的概念实体,包括:症状、疾病或操作;每种表现形式具有自己的包含的各概念实体间的相互关系,包括:关键词与修饰词 或限定修饰;所述匹配树的根表示诊断概念,其概念表现为ICD 编码;所述搜索匹配树处理,有三种情况,第一种是无结果,输出的 结果为空,那么提示无匹配结果的原因为原始诊断信息不足;第二 种是有结果,最后排序选出的最优结果只有一个,那么将这个最优结 果作为最辣匹配结果输出;第三种是有结果,选出的最优结果有多 个,那么输出结果为空,并提示无匹配结果的原因是有多个匹配程 度相同的结果,并将多个最优结果作为提示信息的一部分输出;需要重新输入诊断且在原基础上提供更详细的信息。
一种医生诊疗医保控费智能推荐方案的系统,包括存储器、处理 器和存储在存储器上并在处理器上运行的计算机指令,所述计算机 指令被处理器执行应用所述的医生诊疗医保控费智能推荐方案的方 法。
以上所述,仅是本发明较佳实施例而已,并非对本发明作任何形 式上的限制,虽然本发明以较佳实施例公开如上,然而并非用以限定 本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围 内,当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等 效实施例,但凡是未脱离本发明技术方案内容,依据本发明技术是指 对以上实施例所作的任何简单修改、等同变化与修饰,均属于本发明 技术方案的范围内。
Claims (7)
1.一种医生诊疗医保控费智能推荐方案的方法,其特征在于,包括以下步骤:
步骤A,接收输入数据,所述输入数据包括原始诊断数据;
步骤B,对输入的原始诊断数据进行原型化处理;
步骤C,以步骤B得到的原型化处理结果在GB/T 14396-2016《疾病分类与代码》及国际疾病标准分类编码ICD-10中检索,判断是否得到结果,如果得到结果,则直接输出编码结果;若否,进入步骤D;步骤D,对原型化处理过的原始诊断数据进行分词处理、联想转化处理和搜索匹配树处理,然后从匹配树的处理结果中筛选出最优结果;步骤E,根据最优结果匹配ICD关联社保,列出智能推荐的ICD方案。
2.根据权利要求1所述的一种医生诊疗医保控费智能推荐方案的方法,其特征在于,所述步骤D中从匹配树的处理结果中筛选出最优结果包括以下步骤:
步骤d1:将匹配到的匹配树上的关键词数量分别进行降序排列比较,如果排名第一的与第二相同或者与排名第一的相同的有多个,则将得到拆分的关键词数量与匹配树的关键词数量之比进行升序排列比较;如果得到的排名第一的与第二相同或者与排名第一的相同的有多个,则进入步骤d2;
步骤d2:将修饰词和主关键词在医疗语义网络的转化距离进行叠加,对叠加结果进行降序排列比较,如果排名第一的与第二相同或者与排名第一的相同的有多个,则进入步骤d3;
步骤d3:计算匹配树的匹配程度,所述匹配树的匹配程度等于分词得到的主关键词的数量与匹配树的主关键词数量之比,对数量之比进行降序排列比较;如果排名第一的与第二相同或者与排名第一的相同的有多个,则结束;
步骤d4:在步骤d1-步骤d3中,如果最优结果只有一项,即排名第一的结果只有一个,则表示当前匹配树为最优匹配树;
步骤d5:评估结果的编码准确性,输出编码结果及准确性评估结果。
3.根据权利要求1所述的一种医生诊疗医保控费智能推荐方案的方法,其特征在于:所述分词处理将待分词语句切分为若干个诊断关键词,所述诊断关键词包括表示限定修饰的修饰词和表示疾病的主关键词;所述修饰词是指描述性质、部位或程度类型的词语;所述主关键词是指描述疾病、异常组织、异常机体或异常症状的词语;所述联想转化处理是指将分词得到的修饰词和主关键词标记在医疗语义网络上,利用医疗语义网络对修饰词和主关键词分别进行联想转化,将原主关键词和原主关键词联想转化后得到的新主关键词与原修饰词和原修饰词联想转化后得到的新修饰词进行排列组合,最终得到原始诊断数据中主关键词与修饰词之间的所有组合。
4.根据权利要求1所述的一种医生诊疗医保控费智能推荐方案的方法,其特征在于:所述搜索匹配树处理为根据联想转化处理得到的主关键词与修饰词之间所有组合,从匹配森林中搜索出每个组合对应的完全覆盖树叶的匹配树,结果是一个匹配树、若干个匹配树或无结果。
5.根据权利要求2所述的一种医生诊疗医保控费智能推荐方案的方法,其特征在于:所述评估结果的编码准确性为从结果与原始诊断数据的匹配程度、诊断关键词在医疗语义网络的转化距离、原始诊断数据中诊断关键词与标准诊断中诊断关键词的顺序的差异性三个角度进行评估;所述结果与原始诊断数据的匹配程度为在所有匹配到的匹配树结果中,首先计算每组切分出的修饰词和主关键词总数量与匹配树包含的修饰词和主关键词总数量之比值,即为第一比值;其次计算切分出的主关键词数量与匹配树的主关键词的数量之比,即为第二比值;第二比值和第一比值,即为结果与原始诊断数据的匹配程度;所述诊断关键词在医疗语义网络的转化距离为将每个诊断关键词在医疗语义网络转化到匹配树对应的诊断关键词经过的路径长度记做一个转化系数,计算所有匹配到的诊断关键词的转化系数自然对数之和,即为诊断关键词在医疗语义网络的转化距离;所述原始诊断数据中诊断关键词与ICD-10中诊断关键词的顺序的差异性为:首先计算同一个诊断关键词在原始诊断数据中的位置和在ICD-10中位置的顺序差,然后计算所有诊断关键词的顺序差的绝对值之和。
6.根据权利要求1所述的一种医生诊疗医保控费智能推荐方案的方法,其特征在于:对于原始诊断数据中疾病数量多于一个的,诊断切分结果会分成两个或多个部分,每个部分包含一个主关键词及对应的修饰词;匹配时,各个部分作为一个组输入进行搜索匹配树;匹配森林包括若干个匹配树,每个匹配树,包括:树根、树干、树枝和树叶;所述匹配树的树根表示诊断概念,表现为ICD编码;所述匹配树的树干表示诊断概念的表现诊断名称;所述匹配树的树枝表示诊断概念表现诊断名称的具体组成部分;所述匹配树的树叶表示诊断概念表现诊断名称的具体组成部分的修饰词和主关键词;匹配森林的形成过程:单个标准诊断是一个概念,而概念包括若干个表现形式;每种表现形式具有自己的结构、包含的概念实体以及包含的各概念实体间的相互关系;每个标准诊断表示的概念、结构、包含的概念实体以及包含的各概念实体间的相互关系用树的结构来表示,定义为匹配树,而所有标准诊断的匹配树形成匹配森林,并且,根据ICD标准指南,在匹配森林中,匹配树之间存在优先级及包含关系;表现形式,包括:名称;每种表现形式具有自己的结构,包括:并列、递进说明或因果;每种表现形式具有自己的包含的概念实体,包括:症状、疾病或操作;每种表现形式具有自己的包含的各概念实体间的相互关系,包括:关键词与修饰词或限定修饰;所述匹配树的根表示诊断概念,其概念表现为ICD编码;所述搜索匹配树处理,有三种情况,第一种是无结果,输出的结果为空,那么提示无匹配结果的原因为原始诊断信息不足;第二种是有结果,最后排序选出的最优结果只有一个,那么将这个最优结果作为最辣匹配结果输出;第三种是有结果,选出的最优结果有多个,那么输出结果为空,并提示无匹配结果的原因是有多个匹配程度相同的结果,并将多个最优结果作为提示信息的一部分输出;需要重新输入诊断且在原基础上提供更详细的信息。
7.一种医生诊疗医保控费智能推荐方案的系统,其特征在于:包括存储器、处理器和存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器执行应用权利要求1-6任一项所述的医生诊疗医保控费智能推荐方案的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517069.4A CN110321556A (zh) | 2019-06-14 | 2019-06-14 | 一种医生诊疗医保控费智能推荐方案的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517069.4A CN110321556A (zh) | 2019-06-14 | 2019-06-14 | 一种医生诊疗医保控费智能推荐方案的方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110321556A true CN110321556A (zh) | 2019-10-11 |
Family
ID=68119651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910517069.4A Pending CN110321556A (zh) | 2019-06-14 | 2019-06-14 | 一种医生诊疗医保控费智能推荐方案的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110321556A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192667A (zh) * | 2019-12-16 | 2020-05-22 | 山东众阳健康科技集团有限公司 | 基于智能手术操作编码提示的方法 |
CN112652389A (zh) * | 2021-01-19 | 2021-04-13 | 浙江建达科技股份有限公司 | 基于DRGs预分组的控费方法 |
CN112861535A (zh) * | 2021-01-18 | 2021-05-28 | 山东众阳健康科技集团有限公司 | 一种基于诊疗数据的手术分类编码方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577826A (zh) * | 2017-10-25 | 2018-01-12 | 山东众阳软件有限公司 | 基于原始诊断数据的疾病分类编码方法及系统 |
CN108648791A (zh) * | 2018-05-04 | 2018-10-12 | 广州宝荣科技应用有限公司 | 基于icd码的中药处方推送方法及系统 |
CN109065157A (zh) * | 2018-08-01 | 2018-12-21 | 中国人民解放军第二军医大学 | 一种疾病诊断标准化编码推荐列表确定方法及系统 |
CN109785959A (zh) * | 2018-12-14 | 2019-05-21 | 平安医疗健康管理股份有限公司 | 一种疾病编码方法和装置 |
-
2019
- 2019-06-14 CN CN201910517069.4A patent/CN110321556A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577826A (zh) * | 2017-10-25 | 2018-01-12 | 山东众阳软件有限公司 | 基于原始诊断数据的疾病分类编码方法及系统 |
CN108648791A (zh) * | 2018-05-04 | 2018-10-12 | 广州宝荣科技应用有限公司 | 基于icd码的中药处方推送方法及系统 |
CN109065157A (zh) * | 2018-08-01 | 2018-12-21 | 中国人民解放军第二军医大学 | 一种疾病诊断标准化编码推荐列表确定方法及系统 |
CN109785959A (zh) * | 2018-12-14 | 2019-05-21 | 平安医疗健康管理股份有限公司 | 一种疾病编码方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192667A (zh) * | 2019-12-16 | 2020-05-22 | 山东众阳健康科技集团有限公司 | 基于智能手术操作编码提示的方法 |
CN112861535A (zh) * | 2021-01-18 | 2021-05-28 | 山东众阳健康科技集团有限公司 | 一种基于诊疗数据的手术分类编码方法及系统 |
CN112861535B (zh) * | 2021-01-18 | 2023-11-14 | 众阳健康科技集团有限公司 | 一种基于诊疗数据的手术分类编码方法及系统 |
CN112652389A (zh) * | 2021-01-19 | 2021-04-13 | 浙江建达科技股份有限公司 | 基于DRGs预分组的控费方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107731269B (zh) | 基于原始诊断数据和病历文件数据的疾病编码方法及系统 | |
CN107577826B (zh) | 基于原始诊断数据的疾病分类编码方法及系统 | |
CN107705839B (zh) | 疾病自动编码方法及系统 | |
US9477662B2 (en) | Computer-assisted abstraction for reporting of quality measures | |
US20140181128A1 (en) | Systems and Methods for Processing Patient Data History | |
CN111899829B (zh) | 一种基于icd9/10分词词库的全文检索匹配引擎 | |
CN110321556A (zh) | 一种医生诊疗医保控费智能推荐方案的方法及其系统 | |
CN114003791B (zh) | 基于深度图匹配的医疗数据元自动化分类方法及系统 | |
CN109857736A (zh) | 医院异构系统的数据编码统一化方法及系统、设备、介质 | |
CN111191415A (zh) | 基于原始手术数据的手术分类编码方法 | |
US20190272907A1 (en) | Automated identification of potential drug safety events | |
Ortona et al. | Wadar: Joint wrapper and data repair | |
CN113360530A (zh) | 一种事件筛选器系统 | |
CN112655047A (zh) | 对医学记录分类的方法 | |
CN114649074A (zh) | 一种病历数据处理方法、平台和装置 | |
CN111831624A (zh) | 数据表创建方法、装置、计算机设备及存储介质 | |
CN117290376A (zh) | 基于大语言模型的两阶段Text2SQL模型、方法与系统 | |
US20050210382A1 (en) | System and method for performing functional analyses making use of a plurality of inputs | |
CN113643141B (zh) | 解释性结论报告生成方法、装置、设备及存储介质 | |
CN113127647A (zh) | 一种基于大数据分析的工艺知识库构建方法 | |
CN112836006A (zh) | 一种多重诊断智能编码方法、系统、介质及设备 | |
CN113421650A (zh) | 一种基于智能决策系统的Meta分析生成方法 | |
CN111949781A (zh) | 一种基于自然语句句法分析的智能交互方法及装置 | |
CN111180076A (zh) | 一种基于多层语义分析的医疗信息提取方法 | |
Froeschl | A metadata approach to statistical query processing |
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: 20191011 |