CN110428910A - 临床用药适应症分析系统、方法、计算机设备和存储介质 - Google Patents
临床用药适应症分析系统、方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110428910A CN110428910A CN201910524718.3A CN201910524718A CN110428910A CN 110428910 A CN110428910 A CN 110428910A CN 201910524718 A CN201910524718 A CN 201910524718A CN 110428910 A CN110428910 A CN 110428910A
- Authority
- CN
- China
- Prior art keywords
- data
- clinical
- sufferer
- disease
- resource
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种临床用药适应症分析系统、方法、计算机设备和存储介质,包括:用药查验引擎模块、用药适应症知识图谱模块以及临床数据获取模块;临床数据获取模块用于获取临床实时数据,并将临床实时数据进行系统存储;用药适应症知识图谱模块用于获取疾病网络资源,并根据疾病网络资源生成疾病本体数据库和药品本体数据库;用药查验引擎模块用于接收病患诊断数据,并根据病患诊断数据从临床实时数据中获取与病患诊断数据相匹配的病患诊断症状,进而将病患诊断症状与用药适应症知识图谱进行症状匹配,确定症状适用药品,症状适用药品用于与病患诊断数据中的用药记录数据进行匹配,输出临床用药查验结果。本申请提高了临床用药查验结果的可靠性。
Description
技术领域
本申请涉及辅助医疗技术领域,特别是涉及一种临床用药适应症分析系统、方法、计算机设备和存储介质。
背景技术
目前,在医疗诊断领域中,越来越多的研发者开始针对疾病预测或治疗方案推荐等方向进行研究,无数成果向我们展示着如何提高对某项疾病的预测成功率,或是如何高效智能化推荐某项疾病的治疗方案等,但在这之中,无论是对预测结果的检验还是方案有效性的检验,均涉之甚少。
其中,在少量针对医疗诊断结果的检验成果中,如合理用药分析系统,虽然实现了对患者诊断数据的有效性分析,以及对患者用药合理性的判断,但是其不仅受限于临床数据的完整性,同时还由于不具备自然语言处理技术等问题,导致分析结果存在片面性,分析系统输出的分析结果可靠性较低。
因此,传统的临床用药适应症分析系统存在查验结果可靠性低的问题。
发明内容
基于此,有必要针对上述临床用药适应症分析系统存在着查验结果可靠性低的技术问题,提供一种能够合理解决上述技术问题的临床用药适应症分析系统、方法、计算机设备和存储介质。
一种临床用药适应症分析系统,包括用药查验引擎模块、用药适应症知识图谱模块以及临床数据获取模块;
所述临床数据获取模块,用于获取临床实时数据,并将所述临床实时数据进行系统存储;
所述用药适应症知识图谱模块,用于获取疾病网络资源,并根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
所述用药查验引擎模块,用于接收病患诊断数据,并根据所述病患诊断数据,从所述临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状,进而将所述病患诊断症状与所述用药适应症知识图谱进行症状匹配,确定症状适用药品,最后将所述症状适用药品与所述病患诊断数据中的用药记录数据进行匹配,输出临床用药查验结果。
在其中一个实施例中,所述系统还包括EMR数据库、NIS数据库、LIS数据库以及PACS数据库;
所述EMR数据库,用于存储所述临床实时数据中的病历文书、诊断数据、医嘱数据以及处方数据;
所述NIS数据库,用于存储所述临床实时数据中的体温单数据和护理评分数据;
所述LIS数据库,用于存储所述临床实时数据中的检验报告;
所述PACS数据库,用于存储所述临床实时数据中的检查报告。
在其中一个实施例中,所述用药适应症知识图谱模块包括资源获取子模块、资源处理子模块以及知识图谱建立子模块;
所述资源获取子模块,用于获取药品说明数据、疾病诊断指南以及专家意见数据,得到所述疾病网络资源;
所述资源处理子模块,用于确定所述疾病网络资源的资源数据格式,并根据所述资源数据格式进行自动结构化处理,得到结构化资源数据,进而将所述结构化资源数据进行分类,得到所述疾病本体数据库和所述药品本体数据库;
所述知识图谱建立子模块,用于对所述疾病本体数据库和所述药品本体数据库进行权重设置,得到所述用药适应症知识图谱。
在其中一个实施例中,所述资源处理子模块包括资源格式确定单元、资源数据处理单元以及资源数据分类单元;
所述资源格式确定单元,用于确定所述疾病网络资源的资源数据格式,得到文本格式资源和/或图像格式资源;
所述资源数据处理单元,用于将所述文本格式资源进行自动半结构化处理,得到结构化资源数据,和/或将所述图像格式资源通过OCR技术进行初步识别,得到电子文本数据,进而将所述电子文本数据自动半结构化处理,得到结构化资源数据;
所述资源数据分类单元,用于通过NLP技术对所述结构化资源数据进行分类,得到所述疾病本体数据库和所述药品本体数据库。
在其中一个实施例中,所述系统还包括查验异常提示模块;所述查验异常提示模块用于当所述临床用药查验结果输出为查验异常结果时,生成临床用药异常提示。
在其中一个实施例中,所述病患诊断症状包括检验报告数据、检查报告数据、生命体征数据以及病历文书数据中的至少一项。
在其中一个实施例中,所述临床用药查验结果包括查验异常结果或查验正常结果。
上述临床用药适应症分析系统,包括用药查验引擎模块、用药适应症知识图谱模块以及临床数据获取模块,通过对系统数据模块化的建立及其功能作用的设定,不仅能够实现对多项临床用药查验的应用,还能对患者病生理情况做到全面记录和分析,有效增强了针对临床用药合理性查验结果的可靠性,为临床应用提供了有利辅助条件。
一种临床用药适应症分析方法,所述方法包括:
获取疾病网络资源;
根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取疾病网络资源;
根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取疾病网络资源;
根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
上述临床用药适应症分析方法、计算机设备和存储介质,服务器首先获取疾病网络资源,进而根据疾病网络资源,生成疾病本体数据库和药品本体数据库,以便根据病本体数据库和药品本体数据库合并生成用药适应症知识图谱,完成知识图谱的建立之后,再接收病患诊断数据,并根据病患诊断数据从预存的临床实时数据中获取与病患诊断数据相匹配的病患诊断症状,该病患诊断症状用于与用药适应症知识图谱进行症状匹配后,确定症状适用药品,而症状适用药品用于与病患诊断数据中的用药记录数据进行匹配,以致得到临床用药查验结果。采用本方法,不仅能够实现多项临床用药查验的应用,还能对患者病生理情况做到全面记录和分析,有效增强了针对临床用药合理性查验结果的可靠性,为临床用药查验提供了有效技术思路。
附图说明
图1为一个实施例中临床用药适应症分析系统的结构框图;
图2为一个具体实施例中临床用药适应症分析系统的结构示意图;
图3为一个实施例中用药适应症知识图谱模块的结构框图;
图4为一个实施例中临床用药适应症分析方法的流程示意图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本发明实施例提供一种临床用药适应症分析系统,包括:用药查验引擎模块10、用药适应症知识图谱模块20以及临床数据获取模块30;临床数据获取模块30,用于获取临床实时数据,并将临床实时数据进行系统存储;用药适应症知识图谱模块20,用于获取疾病网络资源,并根据疾病网络资源生成疾病本体数据库和药品本体数据库;疾病本体数据库和药品本体数据库用于合并生成用药适应症知识图谱;用药查验引擎模块10,用于接收病患诊断数据,并根据病患诊断数据,从临床实时数据中获取与病患诊断数据相匹配的病患诊断症状,进而将病患诊断症状与用药适应症知识图谱进行症状匹配,确定症状适用药品,最后将症状适用药品与病患诊断数据中的用药记录数据进行匹配,输出临床用药查验结果。
具体实现中,本申请提出的临床用药适应症分析系统可应用于临床医疗领域,例如医疗工作站、各大医院等,具体用于针对适应症查验、检验结果用药查验、检查结果用药查验以及生命体征用药查验等多项指标进行用药分析。
其中,用药查验引擎模块10可采用多种编程语言构建,例如JAVA语言、C语言、C++、Python等,其运行规则包括:首先,以患者病生理情况及用药情况等临床数据作为输入项,实时传入当前医嘱、处方信息,并通过与其建立网络通信连接的临床业务层程序从临床数据中心中获取患者基础信息、查询患者相关检验报告数据、检查报告数据、生命体征数据、诊断数据以及病历文书数据。需要说明的是,医嘱是指医生根据病人病情和治疗的需要对病人在饮食、用药、化验等方面的指示;处方包括医疗机构病区用药医嘱单,是医生对病人用药的书面文件;患者基础信息有可能是患者历史入院录入的信息,也有可能是首次入院病人提前录入的信息;检验报告数据、检查报告数据、生命体征数据、诊断数据以及病历文书等数据,由于其属性的区别,通常根据患者所做检查项目的顺序进行录入更新,因此数据信息存储于临床数据中心,且实时根据患者检查情况进行更新。
其次,用药查验引擎模块10还将解析医嘱、处方信息中的药品信息,通过对照后的药品实体编码到用药适应症知识图谱模块20,用于获取药品适应症知识图谱,药品实体编码为预设编码,即存在药品名称、外观等标识对应顺序编码。将用药适应症知识图谱中涉及的适应诊断、适应症状、适应检验区间、适应检查结果、适应生命体征等各项特征进行匹配,其中的文书内容为非结构化文本,需要使用NLP(Nature Language Processing)技术对文本中阳性症状识别处理,最后对分析得到的结果进行特征整合、过滤、排序,并将临床用药查验结果进行输出。
需要说明的是,上文提到的临床业务层程序可被运行于多个终端,如医生办公电脑,临床业务层程序通过网络与临床用药适应症分析系统建立通信连接,实现数据的导入导出功能。临床数据中心由临床数据获取模块30通过获取临床实时数据后存储而形成,临床数据中心主要存储临床实时数据,即该数据可通过临床业务层程序进行实时更新,主要存储医生文书、患者生命体征、检验报告和检查报告等。
更具体地,用药适应症知识图谱模块20主要实现对用药适应症知识图谱的建立,即首先收集整理药品说明书、疾病诊断指南以及专家共识等疾病网络资源,进而对可能性存在的不同数据格式的疾病网络资源进行格式调整处理,即对word或txt等文本格式执行数据直接导入,而对于pdf、jpg等图片格式,首先通过OCR(Optical CharacterRecognition)技术进行初步识别,并由临床工作人员进行编辑校对,形成电子文本数据,再针对不同类型的数据进行自动半结构化处理,如将药品说明书处理成“适应症”、“禁忌”、“用法用量”、“不良反应”等半结构化段落;然后对于半结构化数据,通过NLP技术进行自动结构化预处理,自动规整如疾病诊断、阳性症状、检验项目、检查项目等信息,由临床专业人员进行编辑角度后,形成疾病本体库和药品本体库。通过实体关系进行梳理、权重设置、范围区间设定等,最终形成用药适应症知识图谱。
对于最终形成的用药适应症知识图谱,还需针对医院做个性化调优处理,通过分析统计临床实时数据,如病历文书中对相关症状出现的频率、疾病诊断出现的比例等对权重进行优化,手工标记医生惯用语、同义词等,对于检验值区间,通过对院内检验方法进行分析讨论、对不同年龄段人群的检验报告进行统计,优化检验预警值区间至合适范围。
更具体地,临床数据获取模块30作用在于获取临床实时数据,该数据获取方式可以是通过与临床用药适应症分析系统建立连接的临床业务层程序进行获取,即医护人员可利用临床业务层程序输入患者的临床实时数据并进行存储,综合形成临床数据中中心。需要说明的是,临床实时数据被获取之后,还需进行索引统一化处理,即同一疾病、药品等字典信息,同一患者主索引。
本实施例提供的临床用药适应症分析系统,包括用药查验引擎模块、用药适应症知识图谱模块以及临床数据获取模块,通过对系统数据模块化的建立及其功能作用的设定,不仅能够实现多项临床用药查验的应用,还能对患者病生理情况做到全面记录和分析,有效增强了针对临床用药合理性查验结果的可靠性,为临床应用提供了有利辅助条件。
为了更好地理解上述方法,以下详细阐述一个本发明临床用药适应症分析系统的应用实例。
如图2所示,该临床用药适应症分析系统包括业务数据层、基于AI(ArtificialIntelligence)的知识库、各项规则引擎及其临床应用项目。其中,业务数据层包括有包括EMR(Electronic Medical Record)数据库、NIS(Nures Information System)数据库、LIS(Laboratory Information Management)数据库以及PACS(Picture Archicving andCommunication Systems)数据库,即分别从各个数据库中获取临床实时数据,综合数据形成临床数据中心,该业务数据层为规则引擎提供病患的实时临床数据信息,即提供临床用药查验的数据来源。
其次,基于AI的知识库包括由药品说明书、疾病诊断指南以及专家共识等循证文献,将该循证文献进行自动化处理即可得到疾病本体数据库与药品本体数据库,最终借助NLP技术辅助建立用药适应症知识图谱,该知识图谱同样用于提供临床用药查验的数据来源。
最后,规则引擎利用业务数据层和基于AI的知识库中的数据信息,进行临床用药查验,既包括适应症查验、检查结果用药查验、检验结果用药查验和生命体征用药查验,并针对各项查验功能实现各项临床查验应用。
本实施例中,临床用药适应症分析系统通过获取不同类型的数据,并结合多个数据库构建了用于存储患者信息的业务数据层、用于存储网络资源的用药适应症知识图谱以及用于针对不同项目用药合理性检验的跪着引擎,不仅能够实现多项临床用药查验的应用,还能对患者病生理情况做到全面记录和分析,有效增强了针对临床用药合理性查验结果的可靠性,为临床应用提供了有利辅助条件。
此外,多模块装置之间的关联以及数据的实时性更新,能够实现在具体应用中根据实际情况进行优化调整,为临床用药适应症分析系统建立了理想的源数据基础,有效保证了查验结果的可靠性。
在一个实施例中,临床用药适应症分析系统还包括EMR数据库、NIS数据库、LIS数据库以及PACS数据库;EMR数据库用于存储所述临床实时数据中的病历文书、诊断数据、医嘱数据以及处方数据;NIS数据库用于存储所述临床实时数据中的体温单数据和护理评分数据;LIS数据库用于存储所述临床实时数据中的检验报告;PACS数据库用于存储所述临床实时数据中的检查报告。
其中,EMR数据库表示电子病历系统镜像库,其内部存储有病历文书、诊断、医嘱及处方等数据;NIS数据库表示护理系统镜像库,存储有体温单、护理评分等数据;LIS数据库表示检验系统镜像库,存储有检验报告数据;PACS数据库表示影像系统镜像库,存储有检查报告数据。
本实施例提出的方案是基于上述实施例所提方案的进一步优化,通过对病患相关数据的分库整理存储,即确保了数据的安全性与完整性,同时,多个数据库实行并联接入临床数据获取模块30,多通道数据传输方式更提升了数据获取速度,避免数据之间的相互干扰,为临床用药适应症分析系统建立了理想的源数据基础,有效保证了查验结果的可靠性。
在一个实施例中,用药适应症知识图谱模块20包括资源获取子模块201、资源处理子模块202以及知识图谱建立子模块203;
资源获取子模块201,用于获取药品说明数据、疾病诊断指南以及专家意见数据,得到疾病网络资源;
资源处理子模块202,用于确定疾病网络资源的资源数据格式,并根据资源数据格式进行自动结构化处理,得到结构化资源数据,进而将结构化资源数据进行分类,得到疾病本体数据库和所述药品本体数据库;
知识图谱建立子模块203,用于对疾病本体数据库和所述药品本体数据库进行权重设置,得到用药适应症知识图谱。
具体实现中,可参阅图3,图3为一个实施例中用药适应症知识图谱模块的结构框图。其中,资源获取子模块201主要用于获取药品说明数据、疾病诊断指南以及专家意见数据,得到疾病网络资源,该疾病网络资源取自互联网或是医疗机构内部统计数据。资源处理子模块202主要用于确定疾病网络资源的资源数据格式,并根据资源数据格式进行自动结构化处理,得到结构化资源数据,进而将结构化资源数据进行分类,得到疾病本体数据库和所述药品本体数据库,即对获取到的数据按预设自然语言处理算法进行信息处理。知识图谱建立子模块203主要用于对疾病本体数据库和所述药品本体数据库进行权重设置,得到用药适应症知识图谱,疾病本体库所存储的信息可供使用者快速查找、全面掌握繁杂的疾病、辅助检查信息的需求,药品本体库所存储的信息可用使用者快速查找药品信息的需求。
本实施例提出的方案是基于上述实施例所提方案的进一步优化,主要针对数据的存储结构进行处理,以致构建资源信息充足的用药适应症知识图谱,为临床用药适应症分析系统建立了理想的源数据基础,有效保证了查验结果的可靠性。
在一个实施例中,资源处理子模块包括资源格式确定单元2021、资源数据处理单元2022以及资源数据分类单元2023;
资源格式确定单元2021,用于确定疾病网络资源的资源数据格式,得到文本格式资源和/或图像格式资源;
资源数据处理单元2022,用于将文本格式资源进行自动半结构化处理,得到结构化资源数据,和/或将图像格式资源通过OCR技术进行初步识别,得到电子文本数据,进而将电子文本数据自动半结构化处理,得到结构化资源数据;
资源数据分类单元2023,用于通过NLP技术对结构化资源数据进行分类,得到疾病本体数据库和药品本体数据库。
本实施例是上述实施例的进一步优化,即通过各单元模块对数据的作用功能实现对数据有预设算法处理,对待存储数据的格式进行规范统一化,为临床用药适应症分析系统建立了理想的源数据基础,有效保证了查验结果的可靠性。
在一个实施例中,临床用药适应症分析系统还包括查验异常提示模块;查验异常提示模块用于当临床用药查验结果输出为查验异常结果时,生成临床用药异常提示。
具体实现中,临床用药适应症分析系统可作为临床应用,特别是在医生开具医嘱时,能够辅助做到患者病生理情况的全面分析,如患者诊断、症状、查体、生命体征、检验指标及检查报告等数据。因此,临床用药适应症分析系统还包括可用于当临床用药查验结果输出为查验异常结果时,生成临床用药异常提示的查验异常提示模块。
本实施例是上述实施例的进一步优化,即在临床用药适应症分析系统中设置有查验异常提示模块,该提示模块可响应临床用药适应症分析系统的用药查验异常指令,即可通过终端显示或信息发送的方式提示查验结果异常,优化了临床用药适应症分析系统的功能。
在一个实施例中,病患诊断症状包括检验报告数据、检查报告数据、生命体征数据以及病历文书数据中的至少一项。
具体实现中,检验报告偏重于结论判定,例如“D-二聚体>1.0mg/L”;检查报告偏重于实测数据,例如“心超显示肺栓塞”;生命体征数据包括体温、脉搏、呼吸、血压等;病历文书包括处方、病历等,以上各项数据均可体现病患相应的诊断症状,而药品使用的适应症,用法禁忌等均有病患诊断症状决定,因此在用药适应症知识图谱中可由病患诊断症状判定用药是否合适。
本实施例是上述实施例的进一步优化,主要利用症状与药品之间的关联性构建实际情况与预设情况的,为临床用药适应症分析系统建立了理想的源数据基础,有效保证了查验结果的可靠性。
在一个实施例中,临床用药查验结果包括查验异常结果或查验正常结果。
具体实现中,临床用药查验结果包括查验异常结果或查验正常结果,主要作用于当临床用药查验结果输出为查验异常结果时,可提示临床用药异常,当临床用药查验结果输出为查验正常结果时,可提示临床用药正常,即可由结论导向临床用药查验结果,简练直观。
本实施例是上述实施例的进一步优化,优化了临床用药适应症分析系统的功能。
上述临床用药适应症分析系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,如图4所示,提供了一种临床用药适应症分析方法,该方法可应用于服务器端,包括以下步骤:
步骤S410,获取疾病网络资源。
步骤S420,根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱。
步骤S430,接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
上述临床用药适应症分析方法,不仅能够实现多项临床用药查验的应用,还能对患者病生理情况做到全面记录和分析,有效增强了针对临床用药合理性查验结果的可靠性,为临床用药查验提供了有效技术思路。
应该理解的是,虽然图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储标识信息和设备信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现一种临床用药适应症分析方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取疾病网络资源;
根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取疾病网络资源;
根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种临床用药适应症分析系统,其特征在于,包括用药查验引擎模块、用药适应症知识图谱模块以及临床数据获取模块;
所述临床数据获取模块,用于获取临床实时数据,并将所述临床实时数据进行系统存储;
所述用药适应症知识图谱模块,用于获取疾病网络资源,并根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
所述用药查验引擎模块,用于接收病患诊断数据,并根据所述病患诊断数据,从所述临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状,进而将所述病患诊断症状与所述用药适应症知识图谱进行症状匹配,确定症状适用药品,最后将所述症状适用药品与所述病患诊断数据中的用药记录数据进行匹配,输出临床用药查验结果。
2.根据权利要求1所述的一种临床用药适应症分析系统,其特征在于,还包括EMR数据库、NIS数据库、LIS数据库以及PACS数据库;
所述EMR数据库,用于存储所述临床实时数据中的病历文书、诊断数据、医嘱数据以及处方数据;
所述NIS数据库,用于存储所述临床实时数据中的体温单数据和护理评分数据;
所述LIS数据库,用于存储所述临床实时数据中的检验报告;
所述PACS数据库,用于存储所述临床实时数据中的检查报告。
3.根据权利要求1所述的一种临床用药适应症分析系统,其特征在于,所述用药适应症知识图谱模块包括资源获取子模块、资源处理子模块以及知识图谱建立子模块;
所述资源获取子模块,用于获取药品说明数据、疾病诊断指南以及专家意见数据,得到所述疾病网络资源;
所述资源处理子模块,用于确定所述疾病网络资源的资源数据格式,并根据所述资源数据格式进行自动结构化处理,得到结构化资源数据,进而将所述结构化资源数据进行分类,得到所述疾病本体数据库和所述药品本体数据库;
所述知识图谱建立子模块,用于对所述疾病本体数据库和所述药品本体数据库进行权重设置,得到所述用药适应症知识图谱。
4.根据权利要求3所述的一种临床用药适应症分析系统,其特征在于,所述资源处理子模块包括资源格式确定单元、资源数据处理单元以及资源数据分类单元;
所述资源格式确定单元,用于确定所述疾病网络资源的资源数据格式,得到文本格式资源和/或图像格式资源;
所述资源数据处理单元,用于将所述文本格式资源进行自动半结构化处理,得到结构化资源数据,和/或将所述图像格式资源通过OCR技术进行初步识别,得到电子文本数据,进而将所述电子文本数据自动半结构化处理,得到结构化资源数据;
所述资源数据分类单元,用于通过NLP技术对所述结构化资源数据进行分类,得到所述疾病本体数据库和所述药品本体数据库。
5.根据权利要求1所述的一种临床用药适应症分析系统,其特征在于,还包括查验异常提示模块;所述查验异常提示模块用于当所述临床用药查验结果输出为查验异常结果时,生成临床用药异常提示。
6.根据权利要求1所述的一种临床用药适应症分析系统,其特征在于,所述病患诊断症状包括检验报告数据、检查报告数据、生命体征数据以及病历文书数据中的至少一项。
7.根据权利要求1所述的一种临床用药适应症分析系统,其特征在于,所述临床用药查验结果包括查验异常结果或查验正常结果。
8.一种临床用药适应症分析方法,其特征在于,所述方法包括:
获取疾病网络资源;
根据所述疾病网络资源,生成疾病本体数据库和药品本体数据库;所述疾病本体数据库和所述药品本体数据库用于合并生成用药适应症知识图谱;
接收病患诊断数据,并根据所述病患诊断数据,从预存的临床实时数据中获取与所述病患诊断数据相匹配的病患诊断症状;所述病患诊断症状用于与所述用药适应症知识图谱进行症状匹配后,确定症状适用药品;所述症状适用药品用于与所述病患诊断数据中的用药记录数据进行匹配,得到临床用药查验结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求8所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求8所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524718.3A CN110428910A (zh) | 2019-06-18 | 2019-06-18 | 临床用药适应症分析系统、方法、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524718.3A CN110428910A (zh) | 2019-06-18 | 2019-06-18 | 临床用药适应症分析系统、方法、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110428910A true CN110428910A (zh) | 2019-11-08 |
Family
ID=68407691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910524718.3A Pending CN110428910A (zh) | 2019-06-18 | 2019-06-18 | 临床用药适应症分析系统、方法、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428910A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110444288A (zh) * | 2019-07-24 | 2019-11-12 | 卓尔智联(武汉)研究院有限公司 | 基于复杂网络的辅助诊断装置、方法及可读存储介质 |
CN111223571A (zh) * | 2020-01-06 | 2020-06-02 | 中国人民解放军总医院 | 药品不良反应监测方法及装置、计算机设备及存储介质 |
CN111312357A (zh) * | 2020-01-20 | 2020-06-19 | 和宇健康科技股份有限公司 | 一种药品分析方法及系统 |
CN111986770A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 药方用药审核方法、装置、设备及存储介质 |
CN112116978A (zh) * | 2020-09-17 | 2020-12-22 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
CN112270968A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种基于数据库的药物疾病匹配方法 |
CN112270967A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种药物疾病匹配数据库 |
CN113257383A (zh) * | 2021-06-16 | 2021-08-13 | 腾讯科技(深圳)有限公司 | 匹配信息确定方法、显示方法、装置、设备及存储介质 |
CN113539414A (zh) * | 2021-07-30 | 2021-10-22 | 中电药明数据科技(成都)有限公司 | 一种抗生素用药合理性预测方法及系统 |
CN113744821A (zh) * | 2021-01-29 | 2021-12-03 | 北京京东拓先科技有限公司 | 信息检测方法及装置、存储介质 |
CN114005507A (zh) * | 2021-09-23 | 2022-02-01 | 厦门大学 | 一种基于知识图谱的临床用药风险评估方法和系统 |
WO2022062353A1 (zh) * | 2020-09-23 | 2022-03-31 | 康键信息技术(深圳)有限公司 | 医疗数据处理方法、装置、计算机设备和存储介质 |
WO2022111720A1 (zh) * | 2020-11-30 | 2022-06-02 | 北京华彬立成科技有限公司 | 药物开发分析方法、装置、电子设备和存储介质 |
CN117116497A (zh) * | 2023-10-16 | 2023-11-24 | 长春中医药大学 | 一种用于妇科疾病的临床护理管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951719A (zh) * | 2017-04-10 | 2017-07-14 | 荣科科技股份有限公司 | 临床诊断模型的构建方法及构建系统、临床诊断系统 |
EP3223180A1 (en) * | 2016-03-24 | 2017-09-27 | Fujitsu Limited | A system and a method for assessing patient risk using open data and clinician input |
CN109378045A (zh) * | 2018-09-26 | 2019-02-22 | 北京理工大学 | 基于药品知识图谱推理的用药决策支持方法 |
CN109658208A (zh) * | 2019-01-15 | 2019-04-19 | 京东方科技集团股份有限公司 | 药品的推荐方法、装置、介质和电子设备 |
-
2019
- 2019-06-18 CN CN201910524718.3A patent/CN110428910A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3223180A1 (en) * | 2016-03-24 | 2017-09-27 | Fujitsu Limited | A system and a method for assessing patient risk using open data and clinician input |
CN106951719A (zh) * | 2017-04-10 | 2017-07-14 | 荣科科技股份有限公司 | 临床诊断模型的构建方法及构建系统、临床诊断系统 |
CN109378045A (zh) * | 2018-09-26 | 2019-02-22 | 北京理工大学 | 基于药品知识图谱推理的用药决策支持方法 |
CN109658208A (zh) * | 2019-01-15 | 2019-04-19 | 京东方科技集团股份有限公司 | 药品的推荐方法、装置、介质和电子设备 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110444288A (zh) * | 2019-07-24 | 2019-11-12 | 卓尔智联(武汉)研究院有限公司 | 基于复杂网络的辅助诊断装置、方法及可读存储介质 |
CN111223571A (zh) * | 2020-01-06 | 2020-06-02 | 中国人民解放军总医院 | 药品不良反应监测方法及装置、计算机设备及存储介质 |
CN111312357A (zh) * | 2020-01-20 | 2020-06-19 | 和宇健康科技股份有限公司 | 一种药品分析方法及系统 |
CN111986770A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 药方用药审核方法、装置、设备及存储介质 |
CN112116978A (zh) * | 2020-09-17 | 2020-12-22 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
CN112116978B (zh) * | 2020-09-17 | 2023-01-31 | 陕西师范大学 | 一种风湿免疫药物推荐方法、系统及装置 |
WO2022062353A1 (zh) * | 2020-09-23 | 2022-03-31 | 康键信息技术(深圳)有限公司 | 医疗数据处理方法、装置、计算机设备和存储介质 |
CN112270967A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种药物疾病匹配数据库 |
CN112270968A (zh) * | 2020-11-16 | 2021-01-26 | 上海陶术生物科技有限公司 | 一种基于数据库的药物疾病匹配方法 |
WO2022111720A1 (zh) * | 2020-11-30 | 2022-06-02 | 北京华彬立成科技有限公司 | 药物开发分析方法、装置、电子设备和存储介质 |
CN113744821A (zh) * | 2021-01-29 | 2021-12-03 | 北京京东拓先科技有限公司 | 信息检测方法及装置、存储介质 |
WO2022161133A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京京东拓先科技有限公司 | 信息检测方法及装置、存储介质 |
CN113257383A (zh) * | 2021-06-16 | 2021-08-13 | 腾讯科技(深圳)有限公司 | 匹配信息确定方法、显示方法、装置、设备及存储介质 |
CN113257383B (zh) * | 2021-06-16 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 匹配信息确定方法、显示方法、装置、设备及存储介质 |
CN113539414A (zh) * | 2021-07-30 | 2021-10-22 | 中电药明数据科技(成都)有限公司 | 一种抗生素用药合理性预测方法及系统 |
CN114005507A (zh) * | 2021-09-23 | 2022-02-01 | 厦门大学 | 一种基于知识图谱的临床用药风险评估方法和系统 |
CN117116497A (zh) * | 2023-10-16 | 2023-11-24 | 长春中医药大学 | 一种用于妇科疾病的临床护理管理系统 |
CN117116497B (zh) * | 2023-10-16 | 2024-01-12 | 长春中医药大学 | 一种用于妇科疾病的临床护理管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428910A (zh) | 临床用药适应症分析系统、方法、计算机设备和存储介质 | |
Sherimon et al. | OntoDiabetic: an ontology-based clinical decision support system for diabetic patients | |
JP7035314B2 (ja) | 患者の診断を支援するシステムおよび方法 | |
US20180293354A1 (en) | Clinical content analytics engine | |
Wilk et al. | Comprehensive mitigation framework for concurrent application of multiple clinical practice guidelines | |
KR102237449B1 (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
CN110111886A (zh) | 一种基于XGBoost疾病预测的智能问诊系统及方法 | |
US20120102405A1 (en) | System and method for matching person-specific data with evidence resulting in recommended actions | |
US20120290319A1 (en) | Automatic coding of patient outcomes | |
Sanchez et al. | A knowledge-based clinical decision support system for the diagnosis of Alzheimer disease | |
US20140149132A1 (en) | Adaptive medical documentation and document management | |
Mekruksavanich | Medical expert system based ontology for diabetes disease diagnosis | |
US10318635B2 (en) | Automated mapping of service codes in healthcare systems | |
US20210287800A1 (en) | Ai supported personalized, natural language-based patient interface for medical-bot | |
US10424403B2 (en) | Adaptive medical documentation system | |
US10186006B2 (en) | Interface feed analyzer for code mapping | |
US10565315B2 (en) | Automated mapping of service codes in healthcare systems | |
US11935636B2 (en) | Dynamic medical summary | |
US11875884B2 (en) | Expression of clinical logic with positive and negative explainability | |
US20240203545A1 (en) | Artificial intelligence medical examination and medical record generation system and method thereof | |
CN108604463A (zh) | 认知患者护理事件重建 | |
Göğebakan et al. | A review of recent advances for preventing, diagnosis and treatment of diabetes mellitus using semantic web | |
US20230316095A1 (en) | Systems and methods for automated scribes based on knowledge graphs of clinical information | |
WO2023217737A1 (en) | Health data enrichment for improved medical diagnostics | |
KR102652935B1 (ko) | 임상 의사 결정을 지원하기 위한 통합 지식 베이스를 제공하는 방법 및 장치 |
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 |
Application publication date: 20191108 |
|
RJ01 | Rejection of invention patent application after publication |