CN110570921A - 基于单病种的临床信息处理系统 - Google Patents

基于单病种的临床信息处理系统 Download PDF

Info

Publication number
CN110570921A
CN110570921A CN201910773136.9A CN201910773136A CN110570921A CN 110570921 A CN110570921 A CN 110570921A CN 201910773136 A CN201910773136 A CN 201910773136A CN 110570921 A CN110570921 A CN 110570921A
Authority
CN
China
Prior art keywords
information
diagnosis
treatment
clinical
treatment 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
Application number
CN201910773136.9A
Other languages
English (en)
Inventor
许学猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Second Traditional Chinese Medicine Hospital (guangdong Research Institute Of Traditional Chinese Medicine Manufacturing Technology)
Original Assignee
Guangdong Second Traditional Chinese Medicine Hospital (guangdong Research Institute Of Traditional Chinese Medicine Manufacturing Technology)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Second Traditional Chinese Medicine Hospital (guangdong Research Institute Of Traditional Chinese Medicine Manufacturing Technology) filed Critical Guangdong Second Traditional Chinese Medicine Hospital (guangdong Research Institute Of Traditional Chinese Medicine Manufacturing Technology)
Priority to CN201910773136.9A priority Critical patent/CN110570921A/zh
Publication of CN110570921A publication Critical patent/CN110570921A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请公开了一种基于单病种的临床信息处理系统，包括临床信息采集模块，用于根据单病种患者的身份信息查找对应的临床信息，生成临床数据报告；其中，临床信息包括单病种患者的第一基本信息、第一体检信息和第一诊疗信息，各信息由服务器自动上传；诊疗信息匹配模块，用于将临床数据报告中的第一基本信息和第一体检信息通过训练好的深度学习神经网络，匹配对应的第二诊疗信息；诊疗信息比对模块，用于并在第一诊疗信息与第二诊疗信息的误差在预设范围内时，将第一诊疗信息标记为正确的诊疗信息。与现有技术相比，本申请通过自动上传信息以及利用神经网络自动生成评价信息的方式，在减少工作量的同时，提高质量管理评价的效率。

Description

基于单病种的临床信息处理系统
技术领域
本申请涉及医疗系统中单病种处理技术领域，尤其涉及一种基于单病种的临床信息处理系统。
背景技术
单病种是一种单一的、不会产生并发症的疾病。现有的单病种质量管理，是以病种的临床信息，如诊断和治疗等医疗质量指标，来进行质量管理评价。传统的质量管理评价，是通过口头或文字进行医疗病种管理及处理，但是无法严格把关治病诊疗进行过程中的质量控制和终末质量控制，也无法对医疗诊治技术、评价医师诊疗行为是否符合规范合理进行持续改进，诊疗效率低且质量无法保证。
为解决上述问题，现有技术中，采用实时根据患者的临床信息生成病种讲稿的方式，从而提供准确的数据进行质量管理评价。但采用该方式进行质量管理评价时，发现患者的一些临床信息，如检验报告等，需要医生手动拖拽，增加医生的工作量，且病种的质量管理评价需依靠治疗该病种的专家进行，才能够准确评价医师的诊疗技术和诊疗行为，进而导致专家的工作量增加，质量管理评价也需耗费大量时间，效率不高。
发明内容
本申请实施例所要解决的技术问题在于，提供一种基于单病种的临床信息处理系统，减少工作量，提高质量管理评价的效率。
为解决上述问题，本申请实施例提供一种基于单病种的临床信息处理系统，包括：
临床信息采集模块，用于采集单病种患者的身份信息，根据所述身份信息，在数据库中查找与所述单病种患者对应的临床信息，生成临床数据报告；其中，所述临床信息包括所述单病种患者的第一基本信息、第一体检信息和第一诊疗信息，所述第一基本信息包括年龄信息和性别信息，由第一服务器自动上传，所述第一体检信息由第二服务器自动上传，所述第一诊疗信息由第三服务器自动上传；
诊疗信息匹配模块，用于将所述临床数据报告中的所述第一基本信息和所述第一体检信息通过训练好的深度学习神经网络，匹配对应的第二诊疗信息；
诊疗信息比对模块，用于比对所述第一诊疗信息与所述第二诊疗信息，并在所述第一诊疗信息与第二诊疗信息的误差在预设范围内时，将所述第一诊疗信息标记为正确的诊疗信息。
进一步的，所述诊疗信息匹配模块包括训练单元和匹配单元；
所述训练单元用于，采集与多个单病种患者一一对应的多个第二基本信息和多个第二体检信息，对任意一个所述第二基本信息与任意一个所述第二体检信息形成的信息组合，预设对应的所述第二诊疗信息后，将各所述信息组合输入待训练的深度学习神经网络进行匹配训练，直至各所述信息组合均匹配到对应的所述第二诊疗信息；
所述匹配单元用于，将所述临床数据报告中的所述第一基本信息和所述第二体检信息通过训练好的深度学习神经网络，匹配对应的所述第二诊疗信息。
进一步的，所述匹配单元还用于：
当所述临床数据报告中的所述第一基本信息和所述第一体检信息通过训练好的深度学习神经网络，未匹配对应的所述第二诊疗信息时，将所述第一基本信息、所述第一体检信息作为待确认组合发送至智能终端，并将智能终端基于所述待确认信息组合反馈的诊疗信息作为与所述待确认信息组合对应的所述第二诊疗信息后，将各所述待确认组合输入待训练的深度学习神经网络进行匹配训练，直至所述待确认组合匹配到对应的所述第二诊疗信息。
进一步的，还包括：
模型建立模块，用于根据多个所述第二基本信息、多个所述第二体检信息以及多个所述第二诊疗信息，建立三维临床信息模型；其中，三维临床信息模型包括X轴、Y轴和Z轴，X轴为所述第二基本信息，Y轴为所述第二体检信息，Z轴为所述第二诊疗信息。
进一步的，所述诊疗信息比对模块包括：
信息比对单元，用于比对所述第一诊疗信息与所述第二诊疗信息；
第一处理单元，用于在所述第一诊疗信息与所述第二诊疗信息的误差在预设范围内时，将所述第一诊疗信息标记为正确的诊疗信息；
第二处理单元，用于在所述第一诊疗信息与所述第二诊疗信息的误差超过预设范围内时，将所述临床数据报告与对应的第二诊疗信息标记为待确认信息组并发送至预设的智能终端。
进一步的，所述临床信息还包括所述单病种患者的就诊类型信息，所述就诊类型信息通过所述第一服务器自动上传。
进一步的，所述第一服务器接入已授权医疗机构的挂号系统，所述第二服务器接入所述已授权医疗机构的体检系统，所述第三服务器接入所述已授权医疗机构的诊疗系统。
实施本申请实施例，具有如下有益效果：
本申请实施例提供的一种基于单病种的临床信息处理系统，通过自动上传信息的方式，减少医生工作量，并利用神经网络自动生成评价信息，从而在进一步减少工作量的同时，提高质量管理评价的效率。
附图说明
图1是本申请的一个实施例提供的基于单病种的临床信息处理系统的结构示意图；
图2是诊疗信息匹配模块的结构示意图；
图3是诊疗信息比对模块的结构示意图；
图4本申请的又一个实施例提供的基于单病种的临床信息处理系统的流程示意图；
图5三维临床信息模型图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，是本申请的一个实施例提供的基于单病种的临床信息处理系统的结构示意图，包括：
临床信息采集模块101，用于采集单病种患者的身份信息，根据身份信息，在数据库中查找与单病种患者对应的临床信息，生成临床数据报告。
其中，临床信息包括单病种患者的第一基本信息、第一体检信息和第一诊疗信息，第一基本信息包括年龄信息和性别信息，由第一服务器自动上传，第一体检信息由第二服务器自动上传，第一诊疗信息由第三服务器自动上传。
在本实施例中，各个已授权的医疗机构和地域通过服务器可以实现以标准化的语义互操作性为基础的互联，这时的历次就诊不限于一家医疗机构，而是包括患者一生中在所有医疗机构的就诊记录。临床信息是跨越医疗机构和地域边界的。
在本实施例中，年龄信息通过年龄区段可统一划分为新生儿期、婴儿期、幼儿期、学龄前期、学龄期、青春期、青年期、中年期和老年期等，具体的年龄区段划分可由医学专家经过商议后决定。
在本实施例中，身份信息可以但不限于用户的姓名及身份证信息，临床信息还包括单病种患者的就诊类型信息。就诊类型信息通过第一服务器自动上传。就诊类型信息包括门诊、住院和健康体检。
作为本实施例的一个优选举例，第一服务器接入已授权医疗机构的挂号系统，在单病种患者的基本信息和就诊类型信息输入到挂号系统时，自动将单病种患者的就诊类型信息和基本信息上传到数据库。第二服务器已授权医疗机构的体检系统，当体检系统，如体检中心生成单病种患者的体检信息时，则该体检信息通过第二服务器，自动上传到数据库。第三服务器接入已授权医疗机构的诊疗系统，当医生通过诊疗系统对单病种患者做出诊疗意见，如药物的选择等，则诊疗系统通过第三服务器，将该诊疗意见作为诊疗信息，自动上传到数据库。通过服务器自动上传信息的操作，使得医生无需手动进行检验报告的拖拽上传。
作为本实施例的又一个优选举例，第一服务器、第二服务器与第三服务器均和挂号系统、体检系统和诊疗系统相连，第一服务器、第二服务器和第三服务器均可上传基本信息、就诊类型信息、体检信息和诊疗信息，通过以上方式，使得即使在一个服务器出现故障时，通过其他服务器依旧可以实现信息上传。
诊疗信息匹配模块102，用于将临床数据报告中的第一基本信息和第一体检信息通过训练好的深度学习神经网络，匹配对应的第二诊疗信息。
在本实施例中，如图2所示，诊疗信息匹配模块102包括训练单元201和匹配单元202。
训练单元201用于，采集与多个单病种患者一一对应的多个第二基本信息和多个第二体检信息，对任意一个第二基本信息与任意一个第二体检信息形成的信息组合，预设对应的第二诊疗信息后，将各信息组合输入待训练的深度学习神经网络进行匹配训练，直至各信息组合均匹配到对应的第二诊疗信息。
在本实施例中，第二诊疗信息为专家组对任意一个第二基本信息与任意一个第二体检信息形成的信息组合的诊疗意见。如专家组针对处于学龄前期的单病种患者，根据其第二体检信息中各体检指标所体现出的疾病问题进行诊断，从而确定该年龄段的患者在出现上述各体检指标时，需要采用的治疗方案，即第二诊疗信息。其中，第二基本信息和第二体检信息的样本为当前状态下所能采集到的所有样本，当第二基本信息和第二体检信息的样本量足够大时，深度学习神经网络的训练效果也会越好，同时后续的信息比对也会越准确。
匹配单元202用于，将临床数据报告中的第一基本信息和第一体检信息通过训练好的深度学习神经网络，匹配对应的第二诊疗信息。
在本实施例中，匹配单元202还用于，当临床数据报告中的第一基本信息和第一体检信息通过训练好的深度学习神经网络，未匹配对应的第二诊疗信息时，将第一基本信息、第一体检信息作为待确认组合发送至智能终端，并将智能终端基于待确认信息组合反馈的诊疗信息作为与待确认信息组合对应的第二诊疗信息后，将各待确认组合输入待训练的深度学习神经网络进行匹配训练，直至待确认组合匹配到对应的第二诊疗信息。
由于信息比对的准确度依赖于训练样本的数量，因此在进行诊断信息匹配时，可能出现由于样本不足导致匹配失败的情况。当出现这种情况时，将匹配失败的第一基本信息和第一体检信息作为待确认组合发送至智能终端，从而通知专家组针对该待确认组合制定对应的第二诊断信息后，利用该待确认组合和其对应的第二诊断信息，进一步训练该深度学习神经网络，从而优化信息比对。
诊疗信息比对模块103，用于比对第一诊疗信息与第二诊疗信息，并在第一诊疗信息与第二诊疗信息的误差在预设范围内时，将第一诊疗信息标记为正确的诊疗信息。
在本实施例中，预设范围设置为，第一诊疗信息与第二诊疗信息的用药信息，如用药类型和用药剂量必须相同，其他如饮食建议等可存在一定误差。若用药信息相同，则将第一诊疗信息标记为正确的诊疗信息，并给予给出该第一诊疗信息的医生正面评价。
在本实施例中，如图3所示，诊疗信息比对模块103包括：
信息比对单元301，用于比对第一诊疗信息与第二诊疗信息。
第一处理单元302，用于在第一诊疗信息与第二诊疗信息的误差在预设范围内时，将第一诊疗信息标记为正确的诊疗信息。
第二处理单元303，用于在第一诊疗信息与第二诊疗信息的误差超过预设范围内时，将临床数据报告与对应的第二诊疗信息标记为待确认信息组并发送至预设的智能终端。
在本实施例中，由于相同疾病可能存在多种疗法，因此当第一诊疗信息中的用药信息与第二诊疗信息不同时，则将该第一诊疗信息对应的临床数据报告与该第二诊疗信息发送到智能终端，从而通知专家组针对该临床数据报告，确定该临床数据报告中的第一诊疗信息是否可行。若可行，则将该第一诊疗信息添加到该第二诊疗信息中，作为后续治疗时的一个可选项，并基于给出该第一诊疗信息的医生正面评价。否则，给予负面评价。
进一步的，如图4所示，本申请的又一个实施例提供的基于单病种的临床信息处理系统的流程示意图，包括：
模型建立模块104，用于根据多个第二基本信息、多个第二体检信息以及多个第二诊疗信息，建立三维临床信息模型。其中，三维临床信息模型包括X轴、Y轴和Z轴，X轴为第二基本信息，Y轴为第二体检信息，Z轴为第二诊疗信息。
在本实施例中，三维临床信息模型可如图5所示。由于三维空间中任意一个空间位置都对应某个特定的临床数据报告，从而构成了一个完整、立体的临床数据报告记录，从而能够利用这些临床数据报告记录，全面地反应临床信息内容的全貌。
本申请实施例提供一种基于单病种的临床信息处理系统，包括临床信息采集模块，用于采集单病种患者的身份信息，根据身份信息，在数据库中查找与单病种患者对应的临床信息，生成临床数据报告；其中，临床信息包括单病种患者的第一基本信息、第一体检信息和第一诊疗信息，各信息由服务器自动上传；诊疗信息匹配模块，用于将临床数据报告中的第一基本信息和第一体检信息通过训练好的深度学习神经网络，匹配对应的第二诊疗信息；诊疗信息比对模块，用于比对第一诊疗信息与第二诊疗信息，并在第一诊疗信息与第二诊疗信息的误差在预设范围内时，将第一诊疗信息标记为正确的诊疗信息。与现有技术相比，本实施例通过自动上传信息的方式，减少医生工作量，并利用神经网络自动生成评价信息，从而在进一步减少工作量的同时，提高质量管理评价的效率。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本申请的保护范围。

Claims (7)

1.一种基于单病种的临床信息处理系统，其特征在于，包括：
临床信息采集模块，用于采集单病种患者的身份信息，根据所述身份信息，在数据库中查找与所述单病种患者对应的临床信息，生成临床数据报告；其中，所述临床信息包括所述单病种患者的第一基本信息、第一体检信息和第一诊疗信息，所述第一基本信息包括年龄信息和性别信息，由第一服务器自动上传，所述第一体检信息由第二服务器自动上传，所述第一诊疗信息由第三服务器自动上传；
诊疗信息匹配模块，用于将所述临床数据报告中的所述第一基本信息和所述第一体检信息通过训练好的深度学习神经网络，匹配对应的第二诊疗信息；
诊疗信息比对模块，用于比对所述第一诊疗信息与所述第二诊疗信息，并在所述第一诊疗信息与第二诊疗信息的误差在预设范围内时，将所述第一诊疗信息标记为正确的诊疗信息。
2.根据权利要求1所述的基于单病种的临床信息处理系统，其特征在于，所述诊疗信息匹配模块包括训练单元和匹配单元；
所述训练单元用于，采集与多个单病种患者一一对应的多个第二基本信息和多个第二体检信息，对任意一个所述第二基本信息与任意一个所述第二体检信息形成的信息组合，预设对应的所述第二诊疗信息后，将各所述信息组合输入待训练的深度学习神经网络进行匹配训练，直至各所述信息组合均匹配到对应的所述第二诊疗信息；
所述匹配单元用于，将所述临床数据报告中的所述第一基本信息和所述第二体检信息通过训练好的深度学习神经网络，匹配对应的所述第二诊疗信息。
3.根据权利要求2所述的基于单病种的临床信息处理系统，其特征在于，所述匹配单元还用于：
当所述临床数据报告中的所述第一基本信息和所述第一体检信息通过训练好的深度学习神经网络，未匹配对应的所述第二诊疗信息时，将所述第一基本信息、所述第一体检信息作为待确认组合发送至智能终端，并将智能终端基于所述待确认信息组合反馈的诊疗信息作为与所述待确认信息组合对应的所述第二诊疗信息后，将各所述待确认组合输入待训练的深度学习神经网络进行匹配训练，直至所述待确认组合匹配到对应的所述第二诊疗信息。
4.根据权利要求2所述的基于单病种的临床信息处理系统，其特征在于，还包括：
模型建立模块，用于根据多个所述第二基本信息、多个所述第二体检信息以及多个所述第二诊疗信息，建立三维临床信息模型；其中，三维临床信息模型包括X轴、Y轴和Z轴，X轴为所述第二基本信息，Y轴为所述第二体检信息，Z轴为所述第二诊疗信息。
5.根据权利要求1所述的基于单病种的临床信息处理系统，其特征在于，所述诊疗信息比对模块包括：
信息比对单元，用于比对所述第一诊疗信息与所述第二诊疗信息；
第一处理单元，用于在所述第一诊疗信息与所述第二诊疗信息的误差在预设范围内时，将所述第一诊疗信息标记为正确的诊疗信息；
第二处理单元，用于在所述第一诊疗信息与所述第二诊疗信息的误差超过预设范围内时，将所述临床数据报告与对应的第二诊疗信息标记为待确认信息组并发送至预设的智能终端。
6.根据权利要求1-5任意一项所述的基于单病种的临床信息处理系统，其特征在于，所述临床信息还包括所述单病种患者的就诊类型信息，所述就诊类型信息通过所述第一服务器自动上传。
7.根据权利要求1所述的基于单病种的临床信息处理系统，其特征在于，所述第一服务器接入已授权医疗机构的挂号系统，所述第二服务器接入所述已授权医疗机构的体检系统，所述第三服务器接入所述已授权医疗机构的诊疗系统。
CN201910773136.9A 2019-08-20 2019-08-20 基于单病种的临床信息处理系统 Pending CN110570921A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910773136.9A CN110570921A (zh) 2019-08-20 2019-08-20 基于单病种的临床信息处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910773136.9A CN110570921A (zh) 2019-08-20 2019-08-20 基于单病种的临床信息处理系统

Publications (1)

Publication Number Publication Date
CN110570921A true CN110570921A (zh) 2019-12-13

Family

ID=68775792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910773136.9A Pending CN110570921A (zh) 2019-08-20 2019-08-20 基于单病种的临床信息处理系统

Country Status (1)

Country Link
CN (1) CN110570921A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189910A (zh) * 2023-03-15 2023-05-30 中国人民解放军总医院 基于大数据技术的病种诊疗质量管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6607482B1 (en) * 2000-11-28 2003-08-19 Jacob Teitelbaum Automated questionnaire for assisting in the diagnosis and treatment of medical problems and for data gathering, analysis and organization to make a complete medical history and illness record
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
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6607482B1 (en) * 2000-11-28 2003-08-19 Jacob Teitelbaum Automated questionnaire for assisting in the diagnosis and treatment of medical problems and for data gathering, analysis and organization to make a complete medical history and illness record
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
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189910A (zh) * 2023-03-15 2023-05-30 中国人民解放军总医院 基于大数据技术的病种诊疗质量管理系统

Similar Documents

Publication Publication Date Title
CN110335647A (zh) 一种临床数据标准化系统及标准化数据采集方法
US20200210392A1 (en) Community data aggregation with automated data completion
US20200160978A1 (en) Utilizing random parameters in an intensity transform augmentation system
US20190287684A1 (en) Medical system interface apparatus and methods to classify and provide medical data using artificial intelligence
WO2022267678A1 (zh) 视频问诊方法、装置、设备及存储介质
JP6907831B2 (ja) コンテキストベースの患者類似性の方法及び装置
US20150294069A1 (en) Multi-source patient generated healthcare data integration in a transactional system
CN105373704A (zh) 一种基于云计算的临床路径管理系统及其方法
CN112786140A (zh) 基于用药数据的慢病管理方法、装置与电子设备
CN105956412A (zh) 基于智能图文识别实现冠心病临床数据收集的系统及方法
CN113707253A (zh) 医疗方案推荐方法、装置、设备及介质
CN112447270A (zh) 一种用药推荐方法、装置、设备及存储介质
CN114023423A (zh) 一种智能交班方法、装置以及设备
CN114220514A (zh) 互联网医院病人诊疗数据分析处理方法、设备及存储介质
US20190108897A1 (en) Apparatus and method for assisting medical consultation
JP2022069566A (ja) オンデマンドリアルタイム患者固有データ解析計算プラットフォームを提供するシステムおよび方法
CN110570921A (zh) 基于单病种的临床信息处理系统
CN112259243B (zh) 一种基于双向GRUs的单病种临床路径构建方法及系统
US11901052B2 (en) System and method for handling exceptions during healthcare record processing
KR20200067636A (ko) 임상시험 데이터 가공 및 검증 방법
EP4068301A1 (en) Health management method, device and system, and data acquisition device
US20220005566A1 (en) Medical scan labeling system with ontology-based autocomplete and methods for use therewith
CN113948201A (zh) 临床决策辅助方法及系统
CN111914153A (zh) 跟师方法、跟师系统、服务器和存储介质
Pivithuru et al. E-patient Card: An Integrated Electronic Health Recording System for Patient

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