CN110875093A - 治疗方案的处理方法、装置、设备及存储介质 - Google Patents
治疗方案的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110875093A CN110875093A CN201911134159.1A CN201911134159A CN110875093A CN 110875093 A CN110875093 A CN 110875093A CN 201911134159 A CN201911134159 A CN 201911134159A CN 110875093 A CN110875093 A CN 110875093A
- Authority
- CN
- China
- Prior art keywords
- patient
- historical
- medical record
- treatment scheme
- outpatient
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 181
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000003745 diagnosis Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 40
- 201000010099 disease Diseases 0.000 claims description 35
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 208000024891 symptom Diseases 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000000955 prescription drug Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 229940126532 prescription medicine Drugs 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 208000004232 Enteritis Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Images
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种治疗方案的处理方法、装置、设备及存储介质,通过获取待处理的门诊病历;根据所述门诊病历提取患者特征;将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。本发明中通过根据患者特征查找匹配的历史病历及对应的治疗方案,并将医生指定的当前治疗方案与历史治疗方案进行比较,可以监控当前治疗方案可能存在的问题,提高医生诊断准确性,有效的减少误诊或治疗方案错误等医疗事故的产生,保障患者的利益。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种治疗方案的处理方法、装置、设备及存储介质。
背景技术
近年来,人们的生活水平逐步提高,人们对于生命健康越来越重视。现实生活中,每天都有很多的患者到医院去进行诊断和治疗,相应地,医生则会给出对应的治疗方案。
现有技术中,医生通常需要针对患者的门诊病历进行详细的诊断,分析病人的症状,并根据经验给出合适的治疗方案,这样需要医生具有丰富经验,并且诊断过程效率较低,同时也会存在误诊和治疗方案错误等医疗事故的发生,损害患者的利益。
发明内容
本发明提供一种治疗方案的处理方法、装置、设备及存储介质,以提高医生诊断的准确性,有效的减少误诊或治疗方案错误等医疗事故的产生,保障患者的利益。
本发明的第一方面是提供一种治疗方案的处理方法,包括:
获取待处理的门诊病历;
根据所述门诊病历提取患者特征;
将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;
获取医生针对所述门诊病历制定的当前治疗方案;
将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。
进一步的,所述获取匹配的历史病历以及对应的历史治疗方案,包括:
若匹配的历史病历对应多个历史治疗方案,则获取所述多个历史治疗方案的患者反馈信息;其中所述历史治疗方案包括历史病历对应的诊断信息和/或开药信息。
根据所述患者反馈信息,获取所述多个历史治疗方案中患者评价最好的历史治疗方案。
进一步的,所述根据所述门诊病历提取患者特征,包括:
从所述门诊病历中获取疾病类别、症状以及患者信息,作为所述患者特征;
所述将所述患者特征与预存的历史病历进行匹配,包括:
将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历。
进一步的,所述根据所述门诊病历提取患者特征前,还包括:
对所述门诊病历进行预处理;
对经过预处理后的门诊病历分词,并进行实体关系抽取,获取特征向量;
将所述特征向量输入到神经网络分类器中进行分类,得到以词为单位用词典编码来表示的门诊病历。
进一步的,所述将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历,包括:
根据各所述患者特征对应的预设权重,获取将所述患者特征与相同疾病类别中的历史病历的患者特征之间的匹配度,将匹配度最高的历史病历作为所述匹配的历史病历。
进一步的,所述方法还包括:
获取患者对所述当前治疗方案的患者反馈信息;
根据所述患者反馈信息更新医生的评价得分。
进一步的,所述历史病历预存于区块链中;
所述方法还包括:
将所述门诊病历、所述患者特征、所述当前治疗方案、所述患者反馈信息、及所述医生的评价得分中的至少一项上传到所述区块链中。
本发明的第二方面是提供一种治疗方案的处理装置,包括:
获取模块,用于获取待处理的门诊病历;
特征提取模块,用于根据所述门诊病历提取患者特征;
处理模块,用于将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。
本发明的第三方面是提供一种治疗方案的处理设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面所述的方法。
本发明的第四方面是提供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如第一方面所述的方法。
本发明提供的治疗方案的处理方法、装置、设备及存储介质,通过获取待处理的门诊病历;根据所述门诊病历提取患者特征;将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。本发明中通过根据患者特征查找匹配的历史病历及对应的治疗方案,并将医生指定的当前治疗方案与历史治疗方案进行比较,可以监控当前治疗方案可能存在的问题,提高医生诊断准确性,有效的减少误诊或治疗方案错误等医疗事故的产生,保障患者的利益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的治疗方案的处理方法流程图;
图2为本发明另一实施例提供的治疗方案的处理方法流程图;
图3为本发明另一实施例提供的治疗方案的处理方法流程图;
图4为本发明实施例提供的治疗方案的处理装置的结构图;
图5为本发明实施例提供的治疗方案的处理设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
图1为本发明实施例提供的治疗方案的处理方法流程图。本实施例提供了一种治疗方案的处理方法,该方法具体步骤如下:
S101、获取待处理的门诊病历。
在本实施例中,待处理的门诊病历可由医生输入,也可由患者输入,其中门诊病历中具体可包括患者信息、疾病类别以及症状等信息,其中患者信息不限于患者年龄信息、性别信息、医保情况等,此外门诊病历中还可包括诊断科室、医生信息等等,此处不再赘述。
S102、根据所述门诊病历提取患者特征。
在本实施例中,可对待处理的门诊病历进行特征提取,以获取患者特征,其中患者特征包括疾病类别、症状以及患者信息。当然患者特征可不限于上述所列举的特征。
S103、将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案。
在本实施例中,可以预先获取历史病历和对应的历史治疗方案,并进行存储,具体可预存于任意的存储介质。优选的,可在区块链中预存历史病历和对应的历史治疗方案,以下实施例中仅以区块链为例进行说明,采用其他存储介质时与此类似,可根据存储介质不同进行相应调整。
本实施例中历史病历和对应的历史治疗方案可由区块链节点上传,其中区块链节点可以包括多个医院、门诊部等医疗机构节点,医疗结构节点可通过哈希运算和加密学数字签字等机制实现将历史病历和对应的历史治疗方案等信息上传到区块链中,其中上传到区块链中的信息具体可包括但不限于患者年龄信息、患者性别信息、诊断科室、诊断结果、医生信息、审核药师信息、门诊号信息、处方编号信息、处方药物信息、患者反馈信息等等,可通过权限管理、加水印、加密等方式对患者的个人信息进行隐私保护,此外也可将相关的音频、视频、图像等相关材料上传到区块链中。本实施例中将从待处理的门诊病历提取的患者特征与区块链中预存的历史病历进行一一匹配,从而可以获取匹配的历史病历以及对应的历史治疗方案,其中历史治疗方案包括历史病历对应的诊断信息和/或开药信息,可以为医生制定当前治疗方案提供参考。
更具体的,若匹配的历史病历对应多个历史治疗方案,则获取所述多个历史治疗方案的患者反馈信息;根据所述患者反馈信息,获取所述多个历史治疗方案中患者评价最好的历史治疗方案。
本实施例中,由于区块链中的可存储有每一历史治疗方案对应的患者反馈信息,因此在相同的历史病历存在多个历史治疗方案时,可根据对应的患者反馈信息确定最优的历史治疗方案。当然区块链中也可存储各历史治疗方案对应的医生信息、医生的评价得分等等,在相同的历史病历存在多个历史治疗方案时,也可结合患者反馈信息和医生的评价得分确定最优的历史治疗方案,当然也可仅以医生的评价得分确定最优的历史治疗方案。
S104、获取医生针对所述门诊病历制定的当前治疗方案。
在本实施例中,医生针对所述门诊病历制定的当前治疗方案可以由医生输入,当然也可由患者输入,当前治疗方案可以包括但不限于诊断信息和/或开药信息。需要说明的是,S104可以在S101-S103任一步骤之前或之后执行,只要保证其在S105之前执行即可。
S105、比较所述当前治疗方案与所述历史治疗方案,根据比较结果输出警告提示信息。
在本实施例中,在当前治疗方案制定完成后,可与历史治疗方案进行比较,若当前治疗方案与历史治疗方案存在较大差异时,则可进行警告提示,从而可以实时动态监控疾病诊断和处方开药可能存在的问题,减少误诊或治疗方案错误等医疗事故的发生。其中比较治疗方案过程中,可以比较处方开药的药品成分是否相同或类似、药品功能是否相同或类似、药效是否相同或相似。进一步的,若历史病历对应多个历史治疗方案,可以将当前治疗方案分别与历史治疗方案进行比较,若均存在较大差异时再进行警告提示。
本实施例提供的治疗方案的处理方法,通过获取待处理的门诊病历;根据所述门诊病历提取患者特征;将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。本实施例中通过根据患者特征查找匹配的历史病历及对应的治疗方案,并将医生指定的当前治疗方案与历史治疗方案进行比较,可以监控当前治疗方案可能存在的问题,提高医生诊断准确性,可有效的减少误诊或治疗方案错误等医疗事故的产生,保障患者的利益。
在上述任一实施例的基础上,S102所述的根据所述门诊病历提取患者特征,具体包括:
从所述门诊病历中获取疾病类别、症状以及患者信息,作为所述患者特征。
在本实施例中,可预先对区块链中的历史病历按照疾病类别进行分类,疾病类别C={C1,C2,…,Cn},可分别对应感冒、肺炎、骨折、肠炎等疾病类别。本实施例进行患者特征提取时,可从门诊病历中获取疾病类别、症状、患者信息作为患者特征,其中患者信息可包括患者年龄信息、性别信息、医保情况等,然后根据患者特征生成特征向量。
进一步的,所述将所述患者特征与预存的历史病历进行匹配,具体包括:
将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历。
在本实施例中,根据待处理的门诊病历的疾病类别,将患者特征与区块链中相同疾病类别中的历史病历的患者特征进行匹配,查找患者特征一一匹配的历史病历,作为匹配的历史病历。更具体的,本实施例中可采用决策模型进行患者特征的匹配,例如决策模型中可采用L2范数计算患者特征的相似性,当相似性大于预设阈值时确定为匹配的历史病历。本实施例中的决策模型可采用区块链中的历史病历的患者特征进行训练,根据决策模型输出的历史病历及对应的历史治疗方案,并预测患者反馈信息S,将预测的患者反馈信息S和实际患者反馈信息S’进行比较来评价决策模型的有效性,其中有效性=sum(S)/sum(S’),其中sum为求和运算,是将多个训练数据的预测患者反馈信息S和对应的实际患者反馈信息S’分别进行求和,有效性值越大表示决策模型的有效性越高,当sum(S)/sum(S’)=1时,表示决策模型给出的预测方案与实际方案最接近,模型更有效。其中,决策模型可由任意区块链节点进行训练后上传到区块链中,可供其他区块链节点使用。
在上述实施例的基础上,在根据所述门诊病历提取患者特征前,如图2所示,还可包括:
S201、对所述门诊病历进行预处理;
S202、对经过预处理后的门诊病历分词,并进行实体关系抽取,获取特征向量;
S203、将所述特征向量输入到神经网络分类器中进行分类,得到以词为单位用词典编码来表示的门诊病历。
在本实施例中,可首先对获取到的门诊病历进行预处理,预处理过程可包括过滤掉到小写不统一、专业术语英文缩写等情况;然后对门诊病历进行分词处理,然后进行实体关系抽取,提取当前实体的前后若干个词语、词性等,组成特征向量,送入到神经网络分类器中进行分类,最后将结构化后的电子门诊病历以词为单位用字典编码的方法进行压缩保存。
在上述实施例的基础上,所述将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历,具体可包括:
根据各所述患者特征对应的预设权重,获取将所述患者特征与相同疾病类别中的历史病历的患者特征之间的匹配度,将匹配度最高的历史病历作为所述匹配的历史病历。
在本实施例中,在匹配过程中,可对不同的患者特征设置不同的预设权重,例如患者年龄的权重低于患者症状的权重,然后根据各患者特征对应的预设权重,获取门诊病历中患者特征与相同疾病类别中的历史病历的患者特征之间的匹配度,将其中匹配度最高的历史病历作为所述匹配的历史病历。
在上述任一实施例的基础上,如图3所示,所述方法还包括:
S301、获取患者对所述当前治疗方案的患者反馈信息;
S302、根据所述患者反馈信息更新医生的评价得分。
在本实施例的基础上,医生的评价得分可作为医疗机构对医生的一种考核指标,此外也可作为在确定最优历史治疗方案时的一种考量指标。本实施例中可在患者接收治疗一段时间后获取患者反馈信息,其中患者反馈信息可以为患者评价分数。进一步的,可根据患者反馈信息更新医生的评价得分,具体的,例如可采用如下公式:Dn=Dn-1+(Sn-A),Dn表示第n次的医生的评价得分,Sn表示第n次的患者评价分数,其中A为患者评价分数的参考值,例如患者评价分数的范围为0-100,则A可以为60。例如,当前出诊过程中,患者对医生的评价分Sn=90,医生前一次出诊后的评价得分Dn-1为300,在此次出诊时患者对医生的评价分Sn=90,则此次出诊后医生的评价得分Dn=300+(90-60)=330。本实施例中,医生的评价得分Dn为相对于参考值的累计分值,其不仅与患者评价分数Sn有关系,还与出诊次数n有关系,出诊次数也能够反映医生的经验水平。
在上述任一实施例的基础上,所述方法还包括:
将所述门诊病历、所述患者特征、所述当前治疗方案、所述患者反馈信息、及所述医生的评价得分中的至少一项上传到所述区块链中。
在本实施例中,当前的医院也作为区块链网络中的一个节点,可将门诊病历、患者特征、当前治疗方案、患者反馈信息、及医生的评价得分中的至少一项上传到区块链中,此外也可将相关的音频、视频、图像等相关材料上传到区块链中,用于证实上述各种信息的真实可靠性。其中上传到区块链中的信息可通过权限管理、加水印、加密等方式实现隐私保护,也实现了信息的公开透明、可追溯、防篡改。具体的,可采用如下表一所述的数据结构。
表一
在上述任一实施例的基础上,区块链网络具体可包括区块链网络构建子系统、信息存储和信息认证数据格式定义子系统、门诊疾病诊断和处方开药信息共享和管理信息存储子系统、门诊疾病诊断和处方开药信息共享和管理子系统、系统性能评估子系统。
其中,区块链网络构建子系统用于确定区块链节点及区块链网络的构建,譬如,以公司基层营业机构为最小节点,一个或多个集团/公司参与区块链网络构建;信息存储和信息认证数据格式定义子系统用于按照上述实施例中定义的数据结构方式、信息存储方式和协议来存储和认证共享信息等,以保证信息存储和信息处理的高效率;门诊疾病诊断和处方开药信息共享和管理信息存储子系统用于在系统中注册的企业或个人将相关全国连锁式医院门诊疾病诊断和处方开药信息共享和管理案例、患者年龄信息、患者性别信息、诊断科室、诊断结果、医师信息、审核药师信息、门诊号信息、处方编号信息、处方药物信息、患者反馈信息等全国连锁式医院门诊疾病诊断和处方开药信息共享和管理更新信息上传到区块链,可以证明相关材料的音频、视频、图像等相关材料也可以上传至区块链;门诊疾病诊断和处方开药信息共享和管理子系统用于执行本发明上述实施例所述的治疗方案的处理方法;系统性能评估子系统:评估系统的及时性、有效性和准确性,基于患者疾病类型、患者健康情况、药物类型、医保情况、医师信誉度等多因素关联优化和患者定期反馈闭环的智能决策方法,不断调整和优化系统参数,以期通过在区块链网络中有效实现各连锁式医院门诊疾病诊断和处方开药信息共享和管理,从而有力促进区块链技术应用在各连锁式医院门诊疾病诊断和处方开药信息共享和管理方面的有效推广。
本实施例中将区块链技术应用在治疗方案的处理方法中,有利的促进了区块链技术在医疗领域中的有效推广,实现了历史病历以及对应的历史治疗方案的共享和管理,可对病历匹配过程中的决策系统进行不断的优化和调整,提高了历史病历的有效性和准确性,可以更加很有效的减少误诊或治疗方案错误等医疗事故的产生,可带来可观的经济效益和社会效益。
图4为本发明实施例提供的治疗方案的处理装置的结构图。本实施例提供的治疗方案的处理装置可以执行治疗方案的处理方法实施例提供的处理流程,如图4所示,所述治疗方案的处理装置40包括获取模块41、特征提取模块42、及处理模块43。
获取模块41,用于获取待处理的门诊病历;
特征提取模块42,用于根据所述门诊病历提取患者特征;
处理模块43,用于将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。
在上述任一实施例的基础上,所述处理模块43用于:
若匹配的历史病历对应多个历史治疗方案,则获取所述多个历史治疗方案的患者反馈信息;其中所述历史治疗方案包括历史病历对应的诊断信息和/或开药信息;
根据所述患者反馈信息,获取所述多个历史治疗方案中患者评价最好的历史治疗方案。
在上述任一实施例的基础上,所述特征提取模块42用于:
从所述门诊病历中获取疾病类别、症状以及患者信息,作为所述患者特征;
所述将所述患者特征与预存的历史病历进行匹配,包括:
将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历。
在上述任一实施例的基础上,所述特征提取模块42还用于:
在根据所述门诊病历提取患者特征前,对所述门诊病历进行预处理;
对经过预处理后的门诊病历分词,并进行实体关系抽取,获取特征向量;
将所述特征向量输入到神经网络分类器中进行分类,得到以词为单位用词典编码来表示的门诊病历。
在上述任一实施例的基础上,所述处理模块43在将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历时,用于:
根据各所述患者特征对应的预设权重,获取将所述患者特征与相同疾病类别中的历史病历的患者特征之间的匹配度,将匹配度最高的历史病历作为所述匹配的历史病历。
在上述任一实施例的基础上,所述处理模块43还用于:
获取患者对所述当前治疗方案的患者反馈信息;
根据所述患者反馈信息更新医生的评价得分。
在上述任一实施例的基础上,所述历史病历预存于区块链中;
所述处理模块43还用于:
将所述门诊病历、所述患者特征、所述当前治疗方案、所述患者反馈信息、及所述医生的评价得分中的至少一项上传到所述区块链中。
本发明实施例提供的治疗方案的处理装置可以具体用于执行上述图1-3所提供的方法实施例,具体功能此处不再赘述。
本发明实施例提供的治疗方案的处理装置,通过获取待处理的门诊病历;根据所述门诊病历提取患者特征;将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。本实施例中通过根据患者特征查找匹配的历史病历及对应的治疗方案,并将医生指定的当前治疗方案与历史治疗方案进行比较,可以监控当前治疗方案可能存在的问题,提高医生诊断准确性,可有效的减少误诊或治疗方案错误等医疗事故的产生,保障患者的利益。
图5为本发明实施例提供的治疗方案的处理设备的结构示意图。本发明实施例提供的治疗方案的处理设备可以执行治疗方案的处理方法实施例提供的处理流程,如图5所示,治疗方案的处理设备50包括存储器51、处理器52、计算机程序和通讯接口53;其中,计算机程序存储在存储器51中,并被配置为由处理器52执行以上实施例所述的治疗方案的处理方法。
图5所示实施例的治疗方案的处理设备可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
另外,本实施例还提供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以实现上述实施例所述的治疗方案的处理方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种治疗方案的处理方法,其特征在于,包括:
获取待处理的门诊病历;
根据所述门诊病历提取患者特征;
将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;
获取医生针对所述门诊病历制定的当前治疗方案;
将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。
2.根据权利要求1所述的方法,其特征在于,所述获取匹配的历史病历以及对应的历史治疗方案,包括:
若匹配的历史病历对应多个历史治疗方案,则获取所述多个历史治疗方案的患者反馈信息;其中所述历史治疗方案包括历史病历对应的诊断信息和/或开药信息;
根据所述患者反馈信息,获取所述多个历史治疗方案中患者评价最好的历史治疗方案。
3.根据权利要求1所述的方法,其特征在于,所述根据所述门诊病历提取患者特征,包括:
从所述门诊病历中获取疾病类别、症状以及患者信息,作为所述患者特征;
所述将所述患者特征与预存的历史病历进行匹配,包括:
将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历。
4.根据权利要求3所述的方法,其特征在于,所述根据所述门诊病历提取患者特征前,还包括:
对所述门诊病历进行预处理;
对经过预处理后的门诊病历分词,并进行实体关系抽取,获取特征向量;
将所述特征向量输入到神经网络分类器中进行分类,得到以词为单位用词典编码来表示的门诊病历。
5.根据权利要求3所述的方法,其特征在于,所述将所述患者特征与相同疾病类别中的历史病历的患者特征进行匹配,以获取匹配的历史病历,包括:
根据各所述患者特征对应的预设权重,获取将所述患者特征与相同疾病类别中的历史病历的患者特征之间的匹配度,将匹配度最高的历史病历作为所述匹配的历史病历。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
获取患者对所述当前治疗方案的患者反馈信息;
根据所述患者反馈信息更新医生的评价得分。
7.根据权利要求6所述的方法,其特征在于,所述历史病历预存于区块链中;
所述方法还包括:
将所述门诊病历、所述患者特征、所述当前治疗方案、所述患者反馈信息、及所述医生的评价得分中的至少一项上传到所述区块链中。
8.一种治疗方案的处理装置,其特征在于,包括:
获取模块,用于获取待处理的门诊病历;
特征提取模块,用于根据所述门诊病历提取患者特征;
处理模块,用于将所述患者特征与预存的历史病历进行匹配,获取匹配的历史病历以及对应的历史治疗方案;获取医生针对所述门诊病历制定的当前治疗方案;将所述当前治疗方案与所述历史治疗方案进行比较,根据比较结果输出警告提示信息。
9.一种治疗方案的处理设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,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如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911134159.1A CN110875093A (zh) | 2019-11-19 | 2019-11-19 | 治疗方案的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911134159.1A CN110875093A (zh) | 2019-11-19 | 2019-11-19 | 治疗方案的处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110875093A true CN110875093A (zh) | 2020-03-10 |
Family
ID=69718194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911134159.1A Pending CN110875093A (zh) | 2019-11-19 | 2019-11-19 | 治疗方案的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110875093A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768867A (zh) * | 2020-07-01 | 2020-10-13 | 北京爱康宜诚医疗器材有限公司 | 治疗方案的确定方法及装置 |
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 |
CN112151187A (zh) * | 2020-10-15 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 信息查询方法、装置、计算机设备和存储介质 |
CN112233806A (zh) * | 2020-10-23 | 2021-01-15 | 深圳市乐行医疗科技有限公司 | 一种全信息辅助诊疗方法及系统 |
CN112733164A (zh) * | 2021-01-07 | 2021-04-30 | 中南大学 | 一种基于区块链的病例共享方法、系统及私钥存储介质 |
CN113096752A (zh) * | 2021-03-01 | 2021-07-09 | 北京联袂义齿技术有限公司 | 一种口腔医学数据整理分析系统 |
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 |
CN113808736A (zh) * | 2021-09-13 | 2021-12-17 | 浙江海心智惠科技有限公司 | 一种可根据病历时间切片的癌症智能诊疗决策系统 |
CN116798566A (zh) * | 2023-08-29 | 2023-09-22 | 北京国药新创科技发展有限公司 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
CN116913506A (zh) * | 2023-07-25 | 2023-10-20 | 医途(杭州)科技有限公司 | 一种基于区块链技术的专家治疗方案匹配系统 |
CN117690542A (zh) * | 2024-02-02 | 2024-03-12 | 南京市疾病预防控制中心 | 糖尿病患者口腔状况综合管理信息系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016101351A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
CN107391944A (zh) * | 2017-07-27 | 2017-11-24 | 北京太云科技有限公司 | 一种基于区块链的电子病历共享系统 |
CN109637615A (zh) * | 2018-11-30 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
CN110021439A (zh) * | 2019-03-07 | 2019-07-16 | 平安科技(深圳)有限公司 | 基于机器学习的医疗数据分类方法、装置和计算机设备 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
-
2019
- 2019-11-19 CN CN201911134159.1A patent/CN110875093A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016101351A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
CN107391944A (zh) * | 2017-07-27 | 2017-11-24 | 北京太云科技有限公司 | 一种基于区块链的电子病历共享系统 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
CN109637615A (zh) * | 2018-11-30 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
CN110021439A (zh) * | 2019-03-07 | 2019-07-16 | 平安科技(深圳)有限公司 | 基于机器学习的医疗数据分类方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
凌发明 等, 北京:北京工业大学出版社 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768867A (zh) * | 2020-07-01 | 2020-10-13 | 北京爱康宜诚医疗器材有限公司 | 治疗方案的确定方法及装置 |
CN111768867B (zh) * | 2020-07-01 | 2024-02-27 | 北京爱康宜诚医疗器材有限公司 | 治疗方案的确定方法及装置 |
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 |
CN112151187A (zh) * | 2020-10-15 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 信息查询方法、装置、计算机设备和存储介质 |
CN112151187B (zh) * | 2020-10-15 | 2024-05-10 | 腾讯科技(深圳)有限公司 | 信息查询方法、装置、计算机设备和存储介质 |
CN112233806A (zh) * | 2020-10-23 | 2021-01-15 | 深圳市乐行医疗科技有限公司 | 一种全信息辅助诊疗方法及系统 |
CN112733164B (zh) * | 2021-01-07 | 2023-12-08 | 中南大学 | 一种基于区块链的病例共享方法、系统及私钥存储介质 |
CN112733164A (zh) * | 2021-01-07 | 2021-04-30 | 中南大学 | 一种基于区块链的病例共享方法、系统及私钥存储介质 |
CN113096752B (zh) * | 2021-03-01 | 2023-09-29 | 北京联袂义齿技术有限公司 | 一种口腔医学数据整理分析系统 |
CN113096752A (zh) * | 2021-03-01 | 2021-07-09 | 北京联袂义齿技术有限公司 | 一种口腔医学数据整理分析系统 |
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 |
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 |
CN113808736A (zh) * | 2021-09-13 | 2021-12-17 | 浙江海心智惠科技有限公司 | 一种可根据病历时间切片的癌症智能诊疗决策系统 |
CN116913506A (zh) * | 2023-07-25 | 2023-10-20 | 医途(杭州)科技有限公司 | 一种基于区块链技术的专家治疗方案匹配系统 |
CN116798566A (zh) * | 2023-08-29 | 2023-09-22 | 北京国药新创科技发展有限公司 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
CN117690542A (zh) * | 2024-02-02 | 2024-03-12 | 南京市疾病预防控制中心 | 糖尿病患者口腔状况综合管理信息系统 |
CN117690542B (zh) * | 2024-02-02 | 2024-05-14 | 南京市疾病预防控制中心 | 糖尿病患者口腔状况综合管理信息系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110875093A (zh) | 治疗方案的处理方法、装置、设备及存储介质 | |
KR101873926B1 (ko) | 빅데이터 기반 의료자문 서비스 제공 방법 | |
US20170091391A1 (en) | Patient Protected Information De-Identification System and Method | |
WO2021159761A1 (zh) | 病理数据的分析方法、装置、计算机设备和存储介质 | |
US20130179176A1 (en) | Computer implemented method for determining the presence of a disease in a patient | |
US20210057106A1 (en) | System and Method for Digital Therapeutics Implementing a Digital Deep Layer Patient Profile | |
US10430716B2 (en) | Data driven featurization and modeling | |
GB2439196A (en) | Identification and/or evaluation of potential safety concerns associated with a medical therapy | |
US11705231B2 (en) | System and method for computerized synthesis of simulated health data | |
CN117238458A (zh) | 基于云计算的重症护理跨机构协同平台系统 | |
CN112132624A (zh) | 医疗理赔数据预测系统 | |
US20240143838A1 (en) | Apparatus and a method for anonymizing user data | |
Usharani et al. | Secure EMR classification and deduplication using MapReduce | |
Li et al. | Leveraging standards based ontological concepts in distributed ledgers: a healthcare smart contract example | |
Guo et al. | PaCAR: COVID-19 pandemic control decision making via large-scale agent-based modeling and deep reinforcement learning | |
Das et al. | Twin: Personalized clinical trial digital twin generation | |
Zhan et al. | Medical record encryption storage system based on Internet of Things | |
WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
Blake et al. | The cardiac analytics and innovation (cardiacai) data repository: an Australian data resource for translational cardiovascular research | |
Haddad et al. | Blockchain for healthcare medical records management system with sharing control | |
CN114627993A (zh) | 信息预测方法、装置、存储介质及计算机设备 | |
US10623380B1 (en) | Secure transfer of medical records to third-party applications | |
US20200035360A1 (en) | Predictive modeling for health services | |
Gunasekar et al. | Authentic cloud-biometric signature verification system for healthcare data management | |
US20240073012A1 (en) | Method and system for generating cryptographic keys associated with biological extraction data |
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: 20200310 |
|
RJ01 | Rejection of invention patent application after publication |