CN110957013B - 基于遗传算法的临床路径本地化的方法和装置 - Google Patents

基于遗传算法的临床路径本地化的方法和装置 Download PDF

Info

Publication number
CN110957013B
CN110957013B CN201811132323.0A CN201811132323A CN110957013B CN 110957013 B CN110957013 B CN 110957013B CN 201811132323 A CN201811132323 A CN 201811132323A CN 110957013 B CN110957013 B CN 110957013B
Authority
CN
China
Prior art keywords
items
medical advice
stage
charging
genetic algorithm
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.)
Active
Application number
CN201811132323.0A
Other languages
English (en)
Other versions
CN110957013A (zh
Inventor
金涛
黄俊捷
王建民
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201811132323.0A priority Critical patent/CN110957013B/zh
Publication of CN110957013A publication Critical patent/CN110957013A/zh
Application granted granted Critical
Publication of CN110957013B publication Critical patent/CN110957013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明实施例提供基于遗传算法的临床路径本地化的方法和装置。其中，方法包括：建立指定疾病的国家标准临床路径的电子化模型，并根据电子化模型，获取各阶段的重点医嘱项目；根据患有指定疾病且已治愈的患者的病历，获取收费项目；根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系；根据映射关系，生成本地化临床路径。本发明实施例提供的基于遗传算法的临床路径本地化的方法和装置，根据国家标准临床路径电子化模型，根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系，根据映射关系能生成准确度高、通用性强的本地化临床路径，能够有效地辅助我国医疗机构进行本地化临床路径的制定。

Description

基于遗传算法的临床路径本地化的方法和装置
技术领域
本发明实施例涉及计算机技术领域，尤其涉及基于遗传算法的临床路径本地化的方法和装置。
背景技术
临床路径(Clinical pathway)是指针对某一疾病建立一套标准化治疗模式与治疗程序，是一个有关临床治疗的综合模式，以循证医学证据和指南为指导来促进治疗组织和疾病管理的方法，最终起到规范医疗行为，减少变异，降低成本，提高质量的作用。临床路径表明了疾病的诊疗工作是如何一步步开展的，反映了各科医生和护士是如何分工协作共同开展疾病诊疗工作的，同时也反映了各种医疗资源是如何一步步被消耗的。临床路径管理可以规范化疾病的诊疗过程，提高医疗质量，提高病人满意度，同时有效地控制医疗资源的消耗和医疗费用的增长。
为了规范疾病治疗，国家建立了国家标准临床路径。在实际应用中，医院需要参考国家标准临床路径，生成本地化的临床路径，以应用于本院的疾病治疗中。由于不同医院的实际情况不同，国家标准临床路径的表单项目需要适应不同医院的各种情况，国家标准临床路径的表单项目的内容过于笼统，各阶段、各项主要工作内的临床路径表单项目均描述不明确、不完整，无法直接在医院实施。而依靠各医院人工制定临床路径又需要耗费大量时间、资源，且难以执行。
随着大数据时代的到来，开始利用计算机辅助医院制定临床路径的工作中。但是现有技术存在如下缺陷：1)部分方法是将过程挖掘算法直接用于临床路径挖掘，由于医疗活动的复杂性和多样性，并且从医疗活动数据中得到的活动日志往往不完备、存在噪声，将得到复杂的不易理解的意大利面状的临床路径，难以应用于实际；2)部分方法先基于频繁项、聚类等方法对数据进行预处理，再利用过程挖掘方法挖掘临床路径，但是这类方法得到的临床路径，缺乏与国家标准临床路径的支持，很难真正纳入到临床路径的制定中。
因此，如何避免上述缺陷，生成国家标准临床路径与医院实际情况相结合的本地化临床路径，成为亟须解决的问题。
发明内容
针对现有技术存在的准确度低、通用性不强的问题，本发明实施例提供基于遗传算法的临床路径本地化的方法和装置。
根据本发明的第一方面，本发明实施例提供一种基于遗传算法的临床路径本地化的方法，包括：
建立指定疾病的国家标准临床路径的电子化模型，并根据所述电子化模型，获取各阶段的重点医嘱项目；
根据患有指定疾病且已治愈的患者的病历，获取收费项目；
根据遗传算法，获取所述各阶段的重点医嘱项目与所述收费项目之间的映射关系；
根据所述映射关系，生成本地化临床路径。
根据本发明的第二方面，本发明实施例提供一种基于遗传算法的临床路径本地化的装置，包括：
标准获取模块，用于建立指定疾病的国家标准临床路径的电子化模型，并根据所述电子化模型，获取各阶段的重点医嘱项目；
本地获取模块，用于根据患有指定疾病且已治愈的患者的病历，获取收费项目；
映射计算模块，用于根据遗传算法，获取所述各阶段的重点医嘱项目与所述收费项目之间的映射关系；
路径生成模块，用于根据所述映射关系，生成本地化临床路径。
根据本发明的第三方面，本发明实施例提供一种电子设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本发明实施例的基于遗传算法的临床路径本地化的方法及其所有可选实施例的方法。
根据本发明的第四方面，本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本发明实施例的基于遗传算法的临床路径本地化的方法及其所有可选实施例的方法。
本发明实施例提供的基于遗传算法的临床路径本地化的方法和装置，根据国家标准临床路径电子化模型，获取各阶段的重点医嘱项目，并获取收费项目，根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系，根据映射关系，生成本地化临床路径，能生成准确度高、通用性强的本地化临床路径，能够有效地辅助我国医疗机构进行本地化临床路径的制定，能提高临床路径的实用性和适用范围。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例基于遗传算法的临床路径本地化的方法的流程图；
图2为本发明实施例基于遗传算法的临床路径本地化的装置的功能框图；
图3为本发明实施例电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。本发明中的实施例，本领域普通技术人员在没有作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。
为了克服现有技术的上述问题，本发明实施例提供一种基于遗传算法的临床路径本地化的方法，其发明构思是，以国家标准临床路径为基础，但由于国家标准临床路径中的重点医嘱的内容过于笼统、描述不明确，因此，根据医院自身的收费项目对国家标准临床路径中的重点医嘱进行具体化，生成国家标准临床路径与医院实际情况相结合的本地化临床路径。
图1为本发明实施例基于遗传算法的临床路径本地化的方法的流程图。如图1所示，一种基于遗传算法的临床路径本地化的方法包括：步骤S101、建立指定疾病的国家标准临床路径的电子化模型，并根据电子化模型，获取各阶段的重点医嘱项目。
具体地，步骤S101进一步包括：
步骤S1011、建立指定疾病的国家标准临床路径的电子化模型；
步骤S1012、根据电子化模型，获取各阶段的重点医嘱项目。
对于指定疾病，基于该疾病的国家标准临床路径，可以建立该疾病的国家标准临床路径的电子化模型。
本发明实施例对电子化模型的格式不作具体限定。
指定疾病，可以为已发布国家标准临床路径的疾病中的任意一种。例如，缺铁性贫血。本发明实施例对指定疾病不作具体限定。
国家标准临床路径包括疾病治疗的各阶段名称以及各阶段的主要诊疗工作、重点医嘱和主要护理工作，因此，电子化模型中的属性包括阶段名称、主要诊疗工作、重点医嘱、主要护理工作。
根据电子化模型中的属性，可以并获取各阶段的重点医嘱。
对于每一阶段，根据每项重点医嘱的内容，将一项重点医嘱作为一个重点医嘱项目或分为多个重点医嘱项目。
步骤S102、根据患有指定疾病且已治愈的患者的病历，获取收费项目。
对于指定疾病，患有指定疾病且已治愈的患者已经在医院接受了完整的治疗过程。医院实施的诊疗过程，遵照国家标准临床路径，在不同阶段，根据重点医嘱，通过一系列检查、治疗手段实现。检查或治疗手段，对应不同的收费项目。对于不同的医院，治疗指定疾病时，虽然依据相同的重点医嘱，但由于各医院的实际情况不同，实施的具体检查、治疗手段不同，因而收费项目也不同。
检查、治疗手段，被医生记载在病历上。因此，根据患有指定疾病且已治愈的患者的病历，可以获取收费项目。
优选地，病历为医院管理系统(Hospital Information System，简称HIS系统)中保存的电子病历。
可以理解的是，为了获取足够多的收费项目且便于硬件进行处理，患有指定疾病且已治愈的患者的数量足够大即可，例如50名或100名，但不限于此。
可以理解的是，获取的收费项目为与重点医嘱有直接关系的收费项目。
需要注意的是，执行步骤S101后执行步骤S102、执行步骤S102后执行步骤S101或者同时执行步骤S101和步骤S102均可，本发明实施例对步骤S101和步骤S102之间的顺序关系不作具体限制。
步骤S103、根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系。
获取各阶段的重点医嘱项目和收费项目后，需要获取各阶段的重点医嘱项目与收费项目之间的映射关系。
具体地，根据患有指定疾病且已治愈的患者的病历中重点医嘱项目与收费项目之间的对应关系，获取各阶段的重点医嘱项目与收费项目之间的映射关系的最优解。
通过遗传算法，获取的各阶段的重点医嘱项目与收费项目之间的映射关系的最优解，称为各阶段的重点医嘱项目与收费项目之间的最佳映射关系。
遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
各阶段的重点医嘱项目与收费项目之间的最佳映射关系，即为根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系。
步骤S104、根据映射关系，生成本地化临床路径。
由于国家标准临床路径包括疾病治疗的各阶段的主要诊疗工作和主要护理工作都是原则性的内容，不需要具体化，因此，仅需要对各阶段的重点医嘱项目进行具体化。
根据通过步骤S103获得的各阶段的重点医嘱项目与收费项目之间的映射关系，对各阶段的重点医嘱项目进行具体化，将各阶段的重点医嘱项目具体化为对应的收费项目。
通过上述步骤，以国家标准临床路径为基础，将国家标准临床路径中的各阶段的重点医嘱项目具体化为医院的收费项目，从而生成本地化临床路径。
本地化临床路径，指适用于医院实际的临床路径。
本发明实施例提供的基于遗传算法的临床路径本地化的方法，根据国家标准临床路径电子化模型，获取各阶段的重点医嘱项目，并获取收费项目，根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系，根据映射关系，生成本地化临床路径，能生成准确度高、通用性强的本地化临床路径，能够有效地辅助我国医疗机构进行本地化临床路径的制定，能提高临床路径的实用性和适用范围。
基于上述实施例的内容，步骤S1011、建立指定疾病的国家标准临床路径的电子化模型的具体步骤包括：获取指定疾病的国家标准临床路径的电子文档，并根据指定疾病的国家标准临床路径文档，建立指定疾病的国家标准临床路径的电子化模型。
具体地，获取指定疾病的国家标准临床路径的电子文档。
以我国为例，截至2017年，已发布1212个国家标准临床路径。每一国家标准临床路径的格式均为word文档。
可以通过预先编写好的程序，将word格式的国家标准临床路径文档，转换为结构化的电子化模型。
优选地，电子化模型为json格式的文件。
JSON(JavaScript Object Notation，JS对象简谱)是一种轻量级的数据交换格式。json格式是一种结构化的格式，易于人阅读和编写，同时也易于机器解析和生成，并能有效地提升网络传输效率。
本发明实施例通过将国家标准临床路径的电子文档转化为电子化模型，能更简单、方便得对电子化模型进行处理，从而能更方便、快速地获得本地化临床路径。
基于上述实施例的内容，根据电子化模型，获取各阶段的重点医嘱项目的具体步骤包括：根据电子化模型，获取各阶段的表单项目。
具体地，对电子化模型进行解析，获取各阶段的表单项目。各阶段的表单项目包括疾病治疗的各阶段名称以及各阶段的主要诊疗工作项目、重点医嘱项目和主要护理工作项目。
例如，对于流行性感冒，分为5个阶段：住院第1天、住院第2天、住院第3天、住院第4-7天和住院第8-10天；住院第1天这一阶段的主要诊疗工作项目包括询问病史和体格检查、完成入院病历及首次病程记录、拟定检查项目、制订初步治疗方案和对家属进行有关的宣教，及时填报疫情卡并上报院感科；住院第3天这一阶段的重点医嘱项目包括：感染内科/儿科护理常规、呼吸道隔离、一级护理(病重者提高级别)、清淡饮食、血压、血氧监测(病重者)、抗病毒治疗：奥司他韦、支持治疗、吸氧(必要时)、必要时加用抗生素、必要时补充电解质液、高热时物理降温及超高热时退热剂治疗；住院第4-7天的主要护理工作项目包括观察病情变化和心理护理。
删除各阶段的表单项目中的主要诊疗工作项目和主要护理工作项目，保留重点医嘱项目，获取各阶段的重点医嘱项目。
主要诊疗工作项目、重点医嘱项目和主要护理工作项目，分别为主要诊疗工作类、重点医嘱类和主要护理工作类的表单项目。
由于不需要对电子化模型中的主要诊疗工作项目和主要护理工作项目进行处理，因此，对于获取的表单项目，对主要诊疗工作类、和主要护理工作类的表单项目进行删除，保留重点医嘱类的表单项目，从而获取各阶段的重点医嘱项目。
需要说明的是，对于不同阶段出现的相同重点医嘱项目，均予以保留，而不进行合并为一个项目的操作。
基于上述实施例的内容，根据患有指定疾病且已治愈的患者的病历，获取收费项目的具体步骤包括：根据患有指定疾病且已治愈的患者的病历，获取指定疾病对应的全部收费项目。
具体地，将患有指定疾病且已治愈的每一患者的病历作为一个病例，获取每一病例中的收费项目，将相同的收费项目作为一项收费项目，获取指定疾病对应的全部收费项目。
对指定疾病对应的全部收费项目中具有相同含义的收费项目进行合并，并删除合并后的全部收费项目中与重点医嘱没有直接关系的收费项目；或者，删除指定疾病对应的全部收费项目中与重点医嘱没有直接关系的收费项目，并对删除与重点医嘱没有直接关系的收费项目后的全部收费项目中具有相同含义的收费项目进行合并。
由于全部收费项目包括与重点医嘱没有直接关系的收费项目，需要删除与重点医嘱没有直接关系的收费项目。
与重点医嘱没有直接关系的收费项目，指与执行医嘱没有直接关系的收费项目。例如，床位费、中草药费、特殊耗材费等类型的收费项目，与医嘱的执行没有直接关系，均为与重点医嘱没有直接关系的收费项目。
与重点医嘱有直接关系的收费项目，指与执行医嘱有直接关系的收费项目。例如，尿常规、前列腺彩超等收费项目，与医嘱的执行有直接关系，均为与重点医嘱有直接关系的收费项目。
全部收费项目还包括具有相同含义的收费项目，需要合并具有相同含义的收费项目。
具有相同含义的收费项目，指名称不同但实际含义相同的收费项目。
例如，收费项目“钙测定(比色法)”、“钙测定(选择电极法)”和“钙测定(选择电极法加收2元)”虽然名称不同，但含义均为钙测定，将“钙测定(比色法)”、“钙测定(选择电极法)”和“钙测定(选择电极法加收2元)”合并为“钙测定”。
可以先删除与重点医嘱没有直接关系的收费项目，后合并具有相同含义的收费项目；也可以先合并具有相同含义的收费项目，后删除与重点医嘱没有直接关系的收费项目；从而获取独立的收费项目。
独立的收费项目，为不存在与其含义相同的收费项目且与重点医嘱有直接关系的收费项目。
基于上述实施例的内容，根据遗传算法，获取临床路径各阶段的重点医嘱项目与收费项目之间的映射关系的具体步骤包括：根据遗传算法和映射关系对应的编码的初始值进行迭代，获取符合预设条件的映射关系对应的编码，将符合预设条件的编码对应的映射关系，作为临床路径各阶段的重点医嘱项目与收费项目之间的映射关系。
具体地，分别对各阶段的重点医嘱项目、收费项目进行编号，且可以分别从0开始按0、1、2、3、…的顺序编号。
建立一个长度为收费项目数量的号码序列，将该序列作为一个数组，则数组下标与收费项目的编号一一对应，数组中每个元素取值范围为重点医嘱项目的编号范围。因此，该数组可以表示一个临床路径各阶段的重点医嘱项目集合与收费项目集合间的映射关系对应的编码。各阶段的重点医嘱项目和收费项目均为集合，临床路径各阶段的重点医嘱项目集合与收费项目集合间的映射关系，即临床路径各阶段的重点医嘱项目与收费项目之间的映射关系。
例如：若收费项目编号为“血压监测：0”、“心电图检查：1”、“口腔护理：2”，…，重点医嘱项目编号为：“监测生命体征：0”，“一级护理：1”，“头颅CT、胸片、心电图：2”，…，存在映射关系编码021…，则表示存在“血压监测”到“监测生命体征”、“心电图检查”到“头颅CT、胸片、心电图”、“口腔护理”到“一级护理”的映射关系。
随机生成号码序列，即随机生成了映射关系对应的编码的初始值。
遗传算法是通过迭代，使计算结果趋近最优解。迭代时，预设条件可以为迭代次数达到预设的次数，也可以为误差小于预设的阈值，或者误差已经收敛，但不限于此。本发明实施例对预设条件不作具体限制。
根据遗传算法进行迭代，获取符合预设条件的映射关系对应的编码后，将符合预设条件的编码对应的映射关系，作为临床路径各阶段的重点医嘱项目与收费项目之间的映射关系。
基于上述实施例的内容，根据遗传算法和映射关系对应的编码的初始值进行迭代，获取符合预设条件的映射关系对应的编码，将符合预设条件的编码对应的映射关系，作为临床路径各阶段的重点医嘱项目与收费项目之间的映射关系的具体步骤包括：将映射关系对应的编码作为种群中的染色体，生成映射关系的初代种群。
具体地，根据遗传算法和映射关系对应的编码的初始值进行迭代，获取符合预设条件的映射关系对应的编码的步骤如下。
将映射关系对应的编码作为种群中的染色体，根据预设的种群数量n，随机生成n个编码的初始值，从而生成映射关系的初代种群。
对于当代种群，根据患有指定疾病且已治愈的患者的病历，获取当代种群中各染色体的适应度，并在当代种群中选择父代染色体完成交叉与变异，生成下一代种群，直至迭代次数达到预设的最大迭代次数。
对于当代种群，根据患有指定疾病且已治愈的患者的病历，获取当代种群中各染色体的适应度。
染色体的适应度，指归一化的患有指定疾病且已治愈的患者临床诊疗过程中非变异的收费项目数量。非变异的收费项目，指根据染色体确定的收费项目对应的重点医嘱项目，与患者病历中收费项目对应的重点医嘱项目相同的收费项目。变异的收费项目，指根据染色体确定的收费项目对应的重点医嘱项目，与患者病历中收费项目对应的重点医嘱项目不同的收费项目。变异的收费项目，为映射错误的收费项目；非变异的收费项目，为映射正确的收费项目。
染色体的适应度，可以用于表征染色体表示的映射关系对应的编码所对应的映射关系的正确率。
染色体的适应度的计算公式如下：
Figure BDA0001813887270000101
其中，Fitness(f)表示染色体的适应度；AllAmount表示患有指定疾病且已治愈的患者临床诊疗过程中收费项目的总数；Li表示第i个患有指定疾病且已治愈的患者；errorCount(Li)表示根据该染色体第i个患有指定疾病且已治愈的患者变异的收费项目数量，即映射错误的收费项目的数量；Θ表示患有指定疾病且已治愈的患者的集合。
如果适应度Fitness(f)越接近1，说明对应的映射关系越能拟合病人的诊疗过程数据和国家标准临床路径；如果这个比值越接近0，说明对应的映射关系的拟合程度越差。
若迭代次数未达到预设的最大迭代次数，则对当代种群进行遗传和变异，在当代种群中选择父代染色体完成交叉与变异，生成下一代种群。选择父代染色体编码、交叉、变异的具体方法，此处不再赘述。
若迭代次数达到预设的最大迭代次数，则不再对当代种群进行遗传和变异，停止生成当代种群进行遗传和变异。
将历代种群中，适应度最大的染色体对应的映射关系，作为临床路径各阶段的重点医嘱项目与收费项目之间的映射关系。
停止遗传和变异后，在历代种群中，确定适应度最大的染色体，将适应度最大的染色体对应的映射关系，临床路径各阶段的重点医嘱项目与收费项目之间的最佳映射关系，即作为临床路径各阶段的重点医嘱项目与收费项目之间的映射关系。
基于上述实施例的内容，根据映射关系，生成本地化临床路径的具体步骤包括：根据映射关系，获取各阶段的重点医嘱项目对应的收费项目。
具体地，根据映射关系，可以获取各阶段的重点医嘱项目种每一重点医嘱项目对应的收费项目，生成每一重点医嘱项目对应的收费项目集合。
例如：若存在收费项目“口腔护理”到重点医嘱项目“一级护理”的映射关系，收费项目“皮肤护理”到重点医嘱项目“一级护理”的映射关系，则将“口腔护理”、“皮肤护理”都添入重点医嘱项目“一级护理”的收费项目集合中。
对于指定疾病的国家标准临床路径的电子化模型中的每一重点医嘱项目，将该重点医嘱项目替换为该重点医嘱项目对应的收费项目，生成本地化临床路径。
获取各阶段的重点医嘱项目种每一重点医嘱项目对应的收费项目后，对于指定疾病的国家标准临床路径的电子化模型中的每一重点医嘱项目，均将该重点医嘱项目替换为该重点医嘱项目对应的收费项目，从而将重点医嘱项目具体化，生成本地化临床路径。
图2为本发明实施例基于遗传算法的临床路径本地化的装置的功能框图。基于上述实施例的内容，如图2所示，一种基于遗传算法的临床路径本地化的装置包括：标准获取模块201，用于建立指定疾病的国家标准临床路径的电子化模型，并根据电子化模型，获取各阶段的重点医嘱项目；本地获取模块202，用于根据患有指定疾病且已治愈的患者的病历，获取收费项目；映射计算模块203，用于根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系；路径生成模块204，用于根据映射关系，生成本地化临床路径。
本发明实施例提供的基于遗传算法的临床路径本地化的的装置，用于执行本发明实施例提供的基于遗传算法的临床路径本地化的方法，基于遗传算法的临床路径本地化的装置包括的各模块实现相应功能的具体方法和流程详见上述基于遗传算法的临床路径本地化的方法的实施例，此处不再赘述。
本发明实施例提供的基于遗传算法的临床路径本地化的方法，根据国家标准临床路径电子化模型，获取各阶段的重点医嘱项目，并获取收费项目，根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系，根据映射关系，生成本地化临床路径，能生成准确度高、通用性强的本地化临床路径，能够有效地辅助我国医疗机构进行本地化临床路径的制定，能提高临床路径的实用性和适用范围。
图3为本发明实施例电子设备的结构框图。基于上述实施例的内容，如图3所示，一种电子设备包括：处理器(processor)301、存储器(memory)302和总线303；其中，处理器301和存储器302通过总线303完成相互间的通信；处理器301用于调用存储器302中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：基于遗传算法的临床路径本地化的方法；建立指定疾病的国家标准临床路径的电子化模型的方法；根据电子化模型，获取各阶段的重点医嘱项目的方法；根据患有指定疾病且已治愈的患者的病历，获取收费项目的方法；根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系的方法；根据映射关系，生成本地化临床路径的方法；通过遗传算法搜索出适应度最佳的映射关系的方法等。
本发明另一实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于遗传算法的临床路径本地化的方法；建立指定疾病的国家标准临床路径的电子化模型的方法；根据电子化模型，获取各阶段的重点医嘱项目的方法；根据患有指定疾病且已治愈的患者的病历，获取收费项目的方法；根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系的方法；根据映射关系，生成本地化临床路径的方法；通过遗传算法搜索出适应度最佳的映射关系的方法等。
本发明另一实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：基于遗传算法的临床路径本地化的方法；建立指定疾病的国家标准临床路径的电子化模型的方法；根据电子化模型，获取各阶段的重点医嘱项目的方法；根据患有指定疾病且已治愈的患者的病历，获取收费项目的方法；根据遗传算法，获取各阶段的重点医嘱项目与收费项目之间的映射关系的方法；根据映射关系，生成本地化临床路径的方法；通过遗传算法搜索出适应度最佳的映射关系的方法等。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行上述各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上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精神和范围。

Claims (8)

1.一种基于遗传算法的临床路径本地化的方法，其特征在于，包括：
建立指定疾病的国家标准临床路径的电子化模型，并根据所述电子化模型，获取各阶段的重点医嘱项目；
根据患有指定疾病且已治愈的患者的病历，获取收费项目；
根据遗传算法，获取所述各阶段的重点医嘱项目与所述收费项目之间的映射关系；
根据所述映射关系，生成本地化临床路径；
所述根据遗传算法，获取所述临床路径各阶段的重点医嘱项目与所述收费项目之间的映射关系的具体步骤包括：
将映射关系对应的编码作为种群中的染色体，生成映射关系的初代种群；
对于当代种群，根据患有指定疾病且已治愈的患者的病历，获取当代种群中各染色体的适应度，并在当代种群中选择父代染色体完成交叉与变异，生成下一代种群，直至迭代次数达到预设的最大迭代次数；
将历代种群中，适应度最大的染色体对应的映射关系，作为所述临床路径各阶段的重点医嘱项目与所述收费项目之间的映射关系。
2.根据权利要求1所述的基于遗传算法的临床路径本地化的方法，其特征在于，所述建立指定疾病的国家标准临床路径的电子化模型的具体步骤包括：
获取指定疾病的国家标准临床路径的电子文档，并根据指定疾病的国家标准临床路径文档，建立指定疾病的国家标准临床路径的电子化模型。
3.根据权利要求1所述的基于遗传算法的临床路径本地化的方法，其特征在于，所述根据所述电子化模型，获取各阶段的重点医嘱项目的具体步骤包括：
根据所述电子化模型，获取各阶段的表单项目；
删除各阶段的表单项目中的主要诊疗工作项目和主要护理工作项目，保留重点医嘱项目，获取各阶段的重点医嘱项目。
4.根据权利要求1所述的基于遗传算法的临床路径本地化的方法，其特征在于，所述根据患有指定疾病且已治愈的患者的病历，获取收费项目的具体步骤包括：
根据患有指定疾病且已治愈的患者的病历，获取指定疾病对应的全部收费项目；
对指定疾病对应的全部收费项目中具有相同含义的收费项目进行合并，并删除合并后的全部收费项目中与重点医嘱没有直接关系的收费项目；或者，删除指定疾病对应的全部收费项目中与重点医嘱没有直接关系的收费项目，并对删除与重点医嘱没有直接关系的收费项目后的全部收费项目中具有相同含义的收费项目进行合并。
5.根据权利要求1至4任一所述的基于遗传算法的临床路径本地化的方法，其特征在于，所述根据所述映射关系，生成本地化临床路径的具体步骤包括：
所述根据所述映射关系，获取各阶段的重点医嘱项目对应的收费项目；
对于指定疾病的国家标准临床路径的电子化模型中的每一重点医嘱项目，将该重点医嘱项目替换为该重点医嘱项目对应的收费项目，生成本地化临床路径。
6.一种基于遗传算法的临床路径本地化的装置，其特征在于，包括：
标准获取模块，用于建立指定疾病的国家标准临床路径的电子化模型，并根据所述电子化模型，获取各阶段的重点医嘱项目；
本地获取模块，用于根据患有指定疾病且已治愈的患者的病历，获取收费项目；
映射计算模块，用于根据遗传算法，获取所述各阶段的重点医嘱项目与所述收费项目之间的映射关系；
路径生成模块，用于根据所述映射关系，生成本地化临床路径；
所述映射计算模块，具体用于将映射关系对应的编码作为种群中的染色体，生成映射关系的初代种群；对于当代种群，根据患有指定疾病且已治愈的患者的病历，获取当代种群中各染色体的适应度，并在当代种群中选择父代染色体完成交叉与变异，生成下一代种群，直至迭代次数达到预设的最大迭代次数；将历代种群中，适应度最大的染色体对应的映射关系，作为所述临床路径各阶段的重点医嘱项目与所述收费项目之间的映射关系。
7.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
CN201811132323.0A 2018-09-27 2018-09-27 基于遗传算法的临床路径本地化的方法和装置 Active CN110957013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811132323.0A CN110957013B (zh) 2018-09-27 2018-09-27 基于遗传算法的临床路径本地化的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811132323.0A CN110957013B (zh) 2018-09-27 2018-09-27 基于遗传算法的临床路径本地化的方法和装置

Publications (2)

Publication Number Publication Date
CN110957013A CN110957013A (zh) 2020-04-03
CN110957013B true CN110957013B (zh) 2022-09-23

Family

ID=69967937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811132323.0A Active CN110957013B (zh) 2018-09-27 2018-09-27 基于遗传算法的临床路径本地化的方法和装置

Country Status (1)

Country Link
CN (1) CN110957013B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112652405A (zh) * 2020-12-24 2021-04-13 平安科技（深圳）有限公司 临床路径的挖掘方法、装置、设备及存储介质
CN112837796A (zh) * 2021-02-09 2021-05-25 安徽医科大学第二附属医院 一种基于遗传算法的后疫情时期癌症患者放疗排程系统
CN113421639B (zh) * 2021-04-27 2023-11-10 望海康信(北京)科技股份公司 临床路径形成系统、方法及相应设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617355A (zh) * 2013-11-25 2014-03-05 方正国际软件有限公司 临床路径的生成装置和临床路径的生成方法
CN103679602A (zh) * 2012-09-25 2014-03-26 大连运邦科技发展有限公司 临床路径医疗管理系统
CN105373704A (zh) * 2015-12-02 2016-03-02 济南市儿童医院 一种基于云计算的临床路径管理系统及其方法
CN106096286A (zh) * 2016-06-15 2016-11-09 北京千安哲信息技术有限公司 临床路径制定方法及装置
CN106228023A (zh) * 2016-08-01 2016-12-14 清华大学 一种基于本体和主题模型的临床路径挖掘方法
CN108538349A (zh) * 2018-03-28 2018-09-14 深圳市前海安测信息技术有限公司 基于临床路径偏差分析的医院临床路径调整系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140058738A1 (en) * 2012-08-21 2014-02-27 International Business Machines Corporation Predictive analysis for a medical treatment pathway

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679602A (zh) * 2012-09-25 2014-03-26 大连运邦科技发展有限公司 临床路径医疗管理系统
CN103617355A (zh) * 2013-11-25 2014-03-05 方正国际软件有限公司 临床路径的生成装置和临床路径的生成方法
CN105373704A (zh) * 2015-12-02 2016-03-02 济南市儿童医院 一种基于云计算的临床路径管理系统及其方法
CN106096286A (zh) * 2016-06-15 2016-11-09 北京千安哲信息技术有限公司 临床路径制定方法及装置
CN106228023A (zh) * 2016-08-01 2016-12-14 清华大学 一种基于本体和主题模型的临床路径挖掘方法
CN108538349A (zh) * 2018-03-28 2018-09-14 深圳市前海安测信息技术有限公司 基于临床路径偏差分析的医院临床路径调整系统及方法

Also Published As

Publication number Publication date
CN110957013A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
US8670997B2 (en) Quality metric extraction and editing for medical data
US10943679B2 (en) Computer apparatus and method to identify healthcare resources used by a patient of a medical institution
CN110459320A (zh) 一种基于知识图谱的辅助诊疗系统
CN110957013B (zh) 基于遗传算法的临床路径本地化的方法和装置
CN112786198B (zh) 诊疗信息推荐模型构建方法、诊疗信息推荐方法及装置
CN112599225A (zh) 用于确定在医疗过程中使用的方案的方案拟定客户端
WO2012094542A2 (en) Devices, systems, and methods for the real-time and individualized prediction of health and economic outcomes
Davies et al. The pediatric emergency care applied research network registry: a multicenter electronic health record registry of pediatric emergency care
WO2019041711A1 (zh) 基于健康检查一体机的慢病随访监控系统及方法
CN111145909B (zh) 诊疗数据处理方法与装置、存储介质、电子设备
CN114974613A (zh) 疾病管理方法及装置、计算机存储介质、电子设备
CN108648808A (zh) 随访计划实例生成方法和装置
CN114864088B (zh) 一种基于医疗健康的数字孪生建立方法、装置和存储介质
CN112447270A (zh) 一种用药推荐方法、装置、设备及存储介质
WO2022141925A1 (zh) 一种智能医学服务系统、方法及存储介质
RU2657856C2 (ru) Способ поэтапного обзора обслуживания пациента
CN113160914A (zh) 在线问诊方法、装置、电子设备及存储介质
CN117216322A (zh) 一种电子病历的生成方法、装置、设备及存储介质
Han-Lin et al. An analysis on the utilisation of health information technology to support clinical operation of Chinese medicine
EP3659150B1 (en) Device, system, and method for optimizing image acquisition workflows
CN115831298A (zh) 基于医院管理信息系统的临床试验患者招募方法及装置
Nan et al. A Computer-Interpretable Guideline for COVID-19: Rapid Development and Dissemination
KR20240100366A (ko) 환자 청구와 과거 데이터를 이용한 임상 시험 진행자의 성과 예측
US20200027534A1 (en) Device, system, and method for updating problem lists
CN114121213A (zh) 麻醉用药信息复核方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant