CN110993112B - 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 - Google Patents
基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 Download PDFInfo
- Publication number
- CN110993112B CN110993112B CN201911138545.8A CN201911138545A CN110993112B CN 110993112 B CN110993112 B CN 110993112B CN 201911138545 A CN201911138545 A CN 201911138545A CN 110993112 B CN110993112 B CN 110993112B
- Authority
- CN
- China
- Prior art keywords
- tumor
- treatment
- case
- blockchain
- treatment case
- 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
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 191
- 238000007726 management method Methods 0.000 title claims description 17
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000004138 cluster model Methods 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013468 resource allocation Methods 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 10
- 208000024891 symptom Diseases 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 102100025475 Carcinoembryonic antigen-related cell adhesion molecule 5 Human genes 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 239000000439 tumor marker Substances 0.000 description 3
- INZOTETZQBPBCE-NYLDSJSYSA-N 3-sialyl lewis Chemical compound O[C@H]1[C@H](O)[C@H](O)[C@H](C)O[C@H]1O[C@H]([C@H](O)CO)[C@@H]([C@@H](NC(C)=O)C=O)O[C@H]1[C@H](O)[C@@H](O[C@]2(O[C@H]([C@H](NC(C)=O)[C@@H](O)C2)[C@H](O)[C@H](O)CO)C(O)=O)[C@@H](O)[C@@H](CO)O1 INZOTETZQBPBCE-NYLDSJSYSA-N 0.000 description 2
- 108010022366 Carcinoembryonic Antigen Proteins 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007614 genetic variation Effects 0.000 description 2
- 230000036737 immune function Effects 0.000 description 2
- 238000009169 immunotherapy Methods 0.000 description 2
- 201000007270 liver cancer Diseases 0.000 description 2
- 208000014018 liver neoplasm Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 238000002626 targeted therapy Methods 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 206010008342 Cervix carcinoma Diseases 0.000 description 1
- 102100028652 Gamma-enolase Human genes 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 208000003445 Mouth Neoplasms Diseases 0.000 description 1
- 101100217298 Mus musculus Aspm gene Proteins 0.000 description 1
- 108010047320 Pepsinogen A Proteins 0.000 description 1
- 102000012288 Phosphopyruvate Hydratase Human genes 0.000 description 1
- 108010022181 Phosphopyruvate Hydratase Proteins 0.000 description 1
- 208000005718 Stomach Neoplasms Diseases 0.000 description 1
- 108010079337 Tissue Polypeptide Antigen Proteins 0.000 description 1
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 201000010881 cervical cancer Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010017758 gastric cancer Diseases 0.000 description 1
- 201000011066 hemangioma Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 208000012987 lip and oral cavity carcinoma Diseases 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108010088201 squamous cell carcinoma-related antigen Proteins 0.000 description 1
- 201000011549 stomach cancer Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000005748 tumor development Effects 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pathology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明的实施例提供了基于区块链的肿瘤治疗案例管理的方法、系统、设备及存储介质，其对于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例的肿瘤类型提取与该类型对应的多个特征值，并将其输入从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，以确定该肿瘤治疗案例所属的子类；以及从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。本发明实施例的技术方案对肿瘤治疗案例进行更有效的管理，能辅助医生做出更精准的治疗决策、提升患者满意度并降低医疗成本，从而改善了医疗资源分配。
Description
技术领域
本发明涉及区块链技术，尤其涉及基于区块链的肿瘤治疗案例管理方法、系统、存储介质及电子设备。
背景技术
近年来，在我国肿瘤发病率逐渐增高，肿瘤这一疾病具有治疗时间长，治疗手段复杂和多样化的特点，这对于患者护理、医生治疗以及医院资源分配等都提出了严峻挑战。很多患者经常因为治疗效果不满意而周转于不同医院做着重复的检查和治疗，很多医生对于不同类型肿瘤需要重新适应和尝试各种治疗手段，这浪费了大量的医疗资源。随着医疗信息化的发展，很多医院已经积累了大量的治疗案例数据，然而目前的医疗信息系统通常是通过关键词匹配的方式检索已有的案例数据库来提取相关案例供医生参考。然而不同患者在诸如年龄、身体状况、患病症状、既往病史、家族病史等等方面存在很多个性化差异，医生很难简单地通过几个关键词来进行准确描述，所以通常找到的相关案例参考价值不大。
发明内容
本发明实施例的目的在于提供一种基于区块链的肿瘤治疗案例管理方法、系统、存储介质及电子设备，对肿瘤治疗案例进行更有效的管理，以辅助医生做出更精准的治疗决策、提升患者满意度、缩短病人住院天数并降低医疗成本，改善医疗资源分配。
上述目的是通过以下技术方案实现的：
根据本发明实施例的第一方面，提供了一种基于区块链的肿瘤治疗案例管理的方法，包括：响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；以及从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。
在本发明的一些实施例中，不同的肿瘤类型对应不同的特征集合和不同的聚类模型，每个肿瘤类型对应的聚类模型是以与该肿瘤类型对应的特征集合作为输入，利用区块链中已有的属于该肿瘤类型的肿瘤治疗案例作为样本来训练的，其输出为该肿瘤类型的多个子类。
在本发明的一些实施例中，所述案例共享数据库中存储有属于每个肿瘤类型的每个子类的一个或多个肿瘤治疗案例及其对应的治疗方案，其中所述一个或多个治疗肿瘤案例按照其对应的治疗方案的治疗满意度从大到小排列。
在本发明的一些实施例中，所述案例共享数据库可以是通过下列步骤建立的：从区块链中提取各个肿瘤类型的肿瘤治疗案例及其对应治疗方案和治疗满意度，对于每个肿瘤类型执行下列操作：
以与该肿瘤类型对应的特征集合作为输入，以从区块链中提取的属于该肿瘤类型的肿瘤治疗案例作为样本来进行聚类，得到该肿瘤类型的多个子类；
将属于每个子类的、其对应治疗满意度最高的前若干个肿瘤治疗案例及其对应治疗方案写入案例共享数据库中。
在本发明的一些实施例中，该方法还可包括：
响应于新记入区块链中的肿瘤治疗案例以及对应的治疗方案和治疗满意度，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；以及响应于确定该新记入区块链的肿瘤治疗案例对应的治疗满意度高于案例共享数据库中与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的其中一个治疗方案的治疗满意度，将该新记入区块链的肿瘤治疗案例及其对应的治疗方案保存至所述案例共享数据库中。
在本发明的一些实施例中，该方法还可包括：将与新记入至区块链中的肿瘤治疗案例对应的备选治疗方案返回至执行将该肿瘤治疗案例写入区块链的操作的节点。
在本发明的一些实施例中，所述案例共享数据库也保存在区块链中，且仅能由具有指定权限的区块链节点进行修改。
根据本发明实施例的第二方面，还提供了一种基于区块链的肿瘤治疗案例管理系统，包括特征提取模块、子类识别模块和方案推荐模块。其中特征提取模块用于响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值。子类识别模块用于从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类。方案推荐模块用于从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。
根据本发明实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被执行时实现如上述实施例第一方面所述的方法。
根据本发明实施例的第四方面，提供了一种电子设备，包括处理器和存储器，其中存储器用于存储可执行指令；所述处理器被配置为经由执行所述可执行指令来实现如上述实施例中第一方面所述的方法。
本发明实施例提供的技术方案可以包括以下有益效果：
利用区块链维护肿瘤治疗案例信息，确保了这些案例信息可追溯且不易篡改，还避免了由于多方操作这些案例信息导致信息遗漏、记录错误等问题；同时可基于区块链上存储的治疗案例信息，自动识别与当前患者匹配的最佳案例提供给医生，以便能够辅助医生做出更精准的治疗决策、提升患者满意度、缩短患者住院天数并降低医疗成本，改善医疗资源分配。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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的前提下，还可以根据这些附图获得其他的附图。
在附图中：
图1为根据本发明一个实施例的基于区块链的肿瘤治疗案例管理方法的流程示意图。
图2示出了根据本发明一个实施例的基于区块链的肿瘤治疗案例管理系统的结构示意图。
图3示出了根据本发明又一个实施例的基于区块链的肿瘤治疗案例管理系统的结构示意图。
具体实施方式
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，所描述的实施例是本发明的一部分实施例，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下获得的所有其他实施例，都属于本发明保护的范围。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
在本发明的实施例中，考虑到肿瘤治疗过程从开始至完成经常会经过不同的医护人员，甚至是不同的医疗机构，其中可能出现漏记、误记甚至是篡改现象，为保证治疗案例信息的真实可靠性，采用了区块链来存储与各个患者相关的治疗案例的信息。区块链采用分布式记账方式，每次交易只有被记账者计入区块链中才算是生效。交易记账由区块链网络中多个节点共同完成，每一个节点都记录的是完整的账目，每一个节点在参与记录的同时也来验证其他节点记录结果的正确性。只有当区块链网络中大部分节点都同时认为这个记录正确时，或者所有参与记录的节点都比对结果一致通过后，记录的真实性才能得到全网认可，记录数据才允许上链。用户可使用账户通过区块链进行各种交易操作，通过具有记账权的节点将与交易相关的数据和信息打包存入区块链中。在一个实施例中，要构建的区块链网络中至少包括按功能划分的两类节点：普通节点和记账节点，其中普通节点可供用户进行交易事务、查询和接收来自区块链的信息；记账节点用于将与交易相关的数据和信息打包存入区块链中，其上存储有区块链的完整副本，可验证交易的有效性、对交易进行确认、发布和传播交易以及创建新区块。在构建区块链网络时，可以在医疗内部各基部门设定或配置上述两类区块链节点来构建医疗机构内部区块链网络。或者可以在多个医疗机构或组织结构设定或配置上述两类区块链节点来构建用于进行肿瘤管理的区块链网络。
与患者的肿瘤治疗案例相关的信息可以包括但不限于下列中的一个或多个的组合：与患者身份相关的信息(例如姓名、年龄、社保卡号等)、既往病史、家族病史、就诊时症状、当前症状、生活习惯、检查结果、手术情况、化疗情况、放疗情况、靶向治疗匹配情况(基于基因组特点和特定癌症相关变异进行相应治疗，需要针对特定基因变异的生化试剂)、免疫治疗情况(抗体帮助患者改变免疫功能，抵抗肿瘤)等等。甚至与上述信息相关的例如音频、视频、图像等材料也可以上传至区块链。每个患者的肿瘤治疗案例可以以交易信息的形式存储至区块链中。例如，医护人员对于患者的肿瘤治疗案例的任何一次操作，都可以作为交易发布至区块链中。在一些实施例中对于每个患者，可在区块链中增加记录该患者相关信息的新的区块，每次更新与该患者相关的肿瘤治疗案例信息都可以针对于该患者对应的区块来进行。对区块进行写入交易的输入可以是：病历基本信息：{病人姓名、年龄、既往病史、家族病史、就诊时的症状、生活习惯、当前症状、检查结果、当前治疗方案}等，以及进行该交易的相关人员的公开密钥＝ATCGWKY123YTU，签字＝XXXY等。而作为该交易的输出可以是存放该案例相关信息的链接。
在本发明的实施例中，考虑到不同类型肿瘤在治疗中考虑的指标和采用的手段都不同，为了更有效地管理在区块链中保存的肿瘤治疗案例(也可以简称为治疗案例或案例)，根据肿瘤性质的不同划分了不同的类型，例如胃癌、肝癌、口腔癌、淋巴癌、白血病、宫颈癌、血管瘤、动脉瘤等等。在将肿瘤治疗案例保存至区块链时，需要标注该肿瘤治疗案例所属的肿瘤类型。同时考虑到对于同一类型肿瘤，在不同肿瘤发展的不同时期或者对于不同身体状况的患者都有可能需要采用不同的治疗方案，在本发明的实施例中还采取聚类的方式对于每个肿瘤类型的肿瘤治疗案例更细的划分，将其分成多个子类。不同的肿瘤类型在进行聚类时采用的特征集是不同的，得到的聚类模型也不同。具体的特征集可以根据实际需求来进行选择，例如可以从区块链保存的肿瘤治疗案例中提取并量化一个或多个特征，例如病人年龄、病理活检结果、影像检测结果、肿瘤标志物检测值、是否有家族病史等等特征。即使对于同一类特征不同肿瘤类型所采用的具体特征属性取值也可能不同。例如肺癌特征提取时肿瘤标志物指标包括：{CEA(癌胚抗原，正常参考值为<5ug/L)；NSE(神经元特异性烯醇化酶，正常参考值为<15ug/L)；SCC(鳞状细胞癌抗原，正常参考值为<5ug/L)；TPA(组织多肽抗原，正常参考值为<55U/L)}；而肝癌特征提取时肿瘤标志物指标包括：{CEA(癌胚抗原，正常参考值为<5ug/L)；CA19-9(糖类抗原19-9，正常参考值为<37U/ml)；CA72-4(糖类抗原72-4，正常参考值为<5.3U/ml)；胃蛋白酶原:(PGI，正常参考值为67～200ng/ml；PGII:正常参考值为<15ng/ml)}。在为不同肿瘤类型设定好对应特征集后，每个肿瘤类型对应的聚类模型是以与该肿瘤类型对应的特征集合作为输入，利用区块链中已有的属于该肿瘤类型的肿瘤治疗案例作为样本来训练的，其输出为该肿瘤类型的多个子类。训练好的聚类模型相关参数也保存在区块链中。在一些实施例中，仅能由具有指定权限的区块链节点训练与各个肿瘤类型对应的聚类模型以及修改与聚类模型相关的参数。
在本发明的实施例中，还设置有案例共享数据库，其中存储有属于每个肿瘤类型的每个子类的一个或多个肿瘤治疗案例及其对应的治疗方案，其中所述一个或多个治疗肿瘤案例按照其对应的治疗方案的治疗满意度从大到小排列。在一些实施例中，该案例共享数据库是通过下面的步骤创建的：从区块链中提取各个肿瘤类型的肿瘤治疗案例及其对应治疗方案和治疗满意度，对于每个肿瘤类型执行下列操作：(I)以与该肿瘤类型对应的特征集合作为输入，以从区块链中提取的属于该肿瘤类型的肿瘤治疗案例作为样本来进行聚类，得到该肿瘤类型的多个子类；(II)将属于每个子类的、其对应治疗满意度最高的前若干个肿瘤治疗案例及其对应治疗方案写入案例共享数据库中。在一些实施例中，仅能由具有指定权限的区块链节点来创建和维护案例共享数据库。
图1给出了根据本发明一个实施例的基于区块链的肿瘤治疗案例管理方法的流程示意图。如图1所示，在S101，响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值。如上文提到的，不同的肿瘤类型对应不同的特征集合，每个肿瘤类型对应的聚类模型是以与该肿瘤类型对应的特征集合作为输入，因此可以根据该肿瘤治疗案例标注的肿瘤类型为该治疗案例确定对应的多个特征值。接着，在S102，可以从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类。在确定了该新记入至区块链中的肿瘤治疗案例所述的具体子类后，在步骤S103，可以从如上文提到的预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。在一些实施例中，该方法还可以包括将与新记入至区块链中的肿瘤治疗案例对应的备选治疗方案返回至执行将该肿瘤治疗案例写入区块链的操作的节点，以供相关医护人员进行参考。该方法的执行主体可以是服务器或用于进行肿瘤治疗案例管理的任何一个或多个计算装置及其组合。
在前述实施例的技术方案中，利用区块链维护肿瘤治疗案例信息，确保了这些案例信息可追溯且不易篡改，还避免了由于多方操作这些案例信息导致信息遗漏、记录错误等问题；同时可基于区块链上存储的治疗案例信息，自动识别与当前患者匹配的最佳案例提供给医生，以便能够辅助医生做出更精准的治疗决策、提升患者满意度、缩短患者住院天数并降低医疗成本，改善医疗资源分配。
在一些实施例中，该方法还可以包括对于案例共享数据库进行动态更新的步骤。例如包响应于新记入区块链中的肿瘤治疗案例以及对应的治疗方案和治疗满意度，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；以及响应于确定该新记入区块链的肿瘤治疗案例对应的治疗满意度高于案例共享数据库中与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的其中一个治疗方案的治疗满意度，将该新记入区块链的肿瘤治疗案例及其对应的治疗方案保存至所述案例共享数据库中。在该实施例的方案中，通过不断将最新的治疗满意度较高的治疗方案及时更新至案例共享数据库的相应子类中，可以改善治疗方案推荐的准确性。
图2给出了根据本发明一个实施例的基于区块链的肿瘤治疗案例管理系统200的结构示意图。如图2所示，该系统200包括特征提取模块201、子类识别模块202、方案推荐模块203。尽管该框图以功能上分开的方式来描述组件，但这样的描述仅为了说明的目的。明显地，在图中描绘的组件可以任意地进行组合或被分为独立的软件、固件和/或硬件组件。而且，显然无论这样的组件是如何被组合或划分的，它们都可以在同一主机或多个主机上执行，其中多个主机可以是由一个或多个网络连接。
其中特征提取模块201用于如上文结合图1介绍的响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值。子类识别模块202用于如上文结合图1所介绍的从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类。方案推荐模块203用于如上文结合图1所介绍的从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。
在又一个实施例中，该系统200还包括聚类模块，用于如上文结合图1所述的方式基于从区块链中获取多个肿瘤治疗案例为各个肿瘤类型训练相应的聚类模型。在一些实施例中，该系统200还包括数据库维护模块，用于如上文结合图1所述的方式创建并更新案例共享数据库，在此不再赘述。
图3给出了根据本发明又一个实施例的基于区块链的基于区块链的肿瘤治疗案例管理系统300的结构示意图。如图3所示，该系统300包括区块链网络构建子系统301、信息存储子系统302、治疗案例管理子系统303。下面是对每个子系统功能的具体介绍。
区块链网络构建子系统301用于选择区块链节点及构建区块链网络。例如，以医院各部门为最小节点，或者一个或多个医疗机构参与用于肿瘤治疗案例管理的区块链网络构建。如上文提到的区块链网络节点至少可分为两类节点：普通节点和记账节点，其中普通节点可供用户进行交易事务、查询和接收来自区块链的信息；记账节点用于将与交易相关的数据和信息打包存入区块链中，其上存储有区块链的完整副本，可验证交易的有效性、对交易进行确认、发布和传播交易以及创建新区块。在构建区块链网络时，可以在医疗机构内部设定或配置上述两类区块链节点来构建医疗机构内部区块链网络。或者可以在多个医疗结构或组织之间设定或配置上述两类区块链节点来构建用于进行肿瘤治疗案例管理的区块链网络。
信息存储子系统302用于将与肿瘤治疗案例相关信息以交易信息的形式存储至区块链中。与患者的肿瘤治疗案例相关的信息可以包括但不限于下列中的一个或多个的组合：与患者身份相关的信息(例如姓名、年龄、社保卡号等)、既往病史、家族病史、就诊时症状、当前症状、生活习惯、检查结果、手术情况、化疗情况、放疗情况、靶向治疗匹配情况(基于基因组特点和特定癌症相关变异进行相应治疗，需要针对特定基因变异的生化试剂)、免疫治疗情况(抗体帮助患者改变免疫功能，抵抗肿瘤)等等。甚至与上述信息相关的例如音频、视频、图像等材料也可以上传至区块链。每个患者的肿瘤治疗案例可以以交易信息的形式存储至区块链中。例如，医护人员对于患者的肿瘤治疗案例的任何一次操作，都可以作为交易发布至区块链中。在一些实施例中对于每个患者，可在区块链中增加记录该患者相关信息的新的区块，每次更新与该患者相关的肿瘤治疗案例信息都可以针对于该患者对应的区块来进行。对区块进行写入交易的输入可以是：病历基本信息：{病人姓名、年龄、既往病史、家族病史、就诊时的症状、生活习惯、当前症状、检查结果、当前治疗方案}等，以及进行该交易的相关人员的公开密钥＝ATCGWKY123YTU，签字＝XXXY等。而作为该交易的输出可以是存放该案例相关信息的链接。
为提高信息存储和信息处理效率可以通过类似如表1所示的数据结构来存储固定资产交易信息。
表1
在表1所示的数据结构中，由于与肿瘤治疗案例相关的一些材料或证明材料等有时会包括一些图像、文档等数据量比较大的信息，因此为了提高存储效率和解决区块信息过大的问题，在本发明的实施例中，可以将诸如文档、图像、视频等形式的材料以链接的形式存放在区块中，这个链接的值是通过哈希函数对材料进行加密得到的哈希值，比如SHA1等，这种通过哈希函数得到的指针链接的方式能够保证内容不可篡改。这些相关材料可以保存在区块链节点的局部存储设备中，又可以云存储的方式进行存放。同时，为保证材料存储的高可靠性，可以采用冗余编码的方式对材料进行存储，例如采用前向纠错编码、低密度奇偶校验编码的方式对其材料进行冗余编码处理。应理解，上述示例仅是举例说明而非进行任何限制。
继续参考图3，治疗案例子系统303如上文结合图1介绍的响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；以及从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案，在此不再赘述。
在本发明的又一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序或可执行指令，当所述计算机程序或可执行指令被执行时实现如前述实施例中所述的技术方案，其实现原理类似，此处不再赘述。在本发明的实施例中，计算机可读存储介质可以是任何能够存储数据且可以被计算装置读取的有形介质。计算机可读存储介质的实例包括硬盘驱动器、网络附加存储器(NAS)、只读存储器、随机存取存储器、CD-ROM、CD-R、CD-RW、磁带以及其它光学或非光学数据存储装置。计算机可读存储介质也可以包括分布在网络耦合计算机系统上的计算机可读介质，以便可以分布式地存储和执行计算机程序或指令。
在本发明的又一个实施例中，还提供了一种电子设备，包括处理器和存储器，其中所述存储器用于存储可由处理器执行的可执行指令，其中所述处理器被配置为执行存储器上存储的可执行指令，所述可执行指令被执行时实现前述任一实施例中介绍的技术方案，其实现原理类似，此处不再赘述。
本说明书中针对“各个实施例”、“一些实施例”、“一个实施例”、或“实施例”等的参考指代的是结合所述实施例所描述的特定特征、结构、或性质包括在至少一个实施例中。因此，短语“在各个实施例中”、“在一些实施例中”、“在一个实施例中”、或“在实施例中”等在整个说明书中各地方的出现并非必须指代相同的实施例。此外，特定特征、结构、或性质可以在一个或多个实施例中以任何合适方式组合。因此，结合一个实施例中所示出或描述的特定特征、结构或性质可以整体地或部分地与一个或多个其他实施例的特征、结构、或性质无限制地组合，只要该组合不是非逻辑性的或不能工作。
本说明书中“包括”和“具有”以及类似含义的术语表达，意图在于覆盖不排他的包含，例如包含了一系列步骤或单元的过程、方法、系统、产品或设备并不限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。“一”或“一个”也不排除多个的情况。另外，本申请附图中的各个元素仅仅为了示意说明，并非按比例绘制。
虽然本发明已经通过上述实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所做出的各种改变以及变化。
Claims (10)
1.一种基于区块链的肿瘤治疗案例管理方法，包括：
响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；
从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；
从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。
2.根据权利要求1所述的方法，其特征在于，不同的肿瘤类型对应不同的特征集合和不同的聚类模型，每个肿瘤类型对应的聚类模型是以与该肿瘤类型对应的特征集合作为输入，利用区块链中已有的属于该肿瘤类型的肿瘤治疗案例作为样本来训练的，其输出为该肿瘤类型的多个子类。
3.根据权利要求1所述的方法，其特征在于，所述案例共享数据库中存储有属于每个肿瘤类型的每个子类的一个或多个肿瘤治疗案例及其对应的治疗方案，其中所述一个或多个治疗肿瘤案例按照其对应的治疗方案的治疗满意度从大到小排列。
4.根据权利要求3所述的方法，其特征在于，所述案例共享数据库是通过下列步骤建立的：
从区块链中提取各个肿瘤类型的肿瘤治疗案例及其对应治疗方案和治疗满意度，对于每个肿瘤类型执行下列操作：
以与该肿瘤类型对应的特征集合作为输入，以从区块链中提取的属于该肿瘤类型的肿瘤治疗案例作为样本来进行聚类，得到该肿瘤类型的多个子类；
将属于每个子类的、其对应治疗满意度最高的前若干个肿瘤治疗案例及其对应治疗方案写入案例共享数据库中。
5.根据权利要求3所述的方法，其特征在于，该方法还包括：
响应于新记入区块链中的肿瘤治疗案例以及对应的治疗方案和治疗满意度，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；
从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；
响应于确定该新记入区块链的肿瘤治疗案例对应的治疗满意度高于案例共享数据库中与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的其中一个治疗方案的治疗满意度，将该新记入区块链的肿瘤治疗案例及其对应的治疗方案保存至所述案例共享数据库中。
6.根据权利要求1所述的方法，其特征在于，该方法还包括：
将与新记入至区块链中的肿瘤治疗案例对应的备选治疗方案返回至执行将该肿瘤治疗案例写入区块链的操作的节点。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述案例共享数据库也保存在区块链中，且仅能由具有指定权限的区块链节点进行修改。
8.一种基于区块链的肿瘤治疗案例管理系统，包括：
特征提取模块，用于响应于新记入至区块链中的肿瘤治疗案例，根据该肿瘤治疗案例中的肿瘤类型，基于该肿瘤治疗案例确定与该肿瘤类型对应的多个特征值；
子类识别模块，用于从区块链中获取与该肿瘤类型对应的预先训练好的聚类模型，将对于该肿瘤治疗案例确定的多个特征值作为输入提供给所述聚类模型，以确定该肿瘤治疗案例所属的子类；
方案推荐模块，用于从预先设置的案例共享数据库中提取与该肿瘤治疗案例的肿瘤类型及所确定的子类对应的一个或多个治疗方案作为与该肿瘤治疗案例对应的备选治疗方案。
9.一种计算机可读存储介质，其上存储有计算机程序，所述程序被执行时实现权利要求1-7所述的方法。
10.一种电子设备，包括处理器和存储器，其中存储器用于存储可执行指令；所述处理器被配置为经由执行所述可执行指令来执行权利要求1-7所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138545.8A CN110993112B (zh) | 2019-11-20 | 2019-11-20 | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138545.8A CN110993112B (zh) | 2019-11-20 | 2019-11-20 | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110993112A CN110993112A (zh) | 2020-04-10 |
| CN110993112B true CN110993112B (zh) | 2023-04-18 |
Family
ID=70085268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911138545.8A Active CN110993112B (zh) | 2019-11-20 | 2019-11-20 | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110993112B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139709A (zh) * | 2020-12-31 | 2021-07-20 | 上海明品医学数据科技有限公司 | 一种医疗信息的评价系统及评价方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010172559A (ja) * | 2009-01-30 | 2010-08-12 | Toshiba Corp | 医療診断支援システム及び医療診断支援装置 |
| CN106778002A (zh) * | 2016-12-26 | 2017-05-31 | 中国科学院苏州生物医学工程技术研究所 | 一种医疗信息查询方法、设备和系统 |
| 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 |
| CN108109692A (zh) * | 2017-11-08 | 2018-06-01 | 北京无极慧通科技有限公司 | 一种治疗方案的选择方法和系统 |
| CN108573737A (zh) * | 2017-12-25 | 2018-09-25 | 北京金山云网络技术有限公司 | 一种电子病历的存储方法、装置、设备和存储介质 |
| WO2018225428A1 (ja) * | 2017-06-05 | 2018-12-13 | Ｎｅｃソリューションイノベータ株式会社 | 診療記録管理システム、装置、方法およびプログラム |
| CN109036533A (zh) * | 2018-07-26 | 2018-12-18 | 深圳还是威健康科技有限公司 | 一种医疗信息管理方法及相关设备 |
| CN109599182A (zh) * | 2019-02-18 | 2019-04-09 | 湖南金特尔信息技术有限公司 | 一种基因靶向治疗方案推荐系统及相关系统 |
| CN109754886A (zh) * | 2019-01-07 | 2019-05-14 | 广州达美智能科技有限公司 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
| CN110457425A (zh) * | 2019-08-05 | 2019-11-15 | 腾讯科技（深圳）有限公司 | 一种案例存储方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11315685B2 (en) * | 2017-01-25 | 2022-04-26 | UCB Biopharma SRL | Method and system for predicting optimal epilepsy treatment regimes |
-
2019
- 2019-11-20 CN CN201911138545.8A patent/CN110993112B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010172559A (ja) * | 2009-01-30 | 2010-08-12 | Toshiba Corp | 医療診断支援システム及び医療診断支援装置 |
| CN106778002A (zh) * | 2016-12-26 | 2017-05-31 | 中国科学院苏州生物医学工程技术研究所 | 一种医疗信息查询方法、设备和系统 |
| WO2018225428A1 (ja) * | 2017-06-05 | 2018-12-13 | Ｎｅｃソリューションイノベータ株式会社 | 診療記録管理システム、装置、方法およびプログラム |
| 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 |
| CN108109692A (zh) * | 2017-11-08 | 2018-06-01 | 北京无极慧通科技有限公司 | 一种治疗方案的选择方法和系统 |
| CN108573737A (zh) * | 2017-12-25 | 2018-09-25 | 北京金山云网络技术有限公司 | 一种电子病历的存储方法、装置、设备和存储介质 |
| CN109036533A (zh) * | 2018-07-26 | 2018-12-18 | 深圳还是威健康科技有限公司 | 一种医疗信息管理方法及相关设备 |
| CN109754886A (zh) * | 2019-01-07 | 2019-05-14 | 广州达美智能科技有限公司 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
| CN109599182A (zh) * | 2019-02-18 | 2019-04-09 | 湖南金特尔信息技术有限公司 | 一种基因靶向治疗方案推荐系统及相关系统 |
| CN110457425A (zh) * | 2019-08-05 | 2019-11-15 | 腾讯科技（深圳）有限公司 | 一种案例存储方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 任延辉.一种基于区块链的医疗信息隐私保护和共享方案.《中国优秀硕士学位论文》.2019,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110993112A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Riplinger et al. | Patient identification techniques–approaches, implications, and findings | |
| Bertsimas et al. | Machine learning in oncology: methods, applications, and challenges | |
| Margolies et al. | Breast imaging in the era of big data: structured reporting and data mining | |
| WO2021159738A1 (zh) | 基于医学领域的数据推荐方法、设备、服务器及存储介质 | |
| European Society of Radiology (ESR) communications@ myesr. Org | ESR position paper on imaging biobanks | |
| US9697301B2 (en) | Systems and methods for standardization and de-duplication of addresses using taxonomy | |
| US20170091400A1 (en) | Systems and methods for linking medical records within claim messages | |
| Foran et al. | Roadmap to a comprehensive clinical data warehouse for precision medicine applications in oncology | |
| CN104346418A (zh) | 用于数据的关系型上下文敏感匿名化的方法和系统 | |
| US20220092566A1 (en) | System and method for data provider tracking and monetization | |
| JP7106743B2 (ja) | グラフ計算技術に基づく請求不正防止方法、装置、機器及び記憶媒体 | |
| Yan et al. | Concurrent healthcare data processing and storage framework using deep-learning in distributed cloud computing environment | |
| US20170147755A1 (en) | Cloud based personal health record management method and device | |
| US20190057225A1 (en) | Systems and methods for computing data privacy-utility tradeoff | |
| US11568397B2 (en) | Providing a financial/clinical data interchange | |
| Wang et al. | Large-scale multimodal mining for healthcare with mapreduce | |
| Field et al. | Implementation of the Australian Computer‐Assisted Theragnostics (AusCAT) network for radiation oncology data extraction, reporting and distributed learning | |
| US20210064681A1 (en) | Entity mapping based on incongruent entity data | |
| Toro-Tobon et al. | Artificial intelligence in thyroidology: a narrative review of the current applications, associated challenges, and future directions | |
| CN110993112B (zh) | 基于区块链的肿瘤治疗案例管理方法、系统、介质及电子设备 | |
| Wang et al. | SGPNet: A Three‐Dimensional Multitask Residual Framework for Segmentation and IDH Genotype Prediction of Gliomas | |
| Welch et al. | RADCURE: An open‐source head and neck cancer CT dataset for clinical radiation therapy insights | |
| Nan et al. | Machine learning-based predictive and risk analysis using real-world data with blood biomarkers for hepatitis B patients in the malignant progression of hepatocellular carcinoma | |
| Hung et al. | Receipt of life-sustaining treatments for Taiwanese pediatric patients who died of Cancer in 2001 to 2010: a retrospective cohort study | |
| Liu et al. | Personalized recommendation algorithm for interactive medical image using deep learning |
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 |