CN111145909B - 诊疗数据处理方法与装置、存储介质、电子设备 - Google Patents

诊疗数据处理方法与装置、存储介质、电子设备 Download PDF

Info

Publication number
CN111145909B
CN111145909B CN201911204924.2A CN201911204924A CN111145909B CN 111145909 B CN111145909 B CN 111145909B CN 201911204924 A CN201911204924 A CN 201911204924A CN 111145909 B CN111145909 B CN 111145909B
Authority
CN
China
Prior art keywords
diagnosis
treatment plan
treatment
plan suggestion
suggestion
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
CN201911204924.2A
Other languages
English (en)
Other versions
CN111145909A (zh
Inventor
王春辉
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.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
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 Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN201911204924.2A priority Critical patent/CN111145909B/zh
Publication of CN111145909A publication Critical patent/CN111145909A/zh
Application granted granted Critical
Publication of CN111145909B publication Critical patent/CN111145909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本公开属于计算机技术领域,涉及一种诊疗数据处理方法及装置、计算机可读存储介质、电子设备。该方法包括:获取目标对象的诊疗数据以及与诊疗数据对应的健康档案信息;从健康档案信息中获取与目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与目标对象对应的第二诊疗计划建议;对诊疗数据、第一诊疗计划建议和第二诊疗计划建议进行融合处理,得到目标对象的目标诊疗计划建议。本公开一方面,目标诊疗计划建议的数据依据真实且丰富,可以制定出更加符合患者病情的诊疗计划,提升了诊疗建议的准确度,优化了当次诊疗的治疗效果;另一方面,降低了过度依赖医护人员主观判断的局限性,减少了患者的治疗费用,提升了患者的满意度。

Description

诊疗数据处理方法与装置、存储介质、电子设备
技术领域
本公开涉及计算机技术领域,尤其涉及一种诊疗数据处理方法与诊疗数据处理装置、计算机可读存储介质及电子设备。
背景技术
随着人们的生活水平不断提高,社会和公众对诊疗水平和服务质量提出了越来越高的要求。同时,随着科技的发展和进步,医学知识的更新速度越来越快,学科的交叉融合也越来越紧密,对临床医生和相关医务工作人员提出了更高的知识学习和更新的要求。
但是,目前的康复治疗计划主要是由医生诊断制定的,诊疗方案相对固定。即使后续医生根据治疗情况进行调整,但也由于医生的主观判断存在一定的局限性。
鉴于此,本领域亟需开发一种新的诊疗数据处理方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种诊疗数据处理方法、诊疗数据处理装置、计算机可读存储介质及电子设备,进而至少在一定程度上克服由于相关技术的限制而导致的诊疗计划过于主观和局限的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本发明实施例的第一个方面,提供一种诊疗数据处理方法,所述方法包括:获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息;从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与所述目标对象对应的第二诊疗计划建议;对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议。
在本发明的一种示例性实施例中,所述健康档案信息包括目标健康档案信息和参考健康档案信息;所述获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息,包括:获取目标对象的诊疗数据,并获取所述目标对象的目标健康档案信息;根据所述目标对象确定参考对象,并获取所述参考对象的参考健康档案信息。
在本发明的一种示例性实施例中,所述第一诊疗计划建议包括历史诊疗计划建议和参考诊疗计划建议;所述从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,包括:从所述目标健康档案信息中获取所述目标对象的历史诊疗计划建议;从所述参考健康档案信息中获取所述参考对象的参考诊疗计划建议。
在本发明的一种示例性实施例中,所述对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议,包括:根据所述第二诊疗计划建议的第一权重和所述历史诊疗计划建议的第二权重,进行加权计算得到待处理诊疗计划建议;确定与所述参考诊疗计划建议对应的第三权重,并将所述参考诊疗计划建议与所述第三权重进行计算;将计算结果与所述待处理诊疗计划建议进行计算,得到待确定诊疗计划建议;将所述待确定诊疗计划建议与所述诊疗数据进行比较,根据比较结果得到目标诊疗计划建议。
在本发明的一种示例性实施例中,所述诊疗数据中包括当前诊疗计划建议;所述将所述待确定诊疗计划建议与所述诊疗数据进行比较,根据比较结果得到目标诊疗计划建议,包括:若当前诊疗计划建议中包括所述待确定诊疗计划建议,不生成与所述待确定诊疗计划建议对应的目标诊疗计划建议;若当前诊疗计划建议中未包括所述待确定诊疗计划建议,生成与所述待确定诊疗计划建议对应的目标诊疗计划建议。
在本发明的一种示例性实施例中,所述生成与所述待确定诊疗计划建议对应的目标诊疗计划建议,包括:获取与所述待确定诊疗计划建议对应的第四权重,并将所述第四权重确定为与所述目标诊疗计划建议对应的目标权重;生成与所述目标诊疗计划建议对应的分析报告,并在所述分析报告中生成所述目标诊疗计划建议和所述目标权重。
在本发明的一种示例性实施例中,在所述根据预设疾病知识图谱确定与所述目标对象对应的第二诊疗计划建议之前,所述方法还包括:创建数据模型,所述数据模型中定义有实体以及与所述实体对应的属性和关系;采集实体类字段内容、属性类字段内容和关系类字段内容;基于所述数据模型,将所述实体类字段内容、属性类字段内容和关系类字段内容进行填充,以生成预设疾病知识图谱。
根据本发明实施例的第二个方面,提供一种诊疗数据处理装置,所述装置包括:数据获取模块,被配置为获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息;信息确定模块,被配置为从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与所述目标对象对应的第二诊疗计划建议;数据融合模块,被配置为对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议。
根据本发明实施例的第三个方面,提供一种电子设备,包括:处理器和存储器;其中,存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例的诊疗数据处理方法。
根据本发明实施例的第四个方面,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上述任意示例性实施例中的诊疗数据处理方法。
由上述技术方案可知,本发明示例性实施例中的诊疗数据处理方法、诊疗数据处理装置、计算机存储介质及电子设备至少具备以下优点和积极效果:
在本公开的示例性实施例提供的方法及装置中,本公开通过将健康档案信息中获取到的第一诊疗计划建议、根据预设疾病知识图谱确定的第二诊疗计划建议与目标对象的本次诊疗数据进行融合处理,实现得到目标诊疗计划建议的功能。一方面,目标诊疗计划建议的数据依据真实且丰富,可以制定出更加贴合患者病情的诊疗计划,提升了诊疗建议的准确度,优化了当次诊疗的治疗效果;另一方面,降低了诊疗建议过度依赖医护人员主观判断的局限性,减少了患者的治疗费用,提升了患者的满意度。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示意性示出本公开示例性实施例中一种诊疗数据处理方法的流程图;
图2示意性示出本公开示例性实施例中获取诊断数据和健康档案信息的方法的流程示意图;
图3示意性示出本公开示例性实施例中获取第一诊疗计划建议的方法的流程示意图;
图4示意性示出本公开示例性实施例中构建预设疾病知识图谱的方法的流程示意图;
图5示意性示出本公开示例性实施例中生成目标诊疗计划建议的方法的流程示意图;
图6示意性示出本公开示例性实施例中比较待确定诊疗计划建议和当前诊疗计划建议的方法的流程示意图;
图7示意性示出本公开示例性实施例中进一步生成目标诊疗计划建议的方法的流程示意图;
图8示意性示出本公开示例性实施例中在应用场景中的诊疗数据处理方法的流程图;
图9示意性示出本公开示例性实施例中一种诊疗数据处理装置的结构示意图;
图10示意性示出本公开示例性实施例中一种用于实现诊疗数据处理方法的电子设备;
图11示意性示出本公开示例性实施例中一种用于实现诊疗数据处理方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。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方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述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技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
针对相关技术中存在的问题,本公开提出了一种诊疗数据处理方法。图1示出了诊疗数据处理方法的流程图,如图1所示,诊疗数据处理方法至少包括以下步骤:
步骤S110.获取目标对象的诊疗数据以及与诊疗数据对应的健康档案信息。
步骤S120.从健康档案信息中获取与目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与目标对象对应的第二诊疗计划建议。
步骤S130.对诊疗数据、第一诊疗计划建议和第二诊疗计划建议进行融合处理,得到目标对象的目标诊疗计划建议。
在本公开的示例性实施例中,通过将健康档案信息中获取到的第一诊疗计划建议、根据预设疾病知识图谱确定的第二诊疗计划建议与目标对象的本次诊疗数据进行融合处理,实现生成目标对象的目标诊疗计划建议的功能。一方面,目标诊疗计划建议的数据依据真实且丰富,可以制定出更加贴合患者病情的诊疗计划,提升了诊疗建议的准确度,优化了当次诊疗的治疗效果;另一方面,降低了诊疗建议过度依赖医护人员主观判断的局限性,减少了患者的治疗费用,提升了患者的满意度。
下面对诊疗数据处理方法的各个步骤进行详细说明。
在步骤S110中,获取目标对象的诊疗数据以及与诊疗数据对应的健康档案信息。
在本公开的示例性实施例中,健康档案信息包括目标健康档案信息和参考健康档案信息,在可选的实施例中,如2示出了获取诊疗数据和健康档案信息的方法的流程示意图,如图2所示,该方法至少包括以下步骤:在步骤S210中,获取目标对象的诊疗数据,并获取目标对象的目标健康档案信息。举例而言,该目标对象可以是患者。该患者在当次就诊结束后,可以生成当前就诊的诊疗数据。其中,该诊疗数据包括但不限于诊疗时间、诊疗医生、诊疗结果、转科诊疗信息等,之后,服务器可以获取患者当前就诊对应的诊疗数据。可选的,当患者在一个科室就诊结束,生成患者当前就诊对应的诊疗数据,医生可以通过相应的客户端将该诊疗数据上传至服务器,服务器接收客户端上传的患者当前就诊对应的诊疗数据。在确定目标诊疗计划建议之前,可以从服务器获取对应的诊疗数据,优选的,该诊疗数据可以包括诊疗结果,亦即医生下达的诊断信息和针对该诊断给出的医嘱。除此之外,若该患者此次为复诊,还可以包括该医嘱的执行状态和执行日期等信息。
除此之外,鉴于患者当前就诊大概率上不是初次就诊,因此,可以获取该患者的目标健康档案信息。其中,健康档案是记录每个人从出生到死亡的所有生命体征的变化,以及自身所从事过的与健康相关的一切行为与事件的档案。因此,患者的目标健康档案信息可以包括该患者的基本信息、急诊记录、妇幼保健记录、康复记录、住院就诊记录、慢性病管理记录、检查及诊断记录、检验及诊断记录有等信息。值得说明的是,基本信息可以包括患者的出生日期、性别等信息,还可以包括患者的吸烟史和饮食习惯等生活习惯的信息,也可以包括患者在体检、诊疗等过程中的各种生命体征记录信息,包括血压、心率和血糖等。
在步骤S220中,根据目标对象确定参考对象,并获取参考对象的参考健康档案信息。举例而言,当目标对象为患者时,参考对象可以是该患者三代内的直系亲属。更进一步的,根据该患者的诊断信息可以确定三代内直系亲属并患此病的对象作为参考对象。与目标对象的目标健康档案信息对应的,还可以获取参考对象的参考健康档案信息。值得说明的是,可以仅获取参考健康档案信息中与目标对象的诊断病症相关的信息,可以包括参考对象相同或者相关病症的发病日期、医嘱内容、医嘱执行情况和疾病康复情况等信息。其中,医嘱执行情况包括执行状态和执行日期等信息,疾病康复情况可以包括治愈、好转和其他信息等。
在本示例性实施例中,通过目标对象的诊疗数据,可以获取目标对象的目标健康档案信息和参考对象的参考健康档案信息,精准确定了与目标对象相关的参考对象,提高了获取健康信息便捷度和准确性。
在步骤S120中,从健康档案信息中获取与目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与目标对象对应的第二诊疗计划建议。
在本公开的一种示例性实施例中,第一诊疗计划建议包括历史诊疗计划建议和参考诊疗计划建议,在可选的实施例中,图3示出了获取第一诊疗计划建议的方法的流程示意图,如图3所示,该方法至少包括以下步骤:在步骤S310中,从目标健康档案信息中获取目标对象的历史诊疗计划建议。举例而言,该历史诊疗计划建议可以是目标对象的医嘱信息,以及该医嘱信息对应的执行日期、执行状态等。因此,在患者的目标健康档案信息中,还可以进一步确定医生给出的医嘱信息。除此之外,还可以包括与该诊断病症的相关就诊诊断和医嘱信息。举例而言,当患者的本次就诊诊断为高血压时,还可以将肥胖和冠心病的医嘱作为相关就诊诊断,并获取其医嘱内容和执行信息等。
在步骤S320中,从参考健康档案信息中获取参考对象的参考诊疗计划建议。举例而言,该参考诊疗计划建议可以包括参考对象的医嘱信息,以及该医嘱的执行日期和执行状态等。因此,在参考对象的参考健康档案信息中,还可以进行确定医嘱内容。除此之外,为给目标对象提供更多的参考内容,还可以获取与该诊断病症相关的其他病症的就诊诊断和医嘱内容。
在本示例性实施例中,进一步根据健康档案信息可以获取对应的状态调整调整信息,为目标对象的提供调整建议提供更多的参考信息,提升了目标诊疗计划建议的准确度。
除了将患者的目标健康档案信息和患者亲属的第二档案健康信息作为调整依据之外,还可以将更多同类型相似患者的诊疗数据作为参考。因此,可以根据预设疾病知识图谱确定与患者对应的第二诊疗计划建议。
其中,知识图谱又称为科学知识图谱,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互关系,通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识结构达到多学科融合目的的现代理论,为学科研究提供切实的、有价值的参考。知识图谱是结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系,它的基本组成单位是实体-关系-实体三元组,以及实体及其相关属性-键值对,实体之间通过关系相互联结,构成网状的知识结构。
在医学领域中,构建疾病知识图谱可以将病症、病症与诊疗手段之间的错综复杂关系通过知识图谱构建成数据库,从而可以为医护人员提供很好的辅助诊断手段。
在可选的实施例中,图4示出了构建预设疾病知识图谱的方法的流程示意图,如图4所示,该方法至少包括以下步骤:在步骤S410中,创建数据模型,数据模型中定义有实体以及与实体对应的属性和关系。其中,定义的实体可以有患者、医护人员、医疗机构、医疗事件等,还可以有医药、病种和医疗器械等实体。医护人员可以包括医生、护士和检验员等;医疗机构可以包括医院、科室等;医疗事件可以包括出生事件、儿童保健事件、健康体检事件、门诊事件、住院事件、疾病防控事件、疾病管理事件等。定义的属性可以包括性别、年龄、居住地、身份证号、医保卡号等。定义的关系可以包括父子(女)关系、母子(女)关系和存在的医疗时间等。
举例而言,可以创建一种针对实体为患者的数据模型,其属性可以包括身份证号、出生日期、联系方式、年龄、籍贯、居住地和性别等,其关系可以包括出生事件、儿童保健事件、健康体检时间和死亡事件等。除此之外,还可以包括其他属性和关系,也可以有其他的数据模型,本示例性实施例对此不做特殊限定。
在步骤S420中,采集实体类字段内容、属性类字段内容和关系类字段内容。在定义好各实体及其属性、关系之后,可以基于数据来源采集数据,亦即采集实体类字段内容、属性类字段内容和关系类字段内容。
在步骤S430中,基于数学模型,将实体类字段内容、属性类字段内容和关系类字段内容进行填充,以生成预设疾病知识图谱。采集到数据之后,可以将所有数据填充至创建好的数据模型中。具体的,对于任一医疗数据来源,通常包括一实体对应的字段内容、若干属性对应的字段内容和若干关系对应的字段内容。因此,可以创建生成预设疾病知识图谱。并且,还可以在各实体及其对应的属性和关系内容的填充过程中,不断更新该预设疾病知识图谱。
在本示例性实施例中,给出了一种通过大数据构建预设疾病知识图谱的方法,构建出的预设疾病知识图谱的信息关联度高,可以提供更为完善的第二诊疗计划建议。
在创建好的预设疾病知识图谱中,可以匹配到与该患者的诊断病症相关的相似患者,并从预设疾病知识图谱中获取相似患者的相同和相似诊断病症及其医嘱内容,以作为与目标对象相关的第二诊疗计划建议。
在步骤S130中,对诊疗数据、第一诊疗计划建议和第二诊疗计划建议进行融合处理,得到目标对象的目标诊疗计划建议。
在本公开的一种示例性实施例中,图5示出了生成目标诊疗计划建议的方法的流程示意图,如图5所示,该方法至少包括以下步骤:在步骤S510中,根据第二诊疗计划建议的第一权重和历史诊疗计划建议的第二权重,进行加权计算得到待处理诊疗计划建议。其中,该第一权重和第二权重可以是预先设置的,举例而言,该第一权重可以是30%,第二权重可以是50%。除此之外,还可以设置其他数值,本示例性实施例对此不做特殊限定。在确定第二诊疗计划建议的第一权重和历史诊疗计划建议的第二权重之后,可以进行加权算,以得到待处理诊疗计划建议。
在步骤S520中,确定与参考诊疗计划建议对应的第三权重,并将参考诊疗计划建议与第三权重进行计算。对于参考诊疗计划建议,也预设有对应的第三权重。举例而言,该第三权重可以是20%,也可以是其他数值,本示例性实施例对此不做特殊限定。因此,可以对参考诊疗计划建议中包括的医嘱内容进行赋值计算。
在步骤S530中,将计算结果与待处理诊疗计划建议进行计算,得到待确定诊疗计划建议。在确定参考诊疗计划建议的计算结果和待确定诊疗计划建议之后,可以对各医嘱内容进行求和计算,以得到待确定诊疗计划建议。其中,待确定诊疗计划建议中可以包括从各部分来源的所有医嘱内容及其对应的比重。
在步骤S540中,将待确定诊疗计划建议与诊疗数据进行比较,根据比较结果得到目标诊疗计划建议。其中,诊疗数据包括当前诊疗计划建议。
在可选的实施例中,如6示出了对待确定诊疗计划建议和当前诊疗计划建议进行比较的方法的流程示意图,如图6所示,该方法至少包括以下步骤:在步骤S610中,若当前诊疗计划建议中包括待确定诊疗计划建议,不生成与待确定诊疗计划建议对应的目标诊疗计划建议。其中,当前诊疗计划建议可以是患者本次就诊的诊断内容和与诊断内容对应的医嘱内容。因此,为生成针对本次医嘱内容的调整信息,可以将当前诊疗计划建议与待确定诊疗计划建议进行比较。在当前诊疗计划建议中已包括待确定诊疗计划建议的情况下,表明本次医嘱内容中的当前诊疗计划建议无需进行调整,因此生成的目标诊疗计划建议中不包括该待确定诊疗计划建议。
在步骤S620中,若当前诊疗计划建议中未包括待确定诊疗计划建议,生成与待确定诊疗计划建议对应的目标诊疗计划建议。当比较结果为当前诊疗计划建议中未包括待确定诊疗计划建议的时候,表明本次医嘱内容中该待确定诊疗计划建议需要进行新增操作。
在可选的实施例中,图7示出了进一步生成目标诊疗计划建议的方法的流程示意图,如图7所示,该方法至少包括以下步骤:在步骤S710中,获取与待确定诊疗计划建议对应的第四权重,并将第四权重确定为目标诊疗计划建议对应的目标权重。待确定诊疗计划建议是根据预设疾病知识图谱的第二诊疗计划建议、目标对象的历史诊疗计划建议和参考对象的参考诊疗计划建议进行计算得到的,因此,根据与第二诊疗计划建议对应的第一权重、与历史诊疗计划建议对应的第二权重以及与参考诊疗计划建议对应的第三权重,可以确定与待确定诊疗计划建议对应的第四权重。举例而言,该第四权重可以是相同医嘱内容的第一权重、第二权重和/或第三权重进行求和计算得来的。当根据第一权重、第二权重和第三权重计算得到第四权重之后,可以将该第四权重设置为目标诊疗计划建议对应的目标权重。
在步骤S720中,生成与目标诊疗计划建议对应的分析报告,并在分析报告中生成目标诊疗计划建议和目标权重。其中,目标诊疗计划建议可以是对本次诊疗的当前诊疗计划建议进行调整的信息,因此,可以生成对应的分析报告,以将调整建议显示在该分析报告上。其中,调整建议可以包括目标调整信息和目标权重。目标权重可以使医护人员清楚地查看各目标调整信息的推荐比重,以作为人为调整的数据支持和依据。
在本示例性实施例中,通过对待确定诊疗计划建议和第五状态信息进行比较,可以给医护人员生成书面化的目标诊疗计划建议,提供了强有力的数据支持,降低诊疗建议过度依赖主观判断的局限性。
下面结合一应用场景对本公开实施例中的诊疗数据处理方法做出详细说明。
图8示出了应用场景中的诊疗数据处理方法的流程示意图,如图8所示,在步骤S810中,获取患者本次诊疗情况的相关数据、患者的健康档案、患者家族图谱及相关健康档案、同类型相似患者诊疗记录和疾病知识图谱。
其中,患者本次诊疗情况的相关数据可以包括本次就诊的诊断病症、医生制定的诊疗计划和本次就诊医嘱。举例而言,本次诊断病症可以是腿骨骨折术后综合征,诊疗计划可以是腿骨骨折术后综合康复,就诊医嘱可以包括:第1-7天为医嘱1;第8-14天为医嘱2;第15-21天为医嘱3。
患者的健康档案中可以包括患者的基本信息、吸烟史、生活习惯、生命体征记录和与本次诊断病症相同或相关的就诊诊断对应的医嘱和医嘱执行情况。举例而言,该医嘱内容可以是:第1-7天为医嘱1和医嘱4;第8-14天为医嘱2;第15-21天为医嘱3。
患者家族图谱及相关健康档案可以包括该患者三代内直系亲属患该病症的人次和对应的医嘱内容。举例而言,该医嘱内容可以是:第1-7天为医嘱1和医嘱4;第8-14天为医嘱2;第15-21天为医嘱3。
同类型相似患者诊疗记录可以是在疾病知识图谱中匹配到的相关患者的医嘱内容。举例而言,该医嘱内容可以是:第1-7天为医嘱1和医嘱4;第8-14天为医嘱2;第15-21天为医嘱3和医嘱5。值得说明的是,预设疾病知识图谱是同类型相似患者诊疗记录的数据来源。
在步骤S820中,将获取到的各种医嘱内容输入至诊疗计划调整算法中,以进行数据融合处理。具体的,可以为各部分获取的医嘱内容设置权重,并进行求和计算等操作。举例而言,患者健康档案中的医嘱内容可以设置30%,患者家族图谱及相关健康档案中的医嘱内容可以设置为20%,同类型相似患者诊疗记录中的医嘱内容可以设置为50%。并且,将相同医嘱内容的权重进行求和,可以确定待确定医嘱为:第1-7天的医嘱1:100%,医嘱4为100%;第8-14天的医嘱2为100%;第15-21天的医嘱3为100%,医嘱5为50%。
在步骤S830中,将待确定医嘱与本次医嘱内容进行比较,可以确定针对患者本次诊疗计划的调整建议。具体的,患者本次医嘱内容中未包括医嘱4和医嘱5,因此可以生成与其对应的分析报告。进一步的,在分析报告上显示医嘱内容及其对应权重。举例而言,调整建议可以是:第1-7天增加医嘱4,建议度为100%;第15-21天增加医嘱5,建议度为50%。值得说明的是,除了增加医嘱之外,还可以根据实际情况生成删减医嘱的调整建议。
通过将健康档案信息中获取到的第一诊疗计划建议、根据预设疾病知识图谱确定的第二诊疗计划建议与目标对象的本次诊疗数据进行融合处理,实现生成目标对象的目标诊疗计划建议的功能。一方面,目标诊疗计划建议的数据依据真实且丰富,可以制定出更加贴合患者病情的诊疗计划,提升了诊疗建议的准确度,优化了当次诊疗的治疗效果;另一方面,降低了诊疗建议过度依赖医护人员主观判断的局限性,减少了患者的治疗费用,提升了患者的满意度。
需要说明的是,虽然以上示例性实施例的实施方式以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或者必须执行全部的步骤才能实现期望的结果。附加地或者备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本公开的示例性实施例中,还提供一种诊疗数据处理装置。图9示出了诊疗数据处理装置的结构示意图,如图9所示,诊疗数据处理装置900可以包括:数据获取模块910、信息确定模块920、数据融合模块930。其中:
数据获取模块910,被配置为获取目标对象的诊疗数据以及与诊疗数据对应的健康档案信息;信息确定模块920,被配置为从健康档案信息中获取与目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与目标对象对应的第二诊疗计划建议;数据融合模块930,被配置为对诊疗数据、第一诊疗计划建议和第二诊疗计划建议进行融合处理,得到目标对象的目标诊疗计划建议。
上述诊疗数据处理装置的具体细节已经在对应的诊疗数据处理方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了诊疗数据处理装置900的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参照图10来描述根据本发明的这种实施例的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)1021和/或高速缓存存储单元1022,还可以进一步包括只读存储单元(ROM)1023。
存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024,这样的程序模块1025包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且,电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1040通过总线1030与电子设备1000的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1000使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图11所示,描述了根据本发明的实施例的用于实现上述方法的程序产品1100,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。

Claims (7)

1.一种诊疗数据处理方法,其特征在于,所述方法包括:
获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息;
从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与所述目标对象对应的第二诊疗计划建议;
对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议;
所述健康档案信息包括目标健康档案信息和健康档案信息;
所述获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息,包括:
获取目标对象的诊疗数据,并获取所述目标对象的目标健康档案信息;
根据所述目标对象确定参考对象,并获取所述参考对象的参考健康档案信息;
所述第一诊疗计划建议包括历史诊疗计划建议和参考诊疗计划建议;
所述从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,包括:
从所述目标健康档案信息中获取所述目标对象的历史诊疗计划建议;
从所述参考健康档案信息中获取所述参考对象的参考诊疗计划建议;
所述对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议,包括:
根据所述第二诊疗计划建议的第一权重和所述历史诊疗计划建议的第二权重,进行加权计算得到待处理诊疗计划建议;
确定与所述参考诊疗计划建议对应的第三权重,并将所述参考诊疗计划建议与所述第三权重进行计算;
将计算结果与所述待处理诊疗计划建议进行计算,得到待确定诊疗计划建议;
将所述待确定诊疗计划建议与所述诊疗数据进行比较,以根据比较结果得到目标诊疗计划建议。
2.根据权利要求1所述的诊疗数据处理方法,其特征在于,所述诊疗数据中包括当前诊疗计划建议;
所述将所述待确定诊疗计划建议与所述诊疗数据进行比较,根据比较结果得到目标诊疗计划建议,包括:
若当前诊疗计划建议中包括所述待确定诊疗计划建议,不生成与所述待确定诊疗计划建议对应的目标诊疗计划建议;
若当前诊疗计划建议中未包括所述待确定诊疗计划建议,生成与所述待确定诊疗计划建议对应的目标诊疗计划建议。
3.根据权利要求2所述的诊疗数据处理方法,其特征在于,所述生成与所述待确定诊疗计划建议对应的目标诊疗计划建议目标诊疗计划建议,包括:
获取与所述待确定诊疗计划建议对应的第四权重,并将所述第四权重确定为与所述目标诊疗计划建议对应的目标权重;
生成与所述目标诊疗计划建议对应的分析报告,并在所述分析报告中显示所述目标诊疗计划建议和所述目标权重。
4.根据权利要求1所述的诊疗数据处理方法,其特征在于,在所述根据预设疾病知识图谱确定与所述目标对象对应的第二诊疗计划建议之前,所述方法还包括:
创建数据模型,所述数据模型中定义有实体以及与所述实体对应的属性和关系;
采集实体类字段内容、属性类字段内容和关系类字段内容;
基于所述数据模型,将所述实体类字段内容、属性类字段内容和关系类字段内容进行填充,以生成预设疾病知识图谱。
5.一种诊疗数据处理装置,其特征在于,包括:
数据获取模块,被配置为获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息;
信息确定模块,被配置为从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,并根据预设疾病知识图谱确定与所述目标对象对应的第二诊疗计划建议;
数据融合模块,被配置为对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议;
所述健康档案信息包括目标健康档案信息和健康档案信息;
所述获取目标对象的诊疗数据以及与所述诊疗数据对应的健康档案信息,包括:
获取目标对象的诊疗数据,并获取所述目标对象的目标健康档案信息;
根据所述目标对象确定参考对象,并获取所述参考对象的参考健康档案信息;
所述第一诊疗计划建议包括历史诊疗计划建议和参考诊疗计划建议;
所述从所述健康档案信息中获取与所述目标对象对应的第一诊疗计划建议,包括:
从所述目标健康档案信息中获取所述目标对象的历史诊疗计划建议;
从所述参考健康档案信息中获取所述参考对象的参考诊疗计划建议;
所述对所述诊疗数据、所述第一诊疗计划建议和所述第二诊疗计划建议进行融合处理,得到所述目标对象的目标诊疗计划建议,包括:
根据所述第二诊疗计划建议的第一权重和所述历史诊疗计划建议的第二权重,进行加权计算得到待处理诊疗计划建议;
确定与所述参考诊疗计划建议对应的第三权重,并将所述参考诊疗计划建议与所述第三权重进行计算;
将计算结果与所述待处理诊疗计划建议进行计算,得到待确定诊疗计划建议;
将所述待确定诊疗计划建议与所述诊疗数据进行比较,以根据比较结果得到目标诊疗计划建议。
6.一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如权利要求1-4中任意一项所述的诊疗数据处理方法。
7.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行如权利要求1-4中任意一项所述的诊疗数据处理方法。
CN201911204924.2A 2019-11-29 2019-11-29 诊疗数据处理方法与装置、存储介质、电子设备 Active CN111145909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911204924.2A CN111145909B (zh) 2019-11-29 2019-11-29 诊疗数据处理方法与装置、存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911204924.2A CN111145909B (zh) 2019-11-29 2019-11-29 诊疗数据处理方法与装置、存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN111145909A CN111145909A (zh) 2020-05-12
CN111145909B true CN111145909B (zh) 2023-07-14

Family

ID=70517372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911204924.2A Active CN111145909B (zh) 2019-11-29 2019-11-29 诊疗数据处理方法与装置、存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN111145909B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111933306A (zh) * 2020-08-19 2020-11-13 泰康保险集团股份有限公司 医疗咨询系统及方法、存储介质及电子设备
CN112420192B (zh) * 2020-11-26 2023-12-15 清华大学 融合多维诊疗信息的疾病分型方法及相关设备
CN113066589B (zh) * 2021-03-24 2024-05-28 联仁健康医疗大数据科技股份有限公司 采集数据分析方法、装置、电子设备以及存储介质
CN113590775B (zh) * 2021-06-22 2023-07-21 北京百度网讯科技有限公司 诊疗数据的处理方法、装置、电子设备及存储介质
CN113782206B (zh) * 2021-09-16 2024-03-01 卫宁健康科技集团股份有限公司 健康管理方法、装置、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102270274A (zh) * 2010-06-03 2011-12-07 国际商业机器公司 病史诊断系统和方法
CN103380428A (zh) * 2010-12-16 2013-10-30 皇家飞利浦电子股份有限公司 用于使用基于病例的推理的治疗计划的临床决策支持的系统和方法
CN108920634A (zh) * 2018-06-30 2018-11-30 天津大学 基于知识图谱的皮肤病特征分析系统
CN109273099A (zh) * 2018-08-09 2019-01-25 上海交通大学 多源治疗方案推荐的结论合成方法及系统
CN109712704A (zh) * 2018-12-14 2019-05-03 北京百度网讯科技有限公司 方案的推荐方法及其装置
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150112702A1 (en) * 2013-10-17 2015-04-23 Raymond Anthony Joao Apparatus and method for processing and/or for providing healthcare information and/or healthcare-related information with or using an electronic healthcare record and genetic information and/or genetic-related information
US20180157799A1 (en) * 2016-12-02 2018-06-07 Marshfield Clinic Information Services (MCIS) Methods and system for managing care plan of a patient

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102270274A (zh) * 2010-06-03 2011-12-07 国际商业机器公司 病史诊断系统和方法
CN103380428A (zh) * 2010-12-16 2013-10-30 皇家飞利浦电子股份有限公司 用于使用基于病例的推理的治疗计划的临床决策支持的系统和方法
CN108920634A (zh) * 2018-06-30 2018-11-30 天津大学 基于知识图谱的皮肤病特征分析系统
CN109273099A (zh) * 2018-08-09 2019-01-25 上海交通大学 多源治疗方案推荐的结论合成方法及系统
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
CN109712704A (zh) * 2018-12-14 2019-05-03 北京百度网讯科技有限公司 方案的推荐方法及其装置

Also Published As

Publication number Publication date
CN111145909A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111145909B (zh) 诊疗数据处理方法与装置、存储介质、电子设备
US11600390B2 (en) Machine learning clinical decision support system for risk categorization
US20220101967A1 (en) Methods for automatic cohort selection in epidemiologic studies and clinical trials
US20170109477A1 (en) System and Method for Identifying Inconsistent and/or Duplicate Data in Health Records
US7805385B2 (en) Prognosis modeling from literature and other sources
US8280750B2 (en) Patient data mining for cardiology screening
Bachmann et al. Cardiorespiratory fitness in middle age and health care costs in later life
US20160180050A1 (en) Methods for determining health risks
US20140095201A1 (en) Leveraging Public Health Data for Prediction and Prevention of Adverse Events
US20120179478A1 (en) Devices, Systems, and Methods for the Real-Time and Individualized Prediction of Health and Economic Outcomes
CN113345583A (zh) 一种构建全生命周期居民智慧健康档案的方法及系统
Hunter-Zinck et al. Predicting emergency department orders with multilabel machine learning techniques and simulating effects on length of stay
CN102405473A (zh) 医护点动作医疗系统和方法
WO2016181490A1 (ja) 分析システム及び分析方法
US11875884B2 (en) Expression of clinical logic with positive and negative explainability
Mahesh et al. Pre-event quality of life and its influence on the post-event quality of life among patients with ST elevation and non-ST elevation myocardial infarctions of a premier province of Sri Lanka
Dalla Via et al. Machine‐Learning Assessed Abdominal Aortic Calcification is Associated with Long‐Term Fall and Fracture Risk in Community‐Dwelling Older Australian Women
US20230307133A1 (en) Method and system for generating a patient-specific clinical meta-pathway using machine learning
CN109273080B (zh) 智能诊疗方法、装置、电子设备及存储介质
US20170186120A1 (en) Health Care Spend Analysis
KR101222227B1 (ko) 노인요양시설 거주노인의 이상징후관리를 위한 컴퓨터의사결정지원 방법 및 시스템
US20220351847A1 (en) A device and a method for determining a path of a patient in a hospital
Salmen et al. The Electronic Health Record: Should Small Practices Adopt this Technology?
US20210174915A1 (en) Bi-directional documentation building system
CN118711831A (zh) 基于远程双终端的强直性脊柱炎数据分析方法和装置

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