CN111370081A

CN111370081A - 一种以时间编码方式的人工智能数据归集方法

Info

Publication number: CN111370081A
Application number: CN202010458281.0A
Authority: CN
Inventors: 柴雪挺; 汪凌
Original assignee: HANGZHOU LIANZHONG MEDICAL TECHNOLOGY CO LTD
Current assignee: HANGZHOU LIANZHONG MEDICAL TECHNOLOGY CO LTD
Priority date: 2020-05-27
Filing date: 2020-05-27
Publication date: 2020-07-03

Abstract

本发明公开了一种以时间编码方式的人工智能数据归集方法，包括以下步骤：采集用户临床信息；利用机器学习系统将用户临床信息进行分析；其中，机器学习系统将用户临床信息中的关键信息归总，经转换后记录在机器学习数据库；将关键信息按时间顺序确定用户时间编码，时间编码按图表方式展示，本发明采用对用户临床信息的提取、转换、加载的方式，为每一个用户建立专属的病情时间编码，时间编码上任何的变化包括检查结果、化验报告、用药记录、原始影像数据智能检测结果都会被综合起来，提示用户健康状态的变化。这些信息经机器学习转换为标准编码，以时间编码的方式记录下来并归集，供进一步操作达到某种特定的应用目的。

Description

一种以时间编码方式的人工智能数据归集方法

技术领域

本发明属于医疗数据分析应用软件领域，具体涉及一种以时间编码方式的人工智能数据归集方法。

背景技术

电子病历主要指医疗机构的医务人员在临床诊疗和指导干预时所使用的信息、系统生成的文字、符号、图标、图形、数据及影像等数字化的医疗服务工作记录。电子病历系统则是具备医疗信息的记录、存储和访问功能、辅助医生临床决策功能和为公共卫生和科研服务信息再利用功能的信息化集成系统。从宏观角度来说，电子病历的发展趋势是更加人性化、标准化、区域一体化，最终实现对EHR的全面支持。

随着互联网技术在医疗卫生领域的应用发展，电子病历系统已经基本取代纸质病历，成为现代化医院的信息建设的基础。电子病历系统不仅仅是静态的病历文书，更是深层的电子化；通过将相关的医疗服务记录在案，医生可以在线浏览病人的临床信息、检查化验结果、护理操作以及医疗影像等内容，进行病史回顾和临床科研。

目前广泛应用的电子病历系统普遍存在的问题包括：以数据录入存储为主，翻阅和查找信息困难，没有为医生提供结构化系统性的回顾病史工具，无法对数据进行探索发现的问题。

现有的电子病历是用户病情记录的表单罗列，对于其中数据的进一步应用非常困难，特征难以提取。电子病历中的文字描述并不完全遵循标准，存在大量的同义、近义词，数据的检索非常困难；检验结果的条目也不一定是标准词汇；影像等非结构化数据只能用语言表达一部分信息，更多隐含的信息无法被提取。面对这些情况，也为了数据进一步在临床治疗、慢病管理、数据监管、并发症预判等应用，需要由人工智能来对数据进行归集，并且转换为标准编码，供数据进一步应用做好基础准备。

发明内容

本发明的目的在于提供一种以时间编码方式的人工智能数据归集方法，以解决现有电子病历仅仅是表单罗列，对于其中数据的进一步应用非常困难，特征难以提取的问题。

为了达到上述目的，本发明采用以下技术方案：

一种以时间编码方式的人工智能数据归集方法，包括以下步骤：

步骤1；通过机器学习系统将用户临床信息进行分析；具体为，所述机器学习系统将所述用户临床信息中的关键信息归总，经转换后记录在用户时间编码上；

步骤2；将所述关键信息按时间顺序确定用户时间编码。

本发明在步骤1之前对所述用户临床信息进行采集，其中，所述用户临床信息同步到云系统，具体包括：所述用户临床信息包括：电子病历数据、影像检查数据、检验数据；所述电子病历数据从医院信息系统采集；所述影像检查数据从放射信息管理系统采集；所述检验数据从实验室信息管理系统采集。

本发明中所述机器学习系统包括：语义识别算法、ICD10疾病诊断编码库、SNOWMEDCT临床医学术语编码库、影像智能检测、LOINC指标标识符逻辑命名与编码库、向量编码；

本发明中，所述电子病历数据中文字信息采用所述语义识别算法后通过向量编码将所述电子病历数据中文字信息的关键信息呈现在用户时间编码上；所述电子病历数据经过所述ICD10 疾病诊断编码库后将其中关键信息直接呈现在用户时间编码上；所述电子病历数据经过所述SNOWMED CT临床医学术语编码库将其中关键信息直接呈现在用户时间编码上。

本发明中，所述影像检查数据采用影像智能检测后通过向量编码将影像检查数据的关键信息呈现在用户时间编码上。

本发明中，所述检验数据经过所述LOINC指标标识符逻辑命名与编码库后将检验数据关键信息直接呈现在用户时间编码上。

进一步，所述电子病历数据的关键信息、所述影像检查数据的关键信息、所述检验数据的关键信息按照时间的顺序呈现，所述用户时间编码按图表方式展示。

与现有技术相比，本发明具有以下有益效果：

1.现有技术电子病历存在大量同义词、近义词，本发明采用统一编码，全标准，没有同义词、近义词干扰。

2.对于病情分析现有技术采取文字形式存储，本发明采取编码形式存储，使其数据关联度强，可检索性高。

3.针对现有技术检验信息不全遵循标准，本发明通过LOINC指标标识符逻辑命名与编码库进行全标准编码；针对现有技术中影像信息不存在、仅存储报告的文字、 AI影像分析，但不生成编码记录等问题，本发明通过AI影像分析，将影像特征语义转换为标准编码。

4.现有技术无法快速全面归集，本发明可按关键词、某种关联快速全面归集数据。

5.现有技术应用场景有限，本发明具有应用场景广的优势，包括临床决策、慢病管理、疫情防控决策、并发症预估等需要大量数据支撑的应用。

附图说明

图1是本发明一种以时间编码方式的人工智能数据归集方法的流程示意图；

图2是本发明一种以时间编码方式的人工智能数据归集方法的时间编码示意图；

附图标记：电子病历数据1、影像检查数据2、检验数据3、语义识别算法4、ICD10疾病诊断编码库5、SNOWMED CT临床医学术语编码库6、影像智能检测7、LOINC指标标识符逻辑命名与编码库8、向量编码9、用户时间编码10。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特征细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。

在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。

实施例一：

一种以时间编码方式的人工智能数据归集方法，包括以下步骤：首先，采集用户临床信息，其中用户临床信息同步到云系统；其次，利用机器学习系统将用户临床信息进行分析；其中，机器学习系统将所述用户临床信息中的关键信息归总，经转换后记录在机器学习数据库；最后，将所述关键信息按时间顺序确定用户时间编码，其中每一个用户具备一条时间编码，所述时间编码按图表方式展示。

结合图1，本发明的一种以时间编码方式的人工智能数据归集方法，整体布局分为：数据采集模块、机器学习数据分析模块、用户时间编码模块。其中，数据采集模块包括：电子病历数据1、影像检查数据2、检验数据3；机器学习数据分析模块包括：语义识别算法4、ICD10疾病诊断编码库5、SNOWMED CT临床医学术语编码库6、影像智能检测7、LOINC指标标识符逻辑命名与编码库8、向量编码9；用户时间编码模块为用户时间编码10。

数据采集模块用于提取电子病历数据、影像检查数据、检验数据，其中，电子病历数据从医院信息系统采集；影像检查数据从放射信息管理系统采集；检验数据从实验室信息管理系统采集。

机器学习数据分析模块对采集模块提供的数据进行分析：对文字性信息使用智能语义识别；对影像类原始数据使用影像智能检测；对检验及用药记录直接转换。通过分析后，机器学习系统将所有用户的关键信息归总，经转换后记录在用户时间编码库。机器学习的过程换言之，是将人类使用的语言、观察的影像、检验的结果值等信息，转换为机器能够看懂的数字编码，机器学习的数字编码具备国际标准编码库如 ICD10、SNOWMED CT、LOINC等。

用户时间编码模块是将电子病历数据的关键信息、影像检查数据的关键信息、检验数据的关键信息按照时间的顺序图表方式展示。

结合图1，用户时间编码上的关键信息包括：电子病历关系信息、影像数据关键信息、检验数据关键信息，

优选地，电子病历数据中文字信息采用语义识别算法4后通过向量编码9将关键信息呈现在用户时间编码10上，其中，语义识别算法4是将文字信息中的关键词进行识别，并转换为医疗系统领域专用术语；电子病历数据中的一部分经过ICD10疾病诊断编码库5后将其中关键信息直接呈现在用户时间编码10上；电子病历数据中的一部分经过SNOWMED CT临床医学术语编码库6将其中关键信息直接呈现在用户时间编码10上，电子病历数据通过ICD10疾病诊断编码库5和SNOWMED CT临床医学术语编码库6后汇总后直接呈现在用户时间编码库。

优选地，影像检查数据2采用影像智能检测7后通过向量编码9将影像检查数据的关键信息呈现在用户时间编码10上。

优选地，检验数据3经过所述LOINC指标标识符逻辑命名与编码库8后将检验数据关键信息直接呈现在用户时间编码10上。

进一步，用户时间编码以图片的形式按时间的顺序将电子病历、影像检查、检验进行排列。

实施例二：

数据采集通过前置服务器技术，通过数据采集获取符合标准的疾病诊断、检验指标、临床术语等信息直接转换为编码，本发明数据采集的核心在于非标准语言转换和影像的智能检测结果转换。

本发明使双向语义识别编码算法将关键词进行语义识别，找到标准库内的近义词，并进行近义词编码转换。

影像包括X光和CT图像等，包含了隐藏的疾病信息，本发明使用卷积神经网络算法来提取病灶信息。经过卷积神经网络算法，可以精准识别病灶，并以编码形式将病灶的性质、分级等信息传输至机器学习系统。

所有的数据集成以及编码转换后，以时间编码格式存储在用户时间编码数字库里。用户时间编码记录着所有临床信息的变化。用户时间编码可以说是语义识别、影像智能检测以及标准编码的结合，用户时间编码需要按一定周期与医院内信息同步。

在机器内部以201912201930(时间) ConceptID 22298006, DescriptionID37442013(内容：心肌梗阻)以及ConceptID 734471009(用药：氯吡格雷)这样的数字，链式存储于机器学习数据库。时间编码可检索、可回溯。用户时间编码在外部以下图2方式展示给人眼阅读。

结合图2，“以用户入院时间为时间零点，在用户入院前11时42分时，对用户使用乙二醇化菲格司亭；在用户入院前3时23分，时间编码上显示护理流程表NUR RS BRADEN 比例标准：22；在用户入院前2时42分，对用户进行药物治疗万古霉表甲硝䂳；在用户入院后3时33分，给出医生报告，用户存在转移性乳腺癌，R肺恶性积液和R肺脓肿的PMH表现为R肺胸膜引流增加；在用户入院治疗7时38分，在用户时间编码上显示放射学报告CT胸部腹部骨盆，报告结果：胸肺和胸膜，重新显示中度左侧胸腔积液，间隔切除右胸管内的位置右侧胸腔积液，其中包含空气灶，影响，疾病在胸部和腹部的间隔发展；在入院治疗后的22时47分，肺咨询说明胸膜腔复杂，需要IR指导，CT扫描显示，与日期相比，R上的渗出液体增多”。

其中，“-11时42分时，乙二醇化菲格司亭”“-2时42分，万古霉表甲硝䂳”是检验及用药数据，是通过LOINC指标标识符逻辑命名与编码库8后将其中关键信息呈现在用户时间编码10上；“-3时23分，护理流程表NUR RS BRADEN 比例标准：22”是电子病历数据的文字信息部分，是通过语义识别算法4识别后通过向量编码呈现在用户时间编码10上；“+3时33分，给出医生报告，用户存在转移性乳腺癌，R肺恶性积液和R肺脓肿的PMH表现为R肺胸膜引流增加”，电子病历中的部分数据通过ICD10疾病诊断编码库和SNOWMED CT临床医学术语编码库后直接呈现在用户时间编码10上“+7时38分，放射学报告CT胸部腹部骨盆，报告结果：胸肺和胸膜，重新显示中度左侧胸腔积液，间隔切除右胸管内的位置右侧胸腔积液，其中包含空气灶，影响，疾病在胸部和腹部的间隔发展”“+22时47分，肺咨询说明胸膜腔复杂，需要IR指导，CT扫描显示，与日期相比，R上的渗出液体增多”，是影像检查数据，利用影像智能检测7后通过向量编码9呈现在用户时间编码10上。

通过应用用户时间编码并且以图表的形式进行展示，能够直观展示用户诊疗过程中的所有诊疗时间，可解决电子病历系统中无法快速高效查看诊疗历史的问题，本发明能够对不同电子病历数据、影像数据、检验数据提供全面新颖的可视化效果，摆脱枯燥的阅读文档方式，根据时间信息串联所有诊疗结果，使用户诊疗信息阅读起来更加简洁明了，清晰直观。

最后应该说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前叙述实施对本发明进行了详细的说明，本领域的技术人员应当理解，其依然可以对前述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同等替换；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与范围。

Claims

1.一种以时间编码方式的人工智能数据归集方法，其特征在于，包括以下步骤：

步骤2；将所述关键信息按时间顺序确定用户时间编码。

2.根据权利要求1所述的人工智能数据归集方法，其特征在于，在步骤1之前对所述用户临床信息进行采集，其中，所述用户临床信息同步到云系统，具体包括：

所述用户临床信息包括：电子病历数据、影像检查数据、检验数据；

所述电子病历数据从医院信息系统采集；所述影像检查数据从放射信息管理系统采集；所述检验数据从实验室信息管理系统采集。

3.根据权利要求2所述的人工智能数据归集方法，其特征在于，所述机器学习系统包括：语义识别算法、ICD10疾病诊断编码库、SNOWMED CT临床医学术语编码库、影像智能检测、LOINC指标标识符逻辑命名与编码库、向量编码。

4.根据权利要求3所述的人工智能数据归集方法，其特征在于，

所述电子病历数据中文字信息采用所述语义识别算法后通过向量编码将所述电子病历数据中文字信息的关键信息呈现在用户时间编码上；

所述电子病历数据经过所述ICD10疾病诊断编码库后将其中关键信息直接呈现在用户时间编码上；

所述电子病历数据经过所述SNOWMED CT临床医学术语编码库将其中关键信息直接呈现在用户时间编码上。

5.根据权利要求4所述的人工智能数据归集方法，其特征在于，所述影像检查数据采用影像智能检测后通过向量编码将影像检查数据的关键信息呈现在用户时间编码上。

6.根据权利要求5所述的人工智能数据归集方法，其特征在于，所述检验数据经过所述LOINC指标标识符逻辑命名与编码库后将检验数据关键信息直接呈现在用户时间编码上。

7.根据权利要求6所述的人工智能数据归集方法，其特征在于，所述电子病历数据的关键信息、所述影像检查数据的关键信息、所述检验数据的关键信息按照时间的顺序呈现，所述用户时间编码按图表方式展示。