CN112117000A - 临床辅助决策知识库平台、及其配置方法、设备和介质 - Google Patents

临床辅助决策知识库平台、及其配置方法、设备和介质 Download PDF

Info

Publication number
CN112117000A
CN112117000A CN202010929821.9A CN202010929821A CN112117000A CN 112117000 A CN112117000 A CN 112117000A CN 202010929821 A CN202010929821 A CN 202010929821A CN 112117000 A CN112117000 A CN 112117000A
Authority
CN
China
Prior art keywords
knowledge
rules
rule
platform
display
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
Application number
CN202010929821.9A
Other languages
English (en)
Inventor
殷嘉珩
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.)
Shanghai Synyi Medical Technology Co ltd
Original Assignee
Shanghai Synyi Medical Technology 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 Shanghai Synyi Medical Technology Co ltd filed Critical Shanghai Synyi Medical Technology Co ltd
Priority to CN202010929821.9A priority Critical patent/CN112117000A/zh
Publication of CN112117000A publication Critical patent/CN112117000A/zh
Pending legal-status Critical Current

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
    • G16H50/20ICT 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
    • 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
    • G16H70/00ICT specially adapted for the handling or processing of medical references

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提供了一种临床辅助决策知识库平台、及其配置方法、设备和介质,通过对不同知识配置知识类型和展示形式的标签,以形成便于存储、编辑和管理的知识配置文档;输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。本申请一种可以直接使用业务规则和场景,支持非计算机背景业务人员根据对知识库的展示内容和形式的需求进行个性化配置,学习成本低,业务表达清晰、简便,校验和修改;减少了沟通成本,提高了研发速度,大大提高了临床辅助决策系统的友好度优化、敏捷迭代和知识更新。

Description

临床辅助决策知识库平台、及其配置方法、设备和介质
技术领域
本发明涉及知识库配置技术领域,特别是涉及一种临床辅助决策知识库平台、及其配置方法、设备和介质。
背景技术
临床辅助决策系统(Clinical Decision Support System,CDSS)是医疗机构经常应用的一种软件,它的原理是根据医疗电子信息系统中的患者数据,通过规则判断患者的状态,并与知识库相结合,给予用户(医生、护士或患者等)提供相应的决策建议,并在不同的终端通过恰当的形式进行展示。
在传统技术中,临床辅助决策或基于传统知识库形式,依靠人力提取知识,无法较好的对应患者病情的复杂性,因此很大程度上阻碍了CDSS的临床使用;或直接在信息系统中通过程序配置知识库内容,但难以根据循证医学证据实时更新;随着医疗信息化和人工智能技术的发展,也有机构利用真实世界数据进行建模,转化为计算机能理解、执行的模型,利用模型计算结果提供辅助决策建议。
但实际上,由于医生自身知识和经验的积累不同,对决策支持的需求也不一样,一般来说,初级医生需要更基础的医学知识和更活跃的决策支持,而经验丰富的医生则希望得到前沿的医学知识和选择性的支持,更自主地进行临床决策。提醒过多容易造成预警疲劳,而过少的提醒则容易忽略临床中的关键问题,如果能够对提醒类型和强度进行分级,则能够让临床医生有重点地关注。
传统业务模式中,由计算机背景工作人员通过与业务交流,撰写代码实现CDSS的业务逻辑和配置,中间沟通成本高、研发速度慢,这极大限制了CDSS的友好度优化、敏捷迭代和知识更新。因此,需要一种可以由业务人员自行配置的知识库系统,让业务人员根据自己的需求进行个性化配置,是CDSS最终能被更多用户接纳和广泛应用的一个关键因素。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种临床辅助决策知识库平台、及其配置方法、设备和介质,以解决现有技术中存在的至少一个问题。
为实现上述目的及其他相关目的,本申请提供一种临床辅助决策知识库平台,所述平台包括:知识库,用于供业务人员根据业务要求、业务规则、及场景,通过标签对各知识配置知识类型与展示形式,以形成便于存储、编辑和管理的知识配置文档;规则模块,用于输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;展示模块,用于根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
于本申请的一实施例中,所述知识类型包括以下任意一种或多种组合:基于循证医学证据的知识类型,包括:最佳循证建议、循证医学荟萃、疾病预测模型、及个案病历摘要中任意一种或多种;基于应用场景的知识类型,包括:诊疗监控、病情评估、检验检查推荐、及治疗方案推荐中任意一种或多种;基于预警强度的知识类型,包括:低强度预警、中强度预警、及高强度预警中任意一种或多种;推荐角色,包括:医生、护士、药师、患者、及管理者中任意一种或多种。
于本申请的一实施例中,所述规则模块支持以下类型的规则和知识对接:一条规则对应N(N≥1)条知识;N(N≥1)条规则复用1条知识;一条规则对应N(N≥1)条特定知识在终端界面的消失。
于本申请的一实施例中,所述规则模块结合展示模块,还用于对规则和知识对接效果的验证,其包括:输入规则后模拟激活规则,以得到知识展示结果;所述知识展示效果中可追溯激活的规则编码与知识编码,以及最终知识推荐效果;各角色可通过所述推荐效果中包含的不同知识类型的内容,以判断运行效果。
于本申请的一实施例中,所述平台还包括以下功能:知识的编辑管理,用于对知识进行新增、修改、及删除;知识的标签管理,用于通过标签对知识进行分类;或,对标签进行添加、修改、及删除;知识检索,用于对已有知识进行查询并浏览内容。
于本申请的一实施例中,所述输入规则包括:依据业务需求设定的过滤规则或计算规则;其中,所述过滤规则或计算规则需转换为符合当前SQL业务逻辑环境下进行编码。
为实现上述目的及其他相关目的,本申请提供一种临床辅助决策知识库平台的配置方法,所述平台包括:对不同知识配置知识类型和展示形式的标签,以形成便于存储、编辑和管理的知识配置文档;输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
为实现上述目的及其他相关目的,本申请提供一种计算机设备,所述设备包括:存储器、及处理器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如上所述平台的功能。
为实现上述目的及其他相关目的,本申请提供一种计算机可读存储介质,存储有计算机指令,所述计算机指令被运行时执行如上所述平台的功能。
综上所述,本申请提供的一种临床辅助决策知识库平台、及其配置方法、设备和介质,通过对不同知识配置知识类型和展示形式的标签,以形成便于存储、编辑和管理的知识配置文档;输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
具有以下有益效果:
本申请一种可以直接使用业务规则和场景,支持非计算机背景业务人员根据对知识库的展示内容和形式的需求进行个性化配置,学习成本低,业务表达清晰、简便,校验和修改;减少了沟通成本,提高了研发速度,大大提高了临床辅助决策系统的友好度优化、敏捷迭代和知识更新。
附图说明
图1显示为本申请于一实施例中临床辅助决策知识库平台的模块示意图。
图2显示为本申请于一实施例中临床辅助决策知识库平台的配置方法的流程示意图。
图3显示为本申请于一实施例中计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,虽然图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,但其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在通篇说明书中,当说某部分与另一部分“连接”时,这不仅包括“直接连接”的情形,也包括在其中间把其它元件置于其间而“间接连接”的情形。另外,当说某种部分“包括”某种构成要素时,只要没有特别相反的记载,则并非将其它构成要素,排除在外,而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成分、区域、层及/或段而使用的,但并非限定于此。这些术语只用于把某部分、成分、区域、层或段区别于其它部分、成分、区域、层或段。因此,以下叙述的第一部分、成分、区域、层或段在不超出本申请范围的范围内,可以言及到第二部分、成分、区域、层或段。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
鉴于上述现有技术存在的问题,本申请提供的一种临床辅助决策知识库平台、及其配置方法、设备和介质,本申请可以直接使用业务规则和场景,支持非计算机背景业务人员根据对知识库的展示内容和形式进行配置,学习成本低,业务表达清晰、简便,校验和修改。
如图1所示,展示为本申请于一实施例中的临床辅助决策知识库平台的模块示意图。如图所示,所述平台100包括:
知识库110,用于供业务人员根据业务要求、业务规则、及场景,通过标签对各知识配置知识类型与展示形式,以形成便于存储、编辑和管理的知识配置文档。
简单来说,通过可以配置的知识内容和展示形式标签,业务人员可以直接根据业务要求,直接根据业务规则和场景配置知识的展示方式,以知识配置文档的形式对知识库110进行存储、编辑和管理。
需说明的是,传统业务模式中,由计算机背景工作人员通过与业务交流,撰写代码实现CDSS的业务逻辑和配置,中间沟通成本高、研发速度慢,这极大限制了CDSS的友好度优化、敏捷迭代和知识更新。而且目前的知识库在CDSS中推荐的展示方式通常比较单一,多为直接展示标题(和摘要),点击后可查看详情,如果需要对展示方式进行更改,往往需要计算机工程师根据业务需求更改代码。
而本申请通过可以直接使用的业务规则和场景,支持非计算机背景业务人员根据对知识库110的展示内容和形式的需求进行个性化配置,学习成本低,业务表达清晰、简便,校验和修改。
于本实施例中,所述知识类型包括但不限于以下任意一种或多种组合。
1)基于循证医学证据的知识类型:
最佳循证建议:即指南、专家共识和临床路径中的知识;
循证医学荟萃:即针对某一限定临床主题,将最近一段时间内(通常为3年)的临床研究进行荟萃分析,所得到的证据;
疾病预测模型:即利用回顾性数据,针对某一限定临床主题进行建模,所得到的疾病预测模型;
个案病历摘要:即通过专家筛选疑难危重病历,对病历内容按照固定格式进行编辑所形成的材料。
2)基于应用场景的知识类型:
诊疗监控:即针对临床诊疗过程中需要密切关注的检验、检查、生命体征异常值结果,传染病提示、医嘱错误可能性提示;
病情评估:即可以用于对病情进行评估的量表或疾病预测模型;
诊断推荐:即推荐当前情况下可能成立的诊断;
检验检查推荐:即推荐当下适合的检验和检查项目;
治疗方案推荐:即针对患者病情给出的治疗建议。
3)基于预警强度的知识类型:
低强度预警:即如果采纳此建议,可能为患者带来更好的治疗结局,建议用户关注;
中强度预警:即患者存在需密切关注的异常值或医嘱存在潜在错误,如有忽略可能造成医疗差错,建议用户高度关注;
高强度预警:即患者存在紧急情况或医嘱存在明显错误,如有忽略可能造成严重的医疗差错,用户必须关注。
需说明的是,由于医生自身知识和经验的积累不同,对决策支持的需求也不一样,一般初级医生需要更基础的医学知识和更活跃的决策支持,而经验丰富的医生则希望得到前沿的医学知识和选择性的支持,更自主地进行临床决策。例如,提醒过多容易造成预警疲劳,而过少的提醒则容易忽略临床中的关键问题,而本申请能够对提醒类型和强度进行分级,可以使临床医生有重点地关注。
4)推荐角色,包括医生、护士、药师、患者、管理者5种角色类型。
举例来说,所述的知识配置文档,以标签的形式,对知识库110中的每一条知识进行分类管理,如一条知识可以根据以上4种知识类型配置多个标签,临床辅助决策系统的规则运行时,可以根据规则对应的知识和标签,在界面灵活展示,并推送给目标角色。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。
规则模块120,用于输入规则,分别对规则和所述知识库110中的知识进行编码,以通过编码匹配将规则和知识进行对接;
其中,所述输入规则包括:依据业务需求设定的过滤规则或计算规则;其中,所述过滤规则或计算规则需转换为符合当前SQL业务逻辑环境下进行编码。
举例来说,这里对规则和所述知识库110中的知识进行编码,主要是将规则逻辑转换为可在SQL业务逻辑环境下运行的编码格式,以便于底层计算机认可执行运行。所述的知识内容可以仅提炼相关关键词以进行编码,例如,名称、时间、知识类型等。
于本实施例中,所述规则模块120支持以下类型的规则和知识对接:
一条规则对应N(N≥1)条知识;
N(N≥1)条规则复用1条知识;
一条规则对应N(N≥1)条特定知识在终端界面的消失。
简单来说,规则与知识的对接形式多样且灵活,所述规则和知识的对接即使编码匹配的结果,按照规则逻辑自动去匹配满足条件的知识。
展示模块130,用于根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
于本实施例中,所述规则模块120结合展示模块130,还用于对规则和知识对接效果的验证,其包括:
A、输入规则后模拟激活规则,以得到知识展示结果;
B、所述知识展示效果中可追溯激活的规则编码与知识编码,以及最终知识推荐效果;
C、各角色可通过所述推荐效果中包含的不同知识类型的内容,以判断运行效果。
例如,将规则输入平台中,并模拟规则激活后,可以看到知识展示的效果,即可追溯激活的规则编码、知识编码,并展示最终知识推荐效果,包括内容、知识类型、应用场景、预警强度、推荐角色等,以便于业务人员判断是否可实现目标效果。
于本实施例中,所述平台100还包括以下功能:
知识的编辑管理,用于对知识进行新增、修改、及删除;
知识的标签管理,用于通过标签对知识进行分类;或,对标签进行添加、修改、及删除;
知识检索,用于对已有知识进行查询并浏览内容。
还需要说明的是,应理解以上平台的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。
如图2所示,展示为本申请于一实施例中的临床辅助决策知识库平台的模块示意图。如图所示,所述方法包括:
步骤S201:对不同知识配置知识类型和展示形式的标签,以形成便于存储、编辑和管理的知识配置文档。
步骤S202:输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;
步骤S203:根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
需要说明的是,上述方法各步骤内容,由于与本申请所述平台各模块/单元之间的信息交互、执行过程等实施例基于同一构思,其带来的技术效果与本申请平台实施例相同,具体内容可参见本申请前述所示的平台实施例中的叙述,故此处不再赘述。
如图3所示,展示为本申请于一实施例中的计算机设备的结构示意图。如图所示,所述计算机设备300包括:存储器301、及处理器302;所述存储器301用于存储计算机指令;所述处理器302运行计算机指令实现如图1所述平台的功能。
在一些实施例中,所述计算机设备300中的所述存储器301的数量均可以是一或多个,所述处理器302的数量均可以是一或多个,而图3中均以一个为例。
于本申请一实施例中,所述计算机设备300中的处理器302会按照如图1所述的步骤,将一个或多个以应用程序的进程对应的指令加载到存储器301中,并由处理器302来运行存储在存储器301中的应用程序,从而实现如图1所述平台的功能。
所述存储器301可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。所述存储器301存储有操作系统和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。操作系统可包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
所述处理器302可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在一些具体的应用中,所述计算机设备300的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见,在图3中将各种总线都成为总线系统。
于本申请的一实施例中,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如图1所述平台的功能。
在任何可能的技术细节结合层面,本申请可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本申请的各个方面。
综上所述,本申请提供的一种临床辅助决策知识库平台、及其配置方法、设备和介质,通过对不同知识配置知识类型和展示形式的标签,以形成便于存储、编辑和管理的知识配置文档;输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。

Claims (9)

1.一种临床辅助决策知识库平台,其特征在于,所述平台包括:
知识库,用于供业务人员根据业务要求、业务规则、及场景,通过标签对各知识配置知识类型与展示形式,以形成便于存储、编辑和管理的知识配置文档;
规则模块,用于输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;
展示模块,用于根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
2.根据权利要求1所述的平台,其特征在于,所述知识类型包括以下任意一种或多种组合:
基于循证医学证据的知识类型,包括:最佳循证建议、循证医学荟萃、疾病预测模型、及个案病历摘要中任意一种或多种;
基于应用场景的知识类型,包括:诊疗监控、病情评估、检验检查推荐、及治疗方案推荐中任意一种或多种;
基于预警强度的知识类型,包括:低强度预警、中强度预警、及高强度预警中任意一种或多种;
推荐角色,包括:医生、护士、药师、患者、及管理者中任意一种或多种。
3.根据权利要求1所述的平台,其特征在于,所述规则模块支持以下类型的规则和知识对接:
一条规则对应N(N≥1)条知识;
N(N≥1)条规则复用1条知识;
一条规则对应N(N≥1)条特定知识在终端界面的消失。
4.根据权利要求1所述的平台,其特征在于,所述规则模块结合展示模块,还用于对规则和知识对接效果的验证,其包括:
输入规则后模拟激活规则,以得到知识展示结果;
所述知识展示效果中可追溯激活的规则编码与知识编码,以及最终知识推荐效果;
各角色可通过所述推荐效果中包含的不同知识类型的内容,以判断运行效果。
5.根据权利要求1所述的平台,其特征在于,所述平台还包括以下功能:
知识的编辑管理,用于对知识进行新增、修改、及删除;
知识的标签管理,用于通过标签对知识进行分类;或,对标签进行添加、修改、及删除;
知识检索,用于对已有知识进行查询并浏览内容。
6.根据权利要求1所述的平台,其特征在于,所述输入规则包括:依据业务需求设定的过滤规则或计算规则;其中,所述过滤规则或计算规则需转换为符合当前SQL业务逻辑环境下进行编码。
7.一种临床辅助决策知识库平台的配置方法,其特征在于,所述平台包括:
对不同知识配置知识类型和展示形式的标签,以形成便于存储、编辑和管理的知识配置文档;
输入规则,分别对规则和所述知识库中的知识进行编码,以通过编码匹配将规则和知识进行对接;
根据规则所匹配的知识,以对应标签的展示形式进行展示,并推荐至目标角色。
8.一种计算机设备,其特征在于,所述设备包括:存储器、及处理器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如权利要求1至6中任意一项所述平台的功能。
9.一种计算机可读存储介质,其特征在于,存储有计算机指令,所述计算机指令被运行时执行如权利要求1至6中任意一项所述平台的功能。
CN202010929821.9A 2020-09-07 2020-09-07 临床辅助决策知识库平台、及其配置方法、设备和介质 Pending CN112117000A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010929821.9A CN112117000A (zh) 2020-09-07 2020-09-07 临床辅助决策知识库平台、及其配置方法、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010929821.9A CN112117000A (zh) 2020-09-07 2020-09-07 临床辅助决策知识库平台、及其配置方法、设备和介质

Publications (1)

Publication Number Publication Date
CN112117000A true CN112117000A (zh) 2020-12-22

Family

ID=73802307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010929821.9A Pending CN112117000A (zh) 2020-09-07 2020-09-07 临床辅助决策知识库平台、及其配置方法、设备和介质

Country Status (1)

Country Link
CN (1) CN112117000A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083603A (zh) * 2022-08-23 2022-09-20 山东新蓝海科技股份有限公司 一种基础临床数据支撑的医疗决策系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493820A (zh) * 2008-01-25 2009-07-29 北京华深慧正系统工程技术有限公司 一种药监行业知识库的平台及其构建方法
CN103383683A (zh) * 2012-05-01 2013-11-06 成都勤智数码科技股份有限公司 It运维系统知识库的优化管理方法
CN106971071A (zh) * 2017-03-27 2017-07-21 为朔医学数据科技(北京)有限公司 一种临床决策支持系统及方法
CN107463783A (zh) * 2017-08-16 2017-12-12 安徽影联乐金信息科技有限公司 一种临床决策支持系统和决策方法
CN108231193A (zh) * 2018-03-12 2018-06-29 东南大学 一种临床决策辅助系统及方法
CN110111887A (zh) * 2019-05-15 2019-08-09 清华大学 临床辅助决策方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493820A (zh) * 2008-01-25 2009-07-29 北京华深慧正系统工程技术有限公司 一种药监行业知识库的平台及其构建方法
CN103383683A (zh) * 2012-05-01 2013-11-06 成都勤智数码科技股份有限公司 It运维系统知识库的优化管理方法
CN106971071A (zh) * 2017-03-27 2017-07-21 为朔医学数据科技(北京)有限公司 一种临床决策支持系统及方法
CN107463783A (zh) * 2017-08-16 2017-12-12 安徽影联乐金信息科技有限公司 一种临床决策支持系统和决策方法
CN108231193A (zh) * 2018-03-12 2018-06-29 东南大学 一种临床决策辅助系统及方法
CN110111887A (zh) * 2019-05-15 2019-08-09 清华大学 临床辅助决策方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083603A (zh) * 2022-08-23 2022-09-20 山东新蓝海科技股份有限公司 一种基础临床数据支撑的医疗决策系统

Similar Documents

Publication Publication Date Title
Lwakatare et al. Large-scale machine learning systems in real-world industrial settings: A review of challenges and solutions
JP7142116B2 (ja) 知識集約型データ処理システム
US10936615B2 (en) Transforming and loading data from a source data system to a target data system
US10713664B1 (en) Automated evaluation and reporting of microservice regulatory compliance
Szárnyas et al. The Train Benchmark: cross-technology performance evaluation of continuous model queries
Sutton et al. The syntax and semantics of the PRO forma guideline modeling language
US8996428B2 (en) Predicting diagnosis of a patient
US20180189332A1 (en) Methods and systems for implementing a data reconciliation framework
US10692593B1 (en) Identifying events in a badge of a graphical user interface
CN112711581B (zh) 医疗数据校验方法、装置、电子设备及存储介质
US20180039657A1 (en) Managing data across multiple systems
US11947934B2 (en) Auto-generating interactive workflow user interfaces for simulated systems
US20140297640A1 (en) Clustering based process deviation detection
US20200293947A1 (en) Augmented Intelligence System Architecture
US11861469B2 (en) Code generation for Auto-AI
CN113811869A (zh) 将自然语言查询翻译成标准数据查询
CN112181962A (zh) 报表校验方法、装置、设备及存储介质
US20150193531A1 (en) Modeling and visualizing level-based hierarchies
Ahmed et al. An NLP-based quality attributes extraction and prioritization framework in Agile-driven software development
Leong et al. Free and open source enabling technologies for patient-centric, guideline-based clinical decision support: a survey
Mandreoli et al. Real-world data mining meets clinical practice: Research challenges and perspective
CN114270313A (zh) 一种计算机实现的方法、计算机程序以及物理计算环境
Hussain et al. Software agent-centric semantic social network for cyber-physical interaction and collaboration
CN112117000A (zh) 临床辅助决策知识库平台、及其配置方法、设备和介质
Arfi et al. Formal verification of a telerehabilitation system through an abstraction and refinement approach using Uppaal

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201222