CN112837765B - 一种用于疾病诊断的自动编码方法及系统 - Google Patents

Abstract

本发明提供了一种用于疾病诊断的自动编码方法及系统，获取临床诊断结果，对临床诊断结果进行实体识别和实体关系的识别，标注出实体及其所属实体类型；基于识别出的实体在知识图谱上搜索出与之直接关联的关联实体；搜索所有能够覆盖实体和关联实体的候选标准诊断；基于预设的编码规则，搜索所有可能的编码组合结果，对所有编码组合结果计算指标系数，并依据结果排序，选取最合适的结果作为最终编码结果；本发明利用人工智能的技术，自动对临床诊断进行语义理解，并结合医学知识和ICD的编码规则进行编码。

Description

一种用于疾病诊断的自动编码方法及系统

技术领域

本发明属于医疗编码技术领域，具体涉及一种用于疾病诊断的自动编码方法 及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先 技术。

医学是研究疾病的学科，那么不可避免的要面对一个问题，如何在交流、数 据交换和统计分析中，准确的标识出每一种疾病或者疾病概念。首先根据名称是 不可行的，名称是借助语言工具来描述特定的概念，不可避免的要收到语言的特 性的影响：跨语言问题，同种疾病在不同语种的名称表述不同；语言表达的多样 性自由行导致的名称不一致，比如新生儿红臀与尿布疹，是一种疾病概念的两种 表达方式，尤其是在汉语中，这种情况非常非常普遍；有些疾病指代的是一些复 杂情况，这些情况本身表述起来就不完全一样，比如，产程开始24小之内的胎 膜早破与产程开始之后超过24小时的胎膜早破是两个诊断，他们之间的区别就 在于两个事件之间的间隔。如果不仅仅算上病因，发病部位，再加上分期分型等， 那么疾病的种类数量将是一个天文数字，这么大的种类数量，在使用的时将会存 在巨大的检索困难。所以，世界卫生组织所属的分类家族(The InternationalClassification of Functioning)现在管理和维护的ICD(InternationalClassification of Diseases)是主要以病因、解剖部位、临床表现和病理等分类轴 心(通俗的讲，叫分类依据，官方的命名叫分类轴心)对疾病进行分类并标识的 一个疾病分类体系，疾病分类标识的后，大量的疾病按照上述的分类轴心后只剩 下几万种疾病，种类数量大大减少。比如：轻度脱水、中度脱水，和重度脱水均 属于脱水等等。疾病分类体系给疾病的标识和疾病数据的统计带来的可行之路， 在世界范围内推广使用，所有世卫组织的成员国均推广使用ICD疾病分类编码体 系(以下简称ICD)，但由于ICD、是分类体系，分类过程不可避免的存在信息缺 失，后来变为描述体系：使用多编码后组配(postcoordinate)的方式对临床诊 断进行编码，诊断中的每个实体描述都会被编码，最后组合为一个诊断编码，这种方式解决了疾病诊断的含义在分类过程中丢失的问题。

但是这个编码的检索使用，目前只能通过关键词或者拼音简码的检索方式， 检索出诊断中每个部分的编码，然后组合到一起，使用起来不方便。一方面由于 临床的术语与ICD标准诊断编码的术语存在不兼容性，另外一方面，每个部分的 检索对临床医生和编码员来说太麻烦，一个诊断要反复检索多次才能组合出一个 编码结果，而且还存组合错误的情况，因为一个临床诊断，会出在多种后组配编 码方式，但是有些是不符合规则的。

并且，编码是一个独立的学科，由此诞生的岗位叫编码员。一个编码员在接 收国家培训并发合格证后，往往要几年的工作实践才能胜任编码工作，并且，因 为编码规则只有比较粗的原则性规则，不会具体到每种疾病每种情况的规则，所 以在实际工作中，每个编码员都会衍生出自己认为合理的细节规则，进而造成不 同编码员对同一个疾病编码不统一的情况。

发明内容

本发明为了解决上述问题，提出一种用于疾病诊断的自动编码方法及系统， 本发明利用人工智能的技术，自动对临床诊断进行语义理解，并结合医学知识和 ICD的编码规则进行编码。

根据一些实施例，本发明采用如下技术方案：

一种用于疾病诊断的自动编码方法，包括以下步骤：

获取临床诊断结果，对临床诊断结果进行实体识别和实体关系的识别，标注 出实体及其所属实体类型；

基于识别出的实体在知识图谱上搜索出与之直接关联的关联实体；

搜索所有能够覆盖实体和关联实体的候选标准诊断；

基于预设的编码规则，搜索所有可能的编码组合结果，对所有编码组合结果 计算指标系数，并依据结果排序，选取最合适的结果作为最终编码结果。

作为可选择的实施方式，对临床诊断结果进行实体识别和实体关系的识别的 具体过程：对输入的原始临床诊断进行实体识别和实体关系的识别，标注出实体 及其所属实体类型，标注出实体之间的修饰和限制关系。

作为可选择的实施方式，所述医学实体包括疾病异常、解剖部位、病因、临 床表现、病理和微生物的实体概念，以及名称、别名实体表述，实体之间关系包 括所属、包含、导致、表现、修饰限制和名称，实体之间的关系是双向的。

作为可选择的实施方式，所述实体之间的关系具有权重系数，代表两个实体 之间的关系强弱程度。

作为可选择的实施方式，搜索所有能够覆盖实体和关联实体的候选标准诊断 的具体过程包括，在标准诊断数据库中，提前保存实体和实体关系树形结构，形 成知识图谱，根据得到的实体和实体关系，在标准诊断的树形语义结构知识图谱 中搜索能符合的标准诊断的实体和实体关系。

作为可选择的实施方式，单个候选诊断表达临床诊断含义的程度，有以下参 数：

1)表达出临床诊断的实体概念数量；

2)具体表达出临床诊断的实体；

3)表示出对应的实体的权重转化系数之积。

作为可选择的实施方式，对所有编码组合结果计算指标系数，并依据结果排 序的具体过程包括：候选标准诊断编码中，选出多个编码组合起来，表达出临床 诊断的概念含义，要符合以下要求：临床诊断每个实体尽可能由转化系数接近1 的标准诊断实体表示出来；尽可能用少的编码组合起来覆盖临床诊断中所有实体 概念，即不要有冗余编码。

作为可选择的实施方式，对所有编码组合结果计算指标系数，并依据结果排 序的具体过程中，采用树形遍历搜索方式，搜索所有符合要求编码组合。

作为可选择的实施方式，采用树形遍历搜索方式的具体过程包括：

(1)从临床诊断的主关键词开始，以覆盖主关键词的主干码标准编码为搜 索分支起点，每个可以覆盖主关键词的标准编码的实体；

(2)主干码选取完后，在还未被覆盖的实体中,以及被主干码覆盖但是转化 权重不是1的实体里，选取一个实体，搜索可覆盖此实体的扩展码，作为第二层 搜索分支；反复执行该步骤，直到所有临床诊断的实体都被覆盖，或者剩余的实 体都没有标准编码可以覆盖。

作为可选择的实施方式，对所有编码组合结果计算指标系数的具体过程 包括：依次比较临床诊断实体覆盖表示比例μ、实体权重转化系数乘积ρ、使 用编码数量k，主干码对临床诊断实体覆盖比例μ_t，主干码实体权重转化系数 乘积ρ_t，主干码数量k_t，并且按上述指标排序，排序最前面的编码组合为该临床 诊断最合适的编码结果。

一种用于疾病诊断的自动编码系统，包括:

标注模块，被配置为获取临床诊断结果，对临床诊断结果进行实体识别和实 体关系的识别，标注出实体及其所属实体类型；

搜索模块，被配置为基于识别出的实体在知识图谱上搜索出与之直接关联的 关联实体，搜索所有能够覆盖实体和关联实体的候选标准诊断；

选择模块，被配置为基于预设的编码规则，搜索所有可能的编码组合结果， 对所有编码组合结果计算指标系数，并依据结果排序，选取最合适的结果作为最 终编码结果。

与现有技术相比，本发明的有益效果为：

本发明实现诊断编码工作的自动化，即解决医疗机构无编码员或编码员配备 不足的问题，降低人力资源成本，解决编码员培训成本高的问题，又可以保证编 码结果具有高度一致性，从而为后面编码结果的统计使用，和基于统计的管理决 策更有效。可以辅助应用至医疗诊断等方面。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例， 并配合所附附图，作详细说明如下。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明 的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明的流程示意图；

图2为实体和实体之间关系；

图3为本实施例的成人原发性甲状腺功能减退的拆分方案；

图4为本实施例的知识图谱示意图；

图5为本实施例的一种实体及实体关系树形结构；

图6为本实施例的一种实体及实体关系树形结构；

图7为本实施例的一种实体及实体关系树形结构；

图8为本实施例的一种实体及实体关系树形结构；

图9为本实施例的知识图谱中搜索能符合的标准诊断的实体和实体关系示 意图；

图10为能覆盖到的所有标准诊断及参数示意图；

图11为一种组合编码结果示意图；

图12为一种组合编码结果示意图；

图13为对临床诊断实体识别并标记实体之间关系；

图14为能够覆盖到临床诊断实体的候选标准诊断示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。 除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普 通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限 制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出， 否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使 用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或 它们的组合。

本实施例以ICD-11标准诊断编码为例进行说明。在ICD-11这个版本彻底改 革，变为描述体系：使用多编码后组配(postcoordinate)的方式对临床诊断进 行编码，诊断中的每个实体描述都会被编码，最后组合为一个诊断编码，这种方 式解决了疾病诊断的含义在分类过程中丢失的问题，所以世卫组织要求成员国在 2022年上报疾病统计时开始使用。

但是这个编码的检索使用，目前只能通过关键词或者拼音简码的检索方式， 检索出诊断中每个部分的编码，然后组合到一起，使用起来不方便。一方面由于 临床的术语与ICD-11标准诊断编码的术语存在不兼容性，另外一方面，每个部 分的检索对临床医生和编码员来说太麻烦，一个诊断要反复检索多次才能组合出 一个编码结果，而且还存组合错误的情况，因为一个临床诊断，会出在多种后组 配编码方式，但是有些是不符合规则的。

通过本实施例的技术方案，实现诊断编码(ICD-11)工作的自动化，即解决 医疗机构无编码员或编码员配备不足的问题，降低人力资源成本，解决编码员培 训成本高的问题，又可以保证编码结果具有高度一致性，从而为后面编码结果的 统计使用，和基于统计的管理决策更有效。

具体方案如图1所示，包括以下步骤：

1.对临床诊断进行语义处理

对输入的原始临床诊断进行实体识别和实体关系的识别，标注出实体及其所 属实体类型，例如疾病异常、解剖部位、器官组织、性质、分型、分期、病因、 临床表现、微生物、化学物质等等，然后标注出实体之间的修饰和限制关系。

实例：急性前壁ST段抬高心肌梗死，LAD(注：LAD是心脏冠脉左前降支的 临床术语简写)。

本系统对该诊断标记出实体和实体之间关系如图2所示。对该诊断标记出 实体：①前壁，实体类型为解剖部位；②ST段抬高，实体类型为疾病分型；③ 心肌梗死，实体类型为疾病或异常；④LAD，实体类型为解剖部位；⑤急性，实 体类型为性质。

实体关系有三组，为:“前壁”作为解剖部位修饰限制疾病异常：心肌梗死； “ST段抬高”作为疾病分型修饰限制疾病异常：心肌梗死；“LAD”作为解剖部 位修饰限制疾病异常：心肌梗死；“急性”作为性质修饰限制疾病异常：心肌 梗死。

实体及类型识别使用的是已有医学知识图谱里的实体概念描述词典以及从 医学文本(教科书、病历、文献)中收集的术语和临床用语(包括口语化的表达)， 实体关系抽取使用的是tramsformer在预先标记好关系的训练集上训练的算法 参数。

对临床诊断进行实体识别和拆分出实体的结果，并不一定是只有一套拆分识 别结果，系统会尝试所有的拆分结果，并对所有的拆分结果进行后续的编码处理 工作。

例如：

临床诊断：成人原发性甲状腺功能减退的拆分方案如图3所示。

2.标注出实体在医学知识图谱上直接联系的其他实体，并记录转化系数(语 义距离)。

医学知识图谱是一种表示医学实体之间关系的语义网络，医学实体包括疾病 异常、解剖部位、病因、临床表现、病理、微生物等实体概念以及名称、别名等 实体表述，实体之间关系包括所属、包含、导致、表现、修饰限制、名称等，实 体之间的关系是双向的，比如A属于B，那么B包含A，A表现C，C根源是A， 另外，实体之间的关系具有权重系数(介于0到1)，代表两个实体之间的关系 强弱程度，A属于B，系数0.6表示A概念实体在B概念实体中占比0.6。知识 图谱是由大量的实体关系三元组构成，这个实体关系三元组包括两个实体是这两 个实体之间的关系组成。

例如“心脏前壁”这个概念实体，它的表述有“心前壁”、“前壁”、“心脏 前壁”，他们分别与“心脏前壁”这个概念实体构成表述关系，即“心脏前壁” 这个概念可以用“心前壁”，“心脏前壁”，“前壁”等名称来表达；同时，存在另 外一个概念实体“前间壁”，与“心脏前壁”这个概念实体构成包含关系(心脏 前壁包含前间壁)，“前间壁”到“心脏前壁”的关系权重系数是0.5；“心脏 前壁”与“心脏”概念实体构成所属关系(心脏前壁属于心脏)，“心脏前壁”到 “心脏”的关系权重系数是0.25。

上一步从临床诊断标记出的实体，在知识图谱上检索出这些实体，和与这些 实体具有所属关系和表述关系的实体，如图4所示。前壁→心脏前壁，实体关 系为表述，通过医疗知识图谱，与语言表达中的“前壁”存在表述关系的概念实 体是“心脏前壁”；“心脏前壁”概念实体存在联系的是“心壁”，关系权重系数 是0.3，此外还有“心脏”，关系权重系数是0.2。

同理，其他几个实体在语义网络上的相联系的实体及实体关系：

ST段抬高->ST段抬高型，实体关系为表述，“ST段抬高”表述的是概 念实体“ST段抬高型”，权重系数1。

心肌梗死->心肌梗死，实体关系为表述，权重系数1；心肌梗死–>冠 心病，实体关系为所属，权重系数0.5；心肌梗死–>心脏病，实体关系为所 属，权重系数0.3。

LAD–>左前降支，实体关系为表述，权重系数1；左前降支->冠状动脉， 体关系为所属，权重系数0.3

急性->急性，实体关系为表述，权重系数1；

临床诊断拆识别的出的实体，及实体在医学知识图谱上关联的其他实体和关 系权重系数，将在后面的步骤中用到。

3.通过标准诊断的实体和实体关系的树形结构搜索候选编码，

标准诊断的实体和实体关系树形结构是预先维护好的，例如：

编码：BA41.0名称：急性ST段抬高型心肌梗死。维护的实体及实体关系树 形结构如图5所示。

其中，心肌梗死概念实体是这个实体关系树形结构中的关键实体，急性、 ST段抬高型概念实体是修饰限制关键实体的。

有些标准诊断的实体和实体关系树形结构并不是只有一套，例如：

编码：BA8Z名称：冠心病，未特指的。第1种实体和实体关系树形结构， 如图6所示。

第2种实体和实体关系树形结构：只有一个疾病异常作为主关键词；第3 种实体和实体关系树形结构：冠心病概念的另外一种概念表述方式，分别如图7、 图8所示。

所有标准诊断编码对应的实体和实体关系属性结构构成标准诊断的树形语 义结构知识图谱。

将前面1中的临床诊断处理得到的实体和实体关系，在标准诊断的树形语义 结构知识图谱中搜索能符合的标准诊断的实体和实体关系，要求临床诊断的实体 和实体关系能包含标准诊断，如图9所示。

临床诊断：急性前壁ST段抬高心肌梗死，LAD。

覆盖的候选标准诊断之一：BA41.0急性ST段抬高型心肌梗死。

候选标准诊断BA41.0能够表示出临床诊断中一部分实体，即临床诊断的一 部分概念含义。

单个候选诊断表达临床诊断含义的程度，有3个参数：

1)表达出临床诊断的实体概念数量，本例中，表达出临床诊断中3个实体

2)具体表达出临床诊断的实体，本例中，是“急性”(时期)，“ST段抬高 型”(临床表现)，“心肌梗死”(疾病异常)。

3)表示出对应的实体的权重转化系数之积，本例中，三个实体转化系数都 是1，系数之积是1。

本临床诊断“急性前壁ST段抬高心肌梗死，LAD”，能覆盖到的所有标准诊 断及参数，如图10所示。

4.依据ICD-11编码规则对候选编码组成的组合进行检索筛选，选出最合理 的组合编码作为ICD-11诊断编码。

从以上候选标准诊断编码中，选出多个编码组合起来，表达出临床诊断的概 念含义，要求，1)实体概念尽可能表达详细(即临床诊断每个实体尽可能由转 化系数接近1的标准诊断实体表示出来)，2)尽可能用少的编码组合起来覆盖临 床诊断中所有实体概念，即不要有冗余编码。

例如，如果使用了BA41.0急性ST段抬高型心肌梗死诊断编码，就可省略 BA41.Z急性心肌梗死,未特指的这个多余的诊断编码，因为BA41.0表示的实体 覆盖了BA41.Z能表示的实体。

将候选标准诊断进行组合，从中找出满足前面两点条件的编码组合。

4.1首先，搜索出所有可用的编码组合

搜索策略：采用树形遍历搜索方式，搜索所有符合第一条的的编码组合。

首先从临床诊断的主关键词开始，以覆盖主关键词的主干码标准编码为搜索 分支起点，每个可以覆盖主关键词的标准编码的，除了主关键词以外，还覆盖了 哪些临床诊断的实体。

注意：当主关键词只有一个的时，编码结果通常只有一个主干码就可以表示 出来；当主关键词有多个时，编码结果的主干码有一个或多个，依次根据主关键 词选取主干码。主干码之间使用/连接。

第二步，主干码选取完后，在还未被覆盖的实体中,以及被主干码覆盖但是 转化权重不是1的实体里，选取一个实体，搜索可覆盖此实体的扩展码，作为第 二层搜索分支。反复执行第二步，直到所有临床诊断的实体都被覆盖，或者剩余 的实体都没有标准编码可以覆盖。

注意：扩展码跟在对应实体修饰的主关键词的主干码后面，使用&连在主干 码后的。

注：主干码，扩展码是ICD-11这个体系对编码的一个使用分类：

具体含义：主干码是可单独使用过的编码，每个编码都包含一个或多个特定 的疾病异常，这样保证每个主干码在使用的时候可以表示出有意义(即能表达出 疾病异常)的最少的信息。

扩展码：不可单独使用，必须与主干码搭配使用，用于补充主干码之外的信 息，主干码可以关联一个或多个扩展码，从而更详实的描述复杂的疾病和健康状 况。扩展码均已X开头。

以图10中的临床诊断和候选标准诊断为例，第一步，覆盖主关键词是“心 肌梗死”，覆盖此主关键词的标准诊断编码是“BA41.0，急性ST段抬高型心肌梗 死”，和“BA41.Z急性心肌梗死,未特指的”，则搜索组合的分支在此分成两支：

1)BA41.0 急性ST段抬高型心肌梗死

2)BA41.Z 急性心肌梗死,未特指的

第二步，在还未被覆盖的实体中，选取一个实体，搜索可覆盖此实体的扩展 码：

以第一步中的①BA41.0，急性ST段抬高型心肌梗死的分支，继续搜索， 选取未覆盖到的实体“前壁”，其他标准诊断编码中，可以覆盖的“前壁”的候 选标准诊断是“XA7RE3心脏前壁”和“XA6CK2心脏壁”，在这一步形成的组 合搜索分支是

1)BA41.0&XA7RE3 急性ST段抬高型心肌梗死&心脏前壁。

2)BA41.0&XA6CK2 急性ST段抬高型心肌梗死&心脏壁

以未覆盖到的实体“LAD”，可覆盖的候选标准诊断是“XA7NQ7冠状动脉左 前降支”和“XA3B03心脏冠状动脉”，那么在这一步形成的组合搜索分支是

3)BA41.0&XA7NQ7 急性ST段抬高型心肌梗死&冠状动脉左前降支

4)BA41.0&XA3B03 急性ST段抬高型心肌梗死&心脏冠状动脉

同样的，在第一步中结果“②BA41.Z急性心肌梗死,未特指的”形成搜索 分支是：

5)BA41.Z&XA7RE3 急性心肌梗死,未特指的&心脏前壁

6)BA41.Z&XA6CK2 急性心肌梗死,未特指的&心脏壁

7)BA41.Z&XA7NQ7 急性心肌梗死,未特指的&冠状动脉左前降支

8)BA41.Z&XA3B03 急性心肌梗死,未特指的&心脏冠状动脉

9)BA41.Z&BA41.0 急性心肌梗死,未特指的&急性ST段抬高型心肌梗死

重复上述第二步，最后组合搜索结果：

1)BA41.0&XA7RE3&XA7NQ7 急性ST段抬高型心肌梗死&心脏前壁&冠 状动脉左前降支

2)BA41.0&XA7RE3&XA3B03 急性ST段抬高型心肌梗死&心脏前壁&心 脏冠状动脉

3)BA41.0&XA6CK2&XA7NQ7 急性ST段抬高型心肌梗死&心脏壁&冠状动 脉左前降支

4)BA41.0&XA6CK2&XA3B03 急性ST段抬高型心肌梗死&心脏壁&心脏冠 状动脉

5)BA41.0&XA7NQ7&XA7RE3 急性ST段抬高型心肌梗死&冠状动脉左前降 支&心脏前壁

6)BA41.0&XA7NQ7&XA6CK2 急性ST段抬高型心肌梗死&冠状动脉左前降 支&心脏壁

7)BA41.0&XA3B03&XA7RE3 急性ST段抬高型心肌梗死&心脏冠状动脉& 前壁

8)BA41.0&XA3B03&XA6CK2 急性ST段抬高型心肌梗死&心脏冠状动脉& 心脏壁

9)BA41.Z&XA7RE3&XA7NQ7 急性心肌梗死,未特指的&心脏前壁&冠状动 脉左前降支

10)BA41.Z&XA7RE3&XA3B03 急性心肌梗死,未特指的&心脏前壁&心脏 冠状动脉

11)BA41.Z&XA6CK2&XA7NQ7 急性心肌梗死,未特指的&心脏壁&冠状动脉 左前降支

12)BA41.Z&XA6CK2&XA3B03 急性心肌梗死,未特指的&心脏壁&心脏冠状 动脉

13)BA41.Z&XA7NQ7&XA7RE3 急性心肌梗死,未特指的&冠状动脉左前降支 &心脏前壁

14)BA41.Z&XA7NQ7&XA6CK2 急性心肌梗死,未特指的&冠状动脉左前降支 &心脏壁

15)BA41.Z&XA3B03&XA7RE3 急性心肌梗死,未特指的&心脏冠状动脉&心 脏前壁

16)BA41.Z&XA3B03&XA6CK2 急性心肌梗死,未特指的&心脏冠状动脉&心 脏壁

4.2候选结果中，部分结果仅仅是主干码、扩展码的顺序不同，使用的编码 是一样的，ICD-11编码对顺序是无要求的，所以对上述候选组合编码结果进行 去重：

1)BA41.0&XA7RE3&XA7NQ7 急性ST段抬高型心肌梗死&心脏前壁&冠 状动脉左前降支

2)BA41.0&XA7RE3&XA3B03 急性ST段抬高型心肌梗死&心脏前壁&心 脏冠状动脉

3)BA41.0&XA6CK2&XA7NQ7 急性ST段抬高型心肌梗死&心脏壁&冠状动 脉左前降支

4)BA41.0&XA6CK2&XA3B03 急性ST段抬高型心肌梗死&心脏壁&心脏冠 状动脉

5)BA41.Z&XA7RE3&XA7NQ7 急性心肌梗死,未特指的&心脏前壁&冠状 动脉左前降支

6)BA41.Z&XA7RE3&XA3B03 急性心肌梗死,未特指的&心脏前壁&心脏 冠状动脉

7)BA41.Z&XA6CK2&XA7NQ7 急性心肌梗死，未特指的&心脏壁&冠状动 脉左前降支

8)BA41.Z&XA6CK2&XA3B03 急性心肌梗死，未特指的&心脏壁&心脏冠状 动脉

4.3对去重后的编码组合结果计算 标准编码诊断与临床诊断的符合程度， 有六个指标系数：

1)每个编码组合结果中，所有编码对应的临床诊断的实体被覆盖到比例， 以及主干码对应的临床诊断的实体被覆盖到比例：

μ_m表示第m个编码组合中，临床诊断的实体被该编码组合覆盖到的比例； a_mj表示临床诊断切分的实体中，第j个实体是否被第m个编码组合中的实体 对应覆盖，覆盖表示到为1，否则为0；μ_tm表示第m个编码组合中，临床诊断 的实体被主干码覆盖到的比例；a_tmj表示临床诊断切分的实体中，第j个实体 是否被第m个编码组合中主干码的实体对应覆盖，覆盖表示到为1，否则为0；n 表示临床诊断的在现在的实体拆分识别的方案下，实体的数量。注意：前面步骤 1里面说明过，每个临床诊断有一套或一套以上的拆分识别实体的方案，每个方 案对应的拆分实体结果和实体数量不完全相同，所以参数计算中的n是对应拆分 识别实体的方案中实体的数量。

以前面步骤4.2的组合编码结果1)为例：

临床诊断实体数量n＝5，编码组合中对应表示的实体数量∑a_mj＝5， 计算得到μ_m＝1，∑a_tmj＝3，μ_tm＝0.6。

2)在该编码组合结果中，每个临床诊断实体，所对应的编码中的实体中， 挑选出最大的转化权重系数，所有对应的临床诊断实体的最大的转化权重系数之 积，表示临床诊断中每个实体概念被表示到的详细程度，以及主干码的实体到临 床诊断的实体转化系数的最大值之积：

ρ_m＝Πmax(β_mji)(当a_mj＝1时)

ρ_tm＝Πmax(β_tmji)(当a_tmj＝1时)

ρ_m表示第m个编码组合中，所有覆盖到的的临床诊断，与对应的标准诊 断组合中的实体，最大的转化权重系数之积，代表的是临床诊断中实体概念被表 示到的详细程度；β_mji表示临床诊断中第j个实体，在当前第m个编码组合中， 覆盖到第j个实体的一个或多个标准编码中，与第j个实体对应的标准编码的实 体，到第j个实体的转化权重系数；max(β_mji)

表示这些转化系数中最大值。

ρ_tm表示第m个编码组合中，主干码覆盖到的的临床诊断，与对应的标准 诊断组合中的实体，最大的转化权重系数之积，代表的是临床诊断中实体概念被 主干码表示到的详细程度；β_tmji表示临床诊断中第j个实体，在当前第m个编 码组合中，覆盖到第j个实体的一个或多个主干码中，与第j个实体对应的主干 码的实体，到第j个实体的转化权重系数；max(β_tmji)表示这些转化系数中最 大值。

例如，以以前面步骤4.2的组合编码结果1)为例(参见步骤4.1，以及图 12)：

在组合编码结果1)中，β_1ji所有结果为

对应的max(β_1ij)＝(1 1 1 1 1)，max(β_t1ij)＝(1 1 1)

ρ₁＝Πmax(β_1ji)＝1，ρ_t1＝Πmax(β_t1ji)＝1

如果以步骤4.2的组合编码结果2)为例(参见图13)

在组合编码结果2)中，β_2ji所有结果为

对应的max(β_2ij)＝(1 1 1 1 0.3)，max(β_t2ij)＝(1 1 1)

ρ₂＝Πmax(β_2ji)＝0.3，ρ_t2＝Πmax(β_t2ji)＝1

3)每个编码组合结果中，使用的所有编码的数量k，以及主干码的数量k_t。k 值越少表示使用冗余的编码越少，是对编码结果的一种约束，防止过度使用不必 要的扩展码。

以前面步骤4.2的8个组合编码结果，k值均为3，k_t均为1；

每个编码组合结果的六项指标计算完后，依次比较临床诊断实体覆盖表示比 例μ、实体权重转化系数乘积ρ、使用编码数量k，主干码对临床诊断实体覆 盖比例μ_t，主干码实体权重转化系数乘积ρ_t，主干码数量k_t，并且按六个指标 排序。注：依次比较的意思是，首先比较μ，该项结果相同的比较ρ，这项值 相同再比较k，后面依次比较，排序是按照μ降序，ρ降序，k升序，μ_t降序， ρ_t降序，k_t升序。

排序后的结果，排序最前面的编码组合为该临床诊断最合适的编码结果。

本例中临床诊断“急性前壁ST段抬高心肌梗死，LAD”对应的在步骤4.2 的指标计算结果为：

排序后，最合适的编码结果是BA41.0&XA7RE3&XA7NQ7 急性ST段抬高 型心肌梗死&心脏前壁&冠状动脉左前降支

以另外一个例子描述多主关键词的诊断编码过程：

临床诊断：左腹股沟斜疝伴急性结肠梗塞。

对临床诊断实体识别并标记实体之间关系，如图14所示。

每个候选标准诊断的实体及对应的临床诊断的实体如图14所示，每个对应 实体下标着转化系数。

按照前面的例子，首先去搜索出所有的编码组合并去重，搜搜结果为：

1)DD51&XK8G/DB30.Z&XT5R&XA03U9 腹股沟疝，左侧，大肠梗阻，未 特指的，急性，结肠

2)DD51&XK8G/DB30.Z&XT5R&XA1B13 腹股沟疝，左侧，大肠梗阻，未 特指的，急性，大肠

3)DD51&XK8G/DB30.Z&XT5R&XA6KP5 腹股沟疝，左侧，大肠梗阻，未 特指的，急性，消化系统

4)DD51&XK8G/ME24.2&XT5R&XA03U9 腹股沟疝，左侧，消化系统梗阻， 急性，结肠

5)DD51&XK8G/ME24.2&XT5R&XA1B13 腹股沟疝，左侧，消化系统梗阻， 急性，大肠

6)DD51&XK8G/ME24.2&XT5R&XA6KP5 腹股沟疝，左侧，消化系统梗阻， 急性，消化系统

7)XK70&XK8G/DB30.Z&XT5R&XA03U9 腹股沟疝，单侧，大肠梗阻，未 特指的，急性，结肠

8)XK70&XK8G/DB30.Z&XT5R&XA1B13 腹股沟疝，单侧，大肠梗阻，未 特指的，急性，大肠

9)XK70&XK8G/DB30.Z&XT5R&XA6KP5 腹股沟疝，单侧，大肠梗阻，未 特指的，急性，消化系统

10)XK70&XK8G/ME24.2&XT5R&XA03U9 腹股沟疝，单侧，消化系统 梗阻，急性，结肠

11)XK70&XK8G/ME24.2&XT5R&XA1B13 腹股沟疝，单侧，消化系统 梗阻，急性，大肠

12)XK70&XK8G/ME24.2&XT5R&XA6KP5 腹股沟疝，单侧，消化系统 梗阻，急性，消化系统

然后分别计算每个编码组合的指标系数，并排序，如下表所示：

排序后，最合适的编码结果是DD51&XK8G/DB30.Z&XT5R&XA03U9，腹股沟 疝&左侧&大肠梗阻，未特指的&急性&结肠。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算 机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软 件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框 的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机 或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指 令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得 在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域 的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内， 所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保 护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本 领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的 保护范围以内。

Claims (7)

1.一种用于疾病诊断的自动编码方法，其特征是：包括以下步骤：

获取临床诊断结果，对临床诊断结果进行实体识别和实体关系的识别，标注出实体及其所属实体类型；

对临床诊断结果进行实体识别和实体关系的识别的具体过程：对输入的原始临床诊断进行实体识别和实体关系的识别，标注出实体及其所属实体类型，标注出实体之间的修饰和限制关系；其中，使用基于tramsformer模型和标记数据训练的实体关系抽算法抽取实体关系；

基于识别出的实体在知识图谱上搜索出与之直接关联的关联实体；

搜索所有能够覆盖实体和关联实体的候选标准诊断；其中，单个候选诊断表达临床诊断含义的程度，有以下参数：表达出临床诊断的实体概念数量；具体表达出临床诊断的实体；表示出对应的实体的权重转化系数之积；

基于预设的编码规则，搜索所有可能的编码组合结果，对所有编码组合结果计算指标系数，并依据结果排序，选取最合适的结果作为最终编码结果；

所述实体包括疾病异常、解剖部位、病因、临床表现、病理和微生物的实体概念，以及名称、别名实体表述，实体之间关系包括所属、包含、导致、表现、修饰限制和名称，实体之间的关系是双向的；所述实体之间的关系具有权重系数，代表两个实体之间的关系强弱程度。

2.如权利要求1所述的一种用于疾病诊断的自动编码方法，其特征是：搜索所有能够覆盖实体和关联实体的候选标准诊断的具体过程包括，在标准诊断数据库中，提前保存实体和实体关系树形结构，形成知识图谱，根据得到的实体和实体关系，在标准诊断的树形语义结构知识图谱中搜索能符合的标准诊断的实体和实体关系。

3.如权利要求1所述的一种用于疾病诊断的自动编码方法，其特征是：对所有编码组合结果计算指标系数，并依据结果排序的具体过程包括：候选标准诊断编码中，选出多个编码组合起来，表达出临床诊断的概念含义，要符合以下要求：临床诊断每个实体尽可能由转化系数接近1的标准诊断实体表示出来；尽可能用少的编码组合起来覆盖临床诊断中所有实体概念，即不要有冗余编码。

4.如权利要求1所述的一种用于疾病诊断的自动编码方法，其特征是：对所有编码组合结果计算指标系数，并依据结果排序的具体过程中，采用树形遍历搜索方式，搜索所有符合要求编码组合。

5.如权利要求1所述的一种用于疾病诊断的自动编码方法，其特征是：采用树形遍历搜索方式的具体过程包括：

(1)从临床诊断的主关键词开始，以覆盖主关键词的主干码标准编码为搜索分支起点，每个可以覆盖主关键词的标准编码的实体；

(2)主干码选取完后，在还未被覆盖的实体中,以及被主干码覆盖但是转化权重不是1的实体里，选取一个实体，搜索可覆盖此实体的扩展码，作为第二层搜索分支；反复执行该步骤，直到所有临床诊断的实体都被覆盖，或者剩余的实体都没有标准编码可以覆盖。

6.如权利要求1所述的一种用于疾病诊断的自动编码方法，其特征是：对所有编码组合结果计算指标系数的具体过程包括：依次比较临床诊断实体覆盖表示比例μ、实体权重转化系数乘积ρ、使用编码数量k，主干码对临床诊断实体覆盖比例μ_t，主干码实体权重转化系数乘积ρ_t，主干码数量k_t，并且按上述指标排序，排序最前面的编码组合为该临床诊断最合适的编码结果。

7.一种用于疾病诊断的自动编码系统，执行权利要求1～6之一所述用于疾病诊断的自动编码方法，其特征是：包括:

标注模块，被配置为获取临床诊断结果，对临床诊断结果进行实体识别和实体关系的识别，标注出实体及其所属实体类型；

搜索模块，被配置为基于识别出的实体在知识图谱上搜索出与之直接关联的关联实体，搜索所有能够覆盖实体和关联实体的候选标准诊断；

选择模块，被配置为基于预设的编码规则，搜索所有可能的编码组合结果，对所有编码组合结果计算指标系数，并依据结果排序，选取最合适的结果作为最终编码结果。

Images