CN113345544A - 一种病例评分方法、装置、设备及计算机可读存储介质 - Google Patents
一种病例评分方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113345544A CN113345544A CN202110762396.3A CN202110762396A CN113345544A CN 113345544 A CN113345544 A CN 113345544A CN 202110762396 A CN202110762396 A CN 202110762396A CN 113345544 A CN113345544 A CN 113345544A
- Authority
- CN
- China
- Prior art keywords
- case
- keyword
- processed
- score
- determining
- 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
Links
- 238000013077 scoring method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000003814 drug Substances 0.000 claims description 175
- 208000024891 symptom Diseases 0.000 claims description 108
- 229940079593 drug Drugs 0.000 claims description 91
- 201000010099 disease Diseases 0.000 claims description 44
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 44
- 238000003745 diagnosis Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 206010037660 Pyrexia Diseases 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000009101 premedication Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 3
- 230000000172 allergic effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 208000010668 atopic eczema Diseases 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 208000026935 allergic disease Diseases 0.000 description 2
- 238000009223 counseling Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007815 allergy Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001960 triggered effect 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种病例评分方法,该方法包括:获取待处理病例的病例信息和待处理病例对应的医患对话消息;其中,病例信息表征医生对患者进行诊断后生成的信息;对病例信息和医患对话消息进行关键词提取,确定目标关键词;获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库;将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分。本申请实施例还公开了一种病例评分装置、设备及计算机可读存储介质。
Description
技术领域
本申请涉及病例审核领域的病例评分技术,尤其涉及一种病例评分方法、装置、设备及计算机可读存储介质。
背景技术
随着互联网技术的发展,通过互联网就医成为了一种普遍现象,患者不用去医院,便可以在网上挂号,与互联网医院的医生进行交流,医生可根据患者的交流内容为患者提供诊治方案;因此,如何对医生向患者提供的诊治方案进行审核显得尤为重要。相关技术中,一般通过人工(其他医务工作者)对医生向患者提供的诊治方案进行审核,但是人工审核的准确率较低且效率也较低。
发明内容
为解决上述技术问题,本申请实施例期望提供一种病例评分方法、装置、设备及计算机可读存储介质,解决了人工对待处理病例进行审核准确率不高且效率低的问题。
本申请的技术方案是这样实现的:
一种病例评分方法,所述方法包括:
获取待处理病例的病例信息和所述待处理病例对应的医患对话消息;其中,所述病例信息表征医生对患者进行诊断后生成的信息;
对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词;
获取所述待处理病例的类型,并基于所述待处理病例的类型确定所述待处理病例对应的目标词库;
将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分。
上述方案中,所述获取待处理病例的病例信息和所述待处理病例对应的医患对话消息,包括:
获取所述待处理病例的问诊单标识,并基于所述问诊单标识从病例信息库中获取所述待处理病例的病例信息;
基于所述病例信息,确定所述医生的标识信息和所述患者的标识信息;
基于所述医生的标识信息和所述患者的标识信息,从医患对话平台中获取所述待处理病例的医患对话消息。
上述方案中,所述对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词,包括:
基于所述医生的标识信息从所述医患对话消息中提取所述医生的对话消息,并基于所述患者的标识信息从所述医患对话消息中提取所述患者的对话消息;
对所述医生的对话消息进行关键词提取得到第一关键词,并对所述患者的对话消息进行关键词提取得到第二关键词;
基于所述病例信息获取处方信息、建议信息和诊断信息,并对所述处方信息进行关键词提取得到第三关键词;
对所述建议信息进行关键词提取得到第四关键词,并对所述诊断信息进行关键词提取得到第五关键词;其中,所述目标关键词包括:所述第一关键词、所述第二关键词、所述第三关键词、所述第四关键词和所述第五关键词。
上述方案中,所述将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分,包括:
将所述第一关键词与所述目标词库中症状标签对应的关键词进行匹配得到第一匹配结果,并基于所述第一匹配结果确定所述待处理病例的问诊评分;
基于所述第二关键词从所述目标词库中确定疾病关键词,并将所述第五关键词与所述疾病关键词进行匹配得到第二匹配结果;
基于所述第二匹配结果确定所述待处理病例的拟诊评分;
基于所述第二关键词从所述目标词库中确定药品关键词,并将所述第三关键词与所述药品关键词进行匹配得到第三匹配结果;
基于所述第三匹配结果确定所述待处理病例的用药评分;
将所述第四关键词与所述目标词库中建议标签对应的关键词进行匹配,得到第四匹配结果,并基于所述第四匹配结果确定所述待处理病例的建议评分;其中,所述多项评分至少包括:所述问诊评分、所述拟诊评分、所述用药评分和所述建议评分。
上述方案中,所述基于所述第二关键词从所述目标词库中确定疾病关键词,包括:
从所述目标词库的症状标签对应的关键词中,获取与所述第二关键词匹配的目标症状关键词;
基于所述目标症状关键词和第一关联关系从所述目标词库中,确定与所述目标症状关键词关联的所述疾病关键词;其中,所述第一关联关系为症状与疾病的关联关系。
上述方案中,所述基于所述第二关键词从所述目标词库中确定药品关键词,包括:
基于所述目标症状关键词和所述第二关联关系,从所述目标词库中确定与所述目标症状关键词关联的药品关键词;其中,所述第二关联关系为症状与药品的关联关系;
相应的,所述基于第三匹配结果确定所述待处理病例的用药评分,包括:
在所述第三匹配结果表征所述第三关键词与所述药品关键词不匹配的情况下,确定所述用药评分;
在所述第三匹配结果表征所述第三关键词与所述药品关键词匹配且药品类型为第一类型的情况下,获取所述第三关键词与所述药品关键词的第一匹配度,并基于所述第一匹配度确定所述用药评分;
在所述第三匹配结果表征所述第三关键词与所述药品关键词匹配,且所述药品类型为第二类型的情况下,获取所述第一匹配度,并基于所述第一匹配度确定药品对症评分;
基于所述第三关键词和第三关联关系,从所述目标词库中确定与所述第三关键词关联的提示关键词,并确定所述第一关键词与所述提示关键词的第二匹配度;其中,所述第三关联关系为药品与提示建议的关联关系;
基于所述第二匹配度确定药品询问得分,并基于所述药品询问评分和所述药品对症评分确定所述用药评分。
上述方案中,所述基于所述第四匹配结果确定所述待处理病例的建议评分,包括:
在所述第四匹配结果表征所述第四关键词与所述目标词库中建议标签对应的关键词不匹配的情况下,确定所述待处理病例的建议评分;
在所述第四匹配结果表征所述第四关键词与所述目标词库中建议标签对应的关键词匹配的情况下,基于所述目标症状关键词和第四关联关系,从所述目标词库中确定与所述目标症状关键词关联的建议关键词;其中,第四关联关系为症状与提示建议的关联关系;
将所述第四关键词与所述建议关键词进行匹配得到第三匹配度,并基于所述第三匹配度确定所述待处理病例的建议评分。
上述方案中,所述方法还包括:
获取查询信息;
基于所述查询信息中携带的待查询病例的标识,查询病例评分数据库中是否具有用户评分;其中,所述用户评分为用户对所述待处理病例进行审核的评分;其中,所述病例评分数据库中存储有所述待处理病例的多项评分;
在所述病例评分数据库中具有所述用户评分的情况下,确定所述用户评分为所述待查询病例的标识对应的评分;
在所述病例评分数据库中不具有所述用户评分的情况下,确定所述待处理病例的多项评分为所述待查询病例的标识对应的评分。
上述方案中,所述问诊评分、所述拟诊评分、所述用药评分和所述建议评分采用不同的字段存储在病例评分数据库中。
一种病例评分装置,所述装置包括:
获取单元,用于获取待处理病例的病例信息和所述待处理病例对应的医患对话消息;其中,所述病例信息表征医生对患者进行诊断后生成的信息;
确定单元,用于对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词;
所述获取单元,还用于获取所述待处理病例的类型,并基于所述待处理病例的类型确定所述待处理病例对应的目标词库;
所述确定单元,还用于将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分。
一种病例评分设备,所述设备包括:处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的通信连接;
所述处理器用于执行存储器中的病例评分程序,以实现以下步骤:
获取待处理病例的病例信息和所述待处理病例对应的医患对话消息;其中,所述病例信息表征医生对患者进行诊断后生成的信息;
对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词;
获取所述待处理病例的类型,并基于所述待处理病例的类型确定所述待处理病例对应的目标词库;
将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分。
一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述的所述病例评分方法的步骤。
因为可以获取待处理病例的病例信息和待处理病例对应的医患对话消息;其中,病例信息表征医生对患者进行诊断后生成的信息;之后对病例信息和医患对话消息进行关键词提取,确定目标关键词;获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库;将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分;如此,可以基于待处理病例的病例信息和待处理病例对应的医患对话消息,自动确定待处理病例的多项评分,不需要如相关技术中一样人工对待处理病例进行审核来获取待处理病例的多项评分,提高了确定待处理病例的多项评分的效率,而且避免人工审核时带有主观性造成待处理病例的多项评分不准确,进一步提高了确定的待处理病例的多项评分的准确率。
附图说明
图1为本申请实施例的一种病例评分方法的流程示意图;
图2为本申请实施例提供的另一种病例评分方法的流程示意图;
图3为本申请实施例提供的一种病例评分系统的流程示意图;
图4为本申请实施例提供的又一种病例评分方法的流程示意图;
图5为本申请实施例提供的一种病例评分装置的结构示意图;
图6为本申请实施例提供的一种病例评分设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供一种病例评分方法,该方法应用于病例评分设备,如图1所示,该方法包括以下步骤:
步骤101、获取待处理病例的病例信息和待处理病例对应的医患对话消息。
其中,病例信息表征医生对患者进行诊断后生成的信息。
在本申请实施例中,待处理病例可以是医生为患者提供就诊服务的事件;待处理病例的病例信息包括但不限于:患者信息、医生信息、处方信息、诊断信息和建议信息。待处理病例的病例信息可以是病例评分设备主动从互联网医院的病例系统中获取的;还可以是就诊结束后病例系统主动发送至病例评分设备的。医生对话消息指的是待处理病例涉及的医生和患者之间的对话消息。其中,医患对话消息的类型可以包括音频和文本中的至少一种。
需要说明的是,若医患对话消息的类型为音频,则可以将医患对话消息进行语义识别,得到文本类型的医患对话消息,以便后续对文本类型的医患对话消息进行分析。
步骤102、对病例信息和医患对话消息进行关键词提取,确定目标关键词。
在本申请实施例中,可以采用关键词抽取模型对病例信息和医患对话消息中的语句进行处理,并将关键词抽取模型输出的词作为目标关键词。其中,关键词抽取模型为对样本关键词采用关键词抽取算法进行训练得到的模型。样本关键词中至少包括症状关键词、疾病关键词、药品关键词以及建议关键词。
步骤103、获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库。
其中,待处理病例的类型为医生向患者提供的服务的类型;待处理病例的类型可以是病例系统主动发送至病例评分设备的,还可以是病例评分设备发起获取指令从病例评分设备中获取的。其中,待处理病例的类型包括但不限于疾病咨询类、药物咨询、生活健康和体检报告。
在本申请实施例中,可以基于待处理病例的类型与多个词库类型进行匹配,确定多个词库类型中与待处理病例的类型匹配的目标词库类型,并确定目标词库为目标词库类型对应的词库。
步骤104、将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分。
其中,目标词库中包括多个标签中每一标签对应的关键词集合;标签至少包括:症状标签和建议标签;症状标签对应的关键词集合中具有多个症状关键词;建议标签对应的关键词集合中具有多个建议关键词。
在本申请实施例中,可以将目标关键词和每一关键词集合中的关键词进行匹配,可以得到与每一关键词集合进行匹配的匹配结果,并基于多个匹配结果确定待处理病例的多项评分。通过确定的待处理病例的多项评分可以评估医生的综合问诊能力,以便促使医生提高接诊质量,减少线上诊疗风险,进一步提升用户的问诊体验。
需要说明的是,若后续需要调整优化待处理病例的评分选项以及分数时,不需要对审核待处理病例的人员(医生)进行培训后通过人工调整优化,而是,病例评分设备通过运行调整优化程序自动实现对待处理病例的评分选项以及分数的调整优化,提高了调整优化待处理病例的评分选项以及分数的效率。
本申请实施例所提供的病例评分方法,获取待处理病例的病例信息和待处理病例对应的医患对话消息;其中,病例信息表征医生对患者进行诊断后生成的信息;对病例信息和医患对话消息进行关键词提取,确定目标关键词;获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库;将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分;如此,可以基于待处理病例的病例信息和待处理病例对应的医患对话消息,自动确定待处理病例的多项评分,不需要如相关技术中一样人工对待处理病例进行审核来获取待处理病例的多项评分,提高了确定待处理病例的多项评分的效率,而且避免人工审核时带有主观性造成待处理病例的多项评分不准确,进一步提高了确定的待处理病例的多项评分的准确率。
基于前述实施例,本申请实施例提供了一种病例评分方法,如图2所示,该方法包括:
步骤201、病例评分设备获取待处理病例的问诊单标识,并基于问诊单标识从病例信息库中获取待处理病例的病例信息。
其中,问诊单标识是患者在互联网医院上下单后自动生成的;问诊单标识能够唯一指代一问诊单,问诊单中包括患者信息、医生信息以及就诊的各项病情分析以及病情诊断信息。
在本申请实施例中,可以是基于问诊单标识,从问诊单数据库中获取到问诊单信息,并获取问诊单信息关联的待处理病例标识,基于待处理病例标识从病例信息库中获取待处理病例的病例信息。待处理病例是在结束问诊后生成的病例;待处理病例的标识是对生成的病例进行标记后得到的,待处理病例的标识能够唯一指代待处理病例。
需要说明的是,获取待处理病例的病例信息的前提条件是在结束问诊后能够生成待处理病例,是否可以生成病例可以由问诊单的类型和/或问诊单上的医生信息来确定。在一种可行的实现方式中,可以是在问诊单的类型与预设问诊单的类型一致,且医生信息表征医生为全职医生的情况下生成病例,以便根据预设问诊单的类型和医生信息过滤掉不具有参考价值的问诊单,进而生成具有参考价值的病例,并且也可以减少生成的病例的数量,进一步降低了病例评分设备对病例进行审核的工作负荷。
步骤202、病例评分设备基于病例信息,确定医生的标识信息和患者的标识信息。
其中,病例信息中包括医生信息和患者信息。
在本申请实施例中,可以是分别对医生信息和患者信息进行分析,确定医生的标识信息和患者的标识信息,医生的标识信息能够唯一指代医生,患者的标识信息能够唯一指代患者。
在一种可行的实现方式中,医生的标识信息可以为医生的身份证标识号(Identity document,ID),患者的标识信息可以为患者的ID;
步骤203、病例评分设备基于医生的标识信息和患者的标识信息,从医患对话平台中获取待处理病例的医患对话消息。
其中,医患对话平台指的是用于医生与患者进行交流的平台,医患对话平台存储有存储医患对话消息;其中,医患对话消息的类型为文本;待处理病例的医患对话消息为患者就诊时医生与患者的对话消息。
需要说明的是,医患对话消息可以是医患对话平台直接采集的信息,还可以是医生对应的医生终端采集的信息并发送至医患对话平台的。若医生对话平台或医生对应的医生终端采集的医生与患者的对话消息的类型是音频,则可以对医生与患者的对话消息进行声纹识别,并确定该音频中医生的音频部分和患者的音频部分,之后将医生的音频部分和患者的音频部分进行语义识别,得到医生的对话消息和患者的对话消息,并存储医生的对话消息和患者的对话消息至医患对话平台。
步骤204、病例评分设备基于医生的标识信息从医患对话消息中提取医生的对话消息,并基于患者的标识信息从医患对话消息中提取患者的对话消息。
在本申请实施例中,需要将医患对话消息中的医生的对话消息和患者的对话消息进行分离,以便后续分别对医生的对话消息和患者的对话消息进行处理,来确定待处理病例的多项评分。
步骤205、病例评分设备对医生的对话消息进行关键词提取得到第一关键词,并对患者的对话消息进行关键词提取得到第二关键词。
在本申请实施例中,可以将医生的对话消息中的语句输入至关键词抽取模型中,将关键词抽取模型输出的词作为第一关键词;并将患者的对话消息中的语句输入至关键词抽取模型中,将关键词抽取模型输出的词作为第二关键词。
步骤206、病例评分设备基于病例信息,获取处方信息、建议信息和诊断信息,并对处方信息进行关键词提取得到第三关键词。
其中,处方信息为医生针对患者的病情开具的药品相关信息;建议信息为医生针对患者的症状给出的建议信息;诊断信息为医生针对患者的症状确定的疾病信息。
在本申请实施例中,可以对病例信息进行分析,获取处方信息、建议信息和诊断信息,并采用目标关键词对处方信息中的语句进行处理,得到第三关键词。
步骤207、病例评分设备对建议信息进行关键词提取得到第四关键词,并对诊断信息进行关键词提取得到第五关键词。
其中,目标关键词包括:第一关键词、第二关键词、第三关键词、第四关键词和第五关键词。
在本申请实施例中,可以采用关键词抽取模型对处方信息中的语句进行处理,并将关键词抽取模型输出的词作为第三关键词;采用关键词抽取模型对建议信息中的语句进行处理,并将关键词抽取模型输出的词作为第四关键词;采用关键词抽取模型对诊断信息中的语句进行处理,并将关键词抽取模型输出的词作为第五关键词。
步骤208、病例评分设备获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库。
步骤209、病例评分设备将第一关键词与目标词库中症状标签对应的关键词进行匹配得到第一匹配结果,并基于第一匹配结果确定待处理病例的问诊评分。
其中,第一关键词为从医生的对话消息中提取的关键词;其中,症状标签对应的关键词为症状关键词;目标词库中包括多个标签的关键词。
在本申请实施例中,若第一关键词与目标词库中的症状关键词匹配,则表明第一关键词中具有症状关键词,则可以确定待处理病例的第一问诊评分,若第一关键词与目标词库中的症状关键词不匹配,则可以确定待处理病例的第二问诊评分。其中,第一问诊评分可以设置为0分;第二问诊评分设置为-8分。
在一种可行的实现方式中,问诊过程中医生会向患者发送“您现在有发热、咳嗽等症状,请您确认是否符合您的真实状况”则病例评分设备可以从医生的对话消息中提取出“发热”和“咳嗽”的关键词,并将“发热”和“咳嗽”与目标词库中具有症状标签的关键词进行匹配,得到匹配度,若匹配度不为0,则可以确定待处理病例的问诊评分为0分,若匹配度为0,则可以确定待处理病例的问诊评分为-8分。其中,不同的匹配度对应的分数可以是预先设置的。
步骤210、病例评分设备基于第二关键词从目标词库中确定疾病关键词,并将第五关键词与疾病关键词进行匹配得到第二匹配结果。
其中,疾病关键词可以是根据患者的症状从目标数据库中确定的患者的症状对应的疾病关键词集合;疾病关键词的数量可以是一个,也可以是多个。
在本申请实施例中,可以将第二关键词与目标词库中的关键词进行匹配,确定目标词库中与第二关键词匹配的关键词,并基于与第二关键词匹配的关键词,从目标词库中确定疾病关键词,之后将第五关键词与确定的疾病关键词进行匹配,得到第二匹配结果;其中,第二匹配结果表征第五关键词与疾病关键词的匹配度;第五关键词为医生所诊断的表征患者疾病的关键词。
其中,步骤210中基于第二关键词从目标词库中确定疾病关键词可以由以下步骤来实现:
A1、病例评分设备从目标词库的症状标签对应的关键词中,获取与第二关键词匹配的目标症状关键词。
其中,症状标签对应的关键词为症状关键词,症状关键词的数量可以为多个。
在本申请实施例中,可以将第二关键词与症状标签对应的多个症状关键词进行匹配,确定与第二关键词匹配的症状关键词,得到目标症状关键词。即通过第二关键词与症状标签对应的多个症状关键词进行匹配来确定患者自述的症状对应的症状关键词(目标症状关键词)。
A2、病例评分设备基于目标症状关键词和第一关联关系从目标词库中,确定与目标症状关键词关联的疾病关键词。
其中,第一关联关系为症状与疾病的关联关系。
在一种可行的实现方式中,若目标症状关键词为“发烧”,则可以根据“发烧”和第一关联关系,从目标词库中查询与“发烧”对应的疾病,其中,发烧对应的疾病可以为发热流行性感冒。
步骤211、病例评分设备基于第二匹配结果确定待处理病例的拟诊评分。
在本申请实施例中,若第二匹配结果表征第五关键词与确定的疾病关键词集合中的任一关键词完全不匹配,即匹配度为0时,则可以确定待处理病例的拟诊评分为第一拟诊评分;若第二匹配结果表征第五关键词与确定的疾病关键词的匹配度大于预设疾病匹配度时,确定待处理病例的拟诊评分为第二拟诊评分;若第二匹配结果表征第五关键词与确定的疾病关键词的匹配度大于0且小于或等于预设疾病匹配度时,确定待处理病例的拟诊评分为第三拟诊评分。
在一种可行的实现方式中,第一拟诊评分可以为-8分,第二拟诊评分可以为0分,第三拟诊评分可以为-4分。
步骤212、病例评分设备基于第二关键词从目标词库中确定药品关键词,并将第三关键词与药品关键词进行匹配得到第三匹配结果。
其中,药品关键词可以包括但不限于药品的名称;药品关键词可以是病例评分设备根据第二关键词来确定的用于治疗患者病情的药品的信息;第三关键词为医生确定的用于治疗患者病情的药品的信息;药品关键词的数量可以是多个;第三匹配结果表征药品关键词和第三关键词的匹配度。
在本申请实施例中,步骤212中基于第二关键词从目标词库中确定药品关键词,还可以通过以下步骤来实现:
B1、病例评分设备基于目标症状关键词和第二关联关系,从目标词库中确定与目标症状关键词关联的药品关键词。
其中,第二关联关系为症状与药品的关联关系。
在一种可行的实现方式中,若目标症状关键词为“发烧”,则可以根据“发烧”和第二关联关系,从目标词库中查询与“发烧”对应的药品的信息,其中,发烧对应的药品的信息可以是发烧对应的药品的名称。
步骤213、病例评分设备基于第三匹配结果确定待处理病例的用药评分。
在本申请实施例中,可以根据第三匹配结果表征的药品关键词和第三关键词的匹配度,并根据不同匹配度来确定待处理病例的不同用药评分。
其中,步骤213可以由以下步骤来实现:
B2、病例评分设备在第三匹配结果表征第三关键词与药品关键词不匹配的情况下,确定用药评分。
在本申请实施例中,若第三关键词与药品关键词不匹配,则表明医生确定的用于治疗患者病情的药品的信息与患者的症状不对应,即药不对症,可以直接确定药品评分为最低评分。在一种可行的实现方式中,药不对症时药品评分可以是-8分。
B3、病例评分设备在第三匹配结果表征第三关键词与药品关键词匹配且药品类型为第一类型的情况下,获取第三关键词与药品关键词的第一匹配度,并基于第一匹配度确定用药评分。
其中,第一类型表征医生确定的用于治疗患者病情的药品为非过敏性药品,即不用考虑药品的药前询问得分,将根据第一匹配度确定的药品对症得分作为用药得分;其中,第一匹配度大于0。
在本申请实施例中,当第三关键词与药品关键词匹配且药品类型为第一类型时,则表征医生确定的用于治疗患者病情的药品的信息与患者的症状是对症的,可以根据第一匹配度来确定医生确定的用于治疗患者病情的药品的信息与患者的症状的对症程度,根据不同的对症程度来确定不同的用药得分。
在一种可行的实现方式中,当第三关键词与药品关键词匹配且药品类型为第一类型时,若第一匹配度大于预设用药匹配度,则确定用药得分为第一用药得分;若第一匹配度小于或等于预设用药匹配度,则确定用药得分为第二用药得分;其中,第一用药评分可以为0分,第二用药评分可以为-4分。
B4、病例评分设备在第三匹配结果表征第三关键词与药品关键词匹配,且药品类型为第二类型的情况下,获取第一匹配度,并基于第一匹配度确定药品对症评分。
B5、病例评分设备基于第三关键词和第三关联关系,从目标词库中确定与第三关键词关联的提示关键词,并确定第一关键词与提示关键词的第二匹配度。
其中,第三关联关系为药品与提示建议的关联关系;
需要说明的是,药品的类型为第二类型,则表征医生确定的用于治疗患者病情的药品为过敏性药品,那么确定用药评分时不仅需要考虑药品对症得分,还需要考虑药品的药前询问得分;其中,药前询问得分用于确定医生开具过敏类药品时是否询问或提示过患者;提示关键词为过敏类药品对应的提示信息。
在本申请实施例中,若第二匹配度为0则表明医生在开过敏类药物之前并未提示或询问过患者;若第二匹配度不为0,则表明医生提示或询问过患者,则可以进一步根据第二匹配度确定医生提示或询问患者的提示信息的准确度,并根据准确度来确定药前询问得分。
B6、病例评分设备基于第二匹配度确定药品询问得分,并基于药品询问评分和药品对症评分确定用药评分。
在本申请实施例中,可以基于第二匹配度来确定第二匹配度对应的药前询问得分,并对药前询问得分和药品的对症得分取平均值,来确定用药得分;还可以从药前询问得分和药品的对症得分中取最高分来确定用药得分;还可以根据药前询问得分和药品的对症得分的权重来确定用药得分。
其中,不同第二匹配度对应的药前询问得分可以是预先设置的。
在一种可行的实现方式中,若第二匹配度为0,则可以确定药品询问得分为-8分;若第二匹配度大于预设药品询问匹配度,则确定药品询问得分为0分;若第二匹配度小于或等于预设药品询问匹配度,则确定药品询问得分为-4分。若药品的对症得分为-4分,药前询问得分为-8分,则可以确定用药得分为-6分。
步骤214、病例评分设备将第四关键词与目标词库中建议标签对应的关键词进行匹配,得到第四匹配结果,并基于第四匹配结果确定待处理病例的建议评分。
其中,多项评分至少包括:问诊评分、拟诊评分、用药评分和建议评分。建议标签对应的关键词为建议关键词。
在本申请实施例中,将第四关键词与目标词库中建议标签对应的关键词进行匹配,得到第四匹配结果,若第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词的匹配度为0,则表明医生未针对患者的症状给出建议;若第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词的匹配度不为0,则表明医生针对患者的症状给出了建议,此时还需要进一步根据匹配度确定医生给出的建议是否与患者的症状对应。
步骤214中基于第四匹配结果确定待处理病例的建议评分还可以通过以下步骤来实现:
C1、病例评分设备在第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词不匹配的情况下,确定待处理病例的建议评分。
在本申请实施例中,第四关键词与目标词库中建议标签对应的关键词不匹配时,即表明医生未针对患者的症状给出建议,则确定第一建议评分。其中,第一建议评分可以为-8分。
C2、病例评分设备在第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词匹配的情况下,基于目标症状关键词和第四关联关系,从目标词库中确定与目标症状关键词关联的建议关键词。
其中,第四关联关系为症状与提示建议的关联关系;建议关键词为病例评分设备针对患者的症状从目标词库中确定患者的症状对应的表征医生对患者建议的词。
C3、病例评分设备将第四关键词与建议关键词进行匹配得到第三匹配度,并基于第三匹配度确定待处理病例的建议评分。
在本申请实施例中,根据第三匹配度来确定医生给出的建议是否与患者的症状对应,若第三匹配度大于预设建议阈值,则确定第二建议评分,第二建议评分表征医生给出的建议与患者的症状对应;若第三匹配度小于或等于预设建议阈值,则确定第三建议评分,其中,第三建议评分表征医生给出的建议与患者的症状不对应。
在一种可行的实现方式中,第二建议评分为0分,第二建议评分为-4分。
步骤215、病例评分设备获取查询信息。
其中,查询信息指的是用于查询待处理病例的多项评分的信息。
在本申请实施例中,查询信息可以是其他医生或审核人员通过终端主动发起的查询请求中携带的信息。其中,查询信息中具有待查询病例的标识,待查询病例的标识可以是待查询病例的ID。
步骤216、病例评分设备基于查询信息中携带的待查询病例的标识,查询病例评分数据库中是否具有用户评分。
其中,用户评分为用户对待处理病例进行审核的评分;病例评分数据库中存储有待处理病例的多项评分;“用户”可以为其他医生或审核人员。
在本申请实施例中,病例评分设备可以将待查询病例的标识与病例评分数据库中的多个病例标识进行匹配,确定与待查询病例的标识匹配的病例标识,并基于匹配的病例标识确定病例评分数据库中是否具有用户评分。其中,用户评分可以为用户对待处理病例进行审核的多项评分,也可以是综合得分。
步骤217、病例评分设备在病例评分数据库中具有用户评分的情况下,确定用户评分为待查询病例的标识对应的评分。
需要说明的是,当病例评分数据库中具有待查询病例的标识对应的用户评分时,尽管病例评分数据中具有待查询病例的标识对应的待处理病例的多项得分,但是用户评分优先于待处理病例的多项得分,则可以将用户评分作为待查询病例的标识对应的评分。
步骤218、病例评分设备在病例评分数据库中不具有用户评分的情况下,确定待处理病例的多项评分为待查询病例的标识对应的评分。
需要说明的是,当病例评分数据库中不具有待查询病例的标识对应的用户评分的情况下,即病例评分数据库中只具有待查询病例的标识对应的待处理病例的多项评分时,将待查询病例的标识对应的待处理病例的多项得分作为待查询病例的标识对应的评分。
在本申请其他实施例中,问诊评分、拟诊评分、用药评分和建议评分采用不同的字段存储在病例评分数据库中。
需要说明的是,病例评分设备采用不同的字段将问诊评分、拟诊评分、用药评分、建议评分存储至病例评分数据库,若后续还需要增加对待处理病例的其他项评分时,则可以在病例评分数据库中增加相应的项目字段,并通过相应的项目字段来存储其他项评分,不需要修改病例评分数据库中的字段结构,优化了对待处理病例的多项评分的存储。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
本申请实施例提供的病例评分方法,可以基于待处理病例的病例信息和待处理病例对应的医患对话消息,自动确定待处理病例的多项评分,不需要如相关技术中一样人工对待处理病例进行审核来获取待处理病例的多项评分,提高了确定待处理病例的多项评分的效率,而且避免人工审核时带有主观性造成待处理病例的多项评分不准确,进一步提高了确定的待处理病例的多项评分的准确率。
基于前述实施例,本申请实施例还提供了一种病例评分系统,该系统应用于病例评分方法,如图3所示,该系统包括:医生终端、病例系统、病例评分设备以及消息中台;其中,消息中台为医患对话平台。
在医生终端上,当医生对患者提供就诊服务结束后,即就诊接收后,可以触发医生终端上的就诊结束按钮,使得医生终端可以根据问诊单的类型和问诊单上的医生信息来确定是否生成病例,具体可以是当问诊单的类型与预设问诊单的类型一致,且医生信息表征医生是全职医生时生成病例;若问诊单的类型与预设问诊单的类型不一致,或医生信息表征医生不是全职医生时则不生成病例,便可以对下一问诊单进行判断确定下一问诊单是否可以生成病例,在问诊单生成病例的情况下,将生成的病例作为待处理病例,此时,医生终端可以将待处理病例发送至病例系统,若医生在医生终端未对待处理病例的类型进行选择,则病例系统默认待处理病例的类型为疾病咨询类,并存储待处理病例以及待处理病例的病例类型。其中,问诊单的类型为患者在互联网医院下单时所选择的就诊的需求类型;其中,问诊单的类型包括但不限于:图文问诊、购药店送、视频问诊和电话问诊。
需要说明的是,当根据问诊单生成病例时,还可以为该病例生成用于唯一指代该病例的ID,其中,病例的ID和问诊单的ID不同,问诊单ID与病例的ID具有关联关系,即可以通过问诊单的ID获取病例的ID。病例系统中存储的待处理病例的多项得分中的每一项得分可以初始默认为0分,其中,“0分”为每一项得分的最高分。
病例系统接收到待处理病例后,可以将待处理病例的ID和待处理病例的问诊单ID发送至病例评分设备,以便病例评分设备根据待处理病例的ID获取待处理病例的病例信息,并根据病例信息中医生的ID和患者的ID从医患对话平台上获取待处理病例的医患对话消息,并采用病例评分设备上的人工智能(Artificial Intelligence,AI)模型对医患对话消息和病例信息进行处理,确定待处理病例的多项评分。其中,AI模型是预先训练的用于确定病例的多项评分的模型。
如图4所示,在问诊结束后,若能生成病例,则可以向病例评分设备以消息队列(Message Queue,MQ)的形式推送问诊单标识,以便病例评分设备根据问诊单标识从病例系统的病例信息库中获取待处理病例的病例信息,并对获取的病例信息进行分析,得到该待处理病例中涉及的医生的标识信息和患者的标识信息,根据医生的标识信息和患者的标识信息获取医患对话消息,病例评分设备中的AI模型可以对待处理病例的病例信息和医患对话消息进行处理,计算得到待处理病例的多项评分中的每一项评分,可以将待处理病例的多项评分推送给互联网医院(简称互医)的终端,以便互联网医院的终端接收到待处理病例的多项评分后存储待处理病例的多项评分至病例评分数据库,当前端调用接口查询待处理病例的多项评分时,在病例评分数据库中具有待处理病例的多项评分时,则展示待处理病例的多项评分,若病例评分数据库中不具有待处理病例的多项评分时,则确定向病例评分设备未向互联网医院的终端推送待处理病例的多项评分(或推送失败),则可以向病例评分设备发起获取待处理病例的多项评分的请求,以使得病例评分设备向互联网医院的终端推送待处理病例的多项评分。
基于前述实施例,本申请实施例提供一种病例评分装置,该病例评分装置可以应用于图1-2对应的实施例提供的病例评分方法中,参照图5所示,该病例评分装置3包括:
获取单元31,用于获取待处理病例的病例信息和待处理病例对应的医患对话消息;其中,病例信息表征医生对患者进行诊断后生成的信息;
确定单元32,用于对病例信息和医患对话消息进行关键词提取,确定目标关键词;
获取单元31,还用于获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库;
确定单元32,还用于将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分。
在本申请实施例中,获取单元31还用于执行以下步骤:
获取待处理病例的问诊单标识,并基于问诊单标识从病例信息库中获取待处理病例的病例信息;
基于病例信息,确定医生的标识信息和患者的标识信息;
基于医生的标识信息和患者的标识信息,从医患对话平台中获取待处理病例的医患对话消息。
在本申请实施例中,确定单元32还用于执行以下步骤:
基于医生的标识信息从医患对话消息中提取医生的对话消息,并基于患者的标识信息从医患对话消息中提取患者的对话消息;
对医生的对话消息进行关键词提取得到第一关键词,并对患者的对话消息进行关键词提取得到第二关键词;
基于病例信息获取处方信息、建议信息和诊断信息,并对处方信息进行关键词提取得到第三关键词;
对建议信息进行关键词提取得到第四关键词,并对诊断信息进行关键词提取得到第五关键词;其中,目标关键词包括:第一关键词、第二关键词、第三关键词、第四关键词和第五关键词。
在本申请实施例中,确定单元32还用于执行以下步骤:
将第一关键词与目标词库中症状标签对应的关键词进行匹配得到第一匹配结果,并基于第一匹配结果确定待处理病例的问诊评分;
基于第二关键词从目标词库中确定疾病关键词,并将第五关键词与疾病关键词进行匹配得到第二匹配结果;
基于第二匹配结果确定待处理病例的拟诊评分;
基于第二关键词从目标词库中确定药品关键词,并将第三关键词与药品关键词进行匹配得到第三匹配结果;
基于第三匹配结果确定待处理病例的用药评分;
将第四关键词与目标词库中建议标签对应的关键词进行匹配,得到第四匹配结果,并基于第四匹配结果确定待处理病例的建议评分;其中,多项评分至少包括:问诊评分、拟诊评分、用药评分和建议评分。
在本申请实施例中,确定单元32还用于执行以下步骤:
从目标词库的症状标签对应的关键词中,获取与第二关键词匹配的目标症状关键词;
基于目标症状关键词和第一关联关系从目标词库中,确定与目标症状关键词关联的疾病关键词;其中,第一关联关系为症状与疾病的关联关系。
在本申请实施例中,确定单元32还用于执行以下步骤:
基于目标症状关键词和第二关联关系,从目标词库中确定与目标症状关键词关联的药品关键词;其中,第二关联关系为症状与药品的关联关系;
在第三匹配结果表征第三关键词与药品关键词不匹配的情况下,确定用药评分;
在第三匹配结果表征第三关键词与药品关键词匹配且药品类型为第一类型的情况下,获取第三关键词与药品关键词的第一匹配度,并基于第一匹配度确定用药评分;
在第三匹配结果表征第三关键词与药品关键词匹配且药品类型为第二类型的情况下,获取第一匹配度,并基于第一匹配度确定药品对症评分;
基于第三关键词和第三关联关系,从目标词库中确定与第三关键词关联的提示关键词,并确定第一关键词与提示关键词的第二匹配度;其中,第三关联关系为药品与提示建议的关联关系;
基于第二匹配度确定药品询问得分,并基于药品询问评分和药品对症评分确定用药评分。
在本申请实施例中,确定单元32还用于执行以下步骤:
在第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词不匹配的情况下,确定待处理病例的建议评分;
在第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词匹配的情况下,基于目标症状关键词和第四关联关系,从目标词库中确定与目标症状关键词关联的建议关键词;其中,第四关联关系为症状与提示建议的关联关系;
将第四关键词与建议关键词进行匹配得到第三匹配度,并基于第三匹配度确定待处理病例的建议评分。
在本申请实施例中,确定单元32还用于执行以下步骤:
获取查询信息;
基于查询信息中携带的待查询病例的标识,查询病例评分数据库中是否具有用户评分;其中,用户评分为用户对待处理病例进行审核的评分;其中,病例评分数据库中存储有待处理病例的多项评分;
在病例评分数据库中具有用户评分的情况下,确定用户评分为待查询病例的标识对应的评分;
在病例评分数据库中不具有用户评分的情况下,确定待处理病例的多项评分为待查询病例的标识对应的评分。
在本申请实施例中,问诊评分、拟诊评分、用药评分和建议评分采用不同的字段存储在病例评分数据库中。
需要说明的是,本申请实施例中各单元之间的交互过程,可以参照图1-2对应的实施例提供的病例评分方法的实现过程,此处不再赘述
本申请实施例所提供的病例评分装置,可以基于待处理病例的病例信息和待处理病例对应的医患对话消息,自动确定待处理病例的多项评分,不需要如相关技术中一样人工对待处理病例进行审核来获取待处理病例的多项评分,提高了确定待处理病例的多项评分的效率,而且避免人工审核时带有主观性造成待处理病例的多项评分不准确,进一步提高了确定的待处理病例的多项评分的准确率。
基于前述实施例,本申请的实施例提供一种病例评分设备,该病例评分设备可以应用于图1-2对应的实施例提供的病例评分方法中,参照图6所示,该病例评分设备4可以包括:处理器41、存储器42和通信总线33,其中:
通信总线33用于实现处理器41和存储器42之间的通信连接;
处理器41用于执行存储器42中的病例评分程序,以实现以下步骤:
获取待处理病例的病例信息和待处理病例对应的医患对话消息;其中,病例信息表征医生对患者进行诊断后生成的信息;
对病例信息和医患对话消息进行关键词提取,确定目标关键词;
获取待处理病例的类型,并基于待处理病例的类型确定待处理病例对应的目标词库;
将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分。
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的获取待处理病例的病例信息和待处理病例对应的医患对话消息,以实现以下步骤:
获取待处理病例的问诊单标识,并基于问诊单标识从病例信息库中获取待处理病例的病例信息;
基于病例信息,确定医生的标识信息和患者的标识信息;
基于医生的标识信息和患者的标识信息,从医患对话平台中获取待处理病例的医患对话消息。
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的对病例信息和医患对话消息进行关键词提取,确定目标关键词,以实现以下步骤:
基于医生的标识信息从医患对话消息中提取医生的对话消息,并基于患者的标识信息从医患对话消息中提取患者的对话消息;
对医生的对话消息进行关键词提取得到第一关键词,并对患者的对话消息进行关键词提取得到第二关键词;
基于病例信息获取处方信息、建议信息和诊断信息,并对处方信息进行关键词提取得到第三关键词;
对建议信息进行关键词提取得到第四关键词,并对诊断信息进行关键词提取得到第五关键词;其中,目标关键词包括:第一关键词、第二关键词、第三关键词、第四关键词和第五关键词
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的将目标关键词和目标词库进行匹配,并基于匹配结果确定待处理病例的多项评分,以实现以下步骤:
将第一关键词与目标词库中症状标签对应的关键词进行匹配得到第一匹配结果,并基于第一匹配结果确定待处理病例的问诊评分;
基于第二关键词从目标词库中确定疾病关键词,并将第五关键词与疾病关键词进行匹配得到第二匹配结果;
基于第二匹配结果确定待处理病例的拟诊评分;
基于第二关键词从目标词库中确定药品关键词,并将第三关键词与药品关键词进行匹配得到第三匹配结果;
基于第三匹配结果确定待处理病例的用药评分;
将第四关键词与目标词库中建议标签对应的关键词进行匹配,得到第四匹配结果,并基于第四匹配结果确定待处理病例的建议评分;其中,多项评分至少包括:问诊评分、拟诊评分、用药评分和建议评分。
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的基于第二关键词从目标词库中确定疾病关键词,以实现以下步骤:
从目标词库的症状标签对应的关键词中,获取与第二关键词匹配的目标症状关键词;
基于目标症状关键词和第一关联关系从目标词库中,确定与目标症状关键词关联的疾病关键词;其中,第一关联关系为症状与疾病的关联关系。
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的基于第二关键词从目标词库中确定药品关键词,以实现以下步骤:
基于目标症状关键词和第二关联关系,从目标词库中确定与目标症状关键词关联的药品关键词;其中,第二关联关系为症状与药品的关联关系;
在第三匹配结果表征第三关键词与药品关键词不匹配的情况下,确定用药评分;
在第三匹配结果表征第三关键词与药品关键词匹配且药品类型为第一类型的情况下,获取第三关键词与药品关键词的第一匹配度,并基于第一匹配度确定用药评分;
在第三匹配结果表征第三关键词与药品关键词匹配,且药品类型为第二类型的情况下,获取第一匹配度,并基于第一匹配度确定药品对症评分;
基于第三关键词和第三关联关系,从目标词库中确定与第三关键词关联的提示关键词,并确定第一关键词与提示关键词的第二匹配度;其中,第三关联关系为药品与提示建议的关联关系;
基于第二匹配度确定药品询问得分,并基于药品询问评分和药品对症评分确定用药评分。
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的基于第四匹配结果确定待处理病例的建议评分,以实现以下步骤:
在第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词不匹配的情况下,确定待处理病例的建议评分;
在第四匹配结果表征第四关键词与目标词库中建议标签对应的关键词匹配的情况下,基于目标症状关键词和第四关联关系,从目标词库中确定与目标症状关键词关联的建议关键词;其中,第四关联关系为症状与提示建议的关联关系;
将第四关键词与建议关键词进行匹配得到第三匹配度,并基于第三匹配度确定待处理病例的建议评分。
在本申请的其他实施例中,处理器41用于执行存储器42中的病例评分程序的还用于实现以下步骤:
获取查询信息;
基于查询信息中携带的待查询病例的标识,查询病例评分数据库中是否具有用户评分;其中,用户评分为用户对待处理病例进行审核的评分;其中,病例评分数据库中存储有待处理病例的多项评分;
在病例评分数据库中具有用户评分的情况下,确定用户评分为待查询病例的标识对应的评分;
在病例评分数据库中不具有用户评分的情况下,确定待处理病例的多项评分为待查询病例的标识对应的评分。
在本申请的其他实施例中,问诊评分、拟诊评分、用药评分和建议评分采用不同的字段存储在病例评分数据库中。
在本申请实施例所提供的病例评分设备,可以基于待处理病例的病例信息和待处理病例对应的医患对话消息,自动确定待处理病例的多项评分,不需要如相关技术中一样人工对待处理病例进行审核来获取待处理病例的多项评分,提高了确定待处理病例的多项评分的效率,而且避免人工审核时带有主观性造成待处理病例的多项评分不准确,进一步提高了确定的待处理病例的多项评分的准确率。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现图1-2对应的实施例提供的病例评分方法的步骤。
需要说明的是,上述计算机可读存储介质可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种电子设备,如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、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。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种病例评分方法,其特征在于,所述方法包括:
获取待处理病例的病例信息和所述待处理病例对应的医患对话消息;其中,所述病例信息表征医生对患者进行诊断后生成的信息;
对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词;
获取所述待处理病例的类型,并基于所述待处理病例的类型确定所述待处理病例对应的目标词库;
将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理病例的病例信息和所述待处理病例对应的医患对话消息,包括:
获取所述待处理病例的问诊单标识,并基于所述问诊单标识从病例信息库中获取所述待处理病例的病例信息;
基于所述病例信息,确定所述医生的标识信息和所述患者的标识信息;
基于所述医生的标识信息和所述患者的标识信息,从医患对话平台中获取所述待处理病例的医患对话消息。
3.根据权利要求2所述的方法,其特征在于,所述对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词,包括:
基于所述医生的标识信息从所述医患对话消息中提取所述医生的对话消息,并基于所述患者的标识信息从所述医患对话消息中提取所述患者的对话消息;
对所述医生的对话消息进行关键词提取得到第一关键词,并对所述患者的对话消息进行关键词提取得到第二关键词;
基于所述病例信息获取处方信息、建议信息和诊断信息,并对所述处方信息进行关键词提取得到第三关键词;
对所述建议信息进行关键词提取得到第四关键词,并对所述诊断信息进行关键词提取得到第五关键词;其中,所述目标关键词包括:所述第一关键词、所述第二关键词、所述第三关键词、所述第四关键词和所述第五关键词。
4.根据权利要求3所述的方法,其特征在于,所述将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分,包括:
将所述第一关键词与所述目标词库中症状标签对应的关键词进行匹配得到第一匹配结果,并基于所述第一匹配结果确定所述待处理病例的问诊评分;
基于所述第二关键词从所述目标词库中确定疾病关键词,并将所述第五关键词与所述疾病关键词进行匹配得到第二匹配结果;
基于所述第二匹配结果确定所述待处理病例的拟诊评分;
基于所述第二关键词从所述目标词库中确定药品关键词,并将所述第三关键词与所述药品关键词进行匹配得到第三匹配结果;
基于所述第三匹配结果确定所述待处理病例的用药评分;
将所述第四关键词与所述目标词库中建议标签对应的关键词进行匹配,得到第四匹配结果,并基于所述第四匹配结果确定所述待处理病例的建议评分;其中,所述多项评分至少包括:所述问诊评分、所述拟诊评分、所述用药评分和所述建议评分。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第二关键词从所述目标词库中确定疾病关键词,包括:
从所述目标词库的症状标签对应的关键词中,获取与所述第二关键词匹配的目标症状关键词;
基于所述目标症状关键词和第一关联关系从所述目标词库中,确定与所述目标症状关键词关联的所述疾病关键词;其中,所述第一关联关系为症状与疾病的关联关系。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第二关键词从所述目标词库中确定药品关键词,包括:
基于所述目标症状关键词和所述第二关联关系,从所述目标词库中确定与所述目标症状关键词关联的药品关键词;其中,所述第二关联关系为症状与药品的关联关系;
相应的,所述基于第三匹配结果确定所述待处理病例的用药评分,包括:
在所述第三匹配结果表征所述第三关键词与所述药品关键词不匹配的情况下,确定所述用药评分;
在所述第三匹配结果表征所述第三关键词与所述药品关键词匹配且药品类型为第一类型的情况下,获取所述第三关键词与所述药品关键词的第一匹配度,并基于所述第一匹配度确定所述用药评分;
在所述第三匹配结果表征所述第三关键词与所述药品关键词匹配且所述药品类型为第二类型的情况下,获取所述第一匹配度,并基于所述第一匹配度确定药品对症评分;
基于所述第三关键词和第三关联关系,从所述目标词库中确定与所述第三关键词关联的提示关键词,并确定所述第一关键词与所述提示关键词的第二匹配度;其中,所述第三关联关系为药品与提示建议的关联关系;
基于所述第二匹配度确定药品询问得分,并基于所述药品询问评分和所述药品对症评分确定所述用药评分。
7.根据权利要求5所述的方法,其特征在于,所述基于所述第四匹配结果确定所述待处理病例的建议评分,包括:
在所述第四匹配结果表征所述第四关键词与所述目标词库中建议标签对应的关键词不匹配的情况下,确定所述待处理病例的建议评分;
在所述第四匹配结果表征所述第四关键词与所述目标词库中建议标签对应的关键词匹配的情况下,基于所述目标症状关键词和第四关联关系,从所述目标词库中确定与所述目标症状关键词关联的建议关键词;其中,第四关联关系为症状与提示建议的关联关系;
将所述第四关键词与所述建议关键词进行匹配得到第三匹配度,并基于所述第三匹配度确定所述待处理病例的建议评分。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取查询信息;
基于所述查询信息中携带的待查询病例的标识,查询病例评分数据库中是否具有用户评分;其中,所述用户评分为用户对所述待处理病例进行审核的评分;其中,所述病例评分数据库中存储有所述待处理病例的多项评分;
在所述病例评分数据库中具有所述用户评分的情况下,确定所述用户评分为所述待查询病例的标识对应的评分;
在所述病例评分数据库中不具有所述用户评分的情况下,确定所述待处理病例的多项评分为所述待查询病例的标识对应的评分。
9.根据权利要求4所述的方法,其特征在于,所述问诊评分、所述拟诊评分、所述用药评分和所述建议评分采用不同的字段存储在病例评分数据库中。
10.一种病例评分装置,其特征在于,所述装置包括:
获取单元,用于获取待处理病例的病例信息和所述待处理病例对应的医患对话消息;其中,所述病例信息表征医生对患者进行诊断后生成的信息;
确定单元,用于对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词;
所述获取单元,还用于获取所述待处理病例的类型,并基于所述待处理病例的类型确定所述待处理病例对应的目标词库;
所述确定单元,还用于将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分。
11.一种病例评分设备,其特征在于,所述设备包括:处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的通信连接;
所述处理器用于执行存储器中的病例评分程序,以实现以下步骤:
获取待处理病例的病例信息和所述待处理病例对应的医患对话消息;其中,所述病例信息表征医生对患者进行诊断后生成的信息;
对所述病例信息和所述医患对话消息进行关键词提取,确定目标关键词;
获取所述待处理病例的类型,并基于所述待处理病例的类型确定所述待处理病例对应的目标词库;
将所述目标关键词和所述目标词库进行匹配,并基于匹配结果确定所述待处理病例的多项评分。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至9中任一项所述的病例评分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762396.3A CN113345544A (zh) | 2021-07-06 | 2021-07-06 | 一种病例评分方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762396.3A CN113345544A (zh) | 2021-07-06 | 2021-07-06 | 一种病例评分方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113345544A true CN113345544A (zh) | 2021-09-03 |
Family
ID=77482698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110762396.3A Pending CN113345544A (zh) | 2021-07-06 | 2021-07-06 | 一种病例评分方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113345544A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113782125A (zh) * | 2021-09-17 | 2021-12-10 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的诊所评分方法、装置、电子设备及介质 |
CN114191219A (zh) * | 2022-01-17 | 2022-03-18 | 牡丹江医学院 | 一种护理用智能换药系统 |
CN117954036A (zh) * | 2024-03-26 | 2024-04-30 | 青岛益生康健科技股份有限公司 | 基于大数据的健康管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
CN112733534A (zh) * | 2020-12-25 | 2021-04-30 | 北京左医科技有限公司 | 医患对话中半截词指向症状获取方法及系统 |
CN112908443A (zh) * | 2021-03-12 | 2021-06-04 | 北京市商汤科技开发有限公司 | 医疗诊断结果的校验方法及装置、电子设备、存储介质 |
-
2021
- 2021-07-06 CN CN202110762396.3A patent/CN113345544A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
CN112733534A (zh) * | 2020-12-25 | 2021-04-30 | 北京左医科技有限公司 | 医患对话中半截词指向症状获取方法及系统 |
CN112908443A (zh) * | 2021-03-12 | 2021-06-04 | 北京市商汤科技开发有限公司 | 医疗诊断结果的校验方法及装置、电子设备、存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113782125A (zh) * | 2021-09-17 | 2021-12-10 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的诊所评分方法、装置、电子设备及介质 |
CN113782125B (zh) * | 2021-09-17 | 2023-08-08 | 深圳平安智慧医健科技有限公司 | 基于人工智能的诊所评分方法、装置、电子设备及介质 |
CN114191219A (zh) * | 2022-01-17 | 2022-03-18 | 牡丹江医学院 | 一种护理用智能换药系统 |
CN117954036A (zh) * | 2024-03-26 | 2024-04-30 | 青岛益生康健科技股份有限公司 | 基于大数据的健康管理方法及系统 |
CN117954036B (zh) * | 2024-03-26 | 2024-06-07 | 青岛益生康健科技股份有限公司 | 基于大数据的健康管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986770B (zh) | 药方用药审核方法、装置、设备及存储介质 | |
CN113345544A (zh) | 一种病例评分方法、装置、设备及计算机可读存储介质 | |
CN107609163B (zh) | 医学知识图谱的生成方法、存储介质及服务器 | |
US10095761B2 (en) | System and method for text extraction and contextual decision support | |
CN109670173B (zh) | 报销数据的排查方法、识别服务端及存储介质 | |
CN110910976A (zh) | 病历检测方法、装置、设备和存储介质 | |
CN109637642B (zh) | 医疗机构透析水平的考核方法、装置、设备及存储介质 | |
CN109036545B (zh) | 医疗信息处理方法、装置、计算机设备和存储介质 | |
WO2009130630A2 (en) | Identifying possible medical conditions of a patient | |
CN112509682A (zh) | 基于文本识别的问诊方法、装置、设备及存储介质 | |
CN111933291A (zh) | 医疗信息推荐装置、方法、系统、设备及可读存储介质 | |
CN112331298A (zh) | 开具药方的方法、装置、电子设备及存储介质 | |
US20050015352A1 (en) | Expert system for medical diagnosis | |
US20020194026A1 (en) | System and method for managing data and documents | |
CN113345577A (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
CN113724858A (zh) | 基于人工智能的疾病检查项目推荐设备、方法及装置 | |
CN109036506B (zh) | 互联网医疗问诊的监管方法、电子装置及可读存储介质 | |
CN113724830B (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
KR102350145B1 (ko) | 의약품 코드 매칭 방법 및 장치 | |
CN110752027A (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
CN117079798A (zh) | 基于大型语言模型的智能预问诊与快速诊疗系统及方法 | |
WO2023178970A1 (zh) | 医疗数据处理方法、装置、设备及存储介质 | |
AU2020265819A1 (en) | System and method for phrase comparison consolidation and reconciliation | |
CN112116976A (zh) | 药品信息的处理方法、装置及计算机可读存储介质 | |
CN115346634A (zh) | 一种体检报告解读预测方法、系统、电子设备和存储介质 |
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 |