CN113360530A - 一种事件筛选器系统 - Google Patents

Abstract

本发明公开了一种事件筛选器系统，包括数据标准字典信息库、后结构化规则/模型库、数据仓库、事件筛选引擎和指标库。本发明利用大数据主索引、数据关联映射等技术，实现指标触发成含有时间序列的事件指标，便于精准筛选更为复杂的人群队列数据，如不同时间下纵向变化的医疗数据、药物干预前后变化的医疗数据等，为趋势分析、疗效分析和生存分析等更高层次的研究提供数据应用。

Description

一种事件筛选器系统

技术领域

本发明属于医疗大数据技术领域，具体涉及一种事件筛选器系统。

背景技术

医疗大数据正成为医疗机构的重要资产，如何从海量、多模态的医疗大数据中快速、精准地获取目标临床数据，是驱动医疗数据为医院管理者、临床医生、科研工作者、患者等提供数据应用的重要基石及保障。然而，目前医疗大数据的应用仍存在各种困难，主要表现如下：

(1)信息集成程度低：各个医疗机构的信息系统大都源于不同厂商，数据标准、数据格式、数据描述方式等均不一致，各数据库之间难以实现信息整合。同时存在大量手工录入的医疗数据，数据整合存在耗时低效的特性，各医疗机构根据各自需求开发相关系统，没有考虑整体的信息集成整合，使得系统过于碎片化。

(2)院内存在数据孤岛：国内70%以上医院实现了医疗信息化，但仅有3%的医院实现了数据互通，同时，各医疗单位的信息管理系统不一致，缺少统一的串联标识，存在信息数据碎片化现象，无法进行有效整合，以上原因导致大量医疗数据单独存储于医院内部，形成“数据孤岛”。

(3)数据检索方式简单：院内数据检索，大多数情况下仅能通过如住院号、门诊号、姓名等单一的字段进行信息查询，无法对具有高度特征性的具体临床数据进行精准定位，极大限度地限制了临床数据的挖掘与应用。

(4)数据获取困难繁琐：临床医生或科研工作人员采集医疗数据进行科研工作时，常需经过一系列繁琐的流程：“方案设计→向信息科借调病历→病历人工解读→病历信息的手工汇集。”病历借调的审批、病历数据的人工解读和整合，以上两个环节耗时低效，比如，往往一个回顾性病历对照研究，从方案设计到数据采集，至少需要3个月的时间，给工作繁重的临床医生及科研工作者带来巨大的时间成本。

为了解决上述医疗数据应用的问题，许多医疗机构建设了临床数据资源库（Clinical Data Repository, CDR）进行医院临床数据的信息化管理。CDR是一个整合多个临床数据来源的数据仓库，主要存储医疗机构内各大业务系统如HIS、LIS、PACS等诊疗数据，提供以患者和医护人员为中心的统一视图。

CDR主要特点有：①集成实时的院内数据；②面向医疗过程和流程；③以个体为中心，支持日常诊疗业务。然而，CDR并不能很好地满足医生的数据应用需求，尤其是科研应用场景，主要表现如下：

(1)数据来源的局限性：科研工作者往往需要应用多来源、多维度的医疗数据，比如院内诊疗数据、院外随访数据和可穿戴设备数据等。然而，CDR主要存储的是医疗机构内部医疗业务过程中发生和记录的临床数据，一般不收录院外数据，导致应用数据的来源具有一定的局限性。

(2)数据存储的结构化程度不足：CDR存放的是诊疗记录中的原始电子数据，是未经过加工处理的、原生态的、按照医疗文书分类的集成数据，因此，会存在大量半结构化、非结构化的自然语言文本。

(3)数据应用的开放性不足：应用于科研工作的医疗数据，具有部分开放和共享的特性，因此，为了让用户安全使用医疗数据，需要提前对数据进行加密、脱敏及严格授权管理。CDR的数据存储必然在医院内网（或逻辑内网），由于物理网络隔离的天然安全性，自身的数据安全和HIS等数据一样，在内部未采取数据脱敏措施，数据的使用一般依托于HIS或电子病历的授权体系，面临的安全威胁较低，但数据开放面比较狭窄。

(4)数据应用的交互设计有限：CDR可整合展示患者分布在各业务系统中诊疗数据的统一视图，便于医疗人员进行患者临床资料的查阅。然而，该统一视图是以单个患者的纵向临床诊疗数据为核心，仅提供有限的数据查看和简单检索功能。

(5)数据筛选的精细程度受限：CDR能以“个体”为筛选目标，提供单个患者诊疗数据的查看及简单模糊检索，但无法实现“个体”的具体特征性数据及(5)“群体”的横断面或纵向数据的精准定位和提取输出。

因此，CDR仅能提升临床业务信息的浏览效率，无法实现医疗数据的精准定位和数据输出，极大限度地限制了数据的内涵应用和价值产出。

发明内容

本发明的目的在于提供一种事件筛选器系统，以解决上述背景技术中所提出的问题。

为实现上述目的，本发明提供以下技术方案：一种事件筛选器系统，其结构要点在于：包括数据标准字典信息库、后结构化规则/模型库、数据仓库、事件筛选引擎和指标库。

作为优选的，后结构化规则/模型库用于选择需要处理的源数据类型，通过多种自然语言处理技术对不同类型的源数据进行目标抽取，抽取结果自动映射标准术语，生成结构化数据进入数据库中储存。

作为优选的，多种然语言处理技术包括命名实体识别技术、正则匹配技术和多标签分类。

作为优选的，命名实体识别技术通过目标实体及关系识别，抽取源数据中非结构化文本存在的各类、关系，并生成结构化数据。

作为优选的，正则匹配技术通过正则表达式将医学逻辑规则转化为规则库，规则库通过医学规则抽取数据样本所包含的信息。

作为优选的，多标签分类利用深度学习算法，基于一段自由文本，识别出所包含的多个标签。

作为优选的，数据仓库中的数据来源于源数据库和规范化数据处理后的数据，支持分布式数据存储，以及离线数据存储，数据仓库存储的数据为可视化数据支持数据服务。

作为优选的，事件筛选引擎用于实现指标的自由组合，自定义为筛选事件，指标逻辑解析为统一SQL语句，适配多种数据仓库解析。

作为优选的，指标库根据数据仓库定义出标准规范化的指标存储库，所述的指标存储库包含指标名称、指标描述、指标逻辑定义和指标实例，为数据筛选引擎提供标准化SQL解析。

作为优选的，数据标准字典信息库包括标准术语库、同义词库和标准数据元；所述的标准术语库参照ICD、SNOMED-CT和LOINC国际标准术语或编码体系，严格定义各类医学术语的代码、标准名称、层级关系、属性等信息，形成一套标准术语体系；所述的同义词库是对原始数据进行标准化处理，建立原始数据与标准术语的映射关系；所述的标准数据元为了满足个性化数据配置及多中心不同研究数据的通用性，通过建立最小的标准数据单元，实现临床研究数据最大程度的细化。

与现有技术相比，本发明的有益效果如下：

(1)使用大数据处理技术，如大数据的主索引技术等，打通医院信息孤岛，使医院子系统的数据实现有效关联和调用。

(2)建立规范化标准术语体系，实现多源异构数据的有效利用。

(3)利用后结构化技术：使用正则表达式、命名实体识别等人工智能后结构化处理方式，实现非结构化自然语言文本语义及关系的有效处理。

(4)遵循严谨的医学纳入排除条件规则，通过前端简洁的指标组装界面及后台数据关联映射，为实现复杂的检索条件逻辑提供了新的思路和实践方法。

(5)以条件树的展示模型，实时分析显示指标组装成检索条件的数据情况，让检索条件对筛选结果的影响清晰可见，合理高效地指导用户调整检索策略，获得理想检索结果。

(6)利用大数据主索引、数据关联映射等技术，实现指标触发成含有时间序列的事件指标，便于精准筛选更为复杂的人群队列数据，如不同时间下纵向变化的医疗数据、药物干预前后变化的医疗数据等，为趋势分析、疗效分析和生存分析等更高层次的研究提供数据应用。

附图说明

图1为本发明事件筛选器系统规范化数据处理示意图；

图2为本发明事件筛选器应用流程示意图；

图3为本发明事件筛选器条件树示意图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案，一种事件筛选器系统，包括数据标准字典信息库、后结构化规则/模型库、数据仓库、事件筛选引擎和指标库。

其中，在本实施例中，所述的后结构化规则/模型库用于选择需要处理的源数据类型，通过多种自然语言处理技术对不同类型的源数据进行目标抽取，抽取结果自动映射标准术语，生成结构化数据进入数据库中储存。

其中，在本实施例中，所述的多种然语言处理技术包括命名实体识别技术、正则匹配技术和多标签分类。

其中，在本实施例中，所述的命名实体识别技术通过目标实体及关系识别，抽取源数据中非结构化文本存在的各类、关系，并生成结构化数据。

其中，在本实施例中，所述的正则匹配技术通过正则表达式将医学逻辑规则转化为规则库，规则库通过医学规则抽取数据样本所包含的信息。

其中，在本实施例中，所述的多标签分类利用深度学习算法，基于一段自由文本，识别出所包含的多个标签。

其中，在本实施例中，所述的数据仓库中的数据来源于源数据库和规范化数据处理后的数据，支持分布式数据存储，以及离线数据存储，数据仓库存储的数据为可视化数据支持数据服务。

其中，在本实施例中，所述的事件筛选引擎用于实现指标的自由组合，自定义为筛选事件，指标逻辑解析为统一SQL语句，适配多种数据仓库解析。

其中，在本实施例中，所述的指标库根据数据仓库定义出标准规范化的指标存储库，所述的指标存储库包含指标名称、指标描述、指标逻辑定义和指标实例，为数据筛选引擎提供标准化SQL解析。

其中，在本实施例中，所述的数据标准字典信息库包括标准术语库、同义词库和标准数据元；所述的标准术语库参照ICD、SNOMED-CT和LOINC国际标准术语或编码体系，严格定义各类医学术语的代码、标准名称、层级关系、属性等信息，形成一套标准术语体系；所述的同义词库是对原始数据进行标准化处理，建立原始数据与标准术语的映射关系；所述的标准数据元为了满足个性化数据配置及多中心不同研究数据的通用性，通过建立最小的标准数据单元，实现临床研究数据最大程度的细化。

事件筛选器的具体实施步骤流程，如图2所示：

S1：数据预处理；

S2：选择单个指标或多个指标；

S3：设置分支、事件指标及纳排规则，事件筛选器的指标纳排维度涵盖患者的人口学信息、疾病诊断、临床特征、检验、检查等信息，通过and，or的逻辑组装关联条件树上各分支的数据，各分支上的筛选指标可触发为含时间属性的事件指标，含时间属性的指标类型包括诊断、用药、检验、检查，时间属性范围包括第一次、最后一次、任意次，同时，对于同一指标，可赋予指标之间的比较参数，如升高、较低、有变化、无变化，并可设置比较参数中升高或降低的具体倍数及数值范围，进而输出有比较变化关系的数据集，比如，筛选一批入院时间为2021.02.05-2021.03.04，处于慢阻肺急性加重期，住院期间第一次使用支气管舒张剂前后的嗜酸性粒细胞计数降低2倍的患者数据集，可通过制定纳排规则：在纳入框中，选择“同病历” and 第1条分支：输入入院时间2021.02.05-2021.03.04；第2条分支：输入疾病诊断=[主要诊断]慢性阻塞性肺疾病急性加重期，第3条分支，输入药物使用=支气管舒张剂，同时触发“药物使用=支气管舒张剂”为事件指标，链接两个分事件，第一个分事件为时间范围选择“第一次”，时间数据类型选择“住院医嘱开药时间前”的“嗜酸性粒细胞计数”，第二个分事件为时间范围选择“第一次”，时间数据类型选择“住院医嘱开药时间后”的“嗜酸性粒细胞计数”，关联两个分事件形成比较关系；“降低2倍”，即可实现数据集的筛选输出，排除框指标筛选操作同纳入框，如图3所示；

S4：根据分支上的指标，表达式解析为SQL，根据分支，每一条分支会生成一条SQL语句，每条SQL语句的实现过程和天塔筛查相同。有多少个分支，就会解析出相应数量的SQL语句；

S5：动态查询数据仓库数据，每一个SQL语句分别执行；

S6：数据合并，每一个SQL执行会生成一个数据集，每个数据集都存储在一个相对应的单独临时表中，各临时表的结构相同，对于临时表的数据分两步处理：

第一步：存在相比关系的2个分支产生的结果集，根据比较器设置的规则条件执行关联查询，产生新的结果集；

第二步：第一步的结果集以及各个分支产生的结果集，根据选择的筛选规则，取交集或并集，即为最后的结果；

S7：对返回的数据格式化。

现有技术的缺点如下：

(1)数据整合能力有限：传统的检索引擎技术无法打通数据孤岛，对单独存储于医院内部数据的活化能力及碎片化数据的整合能力受限。

(2)医学标准体系建设基础薄弱：医院实际业务中产生的医疗数据，存在大量不同的表述，如果要最大化整合应用医疗数据，应建立规范化的医学数据标准字典信息库。传统的检索引擎基于关键词检索，缺少标准字典信息库，只能针对部分文本进行识别。同时，标准字典信息库需要大量专业人员的持续维护，传统的引擎公司缺乏该工作环节。

(3)后结构化技术缺乏：医疗数据中存在大量非结构化医学文本，其内涵丰富、各实体间的关系复杂，该类文本的解读需要专业人员耗费大量时间和精力去识别语义解析和关系识别。传统的搜索引擎未实现非结构化文本的语义解析和关系识别，无法从根本上提高医院诊疗数据的应用效率。

(4)检索引擎数据关联映射简单：传统的检索引擎检索逻辑较为单一，主要以关键词的形式，完成部分文本的模糊匹配。挖掘医疗数据用于临床科研转化，往往需要应用具体的、含有时间序列的群体特征数据，因此需要较为复杂和智能的检索逻辑组合，完成自定义条件的精准筛选。

(5)检索引擎功能交互单一：传统的检索引擎检索功能交互简单，主要以文本输入框和单一的条件组合框为主，无法实时分析关键词的数据筛选情况。

事件筛选器系统，主要利用经过一系列规范化处理后的标准化、结构化的指标数据，通过事件筛选引擎完成指标的灵活组合，最终可实现多来源、多条件、含有时间序列的数据的精准筛选输出。

本发明的有益效果如下：

(1)使用大数据处理技术，如大数据的主索引技术等，打通医院信息孤岛，使医院子系统的数据实现有效关联和调用。

(2)建立规范化标准术语体系，实现多源异构数据的有效利用。

(3)利用后结构化技术：使用正则表达式、命名实体识别等人工智能后结构化处理方式，实现非结构化自然语言文本语义及关系的有效处理。

(4)遵循严谨的医学纳入排除条件规则，通过前端简洁的指标组装界面及后台数据关联映射，为实现复杂的检索条件逻辑提供了新的思路和实践方法。

(5)以条件树的展示模型，实时分析显示指标组装成检索条件的数据情况，让检索条件对筛选结果的影响清晰可见，合理高效地指导用户调整检索策略，获得理想检索结果。

(6)利用大数据主索引、数据关联映射等技术，实现指标触发成含有时间序列的事件指标，便于精准筛选更为复杂的人群队列数据，如不同时间下纵向变化的医疗数据、药物干预前后变化的医疗数据等，为趋势分析、疗效分析和生存分析等更高层次的研究提供数据应用。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种事件筛选器系统，其特征在于：包括数据标准字典信息库、后结构化规则/模型库、数据仓库、事件筛选引擎和指标库。

2.根据权利要求1所述的一种事件筛选器系统，其特征在于：所述的后结构化规则/模型库用于选择需要处理的源数据类型，通过多种自然语言处理技术对不同类型的源数据进行目标抽取，抽取结果自动映射标准术语，生成结构化数据进入数据库中储存。

3.根据权利要求2所述的一种事件筛选器系统，其特征在于：所述的多种然语言处理技术包括命名实体识别技术、正则匹配技术和多标签分类。

4.根据权利要求3所述的一种事件筛选器系统，其特征在于：所述的命名实体识别技术通过目标实体及关系识别，抽取源数据中非结构化文本存在的各类、关系，并生成结构化数据。

5.根据权利要求3所述的一种事件筛选器系统，其特征在于：所述的正则匹配技术通过正则表达式将医学逻辑规则转化为规则库，规则库通过医学规则抽取数据样本所包含的信息。

6.根据权利要求3所述的一种事件筛选器系统，其特征在于：所述的多标签分类利用深度学习算法，基于一段自由文本，识别出所包含的多个标签。

7.根据权利要求1所述的一种事件筛选器系统，其特征在于：所述的数据仓库中的数据来源于源数据库和规范化数据处理后的数据，支持分布式数据存储，以及离线数据存储，数据仓库存储的数据为可视化数据支持数据服务。

8.根据权利要求1所述的一种事件筛选器系统，其特征在于：所述的事件筛选引擎用于实现指标的自由组合，自定义为筛选事件，指标逻辑解析为统一SQL语句，适配多种数据仓库解析。

9.根据权利要求1所述的一种事件筛选器系统，其特征在于：所述的指标库根据数据仓库定义出标准规范化的指标存储库，所述的指标存储库包含指标名称、指标描述、指标逻辑定义和指标实例，为数据筛选引擎提供标准化SQL解析。

10.根据权利要求1所述的一种事件筛选器系统，其特征在于：所述的数据标准字典信息库包括标准术语库、同义词库和标准数据元；所述的标准术语库参照ICD、SNOMED-CT和LOINC国际标准术语或编码体系，严格定义各类医学术语的代码、标准名称、层级关系、属性等信息，形成一套标准术语体系；所述的同义词库是对原始数据进行标准化处理，建立原始数据与标准术语的映射关系；所述的标准数据元为了满足个性化数据配置及多中心不同研究数据的通用性，通过建立最小的标准数据单元，实现临床研究数据最大程度的细化。

Images