CN113380424A - 随访计划的自动生成方法、自动生成装置及存储介质 - Google Patents
随访计划的自动生成方法、自动生成装置及存储介质 Download PDFInfo
- Publication number
- CN113380424A CN113380424A CN202011439460.6A CN202011439460A CN113380424A CN 113380424 A CN113380424 A CN 113380424A CN 202011439460 A CN202011439460 A CN 202011439460A CN 113380424 A CN113380424 A CN 113380424A
- Authority
- CN
- China
- Prior art keywords
- information
- entity
- follow
- matching
- processed
- 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
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种随访计划的自动生成方法、自动生成装置及存储介质,所述方法包括:获取预设术语翻译资料;获取患者治疗信息和预设随访信息;基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;基于所述匹配结果生成对应的随访计划。通过对患者的治疗信息进行结构化处理,并根据预设知识图谱对患者的结构化后的治疗信息进行处理,从而能够自动、精确地将患者情况与随访计划进行匹配,从而自动将匹配成功的患者加入随访计划,有效解决了上述技术问题。
Description
技术领域
本发明涉及医学管理技术领域,具体地涉及一种随访计划的自动生成方法、一种随访计划的自动生成装置及一种计算机可读存储介质。
背景技术
在现代化医疗系统中,随着城市的不断发展,城市规模不断增大,对于每个医院的医生所要接触的患者也越来越多。在对患者进行治疗的过程中,医生需要根据患者的实际病情对患者进行治疗,并在治疗后对患者进行及时的回访或观察,以确保对患者进行精确、可靠、及时的治疗。
在现有技术中,医生主要通过将需要回访的患者添加至随访计划中,以对患者进行依次的回访或观察。在目前的随访计划添加方式中,主要通过两种方式:
其一是通过医生手动根据患者信息进行随访计划的添加,然而该方法效率低下,需要医生掌握所有患者的病情相关信息才能很好地添加随访计划,且在医院更换随访系统后,相关数据也无法很好地转换,为医生造成了极大的困扰。
另一种方式是通过机器抽取患者信息和随访计划条件,并将相匹配的患者信息加入相应的随访计划中,然而机器仅能根据直接的患者信息进行随访计划的添加,而患者的患者信息可能包括非标准病情描述信息、用药种类或用药组成以及治疗阶段的简单描述信息等,因此容易因无法进行及时解析或关联而出现遗漏的情况,因此精确性差、添加效率低下。
发明内容
为了克服现有技术中存在的上述技术问题,本发明实施例提供一种随访计划的自动生成方法及自动生成装置,通过将患者治疗信息和预设随访信息转换为机器可以识别和分析的信息,并自动对上述信息进行匹配,从而实现对患者的随访计划自动生成,提高了医生的工作效率,保证了对患者的治疗疗效,提高了用户体验。
为了实现上述目的,本发明实施例提供一种随访计划的自动生成方法,所述方法包括:获取预设术语翻译资料;获取患者治疗信息和预设随访信息;基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;基于所述匹配结果生成对应的随访计划。
优选地,所述获取预设术语翻译资料,包括:获取至少一个预设术语类别;获取在每个所述预设术语类别下的术语名称以及标准医学术语;建立所述术语名称与对应的所述标准医学术语之间的关联关系;基于所述预设术语类别、所述术语名称、所述标准医学术语以及所述关联关系生成所述预设术语翻译资料。
优选地,所述基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息,包括:对所述患者治疗信息和所述预设随访信息进行结构化处理,获得在所述患者治疗信息和所述预设随访信息中的至少一个信息类别;提取在每个所述信息类别下的至少一个信息实体以及与每个所述信息实体对应的实体属性;基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性;基于所述信息类别、所述处理后实体以及所述处理后实体属性生成所述结构化后治疗信息和所述结构化后随访信息。
优选地,所述基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性,包括:依次将每个所述信息实体和所述实体属性与所述术语名称相匹配,获得对应的匹配术语;基于所述关联关系获得与所述匹配术语名称对应的匹配标准医学术语;基于所述匹配标准医学术语对对应的所述信息实体和所述实体属性进行归一化处理,获得所述处理后实体和所述处理后实体属性。
优选地,所述结构化后治疗信息包括第一处理后实体和对应的第一处理后实体属性,所述结构化后随访信息包括第二处理后实体和对应的第二处理后实体属性,所述将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果,包括:依次将每个所述第一处理后实体和所述第一处理后实体属性与每个所述第二处理后实体和所述第二处理后实体属性进行匹配;判断每个所述第二处理后实体和所述第二处理后实体属性均存在相匹配的第一处理后实体和第一处理后实体属性;若是,则确定匹配成功;否则,确定匹配不成功。
优选地,所述方法还包括:在匹配不成功的情况下,获取预设知识图谱;获取与所述第二处理后实体对应的第二信息类别;获取所述第二信息类别在所述预设知识图谱中在所述第二信息类别下的关联实体集;判断所述第一处理后实体和所述第一处理后实体属性与所述关联实体集是否匹配;若是,则确定匹配成功;否则,确定匹配不成功。
优选地,所述方法还包括:在匹配不成功的情况下,获取所述第一处理后实体和所述第一处理后实体属性的至少一个第一相似信息,以及获取所述第二处理后实体和所述第二处理后实体属性的至少一个第二相似信息;依次判断每个所述第一相似信息是否与每个所述第二相似信息相匹配;在存在与所述第二相似信息相匹配的第一相似信息的情况下,确定匹配成功;否则,确定匹配不成功。
优选地,所述基于所述匹配结果生成对应的随访计划,包括:获取匹配成功的结构化后治疗信息;在所述结构化后治疗信息中提取对应的患者信息;基于所述患者信息和所述预设随访信息生成所述随访计划。
相应的,本发明实施例还提供一种随访计划的自动生成装置,所述装置包括:第一获取单元,用于获取预设术语翻译资料;第二获取单元,用于获取患者治疗信息和预设随访信息;结构化处理单元,用于基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;匹配单元,用于将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;计划生成单元,用于基于所述匹配结果生成对应的随访计划。
优选地,所述第一获取单元包括:第一获取模块,用于获取至少一个预设术语类别;第二获取模块,用于获取在每个所述预设术语类别下的术语名称以及标准医学术语;关联关系建立模块,用于建立所述术语名称与对应的所述标准医学术语之间的关联关系;资料上传模块,用于基于所述预设术语类别、所述术语名称、所述标准医学术语以及所述关联关系生成所述预设术语翻译资料。
优选地,所述结构化处理单元包括:结构化处理模块,用于对所述患者治疗信息和所述预设随访信息进行结构化处理,获得在所述患者治疗信息和所述预设随访信息中的至少一个信息类别;提取模块,用于提取在每个所述信息类别下的至少一个信息实体以及与每个所述信息实体对应的实体属性;处理模块,用于基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性;信息生成模块,用于基于所述信息类别、所述处理后实体以及所述处理后实体属性生成所述结构化后治疗信息和所述结构化后随访信息。
优选地,所述基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性,包括:依次将每个所述信息实体和所述实体属性与所述术语名称相匹配,获得对应的匹配术语;基于所述关联关系获得与所述匹配术语名称对应的匹配标准医学术语;基于所述匹配标准医学术语对对应的所述信息实体和所述实体属性进行归一化处理,获得所述处理后实体和所述处理后实体属性。
优选地,所述结构化后治疗信息包括第一处理后实体和对应的第一处理后实体属性,所述结构化后随访信息包括第二处理后实体和对应的第二处理后实体属性,所述将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果,包括:依次将每个所述第一处理后实体和所述第一处理后实体属性与每个所述第二处理后实体和所述第二处理后实体属性进行匹配;判断每个所述第二处理后实体和所述第二处理后实体属性均存在相匹配的第一处理后实体和第一处理后实体属性;若是,则确定匹配成功;否则,确定匹配不成功。
优选地,所述装置还包括第一再处理单元,所述第一再处理单元用于:在匹配不成功的情况下,获取预设知识图谱;获取与所述第二处理后实体对应的第二信息类别;获取所述第二信息类别在所述预设知识图谱中在所述第二信息类别下的关联实体集;判断所述第一处理后实体和所述第一处理后实体属性与所述关联实体集是否匹配;若是,则确定匹配成功;否则,确定匹配不成功。
优选地,所述装置还包括第二再处理单元,所述第二再处理单元用于:在匹配不成功的情况下,获取所述第一处理后实体和所述第一处理后实体属性的至少一个第一相似信息,以及获取所述第二处理后实体和所述第二处理后实体属性的至少一个第二相似信息;依次判断每个所述第一相似信息是否与每个所述第二相似信息相匹配;在存在与所述第二相似信息相匹配的第一相似信息的情况下,确定匹配成功;否则,确定匹配不成功。
优选地,所述计划生成单元包括:第三获取模块,用于获取匹配成功的结构化后治疗信息;患者提取模块,用于在所述结构化后治疗信息中提取对应的患者信息;随访计划生成模块,用于基于所述患者信息和所述预设随访信息生成所述随访计划。
另一方面,本发明实施例还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本发明实施例提供的方法。
通过本发明提供的技术方案,本发明至少具有如下技术效果:
通过对患者治疗信息和预设随访信息进行结构化转换,并对转换后的信息进行标准化处理,从而将上述信息转换为机器可以识别和分析的信息,从而能够通过机器设备自动对上述信息进行匹配,实现对患者的随访计划自动生成,而不再需要医生亲自手动将患者加入随访计划中,提高了医生的工作效率,保证了对患者的治疗疗效,提高了用户体验。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明实施例提供的随访计划的自动生成方法的具体实现流程图;
图2是本发明实施例提供的随访计划的自动生成方法中预设术语类别下的实体名称以及标准医学术语的示意图;
图3是本发明实施例提供的随访计划的自动生成方法中对患者治疗信息和预设随访信息执行结构化处理的具体实现流程图;
图4是本发明实施例提供的随访计划的自动生成装置的结构示意图。
具体实施方式
为了克服现有技术中存在的上述技术问题,本发明实施例提供一种随访计划的自动生成方法及自动生成装置,通过对患者的治疗信息进行结构化处理,并根据预设知识图谱对患者的结构化后的治疗信息进行处理,从而能够自动、精确地将患者情况与随访计划进行匹配,从而自动将匹配成功的患者加入随访计划,有效解决了上述技术问题。
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
本发明实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上,鉴于此,本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”,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,字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。另外,需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
请参见图1,本发明实施例提供一种随访计划的自动生成方法,所述方法包括:
S10)获取预设术语翻译资料;
S20)获取患者治疗信息和预设随访信息;
S30)基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;
S40)将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;
S50)基于所述匹配结果生成对应的随访计划。
在本发明实施例中,所述获取预设术语翻译资料,包括:获取至少一个预设术语类别;获取在每个所述预设术语类别下的术语名称以及标准医学术语;建立所述术语名称与对应的所述标准医学术语之间的关联关系;基于所述预设术语类别、所述术语名称、所述标准医学术语以及所述关联关系生成所述预设术语翻译资料。
由于在对患者的随访计划进行自动生成的过程中,主要是根据患者的治疗信息进行的,而患者的治疗信息往往是通过自然语言进行记录的,例如患者的病历或病情记录等,而在医学领域存在大量标准或非标准的病情描述文字,因此为了能够精确地将每个患者都合理地加入正确的随访计划中,在一种可能的实施方式中,首先获取预设术语翻译资料。例如在本发明实施例中,由于在描述不同类别的医学信息时医生采用的描述可能不同,因此可以首先获取至少一个预设术语类别,在本发明实施例中,该预设术语类别可以由医生根据经验设定,包括但不限于疾病、症状、药品、手术、过敏史、家族史、婚育史、生活史、频率、感受、时间、颜色、检验检查、人体部位、人体组织、人体器官等。然后获取在每个预设术语类别下的实体名称以及标准医学术语,请参见图2,例如在图2中的左侧表格,获取了对每种疾病的所有描述方式,即获取到疾病类别下的实体名称,在图2中的右侧表格中确定了每种疾病描述所对应的标准描述方式,即获取了与每个实体名称对应的标准医学术语,建立上述实体名称以及对应的标准医学术语之间的关联关系,从而生成了对应的预设术语翻译资料。在本发明实施例中,上述实体名称可以由医生根据经验设定,也可以由机器根据上述预设术语类别进行大数据搜索获得。
然后进一步获取患者的患者治疗信息以及预设随访信息,例如在本发明实施例中,医生将要指定一个对胃部治疗患者的随访计划,因此首先制定对应的预设随访信息,在该预设随访信息中可以包括随访患者的病症信息、随访时间等信息。由于患者治疗信息以及预设随访信息均采用自然语言描述,因此首先需要对患者治疗信息以及预设随访信息执行结构化处理,从而将患者治疗信息以及预设随访信息中的关键信息提取出来,此时根据上述预设术语翻译资料对提取的信息进行结构化处理,以获得便于机器进行有效识别和分析的结构化后治疗信息和结构化后随访信息,然后自动生成对应的随访计划。
在本发明实施例中,一方面通过将患者治疗信息和预设随访信息进行结构化处理,从而将自然语言表达的患者治疗信息和预设随访信息中的关键信息提取出来,以便于机器进行自动分析和识别;另一方面,通过预设术语翻译资料将患者治疗信息和预设随访信息中的所有非标准话用语均进行统一的标准化,从而能够进一步便于机器自动提取出患者治疗信息中的关键信息,从而能够将患者的治疗情况与随访条件进行精确、有效的匹配以自动生成对应的随访计划,有效避免了遗漏患者的情况,同时大大提高了生成的随访计划的精确性,保证了对患者治疗情况的有效跟踪,提高了对患者的治疗疗效。
请参见图3,在本发明实施例中,所述基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息,包括:
S31)对所述患者治疗信息和所述预设随访信息进行结构化处理,获得在所述患者治疗信息和所述预设随访信息中的至少一个信息类别;
S32)提取在每个所述信息类别下的至少一个信息实体以及与每个所述信息实体对应的实体属性;
S33)基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性;
S34)基于所述信息类别、所述处理后实体以及所述处理后实体属性生成所述结构化后治疗信息和所述结构化后随访信息。
在本发明实施例中,可以首先确定需要从患者治疗信息和预设随访信息中提取的信息种类,例如在本发明实施例中,需要从患者治疗信息中提取的信息种类包括但不限于患者个人信息、病历主诉、诊断情况以及既往病史等,然后可以通过预设的病历结构化工具对患者的治疗信息进行处理,从而首先从该治疗信息中获得至少一个信息类别,该信息类别包含于上述信息种类中。然后提取每个信息类别下的至少一个信息实体以及对应的实体属性,例如在本发明实施例中,某患者的诊断情况为胃癌晚期,时间为1年,因此在诊断情况的信息分类下,包括“名称”、“标签”、“时间”等实体,以及对应的实体属性分别为“胃癌晚期”、“阳性”“1年”,从而形成上述患者治疗信息的结构化治疗信息。
然后根据预设术语翻译资料对上述信息实体以及所述实体属性进行处理,从而获得处理后实体以及处理后实体属性。此时根据从患者治疗信息中提取的信息类别、处理后实体以及处理后实体属性生成结构化后治疗信息,以及根据从预设随访信息中提取的信息类别、处理后实体以及处理后实体属性生成结构化后随访信息。
在本发明实施例中,基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性,包括:依次将每个所述信息实体和所述实体属性与所述术语名称相匹配,获得对应的匹配术语;基于所述关联关系获得与所述匹配术语名称对应的匹配标准医学术语;基于所述匹配标准医学术语对对应的所述信息实体和所述实体属性进行归一化处理,获得所述处理后实体和所述处理后实体属性。
在一种可能的实施方式中,预设随访信息为“男,年龄60至80岁,腹痛,无发热”,因此对该预设随访信息进行结构化处理,例如首先获取到该预设随访信息中的信息类别包括姓名、年纪、症状等类别,并进一步在每个类别下提取出对应的信息实体和实体属性,例如在年纪类别下,信息实体包括最大年纪、单位(最大年纪)、最小年纪、单位(最小年纪),以及对应的实体属性为60、岁、80、岁,将上述信息实体和实体属性均与预设术语翻译资料中的术语名称进行匹配。例如在对某个预设随访信息进行匹配的过程中,待随访的疾病被写为“梅杰综合征”,通过在术语名称中查找后获得名称相同的匹配术语,此时根据预设术语翻译资料(例如参见附图2)获取到对应的匹配标准医学术语,例如该匹配标准医学术语为特发性口面运动障碍,此时将“梅杰综合征”替换为“特发性口面运动障碍”,从而实现预设随访信息中的相关信息实体的进一步处理,并获得最终的结构化后随访信息。
在本发明实施例中,通过预设的术语翻译资料对初步结构化后的患者治疗信息或预设随访信息进行进一步的归一化处理,从而将由各种撰写习惯撰写的患者治疗信息或预设随访信息转换为统一的、机器能够识别的标准信息,从而为后续的自动信息匹配以及自动生成随访计划提供了数据基础。
在本发明实施例中,所述结构化后治疗信息包括第一处理后实体和对应的第一处理后实体属性,所述结构化后随访信息包括第二处理后实体和对应的第二处理后实体属性,所述将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果,包括:依次将每个所述第一处理后实体和所述第一处理后实体属性与每个所述第二处理后实体和所述第二处理后实体属性进行匹配;判断每个所述第二处理后实体和所述第二处理后实体属性均存在相匹配的第一处理后实体和第一处理后实体属性;若是,则确定匹配成功;否则,确定匹配不成功。
在一种可能的实施方式中,在获取到结构化后治疗信息和结构化后随访信息后,将所有的结构化后治疗信息和结构化后随访信息进行匹配,例如在本发明实施例中,依次将结构化后治疗信息中的每个第一处理后实体和第一处理后实体属性与结构化后随访信息中的每个第二处理后实体和第二处理后实体属性进行直接匹配,以判断患者的患者治疗信息与预设随访信息完全匹配,若每个第二处理后实体和第二处理后实体属性与某个患者的第一处理后实体和第一处理后实体属性均匹配,则确定匹配成功,否则,即使存在任意一个随访条件与患者的第一处理后实体和第一处理后实体属性不匹配,均确认该患者与该预设随访信息不匹配,即确定匹配不成功。
在本发明实施例中,所述方法还包括:在匹配不成功的情况下,获取预设知识图谱;获取与所述第二处理后实体对应的第二信息类别;获取所述第二信息类别在所述预设知识图谱中在所述第二信息类别下的关联实体集;判断所述第一处理后实体和所述第一处理后实体属性与所述关联实体集是否匹配;若是,则确定匹配成功;否则,确定匹配不成功。
在一种可能的实施方式中,医生期望对服用阿司匹林的患者进行随访,因此在预设随访信息中包含“服用药物为阿司匹林”的信息,而在对某位患者进行匹配的过程中,该患者病历中仅记录了该患者的服用药物包括小儿氨酚匹林片,因此在进行直接匹配的过程中,首先生成了匹配不成功的匹配结果,显然将该患者遗漏了。因此为了解决上述技术问题,进一步获取预设知识图谱,此时根据预设随访信息中的第二处理后实体对应的第二信息类别(例如为服用药物),在该预设知识图谱中获取在服用药物类别下与阿司匹林相关的关联实体集,例如该关联实体集可以包括包含阿司匹林的所有药物名称,并进一步确定在小儿氨酚匹林片中包含阿司匹林,因此确定当前患者与该随访条件相匹配,即确定匹配成功。
进一步地,在本发明实施例中,所述方法还包括:在匹配不成功的情况下,获取所述第一处理后实体和所述第一处理后实体属性的至少一个第一相似信息,以及获取所述第二处理后实体和所述第二处理后实体属性的至少一个第二相似信息;依次判断每个所述第一相似信息是否与每个所述第二相似信息相匹配;在存在与所述第二相似信息相匹配的第一相似信息的情况下,确定匹配成功;否则,确定匹配不成功。
在另一种可能的实施方式中,若某患者的患者治疗信息中存在至少一个第一处理后实体或第一处理后实体属性与当前预设随访信息中的第二处理后实体或第二处理后实体属性不匹配,由于患者的患者治疗信息通过自然语言撰写形成,因此很可能因为不同表达或表达偏差而无法合理的匹配,例如医生想要随访患有“胃溃疡”的患者,即在预设随访信息中包含“胃溃疡”的实体属性,而在某患者的患者治疗信息中只写了“胃粘膜溃疡”,因此若仅进行直接匹配则无法精确地将该患者加入随访计划中。因此在本发明实施例中,可以相似度算法进一步按照预设的分别获取第一处理后实体或第一处理后实体属性的第一相似信息以及第二处理后实体或第二处理后实体属性的第二相似信息,例如在本发明实施例中,获取到“胃溃疡”对应的第二相似信息包括“胃粘膜溃疡”,因此确定匹配成功。
在本发明实施例中,通过在结构化的基础上,还针对自然语言的应用场景进行进一步的优化,对结构化后患者信息以及结构化后随访信息在匹配过程中,进一步根据知识图谱或相似度算法对患者治疗信息与随访信息进行进一步的匹配,从而进一步提高对患者与随访条件的匹配成功率,有效降低了因不同撰写方式或病情展现方式而对患者造成漏匹配而没有加入随访计划的情况,提高了自动随访计划的生成精确性,保证了对患者进行及时的跟踪访问和治疗,提高了疗效,提高了用户体验。
在本发明实施例中,所述基于所述匹配结果生成对应的随访计划,包括:获取匹配成功的结构化后治疗信息;在所述结构化后治疗信息中提取对应的患者信息;基于所述患者信息和所述预设随访信息生成所述随访计划。
在一种可能的实施方式中,在依次将每个患者的患者治疗信息与预设随访信息进行匹配后,筛选出部分患者与该预设随访信息相匹配,因此建立上述筛选出的每个患者与该预设随访信息之间的关联关系,并进一步生成对每个患者进行随访的随访计划,从而实现自动对患者生成随访计划,而不再需要医生手动添加,大大提高了医生的工作效率,避免了人为因素造成的疏忽或错误,提高了随访计划的制定的精确性。
下面结合附图对本发明实施例所提供的随访计划的自动生成装置进行说明。
请参见图4,基于同一发明构思,本发明实施例提供一种随访计划的自动生成装置,所述装置包括:第一获取单元,用于获取预设术语翻译资料;第二获取单元,用于获取患者治疗信息和预设随访信息;结构化处理单元,用于基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;匹配单元,用于将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;计划生成单元,用于基于所述匹配结果生成对应的随访计划。
在本发明实施例中,所述第一获取单元包括:第一获取模块,用于获取至少一个预设术语类别;第二获取模块,用于获取在每个所述预设术语类别下的术语名称以及标准医学术语;关联关系建立模块,用于建立所述术语名称与对应的所述标准医学术语之间的关联关系;资料上传模块,用于基于所述预设术语类别、所述术语名称、所述标准医学术语以及所述关联关系生成所述预设术语翻译资料。
在本发明实施例中,所述结构化处理单元包括:结构化处理模块,用于对所述患者治疗信息和所述预设随访信息进行结构化处理,获得在所述患者治疗信息和所述预设随访信息中的至少一个信息类别;提取模块,用于提取在每个所述信息类别下的至少一个信息实体以及与每个所述信息实体对应的实体属性;处理模块,用于基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性;信息生成模块,用于基于所述信息类别、所述处理后实体以及所述处理后实体属性生成所述结构化后治疗信息和所述结构化后随访信息。
在本发明实施例中,所述基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性,包括:依次将每个所述信息实体和所述实体属性与所述术语名称相匹配,获得对应的匹配术语;基于所述关联关系获得与所述匹配术语名称对应的匹配标准医学术语;基于所述匹配标准医学术语对对应的所述信息实体和所述实体属性进行归一化处理,获得所述处理后实体和所述处理后实体属性。
在本发明实施例中,所述结构化后治疗信息包括第一处理后实体和对应的第一处理后实体属性,所述结构化后随访信息包括第二处理后实体和对应的第二处理后实体属性,所述将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果,包括:依次将每个所述第一处理后实体和所述第一处理后实体属性与每个所述第二处理后实体和所述第二处理后实体属性进行匹配;判断每个所述第二处理后实体和所述第二处理后实体属性均存在相匹配的第一处理后实体和第一处理后实体属性;若是,则确定匹配成功;否则,确定匹配不成功。
在本发明实施例中,所述装置还包括第一再处理单元,所述第一再处理单元用于:在匹配不成功的情况下,获取预设知识图谱;获取与所述第二处理后实体对应的第二信息类别;获取所述第二信息类别在所述预设知识图谱中在所述第二信息类别下的关联实体集;判断所述第一处理后实体和所述第一处理后实体属性与所述关联实体集是否匹配;若是,则确定匹配成功;否则,确定匹配不成功。
在本发明实施例中,所述装置还包括第二再处理单元,所述第二再处理单元用于:在匹配不成功的情况下,获取所述第一处理后实体和所述第一处理后实体属性的至少一个第一相似信息,以及获取所述第二处理后实体和所述第二处理后实体属性的至少一个第二相似信息;依次判断每个所述第一相似信息是否与每个所述第二相似信息相匹配;在存在与所述第二相似信息相匹配的第一相似信息的情况下,确定匹配成功;否则,确定匹配不成功。
在本发明实施例中,所述计划生成单元包括:第三获取模块,用于获取匹配成功的结构化后治疗信息;患者提取模块,用于在所述结构化后治疗信息中提取对应的患者信息;随访计划生成模块,用于基于所述患者信息和所述预设随访信息生成所述随访计划。
进一步地,本发明实施例还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本发明实施例所述的方法。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (17)
1.一种随访计划的自动生成方法,其特征在于,所述方法包括:
获取预设术语翻译资料;
获取患者治疗信息和预设随访信息;
基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;
将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;
基于所述匹配结果生成对应的随访计划。
2.根据权利要求1所述的方法,其特征在于,所述获取预设术语翻译资料,包括:
获取至少一个预设术语类别;
获取在每个所述预设术语类别下的术语名称以及标准医学术语;
建立所述术语名称与对应的所述标准医学术语之间的关联关系;
基于所述预设术语类别、所述术语名称、所述标准医学术语以及所述关联关系生成所述预设术语翻译资料。
3.根据权利要求2所述的方法,其特征在于,所述基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息,包括:
对所述患者治疗信息和所述预设随访信息进行结构化处理,获得在所述患者治疗信息和所述预设随访信息中的至少一个信息类别;
提取在每个所述信息类别下的至少一个信息实体以及与每个所述信息实体对应的实体属性;
基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性;
基于所述信息类别、所述处理后实体以及所述处理后实体属性生成所述结构化后治疗信息和所述结构化后随访信息。
4.根据权利要求3所述的方法,其特征在于,所述基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性,包括:
依次将每个所述信息实体和所述实体属性与所述术语名称相匹配,获得对应的匹配术语;
基于所述关联关系获得与所述匹配术语名称对应的匹配标准医学术语;
基于所述匹配标准医学术语对对应的所述信息实体和所述实体属性进行归一化处理,获得所述处理后实体和所述处理后实体属性。
5.根据权利要求3所述的方法,其特征在于,所述结构化后治疗信息包括第一处理后实体和对应的第一处理后实体属性,所述结构化后随访信息包括第二处理后实体和对应的第二处理后实体属性,所述将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果,包括:
依次将每个所述第一处理后实体和所述第一处理后实体属性与每个所述第二处理后实体和所述第二处理后实体属性进行匹配;
判断每个所述第二处理后实体和所述第二处理后实体属性均存在相匹配的第一处理后实体和第一处理后实体属性;
若是,则确定匹配成功;
否则,确定匹配不成功。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在匹配不成功的情况下,获取预设知识图谱;
获取与所述第二处理后实体对应的第二信息类别;
获取所述第二信息类别在所述预设知识图谱中在所述第二信息类别下的关联实体集;
判断所述第一处理后实体和所述第一处理后实体属性与所述关联实体集是否匹配;
若是,则确定匹配成功;
否则,确定匹配不成功。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在匹配不成功的情况下,获取所述第一处理后实体和所述第一处理后实体属性的至少一个第一相似信息,以及获取所述第二处理后实体和所述第二处理后实体属性的至少一个第二相似信息;
依次判断每个所述第一相似信息是否与每个所述第二相似信息相匹配;
在存在与所述第二相似信息相匹配的第一相似信息的情况下,确定匹配成功;
否则,确定匹配不成功。
8.根据权利要求5-7中任一权利要求所述的方法,其特征在于,所述基于所述匹配结果生成对应的随访计划,包括:
获取匹配成功的结构化后治疗信息;
在所述结构化后治疗信息中提取对应的患者信息;
基于所述患者信息和所述预设随访信息生成所述随访计划。
9.一种随访计划的自动生成装置,其特征在于,所述装置包括:
第一获取单元,用于获取预设术语翻译资料;
第二获取单元,用于获取患者治疗信息和预设随访信息;
结构化处理单元,用于基于所述预设术语翻译资料对所述患者治疗信息和所述预设随访信息执行结构化处理,获得结构化后治疗信息和结构化后随访信息;
匹配单元,用于将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果;
计划生成单元,用于基于所述匹配结果生成对应的随访计划。
10.根据权利要求9所述的装置,其特征在于,所述第一获取单元包括:
第一获取模块,用于获取至少一个预设术语类别;
第二获取模块,用于获取在每个所述预设术语类别下的术语名称以及标准医学术语;
关联关系建立模块,用于建立所述术语名称与对应的所述标准医学术语之间的关联关系;
资料上传模块,用于基于所述预设术语类别、所述术语名称、所述标准医学术语以及所述关联关系生成所述预设术语翻译资料。
11.根据权利要求10所述的装置,其特征在于,所述结构化处理单元包括:
结构化处理模块,用于对所述患者治疗信息和所述预设随访信息进行结构化处理,获得在所述患者治疗信息和所述预设随访信息中的至少一个信息类别;
提取模块,用于提取在每个所述信息类别下的至少一个信息实体以及与每个所述信息实体对应的实体属性;
处理模块,用于基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性;
信息生成模块,用于基于所述信息类别、所述处理后实体以及所述处理后实体属性生成所述结构化后治疗信息和所述结构化后随访信息。
12.根据权利要求11所述的装置,其特征在于,所述基于所述预设术语翻译资料对所述信息实体以及所述实体属性进行处理,获得处理后实体以及处理后实体属性,包括:
依次将每个所述信息实体和所述实体属性与所述术语名称相匹配,获得对应的匹配术语;
基于所述关联关系获得与所述匹配术语名称对应的匹配标准医学术语;
基于所述匹配标准医学术语对对应的所述信息实体和所述实体属性进行归一化处理,获得所述处理后实体和所述处理后实体属性。
13.根据权利要求11所述的装置,其特征在于,所述结构化后治疗信息包括第一处理后实体和对应的第一处理后实体属性,所述结构化后随访信息包括第二处理后实体和对应的第二处理后实体属性,所述将所述结构化后治疗信息和所述结构化后随访信息进行匹配,获得匹配结果,包括:
依次将每个所述第一处理后实体和所述第一处理后实体属性与每个所述第二处理后实体和所述第二处理后实体属性进行匹配;
判断每个所述第二处理后实体和所述第二处理后实体属性均存在相匹配的第一处理后实体和第一处理后实体属性;
若是,则确定匹配成功;
否则,确定匹配不成功。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括第一再处理单元,所述第一再处理单元用于:
在匹配不成功的情况下,获取预设知识图谱;
获取与所述第二处理后实体对应的第二信息类别;
获取所述第二信息类别在所述预设知识图谱中在所述第二信息类别下的关联实体集;
判断所述第一处理后实体和所述第一处理后实体属性与所述关联实体集是否匹配;
若是,则确定匹配成功;
否则,确定匹配不成功。
15.根据权利要求13所述的装置,其特征在于,所述装置还包括第二再处理单元,所述第二再处理单元用于:
在匹配不成功的情况下,获取所述第一处理后实体和所述第一处理后实体属性的至少一个第一相似信息,以及获取所述第二处理后实体和所述第二处理后实体属性的至少一个第二相似信息;
依次判断每个所述第一相似信息是否与每个所述第二相似信息相匹配;
在存在与所述第二相似信息相匹配的第一相似信息的情况下,确定匹配成功;
否则,确定匹配不成功。
16.根据权利要求13-15中任一权利要求所述的装置,其特征在于,所述计划生成单元包括:
第三获取模块,用于获取匹配成功的结构化后治疗信息;
患者提取模块,用于在所述结构化后治疗信息中提取对应的患者信息;
随访计划生成模块,用于基于所述患者信息和所述预设随访信息生成所述随访计划。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-8中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011439460.6A CN113380424A (zh) | 2020-12-07 | 2020-12-07 | 随访计划的自动生成方法、自动生成装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011439460.6A CN113380424A (zh) | 2020-12-07 | 2020-12-07 | 随访计划的自动生成方法、自动生成装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113380424A true CN113380424A (zh) | 2021-09-10 |
Family
ID=77569506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011439460.6A Pending CN113380424A (zh) | 2020-12-07 | 2020-12-07 | 随访计划的自动生成方法、自动生成装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380424A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117059220A (zh) * | 2023-09-15 | 2023-11-14 | 北京遥领医疗科技有限公司 | 一种患者随访方法、随访系统及随访装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648808A (zh) * | 2018-03-23 | 2018-10-12 | 深圳百诺国际生命科技有限公司 | 随访计划实例生成方法和装置 |
CN110610751A (zh) * | 2019-09-09 | 2019-12-24 | 北京左医科技有限公司 | 一种电子病历录入系统及方法 |
CN110705214A (zh) * | 2019-08-27 | 2020-01-17 | 天津开心生活科技有限公司 | 一种自动编码方法及装置 |
CN111048167A (zh) * | 2019-10-31 | 2020-04-21 | 中电药明数据科技(成都)有限公司 | 一种层级式病例结构化方法及系统 |
CN111210883A (zh) * | 2019-12-24 | 2020-05-29 | 深圳市联影医疗数据服务有限公司 | 生成脑肿瘤患者随访数据的方法、系统、装置及存储介质 |
-
2020
- 2020-12-07 CN CN202011439460.6A patent/CN113380424A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648808A (zh) * | 2018-03-23 | 2018-10-12 | 深圳百诺国际生命科技有限公司 | 随访计划实例生成方法和装置 |
CN110705214A (zh) * | 2019-08-27 | 2020-01-17 | 天津开心生活科技有限公司 | 一种自动编码方法及装置 |
CN110610751A (zh) * | 2019-09-09 | 2019-12-24 | 北京左医科技有限公司 | 一种电子病历录入系统及方法 |
CN111048167A (zh) * | 2019-10-31 | 2020-04-21 | 中电药明数据科技(成都)有限公司 | 一种层级式病例结构化方法及系统 |
CN111210883A (zh) * | 2019-12-24 | 2020-05-29 | 深圳市联影医疗数据服务有限公司 | 生成脑肿瘤患者随访数据的方法、系统、装置及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117059220A (zh) * | 2023-09-15 | 2023-11-14 | 北京遥领医疗科技有限公司 | 一种患者随访方法、随访系统及随访装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887596A (zh) | 基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备 | |
US20170017930A1 (en) | System and method for scheduling healthcare follow-up appointments based on written recommendations | |
JP6612752B2 (ja) | 放射線画像診断レポート内の欠いている経時的変化情報を決定するシステム及び方法 | |
WO2019225678A1 (ja) | 被験者候補抽出方法および被験者候補抽出システム | |
WO2021151302A1 (zh) | 基于机器学习的药品质控分析方法、装置、设备及介质 | |
CN109256206A (zh) | 问诊数据处理方法、装置、计算机设备和存储介质 | |
CN108492885B (zh) | 检查工作流推荐方法、装置及终端 | |
Zhou et al. | SkinGPT-4: an interactive dermatology diagnostic system with visual large language model | |
CN113380424A (zh) | 随访计划的自动生成方法、自动生成装置及存储介质 | |
CN113064960A (zh) | 一种精确搜索与患者病情相似病例的方法 | |
CN108154914B (zh) | 一种准确匿名化存储和检索医疗图像的方法 | |
CN109616165A (zh) | 医疗信息展示方法及装置 | |
CN106844325B (zh) | 医疗信息处理方法和医疗信息处理装置 | |
CN112309579A (zh) | 推荐治疗方案的方法、装置、电子设备及存储介质 | |
US20230170100A1 (en) | Medical data processing method and system | |
CN115458138A (zh) | 一种dip预分组推荐方法、装置、设备和存储介质 | |
JP2016224793A (ja) | 医用診断支援システム、医用情報表示装置、医用情報管理装置及び医用画像処理プログラム | |
CN115691742A (zh) | 一种电子病历质控方法、系统、存储介质及设备 | |
RU2701702C2 (ru) | Система и способ единообразного сопоставления неструктурированных записанных признаков сo связанными терапевтическими признаками | |
CN113409932A (zh) | 分诊方法、装置、计算机设备及存储介质 | |
CN104318500A (zh) | 一种医疗影像工作站 | |
CN114639456A (zh) | 医学审评的生成方法、装置、计算机设备和存储介质 | |
CN113870973A (zh) | 基于人工智能的信息输出方法、装置、计算机设备及介质 | |
CN113553840A (zh) | 一种文本信息处理方法、装置、设备及存储介质 | |
US20160371457A1 (en) | System and Method for Data Analyzing of Health-Related Data |
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: 20210910 |