CN114694847A - 数据处理方法、设备、介质和程序产品 - Google Patents

Abstract

本公开的实施例涉及数据处理方法、设备、介质和程序产品。根据各种实施例，基于从患者的目标医学文件的目标区域提取的医学相关信息，向针对患者的第一医学数据表的第一数据字段填充第一数据；存储链接信息，链接信息指示第一医学数据表的第一数据字段被链接到目标医学文件的目标区域；以及如果确定针对患者的第二医学数据表的第二数据字段与第一数据字段相匹配，基于链接信息，利用目标医学文件来向第二数据字段填充第二数据。通过这个方案，可以避免对患者的全部医学文件筛查和对特定医学文件的重复信息处理和分析工作。

Description

数据处理方法、设备、介质和程序产品

技术领域

本公开的实施例总体上涉及医学数据处理，并且更具体地，涉及数据处理方法、设备、计算机可读介质和计算机程序产品。

背景技术

出于医疗、科研、教学等的需要，会从患者的医学文件采集相关数据用于形成医学数据表。例如，为了研究某种治疗手段的临床治疗效果，可能需要收集应用该治疗手段的大量患者的相关数据，用于填充病例报告单(CRF)。针对每个患者，可以基于其医学文件来构建对应的CRF。通过对医学数据表中的数据进行分析，可以得出关于临床治疗效果的结论。由于患者的医学文件数量比较多，并且很多原始医学文件可能是硬拷贝形式，针对医学数据表的数据采集过程往往比较耗时耗力。期望能够提供更高效的数据采集方案。

发明内容

根据本公开的实施例，提供一种用于数据处理的方案。

在本公开的第一方面，提供了一种数据处理方法。该方法包括：基于从患者的目标医学文件的目标区域提取的医学相关信息，向针对患者的第一医学数据表的第一数据字段填充第一数据；存储链接信息，链接信息指示第一医学数据表的第一数据字段被链接到目标医学文件的目标区域；以及如果确定针对患者的第二医学数据表的第二数据字段与第一数据字段相匹配，基于链接信息，利用目标医学文件来向第二数据字段填充第二数据。

根据一些可选实施例，向第二数据字段填充第二数据包括：基于链接信息，从目标医学文件确定被链接到第一数据字段的目标区域；以及基于在目标区域中呈现的医学相关信息来向第二数据字段填充第二数据。

根据一些可选实施例，基于在目标区域中呈现的医学相关信息来向第二数据字段填充第二数据包括：基于从目标区域提取的医学相关信息确定要向第二数据字段填充的第二数据；向用户呈现第二数据和目标医学文件，目标医学文件的目标区域被高亮显示；以及如果接收到用户对第二数据的确认，向第二数据字段填充第二数据。

根据一些可选实施例，该方法还包括：响应于对第一医学数据表的呈现的请求，基于链接信息，将目标医学文件与第一医学数据表相关联地呈现，目标医学文件的目标区域和第一医学数据表的第一数据字段被高亮显示。

根据一些可选实施例，该方法还包括：存储另外的链接信息，另外的链接信息指示第二医学数据表的第二数据字段被链接到目标医学文件的目标区域。

根据一些可选实施例，该方法还包括：确定用于第一医学数据表的模板，模板指定在第一医学数据表中包括的多个数据字段，多个数据字段包括目标数据字段；以及基于目标数据字段的定义，从目标医学文件的目标区域提取医学相关信息。

根据一些可选实施例，患者具有相关联的多个医学文件，方法还包括：确定多个医学文件在多个类别之中的分类结果；以及基于分类结果从多个医学文件标识目标医学文件用于填充第一医学数据表的第一数据字段。

根据一些可选实施例，第一医学数据表和第二医学数据表包括病例报告表(CRF)。

在本公开的第二方面，提供了一种电子设备。该设备包括：处理单元；以及存储器，耦合至处理单元并且包含存储于其上的指令。指令在由处理单元执行时使设备执行动作。动作包括：基于从患者的目标医学文件的目标区域提取的医学相关信息，向针对患者的第一医学数据表的第一数据字段填充第一数据；存储链接信息，链接信息指示第一医学数据表的第一数据字段被链接到目标医学文件的目标区域；以及如果确定针对患者的第二医学数据表的第二数据字段与第一数据字段相匹配，基于链接信息，利用目标医学文件来向第二数据字段填充第二数据。

根据一些可选实施例，该电子设备还可以执行根据第一方面的方法的各种实施例。

在本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现根据第一方面的方法的各种实施例。

在本公开的第四方面，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现根据第一方面的方法的各种实施例。

附图说明

通过参考附图阅读下文的详细描述，本公开的上述以及其他目的、结构和特征将更加清楚。在附图中，以示例性而非限制性的方式示出了本公开的若干实施例，其中：

图1示出了根据本公开的一些实施例的用于实现医学数据处理的环境的示意图；

图2示出了根据本公开的一些实施例的医学数据表与医学文件的连接的示例；

图3示出了根据本公开的一些实施例的医学数据表与医学文件的连接的另一示例；

图4示出了根据本公开的一些实施例的数据处理过程的流程图；以及

图5示出了适于实现本公开的实施例的电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上文简述，针对医学数据表的数据采集过程往往比较耗时耗力。特别地，对于硬拷贝的医学文件，需要通过扫描得到对应的数字化图像，对数字化图像执行光学字符识别(OCR)以提取文本信息，并且通过语义分析和/或图像分析等过程来定位和提取需要的医学相关信息。对于信息可直接读取的数字文件，也需要执行语义分析和图像分析等过程。

举例而言，假设医学数据表的一个数据字段要求填充患者的胰腺肿瘤大小。首先可以从患者的大量医学文件确定出涉及胰腺肿瘤大小的医学文件可能是患者的影像学检查报告。然后，从影像学检查报告提取文本信息(如果报告是扫描得到的数字化图像则要执行OCR来提取)，对文本信息执行语义分析，以定位描述胰腺肿瘤大小的句子，再从该句子中提取关于胰腺肿瘤大小的信息。

通常，针对每次分析所采集的医学数据表中所关注的具体信息是由医生、医学研究者等根据需要定义的。在填充每个医学数据表时，可能只提取患者的医学文件中的部分信息，其他不关注的信息将被忽略。当前的数据采集过程是一次性的。也就是说，每次通过复杂采集过程获得需要的医学数据表后，对患者的医学文件的信息提取过程不能被重复利用，并且也难以对所生成的医学数据表中呈现的数据进行溯源。如果要根据患者的医学文件来构建其他医学数据表，可能还需要重新访问原始医学文件，重新执行信息提取，以提取本次关注的信息。这导致时间和人力成本开销较大。

根据本公开的实施例，提出了一种改进的用于医学数据处理的方案。根据该方案中，在利用患者的医学文件来填充一个医学数据表的数据字段后，存储链接信息以该数据字段与医学文件中用于填充该字段的医学相关信息所来源的目标区域。在建立另一医学数据表时，如果确定另一医学数据表的某个数据字段与先前建立的医学数据表中的数据字段匹配，基于链接信息，查找到对应的医学文件来填充另一医学数据表的数据字段。

在上述方案中，通过构建链接信息来将医学数据表与用于构建该数据表的医学文件进行链接，这样的链接信息在后续医学数据表的生成过程中有助于快速定位到要使用的医学文件，甚至是定位医学文件中的特定区域。这可以避免对患者的全部医学文件筛查和对特定医学文件的重复信息处理和分析工作。整个方案能够有效提高医学数据表的数据采集效率，降低时间和人力开销。

图1示出了根据本公开的一些实施例的用于实现医学数据处理的环境100的示意图。应当理解，图1示出的实体、元素和模块的数目和布置仅是示例，环境100中可以包括不同数目和不同布置方式的实体、元素和模块。

在图1的环境100中，数据处理系统110被配置为对患者102的一个或多个医学文件104-1、104-2、……104-N(其中N为大于等于1的整数)进行自动分析和数据采集，以生成一个或多个医学数据表，例如医学数据表112、114。为便于讨论，在下文中医学文件104-1、104-2、……104-N被统称为或单独称为医学文件104。

在本文中，医学文件指的是在患者的诊疗过程中生成的包含各类医学相关信息的记录。医学文件的示例包括但不限于患者的医学胶片(诸如各类放射学检查胶片)、医学检查报告、实验室检查报告(诸如各类体液检查结果)、手术记录单等。

在一些实施例中，患者102的一个或多个医学文件104可以原始的电子医学文件，例如是从患者102的电子病历获取的文本文件和图像文件。在一些实施例中，患者102的一个或多个医学文件104可以是从硬拷贝的医学文件扫描得到的数字化图像。例如，患者102可能具有打印的放射学胶片，纸质的医学检查报告等。为对这些硬拷贝的医学文件进行分析和记录，可以通过扫描的手段获得对应的数字化图像。

在本文中，医学数据表指的是出于医疗、科研、教学等的需要，从患者的医学文件采集和/或分析得到的数据的聚合表。这样的数据采集可以是患者许可的。医学数据表的典型示例是用于疾病诊断或治疗手段研究等目的的病例报告表(CRF)。医学数据表还可以包括贴源医学数据表或衍生医学数据表，其中贴源医学数据表中的数据是从患者的医学文件直接采集到，或者衍生医学数据表中的数据是从医学文件采集到的医学相关信息或者是从贴源医学数据表所包括的数据推导出的。应当理解，医学数据表还可以是医院、医生或其他组织等出于医学分析、针对患者的疾病诊断和治疗等各种目的而需要采集的医学数据表。这样的医学数据表所需要的数据可能无法由单个医学文件直观呈现，因此需要通过处理医学文件来获得。

医学数据表可以包括多个数据字段(也称为数据单元)。每个数据字段指示要填充的数据的名称。例如，医学数据表的数据字段包括“甲胎蛋白的值”，以指示要从患者的医学文件采集关于甲胎蛋白的实验室检查结果。医学数据表的数据字段例如还可以包括“胰腺肿瘤的大小”，“有无PCI手术”、“上一次PCI手术的时间”等。当然这些仅是示例数据字段。具体数据字段可以根据需要来定义。

医学数据表的生成可能需要从患者的一个或多个医学文件中采集部分信息或全部信息。例如，为了研究某种治疗手段的临床治疗效果，医学数据表可能需要采集患者的基本信息、病历、一些特定医学检查的检查结果、患者对特定治疗手段的反映的注释，等等。

通常，为了达到统计学意义，可能需要针对许多患者，例如罹患相同疾病的患者，分别采集各自的医学数据表用于分析。针对每个患者，医学数据表中要填充的数据类型可能是相同的。因此，虽然图1仅示出了单个患者，但不同患者的医学文件可以被提供给数据处理系统110用于生成针对各个患者的医学数据表。下文的实施例中以生成针对患者102的医学数据表为例进行说明，针对其他患者的医学数据表均可以类似生成。

根据本公开的实施例，数据处理系统110被配置为基于患者102的一个或多个医学文件104中的医学相关信息来向针对患者102的医学数据表112的数据字段填充数据。

在一些实施例中，医学数据表112中要填充的数据字段可以由医生或医学研究者等手动定义。例如，医生或医学研究者可以根据需要定义要采集的数据字段。在一些实施例中，可以预先定义针对医学数据表的一个或多个模板，例如模板106-1、106-2、……106-M(其中M为大于等于1的整数)。为便于讨论，模板106-1、106-2、……106-M统称为或单独称为模板106。每个模板106指定医学数据表中包括的多个数据字段。

每个模板106可以是针对某个疾病研究或某个医学研究方向等生成的。可以基于已有的大量医学数据表进行分析和学习来确定适合用于该疾病研究或医学研究方向的数据字段。在一些实施例中，一个或多个模板106可以是医生或医学研究者自定义的，或者可以是对自动生成的模板所指定的数据字段进行手动修改后得到。

在要生成针对患者102的医学数据表112时，所使用的模板106可以是用户(例如，医生或医学研究者)指定的。或者，可以基于患者102的医学相关信息，例如患者102罹患的疾病等，自动推荐要使用模板106。

在确定医学数据表112中所包括的数据字段后，要从患者102的医学文件104中确定能够用于填充数据字段的医学相关信息。通常，患者102的医学文件104的数目和类型较多，例如包含医学胶片、医学检查报告、实验室检查报告等。在一些实施例中，如果医学文件104包含文本形式的医学相关信息，数据处理系统110可以通过语义分析来确定医学文件104中的哪些医学相关信息可以用于帮助填充医学数据表112的一个或多个数据字段。在一些实施例中，如果医学文件104是图像文件格式，例如是医学胶片或者通过扫描得到的数字化图像，数据处理系统110还需要通过文本提取技术，例如通过OCR来提取医学文件104所呈现的文本形式的医学相关信息用于分析。对于如何从医学文件104确定能够用于填充医学数据表的过程将在下文中详细描述。

在一些情况下，数据处理系统110可能需要通过复杂的分析过程才能够从患者102的医学文件104标识某个医学文件104，确定该医学文件104中的特定区域所呈现的医学相关信息能够用于帮助填充医学数据表112的某个数据字段。在一些实施例中，可能还会要求医生或医学研究者对要填充到某个数据字段的数据进行确认，以确保准确性。

如果确定患者102的某个医学文件104(称为“目标医学文件”)的某个区域(称为目标区域)中的医学相关信息能够用于帮助填充医学数据表112的一个数据字段，数据处理系统110从该目标区域提取医学相关信息，并且基于所提取的医学相关信息来向医学数据表112的对应数据字段填充数据。例如，如果医学数据表112的一个数据字段要填充“甲胎蛋白的值”，数据处理系统110可以从患者102的血液检查报告中确定呈现“甲胎蛋白”的检测值，并提取检测值来确定。除了文本信息之外，所提取的医学相关信息还可以是图像信息，例如医学胶片的图像。

在一些实施例中，所提取的医学相关信息可以被直接填充到医学数据表112的数据字段中。在一些实施例中，所提取的医学相关信息可以用于进一步确定被填充到医学数据表112的数据字段的数据。例如，医学数据表112的数据字段可能收集患者102的胰腺肿瘤大小是否大于2厘米，而患者102的医学检查报告中包括描述“肿瘤直径为2.5厘米”的句子。通过定位该句子，可以确定向医学数据表112的对应数据字段填充数据“是”，以指示胰腺肿瘤大小大于2厘米。在一些实施例中，对于医学数据表112的某个数据字段，可能需要从一个或多个医学文件104的多个分离区域中的文本信息和/或图像信息来确定要填充的数据。

考虑到医学数据表填充的复杂性，根据本公开的实施例，在基于从目标医学文件104的目标区域提取医学相关信息向医学数据表112的数据字段填充数据后，数据处理系统110还建立医学数据表112的数据字段与目标医学文件104的目标区域的链接。

具体地，数据处理系统110存储链接信息122，该链接信息122指示医学数据表112的特定数据字段被链接到目标医学文件104的目标区域。链接信息122可以标识医学数据表112的特定数据字段，例如通过该数据字段的名称来标识，并且还标识该数据字段所链接到的医学文件104的目标区域，例如通过目标区域在医学文件104中的相对位置来标识。

在一些实施例中，对于医学数据表112中被填充数据的多个数据字段，均可以由对应的链接信息122来指示每个数据字段被链接到医学文件104的相应区域。在一些实施例中，不同数据字段可以基于来自不同医学文件104的医学相关信息，因此可以被链接到不同医学文件104的对应区域中。

图2示出了医学数据表的数据字段与医学文件的相应区域的连接。如图2所示，医学数据表112的“数据字段1”被填充数据“Aaa”是基于医学文件104-1中的区域202所提取的医学相关信息来确定的；“数据字段2”被填充的数据“Bbb”是基于医学文件104-1中的区域204所提取的医学相关信息来确定的；“数据字段P”被填充的数据“Xxx”是基于另一医学文件104-2中的区域206和208所提取的医学相关信息来确定的。在填充医学数据表112的多个数据字段的数据后，数据处理系统110还存储链接信息以指示各个数据字段与对应医学文件104的区域之间的链接，在图2中由链接各个数据字段和区域的虚线连线表示。

在一些实施例中，数据处理系统110可以将链接信息122存储在数据存储120是任何适当的数据存储系统，例如服务器、数据管理中心、文件系统等。在一些实施例中，数据处理系统110还可以将完成的医学数据表112和/或医学文件114存储在数据存储系统120中。应理解，医学数据表112和/或医学文件114也可以被存储在其他数据存储系统中。

出于应用需要，例如要发起一项新的医学研究，可能需要继续采集患者102的医学相关信息用于生成针对该患者102的另一医学数据表114。例如，医学数据表114可以是用于疾病诊断或治疗手段研究等目的的CRF。医学数据表114可以包括多个数据字段。

医学数据表114的一些数据字段可以与医学数据表112中的数据字段相同或相似，一些数据字段可以与医学数据表112中的数据字段不同。在一些实施例中，医学数据表114可以由医生或医学研究者等手动定义，或者可以基于从预定的多个模板106选择的模板来确定。在一些实施例中，医学数据表114可以基于与医学数据表112相同或不同的模板106来确定。

在填充医学数据表114中的数据字段时，数据处理系统110确定针对相同患者102，已经对其医学文件104执行分析并且完成了医学数据表112。数据处理系统110借助与医学数据表112相关联的链接信息122来生成医学数据表114。具体地，数据处理系统110确定医学数据表114的一个或多个数据字段是否与医学数据表112的一个或多个数据字段相匹配。在这里，两个数据字段的匹配可以通过数据字段的名称来判断。例如，可以通过对数据字段的名称的语义分析来确定两个数据字段是否具有相同或相似语义。

在一些实施例中，如果医学数据表114和医学数据表112中的两个数据字段具有相同或类似的名称，可以确定这两个数据字段相匹配。例如，如果两个数据字段均指示“甲胎蛋白的值”，可以认为这两个数据字段相匹配。又例如，如果医学数据表114中的数据字段指示“胰腺肿瘤大小”，而医学数据表112中的数据字段指示“胰腺肿瘤是否大约2cm”，那么也可以确定这两个数据字段相匹配。

如果确定医学数据表114的某个数据字段与医学数据表112的一个数据字段相匹配，数据处理系统110可以从数据存储系统120访问链接信息122。数据处理系统110基于链接信息122，利用与链接信息所指示的目标医学文件104来向医学数据表114的那个数据字段填充数据。数据处理系统110可以基于链接信息122，从患者102的多个医学文件104快速标识目标医学文件。进一步地，数据处理系统110还可以基于链接信息122，从目标医学文件104确定被链接到医学数据表112的对应数据字段的目标区域。数据处理系统110可以基于医学数据表112的这个数据字段中呈现的医学相关信息来向医学数据表114的数据字段填充数据。

借助链接信息122，数据处理系统110可以很容易地从患者102的医学文件104中标识出有助于填充新的医学数据表的医学文件，甚至是医学文件的更小区域范围。如图2的示例所示，要填充医学数据表114时，数据处理系统110可以确定医学数据表114的数据字段1与医学数据表112的数据字段1相匹配。在这种情况下，数据处理系统110可以基于链接信息122，标识出医学文件104-1中的区域202，并确定可以基于区域202所呈现的医学相关信息来向医学数据表114的数据字段1填充数据。类似地，数据处理系统110还可以确定医学数据表114的数据字段P与医学数据表112的数据字段P相匹配，并且基于链接信息122快速确定医学文件104-2的目标区域206和208中呈现的医学相关信息可以用于帮助填充医学数据表114的数据字段P。

对于医学数据表114中无法匹配到医学数据表112的数据字段，数据处理系统110可以利用与医学数据表112的数据填充类似的方式，通过分析患者102的医学文件104来向那些数据字段填充数据。例如，在图2中，数据处理系统110通过分析，可以基于医学文件104的区域210中呈现的医学相关信息来向医学数据表114的数据字段Q填充数据(例如，“Zxx”)。

链接信息122的建立和存储提供了对医学数据表112中已采集到的数据进行追溯的可能性。虽然可以在两个医学数据表112和114具有完全相同数据字段时，将医学数据表112的数据字段中已填充的数据直接复制到医学数据表114中，但这可能会导致医学数据表112中的错误信息提取或错误分析被迁移到新的医学数据表114中。相比于将医学数据表112的数据字段中填充的数据直接复制到医学数据表114中，通过访问原始的目标医学文件，可以更好地确保向新的医学数据表114的准确度和可靠性。

此外，通过访问原始的医学文件104而不是仅利用医学数据表112，还可以更容易地帮助查找医学数据表114中与医学数据表112相似但不完全一样的数据字段。例如，如果医学数据表114中的数据字段要求采集“胰腺肿瘤大小”，而医学数据表112中的数据字段“胰腺肿瘤是否大约2cm”中仅表示胰腺肿瘤大于2cm或小于2cm的信息，而没有记录具体肿瘤大小。在这种情况下，无法将医学数据表112的这个数据字段的数据直接复制到医学数据表114的匹配数据字段中。借助链接信息122，数据处理系统110可以快速标识出目标医学文件104的对应目标区域，并从中执行信息提取，例如从描述胰腺肿瘤大小的句子中提取关于肿瘤大小的具体取值。

在一些实施例中，针对医学数据表114的某个数据字段，如果数据处理系统110通过医学数据表112和链接信息122确定从某个目标医学文件104的目标区域中提取医学相关信息，数据处理系统110可以从该目标区域提取医学相关信息，并基于从目标区域提取的医学相关信息确定要向医学数据表114的数据字段填充的数据。在一些实施例中，如果医学数据表114和医学数据表112中的两个数据字段完全相同，数据处理系统110可以将医学数据表112的数据字段中填充的数据复制到医学数据表114。

在一些实施例中，数据处理系统110可以向用户(例如，医生或医学研究者)呈现要向医学数据表114填充的数据和用于确定该数据的目标医学文件104，其中目标医学文件104的目标区域被高亮显示。这样，用户可以快速确定要填充的数据是否准确。如果接收到用户对数据的确认，数据处理系统110向医学数据表114的对应数据字段填充所确定的数据。

除用于帮助准确和高效填充医学数据表114之外，链接信息122还能够在需要的情况下对医学数据表112中已填充的数据的准确性进行再次确认。例如，由于研究需要或者由于监管部门的检查要求等，可能要核查医学数据表112中的某个或某些数据字段中的数据的准确性。

在一些实施例中，如果接收到对医学数据表112的呈现的请求，数据处理系统110可以不仅呈现医学数据表112，还可以将与医学数据表112的一个或多个数据字段所链接到的医学文件104相关联地呈现。医学数据表112和医学文件104可以经由显示系统来呈现给用户。在一些示例中，数据处理系统110还可以将医学文件104中被链接的目标区域与医学数据表112的对应数据字段均高亮显示。

例如，在图2的示例中，医学数据表112和医学文件104-1和104-2被相关联地显示。此外，医学数据表112的数据字段1与医学文件104-1的区域202被高亮显示，数据字段2与医学文件104-1的区域204被高亮显示，并且数据字段P与医学文件104-2的区域206和208被高亮显示。在一些示例中，相互链接的数据字段和区域可以用相同高亮方式。通过高亮显示数据字段和医学文件的对应区域，用户可以快速方便地确定数据字段中所填充的数据是否正确。

在一些实施例中，在完成医学数据表114的数据字段的填充后，数据处理系统110可以存储另外的链接信息(例如存储到数据存储120中)。另外的链接信息用于指示医学数据表114的数据字段被链接到患者102的目标医学文件104的目标区域。针对医学数据表114的链接信息的生成和存储可以类似于链接信息122。

以此方式，如果已生成多个医学数据表，可以通过链接信息来追溯每个医学数据表相关联的原始医学文件。如图3所示，除医学数据表112和医学文件104之间的链接信息之外，医学数据表114的“数据字段1”、“数据字段P”、“数据字段Q”被链接到医学文件104-1、104-2和104-N的相应目标区域。数据字段与目标区域之间的链接关系在图3中由虚线连线表示。

医学数据表112和/或医学数据表114与医学文件104之间的链接信息可以在针对患者102的新的医学数据表生成中被进一步利用。此外，这样的链接信息也可以在需要的情况下对医学数据表112和114中填充的数据的准确性和可靠度进行核查。

下文将继续讨论在没有或者无法借助链接信息来快速定位医学文件的目标区域进行数据字段填充的情况下，如何通过分析患者102的一个或多个医学文件来确定如何填充医学数据表112或114的数据字段。

为便于讨论，首先以对医学数据表112的数据字段的填充为例进行说明。对于医学数据表114，如果其中的一个或多个医学数据字段无法借助链接信息122来快速定位到医学文件104，数据处理系统110也可以以与医学数据表112类似的处理方式来帮助填充这些数据字段。

在一些实施例中，患者102的医学文件104可以被划分到不同类别。在一些示例中，医学文件的类别可以包括纯文本医学检查报告、医学胶片、文本图像医学检查报告和实验室检查报告。

纯文本医学检查报告是基于文本的报告，其中不包括任何图像。通常，纯文本医学检查报告是由医生根据患者所做的医学检查(例如，计算机断层摄影(CT)、磁共振成像(MRI)等放射学检查或者其他检查)所准备的报告，其主要或完全包括与医学检查相关联的文本，而不包括诸如图像之类的其他类型的内容。医学胶片是基于胶片形式的医学文件。对于硬拷贝的医学胶片，可以通过扫描手段来获得数字化图像用于后续处理。

医学胶片通常是对患者的一个或多个部位进行适当的放射学检查而得到，其主要包括胶片的图像信息，并且还可以包括少量的与胶片相关的文本信息。

文本图像医学检查报告可以包括患者的图像信息和与图像信息相关联的文本信息两者。通常，文本图像医学检查报告是由医生根据患者所做的医学检查(例如，内窥镜检查、超声检查、X射线检查或者其他检查)所准备的既包括图像信息又包括文本信息的报告，其主要作用是将对医学检查中的医学发现结合图像更直观地传达给其他医学专家。

实验室检查报告通常以表格或类似表格的模式来组织实验室检查(例如，体液检查、基因检查等)的结果。实验室检查报告通常会以类似表格的形式列出实验室检查结果，这些检查结果通常以文本形式来表示。

通常，医学文件104的不同类别可能能够指示其潜在所包含的医学相关信息。在一些实施例中，数据处理系统110可以确定患者102的多个医学文件在多个类别之中的分类结果，并且可以基于分类结果来从多个医学文件104中标识哪个或哪些医学文件可以用于填充医学数据表112的各个数据字段。例如，如果医学数据表112的一个数据字段指示“血红蛋白的值”，数据处理系统110可以确定“血红蛋白”的检测结果通常会位于实验室检查报告中，并基于分类结果来标识属于实验室检查报告的医学文件104。又例如，如果医学数据表112的一个数据字段指示“胰腺肿瘤大小”，数据处理系统110可以确定关于胰腺肿瘤大小的描述通常可能位于文本图像医学检查报告中，从而可以基于分类结果来标识属于文本图像医学检查报告的医学文件104。借助分类结果，可以进一步缩小需要完整分析的医学文件的数量，提高数据字段的填充效率。

在一些实施例中，在确定医学数据表112要包括的多个数据字段后(例如，通过手动定义或者基于模板106来确定)，还可以获得多个数据字段各自的定义。每个数据字段的定义可以提供关于如何填充该数据字段的辅助信息。例如，每个数据字段的定义可以指示该数据字段的语义，该数据字段的名称的关键词、在关键词附近多大的检测范围内提取医学相关信息，该数据字段要填充的数据的格式(例如，是否包含否定概念，取值的单位)等等。以下表1给出了关于数据字段“甲胎蛋白的值”的定义。

表1数据字段的示例定义

数据处理系统110可以基于医学数据表112的各个数据字段的定义，从患者102的目标医学文件标识可用于填充该数据字段的一个或多个目标区域。例如，根据表1，数据处理系统110可以访问标准医学术语库来确定数据字段“甲胎蛋白的值”中甲胎蛋白的具体语义信息。数据处理系统110还可以确定在医学文件104中可以利用关键词“甲胎蛋白”或者利用关键词“甲”和“蛋白”从医学文件104中检测可能会描述甲胎蛋白的值的区域，并且可以在识别出的关键词附近50个字符的检测范围细化查找甲胎蛋白的值。该数据字段要求填写具体取值，因此不存在否定概念，取值的单位是μg/L。

应当理解，以上仅给出了关于数据字段的示例定义。数据字段的定义可以根据应用需要设置。其他数据字段的定义也是可能的。数据字段的定义可以帮助数据处理系统110更快速准确从医学文件104提取需要的医学相关信息，以及确定如何向医学数据表112的相应数据字段填充数据。

在一些实施例中，数据处理系统110可以将从患者102的医学文件104所包含的医学相关信息确定的数据呈现给用户(例如，医生或者医学研究者)进行进一步确定。

在一些实施例中，除了确定用于填写医学数据表112的数据字段的数据之外，数据处理系统110可能还可以从患者102的医学文件104提取更多的医学相关信息。这些信息可能也是用户感兴趣的。例如，如果医学数据表112是关于胰腺癌治疗的研究，数据处理系统110可以提取出关于患者102的胰腺癌治疗过程的更多有用信息。数据处理系统110可以从将这些医学数据信息呈现给用户，以供用户确定是否要扩展医学数据表112以包括其中的部分或全部信息。在一些实施例中，数据处理系统110也可以不呈现提取到的额外信息，但可以记录这部分信息以供后续使用。

在一些实施例中，数据处理系统110可能无法从患者102的医学文件104确定出医学数据表112的某个数据字段需要的数据。在这种情况下，数据处理系统110可以向用户反馈该数据字段的填充失败。在一些实施例中，数据处理系统110可以从患者102的医学文件104确定的医学相关信息可能还不足以确定出医学数据表112的某个数据字段所要求的数据。例如，医学数据表112的数据字段要求记录患者102执行PCI手术的时间，但数据处理系统110仅能够从医学文件104确定对患者102执行术前检查的时间。数据处理系统110也可以将确定出医学相关信息提供给用户参考，由用户确定如何填充医学数据表112的数据字段。

图4示出了根据本公开的一些实施例的数据处理方法400的流程图。方法400可以由图1的数据处理系统110实现。

在框410，数据处理系统110基于从患者的目标医学文件(例如，医学文件104)的目标区域提取的医学相关信息，向针对患者的第一医学数据表(例如，医学数据表112)的第一数据字段填充第一数据。在框420，数据处理系统110存储链接信息，链接信息指示第一医学数据表的第一数据字段被链接到目标医学文件的目标区域。在框430，数据处理系统110确定针对患者的第二医学数据表(例如，医学数据表114)的第二数据字段是否与第一数据字段相匹配。如果确定针对患者的第二医学数据表的第二数据字段与第一数据字段相匹配，在框440，数据处理系统110基于链接信息，利用目标医学文件来向第二数据字段填充第二数据。

在一些实施例中，如果确定第二医学数据表的第二数据字段与第一医学数据表的任何数据字段均不匹配，数据处理系统110可以不利用链接信息，而是可以直接根据患者的医学文件来确定向第二数据字段填充的数据。

在一些实施例中，向第二数据字段填充第二数据包括：基于链接信息，从目标医学文件确定被链接到第一数据字段的目标区域；以及基于在目标区域中呈现的医学相关信息来向第二数据字段填充第二数据。

在一些实施例中，基于在目标区域中呈现的医学相关信息来向第二数据字段填充第二数据包括：基于从目标区域提取的医学相关信息确定要向第二数据字段填充的第二数据；向用户呈现第二数据和目标医学文件，目标医学文件的目标区域被高亮显示；以及如果接收到用户对第二数据的确认，向第二数据字段填充第二数据。

在一些实施例中，该方法还包括：响应于对第一医学数据表的呈现的请求，基于链接信息，将目标医学文件与第一医学数据表相关联地呈现，目标医学文件的目标区域和第一医学数据表的第一数据字段被高亮显示。

在一些实施例中，该方法还包括：存储另外的链接信息，另外的链接信息指示第二医学数据表的第二数据字段被链接到目标医学文件的目标区域。

在一些实施例中，该方法还包括：确定用于第一医学数据表的模板，模板指定在第一医学数据表中包括的多个数据字段，多个数据字段包括目标数据字段；以及基于所述目标数据字段的定义，从所述目标医学文件的所述目标区域提取所述医学相关信息。

在一些实施例中，患者具有相关联的多个医学文件，方法还包括：确定多个医学文件在多个类别之中的分类结果；以及基于分类结果从多个医学文件标识目标医学文件用于填充第一医学数据表的第一数据字段。

在一些实施例中，第一医学数据表和第二医学数据表包括病例报告表(CRF)。

图5示出了可以适于实现本公开的实施例的示例电子设备500的示意性框图。图1的数据处理系统110的全部或部分功能可以被实现在设备500。如图所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501可以执行上文所描述的各个方法和处理，例如方法400。例如，在一些实施例中，方法400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的方法400的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法400。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

根据本公开的示例性实现方式，提供了一种计算机可读存储介质，其上存储有计算机可执行指令或程序，其中计算机可执行指令或程序被处理器执行以实现上文描述的方法或功能。计算机可读存储介质可以包括非瞬态计算机可读介质。根据本公开的示例性实现方式，还提供了一种计算机程序产品，包括计算机可执行指令或程序，而计算机可执行指令或程序被处理器执行以实现上文描述的方法或功能。该计算机程序产品可以被有形地体现在非瞬态计算机可读介质上。

这里参照根据本公开实现的方法、装置、设备和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可执行指令或程序实现。

在本公开的上下文中，计算机可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。计算机可读介质可以是机器可读信号介质或机器可读储存介质。计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (18)

1.一种数据处理方法，包括：

基于从患者的目标医学文件的目标区域提取的医学相关信息，向针对所述患者的第一医学数据表的第一数据字段填充第一数据；

存储链接信息，所述链接信息指示所述第一医学数据表的所述第一数据字段被链接到所述目标医学文件的所述目标区域；以及

如果确定针对所述患者的第二医学数据表的第二数据字段与所述第一数据字段相匹配，基于所述链接信息，利用所述目标医学文件来向所述第二数据字段填充第二数据。

2.根据权利要求1所述的方法，其中向所述第二数据字段填充第二数据包括：

基于所述链接信息，从所述目标医学文件确定被链接到所述第一数据字段的所述目标区域；以及

基于在所述目标区域中呈现的医学相关信息来向所述第二数据字段填充第二数据。

3.根据权利要求2所述的方法，其中基于在所述目标区域中呈现的医学相关信息来向所述第二数据字段填充第二数据包括：

基于从所述目标区域提取的所述医学相关信息确定要向所述第二数据字段填充的第二数据；

向用户呈现所述第二数据和所述目标医学文件，所述目标医学文件的所述目标区域被高亮显示；以及

如果接收到所述用户对所述第二数据的确认，向所述第二数据字段填充所述第二数据。

4.根据权利要求1所述的方法，还包括：

响应于对所述第一医学数据表的呈现的请求，基于所述链接信息，将所述目标医学文件与所述第一医学数据表相关联地呈现，所述目标医学文件的所述目标区域和所述第一医学数据表的所述第一数据字段被高亮显示。

5.根据权利要求1所述的方法，还包括：

存储另外的链接信息，所述另外的链接信息指示所述第二医学数据表的所述第二数据字段被链接到所述目标医学文件的所述目标区域。

6.根据权利要求1所述的方法，还包括：

确定用于所述第一医学数据表的模板，所述模板指定在所述第一医学数据表中包括的多个数据字段，所述多个数据字段包括所述目标数据字段；以及

基于所述目标数据字段的定义，从所述目标医学文件的所述目标区域提取所述医学相关信息。

7.根据权利要求1所述的方法，其中所述患者具有相关联的多个医学文件，所述方法还包括：

确定所述多个医学文件在多个类别之中的分类结果；以及

基于所述分类结果从所述多个医学文件标识所述目标医学文件用于填充所述第一医学数据表的所述第一数据字段。

8.根据权利要求1至7中任一项所述的方法，其中所述第一医学数据表和所述第二医学数据表包括病例报告表(CRF)。

9.一种电子设备，包括：

处理单元；以及

存储器，耦合至所述处理单元并且包含存储于其上的指令，所述指令在由所述处理单元执行时使所述设备执行动作，所述动作包括：

基于从患者的目标医学文件的目标区域提取的医学相关信息，向针对所述患者的第一医学数据表的第一数据字段填充第一数据；

存储链接信息，所述链接信息指示所述第一医学数据表的所述第一数据字段被链接到所述目标医学文件的所述目标区域；以及

如果确定针对所述患者的第二医学数据表的第二数据字段与所述第一数据字段相匹配，基于所述链接信息，利用所述目标医学文件来向所述第二数据字段填充第二数据。

10.根据权利要求9所述的设备，其中向所述第二数据字段填充第二数据包括：

基于所述链接信息，从所述目标医学文件确定被链接到所述第一数据字段的所述目标区域；以及

基于在所述目标区域中呈现的医学相关信息来向所述第二数据字段填充第二数据。

11.根据权利要求10所述的设备，其中基于在所述目标区域中呈现的医学相关信息来向所述第二数据字段填充第二数据包括：

基于从所述目标区域提取的所述医学相关信息确定要向所述第二数据字段填充的第二数据；

向用户呈现所述第二数据和所述目标医学文件，所述目标医学文件的所述目标区域被高亮显示；以及

如果接收到所述用户对所述第二数据的确认，向所述第二数据字段填充所述第二数据。

12.根据权利要求9所述的设备，其中所述动作还包括：

响应于对所述第一医学数据表的呈现的请求，基于所述链接信息，将所述目标医学文件与所述第一医学数据表相关联地呈现，所述目标医学文件的所述目标区域和所述第一医学数据表的所述第一数据字段被高亮显示。

13.根据权利要求9所述的设备，其中所述动作还包括：

存储另外的链接信息，所述另外的链接信息指示所述第二医学数据表的所述第二数据字段被链接到所述目标医学文件的所述目标区域。

14.根据权利要求9所述的设备，其中所述动作还包括：

确定用于所述第一医学数据表的模板，所述模板指定在所述第一医学数据表中包括的多个数据字段，所述多个数据字段包括所述目标数据字段；以及

基于所述目标数据字段的定义，从所述目标医学文件的所述目标区域提取所述医学相关信息。

15.根据权利要求9所述的设备，其中所述患者具有相关联的多个医学文件，所述动作还包括：

确定所述多个医学文件在多个类别之中的分类结果；以及

基于所述分类结果从所述多个医学文件标识所述目标医学文件用于填充所述第一医学数据表的所述第一数据字段。

16.根据权利要求9至15中任一项所述的设备，其中所述第一医学数据表和所述第二医学数据表包括病例报告表(CRF)。

17.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述的方法。

18.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述的方法。

Images