CN114974564A - 一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法 - Google Patents
一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法 Download PDFInfo
- Publication number
- CN114974564A CN114974564A CN202210537964.4A CN202210537964A CN114974564A CN 114974564 A CN114974564 A CN 114974564A CN 202210537964 A CN202210537964 A CN 202210537964A CN 114974564 A CN114974564 A CN 114974564A
- Authority
- CN
- China
- Prior art keywords
- medical data
- rule
- logic
- medical
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 33
- 238000013500 data storage Methods 0.000 title description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000013507 mapping Methods 0.000 description 26
- 208000032612 Glial tumor Diseases 0.000 description 18
- 206010018338 Glioma Diseases 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 208000018084 Bone neoplasm Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001360 synchronised 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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供的一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法，包括：获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理；基于预处理后的医疗数据关联逻辑和医疗数据规则逻辑，对用户输入的医疗数据记录进行验证和过滤，得到符合预设规则的医疗数据字段；通过医疗数据字段计算得到候选用户反馈数据集，根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，并根据决策结果对所述医疗数据字段进行分类存储。通过本发明的方案，使得医疗数据项之间满足关联性和推理性逻辑约束，并使辅助决策信息系统的应用更加便捷，为肿瘤医疗辅助决策系统的交互提供便利。
Description
技术领域
本发明涉及人工智能领域，具体涉及一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法。
背景技术
随着人工智能技术的发展，医疗行业的人工智能应用也随着发展起来，特别是临床辅助决策支持系统(CDSS)，为临床医生提供了治疗决策的辅助建议，提高医生的诊疗效率。
在临床辅助决策支持(CDSS)领域，国外各种CDSS相继出现，如美国匹兹堡大学的Internist-I、QMR，犹他州大学的ILIAD、HELP，哈佛大学的DXPLAIN，WolterKluwer公司的Uptodate，Elsevier公司的MDconsult，欧盟相关基金支持的乳腺癌CDSS工程项目desiree等。中国CDSS主要以单类型或单学科的诊断为主，如上海大学的产科决策支持系统、第四军医大学的骨肿瘤辅助诊断系统、重庆大学的泌尿外科CDSS、哈尔滨工业大学的急性心肌梗死诊断的智能决策支持系统和复旦大学的神经外科CDSS等。
由于医疗的行业特点，在临床决策支持系统的研发中，规则驱动的模型具有高解释性，医生易于理解和接收，因此现有决策系统大多是应用规则驱动的方法模型。这种驱动实现方法常用的数据来源一般为诊疗指南或规则，以及专家总结的经验等。将这些文献中的诊疗指南以计算机的逻辑规则进行实现，提供决策模型供医生参考。其中输入数据一般为电子病历中的患者信息，这就需要在模型系统应用时需要输入结构化的患者医疗数据。在现有的规则驱动的医疗辅助决策信息系统的用户交互中，在数据提交时并没有充分考虑规则的便利性和医疗数据项之间存在的关联逻辑关系，使得大量无关的医疗数据也参与规则运算，降低了数据输入和存储效率。
发明内容
为了解决现有技术中所存在的问题，本发明提供一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法，包括：
获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理；
基于预处理后的医疗数据关联逻辑和医疗数据规则逻辑，对用户输入的医疗数据记录进行验证和过滤，得到符合预设规则的医疗数据字段；
通过所述医疗数据字段计算得到候选用户反馈数据集，根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，并根据决策结果对所述医疗数据字段进行分类存储；
该方法进一步包括：
接收所述医疗数据项中分别与所述给定关键词相关联的字段；生成针对所述关键词的规则逻辑执行记录，所述规则逻辑执行记录指定在处理每个医疗数据项时所执行的所述规则逻辑的多个语句，对于与给定关键词相关联的每个医疗数据项，标识用于与医疗数据项相关联的给定关键词的规则的预设状态；对于所述医疗数据项，执行在所述给定状态中指定的规则逻辑的多个语句；并生成指定利用所述给定关键词执行规则逻辑的多个语句的规则逻辑执行记录；
其中所述规则逻辑执行记录具有状态字段和执行字段，所述状态字段表示与所述给定关键词的特定值相关的规则状态的数据，并且所述执行字段指定从所述规则逻辑的开始执行时间到当前时间已经执行的所述规则逻辑中的语句集合。
优选地，所述获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理，进一步包括：
将医疗数据逻辑的规则中相互跳转的多条规则进行衔接组合，使组合后的每条规则对应一个决策结果；
通过析取运算对所述组合后的规则中的语句进行拆分，得到仅包含逻辑和的规则。
优选地，如果医疗数据项为空字段，则将空字段数据参与的逻辑块运算结果设置为True。
优选地，所述对医疗数据项进行过滤，进一步包括：
根据已知医疗数据项的值进行运算，由已知医疗数据推导出其他医疗数据项的值；
删除不满足逻辑规则的医疗数据，并且删除根据已知医疗数据判断为不满足关联逻辑并且不成立的医疗数据项集合；
将删除后的剩余医疗数据和已知医疗数据进行组合，得到新的医疗数据项和数据值的集合。
优选地，所述通过所述医疗数据字段计算得到候选用户反馈数据集，进一步包括：
将已知医疗数据和经过医疗数据关联逻辑计算得到的医疗数据项和数据值导入析取后的规则项集合，得出所有已通过和未通过的规则；根据未通过的规则得到候选用户反馈数据集。
优选地，所述根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，进一步包括：
对所有的规则集组成的所有逻辑路径进行预处理，结合计算出的已通过的rule_id，利用未通过的规则集，得出所有的待遍历的rule_id组成的逻辑路径；其中所述待遍历的逻辑路径是从所有逻辑路径中排除满足逻辑路径、关闭逻辑路径以及其他逻辑路径中包含不满足的规则rule_id的逻辑路径后剩余的逻辑路径集合。
优选地，所述方法进一步包括：在肿瘤医疗辅助决策系统中识别当前用户的相似用户群，并获取相似用户群中每个相似用户的医疗数据项的输入值，通过计算得到建议的医疗数据项输入结果，将建议的医疗数据项输入结果反馈给所述当前用户。
优选地，所述方法进一步包括：当所述肿瘤医疗辅助决策系统的规则库进行迁移更新时，利用预定义同步规则将原始规则库与更新规则库进行规则同步。
基于同一发明构思，本发明还提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述方法的步骤。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述方法的步骤。
与现有技术相比，本发明的有益效果为：
本发明提供的一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法，包括获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理；基于预处理后的医疗数据关联逻辑和医疗数据规则逻辑，对用户输入的医疗数据记录进行验证和过滤，得到符合预设规则的医疗数据字段；通过医疗数据字段计算得到候选用户反馈数据集，根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，并根据决策结果对所述医疗数据字段进行分类存储。本发明在肿瘤医疗数据项集合的建立中分别设定了关联逻辑和推理运算内容，保证了医疗数据之间的关联性和推理性等耦合因素，使得辅助决策信息系统的应用更加便捷，系统的使用效率更高。
附图说明
图1为本发明的规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法流程图；
图2为本发明的肿瘤医疗辅助决策模型的引导式输入和存储逻辑流程示意图。
图3为本发明的规则驱动的肿瘤医疗辅助决策系统的模块图。
具体实施方式
本发明基于规则驱动的肿瘤医疗辅助决策模型和系统的特点，设计了一种同时考虑肿瘤患者医疗数据项关联关系、决策类型、医疗数据规则关联关系的影响等内容的医疗数据多维引导式存储和提交的方法。由于患者医疗数据项之间存在关联逻辑关系，因此合理地设置患者医疗数据的存储和录入过程，可以使得医疗辅助决策信息系统的应用更加便捷，提高系统的使用效率。本发明在人工输入数据并与信息系统的交互中动态给出输入项，减少不必要输入，为肿瘤医疗辅助决策系统的交互提供便利。
为了更好地理解本发明，下文结合说明书附图和实例对本发明的内容做进一步的说明。
首先对本发明所出现的术语进行以下定义：
规则id(或rule_id)：医疗数据逻辑运算形成的一条逻辑字符串，其结论可以是规则id或决策id。
常规规则或主规则：系统默认规则，该规则在结论后没有追加其他规则。
排除规则：在常规规则结论后追加排除规则，将常规规则的结论项中某些结果去除。
添加规则：在常规规则结论后追加添加规则，将常规规则的结论项新添加某些结论项。
逻辑路径：根据多条规则id的逻辑结果串联形成的一个规则id列表(list)，结论为决策id。
用户反馈数据：从决策模型得出的数据，添加之后可以满足某些逻辑逻辑路径并得到新的决策的空字段数据。
本发明提供一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法，如图1所示，包括：
S1：获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理；
S2：基于预处理后的医疗数据关联逻辑和医疗数据规则逻辑，对用户输入的医疗数据记录进行验证和过滤，得到符合预设规则的医疗数据字段；
S3：通过所述医疗数据字段计算得到候选用户反馈数据集，根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，并根据决策结果对所述医疗数据字段进行分类存储。
参见图2的详细过程，本发明方法的数据存储方法包括以下几个阶段：
所述步骤S1对应于第1阶段，即数据预处理部分。
由于医疗数据存储模型的过程需要遍历所有的医疗数据关联逻辑和医疗数据规则等，特别是医疗数据的规则可能涉及较多的逻辑，因此需要提前预处理，在模型应用时可以提高模型效率，本阶段是完成医疗数据规则以及治疗决策阶段等数据内容的预处理。根据癌症的类型，具体可以分别进行以下步骤的操作，主要包括：
S11、将医疗数据逻辑的规则中相互跳转的多条规则进行衔接组合，即将多个短规则组合为长规则，组合后的每条长规则对应一个决策结果。
S12、通过运用析取运算，对组合后的规则中的语句进行拆分，得到仅包含逻辑和(and)的规则。
S13、对医疗数据中的关联逻辑运算语句(即每个医疗数据由其他医疗数据项的值进行数值运算或逻辑运算的语句)进行析取操作，方法与S12类似，得到每个医疗数据存在为True的只包含逻辑和(and)形式的语句。
S14、根据癌症类型区分命名，将相应的医疗数据关联逻辑、规则逻辑的初步处理结果以Python的文件形式PKL形式进行存储，内容包括最末层rule_id与治疗方案结果的映射，单层rule_id就可以达到结论的id列表(list)、排除规则id与常规规则的id的映射、排除规则id与常规规则的id的映射、逻辑路径与阶段的映射、所有拆分出的单个逻辑块与对应的规则id、所有的逻辑路径的list、每个rule_id所在的逻辑路径等。
本发明的医疗数据存储模型对所有的规则集执行析取操作，形成只包含逻辑和(AND)的逻辑块，在模型构建过程中对所有的逻辑块执行运算操作，并且将空字段数据参与的逻辑块运算结果设置为True，便于计算用户反馈数据。
所述步骤S2对应于第2阶段，即医疗数据关联逻辑处理阶段。
表1医疗数据关联逻辑示例
根据表1所例示的医疗数据关联逻辑，步骤S2对医疗数据项进行过滤，具体可以包括：
S21、首先根据已知医疗数据项的值进行运算，由已知医疗数据可以推导出其他医疗数据的值。
S22、根据医疗数据的关联逻辑，计算医疗数据逻辑语句，删除步骤S21中不满足逻辑规则的医疗数据，并且排除掉根据已知医疗数据判断为不满足关联逻辑的医疗数据项集合。重复步骤S22，直到不存在任何不满足逻辑规则的医疗数据。
S23、将剩余医疗数据和已知医疗数据组合为新的医疗数据项和数据值的集合，得到符合预设规则的医疗数据，用于医疗数据存储模型的构建。
所述步骤S3对应于第3阶段，即医疗数据存储模型的构建。
S31、将所有的已知医疗数据和经过医疗数据关联逻辑计算得到的医疗数据项和数据值导入步骤S14析取后的规则项集合，得出所有已通过和未通过的规则rule_id，其中空字段数据在运算时，包含这些医疗数据的逻辑块执行结果设置为true，并且根据未通过的规则得到候选用户反馈数据集。
S32、对所有的规则集组成的所有逻辑路径进行预处理，结合步骤S31中计算出的已通过的rule_id，利用不满足的(drop)或未通过的规则集，得出所有的待遍历的rule_id组成的逻辑路径。其中待遍历的逻辑路径是从所有逻辑路径中排除满足逻辑路径、关闭逻辑路径以及其他逻辑路径中包含不满足的规则rule_id的逻辑路径三种情形后剩余的逻辑路径集合。其中满足逻辑路径表示所有规则已被满足的逻辑路径，关闭逻辑路径是存在被禁用的规则的逻辑路径。
S33、根据步骤S31计算出的候选用户反馈数据集进行待遍历逻辑路径集的遍历，其中，如果候选用户反馈数据所在逻辑路径得到的结论已经在已知结论集中，则排除该候选用户反馈数据，并根据治疗阶段，对用户反馈数据所在逻辑路径得到的决策的结果进行分类存储。
S34、根据医疗数据的所需要的治疗阶段，筛选待反馈的医疗数据，并根据所述医疗数据关联逻辑计算出每个医疗数据的相关医疗数据，如果相关医疗数据为空字段，则将相关医疗数据和用户反馈数据作为新的用户反馈数据全集进行输出。
其中在步骤S32中，所述规则逻辑可以与关键词相关联，并针对所述关键词的字符串值维护每个规则的状态，在访问表示规则逻辑的规则之后，所述规则的状态指定规则逻辑的在该状态下可执行的多个语句；接收医疗数据项中分别与所述给定关键词相关联的字段；生成针对所述关键词的规则逻辑执行记录，所述规则逻辑执行记录指定在处理每个医疗数据项时所执行的所述规则逻辑的多个语句，对于与给定关键词相关联的每个医疗数据项，标识用于与医疗数据项相关联的给定关键词的规则的预设状态；对于医疗数据项，执行在所述给定状态中指定的规则逻辑的多个语句；并生成指定利用所述给定关键词执行规则逻辑的多个语句的规则逻辑执行记录。其中所述规则逻辑执行记录具有状态字段和执行字段，所述状态字段表示与所述关键词的特定值相关的规则的状态的数据，所述执行字段指定从所述规则逻辑的开始执行时间到当前时间已经执行的所述规则逻辑中的语句集合。
进一步地，可以通过键值将规则逻辑执行记录进行分组。每个规则逻辑执行记录包括指示处理医疗数据项的多个属性的多个字段，所述字段是指定与所述医疗数据项相关联的关键词字段。在预定义的时间段结束时，将与特定键值相关联的分组中的规则逻辑执行记录写入预设文件。
可选地，所述逻辑路径可以包括具有多个节点的有向图，其中，每个节点表示所述规则逻辑的多个语句，所述有向图的执行引起所述规则逻辑的语句的执行，并且基于所述规则逻辑执行记录，在处理多个医疗数据项时跟踪通过有向图的多个节点的遍历。通过解析所述规则逻辑执行记录，能够标识所述有向图的哪些节点被遍历以及哪些节点未被遍历。基于所述规则逻辑的多个语句的执行结果，还可以请求用于对规则逻辑的多个语句的执行的附加存储空间。
当接收到对医疗数据项的用户选择时；显示对所选择的医疗数据项当前正在执行的所述规则逻辑的所述多个语句的指示。将当前正在处理的医疗数据项与预定义参考项进行比较；确定当前正在处理的医疗数据项与预定义参考项之间是否存在偏差；如果存在所述偏差，显示输出当前正在处理的医疗数据项是否与预定义参考项的偏差，并提示当前正在对医疗数据项执行的规则逻辑的多个语句与预定参考规则逻辑是否一致。
当获取所述肿瘤医疗辅助决策系统的规则集之后，从所述规则集中确定所述医疗数据字段无法满足的规则；将上述规则划分成多个逻辑集合。具体地，首先应用所述医疗数据的预定义规则集来验证所述字段；确定所述字段是否根据所述规则集而成功验证；如果所述字段被成功验证，则基于所述字段配置所述医疗数据；如果未成功验证，则从所述规则集中确定未满足至少一个规则的医疗数据字段。接下来，在将所述规则划分到所述多个逻辑集合中之后，基于所述逻辑集合来计算未满足任一个规则的医疗数据字段的校正值；基于所述校正值，解决所述规则与所述医疗数据字段之间的冲突，并基于所述字段来更新所述医疗数据。
在进一步实施例中，本发明的肿瘤医疗数据规则推理逻辑运用了单层医疗数据规则的串联操作，通过形成规则逻辑路径达到最终结论，并且可以在逻辑路径的末层设置排除规则和添加规则两种附加规则操作，实现对一定条件下的结论集的新增和删除。
在优选的实施例中，以NCCN-2020.v3指南规则驱动的胶质瘤临床决策支持系统为例，具体描述上述医疗数据引导存储方法的实现步骤。
步骤A1：将胶质瘤临床辅助决策的医疗数据和相应的关联逻辑、推理运算的内容集成为文档，得到约128项医疗数据，98项医疗数据关联逻辑和2项医疗数据运算语句。
步骤A2：根据已经建立的胶质瘤医疗数据规则逻辑数据库，运用python脚本实现对规则集的预处理，建立数据预处理的中间数据库，另外形成的预处理pkl文件以胶质瘤类型进行命名。数据库预处理的内容包括串联的规则rule_id形成的逻辑路径，以及每条逻辑路径对应的结论，结论的对应的胶质瘤临床治疗阶段等。pkl预处理的内容包括最末层rule_id与治疗方案结果的映射、单层rule_id就可以达到结论的list、排除规则id与常规规则的id的映射、排除规则id与常规规则的id的映射、逻辑路径与阶段的映射、所有拆分出的单个逻辑块与对应的规则id、所有的逻辑路径的list、每个rule_id所在的逻辑路径等。
步骤A3：根据步骤A1中预处理的胶质瘤医疗数据关联逻辑数据，建立医疗数据关联逻辑和医疗数据运算逻辑的计算模型，首先根据胶质瘤已知医疗数据项的值进行运算，由已知医疗数据可以推导出其他医疗数据的值。根据胶质瘤医疗数据的关联逻辑，计算医疗数据逻辑语句，删除不满足规则的胶质瘤医疗数据，并且排除掉根据已知医疗数据判断为不满足关联逻辑即不成立的医疗数据项集合。将剩余胶质瘤的医疗数据和已知医疗数据项的值作为新的医疗数据项和数据值的集合，用于胶质瘤医疗数据存储模型的构建。将所有的逻辑过程形成Python函数。
步骤A4：根据步骤A2中预处理的胶质瘤的规则和逻辑路径集建立胶质瘤临床辅助决策支持的医疗数据反馈模型。将所有的已知胶质瘤医疗数据和经过胶质瘤医疗数据关联逻辑计算得到的医疗数据项和数据值导入析取后的规则项集合进行执行操作，得出所有通过和未通过的规则rule_id，其中空字段数据在运算时，包含空字段数据的逻辑块执行结果设置为true，并且得到候选用户反馈数据集合。首先对所有的规则集组成的所有逻辑路径进行预处理，结合计算出的已通过的rule_id，利用不满足的(drop)或未通过的规则集，得出所有的待遍历的rule_id组成的逻辑路径。其中待遍历的逻辑路径是从所有逻辑路径中排除满足逻辑路径、关闭逻辑路径以及其他逻辑路径中包含不满足的规则rule_id的逻辑路径三种情形后剩余的逻辑路径集合。根据候选用户反馈数据集进行待遍历逻辑路径集的遍历，其中，如果候选用户反馈数据所在逻辑路径得到的结论已经在已知结论集中，则排除该候选用户反馈数据，并根据治疗阶段，对用户反馈数据所在逻辑路径得到的决策的结果进行分类存储。根据医疗数据的所需要的治疗阶段，筛选待反馈的医疗数据，并根据胶质瘤医疗数据关联逻辑计算出每个医疗数据的相关医疗数据，如果相关医疗数据为空字段，则将相关医疗数据和用户反馈数据作为新的用户反馈数据全集进行输出，将所有的逻辑过程形成Python函数。
步骤A5：将预处理文件部署到计算机中，同时部署Python的运行环境，将胶质瘤医疗数据关联逻辑模型和医疗数据反馈模型开发成服务的形式，部署在该计算机中，提供胶质瘤临床辅助决策支持系统医疗数据存储的医疗数据反馈。
根据进一步可选的实施例，还可以在步骤A5的医疗数据反馈之后，在肿瘤医疗辅助决策系统中识别当前用户的相似用户群，并获取相似用户群中每个相似用户的医疗数据项的输入值，并通过计算得到建议的医疗数据项输入结果。首先根据待输入的界面类型及其标识符识别界面，然后获取用户历史输入信息，搜索与用户最接近的N个用户的医疗数据项，使用基于内容的推荐算法生成推荐输入的医疗数据列表，并返回推荐结果数据供用户选择。
在使用基于基于内容的推荐算法之前，需要根据肿瘤医疗辅助决策系统每个用户的医疗数据项构造p×q矩阵M，该矩阵是特定用户与其在某个界面中所有可能输入值所对应的矩阵，矩阵中的行表示用户群U＝{U1，U2，…，Up}，矩阵中的列表示每个医疗数据项中各个具体的输入值I＝{I1，I2，…，Iq}，矩阵中每个位置的值代表用户在医疗数据项中输入的具体值出现的次数sij。1≤i≤p，1≤j≤q。
根据相似性度量算法获取当前用户Ux的相似用户群{U1，U2，…，Uk}，Ixy来表示用户Ux和用户Uy之间有共同的医疗数据项输入值的集合。计算用户之间的相似度SIM(x，y)：
sxi和syi分别表示用户x和y在医疗数据项中输入的值i(i∈Ixy)出现的次数。
表示当前输入值在所有用户中的平均输入次数，将用户x和用户y的某个输入值的输入次数同时减去该平均值，从而得到相似性计算结果。
接下来，计算在当前用户Ux的相似用户群sim(ux)中，同时将用户Ux作为相似用户的所有用户的集合Rsim(ux)，从而获得更精确的相似用户群。
在得出双向相似用户的基础上，将两者结合，得到最终的推荐序列：
Urec(ux)＝sim(ux)∪Rsim(ux)
Rrec＝Ixy
Urec(ux)表示最终获取的用户ux的相似用户群，按照相似度值排序得到用户uy，并根据用户uy的医疗数据项的历史输入值得到Ixy。Rrec表示最终的推荐输入值，其中，Ixy代表用户u的可能意图输入的医疗数据项的值。
根据本发明的进一步实施例，当肿瘤医疗辅助决策系统的管理用户对规则库进行迁移更新时，为避免原始系统的医疗数据对应的原始规则库与当前系统的医疗数据的更新规则库之间的不一致性，本发明利用预定义同步规则对多个系统的规则库进行同步。具体地，所述采用以下规则同步过程：
生成原始规则映射表，其中所述原始规则映射表的记录将所述原始医疗数据字段与预定义同步规则相关联；生成更新规则映射表，所述更新规则映射表的记录将更新医疗数据字段与所述预定义同步规则相关联；生成目标规则映射表，其中所述目标规则映射表的记录将所述更新诊疗医疗数据项与所述预定义同步规则相关联；生成规则逻辑映射表，其中所述规则逻辑映射表的记录将所述预定义同步规则与逻辑过程相关联；通过自动校正更新规则映射表的第二校正记录来接收对原始规则映射表的第一校正记录的校正，其中，所述原始规则映射表与所述更新规则映射表不同，并且其中所述自动校正是基于所述第一校正记录和所述第二校正记录之间的链接来执行的。根据所述同步规则集中的预定义同步规则来消除所述原始医疗数据字段与所述更新诊疗医疗数据项之间的不一致性。其中原始规则映射表表示所述原始规则库的逻辑集合，更新规则映射表表示所述更新规则库的逻辑集合，所述原始规则映射表的记录描述由所述原始规则库的所述逻辑集合包括的原始医疗数据字段，所述更新规则映射表的记录描述由所述目标存储库的所述逻辑集合包括的更新诊疗医疗数据项。
分析存储在所述原始规则库中的所述原始数据的子集和存储在所述更新规则库中的更新数据的子集；根据分析结果来更新所述原始规则映射表和所述更新规则映射表。
其中，所述逻辑过程包括将由原始规则库包括的原始数据的元素复制到由所述更新规则库包括的目标存储位置，原始数据的元素与所述原始医疗数据字段相关联，目标存储位置与所述更新诊疗医疗数据项相关联。所述预定义同步规则还与由所述原始规则库的所述逻辑集合包括的第二原始医疗数据字段相关联，其中，所述原始规则映射表将所述第二原始医疗数据字段与所述预定义同步规则相关联。
实施例2：
为了实现上述方法，本发明还提供一种规则驱动的肿瘤医疗辅助决策系统，如图3所示，包括：
预处理模块201，用于获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理；
运算模块202，用于基于预处理后的医疗数据关联逻辑和医疗数据规则逻辑，对用户输入的医疗数据记录进行验证和过滤，得到符合预设规则的医疗数据字段；
存储模块203，用于通过所述医疗数据字段计算得到候选用户反馈数据集，根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，并根据决策结果对所述医疗数据字段进行分类存储。
本实施例中的各功能模块所实现的功能同实施例1，这里不再赘述。
实施例3：
本发明还提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述方法的步骤。
实施例4：
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述方法的步骤。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域内的技术人员应当理解，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请可采用在多个其中包包含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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法，其特征在于，包括：
获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理；
基于预处理后的医疗数据关联逻辑和医疗数据规则逻辑，对用户输入的医疗数据记录进行验证和过滤，得到符合预设规则的医疗数据字段；
通过所述医疗数据字段计算得到候选用户反馈数据集，根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，并根据决策结果对所述医疗数据字段进行分类存储；
该方法进一步包括：
接收所述医疗数据项中分别与所述给定关键词相关联的字段；生成针对所述关键词的规则逻辑执行记录，所述规则逻辑执行记录指定在处理每个医疗数据项时所执行的所述规则逻辑的多个语句，对于与给定关键词相关联的每个医疗数据项，标识用于与医疗数据项相关联的给定关键词的规则的预设状态；对于所述医疗数据项，执行在所述给定状态中指定的规则逻辑的多个语句；并生成指定利用所述给定关键词执行规则逻辑的多个语句的规则逻辑执行记录；
其中所述规则逻辑执行记录具有状态字段和执行字段，所述状态字段表示与所述给定关键词的特定值相关的规则状态的数据，并且所述执行字段指定从所述规则逻辑的开始执行时间到当前时间已经执行的所述规则逻辑中的语句集合。
2.根据权利要求1所述的方法，其特征在于，所述获取肿瘤医疗辅助决策系统数据库的医疗数据关联逻辑和医疗数据规则逻辑，并进行预处理，进一步包括：
将医疗数据逻辑的规则中相互跳转的多条规则进行衔接组合，使组合后的每条规则对应一个决策结果；
通过析取运算对所述组合后的规则中的语句进行拆分，得到仅包含逻辑和的规则。
3.根据权利要求2所述的方法，其特征在于，进一步包括：如果医疗数据项为空字段，则将空字段数据参与的逻辑块运算结果设置为True。
4.根据权利要求1所述的方法，其特征在于，所述对医疗数据项进行过滤，进一步包括：
根据已知医疗数据项的值进行运算，由已知医疗数据推导出其他医疗数据项的值；
删除不满足逻辑规则的医疗数据，并且删除根据已知医疗数据判断为不满足关联逻辑并且不成立的医疗数据项集合；
将删除后的剩余医疗数据和已知医疗数据进行组合，得到新的医疗数据项和数据值的集合。
5.根据权利要求1所述的方法，其特征在于，所述通过所述医疗数据字段计算得到候选用户反馈数据集，进一步包括：
将已知医疗数据和经过医疗数据关联逻辑计算得到的医疗数据项和数据值导入析取后的规则项集合，得出所有已通过和未通过的规则；根据未通过的规则得到候选用户反馈数据集。
6.根据权利要求5所述的方法，其特征在于，所述根据所述候选用户反馈数据集对规则集中的逻辑路径进行遍历，进一步包括：
对所有的规则集组成的所有逻辑路径进行预处理，结合计算出的已通过的rule_id，利用未通过的规则集，得出所有的待遍历的rule_id组成的逻辑路径；其中所述待遍历的逻辑路径是从所有逻辑路径中排除满足逻辑路径、关闭逻辑路径以及其他逻辑路径中包含不满足的规则rule_id的逻辑路径后剩余的逻辑路径集合。
7.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
在肿瘤医疗辅助决策系统中识别当前用户的相似用户群，并获取相似用户群中每个相似用户的医疗数据项的输入值，通过计算得到建议的医疗数据项输入结果，将建议的医疗数据项输入结果反馈给所述当前用户。
8.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
当所述肿瘤医疗辅助决策系统的规则库进行迁移更新时，利用预定义同步规则将原始规则库与更新规则库进行规则同步。
9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210537964.4A CN114974564B (zh) | 2022-05-17 | 2022-05-17 | 一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210537964.4A CN114974564B (zh) | 2022-05-17 | 2022-05-17 | 一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114974564A true CN114974564A (zh) | 2022-08-30 |
| CN114974564B CN114974564B (zh) | 2024-07-26 |
Family
ID=82983885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210537964.4A Active CN114974564B (zh) | 2022-05-17 | 2022-05-17 | 一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114974564B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160259899A1 (en) * | 2015-03-04 | 2016-09-08 | Expeda ehf | Clinical decision support system for diagnosing and monitoring of a disease of a patient |
| EP3637435A1 (en) * | 2018-10-12 | 2020-04-15 | Fujitsu Limited | Medical diagnostic aid and method |
| US20200250177A1 (en) * | 2019-01-31 | 2020-08-06 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing an sql query and filter mechanism for blockchain stored data using distributed ledger technology (dlt) |
| EP3799052A1 (en) * | 2019-09-30 | 2021-03-31 | Siemens Healthcare GmbH | Providing and receiving medical data records |
| WO2021232591A1 (zh) * | 2020-05-22 | 2021-11-25 | 平安国际智慧城市科技股份有限公司 | 基于物联网数据的用户数据分类方法、装置、计算机设备及存储介质 |
-
2022
- 2022-05-17 CN CN202210537964.4A patent/CN114974564B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160259899A1 (en) * | 2015-03-04 | 2016-09-08 | Expeda ehf | Clinical decision support system for diagnosing and monitoring of a disease of a patient |
| EP3637435A1 (en) * | 2018-10-12 | 2020-04-15 | Fujitsu Limited | Medical diagnostic aid and method |
| US20200250177A1 (en) * | 2019-01-31 | 2020-08-06 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing an sql query and filter mechanism for blockchain stored data using distributed ledger technology (dlt) |
| EP3799052A1 (en) * | 2019-09-30 | 2021-03-31 | Siemens Healthcare GmbH | Providing and receiving medical data records |
| WO2021232591A1 (zh) * | 2020-05-22 | 2021-11-25 | 平安国际智慧城市科技股份有限公司 | 基于物联网数据的用户数据分类方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114974564B (zh) | 2024-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109121436B (zh) | 增广、探索、和维护项目分层结构的方法 | |
| US8359339B2 (en) | Graphical user interface for configuration of an algorithm for the matching of data records | |
| CN106126543B (zh) | 一种关系型数据库到MongoDB的模型转换和数据迁移方法 | |
| CN110442847B (zh) | 基于代码仓库过程管理的代码相似性检测方法及装置 | |
| US8577849B2 (en) | Guided data repair | |
| CN110532019A (zh) | 一种软件代码片段历史追溯的方法 | |
| CN107239549A (zh) | 数据库术语检索的方法、装置及终端 | |
| US11321359B2 (en) | Review and curation of record clustering changes at large scale | |
| Ai et al. | Sensory: Leveraging code statement sequence information for code snippets recommendation | |
| EP3289481A1 (en) | Linking datasets | |
| CN115938565A (zh) | 基于智能推理和证据关联的肿瘤辅助决策支持系统 | |
| US20110246501A1 (en) | Systems and methods for entity registration and management | |
| CN117492825A (zh) | 一种基于上下文学习和大语言模型的Solidity注释生成方法 | |
| CN114974564B (zh) | 一种规则驱动的肿瘤医疗辅助决策系统的数据智能存储方法 | |
| CN116304347A (zh) | 一种基于群智知识的Git命令推荐方法 | |
| JP6775740B1 (ja) | 設計支援装置、設計支援方法及び設計支援プログラム | |
| CN113555130A (zh) | 一种基于案例推理的中医临床决策支持系统的构建方法 | |
| JP2019133534A (ja) | 併合方法、併合装置、および併合プログラム | |
| CN114528333A (zh) | 基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统 | |
| CN114116857A (zh) | 抗体数据库的生成、更新和查询方法、装置及存储介质 | |
| CN115066673A (zh) | 用于etl流水线处理的系统和方法 | |
| JP6993573B2 (ja) | プログラム解析方法、プログラム解析装置およびプログラム解析プログラム | |
| KR102708772B1 (ko) | 코호트 추출 방법, 이를 구현한 코호트 추출 장치 및 코호트 추출 프로그램 | |
| Yu et al. | A method to accelerate and visualize iterative clinical paper searching | |
| CN114969131B (zh) | 一种信息的查询方法、装置及设备 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 266000 Room 201, building 1, 88 Kaifeng Road, Shibei District, Qingdao City, Shandong Province Applicant after: Baiyang Intelligent Technology Group Co.,Ltd. Address before: 266000 Room 201, building 1, 88 Kaifeng Road, Shibei District, Qingdao City, Shandong Province Applicant before: Qingdao Baiyang Intelligent Technology Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |