CN115458113A - 一种病历生成方法、系统、存储介质和电子设备 - Google Patents

一种病历生成方法、系统、存储介质和电子设备 Download PDF

Info

Publication number
CN115458113A
CN115458113A CN202211159054.3A CN202211159054A CN115458113A CN 115458113 A CN115458113 A CN 115458113A CN 202211159054 A CN202211159054 A CN 202211159054A CN 115458113 A CN115458113 A CN 115458113A
Authority
CN
China
Prior art keywords
medical record
doctor
patient
information
medical
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
Application number
CN202211159054.3A
Other languages
English (en)
Inventor
刘连峰
李少宇
谢冠超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Unisound Intelligent Technology Co Ltd
Original Assignee
Unisound Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Unisound Intelligent Technology Co Ltd filed Critical Unisound Intelligent Technology Co Ltd
Priority to CN202211159054.3A priority Critical patent/CN115458113A/zh
Publication of CN115458113A publication Critical patent/CN115458113A/zh
Pending legal-status Critical Current

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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请实施例公开了一种病历生成方法、系统、存储介质和电子设备，病历生成方法包括如下步骤：根据已有临床医疗数据构建医学知识图谱以及文本分析模型；采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息；将所述结构化病历信息输入至文本分析模型，得到分析结果；当分析结果包括异常内容时，对所述异常内容进行标记；校验所述分析结果并形成电子病历。本申请实施例的一个技术效果在于，设计合理，使用非常方便，不打断医生的诊疗过程，使用更自然，有效地节约医生书写记录、编辑整理的时间，同时有助于医生用更少的时间、完成更高质量的病历书写，让医生将时间专注于患者诊疗。

Description

一种病历生成方法、系统、存储介质和电子设备
技术领域
本申请属于通信技术领域，具体地，本申请涉及一种病历生成方法、系统、存储介质和电子设备。
背景技术
病历，亦叫病史、病案，是医务人员对病人患病经过和治疗情况所作的文字记录，是医生诊断和治疗疾病的依据，是医学科学研究的很有价值的资料。
目前病历形成的方式有两种：第一种是，医生跟患者沟通后，通过键盘手动输入病历内容；第二种是，通过语音识别技术将口述内容识别为文字写入电子病历系统。
但是，第一种方式中键盘录入的效率相对较低；第二种方式中，医生在语音识别录入病历前需要提前组织好语言、指定要录入的位置，然后再进行口述，不符合医生病历书写习惯，而且，医患沟通后再书写电子病历，效率低且容易漏记错记，易造成医疗质量安全隐患。
发明内容
本申请实施例的一个目的是提供一种病历生成方法、系统、存储介质和电子设备。
根据本申请实施例的第一方面，提供了一种病历生成方法，包括如下步骤：
根据已有临床医疗数据构建医学知识图谱以及文本分析模型；
采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息；
将所述结构化病历信息输入至文本分析模型，得到分析结果；其中，当分析结果包括异常内容时，对所述异常内容进行标记；
校验所述分析结果并形成电子病历。
可选地，病历生成方法还包括：
将电子病历提交至病历系统，并对所述电子病历进行深度学习，更新所述文本分析模型。
可选地，采集医患对话文字信息，包括：
采集医患对话语音信息，对所述医患对话语音信息进行语音识别并进行自然语言理解处理，获取医患对话文字信息。
可选地，校验所述分析结果并形成电子病历，包括：
结合患者的诊疗信息以及关联文书对所述分析结果进行校验后，形成电子病历。
可选地，在对所述分析结果进行校验时，提供所述医患对话语音信息供回溯校核。
可选地，采集医患对话语音信息，包括：
在医患对话场景下，获取音频采集设备采集到的医患对话语音信息；其中，医患对话场景包括门诊诊室、病房床旁以及住院医生办公室。
可选地，所述异常内容包括内容缺失、内容不准确、内容存疑。
根据本申请实施例的第二方面，提供了一种病历生成系统，包括：
构建模块，用于根据已有临床医疗数据构建医学知识图谱以及文本分析模型；
处理模块，用于采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息；
分析模块，用于将所述结构化病历信息输入至文本分析模型，得到分析结果；其中，当分析结果包括异常内容时，对所述异常内容进行标记；
校验模块，用于校验所述分析结果并形成电子病历。
可选地，病历生成系统还包括：
深度学习模块，用于将电子病历提交至病历系统，并对所述电子病历进行深度学习，更新所述文本分析模型。
根据本申请实施例的第三方面，提供了一种电子设备，包括如第二方面所述的病历生成系统；或者，
所述设备包括：处理器和存储器；
所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据如第一方面所述的所述的病历生成方法。
根据本申请实施例的第四方面，提供了一种计算机存储介质，所述存储介质存储有计算机指令，当所述存储介质中的计算机指令由处理器执行时，实现如第一方面所述的所述的病历生成方法。
本申请实施例的一个技术效果在于：
在本申请实施例中，该病历生成方法设计合理，使用非常方便，其能够将医患对话语音信息自动生成结构化病历信息，不打断医生的诊疗过程，使用更自然，有效地节约医生书写记录、编辑整理的时间。同时，将结构化病历信息输入至文本分析模型，得到分析结果；当分析结果包括异常内容时，对异常内容进行标记，因此，对分析结果进行标记有助于快速实现对分析结果进行校核，便于医生用更少的时间、完成更高质量的病历书写，让医生将时间专注于患者诊疗，从而能够发挥更有意义的专业价值。
通过以下参照附图对本申请的示例性实施例的详细描述，本申请的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连同其说明一起用于解释本申请的原理。
图1为本发明实施例提供的一种病历生成方法的流程图；
图2为本发明实施例提供的一种病历生成系统的结构示意图；
图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
下面将详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，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例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
<方法实施例>
根据本申请实施例的第一方面，如图1所示，提供了一种病历生成方法，其用于根据医患对话内容生成病历，方式比较简单，病历生成的效率较高。
需要说明的是，该病历生产方法用于生产电子病历，并将各个电子病历均提交至病历系统。而病历系统的使用，为医务人员书写病历节省大量的宝贵时间，使医务人员从繁重的各种记录书写中解脱出来，这样医务人员就有更多的时间观察病情变化，更好地与患者进行接触、沟通，使患者得到更多的关怀和更完善的治疗，有利于建立良好的医患关系；同时有更多的时间进行科研活动，进而提高医疗技术水平。病历系统的使用，也极大地提高医院的病历质量，从而使书写的病历更加规范、更加具有研究和利用价值。医院的管理水平迈上一个新的台阶，管理部门能监控和考核各科室的工作，为医院的管理和考核增加一种管理手段，如谁写的病历最多或最少，上级医师的查房情况等等。
电子病历的使用，可加速病人信息的流通，使病人信息随时随处可以得到，可以提供纸张病历无法提供的服务。病历系统的使用，使病历实现无纸化，节省医院的开支，降低经营成本，提高经济效益。
具体地，病历生成方法包括如下步骤：
S101，根据已有临床医疗数据构建医学知识图谱以及文本分析模型。
例如，根据已有临床医疗数据获取医学知识文本，从所述医学知识文本中解析出诊疗规则，利用诊疗规则构建医学知识图谱。
该医学知识文本包括临床诊疗指南、专家共识、标准临床路径和医生诊疗经验等具有医学指导价值的文本内容，从该内容中解析出相应的诊疗规则，拆分实体，建立关系，构建医学知识图谱。根据医生诊断治疗逻辑，搭建推理引擎。将知识图谱和推理引擎融合，实现医学知识推理。
再例如，通过预先训练得到文本分析模型。文本分析模型是基于样本病历文本及其样本病历文本对应的样本疾病类型训练得到的。任一病历文本对应的疾病类型为基于该病历文本确定的可能的诊断结果。
S102，采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息。
例如，基于海量临床数据构建的医学知识图谱，有利于获取准确合理的结构化病历信息。
示例性的，基于医患对话文字内容以及医学知识图谱生成符合书写规范的结构化病历信息，如主要症状及持续时间自动对应为“主诉”。
S103，将所述结构化病历信息输入至文本分析模型，得到分析结果；其中，当分析结果包括异常内容时，对所述异常内容进行标记。
在本申请实施例中，文本分析模型可以为图卷积神经网络GCN(GraphConvolution Network，GCN)，图卷积神经网络可以基于输入的任一节点自身的信息以及与其相连的节点的信息，确定该节点的特征。在此基础上，将结构化病历信息输入至文本分析模型，由文本分析模型对结构化病历信息进行多层卷积，得到结构化病历信息中任一病历节点的语义特征，并基于任一病历节点的语义特征确定该病历节点的病历文本对应的疾病类型。从而能够较好地识别出结构化病历信息中的异常内容，对异常内容进行标记，有助于后续快速对分析结果进行校验，从而有助于快速提高电子病历形成的效率，并能够保证电子病历的准确性。
S104，校验所述分析结果并形成电子病历。
例如，通过医生校验分析结果，在审核、确认无误后提交至院内的病历系统，操作简单，有利于节约医生病历的书写时间，同时，在获取结构化病历信息后，通过文本分析模型能够对结构化病历信息进行分析，并能够对分析结果中的异常内容进行标记，有利于提升医生的校核效率。
当分析结果中标注有异常内容时，异常内容如诊断为“脑供血”没有描述文字“不足”，患者年龄不满周岁却出现1年前或超过1年的患病时长等逻辑存疑的内容，供医生校核过程中参考。
在本申请实施例中，该病历生成方法设计合理，使用非常方便，其能够将医患对话语音信息自动生成结构化病历信息，不打断医生的诊疗过程，使用更自然，有效地节约医生书写记录、编辑整理的时间。同时，将结构化病历信息输入至文本分析模型，得到分析结果；当分析结果包括异常内容时，对异常内容进行标记，因此，对分析结果进行标记有助于快速实现对分析结果进行校核，便于医生用更少的时间、完成更高质量的病历书写，让医生将时间专注于患者诊疗，从而能够发挥更有意义的专业价值。
可选地，病历生成方法还包括：
将电子病历提交至病历系统，并对所述电子病历进行深度学习，更新所述文本分析模型。
在上述实施方式中，每一个提交至病历系统的电子病历，均在深度学习以后作为更新文本分析模型的数据资料，随着电子病历数量的增加，有利于优化文本分析模型，从而使得经过文本分析模型得到的分析结果更加准确，并能够对分析结果中的异常内容进行全面、准确的标记，利于对分析结果进行快速校核，大大地缩短了病历的生成时间。
需要说明的是，病历系统对经医生编辑修改、校核确认过的电子病历的数据进行持续学习，随着电子病历的数据的增加，病历系统能够像医生一样具有分析能力，自动生成符合病历书写规范、内容更准确的高质量病历。
进一步地，基于文本分析模型，在对异常内容进行标记时，同时能够在批注框中显示批注数据。其中，批注数据包括建议修改的样本内容，从而能够显著提高医生的校核效率，并对医生的校核过程提供修改的方向，有助于提升电子病历生成的效率。
可选地，采集医患对话文字信息，包括：
采集医患对话语音信息，对所述医患对话语音信息进行语音识别并进行自然语言理解处理，获取医患对话文字信息。
在上述实施方式中，通过对医患对话语音信息进行语音识别并进行自然语言理解，有利于提升医患对话语音信息转化为医患对话文字信息的准确性，不仅方便对医患对话语音信息的采集，也便于对医患对话语音信息快速转化的医患对话文字信息进行记录，有利于后续电子病历的生成。
需要说明的是，通过对语音识别后的医患对话语音信息进行自然语言理解处理，能够较好地优化医患对话文字信息，使医患对话文字信息更准确，更符合病历的书写要求。
可选地，校验所述分析结果并形成电子病历，包括：
结合患者的诊疗信息以及关联文书对所述分析结果进行校验后，形成电子病历。
在上述实施方式中，在校验的过程中，同时结合患者的诊疗信息以及关联文书，可以保证校验的准确性，有助于生成准确的电子病历。
例如，当医生对分析结果进行校验时，由于医生作为患者的直接接触者，能够更加清楚患者的诊疗信息以及关联文书，在对分析结果进行校验时，结合结合患者的诊疗信息以及关联文书，能够保证校验结果的准确性。
可选地，在对所述分析结果进行校验时，提供所述医患对话语音信息供回溯校核。
在上述实施方式中，当医生对病历的某些内容不确定时，可以再次收听医患对话语音信息，以便于医生对分析结果进行准确、快速的校验。
再例如，当患者对病历的某些内容存疑时，也可以收听医患对话语音信息，以便于对诊疗场景的复原。
可选地，采集医患对话语音信息，包括：
在医患对话场景下，获取音频采集设备采集到的医患对话语音信息；其中，医患对话场景包括门诊诊室、病房床旁以及住院医生办公室。
在上述实施方式中，在多个医患对话场景下均可以采集医患对话语音信息，有助于保证医患对话语音信息采集的全面性、准确性，同时也有助于提升医患对话语音信息采集的效率，有利于后续生成准确的电子病历。
例如，通过麦克风在门诊诊室、病房床旁、住院医生办公室等主要医患对话场景采集医患对话语音信息。
可选地，所述异常内容包括内容缺失、内容不准确、内容存疑。
在上述实施方式中，将结构化病历信息输入至文本分析模型后，对内容缺失、内容不准确、内容存疑的地方均进行标记，不仅能够辅助后续的校核，也有助于保证电子病历的准确性。
<装置实施例>
根据本申请实施例的第二方面，如图2所示，提供了一种病历生成系统，包括：
构建模块201，用于根据已有临床医疗数据构建医学知识图谱以及文本分析模型；
处理模块202，用于采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息；
分析模块203，用于将所述结构化病历信息输入至文本分析模型，得到分析结果；其中，当分析结果包括异常内容时，对所述异常内容进行标记；
校验模块204，用于校验所述分析结果并形成电子病历。
在上述实施方式中，该病历生成系统设计合理，使用非常方便，其能够将医患对话语音信息自动生成结构化病历信息，不打断医生的诊疗过程，使用更自然，有效地节约医生书写记录、编辑整理的时间。同时，分析模块203用于将结构化病历信息输入至文本分析模型，得到分析结果；当分析结果包括异常内容时，对异常内容进行标记，因此，对分析结果进行标记有助于快速实现对分析结果进行校核，便于医生用更少的时间、完成更高质量的病历书写，让医生将时间专注于患者诊疗，从而能够发挥更有意义的专业价值。
可选地，病历生成系统还包括：
深度学习模块，用于将电子病历提交至病历系统，并对所述电子病历进行深度学习，更新所述文本分析模型。
在上述实施方式中，深度学习模块能够对提交至病历系统的每个电子病历进行学习，并形成更新文本分析模型的数据资料，随着电子病历数量的增加，有利于优化文本分析模型，从而使得经过文本分析模型得到的分析结果更加准确，并能够对分析结果中的异常内容进行全面、准确的标记，利于对分析结果进行快速校核，大大地缩短了病历的生成时间。
因此，在本申请中，将医患对话语音信息进行语音识别和自然语言理解，对生成的文字结果基于临床医学知识图谱、自动进行结构化处理，形成符合病历书写规范的病历内容，即结构化病历信息。再将结构化病历信息输入至文本分析模型，得到分析结果。在分析的过程中，能够对异常内容进行标记。最后，结合患者诊疗信息和关联文书对分析结构进行校验，标记的异常内容供医生审核参考。基于医生审核校验结果进行深度学习，持续提高病历系统生成电子病历的质量，整个过程不改变医生工作习惯，只需对自动生成对病历内容进行审核校验即可完成高质量的病历书写。该病历生成方法、系统、存储介质和电子设备较好地解决了目前病历内容书写效率低(例如键盘录入)，书写过程不自然(例如先指定录入位置，再将口述内容进行识别转写)、书写不及时(例如诊疗结束后整理记录，容易漏记错记)的问题。
<电子设备实施例>
根据本申请实施例的第三方面，参见图3，提供了一种电子设备，包括如第二方面所述的病历生成系统；或者，
所述设备包括：处理器302和存储器301；
所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据如第一方面所述的所述的病历生成方法。
在上述实施方式中，电子设备设计合理，使用非常方便，不打断医生的诊疗过程，使用更自然，有效地节约医生书写记录、编辑整理的时间，同时有助于医生用更少的时间、完成更高质量的病历书写，让医生将时间专注于患者诊疗。
根据本申请实施例的第四方面，提供了一种计算机存储介质，所述存储介质存储有计算机指令，当所述存储介质中的计算机指令由处理器执行时，实现如第一方面所述的所述的病历生成方法。
在上述实施方式中，设计合理，使用非常方便，不打断医生的诊疗过程，使用更自然，有效地节约医生书写记录、编辑整理的时间，同时有助于医生用更少的时间、完成更高质量的病历书写，让医生将时间专注于患者诊疗。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。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，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
虽然已经通过例子对本申请的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本申请的范围。本领域的技术人员应该理解，可在不脱离本申请的范围和精神的情况下，对以上实施例进行修改。本申请的范围由所附权利要求来限定。

Claims (11)

1.一种病历生成方法，其特征在于，包括如下步骤：
根据已有临床医疗数据构建医学知识图谱以及文本分析模型；
采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息；
将所述结构化病历信息输入至文本分析模型，得到分析结果；其中，当分析结果包括异常内容时，对所述异常内容进行标记；
校验所述分析结果并形成电子病历。
2.根据权利要求1所述的病历生成方法，其特征在于，还包括：
将电子病历提交至病历系统，并对所述电子病历进行深度学习，更新所述文本分析模型。
3.根据权利要求2所述的病历生成方法，其特征在于，采集医患对话文字信息，包括：
采集医患对话语音信息，对所述医患对话语音信息进行语音识别并进行自然语言理解处理，获取医患对话文字信息。
4.根据权利要求3所述的病历生成方法，其特征在于，校验所述分析结果并形成电子病历，包括：
结合患者的诊疗信息以及关联文书对所述分析结果进行校验后，形成电子病历。
5.根据权利要求4所述的病历生成方法，其特征在于，在对所述分析结果进行校验时，提供所述医患对话语音信息供回溯校核。
6.根据权利要求3所述的病历生成方法，其特征在于，采集医患对话语音信息，包括：
在医患对话场景下，获取音频采集设备采集到的医患对话语音信息；其中，医患对话场景包括门诊诊室、病房床旁以及住院医生办公室。
7.根据权利要求1所述的病历生成方法，其特征在于，所述异常内容包括内容缺失、内容不准确、内容存疑。
8.一种病历生成系统，其特征在于，包括：
构建模块，用于根据已有临床医疗数据构建医学知识图谱以及文本分析模型；
处理模块，用于采集医患对话文字信息，结合所述医学知识图谱对所述医患对话文字信息进行结构化处理，获取结构化病历信息；
分析模块，用于将所述结构化病历信息输入至文本分析模型，得到分析结果；其中，当分析结果包括异常内容时，对所述异常内容进行标记；
校验模块，用于校验所述分析结果并形成电子病历。
9.根据权利要求8所述的病历生成系统，其特征在于，还包括：
深度学习模块，用于将电子病历提交至病历系统，并对所述电子病历进行深度学习，更新所述文本分析模型。
10.一种电子设备，其特征在于，包括权利要求8-9任意一项所述的病历生成系统；或者，
所述设备包括：处理器和存储器；
所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据权利要求1-7中任一项所述的病历生成方法。
11.一种计算机存储介质，其特征在于，所述存储介质存储有计算机指令，当所述存储介质中的计算机指令由处理器执行时，实现如权利要求1-7任一项所述的病历生成方法。
CN202211159054.3A 2022-09-22 2022-09-22 一种病历生成方法、系统、存储介质和电子设备 Pending CN115458113A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211159054.3A CN115458113A (zh) 2022-09-22 2022-09-22 一种病历生成方法、系统、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211159054.3A CN115458113A (zh) 2022-09-22 2022-09-22 一种病历生成方法、系统、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN115458113A true CN115458113A (zh) 2022-12-09

Family

ID=84306886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211159054.3A Pending CN115458113A (zh) 2022-09-22 2022-09-22 一种病历生成方法、系统、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN115458113A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762813A (zh) * 2023-01-09 2023-03-07 之江实验室 一种基于患者个体知识图谱的医患交互方法及系统
CN116013453A (zh) * 2023-03-28 2023-04-25 中国人民解放军总医院 基于人工智能技术的病历书写改进系统
CN116612848A (zh) * 2023-07-19 2023-08-18 首都医科大学附属北京安贞医院 一种电子病历的生成方法、装置、设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762813A (zh) * 2023-01-09 2023-03-07 之江实验室 一种基于患者个体知识图谱的医患交互方法及系统
CN116013453A (zh) * 2023-03-28 2023-04-25 中国人民解放军总医院 基于人工智能技术的病历书写改进系统
CN116013453B (zh) * 2023-03-28 2023-08-15 中国人民解放军总医院 基于人工智能技术的病历书写改进系统
CN116612848A (zh) * 2023-07-19 2023-08-18 首都医科大学附属北京安贞医院 一种电子病历的生成方法、装置、设备及存储介质
CN116612848B (zh) * 2023-07-19 2023-11-10 首都医科大学附属北京安贞医院 一种电子病历的生成方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Rao et al. Assessing the utility of ChatGPT throughout the entire clinical workflow: development and usability study
Coiera et al. The digital scribe
US20220013234A1 (en) Electronic medical record interactive interface system
CN109584975B (zh) 医疗数据标准化处理方法及装置
CN115458113A (zh) 一种病历生成方法、系统、存储介质和电子设备
CN110168665B (zh) 使用机器学习技术生成模板文档的计算方法和设备
Cheng et al. The now and future of ChatGPT and GPT in psychiatry
CN110675951A (zh) 智能化的疾病诊断方法及装置、计算机设备与可读介质
Meskó The impact of multimodal large language models on health care’s future
Pearce et al. Coding and classifying GP data: the POLAR project
US11094322B2 (en) Optimizing speech to text conversion and text summarization using a medical provider workflow model
AU2020321943A1 (en) Methods and systems for generating a diagnosis via a digital health application
CN117151088A (zh) 文本的处理方法、装置、电子设备及存储介质
Maurer et al. Lessons learned from developing plain language summaries of research studies
Crampton Ambient virtual scribes: Mutuo Health’s AutoScribe as a case study of artificial intelligence-based technology
CN107845408A (zh) 数据评价方法及装置、存储介质及电子设备
CN111415747A (zh) 电子病历的构建方法及装置
US20110301966A1 (en) Real-time synchronous semantic processing in electronic documentation
CN113160914A (zh) 在线问诊方法、装置、电子设备及存储介质
Nair et al. Automated clinical concept-value pair extraction from discharge summary of pituitary adenoma patients
Maas et al. Automated Medical Reporting: From Multimodal Inputs to Medical Reports through Knowledge Graphs.
Treadwell et al. Stakeholder perspectives on public health genomics applications for sickle cell disease: a methodology for a Human Heredity and Health in Africa (H3Africa) Qualitative Research Study
Razjouyan et al. Measuring adoption of patient priorities–aligned care using natural language processing of electronic health records: development and validation of the model
Kumar et al. NATURAL LANGUAGE PROCESSING: HEALTHCARE ACHIEVING BENEFITS VIA NLP
Alpert et al. Barriers and Facilitators of Obtaining Social Determinants of Health of Patients With Cancer Through the Electronic Health Record Using Natural Language Processing Technology: Qualitative Feasibility Study With Stakeholder Interviews

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