CN116189857A - 分诊等级确定方法、装置、电子设备和存储介质 - Google Patents

分诊等级确定方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116189857A
CN116189857A CN202111434770.3A CN202111434770A CN116189857A CN 116189857 A CN116189857 A CN 116189857A CN 202111434770 A CN202111434770 A CN 202111434770A CN 116189857 A CN116189857 A CN 116189857A
Authority
CN
China
Prior art keywords
triage
grade
patient
symptom
information
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
CN202111434770.3A
Other languages
English (en)
Inventor
刘展
柳岸
马靖博
王洁梅
唐明轩
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.)
China Mobile Communications Group Co Ltd
China Mobile Chengdu ICT Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Chengdu ICT 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 China Mobile Communications Group Co Ltd, China Mobile Chengdu ICT Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202111434770.3A priority Critical patent/CN116189857A/zh
Publication of CN116189857A publication Critical patent/CN116189857A/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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请实施例提供了一种分诊等级确定方法、装置、电子设备和存储介质。其中，方法包括：获取患者的生命体征数据，并获取所述患者的症状信息；对获取的症状信息进行症状实体抽取，得到至少一个症状实体；从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；利用查找到的分诊等级，确定所述患者的分诊等级；输出确定的分诊等级。本申请提供的方案，获取患者的生命体征数据和症状信息后，对症状信息进行实体抽取，并利用得到的症状实体和生命体征数据从数据库中查找对应的分诊等级，从而确定患者的分诊等级。如此，能够提高分诊效率和分诊准确率。

Description

分诊等级确定方法、装置、电子设备和存储介质
技术领域
本申请涉及电子信息技术领域，尤其涉及一种分诊等级确定方法、装置、电子设备和存储介质。
背景技术
随着急诊医学进入快速发展时期，急诊患者的就诊量逐年增长，急诊预检分诊开始成为急诊患者就诊的首要环节。急诊预检分诊是指对急诊患者进行快速评估，并根据患者情况的危急程度进行分级的过程。通过对急诊患者进行科学分级，快速识别出处于紧急、危险状况的患者，能够实现急诊资源的有效利用，保障急诊患者的安全。
相关技术中，急诊医护人员对患者进行急诊预检分诊时，通常基于经验来对患者情况进行分级，以确定患者的危急程度。采用上述方式对急诊患者进行分级，可能存在分诊分级效率、准确率低的问题。
发明内容
为解决相关技术问题，本申请实施例提供一种分诊等级确定方法、装置、电子设备和存储介质。
本申请实施例的技术方案是这样实现的：
本申请实施例提供一种分诊等级确定方法，包括：
获取患者的生命体征数据，并获取所述患者的症状信息；
对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
利用查找到的分诊等级，确定所述患者的分诊等级；
输出确定的分诊等级。
上述方案中，所述从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级时，所述方法包括：
针对所述至少一个症状实体，从所述第一数据库中查询到至少两条分级规则；
确定所述至少两条分级规则中每条分级规则与所述患者的症状信息的相似度；
基于所述至少两条分级规则的相似度，确定所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
上述方案中，所述利用查找到的分诊等级，确定所述患者的分诊等级，包括：
当与获取的生命体征数据对应的分诊等级与至少一个症状实体对应的分诊等级不同时，将查找到的分诊等级中高的分诊等级作为所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
上述方案中，通过语音输入的方式获取所述患者的症状信息；
和/或，
通过语音输入的方式获取所述生命体征数据。
上述方案中，所述方法还包括：
对通过语音输入方式获取的生命体征数据和/或通过语音输入方式获取的症状信息进行校验；
对校验后的症状信息进行症状实体抽取，得到至少一个症状实体；
从所述第一数据库查询与校验后的生命体征数据及至少一个症状实体对应的分诊等级。
上述方案中，所述对通过语音输入方式获取的症状信息进行校验，包括：
对采集的所述患者的症状信息的语音信息进行文本转换处理，得到第一文本；
利用第二数据库的数据对所述第一文本进行校验，得到第二文本；所述第二数据库包含急诊和临床术语数据；
对所述第二文本进行症状实体抽取。
上述方案中，通过医疗检测设备获取患者的生命体征数据。
上述方案中，所述方法还包括：
对所述第一数据库进行更新。
本申请实施例还提供一种分诊等级确定装置，包括：
获取单元，用于获取患者的生命体征数据，并获取所述患者的症状信息；
第一处理单元，用于对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
第二处理单元，用于从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
确定单元，用于利用查找到的分诊等级，确定所述患者的分诊等级；
输出单元，用于输出确定的分诊等级。
本申请实施例还提供一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器用于运行所述计算机程序时，执行上述任一所述分诊等级确定方法的步骤。
本申请实施例还提供一种存储介质，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上述任一所述分诊等级确定方法的步骤。
本申请实施例提供了一种分诊等级确定方法、装置、电子设备和存储介质，获取患者的生命体征数据，并获取所述患者的症状信息；对获取的症状信息进行症状实体抽取，得到至少一个症状实体；从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；利用查找到的分诊等级，确定所述患者的分诊等级；输出确定的分诊等级。本申请实施例提供的技术方案，获取患者的生命体征数据和症状信息后，利用从症状信息中得到的症状实体以及生命体征数据，从数据库中自动查询对应的分诊等级，进而确定患者对应的分诊等级。采用上述方案，能够基于患者的生命体征数据和症状信息，实现对患者分诊等级的自动分级，提高了急诊分诊的效率。另外，从数据库中自动查找与患者的生命体征数据和症状信息相匹配的分诊等级，还能够提高分诊等级的准确率。
附图说明
图1为本申请实施例分诊等级确定的方法流程示意图；
图2为本申请应用实施例中急诊智能分诊分级系统的架构图；
图3为本申请应用实施例中急诊智能分诊分级系统的流程示意图；
图4为本申请应用实施例数据采集系统的流程示意图；
图5为本申请应用实施例语音录入系统的流程示意图；
图6为本申请应用实施例智能分级系统的流程示意图；
图7为本申请分诊等级确定装置结构示意图；
图8为本申请实施例电子设备结构示意图。
具体实施方式
下面通过附图及具体实施例对本申请作进一步的详细说明。
相关技术中，对于急诊患者，医护人员是根据人工经验来对急诊患者进行分级的。针对危急程度较低的患者，急诊医护人员会为患者提供一个或多个建议的挂号科室，来引导患者去往相应科室就诊，或者，为患者分配相应地医生，从而减少医疗资源的浪费。而针对危急程度较高的患者，基于确定的分诊等级，急诊医护人员会采取相关措施进行处理。
然而，当急诊患者数量较多时，急诊医护人员可能无法在短时间内对所有的急诊患者进行分级，也可能无法根据不同患者的情况作出准确判断，存在分诊效率和准确率不高的问题。
也就是说，相关技术中缺乏能够快速和准确地确定急诊患者分诊等级的方法。
基于此，在本申请的各种实施例中，获取患者的生命体征数据和症状信息，并对症状信息进行实体抽取。通过得到的症状实体和生命体征数据，从数据库中自动查找匹配的分诊等级，进而确定患者的分诊等级。如此，能够实现分诊等级的自动判断，提高了分诊效率，同时，从数据库中自动查找与患者的生命体征数据和症状信息相匹配的分诊等级，还能够提高分诊等级的准确率。
本申请实施例提供一种分诊等级确定方法，如图1所示，应用于电子设备，所述方法包括：
步骤101：获取患者的生命体征数据，并获取所述患者的症状信息；
步骤102：对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
步骤103：从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
步骤104：利用查找到的分诊等级，确定所述患者的分诊等级；
步骤105：输出确定的分诊等级。
其中，所述电子设备可以是服务器、笔记本电脑、平板电脑、台式计算机、移动设备等任意合适的具备分诊等级确定能力的设备。
这里，实际应用时，所述生命体征数据可以包括患者的体温、脉搏、血压、呼吸频率等数据；所述症状信息可以包括既往病史、当前症状等信息。
实际应用时，电子设备可以基于通用的急诊分诊规范来建立第一数据库，以实现分诊等级的自动查询；其中，所述第一数据库包含不同的分级规则。
具体地，所述分级规则主要可以包括：客观评估指标规则以及主观评估指标规则。示例性地，客观评估指标规则可以表征生命体征数据与分诊等级的映射关系；主观评估指标规则可以表征症状信息与分诊等级的映射关系；所述主观评估指标规则可以按照疾病类型或名称进行存储。
其中，所述分诊等级可以依据急诊分诊规范来进行划分，具体可以包括I级、II级、III级、IV级。
若分诊等级为I级，则可以说明患者为濒危患者，需要急诊医护人员立即采集相关措施进行抢救；若分诊等级为II级，则可以说明患者为危重患者，应尽快给予患者相应治疗措施；若分诊等级为III级，则可以说明患者为急症患者，应在预设时间内为患者安排就诊；若分诊等级为VI级，则可以说明患者为非急症患者，可以按照顺序为患者安排就诊。
实际应用时，急诊医护人员通常需要手动输入患者相关数据，具体可以包括客观评估指标(例如生命体征数据)和主观评估指标(例如症状信息)。由于急诊科室通常人流量大，急诊医护人员为了提高输入效率，会从患者的症状信息提取出一个或多个核心词来概括患者核心症状。然而，这样会使得医护人员在后续处理过程中无法获取到完整的患者相关数据，可能会由于相关数据不完整而导致的诊断和处理不准确的问题。
基于此，在一实施例中，可以通过医疗检测设备获取患者的生命体征数据。
实际应用时，所述电子设备可以通过连接医疗检测设备，例如体温计、多功能监护仪、血压计等，来自动获取患者的生命体征数据。
针对无法连接的医疗检测设备，电子设备还可以通过医护人员语音输入的方式来进行患者的生命体征数据的获取。
示例性地，电子设备可以通过语音采集设备，例如麦克风，来获取患者的生命体征数据。
实际应用时，电子设备还可以通过语音输入的方式来获取症状信息。
基于此，在一实施例中，可以通过语音输入的方式获取所述患者的症状信息。
这里，实际应用时，电子设备可以通过语音采集设备，如麦克风，来获取患者的症状信息。
实际应用时，当电子设备通过语音输入的方式获取患者的生命体征数据以及症状信息后，可以通过语音识别(ASR，Automatic Speech Recognition)技术对获取的生命体征数据以及症状信息的语音信息进行处理。本申请实施例对获取的语音信息进行处理的过程不作限定。
具体地，电子设备通过ASR技术，对获取的生命体征数据的语音信息进行文本转换处理，能够得到生命体征数据和对应的数值；所述生命体征数据可以包括体温、脉搏、血压、呼吸频率等数据类型。
另外，电子设备通过ASR技术，对获取的症状信息的语音信息进行文本转换处理，能够将症状信息的语音信息转化为文本信息。
这里，电子设备对获取的生命体征数据以及症状信息的语音信息进行处理的过程中，可能会存在错误处理以及数据异常的情况。因此，电子设备还可以对获取的信息进行校验，以保障获取的信息的准确性。
基于此，在一实施例中，所述方法还可以包括：
对通过语音输入方式获取的生命体征数据和/或通过语音输入方式获取的症状信息进行校验；
相应地，在步骤102和103中，对校验后的症状信息进行症状实体抽取，得到至少一个症状实体；
从所述第一数据库查询与校验后的生命体征数据及至少一个症状实体对应的分诊等级。
其中，实际应用时，一方面，所述电子设备可以校验通过语音输入方式获取的生命体征数据的数值是否存在异常，另一方面，电子设备还可以校验获取的症状信息中是否存在错误文本。
示例性地，所述电子设备可以预先设定生命体征数据中不同类型数据的数值范围，例如，体温对应的数值范围可以在35℃-45℃，呼吸频率对应的数值范围可以在10次/分-25次/分。然后，将生命体征数据中数据的数值与对应的数值范围进行匹配。如果生命体征数据中数据的数值不处于对应的数值范围，则可以认为相应数据的数值存在异常。
然后，电子设备可以向医护人员发送提示信息，使得医护人员能够通过语音输入或者手动输入的方式，实现对生命体征数据的重新录入。此时，电子设备可以对获取的生命体征数据进行再次校验，以保障获取的生命体征数据的准确性。本申请实施例对校验生命体征数据的方式不作限定。
另外，为了使得获取的症状信息符合医学用语规范，电子设备可以利用包含急诊和临床术语数据文本的数据库来进行校验。
基于此，在一实施例中，所述对通过语音输入方式获取的症状信息进行校验，包括：
对采集的所述患者的症状信息的语音信息进行文本转换处理，得到第一文本；
利用第二数据库的数据对所述第一文本进行校验，得到第二文本；所述第二数据库包含急诊和临床术语数据；
对所述第二文本进行症状实体抽取。
实际应用时，电子设备可以采用ASR技术对医护人员输入的症状信息的语音信息进行文本转换处理，从而得到第一文本。本申请实施例对进行文本转换处理的具体实现方式不作限定。
然后，电子设备可以采用模糊匹配算法，将所述第一文本与第二数据库中的数据文本进行匹配，从而确定出与所述第一文本相似度最高的第二数据库中的数据文本。基于确定的数据文本，电子设备可以对所述第一文本进行文本修改、补充，得到符合医学用语规范的第二文本。本申请实施例对校验症状信息的具体实现方式不作限定。
这里，在得到第二文本后，电子设备还可以采用自然语言生成(NLG，NeuralLanguage Generation)技术，将第二文本进行扩展，自动生成能够全面、规范地描述患者症状信息的文本信息，并存储至本地数据库中，以便于医护人员在后续诊断和处理时进行参考。
实际应用时，随着第一数据库中存储的分诊规则数量的增加，若电子设备直接将用于描述患者的症状信息的第二文本与第一数据库中的每一条规则进行匹配，以确定对应的分诊等级，不仅需要耗费较长的时间进行匹配，使得分诊的效率降低，还可能由于分诊规则数量多而匹配到错误的分诊等级，影响分诊等级的准确率。
在这种情况下，对于校验后的用于描述症状信息的第二文本，电子设备可以对所述第二文本进行症状实体抽取，以得到至少一个症状实体；其中，所述症状实体可以理解为患者症状对应的疾病类型、名称等。
示例性的，电子设备利用BERT模型，能够实现对所述第二文本的症状实体抽取，进而得到至少一个症状实体。本申请实施例对进行症状实体抽取的方式不作限定。
实际应用时，为了缩小匹配范围，提高分诊的效率和准确率，电子设备可以利用得到的症状实体从第一数据库中查询对应的规则，进而确定对应的分诊等级。
基于此，在一实施例中，所述从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级时，所述方法还可以包括：
针对所述至少一个症状实体，从所述第一数据库中查询到至少两条分级规则；
确定所述至少两条分级规则中每条分级规则与所述患者的症状信息的相似度；
基于所述至少两条分级规则的相似度，确定所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
实际应用时，针对至少一个症状实体，由于第一数据库中的主观评估指标规则(即症状信息与分诊等级的映射关系)可以按照疾病类型或名称来进行存储，因此，电子设备可以基于症状实体确定第一数据库中对应的至少两条分级规则。
然后，通过文本相似度算法，电子设备可以分别计算出每条分级规则与患者的症状信息间的相似度，并基于得到的相似度结果，确定出患者的分诊等级；所述文本相似度算法可以包括欧几里得距离算法、TF-IDF算法等，本申请实施例对此不作限定。
这里，电子设备基于至少两条分级规则的相似度，确定患者的分诊等级时，可以将相似度高的分级规则对应的分诊等级，作为患者的分诊等级并进行输出。同时，电子设备还可以根据分区规则，输出与患者的分诊等级对应的分区信息，以供医护人员将患者安置在相应区域，等待后续处理。
示例性地，针对分诊等级I和分诊等级II的患者，电子设备可以输出分区信息为红区(也可以称为抢救监护区)；针对分诊等级III的患者，电子设备可以输出分区信息为黄区(也可以称为密切观察诊疗区)；针对分级等级IV的患者，电子设备可以输出分区信息为绿区(也可以称为四级病人诊疗区)。
实际应用时，电子设备还可以利用关键词提取算法，提取症状信息中的核心词，作为分诊等级对应的分诊依据信息，并进行输出；所述关键词提取算法可以包括词频-逆文本频率(TF-IDF，Term Frequency-Inverse Document Frequency)算法。本申请实施例对此不作限定。
此外，电子设备基于获取的生命体征数据中的数据类型，还能够从第一数据库中确定对应的客观评估指标规则，进而确定对应的分诊等级。示例性地，当患者的生命体征数据中的脉搏处于150次/分钟-180次/分钟的区间，则可以利用客观评估指标规则中的脉搏规则确定对应的分诊等级为II级。
实际应用时，电子设备基于获取的生命体征数据以及至少一个症状实体确定分诊等级的过程中，如果分别根据第一数据库中的客观评估指标规则和主观评估指标规则来判断对应的分诊等级，可能会存在得到的分诊等级不一致的情况。
基于此，在一实施例中，所述利用查找到的分诊等级，确定所述患者的分诊等级，包括：
当与获取的生命体征数据对应的分诊等级与至少一个症状实体对应的分诊等级不同时，将查找到的分诊等级中高的分诊等级作为所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
示例性地，当电子设备基于生命体征数据中的脉搏数据确定患者的脉搏处于150次/分钟-180次/分钟的区间，结合从第一数据库中得到的客观评估指标规则，可以确定患者对应的分诊等级为II级。同时，当电子设备基于患者的症状信息确定患者处于休克状态时，结合从第一数据库中得到的主观评估指标规则，可以确定患者对应的分诊等级为I级。
在这种情况下，电子设备可以将两个分诊等级中分诊等级高的结果作为输出的分诊等级，即I级，并输出相应的分诊依据信息，即患者处于休克状态。
实际应用时，如果无法从第一数据库中查询到与至少一个症状实体对应的分诊等级时，则电子设备可以上报提示信息，以提示急诊医护人员人工进行分级，并基于人工确定的分诊等级来更新第一数据库。
基于此，在一实施例中，所述方法还包括：
对所述第一数据库进行更新。
实际应用时，医护人员可以定期对人工确定的分诊等级进行审核，使得电子设备能够基于审核后的分诊等级、患者的症状信息来更新第一数据库中的主观评估指标规则。
这里，电子设备还可以将患者对应的生命体征数据、症状信息、分区信息、分诊等级、分诊依据以及科室推荐信息存储至本地数据库中，以供后续医护人员进行诊断和处理时参考。
本申请实施例提供了一种分诊等级确定方法，电子设备获取患者的生命体征数据，并获取所述患者的症状信息；对获取的症状信息进行症状实体抽取，得到至少一个症状实体；从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；利用查找到的分诊等级，确定所述患者的分诊等级；输出确定的分诊等级。本申请实施例提供的技术方案，电子设备获取患者的生命体征数据和症状信息后，利用从症状信息中得到的症状实体以及生命体征数据，从数据库中自动查询对应的分诊等级，进而确定患者对应的分诊等级。采用上述技术方案，能够基于患者的生命体征数据和症状信息，实现对患者分诊等级的自动分级，提高了急诊分诊的效率。另外，从数据库中自动查找与患者的生命体征数据和症状信息相匹配的分诊等级，还能够提高分诊的准确率。
下面结合应用实施例对本申请再作进一步详细的描述。
在本应用实施例中，提出了一种急诊智能分诊分级系统，能够实现对急诊患者的自动分级，填补了现有技术中智能急诊分诊对患者病情分级判断的空白。其中，如图2所示，所述急诊智能分诊分级系统具体可以包括：
前端界面，用于显示患者的分诊信息，具体包括分诊等级、分诊依据、分区信息、科室推荐信息；
数据采集系统，用于获取患者的生命体征数据；
语音录入系统，用于录入医护人员口述的生命体征数据以及患者主诉、既往病史等文本信息(即患者的症状信息)；
急诊临床数据库(也可以称为第二数据库)，用于对通过语音录入系统录入的信息进行校验；
分诊知识库(也可以称为第一数据库)，用于存储分级规则；
智能分级系统，用于对患者进行分诊分级，并输出对应的分级信息；
数据库(即本地数据库)，用于存储患者的生命体征数据、文本信息、分诊等级、分诊依据、分区信息以及科室推荐信息。
本应用实施例中，急诊智能分诊分级系统进行急诊分诊分级的过程，如图3，包括以下步骤：
步骤301：数据采集系统获取患者的生命体征数据；
具体地，如图4所示，数据采集系统自动获取患者的生命体征数据的过程，包括以下步骤：
步骤3011：数据采集系统连接医疗检测设备；
其中，所述医疗检测设备包括体温计、多功能监护仪、血压计等装置。
步骤3012：数据采集系统自动获取患者的生命体征数据；
当分诊台医护人员利用上述医疗检测设备对患者进行检测时，数据采集系统能够自动获取到患者的生命体征数据，例如体温、血压、脉搏、呼吸频率等数据。
步骤3013：数据采集系统将获取的生命体征数据发送至智能分级系统。
步骤302：语音录入系统获取患者的生命体征数据以及患者主诉、既往病史等文本信息；
具体地，如图5所示，语音录入系统获取患者生命体征数据和文本信息的过程，包括以下步骤：
步骤3021：语音录入系统连接语音录入设备；
其中，所述语音录入设备包括麦克风。
步骤3022：语音录入系统通过语音录入设备获取语音信息；
这里，所述语音信息包括生命体征数据和对应的数值，以及患者主诉、既往病史等文本信息。
这里，针对无法连接的医疗检测设备，语音录入系统可以通过医护人员口述的方式获取患者的生命体征数据和对应的数值。
另外，语音录入系统对分诊台医护人员口述的语音信息进行文本转换处理，能够得到患者主诉、既往病史等文本信息。
步骤3023：语音录入设备对获取的语音信息进行校验；
实际应用时，为了保障获取的数据的准确性，语音录入设备根据预先设置的生命体征数据对应的数值的阈值范围，能够检测并提示生命体征数据的数值中的异常值，使得分诊台医护人员能够进行重新录入。
同时，语音录入设备利用急诊临床数据库对文本信息，能够实现文本信息的自动纠错，并将文本信息转化为符合医学用语规范的文本。
示例性地，语音录入系统通过模糊匹配、自然语言生成等技术，能够实现对文本信息的自动纠错和转化。
步骤3024：语音录入系统基于校验后的生命体征数据以及文本信息，生成患者对应的数据记录；
步骤3025：语音录入系统显示数据记录，并进行人工修订；
实际应用时，语音录入系统会向分诊台医护人员显示生成的数据记录，以供医护人员进行人工校验和修订。
步骤3026：语音录入系统将人工修订后的数据记录发送至智能分级系统。
步骤303：智能分级系统基于接收的生命体征数据，从分诊知识库中匹配对应的分级等级；
其中，所述分诊知识库包含客观评估指标和主观评估指标；所述客观评估指标表征生命体征数据与分诊等级的映射规则；所述主观评估指标包含了急诊常见症状和疾病的对应分级依据和分级等级。
这里，实际应用时，智能分级系统根据患者的生命体征数据，从分诊知识库中能够匹配对应的客观评估指标，进而确定对应的分诊等级。
示例性地，当患者生命体征数据中的心率数据大于180次/min时，则可以确定对应的分诊等级为I级。
步骤304：智能分级系统基于接收的文本信息，从分诊知识库中匹配对应的分级等级；
具体地，如图6所示，基于接收的文本信息，从分诊知识库中匹配对应的分级等级的过程，包括以下步骤：
步骤3041：智能分级系统获取患者的文本信息；
其中，智能分级系统从接收的数据记录中，能够获取患者的文本信息；所述文本信息包括患者症状、既往病史。
步骤3042：智能分级系统提取文本信息中的症状实体；
实际应用时，智能分级系统通过BERT模型，能够提取文本信息中的至少一个症状实体。
这里，医护人员可以根据需要对提取的症状实体进行补充或修改。
步骤3043：智能分级系统判断是否在分诊知识库中匹配到对应的主观评估指标；
这里，智能分级系统若能够在分诊知识库中匹配到对应的主观评估指标，则执行步骤3044；否则，执行步骤3046。
步骤3044：智能分级系统将文本信息和对应的主观评估指标进行相似度计算，得到相似度结果；
实际应用时，智能分级系统通过文本相似度算法，将文本信息中的患者主诉、既往病史等文本与对应的主观评估指标进行匹配，从而得到相似度结果。
步骤3045：基于相似度结果，智能分级系统输出分级等级和分级依据；
这里，可以将与文本信息相似度最高的主观评估指标对应的分级等级作为输出的分级等级。
同时，智能分级系统通过关键词提取算法，从文本信息中提取出用于描述患者主诉、既往病史的关键词，作为分级依据。
步骤3046：医护人员进行人工审核；
若无法从分诊知识库中匹配到对应的主观评估指标，则智能分级系统通过将患者的文本信息进行显示，以供医护人员进行人工分级，并通过口述或者手动输入的方式，录入至智能分级系统。
若能够从分诊知识库中匹配到对应的主观评估指标，则智能分级系统通过将患者的文本信息进行显示，以供医护人员进行人工审核。
步骤3047：智能分级系统输出文本信息对应的分级等级和分级依据。
步骤305：智能分级系统基于与生命体征数据对应的分级等级，以及与文本信息对应的分级等级，确定患者最终的分级等级和分级依据；
实际应用时，若通过生命体征数据匹配的分级等级与文本信息匹配的分级等级不同时，智能分级系统会选择分级等级高的结果进行显示。
例如，患者的心率在150～180次/min之间，对应分级等级为II级，但患者处于休克状态，休克状态对应分级等级为I级，则最终确定所述患者为I级。
这里，智能分级系统将确定的分级等级和分级依据发送至前端界面。
其中，当确定分级等级为I级和II级时，智能分级系统会根据预设分区规则，确定患者对应的分区信息为抢救监护区，并输出患者对应的分区信息、分级等级和分级依据至前端界面。当确定分级等级为III级时，智能分级系统会根据预设分区规则，确定患者对应的分区信息为密切观察诊疗区，同时，还会根据科室推荐规则，确定患者的文本信息对应的科室推荐信息。然后，输出患者对应的分区信息、分级等级、分级依据以及科室推荐信息。当确定分诊等级为IV级时，智能分级系统会根据预设分区规则，确定患者对应的分区信息为死机病人诊疗区，同时，还会根据科室推荐规则，确定患者的文本信息对应的科室推荐信息。然后，输出患者对应的分区、分级等级、分级依据以及科室推荐信息发送至前端界面。
步骤306：前端界面显示患者的分级等级、分级依据；
实际应用时，针对分级等级为I级和II级的患者，前端界面会显示患者对应的分区、分级等级以及分级依据；而针对分级等级为III级和IV级，前端界面会显示患者对应的分区、分级等级、分级依据以及科室推荐信息。
这里，医护人员还可以对显示的分级信息进行人工审核。
步骤307：智能分级系统将显示的分级信息存储至数据库中。
本申请应用实施例中，提出了一种能够对急诊患者进行快速分诊分级的急诊智能分诊系统。为了实现快速分诊分级的目的，急诊智能分诊系统采用实体抽取的方法从获取的患者主诉、既往史等数据中提取出一条或多条患者的核心症状实体，然后，在分诊知识库先中检索出该症状相关的分诊规则，再与患者主诉、既往史等文本数据进行匹配和相似度计算，缩小了匹配范围，同时结合基本生命体征数据，显示最终分级结果和分级依据，辅助医护人员进行分级。如此，在匹配过程中提高了急诊智能分诊系统的准确度和分诊效率。
其次，急诊智能分诊系统通过数据采集装置能够自动获取患者的各种生命体征数据，避免了手动输入的过程。同时，急诊智能分诊系统通过语音采集模块，以语音录入的方式来获取分诊台医护人员口述的患者生命体征数据、数值，以及患者的主诉信息，并在通过语音录入的方式获取患者的主诉信息时，能够自动将主诉信息校正、补充为符合医学用语的文本信息。如此，提高了信息录入的准确率，也提高了信息录入的效率，使得后续医护人员能够基于准确、完整的主诉信息和生命体征数据对患者进行处理。上述录入方式不仅适用于急诊门诊，也适用于院前急救，能够节约数据录入时间，提高抢救患者效率。
同时，急诊智能分诊系统可以在分级分诊的过程中，能够对分诊知识库中的分诊规则进行不断地优化和更新，从而建立更加完善的分诊分级规则，以实现对患者的精准分诊分级。
为了实现本申请实施例的方案，本申请实施例还提供一种分诊等级确定装置，如图7所示，该装置包括：
获取单元701，用于获取患者的生命体征数据，并获取所述患者的症状信息；
第一处理单元702，用于对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
第二处理单元703，用于从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
确定单元704，用于利用查找到的分诊等级，确定所述患者的分诊等级；
输出单元705，用于输出确定的分诊等级。
这里，需要说明的是，所述获取单元701的功能相当于应用实施例中数据采集系统和语音录入系统的功能；所述第一处理单元702和所述第二处理单元703的功能相当于应用实施例中智能分析系统的功能。
其中，在一实施例中，所述第二处理单元703，用于：
针对所述至少一个症状实体，从所述第一数据库中查询到至少两条分级规则；
确定所述至少两条分级规则中每条分级规则与所述患者的症状信息的相似度；
基于所述至少两条分级规则的相似度，确定所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
在一实施例中，所述确定单元704，用于：
当与获取的生命体征数据对应的分诊等级与至少一个症状实体对应的分诊等级不同时，将查找到的分诊等级中高的分诊等级作为所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
在一实施例中，所述获取单元701通过语音输入的方式获取所述患者的症状信息；
和/或，
通过语音输入的方式获取所述生命体征数据。
在一实施例中，所述获取单元701，还用于：
对通过语音输入方式获取的生命体征数据和/或通过语音输入方式获取的症状信息进行校验；
对校验后的症状信息进行症状实体抽取，得到至少一个症状实体；
从所述第一数据库查询与校验后的生命体征数据及至少一个症状实体对应的分诊等级。
在一实施例中，所述获取单元701，用于：
对采集的所述患者的症状信息的语音信息进行文本转换处理，得到第一文本；
利用第二数据库的数据对所述第一文本进行校验，得到第二文本；所述第二数据库包含急诊和临床术语数据；
对所述第二文本进行症状实体抽取。
在一实施例中，所述获取单元701通过医疗检测设备获取患者的生命体征数据。
在一实施例中，所述第二处理单元703，还用于对所述第一数据库进行更新。
实际应用时，所述获取单元701和所述输出单元705可由分诊等级确定装置中的处理器结合通信接口实现；所述第一处理单元702、第二处理单元703、所述确定单元704以及可由分诊等级确定装置中的处理器实现。
需要说明的是：上述实施例提供的分诊等级确定装置在进行分诊等级确定时，仅以上述各程序单元的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序单元完成，即将装置的内部结构划分成不同的程序单元，以完成以上描述的全部或者部分处理。另外，上述实施例提供的分诊等级确定装置与分诊等级确定方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本申请实施例分诊等级确定的方法，本申请实施例还提供了一种电子设备，如图8所示，该电子设备800包括：
通信接口801，能够与其他设备进行交互；
处理器802，与所述通信接口801连接，以实现与其他设备进行交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的方法；
存储器803，所述计算机程序存储在存储器803上。
具体地，所述处理器802，用于：
通过所述通信接口801获取患者的生命体征数据，并获取所述患者的症状信息；
对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
利用查找到的分诊等级，确定所述患者的分诊等级；
通过所述通信接口801输出确定的分诊等级。
其中，在一实施例中，所述处理器802，用于：
针对所述至少一个症状实体，从所述第一数据库中查询到至少两条分级规则；
确定所述至少两条分级规则中每条分级规则与所述患者的症状信息的相似度；
基于所述至少两条分级规则的相似度，确定所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
在一实施例中，所述处理器802，用于：
当与获取的生命体征数据对应的分诊等级与至少一个症状实体对应的分诊等级不同时，将查找到的分诊等级中高的分诊等级作为所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
在一实施例中，所述处理器802通过语音输入的方式获取所述患者的症状信息；
和/或，
通过语音输入的方式获取所述生命体征数据。
在一实施例中，所述处理器802，还用于：
对通过语音输入方式获取的生命体征数据和/或通过语音输入方式获取的症状信息进行校验；
对校验后的症状信息进行症状实体抽取，得到至少一个症状实体；
从所述第一数据库查询与校验后的生命体征数据及至少一个症状实体对应的分诊等级。
在一实施例中，所述处理器802，用于：
对采集的所述患者的症状信息的语音信息进行文本转换处理，得到第一文本；
利用第二数据库的数据对所述第一文本进行校验，得到第二文本；所述第二数据库包含急诊和临床术语数据；
对所述第二文本进行症状实体抽取。
在一实施例中，所述处理器802，还用于：
对所述第一数据库进行更新。
需要说明的是：处理器802的具体处理过程可参照上述方法理解。
当然，实际应用时，电子设备800中的各个组件通过总线系统804耦合在一起。可理解，总线系统804用于实现这些组件之间的连接通信。总线系统804除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统804。
本申请实施例中的存储器803用于存储各种类型的数据以支持电子设备800的操作。这些数据的示例包括：用于在电子设备800上操作的任何计算机程序。
上述本申请实施例揭示的方法可以应用于所述处理器802，或者由所述处理器802实现。所述处理器802可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过所述处理器802中的硬件的集成逻辑电路或者软件形式的指令完成。上述的所述处理器802可以是通用处理器、数字信号处理器(DSP，Digital SignalProcessor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。所述处理器802可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器803，所述处理器802读取存储器803中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器803，上述计算机程序可由电子设备800的处理器802执行，以完成前述分诊等级确定所述步骤。计算机可读存储介质可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-OnlyMemory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable ProgrammableRead-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random accessmemory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，CompactDisc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。
需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种分诊等级确定方法，其特征在于，包括：
获取患者的生命体征数据，并获取所述患者的症状信息；
对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
利用查找到的分诊等级，确定所述患者的分诊等级；
输出确定的分诊等级。
2.根据权利要求1所述的方法，其特征在于，所述从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级时，所述方法包括：
针对所述至少一个症状实体，从所述第一数据库中查询到至少两条分级规则；
确定所述至少两条分级规则中每条分级规则与所述患者的症状信息的相似度；
基于所述至少两条分级规则的相似度，确定所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
3.根据权利要求1所述的方法，其特征在于，所述利用查找到的分诊等级，确定所述患者的分诊等级，包括：
当与获取的生命体征数据对应的分诊等级与至少一个症状实体对应的分诊等级不同时，将查找到的分诊等级中高的分诊等级作为所述患者的分诊等级；
输出确定的分诊等级和分诊依据信息。
4.根据权利要求1所述的方法，其特征在于，通过语音输入的方式获取所述患者的症状信息；
和/或，
通过语音输入的方式获取所述生命体征数据。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对通过语音输入方式获取的生命体征数据和/或通过语音输入方式获取的症状信息进行校验；
对校验后的症状信息进行症状实体抽取，得到至少一个症状实体；
从所述第一数据库查询与校验后的生命体征数据及至少一个症状实体对应的分诊等级。
6.根据权利要求5所述的方法，其特征在于，所述对通过语音输入方式获取的症状信息进行校验，包括：
对采集的所述患者的症状信息的语音信息进行文本转换处理，得到第一文本；
利用第二数据库的数据对所述第一文本进行校验，得到第二文本；所述第二数据库包含急诊和临床术语数据；
对所述第二文本进行症状实体抽取。
7.根据权利要求1所述的方法，其特征在于，
通过医疗检测设备获取患者的生命体征数据。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：
对所述第一数据库进行更新。
9.一种分诊等级确定装置，其特征在于，包括：
获取单元，用于获取患者的生命体征数据，并获取所述患者的症状信息；
第一处理单元，用于对获取的症状信息进行症状实体抽取，得到至少一个症状实体；
第二处理单元，用于从第一数据库中查询与获取的生命体征数据及至少一个症状实体对应的分诊等级；
确定单元，用于利用查找到的分诊等级，确定所述患者的分诊等级；
输出单元，用于输出确定的分诊等级。
10.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器用于运行所述计算机程序时，执行权利要求1至8任一项所述方法的步骤。
11.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
CN202111434770.3A 2021-11-29 2021-11-29 分诊等级确定方法、装置、电子设备和存储介质 Pending CN116189857A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111434770.3A CN116189857A (zh) 2021-11-29 2021-11-29 分诊等级确定方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111434770.3A CN116189857A (zh) 2021-11-29 2021-11-29 分诊等级确定方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN116189857A true CN116189857A (zh) 2023-05-30

Family

ID=86438905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111434770.3A Pending CN116189857A (zh) 2021-11-29 2021-11-29 分诊等级确定方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116189857A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116825312A (zh) * 2023-07-24 2023-09-29 广州腾方医信科技有限公司 一种基于信创环境的分诊系统及方法
CN117497158A (zh) * 2023-12-28 2024-02-02 智业软件股份有限公司 基于维度组合与权重计算推荐分诊等级的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116825312A (zh) * 2023-07-24 2023-09-29 广州腾方医信科技有限公司 一种基于信创环境的分诊系统及方法
CN117497158A (zh) * 2023-12-28 2024-02-02 智业软件股份有限公司 基于维度组合与权重计算推荐分诊等级的方法
CN117497158B (zh) * 2023-12-28 2024-04-16 智业软件股份有限公司 基于维度组合与权重计算推荐分诊等级的方法

Similar Documents

Publication Publication Date Title
US20220020495A1 (en) Methods and apparatus for providing guidance to medical professionals
CN108027823B (zh) 信息处理装置、信息处理方法以及计算机可读取的存储介质
US20190034503A1 (en) System and Method for Text Extraction and Contextual Decision Support
US8285734B2 (en) Comparison of documents based on similarity measures
CN113345577B (zh) 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质
US9477662B2 (en) Computer-assisted abstraction for reporting of quality measures
US20140365239A1 (en) Methods and apparatus for facilitating guideline compliance
CN112562807B (zh) 医疗数据分析方法、装置、设备、存储介质和程序产品
CN112541056B (zh) 医学术语标准化方法、装置、电子设备及存储介质
CN116189857A (zh) 分诊等级确定方法、装置、电子设备和存储介质
CN111382275A (zh) 医疗知识图谱的构建方法、装置、介质及电子设备
CN110827941A (zh) 电子病历信息校正方法及系统
CN113051905A (zh) 训练医疗命名实体识别模型及医疗命名实体识别的方法
CN111274400B (zh) 一种医学术语系统的构建方法、装置、设备及存储介质
CN109584980B (zh) 数据核验方法及装置、电子设备、存储介质
WO2021032055A1 (zh) 临床试验报告自动录入方法及装置、电子设备、存储介质
CN111667891A (zh) 应用于专病临床试验的队列识别方法及装置
EP3000064A1 (en) Methods and apparatus for providing guidance to medical professionals
CN111383754A (zh) 医疗决策方法、医疗决策装置、电子设备及存储介质
Chandra et al. Natural language Processing and Ontology based Decision Support System for Diabetic Patients
CN113450905A (zh) 医疗辅助诊断系统、方法及计算机可读存储介质
CN114334175A (zh) 医院疫情监测方法、装置、计算机设备及存储介质
CN114220541A (zh) 疾病预测方法、装置、电子设备及存储介质
CN114724693A (zh) 异常诊疗行为的检测方法及装置、电子设备和存储介质
CN115346634A (zh) 一种体检报告解读预测方法、系统、电子设备和存储介质

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