CN116798566A - 基于医疗数据确定诊疗方案的方法、装置、设备及介质 - Google Patents
基于医疗数据确定诊疗方案的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116798566A CN116798566A CN202311098385.5A CN202311098385A CN116798566A CN 116798566 A CN116798566 A CN 116798566A CN 202311098385 A CN202311098385 A CN 202311098385A CN 116798566 A CN116798566 A CN 116798566A
- Authority
- CN
- China
- Prior art keywords
- patient
- medical
- medical information
- data
- approximation
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 106
- 238000003745 diagnosis Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000011269 treatment regimen Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 210000004185 liver Anatomy 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 238000001356 surgical procedure Methods 0.000 claims description 3
- 238000004820 blood count Methods 0.000 description 6
- 201000001421 hyperglycemia Diseases 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000003743 erythrocyte Anatomy 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 208000000059 Dyspnea Diseases 0.000 description 2
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- AZSFNUJOCKMOGB-UHFFFAOYSA-K cyclotriphosphate(3-) Chemical compound [O-]P1(=O)OP([O-])(=O)OP([O-])(=O)O1 AZSFNUJOCKMOGB-UHFFFAOYSA-K 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (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基于医疗数据确定诊疗方案的方法、装置、设备及介质，设计医疗诊疗技术领域，该方法包括：获取多个第一患者的医疗信息，判断多个第一患者的治疗结果是否为已治愈状态，若为已治愈状态，将第一患者的医疗信息存放至目标医疗信息库。否则，在判断到负责医生的职称为高级职称时，将第一患者的医疗信息存入至目标医疗信息库。获取第二患者的医疗信息，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对。如此，较低级医院里医生在确定当前待治疗患者的诊疗方案时，可以参考在较高级医院就诊过的，且与第二患者病情相近的第一患者的诊疗方案，以降低较低级医院里医生的误诊可能性。
Description
技术领域
本申请实施例涉及医疗诊疗技术领域，具体涉及基于医疗数据确定诊疗方案的方法、装置、设备及介质。
背景技术
随着人们对健康的重视，越来越多的人稍感不适便及时去医院检查或者治疗，特别像社区医院这种较低级的医院因为收费低且离家近常常成为人们看病的首选。
然而，目前较低级的医院仍存在医疗资源匮乏的现象，例如，坐诊的医生大多理论基础薄弱，整体水平较低，很难保证不会误诊，以致病人错过最佳治疗时机。
因此，亟需一种可以降低较低级的医院里医生误诊的可能性的方法。
发明内容
鉴于上述问题，本申请实施例提供了基于医疗数据确定诊疗方案的方法、装置、设备及介质，降低了较低级的医院里医生误诊的可能性。
本申请实施例的第一方面，提供了基于医疗数据确定诊疗方案的方法，包括：获取多个第一患者的医疗信息，第一患者是曾在较高级医院就诊过的患者。第一患者的医疗信息至少包括第一患者的治疗结果、负责医生的职称、第一医疗数据和第一诊疗方案。判断多个第一患者的治疗结果是否为已治愈状态，若为已治愈状态，将第一患者的医疗信息存放至目标医疗信息库。否则，在判断到负责医生的职称为高级职称时，将第一患者的医疗信息存入至目标医疗信息库。获取第二患者的医疗信息，第二患者的医疗信息至少包括第二医疗数据，其中，第二患者为当前较低级医院的待治疗患者。遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，确定是否输出第一诊疗方案为第二患者提供参考治疗方案。
本实施例中，判断多个第一患者的治疗结果是否为已治愈状态，若为已治愈状态，将第一患者的医疗信息存放至目标医疗信息库，可以确定目标医疗信息库中的第一诊疗方案是比较好的治疗方式。若为未治愈状态，可以继续判断负责医生的职称是否为高级职称。若负责医生的职称为高级职称，将第一患者的医疗信息存入至目标医疗信息库，这样，即使第一患者是未治愈状态，第一诊疗方案仍可以用于为当前待治疗患者提供参考的治疗方案。如此，较低级医院里医生在确定当前待治疗患者的病因及治疗方式时，可以参考在较高级医院就诊过的，且与第二患者病情相近的第一患者的第一诊疗方案，以降低较低级医院里医生的误诊可能性。
在一种可选的方式中，在判断到负责医生的职称为高级职称以下时，将第一患者的医疗信息存入至典型医疗信息库，以供医生学习交流。删除典型医疗信息库中经医生学习交流后的第一患者的医疗信息，并将第一患者的医疗信息存入至目标医疗信息库。
本实施例中，通过将典型医疗信息库内经医生学习交流后的第一患者的医疗信息存入至目标医疗信息库，可以不断扩充目标医疗信息库，以更好的为较低级医院里医生服务。
在一种可选的方式中，在判断到负责医生的职称为高级职称时，将第一患者的医疗信息存入至目标医疗信息库后，方法还包括：将存入至目标医疗信息库的负责医生的职称为高级职称的第一患者的医疗信息进行标记，等待知名专家将标记后的第一患者的医疗信息进行分析得出分析结果。若分析结果与第一诊疗方案不同，在目标医疗信息库中将分析结果作为更新后的第一诊疗方案。
这样，通过用知名专家的分析结果更新第一诊疗方案，可以为以后的类似病例提供更有价值的参考治疗方案。
在一种可选的方式中，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，确定是否输出第一诊疗方案为第二患者提供参考治疗方案，包括：遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值。将多个近似度值进行比较确定出最大的近似度值，判断最大的近似度值是否大于第一阈值。若是，输出最大的近似度值对应的第一患者的第一诊疗方案为第二患者提供参考治疗方案。否则，输出无参考诊疗方案，并将第二患者的医疗信息存入至典型医疗信息库，以供医生学习交流。
本实施例中，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值。将多个近似度值进行比较确定出最大的近似度值，则此最大的近似度值对应的第一患者可以认为是目标医疗信息库中与当前待治疗患者的病情最接近的一位患者。
如果最大的近似度值大于第一阈值，则可以认为此最大的近似度值对应的第一患者的第一诊疗方案可以用于为当前待治疗患者提供参考的治疗方案。这样，若较低级医院里医生确定的当前待治疗患者的诊疗方案和第一诊疗方案差别较大，可以提醒较低级医院里医生是否误诊或者提醒较低级医院里医生寻求经验更丰富的医生帮助诊断当前待治疗患者，以降低较低级医院里医生误诊的可能性。
如果最大的近似度值不大于第一阈值，则可以认为目标医疗信息库中没有与当前待治疗患者病情相近的第一患者。因此，将第二患者的医疗信息存入至典型医疗信息库，可以供医生学习交流，更好的为较为罕见的病例提供治疗方案，提高医生诊治水平。
在一种可选的方式中，第一医疗数据至少包括第一患者主诉、第一患者的医疗检查数据和第一患者既往病史信息。第二医疗数据至少包括第二患者主诉、第二患者的医疗检查数据和第二患者既往病史信息。
在一种可选的方式中，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值，包括：遍历目标医疗信息库，将第二患者主诉与每个第一患者主诉进行比对，得出多个第一近似度值。遍历目标医疗信息库，将第二患者的医疗检查数据与每个第一患者的医疗检查数据进行比对，得出多个第二近似度值。遍历目标医疗信息库，将第二患者既往病史信息与每个第一患者既往病史信息进行比对，得出多个第三近似度值。将每个第一患者对应的第一近似度值、第二近似度值以及第三近似度值进行数据处理，得到每个第一患者对应的近似度值。
本实施例中，通过将第二患者和第一患者的患者主诉、医疗检查数据以及既往病史信息均进行比对，可以更加准确的确定出目标医疗信息库中与第二患者病情最接近的第一患者。
在一种可选的方式中，将每个第一患者对应的第一近似度值、第二近似度值以及第三近似度值进行数据处理，得到每个第一患者对应的近似度值，包括：将每个第一患者对应的多个第一近似度值、多个第二近似度值以及多个第三近似度值分别取平均值得到平均第一近似度值、平均第二近似度值和平均第三近似度值，将平均第一近似度值、平均第二近似度值和平均第三近似度值加权后取平均值得到每个第一患者对应的近似度值。
在一种可选的方式中，目标医疗信息库包括多个科室的目标医疗信息库，科室至少包括肝科、心内科、呼吸内科以及外科。
在一种可选的方式中，在获取第二患者的医疗信息后，方法还包括：根据第二医疗数据确定第二患者的所属科室。遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，包括：遍历目标医疗信息库中与第二患者的所属科室相同的科室的目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对。
本实施例中，通过遍历目标医疗信息库中与第二患者的所属科室相同的科室的目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，可以更便捷的在目标医疗信息库中找到与第二患者病情最接近的第一患者。
本申请实施例的第二方面，提供了一种基于医疗数据确定诊疗方案的装置，包括：用于执行本申请实施例的第一方面提供的基于医疗数据确定诊疗方案的方法的模块。
本申请实施例的第三方面，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，处理器执行计算机程序时实现本申请实施例的第一方面提供的基于医疗数据确定诊疗方案的方法的步骤。
本申请实施例的第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本申请实施例的第一方面提供的基于医疗数据确定诊疗方案的方法的步骤。
上述说明仅是本申请实施例技术方案的概述，为了能够更清楚了解本申请实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本申请实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本申请一些实施例提供的一种基于医疗数据确定诊疗方案的方法的流程图。
图2为本申请一些实施例提供的基于医疗数据确定诊疗方案的装置。
图3为本申请一些实施例的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。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它实施例，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖而不排除其它的内容。单词“一”或“一个”并不排除存在多个。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语“实施例”并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
此外，本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序，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”的含义是指两个以上（包括两个），同理，“多组”指的是两组以上（包括两组）。
本申请实施例提供了一种基于医疗数据确定诊疗方案的方法，请参考图1，图1为本申请一些实施例提供的一种基于医疗数据确定诊疗方案的方法的流程图。
如图1所示，本申请实施例提供的基于医疗数据确定诊疗方案的方法，包括如下步骤101~步骤106：
步骤101：获取多个第一患者的医疗信息。
其中，第一患者是曾在较高级医院就诊过的患者。需要说明的是，较高级医院具体为三甲医院。第一患者的医疗信息至少包括第一患者的治疗结果、负责医生的职称、第一医疗数据和第一诊疗方案。第一医疗数据例如可以是患者主诉，例如，呼吸困难、胸闷等。第一医疗数据例如还可以是血常规等数值报告单，例如，白细胞计数值为5。第一医疗数据例如还可以是心电图等图形报告单。第一医疗数据还可以是上述患者主诉、数值报告单以及图形报告单的一种或者多种，本实施例对此不作限定。第一诊疗方案是指较高级医院里医生根据第一患者的第一医疗数据确定的治疗方式。例如，第一诊疗方案可以包括患者的病症和用药等。
值得指出的是，第一患者的医疗信息是经过第一患者授权可以使用的，或者是已经删除了第一患者的姓名、性别、身份证号以及家庭住址等涉及第一患者隐私的相关信息。
步骤102：判断多个第一患者的治疗结果是否为已治愈状态。若为已治愈状态则执行步骤103，否则，执行步骤104。
步骤103：若为已治愈状态，将第一患者的医疗信息存放至目标医疗信息库。步骤103执行之后执行步骤105
步骤104：在判断到负责医生的职称为高级职称时，将第一患者的医疗信息存入至目标医疗信息库。
考虑到像癌症等病症是无法治愈的，因此，若为未治愈状态，可以继续判断负责医生的职称是否为高级职称。若负责医生的职称为高级职称，即使第一患者是未治愈状态，第一诊疗方案仍可以用于为当前待治疗患者提供参考的治疗方案。
步骤104执行之后执行步骤105。
步骤105：获取第二患者的医疗信息。
其中，第二患者的医疗信息至少包括第二医疗数据，其中，第二患者为当前较低级医院的待治疗患者。需要说明的是，较低级医院具体为除三甲医院以外的医院。例如，可以是社区医院或者乡村医院等。第二医疗数据可以参考前述实施例对第一医疗数据的描述，此处不再赘述。
步骤106：遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，确定是否输出第一诊疗方案为第二患者提供参考治疗方案。
本实施例中，判断多个第一患者的治疗结果是否为已治愈状态，若为已治愈状态，将第一患者的医疗信息存放至目标医疗信息库，可以确定目标医疗信息库中的第一诊疗方案是比较好的治疗方式。若为未治愈状态，可以继续判断负责医生的职称是否为高级职称。若负责医生的职称为高级职称，将第一患者的医疗信息存入至目标医疗信息库，这样，即使第一患者是未治愈状态，第一诊疗方案仍可以用于为当前待治疗患者提供参考的治疗方案。如此，较低级医院里医生在确定当前待治疗患者的病症和用药时，可以参考在较高级医院就诊过的，且与第二患者病情相近的第一患者的第一诊疗方案，以降低较低级医院里医生的误诊可能性。
在一些实施例中，在判断到负责医生的职称为高级职称以下时，可以将第一患者的医疗信息存入至典型医疗信息库，以供医生学习交流。删除典型医疗信息库中经医生学习交流后的第一患者的医疗信息，并将第一患者的医疗信息存入至目标医疗信息库。
例如，可以每隔第一预设时间将典型医疗信息库中经医生学习交流后的第一患者的医疗信息存入至目标医疗信息库。例如，第一预设时间可以是十五天。应理解，经医生学习交流后的第一患者的医疗信息可以包括第一诊疗方案，第一诊疗方案应该是至少有高级职称的医生在场交流后得到的诊疗方案。
本实施例中，通过将典型医疗信息库内经医生学习交流后的第一患者的医疗信息存入至目标医疗信息库，可以不断扩充目标医疗信息库，以更好的为较低级医院里医生服务。
在一些实施例中，在判断到负责医生的职称为高级职称时，将第一患者的医疗信息存入至目标医疗信息库后，方法还包括：将存入至目标医疗信息库的负责医生的职称为高级职称的第一患者的医疗信息进行标记，等待知名专家将标记后的第一患者的医疗信息进行分析得出分析结果。若分析结果与第一诊疗方案不同，在目标医疗信息库中将分析结果作为更新后的第一诊疗方案。
这样，通过用知名专家的分析结果更新第一诊疗方案，可以为以后的类似病例提供更有价值的参考治疗方案。
在一些实施例中，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，确定是否输出第一诊疗方案为第二患者提供参考治疗方案，包括：遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值。将多个近似度值进行比较确定出最大的近似度值，判断最大的近似度值是否大于第一阈值。
例如，第一阈值可以是百分之九十五。当最大的近似度值大于百分之九十五时，才认为第一患者对应的第一诊疗方案可以用于为第二患者的治疗提供参考。
若判断到最大的近似度值是大于第一阈值，输出最大的近似度值对应的第一患者的第一诊疗方案为第二患者提供参考治疗方案。否则，输出无参考诊疗方案，并将第二患者的医疗信息存入至典型医疗信息库，以供医生学习交流。
需要说明的是，上述存入典型医疗信息库的第二患者的医疗信息在经过医生学习交流并得出诊疗方案后可以删除典型医疗信息库中经医生学习交流后的第二患者的医疗信息，并将第二患者的医疗信息存入至目标医疗信息库。存入目标医疗信息库的第二患者的医疗信息可以认为是目标医疗信息库中新增的第一患者的医疗信息。
本实施例中，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值。将多个近似度值进行比较确定出最大的近似度值，则此最大的近似度值对应的第一患者可以认为是目标医疗信息库中与当前待治疗患者的病情最接近的一位患者。
如果最大的近似度值大于第一阈值，则可以认为此最大的近似度值对应的第一患者的第一诊疗方案可以用于为当前待治疗患者提供参考的治疗方案。这样，若较低级医院里医生确定的当前待治疗患者的诊疗方案和第一诊疗方案差别较大，可以提醒较低级医院里医生是否误诊或者提醒较低级医院里医生寻求经验更丰富的医生帮助诊断当前待治疗患者，以降低较低级医院里医生误诊的可能性。
如果最大的近似度值不大于第一阈值，则可以认为目标医疗信息库中没有与当前待治疗患者病情相近的第一患者，也即第二患者可能是较为罕见的病例。因此，将第二患者的医疗信息存入至典型医疗信息库，可以供医生学习交流，更好的为较为罕见的病例提供治疗方案，提高医生诊治水平。
在一些实施例中，如果最大的近似度值为多个，可以对多个第一诊疗方案进行对比，如果多个第一诊疗方案的内容一致，则任意输出其中一个第一诊疗方案即可。如果多个第一诊疗方案的内容不一致，则将多个第一诊疗方案均输出，以供当前待治疗患者的医生判断。同时，将该多个第一患者的医疗信息一起存入至典型医疗信息库，待医生学习交流后，用学习交流后得出的治疗方案更新目标医疗信息库中对应的第一诊疗方案。
在一些实施例中，第一医疗数据至少包括第一患者主诉、第一患者的医疗检查数据和第一患者既往病史信息。第二医疗数据至少包括第二患者主诉、第二患者的医疗检查数据和第二患者既往病史信息。
具体的，第一患者的医疗检查数据可以包括第一患者身体相关数值数据以及第一患者身体相关图形数据。第一患者的医疗检查数据可以包括第二患者身体相关数值数据以及第二患者身体相关图形数据。
在一种可能实现的方式中，遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值，可以包括：遍历目标医疗信息库，将第二患者主诉与每个第一患者主诉进行比对，得出多个第一近似度值。
例如，一个第一患者主诉为呼吸困难，第二患者主诉为呼吸费力，可以得到一个第一近似度值为百分之九十九。
将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值，还可以包括：遍历目标医疗信息库，将第二患者的医疗检查数据与每个第一患者的医疗检查数据进行比对，得出多个第二近似度值。
具体的，将第二患者的身体相关数值数据与每个第一患者的身体相关数值数据进行比对，得出多个第二近似度值。将第二患者的身体相关图形数据与每个第一患者的身体相关图形数据进行比对，得出多个第二近似度值。
在一些实施例中，将第二患者的身体相关数值数据与每个第一患者的身体相关数值数据进行比对，得出多个第二近似度值，包括：
若第二患者的身体相关数值数据与每个第一患者的身体相关数值数据对于同一指标对应的数值数据均为正常值或者第二患者的身体相关数值数据与每个第一患者的身体相关数值数据相同，则第二近似度值为百分之百；若第二患者的身体相关数值数据与每个第一患者的身体相关数值数据均不为正常值，且相差为第一差值时，则第二近似度值为第一定值，例如，第一差值为0.2，第一定值为百分之八十；若第二患者的身体相关数值数据与每个第一患者的身体相关数值数据均不为正常值，且相差为第二差值时，则第二近似度值为第二定值，例如，第二差值为0.4，第二定值为百分之六十。
例如，一个第一患者的红细胞计数的数值为6，第二患者的红细胞计数的数值也为6，可以得到一个第二近似度值为百分之百。又例如，两个患者对于同一指标对应的数值数据均为正常值，例如，两个男性患者的红细胞计数的数值分别为5和5.2，则认为第二近似度值为百分之百。
在一些实施例中，将第二患者的身体相关图形数据与每个第一患者的身体相关图形数据进行比对，包括：采用值哈希算法、感知哈希算法和差值哈希算法中的一种或者多种算法将第二患者的身体相关图形数据与每个第一患者的身体相关图形数据进行比对得到比对值，若比对值在第一数值范围内时，则第二近似度值为第三定值，若比对值在第二数值范围内时，则第二近似度值为第四定值。例如，第一数值范围为0-1，第三定值为百分之九十五。例如，第二数值范围为63-64，第四定值为百分之五。
例如，采用值哈希算法将一个第一患者的心电图和第二患者的心电图比对得到比对值为63，则第二近似度值为百分之五。
在一些实施例中，还可以将通过机器学习算法处理后第二患者的身体相关数值数据与通过机器学习算法处理后的每个第一患者的身体相关数值数据进行比对，将通过特征提取法提取后第二患者的身体相关图形数据与通过特征提取法提取后的每个第一患者的身体相关图形数据进行比对，以筛出第二患者的医疗检查数据中无用的数据。
例如，通过机器学习算法处理后怀疑第二患者可能是白血病，则可以只将第二患者的白细胞计数、血红蛋白和血小板计数对应与每个第一患者的白细胞计数、血红蛋白和血小板计数进行比对。
例如，当第二患者的身体相关图形数据为心电图时，通过特征提取法提取后的第二患者的心电图和第一患者的心电图，可以只比对两个心电图中的P波的高度和宽度、QRS波群的时间以及T波的方向、形态和高度。
将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值，还可以包括：遍历目标医疗信息库，将第二患者既往病史信息与每个第一患者既往病史信息进行比对，得出多个第三近似度值。
在实际应用中，部分第一患者可能存在既往病史，例如，高血压和高血糖等。该第一患者可能不会再做血压和血糖的检测而不会产生医疗检查数据，但是一些疾病在治疗或者用药时也需要考虑既往病史的影响。因此，还需要将第二患者既往病史信息与每个第一患者既往病史信息进行比对，得出多个第三近似度值。
例如，第二患者既往病史是高血压，第一患者既往病史是高血糖则第三近似度值为百分之零。又例如，第二患者既往病史是高血压和高血糖，第一患者既往病史是高血糖则得到两个第三近似度值，一个第三近似度值为百分之零，另一个第三近似度值为百分之百。
本实施例中，通过将第二患者和第一患者的患者主诉、医疗检查数据以及既往病史信息均进行比对，可以更加准确的确定出目标医疗信息库中与第二患者病情最接近的第一患者。
在一些实施例中，将每个第一患者对应的第一近似度值、第二近似度值以及第三近似度值进行数据处理，得到每个第一患者对应的近似度值，包括：将每个第一患者对应的多个第一近似度值、多个第二近似度值以及多个第三近似度值分别取平均值得到平均第一近似度值、平均第二近似度值和平均第三近似度值，将平均第一近似度值、平均第二近似度值和平均第三近似度值加权后取平均值得到每个第一患者对应的近似度值。
在一些实施例中，目标医疗信息库包括多个科室的目标医疗信息库，科室至少包括肝科、心内科、呼吸内科以及外科。
在一种可能实现的方式中，在获取第二患者的医疗信息后，方法还包括：根据第二医疗数据确定第二患者的所属科室。遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值，包括：遍历目标医疗信息库中与第二患者的所属科室相同的科室的目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，得出多个近似度值。这样，可以更便捷的在目标医疗信息库中找到与第二患者病情最接近的第一患者。
本申请另一些实施例，还提供了一种基于医疗数据确定诊疗方案的装置，包括：用于执行本申请实施例的第一方面提供的基于医疗数据确定诊疗方案的方法的模块。
具体的，图2为本申请一些实施例提供的基于医疗数据确定诊疗方案的装置，参考图2，本实施例提供的基于医疗数据确定诊疗方案的装置2可以包括第一获取模块21、判断模块22、处理模块23、第二获取模块24以及确定输出模块25。
其中，第一获取模块21用于获取多个第一患者的医疗信息。其中，第一患者是曾在较高级医院就诊过的患者。第一患者的医疗信息至少包括第一患者的治疗结果、负责医生的职称、第一医疗数据和第一诊疗方案。
判断模块22用于判断多个第一患者的治疗结果是否为已治愈状态。
处理模块23用于在第一患者为已治愈状态时，将第一患者的医疗信息存放至目标医疗信息库。在第一患者为未治愈状态时，且负责医生的职称为高级职称时，将第一患者的医疗信息存入至目标医疗信息库。
第二获取模块24用于获取第二患者的医疗信息。第二患者的医疗信息至少包括第二医疗数据，其中，第二患者为当前较低级医院的待治疗患者。
确定输出模块25用于遍历目标医疗信息库，将第二医疗数据与每个第一医疗数据进行比对，确定是否输出第一诊疗方案为第二患者提供参考治疗方案。
在一些实施例中，如果多个较高级医院同意共同建立本实施例提供的基于医疗数据确定诊疗方案的装置2，目标医疗信息库中的第一患者的数量会大大增加，可以更好的为较低级医院里医生服务。
本实施例提供的基于医疗数据确定诊疗方案的装置2，可用于执行上述图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本申请另一实施例还提供一种计算机设备3，参考图3，图3为本申请一些实施例的一种计算机设备的结构示意图。
如图3所示，一种计算机设备3，包括：存储器31和处理器32，存储器31中存储有计算机程序，处理器32执行计算机程序时，实现本申请实施例图1所示的基于医疗数据确定诊疗方案的方法。
本申请另一实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，可以实现本申请实施例图1所示的基于医疗数据确定诊疗方案的方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (12)
1.基于医疗数据确定诊疗方案的方法，其特征在于，所述方法包括：
获取多个第一患者的医疗信息，所述第一患者是曾在较高级医院就诊过的患者，所述第一患者的医疗信息至少包括所述第一患者的治疗结果、负责医生的职称、第一医疗数据和第一诊疗方案；
判断多个所述第一患者的治疗结果是否为已治愈状态；
若为已治愈状态，将所述第一患者的医疗信息存放至目标医疗信息库；
否则，在判断到所述负责医生的职称为高级职称时，将所述第一患者的医疗信息存入至所述目标医疗信息库；
获取第二患者的医疗信息，所述第二患者的医疗信息至少包括第二医疗数据，其中，所述第二患者为当前较低级医院的待治疗患者；
遍历所述目标医疗信息库，将所述第二医疗数据与每个所述第一医疗数据进行比对，确定是否输出所述第一诊疗方案为所述第二患者提供参考治疗方案。
2.根据权利要求1所述的方法，其特征在于，在判断到所述负责医生的职称为高级职称以下时，将所述第一患者的医疗信息存入至典型医疗信息库，以供医生学习交流；
删除所述典型医疗信息库中经医生学习交流后的所述第一患者的医疗信息，并将所述第一患者的医疗信息存入至所述目标医疗信息库。
3.根据权利要求2所述的方法，其特征在于，在所述在判断到所述负责医生的职称为高级职称时，将所述第一患者的医疗信息存入至所述目标医疗信息库后，所述方法还包括：
将存入至所述目标医疗信息库的所述负责医生的职称为高级职称的所述第一患者的医疗信息进行标记；
等待知名专家将标记后的所述第一患者的医疗信息进行分析得出分析结果；
若所述分析结果与所述第一诊疗方案不同，在所述目标医疗信息库中将所述分析结果作为更新后的所述第一诊疗方案。
4.根据权利要求2所述的方法，其特征在于，所述遍历所述目标医疗信息库，将所述第二医疗数据与每个所述第一医疗数据进行比对，确定是否输出所述第一诊疗方案为所述第二患者提供参考治疗方案，包括：
遍历所述目标医疗信息库，将所述第二医疗数据与每个所述第一医疗数据进行比对，得出多个近似度值；
将多个所述近似度值进行比较确定出最大的近似度值；
判断所述最大的近似度值是否大于第一阈值；
若是，输出所述最大的近似度值对应的所述第一患者的所述第一诊疗方案为所述第二患者提供参考治疗方案；
否则，输出无参考诊疗方案，并将所述第二患者的医疗信息存入至所述典型医疗信息库，以供医生学习交流。
5.根据权利要求4所述的方法，其特征在于，所述第一医疗数据至少包括第一患者主诉、第一患者的医疗检查数据和第一患者既往病史信息；所述第二医疗数据至少包括第二患者主诉、第二患者的医疗检查数据和第二患者既往病史信息。
6.根据权利要求5所述的方法，其特征在于，所述遍历所述目标医疗信息库，将所述第二医疗数据与每个所述第一医疗数据进行比对，得出多个近似度值，包括：
遍历所述目标医疗信息库，将所述第二患者主诉与每个所述第一患者主诉进行比对，得出多个第一近似度值；
遍历所述目标医疗信息库，将所述第二患者的医疗检查数据与每个所述第一患者的医疗检查数据进行比对，得出多个第二近似度值；
遍历所述目标医疗信息库，将所述第二患者既往病史信息与每个所述第一患者既往病史信息进行比对，得出多个第三近似度值；
将每个所述第一患者对应的第一近似度值、第二近似度值以及第三近似度值进行数据处理，得到每个所述第一患者对应的近似度值。
7.根据权利要求6所述的方法，其特征在于，所述将每个所述第一患者对应的第一近似度值、第二近似度值以及第三近似度值进行数据处理，得到每个所述第一患者对应的近似度值，包括：
将每个所述第一患者对应的多个第一近似度值、多个第二近似度值以及多个第三近似度值分别取平均值得到平均第一近似度值、平均第二近似度值和平均第三近似度值，将所述平均第一近似度值、所述平均第二近似度值和所述平均第三近似度值加权后取平均值得到每个所述第一患者对应的近似度值。
8.根据权利要求1所述的方法，其特征在于，所述目标医疗信息库包括多个科室的目标医疗信息库，所述科室至少包括肝科、心内科、呼吸内科以及外科。
9.根据权利要求8所述的方法，其特征在于，在所述获取第二患者的医疗信息后，所述方法还包括：
根据所述第二医疗数据确定所述第二患者的所属科室；
所述遍历所述目标医疗信息库，将所述第二医疗数据与每个所述第一医疗数据进行比对，包括：
遍历所述目标医疗信息库中与所述第二患者的所属科室相同的科室的目标医疗信息库，将所述第二医疗数据与每个所述第一医疗数据进行比对。
10.基于医疗数据确定诊疗方案的装置，其特征在于，所述装置包括用于执行如权利要求1至9中任一项所述的基于医疗数据确定诊疗方案的方法的模块。
11.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的基于医疗数据确定诊疗方案的方法的步骤。
12.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如权利要求1至9中任一项所述的基于医疗数据确定诊疗方案的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311098385.5A CN116798566A (zh) | 2023-08-29 | 2023-08-29 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311098385.5A CN116798566A (zh) | 2023-08-29 | 2023-08-29 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116798566A true CN116798566A (zh) | 2023-09-22 |
Family
ID=88040201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311098385.5A Pending CN116798566A (zh) | 2023-08-29 | 2023-08-29 | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116798566A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020013714A1 (en) * | 2000-05-19 | 2002-01-31 | Sanalink Ag | System and method for transmitting information between doctors and hospitals |
| CN104881463A (zh) * | 2015-05-22 | 2015-09-02 | 清华大学深圳研究生院 | 基于结构化病历数据库的参考病历检索方法及装置 |
| CN110875093A (zh) * | 2019-11-19 | 2020-03-10 | 泰康保险集团股份有限公司 | 治疗方案的处理方法、装置、设备及存储介质 |
| CN114220514A (zh) * | 2022-02-22 | 2022-03-22 | 橙意家人科技（天津）有限公司 | 互联网医院病人诊疗数据分析处理方法、设备及存储介质 |
| CN115691747A (zh) * | 2022-11-09 | 2023-02-03 | 深圳市引领未来科技有限公司 | 一种mdt多学科诊疗方法及系统 |
-
2023
- 2023-08-29 CN CN202311098385.5A patent/CN116798566A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020013714A1 (en) * | 2000-05-19 | 2002-01-31 | Sanalink Ag | System and method for transmitting information between doctors and hospitals |
| CN104881463A (zh) * | 2015-05-22 | 2015-09-02 | 清华大学深圳研究生院 | 基于结构化病历数据库的参考病历检索方法及装置 |
| CN110875093A (zh) * | 2019-11-19 | 2020-03-10 | 泰康保险集团股份有限公司 | 治疗方案的处理方法、装置、设备及存储介质 |
| CN114220514A (zh) * | 2022-02-22 | 2022-03-22 | 橙意家人科技（天津）有限公司 | 互联网医院病人诊疗数据分析处理方法、设备及存储介质 |
| CN115691747A (zh) * | 2022-11-09 | 2023-02-03 | 深圳市引领未来科技有限公司 | 一种mdt多学科诊疗方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 辛兵主编: "《化茧成蝶 医学生学习之路》", 中国协和医科大学出版社, pages: 153 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111292821B (zh) | 一种医学诊疗系统 | |
| US20220084662A1 (en) | Systems and methods for automatically notifying a caregiver that a patient requires medical intervention | |
| KR20190132290A (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
| CN111951965B (zh) | 基于时序知识图谱的全景式健康动态监测与预测系统 | |
| US11640852B2 (en) | System for laboratory values automated analysis and risk notification in intensive care unit | |
| CN109036545A (zh) | 医疗信息处理方法、装置、计算机设备和存储介质 | |
| CN114420231A (zh) | 一种可解释的急性肾损伤持续预警方法、系统、存储介质及电子设备 | |
| CN114023423A (zh) | 一种智能交班方法、装置以及设备 | |
| CN115862819A (zh) | 一种基于图像处理的医学图像管理方法 | |
| WO2023073092A1 (en) | Managing a model trained using a machine learning process | |
| Devi et al. | Cognitive IoT integration for smart healthcare: Case study for heart disease detection and monitoring | |
| CN112002413B (zh) | 一种心血管系统感染智能认知系统、设备及存储介质 | |
| Andry et al. | Electronic health record to predict a heart attack used data mining with Naïve Bayes method | |
| US11925474B2 (en) | Methods and systems for patient baseline estimation | |
| CN109599189B (zh) | 用药异常反应监测的方法、装置、电子设备和存储介质 | |
| CN116798566A (zh) | 基于医疗数据确定诊疗方案的方法、装置、设备及介质 | |
| US20230029542A1 (en) | Medical information processing method, medical information processing device, and program | |
| Rangareddy et al. | Artificial intelligence and healthcare | |
| Morales et al. | Applying conditional independence maps to improve sepsis prognosis | |
| Gazashvili et al. | Creation of a training and test dataset with the disposition and transposition of overlaying electrocardiographic electrodes when recording electrocardiograms-12 | |
| Huang et al. | A new direction to promote the implementation of artificial intelligence in natural clinical settings | |
| Lu et al. | Knowledge Discovery with Electrocardiography Using Interpretable Deep Neural Networks | |
| Iftene | Using Artificial Intelligence in Medicine | |
| Sun | Learning Models for Diagnosis and Prognosis from Electrocardiogram Data | |
| CN117936100B (zh) | 一种基于医疗大数据的危重症早期预警方法及相关装置 |
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 |