CN117556790A - 医疗信息处理方法、装置、设备和存储介质 - Google Patents
医疗信息处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117556790A CN117556790A CN202410008276.8A CN202410008276A CN117556790A CN 117556790 A CN117556790 A CN 117556790A CN 202410008276 A CN202410008276 A CN 202410008276A CN 117556790 A CN117556790 A CN 117556790A
- Authority
- CN
- China
- Prior art keywords
- information
- database
- prescription
- data
- medicine
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 56
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 32
- 239000003814 drug Substances 0.000 claims abstract description 349
- 229940079593 drug Drugs 0.000 claims abstract description 240
- 238000007405 data analysis Methods 0.000 claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000013479 data entry Methods 0.000 claims description 39
- 238000011282 treatment Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 9
- 239000002552 dosage form Substances 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 31
- 238000004458 analytical method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 208000024891 symptom Diseases 0.000 description 12
- 238000003759 clinical diagnosis Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000012015 optical character recognition Methods 0.000 description 7
- 239000008187 granular material Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 206010011224 Cough Diseases 0.000 description 5
- 206010062717 Increased upper airway secretion Diseases 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000026435 phlegm Diseases 0.000 description 5
- 208000011580 syndromic disease Diseases 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000011269 treatment regimen Methods 0.000 description 4
- 208000019693 Lung disease Diseases 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000001647 drug administration Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229940126532 prescription medicine Drugs 0.000 description 3
- 206010067484 Adverse reaction Diseases 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 206010057190 Respiratory tract infections Diseases 0.000 description 2
- 208000019229 Spleen disease Diseases 0.000 description 2
- 206010046306 Upper respiratory tract infection Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000006838 adverse reaction Effects 0.000 description 2
- 239000013566 allergen Substances 0.000 description 2
- 208000026935 allergic disease Diseases 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 210000000952 spleen Anatomy 0.000 description 2
- 208000027140 splenic disease Diseases 0.000 description 2
- 208000018556 stomach disease Diseases 0.000 description 2
- 231100000027 toxicology Toxicity 0.000 description 2
- 208000003870 Drug Overdose Diseases 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 206010033296 Overdoses Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000007905 drug manufacturing Methods 0.000 description 1
- 231100000725 drug overdose Toxicity 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003285 pharmacodynamic effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- BALXUFOVQVENIU-KXNXZCPBSA-N pseudoephedrine hydrochloride Chemical compound [H+].[Cl-].CN[C@@H](C)[C@@H](O)C1=CC=CC=C1 BALXUFOVQVENIU-KXNXZCPBSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种医疗信息处理方法、装置、设备和存储介质，其中，方法包括：对原始文本信息按照设定拼接方式拼接为一个文本字符串，原始文本信息从以下至少之一获得：药品说明书，医疗处方；利用预先构造的数据分析引擎，对文本字符串进行分词处理，得到文本信息树，文本信息树包括一组属性信息以及对应的一组内容信息；基于文本信息树中的一组属性信息，生成聚类数据，该聚类数据包括聚类标签；将聚类数据存入数据库中；响应于接收到数据库查询请求，在对应数据库中查询符合查询请求中携带的查询条件的目标数据条目，并对目标数据条目进行数据统计，输出查询结果统计表。本申请可以实现药品说明书和医疗处方的电子信息化管理。
Description
技术领域
本申请涉及数据处理技术、图像处理技术，尤其涉及一种医疗信息处理方法、装置、设备和存储介质。
背景技术
目前，各医疗单位（例如各级医院）通常采用纸质的药品说明书对药品进行管理，随着需要管理的药品数量的急速增长，各医疗单位难以满足越来越繁重的药品数据信息管理需求，而且对临床药师进行处方点评和用药合理性判断也带来很大困难。
因此，如何实现医疗信息的电子化管理，是一个备受关注的技术问题。
发明内容
为了解决上述技术问题，本申请的实施例提供了一种医疗信息处理方法、装置、设备和存储介质。
根据本申请的一个方面，提供了一种医疗信息处理方法，包括：
对原始文本信息按照设定拼接方式拼接为一个文本字符串，所述原始文本信息从以下至少之一获得：药品说明书，医疗处方；
利用预先构造的数据分析引擎，对所述文本字符串进行分词处理，得到文本信息树，所述文本信息树包括一组属性信息以及对应的一组内容信息；
基于所述文本信息树中的所述一组属性信息，生成聚类数据，所述聚类数据包括聚类标签；
将所述聚类数据存入数据库中，所述数据库包括至少之一：处方数据库、药品数据库；
响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表。
根据本申请的再一个方面，提供了一种医疗信息处理装置，包括：
拼接模块，用于对原始文本信息按照设定拼接方式拼接为一个文本字符串，所述原始文本信息从以下至少之一获得：药品说明书，医疗处方；
分词模块，用于利用预先构造的数据分析引擎，对所述文本字符串进行分词处理，得到文本信息树，所述文本信息树包括一组属性信息以及对应的一组内容信息；
聚类模块，用于基于所述文本信息树中的所述一组属性信息，生成聚类数据，所述聚类数据包括聚类标签；
存储模块，用于将所述聚类数据存入数据库中的对应数据库表中，所述数据库包括至少之一：处方数据库、药品数据库；
查询模块，用于响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表。
根据本申请的再一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被执行时用于执行上述医疗信息处理方法。
根据本申请的再一个方面，提供了一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述医疗信息处理方法。
基于本申请上述实施例提供的医疗信息处理方法、装置和存储介质，可对原始文本信息（原始文本信息从以下至少之一获得：药品说明书，医疗处方）进行分词、聚类处理，并将聚类得到的聚类数据存入数据库中，该数据库包括药品数据库、处方数据库，由此可在接收到数据库查询请求后，可在药品数据库、处方数据库中查询符合数据库查询请求所携带的查询条件的目标数据条目，对目标数据条目进行数据统计，可输出查询结果统计表。由此，本申请技术方案可以实现对药品说明书和医疗处方进行电子信息化管理，可以满足越来越繁重的医疗信息处理需求，而且确保了药品说明书和医疗处方的易操作性和易维护性，方便用户，如临床医师进行处方点评和用药合理性判断。
下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
图1为本申请的医疗信息处理方法的一个实施例的流程图；
图2为本申请的医疗信息处理方法的药品说明书信息管理实施例的流程图；
图3为本申请的医疗信息处理方法的医疗处方信息管理实施例的流程图；
图4为本申请的医疗信息处理方法的聚类数据存储实施例的流程图；
图5为本申请的医疗信息处理方法中药品使用剂量查询实施例的流程图；
图6为本申请的医疗信息处理方法中药品使用剂量查询示意图；
图7为本申请的医疗信息处理方法中的处方用药合理性查询实施例的流程图；
图8为本申请的医疗信息处理方法中的处方用药合理性查询示意图；
图9为本申请的医疗信息处理方法中的病症查询实施例的流程图；
图10为本申请的医疗信息处理方法中的病症查询示意图；
图11为本申请的医疗信息处理方法的系统架构示意图；
图12为本申请的医疗信息处理方法的分词和语义识别示意图；
图13为本申请的通过确定有限自动机识别关键字的文本识别示意图；
图14为本申请的处方数据库中各处方数据条目示意图；
图15为本申请的医疗信息处理装置的一个实施例的结构示意图；
图16为本申请的医疗信息处理装置的又一个实施例的结构示意图；
图17为本申请一示意性实施例提供的电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
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。
本领域技术人员可以理解，本申请实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本申请实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本申请实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本申请对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本申请实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
本申请概述如下：
本申请实施例提供的技术方案用于药品信息和处方信息的管理场景中，可以将各类药品的药品说明书以及各医疗处方进行电子信息化管理。
图11为本申请的医疗信息处理方法的系统架构示意图。如图11所示，医疗信息处理系统的输入件可以包括药品说明书的图像（药品说明图像）和医疗处方的图像（处方数据图像），将药品说明书的图像录入医疗信息处理系统后，药品数据光学字符（OpticalCharacter Recognition，简称为OCR）识别模块可以对药品说明图像中的文本进行字符识别，得到药品说明书对应的原始文本信息，然后可利用药品数据分析引擎对该原始文本信息进行分析和聚类处理，得到药品聚类数据，可通过图形界面输出该药品聚类数据，由人工校准后存入药品数据库；将医疗处方的图像录入医疗信息处理系统后，处方数据OCR识别模块可以对医疗处方的图像中的文本进行字符识别，得到医疗处方对应的原始文本信息，然后可利用处方数据分析引擎对该原始文本信息进行分析和聚类处理，得到处方聚类数据，可通过图形界面输出该处方聚类数据，由人工校准后存入处方数据库。
在一些可选的实施方式中，药品说明书对应的聚类数据可以包括药品信息和药品的聚类标签。其中，药品信息包括药品名、规格、适应症、禁忌等从药品说明书对应的文本字符串中提取出的关键字信息和内容信息。药品的聚类标签可以包括对从药品信息中提取出的用于进行聚类的属性进行格式转换后的统一格式的内容信息。例如，药品使用“性状”属性进行聚类，其中药品1的“性状”属性对应的内容为“淡棕色到棕褐色的颗粒”，药品2的“性状”属性对应的内容为“淡棕色的颗粒”，经过格式转换后，药品1和药品2的聚类标签均为“颗粒”。
在一些可选的实施方式中，在聚类操作中，可通过预先配置的聚类配置文件，将从药品信息中提取出的用于进行聚类的属性的内容信息转换为统一格式的聚类标签。
在一些可选的实施方式中，处方的聚类数据可以包括处方信息和处方的聚类标签。其中，处方信息包括临床诊断、科别等从医疗处方对应的文本字符串中提取出的关键字信息和内容信息。处方的聚类标签可以包括从处方信息中提取出的用于进行聚类的属性进行格式转换后的统一格式的内容信息。例如，处方使用“临床诊断”属性进行聚类，其中处方1的“临床诊断”属性对应的内容为“痰热壅肺症，处方2的“临床诊断”属性对应的内容为“上呼吸道感染”，经过格式转换后，处方1和处方2的聚类标签均为“咳症”。
在一些可选的实施方式中，在聚类操作中，可通过预先配置的聚类配置文件，将从处方信息中提取出的用于进行聚类的属性的内容信息转换为统一格式的聚类标签。
其中，上述聚类配置文件可以由医疗单位的工作人员或者医疗管理人员进行统一设置。
其中，上述药品数据分析引擎中可以配置有药品说明书的关键字配置文件，上述处方数据分析引擎中可以配置有医疗处方的关键字配置文件。在将药品说明书对应的聚类数据和处方数据对应的聚类数据分别存入对应的数据库之后，用户（包括医师、药剂师等）可通过图形界面输入操作命令（包括：处方用药合理性查询命令、适应症/症状用药查询命令、药品信息升级修改命令、药品查询命令），在医疗信息处理系统中实现各操作，得到对应的操作结果，并可进一步将该结果通过图形界面输出。其中，在执行具体的查询操作时，可以由具体的用药合理性查询模块利用用药合理性配置文件实现处方用药合理性查询，既可以快速得到查询结果，也可以确保查询结果的正确性。
其中，用药合理性查询模块中的用药合理性配置文件中配置有各种药品的剂量计算方程式，后续需要查询用药剂量合理性时，即可调用该配置文件中对应药品的计算方程式，基于患者的个体特征信息，生成用药剂量的合理性判断结果。
示例方法如下：
图1为本申请的医疗信息处理方法的一个实施例的流程图；该医疗信息处理方法可以应用在电子设备（如计算机系统、服务器）上，如图1所示，该医疗信息处理方法包括以下步骤101~步骤105。下面对各步骤进行说明。
在步骤101中，对原始文本信息按照设定拼接方式拼接为一个文本字符串。
其中，原始文本信息从以下至少之一获得：药品说明书，医疗处方。
具体实现时，通过采集待处理对象的图像，利用光学字符识别方式对图像进行识别，即可得到原始文本信息。该待处理对象包括以下至少之一：药品说明书、医疗处方。
在一些可选的实施方式中，原始文本信息为计算机能直接处理的一种自然语言信息，可以包括中文、英文、阿拉伯数字、罗马字符、希腊文字符等。
在一些可选的实施方式中，可通过扫描的方式采集待处理对象的图像；在另一些可选的实施方式中，可通过摄像、拍照的方式采集待处理对象的图像。
在一些可选的实施方式中，设定拼接方式用于指示将上述文本信息拼接为一个文本字符串的方式，由于原始文本信息可适用于从上向下、从左向右递归处理的文法结构，因此设定拼接方式可以为自顶向下、从左至右的拼接方式。
在一些可选的实施方式中，文本字符串为将原始文本信息中的所有字符信息拼接成的一个字符串，可以由标点符号、文字、数字等组成。
在步骤102中，利用预先构造的数据分析引擎，对文本字符串进行分词处理，得到文本信息树，文本信息树包括一组属性信息以及对应的一组内容信息。
在一些可选的实施方式中，属性信息为药品说明书/医疗处方中提取的关键字，例如，药品名称、适应症、用法用量、不良反应、禁忌等均为药品的属性信息。文本信息树中的一组属性信息可以理解为从药品说明书中/医疗处方中提取出的所有关键字。
在一些可选的实施方式中，内容信息为根据药品说明书/医疗处方中的关键字的内容，例如，药品的“适应症”属性的内容信息为“疏风解表、清热止咳”。该一组内容信息为一组属性信息中各属性信息的内容信息。
在一些可选的实施方式中，数据分析引擎是一种用于对文本字符串进行分词处理的引擎，其中可以配置有辞法有限自动机，通过辞法有限自动机可以递归匹配出文本字符串中的关键字，进而提取到文本字符串中的关键字信息和普通文本信息，通过对关键字信息和普通文本信息进行进一步解析处理，可得到关键字信息对应的属性信息，以及普通文本信息对应的内容信息，生成一个文本信息树，如图12所示。
在一些可选的实施方式中，由于药品说明书和医疗处方的对于根据药品说明书得到的文本字符串，可以使用第一数据分析引擎进行分词处理；对于根据医疗处方得到的文本字符串，可以使用第二数据分析引擎进行分词处理。
具体实现时，可以将文本字符串中的字符按照从左向右的顺序依次读入辞法有限自动机，利用该辞法有限自动机确定出完整的关键字。
其中，第一数据分析引擎中配置了药品说明的关键字配置文件，后续接收到药品说明书对应的原始文本信息时，即可将根据该原始文本信息生成的文本字符串输入该第一数据分析引擎中，以供词法分析使用。
在一些可选的实施方式中，第一数据分析引擎中可以针对每种语言类型配置对应的词法分析规则，各种语言类型的词法分析规则对应一个关键字配置文件和一个辞法有限自动机，根据文本字符串的ASCII编码方式，可以确定文本字符串对应的语言类型，进而获取到该语言类型的关键字配置文件和辞法有限自动机。利用对应的关键字配置文件和辞法有限自动机，执行递归匹配，以确定药品说明书中的各关键字。
其中，第二数据分析引擎中配置了医疗处方的关键字配置文件，后续接收到医疗处方对应的原始文本信息时，即可将根据该原始文本信息生成的文本字符串输入该第二数据分析引擎中，以供词法分析使用。
在一些可选的实施方式中，第二数据分析引擎中可以针对每种语言类型配置一种词法分析规则，各种语言类型的词法分析规则对应一个关键字配置文件和一个辞法有限自动机，根据文本字符串的ASCII编码方式，可以确定文本字符串对应的语言类型，进而获取到该语言类型的关键字配置文件和辞法有限自动机。利用对应的关键字配置文件和辞法有限自动机，执行递归匹配，以确定各关键字。
需要说明的是，药品说明书的格式满足预设的说明书格式要求，例如各种药品说明书规范或细则的要求。医疗处方格式也满足预设的处方格式要求，例如各种处方管理办法的格式要求，因此按照设定拼接方式拼接得到的文本字符串也可具有一定的约束，例如，关键字1和关键字2之间的普通文本信息为关键字1的内容信息。
在一些可选的实施方式中，文本信息树为对上述分词得到的关键字和普通文本信息进行进一步解析处理得到的信息，文本信息树可以包括一组属性信息以及对应的一组内容信息。
具体实现时，在通过数据分析引擎得到关键字和普通文本信息之后，可进一步对关键字和普通文本信息按照分词规则描述文件进行解析处理，得到如图12中所示意的标号11所指示的树形结构，该树形结构中的各个属性为经过词法分析得到的关键字，比如，药品名、适应症、药品分类、药品性状、适用患者等，该树形结构中各属性的内容为根据对应关键字的内容信息，而且部分属性下可能存在二级属性以及对应的内容。
在一些可选的实施方式中，上述分词规则描述文件可以为关键字表的形式，如表1所示：
表1
表1 中，各“关键字”指示从文本字符串中匹配得到的文本原文，“属性”指示各关键字对应的分类属性（如图12中的文本信息树中的“属性”），接受条件为判定该关键字在文本字符串中被识别出的上下文信息条件，适用于辞法有限自动机的工作过程中间态。
在步骤103中，基于文本信息树中的一组属性信息，生成聚类数据，该聚类数据包括聚类标签。
在一些可选的实施方式中，药品的聚类数据可以包括药品信息和药品的聚类标签。其中，药品信息包括药品名、规格、适应症、禁忌等从药品说明书对应的文本字符串中提取出的关键字信息和内容信息。
其中，药品的聚类标签可以包括从药品信息中提取出的用于进行聚类的属性进行格式转换后的统一格式的内容信息。例如，药品使用“性状”属性进行聚类，其中药品1的“性状”属性对应的内容为“淡棕色到棕褐色的颗粒”，药品2的“性状”属性对应的内容为“淡棕色的颗粒”，经过格式转换后，药品1和药品2的聚类标签均为“颗粒”。
在一些可选的实施方式中，医疗处方的聚类数据可以包括处方信息和处方的聚类标签。其中，处方信息包括临床诊断、科别等从医疗处方对应的文本字符串中提取出的关键字信息和内容信息。
其中，处方的聚类标签可以包括从处方信息中提取出的用于进行聚类的属性进行格式转换后的统一格式的内容信息。例如，处方使用“临床诊断”属性进行聚类，其中处方1的“临床诊断”属性对应的内容为“痰热壅肺症，处方2的“临床诊断”属性对应的内容为“上呼吸道感染”，经过格式转换后，处方1和处方2的聚类标签均为“咳症”。
在一些可选的实施方式中，聚类标签是指对药品信息或病例信息按照既定规则使用一定算法进行抽取和聚类后得到的用于指示药品信息或病例信息的一个特征的标记。例如，将药品信息按照性状聚类后，为药品1添加一个片剂的标签，为药品2添加一个颗粒的标签等；将病例信息按照症状聚类后，为处方1添加一个咳症的标签，为处方2添加一个脾胃失调的标签等。
在一些可选的实施方式中，基于文本信息树中的一组属性信息执行聚类操作，可以得到聚类数据。
在一些可选的实施方式中，聚类操作是一种将药品说明书或者医疗处方，根据既定规则使用一定算法对药品信息或病例信息进行抽取和聚类的操作。将各药品说明书或者医疗处方聚类后可以得到一组药品或处方数据的集合。
本实施例中，药品可以有多种聚类方式，例如，按照药品的性状，可以聚类为片剂、针剂、混悬液等药品；按照药品是否为处方药，可以聚类为处方药和非处方药等药品；按照适应症，可以聚类为咳症用药、发烧类用药等。
在一些可选的实施方式中，可以利用预设的聚类算法以及文本信息树中的一组属性信息，生成聚类数据。
对于药品说明书对应的文本信息树，可以采用预设的药品说明聚类算法，生成药品聚类数据。例如，药品1的“性状”属性的内容为“片剂”，而药品说明聚类算法指示按照药品的性状聚类，则可以得到药品1的聚类数据包括聚类标签“片剂”。
对于医疗处方对应的文本信息树，可以采用预设的处方聚类算法，生成处方聚类数据。例如，处方1的“临床诊断”属性为的内容为“痰热壅肺症”，处方聚类算法指示按照处方的临床诊断属性进行聚类，则可得到处方1的聚类数据包括聚类标签“痰热壅肺症”。
在步骤104中，将聚类数据存入数据库中，数据库包括至少之一：处方数据库、药品数据库。
在一些可选的实施方式中，为了便于药品信息、医疗处方的数据管理和操作，可以将处方聚类数据存入处方数据库，将药品聚类数据存入药品数据库。
在一些可选的实施方式中，医疗信息处理系统可采用基于python语言开发的PySQLite框架构建药品数据库和处方数据库。
具体实现时，药品数据库和处方数据库中可以设置有多个数据表，例如处方数据库中可以有痰热壅肺症数据库表、脾胃失调症数据库表等，可以将不同的聚类数据存入对应的数据库表中。
在步骤105中，响应于接收到数据库查询请求，在对应数据库中查询符合数据库查询请求中携带的查询条件的目标数据条目，并对目标数据条目进行数据统计，输出查询结果统计表。
在一些可选的实施方式中，数据库查询请求可以包括各种对药品信息、处方信息进行查询的请求，该查询请求可以携带有查询条件。具体实现时，用户可以通过操作界面中输入查询条件，例如，当查询请求为查询药品使用剂量的查询请求时，可以通过操作界面输入查询条件：查询时间段、查询药品等。在一些可选的实施方式中，用户可以通过图形化操作界面输入用于数据查询的查询条件，触发数据库查询请求，系统接收到该数据库查询请求之后，即可根据该数据库查询请求中携带的查询条件，在对应数据库中查询符合该查询条件的目标数据条目，然后可对目标数据条目进行数据统计，输出查询结果统计表。
在一些可选的实施方式中，目标数据条目为满足数据库查询操作的查询条件的数据条目。例如，在药品使用剂量查询操作中，如果需要查询一个月内的药品使用剂量，则可按照时间条件查询在该时间周期的处方数据条目，也即目标数据条目。
在一些可选的实施方式中，在输出查询结果统计表时，可以通过图形化界面的方式直接呈现查询结果统计表。
在一些可选的实施方式中，不同的数据库查询操作的查询实现方式，可以参见图5、图7、图9所示实施例，这里先不详述。
上述步骤101~步骤105，可对原始文本信息（原始文本信息从以下至少之一获得：药品说明书，医疗处方）进行分词、聚类处理，并将聚类得到的聚类数据存入数据库中，该数据库包括药品数据库、处方数据库，由此可在接收到数据库查询请求后，可在药品数据库、处方数据库中查询符合数据库查询请求所携带的查询条件的目标数据条目，对目标数据条目进行数据统计，可输出查询结果统计表。由此，本申请技术方案可以实现对药品说明书和医疗处方进行电子信息化管理，可以满足越来越繁重的医疗信息处理需求，而且确保了药品说明书和医疗处方的易操作性和易维护性，方便用户，如临床医师进行处方点评和用药合理性判断。
图2为本申请的医疗信息处理方法的药品说明书信息管理实施例的流程图；本实施例以如何实现药品说明书信息的电子信息化管理为例进行示例性说明，如图2所示，包括如下步骤201~步骤206。下面对各步骤进行说明：
在步骤201中，采集药品说明书的图像。
在一些可选的实施方式中，可通过扫描的方式采集药品说明书的图像；在另一些可选的实施方式中，可通过摄像、拍照的方式采集药品说明书的图像。
在一些可选的实施方式中，药品说明书是指药品生产企业印制并提供的，包含药理学、毒理学、药效学、医学等药品安全性、有效性重要科学数据和结论的，用以指导临床正确使用药品的技术性资料。其中，药品说明书包括以下内容：药品名称、成分、适应症或者功能主治、用法、用量、不良反应、禁忌、注意事项、规格、有效期、批准文号和生产企业。药品说明书还包括孕妇及哺乳期妇女用药、药物相互作用，缺乏可靠的实验或者文献依据而无法表述的，药品说明书保留该项标题并应当注明“尚不明确”。药品说明书还应当包括临床研究、儿童用药、老年用药和药物过量、药理毒理和药代动力学。缺乏可靠的实验或者文献依据而无法表述的，药品说明书不再保留该项标题。
在步骤202中，利用光学字符识别方式对图像进行识别，得到原始文本信息。
在一些可选的实施方式中，OCR是一种通过检测图片亮、暗的模式确定其形状，进而通过字符识别方法将形状翻译为计算机文字的一种方式。通过OCR可以识别出图像对应的原始文本信息。
在步骤203中，对原始文本信息按照设定拼接方式拼接为一个文本字符串。
在步骤204中，利用预先构造的第一数据分析引擎，对文本字符串中进行分词处理，得到文本信息树。
在一些可选的实施方式中，第一数据分析引擎基于设定的文法处理结构和药品说明书规范信息的约束构造得到。第一数据分析引擎中配置了药品说明的关键字配置文件，后续接收到药品说明书对应的原始文本信息时，即可将该原始文本信息的文本字符串输入该第一数据分析引擎中，以供词法分析使用。
在一些可选的实施方式中，药品说明书规范信息用于指示当前药品说明书所采用的格式，例如，各种药品说明书规范或者细则等。
其中，药品说明的关键字配置文件可以基于上述药品说明书所采用的格式自动生成得到；也可以由医疗信息处理系统的开发运营人员基于药品说明书所采用的格式手动配置得到。
在一些可选的实施方式中，设定的文法处理结构可以为一种采用基于GLR文法（general-left-right，通用从左向右递归）处理的结构。
在一些可选的实施方式，基于设定的文法处理结构和药品说明书规范信息的约束构造的第一数据分析引擎可以对输入的文本字符串按照设定的文法处理结构进行处理，在处理时可以遵循药品说明书规范信息的约束进行处理。
在一些可选的实施方式中，第一数据分析引擎中可以针对每种语言类型配置一种词法分析规则，各种语言类型的词法分析规则对应一个关键字配置文件和一个辞法有限自动机（Determisnstic Finite Automata，简称为DFA），根据文本字符串的ASCII编码方式，可以确定文本字符串对应的语言类型，进而获取到该语言类型的关键字配置文件和辞法有限自动机。利用对应的关键字配置文件和辞法有限自动机，执行递归匹配，以确定药品说明书中的各关键字。
具体实现时，可将文本字符串输入第一数据分析引擎，第一数据分析引擎即可根据该文本字符串的ASCII编码方式，确定所要使用的辞法有限自动机，该辞法有限自动机从左向右逐渐读入字符，根据当前字符的类型及上下文情况与关键字配置文件中的关键字信息进行对比，从而对后续的信息进行归类。
其中，有限自动机是一种抽象的计算模型，用于描述抽象机器或计算设备的行为，具有有限个状态和转移规则。有限自动机可根据当前状态和输入符号，通过转移规则确定下一个状态，由此实现状态转换，直到到达终止状态。使用辞法有限自动机识别文本的过程，可以参见相关技术中的实现方式，这里以一个示例简单说明。
参见图13，其中示意了识别关键字digital的文本识别过程，图中各个圆圈分别代表辞法有限自动机的一个状态，该辞法有限自动机从左向右依次读入字符，从状态12开始读入字符，判断当前状态满足某个关键字的组成首字母，状态转移到13，当位于状态时，继续读入字符，如果读入的字符为空字符（null），维持当前状态13；如果读入的字符不满足任何一个关键字的后续构成，则状态直接转移到19，指示该文本输入为内容字符；如果读入的字符仍然满足某个关键字的后续构成，则继续跳转到状态14，继续执行关键字的匹配，依次类推，直到最终完成某个确定完整的关键字匹配，提取到一个关键字信息。本实现方式中，上述关键字匹配过程是一个递归过程，关键字代表了药品说明书中的某种属性，通过递归方式确定出药品说明书中的所有属性之后，即可完成药品说明书的关键字和文本内容（图12中的普通文本信息）的分词，通过进一步解析，即可得到图12中标号11所指示的文本信息树。
在一些可选的实施方式中，文本信息树为对上述文本字符串进行分词处理后得到的关键字和普通文本信息进行进一步解析处理得到的信息，文本信息树可以包括一组属性信息以及对应的一组内容信息。
在步骤205中，利用预设的药品说明聚类算法，基于文本信息树中的一组属性信息，生成药品聚类数据。
在一些可选的实施方式中，药品说明聚类算法是一种将药品信息按照既定规则对药品信息进行抽取和聚类的算法。该既定规则可以由医疗信息处理系统的开发和运营人员设定的规则，该规则用于指示按照哪些属性信息对药品信息进行聚类。
在步骤206中，将药品聚类数据存入药品数据库中。
上述步骤201~步骤206，可对各药品说明书进行文本识别，得到原始文本信息之后，可进一步对对应的文本信息进行分词、聚类处理，并将聚类得到的聚类数据存入数据库对应的药品数据库，由此可在接收到数据库查询操作后，在药品数据库中查询符合条件的目标数据条目，并输出查询结果统计表。由此，本申请技术方案可以实现药品说明书的电子信息化管理，进而满足越来越繁重的药品数据信息管理需求，而且确保了药品说明书的易操作性和易维护性，方便用户，如临床医师对各处方的用药合理性进行判断。
图3为本申请的医疗信息处理方法的医疗处方信息管理实施例的流程图；本实施例以如何实现医疗处方信息为例进行示例性说明，如图3所示，包括如下步骤301~步骤306。下面对各步骤进行说明：
在步骤301中，采集医疗处方的图像。
在一些可选的实施方式中，可通过扫描的方式采集医疗处方的图像；在另一些可选的实施方式中，可通过摄像、拍照的方式采集医疗处方的图像。
在一些可选的实施方式中，医疗处方是指由注册的执业医师和执业助理医师（以下简称医师）在诊疗活动中为患者开具的，由取得药学专业技术职务任职资格的药学专业技术人员（以下简称药师）审核、调配、核对，并作为患者用药凭证的医疗文书。医疗处方是医生对病人用药的书面文件，是药剂人员调配药品的依据。处方前方可包括医院全称、科别、患者的个体特征信息（如年龄）、日期等。
在步骤302中，利用光学字符识别算法对图像进行识别，得到原始文本信息。
在步骤303中，对原始文本信息按照设定拼接方式拼接为一个文本字符串。
在步骤304中，利用预先构造的第二数据分析引擎，对文本字符串中进行分词处理，得到文本信息树。
在一些可选的实施方式中，第二数据分析引擎基于设定的文法处理结构和处方管理信息的约束构造得到。
在一些可选的实施方式中，处方管理信息的约束用于指示当前医疗处方所采用的格式，例如，各种处方管理办法的格式要求。
在一些可选的实施方式中，第二数据分析引擎中配置了医疗处方的关键字配置文件，后续接收到医疗处方对应的原始文本信息时，即可将该原始文本信息的文本字符串输入该第二数据分析引擎中，以供词法分析使用。
其中，医疗处方的关键字配置文件可以基于上述医疗处方所采用的格式自动生成得到；也可以由医疗信息处理系统的开发运营人员基于医疗处方所采用的格式手动配置得到。
在一些可选的实施方式中，第二数据分析引擎中可以配置多种语言类型的词法分析规则，各种语言类型的词法分析规则对应一个关键字配置文件和一个辞法有限自动机，根据文本字符串的ASCII编码方式，可以确定文本字符串对应的语言类型，进而获取到该语言类型的关键字配置文件和辞法有限自动机。利用对应的关键字配置文件和辞法有限自动机，执行递归匹配，以确定各关键字和各关键字对应的内容信息。
在一些可选的实施方式中，使用辞法有限自动机识别关键字和普通文本信息（内容信息）的过程可参见图2所示实施例的描述，这里不再详述。
在一些可选的实施方式中，在通过第二数据分析引擎得到关键字和普通文本信息之后，可进一步对关键字和普通文本信息按照分词规则描述文件进行解析处理，得到文本信息树，该文本信息树中的各个属性为经过词法分析得到的关键字，比如，药品名、适应症、药品分类、药品性状等，该树形结构中的各属性的内容根据对应关键字的内容信息（普通文本信息）得到，而且部分属性下可能存在二级属性以及对应的内容。
在步骤305中，利用预设的处方聚类算法，基于文本信息树中的一组属性信息，生成处方聚类数据。
在一些可选的实施方式中，处方聚类算法是一种将药品信息按照既定规则对处方信息进行抽取和聚类的算法。该既定规则可以由医疗信息处理系统的开发和运营人员设定的规则，用于指示按照哪些属性信息对处方信息进行聚类。
在步骤306中，将处方聚类数据存入处方数据库中。
上述步骤301~步骤306，可对各医疗处方进行文本识别，得到原始文本信息之后，可进一步对对应的文本信息进行分词、聚类处理，并将聚类得到的聚类数据存入数据库对应的药品数据库，由此可在接收到数据库查询操作后，在药品数据库中查询符合条件的目标数据条目，并输出查询结果统计表。由此，本申请技术方案可以实现医疗处方的电子信息化管理，可以满足越来越繁重的处方信息管理需求，而且确保了医疗处方的易操作性和易维护性，方便用户，如临床医师对各处方的用药合理性进行判断。
在一些可选的实施方式中，在通过聚类算法得到对应的聚类数据后，可直接将聚类数据存入对应的数据库中。在另一些可选的实施方式中，也可按照图4所示实施例结合人工校准的方式存入数据库。
图4为本申请的医疗信息处理方法的聚类数据存储实施例的流程图；本实施例以如何实现聚类数据存储为例进行示例性说明，如图4所示，包括如下步骤401~步骤404。下面对各步骤进行说明：
在步骤401中，输出聚类数据。
在一些可选的实施方式中，可以将聚类数据输出到图形化界面上进行展示。例如，将一条聚类数据“药品1；规格1；适应症1；禁忌1”输出到界面上展示。
在步骤402中，接收用户基于聚类数据触发的操作。
在一些可选的实施方式中，在输出聚类数据后，用户（如药剂师）可以对该聚类数据进行较准，如果确认该聚类数据是正确的，则可触发确认信息的确认操作，进一步执行步骤403；如果确认该聚类数据是错误的，可以触发修订信息的修订操作，进一步执行步骤404。
在步骤403中，将聚类数据存入数据库中。
在一些可选的实施方式中，如果用户确认该聚类数据是正确的，则可将该聚类数据存入数据库中。
在步骤404中，响应于操作为修订操作，根据修订操作对聚类数据进行修订，将修订后的聚类数据存入数据库中。
在一些可选的实施方式中，如果用户确认该聚类数据是存在问题的，则可通过修订操作对聚类数据进行修订，然后将修订后的聚类数据存入数据库中。
上述步骤401~步骤404，通过结合人工校准的方式将聚类数据存入数据库，可以解决自动聚类后聚类数据存在差错的问题，进一步提高药品说明书和医疗处方电子化的准确性。
图5为本申请的医疗信息处理方法中药品使用剂量查询实施例的流程图；本实施例以如何实现药品使用剂量查询为例进行示例性说明，如图5所示，包括如下步骤501~步骤504。下面对各步骤进行说明：
在步骤501中，在处方数据库中查询第一设定时间段内的至少一个处方数据条目。
在一些可选的实施方式中，至少一个所述处方数据条目为图1所示实施例中的目标数据条目。
在一些可选的实施方式中，药品使用剂量查询操作用于指示查询医疗处方中开具药品的剂量的查询操作。
在一些可选的实施方式中，第一设定时间段可以为一个月、一个季度等时间段，各医疗单位（例如，各级医院）可以定期统计第一设定时间段内的药品使用剂量，进而有助于根据第一设定时间段内的药品使用剂量确定各医疗单位（例如，各级医院）内每类药品的使用量被合理统计，优化药品库存管理等。
在一些可选的实施方式中，处方数据库中各处方数据条目的呈现方式可以参见图14，其中，处方数据条目可以包括处方号、该处方的患者个体特征（包括患者年龄、既往病史、过敏史）、诊断结果（包括症状1、症状2、症状3）以及治疗方案（药品1的剂量、疗程，药品2的剂量、疗程，药品n的剂量、疗程）等。各个处方数据条目在存入处方数据库时，还会对应存入该医疗处方的开具日期。
在一些可选的实施方式中，可在处方数据库中查找开具日期在该第一设定时间段内的至少一个处方数据条目。
在步骤502中，从至少一个处方数据条目中获取治疗方案信息。
在一可选的实施方式中，治疗方案信息可以包括药品名、剂量、用药疗程。
在步骤503中，生成药品使用剂量表，药品使用剂量表中包括至少一个处方数据条目中各药品在第一设定时间段内的使用剂量信息。
在一些可选的实施方式中，可以将不同医疗处方中的同一类药物（具有相同的药品名、药品厂商、剂量）执行剂量累加后记入药品使用剂量表，由此该药品使用剂量表中可以记录有每一种药品在该第一设定时间段内的总使用剂量信息。
在步骤504中，输出药品使用剂量表。
参见图6，其中给出了在接收到药品使用剂量查询操作后的查询示意图，医疗信息处理系统中的用药合理性查询模块可遍历处方数据库，从中获取符合条件的至少一个处方数据条目，并提取至少一个处方数据条目中治疗方案中的用药信息，将治疗方案中所使用的各药品的剂量进行累加，得到各药品的总剂量数据，生成一个药品使用剂量表。
上述步骤501~步骤504，接收到药品使用剂量查询操作时，药品管理信息系统可以自动统计出该第一设定时间段内的药品使用剂量表，并输出到图形界面上，各医疗单位（例如，各级医院）的药品管理人员可以直观的了解第一设定时间段内的药品使用剂量，进而有助于根据第一设定时间段内的药品使用剂量确定各医疗单位（例如，各级医院）内每类药品的使用量被合理统计，优化药品库存管理等。
图7为本申请的医疗信息处理方法中的处方用药合理性查询实施例的流程图；本实施例以如何实现处方用药合理性查询为例进行示例性说明，如图7所示，包括如下步骤701~步骤705。下面对各步骤进行说明：
在步骤701中，在处方数据库中获取符合所述查询条件的至少一个处方数据条目。
在一些可选的实施方式中，至少一个所述处方数据条目为图1所示实施例中的目标数据条目。
在一些可选的实施方式中，在接收到处方用药合理性查询操作后，用药合理性查询模块可根据该查询操作中携带的患者个体特征，如该患者的ID号，在处方数据库中获取该患者的至少一个处方数据条目。其中，各处方数据条目所包含的信息可参见图14。
在步骤702中，根据至少一个所述处方数据条目中的治疗方案信息，在药品数据库中获取对应药品名的药品说明信息，所述对应药名品从所述治疗方案信息中获得。
在一些可选的实施方式中，治疗方案信息中可以包括药品名、剂量、疗程，根据各处方数据条目中的治疗方案信息中的药品名，可以在药品数据库中获取该药品名的药品说明信息。
在一些可选的实施方案中，药品说明信息可以包括适用年龄、适用症状、病史禁忌、过敏原信息、服用说明（包括剂量、疗程）。
在步骤703中，根据至少一个处方数据条目以及对应药品名的药品说明信息，确定用药合理性信息。
在一些可选的实施方式中，用药合理性信息可以包括患者个体特征用药合理性信息（年龄、禁忌等是否匹配）、对症合理性信息（药品适用症与患者诊断结果是否匹配）、剂量合理性信息（药品用量与患者的个体特征是否匹配）、疗程合理性信息（药品疗程与患者的个体特征是否匹配）等。
在一些可选的实施方式中，可将各处方数据条目中的患者信息与上述药品说明信息的适用规则作比较。具体实现时，可以根据患者信息中的年龄、病史、过敏史、生理状态（是否妊娠期）等逐一与药品说明信息中的适用年龄、适用症状、病史禁忌、过敏原信息、服用说明等进行一一比对，如果存在不匹配的情况，则说明存在用药违例信息。作为示例，如果患者信息指示患者为一个9岁的儿童，而治疗方案信息中的药品1的适用年龄是适用14岁以上的患者，则可以确定药品1存在患者个体特征用药不合理的问题。
在一些可选的实施方式中，除了将各处方数据条目中的患者信息与上述药品说明信息的适用规则作比较之外，还可将各处方数据条目中的剂量、疗程与药品服用说明做比对，如果存在不匹配的情况，则说明存在用药剂量不合理，也可判定为用药违例。
具体实现时，可通过将患者的年龄、体重作为输入因子的计算方程式来确定用药剂量的合理性。
其中，可以预先在用药合理性查询模块中配置一个用药合理性配置文件，该用药合理性配置文件中配置有各药品剂量的计算方程式，后续需要查询用药剂量合理性时，即可调用对应药品的计算方程式，基于患者的年龄、体重等信息，生成用药剂量的合理性判断结果。
在一些可选的实施方式中，还可将各处方数据条目中的诊断结果（病症信息）与药品说明中的适用症状作对比，确定对症合理性的违例结果。
在步骤704中，生成用药合理性统计表，用药合理性统计表中记录有用药合理性信息。
在一些可选的实施方式中，可以将所查询医疗处方中的各药品的用药合理性查询结果记入用药合理性统计表中。
在步骤705中，输出用药合理性统计表。
参见图8，其中给出了在接收到药品使用剂量查询操作后的查询示意图，医疗信息处理系统中的用药合理性查询模块可遍历处方数据库，从中获取符合条件的至少一个处方数据条目，并提取至少一个处方数据条目中治疗方案中的患者信息、诊断结果和治疗方案信息，根据治疗方案信息中的药品使用信息在药品数据库中获取至少一个处方数据条目中各药品的药品适用规则，通过比对处方数据条目和各药品的药品说明信息的适用规则，可以得到用药合理性统计信息，包括剂量合理性信息、疗程合理性信息等，进而生成用药合理性统计表。
上述步骤701~步骤705，接收到处方用药合理性查询操作时，药品管理信息系统可以自动统计所查询的医疗处方中各药品的用药合理性，并将用药合理性统计表输出到图形界面上，有助于判定各处方是否合理、合规。
图9为本申请的医疗信息处理方法中的病症查询实施例的流程图；本实施例以如何实现病症查询为例进行示例性说明，如图9所示，包括如下步骤901~步骤904。下面对各步骤进行说明：
在步骤901中，在处方数据库中查询第二设定时间段内的至少一个处方数据条目。
在一些可选的实施方式中，至少一个所述处方数据条目为图1所示实施例中的目标数据条目。
在一些可选的实施方式中，病症查询操作用于指示查询第二设定时间段内的医疗处方中诊断结果的症状的操作。可以用来统计第二设定时间段内患者的症状，有助于诊断当前是否存在某种流行性的疾病。
在一些可选的实施方式中，第二设定时间段可以为一个月、一个季度等时间段，各医疗单位（例如，各级医院）可以定期统计第二设定时间段内的患者症状，进而有助于根据第二设定时间段内的疾病类型，进行疾病预防和管控。
在一些可选的实施方式中，可在处方数据库中查找开具日期在该第二设定时间段内的至少一个处方数据条目。
其中，各处方数据条目的内容可参见图14，这里不再详述。
在步骤902中，从至少一个所述处方数据条目中获取病例信息，所述病例信息包括患者的个体特征。
在一些可选的实施方式中，可从处方数据条目的患者信息和诊断结果中获取患者的个体特征（如年龄）等。
在步骤903中，生成病症统计表，病症统计表中包括至少一个处方数据条目中各病症在第二设定时间段内的统计信息。
在一些可选的实施方式中，可以将不同医疗处方中的各症状的病例信息（患者个体特征）执行统计累加后记入病症统计表，由此，该病症统计表中可以记录有各病症的总病例数据，确定各病症的个体特征分布、病史分布等信息。
在步骤904中，输出病症统计表。
参见图10，其中给出了在接收到病症查询操作后的查询示意图，医疗信息处理系统中的用药合理性查询模块可遍历处方数据库，从中获取符合条件的至少一个处方数据条目，并提取至少一个处方数据条目中的病例信息，将各症状的病例信息（患者个体特征）执行统计累加后记入病症统计表，由此，该病症统计表中可以记录有各病症的总病例数据，确定各病症的个体特征分布、病史分布等信息。
上述步骤901~步骤904，接收到病症查询操作时，药品管理信息系统可以自动统计出该第二设定时间段内的各病症的病例数据，并输出到图形界面上，有助各医疗单位（例如，各级医院）根据第二设定时间段内的病症统计表确定当前是否存在某种流行的疾病以及疾病的较易感染人群的个体特征等信息，进而有助于实现疾病管控操作。
与前述医疗信息处理方法的实施例相对应，本申请还提供了医疗信息处理装置对应的实施例。
示例装置如下：
图15为本申请的医疗信息处理装置的一个实施例的结构示意图，该装置应用在电子设备（如计算机系统、服务器）上，如图15所示，该装置包括：
拼接模块151，用于对原始文本信息按照设定拼接方式拼接为一个文本字符串，所述原始文本信息从以下至少之一获得：药品说明书，医疗处方；
分词模块152，用于利用预先构造的数据分析引擎，对文本字符串进行分词处理，得到文本信息树，文本信息树包括一组属性信息以及对应的一组内容信息；
聚类模块153，用于基于所述文本信息树中的所述一组属性信息，生成聚类数据，所述聚类数据包括聚类标签；
存储模块154，用于将所述聚类数据存入数据库中，所述数据库包括至少之一：处方数据库、药品数据库；
查询模块155，用于响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表。
图16为本申请的医疗信息处理装置的又一个实施例的结构示意图，如图16所示，在图15所示实施例的基础上，在一些可选的实施方式中，原始文本信息通过以下步骤得到：
采集待处理对象的图像，所述待处理对象包括至少之一：药品说明书，医疗处方；
利用光学字符识别方式对所述图像进行识别，得到所述原始文本信息。
在一些可选的实施方式中，原始文本信息为药品说明书对应的文本信息时；
分词模块152包括，第一分词子模块1521，用于利用预先构造的第一数据分析引擎，对文本字符串中进行分词处理，得到文本信息树，第一数据分析引擎基于设定的文法处理结构和药品说明书规范信息的约束构造得到；所述数据分析引擎为所述第一数据分析引擎。
在一些可选的实施方式中，聚类模块153包括，第一聚类子模块1531，用于利用预设的药品说明聚类算法，基于文本信息树中的一组属性信息，生成药品聚类数据，所述聚类数据为所述药品聚类数据；
存储模块154包括，第一存储子模块1541，用于将所述药品聚类数据存入所述药品数据库中。
在一些可选的实施方式中，原始文本信息为医疗处方对应的文本信息时；
分词模块152包括，第二分词子模块1522，用于利用预先构造的第二数据分析引擎，对文本字符串中进行分词处理，得到文本信息树，第二数据分析引擎基于设定的文法处理结构和处方管理信息的约束构造得到；所述数据分析引擎为所述第二数据分析引擎。
在一些可选的实施方式中，聚类模块153包括，第二聚类子模块1532，用于利用预设的处方聚类算法，基于文本信息树中的一组属性信息，生成处方聚类数据，所述聚类数据为所述处方聚类数据；
存储模块154包括，第二存储子模块1542，用于将处方聚类数据存入所述处方数据库中。
在一些可选的实施方式中，存储模块154包括：
输出子模块1543，用于输出聚类数据；
接收子模块1544，用于接收用户基于聚类数据触发的操作；
第三存储子模块1545，用于响应于所述操作为确认操作，将所述聚类数据存入数据库中；
第四存储子模块1546，用于响应于所述操作为修订操作，根据所述修订操作对所述聚类数据进行修订，将修订后的所述聚类数据存入数据库。
在一些可选的实施方式中，响应于所述数据库查询请求为查询第一设定时间段内的药品使用剂量的查询请求；
查询模块155包括：
第一查询子模块1551，用于在处方数据库中查询第一设定时间段内的至少一个处方数据条目，所述目标数据条目为至少一个所述处方数据条目；
第一获取子模块1552，用于从至少一个处方数据条目中获取治疗方案信息，治疗方案信息包括药品名、剂量、用药疗程；
第一生成子模块1553，用于生成药品使用剂量表，药品使用剂量表中包括至少一个处方数据条目中各药品在第一设定时间段内的使用剂量信息；
第一输出子模块1554，用于输出药品使用剂量表。
在一些可选的实施方式中，响应于所述数据库查询请求为查询处方用药合理性的查询请求；
查询模块155包括：
第二查询子模块1555，用于在处方数据库中获取符合所述查询条件的至少一个处方数据条目，所述目标数据条目为至少一个所述处方数据条目；
第二获取子模块1556，用于根据至少一个所述处方数据条目中的治疗方案信息，在药品数据库中获取对应药品名的药品说明信息，所述对应药名品从所述治疗方案信息中获得；
确定子模块1557，用于根据至少一个所述处方数据条目以及对应药品名的药品说明信息，确定用药合理性信息；
第二生成子模块1558，用于生成用药合理性统计表，用药合理性统计表中记录有用药合理性信息；
第二输出子模块1559，用于输出用药合理性统计表。
在一些可选的实施方式中，响应于所述数据库查询请求为查询第二设定时间段内的病症的查询请求；
查询模块155包括：
第三查询子模块1561，用于在所述处方数据库中查询所述第二设定时间段内的至少一个处方数据条目，所述目标数据条目为至少一个所述处方数据条目；
第三获取子模块1562，用于从至少一个所述处方数据条目中获取病例信息，所述病例信息包括患者的个体特征；
第三生成子模块1563，用于生成病症统计表，病症统计表中包括至少一个处方数据条目中各病症在第二设定时间段内的统计信息；
第三输出子模块1564，用于输出病症统计表。
本申请装置中各模块及单元还可以根据实际需求进行更细粒度的划分，具体可以根据实际需求设置。
本申请实施例的装置可用于实现本申请上述各实施例的方法，二者之间在具体实现上相互对应，相关部分的具体实现相互参考，在此不再赘述。
示例电子设备、计算机程序产品和计算机可读存储介质：
本申请实施例还提供了一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行存储器中存储的计算机程序，且计算机程序被执行时，实现本申请上述任一实施例的医疗信息处理方法。
下面，参考图17来描述根据本申请实施例的电子设备，其中可以集成本申请实施例实现方法的装置。图17为本申请一示意性实施例提供的电子设备的结构图，如图17所示，电子设备包括一个或多个处理器171、一个或多个计算机可读存储介质的存储器172，以及存储在存储器上并可在处理器上运行的计算机程序。在执行存储器172的程序时，可以实现上述医疗信息处理方法。
具体的，在实际应用中，该电子设备还可以包括输入装置173、输出装置174等部件，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。本领域技术人员可以理解，图17中示出的电子设备的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的部件，或者某些部件，或者不同的部件布置。其中：
处理器171可以是中央处理单元（CPU）或者具有医疗信息处理能力和/或指令执行能力的其他形式的处理单元，通过运行或执行存储在存储器172内的软件程序和/或模块，以及调用存储在存储器172内的数据，执行各种功能和处理数据，从而对该电子设备进行整体监控。
存储器172可以存储一个或多个计算机程序产品，该存储器172可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器171可以运行程序指令，以实现上文的本申请的各个实施例的医疗信息处理方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
输入装置173可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆，光学或轨迹球信号输入。
输出装置174可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置174可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
电子设备还可以包括给各个部件供电的电源，可以通过电源管理系统与处理器171逻辑相连，从而通过电源管理系统实现管理充电、放电，以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
当然，为了简化，图17中仅示出了该电子设备中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例方法”部分中描述的根据本申请各种实施例的医疗信息处理方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例方法”部分中描述的根据本申请各种实施例的医疗信息处理方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、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）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种医疗信息处理方法，其特征在于，包括：
对原始文本信息按照设定拼接方式拼接为一个文本字符串，所述原始文本信息从以下至少之一获得：药品说明书，医疗处方；
利用预先构造的数据分析引擎，对所述文本字符串进行分词处理，得到文本信息树，所述文本信息树包括一组属性信息以及对应的一组内容信息；
基于所述文本信息树中的所述一组属性信息，生成聚类数据，所述聚类数据包括聚类标签；
将所述聚类数据存入数据库中，所述数据库包括至少之一：处方数据库、药品数据库；
响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表。
2.根据权利要求1所述的方法，其特征在于，所述原始文本信息为药品说明书对应的文本信息时，
所述利用预先构造的数据分析引擎，对所述文本字符串进行分词处理，得到文本信息树，包括：
利用预先构造的第一数据分析引擎，对所述文本字符串中进行分词处理，得到文本信息树，所述第一数据分析引擎基于设定的文法处理结构和药品说明书规范信息的约束构造得到；所述数据分析引擎为所述第一数据分析引擎。
3.根据权利要求2所述的方法，其特征在于，所述基于所述文本信息树中的所述一组属性信息，生成聚类数据，包括：
利用预设的药品说明聚类算法，基于所述文本信息树中的所述一组属性信息，生成药品聚类数据，所述聚类数据为所述药品聚类数据；
所述将所述聚类数据存入数据库中，包括：
将所述药品聚类数据存入所述药品数据库中。
4.根据权利要求1所述的方法，其特征在于，所述原始文本信息为医疗处方对应的文本信息时，
所述利用预先构造的数据分析引擎，对所述文本字符串进行分词处理，得到文本信息树，包括：
利用预先构造的第二数据分析引擎，对所述文本字符串中进行分词处理，得到文本信息树，所述第二数据分析引擎基于设定的文法处理结构和处方管理信息的约束构造得到；所述数据分析引擎为所述第二数据分析引擎。
5.根据权利要求4所述的方法，其特征在于，所述基于所述文本信息树中的所述一组属性信息，生成聚类数据，包括：
利用预设的处方聚类算法，基于所述文本信息树中的所述一组属性信息，生成处方聚类数据，所述聚类数据为所述处方聚类数据；
所述将所述聚类数据存入数据库中，包括：
将所述处方聚类数据存入所述处方数据库中。
6.根据权利要求1所述的方法，其特征在于，所述将所述聚类数据存入数据库中，包括：
输出所述聚类数据；
接收用户基于所述聚类数据触发的操作；
响应于所述操作为确认操作，将所述聚类数据存入数据库中；
响应于所述操作为修订操作，根据所述修订操作对所述聚类数据进行修订，将修订后的所述聚类数据存入数据库中。
7.根据权利要求1所述的方法，其特征在于，响应于所述数据库查询请求为查询第一设定时间段内的药品使用剂量的查询请求时，所述响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表，包括：
在处方数据库中查询所述第一设定时间段内的至少一个处方数据条目，所述目标数据条目为至少一个所述处方数据条目；
从至少一个所述处方数据条目中获取治疗方案信息，所述治疗方案信息包括药品名、剂量、用药疗程；
生成药品使用剂量表，所述药品使用剂量表中包括至少一个所述处方数据条目中各药品在所述第一设定时间段内的使用剂量信息；
输出所述药品使用剂量表；
响应于所述数据库查询请求为查询处方用药合理性的查询请求时，所述响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表，包括：
在处方数据库中获取符合所述查询条件的至少一个处方数据条目，所述目标数据条目为至少一个所述处方数据条目；
根据至少一个所述处方数据条目中的治疗方案信息，在药品数据库中获取对应药品名的药品说明信息，所述对应药品名从所述治疗方案信息中获得；
根据至少一个所述处方数据条目以及对应药品名的药品说明信息，确定用药合理性信息；
生成用药合理性统计表，所述用药合理性统计表中记录有所述用药合理性信息；
输出所述用药合理性统计表；
响应于所述数据库查询请求为查询第二设定时间段内的病症的查询请求时，所述响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表，包括：
在所述处方数据库中查询所述第二设定时间段内的至少一个处方数据条目，所述目标数据条目为至少一个所述处方数据条目；
从至少一个所述处方数据条目中获取病例信息，所述病例信息包括患者的个体特征；
生成病症统计表，所述病症统计表中包括至少一个所述处方数据条目中各病症在所述第二设定时间段内的统计信息；
输出所述病症统计表。
8.一种医疗信息处理装置，其特征在于，包括：
拼接模块，用于对原始文本信息按照设定拼接方式拼接为一个文本字符串，所述原始文本信息从以下至少之一获得：药品说明书，医疗处方；
分词模块，用于利用预先构造的数据分析引擎，对所述文本字符串进行分词处理，得到文本信息树，所述文本信息树包括一组属性信息以及对应的一组内容信息；
聚类模块，用于基于所述文本信息树中的所述一组属性信息，生成聚类数据，所述聚类数据包括聚类标签；
存储模块，用于将所述聚类数据存入数据库中，所述数据库包括至少之一：处方数据库、药品数据库；
查询模块，用于响应于接收到数据库查询请求，在对应数据库中查询符合所述数据库查询请求中携带的查询条件的目标数据条目，并对所述目标数据条目进行数据统计，输出查询结果统计表。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被执行时用于执行上述权利要求1-7任一所述的方法。
10.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410008276.8A CN117556790B (zh) | 2024-01-02 | 2024-01-02 | 医疗信息处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410008276.8A CN117556790B (zh) | 2024-01-02 | 2024-01-02 | 医疗信息处理方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117556790A true CN117556790A (zh) | 2024-02-13 |
| CN117556790B CN117556790B (zh) | 2024-04-16 |
Family
ID=89813058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410008276.8A Active CN117556790B (zh) | 2024-01-02 | 2024-01-02 | 医疗信息处理方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117556790B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0944579A (ja) * | 1995-07-25 | 1997-02-14 | Kokuritsu Byoin Kyushu Iryo Center Inchiyou | 多系統オーダ一括処理システム |
| CN1584884A (zh) * | 2003-08-20 | 2005-02-23 | 富士通株式会社 | 检索结构化文档的数据的设备和方法 |
| CN101526976A (zh) * | 2008-03-06 | 2009-09-09 | 北京梅斐技术开发中心 | 一种处方生成查询及老幼剂量换算系统及工作方法 |
| CN101639861A (zh) * | 2009-09-02 | 2010-02-03 | 福建星网锐捷网络有限公司 | 一种基于有限状态自动机的字符串匹配方法及装置 |
| CN102098322A (zh) * | 2009-12-15 | 2011-06-15 | 成澄 | 医疗信息管理系统 |
| CN102148858A (zh) * | 2011-01-12 | 2011-08-10 | 贺仲明 | 多功能医疗信息化网络系统 |
| WO2012058362A1 (en) * | 2010-10-28 | 2012-05-03 | Jason Lee | Support system for improved quality healthcare |
| US20140379386A1 (en) * | 2013-06-25 | 2014-12-25 | Arthur Paul Drennan, III | System and method for evaluating text to support multiple insurance applications |
| CN107590166A (zh) * | 2016-12-20 | 2018-01-16 | 百度在线网络技术（北京）有限公司 | 一种基于查询内容的数据生成方法及装置 |
| CN107887013A (zh) * | 2016-09-29 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 诊疗系统、方法、服务器、客户端和药品数据管理装置 |
| CN110797103A (zh) * | 2019-10-28 | 2020-02-14 | 重庆亚德科技股份有限公司 | 一种合理用药监测系统 |
| US20200159848A1 (en) * | 2018-11-20 | 2020-05-21 | International Business Machines Corporation | System for responding to complex user input queries using a natural language interface to database |
| CN111613291A (zh) * | 2020-05-28 | 2020-09-01 | 浙江大学医学院附属第一医院 | 一种药物管理、分类、医护人员与患者关联系统 |
| CN111931774A (zh) * | 2020-09-27 | 2020-11-13 | 耀方信息技术(上海)有限公司 | 药品数据的入库方法及系统 |
| CN112015900A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技（深圳）有限公司 | 医学属性知识图谱构建方法、装置、设备及介质 |
| CN113411455A (zh) * | 2021-06-22 | 2021-09-17 | 平安普惠企业管理有限公司 | 远程监控方法、装置、计算机设备及存储介质 |
| CN113488194A (zh) * | 2021-05-25 | 2021-10-08 | 四川大学华西医院 | 一种基于分布式系统的药品识别方法与装置 |
| CN114334070A (zh) * | 2022-01-05 | 2022-04-12 | 上海良方健康科技有限公司 | 一种基于医疗大数据的辅助处方系统 |
| CN116414855A (zh) * | 2023-03-10 | 2023-07-11 | 中国工商银行股份有限公司 | 信息处理方法及装置、电子设备和计算机可读存储介质 |
-
2024
- 2024-01-02 CN CN202410008276.8A patent/CN117556790B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0944579A (ja) * | 1995-07-25 | 1997-02-14 | Kokuritsu Byoin Kyushu Iryo Center Inchiyou | 多系統オーダ一括処理システム |
| CN1584884A (zh) * | 2003-08-20 | 2005-02-23 | 富士通株式会社 | 检索结构化文档的数据的设备和方法 |
| CN101526976A (zh) * | 2008-03-06 | 2009-09-09 | 北京梅斐技术开发中心 | 一种处方生成查询及老幼剂量换算系统及工作方法 |
| CN101639861A (zh) * | 2009-09-02 | 2010-02-03 | 福建星网锐捷网络有限公司 | 一种基于有限状态自动机的字符串匹配方法及装置 |
| CN102098322A (zh) * | 2009-12-15 | 2011-06-15 | 成澄 | 医疗信息管理系统 |
| WO2012058362A1 (en) * | 2010-10-28 | 2012-05-03 | Jason Lee | Support system for improved quality healthcare |
| CN102148858A (zh) * | 2011-01-12 | 2011-08-10 | 贺仲明 | 多功能医疗信息化网络系统 |
| US20140379386A1 (en) * | 2013-06-25 | 2014-12-25 | Arthur Paul Drennan, III | System and method for evaluating text to support multiple insurance applications |
| CN107887013A (zh) * | 2016-09-29 | 2018-04-06 | 阿里巴巴集团控股有限公司 | 诊疗系统、方法、服务器、客户端和药品数据管理装置 |
| US20180173764A1 (en) * | 2016-12-20 | 2018-06-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating data based on query content |
| CN107590166A (zh) * | 2016-12-20 | 2018-01-16 | 百度在线网络技术（北京）有限公司 | 一种基于查询内容的数据生成方法及装置 |
| US20200159848A1 (en) * | 2018-11-20 | 2020-05-21 | International Business Machines Corporation | System for responding to complex user input queries using a natural language interface to database |
| CN110797103A (zh) * | 2019-10-28 | 2020-02-14 | 重庆亚德科技股份有限公司 | 一种合理用药监测系统 |
| CN111613291A (zh) * | 2020-05-28 | 2020-09-01 | 浙江大学医学院附属第一医院 | 一种药物管理、分类、医护人员与患者关联系统 |
| CN112015900A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技（深圳）有限公司 | 医学属性知识图谱构建方法、装置、设备及介质 |
| CN111931774A (zh) * | 2020-09-27 | 2020-11-13 | 耀方信息技术(上海)有限公司 | 药品数据的入库方法及系统 |
| CN113488194A (zh) * | 2021-05-25 | 2021-10-08 | 四川大学华西医院 | 一种基于分布式系统的药品识别方法与装置 |
| CN113411455A (zh) * | 2021-06-22 | 2021-09-17 | 平安普惠企业管理有限公司 | 远程监控方法、装置、计算机设备及存储介质 |
| CN114334070A (zh) * | 2022-01-05 | 2022-04-12 | 上海良方健康科技有限公司 | 一种基于医疗大数据的辅助处方系统 |
| CN116414855A (zh) * | 2023-03-10 | 2023-07-11 | 中国工商银行股份有限公司 | 信息处理方法及装置、电子设备和计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵普军;郭瑞臣;: "合理用药咨询系统的开发与应用", 药学服务与研究, no. 01, 15 February 2008 (2008-02-15), pages 66 - 68 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117556790B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7610192B1 (en) | Process and system for high precision coding of free text documents against a standard lexicon | |
| US10796080B2 (en) | Artificial intelligence based document processor | |
| US7657521B2 (en) | System and method for parsing medical data | |
| US20190006027A1 (en) | Automatic identification and extraction of medical conditions and evidences from electronic health records | |
| US20220044812A1 (en) | Automated generation of structured patient data record | |
| KR20220059526A (ko) | 문서 간 지능형 저작 및 처리 보조기 | |
| Zhou et al. | Using Medical Text Extraction, Reasoning and Mapping System (MTERMS) to process medication information in outpatient clinical notes | |
| US20140365210A1 (en) | Systems and Methods for Processing Patient Information | |
| US20140350961A1 (en) | Targeted summarization of medical data based on implicit queries | |
| US20160048655A1 (en) | System for automated analysis of clinical text for pharmacovigilance | |
| US20140343957A1 (en) | Clinical content analytics engine | |
| US20040220895A1 (en) | Systems and methods for coding information | |
| US20180075192A1 (en) | Systems and methods for coding health records using weighted belief networks | |
| CN111445976A (zh) | 一种智能合理用药系统及方法 | |
| RU2697764C1 (ru) | Итерационное построение разделов истории болезни | |
| EP3596620A1 (en) | Interoperable record matching process | |
| Bretschneider et al. | Identifying pathological findings in German radiology reports using a syntacto-semantic parsing approach | |
| Rubrichi et al. | A system for the extraction and representation of summary of product characteristics content | |
| Zhang et al. | Overview of current herb–drug interaction databases | |
| CN114912887A (zh) | 一种基于电子病历的临床数据录入方法及录入装置 | |
| Sanchez-Graillet et al. | An annotated corpus of clinical trial publications supporting schema-based relational information extraction | |
| CN117556790B (zh) | 医疗信息处理方法、装置、设备和存储介质 | |
| CN117116416A (zh) | 医嘱用药审核方法、装置、电子设备及存储介质 | |
| CN115101186B (zh) | 基于大数据的医院就诊信息管理方法及装置 | |
| Grouin et al. | Combining glass box and black box evaluations in the identification of heart disease risk factors and their temporal relations from clinical records |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |