JP2021157799A - 医療衝突の検出方法、装置、電子デバイス及び記憶媒体 - Google Patents

医療衝突の検出方法、装置、電子デバイス及び記憶媒体 Download PDF

Info

Publication number
JP2021157799A
JP2021157799A JP2021051861A JP2021051861A JP2021157799A JP 2021157799 A JP2021157799 A JP 2021157799A JP 2021051861 A JP2021051861 A JP 2021051861A JP 2021051861 A JP2021051861 A JP 2021051861A JP 2021157799 A JP2021157799 A JP 2021157799A
Authority
JP
Japan
Prior art keywords
medical
node
structured data
medical entity
entity
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
Application number
JP2021051861A
Other languages
English (en)
Other versions
JP7186255B2 (ja
Inventor
ヂョン・ユィホン
Yuhong Zheng
シュエ・チョンユン
Chengyun Xue
ゾン・チーフェイ
Qifei Zeng
グオ・ホイ
Hui Guo
リー・タオ
Tao Li
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of JP2021157799A publication Critical patent/JP2021157799A/ja
Application granted granted Critical
Publication of JP7186255B2 publication Critical patent/JP7186255B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/63—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 operation of medical equipment or devices for local operation
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/67—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 operation of medical equipment or devices for remote operation
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioethics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

【課題】ナレッジグラフ技術分野に関する医療衝突の検出方法、装置、電子デバイス及び記憶媒体を提供する。【解決手段】方法は、ユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させ、構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出し、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、医療品質管理ニーズが葉ノードを命中すると判断し、葉ノードに対応する医療衝突の情報をユーザにプッシュする。【効果】医療衝突をより完全で且つ正確に検出することができ、医療データをより拡張しやすくすることができ、ユーザがより使用しやすくすることもできる。【選択図】図１

Description

本願は、コンピュータ応用技術の分野に関し、具体的に、ナレッジグラフ技術に関し、特に、医療衝突の検出方法、装置、電子デバイス及び記憶媒体に関する。
臨床意思決定サポートシステム（Ｃｌｉｎｉｃａｌ Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍ、ＣＤＳＳと略称される）は、マンマシンインタラクションに基づく医療情報技術応用システムであり、医者やその他の医療従事者に臨床意思決定サポートを提供することを目的とし、権威ある教材、薬局方及び三級甲等医院（最高クラスの病院）の質の高いカルテを学習し、バイドウ医療ナレッジグラフ、自然語処理、認知コンピューティング等の多種類のＡＩ技術に基づき、確率的グラフィカル推論、ルール推論及び深層学習に基づくマルチモデル意思決定システムを融合し、根拠に基づく医療に従う臨床補助意思決定サポートシステムに仕上げることにより、診察の正確率を高め、誤診、診察漏れを減らす。
従来の医療品質管理技術案においては、品質管理ルールは、独立したルールセグメントを用いて医療実体間の関係を拘束し、例えば、Ｐ１とＰ２は、２つの完全に独立したルールセグメントであり、Ｐ１：｛既に服用した薬＝クラリスロマイシン｝、Ｐ２：｛検査：肝機能検査｝。リバースインデックスの方法により、ルールセットの全てのルールセグメントのために一本のリバースインデックスツリーを構築する。構造化された後の電子カルテに含まれる医療実体を１つずつリバースインデックスツリーとマッチングし、条件が満足されたルールセグメントを抽出し、最後に、全てのルールセグメントが対応するルールセットを纏め、ルールが対応するトリガーリマインダーを戻す。上述した従来技術の実現方案から分かるように、独立したルールセグメントを用いて医療実体間の関係を拘束すると、もし医療実体間に辺関係が存在すれば、従来技術案は、医療実体の辺関係情報を利用することができず、また、ルールセグメントが完全に独立しているので、従来技術案を用いて医療実体間に存在する潜在的な衝突関係を検出することができない。
上述した内容に鑑み、本願の実施形態は、医療衝突の検出方法、装置、電子デバイス及び記憶媒体を提供し、医療衝突をより完全で且つ正確に検出することができ、医療データをより拡張しやすくすることができ、ユーザがより使用しやすくなることもできる。
第一の側面においては、本願の実施形態は、ユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させることと、
前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することと、
前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、前記医療品質管理ニーズが前記葉ノードを命中すると判断することと、
前記葉ノードに対応する医療衝突の情報を前記ユーザにプッシュすることとを備える医療衝突の検出方法。
上述した実施形態は、次のメリット又は有益な効果を有する。上述した実施形態は、ルール推論ネットワークを予め作り、医療品質管理ニーズを、それに対応する構造化構造に転換させた後、ルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができるので、医療品質管理ニーズに医療衝突の情報が存在するか否かを検出し、ユーザに医療衝突を速やかに教えるという目的に達することができる。従来の医療衝突の検出方法においては、独立したルールセグメントを用いて医療実体間の関係を拘束し、医療実体間に辺関係が存在すれば、従来技術案は、医療実体の辺関係情報を利用することができず、また、ルールセグメントが完全に独立しているので、従来技術案を用いて医療実体間に存在する潜在的な衝突関係を検出することができない。本願は、ルール推論ネットワークを予め作る技術手段を用いるので、従来技術における、医療衝突を完全で且つ正確に検出することができないという技術課題を克服し、ひいては、医療衝突をより完全で且つ正確に検出し、医療データをより拡張しやすくし、ユーザが使用しやすいという技術効果を得ることができる。
上述した実施形態において、前記の、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することは、
前記構造化データの中から１つの医療実体を目下医療実体として抽出し、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、前記目下医療実体がたどって到着した前記後ろから数えて第二層のノードの中の当該ノードを、前記目下医療実体が命中した最小単位のノードとし、前記構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、前記目下医療実体を抽出する操作を繰り返して実行することと、
前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することとを備える。
上述した実施形態は、次のメリット又は有益な効果を有する。上述した実施形態は、構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどり、その後、構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができる。ルール推論ネットワークの後ろから数えて第二層のそれぞれのノードは、それぞれ異なる医療実体の情報を記憶することができるので、本願は、それぞれの医療実体が、それに対応する後ろから数えて第二層の１つのノードにたどり、即ち、それぞれの医療実体が、それが命中した最小単位のノードにたどることができる。よって、構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを正確に検出することができる。
上述した実施形態において、前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することは、
前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の１つの葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が前記葉ノードに対応するそれぞれの検出条件を満たすと判断することと、
前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の複数の葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさないと判断することとを備える。
上述した実施形態は、次のメリット又は有益な効果を有する。上述した実施形態は、構造化データの中のそれぞれの医療実体が命中した最小単位のノードがルール推論ネットワークの中の１つの葉ノードに対応するか否かを判断することにより、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを正確に判断することができる。
上述した実施形態において、前記の、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせることは、
前記根ノードを前記目下医療実体が命中したノードとすることと、
前記目下医療実体が命中したノードにおいては、前記目下医療実体が前記ルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断し、前記目下医療実体が前記下の層のノードの中の任意の１つのノードに対応する検出条件を満たす場合、当該ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が、前記根ノードから前記後ろから数えて第二層のノードの中の１つのノードにたどるまで、上述した操作を繰り返して実行することとを備える。
上述した実施形態は、次のメリット又は有益な効果を有する。上述した実施形態は、前記目下医療実体が命中したノードにおいては、前記目下医療実体が前記ルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断することにより、目下医療ノードが、根ノードから後ろから数えて第二層のノードの中の１つのノードにたどることができる。よって、構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを正確に検出することができる。
上述した実施形態において、前記の、ユーザの医療品質管理ニーズを取得した後、前記医療品質管理ニーズを、それに対応する構造化データに転換させる前に、前記方法は、
前記医療品質管理ニーズからキーフィールドを抽出し、抽出された前記キーフィールドに基づき、前記キーフィールドと関連する補足フィールドを確定することと、
予め記憶された医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報を検索することと、
前記医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報が見つかった場合、前記キーフィールド及び前記キーフィールドが対応する医療情報並びに前記補足フィールド及び前記補足フィールドが対応する医療情報に基づき、前記の、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行することとを更に備える。
上述した実施形態は、次のメリット又は有益な効果を有する。上述した実施形態は、医療データベースからキーフィールドが対応する医療情報及び補足フィールドが対応する医療情報を検索し、その後、キーフィールド及びキーフィールドが対応する医療情報並びに補足フィールド及び補足フィールドが対応する医療情報に基づき、前記の、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行する。よって、構造化データの完全性を保障することができる。
第二の側面においては、本願は、
ユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させる転換モジュールと、
前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する検出モジュールと、
前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、前記医療品質管理ニーズが前記葉ノードを命中すると判断する判断モジュールと、
前記葉ノードに対応する医療衝突の情報を前記ユーザにプッシュするプッシュモジュールとを備える医療衝突の検出装置を更に提供する。
上述した実施形態において、前記検出モジュールは、
前記構造化データの中から１つの医療実体を目下医療実体として抽出し、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、前記目下医療実体がたどって到着した前記後ろから数えて第二層のノードの中の当該ノードを、前記目下医療実体が命中した最小単位のノードとし、前記構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、前記目下医療実体を抽出する操作を繰り返して実行するたどりサブモジュールと、
前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する検出サブモジュールとを備える。
上述した実施形態において、前記検出サブモジュールは、具体的には、前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の１つの葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が前記葉ノードに対応するそれぞれの検出条件を満たすと判断することと、
前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の複数の葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさないと判断するように用いられる。
上述した実施形態において、前記たどりサブモジュールは、具体的には、前記根ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が命中したノードにおいては、前記目下医療実体が前記ルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断し、前記目下医療実体が前記下の層のノードの中の任意の１つのノードに対応する検出条件を満たす場合、当該ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が、前記根ノードから前記後ろから数えて第二層のノードの中の１つのノードにたどるまで、上述した操作を繰り返して実行するように用いられる。
上述した実施形態において、前記取得モジュールは、前記医療品質管理ニーズからキーフィールドを抽出し、抽出された前記キーフィールドに基づき、前記キーフィールドと関連する補足フィールドを確定し、予め記憶された医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報を検索し、前記医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報が見つかった場合、前記キーフィールド及び前記キーフィールドが対応する医療情報並びに前記補足フィールド及び前記補足フィールドが対応する医療情報に基づき、前記の、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行するように更に用いられる。
第三の側面においては、本願の実施形態は、
１つ又は複数のプロセッサと、
１つ又は複数のプログラムを記憶するためのメモリとを備え、
前記１つ又は複数のプログラムが前記１つ又は複数のプロセッサにより実行されることにより、前記１つ又は複数のプロセッサが本願の任意の実施形態に記載の医療衝突の検出方法を実現する。
第四の側面においては、本願の実施形態は、コンピュータプログラムが記憶されている記憶媒体を提供し、当該プログラムがプロセッサに実行されると、本願の任意の実施形態に記載の医療衝突の検出方法を実現する。
第五の側面においては、本願の実施形態は、コンピュータプログラムを提供し、当該コンピュータプログラムがプロセッサに実行されると、本願の任意の実施形態に記載の医療衝突の検出方法を実現する。
前記本願の中の実施形態は、次のメリット又は有益な効果を有する。本願による医療衝突の検出方法、装置、電子デバイス及び記憶媒体は、まずユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させ、前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出し、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、前記医療品質管理ニーズが前記葉ノードを命中すると判断し、前記葉ノードに対応する医療衝突の情報を前記ユーザにプッシュする。即ち、本願は、ルール推論ネットワークを予め作り、医療品質管理ニーズを、それに対応する構造化構造に転換させた後、ルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができるので、医療品質管理ニーズに医療衝突の情報が存在するか否かを検出し、ユーザに医療衝突を速やかに教えるという目的に達することができる。従来の医療衝突の検出方法においては、独立したルールセグメントを用いて医療実体間の関係を拘束し、医療実体間に辺関係が存在すれば、従来技術案は、医療実体の辺関係情報を利用することができず、また、ルールセグメントが完全に独立しているので、従来技術案を用いて医療実体間に存在する潜在的な衝突関係を検出することができない。本願は、ルール推論ネットワークを予め作る技術手段を用いるので、従来技術における、医療衝突を完全で且つ正確に検出することができないという技術課題を克服し、ひいては、医療衝突をより完全で且つ正確に検出し、医療データをより拡張しやすくし、ユーザが使用しやすいという技術効果を得ることができる。また、本願の実施形態の技術案は、簡単で実現でき、普及しやすく、適用する範囲がより広い。
上述した好ましい方式が有するその他の効果は、後述において具体的な実施形態と合わせて説明する。
図面は、本技術案をより良く理解するために用いられ、本願を限定しない。
本願の第一の実施形態による医療衝突の検出方法のフローチャート模式図である。 本願の第二の実施形態による医療衝突の検出方法のフローチャート模式図である。 本願の第二の実施形態によるルール推論ネットワークの第一の構造模式図である。 本願の第二の実施形態によるルール推論ネットワークの第二の構造模式図である。 本願の第三の実施形態による医療衝突の検出装置の構造模式図である。 本願の第三の実施形態による検出モジュールの構造模式図である。 本願の実施形態の医療衝突の検出方法を実現するために用いられる電子デバイスのブロック図である。
以下、図面を参照しながら、本願の例示する実施形態を説明し、理解しやすくするために、本願の実施形態の様々な細部が含まれており、それらは、例示するものに過ぎないことが理解されたい。よって、当業者は、ここで記載の実施形態に対して様々な変更及び補正を行うことができ、本願の範囲及び精神から逸脱しないことを認識すべきである。同様に、明確でかつ簡潔にするために、以下の記述においては、周知の機能及び構造に対する記載を省略している。
（第一の実施形態）
図１は、本願の第一の実施形態による医療衝突の検出方法のフローチャート模式図である。当該方法は、医療衝突の検出装置又は電子デバイスにより実行することができ、当該装置又は電子デバイスは、ソフトウェア及び／又はハードウェアの方式により実現することができ、当該装置又は電子デバイスは、ネットワーク通信機能を有する任意のインテリジェントデバイスの中に集積することができる。図１に示すように、医療衝突の検出方法は、Ｓ１０１、Ｓ１０２、Ｓ１０３及びＳ１０４を含んでも良い。
Ｓ１０１においては、ユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させる。
本願の具体的な実施形態においては、電子デバイスは、ユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させることができる。具体的には、医療品質管理ニーズとは、ユーザが医療衝突が存在するか否かを検出しようとする医療情報のことである。例えば、当該医療品質管理ニーズは、医者が患者に出す処方箋、化学検査票、検査票等であっても良い。医療衝突とは、医療品質管理ニーズに矛盾又は間違った情報が存在していることを意味する。例えば、ある児童用薬については、三歳以上の子供でなければ服用することができないと規定されているのに、医者は、ある二歳の子供に出した処方箋にこのような薬が含まれているのであれば、当該処方箋は、医療衝突が存在する処方箋である。
当該ステップにおいては、電子デバイスは、自然語理解（Ｎａｔｕｒｅ Ｌａｎｇｕａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ、ＮＬＵと簡略される）モデルにより、医療品質管理ニーズを、それに対応する構造化データに転換させることができる。当該ステップにおいては、電子デバイスは、ユーザの医療品質管理ニーズをＮＬＵモデルに入力することができ、ＮＬＵモデルにより医療品質管理ニーズに対応する構造化データを出力することができる。自然語処理（Ｎａｔｕｒｅ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ、ＮＬＰと簡略される）は、自然語を用いてコンピュータと通信する技術であり、自然語を処理するキーポイントは、コンピュータに自然語を「理解させる」ことであるので、自然語処理は、自然語理解とも言われ、コンピュータ言語学とも言われる。また、自然語処理は、言語情報処理の１つの分野であると同時に、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、ＡＩと簡略される）の核心的な課題の１つでもある。
比較的好ましくは、本願の具体的な実施形態においては、電子デバイスは、ユーザの医療品質管理ニーズを取得した後、医療品質管理ニーズを、それに対応する構造化データに転換させる前に、医療品質管理ニーズからキーフィールドを抽出し、抽出されたキーフィールドに基づき、キーフィールドと関連する補足フィールドを確定し、予め記憶された医療データベースからキーフィールドが対応する医療情報及び補足フィールドが対応する医療情報を検索し、医療データベースからキーフィールドが対応する医療情報及び補足フィールドが対応する医療情報が見つかった場合、キーフィールド及びキーフィールドが対応する医療情報並びに補足フィールド及び補足フィールドが対応する医療情報に基づき、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行する。
Ｓ１０２においては、構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する。
本願の具体的な実施形態においては、電子デバイスは、構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができる。例えば、仮に、ユーザの医療品質管理ニーズが対応する構造化データは、フィールド１、フィールド２及びフィールド３という３つのフィールドを含むとする。当該ステップにおいては、電子デバイスは、フィールド１を医療実体１とし、フィールド２を医療実体２とし、フィールド３を医療実体３としても良く、仮に、ルール推論ネットワークの中の１つの葉ノードは、検出条件１、検出条件２及び検出条件３という３つの検出条件に対応し、医療実体１が当該葉ノードに対応する検出条件１を満たし、医療実体２が当該葉ノードに対応する検出条件２を満たし、医療実体３が当該葉ノードに対応する検出条件３を満たせば、電子デバイスは、構造化データが当該葉ノードに対応するそれぞれの検出条件を満たしていると判断しても良い。
Ｓ１０３においては、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、医療品質管理ニーズが葉ノードを命中すると判断する。
本願の具体的な実施形態においては、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、電子デバイスは、医療品質管理ニーズが葉ノードを命中すると判断することができる。例えば、仮に、ユーザの医療品質管理ニーズが対応する構造化データは、フィールド１、フィールド２及びフィールド３という３つのフィールドを含むとする。当該ステップにおいては、電子デバイスは、フィールド１を医療実体１とし、フィールド２を医療実体２とし、フィールド３を医療実体３としても良く、仮に、ルール推論ネットワークの中の１つの葉ノードは、検出条件１、検出条件２及び検出条件３という３つの検出条件に対応し、医療実体１が当該葉ノードに対応する検出条件１を満たし、医療実体２が当該葉ノードに対応する検出条件２を満たし、医療実体３が当該葉ノードに対応する検出条件３を満たせば、電子デバイスは、医療品質管理ニーズが葉ノードを命中すると判断することができる。また、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさなければ、電子デバイスは、医療品質管理ニーズが当該葉ノードを命中していないと判断することができる。例えば、医療実体１は、当該葉ノードに対応する検出条件１を満たし、医療実体２は、当該葉ノードに対応する検出条件２を満たし、医療実体３は、当該葉ノードに対応する検出条件３を満たさなければ、電子デバイスは、医療品質管理ニーズが当該葉ノードを命中していないと判断することができる。
Ｓ１０４においては、葉ノードに対応する医療衝突の情報をユーザにプッシュする。
本願の実施形態においては、電子デバイスは、葉ノードに対応する医療衝突の情報をユーザにプッシュすることができる。具体的には、ルール推論ネットワークの中のそれぞれの葉ノードは、１つの医療衝突の情報に対応し、ユーザの医療品質管理ニーズがある葉ノードを命中すれば、ユーザの医療品質管理ニーズの中に当該葉ノードに対応する医療衝突の情報が存在していることを意味する。よって、電子デバイスは、葉ノードに対応する医療衝突の情報をユーザにプッシュし、医療品質管理ニーズの中に存在する医療衝突の情報を速やかにユーザに気づかせる。
本願の実施形態による医療衝突の検出方法は、まずユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させ、その後、構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出し、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、医療品質管理ニーズが葉ノードを命中すると判断し、葉ノードに対応する医療衝突の情報をユーザにプッシュする。即ち、本願は、ルール推論ネットワークを予め作り、医療品質管理ニーズを、それに対応する構造化構造に転換させた後、ルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができるので、医療品質管理ニーズに医療衝突の情報が存在するか否かを検出し、ユーザに医療衝突を速やかに教えるという目的に達することができる。しかしながら、従来の医療衝突の検出方法においては、独立したルールセグメントを用いて医療実体間の関係を拘束し、医療実体間に辺関係が存在すれば、従来技術案は、医療実体の辺関係情報を利用することができず、また、ルールセグメントが完全に独立しているので、従来技術案を用いて医療実体間に存在する潜在的な衝突関係を検出することができない。本願は、ルール推論ネットワークを予め作る技術手段を用いるので、従来技術における、医療衝突を完全で且つ正確に検出することができないという技術課題を克服し、ひいては、医療衝突をより完全で且つ正確に検出し、医療データをより拡張しやすくし、ユーザが使用しやすいという技術効果を得ることができる。また、本願の実施形態の技術案は、簡単で実現でき、普及しやすく、適用する範囲がより広い。
（第二の実施形態）
図２は、本願の第二の実施形態による医療衝突の検出方法のフローチャート模式図である。図２に示すように、医療衝突の検出方法は、Ｓ２０１、Ｓ２０２、Ｓ２０３、Ｓ２０４、Ｓ２０５及びＳ２０６を含んでも良い。
Ｓ２０１においては、ユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させる。
本願の具体的な実施形態においては、電子デバイスは、ユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させるができる。具体的には、電子デバイスは、ＮＬＵモデルにより医療品質管理ニーズを、それに対応する構造化データに転換させるができる。当該ステップにおいては、電子デバイスは、ユーザの医療品質管理ニーズをＮＬＵモデルに入力することができ、ＮＬＵモデルにより医療品質管理ニーズに対応する構造化データを出力することができる。
Ｓ２０２においては、構造化データの中のそれぞれのフィールドを１つの医療実体とする。
本願の実施形態においては、電子デバイスは、構造化データの中のそれぞれのフィールドを１つの医療実体とすることができる。例えば、仮に、ユーザの医療品質管理ニーズに対応する構造化データは、フィールド１、フィールド２及びフィールド３という３つのフィールドを含むとする。当該ステップにおいては、電子デバイスは、フィールド１を医療実体１とし、フィールド２を医療実体２とし、フィールド３を医療実体３としても良い。
Ｓ２０３においては、構造化データの中から１つの医療実体を目下医療実体として抽出し、目下医療実体を、ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、目下医療実体がたどって到着した後ろから数えて第二層のノードの中の当該ノードを、目下医療実体が命中した最小単位のノードとし、構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、目下医療実体を抽出する操作を繰り返して実行する。
本願の具体的な実施形態においては、電子デバイスは、構造化データの中から１つの医療実体を目下医療実体として抽出し、目下医療実体を、ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、目下医療実体がたどって到着した後ろから数えて第二層のノードの中の当該ノードを、目下医療実体が命中した最小単位のノードとし、構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、目下医療実体を抽出する操作を繰り返して実行することができる。具体的には、仮に、ユーザの医療品質管理ニーズに対応する構造化データは、医療実体１、医療実体２及び医療実体３という３つの医療実体を含むとする。当該ステップにおいては、電子デバイスは、まず医療実体１を目下医療実体とし、医療実体１を、ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、医療実体１がたどって到着した後ろから数えて第二層のノードの中の当該ノードを、医療実体１が命中した最小単位のノードとする。前記の、目下医療実体を抽出する操作を繰り返して実行し、次に、電子デバイスは、医療実体２を目下医療実体とし、医療実体２を、ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、医療実体２がたどって到着した後ろから数えて第二層のノードの中の当該ノードを、医療実体２が命中した最小単位のノードとする。更に、前記の、目下医療実体を抽出する操作を繰り返して実行し、電子デバイスは、医療実体３を目下医療実体とし、医療実体３を、ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、医療実体３がたどって到着した後ろから数えて第二層のノードの中の当該ノードを、医療実体３が命中した最小単位のノードとする。
本願の具体的な実施形態においては、電子デバイスは、目下医療実体を、ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせる時に、まず、根ノードを、目下医療実体が命中したノードとし、その後、目下医療実体が命中したノードでは、目下医療実体がルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断し、目下医療実体が下の層のノードの中の任意の１つのノードに対応する検出条件を満たせば、当該ノードを、目下医療実体が命中したノードとし、目下医療実体が、根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるまで、上述した操作を繰り返して実行する。
図３は、本願の第二の実施形態によるルール推論ネットワークの第一の構造模式図である。図３に示すように、ルール推論ネットワークは、第一層のノード、第二層のノード、第三層のノード、第四層のノード及び第五層のノードという５つの層のノードを含む。なお、第一層のノードは、ルール推論ネットワークの根ノードであるノード１を含み、第二層のノードは、ノード２及びノード３を含み、第三層のノードは、ノード４、ノード５、ノード６及びノード７を含み、第四層のノードは、ノード８、ノード９、ノード１０、ノード１１及びノード１２を含み、第五層のノードは、ルール推論ネットワークの２つの葉ノードであるノード１３及びノード１４を含む。具体的には、ノード１は、ノード２とノード３のそれぞれに接続し、任意の１つの医療実体が根ノードからノード２にたどっても良く、根ノードからノード３にたどっても良いことを表す。ノード２は、ノード４とノード５のそれぞれに接続し、任意の１つの医療実体がノード２からノード４にたどっても良く、ノード２からノード５にたどっても良いことを表す。ノード３は、ノード６とノード７のそれぞれに接続し、任意の１つの医療実体がノード３からノード６にたどっても良く、ノード３からノード７にたどっても良いことを表す。上述したように類推する。それぞれのノードは、自らに対応する検出条件を保存することができ、例えば、ある医療実体が第一層のノードから第二層のノードにたどる時に、当該医療実体がノード２に対応する検出条件を満す場合、当該医療実体は、ノード２にたどることができ、当該医療実体がノード３に対応する検出条件を満す場合、当該医療実体は、ノード３にたどることができる。
図４は、本願の第二の実施形態によるルール推論ネットワークの第二の構造模式図である。図４に示すように、与えられたルール１及びルール２に対し、ルール１：Ｐｅｒｓｏｎ（ｉｓ＿ｖｉｐ＝ｔｒｕｅ、ａｇｅ＞１８）＆＆Ｐｒｏｄｕｃｔ（ｎａｍｅ＝「マールボロ」）＝＞Ａｃｔｉｏｎ（ｄｉｓｃｏｕｎｔ＝８０％）、ルール２：Ｐｅｒｓｏｎ（ｉｓ＿ｖｉｐ＝ｔｒｕｅ、ａｇｅ＞１８）＆＆Ｐｒｏｄｕｃｔ（ｎａｍｅ＝「ダブルハピネス」）＝＞Ａｃｔｉｏｎ（ｄｉｓｃｏｕｎｔ＝７５％）、次のようなルール推論ネットワークを生成することができ、当該ルール推論ネットワークは、第一層のノード、第二層のノード、第三層のノード、第四層のノード及び第五層のノードという５つの層のノードを含む。なお、第一層のノードは、ルール推論ネットワークの根ノードであるノード１を含み、第二層のノードは、ノード２及びノード３を含み、第三層のノードは、ノード４、ノード５及びノード６を含み、第四層のノードは、ノード７、ノード８及びノード９を含み、第五層のノードは、ルール推論ネットワークの２つの葉ノードであるノード１０及びノード１１を含む。具体的には、ノード１は、ノード２とノード３のそれぞれに接続し、任意の１つの医療実体が根ノードからノード２にたどっても良く、根ノードからノード３にたどっても良いことを表す。ノード２は、ノード４に接続し、任意の１つの医療実体がノード２からノード４にたどっても良いことを表す。ノード３は、ノード５とノード６のそれぞれに接続し、任意の１つの医療実体がノード３からノード５にたどっても良く、ノード３からノード６にたどっても良いことを表す。上述したように類推する。具体的には、次の通りである。ノード１に対応する検出条件は、空である。ノード２に対応する検出条件は、ｐｅｒｓｏｎ＝ｔｕｒｅであり、構造化データの中のｐｅｒｓｏｎ（ユーザ）フィールドが真であることを表す。ノード３に対応する検出条件は、ｐｒｏｄｕｃｔ＝ｔｕｒｅであり、構造化データの中のｐｒｏｄｕｃｔ（製品）フィールドが真であることを表す。ノード４に対応する検出条件は、ｐｅｒｓｏｎ（ｉｓ＿ｖｉｐ＝ｔｒｕｅ）であり、ｐｅｒｓｏｎフィールドの中のｉｓ＿ｖｉｐ（尊敬すべきユーザ）の値が真であることを表す。ノード５に対応する検出条件は、ｐｒｏｄｕｃｔ（ｎａｍｅ＝「マールボロ」）であり、ｐｒｏｄｕｃｔフィールドの中のｎａｍｅ（名前）は、マールボロであることを表す。ノード６に対応する検出条件は、ｐｒｏｄｕｃｔ（ｎａｍｅ＝「ダブルハピネス」）であり、ｐｒｏｄｕｃｔフィールドの中のｎａｍｅ（名前）は、ダブルハピネスであることを表す。ノード７に対応する検出条件は、ｐｅｒｓｏｎ（ｉｓ＿ｖｉｐ＝ｔｒｕｅ、ａｇｅ＞１８）であり、ｐｅｒｓｏｎフィールドの中のｉｓ＿ｖｉｐの値は、真であり、ｐｅｒｓｏｎフィールドの中の年齢が１８才より上であることを表す。ノード８に対応する検出条件は、ｐｒｏｄｕｃｔ（ｎａｍｅ＝「マールボロ」）である。ノード９に対応する検出条件は、ｐｒｏｄｕｃｔ（ｎａｍｅ＝「ダブルハピネス」）である。ノード１０に対応する検出条件は、ｐｅｒｓｏｎ（ｉｓ＿ｖｉｐ＝ｔｒｕｅ、ａｇｅ＞１８）＆＆ｐｒｏｄｕｃｔ（ｎａｍｅ＝「マールボロ」）であり、ｐｅｒｓｏｎフィールドの中のｉｓ＿ｖｉｐの値が真であり、ｐｅｒｓｏｎフィールドの中の年齢が１８才より上であり、ｐｒｏｄｕｃｔフィールドの中のｎａｍｅ（名前）がマールボロであることを示す。ノード１１に対応する検出条件は、ｐｅｒｓｏｎ（ｉｓ＿ｖｉｐ＝ｔｒｕｅ、ａｇｅ＞１８）＆＆ｐｒｏｄｕｃｔ（ｎａｍｅ＝「ダブルハピネス」）であり、ｐｅｒｓｏｎフィールドの中のｉｓ＿ｖｉｐの値が真であり、ｐｅｒｓｏｎフィールドの中の年齢が１８才より上であり、ｐｒｏｄｕｃｔフィールドの中のｎａｍｅ（名前）がダブルハピネスであることを示す。比較的好ましくは、ある医療実体がルール推論ネットワークの葉ノードを命中した時に、当該医療実体を、それに接続する動作ノードにたどるようにさせることもでき、それぞれの動作ノードが自身の実行条件を保存することができる。図４に示すように、ある医療実体がノード１０にたどった時に、当該医療実体を、ノード１０に接続する動作ノードにたどるようにさせることもでき、当該動作ノードの実行条件は、ｄｉｓｃｏｕｎｔ＝８０％であり、８０％のディスカウントを実行することを表す。ある医療実体がノード１１にたどった時に、当該医療実体を、ノード１１に接続する動作ノードにたどるようにさせることもでき、当該動作ノードの実行条件は、ｄｉｓｃｏｕｎｔ＝７５％であり、７５％のディスカウントを実行することを表す。
Ｓ２０４においては、構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する。
本願の具体的な実施形態においては、電子デバイスは、構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができる。具体的には、構造化データの中のそれぞれの医療実体が命中した最小単位のノードがルール推論ネットワークの中の１つの葉ノードに対応すれば、電子デバイスは、構造化データの中のそれぞれの医療実体が当該葉ノードに対応するそれぞれの検出条件を満たしていると判断することができ、構造化データの中のそれぞれの医療実体が命中した最小単位のノードがルール推論ネットワークの中の複数の葉ノードに対応すれば、電子デバイスは、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たしていないと判断することができる。
Ｓ２０５においては、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たせば、医療品質管理ニーズが葉ノードを命中すると判断する。
本願の具体的な実施形態においては、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たせば、電子デバイスは、医療品質管理ニーズが当該葉ノードを命中すると判断することができる。例えば、仮に、ユーザの医療品質管理ニーズが対応する構造化データは、フィールド１、フィールド２及びフィールド３という３つのフィールドを含むとする。当該ステップにおいては、電子デバイスは、フィールド１を医療実体１とし、フィールド２を医療実体２とし、フィールド３を医療実体３としても良く、仮に、ルール推論ネットワークの中の１つの葉ノードは、検出条件１、検出条件２及び検出条件３という３つの検出条件に対応し、医療実体１が当該葉ノードに対応する検出条件１を満たし、医療実体２が当該葉ノードに対応する検出条件２を満たし、医療実体３が当該葉ノードに対応する検出条件３を満たせば、電子デバイスは、医療品質管理ニーズが葉ノードを命中すると判断することができる。また、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさなければ、電子デバイスは、医療品質管理ニーズが当該葉ノードを命中していないと判断することができる。例えば、医療実体１は、当該葉ノードに対応する検出条件１を満たし、医療実体２は、当該葉ノードに対応する検出条件２を満たし、医療実体３は、当該葉ノードに対応する検出条件３を満たさなければ、電子デバイスは、医療品質管理ニーズが当該葉ノードを命中していないと判断することができる。
Ｓ２０６においては、葉ノードに対応する医療衝突の情報をユーザにプッシュする。
本願の実施形態においては、電子デバイスは、葉ノードに対応する医療衝突の情報をユーザにプッシュすることができる。具体的には、ルール推論ネットワークの中のそれぞれの葉ノードは、１つの医療衝突の情報に対応し、ユーザの医療品質管理ニーズがある葉ノードを命中すれば、ユーザの医療品質管理ニーズの中に当該葉ノードに対応する医療衝突の情報が存在していることを意味する。よって、電子デバイスは、葉ノードに対応する医療衝突の情報をユーザにプッシュし、医療品質管理ニーズの中に存在する医療衝突の情報を速やかにユーザに気づかせる。
比較的好ましくは、本願の具体的な実施形態においては、電子デバイスは、ユーザの医療品質管理ニーズを取得した後、医療品質管理ニーズを、それに対応する構造化データに転換させる前に、医療品質管理ニーズからキーフィールドを抽出し、抽出されたキーフィールドに基づき、キーフィールドと関連する補足フィールドを確定し、予め記憶された医療データベースからキーフィールドが対応する医療情報及び補足フィールドが対応する医療情報を検索し、医療データベースからキーフィールドが対応する医療情報及び補足フィールドが対応する医療情報が見つかった場合、キーフィールド及びキーフィールドが対応する医療情報並びに補足フィールド及び補足フィールドが対応する医療情報に基づき、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行する。
本願の実施形態による医療衝突の検出方法は、まず、ユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させ、構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出し、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、医療品質管理ニーズが葉ノードを命中すると判断し、葉ノードに対応する医療衝突の情報をユーザにプッシュする。即ち、本願は、ルール推論ネットワークを予め作り、医療品質管理ニーズを、それに対応する構造化構造に転換させた後、ルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができるので、医療品質管理ニーズに医療衝突の情報が存在するか否かを検出し、ユーザに医療衝突を速やかに教えるという目的に達することができる。従来の医療衝突の検出方法においては、独立したルールセグメントを用いて医療実体間の関係を拘束し、医療実体間に辺関係が存在すれば、従来技術案は、医療実体の辺関係情報を利用することができず、また、ルールセグメントが完全に独立しているので、従来技術案を用いて医療実体間に存在する潜在的な衝突関係を検出することができない。本願は、ルール推論ネットワークを予め作る技術手段を用いるので、従来技術における、医療衝突を完全で且つ正確に検出することができないという技術課題を克服し、ひいては、医療衝突をより完全で且つ正確に検出し、医療データをより拡張しやすくし、ユーザが使用しやすいという技術効果を得ることができる。また、本願の実施形態の技術案は、簡単で実現でき、普及しやすく、適用する範囲がより広い。
（第三の実施形態）
図５は、本願の第三の実施形態による医療衝突の検出装置の構造模式図である。図５に示すように、前記装置５００は、
ユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させるために用いられる転換モジュール５０１と、
前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出するために用いられる検出モジュール５０２と、
前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、前記医療品質管理ニーズが前記葉ノードを命中すると判断するために用いられる判断モジュール５０３と、
前記葉ノードに対応する医療衝突の情報を前記ユーザにプッシュするために用いられるプッシュモジュール５０４とを備える。
図６は、本願の第三の実施形態による検出モジュールの構造模式図である。図６に示すように、前記検出モジュール５０２は、
前記構造化データの中から１つの医療実体を目下医療実体として抽出し、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、前記目下医療実体がたどって到着した前記後ろから数えて第二層のノードの中の当該ノードを、前記目下医療実体が命中した最小単位のノードとし、前記構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、前記目下医療実体を抽出する操作を繰り返して実行するたどりサブモジュール５０２１と、
前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する検出サブモジュール５０２２とを備える。
更に、前記検出サブモジュール５０２２は、具体的には、前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の１つの葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が前記葉ノードに対応するそれぞれの検出条件を満たすと判断し、
前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の複数の葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさないと判断するように用いられる。
更に、前記たどりサブモジュール５０２１は、具体的には、前記根ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が命中したノードにおいては、前記目下医療実体が前記ルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断し、前記目下医療実体が前記下の層のノードの中の任意の１つのノードに対応する検出条件を満たす場合、当該ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が、前記根ノードから前記後ろから数えて第二層のノードの中の１つのノードにたどるまで、上述した操作を繰り返して実行するように用いられる。
更に、前記取得モジュール５０１は、前記医療品質管理ニーズからキーフィールドを抽出し、抽出された前記キーフィールドに基づき、前記キーフィールドと関連する補足フィールドを確定し、予め記憶された医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報を検索し、前記医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報が見つかった場合、前記キーフィールド及び前記キーフィールドが対応する医療情報並びに前記補足フィールド及び前記補足フィールドが対応する医療情報に基づき、前記の、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行するように更に用いられる。
前記医療衝突の検出装置は、本願の任意の実施形態による方法を実行することができ、方法を実行するための機能モジュール及び有益な効果を有する。本実施形態に詳しく記載されていない技術の細部は、本願の任意の実施形態による医療衝突の検出方法を参照することができる。
（第四の実施形態）
本願の実施形態により、本願は、電子デバイス及び読み取り可能な記憶媒体を更に提供する。
図７に示すように、図７は、本願の実施形態の医療衝突の検出方法を実現するために用いられる電子デバイスのブロック図である。電子デバイスは、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバー、ブレードサーバー、大型コンピュータ及びその他の適切なコンピュータのような様々な形のデジタルコンピュータを表すことを目的としている。電子デバイスは、パーソナルデジタルアシスタント、携帯電話、スマートフォン、ウェアラブルデバイス及びその他の類似するコンピューティングデバイスのような様々な形のモバイルデバイスを表すこともできる。本文に示される部材、それらの接続及び関係ならびにそれらの機能は、単なる例に過ぎず、本文に記載及び／又は求められる本願の実施形態の実現を制限することを意図しない。
図７に示すように、当該電子デバイスは、１つ又は複数のプロセッサ７０１と、メモリ７０２と、高速インターフェイス及び低速インターフェイスとを含む、各々のコンポーネントを接続するためのインターフェイスを備える。各々のコンポーネントは、異なるバスを使用して相互に接続されており、共通のマザーボードに取り付けられ、又は、必要に応じて他の方法で取り付けられることができる。プロセッサは、メモリ内又はメモリ上に格納し、外部入力／出力デバイス（例えば、インターフェイスに結合された表示デバイス）にグラフィカルユーザインターフェイス（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＧＵＩ）のグラフィック情報を表示する命令を含む、電子デバイスで実行される命令を処理できる。他の実施形態においては、必要に応じて複数のプロセッサ及び／又は複数のバスを、複数のメモリとともに使用することができる。同様に、複数の電子デバイスを接続することができ、各々のデバイスは、一部の必要な操作を提供する（例えば、サーバーアレイ、ブレードサーバーのグループ又はマルチプロセッサシステムとする）。図７においては、１つのプロセッサ７０１を例とする。
メモリ７０２は、本願の実施形態による非一時的コンピュータ読み取り可能な記憶媒体である。ここで、前記メモリは、少なくとも１つのプロセッサによって実行することができる命令を記憶することにより、前記少なくとも１つのプロセッサは、本願の実施形態による医療衝突の検出方法を実行する。本願の非一時的コンピュータ読み取り可能な記憶媒体は、本願の実施形態による医療衝突の検出方法をコンピュータに実行させるために用いられるコンピュータ命令を記憶する。
メモリ７０２は、非一時的コンピュータ読み取り可能な記憶媒体として、本願の実施形態における医療衝突の検出方法に対応するプログラム命令／モジュール（例えば、図５に示す転換モジュール５０１、検出モジュール５０２、判断モジュール５０３及びプッシュモジュール５０４）のような、非一時的ソフトウェアプログラム、非一時的コンピュータ実行可能なプログラム及びモジュールを記憶するのに用いることができる。プロセッサ７０１は、メモリ７０２に記憶された非一時的ソフトウェアプログラム、命令及びモジュールを実行することによって、サーバーの様々な機能的アプリケーション及びデータ処理を実行し、即ち、上述した方法の実施形態における医療衝突の検出方法を実現する。
メモリ７０２は、記憶プログラム領域及び記憶データ領域を含んでも良く、なお、記憶プログラム領域は、オペレーティングシステム、及び少なくとも１つの機能が必要とするアプリケーションプログラムを記憶することができ、記憶データ領域は、医療衝突の検出方法の電子デバイスの使用に基づいて作られたデータ等を記憶することができる。また、メモリ７０２は、高速ランダムアクセスメモリを含んでも良く、少なくとも１つの磁気ディスク記憶装置、フラッシュ記憶装置又は他の非一時的固体記憶装置のような、非一時的メモリを含んでも良い。幾つかの実施形態においては、メモリ７０２は、プロセッサ７０１に対して遠隔的に設けられるメモリを含んでも良く、これらの遠隔メモリは、ネットワークを介して本実施形態における、医療衝突の検出方法を実現する電子デバイスに接続することができる。上述したネットワークの例は、インターネット、企業イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク及びそれらの組み合わせを含むが、これらに限らない。
医療衝突の検出方法を実現するために用いられる電子デバイスは、入力装置７０３および出力装置７０４を更に含んでも良い。プロセッサ７０１、メモリ７０２、入力装置７０３及び出力装置７０４は、バス又は他の方法で接続することができる。図７においては、バスによる接続を例としている。
入力装置７０３は、入力された数値又は文字情報を受信し、医療衝突の検出方法を実現するために用いられる電子デバイスのユーザ設定及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、ポインティングスティック、１つ又は複数のマウスボタン、トラックボール、ジョイスティック等の入力装置である。出力装置７０４は、表示デバイス、補助照明装置（例えば、ＬＥＤ）及び触覚フィードバック装置（例えば、振動モーター）等を含んでも良い。当該表示デバイスは、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ及びプラズマディスプレイを含んでも良いが、これらに限らない。幾つかの実施形態においては、表示デバイスは、タッチスクリーンであっても良い。
ここで説明するシステムと技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア及び／又はそれらの組み合わせにより実現することができる。これらの様々な実施形態は、以下を含んでも良い：少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステムで実行及び／又は解釈することが可能な１つ又は複数のコンピュータプログラムにより実現でき、当該プログラマブルプロセッサは、専用または汎用のプログラマブルプロセッサであり、記憶システム、少なくとも１つの入力装置及び少なくとも１つの出力装置からデータ及び命令を受信し、データ及び命令を、当該記憶システム、当該少なくとも１つの入力装置及び当該少なくとも１つの出力装置に転送することができる。
これらのコンピューティングプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション又はコード）は、プログラマブルプロセッサの機械命令を含み、高レベルのプロセス及び／又はオブジェクト指向のプログラミング言語及び／又はアセンブリ／機械言語を用いてこれらのコンピューティングプログラムを実施することができる。本文に使用される、「機械読み取り可能な媒体」及び「コンピュータ読み取り可能な媒体」という用語は、プログラマブルプロセッサに機械命令及び／又はデータを提供するために用いられる任意のコンピュータプログラム製品、デバイス及び／又は装置（磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ＰＬＤ））を指し、機械読み取り可能な信号としての機械命令を受信する機械読み取り可能なメディアを含む。「機械読み取り可能な信号」という用語は、プログラマブルプロセッサに機械命令及び／又はデータを提供するために用いられる任意の信号を指す。
ユーザとのインタラクティブを提供するために、ここで説明するシステム及び技術は、コンピュータにより実行することができる。当該コンピュータは、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニター）と、キーボード及びポインティングデバイス（マウス又はトラックボール）とを備え、ユーザが当該キーボード及び当該ポインティングデバイスにより入力をコンピュータに提供することができる。その他の種類の装置は、ユーザとのインタラクティブを提供するために用いることができ、例えば、ユーザに提供されるフィードバックは、任意の形のセンサーフィードバック（例えば、視覚フィードバック、聴覚フィードバック又は触覚フィードバック）であっても良く、ユーザからの入力の受信は、任意の形（音響入力、音声入力又は触覚入力を含む）を用いても良い。
ここで説明するシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバーとする）に実装しても良く、または、ミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）に実装しても良く、または、フロントエンドコンポーネントを含むコンピューティングシステム（例えば、グラフィカルユーザインターフェイス又はウェブブラウザーを有するユーザコンピューターであり、ユーザは、当該グラフィカルユーザインターフェイス又はウェブブラウザーによりここで説明するシステム及び技術の実施形態とインタラクティブすることができる）に実装しても良く、又は、このようなバックエンドコンポーネント、ミドルウェアコンポーネント又はフロントエンドコンポーネントを含む任意の組み合わせを含むコンピューティングシステムに実装しても良い。システムのコンポーネントは、任意の形又は媒体のデジタルデータ通信（例えば、通信ネットワーク）により相互に接続できる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、インターネット及びブロックチェーンネットワークを含む。
コンピュータシステムは、クライアント及びサーバーを含んでも良い。クライアントとサーバーは、一般的に互いに遠く離れており、通常は、通信ネットワークを介してインタラクティブする。相応するコンピュータで互いにクライアントとサーバーの関係を持つコンピュータプログラムを実行することにより、クライアントとサーバーの関係が生まれる。
本願の実施形態の技術案により、まず、ユーザの医療品質管理ニーズを取得し、医療品質管理ニーズを、それに対応する構造化データに転換させ、構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出し、構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、医療品質管理ニーズが葉ノードを命中すると判断し、葉ノードに対応する医療衝突の情報を前記ユーザにプッシュする。即ち、本願は、ルール推論ネットワークを予め作り、医療品質管理ニーズを、それに対応する構造化構造に転換させた後、ルール推論ネットワークにより構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することができるので、医療品質管理ニーズに医療衝突の情報が存在するか否かを検出し、ユーザに医療衝突を速やかに教えるという目的に達することができる。従来の医療衝突の検出方法においては、独立したルールセグメントを用いて医療実体間の関係を拘束し、医療実体間に辺関係が存在すれば、従来技術案は、医療実体の辺関係情報を利用することができず、また、ルールセグメントが完全に独立しているので、従来技術案を用いて医療実体間に存在する潜在的な衝突関係を検出することができない。本願は、ルール推論ネットワークを予め作る技術手段を用いるので、従来技術における、医療衝突を完全で且つ正確に検出することができないという技術課題を克服し、ひいては、医療衝突をより完全で且つ正確に検出し、医療データをより拡張しやすくし、ユーザが使用しやすいという技術効果を得ることができる。また、本願の実施形態の技術案は、簡単で実現でき、普及しやすく、適用する範囲がより広い。
上述のように示された様々な形の工程を用いて、新たに順番を並べ替えしたり、ステップを増やしたりまたは削除したりすることができることが理解されたい。例えば、本願に記載の各々のステップは、並行して実行しても良く、順に実行しても良く、異なる順番で実行しても良いが、本願が開示する技術案の期待の結果を実現することができれば、本文では制限しない。
上述した具体的な実施形態は、本願の特許保護の範囲を制限しない。当業者は、設計要求及びその他の要素に基づき、様々な補正、組み合わせ、サブ組み合わせ及び代替を行うことができる。本願の精神及び原則の中で行われた任意の補正、同等入れ替え及び改良等は、何れも本願の特許保護の範囲内に含まれる。

Claims (13)

  1. ユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させることと、
    前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することと、
    前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、前記医療品質管理ニーズが前記葉ノードを命中すると判断することと、
    前記葉ノードに対応する医療衝突の情報を前記ユーザにプッシュすることとを備えることを特徴とする医療衝突の検出方法。
  2. 前記の、前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することは、
    前記構造化データの中から１つの医療実体を目下医療実体として抽出し、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、前記目下医療実体がたどって到着した前記後ろから数えて第二層のノードの中の当該ノードを、前記目下医療実体が命中した最小単位のノードとし、前記構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、前記目下医療実体を抽出する操作を繰り返して実行することと、
    前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することとを備えることを特徴とする請求項１に記載の方法。
  3. 前記の、前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出することは、
    前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の１つの葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が前記葉ノードに対応するそれぞれの検出条件を満たすと判断することと、
    前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の複数の葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさないと判断することとを備えることを特徴とする請求項２に記載の方法。
  4. 前記の、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせることは、
    前記根ノードを前記目下医療実体が命中したノードとすることと、
    前記目下医療実体が命中したノードにおいては、前記目下医療実体が前記ルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断し、前記目下医療実体が前記下の層のノードの中の任意の１つのノードに対応する検出条件を満たす場合、当該ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が、前記根ノードから前記後ろから数えて第二層のノードの中の１つのノードにたどるまで、上述した操作を繰り返して実行することとを備えることを特徴とする請求項２に記載の方法。
  5. 前記の、ユーザの医療品質管理ニーズを取得した後、前記医療品質管理ニーズを、それに対応する構造化データに転換させる前は、
    前記医療品質管理ニーズからキーフィールドを抽出し、抽出された前記キーフィールドに基づき、前記キーフィールドと関連する補足フィールドを確定することと、
    予め記憶された医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報を検索することと、
    前記医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報が見つかった場合、前記キーフィールド及び前記キーフィールドが対応する医療情報並びに前記補足フィールド及び前記補足フィールドが対応する医療情報に基づき、前記の、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行することとを更に備えることを特徴とする請求項１に記載の方法。
  6. ユーザの医療品質管理ニーズを取得し、前記医療品質管理ニーズを、それに対応する構造化データに転換させる転換モジュールと、
    前記構造化データの中のそれぞれのフィールドを１つの医療実体とし、予め作られたルール推論ネットワークにより前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する検出モジュールと、
    前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たす場合、前記医療品質管理ニーズが前記葉ノードを命中すると判断する判断モジュールと、
    前記葉ノードに対応する医療衝突の情報を前記ユーザにプッシュするプッシュモジュールとを備えることを特徴とする医療衝突の検出装置。
  7. 前記検出モジュールは、
    前記構造化データの中から１つの医療実体を目下医療実体として抽出し、前記目下医療実体を、前記ルール推論ネットワークの根ノードから後ろから数えて第二層のノードの中の１つのノードにたどるようにさせ、前記目下医療実体がたどって到着した前記後ろから数えて第二層のノードの中の当該ノードを、前記目下医療実体が命中した最小単位のノードとし、前記構造化データの中のそれぞれの医療実体が、それが命中した最小単位のノードにたどるまで、前記の、前記目下医療実体を抽出する操作を繰り返して実行するたどりサブモジュールと、
    前記構造化データの中のそれぞれの医療実体が命中した最小単位に基づき、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たすか否かを検出する検出サブモジュールとを備えることを特徴とする請求項６に記載の装置。
  8. 前記検出サブモジュールは、具体的には、前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の１つの葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が前記葉ノードに対応するそれぞれの検出条件を満たすと判断することと、
    前記構造化データの中のそれぞれの医療実体が命中した最小単位のノードが前記ルール推論ネットワークの中の複数の葉ノードに対応すれば、前記構造化データの中のそれぞれの医療実体が任意の１つの葉ノードに対応するそれぞれの検出条件を満たさないと判断するように用いられることを特徴とする請求項７に記載の装置。
  9. 前記たどりサブモジュールは、具体的には、前記根ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が命中したノードにおいては、前記目下医療実体が前記ルール推論ネットワークの下の層のノードの中の任意の１つのノードに対応する検出条件を満たすか否かを判断し、前記目下医療実体が前記下の層のノードの中の任意の１つのノードに対応する検出条件を満たす場合、当該ノードを前記目下医療実体が命中したノードとし、前記目下医療実体が、前記根ノードから前記後ろから数えて第二層のノードの中の１つのノードにたどるまで、上述した操作を繰り返して実行するように用いられることを特徴とする請求項７に記載の装置。
  10. 前記取得モジュールは、前記医療品質管理ニーズからキーフィールドを抽出し、抽出された前記キーフィールドに基づき、前記キーフィールドと関連する補足フィールドを確定し、予め記憶された医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報を検索し、前記医療データベースから前記キーフィールドが対応する医療情報及び前記補足フィールドが対応する医療情報が見つかった場合、前記キーフィールド及び前記キーフィールドが対応する医療情報並びに前記補足フィールド及び前記補足フィールドが対応する医療情報に基づき、前記の、医療品質管理ニーズを、それに対応する構造化データに転換させる操作を実行するように更に用いられることを特徴とする請求項６に記載の装置。
  11. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信接続するメモリとを備え、
    前記メモリは、前記少なくとも１つのプロセッサにより実行される命令を記憶し、前記命令が前記少なくとも１つのプロセッサにより実行されることにより、前記少なくとも１つのプロセッサは、請求項１〜５の何れか１つに記載の方法を実行することを特徴とする電子デバイス。
  12. コンピュータ命令が記憶されている非一時的コンピュータ読み取り可能な記憶媒体であって、
    前記コンピュータ命令は、前記コンピュータが請求項１〜５の何れか１つに記載の方法を実行するために用いられることを特徴とする非一時的コンピュータ読み取り可能な記憶媒体。
  13. コンピュータプログラムであって、
    プロセッサにより実行されると、請求項１〜５の何れか１つに記載の方法を実行するために用いられることを特徴とするコンピュータプログラム。
JP2021051861A 2020-03-27 2021-03-25 医療衝突の検出方法、装置、電子デバイス及び記憶媒体 Active JP7186255B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010230814.XA CN111462894B (zh) 2020-03-27 2020-03-27 一种医疗冲突的检测方法、装置、电子设备及存储介质
CN202010230814.X 2020-03-27

Publications (2)

Publication Number Publication Date
JP2021157799A true JP2021157799A (ja) 2021-10-07
JP7186255B2 JP7186255B2 (ja) 2022-12-08

Family

ID=71683298

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021051861A Active JP7186255B2 (ja) 2020-03-27 2021-03-25 医療衝突の検出方法、装置、電子デバイス及び記憶媒体

Country Status (5)

Country Link
US (1) US20210304892A1 (ja)
EP (1) EP3886111A1 (ja)
JP (1) JP7186255B2 (ja)
KR (1) KR102523034B1 (ja)
CN (1) CN111462894B (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053754A (zh) * 2020-08-19 2020-12-08 杭州古珀医疗科技有限公司 基于自然语言的非结构医疗数据转结构数据系统及其方法
CN112509690B (zh) * 2020-11-30 2023-08-04 北京百度网讯科技有限公司 用于控制质量的方法、装置、设备和存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003030227A (ja) * 2001-07-18 2003-01-31 Hitachi Ltd データマイニングにおける前処理方法及び前処理システム
JP2005063269A (ja) * 2003-08-18 2005-03-10 Minolta Co Ltd 医療支援システム
JP2008212248A (ja) * 2007-02-28 2008-09-18 Toshiba Corp 医用画像検索システム
US20150019241A1 (en) * 2013-07-09 2015-01-15 Indiana University Research And Technology Corporation Clinical decision-making artificial intelligence object oriented system and method
WO2015186205A1 (ja) * 2014-06-04 2015-12-10 株式会社日立製作所 診療データ検索システム
US20160232310A1 (en) * 2015-02-08 2016-08-11 Sora Medical Solutions Llc Comprehensive diagnosis and care system
US20160379287A1 (en) * 2010-01-19 2016-12-29 Amir Dabiri Vending machine with user id/age verification system and associated method
JP2018077630A (ja) * 2016-11-08 2018-05-17 キヤノン株式会社 構造化データ作成装置及びその制御方法、コンピュータプログラム
US20180342323A1 (en) * 2016-03-23 2018-11-29 HealthPals, Inc. Machine learning for collaborative medical data metrics
JP2019070942A (ja) * 2017-10-10 2019-05-09 株式会社南江堂 薬剤情報表示プログラム、記録媒体及び薬剤情報表示装置
US20190147352A1 (en) * 2017-11-16 2019-05-16 Medical Digital Intelligence, LLC Causation-Based Knowledge System With Test Overlays and Loop Solution
US20190371475A1 (en) * 2018-06-05 2019-12-05 Koninklijke Philips N.V. Generating and applying subject event timelines

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020017001A (ko) * 2000-08-28 2002-03-07 조형기 처방전 인증 시스템과 그 방법
KR100768139B1 (ko) * 2001-01-08 2007-10-17 삼성에스디에스 주식회사 통신망을 이용한 전자 처방전 중계 서비스 방법 및 시스템
US20110301982A1 (en) * 2002-04-19 2011-12-08 Green Jr W T Integrated medical software system with clinical decision support
KR100580661B1 (ko) * 2003-11-28 2006-05-16 경북대학교 산학협력단 의료 정보 통합 관리 시스템 및 방법
BR112018008912A8 (pt) * 2015-11-05 2019-02-26 Koninklijke Philips Nv mídia não transitória legível por computador, sistema de verificação de regras e método
US11798689B2 (en) * 2016-07-25 2023-10-24 Viecure, Inc. Generating customizable personal healthcare treatment plans
CN106934235B (zh) * 2017-03-09 2019-06-11 中国科学院软件研究所 一种基于迁移学习的疾病领域间病人相似性度量迁移系统
US20190087541A1 (en) * 2017-09-19 2019-03-21 Konica Minolta Healthcare Americas, Inc. Method and system for storing data during updates of electronic medical records
KR102365621B1 (ko) * 2017-10-20 2022-02-21 구글 엘엘씨 임상 문서에서 사용하기 위한 환자-의사 대화에서 세부 구조 캡처링
US11120912B2 (en) * 2018-07-27 2021-09-14 International Business Machines Corporation Cognitive systems for generating prospective medical treatment guidance
CN110471991A (zh) * 2019-08-21 2019-11-19 重庆华医康道科技有限公司 海量医疗数据的状态机工作流引擎及分布式存储方法
CN110675954A (zh) * 2019-10-11 2020-01-10 北京百度网讯科技有限公司 信息处理方法及装置、电子设备、存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003030227A (ja) * 2001-07-18 2003-01-31 Hitachi Ltd データマイニングにおける前処理方法及び前処理システム
JP2005063269A (ja) * 2003-08-18 2005-03-10 Minolta Co Ltd 医療支援システム
JP2008212248A (ja) * 2007-02-28 2008-09-18 Toshiba Corp 医用画像検索システム
US20160379287A1 (en) * 2010-01-19 2016-12-29 Amir Dabiri Vending machine with user id/age verification system and associated method
US20150019241A1 (en) * 2013-07-09 2015-01-15 Indiana University Research And Technology Corporation Clinical decision-making artificial intelligence object oriented system and method
WO2015186205A1 (ja) * 2014-06-04 2015-12-10 株式会社日立製作所 診療データ検索システム
US20160232310A1 (en) * 2015-02-08 2016-08-11 Sora Medical Solutions Llc Comprehensive diagnosis and care system
US20180342323A1 (en) * 2016-03-23 2018-11-29 HealthPals, Inc. Machine learning for collaborative medical data metrics
JP2018077630A (ja) * 2016-11-08 2018-05-17 キヤノン株式会社 構造化データ作成装置及びその制御方法、コンピュータプログラム
JP2019070942A (ja) * 2017-10-10 2019-05-09 株式会社南江堂 薬剤情報表示プログラム、記録媒体及び薬剤情報表示装置
US20190147352A1 (en) * 2017-11-16 2019-05-16 Medical Digital Intelligence, LLC Causation-Based Knowledge System With Test Overlays and Loop Solution
US20190371475A1 (en) * 2018-06-05 2019-12-05 Koninklijke Philips N.V. Generating and applying subject event timelines

Also Published As

Publication number Publication date
JP7186255B2 (ja) 2022-12-08
US20210304892A1 (en) 2021-09-30
EP3886111A1 (en) 2021-09-29
KR102523034B1 (ko) 2023-04-17
KR20210040317A (ko) 2021-04-13
CN111462894A (zh) 2020-07-28
CN111462894B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
US12087282B2 (en) Cross-class ontology integration for language modeling
KR102514434B1 (ko) 지식 표현 학습 방법, 장치, 전자 기기, 저장 매체 및 프로그램
JP7228662B2 (ja) イベント抽出方法、装置、電子機器及び記憶媒体
US10679008B2 (en) Knowledge base for analysis of text
US9448995B2 (en) Method and device for performing natural language searches
US20210406295A1 (en) Method, electronic device, and storage medium for generating relationship of events
US20140278369A1 (en) Method and system for using natural language techniques to process inputs
US20220092252A1 (en) Method for generating summary, electronic device and storage medium thereof
CN112528037A (zh) 基于知识图谱的边关系预测方法、装置、设备及存储介质
JP2021099890A (ja) 因果関係の判別方法、装置、電子機器及び記憶媒体
CN113220836A (zh) 序列标注模型的训练方法、装置、电子设备和存储介质
KR102456535B1 (ko) 의료 사실 검증 방법, 장치, 전자 기기, 저장 매체 및 프로그램
JP2021157799A (ja) 医療衝突の検出方法、装置、電子デバイス及び記憶媒体
JP2022106980A (ja) クエリ文の生成方法、装置、電子機器及び記憶媒体
CN112269884B (zh) 信息抽取方法、装置、设备及存储介质
US10956443B2 (en) System and method for enabling interoperability between a first knowledge base and a second knowledge base
JP2021108140A (ja) 情報抽出方法、情報抽出装置及び電子機器
CN116484870B (zh) 提取文本信息的方法、装置、设备及介质
López-Ochoa et al. An architecture based in voice command recognition for faceted search in linked open datasets
Mészáros et al. Rapid development of application-oriented natural language interfaces
Jiang et al. Mash-up of lexwiki and web-protégé for distributed authoring of large-scale biomedical terminologies

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210602

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220621

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220726

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221024

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20221101

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221128

R150 Certificate of patent or registration of utility model

Ref document number: 7186255

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150