TW201633249A - 具可擴充性之醫療資料收集系統及其方法 - Google Patents

具可擴充性之醫療資料收集系統及其方法 Download PDF

Info

Publication number
TW201633249A
TW201633249A TW104107964A TW104107964A TW201633249A TW 201633249 A TW201633249 A TW 201633249A TW 104107964 A TW104107964 A TW 104107964A TW 104107964 A TW104107964 A TW 104107964A TW 201633249 A TW201633249 A TW 201633249A
Authority
TW
Taiwan
Prior art keywords
data
medical
database
vocabulary
classification
Prior art date
Application number
TW104107964A
Other languages
English (en)
Other versions
TWI554969B (zh
Inventor
蕭正英
朱原嘉
Original Assignee
臺北榮民總醫院
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 臺北榮民總醫院 filed Critical 臺北榮民總醫院
Priority to TW104107964A priority Critical patent/TWI554969B/zh
Publication of TW201633249A publication Critical patent/TW201633249A/zh
Application granted granted Critical
Publication of TWI554969B publication Critical patent/TWI554969B/zh

Links

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本發明是關於一種具可擴充性之醫療資料收集系統及其方法。其具可擴充性之醫療資料收集系統包含醫療資料分類模組、醫療資料寫入模組、資料庫讀取分析模組及醫療資料寫出模組。醫療資料分類模組及資料庫讀取分析模組分別具有數據編碼分類表、數據詞彙控制表、數據詮釋參照表及邏輯控制資料表。醫療資料寫入模組適於將至少一筆醫療資料依照醫療資料分類模組中之資料寫入一資料庫,而醫療資料寫出模組依照該資料庫讀取分析模組之分類資料,將所需之至少一筆醫療資料從資料庫中輸出。

Description

具可擴充性之醫療資料收集系統及其方法
本發明係關於一種資料收集系統及其方法,尤其係關於一種具可擴充性之醫療資料收集系統及其方法。
早期在醫療研究相關領域中,醫生或醫療相關研究人員針對單一病症進行研究時,會將具有該單一病症病人之所有相關資料,一筆筆的存入電腦中,以進行數據分析。後來因為健保制度實施後,大量的疾病資料存入健康保險資料庫(administrative databases)中,因此,如果能有效的利用該資料庫中之資料進行研究分析,將會對於流行病學、健康照護、疾病研究及衛生政策評估具有極大的助益。
由於健康保險資料庫匯集了全體國人珍貴的醫療就診資料,並且可以在電腦中直接處理,因此在保障民眾隱私之前提下,健保局或國家衛生研究院可提供該資料庫之資料給學術界進行相關研究。但是在台灣,健康保險資料庫之既有疾病資料的正確性尚未被有效的驗證,並且有些病患在入院前就已經在別家醫院進行診斷及治療進而影響到其病歷資料判讀性,所以有學者反對使用健保申報資料庫來做相關研究。在醫療研究所採用的數據中,如果能篩選出第一次診斷與第一次治療之資料,也 就是最初始之資料進行研究,有機會得到正確的研究結果。
現行各大醫院之醫療資料系統(Hospital Information System)設計主要是為健保申報而設計,故門診、急診及住院所產出的報告結果(如醫療影像及報告、血液檢驗、門診用藥、出院病摘、門診病歷等),均為日誌型資料庫。現今電子病歷之發展,以建立各式詞彙代碼表、交換單張標準為主。因此,醫療資料庫與如何轉換成具有醫學詞彙代碼一致性及欄位化的臨床研究數據資料庫,以符合大規模且高變動性資料輸入需求,是目前急需發展的關鍵技術。現行之技術均難以達到處理高變動性醫療詞彙輸入以及轉換成臨床研究數據資料庫的需求。
ICD-9-CM(The International Classification of Diseases,9th Revision,Clinical Modification)係世界衛生組織所出版為進行流行病學、健康管理及臨床管理目的所發展出的標準診斷代碼,過去30多年來,一直為全球各國所運用。我國目前仍依照ICD-9-CM之標準診斷代碼撰寫病歷書以及進行病歷管理。因此,本領域迫切需要提供一種醫療資料登錄平台,可以從醫學中心之臨床門診病歷登錄中,或既有之ICD-9-CM標準資料庫中篩選出第一次診斷與治療之資料,並將其依照醫學詞彙代碼一致性及欄位化之方式儲存至另一臨床研究數據資料庫,以作為學術研究之用。
有鑑於此,本發明提供一種結合醫療流程之具可擴充性之醫療資料收集系統及其方法,藉由設定各種國際標準的詞彙代碼類別資訊(例如,ICD-9、ICD-10、ICD-O3T、ICD-O3M等)於數據編碼分類表中,並且結合數據詞彙控制表、數據詮釋參照表、邏輯控制資料表來控管數據 輸入介面與品質。根據醫療資料之不同診斷碼,設定指令及其對應之參數資料,將病人醫療資料分類儲存於資料庫中。因此透過上述之設定方式,研究者即可依照其所欲研究之醫學因子(變動性的醫學詞彙),將醫療資料儲存成一致性及欄位化的臨床研究數據資料庫中。
本發明提供一種具可擴充性之醫療資料收集系統,其包含醫療資料分類模組、醫療資料寫入模組、資料庫讀取分析模組及醫療資料寫出模組。醫療資料分類模組依照四大知識表單:數據編碼分類表、數據詞彙控制表、數據詮釋參照表及邏輯控制資料表,適於針對至少一筆醫療資料,進行醫療專科分類。數據編碼分類表具有各種國際醫療疾病標準的詞彙代碼類別資訊,數據詞彙控制表具有變動性的醫學詞彙分類,數據詮釋參照表具有詮釋醫療詞彙之資料,邏輯控制資料表指定詞彙與詞彙之間的主從關係。醫療資料寫入模組適於將至少一筆醫療資料依照醫療資料分類模組中之資料寫入一資料庫。資料庫讀取分析模組具有數據編碼分類表、數據詞彙控制表、數據詮釋參照表及邏輯控制資料表,資料庫讀取分析模組適於將資料庫中之資料進行分類。醫療資料寫出模組依照資料庫讀取分析模組之分類資料,將所需之至少一筆醫療資料從資料庫中輸出至一目的資料。
在本發明之一具體實施例中,上述之醫療資料分類模組更包括一特異因子分類表,具有各疾病之特異因子資訊。
在本發明之另一具體實施例中,上述之具可擴充性之醫療資料收集系統係適用於一網路通訊系統中,該網路通訊系統可以是一網際網路、企業網路或企業間網路。
在本發明之又一具體實施例中,上述之醫療資料寫入模組更包含一資料連接模組,可將至少一筆醫療資料之外部資料連結至資料庫。
在本發明之一具體實施例中,上述之目的資料是標記式語言文件,其中,目的資料可以是採用完整標記式語言技術(例如,XML)或是採用非完整標記式語言技術(例如,JSON)之文件。在本發明之另一具體實施例中,目的資料是符合CDA(Clinical Document Architecture)規範之文件。
本發明之具可擴充性之醫療資料收集系統之一具體實施例是應用於收集癌症資料之特殊領域中。一具可擴充性之癌症資料收集系統包含一癌症資料判斷模組與具可擴充性之醫療資料收集系統。癌症資料判斷模組可以判斷至少一筆醫療資料之診斷碼是否為癌症診斷碼,如果確定是癌症醫療資料,即可使用具可擴充性之醫療資料收集系統將其儲入癌症資料庫中。
為了將醫療資料有效的分類與管理,本發明更提供了一種醫療資料收集方法,其包含醫療資料分類程序、醫療資料寫入程序、資料庫讀取分析程序及醫療資料寫出程序。醫療資料分類程序係透過數據編碼分類表、數據詞彙控制表、數據詮釋參照表及邏輯控制資料表將至少一筆醫療資料進行分類,數據編碼分類表是具有各種國際醫療疾病標準的詞彙代碼類別資訊,數據詞彙控制表具有變動性的醫學詞彙分類,數據詮釋參照表具有詮釋醫療詞彙之資料,邏輯控制資料表指定詞彙與詞彙之間的主從關係。醫療資料寫入程序,適於將至少一筆醫療資料依照醫療資料分類 程序寫入一資料庫。資料庫讀取分析程序具有數據編碼分類表、數據詞彙控制表、數據詮釋參照表及邏輯控制資料表,資料庫讀取分析程序適於將資料庫中之資料進行分類。醫療資料寫出程序依照資料庫讀取分析程序之分類資料,將所需之至少一筆醫療資料從資料庫中輸出至一目的資料。
本發明更提供一癌症資料收集方法,係用於一具可擴充性之癌症資料收集系統中,該方法包含一癌症資料判斷程序及上述之醫療資料收集方法,其中癌症資料判斷程序判斷至少一筆醫療資料之診斷碼是否為癌症診斷碼。
無須進一步的闡述,咸相信本發明所屬技術領域中具有通常知識者基於前述說明即可利用本發明至最廣的程度。因此,可以理解以下的說明僅僅是作為例示說明之用,而非以任何方式限制其餘的揭露內容。
為讓本發明之上述和其他目的、特徵和優點能更明顯易懂,下文特舉較佳實施例,並配合所附圖式,作詳細說明如下。
1‧‧‧具可擴充性之醫療資料收集系統
10‧‧‧醫療資料分類模組
11‧‧‧至少一筆醫療資料
12‧‧‧數據編碼分類表
13‧‧‧數據詞彙控制表
14‧‧‧數據詮釋參照表
15‧‧‧邏輯控制資料表
16‧‧‧癌症資料判斷模組
20‧‧‧醫療資料寫入模組
30‧‧‧資料庫讀取分析模組
40‧‧‧醫療資料寫出模組
50‧‧‧資料庫
60‧‧‧目的資料
70‧‧‧醫療資料收集模組
80‧‧‧癌症資料庫
90‧‧‧醫療資料讀取模組
100‧‧‧具可擴充性之癌症資料收集系統
110‧‧‧醫療資料分類程序
120‧‧‧醫療資料寫入程序
130‧‧‧資料庫讀取分析程序
140‧‧‧醫療資料寫出程序
170‧‧‧醫療資料收集程序
180‧‧‧癌症資料判斷程序
190‧‧‧醫療資料讀取程序
200‧‧‧醫療資料收集方法
300‧‧‧癌症資料收集方法
第1圖係根據本發明之一具體實施例之具可擴充性之醫療資料收集系統的基本架構示意圖。
第2圖係根據本發明之一具體實施例之醫療資料收集模組示意圖。
第3圖係根據本發明之一具體實施例之具可擴充性之癌症資料收集系統之示意圖。
第4圖係根據本發明之一具體實施例之具可擴充性之癌症 資料收集系統之流程圖。
第5圖為本發明之一具體實施例之數據編碼分類表。
第6圖為本發明之另一具體實施例之數據編碼分類表。
第7圖為本發明之一具體實施例之數據詞彙控制表。
第8圖為本發明之另一具體實施例之數據詞彙控制表。
第9圖為本發明之一具體實施例之數據詮釋參照表。
第10圖為本發明之另一具體實施例之邏輯控制資料表。
第11圖為本發明之一具體實施例之將數據詞彙寫入癌症資料庫。
第12圖係根據本發明之一具體實施例之醫療資料讀取模組示意圖。
第13圖係根據本發明醫療資料收集方法之一具體實施例。
第14圖係根據本發明醫療資料收集程序之一具體實施例。
第15圖係根據本發明醫療資料讀取程序之一具體實施例。
第16圖係根據本發明癌症資料收集方法之一具體實施例。
除非另有指明,所有在此處使用的技術性和科學性術語具有如同本發明所屬技藝中之通常技術者一般所瞭解的意義。
本文中所使用的「一」乙詞,如未特別指明,係指至少一個(一個或一個以上)之數量。
第1圖與第2圖係分別為本發明之一具體實施例之具可擴充性之醫療資料收集系統的基本架構示意圖以及醫療資料收集模組示意 圖。請參考第1圖與第2圖,本發明之具可擴充性之醫療資料收集系統1包含:醫療資料分類模組10、醫療資料寫入模組20、資料庫讀取分析模組30以及醫療資料寫出模組40。其中,適於針對至少一筆醫療資料11進行醫療專科分類之醫療資料分類模組10,其具有數據編碼分類表12、數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15。數據編碼分類表12是具有各種國際醫療疾病標準的詞彙代碼類別資訊,數據詞彙控制表13具有變動性的醫學詞彙分類,數據詮釋參照表14具有詮釋醫療詞彙之資料,邏輯控制資料表15指定詞彙與詞彙之間的主從關係。醫療資料寫入模組20,適於將至少一筆醫療資料11依照醫療資料分類模組10中之資料寫入一資料庫50。醫療資料收集模組70包含醫療資料分類模組10與醫療資料寫入模組20。
在本發明之一具體實施例中,醫療資料分類模組10更可以包含一特異因子分類表。在特異因子分類表中具有各種疾病之特異因子資訊,以提供醫療資料分類模組10針對至少一筆醫療資料11進行資料分類。
本發明之具可擴充性之醫療資料收集系統1中,數據編碼分類表12內建置可參照各種國際醫療疾病標準的詞彙代碼類別資訊,包括但不限於ICD-9、ICD-9-CM、ICD-10、ICD-O3T、ICD-O3M、LONIC、SNOMED等。數據編碼分類表12可以結合數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15來控管數據輸入介面與品質。根據每一筆醫療資料11之不同診斷碼,設定指令及其對應之參數資料,將病人之醫療資料11分類儲存於資料庫50中。透過上述之方式,研究者即可依照其所欲研究之醫學因子(變動性的醫學詞彙),將至少一筆醫療資料11儲存成一致性、 欄位化的臨床研究數據資料庫中。
醫學臨床資料庫之建立可提供必要之數據進行分析以了解兩個或多個變數之間的關係,例如,是否相關、相關方向或強度。根據本發明之一具體實施例,可將兩個或多個變數之間建立一數學模型,依自變數(X)預測對應於自變數之依變數(Y)的表現情形,例如於資料庫中選擇適當數據進行統計分析。迴歸分析是一種數據分析之方法,本研究主要是利用迴歸分析之原理,設定一未知參數β,其可以是純量或向量、將Y和一個關於X和β的函數關聯起來(Yf(X,β))。
請再參閱第2圖,在本發明之一具體實施例中,具可擴充性之醫療資料收集系統1以五個階段方式來收集醫療資料:(1)首先,根據各種國際醫療疾病標準的詞彙庫建立數據編碼分類表12;(2)再將變動性的醫學詞彙分類建立於數據詞彙控制表13中,例如針對疾病之數值型態、數值單位、數值個數、數值判斷基準值、數據重要度、類別控制、及資料詮釋參照表關聯;(3)同時將詮釋醫療詞彙的資料建立於數據詮釋參照表14中;(4)接著透過邏輯控制資料表15指定詞彙與詞彙間的主從關係;(5)最後再根據參數資料的不同,設定指令及其對應之醫療詞彙,指令包括查詢、更新、預存程式、選擇以及遞迴等。參數資料為執行指令時所需之參數,依照不同病人及疾病之分類資訊,將醫療資料寫入資料庫50。
在本發明之一較佳實施例中,具可擴充性之醫療資料收集系統1可進一步做為一具可擴充性之癌症資料收集系統100,該具可擴充性之癌症資料收集系統100包含有一癌症資料判斷模組16與該具可擴充性之醫療資料收集系統1。第3圖係根據本發明之一具體實施例之具可擴充性之 癌症資料收集系統之示意圖,第4圖係根據本發明之一具體實施例之具可擴充性之癌症資料收集系統之流程圖,請參閱第3圖與第4圖,在此實施例中,醫院經由門診、急診、住院或醫療資料系統資料庫之方式新增了一筆病人之醫療資料11,本發明之具可擴充性之癌症資料收集系統100會先由癌症資料判斷模組16判斷該筆醫療資料11之診斷碼是否為癌症,如果診斷碼屬於癌症碼,則癌症資料判斷模組16則會繼續至癌症資料庫80中進行比對,比對癌症資料庫80中是否已儲存此筆醫療資料11。經過比對,如果該癌症病人之醫療資料11為全新之資料,則具可擴充性之醫療資料收集系統1就會依照前述之五個階段方式來收集醫療資料11,當資料收集完成之後,醫療資料寫入模組20即可將全新之病人醫療資料11儲存至癌症資料庫80中。
在本發明之具可擴充性之醫療資料收集系統1之程式是全自動地將所欲搜集研究之醫學因子準備好。有些因子必須經過函數的一次轉換才能得到另一因子,有些則是必須經過因子與另一因子之多次函數轉換才能得到所須因子。在本發明之具可擴充性之癌症資料收集系統100中,因為癌症研究資料還必須包括腫瘤的位置與大小型態(ICD-O3T與ICD-O3M),程式必須透過2次的轉換,才能計算出該癌症所屬之類別。為了謹慎的進行資料分類與儲存,在另一實施例中,也可以在程式進行一次轉換時,再加上人工之方式進行檢驗。透過人工方式確認後,如果有不好之資料則會將其移除或補全,只有完整之醫療資料才能儲入資料庫。
在本發明之具可擴充性之癌症資料收集系統100中,系統程式具有自動偵測之功能,當病人入院登計資料後,該筆資料就會被程式 偵測到。另外,癌症通常是由不同專科所共同負責,因此,當程式偵測到癌症資料時,即透過程式內建之演算法去計算出該癌症資料所屬之多專科之團隊,而該筆醫療資料11即可依多專科團隊之分類存入癌症資料庫80中。
值得一提的是,具可擴充性之醫療資料收集系統1需要進行大規模資料輸入之過程中,可以使用多台電腦所組成之大型叢集,並且以一種平行運算方式處理大量資料。在函數編程中以Map(鍵/值序對組)為基礎,其觀念類似於演算法中各個擊破的作法,也就是將問題分解成很多個小問題之後再做總和,最後再將本系統以數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15來控制結果。
以下,本發明之具可擴充性之癌症資料收集系統100將以一具體實施例及圖式配合說明,詳細描述如何將每一筆醫療資料11寫入癌症資料庫80。
某位女性病患因右乳房外上方腫瘤至醫院求診,經過一系列檢查後確認為第一期乳癌患者,醫師於門診給予ICD-9診斷碼為174.9。在本發明之數據編碼分類表12中已經建立了各種國際醫療疾病標準的詞彙代碼類別資訊(ICD-9、ICD-9-CM、ICD-10、ICD-O3T、ICD-O3M、LONIC、SNOMED等,如第5圖所示),因此本發明之具可擴充性之癌症資料收集系統100會判斷該筆資料之診斷碼是否為癌症診斷碼。然後該具可擴充性之癌症資料收集系統100會比對癌症資料庫80中是否已有此筆醫療資料11。在沒有該筆醫療資料11之情況下,具可擴充性之癌症資料收集系統100進入病人分專科與資料品管流程。此時,數據編碼分類表12上呈現出ICD9 診斷碼為174.4、ICD-O3T診斷碼為C50.4、ICD-O3M診斷碼為M8500/3及多專科為BREAST(如第6圖所示)。
如果醫師或研究者希望研究乳癌IHC4 Score乳癌復發風險評估指數與相關變數之間關係時,可以定義自變數(X_i)、依變數(Y_i)及函數F(X_i),其中,X_1為動情激素接受體(ER%)、X_2為黃體激素接受體(PR%)、X_3為人類表皮生長因子接受體(Her2)、X_4為細胞增殖指標(Ki67%)、Y_1為乳癌復發風險評估指數(IHC4 Score)、函數F(IHC4 Score)=94.7 x[-0.100 ER10-0.079 PgR10+0.586 Her2+0.240 ln(1+10x Ki67)]。
為了依照研究者所欲研究疾病之項目搜集資料,可以於數據詞彙控制表13中,針對疾病之數值型態、數值單位、數值個數、數值判斷基準值、數據重要度、類別控制、資料詮釋參照表關聯等資料預先做設定(如第7圖與第8圖所示);為了詮釋數據的屬性以及保持資料品質之一致化與標準化,將詮釋醫療詞彙的資料建立於數據詮釋參照表14中(如第9圖所示);邏輯控制資料表15則指定詞彙與詞彙間的主從關係,設定IHC4為主階層,ER、PR、HER2及Ki67%為次階層(如第10圖所示);最後病人之資料確認完成後,即可依照病人分群之方式將該筆醫療資料11儲存至癌症資料庫80中;最後該筆醫療資料則依不同病人及疾病分類資訊,執行指令以先深後廣搜尋方式進行,將數據詞彙寫入癌症資料庫80(如第11圖所示)。
第12圖係根據本發明之一具體實施例之醫療資料讀取模組示意圖,請參閱第12圖,本發明之醫療資料讀取模組90包含資料庫讀取 分析模組30與醫療資料寫出模組40。該資料庫讀取分析模組30包含數據編碼分類表12、數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15,該資料庫讀取分析模組30適於將資料庫中之資料進行分析與分類。醫療資料寫出模組40,依照該資料庫讀取分析模組30之分類資料,將所需之該至少一筆醫療資料11從該資料庫50中輸出至一目的資料60。當研究人員或醫生欲從本發明之具可擴充性之醫療資料收集系統1所產生之資料庫50中抓取資料時,必須結合資料庫讀取分析模組30與醫療資料寫出模組40以將資料輸出至目的資料60。
目的資料60可以是一般格式文件(例如,PDF、Word、JPG等檔案),也可以是程式化格式文件。當目的資料60為標記式語言(JSON或XML等)文件時,執行醫療資料寫出模組40抓取資料庫50並結合數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15至輸出節點,將分派所得的資料輸出至目的資料60中的指定位置上。執行指令可將分派所得之資料設至該指令節點之參數節點,再執行該指令。分派以各個擊破的方式進行。重覆此步驟直到所有參數資料處理完畢為止。值得一提的是,目的資料60可以是符合CDA(Clinical Document Architecture)規範之文件。CDA是針對臨床文件提供完整的文法規則與所有語義規範的完整架構,其可包含任何型態的臨床資料。一般CDA文件可以是出院病摘、影像報告、初診記錄、病理報告等。CDA可以採用完整標記式語言技術(例如,XML)或是非完整標記式語言技術(例如,JSON)之文件。
第13圖係根據本發明醫療資料收集方法之一具體實施例,第14圖係根據本發明醫療資料收集程序之一具體實施例,第15圖係根據本 發明醫療資料讀取程序之一具體實施例。參閱13-15圖,為了將醫療資料11有效的分類與管理,本發明醫療資料收集方法200包含:醫療資料分類程序110、醫療資料寫入程序120、資料庫讀取分析程序130及醫療資料寫出程序140。醫療資料收集程序170包含醫療資料分類程序110及醫療資料寫入程序120,醫療資料讀取程序190包含資料庫讀取分析程序130及醫療資料寫出程序140。醫療資料分類程序110係透過數據編碼分類表12、數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15將至少一筆醫療資料11進行分類,數據編碼分類表12是具有各種國際醫療疾病標準的詞彙代碼類別資訊,數據詞彙控制表13具有變動性的醫學詞彙分類,數據詮釋參照表14具有詮釋醫療詞彙之資料,邏輯控制資料表15指定詞彙與詞彙之間的主從關係;醫療資料寫入程序120,適於將至少一筆醫療資料依照醫療資料分類程序110寫入一資料庫;資料庫讀取分析程序130具有數據編碼分類表12、數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15,資料庫讀取分析程序130適於將資料庫中之資料進行分類;醫療資料寫出程序140依照資料庫讀取分析程序130之分類資料,將所需之至少一筆醫療資料11從資料庫50中輸出至一目的資料60。
本發明更提供一癌症資料收集方法300(如第16圖所示),該方法包含一癌症資料判斷程序180及上述之醫療資料收集方法200,其中癌症資料判斷程序180判斷至少一筆醫療資料11之診斷碼是否為癌症診斷碼,如果診斷碼是屬於癌症碼並且是全新的一筆醫療資料,則本發明醫療資料收集方法200會依照醫療資料分類程序110之五個階段方式收集醫療資料11並儲存至癌症資料庫80中。
在本發明之癌症資料收集方法300中,醫療資料分類程序110更包括一特異因子輸入程序,可將癌症之部位與形態寫入資料庫。值得一提的是,特異因子輸入程序包含單一因子輸入功能與複合式因子輸入功能,複合式因子輸入功能可先計算出複數個因子之間關係,再以複數個因子方式寫入資料庫。
綜上所述,本發明具可擴充性之醫療資料收集系統及其方法至少具有下列優點:(1)藉由醫療資料分類模組10之數據編碼分類表12、數據詞彙控制表13、數據詮釋參照表14及邏輯控制資料表15,可將至少一筆醫療資料11進行分類,因此可以達到現行技術均難以處理高變動性醫療詞彙輸入以及轉換成研究臨床資料庫的需求;(2)藉由設定各種國際標準的詞彙代碼類別資訊(例如ICD-9、ICD-9-CM、ICD-10、ICD-O3T、ICD-O3M、LONIC、SNOMED等)於數據編碼分類表12中,可以將現有之醫療資料庫轉換成具有醫學詞彙代碼一致性及欄位化的臨床研究數據資料庫;(3)針對癌症具有多專科、癌症特異因子及不同癌症位置與形態之分類,存入資料庫中,以建立完善及具可擴充性之癌症資料庫;(4)結合標準臨床作業流程,以確保完整正確之癌症研究資料登錄,提供可靠之各種治療前臨床參數、治療毒性副作用與併發症的記錄,治療後之腫瘤反應、復發模式、病人生活品質與存活結果,進而作為後續多變數癌症研究因果分析的依據。
本領域的技藝人士會理解可對前述具體實施例進行改變而不偏離其廣義之發明概念。因此,應明瞭本發明不受限於所揭示之特定具體實施例,而是涵蓋所附申請專利範圍所定義的精神及範圍內之修飾。
1‧‧‧具可擴充性之醫療資料收集系統
10‧‧‧醫療資料分類模組
11‧‧‧至少一筆醫療資料
20‧‧‧醫療資料寫入模組
30‧‧‧資料庫讀取分析模組
40‧‧‧醫療資料寫出模組
50‧‧‧資料庫
60‧‧‧目的資料

Claims (16)

  1. 一種具可擴充性之醫療資料收集系統,包含:一醫療資料分類模組,適於針對至少一筆醫療資料進行醫療專科分類,具有一數據編碼分類表、一數據詞彙控制表、一數據詮釋參照表及一邏輯控制資料表,該數據編碼分類表具有各種國際醫療疾病標準的詞彙代碼類別資訊,該數據詞彙控制表具有變動性的醫學詞彙分類,該數據詮釋參照表具有詮釋醫療詞彙之資料,該邏輯控制資料表指定詞彙與詞彙之間的主從關係;一醫療資料寫入模組,適於將該至少一筆醫療資料依照該醫療資料分類模組中之資料寫入一資料庫;一資料庫讀取分析模組,具有該數據編碼分類表、該數據詞彙控制表、該數據詮釋參照表及該邏輯控制資料表,該資料庫讀取分析模組適於將該資料庫中之資料進行分類;以及一醫療資料寫出模組,依照該資料庫讀取分析模組之分類資料,將所需之該至少一筆醫療資料從該資料庫中輸出至一目的資料。
  2. 如申請專利範圍第1項所述之具可擴充性之醫療資料收集系統,其中該醫療資料分類模組更包括一特異因子分類表,具有各疾病之特異因子資訊。
  3. 如申請專利範圍第1項所述之具可擴充性之醫療資料收集系統,其中該具可擴充性之醫療資料收集系統係適用於一網路通訊系統中。
  4. 如申請專利範圍第3項所述之具可擴充性之醫療資料收集系統,其中該網路通訊系統為一網際網路、企業網路或企業間網路。
  5. 如申請專利範圍第1項所述之具可擴充性之醫療資料收集系統,其中該醫療資料寫入模組更包含一資料連接模組,可將該至少一筆醫療資料之外部資料連結至該資料庫。
  6. 如申請專利範圍第1項所述之具可擴充性之醫療資料收集系統,其中該目的資料是標記式語言文件。
  7. 如申請專利範圍第1項所述之具可擴充性之醫療資料收集系統,其中該目的資料是符合CDA(Clinical Document Architecture)規範之文件。
  8. 一種具可擴充性之癌症資料收集系統,包含:一癌症資料判斷模組,具有各種國際醫療疾病標準之癌症代表碼,該癌症資料判斷模組判斷至少一筆醫療資料之診斷碼是否為癌症代表碼;以及一如申請專利範圍第1項至第7項任一項所述之該具可擴充性之醫療資料收集系統。
  9. 一種醫療資料收集方法,係用於一具可擴充性之醫療資料收集系統中,該方法包含:一醫療資料分類程序,係透過一數據編碼分類表、一數據詞彙控制表、一數據詮釋參照表及一邏輯控制資料表將至少一筆醫療資料進行分類,該數據編碼分類表是具有各種國際醫療疾病標 準的詞彙代碼類別資訊,該數據詞彙控制表具有變動性的醫學詞彙分類,該數據詮釋參照表具有詮釋醫療詞彙之資料,該邏輯控制資料表指定詞彙與詞彙之間的主從關係;一醫療資料寫入程序,適於將該至少一筆醫療資料依照該醫療資料分類程序寫入一資料庫;一資料庫讀取分析程序,具有該數據編碼分類表、該數據詞彙控制表、該數據詮釋參照表及該邏輯控制資料表,該資料庫讀取分析程序適於將該資料庫中之資料進行分類;以及一醫療資料寫出程序,依照該資料庫讀取分析程序之分類資料,將所需之該至少一筆醫療資料從該資料庫中輸出至一目的資料。
  10. 如申請專利範圍第9項所述之醫療資料收集方法,其中該醫療資料寫入程序更包含一資料連接程序,可將該至少一筆醫療資料之外部資料連結至該資料庫。
  11. 如申請專利範圍第9項所述之醫療資料收集方法,其中該醫療資料收集方法適用於網際網路、企業網路或企業間網路。
  12. 如申請專利範圍第9項所述之醫療資料收集方法,其中該目的資料是標記式語言文件。
  13. 如申請專利範圍第9項所述之醫療資料收集方法,其中該目的資料是符合CDA(Clinical Document Architecture)規範之文件。
  14. 一種癌症資料收集方法,係用於一具可擴充性之癌症資 料收集系統中,該方法包含:一癌症資料判斷程序,判斷至少一筆醫療資料之診斷碼是否為癌症代表碼;以及一如申請專利範圍第9項至第13項任一項所述之醫療資料收集方法。
  15. 如申請專利範圍第14項所述之癌症資料收集方法,其中該醫療資料分類程序更包括一特異因子輸入程序,可將癌症之部位與形態寫入該資料庫。
  16. 如申請專利範圍第15項所述之癌症資料收集方法,其中該特異因子輸入程序包含單一因子輸入功能與複合式因子輸入功能,該複合式因子輸入功能可先計算出複數個因子之間關係,再以複數個因子方式寫入該資料庫。
TW104107964A 2015-03-12 2015-03-12 具可擴充性之醫療資料收集系統及其方法 TWI554969B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW104107964A TWI554969B (zh) 2015-03-12 2015-03-12 具可擴充性之醫療資料收集系統及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104107964A TWI554969B (zh) 2015-03-12 2015-03-12 具可擴充性之醫療資料收集系統及其方法

Publications (2)

Publication Number Publication Date
TW201633249A true TW201633249A (zh) 2016-09-16
TWI554969B TWI554969B (zh) 2016-10-21

Family

ID=57443271

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104107964A TWI554969B (zh) 2015-03-12 2015-03-12 具可擴充性之醫療資料收集系統及其方法

Country Status (1)

Country Link
TW (1) TWI554969B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI657406B (zh) * 2017-09-26 2019-04-21 邱正廸 醫療資源整合系統
TWI758725B (zh) * 2020-05-08 2022-03-21 台達電子工業股份有限公司 資料分析系統和資料分析方法
TWI796018B (zh) * 2021-11-29 2023-03-11 高雄榮民總醫院 利用病灶唯一碼產生共觀結構性報告的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050086078A1 (en) * 2003-10-17 2005-04-21 Cogentmedicine, Inc. Medical literature database search tool
US20110145013A1 (en) * 2009-12-02 2011-06-16 Mclaughlin Mark Integrated Electronic Health Record (EHR) System with Transcription, Speech Recognition and Automated Data Extraction
TW201329902A (zh) * 2011-10-28 2013-07-16 Mohan Kutty 電子健康記錄系統及方法

Also Published As

Publication number Publication date
TWI554969B (zh) 2016-10-21

Similar Documents

Publication Publication Date Title
CN113366580A (zh) 使用分布式学习平台促进将人工智能集成到系统中
Hsu et al. Context-based electronic health record: toward patient specific healthcare
JP6907831B2 (ja) コンテキストベースの患者類似性の方法及び装置
US20160042134A1 (en) Method of calculating a score of a medical suggestion as a support in medical decision making
Roque et al. A comparison of several key information visualization systems for secondary use of electronic health record content
Ferrao et al. Preprocessing structured clinical data for predictive modeling and decision support
JP2018060535A (ja) 医療機関の患者によって使用されているヘルスケア資源を特定するコンピュータ装置及び方法
CN110085314A (zh) 医学检验数据的智能分析方法、系统以及设备
KR101926632B1 (ko) 규칙 최적화를 통한 임상 병리 검사에 대한 전문가 경험 지식 학습 및 소견 생성 방법
Rosenau et al. Generation of a Fast Healthcare Interoperability Resources (FHIR)-based ontology for federated feasibility queries in the context of COVID-19: feasibility study
US11875884B2 (en) Expression of clinical logic with positive and negative explainability
Park et al. Modeling a terminology-based electronic nursing record system: an object-oriented approach
TWI554969B (zh) 具可擴充性之醫療資料收集系統及其方法
Li et al. Digitization of medicine: how radiology can take advantage of the digital revolution
Yu et al. The development and impact of China's digital transformation in the medical industry
Srivastava Applications of Artificial Intelligence in Medicine
Hsieh et al. The transformation of surgery patient care with a clinical research information system
Jin et al. Research on the construction and application of breast cancer-specific database system based on full data lifecycle
US10585916B1 (en) Systems and methods for improved efficiency
Sachdeva Standard-based personalized healthcare delivery for kidney illness using deep learning
Danko et al. Modeling nursing interventions in the act class of HL7 RIM Version 3
US20140278527A1 (en) Large scale identification and analysis of population health risks
Wang et al. Deep learning for automating the organization of institutional dermatology image stores
Lan et al. Ai-assisted prediction on potential health risks with regular physical examination records
Yada et al. HeaRT: Health Record Timeliner to visualise patients' medical history from health record text