TWI613613B - 一種具有回饋學習之醫療系統 - Google Patents

一種具有回饋學習之醫療系統 Download PDF

Info

Publication number
TWI613613B
TWI613613B TW105140302A TW105140302A TWI613613B TW I613613 B TWI613613 B TW I613613B TW 105140302 A TW105140302 A TW 105140302A TW 105140302 A TW105140302 A TW 105140302A TW I613613 B TWI613613 B TW I613613B
Authority
TW
Taiwan
Prior art keywords
parameter
report
medical
unit
diagnostic
Prior art date
Application number
TW105140302A
Other languages
English (en)
Other versions
TW201822135A (zh
Inventor
Ren-Da You
jia-yi Cai
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 filed Critical
Priority to TW105140302A priority Critical patent/TWI613613B/zh
Application granted granted Critical
Publication of TWI613613B publication Critical patent/TWI613613B/zh
Publication of TW201822135A publication Critical patent/TW201822135A/zh

Links

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Description

一種具有回饋學習之醫療系統
本發明係關於一種醫療系統,特別是指可快速完成健檢報告,並且具有自我學習機制,可以學習專業人員對於疾病的判斷,最後達成均衡,成為所有使用者智慧的綜合體的一種具有回饋學習之醫療系統。
然,近年來,隨著經濟穩定的成長以及社會大眾越來越注重身體的情況下,每年定期至醫院進行健康檢查已成為一個趨勢,並且透過資訊的發展,醫療上原本需要依靠人工的判斷,現在可以透過電腦儀器的輔助,達到更精確、更快速、更有一致性的結果。
健檢系統中,存在著許多電腦儀器可以發揮之處,例如在異常檢驗檢查的判斷上,包括疾病的分類、疾病嚴重度、追蹤時程、追蹤科別、報告英翻中,這些以往都需要由醫師、健管師、報告組,以大量人工判斷,才能製作成完整的報告,藉由電腦儀器的輔助,可以快速的完成。
目前大多數的檢驗檢查報告系統,只能對單一的條件做判斷,例如血壓收縮壓高於140mmHg,就顯示高血壓,但若需要多重條件才能診斷的疾病方面,例如B型肝炎指標的解讀就無法判斷。
然而,上述傳統的健檢系統中,許多發生在人為錯誤的自動校正方面,就略顯不足,例如常見的人為錯誤,像是病灶的左右邊在報告中文與 英文中不一致、有重度異常但沒有及時通知,這些具有固定模式的人為失誤,經常發生;且傳統的健檢系統還有一項缺點,就是醫療人員無法立即的更新資料庫,當遇到新的病理資訊時,需要向醫院高層反應後,並且累積到數筆新的病理資訊後,再交由資訊單位進行資料庫的更新,資料庫更新的作業時間,一來一往的程序下,有時甚至達到數個月至數年的時間,實為一必須改善之缺點。
本發明即是改善上述之缺點,主要技術、目的為:1.改善醫療程序上許多重覆性的工作,藉由本發明可以節省大量的人工,讓人專注在人才能做的服務,機器做機器擅長的事務,達到各自發揮出應有的價值;2.本發明具有自我學習的機制,可以學習每個醫療專業人員對於疾病的判斷,最後達成均衡,成為所有使用者智慧的綜合體;3.本發明具有多重條件比對判斷,使用者可以設定多重條件比對判斷,不需額外寫程式判斷;其主要結構包含一健檢單元、一醫療報告清單單元、一專科報告單元、一診斷資料庫、及一總評報告單元:該醫療報告清單單元,為讀取該健檢單元內受檢者至少一第一醫療參數,並顯示受檢者相關的基本資料,及待輸入與已完成之醫療報告清單;其中該第一醫療參數內至少包含一檢驗數值參數,該檢驗數值參數若符合該診 斷資料庫內的資料庫檢驗數值參數,即可透過一反射式模組將檢驗數值參數傳送到總評報告單元;該專科報告單元,為提供使用者輸入診斷報告參數,同時該專科報告單元會將診斷報告參數與該診斷資料庫內的資料庫診斷報告參數相互比對,若兩者診斷報告參數為高度吻合者,則將診斷報告參數傳至該專科報告單元,若兩者診斷報告參數為低度吻合者,則由一分析式演算模組透過一參數調整模組,提供使用者建立第二醫療參數於該診斷資料庫,並將第二醫療參數顯示於該專科報告單元;該總評報告單元,為整合該第一醫療參數之與專科報告單元之診斷報告參數、第二醫療參數,並呈現一總評報告介面提供使用者查驗與修正。
10‧‧‧健檢單元
11‧‧‧第一醫療參數
111‧‧‧檢驗數值參數
20‧‧‧醫療報告清單單元
30‧‧‧專科報告單元
31‧‧‧診斷報告參數
40‧‧‧診斷資料庫
41‧‧‧資料庫檢驗數值參數
42‧‧‧資料庫診斷報告參數
50‧‧‧反射式模組
51‧‧‧分析式演算模組
511‧‧‧參數調整模組
512‧‧‧第二醫療參數
60‧‧‧權重模組
70‧‧‧多重比對判斷單元
80‧‧‧總評報告單元
第一圖係本發明之系統架構圖
第二圖係本發明之醫療報告清單單元之示意圖
第三圖係本發明之專科報告單元之示意圖
第四圖係本發明之專科報告單元比對步驟圖
第五、六圖係本發明之處理單元之多重條件比對判斷範例圖
第七圖係本發明之總評報告單元之示意圖
請參閱第一圖,本發明為一種具有回饋學習之醫療系統,主要包含一健檢單元10、一醫療報告清單單元20、一專科報告單元30、一診斷資料庫40、及一總評報告單元80;該醫療報告清單單元20,為讀取該健檢單元10內受檢者至少一第一醫療參數11,並顯示受檢者相關的基本資料,及待輸入與已完成之醫療報告清單;其中該第一醫療參數11內至少包含一檢驗數值參數111,該檢驗數值參數111若符合該診斷資料庫40內的資料庫檢驗數值參數41,即可透過一反射式模組50將檢驗數值參數111傳送到總評報告單元80;其中該診斷資料庫40內的資料庫檢驗數值參數41,可依檢驗數值參數111的大小、多寡,設定編列輕、中、重程度之相對應的範圍區間,如檢驗數值參數111為收縮壓低於99,則設定為低血壓,檢驗數值參數111為收縮壓100-129,則設定為正常,檢驗數值參數111為收縮壓為130-139,則設定為低度高血壓,檢驗數值參數111為收縮壓為140以上,則設定為高血壓,以此類推,亦或者,檢驗數值參數111為血尿+,則設定為微量程度,檢驗數值參數111為血尿++,則設定為輕量程度,檢驗數值參數111為血尿+++,則設定為中量程度,檢驗數值參數111為血尿++++,則設定為中重量程度,檢驗數值參數111為血尿+++++,則設定為重量程度。
該專科報告單元30,為提供使用者輸入診斷報告參數31,同時該專科報告單元30會將診斷報告參數31與該診斷資料庫40內的資料庫診斷報告參數42相互比對,若兩者診斷報告參數31為高度吻合者,則將診斷報告參數31傳至該專科報告單元30,若兩者診斷報告參數31為低度吻合者,則由一分析式演算模組51透過一參數調整模組511,提供使用者建立第二醫療參數512於該診斷資料庫40,並將第二醫療參數512顯示於該專科報告單元30;該第二醫療參 數512與診斷報告參數31更包含疾病字詞、器官字詞、疾病嚴重度字詞、診斷建議字詞、醫療數值、符號、醫療科別及追蹤時程。
其中,本發明更包含設有一權重模組60,當診斷資料庫40內的資料庫檢驗數值參數41、診斷報告參數31及第二醫療參數512被載入一次,該權重模組60即將該等參數紀錄加一次的引用權重次數,如專科報告單元30將診斷報告參數31與該診斷資料庫40內的資料庫診斷報告參數42相互比對,若兩者診斷報告參數31為高度吻合者,會經過權重模組60將診斷報告參數31紀錄加一次的引用權重次數,同時將診斷報告參數31傳至該專科報告單元30,又,兩者診斷報告參數31為低度吻合者,則由一分析式演算模組51透過一參數調整模組511,提供使用者建立第二醫療參數512於該診斷資料庫40,會經過權重模組60將第二醫療參數512紀錄加一次的引用權重次數,同時將第二醫療參數512顯示於該專科報告單元30。
該總評報告單元80,為整合該第一醫療參數11之與專科報告單元30之診斷報告參數31、第二醫療參數512,並呈現一總評報告介面提供使用者查驗與修正;而該出現在總評報告單元80上的第一醫療參數11之與專科報告單元30之診斷報告參數31、第二醫療參數512,亦會再經過權重模組60紀錄加一次的引用權重次數,亦會隨長時間未使用而遞減引用權重次數,猶如模擬人類的記憶衰退。
為使貴審查委員能對本發明之特徵與其特點有更進一步之了解與認同,茲列舉以下較佳之實施例並配合圖式說明如下:請參閱第二圖,本發明可提供不同的使用者帳號登入本系統,不同的使用者有各自的受檢者醫療報告清單,為讀取該健檢單元10內受檢者至 少一第一醫療參數11,並顯示受檢者相關的檢查項目、體檢號、姓名、年齡、性別、健檢日期、檢查日期等相關基本資料,以及待輸入醫療報告清單與已完成醫療報告清單,藉此,使得待輸入的醫療報告清單一目瞭然,且不會造成遺漏,更可篩選日期期間,呈現未完成之醫療報告清單種類及筆數,再者,可依檢查類別分類顯示,使相同分類醫療報告清單一致化,或透過多重條件搜尋方式,降低醫療報告清單的搜尋筆數,進而提高效率。
請參閱第三圖,當使用者點選醫療報告清單內其中一位受檢者,該專科報告單元30的介面上其中一欄位,就會載入受檢者此次受檢的相關醫療參數,包含有主訴、過去病史、家族病史、過敏史、疫苗史、此次的中英文報告、歷史報告、嚴重分級、追蹤時程、追蹤科別等相關資訊,並可連結受檢者所在醫院的門診醫囑系統、健保檢驗檢查資料系統、醫療影像系統(PACS);請參閱第四圖,該專科報告單元30的介面上其中一欄位,可提供醫療人員等相關使用者輸入診斷報告參數31,同時該專科報告單元30會將使用者輸入的診斷報告參數31與已建立於診斷資料庫40內的資料庫診斷報告參數42相互比對,而比對方式則是先將其介係詞、冠詞及標點符號、贅字等關鍵字詞忽略,取出尺寸後,並且將剩餘的疾病字詞、器官字詞、疾病嚴重度字詞、診斷建議字詞、符號進行比對,若兩者診斷報告參數31為高度吻合者,則將診斷報告參數31傳至該專科報告單元30,若兩者診斷報告參數31為低度吻合者,則由一分析式演算模組51透過一參數調整模組511,提供使用者建立第二醫療參數512於該診斷資料庫40,並將第二醫療參數512顯示於該專科報告單元30,並依其結果自動設定醫療科別及追蹤時程。
其中,該專科報告單元30讀取該診斷資料庫40之資料庫診斷報告參數42,當使用者輸入前端關鍵字詞,便會自動產生後端語句(Auto complete),如輸入肝Liver時,當輸入L,便會自動產生後端關鍵字詞iver或其他接於L後端的疾病或器官英文字詞,供使用者選擇,使其達到相關字詞自動完成之便利性,並且提供使用者快速完成建置。
該專科報告單元30的介面上其他欄位,也會顯示疾病字詞、器官字詞、疾病嚴重度字詞、診斷建議字詞,供使用者查看。
再,該參數調整模組511可供使用者選擇、增加、刪除疾病、器官中文、英文或其他各國語言,另外再由使用者確認疾病嚴重度分級、追蹤時程、追蹤科別,便於臨床作業與追蹤。
請參閱第五圖,本發明更包含設有一多重比對判斷單元70,為獲取第一醫療參數11的檢驗數值參數111、專科報告單元的診斷報告參數31及第二醫療參數512進行綜合分析,並將分析結果傳送至總評報告單元80,可以比對多重的條件並自行判斷,凡是系統中所有可以取得的資訊,都可以作為綜合判斷的條件之一,而本發明之多重條件比對判斷,並非是為單一疾病所專門撰寫的判斷,而是所有的疾病皆可適用,使用者者可以透過多重比對判斷單元70,設定複合條件來進行比對判斷,而不需額外寫程式判斷,例如檢驗正常高低值區間,可搭配年齡、性別等條件,進行綜合分析;檢驗數值可設定多重嚴重度,例如:顯著過高、偏高、偏低、顯著過低,多重檢查項目整合判斷,如:B型肝炎5項、三項、兩項、單項檢驗皆可自動判斷,以B型肝炎的五項抗原抗體為例,不同的組合代表不同的臨床意義,以往都需要醫師人工綜合判 斷,才能得知其臨床意義,利用本系統依照不同的排列組合結果,自動做出判讀,不僅速度快,而且精準無誤。
請參閱第六圖,以下為多重比對判斷單元70之另一判斷案例,N1、N2、N3…Nn為代表數值,S1、S2、S3…Sn為代表字詞或字串、B1、B2、B3…Bn為結果:Nn判斷條件為
Figure TWI613613BD00001
、Sn判斷條件為{完全符合、部分符合、完全不符合、部分不符合、Bn判斷條件為
Figure TWI613613BD00002
;滿足下列症狀標準(含)三項以上者,即為代謝症候群:
1.男性腰圍大於102公分、女性大於88公分。
2.三酸甘油脂大於150毫克/公合。
3.男性高密度脂蛋白膽固醇低於40毫克/公合、女性低於50毫克/公合。
4.血壓大於等於130/85毫米汞柱。
5.空腹血糖大於等於110毫克/公合。
例如S1=”男性”、N1=腰圍數值、N2=三酸甘油脂數值、N3=高密度脂蛋白膽固醇數值;N1>102、N2>150、N3>130,其多重比對判斷單元70為True(代謝症候群)。
請參閱第七圖,為整合該第一醫療參數11與專科報告單元30之診斷報告參數31、第二醫療參數512,並呈現一總評報告介面提供使用者查驗與修正,該總評報告單元80會自動帶入診斷建議,若該使用者以往並無醫師下過此診斷建議,本系統會參考其他醫療人員之診斷建議,選出權重最高之診斷建議自動帶入;如有尚未完成之醫療報告清單,會提示使用者,並管控總評報告單元80無法存為正式醫療報告清單,只能存為暫存醫療報告清單,以避免漏項,不僅可幫助使用者預先作出建議,也可透過防呆機制來抑制人為錯誤,自動排版功能更大幅節省調整版面工作,而該總評報告單元80的受檢者資料可輸出至一輸出單元,該輸出單元更包含有一主機、行動裝置、印表機等。
因此透過上述相關結構,下次遇到同樣的病症,或是很類似的診斷時,就可以自動作出判斷,經由所有使用本系統的醫師,經年累月的訓練,本發明就會越來越趨近所有醫師的平均水準,最終會達到均衡收斂的狀態。
以上所揭,僅為本發明所提供之較佳實施例而已,並非用以限制本創作之實施範圍,凡本技術領域內之相關技藝者根據本創作所為之均等變化,皆應屬本創作所涵蓋之範圍。
10‧‧‧健檢單元
11‧‧‧第一醫療參數
111‧‧‧檢驗數值參數
20‧‧‧醫療報告清單單元
30‧‧‧專科報告單元
31‧‧‧診斷報告參數
40‧‧‧診斷資料庫
41‧‧‧資料庫檢驗數值參數
42‧‧‧資料庫診斷報告參數
50‧‧‧反射式模組
51‧‧‧分析式演算模組
511‧‧‧參數調整模組
512‧‧‧第二醫療參數
60‧‧‧權重模組
70‧‧‧多重比對判斷單元
80‧‧‧總評報告單元

Claims (6)

  1. 一種具有回饋學習之醫療系統,包含一健檢單元、一醫療報告清單單元、一專科報告單元、一診斷資料庫、及一總評報告單元:該醫療報告清單單元,為讀取該健檢單元內受檢者至少一第一醫療參數,並顯示受檢者相關的基本資料,及待輸入與已完成之醫療報告清單;其中該第一醫療參數內至少包含一檢驗數值參數,該檢驗數值參數若符合該診斷資料庫內的資料庫檢驗數值參數,即可透過一反射式模組將檢驗數值參數傳送到總評報告單元;該專科報告單元,為提供使用者輸入診斷報告參數,同時該專科報告單元會將診斷報告參數與該診斷資料庫內的資料庫診斷報告參數相互比對,該專科報告單元先將其介係詞、冠詞及標點符號、贅字等關鍵字詞忽略,取出尺寸後,再比對疾病字詞及器官字詞,若兩者診斷報告參數為高度吻合者,則將診斷報告參數傳至該專科報告單元,若兩者診斷報告參數為低度吻合者,則由一分析式演算模組透過一參數調整模組,提供使用者建立第二醫療參數於該診斷資料庫,並將第二醫療參數顯示於該專科報告單元;該總評報告單元,為整合該第一醫療參數與專科報告單元之診斷報告參數、第二醫療參數,並呈現一總評報告介面提供使用者查驗與修正。
  2. 如申請專利範圍第1項之一種具有回饋學習之醫療系統,其中該診斷資料庫內的資料庫檢驗數值參數,可依檢驗數值參數的大小、多寡,設定編列輕、中、重程度之相對應的範圍區間。
  3. 如申請專利範圍第1項之一種具有回饋學習之醫療系統,其中該第二醫療參數與診斷報告參數更包含疾病字詞、器官字詞、疾病嚴重度字詞、診斷建議字詞、醫療數值、符號。
  4. 如申請專利範圍第1項之一種具有回饋學習之醫療系統,其中更包含設有一權重模組,當診斷資料庫內的資料庫檢驗數值參數、診斷報告參數及第二醫療參數被載入一次,該權重模組即將該等參數紀錄加一次的引用權重次數,亦會隨長時間未使用而遞減引用權重次數。
  5. 如申請專利範圍第4項之一種具有回饋學習之醫療系統,其中該權重模組可將載入次數較多之參數,設定為權重較高的參數,並將該參數第一優先傳送給該專科報告單元。
  6. 如申請專利範圍第1項之一種具有回饋學習之醫療系統,其中更包含設有一多重比對判斷單元,為獲取第一醫療參數的檢驗數值參數、專科報告單元的診斷報告參數及第二醫療參數進行綜合分析,並將分析結果傳送至總評報告單元。
TW105140302A 2016-12-06 2016-12-06 一種具有回饋學習之醫療系統 TWI613613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW105140302A TWI613613B (zh) 2016-12-06 2016-12-06 一種具有回饋學習之醫療系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105140302A TWI613613B (zh) 2016-12-06 2016-12-06 一種具有回饋學習之醫療系統

Publications (2)

Publication Number Publication Date
TWI613613B true TWI613613B (zh) 2018-02-01
TW201822135A TW201822135A (zh) 2018-06-16

Family

ID=62014742

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105140302A TWI613613B (zh) 2016-12-06 2016-12-06 一種具有回饋學習之醫療系統

Country Status (1)

Country Link
TW (1) TWI613613B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070055552A1 (en) * 2005-07-27 2007-03-08 St Clair David System and method for health care data integration and management
TW201428668A (zh) * 2013-01-09 2014-07-16 Zhang bing xiang 健康分析管理系統
TW201503042A (zh) * 2013-07-02 2015-01-16 zhi-wei Zhang 健康報告系統與方法
TWM543426U (zh) * 2016-12-06 2017-06-11 Tungs' Taichung Metroharbor Hospital 一種具有回饋學習之醫療系統

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070055552A1 (en) * 2005-07-27 2007-03-08 St Clair David System and method for health care data integration and management
TW201428668A (zh) * 2013-01-09 2014-07-16 Zhang bing xiang 健康分析管理系統
TW201503042A (zh) * 2013-07-02 2015-01-16 zhi-wei Zhang 健康報告系統與方法
TWM543426U (zh) * 2016-12-06 2017-06-11 Tungs' Taichung Metroharbor Hospital 一種具有回饋學習之醫療系統

Also Published As

Publication number Publication date
TW201822135A (zh) 2018-06-16

Similar Documents

Publication Publication Date Title
Starekova et al. Evaluation for myocarditis in competitive student athletes recovering from coronavirus disease 2019 with cardiac magnetic resonance imaging
Bell et al. Frequency and types of patient-reported errors in electronic health record ambulatory care notes
Moons et al. PROBAST: a tool to assess risk of bias and applicability of prediction model studies: explanation and elaboration
Chorba et al. Deep learning algorithm for automated cardiac murmur detection via a digital stethoscope platform
US10340040B2 (en) Method and system for identifying diagnostic and therapeutic options for medical conditions using electronic health records
Flum et al. Has misdiagnosis of appendicitis decreased over time?: a population-based analysis
Chiang et al. Interexpert agreement of plus disease diagnosis in retinopathy of prematurity
US20020035486A1 (en) Computerized clinical questionnaire with dynamically presented questions
Kraemer The reliability of clinical diagnoses: state of the art
TWI521467B (zh) Nursing decision support system
Richardson et al. Users' guides to the medical literature: XXIV. How to use an article on the clinical manifestations of disease
US20110145274A1 (en) Exemplary Data Guidance in a Multi-Modality Data Viewer
Diko et al. Identification of obstetric anal sphincter injuries (OASIs) and other lacerations: a national survey of nurse-midwives
Simon et al. Diagnostic performance of emergency physician gestalt for predicting acute appendicitis in patients age 5 to 20 years
Aronsky et al. Evaluation of a computerized diagnostic decision support system for patients with pneumonia: study design considerations
JP2004265307A (ja) 健康管理支援システム及び健康管理支援プログラム並びにコンピュター読み取り可能な記録媒体
TWI613613B (zh) 一種具有回饋學習之醫療系統
TWM543426U (zh) 一種具有回饋學習之醫療系統
Huang et al. Diagnosis of the cause of chronic dyspnoea in primary and tertiary care: characterizing diagnostic confidence
US8756234B1 (en) Information theory entropy reduction program
Otero et al. Mismatch between the prevalence of overweight and obese children and adolescents and recording in electronic health records: a cross-sectional study
KR20180108671A (ko) 전자 건강 기록들을 사용하여 의학적 상태들에 대한 진단 및 치료 옵션들을 식별하는 방법 및 시스템
JP5782039B2 (ja) 情報システムのためのデータ入力を助ける方法およびシステム
US11972865B1 (en) High probability differential diagnoses generator and smart electronic medical record
Alvarez-Estape et al. Evaluation of the Clinical Utility of DxGPT, a GPT-4 Based Large Language Model, through an Analysis of Diagnostic Accuracy and User Experience