TWI780678B - 護理資訊模組自動化系統與方法 - Google Patents

護理資訊模組自動化系統與方法 Download PDF

Info

Publication number
TWI780678B
TWI780678B TW110114966A TW110114966A TWI780678B TW I780678 B TWI780678 B TW I780678B TW 110114966 A TW110114966 A TW 110114966A TW 110114966 A TW110114966 A TW 110114966A TW I780678 B TWI780678 B TW I780678B
Authority
TW
Taiwan
Prior art keywords
nursing
module
focus
record
model
Prior art date
Application number
TW110114966A
Other languages
English (en)
Other versions
TW202242894A (zh
Inventor
劉正揚
吳書澔
康仕仲
李奕芬
高嘉敏
Original Assignee
智齡科技股份有限公司
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 智齡科技股份有限公司 filed Critical 智齡科技股份有限公司
Priority to TW110114966A priority Critical patent/TWI780678B/zh
Priority to US17/658,482 priority patent/US20220344037A1/en
Application granted granted Critical
Publication of TWI780678B publication Critical patent/TWI780678B/zh
Publication of TW202242894A publication Critical patent/TW202242894A/zh

Links

Images

Classifications

    • 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
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Accommodation For Nursing Or Treatment Tables (AREA)
  • Communication Control (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本發明關於一種護理資訊模組自動化方法，其包含：偵測使用者輸入之護理紀錄；將該護理紀錄傳輸給護理資訊模組自動化自然語言處理模型以執行焦點預測，以基於該護理紀錄自動預測至少一護理焦點；以及該護理資訊模組自動化自然語言處理模型根據所預測之該至少一護理焦點向該使用者自動推薦至少一推薦模組。

Description

護理資訊模組自動化系統與方法
本發明係有關於一種護理資訊模組自動化系統與方法，尤其是一種基於自然語言處理技術而能夠將護理資訊系統(NIS)操作自動化的系統與方法。
護理紀錄(nursing records)是指護理師對病人接受護理照護過程的書面記錄，包括護理評估內容、病人的健康問題或護理診斷，所提供之護理措施，及護理照護後病人的狀況等，護理紀錄也被視為是護理過程(nursing process)的連續性呈現。
在護理領域中，常用的護理紀錄製作方法大致有以下幾種：焦點護理記錄法(focus charting)、問題導向護理記錄法(SOAPIER或SOAP)、系統性記錄法(source-oriented systems recording)、敘述記錄法(source-oriented narrative recording)、行為過程記錄法(process recording)等幾種，其中的焦點護理記錄法，具有較能表達護理問題及護理過程的記錄系統，因此在台灣護理實務操作受到廣泛使用。
焦點護理記錄法是紀錄護理問題與護理過程的系統性方法，以病人目前最重要及最主要的問題作為焦點，然後把發生的狀況、病情、症狀或發生的事件加以說明，以及護理師為此執行的護理活動，還有 病人接受護理後的反應結果，用精簡、有組織、有系統且有意義的詞句表達在護理紀錄上。
在實際操作之中，焦點護理記錄法提出針對病人目前的某焦點問題，具體從資料(Data)、措施(Action)、反應(Response)與衛教(Teaching)等四個面向進行記錄，資料是指與病人焦點有關的一切相關資料，包括主觀資料與客觀資料，措施是指針對病人焦點所做的處置或實際執行的護理活動，反應是指病人接受護理活動或治療後的整體結果，應包含評值結果，衛教是指提供與焦點問題相關的衛教指導，應包含衛教對象，例如對象是家屬、病人本身或照服員，因此焦點護理記錄法也簡稱DART或D.A.R.T.方法。
但護理臨床實務上，護理師須製作的文書紀錄不僅只有護理紀錄，當病人發生轉床或轉院異動、異常事件、傳染病與評鑑相關品質指標，諸如跌倒、感染、壓力性損傷、約束、疼痛、體重改變等特殊事件，皆需額外紀錄於相對應的檔案中，現實中護理師可能因忘記填寫、作業繁忙或經驗不足，只注意撰寫護理紀錄，而忽略特殊事件要填寫相對應的檔案內容，導致紀錄不完整、異常事件被低估與品質指標分析不準確等問題。
因此開始有護理資訊系統(NIS)的推出，以資訊系統輔助護理師的日常護理工作，這些護理資訊系統將文書記錄數位化，雖然減少抄寫及儲存大量文件之問題，操作上仍然非常繁瑣、複雜，造成護理師的負擔，例如需操作者記憶各模組位於資訊系統位置、操作者需重複輸入資訊若兩個及以上模組皆要求輸入此資訊，因此亟需提出一套數位工具，能讓護理資訊系統的操作過程盡量自動化，以輔助護理師在填寫護理紀錄時， 藉由模組推薦系統能快速填寫相關的專業模組，藉此提高填寫模組的效率，並確保專業模組的資料完整性。
職是之故，有鑑於習用技術中存在的缺點，發明人經過悉心嘗試與研究，並一本鍥而不捨之精神，終構思出本案「護理資訊模組自動化系統與方法」，能夠克服上述缺點，以下為本發明之簡要說明。
鑑於習用技術不足之處，本發明提出的護理資訊模組自動化系統與方法，能解讀護理紀錄並推薦照護模組，使得照護者依個案狀況，紀錄照護過程，並輔助照護者搜尋相關模組，推薦照護者，提升工作效率，本發明系統也能輔助機構護理師，搜尋與護理紀錄內容相關之未填寫模組，結合語意萃取使填寫效率提升，也能輔助機構照顧員，若護理紀錄中有關於日常照顧模組相關內容，也會一同帶入，還能輔助專業醫師，專業模組如營養、職能/物理治療評估，模組推薦根據護理焦點預測提供提醒機制，期望給予各類照護人員，更全方位更便利使用的系統。
據此本發明提出一種護理資訊模組自動化方法，其包含：偵測使用者輸入之護理紀錄；將該護理紀錄傳輸給護理資訊模組自動化自然語言處理模型以執行焦點預測，以基於該護理紀錄自動預測至少一護理焦點；以及該護理資訊模組自動化自然語言處理模型根據所預測之該至少一護理焦點向該使用者自動推薦至少一推薦模組。
較佳的，所述之護理資訊模組自動化方法還包含以下步驟其中之一：該護理資訊模組自動化自然語言處理模型存取焦點模組知識庫，以根據焦點模組知識庫內所建置的焦點模組匹配關係，並基於所預測之該 至少一護理焦點向該使用者推薦該至少一推薦模組；以及該護理資訊模組自動化自然語言處理模型經由實施語意萃取技術，以將該使用者所輸入之該護理紀錄之內容，自動帶入該至少一推薦模組。
較佳的，所述之護理資訊模組自動化方法還包含以下步驟其中之一：對無標註語料庫與有標註文本其中之一實施字嵌入技術，以將文字轉換成數值型態；使用非監督學習該無標註語料庫對該護理資訊模組自動化自然語言處理模型進行預訓練；以及使用監督學習該有標註文本對該護理資訊模組自動化自然語言處理模型進行微調。
本發明進一步提出一種護理資訊模組自動化系統，其包含：系統伺服器，其安裝有包含護理資訊模組自動化自然語言處理模型的智慧護理平台；以及使用者設備，其係與該系統伺服器通訊連結，並安裝有該智慧護理平台之前端程式，以偵測使用者輸入之護理紀錄，其中該使用者設備將該護理紀錄傳輸給該護理資訊模組自動化自然語言處理模型以執行焦點預測，以基於該護理紀錄預測至少一護理焦點，並根據所預測之該至少一護理焦點，透過該前端程式向該使用者顯示至少一推薦模組。
上述發明內容旨在提供本揭示內容的簡化摘要，以使讀者對本揭示內容具備基本的理解，此發明內容並非揭露本發明的完整描述，且用意並非在指出本發明實施例的重要/關鍵元件或界定本發明的範圍。
100:本發明護理資訊模組自動化系統
110:平板裝置
111:智慧手機
112:平板裝置
113:桌上型電腦
114:筆記型電腦
115:平板裝置
116:平板裝置
120:系統伺服器
131:連網血壓計
132:連網額溫槍
133:連網心跳計
134:連網血氧計
141:受照者
151-154:照護者
161-162:家人
200:智慧護理推車
210:行動裝置連接點
220:生命徵象裝置便攜件
CE:臨床端
SE:護理站
FE:家人端
401:護理紀錄操作介面
403:內容欄位
405:新增管路紀錄按鍵
410:管路紀錄模組
413:管路類別欄位
415:狀況說明欄位
301-317:系統運作步驟
500:本發明護理資訊模組自動化方法
501~509:實施步驟
第1圖揭示本發明護理資訊模組自動化系統之系統架構示意圖；
第2圖揭示本發明透過前端程式向照護者提供的功能完備的智慧護理 平台所包含的功能模組示意圖；
第3圖揭示本發明護理資訊模組自動化自然語言處理模型之運作步驟流程圖；
第4圖與第5圖揭示本發明護理資訊模組自動化自然語言處理模型在功能模組操作介面中運作之示意圖；
第6圖係揭示本發明護理資訊模組自動化系統在網頁瀏覽器上執行之示意圖；以及
第7圖揭示本發明護理資訊模組自動化方法之實施步驟流程圖。
本發明將可由以下的實施例說明而得到充分瞭解，使得熟習本技藝之人士可以據以完成之，然本發明之實施並非可由下列實施案例而被限制其實施型態；本發明之圖式並不包含對大小、尺寸與比例尺的限定，本發明實際實施時其大小、尺寸與比例尺並非可經由本發明之圖式而被限制。
本文中用語“較佳”是非排它性的，應理解成“較佳為但不限於”，任何說明書或請求項中所描述或者記載的任何步驟可按任何順序執行，而不限於請求項中所述的順序，本發明的範圍應僅由所附請求項及其均等方案確定，不應由實施方式示例的實施例確定；本文中用語“包含”及其變化出現在說明書和請求項中時，是一個開放式的用語，不具有限制性含義，並不排除其它特徵或步驟。
第1圖揭示本發明護理資訊模組自動化系統之系統架構示意圖；本發明護理資訊模組自動化系統100是由分散在臨床端CE、護理站SE、 家人端FE的一系列關聯硬體設備、在這些關聯硬體設備上執行的一套分散式智慧護理平台軟體程式、以及併入在護理資訊系統(NIS)或本實施例之智慧護理平台上運行的一組基於自然語言處理(NLP)技術所建構的護理資訊模組自動化自然語言處理模型所構成的雲端系統，臨床端CE是指以護理服務之受照者141為中心的周邊區域，在某些實施例中，臨床端CE與護理站SE合併視為醫療或照護機構所在的機構端(institutional end)。
在臨床端CE、護理站SE與家人端FE上，分別散布有數量不等的使用者設備(UEs)，例如但不限於：智慧手機111、平板裝置110、112、115與116、桌上型電腦113、筆記型電腦114等，智慧手機111、平板裝置112、115與116皆配置有觸控螢幕單元，並安裝有一支智慧護理平台前端程式，前端程式是指應用程式(App)或網頁瀏覽器(browser)，桌上型電腦113、筆記型電腦114皆配置有顯示器與滑鼠和鍵盤等輸入設備，使用者設備111-116透過內建的無線射頻通訊模組或有線網路，與系統伺服器120之間建立通訊鏈路(communication link)而產生通訊連結，無線射頻通訊模組較佳是例如但不限於：常用的Wi-Fi、藍芽或藍芽低功耗(BLE)模組、Sub-1G模組、4G或5G之行動通訊模組等，有線網路較佳是例如但不限於：常用的Ethernet等，介於使用者設備111-116與系統伺服器120之間的通訊鏈路，較佳是由多段有線或無線通訊鏈路之組合所構成。
系統伺服器120上安裝有智慧護理平台後端管理程式，經由通訊鏈路之連結，使得在使用者設備111-116上執行的智慧護理平台前端程式包含應用程式或瀏覽器，得以存取系統伺服器120智慧護理平台後端管理程式、向智慧護理平台後端管理程式上傳或下載資料、或接受來自智慧護 理平台後端管理程式的控制指令，本發明護理資訊模組自動化系統100較佳是基於軟體即服務(SaaS)與平台即服務(PaaS)的雲端技術而建置。
多個具有網路連結能力的物聯網(IoT based)護理設備，例如但不限於：連網血壓計131、連網額溫槍132、連網心跳計133與連網血氧計134等，提供用來量測受照者141的基本生命徵象，這些IoT護理設備較佳內建有可組建無線區域網路(WLAN)或者長距離無線物聯網(IoT)的無線通訊模組，較佳是應用例如但不限於：常用的Wi-Fi、藍芽、藍芽低功耗或Sub-1G等通訊協定進行通訊，其中Sub-1G模組較佳為各種使用ISM頻段的射頻通訊模組，常見的有例如但不限於868MHz模組、916MHz模組、926MHz模組、NB-IOT模組、Zigbee模組、Xbee模組、Z-Wave模組或LoRa模組等。
這些IoT護理設備透過內建的無線通訊模組，而與位在附近和同位在臨床端CE的一台智慧手機111建立通訊連結，並將量測到的生命徵象讀數即時上傳智慧手機111智慧護理平台前端程式，再透過智慧護理平台前端程式即時上傳系統伺服器120智慧護理平台後端管理程式，並記錄在智慧護理平台後端管理程式指定的雲端資料庫中，照護者151亦可透過前端程式輸入的資訊，並透過智慧護理平台前端程式即時上傳系統伺服器120智慧護理平台後端管理程式。
照護者(healthcare provider)較佳指提供醫療衛生與健康照護服務之人，例如但不限於：護士、護理師、護理人員、醫護人員、居服員、看護等，受照者(healthcare receiver)較佳指接受照護服務之人，例如但不限於：住民、病人、年長者或是殘疾人士等。
一台智慧護理工作車200可以在適當的離地高度上，提供行 動裝置連接點210以固接智慧手機111，並提供便利件220集中收納與放置多件上述的IoT護理設備，以便照護者151，在無論是從護理站SE移動到臨床端CE、或者在多位受照者的病床之間移動的過程中，使用智慧護理工作車200來輕鬆移動與管理多件IoT護理設備，行動裝置連接點210、與便利件220的離地高度可配合不同身高的照護者151而調整，以便於照護者151操作與使用智慧手機111與多件IoT護理設備。
智慧護理工作車200較佳可作為行動床邊助手(bedside assistant)、行動臨床助手(clinical assistant)或用於部署行動護理站等，其詳細結構與所涉及之相關技術，已揭露於本案申請人中華民國發明專利第I687209號中，並受到該發明專利之保護，且享有專利權。
經由智慧護理工作車200的使用，照護者151可選擇手持智慧手機111、或是將智慧手機111固定在智慧護理工作車200行動裝置連接點210上，當智慧手機111與IoT護理設備間建立通訊連結後，IoT護理設備從受照者141身上量到的讀數，就可經由智慧手機111智慧護理平台前端程式，即時上傳到系統伺服器120智慧護理平台後端管理程式，然後由智慧護理平台後端管理程式，將這筆讀數推播回臨床端CE智慧手機111上智慧護理平台前端程式，或推播到護理站SE使用者設備112-114上智慧護理平台前端程式，同步向其他照護者152-154顯示，或是進一步選擇性推播到家人端FE行動裝置115-116上智慧護理平台前端程式，同步向多位家人161-162顯示。
第2圖揭示本發明透過前端程式向照護者提供的功能完備的智慧護理平台所包含的功能模組示意圖；一套功能完備的護理資訊系統或智慧護理平台，將提供眾多的功能模組給照護者選擇使用，例如但不限於： 護理紀錄模組、管路紀錄模組、住民異動模組、日常照護模組、生命徵象模組、血糖紀錄模組、胰島素模組、I/O紀錄模組、護理診斷模組、用藥計畫模組、就診紀錄模組、跌倒紀錄模組、壓力性損傷模組、身體評估模組、物理治療評估模組、約束評估模組、疼痛評估模組、迷你營養評估模組、跌倒評估模組、職能治療評估模組、營養評估模組、跨專業照會模組或檢驗報告模組等等。
但根據統計，在這麼多功能模組當中，常用模組例如護理紀錄模組的使用率將超過75%，但少用模組例如就診紀錄模組的使用率卻低到13.79%，但根據使用者經驗，照護者(使用者)對於這些模組的使用需求，其實經由解讀護理紀錄內容就可以事先預測，例如經由解讀下表顯示的兩筆護理紀錄，就可以得到護理焦點是「門診」的結論。
Figure 110114966-A0101-12-0009-1
因此本發明提出基於NLP技術建構一組護理資訊模組自動化自然語言處理模型，模型透過已預先經由監督學習有標註(labeled)文本而微調過的遷移學習(transfer learning)演算法解讀護理紀錄，並且併入在智慧護理平台中執行，當照護者使用護理紀錄模組進行護理紀錄時，模型將立即偵測與解讀照護者輸入的語詞，並執行護理焦點(focus)預測，根據所預測之焦點，向照護者推薦相關的匹配模組，讓整個護理資訊系統或智慧護理平台的操作自動化，提升工作效率。
本發明提出的護理資訊模組自動化自然語言處理模型，較佳是透過實施字嵌入(word embedding)程序、NLP模型預訓練(pre-training)程序與微調(fine-tuning)程序而建置，字嵌入程序大致包含詞彙嵌入(token embedding)步驟、詞句嵌入(segment embedding)步驟與位置嵌入(position embedding)步驟等，字嵌入程序經執行後可將文字轉換成數值向量型態，較佳選自One-hot encoding技術、Word2Vec技術、Doc2Vec技術、Glove技術、FastText技術、ELMO技術、GPT技術及BERT技術等其中之一。
NLP模型預訓練程序大致包含遮罩語言建模(MLM)訓練與下句預測(NSP)訓練，較佳係使用非監督學習無標註(labeled)語料庫(text corpus)進行訓練，透過自注意力(self-attention)機制、深度雙向語言模型從而閱讀大量無標註語料庫完成模型預訓練，無標註語料庫較佳涵蓋維基百科及BooksCorpus等。本發明提出的護理資訊模組自動化自然語言處理模型，較佳係選自例如但不限於Transformer模型、BERT模型、ELMO模型、LSTM模型、GPT1.0模型、GPT2.0模型、Flair模型、StanfordNLP模型及ULMFiT模型其中之一。
用於微調的有標註文本，較佳係經過資料前處理(data pre-processing)，經由預先大量收集受照者之護理紀錄原始資料(raw data)，較佳是以數位檔案的形式儲存與紀錄在雲端資料庫中，並對原始資料進行離群值(outlier)刪除、錯誤資料刪除、不完整紀錄剔除、字段識別、文字識別、語意識別、格式轉換、標準化或是格式化等處理，留下正確與可靠的紀錄，去除不正確與缺漏的紀錄，完成資料前處理作業。所採用的原始資料較佳是以採用護理焦點紀錄法(DART)進行紀錄，內容包含了主客觀資 料、護理措施、反應及護理指導，其中每一筆完整的護理紀錄都會有其對應的焦點(focus)。
接著進行護理焦點標註(focus labeling)程序，在此階段是選擇以專業護理師、人工或者人工智慧方式，檢視護理紀錄之內容，尋找每段語詞所對應的護理焦點並給予對應之標註，舉例來說，假設護理紀錄內容為「因管路到期，更換尿管16fr，於床上休息中。」云云，則標註此段語詞對應的護理焦點為「更換管路」，在標註程序中，護理紀錄是做為訓練文本，焦點則為其標記。
最後進行訓練集(training dataset)與測試集(test dataset)的分割，其中訓練集包含驗證集(validation dataset)，將標註後的文本，以大致1：1的比例分割為訓練集與測試集，並用於微調護理資訊模組自動化自然語言處理模型，模型將學習與解讀護理紀錄，並自動彙總產生護理焦點，本實施例係採集超過160,000筆護理紀錄進行訓練，最終的訓練準確率超過96%。
在本實施例，係將護理焦點較佳統整為例如但不限於至少以下45種類別：生活紀錄、體溫過高、住院、營養評估、照會、皮膚搔癢、消化差、體溫異常、換床、血液透析、自拔管路、疹子、腹瀉、血壓過高、返院、疼痛、更換管路、水腫、便秘、外院藥物、退住、營養評估、壓力性損傷、咳嗽有痰、嘔吐、血糖不穩、身體評估、門診、一般傷口、呼吸道清除功能失效、排便異常、測量血糖、肢體活動障礙、就醫、傷口護理、血尿、入住、復健、意外事件-跌倒、破皮、呼吸端、請假、約束、潛在危險性跌倒、及體檢等等。
當護理資訊模組自動化自然語言處理模型微調完成後，本發 明護理資訊模組自動化自然語言處理模型有能力根據所偵測到的護理紀錄文本內容，預測出多個可能的護理焦點，並按照發生或然率高低排列後，提供或然率最高者或前五(Top 5)高者向照護者顯示。下表以至少10組護理紀錄與對應的模型預測護理焦點的案例為例說明：
Figure 110114966-A0101-12-0012-9
Figure 110114966-A0101-12-0013-10
當護理焦點預測功能建置完成後，接著進行焦點模組(focus-module)知識庫的建置，以建立護理焦點與相關的功能模組之間的焦點模組匹配關係，以便在模型完成護理焦點預測後，直接向照護者提供對應的功能模組。
護理焦點與對應的功能模組之關聯較佳統整如下表所列，當護理焦點與功能模組間的對應關係建立後，模型在預測到護理焦點之後，將可立即向照護者推薦與提供匹配的功能模組，等待照護者確認後進行操作，期望給予照護者更便利使用的資訊系統：
Figure 110114966-A0101-12-0013-12
Figure 110114966-A0101-12-0014-13
本發明護理資訊模組自動化自然語言處理模型所執行的「護理紀錄焦點預測」，本質上屬於多元分類(multi-class classification)問題，模型需判斷該護理紀錄所屬焦點，而其預測結果將經由「焦點模組知識庫」轉換成智慧護理平台中相對應的功能模組，並據此向照護者進行模組推薦。
第3圖揭示本發明護理資訊模組自動化自然語言處理模型之運作步驟流程圖；第4圖與第5圖揭示本發明護理資訊模組自動化自然語言處理模型在功能模組操作介面中運作之示意圖；本發明護理資訊模組自動 化自然語言處理模型建置完成後，系統運作步驟與流程大致如第3圖所揭示，配合第4圖到第5圖的揭示，當照護者151使用透過操作前端程式護理紀錄操作介面401而操作護理紀錄模組，例如但不限於，按照焦點護理記錄法(DART)進行護理紀錄而將受照者的病況記載在內容欄位403時，在本實施例，如第4圖所示照護者151是在內容欄位403中記載例如「鼻胃管到期更換。」云云。
當系統偵測到照護者151在護理紀錄模組中輸入護理紀錄，系統立即執行護理資訊模組自動化自然語言處理模型如步驟301，模型將立即偵測與解讀照護者151所輸入的語詞的語意，在本實施例，預測出來的護理焦點是例如「更換管路」如步驟305，當護理焦點預測完成，模型立即存取焦點模組知識庫如步驟307，按照所預測的護理焦點，從焦點模組知識庫中找到對應的功能模組做為推薦模組，在本實施例，所找到的推薦模組為管路紀錄模組如步驟309。
當推薦模組產生後，模型進一步存取智慧護理平台的後端文件資料庫如步驟311，例如但不限於MongoDB，尋找受照者在推薦模組中是否曾經有相關紀錄，若有紀錄，模型會讀取相關紀錄並顯示在平板裝置110上供照護者151讀取，若無紀錄，模型會在前端程式護理紀錄操作介面401中產生一個新增管路紀錄按鍵405如步驟313，以將管路紀錄模組推薦給照護者151使用。
照護者151點選新增管路紀錄按鍵405，進入如第5圖所示的管路紀錄模組410如步驟315，模型將實施NLP相關技術，例如但不限於語意萃取技術，語意萃取技術可據相關模組欄位及過往填寫紀錄內容，找出主 要詞彙及常見詞彙，並建立關鍵字字典，以便從照護者151所記載的護理紀錄中擷取相關資訊，並在管路紀錄模組中的適當欄位，例如本實施例的管路類別欄位413，自動點選鼻胃管選項，並在狀況說明欄位415，自動填寫「鼻胃管到期更換。」如步驟317。
根據測試結果，本發明模型對護理焦點預測前五名的準確率可以達到96%，意味著模型向照護者151推薦模組清單時，能有效地給予使用者正確的模組選擇，搭配自然語言技術擷取資訊帶入欄位，將能讓護理人員節省操作時間及確保資料完整性。
第6圖係揭示本發明護理資訊模組自動化系統在網頁瀏覽器上執行之示意圖；本發明護理資訊模組自動化系統100是基於軟體即服務(SaaS)與平台即服務(PaaS)雲端技術而建置，可在前端表現層(presentation layer)中透過例如但不限於在筆記型電腦114或平板裝置115上執行的瀏覽器，向照護者154提供護理資訊系統或智慧護理平台，瀏覽器較佳是在使用者設備上執行，使用者設備為例如但不限於：智慧手機111、平板裝置110、112、115與116、桌上型電腦113、筆記型電腦114等。
如第6圖所揭示，照護者154在可連網的狀態下，在自己的平板裝置110上啟動瀏覽器，並在網址列輸入正確的統一資源定位符(URL)之後，即可透過瀏覽器存取護理資訊系統或智慧護理平台，並啟動本發明護理資訊模組自動化自然語言處理模型，第6圖揭示照護者151在護理紀錄模組的內容欄位403中輸入例如「鼻胃管到期更換。」云云，經過系統判斷受照者在後端文件資料庫中無紀錄，因此模型在護理紀錄模組的護理紀錄操作介面401中產生一個新增管路紀錄按鍵405。
第7圖揭示本發明護理資訊模組自動化方法之實施步驟流程圖；小結而言，本發明護理資訊模組自動化方法500，較佳包含下列步驟：偵測使用者輸入之護理紀錄(步驟501)；將該護理紀錄傳輸給護理資訊模組自動化自然語言處理模型以執行焦點預測，以基於該護理紀錄自動預測至少一護理焦點(步驟503)；使該護理資訊模組自動化自然語言處理模型存取包含焦點模組匹配關係的焦點模組知識庫(步驟505)；該護理資訊模組自動化自然語言處理模型根據該焦點模組匹配關係，並基於所預測之該至少一護理焦點向該使用者推薦該至少一推薦模組(步驟507)；以及該護理資訊模組自動化自然語言處理模型經由實施語意萃取技術，以將該使用者所輸入之該護理紀錄之內容，自動帶入該至少一推薦模組(步驟509)。
本發明提出的護理資訊模組自動化自然語言處理模型分為護理焦點預測及語意擷取兩部分，首先進行「焦點預測」，模型判讀該護理紀錄所屬護理焦點，並進行文本的多元分類任務，之後經由「焦點模組知識庫」的匹配，取得推薦模組清單，接著進行模組推薦，此外進行模組推薦前也會根據使用者先前的紀錄檢查是否需要進入推薦步驟，如該模組有未填的情形發生，則藉由「語意萃取」模型擷取護理紀錄內容並自動帶入所選模組。本發明提出的護理資訊模組自動化自然語言處理模型至少具備三項功效：護理焦點自動生成、照護模組推薦系統、模組自動填寫。
本發明提出之模型能解讀護理紀錄，推薦照護模組，使得照護者依個案狀況，紀錄照護過程，並輔助照護者搜尋相關模組，推薦照護者，提升工作效率，因此本發明模型能夠輔助機構護理師，搜尋與護理紀錄內容相關之未填寫模組，結合語意萃取使填寫效率提升，也能輔助機構 照顧員，若護理紀錄中有關於日常照顧模組相關內容，也會一同帶入，還能輔助專業醫師，專業模組如營養、職能/物理治療評估，模組推薦根據護理焦點預測提供提醒機制，期望給予各類照護人員，更全方位更便利使用的系統。
本發明提出之模型能夠輔助護理師填寫護理紀錄時，藉由模組推薦系統能快速填寫相關的專業模組，藉此提高填寫模組的效率，確保專業模組的資料完整性，也能提醒護理人員是否有應填而未填的模組，並擷取文本資訊自動帶入到所選模組相關欄位中。
本發明以上各實施例彼此之間可以任意組合或者替換，從而衍生更多之實施態樣，但皆不脫本發明所欲保護之範圍，茲進一步提供更多本發明實施例如次：
實施例1：一種護理資訊模組自動化方法，其包含：偵測使用者輸入之護理紀錄；將該護理紀錄傳輸給護理資訊模組自動化自然語言處理模型以執行焦點預測，以基於該護理紀錄自動預測至少一護理焦點；以及該護理資訊模組自動化自然語言處理模型根據所預測之該至少一護理焦點向該使用者自動推薦至少一推薦模組。
實施例2：如實施例1所述之護理資訊模組自動化方法，還包含以下步驟其中之一：該護理資訊模組自動化自然語言處理模型存取焦點模組知識庫，以根據焦點模組知識庫內所建置的焦點模組匹配關係，並基於所預測之該至少一護理焦點向該使用者推薦該至少一推薦模組；以及該護理資訊模組自動化自然語言處理模型經由實施語意萃取技術，以將該使用者所輸入之該護理紀錄之內容，自動帶入該至少一推薦模組。
實施例3：如實施例1所述之護理資訊模組自動化方法，還包含以下步驟其中之一：對無標註語料庫與有標註文本其中之一實施字嵌入技術，以將文字轉換成數值型態；使用非監督學習該無標註語料庫對該護理資訊模組自動化自然語言處理模型進行預訓練；以及使用監督學習該有標註文本對該護理資訊模組自動化自然語言處理模型進行微調。
實施例4：如實施例3所述之護理資訊模組自動化方法，其中該字嵌入技術係選自One-hot encoding技術、Word2Vec技術、Doc2Vec技術、Glove技術、FastText技術、ELMO技術、GPT技術及BERT技術等其中之一。
實施例5：如實施例1所述之護理資訊模組自動化方法，其中該護理資訊模組自動化自然語言處理模型係選自Transformer模型、BERT模型、ELMO模型、LSTM模型、GPT1.0模型、GPT2.0模型、Flair模型、StanfordNLP模型及ULMFiT模型其中之一。
實施例6：一種護理資訊模組自動化系統，其包含：系統伺服器，其安裝有包含護理資訊模組自動化自然語言處理模型的智慧護理平台；以及使用者設備，其係與該系統伺服器通訊連結，並安裝有該智慧護理平台之前端程式，以偵測使用者輸入之護理紀錄，其中該使用者設備將該護理紀錄傳輸給該護理資訊模組自動化自然語言處理模型以執行焦點預測，以基於該護理紀錄預測至少一護理焦點，並根據所預測之該至少一護理焦點，透過該前端程式向該使用者顯示至少一推薦模組。
實施例7：如實施例6所述之護理資訊模組自動化系統，其中該智慧護理平台包含護理紀錄模組、管路紀錄模組、住民異動模組、日常照護模組以及該至少一推薦模組其中之一。
實施例8：如實施例7所述之護理資訊模組自動化系統，其中該使用者透過操作該護理紀錄模組而將該護理紀錄輸入至該智慧護理平台。
實施例9：如實施例7所述之護理資訊模組自動化系統，該護理資訊模組自動化自然語言處理模型經由實施語意萃取技術，以將該使用者透過操作該護理紀錄模組所輸入之該護理紀錄之內容，自動帶入該至少一推薦模組。
實施例10：如實施例6所述之護理資訊模組自動化系統，其中該使用者設備係為行動裝置、智慧手機、平板裝置、桌上型電腦與筆記型電腦其中之一。
本發明各實施例彼此之間可以任意組合或者替換，從而衍生更多之實施態樣，但皆不脫本發明所欲保護之範圍，本發明保護範圍之界定，悉以本發明申請專利範圍所記載者為準。
500:本發明護理資訊模組自動化方法
501~509:實施步驟

Claims (6)

  1. 一種護理資訊模組自動化方法，其包含：透過在一使用者設備上執行之一護理紀錄操作介面提供一使用者輸入一護理紀錄；將該護理紀錄上傳給一系統伺服器上執行之一護理資訊模組自動化自然語言處理模型；使該護理資訊模組自動化自然語言處理模型執行所包含的一遷移學習護理焦點預測模組而進行一護理焦點預測，以基於所輸入之該護理紀錄自動預測至少一護理焦點；使該護理資訊模組自動化自然語言處理模型存取一焦點模組知識庫，以綜合根據該至少一護理焦點之發生或然率排序、一功能模組之使用率以及該焦點模組知識庫所包含的一焦點模組匹配關係，為所預測之該至少一護理焦點匹配至少一推薦模組，並回傳該護理紀錄操作介面且透過該護理紀錄操作介面向該使用者自動推薦該至少一推薦模組；以及使該護理資訊模組自動化自然語言處理模型實施一語意萃取技術，自動偵測該至少一推薦模組之複數輸入欄位之語意，以及萃取所輸入之該護理紀錄之語意，以從該護理紀錄中擷取與該等輸入欄位相關之內容，並將所擷取之內容自動填入該護理紀錄操作介面中包含的對應之該等欄位之中。
  2. 如請求項1所述之護理資訊模組自動化方法，其中該護理資訊模組自動化自然語言處理模型係選自一Transformer模型、一BERT模型、一ELMO模型、一LSTM模型、一GPT1.0模型、一GPT2.0模型、一Flair模型、一 StanfordNDP模型及一ULMFiT模型其中之一。
  3. 一種護理資訊模組自動化系統，其包含：一系統伺服器，其安裝有包含一護理資訊模組自動化自然語言處理模型的一智慧護理平台；以及一使用者設備，其係與該系統伺服器通訊連結，並安裝有該智慧護理平台之一前端程式，以偵測一使用者輸入之一護理紀錄，其中該使用者設備將該護理紀錄傳輸給該護理資訊模組自動化自然語言處理模型所包含的一遷移學習護理焦點預測模組而進行一護理焦點預測，以基於所輸入之該護理紀錄預測至少一護理焦點，其中該護理資訊模組自動化自然語言處理模型存取一焦點模組知識庫，以綜合根據該至少一護理焦點之發生或然率排序、一功能模組之使用率以及該焦點模組知識庫所包含的一焦點模組匹配關係，為所預測之該至少一護理焦點匹配至少一推薦模組，並透過該前端程式向該使用者顯示至少一推薦模組，其中該護理資訊模組自動化自然語言處理模型實施一語意萃取技術，自動偵測該至少一推薦模組之複數輸入欄位之語意，以及萃取所輸入之該護理紀錄之語意，以從該護理紀錄中擷取與該等輸入欄位相關之內容，並將所擷取之內容自動填入該護理紀錄操作介面中包含的對應之該等欄位之中。
  4. 如請求項3所述之護理資訊模組自動化系統，其中該智慧護理平台包含一護理紀錄模組、一管路紀錄模組、一住民異動模組、一日常照護模組以及該至少一推薦模組其中之一。
  5. 如請求項4所述之護理資訊模組自動化系統，其中該使用者透過操作該護理紀錄模組而將該護理紀錄輸入至該智慧護理平台。
  6. 如請求項3所述之護理資訊模組自動化系統，其中該使用者設備係為一行動裝置、一智慧手機、一平板裝置、一桌上型電腦與一筆記型電腦其中之一。
TW110114966A 2021-04-26 2021-04-26 護理資訊模組自動化系統與方法 TWI780678B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW110114966A TWI780678B (zh) 2021-04-26 2021-04-26 護理資訊模組自動化系統與方法
US17/658,482 US20220344037A1 (en) 2021-04-26 2022-04-08 Nursing information module automation system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110114966A TWI780678B (zh) 2021-04-26 2021-04-26 護理資訊模組自動化系統與方法

Publications (2)

Publication Number Publication Date
TWI780678B true TWI780678B (zh) 2022-10-11
TW202242894A TW202242894A (zh) 2022-11-01

Family

ID=83693396

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110114966A TWI780678B (zh) 2021-04-26 2021-04-26 護理資訊模組自動化系統與方法

Country Status (2)

Country Link
US (1) US20220344037A1 (zh)
TW (1) TWI780678B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI702537B (zh) * 2018-09-28 2020-08-21 智齡科技股份有限公司 基於語彙分析之智慧護理文本生成系統以及使用其之智慧護理資訊平台
CN111753058A (zh) * 2020-06-30 2020-10-09 北京信息科技大学 一种文本观点挖掘方法及系统
CN112507722A (zh) * 2020-11-30 2021-03-16 北京百度网讯科技有限公司 电子病历内涵质控方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020006495A1 (en) * 2018-06-29 2020-01-02 Ai Technologies Inc. Deep learning-based diagnosis and referral of diseases and disorders using natural language processing
US20220405639A1 (en) * 2019-11-21 2022-12-22 Nippon Telegraph And Telephone Corporation Information processing apparatus, information processing method and program

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI702537B (zh) * 2018-09-28 2020-08-21 智齡科技股份有限公司 基於語彙分析之智慧護理文本生成系統以及使用其之智慧護理資訊平台
CN111753058A (zh) * 2020-06-30 2020-10-09 北京信息科技大学 一种文本观点挖掘方法及系统
CN112507722A (zh) * 2020-11-30 2021-03-16 北京百度网讯科技有限公司 电子病历内涵质控方法和装置

Also Published As

Publication number Publication date
US20220344037A1 (en) 2022-10-27
TW202242894A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
US20210343411A1 (en) Deep learning-based diagnosis and referral of diseases and disorders using natural language processing
US20160342753A1 (en) Method and apparatus for healthcare predictive decision technology platform
CN110335647A (zh) 一种临床数据标准化系统及标准化数据采集方法
Van Den Block et al. Transitions between care settings at the end of life in Belgium
US12040062B2 (en) Systems and methods for reducing patient readmission to acute care facilities
AU2012350398A1 (en) System, method and computer program for multi-dimensional temporal and relative data mining framework, analysis and sub-grouping
US11823776B2 (en) Filtering medical information
US20110046972A1 (en) Method and system for health-centered medicine
US20210134461A1 (en) Methods and systems for prioritizing comprehensive prognoses and generating an associated treatment instruction set
Park et al. Incorporating Standardized Nursing Languages Into an Electronic Nursing Documentation System in K orea: A Pilot Study
US20230274808A1 (en) Enhancing patient referral outcome through structuring data for efficient place of service utilization rate analysis
Westra et al. Expanding interprofessional EHR data in i2b2
TWI780678B (zh) 護理資訊模組自動化系統與方法
US20220375617A1 (en) Computerized decision support tool for preventing falls in post-acute care patients
Varner et al. Maternal emergency department use before pregnancy and infant emergency department use after birth
WO2022141929A1 (zh) 一种健康自测系统、服务器及健康检测系统
TWI735233B (zh) 基於個別差異之人工智慧生命徵象量測值判讀方法與系統
Luther et al. Leveraging electronic health care record information to measure pressure ulcer risk in veterans with spinal cord injury: a longitudinal study protocol
US20230307099A1 (en) Server and method for integrating and managing personal health records as global bigdata and recording medium thereof
CN117690582B (zh) 护理工作站的信息管理系统及方法
KR102597133B1 (ko) Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치
Cui Ontology-guided health information extraction, organization, and exploration
TWI795651B (zh) 引導式智慧門診掛號輔助系統及方法
US20230223119A1 (en) Method for Managing Personal Health Information, Software and System for Same
US11636933B2 (en) Summarization of clinical documents with end points thereof

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent