[發明專利]臨床診斷模型的構建方法及構建系統、臨床診斷系統

在審

• 申請號: 201710228866.1
• 申請日: 2017-04-10
• 公開（公告）號: CN106951719A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 楊興禮;付永全;葛封才;趙永剛
• 申請（專利權）人: 榮科科技股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京卓特專利代理事務所(普通合伙)11572
• 代理人: 段宇

技術領域

本發明涉及醫療技術領域，尤其涉及一種臨床診斷模型的構建方法及構建系統、臨床診斷系統。

背景技術

目前醫生主要通過培訓等專業學習，依靠個人經驗進行判斷疾病，容易由于經驗判斷而產生誤診。由于醫生對病癥知識掌握有限，不可能掌握所有疾病的癥狀。尤其是專科醫生，臨床上往往只能對日常熟悉的病癥進行診斷，而對于不常見疾病不能很好做出判斷，容易產生誤診。

發明內容

本發明的目的在于提供一種臨床診斷模型的構建方法及構建系統、臨床診斷系統，用于提高醫生診病的準確度。

為達到上述目的，本發明提供的臨床診斷模型的構建方法采用如下技術方案：

一種臨床診斷模型的構建方法包括：

步驟S1、進行數據采集，數據采集源為多個電子病歷；

步驟S2、對采集到的數據進行處理；

步驟S3、根據處理后的數據中的已知典型病歷建立病例分析模型，并對病歷分析模型進行訓練評估；

步驟S4、將訓練評估完成的模型應用到臨床診斷系統中，形成臨床診斷模型。

示例性地，步驟S1中的電子病歷的數據包括病人的基本信息、用藥歷史、患病史、癥狀主訴和檢查指標。

可選地，步驟S1中采用數據倉庫技術進行數據的采集。

示例性地，步驟S2具體包括：

子步驟S21、去掉未確診和關鍵信息缺失的數據；

子步驟S22、篩選出數據量大且數據可用度好的疾病種類；

子步驟S23、通過疾病共用條件篩選可能病癥；

子步驟S24、獲取患者癥狀主訴數據、檢查指標數據；

子步驟S25、根據統計學概率分析理論將篩選出的可能病癥與患者癥狀主訴數據、檢查指標數據進行概率分析。

示例性地，步驟S3中對病歷分析模型進行訓練評估具體包括：逐層對臨床診斷模型進行訓練評估。

進一步地，逐層對臨床診斷模型進行訓練評估具體包括：

針對有核心癥狀詞的病癥，通過核心癥狀詞進行初級判斷過濾，根據過濾結果進行逐層分析，通過回歸、分析、聚類算法將診斷結果輸出；

針對無典型指向的病癥，通過貝葉斯網絡神經網絡模型進行算法精細化診斷，通過分析后將診斷結果按照近似概率輸出。

示例性地，病歷分析模型的權重為：w＝(w₁，w₂，…，w_n)，其中，w₁、w₂，…，w_n均表示各個癥狀的權重，n為大于或者等于1的正整數；

p(w)為在未給定任何數據時的先驗概率，在給了訓練數據D后，其后驗概率p(w|D)為：p(D)為歸一化因子，與模型無關；p(D|w)為模型的證據，用以判斷模型的復雜度是否合適。

示例性地，數據采集源包括多個病癥的電子病歷時，針對每個病癥分別執行步驟S1～步驟S4，以獲得針對不同病癥的多個臨床診斷模型。

本發明提供的臨床診斷模型的構建方法包括如上所述的步驟，從而使得使用該構建方法構建的臨床診斷模型應用到臨床診斷系統中后，通過錄入病人的基本信息，例如，年齡、性別、病史等，然后錄入主訴條件，臨床診斷系統即可根據錄入的信息，列出可能診斷出的疾病及其概率，進而使得醫生在診斷時可以參考臨床診斷系統列出的患病概率，針對可疑疾病，通過醫生對患者提問來進行進一步驗證，逐步確認患者所患疾病，起到提高醫生診病的準確度的效果。

本發明提供的臨床診斷模型的構建系統采用如下技術方案：

臨床診斷模型的構建系統包括：

數據采集模塊，用于進行數據采集，數據采集源為多個電子病歷；

數據處理模塊，用于對采集到的數據進行處理；

模型訓練評估模塊，用于根據處理后的數據中的已知典型病歷建立病例分析模型，并對病歷分析模型進行訓練評估；以及

模型應用模塊，用于將訓練評估完成的模型應用到臨床診斷系統中，形成臨床診斷模型。

該臨床診斷模型的構建系統具有和上述臨床診斷模型的構建方法相同的有益效果，此處不再進行贅述。

本發明提供的臨床診斷系統采用如下技術方案：

臨床診斷系統包括：

輸入裝置，用于輸入患者的基本信息、癥狀主訴和檢查指標；