[發明專利]一種基于OCR與命名實體提取技術的臨床隊列數據協同校驗方法

有效

• 申請號: 201810323020.0
• 申請日: 2018-04-11
• 公開（公告）號: CN108597565B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 呂旭東;段會龍;田琪;劉夢舟
• 申請（專利權）人: 浙江大學
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F40/205;G06F40/151
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 忻明年

本發明公開了一種基于OCR與命名實體提取技術的臨床隊列數據協同校驗方法，包括：步驟1，利用人工錄入方式將紙質病歷報告表電子化，得到人工錄入數據；步驟2，利用OCR將紙質病歷報告表電子化，識別得到紙質病歷數據；步驟3，利用命名實體提取技術從電子病歷中提取得到電子病歷數據；步驟4，針對待校驗臨床隊列數據，比對人工錄入數據、紙質病歷數據和電子病歷數據，得到校驗結果。本發明提供的基于OCR與命名實體提取技術的臨床隊列數據協同校驗方法，解決現有人工校驗方法成本高效率低，數據錯誤覆蓋不全面的問題。

技術領域

本發明涉及臨床數據處理技術領域，具體涉及一種基于OCR與命名實體提取技術的臨床隊列數據協同校驗方法。

背景技術

臨床隊列研究是國際公認的探討常見重大疾病病因的有效方法，也是研究各種遺傳和環境暴露因素與健康結局關系最重要的方法之一。

一方面，由于臨床隊列研究的樣本人群基數大，隨訪時間長，因此需要收集的數據量通常都很龐大，在數據采集的過程中，研究對象或者數據采集人員等人為因素會不可避免地影響數據質量。另一方面，2016年頒布的《臨床試驗數據管理工作技術指南》明確指出，數據質量是評價研究結果的基礎；在指南中也明確提出臨床試驗的數據必須是準確的、完整的和可靠的，因此，在實施臨床隊列研究時，在數據的采集環節保證數據的質量尤為重要。

目前大多數臨床隊列的數據采集和管理方式都是先通過紙質的CRF(Case ReportForm，病歷報告表)收集數據，然后將數據轉錄到專門的信息管理系統進行統一管理以便于后續的統計分析。有研究表明，在這樣的數據采集過程中，各種人為因素(填寫人員、錄入人員的粗心大意和不規范操作以及研究對象的依從性等)會導致數據出現填寫錯誤、填寫遺漏、錄入錯誤和錄入遺漏。為了解決這些問題，在現有臨床隊列研究的實施過程中，在紙質CRF填寫之后，可以通過重新問詢病人或者與其它數據源(如電子病歷(ElectronicMedical Record，EMR)進行核對的方式來找出和糾正填寫遺漏和填寫錯誤。

數據錄入環節常用的數據校驗方法包括雙錄入、源數據校驗和邏輯核查等方法，其中，雙錄入指的是不同錄入人員分別錄入同一份表單，通過對兩次的輸入值進行逐項核對，來糾正數據中的錯誤項；源數據校驗指的是在數據錄入后再次觀察表單內容對錄入數據進行校對；邏輯核查指的是根據生理參數的正常范圍對用戶提交的數據進行控制和驗證。

雙錄入和源數據校驗基本能夠解決錄入錯誤和錄入遺漏的問題，但雙錄入需要額外的人力資源，增加人力成本，而源數據校驗會增加時間成本，總之費時費力。邏輯核查雖然能夠在一定程度上解決錄入錯誤和填寫錯誤，但不能解決錄入數據和紙質數據不一致的問題?？偟膩碚f，現有的這些措施可以解決部分數據問題，但是都不能全面覆蓋，而且需要的成本較高。

發明內容

本發明提供了一種基于OCR與命名實體提取技術的臨床隊列數據協同校驗方法，解決現有人工校驗方法成本高效率低，數據錯誤覆蓋不全面的問題。

一種基于OCR與命名實體提取技術的臨床隊列數據協同校驗方法，包括：

步驟1，利用人工錄入方式將紙質病歷報告表電子化，得到人工錄入數據；

步驟2，利用OCR將紙質病歷報告表電子化，識別得到紙質病歷數據；

步驟3，利用命名實體提取技術從電子病歷中提取得到電子病歷數據；

步驟4，針對待校驗臨床隊列數據，比對人工錄入數據、紙質病歷數據和電子病歷數據，得到校驗結果。

本發明提供的臨床隊列數據協同校驗方法，對人工錄入數據、紙質病歷數據和電子病歷數據進行一致性分析，通過三種數據比對的結果，判斷臨床隊列數據的可靠性。

步驟1中，利用OCR技術解析紙質病歷報告表的表單結構，利用機器學習對解析提取的內容進行識別，匯總識別結果，得到紙質病歷數據。