[發明專利]醫療數據處理方法及裝置、存儲介質、電子設備

在審

• 申請號: 201811279851.9
• 申請日: 2018-10-30
• 公開（公告）號: CN109378065A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 李林峰;王瀧
• 申請（專利權）人: 醫渡云（北京）技術有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 袁禮君;闞梓瑄

本發明實施例是關于一種醫療數據處理方法及裝置，屬于數據處理技術領域，該方法包括：獲取滿足預設條件的原始病歷數據，并從所述原始病歷數據中獲取目標病歷數據的第一醫療決策信息以及第一特征信息；利用所述第一醫療決策信息以及所述第一特征信息對基于機器學習的原始模型進行訓練，得到輔助決策模型；利用所述輔助決策模型對待處理病患的第二特征信息進行預測，得到所述待處理病患的第二醫療決策信息。該方法解決了現有技術中基于規則樹的推薦醫療方案準確率較低的問題，提高了醫療方案推薦的準確性。

技術領域

本發明實施例涉及數據處理技術領域，具體而言，涉及一種醫療數據處理方法、醫療數據處理裝置、計算機可讀存儲介質以及電子設備。

背景技術

隨著臨床醫療大數據的不斷應用與機器學習技術的快速發展，基于機器學習技術，從海量的電子病歷數據中，自動挖掘數據隱藏的知識(醫學只是發現、醫生診療經驗等)，已經成為一個熱點的研究方向。

結直腸癌是發病率top5的惡性腫瘤之一，結直腸癌的術后輔助化療方案的選擇在結直腸癌的治療過程中是比較重要的一個決策。目前，醫生都是基于自己的診療經驗和臨床指南來選擇化療方案，有部分實現的輔助系統時基于臨床指南來構建基于規則樹的推薦。

但是，基于規則樹的結直腸癌術后化療推薦模型主要是針對臨床指南的拆解，不能覆蓋臨床各種病人的真實情況，大多數時候推薦的方案準確率較低。

因此，需要提供一種新的醫療數據處理方法及裝置。

需要說明的是，在上述背景技術部分發明的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本發明的目的在于提供一種醫療數據處理方法、醫療數據處理裝置、計算機可讀存儲介質以及電子設備，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的方案準確率較低的問題。

根據本公開的一個方面，提供一種醫療數據處理方法，包括：

獲取滿足預設條件的原始病歷數據，并從所述原始病歷數據中獲取目標病歷數據的第一醫療決策信息以及第一特征信息；

利用所述第一醫療決策信息以及所述第一特征信息對基于機器學習的原始模型進行訓練，得到輔助決策模型；

利用所述輔助決策模型對待處理病患的第二特征信息進行預測，得到所述待處理病患的第二醫療決策信息。

在本公開的一種示例性實施例中，利用所述第一醫療決策信息以及所述第一特征信息對基于機器學習的原始模型進行訓練，得到輔助決策模型包括：

根據所述第一醫療決策信息以及第一特征信息建立數據集，并將所述數據集分為訓練數據集以及測試數據集；

利用所述訓練數據集對基于機器學習的原始模型進行訓練，得到訓練結果；其中，所述訓練結果包括所述第一醫療決策信息以及所述第一特征信息的關聯關系；

利用所述測試數據集對所述訓練結果進行測試；

如果所述訓練結果的測試結果滿足預設測試結果，則將訓練后的原始模型作為所述輔助決策模型。

在本公開的一種示例性實施例中，所述原始模型包括Bayes模型、決策樹模型、邏輯回歸模型、SVM模型以及神經網絡模型中的一種或多種。

在本公開的一種示例性實施例中，所述預設條件包括診斷結果是否為目標疾病、是否做過與所述目標疾病對應的手術以及是否在手術后的預設時間內進行與所述目標疾病對應的治療中的一種或多種。

在本公開的一種示例性實施例中，從所述原始病歷數據中獲取目標病歷數據的第一醫療決策信息包括：