[發明專利]醫療數據分析方法、裝置、電子設備及計算機可讀介質

有效

• 申請號: 201811622954.0
• 申請日: 2018-12-28
• 公開（公告）號: CN111383761B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 莊鴻蒙;宋海波;李馨齡;韓寅飛;姚朝霞;欒天野
• 申請（專利權）人: 醫渡云（北京）技術有限公司;國家食品藥品監督管理總局藥品評價中心
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H70/40
• 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

1.一種醫療數據分析方法，其特征在于，包括：

獲取患者數據，所述患者數據中包括基礎數據、診斷數據，檢驗數據，以及檢查數據；

基于歷史醫療數據庫，確定所述患者數據與所述診斷數據的特征權重與診斷權重，其中，所述特征權重通過所述患者數據中的特征在歷史數據庫中所有確診的不良反應數據中對應的特征的比例確定，所述診斷權重通過所述診斷數據中的診斷名稱與基于所述歷史醫療數據庫獲取藥物不良反應字典表的匹配度確定；

建立檢驗數據與時間的第一關聯關系，并基于所述第一關聯關系確定檢驗數據的檢驗權重，其中，所述檢驗權重基于通過檢驗指標閾值標定所述檢驗數據中異常指標對應的時間之后的所述檢驗數據與所述患者數據、用藥數據對所述檢驗數據進行篩選后確定；

建立檢查數據與時間的第二關聯關系，并基于所述第二關聯關系確定檢查數據的檢查權重，其中，所述檢查權重基于通過檢查指標閾值標定所述檢查數據中異常指標對應的時間之后的所述檢查數據與所述患者數據、用藥數據對所述檢查數據進行篩選后確定；以及

將所述基礎數據、所述診斷數據，所述檢驗數據，所述檢查數據，以及所述特征權重，所述診斷權重，所述檢驗權重，所述檢查權重輸入風險模型中以確定所述患者數據的藥品不良反應風險值；其中所述風險模型通過確診的藥品不良反應數據與機器學習模型生成。

2.如權利要求1所述的方法，其特征在于，所述患者數據還包括用藥時序；

所述方法還包括：

建立所述檢驗數據與所述用藥時序的第三關聯關系；

建立所述檢查數據與所述用藥時序的第四關聯關系；以及

將所述第一關聯關系，所述第二關聯關系，所述第三關聯關系，以及所述第四關聯關系進行圖形化界面展示。

3.如權利要求1所述的方法，其特征在于，還包括：

獲取原始病歷數據；

通過不良反應數據庫對所述病歷數據中的檢驗數據與檢查數據進行篩選以剔除正常數據；以及

通過篩選之后的原始病歷數據生成所述患者數據。

4.一種醫療數據分析裝置，其特征在于，包括：

數據模塊，用于獲取患者數據，所述患者數據中包括基礎數據、診斷數據，檢驗數據，以及檢查數據；

第一權重模塊，用于基于歷史醫療數據庫，確定所述患者數據與所述診斷數據的特征權重與診斷權重，其中，所述特征權重通過所述患者數據中的特征在歷史數據庫中所有確診的不良反應數據中對應的特征的比例確定，所述診斷權重通過所述診斷數據中的診斷名稱與基于所述歷史醫療數據庫獲取藥物不良反應字典表的匹配度確定；

第二權重模塊，用于建立檢驗數據與時間的第一關聯關系，并基于所述第一關聯關系確定檢驗數據的檢驗權重，其中，所述檢驗權重基于通過檢驗指標閾值標定所述檢驗數據中異常指標對應的時間之后的所述檢驗數據與所述患者數據、用藥數據對所述檢驗數據進行篩選后確定；建立檢查數據與時間的第二關聯關系，并基于所述第二關聯關系確定檢查數據的檢查權重，其中，所述檢查權重基于通過檢查指標閾值標定所述檢查數據中異常指標對應的時間之后的所述檢查數據與所述患者數據、用藥數據對所述檢查數據進行篩選后確定；以及

分析模塊，用于根據所述基礎數據、所述診斷數據，所述檢驗數據，所述檢查數據，以及所述特征權重，所述診斷權重，所述檢驗權重，所述檢查權重確定所述患者數據的藥品不良反應風險值包括：將所述基礎數據、所述診斷數據，所述檢驗數據，所述檢查數據，以及所述特征權重，所述診斷權重，所述檢驗權重，所述檢查權重輸入風險模型中以確定所述患者數據的藥品不良反應風險值；其中所述風險模型通過確診的藥品不良反應數據與機器學習模型生成。

5.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-3中任一所述的方法。

6.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-3中任一所述的方法。