[發(fā)明專利]一種基于電子病歷的診療路徑發(fā)現方法

有效

• 申請?zhí)枺?/td>: 201910316298.X
• 申請日: 2019-04-19
• 公開（公告）號: CN110085323B
• 公開（公告）日: 2021-04-30
• 發(fā)明（設計）人: 李建強;譚睎月;趙青
• 申請（專利權）人: 北京工業(yè)大學
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H10/60
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

本發(fā)明揭示了一種基于電子病歷的診療路徑發(fā)現方法，該方法包括以下步驟：S1步驟：通過根據發(fā)生在患者身上的所有醫(yī)療事件的發(fā)生時間來構建每個患者的醫(yī)療事件序列；S2步驟：使用序列預處理器將每個同時并發(fā)醫(yī)療事件拆分為若干個頻繁子集以降低模式挖掘的計算復雜性；S3步驟：使用序列模式挖掘算法和模式增長策略對序列進行挖掘，得到序列中的頻繁模式結果。本方法在充血性心力衰竭的電子病歷數據集上進行了測試，結果顯示該方法實現了在原始醫(yī)療序列缺乏相關數值和單個事件持續(xù)時間時對序列中頻繁模式的挖掘功能。

技術領域

本發(fā)明涉及一種基于電子病歷的診療路徑發(fā)現方法，屬于數據挖掘領域。

背景技術

電子病歷是對單個患者或患者群體的醫(yī)療信息的系統(tǒng)收集。隨著計算機軟硬件技術的快速發(fā)展，電子病歷越來越容易獲得。目前，電子病歷已成為生物醫(yī)學信息學研究人員開展研究的一種十分重要的資源。探討病人電子病歷中事件之間的時間關系是生物醫(yī)學信息學中的一個重要問題，其結果可以揭示病人面臨的疾病狀況。

發(fā)明內容

探索醫(yī)學事件之間的時間關系方面的一個代表性的策略是時間抽象，時間抽象類型的方法需要原始序列具有數值和每個事件的持續(xù)時間這兩個條件，但是，一般的電子病歷數據庫都比較稀疏，不能同時滿足上述兩個條件，我們將這類醫(yī)療事件稱為在時間節(jié)點上的標稱型醫(yī)療事件序列(其中序列中任何一對事件之間的關系簡化為兩種類型，即同時發(fā)生或一個事件發(fā)生在另一個事件之前)。因此，我們提出了一個流程，用于對在時間節(jié)點上的標稱型醫(yī)療事件序列進行模式挖掘。

結果顯示，我們提出的流程和解決方案，與現有的解決方案相比，我們的方法更加實用，在一定程度上能夠提高預測患者發(fā)病風險的預測性能。

本發(fā)明采用的技術方案具體如下：

(1)構造序列

由于電子病歷包含各種類型的病人信息(診斷、實驗室、藥物、程序等)，序列構建器以統(tǒng)一的格式標準化這些不同的信息，在格式標準化時我們使用了一個四列表，包括患者ID、事件ID、時間戳ID和事件值。我們還構建了三個參考表，包括每個患者ID的詳細信息(例如，相應的姓名、出生日期、性別等)、事件ID(例如，事件類型和事件名稱)和時間戳ID。在信息標準化之后，序列構造器抓取不同的數據源(來自診所，藥房，實驗室報告等)并將它們集成，通過根據發(fā)生時間來連接發(fā)生在患者身上的所有醫(yī)療事件，由此構建每個患者的醫(yī)療事件序列。

(2)對序列進行預處理

序列預處理器的主要任務是使用一組頻繁子集(項集)來表示每個同時并發(fā)事件，支持度大于或等于我們設定支持度的項集稱為頻繁子集。這里，我們使用一種雙向排序方法來將同時并發(fā)事件分解為頻繁子集組成。

(3)挖掘頻繁模式

我們使用了一種高效的序列模式挖掘方法(SPAM)來挖掘頻繁的時間序列模式。

進一步的，所述步驟(2)的具體過程為：

利用雙向排序分解方法對同時發(fā)生的醫(yī)療事件進行預處理，ABCDE表示5個同時并發(fā)事件。

步驟1：首先根據長度對醫(yī)療事件的頻繁子集進行分類排序，然后對于具有相同長度的頻繁子集將根據其觀察到的頻率進行分類排序。

步驟2：選擇該醫(yī)療事件中一個最長且最頻繁的子集，將該子集添加到集合Q中。

步驟3：對醫(yī)療事件序列中剩余的子集繼續(xù)執(zhí)行步驟2，直到剩余的事件子集長度為1。則同時發(fā)生的醫(yī)療事件集合可分解為集合Q中的若干個子集。

進一步的，所述步驟(3)的具體過程為：

使用序列模式挖掘(SPAM)方法對預處理后的醫(yī)療事件序列集進行模式挖掘。

首先介紹一些定義。