[發(fā)明專利]電子病歷數(shù)據(jù)推送方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911000771.X
• 申請(qǐng)日: 2019-10-21
• 公開（公告）號(hào): CN110752027B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 鄧承;蔡天琪
• 申請(qǐng)（專利權(quán)）人: 卓爾智聯(lián)（武漢）研究院有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H50/70;G16H10/60;G16H70/00
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 李姣姣

本申請(qǐng)涉及一種上述電子病歷數(shù)據(jù)推送方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，其中方法包括：獲取電子病歷集合，針對(duì)當(dāng)前電子病歷，從電子病歷集合中篩選得到相似電子病歷集合，基于相似電子病歷集合中電子病歷身份標(biāo)識(shí)，獲取對(duì)應(yīng)的醫(yī)療機(jī)構(gòu)特征字段，構(gòu)建疾病?治療醫(yī)生?治療機(jī)構(gòu)的關(guān)系模型，再基于該關(guān)系模型與所述相似電子病歷集合進(jìn)行匹配，對(duì)匹配結(jié)果采取最相似排序、疑難雜癥排序或最權(quán)威排序的排序規(guī)則進(jìn)行排序推送。整個(gè)過程中，通過學(xué)習(xí)電子病歷集合中的數(shù)據(jù)，準(zhǔn)確得到電子病歷匹配結(jié)果，并且采取相似度、疾病罕見度或診斷權(quán)威度三個(gè)不同方向的排序推送，能夠不同側(cè)重點(diǎn)提供準(zhǔn)確的診斷數(shù)據(jù)支持。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電子病歷技術(shù)領(lǐng)域，特別是涉及一種電子病歷數(shù)據(jù)推送方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著醫(yī)療技術(shù)與互聯(lián)網(wǎng)技術(shù)的發(fā)展，目前在越來越多的醫(yī)院推廣應(yīng)用電子病歷。具體來說，電子病歷也叫計(jì)算機(jī)化的病案系統(tǒng)或稱基于計(jì)算機(jī)的病人記錄，它是用電子設(shè)備(計(jì)算機(jī)、健康卡等)保存、管理、傳輸和重現(xiàn)的數(shù)字化的病人的醫(yī)療記錄，取代手寫紙張病歷。

電子病歷的推廣應(yīng)用給人們帶來便捷，基于電子病歷目前也衍生出一些新技術(shù)的研究，例如基于電子病歷進(jìn)行大數(shù)據(jù)分析和處理，實(shí)現(xiàn)病歷數(shù)據(jù)的關(guān)聯(lián)推送等研究。

傳統(tǒng)基于電子病歷大數(shù)據(jù)處理采用的方式是通過系統(tǒng)內(nèi)部數(shù)據(jù)的分析或機(jī)器學(xué)習(xí)，加上一些疾病公開資料進(jìn)行診斷，上述基于大數(shù)據(jù)的關(guān)聯(lián)推送方式雖然可以推送一些相關(guān)電子病歷的數(shù)據(jù)給用戶，但是數(shù)據(jù)分析和機(jī)器學(xué)習(xí)過程是從其他領(lǐng)域大數(shù)據(jù)分析直接移植過來的，沒有針對(duì)電子病歷數(shù)據(jù)的特征進(jìn)行優(yōu)化，所以推送的數(shù)據(jù)準(zhǔn)確度不同，推送的電子病歷數(shù)據(jù)無法給醫(yī)生診斷提供可靠的數(shù)據(jù)支持。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種準(zhǔn)確的電子病歷數(shù)據(jù)推送方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種電子病歷數(shù)據(jù)推送方法，所述方法包括：

獲取醫(yī)院的電子病歷集合；

從所述電子病歷集合中篩選與當(dāng)前電子病歷相似的電子病歷，得到相似電子病歷集合；

識(shí)別所述相似電子病歷集合中電子病歷的身份識(shí)別標(biāo)識(shí)，獲取與所述身份識(shí)別標(biāo)識(shí)對(duì)應(yīng)的醫(yī)療機(jī)構(gòu)特征字段，構(gòu)建疾病-治療醫(yī)生-治療機(jī)構(gòu)的關(guān)系模型；

將所述關(guān)系模型與所述相似電子病歷集合進(jìn)行匹配、并根據(jù)預(yù)設(shè)排序規(guī)則對(duì)匹配結(jié)果進(jìn)行排序推送，所述預(yù)設(shè)排序規(guī)則包括最相似排序、疑難雜癥排序或最權(quán)威排序。

在其中一個(gè)實(shí)施例中，所述獲取醫(yī)院的電子病歷集合包括：

獲取三甲醫(yī)院的初始電子病歷集合；

對(duì)所述初始電子病歷集合進(jìn)行個(gè)人字段信息隱藏或脫敏處理，得到電子病歷集合，所述個(gè)人字段信息包括姓名、職業(yè)、工作單位、電話以及住址。

在其中一個(gè)實(shí)施例中，所述從所述電子病歷集合中篩選與當(dāng)前電子病歷相似的電子病歷，得到相似電子病歷集合包括：

根據(jù)特征字段，從所述電子病歷集合中篩選與當(dāng)前電子病歷相似的電子病歷，得到相似電子病歷集合，所述特征字段包括年齡字段、癥狀字段以及疾病名稱字段。

在其中一個(gè)實(shí)施例中，所述根據(jù)特征字段，從所述電子病歷集合中篩選與當(dāng)前電子病歷相似的電子病歷，得到相似電子病歷集合包括：

根據(jù)特征字段對(duì)所述電子病歷集合采用自然語言處理方法處理，并根據(jù)預(yù)設(shè)醫(yī)學(xué)癥狀知識(shí)圖譜，得到所述電子病歷集合中電子病歷的特征向量；

對(duì)所述當(dāng)前電子病歷進(jìn)行語義分析，抽取癥狀字段，得到所述當(dāng)前電子病歷對(duì)應(yīng)特征字段的特征向量；

匹配所述電子病歷集合中電子病歷的特征向量與所述當(dāng)前電子病歷的特征向量，得到相似電子病歷集合。