[發明專利]臨床醫療知識圖譜的構建方法、裝置、設備及存儲介質

有效

• 申請號: 202010615467.2
• 申請日: 2020-06-30
• 公開（公告）號: CN111767410B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 宋文鴻
• 申請（專利權）人: 深圳平安智慧醫健科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G16H10/60;G06F40/295;G06N3/0442;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 劉挽瀾

本發明涉及大數據技術領域，應用于智慧醫療領域中，揭露了一種臨床醫療知識圖譜的構建方法、裝置、設備及存儲介質，用于提高臨床知識圖譜的準確度。臨床醫療知識圖譜的構建方法包括：對電子病歷文本信息命名實體識別，得到醫療實體信息、醫療實體分句信息和醫療實體屬性信息；根據醫療實體信息、醫療實體分句信息、醫療實體屬性信息生成目標三元組信息和目標實體屬性鍵值對信息；根據目標三元組信息和目標實體屬性鍵值對信息生成并抽樣審核待審核的臨床醫療知識圖譜；當審核結果小于預置閾值時，優化待審核的臨床醫療知識圖譜，得到全科臨床醫療知識圖譜。本發明還涉及區塊鏈技術，全科臨床醫療知識圖譜可存儲于區塊鏈節點中。

技術領域

本發明涉及大數據技術的知識圖譜繪制領域，尤其涉及一種臨床醫療知識圖譜的構建方法、裝置、設備及存儲介質。

背景技術

在醫療信息化高速發展、人工智能技術在醫療行業大規模應用的時代，醫療行業的各種信息系統中積累了龐大的數據，既包括結構化信息，例如，各種醫療系統中的數據庫中保存的就診、檢查或者檢驗信息。也包括非結構化信息，例如，各種病歷文書歸檔的文本信息。隨著人工智能的大量應用，為確保人工智能相關應用的精確度和可信度，需要大量的結構化的醫療知識來做好底層支撐，目前能最好提供這種知識支撐的就是知識圖譜，醫療知識圖譜的覆蓋率和精確度可以直接決定了人工智能應用發展。

在現有的技術中，構建知識圖譜的過程，就是將積累的大量復雜信息轉化成有用知識的一個過程。對結構化信息只需通過一些簡單映射或者轉化手段，就能自動化形成知識圖譜，但是針對非結構化的電子病歷文本信息，這些來源于疾病治療過程中的診斷數據，對臨床醫療具有重要的指導作用，若僅采用簡單映射或者轉化方式提取知識圖譜，很難充分利用非結構化的電子病歷文本信息，而且存在缺乏海量數據的實踐檢驗，也會導致構建的全科臨床醫療知識圖譜準確度低、覆蓋范圍有限的問題。

發明內容

本發明的主要目的在于解決現有的構建知識圖譜方式缺乏海量數據的實踐檢驗，存在全科臨床醫療知識圖譜準確度低和覆蓋范圍有限的問題。

為實現上述目的，本發明第一方面提供了一種臨床醫療知識圖譜的構建方法，包括：獲取目標科室對應的電子病歷文本信息，并通過已訓練的深度學習模型對所述對應的電子病歷文本信息進行命名實體識別，得到醫療實體信息、醫療實體分句信息和醫療實體屬性信息；將所述醫療實體信息和所述醫療實體分句信息按照預設三元組規則添加實體之間的關系，得到目標三元組信息；采用所述醫療實體信息對所述醫療實體屬性信息添加實體屬性關系，得到目標實體屬性鍵值對信息；將所述目標三元組信息和所述目標實體屬性鍵值對信息導入到Neo4j圖數據庫中，得到待審核的臨床醫療知識圖譜；按照所述目標科室對所述待審核的臨床醫療知識圖譜進行抽樣審核，得到審核結果；當所述審核結果小于預置閾值時，迭代優化所述待審核的臨床醫療知識圖譜，得到已優化的臨床醫療知識圖譜，并對所述已優化的臨床醫療知識圖譜進行重復抽樣審核，當檢測到重復抽樣審核通過時，基于所述已優化的臨床醫療知識圖譜生成全科臨床醫療知識圖譜。

可選的，在本發明第一方面的第一種實現方式中，所述獲取目標科室對應的電子病歷文本信息，并通過已訓練的深度學習模型對所述對應的電子病歷文本信息進行命名實體識別，得到醫療實體信息、醫療實體分句信息和醫療實體屬性信息，包括：獲取目標科室對應的科室標識，所述目標科室用于指示待診斷患者掛號的科室；按照所述對應的科室標識查詢預設電子病歷文檔庫，得到目標科室對應的電子病歷文本信息，所述預設電子病歷文檔庫用于存儲多個單科科室的電子病歷文本；通過已訓練的深度學習模型對所述對應的電子病歷文本信息進行命名實體識別，得到醫療實體信息和醫療實體分句信息，并將所述醫療實體信息和所述醫療實體分句信息保存到電子病歷結構化實體信息表中，所述已訓練的深度學習模型為BILSTM_CRF模型；按照預設實體屬性提取規則從所述醫療實體信息和所述醫療實體分句信息中提取醫療實體屬性信息，并將所述醫療實體屬性信息保存到電子病歷實體屬性表中。