[發明專利]一種基于循環神經網絡的診療項目預測方法

在審

• 申請號: 202011007493.3
• 申請日: 2020-09-23
• 公開（公告）號: CN114255865A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 趙奎;閆玉芳;曹吉龍;馬慧敏;魏景峰;張帥康;高天;董莉穎
• 申請（專利權）人: 中國科學院沈陽計算技術研究所有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06N3/04;G06N3/08
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 王倩

本發明涉及一種基于循環神經網絡的診療項目預測方法，包括：將清洗后的診療記錄按照特定的時間間隔轉化成診療記錄序列；將每一個診療記錄轉化成獨熱碼并用向量表示，并將每一條診療記錄的最后一個時間間隔的診療記錄作為預測目標，將其作為該條記錄的標簽，得到已標注的診療記錄數據；挖掘規范的診療模式，并訓練循環神經網絡預測模型。在基于當前的診療序列預測后續的診療項目時，首先計算當前診療序列與規范診療模式的相似度，若規范則輸入到預測模型中得到最終的預測結果。本發明彌補傳統方法在數據特征處理方面的缺陷，提高了訓練速度以及模型的準確率，而且在預測前先判斷當前診療過程的規范性，達到了規范診療的目標，使預測結果更加合理。

技術領域

本發明屬于醫學輔助診療領域，具體說是一種基于循環神經網絡的診療項目預測方法。

背景技術

臨床路徑是指基于循證醫學，針對某一疾病構建的標準化、程序化診療計劃。臨床路徑的核心可歸結為“在正確的時間進行正確的診療項目”，其通常將疾病的診療過程可以劃分為若干個階段，每個階段都有所需的診療項目。采用這種規范化的診療過程，能夠有效提升治療效果、降低醫療費用、規范醫療行為。因此，對每一階段診療項目進行預測是臨床路徑個性化規劃的一項重要任務。

傳統的臨床路徑主要通過醫療專家制定，制定出來的臨床路徑通常在很長一段時間內不再更新，由于疾病在治療過程中的動態演變性以及不同醫院之間實時方案的差異，導致人工制定的臨床路徑變異率極高，難以滿足不同醫院和病人的個性化需求。

隨著人工智能技術的發展，醫院開始借助機器來輔助醫生進行每一階段診療項目的決策。然而，現有的技術存在著以下不足：(1)部分方法基于決策樹、邏輯回歸、支持向量機等傳統機器學習算法，這些算法依賴于數據特征的選取，但是醫療數據存在著數據量大、不完整度高、來源多樣以及非結構化的特點，傳統的由人工參與的特征提取方式在面對大量的復雜的醫療數據時，效率低且容易遺漏重要的信息，從而降低了預測結果的準確性；(2)部分方法只是基于過去的診療項目預測后續的診療項目，未考慮過去每一個階段的診療項目是否符合規范的臨床路徑；(3)部分方法未考慮到病人住院過程的醫療數據具有半時序性的特征，患者住院期間，發生在同一時間間隔的診療記錄不區分發生的先后順序，但是不同時間間隔的診療記錄之間具有時序性。

發明內容

為了提高后續診療項目預測的準確性，滿足臨床路徑個性化規劃的需求，本發明提供一種基于循環神經網絡的診療項目預測方法，其能充分的捕獲復雜的臨床數據的特征，并且在預測后續的診療項目之前先判斷過去診療項目是否符合規范的臨床路徑，提高了診療項目預測結果的準確率，增強了預測結果的合理性。

本發明為實現上述目的所采用的技術方案是：

一種基于循環神經網絡的診療項目預測方法，包括以下步驟：

獲取診療記錄數據，并對診療記錄數據進行清洗；

將清洗后的診療記錄數據轉換成向量形式的診療記錄時間序列，并將該序列分為訓練集、驗證集和測試集；

使用聚類算法，對診療記錄時間序列進行處理，得到規范診療模式序列；

使用診療記錄時間序列構建診療項目預測模型；

計算待檢測診療記錄時間序列與規范診療模式序列的相似度，若相似度大于閾值，則將待檢測診療記錄時間序列輸入診療項目預測模型，得到最后一個時間間隔內診療項目發生的概率，否則，不對該待檢測診療記錄時間序列進行處理。

所述診療記錄數據包括：診斷結果、醫囑、用藥情況、檢查項目。

所述對診療記錄數據進行清洗具體為：

刪除與預測任務無關的字段，采用設定的標準值填充或者刪除的方式處理診療記錄數據中的缺失值和噪聲。

所述將清洗后的診療記錄數據轉換成向量形式的診療記錄時間序列，包括以下步驟：