[發明專利]一種數據驅動的從電子病歷中提取信息的方法

在審

• 申請號: 202110859239.4
• 申請日: 2021-07-28
• 公開（公告）號: CN113628705A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 韋嘉;葉翔赟
• 申請（專利權）人: 上海基緒康生物科技有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F16/332;G06F16/35;G06F16/36
• 代理公司: 武漢智新達知識產權代理事務所(特殊普通合伙) 42272
• 代理人: 陳文森

1.一種數據驅動的從電子病歷中提取信息的方法，其特征在于，包括以下步驟：

S1、對收集的核心詞匯庫進行有效擴充，構建一個全面的跨領域的詞匯庫；

S2、利用詞匯庫去電子病歷中提取包含時間-醫學事件-描述這個三元組的結構化信息。

2.根據權利要求1所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，構建的詞匯庫由核心詞匯庫及其擴充部分組成，其包含六種類型的醫學事件：疾病、癥狀、藥物、身體部位名稱、療程信息以及臨床檢測信息。

3.根據權利要求2所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，對核心詞匯庫進行擴充的方法包括識別模式迭代法、動態術語組合法和方向型或者擴展型前綴法。

4.根據權利要求3所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，所述識別模式迭代法包括以下步驟：

1)從核心詞匯庫開始，在每一次的非監督迭代過程中，首先對整個電子病歷主體進行掃描并鑒別出當前詞匯庫中還未被識別或者未包含被的詞匯，然后選出其中比較可信的添加到當前詞匯庫中；

2)用這些詞匯構建一系列候選的新識別模式，最后再從中篩選出較為可靠的模式用于下一次迭代中新詞匯的搜索，如此循環直到沒有新詞匯被鑒別到為止。

5.根據權利要求4所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，所述動態術語組合法識別的不是一個個單獨的詞匯，而是詞匯的組合，組合中每個獨立的詞匯可能都已經被包含在核心詞匯庫里了，但是它們組合后的詞匯組往往沒有被核心詞匯庫收錄，這樣的詞匯組很多都以身體的某個部位作為前綴。

6.根據權利要求5所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，所述方向型或者擴展型前綴法為對于詞匯庫中的一個已知術語，如果它前面三個字符是方向性或者擴展性的詞匯，則將這個新的組合也添加到詞匯庫中并以該已知術語作為其標簽。

7.根據權利要求6所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，利用詞匯庫去電子病歷中提取結構化的三元組信息中，信息提取的過程為如下步驟：

1)首先用一種醫學事件標記算法和一系列時間識別規則從電子病歷文本中鑒別出醫學術語和時間詞匯；

2)剩下的文本則被視為關于這些醫學術語的候選描述，首先按照如下規則將其中明顯不屬于醫學事件描述的句子去掉：

A、如果句子中包含著前面提到的非醫學事件的術語，比如“非惡寒”等；

B、如果句子中包含病歷中的一些常見用語，比如“入院”、“出院”、“住院”、“就診”和“治療”等；

3)然后建立所有可能的“時間-醫學事件-描述”三元組，再用一種二元的支持向量機(SVM)模型將這些三元組分類為真或假組合，標記為真的組合就應該是某時間節點發生的醫學事件在病歷中的實際描述，反之，該三元組中的描述并非該事件的描述。

8.根據權利要求7所述的一種數據驅動的從電子病歷中提取信息的方法，其特征在于，所述醫學事件標記算法為對于輸入的每一個句子，先標記這個句子中所有可能的代表某醫學事件的短語，從最長到最短，然后用一個布爾陣列去記錄那些這些被標記的短語，對每一個被標記的短語，首先看它的第一個和最后一個字符是否被標記了，如果它們中沒有一個被標記，那么這個短語不需要被記錄，于是布爾返回值為假，因為它的一部分或者全部很可能被包含在一個更長短語中，否則，檢查該短語是否為詞匯庫中的收錄，如果是，布爾返回值為真即要將它加入到被識別的醫學事件里表中，同時將表示否定或者將來行動的詞或者短語作為前綴的醫學事件從識別列表中去除。