[發(fā)明專利]一種數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法

在審

• 申請?zhí)枺?/td>: 202110859239.4
• 申請日: 2021-07-28
• 公開（公告）號: CN113628705A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計）人: 韋嘉;葉翔赟
• 申請（專利權(quán)）人: 上?；w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(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42272
• 代理人: 陳文森

本發(fā)明涉及一種數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法，包括以下步驟：S1、對收集的核心詞匯庫進行有效擴充，構(gòu)建一個全面的跨領(lǐng)域的詞匯庫；S2、利用詞匯庫去電子病歷中提取包含時間?醫(yī)學(xué)事件?描述這個三元組的結(jié)構(gòu)化信息。該方法采用數(shù)據(jù)驅(qū)動的富集模式擴充了用于自動識別的詞匯庫，使其在相關(guān)醫(yī)學(xué)術(shù)語的識別上顯著優(yōu)于同時期最流行的監(jiān)督學(xué)習(xí)模型，同時，采用用歸一化谷歌距離(NGD)為特征的支持向量機(SVM)作為匹配模型，在事件及其相應(yīng)描述的關(guān)聯(lián)上，它同樣比其它可行的方案都要優(yōu)越，此外，幾乎不需手動注釋，易實現(xiàn)規(guī)?；崛?，且在處理大量數(shù)據(jù)面對增加的變異和噪音時，也有很好的穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明涉及電子病歷信息提取技術(shù)領(lǐng)域，特別涉及一種數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法。

背景技術(shù)

電子病歷(Electronic Medical Records,EMRs)中記錄著許多有用信息，比如，關(guān)于疾病的描述、檢查結(jié)果、具體的治療方案和療效等，這些信息將有助于醫(yī)學(xué)專家們更清楚得地了解疾病的發(fā)展進程，從而找到更有效的治療方法或者發(fā)掘某些醫(yī)學(xué)需求的不足，然后從非結(jié)構(gòu)化的電子病歷文本中自動提取這些有用信息是相當(dāng)錯綜復(fù)雜的過程，電子病歷中的描述都是醫(yī)師在對病人診療過程中記錄下來的，因此具有簡潔和個性化的特點，盡管病歷記錄有相應(yīng)的實用書寫標(biāo)準(zhǔn)，但由于醫(yī)師們書寫習(xí)慣或者先驗知識的不同，記錄的形式也會顯著不同有時甚至可能發(fā)生錯誤記錄。

此外，中文相對英文在語言復(fù)雜性上是顯著增加的，而中國的醫(yī)師們還經(jīng)歷過傳統(tǒng)中醫(yī)(TCM)的訓(xùn)練，書寫習(xí)慣甚至可能更接近古文，想從中文電子病歷中有效地提取信息，將面臨更大的挑戰(zhàn)，因此，現(xiàn)有的用于從新聞或者一般文學(xué)作品中提取信息的常用方法都不適用于從中文電子病歷中提取信息，用大量經(jīng)人工注釋的中文電子病歷去訓(xùn)練一個新的模型用來識別的確是一個可行的辦法，但是這需要具有專業(yè)知識的人員花大量的時間去注釋才能實現(xiàn)，顯然是不易操作和推廣的，故提出一種數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)中存在的技術(shù)問題，提供一種數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法，該數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法可自動從非結(jié)構(gòu)化的電子病歷中識別有用信息并且將這些自由文本轉(zhuǎn)換為包含時間-事件-描述三元組的結(jié)構(gòu)化文本。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種數(shù)據(jù)驅(qū)動的從電子病歷中提取信息的方法，包括以下步驟：

S1、對收集的核心詞匯庫進行有效擴充，構(gòu)建一個全面的跨領(lǐng)域的詞匯庫；

S2、利用詞匯庫去電子病歷中提取包含時間-醫(yī)學(xué)事件-描述這個三元組的結(jié)構(gòu)化信息。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還做了如下改進。

進一步，構(gòu)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(yī)學(xué)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。

進一步，對核心詞匯庫進行擴充的方法包括識別模式迭代法、動態(tài)術(shù)語組合法和方向型或者擴展型前綴法。

進一步，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(jiān)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(dāng)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(dāng)前詞匯庫中；

2)用這些詞匯構(gòu)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(huán)直到?jīng)]有新詞匯被鑒別到為止。

進一步，所述動態(tài)術(shù)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(jīng)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。