[發明專利]一種用于臨床研究文獻元素編碼方法及其在糖尿病視網膜病變中的應用

在審

• 申請號: 202310620389.9
• 申請日: 2023-05-29
• 公開（公告）號: CN116644719A
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 吳輝群;唐潔;李善鴻
• 申請（專利權）人: 南通大學
• 主分類號: G06F40/126
• 分類號: G06F40/126;G06F40/279;G06F40/289;G06F16/28;G16H50/20;G16H50/70;G06N3/0464;G06N3/0442;G06N3/08
• 代理公司: 北京科家知識產權代理事務所(普通合伙) 11427
• 代理人: 曹振中

本申請公開了一種用于臨床研究文獻元素編碼方法及其在糖尿病視網膜病變中的應用。該方法包括：構建臨床證據關鍵元素的本體；對臨床證據文獻進行提取與標注；基于圖卷積神經網絡的多個關鍵元素，訓練并生成關鍵元素的實體識別與關系模型；對臨床證據實體的進行標準化編碼；對臨床證據實體進行提取與編碼；結構化臨床證據的存儲與利用。本申請先基于臨床證據關鍵元素構建本體，再基于構建的本體對臨床證據進行自動標注和識別，并對臨床證據實體和其中的規則進行標準化編碼使其結構化，最后將該方法應用于DR，建立有關DR的臨床證據查詢平臺和實現有關DR的計算機自主推理決策。

技術領域

本申請屬于循證醫學證據系統開發與利用技術領域，具體涉及一種用于臨床研究文獻元素編碼方法及其在糖尿病視網膜病變中的應用。

背景技術

臨床證據研究文獻元素的自動識別對于醫學研究和臨床實踐具有重要意義。根據循證醫學的定義，臨床研究中描述的人群(population,P)、干預(intervention,I)、對照(comparison,C)和結局(outcome,O)的“P，I，C，O”分別代表研究中的一個元素：其中人群表示需要研究的對象人群或代表與研究對象相關的問題。干預措施指對研究人群采用的治療干預措施或與觀察指標。比較組代表對照組和將給予治療措施或觀察的指標。結局則是代表與結局指標和相關的問題。通過對臨床證據關鍵元素的識別和提取可以提高醫學研究的效率：通過自動識別臨床證據關鍵元素，可以將大量的臨床證據轉化為可操作的數據集，從而加快醫學研究的速度和效率。提高臨床實踐的質量：通過自動識別臨床證據關鍵元素，可以幫助醫生更快地發現和解決臨床問題，提高臨床實踐的質量和效率。推動醫學技術的發展：通過自動識別臨床證據關鍵元素，可以推動醫學技術的發展，如醫學影像技術、生物信息技術等。提高醫學研究的可靠性：通過自動識別臨床證據關鍵元素，可以提高醫學研究的可靠性和準確性，從而為醫學研究提供更可靠的數據支持。總之，臨床證據關鍵元素的自動識別對于醫學研究和臨床實踐都具有重要意義，可以加快研究速度和提高實踐質量，同時也可以推動醫學技術的發展和醫學實踐的進步。PICO框架是臨床證據的關鍵元素，專門用于幫助將證據需求分解為可搜索的關鍵字并制定可回答的研究問題。然而，由于使用PICO對技術技能和醫學領域知識的高要求，需要搜索證據的從業者和大眾可能會發現將其納入他們繁忙的臨床工作流程非常耗時，或者難以學習。自動提取生物醫學文獻中的PICO語句目的是以促進臨床醫生和公眾進行證據檢索、評估和綜合。

自然語言處理(NLP)尤其有望幫助我們實現這一目標。以前的工作探索了使用NLP技術來識別生物醫學文本中的PICO元素。在過去十年中，主要的解決方案已經從基于知識發展到基于統計，例如支持向量機(SVM)和條件隨機領域(CRF)在實踐中，也缺乏模塊化的基礎NLP工具來支持不同方面的證據合成和EBM，例如用于命名實體識別(NER)的工具，來識別文獻中的PICO元素及其屬性以進行索引、用于解析和構建自由文本文獻的研究設計和結果的信息提取(IE)系統，以及基于PICO框架的信息檢索(IR)工具，來支持有效的文獻檢索。隨著神經網絡和深度學習的快速發展，最近最先進的NLP系統已經使用神經模型開發，包括一些用于生物醫學領域的系統。對于命名實體識別(NER)任務，biLSTM-CRF實現了最佳性能。并且移動學習越來越受到關注，以解決對訓練神經網絡的大數據的高需求。最近一個包含5000個RCT摘要的語料庫發表了，帶有病人、干預、結局的多級注釋，使EBM研究能開發新的NLP應用程序。

發明內容

本申請提供一種用于臨床研究文獻元素編碼方法及其在糖尿病視網膜病變(diabetic?retinopathy,DR)中的應用，以解決上述的技術問題。

為解決上述技術問題，本申請采用的一個技術方案是：一種用于臨床研究文獻元素編碼方法，包括：

步驟S1.基于PICO原則、證據來源以及決策建議，構建臨床證據關鍵元素的本體；

步驟S2.基于關鍵元素的本體，對臨床證據文獻進行提取與標注；