[发明专利]一种基于机器学习的超声随访患者筛选方法

说明书

本发明提供了一种基于机器学习的超声随访患者筛选方法。由于深度学习技术的快速发展，利用自然语言处理技术和深度学习技术成为了分析医疗文本的重要手段，是替代人工筛查文本的有效途径。本发明通过JIEBA分词工具对文本内容进行分词，并采用TF‑IDF方法和Word2Vec算法分别构建词向量，进一步利用卡方检验方法对特征向量进行选择。分类模型选择XGBoost、Lightgbm和CNN对特征数据进行训练建模，实现了对超声检查随访列表的自动筛选。

技术领域

本发明涉及一种基于电子健康档案的超声随访患者筛选方法，属于超声随访的知识发现领域。

背景技术

近年来随着超声技术的飞速发展，超声技术在临床诊断中的应用也越来越广泛，成为大多数医院的标准配置之一，且超声检查不会使患者暴露于电离辐射之下，免受辐射诱发癌症的风险干扰。超声诊断的准确性取决于两个方面：一是医生是否能够通过超声探头采到清晰的足以支撑临床诊断的图像；二是超声医生是否给出正确的诊断描述。因为诊断结果的准确性影响到疾病的诊断和治疗，所以各国的医疗机构都在努力提升超声诊断水平。

在中国，医院内部为保证超声诊断水平，超声部门往往通过随访方式对超声检查结果进行回顾性调查。中国医师协会超声医师分会发布的三级医院超声质量控制指南指出，各三级医院应对超声检查后的患者及其资料进行有选择的、定期或不定期的随访，超声随访以诊断性资料和定期随访为主，以下诊断及预后资料须考虑随访：①病理检查的结论；②手术治疗的发现；③重要的实验室检查结果；④其他医学影像检查(如CT、磁共振、核素或心血管造影等)的结果；⑤科研项目涉及的资料；⑥其他需要收集随访的资料。超声随访资料应定期进行统计分析，以病理或手术等作为参照，计算超声检查的病变定位诊断符合率和物理性质诊断符合率。合格的超声科室，超声定位诊断符合率及物理性质诊断符合率均应达到95％以上。对于误诊或漏诊的病例，应及时分析原因。

超声随访的首要环节是找出需要随访的重点患者，即那些做过超声检查，后续又对相同部位做过手术或影像检查或病理检查的病人。以往，获取随访病人列表需要安排专门人员翻看病人的大量归档病历，寻找超声病人后续所做过的所有影像报告和病理报告，排除大量非相关的报告内容。因此传统的随访病人筛查方式工作量大，效率低，而且准确性往往依赖工作人员的能力水平和病史归档的周期。

随着IT技术的进步，医院电子病历系统包含越来越丰富的患者信息，电子病历包括医嘱、检验报告、影像报告、超声报告、病理报告、手术记录和各类病程录等内容，但是大多数报告仍采用非结构化的文本格式，涉及到超声检查部位的描述存在于大段的自由文本中。

发明内容

本发明要解决的技术问题是：传统的随访病人筛查方式工作量大，效率低，而且准确性往往依赖工作人员的能力水平和病史归档的周期。

为了解决上述技术问题，本发明的技术方案是提供了一种基于机器学习的超声随访患者筛选方法，其特征在于，包括以下步骤：

步骤1、采集患者就诊记录数据，患者就诊记录数据包括病理报告数据、影像报告数据和超声报告数据以及与患者相对应的患者唯一标识，依据采集的不同患者的患者就诊记录数据构建基础信息数据仓库。

步骤2、按照患者唯一标识，将基础信息数据仓库中的所有患者就诊记录数据与患者进行关联，构建与每个患者相关联的超声患者信息表；

步骤3、针对步骤2得到的超声患者信息表中的样本的不均衡问题，采用过采样的方式对数据进行处理，进而达到正负样本量平衡；然后根据随访信息，将超声患者信息表中的样本划分为随访样本和非随访样本，并分别用不同的值对其标记；最后从总体中进行抽样，然后进行合并，获得训练样本；

步骤4、对训练样本中的病理报告和超声报告进行分词处理，并筛除一些无关分词结果；

步骤5、以TF-IDF和Word2Vec两种方法分别将文本分词结果转换为特征向量矩阵来描述文档；