[发明专利]基于深度学习和知识图谱的临床路径自动生成方法及系统

说明书

本发明提供了一种基于深度学习和知识图谱的临床路径自动生成方法及系统。其中，该方法包括将患者特征信息分别输入第一深度学习模型和第二深度学习模型，对应推荐出第一临床路径和第二临床路径；将第一临床路径和第二临床路径中包含的所有医嘱取交集，将交集中的医嘱根据类别划分并形成医疗操作医嘱推荐集合和药品医嘱推荐集合；将医疗操作医嘱推荐集合与医疗操作别名集合取交集，得到第一交集；将药品医嘱推荐集合与药品商品名称集合取交集，得到第二交集；对第一交集和第二交集中的每条医嘱，通过第二临床路径获得其执行时间，得到第一交集和第二交集对应临床路径每天/每阶段的医嘱分配。

技术领域

本发明属于临床数据处理领域，尤其涉及一种基于深度学习和知识图谱的临床路径自动生成方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

目前生成临床路径的方法有两种，一种是直接使用国家标准的各类疾病临床路径，另一种是使用传统机器学习的方法简单分析医生已有的诊疗方案制定各类疾病的临床路径。

发明人发现，按照国家规范统一制定的临床路径没有结合各个医院、科室、医生、患者的实际情况，无法满足患者多种多样的情况，导致临床路径不能满足实际治疗的需要，因此难以在实际临床工作中发挥作用。基于传统机器学习方法制定的临床路径，由于其分析的范围不够广，模型复杂度不足，其生成的临床路径不够准确，无法满足医生临床使用的要求。

发明内容

为了解决上述问题，本发明提供一种基于深度学习和知识图谱的临床路径自动生成方法及系统，其基于深度学习和知识图谱，基于规范化治疗数据，智能推荐适合该类患者的临床路径，能够提高制定的临床路径的准确率。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于深度学习和知识图谱的临床路径自动生成方法。

在一个或多个实施例中，基于深度学习和知识图谱的临床路径自动生成方法，包括：

将患者特征信息分别输入第一深度学习模型和第二深度学习模型，对应推荐出第一临床路径和第二临床路径；其中第一临床路径仅包含医嘱，第二临床路径包含医嘱及其执行时间；

将第一临床路径和第二临床路径中包含的所有医嘱取交集，将交集中的医嘱根据类别划分并形成医疗操作医嘱推荐集合和药品医嘱推荐集合；

将医疗操作医嘱推荐集合与医疗操作别名集合取交集，得到第一交集；将药品医嘱推荐集合与药品商品名称集合取交集，得到第二交集；其中，医疗操作别名集合和药品商品名称集合是基于知识图谱及患者特征信息中患者疾病诊断名称所对应的标准临床路径寻找到的；

对第一交集和第二交集中的每条医嘱，通过第二临床路径获得其执行时间，得到第一交集和第二交集对应临床路径每天/每阶段的医嘱分配。

本发明的第二个方面提供一种基于深度学习和知识图谱的临床路径自动生成系统。

在一个或多个实施例中，基于深度学习和知识图谱的临床路径自动生成系统，包括：

临床路径推荐模块，其用于将患者特征信息分别输入第一深度学习模型和第二深度学习模型，对应推荐出第一临床路径和第二临床路径；其中第一临床路径仅包含医嘱，第二临床路径包含医嘱及其执行时间；

第一取交模块，其用于将第一临床路径和第二临床路径中包含的所有医嘱取交集，将交集中的医嘱根据类别划分并形成医疗操作医嘱推荐集合和药品医嘱推荐集合；

第二取交模块，其用于将医疗操作医嘱推荐集合与医疗操作别名集合取交集，得到第一交集；将药品医嘱推荐集合与药品商品名称集合取交集，得到第二交集；其中，医疗操作别名集合和药品商品名称集合是基于知识图谱及患者特征信息中患者疾病诊断名称所对应的标准临床路径寻找到的；