[发明专利]从电子病历中提取出ICD编码的方法及系统

说明书

本发明公开了一种从电子病历中提取出ICD编码的方法及系统，该从电子病历中提取出ICD编码的方法包括：基于深度学习序列标注的算法以及预设规则对电子病历中的医疗实体进行抽取，其中，所述医疗实体包括疾病诊断结果数据、检查数据、手术数据中的一个或多个；基于最小编辑距离算法确定出所述医疗实体所对应的ICD编码。本发明的从电子病历中提取出ICD编码的方法及系统能够快速提取出用于出院结算的ICD编码，帮助病人快速完成出院结算。

技术领域

本发明是关于数据处理技术领域，特别是关于一种从电子病历中提取出ICD编码的方法及系统。

背景技术

ICD-9为手术用编码，ICD-10为疾病用编码。当前，国家为规范医疗行业电子病历，要求病历首页以ICD9和ICD10编码的方式反应病人在治疗过程中做过哪些检查，哪些手术并记录诊断结果。同时医保局将通过首页的编码记录进行报销。所以准确地提取病历中的诊断数据，检查数据以及手术数据（以下简称医疗实体）并对应到正确的ICD编码就变得尤为重要。

目前大部医疗机构以人工的方式手工填写编码，工作人员需从几十页甚至上百页的电子病历中查找医疗实体，由于医生编写电子病历时的医疗实体并不完全符合编码对应的描述，可能会有错误，简写等情况，工作人员需要较高的知识储备才可进行一一对应。同时每天有大量病人出院结算，人工从电子病历中获取ICD编码的方式存在高技术门槛，工作量大以及大量重复工作等缺点。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种从电子病历中提取出ICD编码的方法及系统，其能够快速提取出用于出院结算的ICD编码。

为实现上述目的，本发明提供了一种从电子病历中提取出ICD编码的方法，其包括：基于深度学习序列标注的算法以及预设规则对电子病历中的医疗实体进行抽取，其中，所述医疗实体包括疾病诊断结果数据、检查数据、手术数据中的一个或多个；基于最小编辑距离算法确定出所述医疗实体所对应的ICD编码。

在本发明的一实施方式中，所述基于深度学习序列标注的算法以及预设规则对电子病历中的医疗实体进行抽取包括：将所述电子病历中的病历小结的诊断结果中的逗号或分号后的数据作为医疗实体进行抽取；基于深度学习序列标注的算法从所述电子病历的其余数据中抽取医疗实体。

在本发明的一实施方式中，所述基于深度学习序列标注的算法以及预设规则对电子病历中的医疗实体进行抽取包括：若基于所述深度学习序列标注的算法得到的所述电子病历中的医疗实体前存在否定词，则对该医疗实体不作抽取。

在本发明的一实施方式中，所述基于深度学习序列标注的算法以及预设规则对电子病历中的医疗实体进行抽取包括：在通过深度学习序列标注的算法对医疗实体进行抽取时，在标注数据时对所述电子病历的病史段出现的医疗实体作区别标注，对区别标注的医疗实体不作抽取。

在本发明的一实施方式中，所述基于深度学习序列标注的算法以及预设规则对电子病历中的医疗实体进行抽取包括：若基于所述深度学习序列标注的算法得到的所述电子病历中的医疗实体为病史段的数据，则对该病史段的医疗实体不作抽取。

在本发明的一实施方式中，所述基于最小编辑距离算法确定出所述医疗实体所对应的ICD编码包括：对抽取的每个医疗实体，基于最小编辑距离算法分别求取所述每个医疗实体与ICD编码之间的相似度，若某个医疗实体与某个ICD编码之间的相似度达到预设阈值，则将所述某个医疗实体的数值归一化为所述某个ICD编码。