[发明专利]医疗数据的处理方法及装置、存储介质、电子设备

说明书

本公开是关于一种医疗数据的处理方法及装置、存储介质、电子设备，涉及医疗文本识别技术领域，该方法包括：获取待识别医疗文本，并利用训练完成的隐马尔可夫模型对所述待识别医疗文本进行分词处理，得到第一分词结果；其中，所述待识别医疗文本中包括特定药品；基于预设的不良反应词表提取所述第一分词结果中由所述特定药品引起的候选不良反应，并基于所述特定药品以及所述候选不良反应生成初始组合；基于预设的分类模型对所述初始组合进行分类处理，得到目标组合；根据所述特定药品以及由所述特定药品引起的目标不良反应，生成所述特定药品的不良反应用例。本公开提高了不良反应用例的生成效率。

技术领域

本公开实施例涉及医疗文本识别技术领域，具体而言，涉及一种医疗数据的处理方法、医疗数据的处理装置、计算机可读存储介质以及电子设备。

背景技术

现有的药物不良反应的信息采集，是通过服用该药物的患者通过主动或者被动告知医护人员，然后医护人员对该不良反应的信息进行录入，进而得到最终的不良反应用例。

但是，由于需要采用采用人工的方式，进而使得不良反应用例的生成效率较低。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种医疗数据的处理方法、医疗数据的处理装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的不良反应用例的生成效率较低的问题。

根据本公开的一个方面，提供一种医疗数据的处理方法，包括：

获取待识别医疗文本，并利用训练完成的隐马尔可夫模型对所述待识别医疗文本进行分词处理，得到第一分词结果；其中，所述待识别医疗文本中包括特定药品；

基于预设的不良反应词表提取所述第一分词结果中由所述特定药品引起的候选不良反应，并基于所述特定药品以及所述候选不良反应生成初始组合；

基于预设的分类模型对所述初始组合进行分类处理，得到目标组合；其中，所述目标组合中包括所述特定药品以及由所述特定药品引起的目标不良反应；

根据所述特定药品以及由所述特定药品引起的目标不良反应，生成所述特定药品的不良反应用例。

在本公开的一种示例性实施例中，获取待识别医疗文本，包括：

从医疗信息平台中获取原始医疗数据；其中，所述原始医疗数据包括日常对话信息、医患问答信息、患者日常生理指标信息以及患者身体状况信息中的多种；

从所述原始医疗数据中筛选出具有所述特定药品的待识别医疗文本。

在本公开的一种示例性实施例中，利用训练完成的隐马尔可夫模型对所述待识别医疗文本进行分词处理，得到第一分词结果，包括：

根据训练完成的隐马尔可夫模型，计算所述待识别医疗文本所具有的第一初始状态概率矩阵、第一发射概率矩阵以及第一状态转移概率矩阵；

根据所述第一初始状态概率矩阵、第一发射概率矩阵、第一状态转移概率矩阵、所述训练完成的隐马尔可夫模型的维特比算法以及根据所述待识别医疗文本生成的第一观测序列，计算所述第一分词结果。

在本公开的一种示例性实施例中，基于预设的分类模型对所述初始组合进行分类处理，得到目标组合，包括：

基于预设的支持向量机对所述初始组合进行分类处理，并根据分类结果确定所述初始组合是否为有效组合；

在确定所述分类结果为有效组合时，判断所述有效组合中的候选不良反应是否为正向不良反应；