临床辅助决策高危自动预警方法、系统、设备和介质技术方案

本申请提供了一种临床辅助决策高危自动预警方法、系统、设备和介质，通过采集医疗数据；将采集到的非结构化的医疗数据经过自然语言处理模块转化为结构化的医疗数据；将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值；当任意一病种的危急值超过预警值时进行预警提醒。本申请大大缩短了医疗知识落地的时间，避免了由于医生水平参差不齐、工作马虎等原因产生的医疗差错问题。

【技术实现步骤摘要】
临床辅助决策高危自动预警方法、系统、设备和介质
本专利技术涉及数据处理
，特别是涉及一种临床辅助决策高危自动预警方法、系统、设备和介质。
技术介绍
一个药物的一个治疗方法，从开始被发现到最终被验证往往需要几十年的时间，其中研发时间就需要10-15年的时间，花费至少10亿美元。以β受体阻滞剂这款药物为例，它于1962年问世，但是在26年后的1988年才被科学实验室严谨的证明该药物对心绞痛的治疗是有效的，直到2005年COMMIT实验证明它可以降低AMI(心肌梗塞)，这期间又是经过了17年。从它问世到写进教科书，使得全世界都可以在指南里知道一款名叫β受体阻滞剂的药物可以降低心肌梗塞的概率共经历了43年纪将近半个世纪之多，本应该它可以在这40多年的时间里可以造福更多的心肌梗塞的病人。虽然β受体阻滞剂这款药物早在1962就已经问世，直到2001年，只有55.11％的患者被使用了它。在2006年已经在这款药物写进医学教科书和指南的1年后，使用率稍微有些提高，理论上写进教科书和指南，全世界的医生都已经知道，患者得了这个病应该使用β受体阻滞剂才对，可事实上并不是，仍有许多医生并不知道。再到2011年，使用率有所下降，可能是因为患者有某些特殊因素不适用这款药物，即使是这样，那么在2005年之后的5年时间里，教科书和指南应该普及到更多的医生了，使用率还是下降了，证明这5年时间原来不知道β受体阻滞剂可以降低心肌梗塞发生概率的那些医生还是不知道已经有这样的药物可以使用，可见这样的一个医学知识落地有多慢。在《中国中西部城市医院急性心肌梗死住院患者2001、2006、2011年β受体阻滞剂早期使用变化趋势》一文中作者指出AMI(急性心肌梗死)住院患者早期β受体阻滞剂的使用率无明显提高，仍有改善空间。如何优化β受体阻滞剂在AMI患者中的应用，缩小临床实践与循证医学证据和指南推荐之间的差距，改善患者预后，仍是一项巨大挑战。医疗差错导致的患者死亡，是临床医护人员心知肚明但又不想说出的秘密。即便如此，近些年越来越多的人意识到了它的存在及重要性，并做了大量的相关研究。最近MartinMakary和MichaelDanie估算了医疗差错对美国每年死亡数值的影响，结果触目惊心：源于医疗差错的死亡竟然名列“探花”，每年导致约25万余人的死亡！他们呼吁更加全面地报告医疗差错，以得到更加真实可信的统计数，以便为进一步的科研及预防提供坚实的指导依据。医疗过程是一个极其复杂的、需要多科系、广大医务人员共同协作完成的过程，其中任何一个环节出现问题都可能引发医疗差错。另一方面个别医护人员的个人素质差，工作马虎，医疗水平不高也是导致医疗差错的原因。
技术实现思路
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种临床辅助决策高危自动预警方法、系统、设备和介质，以解决现有技术中存在的至少一个问题。为实现上述目的及其他相关目的，本申请提供一种临床辅助决策高危自动预警方法，所述方法包括：采集医疗数据；将采集到的非结构化的医疗数据经过自然语言处理模块转化为结构化的医疗数据；将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值；当任意一病种的危急值超过预警值时进行预警提醒。于本申请的一实施例中，所述采集医疗数据包括：当所采集的医疗数据的患者有家族史时，同时采集患者家属的医疗数据。于本申请的一实施例中，所述医疗数据包括：医生工作站系统的患者诊疗信息、电子病例系统的历次病例、护士工作站系统的患者诊疗信息、实验室系统的检测数据、影像系统的检查数据、本次诊疗数据、历史诊疗数据、及病史数据中任意一种或多种组合。于本申请的一实施例中，所述医生工作站系统的患者诊疗信息包括：收缩压、心率、体重指数、是否吸烟、病史、家族史中任意一种或多种组合；所述电子病例系统的历次病例包括：入院时间、出院时间、性别、年龄、及主要诊断中任意一种或多种组合；所述护士工作站系统的患者诊疗信息包括：患者三测单和/或医嘱执行情况；所述实验室系统的检测数据，包括：红细胞计数、平均血红蛋白、甘油三酯、及高密度脂蛋白中任意一种或多种组合；所述影像系统的检查数据包括：检查仪器、检查方法、检查部位、检查所见、及检查描述中任意一种或多种组合。于本申请的一实施例中，所述预警方式包括：医生工作站系统、电子病例系统、护士工作站系统、实验室系统、及影像系统中任意一或多个的数据弹框提醒或短信通知。于本申请的一实施例中，所述将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值包括以下任意一种或多种组合：将结构化后的医疗数据经过不同病种的量表模型多维度打分得出各病种的危机值；根据医生问诊情况及医生手动勾选问诊数据，通过多病种量表多维度打分得出各病种危机值；将结构化后的医疗数据通过AI机器学习得到的模型进行计算个病种打分得出各病种危机值。为实现上述目的及其他相关目的，本申请提供一种临床辅助决策高危自动预警系统，所述系统包括：采集模块，用于采集医疗数据；处理模块，用于将采集到的非结构化的医疗数据经过自然语言处理模块转化为结构化的医疗数据；将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值；当任意一病种的危急值超过预警值时进行预警提醒。为实现上述目的及其他相关目的，本申请提供一种计算机设备，所述设备包括：存储器、及处理器；所述存储器用于存储计算机指令；所述处理器运行计算机指令实现如上所述的方法。为实现上述目的及其他相关目的，本申请提供一种计算机可读存储介质，存储有计算机指令，所述计算机指令被运行时执行如上所述的方法。综上所述，本申请提供的一种临床辅助决策高危自动预警方法、系统、设备和介质，通过采集医疗数据；将采集到的非结构化的医疗数据经过自然语言处理模块转化为结构化的医疗数据；将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值；当任意一病种的危急值超过预警值时进行预警提醒。具有以下有益效果：本申请大大缩短了医疗知识落地的时间，避免了由于医生水平参差不齐、工作马虎等原因产生的医疗差错问题。附图说明图1显示为本申请于一实施例中临床辅助决策高危自动预警方法的流程示意图。图2显示为本申请于一实施例中临床辅助决策高危自动预警系统的模块示意图。图3显示为本申请于一实施例中计算机设备的结构示意图。具体实施方式以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，虽然图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，但其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型本文档来自技高网...

【技术保护点】
1.一种临床辅助决策高危自动预警方法，其特征在于，所述方法包括：/n采集医疗数据；/n将采集到的非结构化的医疗数据经过自然语言处理模块转化为结构化的医疗数据；/n将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值；其中，当任意一病种的危急值超过预警值时进行预警提醒。/n

【技术特征摘要】
1.一种临床辅助决策高危自动预警方法，其特征在于，所述方法包括：
采集医疗数据；
将采集到的非结构化的医疗数据经过自然语言处理模块转化为结构化的医疗数据；
将结构化后的医疗数据经过不同病种的进行打分得出各病种的危机值；其中，当任意一病种的危急值超过预警值时进行预警提醒。


2.根据权利要求1所述的方法，其特征在于，所述采集医疗数据包括：
当所采集的医疗数据的患者有家族史时，同时采集患者家属的医疗数据。


3.根据权利要求1所述的方法，其特征在于，所述医疗数据包括：医生工作站系统的患者诊疗信息、电子病例系统的历次病例、护士工作站系统的患者诊疗信息、实验室系统的检测数据、影像系统的检查数据、本次诊疗数据、历史诊疗数据、及病史数据中任意一种或多种组合。


4.根据权利要求3所述的方法，其特征在于，
所述医生工作站系统的患者诊疗信息包括：收缩压、心率、体重指数、是否吸烟、病史、家族史中任意一种或多种组合；
所述电子病例系统的历次病例包括：入院时间、出院时间、性别、年龄、及主要诊断中任意一种或多种组合；
所述护士工作站系统的患者诊疗信息包括：患者三测单和/或医嘱执行情况；
所述实验室系统的检测数据包括：红细胞计数、平均血红蛋白、甘油三酯、及高密度脂蛋白中任意一种或多种组合；
所述影像系统的检查数据包括：检查仪器、检查方法、检查部位、检查所见、及检查描述中任意一...

【专利技术属性】
技术研发人员：杨文龙，吴晓铭，郭罗军，
申请(专利权)人：福建中榕数据科技有限公司，
类型：发明
国别省市：福建;35