住院临床场景的预估方法、系统、计算机设备及存储介质技术方案

本发明专利技术属于病情评估技术领域，具体涉及一种住院临床场景的预估方法、系统、计算机设备及存储介质。本发明专利技术的设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤，包括：（1）数据清洗：提取患者的住院健康数据；（2）患者画像：根据住院健康数据构建特征；（3）临床场景的预估：将特征工程后得到的特征输入通过有监督的机器学习得到的预估模型，计算后得到用药方案、治疗方案或临床风险中的至少一种。本发明专利技术还提供用于住院临床场景的预估的系统。采用本发明专利技术的技术方案能够及时对住院患者的临床风险信息给出提示，提高管床医生的工作效率。具有很好的应用前景。

【技术实现步骤摘要】
住院临床场景的预估方法、系统、计算机设备及存储介质
本专利技术属于病情评估
，具体涉及一种住院临床场景的预估方法、系统、计算机设备及存储介质。
技术介绍
住院患者的管理是医院诊疗的重要组成部分。实际临床实践中，住院患者通常由某一个专科医生（管床医生）处理。但是，住院患者相对门诊和社区患者，具有病情相对复杂、病情变化更快的特点。对住院患者，合理的诊疗方案有赖于临床医生对住院患者病情（临床场景）的精准预估和多学科的合作。因而，对于住院患者，需要预估的情况非常复杂，往往超出了管床医生的专业范围。这种临床场景的预估包括对患者潜在发生的不良事件的预估（帮助临床医生预先处理）和拟接受某一治疗的预估（帮助其他学科团队协助诊治）。因此，在传统医疗运行模式中，需要引入大量多学科团队（MDT）和科间会诊帮助解决超出管床医生专业范围的医疗处理。然而，由于管床医生的知识经验、决策状态和工作时间的限制，有时可能出现不能及时发现潜在临床风险的情况，从而造成严重临床后果。与此同时，不同的临床场景判断需要占据管床医生大量的时间精力，同时也高度取决于其临床知识和经验（临床场景的敏感性），造成了临床实践的低效性。医院信息系统的出现，为解决上述问题提供了一种思路。中国专利技术专利申请“CN201910876793.6一种住院患者静脉血栓栓塞症防治医护交互系统”提供了一种住院患者静脉血栓栓塞症防治医护交互系统，有效收集住院患者VTE相关风险指标，评分后按标准预估VTE风险，给出预防建议并提呈医师做出进一步医嘱。然而，该专利申请的技术方案仅针对静脉血栓栓塞症（VTE）风险进行预估，其给出预估结论的依据来源于《抗栓治疗及预防血栓形成指南》，是一种基于规则的分类方法。这种方法的缺点是难以推广到其他疾病或具有其他潜在风险的住院患者的管理中。此外，上述交互系统中不存在时间变量，因而无法对住院患者某一天的风险进行具体的预估。此外，目前也出现了一些基于数据驱动预测患者风险的系统。中国专利技术专利申请“CN202010738142.3基于深度学习的手术并发症预测及规避辅助决策系统”提供了一种预测及规避辅助决策系统，其收集患者体格检查及化验相关数据、收集患者影像学相关数据、患者的历史病例和/或家族史病例的相关数据利用人工智能模块中的风险评估模块和智能决策模块对医生医护操作的风险进行评估。然而，该申请中的方案主要针对手术并发症的风险进行预测，因此其采集的数据并不能对各类具有不同临床场景的住院患者进行准确的风险预测。且该系统采集的数据同样缺少时间信息，导致其不能对住院患者某一天的风险进行具体的预估。综上所述，现有的医院信息系统仍然无法帮助管床医生跨学科、高效地对住院患者的临床场景进行预估。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种住院临床场景的预估方法、系统、计算机设备及存储介质，其目的在于：提供一种能够对住院患者的临床场景进行实时预估的系统，利用该系统，管床医生能够获得患者住院过程中某一天的临床场景预估信息，从而克服由于管床医生跨学科、经验不足、精力不足和主观失误等原因造成的未能及时发现临床风险的问题，提高管床医生的工作效率。一种住院临床场景的预估方法，其特征在于，包括以下步骤：步骤1，数据清洗：确定获取患者住院健康数据的时域delta_days，所述时域delta_days的范围为自患者住院首日至预估需求日；确定获取患者标签的时域label_days，所述时域label_days的范围为预估需求日后的至少一日；提取所述时域delta_days内患者的住院健康数据；步骤2，患者画像：根据步骤1得到的住院健康数据构建特征，并对特征进行特征工程；步骤3，临床场景的预估：将步骤2特征工程后得到的特征输入通过有监督的机器学习得到的预估模型，计算后得到时域label_days内标签的预估结果，所述标签为用药方案、治疗方案或临床风险中的至少一种。优选的，步骤1中，所述住院健康数据通过将所述患者的电子病历进行数据结构化后得到，所述住院健康数据具有时间信息，所述住院健康数据包括入院诊断数据、住院检验数据、住院诊断数据、指定药物数据和医嘱数据。优选的，所述时域label_days的范围为预估需求日后的两日。优选的，步骤2中，用于构建特征的住院健康数据通过如下方式选取：步骤a，将所述住院健康数据按照时间顺序排序；步骤b，取最早的1次住院健康数据和最晚的1-2次住院健康数据，用于构建特征。优选的，步骤2中，所述构建特征的方法包括如下步骤：步骤A，选取用于构建特征的所述住院健康数据，构成特征向量；步骤B，加入新的字段，对所述特征向量的维度进行扩展，用于扩展维度的字段包括患者基本信息、所述时域delta_days内的住院检验次数或所述时域delta_days内的住院诊断次数；优选的，所述患者基本信息包括年龄、性别和入院科室中的至少一种。优选的，步骤2中，所述特征工程的方法包括如下步骤：步骤Ⅰ，将将步骤2得到的特征与步骤1得到的标签组成集合；步骤Ⅱ，样本均衡：采用上采样策略增加步骤Ⅰ中得到的集合中的少数类样本；步骤Ⅲ，数据维归约：利用主成分分析算法对步骤Ⅱ处理后的集合中的特征进行转换，降低特征的维数，即得训练集。优选的，所述模型为随机森林分类模型、逻辑回归模型、朴素贝叶斯模型、决策树模型、支持向量机模型或梯度提升树模型中的一种，优选为随机森林分类模型。优选的，所述模型的构建方法包括如下步骤：步骤3.1，数据清洗：采集训练样本，获取训练样本的住院健康数据的时域delta_days和时域label_days；提取所述时域delta_days内训练样本的住院健康数据和时域label_days内训练样本的标签；步骤3.2，患者画像：根据步骤3.1得到的住院健康数据构建特征，并对特征进行特征工程；步骤3.3，构成训练集：将步骤3.2得到的特征与步骤3.1得到的标签构成模型的训练集；步骤3.4，模型训练：利用步骤3.3得到的训练集进行有监督的机器学习，得到用于住院临床场景的模型。优选的，步骤3.1中，将所述预估需求日作为滑动变量，从起始位置到终止位置递归选取住院健康数据和标签，所述起始位置为训练样本住院首日后两日，所述终止位置为训练样本出院前两日。优选的，所述患者为糖尿病患者。本专利技术还提供一种计算机可读存储介质，其上存储有用于实现上述方法的计算机程序。一种计算机设备，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述住院临床场景的预估方法。本专利技术还提供一种用于住院临床场景的预估系统，包括：上述计算机设备和服务器，所述服务器存储有患者的住院健康数据。本专利技术中，“临床场景”是指由医生依据医学知识定义的一类患者的状况，其特点在于：1、患者在住院治疗前没有这样的病情、状况、用药需求或治疗需求；2、患者在住院本文档来自技高网...

【技术保护点】
1.一种住院临床场景的预估方法，其特征在于，包括以下步骤：/n步骤1，数据清洗：确定获取患者住院健康数据的时域delta_days，所述时域delta_days的范围为自患者住院首日至预估需求日；确定获取患者标签的时域label_days，所述时域label_days的范围为预估需求日后的至少一日；提取所述时域delta_days内患者的住院健康数据；/n步骤2，患者画像：根据步骤1得到的住院健康数据构建特征，并对特征进行特征工程；/n步骤3，临床场景的预估：将步骤2特征工程后得到的特征输入通过有监督的机器学习得到的预估模型，计算后得到时域label_days内标签的预估结果，所述标签为用药方案、治疗方案或临床风险中的至少一种。/n

【技术特征摘要】
1.一种住院临床场景的预估方法，其特征在于，包括以下步骤：
步骤1，数据清洗：确定获取患者住院健康数据的时域delta_days，所述时域delta_days的范围为自患者住院首日至预估需求日；确定获取患者标签的时域label_days，所述时域label_days的范围为预估需求日后的至少一日；提取所述时域delta_days内患者的住院健康数据；
步骤2，患者画像：根据步骤1得到的住院健康数据构建特征，并对特征进行特征工程；
步骤3，临床场景的预估：将步骤2特征工程后得到的特征输入通过有监督的机器学习得到的预估模型，计算后得到时域label_days内标签的预估结果，所述标签为用药方案、治疗方案或临床风险中的至少一种。


2.按照权利要求1所述的住院临床场景的预估方法，其特征在于：步骤1中，所述住院健康数据通过将所述患者的电子病历进行数据结构化后得到，所述住院健康数据具有时间信息，所述住院健康数据包括入院诊断数据、住院检验数据、住院诊断数据、指定药物数据和医嘱数据。


3.按照权利要求1所述的住院临床场景的预估方法，其特征在于：步骤2中，用于构建特征的住院健康数据通过如下方式选取：
步骤a，将所述住院健康数据按照时间顺序排序；
步骤b，取最早的1次住院健康数据和最晚的1-2次住院健康数据，用于构建特征；
步骤2中，所述构建特征的方法包括如下步骤：
步骤A，选取用于构建特征的所述住院健康数据，构成特征向量；
步骤B，加入新的字段，对所述特征向量的维度进行扩展，用于扩展维度的字段包括患者基本信息、所述时域delta_days内的住院检验次数或所述时域delta_days内的住院诊断次数；所述患者基本信息包括年龄、性别和入院科室中的至少一种。


4.按照权利要求1所述的住院临床场景的预估方法，其特征在于：步骤2中，所述特征工程的方法包括如下步骤：
步骤Ⅰ，将步骤2得到的特征与步骤1得到的标签组成集合；
步骤Ⅱ，样...

【专利技术属性】
技术研发人员：李舍予，温序铭，张睿，刘进，周祎灵，张明明，陈向阳，陈玉成，张伟，
申请(专利权)人：四川大学华西医院，成都索贝健康科技有限公司，
类型：发明
国别省市：四川;51