一种多中心知识图谱联合决策支持方法与系统技术方案

本发明专利技术公开了一种多中心知识图谱联合决策支持方法与系统，利用医学知识图谱技术和区块链技术，通过本地知识图谱和链上同步图谱相结合的方式，实现临床数据的本地语义推理和链上结果汇总，从而在原始医疗数据不出医院的情况下，依靠知识图谱技术综合患者碎片化的跨机构医疗数据，基于演绎推理和循证医学，给出包含完整患者临床证据的、可解释的临床决策支持。本发明专利技术将患者身份信息进行匿名化比对，保证数据在院外环节和匹配环节的完全加密，将三元组节点结构信息进行编码映射和非对称加密，保证数据在传输过程中的安全以及只有有权限的参与中心可以解密数据，有效保证了多中心联合推理过程中的数据安全和隐私保障。合推理过程中的数据安全和隐私保障。合推理过程中的数据安全和隐私保障。

【技术实现步骤摘要】
一种多中心知识图谱联合决策支持方法与系统


[0001]本专利技术涉及医学知识图谱
，尤其涉及一种多中心知识图谱联合决策支持方法与系统。

技术介绍

[0002]临床实践中，许多患者会在多家医院或社区医院就诊；研究显示，20%
‑
40%的患者于1年内会在平均2家不同的医院就诊。患者的跨机构就诊会造成医疗数据的碎片化、孤立化，造成单家医院内的患者病历记录不完整、不充分；患者医疗数据不全面容易引发临床医生做出不准确的临床决策，造成诊断不及时、治疗不恰当和重复医疗等行为，严重威胁医疗服务质量，增加群众医疗负担。现有研究发现，医疗数据不完整会对44%的患者造成负面影响，其中59.5%的患者因此发生诊疗不及时和重复诊疗行为；尤其是针对需要长期监测、长期管理的慢性疾病，医疗数据碎片化更容易导致对患者慢性疾病诊断和管理的不及时，影响疾病的知晓率、治疗率。然而医疗数据敏感性强，整合利用多中心碎片化的患者临床数据过程中，必须考虑到数据安全和隐私保护问题。因此，需要研究多中心碎片化电子病历数据的联合分析与决策支持技术，在保障数据隐私和安全的前提下，综合患者在多家医院的诊疗记录，全面分析患者的病情病史、治疗方法、过敏禁忌等信息，辅助临床医生对患者做出全面、准确、及时的临床决策，避免重复医疗，有效提升医疗服务质量水平。
[0003]现有的多中心医疗数据应用的主要技术方案是通过分布式学习的方式，利用多中心碎片化临床数据进行模型建模，从而实现风险预测、疾病诊断等临床决策支持功能。通过在多家医院内使用相同的医学数据格式标准，在统一的数据结构下分发临床队列构建标准和机器学习算法；各医院内部参照下发的队列构建标准，在相同的数据结构上建立本地的研究队列，并使用相同的机器学习算法进行本地训练；最终在原始数据不出医院的情况下，将训练结果汇总，形成临床决策模型。根据训练模型对医院本地数据进行分析，从而实现决策支持功能。
[0004]现有的利用多中心碎片化医疗数据进行决策支持的技术存在以下问题：（1）现有技术只在模型训练阶段应用多中心的医疗数据，训练完成的模型在临床实际应用中依然只能应用单家医院的患者数据进行分析，其决策支持结果仍然缺乏其他医院的医疗数据作为辅助，生成的临床决策在全面性和可靠性上依然存在问题。（2）基于分布式机器学习构建的决策支持模型，其结果主要以置信权重的形式体现，不能给出基于循证医学的演绎式决策支持结果，难以系统化、全面化的展示决策支持相关的患者疾病风险因素和临床证据，容易造成医生接受度低。（3）基于循证医学的演绎式语义推理技术，其分布式算法主要用于分布式数据搜索和提升三元组推理速度为主；针对碎片化患者数据分析和应用的临床场景，缺少数据安全和隐私保护支持，无法在不汇总多中心原始数据的情况下进行语义推理，在医疗数据安全性上依然存在问题。

技术实现思路

[0005]本专利技术目的在于针对现有技术的不足，提出一种多中心知识图谱联合决策支持方法与系统，利用医学知识图谱技术和区块链技术，通过本地知识图谱和链上同步图谱相结合的方式，实现临床数据的本地语义推理和链上结果汇总，从而在原始医疗数据不出医院的情况下，依靠知识图谱技术综合患者碎片化的跨机构医疗数据，基于演绎推理和循证医学，给出包含完整患者临床证据的、可解释的临床决策支持。本专利技术利用面向电子病历的知识图谱，有效适配多家医院异构化的电子病历数据结构和术语体系，可以实现决策支持系统在多家医院的本地化部署和应用，解决了多中心医疗系统异构性难题；本专利技术通过本地图谱对医疗数据进行语义推理，将推理生成的与原始数据相分离的临床发现通过非对称加密进行区块链同步，利用哈希加密实现患者身份匹配，从而确保整个决策支持过程中原始数据不出医院、不发生数据暴露，解决了多中心数据应用的数据隐私保护问题；本专利技术通过本地图谱和链上图谱相结合的方式，有效汇总同一患者在多家医院的临床发现，从而在推理过程中有效利用患者多中心全覆盖的医疗数据，生成可靠的临床决策支持，解决了现有系统只能利用单家医院数据进行分析的问题。
[0006]本专利技术的目的是通过以下技术方案来实现的：一种多中心知识图谱联合决策支持方法，该方法包括如下步骤：（1）通过医学文献以及医学标准术语集构建本地知识图谱；将临床数据构建为“患者
‑
就诊
‑
诊疗”的语义三元组，并同本地知识图谱中的医学知识进行关联；（2）基于步骤（1）构建的本地知识图谱和语义三元组，根据临床决策支持的推理需求，通过语义推理方法，推理出患者临床发现信息，生成推理中间结果；根据本地知识图谱的语义结构，基于患者匹配信息、患者就诊的时间窗信息和推理获得的临床发现信息，构建用于区块链同步的链上子图，链上子图隔绝其他患者原始医疗信息；（3）将患者匹配信息进行加密，生成匿名化患者身份哈希值；将语义三元组中的语义结构信息和临床发现信息通过编码表映射的方式进行信息去明示化；之后进行三元组文件加密；（4）基于步骤（3）中加密后的三元组文件，构建由区块数据组、三元组数据组和通讯数据组三部分组成的区块链同步数据结构，在多中心进行点对点的数据传输；（5）各中心根据区块链同步获得的链上子图中的三元组信息，比对本地患者身份哈希值与链上子图中的患者身份哈希值，根据身份哈希值的相似度得到患者匹配结果；（6）各中心根据患者匹配结果，获取链上子图中的匹配患者的推理中间结果，基于本地患者信息和推理中间结果，结合本地知识图谱，通过语义推理生成决策支持结果。
[0007]进一步地，步骤（1）中，医学标准术语集采用OMOP术语库；本地知识图谱基于医生经验和医学文献构建临床决策支持推理规则库，规则中的节点元素符合知识图谱医学知识结构和OMOP术语编码体系。
[0008]进一步地，步骤（1）中，临床数据的语义三元组采用“患者
‑
就诊
‑
诊疗”的三级临床数据语义模型，将每位患者的电子病历数据，按照临床数据语义模型进行本体节点建模和数值信息录入。
[0009]进一步地，步骤（2）中，根据患者就诊记录的所属临床发现类，基于临床决策支持推理规则库获得对应的语义推理规则，对于本地知识图谱，使用推理机基于语义三元组和
语义推理规则获得语义推理结果。
[0010]进一步地，步骤（2）中，针对所有患者实例、就诊实例和临床发现实例，基于本地知识图谱生成链上同步所需的相应虚拟实例，其中虚拟患者实例同时注入患者的唯一身份信息和非唯一身份信息，虚拟就诊实例包含就诊起始日期和就诊终止日期构成的时间窗信息，虚拟临床发现实例包含临床发现确认的时间、临床发现所属的类别和临床发现的阳性阴性结果。
[0011]进一步地，步骤（3）中，所述患者匹配信息包括患者的唯一身份信息和非唯一身份信息；所述唯一身份信息为患者的身份证ID和医保ID，采用SHA
‑
256哈希算法进行加密，生成唯一身份标识哈希值；所述非唯一身份信息为姓名、性别、生日、住址和工作地址，采用SimHash算法进行加密，生成非唯一身份标识哈希值。
[0012]进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多中心知识图谱联合决策支持方法，其特征在于，该方法包括如下步骤：（1）通过医学文献以及医学标准术语集构建本地知识图谱；将临床数据构建为“患者
‑
就诊
‑
诊疗”的语义三元组，并同本地知识图谱中的医学知识进行关联；（2）基于步骤（1）构建的本地知识图谱和语义三元组，根据临床决策支持的推理需求，通过语义推理方法，推理出患者临床发现信息，生成推理中间结果；根据本地知识图谱的语义结构，基于患者匹配信息、患者就诊的时间窗信息和推理获得的临床发现信息，构建用于区块链同步的链上子图，链上子图隔绝其他患者原始医疗信息；（3）将患者匹配信息进行加密，生成匿名化患者身份哈希值；将语义三元组中的语义结构信息和临床发现信息通过编码表映射的方式进行信息去明示化；之后进行三元组文件加密；（4）基于步骤（3）中加密后的三元组文件，构建由区块数据组、三元组数据组和通讯数据组三部分组成的区块链同步数据结构，在多中心进行点对点的数据传输；（5）各中心根据区块链同步获得的链上子图中的三元组信息，比对本地患者身份哈希值与链上子图中的患者身份哈希值，根据身份哈希值的相似度得到患者匹配结果；（6）各中心根据患者匹配结果，获取链上子图中的匹配患者的推理中间结果，基于本地患者信息和推理中间结果，结合本地知识图谱，通过语义推理生成决策支持结果。2.根据权利要求1所述的一种多中心知识图谱联合决策支持方法，其特征在于，步骤（1）中，医学标准术语集采用OMOP术语库；本地知识图谱基于医生经验和医学文献构建临床决策支持推理规则库，规则中的节点元素符合知识图谱医学知识结构和OMOP术语编码体系。3.根据权利要求1所述的一种多中心知识图谱联合决策支持方法，其特征在于，步骤（1）中，临床数据的语义三元组采用“患者
‑
就诊
‑
诊疗”的三级临床数据语义模型，将每位患者的电子病历数据，按照临床数据语义模型进行本体节点建模和数值信息录入。4.根据权利要求2所述的一种多中心知识图谱联合决策支持方法，其特征在于，步骤（2）中，根据患者就诊记录的所属临床发现类，基于临床决策支持推理规则库获得对应的语义推理规则，对于本地知识图谱，使用推理机基于语义三元组和语义推理规则获得语义推理结果。5.根据权利要求1所述的一种多中心知识图谱联合决策支持方法，其特征在于，步骤（2）中，针对所有患者实例、就诊实例和临床发现实例，基于本地知识图谱生成链上同步所需的相应虚拟实例，其中虚拟患者实例同时注入患者的唯一身份信息和非唯一身份信息，虚拟就诊实例包含就诊起始日期和就诊终止日期构成的时间窗信息，虚拟临床发现实例包含临床发现确认的时间、临床发现所属的类别和临床发现的阳性阴性结果。6.根据权利要求1所述的一种多中心知识图谱联合决策支持方法，其特征在于，步骤（3）中，所述患者匹配信息包括患者的唯一身份信息和非唯一身份信息；所述唯一身份信息为患者的...

【专利技术属性】
技术研发人员：李劲松，尚勇，田雨，周天舒，
申请(专利权)人：浙江大学，
类型：发明
国别省市：