本申请公开了一种临床辅助决策方法、装置、设备及介质，该方法包括：基于获取的指南数据，构建非互斥决策树，非互斥决策树包括叶子节点和非叶子节点；依次对每个叶子节点进行编号，将编号相同的叶子节点组合的处理对象确定为目标对象；基于非互斥决策树对目标对象进行用药频繁集挖掘处理，确定用药处方；基于用药处方对目标对象进行预后分析，得到预后效果；根据预后效果，对待分析对象进行临床辅助决策。该方案能够从全局角度对全人群进行划分，得到更贴近实际的目标对象分类结果，提高了目标对象的组内患者用药结局可比性，使得用药推荐的证据更可靠，进而从全局角度对全人群患者给出对应的临床用药辅助建议。给出对应的临床用药辅助建议。给出对应的临床用药辅助建议。
【技术实现步骤摘要】
临床辅助决策方法、装置、设备及介质
[0001]本专利技术一般涉及计算机辅助医疗
，具体涉及一种临床辅助决策方法、装置、设备及介质。
技术介绍
[0002]随着医疗技术和信息处理技术的不断发展，临床决策支持系统(ClinicalDecisionSupportSystem，简称CDSS)作为一种融合了临床知识、辅助医生做出关于诊断、治疗、预后等决策的系统工具，已经广泛得应用在医疗领域中，其能够为医生提供诊断、处方等决策支持。在医疗领域中使用的例如医疗记录等数据正在被数字化的过程中，医学研究的系统化和累计的信息的数量快速增长，这些数据能够服务于CDSS的决策中，为临床决策提供数据支持。
[0003]目前，相关技术中的CDSS是基于临床指南构建决策树，并基于决策树和电子医疗记录等数据确定预后信息，从而辅助医生做出适合患者的用药决策。然而，在临床实践过程中，临床指南无法完全覆盖全部患者的情况，且大量的临床指南仅是根据某一种特定的情况针对某种特定的药物给出建议，并未从全局对全人群进行划分，无法实现全人群的分群并给出对应的治疗建议。
技术实现思路
[0004]鉴于现有技术中的上述缺陷或不足，期望提供一种临床辅助决策方法、装置、设备及介质。
[0005]第一方面，本申请实施例提供了一种临床辅助决策方法，该方法包括：
[0006]基于获取的指南数据，构建非互斥决策树，所述非互斥决策树包括叶子节点和非叶子节点，所述叶子节点用于表征对处理对象的分组结果，所述非叶子节点用于表征对所述处理对象进行分组的决策条件；
[0007]依次对每个所述叶子节点进行编号，将编号相同的叶子节点组合的处理对象确定为目标对象；
[0008]基于所述非互斥决策树对所述目标对象进行用药频繁集挖掘处理，确定用药处方；
[0009]基于所述用药处方对所述目标对象进行预后分析，得到预后效果；
[0010]根据所述预后效果，对待分析对象进行临床辅助决策。
[0011]在其中一个实施例中，基于所述非互斥决策树对所述目标对象进行用药频繁集挖掘，确定用药处方，包括：
[0012]确定所述非互斥决策树中按照所述处理对象的治疗目的划分的各分支；
[0013]分别对于每个所述分支中的目标对象的用药处方进行频繁集挖掘处理，确定每个所述分支对应的子频繁用药处方；
[0014]对各个所述子频繁用药处方进行排列组合处理，得到用药处方。
[0015]在其中一个实施例中，基于所述用药处方对所述目标对象进行预后分析，得到预后效果，包括：
[0016]确定每个所述分支对应的子频繁用药处方的数量；
[0017]对于每个所述分支，将所述目标对象按照所述数量进行分组，得到各个子分组；
[0018]分别对所述各个子分组的目标对象对应的用药处方进行预后分析，得到每个子分组对应的预后效果。
[0019]在其中一个实施例中，分别对所述各个子分组的目标对象对应的用药处方进行预后分析，得到每个子分组对应的预后效果，包括：
[0020]采用预设算法对所述用药处方进行矫正，以确定每个子分组对应的预后效果。
[0021]在其中一个实施例中，采用预设算法对所述用药处方进行矫正，包括：
[0022]获取除所述用户处方外的其他所有变量和所述用户处方对应的预后结局；
[0023]基于所述其他所有变量对所述用户处方进行回归分析，查找对所述用户处方的判断具有显著性的显著变量；
[0024]基于所述显著变量和所述用户处方，对所述预后结局进行回归分析，判断所述用户处方对所述预后结局的影响以对所述用药处方进行矫正。
[0025]在其中一个实施例中，基于所述预后效果，对待分析对象进行临床辅助决策，包括：
[0026]获取待分析对象的诊疗信息；
[0027]根据所述诊疗信息对所述待分析对象进行分组，确定所述待分析对象在所述非互斥决策树中的叶子节点和子分组，所述子分组为编号相同的叶子节点组合得到的；
[0028]基于每个子分组对应的预后效果，对所述待分析对象进行药物推荐。
[0029]在其中一个实施例中，基于每个子分组对应的预后效果，对所述待分析对象进行药物推荐，包括：
[0030]将所述各个子分组对应的预后效果进行比对分析，确定预后效果最优的子分组；
[0031]推荐所述预后效果最优的子分组对应的用药处方至所述待分析对象。
[0032]第二方面，本申请提供了一种临床辅助决策装置，该装置包括：
[0033]决策树构建模块，用于基于获取的指南数据，构建非互斥决策树，所述非互斥决策树包括叶子节点和非叶子节点，所述叶子节点用于表征处理对象的分组结果，所述非叶子节点用于表征对所述处理对象进行分组的决策条件；
[0034]目标对象确定模块，用于依次对每个所述叶子节点进行编号，将编号相同的叶子节点组合的处理对象确定为目标对象；
[0035]处方确定模块，用于基于所述非互斥决策树对所述目标对象进行用药频繁集挖掘处理，确定用药处方；
[0036]预后分析模块，用于基于所述用药处方对所述目标对象进行预后分析，得到预后效果；
[0037]辅助决策模块，用于根据所述预后效果，对待分析对象进行临床辅助决策。
[0038]第三方面，本申请实施例提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现如上述第一方面的临床辅助决策方法。
[0039]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序用于实现如上第一方面的临床辅助决策方法。
[0040]本申请实施例中提供的临床辅助决策方法、装置、设备及存储介质，通过基于获取的指南数据，构建非互斥决策树，该非互斥决策树包括叶子节点和非叶子节点，叶子节点用于表征对处理对象的分类结果，非叶子节点用于表征对处理对象进行分组的决策条件，依次对每个叶子节点进行编号，将编号相同的叶子节点组合的处理对象确定为目标对象，并基于非互斥决策树对目标对象进行用药频繁集挖掘处理，确定用药处方，然后基于用药处方对目标对象进行预后分析，得到预后效果，根据预后效果，对待分析对象进行临床辅助决策。该技术方案通过构建非互斥决策树，能够从全局角度对全人群进行划分，得到更贴近实际的目标对象分类结果，提高了目标对象的组内患者用药结局可比性，使得用药推荐的证据更可靠，进而从全局角度对全人群患者给出对应的临床用药辅助建议。
附图说明
[0041]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0042]图1为本申请实施例提供的临床辅助决策系统的结构示意图；
[0043]图2为本申请实施例提供的临床辅助决策方法的流程示意图；
[0044]图3为本申请实施例提供的非互斥决策树的结构示意图；
[0045]图4为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种临床辅助决策方法，其特征在于，包括：基于获取的指南数据，构建非互斥决策树，所述非互斥决策树包括叶子节点和非叶子节点，所述叶子节点用于表征对处理对象的分组结果，所述非叶子节点用于表征对所述处理对象进行分组的决策条件；依次对每个所述叶子节点进行编号，将编号相同的叶子节点组合的处理对象确定为目标对象；基于所述非互斥决策树对所述目标对象进行用药频繁集挖掘处理，确定用药处方；基于所述用药处方对所述目标对象进行预后分析，得到预后效果；根据所述预后效果，对待分析对象进行临床辅助决策。2.根据权利要求1所述的方法，其特征在于，基于所述非互斥决策树对所述目标对象进行用药频繁集挖掘，确定用药处方，包括：确定所述非互斥决策树中按照所述处理对象的治疗目的划分的各分支；分别对于每个所述分支中的目标对象的用药处方进行频繁集挖掘处理，确定每个所述分支对应的子频繁用药处方；对各个所述子频繁用药处方进行排列组合处理，得到用药处方。3.根据权利要求2所述的方法，其特征在于，基于所述用药处方对所述目标对象进行预后分析，得到预后效果，包括：确定每个所述分支对应的子频繁用药处方的数量；对于每个所述分支，将所述目标对象按照所述数量进行分组，得到各个子分组；分别对所述各个子分组的目标对象对应的用药处方进行预后分析，得到每个子分组对应的预后效果。4.根据权利要求3所述的方法，其特征在于，分别对所述各个子分组的目标对象对应的用药处方进行预后分析，得到每个子分组对应的预后效果，包括：采用预设算法对所述用药处方进行矫正，以确定每个子分组对应的预后效果。5.根据权利要求4所述的方法，其特征在于，采用预设算法对所述用药处方进行矫正，包括：获取除所述用户处方外的其他所有变量和所述用户处方对应的预后结局；基于所述其他所有变量对所述用户处方进行回归分析，查找对所述用户处方的判断具有显著性的显著变量；基于所述显著变量和所述用户处方，对所述预后...
【专利技术属性】
技术研发人员：何昆仑，白永怿，
申请(专利权)人：中国人民解放军总医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。