一种基于病案的实时智能辅助ICD编码方法及系统技术方案

本发明专利技术公开了一种基于病案的实时智能辅助ICD编码方法及系统，包括以下步骤：步骤S1、基于历史病案数据构建出表征病案数据和病种名称的非线性映射关系的第一映射模型；步骤S2、构建出表征病种名称和ICD编码的线性映射关系的第二映射模型，以及构建出表征病案数据和ICD编码的非线性关系的第三映射模型；步骤S3、将实时病案数据与历史病案数据进行偏离度比较，并在偏离度超阈值情况下利用第三映射模型输出实时病案数据的ICD编码以实现对实时病案数据的重编码。本发明专利技术将病案数据具象为数学函数进行表达，在此基础上构建的第一映射模型训练和运算从离散数据点转化为函数形式，训练速度以及运算效率都得以提高。速度以及运算效率都得以提高。速度以及运算效率都得以提高。

【技术实现步骤摘要】
一种基于病案的实时智能辅助ICD编码方法及系统


[0001]本专利技术涉及病案ICD编码
，具体涉及一种基于病案的实时智能辅助ICD编码方法及系统。

技术介绍

[0002]疾病诊断相关分组(DRGs)是一种“以病人为中心”的病例组合系统，也是控制医疗付费，医院精细化管理及医疗评价的一项有效的工具，其主要数据来源于病案首页。国际疾病分类(ICD)是一种对不同类型的疾病及与健康相关的问题进行编码和分类的国际标准。DRGs入组的第一道门坎即是ICD
‑
10 疾病编码，所以ICD疾病编码直接影响DRGs的顺利开展。
[0003]目前实际应用中，由医院产生ICD的编码过程难以满足包括医院在内各种管理需求。在我国，对疾病分类进行编码的工作主要是由医院的病案科(室) 的编码员负责，但编码员常常为其繁杂的查找方法、低质低效的查找结果、枯燥的工作内容所烦扰；厚重的分类修订本既不易携带，也不易于翻阅，若要高质量的编码，疾病统计工作量会远远大于医院已有的病案科人力所能承担的负荷，所以很多时候难以确保编码的准确性，更何况很多中小医院连合格的编码员都没有。为解决手工ICD编码耗时费力、成本昂贵、稳定性差等问题，研究者们开始研究通过计算机辅助进行ICD自动编码的各类方法和系统。包括基于规则的ICD编码系统、基于机器学习的ICD编码系统和基于深度学习的编码。
[0004]但现有技术中均存在以下问题：
[0005]1.编码系统多采用事后编码而非实时编码机制，即编码任务通常由病案小组的编码人员在病人出院后才完成。编码人员并不真正了解患者的实际情况，也存在对医生书写病历误解的可能性。因此，事后由病案小组编码的方式相比由医生实时进行ICD编码，存在更多的编码错误。
[0006]2.现有方法灵活性不够，难以适应不同医生的诊断书写风格，导致编码准确性不高。如基于规则的编码系统需要维护一个庞大的规则库，占用大量的存储空间；且该系统一旦迁移到其它医院，可能由于医生书写风格的改变，如多字、少字、同义词替换等，导致无法映射得到正确的ICD编码。
[0007]3.编码所用信息不全，导致系统准确率和查全率不高。医院病案中病历文本和医生(手写)诊断是两个最重要的编码依据，多数已有研究要么只对病历文本进行深度学习，但考虑到ICD编码的种类多达3万种，因此查准率不高；要么只关注医生诊断，一旦医生出现漏写、错写，则系统查全率降低。

技术实现思路

[0008]本专利技术的目的在于提供一种基于病案的实时智能辅助ICD编码方法及系统，以解决现有技术中ICD编码准确率低和及时性差的技术问题。
[0009]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0010]一种基于病案的实时智能辅助ICD编码方法，包括以下步骤：
[0011]步骤S1、基于历史病案数据构建出表征病案数据和病种名称的非线性映射关系的第一映射模型，所述第一映射模型用于实现根据病案数据识别出病种名称；
[0012]步骤S2、基于ICD编码库构建出表征病种名称和ICD编码的线性映射关系的第二映射模型，所述第二映射模型用于实现根据病种名称识别出ICD编码，基于所述第一映射模型和第二映射模型构建出表征病案数据和ICD编码的非线性关系的第三映射模型，所述第三映射模型用于实现根据病案数据识别出 ICD编码；
[0013]步骤S3、将实时病案数据与历史病案数据进行偏离度比较，并在偏离度超阈值情况下利用第三映射模型输出实时病案数据的ICD编码以实现对实时病案数据的重编码，以及在偏离度未超阈值情况下将最小偏离度对应的历史病案数据的ICD编码作为实时病案数据的ICD编码以实现编码复用来降低编码通道的数据并发。
[0014]作为本专利技术的一种优选方案，所述基于历史病案数据构建出表征病案数据和病种名称的非线性映射关系的第一映射模型，包括：
[0015]将所述历史病案数据按病种名称进行分类得到多个病案数据集，并将历史病案数据的病种名称作为病案数据集的病种名称，所述病案数据集是由表征同一病种名称的所有历史病案数据聚集产生；
[0016]为病案数据集中的历史病案数据设置游离权重，并基于游离权重将病案数据集具象为数学函数以整体表达病案数据集中的所有历史病案数据，所述游离权重是衡量历史病案数据与病案数据集的集合中心处的病案数据的偏离程度的指标；
[0017]利用神经网络将病案数据集的数学函数和病案数据集的病种名称构建表征病案数据和病种名称的非线性映射关系的第一映射模型，所述第一映射模型的模型表达式为：
[0018]Z＝F[X]；
[0019]式中，Z表征为所述病案名称，X表征为所述数学函数，F表征为神经网络；
[0020]将所有病案数据集的数学函数和病案名称构成用于映射模型训练的样本元组集，并将样本元组集以数据量为7∶3分割成训练集和测试集带入第一映射模型进行模型训练以得到信号特征和工况环境特征非线性映射关系，所述样本元组的格式为：[数学函数，病案名称]。
[0021]作为本专利技术的一种优选方案，所述为病案数据集中的历史病案数据设置游离权重，并基于游离权重将病案数据集具象为数学函数，包括：
[0022]为病案数据集中的历史病案数据设置游离权重，所述游离权重的计算公式为：
[0023][0024]式中，w
i，k
表征为第i个病案数据集中第k个历史病案数据的游离权重， x
i，o
表征为第i个病案数据集的集合中心处的历史病案数据，x
i，k
表征为第i个病案数据集中第k个历史病案数据；
[0025]在游离权重中选择出最小游离权重w
i，min
和最大游离权重w
i，max
，并将最小游离权重和最大游离权重与病案数据集中心位置处的病案数据进行区间组合得到病案数据集的数学函数，所述病案数据集的数学函数为：
[0026]X
i
＝[w
i，min
*x
i，o
，w
i，max
*x
i，o
]；
[0027]式中，w
i，min
、w
i，max
分别表征为第i个病案数据集的最小游离权重和最大游离权重，i，k，o均为计量常数，无实质含义。
[0028]作为本专利技术的一种优选方案，所述病案数据集的集合中心处的历史病案数据的计算公式为：
[0029][0030]式中，m表征为第i个信号数据集中包含的历史病案数据的总数目。
[0031]作为本专利技术的一种优选方案，所述基于ICD编码库构建出表征病种名称和 ICD编码的线性映射关系的第二映射模型，包括：
[0032]利用线性网络将病种名称和ICD编码构建表征病种名称和ICD编码的线性映射关系的第二映射模型，所述第二映射模型的模型表达式为：
[0033]Y＝G[Z]；
[0034]式中，Z表征为病案名称，Y本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于病案的实时智能辅助ICD编码方法，其特征在于，包括以下步骤：步骤S1、基于历史病案数据构建出表征病案数据和病种名称的非线性映射关系的第一映射模型，所述第一映射模型用于实现根据病案数据识别出病种名称；步骤S2、基于ICD编码库构建出表征病种名称和ICD编码的线性映射关系的第二映射模型，所述第二映射模型用于实现根据病种名称识别出ICD编码，基于所述第一映射模型和第二映射模型构建出表征病案数据和ICD编码的非线性关系的第三映射模型，所述第三映射模型用于实现根据病案数据识别出ICD编码；步骤S3、将实时病案数据与历史病案数据进行偏离度比较，并在偏离度超阈值情况下利用第三映射模型输出实时病案数据的ICD编码以实现对实时病案数据的重编码，以及在偏离度未超阈值情况下将最小偏离度对应的历史病案数据的ICD编码作为实时病案数据的ICD编码以实现编码复用来降低编码通道的数据并发。2.根据权利要求1所述的一种基于病案的实时智能辅助ICD编码方法，其特征在于：所述基于历史病案数据构建出表征病案数据和病种名称的非线性映射关系的第一映射模型，包括：将所述历史病案数据按病种名称进行分类得到多个病案数据集，并将历史病案数据的病种名称作为病案数据集的病种名称，所述病案数据集是由表征同一病种名称的所有历史病案数据聚集产生；为病案数据集中的历史病案数据设置游离权重，并基于游离权重将病案数据集具象为数学函数以整体表达病案数据集中的所有历史病案数据，所述游离权重是衡量历史病案数据与病案数据集的集合中心处的病案数据的偏离程度的指标；利用神经网络将病案数据集的数学函数和病案数据集的病种名称构建表征病案数据和病种名称的非线性映射关系的第一映射模型，所述第一映射模型的模型表达式为：Z＝F[X]；式中，Z表征为所述病案名称，X表征为所述数学函数，F表征为神经网络；将所有病案数据集的数学函数和病案名称构成用于映射模型训练的样本元组集，并将样本元组集以数据量为7∶3分割成训练集和测试集带入第一映射模型进行模型训练以得到信号特征和工况环境特征非线性映射关系，所述样本元组的格式为：[数学函数，病案名称]。3.根据权利要求2所述的一种基于病案的实时智能辅助ICD编码方法，其特征在于：所述为病案数据集中的历史病案数据设置游离权重，并基于游离权重将病案数据集具象为数学函数，包括：为病案数据集中的历史病案数据设置游离权重，所述游离权重的计算公式为：式中，w
i，k
表征为第i个病案数据集中第k个历史病案数据的游离权重，x
i，o
表征为第i个病案数据集的集合中心处的历史病案数据，x
i，k
表征为第i个病案数据集中第k个历史病案数据；在游离权重中选择出最小游离权重w
i，min
和最大游离权重w
i，max
，并将最小游离权重和最
大游离权重与病案数据集中心位置处的病案数据进行区间组合得到病案数据集的数学函数，所述病案数据集的数学函数为：X
i
＝[w
i，min
*x
i，o
，w
i，max
*x
i，o
]；式中，w
i，min
、w
i，max
分别表征为第i个病案数据集的最小游离权重和最大游离权重，i，k，o均为计量常数，无实质含义。4.根据权利要求3所述的一种基于病案的实时智能辅助ICD编码方法，其特征在于，所述病案数据集的集合中心处的历史病案数据的计...

【专利技术属性】
技术研发人员：葛丹丹，夏泳，章豪，昂洁，司明舒，
申请(专利权)人：皖南医学院第一附属医院皖南医学院弋矶山医院，
类型：发明
国别省市：