面向心力衰竭病案的诊断缺失处理方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种面向“心力衰竭”病案的诊断缺失处理方法，包括，获得病患的电子病历数据、医嘱记录、检查报告、实验室检查结果，集合为病患的病案数据，其中电子病历数据包括入院记录/门急诊电子病历、病程记录；将病患的病案数据输入经过训练的诊断缺失处理模型，将输出结果推荐给医生对病案进行诊断缺失的补录。所述诊断缺失处理模型，从病患的病案数据中寻找与与预设特征匹配的异常信号，并进行评分。并进行评分。并进行评分。

【技术实现步骤摘要】
面向心力衰竭病案的诊断缺失处理方法、装置和存储介质


[0001]本专利技术属于医学诊断设备
，特别涉及一种面向“心力衰竭”病案的诊断缺失处理方法和装置。

技术介绍

[0002]在真实世界的医疗原始数据中，患者的电子病历常常发生各类型诊断的缺失。其中的原因，或者因为医生过于繁重忙碌的临床工作而导致不可避免的疏忽；或者由于起病隐匿、初始症状轻微、患者无意识忽略等情况，致使医生主观上未及时发现这类疾病的出现，导致早期疾病诊断的缺失。这些诊断的缺失会影响到患者在后续就诊中医生对病情的判断和预后评估的差异，成为患者病情恶化的潜在风险。

技术实现思路

[0003]本专利技术实施例之一，一种面向“心力衰竭”病案的诊断缺失处理装置，所述装置包括存储器；以及
[0004]耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：
[0005]获得病患的电子病历数据、医嘱记录、检查报告、实验室检查结果，集合为病患的病案数据，其中电子病历数据包括入院记录/门急诊电子病历、病程记录；
[0006]将病患的病案数据输入经过训练的诊断缺失处理模型，将输出结果推荐给医生对病案进行诊断缺失的补录。
[0007]本专利技术实施例涉及对包括电子病历的真实世界临床医疗大数据进行医学知识推理和数据挖掘，面向“心力衰竭”诊断缺失患者筛选并推荐医生进行补录。通过医学知识推理，对“心力衰竭”设计的特色挖掘算法，利用不同指标组合的方式增加对潜在“心力衰竭”诊断缺失患者筛选的敏感度。以及利用评分系统，对筛选到的异常信号进行评分并最终形成推荐权重排名，提高医生判断诊断是否真实缺失的效率。
附图说明
[0008]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，其中：
[0009]图1根据本专利技术实施例之一的诊断缺失处理方法流程图。
[0010]图2根据本专利技术实施例之一的“心力衰竭”诊断缺失患者的智能推荐流程图。
具体实施方式
[0011]当前医院对缺失诊断的发现主要依靠以下几种方法：
[0012](1)人工质控。通常是病案室的质控人员从多个方面对病历内容进行详细的检查，
例如病案首页，入院记录，病程记录，出院记录，知情同意书，病历书写基本原则等，其间可能发现患者某类诊断的书写错误或缺失。
[0013](2)智能病案质控：即利用机器人流程自动化技术(RPA，Robotic ProcessAutomation)联合自然语言处理技术(NLP，Natural Language Processing)，机器通过大量实际病案的训练数据，学习并模仿质控人员在质控工作中的思维逻辑，可以智能而高效地对每一份病案进行全面的解析，最后独立智能地做出判断——病案是否存在内容缺陷，并自动生成可视化的质量报告，包括该病案的每项缺陷及分析，根据国家质控标准的扣分评级情况等。
[0014](3)针对诊断缺失提出的设备或系统：如上述表格中所述，通过设立规则库或划分数据集的方式，利用通用的算法对已经分类好的文本进行挖掘和分析，最后输出相应的诊断推进或补全方案。
[0015]然而，现有的几种都不可避免有着各种缺陷。例如，对于人工质控的缺陷包括，
[0016](1)病案质检人员每天需要审阅大量病案，且关注的病历内容过多，质控人员需要逐项审阅，工作强度高，难免会发生对诊断缺失问题的遗漏。
[0017](2)心力衰竭的诊断和分类标准较复杂，若质控人员的临床知识较匮乏，有无法发现该类诊断缺失问题的风险。
[0018]智能病案质控的缺陷包括：
[0019](1)质控系统所提示的病案缺陷，往往集中在“主要诊断缺失”、“前后诊断不一致”等有明显缺陷的环节，或者简单的逻辑判断：例如患者在本次入院记录的既往史中，明确提及过“心力衰竭”或相关特征性描述，但是在入院诊断中并未出现“心力衰竭”诊断。这种简单的逻辑判断，往往不能满足对医生完全忽略的诊断进行推荐补录，也无法提醒医生对疾病按照最新临床指南所推荐的进行分类。
[0020](2)当前大多数病案质控系统运行情景集中在现病历书写过程中，对历史病厉数据的诊断缺失难以发现。
[0021]针对诊断缺失提出的设备或系统的缺陷有：
[0022](1)此类方法均使用通用的计算或抓取模型，对病历的书写质量要求较高，且大多采取简单的诊断标准，无法做到对特定疾病(心力衰竭)针对性得筛选。
[0023](2)很多系统需要先将缺失病历挑出后作为训练集进行建模，此类方法会受到样本偏差的影响。
[0024](3)因为诊断缺失的情况非常复杂，导致建模难度很大，准确率很难保证。
[0025]因此，对于现有电子病历的缺失问题，若能基于某些疾病的固定特征、诊断标准、医生录入习惯等特点，将这类医学知识汇总、归纳，推理衍变成合适的算法。利用算法在患者电子病历信息中抓取符合条件的信息，再通过设计好的评分系统形成推荐权重比，自动提醒医生某种诊断存在缺失的可能，并按照最新的临床指南、共识推荐诊断分类，提高临床工作的准确度和效率，能够极大程度地减少临床事故的发生。
[0026]例如“心力衰竭”这一类疾病，若慢性起病则极容易被忽略，长期会进展成为不可逆转的心功能损伤并导致死亡。在最新的《2021欧洲心脏病学会急慢性心力衰竭诊断和治疗指南》中，再次强调了心力衰竭早期诊断和治疗的重要性，且更新了诊断分类，不同分类对应的不同治疗方式和检查推荐有明显差异。若根据心力衰竭相关的判断指征，设计特色
算法筛选患者，对满足诊断条件却未录入该诊断的患者进行提示，协助医生按最新标准录入缺失的诊断，提高临床工作效率和诊疗水平。
[0027]本专利技术实施例，依据医学知识和实地场景，针对“心力衰竭”的心衰诊断，建立合适算法和评分系统，基于临床医疗数据进行深入挖掘，将医学知识融入机器学习和人工智能中，及早发现该项诊断缺失患者并自动提醒医生按照标准化格式录入，有助于提高病历质量和改善患者预后。
[0028]根据一个或者多个实施例，面向“心力衰竭”病案的诊断缺失处理方法，包括：
[0029]将病人的电子病历数据(包括入院记录/门急诊电子病历、病程记录)、医嘱记录、检查报告、实验室检查结果等记录作为一个数据池。
[0030]依据医学知识推理并设计挖掘算法，将“心力衰竭”诊断设为寻找目标，在不存在这类诊断的电子病历信息中，依据此类诊断自身的医学知识特点、最新指南判定标准、医生书写习惯等，推理后设计形成适合本地场景的特色算法。通过自然语言处理的自动抽取技术，寻找入院病历、病程记录、手术记录、关键医嘱、检验指标、检查结论等数据中与算法条件匹配的异常信号。若满足此类诊断条件则机器自动推送消息给医生，提醒该诊断可能存在缺失的情况。
[0031]推荐权重值计算，依据算法中每项条件的重要程度，赋予异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向“心力衰竭”病案的诊断缺失处理方法，其特征在于，包括步骤，获得病患的电子病历数据、医嘱记录、检查报告、实验室检查结果，集合为病患的病案数据，其中电子病历数据包括入院记录/门急诊电子病历、病程记录；将病患的病案数据输入经过训练的诊断缺失处理模型，将输出结果推荐给医生对病案进行诊断缺失的补录。2.根据权利要求1所述的处理方法，其特征在于，所述处理方法包括，所述诊断缺失处理模型，从病患的病案数据中寻找与与预设特征匹配的异常信号，并进行评分。3.根据权利要求2所述的处理方法，其特征在于，所述的异常信号包括第一实体集，即，定义急慢性心衰的常见临床表现为第一实体集，该第一实体集包括呼吸困难、咳嗽、咳痰、咯血、疲劳、乏力、憋醒、头晕、心悸、腹胀、纳差、贫血、运动量降低。4.根据权利要求2所述的处理方法，其特征在于，所述的异常信号包括第二实体集，即，定义急慢性心衰的常见体征表现为第二实体集，该第二实体集包括肺啰音、心脏扩大、心率快、舒张期奔马律、第二心音亢进、颈静脉怒张、肝大、肝
‑
颈静脉回流征阳性、下肢水肿。5.根据权利要求2所述的处理方法，其特征在于，所述处理方法还包括，提取血浆B型利钠肽(BNP)或N末端B型利钠肽原(NT
‑
proBNP)的实验室检查结果，若BNP＞35ng/L或者NT
‑
proBNP＞125ng/...

【专利技术属性】
技术研发人员：李榕，岑星星，颜波，宓林晖，侯晋，汤钦华，袁骏毅，
申请(专利权)人：上海市胸科医院，
类型：发明
国别省市：