一种基于AI的伤害监测报卡智能生成和质控方法技术

本发明专利技术涉及一种一基于AI的伤害监测报卡智能生成和质控方法，从大数据规模的电子病历中自动筛选出伤害相关的电子病历，并使用AI技术提取关键信息并和报卡相应字段进行映射，达到自动填报报卡的目的，同时可配合上报接口实现整个伤害监测报卡的上报流程自动化实现，达到降本增效的目的。其中，AI质控环节是基于AI主动质控发现电子病历中的相关问题，用于医院提升伤害相关电子病历的规范性和准确性，从而使得上报的报卡信息的准确性和完整性得到提升。采用本发明专利技术所公开的技术方案后，能够让医生有更多时间医治病人，从电子病历中自动抽取关键信息，自动转化到报卡字段，无需人工参与，高效和准确。高效和准确。高效和准确。

【技术实现步骤摘要】
一种基于AI的伤害监测报卡智能生成和质控方法


[0001]本专利技术涉及一种基于AI的自动报卡生成的方法，属于人工智能


技术介绍

[0002]目前伤害上报的方式是医生手工报卡填报
‑
>医院防保科统一上报到国家网
‑
>区域疾控从国家网系统中查看审核，即先由门急诊的医生手动筛选伤害相关的电子病历数据，然后再根据电子病历去判断伤害的各个属性，并将其映射到伤害报卡中，最后上报至国家相应系统。前述的伤害上报方式存在以下问题：
[0003]医生手动筛选电子病历和填写相应报卡这个环节人工参与度较高，人工在填写报卡时很容易填写错误。同时医生填写一份报卡需要较多时间，效率低下。并且现有的伤害上报方式没有质控环节，报卡质量难以评判和定量分析，无法反向去推动医生改善电子病历的填写质量，进而优化报卡生成质量。

技术实现思路

[0004]本专利技术要解决的技术问题是：在的目前伤害上报方式中，医生手动筛选电子病历和填写相应报卡这个环节人工参与度较高。
[0005]为了解决上述问题，本专利技术的技术方案是提供了一种一基于AI的伤害监测报卡智能生成和质控方法，其特征在于，包括以下步骤：
[0006]步骤1、获取大规模的门急诊电子病历数据；
[0007]步骤2、从步骤1所获得的门急诊电子病历中根据业务规则分类筛选出属于预先定义的N种伤害类型之一的门急诊电子病历；
[0008]步骤3、从步骤2筛选得到的门急诊电子病历中的目标字段中利用实体识别算法抽取报卡字段信息，再将报卡字段信息自动映射到标准报卡相应字段值域中，其中，报卡字段信息包括伤害发生时间、伤害部位、伤害物品、伤害发生地点以及伤害发生时活动；
[0009]对于伤害发生时间，将抽取出的伤害时间转换为小时，然后根据就诊时间向前推算出标准的伤害发生时间用来上报；
[0010]对于伤害部位，根据抽取出的具体伤害部位描述依据伤害部位的映射规则映射到标准报卡相应字段值域中；
[0011]对于伤害发生地点，根据抽取出的具体伤害地点依据伤害发生地点的映射规则映射到标准报卡相应字段值域中；
[0012]对于伤害发生时活动，根据抽取出的伤害发生时活动依据伤害发生时活动的映射规则映射到标准报卡相应字段值域中；
[0013]步骤4、根据电子病历中的体格检查描述利用文本分类算法抽取伤害严重程度信息；
[0014]步骤5、利用AI质控环节发现门急诊电子病历中的相关问题。
[0015]采用上述技术方案后，能够优化上报流程，降本增效，AI自动化生成报卡，提高伤
害报卡生成效率和准确性。同时，AI对报卡质量进行主动质控把关，有助于规范医生填写电子病历质量，进而确保伤害报卡生成的准确性和完整性。
[0016]优选地，步骤2中，所述N种伤害类型包括机动车车祸、非机动车车祸、跌倒/坠落、钝器伤、火器伤、刀/锐器伤、烧烫伤、窒息/悬吊、溺水、中毒、动物伤、性侵犯。
[0017]优选地，步骤2中，若当前门急诊电子病历属于N种伤害类型其中之一，则会返回得出分类判断结论所具体依据的当前门急诊电子病历的具体信息内容及对应的筛选规则。
[0018]优选地，步骤2中，所述分类筛选采用规则进行或使用模型进行。
[0019]优选地，步骤3中，从步骤2筛选得到的门急诊电子病历中的目标字段中利用实体识别算法抽取报卡字段信息时，先从门急诊电子病历中的主诉字段抽取报卡字段信息，对于未抽取到的报卡字段信息再从现病史字段中抽取，若仍未抽取到，最后从诊断字段中抽取。
[0020]优选地，步骤3中，为了抽取目标字段信息，将主诉字段、现病史字段、诊断字段合并进行模型训练，利用训练后的模型进行实体抽取。
[0021]优选地，步骤4中，在文本分类算法训练之前，收集了全部N种伤害类型的多份体格检查描述，让医生根据体格检查判定伤害的严重程度并完成标注，标注完成后训练文本分类算法，根据报卡的伤害严重程度共分为轻度、中度和重度三个严重程度等级；在模型推理阶段，传入当前门急诊电子病历的体格检查字段，则文本分类算法根据该体格检查输出一个伤害严重程度的等级。
[0022]优选地，步骤5中，在质控环节，同时抽取门急诊电子病历的主诉字段、现病史字段中的报卡字段信息，然后判断两者是否一致，根据判断结论确定门急诊电子病历的不完整性。
[0023]优选地，步骤5中，在质控环节，根据报卡字段信息抽取不到的情况确定门急诊电子病历的不完整性。
[0024]优选地，步骤5中，在质控环节，根据门急诊电子病历的主诉字段是否未空或者门急诊电子病历的现病史字段是否空判断门急诊电子病历的不完整性。
[0025]本专利技术提供了一种基于AI的自动报卡生成的方法，从大数据规模的电子病历中自动筛选出伤害相关的电子病历，并使用AI技术提取关键信息并和报卡相应字段进行映射，达到自动填报报卡的目的，同时可配合上报接口实现整个伤害监测报卡的上报流程自动化实现，达到降本增效的目的。其中，AI质控环节是基于AI主动质控发现电子病历中的相关问题，用于医院提升伤害相关电子病历的规范性和准确性，从而使得上报的报卡信息的准确性和完整性得到提升。采用本专利技术所公开的技术方案后，能够让医生有更多时间医治病人，从电子病历中自动抽取关键信息，自动转化到报卡字段，无需人工参与，高效和准确。
附图说明
[0026]图1示意了本专利技术的流程原理；
[0027]图2示意了本专利技术主动质控的原理。
具体实施方式
[0028]本实施例所公开的一种一基于AI的伤害监测报卡智能生成和质控方法的大致流
程是：医院电子病历数据
‑
>区域数据平台
‑
>人工智能生成报卡
‑
>疾控中心审核
‑
>国家网，如图1所示，具体包括以下步骤：
[0029]步骤1、从大量的门急诊电子病历中根据业务规则去分类筛选需要上报的12种伤害类型，分别为：机动车车祸，非机动车车祸，跌倒/坠落，钝器伤，火器伤，刀/锐器伤，烧烫伤，窒息/悬吊，溺水，中毒，动物伤，性侵犯。如果当前电子病历不是某种伤害类型的电子病历，那么将其过滤掉；如果当前电子病历是任意一种类型的伤害电子病历，则会返回依据的电子病历的哪些信息及对应的筛选规则，方便后续追因溯源。
[0030]分类筛选采用规则进行，在此不做限定，也可使用模型进行分类，进行大规模快速筛选，准确率可达99％以上，不同的伤害类型对应不同的筛选规则。
[0031]步骤2、为了最大程度的抽取所有的报卡上对应的字段信息，我们从步骤1筛选得到的电子病历中的多个字段(如主诉字段、现病史字段、诊断字段)中利用实体识别算法抽取报卡字段信息，再将报卡字段信息自动映射到标准报卡相应字段值域中，其中，报卡字段信息包括伤害发生时间、伤害部位、伤害物品、伤害发生地点以及伤害本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种一基于AI的伤害监测报卡智能生成和质控方法，其特征在于，包括以下步骤：步骤1、获取大规模的门急诊电子病历数据；步骤2、从步骤1所获得的门急诊电子病历中根据业务规则分类筛选出属于预先定义的N种伤害类型之一的门急诊电子病历；步骤3、从步骤2筛选得到的门急诊电子病历中的目标字段中利用实体识别算法抽取报卡字段信息，再将报卡字段信息自动映射到标准报卡相应字段值域中，其中，报卡字段信息包括伤害发生时间、伤害部位、伤害物品、伤害发生地点以及伤害发生时活动；对于伤害发生时间，将抽取出的伤害时间转换为小时，然后根据就诊时间向前推算出标准的伤害发生时间用来上报；对于伤害部位，根据抽取出的具体伤害部位描述依据伤害部位的映射规则映射到标准报卡相应字段值域中；对于伤害发生地点，根据抽取出的具体伤害地点依据伤害发生地点的映射规则映射到标准报卡相应字段值域中；对于伤害发生时活动，根据抽取出的伤害发生时活动依据伤害发生时活动的映射规则映射到标准报卡相应字段值域中；步骤4、根据电子病历中的体格检查描述利用文本分类算法抽取伤害严重程度信息；步骤5、利用AI质控环节发现门急诊电子病历中的相关问题。采用上述技术方案后，能够优化上报流程，降本增效，AI自动化生成报卡，提高伤害报卡生成效率和准确性。同时，AI对报卡质量进行主动质控把关，有助于规范医生填写电子病历质量，进而确保伤害报卡生成的准确性和完整性。2.如权利要求1所述的一种一基于AI的伤害监测报卡智能生成和质控方法，其特征在于，步骤2中，所述N种伤害类型包括机动车车祸、非机动车车祸、跌倒/坠落、钝器伤、火器伤、刀/锐器伤、烧烫伤、窒息/悬吊、溺水、中毒、动物伤、性侵犯。3.如权利要求1所述的一种一基于AI的伤害监测报卡智能生成和质控方法，其特征在于，步骤2中，若当前门急诊电子病历属于N种伤害类型其中之一，则会返回得出分类判断结论所具体依据的当前门急诊电子病历的具体信息内容及对应的筛选规则。4.如权利要求...

【专利技术属性】
技术研发人员：尹志伟，吕传峰，应桢，谢建斌，裘森伟，丁海明，郑夏姨，张敬谊，
申请(专利权)人：万达信息股份有限公司，
类型：发明
国别省市：