面向DRGs支付的诊断依据发现方法及系统技术方案

面向DRGs支付的诊断依据发现方法及系统，通过病历文书诊断依据实体识别模型得到病历文书中的实体抽取结果；通过诊断依据医嘱分类模型得到医嘱文书中作为诊断依据的医嘱结果；通过病历文书中治疗的诊断依据片段抽取模型得到病历文书中治疗相关的诊断依据片段；利用诊断依据和诊断项目是否存在映射关系的概率分布，判断病历文书中的实体抽取结果、作为诊断依据的医嘱结果、病历文书中治疗相关的诊断依据片段是否和诊断存在映射关系；遍历病历文书中得到的诊断依据与DRGs的诊断列表，获取能够找到映射关系的诊断项目。本发明专利技术能够全方位挖掘症状、检查、治疗等相关依据信息，建立诊断依据和诊断的对应关系，提高DRGs支付的可靠性。性。性。

【技术实现步骤摘要】
面向DRGs支付的诊断依据发现方法及系统


[0001]本专利技术属于医疗数据处理
，具体涉及面向DRGs支付的诊断依据发现方法及系统。

技术介绍

[0002]DRGs(Diagnosis Related Groups)为(疾病)诊断相关分类，是根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入500
‑
600个诊断相关组，然后决定应该给医院多少补偿。
[0003]DRGs是比较先进的支付方式之一，通过统一的疾病诊断分类定额支付标准的制定，达到医疗资源利用标准化，有助于激励医院加强医疗质量管理，迫使医院为获得利润主动降低成本，缩短住院天数，减少诱导性医疗费用支付，有利于费用控制。
[0004]当前主流的DRGs支付系统不存在挖掘诊断依据的相关技术，导致当前系统的可信赖度较低；由于病历文书和医嘱规模较大，信息繁杂且冗余，从中挖掘相关可靠信息较为困难；且诊断依据信息往往较为多样，通常以实体和短句的形式存在，故与DRGs中诊断建立映射关系仍存在准确率不高的问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向DRGs支付的诊断依据发现方法，其特征在于，包括：根据诊断依据实体词典，从病历文书中挖掘实体信息，构建实体识别的病历训练语料；根据医嘱依据实体词典，从医嘱文书中挖掘实体信息，构建实体识别的医嘱训练语料；构建诊断依据识别模型，所述诊断依据识别模型包括病历文书诊断依据实体识别模型、诊断依据医嘱分类模型和病历文书中治疗的诊断依据片段抽取模型：通过所述病历文书诊断依据实体识别模型得到病历文书中的实体抽取结果；通过所述诊断依据医嘱分类模型得到医嘱文书中作为诊断依据的医嘱结果；通过所述病历文书中治疗的诊断依据片段抽取模型得到病历文书中治疗相关的诊断依据片段；利用诊断依据和诊断项目是否存在映射关系的概率分布，判断病历文书中的实体抽取结果、作为诊断依据的医嘱结果、病历文书中治疗相关的诊断依据片段是否和诊断存在映射关系；遍历病历文书中得到的诊断依据与DRGs的诊断列表，判断诊断依据与DRGs的诊断对应关系，获取能够找到映射关系的诊断项目。2.根据权利要求1所述的面向DRGs支付的诊断依据发现方法，其特征在于，按照文书类型和医院分布，在病历文书中等比例抽取待标注信息，进行人工标注后，得到病历标注语料；按照医院分布在医嘱文书中抽取待标注数据，进行人工标注后，得到医嘱标注语料；将病历训练语料、医嘱训练语料、病历标注语料、医嘱标注语料合并作为诊断依据识别的训练语料。3.根据权利要求2所述的面向DRGs支付的诊断依据发现方法，其特征在于，所述病历文书诊断依据实体识别模型中，定义x＝[x1,x2…
,x
n
]表示病历训练语料中的字序列，X＝[v1,v2,
…
,v
n
]表示输入字序列经过预训练模型预处理后得到的矩阵，其中，v
i(i>0)
表示第i个词的向量；定义l＝[l1,
…
,l
m
]表示结果的标签序列，采用BIO体系进行实体识别，B表示实体开头，I表示实体中间和O表示实体结尾；定义BERT()为预训练模型的编码器计算单元，每个字经过编码器的编码表示由以下公式计算得到：其中，表示预训练模型中第n层中第t个字的编码表示，使用编码器得到最顶层的编码表示h
N
；顶层编码表示通过CRF线性链输出每个时刻的输出概率分布：其中，g表示预测目标标签l
i
的分数，t表示词汇之间的传递概率，π(x)表示归一化因子；选择最大概率对应的单词作为时刻i的生成的结果：y＝Max(Prob
l|x
)依次解码得到最终的生成结果l＝[l1,
…
,l
n
]；
根据最终的生成结果l，利用BIO标签体系将序列标注结果进行合并，得到相应的实体抽取结果。4.根据权利要求3所述的面向DRGs支付的诊断依据发现方法，其特征在于，利用得到的实体抽取结果判断实体的阴阳性，得到的实体抽取结果和原文使用[sep]标签进行拼接，并在实体前添加[cls]标签，得到阴阳性判别模型的输入e，即e＝[e1,e2...e
k
,[sep],x1,x2…
,x
n
]；通过预训练模型的编码器计算单元，得到：其中，表示预训练模型中第n层中第t个字的编码表示，使用编码器得到最顶层的编码表示p
N
；取顶层编码表示p
N
的第一个字符[cls]的编码表示通过sigmoid函数计算是否为阴阳性的概率分布：其中，w和b是模型的训练参数，若结果大于0.5，则判别为阳性，否则判别为阴性。5.根据权利要求4所述的面向DRGs支付的诊断依据发现方法，其特征在于，所述诊断依据医嘱分类模型中，定义y＝[y1,
…
,y
m
]表示医嘱训练语料的字序列，添加[cls]标签在字序列最前，标为y0，Y＝[u0,u1,
…
,u
m
]表示目标语言输入的字序列经过预训练模型向量预处理后得到的矩阵，其中，u
i
表示第...

【专利技术属性】
技术研发人员：朱卫国，王亦宁，
申请(专利权)人：朱卫国，
类型：发明
国别省市：