基于医生决策模式识别的多标签疾病辅助诊断系统技术方案

本发明专利技术公开了一种基于医生决策模式识别的多标签疾病辅助诊断系统，包括医生个体案例集构建模块、医生个体决策模式拟合模块、共性分量提取与个体分量分离模块、疾病辅助诊断模块；本发明专利技术通过个体决策模式识别，从个体决策模式中提取在不同决策模式中共性存在的共性分量、分离更多由医生主观临床经验所主导的个体分量，从而克服主观临床经验对疾病辅助诊断可能产生的负面影响；本发明专利技术通过对医生的个体决策模式进行识别，并在医生层面进行共性分量、个体分量的拆分，能够克服领域性特征，通过对共性分量的利用达到更准确的疾病辅助诊断。对共性分量的利用达到更准确的疾病辅助诊断。对共性分量的利用达到更准确的疾病辅助诊断。

【技术实现步骤摘要】
基于医生决策模式识别的多标签疾病辅助诊断系统


[0001]本专利技术属于医疗健康信息
，尤其涉及一种基于医生决策模式识别的多标签疾病辅助诊断系统。

技术介绍

[0002]随着医疗信息化水平的不断提升，电子病历等医学信息系统中积累了大量患者诊疗与临床决策数据，基于临床大数据与人工智能开展临床辅助诊断方法研究，推动实现高水平的疾病防控，已成为领域内的研究热点。研究人员常常利用机器学习、深度学习等模型和方法对电子病历数据进行分析挖掘，从而构建疾病诊断决策支持模型、方法及系统。
[0003]当前疾病辅助诊断方法与系统，一般直接使用全体电子病历数据进行建模，建模效果会受到临床决策过程中医生决策异质性问题的影响。电子病历数据是临床过程的记录，其中存储的临床疾病诊断数据来源于医生的临床决策，并非金标准数据。在临床诊断过程中，每个医生的决策模式不仅与客观的医学知识相关，还很大程度上依赖于医生的主观判断，受医生的专业、过往经验、擅长疾病、谨慎程度等影响，导致在决策逻辑和数据完整性上都有着极大差异。
[0004]已经有研究发现，医生的临床决策逻辑间存在着明显的差异性和个体倾向性，即医生决策异质性。例如，在文献[Bannett Y., Feldman H. M., Bentley J. P., et al. Variation in Rate of Attention
‑
Deficit/Hyperactivity Disorder Management by Primary Care Providers[J]. Academic Pediatrics, 2020, 20(3): 384
‑
390.]中，针对临床多动症的研究显示，医生的个体因素导致了28%的多动症诊断和管理方式差异；在文献[Wang H. Y., Ding G. H., Lin H., et al. Influence of Doctors' Perception on the Diagnostic Status of Chronic Kidney Disease: Results from 976 409 Individuals with Electronic Health Records in China[J]. Clinical Kidney Journal, 2021, 14(11): 2428
‑
2436.]中，则通过回顾分析电子病历数据发现，疾病
‑
科室不匹配、缺乏对应病种知识等医生决策因素会导致存在指标异常的慢性肾病患者难以得到及时诊断，未诊断率达到61.4%。
[0005]上述研究结果表明，不考虑临床决策过程中的医生决策异质性，直接统合临床数据进行模型构建，将会对疾病发现效果产生极大制约。电子病历中的数据只是体现当次就诊医生所给出诊断的电子化记录，会受到临床过程中医生决策异质性的影响，最直观的表现在，患者在电子病历数据中缺失某一疾病的诊断记录并不意味着患者事实上没有患病。
[0006]与本专利技术相近的技术方案包括：
[0007]1）弱监督学习方法，通过数据纠正的方式对正负诊断样本同时纠错，从而直接基于不完备诊断数据进行建模。
[0008]2）半监督学习方法，通过对少量样本进行精准标注，利用小部分已核实完备的整体医疗数据和大部分未标注样本进行建模。
[0009]3）正样本
‑
无标签学习，通过将负样本视为无标签样本，将正样本作为准确样本，
通过假阴性样本识别或极大似然估计等方式进行建模。
[0010]上述现有技术利用弱监督、半监督、阳性
‑
无标签等数据假设对临床数据进行学习与建模，意识到了临床数据的不一致、不完备等领域特性，相对直接监督学习有更好的效果。但是，上述技术基于通用数据假设展开，对普遍存在的医生决策异质性较少进行讨论。
[0011]医生的个体临床决策模式具有“主客观因素混合”、“无法通过简单数据统合在训练任务中相互抵消”等领域性特征，由医生决策模式差异所产生的数据偏差难以通过数据合并训练所消除。因此，上述基于通用数据假设和通用机器学习方法的技术，难以实现对医生决策异质性下的电子病历数据的充分分析挖掘，限制了所构建系统的疾病辅助诊断能力。
[0012]主客观因素混合：即医生的个体临床决策模式是客观医学知识和医生主观临床经验相混合的结果，其中的主观临床经验将会对疾病辅助诊断产生影响。本专利技术通过个体决策模式识别，从个体决策模式中提取在不同决策模式中共性存在的共性分量、分离更多由医生主观临床经验所主导的个体分量，从而克服主观临床经验对疾病辅助诊断可能产生的负面影响。
[0013]无法通过简单数据统合在训练任务中相互抵消：即医生的主观临床经验虽然在医生间存在差异，但这些主观临床经验也不是随机产生的，因此不能通过大数据统合来抵消该差异。本专利技术的现有同类技术方案默认数据的不一致、不完备性质1）在全局内满足随机分布，或是2）在各个局部内满足随机分布，从而通过简单数据统合的方式进行疾病辅助诊断建模，事实上不满足临床数据实际生成逻辑，因此效果受到极大制约。本专利技术通过对医生的个体决策模式进行识别，并在医生层面进行共性分量、个体分量的拆分，能够克服该领域性特征，通过对共性分量的利用得到更有效的疾病辅助诊断。
[0014]总体而言，本专利技术基于医生决策模式识别，通过贴合临床实际分析临床数据并建模，实现对医生个体决策模式的拟合，并得到医生个体决策模式中的个体分量与共性分量，从而克服了临床数据中的医生决策异质性问题，通过共性分量实现了更准确的疾病辅助诊断。

技术实现思路

[0015]本专利技术的目的在于针对现有技术的不足，提供一种基于医生决策模式识别的多标签疾病辅助诊断系统，克服了临床数据中的医生决策异质性瓶颈，实现了更准确的疾病辅助诊断。
[0016]本专利技术的目的是通过以下技术方案实现的：一种基于医生决策模式识别的多标签疾病辅助诊断系统，该系统包括：
[0017]医生个体案例集构建模块，用于将电子病历中的整体案例集按照医生分割为医生个体案例集；
[0018]医生个体决策模式拟合模块，用于基于医生个体案例集，通过机器学习建模拟合各医生在临床过程中的个体决策模式；
[0019]共性分量提取与个体分量分离模块，用于通过机器学习建模提取各医生决策模式中的共性分量、分离个体分量，包括：
[0020]构建机器学习模型，从模型分离出一个共性分量分支和若干个体分量分支，分别
定义所有分支输入与输出的映射关系，使用分布相似度损失函数进行模型训练，最小化共性分量分支输出与各个体分量分支输出的乘积与个体决策模式预测结果在每个分支上的分布差异；
[0021]完成模型训练后，通过共性分量分支映射关系反映所有医生在决策模式中共有的共性分量，通过各个体分量分支映射关系反映各医生特有的个体分量；
[0022]疾病辅助诊断模块，用于基于训练好的模型，获得与案例的输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医生决策模式识别的多标签疾病辅助诊断系统，其特征在于，包括：医生个体案例集构建模块，用于将电子病历中的整体案例集按照医生分割为医生个体案例集；医生个体决策模式拟合模块，用于基于医生个体案例集，通过机器学习建模拟合各医生在临床过程中的个体决策模式；共性分量提取与个体分量分离模块，用于通过机器学习建模提取各医生决策模式中的共性分量、分离个体分量，包括：构建机器学习模型，从模型分离出一个共性分量分支和若干个体分量分支，分别定义所有分支输入与输出的映射关系，使用分布相似度损失函数进行模型训练，最小化共性分量分支输出与各个体分量分支输出的乘积与个体决策模式预测结果在每个分支上的分布差异；完成模型训练后，通过共性分量分支映射关系反映所有医生在决策模式中共有的共性分量，通过各个体分量分支映射关系反映各医生特有的个体分量；疾病辅助诊断模块，用于基于训练好的模型，获得与案例的输入向量对应的共性分量和个体分量，实现疾病辅助诊断。2.根据权利要求1所述的基于医生决策模式识别的多标签疾病辅助诊断系统，其特征在于，所述医生个体案例集构建模块中，获取电子病历案例数据并矩阵化为包含若干案例的整体案例集，从所述整体案例集中提取任意一名医生的所有案例，构建对应该医生的医生个体案例集，所述医生个体案例集中包括该医生做出诊断案例的特征矩阵和标签矩阵。3.根据权利要求1所述的基于医生决策模式识别的多标签疾病辅助诊断系统，其特征在于，所述医生个体决策模式拟合模块中，使用一组机器学习模型进行拟合，其中每个模型基于对应医生个体案例集，学习对应医生的个体决策模式；在完成训练后，获得案例的输入向量在不同医生个体决策模式下的预测结果所组成的预测矩阵。4.根据权利要求1所述的基于医生决策模式识别的多标签疾病辅助诊断系统，其特征在于，所述医生个体决策模式拟合模块中，使用单一机器学习模型进行拟合，模型采用多分枝网络结构，并包含控制组件，在训练过程中，通过控制组件保证任意一个分支仅基于对应医生个...

【专利技术属性】
技术研发人员：吴承凯，李劲松，蒋一帆，周天舒，田雨，
申请(专利权)人：之江实验室，
类型：发明
国别省市：