【技术实现步骤摘要】
诊断结果预测方法、装置、电子设备及存储介质
[0001]本专利技术涉及疾病辅助诊断
,特别是涉及一种诊断结果预测方法、装置、电子设备及存储介质。
技术介绍
[0002]近几年,随着深度学习的快速发展,大量的医疗数据被有效利用,通过相应的深度学习方法,可以自动分析患者的病历信息,提示风险疾病,有效辅助医生对疾病做出准确性更高的诊断结果,降低了误诊漏诊的概率。
[0003]目前,常见的疾病辅助诊断系统主要包括两种实现方式,分别是基于知识图谱的疾病辅助诊断系统以及基于机器学习的疾病辅助诊断系统。其中,基于知识图谱的疾病辅助诊断系统主要通过命名实体识别、实体关系抽取技术对病历中的信息进行抽取,形成结构化数据,并在数据基础之上进行标准化映射以及上下级关系拓展,最后在辅助诊断疾病时利用常见病症、检验检查结果等知识为预测结果给出符合医学逻辑的解释。基于机器学习的疾病辅助诊断系统则是利用患者的病历特征信息与诊断之间的关系,针对不同科室分别构建相应的疾病辅助诊断模型,通过输入患者病历信息预测患者有可能的诊断,以辅助医生进行诊断决策。
[0004]但是,基于知识图谱的疾病诊断系统利用诊断常见的症状以及相关检验、检查结果作为知识,根据患者现有的症状以及检验、检查结果所给出的都是与之特征较为相似的诊断。利用知识图谱进行诊断的推理过程中,以患者存在的症状作为主要关注点进行推理,且各个症状之间彼此是独立的,没有考虑到不同症状对于该诊断的权重贡献,因此很容易出现无个性化的诊断以及与患者现有症状相矛盾的诊断。而基于机器学习的疾 ...
【技术保护点】
【技术特征摘要】
1.一种诊断结果预测方法,其特征在于,所述方法包括:获取第一信息,所述第一信息为脱敏处理后的患者病历信息;对所述第一信息进行字段解析,以得到第一数据和第二数据,所述第一数据为模型的输入数据,所述第二数据为模型的输出数据;对所述第一数据和第二数据进行清洗,以去除所述第一数据和第二数据中的无效数据;获取指令数据,并基于清洗后的第一数据和第二数据,构建训练数据集,以对ChatGLM
‑
6B模型进行微调;获取第一结果和第二结果,并以BLEU和ROUGE作为评价指标对所述第一结果和第二结果进行评价,以对所述ChatGLM
‑
6B模型进行优化,所述第一结果为所述ChatGLM
‑
6B模型的预测结果,所述第二结果为所述第一信息中患者的实际诊断结果;基于优化后的ChatGLM
‑
6B模型,接收第二信息,并调用所述ChatGLM
‑
6B模型对所述第二信息进行处理,以获取第三结果,所述第二信息为当前患者的病历信息,所述第三结果为所述ChatGLM
‑
6B模型对当前患者的诊断结果。2.根据权利要求1所述的诊断结果预测方法,其特征在于,所述获取第一信息,之前包括:获取多个患者病历信息,所述患者病历信息包括患者入院记录、首次病程记录、患者当前的异常检验结果以及患者入院当天的检查结果;对所述患者病历信息进行脱敏处理,以去除所述患者病历信息中患者的隐私信息。3.根据权利要求1所述的诊断结果预测方法,其特征在于,所述第一数据包括患者入院记录中的主诉、现病史、专科情况、患者入院当天的异常检验结果以及入院当天的检查结果,所述第二数据为患者首次病程记录中的初步诊断;所述对所述第一数据和第二数据进行清洗,以去除所述第一数据和第二数据中的无效数据,包括:当所述第一数据中的任一项为空项时,则去除所述第一数据中的空项;当所述第二数据中的任一项为空项时,则去除所述第二数据中的空项。4.根据权利要求3所述的诊断结果预测方法,其特征在于,所述方法还包括:基于所述患者入院当天的异常检验结果,获取第一异常值,所述第一异常值为患者入院当天检验中的异常指标值;基于正常指标范围,获取第一结论,所述第一结论为所述第一异常值相较于所述正常指标范围升高或降低的结论。5.根据权利要求1所述的诊断结果预测方法,其特征在于,所述获取指令数据,并基于清洗后的第一数据和第二数据,构建训练数据集,以对ChatGLM
‑
6B模型进行微调,包括:将清洗后的第一数据与所述指令数据进行拼接,作为所述ChatGLM
‑
6B模型的输入数据;基于所述ChatGLM
‑
6B模型的输入数据,对所述ChatGLM
‑
6B模型进行微调。...
【专利技术属性】
技术研发人员:范贤,王实,张奇,
申请(专利权)人:北京惠每云科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。