一种粒子放疗的排程方法及排程系统技术方案

本发明专利技术涉及一种粒子放疗的排程方法及排程系统，包括：以下步骤：获取当前未入院的患者名单及信息；罗列静态计分因素，依据所述静态计分因素对未入院的患者进行计分，获得静态得分；罗列动态计分因素，依据所述动态计分因素对未入院的患者进行计分，获得动态得分，其中，所述动态计分因素包括患者治疗方案完成后的等候天数；将静态得分与动态得分相加，获得所有未入院的患者的总得分，并依据总得分由高到低确定患者的入院排序；计算预设时间段可供入院的人数，依据预设时间段可供入院的人数和患者的入院次序，确定预设时间段可入院的患者名单。其自动化程度高，减少人工操作，更为合理地安排患者就诊，使得放疗资源最大化利用。使得放疗资源最大化利用。使得放疗资源最大化利用。

【技术实现步骤摘要】
一种粒子放疗的排程方法及排程系统


[0001]本专利技术涉及医疗排程系统
，尤其是指一种粒子放疗的排程方法及排程系统。

技术介绍

[0002]1946年，美国物理学家Robert R Wilson首次提出使用质子束治疗癌症，即质子治疗。与常规光子放疗相比，质子治疗可在肿瘤靶区形成剂量高峰区即布拉格峰，并且具有良好的适形性，可减少肿瘤周围正常组织所受的放射损伤，在杀伤肿瘤细胞的同时更好地保护正常组织。
[0003]总体而言，现有的质子放射治疗系统较少，然而，肿瘤负担巨大，在粒子放疗的供给极其短缺，现有的质子放疗排程紊乱，造成适宜该治疗手段的患者只能长时间等待，有时甚至造成病情进展、贻误最佳治疗窗口；或者，医院需要大量工作人员相互配合以对放疗工作进行排程，耗费人力，且容易出错。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中现有的质子放疗排程紊乱的技术缺陷。
[0005]为解决上述技术问题，本专利技术提供了一种粒子放疗的排程方法，包括以下步骤：
[0006]S1、获取当前未入院的患者名单及信息；
[0007]S2、罗列静态计分因素，依据所述静态计分因素对未入院的患者进行计分，获得静态得分，其中，所述静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、是否使用新技术、治疗性质和束流类型；
[0008]S3、罗列动态计分因素，依据所述动态计分因素对未入院的患者进行计分，获得动态得分，其中，所述动态计分因素包括患者治疗方案完成后的等候天数；
[0009]S4、将静态得分与动态得分相加，获得所有未入院的患者的总得分，并依据总得分由高到低确定患者的入院排序；
[0010]S5、计算预设时间段可供入院的人数，依据预设时间段可供入院的人数和患者的入院次序，确定预设时间段可入院的患者名单。
[0011]作为优选的，所述S5中，计算预设时间段可供入院的人数，包括以下步骤：
[0012]获取历史患者的信息及其对应的治疗时间；
[0013]构建深度学习模型，依据历史患者的信息及其对应的治疗时间，优化深度学习模型的参数，更新所述深度学习模型；
[0014]获取当前已入院患者的信息，使用更新后的深度学习模型预测已入院患者的治疗时间；
[0015]依据已入院患者的治疗时间，测算出当前患者出院后医院能够释放出的空白治疗时间；
[0016]依据空白治疗时间以及空床数，计算获得预设时间段可供入院的患者人数。
[0017]作为优选的，所述S5之后还包括：
[0018]使用更新后的深度学习模型预测预设时间段可入院的患者的治疗时间，并将预设时间段可入院的患者的治疗时间嵌入空白治疗时间中。
[0019]作为优选的，所述S2包括：
[0020]罗列静态计分因素，所述静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、是否使用新技术、治疗性质和束流类型；
[0021]赋予不同静态计分因素分值；
[0022]依次依据不同的静态计分因素对未入院的患者进行计分，其总分即为静态得分。
[0023]作为优选的，所述S3中，患者确定治疗方案后的等候天数越长，动态得分越多。
[0024]作为优选的，所述S5之后还包括：
[0025]每日凌晨更新当前未入院的患者名单及信息和预设时间段可供入院的人数；
[0026]重复S1
‑
S5。
[0027]作为优选的，所述S3中，所述动态因素还包括患者病情进展，所述患者病情进展的得分由医生打分。
[0028]作为优选的，所述S4还包括：
[0029]小程序、网站或APP收集患者的入院次序以供患者查询自己的排序。
[0030]本专利技术公开了一种粒子放疗的排程系统，包括：
[0031]患者信息收集模块，所述患者信息收集模块用于获取当前未入院的患者名单及信息；
[0032]静态计分模块，所述静态计分模块用于罗列静态计分因素，依据所述静态计分因素对未入院的患者进行计分，获得静态得分，其中，所述静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、是否使用新技术、治疗性质和束流类型；
[0033]动态计分模块，所述动态计分模块用于罗列动态计分因素，依据所述动态计分因素对未入院的患者进行计分，获得动态得分，其中，所述动态计分因素包括患者治疗方案完成后的等候天数；
[0034]入院次序计算模块，所述入院次序计算模块用于将静态得分与动态得分相加，获得所有未入院的患者的总得分，并依据总得分由高到低确定患者的入院排序；
[0035]排程模块，所述排程模块用于计算预设时间段可供入院的人数，依据预设时间段可供入院的人数和患者的入院次序，确定预设时间段可入院的患者名单。
[0036]作为优选的，所述粒子放疗的排程系统与医院信息系统HIS连接以获取患者信息。
[0037]本专利技术的上述技术方案相比现有技术具有以下优点：
[0038]1、本专利技术中，纳入计分的因素分类：一是动态因素，即时间因素，即患者实际等待时间，最客观、公平、直观，是排序的基础；患者计分从计划完成验证之时始，至完成排序确定入院日期时止；二是静态因素，即患者病种、病情和医院导向性因素，一经赋分后基本不变，通过两种计分因素的配合，实现患者入院排序，更为全面可靠。
[0039]2、本专利技术中，通过计算预设时间段可供入院的人数，依据预设时间段可供入院的人数和患者的入院次序，确定预设时间段可入院的患者名单，其能够获得当前医院可入院的患者名单，客观性强，自动化程度高，减少人工操作。
[0040]3、本专利技术能够更为合理地安排患者就诊，使得放疗资源最大化利用，提高救治效率。
附图说明
[0041]图1为本专利技术中的粒子放疗的排程方法的流程图。
具体实施方式
[0042]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。
[0043]参照图1所示，本专利技术公开了一种粒子放疗的排程方法，包括以下步骤：
[0044]步骤一、获取当前未入院的患者名单及信息。对于需要入住医院并进行放疗治疗的患者，事先需进行诊断，诊断信息由主治医师录入医院的信息管理系统，即Hospital Information System，简称HIS。而从医院的信息管理系统中，可调取当前未入院的患者名单及信息。对于患者信息，应当包含下述步骤二和步骤三中的静态计分因素和动态计分因素，以此，便于后续计分与排序。
[0045]步骤二、罗列静态计分因素，依据静态计分因素对未入院的患者进行计分，获得静态得分，其中，静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、是否使用新技术、治疗性质和束流类型，，包括：
[0046]罗列静态计分因素，静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种粒子放疗的排程方法，其特征在于，包括以下步骤：S1、获取当前未入院的患者名单及信息；S2、罗列静态计分因素，依据所述静态计分因素对未入院的患者进行计分，获得静态得分，其中，所述静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、是否使用新技术、治疗性质和束流类型；S3、罗列动态计分因素，依据所述动态计分因素对未入院的患者进行计分，获得动态得分，其中，所述动态计分因素包括患者治疗方案完成后的等候天数；S4、将静态得分与动态得分相加，获得所有未入院的患者的总得分，并依据总得分由高到低确定患者的入院排序；S5、计算预设时间段可供入院的人数，依据预设时间段可供入院的人数和患者的入院次序，确定预设时间段可入院的患者名单。2.根据权利要求1所述的粒子放疗的排程方法，其特征在于，所述S5中，计算预设时间段可供入院的人数，包括以下步骤：获取历史患者的信息及其对应的治疗时间；构建深度学习模型，依据历史患者的信息及其对应的治疗时间，优化深度学习模型的参数，更新所述深度学习模型；获取当前已入院患者的信息，使用更新后的深度学习模型预测已入院患者的治疗时间；依据已入院患者的治疗时间，测算出当前患者出院后医院能够释放出的空白治疗时间；依据空白治疗时间以及空床数，计算获得预设时间段可供入院的患者人数。3.根据权利要求2所述的粒子放疗的排程方法，其特征在于，所述S5之后还包括：使用更新后的深度学习模型预测预设时间段可入院的患者的治疗时间，并将预设时间段可入院的患者的治疗时间嵌入空白治疗时间中。4.根据权利要求1所述的粒子放疗的排程方法，其特征在于，所述S2包括：罗列静态计分因素，所述静态计分因素包括是否重点病种、是否紧急病种、是否临床试验、是否使用新技术、治疗性质和束流类型；赋予不同静态计分因素分值；依次依据不同的静态计分因素...

【专利技术属性】
技术研发人员：杜宁，龚雪明，李杰，吴晓峰，王岚，肖瑞，
申请(专利权)人：上海市质子重离子医院有限公司，
类型：发明
国别省市：