一种医疗大数据全流程智能监管方法技术

本申请提供了一种医疗大数据全流程智能监管方法，该方法基于对历史告警日志处理工单的数据预处理，获得处理经验库，基于处理经验库，构建特征工程，并用于训练智能监管决策模型，并基于告警问题分析及解决方案，获得操作处理规范，并对操作处理规范转化为操作处理规范自动化程序；并将训练好的智能监管模型用于对线上告警问题进行智能分析和决策，自动触发监管任务执行；本申请各实施例借助人工智能手段实现对告警的智能监管，从而提升医疗大数据监管效率，减少运维人力的投入，确保了数据流转过程中的数据质量

【技术实现步骤摘要】
一种医疗大数据全流程智能监管方法


[0001]本申请涉及医疗大数据
，具体而言，本申请涉及一种医疗大数据全流程智能监管方法
。

技术介绍

[0002]医疗大数据分析可以帮助医疗机构和医生做出更准确的诊断和治疗计划，有助于提高医疗水平和工作效率，同时也可以帮助政策制定者和研究者掌握国民健康状况和医疗系统全貌，从而精准制定相关政策
。
医疗大数据主要来源于医疗机构
、
卫生服务组织等单位采集到的各种数据
。
通常，采集后的医疗大数据将被上传至云平台；在云平台进行数据治理后，存储到云存储系统
。
此后，基于不同的需求在被上层应用调用分析或使用
。
然而，从数据采集
、
数据上云
、
数据治理
、
数据存储
、
再到数据应用的全流程中，可能存在某一环节或一些环节的告警报错，若无法查找到告警原因，并及时解决，将最终导致数据在应用端分析使用时存在不准确或失败的情况，以致影响数据消费端的体验感；更有甚者，直接影响医疗决策的准确性，由此带来严重后果
。
[0003]为此，如何保证医疗数据在全流程的流转过程中的数据质量，成为当下亟待解决的问题
。
为此，申请人深入研究后发现：这些告警报错中很大一部分属于现象级的，但由于数据流转的全流程节点多
、
角色复杂，导致错误归因无法排查，数据流转程序难以维护，从而堆积大量历史坏数据，形成数据沼泽
。

技术实现思路

[0004]有鉴于此，本申请提出了一种医疗大数据全流程智能监管方法
。
本说明书一个或者多个实施例同时涉及一种电子设备以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷
。
该方案主要利用历史告警工单数据训练智能监管模型，以实现借助机器学习手段对告警问题进行智能排查；以及整理标准化处理流程，并生成操作处理规范自动化程序，借助自动化程序对排查结果进行智能处理，从而实现医疗大数据全流程智能监管，进而提升医疗大数据监管效率，减少运维人力的投入；同时确保了数据流转过程中的数据质量
。
[0005]本申请的技术方案如下：根据本申请实施例的一个方面，提供了一种医疗大数据全流程智能监管方法，包括：获取待监管的告警日志；待监管的告警日志来源于对医疗数据的全流程处理任务；对待监管的告警日志进行数据预处理，获得待决策的告警数据；将待决策的告警数据传入智能监管模型进行决策分析，获得针对告警日志的监管决策；基于监管决策，执行监管任务
。
[0006]在一示例性实施方式中，智能监管模型生成方法包括：获取历史告警工单数据；对历史告警工单数据进行数据预处理，以获得决策数据集；选取智能监管模型的初始模型；将决策数据集输入初始模型，进行训练和优化，生成智能监管模型
。
[0007]在一示例性实施方式中，对历史告警工单数据进行数据预处理，以获得决策数据
集，具体包括：读取历史告警工单数据；基于预定义的标准字段组合，将历史告警工单数据写入处理经验库；对该告警数据进行数据清洗；基于预定义的分类标准，对写入处理经验库的告警数据进行分类；基于预定义的数据字典，对写入处理经验库的告警数据进行标准化转换，以生成决策数据集
。
[0008]在一示例性实施方式中，标准字段组合生成方法，包括：基于告警问题分析逻辑，从告警日志中筛选出识别归因的必要特征；将识别归因的必要特征作为标准字段组合；收集智能监管模型的预测效果；根据所述预测效果，调整所述标准字段组合，利用调整后的所述标准字段组合调整所述智能监管模型，以获得更优的智能监管模型的预测效果
。
[0009]在一示例性实施方式中，基于监管决策，执行监管任务，包括：判断待监管的告警日志的告警问题是否已经存在操作处理规范自动化程序；若存在，则触发操作处理规范自动化程序启动运行；若不存在，则向对应负责单位触发告警通知
。
[0010]在一示例性实施方式中，操作处理规范自动化程序生成方法，包括：分析告警问题处理规则，将可标准化处理规则整理成操作处理规范；对操作处理规范设置处理序列，以生成自动化处理脚本；基于自动化处理脚本，生成操作处理规范自动化程序；将操作处理规范自动化程序与对应的告警问题进行关联
。
[0011]在一示例性实施方式中，基于自动化处理脚本，生成操作处理规范自动化程序的方法包括：将自动化处理脚本作为提示信息，利用生成式大语言模型自动生成操作处理规范自动化程序，或者，基于自动化处理脚本，生成操作处理规范自动化程序的方法包括：对自动化脚本进行编程，以生成操作处理规范自动化程序
。
[0012]在一示例性实施方式中，选用
XGboost
决策树模型作为智能监管模型的初始模型
。
[0013]根据本申请实施例的另一个方面，提供了一种电子设备，包括：至少一个处理器
、
至少一个存储器
、
以及至少一条通信总线，其中，该存储器上存储有计算机程序，该处理器通过该通信总线读取该存储器中的该计算机程序；该计算机程序被该处理器运行时实现上述的一种医疗大数据全流程智能监管方法
。
[0014]根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被计算机的处理器运行时实现上述的一种医疗大数据全流程智能监管方法
。
[0015]本申请提供的技术方案带来的有益效果是：
[0016]本申请各实施例基于对历史告警日志处理工单的数据预处理，获得处理经验库，基于处理经验库，构建特征工程，并用于训练智能监管决策模型，并基于问题分析及解决方案，获得操作处理规范，并对操作处理规范转化为操作处理规范自动化程序；并将训练好的智能监管模型用于对线上告警问题进行智能分析和决策，自动触发监管任务执行；本申请各实施例借助人工智能手段实现对告警的智能监管，从而提升医疗大数据监管效率，减少运维人力的投入，确保了数据流转过程中的数据质量
。
附图说明
[0017]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍
。
[0018]图1是本申请一示例性实施例的一种医疗大数据全流程智能监管方法的实施流程
示意图；
[0019]图2是本申请另一示例性实施例的一种医疗大数据全流程智能监管方法的实施流程示意图；
[0020]图3是本申请一示例性实施例的一种医疗大数据全流程智能监管方法的实施步骤图；
[0021]图4是本申请一示例性实施例的一种医疗大数据全流程智能监管方法中智能监管模型生成步骤图；
[0022]图5是本申请一示例性实施例的一种医疗大数据全流程智能监管方法中操作处理规范自动化程序生成步骤图；
[0023本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医疗大数据全流程智能监管方法，其特征在于，包括：获取待监管的告警日志；所述待监管的告警日志来源于对医疗数据的全流程处理任务；对所述待监管的告警日志进行数据预处理，获得待决策的告警数据；将所述待决策的告警数据传入智能监管模型进行决策分析，获得针对所述告警日志的监管决策；基于所述监管决策，执行监管任务
。2.
根据权利要求1所述的方法，其特征在于，所述智能监管模型生成方法包括：获取历史告警工单数据；对所述历史告警工单数据进行数据预处理，以获得决策数据集；选取智能监管模型的初始模型；将所述决策数据集输入所述初始模型，进行训练和优化，生成所述智能监管模型
。3.
根据权利要求2所述的方法，其特征在于，所述对历史告警工单数据进行数据预处理，以获得决策数据集，具体包括：读取所述历史告警工单数据；基于预定义的标准字段组合，将所述历史告警工单数据写入处理经验库；对写入处理经验库的所述告警数据进行数据清洗；基于预定义的分类标准，对写入处理经验库的所述告警数据进行分类；基于预定义的数据字典，对所述告警数据进行标准化转换，以生成所述决策数据集
。4.
根据权利要求3所述的方法，其特征在于，所述标准字段组合生成方法，包括：基于告警问题分析逻辑，从所述告警日志中筛选出识别归因的必要特征；将识别归因的所述必要特征作为标准字段组合；收集所述智能监管模型的预测效果；根据所述预测效果，调整所述标准字段组合，利用调整后的所述标准字段组合调整所述智能监管模型，以获得更优的智能监管模型的预测效果
。5.
根据权利要求1所述的方法，其特征在于，所述基于所述监管决策，执行监管任务，包括：判断所述待监管的告警日志的告...

【专利技术属性】
技术研发人员：张磊，余豪，
申请(专利权)人：中电通商数字技术上海有限公司，
类型：发明
国别省市：