【技术实现步骤摘要】
本文公开的主题的实施方案涉及患者信息，并且更具体地涉及自动鉴定和概述相关患者信息。
技术介绍
1、患者医疗记录的数字收集、处理、存储和检索可以包括大量数据的集合。在一些示例中，数据可以包括在对患者的调查期间生成的许多医疗程序和记录，包括各种检查，诸如血液测试、尿液测试、病理结果、基于图像的扫描等。在慢性疾病的情况下，受试者的医学状况的诊断以及随后的治疗的持续时间可以随着时间推移从几天到几个月或甚至几年，该慢性疾病可以是花费多于一年来治愈的疾病。在诊断和治疗慢性疾病的过程中，患者可能经历许多不同的治疗和程序，和/或可能移动到不同的医院和/或地理位置。
2、医生越来越依赖于电子医疗记录(emr)系统来在诊断、治疗和监测患者状况期间查阅患者的历史健康记录。对于患有慢性疾病的患者，经常有数百或甚至数千个由多次就诊产生的emr。从这种患者的过去的emr中分选和提取信息是一个缓慢且低效的过程，增加了丢失具有相关数据的记录的可能性，这些记录可能分散在大量的信息较少的定期就诊记录中。
技术实现思路
...【技术保护点】
1.一种方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述实体识别模型是机器学习(ML)模型。
3.根据权利要求1所述的方法，其中所述多个实体识别模型中的每个实体识别模型在相应的标记的数据集上被训练，所述相应的标记的数据集包括所述相应实体的多个标记的实例。
4.根据权利要求3所述的方法，其中每个相应的标记的数据集包括具有靶向频率、靶向长度和靶向邻接程度的实体的实例。
5.根据权利要求1所述的方法，其中实体识别模型对于在所述文本数据中被标记为实体的每个文本表达输出所述文本表达是所述相应实体的实例的概率。
<...【技术特征摘要】
1.一种方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述实体识别模型是机器学习(ml)模型。
3.根据权利要求1所述的方法，其中所述多个实体识别模型中的每个实体识别模型在相应的标记的数据集上被训练，所述相应的标记的数据集包括所述相应实体的多个标记的实例。
4.根据权利要求3所述的方法，其中每个相应的标记的数据集包括具有靶向频率、靶向长度和靶向邻接程度的实体的实例。
5.根据权利要求1所述的方法，其中实体识别模型对于在所述文本数据中被标记为实体的每个文本表达输出所述文本表达是所述相应实体的实例的概率。
6.根据权利要求5所述的方法，其中聚集由每个实体识别模型输出的所述标记的文本数据进一步包括：对于由至少两个实体识别模型标记为实体的所述标记的文本数据中的每个文本表达，基于所述至少两个实体识别模型的输出的相对权重来选择最准确的实体标记。
7.根据权利要求6所述的方法，其中基于由所述至少两个实体识别模型的所述相应实体识别模型输出的所述概率来分配所述权...
【专利技术属性】
技术研发人员：S·哥拉瓦尔，A·阿卡拉，S·萨西德哈兰，A·卡纳马拉普迪，
申请(专利权)人：通用电气精准医疗有限责任公司，
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。