System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医疗辅助,特别是涉及一种病历内涵质控方法、装置、电子设备及存储介质。
技术介绍
1、病历质控的意义在于确保病历书写规范、准确以及完整,用于提高医疗质量,保障患者安全,同时也有利于临床科研和医学教育。病历质控目前已经成为医疗机构日常管理工作中的重要环节,也是评估医疗质量的重要标志之一。
2、首先,病历质控可以确保病历书写规范,因为病历是患者病情的详细记录,也是医生诊断、治疗和管理疾病的依据。通过病历质控可以及时发现和纠正病历书写中的不规范之处,如书写格式不规范、诊断不准确以及治疗方案不合理等,因此需要确保病历书写的规范性。其次,病历质控还可以提高医疗质量,因为病历质控不仅可以发现和纠正书写中的问题,还可以通过分析病历,发现医生在诊断过程中的不足之处,并给予针对性的指导和培训,从而提高医生的医疗水平和工作效率。同时,规范的病历书写也有利于医生之间进行交流和协作,使得患者能够得到更加全面、系统的治疗。再次,病历质控还可以保障患者的人身安全,规范的病历书写可以避免因诊断和治疗错误导致的医疗事故,保障患者的生命安全和健康权益。同时,病历质控也可以发现潜在的医疗隐患和风险,及时采取措施加以防范,从而降低医疗风险和患者安全事故的发生率。最后,病历质控还有利于临床科研和医学教育,规范的病历书写可以为临床科研提供更加准确和完整的数据支持,推动医学研究的进步和发展。同时,通过对病历的质控和分析,也可以发现医生在临床实践中的经验和不足,为医学教育提供有益的素材和案例,提高医学教育质量和水平。
3、病历内涵质控指的
4、目前,现有的病历内涵质控方法主要是基于命名实体识别+规则引擎的方式来实现,具体来说是以“主诉和入院记录诊断无明显关联”这一条内涵质控规则为例。对于一份入院记录的电子病历,首先使用命名实体识别模型,识别出入院记录中的“主诉”和“初步诊断”实体,再使用规则引擎,枚举主诉和初步诊断的对应关系,来对病历进行质控。但是,如果是不依赖穷举的质控规则,如时效性(入院记录必须在入院后24小时内完成)这一类型,该方法可以较好地完成病历质控。但是,如果是需要穷举的质控规则,该方法则需要“主诉和入院记录诊断无明显关联”,但是诊断数量往往是成千上万的,如果依赖规则引擎来实现,则较难取得很好的质控效果。
5、因此,现有的病历内涵质控方法在需要穷举的质控规则中,较多依赖规则引擎,在诊断数量较大时难以保障质控效果。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够使用大语言模型上下文学习能力来完成需要穷举的病历内涵质控规则,且能够在诊断数量较大时保障质控效果的病历内涵质控方法、装置、电子设备及存储介质。
2、本专利技术提供了一种病历内涵质控方法,所述方法包括:
3、获取医疗文本数据,并对所述医疗文本数据进行分析,以将所述医疗文本数据转化为第一问题文本以及所述第一问题文本对应的第一答案文本;
4、将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练;
5、接收待质控病历的第二问题文本,并调用上下文学习训练后的所述大语言模型对所述第二问题文本进行处理,以输出所述第二问题文本对应的第二答案文本。
6、在其中一个实施例中,所述获取医疗文本数据,并对所述医疗文本数据进行分析,以将所述医疗文本数据转化为第一问题文本以及所述第一问题文本对应的第一答案文本,包括:
7、获取历史病历文本,并对所述历史病历文本进行预处理,得到所述医疗文本数据,所述预处理至少包括数据清洗和数据过滤,所述医疗文本数据至少包括患者主诉文本以及医生诊断文本;
8、对所述医疗文本数据进行分析,以根据所述患者主诉文本和医生诊断文本生成所述第一问题文本以及所述第一答案文本对应的第一判断依据;
9、其中,所述医生诊断文本包括所述第一判断依据。
10、在其中一个实施例中,所述将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练,之前包括:
11、基于所述第一问题文本以及所述第一答案文本对应的第一判断依据,获取多个不同的第一问题文本、每个第一问题文本对应的第一答案文本以及每个第一答案文本对应的第一判断依据;
12、将多组不同的第一问题文本、第一答案文本以及第一判断依据转化为多个第一训练样本。
13、在其中一个实施例中,所述将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练,包括:
14、基于所述多个第一训练样本,获取所述大语言模型的模型输入数据和模型输出数据,所述模型输入数据为所述第一问题文本,所述模型输出数据为所述第一答案文本和第一判断依据;
15、将所述第一问题文本作为所述大语言模型的输入,并将所述第一答案文本和第一判断依据作为所述大语言模型的输出,对所述大语言模型进行上下文学习训练;
16、其中,所述大语言模型在上下文学习训练时模型参数保持不变。
17、在其中一个实施例中,接收待质控病历的第二问题文本,并调用上下文学习训练后的所述大语言模型对所述第二问题文本进行处理,以输出所述第二问题文本对应的第二答案文本,之前包括:
18、获取所述待质控病历,并对所述待质控病历进行预处理,得到所述待质控病历的待质控医疗文本数据,所述待质控医疗文本数据包括待质控患者主诉文本和待质控医生诊断文本;
19、对所述待质控医疗文本数据进行分析和拆解,以根据所述待质控患者主诉文本和待质控医生诊断文本生成所述第二问题文本以及所述第二答案文本的第二判断依据。
20、在其中一个实施例中,接收待质控病历的第二问题文本,并调用上下文学习训练后的所述大语言模型对所述第二问题文本进行处理,以输出所述第二问题文本对应的第二答案文本,包括:
21、将所述第二问题文本作为上下文本文档来自技高网...
【技术保护点】
1.一种病历内涵质控方法,其特征在于,所述方法包括:
2.根据权利要求1所述的病历内涵质控方法,其特征在于,所述获取医疗文本数据,并对所述医疗文本数据进行分析,以将所述医疗文本数据转化为第一问题文本以及所述第一问题文本对应的第一答案文本,包括:
3.根据权利要求2所述的病历内涵质控方法,其特征在于,所述将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练,之前包括:
4.根据权利要求3所述的病历内涵质控方法,其特征在于,所述将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练,包括:
5.根据权利要求1所述的病历内涵质控方法,其特征在于,接收待质控病历的第二问题文本,并调用上下文学习训练后的所述大语言模型对所述第二问题文本进行处理,以输出所述第二问题文本对应的第二答案文本,之前包括:
6.根据权利要求5所述的病历
7.根据权利要求6所述的病历内涵质控方法,其特征在于,所述方法还包括:
8.一种病历内涵质控装置,其特征在于,所述装置包括:
9.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种病历内涵质控方法,其特征在于,所述方法包括:
2.根据权利要求1所述的病历内涵质控方法,其特征在于,所述获取医疗文本数据,并对所述医疗文本数据进行分析,以将所述医疗文本数据转化为第一问题文本以及所述第一问题文本对应的第一答案文本,包括:
3.根据权利要求2所述的病历内涵质控方法,其特征在于,所述将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练,之前包括:
4.根据权利要求3所述的病历内涵质控方法,其特征在于,所述将多个不同的所述第一问题文本作为大语言模型的输入,并将每个所述第一问题文本对应的所述第一答案文本作为所述大语言模型的输出,以使所述大语言模型进行上下文学习训练,包括:
5.根据权利要求1所述的病历内涵质控方法,其特征在于,接收待质...
【专利技术属性】
技术研发人员:葛承泽,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。