[发明专利]医疗数据处理方法、装置电子设备及计算机可读介质

说明书

本公开涉及一种医疗数据处理方法、装置、电子设备及计算机可读介质。该方法包括：抽取电子病历中的结构化特征；抽取电子病例中的非结构化特征；利用组合神经网络模型预测诊疗方案，其中包括：通过所述组合神经网络模型的第一DNN模型接收所述结构化特征，产生第一数据；通过所述组合神经网络模型中的时序神经网络模型接收所述非结构化特征，产生第二数据；通过所述组合神经网络的第二DNN模型，接收所述第一数据和所述第二数据，产生第三数据；由所述组合神经网络的输出层接收所述第三数据，输出预测的诊疗方案。根据本申请的方案能够提高预测准确性。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种医疗数据处理方法、装置、电子设备及计算机可读介质。

背景技术

随着近些年医疗信息化的大力发展，医疗大数据得到了爆发式增长。基于医疗数据和机器学习技术学习医生的诊疗行为，给出诊断和治疗建议，辅助低年资医生进行临床决策一直是医疗人工智能的热点方向。

现有技术一般是基于传统的机器学习方法如贝叶斯、逻辑回归、决策树和svm进行疾病诊断预测。近些年随着神经网络的兴起，也有一些工作是基于深度神经网络进行建模。但现有技术中对诊疗方案的推荐均基于临床指南，而非基于机器学习算法。基于临床指南等知识库的推荐方案可能和当前院内实际情况不符，例如设备参数差别、当前医院缺少推荐药品等；且由于临床指南语言较为笼统，在将临床指南中的特征转换为机器语言时具有一定难度。此外，无论是传统模型还是深度神经网络模型，均要求对电子病历进行结构化特征的提取，这一特性将严重限制模型的预测效果。

因此，需要一种新的医疗数据处理的方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本申请提供一种医疗数据处理的方法，能够提高预测准确性。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提供一种医疗数据处理的方法，包括：

抽取电子病历中的结构化特征；

抽取电子病例中的非结构化特征；

利用组合神经网络模型预测诊疗方案，其中包括：

通过所述组合神经网络模型的第一DNN模型接收所述结构化特征，产生第一数据；

通过所述组合神经网络模型中的时序神经网络模型接收所述非结构化特征，产生第二数据；

由所述组合神经网络的第二DNN模型接收所述第一数据和所述第二数据，产生第三数据；

由所述组合神经网络的输出层接收所述第三数据，输出预测的诊疗方案。

根据一些实施例，所述结构化特征包括下述特征中的至少一种：患者基本信息；检验结果信息。

根据一些实施例，所述非结构化特征包括下述特征中的至少一种：主诉信息、现病史；家族史；检查报告。

根据一些实施例，前述方法还包括：利用病例样本中的诊疗方案作为样本标注；利用标注的所述病例样本训练所述组合神经网络模型。

根据一些实施例，所述诊疗方案包括诊断名称、检查信息、检验信息、用药信息中的至少一种。

根据一些实施例，所述利用标注的所述病例样本训练所述组合神经网络模型包括：训练多目标模型，使得训练得到的所述组合神经网络模型在训练数据上达到诊疗方案全局最优。