[发明专利]生成医疗记录问题列表

说明书

本发明的实施例包括用于生成医疗问题列表的方法、系统和计算机程序产品。该方法的非限制性示例包括由处理器接收多个疾病类别。使用处理器定义包括多个顶级疾病类别的疾病类别集合，其中所述疾病类别集合至少部分地基于所述多个疾病类别。处理器用于从电子患者记录训练集中提取多个候选训练问题。处理器用于将所述候选训练问题中的每个候选训练问题分配给所述多个顶级疾病类别。处理器用于使用机器学习技术从所述电子患者记录训练集生成所述顶级疾病类别的每个顶级疾病类别的疾病类别模型。

背景技术

本发明一般涉及医疗记录，并且更具体地涉及根据电子医疗记录自动生成医疗记录问题列表。

当前技术已经极大地扩展了可以结合医疗收集的患者信息的类型和数量。存储在电子健康记录(EHR)系统中的电子医疗记录(EMR)包括来自多个源的、用于各种目的、并且具有各种格式的患者数据。除了结构化数据条目之外，存储在EHR系统中的纵向患者记录或EMR可以包括数百个临床笔记和数千个半结构化数据条目。这样的临床记录不仅可以包括打算用于病人护理的信息，而且可以包括为了其它目的诸如记帐或法律目的而输入的信息。因此，尽管收集更多的患者信息对于患者护理是有益的，但是所收集的数据量可能使得患者护理提供者难以及时理解和定位期望的或必要的信息。

随着患者数据量的增加，患者的医疗问题列表在患者治疗和护理中变得越来越重要。问题列表已经存在了几十年，并且可以为患者护理的医生提供快速接入点，可以鼓励医生整体地考虑他们的患者，并且可以降低忽视医疗问题的风险。然而，尽管围绕问题列表组织患者记录已经成为普遍接受的实践，但是创建和维护准确且最新的问题列表存在许多挑战。例如，问题列表不是由每个医生使用，并且可以被更新或不被更新。此外，问题列表中提供的细节水平不是统一的，并且很大程度上取决于医师的偏好。

近年来已经看到了针对患者记录的自动概括的研究，以减少临床医生的认知负担。例如，自然语言和机器学习技术已经被用于尝试从电子健康记录中概括、提取和合成数据。这些方法在自动生成问题列表方面已经取得了各种成功。然而，这样的方法可能遭受不准确的测量和/或有限的临床有用性。仍然需要从EHR自动生成具有改进的准确性的问题列表。

发明内容

根据本发明的一个或多个实施例，提供了一种用于生成医疗问题列表的计算机实现的方法。该方法的非限制性示例包括由处理器接收多个疾病类别。该方法还包括由处理器定义包括多个顶级疾病类别的疾病类别集合，其中疾病类别集合至少部分地基于多个疾病类别。该方法还包括由处理器从电子患者记录训练集中提取多个候选训练问题。该方法还包括由处理器将候选训练问题中的每一个分配给多个顶级疾病类别。该方法还包括由处理器通过机器学习技术从电子患者记录训练集生成针对每个顶级疾病类别的疾病类别模型。本发明的该实施例可以提供具有提高的准确性和较小程度的遗漏问题或不反映患者的医疗问题的候选问题的问题列表。

根据本发明的一个或多个实施例，提供了一种用于生成医疗问题列表的计算机程序产品。该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质可由处理电路读取并且存储由处理电路执行以执行方法的程序指令。该方法的非限制性示例包括接收多个疾病类别。该方法还包括定义包括多个顶级疾病类别的疾病类别集合，其中该疾病类别集合至少部分地基于多个疾病类别。该方法还包括从电子患者记录训练集中提取多个候选训练问题。该方法还包括将每个候选训练问题分配给多个顶级疾病类别。该方法还包括通过机器学习技术从电子患者记录训练集生成针对每个顶级疾病类别的疾病类别模型。本发明的这个实施例可以提供具有提高的准确性和较小程度的遗漏问题或不反映患者的医疗问题的问题列表。