[发明专利]诊疗方案预测方法及装置

说明书

本发明提供了诊疗方案预测方法及装置，获取待预测病历文本所包含的医学实体的特征向量得到医学实体向量，同时，获取该待预测病历文本的文本特征向量。然后，将待预测病历文本对应的医学实体向量和文本特征向量输入至预先训练得到的诊疗方案预测模型中，预测得到与该待预测病历文本相匹配的诊疗方案，其中，诊疗方案包括诊疗药物、手术和检查项中的至少一种。由上述内容可知，本发明在对待预测病历文本进行特征提取时，既提取了医学实体及其关联关系的特征向量，同时提取了病历文本的语境信息，减少了信息损失，提高了待预测病历文本的特征向量的准确度，进而提高了诊疗方案的预测准确率。

技术领域

本发明属于医疗诊断技术领域，尤其涉及诊疗方案预测方法及装置。

背景技术

目前，在临床上，医生给出的诊疗方案完全依赖于医生自身的经验，为了加快医生的临床决策速度，提出了诊疗方案预测系统，从而辅助医生快速给出有效的诊疗方案，减少患者等待时间。

目前的诊疗方案预测系统主要是根据医学专家的临床经验与临床指南整理出临床规则，然后借助本体推理机进行推理，进而预测相应的诊疗方案。但是，这种方式需要人为从临床专家经验及临床指南中提取出临床规则，这个过程费时费力，而且，规则制定的全面性及逻辑性直接影响到预测结果的准确性，同时这种方式也存在效率低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种诊疗方案预测方法及装置，以解决目前的诊疗方案预测方法准确率低且效率低的技术问题，其具体技术方案如下：

一方面，本发明提供了一种诊疗方案预测方法，包括：

获取待预测病历文本；

获取所述待预测病历文本包含的医学实体对应的医学实体向量，并获取所述待预测病历文本对应的文本特征向量；

利用预先训练得到的诊疗方案预测模型分析所述待预测病历文本对应的医学实体向量和文本向量，得到与所述待预测病历文本相匹配的诊疗方案，所述诊疗方案包括药物、手术和检查项中的至少一种。

可选地，所述诊疗方案预测模型包括预设类别对应的预测模型；

所述利用诊疗方案预测模型分析所述待预测病历文本对应的医学实体向量和文本向量，得到与所述待预测病历文本相匹配的诊疗方案，包括：

将所述待预测病历文本对应的文本特征向量输入至预选训练得到的基于深度学习的文本分类模型，得到所述待预测病历文本对应的文本类别；

将所述待预测病历文本对应的医学实体向量和文本向量，输入至与所述待预测病历文本的文本类别对应的预测模型中，预测得到与所述待预测病历文本相匹配的诊疗方案。

可选地，训练基于深度学习的文本分类模型的过程，包括：

获取已标注文本类别的病历训练样本；

利用词向量将所述病历训练样本转换为文本向量；

将所述病历训练样本的文本向量输入至预先构建的多层次注意力模型，提取得到文本特征向量，并基于所述文本特征向量对所述病历训练样本进行预测得到预测文本类别；

基于每一个所述病历训练样本对应的预测文本类别和已标注文本类别，调整所述多层次注意力模型中的模型参数，直到利用调整后的多层次注意力模型对所述病历训练样本进行预测得到的预测文本类型满足预设收敛条件。

可选地，获取所述待预测病历文本对应的文本特征向量，包括：

利用分词算法对所述待预测病历文本进行分词，得到所述待预测病历文本的文本分词结果；

利用词向量将所述文本分词结果中的各个词映射为对应的向量，得到所述待预测病历文本对应的文本向量；