[发明专利]一种基于深度学习的医疗RCT报告分析方法及装置

说明书

本发明公开了一种基于深度学习的医疗RCT报告分析方法，本方法通过预先训练得到医疗关键信息识别模型和观测参数提取模型，并通过将医疗RCT报告输入已训练的医疗关键信息识别模型，得到该医疗RCT报告的医疗关键信息，然后，将该医疗关键信息和该医疗RCT报告输入已训练的观测参数提取模型，得到该医疗RCT报告中证据句对应的观测参数变化趋势，接着，根据该医疗关键信息和该观测参数变化趋势，确定该医疗RCT报告的医疗分析结果。可见，本发明可以自动根据医疗RCT报告确定该医疗RCT报告的医疗分析结果，即确定该医疗RCT报告的医疗关键信息和证据句对应的观测参数变化趋势，与现有技术相比，本发明不需要人工进行医疗RCT报告分析，可以避免由于人工进行医疗RCT报告分析所导致的分析错误，从而提高了医疗RCT报告分析的效率。

技术领域

本发明涉及数据处理领域，尤其涉及一种基于深度学习的医疗RCT报告分析方法及装置。

背景技术

随着医学理念的发展，当前的医疗模式已从过去的经验医学向循证医学转变。循证医学的主要证据载体为系统评价，其要求研究者需要针对某一明确临床问题进行系统性检索和文献筛选出当前最佳临床证据，并对这些证据进行偏倚风险评价和结果整合。为了控制纳入文献本身的偏倚风险，系统评价撰写者需要寻找的当前最佳临床证据一般为随机对照临床实验(Randomized Controlled Trials，RCT)报告。通常，医疗RCT报告是以自由文本形式存在，如期刊和会议论文所描述的RCT等，自由文本形式的文本中包含大量的信息，如医疗RCT报告中的医疗关键信息(Patient/Problem Intervention ComparisonOutcome，PICO)等。其中，医疗RCT报告中的医疗PICO可用于构建循证医学数据库，帮助医生以及医药公司了解不同的治疗方法在特定人群上的作用效果。

在现有技术中，通常采用的医疗RCT报告分析方式为采用人工的方式从医疗RCT报告中提取医疗PICO，并人工根据医疗PICO确定观测参数所对应的变化趋势。由于人工进行医疗RCT报告分析的过程繁琐，且容易出错，因此，人工进行医疗RCT报告分析的效率低下。故，亟需一种能够提高医疗RCT报告分析的效率的方法。

发明内容

本发明提供基于深度学习的医疗RCT报告分析方法及装置，以实现不需要人工进行医疗RCT报告分析，避免由于人工进行医疗RCT报告分析所导致的分析错误，从而提高了医疗RCT报告分析的效率。

第一方面，本发明提供了一种基于深度学习的医疗RCT报告分析方法，所述方法包括：

确定待分析的医疗随机对照实验(RCT)报告；

将所述医疗RCT报告输入已训练的医疗关键信息识别模型，得到所述医疗RCT报告的医疗关键信息；

将所述医疗关键信息和所述医疗RCT报告输入已训练的观测参数提取模型，得到所述医疗RCT报告中证据句对应的观测参数变化趋势；所述证据句为所述医疗RCT报告中可体现观测参数的变化趋势的句子；

根据所述医疗关键信息和所述观测参数变化趋势，确定所述医疗RCT报告的医疗分析结果。

第二方面，本发明提供了一种基于深度学习的医疗RCT报告分析装置，所述装置包括：

第一确定模块，用于确定待分析的随机对照实验(医疗RCT)报告；

第一输入模块，用于将所述医疗RCT报告输入已训练的医疗关键信息识别模型，得到所述医疗RCT报告的医疗关键信息；

第二输入模块，用于将所述医疗关键信息和所述医疗RCT报告输入已训练的观测参数提取模型，得到所述医疗RCT报告中证据句对应的观测参数变化趋势；所述证据句为所述医疗RCT报告中可体现观测参数的变化趋势的句子；

第二确定模块，用于根据所述医疗关键信息和所述观测参数变化趋势，确定所述医疗RCT报告的医疗分析结果。