[发明专利]一种基于知识图谱的跨科室慢性肾病早期诊断决策支持系统

说明书

本发明公开了一种基于知识图谱的跨科室慢性肾病早期诊断决策支持系统，包括患者信息模型建立模块、患者信息模型库存储模块、知识图谱关联模块、知识图谱推理模块和决策支持反馈模块；本发明通过构建患者信息模型，利用OMOP CDM标准术语体系，将患者电子病历数据建构为概念编码统一、语义结构统一的患者信息模型；发挥语义技术在数据交互性和可扩展性的优势，使得该系统对不同医院的异构数据有较好的适应性和扩展性。同时，基于知识图谱知识推理得出的临床建议，来源均为符合循证医学的临床指南和医师经验，推理流程和建议原因通过构建推理实例可以追溯获取，从而能够在给出临床建议的同时给出推理过程和建议原因，提升医师对决策支持建议的信任度。

技术领域

本发明涉及知识图谱技术及慢病早期诊断决策支持技术，尤其涉及一种基于知识图谱的跨科室慢性肾病早期诊断决策支持系统。

背景技术

慢性肾脏(CKD)是严重危害人类健康的重大慢性疾病，会显著增加心血管疾病的发病率和死亡率。我国流行病学调查显示CKD患病率已高达10.8％，据此估算我国CKD患者已超过1亿人。然而调查显示我国基层医院和非肾科医生对肾脏疾病表现的认识和知晓率较低：普通人群对慢性肾病的知晓率仅有12.5％，而治疗率低至7.5％。国际上的研究显示非肾病科基层医生对慢性肾病诊疗知识认知程度也仅有30％。非肾病科医师对慢性肾病的认知缺乏，导致许多慢性肾病患者不能及时发现病情，造成终末期肾病和心血管疾病风险上升，带来巨大的医疗负担。因此，需要研究面向非肾病科医师的跨科室慢性肾病早期诊断临床决策支持方法及系统，辅助非肾病科医师及时发现患者慢性肾病风险，提升慢行肾病的知晓率和治疗率。

现有的慢性肾病早期诊断决策支持的主要技术方案有两类：一种是基于电子病历的专家系统，通过设定一定的慢性肾病指标判定规则，结合电子病历数据进行慢性肾病诊断预警。另一种是基于机器学习技术，利用支持向量机(SVM)、卷积神经网络(RNN)等算法，提供辅助支持。如对患者临床检查指标进行建模评估，给出慢性肾病风险；通过分析患者相似病例，向医师提供相似性强的慢性肾病既往病例等。

现有的慢性肾病早期诊断决策支持技术存在以下问题：(1)当前基于电子病历的专家系统往往与医院电子病历系统深度整合，使用特定的数据结构和医学术语体系，从而导致其扩展性和移植性较差，往往不能适用于多家不同医院；同时，既定诊断规则扩展困难，无法及时随慢性肾病临床指南变化而及时更新。(2)基于机器学习的辅助支持，需要输入大量患者临床检查和诊断数据作为模型训练特征，而患者电子病历数据往往缺乏充足的检查结果，导致机器学习模型的适用性差；此外，机器学习模型无法给出明确的诊断原因，只能提供风险等级，造成临床医师对系统的信任度不足。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于知识图谱的跨科室慢性肾病早期诊断决策支持系统，帮助非肾病科医生及时发现慢性肾病漏诊患者和高风险患者，提高系统的可扩展性和适应性。本发明将医学知识图谱技术同电子病历有机结合，通过构建慢性肾病早期诊治医学知识图谱，并依此将复杂的电子病历数据转化为以患者为中心的图谱化患者信息模型，提供慢性肾病早期诊断决策支持。知识图谱具有强数据交互能力和强扩展能力，对医学概念提供规范化表达；通过语义映射可以适配多医院异构化电子病历数据结构和术语体系，从而实现决策支持系统在多家医院的应用。知识图谱通过语义推理给出决策支持结论，其推理路径可全程追溯，在给出临床建议的同时，能提供语义推理对应的的指南标准和专家经验，给出临床建议的原因，从而提升医师对系统的信任度。

本发明的目的是通过以下技术方案实现的：一种基于知识图谱的跨科室慢性肾病早期诊断决策支持系统，该系统包括患者信息模型建立模块、患者信息模型库存储模块、知识图谱关联模块、知识图谱推理模块和决策支持反馈模块；

所述患者信息模型建立模块：基于患者电子病历数据，根据慢性肾病知识图谱语义结构和OMOP CDM数据结构，建立以患者为中心的患者电子病历数据知识子图谱，形成患者信息模型。