[发明专利]一种基于层次结构和共现结构的临床自动诊断方法及系统

说明书

本发明公开了一种基于层次结构和共现结构的临床自动诊断方法及系统，方法包括：收集基本数据，并对基本数据进行预处理，其中，基本数据至少包括：患者的电子健康记录、患者的诊断代码集合和诊断代码之间的层次结构；基于预处理后的基本数据对临床记录文本特征建模；基于预处理后的基本数据对诊断代码语义表示建模；基于临床记录文本特征建模结果和诊断代码语义表示建模结果对诊断代码分层分配建模，得到临床自动诊断结果。本发明通过引入对层次结构的建模，可以使用高级别的诊断结果来指导低级别的诊断代码的分配，从而解决了分布不均衡的问题，同时通过共现结构捕获诊断代码之间的相关性能够进一步提高临床自动诊断的准确率。

技术领域

本发明涉及医疗数据挖掘技术领域，尤其涉及一种基于层次结构和共现结构的临床自动诊断方法及系统。

背景技术

临床记录是电子健康记录(EHR)的重要组成部分，包含了病史、主诉、当前症状和实验室检测结果等冗长且术语繁多的文本描述。为了避免大量文本造成的重复和歧义，世界卫生组织建议使用国际疾病分类(ICD)中的诊断代码来代表每种疾病、症状和体征等。临床诊断的目标是根据临床记录为患者分配最可能的诊断代码。传统的临床诊断是由训练有素的临床编码人员完成的，由于该编码系统庞大且不断发展，使得人工诊断仍然劳动强度大且容易出错。因此，基于电子健康记录的临床自动诊断任务引发了工业届和学术界的广泛关注。

目前，围绕电子健康记录的临床自动诊断方法，已有少许相关的技术方案与研究成果，部分代表性的公开技术包括：

(1)基于传统机器学习方法

早期的研究者多使用传统的机器学习方法进行临床自动诊断。常被应用与临床自动诊断的方法机器学习模型包括：K-近邻(K-nearest Neighbors)、支持向量机(SupportVector Machines，简称SVM)和贝叶斯独立分类器(Bayesian Independence Classifier)等，研究者们利用这些方法抽取临床记录的文本特征来为患者进行临床自动诊断。尽管这些方法已经取得了一定的成果，但是仍然存在一些局限性，一是极度依赖特征工程且泛化性较差，二是忽略了文本的上下文依赖关系以及关键词语的贡献，这样的方式难以对高噪声、高冗余的现代医疗记录进行临床自动诊断。

(2)基于深度学习方法

近期，随着深度学习的发展,有研究者将神经网络的架构应用到临床自动诊断任务中。这类方法主要将该任务建模成多标签文本分类任务，并使用基于卷积神经网络(Convolutional Neural Networks，CNN)或递归神经网络(Recurrent Neural Networks，RNN)的模型进行自动诊断。这些方法相较于传统的机器学习方法省略了繁杂的特征工程。然而这类方法依旧存在一定的问题，使其不能很好的应用于临床自动诊断，一是诊断编码数量庞大，分布极不平衡，这类方法难以对长尾代码进行建模；二是诊断代码之间的相关性被严重地忽略了，而是独立的为每个诊断代码进行预测。

综上所述，现有的技术方案虽然已经取得了一定的成效，但对于临床自动诊断仍然存在如下困难：1)传统的机器学习方法需要大量的特征工程，对特征的依赖性强，缺乏泛化性。2)现有的基于深度学习的方法忽略了对长尾诊断代码的建模，对于诊断代码之间的相关性也缺少合适的建模，难以保证预测结果的可靠性和准确性。

因此，如何有效的提高临床自动诊断的准确性和可靠性，是一项亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于层次结构和共现结构的临床自动诊断方法，通过引入对层次结构的建模，可以使用高级别的诊断结果来指导低级别的诊断代码的分配，从而解决了分布不均衡的问题，同时通过共现结构捕获诊断代码之间的相关性能够进一步提高临床自动诊断的准确率。

本发明提供了一种基于层次结构和共现结构的临床自动诊断方法，包括：