[发明专利]基于患者表征学习的用药推荐方法在审
申请号: | 202110406631.3 | 申请日: | 2021-04-15 |
公开(公告)号: | CN113284627A | 公开(公告)日: | 2021-08-20 |
发明(设计)人: | 朱振峰;徐慕豪;刘俊秀;葛欣宜 | 申请(专利权)人: | 北京交通大学;北京大学第三医院(北京大学第三临床医学院) |
主分类号: | G16H50/70 | 分类号: | G16H50/70;G16H70/40;G06F16/33;G06F16/35;G06F40/289;G06K9/62 |
代理公司: | 北京市商泰律师事务所 11255 | 代理人: | 姜威 |
地址: | 100044 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 患者 表征 学习 用药 推荐 方法 | ||
本发明提供了一种基于患者表征学习的用药推荐方法,包括:从电子病历中提取数据,将数据中的非结构化的主诉文本信息表示为结构化的数据;采用堆栈稀疏自编码器对结构化的数据进行表征学习,得到患者症状数据的低维表示的症状向量和用药信息数据的低维表示的用药向量;使用聚类算法对患者症状数据的低维表示和用药信息数据的低维表示进行分析,得到各群体聚类内患者的症状特性和用药特性;对各群体聚类内患者的症状特性和用药特性进行典型相关分析,得到各群体聚类内患者的症状特性和用药特性的关联关系;根据关联关系,采用加权距离平均的K近邻算法来预测推荐用药。本方法可以根据电子病历准确为患者推荐用药,提高医生的工作效率。
技术领域
本发明涉及医疗信息化技术领域,尤其涉及一种基于患者表征学习的用药推荐方法。
背景技术
近年来,随着计算机和信息技术的不断发展,我国的医疗信息化产业逐渐建设完善,其中患者的就诊记录也从原先的纸质材料转变为数字化的电子病历。相比于世界其他国家,我国在电子病历建设方面起步较晚。但随着医疗卫生系统愈发受到人们关注重视,近年来我国政府也出台了多项政策来支持医疗信息化的建设与发展。
电子病历是医疗信息化中重要的数据资料,其贯穿于患者就诊看病的全部医疗活动中,涵盖了大量的医疗信息和健康信息,有着巨大的研究意义。首先对于患者来说,挖掘电子病历中的信息有助于患者自身的健康发展。将患者以往的诊断信息和健康状况都被记录在电子病历中,如果能从提取、分析这些记录中的数据信息,可以为患者的身体状况、健康信息提供一定的参考与预测。同时,通过分析挖掘患者的电子病历数据,可以在大数据中寻找到其他类似的患者,以类似症状患者的状况信息为该患者提供参考;其次对于医生来说,挖掘电子病历中的信息可以提高医疗效率。计算机通过自然语言处理、机器学习等方法对大量电子病历进行处理,尤其是通过病历中的文本信息,可以辅助医务人员完成对患者的诊断与治疗,提高医生的决策能力和患者的就诊效率。
电子病历中不只记录结构化的数据,还有大量非结构化的影像、信号以及文本信息,而这些非结构化数据恰恰蕴含着电子病历中最为珍贵的信息。目前的用药推荐系统一般只限于对患者电子病历数据中数值型和结构化数据的使用。然而仅靠结构化数据来进行药品推荐,用药的精准度低,难以满足患者的个性化用药需求。此外,传统的人工提取数据特征不仅耗费大量人力,并且对专业知识的要求也较高。
因此,亟需一种可以针对非结构化信息使用不足的问题,对患者进行用药推荐的方法。
发明内容
本发明提供了一种基于患者表征学习的用药推荐方法,以解决现有技术问题中存在的缺陷。
为了实现上述目的,本发明采取了如下技术方案。
一种基于患者表征学习的用药推荐方法,包括:
从电子病历中提取数据,所述数据包括非结构化的主诉文本信息和结构化的数据;
将所述数据中的非结构化的主诉文本信息表示为结构化的数据;
采用堆栈稀疏自编码器对结构化的数据进行表征学习,得到患者症状数据的低维表示的症状向量和用药信息数据的低维表示的用药向量;
使用聚类算法对患者症状数据的低维表示和用药信息数据的低维表示进行分析,得到各群体聚类内患者的症状特性和用药特性;
对各群体聚类内患者的症状特性和用药特性进行典型相关分析,得到各群体聚类内患者的症状特性和用药特性的关联关系;
根据所述的关联关系,采用加权距离平均的K近邻算法来预测推荐用药。
优选地,将所述数据中的非结构化的主诉文本信息表示为结构化的数据,包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学;北京大学第三医院(北京大学第三临床医学院),未经北京交通大学;北京大学第三医院(北京大学第三临床医学院)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110406631.3/2.html,转载请声明来源钻瓜专利网。