[发明专利]一种基于Petri网同步合成运算的临床路径变异检测方法

说明书

本发明公开了一种基于Petri网同步合成运算的临床路径变异检测方法，涉及数据检测及计算技术领域。其解决了现有技术中使用业务对齐的手段对临床路径进行变异检测效率低的技术问题，该检测方法包括以下步骤：首先对临床路径诊疗日志中的迹进行筛选，去除噪音，保留有效迹；然后基于有效迹与其相对应的过程模型，建立新的合成模型，新的合成模型可体现诊疗日志与临床路径之间的偏差；最后，采用时间复杂度与选取合成模型复杂度正相关的A^*算法查找最优对齐。本发明方法可以极大地减少对齐消耗的时间，本发明实施例中的实验数据表明，该算法相较于其他变异检测算法效率大幅提高，证明了该算法在变异检测方面的优越性与有效性。

技术领域

本发明涉及数据检测及计算技术领域，具体涉及一种基于Petri网同步合成运算的临床路径变异检测方法。

背景技术

近年来，随着人口老龄化现象的加剧，医疗系统面临的压力越来越大，因此，采用可以规范医疗行为、提高医疗质量、控制医疗成本的临床路径成为我国医疗改革的必然选择。在国家大力支持下，目前临床路径已进入大规模推广阶段。

临床路径的实质是对某一疾病的诊疗采用标准化流程。但是，在临床路径的实际实施过程中，可能会出现患者对临床路径执行标准不理解、医务人员对执行临床路径的积极性不高等问题。上述问题极大影响了临床路径的推广。另外，由于临床路径不够完善、患者病情突变等原因可能导致临床路径诊疗过程中出现不合预期的行为，该类行为被统称为变异。在多方面压力下，对临床路径的优化和改良迫在眉睫。过程挖掘的目的正是利用事件日志的有效信息发现并优化业务过程，利用过程挖掘手段对变异行为进行检测，有利于预测患者诊疗流程的走向、发现临床路径中存在的缺陷、对诊疗过程中的干预行为提供判断依据，从而完善临床路径。

随着医疗信息系统的广泛应用，诊疗过程中产生大量日志电子化，电子病历也在各医院普遍使用，对变异行为进行挖掘的手段也从需要人工记录的前瞻式方法转为由计算机自动处理的回顾式方法。

目前，有多种从控制流的角度描述过程模型的形式化方法，如BPMN(BusinessProcess Modeling Notation，业务流程建模与标注)，C-net(Casual net，因果网)，EPC(Event-driven Process Chain，事件驱动过程链)和Petri网等。其中，Petri网是最成熟也是研究最为深入的过程建模语言，可以简洁直观地描述和分析并发、异步、分布式、并行和含不确定信息的系统。

业务对齐是目前最为先进的合规性检查方法之一，使用业务对齐的手段可以有效地对临床路径进行变异检测。复杂模型的合规性检查一直以来都是一个具有挑战性的研究课题，Adriansyah等提出将过程模型与日志模型结合为乘积模型，并在此基础上查找最优对齐的方法。Cook等提出通过量化相似度的方式来比较迹与过程模型，从而获得对齐结果的方法。Song等提出采用启发式方法及迹重演技术实现迹与过程模型的对齐，该方法降低了查找空间的复杂度。

上述现有技术虽然在业务对齐的研究方面取得了一定的进步，然而其业务对齐效率仍有提高的空间。

发明内容

本发明的目的在于提供一种基于Petri网同步合成运算的临床路径变异检测方法，该检测方法通过建立临床路径的过程模型，采用业务对齐的手段将业务流程执行记录与过程模型进行变异检测。该检测方法能有效降低模型的复杂度以提高对齐效率。

为了实现上述目的，本发明所需克服的主要技术难题在于，如何在筛选过后的诊疗日志的基础上查找最优对齐，发现迹中可能存在的问题，如何确定计算最优对齐的效率指标。

为了解决上述技术问题，本发明采用了以下技术方案：

一种基于Petri网同步合成运算的临床路径变异检测方法，依次包括以下步骤：

S1、对临床路径诊疗日志中的迹进行筛选，去除噪音，保留有效迹；