[发明专利]疾病信息挖掘和检索方法、装置、电子设备和存储介质

说明书

本发明提供一种疾病信息挖掘和检索方法、装置、电子设备和存储介质，其中方法包括：获取待挖掘的各医学数据所包含的实体及其实体类别，所述实体类别属于预设类别，预设类别包括疾病、分期、病理、生物标志物和患者基线特征中的至少一种；基于各医学数据中包含的实体及其实体类别，以及预设类别之间的层级关系，构建各医学数据对应的树状图谱；对各树状图谱进行合并，并基于合并后的树状图谱确定对应疾病的分类体系，基于分类体系进行疾病信息挖掘。本发明提供的方法、装置、电子设备和存储介质，基于疾病、分期、病理、生物标志物和患者基线特征等多个层级构建疾病的分类体系，为精准定位适应症、制定医学策略等提供了条件。

技术领域

本发明涉及计算机技术领域，尤其涉及一种疾病信息挖掘和检索方法、装置、电子设备和存储介质。

背景技术

国际疾病分类(international Classification of diseases，ICD)是国际统一的疾病分类方法，它根据疾病的特性，将疾病分门别类，使其成为一个有序的组合。

ICD疾病分类主要按照解剖位置展开，分类颗粒度较粗，对于疾病的描述用词也较为宽泛，例如临床上常见的“非小细胞肺癌”，在ICD-10中仅体现为“支气管和肺的恶性肿瘤(肺癌、肺腺癌)”。而随着精准医学的发展，制药企业在新药临床试验中，往往会为其药物选择日趋精准的适应症开展研究。目前的ICD疾病分类体系，已然无法满足精准医学分类需求。

发明内容

本发明提供一种疾病信息挖掘和检索方法、装置、电子设备和存储介质，用以解决现有技术中疾病分类体系无法满足精准医学分类需求的问题。

本发明提供一种疾病信息挖掘方法，包括：

获取待挖掘的各医学数据所包含的实体及其实体类别，所述实体类别属于预设类别，所述预设类别包括疾病、分期、病理、生物标志物和患者基线特征中的至少一种；

基于各医学数据中包含的实体及其实体类别，以及所述预设类别之间的层级关系，构建各医学数据对应的树状图谱；

对各树状图谱进行合并，并基于合并后的树状图谱确定对应疾病的分类体系，基于所述分类体系进行疾病信息挖掘。

根据本发明提供的一种疾病信息挖掘方法，所述对各树状图谱进行合并，包括：

从标准实体字典中选取各树状图谱中的各实体的多个候选标准实体；

基于各树状图谱中的各实体及其多个候选标准实体之间的语义相关度，确定各树状图谱中的各实体的标准实体，并基于各树状图谱中的各实体的标准实体对各树状图谱进行标准化；

对标准化后的各树状图谱进行合并。

根据本发明提供的一种疾病信息挖掘方法，所述从标准实体字典中选取各树状图谱中的各实体的多个候选标准实体，包括：

基于标准实体字典中的各标准实体对于各树状图谱中的各实体的重要度，从所述标准实体字典中选取各树状图谱中的各实体的多个候选标准实体，所述重要度基于TF-IDF算法确定。

根据本发明提供的一种疾病信息挖掘方法，所述各树状图谱中的各实体及其多个候选标准实体之间的语义相关度基于如下步骤确定：

将任一树状图谱中的任一实体与任一候选标准实体拼接后输入到语义匹配模型中，得到所述语义匹配模型输出的所述任一实体与所述任一候选标准实体之间的语义相关度；

所述语义匹配模型是在语言模型的基础上微调得到的。

根据本发明提供的一种疾病信息挖掘方法，所述获取待挖掘的各医学数据所包含的实体及其实体类别，包括：

对图像和/或表格形式的医学数据进行区域分割，得到区域图像；

对所述区域图像进行文字识别，得到区域文本；