[发明专利]一种面向手术操作的编码校验方法

说明书

本发明涉及一种编码校验方法，尤其涉及一种面向手术操作的编码校验方法。其使用基于深度学习的方法训练手术操作自动编码模型，能够有效解决手术操作编码中出现的一些“错编、漏编、多编”问题。包括以下步骤：步骤1、建立手术操作自动编码模型；将手术操作自动编码任务作为一个文本多标签分类任务，其中，数据集由N个文档和对应的标签组成，训练自动编码模型作为预测模型；步骤2、利用自动编码模型对编码员已完成的手术操作编码进行编码校验；使用自动编码模型预测结果与编码员编码结果进行对比，进行校验提示，辅助编码员对编码内容进行校验；包括两方面编码校验：一为多编及漏编校验，二为错编校验。

技术领域

本发明涉及一种编码校验方法，尤其涉及一种面向手术操作的编码校验方法。

背景技术

据国家医保局数据，目前全国开展DRG、DIP的试点城市已超200个，不到三年的时间内覆盖了我国2/3以上的地级城市。DRG/DIP作为两种基于病例组合的支付方式改革，其实施的基础便是需要高质量的数据支撑。因此，医疗机构在病案首页，特别是疾病编码、手术操作编码等重要数据编制方面，需准确将患者的患病情况及医疗干预措施等诊疗实践映射至数据段，从而形成病例组合支付可靠的数据基础。

目前，手术操作分类采用的是美国国际疾病分类临床修订本第三卷(ICD-9-CM-3)，是按解剖系统和手术操作方式进行分类编码的。在实际工作中，由于病案室编码专业人员数量不足且缺乏足够的临床知识，临床医生书写病案不规范等原因导致错误的病案编码，甚至会直接导致医保局错误的赔付甚至拒付，进而导致院内医保基金的损失。

发明内容

本发明针对手术操作编码中存在的问题，提出一种编码校验方法，其使用基于深度学习的方法训练手术操作自动编码模型，能够有效解决手术操作编码中出现的一些“错编、漏编、多编”问题。

为实现上述目的，本发明采用如下技术方案，包括以下步骤：

步骤1、建立手术操作自动编码模型；

将手术操作自动编码任务作为一个文本多标签分类任务，其中，数据集由N个文档x_i和对应的标签组成，l为标签总数；训练自动编码模型作为预测模型，用于将一个新的未标记的样本分类到l个语义标签中；

步骤2、利用自动编码模型对编码员已完成的手术操作编码进行编码校验；使用自动编码模型预测结果与编码员编码结果进行对比，进行校验提示，辅助编码员对编码内容进行校验；

包括两方面编码校验：一为多编及漏编校验，二为错编校验。

进一步地，所述建立手术操作自动编码模型包括：

1.1、通过预训练语言模型BERT对文本进行向量表示，文本中每个字可表示为一个多维稠密向量w_i：

w_i＝f(w_i)

(f()表示预训练语言模型BERT；)

1.2、使用双向长短期记忆网络BiLSTM得到文本特征表示，将每个时刻文本向量正反向信息表示与进行拼接，得到BiLSTM的输出表示H，使每个单词获取具有上下文语义信息的表示：

1.3、对于标签文本集E，首先通过预训练语言模型BERT得到文本标签中每一个字的向量表示，其中任一标签的文本内容表示为e＝{w₁,w₂,...,w_p}，p为文本标签长度，再通过计算向量的平均值来表示整个文本标签：

1.4、基于标签语义信息的注意力机制获得每个单词的重要性,通过计算文档中单词和每个标签之间的匹配得分获得每个单词对当前标签的权重，并获得全部标签和单词的分配得分A；