一种基于临床大数据的医疗决策辅助系统及方法

1.本发明涉及医疗技术领域，具体涉及一种基于临床大数据的医疗决策辅助系统及方法。


背景技术：

2.社区医疗服务，为居民提供基本的医疗服务。它是以个人保健为中心、家庭为单位、社区为范围，以妇女儿童、老年人、残疾人和脆弱人群为重点，以解决社区主要问题、满足社区基本卫生需求为目的，融预防、医疗、保健、健康教育为一体的，有效、经济、综合、连续的基层医疗服务。
3.由于由于我国社区卫生服务体系的建设起步较晚，现有从事社区医疗服务的人员不仅学历和职称偏低，而且在知识结构和能力上存在一定的缺陷，还不能达到全科医生的要求，如果能利用信息化技术支持服务于社区医疗领域，将常见多发疾病的临床病例数据整合到一起，有针对性地及时提供给临床医生，辅助他们形成最终诊疗决策，就可以减少医疗差错，提高社区医疗质量。
4.目前医疗决策系统大都采用建立单一的智能测评模型来确定医疗决策结果，而没有综合多种因素，从而导致充电站选址的精准性不高。


技术实现要素：

5.本发明的目的在于提供一种基于临床大数据的医疗决策辅助系统及方法，解决上述技术问题。
6.本发明的目的可以通过以下技术方案实现：
7.一种基于临床大数据的医疗决策辅助系统，所述系统包括：
8.数据查询模块，用于识别待进行医疗决策的患者信息，根据所述患者信息，查询临床大数据并从所述临床大数据中筛选出与所述待进行医疗决策患者具有同类型的历史病例；
9.影响因素识别模块，用于识别所述历史病例医疗决策的影响因素，并筛选出主要影响因素；
10.医疗决策评价模型构建模块，用于基于影响因素以及主要影响因素，对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型；
11.医疗决策确定模块，用于根据所述待进行医疗决策的患者信息，获取对该患者进行医疗决策的所有影响因素，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。
12.通过上述技术方案，本发明通过数据查询模块识别待进行决策的患者信息，并能基于大数据查询同类型的历史病例，然后识别历史病例筛选出作出医疗决策的影响因素，根据影响因素对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，
根据评分确定待进行医疗决策的患者的最终医疗决策。
13.作为本发明方案的进一步描述，所述医疗决策评价模型构建的方法包括：
14.构建所述影响因素的评分体系和影响权重；
15.识别历史病例数据基于所述影响因素的评分体系和影响权重，计算所述历史病例数据医疗决策的影响因素评测得分；
16.从历史病例数据中，随机选取训练样本和测试样本；
17.根据所述样本和影响因素评测得分，确定训练好的医疗决策评价模型。
18.通过上述技术方案，基于大数据中的历史病例数据随机选取训练样本和测试样本，根据所述样本和影响因素评测得分，确定训练好的医疗决策评价模型。
19.作为本发明方案的进一步描述，所述构建所述影响因素的评分体系和影响权重的方法包括：
20.将所述影响因素转化为数字量化标度；
21.根据所述数字量化标度，构建所述影响因素的判断矩阵，根据所述判断矩阵，计算所有影响因素的影响权重。
22.作为本发明方案的进一步描述，根据所述影响因素判断矩阵计算所述影响因素的权重的方法包括：
23.对所述影响因素判断矩阵进行行列转换得到影响因素矩阵a，根据所述影响因素矩阵a得出权重向量ω；
24.根据权重向量ω计算影响因素矩阵a的最大特征值
25.ω＝(ω1，ω2，
…
，ωn)；
[0026][0027]
其中，[aω]j表示影响因素矩阵与影响因素的权重向量乘积的第j个向量分量，k表示影响矩阵的行列数量；
[0028]
根据所述最大特征值检验权重向量ω是否合理。
[0029]
作为本发明方案的进一步描述，所述根据所述最大特征值检验权重向量ω是否合理的方法包括：
[0030]
根据所述最大特征值求出影响因素矩阵a的一致性比例，在所述一致性比例小于预设阈值时，所述权重向量ω中的每个分量为每个影响因素的权重。
[0031]
作为本发明方案的进一步描述，所述一致性比例的计算方法包括：
[0032]
利用下述公式计算影响因素矩阵a的一致性指标：
[0033][0034]
查找随机一致性指标ri，然后计算一致性比例cr＝ci/ri。
[0035]
作为本发明方案的进一步描述，其特征在于，所述影响因素评测得分根据下式计算可得：
[0036]
s＝sn*ωn；
[0037]
其中，s为影响因素评测得分，sn为影响因素评分，ωn为影响因素权重；
[0038]
所述影响因素评分sn可以基于大数据筛查获得。
[0039]
通过上述技术方案，通过影响因素矩阵得出矩阵的最大特征值和权重向量，通过最大特征求出影响因素矩阵的一致性比例，在所述一致性比例小于预设阈值时，所述权重向量ω中的每个分量为每个影响因素的权重，然后根据影响因素的权重得出影响因素评测得分。
[0040]
作为本发明方案的进一步描述，所述主要影响因素根据影响因素评测得分判断，所述影响因素评测得分大于预设阈值时，则该项因素为主要影响因素，否则，不是主要影响因素。
[0041]
一种基于临床大数据的医疗决策辅助系统的辅助方法，所述方法包括如下步骤：
[0042]
s100、识别待进行医疗决策的患者信息，根据所述患者信息，查询临床大数据并从所述临床大数据中筛选出与所述待进行医疗决策患者具有同类型的历史病例；
[0043]
s200、识别所述历史病例医疗决策的影响因素，并筛选出主要影响因素；
[0044]
s300、基于影响因素以及主要影响因素，对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型；
[0045]
s400、用于根据所述待进行医疗决策的患者信息，获取对该患者进行医疗决策的所有影响因素，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。
[0046]
本发明的有益效果：
[0047]
1、本发明通过数据查询模块识别待进行决策的患者信息，并能基于大数据查询同类型的历史病例，然后识别历史病例筛选出作出医疗决策的影响因素，根据影响因素对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策，辅助设区医生形成最终诊疗决策，减少医疗差错，提高社区医疗质量。
[0048]
2、本发明基于大数据中的历史病例数据随机选取训练样本和测试样本，通过影响因素矩阵得出矩阵的最大特征值和权重向量，通过最大特征求出影响因素矩阵的一致性比例，在所述一致性比例小于预设阈值时，所述权重向量ω中的每个分量为每个影响因素的权重，然后根据影响因素的权重得出影响因素评测得分，根据所述样本和影响因素评测得分，确定训练好的医疗决策评价模型，提高医疗决策的准确性。
附图说明
[0049]
下面结合附图对本发明作进一步的说明。
[0050]
图1是本发明提供的基于临床大数据的医疗决策辅助系统整体结构示意图；
[0051]
图2是本发明提供的基于临床大数据的医疗决策辅助方法部分流程示意图。
具体实施方式
[0052]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0053]
请参阅图1所示，本发明为一种基于临床大数据的医疗决策辅助系统，所述系统包括：
[0054]
数据查询模块，用于识别待进行医疗决策的患者信息，根据所述患者信息，查询临床大数据并从所述临床大数据中筛选出与所述待进行医疗决策患者具有同类型的历史病例；
[0055]
本发明实施例中，所述待进行医疗决策的患者信息是指患者的个人信息和相关检测报告。
[0056]
影响因素识别模块，用于识别所述历史病例医疗决策的影响因素，并筛选出主要影响因素；
[0057]
本发明实施例中，所述影响因素为后续对医疗决策测评的重要参考特征，包括家族病史、生活习惯、患者年纪等。
[0058]
医疗决策评价模型构建模块，用于基于影响因素以及主要影响因素，对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型；
[0059]
医疗决策确定模块，用于根据所述待进行医疗决策的患者信息，获取对该患者进行医疗决策的所有影响因素，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。
[0060]
通过上述技术方案，本发明通过数据查询模块识别待进行决策的患者信息，并能基于大数据查询同类型的历史病例，然后识别历史病例筛选出作出医疗决策的影响因素，根据影响因素对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。
[0061]
本发明实施例中，所述最终医疗决策是通过将评分较高的几个医疗决策方案，经过医生讨论、医患讨论后确定。
[0062]
作为本发明方案的进一步描述，所述医疗决策评价模型构建的方法包括：
[0063]
构建所述影响因素的评分体系和影响权重；
[0064]
识别历史病例数据基于所述影响因素的评分体系和影响权重，计算所述历史病例数据医疗决策的影响因素评测得分；
[0065]
从历史病例数据中，随机选取训练样本和测试样本；
[0066]
根据所述样本和影响因素评测得分，确定训练好的医疗决策评价模型。
[0067]
通过上述技术方案，基于大数据中的历史病例数据随机选取训练样本和测试样本，根据所述样本和影响因素评测得分，确定训练好的医疗决策评价模型，训练好的评价模型，对于后续的医疗决策进行更准确的评价。
[0068]
作为本发明方案的进一步描述，所述构建所述影响因素的评分体系和影响权重的方法包括：
[0069]
将所述影响因素转化为数字量化标度；
[0070]
根据所述数字量化标度，构建所述影响因素的判断矩阵，根据所述判断矩阵，计算所有影响因素的影响权重。
[0071]
作为本发明方案的进一步描述，根据所述影响因素判断矩阵计算所述影响因素的权重的方法包括：
[0072]
对所述影响因素判断矩阵进行行列转换得到影响因素矩阵a，根据所述影响因素矩阵a得出权重向量ω；
[0073]
根据权重向量ω计算影响因素矩阵a的最大特征值
[0074]
ω＝(ω1，ω2，
…
，ωn)；
[0075][0076]
其中，[aω]j表示影响因素矩阵与影响因素的权重向量乘积的第j个向量分量，k表示影响矩阵的行列数量；
[0077]
根据所述最大特征值检验权重向量ω是否合理。
[0078]
作为本发明方案的进一步描述，所述根据所述最大特征值检验权重向量ω是否合理的方法包括：
[0079]
根据所述最大特征值求出影响因素矩阵a的一致性比例，在所述一致性比例小于预设阈值时，所述权重向量ω中的每个分量为每个影响因素的权重。
[0080]
作为本发明方案的进一步描述，所述一致性比例的计算方法包括：
[0081]
利用下述公式计算影响因素矩阵a的一致性指标：
[0082][0083]
查找随机一致性指标ri，然后计算一致性比例cr＝ci/ri。
[0084]
作为本发明方案的进一步描述，其特征在于，所述影响因素评测得分根据下式计算可得：
[0085]
s＝sn*ωn；
[0086]
其中，s为影响因素评测得分，sn为影响因素评分，ωn为影响因素权重；
[0087]
所述影响因素评分sn可以基于大数据筛查获得。
[0088]
通过上述技术方案，通影响因素矩阵得出矩阵的最大特征值和权重向量，通过最大特征求出影响因素矩阵的一致性比例，在所述一致性比例小于预设阈值时，所述权重向量ω中的每个分量为每个影响因素的权重，然后根据影响因素的权重得出影响因素评测得分。
[0089]
本发明实施例中，所述数字量化标度可以采用专家打分、患者问卷调查方式构建，所述影响因素评分可通过专家打分确定，例如不要重要数字量化标度为0，两个因素相比一个因素比另一个因素稍微重要标度为1等等。
[0091]
作为本发明方案的进一步描述，所述主要影响因素根据影响因素评测得分判断，所述影响因素评测得分大于预设阈值时，则该项因素为主要影响因素，否则，不是主要影响因素。
[0092]
一种基于临床大数据的医疗决策辅助系统的辅助方法，所述方法包括如下步骤：
[0093]
s100、识别待进行医疗决策的患者信息，根据所述患者信息，查询临床大数据并从
所述临床大数据中筛选出与所述待进行医疗决策患者具有同类型的历史病例；
[0094]
s200、识别所述历史病例医疗决策的影响因素，并筛选出主要影响因素；
[0095]
s300、基于影响因素以及主要影响因素，对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型；
[0096]
s400、用于根据所述待进行医疗决策的患者信息，获取对该患者进行医疗决策的所有影响因素，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。
[0097]
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

技术特征：
1.一种基于临床大数据的医疗决策辅助系统，其特征在于，所述系统包括：数据查询模块，用于识别待进行医疗决策的患者信息，根据所述患者信息，查询临床大数据并从所述临床大数据中筛选出与所述待进行医疗决策患者具有同类型的历史病例；影响因素识别模块，用于识别所述历史病例医疗决策的影响因素，并筛选出主要影响因素；医疗决策评价模型构建模块，用于基于影响因素以及主要影响因素，对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型；医疗决策确定模块，用于根据所述待进行医疗决策的患者信息，获取对该患者进行医疗决策的所有影响因素，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。2.根据权利要求1所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，所述医疗决策评价模型构建的方法包括：构建所述影响因素的评分体系和影响权重；识别历史病例数据基于所述影响因素的评分体系和影响权重，计算所述历史病例数据医疗决策的影响因素评测得分；从历史病例数据中，随机选取训练样本和测试样本；根据所述样本和影响因素评测得分，确定训练好的医疗决策评价模型。3.根据权利要求2所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，所述构建所述影响因素的评分体系和影响权重的方法包括：将所述影响因素转化为数字量化标度；根据所述数字量化标度，构建所述影响因素的判断矩阵，根据所述判断矩阵，计算所有影响因素的影响权重。4.根据权利要求3所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，根据所述影响因素判断矩阵计算所述影响因素的权重的方法包括：对所述影响因素判断矩阵进行行列转换得到影响因素矩阵a，根据所述影响因素矩阵a得出权重向量ω；根据权重向量ω计算影响因素矩阵a的最大特征值ω＝(ω1，ω2，
…
，ω
n
)；其中，[aω]
j
表示影响因素矩阵与影响因素的权重向量乘积的第j个向量分量，k表示影响矩阵的行列数量；根据所述最大特征值检验权重向量ω是否合理。5.根据权利要1所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，所述根据所述最大特征值检验权重向量ω是否合理的方法包括：根据所述最大特征值求出影响因素矩阵a的一致性比例，在所述一致性比例小于预设阈值时，所述权重向量ω中的每个分量为每个影响因素的权重。
6.根据权利要5所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，所述一致性比例的计算方法包括：利用下述公式计算影响因素矩阵a的一致性指标：查找随机一致性指标ri，然后计算一致性比例cr＝ci/ri。7.根据根据权利要2所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，所述影响因素评测得分根据下式计算可得：s＝s
n
*ω
n
；其中，s为影响因素评测得分，s
n
为影响因素评分，ω
n
为影响因素权重；所述影响因素评分s
n
可以基于大数据筛查获得。8.根据权利要求1所述的一种基于临床大数据的医疗决策辅助系统，其特征在于，所述主要影响因素根据影响因素评测得分判断，所述影响因素评测得分大于预设阈值时，则该项因素为主要影响因素，否则，不是主要影响因素。9.一种如权利要求1-8所述的基于临床大数据的医疗决策辅助系统的辅助方法，其特征在于，所述方法包括如下步骤：s100、识别待进行医疗决策的患者信息，根据所述患者信息，查询临床大数据并从所述临床大数据中筛选出与所述待进行医疗决策患者具有同类型的历史病例；s200、识别所述历史病例医疗决策的影响因素，并筛选出主要影响因素；s300、基于影响因素以及主要影响因素，对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型；s400、用于根据所述待进行医疗决策的患者信息，获取对该患者进行医疗决策的所有影响因素，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策。

技术总结
本发明涉及医疗技术领域，公开了一种基于临床大数据的医疗决策辅助系统，本发明通过数据查询模块识别待进行决策的患者信息，并能基于大数据查询同类型的历史病例，然后识别历史病例筛选出作出医疗决策的影响因素，根据影响因素对预构建的医疗决策评价模型进行训练，得到训练好的医疗决策评价模型，利用所述训练好的医疗决策评价模型对所述待进行医疗决策的患者的医疗决策进行评分，根据评分确定待进行医疗决策的患者的最终医疗决策，辅助设区医生形成最终诊疗决策，减少医疗差错，提高社区医疗质量。疗质量。疗质量。


技术研发人员：黄世骐
受保护的技术使用者：佳木斯大学
技术研发日：2023.05.09
技术公布日：2023/8/6