本发明专利技术公开了一种基于机器学习算法的临床行为数据可视化方法及系统，所述方法通过采集病历数据，并对病历数据进行标准化处理；利用机器学习算法计算每两份病历数据间的病历相似度；将病历相似度作为力导向图算法的引力，采用力导向图算法对全部病历在平面上进行展示；系统中的病历数据采集模块用于在医疗机构或医保部门采集各患者病历数据，病历清洗模块用于对所采集到的患者病历数据进行标准化处理，相似度计算模块利用机器学习算法计算每两份病历数据间的病历相似度，力导向图展示模块采用力导向图算法，以所得病历相似度作为引力，在平面上形成所有病历关系的力导向图。本发明专利技术达到对临床行为的精细化识别与分类，快速发现异常临床行为的目的。
【技术实现步骤摘要】
本专利技术涉及临床分析，具体涉及一种基于机器学习算法的临床行为数据可视化方法及系统。
技术介绍
1、疾病临床行为自身复杂性和不合理利益诉求下的行为变异，为医保按病种支付和临床治疗规范化带来了极大困难。为了规范医疗行为，精细化测算医保支付标准，亟需对临床行为分类结构进行精细化识别，精确把握临床行为特征和发现异常临床行为，有效提高治疗质量。
技术实现思路
1、为了更精准获取临床行为，达到对临床行为的精细化识别与分类，快速发现异常临床行为，为此，本专利技术提供了一种基于机器学习算法的临床行为数据可视化方法及系统。
2、本专利技术采用如下技术方案：
3、本专利技术提供了一种基于机器学习算法的临床行为数据可视化方法，其特征在于，采集病历数据，并对病历数据进行标准化处理；利用机器学习算法计算每两份病历数据间的病历相似度；将病历相似度作为力导向图算法的引力，采用力导向图算法对全部病历在平面上进行展示。
4、进一步地，所述方法还包括：在展示图中分别对聚团病历和离群病历进行标注。
5、进一步地，在展示图中对聚团病历和离群病历进行标注的具体方法是：在同一临床诊断项目下，设定引力阈值，当两病历间的引力大于等于所设定的引力阈值时，在展示图中被标记为聚团病历；当病历与其余各病历间的引力均小于所设定的引力阈值时，在展示图中将此病历标记为离群病历。
6、进一步地，所述方法还包括：根据聚团病历生成临床路径，根据离群病历得到临床行为异常的病例。
>7、进一步地，通过对聚团病历的费用结构进行分析，依据聚团病历医疗项目生成病种临床路径或含药品、耗材、服务的项目包。8、进一步地，对聚团病历费用结构进行分析的具体方法是：从聚团病历中提取各病历的费用特征数据；按照收费项目对各病历所支出费用进行分类统计；将提取的费用特征数据与国家临床路径规范匹配后生成对应病种规范临床路径或含有药品、耗材、服务的项目包
9、进一步地，按照国家医保病种drg/dip分组编码或国际临床诊断icd10编码，采集同一分类编码下的病历临床数据，并按照国家标准编码形成标准化病历数据。
10、优选地，通过两份病历间的距离相似度计算病历相似度，具体计算方法如下：
11、
12、
13、其中：cos为两份病历间的距离相似度；
14、in为第i份病历使用了第n收费项测1，否则为0，
15、jn为第j份病历使用了第n收费项测1，否则为0。
16、另一方面，本专利技术还提供了一种基于机器学习算法的临床行为数据可视化系统，其运行于计算机中，所述系统包括：
17、病历数据采集模块，在医疗机构或医保部门采集各患者病历数据；
18、病历清洗模块，用于对所采集到的患者病历数据进行标准化处理；
19、相似度计算模块，利用机器学习算法计算每两份病历数据间的病历相似度；
20、力导向图展示模块，采用力导向图算法，以所得病历相似度作为引力，在平面上形成所有病历关系的力导向图。
21、进一步地，所述系统还包括：
22、标注模块，用于在力导向图中对聚团病历和离群病历进行标注；
23、分析模块，根据聚团病历生成病历特征数据，根据离群得到临床行为异常的病例。
24、进一步地，所述分析模块中还设有费用提取模块、统计模块和国家临床路径规范；所述费用提取模块用于提取聚团病历中各病历数据中的费用结构；所述统计模块用于对聚团病历中的同一收费项目下的费用进行统计；所述分析模块将所提取的费用结构及统计数据与国家临床路径规范进行匹配，生成医院同一病种下的规范诊治临床路径或含有药品、耗材、服务的项目包。
25、本专利技术技术方案具有如下有益效果：
26、a、本专利技术通过计算同一确诊病种下的各病历间的病历相似度，并在平面上将所有病历进行数据可视化，同时针对聚团病历进行临床行为特征提取，并结合国家临床路径规范，帮助医疗机构或卫生管理部门制定标准化临床路径，或项目(含药品、耗材、服务)包。
27、b、本专利技术通过对病种临床行为特征可视化展现，发现病种费用成本的精细化结构，帮助医保管理部门制定更为合理的病种医保支付标准。
28、c、本专利技术通过对病种临床行为特征可视化展现，发现异常的离群异常病历，帮助医保管理部门发现不合规病历，防范医保基金风险。
29、d、本专利技术通过对病种临床行为特征可视化展现，发现病种费用成本的精细化结构，帮助卫生管理部门制定更为合理的临床管理规范
30、e、本专利技术通过对病种临床行为特征可视化展现，发现病种费用成本的精细化结构，帮助医疗机构制定病种规范临床路径或项目(含药品、耗材、服务)包，有效控制医疗成本，提高医疗质量。
本文档来自技高网...
【技术保护点】
1.一种基于机器学习算法的临床行为数据可视化方法，其特征在于，采集病历数据，并对病历数据进行标准化处理；利用机器学习算法计算每两份病历数据间的病历相似度；将病历相似度作为力导向图算法的引力，采用力导向图算法对全部病历在平面上进行展示。
2.根据权利要求1所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，还包括：在展示图中分别对聚团病历和离群病历进行标注。
3.根据权利要求2所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，在展示图中对聚团病历和离群病历进行标注的具体方法是：在同一临床诊断项目下，设定引力阈值，当两病历间的引力大于等于所设定的引力阈值时，在展示图中被标记为聚团病历；当病历与其余各病历间的引力均小于所设定的引力阈值时，在展示图中将此病历标记为离群病历。
4.根据权利要求2所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，还包括：根据聚团病历生成临床路径，根据离群病历得到临床行为异常的病例。
5.根据权利要求4所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，通过对聚团病历的费用结构进行分析，依据聚团病历医疗项目生成病种临床路径或含药品、耗材、服务的项目包。
6.根据权利要求5所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，对聚团病历费用结构进行分析的具体方法是：从聚团病历中提取各病历的费用特征数据；按照收费项目对各病历所支出费用进行分类统计；将提取的费用特征数据与国家临床路径规范匹配后生成对应的病种规范临床路径或含药品、耗材、服务的项目包。
7.根据权利要求1所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，按照国家医保病种DRG/DIP分组编码或国际临床诊断ICD10编码，采集同一分类编码下的病历临床数据，并按照国家标准编码形成标准化病历数据。
8.根据权利要求1所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，通过两份病历间的距离相似度计算病历相似度，具体计算方法如下：
9.一种基于机器学习算法的临床行为数据可视化系统，其运行于计算机中，其特征在于，所述系统包括：
10.根据权利要求9所述的基于机器学习算法的临床行为数据可视化系统，其特征在于，所述系统还包括：
11.根据权利要求10所述的基于机器学习算法的临床行为数据可视化系统，其特征在于，所述分析模块中还设有费用提取模块、统计模块和国家临床路径规范；所述费用提取模块用于提取聚团病历中各病历数据中的费用结构；所述统计模块用于对聚团病历中的同一收费项目下的费用进行统计；所述分析模块将所提取的费用结构及统计数据与国家临床路径规范进行匹配，生成医院同一病种下的规范诊治临床路径或含药品、耗材、服务的项目包。
...
【技术特征摘要】
1.一种基于机器学习算法的临床行为数据可视化方法，其特征在于，采集病历数据，并对病历数据进行标准化处理；利用机器学习算法计算每两份病历数据间的病历相似度；将病历相似度作为力导向图算法的引力，采用力导向图算法对全部病历在平面上进行展示。
2.根据权利要求1所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，还包括：在展示图中分别对聚团病历和离群病历进行标注。
3.根据权利要求2所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，在展示图中对聚团病历和离群病历进行标注的具体方法是：在同一临床诊断项目下，设定引力阈值，当两病历间的引力大于等于所设定的引力阈值时，在展示图中被标记为聚团病历；当病历与其余各病历间的引力均小于所设定的引力阈值时，在展示图中将此病历标记为离群病历。
4.根据权利要求2所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，还包括：根据聚团病历生成临床路径，根据离群病历得到临床行为异常的病例。
5.根据权利要求4所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，通过对聚团病历的费用结构进行分析，依据聚团病历医疗项目生成病种临床路径或含药品、耗材、服务的项目包。
6.根据权利要求5所述的基于机器学习算法的临床行为数据可视化方法，其特征在于，对聚团病历费用结构进行分析的具体方法...
【专利技术属性】
技术研发人员：谢欣苇，
申请(专利权)人：海南鹰海医疗信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。