【技术实现步骤摘要】
本专利技术属于医疗智能数据分析，尤其涉及一种基于特征分析的医疗方案推荐方法及装置。
技术介绍
1、目前，现有的医疗推荐系统大多采用固定的搜索方式、或单纯使用医生和患者的历史交互信息作为输入，从而进行相关医疗信息的推荐，这种推荐方式并不能综合考虑到患者的个人信息，例如患者的经济信息，因此易导致推荐的医疗方案不够准确，甚至还可能存在潜在的医疗风险。
2、另外，还存在部分医疗系统基于临床指南来构建基于规则树的推荐方式，但现有技术中所构建的规则树模型主要是实现对临床指南的拆解，然后通过拆解信息来进行医生决策过程的模拟，因此仍无法精准覆盖不同患者的实际病症情况。
3、因此，如何在医疗推荐系统准确的生成医疗推荐方案，成了亟需解决的技术问题。从临床医学知识角度分析，对病案数据进行分组和归纳的常用方式包括drg/dip分组：
4、drg是指按疾病诊断相关信息进行分组，将住院患者按照临床相似性以及资源消耗相似性(即按照患者的疾病严重程度、治疗方法的复杂程度及资源消耗程度)分成一定数目的疾病组；
5、dip是指采用工分制原理，将通过不同病种医疗费用与权重之间的相对比价关系换算出每个病种的分值，然后依据分值进行分组；
6、综上，本申请即基于drg/dip分组技术提出一种能够有效考虑患者个人信息的医疗方案推荐方法及装置。
技术实现思路
1、鉴于以上现有技术的不足，本专利技术的目的在于提供一种基于特征分析的医疗方案推荐方法及装置，通过进行目标患者的
2、第一方面，为实现上述目的，本专利技术提供如下技术方案：
3、一种基于特征分析的医疗方案推荐方法，包括：
4、s1.建立决策树模型以及用于储存历史医疗信息的医疗资源信息库；
5、s2.筛选落入医保范围内的目标历史医疗信息，并进行drg分组处理，利用分组处理后的目标历史医疗信息对所述决策树模型进行训练；
6、s3.获取目标患者的用户画像，并从所述用户画像中提取目标特征，且所述目标特征包括诊疗性特征和经济性特征；
7、s4.将所述目标特征输入训练得到的最优决策树模型中进行诊疗决策方案预测，且预测过程具体包括：
8、根据所述诊疗性特征预测预选方案集合；
9、根据所述经济性特征从所述预选方案集合中筛选决策方案，并进行所述决策方案推荐。
10、进一步地，所述历史医疗信息包括医疗科室分类信息、医疗器械分类信息和医疗病例信息。
11、进一步地，所述医疗科室分类信息至少包括基于治疗手段的科室分类信息、基于疾病类型的科室分类信息、基于疾病部位的科室分类信息、基于病症轻重的科室分类信息中的一种或多种。具体：
12、所述的基于治疗手段的科室分类信息中包括内科分类和外科分类；
13、所述的基于疾病类型的科室分类信息中包括肿瘤科分类、传染科分类、保健科分类；
14、所述的基于疾病部位的科室分类信息中包括眼科分类、口腔科分类、耳鼻喉科分类、皮肤科分类、骨科分类、脑科分类；
15、所述的基于病症轻重的科室分类信息中包括常规门诊科分类、急诊门诊科分类和重症科分类。
16、进一步地，所述医疗器械分类信息至少包括基于结构特征的器械分类信息、基于操作方法的器械分类信息中的一种或多种。具体：
17、所述的基于结构特征的器械分类信息中包括无源医疗器械分类和有源医疗器械分类；
18、所述的基于操作方法的器械分类信息中包括接触人体器械分类和非接触人体器械分类。
19、进一步地，所述医疗病例信息至少包括从患者医疗病例文本中提取的身份信息、症状信息、病理诊断信息、临床治疗方案信息和治疗结果信息。
20、进一步地，步骤s2中：
21、利用分组处理后的目标历史医疗信息分别构成训练集和测试集；
22、基于自然语义处理对所述训练集进行特征提取，并通过提取的训练特征构建历史诊疗知识图谱；
23、利用所述历史诊疗知识图谱训练所述决策树模型；
24、基于自然语义处理对所述测试集进行特征提取，并将提取的测试特征输入训练后的决策树模型，得到测试结果；
25、对所述测试结果进行dip置信度分析，且所述dip置信度分析包括安全性分析和经济性分析；通过所述安全性分析计算得到安全分值，通过所述经济性分析计算得到经济分值，加权处理所述安全分值和经济分值得到dip决策分值；
26、判断所述测试结果的dip决策分值是否超过dip决策阈值，是则完成训练并输出当前决策树模型为最优决策树模型，否则重新提取训练特征并进行优化更新训练。
27、进一步地，所述诊疗性特征包括病症特征和生理诱发特征，步骤s4中，根据所述诊疗性特征预测预选方案集合包括：
28、根据所述病症特征匹配病症等级和病症成因；
29、通过所述生理诱发特征对所述病症成因进行优化筛选；
30、根据所述病症等级和筛选后的病症成因预测预选方案集合，且所述预选方案集合中对所有的预选方案进行dip决策分值降值排序。
31、进一步地，步骤s4中，根据所述经济性特征从所述预选方案集合中筛选决策方案包括：
32、根据所述经济性特征获得控费条件；
33、以所述预选方案集合中满足所述控费条件的预选方案为决策方案。
34、第二方面，为实现上述目的，本专利技术还提供如下技术方案：
35、一种基于特征分析的医疗方案推荐装置，包括：
36、构建模块，用于构建决策树模型以及用于储存历史医疗信息的医疗资源信息库；
37、信息处理模块，筛选落入医保范围内的目标历史医疗信息，并进行drg分组处理；
38、训练模块，用于利用分组处理后的目标历史医疗信息对所述决策树模型进行训练；
39、数据获取模块，用于获取目标患者的用户画像；
40、特征提取模块，用于从所述用户画像中提取目标特征；
41、预测模块，用于将所述目标特征输入训练得到的最优决策树模型中进行诊疗决策方案预测，且预测过程具体包括：
42、根据所述诊疗性特征预测预选方案集合；
43、根据所述经济性特征从所述预选方案集合中筛选决策方案，并进行所述决策方案推荐。
44、作为一个总的专利技术构思，本专利技术本专利技术还提供：
45、一种计算机可读存储介质，其上存储有计算机程序，所述的计算机程序被处理器执行时实现如上所述的基于特征分析的医疗方案推荐方法。
46、一种电子设备，包括处理器、通信接口、存储器和通信总线；
47、所述处理器、通信接口、存储器通过通信总线实现相互间的通信；
48、所述存储器用于储存计算机程序；
49、所述处理器用于本文档来自技高网...
【技术保护点】
1.一种基于特征分析的医疗方案推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于特征分析的医疗方案推荐方法，其特征在于：所述历史医疗信息包括医疗科室分类信息、医疗器械分类信息和医疗病例信息；且
3.根据权利要求2所述的基于特征分析的医疗方案推荐方法，其特征在于：
4.根据权利要求2所述的基于特征分析的医疗方案推荐方法，其特征在于：
5.根据权利要求2所述的基于特征分析的医疗方案推荐方法，其特征在于，步骤S2中：
6.根据权利要求5所述的基于特征分析的医疗方案推荐方法，其特征在于：所述诊疗性特征包括病症特征和生理诱发特征，步骤S4中，根据所述诊疗性特征预测预选方案集合包括：
7.根据权利要求6所述的基于特征分析的医疗方案推荐方法，其特征在于：步骤S4中，根据所述经济性特征从所述预选方案集合中筛选决策方案包括：
8.一种基于特征分析的医疗方案推荐装置，其特征在于，包括如下结构：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述的计算机程序被处理器执行时实现
10.一种电子设备，其特征在于：包括处理器、通信接口、存储器和通信总线；
...【技术特征摘要】
1.一种基于特征分析的医疗方案推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于特征分析的医疗方案推荐方法，其特征在于：所述历史医疗信息包括医疗科室分类信息、医疗器械分类信息和医疗病例信息；且
3.根据权利要求2所述的基于特征分析的医疗方案推荐方法，其特征在于：
4.根据权利要求2所述的基于特征分析的医疗方案推荐方法，其特征在于：
5.根据权利要求2所述的基于特征分析的医疗方案推荐方法，其特征在于，步骤s2中：
6.根据权利要求5所述的基于特征分析的医疗方案推荐方法，其特征在于：所述诊疗性特...
【专利技术属性】
技术研发人员：赵磊，
申请(专利权)人：中电信数智科技有限公司，
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。