【技术实现步骤摘要】
本专利技术涉及医疗辅助，特别是涉及一种病历质控优化方法、装置、电子设备及存储介质。
技术介绍
1、在医疗信息中，病历记录往往需要准确反映患者的病症、治疗经过以及健康状况，医护人员对于病历记录的质量要求也越来越严格。不准确或者不完整的病历记录可能会导致误诊误治的情况发生，进而威胁到患者的身体健康和安全。因此，通过定期病历评估和质控，可以有效发现病历记录中存在的问题，并及时地制定有效的改进策略，促进了医护人员对病历书写规范和质量的改进，进而达到提高医疗服务质量的效果。
2、目前，现有的病历质控方法主要分为两种，即基于规则的病历质控方法和基于大语言模型的病历质控方法。其中，基于规则的病历质控方法需要通过制定一系列的临床规则和标准来评价病历的质量，该方法容易被临床接受和实施，易于电子化表达，常用于病历质评的初级建设。但是，基于规则的病历质控方法所需的病历质控规则需要由具有专业临床知识的专业人员进行定义，而开发人员往往缺乏专业的医学背景，此外，规则是固定僵化的，较难很好的适应临床实践中的变化。基于大语言模型的病历质控方法主要是在已有的大语言模型基础上，将病历质控的规则设计为对应的prompt，即提示对话框式的问答训练数据，该方法能够在大语言模型执行prompt时结合自身强大的语言理解、推理以及知识能力较为准确的发现病历记录中存在的问题。但是，基于大语言模型的病历质控方法对基础模型的依赖程度较高，需要花更多的时间来优化规则对应的prompt，较不可控。虽然对开元模型进行微调能够使得最终的模型结果更加可控，但是需要花费较多的人工进
3、综上所述，现有的病历质控方法较易受到复杂多样的模型训练数据的局限，在一定程度上降低了病历质控的效率和准确性。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高病历质控效率以及准确性的病历质控优化方法、装置、电子设备及存储介质。
2、本专利技术提供了一种病历质控优化方法，所述方法包括：
3、获取病历质控规则以及第一文本数据，所述病历质控规则包括病历质控范围以及病历质控定义，所述第一文本数据为待质控的文本数据；
4、将所述病历质控规则分别转化为第一指令和第二指令，所述第一指令为病历质控指令，所述第二指令为构造缺陷指令；
5、从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为所述gpt模型的输出，对所述gpt模型进行训练，得到缺陷模型；
6、通过所述缺陷模型生成缺陷样本，并以所述待优化数据作为标准样本对所述缺陷样本进行判别，以优化缺陷判别模型，所述缺陷判别模型用于响应于所述第一指令对所述第一文本数据进行质控。
7、在其中一个实施例中，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为输出，对所述gpt模型进行训练，得到缺陷模型，之前包括：
8、将所述第二指令和待优化数据进行组合，得到组合数据，所述组合数据具有所述第二指令的缺陷构造规则；
9、基于所述组合数据，构建所述gpt模型的输入数据，所述gpt模型的输入数据由所述待优化数据和所述第二指令的缺陷构造规则共同构成。
10、在其中一个实施例中，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为输出，对所述gpt模型进行训练，得到缺陷模型，包括：
11、将所述第二指令发送至所述gpt模型，以调用所述gpt模型按照所述第二指令的缺陷构造规则构建所述待优化数据对应的缺陷数据；
12、对所述缺陷数据进行过滤处理，得到过滤后的数据。
13、在其中一个实施例中，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为输出，对所述gpt模型进行训练，得到缺陷模型，还包括：
14、以所述组合数据作为模型输入数据，以所述过滤后的数据作为模型输出数据，构建训练数据集；
15、基于所述训练数据集，对所述gpt模型进行训练，得到所述缺陷模型。
16、在其中一个实施例中，所述通过所述缺陷模型生成缺陷样本，并以所述待优化数据作为标准样本对所述缺陷样本进行判别，以优化缺陷判别模型，包括：
17、获取所述缺陷模型中的训练数据集和测试数据集，并基于所述训练数据集和测试数据集生成所述缺陷样本；
18、以所述待优化数据作为所述缺陷判别模型的输入数据，以所述缺陷样本作为所述缺陷判别模型的输出数据，对所述缺陷判别模型进行优化训练。
19、在其中一个实施例中，所述通过所述缺陷模型生成缺陷样本，并以所述待优化数据作为标准样本对所述缺陷样本进行判别，以优化缺陷判别模型，之后包括：
20、将所述第一指令发送至优化后的所述缺陷判别模型；
21、调用优化后的所述缺陷判别模型按照所述第一指令的质控规则对所述待优化数据进行判别，以输出判别结果。
22、在其中一个实施例中，所述方法还包括：
23、基于所述判别结果，判断所述待优化数据是否为缺陷数据；若是，则
24、输出所述待优化数据为缺陷数据的病历质控结果；若否，则
25、输出所述待优化数据为满足所述病历质控规则的标准数据的病历质控结果。
26、本专利技术还提供了一种病历质控优化装置，所述装置包括：
27、数据获取模块，用于获取病历质控规则以及第一文本数据，所述病历质控规则包括病历质控范围以及病历质控定义，所述第一文本数据为待质控的文本数据；
28、指令转化模块，用于将所述病历质控规则分别转化为第一指令和第二指令，所述第一指令为病历质控指令，所述第二指令为构造缺陷指令；
29、模型训练模块，用于从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为所述gpt模型的输出，对所述gpt模型进行训练，得到缺陷模型；
30、模型优化模块，用于通过所述缺陷模型生成缺陷样本，并以所述待优化数据作为标准样本对所述缺陷样本进行判别，以优化缺陷判别模型，所述缺陷判别模型用于响应于所述第一指令对所述第一文本数据进行质控。
31、本专利技术还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的病历质控优化方法。
32、本专利技术还提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的病历质控优化方法。
33、本专利技术还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的病历质控优化方法。
34、本文档来自技高网...
【技术保护点】
1.一种病历质控优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的病历质控优化方法，其特征在于，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为GPT模型的输入，以缺陷数据作为输出，对所述GPT模型进行训练，得到缺陷模型，之前包括：
3.根据权利要求2所述的病历质控优化方法，其特征在于，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为GPT模型的输入，以缺陷数据作为输出，对所述GPT模型进行训练，得到缺陷模型，包括：
4.根据权利要求3所述的病历质控优化方法，其特征在于，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为GPT模型的输入，以缺陷数据作为输出，对所述GPT模型进行训练，得到缺陷模型，还包括：
5.根据权利要求1所述的病历质控优化方法，其特征在于，所述通过所述缺陷模型生成缺陷样本，并以所述待优化数据作为标准样本对所述缺陷样本进行判别，以优化缺陷判别模型，包括：
6.根据权利要求1所述的病历质控优化方法，其特征在于，所述通过所述缺
7.根据权利要求6所述的病历质控优化方法，其特征在于，所述方法还包括：
8.一种病历质控优化装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种病历质控优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的病历质控优化方法，其特征在于，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为输出，对所述gpt模型进行训练，得到缺陷模型，之前包括：
3.根据权利要求2所述的病历质控优化方法，其特征在于，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为输出，对所述gpt模型进行训练，得到缺陷模型，包括：
4.根据权利要求3所述的病历质控优化方法，其特征在于，所述从所述第一文本数据中获取待优化数据，并将所述待优化数据和第二指令作为gpt模型的输入，以缺陷数据作为输出，对所述gpt模型进行训练，得到缺陷模型，还包括：
5.根据权利要求1所述的病历质控优...
【专利技术属性】
技术研发人员：全福亮，李丽，张奇，
申请(专利权)人：北京惠每云科技有限公司，
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。