【技术实现步骤摘要】
本专利技术涉及医疗数据处理，尤其涉及一种抗菌药物临床使用病程记录生成方法和系统。
技术介绍
1、随着医院信息系统与人工智能技术的迅速发展，信息技术与医疗健康领域的深度融合引领着数字医疗、智慧医疗等新兴医疗业态不断涌现、蓬勃兴起，使其日益成为临床医疗工作和医院管理工作的发展方向。目前，虽然包括病程记录在内的医疗文书电子化已经基本实现，但是这些病程记录仍然需要医生人为输入到系统上，从而加剧了临床医生的工作负担。另外人为输入的抗菌药物使用病程记录中还经常存在信息遗漏、关键内容缺失、记录不规范及内容过于简化等问题。
技术实现思路
1、本专利技术针对现有技术中的不足，公开了一种抗菌药物临床使用病程记录生成方法，包括如下步骤：
2、s1，获取患者全景历史医疗数据，所述患者全景历史医疗数据包括患者基本信息、抗菌药物临床使用相关数据和对应的病程记录，所述抗菌药物临床使用相关数据包括但不限于医生抗菌药物处方权限、抗菌药物医嘱明细、用法用量、病原学检验结果与其他实验室检测结果、抗菌治疗效果；
3、s2，对所述患者全景历史医疗数据进行预处理，将文本分割成单词/词语并添加词性标注后形成病程记录训练数据集；
4、s3，使用bi-lstm-crf模型建立抗菌药物使用病程记录生成规则，根据所述抗菌药物使用病程记录生成规则构建病程记录生成模型，利用病程记录训练数据集中的各训练样本对未经训练的病程记录生成模型选用随机梯度下降训练算法进行训练，所述训练样本包括预处理后的抗菌药物临床
5、s4，将采集到的医生填写的抗菌药物医嘱信息输入完成训练的病程记录生成模型，生成抗菌药物使用病程记录文本并添加至电子病历文书中。
6、优选的，所述病程记录生成模型包括列嵌入层、编码器层和多层感知机层，其中：所述列嵌入层，被配置为分别提取抗菌药物临床使用相关数据中的各离散特征和连续特征，对无标签数据进行特征随机掩码替换，将各离散特征和连续特征映射成同样长度的d维向量，并转换为4个第一d维嵌入向量；所述编码器层，由6个多层串行叠加的transformer编码器层组成，被配置为将所述的4个第一d维嵌入向量作为输入量，输入到该编码器层进行特征相关性处理后输出与对应的4个第一d维向量具有相同维度的4个第二d维向量；所述多层感知机层，用于将4个第二d维嵌入向量并排拼接成4d长度的一维向量来作为输出量，其用于预测特征的输出层包括两个归一化指数函数softmax层用于预测病程记录中的所需各填充数据；两个归一化指数函数softmax层分别用于输出第一特征和第二特征；包含第一特征输出节点数为6个，其中5个第一特征输出节点用于分别输出具有5级分类的抗菌药物种类、1个第一特征输出节点用于输出缺失类别；包含第二特征输出节点数为4个，其中3个第二特征输出节点用于分别输出3个不同的剂量范围、1个第二特征输出节点用于输出缺失类别；包含4个概率输出节点，用于预测各掩码向量，所述掩码向量能够被配置为表示是否使用设定的抗菌药物或是否存在设定过敏情况；包含1个概率输出节点用于预测伪标签，所述伪标签能够被配置为对感染病原体的初步判断或对治疗效果的预测结果。
7、优选的，所述抗菌药物临床使用相关数据中的离散特征包括药物种类和用药途径，所述药物种类包括但不限于青霉素类、头孢菌素类、大环内酯类、喹诺酮类和氨基糖苷类，所述用药途径包括但不限于口服、静脉注射和外用；所述抗菌药物临床使用相关数据中的连续特征包括用药剂量和用药时长。
8、优选的，所述列嵌入层具体被配置为：
9、将药物种类特征用表示，具有分别对应青霉素类、头孢菌素类、大环内酯类、喹诺酮类、氨基糖苷类的5个取值；用药途径特征用表示，具有分别对应口服、静脉注射、外用的3个取值；用药剂量特征用表示；用药时长特征用表示；随机生成的mask向量为，其中，生成1的概率为p；
10、进行特征随机掩码替换后的结果为：
11、，
12、，
13、其中和是随机采样得到的其它值；将各离散特征和连续特征映射成同样长度的4个d维向量：
14、；
15、；
16、；
17、。
18、优选的，所述编码器层具体还被配置为：假设第个transformer编码器层的输入为：
19、，经过自注意力机制self-attention对输入数据进行处理和经前馈神经网络处理后得到输出：
20、，ffn是预先配置好的前馈神经网络，其中
21、，
22、，，，、、是可学习的参数矩阵，是键向量的维度；经过6层特征相关性处理后，得到最终输出。
23、本专利技术还公开了一种抗菌药物临床使用病程记录生成系统，包括数据获取模块、数据处理模块、模型训练模块和记录生成模块，其中数据获取模块，用于获取患者全景历史医疗数据，所述患者全景历史医疗数据包括患者基本信息、抗菌药物临床使用相关数据和对应的病程记录，所述抗菌药物临床使用相关数据包括但不限于医生抗菌药物处方权限、抗菌药物医嘱明细、用法用量、病原学检验结果与其他实验室检测结果、抗菌治疗效果；数据处理模块，用于对所述患者全景历史医疗数据进行预处理，将文本分割成单词/词语并添加词性标注后形成病程记录训练数据集；模型训练模块，用于使用bi-lstm-crf模型建立抗菌药物使用病程记录生成规则，根据所述抗菌药物使用病程记录生成规则构建病程记录生成模型，利用病程记录训练数据集中的各训练样本对未经训练的病程记录生成模型选用随机梯度下降训练算法进行训练，所述训练样本包括预处理后的抗菌药物临床使用相关数据和对应的病程记录；记录生成模块，用于将采集到的医生填写的抗菌药物医嘱信息输入完成训练的病程记录生成模型，生成抗菌药物使用病程记录文本并添加至电子病历文书中。
24、优选的，所述病程记录生成模型包括列嵌入层、编码器层和多层感知机层，其中：所述列嵌入层，被配置为分别提取抗菌药物临床使用相关数据中的各离散特征和连续特征，对无标签数据进行特征随机掩码替换，将各离散特征和连续特征映射成同样长度的d维向量，并转换为4个第一d维嵌入向量；所述编码器层，由6个多层串行叠加的transformer编码器层组成，被配置为将所述的4个第一d维嵌入向量作为输入量，输入到该编码器层进行特征相关性处理后输出与对应的4个第一d维向量具有相同维度的4个第二d维向量；所述多层感知机层，用于将4个第二d维嵌入向量并排拼接成4d长度的一维向量来作为输出量，其用于预测特征的输出层包括两个归一化指数函数softmax层用于预测抗菌药物使用病程记录中的所需各填充数据；两个归一化指数函数softmax层分别用于输出第一特征和第二特征；包含第一特征输出节点数为6个，其中5个第一特征输出节点用于分别输出具有5级分类的抗菌药物种类、1个第一特征输出节点用于输出缺失类别；包含第二特征输出节点数为4个，其中3个第二特征输出节点用于分别输出3个不同的剂本文档来自技高网...
【技术保护点】
1.一种抗菌药物临床使用病程记录生成方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的抗菌药物临床使用病程记录生成方法，其特征在于，所述病程记录生成模型包括列嵌入层、编码器层和多层感知机层，其中：
3.根据权利要求2所述的抗菌药物临床使用病程记录生成方法，其特征在于：
4.根据权利要求3所述的抗菌药物临床使用病程记录生成方法，其特征在于：所述列嵌入层具体被配置为：
5.根据权利要求4所述的抗菌药物临床使用病程记录生成方法，其特征在于：所述编码器层具体还被配置为：
6.一种抗菌药物临床使用病程记录生成系统，其特征在于，包括：
7.根据权利要求6所述的抗菌药物临床使用病程记录生成系统，其特征在于：所述病程记录生成模型包括列嵌入层、编码器层和多层感知机层，其中：
8.根据权利要求7所述的抗菌药物临床使用病程记录生成系统，其特征在于：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-5任一所述方法的步骤。
...【技术特征摘要】
1.一种抗菌药物临床使用病程记录生成方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的抗菌药物临床使用病程记录生成方法，其特征在于，所述病程记录生成模型包括列嵌入层、编码器层和多层感知机层，其中：
3.根据权利要求2所述的抗菌药物临床使用病程记录生成方法，其特征在于：
4.根据权利要求3所述的抗菌药物临床使用病程记录生成方法，其特征在于：所述列嵌入层具体被配置为：
5.根据权利要求4所述的抗菌药物临床使用病程记录生成方法，其特征在于：所述编码器层具体还被配置为：
6.一种抗菌药物临床使用病程记录生成系统，其特...
【专利技术属性】
技术研发人员：王选锭，闻德豪，蒋鹏，裴靖东，陈记宏，
申请(专利权)人：浙江大学医学院附属第二医院，
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。