临床病例库的构建方法及装置与流程

1.本技术实施例涉及医疗技术领域，尤其涉及一种临床病例库的构建方法及装置。


背景技术：

2.在日常医疗诊断中，医生往往基于日常积累的诊断经验来进行治疗方案的确定。由此导致，治疗方案附带有医生的主观认知性，由于医生知识点的不足或个人因素问题而造成的对临床信息的误解读，在出具治疗方案时出现偏差，由此导致治疗方案的客观性和有效性较低。


技术实现要素：

3.本技术实施例的目的在于提出一种临床病例库的构建方法及装置，用于解决现有技术中存在的上述技术问题。
4.本技术实施例提供如下技术方案：
5.一种临床病例库的构建方法，其包括：
6.采集临床病例样本，以形成临床病例语料库；
7.基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；
8.基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
9.可选地，一实施例中，所述采集临床病例样本，以形成临床病例语料，包括：基于设置的病例采集线索，采集临床病例样本，以形成临床病例语料。
10.可选地，一实施例中，所述采集临床病例样本，以形成临床病例语料，包括：采集临床病例样本并对采集到的所述临床病例样本进行归一化处理，以形成临床病例语料。
11.可选地，一实施例中，所述采集临床病例样本，以形成临床病例语料，包括：采集临床病例样本，并对所述临床病例样本进行分析，以添加重复性分析标注，根据所述重复性分析标注，对所述临床病例样本进行去重处理，以形成临床病例语料。
12.可选地，一实施例中，所述基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，包括：基于构建的正则表达式，与所述临床病例语料库中的每个临床病例样本进行匹配，以生成病例描述文本，所述正则表达式为所述病例解析模型。
13.一种临床病例库的构建装置，其包括：
14.采集单元，用于采集临床病例样本，以形成临床病例语料库；
15.分析单元，用于基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文
本、病理生理描述文本以及临床表现描述文本；
16.建立单元，用于基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
17.可选地，一实施例中，所述采集单元具体用于：基于设置的病例采集线索，采集临床病例样本，以形成临床病例语料。
18.可选地，一实施例中，所述采集单元具体用于：采集临床病例样本并对采集到的所述临床病例样本进行归一化处理，以形成临床病例语料。
19.可选地，一实施例中，所述采集单元具体用于采集临床病例样本，并对所述临床病例样本进行分析，以添加重复性分析标注，根据所述重复性分析标注，对所述临床病例样本进行去重处理，以形成临床病例语料。
20.可选地，一实施例中，所述分析单元具体用于：基于构建的正则表达式，与所述临床病例语料库中的每个临床病例样本进行匹配，以生成病例描述文本，所述正则表达式为所述病例解析模型。
21.根据本技术实施例提供的临床病例库的构建方案，采集临床病例样本，以形成临床病例语料库；基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系，从而使得医生在治疗时参考临床病例库，弥补了医生知识点的不足或个人因素问题而造成的对临床信息的误解读，避免了出具治疗方案附带医生的主观认知性，提高了诊断的正确率和治疗方案的客观性和有效性。
附图说明
22.后文将参照附图以示例性而非限制性的方式详细描述本技术实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
23.图1为本技术实施例一的临床病例库的构建方法的步骤流程图；
24.图2为本技术实施例二的临床病例库的构建装置的结构示意图；
25.图3为本技术实施例三中电子设备的结构示意图；
26.图4为本技术实施例四中电子设备的硬件结构；
27.图5为本技术实施例四中电子设备的硬件结构。
具体实施方式
28.为了使本领域的人员更好地理解本技术实施例中的技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员所获得的其他实施例，都应当属于本技术实施例保护的范围。
29.根据本技术实施例提供的临床病例库的构建方案，采集临床病例样本，以形成临床病例语料库；基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系，从而使得医生在治疗时参考临床病例库，弥补了医生知识点的不足或个人因素问题而造成的对临床信息的误解读，避免了出具治疗方案附带医生的主观认知性，提高了诊断的正确率和治疗方案的客观性和有效性，另外还可以适用于基于其他场景(临床教学、临床数据统计、辅助卫生政策制定、为医保/保险业提供参考数据)下的检索、统计、分析等。
30.另外，构建临床病例库还可以达到如下商业上的优势：
31.(1)可以作为临床决策人工智能建立牢固的实例和数据基础，体现库存病例的数据优势；
32.(2)通过对同一个病因(病理变化)不同临床病情(病理生理)的总结，为医保和医疗保险政策的改进提供了数据参考，将库存病例转化为数字经济优势；
33.(3)发现病因(病理变化)与病情进展(病理生理)之间的逻辑链条存在的问题、以及病情进展(病理生理)各个环节之间存在的问题为基础医学和临床医学研究提供了方向；
34.(4)智能化生成包含需要的知识点的“数字化标准病人”，用于教学。
35.图1为本技术实施例一种应用场景的结构示意图；如图1所示，终端设备101、后台服务器102，所述终端设备和后台服务器之间可以通过网络连接，所述终端设备提供与后台服务器交互的界面，所述后台服务器上设置数据库，所述数据库存储有病例因果逻辑关联路径库，该病例因果逻辑关联路径库为根据如下步骤构建的临床病例数据库：
36.采集临床病例样本，以形成临床病例语料库；
37.基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；
38.基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
39.在使用的过程中，医生通过所述终端设备上提供的页面登陆并输入查询的关键词，以在临床病例数据库中查询所述病例关联逻辑路，从而为其提供治疗方案提供客观的参考。
40.本实施例中，后台服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备101可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。
41.图2为本技术实施例一种临床病例库的构建方法流程示意图；如图2所示，所述方法包括：
42.s201、采集临床病例样本，以形成临床病例语料库；
43.可选地，本实施例中，所述采集临床病例样本，以形成临床病例语料，包括：基于设置的病例采集线索，采集临床病例样本，以形成临床病例语料。
44.本实施例中，所述病例采集线索比如具体通过对大量的临床病例样本进行分析得到，比如直接病种的名称，此处，该病种的名称优选为结构化的名称，使用该结构化的名称去各种数据源爬取，以采集临床病例样本。
45.进一步地，本实施例中，可以对所述临床病例样本进行脱敏处理，具体的脱敏处理步骤包括：识别其中的敏感信息，并从中消除掉敏感信息，比如转换成乱码等，或者直接删除掉。或者直接从所述数据源中提取除所述敏感信息外的数据作为临床病例样本。所述敏感信息主要包括患者的姓名、家庭住址，身份证号码，电话号码等。
46.在一个具体的例子中，可以基于敏感信息消除模型进行敏感信息的消除，可以是任意适当的可实现特征提取或目标对象检测的神经网络模型，包括但不限于卷积神经网络、增强学习神经网络、对抗神经网络中的生成网络等。神经网络中具体结构的设置可以由本领域技术人员根据实际需求适当设定，如卷积层的层数、卷积核的大小、通道数等。
47.具体地，本实施例中，所述采集临床病例样本，以形成临床病例语料，包括：采集临床病例样本并对采集到的所述临床病例样本进行归一化处理，以形成临床病例语料。
48.所述归一化比如按照设置的标准模板进行归一化，即将临床病例样本进行逻辑切分，切分为若干个文本块，对每一个文本块分配唯一性标识，基于该唯一性标识，将对应的文本块添加到标准模板中，从而提高了数据处理的效率，同时还实现了临床病例样本的结构化，便于后续进行处理。
49.可选地，本实施例中，所述采集临床病例样本，以形成临床病例语料，包括：采集临床病例样本，并对所述临床病例样本进行分析，以添加重复性分析标注，根据所述重复性分析标注，对所述临床病例样本进行去重处理，以形成临床病例语料。
50.本实施例中，重复性分析标注比如为lable，通过该从重复性分析标注，可以快速实现对重复临床病例样本的去重，而只保留一份临床病例样本，从而降低了数据处理的量，提高了数据处理的效率。在保留临床病例样本优选保留数据源具有较高权威性的病例样本进行保留。
51.s202、基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；
52.可选地，本实施例中，所述基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，包括：基于构建的正则表达式，与所述临床病例语料库中的每个临床病例样本进行匹配，以生成病例描述文本，所述正则表达式为所述病例解析模型。
53.可选地，本实施例中，在构建正则表达式时，分别设置针对病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本。具体地，在正则表达式中包括若干个可与病种、病理变化、病理生理、临床表现对应的特征字符，基于特征字符与临床病例样本进行字符的匹配，从而生成病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本。
54.可选地，本实施例中，由于病种、病理变化、病理生理、临床表现是临床病例样本中的不同成分，为此，为了便于对应的描述文本进行区分，给病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本分配描述文本标签，以便于后续步骤直接通过对应标签，即可快速地知悉成分。
55.可替代地，在一实施例中，所述基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，包括：基于构建的实体识别模型，对所述临床病例语料库中的每个临床病例样本进行识别，以生成病例描述文本，所述实体识别模型为所述病例解析模型。
56.具体的，所述实体识别模型可以为预先训练好的实体识别模型，比如通过大量的临床样本进行训练并进行实体识别模型中滤波器系数的调整，得到的较小损失的实体识别模型。所述实体识别模型比如为idcnn+crf，或者， bilstm+crf，或者，bilstm+crf，或者bert+bilstm+crf。
57.当然，在一实施例中，所述病例解析模型可以包括实体识别模型和所述正则表达式，在生成生成病例描述文本时，所述正则表达式具有优先于实体识别模型的级别，即首先使用正则表达式，对于正则表达式无法处理的临床病例样本再使用实体识别模型进行处理，具体地，所述基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，包括：
58.基于构建的正则表达式，与所述临床病例语料库中的每个临床病例样本进行匹配，以生成病例描述文本。
59.对于通过所述正则表达式未成功匹配的所述临床病例样本，基于构建的实体识别模型，对所述临床病例语料库中的每个临床病例样本进行识别，以生成病例描述文本。
60.通过上述这种正则表达式和实体识别模型的方式，可以提高数据处理的速度和效率，同时提高了病例描述文本生成的泛化性能。
61.s203、基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
62.可选地，本实施例中，所述基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，包括：基于因果逻辑关系建立模型，提取所述病例描述文本的实体特征词，并根据实体特征词构建特征词向量；根据构建的实体特征词向量，建立病例因果逻辑关联路径库以构建临床病例库。
63.本实施例中，在提取所述病例描述文本的实体特征词时，针对病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本进行实体特征词的提取，提取到实体特征词可以通过键值对的方式进行管理，比如将描述文本标签作为key，对应的实体特征词作为value，从而实现了实体特征词的有效管理，进一步可快速地实现特征词向量的构建以及病例因果逻辑关联路径库的建立。
64.可选地，本实施例中，所述基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，包括：基于因果逻辑关系建立模型，根据所述病例描述文本，构建病例描述节点，一个病例描述文本对应一个病例描述节点；构建所述病例描述节点之间的关系连线，以建立病例因果逻辑关联路径库以构建临床病例库。
65.因此，以节点为基础进行病例因果逻辑关联路径库的建立，保证了病例因果逻辑关联路径库的准确性。
66.如果同时基于上述键值对的方式，则所述基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，包括：基于因果逻辑关系建立模型，提取所述病例描述文本的实体特征词，并构建病例描述节点，一个病例描述文本对应一个病例描述节点，一个病例描述节点对应一个键值对，将描述文本标签作为key，对应的实体特征词作为value；并根据病例描述节点构建特征词向量；根据构建的实体特征词向量，建立病例因果逻辑关联路径库以构建临床病例库。
67.进一步地，上述按照立病例因果逻辑关联路径库在入库时，按照内、外、妇、儿科的方向进行分类，为4个大数据库(i级库)，每个i级库中包含专科库(ii级库)，例如心内科、肝胆外科等，每个ii级库包含专病库(iii 级库)，例如心内科的心瓣膜病、心内膜病、心肌病等。
68.本技术上述实施例中，病例因果逻辑关联路径库制将“人体结构
→
(执行)人体功能
→
(体现)身体状态”这一因果逻辑组织起来，如下表：
[0069][0070]
举例来说，病例1：
[0071]
■
临床表现：患者胸闷胸痛1个月
[0072]
■
确诊病因：病毒性心肌炎
[0073]
■
病因-临床表现的路径：病毒入血
→
感染心肌
→
左心室心肌缺血缺氧
→
左心室心肌损伤(胸痛)
→
左心室收缩减弱
→
肺静脉回流不畅
→
肺淤血(胸闷)
[0074]
病例2：
[0075]
■
临床表现：间断胸痛半年，再发加重15小时
[0076]
■
确诊病因：冠心病，心肌梗死
[0077]
■
病因-临床表现的路径：冠状动脉粥样硬化
→
血管狭窄
→
心肌供血不足
→
心肌梗死(胸痛)
→
(1)心室运动减弱
→
代偿性心率加快，(2)心肌受刺激、引起反射性迷走神经对胃肠道刺激作用
→
恶心呕吐
[0078]
病例3：
[0079]
■
临床表现：间断胸闷6天，加重1天
[0080]
■
确诊病因：冠心病，心肌梗死
[0081]
■
病因-临床表现的路径：冠状动脉粥样硬化
→
冠状动脉广泛狭窄
→
心肌缺血
→
(1)急性右室心肌梗死
→
胸闷、心律失常，(2)二尖瓣、三尖瓣关闭不全
→
心衰
→
左右心房压力升高
→
肺淤血(肺部湿啰音)、体循环淤血 (胸腔积液、颈静脉稍充盈)
[0082]
图3为本技术实施例一种临床病例库的构建装置结构示意图；如图2所示，所述装置包括：
[0083]
采集单元301，用于采集临床病例样本，以形成临床病例语料库；
[0084]
分析单元302，用于基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；
[0085]
建立单元303，用于基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
[0086]
可选地，一实施例中，所述采集单元具体用于：基于设置的病例采集线索，采集临床病例样本，以形成临床病例语料。
[0087]
可选地，一实施例中，所述采集单元具体用于：采集临床病例样本并对采集到的所述临床病例样本进行归一化处理，以形成临床病例语料。
[0088]
可选地，一实施例中，所述采集单元具体用于采集临床病例样本，并对所述临床病例样本进行分析，以添加重复性分析标注，根据所述重复性分析标注，对所述临床病例样本进行去重处理，以形成临床病例语料。
[0089]
可选地，一实施例中，所述分析单元具体用于：基于构建的正则表达式，与所述临床病例语料库中的每个临床病例样本进行匹配，以生成病例描述文本，所述正则表达式为所述病例解析模型。
[0090]
可选地，一实施例中，所述分析单元具体用于：基于构建的实体识别模型，对所述临床病例语料库中的每个临床病例样本进行识别，以生成病例描述文本，所述正则表达式为所述病例解析模型。
[0091]
可选地，一实施例中，所述建立单元具体用于：基于因果逻辑关系建立模型，提取所述病例描述文本的实体特征词，并根据实体特征词构建特征词向量；根据构建的实体特征词向量，建立病例因果逻辑关联路径库以构建临床病例库。
[0092]
可选地，一实施例中，所述建立单元具体用于：基于因果逻辑关系建立模型，根据所述病例描述文本，构建病例描述节点，一个病例描述文本对应一个病例描述节点；构建所述病例描述节点之间的关系连线，以建立病例因果逻辑关联路径库以构建临床病例库。
[0093]
可选地，一实施例中，所述建立单元具体用于：基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库。
[0094]
图4为本技术实施例一种电子设备的结构示意图；如图4所示，所述电子设备包括：
[0095]
一个或多个处理器；
[0096]
计算机可读介质，配置为存储一个或多个程序，
[0097]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本技术实施例任意一项所述的方法。
[0098]
图5为本技术实施例四中电子设备的硬件结构；如图5所示，该电子设备的硬件结构可以包括：处理器501，通信接口502，计算机可读介质503 和通信总线504；
[0099]
其中处理器501、通信接口502、计算机可读介质503通过通信总线504 完成相互间的通信；
[0100]
可选地，通信接口502可以为通信模块的接口，如gsm模块的接口；
[0101]
其中，处理器501具体可以配置为：采集临床病例样本，以形成临床病例语料库；
[0102]
基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；
[0103]
基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
[0104]
处理器501可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0105]
计算机可读介质503可以是，但不限于，随机存取存储介质(randomaccess memory，ram)，只读存储介质(read only memory，rom)，可编程只读存储介质(programmable read-only memory，prom)，可擦除只读存储介质(erasable programmable read-only memory，eprom)，电可擦除只读存储介质(electric erasable programmable read-only memory， eeprom)等。
[0106]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含配置为执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(cpu)执行时，执行本技术的方法中限定的上述功能。需要说明的是，本技术所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储介质(ram)、只读存储介质(rom)、可擦式可编程只读存储介质(eprom 或闪存)、光纤、便携式紧凑磁盘只读存储介质(cd-rom)、光存储介质件、磁存储介质件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输配置为
由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0107]
可以以一种或多种程序设计语言或其组合来编写配置为执行本技术的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络：包括局域网(lan) 或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0108]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个配置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系，但这些先后关系只是示例性的，在具体实现的时候，这些步骤可能会更少、更多或执行顺序有调整。即在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0109]
描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
[0110]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：采集临床病例样本，以形成临床病例语料库；基于病例解析模型，对所述临床病例语料库中的每个临床病例样本进行处理，以生成病例描述文本，所述病例描述文本包括病种描述文本、病理变化描述文本、病理生理描述文本以及临床表现描述文本；
[0111]
基于因果逻辑关系建立模型，根据所述病例描述文本，建立病例因果逻辑关联路径库以构建临床病例库，所述病例因果逻辑关联路径库体现了发生病变对应的身体结构、病变对应的身体功能、病变对应的临床表现之间的因果逻辑关系。
[0112]
在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关，但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如，第一用户设备和第二用户设备表示不同的用户设备，虽然两者均是用户设备。例如，在不背离本公开的范围的前提下，第一元件可称作第二元件，类似地，第二元件可称作第一元件。
[0113]
当一个元件(例如，第一元件)称为与另一元件(例如，第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如，第二元件)或“连接至”另
一元件(例如，第二元件)时，应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如，第三元件)间接连接至该另一个元件。相反，可理解，当元件(例如，第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时，则没有元件(例如，第三元件)插入在这两者之间。
[0114]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。