一种基于大数据技术的区域临床路径管理系统的制作方法

本发明涉及智能医学技术领域，尤其涉及一种基于大数据技术的区域临床路径管理系统。

背景技术：

为解决有限的医疗卫生资源和无限增长的医疗服务需求之间的矛盾，借鉴工业化生产过程中的“关键路径法”，临床路径(clinicalpathway)的概念首先在美国提出并付诸。临床路径是针对某一疾病建立一套标准化治疗模式与治疗程序，最终起到规范医疗行为，减少医疗措施使用的随意性，降低医疗成本，提高医疗质量的作用。近30年来在美、英、澳大利亚、日本、新加坡等国家和台湾地区的广泛应用，临床路径已成为医疗行业中用于规范诊疗行为和控制医疗费用的重要管理手段，被称为“20世纪末发展出来的最重要的医疗模式”。我国于2009年10月，正式颁布了《临床路径管理指导原则》(试行)，以期指导全国医疗机构开展临床路径工作。至2010年，卫生部已在全国100家医院推行22个学科在内的112个病种的临床路径试点工作，探索适合我国国情的临床路径管理制度、工作模式、运行机制以及质量评估和持续改进体系，为在全国范围内推广临床路径管理积累经验并提供实践依。

然而，在推广临床路径的过程中存在着路径模板认可度不高、适应性差、特色疗法不突出等问题，这严重阻碍了临床路径管理的推广。这是因为发布的临床路径标准是对全国临床路径的具体应用具有普遍的指导意义，但是各地医院差异大，必须与本区域、本医院的具体情况相结合。因此开发设计一种基于大数据技术，融合医学知识图谱和深度学习的区域临床路径管理系统对临床路径理论研究和技术应用都有重要的科学意义。

技术实现要素：

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于大数据技术的区域临床路径管理系统，实现对区域临床路径进行管理；

为解决上述技术问题，本发明所采取的技术方案是：本发明提供一种基于大数据技术的区域临床路径管理系统，包括临床数据资源库、临床数据处理模块、临床诊疗行为规则库、临床路径模版管理模块以及临床路径发布模块；

所述临床数据资源库采集多源异构的临床数据，并对采集的数据进行标准化处理后存储到临床数据资源库；

所述临床数据处理模块包括预处理子模块、关联关系提取与分析子模块及关联图模型构建子模块，用于对临床数据资源库中存储的临床数据进行处理，并构建临床知识图谱；

所述临床诊疗行为规则库基于深度学习网络建模，支持对采集的临床诊断信息的认知识别症状；对临床知识图谱和大量临症数据进行挖掘分析和推理归纳，得到基于研究的认知框架和推理分析模式；面向个体病人，通过基于深度学习的相似度度量，推荐合适的临床诊疗规则；

所述临床路径模板管理模块以临床知识图谱、临床诊疗规则库和临床电子病历数据为基础，使用基于规则的算法建立规则模型；使用数据分类算法，建立基于临床数据的疾病预测模型；利用模型融合技术，将规则模型和疾病预测模型进行融合，进而得到支持临床智能辅助诊断与决策推荐的临床路径模板库；

所述临床路径发布模块依托区域医疗协同平台对所属区域内医疗机构的数据资源获取及信息发布功能，部署临床路径发布模块，通过配置动态模块加载，在区域医疗协同平台启动或重新加载时，动态加载临床路径发布模块，将其功能添加到区域医疗协同平台中，实现区域病人诊疗活动轨迹跟踪和健康干预，为病人诊疗提供相应医疗消息及告警信息，通过临床路径执行中的变异监测验证分析，优化区域协同临床路径，对系统执行效率进行评估，同时，发现复杂性疾病新的诊疗方案，提供参考借鉴和优化建议。

优选地，所述多源异构的临床数据包括结构化数据，半结构化数据及非结构化数据，具体来源于医疗专家的病案，临床诊疗记录，实验室检查数据，医学影像数据以及专利文献和互联网记录的医疗数据。

优选地，所述构建临床知识图谱的具体方法为：将多源、异构的临床数据转换为本体表示的数据信息；由预处理子模块经数据清理、数据集成、数据抽取、数据合并方法过滤得到用于提取关联关系的本体和属性；构建可扩展的元数据目录检索模型；由关联关系提取与分析子模块分析过滤后提取数据中的关联关系；最后由关联图模型构建子模块根据关联关系构建关联图模型并存储于关联库中，完成临床知识图谱的构建。

采用上述技术方案所产生的有益效果在于：本发明提供的一种基于大数据技术的区域临床路径管理系统，收集大量临床数据并存储到数据库中，并构建临床知识图谱和临床诊疗行为规则库，进而构建临床路径模板管理模块，提高了路径模板的认可度和适应性，同时将临床路径模板部署到区域医疗协同平台，增强了临床路径模板的推广。

附图说明

图1为本发明实施例提供的一种基于大数据技术的区域临床路径管理系统的结构框图；

图2为本发明实施例提供的构建临床路径模板的流程示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

一种基于大数据技术的区域临床路径管理系统，如图1所示，包括多源异构临床数据资源库、临床数据处理模块、基于机器学习的临床诊疗行为规则库、支持临床智能辅助诊断与决策推荐的临床路径模版管理模块以及基于区域医疗协同平台的临床路径发布模块；

所述多源异构临床数据资源库采集多源异构的临床数据，并对采集的数据进行标准化处理后存储到临床数据资源库，并构建临床知识图谱；

所述多源异构的临床数据包括结构化数据，半结构化数据及非结构化数据，具体来源于医疗专家的病案，临床诊疗记录，实验室检查数据，医学影像数据以及专利文献和互联网记录的医疗数据；

所述临床数据处理模块包括预处理子模块、关联关系提取与分析子模块及关联图模型构建子模块，用于对临床数据资源库中存储的临床数据进行处理，并构建临床知识图谱；

所述构建临床知识图谱的具体方法为：将多源、异构的临床数据转换为本体表示的数据信息；由预处理子模块经数据清理、数据集成、数据抽取、数据合并方法过滤得到用于提取关联关系的本体和属性；构建可扩展的元数据目录检索模型；由关联关系提取与分析子模块分析过滤后提取数据中的关联关系；最后由关联图模型构建子模块根据关联关系构建关联图模型并存储于关联库中，完成临床知识图谱的构建。

所述基于机器学习的临床诊疗行为规则库，基于深度学习网络建模，支持对采集的临床诊断信息的认知识别症状；对临床知识图谱和大量临症数据进行挖掘分析和推理归纳，得到基于研究的认知框架和推理分析模式；面向个体病人，通过基于深度学习的相似度度量，推荐合适的临床诊疗规则；

所述支持临床智能辅助诊断与决策推荐的临床路径模板管理模块，以临床知识图谱、临床诊疗规则库和临床电子病历数据为基础，使用模糊数学等基于规则的算法建立规则模型；使用支持向量机等数据分类算法，建立基于临床数据的疾病预测模型；利用协同训练等模型融合技术，将规则模型和疾病预测模型进行融合，进而得到支持临床智能辅助诊断与决策推荐的临床路径模板库；

所述基于区域医疗协同平台的临床路径发布模块依托区域医疗协同平台对所属区域内医疗机构的数据资源获取及信息发布功能，部署临床路径发布模块，通过配置动态模块加载，在区域医疗协同平台启动或重新加载时，动态加载临床路径发布模块，将其功能添加入区域医疗协同平台中，实现区域病人诊疗活动轨迹跟踪和健康干预，为病人诊疗提供相应医疗消息及告警信息，通过临床路径执行中的变异监测验证分析，优化区域协同临床路径，对系统执行效率进行评估，同时，发现复杂性疾病新的诊疗方案，提供参考借鉴和优化建议。

本实施例还提供如图2所示的构建临床路径模板管理模块的具体方法：

步骤1、收集医疗专家的病案，临床诊疗记录，实验室检查数据，医学影像数据以及专利文献和互联网记录的医疗数据并存储到电子病历数据库，并对数据库中的半结构化数据和非结构化数据进行实体抽取、关系抽取和属性抽取；然后对数据进行数据清理、数据集成、数据抽取、数据合并方法过滤得到用于提取关联关系的本体和属性；构建可扩展的元数据目录检索模型；由关联关系提取与分析子模块分析过滤后提取数据中的关联关系；最后由关联图模型构建子模块根据关联关系构建关联图模型并存储于关联库中，完成临床知识图谱的构建；

步骤2、基于深度学习网络建模，支持对采集的临床诊断信息的认知识别症状；对临床知识图谱和大量临症数据进行挖掘分析和推理归纳，得到基于研究的认知框架和推理分析模式；面向个体病人，通过基于深度学习的相似度度量，推荐合适的临床诊疗规则，建立临床诊疗行为规则库；

步骤3、以临床知识图谱、临床诊疗规则库和临床电子病历数据为基础，使用模糊数学等基于规则的算法建立规则模型；使用支持向量机等数据分类算法，建立基于临床数据的疾病预测模型；利用协同训练等模型融合技术，将规则模型和疾病预测模型进行融合，进而得到支持临床智能辅助诊断与决策推荐的临床路径模板库。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。