用于医疗决策的数据结构化分析系统与数据处理方法与流程

本发明属于医疗决策技术领域，尤其涉及一种用于医疗决策的数据结构化分析系统、数据处理方法以及实现该方法的计算机程序指令介质。

背景技术：

随着云计算、物联网、虚拟化技术、互联网技术的发展和应用，人工智能技术逐渐引入医疗领域。医院为了更好地服务患者、医护人员和医疗管理人员，逐渐构建了以电子病历为核心的人口健康信息集成平台和临床数据中心。针对医疗过程中产生数以万计的医疗数据，海量的医疗健康非结构化数据蕴含着价值多样的信息。

通过对海量的医疗结构数据以及非结构化数据的科学、规范、同步、动态的分析，能更好地发挥其应有的价值，为临床医疗决策管理，医保支付决策，及政府卫生政策的制定提供证据支持。

随着信息技术的迅速发展及各类数据标准化方法的建立。长期困扰医疗行业的海量和非结构化数据无法进行有效整合及有效分析的问题也有了解决手段和方法，因此，高质量医疗大数据库的建立也有了可靠的方法和基础，累积的海量医疗结构数据以及非结构化数据、历史数据可以被充分分析，发挥更大的临床指导及循证决策价值。

然而，实践证明，有效的医疗结构数据分析需建立在高质量的医疗结构数据大数据库的建立及严谨的科学分析方法之上，否则医疗结构数据的分析和决策将难免于各类混杂因数的干扰。

技术实现要素：

为解决上述技术问题，本发明提出一种用于医疗决策的数据结构化分析系统与数据处理方法。

系统包括数据接入子系统、数据分类子系统、数据脱敏子系统、数据选择子系统以及决策子系统；数据接入子系统实时获取数据源终端上传或者采集的医疗数据；数据分类子系统接收数据接入子系统发送的医疗数据，并对医疗数据进行分类；数据脱敏子系统对所述分类后的医疗数据执行脱敏处理；决策子系统用于设定医疗决策目标。

方法包括显示多个目标决策选项、显示至少一个医疗决策目标、生成数据选择指令、第一数据分类指令、第二数据脱敏指令、输出医疗决策结果等步骤。

具体而言，本发明的技术方案包含如下三个方面：

在本发明的第一个方面，提供一种用于医疗决策的数据结构化分析系统，所述系统包括数据接入子系统、数据分类子系统、数据脱敏子系统、数据选择子系统以及决策子系统；

所述数据接入子系统与多个数据源终端通信，用于实时获取所述数据源终端上传或者采集的医疗数据；

所述数据分类子系统接收所述数据接入子系统发送的医疗数据，并对所述医疗数据进行分类；

所述数据脱敏子系统对所述分类后的医疗数据执行脱敏处理；

所述决策子系统用于设定医疗决策目标；

所述数据选择子系统基于所述决策子系统设定的医疗决策目标，生成数据选择指令；

基于所述数据选择指令，生成第一数据分类指令，所述数据分类子系统基于所述第一数据分类指令，对所述医疗数据执行分类；

基于所述数据选择指令与所述第一数据分类指令，生成第二数据脱敏指令，所述数据脱敏子系统基于所述第二数据脱敏指令对所述分类后的医疗数据执行脱敏处理。

所述决策子系统包含人机交互界面，所述人机交互界面提供多个可选择目标决策选项；

响应于用户选择的目标决策选项，所述决策子系统推荐出至少一个医疗决策目标。

在本发明的第二个方面，提供一种用于医疗决策的数据处理方法，所述数据处理方法基于包含人机触摸交互界面的数据结构化分析系统实现。

具体的，所述方法包括如下步骤：

s810：在所述人机触摸交互界面的第一显示区域显示多个目标决策选项；

s820：响应于用户的触摸交互选择输入，在所述人机触摸交互界面的第二显示区域显示至少一个医疗决策目标；

s830：基于所述至少一个医疗决策目标，生成数据选择指令；

s840：基于所述数据选择指令，生成第一数据分类指令；

s850：基于所述数据选择指令和所述第一数据分类指令，生成第二数据脱敏指令；

s860：基于所述第一数据分类指令，对待处理的医疗数据进行分类；

s870：基于所述第二数据脱敏指令，对所述分类后的医疗数据执行脱敏处理；

s880：将所述脱敏处理后的医疗数据输入医疗决策模型，输出医疗决策结果；

其中，所述医疗决策模型以所述至少一个医疗决策目标为限制条件。

本发明的上述方法可以通过包含处理器和存储器的终端设备，尤其是图像处理终端设备，包括移动终端、桌面终端、服务器以及服务器集群等，通过程序指令自动化的执行，因此，在本发明的第三个方面，还提供一种计算机可读存储介质，其上存储有计算机程序指令；通过包含处理器和存储器的图像终端处理设备，执行所述程序指令，用于实现第二个方面所述方法的全部或者部分步骤。

总体而言，本发明的技术方案能够根据医疗决策目标需要从海量医疗大数据中获取有针对性的数据执行医疗决策。

本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的用于医疗决策的数据结构化分析系统的子系统结构图

图2是图1所述系统所述数据接入子系统获取数据以及数据分类模型的示意图

图3是图1所述系统中移动终端采集的非结构化医疗数据来源示意图

图4是图1所述系统中决策子系统的人机交互界面的显示示意图

图5是本发明一个实施例的一种用于医疗决策的数据处理方法主体流程图

图6是实现图5所述方法的数据结构化分析系统的医疗数据归集库的数据来源示意图

具体实施方式

下面，结合附图以及具体实施方式，对发明做出进一步的描述。

参照图1，是本发明一个实施例的一种用于医疗决策的数据结构化分析系统的子系统结构图。

在图1中，所述用于医疗决策的数据结构化分析系统包括数据接入子系统、数据分类子系统、数据脱敏子系统、数据选择子系统以及决策子系统。

作为一个整体性的限定性介绍，在图1的实施例中，数据接入子系统是一个相对性独立的工作子系统，其工作状态不受到其他工作子系统的影响；换言之，数据接入子系统是一个独立工作的子系统，该子系统与多个数据源终端通信，实时获取所述数据源终端上传或者采集的医疗数据，保存至医疗数据归集库中；

与此相对应的，数据分类子系统、数据脱敏子系统、数据选择子系统存在各种可选择的工作状态，其具体选择何种工作状态，基于决策子系统确定。

具体而言，所述数据分类子系统接收所述数据接入子系统发送的医疗数据后对所述医疗数据进行分类。

所述数据分类子系统内置多种数据分类模型，每种数据分类模型对应不同的医疗数据分类输出。

不同的数据分类模型，可以采用不同的数据分类标准，对医疗数据进行分类。

作为非限制性的例子，例如可以按照医疗数据来源对医疗数据进行分类，将医疗数据分为移动终端数据和桌面终端数据；还可以按照医疗数据对应的年龄段范围对其进行分类，例如将其分为幼儿医疗数据、少年医疗数据、青年医疗数据、中年医疗数据以及老年医疗数据；还可以按照医疗数据包含的药品类型对其进行分类，例如第一药品类医疗数据、第二药品类医疗数据，第一药品类医疗数据包含了使用第一药品的临床治疗费用、临床治疗周期、临床治疗效果等；第二药品类医疗数据包含了使用第二药品的临床治疗费用、临床治疗周期、临床治疗效果等；

数据脱敏子系统用于对医疗数据执行数据脱敏操作。

数据脱敏，又称数据匿名化操作。通常，为了保护数据隐私，在获得大数据医疗数据之后，在进行数据挖掘以及数据决策之前，通常需要执行数据匿名化操作，例如去除其中的病患名称等。

在本发明的技术方案中，数据脱敏操作是在常规的匿名化操作(去除其中的病患名称)之上，根据后续的医疗决策需要，选择性的执行更多的数据脱敏。

具体来说，所述数据脱敏子系统包括多种可选择的脱敏参数。脱敏参数包括年龄脱敏、性别脱敏、地址脱敏、药物名称脱敏、治疗疾病脱敏、数据来源脱敏等操作。

如果选择年龄脱敏，则意味着对分类后的医疗数据，去除其中的年龄描述字段，使得脱敏后的数据不包含任何年龄字段，即无法针对年龄因素执行医疗决策，或者说，避免年龄因素对医疗决策目标的影响；

如果选择性别脱敏，则意味着对分类后的医疗数据，去除其中的性别描述字段，使得脱敏后的数据不包含任何性别字段，即无法针对性别因素执行医疗决策，或者说，避免性别因素对医疗决策目标的影响；

如果选择地址脱敏，则意味着对分类后的医疗数据，去除其中的地址描述字段，使得脱敏后的数据不包含任何地址字段，即无法针对地址因素执行医疗决策，或者说，避免地址因素对医疗决策目标的影响；

如果选择药物名称脱敏，则意味着对分类后的医疗数据，去除其中的药物名称描述字段，使得脱敏后的数据不包含任何药物名称字段，即无法针对药物名称因素执行医疗决策，或者说，避免药物名称因素对医疗决策目标的影响；

如果选择治疗疾病脱敏，则意味着对分类后的医疗数据，去除其中的治疗疾病描述字段，使得脱敏后的数据不包含任何治疗疾病字段，即无法针对治疗疾病因素执行医疗决策，或者说，避免治疗疾病因素对医疗决策目标的影响；

如果选择数据来源脱敏，则意味着对分类后的医疗数据，去除其中的数据来源描述字段，使得脱敏后的数据不包含任何数据来源字段，即无法针对数据来源因素执行医疗决策，或者说，避免数据来源因素对医疗决策目标的影响。

当然，尤其需要注意的是，不管是执行何种脱敏参数选项，在本发明的各个实施例中，姓名/名称脱敏是默认的必选选项。

作为一个控制性的工作子系统，基于所述决策子系统的设定来确定数据分类子系统、数据脱敏子系统、数据选择子系统的工作状态。

具体来说，所述决策子系统用于设定医疗决策目标；

所述数据选择子系统基于所述决策子系统设定的医疗决策目标，生成数据选择指令；

基于所述数据选择指令，生成第一数据分类指令，所述数据分类子系统基于所述第一数据分类指令，对所述医疗数据执行分类；

基于所述数据选择指令与所述第一数据分类指令，生成第二数据脱敏指令，所述数据脱敏子系统基于所述第二数据脱敏指令对所述分类后的医疗数据执行脱敏处理。

作为一个非限制性的例子，所述医疗决策目标可以是分析来自移动终端的有关第一药品和第二药品针对同一病症的临床医疗数据，以用于在制定医保报销政策时，选择将第一药品还是第二药品纳入报销目录，或者二者的报销比例。

基于上述医疗决策目标，相应的数据选择指令就是要选择与第一药品和第二药品有关的来自于移动终端的医疗数据。

基于所述数据选择指令，生成第一数据分类指令，所述数据分类子系统基于所述第一数据分类指令，对所述医疗数据执行分类

此时，第一数据分类指令使得所述数据分类子系统至少需要执行两个操作：

第一操作：从所述数据接入子系统连接的所述医疗数据归集库中，将来自移动终端采集的非结构化医疗数据筛选出来；

第二操作：将移动终端采集的非结构化医疗数据按照第一药品和第二药品的关联属性，执行数据结构化操作，将其至少分为第一药品移动医疗数据和第二药品移动医疗数据。

接下来，基于所述数据选择指令与所述第一数据分类指令，生成第二数据脱敏指令，所述数据脱敏子系统基于所述第二数据脱敏指令对所述分类后的医疗数据执行脱敏处理。

此时，第二数据脱敏指令使得所述数据脱敏子系统至少执行如下操作：

第二数据脱敏指令对应出多个脱敏参数。

在上面的例子(医疗决策目标为分析来自移动终端的有关第一药品和第二药品针对同一病症的临床医疗数据，以用于在制定医保报销政策时，选择将第一药品还是第二药品纳入报销目录，或者二者的报销比例)中，这里的脱敏参数至少包括：年龄脱敏、性别脱敏、地址脱敏，而不应当执行的脱敏参数为药物名称脱敏、治疗疾病脱敏、数据来源脱敏等操作。

接下来，所述数据脱敏子系统基于所述第二数据脱敏指令对所述分类后的医疗数据执行脱敏处理，包括：年龄脱敏、性别脱敏、地址脱敏。

分类后的医疗数据，去除其中的年龄描述字段，使得脱敏后的数据不包含任何年龄字段，即无法针对年龄因素执行医疗决策，或者说，避免年龄因素对医疗决策目标的影响；

对分类后的医疗数据，去除其中的性别描述字段，使得脱敏后的数据不包含任何性别字段，即无法针对性别因素执行医疗决策，或者说，避免性别因素对医疗决策目标的影响；

对分类后的医疗数据，去除其中的地址描述字段，使得脱敏后的数据不包含任何地址字段，即无法针对地址因素执行医疗决策，或者说，避免地址因素对医疗决策目标的影响。

在图1基础上，参见图2。图2是图1所述系统所述数据接入子系统获取数据以及数据分类模型的示意图。

所述数据接入子系统与多个数据源终端通信，用于实时获取所述数据源终端上传或者采集的医疗数据，并发送至所述数据分类子系统。

在图2中，所述多个数据源终端包括移动终端与桌面终端；所述数据接入子系统实时获取所述桌面终端上传的结构化医疗数据；所述数据接入子系统实时获取所述移动终端采集的非结构化医疗数据。

所述数据分类子系统内置多种数据分类模型，每种数据分类模型对应不同的医疗数据分类输出；

基于所述第一数据分类指令，所述数据分类子系统匹配出至少一个第一数据分类模型；

将所述医疗数据作为所述数据分类子系统匹配出的所述至少一个第一数据分类模型的输入，将所述第一数据分类模型的输出作为对所述医疗数据进行分类的分类结果。

图2中，所述数据分类子系统内置数据分类模型a、数据分类模型b、数据分类模型c。

继续以上面的例子(医疗决策目标为分析来自移动终端的有关第一药品和第二药品针对同一病症的临床医疗数据，以用于在制定医保报销政策时，选择将第一药品还是第二药品纳入报销目录，或者二者的报销比例)为例，数据分类模型a可以是区分移动数据源和桌面数据源的模型，可输出移动医疗数据；数据分类模型b可以是区分不同药品类数据的模型，可输出分类后的第一药品类医疗数据和第二药品类医疗数据。

图3是图1所述系统中移动终端采集的非结构化医疗数据来源示意图。

通常情况下，桌面型终端配置专业型的数据采集软件或者界面，可以按照标准模式输入和采集数据，从而较容易的生成结构化数据；而移动终端可以随时随地输入或者上传数据，但是其数据结构不规定，格式较为随意，通常获得的为不能直接使用的非结构化数据。

图3示出了这种非结构化数据的常规来源，包括：

医生听诊数据、口述医嘱、电话咨询；

救护车(移动终端车)发送的临时现场数据；

便携式终端产生的临时医疗或者临床数据；

上述这些数据可能涉及多种生理医疗指标，包括脑电图、视觉、听力、血压、血糖、基因检测、蛋白质化验、霉素水平以及植入体的状态监测参数等，还包括相应的定位系统数据，数据传输网络包括电话、手机以及wifi网络。

接下来参见图4，图4是图1所述系统中决策子系统的人机交互界面的显示示意图。

在图4中，所述决策子系统包含人机交互界面，所述人机交互界面提供多个可选择目标决策选项；

响应于用户选择的目标决策选项，所述决策子系统推荐出至少一个医疗决策目标。

更具体的，所述人机交互界面为触摸式人机交互界面，其包含至少两个显示区域，第一显示区域和第二显示区域。

在所述第一显示区域上显示多个目标决策选项；

基于用户对于所述目标决策选项的选择，在所述第二显示区域显示医疗决策目标。

继续上述的例子(医疗决策目标为分析来自移动终端的有关第一药品和第二药品针对同一病症的临床医疗数据，以用于在制定医保报销政策时，选择将第一药品还是第二药品纳入报销目录，或者二者的报销比例)，则目标决策选项可以包括：数据来源选项、药品名称选项、药品对应的病症选项、药品的分析目标选项；

医疗决策目标可以包括：临床费用、临床效果、年龄段药物优势分析等。

优选的，所述多个可选择目标决策选项与所述医疗数据的类别相关联。

优选的，所述多个可选择目标决策选项与所述数据脱敏子系统的多种可选择的脱敏参数的类别相关联。

在图1-图4基础上，图5是本发明一个实施例的一种用于医疗决策的数据处理方法主体流程图。

图5所述方法基于包含人机触摸交互界面的数据结构化分析系统实现，主要步骤包括s810～s880，各个步骤具体实现如下：

s810：在所述人机触摸交互界面的第一显示区域显示多个目标决策选项；

s820：响应于用户的触摸交互选择输入，在所述人机触摸交互界面的第二显示区域显示至少一个医疗决策目标；

s830：基于所述至少一个医疗决策目标，生成数据选择指令；

s840：基于所述数据选择指令，生成第一数据分类指令；

s850：基于所述数据选择指令和所述第一数据分类指令，生成第二数据脱敏指令；

s860：基于所述第一数据分类指令，对待处理的医疗数据进行分类；

s870：基于所述第二数据脱敏指令，对所述分类后的医疗数据执行脱敏处理；

s880：将所述脱敏处理后的医疗数据输入医疗决策模型，输出医疗决策结果；

其中，所述医疗决策模型以所述至少一个医疗决策目标为限制条件。

决策模型可以是现有技术中已有的各种数据决策模型，包括基于深度学习的神经网络模型、深度信念网络模型等，本发明对此不作具体展开，本领域技术人员可以根据需要选择对应的决策模型，设定相应的决策目标/限制条件，然后输入上述分类和过敏后的医疗特征数据。优选的，本发明可以采用临床辅助数据决策系统，类似的现有技术介绍可参见如下文献：

[1]sohailmn,renj,ubamuhammadma.euclideangroupassessmentonsemi-supervisedclusteringforhealthcareclinicalimplicationsbasedoneal-lifedata[j].intjenvironrespublichealth,2019,16(9):e1581.

[2]bergerml,dreyern,andersonf,etal.prospectiveobservationalstudiestoassesscomparativeeffectiveness:theisporgoodresearchpracticestaskforcereport[j].valuehealth,2012,15(2):217-230.

可以理解，图5所述方法可以基于图1-图4所述系统实现，并且相应的步骤中，能够实现前述图1-图4所述系统的对应的功能选择，限于篇幅，在此不再重复描述，具体的示例可参见图1-图4实施例中所述例子。

进一步的，参见图6，图6是实现图5所述方法的数据结构化分析系统的医疗数据归集库的数据来源示意图。

所述数据结构化分析系统还连接医疗数据归集库；

所述医疗数据归集库用于归集多源数据终端产生的医疗数据；

所述数据选择指令用于从所述医疗数据归集库中选择部分医疗数据。所述第一数据分类指令用于设定所述医疗数据的分类标准；

所述第二数据脱敏指令用于设定所述医疗数据的脱敏参数。

如前述图1-图4的类似，图5或者图6中，包含人机触摸交互界面的数据结构化分析系统连接的所述医疗数据归集库，通过多种通信网络，实时的源源不断的从多源数据终端归集海量的医疗数据，包括中小医院、大型医院、医生个体、病人个人、居家远程医疗系统、医疗疗养场所系统以及研究机构等，发送至所述医疗数据归集库存储，以用于后续分析。

基于选择的决策分析目标，确定分类标准与脱敏参数后，执行前述的数据结构化分析以及数据处理过程，具体参见前述实施例。

本发明的技术方案，可以针对海量的医疗数据，在设定决策目标之后，选择对应的分类模型和脱敏手段获得有针对性的样本数据，从而使得输入到决策模型中的数据的属性与决策目标密切相关，剔除了无关属性的影响，使得医疗决策的效率和准确性大大提高。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。