本发明涉及人工智能信息抽取与知识图谱算法,尤其涉及一种基于人工智能信息抽取和知识图谱的疾病寻证方法。
背景技术:
1、随着drgs医保付费体系不断发展,医院在参与医院等级评审时必须为执行drgs医保付费做好准备。这对电子病案质量有更高的要求,尤其是电子病案首页质量,因为电子病案首页是drgs医保付费参考的主要数据来源。同时国家卫生部要求医院定期上传病案首页数据到hqms(hospital quality monitoring system,医院质量监测数据上报系统,该系统是卫生部医管司开展的医疗服务监管信息上报系统),用以监督管理医院质量,并对医院绩效进行考核。
2、在drgs体系下,提高电子病案首页的出院诊断质控是重中之重,关系到给患者疾病分类与医保报销。因此,需要对出院诊断进行严格质控,包括寻找出院诊断的诊断依据(即寻证),以及是否存在缺少疾病诊断情况。而这需要专业有经验的质控医师才能完成,但是这方面人才较少,难以完成医院每日产生的大量电子病案质控需求。在此背景下,疾病寻证方法应运而生,旨在帮助质控医师高效完成质控工作,提高医院电子病案质量,顺利对接drgs医保付费系统,提高医院收入。
技术实现思路
1、本发明的目在于提供一种基于人工智能信息抽取和知识图谱的疾病寻证方法,旨在解决现有技术无法高效准确地完成疾病寻证问题。。
2、本发明是通过以下技术方案实现的:
3、基于人工智能信息抽取和知识图谱的疾病寻证方法,包括以下步驟:
4、s1.进行与疾病名称相关的知识建模;
5、s2.依据上述知识建模相应建立用于抽取疾病名称、临床诊断记录及临床诊断结果的人工智能信息抽取模型;
6、s3.利用人工智能信息抽取模型从医学信息资料中抽取疾病名称知识并按照知识建模的模型构建疾病寻证知识图谱;
7、s4.利用人工智能信息抽取模型抽取临床诊断记录以及诊断结果;
8、s5. 将临床诊断记录输入至疾病寻证知识图谱比对获得查询结果,将查询结果与诊断结果进行比对,完成疾病寻证。
9、优选地,所述s1中知识图谱的模型包括:以疾病名称作为知识图谱的节点;将疾病名称进行解构,得到与疾病名称相应的属性,并定义节点与定义属性之间的关系;基于owl规范存储知识图谱。
10、优选地,所述对疾病名称进行解构为以下属性包括疾病发生的人体部位属性、疾病所导致的异常形态属性、异常形态所伴随属性以及疾病严重程度属性。
11、与现有技术相比,利用疾病寻证知识图谱,可以快速准确地找出临床诊断疾病结果的临床诊断记录依据,高效准确地完成疾病寻证。
1.基于人工智能信息抽取和知识图谱的疾病寻证方法,其特征在于:包括以下步驟:
2.根据权利要求1所述的基于人工智能信息抽取和知识图谱的疾病寻证方法,其特征在于:所述s1中知识图谱的模型包括:以疾病名称作为知识图谱的节点;将疾病名称进行解构,得到与疾病名称相应的属性,并定义节点与定义属性之间的关系;基于owl规范存储知识图谱。
3.根据权利要求2所述的基于人工智能信息抽取和知识图谱的疾病寻证方法,其特征在于:所述对疾病名称进行解构为以下属性包括疾病发生的人体部位属性、疾病所导致的异常形态属性、异常形态所伴随属性以及疾病严重程度属性。