本發(fā)明涉及醫(yī)療數(shù)據(jù)處理，具體涉及基于一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法和系統(tǒng)。

背景技術(shù)：

1、目前，檢查病程中是否有未記錄的植入物主要是通過(guò)人工來(lái)進(jìn)行核對(duì)，由于醫(yī)囑和病程記錄數(shù)量大、內(nèi)容多，導(dǎo)致醫(yī)生在核對(duì)過(guò)程中存在工作量大，核對(duì)不準(zhǔn)確的問(wèn)題，影響醫(yī)院的工作效率。

2、根據(jù)病案管理質(zhì)量控制指標(biāo)(2021年版)診療行為記錄符合率：植入物相關(guān)記錄符合率。植入物相關(guān)記錄符合率＝植入物相關(guān)記錄符合的住院患者病歷數(shù)/同期使用植入物的住院患者病歷總數(shù)×100％，而植入物相關(guān)記錄符合率又是一家醫(yī)院診療技術(shù)水平的重要質(zhì)量控制指標(biāo)。

3、因此，如何發(fā)明一種自動(dòng)檢測(cè)的方法，能夠更準(zhǔn)確，更高效檢測(cè)出病程中是否有未記錄的植入物，減少醫(yī)生的工作量，提高醫(yī)院的診療質(zhì)量和效率，成為亟需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明提供一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法及系統(tǒng)，能夠自動(dòng)的在植入物名稱、時(shí)間、數(shù)量上通過(guò)nlp技術(shù)對(duì)抽取有效的醫(yī)囑和病程記錄進(jìn)行對(duì)比，并得出每個(gè)病程是否缺失植入物記錄的判斷結(jié)果。從而減少醫(yī)生的工作量，提高醫(yī)院的診療質(zhì)量和效率。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法，包括：

3、對(duì)接醫(yī)院數(shù)據(jù)系統(tǒng)，確定需要從所述醫(yī)院數(shù)據(jù)系統(tǒng)中抽取的文書(shū)內(nèi)容；

4、通過(guò)nlp文本匹配算法從所述文書(shū)內(nèi)容中抽取醫(yī)囑，并通過(guò)匹配關(guān)鍵詞的方式對(duì)抽取的醫(yī)囑進(jìn)行篩查匹配，獲取醫(yī)囑中的植入物醫(yī)囑信息；

5、通過(guò)nlp文本匹配算法從所述文書(shū)內(nèi)容中抽取病程，并通過(guò)匹配關(guān)鍵詞的方式對(duì)抽取的病程進(jìn)行篩查匹配，獲取與所述植入物醫(yī)囑信息相對(duì)應(yīng)的植入物病程；

6、通過(guò)nlp文本匹配算法將所述植入物醫(yī)囑信息與所述植入物病程進(jìn)行對(duì)比，若所述植入物醫(yī)囑信息與所述植入物病程一致，則判定所述植入物病程中不存在未記錄的植入物信息；若所述植入物醫(yī)囑信息與所述植入物病程不一致，則判定所述植入物病程中存在未記錄的植入物信息。

7、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法優(yōu)選方案，從所述醫(yī)院數(shù)據(jù)系統(tǒng)中抽取的文書(shū)內(nèi)容包括：臨時(shí)醫(yī)囑、首次病程記錄、日常病程記錄、上級(jí)查房記錄、疑難病例討論記錄、交接班記錄、轉(zhuǎn)科記錄、階段小結(jié)、搶救記錄、術(shù)后首次病程記錄、多學(xué)科綜合診療記錄。

8、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法優(yōu)選方案，所述文書(shū)內(nèi)容中的對(duì)象配置有編碼信息，根據(jù)所述文書(shū)內(nèi)容中的對(duì)象和所述文書(shū)內(nèi)容中的對(duì)象對(duì)應(yīng)的編碼信息生成文書(shū)對(duì)象表。

9、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法優(yōu)選方案，通過(guò)python函數(shù)提取程序從醫(yī)囑中提取出植入物的名稱、數(shù)量和執(zhí)行時(shí)間；所述python函數(shù)提取程序中執(zhí)行：

10、匹配包含異質(zhì)性醫(yī)囑信息的實(shí)體；

11、使用正則表達(dá)式提取植入物和數(shù)量信息。

12、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法優(yōu)選方案，通過(guò)python函數(shù)判斷程序?qū)⑺鲋踩胛镝t(yī)囑信息與所述植入物病程信息進(jìn)行對(duì)比，判斷病程記錄中植入物的時(shí)間、植物名稱和數(shù)量跟所述植入物醫(yī)囑信息是否一致；所述python函數(shù)判斷程序中執(zhí)行：

13、匹配包含植入物信息的實(shí)體；

14、使用正則表達(dá)式提取植入物和數(shù)量信息；

15、使用正則表達(dá)式提取時(shí)間信息；

16、檢查病程記錄時(shí)間是否在醫(yī)囑執(zhí)行時(shí)間之后或當(dāng)日；

17、判斷病程記錄中是否包含植入物記錄。

18、本發(fā)明還提供一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的系統(tǒng)，基于以上一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的方法，包括：

19、文書(shū)數(shù)據(jù)提取模塊，用于對(duì)接醫(yī)院數(shù)據(jù)系統(tǒng)，確定需要從所述醫(yī)院數(shù)據(jù)系統(tǒng)中抽取的文書(shū)內(nèi)容；

20、植入物醫(yī)囑信息提取模塊，用于通過(guò)nlp文本匹配算法從所述文書(shū)內(nèi)容中抽取醫(yī)囑，并通過(guò)匹配關(guān)鍵詞的方式對(duì)抽取的醫(yī)囑進(jìn)行篩查匹配，獲取醫(yī)囑中的植入物醫(yī)囑信息；

21、植入物病程提取模塊，用于通過(guò)nlp文本匹配算法從所述文書(shū)內(nèi)容中抽取病程，并通過(guò)匹配關(guān)鍵詞的方式對(duì)抽取的病程進(jìn)行篩查匹配，獲取與所述植入物醫(yī)囑信息相對(duì)應(yīng)的植入物病程；

22、植入物信息對(duì)比判斷模塊，用于通過(guò)nlp文本匹配算法將所述植入物醫(yī)囑信息與所述植入物病程進(jìn)行對(duì)比，若所述植入物醫(yī)囑信息與所述植入物病程一致，則判定所述植入物病程中不存在未記錄的植入物信息；若所述植入物醫(yī)囑信息與所述植入物病程不一致，則判定所述植入物病程中存在未記錄的植入物信息。

23、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的系統(tǒng)優(yōu)選方案，所述文書(shū)數(shù)據(jù)提取模塊中，從所述醫(yī)院數(shù)據(jù)系統(tǒng)中抽取的文書(shū)內(nèi)容包括：臨時(shí)醫(yī)囑、首次病程記錄、日常病程記錄、上級(jí)查房記錄、疑難病例討論記錄、交接班記錄、轉(zhuǎn)科記錄、階段小結(jié)、搶救記錄、術(shù)后首次病程記錄、多學(xué)科綜合診療記錄。

24、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的系統(tǒng)優(yōu)選方案，所述文書(shū)數(shù)據(jù)提取模塊中，所述文書(shū)內(nèi)容中的對(duì)象配置有編碼信息，根據(jù)所述文書(shū)內(nèi)容中的對(duì)象和所述文書(shū)內(nèi)容中的對(duì)象對(duì)應(yīng)的編碼信息生成文書(shū)對(duì)象表。

25、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的系統(tǒng)優(yōu)選方案，所述植入物醫(yī)囑信息提取模塊中，通過(guò)python函數(shù)提取程序從醫(yī)囑中提取出植入物的名稱、數(shù)量和執(zhí)行時(shí)間；所述python函數(shù)提取程序中執(zhí)行：

26、匹配包含異質(zhì)性醫(yī)囑信息的實(shí)體；

27、使用正則表達(dá)式提取植入物和數(shù)量信息。

28、作為一種基于nlp技術(shù)檢測(cè)病程中未記錄植入物的系統(tǒng)優(yōu)選方案，所述植入物信息對(duì)比判斷模塊中，通過(guò)python函數(shù)判斷程序?qū)⑺鲋踩胛镝t(yī)囑信息與所述植入物病程信息進(jìn)行對(duì)比，判斷病程記錄中植入物的時(shí)間、植物名稱和數(shù)量跟所述植入物醫(yī)囑信息是否一致；所述python函數(shù)判斷程序中執(zhí)行：

29、匹配包含植入物信息的實(shí)體；

30、使用正則表達(dá)式提取植入物和數(shù)量信息；

31、使用正則表達(dá)式提取時(shí)間信息；

32、檢查病程記錄時(shí)間是否在醫(yī)囑執(zhí)行時(shí)間之后或當(dāng)日；

33、判斷病程記錄中是否包含植入物記錄。

34、本發(fā)明具有如下優(yōu)點(diǎn)：通過(guò)對(duì)接醫(yī)院數(shù)據(jù)系統(tǒng)，確定需要從所述醫(yī)院數(shù)據(jù)系統(tǒng)中抽取的文書(shū)內(nèi)容；通過(guò)nlp文本匹配算法從所述文書(shū)內(nèi)容中抽取醫(yī)囑，并通過(guò)匹配關(guān)鍵詞的方式對(duì)抽取的醫(yī)囑進(jìn)行篩查匹配，獲取醫(yī)囑中的植入物醫(yī)囑信息；通過(guò)nlp文本匹配算法從所述文書(shū)內(nèi)容中抽取病程，并通過(guò)匹配關(guān)鍵詞的方式對(duì)抽取的病程進(jìn)行篩查匹配，獲取與所述植入物醫(yī)囑信息相對(duì)應(yīng)的植入物病程；通過(guò)nlp文本匹配算法將所述植入物醫(yī)囑信息與所述植入物病程進(jìn)行對(duì)比，若所述植入物醫(yī)囑信息與所述植入物病程一致，則判定所述植入物病程中不存在未記錄的植入物信息；若所述植入物醫(yī)囑信息與所述植入物病程不一致，則判定所述植入物病程中存在未記錄的植入物信息。本發(fā)明能夠自動(dòng)的在植入物名稱、時(shí)間、數(shù)量上通過(guò)nlp技術(shù)對(duì)抽取有效的醫(yī)囑和病程記錄進(jìn)行對(duì)比，并得出每個(gè)病程是否缺失植入物記錄的判斷結(jié)果。從而減少醫(yī)生的工作量，提高醫(yī)院的診療質(zhì)量和效率。