本發(fā)明涉及計算機(jī)領(lǐng)域，尤其涉及一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法和系統(tǒng)。

背景技術(shù)：

1、隨著醫(yī)療信息化的發(fā)展，電子健康記錄(ehr)逐漸成為醫(yī)療數(shù)據(jù)管理中的重要組成部分，ehr記錄了患者在醫(yī)院的全周期數(shù)據(jù)，包括門診、入院、診斷、檢查、檢驗、治療和出院等關(guān)鍵醫(yī)療信息，這些數(shù)據(jù)構(gòu)成了患者醫(yī)療歷程的全貌，為醫(yī)療決策、疾病監(jiān)控、健康管理和科研分析提供了寶貴的資源。

2、患者在出院后，需要根據(jù)出院小結(jié)中的隨訪建議，定期進(jìn)行隨訪檢查，以監(jiān)控病情的恢復(fù)情況和治療結(jié)果。隨訪是患者疾病管理過程中不可或缺的一環(huán)，如何利用ehr中海量的醫(yī)療數(shù)據(jù)提取有用信息，制定出符合患者個體情況的出院隨訪建議，是醫(yī)療健康管理領(lǐng)域中面臨的一大挑戰(zhàn)。

3、傳統(tǒng)的隨訪建議生成系統(tǒng)通常基于固定的填寫模板，多依賴于人工操作，存在效率低，個性化程度不足，容易遺漏重要信息等問題，難以適應(yīng)患者病情的多樣性，無法滿足精準(zhǔn)醫(yī)療和個性化醫(yī)療的需求。

4、近年來，隨著人工智能技術(shù)的不斷發(fā)展和成熟，醫(yī)療領(lǐng)域逐步利用自然語言處理(nlp)技術(shù)提取ehr中的臨床信息，為醫(yī)生提供決策支持。例如，通過調(diào)用大語言模型如chatgpt，輸入患者的ehr數(shù)據(jù)，可以獲得相關(guān)的隨訪建議，然而，這些基于生成式ai的回答并不總是完美無缺的，它們存在著信息不全、產(chǎn)生幻覺等問題，這限制了它們在臨床實踐中的應(yīng)用。此外，現(xiàn)有的ai系統(tǒng)在生成隨訪建議時，往往缺乏對患者個體差異的識別和考慮，導(dǎo)致生成的建議可能無法充分適應(yīng)患者的具體病情。同時，這些系統(tǒng)通常沒有構(gòu)建專門的隨訪知識庫，限制了隨訪建議的準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法和系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述發(fā)明目的，本發(fā)明的一個方面提供一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法，包括以下步驟：

3、步驟s1，對ehr數(shù)據(jù)中的檢驗、檢查、既往史報告進(jìn)行處理，構(gòu)建結(jié)構(gòu)化異常標(biāo)簽庫；

4、步驟s2，利用llm以及專業(yè)的醫(yī)學(xué)標(biāo)注，針對異常標(biāo)簽庫中的每一個原子異常，構(gòu)建隨訪科室建議庫；

5、步驟s3，生成隨訪建議。

6、進(jìn)一步的，步驟s1包括以下步驟:

7、步驟s101，提取基于llm的初始異常標(biāo)簽；

8、步驟s102，對初始異常標(biāo)簽進(jìn)行清洗；

9、步驟s103，建立結(jié)構(gòu)化異常標(biāo)簽庫。

10、進(jìn)一步的，所述建立結(jié)構(gòu)化異常標(biāo)簽庫包括：對異常標(biāo)簽列表結(jié)構(gòu)化，檢查異常標(biāo)簽庫提取出原子異常、器官，檢驗異常標(biāo)簽庫提取出檢驗名稱、檢驗項目，和病史異常標(biāo)簽庫提取出疾病名稱。

11、進(jìn)一步的，步驟s2包括以下步驟：

12、步驟s201，設(shè)計提示詞，利用llm對每一個異常標(biāo)簽生成隨訪科室；

13、步驟s202，通過專業(yè)的醫(yī)學(xué)標(biāo)注進(jìn)行糾錯。

14、進(jìn)一步的，步驟s3包括以下步驟，

15、步驟s301，識別檢查報告異常；

16、步驟s302，識別檢驗報告異常；

17、步驟s303，識別既往史異常；

18、步驟s304，針對步驟s301,s302,s303中提取到的異常，根據(jù)隨訪科室建議庫得到異常標(biāo)簽對應(yīng)的隨訪科室，并匯總輸出完整的隨訪建議。

19、本發(fā)明的另一個方面提供一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成系統(tǒng)，包括結(jié)構(gòu)化異常標(biāo)簽?zāi)K，隨訪科室建議模塊，和隨訪建議生成模塊，其中：

20、結(jié)構(gòu)化異常標(biāo)簽?zāi)K是通過對ehr數(shù)據(jù)中的檢驗、檢查、既往史報告進(jìn)行處理，構(gòu)建結(jié)構(gòu)化異常標(biāo)簽庫；

21、隨訪科室建議模塊利用llm以及專業(yè)的醫(yī)學(xué)標(biāo)注，針對異常標(biāo)簽庫中的每一個原子異常，構(gòu)建隨訪科室建議庫；

22、隨訪建議生成模塊用于生成隨訪建議。

23、進(jìn)一步的，所述結(jié)構(gòu)化異常標(biāo)簽?zāi)K包括以下組件:

24、提取組件，用于提取基于llm的初始異常標(biāo)簽；

25、清洗組件，用于對初始異常標(biāo)簽進(jìn)行清洗；

26、建庫組件，用于建立結(jié)構(gòu)化異常標(biāo)簽庫。

27、進(jìn)一步的，所述建立結(jié)構(gòu)化異常標(biāo)簽庫包括：對異常標(biāo)簽列表結(jié)構(gòu)化，檢查異常標(biāo)簽庫提取出原子異常、器官，檢驗異常標(biāo)簽庫提取出檢驗名稱、檢驗項目，和病史異常標(biāo)簽庫提取出疾病名稱。

28、進(jìn)一步的，隨訪科室建議模塊包括以下組件：

29、llm組件，用于設(shè)計提示詞，利用llm對每一個異常標(biāo)簽生成隨訪科室；

30、糾錯組件，用于通過專業(yè)的醫(yī)學(xué)標(biāo)注進(jìn)行糾錯。

31、進(jìn)一步的，隨訪建議生成模塊包括以下組件，

32、檢查報告組件，用于識別檢查報告異常；

33、檢驗報告組件，用于識別檢驗報告異常；

34、既往史組件，用于識別既往史異常；

35、隨訪建議組件，用于針對檢查報告組件,檢驗報告組件，既往史組件中提取到的異常，根據(jù)隨訪科室建議庫得到異常標(biāo)簽對應(yīng)的隨訪科室，并匯總輸出完整的隨訪建議。

36、由于采用本系統(tǒng)和方法，與現(xiàn)有技術(shù)相比，具有以下優(yōu)點：

37、1.通過利用先進(jìn)的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，自動識別患者ehr中的檢查、檢驗、既往病史中的異常標(biāo)簽，結(jié)合專業(yè)的隨訪建議庫，生成更為精準(zhǔn)的隨訪建議。這種方法不僅提高了隨訪建議生成的效率，而且通過個性化的數(shù)據(jù)分析，提升了隨訪建議的準(zhǔn)確性和臨床適用性。

38、2.通過構(gòu)建一個綜合的隨訪建議庫，該庫包含了針對不同異常標(biāo)簽的詳細(xì)隨訪建議和臨床指南，旨在彌補(bǔ)生成式ai技術(shù)的不足。此外，本專利的方法還包括對生成的隨訪建議進(jìn)行驗證和優(yōu)化的步驟，確保所生成的隨訪建議既科學(xué)又實用。

39、3.通過分析患者的ehr數(shù)據(jù)，識別出與患者病情相關(guān)的異常標(biāo)簽，從而生成更加個性化的隨訪計劃。這種方法不僅能夠提高隨訪的針對性，還能夠根據(jù)患者的實時狀況調(diào)整隨訪計劃，使之更加適應(yīng)患者的實際需要。

40、4.通過自動化的異常標(biāo)簽識別和隨訪建議生成，減少了醫(yī)生的工作負(fù)擔(dān)，提高了工作效率。

41、5.異常標(biāo)簽庫和隨訪庫的構(gòu)建為未來的隨訪建議生成提供了可擴(kuò)展性和靈活性。

技術(shù)特征：

1.一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法，其特征在于，步驟s1包括以下步驟:

3.根據(jù)權(quán)利要求2所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法，其特征在于，所述建立結(jié)構(gòu)化異常標(biāo)簽庫包括：對異常標(biāo)簽列表結(jié)構(gòu)化，檢查異常標(biāo)簽庫提取出原子異常、器官，檢驗異常標(biāo)簽庫提取出檢驗名稱、檢驗項目，和病史異常標(biāo)簽庫提取出疾病名稱。

4.根據(jù)權(quán)利要求1所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法，其特征在于，步驟s2包括以下步驟：

5.根據(jù)權(quán)利要求1所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法，其特征在于，步驟s3包括以下步驟，

6.一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成系統(tǒng)，其特征在于，包括結(jié)構(gòu)化異常標(biāo)簽?zāi)K，隨訪科室建議模塊，和隨訪建議生成模塊，其中：

7.根據(jù)權(quán)利要求6所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成系統(tǒng)，其特征在于，所述結(jié)構(gòu)化異常標(biāo)簽?zāi)K包括以下組件:

8.根據(jù)權(quán)利要求7所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成系統(tǒng)，其特征在于，所述建立結(jié)構(gòu)化異常標(biāo)簽庫包括：對異常標(biāo)簽列表結(jié)構(gòu)化，檢查異常標(biāo)簽庫提取出原子異常、器官，檢驗異常標(biāo)簽庫提取出檢驗名稱、檢驗項目，和病史異常標(biāo)簽庫提取出疾病名稱。

9.根據(jù)權(quán)利要求6所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成系統(tǒng)，其特征在于，隨訪科室建議模塊包括以下組件：

10.根據(jù)權(quán)利要求6所述的一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成系統(tǒng)，其特征在于，隨訪建議生成模塊包括以下組件，

技術(shù)總結(jié)
本發(fā)明公開了一種基于結(jié)構(gòu)化異常標(biāo)簽識別的隨訪建議生成方法和系統(tǒng)，包括以下步驟：步驟S1，對EHR數(shù)據(jù)中的檢驗、檢查、既往史報告進(jìn)行處理，構(gòu)建結(jié)構(gòu)化異常標(biāo)簽庫；步驟S2，利用LLM以及專業(yè)的醫(yī)學(xué)標(biāo)注，針對異常標(biāo)簽庫中的每一個原子異常，構(gòu)建隨訪科室建議庫；步驟S3，生成隨訪建議。采用本方法提高了隨訪建議的個性化程度，有助于提升患者的治療體驗和健康管理效果，減少了醫(yī)生的工作負(fù)擔(dān)，提高了工作效率，同時異常標(biāo)簽庫和隨訪庫的構(gòu)建為未來的隨訪建議生成提供了可擴(kuò)展性和靈活性。

技術(shù)研發(fā)人員：寧光,畢宇芳,徐宇辰,黃飛躍,李紹欣,吳佳祥
受保護(hù)的技術(shù)使用者：上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19