[发明专利]面向临床诊疗数据整合的方法和系统

说明书

本发明提供一种面向临床诊疗数据整合方法和系统，涉及医疗数据处理技术领域。本发明实施例获取面向临床诊疗的原始数据并进行预处理；将所述原始数据输入预先训练好的自然语言处理模型中，得到结果数据集；根据所述结果数据集，得到定向需求数据。定制化面向临床诊疗数据整合，针对性强；数据产出结构化，可应用性强。

技术领域

本发明涉及医疗数据处理技术领域，具体涉及一种面向临床诊疗数据整合的方法和系统。

背景技术

医生对患者诊疗和治疗过程中产生的数据，包括患者的基本数据、电子病历、诊疗数据、医学影像数据、医学管理、经济数据、医疗设备和仪器数据等，以患者为中心，成为医疗数据的主要来源。

目前，针对面向临床诊疗数据相关的多维临床试验数据，现有的处理模型涉及文法开发，需要将文法结果和实际应用数据结合做特有化的语义表征关联，但由于当前自然语言中存在海量的文法结构，造成搜索空间巨大，避免生成歧义输出对现有产品是一大挑战。此外，医疗数据存在敏感性，需要二次脱敏处理；医疗结构化数据需求特殊，非定制化处理模型无法满足多机构需求。

然而，医疗大数据蕴藏着丰富的有用信息。如何对上述面向临床诊疗数据的多维临床试验数据进行有效挖掘和提炼，从而针对性地对患者用户的病情进行监控，以便于后续的进一步信息推荐，成为当下的热点问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种面向临床诊疗数据整合的方法和系统，解决了现有技术无法深层次利用面向临床诊疗数据的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种面向临床诊疗数据整合的方法，包括：

S1、获取面向临床诊疗的原始数据并进行预处理；

S2、将所述原始数据输入预先训练好的自然语言处理模型中，得到结果数据集；

S3、根据所述结果数据集，得到定向需求数据。

优选的，所述原始数据包括临床试验病历数据表头和源数据，所述原始数据中设置数据识别字段用于数据查重、数据拼接或数据扩容。

优选的，所述预处理包括数据清洗、数据向量化。

优选的，所述步骤S2中的自然语言处理模型的构建过程包括：

获取多条面向临床诊疗的多维临床试验的原始数据，并确定所述面向临床诊疗的多维临床试验的原始数据对应的结果数据集，

将所述面向临床诊疗的多维临床试验的原始数据作为训练样本，将对应的结果数据集作为输出标签，构建训练数据库；

基于所述训练数据库，采用深度学习算法进行模型训练，得到所述自然语言处理模型。

优选的，所述采用深度学习算法进行模型训练包括：

将所述一条原始数据进行实体识别并进行命名，结合语法进行分析、语义分析、标记和重组，重组后形成第一结果数据集。

优选的，所述步骤S3具体包括：根据所述结果数据集，并配合人工修正以后，得到结构化面向临床诊疗的定向需求数据。

一种面向临床诊疗数据整合的系统，包括：

获取模块，用于获取面向临床诊疗的原始数据并进行预处理；

处理模块，用于将所述原始数据输入预先训练好的自然语言处理模型中，得到结果数据集；

输出模块，用于根据所述结果数据集，得到定向需求数据。