[发明专利]基于显式主题分配技术的医疗检查推荐系统及方法

说明书

本发明提供了一种基于显式主题分配技术的医疗检查推荐系统及方法，步骤S1：建立LLDA模型；步骤S2：利用历史病例及治疗方案对LLDA模型进行训练，得到训练后的LLDA模型；步骤S3：将患者当前已有信息输入训练后的LLDA模型，得到患者下一项应该做得医疗检查选项以及与患者当前状态最匹配的治疗方案。突破国内医院以往只能依靠专业医护人员的建议或者遵循统一化的检查流程的情况，将医疗数据驱动的方法运用到下一项医疗检查个性化推荐当中，作为医生决策的有效参考，能够合理缓解医疗检查资源紧张的问题。

技术领域

本发明涉及医疗智能决策和数据挖掘领域，具体地，涉及一种基于显式主题分配技术的医疗检查推荐方法及系统，更为具体地，涉及一种医疗检查推荐及治疗方案组合评估方法及系统。

背景技术

通常，医生在分析患者当前检查结果报告后，会根据他的领域知识和经验规则作出医疗诊断和建议。如果报告中给出的证据足够充分，这些建议一般会是具体的治疗方案；反之，医生会建议患者做进一步的补充检查。

至于哪项检查会成为下一项检查，在传统就医过程中完全依赖于医生的经验和偏好。有些医生(或者患者)甚至会要求将所有可能的检查都做一遍。从快速合理确定治疗方案的角度，这样做可能既没有必要，也大大浪费了宝贵的医疗资源，同时还让患者遭受了身体和经济等方面的压力。如果只用做一次或某几次特定检查就能确定病因和治疗方案，那么这些检查就属于检查路径当中的最优检查选项，应当尽可能被安排到早期的检查当中，避免过度医疗。

治疗方案和患者的各项身体指标有着紧密而复杂的关系。医疗检查作为一种获取身体指标的手段，辅助医生确定合理的治疗方案。通过对历史病例和诊断结果的学习，可以挖掘能够决定不同治疗方案的关键指标，即在该治疗方案下，高频出现的检查结果。关键指标的匹配，能够帮助病因和治疗方案的确认。因此，可以通过挖掘不同治疗方案下的关键指标，以及患者当前状态和关键指标的匹配程度，反过来推荐检查选项和最有可能的治疗方案。

然而，目前国内只能基于医生自己的判断或者根据统一化的检查流程对患者进行检查建议。缺乏病例数据驱动的、能为患者推荐下一项最优检查项目的解决方案。为此，本发明设计了基于治疗方案分配的下一项医疗检查推荐的方法。该方法在不依赖医生个人经验的前提下，自主学习历史病理数据，进而推荐最有可能帮助确认治疗方案的下一项最优检查项目。本发明在减少医疗检查次数、快速合理确认治疗方案、节约医疗成本方面，具有现实意义和良好应用前景。针对历史病例数据以及相对应的治疗方案，本发明利用显式主题分配技术，将不同的治疗方案分配到患者不同特征上，从而挖掘治疗方案与稀疏多样的患者特征之间的关系；以及确定不同治疗方案组合下包含了重要特征的基准集合，然后，根据目标患者当前的检查结果，计算其与基准集合的匹配度。再根据匹配度以及各缺失特征的重要程度，确定目标患者需要补充验证的特征，该特征所对应的检查即为该患者下一项需要进行的医疗检查。该项医疗检查相对于其他检查而言，在尽可能减少检查次数的情况下，帮助确认患者的治疗方案，从概率的角度，属于当前最优检查选择。

专利文献CN112397196A(申请号：CN201910760742.7)公开了一种生成影像检查推荐模型的方法和装置：该方法的一具体实施方式包括：获取目标患者信息样本集，其中，目标患者信息样本集中的目标患者信息样本包括目标患者的影像检查信息、基本体征信息、症状信息、体格检查信息和化验信息；从目标患者信息样本集中选取目标患者信息样本，执行以下训练步骤：将选取的目标患者信息样本的基本体征信息、症状信息、体格检查信息和化验信息输入初始模型，得到影像检查信息；将得到的影像检查信息和目标患者信息样本的影像检查信息进行对比；根据对比结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型确定为影像检查推荐模型。该方法只针对影像检查进行推荐，推荐过程中只考虑了患者病例信息，而没有考虑之后可能的治疗方案信息；除了可以给出检查推荐外，不能给出治疗方案的推荐，也不能给出推荐该检查的理由；不能分析检查项目和治疗方案之间的关系。