[发明专利]病历处理方法、装置、存储介质与芯片

说明书

本公开涉及一种病历处理方法、装置、存储介质与芯片，涉及数据处理技术领域。该方法包括：确定电子病历对应的第一患者表示向量；以多个目标任务为学习目标，对该第一患者表示向量进行学习，得到该多个目标任务对应的损失函数值；根据该多个目标任务的损失函数值得到的联合损失函数值，对该第一患者表示向量进行更新，得到第二患者表示向量，第二患者表示向量用于对病历处理模型进行训练。使用本公开提出的病历处理方法，可以增强患者表示向量的语义表示，使用语义增强后的患者表示向量对病历处理模型进行训练后，可以提高病历处理模型的泛化能力。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种病历处理方法、装置、存储介质与芯片。

背景技术

临床辅助决策系统是利用人工智能技术为临床工作站提供智能辅助诊断、智能鉴别诊断、智能推荐治疗等功能，帮助医生提供更好的医疗服务，提升医疗质量和效率的业务应用。

相关技术中，是将患者表示学习作为一个单独的计算任务来进行实现，患者分布式表示学习是模型学习患者表示向量，来对单一固定场景下的任务进行预测，然而这种模型对其余场景下的任务预测的适应能力较弱，模型的泛化能力较弱。

发明内容

为克服相关技术中存在的问题，本公开提供一种病历处理方法、装置、存储介质与芯片。

根据本公开实施例的第一方面，提供一种病历处理方法，所述方法包括：

确定电子病历对应的第一患者表示向量；

以多个目标任务为学习目标，对所述第一患者表示向量进行学习，得到所述多个目标任务对应的损失函数值；

根据所述多个目标任务的损失函数值得到的联合损失函数值，对所述第一患者表示向量进行更新，得到第二患者表示向量，所述第二患者表示向量用于对病历处理模型进行训练。

可选地，所述根据多个目标任务的损失函数值得到的联合损失函数值，对所述第一患者表示向量进行更新，得到第二患者表示向量，包括：

根据所述多个目标任务的损失函数值以及所述多个目标任务的损失函数值对应的权重，得到所述联合损失函数值；

根据所述联合损失函数值，对所述第一患者表示向量进行更新，得到所述第二患者表示向量。

可选地，所述根据所述联合损失函数值，对所述第一患者表示向量进行更新，得到所述第二患者表示向量，包括：

将所述联合损失函数值作为所述多个目标任务的实际损失值；

根据所述实际损失值，调整病历处理模型；

通过调整后的所述病历处理模型，对所述第一患者表示向量进行更新，得到所述第二患者表示向量。

可选地，所述方法还包括：

以多个目标任务为学习目标，对所述第一患者表示向量进行学习，得到所述多个目标任务的中间特征向量；

对所述多个目标任务的中间特征向量进行拼接，得到拼接向量；

以所述拼接向量对所述第二患者表示向量进行更新，得到第三患者表示向量。

可选地，所述目标任务的损失函数值通过以下步骤确定：

对所述第一患者表示向量进行解码，得到所述电子病历中就诊记录对应的预测向量；

根据所述预测向量以及所述就诊记录对应的编码向量，得到所述目标任务的损失函数值。

可选地，所述确定电子病历对应的第一患者表示向量，包括：

确定所述电子病历中不同的就诊记录对应的编码向量；

将所述编码向量转换为低维稠密向量；