我们是专注于电子病历后结构化研究的人工智能研发团队,微信wxid123765fg
评级对电子病历的智能化要求越来越高,提升电子病历智能化层级,使之成为临床决策支持工具,是医院临床信息化发展的重要方向,那么电子病历后结构化对临床辅助决策有什么帮助呢?
电子病历的数据包含了临床决策所需的大量有用信息,然而长期以来病历数据只是简单储存和粗略搜索,并不能形成知识库对病历进行智能分析。其根本原因是自然语言描绘的病历文字较多,计算机不能理解。以急性阑尾炎的主诉为例:
自然语言描述(包括拷贝复制法输入):右下腹持续性疼痛4小时
结构化输入:
选择疼痛部位“右下腹、右上腹、脐下…”;
选择疼性质“持续性、转移性、…”;
选择疼痛种类“疼痛、刺痛、剧痛…”;
选择疼痛时间“1、2、3、4….”
选择时间单位“年、月、日、小时…
计算机能理解的语言只能是一个指标(key)对应一个指标值(value)。只有转化为计算机可读的语言才能对数据统计分析,形成知识库,为临床决策和医学科研提供依据。
而我们的后结构化系统能解决的问题就是,通过后台对自由输入或半结构化的病历文书进行关键词界定,对医疗术语的语义进行解析最终将自然语言描述的电子病历文本通过NLP技术转化为机器可读、可处理的结构化数据,自动映射临床医学术语标准,辅助、支持医务人员进行更高效、更准确地临床决策。