电子病历后台结构化平台介绍.

###### # #### ##### ###### 助力电子病历后结构化助手,能快速将各类临床医疗电子文书进行解析,提取文书中的关键数据。包含出院小结、病程录、检查报告、护理记录…… ,识别不同厂商、不同科室、表达方式各不相同的病历文本。

实例演示(来自系统截屏):

在系统界面汇总输入病历文档,点击提交按钮,得到以下解析结果:

**

为什么要使用我们的产品?**
1、实现医疗数据互联互通:基于电子病历的院内信息互联互通是电子病历应用水平评级的硬性要求,但实际上同一家医院内的不同系统之间的电子病历格式都可能不尽相同,而文档或段落粒度的病历数据可利用性差,不能完全满足互联互通的要求。借助于电子病历后结构化工具,将自然语言描述的电子病历转化成为结构化细粒度的数据,就可以实现院内医疗数据在字段级的互联互通。
2、评价电子病历的质量:由于“人可读、机不可读”的特点,评价自然语言描述的病历的质量,往往需要消耗大量的人力资源。通过运用电子病历后结构化工具,就可以分解出构成电子病历的各结构化信息要素,结合行业标准,也就可以自动评判医生是否全面、完整的描述了治疗过程各方面情况,从而实现了病历质量评价的目标。
3、支持科研数据分析:临床科研分析所需要的关键数据可能淹没在通过自然语言描述的非结构化病历中,导致统计数据不准确、也不完整。科研人员如需提取病历中的关键信息,就需要人工阅读病历文本并进行查找,不但效率低下,且容易导致遗漏。有了后结构化助手,就可以快速提取出关键信息,构建结构化的电子病历数据用于统计分析。
4、积累结构化病历模板:基于“前结构化的模板”的电子病历系统会影响医生的思路,主要是因为实际上临床上可能出现的情况千差万别,而这类病历给出的可选项既不够全面,也不够灵活。因此,只有通过“后结构化”分拆了各科室、各专业的大量电子病历后,才能充分积累临床上遇到的各种情况及其对应的术语。这样形成的模板才是研发“结构化电子病历”的基础,因此“后结构化”是积累结构化电子病历模板的必由之路。
5、更多的应用领域:电子病历后结构化也可以为构建更加精细更加全面的患者画像、医疗数据知识图谱等数据知识库做支持,还可为临床辅助决策、治疗方案推荐、患者预后评估等系统作为数据的基础。

我们的产品优势

理解人类的语言对于计算机而言是一项非常艰巨的任务,这也造成大量电子病历数据“人可读,机不可读”。而且各类医疗文本的内容各不相同,如:出院小结、病程录、护理记录等文书的关注点迥异,即便是同一病历文书,由各厂商的电子病历信息系统生成的差异也很大。这就造成了同一病历文书的跨系统互认都有困难,而跨病历文书之间的信息整合与校验则更是难以实现。
我们运用人工智能领域最新技术,对双向循环神经网络、条件随机场等算法进行了进一步改进, 创造性的实现了通过融合多个模型进行结构化拆分的方法。 我们还构建了大规模的医疗语料知识库,并聘请医疗专业团队进行语义标注。得益于多模型融合技术和大规模标注语料库,算法的准确程度和分拆的专业可信程度都得到了显著的提升, 这也使我们的后结构化产品能识别不同厂商、不同科室、表达方式各不相同的病历文本。

展开查看详情

1.电子病历后台结构化 平 台 介 绍 / A I 助 力 医 疗

2.电子病历后结构化,即电子病历数据建构工具,能快 速将各类临床医疗电子文书进行解析,提取文书中的 关键数据。包含出院小结、病程录、检查报告、护理 记录…… 满足专业人士对数据分析和研究的需求。

3.电子病历后台结构化处理的意义 无论是医疗科研,还是临床辅助决策,都需要利用海量的医疗数据,而电 子病历的结构化也是医疗信息化发展的一个重要环节,然而,将病历进行 结构化分析面临着两大技术难点:

4.难点一:电子病历的输入问题 • 电子病历是体现医生诊治思路的重要文书,每位医 生都有自己独特的病历书写习惯,如果采用固定的 模板选项,则会严重影响医生的思维,而非结构化 的自然语言描述又很难被计算机识别。如何能从“ 医生看懂”提升到“计算机能看懂”,还需要计算 机在浩如烟海的医疗知识中进行学习,才能全面、 准确的理解电子病历中描述的内容。

5.两种输入汉字方法的比较 急性阑尾炎的主诉为例 • 自由化输入(包括拷贝复制法输入): 右下腹持续性疼痛4小时 • 选择性录入: 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…”

6.结构化 • 选择性 电子病 输入 历 非结构 • 自由化 化电子 电子病历存储 输入 病历

7. 对自由化输入的电子 我们的后结 病历文档进行结构化 处理,自动的、智能 构化平台解 化的从电子病历中提 决的问题 取关键词,使之计算 机能识别理解的词汇

8.难点二:文档格式多样性问题 • 各厂商研制的病历文档的类别多种多样,格式迥异; 同时各类医疗文本格式也不尽相同,如病程录、治 疗过程、巡查记录、化验单、入院记录等信息。格 式不同,数据组合也会有很大的差别。如何能让计 算机根据病历内容来深度语义理解,来抽取出相应 的知识点,是计算机训练的重要课题。

9.通用的智能电子病历后结构化平台 我们的电子病历后结构化平台,以大量临床数据为基础,采用人工 智能技术,建立不同的电子病历结构化模型 多模型结合 人工智能技术应用 用大量语料对算法模型进行训练 后结构化算法模 大规模电子病历 专业化语料标注 型 数据集 医院临床病历数据库

10.我们电子病历后结构化平台优势 在过去几年里我们抽取了数以百万计的医疗文本,构建了自己的核心语料知 识库。采用人工智能技术,通过大量建立不同的电子病历结构化模型分别进 行拆分,并投入了大量人工来进行语料标注,通过多模型的结合,提升了计 算机识别的灵敏和精细程度,使我们的后结构化识别系统能识别不同厂商、 不同科室,书写与表达方式各不相同的各类医疗病历文本,并且能达到较高 的精细度。

11.平台展示: 计算机识别、理解、提取各类自由化输入的电子病历

12.

13.期待与您合作! 平 台 介 绍 / A I 助 力 医 疗