一种基于患者化验数据进行危急值判断和提取方法

技术领域

本发明涉及医疗技术领域，尤其涉及一种基于患者化验数据进行危急值判断和提取方法。

背景技术

危急值也被称为“Panic”。当这种试验结果出现时，说明患者可能正处于有生命危险的边缘状态，此时如能给予及时、有效的治疗，患者生命可以得到挽救；否则，也可能会出现不良后果，所以这是一个表示危及生命的试验结果，因此把这种试验数值称为危急值；国家卫计委三级医院评审细则中要求急诊报告时间精确到分，中国医师协会患者安全目标为强化临床危急值报告制度，国际医疗卫生机构认证联合委员会要求建立有效的危急值报告制度。医学影像中危急值有效发现和传递可以为医疗行为赢得宝贵时间，减少死亡率和致残率，目前，化验结果中危急值的结果依赖医生判断，而危急值的传递依靠人为电话和记录，在出化验结果与医生拿到化验结果之间，影响了患者宝贵的治疗时间；

公开号CN108492874A的中国发明专利公开了一种智能危急值诊疗系统，包括危急值筛查模块和危急值传递模块，其中：危急值筛查模块建立危急值数据库，并对所述危急值数据库进行训练和验证，得到危急值算法；危急值筛查模块将危急值数据库分为危急值阳性数据库和危急值阴性数据库，并按一定比例将危急值阳性数据库随机分为阳性训练库和阳性验证库，按一定比例将危急值阴性数据库随机分为阴性训练库和阴性验证库，利用阳性训练库和阴性训练库训练危急值算法，利用阳性验证库和阴性验证库验证危急值算法；通过所述危急值算法检查放射科图像和放射科报告的数据是否具有危急病症，若具有危急病症，则并在得到核实后启动报警装置，并通过所述危急值传递模块发送给临床医师；该专利虽然创建了筛查模块以及传递模块，但是其仅仅应用在肺动脉栓塞危急值、主动脉夹层危急值和气胸危急值上，同时仅仅只对一个值进行单一的判断，无法通过多个化验数据对病人病情的危急程度进行判断，为此，本申请提出一种基于患者化验数据进行危急值判断和提取方法。

发明内容

为了解决上述问题，本发明提出一种基于患者化验数据进行危急值判断和提取方法，以更加确切地解决上述所述的问题。

本发明通过以下技术方案实现的：

本发明提出一种基于患者化验数据进行危急值判断和提取方法，包括：

S1：采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告；

S2：根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值；

S3：在只有第一化验数据出现异常的情况下，根据预设的单体危急值阈值与所述第一化验数据对比，判断所述第一化验数据和第一单体危急值阈值的大小比，若大小比大于和/或小于第一单体危险值阈值，则判断所述第一化验数据为危急值，将所述化验报告实时传输至医护人员；

S4：在第一化验数据、第二化验数据、...、第n化验数据出现异常的情况下，根据第一化验数据与第一联合危险值阈值对比，判断所述第一化验数据和第一联合危急值阈值的大小比，若大小比大于和/或小于第一联合危险值阈值，则判断所述第一化验数据为危急值，将第一化验数据传输至医护人员，若第一化验数据不为危急值，则判断第二化验数据、...、第n化验数据，当在第一化验数据、第二化验数据、...、第n化验数据的任一化验数据为危急值时，将所述化验报告实时传输至医护人员。

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，在所述采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告步骤中包括：

对化验数据进行数据清洗和数据标准化，数据清洗的过程包括：去除异常值、空值、错误数据中的一种或多种；

数据标准化包括将所有数据转换为统一的格式。

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，在所述根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值步骤中包括：

S21：将医疗数据库中的诊断数据进行预处理，输出危急值处理的相关案例；

S22：构造训练数据，对相关案例中的化验数据进行配对，得到出现相同异常的化验数据配对组；

S23：构建训练模型，将化验数据配对组放入相关性模型中，计算化验数据之间的相关性；

S24：根据相关性计算出联合危急值阈值，并将联合危急值阈值返回训练模型中进行检测；

S25：若得出的化验数据不在化验数据配对组中，则计算得出的化验数据与在化验数据配对组中对应的化验数据之间的损失，并将损失上传至训练模型中，直至训练模型的准确度达标。

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，在所述构造训练数据，对相关案例中的化验数据进行配对，得到出现相同异常的化验数据配对组步骤中包括：

所述化验数据配对组中的的每一对数据代表相同的危急值情况。

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，在所述构建训练模型，将化验数据配对组放入相关性模型中，计算化验数据之间的相关性步骤中包括：

相关性模型包括：

化验数据一的集合为X＝{x

其中，r

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，所述根据相关性计算出联合危急值阈值步骤中包括：

设一患者的化验数据异常在化验数据一X和化验数据二Y上，且化验数据为x

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，在所述计算得出的化验数据与在化验数据配对组中对应的化验数据之间的损失步骤中包括：

其中J表示损失。

进一步的，所述的基于患者化验数据进行危急值判断和提取方法，所述基于患者化验数据进行危急值判断和提取方法应用在基于患者化验数据进行危急值判断和提取系统中，所述系统包括：

数据采集模块：采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告；

阈值建立模块：根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值；

分析模块：分析出存在若干个化验数据出现异常；

判断模块：在只有第一化验数据出现异常的情况下，根据预设的单体危急值阈值与所述第一化验数据对比，判断所述第一化验数据和第一单体危急值阈值的大小比，若大小比大于和/或小于第一单体危险值阈值，则判断所述第一化验数据为危急值，将所述化验报告实时传输至医护人员；在第一化验数据、第二化验数据、...、第n化验数据出现异常的情况下，根据第一化验数据与第一联合危险值阈值对比，判断所述第一化验数据和第一联合危急值阈值的大小比，若大小比大于和/或小于第一联合危险值阈值，则判断所述第一化验数据为危急值，将第一化验数据传输至医护人员，若第一化验数据不为危急值，则判断第二化验数据、...、第n化验数据，当在第一化验数据、第二化验数据、...、第n化验数据的任一化验数据为危急值时，将所述化验报告实时传输至医护人员；

传输模块：将所述化验报告实时传输至医护人员。

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的基于患者化验数据进行危急值判断和提取方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于患者化验数据进行危急值判断和提取方法的步骤。

本发明的有益效果：

本发明提出的基于患者化验数据进行危急值判断和提取方法通过建立不同的危急值确认模式，对单一化验数据进行危急值确认以及多化验数据进行危急值确认，保证了患者在不同情况下的危急值判断更加准确；

本发明提出的机器学习模型，通过学习历史医疗数据库中的诊断数据，综合得到历史多化验数据异常之间的相关性，同时通过损失函数弥补训练模型中的误差，使得输出的相关系数更加准确，有利于提高危急值判断的准确性和效率。

附图说明

图1为本发明的基于患者化验数据进行危急值判断和提取方法的流程示意图；

图2为本发明的基于患者化验数据进行危急值判断和提取方法中步骤S2的流程示意图；

图3为本发明的实现基于患者化验数据进行危急值判断和提取方法的计算机设备的结构示意图。

具体实施方式

为了更加清楚完整的说明本发明的技术方案，下面结合附图对本发明作进一步说明。

请参考图1-图3，本发明提出一种基于患者化验数据进行危急值判断和提取方法。

在本实施方式中本发明提出一种基于患者化验数据进行危急值判断和提取方法，包括：

S1：采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告；

S2：根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值；

S3：在只有第一化验数据出现异常的情况下，根据预设的单体危急值阈值与所述第一化验数据对比，判断所述第一化验数据和第一单体危急值阈值的大小比，若大小比大于和/或小于第一单体危险值阈值，则判断所述第一化验数据为危急值，将所述化验报告实时传输至医护人员；

S4：在第一化验数据、第二化验数据、...、第n化验数据出现异常的情况下，根据第一化验数据与第一联合危险值阈值对比，判断所述第一化验数据和第一联合危急值阈值的大小比，若大小比大于和/或小于第一联合危险值阈值，则判断所述第一化验数据为危急值，将第一化验数据传输至医护人员，若第一化验数据不为危急值，则判断第二化验数据、...、第n化验数据，当在第一化验数据、第二化验数据、...、第n化验数据的任一化验数据为危急值时，将所述化验报告实时传输至医护人员。

在本实施例中，使用符合标准的医疗检测设备对患者进行化验，其化验采用如血液、尿液、组织样本等能检测患者体内指标的体液；这些数据最后会被整理成一个化验报告，在正常的医疗步骤中，此报告由患者本人或陪同就医人员去领取并给主治医生作为病情判断的标准；基于现有的临床医学指标，为每一个独立的检测项目设定一个“危急值”的阈值，简单来说，就是确定哪些化验结果的数值是正常的，哪些数值超出正常范围并可能对患者构成风险，同时，也利用机器学习技术根据多个化验数据之间的关联性来建立一个模型，这个模型会设定一个“联合危急值阈值”，这意味着不仅仅是单一的化验结果超出阈值才会被标记为危急，若干个化验结果的联合状态也可能被认定为危急，在只有一个化验数据出现异常的情况下，若超过或低于之前在S2中设置的单体危急值阈值，这个化验结果就被判定为危急值，一旦确定为危急值，相关的化验报告会被实时传输给医疗人员，以便他们可以迅速对患者进行评估和干预；若两个或两个以上的化验数据出现异常的情况下，则判断各个化验数据是否超过或低于之前在S2中设置的联合危急值阈值，若化验结果就被判定为危急值，一旦确定为危急值，相关的化验报告会被实时传输给医疗人员。

进一步的，在所述采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告步骤中包括：

对化验数据进行数据清洗和数据标准化，数据清洗的过程包括：去除异常值、空值、错误数据中的一种或多种；

数据标准化包括将所有数据转换为统一的格式。

进一步的，在所述根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值步骤中包括：

S21：将医疗数据库中的诊断数据进行预处理，输出危急值处理的相关案例；

S22：构造训练数据，对相关案例中的化验数据进行配对，得到出现相同异常的化验数据配对组；

S23：构建训练模型，将化验数据配对组放入相关性模型中，计算化验数据之间的相关性；

S24：根据相关性计算出联合危急值阈值，并将联合危急值阈值返回训练模型中进行检测；

S25：若得出的化验数据不在化验数据配对组中，则计算得出的化验数据与在化验数据配对组中对应的化验数据之间的损失，并将损失上传至训练模型中，直至训练模型的准确度达标。

进一步的，在所述构造训练数据，对相关案例中的化验数据进行配对，得到出现相同异常的化验数据配对组步骤中包括：

所述化验数据配对组中的的每一对数据代表相同的危急值情况。

进一步的，在所述构建训练模型，将化验数据配对组放入相关性模型中，计算化验数据之间的相关性步骤中包括：

相关性模型包括：

化验数据一的集合为X＝{x

其中，r

进一步的，所述根据相关性计算出联合危急值阈值步骤中包括：

设一患者的化验数据异常在化验数据一X和化验数据二Y上，且化验数据为x

进一步的，在所述计算得出的化验数据与在化验数据配对组中对应的化验数据之间的损失步骤中包括：

其中J表示损失。

进一步的，所述基于患者化验数据进行危急值判断和提取方法应用在基于患者化验数据进行危急值判断和提取系统中，所述系统包括：

数据采集模块：采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告；

阈值建立模块：根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值；

分析模块：分析出存在若干个化验数据出现异常；

判断模块：在只有第一化验数据出现异常的情况下，根据预设的单体危急值阈值与所述第一化验数据对比，判断所述第一化验数据和第一单体危急值阈值的大小比，若大小比大于和/或小于第一单体危险值阈值，则判断所述第一化验数据为危急值，将所述化验报告实时传输至医护人员；在第一化验数据、第二化验数据、...、第n化验数据出现异常的情况下，根据第一化验数据与第一联合危险值阈值对比，判断所述第一化验数据和第一联合危急值阈值的大小比，若大小比大于和/或小于第一联合危险值阈值，则判断所述第一化验数据为危急值，将第一化验数据传输至医护人员，若第一化验数据不为危急值，则判断第二化验数据、...、第n化验数据，当在第一化验数据、第二化验数据、...、第n化验数据的任一化验数据为危急值时，将所述化验报告实时传输至医护人员；

传输模块：将所述化验报告实时传输至医护人员。

参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于化验数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于患者化验数据进行危急值判断和提取方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现基于患者化验数据进行危急值判断和提取方法的步骤，具体为：

S1：采用标准的医疗检测设备对患者进行化验，自动记录并保存所有化验数据，形成化验报告；

S2：根据临床医学指标建立单体危急值阈值，同时建立机器学习模型，根据化验数据的相关性，设定联合危急值阈值；

S3：在只有第一化验数据出现异常的情况下，根据预设的单体危急值阈值与所述第一化验数据对比，判断所述第一化验数据和第一单体危急值阈值的大小比，若大小比大于和/或小于第一单体危险值阈值，则判断所述第一化验数据为危急值，将所述化验报告实时传输至医护人员；

S4：在第一化验数据、第二化验数据、...、第n化验数据出现异常的情况下，根据第一化验数据与第一联合危险值阈值对比，判断所述第一化验数据和第一联合危急值阈值的大小比，若大小比大于和/或小于第一联合危险值阈值，则判断所述第一化验数据为危急值，将第一化验数据传输至医护人员，若第一化验数据不为危急值，则判断第二化验数据、...、第n化验数据，当在第一化验数据、第二化验数据、...、第n化验数据的任一化验数据为危急值时，将所述化验报告实时传输至医护人员。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本申请中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本申请的专利保护范围内。

尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。