一种基于大数据分析的神经介入手术风险评估系统

技术领域

本发明属于手术风险评估领域，涉及基于大数据分析的神经介入手术风险评估技术，具体是一种基于大数据分析的神经介入手术风险评估系统。

背景技术

神经介入手术是在数字减影血管造影系统的支持下，采用血管内导管操作技术，通过选择性造影、栓塞、扩张成形、机械清除、药物递送等具体方法，对累及人体神经血管系统的病变进行诊断和治疗。神经介入手术虽然属于微创手术，但由于其在血管内操作仍然具有很大风险。

目前在进行神经介入手术之前，医生需要安排一系列检查以判断患者病情，同时需要与患者沟通来了解患者的用药史和合并症来判断是否会增加神经介入手术的风险。现有技术中可能因为患者对既往病史的遗漏而导致神经介入手术风险的增加，而且一系列判断主要通过医生来进行主观判断，对医生能力要求极高，难以准确评估神经介入手术的风险；因此，亟须一种基于大数据分析的神经介入手术风险评估系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于大数据分析的神经介入手术风险评估系统，用于解决现有技术进行风险评估时，依赖患者对既往病史的描述以及医生的丰富经验，难以准确评估神经介入手术风险的技术问题。

为实现上述目的，本发明的第一方面提供了一种基于大数据分析的神经介入手术风险评估系统，包括中枢分析模块，以及与之相连接的数据采集模块和智能终端；所述数据采集模块经过授权后与若干医疗机构进行数据交互；

中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；以及控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；

中枢分析模块对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。

优选的，所述中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症，包括：

通过智能终端获取介入手术信息以及患者和医生的身份授权信息；其中，介入手术信息包括手术时间、手术部位或者手术类型，身份授权信息包括姓名、身份证号或者面部图像；

基于介入手术信息中的手术部位或者手术类型进行匹配，获取关联病症；其中，关联病症指会对介入手术产生影响的疾病。

优选的，所述控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息，包括：

基于医生或者患者的身份授权信息获取对应的身份授权标识；其中，身份授权标识通过哈希计算获取,具有唯一性；

验证医生的身份授权标识，验证通过之后基于患者的身份授权标识和关联病症在各医疗机构的数据库中匹配获取对应的医疗信息。

优选的，所述中枢分析模块对医疗信息进行分析，构建获取若干病程链，包括：

获取医疗信息；其中，医疗信息包括诊断时间、病症名称以及病症用药；

基于病症名称构建病程链，通过诊断时间和病症用药对构建的病程链进行填充，获取若干病程链；其中，病程链中至少包括患者的一次医疗信息。

优选的，所述结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列，包括：

根据介入手术信息中的手术时间从若干病程链中剔除无效信息，获取有效病症信息；其中，有效病症信息包括病症标签、时间差、药品标签以及药品剂量；

对有效病症信息进行拼接整合，获取风险评估序列。

优选的，所述对有效病症信息进行拼接整合，获取风险评估序列，包括：

构建病症-手术影响曲线；其中，病症-手术影响曲线用于描述关联病症对介入手术的影响；

结合病症-手术影响曲线和有效病症信息获取各关联病症对介入手术的影响因子；将影响因子整合成风险评估序列。

优选的，所述将风险评估序列输入至风险评估模型中获取风险评估结果，包括：

基于人工智能模型构建并训练获取风险评估模型；其中，人工智能模型包括BP神经网络模型或者RBF神经网络模型；

将风险评估序列输入至风险评估模型中，获取对应输出的风险评估分数；根据风险评估分数判断介入手术的风险大小。

优选的，所述中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；其中，智能终端用于医生或者患者与中枢分析模块进行数据交互；

所述数据采集模块与若干医疗机构的数据库通信和/或电气连接；其中，医疗机构对数据采集模块的授权建立在患者对医疗机构授权的基础上。

与现有技术相比，本发明的有益效果是：

1.本发明在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；对医疗信息进行分析，构建获取若干病程链；结合介入手术信息识别分析病程链生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果；本发明自动分析患者的既往病史，综合评估之后通过风险评估模型对神经介入手术进行评估，提高风险评估的准确性。

2.本发明结合介入手术信息从若干病程链提取有效病症信息，对有效病症信息进行拼接整合获取风险评估序列，或者根据各关联病症对介入手术的影响因子整合生成风险评估序列；本发明基于病程链进行特征提取，简化了风险评估序列，提高神经介入手术风险评估效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统原理示意图；

图2为本发明的方法步骤示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

神经介入手术在进行之前，医生需要全方位了解患者的既往病史，以及针对神经介入手术进行一系列的术前检查，甚至还需要对患者进行心理干预。一旦患者没有交待清楚既往病史，或者医生经验不够丰富造成误判，很容易增加神经介入手术的风险，本发明通过大数据技术来进行神经介入手术的风险评估。

请参阅图1-图2，本发明第一方面实施例提供了一种基于大数据分析的神经介入手术风险评估系统，包括中枢分析模块，以及与之相连接的数据采集模块和智能终端；数据采集模块经过授权后与若干医疗机构进行数据交互；中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；以及控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息；中枢分析模块对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。

本发明中中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；数据采集模块与若干医疗机构的数据库通信和/或电气连接。

中枢分析模块主要负责整个风险评估过程的数据处理，其数据源来源两个方面，一个是从其他医疗机构采集医疗信息的数据采集模块，另外一个是与医生或者患者关联的智能终端。智能终端用于医生或者患者与中枢分析模块进行数据交互，医生可通过智能终端输入即将进行的神经介入手术的信息，患者则通过智能终端进行数据权限的授权。数据采集模块主要与各医疗机构的数据库进行数据交互，医疗机构在将医疗信息上传至中枢分析模块之前，需要验证医生及其工作单位，还需要验证是否经过对应患者的授权，以保证患者医疗信息的安全性。

要想准确评估神经介入手术的风险，就需要知晓哪些因素会影响神经介入手术。根据手术经验可知，心肝肾功能、凝血功能等均会对神经介入手术产生影响，而如果在术前统一进行检查则会浪费时间，而且有些检查很可能在当天条件下无法完成；有些药物的服用也会影响神经介入手术，如阿司匹林一类抗血小板的药物，患者服用哪些药物很难检查出来，只能通过患者的过往就诊历史获取。

在一个优选的实施例中，中枢分析模块通过智能终端获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症，包括：通过智能终端获取介入手术信息以及患者和医生的身份授权信息；基于介入手术信息中的手术部位或者手术类型进行匹配，获取关联病症。

介入手术信息包括手术时间、手术部位或者手术类型，介入手术信息主要用来提取关联病症以及分析关联病症对神经介入手术的影响；身份授权信息包括姓名、身份证号或者面部图像，身份授权信息仅用于开通相关的数据交互权限。关联病症指会对介入手术产生影响的疾病，如血液、心脏等疾病。

提取介入手术信息中的手术类型以及手术部位，如针对某部位的血管进行神经介入手术；根据手术类型和手术部位匹配获取对应的关联病症，关联病症与手术类型和手术部位的关联关系根据历史经验设定，且不断更新存储。

根据介入手术信息匹配获取关联病症之后，需要判断患者是否存在关联病症。控制数据采集模块在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息，包括：基于医生或者患者的身份授权信息获取对应的身份授权标识；验证医生的身份授权标识，验证通过之后基于患者的身份授权标识和关联病症在各医疗机构的数据库中匹配获取对应的医疗信息。

身份授权标识通过哈希计算获取,具有唯一性，即通过哈希计算获取患者(医生)的身份授权标识之后删除身份授权信息，以免身份授权信息泄露。在采集医疗信息之前，通过中枢分析模块来验证医生的身份授权标识，若医生资质以及工作单位资质均符合要求则验证通过。之后建立数据采集模块与各医疗机构数据库的连接，基于患者的身份授权标识和关联病症进行双重匹配，获取需要的医疗信息，医疗信息在传输过程中进行加密，这些医疗信息中包含影响神经介入手术的各项因素。

在获取信息之后，需要对其提取和整理，以便能够通过风险评估模型进行识别分析。中枢分析模块对医疗信息进行分析，构建获取若干病程链，包括：获取医疗信息；基于病症名称构建病程链，通过诊断时间和病症用药对构建的病程链进行填充，获取若干病程链。

根据关联病症的病症名称构建对应的病程链，从医疗信息中提取对应病症名称的就诊记录，如诊断时间、诊断医师以及病症用药。在病程链中按照诊断时间依次对病症用药、诊断医师等进行排序即可获取完善的病程链。有多少关联病症则对应多少病程链，而且病程链中至少包括患者的一次医疗信息，即病程链中至少有一个就诊时间以及对应的病症用药。

病程链不仅梳理了患者经历过的治疗，而且能够为风险评估序列的生成提供极大便利。结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列，包括：根据介入手术信息中的手术时间从若干病程链中剔除无效信息，获取有效病症信息；对有效病症信息进行拼接整合，获取风险评估序列。

根据手术时间从若干病程链中剔除无效信息，由于之前对病程链进行了筛选整合，因此这里的无效信息主要是时间太久，对神经介入手术不会产生影响的就诊记录，如十年前患者进行的某关联病程治疗。剩下的均可作为有效病症信息，对有效病症信息进行整合即获取风险评估序列。

有效病症信息包括病症标签、时间差、药品标签以及药品剂量，这里的时间差是指就诊时间与手术时间之间的时间差，同一关联病症可能会有多次就诊记录，因此可能存在多个时间差。举例说明本实施例根据有效病症信息生成风险评估序列：假设有效病症信息中包括关联病症A，对应时间差为AS1、AS2(两次就诊记录)，药品标签为AY1、AY2，对应的药品剂量为AL1、AL2，则关联病症A对应的风险评估序列部分为[A，(AS1，AS2)，(AY1，AY2)，(AL1，AL2)]，若存在多个关联病症，拼接起来可获取完成的风险评估序列。

需要注意的是，可能存在某些关联病症连患者自己都没有察觉，所以没有对用的医疗信息。为了降低手术风险，应该结合根据手术信息匹配的关联病症进行必要的术前检查，并根据检查结果完善风险评估序列。

在另外一个可选的实施例中，对有效病症信息进行拼接整合，获取风险评估序列，包括：构建病症-手术影响曲线；结合病症-手术影响曲线和有效病症信息获取各关联病症对介入手术的影响因子；将影响因子整合成风险评估序列。

根据历史经验数据构建病症-手术影响曲线，病症-手术影响曲线用于描述关联病症对神经介入手术的影响。具体构建过程是单独将关联病症对应的时间差、药品剂量作为自变量，将对神经介入手术的影响数字化作为因变量建立病症-手术影响曲线，其表现形式可以为YY＝α×x+β×y，x表示时间差，y表示药品剂量，α、β为拟合得到的比例系数。当然，时间差和药品剂量可以有多个。

接下来，将风险评估序列输入至风险评估模型中获取风险评估结果，包括：基于人工智能模型构建并训练获取风险评估模型；将风险评估序列输入至风险评估模型中，获取对应输出的风险评估分数；根据风险评估分数判断介入手术的风险大小。

人工智能模型基于标准训练数据训练获取，标准训练数据包括模型输入数据和模型输出数据。模型输入数据与风险评估序列的内容属性一致，模型输出数据是通过专家打分方式获取的模型输入数据对神经介入手术影响分数。

上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。

本发明的工作原理：获取介入手术信息和身份授权信息，基于介入手术信息匹配获取关联病症；在身份授权信息的基础上基于关联病症从若干医疗机构采集患者的医疗信息。对医疗信息进行分析，构建获取若干病程链；结合介入手术信息从若干病程链提取有效病症信息，基于有效病症信息生成风险评估序列；将风险评估序列输入至风险评估模型中获取风险评估结果。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。