一种基于NLP技术检测病程中未记录植入物的方法和系统与流程

本发明涉及医疗数据处理，具体涉及基于一种基于nlp技术检测病程中未记录植入物的方法和系统。

背景技术：

1、目前，检查病程中是否有未记录的植入物主要是通过人工来进行核对，由于医嘱和病程记录数量大、内容多，导致医生在核对过程中存在工作量大，核对不准确的问题，影响医院的工作效率。

2、根据病案管理质量控制指标(2021年版)诊疗行为记录符合率：植入物相关记录符合率。植入物相关记录符合率＝植入物相关记录符合的住院患者病历数/同期使用植入物的住院患者病历总数×100％，而植入物相关记录符合率又是一家医院诊疗技术水平的重要质量控制指标。

3、因此，如何发明一种自动检测的方法，能够更准确，更高效检测出病程中是否有未记录的植入物，减少医生的工作量，提高医院的诊疗质量和效率，成为亟需解决的问题。

技术实现思路

1、为此，本发明提供一种基于nlp技术检测病程中未记录植入物的方法及系统，能够自动的在植入物名称、时间、数量上通过nlp技术对抽取有效的医嘱和病程记录进行对比，并得出每个病程是否缺失植入物记录的判断结果。从而减少医生的工作量，提高医院的诊疗质量和效率。

2、为了实现上述目的，本发明提供如下技术方案：一种基于nlp技术检测病程中未记录植入物的方法，包括：

3、对接医院数据系统，确定需要从所述医院数据系统中抽取的文书内容；

4、通过nlp文本匹配算法从所述文书内容中抽取医嘱，并通过匹配关键词的方式对抽取的医嘱进行筛查匹配，获取医嘱中的植入物医嘱信息；

5、通过nlp文本匹配算法从所述文书内容中抽取病程，并通过匹配关键词的方式对抽取的病程进行筛查匹配，获取与所述植入物医嘱信息相对应的植入物病程；

6、通过nlp文本匹配算法将所述植入物医嘱信息与所述植入物病程进行对比，若所述植入物医嘱信息与所述植入物病程一致，则判定所述植入物病程中不存在未记录的植入物信息；若所述植入物医嘱信息与所述植入物病程不一致，则判定所述植入物病程中存在未记录的植入物信息。

7、作为一种基于nlp技术检测病程中未记录植入物的方法优选方案，从所述医院数据系统中抽取的文书内容包括：临时医嘱、首次病程记录、日常病程记录、上级查房记录、疑难病例讨论记录、交接班记录、转科记录、阶段小结、抢救记录、术后首次病程记录、多学科综合诊疗记录。

8、作为一种基于nlp技术检测病程中未记录植入物的方法优选方案，所述文书内容中的对象配置有编码信息，根据所述文书内容中的对象和所述文书内容中的对象对应的编码信息生成文书对象表。

9、作为一种基于nlp技术检测病程中未记录植入物的方法优选方案，通过python函数提取程序从医嘱中提取出植入物的名称、数量和执行时间；所述python函数提取程序中执行：

10、匹配包含异质性医嘱信息的实体；

11、使用正则表达式提取植入物和数量信息。

12、作为一种基于nlp技术检测病程中未记录植入物的方法优选方案，通过python函数判断程序将所述植入物医嘱信息与所述植入物病程信息进行对比，判断病程记录中植入物的时间、植物名称和数量跟所述植入物医嘱信息是否一致；所述python函数判断程序中执行：

13、匹配包含植入物信息的实体；

14、使用正则表达式提取植入物和数量信息；

15、使用正则表达式提取时间信息；

16、检查病程记录时间是否在医嘱执行时间之后或当日；

17、判断病程记录中是否包含植入物记录。

18、本发明还提供一种基于nlp技术检测病程中未记录植入物的系统，基于以上一种基于nlp技术检测病程中未记录植入物的方法，包括：

19、文书数据提取模块，用于对接医院数据系统，确定需要从所述医院数据系统中抽取的文书内容；

20、植入物医嘱信息提取模块，用于通过nlp文本匹配算法从所述文书内容中抽取医嘱，并通过匹配关键词的方式对抽取的医嘱进行筛查匹配，获取医嘱中的植入物医嘱信息；

21、植入物病程提取模块，用于通过nlp文本匹配算法从所述文书内容中抽取病程，并通过匹配关键词的方式对抽取的病程进行筛查匹配，获取与所述植入物医嘱信息相对应的植入物病程；

22、植入物信息对比判断模块，用于通过nlp文本匹配算法将所述植入物医嘱信息与所述植入物病程进行对比，若所述植入物医嘱信息与所述植入物病程一致，则判定所述植入物病程中不存在未记录的植入物信息；若所述植入物医嘱信息与所述植入物病程不一致，则判定所述植入物病程中存在未记录的植入物信息。

23、作为一种基于nlp技术检测病程中未记录植入物的系统优选方案，所述文书数据提取模块中，从所述医院数据系统中抽取的文书内容包括：临时医嘱、首次病程记录、日常病程记录、上级查房记录、疑难病例讨论记录、交接班记录、转科记录、阶段小结、抢救记录、术后首次病程记录、多学科综合诊疗记录。

24、作为一种基于nlp技术检测病程中未记录植入物的系统优选方案，所述文书数据提取模块中，所述文书内容中的对象配置有编码信息，根据所述文书内容中的对象和所述文书内容中的对象对应的编码信息生成文书对象表。

25、作为一种基于nlp技术检测病程中未记录植入物的系统优选方案，所述植入物医嘱信息提取模块中，通过python函数提取程序从医嘱中提取出植入物的名称、数量和执行时间；所述python函数提取程序中执行：

26、匹配包含异质性医嘱信息的实体；

27、使用正则表达式提取植入物和数量信息。

28、作为一种基于nlp技术检测病程中未记录植入物的系统优选方案，所述植入物信息对比判断模块中，通过python函数判断程序将所述植入物医嘱信息与所述植入物病程信息进行对比，判断病程记录中植入物的时间、植物名称和数量跟所述植入物医嘱信息是否一致；所述python函数判断程序中执行：

29、匹配包含植入物信息的实体；

30、使用正则表达式提取植入物和数量信息；

31、使用正则表达式提取时间信息；

32、检查病程记录时间是否在医嘱执行时间之后或当日；

33、判断病程记录中是否包含植入物记录。

34、本发明具有如下优点：通过对接医院数据系统，确定需要从所述医院数据系统中抽取的文书内容；通过nlp文本匹配算法从所述文书内容中抽取医嘱，并通过匹配关键词的方式对抽取的医嘱进行筛查匹配，获取医嘱中的植入物医嘱信息；通过nlp文本匹配算法从所述文书内容中抽取病程，并通过匹配关键词的方式对抽取的病程进行筛查匹配，获取与所述植入物医嘱信息相对应的植入物病程；通过nlp文本匹配算法将所述植入物医嘱信息与所述植入物病程进行对比，若所述植入物医嘱信息与所述植入物病程一致，则判定所述植入物病程中不存在未记录的植入物信息；若所述植入物医嘱信息与所述植入物病程不一致，则判定所述植入物病程中存在未记录的植入物信息。本发明能够自动的在植入物名称、时间、数量上通过nlp技术对抽取有效的医嘱和病程记录进行对比，并得出每个病程是否缺失植入物记录的判断结果。从而减少医生的工作量，提高医院的诊疗质量和效率。