异构医疗大数据版本冲突检测与字段级自适应修复方法、系统、电子设备、存储介质与流程

本技术属于医疗数据处理的，具体涉及一种异构医疗大数据版本冲突检测与字段级自适应修复方法、系统、电子设备、存储介质。

背景技术：

1、临床专病库大数据是支撑医学科研与临床决策的核心数据基础设施，通常汇聚来自his（医院信息系统）、emr（电子病历系统）、lis（检验信息系统）、pacs（影像归档系统）、药事管理系统等多个异构医疗信息系统的医疗数据信息。这些异构的医疗信息系统在建设时间、供应商选型和版本迭代节奏上相互独立，导致同一类甚至同一个医疗概念在不同系统、不同历史时期使用了不同版本的编码标准，在临床专病库同一字段中形成多版本编码并存的状态。以疾病诊断编码为例，icd-9、icd-10标准版、icd-10国家临床版1.0、icd-10国家临床版2.0在国内各级医院中并行使用，同一疾病“2型糖尿病”在上述四个版本中分别对应编码410.00、e11、e11.900、e11.902，四个编码字面值完全不同但指向相同临床概念。手术操作编码方面，北京版、上海版与国家临床版icd-9-cm-3并行存在；检验项目编码方面，loinc国际版、卫健委检验项目代码标准与院内自定义编码三套体系混用。医院多院区合并建库时，这种情况更加突出。

2、在现有技术中，针对上述问题的主流技术方案主要有三类。

3、第一类是人工配置版本映射规则表方案，由数据管理员人工梳理各系统编码版本，编写版本间映射规则表，在数据入库时按规则表执行版本统一转换。该方案存在三项缺陷：其一，人工梳理成本高且易遗漏，面对医院合并时数十个系统、上百个编码字段的场景，人工梳理周期长达数月；其二，映射规则表为静态配置，无法适应编码标准的持续迭代，每次标准版本升级均需重新梳理；其三，人工配置缺乏质量校验机制，映射错误难以发现。

4、第二类是基于编码字面值精确匹配的版本识别方案，通过将编码与已知版本编码字典进行精确匹配来识别版本。该方案存在两项缺陷：其一，仅能识别字典中已收录的编码，对字典未收录的自定义编码、历史遗留编码无法识别；其二，不同版本间存在编码字面值相同但语义不同的情况（如部分icd-9与icd-10编码字面值重叠），精确匹配会产生版本误判。

5、第三类是整行数据统一修复方案，在检测到版本冲突后对整条患者记录执行统一版本转换。该方案存在两项缺陷：其一，整行重处理可能引入非编码字段的误修改风险，破坏原始数据的完整性；其二，缺乏字段级版本快照记录，无法支持修复前后差异对比、一键回滚及科研数据可信度定量评估，不满足医疗数据监管合规要求。

6、此外，现有技术中的方案在冲突检测粒度上普遍采用字段级二元判断（即只看存在冲突与否），无法量化冲突严重程度，导致修复优先级排序缺乏依据；在歧义映射处理上普遍采用人工逐条审核方式，效率低下且一致性差；在修复操作可追溯能力上存在缺失，对修复操作无版本快照记录，无法支持修复前后差异对比、一键回滚及科研数据可信度定量评估，不满足医疗数据监管合规要求。

技术实现思路

1、为解决上述的一个或多个问题，本技术的第一方面提供一种异构医疗大数据版本冲突检测与字段级自适应修复方法，第二方面提供一种异构医疗大数据版本冲突检测与字段级自适应修复系统，第三方面提供一种电子设备，第四方面提供一种存储介质，用于。

2、本技术的技术方案内容如下。

3、第一方面的，一种异构医疗大数据版本冲突检测与字段级自适应修复方法，包括：

4、获取临床专病库中目标字段的编码集合并做预处理，然后从编码集合中提取多维统计特征向量，将多维统计特征向量与预存的版本指纹参考库进行相似度匹配，得到版本识别结果及识别置信度；

5、当识别置信度低于预设置信度阈值时，将目标字段标记为版本不确定状态后推送人工确认；当识别置信度不低于预设置信度阈值时，对编码集合中的每个编码按所属版本归类，确定相应的并存版本数及版本分布向量；当并存版本数只有一个时，定义冲突强度指数为零，当并存版本数大于一个时，基于版本分布向量的归一化信息熵计算冲突强度指数；

6、根据冲突强度指数与预设的两个触发阈值对存在冲突的编码执行分级消歧，分级消歧对应至少包括常规监控、自动修复、强制人工复核三个级别；对触发自动修复的编码查询其映射关系表、判断映射类型；若映射关系表中有映射记录，则将判断为一对一映射类型的编码设定为可直接替换，将判断为一对多歧义映射类型的编码，提取同一患者记录的多维度临床上下文特征，将多维度临床上下文特征与相应的多歧义编码对应的临床特征画像进行加权相似度计算得到的匹配得分，根据匹配得分确定可用于替换的多歧义编码；若映射关系表中无映射记录则进入强制人工复核；

7、对目标字段中存在冲突的编码，根据所确定的可用于替换的编码，执行字段级定向替换并生成字段级版本快照记录；字段级定向替换仅对存在冲突的编码所在字段执行替换操作；

8、对每条版本快照记录计算哈希值并构建字段级哈希链，然后将哈希链的初始版本快照相应的哈希值写入哈希链中根节点的审计日志。

9、作为第一方面的一种实施方式，多维统计特征向量包括编码长度分布向量、首字符类型分布向量、小数点占比、纯数字占比、首字符频率分布向量中的一种或多种；

10、相似度匹配通过余弦相似度计算取最高相似度值对应的版本为版本识别结果；

11、设定最高相似度值为识别置信度。

12、作为第一方面的一种实施方式，当冲突强度指数低于两个触发阈值中的第一触发阈值时，只进行常规监控；

13、当冲突强度指数处于两个触发阈值之间时，进行自动修复；

14、当冲突强度指数不低于两个触发阈值中的第二触发阈值时，进行强制人工复核并同步生成修复建议。

15、作为第一方面的一种实施方式，多维度临床上下文特征包括就诊前预设时间窗口内的异常检验指标集合、就诊前预设时间窗口内的用药记录集合、同期其他诊断编码集合、就诊前预设时间窗口内的手术操作编码集合中的一种或多种；

16、加权相似度计算采用广义加权jaccard相似度的方式，对不同维度的jaccard相似度按其权重向量加权求和得到匹配得分。

17、作为第一方面的一种实施方式，版本快照记录包括快照标识、记录标识、字段名、版本序号、操作前字段值、操作后字段值、源版本标识、目标版本标识、创建时间戳、操作事件类型、修复依据、冲突强度指数值、操作主体标识、前序哈希值中的一种或多种字段；

18、操作事件类型包括初始入库事件、自动修复事件、辅助确认修复事件、人工审核修复事件、回滚操作事件中的一种或多种。

19、作为第一方面的一种实施方式，哈希值的计算方式为：

20、对版本快照记录中核心字段的拼接字符串计算sha-256哈希值；

21、核心字段包括快照标识、记录标识、字段名、版本序号、操作前字段值、操作后字段值、源版本标识、目标版本标识、创建时间戳、操作事件类型、操作主体标识、前序哈希值中的一种或多种；

22、初始的版本快照记录的sha-256哈希值中的前序哈希值设为预设初始值，当前的版本快照记录的sha-256哈希值作为下一条版本快照记录的sha-256哈希值的前序哈希值以形成哈希链。

23、作为第一方面的一种实施方式，还包括对哈希链进行完整性校验；

24、完整性校验包括第一层根节点比对、第二层逐级链式校验；

25、第一层根节点比对为：将根节点的审计日志中存储的根节点哈希值，与对应字段初始的版本快照记录的当前哈希值进行比对；

26、第二层逐级链式校验为：按版本序号顺序逐级校验每条版本快照记录的前序哈希值是否等于前一条版本快照记录的当前哈希值。

27、第二方面的，一种异构医疗大数据版本冲突检测与字段级自适应修复系统，包括：

28、版本指纹计算模块，用于获取临床专病库中目标字段的编码集合并做预处理，然后从编码集合中提取多维统计特征向量，将多维统计特征向量与预存的版本指纹参考库进行相似度匹配，得到版本识别结果及识别置信度；

29、冲突计算模块，用于当识别置信度低于预设置信度阈值时，将目标字段标记为版本不确定状态后推送人工确认；当识别置信度不低于预设置信度阈值时，对编码集合中的每个编码按所属版本归类，确定相应的并存版本数及版本分布向量；当并存版本数只有一个时，定义冲突强度指数为零，当并存版本数大于一个时，基于版本分布向量的归一化信息熵计算冲突强度指数；

30、歧义消解模块，用于根据冲突强度指数与预设的两个触发阈值对存在冲突的编码执行分级消歧，分级消歧对应至少包括常规监控、自动修复、强制人工复核三个级别；对触发自动修复的编码查询其映射关系表、判断映射类型；若映射关系表中有映射记录，则将判断为一对一映射类型的编码设定为可直接替换，将判断为一对多歧义映射类型的编码，提取同一患者记录的多维度临床上下文特征，将多维度临床上下文特征与相应的多歧义编码对应的临床特征画像进行加权相似度计算得到的匹配得分，根据匹配得分确定可用于替换的多歧义编码；若映射关系表中无映射记录则进入强制人工复核；

31、修复执行模块，用于对目标字段中存在冲突的编码，根据所确定的可用于替换的编码，执行字段级定向替换并生成字段级版本快照记录；字段级定向替换仅对存在冲突的编码所在字段执行替换操作；

32、存证溯源模块，用于对每条版本快照记录计算哈希值并构建字段级哈希链，然后将哈希链的初始版本快照相应的哈希值写入哈希链中根节点的审计日志。

33、第三方面的，一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面的异构医疗大数据版本冲突检测与字段级自适应修复方法。

34、第四方面的，一种存储介质，为计算机可读存储介质，存储有计算机指令，计算机指令用于使计算机实现第一方面的异构医疗大数据版本冲突检测与字段级自适应修复方法。

35、本技术相比现有技术，其有益效果在于：

36、消除人工配置依赖，适应编码标准的持续迭代；实现对冲突的量化计算与修复优先级排序；利用临床上下文精准消解一对多歧义映射；实现字段级的最小粒度修复，规避非编码字段误修改风险；使用了防篡改哈希链存证与可信度量化评估方式实现数据安全。