一种基于AI模型的医疗行为合规审核监督方法及系统与流程

本发明涉及医疗行为审核，具体涉及一种基于ai模型的医疗行为合规审核监督方法及系统。

背景技术：

1、医疗行为合规审核是保障医疗质量安全的重要监管环节，各级卫生健康行政部门和医疗机构内部质量管理部门需定期对临床诊疗过程中的各类医疗事件进行监督核查，以确认诊疗行为符合临床路径管理要求和医疗质量安全核心制度规范。随着医疗服务量的持续增长，传统的基于人工抽查的合规审核方式已难以满足全面监管的需求，审核人员需翻阅大量电子病历、医嘱记录和检查报告，将实际发生的诊疗事件与临床规范进行逐一比对，以判断各项诊疗措施是否按照规定的时序和流程执行。近年来，部分医疗机构开始采用信息化手段辅助合规审核，通过将电子病历数据导入数据库后编写结构化查询语句，筛选出满足特定时间条件的异常记录，或利用流程挖掘领域的序列比对算法将医疗事件日志与标准流程模型进行比对，识别实际执行流程与标准流程之间的偏差。

2、然而，上述现有技术仍存在以下不足。第一，现有方法中用于判断诊疗行为是否合规的标准流程通常是预先设定的固定模板，在实际应用中，不同患者的诊断类型、病情严重程度和个体差异会导致临床路径存在显著不同，固定模板无法根据患者的具体诊断编码从临床路径知识库中动态适配相应的标准事件序列模板，导致审核结果中出现大量临床意义上不成立的违规报警，降低了审核精度。第二，现有方法在进行流程比对时，仅能处理已发生的医疗事件之间的时序关系，对于标准流程中要求发生但在实际医疗事件日志中未记录的事件，即本应发生而缺失的事件，现有方法缺乏相应的识别机制，无法推断该事件是被省略执行还是因诊疗过程中的合理原因被跳过，导致对诊疗行为完整性的合规判断存在盲区。现有方法将已匹配事件和未匹配事件割裂处理，未建立两者之间的关联分析机制，难以区分真正的不合规行为和临床实践中的合理变异，影响了审核结果在医疗质量监管中的实际应用价值。

技术实现思路

1、本发明的目的在于提供一种基于ai模型的医疗行为合规审核监督方法及系统，解决以下技术问题：

2、现有审核方法采用固定模板无法根据患者诊断动态适配标准事件序列，导致大量临床意义上不成立的违规报警；同时缺乏对医疗事件日志中未记录节点的识别机制，无法判断事件缺失是否构成合规偏离，影响了审核结果的临床可用性和监管价值。

3、本发明的目的可以通过以下技术方案实现：

4、一种基于ai模型的医疗行为合规审核监督方法，包括以下步骤：

5、s1、获取待审核医疗行为对应的医疗事件日志和患者诊断编码，所述医疗事件日志包含各医疗事件记录的事件类型编码和事件发生时间戳；

6、s2、根据患者诊断编码，从临床路径知识库提取匹配的标准事件序列模板，所述模板包含按序排列的标准事件节点，各节点包含标准事件类型编码和时间窗范围；

7、s3、将同患者的医疗事件记录按时间戳排列为实际事件序列，将类型编码一致的记录匹配至模板对应节点，记录该节点的实际发生时间；

8、s4、将已匹配节点按模板顺序排列，根据相邻节点时间差与前一节点时间窗的比较结果，将超时间窗节点的对应记录标记为时序违规事件记录；

9、s5、对于未匹配节点，以前后已匹配节点为边界确定搜索区间，在事件序列中搜索该区间内记录，根据搜索结果将节点标记为隐式事件节点；

10、s6、汇总时序违规事件记录与隐式事件节点，按患者分组写入报告，写入诊断编码和时序违规事件记录总数，输出报告文档。

11、作为本发明进一步的方案：所述s1的具体过程为：

12、从医院信息系统的医嘱执行记录表和检查检验结果回报表中提取患者唯一标识相同的原始记录，将提取到的各原始记录中的操作名称与预设的标准化事件类型映射词典进行匹配，将匹配获得的标准化事件类型编码写入所述原始记录的事件类型编码字段；从患者电子病历首页的入院诊断字段和出院诊断字段分别提取诊断编码，当入院诊断字段与出院诊断字段中的诊断编码不一致时，将入院诊断字段与出院诊断字段的并集作为患者诊断编码集合。

13、作为本发明进一步的方案：所述s2的具体过程为：

14、将患者诊断编码集合中的每一个诊断编码作为查询键值在临床路径知识库中执行独立查找，获取各诊断编码对应的候选模板集合，当候选模板集合中包含多个模板时，选取标准事件节点总数量最多的候选模板作为主模板，当多个候选模板的标准事件节点总数量相同时，以各候选模板中强制执行标志位为强制状态的标准事件节点数量作为比较指标，选取所述数量最多的候选模板作为主模板；当通过比较无法选定唯一模板时，从临床路径知识库的模板冲突解决区段读取与当前医疗机构等级对应的预配置模板选择策略，按照所述预配置模板选择策略选定唯一的主模板作为最终使用的标准事件序列模板。

15、作为本发明进一步的方案：所述s3的具体过程为：

16、将实际事件序列中的各医疗事件记录按照事件发生时间戳的升序排列为待匹配序列，将标准事件序列模板中的各标准事件节点按照模板排列顺序标记为待匹配节点序列；从待匹配序列中依次取出每一医疗事件记录作为当前记录，将当前记录的事件类型编码与待匹配节点序列中各标准事件节点的标准事件类型编码按序进行逐一比对，当比对到编码相同的标准事件节点时，将所述当前记录匹配至所述标准事件节点，将所述当前记录的事件发生时间戳写入所述标准事件节点的实际发生时间字段；当待匹配序列中全部医疗事件记录均处理完毕后，将待匹配节点序列中仍未被匹配的标准事件节点标记为未匹配节点。

17、作为本发明进一步的方案：所述s4的具体过程为：

18、将全部已匹配节点按照其在标准事件序列模板中的排列次序排列为已匹配节点序列，依次提取所述序列中相邻的两个已匹配节点，提取前一个已匹配节点的实际发生时间作为前序时间，提取后一个已匹配节点的实际发生时间作为后序时间，计算后序时间与前序时间之差作为实际时间间隔；读取前一个已匹配节点对应的时间窗下限值和上限值，当实际时间间隔小于所述下限值时将后一个已匹配节点对应的医疗事件记录标记为提前型时序违规事件记录，当实际时间间隔大于所述上限值时将后一个已匹配节点对应的医疗事件记录标记为延迟型时序违规事件记录。

19、作为本发明进一步的方案：所述s5中，以前后已匹配节点为边界确定搜索区间的具体过程为：

20、对于标准事件序列模板中被标记为未匹配节点的目标节点，在已匹配节点序列中查找模板位置排在所述目标节点之前且距离最近的前向已匹配节点，提取所述前向已匹配节点的实际发生时间作为搜索起始边界，在已匹配节点序列中查找模板位置排在所述目标节点之后且距离最近的后向已匹配节点，提取所述后向已匹配节点的实际发生时间作为搜索终止边界；以搜索起始边界和搜索终止边界为左右端点确定所述目标节点的搜索区间。

21、作为本发明进一步的方案：所述s5中，在事件序列中搜索该区间内记录并根据搜索结果将节点标记为隐式事件节点的具体过程为：

22、在实际事件序列中查找事件发生时间戳落入搜索区间内的全部医疗事件记录，将目标节点的标准事件类型编码与区间内各医疗事件记录的事件类型编码逐一比对，当存在事件类型编码完全匹配的医疗事件记录时，从所述完全匹配的医疗事件记录中选取事件发生时间戳与搜索起始边界距离最近的医疗事件记录，将所述目标节点标记为隐式匹配事件节点并将所述医疗事件记录的事件发生时间戳写入所述目标节点的推测发生时间字段；当不存在事件类型编码完全匹配的医疗事件记录时，将所述目标节点标记为完全缺失事件节点。

23、作为本发明进一步的方案：所述s6的具体过程为：

24、提取各时序违规事件记录对应的患者唯一标识，将具有相同患者唯一标识的时序违规事件记录归入同一患者分组，将各患者分组内的时序违规事件记录按照事件发生时间戳的升序排列后写入所述报告文档的对应区段；在所述报告文档中写入各患者分组对应的时序违规事件记录总数量和全部时序违规事件记录的总数量。

25、本发明还包括一种基于ai模型的医疗行为合规审核监督系统，用于实施上述的一种基于ai模型的医疗行为合规审核监督方法，包括：

26、数据获取模块，用于获取待审核医疗行为对应的医疗事件日志和患者诊断编码，所述医疗事件日志包含各医疗事件记录的事件类型编码和事件发生时间戳；

27、模板匹配模块，用于根据患者诊断编码，从临床路径知识库提取匹配的标准事件序列模板，所述模板包含按序排列的标准事件节点，各节点包含标准事件类型编码和时间窗范围；

28、事件对齐模块，用于将同患者的医疗事件记录按时间戳排列为实际事件序列，将类型编码一致的记录匹配至模板对应节点，记录该节点的实际发生时间；

29、违规检测模块，用于将已匹配节点按模板顺序排列，根据相邻节点时间差与前一节点时间窗的比较结果，将超时间窗节点的对应记录标记为时序违规事件记录；

30、隐式识别模块，用于对于未匹配节点，以前后已匹配节点为边界确定搜索区间，在事件序列中搜索该区间内记录，根据搜索结果将节点标记为隐式事件节点；

31、报告生成模块，用于汇总时序违规事件记录与隐式事件节点，按患者分组写入报告，写入诊断编码和时序违规事件记录总数，输出报告文档。

32、本发明的有益效果：

33、本发明针对现有医疗合规审核中固定模板无法适配个体诊断差异以及缺失事件无法识别的技术缺陷，通过获取患者诊断编码并从临床路径知识库中提取匹配的标准事件序列模板，使审核基准能够随患者具体诊断动态变化。在此基础上，本发明将实际医疗事件序列与模板节点进行匹配后，对已匹配节点计算相邻节点时间差并与时间窗范围比较，将超出范围的节点标记为时序违规事件记录；对于模板中未被匹配的节点，以其前后已匹配节点为边界划定搜索区间，在实际事件序列中查找该区间内的事件记录并根据查找结果将节点标记为隐式事件节点，由此建立了已发生事件时序合规性与未发生事件状态识别相融合的双轨判定机制，解决了现有方法割裂处理已匹配与未匹配事件导致无法区分真正不合规行为与临床合理变异的技术难题，为医疗质量安全监管提供了完整的合规偏离证据链。