一种基于CTCAE分级驱动的多路径因果关联仲裁方法
本发明涉及医疗信息处理与药物警戒,尤其涉及一种基于ctcae分级驱动的多路径因果关联仲裁方法。
背景技术:
1、临床试验中,不良事件的严重程度分级通常依据ctcae等分级定义表进行判定,因果关联性研判则依赖多种量表规则或试验方案特定规则综合评估。这一过程长期以人工判读为主,不同评估者基于同一份证据材料,可能因对分级定义表中程度性描述的理解差异,或对量表判定路径的把握不同,得出不完全一致的结论,评估者间一致性存在改进空间。同时,分级定义表与相关映射表往往存在多个版本并行使用的情况,某一版本发生更新后,既往已完成的评估结论难以按新版本要求逐项追溯复核,也难以清楚说明某项结论所依据的具体表版本。
2、申请号为202010313239.x的中国发明专利公开了一种药品不良反应的评估方法、装置、终端及可读介质,其分别通过数据字段映射、数据抽取或逻辑计算的方式得到该项目的评估分值,进而汇总得到整体评估结果。但是其分析策略是针对单一评估流程设计,当在多种独立判定规则或模型并行处理同一不良事件,结果出现实质分歧时无法及时进行处理。
技术实现思路
1、有鉴于此,本发明提供一种基于ctcae分级驱动的多路径因果关联仲裁方法,解决现有技术中在多种独立判定规则或模型并行处理同一不良事件时,缺乏对各路径输出结果进行统一比较的技术问题,提高了严重程度分级结论的可复现性。
2、本发明的技术方案是这样实现的:
3、本发明提供了一种基于ctcae分级驱动的多路径因果关联仲裁方法,包括:
4、s1、获取不良事件候选事件及其证据文本,将不良事件候选事件与ctcae分级表中的候选术语进行匹配,确定对应术语,并调取对应术语关联的共用评价要素表及分级判定规则;
5、s2、从证据文本中提取共用评价要素表中的观测要素取值并进行核验,将核验未通过的取值置为未知,得到要素取值表;按共用评价要素表记载的合成规则对要素取值表中的观测要素取值进行合成,得到程度要素取值;将要素取值表及程度要素取值代入分级判定规则的判定表达式进行求值,按已满足、已排除或尚未排除对各严重程度等级分别标记,确定严重程度分级结果;
6、s3、将要素取值表分别输入多条相互独立、互不共享中间结论的算法路径进行并行运算,各算法路径对应不同的判定规则体系,其中至少一条算法路径采用对观测要素取值加权求和的方式确定结果,至少一条算法路径采用对观测要素取值逐项进行条件判断的方式确定结果;参与判断的观测要素取值不足以唯一确定结果时,对应算法路径输出待定标记,否则输出因果关联判定结果;
7、s4、根据各算法路径输出的因果关联判定结果或待定标记确定因果关联仲裁结果:
8、各算法路径的输出中存在待定标记时,将因果关联仲裁结果置为转人工复核;均不存在待定标记时,将各算法路径输出的因果关联判定结果映射至统一的序数尺度并分组归类,按归类结果是否相同确定差异程度,差异程度为零时置为自动采纳,差异程度大于零且不超过预设阈值时置为低置信度采纳,差异程度超过预设阈值时置为转人工复核;
9、s5、输出严重程度分级结果与因果关联仲裁结果。
10、在以上技术方案的基础上,优选的,步骤s1具体包括:
11、读取不良事件候选事件预先绑定的配置版本,配置版本至少包含ctcae分级表版本、术语映射表版本、同义词表版本、句向量模型标识及相似度阈值,在配置版本对应的已发布ctcae分级表中确定候选术语集合;
12、将不良事件候选事件的名称与候选术语集合中候选术语的名称进行文本比对,得到精确匹配命中术语;当精确匹配命中术语为空时,将不良事件候选事件的名称与候选术语集合中候选术语的同义词进行扩展比对,得到同义扩展命中术语;
13、当精确匹配命中术语与同义扩展命中术语均为空时,根据证据文本与候选术语集合中候选术语的定义描述计算语义相似度,得到各候选术语的语义相似度;当语义相似度的最大值低于配置版本的相似度阈值时,将不良事件候选事件标记为术语无法定位并结束自动分级;
14、当精确匹配命中术语非空、或者同义扩展命中术语非空、或者语义相似度最大值不低于相似度阈值的候选术语存在时,将命中的候选术语确定为对应术语,并调取对应术语在已发布ctcae分级表中关联的共用评价要素表以及分级判定规则,其中共用评价要素表中包括观测要素、程度要素以及程度要素的合成规则,分级判定规则记载各严重程度等级的判定表达式。
15、在以上技术方案的基础上,优选的,步骤s2具体包括:
16、s21、按照预设的可接受描述形式集合从证据文本中确定各观测要素的描述判定结果及证据定位标识;
17、s22、将描述判定结果及证据定位标识与证据文本进行核验,核验未通过时将观测要素的取值置为未知,核验通过时将描述判定结果所指示的取值写入观测要素,得到要素取值表;
18、s23、按照共用评价要素表记载的合成规则,由要素取值表中的观测要素取值得到程度要素取值;
19、s24、将要素取值表及程度要素取值代入分级判定规则记载的判定表达式进行求值,得到严重程度分级结果。
20、在以上技术方案的基础上,优选的,步骤s22具体包括:
21、读取证据定位标识所指向的文本片段,判断文本片段是否落入描述判定结果所选描述形式或者所选描述形式的登记同义词范围内,得到位置一致性判定结果;
22、当位置一致性判定结果为不吻合,或描述判定结果不属于预设的可接受描述形式集合,或描述判定结果所指示内容与证据定位标识指向的文本片段不一致时,确定核验未通过,将观测要素的取值置为未知;否则确定核验通过,将描述判定结果所指示的取值写入要素取值表;
23、对于数值类观测要素,根据其取值来源类型确定核验方式:
24、对于来源于结构化检验单的实验室数值类观测要素,直接将检验单数值写入要素取值表并保留数值来源位置;
25、对于从证据文本中抽取的实验室数值类观测要素,给出证据定位标识并对描述判定结果及证据定位标识与证据文本进行核验,核验未通过时将实验室数值置为未知。
26、在以上技术方案的基础上,优选的,步骤s24具体包括:
27、将要素取值表中的数值型观测要素及程度要素取值代入分级判定规则记载的判定表达式,按各严重程度等级分别标记为已满足、已排除或因取值未知而尚未排除;
28、将标记为已满足状态的严重程度等级中序号最高者为,将标记为尚未排除状态的严重程度等级中序号最高者为,其中表示已满足状态的严重程度等级中的最高者,表示尚未排除状态的严重程度等级中的最高者;当高于的等级均已排除时,将严重程度分级结果取为点等级;当高于仍有等级尚未排除时,将严重程度分级结果取为区间;当不存在已满足等级而存在尚未排除等级时,将严重程度分级结果表示为上界为、下界待定的区间。
29、在以上技术方案的基础上,优选的,
30、所述多条算法路径具体为第一独立算法路径、第二独立算法路径、第三独立算法路径;步骤s3具体包括:
31、s31、按预设加权评分规则对要素取值表中的观测要素取值分别赋分并求和,得到加权总分s,根据s所处的预设分值区间确定第一独立算法路径的因果关联判定结果或待定标记;
32、s32、按预设的多维度条件判断规则对要素取值表中的观测要素取值逐项判断,确定第二独立算法路径的因果关联判定结果或待定标记;
33、s33、按由条件与结论对应关系构成的规则链对要素取值表中的观测要素取值进行匹配,所述条件与结论对应关系由临床试验方案编译得到,根据被触发的条件与结论对应关系确定第三独立算法路径的因果关联判定结果或待定标记。
34、在以上技术方案的基础上,优选的,所述并行运算具体包括:
35、当第一独立算法路径中存在取值未知的观测要素时,针对取值未知的观测要素,将预设允许取值范围所包含的各取值逐一代入加权评分规则计算总分,得到多个总分;取多个总分中的最小总分记为,最大总分记为,得到总分区间;当总分区间跨越预设分值区间对应的关联性等级分界时,将第一独立算法路径的输出置为待定标记,当总分区间落在同一关联性等级内时,将第一独立算法路径的输出置为对应的因果关联类别;
36、当第二独立算法路径中参与判断的观测要素取值为未知、或判断路径落入预设的多层级条件分支中标记为无法分类或无法评估的分支时,将第二独立算法路径的输出置为待定标记,否则置为判断路径对应的因果关联类别;
37、当第三独立算法路径中规则链所需的观测要素在要素取值表中缺失或取值为未知、或规则链判定为资料不足时,将第三独立算法路径的输出置为待定标记,否则置为规则链触发的因果关联类别。
38、在以上技术方案的基础上,优选的,所述将各算法路径输出的因果关联判定结果映射至统一的序数尺度,具体为:按照与配置版本绑定的因果关联判定结果与序数尺度值对照表进行映射,并将映射后的序数尺度值按预设关联等级分组进行归类,所述配置版本为不良事件候选事件预先绑定的版本标识,所述对照表在配置版本发布后保持不变;各算法路径所属的关联等级分组相同时,将差异程度记为零;各算法路径所属的关联等级分组存在不同时,取各算法路径输出的序数尺度值中的最大值与最小值之差作为差异程度。
39、在以上技术方案的基础上,优选的,步骤s1之前还包括:
40、对共用评价要素表中记载的程度要素及分级判定规则中的判定表达式进行一致性校验,将下列情形标记为缺陷项,得到一致性校验结果:命中预设程度词表且未列入豁免事项清单的程度要素;不可满足的判定表达式;已被定义却从未被任何判定表达式引用的程度要素;
41、一致性校验结果不含缺陷项时,将共用评价要素表、分级判定规则、预设的可接受描述形式集合及豁免事项清单发布为已发布版本,含有缺陷项时不进行发布;
42、为不良事件候选事件绑定配置版本,配置版本尚无对应已发布版本时,不良事件候选事件不得与ctcae分级表进行匹配。
43、更进一步优选的,还包括:
44、将要素取值表、证据定位标识、程度要素取值、严重程度分级结果、对应术语、序数尺度值、差异程度、因果关联仲裁结果以及所绑定的配置版本、各独立算法路径的因果关联判定结果或待定标记,以仅追加方式写入审计日志,已写入审计日志的记录不得改写;
45、配置版本发生变更时,依据变更后的配置版本对绑定该次变更所涉配置版本的已处理不良事件候选事件重新执行步骤s1至步骤s4,得到重算结果,生成记载结论发生变化的影响清单,影响清单包括不良事件候选事件、变化前后的严重程度分级结果或因果关联仲裁结果以及变化原因,将重算结果及影响清单以仅追加方式写入审计日志;当需要保留变更前后两份结论时,新建事件版本记录并冻结旧记录,在审计日志中标记为跨版本关联记录。
46、本发明相对于现有技术具有以下有益效果:
47、(1)将观测要素的核验、程度要素的合成与严重程度分级的求值过程统一纳入共用评价要素表及分级判定规则进行处理,使分级结论在输入事实与判据规则确定的条件下具有确定的对应关系,提高了严重程度分级结论的可复现性;
48、(2)采用多条相互独立且对应不同判定规则体系的独立算法路径并行完成因果关联判定,各路径在参与判断的要素取值不完整时输出待定标记而非勉强给出结论,避免了信息不足情形下产生缺乏依据的判定结果;
49、(3)将各路径输出的因果关联判定结果映射至统一的序数尺度并进行分组归类,仅在分组后仍存在实质性差异时触发人工复核,避免了因不同判定规则体系分档粗细不一致而产生的表面分歧被误判为实质分歧,也避免了将待定标记简单归类为某一确定的关联程度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com