一种非计划再次手术自动认定与联动上报方法及系统与流程
本发明涉及医疗信息化,尤其涉及一种非计划再次手术自动认定与联动上报方法及系统。
背景技术:
1、非计划再次手术是衡量医院手术质量与医疗安全的核心质控指标,也是国家医疗质量安全不良事件上报体系的重点监测内容。随着各级医院手术量持续增长,医疗质控管理要求不断精细化,传统依赖质控人员人工查阅病历、逐例判定并上报的管理模式,已难以满足全量覆盖、及时发现、规范统一的质控需求,普遍存在筛查效率低下、覆盖范围有限、判定尺度因人而异、上报流程割裂滞后等问题,亟需通过智能化技术实现非计划再次手术的自动化认定与全流程闭环管理。
2、现有技术中,已有针对非计划再次手术的智能化研究方案,例如中国专利申请非计划再次手术预测方法、装置、设备及存储介质(公开号为cn117577295a,申请日为2023-07-18)公开了采集包含患者基本信息、手术时间、手术方式、手术部位、手术过程记录信息、术前检查结果、术后检查结果在内的历史手术数据,从中提取术前、术中、术后三类特征并计算各特征的条件概率,基于朴素贝叶斯算法训练得到非计划再次手术预警模型,可基于目标患者的就诊数据输出非计划再次手术的发生概率,用于临床端的风险预判与提前干预。该方案实现了非计划再次手术评估的客观化与数据化,但是,其技术定位为事前风险预测,面向临床预警场景,并不适用于质控部门的术后全量病例认定与监管需求;同时该方案仅输出概率预测结果,未针对计划性分期手术与非计划补救性手术的区分设计专属判定逻辑,也不具备质控场景所需的结构化判定证据链生成、不良事件联动上报等功能,无法直接满足医疗质控的全流程管理要求。
3、综上,现有技术无法同时实现非计划再次手术的全量自动化筛查、多维度精准认定、质控合规化留痕以及不良事件联动上报,难以适配医院质控管理的实际业务需求。本发明旨在提出一套面向医疗质控场景的完整自动化解决方案,系统性解决上述技术问题。
技术实现思路
1、针对现有技术的不足,本发明提供了一种非计划再次手术自动认定与联动上报方法及系统,旨在解决非计划再次手术质控管理效率低、智能化方案与术后质控场景适配性不足、判定精准度与合规支撑缺失、认定与上报业务流程割裂的问题。
2、一方面,本技术提供了一种非计划再次手术自动认定与联动上报方法,包括以下步骤:
3、步骤1:多源手术数据采集与提取,对接院内医疗信息系统,自动抓取全量手术记录单与操作记录单,提取得到手术结构化数据与手术非结构化文本数据;
4、步骤2:候选病例关联匹配与筛选,基于患者唯一标识关联同一患者的全部手术记录,筛选出同一住院周期内存在两次及以上手术记录的候选病例集合;
5、步骤3:多维度耦合智能认定,结合所述手术结构化数据与手术非结构化文本数据,从时间关联性、手术性质差异性、并发症因果关联性三个维度进行耦合判定,输出非计划再次手术的初步认定结果及对应置信度分值;
6、步骤4:结构化判定证据链生成,基于三个维度的判定过程数据与原始文书片段,自动生成结构化的判定证据链,所述判定证据链同步承载时间关联举证、手术性质对比举证、并发症因果关联举证及原始文书引用片段;
7、步骤5:人机核实与不良事件联动上报,将初步认定结果与对应判定证据链推送至人工核实交互界面,接收用户核实指令;若核实指令为确认通过且标记伴有手术并发症,则自动将该病例的全量关联数据同步至院内不良事件管理系统,并自动预填充不良事件上报表单的对应字段。
8、实现了非计划再次手术的全量自动化筛查与认定,替代了低效且易漏报的人工抽查模式。通过多维度耦合判定,有效区分计划性与非计划性手术,保障了判定结果的统一性与规范性。同时,自动生成结构化证据链并与不良事件系统联动上报,形成了质控管理闭环,显著提升了医疗质控的效率和合规性。
9、进一步地,所述步骤3中,耦合判定具体为:
10、时间关联性维度:计算首次手术与再次手术的时间间隔,匹配多级时间窗阈值,对应赋值不同的时间置信权重;
11、手术性质差异性维度:提取两次手术的名称、术式特征与手术目的,计算二者语义相似度与术式关联度,判定再次手术是否为原计划外的补救性干预手术;
12、并发症因果关联性维度:从首次手术记录、术后病程记录、再次手术记录中抽取并发症实体与触发原因,基于时序先后关系建立首次手术并发症与再次手术的因果关联。
13、进一步地,所述步骤3的多维度耦合智能认定具体包括:
14、步骤3.1:基于结构化规则引擎对全量手术记录进行初筛,匹配患者身份与时间范围,得到候选病例;
15、步骤3.2:通过医疗nlp文本抽取模型对候选病例的非结构化文本进行实体抽取与时序因果识别,得到并发症触发特征;
16、步骤3.3:结合对应术式亚组的权重配置,对三个维度的判定结果进行加权融合计算,得到综合置信度分值;当分值高于预设阈值时,输出非计划再次手术的初步认定结果。
17、进一步地,所述步骤3中,根据手术科室、手术等级、术式类型将候选病例划分至对应术式亚组,为各亚组匹配差异化的判定权重与模型组合;采用结构化规则引擎处理所述手术结构化数据,采用医疗领域微调的nlp文本抽取模型处理所述手术非结构化文本数据。
18、预构建包含结构化规则引擎、通用医疗nlp抽取模型、专科微调nlp模型的多模型池;模型动态选型通过规则匹配与智能寻优双模式自动切换:
19、对于判定标准明确的常规术式病例,采用规则匹配模式,基于预设的术式亚组-模型组合规则库,匹配对应模型子集与权重配置;
20、对于罕见术式、并发症复杂的疑难病例,采用智能寻优模式,通过策略网络实时计算并输出最优模型组合与权重参数。
21、进一步地,所述智能寻优模式的模型选型适配网络输入为三维特征向量,具体包括:
22、病例临床特征:手术科室、手术等级、术式类型、疑似并发症类型;
23、数据质量特征:结构化字段完整度、手术记录文本长度、医学术语规范程度;
24、系统运行特征:当前并发任务量、算力资源占用率、任务紧急等级;
25、模型选型适配网络输出为多模型池中各模型的调用权重与组合方案,奖励函数以人工核实通过率为核心评价指标。
26、进一步地,所述多模型池采用模型参数分层部署架构,分为共享基础层与专科独立层:
27、共享基础层存储通用医疗实体抽取、医学术语归一化的共用模型参数,全局仅加载一份;
28、专科独立层存储各科室并发症识别、术式语义匹配的专属参数,按需独立加载;
29、梳理模型组件调用依赖关系,标记各判定模型对基础层参数、专科层参数的调用路径,通过全局单例加载方式复用基础层参数,减少重复计算与冗余加载。
30、进一步地,所述步骤3.3中,加权融合计算前,先执行结构化与非结构化一致性校验:
31、计算手术结构化字段与非结构化手术记录的语义一致性得分;一致性得分高于预设阈值时,提升结构化规则引擎的判定权重;一致性得分低于预设阈值、文本包含额外并发症信息时,提升医疗nlp文本抽取模型的判定权重。
32、进一步地,所述步骤4中,结构化判定证据链,按固定顺序依次包含:判定结论与置信度、时间关联举证、手术性质对比举证、并发症因果关联举证、原始文书引用片段、特征贡献度量化值;
33、所述判定证据链同步生成质控审核日志,并按照固定字段结构生成可导出的结构化存档文档,所述存档文档包含患者唯一标识、手术信息、判定依据、审核人员、审核时间字段,满足医疗质控留痕要求。
34、进一步地,所述步骤5中:
35、自动预填充的上报表单字段包括上报科室、事发院区、事发时间、患者基本档案、手术信息、事件触发原因;
36、预存国家不良事件监测平台的上报字段映射规则,自动将病例数据中的对应字段匹配至上报标准字段,完成上报表单的标准适配,病例数据自动推送至对应手术医师的不良事件系统账号。
37、进一步地,所述步骤5中,若接收的核实指令为人工纠正,则将纠正后的标注结果存入标注样本库,同步执行两类优化:
38、微调nlp文本抽取模型的实体识别参数;
39、更新对应术式亚组的判定权重与并发症关键词规则库;
40、针对新增术式与新增并发症类型,通过少量标注样本执行增量学习完成定向优化,无需全量重训。
41、另一方面,本技术提供了一种非计划再次手术自动认定与联动上报系统,包括:
42、数据采集预处理模块,用于对接院内多类医疗信息系统,抓取全量手术记录单与操作记录单,提取结构化与非结构化数据,并完成多源实体对齐与术语归一化;
43、病例匹配模块,用于基于患者唯一标识关联手术记录,筛选同一住院周期内存在多次手术的候选病例集合;
44、亚组适配智能判定引擎模块,内置结构化规则引擎与医疗nlp文本抽取模型,用于按术式亚组分流后,从时间关联性、手术性质差异性、并发症因果关联性三个维度耦合判定,输出初步认定结果与置信度分值;
45、质控证据链生成模块,用于生成标准化层级结构的判定证据链,承载多维度举证依据与原始文书片段;
46、人机核实交互模块,用于展示认定结果与证据链,接收用户的核实与标记指令;
47、不良事件联动模块,用于在核实通过且标记手术并发症时,同步病例数据至院内不良事件系统,并预填充上报表单字段。
48、进一步地,还包括模型规则迭代模块,用于存储人工纠正的标注样本,同步优化nlp模型参数与各术式亚组的判定规则权重。
49、进一步地,还包括自适应优化模块,内置准确率闭环单元与资源闭环单元,分别基于人工核实反馈与系统运行负载,动态调整各术式亚组的模型选型权重与参数加载策略
50、进一步地,还包括全院质控统计模块,用于按时间、科室、手术等级、并发症类型维度统计非计划再次手术的发生数据,生成质控分析报表。
51、本发明的实质性效果:
52、1、本发明中,通过自动抓取院内全量手术记录单与操作记录单,替代传统人工逐份查阅的质控模式,可实现同住院周期内所有二次及以上手术病例的全量筛查,无需人工抽取样本,显著降低质控人员的重复工作量,缩短非计划再次手术的发现周期;同时从根本上解决人工抽查的漏报问题,实现手术质控的全覆盖监管。
53、2、本发明中,从时间关联性、手术性质差异性、并发症因果关联性三个维度进行耦合判定:既通过多级时间窗匹配非计划事件的时序特征,又通过手术名称、术式目的的语义对比区分计划性分期手术与补救性非计划手术,同时基于手术记录、病程记录建立首次手术并发症与再次手术的因果关联;多维度交叉验证有效降低了单一规则判定的误判率,且判定标准统一固化,可消除不同质控人员的经验差异,保障全院判定结果的一致性与规范性。
54、3、本发明中,通过术式亚组划分与双模式选型机制,针对判定标准明确的常规术式采用规则系统策略实现高效判定,针对罕见术式、并发症复杂的疑难病例采用强化学习策略实现精准适配;同时结合结构化、非结构化一致性校验,可根据单病例的数据质量动态调整两类数据的判定权重,针对不同病例自动匹配最优模型组合;配合分层共享参数池架构,在保障各专科判定精度的同时,减少参数冗余加载,提升系统并发处理能力,平衡判定精度与计算资源消耗。
55、4、本发明中,设置准确率与资源双闭环自适应优化机制:准确率闭环以人工核实结果为反馈,按周期自动调整各术式亚组的模型权重与判定阈值,配合小样本增量学习,可快速适配新增术式与并发症类型,无需全量重训;资源闭环根据系统实时负载动态调整复杂模型的调用比例,保障高并发场景下的系统稳定性。两套闭环协同运行,使系统可随医院业务扩展持续优化,无需人工频繁调参。
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