基于时序多源异构数据的智能医疗辅助决策系统、方法、电子设备及存储介质与流程
本发明属于智能辅助系统,涉及一种智能医疗辅助系统,尤其涉及一种基于时序多源异构数据的智能医疗辅助决策系统、方法、电子设备及存储介质。
背景技术:
1、随着人工智能技术在肿瘤、器官移植、血液病及慢病管理等医疗场景中的广泛应用,医疗数据规模呈现持续增长趋势。与此同时,医疗数据的组织方式也逐渐从传统结构化表格数据演变为包含影像、数字病理、多组学、临床文本、随访记录及可穿戴设备数据等在内的多源异构数据体系。
2、现有医疗信息系统通常采用传统关系型数据库作为核心数据管理基础。该类数据库主要基于表结构、字段结构及关系连接方式进行数据组织,其核心能力集中于结构化数据的事务管理、关系连接及字段级查询。传统关系型数据库适用于订单、财务、库存等结构稳定、字段固定、关系明确的数据场景,而医疗数据与传统事务型数据存在本质区别。
3、医疗数据本质上属于具有明显时间演化特征的复杂事件流数据。患者从诊断、分期、治疗、疗效评估、复发进展到随访结局的全过程,本质上由大量连续发生且相互关联的医疗事件构成。例如,同一患者在不同时间点可能先后经历基因检测、靶向治疗、recist疗效评估、ctdna动态变化、影像学进展及二线治疗等多个医疗事件。不同医疗事件之间不仅存在时间先后关系,还存在治疗响应关系、疾病演化关系及生存结局关联关系。
4、进一步地,现实中完整的医疗数据还具有明显的异构特征。目前,实验室检查数据通常以结构化表格形式存储于关系型数据库中,电子病历文本通常存储于文本数据库中,影像数据通常存储于pacs系统中,数字病理图像及组学数据则通常以文件形式存储于对象存储或文件系统中。因此,同一患者的不同模态数据被分散存储于不同数据库及不同存储系统之中。
5、在现有技术中,若研究者需要同时分析实验室检查结果、影像病灶变化、数字病理特征、多组学表达特征及生存结局,通常需要分别连接不同数据库,使用不同数据库查询语言,建立跨数据库映射关系,并手工完成时间匹配、患者身份映射及结果整合。由于不同数据库之间的数据结构、索引方式、时间格式、患者标识方式及查询语言均不相同,导致跨数据库联合检索复杂度极高。
6、尤其在人工智能场景下,当需要同时检索“cea持续升高、ct病灶增大超过20%、数字病理坏死比例增加以及emt通路激活患者”时,传统数据库通常需要分别通过关系型sql查询、文本数据库检索、图像文件索引及组学数据库检索联合完成。虽然上述数据分别来源于实验室检查、影像、数字病理及转录组数据,但其本质上均属于同一患者疾病进展过程中的不同特征表现。然而,由于传统数据库缺乏统一时序结构及统一语义层,不同模态数据之间无法形成统一病程视图,也无法形成面向患者疾病演化过程的统一计算体系。
7、有鉴于此,如今迫切需要设计一种新的医疗辅助系统,以便克服现有系统存在的上述至少部分缺陷。
技术实现思路
1、本发明提供一种基于时序多源异构数据的智能医疗辅助决策系统、方法、电子设备及存储介质,可提高预后预测的效率及精准度。
2、为解决上述技术问题,根据本发明的一个方面,采用如下技术方案:
3、一种基于时序多源异构数据的智能医疗辅助决策系统,所述基于时序多源异构数据的智能医疗辅助决策系统包括:
4、数据获取模块,用以获取患者的医学异构时空数据;所述医学异构时空数据包括影像数据、数字病理数据、多组学数据、实验室检查数据、干预数据、随访数据及临床文本数据中的至少一个;
5、数据处理模块,用以对所述数据获取模块获取患者的医学异构时空数据进行处理,将患者的医学异构时空数据构建为设定统一结构的医疗事件对象;
6、关键特征数据提取模块,用以根据所述数据处理模块构建的医疗事件对象提取设定疾病的关键特征数据;
7、关键特征数据融合模块,用以将所述关键特征数据提取模块提取的关键特征数据融合,从而形成疾病关键特征数据组;
8、疾病特征动态展现模块,用以利用所述关键特征数据融合模块融合的关键特征数据组生成疾病特征动态展现画面,以展示相关疾病特征数据基于时间的动态发展;
9、疾病特征组动态展现模块,用以将设定患者与设定疾病相关的疾病特征数据组中的各疾病特征数据对应的动态展现画面在同一空间同时展示;
10、疾病特征动态变化提取模块,用以根据所述疾病特征动态展现模块生成的疾病特征动态展现画面及所述疾病特征组动态展现模块生成的动态展现画面提取疾病关键特征数据基于时间的动态变化特征数据;
11、病情相似度数学模型构建模块,用以构建病情相似度数学模型;所述病情相似度数学模型构建模块对训练数据集中的数据进行预处理;对经过预处理的数据进行特征提取,提取出关键特征;对提取的关键特征进行组合、统计、分组编码,将关键特征进行标准化、归一化,形成关键特征组合;所述关键特征组合包括疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据、疾病特征数据基于时间的动态变化特征数据及病情相似度数据;根据形成的关键特征组合构建病情相似度数学模型;
12、病情相似度判断模块,用以将患者与设定疾病相关的疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据输入至病情相似度数学模型,获取与数据库中相似度符合设定阈值的患者数据;
13、预后病情预测数学模型构建模块,用以构建预后病情预测数学模型;所述预后病情预测数学模型构建模块对训练数据集中的数据进行预处理;对经过预处理的数据进行特征提取,提取出关键特征;对提取的关键特征进行组合、统计、分组编码,将关键特征进行标准化、归一化,形成关键特征组合;所述关键特征组合包括干预数据、疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据、疾病特征数据基于时间的动态变化特征数据、预后病情发展数据;根据形成的关键特征组合构建预后病情预测数学模型;
14、预后病情预测模块,用以将干预数据、疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据输入至预后病情预测数学模型,获取对应患者预后病情发展的预测数据。
15、作为本发明的一种实施方式,所述基于时序多源异构数据的智能医疗辅助决策系统进一步包括:
16、图像获取模块,用以获取医生通过指示物指示患者报告位置的图像;
17、指示位置及方向识别模块,用以识别指示物,进而识别指示物的指示位置数据及指示方向数据,获取指示位置数据及指示方向数据对应的医学数据属性及对应医学数据;
18、增强显示模块,用以将所述指示位置及方向识别模块获取的医学数据属性发送至疾病特征动态展现模块,利用所述疾病特征动态展现模块展示所述医学数据属性基于时间的动态发展,并通过增强显示的方式展示。
19、作为本发明的一种实施方式,所述疾病特征动态展现模块将患者相关疾病特征数据与对应阈值的差值与对应阈值之比确定对应展示圆形或球体的半径。
20、作为本发明的一种实施方式,所述智能医疗辅助决策系统进一步包括:
21、三轴坐标系构建模块,用以根据所述时空关系数据解析模块的解析结果及所述疾病特征数据融合模块形成的疾病特征数据组构建基于设定疾病的三轴坐标系;所述三轴坐标系的x轴表示时间数据,y轴表示与设定疾病相关的疾病特征序号,z轴表示疾病特征序号对应疾病特征数据的数值;
22、三维时空疾病数据构建模块,用以在所述三轴坐标系构建模块构建的三轴坐标系上构建对应患者相关疾病各疾病特征数据的三维时空疾病数据;
23、所述疾病特征动态展现模块利用所述三维时空疾病数据构建模块构建的三维时空疾病数据生成疾病特征动态展现画面;通过圆形或球体的大小变化展示相关疾病特征数据的动态发展,圆形或球体的半径越大,表示对病情的不利因素影响越大。
24、根据本发明的另一个方面,采用如下技术方案:一种基于时序多源异构数据的智能医疗辅助决策方法,所述基于时序多源异构数据的智能医疗辅助决策方法包括:
25、数据获取模块获取患者的医学异构时空数据;所述医学异构时空数据包括影像数据、数字病理数据、多组学数据、实验室检查数据、干预数据、随访数据及临床文本数据中的至少一个;
26、数据处理模块对所述数据获取模块获取患者的医学异构时空数据进行处理,将患者的医学异构时空数据构建为设定统一结构的医疗事件对象;
27、关键特征数据提取模块根据所述数据处理模块构建的医疗事件对象提取设定疾病的关键特征数据;
28、关键特征数据融合模块将所述关键特征数据提取模块提取的关键特征数据融合,从而形成疾病关键特征数据组;
29、疾病特征动态展现模块利用所述关键特征数据融合模块融合的关键特征数据组生成疾病特征动态展现画面,以展示相关疾病特征数据基于时间的动态发展;
30、疾病特征组动态展现模块将设定患者与设定疾病相关的疾病特征数据组中的各疾病特征数据对应的动态展现画面在同一空间同时展示;
31、疾病特征动态变化提取模块根据所述疾病特征动态展现模块生成的疾病特征动态展现画面及所述疾病特征组动态展现模块生成的动态展现画面提取疾病关键特征数据基于时间的动态变化特征数据;
32、病情相似度数学模型构建模块构建病情相似度数学模型;所述病情相似度数学模型构建模块对训练数据集中的数据进行预处理;对经过预处理的数据进行特征提取,提取出关键特征;对提取的关键特征进行组合、统计、分组编码,将关键特征进行标准化、归一化,形成关键特征组合;所述关键特征组合包括疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据、疾病特征数据基于时间的动态变化特征数据及病情相似度数据;根据形成的关键特征组合构建病情相似度数学模型;
33、病情相似度判断模块将患者与设定疾病相关的疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据输入至病情相似度数学模型,获取与数据库中相似度符合设定阈值的患者数据;
34、预后病情预测数学模型构建模块构建预后病情预测数学模型;所述预后病情预测数学模型构建模块对训练数据集中的数据进行预处理;对经过预处理的数据进行特征提取,提取出关键特征;对提取的关键特征进行组合、统计、分组编码,将关键特征进行标准化、归一化,形成关键特征组合;所述关键特征组合包括干预数据、疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据、疾病特征数据基于时间的动态变化特征数据、预后病情发展数据;根据形成的关键特征组合构建预后病情预测数学模型;
35、预后病情预测模块将干预数据、疾病特征数据组中的各疾病特征数据对应的动态展现画面的动态变化数据输入至预后病情预测数学模型,获取对应患者预后病情发展的预测数据。
36、作为本发明的一种实施方式,所述基于时序多源异构数据的智能医疗辅助决策方法进一步包括:
37、图像获取模块获取医生通过指示物指示患者报告位置的图像;
38、指示位置及方向识别模块识别指示物,进而识别指示物的指示位置数据及指示方向数据,获取指示位置数据及指示方向数据对应的医学数据属性及对应医学数据;
39、增强显示模块将所述指示位置及方向识别模块获取的医学数据属性发送至疾病特征动态展现模块,利用所述疾病特征动态展现模块展示所述医学数据属性基于时间的动态发展,并通过增强显示的方式展示。
40、作为本发明的一种实施方式,所述疾病特征动态展现模块将患者相关疾病特征数据与对应阈值的差值与对应阈值之比确定对应展示圆形或球体的半径。
41、作为本发明的一种实施方式,所述智能医疗辅助决策方法进一步包括:
42、三轴坐标系构建模块根据所述时空关系数据解析模块的解析结果及所述疾病特征数据融合模块形成的疾病特征数据组构建基于设定疾病的三轴坐标系;所述三轴坐标系的x轴表示时间数据,y轴表示与设定疾病相关的疾病特征序号,z轴表示疾病特征序号对应疾病特征数据的数值;
43、三维时空疾病数据构建模块在所述三轴坐标系构建模块构建的三轴坐标系上构建对应患者相关疾病各疾病特征数据的三维时空疾病数据;
44、所述疾病特征动态展现模块利用所述三维时空疾病数据构建模块构建的三维时空疾病数据生成疾病特征动态展现画面;通过圆形或球体的大小变化展示相关疾病特征数据的动态发展,圆形或球体的半径越大,表示对病情的不利因素影响越大。
45、根据本发明的又一个方面,采用如下技术方案:一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
46、根据本发明的又一个方面,采用如下技术方案:一种存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现上述方法的步骤。
47、本发明的有益效果在于:本发明提出的基于时序多源异构数据的智能医疗辅助决策系统、方法、电子设备及存储介质,可提高预后预测的效率及精准度。
48、在本发明的一种使用场景中,本发明将通过提取设定疾病的医学特征数据,将医学特征数据数据数量化、图形化,以时间为序生成病情变化数据,进而捕捉病情变化数据的变化特征,从而能更快捕捉患者的病情变化信息,以便医生直观获取。同时,本发明可捕捉医生需要查看患者的设定医学信息,通过增强现实的方式快速展现对应数据的动态变化。此外,本发明可根据各患者病情变化展示图形的变化特征快速构建相关疾病队列,并根据干预方式的后续进展数据为后续特征相似病人做辅助决策。
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