科创中国

电子信息技术

本发明公开了一种基于相似性度量的病案查找方法及系统，本发明 的步骤包括针对查询病案集合 A 构建病案组得到病案组集合 C；对病案组集合 C 生 成带相似标签的病案组数据集合 D；构建机器学习模型，并通过病案组数据集合 D 完成训练，将目标病案、查询病案集合 A 中所有病案一起输入到机器学习模型，得 到目标病案和查询病案集合 A 中所有病案之间的相似性度量值并相似性度量最高的 N 个病案输出。本发明充分利用了病案自身信息和病案相关理论知识，能够提高病案 相似性度量的精度，提升病案排序的准确性，同时基于机器学习的病案相似度量方法 具有更好的精度提升潜力，具有高精度、高适用性、鲁棒性好、可持续优化潜力的优 点。

【市场预测】现有的病案相似性的度量方法可分为两类：基于病案数据的机器学习模型和基于理论知识的传统理论模型。传统理论模型从医学领域知识出发，通过病理分析判断病案之间的相似性大小关系，这种模型的优点在于解释性好，少量病案之间的相似性度量精度高，缺点在于对专业知识要求较高，同时受到专业领域知识的限制，模型精度提升难度大。基于病案数据的机器学习模型从病案数据本身出发，通过对大量已形成关系的病案数据进行分析学习，进而学习到其中的相似性关系，这种模型的优点在于精度可能与数据量正相关，不受限于领域知识，缺点在于解释性不好，对病案数据相似性标签有一定需求。因此，实际应用中的病案相似性度量方法均存在模型精度提升难度大、病案相似性标签难以获得的问题，该问题影响了病案相似性度量的精度提升，进而对病案相似排序的准确性造成影响。因此，能够自动获取病案相似性标签的病案相似性度量方法尤为重要，该方法有着重要的理论意义和实践需求。 【效益分析】除去投资成本，可以基于本发明通过查找相似病案中专家的治疗方案辅助当前病人的诊断和治疗，具有极高的回报。

长沙学校采用零整结合的方式，既发挥大型团队的整体优势，又发挥小型团队的灵活优势，组织各类人才在二级学院或跨学院建设大型科技创新团队，并根据大型团队研究方向的建设需要分成小型团队，共培育了约50个小型团队，学术梯队和团队在年龄结构、专业知识结构和研究方向上不断优化。