论文基于“强”规则匹配技术临床数据处理应用与实践.docxVIP

基于“强”规则匹配技术的临床数据处理应用与实践摘要：临床数据处理的关键是如何定义清晰的数据处理边界，建立“强”规则匹配方法，以保证数据提取的准确性及具有极少的“冗余”度，完成“数据”向“信息”的转换，形成应用价值。本文作者及合作团队，通过对国内6所大型三级甲等医院，不同疾病类型临床数据处理方法的研究，解决了信息模型构建、临床专业词库形成、临床信息提取等技术难题，形成了具有较强应用价值的基于大数据的临床质量管理和科研数据支撑系统。比较结果证明，针对信息模型中数据项，原始病历的人工阅读结果与专用信息提取工具结果间的误差能够控制在2%以内。关键词：临床数据 自由文本 医学分词 信息提取Application and Practice of Clinical Data Processing Based On Strong Rule Matching TechnologyAbstract: The key of Clinical data process is how to define clear data boundary and establish strong rule matching method,so the accuracy of the data extraction result and few redundant can be ensured. Based on this, we can complete the transition of Datato Informationandformat the data application value. Authors of this paper and cooperative team have worked on different type disease clinical data in 6 third class A hospital. This paper solvedthree main problems in clinical data process, the construction of informationmodel,the construction of clinical professional lexicon and the construction of clinical semantic model. Wedeveloped a clinical quality management and scientific research data support system. The comparison results prove that the error between the manual reading result and the computer auto extraction result can be controlled within 2%.Key words: Clinical Data, Free text, Medical Word Segmentation, Information extraction1 引言从20世纪末大数据搜索技术出现以来，“数据”演变成更有价值的“信息”才具备了现实可行性。但是，基于“弱”规则匹配建立专业数据处理工具，将会给后期数据利用带来比较繁琐的人工去“冗”过程，从而造成处理效率和“信息”的准确性显著下降[1]。“强”规则匹配的关键是：基于闭合信息模型，针对大量自由文本表达的非结构化数据，通过信息提取设计，完成其中信息实体的的准确提取与转换。本文在借鉴大数据处理技术的基础上，通过临床子语言特征的分析，构建出一套经济性、实用性较强、基于临床专业词库和语义模式库的自由文本信息提取模型，并采用了监督算法（最大期望（EM）准则、有序聚类）[2]，有效保障了服务于医学专业分词器的临床专业词库的完整性和准确性。同时，通过自抽样方法有效保障了服务于语义分析程序的语义模式库的完善[3]，从而满足了数据规模上升和数据多样化特征下的语义判别收敛和信息提取。2 临床数据的基本特征2.1 临床数据多源化。中国医院信息化发展已经历了20余年的历程，从着眼于流程和计费管理的HIS到目前广泛应用于记录临床过程和结论的电子病历系统（EMR）、实验室系统（LIS）、放射系统（RIS）、影像系统（PACS）、护理系统（NIS）、手麻系统（OAS），众多临床系统以结构化或非结构化形式记录了各类临床数据，临床数据分类与医院临床信息系统（CIS）的对应关系如表1所示。表1 临床数据分类与信息系统对应关系表健康状态检查/检验治疗物理对象语境疾病症状体征评估负性事件影像检验病理药物手术物理护理部位装置器械置入物