本技術(shù)屬于信息化規(guī)劃，尤其涉及一種基于數(shù)據(jù)分析的醫(yī)療單位的自查方法及系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)的醫(yī)療單位自查通常依賴人工檢查和專家評(píng)估，存在效率低下、主觀性強(qiáng)等問題。隨著信息技術(shù)的快速發(fā)展，人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析技術(shù)在醫(yī)療行業(yè)中得到了廣泛應(yīng)用，將自動(dòng)化分析技術(shù)應(yīng)用至醫(yī)療單位的自查工作成為可能。

2、然而，醫(yī)療環(huán)境具有高度復(fù)雜性和多樣性，不同醫(yī)院、科室、患者和治療情況有很大差異，醫(yī)療單位產(chǎn)生的數(shù)據(jù)量龐大且形式復(fù)雜，不同的數(shù)據(jù)類型具有不同的特征和結(jié)構(gòu)，現(xiàn)有的醫(yī)療自查方法依賴規(guī)則和固定標(biāo)準(zhǔn)，對(duì)醫(yī)護(hù)人員的行為或者進(jìn)行評(píng)估，但醫(yī)療質(zhì)量不僅僅取決于醫(yī)護(hù)人員的行為，還涉及患者的治療效果、醫(yī)院的資源配置、設(shè)備的狀況等多個(gè)因素，得到的自查報(bào)告并可能無法適應(yīng)個(gè)性化需求，因此可能漏掉潛在的問題或?qū)δ承┨囟▓鼍安贿m用，不能準(zhǔn)確地反饋醫(yī)療單位存在的缺陷。

3、亟需一種系統(tǒng)化的整合與分析方法，以充分利用數(shù)據(jù)中的潛在信息，實(shí)現(xiàn)對(duì)醫(yī)療單位的全面、個(gè)性化和精確的評(píng)估。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。為此，本技術(shù)提出一種基于數(shù)據(jù)分析的醫(yī)療單位的自查方法及系統(tǒng)，能夠充分利用數(shù)據(jù)中的潛在信息，實(shí)現(xiàn)對(duì)醫(yī)療單位的全面、個(gè)性化和精確的評(píng)估。

2、第一方面，本技術(shù)提供了一種基于數(shù)據(jù)分析的醫(yī)療單位的自查方法，該方法包括：

3、接收并響應(yīng)自查請(qǐng)求，調(diào)取目標(biāo)醫(yī)療單位的多模態(tài)數(shù)據(jù)，所述多模態(tài)數(shù)據(jù)包括文本數(shù)據(jù)、影像數(shù)據(jù)、聲音數(shù)據(jù)和時(shí)間序列數(shù)據(jù)；

4、對(duì)所述文本數(shù)據(jù)、所述影像數(shù)據(jù)、所述聲音數(shù)據(jù)和所述時(shí)間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)加工和數(shù)據(jù)融合，得到醫(yī)療數(shù)據(jù)；

5、將所述醫(yī)療數(shù)據(jù)輸入至自查檢測模型，通過所述自查檢測模型對(duì)所述醫(yī)療數(shù)據(jù)進(jìn)行分析和檢測，得到所述自查檢測模型輸出的檢測結(jié)果，所述自查檢測模型是基于大模型構(gòu)建的；

6、對(duì)所述檢測結(jié)果進(jìn)行分析，生成所述目標(biāo)醫(yī)療單位的考核結(jié)果并匹配整改建議，得到所述目標(biāo)醫(yī)療單位的自查報(bào)告。

7、根據(jù)本技術(shù)的一個(gè)實(shí)施例，對(duì)所述文本數(shù)據(jù)、所述影像數(shù)據(jù)、所述聲音數(shù)據(jù)和所述時(shí)間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)加工和數(shù)據(jù)融合，得到醫(yī)療數(shù)據(jù)，包括：

8、基于數(shù)據(jù)模態(tài)，分別對(duì)所述文本數(shù)據(jù)、所述影像數(shù)據(jù)、所述聲音數(shù)據(jù)和所述時(shí)間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和標(biāo)準(zhǔn)化處理；

9、將處理后的所述文本數(shù)據(jù)、所述影像數(shù)據(jù)、所述聲音數(shù)據(jù)和所述時(shí)間序列數(shù)據(jù)劃分為患者數(shù)據(jù)和醫(yī)療操作數(shù)據(jù)；

10、將所述患者數(shù)據(jù)和所述醫(yī)療操作數(shù)據(jù)進(jìn)行時(shí)間對(duì)齊和數(shù)據(jù)關(guān)聯(lián)，得到關(guān)聯(lián)信息；

11、對(duì)所述關(guān)聯(lián)信息提取特征向量并按照層級(jí)進(jìn)行數(shù)據(jù)融合，得到所述醫(yī)療數(shù)據(jù)。

12、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述患者數(shù)據(jù)和所述醫(yī)療操作數(shù)據(jù)攜帶有患者id，將所述患者數(shù)據(jù)和所述醫(yī)療操作數(shù)據(jù)進(jìn)行時(shí)間對(duì)齊和數(shù)據(jù)關(guān)聯(lián)，得到關(guān)聯(lián)信息，包括：

13、對(duì)所述患者數(shù)據(jù)和所述醫(yī)療操作數(shù)據(jù)進(jìn)行時(shí)間戳對(duì)齊和頻率同步；

14、基于患者id，對(duì)同步后的患者數(shù)據(jù)和醫(yī)療操作數(shù)據(jù)之間進(jìn)行映射和數(shù)據(jù)關(guān)聯(lián)，得到關(guān)聯(lián)信息。

15、根據(jù)本技術(shù)的一個(gè)實(shí)施例，對(duì)所述關(guān)聯(lián)信息提取特征向量并按照層級(jí)進(jìn)行數(shù)據(jù)融合，得到所述醫(yī)療數(shù)據(jù)，包括：

16、在所述關(guān)聯(lián)信息中確定結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)；

17、對(duì)所述結(jié)構(gòu)化數(shù)據(jù)提取第一特征向量，并基于所述非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)模態(tài)，對(duì)所述非結(jié)構(gòu)化數(shù)據(jù)提取第二特征向量；

18、將所述第一特征向量中的藥物治療的藥物特征和患者信息特征進(jìn)行第一層融合，得到第一融合特征；

19、將所述第一融合特征和所述第二特征向量中的操作數(shù)據(jù)特征進(jìn)行第二層融合，得到第二融合特征；

20、將所述第二融合特征和所述第二特征向量中的多模態(tài)特征進(jìn)行第三層融合，得到所述醫(yī)療數(shù)據(jù)。

21、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述自查檢測模型包括依次連接的輸入層、特征提取層、表示層、多模態(tài)融合層、隱藏層、決策層和輸出層，所述特征提取層連接所述多模態(tài)融合層，通過所述自查檢測模型對(duì)所述醫(yī)療數(shù)據(jù)進(jìn)行分析和檢測，得到所述自查檢測模型輸出的檢測結(jié)果，包括：

22、通過所述輸入層對(duì)所述醫(yī)療數(shù)據(jù)進(jìn)行編碼；

23、通過所述特征提取層對(duì)所述醫(yī)療數(shù)據(jù)按數(shù)據(jù)模態(tài)分別進(jìn)行特征提取，得到第一特征組；

24、通過所述表示層對(duì)所述第一特征組中的每個(gè)第一特征進(jìn)行非線性變換，生成對(duì)應(yīng)的高維特征表示；

25、通過多模態(tài)融合層，將所述第一特征組進(jìn)行拼接，得到早期融合特征，并將所述高維特征表示融合成晚期融合特征，通過注意力機(jī)制對(duì)所述早期融合特征和所述晚期融合特征分配權(quán)重，得到綜合特征表示；

26、通過所述隱藏層，對(duì)所述綜合特征表示進(jìn)行非線性變換，得到非線性特征表示；

27、通過所述決策層，對(duì)所述非線性特征表示進(jìn)行模式識(shí)別，確定任務(wù)類別并執(zhí)行，得到所述醫(yī)療數(shù)據(jù)中的異常模式，對(duì)所述非線性特征表示進(jìn)行異常檢測，得到異常醫(yī)療數(shù)據(jù)；

28、通過輸出層，將所述異常模式和異常醫(yī)療數(shù)據(jù)映射至結(jié)果空間，得到檢測結(jié)果并輸出。

29、根據(jù)本技術(shù)的一個(gè)實(shí)施例，通過多模態(tài)融合層，將所述第一特征組進(jìn)行拼接，得到早期融合特征，并將所述高維特征表示融合成晚期融合特征，包括：

30、通過多級(jí)注意力機(jī)制，對(duì)每個(gè)數(shù)據(jù)模態(tài)的所述第一特征根據(jù)模態(tài)層次和抽象層次進(jìn)行劃分，以確定低層次特征、中層次特征和高層次特征的注意力權(quán)重；

31、根據(jù)所述注意力權(quán)重，對(duì)所述低層次特征、所述中層次特征和所述高層次特征進(jìn)行加權(quán)計(jì)算，得到早期融合特征；

32、通過跨模態(tài)圖神經(jīng)網(wǎng)絡(luò)對(duì)每個(gè)所述高維特征表示之間進(jìn)行信息傳遞，根據(jù)所述高維特征表示之間的交互關(guān)系，對(duì)所述高維特征表示進(jìn)行融合；

33、通過多模態(tài)變換網(wǎng)絡(luò)，根據(jù)所述高維特征表示的深層關(guān)聯(lián)，對(duì)所述高維特征表示的融合進(jìn)行優(yōu)化，得到晚期融合特征。

34、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述隱藏層中設(shè)置有變分自編碼器和解碼器，通過所述隱藏層，對(duì)所述綜合特征表示進(jìn)行非線性變換，得到非線性特征表示，包括：

35、通過所述變分自編碼器，對(duì)所述綜合特征表示映射至潛在空間，通過所述解碼器，在潛在空間對(duì)所述綜合特征表示進(jìn)行數(shù)據(jù)重建；

36、基于數(shù)據(jù)重建過程中每個(gè)數(shù)據(jù)點(diǎn)的重建誤差和概率分布，確定異常值；

37、對(duì)重建的數(shù)據(jù)點(diǎn)進(jìn)行時(shí)序分析，確定數(shù)據(jù)變化趨勢；

38、將所述異常值和所述變化趨勢作為所述非線性特征表示。

39、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述重建誤差r為：

40、

41、其中，x是綜合特征表示的輸入數(shù)據(jù)；是解碼器從潛在空間的樣本重建出來的重建數(shù)據(jù)。

42、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述檢測結(jié)果包括帶有分類標(biāo)簽的異常模式和異常醫(yī)療數(shù)據(jù)，所述對(duì)所述檢測結(jié)果進(jìn)行分析，生成所述目標(biāo)醫(yī)療單位的考核結(jié)果并匹配整改建議，包括：

43、根據(jù)所述分類標(biāo)簽確定所述異常模式和所述異常醫(yī)療數(shù)據(jù)的打分權(quán)重，對(duì)所述目標(biāo)醫(yī)療單位進(jìn)行打分，生成考核結(jié)果；

44、對(duì)所述異常模式和異常醫(yī)療數(shù)據(jù)匹配對(duì)應(yīng)的患者id；

45、對(duì)所述患者id對(duì)應(yīng)的患者數(shù)據(jù)和醫(yī)療操作數(shù)據(jù)生成專屬病例，在所述專屬病例中對(duì)所述異常模式和異常醫(yī)療數(shù)據(jù)的相關(guān)內(nèi)容進(jìn)行標(biāo)記；

46、對(duì)所述專屬病例進(jìn)行中的醫(yī)療操作數(shù)據(jù)進(jìn)行分析，匹配所述整改建議。

47、第二方面，本技術(shù)提供了一種基于數(shù)據(jù)分析的醫(yī)療單位的自查系統(tǒng)，該系統(tǒng)用于執(zhí)行如第一方面所述的基于數(shù)據(jù)分析的醫(yī)療單位的自查方法。

48、第三方面，本技術(shù)提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述第一方面所述的基于數(shù)據(jù)分析的醫(yī)療單位的自查方法。

49、第四方面，本技術(shù)提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述第一方面所述的基于數(shù)據(jù)分析的醫(yī)療單位的自查方法。

50、第五方面，本技術(shù)提供了一種芯片，所述芯片包括處理器和通信接口，所述通信接口和所述處理器耦合，所述處理器用于運(yùn)行程序或指令，實(shí)現(xiàn)如第一方面所述的基于數(shù)據(jù)分析的醫(yī)療單位的自查方法。

51、第六方面，本技術(shù)提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述第一方面所述的基于數(shù)據(jù)分析的醫(yī)療單位的自查方法。

52、本技術(shù)的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術(shù)的實(shí)踐了解到。

53、本技術(shù)提供的一種基于數(shù)據(jù)分析的醫(yī)療單位的自查方法及系統(tǒng)，相對(duì)于現(xiàn)有技術(shù)具有以下有益效果：

54、(1)通過多模態(tài)數(shù)據(jù)的聯(lián)合分析，能夠充分利用數(shù)據(jù)中的潛在信息，實(shí)現(xiàn)對(duì)醫(yī)療單位的全面、個(gè)性化和精確的評(píng)估，提升了問題檢測能力，得到的自查報(bào)告具有全面性和準(zhǔn)確性的特點(diǎn)，確保不同類型數(shù)據(jù)能夠有效融合進(jìn)行綜合分析，醫(yī)療單位能夠?qū)崿F(xiàn)更高效、更精準(zhǔn)的自查管理，不僅可以提高醫(yī)療質(zhì)量和工作效率，還能提升醫(yī)療單位對(duì)潛在問題的預(yù)警能力和應(yīng)對(duì)能力。

55、(2)通過分析患者數(shù)據(jù)與醫(yī)療操作數(shù)據(jù)，得到的自查報(bào)告能夠?yàn)獒t(yī)療單位提供更全面的決策支持，改善治療方案的選擇和患者健康管理，優(yōu)化醫(yī)療單位的資源配置，提高醫(yī)療服務(wù)質(zhì)量，降低運(yùn)行成本，幫助醫(yī)院實(shí)現(xiàn)精準(zhǔn)醫(yī)療。