一种基于过程挖掘的临床路径优化方法

摘要

本发明公开了一种基于过程挖掘的临床路径优化方法，首先，获取诊疗收费账单以及对所述诊疗收费账单进行预处理和特征提取，然后，利用LDA主题聚类模型和PROM过程挖掘工具对所述诊疗收费账单进行聚类和挖掘，得到对应的过程模型；接着，提取所述诊疗收费账单中多种项类，并对同义词进行预处理，得到对应的过程日志；其次，将所述过程日志中的执行序列进行划分，并基于设定的对齐原则，将所述过程模型与所述过程日志进行对齐，得到对应的对齐集；最后，对所有的所述对齐集进行筛选，完成临床路径的优化，提高临床路径的使用效果。

说明书

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种基于过程挖掘的临床路径优化方法。

背景技术

临床路径表明了疾病的诊疗工作是如何一步步开展的，反映了各科医生和护士是如何分工协作共同开展疾病诊疗工作的，同时也反映了各种医疗资源是如何一步步被消耗的。临床路径管理可以规范化疾病的诊疗过程，提高医疗质量，提高病人满意度，同时有效的控制医疗资源的消耗和医疗费用的增长。

虽然临床路径管理受到世界各国的广泛关注，但实践效果并不理想。临床路径的制定是一个非常复杂耗时的过程，需要各科专业人士通力合作，并且临床路径在具体医院的实施必须充分考虑实施医院的各种具体情况，如果完全依靠人为研讨制定临床路径，效率很慢，并且人为因素的影响不能忽略，导致临床路径的使用体验很差。

发明内容

本发明的目的在于提供一种基于过程挖掘的临床路径优化方法，提高临床路径的使用效果。

为实现上述目的，本发明提供了一种基于过程挖掘的临床路径优化方法，包括以下步骤：

获取诊疗收费账单，并对所述诊疗收费账单进行聚类和过程挖掘，得到对应的过程模型；

提取所述诊疗收费账单中多种项类，并对同义词进行预处理，得到对应的过程日志；

将所述过程日志中的执行序列进行划分，并基于设定的对齐原则，将所述过程模型与所述过程日志进行对齐，得到对应的对齐集；

对所有的所述对齐集进行筛选，完成临床路径的优化。

其中，获取诊疗收费账单，并对所述诊疗收费账单进行聚类和过程挖掘，得到对应的过程模型，包括：

获取诊疗收费账单，并对所述诊疗收费账单中的设定的多种字段进行删除；

利用LDA主题聚类模型和PROM过程挖掘工具对所述诊疗收费账单进行聚类和挖掘，得到对应的过程模型。

其中，利用LDA主题聚类模型和PROM过程挖掘工具对所述诊疗收费账单进行聚类和挖掘，得到对应的过程模型，包括：

对所述诊疗收费账单进行特征提取，并将提取出来的活动特征输入所述LDA主题聚类模型中，得到对应的主题模型；

对所述主题模型进行按天聚类，并利用所述PROM过程挖掘工具对聚类结果进行过程挖掘，得到对应的过程模型。

其中，将所述过程日志中的执行序列进行划分，并基于设定的对齐原则，将所述过程模型与所述过程日志进行对齐，得到对应的对齐集，包括：

将所述过程日志中的执行序列划分为强制执行序列和选择执行序列；

基于设定的对齐原则，将所述主题模型与所述选择执行序列进行对齐，得到对应的对齐集。

其中，基于设定的对齐原则，将所述主题模型与所述选择执行序列进行对齐，得到对应的对齐集，包括：

若所述主题模型与所述选择执行序列相同，则将对应的所述主题模型和所述选择执行序列写入构建的所述对齐集；

若所述主题模型与所述选择执行序列不相同，则通过度量成本，减小对齐范围，得到对应的所述对齐集。

其中，若所述主题模型与所述选择执行序列不相同，则通过度量成本，减小对齐范围，得到对应的所述对齐集，包括：

若所述主题模型与所述选择执行序列不相同，则搜索所述主题模型和所述选择执行序列之间的多个距离值；

通过度量成本，将多个所述距离值按照升序排列，将排序中的第一个所述主题模型与所述选择执行序列写入对应的所述对齐集。

本发明的一种基于过程挖掘的临床路径优化方法，首先，获取诊疗收费账单以及对所述诊疗收费账单进行预处理和特征提取，然后，利用LDA主题聚类模型和PROM过程挖掘工具对所述诊疗收费账单进行聚类和挖掘，得到对应的过程模型；接着，提取所述诊疗收费账单中多种项类，并对同义词进行预处理，得到对应的过程日志；其次，将所述过程日志中的执行序列进行划分，并基于设定的对齐原则，将所述过程模型与所述过程日志进行对齐，得到对应的对齐集；最后，对所有的所述对齐集进行筛选，完成临床路径的优化，提高临床路径的使用效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种基于过程挖掘的临床路径优化方法的步骤示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请参阅图1，本发明提供一种基于过程挖掘的临床路径优化方法，包括：

S101、获取诊疗收费账单，并对所述诊疗收费账单进行聚类和过程挖掘，得到对应的过程模型。

具体的，根据实际研究需要，获取对应的诊疗收费账单，然后对所述诊疗收费账单进行预处理，预处理的过程为对所述诊疗收费账单中的设定的多种字段进行删除：其中，设定的多种字段包括输入的原始医院收费数据，至少需要包括病人编号、收费项目名称、收费项目类别、使用总量、日期这几个字段(表示具体哪个病人在哪一天使用了哪些医疗服务)；具体包括：

1)对收费项目的数据进行处理，删除与疾病诊疗不相关的数据，删除与收费项目名称不相关的用语；具体处理过程为：

1-1)删除与疾病诊疗不相关的数据记录，比如将收费项目类别为床位费、采暖费、其它费、各种“自费”的收费记录删除；

1-2)删除对收费项目名称的详细解释，比如“鼻饲管置管(注食、注药、十二指肠灌注按2元/次收取)”，括号中的详细描述了使用场景以及收费依据，舍弃括号内的内容不会造成对项目名称的误解；

1-3)删除收费项目名称中的“进口”和“国产”字样；

1-4)统一同一收费项目的不同描述，比如“12通道动态心电图”和“十二通道心电图检查”，统一为“12通道动态心电图”；

1-5)删除收费项目名称中“一次性”字样；

1-6)删除收费项目名称中“注射液”和“胶囊”字样；

1-7)删除收费项目名称中“床旁”字样。

为了减少后续计算的计算量，在删除了设定的多种所述字段后，对所述收费诊疗账单进行标准化转换：

2-1)同一病人同一天同样收费项目使用总量进行加和；

2-2)同一病人同一天不同收费项目的使用总量进行归一化处理，将使用数量

都归一化到区间[0,100]；

对标准化转换后的数据调整输出格式，具体过程为：

3-1)将所有收费项目都分配一个唯一编号；

3-2)将经过步骤(1-2)处理后的收费数据整理成如下输出格式“病人编号@日期,收费项目编号收费项目编号收费项目编号收费项目编号收费项目编号......”表示某一病人在某一天具体有哪些收费项目，同一收费项目编号重复次数为该收费项目在当日归一化后的数量。

对所述诊疗收费账单进行特征提取，并将提取出来的活动特征输入所述LDA主题聚类模型中，得到对应的主题模型，能够反映出在诊疗当天诊疗是服务于哪些主题的；以及反映了确定了诊疗主题后，需要采取哪些诊疗项目。

然后，对所述主题模型进行按天聚类，将所述主题类型对应的概率与设定的阈值进行比较，若大于，则将所述主题模型赋予响应的诊疗文档，然后将所述诊疗文档中的所有所述主题模型对应的概率按照降序进行排列，并利用破折号“-”进行连接，得到对应的复合主题，最后按照文档日期进行排序，得到对应的诊疗主题序列，完成对所述主题模型的按天聚类。

利用所述PROM过程挖掘工具对聚类结果进行过程挖掘，得到对应的过程模型，包括：

诊疗主题序列整理成相应日志文件，对日志文件进行数据挖掘，得到临床路径。具体包括以下步骤：

1)将得到的病人诊疗主题序列按照PROM过程挖掘工具要求整理成相应的日志文件；

2)直接使用PROM中的启发式过程挖掘算法针对输入的病人诊疗主题序列日志文件进行挖掘，得到相应疾病的临床路径，即过程模型。

S102、提取所述诊疗收费账单中多种项类，并对同义词进行预处理，得到对应的过程日志。

具体的，根据所述诊疗收费账单，对所述诊疗收费账单中的多种项类进行提取，比如：病人编号、项目名称、单价、数量和日期等，并对所述项类的统同义词进行归纳、替换和删除，具体为：

基于Intrinsic IC-based的方法度量不同项目之间的语义相似度；

根据收费项目的相似度进行处理，将所有两两相似度值不小于0.8的收费项目对输出到一个must-links文件中，输出格式为“MERGE_收费项目编号收费项目编号”；其中收费项目编号为S101得出的编号，完成对同义词的归纳。

对于相似度值在0.5-0.8之间的同义词，利用标准化的词汇进行替换。

对于相似度完全一样的同义词进行删除。得到需要的过程日志。

S103、将所述过程日志中的执行序列进行划分，并基于设定的对齐原则，将所述过程模型与所述过程日志进行对齐，得到对应的对齐集。

具体的，将所述过程日志中多种项类进行复合，得到对应的执行序列，并将所述执行序列划分为强制执行序列和选择执行序列，其中，强制执行序列为必须执行序列，不需要经过对齐原则，直接划分进对应的对齐集中，设定的对齐原则为根据不同的对齐情况，将对应为数据划分到对应的对齐集中，具体为：

若所述主题模型与所述选择执行序列相同，直接对齐，则将对应的所述主题模型和所述选择执行序列写入构建的所述对齐集；

若所述主题模型与所述选择执行序列不相同，则通过度量成本，减小对齐范围，得到对应的所述对齐集，具体为：搜索所述主题模型和所述选择执行序列之间的多个距离值；通过度量成本，将多个所述距离值按照升序排列，将排序中的第一个(最小的一个距离值)所述主题模型与所述选择执行序列写入对应的所述对齐集，通过不断定位偏差，缩小对齐范围，得到的所述对齐集为最优对齐集。

S104、对所有的所述对齐集进行筛选，完成临床路径的优化。

具体的，将所有的所述对齐集进行统计汇总，并按照升序进行排列后，将排序中的第一个所述对齐集作为需要的诊疗路径，即将所述对齐集中的最小的一个对齐集中的活动作为最佳的诊疗路径，完成对诊疗路径的优化，减少了人为因素的干预，提高了速度，也减少了错误的出现，进而提高了临床路径的使用体验。

本发明的一种基于过程挖掘的临床路径优化方法，首先，获取诊疗收费账单以及对所述诊疗收费账单进行预处理和特征提取，然后，利用LDA主题聚类模型和PROM过程挖掘工具对所述诊疗收费账单进行聚类和挖掘，得到对应的过程模型；接着，提取所述诊疗收费账单中多种项类，并对同义词进行预处理，得到对应的过程日志；其次，将所述过程日志中的执行序列进行划分，并基于设定的对齐原则，将所述过程模型与所述过程日志进行对齐，得到对应的对齐集；最后，对所有的所述对齐集进行筛选，完成临床路径的优化，提高临床路径的使用效果。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。