学术论文网

  • 当前位置:主页 > 如何写论文 > 参考文献 > 正文>青春励志战队

    青春励志战队

    发布日期:2020-11-04 06:14 参考文献

      为了解决目前中国医疗资源错配的问题,本文利用人工智能和大数据技术,基于我国现有分级诊疗制度,创新性的提出了利用人工智能模型根据患者的实际情况进行医疗资源的动态分配,使不同等级医疗机构的就诊人数比例达到动态平衡,有效避免“高等级医疗机构人满为患、基层医疗机构无人问津”的情况发生。同时,利用人工智能数据隐私保护算法打破不同医疗机构之间的信息壁垒,利用自然语言处理技术有效整合跨医院间的非结构化数据,保护医疗机构信息安全,做到在患者数据不离开医疗机构的前提下利用多方数据建立高精准度的人工智能判别模型。最终以人工智能模型为中心,进行患者在不同等级医疗机构间的动态分配,有效提高基层首诊率,简化患者转诊流程。

      分级医疗就诊制度是目前我国有效分配医疗资源的重要制度,能够一定程度上优化医疗资源配置。然而,自分级医疗体系实施以来效果却不明显:截至2019年十一月底,占全国医疗机构数量94.6%的基层医疗机构服务的总诊疗人次数比例只有53.3%,而占医疗机构总数2.2%的三级医院、二级医院、一级医院提供的诊疗人次比例却高达40.1%。这是由于分级医疗就诊制度采用的是层级模式,信息只能在层间流转,导致医疗信息传递滞后,患者在转诊过程中会遇到手续复杂、信息不足等问题。这些因素导致了患者看病的首要选择仍然是大型医院而非基层医疗机构。这些现象都表明了目前的分级医疗制度仍存在着较为严重的医疗资源错配的问题。

      分级诊疗制度的内容主要是四个部分:基层首诊、双向转诊、急慢分治、上下联动。基层首诊是在坚持群众自愿的前提下,引导非急诊患者首先到基层医疗机构进行就诊。双向转诊是鼓励恢复期患者向下转诊,部分疑难杂症患者向上转诊,从而实现不同类别和级别之间的医疗机构相互转诊。急慢分治是通过完善亚急性、慢性病服务体系,将度过急性期患者从三级医院转出,落实各级各类医疗机构急慢病诊疗服务功能。上下联动是在医疗机构之间建立分工协作机制,促进优质医疗资源纵向流动。

      目前,由于大医院的虹吸效应,常见病患者大多选择高等级医疗机构进行首诊。同时由于各等级医疗机构之间采用了层级化的信息交流机制,信息只能在上下级关系的医疗机构内部传递,导致医院之间信息交流不畅,并不是真正的信息互联,无法做到各层级之间的医疗资源的动态分配。这些原因导致了大医院患者人满为患,较大程度上担任了多发病、常见病的诊疗工作,基层医疗机构则门可罗雀,医疗资源错配的现象十分严重。

      对于现有的分级医疗体系研究发现,由于各级医疗机构有着客观事实上的层级关系,使得基于层级的诊疗关系以及病患数据只能在上下层之间传递,而这一传递方式受到了地域和层级的限制,容易形成各个医院、层级的“数据孤岛”。因此,本研究旨在构建一个基于数据隐私保护算法的大数据医疗信息共享制度,在保证数据不离开原有限制范围的前提下构建一个数据隐私保护体系进行人工智能建模。并利用人工智能模型决策,为患者分配等级匹配、相对空闲、且便于就诊的医疗机构,从而有效提高医疗资源分配效率。

      利用人工智能和大数据优化分级诊疗制度(基层首诊、双向转诊、急慢分治、上下联动),从传统的层级制度改为中心制:1.优化基层首诊制度:基于现有网上挂号制度,对于常见病、多发病患者由医疗系统数据中心提供统一挂号服务,通过医疗数据中心的AI模型分配至等级、地理位置等条件相匹配的医疗机构;2.优化转诊制度,即通过医疗平台数据中心对患者进行医疗资源的统一分配,并由数据中心将患者转诊所需信息从转出医疗机构调出,并传输至转入医疗机构中。只有将数据和应用进行“全局统筹建设”,才能真正实现分级诊疗。

      数据隐私保护算法是破解分级诊疗实施过程中的“信息孤岛“问题的关键。数据隐私保护算法可以让各级医疗机构的自有数据不出本地,通过系统中加密机制下的参数交换方式,即在不违反数据隐私法律法规情况下,联合建立一个全局的共享模型。建好的模型在各自的区域只为本地的目标服务。相比于传统的建模方式,联邦学习无需医疗机构将患者数据上传至数据中心,不仅有效减少了中心与数据孤岛之间的通信数据量,且各数据拥有方之间无须交换任何原始数据,可显著加快研究效率和AI模型的生产速度。

      此外,创新的、低成本的联合学习模型还可以促进效率低下的分布式数据中心升级为高效的密集数据网络,从而更好地协助建立区域数据中心或行业标准数据库。符合国家“新型基础设施”的战略方针,加快“数据智能化”基础设施建设,为医疗行业节约成本、创造价值。

      转诊制度是分级诊疗制度重要环节,合理有效的转诊能够让不同程度的患者分配到等级相匹配的医疗机构,避免大医院“门庭若市、基层医疗机构门可罗雀”的情况发生。然而,目前医疗机构采用的信息系统不尽相同,数据储存的格式、质量也大相径庭,导致了不同医疗机构形成了一个个“数据孤岛”。传统的中心化建模方式需要将等级医疗机构数据集中至中心服务器,经过数据治理后才能进行统一建模,由于上述的数据孤岛问题,这无疑是难以实现的,但是数据隐私保护算法可以很好的解决了这一难题。

      在数据隐私保护算法的助力下,可以建立基于分级诊疗制度下的“推荐系统“模型,实现医疗资源精准分配。这里为患者提供医疗机构推荐服务的场景主要分为两种:首诊和转诊(这里主要讨论的是非急诊患者)。

      大医院人满为患的原因主要在“基层就诊”环节。一般情况下,患者不清楚自身情况,往往都趋向于去的大医院,而忽略了基层医疗机构也能满足患者治疗常见病的需求。所以,建立一套基于病情等级划分的医疗机构推荐系统,在患者人在线挂号时为其推荐合适(等级、地点、病种)的医疗机构,能够实现提升医疗资源的有效分配。

      对于转诊的患者而言,其拥有一定积累的病历、服用药品情况等非结构化数据。因此可以利用自然语言处理技术将非结构化数据转化为结构化数据,通过隐私保护算法技术联合建模后的精准定位模型判断其是否符合转诊要求,从而实现重点畅通慢性期、恢复期患者向下转诊,逐步实现不同级别和类别医疗机构之间的有序转诊。将度过急性期的患者从三级医院转出,落实各级各类医疗机构急慢病诊疗服务功能,可以使有限的医疗资源分配给更有高需求患者。同时,推行基于数据中心的电子化转诊,简化患者转诊手续,切实提高医疗资源流动效率。

      《“互联网+”医联体背景下分级诊疗的系统动力学分析》中对此进行了模拟试验:将分级诊疗信息平台建设水平设置为干预靶点,预设到2022年,江苏省的分级诊疗信息平台建设水平在原有基础上提升一个等级,在干预靶点之后,系统中的江苏省首诊人数在2018年到2022年间稳定递增,较为干预状态下增加了488.7万人次。从实验结果可得,利用数据隐私保护算法构筑一个分级诊疗数据中心对提高医疗资源分配效率大有裨益。

      利用海量的医疗数据结合SNOMEDCT术语集,基于医学自然语言处理技术和医学知识图谱技术,实现住院病案的临床表征、临床诊断、治疗手段等信息的精准化提取,形成结构化数据集。经过合理的数据治理为不同需求的用户提供具有完整统一的、可追溯的健康医疗数据的生态体系。用户既可以关注数据的本身,也可以关注数据与数据间的血缘关系;既可以使用元数据属性寻求更多的数据标签,也可以使用关系辨别主数据的耦合性,为分级诊疗推荐系统建模提供充分的结构化数据,同时也能为转诊病人提供电子化转诊渠道,将病人病历数据通过数据中心传输至目标医疗机构,简化转诊流程。

      患者健康画像,也就是患者信息标签化。基于病历数据结构化技术,系统可以通过收集患者以往治疗,体检,保健等过程中产生的体检报告,电子病历等身体健康数据,利用人工智能技术从中抽取有意义的信息,自动生成一个带有患者真实身体特征的患者健康画像。

      患者健康画像能够让医生在短时间内了解病人的身体情况,从而能够高效地与病人进行沟通,对用药和治疗方案做出准确判断。

      同时,基于中心化的医疗信息平台,医疗信息系统可根据患者转诊需求自动将其患者健康画像调送至目标医院,避免了传统的档案转义手续,简化病人转诊流程。

      1.基本信息标签:患者性别、年龄、血型、计划免疫、职业(特殊职业)、过敏史、妇幼保健等标签。

      2.不良药物反应及用药禁忌标签:针对患者过敏史、所患疾病(特别是肝肾)、药物不良反应史、特殊职业、怀孕哺乳情况、两周内用药等信息建立标签。

      3.病史标签:通过电子病历、体检等抽取的信息结合临床知识库建立疾病分析模型,获得患者既往疾病史、慢性病、疾病状况、伴生病等标签。

      4.疾病预测标签:将疾病标签、个体属性、疾病历史等相关信息作为输入,采用智能时序模型预测患者在未来患上某种疾病的概率,构建疾病预测标签。

      综上所述,本方案基于数据隐私保护算法建立了一个无需让各等级医疗机构将原始数据上传的联合建模方式,通过医疗系统大数据训练出一个精准的高效的医疗资源分配模型,并以其为中心建立一个医疗资源分配系统。该系统的决策能够让患者在各等级医疗机构中快速流动,及时释放高等级医疗资源,提高基层医疗机构利用率,真正做到基于病因、发展阶段、严重程度合理分配医疗资源,切实提高整体医疗资源利用效率。

      1.采用数据隐私保护算法联合建模,各医疗机构无原始数据传输,通过模型梯度与参数的传输与聚合运算进行模型效果优化,减少海量数据传输通信成本的同时提高了各医疗机构的数据安全性

      2.建立了以人工智能模型为中心的,基于模型决策为患者精准分配合适的医疗资源,做到根据病情分配等级合适的医疗资源,提高各等级医疗资源利用效率

      1.对于提高基层就医率而言,提高基层医疗机构的医疗水平是一个重要环节。可以从物联网,远程医疗,AI医疗助手等方面入手,利用大数据和人工智能提高基层就医质量。

      [2]段金宁.“互联网+”医疗环境下的健康医疗大数据应用[J].中华医学图书情报杂志,2018,27(06):49-53.

      [3]于淼喆. 互联网医疗环境下患者隐私保护问题研究[D].郑州大学,2019.

      [5]王富民.分级诊疗体系下医疗资源优化配置探索:基于大数据医疗信息共享机制[J].中国卫生经济,2019,38(08):45-47.

      [6]王觅也,郑涛,李楠,张睿,师庆科.医疗大数据集成及应用平台体系构建[J].医学信息学杂志,2019,40(08):37-42.

      [7]国务院《关于实施健康中国行动的意见》和《关于印发健康中国行动组织实施和考核方案的通知》

      [9]国家卫健委、国家中医药管理局《关于加快推进人口健康信息化建设的指导意见》


    网友转发请注明出处转载请保留链接:青春励志战队本文链接http://www.yule868.com/a/cankaowenxian/20201104/17426.html,谢谢合作!868学术论文网


    上一篇:不愧是我随你都行队   下一篇:FF战队


    论主学术论文网 学术论文网专业指导写论文的要点和技巧,指导如何写论文,本科毕业论文,写作大学毕业论文,专为工程类,医学类,教育类,经理类,管理类,会计类,艺术类等原创毕业论文如何写,值得信赖值得靠谱的毕业论文写作网站.
  • 文章总数
  • 2320976访问次数
  • 建站天数
  • XML地图 XML_1地图 备案蜀ICP备16030853号