提供心电图判读服务的方法、程序及装置与流程

本揭示的内容揭示一种医疗领域的数据处理技术，具体地，揭示一种把能够针对基于人工智能的心电图判读结果予以补充的信息加工后进一步提供的方法。

背景技术：

1、先前执行的心电图自动判读仅仅以心电图为基础告知可能会存在某一种疾病。但是仅仅是告知可能会存在某一种疾病的信息无法对查看心电图判读结果的医生给予帮助。利用心电图判读服务的多个医生(即，委托了心电图判读服务的多个医生)是对心电图判读的专业知识不足的医生，因此即使确认到心电图指出了某一个疾病的可能性时也不知道为了治愈该疾病需要进行什么检查或治疗。因此不仅需要告知该委托人(非专科医生)存在着疾病a，还需要告知应该进一步进行什么检查以及开出什么处方之类的信息。

2、而且，先前执行的心电图自动判读无法说明判读结果出现的理由，因此外部较难确认判读结果的可靠度。因此存在着利用心电图判读服务的多个医生因为无法信任判读结果而不予以使用的可能性。

技术实现思路

1、技术问题

2、本揭示的目的是提供一种方法，该方法不止步于以心电图判读结果诊断疾病，还能同时提供需要进一步进行的检查或措施等既能补充诊断结果又能说明导出判读结果的理由的更多信息。

3、然而，本揭示需要解决的技术问题不限于前述问题，可以在下面的记载中明确地了解到前面没有提到的其它问题。

4、技术方案

5、依据解决如前所述的问题的本揭示的一实施例，揭示一种由计算装置执行的提供心电图判读服务的方法。所述方法可包括下列步骤：把利用以心电图为基础诊断疾病地预先学习的第一机器学习模型生成的判读内容予以分析而生成对于所述判读内容所含判读结果的第一附加信息；把为了生成所述判读内容而使用了的第一机器学习模型的相关信息作为第二附加信息予以生成；以及通过使用者接口提供所述第一附加信息或所述第二附加信息中的至少一个。

6、或者，所述把利用以心电图为基础诊断疾病地预先学习的第一机器学习模型生成的判读内容予以分析而生成对于所述判读内容所含判读结果的第一附加信息的步骤可包括下列步骤：把所述判读内容所含疾病名称或心电图特征中的至少一个作为关键字予以提取；以及利用既建立的关键字数据库或作为预先学习的生成式模型的第二机器学习模型生成包含着和提取的所述关键字相关的处方、检查或后续措施中的至少一个的第一附加信息。

7、或者，所述既建立的关键字数据库能以下述数据结构管理数据，该数据结构把对应疾病名称的主键(key)数据、和所述疾病名称的相关处方、检查或后续措施有关的名称中的至少一个对应的副键数据及对应所述副键数据的内容数据作为要素予以包含。

8、或者，利用既建立的关键字数据库或作为预先学习的生成式模型的第二机器学习模型生成包含着和提取的所述关键字相关的处方、检查或后续措施中的至少一个的第一附加信息的步骤可包括下列步骤：在所述既建立的关键字数据库导出和提取的所述关键字匹配的主键数据；以及以导出的所述主键数据为基准提取副键数据及内容数据而生成所述第一附加信息。

9、或者，所述第二机器学习模型能以下述方式预先学习，即，以包含医疗团队所撰写或验收的判读内容数据或电子医务记录数据中的至少一个的学习数据为基础生成和所述学习数据所含关键字的相关处方、检查或后续措施有关的信息。

10、或者，所述第一机器学习模型能以下述方式预先学习，即，接收心电图的输入后输出表示疾病的发病可能性或发展过程的分数。

11、或者，所述第二附加信息可包含和所述第一机器学习模型所输出的分数的判读基准对应的截断值、所述第一机器学习模型分析的疾病的发病率、所述第一机器学习模型的灵敏度、所述第一机器学习模型的特异度、关于所述第一机器学习模型的学习数据的信息或关于所述第一机器学习模型的验证(validation)数据的信息中的至少一个。

12、或者，所述截断值或所述发病率能以输入所述第一机器学习模型的心电图数据被测量的环境信息为基础予以确定。

13、或者，所述灵敏度或所述特异度能以确定的所述截断值为基础予以确定。

14、或者，通过使用者接口提供所述第一附加信息或所述第二附加信息中的至少一个的步骤可包括下列步骤：根据通过所述使用者接口输入的第二使用者请求把所述第一附加信息或所述第二附加信息中的至少一个和所述判读内容一起予以视觉化。

15、依据实现如前所述的问题的本揭示的一实施例揭示一种存贮在计算机可读存储介质的计算机程序(program)。所述计算机程序在一个以上的处理器实行时执行用于提供心电图判读服务的多个动作。此时，所述多个动作可包括下列动作：把利用以心电图为基础诊断疾病地预先学习的第一机器学习模型生成的判读内容予以分析而生成对于所述判读内容所含判读结果的第一附加信息；把为了生成所述判读内容而使用了的第一机器学习模型的相关信息作为第二附加信息予以生成；以及通过使用者接口提供所述第一附加信息或所述第二附加信息中的至少一个。

16、依据实现如前所述的问题的本揭示的一实施例揭示一种用于提供心电图判读服务的计算装置。所述装置可包括：处理器，包含至少一个内核(core)；存储器(memory)，包含所述处理器可运行的多个程序代码(code)。此时，所述处理器把利用以心电图为基础诊断疾病地预先学习的第一机器学习模型生成的判读内容予以分析而生成对于所述判读内容所含判读结果的第一附加信息，把为了生成所述判读内容而使用了的第一机器学习模型的相关信息作为第二附加信息予以生成，通过使用者接口提供所述第一附加信息或所述第二附加信息中的至少一个。

17、发明的效果

18、本揭示不止步于以心电图判读结果诊断疾病，还能同时提供需要进一步进行的检查或措施等既能补充诊断结果又能说明导出判读结果的理由的更多信息，能提高判读结果的可靠度，还能帮助客户正确理解判读结果。

技术特征：

1.一种提供心电图判读服务的方法，该方法由包括至少一个处理器的计算装置执行，包括下列步骤：

2.根据权利要求1所述的方法，其特征在于，所述把利用以心电图为基础诊断疾病地预先学习的第一机器学习模型生成的判读内容予以分析而生成对于所述判读内容所含判读结果的第一附加信息的步骤包括下列步骤：

3.根据权利要求2所述的方法，其特征在于，所述既建立的关键字数据库以下述数据结构管理数据，该数据结构把对应疾病名称的主键数据、和所述疾病名称的相关处方、检查或后续措施有关的名称中的至少一个对应的副键数据及对应所述副键数据的内容数据作为要素予以包含。

4.根据权利要求3所述的方法，其特征在于，利用既建立的关键字数据库或作为预先学习的生成式模型的第二机器学习模型生成包含着和所述提取的关键字相关的处方、检查或后续措施中的至少一个的第一附加信息的步骤包括下列步骤：

5.根据权利要求2所述的方法，其特征在于，所述第二机器学习模型以下述方式预先学习，即，以包含医疗团队所撰写或验收的判读内容数据或电子医务记录数据中的至少一个的学习数据为基础生成和所述学习数据所含关键字的相关处方、检查或后续措施有关的信息。

6.根据权利要求1所述的方法，其特征在于，所述第一机器学习模型以下述方式预先学习，即，接收心电图的输入后输出表示疾病的发病可能性或发展过程的分数。

7.根据权利要求6所述的方法，其特征在于，所述第二附加信息包含和所述第一机器学习模型所输出的分数的判读基准对应的截断值、所述第一机器学习模型分析的疾病的发病率、所述第一机器学习模型的灵敏度、所述第一机器学习模型的特异度、关于所述第一机器学习模型的学习数据的信息或关于所述第一机器学习模型的验证数据的信息中的至少一个。

8.根据权利要求7所述的方法，其特征在于，所述截断值或所述发病率以输入所述第一机器学习模型的心电图数据被测量的环境信息为基础予以确定。

9.根据权利要求7所述的方法，其特征在于，

10.根据权利要求1所述的方法，其特征在于，通过使用者接口提供所述第一附加信息或所述第二附加信息中的至少一个的步骤包括下列步骤：

11.一种计算机程序，其特征在于，

12.一种用于提供心电图判读服务的计算装置，其特征在于，

技术总结
本揭示的一实施例揭示了由计算装置执行的提供心电图判读服务的方法、程序及装置。所述方法可包括下列步骤：把利用以心电图为基础诊断疾病地预先学习的第一机器学习模型生成的判读内容予以分析而生成对于所述判读内容所含判读结果的第一附加信息；把为了生成所述判读内容而使用了的第一机器学习模型的相关信息作为第二附加信息予以生成；以及通过使用者接口提供所述第一附加信息或所述第二附加信息中的至少一个。

技术研发人员：权俊明,林婵裕
受保护的技术使用者：美迪科诶爱有限公司
技术研发日：
技术公布日：2025/3/13