基于医学知识图谱的病案首页质量改进研究——以新疆某三甲公立医院为例
基于医学知识图谱的病案首页质量改进研究——以新疆某三甲公立医院为例
一句话摘要：以新疆某三甲公立医院 800 份住院病案首页为对象，通过从三个高质量医学知识图谱中抽取融合构建面向病案首页质控的医学知识图谱，结合规则与机器学习进行实体识别、深度学习识别实体关系、Neo4j 图数据库存储，并依托知识图谱细化扩充质控规则，设计实现住院病案首页质控系统，显著降低缺陷率和质控耗时。
📝 摘要
以新疆某三甲医院为例，运用知识图谱技术和 Neo4j 图数据库构建医学知识图谱，通过深度学习进行实体识别和关系抽取，实现病案首页质量的智能化改进。
基本信息
| 字段 | 内容 |
|---|---|
| 题目 | 基于医学知识图谱的病案首页质量改进研究——以新疆某三甲公立医院为例 |
| 学校 | 浙江大学（工程师学院） |
| 作者 | 李庆玲（指导教师：顾复） |
| 学位 | 工程管理硕士 |
| 年份 | 2024 |
| 行业 | 医疗 / 医院管理 |
| 研究方向 | 质量管理 |
| 关键词 | 住院病案首页；医学知识图谱；质量改进；质控规则；质控系统 |
🎯 研究问题
病案首页填写质量差、人工质控效率低。
研究背景与问题
住院病案首页在医院绩效考核、质量管理、医保结算、医学研究、成本控制等方面发挥重要作用。但实际应用中，因编码工作认识不到位、病案质控部门工作量大、人员数量不够、专业程度不足等原因，存在基本信息漏填、主要诊断选择错误、术语填写不规范、信息之间逻辑错误、编码与名称不符等质量问题。本文抽取新疆某三甲公立医院 800 份住院病案首页，重点分析患者信息、诊疗信息、住院信息、费用信息，以及形式质控和内涵质控问题。
核心方法
- 问题诊断：通过文献分析与 访谈法，梳理住院病案首页填写的质量现状及缺陷原因。
- 知识图谱构建：从行业已有的三个高质量医学知识图谱进行抽取融合，构建面向住院病案首页质控的医学知识图谱：
- 质控系统设计与实现：依托知识图谱对病案首页质控规则进行细化扩充，完善质控系统辅助下的质控流程，设计实现住院病案首页质控系统。
- 以基于规则的实体识别为主，配合基于机器学习的实体识别方式
- 以深度学习方式识别实体关系
- 采用成对实体对齐方法，以 Jaccard系数 计算集合相似度
- 采用基于表示学习的知识推理方法
- 选择 Neo4j 图数据库进行知识图谱存储
主要结论
- 缺陷数量大幅下降：缺陷份数从 462 份下降至 50 份，下降率 89.2%；总缺陷率从 57.75% 降至 6.25%。
- 数据质量显著提升：患者信息、住院信息缺陷频次均降至 0 次；主要诊断缺陷从 19.25% 降至 2.38%；其余缺陷均不超过 2%。
- 效率提升明显：平均每份病案首页质控时间从 7 分 48 秒缩短到 57 秒；编码逻辑性缺陷和诊断编码合理性缺陷从 423 项降至 47 项。
- 系统响应速度 63-65ms，符合预期要求。
亮点与可借鉴之处
- 将医学知识图谱技术与病案首页质控场景结合，实现了「数据驱动 + 规则驱动」的智能质控
- 知识图谱构建流程完整——知识抽取 → 知识融合 → 知识推理 → 知识存储（Neo4j）
- 可迁移至其他医疗信息系统的数据质量控制场景
- 量化验证效果显著（缺陷率降 89.2%，质控时间降 87.8%）
相关链接
📂 原文
00-Raw/
📝 本文为论文知识整理笔记，仅供个人学习研究使用
观点归属原作者 · 转载请注明出处