本申请涉及智慧医疗，特别是涉及适用于多源医疗系统采集的规则模型生成方法、系统、设备、介质及程序产品。
背景技术：
1、在医疗领域，随着信息技术的发展，医院内部的信息系统变得越来越复杂。医院内部通常部署了多个信息系统，每个系统都存储和管理着特定的数据类型。例如，emr系统存储患者的医疗记录，pacs系统管理医学影像，而lims系统处理实验室测试结果。这些系统的设计初衷是为了提高医疗服务的效率和质量，但随着时间的推移，系统数量的增加导致了数据孤岛现象，信息共享和整合变得困难。
2、由于不同系统采用的数据模型和存储格式通常都不同，因此将这些数据整合在一起称为一个不小的挑战。主索引规则(master patient index,mpi)是用于识别和匹配患者信息的关键工具，然而对于非专业it人员来说，理解和应用mpi规则变得相当复杂。此外，医院工作人员很可能不熟悉如何生成能够跨系统有效工作的规则，这限制了他们整合和利用数据的能力，另外当医疗流程或法规发生变化时，现有的系统无法快速适应这些变化，需要手动调整规则，这对于非专业it人员来说也是个很大的挑战。
技术实现思路
1、鉴于以上所述现有技术的缺点，本申请的目的在于提供适用于多源医疗系统采集的规则模型生成方法、系统、设备、介质及程序产品，用于解决现有技术无法根据已有的模型数据生成合理的规则，无法使院内多个系统的患者信息更好的匹配并进行快速规则调整的技术问题。
2、为实现上述目的及其他相关目的，本申请的第一方面提供一种适用于多源医疗系统采集的规则模型生成方法，包括：从多个医疗业务系统中采集患者模型数据，以基于采集到的患者模型数据生成对应的患者模型；基于所述患者模型选择所需的模型属性列，基于所选的模型属性列进行丢失率统计；根据丢失率统计结果对患者模型进行初次裁剪，以裁剪掉丢失率高于阈值的属性列；在根据丢失率对患者模型进行初次裁剪后，对患者模型中剩余的属性列进行离散程度统计；根据离散程度统计结果对患者模型进行再次裁剪，以裁剪掉离散程度低于阈值的属性列；在根据离散程度对患者模型进行再次裁剪后，对患者模型中剩余的属性列进行相关性统计；根据相关性统计结果对患者模型进行第三次裁剪，以裁剪掉关联性高于阈值的属性列；在根据相关性对患者模型进行第三次裁剪后，对患者模型中剩余的属性列进行多重共线性统计；根据多重共线性统计结果对患者模型进行第四次裁剪，以裁剪掉与其他属性列对的关联性高于阈值的属性列；根据第四次裁剪后的患者模型的属性列以及预设的合并准确率和疑似患者比例数值生成并优化规则模型。
3、于本申请的第一方面的一些实施例中，所述方法包括：在从多个医疗业务系统中采集患者模型数据后进行数据预处理，以整合和标准化存在冲突或不一致的数据。
4、于本申请的第一方面的一些实施例中，所述方法包括通过计算方差、标准差、极差、四分位数间距值中的任一种或多种来进行离散程度的度量。
5、于本申请的第一方面的一些实施例中，所述规则模型包括如下组成部分：患者属性、属性权重、属性分值、评分规则、阈值设定、行动建议。
6、于本申请的第一方面的一些实施例中，所述根据第四次裁剪后的患者模型的属性列以及预设的合并准确率和疑似患者比例数值生成并优化规则模型，包括：为经过第四次裁剪后的患者模型的每个属性列分配权重和分值；预设合并准确率和疑似患者比例，并确定患者模型的初始阈值；根据每个属性列被分配的权重和分值，构建患者总分计算规则；将历史医疗数据输入患者模型进行训练和优化，将患者模型基于初始阈值判断得到的合并准确率和疑似患者比例与预设的合并准确率和疑似患者比例做比较，根据比较结果对初始阈值做调整；重复使用历史医疗数据来训练和优化模型，直至患者模型输出的预测结果与推荐的合并准确率和疑似患者比例一致或足够接近。
7、于本申请的第一方面的一些实施例中，所述方法还包括在构建得到规则模型后还执行：选择一个患者数据集作为模型验证的基础；使用规则模型对所选的患者数据集中每个患者计算得到风险评分以进行验证；根据验证结果对患者模型进行参数调整。
8、为实现上述目的及其他相关目的，本申请的第二方面提供一种适用于多源医疗系统采集的规则模型生成系统，包括：数据采集模块，用于从多个医疗业务系统中采集患者模型数据，以基于采集到的患者模型数据生成对应的患者模型；模型裁剪模块，用于基于所述患者模型选择所需的模型属性列，基于所选的模型属性列进行丢失率统计；根据丢失率统计结果对患者模型进行初次裁剪，以裁剪掉丢失率高于阈值的属性列；在根据丢失率对患者模型进行初次裁剪后，对患者模型中剩余的属性列进行离散程度统计；根据离散程度统计结果对患者模型进行再次裁剪，以裁剪掉离散程度低于阈值的属性列；在根据离散程度对患者模型进行再次裁剪后，对患者模型中剩余的属性列进行相关性统计；根据相关性统计结果对患者模型进行第三次裁剪，以裁剪掉关联性高于阈值的属性列；在根据相关性对患者模型进行第三次裁剪后，对患者模型中剩余的属性列进行多重共线性统计；根据多重共线性统计结果对患者模型进行第四次裁剪，以裁剪掉与其他属性列对的关联性高于阈值的属性列；模型生成模块，用于根据第四次裁剪后的患者模型的属性列以及预设的合并准确率和疑似患者比例数值生成并优化规则模型。
9、为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述适用于多源医疗系统采集的规则模型生成方法。
10、为实现上述目的及其他相关目的，本申请的第四方面提供一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现所述适用于多源医疗系统采集的规则模型生成方法。
11、为实现上述目的及其他相关目的，本申请的第五方面提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序；所述处理器执行所述计算机程序以实现所述适用于多源医疗系统采集的规则模型生成方法。
12、如上所述，本申请的适用于多源医疗系统采集的规则模型生成方法、系统、设备、介质及程序产品，具有以下有益效果：本申请可以根据已有的患者模型数据生成合理的规则，使得院内来自于多个不同系统的患者信息更好的匹配以及快速规则调整，解决了非it专业人士对于院内多系统患者数据模型不熟悉或者对主索引规则不熟悉而导致的受限。
1.一种适用于多源医疗系统采集的规则模型生成方法，其特征在于，包括：
2.根据权利要求1所述的适用于多源医疗系统采集的规则模型生成方法，其特征在于，所述方法包括：在从多个医疗业务系统中采集患者模型数据后进行数据预处理，以整合和标准化存在冲突或不一致的数据。
3.根据权利要求1所述的适用于多源医疗系统采集的规则模型生成方法，其特征在于，所述方法包括通过计算方差、标准差、极差、四分位数间距值中的任一种或多种来进行离散程度的度量。
4.根据权利要求1所述的适用于多源医疗系统采集的规则模型生成方法，其特征在于，所述规则模型包括如下组成部分：患者属性、属性权重、属性分值、评分规则、阈值设定、行动建议。
5.根据权利要求1所述的适用于多源医疗系统采集的规则模型生成方法，其特征在于，所述根据第四次裁剪后的患者模型的属性列以及预设的合并准确率和疑似患者比例数值生成并优化规则模型，包括：
6.根据权利要求1所述的适用于多源医疗系统采集的规则模型生成方法，其特征在于，所述方法还包括在构建得到规则模型后还执行：选择一个患者数据集作为模型验证的基础；使用规则模型对所选的患者数据集中每个患者计算得到风险评分以进行验证；根据验证结果对患者模型进行参数调整。
7.一种适用于多源医疗系统采集的规则模型生成系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述适用于多源医疗系统采集的规则模型生成方法。
9.一种计算机程序产品，其特征在于，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如权利要求1至6中任一项所述适用于多源医疗系统采集的规则模型生成方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至6中任一项所述适用于多源医疗系统采集的规则模型生成方法。
