基于贝叶斯网络的临床信息模型检索方法研究:以HL7 V3为例

A Method Based on Bayesian Network to Retrieve Clinical Information Models:A Case Study of HL7 V3

二维码有效期 120s

摘要临床信息模型的可复用性是实现健康医疗信息互联互通和共享的重要基础,检索并识别出临床信息模型中可复用的对象是提高复用性的一种有效途径.以HL7.org发布的HL7 V3 2017标准版本为研究对象,应用扩展的4层贝叶斯网络表征该临床信息模型,在简单贝叶斯网络的基础上增加分层消息描述(HMD)之间语义相似性的扩展层,通过网络的逐层概率推演识别出可复用的临床信息模型.实验设计“就诊预约”、“实验室结果”和“病人实体”等3个检索任务,并应用平均精度均值MAP、平均精度AP和截止点准确率等3个指标以评价检索方法的性能.最终构建含有3 428个节点和22 646条边的4层贝叶斯网络,自上而下依次为数据元素层、HMD层、重复的HMD层和消息类型层,各层节点数量分别为2 177、422、422和407.检索结果显示,MAP值达到了0.382,在第3、第5和第10截止点的平均准确率分别达到77.8％、60.0％和46.7％;该方法不仅可以检索出通用型和领域型两类可复用模型,还能够发现临床语义切实相关的对象(例如检索“就诊预约”时返回的“预约更新通知”对象).所提出的方法将有助于提高HL7 V3信息模型的复用性,并促进临床信息标准的国际化建设,同时对其他临床信息模型检索方法的优化和改进存在一定的借鉴意义.