近年来我国缺血性卒中疾病负担日益严重,缺血性卒中病因分型对于缺血性卒中的治疗及相关的临床研究至关重要,为了缓解临床医生的负担,以及提高病因分型的准确率及一致性,缺血性卒中病因自动分型研究应运而生,但是目前已有的缺血性卒中病因自动分型模型存在分型标准不一致、操作不便、可解释性差、处理文本数据能力差等缺点,而计算机化临床指南和自然语言处理技术的发展为改进和完善缺血性卒中病因自动分型模型提供了新的契机。本研究主要研究内容为:1、临床指南诊疗流程提取方法。本研究提出了图形化诊疗流程表示方法,针对指南中不同类型的语义块进行不同图形的定义,从而实现图形化建模操作,并以缺血性卒中病因分型流程提取为例,详细说明了如何从文本化临床指南中提取诊疗流程。2、缺血性卒中病因分型指南表示。使用openEHR框架下的GDL2计算机化临床指南模型对缺血性卒中病因分型指南中的临床知识及推理逻辑进行表示,构建出计算机化缺血性卒中病因分型指南,同时使用虚拟数据验证所构建的计算机化临床指南的逻辑合理性和可操作性。3、结构化缺血性卒中患者电子病历数据。根据计算机化缺血性卒中病因分型指南所需的特征,需要从患者电子病历数据中获取结构化的数据。本文重点对结构化电子病历中的文本数据进行了研究,包括从超声心动图中识别心源性栓塞源以及从患者头部MRI报告中识别DWI高信号出现部位,分别采用了 BERT-LSTM-CRF命名实体识别模型和基于机器阅读理解的关系抽取模型实现了结构化电子病历文本数据。4、缺血性卒中病因分型方法性能评价。使用准确率、召回率、F1 score对结构化电子病历数据所采用的NLP模型识别结果进行了评估,心源性栓塞源识别的F1值达到了 93.99%,DWI高信号出现部位识别的F1值达到了 91.39%。此外通过获取病例报告中的患者数据,构建缺血性卒中病因分型评估数据集,并对所构建的缺血性卒中病因自动分型模型进行评估。最后本研究还从多方面对比了基于指南知识表示的缺血性卒中病因分型模型与其他已有的缺血性卒中病因分型模型的异同点。综上,本研究基于计算机化临床指南模型和自然语言处理技术构建了基于指南知识表示的缺血性卒中病因自动分型模型。本研究对真实世界电子病历数据进行自然语言处理与临床指南建立映射,在采用病例报告构建的患者数据集上对本研究的病因自动分型模型进行验证,本研究为临床指南与病历数据相结合的决策支持系统建设提供技术支撑。