CN105303059A - 一种基于智能移动设备和智能大数据分析的远程诊疗系统 - Google Patents

Abstract

本发明公开了一种基于智能移动设备和智能大数据分析的远程诊疗系统，本发明可以充分利用智能手机、平板电脑等移动设备提供即时的病症信息和环境信息以及以深度推理为基础的智能诊断来为医生和患者之间提供最及时的沟通和诊疗服务；随着医生和患者之间的供需关系缺口越来越大，这一系统的智能技术可以高效地综合即时信息并为医生的诊断提供快速的参考分析，从而使诊断的过程大大加速；同时，智能治疗方案推荐又可以使病人的治疗更为及时；这一使用移动互联网的远程系统还能解决病人原本需要大量耗时的异地求医问题；本发明处于国内领先和国际先进水平。

Description

一种基于智能移动设备和智能大数据分析的远程诊疗系统

技术领域：

本发明是关于远程医疗和智能辅助诊断领域，特别涉及一种基于智能移动设备和智能大数据分析的远程诊疗系统。

背景技术：

当今，医生和患者之间的供需关系缺口越来越大。为了获得最有效的诊断和治疗，患者往往需要前往很远的外地求医。基于互联网的远程系统可以部分解决病人原本需要大量耗时的异地求医问题，比如专利CN203153946U“远程诊疗智能机”、CN101620648“一种中医远程诊疗方法”和CN1295285“中医控制远程医疗系统”中介绍的系统和方法。但这类系统和方法主要着眼于建立一套定制的通讯系统并连接远程的客户端或客户机来提供诊疗服务。这类系统没有考虑智能技术来综合信息并为医生的诊断提供快速准确的参考分析，从而使病人的远程诊断更及时更高效。

最近，云计算也被逐渐引入远程医疗系统以充分利用其分布式的资源管理和远程接入，比如专利CN103942402A“基于云平台的远程医疗服务系统及远程医疗服务控制方法”和CN103150469A“基于云技术的远程医疗服务系统及其实现方法”中公开的方法。但这类方法忽略了云平台搜集数据的潜力和处理数据的能力。

另外，基于知识库的方法也被引入了医疗相关的系统，如专利CN1748218“综合医疗知识库界面系统及方法”和CN101515958“一种具备智能查询医学知识功能的手机及其实现方法”中所介绍的方法。但这类方法只着眼于知识库本身的管理和查询，而忽略了将知识库里的知识实时应用于医学诊断和治疗方案推荐。

所以，到目前为止还没有一个比较系统的方法或系统可以提供随时随地且有医生领域知识支撑的远程诊疗服务。为此，我们发明了一种充分利用智能手机、平板电脑等移动设备提供即时病症信息和环境信息，同时以医生领域知识深度推理为基础的智能诊断来为医生和患者之间提供最及时诊断和治疗服务的系统。该系统及其使用的技术处于国内领先和国际先进水平。

发明内容：

本发明的主要目的在于摒弃现有系统中的种种不足，并充分利用智能移动设备随时随地的信息（病症和环境信息）采集功能以及云端大数据的综合分析能力，来为远程诊断和治疗提供最及时和准确的分析和推荐功能的一种系统。

为解决上述背景技术中提到的问题，本发明的解决方案是：

通过一种基于智能移动设备和智能大数据分析的远程诊疗系统，其特征在于：包括移动应用及环境信息收集子系统、基于移动互联网的病症信息收集与人机交互子系统、基于大数据的诊断深度推理子系统和基于多信息源的智能诊断子系统，通过所述四个子系统的信息交换与综合完成主动与被动方式相结合的信息收集，云端多信息源的大数据合成，以及基于大数据的诊断辅助深度推理：

（一）移动应用统及环境信息收集子系

（二）基于移动互联网的病症信息收集与人机交互子系统

（三）基于大数据的诊断深度推理子系统

（四）基于多信息源的智能诊断子系统

（一）移动应用及环境信息收集子系统（下文称“子系统1”），用于在智能移动设备上定期自动记录环境信息和基本的用户身体特征信息，具体包括下述步骤：

步骤A）子系统1的第一个功能是进行用户基本身体特征信息和环境信息的采集。子系统1必须运行在智能移动设备上，并能根据设备所带信息采集设备（各种传感器）记录能够得到的信息（如时间、地点、体温、脉搏等等）；子系统1的信息记录是全自动的；若用户有特殊需要，用户也可以手动运行记录功能。

步骤B）子系统1的第二个功能是将收集到的用户基本身体特征信息和环境信息在云端自动备份；为了使备份功能对智能移动设备上运行的其它应用造成最小的影响，备份功能在处理器和网络连接带宽使用率最低的时候自动运行；用户也可以手动强制备份。

步骤C）子系统1还有一个设置功能。子系统1的自动信息采集和备份功能可以通过设置功能来调整步骤A的每两次记录之间的时间间隔以及设置每天或每周一个特定的时间段来运行步骤B的自动备份。

（二）基于移动互联网的病症信息收集与人机交互子系统（下文称“子系统2”），用于根据用户的病症特点和大致分类的病症信息输入，具体包括下述步骤：

步骤D）子系统2的第一个功能是提供给用户一个系统自适应的病症信息输入界面；初诊，子系统2将通过问答形式自适应地收集可能疾病类型的相关信息；用户的信息提供将通过多选，文字或者多媒体等不同方式；相应信息也将以不同格式传输至云端数据库；复诊，子系统2将根据上一次确诊的疾病自动形成相应的信息收集列表；同样，用户信息的提供将通过多选，文字或者多媒体等不同方式，且相应信息也将以不同格式传输至云端数据库。

步骤E）子系统2的第二个功能是提供给用户一个额外病症信息自由输入的界面；无论是初诊还是复诊的用户，当有额外信息需要提供给诊断过程，用户可以随时激活该额外病症输入界面；用户信息将通过文字或者多媒体等不同方式输入，并也将以不同格式传输至云端另一个自由信息数据库；该数据库的每一个条目将与相应用户的相应病症项自动连接。

（三）基于大数据的诊断深度推理子系统（下文称“子系统3”），用于根据大数据知识演化的诊断深度推理；该子系统主要运行于云端，并与基于多信息源的智能诊断子系统进行自适应的交互，具体包括下述步骤：

步骤F）子系统3的第一个步骤是对病症数据进行统计；子系统3定期根据用户输入的数据统计每一种病症的总出现次数以及在一个特定时间段内的出现次数（这一特定时间段由医生确定）；同时子系统3还要统计每一种确诊疾病对应病症相应的出现次数。

步骤G）子系统3的第二个步骤是学习新规则并对已有规则进行更新；子系统3将根据统计数据进行规则的提取；步骤F中统计特征强的病症和相应确诊的疾病将建立相应规则；由于本发明采用开放式架构，规则建立的学习机制可以通过相应的API进行替换；常见的机器学习机制都可用于本系统的规则学习和更新。

步骤H）子系统3的第三个步骤是根据已有规则和已经收集到的病症数据进行推理；同样由于本发明采用开放式架构，推理机制可以通过相应的API进行替换；常见的推理和预测机制均可用于本系统的推理过程；当规则的条件部分已经与已有的病症数据完全匹配或具有一定统计强度地部分匹配后，相应规则对应的确症疾病部分将成为推理的结果；与之相关联的治疗方案也将成为结果的一部分；结果将由子系统４进行验证，表达，并进行医生复核；同时确定相应的治疗方案。

步骤I）子系统3的另一个功能是更新知识库；当步骤Ｇ发现的规则从未在知识库出现时，新发现的规则将被加入知识库；当一条知识库规则的条件部分多次与新发现的规则匹配，而对应的确诊疾病部分总是不一致时，该规则将被系统自动列为待删除规则，并提请系统管理员和医生复核后删除；删除操作有相应的操作界面。

（四）基于多信息源的智能诊断子系统（下文称“子系统4”），用于综合子系统1和子系统2的收集到的信息并集成子系统3的深度推理功能形成基于多信息源的智能诊断，具体包括下述步骤：

步骤J）子系统4的第一个步骤是多信息源信息的特征提取；子系统1和子系统2收集到的病症信息来自不同信息源，子系统4需要从多样性的信息源中提取特征信息；这一步骤包括对多种多媒体信息进行处理后的特征向量生成以及复合特征向量的生成；在复合特征向量生成前，还必须将不同特征信息进行正规化。

步骤K）子系统4的第二个步骤是推理结果验证和反馈；这一步先将复合特征向量输入子系统3并调用子系统3的步骤H进行推理，然后生成推理结果；这一步还要用后续病史中医生的确认或修正来验证推理结果和并将医生的输入作为反馈来修正知识库；医生输入多次相同的修正并且与知识库中的规则不一致，系统将自动将相应的规则列入待更新规则列表。当修正次数达到一定阈值，知识库规则将会被更新；阈值由系统管理员和医生协商决定；最后的更新决定可以是修改已有规则或添加一条新规则。更新决定需要医生核准；若新规则的条件部分与已有规则完全一致，结果部分需记录相应的统计强度。

步骤L）子系统4的第三个步骤是推理结果表达；这一步将推理结果用通俗易懂并且合理的形式来表达；推理结果包括确诊的疾病和相应的治疗方案；一种确诊的疾病有多种对应的治疗方案。

步骤M）子系统4的第四个步骤是医生复核；在最终结果（疾病种类确认和相应治疗方案）提供给患者用户前，医生要进行复核和确认；有多条对应的治疗方案，医生要进行最终的选择和确认；有异议，医生可以对最终结果作任何必要的修改。

在本发明中，所述的四个子系统能够通过移动设备和桌面系统上的应用编程和云端的大数据处理编程实现；所述步骤A，B，C，D，E和M中的功能由移动应用和桌面应用来实现；所述步骤F，G，H，I，J，K和L中的功能由云端大数据处理的不同模块来实现。

本发明的有益效果：

与现有技术相比，本发明的有益效果是：

1、本发明不依赖于某一特定厂商的智能移动设备。但本发明的系统要求智能移动设备具有部分或全部环境信息和基本的用户身体特征信息采集能力，同时又有互联网连接能力，同时还有一个有大数据处理能力的云服务器（可以是私有云服务器，也可以是租用的云服务提供商的服务器）。

2、本发明采用云计算和移动应用相结合的技术，来达到用户数据随时随地采集以及主动被动同时采集的前提下最充分地利用云计算的大数据处理能力来挖掘病症数据对疾病诊断和治疗的支持。

3、本发明采用大数据与知识库相结合的技术，它在减少数据重复处理的基础上进一步优化了诊断的过程，先验诊断规则可以被不断更新的病症数据持续修正，从而使诊断规则和相应治疗方案反映出疾病的最新演化和治疗技术的更新。

4、本发明通过一个系统平台将自动诊断推理与医生复核相结合，使整个诊断过程既能利用大数据和智能推理的高效和便利，同时也提供了医生主观判断和复核的把关机制；本发明中的系统实现了一种人机互补的智能诊疗，极大地提高了诊疗的效率，是实现的智能诊疗必要技术，且该技术处于国内领先和国际先进水平。

具体实施方式：

首先需要说明的是，本发明是计算机技术在智能远程诊疗领域的一种应用，在本发明的实现过程中，会涉及到多个子系统和软件功能模块的应用；申请人认为，如在仔细阅读申请文件、准确理解本发明的实现原理和发明目的以后，在结合现有公知技术的情况下，本领域技术人员完全可以运用其掌握的软件编程技能实现本发明；前述软件功能模块包括但不限于：移动信息收集子系统、基于大数据的推理模块、人机交互子系统等，凡本发明申请文件提及的均属此范畴，申请人不再一一列举。

下面结合具体实施方式对本发明作进一步详细描述：

本发明不依赖于某一特定厂商的智能移动设备，但本发明的系统要求智能移动设备具有部分或全部环境信息和基本的用户身体特征信息采集能力，同时又有互联网连接能力，同时还有一个有大数据处理能力的云服务器（可以是私有云服务器，也可以是租用的云服务提供商的服务器），这三项要求能够被大多数市面上已经有的和未来的设备和系统支持。通过下述四个子系统的信息交换与综合，本系统可以完成主动与被动方式相结合的信息收集，云端多信息源的大数据合成，以及基于大数据的诊断辅助深度推理：

（一）移动应用及环境信息收集子系统；

（二）基于移动互联网的病症信息收集与人机交互子系统；

（三）基于大数据的诊断深度推理子系统；

（四）基于多信息源的智能诊断子系统。

（一）移动应用及环境信息收集子系统（下文称“子系统1”），用于在智能移动设备上定期自动记录环境信息和基本的用户身体特征信息，具体包括下述步骤：

步骤A）子系统1的第一个功能是进行用户基本身体特征信息和环境信息的采集；子系统1必须运行在智能移动设备上，并能根据设备所带信息采集设备（各种传感器）记录能够得到的信息（如时间、地点、体温、脉搏等等）；子系统1的信息记录是全自动的；用户有特殊需要的，用户也可以手动运行记录功能。

步骤B）子系统1的第二个功能是将收集到的用户基本身体特征信息和环境信息在云端自动备份；为了使备份功能对智能移动设备上运行的其它应用造成最小的影响，备份功能在处理器和网络连接带宽使用率最低的时候自动运行；用户也可以手动强制备份。

步骤C）子系统1还有一个设置功能；子系统1的自动信息采集和备份功能可以通过设置功能来调整步骤A的每两次记录之间的时间间隔以及设置每天或每周一个特定的时间段来运行步骤B的自动备份。

在子系统1中，智能移动设备上的信息收集和记录可以通过移动设备的应用编程和移动设备内部设置来实现；移动设备程序员可以通过对本专利公开技术流程的理解和公知移动设备编程方法的使用实现全套技术。

（二）基于移动互联网的病症信息收集与人机交互子系统（下文称“子系统2”），用于根据用户的病症特点和大致分类的病症信息输入，具体包括下述步骤：

步骤D）子系统2的第一个功能是提供给用户一个系统自适应的病症信息输入界面若是初诊，子系统2将通过问答形式自适应地收集可能疾病类型的相关信息；用户的信息提供将通过多选，文字或者多媒体等不同方式；相应信息也将以不同格式传输至云端数据库；复诊，子系统2将根据上一次确诊的疾病自动形成相应的信息收集列表；同样，用户信息的提供将通过多选，文字或者多媒体等不同方式，且相应信息也将以不同格式传输至云端数据库。

步骤E）子系统2的第二个功能是提供给用户一个额外病症信息自由输入的界面；无论是初诊还是复诊的用户，当有额外信息需要提供给诊断过程，用户可以随时激活该额外病症输入界面；用户信息将通过文字或者多媒体等不同方式输入，并也将以不同格式传输至云端另一个自由信息数据库；该数据库的每一个条目将与相应用户的相应病症项自动连接。

子系统2的各个步骤可以通过对本专利公开技术流程的理解和公知人机交互编程来实现。

（三）基于大数据的诊断深度推理子系统（下文称“子系统3”），用于根据大数据知识演化的诊断深度推理；该子系统主要运行于云端，并与基于多信息源的智能诊断子系统进行自适应的交互，具体包括下述步骤：

步骤F）子系统3的第一个步骤是对病症数据进行统计；子系统3定期根据用户输入的数据统计每一种病症的总出现次数以及在一个特定时间段内的出现次数（这一特定时间段由医生确定）；同时子系统3还要统计每一种确诊疾病对应病症相应的出现次数；

步骤G）子系统3的第二个步骤是学习新规则并对已有规则进行更新；子系统3将根据统计数据进行规则的提取；步骤F中统计特征强的病症和相应确诊的疾病将建立相应规则；由于本发明采用开放式架构，规则建立的学习机制可以通过相应的API进行替换。常见的机器学习机制均可用于本系统的规则学习和更新；

步骤H）子系统3的第三个步骤是根据已有规则和已经收集到的病症数据进行推理；同样由于本发明采用开放式架构，推理机制可以通过相应的API进行替换；常见的推理和预测机制均可用于本系统的推理过程；当规则的条件部分已经与已有的病症数据完全匹配或具有一定统计强度地部分匹配后，相应规则对应的确症疾病部分将成为推理的结果；与之相关联的治疗方案也将成为结果的一部分；结果将由子系统４进行验证，表达，并进行医生复核；同时确定相应的治疗方案。

步骤I）子系统3的另一个功能是更新知识库；当步骤Ｇ发现的规则从未在知识库出现时，新发现的规则将被加入知识库；当一条知识库规则的条件部分多次与新发现的规则匹配，而对应的确诊疾病部分总是不一致时，该规则将被系统自动列为待删除规则，并提请系统管理员和医生复核后删除；删除操作有相应的操作界面。

子系统3的各个步骤可以通过对本专利公开技术流程的理解和公知的云端大数据分析编程来实现。

（四）基于多信息源的智能诊断子系统（下文称“子系统4”），用于综合子系统1和子系统2的收集到的信息并集成子系统3的深度推理功能形成基于多信息源的智能诊断，具体包括下述步骤：

步骤J）子系统4的第一个步骤是多信息源信息的特征提取。子系统1和子系统2收集到的病症信息来自不同信息源，子系统4需要从多样性的信息源中提取特征信息。这一步骤包括对多种多媒体信息进行处理后的特征向量生成以及复合特征向量的生成；在复合特征向量生成前，还必须将不同特征信息进行正规化。

步骤K）子系统4的第二个步骤是推理结果验证和反馈；这一步先将复合特征向量输入子系统3并调用子系统3的步骤H进行推理，然后生成推理结果；这一步还要用后续病史中医生的确认或修正来验证推理结果和并将医生的输入作为反馈来修正知识库；医生输入多次相同的修正并且与知识库中的规则不一致，系统将自动将相应的规则列入待更新规则列表；当修正次数达到一定阈值，知识库规则将会被更新；阈值由系统管理员和医生协商决定；最后的更新决定可以是修改已有规则或添加一条新规则。更新决定需要医生核准；新规则的条件部分与已有规则完全一致，结果部分需记录相应的统计强度。

步骤L）子系统4的第三个步骤是推理结果表达；这一步将推理结果用通俗易懂并且合理的形式来表达。推理结果包括确诊的疾病和相应的治疗方案；一种确诊的疾病有多种对应的治疗方案。

步骤M）子系统4的第四个步骤是医生复核；在最终结果（疾病种类确认和相应治疗方案）提供给患者用户前，医生要进行复核和确认；有多条对应的治疗方案，医生要进行最终的选择和确认；有异议，医生可以对最终结果作任何必要的修改。

子系统4的各个步骤可以通过对本专利公开技术流程的理解和公知的编程技术来实现。

在本发明中，所述的4个子系统能够通过移动设备和桌面系统上的应用编程和云端的大数据处理编程实现；所述步骤A，B，C，D，E和M中的功能由移动应用和桌面应用来实现；所述步骤F，G，H，I，J，K和L中的功能由云端大数据处理的不同模块来实现。

最后，需要注意的是，以上列举的仅是本发明的具体实施例，显然，本发明不限于以上实施例，还可以有很多变形，本领域的普通技术人员能从本发明公开的内容中直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (2)

1.一种基于智能移动设备和智能大数据分析的远程诊疗系统，其特征在于：包括移动应用及环境信息收集子系统、基于移动互联网的病症信息收集与人机交互子系统、基于大数据的诊断深度推理子系统和基于多信息源的智能诊断子系统，通过所述四个子系统的信息交换与综合完成主动与被动方式相结合的信息收集，云端多信息源的大数据合成，以及基于大数据的诊断辅助深度推理：

（一）移动应用及环境信息收集子系统；

（二）基于移动互联网的病症信息收集与人机交互子系统；

（三）基于大数据的诊断深度推理子系统；

（四）基于多信息源的智能诊断子系统；

（一）移动应用及环境信息收集子系统（下文称“子系统1”），用于在智能移动设备上定期自动记录环境信息和基本的用户身体特征信息，具体包括下述步骤：

步骤A）子系统1的第一个功能是进行用户基本身体特征信息和环境信息的采集；子系统1必须运行在智能移动设备上，并能根据设备所带信息采集设备（各种传感器）记录能够得到的信息（如时间、地点、体温、脉搏等等）；子系统1的信息记录是全自动的；若用户有特殊需要，用户也可以手动运行记录功能；

步骤B）子系统1的第二个功能是将收集到的用户基本身体特征信息和环境信息在云端自动备份；为了使备份功能对智能移动设备上运行的其它应用造成最小的影响，备份功能在处理器和网络连接带宽使用率最低的时候自动运行；用户也可以手动强制备份；

步骤C）子系统1还有一个设置功能；子系统1的自动信息采集和备份功能可以通过设置功能来调整步骤A的每两次记录之间的时间间隔以及设置每天或每周一个特定的时间段来运行步骤B的自动备份；

（二）基于移动互联网的病症信息收集与人机交互子系统（下文称“子系统2”），用于根据用户的病症特点和大致分类的病症信息输入，具体包括下述步骤：

步骤D）子系统2的第一个功能是提供给用户一个系统自适应的病症信息输入界面；初诊，子系统2将通过问答形式自适应地收集疾病类型的相关信息；用户的信息提供将通过不同方式多选，有文字、多媒体等不同方式；相应信息也将以不同格式传输至云端数据库；复诊，子系统2将根据上一次确诊的疾病自动形成相应的信息收集列表；同样，用户信息的提供将通过多选，文字或者多媒体等不同方式，且相应信息也将以不同格式传输至云端数据库；

步骤E）子系统2的第二个功能是提供给用户一个额外病症信息自由输入的界面；无论是初诊还是复诊的用户，当有额外信息需要提供给诊断过程，用户可以随时激活该额外病症输入界面；用户信息将通过文字或者多媒体等不同方式输入，并也将以不同格式传输至云端另一个自由信息数据库；该数据库的每一个条目将与相应用户的相应病症项自动连接；

（三）基于大数据的诊断深度推理子系统（下文称“子系统3”），用于根据大数据知识演化的诊断深度推理；该子系统主要运行于云端，并与基于多信息源的智能诊断子系统进行自适应的交互，具体包括下述步骤：

步骤F）子系统3的第一个步骤是对病症数据进行统计；子系统3定期根据用户输入的数据统计每一种病症的总出现次数以及在一个特定时间段内的出现次数（这一特定时间段由医生确定）；同时子系统3还要统计每一种确诊疾病对应病症相应的出现次数；

步骤G）子系统3的第二个步骤是学习新规则并对已有规则进行更新；子系统3将根据统计数据进行规则的提取；步骤F中统计特征强的病症和相应确诊的疾病将建立相应规则；由于本发明采用开放式架构，规则建立的学习机制可以通过相应的API进行替换；常见的机器学习机制均可用于本系统的规则学习和更新；

步骤H）子系统3的第三个步骤是根据已有规则和已经收集到的病症数据进行推理；同样由于本发明采用开放式架构，推理机制可以通过相应的API进行替换；常见的推理和预测机制均可用于本系统的推理过程；当规则的条件部分已经与已有的病症数据完全匹配或具有一定统计强度地部分匹配后，相应规则对应的确症疾病部分将成为推理的结果；与之相关联的治疗方案也将成为结果的一部分；结果将由子系统４进行验证，表达，并进行医生复核；同时确定相应的治疗方案；

步骤I）子系统3的另一个功能是更新知识库；当步骤Ｇ发现的规则从未在知识库出现时，新发现的规则将被加入知识库；当一条知识库规则的条件部分多次与新发现的规则匹配，而对应的确诊疾病部分总是不一致时，该规则将被系统自动列为待删除规则，并提请系统管理员和医生复核后删除；删除操作有相应的操作界面；

（四）基于多信息源的智能诊断子系统（下文称“子系统4”），用于综合子系统1和子系统2的收集到的信息并集成子系统3的深度推理功能形成基于多信息源的智能诊断，具体包括下述步骤：

步骤J）子系统4的第一个步骤是多信息源信息的特征提取；子系统1和子系统2收集到的病症信息来自不同信息源，子系统4需要从多样性的信息源中提取特征信息；这一步骤包括对多种多媒体信息进行处理后的特征向量生成以及复合特征向量的生成；在复合特征向量生成前，还必须将不同特征信息进行正规化；

步骤K）子系统4的第二个步骤是推理结果验证和反馈；这一步先将复合特征向量输入子系统3并调用子系统3的步骤H进行推理，然后生成推理结果；这一步还要用后续病史中医生的确认或修正来验证推理结果和并将医生的输入作为反馈来修正知识库；若医生输入多次相同的修正并且与知识库中的规则不一致，系统将自动将相应的规则列入待更新规则列表；当修正次数达到一定阈值，知识库规则将会被更新；阈值由系统管理员和医生协商决定；最后的更新决定可以是修改已有规则或添加一条新规则；更新决定需要医生核准；若新规则的条件部分与已有规则完全一致，结果部分需记录相应的统计强度；

步骤L）子系统4的第三个步骤是推理结果表达；这一步将推理结果用通俗易懂并且合理的形式来表达；推理结果包括确诊的疾病和相应的治疗方案；一种确诊的疾病有多种对应的治疗方案；

步骤M）子系统4的第四个步骤是医生复核；在最终结果（疾病种类确认和相应治疗方案）提供给患者用户前，医生要进行复核和确认；若有多条对应的治疗方案，医生要进行最终的选择和确认；若有异议，医生可以对最终结果作任何必要的修改。

2.根据权利要求1所述的一种基于智能移动设备和智能大数据分析的远程诊疗系统，其特征在于：所述的四个子系统能够通过移动设备和桌面系统上的应用编程和云端的大数据处理编程实现；所述步骤A，B，C，D，E和M中的功能由移动应用和桌面应用来实现；所述步骤F，G，H，I，J，K和L中的功能由云端大数据处理的不同模块来实现。