CN105912846A - 基于云计算和医学知识库技术的智能医疗辅助决策系统 - Google Patents

Abstract

本发明公开了一种基于云计算和医学知识库技术的智能医疗辅助决策系统，属于医疗信息化技术领域。该系统包括问诊知识库模块和医患沟通问诊模块；其中医患沟通问诊模块包括：咨询发起单元、智能问诊单元、人工问诊单元、诊疗方案生成单元和病历生成单元。问诊知识库模块为购买的第三方知识库服务或自建知识库，其中包括有按科室或病种收集的专家知识库的基本数据，与医生对应的个性化问诊模板，以及与问诊问题和患者答案相关的智能问诊路径。本发明利用云服务器和神经网络技术，结合智能移动设备，提高整个看诊过程的效率和准确度，有效缓解了看病难的问题。

Description

基于云计算和医学知识库技术的智能医疗辅助决策系统

技术领域

本发明涉及医疗信息化技术领域，具体涉及一种基于云计算和知识库技术的智能医疗辅助系统。

背景技术

看病难是我国目前普遍的一个问题，在有限的医院和科室里，塞满了来自各个地方的病人，而病人无论是挂号还是候诊，都要花费大量的时间排很长的队。病人等到医生给自己看病的时候，又是感觉匆匆了事就把自己打发了，看完病之后往往还是对自己的病情不是很清楚。而医生自己往往也是一个病人接一个，忙不过来，有时连喝水、上厕所的时间都没有。有些诊断又很依赖实验室检查，而并不是敷衍患者。患者和医生都筋疲力尽，但是有些误解和误诊还是难免发生，加深了医患矛盾。

另外目前医生的病历要么是手写的，字迹不是很容易辨别，要么是仅仅保存在医院自己的系统内，患者不容易看到，而医生与患者的沟通有时候又不是很顺畅，这些就导致患者看完病之后，对自己的病情没有很直观的了解。

目前已有的医院院内电子档案管理系统、网上预约挂号系统等，往往只能从表面上解决一些问题，无法有效地缓解上述矛盾。而另外一些网上就诊系统(乌镇医院，好大夫，掌上春雨等)，由于医生缺少对患者病史的全面了解，医生往往无法获取到足够的患者病情、病史信息，整个的就诊效果并不是很理想，导致用户满意度不高。而事实上，目前所有的移动医疗系统，均存在好的医生不愿意使用的问题，抢单回答的往往是年轻医生。其核心在于，这些系统并没有从根本上解决医生面临的效率问题，看病质量底的问题，所有这些现有系统，从本质上是一种“插队”形式，即帮助患者通过移动手段，可以联系上好医生。而医疗就诊的系统本身是一个排队系统，医生相当于是服务台，无论如何“插队”，但服务台的总体数量是难以持续扩张的，因而就需要从提高服务台的效率来入手解决问题。该发明所提出的方法就是利用技术手段和人工智能技术，深度结合国家医疗制度规范，来提高就诊效率和质量，倡导有序医疗，规范医疗。

设想下，假如能把患者等待的时间充分利用起来，做一些看诊前对医生了解 病情有益的准备工作，就能在医生给病人看病的时候，提高效率和准确度，节省医生和患者的时间，缓解看病难的问题。

假如能把医生给患者看病的整个过程中的所有问题、回答、病历、报告等，都整合在一起，并且能够很方便地给医生和患者都看到，就能使整个过程更加清晰透明，患者和医生之间的误解也会得到一定地消除，有利于减缓医患矛盾。

发明内容

本发明所要解决的问题，立足于好的医生资源有上限，时间有上限的现状，综合利用多重技术手段，实现智能医疗辅助系统，可利用云服务器和神经网络技术，结合智能移动设备，提高整个看诊过程的效率和准确度，缓解看病难的问题。

为解决上述问题，本发明采用的技术方案是：

基于云计算和医学知识库技术的智能医疗辅助决策系统，包括问诊知识库模块和医患沟通问诊模块；所述医患沟通问诊模块包括：

咨询发起单元，用于接收患者的医疗请求，建立患者与医生间的联系；

智能问诊单元，用于根据患者所选医生对应的个性化模板自动发送问题，收集患者的答案，并依据知识库中的进一步问诊路径自动发送下一个问题直到智能问诊结束；

人工问诊单元，用于根据选择确定是否需要医生人工参与问诊，在需要人工问诊的情况下发送医生选择或补充的问题并收集患者的答案；

诊疗方案生成单元，用于根据诊断结果生成知识库中对应关联的检查建议或诊疗方案；

以及，病历生成单元，用于将问诊过程中收集的信息和诊疗结果信息自动生成规范、标准的电子病历。

优选地，所述智能问诊单元同时发送问题和定义好的标准化答案，根据患者的答案和智能问诊路径进行下一个问题的寻址。

优选地，所述医患沟通问诊模块还包括初步问诊数据生成单元，用于将根据个性化模板涉及的问题和患者的答案进行整合显示，并基于问诊知识库模块给出疑似病种的建议。

优选地，所述人工问诊单元还具有患者提交过往的病历和检查报告照片的功能。

优选地，所述问诊知识库模块为购买的第三方知识库服务或自建知识库，所述知识库中包括有按科室或病种收集的专家知识库的基本数据，与医生对应的个性化问诊模板，以及与问诊问题和患者答案相关的智能问诊路径。

优选地，所述问诊知识库模块为自建的个性化问诊知识库，建立方法包括如下步骤：

(1)按科室或病种搜集病史数据，并按照病历书写规范进行分类；

(2)根据已经搜集到的病史数据和医生问诊路径，训练专家知识库的问诊路径；

(3)根据病史数据训练疑似病种和关联的检查方案和药物干预备选方案，从而建立完整的通用知识库问诊标准模板；

(4)根据医生选择对通用模板进行调整形成个性化问诊模板；

(5)将个性化问诊模板与医生账号进行绑定，云端同步存储。

优选地，步骤(1)中具体病史数据搜集和分类的步骤包括：

(1.1)搜集具体科室涉及的病种，构成集合A；

(1.2)对集合A中每一种病种，搜集该病种的病史数据，包括临床表现、并发症、典型病史和辅助检查，并将本步骤中搜集的数据构成集合B；

(1.3)对集合B中的每一种条目，将其转换为对应的问题和选择答案，所有问题和对应的答案构成集合C；

(1.4)去除集合C中的重复项得到集合D；

(1.5)按照病历书写规范，对集合D的条目进行分类。

优选地，步骤(2)中训练专家知识库的问诊路径的步骤包括：

(2.1)为智能问答每个问题和答案建立唯一坐标；

(2.2)建立每个问题和其对应答案的关系，构成树状图；

(2.3)按照真实病史数据搜集的各病种的问诊流程，训练不同病种的所有可能问诊路径的权重。

有益效果：本发明综合各种技术手段，围绕目前医患互动过程(例如，但不限于：在医院诊室的线下面对面问诊，线上远程咨询等)中存在的问题提出了针对性解决方案。通过建立个性化问诊知识库并基于该知识库实现了医患沟通高效问诊流程，并且两者可以独立实施，知识库可以从第三方购买服务或依据搜集的 病史数据自行建立使用，自行建立的知识库也可向第三方提供服务。两大模块独立运行或者整合后运行，即形成本发明的智能医疗辅助系统。与现有技术相比，本发明具有如下优点：1、大幅节约了医生的诊疗资源，通过智能问诊解决了医生针对每个患者都要提出类似的机械性、重复性问题，节约了医生亲自问诊的时间。2、智能问诊按照医生的个性模板进行问诊，搜集问题不会遗漏，有效防止了人工问诊时由于疲劳、时间限制等原因导致提问疏漏而存在一定的医疗事故风险。3、将问题的答案整理成全面而标准的形式，避免了患者自行描述不清楚的问题，能够有效引导患者准确的回答，真实掌握患者病情。4、系统能够自动生成诊断、检查建议、诊疗方案等，不需要医生手工输入或书写，节约了诊疗时间。5、在诊疗过程中，可以获取到患者就诊病史，有效解决了现有患者病史分散无法实现跨院诊疗病史共享的问题，方便医生全面掌握患者病情。7、系统自动生成规范标准的病历，大大节约了医生书写或输入病历信息的时间。

附图说明

图1为本发明系统的结构示意图；

图2为本发明系统中医生个性化知识库建立流程示意图；

图3为本发明系统中高效问诊流程示意图；

图4为通用专家知识库问题路径与答案树状图；

图5为某病种的问题与答案树状图里的回答路径示意图；

图6为患者回答问题时的路径匹配和下一个问题寻址示意图；

图7为自动生成规范电子病历流程示意图；

图8为自动生成的电子化病历样例示意图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，本发明的思路围绕问诊知识库和医患沟通问诊两大功能模块来展开，其中第一个模块是建立符合医生个人使用习惯的个性化知识库。其核心目 的是，首先基于现有和专家级医生的深度合作，搜集病种的详细数据，并通过大数据分析和模型训练，得到病种通用知识库，为所有该科室医生提供成熟的通用知识库。在此基础上，针对医生个体，提供知识库定制化功能，从而更好的满足医生这类专业个体的个人需求。

需要说明的是，问诊知识库模块为医患沟通问诊模块的实现提供了必要的数据基础。但是医患沟通问诊模块的实现可以不依赖于问诊知识库模块来独立实现，其可能的替代办法有，通过问诊知识库模块的服务来实现，或者通过手工建立专家库模板的方法来实现等。本发明实施例详细阐述了个性化问诊知识库建立方法(见图2)，主要包括如下5个基本步骤：

1.按科室(或者按病种)搜集病史数据

以科室(例如，但不限于，消化内科)或者以某一细分病种(例如，但不限于，急性肠胃炎)为单位，和专家级医生进行深度合作，搜集有效诊疗过程历史数据。包括个人信息，既往病史，遗传史，婚育史，临床表现、并发症、典型病史、辅助检查等历史数据。并将所有的数据按照《病历书写规范》的要求进行分类。例如：“有什么症状？多久了？”为主诉类问题；“左上腹”疼痛为现病史类；以此类推，将所有问题分类至对应的目录类别，例如但不限于：过去史，个人史，家族史，过敏史，月经生育史，体格检查，实验室检查，药物建议等。具体实现方法包括：

步骤1、以消化内科为例，其涉及的病种有胃炎、急性糜烂性胃炎、慢性胃炎、消化性溃疡、溃疡性结肠炎等等。假设搜集完成后，病种集合定义为A。

步骤2、对于集合A里的每一种病种，进一步搜集该病种的临床表现、并发症、典型病史、辅助检查等。例如对于消化性溃疡，临床表现有上腹慢性或节律性钝痛灼痛、发作期上腹局限性压痛等，并发症有出血(呕叶咖啡样物、黑便、甚至晕厥)、急性穿孔(突发剧烈腹痛、腹肌紧张、压痛及反跳痛)、慢性穿孔(固定的上腹剧痛放射至后背)、幽门梗阻(呕吐宿食，胃型、蠕动波、胃区振水音)等，辅助检查有内镜检查(同时取粘膜活检做HP检查，必要时粘膜病理活检)、上消化道钡餐等。搜集完成之后，这些所有的临床表现、并发症、典型病史、辅 助检查等构成的集合是B。

步骤3、对于集合B里的每一种条目，将其转换为易于患者理解的问题和选择答案。例如，“上腹慢性或节律性钝痛灼痛”这一条临床表现，转换为“你最近有感觉上腹部长时间或一阵阵的疼痛吗”、“疼痛的时候是那种隐隐作痛或者有灼热感的吗”，对应的选择答案是“没有”、“有长时间的腹部疼痛”、“有一阵阵的腹部疼痛”和“疼痛有隐隐作痛”、“疼痛有灼热感”。转换时的问题设计得尽量明确、清晰、容易患者回答，选择答案设计得尽量全面、易懂、容易患者选择。假设转换完之后，所有这些问题描述构成的集合是C。

步骤4、某些病种的临床表现、并发症、典型病史、辅助检查等往往会有交叉或者重复，例如急性肠炎肠结核都有“腹泻”的临床表现。故集合C里会存在部分重复的条目，现将其重复项合并去重，得到一个新的集合为D。故现在集合D里所包含的条目就基本是该医生向前来就诊的患者所提问的所有问题和答案了。

步骤5、由于集合D里的条目众多而缺少循序渐进的条理性，故再按照最新的病历书写格式规范，将集合D的条目分类到对应的类别里，例如主诉、现病史、过去史、个人史、婚育史、过敏史、家族史、体格检查、实验室检查等。例如“最近有没有做过胃镜”这一个条目被分在了实验室检查这个类别里。对每个类别里的所有条目，也可以再进一步的调整前后次序，以符合前后逻辑。

步骤6、数据搜集工作完成。

2.训练通用问诊知识库以及回答路径

经过上一步的病史数据收集、分类，去重等技术手段，并不足以支撑问诊知识库，我们还需要进一步计算训练其问诊以及回答路径。由于自动问答模板里包含的是该医生向所有前来就诊的患者提问的问题全集，而对于某一个患者来说，并不是每个问题都是需要被问到的，而且随着提问和回答的深入，后提的问题的逻辑依赖性和方向性越来越强，医生在前面问了几个问题之后，往往已大致能判断出患者的病情属于哪个方向，然后就会针对性地朝向这个方向提问。这种提问过程的逻辑依赖和递推性，正是传统的调查问卷所欠缺的。本发明通过路径计算训练算法，能够有效地解决该问题。事实上，路径训练计算的方法可能有很多种(例如，Dijkstra算法，Floyd算法，BGP算法，最小支撑树算法等等)，无论 采用何种路径算法，只要其核心目的是找出可能的智能问诊路径，均在本发明覆盖范围之内。下以深度优先的树状节点搜索算法为例，说明其实现步骤：

步骤1、系统为智能问答每个问题和答案建立该系统的唯一坐标。例如对于现病史里的问题“有否胸闷不适感”，及其答案“无胸闷”、“有胸闷”，分别建立坐标为XBS-Q1和XBS-A1-1、XBS-A1-2。

步骤2、将所有的坐标组合，就得到了一张类似图4里的树状图。其节点为不同问题，每个问题的不同回答则构成了不同路径。

步骤3、按照真实病史数据搜集的各病种的问诊流程，训练不同病种的所有可能问诊路径的权重。例如上一方法中集合A里有10个病种，训练完成以后，则存在一条最优权重路径，最终到达某一病种。图5为某病种在智能问诊训练后的一种可能路径样例示意图。

每一种标准回答路径，对应的就是一种病种。患者在自动问答模板里进行回答时，从第一个问题开始，作为起始点，然后选择答案，由点及路径形成了一条临时的路径。将患者的这条路径与标准的回答路径进行最优匹配，并计算权重就能得到下一个问题的坐标了，也就是下一个最相关的问题了。继续重复这个过程，针对所有病种和路径进行训练，最终实现问诊路径计算训练过程。

3.按病种建立通用知识库问诊标准模板

在得到病种的问诊智能路径基础上，还需要进一步训练疑似病种和关联的检查方案和药物干预备选方案等，从而建立完整的通用知识库问诊标准模板。

步骤1、根据患者提供的已有病史的数据，以该科室的典型病种为训练样本，按照上面步骤所描述的路径训练计算方法(本发明中使用的是深度优先的树状节点搜索算法)，来训练知识库的疑似病种。例如出现上腹部或者脐周疼痛，且否伴有恶心，呕吐，腹泻等症状，加上不洁饮食等，则大概率是急性肠胃炎。在后续系统使用时，系统首先展示出相匹配的高概率疑似病种，以便于医生参考或者选择。

步骤2、根据国家《临床路径指导》，对某一个病种的进一步检查方案、药物干预备选方案等进行关联训练。一旦医生怀疑是某种疾病，可以快速选择给出进一步检查建议，例如胃镜检查等；或者确诊后快速规范给出药物治疗建议等。

步骤3、通用知识库问诊标准模板建立完成。

4.调整模板问题的先后并形成个性化问诊模板

得到了通用知识库问诊标准模板之后，医生根据自己实际使用的需求和习惯，可以选择进一步调整模板问题的先后顺序。

例如，通用知识库里是先问疼痛位置，再问疼痛周期性，再问疼痛程度，假如这样不太符合医生实际的提问习惯，可以调整为先问疼痛周期性，再问疼痛位置，再问疼痛程度。其他以此类推，最终能够形成一份符合医生使用习惯的个性化问诊模板。

此外，由于在建模时，系统为智能问答每个问题和答案建立的坐标都是唯一明确的，所以上述医生的个性化调整，并不会影响该知识库问诊模板的训练结果、不会影响该知识库问诊模板对下一个问题的寻址正确性。

5.账号绑定并云端同步存储医生个性知识库

经过上述步骤后得到的医生个性化知识库问诊模板，将会被提交保存到云端，并且和医生的账号进行绑定，以确保医生个性库的设备独立性。也就是说，即使医生更换或者丢失了现有登录设备，其个性化知识库问诊模板仍然可以通过账号来完整、准确地恢复回来，而无需重复定制。

利用上述自主训练获得的问诊知识库模块或从第三方购买获得的知识库，本发明思路的第二个模块即是实现医患沟通高效问诊。其核心目的是，首先系统根据医生的个性化模板自动发送问题给患者，而患者回答时直接勾选医生已经定义好的标准化答案。然后针对患者回答的问题，系统根据训练好的知识库，依据优化的进一步问诊路径，继续自动向患者发送问题，直到机器智能问诊结束。在此初步的问诊数据基础上，医生再进行人工参与，继续通过勾选方式向患者发送进一步追问问题或进一步提交病史资料的请求等。据此医生得出初步判断和下一步检查建议或诊疗方案。最后医生生成自动化规范病历，审核确认并修改后，提交归档本次病历。

本发明实施例的智能医疗辅助决策系统的医患沟通问诊模块主要包括如下咨询发起单元、智能问诊单元、初步问诊数据生成单元、人工问诊单元、方案生成单元、病历生成单元等功能单元。下面结合医患沟通高效问诊具体使用流程(见图3)，详细描述本模块的具体实施方法：

1.患者向医生发起咨询

咨询发起单元主要用于接收患者的医疗请求，建立患者与医生间的联系，具体实现方法如下：

步骤1、患者通过扫描某医生的二维码或输入该医生的ID信息等方式，找到并关联该医生。

步骤2、患者向系统发起对该医生的咨询请求。

2.自动向患者发送医生的个性化知识库问诊模板并回答

系统收到患者发起的对该医生的咨询请求之后，智能问诊单元会自动向患者发送该医生的个性化知识库问诊模板问题，收集患者的答案，并依据知识库中的进一步问诊路径自动发送下一个问题直到智能问诊结束。具体实现方法如下：

步骤1、系统从云端获取到该医生的个性化知识库问诊模板。

步骤2、系统将该医生的个性化知识库问诊模板里的第一个问题及备选答案自动(即无需医生介入的意思)发送给该患者，供患者进行勾选回答。

步骤3、患者收到系统发送的问题之后，根据实际情况从医生已经定义好的标准化答案里进行勾选，并将回答反馈给系统，统一了回答口径和规范，避免了沟通障碍。

步骤4、系统收到患者的回答之后，根据训练好的知识库，依据优化的进一步问诊路径，从个性化知识库问诊模板里找到下一个最切合的问题(如图6)，然后将该问题及备选答案自动发送给该患者。

步骤5、重复步骤3和步骤4的内容，直到患者回答完了该医生的个性化知识库问诊模板里的最后一个问题。

3.形成初步问诊数据

经过上述步骤之后，初步问诊数据生成单元就可以帮助医生自动收集并整理好该患者的病史、病情信息。并且该信息内容均是医生自己所关注的，组织方式也是符合医生的使用习惯的，医生也能够很方便和直观地进行查看。具体实现方法如下：

步骤1、将个性化知识库问诊模板问题及患者的回答，按照实际提问的顺序和一问一答的形式，整合在一个统一的表单里。

步骤2、根据患者的回答，依据个性化知识库所训练得到的疑似病种，给出几种大概率的该患者的疑似病种的建议。

4.医生勾选发送追问问题或提交其他病史资料请求

医生在上述自动化流程及数据的基础上，可以通过人工问诊单元进行一点补充性的、完整性的人工介入。具体实现方法如下：

步骤1、医生直接查看上述步骤之后系统生成的初步问诊数据，包括患者的实际回答情况以及大概率的疑似病种建议信息。一方面，系统会根据患者答案给出可能病种的概率计算值，并依据概率高低后续向医生排列展示，以供医生快速确认。另一方面，等医生接触到患者时候，已经极大了解了患者病症，从而节省了大量时间。在需要的情况下，医生可以根据需要进一步向患者提问。

步骤2、医生为了进一步确认判断或为了排除干扰项，通过勾选的方式，向患者发送进一步追问问题或进一步提交病史资料的请求等。例如，医生进一步提问“你还有哪里不舒服”或“你还有哪些病历照片，请一并提交上来”。

步骤3、医生收到患者的回复之后，可以选择重复步骤2的内容，直到认为已经充分了解了患者的信息了。

5.医生给出初步判断和下一步检查建议或诊疗方案

在结合了系统自动问诊数据和人工补充问诊数据之后，医生已经基本对患者的病情、病因有所了解，可以借助诊疗方案生成单元给出初步判断和下一步检查建议或诊疗方案。

步骤1、医生在综合了所有搜集到的患者的病情、病史信息之后，集合自己的专业知识和经验，给出初步判断。

步骤2、医生根据个性化知识库问诊模板里已经关联训练好的进一步检查方案和药物干预备选方案，通过勾选快速选择给出对应的下一步处理措施。

6.医生生成自动化规范病历并归档

一次问诊结束后，通过病历生成单元将问诊过程中收集的信息和诊疗结果信息自动生成规范、标准的电子病历。具体实现方法如下：

步骤1、在本次问诊结束时，医生点击“自动生成病历”按钮，结束本次的看诊，准备生成电子病历。

步骤2、系统把从患者发出咨询请求开始、到医生结束就诊的这整个过程里的所有就诊信息，都记录下来，按照《病历书写规范》的格式和规范，自动生成一份电子病历。其实现的主要步骤如下(示意如图7所示)：

本发明前面已经指出，所有的问题均有对应的目录归类，例如“现病史”，“家族史”等。

按照《病历书写规范》的要求内容，依次检索问诊过程中所有问题对应的归类索引号。如果有对应回答，则将对应回答填入规范病历所要求的字段；如果没有对应问题及回答，则此字段留空。

继续检索下一病历要求内容，直至全部完成，电子病历自动生成结束

步骤3、医生最后再从头到尾通篇审阅一遍生成的电子病历，对某些描述不清楚或有差错的地方，进行最后的修改。

步骤4、确认无误之后，固化成一份无法再修改的病历记录，归档在系统里。

步骤5、提交后的电子病历在云端存储后，仅仅对医生和该患者开放阅读权限，实现医患双方可见。(生成后的电子病历部分截屏如图8示意) 。

Claims (9)

1.基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，包括问诊知识库模块和医患沟通问诊模块；所述医患沟通问诊模块包括：

咨询发起单元，用于接收患者的医疗请求，建立患者与医生间的联系；

智能问诊单元，用于根据患者所选医生对应的个性化模板自动发送问题，收集患者的答案，并依据知识库中的进一步问诊路径自动发送下一个问题直到智能问诊结束；

人工问诊单元，用于根据选择确定是否需要医生人工参与问诊，在需要人工问诊的情况下发送医生选择或补充的问题并收集患者的答案；

诊疗方案生成单元，用于根据诊断结果生成知识库中对应关联的检查建议或诊疗方案；

以及，病历生成单元，用于将问诊过程中收集的信息和诊疗结果信息自动生成规范、标准的电子病历。

2.根据权利要求1所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，所述智能问诊单元同时发送问题和定义好的标准化答案，根据患者的答案和智能问诊路径进行下一个问题的寻址。

3.根据权利要求1所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，所述医患沟通问诊模块还包括初步问诊数据生成单元，用于将根据个性化模板涉及的问题和患者的答案进行整合显示，并基于问诊知识库模块给出疑似病种的建议。

4.根据权利要求1所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，所述人工问诊单元还具有患者提交过往的病历和检查报告照片的功能。

5.根据权利要求1所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，所述问诊知识库模块为购买的第三方知识库服务或自建知识库，所述知识库中包括有按科室或病种收集的专家知识库的基本数据，与医生对应的个性化问诊模板，以及与问诊问题和患者答案相关的智能问诊路径。

6.根据权利要求5所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，所述问诊知识库模块为自建的个性化问诊知识库，建立方法包括如下步骤：

（1）按科室或病种搜集病史数据，并按照病历书写规范进行分类；

（2）根据已经搜集到的病史数据和医生问诊路径，训练专家知识库的问诊路径；

（3）根据病史数据训练疑似病种和关联的检查方案和药物干预备选方案，从而建立完整的通用知识库问诊标准模板；

（4）根据医生选择对通用模板进行调整形成个性化问诊模板；

（5）将个性化问诊模板与医生账号进行绑定，云端同步存储。

7.根据权利要求6所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，步骤（1）中具体病史数据搜集和分类的步骤包括：

（1.1）搜集具体科室涉及的病种，构成集合A；

（1.2）对集合A中每一种病种，搜集该病种的病史数据，包括临床表现、并发症、典型病史和辅助检查，并将本步骤中搜集的数据构成集合B；

（1.3）对集合B中的每一种条目，将其转换为对应的问题和选择答案，所有问题和对应的答案构成集合C；

（1.4）去除集合C中的重复项得到集合D；

（1.5）按照病历书写规范，对集合D的条目进行分类。

8.根据权利要求6所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，步骤（2）中训练专家知识库的问诊路径的步骤包括：

（2.1）为智能问答每个问题和答案建立唯一坐标；

（2.2）建立每个问题和其对应答案的关系，构成树状图；

（2.3）按照真实病史数据搜集的各病种的问诊流程，训练不同病种的所有可能问诊路径的权重。

9.根据权利要求6所述的基于云计算和医学知识库技术的智能医疗辅助决策系统，其特征在于，步骤（2）或步骤（3）中的训练方法可采用多种路径算法，包括但不限于Dijkstra算法，Floyd算法，BGP算法和最小支撑树算法。