CN109346170A - 一种智能问诊方法、装置及计算机存储介质 - Google Patents
一种智能问诊方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN109346170A CN109346170A CN201811261384.7A CN201811261384A CN109346170A CN 109346170 A CN109346170 A CN 109346170A CN 201811261384 A CN201811261384 A CN 201811261384A CN 109346170 A CN109346170 A CN 109346170A
- Authority
- CN
- China
- Prior art keywords
- symptom
- inducement
- alternative
- accessory
- symptoms
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种智能问诊方法、装置及计算机存储介质，涉及医疗技术领域，所述方法包括：获取患者信息以及问诊的主要症状；根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因；根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因；根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。本申请中采用上述智能问诊方式，实现了自动对患者进行问诊，无需患者等待，缩短了患者的问诊周期，同时提高了问诊效率。本申请提供的智能问诊方法及装置主要应用于医疗领域。
Description
技术领域
本申请涉及医疗技术领域，具体而言，涉及一种智能问诊方法、装置及计算机存储介质。
背景技术
目前，病人看病问诊都是去医院，找到对应科室的医生，并等待排号。由医院的医生对病人进行问诊，医生最终根据病人的问诊结果得出病人的症状诱因和解释。但是，这种方法需要病人去到达以及排队就诊，操作过程复杂且等待周期长。
基于此，目前提供了一种网页在线问诊方法，病人可以通过网络与线上空闲的医生建立会话，医生通过对病人的问诊结果来得出病人的症状诱因和解释。但是，通常医生在线时间是不确定的，且当医生繁忙时，同样需要等待就诊，周期长。
发明内容
有鉴于此，本申请实施例的目的在于提供一种智能问诊方法、装置及计算机存储介质，能够自动实施问诊，无需患者等待问诊，缩短了问诊周期，并且提高了问诊效率。
第一方面，本申请实施例提供了一种智能问诊方法，所述方法包括：
获取患者信息以及问诊的主要症状；
根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因；
根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因；
根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因，包括：
从预设的医疗知识图谱中查找与所述患者信息和所述主要症状关联的症状诱因；其中，预设的医疗知识图谱中存储有症状诱因以及所述症状诱因关联的主要症状影响因素和症状诱因影响因素；
根据所述症状诱因关联的主要症状影响因素和症状诱因影响因素，确定多个所述症状诱因的评分值；
从多个所述症状诱因中选择评分值大于第一阈值的备选症状诱因。
结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因，包括：
从所述备选症状诱因中选择评分值最高的目标备选症状诱因；
根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值；
从更新后的所述备选症状诱因中，选择评分值大于第二阈值的目标症状诱因。
结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述方法还包括：
若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则返回从所述备选症状诱因中选择评分值最高的目标备选症状诱因的步骤，直至更新后的所述备选症状诱因中存在评分值大于第二阈值的目标症状诱因，或者，基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新；
在基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新后，若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则从更新后的所述备选症状诱因中选择评分值大于第三阈值的目标症状诱因。
结合第一方面的第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值，包括：
从所述目标备选症状诱因关联的辅助症状中选择目标辅助症状；
根据患者从所述目标辅助症状中选择的命中辅助症状，更新所述备选症状诱因的评分值。
结合第一方面的第四种可能的实施方式，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述从所述目标备选症状诱因关联的辅助症状中选择目标辅助症状，包括：
获取所述目标备选症状诱因关联的辅助症状在所述目标备选症状诱因中的权重值；
从所述辅助症状中选择权重值最大的目标辅助症状。
结合第一方面的第五种可能的实施方式，本申请实施例提供了第一方面的第六种可能的实施方式，其中，所述方法还包括：
若所述目标备选症状诱因关联的多个辅助症状在所述目标备选症状诱因中的权重值均相同，则获取多个所述辅助症状分别与所述主要症状关联度；
从所述辅助症状中选择与所述主要症状关联度最大的目标辅助症状。
结合第一方面，本申请实施例提供了第一方面的第七种可能的实施方式，其中，所述根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案，包括：
根据所述目标症状诱因对应的患者选择的命中辅助症状以及全部辅助症状，计算所述目标症状诱因的置信度；
根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
第二方面，本申请实施例还提供了一种智能问诊装置，所述装置包括：
获取模块，用于获取患者信息以及问诊的主要症状；
查找模块，用于根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因；
确定模块，用于根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因；
生成模块，用于根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
第三方面，本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行第一方面任一项所述的智能问诊方法。
本申请实施例提供的一种智能问诊方法、装置及计算机存储介质，通过获取患者信息以及问诊的主要症状；根据患者信息，查找与主要症状相匹配的备选症状诱因；根据备选症状诱因以及患者选择的备选症状诱因的辅助症状，确定与主要症状匹配的目标症状诱因；根据目标症状诱因的置信度，生成与目标症状诱因对应的治疗方案。通过上述智能问诊方式，能够自动对患者进行问诊，无需患者等待，缩短了患者的问诊周期，同时提高了问诊效率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种智能问诊方法的流程图。
图2示出了本申请实施例所提供的另一种智能问诊方法的流程图。
图3示出了本申请实施例所提供的另一种智能问诊方法的流程图。
图4示出了本申请实施例所提供的另一种智能问诊方法的流程图。
图5示出了本申请实施例所提供的另一种智能问诊方法的流程图。
图6示出了本申请实施例所提供的另一种智能问诊方法的流程图。
图7示出了本申请实施例所提供的一种智能问诊方法的系统结构图。
图8示出了本申请实施例所提供的一种智能问诊装置的结构示意图。
图9示出了本申请一实施例所提供的计算机设备40的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到目前的问诊方法存在需要等待问诊，等待周期长，问诊流程复杂，问诊效率低的问题。基于此，本申请实施例提供了一种智能问诊方法、装置及计算机存储介质，下面通过实施例进行描述。
如图1所示，本申请实施例提供了一种智能问诊方法，应用于服务器，所述方法包括：
S101、获取患者信息以及问诊的主要症状。
本申请实施例中，患者信息至少包括年龄和性别，还可以包括遗传病的个人史和家族史等。这里，问诊的主要症状为具有明显特征的症状，比如：恶心、头痛、胃痛、呕吐等。
S102、根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因。
在本申请实施例中，预先在服务器中构建医疗知识图谱，服务器存储构建完成的医疗知识图谱。上述医疗知识图谱包括但不限于：1、症状诱因与症状的关联关系以及各个症状在关联的症状诱因中的权重值；2、症状诱因的常见程度(该常见程度为一固定值)及对应的患者信息(其中，患者信息具体包括性别、年龄等)校正系数；3、症状诱因在各置信度下的处置方法(包含治疗)；4、各主要症状的常规处置方法。
其中，症状诱因关联的症状包括让患者选择的主要症状。这里，症状诱因即为具体的疾病种类，比如，流行感冒、风热感冒、胃炎、慢性乙肝炎等。
服务器在接收到患者输入的主要症状和患者信息后，从预先存储的医疗知识图谱中查找与患者信息和主要症状关联的症状诱因，然后，根据医疗知识图谱中，与症状诱因关联的主要症状影响因素和症状诱因影响因素，计算这些症状诱因的评分值，并根据评分值从上述查找到的症状诱因中选择备选症状诱因。
S103、根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因。
本申请实施例中，与主要症状相匹配的症状诱因为多个。作为一种可选的实施方式，针对任一备选症状诱因，服务器基于该备选症状诱因对应的除用户输入的主要症状之外的辅助症状向患者问诊，然后，根据患者选择的所述备选症状诱因的辅助症状，更新备选症状诱因的评分值，最后，根据更新后的备选症状诱因的评分值，从备选症状诱因中选择与用户输入的主要症状匹配的目标症状诱因。
S104、根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
本申请实施例中，服务器在选择了目标症状诱因之后，首先根据所述目标症状诱因对应的患者选择的命中辅助症状以及全部辅助症状，计算所述目标症状诱因的置信度，然后根据目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
本申请实施例提供的智能问诊方法可以具有以下应用场景：
应用场景1：患者就诊前的自诊，根据系统建议判断是否需要就诊、以及就诊的紧急程度
应用场景2：门诊就诊前，根据系统建议判断就诊科室，帮助医院分诊
应用场景3：门诊候诊时，预先收集症状信息简化医生问诊，同时提供系统建议供医生参考。
本申请实施例提供的一种智能问诊方法，通过获取患者信息以及问诊的主要症状；根据患者信息，查找与主要症状相匹配的备选症状诱因；根据备选症状诱因以及患者选择的备选症状诱因的辅助症状，确定与主要症状匹配的目标症状诱因；根据目标症状诱因的置信度，生成与目标症状诱因对应的治疗方案。通过上述智能问诊方式，能够自动对患者进行问诊，无需患者等待，缩短了患者的问诊周期，同时提高了问诊效率。
进一步的，如图2所示，本申请实施例提供的智能问诊方法中，步骤 102，所述根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因，包括：
S201、从预设的医疗知识图谱中查找与所述患者信息和所述主要症状关联的症状诱因；其中，预设的医疗知识图谱中存储有症状诱因以及所述症状诱因关联的主要症状影响因素和症状诱因影响因素。
在本申请实施例中，预先在服务器中构建医疗知识图谱，服务器存储构建完成的医疗知识图谱。上述医疗知识图谱包括但不限于：1、症状诱因与症状的关联关系以及各个症状在关联的症状诱因中的权重值；2、症状诱因的常见程度(该常见成都为一固定值)及对应的患者信息(其中，患者信息具体包括性别、年龄等)校正系数；3、症状诱因在各置信度下的处置方法(包含治疗)；4、各主要症状的常规处置方法。
其中，症状诱因关联的症状包括让患者选择的主要症状。这里，症状诱因即为具体的疾病种类，比如，流行感冒、风热感冒、胃炎、慢性乙肝炎等。
服务器在接收到患者输入的主要症状和患者信息后，从预先存储的医疗知识图谱中查找与患者信息和主要症状关联的症状诱因，然后，根据医疗知识图谱中，与症状诱因关联的主要症状影响因素和症状诱因影响因素，计算这些症状诱因的评分值，并根据评分值从上述查找到的症状诱因中选择备选症状诱因。
S202、根据所述症状诱因关联的主要症状影响因素和症状诱因影响因素，确定多个所述症状诱因的评分值。
本申请实施例中，评分值的计算机制如下：评分值＝症状诱因的常见度得分*患者信息校正系数*症状匹配度。其中，患者信息校正系数＝性别校正系数*年龄校正系数*其他校正系数；症状匹配度＝∑当前症状诱因命中症状权重/∑全部备选症状诱因命中症状权重。
其中，症状诱因的常见度得分因症状诱因在全人群中的发病情况而异，医疗知识图谱包括每个症状诱因的常见度得分，医疗知识图谱也包括每个症状诱因下，计算患者信息校正系数所需要的性别校正系数、年龄校正系数和其他校正系数；这里，其他校正系数包括地域校正系数、季节校正系数、气候校正系数等。
这里，症状匹配度＝当前症状诱因命中症状的权重总和/全部备选症状诱因命中症状的权重总和。
S203、从多个所述症状诱因中选择评分值大于第一阈值的备选症状诱因。
本申请实施例中，预先设定第一阈值的目的是为了剔除与主要症状关联度较小的症状诱因。比如主要症状恶心和症状诱因流行感冒的关联度很大，流行感冒评分值高于第一阈值，选择流行感冒作为备选症状诱因；而恶心和骨裂的关联度较小，骨裂评分值低于第一阈值，从症状诱因中剔除骨裂。
进一步的，如图3所示，本申请实施例提供的智能问诊方法中，步骤 103，所述根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因，包括：
S301、从所述备选症状诱因中选择评分值最高的目标备选症状诱因。
本申请实施例中，服务器根据第一阈值选取的备选症状诱因均对应有初始评分值，服务器根据备选症状诱因的初始评分值，从备选症状诱因中选取评分值最高的目标备选症状诱因。
S302、根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值。
本申请实施例中，服务器获取目标备选症状诱因关联的除用户输入的主要症状之的辅助症状，将辅助症状发送给用户终端；用户终端在接收到辅助症状后展示辅助症状，以便患者从辅助症状中选择命中辅助症状，然后，用户终端将患者选择的命中辅助症状发送给服务器。
服务器在接收到命中辅助症状，按照上述评分值的计算方法，更新备选症状诱因的评分值。
S303、从更新后的所述备选症状诱因中，选择评分值大于第二阈值的目标症状诱因。
本申请实施例中，在备选症状诱因的评分值发生变化时，更新后的备选症状诱因的评分值的排序可能发生变化。因此，服务器从更新后的所述备选症状诱因中，选择评分值大于第二阈值的目标症状诱因。这里，当存在一个以上备选症状诱因大于第二阈值时，取评分最高的备选症状诱因作为目标症状诱因。
这里，在服务器中设定第二阈值的目的是当某一备选症状诱因的评分值高于该第二阈值，则可以确定该备选症状诱因为对应于当前用户的目标症状诱因。
比如，患者输入的主要症状是腹痛，胃穿孔作为对应的辅助症状是休克，而服务器计算出来的胃穿孔对应的评分值为82％，假设第二阈值设定为 80％，服务器确定胃穿孔为当前用户的目标症状诱因。
进一步的，本申请实施例提供的智能问诊方法中，所述方法还包括：
若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则返回从所述备选症状诱因中选择评分值最高的目标备选症状诱因的步骤，直至更新后的所述备选症状诱因中存在评分值大于第二阈值的目标症状诱因，或者，基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新；
在基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新后，若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则从更新后的所述备选症状诱因中选择评分值大于第三阈值的目标症状诱因。
本申请实施例中，当更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因时，服务器重新在从更新后的备选症状诱因中选择评分值最高的目标备选症状诱因(当前目标备选症状诱因与上一次选择的目标备选症状诱因可能相同，也可能不同)，然后，根据患者当前选择的目标备选症状诱因关联的除所述主要症状外的辅助症状，更新所述备选症状诱因的评分值，直至更新后的所述备选症状诱因中存在评分值大于第二阈值的目标症状诱因，或者，基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新。
在基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新后，若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则从更新后的所述备选症状诱因中选择评分值大于第三阈值的目标症状诱因。
这里，第二阈值大于第三阈值。需要说明的是，服务器选择大于第二阈值的目标症状诱因的置信度大于选择的大于第三阈值的目标症状诱因的置信度。
在基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新后，若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，也不存在大于第三阈值的目标症状诱因，服务器从医疗知识图谱查找与用户输入的主要症状相匹配的常规处置建议，基于查找到的常规处置建议，生成常规处置建议文件，并将常规处置建议文件发送给用户终端。
进一步的，如图4所示，本申请实施例中给出了服务器向患者问诊目标备选症状诱因关联的辅助症状的具体过程，具体如下，步骤302，所述根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值，包括：
S401、从所述目标备选症状诱因关联的辅助症状中选择目标辅助症状。
本申请实施例中，服务器获取所述目标备选症状诱因关联的辅助症状在所述目标备选症状诱因中的权重值。从所述辅助症状中选择权重值最大的目标辅助症状。
S402、根据患者从所述目标辅助症状中选择的命中辅助症状，更新所述备选症状诱因的评分值。
结合步骤401至步骤402，服务器选择的目标辅助症状可以为多个，对应的，服务器首先将目标备选症状诱因中权重值最大的辅助症状发送给用户终端，由用户终端进行展示，在患者给定了该辅助症状的问诊答案后，服务器将目标备选症状诱因中权重值排在第二位的辅助症状发送给用户终端，由用户终端进行展示，在患者给定了该辅助症状的问诊答案后，判断是否完成服务器选择的目标辅助症状问诊，若否，服务器继续将目标备选症状诱因中权重值排在第三位的辅助症状发送给用户终端及后续流程，直至服务器完成服务器选择的目标辅助症状问诊。之后，服务器根据患者从所述目标辅助症状中选择的命中辅助症状，更新所述备选症状诱因的评分值。
服务器选择的目标辅助症状可以为一个，服务器首先将目标备选症状诱因中权重值最大的辅助症状发送给用户终端，由用户终端进行展示，在患者给定了该辅助症状的问诊答案后，服务器根据患者从所述目标辅助症状中选择的命中辅助症状，更新所述备选症状诱因的评分值。
进一步的，如图5所示，本申请实施例提供的智能问诊方法中，所述方法还包括：
S501、若所述目标备选症状诱因关联的多个辅助症状在所述目标备选症状诱因中的权重值均相同，则获取多个所述辅助症状分别与所述主要症状关联度。
S502、从所述辅助症状中选择与所述主要症状关联度最大的目标辅助症状。
结合步骤501～步骤502，当目标备选症状诱因关联的多个辅助症状在所述目标备选症状诱因中的权重值相同时，根据多个所述辅助症状分别与所述主要症状关联度，确定多个辅助症状的先后顺序，然后按照多个辅助症状的先后顺序，依次向患者展示所述辅助症状；或者，按照多个辅助症状的先后顺序，同时向患者展示上述辅助症状。
进一步的，如图6所示，本申请实施例提供的智能问诊方法中，步骤 104，所述根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案，包括：
S601、根据所述目标症状诱因对应的患者选择的命中辅助症状以及全部辅助症状，计算所述目标症状诱因的置信度。
本申请实施例中，置信度的计算公式如下：置信度＝∑阳性症状权重/ ∑全部症状权重+校正值。
针对服务器选取出来的评分值大于第二阈值的目标症状诱因，或者，服务器选取出来的评分值大于第三阈值的目标症状诱因，获取确定该目标症状诱因所使用的各个症状以及该目标症状诱因对应的全部症状，计算该目标症状诱因所使用的各个症状的第一权重值总和以及该目标症状诱因对应的全部症状的第二权重值总和，该目标症状诱因的置信度＝第一权重值总和/第二权重值总和+校正值。其中，校正值的作用是对目标症状诱因的置信度进行矫正，上述校正值与决策的路径长短和目标症状诱因满足的阈值情况有关。
S602、根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
本申请实施例中，置信度的不同，对应的治疗方案中的使用措辞会不同。比如置信度为90％，确信为该目标症状诱因；置信度为60％，可能为该目标症状诱因或者是该目标症状诱因的可能性很大等。
本申请实施例提供的一种智能问诊方法，通过获取患者信息以及问诊的主要症状；根据患者信息，查找与主要症状相匹配的备选症状诱因；根据备选症状诱因以及患者选择的备选症状诱因的辅助症状，确定与主要症状匹配的目标症状诱因；根据目标症状诱因的置信度，生成与目标症状诱因对应的治疗方案。通过上述智能问诊方式，能够自动对患者进行问诊，无需患者等待，缩短了患者的问诊周期，同时提高了问诊效率。
如图7所示，为本申请实施例提供了一种智能问诊方法的系统架构图，交互模块用于接收用户输入的主要症状和用户基本信息，评分模块用于计算与主要症状和用户基本信息关联的备选症状诱因的评分值，判断模块用于判断评分值是否满足设定阈值，若评分值满足设定阈值，结论选择模块输出结论；若评分值不满足设定阈值，问题选择模块按照上述方法中的逻辑从备选症状诱因选择对应的辅助症状，并给交互模块，交互模块展示给用户，以便用户进行回答，直至结论选择模块输出结论。当交互模块将所有备选症状诱因各自对应的所有辅助症状均展示给用户后，仍然不存在评分值满足设定阈值的结论，结论选择模块输出与用户输入的主要症状相匹配的常规处置建议。
本申请实施例提供了一种智能问诊装置，如图8所示，用于执行上述智能问诊方法，所述装置包括：
获取模块11，用于获取患者信息以及问诊的主要症状；
查找模块12，用于根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因；
确定模块13，用于根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因；
生成模块14，用于根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
进一步的，本申请实施例提供的智能问诊装置中，查找模块12，具体用于：
从预设的医疗知识图谱中查找与所述患者信息和所述主要症状关联的症状诱因；其中，预设的医疗知识图谱中存储有症状诱因以及所述症状诱因关联的主要症状影响因素和症状诱因影响因素；
根据所述症状诱因关联的主要症状影响因素和症状诱因影响因素，确定多个所述症状诱因的评分值；
从多个所述症状诱因中选择评分值大于第一阈值的备选症状诱因。
进一步的，本申请实施例提供的智能问诊装置中，确定模块13，具体用于：
从所述备选症状诱因中选择评分值最高的目标备选症状诱因；
根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值；
从更新后的所述备选症状诱因中，选择评分值大于第二阈值的目标症状诱因。
进一步的，本申请实施例提供的智能问诊装置中，
确定模块13，还用于在更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因时，从所述备选症状诱因中选择评分值最高的目标备选症状诱因的步骤，直至更新后的所述备选症状诱因中存在评分值大于第二阈值的目标症状诱因，或者，基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新；
选择模块，用于在基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新后，若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则从更新后的所述备选症状诱因中选择评分值大于第三阈值的目标症状诱因。
进一步的，本申请实施例提供的智能问诊装置中，确定模块13，具体用于：
从所述目标备选症状诱因关联的辅助症状中选择目标辅助症状；
根据患者从所述目标辅助症状中选择的命中辅助症状，更新所述备选症状诱因的评分值。
进一步的，本申请实施例提供的智能问诊装置中，确定模块13，具体用于：
获取所述目标备选症状诱因关联的辅助症状在所述目标备选症状诱因中的权重值；
从所述辅助症状中选择权重值最大的目标辅助症状。
进一步的，本申请实施例提供的智能问诊装置，还包括：
获取模块11，还用于在所述目标备选症状诱因关联的多个辅助症状在所述目标备选症状诱因中的权重值均相同时，获取多个所述辅助症状分别与所述主要症状关联度；
选择模块，用于从所述辅助症状中选择与所述主要症状关联度最大的目标辅助症状。
进一步的，本申请实施例提供的智能问诊装置中，生成模块14，具体用于：
根据所述目标症状诱因对应的患者选择的命中辅助症状以及全部辅助症状，计算所述目标症状诱因的置信度；
根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
本申请实施例提供的一种智能问诊装置，采用获取患者信息以及问诊的主要症状；根据患者信息，查找与主要症状关联的症状诱因；根据症状诱因以及患者选择的症状诱因的辅助症状，确定与主要症状匹配的目标症状诱因；根据目标症状诱因的置信度，生成与目标症状诱因对应的治疗方案。通过上述智能问诊方式，实现了自动对患者进行问诊，无需患者等待，缩短了问诊周期，同时提高了问诊效率。
图9为本申请一实施例提供的计算机设备40的结构示意图，如图9所示，用于执行上述智能问诊方法，该设备包括存储器401、处理器402及存储在该存储器401上并可在该处理器402上运行的计算机程序，其中，上述处理器402执行上述计算机程序时实现上述智能问诊方法的步骤。
具体地，上述存储器401和处理器402能够为通用的存储器和处理器，这里不做具体限定，当处理器402运行存储器401存储的计算机程序时，能够执行上述智能问诊方法。
对应于上述智能问诊方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述智能问诊方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述智能问诊方法。
本申请实施例所提供的智能问诊装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
Claims (10)
1.一种智能问诊方法，其特征在于，所述方法包括：
获取患者信息以及问诊的主要症状；
根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因；
根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因；
根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
2.根据权利要求1所述的智能问诊方法，其特征在于，所述根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因，包括：
从预设的医疗知识图谱中查找与所述患者信息和所述主要症状关联的症状诱因；其中，预设的医疗知识图谱中存储有症状诱因以及所述症状诱因关联的主要症状影响因素和症状诱因影响因素；
根据所述症状诱因关联的主要症状影响因素和症状诱因影响因素，确定多个所述症状诱因的评分值；
从多个所述症状诱因中选择评分值大于第一阈值的备选症状诱因。
3.根据权利要求2所述的智能问诊方法，其特征在于，所述根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因，包括：
从所述备选症状诱因中选择评分值最高的目标备选症状诱因；
根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值；
从更新后的所述备选症状诱因中，选择评分值大于第二阈值的目标症状诱因。
4.根据权利要求3所述的智能问诊方法，其特征在于，所述方法还包括：
若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则返回从所述备选症状诱因中选择评分值最高的目标备选症状诱因的步骤，直至更新后的所述备选症状诱因中存在评分值大于第二阈值的目标症状诱因，或者，基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新；
在基于所有备选症状诱因各自对应的所有辅助症状完成所述备选症状诱因的评分值更新后，若更新后的所述备选症状诱因中不存在评分值大于第二阈值的目标症状诱因，则从更新后的所述备选症状诱因中选择评分值大于第三阈值的目标症状诱因。
5.根据权利要求4所述的智能问诊方法，其特征在于，所述根据患者当前选择的所述目标备选症状诱因关联的除所述主要症状外的命中辅助症状，更新所述备选症状诱因的评分值，包括：
从所述目标备选症状诱因关联的辅助症状中选择目标辅助症状；
根据患者从所述目标辅助症状中选择的命中辅助症状，更新所述备选症状诱因的评分值。
6.根据权利要求5所述的智能问诊方法，其特征在于，所述从所述目标备选症状诱因关联的辅助症状中选择目标辅助症状，包括：
获取所述目标备选症状诱因关联的辅助症状在所述目标备选症状诱因中的权重值；
从所述辅助症状中选择权重值最大的目标辅助症状。
7.根据权利要求6所述的智能问诊方法，其特征在于，所述方法还包括：
若所述目标备选症状诱因关联的多个辅助症状在所述目标备选症状诱因中的权重值均相同，则获取多个所述辅助症状分别与所述主要症状关联度；
从所述辅助症状中选择与所述主要症状关联度最大的目标辅助症状。
8.根据权利要求1所述的智能问诊方法，其特征在于，所述根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案，包括：
根据所述目标症状诱因对应的患者选择的命中辅助症状以及全部辅助症状，计算所述目标症状诱因的置信度；
根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
9.一种智能问诊装置，其特征在于，所述装置包括：
获取模块，用于获取患者信息以及问诊的主要症状；
查找模块，用于根据所述患者信息，查找与所述主要症状相匹配的备选症状诱因；
确定模块，用于根据所述备选症状诱因以及患者选择的所述备选症状诱因的辅助症状，确定与所述主要症状匹配的目标症状诱因；
生成模块，用于根据所述目标症状诱因的置信度，生成与所述目标症状诱因对应的治疗方案。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行权利要求1至8任一项所述的智能问诊方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811261384.7A CN109346170A (zh) | 2018-10-26 | 2018-10-26 | 一种智能问诊方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811261384.7A CN109346170A (zh) | 2018-10-26 | 2018-10-26 | 一种智能问诊方法、装置及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109346170A true CN109346170A (zh) | 2019-02-15 |
Family
ID=65312429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811261384.7A Pending CN109346170A (zh) | 2018-10-26 | 2018-10-26 | 一种智能问诊方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109346170A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112700866A (zh) * | 2021-01-07 | 2021-04-23 | 北京左医科技有限公司 | 基于transformer模型的智能交互方法及系统 |
| CN113066575A (zh) * | 2021-03-31 | 2021-07-02 | 电子科技大学成都学院 | 一种基于多功能家庭保健设备的家用智能问诊系统 |
| CN115719640A (zh) * | 2022-11-02 | 2023-02-28 | 联仁健康医疗大数据科技股份有限公司 | 中医主次症状识别系统、装置、电子设备及其存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537592A (zh) * | 2014-09-26 | 2015-04-22 | 尉子旺 | 自我诊疗及预防保健引导系统 |
| CN107610774A (zh) * | 2017-10-25 | 2018-01-19 | 医渡云（北京）技术有限公司 | 智能问诊方法及装置、存储介质、电子设备 |
| US10019552B2 (en) * | 2006-10-24 | 2018-07-10 | Alere Connect, Llc | Systems and methods for remote patient monitoring and storage and forwarding of patient information |
-
2018
- 2018-10-26 CN CN201811261384.7A patent/CN109346170A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10019552B2 (en) * | 2006-10-24 | 2018-07-10 | Alere Connect, Llc | Systems and methods for remote patient monitoring and storage and forwarding of patient information |
| CN104537592A (zh) * | 2014-09-26 | 2015-04-22 | 尉子旺 | 自我诊疗及预防保健引导系统 |
| CN107610774A (zh) * | 2017-10-25 | 2018-01-19 | 医渡云（北京）技术有限公司 | 智能问诊方法及装置、存储介质、电子设备 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112700866A (zh) * | 2021-01-07 | 2021-04-23 | 北京左医科技有限公司 | 基于transformer模型的智能交互方法及系统 |
| CN113066575A (zh) * | 2021-03-31 | 2021-07-02 | 电子科技大学成都学院 | 一种基于多功能家庭保健设备的家用智能问诊系统 |
| CN115719640A (zh) * | 2022-11-02 | 2023-02-28 | 联仁健康医疗大数据科技股份有限公司 | 中医主次症状识别系统、装置、电子设备及其存储介质 |
| CN115719640B (zh) * | 2022-11-02 | 2023-08-08 | 联仁健康医疗大数据科技股份有限公司 | 中医主次症状识别系统、装置、电子设备及其存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Carlisle et al. | Heart failure and atrial fibrillation, like fire and fury | |
| CN109346170A (zh) | 一种智能问诊方法、装置及计算机存储介质 | |
| US10885470B2 (en) | Selective training for decorrelation of errors | |
| Estep et al. | Risk assessment and comparative effectiveness of left ventricular assist device and medical management in ambulatory heart failure patients: results from the ROADMAP study | |
| Blaxall et al. | Differential gene expression and genomic patient stratification following left ventricular assist device support | |
| Grant et al. | Independent and incremental role of quantitative right ventricular evaluation for the prediction of right ventricular failure after left ventricular assist device implantation | |
| Kramer et al. | Mortality risk following replacement implantable cardioverter-defibrillator implantation at end of battery life: Results from the NCDR® | |
| Djulbegovic et al. | Transforming clinical practice guidelines and clinical pathways into fast‐and‐frugal decision trees to improve clinical care strategies | |
| Merchant et al. | Interlead distance and left ventricular lead electrical delay predict reverse remodeling during cardiac resynchronization therapy | |
| KR101878924B1 (ko) | 생물학적 네트워크를 이용한 신약 재창출 후보군 예측 방법 및 장치 | |
| Burri et al. | Risk stratification of cardiovascular and heart failure hospitalizations using integrated device diagnostics in patients with a cardiac resynchronization therapy defibrillator | |
| EP3618080B1 (en) | Reinforcement learning for medical system | |
| WO2019144710A1 (zh) | 确定瞳孔位置的方法和装置 | |
| O’Connor et al. | The role of sodium and chloride in heart failure: does it take two to tango? | |
| WO2016160509A1 (en) | Methods and apparatus related to electronic display of a human avatar with display properties particularized to health risks of a patient | |
| JP2007156529A (ja) | 生活習慣改善支援装置 | |
| US20210073912A1 (en) | System and method for uncertainty-based advice for deep reinforcement learning agents | |
| KR20220099504A (ko) | 친화도 예측 방법 및 모델의 트레이닝 방법, 장치, 전자 기기 및 기록 매체 | |
| CN106991474A (zh) | 深度神经网络模型并行的全连接层数据交换方法及系统 | |
| US20150112898A1 (en) | Site flow optimization | |
| CN109697249A (zh) | 搜索目标对象以及发布对象的方法、系统以及存储介质 | |
| WO2021201435A1 (ko) | 사용자의 생활습관 관리 방법 및 장치 | |
| CN110097277B (zh) | 基于时间窗的众包任务的动态分配方法 | |
| Ladefoged et al. | Incidence and predictors of worsening heart failure in patients with wild‐type transthyretin cardiac amyloidosis | |
| Stewart et al. | Defining ambulatory advanced heart failure: MedaMACS and beyond |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |