CN109509551A - 一种常见疾病智能诊断方法及系统 - Google Patents

Abstract

本发明提供一种常见疾病智能诊断方法及系统，其中方法包括收集主诉信息，还包括以下步骤：步骤1，根据所述主诉信息和/或回答提问的答案提取疾病特征；步骤2，将所述疾病特征输入疾病诊断模块；步骤3，输出疑似疾病列表；步骤4，判断是否为最终匹配疾病，如果不是则重新执行步骤1、2、3；步骤5，输出所述最终匹配疾病。本发明提出一种针对普通用户的常见疾病智能诊断方法及系统，能够找出影响诊断疾病的各特征要素及其相互关系，并建立疾病诊断模型，从而辅助临床医生完成常见疾病智能诊断，并提供疾病知识学习及干预指导；同时适用于患者自诊，增强自我处置能力。

Description

一种常见疾病智能诊断方法及系统

技术领域

本发明涉及疾病防控的技术领域，特别是一种常见疾病智能诊断方法及系统。

背景技术

医药卫生事业面临人口老龄化、城镇化和慢性病高发等诸多挑战，而目前优质医生的供给量严重不足,且优质医生资源配置不合理,同时医生的培养周期比较长。

目前发布的医生培养模式主要是“5+3”模式，即在5年医学类专业本科教育结束后，进行3年的住院医师规范化培训，结业考核合格后，即具有医生的从业资格，如全科医师、内科医师。相比于国际上的最短培养年限11年，仍然有所不足。

如何辅助经验不足的医师快速准确的诊断一些常见疾病，并提供疾病知识学习及干预指导，包括疾病概述、临床表现、辅助检查、治疗方案及原则、健康指导等内容；同时又适用于患者自诊，增强自我处置能力，是急需要解决的问题。

公开号为CN107680672A的发明专利公开了一种基于智能手环的常见疾病智能诊断系统，包括一个智能手环和疾病诊断系统，金兵诊断系统包括用户输入单元、信号处理器、用户的过往病历、常见疾病特征数据库、常见疾病检索分析子系统和治疗方案知识库；智能手环包括微控制器、以及分别与为控制器相连的数据存储器、生理数据采集装置、报警电路和显示屏。该系统虽然能够进行疾病诊断，但是需要用户佩戴智能手环，并且不能够对新用户进行诊断。

发明内容

为了解决上述的问题，本发明提出一种针对普通用户的常见疾病智能诊断方法及系统，能够找出影响诊断疾病的各特征要素及其相互关系，并建立疾病诊断模型，从而辅助临床医生完成常见疾病智能诊断，并提供疾病知识学习及干预指导；同时适用于患者自诊，增强自我处置能力。

本发明的第一目的是提供了一种常见疾病智能诊断方法，包括收集主诉信息，还包括以下步骤：

步骤1：提取疾病特征；

步骤2：将所述疾病特征输入疾病诊断模块；

步骤3：输出疑似疾病列表；

步骤4：判断是否为最终匹配疾病，如果不是则重新执行步骤1、2、3；

步骤5：输出所述最终匹配疾病。

优选的是，所述步骤1为从收集到的用户输入的所述主诉信息和/或用户回答提问的答案中自动提取疾病特征。

在上述任一方案中优选的是，所述步骤2还包括将所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配，得到匹配的疾病特征知识。

在上述任一方案中优选的是，所述步骤2还包括并由诊断模型进行筛选、打分、排序后，输出入围的候选疾病列表，并生成下一步提问。

在上述任一方案中优选的是，所述疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善，包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系中至少一种。。

在上述任一方案中优选的是，所述疾病特征知识图谱还包括疾病诊断知识框架，所述疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义，包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。

在上述任一方案中优选的是，所述疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。

在上述任一方案中优选的是，所述步骤4为根据候选疾病评分判断是否为最终匹配疾病。

在上述任一方案中优选的是，所述步骤5还包括用户查看所述最终匹配疾病和就诊科室。

本发明的第二目的是一种常见疾病智能诊断系统，包括用于收集主诉信息的采集模块，还包括以下模块：

特征提取模块：用于提取疾病特征；

知识匹配模块：用于将提取到的用户疾病特征与疾病特征知识进行匹配；

疾病诊断模块：用于输入匹配的疾病特征知识，由诊断模型自动进行筛选、打分、排序后，输出入围的候选疾病列表，并生成下一步提问；

应用展示模块：用于展示诊断结果，包括匹配疾病信息及就诊科室；

所述系统采用权利要求1中的方法进行常见疾病诊断。

优选的是，所述采集模块还用于不断向用户提问，并收集答案提交后台服务。

在上述任一方案中优选的是，所述特征提取模块用于从收集模块中的用户输入的所述主诉信息和/或用户根据问题输入相应的答案中自动提取疾病特征。

在上述任一方案中优选的是，所述知识匹配模块还用于将提取到的所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配，得到匹配的疾病特征知识。

在上述任一方案中优选的是，所述疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善，包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系中至少一种。

在上述任一方案中优选的是，所述疾病特征知识图谱还包括疾病诊断知识框架，所述疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义，包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。

在上述任一方案中优选的是，所述疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。

在上述任一方案中优选的是，所述疾病诊断模块还用于输入匹配的疾病特征知识，由诊断模型自动进行筛选、打分、排序后，输出入围的候选疾病列表，并生成下一步提问。

在上述任一方案中优选的是，述疾病诊断模块用于根据候选疾病评分判断是否为最终匹配疾病。

在上述任一方案中优选的是，所述应用展示模块还用于用户查看所述最终匹配疾病和就诊科室。

本发明提出了一种常见疾病智能诊断方法及系统，基于上千万份脱敏的门诊病历数据统计分析结果，并结合行业顶级医学专家的临床经验，形成目前覆盖大多数常见疾病的诊断模型，从而辅助经验不足的医师快速准确的诊断一些常见疾病，并提供疾病知识学习及干预指导；同时适用于患者自诊，增强自我处置能力。

附图说明

图1为按照本发明的常见疾病智能诊断方法的一优选实施例的流程图。

图2为按照本发明的常见疾病智能诊断系统的一优选实施例的模块图。

图3为按照本发明的常见疾病智能诊断系统的另一优选实施例的流程图。

图4为按照本发明的常见疾病智能诊断方法的如图3所示实施例的疾病知识图谱实现方法流程图。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的阐述。

实施例一

如图1所示，执行步骤100，收集主诉信息。采集用户输入的主诉信息和/或用户根据问题输入相应的答案。执行步骤110，根据所述主诉信息和/或回答提问的答案提取疾病特征。

执行步骤120，将疾病特征输入疾病诊断模块，疾病诊断模块将所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配，得到匹配的疾病特征知识，并由诊断模型进行筛选、打分、排序后，输出入围的候选疾病列表，并生成下一步提问。疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善，包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系；疾病特征知识图谱还包括疾病诊断知识框架，疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义，包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征；疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。

执行步骤130，输出疑似疾病列表。

执行步骤140，判断是否为最终匹配疾病，如果不是最终匹配疾病，则生成下一步提问问题，重新执行步骤100，进一步收集更多的用户主诉信息。

如果是最终匹配疾病，执行步骤150，输出最终匹配疾病，用户能够查看最终匹配疾病和就诊科室。

实施例二

如图2所示，一种常见疾病智能诊断系统包括采集模块200、特征提取模块210、知识匹配模块220、疾病诊断模块230和应用展示模块240。

采集模块200用于收集主诉信息，采集用户输入的主诉信息和/或用户根据问题输入相应的答案。

特征提取模块210用于根据主诉信息和/或回答提问的答案提取疾病特征。

知识匹配模块220用于将提取到的用户疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配，得到匹配的疾病特征知识。疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善，包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系。疾病特征知识图谱还包括疾病诊断知识框架，疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义，包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。

疾病诊断模块230用于将匹配的疾病特征知识输入诊断模型进行筛选、打分、排序后，输出入围的候选疾病列表，并根据候选疾病评分判断是否为最终匹配疾病，若是则输出最终匹配疾病，否则的话生成下一步提问问题；

应用展示模块240用于用户查看最终匹配疾病和就诊科室。

实施例三

本发明的目的是找出影响诊断疾病的各特征要素及其相互关系，并建立疾病诊断模型，从而辅助临床医生完成常见疾病智能诊断，并提供疾病知识学习及干预指导；同时适用于患者自诊，增强自我处置能力。

一方面提出了一种疾病诊断方法，包括： 根据用户输入的主诉信息或者回答系统提问答案中自动提取疾病特征；将提取到的疾病特征与疾病特征知识进行匹配，将匹配的疾病特征知识输入疾病诊断模型，由诊断模型进行筛选、打分、排序，输出入围的疑似疾病列表及生成下一步提问问题，直至最终产生匹配疾病或者无相关疾病，则结束；用户可查看具体疾病知识及就诊科室。

另一方面提供了一种疾病诊断系统，包括：采集模块，不断向用户提问，并收集答案提交后台服务；特征提取模块，从用户输入的主诉信息或问题答案中提取疾病特征；知识匹配模块，将提取到的用户疾病特征与疾病特征知识进行匹配，输出匹配的疾病特征知识列表；

疾病诊断模块，输入匹配的疾病特征知识，由诊断模型自动进行筛选、打分、排序，输出入围的疾病列表，并生成下一步提问，直至最终产生匹配疾病或者无相关疾病，则结束；应用展示模块，供用户查看具体疾病知识及就诊科室。

疾病诊断系统包括采集模块、特征提取模块、知识匹配模块、疾病诊断模块、应用展示模块。如图3所示。

采集模块是收集用户主诉信息及根据后台返回问题，引导用户回答提问，并收集问题答案，将结果提交后台服务。

特征提取模块是利用分词、词性标注、命名实体识别、依存分析等NLP技术，并结合业务规则实现的。特别是症状提取难度相当大，一个完整的症状包括部位、部位修饰词、症状、程度修饰词、持续时间、时机等维度，系统从用户主诉中提取到这些特征，并准确的组合在一起，形成一个完整症状。

知识匹配模块是处理用户输入特征和疾病特征知识的匹配。由于一条疾病特征知识是一段描述性信息，可能包含若干个特征，我们将疾病特征知识和特征之间的关系作为RDF三元组知识存入知识图谱中，然后将用户输入特征转换为SPARQL查询模板，执行知识查询，返回查询结果，并计算每条疾病特征知识的匹配分数。

疾病诊断模块是输入匹配的疾病特征知识，由诊断模型进行疾病筛选、评分、排序，输出入围的疾病列表，并生成下一步提问，直至最终产生匹配疾病或者无相关疾病，则结束；比如会根据候选疾病列表可以按性别、年龄、系统进行分类，会依次进行提问，不断缩小候选疾病范围及提高某些疾病的匹配得分，直至超过指定阈值，输出疑似疾病列表或者无相关疾病。

应用展示模块是展示最终诊断结果，可查看具体疾病知识及就诊科室。

疾病知识图谱中定义了影响每个疾病诊断的所有特征内容，包括症状、体征、性别、年龄、诱因、病史、检查指标等以及它们之间的约束、权重，用于支撑疾病诊断。

具体实现步骤如图4所示：

（1）由医学专家团队结合临床诊断知识定义疾病诊断知识框架，包括症状、体征、性别、年龄、诱因、病史、检查指标等特征。

（2）从大量脱敏的门诊病历数据进行数据分析，提取出疾病和各特征之间的关系。

（3）由医学专家团队结合诊断知识及临床经验进行调整、完善，包括修正数据、完善内容、增加业务约束、定义各个特征参与评分的权重、各个症状和体征间的组合关系等，形成疾病诊断知识图谱。

（4）用户输入主诉信息或者回答问题答案，并执行第5步。

（5）对用户输入的主诉信息进行特征提取。

（6）对用户输入特征进行知识匹配，多是症状、体征等维度。

（7）将匹配的疾病特征知识输入诊断模型进行筛选、打分、排序。若有候选疾病超过指定阈值，则直接跳到第10步。

（8）根据候选疾病评分及各疾病间的区分度综合计算，输出下一步引导问题供用户选择，若没有，则直接跳到第10步。

（9）返回第4步继续执行。

（10）若没有任何候选疾病达到指定阈值，并且没有下一步提问，则无法推导疑似疾病。否则，输出最终匹配的疾病列表。

本发明基于上千万份脱敏的门诊病历数据统计分析结果，并结合行业顶级医学专家的临床经验，形成目前覆盖大多数常见疾病的诊断模型，从而辅助经验不足的医师快速准确的诊断一些常见疾病，并提供疾病知识学习及干预指导；同时适用于患者自诊，增强自我处置能力。

实施例四

本系统安装在医院的智能服务终端或者家庭的电脑，无需用户佩戴任何设备，只需要在电脑或智能服务终端上输入自己的病症，就能够推断出自己患有什么疾病，应该到哪个科室进行挂号治疗。

例一：

患者A到达医院，不知道自己应该挂哪一个科的号，于是在医院挂号处的智能服务终端上打开常见疾病智能诊断系统，回答系统提出的相关问题，系统经过分析后，告知患者A应该挂内科，并显示目前内科的挂号情况（包括普通号、专家号和特需号）。

例二：

患者B在家中通过电脑打开常见疾病智能诊断系统输入自己病症的相关信息，系统经过分析后，告知患者B得的是什么病症，并建议去哪家医院（根据就近推荐和/或专业推荐原则）治疗或服用什么药物。

为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种常见疾病智能诊断方法，包括收集主诉信息，其特征在于，还包括以下步骤：

步骤1：提取疾病特征；

步骤2：将所述疾病特征输入疾病诊断模块；

步骤3：输出疑似疾病列表；

步骤4：判断是否为最终匹配疾病，如果不是则重新执行步骤1、2、3；

步骤5：输出所述最终匹配疾病。

2.如权利要求1所述的常见疾病智能诊断方法，其特征在于，所述步骤1为从收集到的用户输入的所述主诉信息和/或用户回答提问的答案中自动提取疾病特征。

3.如权利要求2所述的常见疾病智能诊断方法，其特征在于，所述步骤2还包括将所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配，得到匹配的疾病特征知识。

4.如权利要求3所述的常见疾病智能诊断方法，其特征在于，所述步骤2还包括并由诊断模型进行筛选、打分、排序后，输出入围的候选疾病列表，并生成下一步提问。

5.如权利要求4所述的常见疾病智能诊断方法，其特征在于，所述疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善，包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系中至少一种。

6.如权利要求5所述的常见疾病智能诊断方法，其特征在于，所述疾病特征知识图谱还包括疾病诊断知识框架，所述疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义，包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。

7.如权利要求6所述的常见疾病智能诊断方法，其特征在于，所述疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。

8.如权利要求6所述的常见疾病智能诊断方法，其特征在于，所述步骤4为根据候选疾病评分判断是否为最终匹配疾病。

9.如权利要求7所述的常见疾病智能诊断方法，其特征在于，所述步骤5还包括用户查看所述最终匹配疾病和就诊科室。

10.一种常见疾病智能诊断系统，包括用于收集主诉信息的采集模块，其特征在于，还包括以下模块：

特征提取模块：用于提取疾病特征；

知识匹配模块：用于将提取到的用户疾病特征与疾病特征知识进行匹配；

疾病诊断模块：用于输入匹配的疾病特征知识，由诊断模型自动进行筛选、打分、排序后，输出入围的候选疾病列表，并生成下一步提问；

应用展示模块：用于展示诊断结果，包括匹配疾病信息及就诊科室；

所述系统采用权利要求1中的方法进行常见疾病诊断。