CN110024038B - 与用户和装置进行合成交互的系统和方法 - Google Patents

Abstract

用于与用户(诸如医疗程序后在家中的患者)进行自动合成交互的系统和方法。具有处理器和存储器的数字教练启动与用户的交互装置的会话，并通过交互装置呈现预先记录的脚本作为视频和/或音频。用户的响应由数字教练通过交互装置接收。诸如医疗装置的外围装置可以由用户使用或由数字教练控制以获得关于用户的生理状况的数据测量值。数字教练的处理器分析来自用户响应和装置的数据，并在语义上解释响应和数据以确定下一个动作和脚本，以在会话中呈现给用户。数字教练基于处理器的语义扩展的数据解释提供与用户的对话式动态自适应会话。

Description

与用户和装置进行合成交互的系统和方法

优先权要求

本申请要求于2016年10月26日提交的美国临时申请序列号62/413,112的优先权，该专利的内容通过引用整体并入本文。

技术领域

本发明涉及远程医学和远程医疗监测。更具体地，本发明涉及患者可用于监测其术后或治疗后康复并管理与其相关的医疗装置的相互作用的系统。本发明还涉及数据解释和分析。

背景技术

在医疗或手术之后，通常存在康复期，在此期间患者愈合并恢复其力量和耐力。虽然可以在治疗医生的诊所或医院中度过初始康复期，但医疗人员的初始观察期仅需要确保患者稳定。一旦稳定，患者就会出院回家，但康复过程才刚刚开始。根据程序或治疗以及患者的年龄和总体健康状况，康复时间可以是几天到几个月的任何时间。可能需要与医疗服务提供者进行多次跟进预约，以评估康复的进展情况。必须安排这些预约，患者必须往返于诊所或医院的预约。如果康复不顺利，这种往返可能使患者不舒服、疼痛甚至危险。由于医务人员的工作量很大，诸如执业护士并不总是可以进行家庭访视。依赖于患者非常主观的自我评估和报告的医务人员电话跟进可能与医疗标准不同，如果患者未能报告所有相关信息或不知道如何解释他们正在经历什么，则电话跟进可能不可靠。

因此，如果可能的话，期望在康复期间对患者进行家庭监测，但是必须获得准确的信息，并且必须向健康服务提供者通知重大变化。但是，如果康复进展顺利，可能仅需要进行简单的监测，并向患者保证他们正在康复过程中。此类监测可能不需要医务人员，但仍必须获得准确的信息。类似地，患有诸如糖尿病或COPD的慢性病的患者可能需要在一段时间内监测他们的健康，这可能不会达到需要医疗看护的级别。

远程医学的进步(这种与医学专业人员的视频会议用于基本评估)现已成为患者可用的选择。通过这种技术辅助的远程医疗评估，患者不必离开家。通常不需要预定的预约，或者可以在请求的同一天获得预定的预约。然而，这些远程交互在医疗专业人员查看和评估患者的医疗状况的能力方面受到限制。它们仅限于患者可使用以获取信息的任何装置，例如秤或血糖仪。可能需要其他信息，例如来自患者无法访问的医疗装置或来自患者必须在其他地方进行的实验室测试的信息。通常，为远程医学配备的医务人员是执业护士或普通医师，并且在所有医学领域都没有专业知识。因此，将对患者有益的是，有方法在家中准确监测他们的康复，并且可以处理特定于该患者的细微差别或个性化问题。

自动化系统可以提供某种缓解，并可以处理大量信息。然而，预先记录了自动交互并遵循仅考虑某些有限响应的预定路径。自动化系统无法适应与此路径的任何偏差。在自动化系统中也取得进步，例如在Stevens等人的美国专利号5,870,755中描述的合成访谈，该专利通过引用整体并入本文。这种合成访谈基于来自人的自然语言响应提供化身和人之间的对话访谈。基于上下文和语法对要提出的问题和可能的相应答案进行反向索引以确定单词之间的关系。这使得合成访谈系统能够包含来自该人不是预期形式的响应。然而，这样的系统限于分析具有已知语言规则、语法和句法的单词。它们仍然无法解决更复杂和细微的问题。

因此，仍然需要一种患者可以在康复期间或任何监测期间使用的家庭监测系统，其中可以出现并解决任何情况。这样的系统必须既广泛又准确，并且能够处理未知情况。

发明内容

公开了用于与用户和装置的自动合成会话的系统和方法。该系统包含具有处理器和存储器的数字教练，该数字教练为患者或用户协调呈现诸如视频的脚本，提供指令和提示信息的收集。数字教练还可以向各种外围装置(例如，患者附近的医疗装置)提供操作指令，以控制装置并从装置收集关于患者的生理状态和状况的数据和信息。数字教练在语义上分析和解释来自医疗装置的用户响应和数据以确定下一个适当的动作，该动作可以包括选择要呈现给用户的下一个脚本。重复这些步骤，形成迭代过程或反馈循环的会话，其中在每个步骤收集和分析信息和数据，语义关系在上下文中被确定并在解释数据时被考虑，然后在会话中通知并指导下一步骤。会话可以是多模式的，诸如包含视频、音频、文本和数字信息。此外，每个会话中的交互可以被翻译成任何语言，包含手语。

数字教练和用户通过诸如互联网连接的连接进行交互。用户利用诸如计算机、平板电脑、智能手机或类似装置的交互装置来参与和数字教练的会话。数字教练向用户呈现的各种脚本显示在他们的交互装置的显示器上或通过装置的扬声器传送，内置扬声器、麦克风和摄像头可用于记录用户的响应。用户的响应被转换为数字信号，数字信号作为数据由数字教练处理。从外围装置(诸如医疗装置)收集的信息作为数据被传输到数字教练、被转换和处理。数据本质上可以是定性的或定量的。

数字教练包含处理器和存储器。处理器包含分析器，该分析器将每个步骤的数据转换为对该数据的评估。分析器访问知识库并将数据与预定义的参考点进行比较，以将每个数据分类为类别。各种知识库、分类和参考点存储在存储器中以便在处理期间进行访问。由分类或类别修改的数据定义评估。然后，处理器的动作引擎通过将每个评估和在上下文中与评估相关或相关联的各种附加信息相关联来在语义上扩展每个评估。这形成了解释，这些解释是数据串和语义相关信息。对数据结果的多种解释。存储器还存储相关性和索引信息的知识库，以便在语义上扩展评估时访问和交叉引用。然后，处理器的动作引擎识别最合适的规则并将其应用于每个解释，从而产生可能的动作。规则可以包含在存储器中，或者可以是神经网络或随着时间的推移提高准确性的其他机器学习系统。生成多个可能的动作，并对其进行加权、排序或优先级排序。处理器选择可能的动作中的最合适动作，并向用户和/或医疗装置发出指令以获得进一步的信息或指令。处理器还可以向其他人(诸如健康服务提供者(HSP)、患者的电子健康记录(EHR)或第三方(诸如执行测试的实验室或药房))发送指令、警报、通知、请求或其他信函。关于用户的指令是将识别的脚本作为下一个脚本呈现给用户的指令。

因此，数字教练之间的会话不遵循预先建立的脚本，而是在每个步骤依赖于用户的响应并且依赖于来自先前步骤中提供的各种外围装置和医疗装置的数据。会话是真正的交互，没有两个会话是相同的。这种类型的交互是可能的，因为处理器在语义上扩展了所有传入数据。例如，对单词的上下文解释是已知的。然而，类似技术尚未应用于数据，因为它要复杂得多，需要考虑更多因素。

根据以下详细描述并参照附图，系统和方法以及它们的特定特征和优点将变得更加明显。

附图说明

图1是本发明系统的一个实施例的示意图。

图2是该系统的第二实施例的示意图。

图3是该系统的第三实施例的示意图。

图4是托管本发明的数字教练的服务器的示意图。

图5是系统的数字教练的存储器的一个实施例的示意图。

图6是数字教练的说明性模块的示意图。

图7是数字教练以及执行数据分析和解释的处理器的各种组件的示意图。

图8是在数字教练、用户和至少一个装置之间进行会话的方法的示意图。

图9是进一步说明图8所示的语义分析和解释数据的步骤的示意图，分为图9a和图9b。

在附图的所有视图中，相同的附图标记表示相同的部件。

具体实施方式

如附图中所示，本发明涉及用于与用户(诸如在医疗程序之后在家中的患者)进行自动合成交互的系统和方法，用户利用诸如医疗装置的外围装置来收集关于患者的生理状况的数据。自动合成交互或会话由数字教练进行，该数字教练自适应地与患者交互以监测他们的康复和整体健康，并协调来自患者和各种外围装置两者的数据。数字教练还可以向各种装置发送操作指令以控制它们并启动数据收集和/或传输。数字教练在语义上分析来自患者和装置的输入和数据，并解释输入和数据以确定会话中的下一个动作过程。然后，数字教练指导下一个动作过程，该过程可以是对患者的进一步问题或答案和/或指导源自装置的数据收集以获得附加信息。然后重复该循环，以形成反馈循环和迭代过程。

如图1所示，系统10包括数字教练100，该数字教练执行访谈、控制所述装置、分析和解释数据和信息并决定下一个动作过程。在优选实施例中，数字教练100以电子方式托管在云中，因此可通过网络20访问。用户12通过靠近用户12的交互装置13(诸如计算机、笔记本电脑、平板电脑、移动装置、智能装置、电话、手表、扬声器装置或其他计算装置)与数字教练100交互。优选地，交互装置13是个人计算装置，并且不需要是专用设备。数字教练100与交互装置13进行电子通信，并且可以通过交互装置的接口(诸如用于视觉呈现的显示器14和用于与视频相关联的听觉呈现的扬声器15)呈现给用户12。交互装置13还可以包括输入部分16，其可以是键盘、触摸板、具有软键的触摸使能屏或用于向接口输入信息的其他结构。交互装置13还可以包含拾取与患者对数字教练100的口头响应相关联的声音的麦克风17以及监测和/或记录患者的视频的摄像头18。交互装置13的这些不同的组件可以作为装置13的一部分，或者可以可选地附连到诸如具有物理键的单独键盘的装置。然而，交互装置13与数字教练100一起使用不需要修改患者自己的个人手机、笔记本电脑、平板电脑或计算机。用户12或许能够通过网络20(诸如因特网)上可用的、优选具有安全登录信息的网站访问数字教练100。然而，在一些实施例中，数字教练100或其至少一部分可以安装在用户自己的个人交互装置13上以诸如当对网络20的访问可能受限或不可用时促进会话。

术语“数字教练”是为了便于讨论而使用的，因为它以调用与人交谈的感觉的、可访问的、自然的感觉方式与用户12交互。然而，从本公开的其余部分将清楚的是，数字教练100是计算机实现的软件或应用程序，其可以安装在计算装置上并且可以托管在远程位置，诸如在可通过网络20或其他因特网连接访问的服务器80上。然而，在一些实施例中，数字教练100可以安装在用户的交互装置13上，并且可以至少部分地在本地运行。在其他实施例中，操作程序和信息高速缓存可以本地存储在交互装置13上，并且可以通过网络20或因特网进行协调，以完全访问包括数字教练的总信息的剩余部分。

在至少一个实施例中，用户12可以是已接受需要跟进监测的医疗治疗(诸如手术)或者将接受需要在治疗之前进行准备的医疗治疗的人。因此，在整个本公开中，术语“用户”和“患者”可以互换使用。在一些实施例中，用户12可以指护理人员或协助患者的其他个人，诸如家庭成员或家庭护理提供者。为帮助患者或在患者不能自己参与的情况下，护理人员可以和患者或代替患者与数字教练100交互。在另外的实施例中，用户12可以是需要长期健康监测(诸如糖尿病或癌症患者的慢性病症)的人。因此，除了术前、术后或周围的特定医疗程序之外，数字教练100还可以提供一般的交互健康监测。

数字教练100或至少其处理器110还可以与用户12使用的各种外围装置30、30'、30”进行电子通信并与之交互。在优选实施例中，这些装置30可以是医疗装置，其被设计为相对于医疗或健康状况收集关于患者的生理数据。如本文所使用的，“医疗装置”是收集指示患者的生理状况的数据的任何装置，并且可以根据联邦法规(CFR)的第21章第862-892部分而分类为医疗装置，或者可以是作为医疗装置由FDA管理的任何装置。例如，医疗装置30可包括但不限于温度计、血压袖带、脉搏血氧计、听诊器、血糖仪、ECG或EKG装置、皮肤电反应传感器、发汗传感器、电解质传感器、肺活量计等。然而，提供可用于监测患者健康的数据的其他外围装置30也可以被认为是如本文所使用的医疗装置，诸如但不限于秤、计步器、睡眠跟踪器、加速度计、运动传感器和红外(IR)传感器。这些装置30中的一些(诸如特别考虑与数字教练100一起使用的术后套件的一部分)可以在手术之后与患者12一起被送回家。在其他实施例中，装置30可以由患者12在其他时间获得并且可以独立于数字教练100而操作。每个装置30可以包括连接到数字教练100的收发器，或者如图1所示直接连接，或者如图2所示通过用户的交互装置13间接连接。与数字教练100或交互装置13的连接优选是无线的，诸如通过Wi-Fi网络、蓝牙连接或诸如由射频传输促进的近场连接。然而，在其他实施例中，装置30、30'、30“可以通过有线连接(诸如通过USB或其他类似连接)连接到数字教练100，诸如连接到交互装置13。

在一些实施例中，诸如图3中所示，集成平台70可以插入到用户的交互装置13和/或装置30、30'、30“与数字教练100之间的电子通信中。在这样的实施例中，集成平台70可以用于将来自装置30、30'、30"和交互装置13的数据转换为可以由数字教练100的处理器110解释的格式。例如，对于特定类型的数据，数据可以被转换成现场识别的标准单位，诸如脉搏的每分钟心跳或血压的舒张压上的收缩压。集成平台70还可以将数据转换为数字或机器代码，诸如二进制或十六进制。诸如，由北卡罗来纳州达勒姆的Validic提供的系统可以用作，例如，集成平台70，但是也可以使用其他集成平台70。还应该理解，在一些实施例中，不需要集成平台70。

返回图1，数字教练100还可以与患者记录40进行电子通信，并且可以在与用户12会话之前、期间或之后访问患者记录40。患者记录40可以包括患者的整个电子健康记录(EHR)，其是构成患者的医疗和健康史的数字文件，并且可以在治疗过程中由其各个医生或健康提供者更新。例如，EHR可以包含关于患者的传记和背景信息；社交和生活方式信息，诸如运动、吸烟、酗酒和吸毒；家庭病史；对特定疾病或病情的遗传易感性；手术史；正在服用的药物；过敏和药物禁忌症；过去的病情；实验室结果；来自不同医生的电子病历(EMR)，用于他们的特定诊断和治疗，包含来自健康提供者的SOAP笔记；以及其他健康、医疗和医疗相关信息。在其他实施例中，患者记录40可以仅包含特定治疗医生的EMR，诸如针对正在使用数字教练100以促进监测的特定病情来治疗患者的医生。在其他实施例中，患者记录40仅包含患者的完整健康记录的提取文件，诸如可以在患者门户网站上被特定治疗医生或健康服务提供者使用，或者可以在医学验证芯片或其他识别装置中获得。无论格式如何，这些患者记录40可以被远程托管，诸如托管在基于云的系统中，该系统可以与数字教练100的位置相同或不同。因此，数字教练100可以通过网络20或因特网连接访问患者记录40以从患者记录40读取或下载信息以在数字教练100的处理器110内本地使用，并且以新信息更新患者记录40，如将在后面更详细地描述。

健康服务提供者(HSP)50还可以，诸如通过与网络20进行电子通信的相关计算装置，查看和/或更新患者记录40中的信息。HSP50可以是治疗医生、辅助医生、外科医生、医生助手、执业护士、护士、实验室技师、药剂师、物理治疗师、培训师、营养师、精神病医生、专科医生、EMT或其他健康或医疗专业人员。每个患者可以具有通知患者记录40的任何数量的HSP50，并且每个患者可以连接、查看和更新与其相关的患者记录40、EHR或EMR。另外，HSP50可以向数字教练100提供可以用于分析和解释数据的特定信息，如将更详细地描述的。最后，在与用户12的访谈期间或之后，数字教练100可以联系HSP50，以向HSP50提供关于患者状态的通知、警报或更新。

数字教练100的处理器110还可以和与第三方60相关联的计算装置进行电子通信并与其接口连接。第三方60可以包含但不限于进行实验室测试的实验室、药剂师、911或其他紧急服务、以及紧急联系人。这些第三方60在所有情况下可能不是必需的，但在某些情况下，对于数字教练100可能有益的是，能够向他们发送指令或从他们获取信息。例如，数字教练100或许能够为用户12自动重新排序处方，查询实验室测试的状态或结果以获得用于分析和解释数据的附加信息，或者如果用户12没有响应或数据表明用户12正在经历心动过速或呼吸困难则自动呼叫911或请求救护车。数字教练100还可以向用户的紧急联系人(诸如亲戚或亲密朋友)发送警报或通知紧急情况，这样他们可以在医院与用户12会面。

如前所述，数字教练100可以托管在基于云的系统中，诸如可以通过接到网络20的连接(如因特网)访问。数字教练100可以位于服务器80上，并且还可以包含处理器110和存储器140，如图4所示。服务器80或处理器110可以包含输入/输出(I/O)82，用于与网络20或服务器80外部的其他连接进行接口连接或通信。例如，数据115可以通过I/O82进入数字教练100以进行分析和解释。由数字教练100确定的用于下一动作的指令170可以被递送到网络20，以通过I/O82分发给用户12、装置30、30'、30”、患者记录40、HSP50或第三方60。在一些情况下，处理器110可以包含一个或多个转换器120，用于将各种类型的数据转换为数字信号或机器代码以进行处理。例如，语音转换器121可以转换音频或声音(诸如由用户12说出并由麦克风17捕获的词句或由用作装置30的听诊器捕获的喘息声)。文本转换器123可以转换书写文本(诸如来自用户12的打字响应)，并通过触摸板或键盘输入到他们的交互装置13中。视频转换器125可以转换由用户12的交互装置13上的摄像头18捕获的用户12的图像，诸如执行特定任务(诸如执行一系列运动测试或清洁伤口)的用户12的图像。这些是一些非限制性示例，并且旨在用于说明目的。能够将音频、视频或文本转换成数字数据的任何转换器120都在此设想并包括在内。因此，转换器120可以在处理器110内或在数字教练100所在的服务器80上使用，而不是使用如图3中所描述的集成平台70。

参照图3和图4，数字教练100包含存储器140，该存储器包含各种模块142、142'。可以存在任何数量的模块142，诸如从1到n个模块142ⁿ。每个模块142可以特定于可以呈现给用户12的特定主题。例如，如果数字教练100正在用于在手术后监测患者，则它可以包含分别用于伤口愈合、感染和分诊的模块142、142'、142"。对于与主要目的无直接关系但可能影响康复过程的其他病情，可能存在附加模块142。例如，如果患者还患有糖尿病(其可影响愈合率和康复时间)或阿尔茨海默病(其可能影响患者的记忆、损害患者的准确反应或记住术后程序的，可能会对随后的方案产生负面影响的各方面)，则可包含用于糖尿病或阿尔茨海默病的模块142。还可以包含健康或生活方式模块142，诸如如果患者是吸烟者或运动员。例如，这些模块可以应对以下情况：在康复期间应该停止或减少吸烟，或者可以在2周后恢复身体活动，但是训练应该等待6周才能恢复。

如图6所示，每个模块142包含脚本143的各个系列144。脚本143是预先记录的信息，诸如讲话的人的音频和/或视频以向用户12提供信息。例如，在至少一个实施例中，脚本143可以在他们的交互装置13的显示器上向用户12呈现讲述主治词并且可能展示技术的人的视频。在其他实施例中，脚本143可以作为语音呈现给用户12，类似于亚马逊的Alexa。脚本143可以以用户的首选语言(包含美国手语(ASL))呈现给用户12。因此，如这里所使用的，“音频”包含手语视频，并且是指口头数据。在呈现给用户12之前，脚本143可以，诸如通过图4中所示的翻译器128，被翻译成任何语言。单个脚本143可以是单个句子，诸如“现在让我们测量您的血压”。在其他实施例中，单个脚本143可以是传达信息的一组句子，诸如“看起来针头没有穿透皮肤。请重新定位针头并再试一次”。在其他实施例中，单个脚本143可以是整个对话或呈现，向用户12提供演示或附加信息，例如重温术前程序或展示如何彻底清洁伤口或更换绷带。

脚本143可以被分组为系列144，其是模块142的子集。例如，关于伤口护理的模块142可包括关于伤口清洁的系列144、关于健康和非健康伤口外观的另一系列144'等。系列144内的各种脚本143都将涉及该子主题，诸如伤口清洁。如果系列144或脚本143中的一些应用于多个不同的模块，则它们可以在不同模块142之间在存储器140内交叉引用。例如，“缝线周围的黄色液体是脓液，并且表明您可能有感染”的脚本143可以存在于用于伤口护理的模块142和用于感染的另一模块142'中。这样的交叉引用脚本143可以位于存储器140上的一个位置，并且其他模块142可以根据需要映射到该位置。在其他实施例中，每个模块142可以包含与该模块142相关的所有必要或可能的脚本143。数字教练100可包含与应用于特定用户12一样多的模块142、他们的健康或病史、以及正在用数字教练100监测和评估的病情或治疗。因此，每个模块142可以包含与完成给定模块142所需一样多的脚本143和系列144，并且优选覆盖与可预期的一样多的可能结果、场景和信息。

在一些实施例中，系列144或模块142内的脚本143可以初始设置为以预先建立的顺序呈现给用户12。例如，关于分诊的系列144内的脚本143可以向用户12呈现类型的问题以及遵循分诊标度验证的顺序，诸如急诊严重指数(ESI)。在这样的实施例中，脚本143以预选的顺序呈现给用户12，以首先获得最重要的、时间敏感的或最高优先级的信息，稍后获得较低优先级的信息。例如，在分诊的情况下，与用户12发烧或正在经历腹痛相比，确定用户12是否呼吸困难或者正在经历不规则的心率有更高的优先级。然而，在一些实施例中，松散地建立脚本143呈现的顺序，并且数字教练100在确定呈现顺序方面更灵活。脚本143的这种呈现顺序仍然可以被预先选择，但是在执行时可以基于来自用户12的响应和来自装置30的数据而更加可变。

返回图5，存储器140还包括至少一个知识库145，该知识库包含已知信息和各种领域的信息之间的相关性。这些知识库145由每个领域的专家预先填充并提供资料，并且可以包含定义、来自教科书、论文、期刊、百科全书的内容以及与各种主题相关的其他信息。知识库145还可以包括问题和可以响应问题的各种答案，提供信息的初始数据库，其可以通过使用数字教练100自适应地扩展。在至少一个实施例中，每个模块142对应于专用知识库145，其包含与该特定模块142的主题相关的事实和知识。在其他实施例中，知识库145可以包含与多个模块142相对应的信息，并且可以由各种不同的模块142交叉引用或映射。

知识库145具体包括各种预定义解释166，每个预定义解释包括本质上是口头的第一数据116、本质上是数字的第二数据118以及与第一数据116和第二数据118相关的语义信息162。这些预定义的解释166定义了各种相关区域中的数据和已知信息之间的相关性和/或插入内容，并且可以用于连接信息和数据，并且可以在会话或交互期间对关于从用户12或装置30接收的数据进行推断。知识库145还包含对应于每个预定义解释166的一系列动作167。例如，“小于12岁”和“102.6的温度”的预定义解释对应于至少一个动作，诸如“施用适合儿童的减少发烧的药物”和“对前额施加冷敷”。

存储器140还可以容纳指定的数据库，诸如装置信息数据库146、数据信息数据库147和装置读数141。装置信息数据库146包含关于可以与数字教练100通信的各种类型的装置30的信息。例如，装置信息数据库146可以填充有可以在系统10中使用的每个装置30的类型、构造、型号、制造商和序列号，以及为每个特定装置30报告数据的测量值的数据类型和单位。该信息允许数字教练100识别来自各种装置30的输入数据115并且知道如何解释数据。还可以包含数据信息数据库147，其根据数据类型键入信息。例如，数据信息数据库147可以包含产生特定类型数据的装置的各种类型、构造和型号的列表以及它们记录数据的单位。在一些情况下，可以将数据信息数据库147交叉引用到装置信息数据库146。可以包含装置读数数据库141以存储来自先前会话的、来自装置30、30'、30"的数据，以便在当前会话期间进行比较。例如，可以存储在每个会话期间从血压袖带得到的装置读数，并且可以形成关于后续会话的一条语义信息162。各种读数的统计评估也可以存储在装置读数141中，诸如在过去一个月测量的平均血压或在上周测量的最高血压。可以根据数据测量或测量所来自的装置的类型来识别、分类和/或存储装置读数数据库141中的测量值。装置信息数据库146、数据信息数据库147和装置读数141中的每一个可以是知识库145的专用子集，或者可以被解析为单独的数据库。

存储器140还包含用于分析输入数据的水平定义148。水平定义148定义各种水平的评估或风险，并且可以共同定义不断升级的关注级别。每个模块142或主题可以具有专用水平定义148，其特定于被监测的特定病情或治疗。例如，糖尿病的水平定义148可以包含目标水平或正常水平、低水平、危险低水平、高水平和危险高水平或范围。如本文所用，术语“水平”、“范围”和“类别”可互换使用。水平可以由指示每个水平的边界或界限的参考点来定义，并且可以特定于数据类型，诸如空腹值与非空腹值。例如，71-110mg/dL的参考点可以定义目标或正常的空腹血糖水平；51-70mg/dL定义低范围；50mg/dL定义极低范围的上限；111-200mg/dL定义中等范围；201-280mg/dL定义高范围，281mg/dL表示极高范围的下限。这仅是一个说明性示例，并非旨在进行限制。在一些实施例中，水平定义148可以仅包括两个水平，诸如可接受和不可接受。在其他实施例中，水平定义148可以包括对于正在被监测的给定病情可能需要的一样多的水平和子水平。

存储器140还包括至少一组规则149。规则149提供对数据115进行操作的指令，以用于分析和/或解释数据115。例如，规则149可以包括基于数据落入的水平或范围的“如果，则”指令以及建议作为结果采取的一些动作。这些规则149是基于也预先填充在存储器140的规则组149中的，经识别的医疗诊断和方案而预先确定的。例如，一个示例是“如果心率处于高范围，则执行以下各项中的至少一项：检查活动水平和活动后的时间；检查排汗水平；检查呼吸率；通知第三方。”在优选实施例中，至少一个规则要求数字教练100通知第三方或向HSP或紧急联系人提供属于极高类别的任何数据的警报。在至少一个实施例中，可以存在规则以向HSP通知属于高类别的任何数据。在至少一个实施例中，可存在对应于每个模块142、知识库145和/或水平定义148的一组规则149。在其他实施例中，可以存在与主题相对应的多组规则149，并且根据需要将规则149应用于每个模块142、知识库145和/或水平定义148。

还可以包含至少一组修改规则150。修改规则150可以应用于规则149和水平定义148，以根据预选参数偏离标准。例如，修改规则150可以包含用于水平定义148的修改器，用于在高于海平面的不同海拔高度处的平均血糖水平。将这些修改规则150应用于水平定义148相应地向上或向下调整定义每个水平的参考点。作为另一示例，患者的病史(诸如可以从他们的患者记录40访问)可以用作修改规则150以修改特定于特定患者的规则149或水平定义148。例如，可以根据患者的年龄来修改用于定义高、低和正常血压范围的血压参考点。对于55岁的男性，高血压可定义在130/86-144/90mmHg之间，而对于35岁的男性，高血压可定义在123/82-135/86mmHg之间。类似地，修改规则150可以应用于已被诊断为患有高血压的人的水平定义148，从而重新定义“正常”水平以适应更高的血压水平。

参照图4和图7，数字教练100的处理器110还包含获得输入数据115并对其进行分析的分析器130。在一个实施例中，分析器将数据115转换成评估135以用于后续解释。输入数据115可以是对应于用户提供的响应的第一数据116，其可以是用户12响应于来自数字教练100的问题的口头词句、书面文本和动作中的至少一个，诸如响应于问题“您感觉怎么样？”的“我今天感觉很糟糕”。输入数据115还可以是来自装置30的第二数据118，并且其指示用户12的至少一个生理状况。第二数据118可以直接从装置30到达处理器110，或者通过用户的交互装置13间接到达该处理器。第二数据118可以是定性的，诸如来自医疗装置30的读取结果“好”，或是定量的，诸如从脉搏血氧计递送的数字脉冲读数。在进入分析器130之前，第一数据116和第二数据118可以由集成平台70或数字教练100的处理器110或服务器80内的转换器120转换。在其他实施例中，数据115不被转换并以与生成它们相同的格式进入分析器130。

在至少一个实施例中，分析器130接收每条数据115，识别数据类型，并将其与相关水平定义148进行比较，以给数据115分配适当的类别。作为说明性示例，分析器130将数据“120/80”识别为血压数据，将其与血压的水平定义148进行比较，并确定数据处于“正常”范围。分析器30将“正常范围”与数据“120/80”组合或相关联以形成数据的评估135。与已知标准或特定于患者的修改水平相比，评估135可以被认为是对数据115的分析。然后，这些评估135可以在处理器110的动作引擎160中组合和语义扩展，以诸如使用反向索引或其他合适的方法形成数据的候选解释165。

在至少一个实施例中，数据115直接进入动作引擎160，而不首先由分析器130分类。动作引擎160将第一数据116和第二数据118与存储在知识库145中的预定义解释166的第一数据、第二数据和语义信息分量进行比较，以形成一系列候选解释165。在一些实施例中，还包含评估135并将其与预定义解释166中提供的信息进行比较。这些候选解释165表示基于数据与医学和健康领域中已知的信息之间的相关性和插入内容的第一数据116和第二数据118的各种不同解释。这些相关性或解释表明可以一起使用的信息之间的关系。例如，对“高血压”的评估可以与语义信息“COPD患者和高血压患者之间存在高度相关性”相结合。血压的定量测量可以添加到该信息串以及该特定患者具有COPD的修改器中，以形成解释162，即，依据典型标准，针对该患者记录的高血压数量是高的，但是对于该患者是正常的，并且对于COPD患者是正常的。语义信息162、162'可以与一个或多个评估135、135'相关以形成解释165。一些解释165'可以不包含任何语义信息162或任何评估135。

基于与存储在知识库145中的预定义解释166的相似程度来对候选解释165进行优先级排序。从候选解释165的列表中选择主解释168。在至少一个实施例中，主解释168是与存储在知识数据库145中的预定义解释166具有最高程度的相似性的候选解释165。

然后，处理器110的动作引擎160基于主解释168生成至少一个动作167。由于每个预定义解释166具有与其相关联的至少一个动作，因此为主解释168生成的至少一个动作167是与存储在知识库145中的匹配预定义解释166相关联的至少一个动作。然后，处理器110执行与主解释168相对应的至少一个动作。例如，动作可以是指示交互装置13向用户12呈现后续脚本143，其可以说“您正在康复过程中。我明天会对您再次进行检查。”将选择哪个脚本143用于呈现作为下一个后续脚本，将取决于第一数据116和第二数据118及其作为主解释168的解释。在优选实施例中，处理器110基于主解释168选择后续脚本143。

在其他实施例中，处理器110的动作引擎160可以将至少一个规则149应用于候选解释165以生成要采取的至少一个动作167。相同的规则149可以应用于所有候选解释165，或者各种规则149可以应用于各种候选解释165，这取决于第一数据116和第二数据118、评估135和含于其中的语义信息162。此外，这些规则149可以是标准规则，或者可以根据修改规则150对其进行修改，诸如调整参数以考虑患者的病史。正在应用的规则149可以根据有多少评估135和多少条语义信息162彼此相关而不同。例如，包含“温度为103.6华氏度”和“四岁”的解释165可以产生“施用儿童安全药物以减少发烧”的动作作为动作。然而，包含“温度103.6华氏度”、“四岁”、“1小时前施用药物”和“儿童用泰勒诺”的解释165可能产生“立即去紧急护理中心”的行动。附加信息可以产生改变所得动作项的不同解释165。在上面的示例中，发烧的儿童表示应该给予药物以减少发烧。知道儿童一小时前已经接受减少发烧的药物表明该药对减轻发烧不起作用，这种情况可能是致命的，应该立即得到关注。这只是一个说明性示例，并不旨在以任何方式进行限制。

规则149可以具有“if，then(如果，则)”格式，其中第一数据116、第二数据118、各种评估135和多条语义信息162是某个动作167的先决条件。如果所有先决条件(候选解释165中的第一数据116、第二数据118、各种评估135和多条语义信息162)存在或为真，则可以后续进行动作167。在其他情况下，如果先决条件的某一百分比存在或为真(诸如70％或90％)，则可以后续进行动作167。在某些情况下，不同的动作167、167'可能是应用规则149的结果，其中仅存在某些先决条件，诸如如果仅满足先决条件的70％，则产生动作A，而如果满足80％，则产生动作B，如果满足90％则产生动作C。产生的动作167也可以根据候选解释165中是否存在某些特定第一数据116、第二数据118、评估135或多条语义信息162而不同。例如，可能仅在“高血压”和“COPD”在解释165中一起出现时产生动作A。因此，多个规则149可以应用于相同的候选解释165，并且多个动作167可以由应用于相同候选解释165的规则149产生。

在其他实施例中，规则149可以不应用于候选解释165。相反，候选解释165经受在图4中示意性地描绘的机器学习系统152。机器学习系统152的示例包括但不限于神经网络和混合系统。机器学习系统152可以以几千个规则开始，并且最初发生软匹配以训练系统。当使用系统152时，它增加软匹配的准确性。它可以采用概率或加权来提供候选解释165中的第一数据116、第二数据118、评估135和语义信息162对应于特定动作167的概率或可能性的统计分析。例如，某些单词或短语可能与表示特定的预定义解释166的规则中的预期单词或数据不直接匹配，但是随着时间的推移，通向该特定预定义解释166的路径通过更大的使用变得更强，并且机器学习系统152将那些增强的路径加权为大于其他较少使用的路径。随着时间的推移，第一数据116、第二数据118、评估135和语义信息162的某些组合可以被识别为特别显著以指示特定的预定义解释166。显著性可以是统计学上显著的水平，诸如通过一些其他统计方法测量的95％置信度或显著性。这些只是几个示例，并不意味着限制。

在其他示例中，机器学习系统152将权重(诸如数字修改器)应用于候选解释165、第一数据116、第二数据118、评估135和语义信息162的子单元或组合。该加权可以是基于逆文档频率的，并且指示附加解释165、评估135和语义信息162的子单元或组合对特定动作167的重要性水平。

在生成对于给定数据115存在的各种候选解释165可能的相关动作167的列表的过程中，可能的动作167可以预先填充在存储器140中的数据库诸如知识数据库145中，并且由处理器110的动作引擎160访问。为了生成动作167，处理器110的动作引擎160可以将规则149应用于解释165，访问存储器140中的动作167的数据库，并确定哪些动作167最可能是相关的、重要的、或者是最高匹配解释165的。这可以通过应用算法、等式、计算或其他合适的方法来实现。因此可以生成可能的相关动作167的列表，如图7所示。可以诸如根据优先级、紧急性或最可能适合该场景对动作167进行排序。这可以通过多种方式实现。例如，如果解释165中的一个指示紧急情况，则可以将最高优先级给予相应的动作167以确保首先解决紧急情况。以这种方式，指示心动过速的高心率被赋予的优先级高于指示检查缝线状态是预先安排的时间的警报。由此产生的“呼叫911请求救护车”的动作优先于检查缝线的其他产生的动作。

数字教练100的处理器110将选择要接着进行的生成动作167中的一个。在至少一个实施例中，选择具有最高优先级的动作167。然而，在其他实施例中，可以选择具有最大权重的、在统计上可能性最大、或者在动作引擎160中最频繁地出现的动作167。可能存在驱动数字教练100如何选择接着进行哪个动作167的规则149。也可能存在超越规则149的例外，诸如当指示紧急情况时。

当数字教练100的处理器110选择要接着进行的动作167时，它执行动作167并与适当的实体通信。取决于预期接收者180，已执行动作167可以采用不同形式。例如，如图7所示，用于来自用户12的进一步信息的已执行动作167可以包括识别对应于所选动作167的脚本143并将脚本143呈现给用户12。例如，动作167可以是“获得关于活动水平的信息”。相应的脚本143可以是化身的视频，其表示“您的心率似乎升高了。您最近一直在四处走动或锻炼吗？”如前所述，脚本143可以在被呈现给用户12之前由翻译器128翻译成用户的首选语言。寻求从装置30获取数据的已执行动作167可以包括向装置30发送操作指令以激活、校准所述装置、启动数据收集和/或将数据发送到数字教练100以进行处理。已执行动作167还可以针对患者记录40，其可以包含更新患者记录40以包含最近获取的数据115以及由该数据产生的分析和解释。在一些实施例中，已执行动作167还可以针对HSP70，诸如向HSP50提供与需要医疗看护或跟进随访的患者出现的病情的警报，或者例如请求处方更新。已执行动作167还可以针对第三方60(诸如药房)以检查处方的状态。这些仅是一些说明性示例，并非旨在穷举或限制。

可以根据需要使已执行动作167针对与完成所选择的动作167所需一样多的接收者180。例如，脚本143可以被呈现给用户12，并且操作指令可以被同时发送到装置30以从用户12和装置30收集进一步的信息和数据。在紧急情况下可以向HSP50和作为第三方60的紧急服务发送警报，诸如“患者在吗啡泵上，吗啡泵在最近的一小时内已经启动了5次。患者报告他们没有感到痛苦。当被要求从100倒数时，患者只能数到98。这是患者执行这项任务的视频……”。同时，还可以向用户12呈现脚本143，其表示“已经为您呼叫了救护车。请保持冷静并且知晓帮助者正在途中”。数字教练100还可以协调用户12和第三方60(诸如正在去往患者的途中的EMT)之间的三方会话，以开始向EMT提供视觉和听觉信息。例如，数字教练100可以协调患者的视频和音频数据的收集并将这些数据传输或输送到EMT，以便他们可以看到患者是否在呼吸并且可以告诉患者可以做的事情以更加平静或很舒服直到救护车到达。

当数字教练100接收到附加数据115时，处理器110如上所述分析和解释新数据115。因此，数字教练100可以涉及逐步分析和解释数据的迭代过程或反馈循环，以确定在每个步骤哪个动作最合适。因此，虽然模块142、脚本143、知识库145、预定义解释166和相关联的动作167可以预先建立并存储在存储器140中，但是它们是基于最新信息被动态选择和呈现的。因此，数字教练100和用户12之间的会话可以采取任何路径，以在会话进行时自适应地确定。它不是预先设定的，也不遵循特定的路径。它也不遵循预先建立的是-否路径决策树。相反，会话是动态的并且适应于用户12、装置30以及在给定时间从它们收集的患者健康或医疗状况的数据115。同样地，数字教练100的处理器110不使用查找表，而是在语义上分析数据115以在那时确定最佳动作过程是什么。如这里所使用的，应用于数据分析的“语义”包括对单词和数字数据两者的分析，并指示数据和多条信息之间的相关关系。处理器110不仅仅根据规则分析数据，而且在语义上扩展和分析它以基于已知和可疑的连接以及单词、短语和定量数据之间的关系来识别相关性，以得到一系列可能的解释和进行排名以确定最佳可能的动作过程的动作。在一些实施例中，数字教练100甚至可以随着时间学习并提高其准确性。

实际上，数字教练100可以执行与用户和相关装置进行自动访谈的方法，如图7中的200所示。方法200可以从发起与用户的会话开始，如在210处所述。与用户的“会话”可以被定义为脚本143的呈现、来自用户12的响应的集合和/或来自装置30的数据，以及基于分析和解释用户输入和收集的数据响应于用户输入和收集的数据的脚本143的进一步呈现。在至少一个实施例中，数字教练100发起会话。如在210处所述，发起会话可以包含通过网络20或因特网建立接到用户的交互装置13的连接，诸如通过激活交互装置13并打开相应的本地程序以通过会话进行交互。可以根据治疗计划或治疗后的程序通过HSP50为用户12定制的预选时间表进行启动。例如，数字教练100可以包含在用户12从医疗机构离开之后24小时发起与用户12的第一会话的指令，但是初始会话也可以使用更短或更长的时间段。如果用户12的预期康复或治疗后健康状况正常或如预期的话，诸如在初始会话之后的几天和几周，可以在将要使用数字教练100的监测时段期间的后续时间安排附加会话。如数字教练100根据对在会话期间获得的数据115的分析和解释所确定的，如果在会话期间出现异常事件或紧急情况，则数字教练100可以改变会话安排。在其他实施例中，用户12可以发起会话，诸如提醒自己先前已经覆盖的特定点，以获得关于他们的进展状态的信息或者确认后续预约，或者获得关于出现意外的医疗情况(诸如在预定的会话之间发生的发烧、发红或肿胀)的建议。

在一些实施例中，如在220处所示，方法200可以包含在会话开始时验证用户，以确保适当的人正在被定址。验证也可用于确保患者隐私并遵守HIPAA对医学敏感信息的处理要求。验证可以通过验证系统完成，诸如请求和获得用户的登录名和密码，或者通过使用交互装置13获得用户的生物统计学识别信息，诸如指纹、视网膜扫描或面部识别。在一些实施例中，用户验证可以通过用诸如Fitbit、医疗警报手镯或其他附件的外围装置确认串行代码来完成，该附件可以包含识别佩戴者的RFID标签或其他可读介质。在一些实施例中，这些标签还可以链接到人的患者记录40以验证佩戴者。

方法200还包含建立接到装置的连接，如在230处所示。任何外围装置或医疗装置可以连接到数字教练100以接收指令和发送数据。在一些实施例中，装置30可以通过网络20连接到数字教练100，可以通过Wi-Fi、蓝牙、近场或接到或通过用户的交互装置13的其他类似无线连接进一步方便网络连接。在其他实施例中，装置30可以具有传感器和/或收发器，以在不使用用户的交互装置13的情况下直接从数字教练100接收指令并将数据发送到数字教练100。在各种装置30中设想直接连接或通过用户的交互装置13的连接的任何组合。另外，数字教练100可以建立接到不收集或提供数据但是仍然可以由数字教练100远程操作的其他外围装置的连接。例如，患者可以在家中使用医疗床，并且医疗床可以具有各种传感器和致动器，以调节医疗床的各个部分诸如医疗床的头部、脚部或躯干部分)的高度和倾斜角度。诸如如果患者说他们在会话期间不舒服，数字教练100可以向医疗床发送操作指令以调整倾斜度。然后，数字教练100可以在调整医疗床之后询问患者后续问题，以查看新位置是更好还是更坏，或者他们想要调整医疗床的哪个部分以及在什么方向上调整。

方法200可以包括进行会话，会话开始于如在240处选择模块，并且如在250处选择脚本。可以根据规则预先建立初始模块和脚本，该规则可以遵循由治疗医生或HSP50建立的治疗后方案。在至少一个实施例中，初始模块和脚本可以是问候和介绍，向用户解释数字教练100的目的以及如何使用它。在其他实施例中，初始模块和脚本可以变为针对用于数据收集的特定主题，诸如总体健康状况的血压、心率和呼吸。可以选择任何模块142或脚本143，并且可以根据预先建立的时间表或其他信息来选择。

一旦数字教练100的处理器110选择模块和脚本，方法200继续而向用户呈现脚本，如260处所示。如前所述，向用户呈现脚本优选包含数字教练100的处理器110将交互装置13指向位于存储器140中的所选脚本143并指示交互装置13在其显示器14(诸如监视器或屏幕)上播放视频(或其翻译)。扬声器15提供伴随的音频。在其他实施例中，处理器110利用在交互装置13上播放脚本143的指令将脚本143发送到用户的交互装置13。脚本143可以以任何适当的格式呈现给用户12，并且可以使用任何合适的程序来完成该任务，所述格式可以是视觉、听觉和文本呈现的任何组合。

方法200还可以包含将一个或多个操作指令发送到装置，如在262处所示。数字教练100的处理器110还发送这些操作指令。操作指令可以对应于正呈现给用户12的脚本143，并且可以被协调以操作装置30并且与呈现脚本143给用户12的同时收集数据。例如，脚本143可能会说“让我们测量您的血压。请将血压袖带如图所示放在您的手臂上，当您将它放置在适当位置时说OK”，然后等待用户说OK，然后继续说“好的，我要给血压袖带充气并记录读数。请在我这样做的时候保持不动”。当最后一个剪辑被播放时，可以将操作指令发送到血压袖带，并且袖带将接收指令并开始充气。这只是用于说明目的的一个示例。

方法200还包含接收用户响应作为第一数据，如270处所示。如上所述，在每个会话期间，数字教练100以分步的方式向用户12呈现脚本143以获得数据115并评估用户的健康和/或医疗状态。当脚本143完成时，数字教练100可以进入其等待来自用户12的响应的收听模式。例如，处于收听模式的数字教练100的处理器110可以简单地监测要接收的响应。在其他示例中，数字教练100的处理器110可以向交互装置13发送操作信号以在收听模式期间记录用户12的视频和/或音频，然后将其发送到数字教练100的处理器110并由处理器110接收以用于处理。处理器110还可以包含面部识别能力，以从用户12的视频解释情绪和非语言信息，诸如肢体语言和瞳孔扩张。例如，这可以有助于确定用户12是否焦虑，这可能影响康复时间，或者是否准确地自我报告其状态，这可能影响对剩余数据的分析和解释。如本文所使用的，“记录”可以涵盖在存储器中记录用户的响应而存储以及瞬态收集用户响应而传输，其中响应可以仅存储在临时高速缓存中而不存储在长期存储器中。用户的响应被发送到数字教练100的处理器110并且作为第一数据116被输入。

方法200类似地包含从装置接收第二数据，如在272处所示。如前所述，这些数据可包含定量或定性数据。装置30可以在第二数据118被全部收集后将其发送，或者可以在第二数据118正在被收集时对其进行流传输，并且可以在一些实施例中作为通信控制器或装置管理器通过交互装置13被路由。在一些实施例中，如果装置是无源的并且仅收集数据，则数字教练100的处理器110可以从装置30检索第二数据118。

方法200继续进行，语义分析和解释第一和第二数据，如在280处所示。现在参照图9a、图9b和图4，语义分析和解释数据的步骤发生在数字教练100的处理器110内，并且可以包含转换第一和第二数据，如在305处所示。转换第一数据116和第二数据118可以如前所述由一个或多个转换器120执行，该转换器可以是数字教练100的一部分或者可以是容纳数字教练100的服务器80的一部分。在一些实施例中，装置30或交互装置13可以在第一数据116和第二数据118传输到数字教练100之前对其进行转换。在一些实施例中，不需要转换第一数据116和第二数据118，或者仅必须转换一些数据以供数字教练100使用。

参照图9a和图9b，如在280处所示，语义分析和解释第一和第二数据可以进一步包含将第一和第二数据与水平定义进行比较，如310处所示。水平定义148如先前所述，并且可以首先被修改，如在311处所示，以调整用于患者的病史、生活方式或其他信息的水平定义。如在280处的语义分析还包括基于水平定义对第一和第二数据进行分类，如在312处所示。以上更详细地描述了水平定义148和分类。分析还可以包含基于分类生成第一和第二数据的评估，如在314处所示。生成评估可以通过以下方式进行：将数据与分类相结合来创建称为评估的新数字信息串，诸如“对于大多数人来说，160/70的血压读数很高，但对于这个人来说是正常的”。其他示例可以在上面的讨论中找到。这些步骤可以在处理器110的分析器130中发生，如图7所示，但是其他计算结构也能够执行这些步骤。

如图9a和图9b所示，分析继续进行，将第一和第二数据与知识库中预定义解释的第一数据、第二数据和语义信息进行比较，如在320处所示。如上所述，语义相关信息162可以是通过上下文或相关性与某些数据相关的信息，如可以在知识库145中描述或定义的。

该方法继续进行，基于第一和第二数据形成一系列候选解释，如在322处所示。这些候选解释165如上所述。该方法然后包含基于与预定义解释的相似性对候选解释165进行优先级排序，如在324处所示。对候选解释165进行优先级排序可以包括基于上下文、相关性、统计概率、加权、算法、等式或其他类似方法。该方法继续进行，从候选解释中选择主解释，如在325处所示。在至少一个实施例中，该主解释168将是与预定义解释166最紧密匹配或具有最高相似度的那一个。

在一些实施例中，该方法可以包含基于解释识别适当规则以应用规则。各种规则149在存储器140中可用，并且可以应用于评估135、语义信息162或整个解释165。应用于整个解释165的规则可能比仅应用于其子集或各部分的其他规则更合适。规则的适当性可以基于统计分析、加权、算法、等式或其他类似方法。

该方法继续进行，基于主解释生成至少一个动作，如在326处所示。如上所述，该动作可以优选地是与最佳匹配主解释168的预定义解释166相对应的动作。在其他实施例中，通过将规则应用于解释来生成动作。以上更详细地描述了该过程，并且该过程可以包括将“如果，则”规则或机器学习系统应用于解释165以解释数据并提供后续步骤。

可以执行所产生的动作167，如在328处所示。这可以包含选择后续脚本并呈现给用户，如在330处所示；向装置发送操作指令，如在332处所示；向HSP发送通知，如在334处所示；向患者记录发送更新，如在335处所示；并向第三方发送警报，如在336处所示。这些只是可能执行的一些可能操作。以上关于每个接收者180讨论的任何动作或指令可以在此作为动作被执行。可以通过I/O82并通过网络20或因特网将动作执行于适当的实体180。

在其他实施例中，可以根据最可能正确的动作对动作进行排序或优先级排序，其可以随时间调整以变得更准确，并且选择可用动作中排名最高或优先级最高的动作167，如上所述。

该方法继续进行，根据需要收集附加的第一数据116和第二数据118，直到实现会话或交互的目标。例如，一旦确定患者正在康复过程中或者不需要进一步检查，则交互或会话可以结束。

由于可以对所描述的优选实施例进行许多细节上的修改、变化和改变，所以在前面的描述中和在附图中示出的所有内容都应被解释为说明性的而不是限制性的。因此，本发明的范围应由所附权利要求书及其合法等同物确定。现在已经描述了本发明。

Claims (18)

1.一种用于促进用户与计算机实现的程序之间的合成交互的系统，所述系统包括：

与所述用户相关联的交互装置，所述交互装置被配置为通过视频显示和音频显示中的至少一个向所述用户呈现预选脚本，所述交互装置还被配置为响应于来自所述用户的所述预选脚本来收集和发送第一数据，所述第一数据是口头词句、书面文本和动作中的至少一个，所述交互装置还被配置为从至少一个外围装置选择性地收集和传送第二数据；

所述至少一个外围装置，被配置为收集和发送所述第二数据，所述第二数据指示用户的至少一个生理状况并且还是定量测量值和定性测量值中的至少一个；

数字教练，其与交互装置和至少一个外围装置电子通信，所述数字教练包括：

(a)存储器，包含至少一个知识库，所述知识库具有以下项：

(i)与第一数据和第二数据相关的已知信息的多个预定义解释；

(ii)语义信息，其包括将第一数据中的某一些数据与第二数据中的某一些数据相关联的医学信息；

(iii)至少一个规则，其具有操作第一数据和第二数据的指令并且还具有至少一个相关联的动作；以及

(iv)多个预定义动作，其对应于多个预定义解释中的至少一个和至少一个规则；以及

(b)动作引擎，其具有处理器，所述处理器与所述交互装置和所述至少一个外围装置中的至少一个以及所述存储器进行电子通信，所述动作引擎配置为：

(i)选择所述预选脚本并指示所述交互装置向所述用户呈现所述预选脚本；

(ii)从所述交互装置接收所述第一数据，并从所述交互装置和所述至少一个外围装置中的一个接收所述第二数据；

(iii)通过将所述语义信息与第一数据和第二数据进行比较和组合，将第一数据和第二数据转换为至少一个候选解释，从而语义扩展所述第一数据和所述第二数据，所述至少一个候选解释为第一数据、相关的第二数据和相关的语义信息的字符串，其中所述语义信息使第一数据与第二数据相关联以形成至少一个候选解释；

(iv)将所述至少一个候选解释与在所述至少一个知识库中的所述预定义解释进行比较；以及

(v)通过识别至少一个候选解释与预定义解释之间的最高相似度的运算，

从所述至少一个候选解释中选择主解释，所述运算选自由以下项组成的组：

i.统计分析，

ii.加权，

iii.算法，和

iv.等式；

(vi)根据以下项中的一个，为选择的主解释生成至少一个动作：

a.预定义动作与选择的主解释具有最高相似度的预定义解释相对应；

b.将至少一个规则应用于选择的主解释；以及

(vii)为选择的主解释执行至少一个动作，所述至少一个动作包含指示所述交互装置向所述用户呈现后续脚本。

2.如权利要求1所述的系统，其中所述合成交互包含识别的目标，并且其中所述动作引擎还被配置为：

(viii)选择并指示所述交互装置向所述用户呈现后续脚本以寻找附加的第一数据；

(ix)向所述至少一个外围装置发送操作指令以收集附加的第二数据；

(x)从所述交互装置接收所述附加的第一数据，并从所述交互装置和所述至少一个外围装置中的一个接收所述附加的第二数据；以及

(xi)对附加的第一数据和第二数据重复步骤(iii)至(vii)，直到实现所述合成交互的所述识别的目标。

3.如权利要求1所述的系统，其中所述动作中的一个包含基于所述主解释选择要呈现给所述用户的所述后续脚本。

4.如权利要求1所述的系统，其中所述交互装置选自由个人计算机、笔记本电脑、平板电脑、移动装置、智能装置、电话、手表和扬声器装置组成的组。

5.如权利要求1所述的系统，其中所述至少一个外围装置是医疗装置。

6.如权利要求1所述的系统，其中所述预选脚本包含句子、段落、演示、问题、响应和命令中的至少一个。

7.如权利要求1所述的系统，其中所述存储器还包含由参考点定义的类别的水平定义，所述预定义解释还包含预定义评估；所述处理器还被配置为在形成所述至少一个候选解释的过程中将所述第一数据与所述参考点进行比较，并将所述第一数据分类为第一评估，将所述第二数据与所述参考点进行比较，并将所述第二数据分类为第二评估，并将所述第一评估和所述第二评估与存储在所述至少一个知识库中的语义信息进行比较。

8.如权利要求1所述的系统，还包括在所述处理器和所述存储器之间进行电子通信的机器学习系统，所述机器学习系统便于由所述动作引擎分析所述第一数据和所述第二数据。

9.如权利要求8所述的系统，还包括与健康服务提供者相关联的计算装置，所述计算装置与所述处理器和所述存储器进行电子通信，其中所述至少一个知识库包含由与所述健康服务提供者相关联的所述计算装置提供的治疗协议。

10.如权利要求9所述的系统，其中所述动作引擎还被配置为根据所述至少一个动作向与所述健康服务提供者相关联的所述计算装置发送警报、状态通知、异常通知、预约安排请求和处方请求中的至少一个。

11.如权利要求1所述的系统，还包括与所述处理器进行电子通信的患者记录，所述患者记录包含电子健康记录和电子病历中的至少一个；所述动作引擎被配置为从所述患者记录访问信息并根据所述至少一个动作更新所述患者记录。

12.如权利要求1所述的系统，还包括与第三方相关联的计算装置，所述计算装置与所述处理器进行电子通信，所述动作引擎被配置为根据所述至少一个动作向与第三方相关联的所述计算装置发送警报、预选脚本、所述第一数据和所述第二数据中的至少一个、对救护车的请求、对处方补充的请求、状态请求以及实验室结果请求中的至少一个。

13.一种分析数据的方法，包括：

(i)从与用户相关联的交互装置接收第一数据，所述第一数据是口头词句、书面文本和运动中的至少一个；

(ii)从所述交互装置和至少一个外围装置中的一个接收第二数据，所述第二数据由所述至少一个外围装置收集，指示所述用户的生理状况并且是定性测量值和定量测量值中的至少一个；

(iii)通过将第一数据和第二数据与存储在存储器内的至少一个知识库中的语义信息进行比较和组合，将第一数据和第二数据转换为至少一个候选解释，从而语义扩展所述第一数据和所述第二数据，所述语义信息具有医学信息并且将所述第一数据的某一些数据与所述第二数据的某一些数据相关联，所述至少一个候选解释为第一数据、相关的第二数据和相关的语义信息的字符串，其中所述语义信息使第一数据与第二数据相关联以形成至少一个候选解释；

(iv)将至少一个候选解释与存储在至少一个知识库中的预定义解释进行比较；

(v)通过识别至少一个候选解释与预定义解释之间的最高相似度的运算，从所述至少一个候选解释中选择主解释，所述运算选自由以下项组成的组：

i.统计分析，

ii.加权，

iii.算法，和

iv.等式；

(vi)根据以下项中的一个，为主解释生成至少一个动作：

a.基于来自所述至少一个知识库的预定义动作，预定义动作与选择的主解释具有最高相似度的预定义解释相对应；

b.将至少一个规则应用于选择的主解释；

(vii)为所述主解释执行所述至少一个动作，包含指示所述交互装置向所述用户呈现后续脚本。

14.如权利要求13所述的方法，还包括：选择并指示所述交互装置向所述用户呈现后续脚本以寻找附加的第一数据；向所述至少一个外围装置发送操作指令以收集附加的第二数据；从所述交互装置接收所述附加的第一数据，并从所述交互装置和所述至少一个外围装置中的一个接收所述附加的第二数据；以及对附加的第一数据和第二数据重复步骤(iii)至(vi)，直到实现合成交互的识别的目标。

15.如权利要求13所述的方法，还包括：在形成至少一个候选解释的过程中将所述第一数据与参考点进行比较；将所述第一数据分类为第一评估；将所述第二数据与所述参考点进行比较；将所述第二数据分类为第二评估；将第一评估和第二评估与存储在所述至少一个知识库中的语义信息进行比较。

16.如权利要求13所述的方法，还包括向与健康服务提供者相关联的计算装置发送警报、状态通知、异常通知、预约安排请求和处方请求中的至少一个。

17.如权利要求13所述的方法，还包括更新患者记录。

18.如权利要求13所述的方法，还包括向与第三方相关联的计算装置发送警报、预选脚本、第一数据和第二数据中的至少一个、对救护车的请求、对处方补充的请求、状态请求以及实验室结果请求中的至少一个。