CN110619959A - 一种智能分诊的方法及系统 - Google Patents

Abstract

本申请公开了一种智能分诊的方法及系统，通过获取用户的基本信息和病情描述信息；根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；根据所述目标病例获取分诊结果。本申请所述的智能分诊的方法及系统包括两次匹配的环节，第一次根据用户基本信息与病情描述匹配到系统内相似的病例；第二次根据用户基本信息和所选择的相似病例进行判别，匹配医生。本申请利用用户所述症状和系统病例库给出最佳就诊方案，解决了用户不能准确描述病情的难题，帮助用户更加准确的定位自身的疾病，从而为用户精准匹配医生。

Description

一种智能分诊的方法及系统

技术领域

本申请涉及智能医疗技术领域，尤其涉及一种智能分诊的方法及系统。

背景技术

用户对病症信息不了解是“看病难”原因之一，大多数用户是知症不知病、知病不知科，往往就会出现挂错号和找错医生的情况。面对“一号难求”的挂号局面，这种情况的发生无疑是雪上加霜，一方面导致不能对疾病进行及时的诊治，甚至可能错过最佳治疗时间；另一方面也是一种资源的浪费，用户的病情与专家所擅长的领域并不匹配；更重要的是，在这个过程中大大增加了用户及家属的心理负担和经济压力。

目前已有很多医院由于门诊人数较多，导致医院门诊人满为患，医院不得不在门诊投入大量人力进行分诊服务。目前，医院的分诊岗位大都安排护士或非临床医生担任，由于缺乏临床知识，其给出的就诊建议容易出现偏差，造成用户多次挂号、排队的问题。

智能分诊系统应运而生，旨在帮助医疗机构将精确的分诊服务前置于到院挂号、就诊前，用户通过系统可以获取专业的医疗建议，推荐就诊的科室、医院等；从而提高医疗服务效率和用户就医体验。

发明内容

本申请提供了一种智能分诊的方法及系统，以解决现有分诊不能为用户精准匹配医生的问题。

第一方面，为实现上述目的，本申请提供了一种智能分诊的方法，所述方法包括：

获取用户的基本信息和病情描述信息；

根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；

获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；

根据所述目标病例获取分诊结果。

进一步地，所述基本信息包括以下至少之一：身份证号码、档案编号、历史就诊记录或用户位置信息；所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史。

进一步地，所述根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例，包括：

从所述病情描述信息抽取关键词；

根据所述关键词，从所述疾病特征库中检索与所述关键词对应的至少一个候选病例；

从所述候选病例中获取预设数目的匹配病例。

进一步地，所述根据目标病例获取分诊结果，包括：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据医院信息和用户位置信息为所述用户匹配距离最近的医院；

获取匹配医院中与所述科室信息对应领域的医生信息及号源信息，并将所述医生信息及号源信息发送至所述用户；

获取用户选择的预约结果。

进一步地，所述根据目标病例获取分诊结果，包括：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据疾病名称获取预存医生列表和号源信息并发送至用户；

获取用户选择的医生及对应的号源信息。

第二方面，本申请还提供了一种智能分诊的系统，所述系统包括：

信息获取单元，用于获取用户的基本信息和病情描述信息；

病例匹配单元，用于根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；

分诊单元，用于获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；根据所述目标病例获取分诊结果。

进一步地，所述信息获取单元获取的基本信息包括以下至少之一：身份证号码、档案编号、历史就诊记录或用户位置信息；所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史。

进一步地，所述病例匹配单元还用于：

从所述病情描述信息抽取关键词；

根据所述关键词，从所述疾病特征库中检索与所述关键词对应的至少一个候选病例；

从所述候选病例中获取预设数目的匹配病例。

进一步地，所述分诊单元还用于：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据医院信息和用户位置信息为所述用户匹配距离最近的医院；

获取匹配医院中与所述科室信息对应领域的医生信息及号源信息，并将所述医生信息及号源信息发送至所述用户；

获取用户选择的预约结果。

进一步地，所述分诊单元还用于：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据疾病名称获取预存医生列表和号源信息并发送至用户；

获取用户选择的医生及对应的号源信息。

第三方面，为实现上述目的，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项智能分诊的方法的步骤。

第四方面，为实现上述目的，本申请提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面任一项智能分诊的方法的步骤。

由以上技术方案可见，本申请实施例提供的一种智能分诊的方法及系统，通过获取用户的基本信息和病情描述信息；根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；根据所述目标病例获取分诊结果。本申请所述的智能分诊的方法及系统包括两次匹配的环节，第一次根据用户基本信息与病情描述匹配到系统内相似的病例；第二次根据用户基本信息和所选择的相似病例进行判别，匹配医生。本申请利用用户所述症状和系统病例库给出最佳就诊方案，解决了用户不能准确描述病情的难题，帮助用户更加准确的定位自身的疾病，从而为用户精准匹配医生。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的智能分诊的方法的流程示意图；

图2为本申请实施例提供的在疾病特征库中获取预设数目的匹配病例的一实例的流程示意图；

图3为本申请实施例提供的根据所述目标病例获取分诊结果的一实例的流程示意图；

图4为本申请实施例提供的根据所述目标病例获取分诊结果的另一实例的流程示意图；

图5为本申请实施例提供的智能分诊的系统的结构示意图；

图6为本申请实施例提供的智能分诊的系统的另一结构示意图。

具体实施方式

下面通过对本申请进行详细说明，本申请的特点和优点将随着这些说明而变得更为清楚、明确。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于本申请工作状态下的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”和“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。

智能分诊根据用户的性别年龄等基本信息与病情描述，经过NLP(NaturalLanguageProcessing)判断用户输入的是症状还是疾病；根据结果匹配出相似病例，最终根据所选择的相似病例进行判别，进而匹配科室、医院、医生的信息。

目前市面上已有很多智能分诊类的产品，基于人工智能技术实现预分诊的功能，通过让用户对系统预设问题进行作答，然后根据作答结果进行疾病的判别。但是用户对医疗知识了解有限，用户对问题的理解和作答都会有一定的偏差；此外，个体的差异会导致疾病表现出来的症状也会不同，因为系统预设的问题会存在很大的局限性。

此外，也有一些医疗系统提供在线分诊的功能，但是由于医生工作繁忙不能及时回复，病人又不能准确描述病情，导致在线分诊质量不尽人意。

为解决上述问题，本申请提供了一种智能分诊的方法及系统，下面结合附图，详细介绍本申请的具体实施例。

图1为本申请第一实施例提供的一种智能分诊的方法的流程示意图，如图1所示，所述方法包括步骤S101至S104。

S101：获取用户的基本信息和病情描述信息。

获取用户的基本信息可通过读卡设备读取社保卡或者身份证信息，也可以由用户在用户交互界面上手动输入。基本信息包括：姓名、年龄、性别、身份证号码、联系电话、档案编号、历史就诊记录或用户位置信息等。身份证号码可以作为用户的唯一标识，智能分诊系统还为用户都建立个人档案，档案对应的编号也是唯一的。智能分诊系统还会记录用户的每次就诊信息，在做疾病判别的时候，智能分诊系统会检测用户的在多家医院的历史就诊记录，抽取出相关的病情来进行联合判断，提高判别的准确度。

获取用户的病情描述信息可通过用户口头表达语言或电子设备录入获取，例如人机文字交互或语音交互。用户也可根据智能分诊系统的分类导航快速找到出现症状的身体部位，并且根据引导输入症状描述。所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史等。具体实施时，所述特征人群可包括年龄、性别、地域、职业等信息；所述表现症状可包括发烧、咳嗽、呕吐等症状信息；所述发病情况可以包括发病部位、发病急慢、病程长短等；所述既往史可以包括家族史、过敏史或个人史等。

S102：根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例。

所述疾病特征库用于采集疾病数据，主要数据包含：第一，智能分诊系统中用户的数据，包括用户就诊后的数据；第二，合作医院的用户脱敏后的数据；第三，知识库，包括权威的医学先验知识以及各种症状体征的疾病知识库。其通过大量的数据进行分析，提取出每种疾病的特征人群、表现症状、发病情况以及既往史信息。

采集到的用户的病情描述信息会跟疾病特征库里的数据进行第一次匹配，获取匹配病例。其中主要依据为用户的基本信息，以及通过分词等技术从用户病情描述信息中提取到的关键词，对所提取出来的关键信息进行理解/加工，包括比对医学专业术语与用户语言，推理症状与疾病间的对应关系，再与平台疾病库里面的病例进行匹配，最终获取高匹配度的病例数据，用户选择其中任意一个病例，智能分诊系统根据用户所选病例的信息，提取病例对应的疾病名称、科室信息、医院信息。

在一具体实施例中，如图2所示，所述根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例，包括：

S201：从所述病情描述信息抽取关键词。

S202：根据所述关键词，从所述疾病特征库中检索与所述关键词对应的至少一个候选病例。

S203：从所述候选病例中获取预设数目的匹配病例。

具体实施时，分析用户提供的病情描述信息，通过自然语言处理技术从所述病情描述信息中抽取与疾病想过的症状和体征的关键词或关键短语。根据关键词或关键短语，从所述疾病特征库中挖掘与主要症状相关的疾病以及治疗措施的相关信息。即根据候关键词或者关键短语，从所述疾病特征库中检索与关键词或者关键短语相关的文档内容；以及利用自然语言处理技术从检索的文档内容中查找并挖掘与疾病相关的病例信息。

从所述疾病特征库中检索与所述关键词对应的至少一个候选病例具体包括：

依据步骤S201中输出的关键词或者关键短语，从所述疾病特征库中检索相关内容。即使用自然语言处理技术对疾病特征库进行分词和命名实体识别，并建立倒排索引；以及，依据步骤S201中输出的关键词或者关键短语，从倒排索引中检索出包含所有关键词或关键短语的候选病例。再从倒排索引后的候选病例中选出预设数目的匹配病例发送给用户，供用户选择。

S103：获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个。

将步骤S102中获取的预设数目的匹配病例发送给用户，用户选择其中任意一个病例，智能分诊系统根据用户所选目标病例的信息，以提取所述目标病例对应的疾病名称、科室信息、医院信息，进一步匹配医院或医生信息，从而确定分诊结果。

S104：根据所述目标病例获取分诊结果。

根据基本信息、病情描述信息、匹配病例的权重以及分诊等级划分标准，可计算所述目标病例的分诊级别，根据所述分诊级别提供就诊建议。

确定分诊级别的目的是确定疑似病症的轻重缓急，即使不同的人出现相同的症状，其风险会因为年龄、病史等而不同，本实施例为基本信息、不同的症状、病史等相关因素都设置了各自的权重，获取到这些内容后，可计算出疑似病症的紧急程度属于哪个分诊级别。

作为一种优选的实施方式，根据所述分诊级别提供就诊建议，包括：

所述分诊级别为一级，则建议到附近医院的急诊科就诊，针对危急病情，提供急救、自救指导；

所述分诊级别为二级，则确定接诊所述疑似病症的科室，建议到医院的所述科室就诊；

所述分诊级别为三级，则建议进行与所述疑似病症相关的身体检验；

所述分诊级别为四级，则提供所述疑似病症的日常管理方案分诊级别从一级到四级，紧急程度逐渐减弱。

作为一种优选的实施方式，若接收到用户对所述症状和/或所述确认结果的修改，则重新计算所述疑似病症的分诊级别。若接收到用户对所述症状和/或所述确认结果的修改、补充，则重新计算所述疑似病症的分诊级别，特别是对于三级和四级的分诊级别，若病情加重则相应提高分诊级别。

在一具体实施例中，如图3所示，根据所述目标病例获取分诊结果，包括：

S401：获取所述目标病例对应的疾病名称、科室信息、医院信息；

S402：根据医院信息和用户位置信息为所述用户匹配距离最近的医院；

S403：获取匹配医院中与所述科室信息对应领域的医生信息及号源信息，并将所述医生信息及号源信息发送至所述用户；

S404：获取用户选择的预约结果。

在上述实施例中，为用户匹配最近的医院就诊，通过从用户所选病例中提出来的科室信息，基于用户所在的位置信息，匹配所在区域内的医院数据，计算医院与病人之间的距离，推荐距离用户最近的医院，之后再获取最近医院中的医生信息及号源信息，用户对系统推荐的医院及医生发起预约后，医生可以立即收到预约信息，根据用户的基本信息与病情描述判断是否接诊。医生接诊后15天内需要上传接诊确认单，确认单上面需注明用户最终诊断的疾病。智能分诊系统在接受确认单后，会立即更新用户的资料。

在另一具体实施例中，如图4所示，根据所述目标病例获取分诊结果，包括：

S405：获取所述目标病例对应的疾病名称、科室信息、医院信息；

S406：根据疾病名称获取预存医生列表和号源信息并发送至用户；

S407：获取用户选择的医生及对应的号源信息。

医生库会包括医生的相关信息，医生库里面的医生数据有两种来源，一种是人工录入，一种是通过接口从医院调取。最终汇聚到智能分诊系统中，系统会根据医生的接诊数据再次更新医生的信息。

根据用户的病历信息及个人信息，获取用户的疾病相关信息及与所述用户相符合的医生相关信息；根据所述疾病相关信息与预先存储的医生擅长疾病信息进行匹配，从医生数据库中筛选出至少一个医生；将所述疾病相关信息、所述医生相关信息与筛选出来的所述至少一个医生的关键信息进行匹配，根据匹配结果计算获取所述至少一个医生的排名；将排名后的至少一个医生输出给所述用户进行选择。

用户对系统推荐的医生发起预约后，医生可以立即收到预约信息，根据用户的基本信息与病情描述判断是否接诊。医生接诊后15天内需要上传接诊确认单，确认单上面需注明用户最终诊断的疾病。系统在接受确认单后，会立即更新用户的资料。在上述实施例中，结合医生专长数据，为用户推荐最擅长该领域的医生，实现用户精准就医，提高医患匹配度；同时，抽取医生的号源信息，为用户提供线上“一键”挂号服务。

本申请所述智能分诊的方法有两次匹配的环节，第一次根据用户基本信息与病情描述匹配到平台内相似的病例；第二次根据用户基本信息和所选择的相似病例进行判别，匹配医院或医生。解决了用户不能准确描述病情的难题，帮助用户更加准确的定位自身的疾病，从而为用户精准匹配医生。

与本申请提供的一种智能分诊的方法实施例相对应，本申请还提供一种智能分诊的系统的实施例。参考图5，为本申请实施例提供的一种智能分诊的系统的结构示意图，所述系统包括：

信息获取单元100，用于获取用户的基本信息和病情描述信息；

病例匹配单元200，用于根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；

分诊单元300，用于获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；根据所述目标病例获取分诊结果。

所述信息获取单元100获取的基本信息包括以下至少之一：身份证号码、档案编号、历史就诊记录或用户位置信息；所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史。

所述病例匹配单元200还用于：

从所述病情描述信息抽取关键词；

根据所述关键词，从所述疾病特征库中检索与所述关键词对应的至少一个候选病例；

从所述候选病例中获取预设数目的匹配病例。

所述分诊单元300还用于：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据医院信息和用户位置信息为所述用户匹配距离最近的医院；

获取匹配医院中与所述科室信息对应领域的医生信息及号源信息，并将所述医生信息及号源信息发送至所述用户；

获取用户选择的预约结果。

所述分诊单元300还用于：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据疾病名称获取预存医生列表和号源信息并发送至用户；

获取用户选择的医生及对应的号源信息。

本申请实施例提供的一种智能分诊的方法及系统，参考图6，通过获取用户的基本信息和病情描述信息；根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；根据所述目标病例获取分诊结果。本申请所述的智能分诊的方法及系统包括两次匹配的环节，第一次根据用户基本信息与病情描述匹配到系统内相似的病例；第二次根据用户基本信息和所选择的相似病例进行判别，匹配医生。本申请利用用户所述症状和系统病例库给出最佳就诊方案，解决了用户不能准确描述病情的难题，帮助用户更加准确的定位自身的疾病，从而为用户精准匹配医生，并且构建完整的就诊流程。另外，智能分诊系统完整的记录下从寻医到就诊过程数据，通过对数据进行分析，更加了解用户的情况，为后续的再次就诊和复诊提供帮助。此外，通过不断更新数据，提高精确度。

根据上述智能分诊的方法及装置，本申请实施例还提供一种可读存储介质和一种计算机设备。可读存储介质上存储有可执行程序，该程序被处理器执行时实现上述智能分诊的方法的步骤；计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的可执行程序，处理器执行程序时实现上述智能分诊的方法的步骤。

以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种智能分诊的方法，其特征在于，所述方法包括：

获取用户的基本信息和病情描述信息；

根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；

获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；

根据所述目标病例获取分诊结果。

2.根据权利要求1所述的智能分诊的方法，其特征在于，所述基本信息包括以下至少之一：身份证号码、档案编号、历史就诊记录或用户位置信息；所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史。

3.根据权利要求1所述的智能分诊的方法，其特征在于，所述根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例，包括：

从所述病情描述信息抽取关键词；

根据所述关键词，从所述疾病特征库中检索与所述关键词对应的至少一个候选病例；

从所述候选病例中获取预设数目的匹配病例。

4.根据权利要求1所述的智能分诊的方法，其特征在于，所述根据目标病例获取分诊结果，包括：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据医院信息和用户位置信息为所述用户匹配距离最近的医院；

获取匹配医院中与所述科室信息对应领域的医生信息及号源信息，并将所述医生信息及号源信息发送至所述用户；

获取用户选择的预约结果。

5.根据权利要求1所述的智能分诊的方法，其特征在于，所述根据目标病例获取分诊结果，包括：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据疾病名称获取预存医生列表和号源信息并发送至用户；

获取用户选择的医生及对应的号源信息。

6.一种智能分诊的系统，其特征在于，所述系统包括：

信息获取单元，用于获取用户的基本信息和病情描述信息；

病例匹配单元，用于根据所述基本信息和所述病情描述信息在疾病特征库中获取预设数目的匹配病例；

分诊单元，用于获取目标病例，所述目标病例为用户选择的所述匹配病例中的任意一个；根据所述目标病例获取分诊结果。

7.根据权利要求6所述的智能分诊的系统，其特征在于，所述信息获取单元获取的基本信息包括以下至少之一：身份证号码、档案编号、历史就诊记录或用户位置信息；所述病情描述信息包括以下至少之一：特征人群、表现症状、发病情况、既往史。

8.根据权利要求6所述的智能分诊的系统，其特征在于，所述病例匹配单元还用于：

从所述病情描述信息抽取关键词；

根据所述关键词，从所述疾病特征库中检索与所述关键词对应的至少一个候选病例；

从所述候选病例中获取预设数目的匹配病例。

9.根据权利要求6所述的智能分诊的系统，其特征在于，所述分诊单元还用于：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据医院信息和用户位置信息为所述用户匹配距离最近的医院；

获取匹配医院中与所述科室信息对应领域的医生信息及号源信息，并将所述医生信息及号源信息发送至所述用户；

获取用户选择的预约结果。

10.根据权利要求6所述的智能分诊的系统，其特征在于，所述分诊单元还用于：

获取所述目标病例对应的疾病名称、科室信息、医院信息；

根据疾病名称获取预存医生列表和号源信息并发送至用户；

获取用户选择的医生及对应的号源信息。