CN111599488A - 一种智能问诊实现方法、系统和存储介质 - Google Patents
一种智能问诊实现方法、系统和存储介质 Download PDFInfo
- Publication number
- CN111599488A CN111599488A CN202010425013.9A CN202010425013A CN111599488A CN 111599488 A CN111599488 A CN 111599488A CN 202010425013 A CN202010425013 A CN 202010425013A CN 111599488 A CN111599488 A CN 111599488A
- Authority
- CN
- China
- Prior art keywords
- information
- inquiry
- disease
- patient
- diagnosis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 160
- 201000010099 disease Diseases 0.000 claims abstract description 159
- 238000003745 diagnosis Methods 0.000 claims abstract description 127
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000003993 interaction Effects 0.000 claims abstract description 17
- 208000024891 symptom Diseases 0.000 claims description 62
- 239000003814 drug Substances 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 18
- 230000000977 initiatory effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006854 communication Effects 0.000 abstract description 28
- 238000004891 communication Methods 0.000 abstract description 27
- 229940079593 drug Drugs 0.000 description 16
- 238000004590 computer program Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 206010037660 Pyrexia Diseases 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002575 gastroscopy Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 229930186147 Cephalosporin Natural products 0.000 description 1
- 208000012895 Gastric disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- SNIOPGDIGTZGOP-UHFFFAOYSA-N Nitroglycerin Chemical compound [O-][N+](=O)OCC(O[N+]([O-])=O)CO[N+]([O-])=O SNIOPGDIGTZGOP-UHFFFAOYSA-N 0.000 description 1
- 239000000006 Nitroglycerin Substances 0.000 description 1
- 229930182555 Penicillin Natural products 0.000 description 1
- JGSARLDLIJGVTE-MBNYWOFBSA-N Penicillin G Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)CC1=CC=CC=C1 JGSARLDLIJGVTE-MBNYWOFBSA-N 0.000 description 1
- 208000000474 Poliomyelitis Diseases 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 238000007675 cardiac surgery Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 229940124587 cephalosporin Drugs 0.000 description 1
- 150000001780 cephalosporins Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229960003711 glyceryl trinitrate Drugs 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 229940049954 penicillin Drugs 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种智能问诊实现方法、系统和存储介质，其方法包括：触发与患者的挂号目标匹配问诊模板进行对话问诊；根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息；根据患病信息生成拟诊建议并形成电子病历报告发送给医生端。本发明通过对话问诊获取诊前病症信息，避免医患反复沟通交互，简化了问诊流程，帮助医生提高诊断能力，降低误诊、漏诊率，且大大提升患者就诊效率。
Description
技术领域
本发明涉及医疗技术和数据处理技术领域，尤指一种智能问诊实现方法、系统和存储介质。
背景技术
传统的医疗服务过程中，需要患者预约挂号，挂号成功后，由医生与患者之间进行多番沟通，了解患者的病情，并以此逐步分析排除疑似病例，给出疾病诊断结果，进一步根据诊断结果手动开具拟诊建议。
而目前社会医疗资源紧缺，传统的由医生与患者进行问诊沟通的过程中，需要医生与患者进行多次沟通交互，以获取患者的年龄、性别等个人基本信息，以及患者感受最为明显的疾病表现的病症描述后给予相应的拟诊建议，但是这种方式除了效率低下，将消耗医生大量询问的时间以外，在医生有效精力范围内，可能出现开具错误或者重复的建议，导致问诊效果不佳，耽误患者治疗甚至影响患者身体健康。
因此，如何有效提高问诊效率的同时协助医生开具拟诊建议，提升医生问诊质量成为目前需要解决的一个技术问题。
发明内容
本发明的目的是提供一种智能问诊实现方法、系统和存储介质，实现通过对话问诊获取诊前病症信息，避免医患反复沟通交互，简化了问诊流程，帮助医生提高诊断能力，降低误诊、漏诊率，且大大提升患者就诊效率。
本发明提供的技术方案如下：
本发明提供一种智能问诊实现方法，包括步骤：
触发与患者的挂号目标匹配问诊模板进行对话问诊；
根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息；
根据所述患病信息生成拟诊建议并形成电子病历报告发送给医生端。
进一步的，所述触发与患者的挂号目标匹配问诊模板进行对话问诊包括步骤：
接收患者的问诊请求，根据所述问诊请求获取患者的挂号目标；
根据所述挂号目标筛选出对应的问诊模板，根据所述问诊模板发起对话问诊以获取所述诊前病症信息。
进一步的，所述根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息包括步骤：
将所述诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
按照所述匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到所述患病信息。
进一步的，所述根据所述患病信息生成拟诊建议并形成电子病历报告发送给医生端包括步骤：
将所述患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送所述电子病历报告至所述医生端。
进一步的，所述根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送所述电子病历报告至所述医生端包括步骤：
根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告；
生成询问是否同意发送电子病历报告的提示信息后获取患者的输入信息，根据输入信息获得允许发送信息或拒绝发送信息；
在获得允许发送信息时，发送所述电子病历报告至所述医生端。
本发明还提供一种终端设备，包括：
人机交互模块，用于触发与患者的挂号目标匹配问诊模板进行对话问诊；
病症获取模块，用于根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息；
处理模块，用于根据所述患病信息生成拟诊建议并形成电子病历报告发送给医生端。
进一步的，所述人机交互模块包括：
输入单元，用于接收患者的问诊请求，根据所述问诊请求获取患者的挂号目标；
处理单元，用于根据所述挂号目标筛选出对应的问诊模板；
交互单元，用于根据所述问诊模板发起对话问诊以获取所述诊前病症信息。
进一步的，所述病症获取模块包括：
计算单元，用于将所述诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
获取单元，用于按照所述匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到所述患病信息。
进一步的，所述处理模块包括：
推荐单元，用于将所述患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
生成单元，用于根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送所述电子病历报告至所述医生端。
本发明还提供一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如所述的智能问诊实现方法所执行的操作。
通过本发明提供的一种智能问诊实现方法、系统和存储介质，能够通过对话问诊获取诊前病症信息，避免医患反复沟通交互，简化了预问诊流程，帮助医生提高诊断能力，降低误诊、漏诊率，且大大提升患者就诊效率。。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种智能问诊实现方法、系统和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种智能问诊实现方法的一个实施例的流程图；
图2是本发明一种智能问诊实现方法的另一个实施例的流程图；
图3是本发明构建生成预问诊知识库的流程图；
图4是本发明一种智能问诊实现方法的另一个实施例的流程图；
图5是本发明获取诊前病症信息的对话问诊流程示意图；
图6是本发明一种终端设备的一个实施例的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
本发明的一个实施例，如图1所示，一种智能问诊实现方法，包括：
S100触发与患者的挂号目标匹配问诊模板进行对话问诊；
具体的，事先建立有多个问诊模板，即每个医院的各科室对应有专门的问诊模板，每个专家医生对应有专门的问诊模板。终端设备获取患者的挂号目标信息，由于挂号目标包括患者所挂号医院科室和所挂号医生，因此终端设备可以根据挂号目标筛选出与之匹配的问诊模板，然后根据筛选出来的问诊模板开始对话问诊，以便引导患者输入实现诊前病症信息的采集。
S200根据对话问诊过程中采集到的获取患者的患病信息；
具体的，诊前病症信息包括患者的基本信息和症状信息。患者通过终端设备的显示界面所显示的对话问诊框输入自身的基本信息和主诉内容，对主诉内容进行关键词提取获得患者的症状信息。基本信息包括但是不限于患者的年龄，性别，地域，体质特点，过敏源和既往病史等。主诉内容包括但是不限于疾病部位，病症表现等描述性内容。
由于每一种疾病可能对应症状，且每一个症状信息可能对应多种病症类型。终端设备通过对话问诊框获取到基本信息和症状信息后，根据症状信息可以大致推断出患者的疾病信息，然后终端设备再通过患者的基本信息，除了可以快速了解患者的信息，还能够协助过滤掉部分低概率的病症类型，从而提升疾病信息的推断准确率。例如，小儿麻痹症主要影响5岁以下的儿童。
S300根据患病信息生成拟诊建议并形成电子病历报告发送给医生端。
具体的，终端设备获取到患病信息后，根据患病信息生成拟诊建议，让后整合生成患者的电子病历报告以便展示给患者，且将电子病历报告发送给医生端以供医生参考。
本实施例中，终端设备在触发对话问诊后，使得患者直接通过问诊对话框进行对话问诊以获取诊前病症信息，诊前病症信息的获取过程中无需医生直接参与，简化了诊前病症信息获取过程，提高了诊前病症信息的获取效率。此外，避免了医患之间的反复沟通交互，大大提升医生问诊效率。然后终端设备根据诊前病症信息进行推断患者的患病信息，能够使得患者清楚了解自身可能患有的疾病信息。另外，还能够在诊前将电子病例报告发送给医生端，有效地打破患者所使用的终端设备与医生端的数据壁垒，更能够辅助医生掌握患者可能患有的疾病信息，通过这种疾病辅助推断能够大大提高医生诊断能力，降低误诊、漏诊率，且大大提升患者就诊效率。
本发明的一个实施例，如图2所示，一种智能问诊实现方法，包括：
S110接收患者的问诊请求，根据问诊请求获取患者的挂号目标；
具体的，患者可以通过语音或者手动操作方式在显示界面处显示的对话问诊框中输入自身的问诊请求，问诊请求包括患者的基本信息，根据基本信息可以从目标渠道(例如挂号网或者医院挂号管理服务器)处获取患者的挂号目标。当然，若从目标渠道未获取到挂号目标，也可以通过智能导诊引导推荐患者选择所需的挂号目标后获取。
S120根据挂号目标筛选出对应的问诊模板，根据问诊模板发起对话问诊以获取诊前病症信息；
具体的，终端设备根据挂号目标筛选出对应的问诊模板，然后按照筛选出来的问诊模板对应的预设问诊流程提示患者输入自身的基本信息以及主诉内容。由于患者提供的主诉内容一般为基于自然语言的表述，其中可能包括无用的冗余信息，此时需要对主诉内容进行自然语言处理，以便从主诉内容中提取患者的候选症状信息，根据候选症状信息生成症状列表。
终端设备的显示界面会向患者显示症状列表，其中，症状列表包括多个候选症状信息。终端设备会提示用户输入或者选择症状列表中的候选症状信息，然后，判断是否确定结束输入或选择候选症状信息。如果患者选择不结束输入或选择候选症状信息，则根据患者输入或选择的候选症状信息与症状矩阵数据库进行匹配查找关联的候选症状信息并添加至症状列表，并可计算得到每个关联的候选症状信息与患者输入或选择候选症状信息之间的关联度数值，根据关联度数值按照从大到小的顺序，选取关联度数值排列在前的第一预设数量个关联的候选症状信息，然后添加至症状列表中向患者显示。如此反复，直至患者选择结束输入或选择候选症状信息，那么就确定患者所输入或选择的所有候选症状信息为最终的症状信息，从而根据获取的基本信息和症状信息得到诊前病症信息。示例性的，获取患者智能导诊结果，基于系统专病知识库智能检索出对应的问诊模板，并通过多轮问答的形式，引导患者有序、准确完成诊前病症信息采集。
S210将诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
具体的，事先需要构建预问诊知识库，其中预问诊知识库的构建过程如下：预问诊知识库以医疗实体(实体指的是具有可区别性且独立存在的某种事物，医疗领域中例如疾病、症状、检验、检查、药品等均为医疗实体)作为基本单元，以知识图谱的形式存储。首先将诊疗指南、相关文献等文本进行分词分析与结构化处理得到各类结构化文本，最后将以上各种结构化文本进行统一归档并提取医疗实体及医疗实体间关系，初步形成预问诊知识库，如图3所示。即收集患者在医疗机构的医疗就诊数据(包括但是不限于：门诊就诊信息、住院就诊信息、患者的基本信息、相关医学文献和检验检查信息)。将从医院HIS系统收集上来的医疗就诊数据通过区域平台数据治理，形成标准化结构得到各类结构化文本。然后形成以患者为中心，根据相关医学文献(包括但是不限于临床诊疗指南、医药指南、医学论文等对于诊疗有相关技术建议的文献)、门诊数据(包括但是不限于门诊就诊记录、挂号信息、门诊收费表)、住院数据(包括但是不限于住院就诊记录和住院收费表)、检验检查信息(包括但是不限于挂号信息、实验室报告表、检验检查记录表)读取到医疗数据后进行知识抽取，提取医疗实体和医疗实体之间的关联关系。然后，根据医疗实体创建对应的节点，且根据各个医疗实体的名称创建节点标签，然后，按照知识图谱算法根据医疗实体和医疗实体之间的关联关系，将各个节点进行连接并生成不同类型的共现矩阵，以构建与疾病诊疗相关的不同知识库，如疾病知识库、症状知识库、指南知识库、文献知识库、检验检查知识库、药物知识库等，最终梳理汇聚成能够支撑预问诊业务的预问诊知识库。
其中，医疗实体包括但是不限于疾病、症状、别名、部位、科室、并发症、药品、检查项、费用和患者的基本信息等等。医疗实体和医疗实体之间的关联关系包括疾病与症状关系，症状与症状关系，疾病与并发症关系，疾病与别名关系，疾病与部位关系，疾病与科室关系，疾病与药品关系，疾病与年龄关系，疾病与性别关系等等。
根据症状与症状的共现次数以及症状与并发症的共现次数建立症状共现矩阵。症状共现矩阵是表明症状与症状(并发症)一起出现次数的矩阵根据疾病与别名的共现次数，症状与症状(并发症)的共现次数代表症状与症状(并发症)之间一起出现次数。示例性的，例如头疼和咽痛对应的症状共现矩阵。
同理，根据疾病与部位的共现次数，疾病与年龄的共现次数，疾病与性别的共现次数等等建立疾病-症状相关矩阵，从而获得疾病症状数据库。示例性的，发烧和头疼，发热对应的疾病-症状相关矩阵。根据疾病与科室的共现次数，疾病与检查项的共现次数等等建立疾病-检查项目矩阵。根据疾病与科室的共现次数，疾病与药品的共现次数等等建立疾病-药物矩阵。
S220按照匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到患病信息；
具体的，将诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，可计算得到每个病症类型与诊前病症信息之间的匹配相关度，即根据诊前病症信息获取所推断出的患者可能患有的病症类型及其对应的疑似概率，根据疑似概率的数值按照从大到小的顺序，选取疑似概率排列在前的预设数量个病症类型得到患者可能患有的疾病信息即患病信息。
S310将患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
S320根据拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送电子病历报告至医生端。
具体的，将患病信息与预问诊知识库中的疾病检查关联矩阵进行匹配，可计算得到每个患病信息与检查项目之间的匹配相关度，根据匹配相关度的数值按照从大到小的顺序，选取匹配相关度排列在前的预设数量个检验检查项目得到关于推荐检查项目对应的拟诊建议。将患病信息与预问诊知识库中的疾病药品关联矩阵进行匹配，可计算得到每个患病信息与推荐用药列表之间的匹配相关度，根据匹配相关度的数值按照从大到小的顺序，选取匹配相关度排列在前的预设数量个药品信息得到关于推荐用药列表对应的拟诊建议。然后，终端设备根据关于推荐检查项目和推荐用药列表对应的任意一个或者多个拟诊建议，以及诊前病症信息和患病信息整合生成一份符合病历书写规范的电子病历报告展示给用户，并将电子病历报告发送给医生端，通过嵌入到医院HIS系统进行显示或使用弹窗提示，医生可通过医院HIS系统或弹窗提示打开患者的电子病历报告，便于医生及时了解患者的病情主诉、过往病史、疑似病情、推荐用药列表和推荐检查项目等信息。
优选的，根据患者历史健康档案记录信息为调阅患者近期发生的检验、检查记录及用药记录。例如，胃病患者一月前做过胃镜检查，本次就诊即可调阅近期胃镜检查项目，后续将电子病历报告发送给医生端后，根据医生判断决定是否做胃镜检查项目。
本实施例中，终端设备在触发对话问诊后，使得患者直接通过问诊对话框进行对话问诊以获取诊前病症信息，诊前病症信息的获取过程中无需医生直接参与，简化了诊前病症信息获取过程，提高了诊前病症信息的获取效。此外，避免了医患之间的反复沟通交互，大大提升医生问诊效率。然后终端设备根据诊前病症信息进行推断患者的患病信息，能够使得患者清楚了解自身可能患有的疾病信息。另外，还能够在诊前将电子病例报告发送给医生端，有效地打破患者所使用的终端设备与医生端的数据壁垒，更能够辅助医生掌握患者可能患有的疾病信息，通过这种疾病辅助推断能够大大提高医生诊断能力，降低误诊、漏诊率，且大大提升患者就诊效率。
目前医院门诊常常出现等待就诊3小时，医生问诊3分钟的尴尬状况，很多患者对此非常不满，导致对医院的满意度无法提升。通过本发明的智能预问诊方案为患者提供了诊前服务，在患者诊前实现患者相关病史包括性别、年龄、主诉、现病史、查体、化验检查的诊前采集，并针对采集的患者信息，并基于大数据和人工智能的技术为医生推送患者疑似病情、推荐检验检查项目、推荐用药列表，并将信息整合自动导入医院门诊电子病历数据集中。通过本发明的智能预问诊方案能够及时、准确地获取患者主观症状、主诉、诊疗历史等信息，帮助医生快速、准确的诊断患者病情，同时还提供智能辅医方案，有效帮助医生开具处方和医疗处置，提升医生就诊质量。本发明的智能预问诊方案提供全流程个性化、智能化就诊服务，为患者提供更加便利、高品质的医疗就诊服务。本发明的智能预问诊方案还将根据患者、医生需求持续完善患者智能服务功能，提升医院信息化服务水平，为广大居民提供更为安全、有效、便捷的全过程和连续性的医疗卫生服务。
本发明的一个实施例，如图4所示，一种智能问诊实现方法，包括：
S110接收患者的问诊请求，根据问诊请求获取患者的挂号目标；
S120根据挂号目标筛选出对应的问诊模板，根据问诊模板发起对话问诊以获取诊前病症信息；
S210将诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
S220按照匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到患病信息；
S310将患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
S321根据拟诊建议、患病信息和诊前病症信息生成电子病历报告；
S322生成询问是否同意发送电子病历报告的提示信息后获取患者的输入信息，根据输入信息获得允许发送信息或拒绝发送信息；
S333在获得允许发送信息时，发送电子病历报告至医生端。
具体的，生成的电子病历报告可以包括基本信息栏目(包括患者的诊前病症信息)、对话问诊小结栏目(包括患者的患病信息)、拟诊建议栏目(包括推荐检查项目和推荐用药列表)。终端设备产生提示信息以便提示患者确认是否同意发送给医生。输入信息包括但是不限于语音信息和手动输入文字信息，只要根据输入信息解析得到关于“是”、“确定”等肯定性的关键词时生成允许发送信息，根据输入信息解析得到关于“否”、“不”等否定性的关键词时生成拒绝发送信息。
本实施例中，终端设备在触发对话问诊后，使得患者直接通过问诊对话框进行对话问诊以获取诊前病症信息，诊前病症信息的获取过程中无需医生直接参与，简化了诊前病症信息获取过程，提高了诊前病症信息的获取效。此外，避免了医患之间的反复沟通交互，大大提升医生问诊效率。然后终端设备根据诊前病症信息进行推断患者的患病信息，能够使得患者清楚了解自身可能患有的疾病信息。另外，若患者同意，及时把电子病例报告传输到医生端，使得医生可通过医院HIS系统或弹窗提示打开患者的电子病历报告，及时了解患者的病情主诉、过往病史、疑似病情、推荐用药列表等信息，有效地打破患者所使用的终端设备与医生端的数据壁垒，从而帮助医生快速、准确的诊断患者病情，同时还提供智能辅医方案，有效帮助医生开具处方和医疗处置，通过这种疾病辅助推断能够大大提高医生诊断能力，降低误诊、漏诊率，且大大提升患者就诊效率。
终端设备获取患者智能导诊结果或者挂号信息以便获取挂号目标，然后基于挂号目标筛选出来的问诊模板，通过多轮问答的形式，引导患者有序、准确地完成诊前病症信息的采集。示例性的，若患者的挂号目标为心外科，将模拟医生展开下列多轮问答：
提示患者填写姓名、性别和年龄。
提示患者填写病情具体描述(症状、病情持续时间、发病频率)。
提示患者输入可能诱因(受凉、熬夜、发烧等诱因、均没有)。
询问患者两周内是否就诊，若是调出检查单(时间、医院、检验检查)，让患者确认是或者否。
询问患者是否已用药，若是提示填写用药名称及用药持续时间。
询问患者是否有既往病史(心脏病、脑卒中、高血压等、均没有，其他)。
询问患者是否有家族遗传史(心脏病、糖尿病等、均没有，其他)。
询问患者是否有过敏史(青霉素、头孢等、均没有，其他)。
提示患者可上传图片(包括检验检查报告或相关资料供医生查阅)。引导输入病情具体描述的过程如图5所示，通过上述方式获取到诊前病症信息后，将诊前病症信息根据上述实施例通过预问诊知识库帮助推断获取患者的患病信息(包括疾病类型和患有该疾病类型对应的疑似概率)，然后，根据预问诊知识库帮助获取推荐用药列表和推荐检查项目。假设，根据图4采集到的诊前病症信息输出患者疑似疾病为心脏痉挛，疑似概率为57％；推荐检查项目包括心电图心脏彩超；推荐用药列表包括阿司匹林、硝酸甘油。
本实施例中，在采用“大数据+AI”技术建立医院智能预问诊服务，有效利用患者预约后到就诊前的碎片时间，针对性采集患者的详细症状信息，基于大数据匹配最佳辅医决策，整合生成患者的电子病历报告，在诊前发送至医生，有效打破患者端与医生端的数据壁垒，高效提升患者就诊效率。患者诊前在用户端进行预问诊信息填报，终端设备将预问诊信息转换为结构化病历，并生成智能诊疗辅助决策(疑似病症、推荐检验检查、推荐治疗方案等)，整合生成为电子病历报告发送至医生端。在缩短就诊时间，加强医生就诊效率的同时，提供智能辅助决策，提升医生就诊质量。利用患者就诊前碎片时间，针对性采集患者的包括主观症状、主诉、诊疗历史等详细健康信息的诊前病症信息，有效打破患者端与医生端的数据壁垒，帮助医生快速了解患者过往健康史及病情主诉，提高就诊效率。基于“大数据+AI”技术，结合用户症状进行建模训练，为医生提供智能诊疗辅助决策(疑似病症、推荐检验检查、推荐治疗方案等)，有效提升医生就诊质量。
终端设备可为一种服务机器人。该服务机器人可服务于医院的大厅，利用患者候诊的时间为患者提供智能预问诊服务，以提高后续医生的问诊效率。同时，由于使得患者在候诊时间能够得到合理的接待，也可起到安抚患者候诊情绪的作用。
本发明的一个实施例，一种终端设备，如图6所示，包括：
人机交互模块10，用于触发与患者的挂号目标匹配问诊模板进行对话问诊；
病症获取模块20，用于根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息；
处理模块30，用于根据患病信息生成拟诊建议并形成电子病历报告发送给医生端。
具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。
基于前述实施例，人机交互模块10包括：
输入单元，用于接收患者的问诊请求，根据问诊请求获取患者的挂号目标；
处理单元，用于根据挂号目标筛选出对应的问诊模板；
交互单元，用于根据问诊模板发起对话问诊以获取诊前病症信息。
具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。
基于前述实施例，病症获取模块20包括：
计算单元，用于将诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
获取单元，用于按照匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到患病信息。
具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。
基于前述实施例，处理模块30包括：
推荐单元，用于将患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
生成单元，用于根据拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送电子病历报告至医生端。
具体的，本实施例是上述方法实施例对应的装置实施例，具体效果参见上述方法实施例，在此不再一一赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可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处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可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处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
所述终端设备可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏以及服务器等设备。本领域技术人员可以理解，上述仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比上述实施例更多或更少的部件，或者组合某些部件，或者不同的部件，例如：终端设备还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线，还可以包括输入/输出接口，其中，处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序，该处理器用于执行存储器上所存放的计算机程序，实现上述方法实施例中的智能问诊实现方法。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述终端设备的内部存储单元，例如：终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备，例如：所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述终端设备所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如，处理器通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算或数据处理。存储器可以包括程序模块，例如内核(kernel)，中间件(middleware)，应用程序编程接口(Application Programming Interface，API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该终端设备与其它网络设备、用户设备、网络进行连接。例如，通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙(BT)，近距离无线通信技术(NFC)，全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。终端设备可以通过通信接口连接网络，终端设备和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。
本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述智能问诊实现方法对应实施例所执行的操作。例如，计算机可读存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。
它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
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，在本申请各个实施例中的各功能单元可能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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元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存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括：计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种智能问诊实现方法，其特征在于，包括步骤：
触发与患者的挂号目标匹配问诊模板进行对话问诊；
根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息；
根据所述患病信息生成拟诊建议并形成电子病历报告发送给医生端。
2.根据权利要求1所述的智能问诊实现方法，其特征在于，所述触发与患者的挂号目标匹配问诊模板进行对话问诊包括步骤：
接收患者的问诊请求，根据所述问诊请求获取患者的挂号目标；
根据所述挂号目标筛选出对应的问诊模板，根据所述问诊模板发起对话问诊以获取所述诊前病症信息。
3.根据权利要求1所述的智能问诊实现方法，其特征在于，所述根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息包括步骤：
将所述诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
按照所述匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到所述患病信息。
4.根据权利要求1-3任一项所述的智能问诊实现方法，其特征在于，所述根据所述患病信息生成拟诊建议并形成电子病历报告发送给医生端包括步骤：
将所述患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送所述电子病历报告至所述医生端。
5.根据权利要求4所述的智能问诊实现方法，其特征在于，所述根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送所述电子病历报告至所述医生端包括步骤：
根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告；
生成询问是否同意发送电子病历报告的提示信息后获取患者的输入信息，根据输入信息获得允许发送信息或拒绝发送信息；
在获得允许发送信息时，发送所述电子病历报告至所述医生端。
6.一种终端设备，其特征在于，包括：
人机交互模块，用于触发与患者的挂号目标匹配问诊模板进行对话问诊；
病症获取模块，用于根据对话问诊过程中采集到的诊前病症信息获取患者的患病信息；
处理模块，用于根据所述患病信息生成拟诊建议并形成电子病历报告发送给医生端。
7.根据权利要求6所述的终端设备，其特征在于，所述人机交互模块包括：
输入单元，用于接收患者的问诊请求，根据所述问诊请求获取患者的挂号目标；
处理单元，用于根据所述挂号目标筛选出对应的问诊模板；
交互单元，用于根据所述问诊模板发起对话问诊以获取所述诊前病症信息。
8.根据权利要求6所述的终端设备，其特征在于，所述病症获取模块包括：
计算单元，用于将所述诊前病症信息与预问诊知识库中的疾病-症状相关矩阵进行匹配，计算得到每个病症类型的匹配相关度；
获取单元，用于按照所述匹配相关度的从大至小的顺序，选取匹配相关度排列靠前的预设数量个病症类型得到所述患病信息。
9.根据权利要求6-8任一项所述的终端设备，其特征在于，所述处理模块包括：
推荐单元，用于将所述患病信息与预问诊知识库中的疾病检查关联矩阵和疾病药品关联矩阵分别进行匹配，得到关于推荐检查项目和推荐用药列表对应的拟诊建议；
生成单元，用于根据所述拟诊建议、患病信息和诊前病症信息生成电子病历报告，发送所述电子病历报告至所述医生端。
10.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1至权利要求5任一项所述的智能问诊实现方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010425013.9A CN111599488A (zh) | 2020-05-19 | 2020-05-19 | 一种智能问诊实现方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010425013.9A CN111599488A (zh) | 2020-05-19 | 2020-05-19 | 一种智能问诊实现方法、系统和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111599488A true CN111599488A (zh) | 2020-08-28 |
Family
ID=72192361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010425013.9A Pending CN111599488A (zh) | 2020-05-19 | 2020-05-19 | 一种智能问诊实现方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111599488A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112015917A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技（深圳）有限公司 | 基于知识图谱的数据处理方法、装置及计算机设备 |
| CN112133414A (zh) * | 2020-09-08 | 2020-12-25 | 深圳中兴网信科技有限公司 | 医疗服务系统 |
| CN112164450A (zh) * | 2020-09-15 | 2021-01-01 | 万达信息股份有限公司 | 一种医疗服务的签约方法和系统 |
| CN112307345A (zh) * | 2020-11-09 | 2021-02-02 | 上海明略人工智能(集团)有限公司 | 一种基于感官感知进行智能诊断的方法及系统 |
| CN112700861A (zh) * | 2020-12-25 | 2021-04-23 | 北京左医科技有限公司 | 伴随症状交互方法及伴随症状交互系统 |
| CN112733534A (zh) * | 2020-12-25 | 2021-04-30 | 北京左医科技有限公司 | 医患对话中半截词指向症状获取方法及系统 |
| CN112786218A (zh) * | 2021-02-01 | 2021-05-11 | 联仁健康医疗大数据科技股份有限公司 | 一种远程医疗系统 |
| CN112820364A (zh) * | 2021-02-22 | 2021-05-18 | 中国人民解放军联勤保障部队第九八〇医院 | 一种基于数据库架构的口腔门诊电子病历系统 |
| CN112837806A (zh) * | 2021-01-12 | 2021-05-25 | 山东众阳健康科技集团有限公司 | 智能血压血糖分析辅助系统及方法 |
| CN113192615A (zh) * | 2021-04-22 | 2021-07-30 | 广州中康数字科技有限公司 | 一种疾病网络问诊系统及其使用方法 |
| CN113268511A (zh) * | 2021-04-21 | 2021-08-17 | 广东易生活信息科技有限公司 | 一种基于古籍古方的中医处方推荐方法及系统 |
| WO2021159755A1 (zh) * | 2020-09-04 | 2021-08-19 | 平安科技（深圳）有限公司 | 智能诊疗数据处理方法、设备、装置及存储介质 |
| CN113282761A (zh) * | 2021-05-27 | 2021-08-20 | 平安科技（深圳）有限公司 | 科室信息的推送方法、装置、设备以及存储介质 |
| CN113284631A (zh) * | 2021-04-09 | 2021-08-20 | 阿里健康科技(中国)有限公司 | 线上问诊交互方法 |
| CN113611433A (zh) * | 2021-08-26 | 2021-11-05 | 中国医学科学院阜外医院 | 一种问诊辅助系统及方法 |
| CN113658654A (zh) * | 2021-08-18 | 2021-11-16 | 四川大学华西医院 | 一种基于电子病历数据的症状复杂度计算方法 |
| CN114300160A (zh) * | 2021-11-16 | 2022-04-08 | 北京左医科技有限公司 | 问诊对话方法及系统 |
| CN115019980A (zh) * | 2022-08-08 | 2022-09-06 | 阿里健康科技(杭州)有限公司 | 一种问诊数据处理方法和装置、用户终端和服务器 |
| CN115497616A (zh) * | 2022-10-25 | 2022-12-20 | 杭州杏林信息科技有限公司 | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 |
| CN116864150A (zh) * | 2023-06-29 | 2023-10-10 | 中电科新型智慧城市研究院有限公司 | 医疗预问诊辅助信息生成方法、装置、设备及存储介质 |
| CN116936078A (zh) * | 2023-07-18 | 2023-10-24 | 南京大经中医药信息技术有限公司 | 中医预问诊收集管理系统 |
| CN117409921A (zh) * | 2023-12-15 | 2024-01-16 | 万里云医疗信息科技（北京）有限公司 | 疾病结论确定方法、装置以及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
| CN109065172A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技（深圳）有限公司 | 病症信息获取方法、装置、计算机设备和存储介质 |
| CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
| CN110516052A (zh) * | 2019-07-28 | 2019-11-29 | 厦门快商通科技股份有限公司 | 机器人问答交互方法、系统及机器人 |
-
2020
- 2020-05-19 CN CN202010425013.9A patent/CN111599488A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
| CN109065172A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技（深圳）有限公司 | 病症信息获取方法、装置、计算机设备和存储介质 |
| CN110516052A (zh) * | 2019-07-28 | 2019-11-29 | 厦门快商通科技股份有限公司 | 机器人问答交互方法、系统及机器人 |
| CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 徐谷根: "科学看病的金钥匙", 广东科技出版社, pages: 107 * |
| 薛芹;陈柯;: "基于微信公众号的智能预问诊系统的应用研究", 中国管理信息化, no. 08, pages 136 - 137 * |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021159755A1 (zh) * | 2020-09-04 | 2021-08-19 | 平安科技（深圳）有限公司 | 智能诊疗数据处理方法、设备、装置及存储介质 |
| CN112015917A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技（深圳）有限公司 | 基于知识图谱的数据处理方法、装置及计算机设备 |
| CN112133414A (zh) * | 2020-09-08 | 2020-12-25 | 深圳中兴网信科技有限公司 | 医疗服务系统 |
| CN112164450A (zh) * | 2020-09-15 | 2021-01-01 | 万达信息股份有限公司 | 一种医疗服务的签约方法和系统 |
| CN112307345A (zh) * | 2020-11-09 | 2021-02-02 | 上海明略人工智能(集团)有限公司 | 一种基于感官感知进行智能诊断的方法及系统 |
| CN112700861A (zh) * | 2020-12-25 | 2021-04-23 | 北京左医科技有限公司 | 伴随症状交互方法及伴随症状交互系统 |
| CN112733534A (zh) * | 2020-12-25 | 2021-04-30 | 北京左医科技有限公司 | 医患对话中半截词指向症状获取方法及系统 |
| CN112700861B (zh) * | 2020-12-25 | 2022-02-01 | 北京左医科技有限公司 | 伴随症状交互方法及伴随症状交互系统 |
| CN112837806A (zh) * | 2021-01-12 | 2021-05-25 | 山东众阳健康科技集团有限公司 | 智能血压血糖分析辅助系统及方法 |
| CN112786218A (zh) * | 2021-02-01 | 2021-05-11 | 联仁健康医疗大数据科技股份有限公司 | 一种远程医疗系统 |
| CN112820364A (zh) * | 2021-02-22 | 2021-05-18 | 中国人民解放军联勤保障部队第九八〇医院 | 一种基于数据库架构的口腔门诊电子病历系统 |
| CN113284631A (zh) * | 2021-04-09 | 2021-08-20 | 阿里健康科技(中国)有限公司 | 线上问诊交互方法 |
| CN113268511A (zh) * | 2021-04-21 | 2021-08-17 | 广东易生活信息科技有限公司 | 一种基于古籍古方的中医处方推荐方法及系统 |
| CN113268511B (zh) * | 2021-04-21 | 2023-08-25 | 广东易生活信息科技有限公司 | 一种基于古籍古方的中医处方推荐方法及系统 |
| CN113192615A (zh) * | 2021-04-22 | 2021-07-30 | 广州中康数字科技有限公司 | 一种疾病网络问诊系统及其使用方法 |
| CN113282761A (zh) * | 2021-05-27 | 2021-08-20 | 平安科技（深圳）有限公司 | 科室信息的推送方法、装置、设备以及存储介质 |
| CN113658654A (zh) * | 2021-08-18 | 2021-11-16 | 四川大学华西医院 | 一种基于电子病历数据的症状复杂度计算方法 |
| CN113611433A (zh) * | 2021-08-26 | 2021-11-05 | 中国医学科学院阜外医院 | 一种问诊辅助系统及方法 |
| CN114300160A (zh) * | 2021-11-16 | 2022-04-08 | 北京左医科技有限公司 | 问诊对话方法及系统 |
| CN115019980A (zh) * | 2022-08-08 | 2022-09-06 | 阿里健康科技(杭州)有限公司 | 一种问诊数据处理方法和装置、用户终端和服务器 |
| CN115019980B (zh) * | 2022-08-08 | 2022-10-28 | 阿里健康科技(杭州)有限公司 | 一种问诊数据处理方法和装置、用户终端和服务器 |
| CN115497616A (zh) * | 2022-10-25 | 2022-12-20 | 杭州杏林信息科技有限公司 | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 |
| CN115497616B (zh) * | 2022-10-25 | 2023-05-23 | 杭州杏林信息科技有限公司 | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 |
| CN116864150A (zh) * | 2023-06-29 | 2023-10-10 | 中电科新型智慧城市研究院有限公司 | 医疗预问诊辅助信息生成方法、装置、设备及存储介质 |
| CN116936078A (zh) * | 2023-07-18 | 2023-10-24 | 南京大经中医药信息技术有限公司 | 中医预问诊收集管理系统 |
| CN116936078B (zh) * | 2023-07-18 | 2024-04-26 | 南京大经中医药信息技术有限公司 | 中医预问诊收集管理系统 |
| CN117409921A (zh) * | 2023-12-15 | 2024-01-16 | 万里云医疗信息科技（北京）有限公司 | 疾病结论确定方法、装置以及存储介质 |
| CN117409921B (zh) * | 2023-12-15 | 2024-03-12 | 万里云医疗信息科技（北京）有限公司 | 疾病结论确定方法、装置以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111599488A (zh) | 一种智能问诊实现方法、系统和存储介质 | |
| US11769576B2 (en) | Method and system for improving care determination | |
| EP3255573A1 (en) | Clinical decision supporting ensemble system and clinical decison supporting method using the same | |
| US7805385B2 (en) | Prognosis modeling from literature and other sources | |
| JP4615629B2 (ja) | ネットワークへのアクセスを含む、コンピュータを使用した医療診断および処理の助言システム | |
| CN111681752A (zh) | 基于云平台的医联体诊疗系统 | |
| US20150213194A1 (en) | Methods, Devices, And Systems For Multi-Format Data Aggregation | |
| US20120221251A1 (en) | Systems and methods for selecting, ordering, scheduling, administering, storing, interpreting and transmitting a plurality of psychological, neurobehavioral and neurobiological tests | |
| US11257572B1 (en) | Remote medical treatment application and operating platform | |
| WO2022267678A1 (zh) | 视频问诊方法、装置、设备及存储介质 | |
| CN112331298A (zh) | 开具药方的方法、装置、电子设备及存储介质 | |
| CN110660482A (zh) | 一种基于大数据的中医处方智能推荐系统及其控制方法 | |
| CN113053543A (zh) | 一种自助疾病诊断平台 | |
| CN115331835A (zh) | 一种基于人工智能的就医便民系统 | |
| CN111599489A (zh) | 一种疾病信息获取方法、终端设备和存储介质 | |
| US20190385753A1 (en) | Uberization and decentralization of healthcare services | |
| US20190244700A1 (en) | Uberization and decentralization of healthcare services | |
| CN117409919A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN112786218A (zh) | 一种远程医疗系统 | |
| KR20220071331A (ko) | 건강 관리 인공지능 주치의 서비스 제공 방법 | |
| KR20220072049A (ko) | 인공지능 주치의 서비스 프로그램 | |
| CN112053763A (zh) | 在线用药咨询方法、在线用药咨询装置及智能终端 | |
| KR102334346B1 (ko) | 인공지능 귀 영상 또는 이미지 분석 건강관리 플랫폼 | |
| KR102655620B1 (ko) | 원격 환자 관리 시스템 및 방법 | |
| Taloyan et al. | Remote digital monitoring for selected chronic diseases in primary health care |
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 |