CN112133445A - 一种心血管疾病管理服务方法和系统 - Google Patents
一种心血管疾病管理服务方法和系统 Download PDFInfo
- Publication number
- CN112133445A CN112133445A CN202011133304.7A CN202011133304A CN112133445A CN 112133445 A CN112133445 A CN 112133445A CN 202011133304 A CN202011133304 A CN 202011133304A CN 112133445 A CN112133445 A CN 112133445A
- Authority
- CN
- China
- Prior art keywords
- cardiovascular
- data
- health
- residents
- information
- 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
- 208000024172 Cardiovascular disease Diseases 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000036541 health Effects 0.000 claims abstract description 189
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 110
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000012502 risk assessment Methods 0.000 claims abstract description 33
- 230000036996 cardiovascular health Effects 0.000 claims abstract description 25
- 238000003745 diagnosis Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 235000021061 dietary behavior Nutrition 0.000 claims description 6
- 238000012216 screening Methods 0.000 abstract description 23
- 230000002265 prevention Effects 0.000 abstract description 17
- 238000007726 management method Methods 0.000 description 78
- 230000006399 behavior Effects 0.000 description 43
- 201000010099 disease Diseases 0.000 description 25
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 25
- 208000024891 symptom Diseases 0.000 description 25
- 238000013473 artificial intelligence Methods 0.000 description 15
- 238000011161 development Methods 0.000 description 15
- 230000018109 developmental process Effects 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 13
- 238000010276 construction Methods 0.000 description 13
- 239000003814 drug Substances 0.000 description 13
- 238000011160 research Methods 0.000 description 12
- 229940079593 drug Drugs 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000002776 aggregation Effects 0.000 description 7
- 238000004220 aggregation Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000035488 systolic blood pressure Effects 0.000 description 5
- 208000017667 Chronic Disease Diseases 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000004622 sleep time Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000008859 change Effects 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
- 238000013523 data management Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 230000006806 disease prevention Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005180 public health Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 108010023302 HDL Cholesterol Proteins 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 2
- 208000031226 Hyperlipidaemia Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000031169 hemorrhagic disease Diseases 0.000 description 1
- 208000021822 hypotensive Diseases 0.000 description 1
- 230000001077 hypotensive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000023589 ischemic disease Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000009740 moulding (composite fabrication) Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000009863 secondary prevention Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000023516 stroke disease Diseases 0.000 description 1
- 238000013456 study Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 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
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种心血管疾病管理服务方法和系统，该方法包括：获取居民的健康档案数据、健康监测信息以及日常行为信息；根据健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；将心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。本发明为居民自动测算心血管疾病的患病风险，帮助居民进行心血管疾病的早筛查、预防、治疗等自我健康管理，降低心血管疾病发生引起的风险。
Description
技术领域
本发明涉及心血管检测技术领域，特别是涉及一种心血管疾病管理服务方法和系统。
背景技术
心血管疾病泛指由于高脂血症、血液黏稠、动脉粥样硬化、高血压等所导致的心脏、大脑及全身组织发生缺血性或出血性疾病。脑卒中、冠心病等心血管病是造成居民死亡和疾病负担的首要病因。目前，心血管病的患病率不断上升，不良生活方式持续流行，使得心血管病预防和管理形势更加严峻。心血管病风险评估和危险因素管理是预防心血管病的重要基础。
心血管疾病是当今发达国家死亡率占第一的重要疾病，在我国也是死亡率最高的一类疾病，世界卫生组织已将其列为21世纪危害人类健康的头号杀手。因此，如何积极地进行心血管疾病的早期风险筛查、早期预警及健康管理是非常突出的问题。
发明内容
本发明的目的是提供一种心血管疾病管理服务方法和系统，实现为居民自动测算心血管疾病的患病风险，帮助居民进行心血管疾病的预防、治疗等自我健康管理，降低心血管疾病发生引起的风险。
本发明提供一种心血管疾病管理服务方法，包括步骤：
获取居民的健康档案数据、健康监测信息以及日常行为信息；
根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；
将所述心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
进一步的，所述获取居民的健康档案数据、健康监测信息以及日常行为信息包括步骤：
从智能体征监测设备获取居民的健康监测信息；
从区平台健康档案获取居民的健康档案数据；
从可穿戴设备获取居民的日常行为信息；
其中，所述健康档案数据包括居民的体检信息、诊疗信息和随访数据；所述健康档案数据、健康监测信息以及日常行为信息包括居民的生理数据；所述日常行为信息包括居民的运动行为数据、饮食行为数据。
进一步的，还包括步骤：
获取心血管疾病数据、人群画像数据和物联网设备数据；
根据所述心血管疾病数据、人群画像数据和物联网设备数据进行特征提取和处理得到目标特征数据；
根据所述目标特征数据创建所述心血管AI模型。
进一步的，所述根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息包括步骤：
将所述健康档案数据、健康监测信息以及日常行为信息输入至所述心血管AI模型生成所述心血管风险评估报告；
根据健康档案数据、健康监测信息以及日常行为信息和心血管知识图谱生成所述心血管健康管理方案；
根据所述心血管风险评估报告和心血管知识图谱生成对应的服务提醒信息。
本发明还提供一种心血管疾病管理服务系统，包括：
获取模块，用于获取居民的健康档案数据、健康监测信息以及日常行为信息；
处理模块，用于根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；
通信模块，用于将所述心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
进一步的，所述获取模块包括：
采集单元，用于从智能体征监测设备获取居民的健康监测信息，从区平台健康档案获取居民的健康档案数据，从可穿戴设备获取居民的日常行为信息；
其中，所述健康档案数据包括居民的体检信息、诊疗信息和随访数据；所述健康档案数据、健康监测信息以及日常行为信息包括居民的生理数据；所述日常行为信息包括居民的运动行为数据、饮食行为数据。
进一步的，还包括：
采集模块，用于获取心血管疾病数据、人群画像数据和物联网设备数据；
提取模块，用于根据所述心血管疾病数据、人群画像数据和物联网设备数据进行特征提取和处理得到目标特征数据；
创建模块，用于根据所述目标特征数据创建所述心血管AI模型。
进一步的，所述处理模块包括：
报告生成单元，用于将所述健康档案数据、健康监测信息以及日常行为信息输入至所述心血管AI模型生成所述心血管风险评估报告；
方案生成单元，用于根据健康档案数据、健康监测信息以及日常行为信息和心血管知识图谱生成所述心血管健康管理方案；
信息生成单元，用于根据所述心血管风险评估报告和心血管知识图谱生成对应的服务提醒信息。
通过本发明提供的一种心血管疾病管理服务方法和系统，能够为居民自动测算心血管疾病的患病风险，帮助居民进行心血管疾病的早筛查、预防、治疗等自我健康管理，降低心血管疾病发生引起的风险。
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，对一种心血管疾病管理服务方法和系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种心血管疾病管理服务方法的一个实施例的流程图；
图2是本发明一种心血管疾病管理服务方法的另一个实施例的流程图；
图3是本发明心血管AI模型的框架图；
图4是本发明一种心血管疾病管理服务方法的精准早筛融合模型的流程图；
图5是本发明一种心血管疾病管理服务心态的总体框架图；
图6是本发明一种心血管疾病管理服务方法的数据流示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
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。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
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。
本发明的一个实施例，如图1所示，一种心血管疾病管理服务方法，包括步骤：
S100获取居民的健康档案数据、健康监测信息以及日常行为信息；
S200根据健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；
S300将心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
具体的，心血管疾病全周期智能服务将建设一个心血管基础平台，平台上将利用心血管疾病知识图谱，基于深度学习的语义分割，自然语义理解，基于机器学习的聚类、分类，基于深度学习的语义分割、病灶检测等AI技术，在建设期内实现精准早筛、智能预防、智能辅助诊断治疗、智能全程随访、智能分层转诊5个应用场景。结合居民的健康档案数据、健康监测信息以及日常行为信息，通过大数据云计算建立心血管AI模型，后期对居民进行监测获得的大数据与心血管AI模型对比分析可以有效的提前发现心血管疾病的发生征兆，并通过心血管知识图谱给予健康方案指导，更可以降低心血管疾病发生引起的风险。
本发明的一个实施例，如图2所示，一种心血管疾病管理服务方法，包括步骤：
S010获取心血管疾病数据、人群画像数据和物联网设备数据；
S020根据心血管疾病数据、人群画像数据和物联网设备数据进行特征提取和处理得到目标特征数据；
S030根据目标特征数据创建心血管AI模型；
具体的，心血管疾病数据包括但是不限于心脏收缩压、既往病史、总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-C)、当前血压水平、是否服用降压药、是否患有糖尿病、是否吸烟、是否有心血管病家族史。人群画像数据包括但是不限于姓名、年龄、家庭状况、性别、现居住地(城市或农村)、地域(北方或南方，以长江为界)、腰围。
如图3所示，基于模型生态体系，集成心血管疾病数据接入、数据分析、项目任务、模型创建、评估、解释、在线分析、总装部署、服务为一体的，为业务场景赋能，可持续化服务生态更新的AI模型平台。
S110从智能体征监测设备获取居民的健康监测信息；
S120从区平台健康档案获取居民的健康档案数据；
S130从可穿戴设备获取居民的日常行为信息；
其中，健康档案数据包括居民的体检信息、诊疗信息和随访数据；健康档案数据、健康监测信息以及日常行为信息包括居民的生理数据；日常行为信息包括居民的运动行为数据、饮食行为数据；
具体的，居民基本数据可从区平台和安装有居民端APP的智能体征监测设备处获取，随访数据可从安装有居民端APP的智能体征监测设备处获取，健康档案数据可从安装有居民端APP的智能体征监测设备和区平台处获取。健康监测信息可从体征监测设备或者具有体征监测功能的智能体征监测设备处获取，健康监测信息包括生理数据，生理数据包括但是不限于居民的血压值、心率值、血糖值。其中，具有体征监测功能的智能体征监测设备包括智能音箱、智能体脂称、智能心电仪等等，可穿戴设备包括手机、智能手环等等。
居民基本数据包括但是不限于姓名、年龄、家庭状况、性别、就诊号、体质特点，过敏源和既往病史等等。随访数据是指在临床工作中上，针对一些慢性病和需要长期观察的疾病，对其临床诊断、治疗以及疾病变化、转归预后的观察和跟踪，需要进行长期的针对性随访过程中产生的数据。可根据随访方案的要求，对居民进行全周期的随诊管理，通过居民端APP可自动提醒医生通知病人按随访方案规定到院就诊随访，且能够及时查看病人的到诊情况，并根据规定及时完成随访表单的填写，从而实现对病人入组、随访、转随访、随访退出整个周期完整的跟踪记录。提供统一的随访表单录入模式，可快速、便捷地完成随访数据的采集。基于互联网居民也可以自行录入在家中监控得到的数据，使数据收集的更加完整，实现随访数据的数字化，不需要手工记录，达到有效的数据监管，易于相应的数据管理和后期的统计分析，有利于医生和居民之间有效的沟通和指导。通过居民端APP为医生和居民之间提供交流的平台，加强医生和居民之间的联系，准确掌握居民的动态，加强对随访病人的管理，提升居民的依从性。
健康监测信息中的生理数据包括但是不限于血压值、血糖值和心脏收缩压。示例性的，居民利用WIFI或者蓝牙使得智能手环与手机进行连接，通过手机安装的居民端APP获取储存在智能手环中的健康监测信息，健康监测信息包括在非睡眠状态数据和睡眠状态数据，其中，非睡眠状态数据包括平均心率，最大心率，温度数值，收缩压数值，舒张压数值，血压中值，血氧数值，血脂数值。睡眠状态数据包括居民睡眠数据，包括入睡时间，睡眠时间数据，以及睡眠过程中深度睡眠时长以及前度睡眠时长，实时心率数据，温度数值，收缩压数值，舒张压数值，血压中值，血氧数值，血脂数值。智能手环利用WIFI或者蓝牙将健康监测信息传输给手机。
S210将健康档案数据、健康监测信息以及日常行为信息输入至心血管AI模型生成心血管风险评估报告；
具体的，针对临床疾病根据居民的临床症状、体征、影像、生化、病理、家族史、DNA数据等参数，基于自然语言处理语料结果、影像识别图例，并结合临床指南、专病知识库、医学模型，集成对接医院信息系统的数据平台，通过模拟医生的诊断思维，构建心血管多学科综合诊断模型即心血管AI模型。如图4所示，将健康档案数据、健康监测信息以及日常行为信息输入至心血管AI模型生成心血管风险评估报告。本实施例通过汇聚多个来源的健康档案数据、健康监测信息以及日常行为信息，建设心血管关键疾病领域数据样本库，借助人工智能技术，针对心血管疾病实施“高危因素”智能筛查，诸如吸烟、肥胖、高血压、糖尿病、高脂血症、心血管病家族史等，精确锁定高危人群。结合居民的健康档案数据、健康监测信息以及日常行为信息，通过大数据云计算建立心血管AI模型对其进行分析，例如通过居民上传的性别，身高，体重，年龄，血压，血压，舒张压数值和收缩压数值等数据，参照China-PAR模型计算居民患有心血管疾病的概率，可以有效的提前发现心血管疾病的发生征兆，可提高居民对多种危险因素的危害程度的认识，增强改善生活方式及药物治疗的依从性，从而促进居民心血管疾病的早期预防，有助于减轻心血管疾病负担。
S220根据健康档案数据、健康监测信息以及日常行为信息和心血管知识图谱生成心血管健康管理方案；
具体的，事先需要构建心血管知识库，其中心血管知识库的构建过程如下：心血管知识库以查询实体(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、药品等均为查询实体)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查询实体及查询实体间关系，初步形成心血管知识库。即收集居民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、居民的居民基本数据、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。然后形成以居民为中心，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，提取查询实体和查询实体之间的关联关系。然后，根据查询实体创建对应的节点，且根据各个查询实体的名称创建节点标签，然后，按照知识图谱算法根据查询实体和查询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，最终梳理汇聚生成心血管知识库。
其中，查询实体包括但是不限于心血管疾病、症状、别名、部位、科室、并发症、药品、检查项、费用和居民的居民基本数据等等。查询实体和查询实体之间的关联关系包括心血管疾病与症状关系，症状与症状关系，心血管疾病与并发症关系，心血管疾病与别名关系，心血管疾病与部位关系，心血管疾病与科室关系，心血管疾病与药品关系，心血管疾病与年龄关系，心血管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心血管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，根据心血管疾病与部位的共现次数，心血管疾病与年龄的共现次数，心血管疾病与性别的共现次数等等建立心血管疾病-症状相关矩阵，从而获得心血管疾病症状数据库。示例性的，发烧和头疼，发热对应的心血管疾病-症状相关矩阵。根据心血管疾病与科室的共现次数，心血管疾病与检查项的共现次数等等建立心血管疾病-检查项目矩阵。根据心血管疾病与科室的共现次数，心血管疾病与药品的共现次数等等建立心血管疾病-药物矩阵。
医疗知识图谱的构建过程如下：通过数据中台将所有医疗数据进行对接，医疗数据的来源可能包括医院的本地服务器，当然若医院与可信的第三方医疗服务机构合作，可从第三方医疗服务机构的服务器处调取大量的医疗数据。读取到医疗数据后提取查询实体和查询实体之间的关联关系，其中，查询实体包括但是不限于心血管疾病、症状、别名、发病部位、科室、并发症、药品、年龄、性别、检查项、费用、相关医生、临床表现、治疗等等。查询实体和查询实体之间的关联关系包括心血管疾病与症状关系，症状与症状关系，心血管疾病与并发症关系，心血管疾病与别名关系，心血管疾病与发病部位关系，心血管疾病与科室关系，心血管疾病与药品关系，心血管疾病与年龄关系，心血管疾病与性别关系，心血管疾病与相关医生关系，心血管疾病与临床表现关系，心血管疾病与治疗关系等等。根据上述各查询实体创建对应的节点，且根据各个查询实体的名称创建节点标签，并根据查询实体和查询实体之间的关联关系将各个节点进行连接并去重完成医疗知识图谱的构建。其中，心血管疾病症状相关信息包括查询实体以及查询实体和查询实体之间的关联关系。
通过对心血管疾病各类知识的分析、整理，使用图形学、信息可视化技术等理论和方法，直观、动态地展示知识之间的关联关系。通过基于心血管疾病领域术语和业务规则的人工抽取，以及基于实体识别和关系抽取的自动抽取方式实现心血管领域知识获取；利用相似计算和实体对齐等方式构建心血管疾病相关医学术语同义实体库，并且通过差值合并等实体映射与合并方法完成多知识库融合；将心血管医学知识从类型上划分为关系类和属性类，关系类知识用三元组形式表示，存储到Neo4j图数据库中，属性类知识用键值型JSON表示，最终使用开源可视化库Echarts展示形成心血管医学知识图谱。心血管医学知识图谱(即本发明的心血管知识图谱)整体效果呈现为以查询实体为中心，具有语义关系的相关实体发散至四周的网状结构。
S230根据心血管风险评估报告和心血管知识图谱生成对应的服务提醒信息；
具体的，通过上述方式获取到心血管风险评估报告和心血管健康管理方案后，按照心血管风险评估报告中各个心血管疾病的患病概率从大至小的顺序，选取排列靠前的预设数量个心血管疾病的病症类型，从而得到居民可能患有心血管疾病的预测患病信息。将预测患病信息与心血管知识图谱中的心血管疾病检查关联矩阵和心血管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服务提醒信息。
S300将心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
具体的，智能设备包括但是不限于手机，电脑，平板。如图5所示，平台总体框架如下图所示，分为IaaS、PaaS、DaaS、SaaS四层架构及数据来源的接入层与用户服务层。
一、云应用服务平台层(SaaS)：充分利用现有优质资源，形成与现存医疗体系相适应的、专注于心血管疾病的人工智能深度“应用与共享”的双轮驱动产业发展格局。通过AI应用云实现现有较为成熟AI成果在精准早筛、智能预防、辅助诊断、智能随访及智能分层转诊5大医疗健康场景的深度应用；通过服务云平台实现对本发明积累的AI相关资源成果的便捷、安全、高质量共享、共用，奠定共商共建共享生态基础，实现包括统一用户管理、统一授权管理及在线服务支持的基本服务支撑及包括资源目录管理、安全审批管理、资产监管、用户行为监管、资源血缘追溯、资源热度分析的共享服务管控。SaaS层包括AI应用云和服务云平台：
1)AI应用云实现现有较为成熟AI技术在精准早筛、智能预防、辅助诊断、智能随访及智能分层转诊5大医疗健康场景的深度应用。
精准早筛：融合处理居民健康档案数据、诊疗数据、可穿戴监测数据、前端用户交互及采集补充数据等构建筛查数据基础；参考前沿、经典心血管早筛模型并在领域专家指导下，基于平台累积的数据构建徐汇适用的AI早筛融合模型；基于持续更新的筛查数据及早筛模型提供人群危险分层、早筛风险预测、早筛报告及智能疾病监控服务，形成个人心血管全周期专属档案辅助后续健康管理工作。
智能预防：针对早筛出的不同人群个体、风险因子，基于面向心血管疾病的知识图谱，利用人工智能技术进行高危群体画像、健康方案智能推送、智能主动干预、智能穿戴设备监测、奖励式/成长式终端交互，培养健康管理习惯，并提供个性化的健康指导及咨询服务支撑，提前预防心血管重大疾病发生。用户反馈的数据，将定期再次模型训练进而动态更新居民适用的健康方案。
智能辅诊：采用冠脉CTA智能影像辅助诊断模型、心血管影像识别技术、疾病评估模型等智能手段辅助医生诊断，并自动生成治疗方案、检验检查方案、用药方案推荐给医生参考。通过智能机器人问诊功能为居民提供诊前评估、病症解读、疾病可能诊断、智能就医推荐等服务。
智能随访：结合智能语音音箱语音交互功能，基于后台居民数据、知识库及模型，为心血管疾病高危人群及患者提供智能随访、健康评估分析、体征监测、个性化提醒、个性化指导等智能应用，随访数据将结合模型分析结果推送给医生，辅助病情监控、主动干预和康复指导工作。
智能分层转诊：基于后台AI引擎自动匹配出当前病史下医联体内最适合的医院、科室、医生，为居民提供在线问诊或线下转诊通道，实现区域内心血管医疗资源的高效匹配，同时完整记录患者的全程电子病历和健康档案数据，实现从精准早筛、智能预防、智能辅助诊断治疗到智能随访全流程闭环、实时动态更新的专项档案管理与共享。
2)服务云平台作为统一服务出口，实现对本发明资源、成果的便捷、安全、规范化共享共用，奠定共商共建共享生态基础，实现包括统一用户管理、统一授权管理及在线服务支持的基本服务支撑及包括资源目录管理、安全审批管理、资产监管、用户行为监管、资源血缘追溯、资源热度分析的共享服务管控。
二、基础服务平台层(PaaS)：改变原有项目化的服务支撑模式，以技术中台实现对上层应用的微服务化及标准化支持，包括开发、运行基础环境支撑及AI技术中台。基础环境支撑提供大数据环境基础服务、人工智能环境基础服务及索引及检索基础服务；AI技术中台则实现对应用层不同AI算法模型的服务支持。Paan层以技术中台实现对上层应用的微服务化及标准化支持，包括AI技术中台及基础环境支撑。
1)AI技术中台为5大应用场景提供了完整的AI算法模型的服务支持。包括构建徐汇适用的基于生理结构分区的冠脉深度学习自动分割模型、心血管精准早筛融合模型、多学科综合诊断学习模型，形成围绕心血管的智能医学自然语言处理平台、医学知识图谱及智能语音识别技术支撑上层智能应用与AI建模，并建设AI模型平台实现模型全流程一体化构建、部署及管理生态。
2)基础环境支撑服务提供开发及运行基础环境，包括大数据环境基础服务、人工智能环境基础服务、索引及检索基础服务、多租户管理及监控中心。
三、数据服务平台层(DaaS)：数据服务平台通过构建数据中台，以场景化、自动化及智能化利用数据为目标，将健康平台已形成的较为完整的数据汇聚及治理路径作为本发明大数据初步汇聚及整合的前端，实现对各医疗卫生机构及终端的数据汇聚及源头数据质控，健康平台获取的本发明相关数据同步至大数据中心，经过进一步数据治理形成主题数据仓库，通过数据资产管理实现数据资产形式的共享或以数据接口服务形式支持上层应用，以应对应用数据、科研数据、共享数据的不同分析要求及应用特征。DaaS层通过构建数据中台，以场景化、自动化及智能化利用数据为目标，将健康平台已形成的数据汇聚及治理路径作为本发明大数据初步汇聚及整合的前端，实现对各医疗卫生机构及终端的数据汇聚及源头数据质控，健康平台获取的本发明相关数据同步至大数据中心，经过进一步数据治理形成主题数据仓库，通过数据资产管理实现数据资产形式的共享或进行数据再加工，结合数据标签化、数据建模等方式，产生应用数据以数据接口服务形式支持上层应用，以应对应用数据、科研数据、共享数据的不同分析要求及应用特征。
四、基础设施服务层(IaaS)：部署涉及心血管专病紧密型医联体内医疗机构的医务人员工作站，实现内网端大数据汇聚、计算及核心应用部署的云中心机房，实现互联网端应用部署的公有云。医疗机构与中心网络互通基于原有线路实现，并租用中心云机房与公有云之间的专线服务以实现数据及服务的安全交互。需建设的云服务包括支撑对应系统应用的云主机、云存储、云安全、云网络及系统软件。IaaS层建设涉及内网端大数据汇聚、计算及核心应用部署的徐汇云中心机房及实现互联网端应用部署的电信公有云机房，包括大数据一体机的购置及云主机、云存储、云网络及云安全的服务租用。
本发明通过用户服务层，以居民端APP、医护及监管端PC应用形式提供服务，其中可穿戴设备及智能音箱与居民端APP互联，终端产生的数据均将根据实际需求，通过区域人口健康平台，实现全区及紧密医共体之间的数据互通；资源共享及监管根据实际需要，通过桌面应用、插件或浏览器形式实现与末梢使用人员的对接。为吸引用户，发挥本平台应用价值，真正意义上推进本平台为民所需、为民所用，居民端APP将采用现阶段先进、简洁、友好等交互标准，力求五大场景拟合日常使用习惯实现一体化顺畅整合，并引入激励式、互动式、智能式、陪伴式等人机互动机制，提升用户粘性。
如图6所示，基于数据中台实现各端来源的数据交互，通过扩展原有接口标准规范实现数据采集，并基于健康平台已有的数据治理功能，实现源头的数据质控、清洗及整合，后续面向应用主题的进一步数据质控、建模等奠定基础。
心血管疾病是全球的头号死因，打造一个纵向深度融合一二级预防及三级治疗的完整健康管理体系，横向覆盖各相关健康风险因子及对应因子管控的AI技术支撑体系，不仅将可能极大降低心血管发病风险，也必然会种下疾病防治领域变革的种子，催生出更为便利、高效、广阔的居民健康管理产业生态。本发明围绕心血管疾病，通过区域医院、社区卫生服务中心以居民为中心进行心血管疾病全周期智能服务管理。通过精准早筛、智能预防、智能辅助诊断治疗、智能全程随访和智能医联体分层转诊五大应用场景建设，形成与现存医疗体系相适应的、专注于心血管疾病的人工智能深度应用格局，这对心血管慢病防控具有重大的意义，并对心血管慢病管理提供了示范性的方向。
本发明基于顶层设计的AI应用场景全环节、全流程贯通；模型单场景实用性、精准性及多场景协同性提升。除下互联网+、物联网、云计算等基础技术支持，其实现具体关键技术要点如下：
大数据：对多源异构数据资源进行整合、处理、存储以及开发利用，通过实体对齐、矛盾消除等方式，实现不同来源、不同形态数据在知识层面的统一和融合；具备海量健康多源关联数据的维护与管理能力，应用动态自适应和优化方法，动态合理增减数据维度；结合数据的冗余和容错检测技术，形成数据清洗和存续策略；结合信息高效管理技术，提供快速的关联信息检索和查询服务；结合授权、行为分析、血缘追溯，提供数据资源安全管理支持。
人工智能：结合NLP技术、医学术语库等技术，实现对临床文本数据的语义解析与后结构化处理和存储；结合知识图谱技术，将各种琐碎、零散的医疗知识相互连接，以支持综合性知识检索以及问答、辅助决策支持等应用；结合标注、深度学习等的计算机视觉技术，以支持影像辅助诊断；高敏感、抗干扰，灵活适配健康管理及医疗场景下的智能语音交互；整合数据处理、特征工程及模型训练、部署、反馈调优的开放式、循环成长型模型生态搭建。
通过本发明突破单点单项单场景的多场景AI技术全环节、全流程贯通与协同，AI技术与心血管疾病三级防控全周期5大场景深度整合，基于顶层设计，实现AI应用与现有健康医疗体系适配及全环节、全流程的贯通，实现AI应用间协同。本发明融合居民自我管理及三级防控，实现互动成长式、全程陪伴式、精准化健康管理的移动端应用。基于心血管领域顶级专家资源，参考主流心血管疾病筛查模型，以区域累积的健康医疗大数据为基础，研发兼具专业性与实用性的成长型精准早筛模型；研发心血管疾病健康指数模型，持续整合风险因子及预防举措，实现居民精准化健康方案自动生成及跟踪反馈，并基于用户不同场景需求优化模型具体应用效能。围绕心血管疾病健康管理，构建整合数据处理、特征工程及模型训练、部署、反馈调优的开放式、循环成长式模型平台，为产学研用相关方提供统一的资源服务平台，形成高效转化体系，迅速孵化并持续优化可推广人工智能类应用产品。
通过本发明的心血管平台建设具有以下意义：
①.经济效益：心血管疾病全周期智能服务及体系建设将对区域范围内围绕着心血管疾病的医疗人工智能行业起到巨大带动。可以节约政府卫生资金投入，提高政府对卫生资金的利用效率和效果，提高政府对医疗卫生业务的综合监督管理能力，实现卫生信息化管理的科学化、规范化和现代化，推动心血管+人工智能的全面发展。
②.社会效益：
民生效益——实现健康管理，提升生活质量。贯彻预防为主的方针，坚持防治结合、联防联控、群防群控，努力为人民群众提供全方位全生命周期的卫生与健康服务，助力构建和谐社会，推进更经济、更有效、更高价值的自我健康管理社会保障模式，全面提高人民生活质量，提升群众生活幸福感。
医疗效益——辅助医生诊疗，提高科研水平。形成区域平台健康医疗大数据整合，延展健康数据的随访跟踪时间，广涵盖患者人群，并包含多维度的疾病、症状、诊疗、检查检验、医疗行为等数据，医生可随时获得病人历次诊疗的全部病历资料，可进行历次影像的对比和分析，对后续医疗活动有很大帮助，也有利于医务人员开展回顾性临床研究。利用人工智能辅助医护人员优化诊疗方案，管控临床质量，有效规范诊疗行为的一致性，形成从诊前医嘱开立、诊中病历审核、诊后数据上报的医疗管理闭环，全面提升基层基础诊疗能力水平。除此之外，区域平台数据的互联共享，将诊疗数据，环境数据，居民健康档案，人口信息等综合整合后，有利于医疗行业科研人员对疾病影响因素进行关联研究以及疾病间相互影响的关联分析，将为精准医学发展提供帮助，让医疗服务更加精准、高效、普惠。
管理效益——提升监管效率，优化决策应用。通过大数据应用研究，有效地管理和利用公共卫生大数据资源。用于公共卫生研究的数据互相补充，相互支撑，能体现群体性健康问题的各种特征。促进大数据技术与健康医疗服务的深度融合与应用，将会带来健康医疗模式的深刻变化，有利于激发深化医药卫生体制改革的动力和活力，提升健康医疗服务效率和质量。随着健康医疗大数据应用的深入，还可为医疗卫生政策的制定、医疗保险支出规划、公共卫生政策制定等提供支撑，推动健康医疗模式的革命性变化，有利于扩大医疗资源供给、降低医疗成本、提升医疗服务运行效率，全面提升健康医疗领域的治理能力和水平。
行业效益——发展健康产业，集聚人工智能。医疗关乎每个个体的生命健康，推进健康产业的信息化、智能化将具有重大的历史意义和社会意义。健康医疗大数据是与健康医疗相关，满足大数据基本特征的数据集合，是国家重要的基础性战略资源，正快速发展为新一代信息技术和新型健康医疗服务业态。
健康大数据价值起于数据源，经过数据处理、数据分析、数据应用，到达终端用户。价值链的每个环节均能产生相应的盈利模式，既可以是一次性项目建设销售模式，也可以是平台型运营模式。不同价值链环节的企业均可以向上下游延伸发展出相应的整体健康医疗大数据解决方案。利用好健康医疗大数据，可以为医疗产业链条的众多参与者提供价值，包括医疗机构、医生患者、保险公司、医药企业、医疗人工智能产业、医疗科研大数据等。同时为人工智能企业的发展提供有力支撑和更为宽阔的平台。
通过本发明促进AI技术应用开发，并推进技术及相关配套迭代更新使AI在现实中也能达到预期效果，是AI+健康医疗行业发展的关键。本发明基于心血管领域顶尖专家资源，覆盖心血管健康管理全周期场景需求，全方位探索人工智能的应用开发及落地迭代优化。从AI技术场景应用角度，突破了单点单项场景限制扩展到多场景，并初步实现AI技术全周期场景间的路径贯通；从AI应用开发角度，基于徐汇积累的健康医疗大数据及专家资源，研发出适用于日常风险分层人群管理及精准个体健康管理的心血管早筛及预防模型；从AI技术及配套支持迭代更新角度，形成5大场景应用所需的符合医疗信息化的标准数据集，并在实际应用中，形成针对性数据治理策略，形成既有模型应用迭代调优经验，形成配套AI相关成果对外共享的体系框架。
本发明将为相关数据标准建设、模型构建、行业解决方案提供示范经验，且项目构建的标准数据集等可以为健康产业链条的众多参与者提供价值；本发明围绕心血管疾病打造了一个各场景AI应用之间的数据循环使用生态模式，并贯穿、辅助于传统的医疗业务，为AI应用提供了新思路，为医疗行业信息化测评提供借鉴，将助推人工智能行业和健康医疗行业的精细化结合。心血管疾病全周期智能服务平台项目将围绕心血管疾病，依托全民人口健康平台，运用健康医疗大数据及人工智能技术工具，构建面向居民、社区家庭医生和专科医生的心血管疾病早筛、预防、辅诊、随访及转诊五大智能应用。
随着社会经济的发展，现代人的物质和精神生活的水平大大提高，但是随着人们的工作节奏的骤然加快，生活习惯的无序变化，使得身体健康水平逐步恶化；尤其是在经济发达的一线大城市中，处于亚健康状态的人群不在少数，对心血管疾病等各种慢性病监护的医疗需求日益增长；面对巨大的市场需求，近年来国家大力推进医疗卫生事业的发展与改革，各种新的医疗健康模式应运而生，伴随着区域医疗改革的深入开展，通过优化区域医疗资源的配置，创新医疗模式，逐渐缓解了大医院医疗资源不足的问题，这对国民的健康来说无疑是件大好事；目前在社区远程的心血管疾病监护领域已经展开了各方面的研究，但是应用还十分局限，物联网技术在远程及社区患者信息监测的方面的例子还很少；造成这种状况的原因有多种，主要的是远程费用问题；最需要远程医疗服务的还是广大农村和社区的患者，而无论利用何种通信方式会诊成本都比较高，不适宜经济落后的地区的使用，因此把众多需要远程监护的患者挡在了门外，阻止了远程医疗的应用和推广；医疗水平具有明显的区域性差别特征，特别是广大农村和边远地区，所以远程医疗具有必要性和急需性；其次是国民的健康意识相对薄弱；另外，由于大城市生活节奏日益加快，大部分工作的蓝领、白领往往存在睡眠、饮食极不规律的问题，对身体健康影响很大；如果加大这类人群的健康监护水平，配备家庭式医疗监护设备，不仅小问题能在社区很好的就诊，大的疾病前兆也能及早发现，挽救生命。
本发明的一个实施例，一种心血管疾病管理服务系统，包括：
获取模块，用于获取居民的健康档案数据、健康监测信息以及日常行为信息；
处理模块，用于根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；
通信模块，用于将所述心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
具体的，本实施例是上述方法实施例对应的系统实施例，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，获取模块包括：
采集单元，用于从智能体征监测设备获取居民的健康监测信息，从区平台健康档案获取居民的健康档案数据，从可穿戴设备获取居民的日常行为信息；
其中，所述健康档案数据包括居民的体检信息、诊疗信息和随访数据；所述健康档案数据、健康监测信息以及日常行为信息包括居民的生理数据；所述日常行为信息包括居民的运动行为数据、饮食行为数据。
具体的，本实施例是上述方法实施例对应的系统实施例，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，还包括：
采集模块，用于获取心血管疾病数据、人群画像数据和物联网设备数据；
提取模块，用于根据心血管疾病数据、人群画像数据和物联网设备数据进行特征提取和处理得到目标特征数据；
创建模块，用于根据目标特征数据创建心血管AI模型。
具体的，本实施例是上述方法实施例对应的系统实施例，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，所述处理模块包括：
报告生成单元，用于将所述健康档案数据、健康监测信息以及日常行为信息输入至所述心血管AI模型生成所述心血管风险评估报告；
方案生成单元，用于根据健康档案数据、健康监测信息以及日常行为信息和心血管知识图谱生成所述心血管健康管理方案；
信息生成单元，用于根据所述心血管风险评估报告和心血管知识图谱生成对应的服务提醒信息。
具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
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/智能体征监测设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/智能体征监测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121发送指令给相关的硬件完成，所述的计算机程序121可存储于一存储介质中，该计算机程序121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121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。所述存储介质可以包括：能够携带所述计算机程序121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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、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，计算机可读的存储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 (8)
1.一种心血管疾病管理服务方法，其特征在于，包括步骤：
获取居民的健康档案数据、健康监测信息以及日常行为信息；
根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；
将所述心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
2.根据权利要求1所述的心血管疾病管理服务方法，其特征在于，所述获取居民的健康档案数据、健康监测信息以及日常行为信息包括步骤：
从智能体征监测设备获取居民的健康监测信息；
从区平台健康档案获取居民的健康档案数据；
从可穿戴设备获取居民的日常行为信息；
其中，所述健康档案数据包括居民的体检信息、诊疗信息和随访数据；所述健康档案数据、健康监测信息以及日常行为信息包括居民的生理数据；所述日常行为信息包括居民的运动行为数据、饮食行为数据。
3.根据权利要求1所述的心血管疾病管理服务方法，其特征在于，还包括步骤：
获取心血管疾病数据、人群画像数据和物联网设备数据；
根据所述心血管疾病数据、人群画像数据和物联网设备数据进行特征提取和处理得到目标特征数据；
根据所述目标特征数据创建所述心血管AI模型。
4.根据权利要求3所述的心血管疾病管理服务方法，其特征在于，所述根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息包括步骤：
将所述健康档案数据、健康监测信息以及日常行为信息输入至所述心血管AI模型生成所述心血管风险评估报告；
根据健康档案数据、健康监测信息以及日常行为信息和心血管知识图谱生成所述心血管健康管理方案；
根据所述心血管风险评估报告和心血管知识图谱生成对应的服务提醒信息。
5.一种心血管疾病管理服务系统，其特征在于，包括：
获取模块，用于获取居民的健康档案数据、健康监测信息以及日常行为信息；
处理模块，用于根据所述健康档案数据、健康监测信息以及日常行为信息，通过心血管AI模型和心血管知识图谱生成居民的心血管风险评估报告，以及心血管健康管理方案和服务提醒信息；
通信模块，用于将所述心血管风险评估报告，以及心血管健康管理方案和服务提醒信息发送至对应的居民及智能设备，以便告知提醒居民。
6.根据权利要求5所述的心血管疾病管理服务系统，其特征在于，所述获取模块包括：
采集单元，用于从智能体征监测设备获取居民的健康监测信息，从区平台健康档案获取居民的健康档案数据，从可穿戴设备获取居民的日常行为信息；
其中，所述健康档案数据包括居民的体检信息、诊疗信息和随访数据；所述健康档案数据、健康监测信息以及日常行为信息包括居民的生理数据；所述日常行为信息包括居民的运动行为数据、饮食行为数据。
7.根据权利要求5所述的心血管疾病管理服务系统，其特征在于，还包括：
采集模块，用于获取心血管疾病数据、人群画像数据和物联网设备数据；
提取模块，用于根据所述心血管疾病数据、人群画像数据和物联网设备数据进行特征提取和处理得到目标特征数据；
创建模块，用于根据所述目标特征数据创建所述心血管AI模型。
8.根据权利要求7所述的心血管疾病管理服务系统，其特征在于，所述处理模块包括：
报告生成单元，用于将所述健康档案数据、健康监测信息以及日常行为信息输入至所述心血管AI模型生成所述心血管风险评估报告；
方案生成单元，用于根据健康档案数据、健康监测信息以及日常行为信息和心血管知识图谱生成所述心血管健康管理方案；
信息生成单元，用于根据所述心血管风险评估报告和心血管知识图谱生成对应的服务提醒信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011133304.7A CN112133445A (zh) | 2020-10-21 | 2020-10-21 | 一种心血管疾病管理服务方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011133304.7A CN112133445A (zh) | 2020-10-21 | 2020-10-21 | 一种心血管疾病管理服务方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112133445A true CN112133445A (zh) | 2020-12-25 |
Family
ID=73853300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011133304.7A Pending CN112133445A (zh) | 2020-10-21 | 2020-10-21 | 一种心血管疾病管理服务方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112133445A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112908481A (zh) * | 2021-03-18 | 2021-06-04 | 马尚斌 | 一种自动化个人健康评估及管理方法及系统 |
| CN112990767A (zh) * | 2021-04-20 | 2021-06-18 | 上海领健信息技术有限公司 | 垂直消费医疗类SaaS生产数据计算方法、系统、终端及介质 |
| CN113160995A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种消化道穿孔诊断装置、干预装置及诊断干预系统 |
| CN113345583A (zh) * | 2021-06-01 | 2021-09-03 | 甘肃省卫生健康统计信息中心(西北人口信息中心) | 一种构建全生命周期居民智慧健康档案的方法及系统 |
| CN113539483A (zh) * | 2021-08-02 | 2021-10-22 | 曜立科技(北京)有限公司 | 一种基于云计算的慢性病筛查服务系统 |
| CN113921141A (zh) * | 2021-12-14 | 2022-01-11 | 之江实验室 | 一种个体慢病演进风险可视化评估方法及系统 |
| CN113940640A (zh) * | 2021-11-12 | 2022-01-18 | 清华大学 | 心血管疾病风险控制方法、系统及存储介质 |
| CN114550923A (zh) * | 2022-01-11 | 2022-05-27 | 广州市妇女儿童医疗中心 | 一种肥胖指征指示心血管疾病快速预警系统和存储介质 |
| CN114613504A (zh) * | 2022-03-09 | 2022-06-10 | 北京无极慧通科技有限公司 | 基于ai技术的医疗健康智能管理方法及服务平台 |
| CN115223721A (zh) * | 2022-07-12 | 2022-10-21 | 曜立科技(北京)有限公司 | 一种基于元数据的患者心脑血管疾病管数相似性分析系统 |
| CN115331822A (zh) * | 2022-10-11 | 2022-11-11 | 南京从景生物技术有限公司 | 一种基于微信小程序的客户健康资料收集管理系统 |
| CN115966278A (zh) * | 2022-12-07 | 2023-04-14 | 北京健康在线技术开发有限公司 | 一种基于数字疗法的心血管代谢疾病防治方法和系统 |
| CN116612892A (zh) * | 2023-07-17 | 2023-08-18 | 天津市疾病预防控制中心 | 一种可穿戴装置的健康监测方法及系统 |
| CN117238533A (zh) * | 2023-11-16 | 2023-12-15 | 首都医科大学附属北京同仁医院 | 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 |
| CN117438108A (zh) * | 2023-12-21 | 2024-01-23 | 北京科技大学 | 一种用于心血管疾病的长时监测预防系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559397A (zh) * | 2013-10-31 | 2014-02-05 | 合肥学院 | 一种应用于高血压慢性病的智慧服务系统及方法 |
| CN105930674A (zh) * | 2016-03-04 | 2016-09-07 | 江苏鹿得医疗电子股份有限公司 | 一种基于医疗健康数据采集的智慧健康预测与决策系统 |
| CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
| CN107506598A (zh) * | 2017-08-31 | 2017-12-22 | 深圳市易特科信息技术有限公司 | 基于健康检查一体机的慢病随访监控系统及方法 |
| CN107680680A (zh) * | 2017-09-07 | 2018-02-09 | 广州九九加健康管理有限公司 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
| CN109671482A (zh) * | 2017-10-13 | 2019-04-23 | 程景丽 | 一种健康管理方法及系统 |
| CN109754852A (zh) * | 2019-01-08 | 2019-05-14 | 中南大学 | 基于电子病历的心血管疾病风险预测方法 |
| CN109935346A (zh) * | 2019-03-21 | 2019-06-25 | 江苏盖睿健康科技有限公司 | 一种智能化的基层社区健康综合管理系统 |
| CN110428901A (zh) * | 2019-07-19 | 2019-11-08 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
-
2020
- 2020-10-21 CN CN202011133304.7A patent/CN112133445A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559397A (zh) * | 2013-10-31 | 2014-02-05 | 合肥学院 | 一种应用于高血压慢性病的智慧服务系统及方法 |
| CN105930674A (zh) * | 2016-03-04 | 2016-09-07 | 江苏鹿得医疗电子股份有限公司 | 一种基于医疗健康数据采集的智慧健康预测与决策系统 |
| CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
| CN107506598A (zh) * | 2017-08-31 | 2017-12-22 | 深圳市易特科信息技术有限公司 | 基于健康检查一体机的慢病随访监控系统及方法 |
| CN107680680A (zh) * | 2017-09-07 | 2018-02-09 | 广州九九加健康管理有限公司 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
| CN109671482A (zh) * | 2017-10-13 | 2019-04-23 | 程景丽 | 一种健康管理方法及系统 |
| CN109754852A (zh) * | 2019-01-08 | 2019-05-14 | 中南大学 | 基于电子病历的心血管疾病风险预测方法 |
| CN109935346A (zh) * | 2019-03-21 | 2019-06-25 | 江苏盖睿健康科技有限公司 | 一种智能化的基层社区健康综合管理系统 |
| CN110428901A (zh) * | 2019-07-19 | 2019-11-08 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
Non-Patent Citations (1)
| Title |
|---|
| 刘新民等: "智慧医疗与健康养", 31 October 2018, 中国科学技术大学出版社, pages: 300 - 301 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160995A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种消化道穿孔诊断装置、干预装置及诊断干预系统 |
| CN112908481B (zh) * | 2021-03-18 | 2024-04-16 | 马尚斌 | 一种自动化个人健康评估及管理方法及系统 |
| CN112908481A (zh) * | 2021-03-18 | 2021-06-04 | 马尚斌 | 一种自动化个人健康评估及管理方法及系统 |
| CN112990767A (zh) * | 2021-04-20 | 2021-06-18 | 上海领健信息技术有限公司 | 垂直消费医疗类SaaS生产数据计算方法、系统、终端及介质 |
| CN112990767B (zh) * | 2021-04-20 | 2021-08-20 | 上海领健信息技术有限公司 | 垂直消费医疗类SaaS生产数据计算方法、系统、终端及介质 |
| CN113345583A (zh) * | 2021-06-01 | 2021-09-03 | 甘肃省卫生健康统计信息中心(西北人口信息中心) | 一种构建全生命周期居民智慧健康档案的方法及系统 |
| CN113539483A (zh) * | 2021-08-02 | 2021-10-22 | 曜立科技(北京)有限公司 | 一种基于云计算的慢性病筛查服务系统 |
| CN113539483B (zh) * | 2021-08-02 | 2022-03-22 | 曜立科技(北京)有限公司 | 一种基于云计算的慢性病筛查服务系统 |
| CN113940640A (zh) * | 2021-11-12 | 2022-01-18 | 清华大学 | 心血管疾病风险控制方法、系统及存储介质 |
| CN113921141A (zh) * | 2021-12-14 | 2022-01-11 | 之江实验室 | 一种个体慢病演进风险可视化评估方法及系统 |
| CN113921141B (zh) * | 2021-12-14 | 2022-04-08 | 之江实验室 | 一种个体慢病演进风险可视化评估方法及系统 |
| CN114550923A (zh) * | 2022-01-11 | 2022-05-27 | 广州市妇女儿童医疗中心 | 一种肥胖指征指示心血管疾病快速预警系统和存储介质 |
| CN114613504A (zh) * | 2022-03-09 | 2022-06-10 | 北京无极慧通科技有限公司 | 基于ai技术的医疗健康智能管理方法及服务平台 |
| CN115223721A (zh) * | 2022-07-12 | 2022-10-21 | 曜立科技(北京)有限公司 | 一种基于元数据的患者心脑血管疾病管数相似性分析系统 |
| CN115331822A (zh) * | 2022-10-11 | 2022-11-11 | 南京从景生物技术有限公司 | 一种基于微信小程序的客户健康资料收集管理系统 |
| CN115966278A (zh) * | 2022-12-07 | 2023-04-14 | 北京健康在线技术开发有限公司 | 一种基于数字疗法的心血管代谢疾病防治方法和系统 |
| CN116612892A (zh) * | 2023-07-17 | 2023-08-18 | 天津市疾病预防控制中心 | 一种可穿戴装置的健康监测方法及系统 |
| CN116612892B (zh) * | 2023-07-17 | 2023-09-26 | 天津市疾病预防控制中心 | 一种可穿戴装置的健康监测方法及系统 |
| CN117238533A (zh) * | 2023-11-16 | 2023-12-15 | 首都医科大学附属北京同仁医院 | 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 |
| CN117438108A (zh) * | 2023-12-21 | 2024-01-23 | 北京科技大学 | 一种用于心血管疾病的长时监测预防系统 |
| CN117438108B (zh) * | 2023-12-21 | 2024-03-29 | 北京科技大学 | 一种用于心血管疾病的长时监测预防系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112133445A (zh) | 一种心血管疾病管理服务方法和系统 | |
| CN111863267B (zh) | 数据信息获取方法、数据分析方法、装置以及存储介质 | |
| Huang et al. | A clinical decision support framework for heterogeneous data sources | |
| CN110415831A (zh) | 一种医疗大数据云服务分析平台 | |
| Mishra et al. | Analysis of the role and scope of big data analytics with IoT in health care domain | |
| Galetsi et al. | Big data analytics in health: An overview and bibliometric study of research activity | |
| CN109785927A (zh) | 基于互联网一体化医疗平台的临床文档结构化处理方法 | |
| Panda et al. | Big data in health care: A mobile based solution | |
| Susanto | Electronic health system: sensors emerging and intelligent technology approach | |
| CN112349369A (zh) | 医疗影像大数据智能分析方法、系统及存储介质 | |
| US20220059228A1 (en) | Systems and methods for healthcare insights with knowledge graphs | |
| Awrahman et al. | A review of the role and challenges of big data in healthcare informatics and analytics | |
| CN113345583A (zh) | 一种构建全生命周期居民智慧健康档案的方法及系统 | |
| Carrubbo et al. | Service system platforms to improve value co-creation: Insights for translational medicine | |
| Chen et al. | A Bibliometric Analysis of the Development of ICD‐11 in Medical Informatics | |
| Maniadi et al. | Designing a digital patient avatar in the context of the MyHealthAvatar project initiative | |
| Javed et al. | Artificial intelligence for cognitive health assessment: state-of-the-art, open challenges and future directions | |
| Triberti et al. | Artificial intelligence in healthcare practice: How to tackle the “human” challenge | |
| Kozak et al. | Digital transformation in medicine: from formalized medical documents to information technologies of digital medicine | |
| Eapen et al. | Drishti: A sense-plan-act extension to open mHealth framework using FHIR | |
| Muro et al. | Experience-based electronic health records | |
| Strobel et al. | Healthcare in the Era of Digital twins: towards a Domain-Specific Taxonomy. | |
| CN113096795B (zh) | 多源数据辅助的临床决策支持系统及方法 | |
| Machado et al. | Applying Business Intelligence to Clinical and Healthcare Organizations | |
| Trivedi et al. | Health care cube integrator for health care databases |
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 |