CN113724823B - 医疗健康服务的线上管理方法、装置、设备及存储介质 - Google Patents
医疗健康服务的线上管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113724823B CN113724823B CN202111017307.9A CN202111017307A CN113724823B CN 113724823 B CN113724823 B CN 113724823B CN 202111017307 A CN202111017307 A CN 202111017307A CN 113724823 B CN113724823 B CN 113724823B
- Authority
- CN
- China
- Prior art keywords
- patient
- service
- medical
- item
- record 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 87
- 238000007726 management method Methods 0.000 title claims abstract description 60
- 238000012502 risk assessment Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000011835 investigation Methods 0.000 claims abstract description 35
- 201000010099 disease Diseases 0.000 claims description 44
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 208000024891 symptom Diseases 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 15
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 208000018556 stomach disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请适用于人工智能、医疗服务技术领域,提供一种医疗健康服务的线上管理方法、装置、设备及存储介质,方法包括:读取患者的病历信息;从病历信息中提取出患者的身体指标特征以及医生给予患者的治疗建议特征,根据身体指标特征和治疗建议特征制定与患者匹配的关怀服务,关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项;响应于服务项执行指令,执行关怀服务中的服务项,为患者提供服务项对应的医疗健康服务。该方法可以智能地为患者制定个性化的关怀服务,持续性地为患者提供医疗健康服务,实现医患之间的线上沟通,减少医生工作量,方便医生对患者的管理和跟踪治疗。
Description
技术领域
本申请涉及人工智能、医疗服务技术领域,尤其涉及一种医疗健康服务的线上管理方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展,其逐渐普及到各个领域,如日常生活领域、购物领域、医疗健康领域等。在医疗健康领域中,传统的健康服务方式为当医生和患者处于不同的地点时,医生了解患者的病情主要通过打电话、发短信等方式,然后医生将询问得到的信息进行整理,记录到病历本上或者记录到电脑的医疗系统上,医生给患者的建议及对患者执行情况的监督,也是通过打电话或发短信传达消息给患者,这种管理服务效率低下、质量得不到保证。目前市面上的线上健康服务管理平台,虽然可以提高服务效率,但是它们一方面功能单一,容易出现对患者后续的治疗跟踪不到位的情况,服务质量得不到保证;另一方面医学知识普及度低,容易出现患者在平台中难以选择出满足需求的服务的情况,严重影响患者的服务体验。
发明内容
有鉴于此,本申请实施例提供了一种医疗健康服务的线上管理方法、装置、设备及存储介质,可以为患者制定个性化的关怀计划,并基于关怀计划为患者提供有针对性的医疗健康服务,提高患者的服务体验。
本申请实施例的第一方面提供了一种医疗健康服务的线上管理方法,包括:
读取患者的病历信息,其中,所述患者的病历信息中包含有患者的身体指标数据和医生的治疗建议信息;
从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,其中,所述关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项;
响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务。
结合第一方面,在第一方面的第一种可能实现方式中,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行手术风险评估服务项时,包括:
根据所述患者的病历信息确定所述患者的手术信息;
根据所述患者的手术信息,从所述患者的病历信息中提取所述患者与手术相关的各项身体指标的检验数据;
将所述患者的手术信息和所述患者与手术相关的各项身体指标的检验数据输入至预设的风险评估模型中进行风险评估处理,获得与所述患者的手术信息对应的风险结果和建议;
将所述风险结果和建议推送至患者客户端,为所述患者提供手术风险评估服务。
结合第一方面,在第一方面的第二种可能实现方式中,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行治疗事项通知服务项时,包括:
根据所述患者的病历信息,从预设的治疗事项数据库中提取出与所述患者所需的治疗注意事项;
将所述治疗注意事项推送至患者客户端,为所述患者提供治疗事项通知服务。
结合第一方面,在第一方面的第三种可能实现方式中,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行医疗知识推送服务项时,包括:
将所述患者的病历信息输入至预设的特征提取模型中进行特征提取处理,获得所述患者的病症特征;
根据所述患者的病症特征查询预设的医疗知识数据库,从所述预设的医疗知识数据库中获取与所述患者的病症特征相匹配的医疗知识文献;
将所述医疗知识文献推送至患者客户端,为所述患者提供医疗知识推送服务。
结合第一方面,在第一方面的第四种可能实现方式中,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行随访调查服务项时,包括:
根据所述患者的病历信息配置所述患者的随访调查问卷;
将所述随访调查问卷发送至患者客户端并提示所述患者填写所述随访调查问卷;
接收所述患者填写后的随访调查问卷,并将所述患者填写后的随访调查问卷反馈至医生客户端,为所述患者提供随访调查服务。
结合第一方面的第四种可能实现方式,在第一方面的第五种可能实现方式中,所述将所述患者填写后的随访调查问卷反馈至医生客户端,为所述患者提供随访调查服务的步骤,还包括:
根据所述患者的病历信息确定所述患者的患病类型;
根据所述患病类型查询预设的专科类型表,确定与所述患病类型对应匹配的专科类型,并基于所述专科类型为所述患者匹配医生集群,以将所述患者填写后的随访调查问卷反馈至所述医生集群中,由所述医生集群中的医生为所述患者提供随访调查服务。
结合第一方面或第一方面的第一或第二或第三或第四或第五种可能实现方式,在第一方面的第六种可能实现方式中,所述响应于服务项执行指令,执行所述关怀服务中制定的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤之后,还包括:
根据各服务项对应的医疗健康服务结果为所述患者推荐与所述患者患有的疾病相匹配的医疗保障产品。
本申请实施例的第二方面提供了一种医疗健康服务的线上管理装置,所述医疗健康服务的线上管理装置包括:
信息读取模块,用于读取患者的病历信息,其中,所述患者的病历信息中包含有患者的身体指标数据和医生的治疗建议信息;
服务制定模块,用于从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,其中,所述关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项;
服务执行模块,用于响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务。
本申请实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在电子设备上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面提供的医疗健康服务的线上管理方法的各步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的医疗健康服务的线上管理方法的各步骤。
本申请实施例提供的一种医疗健康服务的线上管理方法、装置、设备及存储介质,具有以下有益效果:
本申请所述方法通过读取患者的病历信息,其中,所述患者的病历信息中包含有患者的身体指标数据和医生的治疗建议信息;从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,其中,所述关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项;响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务。基于该方法,根据患者的病情智能地为患者制定个性化的关怀服务,实现了可以持续性地为患者提供医疗健康服务,提高患者的服务体验。而且,基于关怀服务还可以实现医患之间的线上沟通,减少医生的工作量以及方便医生对患者的管理和跟踪治疗。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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一种医疗健康服务的线上管理方法的实现流程图;
图2为本申请实施例提供的医疗健康服务的线上管理方法中执行手术风险评估服务项时的一种方法流程示意图;
图3为本申请实施例提供的医疗健康服务的线上管理方法中执行治疗事项通知服务项时的一种方法流程示意图;
图4为本申请实施例提供的医疗健康服务的线上管理方法中执行医疗知识推送服务项时的一种方法流程示意图;
图5为本申请实施例提供的医疗健康服务的线上管理方法中执行随访调查服务项时的一种方法流程示意图;
图6为本申请实施例提供的医疗健康服务的线上管理方法中执行随访调查服务项时的另一方法流程示意图;
图7为本申请实施例提供的一种医疗健康服务的线上管理装置的基本结构框图;
图8为本申请实施例提供的医疗健康服务的线上管理装置中的第一种结构示意图;
图9为本申请实施例提供的医疗健康服务的线上管理装置中的第二种结构示意图;
图10为本申请实施例提供的医疗健康服务的线上管理装置中的第三种结构示意图;
图11为本申请实施例提供的医疗健康服务的线上管理装置中的第四种结构示意图;
图12为本申请实施例提供的医疗健康服务的线上管理装置中的第五种结构示意图
图13为本申请实施例提供的一种电子设备的基本结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解的是,本申请实施例可以应用在医疗平台中,并且可以基于人工智能技术对相关的医疗数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
请参阅图1,图1为本申请实施例提供的一种医疗健康服务的线上管理方法的实现流程图。详述如下:
S11:读取患者的病历信息,其中,所述患者的病历信息中包含有患者的身体指标数据和医生的治疗建议信息。
本实施例中,本申请的医疗健康服务的线上管理方法可以应用在医患沟通平台上。基于医患沟通平台,根据患者登录的身份信息遍历医院数据库的方式获得该患者的病历信息或/及在医患沟通平台上提示患者进行手动录入的方式获得该患者的病历信息或/及在医患沟通平台上由医生与患者进行问诊沟通后根据问诊记录生成该患者的病历信息。在本实施例中,可以通过医患沟通平台与多家医院合作,实现整合多家医院之间的资源进行统一管理,其中包括医生资源和数据资源,以使得患者在该平台上问诊时可以接受来自不同医院医生的服务,以及患者跨医院治疗时,后者医院可以从前者医院获得对该患者的治疗过程数据。可以理解的是,患者的病历信息中至少包含有患者的身体指标数据和医生的治疗建议信息。
S12:从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,其中,所述关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项。
本实施例中,获得患者的病历信息后,可以根据患者的病历信息制定与该患者病情匹配的关怀服务。其中,关怀服务中至少包含手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项。在本实施例中,可以通过对病历信息进行语义识别和特征提取处理,从该病历信息中提取出患者的身体指标特征以及医生给予患者的治疗建议特征。在本实施例中,针对上述的每一个服务项,预先构建用于判断患者是否需要各服务项的判定规则,在提取到身体指标特征和治疗建议特征后,则可以通过该判定规则判断是否需要为该患者配置对应的服务项。示例性的,针对手术风险评估服务项,可以构建用于判断患者是否需要该服务项的判定规则为治疗建议特征中是否具有与手术相关的特征词,若有,则判断该患者需要该手术风险评估服务项,否则判断为不需要。当判断为患者需要的服务项后,在制定与该患者匹配的关怀服务时,将该服务项配置到与该患者匹配得关怀服务中。针对治疗事项通知服务项、医疗知识推送服务项和随访调查服务项,可以构建用于判断患者是否需要各服务项的判定规则为身体指标特征中的指标值数据是否超出警示值,若是,则判断该患者需要该服务项,否则判断为不需要。当判断为患者需要的服务项后,在制定与该患者匹配的关怀服务时,将该服务项配置到与该患者匹配得关怀服务中。
示例性的,可以预先构建一个关怀服务配置模型来实现上述的制定关怀服务的过程。具体地,关怀服务配置模型为采用逻辑回归模型进行训练获得的一个二分类概率模型,用于根据患者的病历信息判断该患者是否需要上述各服务项,从而根据患者的病历信息为患者制定个性化的关怀服务。在本实施例中,当该关怀服务配置模型训练至收敛状态后,将患者的病历信息输入至该关怀服务配置模型,由该关怀服务配置模型根据病历信息中患者的身体指标特征和医生给予患者的治疗建议特征逐一判断是否为该患者配置上述的手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项、随访调查服务项。具体地,针对手术风险评估服务项,关怀服务配置模型可以对患者的病历信息进行语义识别,识别出该病历信息中是否具有建议患者进行手术的特征词或特征语句,若有,则为该患者配置手术风险评估服务项。其中,手术风险评估服务项用于在根据患者的病历信息确定患者需要进行手术时,根据患者病历信息中展示的患者的身体指标情况评估该患者进行该类型手术的术前、术后风险,并基于风险评估结果给出相关建议,将风险评估结果和相关建议反馈给患者。针对治疗事项通知服务项,关怀服务配置模型可以对患者的病历信息进行语义识别,识别出该病历信息中展示的患者的身体指标情况,判断患者在该身体指标情况下是否存在患病风险或指示原病情加重的风险,若有,则为该患者配置治疗事项通知服务项。其中,治疗事项通知服务项用于根据患者病历信息中展示的患者的身体指标情况从治疗事项数据库中获得对应于该患者身体情况的治疗注意事项,比如关于治疗的就医须知、就医引导等,将获得的治疗注意事项消息发送给患者。针对医疗知识推送服务项,关怀服务配置模型可以对患者的病历信息进行语义识别,识别出该病历信息中展示的患者的身体指标情况,判断患者在该身体指标情况下是否具有潜在的疾病风险,若有,则为该患者配置医疗知识推送服务项。其中,医疗知识推送服务项用于根据患者病历信息中展示的患者的身体指标情况确定该患者的潜在病情,根据潜在病情从预设的文献数据库中查找与该潜在病情匹配度高的文献,将查找到的匹配度高的文献推送给患者。具体地,这些文献的内容为关于该病情的一些疾病知识文献和/或生活注意事项文献等。针对随访调查服务项,关怀服务配置模型对患者的病历信息进行语义识别,识别出患者的病历信息中展示的患者的身体指标情况,判断该患者的身体指标情况是否达到需要进行随访调查的条件,例如患者的病历信息中展示该患者的某项指标数据超出正常值且达到警示阈值时,则为该患者配置随访调查服务项。其中,随访调查服务项用于根据患者病历信息中展示的患者的身体指标情况确定该患者的病情,根据病情生成对应于该病情的随访调查问卷,将该随访调查问卷发送给患者填写,并将患者填写的随访调查问卷反馈给医生,以便于医生进行病情追踪。
S13:响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务。
本实施例中,基于医患沟通平台,服务项执行指令可以由患者手动触发、由医生手动触发或是由系统机制自动触发。制定好与患者匹配的关怀服务后,该关怀服务中可以包含有一个或多个服务项,每个服务项均具有一个对应的触发执行服务项的服务项执行指令,在本实施例中,通过响应于服务项执行指令,可以执行关怀服务中所包含的与该服务项执行指令相对应的服务项,从而为患者提供各服务项对应的医疗健康服务。在本实施例中,设置医患沟通平台由系统机制自动触发服务项执行指令时,针对手术风险评估服务项,可以设置对患者线上病历的变更进行监听,通过监听患者病历信息的变更确定患者当前是否需要进行手术,如若监听结果为需要进行手术,则触发该手术风险评估服务项所对应的服务项执行指令;针对治疗事项通知服务项、医疗知识推送服务项和随访调查服务项,可以设置定时触发机制,按照设定的时间或时间间隔触发各服务项各自对应的服务项执行指令,
以上可以看出,本实施例提供的医疗健康服务的线上管理方法通过读取患者的病历信息;根据所述患者的病历信息制定与所述患者匹配的关怀服务,所述关怀服务中包括手术风险评估服务、治疗事项通知服务、医疗知识推送服务和随访调查服务中的一个或多个服务项;响应于服务项执行指令,执行所述关怀服务中制定的服务项,为所述患者提供所述服务项对应的医疗健康服务。基于该方法,根据患者的病情智能地为患者制定个性化的关怀服务,实现了可以持续性地为患者提供医疗健康服务,提高患者的服务体验。而且,基于关怀服务还可以实现医患之间的线上沟通,减少医生的工作量以及方便医生对患者的管理和跟踪治疗。
本申请的一些实施例中,请参阅图2,图2为本申请实施例提供的医疗健康服务的线上管理方法中执行手术风险评估服务项时的一种方法流程示意图。
详细如下:
S21:根据所述患者的病历信息确定所述患者的手术信息;
S22:根据所述患者的手术信息,从所述患者的病历信息中提取所述患者与手术相关的各项身体指标的检验数据;
S23:将所述患者的手术信息和所述患者与手术相关的各项身体指标的检验数据输入至预设的风险评估模型中进行风险评估处理,获得与所述患者的手术信息对应的风险结果和建议;
S24:将所述风险结果和建议推送至患者客户端,为所述患者提供手术风险评估服务。
本实施例中,可以根据所述患者的病历信息确定所述患者的手术信息,在确定患者的手术信息后,根据患者的手术信息,从所述患者的病历信息中提取所述患者与手术相关的各项身体指标的检验数据。通过将患者的手术信息和患者与手术相关的各项身体指标的检验数据输入至预设的风险评估模型中进行风险评估处理,获得与所述患者的手术信息对应的风险结果和建议。最后,通过将该获得的风险结果和建议推送至患者客户端,从而实现为患者提供手术风险评估服务。示例性的,在本实施例中,可以基于病历信息中记载的内容确定该患者所患的疾病分类以及该患者是否将要在近期进行手术,手术类型是什么等手术信息。确定患者的手术信息后,在本实施例中,可以根据该手术信息查询预先构建的手术类型与风险因子之间的对应关系列表,从该对应关系列表中获得影响该手术执行的风险因子。进而根据该获得的风险因子,可以从患者的病历信息中提取得到该患者与手术相关的各项身体指标的检验数据。手术类型与风险因子之间的对应关系列表可以通过专家经验分析或样本数据训练分析的方式预先构建获得,在该手术类型与风险因子之间的对应关系列表中,每种手术类型对应一个或多个影响手术执行的风险因子,该风险因子表征为身体指标。在本实施例中,风险评估模型可以通过采用深度学习的神经网络模型进行样本学习获得。该风险评估模型被训练用于根据手术类型和患者的身体指标检验数据判断患者执行手术的风险高低并根据风险的高低生成对应的手术建议。
本申请的一些实施例中,请参阅图3,图3为本申请实施例提供的医疗健康服务的线上管理方法中执行治疗事项通知服务项时的一种方法流程示意图。
详细如下:
S31:根据所述患者的病历信息,从预设的治疗事项数据库中提取出与所述患者所需的治疗注意事项;
S32:将所述治疗注意事项推送至患者客户端,为所述患者提供治疗事项通知服务。
本实施例中,可以根据患者的病历信息,从预设的治疗事项数据库中提取出患者所需的治疗注意事项。治疗事项数据库中存储有针对不同疾病所需要注意的事项、同一种疾病不同病情程度所需要注意的事项、以及同一种疾病在不同治疗阶段所需要注意的事项等,比如术前观察期事项、术后观察期注意事项、药物治疗阶段注意事项等等。治疗事项数据库可以根据医学专家经验以及过往的大量医学数据进行整理获得。在本实施例中,根据患者病历信息中展示的患者的身体指标情况确定该患者所患的疾病以及病情情况,通过分析病情,从该治疗事项数据库中获得对应于该患者病情的注意事项,比如关于治疗的就医须知、就医引导等。进而,将获得的治疗注意事项推送至患者客户端,以此实现为患者提供治疗事项通知服务。
示例性的,根据患者的病历信息,从治疗事项数据库中获得对应于该患者病情的治疗注意事项时,可以生成推送治疗注意事项的时间表,比如术后一周的治疗注意事项、术后两周的治疗注意事项、术后三周的治疗注意事项、术后一个月的治疗注意事项等。生成时间表后,按照时间表上的时间节点将治疗注意事项作为消息通知定时推送至患者客户端,实现为该患者提供定时的治疗事项通知服务。进一步地,在本实施例中,还可以通过监听患者线上病历的变更,实时调整时间表上需要推送的治疗注意事项内容。
本申请的一些实施例中,请参阅图4,图4为本申请实施例提供的医疗健康服务的线上管理方法中执行医疗知识推送服务项时的一种方法流程示意图。
详细如下:
S41:将所述患者的病历信息输入至预设的特征提取模型中进行特征提取处理,获得所述患者的病症特征;
S42:根据所述患者的病症特征查询预设的医疗知识数据库,从所述预设的医疗知识数据库中获取与所述患者的病症特征相匹配的医疗知识文献;
S43:将所述医疗知识文献推送至患者客户端,为所述患者提供医疗知识推送服务。
本实施例中,特征提取模型可以通过采用深度学习的神经网络模型进行训练获得。训练得到该特征提取模型后,可以将患者的病历信息输入至该特征提取模型中进行特征提取处理,从而获得患者的病症特征。进一步地,预先建立由一个医疗知识数据库,在该医疗知识数据库中存储有各种不同疾病对应相关的医疗知识,比如疾病的介绍、疾病的预防、疾病的控制等等医疗知识文献。在本实施例中,根据患者的病症特征可以确定患者所患的疾病,进而根据疾病查询预设的医疗知识数据库,可以从该医疗知识数据库中获取与患者的病症特征相匹配的医疗知识文献。通过将匹配到的医疗知识文献推送至患者客户端,以此实现为患者提供医疗知识推送服务。示例性的,还可以联合手术风险评估服务项和治疗事项通知服务项,读取该两个服务项的处理结果,即患者的风险评估结果及建议和患者所需的治疗注意事项。根据患者的风险评估结果及建议和患者所需的治疗注意事项查询预设的医疗知识数据库,从预设的医疗知识数据库中获取与患者相匹配的医疗知识文献。
本申请的一些实施例中,请参阅图5,图5为本申请实施例提供的医疗健康服务的线上管理方法中执行随访调查服务项时的一种方法流程示意图。详细如下:
S51:根据所述患者的病历信息配置所述患者的随访调查问卷;
S52:将所述随访调查问卷发送至患者客户端并提示所述患者填写所述随访调查问卷;
S53:接收所述患者填写后的随访调查问卷,并将所述患者填写后的随访调查问卷反馈至医生客户端,为所述患者提供随访调查服务。
本实施例中,可以根据患者的病历信息配置得到患者的随访调查问卷。在本实施例中,针对各种病情预先构建对应的问题库,在该问题库中存储的问题按照病情分类存储。根据患者的病历信息配置患者的随访调查问卷时,可以根据患者的病历信息中展示的患者的身体指标情况信息从问题库中获得相关的问题,配置形成随访调查问卷。然后,将配置得到的随访调查问卷发送至患者客户端并提示患者填写随访调查问卷。进而,接收患者填写后的随访调查问卷,并将患者填写后的随访调查问卷反馈至医生客户端,由医生对该患者进行病情追踪处理,以此实现为患者提供随访调查服务。
本申请的一些实施例中,请参阅图6,图6为本申请实施例提供的医疗健康服务的线上管理方法中执行随访调查服务项时的另一方法流程示意图。详细如下:
S61:根据所述患者的病历信息确定所述患者的患病类型;
S62:根据所述患病类型查询预设的专科类型表,确定与所述患病类型对应匹配的专科类型,并基于所述专科类型为所述患者匹配医生集群,以将所述患者填写后的随访调查问卷反馈至所述医生集群中,由所述医生集群中的医生为所述患者提供随访调查服务。
本实施例中,还可以通过在医患沟通平台上对注册备案的医生按照擅长的专科类型进行归类,得到各种不同专科类型的医生集群。其中,一种专科类型对应一个医生集群,一个医生集群中包含有一个或多个医生。在本实施例中,根据患者的病历信息可以确定患者的患病类型,如肝病、胃病等。在本实施例中预先构建一个包含患病类型与专科类型之间对应关系的专科类型表,在该专科类型表中,可以确定与患者的患病类型对应匹配的专科类型,以基于专科类型为患者匹配医生集群。进而,将患者填写后的随访调查问卷反馈至对应匹配的医生集群中,由医生集群中的医生为患者提供随访调查服务,从而为患者匹配对应医生集群的医生。以此,患者在该医患沟通平台上接收服务时,可以实现根据该患者的病情匹配对应的医生集群,让患者可以享受多个医生的服务。而且在本实施例中,在对医生进行归类时,若医生擅长的领域有多个,则可以将该医生分别归类到多个不同专科类型的医生集群中。示例性的,假设一个医生擅长肝胆科,而医患沟通平台上的专科类型细分为肝科和胆科,那么,该医生会同时被归类到肝科对应的医生集群中和胆科对应的医生集群中。
本申请的一些实施例中,基于医患沟通平台,还可以根据各服务项对应的医疗健康服务结果为患者推荐与患者患有的疾病相匹配的医疗保障产品,如保险或保障计划,还可以为患者的问诊和就医需求提供折扣福利。示例性的,假设某个患者患有A疾病,则根据该A疾病从预先构建好的产品数据库中进行匹配,获得与该A疾病相匹配的产品推送给患者,并在该患者购买该产品时为该患者提供免费问诊的次数。或者,根据该A疾病为该患者提供优惠的保障计划,比如具有折扣优惠的问诊次数卡等。
可以理解的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请的一些实施例中,请参阅图7,图7为本申请实施例提供的一种医疗健康服务的线上管理装置的基本结构框图。本实施例中该装置包括的各单元用于执行上述方法实施例中的各步骤。具体请参阅上述方法实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。如图7所示,医疗健康服务的线上管理装置包括:信息读取模块71、服务制定模块72以及服务执行模块73。其中:所述信息读取模块71用于读取患者的病历信息。所述服务制定模块72用于将所述患者的病历信息输入至预设的关怀服务配置模型中进行服务匹配处理,获得与所述患者匹配的关怀服务,其中,所述关怀服务中包括手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项。所述服务执行模块73用于响应于服务项执行指令,执行所述关怀服务中制定的服务项,为所述患者提供所述服务项对应的医疗健康服务。
本申请的一些实施例中,请参阅图8,图8为本申请实施例提供的医疗健康服务的线上管理装置中的第一种结构示意图。如图8所示,医疗健康服务的线上管理装置还包括:第一确定子模块81、第一提取子模块82、第一评估子模块83以及第一推送子模块84。其中,所述第一确定子模块81用于根据所述患者的病历信息确定所述患者的手术信息;所述第一提取子模块82用于根据所述患者的手术信息,从所述患者的病历信息中提取所述患者与手术相关的各项身体指标的检验数据;所述第一评估子模块83用于将所述患者的手术信息和所述患者与手术相关的各项身体指标的检验数据输入至预设的风险评估模型中进行风险评估处理,获得与所述患者的手术信息对应的风险结果和建议;所述第一推送子模块84用于将所述风险结果和建议推送至患者客户端,为所述患者提供手术风险评估服务。
本申请的一些实施例中,请参阅图9,图9为本申请实施例提供的医疗健康服务的线上管理装置中的第二种结构示意图。如图9所示,医疗健康服务的线上管理装置还包括:第二提取子模块91和第二推送子模块92。其中,所述第二提取子模块91用于根据所述患者的病历信息,从预设的治疗事项数据库中提取出与所述患者所需的治疗注意事项;所述第二推送子模块92用于将所述治疗注意事项推送至患者客户端,为所述患者提供治疗事项通知服务。
本申请的一些实施例中,请参阅图10,图10为本申请实施例提供的医疗健康服务的线上管理装置中的第三种结构示意图。如图10所示,医疗健康服务的线上管理装置还包括:第三提取子模块101、第一查询子模块102以及第三推送子模块103。其中,所述第三提取子模块101用于将所述患者的病历信息输入至预设的特征提取模型中进行特征提取处理,获得所述患者的病症特征。所述第一查询子模块102用于根据所述患者的病症特征查询预设的医疗知识数据库,从所述预设的医疗知识数据库中获取与所述患者的病症特征相匹配的医疗知识文献。所述第三推送子模块103用于将所述医疗知识文献推送至患者客户端,为所述患者提供医疗知识推送服务。
本申请的一些实施例中,请参阅图11,图11为本申请实施例提供的医疗健康服务的线上管理装置中的第四种结构示意图。如图11所示,医疗健康服务的线上管理装置还包括:第一配置子模块111、第一发送子模块112以及第四推送子模块113。其中,所述第一配置子模块111用于根据所述患者的病历信息配置所述患者的随访调查问卷。所述第一发送子模块112用于将所述随访调查问卷发送至患者客户端并提示所述患者填写所述随访调查问卷。所述第四推送子模块113用于接收所述患者填写后的随访调查问卷,并将所述患者填写后的随访调查问卷反馈至医生客户端,为所述患者提供随访调查服务。
本申请的一些实施例中,请参阅图12,图12为本申请实施例提供的医疗健康服务的线上管理装置中的第五种结构示意图。如图12所示,医疗健康服务的线上管理装置还包括:第二确定子模块121和第一匹配子模块122。其中,所述第一确定子模块121用于根据所述患者的病历信息确定所述患者的患病类型。所述第一匹配子模块122用于根据所述患病类型查询预设的专科类型表,确定与所述患病类型对应匹配的专科类型,并基于所述专科类型为所述患者匹配医生集群,以将所述患者填写后的随访调查问卷反馈至所述医生集群中,由所述医生集群中的医生为所述患者提供随访调查服务。
本申请的一些实施例中,医疗健康服务的线上管理装置还包括:推荐模块,所述推送模块用于根据各服务项对应的医疗健康服务结果为所述患者推荐与所述患者患有的疾病相匹配的医疗保障产品。
本申请的一些实施例中,请参阅图13,图13为本申请实施例提供的一种电子设备的基本结构框图。如图13所示,该实施例的电子设备13包括:处理器131、存储器132以及存储在所述存储器132中并可在所述处理器131上运行的计算机程序133,例如医疗健康服务的线上管理方法的程序。处理器131执行所述计算机程序133时实现上述各个医疗健康服务的线上管理方法各实施例中的步骤。或者,所述处理器131执行所述计算机程序133时实现上述医疗健康服务的线上管理装置对应的实施例中各模块的功能。具体请参阅实施例中的相关描述,此处不赘述。
示例性的,所述计算机程序133可以被分割成一个或多个模块(单元),所述一个或者多个模块被存储在所述存储器132中,并由所述处理器131执行,以完成本申请。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序133在所述电子设备13中的执行过程。例如,所述计算机程序133可以被分割成信息读取模块、服务制定模块以及服务执行模块,各模块具体功能如上所述。
所述转台设备可包括,但不仅限于,处理器131、存储器132。本领域技术人员可以理解,图13仅仅是电子设备13的示例,并不构成对电子设备13的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述转台设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器131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)、现成可编程门阵列(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132可以是所述电子设备13的内部存储单元,例如电子设备13的硬盘或内存。所述存储器132也可以是所述电子设备13的外部存储设备,例如所述电子设备13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132还可以既包括所述电子设备13的内部存储单元也包括外部存储设备。所述存储器132用于存储所述计算机程序以及所述转台设备所需的其他程序和数据。所述存储器132还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。在本实施例中,所述计算机可读存储介质可以是非易失性,也可以是易失性。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
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,仅以上述各功能单元、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功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以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。另外,各功能单元、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。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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取存储介质中。基于这样的理解,本申请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来指令相关的硬件来完成,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是电载波信号和电信信号。
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述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种医疗健康服务的线上管理方法,其特征在于,包括:
读取患者的病历信息,其中,所述患者的病历信息中包含有患者的身体指标数据和医生的治疗建议信息;
从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,其中,所述关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项;
响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务;
其中,从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,包括:
将所述病历信息输入至关怀服务配置模型,由所述关怀服务配置模型根据所述病历信息中患者的身体指标特征和医生给予患者的治疗建议特征逐一判断是否为所述患者配置所述手术风险评估服务项、所述治疗事项通知服务项、所述医疗知识推送服务项、所述随访调查服务项;所述关怀服务配置模型为采用逻辑回归模型进行训练获得的二分类概率模型,用于根据所述患者的病历信息判断所述患者是否需要各服务项,从而根据所述患者的病历信息为患者制定个性化的关怀服务。
2.根据权利要求1所述的医疗健康服务的线上管理方法,其特征在于,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行手术风险评估服务项时,包括:
根据所述患者的病历信息确定所述患者的手术信息;
根据所述患者的手术信息,从所述患者的病历信息中提取所述患者与手术相关的各项身体指标的检验数据;
将所述患者的手术信息和所述患者与手术相关的各项身体指标的检验数据输入至预设的风险评估模型中进行风险评估处理,获得与所述患者的手术信息对应的风险结果和建议;
将所述风险结果和建议推送至患者客户端,为所述患者提供手术风险评估服务。
3.根据权利要求1所述的医疗健康服务的线上管理方法,其特征在于,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行治疗事项通知服务项时,包括:
根据所述患者的病历信息,从预设的治疗事项数据库中提取出与所述患者所需的治疗注意事项;
将所述治疗注意事项推送至患者客户端,为所述患者提供治疗事项通知服务。
4.根据权利要求1所述的医疗健康服务的线上管理方法,其特征在于,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行医疗知识推送服务项时,包括:
将所述患者的病历信息输入至预设的特征提取模型中进行特征提取处理,获得所述患者的病症特征;
根据所述患者的病症特征查询预设的医疗知识数据库,从所述预设的医疗知识数据库中获取与所述患者的病症特征相匹配的医疗知识文献;
将所述医疗知识文献推送至患者客户端,为所述患者提供医疗知识推送服务。
5.根据权利要求1所述的医疗健康服务的线上管理方法,其特征在于,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤中,执行随访调查服务项时,包括:
根据所述患者的病历信息配置所述患者的随访调查问卷;
将所述随访调查问卷发送至患者客户端并提示所述患者填写所述随访调查问卷;
接收所述患者填写后的随访调查问卷,并将所述患者填写后的随访调查问卷反馈至医生客户端,为所述患者提供随访调查服务。
6.根据权利要求5所述的医疗健康服务的线上管理方法,其特征在于,所述将所述患者填写后的随访调查问卷反馈至医生客户端,为所述患者提供随访调查服务的步骤,包括:
根据所述患者的病历信息确定所述患者的患病类型;
根据所述患病类型查询预设的专科类型表,确定与所述患病类型对应匹配的专科类型,并基于所述专科类型为所述患者匹配医生集群,以将所述患者填写后的随访调查问卷反馈至所述医生集群中,由所述医生集群中的医生为所述患者提供随访调查服务。
7.根据权利要求1-6任意一项所述的医疗健康服务的线上管理方法,其特征在于,所述响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务的步骤之后,还包括:
根据各服务项对应的医疗健康服务结果为所述患者推荐与所述患者患有的疾病相匹配的医疗保障产品。
8.一种医疗健康服务的线上管理装置,其特征在于,包括:
信息读取模块,用于读取患者的病历信息,其中,所述患者的病历信息中包含有患者的身体指标数据和医生的治疗建议信息;
服务制定模块,用于从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,其中,所述关怀服务中至少包含有手术风险评估服务项、治疗事项通知服务项、医疗知识推送服务项和随访调查服务项中的一个或多个服务项;
服务执行模块,用于响应于服务项执行指令,执行所述关怀服务中所包含的服务项,为所述患者提供所述服务项对应的医疗健康服务;
其中,从所述病历信息中提取出所述患者的身体指标特征以及医生给予所述患者的治疗建议特征,根据所述身体指标特征和治疗建议特征制定与所述患者匹配的关怀服务,包括:
将所述病历信息输入至关怀服务配置模型,由所述关怀服务配置模型根据所述病历信息中患者的身体指标特征和医生给予患者的治疗建议特征逐一判断是否为所述患者配置所述手术风险评估服务项、所述治疗事项通知服务项、所述医疗知识推送服务项、所述随访调查服务项;所述关怀服务配置模型为采用逻辑回归模型进行训练获得的二分类概率模型,用于根据所述患者的病历信息判断所述患者是否需要各服务项,从而根据所述患者的病历信息为患者制定个性化的关怀服务。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017307.9A CN113724823B (zh) | 2021-08-31 | 2021-08-31 | 医疗健康服务的线上管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017307.9A CN113724823B (zh) | 2021-08-31 | 2021-08-31 | 医疗健康服务的线上管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724823A CN113724823A (zh) | 2021-11-30 |
CN113724823B true CN113724823B (zh) | 2024-04-05 |
Family
ID=78680242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017307.9A Active CN113724823B (zh) | 2021-08-31 | 2021-08-31 | 医疗健康服务的线上管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724823B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116719840A (zh) * | 2023-04-27 | 2023-09-08 | 百洋智能科技集团股份有限公司 | 一种基于病历后结构化处理的医疗信息推送方法 |
CN117112729B (zh) * | 2023-08-21 | 2024-05-31 | 北京科文思数据管理有限公司 | 基于人工智能的医疗资源对接方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108766512A (zh) * | 2018-05-31 | 2018-11-06 | 康键信息技术(深圳)有限公司 | 健康数据管理方法、装置、计算机设备和存储介质 |
CN108804718A (zh) * | 2018-06-11 | 2018-11-13 | 线粒体(北京)科技有限公司 | 数据推送方法、装置、电子设备及计算机可读存储介质 |
CN109994165A (zh) * | 2019-01-31 | 2019-07-09 | 北京汉博信息技术有限公司 | 一种基于手术数据的云系统 |
CN110516903A (zh) * | 2019-07-11 | 2019-11-29 | 广州中智达信科技有限公司 | 一种人工智能风险评估的方法和设备 |
CN111475713A (zh) * | 2020-03-13 | 2020-07-31 | 京东方科技集团股份有限公司 | 医生信息推荐方法、装置、电子设备、系统及存储介质 |
CN113096750A (zh) * | 2021-03-09 | 2021-07-09 | 创业慧康科技股份有限公司 | 一种专病随访的数据处理方法和装置 |
-
2021
- 2021-08-31 CN CN202111017307.9A patent/CN113724823B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108766512A (zh) * | 2018-05-31 | 2018-11-06 | 康键信息技术(深圳)有限公司 | 健康数据管理方法、装置、计算机设备和存储介质 |
CN108804718A (zh) * | 2018-06-11 | 2018-11-13 | 线粒体(北京)科技有限公司 | 数据推送方法、装置、电子设备及计算机可读存储介质 |
CN109994165A (zh) * | 2019-01-31 | 2019-07-09 | 北京汉博信息技术有限公司 | 一种基于手术数据的云系统 |
CN110516903A (zh) * | 2019-07-11 | 2019-11-29 | 广州中智达信科技有限公司 | 一种人工智能风险评估的方法和设备 |
CN111475713A (zh) * | 2020-03-13 | 2020-07-31 | 京东方科技集团股份有限公司 | 医生信息推荐方法、装置、电子设备、系统及存储介质 |
CN113096750A (zh) * | 2021-03-09 | 2021-07-09 | 创业慧康科技股份有限公司 | 一种专病随访的数据处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
移动APP随访系统助力医院扩展医疗服务;佟宁;医学信息学杂志;第38卷(第10期);第43-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113724823A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210327594A1 (en) | Machine-learning based query construction and pattern identification | |
KR102088980B1 (ko) | 사용자 맞춤형 의료정보 제공 시스템 및 이의 구동방법 | |
Beam et al. | Translating artificial intelligence into clinical care | |
CN109545317B (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
US7406453B2 (en) | Large-scale information collection and mining | |
CN110929016A (zh) | 一种基于知识图谱的智能问答方法及装置 | |
US20200356846A1 (en) | Prediction of healthcare outcomes and recommendation of interventions using deep learning | |
Nota et al. | Differences in response rates between mail, e-mail, and telephone follow-up in hand surgery research | |
US20090062623A1 (en) | Identifying possible medical conditions of a patient | |
CN113724823B (zh) | 医疗健康服务的线上管理方法、装置、设备及存储介质 | |
US20070112598A1 (en) | Tools for health and wellness | |
CN112000894A (zh) | 一种健康管理信息推送方法、装置、设备及存储介质 | |
US11145390B2 (en) | Methods and systems for recommending filters to apply to clinical trial search results using machine learning techniques | |
US20200303071A1 (en) | Implementation of machine-learning based query construction and pattern identification through visualization in user interfaces | |
Chabou et al. | Combination of conditional random field with a rule based method in the extraction of PICO elements | |
CN113724858A (zh) | 基于人工智能的疾病检查项目推荐设备、方法及装置 | |
CN113724830A (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
CN115775635A (zh) | 基于深度学习模型的药品风险识别方法、装置及终端设备 | |
CN110752027B (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
KR102202810B1 (ko) | 수의 경험지식 및 전문 정보를 이용한 가축 진단을 위한 자동 소견생성 시스템 | |
CN113066531A (zh) | 风险预测方法、装置、计算机设备及存储介质 | |
CN112365940A (zh) | 筛选受试者的系统及方法 | |
Neves et al. | Heath-PRIOR: an intelligent ensemble architecture to identify risk cases in healthcare | |
CN116881554A (zh) | 一种医疗处方推荐方法、装置、电子设备和可读存储介质 | |
CN112766779B (zh) | 信息处理方法、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220928 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |