CN113724899A - 一种基于人工智能的线上问诊方法、装置、设备及介质 - Google Patents

一种基于人工智能的线上问诊方法、装置、设备及介质 Download PDF

Info

Publication number
CN113724899A
CN113724899A CN202111017915.XA CN202111017915A CN113724899A CN 113724899 A CN113724899 A CN 113724899A CN 202111017915 A CN202111017915 A CN 202111017915A CN 113724899 A CN113724899 A CN 113724899A
Authority
CN
China
Prior art keywords
inquiry
doctor
target
information
target user
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
Application number
CN202111017915.XA
Other languages
English (en)
Inventor
邓超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ping An Smart Healthcare Technology Co ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202111017915.XA priority Critical patent/CN113724899A/zh
Publication of CN113724899A publication Critical patent/CN113724899A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/3329—Natural language query formulation or dialogue systems
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请涉及数字医疗领域，公开了一种基于人工智能的线上问诊方法、装置、设备及介质，该方法包括：获取目标用户对应的第一问诊信息，调用问诊机器人对第一问诊信息进行问诊意图识别；若问诊机器人识别出问诊意图，则获取问诊意图对应的目标响应信息，以使问诊机器人利用目标响应信息响应第一问诊信息；若问诊机器人未识别出问诊意图，则根据问诊机器人与目标用户的用户终端之间的交互信息确定目标用户的第一疾病类型，并从与第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使第一目标医生的医生终端与目标用户的用户终端进行线上问诊，从而可以提高问诊效率。本申请涉及区块链技术，如可将上述数据写入区块链中，以用于外呼等场景。

Description

一种基于人工智能的线上问诊方法、装置、设备及介质
技术领域
本申请涉及数字医疗领域，尤其涉及一种基于人工智能的线上问诊方法、装置、设备及介质。
背景技术
目前，医院中的患者日常访问量较多，在很多情况下，会有很多患者咨询一些重复且较为简单的问题，可目前都要由医生直接进行接诊，并同时存在排队患者较多的情况，从而导致接诊效率低下，且医生工作量冗余等现象，因此，如何提高接诊效率成为了亟需解决的问题。
发明内容
本申请实施例提供了一种基于人工智能的线上问诊方法、装置、设备及介质，可以通过引入智能的问诊机器人来减少医生工作量，也可以提高问诊(接诊)效率。
第一方面，本申请实施例公开了一种基于人工智能的线上问诊方法，所述方法包括：
获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；
若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；
若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。
第二方面，本申请实施例公开了一种基于人工智能的线上问诊装置，所述装置包括：
识别单元，用于获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；
获取单元，用于若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；
确定单元，用于若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。
第三方面，本申请实施例公开了一种问诊设备，包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
第四方面，本申请实施例公开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，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本申请实施例中，可以获取目标用户对应的第一问诊信息，调用问诊机器人对第一问诊信息进行问诊意图识别；若问诊机器人识别出目标用户的问诊意图，则获取问诊意图对应的目标响应信息，以使问诊机器人利用目标响应信息响应第一问诊信息；若问诊机器人未识别出目标用户的问诊意图，则根据问诊机器人与目标用户的用户终端之间的交互信息确定目标用户对应的第一疾病类型，并从与第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使第一目标医生的医生终端与目标用户的用户终端进行线上问诊，第一关联医生集合中包括多个关联医生。通过实施上述方法，可以通过引入智能的问诊机器人来减少医生工作量，也可以提高问诊效率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于人工智能的线上问诊方法的流程示意图；
图2是本申请实施例提供的一种问诊搜索界面的界面示意图；
图3是本申请实施例提供的一种医生查询界面的界面示意图；
图4是本申请实施例提供的一种基于人工智能的线上问诊装置的结构示意图；
图5是本申请实施例提供的一种问诊设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例可以基于人工智能技术对相关的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。
本申请实施例能够应用于多种不同的领域中，如智慧问诊领域、智能诊疗领域、远程会诊领域等。
在一种实现方式中，在智慧问诊领域中，所述数据可以是与诊断相关联的医疗数据，如与诊断相关联的问诊数据、检查报告、处方等
本申请实施例提供的方案涉及人工智能、数字医疗等技术，具体通过如下实施例进行说明：
请参阅图1，图1是本申请实施例提供的一种基于人工智能的线上问诊方法的流程示意图。本实施例中所描述的基于人工智能的线上问诊方法，应用于问诊设备，可由问诊设备执行，该问诊设备可以是服务器，也可以是终端。如图1所示，该基于人工智能的线上问诊方法包括以下步骤：
S101：获取目标用户对应的第一问诊信息，调用问诊机器人对第一问诊信息进行问诊意图识别。
在一种实现方式中，目标用户可以是指需要就医的患者，第一问诊信息可以是指目标用户针对病情所要询问的问题，例如，第一问诊信息可以是“感冒了吃什么药”、“感冒药有什么推荐”、“胃疼怎么办”等等。可选的，本申请中的线上问诊方法可以应用在一线上问诊应用程序中，目标用户可以在其对应的用户终端上安装该线上问诊应用程序，当目标用户需要进行问诊时，可以利用该线上问诊应用程序进行线上问诊。如目标用户可以在该线上问诊应用程序中的问诊界面上输入某一问题，以使问诊设备可以获取目标用户在问诊界面上输入的问题，而该输入的问题即是第一问诊信息。当问诊设备获取到第一问诊信息之后，即可以进行后续的问诊过程。相比于目标用户的线下问诊(如目标用户需要到访某医院)，线上问诊可以节省大量问诊时间，从而可以提高问诊速度以及问诊效率。
在一种实现方式中，问诊设备在获取目标用户对应的第一问诊信息之后，可以先调用问诊机器人进行线上问诊过程，以减少医生的工作量。当问诊机器人无法解答目标用户的问诊需求(例如无法回答目标用户提出的问题)时，则可以将线上问诊过程转接给专业的医生，以使医生与目标用户进行后续的线上问诊过程。在整个线上问诊过程中，可以有效结合问诊机器人与专业医生的配合，为目标用户提供专业的问诊服务，也可以有效提高问诊效率。
在一种实现方式中，当问诊设备获取到目标用户对应的第一问诊信息，可以先调用问诊机器人对该第一问诊信息进行问诊意图识别，以利用识别到的问诊意图对应的目标话术响应目标用户的第一问诊信息，即利用该目标话术回复目标用户的第一问诊信息。例如，可以预先设置各个参考问诊意图对应的参考话术，并将各个参考问诊意图对应的参考话术进行关联存储，以便于后续可以根据问诊意图可以从存储中获取该问诊意图对应的参考话术，并将获取到到参考话术确定为目标话术。
可选的，可以调用问诊机器人对该第一问诊信息进行问诊意图识别的具体实施方式可以是利用利用意图识别模型对第一问诊信息进行问诊意图识别，以识别出目标用户的问诊意图。其中，该意图识别模型可以是通过对预设的神经网络模型预训练所得到的。该预设的神经网络模型可以是可用于意图识别的模型，例如BERT模型，或其他模型，该预设的神经网络模型的具体模型在本申请不做限定。在一个实施例中，得到意图识别模型的具体实施方式可以是：获取训练数据集，再将该训练数据集输入预设的神经网络模型进行训练，以得到意图识别模型。其中，训练数据集可以包括一个或多个训练数据对，每个训练数据对可以包括训练问诊信息和该训练问诊信息的标注信息，该标注信息可以用于指示训练问诊信息的训练问诊意图。例如，某一训练问诊信息可以是“咳嗽、流鼻涕是得了什么病”，而该训练问诊信息对应的训练问诊意图为“感冒”。可选的，将训练数据集输入预设的神经网络模型进行训练，以得到意图识别模型的具体方式可以是：以训练数据集中的任一训练数据对为例进行说明，可以将该训练数据对输入预设的神经网络模型，以得到训练数据对中训练问诊信息的预测问诊意图。而在得到预测问诊意图之后，可以根据训练问诊信息的预测问诊意图，和该训练问诊信息的训练问诊意图对预设的神经网络模型进行训练，以得到意图识别模型。
可选的，调用问诊机器人对第一问诊信息进行问诊意图识别的具体实施方式还可以是：首先，可以获取问诊机器人所存储的参考问诊信息集合，该参考问诊信息集合中包括多个参考问诊信息。在获取到参看问诊信息集合之后，可以进一步将第一问诊信息和多个参考问诊信息中的每个参考问诊信息进行匹配，以根据匹配到的参考问诊信息确定为目标用户的问诊意图。例如，可以将匹配到的参看问诊信息确定为目标用户的问诊意图。举例来说，某一参考问诊信息可以配置为“感冒了吃什么药”。则可以将目标用户对应的第一问诊信息与“感冒了吃什么药”进行匹配，考虑到目标用户所问的问题(第一问诊信息)与配置中的参考问诊信息可能不是完全一致的，例如，目标用户的第一问诊信息可能是“我感冒了要吃什么药呢”、或“感冒了吃什么药好呢”、或“感冒药有什么推荐吗”等等。可以理解的是，这些不同表述的第一问诊信息的问诊意图均是一样的，那么，在这种情况下，可以考虑将第一问诊信息与各个参考问诊信息进行匹配，以查找到与第一问诊信息最为匹配的参考问诊信息，也可以理解为查找与第一问诊信息最为相似的参考问诊信息。
一个实施例中，上述所描述的匹配处理具体可以是利用第一问诊信息中的第一关键词和参考问诊信息中的第二关键词来确定。具体地，可以是提取第一问诊信息中的第一关键词和各每个参考问诊信息中的第二关键词，将第一关键词和每个参考问诊信息中的第二关键词进行匹配。如果第一关键词可以与某一参考问诊信息中的第二关键词可以完整匹配(相同)，则可以将该某一参考问诊信息确定为目标用户的问诊意图，如第一问诊信息的第一关键词和某一参考问诊信息的第二关键词均是“感冒”、“药”，则该参考问诊信息为目标用户的问诊意图。或者如果第一关键词与每一个参考问诊信息中的第二关键词均不是完整匹配(相同)，则可以将最大关键词匹配数量对应的参考问诊信息确定为目标用户的问诊意图，其中，最大关键词匹配数量可以是指在第二关键词中，第一关键词可匹配到的最大数量。如多个第一关键词中存在2个第一关键词与参考问诊信息A中的第二关键词匹配，而该多个第一关键词中存在3个第一关键词与参考问诊信息B中的第二关键词匹配，则可以将参考问诊信息B确定为目标用户的问诊意图。
一个实施例中，上述所描述的匹配处理具体还可以是利用第一问诊信息与多个参考问诊信息中的每个参考问诊信息之间的信息相似度来确定。具体地，可以确定第一问诊信息与多个参考问诊信息中的每个参考问诊信息之间的信息相似度，以根据最大信息相似度对应的参考问诊信息确定目标用户的问诊意图。而该最大信息相似度对应的参考问诊信息即可以是目标用户的问诊意图。
举例来说，在确定第一问诊信息与多个参考问诊信息中的每个参考问诊信息之间的信息相似度时，可以利用如下的方式确定，针对确定第一问诊信息与任一参考问诊信息之间的信息相似度为例进行说明：可以是通过计算第一问诊信息与该参考问诊信息的编辑距离来确定第一问诊信息与该参考问诊信息的信息相似度，第一问诊信息与参考问诊信息的编辑距离可以指：在将第一问诊信息修改为参考问诊信息时，通过编辑单个字符(如插入，删除，替换)所需要的最小次数。其中，编辑距离越小，第一问诊信息与参考问诊信息的信息相似度越大。可以利用如下公式来计算信息相似度，信息相似度＝1-编辑距离/max(参考问诊信息字符长度，第一问诊信息字符长度)。其中，“max(参考问诊信息字符长度，第一问诊信息字符长度)”表示的是参考问诊信息字符长度与第一问诊信息字符长度中的最大值。除了利用上述方法来确定信息相似度之外，也可以通过其他方式确定信息相似度，本申请不作限定。
S102：若问诊机器人识别出目标用户的问诊意图，则获取问诊意图对应的目标响应信息，以使问诊机器人利用目标响应信息响应第一问诊信息。
在一种实现方式中，如上所述，每一种参考问诊意图均可预先配置有对应的参考话术，或者预先设置有参考问诊信息与参考话术之间的映射关系(参考问诊信息可以理解为用户所问问题，参考话术可以理解为问诊机器人针对用户的问题的解答)，则在确定问诊机器人识别出针对目标用户的问诊意图之后，可以获取该问诊意图对应的参考话术，可以将获取到的参考话术称之为目标响应信息，以使问诊机器人利用目标响应信息响应第一问诊信息。可以看出，上述智能问答方法可很好的应用于智能诊疗中。
S103：若问诊机器人未识别出目标用户的问诊意图，则根据问诊机器人与目标用户的用户终端之间的交互信息确定目标用户对应的第一疾病类型，并从与第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使第一目标医生的医生终端与目标用户的用户终端进行线上问诊。
在一种实现方式中，如果问诊机器人没有识别出目标用户的问诊意图，例如，目标用户描述的临床症状较为复杂，而导致问诊机器人无法识别，在这种情况下，可以将当前的线上问诊任务转接给真实的医生。例如，可以根据问诊机器人与目标用户的用户终端之间的交互信息确定目标用户对应的第一疾病类型。可选的，可以从问诊机器人与目标用户的用户终端之间的交互信息中确定目标用户的症状特征。
可以理解的是，在目标用户与问诊机器人的线上问诊过程中，目标用户通过对应的用户终端可以向问诊机器人咨询关于疾病上的问题。那么，在问诊机器人与目标用户的用户终端之间的交互信息中，可以确定目标用户的症状特征。例如目标用户通过用户终端可以向问诊机器人询问“咳嗽、发烧，是得了什么病？”，其中，“咳嗽”、“发烧”均可作为症状特征。又如目标用户通过用户终端可以向问诊机器人询问“剧烈头痛、心悸、晕眩，是得了什么病？”，其中，“剧烈头痛”、“心悸”、“晕眩”均可作为症状特征。在获取到目标用户的症状症状特征之后，可以根据预设的参考疾病类型与参考症状特征之间的映射关系、以及目标用户的症状特征，确定目标用户的症状特征对应的第一疾病类型。例如，可以将目标用户的症状特征和参考症状特征进行匹配，而将可以匹配到的参考症状特征对应的参考疾病类型确定为目标用户的症状特征对应的第一疾病类型。
其中，参考疾病类型与参考症状特征之间的映射关系可以提前配置。例如，针对某种参考疾病类型对应的参考症状特征，可以借助大数据技术获取到目前已知的该参考疾病类型对应的临床症状，以将所获取到的临床症状作为该参考疾病类型对应的参考症状特征。如参考疾病类型为感冒时，所对应的参考症状特征可以包括咳嗽、发烧、头疼等，又如参考疾病类型为高血压时，所对应的参考症状特征可以包括剧烈头痛、呕吐、心悸、晕眩等。
考虑到在将目标用户的症状特征和参考症状特征进行匹配时，目标用户的症状特征可以包括多个，参考症状特征也可以包括多个，在匹配的过程中，目标用户的症状特征可能出现完全匹配和部分匹配两种情况。其中，完全匹配可以理解为目标用户的症状特征均出现在某种参考疾病类型对应的参考症状特征中；部分匹配可以理解为有部分目标用户的症状特征可以出现在某种参考疾病类型对应的参考症状特征中。在完全匹配的情况下，即可以将完全匹配时所对应的参考疾病类型确定为第一疾病类型。在不完全匹配的情况下，可以将匹配到的最大匹配症状特征数量对应的参考疾病类型确定为第一疾病类型。例如，目标用户的症状特征的数量有4个，其中，有2个症状特征可以与参考疾病类型A对应的参考症状特征中匹配到，有3个症状特征可以与参考疾病类型B对应的参考症状特征中匹配到，则可以将最大匹配症状特征数量对应的参考疾病类型确定为第一疾病类型，该最大匹配症状特征数量对应的参考疾病类型也就是参考疾病类型B。
在一种实现方式中，在确定第一疾病类型之后，可以从与第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使该第一目标医生的医生终端与目标用户的用户终端进行线上问诊。可选的，在确定第一疾病类型关联的第一关联医生集合时，可以根据预设的参考疾病类型与医生集合之间的映射关系来确定。例如，可以获取预设的参考疾病类型与医生集合之间的映射关系，然后根据该映射关系和第一疾病类型，确定该第一疾病类型对应的医生集合，该该第一疾病类型对应的医生集合也就是第一关联医生集合。
在一种实现方式中，可以获取与第一疾病类型关联的第一关联医生集合中每个关联医生的问诊特征，以根据每个关联医生的问诊特征，从第一关联医生集合中确定第一目标医生。例如，问诊特征可以包括医生专业类型、历史接诊量、当前接诊状态中的一种或多种，还可以包括其他问诊特征，在本申请不做限定。其中，医生专业类型可以是指医生所擅长的疾病治疗类型，如医生专业类型可以是骨科类型、眼科类型、鼻科类型等等。历史接诊量可以是指医生历史所接诊的数量，该历史所接诊的数量可以是线上问诊的数量，也可以是线下问诊的数量，也可以是线上问诊的数量和线下问诊的数量之和。当前接诊状态可以包括空闲状态或忙碌状态，空闲状态表明医生当前无接诊患者(可以理解为线上和线下均无接诊患者)，忙碌状态表明医生当前存在接诊患者(可以理解为线上或线下存在接诊患者)。
可选的，以问诊特征包括医生专业类型、历史接诊量、当前接诊状态为例进行说明，根据每个关联医生的问诊特征，从第一关联医生集合中确定第一目标医生的具体实施方式可以包括：首先，可以利用每个关联医生的医生专业类型以及第一疾病类型，从第一关联医生集合中确定第一医生集合，第一医生集合中可以包括多个关联医生。如可以将与第一疾病类型相同的医生专业类型对应的关联医生筛选出来，并添加到第一医生集合中。例如，假设第一疾病类型为D，而在第一关联医生集合中检测到有10个关联医生的医生专业类型也为D，则可以将该10个关联医生添加到第一医生集合中。
在确定第一医生集合之后，可以利用第一医生集合中每个关联医生的历史接诊量与预设接诊量，从第一医生集合中筛选出第二医生集合。如可以将第一医生集合中每个关联医生的历史接诊量与预设接诊量进行比较，并将超过预设接诊量的历史接诊量对应的关联医生添加到第二医生集合中。其中，历史接诊量可以预先设置，如该历史接诊量可以是100、50等数值，该历史接诊量具体数值在本申请不做限定。又如可以将每个关联医生列历史接诊量进行降序排序，以得到接诊量排序结果，然后将接诊量排序结果中前M个历史接诊量对应的关联医生添加到第二医生集合中。其中，M为正整数，例如，可以是5、7等数值，其具体数值在本申请不做限定。
而在得到第二医生集合之后，还可以根据第二医生集合中每个关联医生的当前接诊状态，从第二医生集合中筛选出第三医生集合，以便于后续可以从第三医生集合中选择第一目标医生，该第一目标医生也就是需要与目标用户进行线上问诊的医生。例如，可以确定第二医生集合中每个关联医生的当前接诊状态是否处于空闲状态，从而可以将处于空闲状态的当前接诊状态对应的关联医生添加到第三医生集合中。其中，第三医生集合中可以包括一个关联医生也可以包括多个关联医生，在第三医生集合中存在一个关联医生时，该关联医生即可以作为第一目标医生，在第三医生集合中存在多个关联医生时，则可以从该多个关联医生中随机选择一个关联医生作为第一目标医生。
需要说明的是，在利用多个问诊特征从第一关联医生集合中筛选出第三医生集合时，可以按照医生专业类型、历史接诊量、当前接诊状态的顺序依次进行筛选，以得到第三医生集合，也可以按照其他顺序进行筛选，在本申请不做限定。例如，可以按照历史接诊量、当前接诊状态、医生专业类型的顺序依次进行筛选，以得到第三医生集合。又如，可以按照当前接诊状态、医生专业类型、当前接诊状态的顺序依次进行筛选，以得到第三医生集合。
从上述可知，通过利用各个问诊特征可以对多个关联医生进行多次筛选，以从多个医生中选择一个较优的关联医生与目标用户进行后续的线上问诊，从而可以提高问诊效率。
在一种实现方式中，考虑到在第一目标医生与目标用户进行线上问诊的过程中，目标用户可能会咨询当前第一目标医生的专业之外的问题，而该第一目标医生可能无法响应目标用户的问题(问诊信息)，在这种情况下，可以将当前线上问诊的第一目标医生转换为第二目标医生，该第二目标医生可以是指能够响应目标用户当前所提问题的医生。即该问诊设备还可以提供转接功能，以利用该转接功能将目标用户转接给第二目标医生继续后续的线上问诊，则目标用户也可以不用再次重新发起一个新的问诊需求，从而可以提高问诊效率，也可以提供用户体验。
可选的，在第一目标医生的医生终端与目标用户的用户终端进行线上问诊的过程中，可以实时监控线上问诊过程中的问诊状态，如果在第一目标医生的医生终端与目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则可以输出问诊搜索界面，以使第一目标医生在该问诊搜索界面输入问诊状态对应的第二问诊信息，该第二问诊信息可以是指问诊状态满足问诊转接条件时，目标用户通过用户终端所发送的问诊信息。当检测到该问诊搜索界面存在第二问诊信息之后，问诊设备可以获取该第二问诊信息，并根据该第二问诊信息确定目标用户的第二疾病类型。而在确定第二病类型之后，可以从与第二疾病类型关联的第二关联医生集合中确定第二目标医生，以使第二目标医生的医生终端与目标用户的用户终端进行后续的线上问诊过程。其中，从第二关联医生集合中确定第二目标医生的方式可以参考上述从第一关联医生集合中确定第一目标医生的方式，在此处不在赘述。
举例来说，例如参见图2所示：第一目标医生所使用的医生终端可在终端屏幕中显示一个问诊搜索界面，该问诊搜索界面可以至少包括由201标记的信息输入区域，以及由202标记的确认控件。若第一目标医生无法响应目标用户的第二问诊信息，则该第一目标医生可在该信息输入区域201中输入第二问诊信息，然后对该确认控件202执行触发操作(如点击操作、按压操作等)，从而触发问诊设备获取该第二问诊信息，并根据该第二问诊信息确定目标用户的第二疾病类型，并进一步从与第二疾病类型关联的第二关联医生集合中确定第二目标医生。而在问诊设备确定第二目标医生之后，可以在问诊搜索界面的结果显示区域203中显示该第二目标医生，而在显示第二目标医生对应信息处还可以显示一个转接控件，以使第一目标用户可以触发该转接控件，而当问诊设备检测到该转接控件被触发之后，可以将当前的线上问诊过程转接到第二目标医生，以使第二目标医生的医生终端与目标用户的用户终端进行后续的线上问诊过程。
可选的，如果在第一目标医生的医生终端与目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则还可以输出医生查询界面，医生查询界面可以包括信息显示区域，信息显示区域用于显示多个医生标识分别对应的医生信息，医生信息包括医生专业类型和当前接诊状态，以使第一目标医生根据医生信息选择第二目标医生。如果检测到对多个医生标识中的任一医生标识的选中操作，则可以将选中的医生标识对应的医生确定为第二目标医生，以使第二目标医生的医生终端与目标用户的用户终端进行线上问诊。
举例来说，例如参见图3所示：第一目标医生所使用的医生终端可在终端屏幕中显示一个医生查询界面，该医生查询界面可以至少包括由301标记的信息显示区域，该信息显示区域中的信息可以依照信息级联列表的形式进行显示，其具体显示方式可以参考如301标记的区域所示。可以理解的是，该信息级联列表可以是一个可下拉的列表，即列表中的信息可以通过用户(如第一目标医生)的点击，而一级一级的展示。例如，该信息级联列表中可以包括多级信息，其中，第一级信息31可以用于显示疾病类型，第二级信息32可以用于显示疾病类型下的问诊科室，第三级信息33可以用于显示问诊科室下所包括的所有医生标识(该医生标识可以是医生的名字，或者是其他可用于唯一指示医生的标识)，第四级信息34可以用于显示医生的医生专业类型和当前接诊状态。若第一目标医生无法响应目标用户的第二问诊信息，则第一目标医生可以从信息显示区域301中所显示的信息选择一个医生标识。而选中的医生标识即是第二目标医生，那么，在检测到某一医生标识的选中操作后，可以将该医生标识确定为第二目标医生，并将当前的线上问诊过程转接到该第二目标医生，以使第二目标医生的医生终端与目标用户的用户终端进行后续的线上问诊过程。可选的，在第一目标医生选中某一医生标识之后，还可以在医生查询界面显示一个弹窗，该弹窗用于提示第一目标医生是否确定将目标用户转接给所选择的医生，如果第一目标医生点击该弹窗中包括的确认控件，则问诊设备可以后续的线上问诊转接给所选择的医生。
本申请实施例中，可以获取目标用户对应的第一问诊信息，并调用问诊机器人对第一问诊信息进行问诊意图识别。若问诊机器人识别出目标用户的问诊意图，则获取问诊意图对应的目标响应信息，以使问诊机器人利用目标响应信息响应第一问诊信息。若问诊机器人未识别出目标用户的问诊意图，则根据问诊机器人与目标用户的用户终端之间的交互信息确定目标用户对应的第一疾病类型，并从与第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使第一目标医生的医生终端与目标用户的用户终端进行线上问诊。通过上述实施方法，可以通过引入智能的问诊机器人意减小医生重复工作量，从而提高问诊效率和接诊效率。并且在患者进行问诊时，可以首先由问诊机器人进行线上问诊过程，当问诊机器人无法响应患者的问诊信息时，可以根据患者描述的症状，匹配对应的疾病类型，进而获取到疾病类型对应科室的真实医生来进行线上问诊过程。而当该患者咨询了当前医生专业之外的问题，该医生还可以通过转接功能，将该患者转接给另一医生继续后续的线上问诊过程，也不用患者重新发起问诊请求，从而可以提高问诊效率。
请参阅图4，图4是本申请实施例提供的一种基于人工智能的线上问诊装置的结构示意图。所述基于人工智能的线上问诊装置包括：
识别单元401，用于获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；
获取单元402，用于若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；
确定单元403，用于若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。
在一种实现方式中，所述识别单元401，具体用于：
获取所述问诊机器人所存储的参考问诊信息集合，所述参考问诊信息集合中包括多个参考问诊信息；
确定所述第一问诊信息与所述多个参考问诊信息中的每个参考问诊信息之间的信息相似度；
根据最大信息相似度对应的参考问诊信息确定所述目标用户的问诊意图。
在一种实现方式中，所述确定单元403，具体用于：
从所述问诊机器人与所述目标用户的用户终端之间的交互信息中确定所述目标用户的症状特征；
根据预设的参考疾病类型与参考症状特征之间的映射关系、以及所述目标用户的症状特征，确定所述目标用户的症状特征对应的第一疾病类型。
在一种实现方式中，所述确定单元403，具体用于：
获取与所述第一疾病类型关联的第一关联医生集合中每个关联医生的问诊特征，所述问诊特征包括医生专业类型、历史接诊量、当前接诊状态中的一种或多种；
根据所述每个关联医生的问诊特征，从所述第一关联医生集合中确定所述第一目标医生。
在一种实现方式中，所述确定单元403，具体用于：
利用所述每个关联医生的医生专业类型以及所述第一疾病类型，从所述第一关联医生集合中确定第一医生集合，所述第一医生集合包括多个关联医生；
将所述第一医生集合中每个关联医生的历史接诊量与预设接诊量进行比较，并将超过预设接诊量的历史接诊量对应的关联医生添加到第二医生集合中；
确定所述第二医生集合中每个关联医生的当前接诊状态是否处于空闲状态，将处于空闲状态的当前接诊状态对应的关联医生添加到第三医生集合中，并从所述第三医生集合中确定所述第一目标医生。
在一种实现方式中，所述装置还包括转接单元404，具体用于：
若在所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则输出问诊搜索界面，以使所述第一目标医生在所述问诊搜索界面输入所述问诊状态对应的第二问诊信息；
获取所述第二问诊信息，并根据所述第二问诊信息确定所述目标用户的第二疾病类型；
从与所述第二疾病类型关联的第二关联医生集合中确定第二目标医生，以使所述第二目标医生的医生终端与所述目标用户的用户终端进行线上问诊。
在一种实现方式中，所述转接单元404，还用于：
若在所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则输出医生查询界面，所述医生查询界面包括信息显示区域，所述信息显示区域用于显示多个医生标识分别对应的医生信息，所述医生信息包括医生专业类型和当前接诊状态，以使所述第一目标医生根据所述医生信息选择第二目标医生；
若检测到对所述多个医生标识中的任一医生标识的选中操作，则将选中的医生标识对应的医生确定为第二目标医生，以使所述第二目标医生的医生终端与所述目标用户的用户终端进行线上问诊。
可以理解的是，本申请实施例所描述的基于人工智能的线上问诊装置的各功能单元的功能可根据图1所述的方法实施例中的方法具体实现，其具体实现过程可以参照图1的方法实施例的相关描述，此处不再赘述。
本申请实施例中，识别单元401获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；若所述问诊机器人识别出所述目标用户的问诊意图，则获取单元402获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；若所述问诊机器人未识别出所述目标用户的问诊意图，则确定单元403根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。可以通过引入智能的问诊机器人来减少医生工作量，也可以提高问诊(接诊)效率。
请参阅图5，图5是本申请实施例提供的一种问诊设备的结构示意图。该问诊设备包括：处理器501、存储器502以及网络接口503。上述处理器501、存储器502以及网络接口503之间可以交互数据。
上述处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器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。
上述存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供程序指令和数据。存储器502的一部分还可以包括随机存取存储器。其中，所述处理器501调用所述程序指令时用于执行：
获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；
若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；
若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。
在一种实现方式中，所述处理器501，具体用于：
获取所述问诊机器人所存储的参考问诊信息集合，所述参考问诊信息集合中包括多个参考问诊信息；
确定所述第一问诊信息与所述多个参考问诊信息中的每个参考问诊信息之间的信息相似度；
根据最大信息相似度对应的参考问诊信息确定所述目标用户的问诊意图。
在一种实现方式中，所述处理器501，具体用于：
从所述问诊机器人与所述目标用户的用户终端之间的交互信息中确定所述目标用户的症状特征；
根据预设的参考疾病类型与参考症状特征之间的映射关系、以及所述目标用户的症状特征，确定所述目标用户的症状特征对应的第一疾病类型。
在一种实现方式中，所述处理器501，具体用于：
获取与所述第一疾病类型关联的第一关联医生集合中每个关联医生的问诊特征，所述问诊特征包括医生专业类型、历史接诊量、当前接诊状态中的一种或多种；
根据所述每个关联医生的问诊特征，从所述第一关联医生集合中确定所述第一目标医生。
在一种实现方式中，所述处理器501，具体用于：
利用所述每个关联医生的医生专业类型以及所述第一疾病类型，从所述第一关联医生集合中确定第一医生集合，所述第一医生集合包括多个关联医生；
将所述第一医生集合中每个关联医生的历史接诊量与预设接诊量进行比较，并将超过预设接诊量的历史接诊量对应的关联医生添加到第二医生集合中；
确定所述第二医生集合中每个关联医生的当前接诊状态是否处于空闲状态，将处于空闲状态的当前接诊状态对应的关联医生添加到第三医生集合中，并从所述第三医生集合中确定所述第一目标医生。
在一种实现方式中，所述处理器501，还用于：
若在所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则输出问诊搜索界面，以使所述第一目标医生在所述问诊搜索界面输入所述问诊状态对应的第二问诊信息；
获取所述第二问诊信息，并根据所述第二问诊信息确定所述目标用户的第二疾病类型；
从与所述第二疾病类型关联的第二关联医生集合中确定第二目标医生，以使所述第二目标医生的医生终端与所述目标用户的用户终端进行线上问诊。
在一种实现方式中，所述处理器501，还用于：
若在所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则输出医生查询界面，所述医生查询界面包括信息显示区域，所述信息显示区域用于显示多个医生标识分别对应的医生信息，所述医生信息包括医生专业类型和当前接诊状态，以使所述第一目标医生根据所述医生信息选择第二目标医生；
若检测到对所述多个医生标识中的任一医生标识的选中操作，则将选中的医生标识对应的医生确定为第二目标医生，以使所述第二目标医生的医生终端与所述目标用户的用户终端进行线上问诊。
具体实现中，本申请实施例中所描述的处理器501和存储器502可执行本申请实施例图1提供的基于人工智能的线上问诊方法中所描述的实现方式，也可执行本申请实施例图4所描述的基于人工智能的线上问诊装置的实现方式，在此不再赘述。
本申请实施例中，处理器501可以获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。可以通过引入智能的问诊机器人来减少医生工作量，也可以提高问诊(接诊)效率。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有程序指令，所述程序执行时可包括如图1对应实施例中的基于人工智能的线上问诊方法的部分或全部步骤。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
需要强调的是，为进一步保证上述数据的私密和安全性，上述数据还可以存储于一区块链的节点中。其中，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上对本申请实施例所提供的一种基于人工智能的线上问诊方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种基于人工智能的线上问诊方法，其特征在于，包括：
获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；
若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；
若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。
2.根据权利要求1所述的方法，其特征在于，所述调用问诊机器人对所述第一问诊信息进行问诊意图识别，包括：
获取所述问诊机器人所存储的参考问诊信息集合，所述参考问诊信息集合中包括多个参考问诊信息；
确定所述第一问诊信息与所述多个参考问诊信息中的每个参考问诊信息之间的信息相似度；
根据最大信息相似度对应的参考问诊信息确定所述目标用户的问诊意图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，包括：
从所述问诊机器人与所述目标用户的用户终端之间的交互信息中确定所述目标用户的症状特征；
根据预设的参考疾病类型与参考症状特征之间的映射关系、以及所述目标用户的症状特征，确定所述目标用户的症状特征对应的第一疾病类型。
4.根据权利要求3所述的方法，其特征在于，所述从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，包括：
获取与所述第一疾病类型关联的第一关联医生集合中每个关联医生的问诊特征，所述问诊特征包括医生专业类型、历史接诊量、当前接诊状态中的一种或多种；
根据所述每个关联医生的问诊特征，从所述第一关联医生集合中确定所述第一目标医生。
5.根据权利要求4所述的方法，其特征在于，所述根据所述每个关联医生的问诊特征，从所述第一关联医生集合中确定所述第一目标医生，包括：
利用所述每个关联医生的医生专业类型以及所述第一疾病类型，从所述第一关联医生集合中确定第一医生集合，所述第一医生集合包括多个关联医生；
将所述第一医生集合中每个关联医生的历史接诊量与预设接诊量进行比较，并将超过预设接诊量的历史接诊量对应的关联医生添加到第二医生集合中；
确定所述第二医生集合中每个关联医生的当前接诊状态是否处于空闲状态，将处于空闲状态的当前接诊状态对应的关联医生添加到第三医生集合中，并从所述第三医生集合中确定所述第一目标医生。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若在所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则输出问诊搜索界面，以使所述第一目标医生在所述问诊搜索界面输入所述问诊状态对应的第二问诊信息；
获取所述第二问诊信息，并根据所述第二问诊信息确定所述目标用户的第二疾病类型；
从与所述第二疾病类型关联的第二关联医生集合中确定第二目标医生，以使所述第二目标医生的医生终端与所述目标用户的用户终端进行线上问诊。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若在所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊的过程中，检测到问诊状态满足问诊转接条件，则输出医生查询界面，所述医生查询界面包括信息显示区域，所述信息显示区域用于显示多个医生标识分别对应的医生信息，所述医生信息包括医生专业类型和当前接诊状态，以使所述第一目标医生根据所述医生信息选择第二目标医生；
若检测到对所述多个医生标识中的任一医生标识的选中操作，则将选中的医生标识对应的医生确定为第二目标医生，以使所述第二目标医生的医生终端与所述目标用户的用户终端进行线上问诊。
8.一种基于人工智能的线上问诊装置，其特征在于，包括：
识别单元，用于获取目标用户对应的第一问诊信息，调用问诊机器人对所述第一问诊信息进行问诊意图识别；
获取单元，用于若所述问诊机器人识别出所述目标用户的问诊意图，则获取所述问诊意图对应的目标响应信息，以使所述问诊机器人利用所述目标响应信息响应所述第一问诊信息；
确定单元，用于若所述问诊机器人未识别出所述目标用户的问诊意图，则根据所述问诊机器人与所述目标用户的用户终端之间的交互信息确定所述目标用户对应的第一疾病类型，并从与所述第一疾病类型关联的第一关联医生集合中确定第一目标医生，以使所述第一目标医生的医生终端与所述目标用户的用户终端进行线上问诊，所述第一关联医生集合中包括多个关联医生。
9.一种问诊设备，其特征在于，包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
CN202111017915.XA 2021-08-31 2021-08-31 一种基于人工智能的线上问诊方法、装置、设备及介质 Pending CN113724899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111017915.XA CN113724899A (zh) 2021-08-31 2021-08-31 一种基于人工智能的线上问诊方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111017915.XA CN113724899A (zh) 2021-08-31 2021-08-31 一种基于人工智能的线上问诊方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113724899A true CN113724899A (zh) 2021-11-30

Family

ID=78680236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111017915.XA Pending CN113724899A (zh) 2021-08-31 2021-08-31 一种基于人工智能的线上问诊方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113724899A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115062628A (zh) * 2022-06-15 2022-09-16 北京信息科技大学 一种基于知识图谱的医患交流对话自动模拟方法
WO2023178958A1 (zh) * 2022-03-22 2023-09-28 康键信息技术（深圳）有限公司 线上医疗问诊的医生分配方法、装置、存储介质及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077913A (zh) * 2021-04-20 2021-07-06 北京京东拓先科技有限公司 线上问诊派单方法、装置和系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077913A (zh) * 2021-04-20 2021-07-06 北京京东拓先科技有限公司 线上问诊派单方法、装置和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023178958A1 (zh) * 2022-03-22 2023-09-28 康键信息技术（深圳）有限公司 线上医疗问诊的医生分配方法、装置、存储介质及设备
CN115062628A (zh) * 2022-06-15 2022-09-16 北京信息科技大学 一种基于知识图谱的医患交流对话自动模拟方法

Similar Documents

Publication Publication Date Title
WO2022041729A1 (zh) 用药推荐方法、装置、设备及存储介质
CN109036545B (zh) 医疗信息处理方法、装置、计算机设备和存储介质
CN109065172B (zh) 病症信息获取方法、装置、计算机设备和存储介质
US20220293287A1 (en) Pet evaluation and triage system
CN112201359A (zh) 基于人工智能的重症问诊数据识别方法及装置
CN113724899A (zh) 一种基于人工智能的线上问诊方法、装置、设备及介质
CN113707303A (zh) 基于知识图谱的医疗问题解答方法、装置、设备及介质
CN112216361A (zh) 基于人工智能的随访计划单生成方法、装置、终端及介质
CN112634889B (zh) 基于人工智能的电子病例录入方法、装置、终端及介质
Kavitha et al. Systematic view and impact of artificial intelligence in smart healthcare systems, principles, challenges and applications
CN112214588B (zh) 多意图识别方法、装置、电子设备及存储介质
CN113724858A (zh) 基于人工智能的疾病检查项目推荐设备、方法及装置
WO2009061441A1 (en) Method and apparatus for interpreting data
CN112287068A (zh) 基于人工智能的问诊对话数据处理方法及装置
CN113658712A (zh) 医患匹配方法、装置、设备及存储介质
CN110473636B (zh) 基于深度学习的智能医嘱推荐方法及系统
CN116130072A (zh) 科室推荐方法、装置、设备及存储介质
CN113724830B (zh) 基于人工智能的用药风险检测方法及相关设备
Neves et al. Heath-PRIOR: an intelligent ensemble architecture to identify risk cases in healthcare
Muttineni et al. An interactive interface for patient diagnosis using machine learning model
CN109903856B (zh) 一种线上咨询方法及系统
CN113066531B (zh) 风险预测方法、装置、计算机设备及存储介质
Rao et al. AI-enabled clinical decision support system
CN114400090A (zh) 问诊辅助方法、问诊辅助装置、设备及存储介质
CN113870973A (zh) 基于人工智能的信息输出方法、装置、计算机设备及介质

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
TA01 Transfer of patent application right

Effective date of registration: 20221026

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.