CN114283912A - 基于rthd、人工智能的医学病历建档方法及云平台系统 - Google Patents

Abstract

本发明公开了一种基于RTHD、人工智能的医学病历建档方法及云平台系统，本方案在信息采集阶段：通过智能识别目标对象获取包括表情在内的外观信息，构建针对性的交互场景，并通过智能对话完成对目标对象全面健康信息采集，据此自动建档量化，形成目标对象健康档案；在健康诊断阶段：基于形成的目标对象健康档案，通过健康‑疾病定量表进行全科的健康‑疾病诊疗计算，形成健康诊断结果数据；在诊疗报告阶段：形成数字化的健康档案和电子病历库。本发明基于健康‑疾病定量测试法(RTHD)、人工智能技术完成医学病历自动建档，并据此形成相应的医学云平台系统，从而有效解决传统医学病历建档必须依赖专业医生人工方式采集病历和诊断治疗的难点。

Description

基于RTHD、人工智能的医学病历建档方法及云平台系统

技术领域

本发明涉及医学和计算机科学领域，具体涉及医学病历建档以及智能管理平台。

背景技术

对于医学病历建档，对于医院，一般是通过门诊、住院由专业医生通过传统方式获取患者信息后，再人工录入计算机或手写形成病历，病历建档依赖人工，效率低，规范性差，而且这种病历一般是单科病历，信息量少。再就是体检、康养机构，也是通过类似医院的传统方式收集客户健康数据。

随着计算机技术发展，现在穿戴设备、网络机器人等通过新兴技术获取民众健康数据，这种数据获取依赖智能设备和网络，成本低、效率高，但同样信息单一、缺少专业指导，有明显局限性。

由此可见，当前电子病历建档缺少创新型手段和技术，尤其是面向全民的健康大数据难以形成，急需突破。

公开号：CN112331286A的中国发明专利申请，其公开了一种基于人工智能的智慧医疗病历管理方法、系统及云平台。该专利申请所公开的方案为利用人工智能技术实现对病历的智能归类管理，方便医护人员使用，并非用于电子病历建档，也无法实现电子病历建档。

发明内容

针对现有方案基于专业医生以人工方式采集病历信息以及生成诊断治疗数据信息的问题，本发明的目的在于提供一种基于RTHD、人工智能的医学病历建档方法，以及提供一种基于RTHD、人工智能的医学云平台系统，由此实现自动采集病史数据，自动生成临床医学病历数据、自动按照诊断标准数据、给出诊疗建议数据信息。

为了达到上述目的，本发明提供的基于RTHD、人工智能的医学病历建档方法，包括：

信息采集阶段：

通过智能识别目标对象获取包括表情在内的外观信息，构建针对性的交互场景，并通过智能对话完成对目标对象全面健康信息采集，且对采集信息进行语义识别和大数据分析，获取健康量化信息，据此自动建档量化，形成目标对象健康档案；

健康诊断阶段：

基于形成的目标对象健康档案，通过健康-疾病定量表(RTHD量表)进行全科的健康-疾病诊疗计算，形成健康诊断结果数据；

诊疗报告阶段：

基于对应健康疾病治疗与护理相关标准，根据健康诊断结果数据自动形成诊疗报告，针对诊疗报告数据对病历标记，形成数字化的健康档案和电子病历库。

进一步的，所述病历建档方法在进行信息采集时，包括：

智能识别目标对象获取包括表情在的外观信息；

选定对应自然对话话本，构建适合目标对象的有针对性的交互场景；

基于构建的交互场景进行智能对话，以预设的对话评定量表(RSQT)的行为准则，按照健康-疾病定量表(RTHD量表)条目规定，自动采集健康信息；

对采集健康信息进行语义识别和大数据分析，获取相应的健康量化信息；

基于得到的健康量化信息进行自动建档量化，形成受诊者健康档案。

进一步的，所述病历建档方法在进行健康诊断时，采用基于健康-疾病定量表(RTHD量表)所形成的诊断条件库，采用定量诊断方法，实现疾病的逻辑判别诊断操作，并形成健康诊断结果数据。

为了达到上述目的，本发明提供的基于RTHD、人工智能的医学云平台系统，包括相互配合的平台层、业务层、应用层、终端层；

所述平台层中运行有技术组件、业务核心元数据和健康医疗档案；

所述业务层包括信息采集模块，健康诊断模块以及诊疗报告模块，

所述信息采集模块可通过智能识别目标对象获取包括表情在内的外观信息，构建针对性的交互场景，并通过智能对话完成对目标对象全面健康信息采集，且对采集信息进行语义识别和大数据分析，获取健康量化信息，据此自动建档量化，形成目标对象健康档案；

所述健康诊断模块基于所述信息采集模块形成的目标对象健康档案，通过健康-疾病定量表(RTHD量表)进行全科的健康-疾病诊疗计算，形成健康诊断结果数据；

所述诊疗报告模块基于对应健康疾病治疗与护理相关标准，根据健康诊断结果数据自动形成诊疗报告，针对诊疗报告数据对病历标记，形成数字化的健康档案和电子病历库；

所述应用层运行在终端层，针对所述业务层构建人机交互。

进一步的，所述平台层中的技术组件包括人脸识别组件、语音识别组件、IoT物联网组件。

进一步的，所述平台层中的业务核心元数据包括问诊语料库、诊断问答库、诊断量表、诊断条件库、诊断样本库。

进一步的，所述诊断量表融合ICD10、DSM4、CCMD3三大诊断标准，可用于对采集的健康信息进行量化，得到的量化后健康档案、电子病历可作为健康诊断的输入。

进一步的，所述诊断条件库基于健康-疾病定量表(RTHD量表)来构建。

进一步的，所述诊断条件库构建能够表述专业医生的诊断方法的结构化逻辑模型，以将标准医学疾病的诊断逻辑封装成能够覆盖全病种诊断的诊断条件库。

进一步的，所述诊断样本库中的诊断样本经过标签标记。

进一步的，所述信息采集模块包括场景识别单元、智能对话单元、物联采集单元、建档量化单元；

所述场景识别单元基于人脸识别目标对象获取包括表情在内的外观信息，并基于此构建适合目标对象的有针对性的交互场景；

所述智能对话单元基于场景识别单元所构建的交互场景下根据目标对象的身份完成智能对话，并在智能对话过程中对目标对象进行全面健康信息采集；

所述物联采集单元利用IoT物联网方式与可穿戴智能设备连接，实现对目标对象的生命体征测量数据获取；

所述建档量化单元，根据所述智能对话单元采集的信息，基于问诊语料库和诊断量表对采集信息进行语义识别和大数据分析，获取对应的健康量化信息，且连同所述物联采集单元采集的生命体征测量数据一起自动建档量化，形成受诊者健康档案。

进一步的，所述健康诊断模块基于诊断条件库，运用包括病症诊断、病程诊断、七轴诊断、排除诊断四类定量诊断方法，进行疾病的逻辑计算判别诊断，再结合诊断样本库，对诊断结果进行回归判别，形成健康诊断结果数据。

本发明基于健康-疾病定量测试法(RTHD)、人工智能技术完成医学病历自动建档，并据此形成相应的医学云平台系统，从而有效解决传统医学病历建档必须依赖专业医生人工方式采集病历和诊断治疗的难点。

本发明提供的方案通过RTHD、人工智能技术实现由机器人自动采集病史，自动撰写临床医学病历、自动按照诊断标准、给出门诊与/或住院诊疗建议数据。

本发明提供的方案一方面利用人工智能技术高效、便捷面向全民采集健康数据，快速、准确进行全民健康状况建档；另一方面利用RTHD提供具有普适性、全科性的医学自动诊断、治疗、护理、康复、健康规划与管理服务。实现将RTHD与人工智能、云计算、大数据等计算机技术相结合，多、块、好、省地实现面向全民的医疗健康建档服务，汇聚全民医疗数据反哺健康数据采集、自动诊疗服务，提升全民医疗服务水平。

附图说明

以下结合附图和具体实施方式来进一步说明本发明。

图1为本发明实例中给出的医学云平台系统的框架示例；

图2为本发明实例中给出的诊断算法模型示例图；

图3为本发明实例中RTHD量表的构成示例；

图4为本发明实例中展示表与一般特征的RTHD量表示例；

图5为本发明实例中针对新型冠状病毒(2019-nCoV)诊断逻辑的示例。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

本发明方案给一种智能化的医学病历建档方案，利用人工智能技术实现健康医疗信息的快速、准确采集；同时充分利用云计算、大数据技术快速建立全民健康必须的整体医疗结合精准医疗必须的健康大数据，提升健康-疾病逻辑诊断的准确性。

具体的，本发明方案给出一种基于RTHD、人工智能的医学病历建档方法，以实现医学病历的自动且准确的建档。

整个医学病历建档的过程主要涉及信息采集阶段，健康诊断阶段以及诊疗报告阶段。

其中，在信息采集阶段：

通过智能识别目标对象获取包括表情在内的外观信息，构建针对性的交互场景，并通过智能对话完成对目标对象全面健康信息采集，且对采集信息进行语义识别和大数据分析，获取健康量化信息，据此自动建档量化，形成目标对象健康档案。

在健康诊断阶段：

基于形成的目标对象健康档案，通过健康-疾病定量表(RTHD量表)进行全科的健康-疾病诊疗计算，形成健康诊断结果数据。

在诊疗报告阶段：

基于对应健康疾病治疗与护理相关标准，根据健康诊断结果数据自动形成诊疗报告，针对诊疗报告数据对病历标记，形成数字化的健康档案和电子病历库。

在本方案的一些实施方式中，在信息采集阶段进行信息采集时，优选包括：

智能识别目标对象获取包括表情在的外观信息；

选定对应自然对话话本，构建适合目标对象的有针对性的交互场景；

基于构建的交互场景进行智能对话，以预设的对话评定量表(RSQT)的行为准则，按照健康-疾病定量表(RTHD量表)条目规定，自动采集健康信息；

对采集健康信息进行语义识别和大数据分析，获取相应的健康量化信息；

基于得到的健康量化信息进行自动建档量化，形成受诊者健康档案。

在本方案的一些实施方式中，本方案中涉及到的健康-疾病定量表(RTHD量表)方案，优选依据和融合了国际疾病分类(International Classification of Diseases,ICD10)、美国精神疾病的诊断和统计手册(Diagnostic and Statistical Manual ofMental Disorders，DSM4)、中国精神障碍分类与诊断标准第3版(CCMD3)三大诊断标准，来形成RTHD量表。

参见图3和图4，其所示为本实例中健康-疾病定量表(RTHD量表)的一种构成示例方案。该健康-疾病定量表(RTHD量表)包含21个分类，近4100个量化指标，能够有效实现全科疾病量化指标覆盖。

在本方案的一些实施方式中，在健康诊断阶段进行健康诊断时，采用基于健康-疾病定量表(RTHD量表)所形成的诊断条件库，采用定量诊断方法，实现疾病的逻辑判别诊断操作，并形成健康诊断结果数据。

本基于健康-疾病定量测试法(RTHD)、人工智能技术的医学病历建档方案在实施时，可通过RTHD、人工智能技术实现由机器人自动采集病史，自动撰写临床医学病历、自动按照诊断标准、给出门诊与/或住院诊疗建议信息，从而解决传统医学病历建档必须依赖专业医生人工方式采集病历和诊断治疗的难点。借助人工智能、大数据、物联网等计算机前沿技术，解决看病难、求医难、看不起病的民生问题，助力全民医疗水平提升。

进一步的，基于前述的医学病历建档方案，本方案还通过相应的软件程序，构建一种医学云平台系统。该医学云平台系统在运行时，可实现将信息采集、健康诊断、诊疗报告核心业务处理过程中产生的数据以云平台方式进行管理存储，再借助人工智能技术对采集的健康档案、电子病历进行标记和训练，促进高质量的全民健康数据形成，实现肋力社会精准医疗水平提升。

参见图1，其所示为本医学云平台系统的一种构成示例。

由图可知，本示例给出的医学云平台系统整体框架分为四层，从下往上依次是平台层100、业务层200、应用层300、终端层400。

其中平台层100包括技术组件110、业务核心元数据120和健康医疗档案130三部分，起到整个平台系统的技术和数据支撑作用。

业务层200是本平台系统的核心，包含信息采集模块210、健康诊断模块220、诊疗报告模块230三大模块。本业务层200给应用层100提供核心功能服务支撑。

应用层300是本平台系统中具体人机交互界面程序，面向不同人群提供不同人机交互界面，提供不同程度的健康医疗服务。

终端层400是本平台系统中人机交互的物理载体，支持手机、PC、机器人、穿戴设备等不同形式的访问。

具体的，作为整个平台系统运行的基础，这里的平台层100主要包括技术组件110、业务核心元数据120和健康医疗档案130三部分。

作为举例，这里的技术组件110包括人脸识别组件111、语音识别组件112、IoT物联网组件113，但并不限于此，根据需要还可以采用其他的功能组件。其中，人脸识别组件111用于支撑信息采集的场景识别功能实现，语音识别组件112用于支撑信息采集的智能问答功能实现，IoT物联网组件113支撑信息采集的物联采集功能实现。

本平台层中，针对这些功能可采用集成开源或第三方平台服务实现。

本平台层100中的业务核心元数据120主要包括问诊语料库121、诊断问答库122、诊断量表123、诊断条件库124、诊断样本库125这几个部分。

其中问诊语料库121，其作为业务层200中信息采集模块210针对不同场景对目标对象进行个性化智能问答的关键，对目标对象回答进行准确识别的基础。

作为举例，这里的问诊语料库121在实现时，可基于相应的标准进行预先标定设置，或通过构建自主学习模型，根据相应的标准提取所需的样本进行自主学习形成问诊语数据，并存储于问诊语料库中。

诊断问答库122提供单选、多选、文本、图片等多种形式、涵盖RTHD量表全病种问题库，可为业务层200中信息采集模块210工作时的智能问答提供基础数据支撑。

作为举例，这里的诊断问答库122在实现时，可基于相应的标准进行预先标定设置，或通过构建自主学习模型，根据相应的标准提取所需的样本进行自主学习形成诊断问答数据，并存储于诊断问答库中。

诊断量表123，其融合ICD10、DSM4、CCMD3三大诊断标准，可用于对业务层200中信息采集模块210的建档量化进行支撑。

这里的信息采集建档量化即是根据诊断量表对健康信息进行量化，量化后健康档案、电子病历作为健康诊断的输入，为健康诊断提供标准支撑。

这里的诊断量表123的具体构成方案，此处不加以限定，具体可根据实际需求而定。

诊断条件库124作为业务层200中健康诊断的核心算法模型，以RTHD量表为标准，将专业医生的诊断方法用结构化逻辑模型表述出来。据此将标准医学疾病的诊断逻辑封装成诊断条件库，这样业务层中的健康诊断模块工作时，依据诊断条件库进行诊断数据处理，覆盖全病种诊断数据处理。

这里的RTHD量表如前述，此处不加以赘述。

作为举例，这里的诊断条件库124的具体构成方案，此处不加以限定，具体可根据实际需求而定。

诊断样本库125中存储有经过数据训练的覆盖全病种的诊断样本信息数据，同时对样本信息数据采用标签技术进行标记，辅助健康诊断，提升诊断精确度。

健康医疗档案130包括健康档案131、电子病例132、治疗标准档案133、护理标准档案134。

其中，健康档库131是对目标对象健康信息的量化存储，是信息采集的结果存储。

电子病例132是对被诊断为疾病的目标对象按照医学规范形成的规范化临床医学电子病历，是健康诊断和诊疗报告的结果存储。

治疗标准档案和护理标准档案，是对相关健康疾病治疗与护理相关标准结构化存储，为诊疗报告形成治疗、护理建议提供标准数据支撑。

在此基础上，作为本平台系统中核心层的业务层200，主要由信息采集模块210、健康诊断模块220、诊疗报告模块230三大模块相互配合构成。

本业务层200中的信息采集模块210主要包括场景识别单元211、智能对话单元212、物联采集单元213、建档量化单元214四大功能单元。

具体的，场景识别单元211，基于平台层中的人脸识别组件111实现受诊者年龄、性别、情感等外观信息的识别，基于此提供适合受诊者的有针对性的交互场景。

这里对于场景识别单元211的具体构成不加以限定，可根据实际需求而定。作为举例，本场景识别单元211可根据年龄、性别提供不同听觉、视觉背景和个性化定制电脑虚拟专家，使受诊者能够被吸引从而更容易配合信息采集。

本信息采集模块210中的智能对话单元212，其基于平台层中的自然语音识别组件112、问诊语料库121、诊断问答库122等，同时根据场景识别单元211识别出的目标对象的身份信息，采用语音问答、图像问答、游戏攻关等多种形式，实现让目标对象在相对轻松的环境下，循序渐进式的对目标对象进行全面健康信息采集。

这里对于智能对话单元212的具体构成不加以限定，可根据实际需求而定。

本信息采集模块210中的物联采集单元213，该单元基于平台层中的IoT物联网组件113采用IoT物联网技术与可穿戴智能设备连接，实现体温，脉搏，呼吸，血压，意识状态等生命体征测量数据获取。

这里对于物联采集单元213的具体构成不加以限定，可根据实际需求而定。

本信息采集模块210中的建档量化单元214，根据智能对话单元212采集的信息，基于平台层中的问诊语料库121和诊断量表123对采集信息进行语义识别和大数据分析，获取病症、病程、躯体-心理-社会等健康量化信息。

在此基础上，根据需要再对目标身份进行确认，连同物联采集单元213采集的信息一起系统进行自动建档量化，形成受诊者健康档案。

作为举例，本建档量化单元214通过相应的数据量化模型来实现形成对应的量化数据信息。对于具体构成方案，这里不加以限定，可根据实际需求而定。

本业务层200中的健康诊断模块220，其具体为基于信息采集模块210形成的量化目标对象健康档案，通过健康-疾病定量表(RTHD量表)进行全科的健康-疾病诊疗计算，形成健康诊断结果数据；

这里的RTHD量表依据和融合了国际疾病分类(International Classificationof Diseases,ICD10)、美国精神疾病的诊断和统计手册(Diagnostic and StatisticalManual of Mental Disorders，DSM4)、中国精神障碍分类与诊断标准第3版(CCMD3)三大诊断标准，据此形成RTHD量表。

参见图3和图4，其所示为本实例中健康-疾病定量表(RTHD量表)的一种构成示例方案。该健康-疾病定量表(RTHD量表)包含21个分类，近4100个量化指标，能够有效实现全科疾病量化指标覆盖。

参见图2，本健康诊断模块220在具体实现时，针对信息采集模块210形成的量化目标对象健康档案，调取平台层100中基于RTHD量表所形成的诊断条件库124和诊断量表123，运用包括病症诊断、病程诊断、七轴诊断、排除诊断四类定量诊断方法，实现疾病诊断的逻辑计算判别诊断，再结合诊断样本库125，利用大数据人工智能技术对诊断结果进行回归判别，最终形成对应的诊断数据。

具体的，健康诊断模块220在运行时，读取信息采集模块210形成的量化目标对象健康档案，诊断量表以及对应的诊断条件库。

健康诊断模块220在读取到相应的数据后，开始执行条件库，基于条件库中相应的必要条件数据、多选条件数据以及判定排他条件数据相互配合来形成初步的诊断数据。

在此基础上，健康诊断模块220还进一步引入七轴诊断模型，该七轴诊断模型构建相应的七轴诊断模式，由此来进一步优化健康诊断模块220形成的诊断结果数据。

作为举例，这里的七轴诊断模型中构建的七轴诊断模式，包括：

轴1(X1)对应精神障碍的对比分析诊断模式；

轴2(X2)对应人格特征、人格障碍或人格改变的对比分析诊断模式；

轴3(X3)对应躯体疾病的对比分析诊断模式；

轴4(X4)对应疾病或障碍的相关因素的对比分析诊断模式；

轴5(X5)对应最重功能损害、目前功能损害与病前2年最佳功能水平的对比分析诊断模式；

轴6(X6)对应现状总评的对比分析诊断模式；

轴7(X7)对应诊断轴间的关系的对比分析诊断模式。

这里的七轴诊断模型在构建时，针对七轴诊断模式分别构建对应的数据模型来形成，即形成七轴的数据诊断模型。对于具体的构成方案，此处不加以限定，具体可根据实际需求而定。

参见图5，其所示为本健康诊断模块220完成新型冠状病毒(2019-nCoV)自动诊断的示例运行过程。

本业务层200中的诊疗报告模块230，其主要包括治疗建议单元231、护理建议单元232、诊疗报告单元233、病历标记单元234四大功能单元。

其中，治疗建议单元231与护理建议单元232单元，调用平台层中的治疗标准库133与护理标准库134中的相关标准数据，根据诊断结果自动形成诊疗报告。

再进一步的，本方案应用临床上，则可再由专业医生对诊疗报告数据进行最终确认；若应用于科研上，则可再利用大数据标签技术对病历进行标记，形成规范化、数字化的健康档案和电子病历库，进而将为信息采集、健康诊断聚集更多、更精准的问诊语料库和诊断样本库，最终实现全民健康医疗建档云平台搭建，服务社会精准医疗水平提升。

本平台系统中的应用层300基于人机交互界面程序构成，形成面向目标对象的终端应用界面。

作为举例，针对不同类别的目标对象，本应用层300可提供不同版面的人机交互界面，下面分布举例描述：

(1)大众版是面向普通民众的，具有普适性、人机交互友好、融入受诊者个性化服务场景的智能终端，具备信息采集、健康诊断全部功能，可输出基初健康报告，对疑似病病的受诊者给出合理建议；

(2)临床版是针对临床应用场景，具备信息采集、健康诊断全部功能和诊疗报告重要功能，侧重辅助临床医生准确、高效采集受诊者信息，自动书写规范的临床医学电子病历和诊断，帮助医生建档，减轻医生工作强度，加强医患沟通，提高医护质量；

(3)科研版是针对医学研究、科研教学应用场景，具备信息采集、健康诊断、诊疗报告的全部功能，侧重辅助科研医生对采集的健康档案、电子病历进行病历标记和样本训练分析，对问诊语料库、诊断问答库、诊断条件库和诊断样本库进行完善和补充。

(4)学习版是针对医科学生、临川医生模拟训练应用场景，具备信息采集、健康诊断全部功能和诊疗报告重要功能，自带样本数据，供学生进行模拟联系，生成数据采用临时离线库方式存储，定期清理。

本平台系统方案在具体实施时，还可提供以上应用场景对应的英文版，可供国际上其他国家、地区用于临床、科研和教学工作。

本平台系统中的终端层400是人机交互的物理载体，支持手机、PC、机器人、可穿戴智能设备.

作为举例，手机端主要针对互联网普通用户，通过手机APP形式进行健康咨询，采用问答式自助对话方式采集信息和在线诊断服务。

PC端主要用于临床和科研。

机器人主要用于医院、医疗康复机构及其他公众场合，机器人经过专门训练，支持对语音话式、情景问答、游戏公关等多种交互形式，使受检者感到如同一位经验丰富的医生亲切关心其个人健康或病情，自然而然心甘情愿地提供个人健康信息。

可穿戴智能设备主要用于体温，脉搏，呼吸，血压，意识状态等生命体征信息采集。

通过上述实例可知，本发明提供的基于RTHD、人工智能技术的医学病历建档方法及云平台系统方案，其基于RTHD量表(依据和融合了国际疾病分类(InternationalClassification of Diseases,ICD10)、美国精神疾病的诊断和统计手册(Diagnostic andStatistical Manual of Mental Disorders，DSM4)、中国精神障碍分类与诊断标准第3版(CCMD3)三大诊断标准形成)有效实现，覆盖全病种，可做到全科自动诊断。

本发明提供的基于RTHD、人工智能技术的医学病历建档方法及云平台系统方案以RTHD量表为标准，将专业医生的诊断方法用结构化逻辑模型表述出来，用这种方式将标准医学疾病的诊断逻辑封装成诊断条件库，健康诊断依据诊断条件库进行诊断。

本发明提供的基于RTHD、人工智能技术的医学病历建档方法及云平台系统方案深入融合人工智能、大数据、物联网等计算机前沿技术实现健康信息采集，提供问诊语料库、诊断问答库、诊断样本库等核心数据，与计算机技术结合，实现健康信息高效、准确采集，降低应用门槛。

本发明提供的基于RTHD、人工智能技术的医学病历建档方法及云平台系统方案将信息采集、健康诊断、诊疗报告核心业务处理过程中产生的数据以云平台方式进行管理存储，再借助人工智能技术对采集的健康档案、电子病历进行标记和训练，促进高质量的全民健康数据形成，实现肋力社会精准医疗水平提升。

本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (12)

1.基于RTHD、人工智能的医学病历建档方法，其特征在于，包括：

信息采集阶段：

通过智能识别目标对象获取包括表情在内的外观信息，构建针对性的交互场景，并通过智能对话完成对目标对象全面健康信息采集，且对采集信息进行语义识别和大数据分析，获取健康量化信息，据此自动建档量化，形成目标对象健康档案；

健康诊断阶段：

基于形成的目标对象健康档案，通过健康-疾病定量表进行全科的健康-疾病诊疗计算，形成健康诊断结果数据；

诊疗报告阶段：

基于对应健康疾病治疗与护理相关标准，根据健康诊断结果数据自动形成诊疗报告，针对诊疗报告数据对病历标记，形成数字化的健康档案和电子病历库。

2.根据权利要求1所述的医学病历建档方法，其特征在于，所述病历建档方法在进行信息采集时，包括：

智能识别目标对象获取包括表情在的外观信息；

选定对应自然对话话本，构建适合目标对象的有针对性的交互场景；

基于构建的交互场景进行智能对话，以预设的对话评定量表的行为准则，按照健康-疾病定量表条目规定，自动采集健康信息；

对采集健康信息进行语义识别和大数据分析，获取相应的健康量化信息；

基于得到的健康量化信息进行自动建档量化，形成受诊者健康档案。

3.根据权利要求1所述的医学病历建档方法，其特征在于，所述病历建档方法在进行健康诊断时，采用基于健康-疾病定量表(RTHD量表)所形成的诊断条件库，采用定量诊断方法，实现疾病的逻辑判别诊断操作，并形成健康诊断结果数据。

4.基于RTHD、人工智能的医学云平台系统，其特征在于，包括相互配合的平台层、业务层、应用层、终端层；

所述平台层中运行有技术组件、业务核心元数据和健康医疗档案；

所述业务层包括信息采集模块，健康诊断模块以及诊疗报告模块，

所述信息采集模块可通过智能识别目标对象获取包括表情在内的外观信息，构建针对性的交互场景，并通过智能对话完成对目标对象全面健康信息采集，且对采集信息进行语义识别和大数据分析，获取健康量化信息，据此自动建档量化，形成目标对象健康档案；

所述健康诊断模块基于所述信息采集模块形成的目标对象健康档案，通过健康-疾病定量表进行健康-疾病诊疗计算，形成健康诊断结果数据；

所述诊疗报告模块基于对应健康疾病治疗与护理相关标准，根据健康诊断结果数据自动形成诊疗报告，针对诊疗报告数据对病历标记，形成数字化的健康档案和电子病历库；

所述应用层运行在终端层，针对所述业务层构建人机交互。

5.根据权利要求4所述的医学云平台系统，其特征在于，所述平台层中的技术组件包括人脸识别组件、语音识别组件、IoT物联网组件。

6.根据权利要求4所述的医学云平台系统，其特征在于，所述平台层中的业务核心元数据包括问诊语料库、诊断问答库、诊断量表、诊断条件库、诊断样本库。

7.根据权利要求6所述的医学云平台系统，其特征在于，所述诊断量表融合ICD10、DSM4、CCMD3三大诊断标准，可用于对采集的健康信息进行量化，得到的量化后健康档案、电子病历可作为健康诊断的输入。

8.根据权利要求6所述的医学云平台系统，其特征在于，所述诊断条件库基于健康-疾病定量表来构建。

9.根据权利要求6所述的医学云平台系统，其特征在于，所述诊断条件库构建能够表述专业医生的诊断方法的结构化逻辑模型，以将标准医学疾病的诊断逻辑封装成能够覆盖全病种诊断的诊断条件库。

10.根据权利要求6所述的医学云平台系统，其特征在于，所述诊断样本库中的诊断样本经过标签标记。

11.根据权利要求4所述的医学云平台系统，其特征在于，所述信息采集模块包括场景识别单元、智能对话单元、物联采集单元、建档量化单元；

所述场景识别单元基于人脸识别目标对象获取包括表情在内的外观信息，并基于此构建适合目标对象的有针对性的交互场景；

所述智能对话单元基于场景识别单元所构建的交互场景下根据目标对象的身份完成智能对话，并在智能对话过程中对目标对象进行全面健康信息采集；

所述物联采集单元利用IoT物联网方式与可穿戴智能设备连接，实现对目标对象的生命体征测量数据获取；

所述建档量化单元，根据所述智能对话单元采集的信息，基于问诊语料库和诊断量表对采集信息进行语义识别和大数据分析，获取对应的健康量化信息，且连同所述物联采集单元采集的生命体征测量数据一起自动建档量化，形成受诊者健康档案。

12.根据权利要求6所述的医学云平台系统，其特征在于，所述健康诊断模块基于诊断条件库，运用包括病症诊断、病程诊断、七轴诊断、排除诊断四类定量诊断方法，进行疾病的逻辑计算判别诊断，再结合诊断样本库，对诊断结果进行回归判别，形成健康诊断结果数据。

Images