CN114496229A - 一种基于患者信息的个性化诊疗方案生成系统 - Google Patents
一种基于患者信息的个性化诊疗方案生成系统 Download PDFInfo
- Publication number
- CN114496229A CN114496229A CN202210104012.3A CN202210104012A CN114496229A CN 114496229 A CN114496229 A CN 114496229A CN 202210104012 A CN202210104012 A CN 202210104012A CN 114496229 A CN114496229 A CN 114496229A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- treatment
- data
- patient
- evaluation
- 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
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
- G16H50/20—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)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种基于患者信息的个性化诊疗方案生成系统,包括:病患信息生成模块:用于输入患者的体检数据,对所述体检数据进行分析管理,生成病患信息;病患模型构建模块:对所述病患信息进行病情数据识别,确定病患类别,并根据所述病患类别,提取病患特征,构建病患模型;诊疗方案模块:用于根据所述病患模型,进行诊疗匹配,生成诊疗预案,获取诊疗预案信息;诊疗评估模块:用于根据所述诊疗预案信息,进行诊疗评估,获取诊疗评估值,生成诊疗评估结果;通过管理病患信息,降低了患者和医疗人员处理数据的难度,通过构建病患模型,降低了病患诊疗方案生成的复杂度和生成效率,通过对诊疗方案进行评估,保障了诊疗方案的针对性和安全性。
Description
技术领域
本发明涉及大数据服务技术领域,特别涉及一种基于患者信息的个性化诊疗方案生成系统。
目前,随着我国的飞速发展,人民的生活水平获得极大的提高。这种情况下人们对健康越来越来关心起来。于是为迎合这种要求,目前在我国的大、中城市中,除了现有医院开设体检业务外,各类体检企业、部门也如雨后春笋般迅速发展起来。但是对体检结果的理解,现在我的身体状况怎样?有病吗?病情会发展吗?需要进行何种治疗吗?这是体检后萦绕人们头脑中的问题。一般情况下,是由体检单位给出体检结论。但是这种结论具有权威性吗?是否最接近客观事实吗?目前还很难准确回答这些问题。而现目前大多数医疗方案的研究围绕着医疗车和医疗远程设备控制,例如“基于Android平台的移动医疗系统的研究与设计-黎阳子”中提到对移动医疗系统加以安卓处理,实现通讯技术与医疗设备的完美结合,但其应用场景单一,针对的只是在部分不便就医、信号不好的地区。因此,我们提出一种基于患者信息的个性化诊疗方案生成系统。它基于人工智能、大数据、数据库技术,依靠我国70年来积累的各位医学专家、学者、民间疑难杂症救治高手的医案记录,建立起医学专家、学者、民间疑难杂症救治高手数据库。人们随时可将自己的体检成果输入智慧医疗网指挥平台,由人工智能针对人,对症在医学专家、学者、民间疑难杂症救治高手数据库中选择出最合适的医学专家、学者、民间疑难杂症救治高手中为这个人做出诊断结论和相应的治疗方案;提高主治医生以及医疗方案对病患的针对性和适用性,在合理分配医疗资源的基础上,提高了诊疗效率与诊疗积极性,也为不同地区不同病患种类的患者提供了更多痊愈机会;这样能达到最佳的经济和社会效果。
发明内容
本发明提供一种基于患者信息的个性化诊疗方案生成系统,用以解决无法针对每个人在不同的健康情况下,分别获得适合自己病患诊疗的个性化诊疗方案以及医生、专家与患者分配不均的情况。
本发明提供了一种基于患者信息的个性化诊疗方案生成系统,包括:
病患信息生成模块:用于输入患者的体检数据,对所述体检数据进行分析管理,生成病患信息;
病患模型构建模块:对所述病患信息进行病情数据识别,确定病患类别,并根据所述病患类别,提取病患特征,构建病患模型;
诊疗方案模块:用于根据所述病患模型,进行诊疗匹配,生成诊疗预案,获取诊疗预案信息;
诊疗评估模块:用于根据所述诊疗预案信息,进行诊疗评估,获取诊疗评估值,生成诊疗评估结果。
作为本技术方案的一种实施例,在于所述病患信息生成模块包括:
输入识别单元:用于患者输入体检数据,根据所述体检数据和预设的常规体检数据进行对比识别,生成体检数据占比值,并判断体检数据类别;其中,
所述体检数据类别包括:可诊断分析数据、不可诊断分析数据;
当所述体检数据占比值在预设范围内时,则所述体检数据为可诊断分析数据;
当所述体检数据占比值不在预设范围内时,则所述体检数据为不可诊断分析数据,结束数据输入,并进行二次数据检测。
作为本技术方案的一种实施例,在于所述病患信息生成模块还包括:
病患提取单元:用于对体检数据进行疾病数据筛选,获取筛选数据,并将所述筛选数据按照预设表单进行管理,生成病患信息;其中,
所述体检数据包括:健康数据、疾病数据;
所述疾病数据筛选通过将体检数据和预设疾病数据库中的对照表单进行疾病数据排查,筛选出体检数据中的疾病数据;
所述体检数据的数据类型为可诊断分析数据。
作为本技术方案的一种实施例,在于所述病患模型构建模块包括:
病情检测单元:用于对病患信息中的每个数据进行病情检测,获取病情检测信息;其中,
所述病情检测包括:数值异常的数据、无规则波动数据;其中,
所述无规则波动数据通过进行数据核对,获取无规则波动数据的数据有效率,并进行判断;其中,
当所述数据有效率在预设阈值范围内时,则进行数据统计处理;
当所述数据有效率不在预设阈值范围内时,则进行数据无效处理;
病患类别分析单元:根据所述病情检测信息,和预设的病患类别对照表进行对比分析,获取病情检测信息对应的病患类别。
作为本技术方案的一种实施例,在于所述病患模型构建模块还包括:
模型构建单元:用于根据病患类别,确认病患特征提取方法,根据所述病患特征提取方法对病患信息进行特征提取处理,获取特征数据,并根据所述特征数据,构建出病患模型;其中,
所述病患特征提取方法包括:特征数据过滤法、单变量差值法、特征方差法;
所述特征数据包括:定量特征数据、变量特征数据。
作为本技术方案的一种实施例,在于所述诊疗方案模块包括:
诊疗匹配单元:用于根据病患模型在预设的诊疗病患数据库中进行病患诊疗匹配,获取匹配信息;其中,
所述病患诊疗匹配包括:诊疗方法匹配、诊疗数据匹配;其中,
所述诊疗方法匹配用于为所述病患模型匹配对应的诊疗方法,获取病患诊疗方法数据;
根据所述诊疗数据匹配,在预设的诊疗方法数据库中,对病患诊疗方法数据进行匹配分析,计算出诊疗方法数据匹配值,并进行判断;其中,
当所述诊疗方法数据匹配值不在预设的阈值范围内时,则进行预设的诊疗匹配检查处理;
当所述诊疗方法数据匹配值在预设的阈值范围内时,进行专家检索匹配;其中;
所述专家检索匹配根据病患诊疗方法数据,检索对应的专家,并计算专家匹配度,获取专家检索列表;其中,
所述专家检索列表包括:专家姓名、专家编号、专家主治方向、专家诊疗履历、专家排序序号;其中,
所述专家排序序号,通过专家匹配度进行排序,并完成标号。
作为本技术方案的一种实施例,在于所述诊疗方案模块还包括:
诊疗预案单元:用于对匹配信息进行提取处理,获得提取数据,根据预设顺序,对所述提取数据进行排序整合,生成诊疗预案,并获取诊疗预案信息;其中,
所述诊疗预案信息包括:诊疗专家数据、诊疗设备信息、专家诊疗操作信息、诊疗操作对比度;
所述提取数据包括:病患诊疗方法数据、专家检索列表、专家诊疗操作信息;
所述排序整合包括以下步骤:
步骤S01:将所述病患诊疗方法数据进行操作数据筛选分析,获取诊疗操作数据;
步骤S02:根据所述诊疗操作数据和预设的操作设备对照表,确定诊疗设备,获取诊疗设备信息;
步骤S03:根据所述专家检索列表中的专家排序,依次将专家诊疗操作信息与所述诊疗设备信息进行对比,生成诊疗操作对比度,并进行判断;其中,
当所述诊疗操作对比度大于等于预设操作对比度时,则对比成功,选取当前专家,获取诊疗专家数据、完成整合,生成诊疗预案;
当所述诊疗操作对比度小于预设操作对比度时,则对比失败,选取下一位专家进行对比,直到对比成功或全部专家完成对比;其中,
当所述全部专家完成对比时,还未对比成功,则进行预设的人工介入处理。
作为本技术方案的一种实施例,在于所述诊疗评估模块包括:
待评估筛选单元:用于对诊疗预案信息进行待评估筛选处理,获取待评估值,并进行判断;其中,
所述待评估筛选处理包括:通过提取诊疗预案针对的病患信息,并将所述病患信息的病患类别与预设的筛选类别进行对照;其中,
当所述病患类别不在筛选类别范围内时,则当前诊疗预案不进行诊疗评估;
当所述病患类别在筛选类别范围内时,则对当前诊疗预案进行待评估值计算;其中,
所述待评估值计算包括:根据病患诊疗数据与预设的病患诊疗数据库数据进行类比计算,计算出待评估值,进行标记,并进行判断;其中,
所述病患诊疗数据包括:病患信息、专家诊疗操作信息、诊疗操作对比度;
当所述待评估值小于预设的待评估值时,则无需进行诊疗评估,标记为无需评估方案;
当所述待评估值大于等于预设待评估值时,则标记为需评估方案,并进行诊疗评估。
作为本技术方案的一种实施例,在于所述诊疗评估模块还包括:
诊疗评估单元:用于对需评估方案进行诊疗评估,获取评估数据,根据所述评估数据,对需评估方案进行诊疗判断,获取诊疗评估等级;其中,
所述诊疗评估包括:可行性评估、成功率评估、康复效果评估、诊疗时间评估;
所述评估数据包括:可行性数据、成功率、康复效果数据、诊疗时间数据;
所述诊疗判断包括:根据预设的评估数据区间表,分别对评估数据中的每一个数据进行对照,获取数据区间组,并根据所述数据区间组,计算出综合区间值,根据所述综合区间值,判断诊疗评估等级;其中,
所述数据区间组包括:可行性区间、成功率区间、康复效果区间、诊疗时间区间;
所述诊疗评估等级包括:一级诊疗、二级诊疗、三级诊疗、未定级诊疗;其中,
所述未定级诊疗需要进行诊疗紧急处理。
作为本技术方案的一种实施例,在于所述诊疗紧急处理包括:
通过对当前诊疗方案的数据区间组,进行区间筛查,获取未定区间数据;其中,
所述未定区间数据包括:未在可行性区间的数据、未在成功率区间的数据、未在康复效果区间的数据、未在诊疗时间区间的数据;
通过将所述未定区间数据进行未定分析,判断未定影响因素,生成诊疗补充方案;其中,
所述未定分析包括:未定高区间分析、未定低区间分析。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于患者信息的个性化诊疗方案生成系统的功能图;
图2为本发明实施例中一种基于患者信息的个性化诊疗方案生成系统中病患信息生成模块的功能图;
图3为本发明实施例中一种基于患者信息的个性化诊疗方案生成系统中病患模型构建模块的功能图;
图4为本发明实施例中一种基于患者信息的个性化诊疗方案生成系统中诊疗方案模块里排序整合的方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明通过病患模型构建模块,解决当平台上医生数量众多并且患者病况多种多样时,出现患者难以匹配到适合自己病情的主治医生,而构建病人的病患模型,提取病患特征,可以精准的匹配对应医生,此时会匹配多名医生,并计算匹配度,根据匹配度进行排序,实现病患情况与主治医生精准配对;通过诊疗方案模块,解决了在进行治疗前,患者不清楚治疗效果是什么样的,医生无法做到对每一个病人的每一种病患治疗效果进行分析和回答,通过诊疗方案模块,通过对以往方案治疗效果的大数据进行分析,得出诊疗预测数据;本发明着重强调了平衡医患资源,扩大医疗与病患的匹配范围,提高治疗的针对性和有效性。
本发明实施例提供了一种基于患者信息的个性化诊疗方案生成系统,包括:
病患信息生成模块:用于输入患者的体检数据,对所述体检数据进行分析管理,生成病患信息;
病患模型构建模块:对所述病患信息进行病情数据识别,确定病患类别,并根据所述病患类别,提取病患特征,构建病患模型;
诊疗方案模块:用于根据所述病患模型,进行诊疗匹配,生成诊疗预案,获取诊疗预案信息;
诊疗评估模块:用于根据所述诊疗预案信息,进行诊疗评估,获取诊疗评估值,生成诊疗评估结果;
上述技术方案的工作原理为:现阶段的医疗方案系统大多是大医院自用,将自己医院所有的医疗资源,根据患者的医疗需求进行调配,但受限于自身医院不同科室不同医疗方向发展的水平不同,面对种类繁多的患者医疗需求,也显得有些力不从心;另一方面的大型医疗平台局限于针对患者情况给予初步诊断,无法深入治疗和作出诊疗的具体分析;上述技术方案,如图1所示,个性化诊疗方案生成系统包括了:病患信息生成模块、病患模型构建模块、诊疗方案模块、诊疗评估模块这四大模块;通过在诊疗方案生成系统上,建立庞大的医疗库,通过将病人将体检信息上传至系统,然后自动生成病患信息,如果是健康的人将体检信息上传至系统,也会对其体检信息进行分析,诊断是否有疾病情况;再根据病患信息构建病患模型,构建病患模型是为了更快更好的生成诊疗方案,其中,需要对诊疗方案进行评估,得到方案评估结果;
上述技术方案的有益效果为:通过管理病患信息,降低了患者和医疗人员处理数据的难度,通过构建病患模型,降低了病患诊疗方案生成的复杂度,提高诊疗方案生成效率,通过对诊疗方案进行评估,极大保障了诊疗方案的针对性和安全性。
在一个实施例中,所述病患信息生成模块包括:
输入识别单元:用于患者输入体检数据,根据所述体检数据和预设的常规体检数据进行对比识别,生成体检数据占比值,并判断体检数据类别;其中,
所述体检数据类别包括:可诊断分析数据、不可诊断分析数据;
当所述体检数据占比值在预设范围内时,则所述体检数据为可诊断分析数据;
当所述体检数据占比值不在预设范围内时,则所述体检数据为不可诊断分析数据,结束数据输入,并进行二次数据检测;
上述技术方案的工作原理为:现有技术方案中通常将患者的体检数据以表格形式进行统计和呈现,而患者的这些数据会进行一步保存,保存至预设的数据库中,当患者再次去医院看病时,会将之前的数据再次提取,然后重新分析判断;上述技术方案中,如图2所示,病患信息生成模块由输入识别单元和病患提取单元组成,通过将患者输入的体检数据进行对比,生成占比值,先判断出体检数据是可诊断分析数据还是不可诊断分析数据,如果是健康数据那么为不可诊断分析,也无需进行诊疗方案的生成,除此之外也会出现占比值不在设定范围内的情况,则需要进行二次检测或者人工检测判断;
上述技术方案的有益效果为:通过对患者数据进行类别分析,极大提高了数据管理效率和诊疗方案生成的有效率。
在一个实施例中,所述病患信息生成模块还包括:
病患提取单元:用于对体检数据进行疾病数据筛选,获取筛选数据,并将所述筛选数据按照预设表单进行管理,生成病患信息;其中,
所述体检数据包括:健康数据、疾病数据;
所述疾病数据筛选通过将体检数据和预设疾病数据库中的对照表单进行疾病数据排查,筛选出体检数据中的疾病数据;
所述体检数据的数据类型为可诊断分析数据;
上述技术方案的工作原理为:现有技术方案中将患者的检查数据,录入到系统上之后,有新的诊疗动作就在后面添上,没有的话就保持不变,而现有技术方案中,对体检数据进行疾病数据筛选,按照预设表单管理筛选数据,其中,体检数据包括:健康数据、疾病数据;
上述技术方案的有益效果为:通过提取疾病数据,生成病患信息,为病患诊疗方案的生成提供了极大地便利性,同时对疾病数据的筛选,也提高了数据利用率。
在一个实施例中,所述病患模型构建模块包括:
病情检测单元:用于对病患信息中的每个数据进行病情检测,获取病情检测信息;其中,
所述病情检测包括:数值异常的数据、无规则波动数据;其中,
所述无规则波动数据通过进行数据核对,获取无规则波动数据的数据有效率,并进行判断;其中,
当所述数据有效率在预设阈值范围内时,则进行数据统计处理;
当所述数据有效率不在预设阈值范围内时,则进行数据无效处理;
病患类别分析单元:根据所述病情检测信息,和预设的病患类别对照表进行对比分析,获取病情检测信息对应的病患类别;
所述病情检测包括以下步骤:
步骤S10:提取病患信息中的病情样本,获取多段病情数据组 {λ1,λ2,…,λε},第一段病情数据组中对应的病情数据样本为 {α11,α12,…,α1r},建立病情方程ψ:
其中,γl为第l段病情数据组λl的影响系数,ε为多段病情数据组的总段数,且1≤ε,σ为多段病情误差参数;
步骤S20:分别对每个病情数据进行数据预测,获取预测组 {β1,β2,…,βr},建立病情数据差值方程ζ:
其中,βs为第s段病情数据组λs对应的预测数据,s为常数,且 1≤s≤ε,αsμ为第s段病情数据组λs中第μ个病情数据,μ为常数,且 1≤μ≤r,ρ为预测影响系数;
步骤S30:联立病情方程ψ和病情数据差值方程ζ,进行求解,计算出数据偏离值,并进行判断;其中,
当所述数据偏离值在预设范围内时,病情数据为常态病情数据;
当所述数据偏离值不在预设范围内时,病情数据为数值异常的数据;
上述技术方案的工作原理为:现有技术方案中通过医生拿着病人的初始体检数据,根据自己的从医学识和从医经验,给出病人诊断方案;而上述技术方案中,如图3所示,病患模型构建模块由病情检测单元、病患类别分析单元、模型构建单元组成,通过对病患信息中的每个数据进行病情检测,包括:数值异常的数据、无规则波动数据;通过对无规则波动数据进行数据核对,获取数据有效率,进行判断,当所述数据有效率在预设阈值范围内时,则进行数据统计处理,当所述数据有效率不在预设阈值范围内时,则进行数据无效处理,再根据病情检测信息,获取对应的病患类别;
上述技术方案的有益效果为:通过对病情进行有效监测,找出其中的数值异常和无规则波动数据,降低了模型出错风险,提高了建模安全性,通过判断病患类别,提高了病患模型建立效率。
在一个实施例中,所述病患模型构建模块还包括:
模型构建单元:用于根据病患类别,确认病患特征提取方法,根据所述病患特征提取方法对病患信息进行特征提取处理,获取特征数据,并根据所述特征数据,构建出病患模型;其中,
所述病患特征提取方法包括:特征数据过滤法、单变量差值法、特征方差法;
所述特征数据包括:定量特征数据、变量特征数据;
上述技术方案的工作原理为:根据病患类别,确认病患特征提取方法,包括:特征数据过滤法、单变量差值法、特征方差法,对病患信息进行特征提取处理,获取特征数据,包括:定量特征数据、变量特征数据,最后构建出病患模型;
上述技术方案的有益效果为:通过对特征数据进行过滤,极大提高了建模准确度和建模效率。
在一个实施例中,所述诊疗方案模块包括:
诊疗匹配单元:用于根据病患模型在预设的诊疗病患数据库中进行病患诊疗匹配,获取匹配信息;其中,
所述病患诊疗匹配包括:诊疗方法匹配、诊疗数据匹配;其中,
所述诊疗方法匹配用于为所述病患模型匹配对应的诊疗方法,获取病患诊疗方法数据;
根据所述诊疗数据匹配,在预设的诊疗方法数据库中,对病患诊疗方法数据进行匹配分析,计算出诊疗方法数据匹配值,并进行判断;其中,
当所述诊疗方法数据匹配值不在预设的阈值范围内时,则进行预设的诊疗匹配检查处理;
当所述诊疗方法数据匹配值在预设的阈值范围内时,进行专家检索匹配;其中;
所述专家检索匹配根据病患诊疗方法数据,检索对应的专家,并计算专家匹配度,获取专家检索列表;其中,
所述专家检索列表包括:专家姓名、专家编号、专家主治方向、专家诊疗履历、专家排序序号;其中,
所述专家排序序号,通过专家匹配度进行排序,并完成标号;
上述技术方案的工作原理为:现有技术方案中通过根据病人的体检信息,为病人开好单子,包括如何治疗、药品使用,是否手术,但这种诊疗方式的依据一般是来自医生的诊疗经验,但当前病人和上一个病人的具体情况差异是人力很难全面考虑到的,其大众适用性远强于个性化,而上述技术方案中,根据病患模型在预设的诊疗病患数据库中进行病患诊疗匹配,包括:诊疗方法匹配、诊疗数据匹配,根据诊疗数据匹配,在预设的诊疗方法数据库中,对病患诊疗方法数据进行匹配分析,计算出诊疗方法数据匹配值,并进行判断,当诊疗方法数据匹配值不在预设的阈值范围内时,则进行预设的诊疗匹配检查处理;当所述诊疗方法数据匹配值在预设的阈值范围内时,进行专家检索匹配,就是根据病患诊疗方法数据,检索对应的专家,并计算专家匹配度,获取专家检索列表,包括:专家姓名、专家编号、专家主治方向、专家诊疗履历、专家排序序号;
上述技术方案的有益效果为:通过根据病患情况进行诊疗匹配,提高了诊疗针对性,以及对病患情况考虑的全面画,极大提高了诊疗有效率。
在一个实施例中,所述诊疗方案模块还包括:
诊疗预案单元:用于对匹配信息进行提取处理,获得提取数据,根据预设顺序,对所述提取数据进行排序整合,生成诊疗预案,并获取诊疗预案信息;其中,
所述诊疗预案信息包括:诊疗专家数据、诊疗设备信息、专家诊疗操作信息、诊疗操作对比度;
所述提取数据包括:病患诊疗方法数据、专家检索列表、专家诊疗操作信息;
所述排序整合包括以下步骤:
步骤S01:将所述病患诊疗方法数据进行操作数据筛选分析,获取诊疗操作数据;
步骤S02:根据所述诊疗操作数据和预设的操作设备对照表,确定诊疗设备,获取诊疗设备信息;
步骤S03:根据所述专家检索列表中的专家排序,依次将专家诊疗操作信息与所述诊疗设备信息进行对比,生成诊疗操作对比度,并进行判断;其中,
当所述诊疗操作对比度大于等于预设操作对比度时,则对比成功,选取当前专家,获取诊疗专家数据、完成整合,生成诊疗预案;
当所述诊疗操作对比度小于预设操作对比度时,则对比失败,选取下一位专家进行对比,直到对比成功或全部专家完成对比;其中,
当所述全部专家完成对比时,还未对比成功,则进行预设的人工介入处理;
上述技术方案的工作原理为:与现有技术方案中对病患信息基本上进行初步诊疗,或者是对于某个方向的病患情况可以做出很深的诊疗方案,但其具有很大的局限性;上述技术方案中,如图4所示,图4介绍了排序整合的流程,通过对匹配信息进行提取处理,获得提取数据,包括:病患诊疗方法数据、专家检索列表、专家诊疗操作信息,根据预设顺序,对提取数据进行排序整合,排序整合首先将病患诊疗方法数据进行操作数据筛选分析,获取诊疗操作数据,再根据诊疗操作数据和预设的操作设备对照表,确定诊疗设备,获取诊疗设备信息,接下来,根据专家检索列表中的专家排序,依次将专家诊疗操作信息与所述诊疗设备信息进行对比,生成诊疗操作对比度,并进行判断,当诊疗操作对比度大于等于预设操作对比度时,则对比成功,选取当前专家,获取诊疗专家数据、完成整合,生成诊疗预案;当诊疗操作对比度小于预设操作对比度时,则对比失败,选取下一位专家进行对比,直到对比成功或全部专家完成对比,最后生成诊疗预案,并获取诊疗预案信息,包括:诊疗专家数据、诊疗设备信息、专家诊疗操作信息、诊疗操作对比度;
上述技术方案的有益效果为:通过诊疗预案的生成,对个性化诊疗方案的具体生成提供了强力保障,并提高了个性化诊疗方案的生成效率。
在一个实施例中,所述诊疗评估模块包括:
待评估筛选单元:用于对诊疗预案信息进行待评估筛选处理,获取待评估值,并进行判断;其中,
所述待评估筛选处理包括:通过提取诊疗预案针对的病患信息,并将所述病患信息的病患类别与预设的筛选类别进行对照;其中,
当所述病患类别不在筛选类别范围内时,则当前诊疗预案不进行诊疗评估;
当所述病患类别在筛选类别范围内时,则对当前诊疗预案进行待评估值计算;其中,
所述待评估值计算包括:根据病患诊疗数据与预设的病患诊疗数据库数据进行类比计算,计算出待评估值,进行标记,并进行判断;其中,
所述病患诊疗数据包括:病患信息、专家诊疗操作信息、诊疗操作对比度;
当所述待评估值小于预设的待评估值时,则无需进行诊疗评估,标记为无需评估方案;
当所述待评估值大于等于预设待评估值时,则标记为需评估方案,并进行诊疗评估;
上述技术方案的工作原理为:现有技术方案中医生对患者进行诊断治疗后,会根据以往经验和对患者持续的疗后观察判断这次的治疗方案效果到底如何,这样诊疗方案效果有很强的滞后性,而上述技术方案中通过对诊疗预案信息进行待评估筛选处理,包括:通过提取诊疗预案针对的病患信息,并将所述病患信息的病患类别与预设的筛选类别进行对照,当病患类别不在筛选类别范围内时,则当前诊疗预案不进行诊疗评估;当病患类别在筛选类别范围内时,则对当前诊疗预案进行待评估值计算获取待评估值,评估值计算包括:根据病患诊疗数据,病患诊疗数据包括:病患信息、专家诊疗操作信息、诊疗操作对比度,与预设的病患诊疗数据库数据进行类比计算,计算出待评估值,进行标记,并进行判断,当待评估值小于预设的待评估值时,则无需进行诊疗评估,标记为无需评估方案;当待评估值大于等于预设待评估值时,则标记为需评估方案,并进行诊疗评估;其中,
所述诊疗评估包括以下步骤:
步骤一:根据预设数据类别,提取诊疗方案中待评估数据,生成待评估数据组{a1,a2,…,aj},根据不同的评估标准,获取评估标准组{b1,b2,…,bi},构建诊疗评估矩阵P:
其中,p11为在评估标准为b1的情况下,对待评估数据a1的评估值;p12为在评估标准为b1的情况下,对待评估数据a2的评估值;p1j为在评估标准为b1的情况下,对待评估数据aj的评估值;p21为在评估标准为b2的情况下,对待评估数据a1的评估值;p22为在评估标准为b2的情况下,对待评估数据a2的评估值;p2j为在评估标准为b2的情况下,对待评估数据aj的评估值;pi1为在评估标准为bi的情况下,对待评估数据a1的评估值;pi2为在评估标准为bi的情况下,对待评估数据 a2的评估值;pij为在评估标准为bi的情况下,对待评估数据aj的评估值;i,j为常数,且1<i,j,所述待评估数据组包括但不限于:可行性数据、成功率、康复效果数据、诊疗时间数据;
步骤二:根据诊疗评估矩阵P,计算出每一种评估标准分别对每一个待评估数据的评估均值P0:
其中,P1为第一评估值,p1m为在评估标准为b1的情况下,对待评估数据am的评估值;其中m为常数,且1≤m≤j;P2为第二评估值,p2m为在评估标准为b2的情况下,对待评估数据am的评估值;Pi为第i评估值,pim为在评估标准为bi的情况下,对待评估数据am的评估值;i为评估标准数,θ为评估均值影响参数;
步骤三:根据所述评估均值P0,求解诊疗评估函数F:
其中,Pn为第n评估值,n为常数,且1≤n≤i,t为评估均值影响指数,Pnm为在评估标准为bn的情况下,对待评估数据am的评估值,Ω为诊疗评估第一影响参数,κ为诊疗评估第二影响参数;
通过对诊疗评估函数F进行求解,获得诊疗方案值;
上述技术方案的有益效果为:通过对生成的个性化诊疗方案进行是否需要评估的判断,提高了评估效率,减少了评估浪费时间,也为其正常参与评估提供了基础,提高了正式评估的效率。
在一个实施例中,所述诊疗评估模块还包括:
诊疗评估单元:用于对需评估方案进行诊疗评估,获取评估数据,根据所述评估数据,对需评估方案进行诊疗判断,获取诊疗评估等级;其中,
所述诊疗评估包括:可行性评估、成功率评估、康复效果评估、诊疗时间评估;
所述评估数据包括:可行性数据、成功率、康复效果数据、诊疗时间数据;
所述诊疗判断包括:根据预设的评估数据区间表,分别对评估数据中的每一个数据进行对照,获取数据区间组,并根据所述数据区间组,计算出综合区间值,根据所述综合区间值,判断诊疗评估等级;其中,
所述数据区间组包括:可行性区间、成功率区间、康复效果区间、诊疗时间区间;
所述诊疗评估等级包括:一级诊疗、二级诊疗、三级诊疗、未定级诊疗;其中,
所述未定级诊疗需要进行诊疗紧急处理;
上述技术方案的工作原理为:通过对需评估方案进行诊疗评估,包括:可行性评估、成功率评估、康复效果评估、诊疗时间评估,获取评估数据,包括:可行性数据、成功率、康复效果数据、诊疗时间数据,再对需评估方案进行诊疗判断,包括:根据预设的评估数据区间表,分别对评估数据中的每一个数据进行对照,获取数据区间组,并根据数据区间组,计算出综合区间值,包括:可行性区间、成功率区间、康复效果区间、诊疗时间区间,最后判断诊疗评估等级,包括:一级诊疗、二级诊疗、三级诊疗、未定级诊疗;
上述技术方案的有益效果为:通过对诊疗方案进行评估,并对诊疗方案进行评级,通过评级直观反应出当前诊疗方案的适用情况,极大提高了诊疗方案的针对性与安全性。
在一个实施例中,所述诊疗紧急处理包括:
通过对当前诊疗方案的数据区间组,进行区间筛查,获取未定区间数据;其中,
所述未定区间数据包括:未在可行性区间的数据、未在成功率区间的数据、未在康复效果区间的数据、未在诊疗时间区间的数据;
通过将所述未定区间数据进行未定分析,判断未定影响因素,生成诊疗补充方案;其中,
所述未定分析包括:未定高区间分析、未定低区间分析;
上述技术方案的工作原理为:现有技术方案中通常在对患者进行诊疗方案生成就结束了,当治疗过后患者出现了其他问题时,才后知后觉得进行补救,时效性过差,并且有很高的补救成本,而上述技术方案中,通过对当前诊疗方案的数据区间组,进行区间筛查,获取未定区间数据,包括:未在可行性区间的数据、未在成功率区间的数据、未在康复效果区间的数据、未在诊疗时间区间的数据,通过将未定区间数据进行未定分析,包括:未定高区间分析、未定低区间分析,最后判断未定影响因素,生成诊疗补充方案;
上述技术方案的有益效果为:通过对个性化诊疗方案的补充,极大提高了诊疗的高效性,提高了对患者的保护力度,增强了诊疗效果。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于患者信息的个性化诊疗方案生成系统,包括:
病患信息生成模块:用于输入患者的体检数据,对所述体检数据进行分析管理,生成病患信息;
病患模型构建模块:对所述病患信息进行病情数据识别,确定病患类别,并根据所述病患类别,提取病患特征,构建病患模型;
诊疗方案模块:用于根据所述病患模型,进行诊疗匹配,生成诊疗预案,获取诊疗预案信息;
诊疗评估模块:用于根据所述诊疗预案信息,进行诊疗评估,获取诊疗评估值,生成诊疗评估结果。
2.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述病患信息生成模块包括:
输入识别单元:用于患者输入体检数据,根据所述体检数据和预设的常规体检数据进行对比识别,生成体检数据占比值,并判断体检数据类别;其中,
所述体检数据类别包括:可诊断分析数据、不可诊断分析数据;
当所述体检数据占比值在预设范围内时,则所述体检数据为可诊断分析数据;
当所述体检数据占比值不在预设范围内时,则所述体检数据为不可诊断分析数据,结束数据输入,并进行二次数据检测。
3.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述病患信息生成模块还包括:
病患提取单元:用于对体检数据进行疾病数据筛选,获取筛选数据,并将所述筛选数据按照预设表单进行管理,生成病患信息;其中,
所述体检数据包括:健康数据、疾病数据;
所述疾病数据筛选通过将体检数据和预设疾病数据库中的对照表单进行疾病数据排查,筛选出体检数据中的疾病数据;
所述体检数据的数据类型为可诊断分析数据。
4.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述病患模型构建模块包括:
病情检测单元:用于对病患信息中的每个数据进行病情检测,获取病情检测信息;其中,
所述病情检测包括:数值异常的数据、无规则波动数据;其中,
所述无规则波动数据通过进行数据核对,获取无规则波动数据的数据有效率,并进行判断;其中,
当所述数据有效率在预设阈值范围内时,则进行数据统计处理;
当所述数据有效率不在预设阈值范围内时,则进行数据无效处理;
病患类别分析单元:根据所述病情检测信息,和预设的病患类别对照表进行对比分析,获取病情检测信息对应的病患类别。
5.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述病患模型构建模块还包括:
模型构建单元:用于根据病患类别,确认病患特征提取方法,根据所述病患特征提取方法对病患信息进行特征提取处理,获取特征数据,并根据所述特征数据,构建出病患模型;其中,
所述病患特征提取方法包括:特征数据过滤法、单变量差值法、特征方差法;
所述特征数据包括:定量特征数据、变量特征数据。
6.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述诊疗方案模块包括:
诊疗匹配单元:用于根据病患模型在预设的诊疗病患数据库中进行病患诊疗匹配,获取匹配信息;其中,
所述病患诊疗匹配包括:诊疗方法匹配、诊疗数据匹配;其中,
所述诊疗方法匹配用于为所述病患模型匹配对应的诊疗方法,获取病患诊疗方法数据;
根据所述诊疗数据匹配,在预设的诊疗方法数据库中,对病患诊疗方法数据进行匹配分析,计算出诊疗方法数据匹配值,并进行判断;其中,
当所述诊疗方法数据匹配值不在预设的阈值范围内时,则进行预设的诊疗匹配检查处理;
当所述诊疗方法数据匹配值在预设的阈值范围内时,进行专家检索匹配;其中;
所述专家检索匹配根据病患诊疗方法数据,检索对应的专家,并计算专家匹配度,获取专家检索列表;其中,
所述专家检索列表包括:专家姓名、专家编号、专家主治方向、专家诊疗履历、专家排序序号;其中,
所述专家排序序号,通过专家匹配度进行排序,并完成标号。
7.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述诊疗方案模块还包括:
诊疗预案单元:用于对匹配信息进行提取处理,获得提取数据,根据预设顺序,对所述提取数据进行排序整合,生成诊疗预案,并获取诊疗预案信息;其中,
所述诊疗预案信息包括:诊疗专家数据、诊疗设备信息、专家诊疗操作信息、诊疗操作对比度;
所述提取数据包括:病患诊疗方法数据、专家检索列表、专家诊疗操作信息;
所述排序整合包括以下步骤:
步骤S01:将所述病患诊疗方法数据进行操作数据筛选分析,获取诊疗操作数据;
步骤S02:根据所述诊疗操作数据和预设的操作设备对照表,确定诊疗设备,获取诊疗设备信息;
步骤S03:根据所述专家检索列表中的专家排序,依次将专家诊疗操作信息与所述诊疗设备信息进行对比,生成诊疗操作对比度,并进行判断;其中,
当所述诊疗操作对比度大于等于预设操作对比度时,则对比成功,选取当前专家,获取诊疗专家数据、完成整合,生成诊疗预案;
当所述诊疗操作对比度小于预设操作对比度时,则对比失败,选取下一位专家进行对比,直到对比成功或全部专家完成对比;其中,
当所述全部专家完成对比时,还未对比成功,则进行预设的人工介入处理。
8.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述诊疗评估模块包括:
待评估筛选单元:用于对诊疗预案信息进行待评估筛选处理,获取待评估值,并进行判断;其中,
所述待评估筛选处理包括:通过提取诊疗预案针对的病患信息,并将所述病患信息的病患类别与预设的筛选类别进行对照;其中,
当所述病患类别不在筛选类别范围内时,则当前诊疗预案不进行诊疗评估;
当所述病患类别在筛选类别范围内时,则对当前诊疗预案进行待评估值计算;其中,
所述待评估值计算包括:根据病患诊疗数据与预设的病患诊疗数据库数据进行类比计算,计算出待评估值,进行标记,并进行判断;其中,
所述病患诊疗数据包括:病患信息、专家诊疗操作信息、诊疗操作对比度;
当所述待评估值小于预设的待评估值时,则无需进行诊疗评估,标记为无需评估方案;
当所述待评估值大于等于预设待评估值时,则标记为需评估方案,并进行诊疗评估。
9.如权利要求1所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述诊疗评估模块还包括:
诊疗评估单元:用于对需评估方案进行诊疗评估,获取评估数据,根据所述评估数据,对需评估方案进行诊疗判断,获取诊疗评估等级;其中,
所述诊疗评估包括:可行性评估、成功率评估、康复效果评估、诊疗时间评估;
所述评估数据包括:可行性数据、成功率、康复效果数据、诊疗时间数据;
所述诊疗判断包括:根据预设的评估数据区间表,分别对评估数据中的每一个数据进行对照,获取数据区间组,并根据所述数据区间组,计算出综合区间值,根据所述综合区间值,判断诊疗评估等级;其中,
所述数据区间组包括:可行性区间、成功率区间、康复效果区间、诊疗时间区间;
所述诊疗评估等级包括:一级诊疗、二级诊疗、三级诊疗、未定级诊疗;其中,
所述未定级诊疗需要进行诊疗紧急处理。
10.如权利要求9所述的一种基于患者信息的个性化诊疗方案生成系统,其特征在于,所述诊疗紧急处理包括:
通过对当前诊疗方案的数据区间组,进行区间筛查,获取未定区间数据;其中,
所述未定区间数据包括:未在可行性区间的数据、未在成功率区间的数据、未在康复效果区间的数据、未在诊疗时间区间的数据;
通过将所述未定区间数据进行未定分析,判断未定影响因素,生成诊疗补充方案;其中,
所述未定分析包括:未定高区间分析、未定低区间分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104012.3A CN114496229A (zh) | 2022-01-28 | 2022-01-28 | 一种基于患者信息的个性化诊疗方案生成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104012.3A CN114496229A (zh) | 2022-01-28 | 2022-01-28 | 一种基于患者信息的个性化诊疗方案生成系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114496229A true CN114496229A (zh) | 2022-05-13 |
Family
ID=81475887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210104012.3A Pending CN114496229A (zh) | 2022-01-28 | 2022-01-28 | 一种基于患者信息的个性化诊疗方案生成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114496229A (zh) |
-
2022
- 2022-01-28 CN CN202210104012.3A patent/CN114496229A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110391013B (zh) | 一种基于语义向量构建神经网络预测心理健康的系统和装置 | |
CN106897570A (zh) | 一种基于机器学习的慢性阻塞性肺疾病测试系统 | |
CN111191415A (zh) | 基于原始手术数据的手术分类编码方法 | |
CN112117002A (zh) | 结合虚拟现实技术的新型智能化心理评估干预系统、方法 | |
CN115205601A (zh) | 一种基于人工智能与知识图谱的医学检验结果审核系统 | |
CN111524570A (zh) | 一种基于机器学习的超声随访患者筛选方法 | |
CN111145902A (zh) | 一种基于改进人工神经网络的哮喘病诊断方法 | |
JP7365747B1 (ja) | 階層図ニューラルネットワークに基づく疾患診療過程異常識別システム | |
CN114496229A (zh) | 一种基于患者信息的个性化诊疗方案生成系统 | |
CN116543154A (zh) | 一种基于多层次语义特征的医学影像分割方法 | |
CN116110542A (zh) | 一种基于可信多视图的数据分析方法 | |
CN113033845B (zh) | 一种电力传输资源共建共享的建设方法及装置 | |
Tabaa et al. | Covid-19’s rapid diagnosis open platform based on X-ray imaging and deep learning | |
CN112562854A (zh) | 一种高龄人员精准医疗关怀服务推荐方法及系统 | |
CN111311175A (zh) | 评残条款智能预测方法、装置、计算机设备及存储介质 | |
CN111696677A (zh) | 利用医疗大数据支撑临床科研的信息管理系统 | |
CN117379009B (zh) | 一种社区老年人群心脑血管急危重症预警监测系统 | |
AU2021102832A4 (en) | System & method for automatic health prediction using fuzzy based machine learning | |
CN116313021B (zh) | 医院诊疗管理系统及方法 | |
CN117084683B (zh) | 一种技术人员心理状态监测评估方法及系统 | |
CN111640499A (zh) | 一种基于互联网的老年人慢性病管理评估系统 | |
RU2723674C1 (ru) | Способ прогнозирования диагноза на основе обработки данных, содержащих медицинские знания | |
CN113782140B (zh) | 基于机器学习的诊疗策略确定方法、装置、设备及介质 | |
CN117912715A (zh) | 一种基于知识融合网络的传染病预测方法及系统 | |
CN114864023A (zh) | 一种基于大数据的病案管理方法及系统 |
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 |