CN115148350A - 一种面向中西医结合的痛风智能辅助诊疗系统 - Google Patents
一种面向中西医结合的痛风智能辅助诊疗系统 Download PDFInfo
- Publication number
- CN115148350A CN115148350A CN202210706164.0A CN202210706164A CN115148350A CN 115148350 A CN115148350 A CN 115148350A CN 202210706164 A CN202210706164 A CN 202210706164A CN 115148350 A CN115148350 A CN 115148350A
- Authority
- CN
- China
- Prior art keywords
- gout
- diagnosis
- treatment
- module
- knowledge
- 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.)
- Withdrawn
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 93
- 238000011282 treatment Methods 0.000 title claims abstract description 87
- 201000005569 Gout Diseases 0.000 title claims abstract description 77
- 239000003814 drug Substances 0.000 title claims abstract description 62
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 238000013500 data storage Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 27
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 20
- 208000024891 symptom Diseases 0.000 claims description 16
- 201000010099 disease Diseases 0.000 claims description 15
- 208000011580 syndromic disease Diseases 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 4
- 210000002966 serum Anatomy 0.000 claims description 4
- 208000006820 Arthralgia Diseases 0.000 claims description 3
- 206010023232 Joint swelling Diseases 0.000 claims description 3
- 239000012567 medical material Substances 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 229940126673 western medicines Drugs 0.000 claims description 2
- 229940126680 traditional chinese medicines Drugs 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 206010018634 Gouty Arthritis Diseases 0.000 description 2
- 201000001431 Hyperuricemia Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229940127554 medical product Drugs 0.000 description 1
- NAFSTSRULRIERK-UHFFFAOYSA-M monosodium urate Chemical group [Na+].N1C([O-])=NC(=O)C2=C1NC(=O)N2 NAFSTSRULRIERK-UHFFFAOYSA-M 0.000 description 1
- 239000000041 non-steroidal anti-inflammatory agent Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
Abstract
本发明公开了一种面向中西医结合的痛风智能辅助诊疗系统，涉及智能医疗领域。所述的智能辅助诊疗系统包括知识提取模块，辅助诊断推理模块，评估反馈模块和数据存储模块。所述的知识提取模块负责构造痛风知识图谱。辅助诊断推理模块负责结合历史标注数据学习预测模型，用于推理诊断，预测患者痛风病程阶段，并推荐治疗方案。评估反馈模块负责对诊治效果进行评估，用于反馈强化辅助诊疗系统，提高系统的智能化水平。数据存储模块负责存储整个系统各环节的数据。本发明考虑了痛风的复杂性，挖掘多层次的痛风相关知识，联合中西医进行诊断预测，并构建反馈增强模块，大大提高痛风辅助诊疗系统的可靠性和智能化程度。
Description
技术领域
本发明涉及痛风智能辅助诊疗领域，具体涉及一种面向中西医结合的痛风智能辅助诊疗系统。
背景技术
随着科技的发展，人们迫切期望将大数据技术和人工智能技术引入医疗领域，为医疗行业赋能。现阶段针对专病研发相应的智能医疗产品具有更切实的意义，通过收集专家知识、构建智能系统，即可以提升专病的医疗水平，也可以进一步促进相关研究。
痛风是一种由单钠尿酸盐晶体(痛风石)沉积在关节和非关节结构中引起的，间歇性发作的慢性可治疗疾病。痛风的自然病程可分为3个阶段：①无症状性高尿酸血症；②急性痛风性关节炎反复发作，间歇期无症状；③慢性痛风性关节炎，通常此阶段有明显的痛风石。血清尿酸盐浓度升高(高尿酸血症)是痛风发展的最重要危险因素。美国、欧洲以及国内风湿病协会制定了多部痛风诊疗指南，指导临床应用降尿酸药以及抗炎镇痛药进行治疗。其缺点在于副作用和并发症较多。有研究表明，中医药配合西药治疗痛风时具有增效减毒的独特优势。但是由于缺乏经验丰富的中医专家，痛风中西医结合治疗方案还未得到广泛应用。
鉴于痛风当前严峻的诊疗形势，迫切需要构建专业的智能辅助诊疗系统。针对痛风治疗构建智能辅助诊疗系统面临诸多挑战：一是，缺少直接可借鉴和使用的智能诊疗系统架构；二是，痛风相关中医药典籍繁多，缺乏简单可行的诊疗指南，知识提取困难；三是，单纯的中医诊疗手段已经难以适应现代化医疗发展需求，如何在智能系统中有机的将中西医结合起来是难点。
通过引入人工智能技术，构建痛风智能辅助诊疗系统，可以减少对相关中医专家的依赖程度，提高痛风诊疗水平，同时为痛风中药治疗相关研究提供支撑，具有十分重要的实际应用价值和理论意义。
发明内容
本发明提出了一种面向中西医结合的痛风智能辅助诊疗系统，使得用户(医生)输入患者症状快速得到诊断结果和推荐治疗方案，且能够对患者治疗后效果进行持续跟踪评估，通过强化学习增强系统智能化水平。
本发明所述的面向中西医结合的痛风智能辅助诊疗系统主要包括以下几个模块：知识提取模块，辅助诊断推理模块，评估反馈模块和数据存储模块。所述的知识提取模块负责提取现有古籍、中外文文献、治疗指南中的相关信息，构造痛风知识图谱。辅助诊断推理模块，包括离线训练和在线使用两个部分，在离线训练阶段利用标注的医疗数据和知识图谱，训练得到预测模型，特别的通过对痛风病程分期划分，实现不同时期的精细化预测；在线使用部分，输入患者病症及西医检测结果，进行推理诊断，预测患者痛风病程阶段，推荐治疗方案，并输出数据库中相似度最高的治疗案例。评估反馈模块，负责收集专家诊断建议以及后期对患者治疗效果的收集，根据专家知识以及治疗评估结果，通过强化学习的手段，对诊断推理模块中的学习模型进行调整。数据存储模块负责存储整个系统所需及产生的数据，主要包括三个方面，知识提取模块中相关的文献(语料)资源及知识图谱；辅助诊断推理模块中所需要的训练数据，以及其产生预测模型文件；评估反馈模块中，对新患者情况输入数据、专家诊断结果、以及治后评估数据等。
一种面向中西医结合的痛风智能辅助诊疗系统，包括：
知识提取模块，负责提取现有古籍、中外文文献、治疗指南中的相关信息，构造痛风知识图谱；
辅助诊断推理模块，包括离线训练和在线使用两个部分，在离线训练阶段利用标注的医疗数据和知识图谱，训练得到预测模型；在线使用部分，输入患者病症及西医检测结果，进行推理诊断，预测患者痛风病程阶段，推荐治疗方案，并输出数据库中相似度最高的治疗案例；
评估反馈模块，负责收集专家诊断建议以及后期对患者治疗效果的收集，根据专家知识以及治疗评估结果，通过强化学习的手段，对所述辅助诊断推理模块中的预测模型进行调整；
数据存储模块，负责存储整个系统所需及产生的数据，包括知识提取模块中相关的文献资源及知识图谱；辅助诊断推理模块中所需要的训练数据，以及其产生预测模型文件；评估反馈模块中，对新患者情况输入数据、专家诊断结果以及治后评估数据。
所述的知识提取模块包括文献知识提取、专家知识提取和指南知识提取。
所述的预测推理模块包括离线学习训练、相似病例展示、分级诊断输出和中药药方推荐。
所述的评估反馈模块包括专家复诊诊断反馈和治疗效果评估反馈。
所述的数据存储模块包括知识图谱存储、训练模型存储和原始数据存储。
负责提取现有古籍、中外文文献、治疗指南中的相关信息，构造痛风知识图谱，具体包括：
模式层，由中医专家定义本体类型，包括命名实体分类和实体关系分类；
数据层，对提取的电子病历数据进行人工标注，利用标注好的样本，使用序列标注算法，进行电子病历的自动标注，识别出医学材料中的实体和实体关系，然后保存到数据库中。
所述的辅助诊断推理模块中的预测模型通过对痛风病程分期划分。
辅助诊断推理模块中，离线训练阶段，预测模型是经过对包含输入症状-病性证素-病位证素的数据集进行训练而得到的；
在线使用阶段，一方面，输入患者数据，使用关键字、同义词匹配及语义理解技术提取血清尿酸盐浓度、关节肿痛部位及数量临床表现用于判断痛风病程分期的信息，以及中医症状信息，基于提取到的信息，评估痛风病程分期，匹配该时期的基本诊疗方案；另一方面，根据中医症状，使用预测模型进行病性、病位的证素预测，证素根据判断出的证素查找痛风知识图谱，使用痛风知识图谱推理给出中医药物；最后将基本诊疗方案和痛风知识图谱推理得出的药物结合，形成推荐的诊疗方案。
本发明中，所述的智能辅助诊疗系统包括知识提取模块，辅助诊断推理模块，评估反馈模块和数据存储模块。所述的知识提取模块负责构造痛风知识图谱。辅助诊断推理模块负责结合历史标注数据学习预测模型，用于推理诊断，预测患者痛风病程阶段，并推荐治疗方案。评估反馈模块负责对诊治效果进行评估，用于反馈强化辅助诊疗系统，提高系统的智能化水平。数据存储模块负责存储整个系统各环节的数据。本发明考虑了痛风的复杂性，挖掘多层次的痛风相关知识，联合中西医进行诊断预测，并构建反馈增强模块，大大提高痛风辅助诊疗系统的可靠性和智能化程度。
与现有技术相比，本发明具有如下优点：
(1)针对痛风复杂的问题，从多个层次进行知识挖掘，主要包括中医古籍、中外相关文献、以及专家知识；(2)在构建诊断推理系统时，一方面根据现有的医疗数据将痛风病程分为不同时期，实现分期精细化预测；另一方面联合中医症状表征和西医检测结果进行预测模型的学习训练，进一步提高模型预测准确率；此外，除了输出诊断结果以外，还建立相似度匹配模型，输出历史病例中相似的治疗案例；(3)建立反馈评估机制，根据专家诊断结合和后期跟踪评估，利用新患者治疗数据增强系统的智能化程度。
附图说明
图1为本发明面向中西医结合的痛风智能辅助诊疗系统各模块组成示意图；
图2为本发明各模块关系示意图；
图3为知识图谱构建示意图；
图4为知识图谱展示示例；
图5为预测推理模块工作流程示意图。
具体实施方式
下面结合附图和实施例对本发明面向中西医结合的痛风智能辅助诊疗系统进行详细说明。
(1)系统总体结构。
在新时代背景下，基于人工智能的痛风诊疗决策支持系统仍属于空白，迫切需要构建此类系统以指导青年医师及基层医师更加准确地诊治痛风，提高其临床疗效，推动相关研究。为此，本发明提出一种面向中西医结合的痛风智能辅助诊疗系统，如图1所示，所述系统包括知识提取模块，辅助诊断推理模块，评估反馈模块和数据存储模块。数据存储模块包括知识图谱存储、训练模型存储、原始数据存储。知识提取模块包括文献知识提取、专家知识提取和指南知识提取。预测推理模块包括离线学习训练、相似病例展示、分级诊断输出、中药药方推荐。评估反馈模块即反馈增强模块包括专家复诊诊断反馈和治疗效果评估反馈。
各个模块的关系及主要使用流程示意图如图2所示。知识提取模块利用多层次信息构建痛风知识图谱，并进行存储，作为后续模块的先验知识。预测推理模块是整个系统的核心部分，在上述先验知识的基础上，利用大量已标注的临床数据训练模型，从而实现对患者病情诊断，推荐治疗方案以及展示数据库中相似治疗案例。在实际使用过程中，预测推理模块用于接收患者相关信息，并将预测结果输出给医生用户。反馈增强模块通过专家诊断和长期跟踪评估对系统进行反馈校正，从而对预测推理模块和知识提取模块进行更新，实现系统的增强。数据存储模块为整个系统提供数据存储和交换服务，从存储内容可以包括原始数据，经过知识提取的结构化知识图谱数据，以及学习训练的模型数据三个部分，数据存储模块和各个模块之间均有数据交互。
下面分别介绍知识图谱构建、分期诊断模型和预测推理模块的实施方式。
(1)知识图谱构建：
如图3所示，首先由中医专家定义本体类型，本体主要包括命名实体分类(如疾病、症状、治法、处方等)、实体关系分类(如疾病-包含-症状、处方-治疗-症状等)，由它们构成知识图谱的模式层，之后对提取的小规模电子病历数据进行人工标注。利用标注好的小样本，使用CRF、HMM等序列标注算法，进行大规模电子病历的自动标注，识别出医学材料中的实体和实体关系，然后保存到数据库中。在知识融合部分，利用上下文解决实体歧义和共指的问题。实体及其关系构成知识图谱的数据层。知识图谱展示示例如图4所示。
(2)建立分期诊断模型
根据实验室检查及患者临床表现，将痛风的病程进展情况划分成4个时期，如表1所示。不同时期，采用的治疗方案不同，进行多时期划分之后，能够提高系统的精细化诊断水平，做到更好的对症施药。
表1痛风病程分期划分示意
根据上一步人工+自动标注完成的实体和实体关系数据，使用Apriori、FP-growth等数据挖掘算法对归属于不同痛风病程等级的病例，得出各个等级的基本诊疗方案(包括中西医)。
(3)预测推理模块
如图5所示，在使用阶段，输入患者数据，使用关键字/同义词匹配及语义理解等技术提取血清尿酸盐浓度、关节肿痛部位及数量等临床表现用于判断痛风病程分期的信息，以及中医症状信息。基于提取到的信息，评估痛风病程分期，匹配该时期的基本诊疗方案。然后根据中医症状，使用证素预测模型进行病性、病位的证素预测。证素预测模型是经过对包含输入症状-病性证素-病位证素的数据集进行训练而得到的分类预测模型。根据判断出的证素查找知识图谱，使用知识图谱推理给出中医药物。将基本诊疗方案和知识图谱推理得出的药物结合，形成推荐的诊疗方案，作为医生的参考。
(4)反馈增强模块
反馈增强模块主要是利用新患者信息对智能系统进行调整、强化。反馈机制来源于两个部分，第一部分是当预测推理模块给出预测之后，专家对预测结果、推荐方案进行完善或修正；第二部分是通过对患者建立长期的跟踪关注，根据患者治疗后效果进行定期的评估，根据治疗效果，动态调整推荐治疗方案的权重。
Claims (8)
1.一种面向中西医结合的痛风智能辅助诊疗系统，其特征在于，包括：
知识提取模块，负责提取现有古籍、中外文文献、治疗指南中的相关信息，构造痛风知识图谱；
辅助诊断推理模块，包括离线训练和在线使用两个部分，在离线训练阶段利用标注的医疗数据和知识图谱，训练得到预测模型；在线使用部分，输入患者病症及西医检测结果，进行推理诊断，预测患者痛风病程阶段，推荐治疗方案，并输出数据库中相似度最高的治疗案例；
评估反馈模块，负责收集专家诊断建议以及后期对患者治疗效果的收集，根据专家知识以及治疗评估结果，通过强化学习的手段，对所述辅助诊断推理模块中的预测模型进行调整；
数据存储模块，负责存储整个系统所需及产生的数据，包括知识提取模块中相关的文献资源及知识图谱；辅助诊断推理模块中所需要的训练数据，以及其产生预测模型文件；评估反馈模块中，对新患者情况输入数据、专家诊断结果以及治后评估数据。
2.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，所述的知识提取模块包括文献知识提取、专家知识提取和指南知识提取。
3.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，所述的预测推理模块包括离线学习训练、相似病例展示、分级诊断输出和中药药方推荐。
4.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，所述的评估反馈模块包括专家复诊诊断反馈和治疗效果评估反馈。
5.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，所述的数据存储模块包括知识图谱存储、训练模型存储和原始数据存储。
6.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，负责提取现有古籍、中外文文献、治疗指南中的相关信息，构造痛风知识图谱，具体包括：
模式层，由中医专家定义本体类型，包括命名实体分类和实体关系分类；
数据层，对提取的电子病历数据进行人工标注，利用标注好的样本，使用序列标注算法，进行电子病历的自动标注，识别出医学材料中的实体和实体关系，然后保存到数据库中。
7.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，所述的辅助诊断推理模块中的预测模型通过对痛风病程分期划分。
8.根据权利要求1所述的面向中西医结合的痛风智能辅助诊疗系统，其特征在于，辅助诊断推理模块中，离线训练阶段，预测模型是经过对包含输入症状-病性证素-病位证素的数据集进行训练而得到的；
在线使用阶段，一方面，输入患者数据，使用关键字、同义词匹配及语义理解技术提取血清尿酸盐浓度、关节肿痛部位及数量临床表现用于判断痛风病程分期的信息，以及中医症状信息，基于提取到的信息，评估痛风病程分期，匹配该时期的基本诊疗方案；另一方面，根据中医症状，使用预测模型进行病性、病位的证素预测，证素根据判断出的证素查找痛风知识图谱，使用痛风知识图谱推理给出中医药物；最后将基本诊疗方案和痛风知识图谱推理得出的药物结合，形成推荐的诊疗方案。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210706164.0A CN115148350A (zh) | 2022-06-21 | 2022-06-21 | 一种面向中西医结合的痛风智能辅助诊疗系统 |
| US18/310,709 US20230411007A1 (en) | 2022-06-21 | 2023-05-02 | Intelligent auxiliary gout diagnosis and treatment system for combination of traditional chinese medicine and western medicine |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210706164.0A CN115148350A (zh) | 2022-06-21 | 2022-06-21 | 一种面向中西医结合的痛风智能辅助诊疗系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115148350A true CN115148350A (zh) | 2022-10-04 |
Family
ID=83408349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210706164.0A Withdrawn CN115148350A (zh) | 2022-06-21 | 2022-06-21 | 一种面向中西医结合的痛风智能辅助诊疗系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20230411007A1 (zh) |
| CN (1) | CN115148350A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116013511A (zh) * | 2023-03-24 | 2023-04-25 | 吉林大学 | 基于知识图谱的糖尿病干预智能推荐方法及系统 |
| CN117253576A (zh) * | 2023-10-30 | 2023-12-19 | 来未来科技(浙江)有限公司 | 基于中文医疗大模型的门诊电子病历生成方法 |
-
2022
- 2022-06-21 CN CN202210706164.0A patent/CN115148350A/zh not_active Withdrawn
-
2023
- 2023-05-02 US US18/310,709 patent/US20230411007A1/en active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116013511A (zh) * | 2023-03-24 | 2023-04-25 | 吉林大学 | 基于知识图谱的糖尿病干预智能推荐方法及系统 |
| CN116013511B (zh) * | 2023-03-24 | 2023-06-20 | 吉林大学 | 基于知识图谱的糖尿病干预智能推荐方法及系统 |
| CN117253576A (zh) * | 2023-10-30 | 2023-12-19 | 来未来科技(浙江)有限公司 | 基于中文医疗大模型的门诊电子病历生成方法 |
| CN117253576B (zh) * | 2023-10-30 | 2024-03-05 | 来未来科技(浙江)有限公司 | 基于中文医疗大模型的门诊电子病历生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230411007A1 (en) | 2023-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Multimodal machine learning for automated ICD coding | |
| Wu et al. | Comparison of chest radiograph interpretations by artificial intelligence algorithm vs radiology residents | |
| Yu et al. | Automatic ICD code assignment of Chinese clinical notes based on multilayer attention BiRNN | |
| Meystre et al. | Natural language processing to extract medical problems from electronic clinical documents: performance evaluation | |
| CN115148350A (zh) | 一种面向中西医结合的痛风智能辅助诊疗系统 | |
| US11915828B2 (en) | System and method of using machine learning for extraction of symptoms from electronic health records | |
| CN112507696B (zh) | 基于全局注意力意图识别的人机交互导诊方法与系统 | |
| Savkov et al. | Annotating patient clinical records with syntactic chunks and named entities: the Harvey Corpus | |
| CN113779179B (zh) | 一种基于深度学习和知识图谱的icd智能编码的方法 | |
| CN113707339A (zh) | 一种多源异质数据库间概念对齐与内容互译方法及系统 | |
| Wu et al. | JAN: Joint attention networks for automatic ICD coding | |
| Wang et al. | Automatic emergency diagnosis with knowledge-based tree decoding | |
| CN117577254A (zh) | 医疗领域语言模型构建及电子病历文本结构化方法、系统 | |
| Zhong et al. | A BERT-Span model for Chinese named entity recognition in rehabilitation medicine | |
| Panagoulias et al. | Rule-Augmented Artificial Intelligence-empowered Systems for Medical Diagnosis using Large Language Models | |
| Huang et al. | EMSI-BERT: Asymmetrical Entity-Mask Strategy and Symbol-Insert Structure for Drug–Drug Interaction Extraction Based on BERT | |
| Agrawal et al. | Robust benchmarking for machine learning of clinical entity extraction | |
| Doppalapudi et al. | Transforming unstructured digital clinical notes for improved health literacy | |
| Gao et al. | Progress Note Understanding—Assessment and Plan Reasoning: Overview of the 2022 N2C2 Track 3 shared task | |
| Zhang et al. | Medical Q&A statement NER based on ECA attention mechanism and lexical enhancement | |
| Saigaonkar et al. | Predicting chronic diseases using clinical notes and fine-tuned transformers | |
| Michalopoulos | Innovations in domain knowledge augmentation of contextual models | |
| Liu et al. | Research on named entity recognition of Traditional Chinese Medicine chest discomfort cases incorporating domain vocabulary features | |
| Xiao et al. | Construction of nursing quality control information system in large hospitals | |
| Wang et al. | MKFN: Multimodal Knowledge Fusion Network for Automatic ICD Coding |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221004 |
|
| WW01 | Invention patent application withdrawn after publication |