CN116343972A - 依托医疗健康大数据平台的疾病诊疗与预测方法 - Google Patents
依托医疗健康大数据平台的疾病诊疗与预测方法 Download PDFInfo
- Publication number
- CN116343972A CN116343972A CN202111594515.5A CN202111594515A CN116343972A CN 116343972 A CN116343972 A CN 116343972A CN 202111594515 A CN202111594515 A CN 202111594515A CN 116343972 A CN116343972 A CN 116343972A
- Authority
- CN
- China
- Prior art keywords
- patient
- diagnosis
- data
- doctor
- medical
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 256
- 238000011282 treatment Methods 0.000 title claims abstract description 206
- 201000010099 disease Diseases 0.000 title claims abstract description 200
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 200
- 230000036541 health Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000012549 training Methods 0.000 claims abstract description 24
- 230000000694 effects Effects 0.000 claims abstract description 22
- 230000015654 memory Effects 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000000295 complement effect Effects 0.000 claims description 7
- 238000004393 prognosis Methods 0.000 claims description 6
- 238000011269 treatment regimen Methods 0.000 description 19
- 238000012360 testing method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 229920001690 polydopamine Polymers 0.000 description 6
- 238000001839 endoscopy Methods 0.000 description 5
- 238000011207 functional examination Methods 0.000 description 5
- 238000009206 nuclear medicine Methods 0.000 description 5
- 230000001575 pathological effect Effects 0.000 description 5
- 230000037213 diet Effects 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
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
- 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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种依托医疗健康大数据平台的疾病诊疗与预测方法，方法包括：若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱。本发明可形成连续的数据利用的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题。
Description
技术领域
本发明涉及医疗信息化领域，尤其涉及一种依托医疗健康大数据平台的疾病诊疗与预测方法。
背景技术
相关技术中，医疗业务每一个系统所承载的功能为其特定需求的一个方面，连续的数据利用无法开展。
发明内容
本发明的主要目的在于提供一种依托医疗健康大数据平台的疾病诊疗与预测方法，旨在解决医疗业务连续的数据利用无法开展的问题。
为实现上述目的，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法，应用于服务器，服务器与医生端和医疗设备连接，方法包括以下步骤：
若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据；
将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；
向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱。
可选地，将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案之前，方法还包括：
判断诊断数据是否存在缺失；
若诊断数据存在缺失，则生成诊断数据的缺失提醒信息，并向医生端和/或医疗设备发送缺失提醒信息，以使医生通过医生端和/或医疗设备补全诊断数据；
接收医生端和/或医疗设备中补全的诊断数据。
可选地，若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据，包括：
若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据以及当前检查检验结果；
根据历史诊断数据、当前诊断数据以及当前检查检验结果，得到患者的诊断数据。
可选地，若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据以及当前检查检验结果，包括：
若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据和当前检查检验申请信息；
根据当前检查检验申请信息，接收目标医疗设备发送的当前检查检验结果。
可选地，若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据之前，方法还包括：
根据医生端录入的患者信息，确定患者是否为目标病种患者。
可选地，向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱之后，方法还包括：
收医生端对推荐治疗方案的评价信息；
根据评价信息，更新依托医疗健康大数据平台的疾病诊疗与预测模型。
可选地，向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱之后，方法还包括：
接收医生端反馈的患者的疗效数据；
根据疗效数据、诊断数据和推荐治疗方案，得到训练样本；
根据训练样本训练依托医疗健康大数据平台的疾病诊疗与预测模型，得到新的依托医疗健康大数据平台的疾病诊疗与预测模型。
此外，为实现上述目的，本发明还提供一种依托医疗健康大数据平台的疾病诊疗与预测装置，配置于服务器，服务器与医生端和医疗设备连接，装置包括：
数据采集模块，用于若患者为目标病种患者，则获取患者诊断数据；
方案生成模块，用于将患者诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，依托医疗健康大数据平台的疾病诊疗与预测模型根据历史病种患者诊断数据、历史病种患者诊断数据对应的历史治疗方案和疗效数据训练得到；
方案发送模块，用于向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱。
此外，为实现上述目的，本发明还提供一种依托医疗健康大数据平台的疾病诊疗与预测设备，设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的依托医疗健康大数据平台的疾病诊疗与预测程序，通过依托医疗健康大数据平台的疾病诊疗与预测程序配置为实现如上文的依托医疗健康大数据平台的疾病诊疗与预测方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，存储介质上存储有依托医疗健康大数据平台的疾病诊疗与预测程序，依托医疗健康大数据平台的疾病诊疗与预测程序被处理器执行时实现如上文的依托医疗健康大数据平台的疾病诊疗与预测方法的步骤。
本申请提供一种依托医疗健康大数据平台的疾病诊疗与预测方法，方法包括：若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案，其中，依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱。形成汇聚患者信息的系统、治理数据的系统以及推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题，从而提高了医疗工作效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的依托医疗健康大数据平台的疾病诊疗与预测设备的结构示意图；
图2是一示例性实施例提供的一种依托医疗健康大数据平台的疾病诊疗与预测系统的架构示意图；
图3为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第一实施例的流程示意图；
图4为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第二实施例的流程示意图；
图5为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第三实施例的流程示意图；
图6为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第四实施例的流程示意图；
图7为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第五实施例的流程示意图；
图8为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第六实施例的流程示意图；
图9为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第七实施例的流程示意图；
图10为本发明依托医疗健康大数据平台的疾病诊疗与预测方法第一实施例的虚拟装置模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
相关技术中，理想的数据智能生态是产生数据、治理数据、分析数据、训练模型、融入流程、用户应用、反馈闭环、迭代升级，如此周而复始反复循环。
但是，在医疗系统中，汇聚患者信息的系统，治理数据的系统，补充数据的系统以及推荐治疗方案的系统是脱离的状态，医生需要打开多个系统完成一个流程体系中的所有事情，效率低。本申请的发明人发现，理想的数据智能生态过程的所有环节往往都在一个企业的产品体系中完成。
为此，本申请实施例的主要解决技术方案是：提供一种依托医疗健康大数据平台的疾病诊疗与预测方法，结合具体医疗机构优势专科特定单病种，促成院内医疗数据的高质量流转，解决医疗业务中连续的数据利用无法开展的问题，医生只需要打开一个系统就能完成一个流程体系中的所有事情。
本申请实施例以下，将对本申请技术实现中应用到的依托医疗健康大数据平台的疾病诊疗与预测方法、装置、设备及存储介质进行说明：
参照图1，图1为本发明实施例方案涉及的硬件运行环境的服务器结构示意图。
如图1所示，该服务器可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括医生工作站、智能手机、平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)、可穿戴设备(如智能眼镜、智能手表等)等类型的电子设备，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以为高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以为稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以为独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及依托医疗健康大数据平台的疾病诊疗与预测程序。
在图1所示的服务器中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户设备进行数据交互；本发明依托医疗健康大数据平台的疾病诊疗与预测方法中的处理器1001、存储器1005可以设置在服务器中，依托医疗健康大数据平台的疾病诊疗与预测方法通过处理器1001调用存储器1005中存储的依托医疗健康大数据平台的疾病诊疗与预测程序，并执行本发明实施例提供的依托医疗健康大数据平台的疾病诊疗与预测方法。
参照图2，图2是一示例性实施例提供的一种依托医疗健康大数据平台的疾病诊疗与预测系统的架构示意图。如图2所示，该系统可以包括服务器11、网络12、医生端13和医疗设备15。
服务器11可以为包含一独立主机的物理服务器，或者该服务器11可以为主机集群承载的虚拟服务器。在运行过程中，服务器11可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能，比如当医生端13录入患者信息时，该服务器11可作为该录入患者信息应用的服务器，以支持医生端13完成录入患者信息的工作。
网络12可以包括多种类型的有线或无线网络。在一实施例中，该网络12可以包括公共交换电话网络(Public Switched Telephone Network，PSTN)和因特网。医生端13可以通过网络12与服务器11实现交互，医疗设备15可以通过网络12与服务器11实现交互。
医生端13可以包括诸如下述类型的电子设备：医生工作站、智能手机、平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)等，本说明书一个或多个实施例并不对此进行限制。在运行过程中，医生端13可以运行依托医疗健康大数据平台的疾病诊疗与预测应用的医生端侧的程序，以实现该应用的相关业务功能。且可以理解的，在另一些实施例中，医生端13可以运行一些应用，该应用内装载有显示和修改等功能，比如当该医生端13运行推荐治疗方案调阅程序时，医生端13可以实现推荐治疗方案显示的客户端。
医疗设备15可以为包括诸如下述类型的医疗设备：X射线诊断设备、超声诊断设备、功能检查设备、内窥镜检查设备、核医学设备、实验诊断设备及病理诊断装备等，本说明书一个或多个实施例并不对此进行限制。在运行过程中，医疗设备15可以运行检查检验结果发送的程序，以实现该应用的相关业务功能。
基于上述硬件结构但不限于上述硬件结构，本发明依托医疗健康大数据平台的疾病诊疗与预测方法第一实施例提供一种依托医疗健康大数据平台的疾病诊疗与预测方法，参照图3，图3为本发明一种依托医疗健康大数据平台的疾病诊疗与预测方法第一实施例的流程示意图。
本实施例中，依托医疗健康大数据平台的疾病诊疗与预测方法包括：
步骤S110，若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据；
本实施例依托医疗健康大数据平台的疾病诊疗与预测方法执行主体为服务器，服务器可以为包含一独立主机的物理服务器，或者服务器可以为主机集群承载的虚拟服务器。服务器通过网络分别与医生端和医疗设备连接，网络可以包括多种类型的有线或无线网络。在运行过程中，服务器可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能。例如，服务器运行医生端的程序时，可以通过医生端获取患者的诊断数据，根据诊断数据，向医生端发送推荐治疗方案。或者，服务器还可运行医疗设备侧的程序，可以通过医疗设备获取患者的诊断数据。
其中，目标病种可以为医疗机构优势专科特定单病种。诊断数据包括患者的历史诊断数据、当前诊断数据、当前检查检验结果等。
医生端可以为医生操作的电子设备，医生端与服务器连接，可以接收、显示推荐治疗方案和其他提醒信息，还可以输入患者的诊断数据，例如：医生工作站、智能手机、平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)等，本实施例对此不加以限制。
医疗设备可以为完成医疗检查检验的设备，医疗设备与服务器连接，可以向服务器发送检查检验结果，医疗设备包括：X射线诊断设备、超声诊断设备、功能检查设备、内窥镜检查设备、核医学设备、实验诊断设备及病理诊断装备等，本实施例对此不加以限制。
在具体实现中，目标病种患者到达医生处就诊时，通过医生端获取医生输入的患者的个人信息，通过个人信息获取患者的历史诊断数据，医生通过医生端获取医生根据患者的临床表现输入的患者的当前诊断数据，通过医疗设备获取患者的当前检查检验结果，根据历史诊断数据、当前诊断数据和当前检查检验结果，得到患者的诊断数据。
步骤S120，将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；
本实施例依托医疗健康大数据平台的疾病诊疗与预测模型可以根据医疗大数据智能辅助诊疗平台的数据智能诊疗算法输出推荐治疗方案，依托医疗健康大数据平台的疾病诊疗与预测模型可以为配置于服务器的大数据中心、先验经验、算法模型和AI产品等，本实施例对此不加以限制。
其中，推荐治疗方案可以为治疗目标病种的推荐治疗方案。
可以理解的是，至少一个推荐治疗方案可以为一个或多个目标病种的推荐治疗方案。
在具体实现中，将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，以使依托医疗健康大数据平台的疾病诊疗与预测模型接收诊断数据，根据医疗大数据智能辅助诊疗平台的数据智能诊疗算法，输出一个或者多个治疗目标病种的推荐治疗方案。
步骤S130，向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱。
在本实施例中，医嘱可以为医生通过医生端下达的医学指令，包括患者在饮食、用药和化验等方面的指示。
在具体实现中，向医生端发送推荐治疗方案，以使医生可以根据自己的专业经验和患者的诊断数据从推荐治疗方案中选择一个或多个推荐治疗方案，并参照推荐治疗方案及自己的经验综合下达患者在饮食、用药和化验等方面的指示。
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱。形成汇聚患者信息的系统、治理数据的系统以及推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题，从而提高了医疗工作效率。
进一步的，参照图4，基于上述实施例，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法的第二实施例，在步骤S120之前，方法还包括：
步骤S140，判断诊断数据是否存在缺失；
在具体实现中，通过检测由医生端和/或医疗设备获取的患者的历史诊断数据、当前诊断数据、当前检查检验结果等判断诊断数据是否存在缺失。
步骤S150，若诊断数据存在缺失，则生成诊断数据的缺失提醒信息，并向医生端和/或医疗设备发送缺失提醒信息，以使医生通过医生端和/或医疗设备补全诊断数据；
本实施例缺失提醒信息可以为历史诊断数据的缺失提醒信息、当前诊断数据的缺失提醒信息、当前检查检验结果的缺失提醒信息等。
在具体实现中，若检测到患者的历史诊断数据存在缺失，则生成历史诊断数据的缺失提醒信息，将缺失提醒信息发送到医生端，以使医生操作医生端补全历史诊断数据；若检测到患者的当前诊断数据存在缺失，则生成当前诊断数据的缺失提醒信息，将缺失提醒信息发送到医生端，以使医生操作医生端补全当前诊断数据；若检测到患者的当前检查检验结果存在缺失，则生成当前检查检验结果的缺失提醒信息，将缺失提醒信息发送到当前检查检验结果相对应的医疗设备，以使医生在医疗设备中补全当前检查检验结果。
步骤S160，接收医生端和/或医疗设备中补全的诊断数据。
在具体实现中，若患者的历史诊断数据和/或当前诊断数据存在缺失，则接收医生端补全的历史诊断数据和/或当前诊断数据；若患者的当前检查检验结果存在缺失，则接收在医疗设备中补全的当前检查检验结果
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的诊断数据；检测患者的诊断数据是否存在缺失，生成诊断数据的缺失提醒信息，将缺失提醒信息发送的医生端和/或相关医疗设备，提醒医生和/或相关检查检验人员补全诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱。形成汇聚患者信息的系统、治理数据的系统、补充数据的系统、推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中完整连续的数据利用无法开展的问题，从而提高了医疗工作效率。
进一步的，作为一个实施例，参照图5，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法第三实施例，本实施例中，步骤S110，包括：
步骤S111，若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据以及当前检查检验结果；
本实施例的依托医疗健康大数据平台的疾病诊疗与预测方法执行主体为服务器，服务器可以为包含一独立主机的物理服务器，或者服务器可以为主机集群承载的虚拟服务器。在运行过程中，服务器可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能。服务器运行医生端的程序，可以接收医生发送的患者诊断数据和患者个人信息，获取患者历史诊断数据，向医生端发送推荐治疗方案。或者，服务器还可运行医疗设备侧的程序，可以获取医疗设备发送的检查检验结果。
其中，目标病种可以为医疗机构优势专科特定单病种。
医生端可以为医生操作的电子设备，医生端与服务器连接，可以接收、显示推荐治疗方案和其他提醒信息，还可以输入患者的个人信息和诊断数据，例如：医生工作站、智能手机、平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)等，本实施例对此不加以限制。
医疗设备可以为完成医疗检查检验的设备，医疗设备与服务器连接，可以向服务器发送检查检验结果，医疗设备包括：X射线诊断设备、超声诊断设备、功能检查设备、内窥镜检查设备、核医学设备、实验诊断设备及病理诊断装备等，本实施例对此不加以限制。
本实施例患者历史诊断数据包括患者的历史检查检验项目、历史检查检验项目结果等，可以通过医生在医生端输入的患者的个人信息在医生端和/或医疗设备中获取；当前诊断数据可以为医生根据患者的临床表现和历史诊断数据在医生端输入；当前检查检验结果通过医疗设备获得，医疗设备为与当前检查检验结果相对应的医疗设备。
在具体实现中，目标病种患者到达医生处就诊时，通过医生端获取医生输入的患者的个人信息，通过个人信息在医生端和/或医疗设备获取患者的历史诊断数据，通过医生端获取医生根据患者的临床表现和历史诊断数据输入的当前诊断数据，通过医疗设备获取患者的当前检查检验结果。
步骤S112，根据历史诊断数据、当前诊断数据以及当前检查检验结果，得到患者的诊断数据。
在具体实现中，综合患者历史诊断数据、当前诊断数据以及当前检查检验结果，可以根据医疗大数据智能辅助诊疗平台提供的智能自然语义处理算法，得到患者的诊断数据。
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据以及当前检查检验结果；根据历史诊断数据、当前诊断数据以及当前检查检验结果，得到患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱。形成汇聚患者信息的系统、治理数据的系统以及推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题，从而提高了医疗工作效率。
进一步的，作为一个实施例，参照图6，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法第四实施例，本实施例中，步骤S111，包括：
步骤S1111，若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据和当前检查检验申请信息；
本实施例的依托医疗健康大数据平台的疾病诊疗与预测方法执行主体为服务器，服务器可以为包含一独立主机的物理服务器，或者服务器可以为主机集群承载的虚拟服务器。在运行过程中，服务器可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能。服务器运行医生端的程序，可以接收医生发送的患者诊断数据和患者个人信息，获取患者历史诊断数据，向医生端发送推荐治疗方案。或者，服务器还可运行医疗设备侧的程序，可以获取医疗设备发送的检查检验结果。
其中，目标病种可以为医疗机构优势专科特定单病种。
医生端可以为医生操作的电子设备，医生端与服务器连接，可以接收、显示推荐治疗方案和其他提醒信息，还可以输入患者的个人信息和诊断数据，例如：医生工作站、智能手机、平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)等，本实施例对此不加以限制。
医疗设备可以为完成医疗检查检验的设备，医疗设备与服务器连接，可以向服务器发送检查检验结果，医疗设备包括：X射线诊断设备、超声诊断设备、功能检查设备、内窥镜检查设备、核医学设备、实验诊断设备及病理诊断装备等，本实施例对此不加以限制。
本实施例患者历史诊断数据包括患者的历史检查检验项目、历史检查检验项目结果等，可以通过医生在医生端输入的患者的个人信息在医生端和/或医疗设备中获取；当前诊断数据可以为医生根据患者的临床表现和历史诊断数据在医生端输入；当前检查检验信息由医生通过医生端输入，包括患者的个人信息、检查检测项目、标本类型等，本实施例对此不加以限制。
在具体实现中，目标病种患者到达医生处就诊时，通过医生端获取医生输入的患者的个人信息，通过个人信息在医生端和/或医疗设备获取患者的历史诊断数据，通过医生端获取医生根据患者的临床表现和历史诊断数据输入的当前诊断数据，通过医生端获取医生输入的当前检查检验申请信息。
步骤S1112，根据当前检查检验申请信息，接收目标医疗设备发送的当前检查检验结果。
本实施例目标医疗设备可以为根据当前检查检验申请信息确定的与当前检查检验申请信息相对应的医疗设备。
在具体实现中，根据所当前述检查检验申请信息确定获取当前检查检验结果的医疗设备，通过医疗设备，获取当前检查检验结果。
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的历史诊断数据、当前诊断数据以及当前检查检验申请信息；根据当前检查检验申请信息，接收目标医疗设备发送的当前检查检验结果；根据历史诊断数据、当前诊断数据、当前检查检验结果，得到患者的诊断数据；，将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱。形成汇聚患者信息的系统、治理数据的系统以及推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题，从而提高了医疗工作效率。
进一步的，参照图7，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法第五实施例，基于上述图3所示的实施例步骤S110之前，方法还包括：
步骤S100，根据医生端录入的患者信息，确定患者是否为目标病种患者。
本实施例患者信息包括患者的个人信息、临床表现、病史等。
其中，患者就诊时，可以根据医生端录入的个人信息获取患者的病史，也可以由医生根据患者的描述在医生端录入患者的病史。
在具体实现中，患者就诊时，获取医生端录入的患者的个人信息、临床表现、病史；可以将临床表现与目标病种的临床表现进行对比，确定患者是否为目标病种患者，例如，若患者的临床表现与目标病种的临床表现相似，则患者为目标病种患者；也可以根据病史，确定患者是否为目标病种患者，例如，若患者的病史有目标病种的患病历史，则患者为目标病种患者。
本施例通过针对目标病种，根据医生端录入的患者信息，确定患者是否为目标病种患者；通过医生端和/或医疗设备获取患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱。形成汇聚患者信息的系统、治理数据的系统以及推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题，从而提高了医疗工作效率。
进一步的，参照图8，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法第六实施例，基于上述图3所示的实施例步骤S130之后，方法还包括：
步骤S170，接收医生端对推荐治疗方案的评价信息；
本实例评价信息可以为医生根据专业经验和使用体验对推荐治疗方案的实用性、可靠性等的评价信息。
在具体实现中，在医生完成开具医嘱后，可以设置评价提醒，向医生端发送评价提醒，以使医生根据评价提醒完成对推荐治疗方案的进行评价，接收医生在医生端对推荐治疗方案的评价信息。
步骤S180，根据评价信息，更新依托医疗健康大数据平台的疾病诊疗与预测模型。
在具体实现中，将评价信息结合患者的诊断数据、推荐治疗方案，对依托医疗健康大数据平台的疾病诊疗与预测模型进行迭代升级，得到更新后的依托医疗健康大数据平台的疾病诊疗与预测模型。
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱；接收医生端对推荐治疗方案的评价信息；根据评价信息，更新依托医疗健康大数据平台的疾病诊疗与预测模型。形成汇聚患者信息的系统、治理数据的系统、推荐治疗方案的系统以及模型迭代升级全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续闭环的数据利用无法开展的问题，从而提高了医疗工作效率。
进一步的，参照图9，本发明提供一种依托医疗健康大数据平台的疾病诊疗与预测方法第七实施例，基于上述图3所示的实施例步骤S130之后，方法还包括：
步骤S190，接收医生端反馈的患者的疗效数据；
本实施例疗效数据可以为医生参照推荐治疗方案开具的医嘱对患者的治疗效果、治疗周期等。
在具体实现中，在医生完成对患者的治疗后，可以设置反馈提醒，向医生端发送反馈提醒，以使医生在医生端根据反馈提醒完成参照推荐治疗方案开具的医嘱对患者的疗效数据，接收疗效数据。
步骤S200，根据疗效数据、诊断数据和推荐治疗方案，得到训练样本；
本实施例推荐治疗方案为医生开具医嘱参照的至少一个推荐治疗方案，也就是说，医生开具医嘱时可以参照一个或多个推荐治疗方案。训练样本用于训练更新依托医疗健康大数据平台的疾病诊疗与预测模型。
在具体实现中，通过医生端接收疗效数据，结合诊断数据和推荐治疗方案，得到训练样本。
步骤S210，根据训练样本训练依托医疗健康大数据平台的疾病诊疗与预测模型，得到新的依托医疗健康大数据平台的疾病诊疗与预测模型。
在具体实现中，利用训练样本对依托医疗健康大数据平台的疾病诊疗与预测模型进行训练，使依托医疗健康大数据平台的疾病诊疗与预测模型根据疗效数据、诊断数据和推荐治疗方案迭代升级，得到新的依托医疗健康大数据平台的疾病诊疗与预测模型。
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的诊断数据；将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案；将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱；接收医生端反馈的患者的疗效数据；根据疗效数据、诊断数据和推荐治疗方案，得到训练样本；根据训练样本训练依托医疗健康大数据平台的疾病诊疗与预测模型，得到新的依托医疗健康大数据平台的疾病诊疗与预测模型；形成汇聚患者信息的系统、治理数据的系统、推荐治疗方案的系统以及模型迭代升级全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续闭环的数据利用无法开展的问题，从而提高了医疗工作效率。
基于同一发明构思，本发明第一实施例还提供了一种依托医疗健康大数据平台的疾病诊疗与预测装置，参照图10，图10为本发明一种依托医疗健康大数据平台的疾病诊疗与预测装置第一实施例的虚拟装置示意图。
本实施例中，依托医疗健康大数据平台的疾病诊疗与预测装置包括：
数据采集模块10，用于若患者为目标病种患者，则通过医生端和/或医疗设备获取患者的诊断数据；
本实施例依托医疗健康大数据平台的疾病诊疗与预测方法执行主体为服务器，服务器可以为包含一独立主机的物理服务器，或者服务器可以为主机集群承载的虚拟服务器。服务器通过网络分别与医生端和医疗设备连接，网络可以包括多种类型的有线或无线网络。在运行过程中，服务器可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能。例如，服务器运行医生端的程序时，可以通过医生端获取患者的诊断数据，根据诊断数据，向医生端发送推荐治疗方案。或者，服务器还可运行医疗设备侧的程序，可以通过医疗设备获取患者的诊断数据。
其中，目标病种可以为医疗机构优势专科特定单病种。诊断数据包括患者的历史诊断数据、当前诊断数据、当前检查检验结果等。
医生端可以为医生操作的电子设备，医生端与服务器连接，可以接收、显示推荐治疗方案和其他提醒信息，还可以输入患者的诊断数据，例如：医生工作站、智能手机、平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)等，本实施例对此不加以限制。
医疗设备可以为完成医疗检查检验的设备，医疗设备与服务器连接，可以向服务器发送检查检验结果，医疗设备包括：X射线诊断设备、超声诊断设备、功能检查设备、内窥镜检查设备、核医学设备、实验诊断设备及病理诊断装备等，本实施例对此不加以限制。
在具体实现中，目标病种患者到达医生处就诊时，通过医生端获取医生输入的患者的个人信息，通过个人信息获取患者的历史诊断数据，通过医生端获取医生根据患者的临床表现输入的患者的当前诊断数据，通过医疗设备获取患者的当前检查检验结果，根据历史诊断数据、当前诊断数据和当前检查检验结果，得到患者的诊断数据。
方案生成模块20，用于将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；
本实施例依托医疗健康大数据平台的疾病诊疗与预测模型可以根据医疗大数据智能辅助诊疗平台的数据智能诊疗算法输出推荐治疗方案，依托医疗健康大数据平台的疾病诊疗与预测模型可以为配置于服务器的大数据中心、先验经验、算法模型和AI产品等，本实施例对此不加以限制。
其中，推荐治疗方案可以为治疗目标病种的推荐治疗方案。
可以理解的是，至少一个推荐治疗方案可以为一个或多个目标病种的推荐治疗方案。
在具体实现中，将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，以使依托医疗健康大数据平台的疾病诊疗与预测模型接收诊断数据，根据医疗大数据智能辅助诊疗平台的数据智能诊疗算法，输出一个或者多个治疗目标病种的推荐治疗方案。
方案发送模块30，用于向医生端发送推荐治疗方案，以使医生参照推荐治疗方案开具医嘱。
在本实例中，医嘱可以为医生通过医生端下达的医学指令，包括患者在饮食、用药和化验等方面的指示。
在具体实现中，向医生端发送推荐治疗方案，以使医生可以根据自己的专业经验和患者的诊断数据从推荐治疗方案中选择一个或多个推荐治疗方案，并参照推荐治疗方案及自己的经验综合下达患者在饮食、用药和化验等方面的指示。
本施例通过针对目标病种，通过医生端和/或医疗设备获取患者的诊断数据，将诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到推荐治疗方案，将推荐治疗方案发送到医生端，以使医生参照推荐治疗方案开具医嘱，形成汇聚患者信息的系统、治理数据的系统以及推荐治疗方案的系统全流程决策支持的依托医疗健康大数据平台的疾病诊疗与预测方法，解决了医疗业务中连续的数据利用无法开展的问题，从而提高了医疗工作效率。
此外，本发明实施例还提出一种计算机存储介质，存储介质上存储有依托医疗健康大数据平台的疾病诊疗与预测程序，依托医疗健康大数据平台的疾病诊疗与预测程序被处理器执行时实现如上文的依托医疗健康大数据平台的疾病诊疗与预测方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以为或者也可以不是物理上分开的，作为单元显示的部件可以为或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以为多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以为个人计算机，管控设备，或者服务器等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种依托医疗健康大数据平台的疾病诊疗与预测方法，其特征在于，应用于服务器，所述服务器分别与医生端和医疗设备连接，所述方法包括：
若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获取所述患者的诊断数据；
将所述诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到所述依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，所述依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、所述历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；
向所述医生端发送所述推荐治疗方案，以使医生参照所述推荐治疗方案开具医嘱。
2.根据权利要求1所述方法，其特征在于，所述将所述诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案之前，所述方法还包括：
判断所述诊断数据是否存在缺失；
若所述诊断数据存在缺失，则生成所述诊断数据的缺失提醒信息，并向所述医生端和/或所述医疗设备发送所述缺失提醒信息，以使所述医生通过所述医生端和/或所述医疗设备补全所述诊断数据；
接收所述医生端和/或所述医疗设备中补全的所述诊断数据。
3.根据权利要求1所述方法，其特征在于，所述若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获取所述患者的诊断数据，包括：
若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获取所述患者的历史诊断数据、当前诊断数据以及当前检查检验结果；
根据所述历史诊断数据、所述当前诊断数据以及所述当前检查检验结果，得到所述患者的诊断数据。
4.根据权利要求3所述方法，其特征在于，所述若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获取所述患者的历史诊断数据、当前诊断数据以及当前检查检验结果，包括：
若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获所述取患者的历史诊断数据、当前诊断数据和当前检查检验申请信息；
根据所述当前检查检验申请信息，接收目标医疗设备发送的当前检查检验结果。
5.根据权利要求1所述方法，其特征在于，所述若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获取所述患者的诊断数据之前，所述方法还包括：
根据医生端录入的患者的信息，确定所述患者是否为目标病种患者。
6.根据权利要求1所述方法，其特征在于，所述向所述医生端发送所述推荐治疗方案，以使医生参照所述推荐治疗方案开具医嘱之后，所述方法还包括：
接收医生端对所述推荐治疗方案的评价信息；
根据所述评价信息，更新所述依托医疗健康大数据平台的疾病诊疗与预测模型。
7.根据权利要求1或6所述方法，其特征在于，所述向所述医生端发送所述推荐治疗方案，以使医生参照所述推荐治疗方案开具医嘱之后，所述方法还包括：
接收所述医生端反馈的所述患者的疗效数据；
根据所述疗效数据、所述诊断数据和所述推荐治疗方案，得到训练样本；
根据所述训练样本训练所述依托医疗健康大数据平台的疾病诊疗与预测模型，得到新的依托医疗健康大数据平台的疾病诊疗与预测模型。
8.一种依托医疗健康大数据平台的疾病诊疗与预测装置，其特征在于，配置于服务器，所述服务器分别与医生端和医疗设备连接，所述装置包括：
数据采集模块，用于若患者为目标病种患者，则通过所述医生端和/或所述医疗设备获取所述患者的诊断数据；
方案生成模块，用于将所述诊断数据输入依托医疗健康大数据平台的疾病诊疗与预测模型，得到所述依托医疗健康大数据平台的疾病诊疗与预测模型输出的至少一个推荐治疗方案；其中，所述依托医疗健康大数据平台的疾病诊疗与预测模型根据历史目标病种患者的诊断数据、所述历史目标病种患者的诊断数据对应的历史治疗方案和疗效数据训练得到；
方案发送模块，用于向所述医生端发送所述推荐治疗方案，以使医生参照所述推荐治疗方案开具医嘱。
9.一种依托医疗健康大数据平台的疾病诊疗与预测设备，其特征在于，设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的依托医疗健康大数据平台的疾病诊疗与预测程序，通过依托医疗健康大数据平台的疾病诊疗与预测程序配置为实现如权利要求1至7中任一项依托医疗健康大数据平台的疾病诊疗与预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有依托医疗健康大数据平台的疾病诊疗与预测程序，依托医疗健康大数据平台的疾病诊疗与预测程序被处理器执行时实现如权利要求1至7任一项的依托医疗健康大数据平台的疾病诊疗与预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111594515.5A CN116343972A (zh) | 2021-12-23 | 2021-12-23 | 依托医疗健康大数据平台的疾病诊疗与预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111594515.5A CN116343972A (zh) | 2021-12-23 | 2021-12-23 | 依托医疗健康大数据平台的疾病诊疗与预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116343972A true CN116343972A (zh) | 2023-06-27 |
Family
ID=86875012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111594515.5A Pending CN116343972A (zh) | 2021-12-23 | 2021-12-23 | 依托医疗健康大数据平台的疾病诊疗与预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116343972A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118335294A (zh) * | 2024-06-13 | 2024-07-12 | 四川互慧软件有限公司 | 一种心脑血管疾病预后中药治疗方案推荐方法及装置 |
-
2021
- 2021-12-23 CN CN202111594515.5A patent/CN116343972A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118335294A (zh) * | 2024-06-13 | 2024-07-12 | 四川互慧软件有限公司 | 一种心脑血管疾病预后中药治疗方案推荐方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Drukker et al. | Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology | |
| Tresp et al. | Going digital: a survey on digitalization and large-scale data analytics in healthcare | |
| US10541052B2 (en) | Retroactive extraction of clinically relevant information from patient sequencing data for clinical decision support | |
| Wickramasinghe et al. | A vision for leveraging the concept of digital twins to support the provision of personalized cancer care | |
| EP3471107A1 (en) | Medical device and computer-implemented method of predicting risk, occurrence or progression of adverse health conditions in test subjects in subpopulations arbitrarily selected from a total population | |
| US20170277840A1 (en) | System and method to aid diagnosis of a patient | |
| EP2775412A1 (en) | Method of generating a medical suggestion as a support in medical decision making | |
| US7996242B2 (en) | Automatically developing neuropsychiatric treatment plans based on neuroimage data | |
| US20100010831A1 (en) | Automatically determining ideal treatment plans for complex neuropsychiatric conditions | |
| Sloan et al. | Lessons from large-scale collection of patient-reported outcomes: Implications for Big data aggregation and analytics | |
| US20160070881A1 (en) | System, method and graphical user interface for creating modular, patient transportable genomic analytic data | |
| WO2014151626A1 (en) | Electronic variant classification | |
| AU2023242777A1 (en) | Predictive machine learning models for preeclampsia using artificial neural networks | |
| US20220108801A1 (en) | Diagnosis and treatment support system | |
| CN113066531B (zh) | 风险预测方法、装置、计算机设备及存储介质 | |
| CN116343972A (zh) | 依托医疗健康大数据平台的疾病诊疗与预测方法 | |
| CN111383768A (zh) | 医疗数据回归分析方法、装置、电子设备及可读介质 | |
| CN115831298B (zh) | 基于医院管理信息系统的临床试验患者招募方法及装置 | |
| US11621081B1 (en) | System for predicting patient health conditions | |
| CN111128330A (zh) | 电子病例报告表自动录入方法、装置以及相关设备 | |
| KR20240100366A (ko) | 환자 청구와 과거 데이터를 이용한 임상 시험 진행자의 성과 예측 | |
| CN111370130A (zh) | 医疗数据的实时处理方法及装置、存储介质、电子设备 | |
| EP3686897B1 (en) | Method and data processing unit for selecting a risk assessment computer program | |
| Cassarly et al. | Treatment effect on ordinal functional outcome using piecewise multistate Markov model with unobservable baseline: an application to the modified Rankin scale | |
| Gandhi et al. | Artificial Intelligence for the Management of Breast Cancer: An Overview |
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 |