CN116417126A - 一种线上分流问诊方法及装置、存储介质、计算设备 - Google Patents
一种线上分流问诊方法及装置、存储介质、计算设备 Download PDFInfo
- Publication number
- CN116417126A CN116417126A CN202310415447.4A CN202310415447A CN116417126A CN 116417126 A CN116417126 A CN 116417126A CN 202310415447 A CN202310415447 A CN 202310415447A CN 116417126 A CN116417126 A CN 116417126A
- Authority
- CN
- China
- Prior art keywords
- doctor
- information
- department
- inquiry
- doctors
- 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
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种线上分流问诊方法及装置、存储介质、计算设备,所述方法包括:获取用户发起问诊流程时输入的主诉信息和问诊信息;将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;基于主诉信息和问诊信息创建待接诊订单;在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。本发明的方案通过利用AI模型擅长匹配更加精准的专科医生服务,使用户患者进行问诊咨询时省时,省心,省钱。
Description
技术领域
本发明涉及数字医疗技术领域,特别是一种线上分流问诊方法及装置、存储介质、计算设备。
背景技术
目前,随着科技的发展,用户可采用线上问诊的方式寻求医疗服务,而对于一些大型医疗企业来讲,其通过会建立与维护自有医疗团队,但是,医生作为医疗的稀缺资源,若想扩充医疗队伍提供更为优质的医疗服务,因此,也可以招募社会医生。
在一些情况下,对于企业自由的医疗团队以及社会医生团队的平衡上,尚未有相关解决方案,因此,如何实现高效的分流问诊在保证医疗服务质量的同时增加医疗团队的积极性是亟待解决的问题。
发明内容
鉴于上述问题,本发明提出一种克服上述问题或者至少部分地解决上述问题的线上分流问诊方法及装置、存储介质、计算设备。
根据本发明的第一方面,提供了一种线上分流问诊方法,所述方法包括:
获取用户发起问诊流程时输入的主诉信息和问诊信息;
将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;所述医生群包括社会招募的外部医生和/或医疗机构的内部医生;
基于主诉信息和问诊信息创建待接诊订单;
在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。
可选地,所述利用所述智能分诊模型分析出科室关键词包括:
利用所述智能分诊模型基于所述主诉信息和问诊信息与预先创建的各科室关联的正则表达式进行匹配;
若匹配到任一科室的一条正向规则且未匹配到所述科室对应的负向规则,则依据所述科室确定科室关键词。
可选地,所述依据所述科室关键词筛选出合适的医生群包括:
获取预先创建的医生数据库中各医生的擅长标签;
将所述科室关键词和各医生的擅长标签进行匹配,以从所述医生数据库中筛选出合适的医生群。
可选地,所述获取预先创建的医生数据库中各医生的擅长标签之前,所述方法还包括:
获取医疗机构各内部医生的医生信息;
根据预设的多个评估维度从社会招募多个外部医生,并获取所述外部医生的医生信息;所述评估维度包括医生好评率、所在医院等级、接诊量,回复响应时长,医生职称中的一项或多项;
根据所述内部医生的医生信息和所述外部医生的医生信息创建医生数据库。
可选地,所述在所述医生群中选取所述用户的接诊医生包括:
基于所述待接诊订单生成广播信息,将所述广播信息发送至所述医生群中的各个医生;
接收到所述医生群中任一医生的响应信息时,将所述待接诊订单分配至该医生,以作为所述用户的接诊医生。
可选地,所述在所述医生群中选取所述用户的接诊医生包括:
获取所述用户的问诊权益信息;所述问诊权益信息包括内部医生专科问诊的图文、语音和/或视频问诊权益;
确定所述问诊流程的发起时间;
基于所述问诊流程的发起时间从所述医生群中选取所述用户的接诊医生。
可选地,所述基于主诉信息和问诊信息创建待接诊订单之后,所述方法还包括:
检测到所述待接诊订单完成分诊支付后创建所述用户和所述接诊医生的即时沟通窗口。
根据本发明的第二方面,提供了一种线上分流问诊装置,所述装置包括:
信息获取模块,用于获取用户发起问诊流程时输入的主诉信息和问诊信息;
医生筛选模块,用于将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;所述医生群包括社会招募的外部医生和/或医疗机构的内部医生;
接诊订单生成模块,用于基于主诉信息和问诊信息创建待接诊订单;
医生确定模块,用于在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。
根据本发明的第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面中任一项所述的线上分流问诊方法。
根据本发明的第四方面,提供了一种计算设备,所述计算设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面中任一项所述的线上分流问诊方法。
本发明提供了提供了一种线上分流问诊方法及装置、存储介质、计算设备,获取到用户的主诉系信息和接诊信息之后,通过利用AI模型擅长匹配更加精准的专科医生服务,通过减少寻医寻科问题,使用户患者进行问诊咨询时省时,省心,省钱,使用户能够享受更专业,更全面的社会专科服务。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明实施例的线上分流问诊方法流程示意图;
图2示出了根据本发明实施例的智能分诊模型框架示意图;
图3示出了根据本发明实施例的线上分流问诊装置结构示意图;
图4示出了根据本发明另一实施例的线上分流问诊装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种线上分流问诊方法,如图1所示,本发明实施例的线上分流问诊方法至少可以包括以下步骤S101~S104。
S101,获取用户发起问诊流程时输入的主诉信息和问诊信息。
用户可以通过医疗机构的医疗问诊应用程序、软件、APP、或者小程序等发起问诊流程。其中,医疗机构可以是某医院或者是具备医疗团队的医疗企业,用户可以通过在智能终端(如手机、平板电脑等)下载医疗问诊应用程序,实现线上问诊。当用户需要进行线上问诊时,可以通过该医疗问诊应用程序发起问诊流程,医疗问诊应用程序可以设置有导航流量球,用户可以在快速问诊中输入主诉信息,同时预设的话术提供问诊信息,以进行后续的导诊分诊。
S102,将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;所述医生群包括社会招募的外部医生和/或医疗机构的内部医生。
S103,基于主诉信息和问诊信息创建待接诊订单。
获取到用户输入的主诉信息和问诊信息之后,将其属于预先创建的智能分诊模型,利用AI模型能力筛选出合适的医生群。此外,还可以根据用户输入的主诉信息和问诊信息创建该用户的待接诊订单。筛选出的医生群中内部医生和外部医生的比例可以根据需求进行设置,本实施例对此不做限定。
S104,在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。
从医生群中选取出接诊医生后,可以将待接诊订单分配给该接诊医生,进而实现问诊。
本发明实施例提供的线上分流问诊方法,获取到用户的主诉系信息和接诊信息之后,通过利用AI模型擅长匹配更加精准的专科医生服务,通过减少寻医寻科问题,使用户患者进行问诊咨询时省时,省心,省钱,使用户能够享受更专业,更全面的社会专科服务。
图2示出了根据本发明实施例的智能分诊模型框架示意图,结合图2可知,本实施例的智能分诊模型可以预先基于从原始数据(如主诉、医患对话过程、话术)中抽取目标词库中的关键词,结果为归一后的标准词,针对用户回答句式,进行疑问、陈述句分类,对用户回答,抽取出指定意图的数值,并作归一,经过大量数据的对话及语义训练出标准词词库,该标准词词库可以包括疾病类型关键词、医生擅长标签、科室等标准化词语。该词库用于医生预先设置分诊标准词词库标签,患者用户提交主诉等问诊特征信息,进而经过AI算法路由分析出疾病类型关键词、科室关键词与医生设置的擅长标签进行匹配计算筛选出合适的医生群。
上述步骤S102所述利用所述智能分诊模型分析出科室关键词包括:利用所述智能分诊模型基于所述主诉信息和问诊信息与预先创建的各科室关联的正则表达式进行匹配;若匹配到任一科室的一条正向规则且未匹配到所述科室对应的负向规则,则依据所述科室确定科室关键词。
正则即正则表达式,每个科室可关联多条正则表达式,如果主诉匹配到某个科室的一条正向规则,且未匹配对应的负向规则,则相应的科室为正则预测的结果。
示例:妇产科
正向规则:.*(快要?生了|预产期|临产).*(肚子|腹部?).{0,2}(?<!不)[疼痛].*@@女@@15-负向规则:.*(拉肚子|腹泻|胃疼).*
主诉“预产期肚子有点疼”可被判断为妇产科
除上述介绍的之外,上述步骤S102在分析出科室关键词还可以次用关键词引流的方法。举例来讲,共有2089条引流词汇,比例较大的有中医科(78%)、妇产科及产科(9.6%)、口腔科(2%)
另外,本发明实施例的智能分诊模型还具备无效主诉判定能力。如仅含有纯英文[a-zA-Z]或者数字[0-9零一二三四五六七八九十]以及混合.例如:1111,aaa;或者,仅含有语气词以及连续嗯、啊、哦、呃、吗、呀、么、吧、呢、啦、哩、哈、嘛、哇.例如:嗯嗯嗯嗯嗯嗯,啊啊啊啊啊啊,哦哦哦哦哦,呃呃呃呃呃呃等词语,可以确定为无效主诉,此时可以终止问诊流程。
本实施例的智能分诊模型基于NLU自然语义分析,断句,语句实体抽取(数值实体抽取和文本实体抽取),从而实现主诉信息和问诊信息的分析。
除上述介绍的之外,本实施例的智能分诊模型还可以根据以下逻辑根据用户的问诊信息和主诉信息确定对应的科室关键词。
1、内科、全科、中医科且患者年龄小于等于14岁(月龄小于等于168)时,则将擅长标的第一科室切换为儿科。如果通过主诉分配到营养科的用户年龄小于3岁,则引流到儿科;
2、当主诉大概率为妇产科/产科时,如果就诊人性别是男性,则默认擅长标为全科;
3、中医分流策略:当就诊人主诉中包含医生给的中医分流关键词时,最终推送的擅长标为中医养生科;
4、不再分心理科擅长标,之前算法计算分到心理科的擅长标统一随机分到全科或者中医科;
5、通过导诊中医问诊球就诊的用户,无论主诉是什么,分配到中医养生科;
6、通过业务关键词引流,将部分分配到妇产科的主诉,引流到产科。
如上述步骤S102记载,利用所述智能分诊模型分析出科室关键词之后,还会依据所述科室关键词筛选出合适的医生群。在一些实施例中,所述依据所述科室关键词筛选出合适的医生群包括:获取预先创建的医生数据库中各医生的擅长标签;将所述科室关键词和各医生的擅长标签进行匹配,以从所述医生数据库中筛选出合适的医生群。当然,还可以利用所述智能分诊模型基于所述主诉信息和问诊信息分析所述用户的疾病类型关键词,进而结合科室关键词、疾病类型关键词和各医生的擅长标签进行匹配。智能分诊模型的上述功能可以根据预先采集的数据集进行机器学习得到,从而使得筛选的医生群更加符合用户的需求。
如上介绍,会从预先创建的医生数据库中获取各医生的擅长标签,因此,在此之前,需要先创建医生数据库,具体包括:
S1,获取医疗机构各内部医生的医生信息;
S2,根据预设的多个评估维度从社会招募多个外部医生,并获取所述外部医生的医生信息;所述评估维度包括医生好评率、所在医院等级、接诊量,回复响应时长,医生职称中的一项或多项;
S3,根据所述内部医生的医生信息和所述外部医生的医生信息创建医生数据库。
正如前文记载,医疗机构具备自己的医疗团队,在生成医生数据库时,可以直接获取医疗机构各内部医生的医生信息。另外,还可以从社会招募选拔外部医生。进行外部医生选拔时,可以依据医生的好评率,接诊数,回复响应时长,医生职称等多个维度,选拔一批活跃度较高,质量上乘的社会医生;设置医生擅长科室标签,医生信息进行用户画像,更加精准展示匹配相应的待接诊订单
在一些实施例之后,维度分为:维度1-好评率(20%),维度2-医生职称(15%),维度3-所在医院等级(15%),维度4-平均响应时长(25%),维度5每周接诊数(25%)。5个维度来计算医生分值。每个维度权重所占百分比不同,5个维度百分比100%。
医生职称打分:主任医师4分,副主任3分,主治2分,住院1分
医院等级打分:三级甲等(更细分)5~7分,二级(更细分)2~4分,一级1分
好评率打分:依据用户的医生评价数据(星级评价标准),计算出好评率进行打分,100%得分18分,96%以上10~16分,70%~95%得分4~8分,70以下1~2分
每周接诊量打分:大于20单20分,5~20单得分5~15分,5单以下1~2分
平均响应时长打分:通过BI分析IM对话一问一答时间间隔长短来处理平均响应耗时,小于60秒得分20分,60~180秒得分15分,180~1440秒得分3~10分,1440秒以上得到1分
医生综合评分:sum(权重*维度1得分+权重*维度2得分+权重*维度3得分+权重*维度4得分+权重*维度5得分)。进而根据医生综合评分从社会招募选拔多名外部医生及其对应的信息,用于建立医生数据库。需要说明的是,医生数据库中每位外部医生和内部医生都有医生擅长标签,该标签可以根据医生本人的操作进行添加,也可以根据医生历史接诊信息、所在科室等进行学习后添加。
在确定医生群的之后,还可以执行上述步骤S103,基于主诉信息和问诊信息创建待接诊订单,并由用户支付相应的诊金。在一些实施例中,还可以对问诊类型进行划分,如图文问诊、视频问诊以及社会名医等问诊类型,不同的问诊类型所对应的诊金可能不同,具体可以由用户进行选择。
在计算诊金时,获取所述用户的问诊权益信息;所述问诊权益信息包括内部医生专科问诊的图文、语音和/或视频问诊权益,根据问诊权益计算最终的诊金。如果持有任一内部医生专科图文、语音、视频问诊权益,则跳转到分诊付费页,用户可在特定时间段内通过分诊付费页进入医生抢单问诊流程。如果未持有任何内部医生专科问诊的图文、语音、视频问诊权益,则命中后跳转到仅有社会医生楼层的分诊付费页,支付/抵扣权益后进入社会医生抢单问诊流程。
确定医生群体并生成待接诊订单之后,即可执行上述步骤S104在所述医生群中选取所述用户的接诊医生。实际应用中,在医生群中选取用户的接诊医生时,可以由医生主动接诊,也可以由系统分配,下面分别对不同的情况进行详细说明。
一、医生主动接诊
一方面,对于生成的待接诊订单,可以基于所述待接诊订单生成广播信息,将所述广播信息发送至所述医生群中的各个医生;接收到所述医生群中任一医生的响应信息时,将所述待接诊订单分配至该医生,以作为所述用户的接诊医生。
本实施例的接诊程序开放报名“抢单专区”流量入口,待接诊订单详细说明,规则展示;订单流量进入时,依据患者订单AI模型与医生擅长科室模型匹配确定出的医生群,精确广播push医生抢单通知。基于所述待接诊订单生成广播信息可以发送至外部医生,由外部医生进行抢单;也可以由发送至内部医生,由内部进行承接。
若用户的待接诊订单超时未被外部医生接单(超时时间可配置)则可由内部医生兜底,进行承接,或是用户退款权益返还。
另一方面,还可以确定所述问诊流程的发起时间;基于所述问诊流程的发起时间从所述医生群中选取所述用户的接诊医生。
在一些实施例中,在发送广播信息时,可以按照一定的规则进行发布,例如,由运营拟定的擅长规则比如消化内科,普内科等待接诊订单流量切分给外部医生。另外,由于有用户是夜班(22-6点)来进行问诊(或是某个时间段),内部医生没有相应的科室排班(或是用户问诊的科室没有内部医生),因此,也可以,按时间段(22点~6点)夜班待接诊订单流量分切给外部医生。外部医生相对内部医生,科室资源更加丰富,在夜间时间段内,也有很多外部医生报名夜班处理。
也就是说,在发送广播信息之前,可以优先根据科室关键词或问诊时间从医生群中筛选出至少一个目标医生,进而向所筛选的目标医生发送广播消息,从而。
二、系统分配
当用户订单优先分配到外部医生时,若外部医生接单超时,兜底到内部医生相匹配的擅长科室进行排队处理(也是主诉擅长标关键词进行匹配预分配),且内医排班有全科,中医科兜底科室医生,且内部医生有诊室排队机制,依据诊室队列控制及医生接诊并发控制,能够有效承接住流量。
进一步地,上述步骤S104基于主诉信息和问诊信息创建待接诊订单之后,所述方法还包括:检测到所述待接诊订单完成分诊支付后创建所述用户和所述接诊医生的即时沟通窗口。
前文介绍,需要用户进行订支付,订单支付且分配对应的接诊医生后,进入医生接诊,医生可以进行图文IM聊天等方式进行问诊履约服务,为患者解决咨询问题。在接诊医生完成接诊后,可以向接诊医生支付相应的诊金,依据医生抢单的不同单据类型,给与不同奖励,比如音视频单据则100%结算给医生,医生问诊过程中给出医疗解决方案以及用户满意度进行奖励,,医生对复诊用户二开每单奖励x元;平台对于医生差评单扣款x%,诊金支付规则明确化、透明化。
本发明实施例提供的返能够分析内部和外部医生的经营成本模型问题,对于不同的医疗质量要求或是流量渠道来源,有不同的成本分摊模型,通过相关配置可以切换更细粒度的科室维度流量及时间段服务履约。由于设置抢单规则,极大的调动社会医生积极性,提高回复响应率,提升医疗质量,与平台共同发展,提升医生合法收入,阳光化医生收入。
基于同一发明构思,本发明实施例还提供了一种线上分流问诊装置,所述线上分流问诊装置包括:
信息获取模块310,用于获取用户发起问诊流程时输入的主诉信息和问诊信息;
医生筛选模块320,用于将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;所述医生群包括社会招募的外部医生和/或医疗机构的内部医生;
接诊订单生成模块330,用于基于主诉信息和问诊信息创建待接诊订单;
医生确定模块340,用于在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。
在本发明一实施例中,医生筛选模块320还可以用于:
利用所述智能分诊模型基于所述主诉信息和问诊信息与预先创建的各科室关联的正则表达式进行匹配;
若匹配到任一科室的一条正向规则且未匹配到所述科室对应的负向规则,则依据所述科室确定科室关键词。
在本发明一实施例中,医生筛选模块320还可以用于:
获取预先创建的医生数据库中各医生的擅长标签;
将所述科室关键词和各医生的擅长标签进行匹配,以从所述医生数据库中筛选出合适的医生群。
在本发明一实施例中,如图4所示,本实施例的线上分流问诊装置还可以包括医生数据库创建模块350;
医生数据库创建模350块还用于:获取医疗机构各内部医生的医生信息;
根据预设的多个评估维度从社会招募多个外部医生,并获取所述外部医生的医生信息;所述评估维度包括医生好评率、所在医院等级、接诊量,回复响应时长,医生职称中的一项或多项;
根据所述内部医生的医生信息和所述外部医生的医生信息创建医生数据库。
在本发明一实施例中,医生确定模块340还可以用于:
基于所述待接诊订单生成广播信息,将所述广播信息发送至所述医生群中的各个医生;
接收到所述医生群中任一医生的响应信息时,将所述待接诊订单分配至该医生,以作为所述用户的接诊医生。
在本发明一实施例中,医生确定模块340还可以用于:
获取所述用户的问诊权益信息;所述问诊权益信息包括内部医生专科问诊的图文、语音和/或视频问诊权益;
确定所述问诊流程的发起时间;
基于所述问诊流程的发起时间从所述医生群中选取所述用户的接诊医生。
在本发明一实施例中,医生确定模块340还可以用于:
检测到所述待接诊订单完成分诊支付后创建所述用户和所述接诊医生的即时沟通窗口。
本发明实施例的线上分流问诊装置的各模块的功能可以参见上述方法实施例的描述,此处不再赘述。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述实施例所述的线上分流问诊方法。
本发明实施例还提供了一种计算设备,所述计算设备包括处理器以及存储器:所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;所述处理器用于根据所述程序代码中的指令执行上述实施例所述的线上分流问诊方法。
所属领域的技术人员可以清楚地了解到,上述描述的系统、装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,为简洁起见,在此不另赘述。
另外,在本发明各个实施例中的各功能单元可以物理上相互独立,也可以两个或两个以上功能单元集成在一起,还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现,也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解:所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者该技术方案的全部或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一个存储介质中,其包括若干指令,用以使得一台计算设备(例如个人计算机,服务器,或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM),磁碟或者光盘等各种可以存储程序代码的介质。
或者,实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机,服务器,或者网络设备等的计算设备)来完成,所述程序指令可以存储于一计算机可读取存储介质中,当所述程序指令被计算设备的处理器执行时,所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:在本发明的精神和原则之内,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案脱离本发明的保护范围。
Claims (10)
1.一种线上分流问诊方法,其特征在于,所述方法包括:
获取用户发起问诊流程时输入的主诉信息和问诊信息;
将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;所述医生群包括社会招募的外部医生和/或医疗机构的内部医生;
基于主诉信息和问诊信息创建待接诊订单;
在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。
2.根据权利要求1所述的方法,其特征在于,所述利用所述智能分诊模型分析出科室关键词包括:
利用所述智能分诊模型基于所述主诉信息和问诊信息与预先创建的各科室关联的正则表达式进行匹配;
若匹配到任一科室的一条正向规则且未匹配到所述科室对应的负向规则,则依据所述科室确定科室关键词。
3.根据权利要求1所述的方法,其特征在于,所述依据所述科室关键词筛选出合适的医生群包括:
获取预先创建的医生数据库中各医生的擅长标签;
将所述科室关键词和各医生的擅长标签进行匹配,以从所述医生数据库中筛选出合适的医生群。
4.根据权利要求3所述的方法,其特征在于,所述获取预先创建的医生数据库中各医生的擅长标签之前,所述方法还包括:
获取医疗机构各内部医生的医生信息;
根据预设的多个评估维度从社会招募多个外部医生,并获取所述外部医生的医生信息;所述评估维度包括医生好评率、所在医院等级、接诊量,回复响应时长,医生职称中的一项或多项;
根据所述内部医生的医生信息和所述外部医生的医生信息创建医生数据库。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述在所述医生群中选取所述用户的接诊医生包括:
基于所述待接诊订单生成广播信息,将所述广播信息发送至所述医生群中的各个医生;
接收到所述医生群中任一医生的响应信息时,将所述待接诊订单分配至该医生,以作为所述用户的接诊医生。
6.根据权利要求1-3中任一项所述的方法,其特征在于,所述在所述医生群中选取所述用户的接诊医生包括:
确定所述问诊流程的发起时间;
基于所述问诊流程的发起时间从所述医生群中选取所述用户的接诊医生。
7.根据权利要求1-3中任一项所述的方法,其特征在于,所述基于主诉信息和问诊信息创建待接诊订单之后,所述方法还包括:
检测到所述待接诊订单完成分诊支付后创建所述用户和所述接诊医生的即时沟通窗口。
8.一种线上分流问诊装置,其特征在于,所述装置包括:
信息获取模块,用于获取用户发起问诊流程时输入的主诉信息和问诊信息;
医生筛选模块,用于将所述主诉信息和问诊信息输入预先创建的智能分诊模型,利用所述智能分诊模型分析出科室关键词,并依据所述科室关键词筛选出合适的医生群;所述医生群包括社会招募的外部医生和/或医疗机构的内部医生;
接诊订单生成模块,用于基于主诉信息和问诊信息创建待接诊订单;
医生确定模块,用于在所述医生群中选取所述用户的接诊医生,并将所述待接诊订单分配至所述接诊医生。
9.一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用于存储程序代码,所述程序代码用于执行权利要求1-7任一项所述的线上分流问诊方法。
10.一种计算设备,其特征在于,所述计算设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的线上分流问诊方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310415447.4A CN116417126A (zh) | 2023-04-11 | 2023-04-11 | 一种线上分流问诊方法及装置、存储介质、计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310415447.4A CN116417126A (zh) | 2023-04-11 | 2023-04-11 | 一种线上分流问诊方法及装置、存储介质、计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116417126A true CN116417126A (zh) | 2023-07-11 |
Family
ID=87059388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310415447.4A Pending CN116417126A (zh) | 2023-04-11 | 2023-04-11 | 一种线上分流问诊方法及装置、存储介质、计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116417126A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116962298A (zh) * | 2023-09-19 | 2023-10-27 | 阿里健康科技(中国)有限公司 | 访问流量的分配方法、装置、设备及存储介质 |
CN117035368A (zh) * | 2023-10-07 | 2023-11-10 | 四川桃子健康科技股份有限公司 | 一种基于互联网的医生派单方法 |
-
2023
- 2023-04-11 CN CN202310415447.4A patent/CN116417126A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116962298A (zh) * | 2023-09-19 | 2023-10-27 | 阿里健康科技(中国)有限公司 | 访问流量的分配方法、装置、设备及存储介质 |
CN116962298B (zh) * | 2023-09-19 | 2023-12-08 | 阿里健康科技(中国)有限公司 | 访问流量的分配方法、装置、设备及存储介质 |
CN117035368A (zh) * | 2023-10-07 | 2023-11-10 | 四川桃子健康科技股份有限公司 | 一种基于互联网的医生派单方法 |
CN117035368B (zh) * | 2023-10-07 | 2024-01-26 | 四川桃子健康科技股份有限公司 | 一种基于互联网的医生派单方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hameleers et al. | Shoot the messenger? The media’s role in framing populist attributions of blame | |
CN107247868B (zh) | 一种人工智能辅助问诊系统 | |
CN116417126A (zh) | 一种线上分流问诊方法及装置、存储介质、计算设备 | |
CN109670727B (zh) | 一种基于众包的分词标注质量评估系统及评估方法 | |
US20210280301A1 (en) | Intelligent triage method and device | |
US20170116677A1 (en) | Segmentation platform | |
US20090313045A1 (en) | System and Method for Medical Research and Clinical Trial | |
CN109585029A (zh) | 一种医院患者信息网络平台 | |
Chang et al. | Accelerating mixed methods research with natural language processing of big text data | |
US20090138284A1 (en) | Integrated Record System and Method | |
CN112542237B (zh) | 在线任务派发方法、装置、电子设备及存储介质 | |
CN112542236A (zh) | 在线任务派发方法、装置、电子设备及存储介质 | |
CN112885478A (zh) | 医疗文献的检索方法、装置、电子设备及存储介质 | |
Maloney et al. | The impact of a risk assessment instrument on juvenile detention decision-making: A check on “perceptual shorthand” and “going rates”? | |
MacDonald et al. | Interventions to increase condom use among middle-aged and older adults: A systematic review of theoretical bases, behaviour change techniques, modes of delivery and treatment fidelity | |
Coman et al. | COVID-19 vaccine hesitancy: disadvantaged groups’ experience with perceived barriers, cues to action, and attitudes | |
KR20220092419A (ko) | 비대면 의료상담 서비스 제공방법 및 제공플랫폼 | |
Rabanifar et al. | Exploring Barriers to Implementing Telerehabilitation from experiences of managers, policymakers, and providers of rehabilitation services in Iran: A Qualitative Study | |
CN117764740A (zh) | 健康保险智能风控方法、装置、设备及介质 | |
US20050177396A1 (en) | Method and apparatus for performing concurrent patient coding for hospitals | |
CN111861808A (zh) | 一种知情同意的实现方法、知情接收端和系统 | |
CN116453674A (zh) | 一种智慧医疗系统 | |
Panda et al. | What factors affect take up of voluntary and community-based health insurance programmes in low-and middle-income countries? Protocol | |
KR20200076397A (ko) | 공유 데이터베이스 구축 방법 | |
CN113886538B (zh) | 医保报销信息查询方法、装置、电子设备和存储介质 |
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 |