CN116457891A - 医院门诊智能引导方法、装置和系统 - Google Patents
医院门诊智能引导方法、装置和系统 Download PDFInfo
- Publication number
- CN116457891A CN116457891A CN202080107088.0A CN202080107088A CN116457891A CN 116457891 A CN116457891 A CN 116457891A CN 202080107088 A CN202080107088 A CN 202080107088A CN 116457891 A CN116457891 A CN 116457891A
- Authority
- CN
- China
- Prior art keywords
- information
- hospital
- examination
- client
- patient
- 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
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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
医院门诊检查的智能引导方法、装置和系统,其中,包括如下步骤:S1,从客户端(200)获取症状描述信息,并根据症状描述信息分析疑似病症及其所需检查和医疗资源,其中,症状描述信息包括身体部位及其症状以及温度;S2,分配医疗资源并确认其空档时间,并将预约结果信息发送给客户端(200),其中,医疗资源包括医疗设备、诊室,预约结果信息包括疑似病症、所需检查及其所需时间以及达到医院时间;S3,在收到客户端(200)对预约结果信息的确认信息以后,产生病人的就诊时间表信息并发送至客户端(200),并基于就诊时间表信息锁定医疗资源。能有效缩短病人在医院候诊以及等待检查的时间。
Description
本发明涉及工业自动化领域,尤其涉及医院门诊看诊和检查的智能引导方法、装置和系统。
对于医院门诊表现来说,排队拥挤水平、排队效率、排队病人的满意度以及病人等候时间都是核心KPI。
对于国内大部分医院都是十分拥挤的,病人并不满意于长时间的门诊等候。根据复旦大学在2017年所作的公开研究报告中显示,高达一半以上的病人在上海三级人民医院中门诊等候时间超过2个小时。在所有的门诊手续中,最长等候主要发生在病人排队见门诊医生的过程以及排队做检查的过程。
因此,我们需要解决的问题是如何减少病人排队见门诊医生的过程以及排队做检查的过程的等候时间。
为了减少病人等候时间和拥挤排队时间,许多医院最常采用的方法是使用预约系统。其中,预约系统允许特定数量的病人执行预约,允许病人在一个小时或半个小时的窗口时间内允许分布他们的到访时间。预约系统会一定程度缓和排队时间,但缓和程度远远不够。这种方案的局限性在于仅仅病人到访医院的数量,而不增加医疗资源利用率,并且只是通过给病人一个合适的预约到访时间来控制病人见医生的等候时间,而缺少在医院做检查的等候时间。此外,预约方案还缺乏对没有预约而随机到访病人的有效控制。
现有技术的另一个解决方案是重构医院门诊的步骤流程,其主要集中于布局设计和重病中心构建。这种方案在布局设计的局限性在于仅优化了病人门诊的步行路径,减少了来回奔波的情况,但这只是对于新建医院有效。此外,在这种方案中,重病中心只是合并了一些核心功能单元和程序,例如卒中中心、癌症中心等。
发明内容
本发明第一方面提供了医院门诊检查的智能引导方法,其中,包括如下步骤:S1,从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状;S2,分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;S3,在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
进一步地,其还所述步骤S1还包括如下步骤:S11,从客户端获取症状描述信息并将该症状描述信息格式化,并从本体库中调取所述症状描述信息中的第一症状;S12,根据所述症状描述信息基于规则库分析该第一症状对应的病症及其所需检查和医疗资源,当所述症状描述信息中对应的症状并不能与诊断时,则查询医院历纪录其所需检查和医疗资源的匹配。
进一步地,其还所述步骤S2还包括如下步骤:调取疑似病症所需检查和医疗资源,并基于所需检查和医疗资源以及医院目前的医疗资源占用情况作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端。
进一步地,医院门诊检查的智能引导方法还包括:S4,获取病人到达医院以后的状态信息,并基于所述状态信息和医疗资源当前状态信息持续更新就诊时间表信息并发送至客户端。
进一步地,所述步骤S4还包括如下步骤:获取病人到达医院以后的状态信息,结合所属状态信息及其所需检查、医疗资源占用预约情况和随机病人及其所需检查和资源之间的约束关系作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以持续更新就诊时间表信息并发送至客户端。
进一步地,所述优化目标包括通过干扰管理来减少对延迟病人的影响。其中,所述管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位导致的可用资源变化。
本发明第二方面提供了一种医院门诊检查的智能引导系统,其中,包括:处理器;以及与所述处理器耦合的存储器,所述存储器具有存储于其中的指令,所述指令在被处理器执行时使所述电子设备执行动作,所述动作包括: S1,从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状;S2,分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;S3,在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
进一步地,所述动作S1还包括:S11,从客户端获取症状描述信息并将该症状描述信息格式化,并从本体库中调取所述症状描述信息中的第一症状;S12,根据所述症状描述信息基于规则库分析该第一症状对应的病症及其所需检查和医疗资源,当所述症状描述信息中对应的症状并不能与诊断时,则查询医院历纪录进行所述症状和疑似病症及其所需检查和医疗资源的匹配。
进一步地,所述动作S2还包括:调取疑似病症所需检查和医疗资源,并基于所需检查和医疗资源以及医院目前的医疗资源占用情况作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端。
进一步地,所述动作还包括:S4,获取病人到达医院以后的状态信息,并基于所述状态信息和医疗资源当前状态信息持续更新就诊时间表信息并发送至客户端。
进一步地,所述动作S4还包括:获取病人到达医院以后的状态信息,结合所属状态信息及其所需检查、医疗资源占用预约情况和随机病人及其所需检查和资源之间的约束关系作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以持续更新就诊时间表信息并发送至客户端。
进一步地,所述优化目标包括通过干扰管理来减少对延迟病人的影响。其中,所述管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位导致的可用资源变化。
本发明第三方面还提供了医院门诊检查的智能引导装置,其中,包括:分析装置,其从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状以及温度;分配装置,其分配所述医疗资源并确认其空档时间,并将 预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;确认装置,其在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
本发明第四方面提供了计算机程序产品,所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可执行指令,所述计算机可执行指令在被执行时使至少一个处理器执行本发明第一方面所述的方法。
本发明第五方面提供了计算机可读介质,其上存储有计算机可执行指令,所述计算机可执行指令在被执行时使至少一个处理器执行本发明第一方面所述的方法。
本发明能够优化医院资源分布,即根据预约信息医院能够获知病人在比如接下来的24或48小时的分布,医院可以据此安排员工的换班,以及医疗材料和设备,减少浪费资源和提高响应速率。并且,本发明能够省去传统第一次候诊的时间,通过门诊以前就可以执行常规通用的问诊,智能预诊断模块能够代替医生告诉病人的疑似疾病和所需检查项目。本发明还能缩短等待检查的时间,预诊断和计划能够安排病人的时间,系统能够基于医疗资源占用情况和队列长度自动计算出一个合适的时间,可以很大程度上节省等待的时间。通过实时调度缩短检查等待时间,病人每次完成一个检验项目,系统基于计算调度算法建议病人去哪里下检查,其总是引导病人到当前最少排队队列。
图1是根据本发明一个具体实施例的医院门诊检查引导系统的结构示意图;
图2是根据本发明一个具体实施例的医院门诊检查引导系统的病人、症状、检查和医疗资源相互关系图谱;
图3是根据本发明一个具体实施例的医院门诊检查引导方法的预约阶段的步骤流程图;
图4是根据本发明一个具体实施例的医院门诊检查引导方法的就诊阶段 的步骤流程图;
图5是根据本发明一个具体实施例的医院门诊检查引导系统的症状输入和预约结果的示意图;
图6是根据本发明一个具体实施例的医院门诊检查引导系统的诊室及其时间空挡锁定的示意图;
图7是根据本发明一个具体实施例的医院门诊检查引导系统的诊室及其时间空挡实时安排的示意图;
图8是根据本发明一个具体实施例的医院门诊检查引导系统的诊室及其时间空挡实时安排的示意图;
图9是根据本发明一个具体实施例的医院门诊检查引导系统的效果说明图。
以下结合附图,对本发明的具体实施方式进行说明。
本发明提供了一种适用于医院门诊检查的智能引导机制,其核心思想在于在最少的资源浪费情况下最大化客户价值。简单地说,用更少的资源产生更大的价值。利用本发明提供的智能引导机制,病人的门诊和检查等候时间过长的问题能够有效缓解。
其中,本发明包括客户端和服务器端。其中,客户端可耦合于客户的智能手机,其是基于事件触发的。其中,服务器端应用于医院的服务器或者云端。
如图1、图3和图4所示,医院门诊检查的智能引导系统100分别连接于客户端200和医院信息系统300。医院门诊检查的智能引导系统100主要包括病人信息交换装置110、预诊断装置120、计划装置130和医院信息交换装置140。其中,预约信息交换器111和医院信息交换器112分别执行病人预约阶段和到医院就诊阶段。预约信息交换器111包括症状获取装置111a、预约反馈装置111b和预约确定和资源锁定装置111c。预先诊断装置120包括一个KBE(Knowledge-based Engineering,基于知识的工程)驱动121和一个知识库122,其中,知识库122包括一个本体库122a和一个规则库122b。
在本发明第一方面提供的医院门诊检查的智能引导方法中:
首先执行步骤S1,从客户端获取症状描述信息,并根据所述症状描述信 息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状,如体温和痛感等。其中,所述步骤S1为执行预诊断,推断疑似病症及其所需检查和医疗资源,步骤S1还进一步地包括子步骤S11和子步骤S12。
在子步骤S11中,症状获取装置111a从客户端200获取症状描述信息并将该症状描述信息格式化,KBE驱动121从本体库122a中调取所述症状描述信息中的第一症状;
在子步骤S12中,分析查询装置121b根据所述症状描述信息基于规则库122b分析该第一症状对应的病症及其所需检查和医疗资源,当所述症状描述信息中对应的症状并不能与诊断时,则分析查询装置121b查询查询对照医院历纪录,找到相同症状,及其病症、检查类型和医疗资源,进而执行其所需检查项目和医疗资源的匹配。
具体地,在病人到达医院以前,需要在作为客户端200的智能手机APP中输入症状,症状获取装置111a从客户端200获取症状描述信息,例如身体部位、身体温度、咳嗽等。这些症状数据会被格式化并发送给预诊断装置120。预约反馈装置111b负责格式化从预约装置131来的预约结果信息并将其转发至客户端200。
预先诊断装置120包括一个KBE(Knowledge-based Engineering,基于知识的工程)驱动121和一个知识库122,其中,知识库122是一个图谱库,其包括一个本体库122a和一个规则库122b。本体库122a描述了抽象公理,包括病人、症状、病症、检查和资源等以及相互之间的关系的类型。例如,所述相互之间的关系包括病人和症状,病人和病症,资源和检查等。特别地,本体库122a能够使用Protégé工具等工具进行编辑,并且以.owl文件的格式保存。KBE驱动121从本体库122a中调取所述症状描述信息中的特定症状,将本体库122a视为“字典”查询并执行推断。
其中,规则库122b描述了专家医疗知识,主要为了建立病人、症状、病症、检查和资源之间的关系。规则库122b的逻辑是如果病人表现出了特定症状,其中一个病症具有相同症状,则病人有患这种病症的可能性。如果这种病症需要一些特定检查,则该病人需要接受这些特定检查。如果医院的一些资源(包括病房、人员或者设备)能够支持这些检查,则该病人则需要占有这些资源以执行相关检查。如图2所示,规则库122b中包括实体为病症、症 状、病人、检查和医疗资源。其中,病症和症状的关系是“病症具有症状”,病人和症状的关系是“病人表现出症状”,病症和检查的关系是“病症需要检查”,医疗资源和检查的关系是“医疗资源支持检查”,上述这些关系都是既定公理(asserted axioms),这些断言公理都是提供给KBE驱动121查询的。其中,病人和病症的关系是“病人患有病症”,病人和检查的关系是“病人接受检查”,病人和资源的关系是“病人占有资源”,上述这些关系都是分析查询装置121b提供给推断出来的。
其中,知识库122用于保存大量具体事实,例如病人、症状、病症、检查、资源等实体以及相互之间的关系、实体属性,所述实体属性示例性地为病人性别、年龄、检查花费时间。上述数据都能够从医院的电子病历(Electronic Medical Record)获取。可选地,知识库122可独立于本体库122a和规则库122b,知识库122能够被替换以适应于任何医院的IT环境。规则库122b仅仅只覆盖症状、病症和检查的一些基本和共同关系。其中,知识库122包括许多病人的历史纪录,其能用于充当查询源,提供一些规则不能覆盖的病症。
其中,KBE驱动121用于驱动数据转移和分析过程,其支持同时针对多个病人执行上述过程。具体地,KBE驱动121包括实例化装置121a、分析查询装置121b和输出装置121c。实例化装置121a从本体库122a调取病人的症状,即在症状这个类别下产生单个症状,并且从资源类别下获取单个资源信息。分析查询装置121b采用一个推理引擎(例如Drools)或者一个推理机(例如Pellet、Hermit等)来驱动规则生效:推断每个病人的病症,每个病人所需的检查步骤以及每个病人需要的资源。如果一些病人表现出一些分析查询装置121b不能诊断的症状,则会在图谱数据库122c查询医院历史纪录(例如,会查询医院历史纪录中是否有病人具有同样的情况)并基于所述医院历史纪录的诊断作为反馈,其中,所述诊断包括病症及其所需检查。输出装置121c格式化诊断的病症、检查以及所需医疗资源,并输出给计划装置130做后续处理。
然后执行步骤S2,分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段。步骤S2即为执行预约阶段。
具体地,所述步骤S2还包括如下步骤:调取疑似病症所需检查和医疗资 源,并基于所需检查和医疗资源以及医院目前的医疗资源占用情况作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端。
具体地,所述计划装置130包括一个预约装置131和实时安排装置132。所述计划装置130的逻辑在于为每个病人分配医疗资源的时间空档。计划装置130可以采用计算模块或者离散事件系统(DES,Discrete Event System),其会描述在每个检查步骤中病人和医疗资源的约束关系,然后优化目标。为了达到优化的目的,所述计划装置130可以采用许多智能优化算法,例如GA和PSO。并且,通常这些算法需要改进来增加求解速度并避免局部最优。
其中,预约装置131用于病人执行预约,其包括一个建模装置131a和求解装置131b。首先,建模装置131a从预先诊断装置120调取病人的诊断信息(主要是检查及每个检查的花费时间和所需医疗资源)和获取目前医院资源占用情况作为输入信息来执行建模,然后求解装置131b通过优化目标的算法描述来求解该模型,接着基于此修改病人手机APP上的预约结果,并告知病人来医院的一个合适时间,同时预估该病人每个检查的时间空档。
最后执行步骤S3,在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时间以及到达医院时间。
具体地,病人在客户端200接收预约结果信息后,如果接受则表示预约成功,如果不接受则表示预约不成功。预约确定和资源锁定装置111c在收到病人对预约结果信息的确认信息后则开始执行锁定医疗资源。
其中,预约结果信息包括疑似疾病、病人需要执行的检查,每个检查的预估时间以及建议到达医院的时间等。预约确定和资源锁定装置111c如果基于医院目前的状况(数据库)判断预约结果信息是可执行的,如果病人接受预约结果信息则通过充当客户端200的手机APP发送确认信息给服务器来锁定医生、设备等资源。
具体地,医院信息交换器112包括注册装置112a、支付装置112b、病人状态检索装置112c和时间表更新装置112d。具体地,当病人到达医院其首先需要在手机APP上基于预约结果信息注册并且支付所需检查费用。其中,医院信息系统300连接有注册装置112a和支付装置112b。然后,病人状态检索 装置112c收集的状态信息是“支付完成,准备检查”。时间表更新装置112d会从实时调度装置132获取最新的时间表信息,并将所述时间表信息格式化然后发送给客户手机APP,其中信息更新可以以固定时间间隔实现,或者以事件驱动来实现,例如病人完成每个程序则触发下个事件。
本发明还包括步骤S4,获取病人到达医院以后的状态信息,并基于所述状态信息和医疗资源当前状态信息持续更新就诊时间表信息并发送至客户端。
具体地,如图1和图4所示,实时安排装置132是在病人达到医院后执行的,其结合医院资源的实时状态以及未预约就来医院就诊的随机病人来为作业安排建模。其中,未预约就来医院就诊的随机病人(例如急诊病人等)被视为在工业制造过程中的紧急插单,并且医院设备故障或者医生并未到达办公室能被视为在工业制造过程中的机器故障或者工人未到达生产线,这些都是在排程中的典型干扰管理问题。对于未预约就来医院就诊的随机病人来说,他们当然并不适用预约的手机APP,分诊室的护士会帮这样的病人在系统中登记,并且通过输入他们的症状到预先诊断装置120获取检查和资源,然后将上述信息放到实时安排装置132的查询库。未预约就来医院就诊的随机病人可能会影响时间空档稍后的病人的资源和时间安排。因此,当建立优化目标时需要考虑减少对预约病人的影响,例如,考虑在未预约就来医院就诊的随机病人之后的预约病人问诊的延后。在实际应用中,我们建议严格控制未预约就来医院就诊的随机病人数量,并鼓励病人们利用预约系统来预约就诊。
具体地,所述步骤S4还包括如下步骤:获取病人到达医院以后的状态信息,结合所属状态信息及其所需检查、医疗资源占用预约情况和随机病人及其所需检查和资源之间的约束关系作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以持续更新就诊时间表信息并发送至客户端。
其中,所述优化目标包括通过管理因素来减少对延迟病人的影响。其中,所述管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位导致的可用资源变化。
其中,实时安排装置132包括一个建模装置132a和求解装置132b,其工作流程是:首先,建模装置132a结合病人状态、检查、医疗资源占用预约情况和随机病人、检查和资源之间的约束关系以及描述优化目标的算法来建模, 优化目标需要包括通过管理因素来减少对延迟病人的影响。其中,管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位等。病人状态主要包括病人进行到哪一步检查。然后,求解装置132b对该模型求解。最后,新的预约结果会更新到病人的手机APP,告知病人哪个是下个检查。
其中,医院信息交换装置140包括IT系统接口141和感应数据获取装置142。具体地,IT系统接口141从医院IT系统检索医生、护士和其他人员的换班信息并发送给计划装置130作为资源信息。病人按照预约时间到达医院时会收到一个电子跟踪器(例如智能手环),病人佩戴电子跟踪器后,可以通过电子跟踪器获取病人位置,系统病人在哪里排队以及病人在占用哪些资源。当判断病人在医院时则解锁注册,否则就锁定注册。解锁注册后病人就可以在手机APP上执行注册和支付。感应数据获取装置142用于通过电子跟踪器获取病人状态(所在环节或地理位置)以及更新病人的日程安排,然后获取医疗资源占有状态和获取未预约病人来诊,以及获取可用的医疗资源统筹进行安排。如果一个设备突然故障视为未完成,则需要从计划装置130的资源池中移除,否则就进行实时安排。接着病人按照实时安排检查就诊并且更新状态就算就诊结束,否则就重新执行获取状态步骤。
根据本发明一个优选实施例,如图5所示,在到达医院以前病人C在充当客户端200的智能手机的APP上执行预约,假设其症状输入包括“发烧、呕吐、腹泻”。症状获取装置111a从客户端200获取该症状数据,并格式化发送给预诊断装置120。预约反馈装置111b负责格式化从预约装置131来的预约结果信息并将其转发至客户端200,其中,预约结果信息包括“肠胃感冒:尿常规检查、血常规检查、X光检查”以及建议到医院的时间“来院时间2020年10月22日下午1:30,检查时间:1个小时20分钟”。预约确定和资源锁定装置111c如果基于医院目前的状况(数据库)判断上述预约结果信息是可执行的,病人C接受预约结果信息则通过充当客户端200的手机APP发送确认信息给服务器来锁定“检查室3,检查室4和检查室n”及其时间空档。
如图6所示,假设医院具有检查室1、检查室2、检查室3、检查室4……检查室n。当前日期是2020年10月22日,下一天是10月23日。根据预约情况,在10月22日下午1点开始医院包括病人A、病人B和病人C预约就诊。如图所示,按照预约情况,病人C从t1开始在检查室3做相关检查,然后在检查室4做相关检查,最后在时间t2结束在检查室n的相关检查,因此 病人C的检查持续时间为t:1个小时20分钟。此外,病人A需要分别在检查室1、检查室2和检查室3做相关检查,病人B需要分别在检查室2、检查室4和检查室n做相关检查。
然而,当病人C到达医院以后完成了注册(特别地为挂号)和支付并且顺利按照预定时间在检查室3完成了相关检查,实时安排装置132检索了医院数据并获取了病人B取消了相关预约,而病人D由于紧急情况在未经预约情况下就医。当重新计算时间表时,则病人B则从安排中移除,并安排了病人D。如图7所示,在将要安排的列表上,病人A将在检查室1进行相关检查,病人D将在检查室2进行相关检查,病人A将在检查室3进行相关检查,病人D和C将在检查室1进行相关检查,病人C将在检查室n进行相关检查。病人C在t1时间开始在检查室C执行相关检查,并在下午2点30完成该检查,此时需要将病人C从图6所示的检查室2和检查室4的安排中移除,并且需要将病人D接下来安排在检查室2和检查室4。
在执行实时安排以后,更新后的诊室及其时间空挡实时安排如图8所示。其中,从t3即下午2点30开始,病人C结束在检查室3的相关检查,此后病人C根据指引到检查室n接受检查,最后在检查室4进行相关检查,并且在时间t4结束所有检查。病人C从时间t3开始进行实时安排以后在时间t4结束检查,耗时t’。此外,病人A分别在病人C以后在检查室3接受检查,在检查室1接受检查。病人D在病人A以后再检查室2接受检查,然后在检查室D并且在病人C以前接受检查。
图9是根据本发明一个具体实施例的医院门诊检查引导系统的效果说明图。如图9所示,上图是现有技术的问诊时间消耗,下图是本发明的问诊时间消耗,时间单位为分钟。具体地,如果病人因为同样病症来到医院需要做同样的检查,医院常规流程中的注册(挂号)需要10分钟,第一次问诊(含候诊排队)需要30分钟,支付需要10分钟,三个检查分别消耗15分钟、20分钟、35分钟,第二次问诊需要10分钟(含候诊排队),因此传统流程一共需要130分钟。而采用本发明,同样做三个检查分别需要15分钟、10分钟和25分钟,最后问诊只需要7分钟,因此采用本发明一共需要57分钟。因此对比现有技术,本发明具有明显的优越性,如果病人因为同样病症来到医院需要做同样的检查本发明比现有技术节省了大量时间,至少50%。
本发明第二方面提供了一种医院门诊检查的智能引导系统,其中,包括: 处理器;以及与所述处理器耦合的存储器,所述存储器具有存储于其中的指令,所述指令在被处理器执行时使所述电子设备执行动作,所述动作包括:S1,从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状;S2,分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;S3,在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
进一步地,所述动作S1还包括:S11,从客户端获取症状描述信息并将该症状描述信息格式化,并从本体库中调取所述症状描述信息中的第一症状;S12,根据所述症状描述信息基于规则库分析该第一症状对应的病症及其所需检查和医疗资源,当所述症状描述信息中对应的症状并不能与诊断时,则查询医院历纪录进行所述症状和疑似病症及其所需检查和医疗资源的匹配。
进一步地,所述动作S2还包括:调取疑似病症所需检查和医疗资源,并基于所需检查和医疗资源以及医院目前的医疗资源占用情况作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端。
进一步地,所述动作还包括:S4,获取病人到达医院以后的状态信息,并基于所述状态信息和医疗资源当前状态信息持续更新就诊时间表信息并发送至客户端。
进一步地,所述动作S4还包括:获取病人到达医院以后的状态信息,结合所属状态信息及其所需检查、医疗资源占用预约情况和随机病人及其所需检查和资源之间的约束关系作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以持续更新就诊时间表信息并发送至客户端。
进一步地,所述优化目标包括通过干扰管理来减少对延迟病人的影响。其中,所述管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位导致的可用资源变化。
本发明第三方面还提供了医院门诊检查的智能引导装置,其中,包括:分析装置,其从客户端获取症状描述信息,并根据所述症状描述信息分析疑 似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状以及温度;分配装置,其分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;确认装置,其在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
本发明第四方面提供了计算机程序产品,所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可执行指令,所述计算机可执行指令在被执行时使至少一个处理器执行本发明第一方面所述的方法。
本发明第五方面提供了计算机可读介质,其上存储有计算机可执行指令,所述计算机可执行指令在被执行时使至少一个处理器执行本发明第一方面所述的方法。
本发明能够优化医院资源分布,即根据预约信息医院能够获知病人在比如接下来的24或48小时的分布,医院可以据此安排员工的换班,以及医疗材料和设备,减少浪费资源和响应时间。并且,本发明能够减少传统排队等待诊断和等待检查的时间,到院以前就可以执行常规通用的检查,智能预诊断模块能够代替医生告诉病人的疑似疾病和所需检查项目,从而省去第一次候诊及看诊时间。本发明还能节省等待时间,预诊断和计划能够安排病人的时间,系统能够基于医疗资源占用情况和队列长度自动计算出一个合适的时间,可以很大程度上节省等待的时间。通过实时调度缩短检查等待时间,病人每次完成一个检验项目,系统基于计算调度算法建议病人去哪里下检查,其总是引导病人到当前最少排队队列。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。此外,不应将权利要求中的任何附图标记视为限制所涉及的权利要求;“包括”一词不排除其它权利要求或说明书中未列出的装置或步骤;“第一”、“第二”等词语仅用来表示名称,而并不表示任何特定的顺序。
Claims (15)
- 医院门诊检查的智能引导方法,其中,包括如下步骤:S1,从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状;S2,分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;S3,在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
- 根据权利要求1所述的医院门诊检查的智能引导方法,其特征在于,其还所述步骤S1还包括如下步骤:S11,从客户端获取症状描述信息并将该症状描述信息格式化,并从本体库中调取所述症状描述信息中的第一症状;S12,根据所述症状描述信息基于规则库分析该第一症状对应的病症及其所需检查和医疗资源,当所述症状描述信息中对应的症状并不能与诊断时,则查询医院历纪录其所需检查和医疗资源的匹配。
- 根据权利要求1所述的医院门诊检查的智能引导方法,其特征在于,所述步骤S2还包括如下步骤:调取疑似病症所需检查和医疗资源,并基于所需检查和医疗资源以及医院目前的医疗资源占用情况作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端。
- 根据权利要求1所述的医院门诊检查的智能引导方法,其特征在于,医院门诊检查的智能引导方法还包括:S4,获取病人到达医院以后的状态信息,并基于所述状态信息和医疗资源当前状态信息持续更新就诊时间表信息并发送至客户端。
- 根据权利要求1所述的医院门诊检查的智能引导方法,其特征在于, 所述步骤S4还包括如下步骤:获取病人到达医院以后的状态信息,结合所属状态信息及其所需检查、医疗资源占用预约情况和随机病人及其所需检查和资源之间的约束关系作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以持续更新就诊时间表信息并发送至客户端。
- 根据权利要求5所述的医院门诊检查的智能引导方法,其特征在于,所述优化目标包括通过干扰管理来减少对延迟病人的影响,其中,所述管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位导致的可用资源变化。
- 医院门诊检查的智能引导系统,其中,包括:处理器;以及与所述处理器耦合的存储器,所述存储器具有存储于其中的指令,所述指令在被处理器执行时使所述电子设备执行动作,所述动作包括:S1,从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状;S2,分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;S3,在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
- 根据权利要求7所述的医院门诊检查的智能引导系统,其特征在于,所述动作S1还包括:S11,从客户端获取症状描述信息并将该症状描述信息格式化,并从本体库中调取所述症状描述信息中的第一症状;S12,根据所述症状描述信息基于规则库分析该第一症状对应的病症及其所需检查和医疗资源,当所述症状描述信息中对应的症状并不能与诊断时,则查询医院历纪录进行所述症状和疑似病症及其所需检查和医疗资源的匹配。
- 根据权利要求7所述的医院门诊检查的智能引导系统,其特征在于,所述动作S2还包括:调取疑似病症所需检查和医疗资源,并基于所需检查和医疗资源以及医院目前的医疗资源占用情况作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端。
- 根据权利要求7所述的医院门诊检查的智能引导系统,其特征在于,所述动作还包括:S4,获取病人到达医院以后的状态信息,并基于所述状态信息和医疗资源当前状态信息持续更新就诊时间表信息并发送至客户端。
- 根据权利要求7所述的医院门诊检查的智能引导系统,其特征在于,所述动作S4还包括:获取病人到达医院以后的状态信息,结合所属状态信息及其所需检查、医疗资源占用预约情况和随机病人及其所需检查和资源之间的约束关系作为输入信息执行建模,并通过优化目标的算法描述来求解该模型,以持续更新就诊时间表信息并发送至客户端。
- 根据权利要求11所述的医院门诊检查的智能引导系统,其特征在于,所述优化目标包括通过干扰管理来减少对延迟病人的影响,其中,所述管理因素包括未预约就来医院就诊的随机病人,设备故障或者人员不到位导致的可用资源变化。
- 医院门诊检查的智能引导装置,其中,包括:分析装置,其从客户端获取症状描述信息,并根据所述症状描述信息分析疑似病症及其所需检查和医疗资源,其中,所述症状描述信息包括身体部位及其症状以及温度;分配装置,其分配所述医疗资源并确认其空档时间,并将预约结果信息所述发送给客户端,其中,所述医疗资源包括医疗设备、诊室,所述预约结果信息包括疑似病症、所需检查及其所需时间以及可以预约的来院时段;确认装置,其在收到客户端对预约结果信息的确认信息以后,产生该病人的就诊时间表信息并发送至客户端,并基于所述就诊时间表信息锁定医疗资源,其中,所述就诊时间表信息包括所需检查及其所需时长以及达到医院时间。
- 计算机程序产品,所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可执行指令,所述计算机可执行指令在被执行时使至少一个处理器执行根据权利要求1至6中任一项所述的方法。
- 计算机可读介质,其上存储有计算机可执行指令,所述计算机可执行指令在被执行时使至少一个处理器执行根据权利要求1至6中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/132408 WO2022110053A1 (zh) | 2020-11-27 | 2020-11-27 | 医院门诊智能引导方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116457891A true CN116457891A (zh) | 2023-07-18 |
Family
ID=81755136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080107088.0A Pending CN116457891A (zh) | 2020-11-27 | 2020-11-27 | 医院门诊智能引导方法、装置和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116457891A (zh) |
WO (1) | WO2022110053A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217341A (zh) * | 2023-11-08 | 2023-12-12 | 内蒙古璟晟科技有限公司 | 一种基于大数据的智慧医疗数据交互方法以及系统 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114927208A (zh) * | 2022-06-13 | 2022-08-19 | 平安科技(深圳)有限公司 | 一种信息管理方法、装置、设备及介质 |
CN115312208B (zh) * | 2022-10-11 | 2023-01-31 | 北京京东拓先科技有限公司 | 接诊数据展示方法、装置、设备、介质 |
CN115862823B (zh) * | 2022-11-14 | 2024-04-05 | 深圳市索美医疗科技服务有限公司 | 一种基于移动网络的设备智能调度方法及系统 |
CN116721743B (zh) * | 2023-02-08 | 2024-01-30 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种皮肤外科门诊手术预约管理方法与系统 |
CN116501990B (zh) * | 2023-04-11 | 2024-01-26 | 北京师范大学-香港浸会大学联合国际学院 | 基于门诊大数据的医院专科影响力评估方法及装置 |
CN116313021B (zh) * | 2023-05-23 | 2023-08-04 | 肇庆市高要区人民医院 | 医院诊疗管理系统及方法 |
CN117275692A (zh) * | 2023-09-25 | 2023-12-22 | 苏州仲如悦科技有限责任公司 | 一种基于大数据的医疗资源优化配置方法及系统 |
CN117637135B (zh) * | 2024-01-26 | 2024-05-03 | 深圳市中医院 | 一种核磁共振用患者排队提醒方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129526A (zh) * | 2011-04-02 | 2011-07-20 | 中国医学科学院医学信息研究所 | 面向公众的就医向导式自助分诊挂号方法及系统 |
US10255622B2 (en) * | 2012-10-31 | 2019-04-09 | Continuum Health Technologies Corp. | Statistical financial system and method to value patient visits to healthcare provider organizations for follow up prioritization |
CN104574246A (zh) * | 2014-12-22 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 医疗智能分诊方法、装置及设备 |
US10297347B2 (en) * | 2015-04-06 | 2019-05-21 | Preventice Solutions, Inc. | Adverse event prioritization and handling |
CN107798765A (zh) * | 2017-10-26 | 2018-03-13 | 南京康博泰信息科技有限公司 | 一种医院就诊分诊系统及方法 |
CN107845423A (zh) * | 2017-11-03 | 2018-03-27 | 天津理工大学 | 一种基于大数据的医疗服务app系统 |
-
2020
- 2020-11-27 WO PCT/CN2020/132408 patent/WO2022110053A1/zh active Application Filing
- 2020-11-27 CN CN202080107088.0A patent/CN116457891A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217341A (zh) * | 2023-11-08 | 2023-12-12 | 内蒙古璟晟科技有限公司 | 一种基于大数据的智慧医疗数据交互方法以及系统 |
CN117217341B (zh) * | 2023-11-08 | 2024-01-30 | 内蒙古璟晟科技有限公司 | 一种基于大数据的智慧医疗数据交互方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022110053A1 (zh) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116457891A (zh) | 医院门诊智能引导方法、装置和系统 | |
US11264128B2 (en) | Machine-learning framework for coordinating and optimizing healthcare resource utilization and delivery of healthcare services across an integrated healthcare system | |
US20080312959A1 (en) | Health Care Data Management System | |
Pan et al. | Patient flow improvement for an ophthalmic specialist outpatient clinic with aid of discrete event simulation and design of experiment | |
Vasilakis et al. | A simulation study of scheduling clinic appointments in surgical care: individual surgeon versus pooled lists | |
US20100305966A1 (en) | Robotic Management of Patient Care Logistics | |
US20140108033A1 (en) | Healthcare enterprise simulation model initialized with snapshot data | |
CN112424871A (zh) | 基于患者工作流程和资源可用性的优化患者日程安排 | |
CN111582525B (zh) | 一种医院临床检查检验集中自动预约系统及方法 | |
Eshghali et al. | Machine learning based integrated scheduling and rescheduling for elective and emergency patients in the operating theatre | |
CN114420278A (zh) | 一种基于规则算法的智能检查预约方法及系统 | |
US20170024523A1 (en) | Requirement Forecast for Health Care Services | |
Alhaider et al. | Distributed situation awareness: a health-system approach to assessing and designing patient flow management | |
Xiao et al. | A simulation-based study for managing hospital emergency department’s capacity in extreme events | |
CN112908452A (zh) | 事件数据建模 | |
Viana et al. | A hybrid discrete event agent based overdue pregnancy outpatient clinic simulation model | |
Sobolev et al. | Analysis of waiting-time data in health services research | |
Liu et al. | Hybrid simulation modelling of emergency departments for resource scheduling | |
Van Zyl-Cillié et al. | Wait! What does that mean?: Eliminating ambiguity of delays in healthcare from an OR/MS perspective | |
Khalifa | Reducing emergency department crowding using health analytics methods: designing AnEvidence based decision algorithm | |
Haji et al. | A simulation case study: Reducing outpatient waiting time of otolaryngology care services using VBA | |
Sanjaya et al. | Using hospital claim data to develop referral decision support systems: Improving patient flow from the primary care | |
Betancourt-Odio et al. | Scheduling optimization in ophthalmology using multi-objective integer models | |
CN117438061B (zh) | 用于检查预约资源动态分配的方法 | |
Lee et al. | Appointment scheduling optimization for specialist outpatient services |
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 |