CN116469547A - 一种基于在线问诊人机交互的患者需求分析方法及系统 - Google Patents
一种基于在线问诊人机交互的患者需求分析方法及系统 Download PDFInfo
- Publication number
- CN116469547A CN116469547A CN202310508290.XA CN202310508290A CN116469547A CN 116469547 A CN116469547 A CN 116469547A CN 202310508290 A CN202310508290 A CN 202310508290A CN 116469547 A CN116469547 A CN 116469547A
- Authority
- CN
- China
- Prior art keywords
- patient
- treatment
- natural language
- diagnosis
- inquiry
- 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- Withdrawn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
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 230000003993 interaction Effects 0.000 title claims abstract description 28
- 238000011282 treatment Methods 0.000 claims abstract description 98
- 238000003745 diagnosis Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000005516 engineering process Methods 0.000 claims abstract description 32
- 230000008451 emotion Effects 0.000 claims abstract description 30
- 238000003058 natural language processing Methods 0.000 claims abstract description 18
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 16
- 230000001225 therapeutic effect Effects 0.000 claims abstract description 15
- 208000024891 symptom Diseases 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000011269 treatment regimen Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
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
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提出了一种基于在线问诊人机交互的患者需求分析方法及系统，涉及人机交互领域。该方法包括：在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议。能够利用先进的人工智能和自然语言处理技术，为用户提供精准、个性化的医疗建议。
Description
技术领域
本申请涉及人机交互领域，具体而言，涉及一种基于在线问诊人机交互的患者需求分析方法及系统。
背景技术
随着人工智能和自然语言处理技术的发展，在线诊疗机器人越来越受欢迎。在线诊疗机器人是一个利用户工智能技术，提供远程医疗服务的系统。该系统通过对患者输入的病痛分类表分析和处理，给出诊断结果和治疗建议，可以有效的地缚解医疗资源紧张和看病难的问题。
然而，目前许多在线诊疗机器人的交互方式比较为简单，只能根据用户输入的症状提供初步的诊断结果和建议，缺乏深入分析和治疗方法的优化。同时，这些系统中也存在一些技术难点：如何从复杂的医疗数据中获取有效的信息、如何进行病情分析和诊断、如何评价治疗方案的有效性和安全性等。这些机器人无法根据用户的症状、病史和其他相关信息，为用户提供准确、个性化的医疗建议。
发明内容
本申请的目的在于提供一种基于在线问诊人机交互的患者需求分析方法，其能够利用先进的人工智能和自然语言处理技术，为用户提供精准、个性化的医疗建议。
本申请的另一目的在于提供一种基于在线问诊人机交互的患者需求分析系统，其能够运行一种基于在线问诊人机交互的患者需求分析方法。
本申请的实施例是这样实现的：
第一方面，本申请实施例提供一种基于在线问诊人机交互的患者需求分析方法，其包括在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议；在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者。
在本申请的一些实施例中，上述在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息包括：对于患者的问诊信息进行清理和预测以确保后续的分析和处理能够充分进行，其中，通过过滤和清除未使用或无关的信息，包括标记点符、特殊字符、重新聚合、停止使用词和栓微小的声音，通过自然语言处理工具包中的过滤器和规则引导来完成数据清洗。
在本申请的一些实施例中，上述通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求还包括：将患者的问诊信息转换成文本数据，对文本数据分离成词汇单位，并针对每个词汇注其语言类型和词性，然后进行语义分析。
在本申请的一些实施例中，上述还包括：通过对文本数据进行情绪分析，了解用户的情绪和状态并将其考虑在内，使用情绪分析工具和/或机器学习算法完成文本数据的情绪分析。
在本申请的一些实施例中，上述语义建模包括：通过条件随机场、递归回归、深度神经网络、外部知识库和语言资料库中的至少一种增强语言义表示的准确度和覆盖范围，将文本数据转换为计算机理解的语言表达形式，得到待处理的目标文本。
在本申请的一些实施例中，上述在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议包括：从各医疗机构的数据库中获取临床试验数据、医学文献、病历记录，通过机器学习将数据进行特征提取和模型训练，建立评估模型，将接收到的用户输入数据输入至评估模型中，对不同的治疗方法进行评价和分析，以确定其有效性和安全性，根据评估模型的结果，生成相应的治疗建议，并输出给患者。
在本申请的一些实施例中，上述在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者包括：根据医疗数据库给出治疗建议，生成符合语言规则的文本结构，根据文本结构和任务要求，为生成的文本填写正确的语义内容，根据语言法和语言义生成的结果反馈给患者。
第二方面，本申请实施例提供一种基于在线问诊人机交互的患者需求分析系统，其包括问诊信息采集模块，用于在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；
语义分析模块，用于通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；
生成治疗建议模块，用于在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议；
反馈模块，用于在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者。
第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如一种基于在线问诊人机交互的患者需求分析方法中任一项的方法。
相对于现有技术，本申请的实施例至少具有如下优点或有益效果：
通过整合和应用人工智能技术，对患者输入的问诊信息进行处理，提供更准确和个性化的诊断和治疗建议。同时，也能够通过足够多的大数据分析和机器学习技术，评价不同的治疗方法的有效性和安全性，以对提供的决策作出更合适的支持，更优质的医疗服务。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种基于在线问诊人机交互的患者需求分析方法步骤示意图；
图2为本申请实施例提供的一种基于在线问诊人机交互的患者需求分析系统模块示意图；
图3为本申请实施例提供的一种电子设备。
图标：101-存储器；102-处理器；103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1，图1为本申请实施例提供的一种基于在线问诊人机交互的患者需求分析方法步骤示意图，其如下所示：
步骤S100，在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；
在一些实施方式中，还包括对于患者的问诊信息进行清理和预测以确保后续的分析和处理能够充分进行，其中，通过过滤和清除未使用或无关的信息，包括标记点符、特殊字符、重新聚合、停止使用词和栓微小的声音，通过自然语言处理工具包中的过滤器和规则引导来完成数据清洗。
在一些实施方式中，在线诊疗机器人会接收用户输入的患者病情信息，这些信息可以包含症状、病史、体征、年龄、性别等，以及其他可能对问诊进展情况有帮助的。这些信息可以通过自然语言的形式输入，也可能以数据的形式输入。例如，可能会输入“我感到头疼和发热”，也可能会上医学检查报告或医生监测数据。
在接收到这些输入信息后，系统会进行一系列数据清洗和预测处理的操作，以将这些信息转换为机器可解析的几何图形，图形。使用自然语言处理技术对输入信息进行分词、词性标记、命名实体识别等处理，以将输入信息转换为语义表示形式。同时，系统也会使用数据挖掘和机器学习作业信息进行特征提取和预测，以获取更准确和完整的信息。在对输入信息进行预测处理和分析后，系统会对患者病情进行语言义建模，将输入信息转换为机器可理解的病情表现形式。文本可能包含疾病描述、疾病特征、疾病原因推断等内容，能够帮助在线诊疗机器人进行更深入和准确的疾病分析和诊断。
步骤S110，通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；
在一些实施方式中，还包括将患者的问诊信息转换成文本数据，对文本数据分离成词汇单位，并针对每个词汇注其语言类型和词性，然后进行语义分析。通过对文本数据进行情绪分析，了解用户的情绪和状态并将其考虑在内，使用情绪分析工具和/或机器学习算法完成文本数据的情绪分析。通过条件随机场、递归回归、深度神经网络、外部知识库和语言资料库中的至少一种增强语言义表示的准确度和覆盖范围，将文本数据转换为计算机理解的语言表达形式，得到待处理的目标文本。
在一些实施方式中，在线诊疗机器人会对输入的文本进行自然语言分词语法分析、语言分析等处理，以获取其语义信息和意图。
为了更好地理解用户的问题，在线诊疗机器人需要具备自然语言处理能力和理解语言正确性的能力，这通常需要利用大量模型的语言资料库和深度学习练习，在训练过程中，在线诊疗机器人学会自然语言文字的语言结构、语义信息、上下文相关方面的知识，从而能够更好地理解和分析用户的问题。
一旦系统对患者的问题进行了解析和分析，就可以与患者进行一步交互，以获取更多的病情信息或向患者提供问诊判断。在线诊疗机器人可以进一步询问患者的症状详细信息，或者向患者解释某种医学术语或治疗方法。通过这种交互方式，系统可以更好地读取患者的问题。
步骤S120，在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议；
在一些实施方式中，还包括从各医疗机构的数据库中获取临床试验数据、医学文献、病历记录，通过机器学习将数据进行特征提取和模型训练，建立评估模型，将接收到的用户输入数据输入至评估模型中，对不同的治疗方法进行评价和分析，以确定其有效性和安全性，根据评估模型的结果，生成相应的治疗建议，并输出给患者。
在一些实施方式中，利用人工智能技术判断不同的治疗方案的有效性和安全性是一个复杂的任务，需要深度学习、自然语言处理、医学知识等多个领域的专业知识，在实践中，可以结合多种人工智能技术进行诊断和治疗方案的生成，例如：
基于规则的方法：在线诊断治疗器人可以通过预定义的规则，从患者的病情特征和病史等方面推断出可能的疾病和治疗方法方案，并在在线诊断治疗器人中实际应用规则库和知识库。
基于机器学习的方法：在线诊断治疗器人可以利用机器学习算法，从历史病例和医学文献中学习和发现疾病特征和治疗方法之关系，联系的关系提供个性化的诊断和治疗建议。这种方法需要大量的数据和计算支持，以确保生成的诊断和治疗方法的准确性和可靠性。
基于深度学习的方法：在线诊断治疗器人可以利用深度学习算法，对患者输入的自然语言文本和医学数据进行建模和分析，从而推断出病症可能对应疾病，这种方法需要大量的数据和计算资源支持，以提高诊断和治疗方法的准确性和效率。
无论采用哪种方法，生成诊断和治疗方法的过程都需要在线诊断治疗器人综合考虑患者的病情特征、病因、病程等，提供最准确及个性化的诊断和治疗建议。同时，在线诊断治疗器人也需要不断更新和优化自身的算法和模型，以适应医疗领域的不断变化和发展。
步骤S130，在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者。
在一些实施方式中，还包括根据医疗数据库给出治疗建议，生成符合语言规则的文本结构，根据文本结构和任务要求，为生成的文本填写正确的语义内容，根据语言法和语言义生成的结果反馈给患者。
实施例2
请参阅图2，图2为本申请实施例提供的一种基于在线问诊人机交互的患者需求分析系统模块示意图，其如下所示：
问诊信息采集模块，用于在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；
语义分析模块，用于通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；
生成治疗建议模块，用于在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议；
反馈模块，用于在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者。
如图3所示，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的方法及系统，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
另一方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个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，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的一种基于在线问诊人机交互的患者需求分析方法及系统，通过整合和应用人工智能技术，对患者输入的问诊信息进行处理，提供更准确和个性化的诊断和治疗建议。同时，也能够通过足够多的大数据分析和机器学习技术，评价不同的治疗方法的有效性和安全性，以对提供的决策作出更合适的支持，更优质的医疗服务。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。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。
Claims (9)
1.一种基于在线问诊人机交互的患者需求分析方法，其特征在于，包括：
在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；
通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；
在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议；
在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者。
2.如权利要求1所述的一种基于在线问诊人机交互的患者需求分析方法，其特征在于，所述在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息包括：
对于患者的问诊信息进行清理和预测以确保后续的分析和处理能够充分进行，其中，通过过滤和清除未使用或无关的信息，包括标记点符、特殊字符、重新聚合、停止使用词和栓微小的声音，通过自然语言处理工具包中的过滤器和规则引导来完成数据清洗。
3.如权利要求1所述的一种基于在线问诊人机交互的患者需求分析方法，其特征在于，所述通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求还包括：
将患者的问诊信息转换成文本数据，对文本数据分离成词汇单位，并针对每个词汇注其语言类型和词性，然后进行语义分析。
4.如权利要求3所述的一种基于在线问诊人机交互的患者需求分析方法，其特征在于，还包括：
通过对文本数据进行情绪分析，了解用户的情绪和状态并将其考虑在内，使用情绪分析工具和/或机器学习算法完成文本数据的情绪分析。
5.如权利要求1所述的一种基于在线问诊人机交互的患者需求分析方法，其特征在于，所述语义建模包括：
通过条件随机场、递归回归、深度神经网络、外部知识库和语言资料库中的至少一种增强语言义表示的准确度和覆盖范围，将文本数据转换为计算机理解的语言表达形式，得到待处理的目标文本。
6.如权利要求1所述的一种基于在线问诊人机交互的患者需求分析方法，其特征在于，所述在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议包括：
从各医疗机构的数据库中获取临床试验数据、医学文献、病历记录，通过机器学习将数据进行特征提取和模型训练，建立评估模型，将接收到的用户输入数据输入至评估模型中，对不同的治疗方法进行评价和分析，以确定其有效性和安全性，根据评估模型的结果，生成相应的治疗建议，并输出给患者。
7.如权利要求1所述的一种基于在线问诊人机交互的患者需求分析方法，其特征在于，所述在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者包括：
根据医疗数据库给出治疗建议，生成符合语言规则的文本结构，根据文本结构和任务要求，为生成的文本填写正确的语义内容，根据语言法和语言义生成的结果反馈给患者。
8.一种基于在线问诊人机交互的患者需求分析系统，其特征在于，包括：
问诊信息采集模块，用于在线诊疗机器人通过文本和/或语言的方式接收用户的输入，在线诊疗机器人通过自然语言处理技术理解并提取患者的问诊信息；
语义分析模块，用于通过自然语言分析从患者输入的问诊信息中提取注意点、关系和情感信息，并对其进行语义建模，明确患者的需求；
生成治疗建议模块，用于在线诊断治疗器人基于已经确定的患者的需求及问诊信息对应的医学症状，利用人工智能技术判断不同的治疗方案的有效性和安全性，其中，根据综合考查医学数据、个人差异以及治疗目标进行判断，并利用医疗数据库给出治疗建议；
反馈模块，用于在线诊断治疗器人利用自然语言生成技术，生成自然语言响应诊断结果和治疗方法反馈给患者。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310508290.XA CN116469547A (zh) | 2023-05-06 | 2023-05-06 | 一种基于在线问诊人机交互的患者需求分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310508290.XA CN116469547A (zh) | 2023-05-06 | 2023-05-06 | 一种基于在线问诊人机交互的患者需求分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116469547A true CN116469547A (zh) | 2023-07-21 |
Family
ID=87182503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310508290.XA Withdrawn CN116469547A (zh) | 2023-05-06 | 2023-05-06 | 一种基于在线问诊人机交互的患者需求分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116469547A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117637093A (zh) * | 2024-01-25 | 2024-03-01 | 西南医科大学附属医院 | 基于智慧医疗的患者信息管理方法及系统 |
-
2023
- 2023-05-06 CN CN202310508290.XA patent/CN116469547A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117637093A (zh) * | 2024-01-25 | 2024-03-01 | 西南医科大学附属医院 | 基于智慧医疗的患者信息管理方法及系统 |
| CN117637093B (zh) * | 2024-01-25 | 2024-04-12 | 西南医科大学附属医院 | 基于智慧医疗的患者信息管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111798941A (zh) | 用于生成临床查询的预测系统 | |
| CN113223735B (zh) | 基于对话表征的分诊方法、装置、设备及存储介质 | |
| CN112201359B (zh) | 基于人工智能的重症问诊数据识别方法及装置 | |
| CN113704428A (zh) | 智能问诊方法、装置、电子设备及存储介质 | |
| Yadav et al. | A novel automated depression detection technique using text transcript | |
| CN116469547A (zh) | 一种基于在线问诊人机交互的患者需求分析方法及系统 | |
| CN116956896A (zh) | 基于人工智能的文本分析方法、系统、电子设备及介质 | |
| CN115440370A (zh) | 一种基于医疗知识图谱的动态临床诊疗辅助系统 | |
| CN118098646A (zh) | 在线问诊服务的提供方法及装置 | |
| CN116992861B (zh) | 基于数据处理的医疗服务智慧处理方法及系统 | |
| CN113012774A (zh) | 病案自动编码方法、装置、电子设备及存储介质 | |
| CN113868437A (zh) | 基于知识图谱的可解释的情绪逻辑识别方法、系统及介质 | |
| Li et al. | An ensemble net of convolutional auto-encoder and graph auto-encoder for auto-diagnosis | |
| Muangnak et al. | The neural network conversation model enables the commonly asked student query agents | |
| CN117457185A (zh) | 疾病预测方法、装置、设备及存储介质 | |
| CN116975233A (zh) | 医疗问题答案生成方法、装置以及存储介质、电子设备 | |
| CN116842143A (zh) | 基于人工智能的对话模拟方法、装置、电子设备及介质 | |
| CN115579153A (zh) | 问诊评价方法、问诊评价装置、电子设备和可读存储介质 | |
| Sujithra et al. | An intellectual decision system for classification of mental health illness on social media using computational intelligence approach | |
| Langgeng et al. | Long short-term memory-based chatbot for vocational registration information services | |
| CN117216230B (zh) | 一种ai心理医生对话交互处理方法、系统、终端及介质 | |
| CN113064887B (zh) | 数据管理方法、装置、设备及存储介质 | |
| Gupta | A MACHINE LEARNING BASESD HEALTHCARE DIAGNOSTIC MODEL | |
| Wang et al. | LCMDC: Large-scale Chinese Medical Dialogue Corpora for Automatic Triage and Medical Consultation | |
| Suresh et al. | Aayush Arogya Chatbot |
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: 20230721 |
|
| WW01 | Invention patent application withdrawn after publication |