CN116580858A - 一种基于ai的远程医疗照护提醒方法、装置和存储介质 - Google Patents
一种基于ai的远程医疗照护提醒方法、装置和存储介质 Download PDFInfo
- Publication number
- CN116580858A CN116580858A CN202310567657.5A CN202310567657A CN116580858A CN 116580858 A CN116580858 A CN 116580858A CN 202310567657 A CN202310567657 A CN 202310567657A CN 116580858 A CN116580858 A CN 116580858A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- vital sign
- level
- alarm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 158
- 230000008859 change Effects 0.000 claims description 83
- 238000012544 monitoring process Methods 0.000 claims description 40
- 238000012806 monitoring device Methods 0.000 claims description 37
- 230000005856 abnormality Effects 0.000 claims description 33
- 201000010099 disease Diseases 0.000 claims description 32
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 23
- 229940079593 drug Drugs 0.000 claims description 18
- 239000003814 drug Substances 0.000 claims description 18
- 230000036772 blood pressure Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000036760 body temperature Effects 0.000 claims description 11
- 230000036387 respiratory rate Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 description 14
- 230000000474 nursing effect Effects 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 10
- 239000008280 blood Substances 0.000 description 10
- 238000011282 treatment Methods 0.000 description 10
- 230000000241 respiratory effect Effects 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 208000032843 Hemorrhage Diseases 0.000 description 8
- 230000006399 behavior Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 206010019280 Heart failures Diseases 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 230000035939 shock Effects 0.000 description 5
- 208000001647 Renal Insufficiency Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 208000034158 bleeding Diseases 0.000 description 4
- 230000000740 bleeding effect Effects 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- 201000006370 kidney failure Diseases 0.000 description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 4
- 230000003340 mental effect Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 238000009666 routine test Methods 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 238000002565 electrocardiography Methods 0.000 description 3
- 230000000004 hemodynamic effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000004089 microcirculation Effects 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000008557 oxygen metabolism Effects 0.000 description 3
- 238000002106 pulse oximetry Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 208000014221 sudden cardiac arrest Diseases 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000010876 biochemical test Methods 0.000 description 2
- 230000023555 blood coagulation Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000009535 clinical urine test Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000009592 kidney function test Methods 0.000 description 2
- 239000004310 lactic acid Substances 0.000 description 2
- 235000014655 lactic acid Nutrition 0.000 description 2
- 238000007449 liver function test Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 210000001685 thyroid gland Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000000439 tumor marker Substances 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 206010007556 Cardiac failure acute Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 201000006306 Cor pulmonale Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 208000012671 Gastrointestinal haemorrhages Diseases 0.000 description 1
- 208000022559 Inflammatory bowel disease Diseases 0.000 description 1
- 208000005016 Intestinal Neoplasms Diseases 0.000 description 1
- 206010024642 Listless Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000030852 Parasitic disease Diseases 0.000 description 1
- 208000005718 Stomach Neoplasms Diseases 0.000 description 1
- 208000007107 Stomach Ulcer Diseases 0.000 description 1
- 208000012876 acute enteritis Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 206010017758 gastric cancer Diseases 0.000 description 1
- 201000005917 gastric ulcer Diseases 0.000 description 1
- 208000035861 hematochezia Diseases 0.000 description 1
- 208000031169 hemorrhagic disease Diseases 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 201000002313 intestinal cancer Diseases 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 208000017971 listlessness Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 210000004915 pus Anatomy 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 201000011549 stomach cancer Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000002485 urinary effect Effects 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例提供一种基于AI的远程医疗照护提醒方法、装置和存储介质。该方法包括获取患者的数据样本,所述数据样本包括生命体征数据和病症信息;将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值;根据所述异常值确定告警等级;向所述患者的照护人员发送与所述告警等级对应的告警信息;采用本申请实施例,能够及时发现患者出现异常状况,并针对该异常状况进行分析,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数。
Description
技术领域
本申请涉及医疗护理领域,进一步涉及人工智能(Artificial Intelligence,AI)在医疗护理领域的应用,尤其涉及一种基于AI的远程医疗照护提醒方法、装置和存储介质。
背景技术
智慧医疗是指通过打造健康档案区域医疗信息平台,利用最先进的物联网技术,实现患者与医务人员、医疗机构、医疗设备之间的互动,逐步达到信息化。随着社会的进步和医疗水平的不断提高,智慧医疗也逐步的融入了我们的生活,去医院看病就医,都实现了在线挂号、在线预约等信息化操作。
护理主要指对失去生活自理能力的病人提供的个人卫生方面的照顾和帮助,护理需要对病人的生活代谢物,健康情况,甚至是病人的心情进行调整,护理工作十分重要,随着网络的发展,远程护理成为可能;但护理人员不可能时时在患者身边,若在患者出现状况时,护理人员无法及时得知状况的发生,且医护人员也可能会由于护理人员的不在场,无法及时、准确地对病人的状态进行了解,从而耽误治疗的进度。
针对这种情况,现有技术中也存在一种远程护理系统,可以在患者体征不正常时,对相关人员发送警示信息,但由于患者在患病期间,体征不正常或者出现波动非常常见,这导致了警示信息可能会频繁发送,从而导致照护人员无法准确区分异常的具体状况,这无疑耗费了照护人员极大的精力。
发明内容
本申请实施例提供一种基于AI的远程医疗照护提醒方法、装置和存储介质,能够及时发现患者出现异常状况,并针对该异常状况进行分析和预测,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数;进一步的,针对异常状况进行分级,并制定了不同级别的告警等级和告警信息,以提示照护人员异常情况的紧急程度,以便照护人员能够针对性地进行处理。
第一方面,本申请实施例提供了一种基于AI的远程医疗照护提醒方法,所述方法应用于监护设备,所述监护设备用于家庭或医院病患的监护,所述方法包括:
获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
根据所述异常值确定告警等级;
向所述患者的照护人员发送与所述告警等级对应的告警信息。
在本申请实施例中,通过所述监护设备中的传感器或其他组件获取患者的多维度数据样本,以此作为第一预测模型的输入端的输入数据,进而预测得到所述患者的多维度数据样本中的异常数据,提高了监护设备针对医疗护理领域的智能性和全面性;
进一步的,能够及时发现患者出现异常状况,并针对该异常状况进行分析,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数;
更进一步的,根据所述异常值的具体情况对所述患者的突发状况进行评估,进而确定所述告警等级,以使所述患者的相关照护人员能够从告警信息中就得知所述患者的突发状况的紧急程度。
在第一方面的又一种可能的实施方式中,在所述获取患者的数据样本之后,所述方法还包括:
将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
向所述患者的照护人员发送所述生命体征异常原因。
本实施方式通过预先训练的第二预测模型对所述患者的数据样本中的生命体征数据中的异常数据出现的原因进行预测,进而使所述患者的照护人员能够在第一时间基于所述原因对所述患者的突发状况进行评估,进而使所述患者得到及时的救助。
在第一方面的又一种可能的实施方式中,所述根据所述异常值确定告警等级,包括:
将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
在本实施方式中,通过将所述数据样本输入至预先训练的第三预测模型中,得到与所述数据样本中的生命体征数据对应的目标生命体征变化趋势,所述目标生命体征变化趋势包括趋向变大、趋向变小、趋向稳定等,不同的生命体征数据对应的变换趋势不同,带来的影响也不同,可以理解的是,所述目标生命体征变化趋势相较于异常值,虽然会使缺乏医疗知识的照护人员不能理解,但会为懂得医疗知识的照护人员提供更精细、更全面的数据。
进一步的,基于所述目标生命体征变化趋势,对所述患者的突发状况进行评估,以明确可能还未达到异常值的生命体征数据有了达到异常值的趋势,进而使基于上述数据确定的告警等级更准确。
在第一方面的又一种可能的实施方式中,所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,包括:
根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
在第一方面的又一种可能的实施方式中,在所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级之后,所述方法还包括:
在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
在第一方面的又一种可能的实施方式中,所述根据所述异常值确定告警等级之后,所述方法还包括:
根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
在第一方面的又一种可能的实施方式中,在所述向所述患者的照护人员发送与所述告警等级对应的告警信息之后,还包括:
接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围;
根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
将原有的第一预测模型替换为更新后的第一预测模型。
第二方面,本申请实施例提供一种基于AI的远程医疗照护提醒装置,所述基于AI的远程医疗照护提醒装置至少包括获取单元、第一输入单元、确定单元和第一发送单元。该基于AI的远程医疗照护提醒装置用于实现第一方面任一项实施方式所描述方法,其中获取单元、第一输入单元、确定单元和第一发送单元的介绍如下:
获取单元,用于获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
第一输入单元,用于将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
确定单元,用于根据所述异常值确定告警等级;
第一发送单元,用于向所述患者的照护人员发送与所述告警等级对应的告警信息。
在本申请实施例中,通过所述监护设备中的传感器或其他组件获取患者的多维度数据样本,以此作为第一预测模型的输入端的输入数据,进而预测得到所述患者的多维度数据样本中的异常数据,提高了监护设备针对医疗护理领域的智能性和全面性;
进一步的,能够及时发现患者出现异常状况,并针对该异常状况进行分析,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数;
更进一步的,根据所述异常值的具体情况对所述患者的突发状况进行评估,进而确定所述告警等级,以使所述患者的相关照护人员能够从告警信息中就得知所述患者的突发状况的紧急程度。
在第二方面的又一种可能的实施方式中,所述装置还包括:
第二输入单元,用于将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
第二发送单元,用于向所述患者的照护人员发送所述生命体征异常原因。
本实施方式通过预先训练的第二预测模型对所述患者的数据样本中的生命体征数据中的异常数据出现的原因进行预测,进而使所述患者的照护人员能够在第一时间基于所述原因对所述患者的突发状况进行评估,进而使所述患者得到及时的救助。
在第二方面的又一种可能的实施方式中,所述确定单元用于:
将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
在本实施方式中,通过将所述数据样本输入至预先训练的第三预测模型中,得到与所述数据样本中的生命体征数据对应的目标生命体征变化趋势,所述目标生命体征变化趋势包括趋向变大、趋向变小、趋向稳定等,不同的生命体征数据对应的变换趋势不同,带来的影响也不同,可以理解的是,所述目标生命体征变化趋势相较于异常值,虽然会使缺乏医疗知识的照护人员不能理解,但会为懂得医疗知识的照护人员提供更精细、更全面的数据。
进一步的,基于所述目标生命体征变化趋势,对所述患者的突发状况进行评估,以明确可能还未达到异常值的生命体征数据有了达到异常值的趋势,进而使基于上述数据确定的告警等级更准确。
在第二方面的又一种可能的实施方式中,所述确定单元还用于:
根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
在第二方面的又一种可能的实施方式中,所述确定单元还用于:
在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
在第二方面的又一种可能的实施方式中,所述装置还包括:
调整单元,用于根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
在第二方面的又一种可能的实施方式中,所述装置还包括:
接收单元,用于接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围;
更新单元,用于根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
替换单元,用于将原有的第一预测模型替换为更新后的第一预测模型。
第三方面,本申请实施例提供一种基于AI的远程医疗照护提醒设备,该基于AI的远程医疗照护提醒设备包括处理器、存储器和通信接口;存储器中存储有计算机程序;处理器执行计算机程序时,所述通信接口用于发送和/或接收数据,该基于AI的远程医疗照护提醒设备可执行前述第一方面或者第一方面的任一种可能的实现方式所描述的方法。
需要说明的是,上述第三方面所描述的基于AI的远程医疗照护提醒设备所包含的处理器,可以是专门用于执行这些方法的处理器(便于区别称为专用处理器),也可以是通过调用计算机程序来执行这些方法的处理器,例如通用处理器。可选的,至少一个处理器还可以既包括专用处理器也包括通用处理器。
可选的,上述计算机程序可以存在存储器中。示例性的,存储器可以为非瞬时性(non-transitory)存储器,例如只读存储器(Read Only Memory,ROM),其可以与处理器集成在同一块器件上,也可以分别设置在不同的器件上,本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。
在一种可能的实施方式中,上述至少一个存储器位于上述基于AI的远程医疗照护提醒设备之外。
在又一种可能的实施方式中,上述至少一个存储器位于上述基于AI的远程医疗照护提醒设备之内。
在又一种可能的实施方式之中,上述至少一个存储器的部分存储器位于上述基于AI的远程医疗照护提醒设备之内,另一部分存储器位于上述基于AI的远程医疗照护提醒设备之外。
本申请中,处理器和存储器还可能集成于一个器件中,即处理器和存储器还可以被集成在一起。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储计算机程序,当所述指令在至少一个处理器上运行时,实现前述第一方面或者第一方面的任一种可选的方案所描述的方法。
第五方面,本申请提供了一种计算机程序产品,计算机程序产品包括计算机程序,当所述程序在至少一个处理器上运行时,实现前述第一方面或者第一方面的任一种可选的方案所描述的方法中。
可选的,该计算机程序产品可以为一个软件安装包,在需要使用前述方法的情况下,可以下载该计算机程序产品并在计算设备上执行该计算机程序产品。
本申请第三至第五方面所提供的技术方案,其有益效果可以参考第一方面和第二方面的技术方案的有益效果,此处不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
下面将对实施例描述中所需要使用的附图作简单的介绍。
图1是本申请实施例提供的一种监护系统的架构示意图;
图2是本申请实施例提供的一种基于AI的远程医疗照护提醒方法的流程示意图;
图3是本申请实施例提供的一种基于AI的远程医疗照护提醒装置的结构示意图;
图4是本申请实施例提供的一种基于AI的远程医疗照护提醒设备的结构示意图。
具体实施方式
下面结合附图对本申请实施例进行详细介绍。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本申请实施例应用的系统架构进行介绍。需要说明的是,本申请描述的系统架构及业务场景是为了更加清楚的说明本申请的技术方案,并不构成对于本申请提供的技术方案的限定,本领域普通技术人员可知,随着系统架构的演变和新业务场景的出现,本申请提供的技术方案对于类似的技术问题,同样适用。
请参阅图1,图1所示为本申请实施例提供的一种监护系统的架构示意图。监护系统包括监护设备101和通讯连接于监护设备101的第三方设备102。监护设备101和第三方设备102均可以用于获取表征患者状态的患者数据。
其中,监护设备101可以为,但不局限于监护手环、家庭病床、监护仪、本地中央站、远程中央站、云端服务系统、移动终端中的任意一个或其组合。在本实施例中,监护设备101可以为监护仪,所述监护仪用于对患者的监测数据进行实时监测,所述监护仪可包括床边监护仪、穿戴式监护仪(可穿戴式监护手环)等等。监护设备101还用于接收所述监护仪发送的监测数据,并对所述监测数据进行分析和处理。可选的,该监护设备101可以为医院或家庭对病患进行身体指标监护所用的设备,对这些数据的使用也是经病患同意后,为提升对病患的监护效果为目的,并不涉及对病患隐私数据做他用。
第三方设备102包括中央站,所述第三方设备设于负责所述患者的医院的一个科室或多个科室内,所述中央站用于接收监护设备101发送的患者数据和告警信息。
在一种可选的实施方式中,所述中央站通过网络将一个科室或多个科室内的监护仪进行连接,以达到实时集中监护以及数据海量存储的目的。例如,所述中央站存储有,但不局限于患者基本信息、病史信息和诊断信息。
在一些实施例中,所述监护仪与所述中央站可以组成互连平台,以实现所述监护仪与所述中央站之间进行数据通讯,例如,所述中央站可以对所述监护仪监测到的监测数据进行访问,所述监护仪从所述中央站获取患者基本信息、病史信息和诊断信息等。在其它一些实施例中,所述监护仪与所述中央站还可以通过通信模块建立数据连接。所述通信模块可以是,但不局限于wifi、蓝牙或移动通信的2G、3G、4G、5G等通信模块。
本领域技术人员应当理解的是,所述图1仅是监护系统包括的部件的示例,并不构成对监护系统的限定,且监护设备101及监护系统可以包括比图1所示更多或更少的部件,或者组合某些部件,或者不同的部件,例如监护设备101可以包括电源模块等,监护系统还可以包括定位导航装置、打印装置等。
具体的,监护设备101可以为便携式监护设备、转运式监护设备、或者移动式监护设备。在本实施例中,监护设备101包括,但不限于处理器和输出装置。处理器用于:获取用于表征患者状态的数据样本;将所述数据样本输入至预先训练的第一预测模型中进行处理,以获取所述患者的生命体征数据中的异常值;根据所述异常值的具体状况确定所述患者的异常的紧急程度;根据所述紧急程度确定告警等级,进而控制输出装置输出与所述告警等级匹配的告警信息。
如此,监护设备综合考虑表征患者状态的数据样本,从而避免监护设备出现误报警、漏报警等问题,且医护人员能够根据告警信息快速感知到患者的状态,可选的,通过进一步的患者状态信息或概览报告快速、可靠地判断患者病情,从而便利于对患者健康状态的实时掌握。
其中,所述数据样本包括,但不局限于监测数据、病情数据、检验数据、检查数据中的至少一种。所述监测数据包括,但不局限于生命体征参数数据,所述生命体征参数数据包括心电、血压、脉搏血氧、呼吸、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数中的至少一种。所述病情数据包括,但不局限于患者基本信息、疾病诊断信息、治疗方案信息、护理记录信息以及电子病历系统上自然语言信息中的至少一种。所述检验数据包括,但不局限于生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种,可选的,所述监护设备101与所述患者的排泄物汇集处设置有相应的传感器或设备,以使所述监护设备101能够及时通过所述患者的排泄物及时获取到相关数据。所述检查数据包括,但不局限于DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。所述患者基本信息包括,但不局限于患者的精神行为数据、生活行为数据、体态特征数据中的至少一者。所述精神行为数据是指反映患者的精神状态、意识或思维活动。所述生活行为数据包括,但不局限于睡眠数据、情绪数据、饮食数据等。所述体态特征数据包括,但不局限于面色数据、五官数据、体态数据、皮肤数据、指纹数据等。
在本实施例中,用于获取患者数据样本的雷达或传感器可以独立设置于监护设备101之外而与监护设备101可拆卸连接。传感器或雷达用于采集患者的生命体征参数数据。处理器还用于对来自传感器采集到的生命体征参数数据进行数据处理。传感器包括,但不局限于心电、血压、脉搏血氧、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数等监测附件,雷达包括呼吸、心率等监测附件。其中,监护设备101设置有若干连接接口。若干连接口可以是,但不局限于心电接口、血压接口、脉搏血氧接口、呼吸接口、体温接口等。所述监测附件通过连接接口电气连接于监护设备101上。在其它一些实施例中,传感器还可以集成于监护设备101上。在其它一些实施例中,监护设备101也可不包括传感器,监护设备101可以通过通信模块接收外部监测附件采集的监测数据。
请参见图2,图2是本申请实施例提供的一种基于AI的远程医疗照护提醒方法的流程示意图,该基于AI的远程医疗照护提醒方法可以基于图1所示的系统架构示意图中的监护设备实现,也可以基于其他架构实现,该方法包括但不限于如下步骤:
步骤S201:获取患者的数据样本。
所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项。
在一种可选的实施方式中,实时获取所述患者的数据样本,或间隔预设时间所述患者的数据样本,以实现全天24小时对所述患者的不间断监护。
在一种可选的实施方式中,所述生命体征参数数据包括血压、心电、血压、脉搏血氧、呼吸率、体温、心排量、二氧化碳、运动数据、视频数据、呼吸力学参数、血流动力学参数、氧代谢参数、脑电参数、双频指数及微循环参数。
在一种可选的实施方式中,所述病史包括检验数据和检查数据,所述检验数据包括,但不局限于生化检验指标数据,所述生化检验指标数据包括血常规检验数据、肝功能检验数据、肾功能检验数据、甲状腺检验数据、尿液检验数据、免疫检验数据、凝血检验数据、血气检验数据、便常规检验数据及肿瘤标记物检验数据中的至少一种;所述检查数据包括,但不局限于DR影像数据、CT影像数据、MRI影像数据、PET影像数据、超声影像数据、量表数据、体格测验数据中的至少一种。
在一种可选的实施方式中,所述患者的基本信息包括,但不局限于患者的精神行为数据、生活行为数据、体态特征数据中的至少一者。所述精神行为数据是指反映患者的精神状态、意识或思维活动。所述生活行为数据包括,但不局限于睡眠数据、情绪数据、饮食数据等。所述体态特征数据包括,但不局限于面色数据、五官数据、体态数据、皮肤数据、指纹数据等。
在一种可选的实施方式中,所述患者的基本信息还包括姓名、身份证号、诊疗卡号、性别、年龄、联系电话、家庭住址等。
需要说明的是,所述患者的基本信息是所述患者在就医时主动向医院提供的,或是在医院检查就医时,医院通过一种或多种检测手段获取的;而监护设备所获取的所述患者的基本信息可以是由该医院发送的,也可以是经所述患者同意获取的,仅用于分析、处理和监护患者的状态,从而为患者的照护人员提供患者的状态相关信息,并不做他用。
在一种可选的实施方式中,通过所述患者的排泄物汇集处设置的相应的传感器或设备,以此通过所述患者的排泄物及时获取到相关数据,例如所述排泄物中的大便常规检查显示红细胞、白细胞、脓细胞阳性,同时伴有腹泻、便血等,可能是急性肠炎、炎症性肠病、肠癌等肠道器质性疾病;若是大便常规检测显示有潜血阳性,其他指标无异常,那么所述患者可能患有胃部出血性疾病,比如胃溃疡、胃癌等;若是大便常规检查中发现有寄生虫卵,可能是寄生虫感染;如果检查出所述患者的尿液呈碱性,可能与患者的饮食、泌尿系统受到感染等原因有关。如果尿糖含量高,可能是患有糖尿病;如果尿中的蛋白含量过高,一般是患者的肾脏出现问题。
在一种可选的实施方式中,所述患者的用药情况包括所述患者在医院就医期间,该医院为所述患者所开的药物种类和数量,以及所述患者在患病期间每日所使用的药物种类、名称和数量。
步骤S202:将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值。
所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据。
在一种可选的实施方式中,所述第一预测模型为卷积神经网络(ConvolutionalNeural Networks,CNN)模型,因为CNN模型适用于对图像、文本等进行分类的任务,可以对数据进行特征提取和自动分类,故而可以使用一个包含多个卷积层、池化层和全连接层的CNN模型来搭建并使用数据增强技术来扩充数据集并提高模型的泛化能力。同时使用适当的损失函数多元交叉熵(Categorical cross-entropy):(适用于多分类任务,可以用于衡量模型预测值与真实值之间的差距)和Adam优化器,这是一种常用的自适应优化算法,可以自动调整学习率,适应不同的数据集和模型)来训练该CNN模型,以最大化该模型的准确性和鲁棒性。
需要说明的是,若生命体征是超过下限导致的异常事件,则其发生期间的最小值为异常值;若生命体征是超过上限导致的异常事件,则其发生期间的最大值为异常值。可见此处的异常值反映了异常事件发生期间最严重的情况。
所述异常值在实际应用中可能为“心率值超过180bpm”、“血乳酸超过4mmol/L”、“尿量小于0.5mL/Kg/h”、“乳酸值为102U/L”等,可选的,所述异常值也可以不以数值体现,而是以文字体现异常,例如“出现过精神萎靡”、“出现过皮肤花斑”等。
在一种可选的实施方式中,所述第一预测模型的训练数据是经过医院和患者同意之后获取到的,例如,针对某一类疾病,向相关医院和患者请求得到相应的数据样本作为所述第一预测模型的训练数据。
在一种可选的实施方式中,在将所述数据样本输入至所述第一预测模型之前,将收集到的数据通过国家的健康指标模板进行预处理,从而得到符合医学专业标准的标准化数据。这一步的目的是为了确保收集到的数据符合医学专业标准,并且可以方便地进行后续处理和分析,以确保数据质量和有效性。
本实施例除了设置有第一预测模型之外,还设置有其他预测模型,其他预测模型根据其设置的原因,采用对应的训练数据训练得到,在一种可选的实施方式中,将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
向所述患者的照护人员发送所述生命体征异常原因,从而可以在所述患者的生命体征数据不符合变化趋势时,预测可能的异常原因,使得负责所述患者的医护人员可以优先基于该生命体征异常原因进行检测,例如所述患者的血压异常升高,对应的异常原因可能是由食物引起。
可选的,所述第二预测模型为CNN模型。
需要注意的是,虽然上述的模型/方法可以有效地辅助医护人员进行生命指标监测告警,但是在告警处理时仍需要医护人员的专业知识和经验进行综合判断和决策。因此,该系统应该被视为医护人员的辅助工具,而不具有对疾病的诊断功能,也不提供对病患应对(比如治疗)方案。
步骤S203:根据所述异常值确定告警等级。
需要说明的是,根据所述异常值确定告警等级的过程中,需要评估所述患者的生命体征数据出现异常的数据大小和数量,进而确定告警等级,可以理解的是,若是患者的疾病为某类疾病,与该类疾病完全无关的数据的异常值不会导致告警等级的提升,若仅有此类完全无关的数据的异常值不会确定告警等级,降低警示信息发送的次数,上述的与该类疾病完全无关的数据是经过医院、医生和患者三方同意并确定的;
进一步的,若确定了与患者的疾病相关的数据的异常值大小和数量,那么可根据与患者的疾病相关的数据的异常值大小和数量确定告警等级。
在一种可选的实施方式中,根据模型的预测能力评估所述患者当前异常状态的紧急程度,或是未来一段时间内可能会发生的异常状态的紧急程度,具体如下所示:
将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记,其中,所述与所述病症信息对应的标准生命体征变化趋势为根据历史的具有该病症的患者的生命体征变化趋势的数据确定的,需要说明的是,所述目标生命体征变化趋势,可以是与上一个第一预设时间段比较得到的变化趋势,其可能是增大的趋势,也可能是减小的趋势;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
可选的,所述第三预测模型为CNN模型。
需要说明的是,上述的与所述数据样本对应的目标生命体征变化趋势既包括了所述患者在过去一段时间到当前的生命体征数据的变化情况,也包括了所述患者在未来一段时间内的生命体征数据的可能变化情况,对未来的情况的预测,可使照护人员对所述患者当前状态的认识更加清楚。
可选的,根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级的过程可如下所示:
根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;所述第一阈值、第二阈值和第三阈值可以通过采集患者在健康状态下的生命体征参数确定,例如多次采集患者在健康状态下的同一生命体征参数的值,根据多次采集到的健康状态下的生命体征参数中的最高值和最低值确定第一预设生命体征参数范围。例如对于心率这个生命体征参数,采集多个患者在健康状态下的心率,如55分/次、59分/次、65分/次、78分/次,则确定第一预设生命体征参数范围在55~78分/次,或者还可以在最高心率和最低心率的基础上增加或减少预定值以确定范围,例如将最低值55分/次减去5得到第一预设生命体征参数范围的下限值50分/次,将最高值78分加上5得到第一预设生命体征参数范围的上限值83分/次,从而确定第一预设生命体征参数范围为50~83分/次;其中,患者在健康状态下的生命体征参数可以直接对患者进行采集得到,或者也可以通过从网络服务器上下载,例如患者可以将其在健康状态下的多个同一生命体征参数的值上传至网络服务器中以供下载,可以理解的是,不同数据项可以具有不同的权重。通过对各数据设计权重,计算分数,对分数进行等级划分;
根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况,这里根据患者的用药情况对阈值进行修正的具体原因是使用某些药物会导致患者的某些生命体征数据异常上升一定数值;
在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级,由于不同的病症所对应的目标生命体征变化趋势、出现频次不同,相应的危急程度也不同,因此在本申请实施例中,对根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级的修正过程不作限定,例如,胃泌素释放肽前体异常升高,但肺部其他指标不变时,代表着患者的肺癌在持续加重。
在本实施方式中,所述标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值在确定完告警等级之后,根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值生成概览视图进行存储,在后续发送告警信息时一并发送至照护人员,概览视图包括:所述多项生命体征在第一预设时间段内的趋势信息以及所述多项生命体征在第一预设时间段内的异常事件统计。本实施例中趋势信息和异常值统计分区域显示,各项生命体征的趋势信息显示在一区域,各项生命体征的异常值统计显示在另一区域,两者分开显示便于医护人员查看。
所示趋势信息可以以统计图表的形式呈现,例如采用趋势图,趋势图又称为推移图、运行图、链图、走势图等等。趋势图可以用于反映某一个或多个变量与时间之间的关系,即,该一个或多个变量随时间变化发展的趋势。例如,趋势图可以以时间为横轴,待观察的变量为纵轴,观察变量变化发展的趋势和/或偏差。其横轴时间可以是秒、分钟、小时等,各时间点可以连续不间断,纵轴的观察变量可以是绝对量/绝对值、平均值、发生率等。在本实施例中,生命体征的趋势图可以用来反映生命体征随着时间变化的趋势,例如,该生命体征随时间推移而不断变化的数值,该数值既可以是以一定采样率采集的绝对值,也可以是以一定采样率采集并计算而得的各个固定时间段内的平均值。趋势图可以是曲线图、折线图、散点图、直方图、条形图、箱线图、饼图、环形图之一或其组合。趋势图通常包括坐标轴以及趋势曲线,本实施例中还包括趋势曲线的最大值和最小值,从而可以非常直观的呈现生命体征随时间的变化情况以及数值变化的范围。在一些示例中,趋势信息也可以采用表格形式。
在本实施方式中,至少部分的各项生命体征在第一预设时间段内的趋势信息按各项生命体征关联的生理系统或疾病的不同在概览视图上分类显示。当然,各项生命体征的异常事件统计也可按各项生命体征关联的生理系统或疾病的不同在概览视图上分类显示。换而言之,可以根据生理系统的不同对各项生命体征的趋势信息、异常事件统计进行分类,并按生理系统的类别来分类显示,也可以根据疾病的不同对各项生命体征的趋势信息、异常事件统计进行分类,并按疾病的类别来分类显示。如此,医护人员不仅能掌握第一预设时间段内各项生命体征的数值、波动情况、异常事件等,还能迅速的判断概览视图上呈现的信息是否与特定的生理系统或疾病相关,提高了医护人员的工作效率。
本实施例中,对趋势信息、异常事件统计进行分类,可以以各个系统的子系统进行分类。例如,按循环灌注、心电、呼吸氧合和脑神经系统中的至少两个进行分类。按疾病分类,则可以按休克、未休克等进行分类。本发明对于具体的分类规则并不予以限定,与生理系统直接关联或间接关联的方式,均在本发明的保护范围内。
在一种可选的实施方式中,所述生命体征的趋势信息的最大值或最小值可能为所述异常值。
在一种可选的实施方式中,在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,所述紧急视频请求是通过设置在监护设备中的音视频通讯设备实现的,用于紧急呼救(物理一键呼救或语音呼救)及视频通话,所述患者或其监护人可通过音视频通讯设备主动呼叫责任医护人员;
在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
显然,通过共计三级的告警等级来表征所述患者的疾病的当前危急程度在实际应用中可能存在不足,因此针对不同的疾病所适配的告警等级总数和细分程度也不同,以重大疾病为例,例如癌症、心脑血管疾病等,针对此类病症,在一种可选的实施方式中,所述告警等级包括一级、二级、三级和四级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高,可以理解的是,四级高于三级、高于二级、高于一级,具体如下所示:
一级,一次紧急(semiurgent)急性发病但病情、生命体征稳定,可等待就诊,必要时给予治疗,患者等待时间以不超过2h为宜。由护士进行排队监测、通知病患家属;
二级,紧急(urgent)病情有潜在加重的危险,但生命体征稳定,必要时需要给予及时诊治。可暂时等候就诊,等待时间不超过30min。由护士进行排队监测,通知病患家属;
三级,危急(emergent)随时可能出现生命危险,生命体征临界正常值,但可能迅速发生变化。需要立即配置责任人医生进行处理,在15min内给予紧急处理与严密观察,需要联系责任人医生、病患家属、护士配合观察;
四级,危殆(critical)生命体征极不稳定,如得不到紧急救治,有生命危险。须立即将患者送到医院急救室进行抢救与治疗,需要立即联系责任人医生、病患家属、护士准备进行治疗。
由于年龄会对疾病的进展有一定的影响,一般来说,年龄越大的患者,哪怕轻微的疾病都有可能出现危急的状况,因此在一种可选的实施方式中,根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
步骤S204:向所述患者的照护人员发送与所述告警等级对应的告警信息。
所述患者的照护人员包括护理人员和医护人员,所述护理人员包括所述患者的监护人,一般为所述患者的直系亲属,可以理解的是,所述患者的护理人员也可能为所述患者或所述患者的监护人外聘的,在危急情况发生时,所述监护设备会向所述患者的护理人员和/医护人员的终端设备发送告警信息。
所述告警信息包括文字提示信息、语音提示信息、灯光提示信息中的至少一种,例如,通过发出报警声的方式以输出患者异常的告警信息,或者也可以通过显示“出现异常”等字样以输出患者异常的告警信息,或者还可以以语音播报的方式输出患者异常的告警信息,语音播报例如根据生命体征参数的不同进行设置,例如语音播报“心率异常”等等。
以上述实施方式中的共计三级告警等级为例,当告警等级为一级时,对应的告警信息包括白色文字提示信息,与所述患者的异常值相关的语音提示信息;
当告警等级为二级时,对应的告警信息包括黄色文字提示信息,与所述患者的异常值相关的语音提示信息,以及黄色灯光提示信息;
当告警等级为三级时,对应的告警信息包括红色文字提示信息,与所述患者的异常值相关的语音提示信息,以及红色灯光提示信息;
需要说明的是,当告警等级为一级时,上述告警信息仅向所述患者的监护人发送;当告警等级为二级时,上述告警信息向所述患者的监护人告警信息和负责所述患者的医护人员发送;当告警等级为三级时,上述告警信息向所述患者的监护人告警信息和负责所述患者的医护人员发送。
在一种可选的实施方式中,在预设时间内,所述患者的生命体征数据未发生异常变化,或是在预设生命体征参数范围内时,说明患者的身体状态正常,可以输出患者相应的监护信息,例如可以以指示灯进行指示,例如显示绿色的指示灯以输出患者正常的监护信息,或者通过显示屏直接显示“患者心率正常”的监护信息。或者,在预设时间内,所述患者的生命体征数据未发生异常变化,或是在预设生命体征参数范围内时,也可以不做任何操作,而是进入下一轮监护。
在一种可选的实施方式中,所述文字提示信息包括异常值和除异常值之外的一项或多项生命体征的分析信息,所述分析信息为所述患者对应的科室常见的分析病症所用的信息,或与所述患者的疾病强相关的信息,心肺疾病患者的分析信息可能会包括呼吸频率、经皮动脉血氧饱和度、动脉血气分析中的氧分压和动脉血气分析中的二氧化碳分压。
在一种可选的实施方式中,所述文字提示信息还包括上述的概览视图和患者状态信息,
所述患者状态信息包括第一患者状态信息和第二患者状态信息。在本实施例中,所述第一患者状态信息用于表征患者的病症恶化的预测结果。所述第一患者状态信息用于表征患者病情恶化的发生时间和/或发生概率,所述第二患者状态信息用于表征患者病症。如此,医护人员可以基于所述第一患者状态信息快速掌握患者的病情,从而降低患者病情延误的风险,且可以避免监护设备产生误报警或漏报警,进而提升了监护设备的使用体验。
具体地,所述第一患者状态信息包括,但不局限于患者可能休克、患者可能即将发生休克、患者具有休克风险、请检查患者是否发生休克、患者可能心衰、患者可能急性心衰、患者可能发生急性心脏事件、患者可能即将发生心衰、患者具有心衰风险、请检查患者是否发生心衰、患者可能心脏骤停、患者可能即将发生心脏骤停、患者具有心脏骤停风险、请检查患者是否发生心脏骤停、患者可能内出血、患者可能即将发生内出血、患者具有内出血风险、请检查患者是否发生内出血、患者可能呼吸抑制、患者可能即将发生呼吸抑制、患者具有呼吸抑制风险、请检查患者是否发生呼吸抑制、患者可能颅脑出血、患者可能即将发生颅脑出血、患者具有颅脑出血风险、请检查患者是否发生颅脑出血、患者可能肾脏衰竭、患者可能即将发生肾脏衰竭、患者具有肾脏衰竭风险、请检查患者是否发生肾脏衰竭、患者可能严重感染、患者可能即将发生严重感染、患者具有严重感染风险、请检查患者是否发生严重感染等信息。
为了提高上述预测模型的准确性和普适性,在向所述患者的照护人员发送告警信息之后,还向所述患者的医护人员发送请求信息,所述请求信息用于询问该医护人员对本次发送的告警信息中的所述生命体征数据的异常值是否准确,在一种可选的实施方式中,接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围,例如,在某些疾病上,第一预测模型认为生命体征数据中的心率的异常值认定范围为超过160分/次,但医护人员针对心率的异常值的认定范围应为超过145分/次,故该医护人员回复相应的指示信息;
根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
将原有的第一预测模型替换为更新后的第一预测模型,进一步提高模型的准确性和适应性,使其更加符合实际的医疗需求和现实情况。
在一种可选的实施方式中,本实施例应用的监护设备中还设有跌倒检测装置,该跌倒检测装置可通过雷达或传感器实现对所述患者是否在与病床之间的距离小于预设范围的地方跌倒的监测,所述跌倒检测装置确定的跌倒告警信息也会对应生成告警信息,向所述患者的照护人员发送。
在一种可选的实施方式中,所述告警信息还包括图形信息或振动等方式。如此,可以提醒医护人员针对所述患者状态信息进行干预,提升了用户体验。
在一种可选的实施方式中,如果预设时间内所述患者的告警信息读取状态未发生变化,则说明医生未读取该告警信息;根据患者的档案及医生的排班表重新推荐医生,并给重新推荐医生的医生端发送告警信息。这样,可以保证患者能够及时得到救治。
在一种可选的实施方式中,接收告警信息的照护人员可通过自身的与上述监护设备通讯连接的终端设备进行远程定位或视频呼叫,以确定所述患者的具体位置和与所述患者进行音视频沟通。
本申请实施例提供的方法能够实时监测患者的生命体征数据,及时发现患者出现异常状况,进而在最短时间内警示相关的照护人员,满足照护人员和患者的需求,还能减少告警信息发送的频次;进一步的,针对异常状况进行分级,并制定了不同级别的告警等级和告警信息,以提示照护人员异常情况的紧急程度,以便照护人员能够针对性地进行处理。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的装置。
请参见图3,图3是本申请实施例提供一种基于AI的远程医疗照护提醒装置30的结构示意图,该基于AI的远程医疗照护提醒装置30可以为前面提及的监护设备或者监护设备中的器件,该基于AI的远程医疗照护提醒装置30可以包括获取单元301、第一输入单元302、确定单元303和第一发送单元304,其中,各个单元的详细描述如下。
获取单元301,用于获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
第一输入单元302,用于将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
确定单元303,用于根据所述异常值确定告警等级;
第一发送单元304,用于向所述患者的照护人员发送与所述告警等级对应的告警信息。
在一种可能的实施方式中,所述基于AI的远程医疗照护提醒装置30还包括:
第二输入单元,用于将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
第二发送单元,用于向所述患者的照护人员发送所述生命体征异常原因。
在一种可能的实施方式中,所述确定单元303用于:
将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
在一种可能的实施方式中,所述确定单元303还用于:
根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
在一种可能的实施方式中,所述确定单元303还用于:
在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
在一种可能的实施方式中,所述基于AI的远程医疗照护提醒装置30还包括:
调整单元,用于根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
在一种可能的实施方式中,所述基于AI的远程医疗照护提醒装置30还包括:
接收单元,用于接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围;
更新单元,用于根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
替换单元,用于将原有的第一预测模型替换为更新后的第一预测模型。
请参见图4,图4是本申请实施例提供的一种基于AI的远程医疗照护提醒设备40的结构示意图,所述基于AI的远程医疗照护提醒设备40包括:处理器401、通信接口402及存储器403,所述基于AI的远程医疗照护提醒设备40可以为上述监护设备,或是监护设备的器件。其中,处理器401、通信接口402及存储器403可通过总线或其他方式连接,本申请实施例以通过总线连接为例。
其中,处理器401是基于AI的远程医疗照护提醒设备40的计算核心以及控制核心,其可以解析基于AI的远程医疗照护提醒设备40内的各类指令以及基于AI的远程医疗照护提醒设备40的各类数据,例如:该处理器401可为中央处理器(Central Processing Unit,CPU),可以在基于AI的远程医疗照护提醒设备40内部结构之间传输各类交互数据,等等。通信接口402可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等),受处理器401的控制可以用于收发数据;通信接口402还可以用于所述基于AI的远程医疗照护提醒设备40内部信令或者指令的传输以及交互。存储器403(Memory)是所述基于AI的远程医疗照护提醒设备40中的记忆设备,用于存放程序和数据。可以理解的是,此处的存储器403既可以包括所述基于AI的远程医疗照护提醒设备40的内置存储器,当然也可以包括所述基于AI的远程医疗照护提醒设备40所支持的扩展存储器。存储器403提供存储空间,该存储空间存储了所述基于AI的远程医疗照护提醒设备40的操作系统,该存储空间还存储了处理器执行相应操作所需的程序代码或指令,可选的,该存储空间还可以存储该处理器执行该相应操作后产生的相关数据。
在本申请实施例中,处理器401运行存储器403中的可执行程序代码,用于执行如下操作:
通过通信接口402获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;针对外接测量仪器的测量得到的数据样本需要通过通信接口402获取,若是基于AI的远程医疗照护提醒设备40本身获取到的数据,无需通过通信接口402获取,直接就可得到。
将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据,本步骤中的数据样本既包括了通过通信接口402获取的数据样本,也包括了通过基于AI的远程医疗照护提醒设备40内置的监测仪器直接获取的数据样本;
根据所述异常值确定告警等级;
通过通信接口402向所述患者的照护人员发送与所述告警等级对应的告警信息。
在一种可选方案中,所述处理器401还用于:
将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
通过通信接口402向所述患者的照护人员发送所述生命体征异常原因。
在一种可选方案中,在所述根据所述异常值确定告警等级方面,所述处理器401用于:
将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
在一种可选方案中,所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级方面,所述处理器401具体用于:
根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
在一种可选方案中,在所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级之后,所述处理器401还用于:
在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
在一种可选方案中,所述处理器401还用于:
根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
在一种可选方案中,所述处理器401还用于:
通过通信接口402接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围;
根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
将原有的第一预测模型替换为更新后的第一预测模型。
需要说明的是,各个操作的实现还可以对应参照图2中所示的方法实施例的相应描述。
本申请实施例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存储有计算机程序,所述计算机程序包括程序指令,所述计算机程序当被处理器执行时使所述处理器实现图2对应的实施例中监护设备所执行的操作。
本申请实施例还提供一种计算机程序产品,当所述计算机程序产品在处理器上运行时,实现图2对应的实施例中监护设备所执行的操作。
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,可以通过程序来指令相关的硬件来完成,该程序可存储于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。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (10)
1.一种基于AI的远程医疗照护提醒方法,其特征在于,应用于监护设备,所述监护设备用于家庭或医院病患的监护,所述方法包括:
获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
根据所述异常值确定告警等级;
向所述患者的照护人员发送与所述告警等级对应的告警信息。
2.根据权利要求1所述的方法,其特征在于,在所述获取患者的数据样本之后,所述方法还包括:
将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
向所述患者的照护人员发送所述生命体征异常原因。
3.根据权利要求1所述的方法,其特征在于,所述根据所述异常值确定告警等级,包括:
将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
4.根据权利要求3所述的方法,其特征在于,所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,包括:
根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
5.根据权利要求4所述的方法,其特征在于,在所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级之后,所述方法还包括:
在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述异常值确定告警等级之后,所述方法还包括:
根据所述异常值的数量和/或患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
7.根据权利要求1-5任一项所述的方法,其特征在于,在所述向所述患者的照护人员发送与所述告警等级对应的告警信息之后,还包括:
接收医护人员发送的指示信息,其中,所述指示信息包括针对生命体征数据的异常值的认定范围;
根据所述指示信息对第一预测模型进行更新,以得到更新后的第一预测模型;
将原有的第一预测模型替换为更新后的第一预测模型。
8.一种基于AI的远程医疗照护提醒装置,其特征在于,所述装置包括:
获取单元,用于获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
第一输入单元,用于将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
确定单元,用于根据所述异常值确定告警等级;
第一发送单元,用于向所述患者的照护人员发送与所述告警等级对应的告警信息。
9.一种基于AI的远程医疗照护提醒设备,其特征在于,所述基于AI的远程医疗照护提醒设备包括至少一个处理器、通信接口和存储器,所述通信接口用于发送和/或接收数据,所述存储器用于存储计算机程序,所述至少一个处理器用于调用至少一个存储器中存储的计算机程序,以实现如权利要求1-7任一项所述的方法。
10.一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中存储有计算机程序,当所述计算机程序在处理器上运行时,实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310567657.5A CN116580858A (zh) | 2023-05-18 | 2023-05-18 | 一种基于ai的远程医疗照护提醒方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310567657.5A CN116580858A (zh) | 2023-05-18 | 2023-05-18 | 一种基于ai的远程医疗照护提醒方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116580858A true CN116580858A (zh) | 2023-08-11 |
Family
ID=87539343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310567657.5A Pending CN116580858A (zh) | 2023-05-18 | 2023-05-18 | 一种基于ai的远程医疗照护提醒方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580858A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315885A (zh) * | 2023-09-04 | 2023-12-29 | 中国人民解放军总医院第四医学中心 | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 |
CN117457219A (zh) * | 2023-12-25 | 2024-01-26 | 杭州乐湾科技有限公司 | 一种老年人照护和监测方法与系统 |
CN117594221A (zh) * | 2024-01-15 | 2024-02-23 | 吉林大学第一医院 | 一种基于数据分析的患者生命体征实时监测系统 |
-
2023
- 2023-05-18 CN CN202310567657.5A patent/CN116580858A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315885A (zh) * | 2023-09-04 | 2023-12-29 | 中国人民解放军总医院第四医学中心 | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 |
CN117315885B (zh) * | 2023-09-04 | 2024-05-28 | 中国人民解放军总医院第四医学中心 | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 |
CN117457219A (zh) * | 2023-12-25 | 2024-01-26 | 杭州乐湾科技有限公司 | 一种老年人照护和监测方法与系统 |
CN117457219B (zh) * | 2023-12-25 | 2024-04-16 | 杭州乐湾科技有限公司 | 一种老年人照护和监测方法与系统 |
CN117594221A (zh) * | 2024-01-15 | 2024-02-23 | 吉林大学第一医院 | 一种基于数据分析的患者生命体征实时监测系统 |
CN117594221B (zh) * | 2024-01-15 | 2024-04-16 | 吉林大学第一医院 | 一种基于数据分析的患者生命体征实时监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116580858A (zh) | 一种基于ai的远程医疗照护提醒方法、装置和存储介质 | |
US9700218B2 (en) | Systems and methods for reducing nuisance alarms in medical devices | |
US11051768B1 (en) | Determining when to emit an alarm | |
CN100563744C (zh) | 用于在镇静和止痛系统中提供趋势分析的系统 | |
WO2020011244A1 (zh) | 一种急危重症施救的医疗资源优化匹配方法和系统 | |
JP2008546117A (ja) | 疾患予後の動的定量のためのシステムおよび方法 | |
US10431343B2 (en) | System and method for interpreting patient risk score using the risk scores and medical events from existing and matching patients | |
CN114842935B (zh) | 一种用于医院夜间查房的智能检测方法及系统 | |
US11996200B2 (en) | Method, apparatus, and computer readable media for artificial intelligence-based treatment guidance for the neurologically impaired patient who may need neurosurgery | |
CN114883006A (zh) | 一种基于大数据的健康监测和动态管理系统及应用 | |
CN111063448A (zh) | 输血不良反应数据库建立方法、存储系统以及主动预警系统 | |
CN115714022A (zh) | 基于人工智能的新生儿黄疸健康管理系统 | |
US20200168332A1 (en) | Display system for medical information and method for generating display content | |
CN109937456B (zh) | 被配置成抑制警报的患者监测系统和方法 | |
CN114680820A (zh) | 状态报警方法、监护设备、监护系统及可读存储介质 | |
US11350883B1 (en) | Stream-based alarm filtering | |
CN106991293B (zh) | 一种重症疾病早期沟通系统、方法及沟通仪 | |
CN116098595B (zh) | 一种心源性及脑源性猝死监测预防系统和方法 | |
Lilly et al. | Application of machine learning models to biomedical and information system signals from critically ill adults | |
KR20040034164A (ko) | 간병용로봇장치 및 간병로봇 모니터링시스템 | |
CN116825337A (zh) | 患者安全护理预警系统 | |
CN113593722B (zh) | 一种用于患者预立医疗照护计划沟通的系统和方法 | |
Valsalan et al. | Remote healthcare monitoring using expert system | |
CN113470825A (zh) | 一种静脉血栓栓塞预测系统、方法、设备及介质 | |
US20210151178A1 (en) | System, apparatus and method for monitoring clinical state of a user |
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 |