CN116825304B - 基于深度互联的在线医疗方法与系统 - Google Patents
基于深度互联的在线医疗方法与系统 Download PDFInfo
- Publication number
- CN116825304B CN116825304B CN202310748996.3A CN202310748996A CN116825304B CN 116825304 B CN116825304 B CN 116825304B CN 202310748996 A CN202310748996 A CN 202310748996A CN 116825304 B CN116825304 B CN 116825304B
- Authority
- CN
- China
- Prior art keywords
- treatment
- case
- medical
- decision tree
- cases
- 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.)
- Active
Links
- 238000000968 medical method and process Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 57
- 238000003745 diagnosis Methods 0.000 claims abstract description 18
- 238000003066 decision tree Methods 0.000 claims description 118
- 238000013145 classification model Methods 0.000 claims description 26
- 238000007635 classification algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 208000024891 symptom Diseases 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000012790 confirmation Methods 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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
本发明一种基于深度互联的在线医疗方法与系统,方法包括:在线就诊、案例上传与智能分类、过程审查、信用评分;在线医疗系统包括:患者端、医生端、医院管理端及系统平台,患者端、医生端、医院管理端通过系统平台实现互联互通;系统平台包括:在线就诊模块、案例上传模块、案例存储模块、智能分类模块、案例检索模块、过程审查模块及信用评分模块。本发明通过对涉及三方在线就诊和监管过程信息的上传与分类保存,能够自动归档、整理和存储案例,便于后续检索和分析,提高工作效率;以及通过过程审查功能和评分功能实现对在线诊疗医生及医院的监督与管理,为规模小但服务质量高的医院提供提升知名度和影响力的手段,有效解决过度医疗的问题。
Description
技术领域
本发明涉及在线医疗技术领域,涉及一种在线医疗方法与系统,特别涉及一种基于深度互联的在线医疗方法与系统。
背景技术
在线医疗对于提升整体医疗水平和质量具有重大意义。长期以来,由于信息的不公开,患者、医生及医院的互联程度低,导致患者寻医问药成本高、医疗资源利用率低,许多医德高尚专业能力优秀的医生无人问津,许多规模小但服务质量高的医院难以提升知名度,误诊、医闹、医疗事故时有发生,这些事故难以发现和避免,患者因此受到医疗事故带来的身体损伤和经济损失难以估量,医生会受到无理取闹的患者或家属造成的伤害,医院的名誉也会因此下降。随着我国计算机信息技术的迅速发展,在线医疗系统的开发和普及为医疗领域存在的上述问题提供了全新的解决途径。
中国专利文献CN110047585A公开一种在线医院管理平台,用户通过用户终端登录在线医院服务系统时,服务器向用户终端发送医生信息;用于供患者选择医生,并将患者的选择结果存储进数据库;服务器用于根据患者的选择结果和数据库的医生信息进行匹配,将匹配成功的医生与患者进行绑定,并向患者的用户终端发送挂号问诊信息;患者根据挂号问诊信息选择线上预约挂号服务或与绑定医生进行在线问诊服务。
中国专利文献CN115547479A公开一种基于5G消息的智慧医疗控制方法和系统,所述方法包括:用户访问用户界面以预约医生;自动下发医生确认5G消息给用户终端;下发资料收集5G消息以进行资料收集;在看诊时间到达后,自动下发看诊5G消息;线上诊室基于所收集的资料开展看诊。
中国专利文献CN115346654A公开一种基于互联网的智慧服务系统,包括数据获取模块、数据分析模块和推荐服务模块,所述数据获取模块包括医疗平台数据库模块、医疗信息录入模块、患者数据获取模块和数据处理模块,所述数据分析模块包括评价数据分类模块、情感数据评分模块和活跃度分析模块,所述推荐服务模块包括关键词提取模块、科室推荐模块和医生推荐模块。其主要改进点在于具有智能推荐功能,能提高服务的效率。
上述文献公开的在线医疗系统或平台,其主要功能仍在于实现在线挂号、看诊等常规功能,虽然相较线下就诊能降低患者寻医问药成本、提升医疗资源利用率。然而,对于极少数医生过度治疗而引发的医闹和医疗事故等问题并不能进行预防和监督,对于规模小但服务质量高的医院在提升知名度与扩大影响力方面的途径和手段也依然十分有限,上述文献公开的在线医疗系统或平台尚不能有效解决这些医疗领域的难点问题。
发明内容
本发明要解决的技术问题是:提供一种基于深度互联的在线医疗方法与系统,其目的在于能通过对涉及患者、医生和医院三方的在线就诊和监管全过程信息的上传与分类保存,系统能够自动归档、整理和存储案例,还能实现后续的检索分析和展现,能大幅提高医疗服务的信息透明度和工作效率;以及通过过程审查功能和评分功能实现对在线诊疗医生及医院的监督与管理,为规模小但服务质量高的医院提供提升知名度和影响力的手段,有效解决过度医疗的问题。
为了解决上述技术问题,本发明采用以下技术方案:
第一方面,本发明提供一种基于深度互联的在线医疗方法,具体包括如下步骤:
S1、在线就诊:系统根据医生及医院的信用评分,为患者推荐部分医生及医院在线就诊;
S2、案例上传与智能分类:在线就诊结束后,系统通过案例上传模块将该次涉及患者、医生、医院三方的在线就诊和监管全过程信息,作为一个治疗案例自动上传并保存;同时系统根据该治疗案例中记录的相关信息,利用决策树分类算法对该治疗案例进行智能分类,保存并标记为相应案例类别;
S3、过程审查:
在线就诊结束后,若该治疗案例不存在治疗纷争,则系统将该案例默认为“正常案例”标签;
若该治疗案例存在治疗纷争,则系统接收患者端提出的纠纷处理请求,并向医院管理端发起过程审查请求,同时获取该治疗案例并通过决策树分类算法检索相似案例发送给医院管理端,医院介入审查;系统根据医院管理端反馈的审查结果做出如下处理:
若医院的实际审查结果为纷争解决,系统将该治疗案例标注并保存为“正常案例”标签;若医院的实际审查结果为纷争仍未解决,则系统将该治疗案例标注并保存为“纷争案例”标签,并继续接收患者端或医院管理端反馈的后续申诉结果;
S4、信用评分:系统为每个医院每位医生分配相同的初始信用评分,每次案例上传及过程审查以后,根据治疗案例的“服务态度”以及“是否纷争”两种类别调整医生及医院的信用评分。
进一步地,步骤S1的在线就诊过程具体如下:
患者端接收输入的患者就诊信息并根据指令发起在线就诊请求;系统接收并保存患者端输入的患者就诊信息,并根据医生及医院的信用评分,向患者端推送评分高的医生及医院,患者通过患者端选择及查询医生的过往治疗案例,确定是否与其连接;患者端与医生端建立在线就诊连接后,将所述在线就诊请求发送给医生端;同时,系统运用决策树检索算法检索获得符合条件的相关治疗案例发送给患者端和医生端,患者端参考相关治疗案例选择治疗方案,医生端通过系统获取患者就诊信息及治疗意愿,并参考相关治疗案例辅助确定治疗方案并通过系统反馈给患者端。
进一步的,步骤S4中医生及医院的信用评分方法具体为:在每次治疗案例分类、上传及过程审查后,根据治疗案例的“服务态度”以及“是否纷争”进行评判;若该治疗案例“服务态度”特征节点为“好”,则系统提升医生的信用评分;若该治疗案例标签为“纷争案例”,则系统降低医生的信用评分;医院的信用评分由医院的所有医生信用评分的均值决定。
进一步地,步骤S1中的患者就诊信息包括:患者的身份信息、患者的病症、选择的科室;
系统根据患者就诊信息与系统所存储的医生数据库的信息进行匹配并推送信用评分高的医生信息给患者端供患者选择和确认,系统收到确认指令后,绑定患者及其选择的医生,该患者端与医生端建立在线就诊连接。
进一步地,步骤S2治疗案例中记录的相关信息包括:患者的症状、治疗结果的成功率、治疗费用、治疗方式(药物治疗或手术治疗)、挂号科室、就诊医生、服务态度等。
进一步地,步骤S2中的利用决策树分类算法对治疗案例进行智能分类,是基于决策树分类模型,所述决策树分类模型的构建过程如下:
(1)基于已有的医疗数据,提取已有的正常案例及纷争案例的特征信息,所述特征信息包括医疗相关特征信息和非医疗相关特征信息;
(2)分别建立医疗相关特征信息决策树和非医疗相关特征信息决策树;
(3)集成医疗相关特征信息决策树和非医疗相关特征信息决策树,建立包含医疗相关特征信息和非医疗相关特征信息的决策树分类模型。
进一步地,决策树分类模型构建过程的步骤(1)中,具体是对已有的正常案例和纷争案例,基于医疗案例知识图谱进行实体识别和信息抽取,获得已有纷争案例及正常案例的医疗相关特征信息和非医疗相关特征信息;
所述医疗相关特征信息包括挂号科室、症状部位、治疗方式、治疗结果、治疗费用等,非医疗相关特征信息包括医院服务态度、医生级别、医院级别等。
进一步地,决策树分类模型构建过程的步骤(2)中,具体是,
基于医疗相关特征信息将医疗案例划分为纷争案例和正常案例;根据决策树CART分类算法,计算每个医疗相关特征节点条件下,医疗案例样本的基尼系数;根据基尼系数的结果,选择最小的基尼系数特征节点作为医疗相关决策树的根节点;对于根节点的左右子节点分别计算其余特征节点条件下的医疗案例样本基尼系数,选择最小的基尼系数作为下一根节点;递归选择所有特征节点,建立医疗相关特征信息决策树;
同时,基于非医疗相关特征信息将医疗案例划分为纷争案例和正常案例;根据CART分类算法,计算每个非医疗相关特征节点条件下,医疗案例样本的基尼系数;选择基尼系数最小的非医疗相关特征节点作为非医疗相关决策树根节点,并在根节点左右子节点分别计算其余特征信息条件下的样本基尼系数,选择最小的作为下一层根节点;递归直至选择全部节点,建立非医疗相关特征信息决策树;
其中,基尼系数计算公式为:
式中,D表示样本,|D|为样本个数,A表示某一特征节点,D1,D2表示在属性A的条件下样本被分为两部分,|D1|和|D2|表示这两部分的样本数量,Gini()表示样本的基尼值;a代表特征节点A选取的某个值;
基尼值计算公式为:
其中p(xi)是分类xi出现的概率,n是分类数目。
进一步地,决策树分类模型构建过程的步骤(3)具体是:提取出医疗特征信息决策树和非医疗特征信息决策树第一层节点的基尼系数对比大小,选择基尼系数更小的节点作为决策树的根节点,并将另一个根节点作为决策树的下一层节点,依次交替选择不同特征类型的特征节点;递归选择全部节点,直至非医疗相关决策树或医疗相关决策树其中一颗树的节点全部选择完成,将所剩另一棵决策树的节点信息连接到新的决策树的每一个叶子节点,完成两颗决策树的集成,建立包含医疗相关信息和非医疗相关信息的决策树分类模型。
本发明方案中分别对医疗类、非医疗类的两类特征节点建立决策树,如此可以分别获取两类特征节点的重要性,能有效防止这两类节点互相影响,因为一般而言,医疗相关的信息的影响更重,如果放在一起,整个模型就容易忽略非医疗相关信息的影响。而且分类建立模型后再集成,实际上相当于有三个模型,在检索的时候,还能根据需要,只检索医疗相关或者非医疗相关信息。
进一步地,步骤S2中保存并标记的案例类别是指根据其路径上的节点,判断其科室、患者症状、治疗结果的成功率、治疗费用、治疗方式、医院服务态度等内容的分类。
进一步地,步骤S1中在线就诊中相关治疗案例的检索和步骤S3过程审查中相似案例的检索,采用决策树检索算法,具体是基于决策树分类模型,按照树形结构递归检索决策树的每个叶子节点(治疗案例)从而找到符合要求的部分治疗案例。
具体地,在检索的过程中,系统确定患者输入的部分节点类别,递归检索从根节点到叶子节点的路径上包含该节点的所有叶子节点;检索特定类别的案例时,系统接收患者输入的部分节点特征后,提示患者选择未输入的特征节点,系统接收依次输入的各个特征类别,迅速检索该叶子节点,并将查找到的案例发送给患者。
第二方面,本发明还提供一种基于深度互联的在线医疗系统,采用上述的基于深度互联的在线医疗方法,具体包括:患者端、医生端、医院管理端及系统平台;
所述系统平台设有第一接口、第二接口、第三接口,分别与患者端、医生端、医院管理端连接,患者端、医生端与医院管理端通过系统平台实现互联互通;
所述系统平台具体包括:在线就诊模块、案例上传模块、案例存储模块、智能分类模块、案例检索模块、过程审查模块及信用评分模块;其中:
在线就诊模块,用于实现医生端与患者端的在线就诊;
案例上传模块,用于在线就诊结束后,将当次在线就诊信息作为一个治疗案例自动上传并保存至案例存储模块;
案例存储模块,用于存储治疗案例;
智能分类模块,包括决策树分类模型,用于对新保存和已保存的治疗案例进行智能分类,以及案例检索过程中治疗案例的类别的识别;
案例检索模块,用于在线就诊时,根据医生端的指令查询并获取已保存的相关治疗案例并反馈给医生端;以及发生医患纠纷的过程审查过程中,用于查询并获取相似案例;
过程审查模块,用于在线就诊后存在治疗纷争的情况下,接收患者端提出的纠纷处理请求,并向医院管理端发起过程审查请求,以及反馈审查结果并做出相应处理;
信用评分模块,用于在治疗案例上传并过程审查结束后,根据案例的特征节点及标签,调整医生及医院的信用评分。
工作时,患者登陆系统,输入挂号科室及自身症状,并根据自身需要输入其他特征,系统接收患者输入信息,使用决策树检索技术,迅速且准确的查询到符合患者需求类别的案例发送给患者作为参考;系统推荐信用评分高的医院及医生供患者选择,患者可查询医生的过往治疗案例,确定是否与其连接;医患在线连接后,医生与患者交谈结束后获取患者治疗意愿,输入系统,系统接收信息后检索相关类别案例并发送给医生,辅助医生确定治疗方案;患者结束治疗后,将治疗案例信息上传至系统,系统接收案例,通过智能分类模块中的决策树分类方法,将案例信息存储至数据库中;治疗结束,医患存在纠纷时,医院介入,系统自动根据案例信息的部分特征检索相关纷争案例发送至医院,辅助医院审查治疗过程;医院介入后,若医患纠纷仍未解决,系统标记此案例为纷争案例,存入数据库,并接收患者或医院在其他部门的后续申诉结果;每次治疗结束,系统根据该治疗案例的“服务态度”及“是否纷争”分类调整主治医生的信用评分。
本发明具有如下有益效果:
本发明提供的在线医疗方法及系统,与已有的在线医疗方法及系统相比,本发明具有以下优点:
(1)本发明首先获取大量医疗案例,并对案例进行实体识别和信息抽取,提取医疗相关及非医疗相关特征信息,分别对医疗相关及非医疗相关特征建立决策树,之后对两棵决策树集成,建立完整的决策树分类模型。建立的决策树分类模型通过交替选择两种类型的节点,考虑特征之间的关联性,交互作用和影响,能够平衡不同特征类型的重要性。
(2)本发明提出将过往案例信息公开,并使用决策树分类方法,将各个案例进行智能分类,患者和医生可使用系统快速、准确查询相似案例辅助确定治疗方案,患者有更多的依据选择治疗方案,并提升医生工作效率。通过对案例的智能分类,系统能够自动归档、整理和存储案例,以便于后续的检索和分析,也能提高工作效率。
(3)本发明提出当医患出现纠纷时,系统发起审查请求,使用决策树检索技术自动检索相似的纷争案例发送至医院,供医院参考,辅助医院介入审查,当医院介入后,仍有纠纷,系统自动标记此案例为纷争案例,并上传至数据库,接受患者或医院后续在其他部门的申诉结果,并存入此案例,提升医院审查效率,避免极少数医生过度治疗,降低医闹发生率,维护医生和患者的合法权益。
(4)本发明提出的系统能根据治疗方案、患者症状等特征进行分类的同时,也根据医院服务态度等与医疗手段无关的特征进行案例分类,并根据每个案例的分类情况调整主治医生的信用评分,根据信用评分向患者推荐部分医生,患者根据个人需求选择医院及医生,可提升规模小但服务质量高的医院的知名度和影响力。
附图说明
图1为本发明实施例1提供的基于深度互联的在线医疗方法的整体流程示意图;
图2为本发明实施例1提供的在线医疗方法的步骤S2案例智能分类方法中获得决策树特征节点的流程示意图;
图3为本发明实施例1提供的在线医疗方法的步骤S2案例智能分类方法中构建医疗相关特征信息决策树的流程示意图;
图4为本发明实施例1提供的在线医疗方法的步骤S2案例智能分类方法中构建非医疗相关特征信息决策树的流程示意图;
图5为本发明实施例1提供的在线医疗方法的步骤S2案例智能分类方法集成医疗相关特征信息决策树及非医疗相关特征信息决策树的流程示意图;
图6为本发明实施例2提供的基于深度互联的在线医疗系统的结构框架图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围不受下面公开的具体实施例的限制。
实施例1:
如图1-5所示,本实施例提供一种基于深度互联的在线医疗方法,具体包括如下步骤:
S1、在线就诊:患者端接收输入的患者就诊信息并根据指令发起在线就诊请求;系统接收并保存患者端输入的患者就诊信息,并根据医生及医院的信用评分,向患者端推送评分高的医生及医院,患者通过患者端选择及查询医生的过往治疗案例,确定是否与其连接;患者端与医生端建立在线就诊连接后,将所述在线就诊请求发送给医生端,具体地,系统是根据患者就诊信息与系统所存储的医生数据库的信息进行匹配并推送信用评分高的医生信息给患者端供患者选择和确认,系统收到确认指令后,绑定患者及其选择的医生,该患者端与医生端建立在线就诊连接。
同时,系统运用决策树检索算法检索获得符合条件的相关治疗案例发送给患者端和医生端,患者端参考相关治疗案例选择治疗方案,医生端通过系统获取患者就诊信息及治疗意愿,并参考相关治疗案例辅助确定治疗方案并通过系统反馈给患者端。
步骤S1中的患者就诊信息包括:患者的身份信息、患者的病症、选择的科室等。
S2、案例上传与智能分类:在线就诊结束后,系统通过案例上传模块将该次涉及患者、医生、医院三方的在线就诊和监管全过程信息,作为一个治疗案例自动上传并保存;同时系统根据该治疗案例中记录的相关信息,利用决策树分类算法对该治疗案例进行智能分类,保存并标记为相应案例类别。
步骤S2治疗案例中记录的相关信息包括:患者的症状、治疗结果的成功率、治疗费用、治疗方式(药物治疗或手术治疗)、挂号科室、就诊医生、服务态度等。
该步骤中利用决策树分类算法对治疗案例进行智能分类,是基于决策树分类模型,所述决策树分类模型的构建过程如下:
(1)基于已有的医疗数据,提取正常案例及纷争案例的特征信息,所述特征信息包括医疗相关特征信息和非医疗相关特征信息。具体地,是对提取的正常案例和纷争案例,基于医疗案例知识图谱进行实体识别和信息抽取,获得已有纷争案例及正常案例的医疗相关特征信息和非医疗相关特征信息。
所述医疗相关特征信息包括挂号科室、症状部位、治疗方式、治疗结果、治疗费用等,非医疗相关特征信息包括医院服务态度、医生级别、医院级别等。
(2)分别建立医疗相关特征信息决策树和非医疗相关特征信息决策树,具体过程如下:
基于医疗相关特征信息将医疗案例划分为纷争案例和正常案例;根据决策树CART分类算法,计算每个医疗相关特征节点条件下,医疗案例样本的基尼系数;根据基尼系数的结果,选择最小的基尼系数特征节点作为医疗相关决策树的根节点;对于根节点的左右子节点分别计算其余特征节点条件下的医疗案例样本基尼系数,选择最小的基尼系数作为下一根节点;递归选择所有特征节点,建立医疗相关特征信息决策树;
同时,基于非医疗相关特征信息将医疗案例划分为纷争案例和正常案例;根据CART分类算法,计算每个非医疗相关特征节点条件下,医疗案例样本的基尼系数;选择基尼系数最小的非医疗相关特征节点作为非医疗相关决策树根节点,并在根节点左右子节点分别计算其余特征信息条件下的样本基尼系数,选择最小的作为下一层根节点;递归直至选择全部节点,建立非医疗相关特征信息决策树;
其中,基尼系数计算公式为:
式中,D表示样本,|D|为样本个数,A表示某一特征节点,D1,D2表示在属性A的条件下样本被分为两部分,|D1|和|D2|表示这两部分的样本数量,Gini()表示样本的基尼值;a代表特征节点A选取的某个值;
基尼值计算公式为:
其中p(xi)是分类xi出现的概率,n是分类数目。
(3)集成医疗相关特征信息决策树和非医疗相关特征信息决策树,建立包含医疗相关特征信息和非医疗相关特征信息的决策树分类模型。具体如下:
提取出医疗特征信息决策树和非医疗特征信息决策树第一层节点的基尼系数对比大小,选择基尼系数更小的节点作为决策树的根节点,并将另一个根节点作为决策树的下一层节点,依次交替选择不同特征类型的特征节点;递归选择全部节点,直至非医疗相关决策树或医疗相关决策树其中一颗树的节点全部选择完成,将所剩另一棵决策树的节点信息连接到新的决策树的每一个叶子节点,完成两颗决策树的集成,建立包含医疗相关信息和非医疗相关信息的决策树分类模型。
本发明方案中分别对医疗类、非医疗类的两类特征节点建立决策树,如此可以分别获取两类特征节点的重要性,能有效防止这两类节点互相影响,因为一般而言,医疗相关的信息的影响更重,如果放在一起,整个模型就容易忽略非医疗相关信息的影响。而且分类建立模型后再集成,实际上相当于有三个模型,在检索的时候,还能根据需要,只检索医疗相关或者非医疗相关信息。
因此,步骤S2中保存并标记的案例类别是指根据其路径上的节点,判断其科室、患者症状、治疗结果的成功率、治疗费用、治疗方式、医院服务态度等内容的分类。
例如:第一层节点按照挂号科室进行多分类;第二层节点按照患者发病部位或症状进行多分类;所述第一层节点和第二层节点代表整棵树的第一层决策树,用于第一次分类,每个叶子节点代表一个大种类;叶子节点又细化为一棵子树,所述子树包括:第一层节点按照治疗结果是否成功进行二分类;第二层节点按照医院服务态度的优劣进行二分类;第三层节点按照治疗方式进行二分类;第四层节点按照治疗费用的高中低进行多分类。构建一个高度为6的决策树,所述决策树包括:前两层代表根节点,用于区分大类,后四层代表叶子节点,用于区分小类,每个叶子节点同样为一颗决策树,每个叶子结点的叶子节点代表一种具体的分类策略。系统每次检索需首先确定第一层决策树的输入,再接收其他案例相关信息,检索确定的类别。
步骤S1中在线就诊中相关治疗案例的检索和步骤S3过程审查中相似案例的检索,采用决策树检索算法,具体也是基于决策树分类模型,按照树形结构递归检索决策树的每个叶子节点(治疗案例)从而找到符合要求的部分治疗案例。
具体地,在检索的过程中,系统确定患者输入的部分节点类别,递归检索从根节点到叶子节点的路径上包含该节点的所有叶子节点;检索特定类别的案例时,系统接收患者输入的部分节点特征后,提示患者选择未输入的特征节点,系统接收依次输入的各个特征类别,迅速检索该叶子节点,并将查找到的案例发送给患者。
S3、过程审查:在线就诊结束后,若该治疗案例不存在治疗纷争,则系统将该案例默认为“正常案例”标签;
若该治疗案例存在治疗纷争,则系统接收患者端提出的纠纷处理请求,并向医院管理端发起过程审查请求,同时获取该治疗案例并通过决策树分类算法检索相似案例发送给医院管理端,医院介入审查;系统根据医院管理端反馈的审查结果做出如下处理:
若医院的实际审查结果为纷争解决,系统将该治疗案例标注并保存为“正常案例”标签;若医院的实际审查结果为纷争仍未解决,则系统将该治疗案例标注并保存为“纷争案例”标签,并继续接收患者端或医院管理端反馈的后续申诉结果。
S4、信用评分:系统为每个医院每位医生分配相同的初始信用评分,每次案例上传及过程审查以后,根据治疗案例的“服务态度”以及“是否纷争”两种类别调整医生及医院的信用评分。医生及医院的信用评分方法具体为:在每次治疗案例分类、上传及过程审查后,根据治疗案例的“服务态度”以及“是否纷争”进行评判;若该治疗案例“服务态度”特征节点为“好”,则系统提升医生的信用评分;若该治疗案例标签为“纷争案例”,则系统降低医生的信用评分;医院的信用评分由医院的所有医生信用评分的均值决定。
实施例2
如图6所示,本实施例提供一种能实现实施例1所述的基于深度互联的在线医疗方法的基于深度互联的在线医疗系统,具体包括:患者端20、医生端30、医院管理端40及系统平台10;
所述系统平台10设有第一接口、第二接口、第三接口,分别与患者端20、医生端30、医院管理端40连接,患者端20、医生端30与医院管理端40通过系统平台10实现互联互通;
所述系统平台10具体包括:在线就诊模块102、案例上传模块105、案例存储模块101、智能分类模块104、案例检索模块103、过程审查模块106及信用评分模块107;其中:
在线就诊模块102,用于实现医生端与患者端的在线就诊;
案例上传模块105,用于在线就诊结束后,将当次在线就诊信息作为一个治疗案例自动上传并保存至案例存储模块;
案例存储模块101,用于存储治疗案例;
智能分类模块104,包括决策树分类模型,用于对新保存和已保存的治疗案例进行智能分类,以及案例检索过程中治疗案例的类别的识别;
案例检索模块103,用于在线就诊时,根据医生端的指令查询并获取已保存的相关治疗案例并反馈给医生端;以及发生医患纠纷的过程审查过程中,用于查询并获取相似案例;
过程审查模块106,用于在线就诊后存在治疗纷争的情况下,接收患者端提出的纠纷处理请求,并向医院管理端发起过程审查请求,以及反馈审查结果并做出相应处理;
信用评分模块107,用于在治疗案例上传并过程审查结束后,根据案例的特征节点及标签,调整医生及医院的信用评分。
工作时,患者登陆系统,输入挂号科室及自身症状,并根据自身需要输入其他特征,系统接收患者输入信息,使用决策树检索技术,迅速且准确的查询到符合患者需求类别的案例发送给患者;系统推荐信用评分高的医院及医生供患者选择,患者可查询医生的过往治疗案例,确定是否与其连接;医患在线连接后,医生与患者交谈结束后获取患者治疗意愿,输入系统,系统接收信息后检索相关类别案例并发送给医生,辅助医生确定治疗方案;患者结束治疗后,将治疗案例信息上传至系统,系统接收案例,通过智能分类模块中的决策树分类方法,将案例信息存储至数据库中;治疗结束,医患存在纠纷时,医院介入,系统自动根据案例信息的部分特征检索相关纷争案例发送至医院,辅助医院审查治疗过程;医院介入后,若医患纠纷仍未解决,系统标记此案例为纷争案例,存入数据库,并接收患者或医院在其他部门的后续申诉结果;每次治疗结束,系统根据案例的“服务态度”及“是否纷争”调整主治医生的信用评分。
本发明通过对涉及患者、医生和医院三方的在线就诊和监管全过程信息的上传与分类保存,系统能够自动归档、整理和存储案例,还能实现后续的检索分析和展现,能大幅提高医疗服务的信息透明度和工作效率;以及通过过程审查功能和评分功能实现对在线诊疗医生及医院的监督与管理,为规模小但服务质量高的医院提供提升知名度和影响力的手段,有效解决过度医疗的问题。
以上所述仅为本发明的部分较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于深度互联的在线医疗方法,其特征在于,具体包括如下步骤:
S1、在线就诊:系统根据医生及医院的信用评分,为患者推荐医生及医院在线就诊;
S2、案例上传与智能分类:在线就诊结束后,系统通过案例上传模块将该次涉及患者、医生、医院三方的在线就诊和监管全过程信息,作为一个治疗案例自动上传并保存至案例存储模块;同时系统根据该治疗案例中记录的相关信息,利用决策树分类算法对该治疗案例进行智能分类,保存并标记为相应案例类别;
步骤S2中的利用决策树分类算法对治疗案例进行智能分类,是基于决策树分类模型,所述决策树分类模型的构建过程如下:
(1)基于已有的医疗数据,提取已有的正常案例及纷争案例的特征信息,所述特征信息包括医疗相关特征信息和非医疗相关特征信息;
(2)分别建立医疗相关特征信息决策树和非医疗相关特征信息决策树;
(3)集成医疗相关特征信息决策树和非医疗相关特征信息决策树,建立包含医疗相关特征信息和非医疗相关特征信息的决策树分类模型;
决策树分类模型构建过程的步骤(1)中,具体是对已有的正常案例和纷争案例,基于医疗案例知识图谱进行实体识别和信息抽取,获得已有纷争案例及正常案例的医疗相关特征信息和非医疗相关特征信息;
所述医疗相关特征信息包括挂号科室、症状部位、治疗方式、治疗结果、治疗费用,非医疗相关特征信息包括医院服务态度、医生级别、医院级别;
决策树分类模型构建过程的步骤(2)中,具体是,
基于医疗相关特征信息将医疗案例划分为纷争案例和正常案例;根据决策树CART分类算法,计算每个医疗相关特征节点条件下,医疗案例样本的基尼系数;根据基尼系数的结果,选择最小的基尼系数特征节点作为医疗相关决策树的根节点;对于根节点的左右子节点分别计算其余特征节点条件下的医疗案例样本基尼系数,选择最小的基尼系数作为下一根节点;递归选择所有特征节点,建立医疗相关特征信息决策树;
同时,基于非医疗相关特征信息将医疗案例划分为纷争案例和正常案例;根据CART分类算法,计算每个非医疗相关特征节点条件下,医疗案例样本的基尼系数;选择基尼系数最小的非医疗相关特征节点作为非医疗相关决策树根节点,并在根节点左右子节点分别计算其余特征信息条件下的样本基尼系数,选择最小的作为下一层根节点;递归直至选择全部节点,建立非医疗相关特征信息决策树;
其中,基尼系数计算公式为:
式中,D表示样本,|D|为样本个数,A表示某一特征节点,D1,D2表示在属性A的条件下样本被分为两部分,|D1|和|D2|表示这两部分的样本数量,Gini()表示样本的基尼值;a代表特征节点A选取的某个值;
基尼值计算公式为:
其中p(xi)是分类xi出现的概率,n是分类数目;
决策树分类模型构建过程的步骤(3)具体是:提取出医疗特征信息决策树和非医疗特征信息决策树第一层节点的基尼系数对比大小,选择基尼系数更小的节点作为决策树的根节点,并将另一个根节点作为决策树的下一层节点,依次交替选择不同特征类型的特征节点;递归选择全部节点,直至非医疗相关决策树或医疗相关决策树其中一颗树的节点全部选择完成,将所剩另一棵决策树的节点信息连接到新的决策树的每一个叶子节点,完成两颗决策树的集成,建立包含医疗相关信息和非医疗相关信息的决策树分类模型;
步骤S2中保存并标记的案例类别是指根据其路径上的节点,判断其科室、患者症状、治疗结果的成功率、治疗费用、治疗方式、医院服务态度的分类;
S3、过程审查:在线就诊结束后,若该治疗案例不存在治疗纷争,则系统将该案例默认为“正常案例”标签;
若该治疗案例存在治疗纷争,则系统接收患者端提出的纠纷处理请求,并向医院管理端发起过程审查请求,同时获取该治疗案例并通过决策树分类算法检索相似案例发送给医院管理端,医院介入审查;系统根据医院管理端反馈的审查结果做出如下处理:
若医院的实际审查结果为纷争解决,系统将该治疗案例标注并保存为“正常案例”标签;若医院的实际审查结果为纷争仍未解决,则系统将该治疗案例标注并保存为“纷争案例”标签,并继续接收患者端或医院管理端反馈的后续申诉结果;
S4、信用评分:系统为每个医院每位医生分配相同的初始信用评分,每次案例上传及过程审查以后,根据治疗案例的“服务态度”以及“是否纷争”两种类别调整医生及医院的信用评分。
2.根据权利要求1所述的基于深度互联的在线医疗方法,其特征在于,
步骤S1的在线就诊过程具体如下:
患者端接收输入的患者就诊信息并根据指令发起在线就诊请求;系统接收并保存患者端输入的患者就诊信息,并根据医生及医院的信用评分,向患者端推送评分高的医生及医院,患者通过患者端选择及查询医生的过往治疗案例,确定是否与其连接;患者端与医生端建立在线就诊连接后,将所述在线就诊请求发送给医生端;同时,系统运用决策树检索算法检索获得符合条件的相关治疗案例发送给患者端和医生端,患者端参考相关治疗案例选择治疗方案,医生端通过系统获取患者就诊信息及治疗意愿,并参考相关治疗案例辅助确定治疗方案并通过系统反馈给患者端。
3.根据权利要求1所述的基于深度互联的在线医疗方法,其特征在于,
步骤S4中医生及医院的信用评分方法具体为:在每次治疗案例分类、上传及过程审查后,根据治疗案例的“服务态度”以及“是否纷争”进行评判;若该治疗案例“服务态度”特征节点为“好”,则系统提升医生的信用评分;若该治疗案例标签为“纷争案例”,则系统降低医生的信用评分;医院的信用评分由医院的所有医生信用评分的均值决定。
4.根据权利要求1所述的基于深度互联的在线医疗方法,其特征在于,
步骤S1中在线就诊中相关治疗案例的检索和步骤S3过程审查中相似案例的检索,采用决策树检索算法,具体是基于决策树分类模型,按照树形结构递归检索决策树的每个叶子节点从而找到符合要求的治疗案例。
5.一种基于深度互联的在线医疗系统,其特征在于,采用权利要求1-4任一所述的基于深度互联的在线医疗方法,具体包括:患者端、医生端、医院管理端及系统平台;
所述系统平台设有第一接口、第二接口、第三接口,分别与患者端、医生端、医院管理端连接,患者端、医生端与医院管理端通过系统平台实现互联互通;
所述系统平台具体包括:在线就诊模块、案例上传模块、案例存储模块、智能分类模块、案例检索模块、过程审查模块及信用评分模块;其中:
在线就诊模块,用于实现医生端与患者端的在线就诊;
案例上传模块,用于在线就诊结束后,将当次在线就诊信息作为一个治疗案例自动上传并保存至案例存储模块;
案例存储模块,用于存储治疗案例;
智能分类模块,包括决策树分类模型,用于对新保存和已保存的治疗案例进行智能分类,以及案例检索过程中治疗案例的类别的识别;
案例检索模块,用于在线就诊时,根据医生端的指令查询并获取已保存的相关治疗案例并反馈给医生端;以及发生医患纠纷的过程审查过程中,用于查询并获取相似案例;
过程审查模块,用于在线就诊后存在治疗纷争的情况下,接收患者端提出的纠纷处理请求,并向医院管理端发起过程审查请求,以及反馈审查结果并做出相应处理;
信用评分模块,用于在治疗案例上传并过程审查结束后,根据案例的特征节点及标签,调整医生及医院的信用评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310748996.3A CN116825304B (zh) | 2023-06-25 | 2023-06-25 | 基于深度互联的在线医疗方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310748996.3A CN116825304B (zh) | 2023-06-25 | 2023-06-25 | 基于深度互联的在线医疗方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116825304A CN116825304A (zh) | 2023-09-29 |
CN116825304B true CN116825304B (zh) | 2024-02-23 |
Family
ID=88125241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310748996.3A Active CN116825304B (zh) | 2023-06-25 | 2023-06-25 | 基于深度互联的在线医疗方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116825304B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126695A (zh) * | 2016-06-30 | 2016-11-16 | 张春生 | 一种相似案件检索方法及装置 |
CN108280149A (zh) * | 2018-01-04 | 2018-07-13 | 东南大学 | 一种基于多维度分类标签的医患纠纷类案件推荐方法 |
CN109147917A (zh) * | 2018-08-22 | 2019-01-04 | 樊晶 | 医疗机构综合监督管理系统 |
CN110600123A (zh) * | 2019-08-29 | 2019-12-20 | 成都信息工程大学 | 一种中医临床辅助诊断方法 |
CN110675947A (zh) * | 2019-09-29 | 2020-01-10 | 七星优创网络科技发展(武汉)有限公司 | 医媒在线管理系统 |
CN111091881A (zh) * | 2019-12-28 | 2020-05-01 | 北京颐圣智能科技有限公司 | 医疗信息分类方法、医疗分类信息的存储方法及计算设备 |
CN111415740A (zh) * | 2020-02-12 | 2020-07-14 | 东北大学 | 问诊信息的处理方法、装置、存储介质及计算机设备 |
CN112562870A (zh) * | 2020-12-03 | 2021-03-26 | 厦门大学附属中山医院 | 一种增强医患相互信任减少医患矛盾评估预警系统 |
CN113113152A (zh) * | 2021-04-13 | 2021-07-13 | 上海市疾病预防控制中心 | 针对新型冠状病毒肺炎的疾病数据集样本获取处理方法、系统、装置、处理器及其存储介质 |
CN114038530A (zh) * | 2021-11-23 | 2022-02-11 | 北京国讯医疗软件有限公司 | 一种基于智慧化纠纷事件处理的医院纠纷服务平台及方法 |
CN115098585A (zh) * | 2022-07-19 | 2022-09-23 | 深圳得理科技有限公司 | 一种基于大数据的法律法规数据自动处理方法及系统 |
CN115482916A (zh) * | 2022-08-11 | 2022-12-16 | 薛东斌 | 基于智慧医疗大数据的产品服务推荐方法及智慧医疗系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557653B (zh) * | 2016-11-15 | 2017-09-22 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
US20200058381A1 (en) * | 2018-08-14 | 2020-02-20 | Miteshkumar Ishwarbhai Patel | System and Method for Auditing, Monitoring, Recording, and Executing Healthcare Transactions, Communications, and Decisions |
-
2023
- 2023-06-25 CN CN202310748996.3A patent/CN116825304B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126695A (zh) * | 2016-06-30 | 2016-11-16 | 张春生 | 一种相似案件检索方法及装置 |
CN108280149A (zh) * | 2018-01-04 | 2018-07-13 | 东南大学 | 一种基于多维度分类标签的医患纠纷类案件推荐方法 |
CN109147917A (zh) * | 2018-08-22 | 2019-01-04 | 樊晶 | 医疗机构综合监督管理系统 |
CN110600123A (zh) * | 2019-08-29 | 2019-12-20 | 成都信息工程大学 | 一种中医临床辅助诊断方法 |
CN110675947A (zh) * | 2019-09-29 | 2020-01-10 | 七星优创网络科技发展(武汉)有限公司 | 医媒在线管理系统 |
CN111091881A (zh) * | 2019-12-28 | 2020-05-01 | 北京颐圣智能科技有限公司 | 医疗信息分类方法、医疗分类信息的存储方法及计算设备 |
CN111415740A (zh) * | 2020-02-12 | 2020-07-14 | 东北大学 | 问诊信息的处理方法、装置、存储介质及计算机设备 |
CN112562870A (zh) * | 2020-12-03 | 2021-03-26 | 厦门大学附属中山医院 | 一种增强医患相互信任减少医患矛盾评估预警系统 |
CN113113152A (zh) * | 2021-04-13 | 2021-07-13 | 上海市疾病预防控制中心 | 针对新型冠状病毒肺炎的疾病数据集样本获取处理方法、系统、装置、处理器及其存储介质 |
CN114038530A (zh) * | 2021-11-23 | 2022-02-11 | 北京国讯医疗软件有限公司 | 一种基于智慧化纠纷事件处理的医院纠纷服务平台及方法 |
CN115098585A (zh) * | 2022-07-19 | 2022-09-23 | 深圳得理科技有限公司 | 一种基于大数据的法律法规数据自动处理方法及系统 |
CN115482916A (zh) * | 2022-08-11 | 2022-12-16 | 薛东斌 | 基于智慧医疗大数据的产品服务推荐方法及智慧医疗系统 |
Non-Patent Citations (1)
Title |
---|
基于机器学习的失信医疗信息预防与监测识别技术研究;高晓娟;;电子设计工程(第17期);7-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN116825304A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10311974B2 (en) | Mobile health intelligent medical guide system and method thereof | |
CN110085307B (zh) | 一种基于多源知识图谱融合的智能导诊方法和系统 | |
US5664109A (en) | Method for extracting pre-defined data items from medical service records generated by health care providers | |
CN111708949B (zh) | 医疗资源的推荐方法及装置、电子设备、存储介质 | |
CN112614565A (zh) | 一种基于知识图谱技术的中药经典名方智能推荐方法 | |
CN109961828A (zh) | 多模态医学影像及报告数据管理方法及系统 | |
WO2023178971A1 (zh) | 就医的互联网挂号方法、装置、设备及存储介质 | |
CN115497631A (zh) | 一种临床科研大数据分析系统 | |
CN114639479A (zh) | 一种基于医疗知识图谱的智能诊断辅助系统 | |
CN113782195A (zh) | 一种体检套餐定制方法和装置 | |
CN113742443A (zh) | 多药共用查询方法、移动终端及存储介质 | |
WO2022141925A1 (zh) | 一种智能医学服务系统、方法及存储介质 | |
CN111897796A (zh) | 用于医院引流的数据库构建方法及医院引流方法 | |
CN116825304B (zh) | 基于深度互联的在线医疗方法与系统 | |
CN116719840A (zh) | 一种基于病历后结构化处理的医疗信息推送方法 | |
WO1996041275A1 (en) | Apparatus and method for centralized storage of heterogeneous medical records in managed health care organization | |
CN116303922A (zh) | 咨询消息应答方法、装置、计算机设备、存储介质和产品 | |
CN115719640A (zh) | 中医主次症状识别系统、装置、电子设备及其存储介质 | |
CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
CN113779373A (zh) | 一种体检项目确定方法、装置、设备及存储介质 | |
CN113972009A (zh) | 一种基于临床检验医学大数据的医学检验咨询系统 | |
US7657417B2 (en) | Method, system and machine readable medium for publishing documents using an ontological modeling system | |
CN111599427A (zh) | 一种一元化诊断的推荐方法、装置、电子设备及存储介质 | |
CN110472144A (zh) | 一种信息撮合服务平台及实现方法 | |
CN116884629B (zh) | 一种基于ai的中医诊疗数字化管理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |