CN116825321A - 医疗信息处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开关于一种医疗信息处理方法、装置、电子设备及存储介质，涉及智慧医疗技术领域，解决了线上诊断过程中规范性差和精准度低的问题。该方法包括：获取问诊信息和用户画像信息；以及，从用户画像信息和问诊信息中提取出目标关键词；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系；从预设知识库中，确定出与目标关键词关联的目标知识结果；将目标知识结果推送至医生终端，以使医生终端显示目标知识结果，并响应于对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

Description

医疗信息处理方法、装置、电子设备及存储介质

技术领域

本公开涉及智慧医疗技术领域，尤其涉及医疗信息处理方法、装置、电子设备及存储介质。

背景技术

智慧医疗主要是把大数据、人工智能等技术结合应用到医疗领域，实现医疗信息互联、共享协作、临床创新、诊断科学以及公共卫生预防等。为了缓解医疗资源紧缺的状况，互联网医院作为智慧医疗的一种承载形式，已广泛地服务于问诊用户。

当前互联网医院主要的服务模式为：基于问诊平台，用户和医生实现在线问诊；医生在根据在线问诊内容，给出在线诊断结果。上述服务模式中，关于医生给出的在线诊断结果是否符合医疗标准规范，完全取决于医生的自身专业水平和专业素养，其在线诊断过程的规范性和精准度得不到基本的保证。因此，如何保证线上诊断过程的规范性，以提高线上诊断的精准度，已成为当前亟待解决的技术问题。

发明内容

本发明提供一种医疗信息处理方法、装置、电子设备及存储介质，以至少解决相关技术中线上诊断过程中规范性差和精准度低的问题。本发明的技术方案如下：

根据本发明实施例的第一方面，提供了一种医疗信息处理方法，应用于问诊平台，该方法包括：获取问诊信息和用户画像信息；以及，从用户画像信息和问诊信息中提取出目标关键词；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系；从预设知识库中，确定出与目标关键词关联的目标知识结果；将目标知识结果推送至医生终端，以使医生终端显示目标知识结果，并响应于对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

进一步地，从用户画像信息和问诊信息中提取出目标关键词，包括：基于预设提取规则，从用户画像信息和问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词；采用预设聚类算法，对多个候选关键词进行聚类，得到多个候选关键词中各个候选关键词与其他关键词的相似度；将多个候选关键词中预设数量个相似度最大的候选关键词，确定为目标关键词。

进一步地，预设提取规则包括NLU自然语义算法；基于预设提取规则，从用户画像信息和问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词，包括：基于NLU自然语义算法，从用户画像信息和问诊信息中，提取出与预设词库中预设词表述一致的多个关键词；对多个关键词中，与预设词表述重复的至少两个关键词进行归一处理，得到多个候选关键词。

进一步地，预设提取规则包括Word2Vec模型；基于预设提取规则，从用户画像信息和问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词，包括：将用户画像信息和问诊信息输入至Word2Vec模型，得到由多个关键词构成的词向量；从词向量的多个关键词中，确定出与预设词库中预设词匹配的多个候选关键词。

进一步地，从用户画像信息和问诊信息中提取出目标关键词，包括：将用户画像信息和问诊信息输入至预设AI模型，得到目标关键词。

进一步地，该方法还包括：在接收到医生终端返回的选中的知识结果时，将预设知识库中选中的知识结果关联的预设关键词作为输出结果，以及，将问诊信息和用户画像信息作为输入语料，对预设AI模型进行训练，已得到更新后的预设AI模型。

进一步地，预设知识库还包括预设关键词与知识结果之间存在的逻辑推理关系；方法还包括：将目标关键词与目标知识结果的目标逻辑推理关系，发送至医生终端；接收所述医生终端返回的问诊报告，所述问诊报告是所述医生终端在在检测到所述医生在输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，向所述问诊平台发送的问诊报告；所述目标逻辑推理关系是在所述医生终端的第二显示界面上显示的；所述第二显示界面包括用于输入问诊报告的所述输入区域。

进一步地，获取问诊信息和用户画像信息，包括：从用户终端和医生终端在问诊平台的即时通讯中获取问诊信息；以及，基于用户标识，获取与用户标识关联的用户画像信息。

根据本发明实施例的第二方面，提供了一种医疗信息处理方法，应用于医生终端，该方法包括：接收问诊平台推送的目标知识结果，以及，在医生终端的显示界面上显示目标知识结果；目标知识结果为问诊平台基于从用户画像信息和问诊信息中提取出的目标关键词，从预设知识库中，确定出与目标关键词关联的知识结果；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系；响应于使用医生终端的医生，在显示界面上执行的对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

进一步地，预设知识库还包括预设关键词与知识结果之间存在的逻辑推理关系；该方法还包括：接收目标关键词与目标知识结果的目标逻辑推理关系；以及，在所述医生终端的第二显示界面上显示所述目标逻辑推理关系；所述第二显示界面包括用于输入问诊报告的输入区域；在检测到所述医生在所述输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，将所述问诊报告发送至所述问诊平台。

根据本发明实施例的第三方面，提供了一种医疗信息处理装置，应用于问诊平台，该装置包括：提取单元，被配置为执行获取问诊信息和用户画像信息；以及，从用户画像信息和问诊信息中提取出目标关键词；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系；确定单元，被配置为执行从预设知识库中，确定出与目标关键词关联的目标知识结果；推送单元，被配置为执行将目标知识结果推送至医生终端，以使医生终端显示目标知识结果，并响应于对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

根据本发明实施例的第四方面，提供了一种医疗信息处理装置，应用于医生终端，该装置包括：接收单元，被配置执行接收问诊平台推送的目标知识结果，以及，在医生终端的显示界面上显示目标知识结果；目标知识结果为问诊平台基于从用户画像信息和问诊信息中提取出的目标关键词，从预设知识库中，确定出与目标关键词关联的知识结果；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系；发送单元，被配置为执行响应于使用医生终端的医生，在显示界面上执行的对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

根据本发明实施例的第四方面，提供了一种电子设备，包括：处理器和用于存储处理器可执行指令的存储器；其中，处理器被配置为执行可执行指令，以实现如第一方面及其任一种可能的实施方式的医疗信息处理方法，或者，以实现如第二方面及其任一种可能的实施方式的医疗信息处理方法。

根据本发明实施例的第六方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，其特征在于，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面或第二方面的医疗信息处理方法。

根据本公开实施例的第七方面，提供一种计算机程序产品，计算机程序产品包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述第一方面及其任一种可能的实施方式的医疗信息处理方法，或者，执行上述第二方面及其任一种可能的实施方式的医疗信息处理方法。

本发明的实施例提供的技术方案至少带来以下有益效果：将问诊信息和用户画像信息中表征用户症状特征的词，转化为预设知识库中包括的目标关键词，以便于从预设知识库中，精准地获取到与目标关键词匹配的目标知识结果，从而实现基于问诊信息和用户画像信息，对目标知识结果智能获取。如此，基于预设知识库有更加丰富、更加精准的知识，能更加精准地确定目标知识结果，从而提高了在线问诊的精准度；同时，医生在线上问诊的过程，以基于预设知识库确定的目标知识结果作为知识依据，保证了确定线上问诊结果过程的规范性，从而提高问诊结果的精准性。

另外，基于上述智能获取的目标知识结果，能简化医生将问诊信息和用户画像信息转化为知识结果的步骤，从而简化线上问诊流程、提高在线问诊效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种医疗信息处理系统的示意图；

图2是根据一示例性实施例示出的一种医疗信息处理方法的流程图一；

图3是根据一示例性实施例示出的一种医疗信息处理过程中的显示界面图；

图4是根据一示例性实施例示出的一种医疗信息处理方法的流程图二；

图5是根据一示例性实施例示出的一种医疗信息处理方法的流程图三；

图6是根据一示例性实施例示出的一种问诊报告形成过程示意图；

图7是根据一示例性实施例示出的一种医疗信息处理装置的框图一；

图8是根据一示例性实施例示出的一种医疗信息处理装置的框图二；

图9是根据一示例性实施例示出的一种电子设备的示意图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在对本申请实施例提供的医疗信息处理方法进行详细介绍之前，先对本申请实施例涉及的应用场景和实施环境进行简单介绍。

首先，对本申请涉及的应用场景进行简单介绍。

智慧医疗主要是把大数据、人工智能等技术结合应用到医疗领域，实现医疗信息互联、共享协作、临床创新、诊断科学以及公共卫生预防等。为了缓解医疗资源紧缺的状况，互联网医院作为智慧医疗的一种承载形式，已广泛地服务于问诊用户。

当前互联网医院主要的服务模式为：基于问诊平台，用户和医生实现在线问诊；医生在根据在线问诊内容，给出在线诊断结果。上述服务模式中，关于医生给出的在线诊断结果是否符合医疗标准规范，完全取决于医生的自身专业水平和专业素养，其在线诊断过程的规范性和精准度得不到基本的保证。因此，如何保证线上诊断过程的规范性，以提高线上诊断的精准度，已成为当前亟待解决的技术问题。

针对上述问题，本申请提供了一种医疗信息处理方法，在问诊平台上预先设置有预设知识库，其预设知识库包括预设关键词与预设知识结果的关联关系。问诊平台将问诊信息和用户画像信息中表征用户症状特征的词，转化为预设知识库中包括的目标关键词，以便于从预设知识库中，精准地获取到与目标关键词匹配的目标知识结果，从而实现基于问诊信息和用户画像信息，对目标知识结果智能获取。

如此，基于预设知识库有更加丰富、更加精准的知识，能更加精准地确定目标知识结果，从而提高了在线问诊的精准度；同时，医生在线上问诊的过程，以基于预设知识库确定的目标知识结果作为知识依据，保证了确定线上问诊结果过程的规范性，从而提高问诊结果的精准性。

并且，基于上述智能获取的目标知识结果，能简化医生将问诊信息和用户画像信息转化为知识结果的步骤，从而简化线上问诊流程、提高在线问诊效率。

其次，下面对本申请涉及的实施架构进行简单介绍。

图1是本公开提供的一种医疗信息处理系统10的示意图。如图1所示，该医疗信息处理系统包括服务器101、医生终端102和用户终端103，服务器101、医生终端102和用户终端103之间可以通过有线网络或无线网络建立连接。服务器101包括问诊平台。

在一些实施例中，医生终端102和用户终端103的浏览器中设置有访问问诊平台的目标网页。医生或问诊用户基于该目标网页访问问诊平台，以获取医疗信息。

示例性的，问诊用户在用户终端103上目标网页发起问诊请求。问诊平台接收该问诊请求，并根据问诊请求确定与该问诊用户对接的接诊医生。同时，请求用户终端103和接诊医生的医生终端102分别显示问诊平台的即时通讯对话框，以使问诊用户能在即时通讯对话框上输入该问诊用户的诉求信息的同时，接诊医生也能在即时通讯对话框上输入接诊医生的看诊信息。

进一步地，问诊平台将即时通讯对话框上问诊用户输入的信息和接诊医生输入的信息作为问诊信息。以及，问诊平台基于用户画像标识获取问诊用户的用户画像信息。问诊平台，从问诊信息和用户画像信息中包括的关键词中，提取出预设知识库能识别的且能表征问诊信息中用户症状特征的目标关键字。依据目标关键字，从预设知识库中遍历出与目标关键字匹配的目标知识结果，并将目标知识结果发送至接诊医生的医生终端102的即时通讯对话框上。接诊医生可以以目标知识结果为依据，从显示的目标知识结果中选出一个或几个知识结果，作为诊断结果。

在另一些实施例中，医生终端102和用户终端103分别安装有问诊平台对应设置在终端的问诊应用程序。问诊用户和接诊医生可以通过对应终端上的程序，实施上述示例中的线上问诊过程。

一些实施例中，服务器101包含有数据库或与数据库连接，用户画像信息可以存储于数据库中。问诊平台或医生终端可以通过服务器101实现对数据库中用户画像信息的访问操作。

另一些实施例中，服务器101可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。本申请对服务器101的具体实现方式也不作限制。

医生终端和用户终端均可以理解为终端设备。终端设备可以是手机、平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，PDA)、增强现实(augmented reality，AR)\虚拟现实(virtual reality，VR)设备等可以安装并使用内容社区应用(如快手)的设备，本公开对该终端设备的具体形态不作特殊限制。其可以与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互。

可选地，上述图1所示的医疗信息处理系统中，服务器101可以与至少一个终端设备连接。本申请对终端设备的数量及类型均不作限制。

本申请实施例提供的医疗信息处理方法可以应用于前述图1所示的实施架构中的医疗信息处理系统。为了便于理解，以下结合附图对本申请提供的医疗信息处理方法进行具体介绍。

图2是根据一示例性实施例示出的一种医疗信息处理方法的流程图，如图2所示，该医疗信息处理方法包括以下步骤。

S21，问诊平台获取问诊信息和用户画像信息；以及，从用户画像信息和问诊信息中提取出目标关键词。

其中，目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系。通常，目标关键词的数量为多个。

在一些实施例中，预设知识库包括：检索标准诊断库(ICD10)。

作为一种信息获取方式，从用户终端和医生终端在问诊平台的即时通讯中获取问诊信息；以及，基于用户标识，获取与用户标识关联的用户画像信息。

示例性的，问诊信息可以是如图3所示的就诊人A与医生B的对话文本。对应地，用户画像信息可以是图3中就诊人A的用户画像信息。

在一些实施例中，医生终端上显示问诊信息的显示界面还包括用于指引了解用户画像信息的指引标识。医生点击该指引标识，医生终端会响应该点击操作，在医生设备的显示界面上显示用户画像信息。

示例性的，指引标识可以为图3中用户详情控件。医生点击用户详情控件时，向用户终端或问诊平台发送获取用户画像信息的获取请求，用户终端或问诊平台接受该获取请求将用户画像信息发送至医生终端，以使医生终端的显示界面上显示该用户画像信息。

具体地，用户画像信息至少包括以下一项或多项：患者用户的类别信息、历史问诊报告信息。其中，历史问诊报告信息包括症状信息、历史体征信息、疾病信息、药品信息、处理信息和科室信息。如，身高、体重、年龄、性别等属于类别信息；头疼、发热、耳鸣等属于历史症状信息；血压指标参数、血脂指标参数等属于历史体征信息；历史诊断报告中的糖尿病、肩颈病等疾病信息；过敏的药品种类或名称、使用过的或正在使用的药品种类或名称等属于药品信息；对医生的历史诊断报告反馈的反馈信息等属于处理信息；历史问诊医生所属于的科室等属于科室信息。

上述步骤中，问诊平台将问诊信息和用户画像信息中包括的表征用户症状特征的词，转化为预设知识库中包括的目标关键词，以便于后续从预设知识库中，精准地识别到与目标关键词匹配的目标知识结果，从而实现基于问诊信息和用户画像信息，对目标知识结果智能获取。

S22，问诊平台从预设知识库中，确定出与目标关键词关联的目标知识结果。

问诊平台遍历预设知识库，识别出与目标关键词关联的目标知识结果。

S23，问诊平台将目标知识结果推送至医生终端。

通过该步骤，使医生终端能为医生显示目标知识结果，以便于医生从目标知识结果中选中的知识结果，并将选中的知识结果作为后续形成诊断报告的依据。

S24，医生终端接收问诊平台推送的目标知识结果，以及，在医生终端的第一显示界面上显示目标知识结果。

上述第一显示界面可以是展示问诊用户和医生的问诊信息的界面。

示例性的，第一显示界面可以为图3中展示问诊用户和医生的问诊信息的界面，目标知识结果在医生终端显示在问诊用户和医生的问诊信息的显示区域的下方区域。

S25，医生终端响应于使用医生终端的医生，在第一显示界面上执行的对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

基于此，医生终端的医生能从第一显示界面显示的目标知识结果中，选出与医生判断一致的知识结果。

以下述问诊信息和用户画像信息为例，对上述医疗信息处理过程作如下说明。

具体地，获取的用户画像信息如下：红斑、越长越大、一整块的、15岁、男、心内科(科室)、(历史就诊信息)三天前开始有红斑。获取的问诊信息为：(问诊用户)晚上好；(医生)可以拍照吗；(医生)痒不痒疼不疼；(问诊用户)不痒不疼；(医生)这个情况有多久；(问诊用户)大概一个礼拜。

基于本申请的医疗信息处理方法对上述获取的用户画像信息和问诊信息处理后，得到如下目标知识结果：皮炎、红斑、皮肤色素沉着、多形红斑、皮疹、黄褐斑、先天性非肿瘤性痣、胎记、火激红斑、雀斑、非瘤性痣、湿疹、过敏性皮炎、丘疹性荨麻疹、擦烂红斑、玫瑰糠疹、荨麻疹、色素失调症、花斑癣、结节性红斑。

通过上述实施例，基于预设知识库有更加丰富、更加精准的知识，能更加精准地确定目标知识结果，从而提高了在线问诊的精准度；同时，医生在线上问诊的过程，以基于预设知识库确定的目标知识结果作为知识依据，保证了确定线上问诊结果过程的规范性，从而提高问诊结果的精准性。并且，基于上述智能获取的目标知识结果，能简化医生将问诊信息和用户画像信息转化为知识结果的步骤，从而简化线上问诊流程、提高在线问诊效率。

作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体施过程，本申请实施例提供了另一种医疗信息处理方法，结合图2，如图4所示，上述步骤S21中提取出目标关键词的过程具体如下。

S21A，问诊平台基于预设提取规则，从用户画像信息和问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词。

在一些实施方式中，预设词库的预设词与预设知识库中预设关键词关联对应。

在另一实施方式中，预设知识库包括预设词库。

该步骤中，基于预设词库中的预设词，将用户画像信息和问诊信息中包括的实体词与预设词匹配，将与实体词匹配度高的预设词确定为多个候选关键词，以实现基于预设词库将用户画像信息和问诊信息中包括的实体词，转化为预设知识库能识别的候选关键词。

S21B，问诊平台采用预设聚类算法，对多个候选关键词进行聚类，得到多个候选关键词中各个候选关键词与其他关键词的相似度。

上述预设聚类算法可以是k均值聚类算法(k-means clustering algorithm，K-Means聚类)。

基于该步骤实现了对各个候选关键词的相似度的确定，以通过相似度来度量各个候选关键词与聚类中心词汇的关联度。

S21C，问诊平台将多个候选关键词中预设数量个相似度最大的候选关键词，确定为目标关键词。

上述预设数量个可以根据医生的具体需求具体设置。

具体地，多个候选关键词按照相似度从大到小排列，将相似度位于预设数量位序及预设数量位序之前的候选关键词(即，相似度排在靠前预设数量候选关键词)，确定为目标关键词。

示例性的，若存在20个候选关键词，预设数量设置为5，则将20个候选关键词中前5个相似度大的候选关键词作为目标关键词。

基于该步骤，将多个候选关键词中与聚类中心词汇关联度较大的候选关键词作为目标关键词，以保证目标关键词能准确映射出，问诊信息和用户画像信息共同表达的用户症状特征。

作为一种提取方式，上述预设提取规则包括NLU自然语义算法，基于该算法，通过以下方式获取多个候选关键词。

S21A1，问诊平台基于NLU自然语义算法，从用户画像信息和问诊信息中，提取出与预设词库中预设词表述一致的多个关键词。

可理解的是，基于NLU自然语义算法对问诊信息进行分析、断句和语句实体抽取(数值实体抽取和文本实体抽取)，提取出关键词，并通过检索标准诊断库多上述提取出的关键词进行检索匹配，得到候选关键词。

S21A2，问诊平台对多个关键词中，与预设词表述重复的至少两个关键词进行归一处理，得到多个候选关键词。

可以理解的是，多个关键词中会存在表述同一意思的两个或两个以上的关键词，在此情况下，将表述同一意思的两个或两个以上的关键词中归一为一个关键词，其中，归一的一个关键词为两个或两个以上的关键词中任意关键词。

通过该提取方式，使得得到的多个候选关键词中不包括表述重复的候选关键词，以保证基于多个候选关键词，确定出的目标关键词的唯一性，从而后续医疗信息处理过程的处理效率。

作为另一种提取方式，预设提取规则还可以包括Word2Vec模型；基于该算法，通过以下方式获取多个候选关键词。

S21AA，问诊平台将用户画像信息和问诊信息输入至Word2Vec模型，得到由多个关键词构成的词向量。

S21AB，问诊平台从词向量的多个关键词中，确定出与预设词库中预设词匹配的多个候选关键词。

在一些实施示例中，问诊平台基于预设过滤规则将多个关键词中与用户症状特征不相关(即相关性小于预设阈值)的关键词过滤或删除；再基于预设词库。对过滤或删除后的关键词进行匹配，以得到多个候选关键词。

作为另一种目标关键词的提取方式，上述步骤S21中提取出目标关键词的过程具体如下：将用户画像信息和问诊信息输入至预设AI模型，得到目标关键词。

其中，上述预设AI模型具备从用户画像信息和问诊信息中提取出表征用户症状特征的目标关键词的能力。

该预设AI模型可以设置在问诊平台中，也可以预先配置在医生终端的应用程序中。

示例性的，上述预设AI模型至少可以包括以下任一种网络模块：Bert模型、CNN模型或者ResNet模型中的任一种。

应注意，本申请实施例中所述的ResNet模型，可以是修改现有ResNet模型得到的。具体的，本申请实施例中所述的ResNet模型，可以是删除ResNet模型中除了用于实现识别分类功能之外的其他分支后得到的模型。

示例性的，本申请实施例这里介绍上述预设AI模型的训练过程。

本申请实施例中，可以收集不同使用场景下大量问诊用户的多个用户画像信息样本和大量问诊用户对应的多个问诊信息样本，以及，从该大量问诊用户关联的符合预设知识库规范的问诊结果中获取的多组关键词样本。其中，将一个问诊用户的用户画像信息样本和问诊信息样本作为一组信息样本。并且，一组关键词样本包括至少一个关键词；一个问诊用户分别关联一组信息样本和一组关键词样本。

基于此，将上述多组信息样本作为输入样本，以及，对应地将多组关键词样本作为输出样本，来训练预设AI模型。其中，一组信息样本的输入对应一组关键词样本的输出。如此，经过多次训练，该预设AI模型便可以具备从用户画像信息和问诊信息中提取出表征用户症状特征的目标关键词的能力。

上述大量问诊用户可以是不同年龄阶段、不同科室类别、不同体质类别、不同地域等不同类型的问诊用户。

需要说明的是，预设AI模型可以包括上述从问诊信息和用户画像信息中提取目标关键词的任意一种实施方式。

具体地，预设AI模型可以包括上述实施例中从问诊信息和用户画像信息中提取多个候选关键词的任意一种预设提取规则以及任意一种预设聚类算法。

基于上述大量样本训练完成的预设AI模型，能更加精准和更加快速地获取目标关键词，以保证医疗信息的处理效率。

基于上述预设AI模型获取目标关键词的实施方式，在医生终端执行上述步骤S25之后，问诊平台在接收到医生终端返回的选中的知识结果时，将预设知识库中选中的知识结果关联的预设关键词作为输出结果，以及，将问诊信息和用户画像信息作为输入语料，对预设AI模型进行训练，已得到更新后的预设AI模型。

上述实施方式中，将医生确定的知识结果关联的预设关键词作为用户画像信息和问诊信息这一输入的输出，反哺预设AI模型，对该预设AI模型重新训练。通过该实施方式，医生确定的知识结果关联的预设关键词能更是真实、更加准确地度量用户画像信息和问诊信息表征的共同症状特征，从而提高预设AI模型的精准度。

作为一种实施例，预设知识库还包括预设关键词与知识结果之间存在的逻辑推理关系，基于此，结合图2如图5所示，在执行S25之后问诊平台和医生终端还可以执行以下医疗信息处理方法。

S51，问诊平台将目标关键词与目标知识结果的目标逻辑推理关系，发送至医生终端。

上述目标逻辑推理关系表示目标关键词如何推理形成目标知识结果的推理关系。

基于此目标逻辑推理关系，医生可以了解更多的表征症状特征的关键词与知识结果的内在联系。

S52，医生终端接收目标关键词与目标知识结果的目标逻辑推理关系；以及，在医生终端的第二显示界面上显示目标逻辑推理关系。

可理解的，目标逻辑推理关系是在医生终端的第二显示界面上显示的。

在一些实施例中，第二显示界面可以包括用于输入问诊报告的输入区域，以便于医生参考该目标逻辑推理关系形成问诊报告。

在一些实施例中，第一显示界面和第二显示界面可以是同一显示界面，如图3中在问诊信息的显示界面上显示该目标逻辑推理关系；第一显示界面和第二显示界面也可以不是同一显示界面。

S53，医生终端在检测到医生在输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，将问诊报告发送至问诊平台。

在该步骤中，医生参考目标逻辑推理关系，在第二显示界面上输入问诊报告的内容，并输入完成时，会执行对应的确认操作，以在医生终端形成确认指令。医生终端响应于该确认指令将完成的问诊报告发送至问诊平台。

示例性的，目标知识结果、选中的知识结果、目标逻辑推理关系形成问诊报告的过程如图6所示。具体地，医生从目标知识结果的多个知识结果中选出至少一个知识结果。医生点击选中的知识结果，问诊平台基于预设知识库，确定出与选中的知识结果关联的目标关键词之间的目标逻辑推理关系。并且问诊平台将目标逻辑推理关系发送至医生终端，医生终端显示该目标逻辑推理关系，以便于医生终端的医生基于该目标逻辑推理关系形成问诊报告。

S54，问诊平台接收医生终端返回的问诊报告。

其中，问诊报告是医生终端在在检测到医生在输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，向问诊平台发送的问诊报告。

在一些实施例中，问诊平台根据该问诊报告，生成新的用户画像信息。

具体地，将问诊报告、问诊信息和形成该问诊报告的医生信息关联后，新增至用户画像信息，形成新的用户画像信息，以保证后续使用的用户画像信息更加全面、更加准确。

为了实现上述功能，医疗信息处理装置包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本公开实施例还提供一种如图7所示的医疗信息处理装置，应用于问诊平台。该医疗信息处理装置包括：提取单元711、确定单元712和推送单元713。

提取单元711，被配置为执行获取问诊信息和用户画像信息；以及，从用户画像信息和问诊信息中提取出目标关键词；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系。

确定单元712，被配置为执行从预设知识库中，确定出与目标关键词关联的目标知识结果。

推送单元713，被配置为执行将目标知识结果推送至医生终端，以使医生终端显示目标知识结果，并响应于对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

在一种可能的实施方式中，提取单元711被具体配置为执行：基于预设提取规则，从用户画像信息和问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词；采用预设聚类算法，对多个候选关键词进行聚类，得到多个候选关键词中各个候选关键词与其他关键词的相似度；将多个候选关键词中预设数量个相似度最大的候选关键词，确定为目标关键词。

在另一种可能的实施方式中，预设提取规则包括NLU自然语义算法；提取单元711还被具体配置为执行：基于NLU自然语义算法，从用户画像信息和问诊信息中，提取出与预设词库中预设词表述一致的多个关键词；对多个关键词中，与预设词表述重复的至少两个关键词进行归一处理，得到多个候选关键词。

在另一种可能的实施方式中，预设提取规则包括Word2Vec模型；提取单元711还被具体配置为执行：将用户画像信息和问诊信息输入至Word2Vec模型，得到由多个关键词构成的词向量；从词向量的多个关键词中，确定出与预设词库中预设词匹配的多个候选关键词。

在另一种可能的实施方式中，提取单元711还被具体配置为执行：将用户画像信息和问诊信息输入至预设AI模型，得到目标关键词。

在另一种可能的实施方式中，该装置还被配置为执行：在接收到医生终端返回的选中的知识结果时，将预设知识库中选中的知识结果关联的预设关键词作为输出结果，以及，将问诊信息和用户画像信息作为输入语料，对预设AI模型进行训练，已得到更新后的预设AI模型。

在另一种可能的实施方式中，预设知识库还包括预设关键词与知识结果之间存在的逻辑推理关系；该装置还被配置为执行：将目标关键词与目标知识结果的目标逻辑推理关系，发送至医生终端；接收医生终端返回的问诊报告，问诊报告是医生终端在在检测到医生在输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，向问诊平台发送的问诊报告；目标逻辑推理关系是在医生终端的第二显示界面上显示的；第二显示界面包括用于输入问诊报告的输入区域。

在另一种可能的实施方式中，提取单元711还被具体配置为执行：从用户终端和医生终端在问诊平台的即时通讯中获取问诊信息；以及，基于用户标识，获取与用户标识关联的用户画像信息。

本公开实施例还提供一种如图8所示的医疗信息处理装置，应用于医生终端，该装置包括：接收单元811和发送单元812。

接收单元811，被配置执行接收问诊平台推送的目标知识结果，以及，在医生终端的显示界面上显示目标知识结果；目标知识结果为问诊平台基于从用户画像信息和问诊信息中提取出的目标关键词，从预设知识库中，确定出与目标关键词关联的知识结果；目标关键词至少包括表征用户症状特征的词；目标关键词包含于预设知识库；预设知识库包括预设关键词与预设知识结果的关联关系。

发送单元812，被配置为执行响应于使用医生终端的医生，在显示界面上执行的对目标知识结果中的知识结果的选中操作，将选中的知识结果发送至问诊平台。

在一种可能的实施方式中，预设知识库还包括预设关键词与知识结果之间存在的逻辑推理关系；该装置还包括：

显示单元813，被配置为执行接收目标关键词与目标知识结果的目标逻辑推理关系；以及，在医生终端的第二显示界面上显示目标逻辑推理关系；第二显示界面包括用于输入问诊报告的输入区域。

检测单元814，被配置为执行在检测到医生在输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，将问诊报告发送至问诊平台。

关于上述实施例中的装置，其中各个单元模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是本申请提供的一种电子设备的示意图。如图9，该电子设备50可以包括至少一个处理器501以及用于存储处理器可执行指令的存储器503。其中，处理器501被配置为执行存储器503中的指令，以实现以下实施例中的医疗信息处理方法。

另外，电子设备50还可以包括通信总线502、至少一个通信接口504、输入设备506和输出设备505。

处理器501可以是一个处理器(central processing units，CPU)，微处理单元，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信总线502可包括一通路，在上述组件之间传送信息。

通信接口504，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。

输入设备506用于接收输入信号和输出设备505用于输出信号。

存储器503可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理单元相连接。存储器也可以和处理单元集成在一起。

其中，存储器503用于存储执行本申请方案的指令，并由处理器501来控制执行。处理器501用于执行存储器503中存储的指令，从而实现本申请方法中的功能。

在具体实现中，作为一种实施例，处理器501可以包括一个或多个CPU，例如图9中的CPU0和CPU1。

在具体实现中，作为一种实施例，电子设备50可以包括多个处理器，例如图9中的处理器501和处理器507。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。

该电子设备如图9所示包括：处理器501和用于存储处理器501可执行指令的存储器503；其中，处理器501被配置为执行可执行指令，以实现如上述任一种可能的实施方式的医疗信息处理方法。且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种计算机可读存储介质，当计算机可读存储介质中的指令由医疗信息处理装置或电子设备的处理器执行时，使得医疗信息处理装置或电子设备能够执行如上述任一种可能的实施方式的医疗信息处理方法。且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种计算机程序产品，包括计算机程序或指令，计算机程序或指令被处理器执行如上述任一种可能的实施方式的医疗信息处理方法。且能达到相同的技术效果，为避免重复，这里不再赘述。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (14)

1.一种医疗信息处理方法，其特征在于，应用于问诊平台，所述方法包括：

获取问诊信息和用户画像信息；以及，从所述用户画像信息和所述问诊信息中提取出目标关键词；所述目标关键词至少包括表征用户症状特征的词；所述目标关键词包含于预设知识库；所述预设知识库包括预设关键词与预设知识结果的关联关系；

从所述预设知识库中，确定出与所述目标关键词关联的目标知识结果；

将所述目标知识结果推送至医生终端，以使所述医生终端显示所述目标知识结果，并响应于对所述目标知识结果中的知识结果的选中操作，将选中的知识结果发送至所述问诊平台。

2.根据权利要求1所述的方法，其特征在于，所述从所述用户画像信息和所述问诊信息中提取出目标关键词，包括：

基于预设提取规则，从所述用户画像信息和所述问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词；

采用预设聚类算法，对所述多个候选关键词进行聚类，得到所述多个候选关键词中各个候选关键词与其他关键词的相似度；

将所述多个候选关键词中预设数量个相似度最大的候选关键词，确定为所述目标关键词。

3.根据权利要求2所述的方法，其特征在于，所述预设提取规则包括NLU自然语义算法；所述基于预设提取规则，从所述用户画像信息和所述问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词，包括：

基于所述NLU自然语义算法，从所述用户画像信息和所述问诊信息中，提取出与所述预设词库中预设词表述一致的多个关键词；

对所述多个关键词中，与预设词表述重复的至少两个关键词进行归一处理，得到所述多个候选关键词。

4.根据权利要求2所述的方法，其特征在于，所述预设提取规则包括Word2Vec模型；所述基于预设提取规则，从所述用户画像信息和所述问诊信息中，提取出与预设词库中预设词匹配的多个候选关键词，包括：

将所述用户画像信息和所述问诊信息输入至所述Word2Vec模型，得到由多个关键词构成的词向量；

从所述词向量的多个关键词中，确定出与所述预设词库中预设词匹配的所述多个候选关键词。

5.根据权利要求1所述的方法，其特征在于，从所述用户画像信息和所述问诊信息中提取出目标关键词，包括：

将所述用户画像信息和所述问诊信息输入至预设AI模型，得到所述目标关键词。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在接收到所述医生终端返回的所述选中的知识结果时，将所述预设知识库中所述选中的知识结果关联的预设关键词作为输出结果，以及，将所述问诊信息和所述用户画像信息作为输入语料，对所述预设AI模型进行训练，已得到更新后的预设AI模型。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述预设知识库还包括所述预设关键词与所述知识结果之间存在的逻辑推理关系；所述方法还包括：

将所述目标关键词与所述目标知识结果的目标逻辑推理关系，发送至所述医生终端；

接收所述医生终端返回的问诊报告，所述问诊报告是所述医生终端在在检测到所述医生在输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，向所述问诊平台发送的问诊报告；所述目标逻辑推理关系是在所述医生终端的第二显示界面上显示的；所述第二显示界面包括用于输入问诊报告的所述输入区域。

8.根据权利要求1至6中任一项所述的方法，其特征在于，所述获取问诊信息和用户画像信息，包括：

从用户终端和所述医生终端在所述问诊平台的即时通讯中获取所述问诊信息；以及，基于用户标识，获取与所述用户标识关联的用户画像信息。

9.一种医疗信息处理方法，其特征在于，应用于医生终端，所述方法包括：

接收问诊平台推送的目标知识结果，以及，在所述医生终端的第一显示界面上显示所述目标知识结果；所述目标知识结果为所述问诊平台基于从用户画像信息和问诊信息中提取出的目标关键词，从预设知识库中，确定出与所述目标关键词关联的知识结果；所述目标关键词至少包括表征用户症状特征的词；所述目标关键词包含于所述预设知识库；所述预设知识库包括预设关键词与预设知识结果的关联关系；

响应于使用所述医生终端的医生，在所述第一显示界面上执行的对所述目标知识结果中的知识结果的选中操作，将选中的知识结果发送至所述问诊平台。

10.根据权利要求8所述的方法，其特征在于，所述预设知识库还包括所述预设关键词与所述知识结果之间存在的逻辑推理关系；所述方法还包括：

接收所述目标关键词与所述目标知识结果的目标逻辑推理关系；以及，在所述医生终端的第二显示界面上显示所述目标逻辑推理关系；所述第二显示界面包括用于输入问诊报告的输入区域；

在检测到所述医生在所述输入区域上执行的对问诊报告的输入操作，且检测到对输入的问诊报告的确认指令时，将所述问诊报告发送至所述问诊平台。

11.一种医疗信息处理装置，其特征在于，应用于问诊平台，所述装置包括：

提取单元，被配置为执行获取问诊信息和用户画像信息；以及，从所述用户画像信息和所述问诊信息中提取出目标关键词；所述目标关键词至少包括表征用户症状特征的词；所述目标关键词包含于预设知识库；所述预设知识库包括预设关键词与预设知识结果的关联关系；

确定单元，被配置为执行从所述预设知识库中，确定出与所述目标关键词关联的目标知识结果；

推送单元，被配置为执行将所述目标知识结果推送至医生终端，以使所述医生终端显示所述目标知识结果，并响应于对所述目标知识结果中的知识结果的选中操作，将选中的知识结果发送至所述问诊平台。

12.一种医疗信息处理装置，其特征在于，应用于医生终端，所述装置包括：

接收单元，被配置执行接收问诊平台推送的目标知识结果，以及，在所述医生终端的显示界面上显示所述目标知识结果；所述目标知识结果为所述问诊平台基于从用户画像信息和问诊信息中提取出的目标关键词，从预设知识库中，确定出与所述目标关键词关联的知识结果；所述目标关键词至少包括表征用户症状特征的词；所述目标关键词包含于所述预设知识库；所述预设知识库包括预设关键词与预设知识结果的关联关系；

发送单元，被配置为执行响应于使用所述医生终端的医生，在所述显示界面上执行的对所述目标知识结果中的知识结果的选中操作，将选中的知识结果发送至所述问诊平台。

13.一种电子设备，其特征在于，包括：

处理器和用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述可执行指令，以实现如权利要求1-8中任一项所述的医疗信息处理方法，或者，以实现如权利要求9或10所述的医疗信息处理方法。

14.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-8中任一项或权利要求9或10所述的医疗信息处理方法。