CN116844704A - 一种用于智慧医疗的自助服务系统及方法 - Google Patents
一种用于智慧医疗的自助服务系统及方法 Download PDFInfo
- Publication number
- CN116844704A CN116844704A CN202310863166.5A CN202310863166A CN116844704A CN 116844704 A CN116844704 A CN 116844704A CN 202310863166 A CN202310863166 A CN 202310863166A CN 116844704 A CN116844704 A CN 116844704A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- historical
- model
- diagnosis
- 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 64
- 238000011282 treatment Methods 0.000 title claims abstract description 62
- 230000000694 effects Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000003745 diagnosis Methods 0.000 claims description 159
- 201000010099 disease Diseases 0.000 claims description 80
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 80
- 239000003814 drug Substances 0.000 claims description 38
- 230000005802 health problem Effects 0.000 claims description 38
- 238000012360 testing method Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 34
- 230000006806 disease prevention Effects 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 27
- 238000007689 inspection Methods 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013468 resource allocation Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000000554 physical therapy Methods 0.000 claims description 4
- 229940079593 drug Drugs 0.000 description 23
- 230000008569 process Effects 0.000 description 21
- 238000012552 review Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 15
- 208000024891 symptom Diseases 0.000 description 14
- 230000008859 change Effects 0.000 description 10
- 208000019901 Anxiety disease Diseases 0.000 description 4
- 206010061818 Disease progression Diseases 0.000 description 4
- 206010052428 Wound Diseases 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 230000036506 anxiety Effects 0.000 description 4
- 230000005750 disease progression Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000011269 treatment regimen Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000032023 Signs and Symptoms Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000012567 medical material Substances 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Security & Cryptography (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出一种用于智慧医疗的自助服务系统及方法，系统包括：获取模块、控制处理模块、指引模块、资源安排模块。通过本发明实施例的方案，从用户踏入医院开始，已快速地为用户安排好了每个环节的指引与医疗资源，提供的是一种“无感”的自助医疗服务，大大简化了用户的就医流程，提高了就医效率，充分发挥了医疗资源的作用。
Description
技术领域
本发明涉及智慧医疗技术领域，具体涉及一种用于智慧医疗的自助服务系统及方法。
背景技术
目前，用于医院的自助服务系统利用移动互联网和云计算等技术，可以实现远程问诊、远程监测、远程药品供应等功能。患者可以随时通过手机APP就医，医生可以远程查看患者生理数据并做出诊断，并远程开出电子处方，患者可以选择网上药店配送药品；通过各种健康管理APP、健康管理设备等，患者可以随时测量生理参数、记录健康信息，并根据医生的指导进行定期或实时的健康管理。然而，现有的自助服务系统却没有与实地就诊流程结合起来最大化利用医院现有资源，也不够智能。
发明内容
本发明正是基于上述问题，提出了一种用于智慧医疗的自助服务系统及方法，通过本发明的方案，从用户踏入医院开始，已快速地为用户安排好了每个环节的指引与医疗资源，提供的是一种“无感”的自助医疗服务，大大简化了用户的就医流程，提高了就医效率，充分发挥了医疗资源的作用。
有鉴于此，本发明的一方面提出了一种用于智慧医疗的自助服务系统，包括：获取模块、控制处理模块、指引模块、资源安排模块；
所述获取模块被配置为：
当第一用户进入第一特定区域时，输出第一提示信息；
当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；
所述控制处理模块被配置为：
根据所述第一人脸数据判断所述第一用户是否为已登记用户；
若为已登记用户，则获取所述第一用户的第一历史数据；
若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；
所述获取模块被配置为：获取所述第一用户的第一身体状态数据；
所述控制处理模块被配置为：根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；
所述指引模块被配置为：根据所述第一指引/导航信息为所述第一用户进行指引与导航；
所述资源安排模块被配置为：根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。
可选地，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，所述控制处理模块被配置为：
获取所述第一用户对应的第一疾病防控监测模型；
从所述第一历史数据中提取历史病历数据、历史问诊数据、历史检查/检验数据、历史处方信息；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型，确定所述第一用户的当前身体状态对应的第一健康问题类型及第一风险程度；
根据所述第一健康问题类型和所述第一风险程度，为所述第一用户制定初步的第一就诊指引；
将所述第一就诊指引提供给所述第一用户选择与确认，并收集所述第一用户的反馈意见，根据所述反馈意见优化与改进所述第一就诊指引；
对优化与改进后的所述第一就诊指引进行确认与审核，确保建议正确并有利于用户健康；
根据所述第一就诊指引生成指导所述第一用户按所述第一就诊指引到达各处理点的第一导航信息，从而得到所述第一指引/导航信息。
可选地，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，所述控制处理模块被配置为：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息生成所述第一医疗资源安排信息；
所述第一医疗资源安排信息包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息确定并挂号的对应的医生、需要用到的药品药物/医疗设备；
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息为所述第一用户安排的检验项目、物理治疗项目、护理服务项目；
手术室内的人员配备、药物/物料/器材配备、环境调节、设备初始化；以及，
上述各资源配备/使用/启动的数量、地点、时间、类型。
可选地，所述控制处理模块被配置为：
根据所述第一健康问题类型和所述第一风险程度为所述第一用户推荐第一自助机器人；
所述第一自助机器人为所述第一用户提供诊断服务，具体包括：
所述第一自助机器人获取所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型生成第一初始病症数据和第一待确认数据；
根据所述第一待确认数据生成与所述第一用户的第一交互数据；
接收所述第一用户对所述第一交互数据的第一反馈数据；
将所述第一初始病症数据和所述第一反馈数据与预设的诊断模型进行匹配，计算各种疾病的匹配度以判断病情；
选择匹配度超过预设的第一匹配度的对应几种疾病作为第一疑似疾病，并对多个所述第一疑似疾病各个的概率或置信度进行排序与评估，得到第一疑似疾病评估数据；
基于所述第一疑似疾病评估数据为所述第一用户生成所述第一用户提供诊断服务。
可选地，所述控制处理模块被配置为：
收集大量的历史医疗数据；
对所述历史医疗数据进行清洗、整合与预处理，剔除异常数据以确保数据的完整性与连贯性，得到第一样本数据；
将所述第一样本数据转换为模型输入的形式，得到第二样本数据；
从所述第二样本数据中提取用于诊断的特征，得到第一诊断特征数据；
为所述第一诊断特征数据添加相应的疾病诊断标签；
将所述第一诊断特征数据与所述疾病诊断标签整合，构建用于训练模型的第一训练数据集、用于测试模型的第一测试数据集和用于验证模型的第一验证数据集；
选择合适的机器学习或深度学习算法，在构建好的所述第一训练数据集上进行模型训练；
利用所述第一验证数据集评估训练好的模型，选择表现最优的模型作为初始诊断模型；
利用所述第一测试数据集对所述初始诊断模型进行最终评估，得到准确率、召回率、F1值以判断所述初始诊断模型的效果；
若所述初始诊断模型的效果不符合设置的第一预期值，结合模型的错误预测分析结果与特征工程的结果优化模型，直到符合所述第一预期值；
将已符合所述第一预期值的所述初始诊断模型作为所述诊断模型。
本发明的另一方面提供一种用于智慧医疗的自助服务方法，包括：
当第一用户进入第一特定区域时，输出第一提示信息；
当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；
根据所述第一人脸数据判断所述第一用户是否为已登记用户；
若为已登记用户，则获取所述第一用户的第一历史数据；
若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；
获取所述第一用户的第一身体状态数据；
根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；
根据所述第一指引/导航信息为所述第一用户进行指引与导航；
根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。
可选地，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，包括：
获取所述第一用户对应的第一疾病防控监测模型；
从所述第一历史数据中提取历史病历数据、历史问诊数据、历史检查/检验数据、历史处方信息；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型，确定所述第一用户的当前身体状态对应的第一健康问题类型及第一风险程度；
根据所述第一健康问题类型和所述第一风险程度，为所述第一用户制定初步的第一就诊指引；
将所述第一就诊指引提供给所述第一用户选择与确认，并收集所述第一用户的反馈意见，根据所述反馈意见优化与改进所述第一就诊指引；
对优化与改进后的所述第一就诊指引进行确认与审核，确保建议正确并有利于用户健康；
根据所述第一就诊指引生成指导所述第一用户按所述第一就诊指引到达各处理点的第一导航信息，从而得到所述第一指引/导航信息。
可选地，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息生成所述第一医疗资源安排信息；
所述第一医疗资源安排信息包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息确定并挂号的对应的医生、需要用到的药品药物/医疗设备；
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息为所述第一用户安排的检验项目、物理治疗项目、护理服务项目；
手术室内的人员配备、药物/物料/器材配备、环境调节、设备初始化；以及，
上述各资源配备/使用/启动的数量、地点、时间、类型。
可选地，所述用于智慧医疗的自助服务方法，还包括：
根据所述第一健康问题类型和所述第一风险程度为所述第一用户推荐第一自助机器人；
所述第一自助机器人为所述第一用户提供诊断服务，具体包括：
所述第一自助机器人获取所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型生成第一初始病症数据和第一待确认数据；
根据所述第一待确认数据生成与所述第一用户的第一交互数据；
接收所述第一用户对所述第一交互数据的第一反馈数据；
将所述第一初始病症数据和所述第一反馈数据与预设的诊断模型进行匹配，计算各种疾病的匹配度以判断病情；
选择匹配度超过预设的第一匹配度的对应几种疾病作为第一疑似疾病，并对多个所述第一疑似疾病各个的概率或置信度进行排序与评估，得到第一疑似疾病评估数据；
基于所述第一疑似疾病评估数据为所述第一用户生成所述第一用户提供诊断服务。
可选地，生成所述诊断模型的步骤，包括：
收集大量的历史医疗数据；
对所述历史医疗数据进行清洗、整合与预处理，剔除异常数据以确保数据的完整性与连贯性，得到第一样本数据；
将所述第一样本数据转换为模型输入的形式，得到第二样本数据；
从所述第二样本数据中提取用于诊断的特征，得到第一诊断特征数据；
为所述第一诊断特征数据添加相应的疾病诊断标签；
将所述第一诊断特征数据与所述疾病诊断标签整合，构建用于训练模型的第一训练数据集、用于测试模型的第一测试数据集和用于验证模型的第一验证数据集；
选择合适的机器学习或深度学习算法，在构建好的所述第一训练数据集上进行模型训练；
利用所述第一验证数据集评估训练好的模型，选择表现最优的模型作为初始诊断模型；
利用所述第一测试数据集对所述初始诊断模型进行最终评估，得到准确率、召回率、F1值以判断所述初始诊断模型的效果；
若所述初始诊断模型的效果不符合设置的第一预期值，结合模型的错误预测分析结果与特征工程的结果优化模型，直到符合所述第一预期值；
将已符合所述第一预期值的所述初始诊断模型作为所述诊断模型。
采用本发明的技术方案，用于智慧医疗的自助服务方法包括：当第一用户进入第一特定区域时，输出第一提示信息；当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；根据所述第一人脸数据判断所述第一用户是否为已登记用户；若为已登记用户，则获取所述第一用户的第一历史数据；若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；获取所述第一用户的第一身体状态数据；根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；根据所述第一指引/导航信息为所述第一用户进行指引与导航；根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。通过本发明实施例的方案，从用户踏入医院开始，已快速地为用户安排好了每个环节的指引与医疗资源，提供的是一种“无感”的自助医疗服务，大大简化了用户的就医流程，提高了就医效率，充分发挥了医疗资源的作用。
附图说明
图1是本发明一个实施例提供的用于智慧医疗的自助服务系统的示意框图；
图2是本发明一个实施例提供的用于智慧医疗的自助服务方法流程图。
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。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
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方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本申请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，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
下面参照图1至图2来描述根据本发明一些实施方式提供的一种用于智慧医疗的自助服务系统及方法。
如图1所示，本发明一个实施例提供一种用于智慧医疗的自助服务系统，包括：获取模块、控制处理模块、指引模块、资源安排模块；
所述获取模块被配置为：
当第一用户进入第一特定区域时(如医院进口、门诊大楼入口等)，输出第一提示信息(如在播放语音、在地面显示提醒文字等提醒用户如何选择行进方向/路线以对进入医院的人员进行合理分流)；
当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据(当进入第二特定区域，如门诊候诊区、门诊护士站等，表明第一用户有就诊需求，并默认授权获取如人脸数据之类的生理信息)；
所述控制处理模块被配置为：
根据所述第一人脸数据判断所述第一用户是否为已登记用户(如已有病历数据的用户、已有网上问诊数据的用户等)；
若为已登记用户，则获取所述第一用户的第一历史数据(如历史病历数据、历史问诊数据、历史检查/检验数据等)；
若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号(即基于第一人脸数据生成的、具有唯一对应关系的第一用户账号)；
所述获取模块被配置为：获取所述第一用户的第一身体状态数据(如采集第一用户的第一图像数据，根据第一图像数据得到第一身体状态数据；或者连接到第一用户佩戴的智能穿戴设备以获取第一身体状态数据等)；
所述控制处理模块被配置为：根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息(区别于现有的导航，此处的导航专注于提供精细化服务，比如具体到哪个科室，到哪里领什么东西、做什么处理等)与第一医疗资源安排信息；
所述指引模块被配置为：根据所述第一指引/导航信息为所述第一用户进行指引与导航；
所述资源安排模块被配置为：根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源(如匹配对应的医生、自动挂号、准备对应的检查/检验设备、安排医疗物料、安排床位、手术室初始化准备、AI机器人准备等)。
可以理解的是，本发明实施例中，当第一用户进入第一特定区域时，输出第一提示信息；当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；根据所述第一人脸数据判断所述第一用户是否为已登记用户；若为已登记用户，则获取所述第一用户的第一历史数据；若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；获取所述第一用户的第一身体状态数据；根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；根据所述第一指引/导航信息为所述第一用户进行指引与导航；根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。通过本发明实施例的方案，从用户踏入医院开始，已快速地为用户安排好了每个环节的指引与医疗资源，提供的是一种“无感”的自助医疗服务，大大简化了用户的就医流程，提高了就医效率，充分发挥了医疗资源的作用。
应当知道的是，图1所示的用于智慧医疗的自助服务系统的框图仅作示意，其所示出的各模块的数量并不对本发明的保护范围进行限定。
在本发明一些可能的实施方式中，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，所述控制处理模块被配置为：
获取所述第一用户对应的第一疾病防控监测模型(此模型可以基于历史疾病防控数据训练而得)；
从所述第一历史数据中提取历史病历数据、历史问诊数据、历史检查/检验数据、历史处方信息；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型，确定所述第一用户的当前身体状态对应的第一健康问题类型及第一风险程度；通过对历史数据与当前状态的分析，评估用户患上某些疾病或健康问题的风险程度，如高血压、糖尿病复发的风险等；
根据所述第一健康问题类型和所述第一风险程度，为所述第一用户制定初步的第一就诊指引，包括：就诊方式，即建议选择在医院当面问诊、在线问诊还是视频问诊等；就诊科室，即推荐去内科、外科、专科等对应的具体科室；建议检查项目，即建议进行何种检查诊断；用药指导，即提供相关用药建议，如续用某某药物或停用某某药物等；
将所述第一就诊指引提供给所述第一用户选择与确认，并收集所述第一用户的反馈意见，根据所述反馈意见优化与改进所述第一就诊指引；
对优化与改进后的所述第一就诊指引进行确认与审核，确保建议正确并有利于用户健康；另外，符合预设条件的重要的就诊指引需要与医生进行确认与审核；
根据所述第一就诊指引生成指导所述第一用户按所述第一就诊指引到达各处理点的第一导航信息，从而得到所述第一指引/导航信息。
在本实施例中，可以为用户提供比较准确可靠的就医方向与指引与导航以方便用户进行自助服务，这种数据驱动的智慧导航系统可以更好满足个性化医疗需求。
在本发明一些可能的实施方式中，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，所述控制处理模块被配置为：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息生成所述第一医疗资源安排信息；
所述第一医疗资源安排信息包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息确定并挂号的对应的医生、需要用到的药品药物/医疗设备；
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息为所述第一用户安排的检验项目(如检查、化验、影像学等，确保一次就诊可以完成所有必要检查)、物理治疗项目、护理服务项目；
手术室内的人员配备、药物/物料/器材配备、环境调节、设备初始化；以及，
上述各资源配备/使用/启动的数量、地点、时间、类型。
在本实施例中，通过上述医疗资源全面协调与安排，可以最大限度地使就医过程变得简便、连续且个性化。
在本发明一些可能的实施方式中，所述控制处理模块被配置为：
根据所述第一健康问题类型和所述第一风险程度为所述第一用户推荐第一自助机器人；
所述第一自助机器人为所述第一用户提供诊断服务，具体包括：
所述第一自助机器人获取所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型生成第一初始病症数据和第一待确认数据；
根据所述第一待确认数据生成与所述第一用户的第一交互数据；
接收所述第一用户对所述第一交互数据的第一反馈数据(机器人需要对用户描述的症状与体征进行确认与澄清，针对不清晰的地方进行提问，确保收集到准确全面的数据)；
将所述第一初始病症数据和所述第一反馈数据与预设的诊断模型进行匹配，计算各种疾病的匹配度以判断病情(诊断模型中包含各种疾病的症状、检查及治疗知识等)；
选择匹配度超过预设的第一匹配度的对应几种疾病作为第一疑似疾病，并对多个所述第一疑似疾病各个的概率或置信度进行排序与评估，得到第一疑似疾病评估数据；
基于所述第一疑似疾病评估数据为所述第一用户生成所述第一用户提供诊断服务(包括但不限于康复指引、用药建议，或者就诊方式建议、科室与医生选择建议等)；
在本实施例中，还可以将重要的诊断与就诊建议推送给主治医生进行确认与签署，自助机器人只起辅助作用，医生才可以做出最终判断与诊断，自助机器人与用户及医生进行交互与反馈，收集反馈意见不断优化自己的预诊过程与建议输出。通过在自助机器人辅助下的在线预诊，可以实现初步诊断与就诊指导，这为传统医疗模式带来了很好的补充，提高了医疗资源的利用率，满足用户随时随地的就医需求。
在本发明一些可能实施方式中，自助机器人可以通过以下方式为第一用户进行复查/复诊：
收集病情进展：收集用户描述的当前症状状况、体征变化和用药情况等，与初诊或上次复查时的数据进行对比，判断病情是否有所改善或恶化；
复查询问：针对病情变化与医嘱要点，自助机器人对用户进行询问，确认病情与各项医嘱的遵从情况，并澄清不明确的地方；
检查项目提醒：根据医生的诊疗方案，自助机器人提醒用户进行定期的检验检查项目，如复查用的各种生化指标、心电图、B超等，并在检查完成后收集结果数据；
评估疾病进展：将收集的数据与知识图谱/疾病防控监测模型/疾病诊断模型进行匹配，评估疾病的进展情况，判断病情是否已得到控制或有所缓解等，如果病情恶化可以提前发现，并及时通知医生；
更新用药建议：根据病情变化与检查结果等为用户提供用药调整或续方建议，如增加或停用某些药物的量和种类等；
随访提醒：为用户设置下一步随访的时间与检查项目，提前做好复查准备，并在预约时间提醒用户进行随访，以持续监测病情与医嘱遵从情况；
医生交互反馈：自助机器人将复查情况、评估结果与建议等数据提交给主治医生进行审核，并将医生的反馈意见与诊疗调整计划同步更新到自助机器人知识系统中以指导下一次复查。
在本实施例中，通过AI机器人进行在线复查可以更加个性化与连续化地监测病情与治疗效果，辅助医生及早调整诊疗方案，实现远程医疗随访，这大大提高了医疗质量与效率。
此外，自助机器人还可以对第一用户提供的相关信息材料进行预处理以方便医生进行诊疗；还可以对伤口、人体结构等的图像进行识别与判断，得到初步诊断结果。
在本发明一些可能的实施方式中，所述控制处理模块被配置为：
收集大量的历史医疗数据(包括但不限于患者的基本信息、症状、体征、检查化验报告、医生诊断记录等)；
对所述历史医疗数据进行清洗、整合与预处理，剔除异常数据以确保数据的完整性与连贯性，得到第一样本数据；
将所述第一样本数据转换为模型输入的形式，得到第二样本数据；
从所述第二样本数据中提取用于诊断的特征(包括症状特征、体征特征、实验室检查特征等能准确地反映患者的健康状况与疾病特点的特征)，得到第一诊断特征数据；
(根据医生的最终诊断)为所述第一诊断特征数据添加相应的疾病诊断标签(为模型的训练提供监督信息)；
将所述第一诊断特征数据与所述疾病诊断标签整合，构建用于训练模型的第一训练数据集、用于测试模型的第一测试数据集和用于验证模型的第一验证数据集(通常将第一数据集分为3部分：训练数据集为60％-70％、验证数据集为15％-20％和测试数据集为15-20％)；
选择合适的机器学习或深度学习算法，在构建好的所述第一训练数据集上进行模型训练；
利用所述第一验证数据集评估训练好的模型，选择表现最优的模型作为初始诊断模型；
利用所述第一测试数据集对所述初始诊断模型进行最终评估，得到准确率、召回率、F1值以判断所述初始诊断模型的效果；
若所述初始诊断模型的效果不符合设置的第一预期值，结合模型的错误预测分析结果与特征工程的结果优化模型(如增加特征、调整超参数等)，直到符合所述第一预期值；
将已符合所述第一预期值的所述初始诊断模型作为所述诊断模型。
在本实施例中，通过上述过程，可以训练得到一个用于疾病诊断与预测的模型，随着更丰富的数据与算法的进步，模型的效果会越来越好，为临床提供重要的辅助决策支持。
在本发明一些可能的实施方式中，还包括：利用医生的现场看诊数据对符合所述第一预期值的所述初始诊断模型进行修改与优化得到更精确且更符合当前病患的诊断模型具体是：
收集医生诊疗数据：在医生现场看诊时记录详细的问诊信息、体征数据、检查化验结果以及医生的临床思路与诊断过程等医生诊断数据；
分析医生诊疗策略：根据上述医生诊断数据分析医生在诊疗中的诊断策略与决策模式，包括询问重点、体征解释方式和各项检查的选择依据等；
识别模型缺漏：将医生的诊断策略/决策模式与现有的初始诊断模型进行比较，找出模型在知识和策略方面的不足与缺漏(如模型无法理解某些重要症状或忽略了某关键检查手段等)；
修复与完善模型：在现有初始诊断模型的基础上进行优化与修复，包括但不限于增加新的特，如新的症状、体征或检查指标等，以增强模型的表达力；调整个体特征的权重，增强重要特征的影响力；修改模型结构或算法，采用能够表达更加复杂关系的模型；根据医生策略扩充或修改模型的知识与决策机制等。
再训练与测试：使用新增的数据样本和经过优化与修复后的模型重新进行训练，并用第一测试数据集评估优化后的模型效果，确保其性能得到提升并符合医生的诊疗特点；
重复优化：重复上述过程，通过多次优化与调整，得到一个有效结合先验知识和数据驱动的精确诊断模型。
在本实施例中，通过现场医生诊疗数据的利用，可以使原有的通用模型变得更加专业和个性化，模型可以学习并吸收医生的经验与知识，这是人工智能与专家知识共融的重要途径,可以生成更加先进与适用的智能诊疗系统。
在本发明一些可能的实施方式中，所述根据所述第一待确认数据生成与所述第一用户的第一交互数据的步骤，包括：
所述第一自助机器人利用VR/AR技术为所述第一用户模拟出第一就诊环境(如病房环境、手术室环境等，这可以减轻用户的焦虑与恐惧感，特别适用于儿童就诊)。
通过VR/AR技术为所述第一用户模拟病情发展过程或示范手术过程，帮助所述第一用户直观地理解自己的病情与治疗方案(这可以增强用户对治疗的信任与依从性)。
在本发明一些可能实施例方式中，还包括：
在医院内采用AR技术为所述第一用户提供导航服务，指引前往就诊区域、检查室和药房等地点；
在手术过程中,利用VR/AR技术为医生提供X视图来帮助探寻病灶、确认手术路径等，或在术中为医生实时显示病人的CT、MRI影像信息等，这可以精确导航以提高手术精度；
对需要进行康复训练的患者，采用仿真设备与VR/AR技术定制个性化的训练方案与游戏等以提高患者的依从性与效果，患者可以在家中进行，并通过远程监测。
对出院患者可以采用VR/AR技术进行随访，通过可视化的方式为其指导怎么正确服用药物、更换伤口绷带等，并可以远程监测患者的各项指标。
在本发明实施例中，利用VR/AR技术为就诊与康复过程提供了更加直观、仿真与个性化的服务手段，它可以减轻患者焦虑，提高依从性；为医生提供精确手术与诊疗信息；实现随访过程的可视化，这大大增强了医疗服务效率与质量。
请参见图2，本发明的另一实施例提供一种用于智慧医疗的自助服务方法，包括：
当第一用户进入第一特定区域时(如医院进口、门诊大楼入口等)，输出第一提示信息(如在播放语音、在地面显示提醒文字等提醒用户如何选择行进方向/路线以对进入医院的人员进行合理分流)；
当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据(当进入第二特定区域，如门诊候诊区、门诊护士站等，表明第一用户有就诊需求，并默认授权获取如人脸数据之类的生理信息)；
根据所述第一人脸数据判断所述第一用户是否为已登记用户(如已有病历数据的用户、已有网上问诊数据的用户等)；
若为已登记用户，则获取所述第一用户的第一历史数据(如历史病历数据、历史问诊数据、历史检查/检验数据等)；
若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号(即基于第一人脸数据生成的、具有唯一对应关系的第一用户账号)；
获取所述第一用户的第一身体状态数据(如采集第一用户的第一图像数据，根据第一图像数据得到第一身体状态数据；或者连接到第一用户佩戴的智能穿戴设备以获取第一身体状态数据等)；
根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息(区别于现有的导航，此处的导航专注于提供精细化服务，比如具体到哪个科室，到哪里领什么东西、做什么处理等)与第一医疗资源安排信息；
根据所述第一指引/导航信息为所述第一用户进行指引与导航；
根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源(如匹配对应的医生、自动挂号、准备对应的检查/检验设备、安排医疗物料、安排床位、手术室初始化准备、AI机器人准备等)。
可以理解的是，本发明实施例中，当第一用户进入第一特定区域时，输出第一提示信息；当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；根据所述第一人脸数据判断所述第一用户是否为已登记用户；若为已登记用户，则获取所述第一用户的第一历史数据；若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；获取所述第一用户的第一身体状态数据；根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；根据所述第一指引/导航信息为所述第一用户进行指引与导航；根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。通过本发明实施例的方案，从用户踏入医院开始，已快速地为用户安排好了每个环节的指引与医疗资源，提供的是一种“无感”的自助医疗服务，大大简化了用户的就医流程，提高了就医效率，充分发挥了医疗资源的作用。
在本发明一些可能的实施方式中，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，包括：
获取所述第一用户对应的第一疾病防控监测模型(此模型可以基于历史疾病防控数据训练而得)；
从所述第一历史数据中提取历史病历数据、历史问诊数据、历史检查/检验数据、历史处方信息；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型，确定所述第一用户的当前身体状态对应的第一健康问题类型及第一风险程度；通过对历史数据与当前状态的分析，评估用户患上某些疾病或健康问题的风险程度，如高血压、糖尿病复发的风险等；
根据所述第一健康问题类型和所述第一风险程度，为所述第一用户制定初步的第一就诊指引，包括：就诊方式，即建议选择在医院当面问诊、在线问诊还是视频问诊等；就诊科室，即推荐去内科、外科、专科等对应的具体科室；建议检查项目，即建议进行何种检查诊断；用药指导，即提供相关用药建议，如续用某某药物或停用某某药物等；
将所述第一就诊指引提供给所述第一用户选择与确认，并收集所述第一用户的反馈意见，根据所述反馈意见优化与改进所述第一就诊指引；
对优化与改进后的所述第一就诊指引进行确认与审核，确保建议正确并有利于用户健康；另外，符合预设条件的重要的就诊指引需要与医生进行确认与审核；
根据所述第一就诊指引生成指导所述第一用户按所述第一就诊指引到达各处理点的第一导航信息，从而得到所述第一指引/导航信息。
在本实施例中，可以为用户提供比较准确可靠的就医方向与指引与导航以方便用户进行自助服务，这种数据驱动的智慧导航系统可以更好满足个性化医疗需求。
在本发明一些可能的实施方式中，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息生成所述第一医疗资源安排信息；
所述第一医疗资源安排信息包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息确定并挂号的对应的医生、需要用到的药品药物/医疗设备；
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息为所述第一用户安排的检验项目(如检查、化验、影像学等，确保一次就诊可以完成所有必要检查)、物理治疗项目、护理服务项目；
手术室内的人员配备、药物/物料/器材配备、环境调节、设备初始化；以及，
上述各资源配备/使用/启动的数量、地点、时间、类型。
在本实施例中，通过上述医疗资源全面协调与安排，可以最大限度地使就医过程变得简便、连续且个性化。
在本发明一些可能的实施方式中，所述用于智慧医疗的自助服务方法，还包括：
根据所述第一健康问题类型和所述第一风险程度为所述第一用户推荐第一自助机器人；
所述第一自助机器人为所述第一用户提供诊断服务，具体包括：
所述第一自助机器人获取所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型生成第一初始病症数据和第一待确认数据；
根据所述第一待确认数据生成与所述第一用户的第一交互数据；
接收所述第一用户对所述第一交互数据的第一反馈数据(机器人需要对用户描述的症状与体征进行确认与澄清，针对不清晰的地方进行提问，确保收集到准确全面的数据)；
将所述第一初始病症数据和所述第一反馈数据与预设的诊断模型进行匹配，计算各种疾病的匹配度以判断病情(诊断模型中包含各种疾病的症状、检查及治疗知识等)；
选择匹配度超过预设的第一匹配度的对应几种疾病作为第一疑似疾病，并对多个所述第一疑似疾病各个的概率或置信度进行排序与评估，得到第一疑似疾病评估数据；
基于所述第一疑似疾病评估数据为所述第一用户生成所述第一用户提供诊断服务(包括但不限于康复指引、用药建议，或者就诊方式建议、科室与医生选择建议等)；
在本实施例中，还可以将重要的诊断与就诊建议推送给主治医生进行确认与签署，自助机器人只起辅助作用，医生才可以做出最终判断与诊断，自助机器人与用户及医生进行交互与反馈，收集反馈意见不断优化自己的预诊过程与建议输出。通过在自助机器人辅助下的在线预诊，可以实现初步诊断与就诊指导，这为传统医疗模式带来了很好的补充，提高了医疗资源的利用率，满足用户随时随地的就医需求。
在本发明一些可能实施方式中，自助机器人可以通过以下方式为第一用户进行复查/复诊：
收集病情进展：收集用户描述的当前症状状况、体征变化和用药情况等，与初诊或上次复查时的数据进行对比，判断病情是否有所改善或恶化；
复查询问：针对病情变化与医嘱要点，自助机器人对用户进行询问，确认病情与各项医嘱的遵从情况，并澄清不明确的地方；
检查项目提醒：根据医生的诊疗方案，自助机器人提醒用户进行定期的检验检查项目，如复查用的各种生化指标、心电图、B超等，并在检查完成后收集结果数据；
评估疾病进展：将收集的数据与知识图谱/疾病防控监测模型/疾病诊断模型进行匹配，评估疾病的进展情况，判断病情是否已得到控制或有所缓解等，如果病情恶化可以提前发现，并及时通知医生；
更新用药建议：根据病情变化与检查结果等为用户提供用药调整或续方建议，如增加或停用某些药物的量和种类等；
随访提醒：为用户设置下一步随访的时间与检查项目，提前做好复查准备，并在预约时间提醒用户进行随访，以持续监测病情与医嘱遵从情况；
医生交互反馈：自助机器人将复查情况、评估结果与建议等数据提交给主治医生进行审核，并将医生的反馈意见与诊疗调整计划同步更新到自助机器人知识系统中以指导下一次复查；
在本实施例中，通过AI机器人进行在线复查可以更加个性化与连续化地监测病情与治疗效果，辅助医生及早调整诊疗方案，实现远程医疗随访，这大大提高了医疗质量与效率。
此外，自助机器人还可以对第一用户提供的相关信息材料进行预处理以方便医生进行诊疗；还可以对伤口、人体结构等的图像进行识别与判断，得到初步诊断结果。
在本发明一些可能的实施方式中，生成所述诊断模型的步骤，包括：
收集大量的历史医疗数据(包括但不限于患者的基本信息、症状、体征、检查化验报告、医生诊断记录等)；
对所述历史医疗数据进行清洗、整合与预处理，剔除异常数据以确保数据的完整性与连贯性，得到第一样本数据；
将所述第一样本数据转换为模型输入的形式，得到第二样本数据；
从所述第二样本数据中提取用于诊断的特征(包括症状特征、体征特征、实验室检查特征等能准确地反映患者的健康状况与疾病特点的特征)，得到第一诊断特征数据；
(根据医生的最终诊断)为所述第一诊断特征数据添加相应的疾病诊断标签(为模型的训练提供监督信息)；
将所述第一诊断特征数据与所述疾病诊断标签整合，构建用于训练模型的第一训练数据集、用于测试模型的第一测试数据集和用于验证模型的第一验证数据集(通常将第一数据集分为3部分：训练数据集为60％-70％、验证数据集为15％-20％和测试数据集为15-20％)；
选择合适的机器学习或深度学习算法，在构建好的所述第一训练数据集上进行模型训练；
利用所述第一验证数据集评估训练好的模型，选择表现最优的模型作为初始诊断模型；
利用所述第一测试数据集对所述初始诊断模型进行最终评估，得到准确率、召回率、F1值以判断所述初始诊断模型的效果；
若所述初始诊断模型的效果不符合设置的第一预期值，结合模型的错误预测分析结果与特征工程的结果优化模型(如增加特征、调整超参数等)，直到符合所述第一预期值；
将已符合所述第一预期值的所述初始诊断模型作为所述诊断模型。
在本实施例中，通过上述过程，可以训练得到一个用于疾病诊断与预测的模型，随着更丰富的数据与算法的进步，模型的效果会越来越好，为临床提供重要的辅助决策支持。
在本发明一些可能的实施方式中，还包括：利用医生的现场看诊数据对符合所述第一预期值的所述初始诊断模型进行修改与优化得到更精确且更符合当前病患的诊断模型具体是：
收集医生诊疗数据：在医生现场看诊时记录详细的问诊信息、体征数据、检查化验结果以及医生的临床思路与诊断过程等医生诊断数据；
分析医生诊疗策略：根据上述医生诊断数据分析医生在诊疗中的诊断策略与决策模式，包括询问重点、体征解释方式和各项检查的选择依据等；
识别模型缺漏：将医生的诊断策略/决策模式与现有的初始诊断模型进行比较，找出模型在知识和策略方面的不足与缺漏(如模型无法理解某些重要症状或忽略了某关键检查手段等)；
修复与完善模型：在现有初始诊断模型的基础上进行优化与修复，包括但不限于增加新的特，如新的症状、体征或检查指标等，以增强模型的表达力；调整个体特征的权重，增强重要特征的影响力；修改模型结构或算法，采用能够表达更加复杂关系的模型；根据医生策略扩充或修改模型的知识与决策机制等。
再训练与测试：使用新增的数据样本和经过优化与修复后的模型重新进行训练，并用第一测试数据集评估优化后的模型效果，确保其性能得到提升并符合医生的诊疗特点；
重复优化：重复上述过程，通过多次优化与调整，得到一个有效结合先验知识和数据驱动的精确诊断模型。
在本实施例中，通过现场医生诊疗数据的利用，可以使原有的通用模型变得更加专业和个性化，模型可以学习并吸收医生的经验与知识，这是人工智能与专家知识共融的重要途径,可以生成更加先进与适用的智能诊疗系统。
在本发明一些可能的实施方式中，所述根据所述第一待确认数据生成与所述第一用户的第一交互数据的步骤，包括：
所述第一自助机器人利用VR/AR技术为所述第一用户模拟出第一就诊环境(如病房环境、手术室环境等，这可以减轻用户的焦虑与恐惧感，特别适用于儿童就诊)。
通过VR/AR技术为所述第一用户模拟病情发展过程或示范手术过程，帮助所述第一用户直观地理解自己的病情与治疗方案(这可以增强用户对治疗的信任与依从性)。
在本发明一些可能实施例方式中，还包括：
在医院内采用AR技术为所述第一用户提供导航服务，指引前往就诊区域、检查室和药房等地点；
在手术过程中,利用VR/AR技术为医生提供X视图来帮助探寻病灶、确认手术路径等，或在术中为医生实时显示病人的CT、MRI影像信息等，这可以精确导航以提高手术精度；
对需要进行康复训练的患者，采用仿真设备与VR/AR技术定制个性化的训练方案与游戏等以提高患者的依从性与效果，患者可以在家中进行，并通过远程监测。
对出院患者可以采用VR/AR技术进行随访，通过可视化的方式为其指导怎么正确服用药物、更换伤口绷带等，并可以远程监测患者的各项指标。
在本发明实施例中，利用VR/AR技术为就诊与康复过程提供了更加直观、仿真与个性化的服务手段，它可以减轻患者焦虑，提高依从性；为医生提供精确手术与诊疗信息；实现随访过程的可视化，这大大增强了医疗服务效率与质量。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元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器中。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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，可轻易想到变化或替换，均可作各种更动与修改，包含上述不同功能、实施步骤的组合，包含软件和硬件的实施方式，均在本发明的保护范围。
Claims (10)
1.一种用于智慧医疗的自助服务系统，其特征在于，包括：获取模块、控制处理模块、指引模块、资源安排模块；
所述获取模块被配置为：
当第一用户进入第一特定区域时，输出第一提示信息；
当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；
所述控制处理模块被配置为：
根据所述第一人脸数据判断所述第一用户是否为已登记用户；
若为已登记用户，则获取所述第一用户的第一历史数据；
若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；
所述获取模块被配置为：获取所述第一用户的第一身体状态数据；
所述控制处理模块被配置为：根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；
所述指引模块被配置为：根据所述第一指引/导航信息为所述第一用户进行指引与导航；
所述资源安排模块被配置为：根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。
2.根据权利要求1所述的用于智慧医疗的自助服务系统，其特征在于，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，所述控制处理模块被配置为：
获取所述第一用户对应的第一疾病防控监测模型；
从所述第一历史数据中提取历史病历数据、历史问诊数据、历史检查/检验数据、历史处方信息；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型，确定所述第一用户的当前身体状态对应的第一健康问题类型及第一风险程度；
根据所述第一健康问题类型和所述第一风险程度，为所述第一用户制定初步的第一就诊指引；
将所述第一就诊指引提供给所述第一用户选择与确认，并收集所述第一用户的反馈意见，根据所述反馈意见优化与改进所述第一就诊指引；
对优化与改进后的所述第一就诊指引进行确认与审核，确保建议正确并有利于用户健康；
根据所述第一就诊指引生成指导所述第一用户按所述第一就诊指引到达各处理点的第一导航信息，从而得到所述第一指引/导航信息。
3.根据权利要求1所述的用于智慧医疗的自助服务系统，其特征在于，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，所述控制处理模块被配置为：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息生成所述第一医疗资源安排信息；
所述第一医疗资源安排信息包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息确定并挂号的对应的医生、需要用到的药品药物/医疗设备；
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息为所述第一用户安排的检验项目、物理治疗项目、护理服务项目；
手术室内的人员配备、药物/物料/器材配备、环境调节、设备初始化；以及，
上述各资源配备/使用/启动的数量、地点、时间、类型。
4.根据权利要求3所述的用于智慧医疗的自助服务系统，其特征在于，所述控制处理模块被配置为：
根据所述第一健康问题类型和所述第一风险程度为所述第一用户推荐第一自助机器人；
所述第一自助机器人为所述第一用户提供诊断服务，具体包括：
所述第一自助机器人获取所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型生成第一初始病症数据和第一待确认数据；
根据所述第一待确认数据生成与所述第一用户的第一交互数据；
接收所述第一用户对所述第一交互数据的第一反馈数据；
将所述第一初始病症数据和所述第一反馈数据与预设的诊断模型进行匹配，计算各种疾病的匹配度以判断病情；
选择匹配度超过预设的第一匹配度的对应几种疾病作为第一疑似疾病，并对多个所述第一疑似疾病各个的概率或置信度进行排序与评估，得到第一疑似疾病评估数据；
基于所述第一疑似疾病评估数据为所述第一用户生成所述第一用户提供诊断服务。
5.根据权利要求1-4所述的用于智慧医疗的自助服务系统，其特征在于，所述控制处理模块被配置为：
收集大量的历史医疗数据；
对所述历史医疗数据进行清洗、整合与预处理，剔除异常数据以确保数据的完整性与连贯性，得到第一样本数据；
将所述第一样本数据转换为模型输入的形式，得到第二样本数据；
从所述第二样本数据中提取用于诊断的特征，得到第一诊断特征数据；
为所述第一诊断特征数据添加相应的疾病诊断标签；
将所述第一诊断特征数据与所述疾病诊断标签整合，构建用于训练模型的第一训练数据集、用于测试模型的第一测试数据集和用于验证模型的第一验证数据集；
选择合适的机器学习或深度学习算法，在构建好的所述第一训练数据集上进行模型训练；
利用所述第一验证数据集评估训练好的模型，选择表现最优的模型作为初始诊断模型；
利用所述第一测试数据集对所述初始诊断模型进行最终评估，得到准确率、召回率、F1值以判断所述初始诊断模型的效果；
若所述初始诊断模型的效果不符合设置的第一预期值，结合模型的错误预测分析结果与特征工程的结果优化模型，直到符合所述第一预期值；
将已符合所述第一预期值的所述初始诊断模型作为所述诊断模型。
6.一种用于智慧医疗的自助服务方法，其特征在于，包括：
当第一用户进入第一特定区域时，输出第一提示信息；
当所述第一用户根据所述第一提示信息进行第二特定区域时，获取所述第一用户的第一人脸数据；
根据所述第一人脸数据判断所述第一用户是否为已登记用户；
若为已登记用户，则获取所述第一用户的第一历史数据；
若为未登记用户，则根据所述第一人脸数据进行用户注册，并生成所述第一用户对应的第一用户账号；
获取所述第一用户的第一身体状态数据；
根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息；
根据所述第一指引/导航信息为所述第一用户进行指引与导航；
根据所述第一医疗资源安排信息准备所述第一用户需要的医疗资源。
7.根据权利要求6所述的用于智慧医疗的自助服务方法，其特征在于，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，包括：
获取所述第一用户对应的第一疾病防控监测模型；
从所述第一历史数据中提取历史病历数据、历史问诊数据、历史检查/检验数据、历史处方信息；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型，确定所述第一用户的当前身体状态对应的第一健康问题类型及第一风险程度；
根据所述第一健康问题类型和所述第一风险程度，为所述第一用户制定初步的第一就诊指引；
将所述第一就诊指引提供给所述第一用户选择与确认，并收集所述第一用户的反馈意见，根据所述反馈意见优化与改进所述第一就诊指引；
对优化与改进后的所述第一就诊指引进行确认与审核，确保建议正确并有利于用户健康；
根据所述第一就诊指引生成指导所述第一用户按所述第一就诊指引到达各处理点的第一导航信息，从而得到所述第一指引/导航信息。
8.根据权利要求6所述的用于智慧医疗的自助服务方法，其特征在于，所述根据所述第一用户的第一历史数据和/或所述第一身体状态数据生成第一指引/导航信息与第一医疗资源安排信息的步骤，包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息生成所述第一医疗资源安排信息；
所述第一医疗资源安排信息包括：
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息确定并挂号的对应的医生、需要用到的药品药物/医疗设备；
根据所述第一健康问题类型、所述第一风险程度和所述第一指引/导航信息为所述第一用户安排的检验项目、物理治疗项目、护理服务项目；
手术室内的人员配备、药物/物料/器材配备、环境调节、设备初始化；以及，
上述各资源配备/使用/启动的数量、地点、时间、类型。
9.根据权利要求8所述的用于智慧医疗的自助服务方法，其特征在于，所述用于智慧医疗的自助服务方法，还包括：
根据所述第一健康问题类型和所述第一风险程度为所述第一用户推荐第一自助机器人；
所述第一自助机器人为所述第一用户提供诊断服务，具体包括：
所述第一自助机器人获取所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型；
根据所述历史病历数据、所述历史问诊数据、所述历史检查/检验数据、所述历史处方信息、所述第一身体状态数据和所述第一疾病防控监测模型生成第一初始病症数据和第一待确认数据；
根据所述第一待确认数据生成与所述第一用户的第一交互数据；
接收所述第一用户对所述第一交互数据的第一反馈数据；
将所述第一初始病症数据和所述第一反馈数据与预设的诊断模型进行匹配，计算各种疾病的匹配度以判断病情；
选择匹配度超过预设的第一匹配度的对应几种疾病作为第一疑似疾病，并对多个所述第一疑似疾病各个的概率或置信度进行排序与评估，得到第一疑似疾病评估数据；
基于所述第一疑似疾病评估数据为所述第一用户生成所述第一用户提供诊断服务。
10.根据权利要求6-9所述的用于智慧医疗的自助服务方法，其特征在于，生成所述诊断模型的步骤，包括：
收集大量的历史医疗数据；
对所述历史医疗数据进行清洗、整合与预处理，剔除异常数据以确保数据的完整性与连贯性，得到第一样本数据；
将所述第一样本数据转换为模型输入的形式，得到第二样本数据；
从所述第二样本数据中提取用于诊断的特征，得到第一诊断特征数据；
为所述第一诊断特征数据添加相应的疾病诊断标签；
将所述第一诊断特征数据与所述疾病诊断标签整合，构建用于训练模型的第一训练数据集、用于测试模型的第一测试数据集和用于验证模型的第一验证数据集；
选择合适的机器学习或深度学习算法，在构建好的所述第一训练数据集上进行模型训练；
利用所述第一验证数据集评估训练好的模型，选择表现最优的模型作为初始诊断模型；
利用所述第一测试数据集对所述初始诊断模型进行最终评估，得到准确率、召回率、F1值以判断所述初始诊断模型的效果；
若所述初始诊断模型的效果不符合设置的第一预期值，结合模型的错误预测分析结果与特征工程的结果优化模型，直到符合所述第一预期值；
将已符合所述第一预期值的所述初始诊断模型作为所述诊断模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310863166.5A CN116844704A (zh) | 2023-07-12 | 2023-07-12 | 一种用于智慧医疗的自助服务系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310863166.5A CN116844704A (zh) | 2023-07-12 | 2023-07-12 | 一种用于智慧医疗的自助服务系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116844704A true CN116844704A (zh) | 2023-10-03 |
Family
ID=88168739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310863166.5A Pending CN116844704A (zh) | 2023-07-12 | 2023-07-12 | 一种用于智慧医疗的自助服务系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116844704A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014080081A1 (en) * | 2012-11-23 | 2014-05-30 | Carespace Oy | A medical self-service unit and related system and method |
| CN108731687A (zh) * | 2018-05-31 | 2018-11-02 | 深圳市零度智控科技有限公司 | 患者就医导航方法、装置及存储介质 |
| CN109003660A (zh) * | 2018-06-27 | 2018-12-14 | 南京邮电大学 | 智能医疗服务预测管理方法及系统、可读存储介质和终端 |
| CN109036532A (zh) * | 2018-07-24 | 2018-12-18 | 合肥康之恒机械科技有限公司 | 一种诊疗引导线上便捷实现方法及系统 |
| CN109065132A (zh) * | 2018-07-24 | 2018-12-21 | 合肥同佑电子科技有限公司 | 一种基于移动互联的医疗自助服务方法及系统 |
| CN109741815A (zh) * | 2018-12-25 | 2019-05-10 | 广州天高软件科技有限公司 | 一种医疗引导机器人及其实现方法 |
| CN110442732A (zh) * | 2019-07-24 | 2019-11-12 | 万达信息股份有限公司 | 一种智能导医方法、系统及存储介质 |
| CN114023409A (zh) * | 2021-10-22 | 2022-02-08 | 浙江远图互联科技股份有限公司 | 一种智能导航导诊方法、系统及其存储介质 |
-
2023
- 2023-07-12 CN CN202310863166.5A patent/CN116844704A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014080081A1 (en) * | 2012-11-23 | 2014-05-30 | Carespace Oy | A medical self-service unit and related system and method |
| CN108731687A (zh) * | 2018-05-31 | 2018-11-02 | 深圳市零度智控科技有限公司 | 患者就医导航方法、装置及存储介质 |
| CN109003660A (zh) * | 2018-06-27 | 2018-12-14 | 南京邮电大学 | 智能医疗服务预测管理方法及系统、可读存储介质和终端 |
| CN109036532A (zh) * | 2018-07-24 | 2018-12-18 | 合肥康之恒机械科技有限公司 | 一种诊疗引导线上便捷实现方法及系统 |
| CN109065132A (zh) * | 2018-07-24 | 2018-12-21 | 合肥同佑电子科技有限公司 | 一种基于移动互联的医疗自助服务方法及系统 |
| CN109741815A (zh) * | 2018-12-25 | 2019-05-10 | 广州天高软件科技有限公司 | 一种医疗引导机器人及其实现方法 |
| CN110442732A (zh) * | 2019-07-24 | 2019-11-12 | 万达信息股份有限公司 | 一种智能导医方法、系统及存储介质 |
| CN114023409A (zh) * | 2021-10-22 | 2022-02-08 | 浙江远图互联科技股份有限公司 | 一种智能导航导诊方法、系统及其存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210090738A1 (en) | Systems and methods for automated medical diagnostics | |
| US8579784B2 (en) | Personalized prognosis modeling in medical treatment planning | |
| KR102237449B1 (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
| JP4819314B2 (ja) | 診断情報システム | |
| US20090030290A1 (en) | Method and apparatus for automated differentiated diagnosis of illness | |
| KR20170140757A (ko) | 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법 | |
| CN107729710A (zh) | 医学系统、医学方法及非暂态计算机可读取媒体 | |
| US9596991B2 (en) | Self-examination apparatus and method for self-examination | |
| CN112669967A (zh) | 一种主动式健康医疗决策辅助方法及设备 | |
| JP2017519303A5 (zh) | ||
| US20190214134A1 (en) | System and method for automated healthcare service | |
| WO2021140731A1 (ja) | 情報伝達装置および情報伝達方法 | |
| KR20210142238A (ko) | 딥러닝 기반의 임상 지원 시스템 및 이를 통한 진단 지원 방법 | |
| CN116993421A (zh) | 一种基于大语言模型的患者评价系统 | |
| US20150012284A1 (en) | Computerized exercise equipment prescription apparatus and method | |
| RU106013U1 (ru) | Система постановки дифференцированного диагноза по данным диагностики, справочная система результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы, система дифференциации записи результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы и дифференциально-диагностическая матрица для интеграции в автоматизированные медицинские информационные системы | |
| CN110957013A (zh) | 基于遗传算法的临床路径本地化的方法和装置 | |
| Liljamo et al. | Healthcare professionals’ views on the mutual consistency of the F innish C lassification of N ursing I nterventions and the O ulu P atient C lassification | |
| US20220415462A1 (en) | Remote monitoring methods and systems for monitoring patients suffering from chronical inflammatory diseases | |
| JP2021039683A (ja) | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム | |
| US20230320653A1 (en) | Apparatus for managing atopic dermatitis based on learning model and method therefor | |
| CN116844704A (zh) | 一种用于智慧医疗的自助服务系统及方法 | |
| WO2023034072A1 (en) | Digital twin systems, devices, and methods for treatment of the musculoskeletal system | |
| US11322250B1 (en) | Intelligent medical care path systems and methods | |
| US20200381118A1 (en) | Artificial intelligence (ai) system for individual health maintenance recommendations |
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 |