CN117153431B - 基于互联网的医疗服务系统及方法 - Google Patents

Abstract

本发明公开了一种基于互联网的医疗服务系统及方法，涉及医疗服务技术领域，本发明通过从历史病历记录中提取出疾病主题、疾病关联因素以及相关的疾病诊断决策，进而生成若干个病历数据集以及建立若干个疾病因素节点和疾病主题节点，根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络，根据身体状态数据生成若干个异常身体状态数据，设置匹配节点，将匹配节点输入至疾病分析网络中，进而生成疾病分析记录，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点的数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策。

Description

基于互联网的医疗服务系统及方法

技术领域

本发明涉及医疗服务技术领域，具体是一种基于互联网的医疗服务系统及方法。

背景技术

在线医疗服务是指基于互联网和相关技术，为患者提供医疗咨询、诊断、治疗和健康管理等医疗服务的形式。通过在线医疗服务，患者可以远程与医生进行沟通、咨询和就诊，无需亲自前往医院或诊所，在线医疗服务的使用也越来越广泛。

由于疾病种类众多，且相同种类的疾病可能同时存在多种成病原因，进而使得现有的在线医疗服务系统普遍存在对疾病诊断准确性和效率不高等问题，因此怎样在提高对疾病诊断准确性的同时，保证在线诊断效率是现有技术的难点，为此提供基于互联网的医疗服务系统及方法。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于互联网的医疗服务系统及方法。

为了实现上述目的，本发明提供如下技术方案：

一种基于互联网的医疗服务系统，包括云服务平台，所述云服务平台通信连接有病历数据处理模块、疾病状态分析模块以及疾病决策监管模块；

所述病历数据处理模块设置有病历数据库、病历分析单元以及疾病分析网络单元，用于存储来自疾病决策分析模块的历史病历记录，并根据各个历史病历记录提取出若干个疾病主题、疾病关联因素以及相关疾病诊断决策，进而生成若干个病历数据集，根据各个病历数据集内疾病关联因素建立若干个疾病因素节点，根据疾病主题和对应的疾病诊断决策建立疾病主题节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络；

所述疾病状态分析模块用于获取患者上传的身体状态数据，从身体状态数据提取出若干个异常身体状态数据，设置匹配节点，进而根据异常身体状态数据以及对应患者的历史病历记录对匹配节点设置若干种指向速度，将匹配节点输入至疾病分析网络中，每当匹配节点经过一个疾病主题节点后，自动删除相应的指向速度，设置距离阈值以及匹配周期时间，在匹配周期时间结束时，将离匹配节点之间的距离小于或等于距离阈值的疾病主题节点中包含的数据全部赋予匹配节点，进而生成疾病分析记录；

所述疾病决策监管模块用于根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点的数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，同时根据疾病诊断决策的执行结果生成历史病历记录。

进一步的，所述病历数据集的生成过程包括：

根据历史病历记录中的疾病名称建立疾病主题，以及根据异常身体状态数据建立疾病关联因素，同时从历史病历记录中提取出疾病诊断决策，进而建立病历数据集，其中病历数据集包括患者的身份编号疾病主题、疾病关联因素以及疾病诊断决策。

进一步的，根据所述病历数据集建立疾病分析网络的过程包括：

疾病分析网络单元根据各个病历数据集中的疾病主题和疾病关联因素建立相同数量的疾病主题节点和疾病因素节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病主题节点与其相关联的疾病因素节点相连得到疾病分析网络。

进一步的，对所述匹配节点设置指向速度的过程包括：

通过互联网获取患者的身份编号以及身体状态数据，将预设的H种正常身体状态数据范围区间与身体状态数据进行对比，进而提取出K个异常身体状态数据，其中H，K为大于0的自然数；

建立一个匹配节点，所述匹配节点为带有对应患者的身份编号的空白数据存储区域；

建立H个一维坐标系，将正常身体状态数据范围区间依次映射于一维坐标系中，同时将K个异常身体状态数据分别映射于对应种类的一维坐标系中，进而计算各个异常身体状态数据与其对应的正常身体状态数据范围区间的距离L；

所述距离L的计算公式为：；

其中W_极小和w_极小分别表示正常身体状态数据范围区间和异常身体状态数据的极小端点值，W_极大和w_极大分别表示正常身体状态数据范围区间和异常身体状态数据的极大端点值；

根据各个异常身体状态数据与其对应的正常身体状态数据范围区间的距离，对匹配节点设置相应的初始速度v，其中初始速度v的计算公式为：。

进一步的，根据病历数据集对匹配节点的初始速度进行增益的过程包括：

根据身份编号找寻对应患者的病历数据集，进而根据病历数据集中出现的疾病关联因素种类和次数，对相关联的初始速度设置速度值β，，进而对初始速度的增益公式为：/>；

其中Num、num、Y分别表示病历数据集中出现的疾病关联因素种类数量、疾病关联因素的种类名称以及各个种类的疾病关联因素的相应数量。

进一步的，根据所述匹配节点生成疾病分析记录的过程包括：

根据患者实时的身体状态数据的种类，在疾病分析网络中寻找一个起始空间点位，设置匹配周期时间，进而在匹配周期时间内，每当匹配节点判断其带有一个初始速度对应的疾病因素节点达到最短距离时，则去除对应的初始速度，设置距离阈值，在匹配周期时间结束后，将离匹配节点之间的距离小于或等于距离阈值的疾病主题节点中包含的数据全部赋予匹配节点，进而疾病分析网络输出匹配节点；

根据匹配节点中的数据生成疾病分析记录，同时根据在疾病分析网络内各项数据对应的疾病主题节点与匹配节点之间的距离，从小到大依次对各项数据设置编号，所述疾病分析记录包括患者的身份编号、疾病主题名称、疾病关联因素以及相应的疾病诊断决策。

进一步的，对所述疾病分析记录设置危险等级的过程包括：

疾病决策监管模块设置三个数量区间，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点数量，对各个疾病主题节点分别设置一级危险、二级危险以及三级危险；

当疾病决策监管模块判断疾病分析记录中疾病主题为一级危险时，则将疾病分析记录中的第一个疾病诊断决策发送至相应的医疗人员；

若疾病决策监管模块判断疾病分析记录中疾病主题为二级危险时，将疾病分析记录中一半数量的疾病诊断决策发送至相应的医疗人员；

若疾病决策监管模块判断疾病分析记录中疾病主题为三级危险时，将疾病分析记录中的疾病诊断决策全部发送至相应的医疗人员。

基于互联网的医疗服务系统的医疗服务方法，包括以下步骤：

步骤一，根据各个历史病历记录对应疾病之间的相互关系，建立若干个疾病主题、疾病关联因素以及相关的疾病诊断决策，进而生成若干个病历数据集；

步骤二，根据各个病历数据集建立若干个疾病因素节点和疾病主题节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络；

步骤三，获取患者的身体状态数据，并生成若干个异常身体状态数据，设置匹配节点，根据异常身体状态数据以及患者的历史病历记录对匹配节点设置若干种指向速度，将匹配节点输入至疾病分析网络中，每当匹配节点经过一个疾病主题节点后，自动删除相应的指向速度，并在匹配节点停止时，将相应疾病主题节点中的数据赋予匹配节点，进而生成疾病分析记录；

步骤四，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，并在疾病诊断决策执行完成后生成历史病历记录。

与现有技术相比，本发明的有益效果是：

1、本发明通过从历史病历记录中提取出疾病主题、疾病关联因素以及相关的疾病诊断决策，进而生成若干个病历数据集，进而建立若干个疾病因素节点和疾病主题节点，根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络，进而在充分考虑各种疾病可能存在诱病因素的同时，根据各个疾病存在的相同诱病因素将各个疾病进行关联，有效的提高了在线医疗诊断的准确性；

2、本发明通过身体状态数据生成若干个异常身体状态数据，设置匹配节点，将匹配节点输入至疾病分析网络中，进而生成疾病分析记录，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点的数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，进而有效的提高了在线医疗服务的效率。

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，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明的原理图。

实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其他实施方式，都属于本发明所保护的范围。

如图1所示，一种基于互联网的医疗服务系统，包括云服务平台，所述云服务平台通信连接有病历数据处理模块、疾病状态分析模块以及疾病决策监管模块；

所述病历数据处理模块设置有病历数据库、病历分析单元以及疾病分析网络单元；

所述病历数据库用于存储来自疾病决策分析模块的历史病历记录；

所述病历分析单元根据各个历史病历记录对应疾病之间的相互关系，提取出若干个疾病主题、疾病关联因素以及相关的疾病诊断决策，进而生成若干个病历数据集；

所述疾病分析网络单元用于根据各个病历数据集内疾病关联因素建立若干个疾病因素节点，根据疾病主题和对应的疾病诊断决策建立疾病主题节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连，进而得到疾病分析网络并发送至疾病状态分析模块与疾病决策监管模块；

所述疾病状态分析模块用于获取患者上传的身体状态数据，进而根据身体状态数据生成若干个异常身体状态数据，设置匹配节点，进而根据异常身体状态数据以及对应患者的历史病历记录对匹配节点设置若干种指向速度，将匹配节点输入至疾病分析网络中，每当匹配节点经过一个疾病主题节点后，自动删除相应的指向速度，设置距离阈值以及匹配周期时间，在匹配周期时间结束时，将离匹配节点之间的距离小于或等于距离阈值的疾病主题节点中包含的数据全部赋予匹配节点，进而生成疾病分析记录并发送至疾病决策分析模块；

所述疾病决策监管模块用于根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点的数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，同时根据疾病诊断决策的执行结果生成历史病历记录。

进一步的，下面通过实施例说明本发明的工作原理：

病历数据处理模块中的病历分析单元从病历数据库提取出N份历史病历记录，所述历史病历记录包括患者的身份编号、疾病名称、相对应的异常身体状态数据以及相应疾病诊断决策，其中异常身体状态数据包括患者的血压范围值、体温范围值、血氧浓度范围值等，其中N为大于0的自然数；

进而病历分析单元根据历史病历记录中的疾病名称建立N个疾病主题，以及根据异常身体状态数据建立αN个疾病关联因素，其中α为大于1的正整数；

需要说明的是，由于不同历史病历记录中的异常身体状态数据之间可能存在包含关系或等同关系，进而在疾病关联因素完成后，将相同种类的疾病关联因素相互对比，若二者对应的异常身体状态数据的两个端点值的比值在（0.95,1]之间，则将其中端点值小的疾病关联因素去除，保留端点值大的疾病关联因素；

若二者对应的异常身体状态数据的两个端点值的比值不在（0.95,1]之间，则二者全部保留；

同时从N份历史病历记录中提取出N份疾病诊断决策，进而建立N份病历数据集，其中病历数据集表示为S_name={s₁，s₂，……，s_i}，s_i={a_i，b_i，c_i}，其中name表示患者的身份编号，s_i表示对应患者的第i个病历信息集，a、b，c分别表示疾病主题、疾病关联因素以及疾病诊断决策，i为大于0的自然数；

进一步的，病历分析单元将全部病历数据集发送至疾病分析网络单元中；

进而疾病分析网络单元根据各个病历数据集中的疾病主题和疾病关联因素建立相同数量的疾病主题节点和疾病因素节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病主题节点与其相关联的疾病因素节点相连得到疾病分析网络；

需要说明的是，由于存在不同病历数据集中包含相同的疾病关联因素的情况，进而在疾病分析网络中存在多个疾病主题节点同时关联一个疾病因素节点；

在疾病分析网络建立完成后，病历数据分析模块将疾病分析网络发送至病历状态分析模块；

进一步的，医疗人员通过互联网上传患者的身份编号以及身体状态数据至病历状态分析模块中，病历状态分析模块对身体状态数据进行数据清洗，将预设的H种正常身体状态数据范围区间与身体状态数据进行对比，进而提取出K个异常身体状态数据，根据提取结果生成K个异常身体状态数据，其中H，K为大于0的自然数，且H≥K；

同时建立一个匹配节点，所述匹配节点为带有对应患者的身份编号的空白数据存储区域；

建立H个一维坐标系，将正常身体状态数据范围区间依次映射于一维坐标系中，同时将K个异常身体状态数据分别映射于对应种类的一维坐标系中，进而计算各个异常身体状态数据与其对应的正常身体状态数据范围区间的距离L；

所述距离L的计算公式为：；

其中W_极小和w_极小分别表示正常身体状态数据范围区间和异常身体状态数据的极小端点值，W_极大和w_极大分别表示正常身体状态数据范围区间和异常身体状态数据的极大端点值；

根据患者实时的身体状态数据的种类，在疾病分析网络中寻找一个起始空间点位；根据各个异常身体状态数据与其对应的正常身体状态数据范围区间的距离，对匹配节点设置相应的初始速度v，其中初始速度v的计算公式为：；

根据身份编号找寻对应患者的病历数据集，进而根据病历数据集中出现的疾病关联因素种类和次数，对相关联的初始速度设置速度值β，，进而对初始速度的增益公式为：/>；

其中Num、num、Y分别表示病历数据集中出现的疾病关联因素种类数量、疾病关联因素的种类名称以及各个种类的疾病关联因素的相应数量；

需要说明的是，起始空间点位与身体状态数据的种类在疾病分析网络对应的各个疾病因素节点之间距离相同，且匹配节点各个初速速度垂直指向对应的病因因素节点；

设置匹配周期时间，进而在匹配周期时间内，每当匹配节点判断其带有一个初始速度对应的疾病因素节点达到最短距离时，则去除对应的初始速度；

设置距离阈值，在周期时间结束后，将离匹配节点之间的距离小于或等于距离阈值的疾病主题节点中包含的数据全部赋予匹配节点，进而疾病分析网络输出匹配节点；

根据匹配节点中的数据生成疾病分析记录，同时根据在疾病分析网络内各项数据对应的疾病主题节点与匹配节点之间的距离，从小到大依次对各项数据设置编号，例如编号可为H₁、H₂、……、H_z，其中z为大于0的自然数；

所述疾病分析记录包括患者的身份编号、疾病主题名称、疾病关联因素以及相应的疾病诊断决策。

进一步的，疾病状态分析模块将疾病分析记录并发送至疾病决策监管模块；

疾病决策监管模块设置三个数量区间，分别为（0，φ₁），[φ₁，φ₂）以及[φ₂，∞）；

根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点数量Q，对各个疾病主题节点设置危险等级；

若Q∈（0，φ₁），则设置对应的疾病主题节点为一级危险；

若Q∈[φ₁，φ₂），则设置对应的疾病主题节点为二级危险；

若Q∈[φ₂，∞），则设置对应的疾病主题节点为三级危险；

当疾病决策监管模块判断疾病分析记录中疾病主题为一级危险时，则将疾病分析记录中编号为H₁的疾病诊断决策发送至相应的医疗人员；

若疾病决策监管模块判断疾病分析记录中疾病主题为二级危险时，将疾病分析记录中编号为H₁的疾病诊断决策开始，将个疾病诊断决策发送至相应的医疗人员；

若疾病决策监管模块判断疾病分析记录中疾病主题为三级危险时，将疾病分析记录中的疾病诊断决策全部发送至相应的医疗人员；

医疗人员自行更改疾病诊断决策，并在患者治疗完成后生成历史病历记录上传至病历数据处理模块中的病历数据库。

本发明还公开了一种基于互联网的医疗服务系统的医疗服务方法，包括以下步骤：

步骤一，根据各个历史病历记录对应疾病之间的相互关系，建立若干个疾病主题、疾病关联因素以及相关的疾病诊断决策，进而生成若干个病历数据集；

步骤二，根据各个病历数据集内疾病关联因素建立若干个疾病因素节点，根据疾病主题和对应的疾病诊断决策建立疾病主题节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络；

步骤三，获取患者的身体状态数据，并生成若干个异常身体状态数据，设置匹配节点，根据异常身体状态数据以及患者的历史病历记录对匹配节点设置若干种指向速度，将匹配节点输入至疾病分析网络中，每当匹配节点经过一个疾病主题节点后，自动删除相应的指向速度，并在匹配节点停止时，将相应疾病主题节点中的数据赋予匹配节点，进而生成疾病分析记录；

步骤四，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，并在疾病诊断决策执行完成后生成历史病历记录。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (7)

1.一种基于互联网的医疗服务系统，包括云服务平台，其特征在于，所述云服务平台通信连接有病历数据处理模块、疾病状态分析模块以及疾病决策监管模块；

所述病历数据处理模块设置有病历数据库、病历分析单元以及疾病分析网络单元，用于存储来自疾病决策分析模块的历史病历记录，并根据各个历史病历记录提取出若干个疾病主题、疾病关联因素以及相关疾病诊断决策，进而生成若干个病历数据集，根据各个病历数据集内疾病关联因素建立若干个疾病因素节点，根据疾病主题和对应的疾病诊断决策建立疾病主题节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络；

所述疾病状态分析模块用于获取患者上传的身体状态数据，从身体状态数据提取出若干个异常身体状态数据，设置匹配节点，进而根据异常身体状态数据以及对应患者的历史病历记录对匹配节点设置若干种指向速度，将匹配节点输入至疾病分析网络中，每当匹配节点经过一个疾病主题节点后，自动删除相应的指向速度，设置距离阈值以及匹配周期时间，在匹配周期时间结束时，将离匹配节点之间的距离小于或等于距离阈值的疾病主题节点中包含的数据全部赋予匹配节点，进而生成疾病分析记录；

所述疾病决策监管模块用于根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点的数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，同时根据疾病诊断决策的执行结果生成历史病历记录；

对所述匹配节点设置指向速度的过程包括：

通过互联网获取患者的身份编号以及身体状态数据，将预设的H种正常身体状态数据范围区间与身体状态数据进行对比，进而提取出K个异常身体状态数据，其中H，K为大于0的自然数；

建立一个匹配节点，所述匹配节点为带有对应患者的身份编号的空白数据存储区域；

建立H个一维坐标系，将正常身体状态数据范围区间依次映射于一维坐标系中，同时将K个异常身体状态数据分别映射于对应种类的一维坐标系中，进而计算各个异常身体状态数据与其对应的正常身体状态数据范围区间的距离L；

所述距离L的计算公式为：；

其中W_极小和w_极小分别表示正常身体状态数据范围区间和异常身体状态数据的极小端点值，W_极大和w_极大分别表示正常身体状态数据范围区间和异常身体状态数据的极大端点值；

根据各个异常身体状态数据与其对应的正常身体状态数据范围区间的距离，对匹配节点设置相应的初始速度v，其中初始速度v的计算公式为：。

2.根据权利要求1所述的基于互联网的医疗服务系统，其特征在于，所述病历数据集的生成过程包括：

根据历史病历记录中的疾病名称建立疾病主题，以及根据异常身体状态数据建立疾病关联因素，同时从历史病历记录中提取出疾病诊断决策，进而建立病历数据集，其中病历数据集包括患者的身份编号疾病主题、疾病关联因素以及疾病诊断决策。

3.根据权利要求2所述的基于互联网的医疗服务系统，其特征在于，根据所述病历数据集建立疾病分析网络的过程包括：

疾病分析网络单元根据各个病历数据集中的疾病主题和疾病关联因素建立相同数量的疾病主题节点和疾病因素节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病主题节点与其相关联的疾病因素节点相连得到疾病分析网络。

4.根据权利要求3所述的基于互联网的医疗服务系统，其特征在于，根据病历数据集对匹配节点的初始速度进行增益的过程包括：

根据身份编号找寻对应患者的病历数据集，进而根据病历数据集中出现的疾病关联因素种类和次数，对相关联的初始速度设置速度值β，，进而对初始速度的增益公式为：/>；

其中Num、num、Y分别表示病历数据集中出现的疾病关联因素种类数量、疾病关联因素的种类名称以及各个种类的疾病关联因素的相应数量。

5.根据权利要求4所述的基于互联网的医疗服务系统，其特征在于，根据所述匹配节点生成疾病分析记录的过程包括：

根据患者实时的身体状态数据的种类，在疾病分析网络中寻找一个起始空间点位，设置匹配周期时间，进而在匹配周期时间内，每当匹配节点判断其带有一个初始速度对应的疾病因素节点达到最短距离时，则去除对应的初始速度，设置距离阈值，在匹配周期时间结束后，将离匹配节点之间的距离小于或等于距离阈值的疾病主题节点中包含的数据全部赋予匹配节点，进而疾病分析网络输出匹配节点；

根据匹配节点中的数据生成疾病分析记录，同时根据在疾病分析网络内各项数据对应的疾病主题节点与匹配节点之间的距离，从小到大依次对各项数据设置编号，所述疾病分析记录包括患者的身份编号、疾病主题名称、疾病关联因素以及相应的疾病诊断决策。

6.根据权利要求5所述的基于互联网的医疗服务系统，其特征在于，对所述疾病分析记录设置危险等级的过程包括：

疾病决策监管模块设置三个数量区间，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点数量，对各个疾病主题节点分别设置一级危险、二级危险以及三级危险；

当疾病决策监管模块判断疾病分析记录中疾病主题为一级危险时，则将疾病分析记录中的第一个疾病诊断决策发送至相应的医疗人员；

若疾病决策监管模块判断疾病分析记录中疾病主题为二级危险时，将疾病分析记录中一半数量的疾病诊断决策发送至相应的医疗人员；

若疾病决策监管模块判断疾病分析记录中疾病主题为三级危险时，将疾病分析记录中的疾病诊断决策全部发送至相应的医疗人员。

7.根据权利要求1至6任一项所述的基于互联网的医疗服务系统的医疗服务方法，其特征在于，包括以下步骤：

步骤一，根据各个历史病历记录对应疾病之间的相互关系，建立若干个疾病主题、疾病关联因素以及相关的疾病诊断决策，进而生成若干个病历数据集；

步骤二，根据各个病历数据集建立若干个疾病因素节点和疾病主题节点，进而根据病历数据集内疾病主题与各个疾病关联因素之间的对应关系，将疾病因素节点与疾病主题节点进行相连得到疾病分析网络；

步骤三，获取患者的身体状态数据，并生成若干个异常身体状态数据，设置匹配节点，根据异常身体状态数据以及患者的历史病历记录对匹配节点设置若干种指向速度，将匹配节点输入至疾病分析网络中，每当匹配节点经过一个疾病主题节点后，自动删除相应的指向速度，并在匹配节点停止时，将相应疾病主题节点中的数据赋予匹配节点，进而生成疾病分析记录；

步骤四，根据疾病分析网络中各个疾病主题节点所连接的疾病因素节点数量，对各个疾病主题节点设置危险等级，进而对疾病分析记录进行危险等级划分并分配疾病诊断决策，并在疾病诊断决策执行完成后生成历史病历记录。