CN117238533A - 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 - Google Patents
基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 Download PDFInfo
- Publication number
- CN117238533A CN117238533A CN202311523170.3A CN202311523170A CN117238533A CN 117238533 A CN117238533 A CN 117238533A CN 202311523170 A CN202311523170 A CN 202311523170A CN 117238533 A CN117238533 A CN 117238533A
- Authority
- CN
- China
- Prior art keywords
- physiological data
- intelligent
- real
- patient
- time
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 47
- 238000011282 treatment Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 230000036541 health Effects 0.000 claims description 31
- 230000000474 nursing effect Effects 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 239000008280 blood Substances 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 10
- 230000036772 blood pressure Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 239000008103 glucose Substances 0.000 claims description 6
- 230000036760 body temperature Effects 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- -1 electrocardiogram Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 13
- 206010067671 Disease complication Diseases 0.000 abstract description 2
- 238000013399 early diagnosis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000011369 optimal treatment Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000004171 remote diagnosis Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004579 scanning voltage microscopy Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000008155 medical solution Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
本申请涉及医疗护理领域，公开了一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统。包括：智能穿戴设备，用于将患者的生理数据发送至智慧云子系统，以使智慧云子系统对生理数据进行分析；以及，用于接收智慧云子系统反馈的分析结果或医疗建议；智慧云子系统，用于根据生理数据、历史生理数据通过预设模型生成对应的分析结果，并在分析结果满足预设条件的情况下，发出预警消息并反馈分析结果对应的医疗建议；以及，用于在治疗过程中为医务人员提供对应的诊断辅助。能够做到疾病早发现早诊断早治疗，也能够合理规划入院安排，避免严重疾病并发症及突发意外事件的发生；大大提升了疾病诊断准确性和医院的运营效率，并降低了医疗资源的消耗。
Description
技术领域
本申请涉及医疗护理技术领域，特别地涉及一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统。
背景技术
此处提供的背景技术描述的目的是总体地给出本申请的背景，本部分的陈述仅仅是提供了与本申请相关的背景，并不必然构成现有技术。
当前条件下，虽然已有一些利用智能穿戴等设备收集远程健康数据以达到生活习惯改变、急救、老人跌倒判断或远程诊断和治疗的技术方案，但是缺客观存在着以下这些缺陷：
1、只关注远程的监控和指导或以急救的方式入院，并没有在患者亚健康时与医院人工智能健康管理系统联动，对严重潜在高风险患者及时提醒入院，避免疾病加重或并发突发意外事件发生；
2、没有充分利用医院已有的治疗技术和诊疗经验，比如，通过智能虚拟专家给出指导，而仅仅是依据远程采集的数据通过数据分析的方式来判读病情；
3、没有在站在医院的角度来设计方案，通过实时健康数据，医院历史数据和经验对医疗和护理给出最佳的指导意见；
4、不是一个能覆盖民众全生命周期的解决方案，不能在人的一生中都有效的提供健康服务，也无法完整的覆盖健康、亚健康、院内治疗及护理、院外治疗及护理、康复及复诊等场景；
5、不是一个整体医疗护理系统，无法从系统优化的角度给民众最优的医疗方案，并最大化医院的效率和提升医疗护理质量。
发明内容
针对上述问题，本申请提出一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统。可以通过智能穿戴或智能医疗终端收集健康信息，也可以接受来自在线智能专家的指导信息；民众还可以上传主诉信息及检查结果；在线智能专家基于远程数据和知识图谱给出远程诊断、保健指导、需完善检查化验、入院治疗提醒等；对于需要入院治疗的患者给出最优的入院安排，以及动态规划的整套治疗方案；医生和护士在提供治疗和护理服务时可以得到在线专家基于数据和知识图谱的辅助指导。
本申请提供了一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，包括：
智能穿戴设备，用于将患者的生理数据发送至智慧云子系统，以使所述智慧云子系统对所述生理数据进行分析；以及，用于接收所述智慧云子系统反馈的分析结果和/或医疗建议；
智慧云子系统，与所述智能穿戴设备通信连接，用于保存所述生理数据并根据所述生理数据、历史生理数据通过预设模型生成对应的分析结果，并在所述分析结果满足预设条件的情况下，向所述智能穿戴设备发出预警消息并反馈所述分析结果对应的医疗建议；以及，用于在治疗过程中为医务人员提供对应的诊断辅助。
进一步地，所述智能穿戴设备包括：
智能手表、心电测试仪和血糖仪中的一项或多项。
进一步地，所述生理数据包括：
体温、脉搏、呼吸、血压、心率、血氧、心电图以及血糖的一项或多项。
进一步地，所述智能穿戴设备还用于上传患者的主诉信息和/或检查结果。
进一步地，所述预设模型包括：
知识图谱模型或GPT大模型。
进一步地，所述智慧云子系统包括：
第一子系统，用于为未入院用户提供在线诊断服务；
第二子系统，用于为在院患者提供诊断辅助服务。
进一步地，所述智慧云子系统还包括：
预警子系统，用于在所述患者的生理数据发生异常的情况下发出预警消息和/或进行紧急呼救。
进一步地，在所述第一子系统中包括：
在线诊断模块，用于为未入院用户提供实时诊断服务，并通过预设异常值探测模型监测所述未入院用户的生理数据，以在所述生理数据发生异常的情况下发出预警消息；其中，所述预设异常值探测模型根据所述未入院用户的历史生理数据生成；
医疗建议确定模块，用于根据所述生理数据、历史生理数据通过所述预设模型生成对应的分析结果，并为分析结果满足预设条件的未入院用户提供对应的医疗建议；
入院流程定制模块，用于在所述医疗建议为建议入院的情况下，根据所述分析结果和医院运营信息通过所述预设模型确定入院时间和待检查项目。
进一步地，在所述入院流程定制模块中包括：
入院沟通单元，用于将所述入院时间和待检查项目发送至入院客服，以使所述入院客服进行相应的工作安排。
进一步地，在所述第二子系统中包括：
诊断过程辅助模块，用于根据所述患者的健康档案、所述生理数据和所述历史生理数据通过预设模型生成对应的分析结果，并根据所述分析结果查询历史类似病例，以及根据所述历史类似病例确定诊断结论并推荐治疗方案；
护理过程辅助模块，用于根据所述患者的健康档案、所述生理数据和所述历史生理数据通过预设模型生成对应的护理注意事项；并实时监测患者的当前生理数据，以在所述当前生理数据发生异常的情况下发出预警消息和/或进行紧急呼救；以及根据所述患者护理过程中的生理数据预测出院时间。
与现有技术相比，本申请的技术方案所具备的优点或有益效果包括：
1.具有潜在疾病或亚健康的患者可与该系统联动，能够做到疾病早发现早诊断早治疗，对于已有潜在高风险疾病的民众，能够合理规划入院安排，避免严重疾病并发症及突发意外事件的发生；
2.充分利用了医院的历史数据和经验以及当前的智能技术（知识图谱、LLM或GPT）来打造强大的在线智能专家，极大的提升疾病诊断准确性、护理工作的体验感、降低疾病对患者的伤害、提升医院的运营效率和减少医疗资源的消耗；
3.通过在线诊断专家很好的辅助了医生和护士的工作；
4.是一个能覆盖民众全生命周期的解决方案，能在人的一生中都有效的提供健康服务，完整的覆盖健康、亚健康、院内治疗及护理、院护治疗及护理、康复及复诊等场景；
5.能从系统优化的角度给民众最优的医疗方案，最大化医院的效率，提升医疗质量。具体的：
对于普通民众：可实时健康监测和保健指导；重大疾病预测或紧急救助；有效的减少来院次数或就诊时间；
对于患者：可享受最优化的整个治疗过程，减少等候；得到最佳的治疗方案和个性化护理照料；根据实际情况的动态复诊安排；
对于医护人员：可得到最佳的工作指导，减少风险；通过流程优化，信息数字化，工作智能化提高工作效率，减低工作负荷；在在线智能专家的辅助下把精力集中在最关键和最核心的事务上，减少精力分散；减低对医护人员的培养投入和周期；
对于医院：可使运营效率最大化；有效降低医疗事故；成本有效降低（专家费用，医疗物质管理等）；
对于国家：可促进全民健康；降低医疗投入；实现医疗资源的最大化利用。
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实施例，对于所属领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关本公开相关的部分。构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请中的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定，在附图中：
图1为本申请实施例提供的一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统的结构示意图；
图2为本申请实施例提供的一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统的应用场景示意图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突的前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
应当明确的是，以下所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，所属领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围内。
实施例一
本实施例提供一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，本实施例所公开的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统可参考图1，具体的，该系统包括：
智能穿戴设备，用于将患者的生理数据发送至智慧云子系统，以使所述智慧云子系统对所述生理数据进行分析；以及，用于接收所述智慧云子系统反馈的分析结果和/或医疗建议；
智慧云子系统，与所述智能穿戴设备通信连接，用于保存所述生理数据并根据所述生理数据、历史生理数据通过预设模型生成对应的分析结果，并在所述分析结果满足预设条件的情况下，向所述智能穿戴设备发出预警消息并反馈所述分析结果对应的医疗建议；以及，用于在治疗过程中为医务人员提供对应的诊断辅助。
在本实施例中还可结合参考图2，图2为本申请实施例提供的一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统的应用场景示意图。
可选地，智能穿戴设备也可以用智能医疗终端来代替。
作为一个示例，所述智能穿戴设备包括：
智能手表、心电测试仪和血糖仪中的一项或多项。
作为一个示例，所述生理数据包括：
体温、脉搏、呼吸、血压、心率、血氧、心电图以及血糖的一项或多项。
作为一个示例，所述智能穿戴设备还用于上传患者的主诉信息和/或检查结果。
可选地，智能穿戴设备或智能医疗终端可以将民众的生命体征数据实时上传至医院智慧云（即智慧云子系统），也可以让民众自主上传主诉信息或检查报告，同时也可以接受显示医院在线专家的指导建议。
作为一个示例，所述预设模型包括：
知识图谱模型或GPT大模型。
可选地，可以为大语言模型LLM或通用智能GPT大模型。
作为一个示例，所述智慧云子系统包括：
第一子系统，用于为未入院用户提供在线诊断服务；
第二子系统，用于为在院患者提供诊断辅助服务。
可选地，对于不在医院的民众，在医院智慧云中的在线智能专家可以根据每个人的历史体征数据、当前生命的体征数据和知识图谱（或GPT大模型）给出指导建议。
可选地，对于已经在医院进行检查或治疗的患者，在线智能专家将为医生在治疗过程提供诊断辅助，为护士在护理过程中提供护理辅助。
作为一个示例，所述智慧云子系统还包括：
预警子系统，用于在所述患者的生理数据发生异常的情况下发出预警消息和/或进行紧急呼救。
作为一个示例，在所述第一子系统中包括：
在线诊断模块，用于为未入院用户提供实时诊断服务，并通过预设异常值探测模型监测所述未入院用户的生理数据，以在所述生理数据发生异常的情况下发出预警消息；其中，所述预设异常值探测模型根据所述未入院用户的历史生理数据生成；
医疗建议确定模块，用于根据所述生理数据、历史生理数据通过所述预设模型生成对应的分析结果，并为分析结果满足预设条件的未入院用户提供对应的医疗建议；
入院流程定制模块，用于在所述医疗建议为建议入院的情况下，根据所述分析结果和医院运营信息通过所述预设模型确定入院时间和待检查项目。
作为一个示例，在所述入院流程定制模块中包括：
入院沟通单元，用于将所述入院时间和待检查项目发送至入院客服，以使所述入院客服进行相应的工作安排。
可选地，对于未入院的民众在线智能专家可以提供实时的在线诊断服务，利用机器学习算法通过个人历史数据建立异常值探测模型，如针对个人的血压报警值，可以是多个维度下的动态血压报警值，如在体温和心率维度下的血压报警值（在运动中会相应的提高报警值），未触发报警的民众，在线智能专家会提醒民众当前身体处于健康状态；
对于触发报警的民众，在线智能专家会基于知识图谱（或GPT大模型）参考历史上类似情况的最优处理方案来指导民众。可分为两种情况：1. 不用入院治疗，仅通过改变饮食、运动、睡眠来改善当前的状态，2. 建议民众入院检查、治疗或线上诊疗等；
对于上述要入院的民众，在线智能专家会根据当前人员的身体严重状态、医院运营信息和知识图谱给出最佳的入院时间点以及需要的定制化检查给个人。同步相关信息给入院客服，由客服来合理的安排患者的入院检查和相关治疗安排，提供及时和高效的医疗服务来降低患者风险。
作为一个示例，在所述第二子系统中包括：
诊断过程辅助模块，用于根据所述患者的健康档案、所述生理数据和所述历史生理数据通过预设模型生成对应的分析结果，并根据所述分析结果查询历史类似病例，以及根据所述历史类似病例确定诊断结论并推荐治疗方案；
护理过程辅助模块，用于根据所述患者的健康档案、所述生理数据和所述历史生理数据通过预设模型生成对应的护理注意事项；并实时监测患者的当前生理数据，以在所述当前生理数据发生异常的情况下发出预警消息和/或进行紧急呼救；以及根据所述患者护理过程中的生理数据预测出院时间。
可选地，对于已经在医院进行检查或治疗的患者，在线智能专家将为医生在治疗过程提供诊断辅助，为护士在护理过程中提供护理辅助。比如，在诊断过程中的具体辅助可包含：
查阅患者的历史健康档案；
当前各生命体征与历史状体的对比（如：分布百分位、趋势、变化率等指标）；
知识图谱/GPT搜寻类似病例，当相似度（如余弦相似度）较低时提示患者可以增加什么检查；
知识图谱/GPT给出之前类似病例中患者的诊断结果、治疗方案，以及治疗效果；
机器学习算法推荐最有可能的诊断结论和治疗方案（带概率数值，可用贝叶斯、决策树、SVM、神经网络等算法）。
可选地，在护理过程中的具体辅助可包含:
患者的历史健康档案和当前生命体征状态；
患者的治理效果和护理注意事项；
知识图谱/GPT根据历史护理数据针对某位患者可以提供定制化的护理方案，包括各护理项的在线提醒；
对患者生命体征的实时监测，危险预警和自动紧急呼救；
根据患者的护理过程中的状态数据预测患者出院的时间。
实施例二
本实施例在实施例一的基础上，以示例的方式对实施例一所公开的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统进行进一步地解释与说明。
具体的，请参考图2，图2为本申请实施例提供的一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统的应用场景示意图。
在图2所示的应用场景中，包含：
民众（接受健康服务的人）：有健康的人（人员A，…,X），有潜在疾病或亚健康的人（人员Z），有患者（患者A，B），也有治愈后恢复健康的人；
医院工作人员：主要有医生、护士、床位管理中心、住院部管理人员；
医院智慧云，它包含关键的在线智能专家，在线智能专家的智慧来源于基于医院历史治疗护理数据或经验（这里的数据或经验可以是全国的，也可以是全球的）构造的知识图谱、大语言模型（LLM）或通用智能（GPT）。在智慧云中还有实时远程诊断模块，每个人的实时健康档案，医院当前的状态信息模块。
具体的，在线智慧专家的工作场景主要包括：
1、实时监测在医院外的健康人群，给出保健指导意见，或保持，改变饮食、运动等多维度有利于身体健康的建议；
2、在实时监测在医院外人群中，通过监测数据发现有潜在健康问题或亚健康人员时给出提醒，并根据医院的当前资源状态，通知住院管理人员安排拥有最高优先级的人员进院检查，治疗或住院等；
3、医生在治疗患者时，在线智慧专家会根据实时健康数据和医生上传的信息依据知识图谱、LLM或GPT快速给出带概率的诊断结果和治疗方案推荐，提升诊断效率和准确率；
4、在患者入院的那一刻，在线智能专家依据知识图谱、LLM或GPT采用优化算法动态的规划这个患者的整套医疗护理方案计划，如在什么时间做什么检查，什么时间哪位医生诊断，什么时间得到什么护理，什么时间出院，最大化的提升治疗效率，降低患者在医院的时间；比如，建议先手术还是先放化疗；针对血糖控制不稳定的情况，调整用药方案建议；
5、患者可能存在多学科疾病，会出现各种症状及跨学科护理问题，对于患者最优的护理方案可以在线智慧专家同样根据实时健康数据和医生的诊断和治疗结果；依据知识图谱、LLM或GPT快速给出最佳的护理方案。在护士实施护理期间也会及时提供疾病护理信息支持和关键安全环节的提醒，进而提升护理质量和安全性。
其中，智能穿戴设备或智能医疗终端可以将民众的生命体征数据实时上传至医院智慧云，也可以让民众自主上传主诉信息或检查报告，同时也可以接受显示医院在线专家的指导建议；
1、对于不在医院的民众，在医院智慧云中的在线智能专家可以根据每个人的历史体征数据、当前生命的体征数据和知识图谱（或GPT大模型）给出指导建议，比如：
（1）对于未入院的民众在线智能专家可以提供实时的在线诊断服务，利用机器学习算法通过个人历史数据建立异常值探测模型，如针对个人的血压报警值，可以是多个维度下的动态血压报警值，如在体温和心率维度下的血压报警值（在运动中会相应的提高报警值），未触发报警的民众，在线智能专家会提醒民众当前身体处于健康状态。
其中，在实时远程在线诊断的过程中，先以自编码器算法（AutoEncoder）对所有人员进行初步分类，依据不同的阈值分为健康、亚健康需要保健建议和入院就诊（阈值可以根据知识图谱中不断积累的患者反馈信息持续的优化），再对需要入院就诊的人员进行多个专有诊断的算法检测，这样可以有效的节省运算成本。组合式算法在后续有新的疾病诊断增加时，不需要更新统一自编码器算法，只需要在分布算法中增加一个新的算法就可以，具备良好地可扩展性。
（2）对于触发报警的民众，在线智能专家会基于知识图谱（或GPT大模型）参考历史上类似情况的最优处理方案来指导民众。可分为两种情况：1. 不用入院治疗，仅通过改变饮食、运动、睡眠来改善当前的状态，2. 建议民众入院检查、治疗或线上诊疗等。
（3）对于上述要入院的民众，在线智能专家会根据当前人员的身体严重状态、医院运营信息和知识图谱给出最佳的入院时间点以及需要的定制化检查给个人。同步相关信息给入院客服，由客服来合理的安排患者的入院检查和相关治疗安排，提供及时和高效的医疗服务来降低患者风险。
2、对于已经在医院进行检查或治疗的患者，在线智能专家将为医生在治疗过程提供诊断辅助，为护士在护理过程中提供护理辅助。比如：
（1）在诊断过程中的具体辅助可包括：
查阅患者的历史健康档案；
当前各生命体征与历史状体的对比（如：分布百分位、趋势、变化率等指标）；
知识图谱/GPT搜寻类似病例，当相似度（如余弦相似度）较低时提示患者可以增加什么检查；
知识图谱/GPT给出之前类似病例中患者的诊断结果、治疗方案，以及治疗效果；
机器学习算法推荐最有可能的诊断结论和治疗方案（带概率数值，可用贝叶斯、决策树、SVM、神经网络等算法）。
（2）在护理过程中的具体辅助可包括：
患者的历史健康档案和当前生命体征状态；
患者的治理效果和护理注意事项；
知识图谱/GPT根据历史护理数据针对某位患者可以提供定制化的护理方案，包括各护理项的在线提醒；
对患者生命体征的实时监测，危险预警和自动紧急呼救；
根据患者的护理过程中的状态数据预测患者出院的时间。
进一步地，可将深度强化学习应用到医护诊断护理得过程中。比如，利用知识产生决策的传统方法是方法，智能专家根据对应的知识/>和当前患者的状态，以某种方法/>来利用知识下诊断或护理方案，/>可能是各知识组合的权重，也可以某个补充项来调整决策的方向。
强化学习需要有效的反馈奖励机制，因为治疗护理针对某一具体患者而言是单一的行动，不能有效形成准确而连续的反馈。可以将同类疾病的治疗护理结果汇集到一起，j个患者的治疗护理效果汇集到一起评价，以到达对每个决策有效和持续的评估反馈以形成强化学习的效果/>，通过/>不断的优化/>，最终让决策越来越准确。深度学习的算法可以用到/>的效果评估中，通过多个患者大量的治疗康复结果建立深度学习模型来准确评估诊断和护理方案的有效性。
另外应该理解到，在本申请所提供的实施例中所揭露的方法或系统，也可以通过其它的方式实现。以上所描述的方法或系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法和系统的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、计算机程序段或计算机程序的一部分，模块、计算机程序段或计算机程序的一部分包含一个或多个用于实现规定的逻辑功能的计算机程序。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生，实际上也可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来实现。
在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、装置或者设备中还存在另外的相同要素；如果有描述到“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系；在本申请的描述中，除非另有说明，术语“多个”、“多”的含义是指至少两个；如果有描述到服务器，需要说明的是，服务器可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是能够提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器；在本申请中如果有描述到智能终端或移动设备，需要说明的是，智能终端或移动设备可以是手机、平板电脑、智能手表、上网本、可穿戴电子设备、个人数字助理（Personal Digital Assistant，简称PDA）、增强现实技术设备（Augmented Reality，简称AR）、虚拟现实设备（Virtual Reality，简称VR）、智能电视、智能音响、个人计算机（Personal Computer，简称PC）等，但并不局限于此，本申请对智能终端或移动设备的具体形式不做特殊限定。
最后需要说明的是，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“一个示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式进行结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例都是示例性的，所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，包括：
智能穿戴设备，用于将患者的生理数据发送至智慧云子系统，以使所述智慧云子系统对所述生理数据进行分析；以及，用于接收所述智慧云子系统反馈的分析结果和/或医疗建议；
智慧云子系统，与所述智能穿戴设备通信连接，用于保存所述生理数据并根据所述生理数据、历史生理数据通过预设模型生成对应的分析结果，并在所述分析结果满足预设条件的情况下，向所述智能穿戴设备发出预警消息并反馈所述分析结果对应的医疗建议；以及，用于在治疗过程中为医务人员提供对应的诊断辅助。
2.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，所述智能穿戴设备包括：
智能手表、心电测试仪和血糖仪中的一项或多项。
3.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，所述生理数据包括：
体温、脉搏、呼吸、血压、心率、血氧、心电图以及血糖的一项或多项。
4.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，
所述智能穿戴设备还用于上传患者的主诉信息和/或检查结果。
5.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，所述预设模型包括：
知识图谱模型或GPT大模型。
6.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，所述智慧云子系统包括：
第一子系统，用于为未入院用户提供在线诊断服务；
第二子系统，用于为在院患者提供诊断辅助服务。
7.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，所述智慧云子系统还包括：
预警子系统，用于在所述患者的生理数据发生异常的情况下发出预警消息和/或进行紧急呼救。
8.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，在所述第一子系统中包括：
在线诊断模块，用于为未入院用户提供实时诊断服务，并通过预设异常值探测模型监测所述未入院用户的生理数据，以在所述生理数据发生异常的情况下发出预警消息；其中，所述预设异常值探测模型根据所述未入院用户的历史生理数据生成；
医疗建议确定模块，用于根据所述生理数据、历史生理数据通过所述预设模型生成对应的分析结果，并为分析结果满足预设条件的未入院用户提供对应的医疗建议；
入院流程定制模块，用于在所述医疗建议为建议入院的情况下，根据所述分析结果和医院运营信息通过所述预设模型确定入院时间和待检查项目。
9.根据权利要求8所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，在所述入院流程定制模块中包括：
入院沟通单元，用于将所述入院时间和待检查项目发送至入院客服，以使所述入院客服进行相应的工作安排。
10.根据权利要求1所述的基于智能穿戴和实时诊断以及知识图谱的医疗护理系统，其特征在于，在所述第二子系统中包括：
诊断过程辅助模块，用于根据所述患者的健康档案、所述生理数据和所述历史生理数据通过预设模型生成对应的分析结果，并根据所述分析结果查询历史类似病例，以及根据所述历史类似病例确定诊断结论并推荐治疗方案；
护理过程辅助模块，用于根据所述患者的健康档案、所述生理数据和所述历史生理数据通过预设模型生成对应的护理注意事项；并实时监测患者的当前生理数据，以在所述当前生理数据发生异常的情况下发出预警消息和/或进行紧急呼救；以及根据所述患者护理过程中的生理数据预测出院时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311523170.3A CN117238533A (zh) | 2023-11-16 | 2023-11-16 | 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311523170.3A CN117238533A (zh) | 2023-11-16 | 2023-11-16 | 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117238533A true CN117238533A (zh) | 2023-12-15 |
Family
ID=89084788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311523170.3A Pending CN117238533A (zh) | 2023-11-16 | 2023-11-16 | 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117238533A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108847280A (zh) * | 2018-06-20 | 2018-11-20 | 南京邮电大学 | 基于案例推理的智慧云医疗实时管理系统 |
| CN112133445A (zh) * | 2020-10-21 | 2020-12-25 | 万达信息股份有限公司 | 一种心血管疾病管理服务方法和系统 |
| CN112863630A (zh) * | 2021-01-20 | 2021-05-28 | 中国科学院自动化研究所 | 基于数据和知识的个性化精准医疗问答系统 |
| CN115331835A (zh) * | 2022-08-03 | 2022-11-11 | 中山大学附属第一医院 | 一种基于人工智能的就医便民系统 |
| CN116504373A (zh) * | 2023-05-17 | 2023-07-28 | 湖南超视物联智能网络科技有限公司 | 数智病房综合管理信息平台 |
-
2023
- 2023-11-16 CN CN202311523170.3A patent/CN117238533A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108847280A (zh) * | 2018-06-20 | 2018-11-20 | 南京邮电大学 | 基于案例推理的智慧云医疗实时管理系统 |
| CN112133445A (zh) * | 2020-10-21 | 2020-12-25 | 万达信息股份有限公司 | 一种心血管疾病管理服务方法和系统 |
| CN112863630A (zh) * | 2021-01-20 | 2021-05-28 | 中国科学院自动化研究所 | 基于数据和知识的个性化精准医疗问答系统 |
| CN115331835A (zh) * | 2022-08-03 | 2022-11-11 | 中山大学附属第一医院 | 一种基于人工智能的就医便民系统 |
| CN116504373A (zh) * | 2023-05-17 | 2023-07-28 | 湖南超视物联智能网络科技有限公司 | 数智病房综合管理信息平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102558021B1 (ko) | 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법 | |
| EP3255573A1 (en) | Clinical decision supporting ensemble system and clinical decison supporting method using the same | |
| CN108986897B (zh) | 一种急危重症施救的医疗资源优化匹配方法和系统 | |
| US20070106129A1 (en) | Dietary monitoring system for comprehensive patient management | |
| CN113241196B (zh) | 基于云-终端协同的远程医疗与分级监控系统 | |
| CA2743658A1 (en) | Method for remote diagnostic monitoring and support of patients and device and telemedical center | |
| CN111128333A (zh) | 一种一站式智能诊断与智能就医管理系统 | |
| JP2010194334A (ja) | インプラント型医療装置向け通信用リピータ装置 | |
| KR102522039B1 (ko) | 생리학적 데이터의 지능형 처리 방법 및 시스템 | |
| CN112037896A (zh) | 一种面向血液透析的智能云护士助理系统 | |
| CN113284632A (zh) | 糖尿病患者的随访方法、装置、电子设备及存储介质 | |
| WO2022134913A1 (en) | Multi-sensor platform for health monitoring | |
| CN113053514A (zh) | 基于5g通信技术的智慧城市医联体系统 | |
| KR20210135403A (ko) | 인터넷 기반의 건강 데이터 관리 시스템 | |
| Gundala et al. | IoT & ML-Based Healthcare Monitoring System-Review | |
| CN117238533A (zh) | 基于智能穿戴和实时诊断以及知识图谱的医疗护理系统 | |
| US20200381118A1 (en) | Artificial intelligence (ai) system for individual health maintenance recommendations | |
| CN114093450A (zh) | 一种基于可穿戴设备的慢病管理系统及方法 | |
| Shwetha et al. | Remote monitoring of heart patients using robotic process automation (RPA) | |
| Ahmed et al. | Smart health architecture integration model | |
| Sreelakshmy et al. | Patient health monitoring system using smart IoT devices for medical emergency services | |
| Alhameed et al. | Remote Patient Monitoring: Data Sharing and Prediction Using Machine Learning | |
| Shanmugaraj et al. | Smart heart disease prediction and amalgamation tracking system | |
| US11322250B1 (en) | Intelligent medical care path systems and methods | |
| CN118352055A (zh) | 一种儿童内科患者的远程护理方法及系统 |
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 |