CN117393130A - 基于人工智能的全区域院内外一体化急救暨质控系统 - Google Patents
基于人工智能的全区域院内外一体化急救暨质控系统 Download PDFInfo
- Publication number
- CN117393130A CN117393130A CN202311441873.1A CN202311441873A CN117393130A CN 117393130 A CN117393130 A CN 117393130A CN 202311441873 A CN202311441873 A CN 202311441873A CN 117393130 A CN117393130 A CN 117393130A
- Authority
- CN
- China
- Prior art keywords
- patient
- treatment
- information
- medical
- center
- 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
- 238000003908 quality control method Methods 0.000 title claims abstract description 30
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 230000008733 trauma Effects 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 38
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 33
- 206010052428 Wound Diseases 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 59
- 201000010099 disease Diseases 0.000 claims description 56
- 238000011272 standard treatment Methods 0.000 claims description 16
- 208000014674 injury Diseases 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 28
- 238000013527 convolutional neural network Methods 0.000 description 14
- 230000000295 complement effect Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 230000003042 antagnostic effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 210000003739 neck Anatomy 0.000 description 5
- 206010034246 Pelvic fractures Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000004197 pelvis Anatomy 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 208000035475 disorder Diseases 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 206010017076 Fracture Diseases 0.000 description 2
- 206010018852 Haematoma Diseases 0.000 description 2
- 208000032843 Hemorrhage Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 230000036407 pain Effects 0.000 description 2
- 210000003200 peritoneal cavity Anatomy 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 208000032456 Hemorrhagic Shock Diseases 0.000 description 1
- 208000004221 Multiple Trauma Diseases 0.000 description 1
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 206010040026 Sensory disturbance Diseases 0.000 description 1
- 206010049771 Shock haemorrhagic Diseases 0.000 description 1
- 208000024248 Vascular System injury Diseases 0.000 description 1
- 208000012339 Vascular injury Diseases 0.000 description 1
- 208000019790 abdominal distention Diseases 0.000 description 1
- 210000003489 abdominal muscle Anatomy 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000002357 laparoscopic surgery Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- GYDJEQRTZSCIOI-LJGSYFOKSA-N tranexamic acid Chemical compound NC[C@H]1CC[C@H](C(O)=O)CC1 GYDJEQRTZSCIOI-LJGSYFOKSA-N 0.000 description 1
- 229960000401 tranexamic acid Drugs 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供基于人工智能的全区域院内外一体化急救暨质控系统,涉及数据处理领域,包括:医疗资源汇总模块,用于确定每个创伤中心的救治能力及每个创伤中心的实时医疗资源信息;救治信息采集模块,用于采集院外救治现场中患者的病情相关信息;救治匹配模块,用于确定患者的病情,从多个创伤中心中确定最优创伤中心,调度相关医疗设备及相关医务人员,将患者的病情相关信息实时发送至相关医务人员的信息终端;监督及质量控制模块,用于在最优创伤中心救治所述患者的过程中,记录救治关键时间点、地点及事件,还用于将记录的救治关键时间点、地点及事件发送至相关医务人员的信息终端;病历生成模块,用于生成患者的病历,具有提高救治质量及救治效率的优点。
Description
技术领域
本发明涉及数据处理领域,特别涉及基于人工智能的全区域院内外一体化急救暨质控系统。
背景技术
创伤中心是一种专门为创伤患者提供综合治疗和护理的医疗机构。它的目标是在紧急情况下迅速诊断和治疗各种严重创伤,包括外伤、事故和灾难引起的伤害。重症创伤救治,稍有耽误就可能危及患者生命,常需调用医院急症科,多个外科专业科室、ICU、手术室、麻醉科、放射科、超声科等多个科室医务人员配合救治。日常医院工作繁重,医务人员分布于不同地点,不同岗位。紧急时刻,如何让数个、甚至十几个科室的医务人员紧密配合,高质量、高效率挽救患者生命一直是个难题。现有创伤救治体系多存在院内救治和院外救治联合不紧密,各成体系,缺乏沟通等问题,常导致救治延误。另外,不同的创伤中心救治能力差异大,救治规范化、标准化程度不高,急需进一步规范。第三,救治中不能选择合适的创伤中心,多由现场救治人员随意选择,常因选择失误而在转院,遗误抢救时机。第四,现有救治体系,院外救治中病人情况、救治过程不能高效地形成文字,记录入病历中,院内救治又反复询问病人情况、院外救治过程及病史,导致工作重复,降低救治效率。针对时间就是生命的创伤救治工作中,时间的耽误是致命的。第五,现有的创伤救治系统,缺乏客观的监督及质量管理的方式,无法对患者的救治工作进行客观的监督与质量管理,进而无法对后续的患者的救治工作进行优化。
因此,需要提供基于人工智能的全区域院内外一体化急救暨质控系统,用于提高救治质量及救治效率。
发明内容
本说明书实施例之一提供基于人工智能的全区域院内外一体化急救暨质控系统,包括:医疗资源汇总模块,用于获取多个创伤中心的相关数据,确定每个所述创伤中心的救治能力,还用于获取所述多个创伤中心的实时数据,确定每个所述创伤中心的实时医疗资源信息;救治信息采集模块,用于采集院外救治现场中患者的病情相关信息;救治匹配模块,用于基于所述救治信息采集模块采集的院外救治现场中患者的病情相关信息,确定所述患者的病情,还用于通过救治匹配模型基于所述患者的病情、每个所述创伤中心的救治能力及每个所述创伤中心的实时医疗资源信息,从所述多个创伤中心中确定最优创伤中心,启动所述最优创伤中心并调度所述最优创伤中心用于救治所述患者的医疗资源,其中,所述医疗资源至少包括相关医疗设备及相关医务人员,还用于将所述院外救治现场中患者的病情相关信息实时发送至所述最优创伤中心的相关医务人员的信息终端;监督及质量控制模块,用于在所述最优创伤中心救治所述患者的过程中,记录救治关键时间点、地点及事件,还用于将记录的所述救治关键时间点、地点及事件存储至所述最优创伤中心的数据库中;病历生成模块,用于汇总所述院外救治现场中患者的病情相关信息及所述监督及质量控制模块记录的救治关键时间点、地点及事件,生成所述患者的病历。
在一些实施例中,所述医疗资源汇总模块获取多个创伤中心的相关数据,确定每个所述创伤中心的救治能力,包括:对于每个所述创伤中心,获取所述创伤中心的医疗设备信息、医务人员信息及历史救治信息,基于所述创伤中心的医疗设备信息、医务人员信息及历史救治信息确定所述创伤中心的救治能力,其中,所述创伤中心的救治能力至少包括救治病种、急诊手术能力及围手术期管理能力。
在一些实施例中,所述救治信息采集模块包括设置在救护车内和/或急诊现场的医务人员穿戴组件、检查组件及数据预处理组件;所述医务人员穿戴组件至少包括语音采集设备、图像采集设备、辅助光源、控制器及蓄电池,其中,所述蓄电池用于给所述语音采集设备、所述图像采集设备、所述控制器及所述辅助光源供电,所述控制器用于控制所述语音采集设备采集院外救治现场的医务人员与所述患者的交互语音信息,并控制所述图像采集设备及所述辅助光源配合,采集所述院外救治现场图像;所述检查组件用于采集所述患者的生理特征,其中,所述生理特征至少包括所述患者的心率、心电图、氧饱和度、血压及呼吸频率;所述数据预处理组件用于接收所述语音采集设备采集的交互语音信息、所述图像采集设备采集的院外救治现场图像及所述检查组件采集的患者的生理特征,并对所述语音采集设备采集的交互语音信息、所述图像采集设备采集的院外救治现场图像及所述检查组件采集的患者的生理特征进行预处理,生成所述患者的病情特征信息。
在一些实施例中,所述救治信息采集模块还用于:基于所述患者的呼救求助,获取患者的相关信息,其中,所述患者的相关信息至少包括患者的位置信息及情况描述信息;基于多个候选现场救治医务人员的相关信息及多辆候选救护车的相关信息,确定最优现场救治医务人员及最优救护车,其中,所述候选现场救治医务人员的相关信息至少包括人员状态信息、救治能力信息及历史救治记录,所述候选救护车的相关信息至少包括车辆状态信息及设备相关信息。
在一些实施例中,所述救治匹配模块基于所述救治信息采集模块采集的院外救治现场中患者的病情相关信息,确定所述患者的病情,包括:基于所述患者的病情特征信息及病情特征关联图谱,确定所述患者的疾病类型及疾病等级。
在一些实施例中,所述救治匹配模块通过救治匹配模型基于所述患者的病情、每个所述创伤中心的救治能力及每个所述创伤中心的实时医疗资源信息,从所述多个创伤中心中确定最优创伤中心,并调度所述最优创伤中心用于救治所述患者的医疗资源,包括:建立多种候选匹配指标;基于所述患者的疾病类型及疾病等级和病情指标关联图谱,从所述多种候选匹配指标中确定多个目标匹配指标及每个所述目标匹配指标的权重;基于所述患者的疾病类型及疾病等级和每个所述创伤中心的救治能力,确定至少一个候选创伤中心;对于每个所述候选创伤中心,通过所述救治匹配模型基于多维评估数据集,计算所述候选创伤中心在所述多个目标匹配指标的得分,基于所述候选创伤中心在所述多个目标匹配指标的得分及每个所述目标匹配指标的权重,计算所述候选创伤中心的优先分值;基于每个所述候选创伤中心的优先分值,从所述至少一个候选创伤中心中确定所述最优创伤中心,并通过所述救治匹配模型基于所述患者的疾病类型及疾病等级和所述最优创伤中心的相关数据,确定所述最优创伤中心用于救治所述患者的医疗资源,并调度所述最优创伤中心用于救治所述患者的医疗资源。
在一些实施例中,所述救治信息采集模块还用于在所述救治匹配模块确定所述最优创伤中心后,获取所述患者的实时位置信息,并发送至所述救治匹配模块;所述救治匹配模块调度所述最优创伤中心用于救治所述患者的医疗资源,包括:将所述院外救治现场中患者的病情相关信息及所述患者的实时位置信息发送至所述最优创伤中心中将要参与所述患者救治的医务人员的信息终端,使相关医务人员提前,或在患者救治中及时未在患者身旁也能时刻了解患者病情。
在一些实施例中,所述救治匹配模块还用于:基于所述患者的疾病类型及疾病等级,确定所述患者对应的规范救治流程;将所述患者对应的规范救治流程发送至正在参与救治的医务人员的信息终端,指导现场规范化、标准化救治。
在一些实施例中,所述救治匹配模块还用于基于所述患者的救治信息,生成训练样本,对所述救治匹配模型进行优化训练,生成优化后的救治匹配模型。
在一些实施例中,所述救治信息采集模块还包括患者穿戴组件,其中,所述患者穿戴组件用于在所述最优创伤中心对所述患者进行治疗的过程中,获取所述患者对应的院内位置及治疗信息;所述最优创伤中心中用于治疗所述患者的医务人员的信息终端还用于在所述最优创伤中心对所述患者进行治疗的过程中,获取所述患者对应的院内位置及治疗信息;所述监督及质量控制模块在所述最优创伤中心救治所述患者的过程中,记录救治关键时间点、地点及事件,记录相关医务人员到达的时间、地点,包括:通过所述患者穿戴组件获取所述患者到达关键位置的时间、地点及事件,并记录至所述最优创伤中心的数据库中,其中,所述关键位置至少包括急症科、CT室、手术室及ICU;通过所述医务人员的信息终端获取所述医务人员对所述患者进行治疗的时间、实施人员、措施、效果并记录至所述最优创伤中心的数据库中。
相比于现有技术,本说明书提供的基于人工智能的全区域院内外一体化急救暨质控系统,至少具备以下有益效果:
1、通过采集院外救治现场中患者的病情相关信息,对患者病情进行初步诊断,进一步地,基于救治匹配模型确定救治能力与患者病情匹配的创伤中心,避免出现创伤中心无法对患者提供有效救治,而被迫转院,导致救治时间的延误的情况;
2、通过设置医务人员穿戴组件、检查组件及数据预处理组件等设备,实现采集院外救治现场中患者的病情相关信息,并将采集的院外救治现场中患者的病情相关信息发送至最优的创伤中心的医务人员的信息终端,实现在患者到院前,最优的创伤中心的所有相关医务人员已经对患者病情初步了解,做好医疗资源的准备,使得院外和院内救治紧密联合,减少了重复工作,减少时间延误,提升治疗效率,;
3、通过给现场救治医务人员传输与患者病情匹配的规范救治流程信息,避免救治遗漏,使得现场救治更规范,提高救治质量。
4、将患者的实时位置发送给最优的创伤中心的医务人员的信息终端,使医务人员能预知患者到达各处(如急症科、手术室、CT室)等的准确时间,确保医务人员能及时到达患者身边。并记录患者救治过程的重要时间结点及重要事件,包括每个医务人员到达患者身旁的时间、地点,对医务人员救治效率及质量进行监督,便于后续生成患者的病历,后期对救治质量进行评估,优化救治流程。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于人工智能的全区域院内外一体化急救暨质控系统的模块示意图;
图2是根据本说明书一些实施例所示的救治信息采集模块的模块示意图;
图3是根据本说明书一些实施例所示的从多个创伤中心中确定最优创伤中心的流程示意图;
图4是根据本说明书一些实施例所示的生成患者的病情特征信息的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述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说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的基于人工智能的全区域院内外一体化急救暨质控系统的模块示意图,如图1所示,基于人工智能的全区域院内外一体化急救暨质控系统可以包括医疗资源汇总模块、救治信息采集模块、救治匹配模块、监督及质量控制模块及病历生成模块。下面依次对各个模块进行详细说明。
医疗资源汇总模块可以用于获取多个创伤中心的相关数据,确定每个创伤中心的救治能力。
创伤中心是一种专门为创伤患者提供综合治疗和护理的医疗机构。不同的创伤中心的救治能力可以不同。例如,县域内三级综合医院为一级创伤中心,县其它医院为二级创伤中心,各乡镇医院/卫生站为三级创伤中心,县域内三级综合医院的救治能力强于县其它医院的救治能力,而县其它医院的救治能力强于各乡镇医院/卫生站的救治能力。
在一些实施例中,医疗资源汇总模块可以与多个创伤中心进行数据交互,从多个创伤中心获取相关数据。其中,创伤中心的相关数据可以至少包括创伤中心的医疗设备信息、医务人员信息及历史救治信息,基于创伤中心的医疗设备信息、医务人员信息及历史救治信息。医疗设备信息可以包括医疗设备的名称、型号、功能、已使用时长等信息,医务人员信息可以包括医务人员的数量、医务人员的学历、医务人员的职称、医务人员参与完成的救治项目的数量及工作内容等信息,历史救治信息可以包括在过去某个时间断内(例如,过去五年)创伤中心的抢救室滞留时间、损伤控制手术开始时间、严重创伤救治成功率、30天病死率、平均住院日、平均治疗费用、24小时转院率、氨甲环酸正确使用率、患者等待输血时间等。
创伤中心的救治能力可以至少包括救治病种、急诊手术能力及围手术期管理能力。
在一些实施例中,医疗资源汇总模块可以通过任意方式基于创伤中心的相关数据,确定创伤中心的救治能力。例如,通过人工基于创伤中心的相关数据,确定创伤中心的救治能力。又例如,通过能力确定模型基于基于创伤中心的相关数据,确定创伤中心的救治能力,其中,能力确定模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)、生成对抗神经网络(GAN)等一种或其任意组合。
医疗资源汇总模块还可以用于获取多个创伤中心的实时数据,确定每个创伤中心的实时医疗资源信息。
实时医疗资源信息可以用于表征创伤中心的各个医疗资源的紧张程度。例如,实时医疗资源信息可以包括急诊病人等候数量、留观室剩余床位数量、各医疗设备对应的等待检查的患者的数量等信息。
在一些实施例中,各个创伤中心可以设置有医疗资源信息装置(例如,图像采集装置),用于采集创伤中心的实时数据。医疗资源汇总模块还可以接收创伤中心的医务人员的信息终端上传的创伤中心的实时数据。
救治信息采集模块可以用于采集院外救治现场中患者的病情相关信息。
图2是根据本说明书一些实施例所示的救治信息采集模块的模块示意图,如图2所示,在一些实施例中,救治信息采集模块包括设置在救护车内和/或急诊现场的医务人员穿戴组件、检查组件及数据预处理组件。
在一些实施例中,医务人员穿戴组件至少包括语音采集设备、图像采集设备、辅助光源、控制器及蓄电池,其中,蓄电池用于给语音采集设备、图像采集设备、控制器及辅助光源供电,控制器用于控制语音采集设备采集院外救治现场的医务人员与患者的交互语音信息,并控制图像采集设备及辅助光源配合,采集院外救治现场图像。例如,当控制器判断环境光亮度低于预设亮度阈值时,开启辅助光源进行辅助照明,使得图像采集设备采集的院外救治现场图像的清晰度更高。
在一些实施例中,检查组件用于采集患者的生理特征,其中,生理特征至少包括患者的心率、心电图、氧饱和度、血压及呼吸频率。
在一些实施例中,数据预处理组件用于接收语音采集设备采集的交互语音信息、图像采集设备采集的院外救治现场图像及检查组件采集的患者的生理特征,并对语音采集设备采集的交互语音信息、图像采集设备采集的院外救治现场图像及检查组件采集的患者的生理特征进行预处理,生成患者的病情特征信息。
图4是根据本说明书一些实施例所示的生成患者的病情特征信息的流程示意图,如图4所示,具体的,数据预处理组件可以通过以下流程生成患者的病情特征信息:
基于经验模态分解(Empirical Mode Decomposition,EMD)将语音采集设备采集的交互语音信息分解为多个内涵模态分量及余量,通过声音去噪模型对分解而成的多个内涵模态分量及余量进行第一次去噪,基于去噪后的多个内涵模态分量及余量重构交互语音信息,实现去除交互语音信息中的环境噪声,获取去除环境噪声后的交互语音信息,其中,声音去噪模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)、生成对抗神经网络(GAN)等一种或其任意组合;
通过声音分解模型对去除环境噪声后的交互语音信息进行人物识别,确定患者的语音信息和院外救治现场的医务人员的语音信息,其中,声音分解模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)、生成对抗神经网络(GAN)等一种或其任意组合;
通过第一语音补全模型对患者的语音信息进行无效信息筛除,并基于现场病症关键词库对筛除了无效信息的患者的语音信息进行语音补全,获取补全后的患者的语音信息,其中,现场病症关键词库可以包括多个患者在表达病症时常用的关键词,其中,第一语音补全模型可以为生成对抗神经网络(Generative Adversarial Nets,GAN)模型;
通过第一关键词提取模型对补全后的患者的语音信息进行关键字提取,提取患者的语音信息对应的多个第一关键词,其中,第一关键词提取模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)、生成对抗神经网络(GAN)等一种或其任意组合;
通过第二语音补全模型基于问询关键词库,对院外救治现场的医务人员的语音信息进行无效信息筛除,并对筛除了无效信息的院外救治现场的医务人员的语音信息进行语音补全,获取补全后的院外救治现场的医务人员的语音信息,其中,问询关键词库可以包括医务人员在询问患者病症时常用的关键词,第二语音补全模型可以为生成对抗神经网络(Generative Adversarial Nets,GAN)模型;
通过第二关键词提取模型对补全后的院外救治现场的医务人员的语音信息进行关键字提取,提取院外救治现场的医务人员的语音信息对应的多个第二关键词,其中,第二关键词提取模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)、生成对抗神经网络(GAN)等一种或其任意组合;
基于患者的语音信息对应的多个第一关键词的时间标签及院外救治现场的医务人员的语音信息对应的多个第二关键词的时间标签,基于时间先后顺序,确定每个第二关键词对应的第一关键词,生成院外救治现场的语音记录,其中,第一关键词的时间标签可以表征采集到该第一关键词的时间,第二关键词的时间标签可以表征采集到该第二关键词的时间,第二关键词对应的第一关键词可以为对第二关键词做出回复的第一关键词,患者的病情特征信息包括生成的院外救治现场的语音记录;
通过目标识别模型先对采集的无效的院外救治现场图像进行筛除,保留有效的院外救治现场图像,例如,不包括患者的院外救治现场图像可以被认为是无效图像,其中,目标识别模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)等一种或其任意组合;
对于有效的院外救治现场图像,基于特征提取模型提取有效图像中的病情特征,例如,通过特征提取模型基于有效的院外救治现场图像中各个像素的RGB值,确定患者出现流血的创伤位置,又例如,通过特征提取模型提取有效的院外救治现场图像中患者的手部的形态,其中,患者的病情特征信息包括识别的创伤位置及患者的手部的形态;
从多个第二关键词中确定目标第二关键词,其中,目标第二关键词可以为用于引导用户通过动作表达病情的关键词,例如,“哪不舒服?”等;
基于每个目标第二关键词的时间标签和有效的院外救治现场图像的时间标签,确定与目标第二关键词关联的有效的院外救治现场图像,其中,有效的院外救治现场图像的时间标签可以表征有效的院外救治现场图像的采集时间,当目标第二关键词的时间标签与有效的院外救治现场图像的时间标签之间的差值小于预设时间差值阈值(例如,5秒),则判断该目标第二关键词与该有效的院外救治现场图像关联,基于该目标第二关键词关联的有效的院外救治现场图像,识别患者的手部的形态,生成院外救治现场的动作问答记录,患者的病情特征信息包括生成的院外救治现场的动作问答记录;
通过异常剔除模型剔除患者的生理特征中的无效数据,保留有效的患者的生理特征,其中,患者的病情特征信息包括保留的有效的患者的生理特征。
在一些实施例中,数据预处理组件可以包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。
在一些实施例中,救治信息采集模块还用于:
基于患者的呼救求助,获取患者的相关信息,其中,患者的相关信息至少包括患者的位置信息及情况描述信息;
基于多个候选现场救治医务人员的相关信息及多辆候选救护车的相关信息,确定最优现场救治医务人员及最优救护车,其中,候选现场救治医务人员的相关信息至少包括人员状态信息、救治能力信息及历史救治记录,候选救护车的相关信息至少包括车辆状态信息(例如,当前的状态信息、位置信息等)及设备相关信息(例如,车载的检查组件的功能信息)。提高院外救治的及时性及质量。
具体的,可以先基于情况描述信息,确定患者需要的检查项目。基于患者的位置与候选救护车的位置之间的距离、候选救护车是否处于可执行任务状态及车载的检查组件的功能对患者需要的检查项目的覆盖率,确定候选救护车的匹配分值,将匹配分值最大的候选救护车作为最优救护车。
例如,可以基于以下公式计算候选救护车的匹配分值:
其中,Mi为第i个候选救护车的匹配分值,Di为第i个候选救护车的位置与患者的位置之间的距离,Si为第i个候选救护车的当前的状态,当第i个候选救护车处于可执行任务状态时,Si=1,当第i个候选救护车处于执行任务状态或故障状态时,Si=0,Ci为车载的检查组件的功能对患者需要的检查项目的覆盖率,H1及H2均为预设参数,a1、a2及a3均为预设权重。
具体的,人员状态信息可以表征候选现场救治医务人员是否处于可执行任务状态,救治能力可以基于候选现场救治医务人员的学历、技能证书等确定。可以基于历史救治记录计算候选现场救治医务人员的优先值,可以理解的,成功完成的救治项目越多,救治项目的效果越好,候选现场救治医务人员的优先值越高,基于候选现场救治医务人员的人员状态信息、救治能力及优先值,计算候选现场救治医务人员的匹配分值,将匹配分值最大的候选现场救治医务人员作为最优现场救治医务人员。
例如,可以基于以下公式计算最优现场救治医务人员:
Mj=b1Sj+b2Aj+b3Pj
其中,Mj为第j个候选现场救治医务人员的匹配分值,Sj表征第j个候选现场救治医务人员的当前的状态,当第j个候选现场救治医务人员处于可执行任务状态时,Sj=1,当第j个候选现场救治医务人员处于执行任务状态或休息状态时,Sj=0,Aj为归一化后的第j个候选现场救治医务人员的救治能力,Pj为归一化后的第j个候选现场救治医务人员的优先值,b1、b2及b3均为预设权重。
救治匹配模块可以用于基于救治信息采集模块采集的院外救治现场中患者的病情相关信息,确定患者的病情。
具体的,救治匹配模块可以基于患者的病情特征信息及病情特征关联图谱,确定患者的疾病类型及疾病等级。例如,盆骨骨折的病情特征信息可以包括:1、疼痛:车祸、高处坠落等因素可能导致患者骨盆骨折,患者通常会有髋部、腰骶部、骶髂部疼痛的临床表现,并伴随较为明显的压痛,甚至可能出现四肢发冷、血压下降等症状;2.血肿、骨盆由松质骨组成,骨盆内、外壁存在大量血管,如果出现了骨盆骨折的情况,患者的出血量可能较大,通常有血肿的临床表现,严重时还可能出现失血性休克;3、活动受限:骨盆骨折后,患者会出现活动受限的临床症状,通常难以完成坐起、站立、翻身等动作,甚至可能出现肢体感觉障碍的情况
救治匹配模块还可以用于通过救治匹配模型基于患者的病情、每个创伤中心的救治能力及每个创伤中心的实时医疗资源信息,从多个创伤中心中确定最优创伤中心,启动最优创伤中心并调度最优创伤中心用于救治患者的医疗资源,其中,医疗资源至少包括相关医疗设备及相关医务人员。
救治匹配模块还可以用于将院外救治现场中患者的病情相关信息实时发送至最优创伤中心的将要参与患者救治的的信息终端,使相关医务人员提前,或在患者救治中及时未在患者身旁也能时刻了解患者病情。
图3是根据本说明书一些实施例所示的从多个创伤中心中确定最优创伤中心的流程示意图,如图3所示,在一些实施例中,救治匹配模块通过救治匹配模型基于患者的病情、每个创伤中心的救治能力及每个创伤中心的实时医疗资源信息,从多个创伤中心中确定最优创伤中心,并调度最优创伤中心用于救治患者的医疗资源,包括:
建立多种候选匹配指标,其中,多种候选匹配指标可以至少包括CT/彩超的等待时间指标、进行创伤控制性手术的等待时间指标、运输所需时间指标、费用指标等;
基于患者的疾病类型及疾病等级和病情指标关联图谱,从多种候选匹配指标中确定多个目标匹配指标及每个目标匹配指标的权重,其中,病情指标关联图谱可以包括两种节点,第一种节点为表征某种等级的疾病的节点,第二种节点为表征指标的节点,当某个第二种节点与第一种节点之间通过边连接,表明该种等级的疾病与该种指标之间存在关联关系,可以将该种指标作为该种等级的疾病的目标匹配指标,并基于该种指标与该种等级的疾病之间的相关系数确定该目标匹配指标的权重;
基于患者的疾病类型及疾病等级和每个创伤中心的救治能力,确定至少一个候选创伤中心,例如,当创伤中心具备治疗该疾病类型及疾病等级的救治能力时,该创伤中心可以作为候选创伤中心;
对于每个候选创伤中心,通过救治匹配模型基于多维评估数据集,计算候选创伤中心在多个目标匹配指标的得分,基于候选创伤中心在多个目标匹配指标的得分及每个目标匹配指标的权重,计算候选创伤中心的优先分值,其中,多维评估数据集可以至少包括候选创伤中心的相关数据、路况信息及候选创伤中心的实时医疗资源信息等;
基于每个候选创伤中心的优先分值,从至少一个候选创伤中心中确定最优创伤中心,并通过救治匹配模型基于患者的疾病类型及疾病等级和最优创伤中心的相关数据,确定最优创伤中心用于救治患者的医疗资源,并调度最优创伤中心用于救治患者的医疗资源。例如,将优先分值最大的候选创伤中心作为最优创伤中心,并发送提示信息至最优创伤中心中需要对患者进行救助的科室的医务人员的信息终端。
例如,可以基于以下公式计算候选创伤中心的优先分值:
其中,Pq为第q个候选创伤中心的优先分值,N为目标匹配指标的总数,cn为第n个目标匹配指标对应的权重,Sn为第q个候选创伤中心在第n个目标匹配指标的得分。
在一些实施例中,救治匹配模块调度最优创伤中心用于救治患者的医疗资源,包括:将院外救治现场中患者的病情相关信息及患者的实时位置信息发送至最优创伤中心中用于治疗患者的医务人员的信息终端,其中,患者的实时位置信息可以包括院外的实时位置及院内的实时位置。
在一些实施例中,救治匹配模块还可以用于:
基于患者的疾病类型及疾病等级,确定患者对应的规范救治流程;
将患者对应的规范救治流程发送至正在参与救治的医务人员的信息终端,指导现场规范化、标准化救治。
具体的,救治匹配模块可以预先确定不同疾病类型及疾病等级分别对应的规范救治流程,建立用于表征不同疾病类型及疾病等级与规范救治流程的对应关系的关系图谱,基于患者的疾病类型及疾病等级,从关系图谱中匹配至少一个候选规范救治流程,通过流程生成模型对至少一个候选规范救治流程进行融合,生成目标规范救治流程,通过无线通信网络将目标规范救治流程发送至最优现场救治医务人员穿戴的医务人员穿戴组件和/或最优救护车上的信息终端,其中,流程生成模型可以为卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、多层神经网络(MLP)等一种或其任意组合。
例如,可以盆骨骨折对应的规范救治流程包括:
1、监测血压和脉搏:脉搏变化比血压变化更敏感、更快;
2、快速建立输血补液途径:骨盆骨折可伴有盆腔内血管损伤,输液途径不宜建立于下肢,应建立于上肢或颈部;
3、诊断性腹腔穿刺:有腹痛、腹胀及腹肌紧张等腹膜刺激状者可行诊断性腹腔穿,如抽吸出不凝的血液,提示有腹腔内脏器破裂的可能。
又例如,颈椎骨折对应的规范救治流程包括:
1、使患者保持呼吸道的通畅,避免出现呼吸道的梗阻;
2、对于患者的颈部要使用颈托,或者是颈围进行固定,避免在运动过程中出现了颈部的晃动,避免出现进一步的损伤;
3、在搬运的时候,对患者要进行平托,避免出现患者的脊柱呈v字形,加重脊柱的损伤。
患者为颈椎骨折时,将该规范救治流程通过无线通信网络将目标规范救治流程发送至正在参与救治的医务人员的信息终端,例如,最优现场救治医务人员穿戴的医务人员穿戴组件和/或最优救护车上的信息终端。
在一些实施例中,救治匹配模块还用于基于患者的救治信息,生成训练样本,对救治匹配模型进行优化训练,生成优化后的救治匹配模型,使得救治匹配模块不断优化,提升匹配准确性,减少不必要的院间转诊。
监督及质量控制模块可以用于在最优创伤中心救治患者的过程中,记录救治关键时间点、地点及事件。
监督及质量控制模块还可以用于将记录的救治关键时间点、地点及事件发送至相关医务人员的信息终端。
在一些实施例中,救治信息采集模块还包括患者穿戴组件,其中,患者穿戴组件用于在最优创伤中心对患者进行治疗的过程中,获取患者对应的院内位置及治疗信息,患者穿戴组件包括定位芯片。最优创伤中心中用于治疗患者的医护人员医务人员的终端设备信息终端还用于在最优创伤中心对患者进行治疗的过程中,获取患者对应的院内位置及治疗信息。
在一些实施例中,监督及质量控制模块在最优创伤中心救治患者的过程中,记录救治关键时间点、地点及事件,包括:
通过患者穿戴组件获取患者到达关键位置的时间、地点及事件,记录相关医务人员到达的时间、地点,并记录至最优创伤中心的数据库中,其中,关键位置至少包括急症科、CT室、手术室及ICU;
通过医务人员的信息终端获取医务人员对患者进行治疗的时间、实施人员、措施、效果,并记录至最优创伤中心的数据库中,具体的,监督及质量控制模块可在最优创伤中心的医务人员的信息终端显示选项,让最优创伤中心的医务人员确定完成了哪些工作,例如,患者的哪些部位做了CT、彩超。最优创伤中心的医务人员的信息终端安装有相关软件,当最优创伤中心的医务人员靠近患者的患者穿戴组件,最优创伤中心的医务人员的信息终端自动记录到达时间,从而使得最优创伤中心的医务人员能在自己的信息终端查看已完成的事项,有利于考核医务人员工作,质控、提高救治效率。
病历生成模块可以用于汇总院外救治现场中患者的病情相关信息及监督及质量控制模块记录的救治关键时间点、地点及事件,生成患者的病历。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,包括:
医疗资源汇总模块,用于获取多个创伤中心的相关数据,确定每个所述创伤中心的救治能力,还用于获取所述多个创伤中心的实时数据,确定每个所述创伤中心的实时医疗资源信息;
救治信息采集模块,用于采集院外救治现场中患者的病情相关信息;
救治匹配模块,用于基于所述救治信息采集模块采集的院外救治现场中患者的病情相关信息,确定所述患者的病情,还用于通过救治匹配模型基于所述患者的病情、每个所述创伤中心的救治能力及每个所述创伤中心的实时医疗资源信息,从所述多个创伤中心中确定最优创伤中心,启动所述最优创伤中心并调度所述最优创伤中心用于救治所述患者的医疗资源,其中,所述医疗资源至少包括相关医疗设备及相关医务人员,还用于将所述院外救治现场中患者的病情相关信息实时发送至所述最优创伤中心的相关医务人员的信息终端;
监督及质量控制模块,用于在所述最优创伤中心救治所述患者的过程中,记录救治关键时间点、地点及事件,还用于将记录的所述救治关键时间点、地点及事件存储至所述最优创伤中心的数据库中;
病历生成模块,用于汇总所述院外救治现场中患者的病情相关信息及所述监督及质量控制模块记录的救治关键时间点、地点及事件,生成所述患者的病历。
2.根据权利要求1所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述医疗资源汇总模块获取多个创伤中心的相关数据,确定每个所述创伤中心的救治能力,包括:
对于每个所述创伤中心,获取所述创伤中心的医疗设备信息、医务人员信息及历史救治信息,基于所述创伤中心的医疗设备信息、医务人员信息及历史救治信息确定所述创伤中心的救治能力,其中,所述创伤中心的救治能力至少包括救治病种、急诊手术能力及围手术期管理能力。
3.根据权利要求1所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治信息采集模块包括设置在救护车内和/或急诊现场的医务人员穿戴组件、检查组件及数据预处理组件;
所述医务人员穿戴组件至少包括语音采集设备、图像采集设备、辅助光源、控制器及蓄电池,其中,所述蓄电池用于给所述语音采集设备、所述图像采集设备、所述控制器及所述辅助光源供电,所述控制器用于控制所述语音采集设备采集院外救治现场的医务人员与所述患者的交互语音信息,并控制所述图像采集设备及所述辅助光源配合,采集所述院外救治现场图像;
所述检查组件用于采集所述患者的生理特征,其中,所述生理特征至少包括所述患者的心率、心电图、氧饱和度、血压及呼吸频率;
所述数据预处理组件用于接收所述语音采集设备采集的交互语音信息、所述图像采集设备采集的院外救治现场图像及所述检查组件采集的患者的生理特征,并对所述语音采集设备采集的交互语音信息、所述图像采集设备采集的院外救治现场图像及所述检查组件采集的患者的生理特征进行预处理,生成所述患者的病情特征信息。
4.根据权利要求3所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治信息采集模块还用于:
基于所述患者的呼救求助,获取患者的相关信息,其中,所述患者的相关信息至少包括患者的位置信息及情况描述信息;
基于多个候选现场救治医务人员的相关信息及多辆候选救护车的相关信息,确定最优现场救治医务人员及最优救护车,其中,所述候选现场救治医务人员的相关信息至少包括人员状态信息、救治能力信息及历史救治记录,所述候选救护车的相关信息至少包括车辆状态信息及设备相关信息。
5.根据权利要求3所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治匹配模块基于所述救治信息采集模块采集的院外救治现场中患者的病情相关信息,确定所述患者的病情,包括:
基于所述患者的病情特征信息及病情特征关联图谱,确定所述患者的疾病类型及疾病等级。
6.根据权利要求5所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治匹配模块通过救治匹配模型基于所述患者的病情、每个所述创伤中心的救治能力及每个所述创伤中心的实时医疗资源信息,从所述多个创伤中心中确定最优创伤中心,并调度所述最优创伤中心用于救治所述患者的医疗资源,包括:
建立多种候选匹配指标;
基于所述患者的疾病类型及疾病等级和病情指标关联图谱,从所述多种候选匹配指标中确定多个目标匹配指标及每个所述目标匹配指标的权重;
基于所述患者的疾病类型及疾病等级和每个所述创伤中心的救治能力,确定至少一个候选创伤中心;
对于每个所述候选创伤中心,通过所述救治匹配模型基于多维评估数据集,计算所述候选创伤中心在所述多个目标匹配指标的得分,基于所述候选创伤中心在所述多个目标匹配指标的得分及每个所述目标匹配指标的权重,计算所述候选创伤中心的优先分值;
基于每个所述候选创伤中心的优先分值,从所述至少一个候选创伤中心中确定所述最优创伤中心,并通过所述救治匹配模型基于所述患者的疾病类型及疾病等级和所述最优创伤中心的相关数据,确定所述最优创伤中心用于救治所述患者的医疗资源,并调度所述最优创伤中心用于救治所述患者的医疗资源。
7.根据权利要求6所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治信息采集模块还用于在所述救治匹配模块确定所述最优创伤中心后,获取所述患者的实时位置信息,并发送至所述救治匹配模块;
所述救治匹配模块调度所述最优创伤中心用于救治所述患者的医疗资源,包括:
将所述院外救治现场中患者的病情相关信息及所述患者的实时位置信息发送至所述最优创伤中心中将要参与所述患者救治的医务人员的信息终端。
8.根据权利要求5-7中任意一项所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治匹配模块还用于:
基于所述患者的疾病类型及疾病等级,确定所述患者对应的规范救治流程;
将所述患者对应的规范救治流程发送至正在参与救治的医务人员的信息终端。
9.根据权利要求8所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治匹配模块还用于基于所述患者的救治信息,生成训练样本,对所述救治匹配模型进行优化训练,生成优化后的救治匹配模型。
10.根据权利要求6所述的基于人工智能的全区域院内外一体化急救暨质控系统,其特征在于,所述救治信息采集模块还包括患者穿戴组件,其中,所述患者穿戴组件用于在所述最优创伤中心对所述患者进行治疗的过程中,获取所述患者对应的院内位置及治疗信息,所述患者穿戴组件包括定位芯片;
所述最优创伤中心中将要参与所述患者救治的医务人员的信息终端还用于在所述最优创伤中心对所述患者进行治疗的过程中,获取所述患者对应的院内位置及治疗信息;
所述监督及质量控制模块在所述最优创伤中心救治所述患者的过程中,记录救治关键时间点、地点及事件,包括:
通过所述患者穿戴组件获取所述患者到达关键位置的时间、地点及事件,记录相关医务人员到达的时间、地点,并记录至所述最优创伤中心的数据库中,其中,所述关键位置至少包括急症科、CT室、手术室及ICU;
通过所述医务人员的信息终端获取所述医务人员对所述患者进行治疗的时间、实施人员、措施、效果并记录至所述最优创伤中心的数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311441873.1A CN117393130A (zh) | 2023-11-01 | 2023-11-01 | 基于人工智能的全区域院内外一体化急救暨质控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311441873.1A CN117393130A (zh) | 2023-11-01 | 2023-11-01 | 基于人工智能的全区域院内外一体化急救暨质控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117393130A true CN117393130A (zh) | 2024-01-12 |
Family
ID=89464514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311441873.1A Pending CN117393130A (zh) | 2023-11-01 | 2023-11-01 | 基于人工智能的全区域院内外一体化急救暨质控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117393130A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105405085A (zh) * | 2015-09-28 | 2016-03-16 | 上海市第十人民医院 | 一种医院实现院前院内急救“无缝”连接的方法 |
CN106357809A (zh) * | 2016-11-02 | 2017-01-25 | 涓ユ不 | 创伤急救院前医联网系统及其应用方法 |
CN106603679A (zh) * | 2016-12-21 | 2017-04-26 | 深圳市易特科信息技术有限公司 | 互联网远程救治同步系统及方法 |
CN110993076A (zh) * | 2019-11-21 | 2020-04-10 | 无锡紫云智能科技有限公司 | 医疗急救系统及其急救方法 |
CN111986792A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医疗机构评分方法、装置、设备及存储介质 |
CN212750378U (zh) * | 2020-08-06 | 2021-03-19 | 重庆臻链汇物联网科技有限公司 | 院前急救与院内救治信息共享系统 |
CN112685386A (zh) * | 2021-01-12 | 2021-04-20 | 重庆英觉科技有限公司 | 一种基于云数据叠加的智能化创伤数据库系统 |
CN116110548A (zh) * | 2022-12-09 | 2023-05-12 | 广东和诚信息技术有限公司 | 一种急诊急救一体化管理方法及系统 |
CN116525088A (zh) * | 2023-05-24 | 2023-08-01 | 郭常虎 | 基于ai的多点医疗结合方法及系统 |
-
2023
- 2023-11-01 CN CN202311441873.1A patent/CN117393130A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105405085A (zh) * | 2015-09-28 | 2016-03-16 | 上海市第十人民医院 | 一种医院实现院前院内急救“无缝”连接的方法 |
CN106357809A (zh) * | 2016-11-02 | 2017-01-25 | 涓ユ不 | 创伤急救院前医联网系统及其应用方法 |
CN106603679A (zh) * | 2016-12-21 | 2017-04-26 | 深圳市易特科信息技术有限公司 | 互联网远程救治同步系统及方法 |
CN110993076A (zh) * | 2019-11-21 | 2020-04-10 | 无锡紫云智能科技有限公司 | 医疗急救系统及其急救方法 |
CN212750378U (zh) * | 2020-08-06 | 2021-03-19 | 重庆臻链汇物联网科技有限公司 | 院前急救与院内救治信息共享系统 |
CN111986792A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医疗机构评分方法、装置、设备及存储介质 |
CN112685386A (zh) * | 2021-01-12 | 2021-04-20 | 重庆英觉科技有限公司 | 一种基于云数据叠加的智能化创伤数据库系统 |
CN116110548A (zh) * | 2022-12-09 | 2023-05-12 | 广东和诚信息技术有限公司 | 一种急诊急救一体化管理方法及系统 |
CN116525088A (zh) * | 2023-05-24 | 2023-08-01 | 郭常虎 | 基于ai的多点医疗结合方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2003223333B2 (en) | A method and system of mass and multiple casualty triage | |
CN107436993B (zh) | 建立icu患者病情评估模型的方法和服务器 | |
US20160217260A1 (en) | System, method and computer program product for patient triage | |
WO2010066507A1 (de) | Verfahren zur ferndiagnostischen überwachung und unterstützung von patienten sowie einrichtung und telemedizinisches zentrum | |
CN116895372B (zh) | 一种基于大规模语言模型与元学习的智能急救分级系统 | |
US20210151179A1 (en) | Wearable device and iot network for prediction and management of chronic disorders | |
HALLER JR et al. | Organization and function of a regional pediatric trauma center: does a system of management improve outcome? | |
US20190267136A1 (en) | Queue for patient monitoring | |
US20110313783A1 (en) | Transportation mode determination in non-mass casualty triage | |
KR102479692B1 (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
CN116580858A (zh) | 一种基于ai的远程医疗照护提醒方法、装置和存储介质 | |
CN111899867A (zh) | 基于深度学习的手术并发症预测及规避辅助决策系统 | |
CN109979570B (zh) | 具有x光检测功能的急救用手持诊断设备及诊断方法 | |
CN117393130A (zh) | 基于人工智能的全区域院内外一体化急救暨质控系统 | |
WO2023129843A1 (en) | Wound management and treatment using computer vision and machine learning | |
CN110974215B (zh) | 基于无线心电监护传感器组的预警系统及方法 | |
CN111816297A (zh) | 一种基于云端的nCoV病毒诊疗系统和方法 | |
KR102663622B1 (ko) | 이재민 및 구호소 모니터링 시스템 | |
CN114242225B (zh) | 基于云计算的医疗信息预测推荐系统及方法 | |
CN117542498B (zh) | 一种基于大数据分析的妇科护理管理系统及方法 | |
CN111128355B (zh) | 一种目标事件评估方法及装置 | |
Al-Qudah et al. | Computer Vision-Based Architecture for IoMT Using Deep Learning | |
Smirnov et al. | Cooperative Game for Hospitalization Management under Pandemic | |
CN117315885B (zh) | 一种监测尿袋尿量与心电监护仪的远程共享报警系统 | |
CN116313017B (zh) | 云计算下的公共卫生调度一体化平台 |
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 |