CN117497203A - 一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统 - Google Patents

一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统 Download PDF

Info

Publication number
CN117497203A
CN117497203A CN202311515931.0A CN202311515931A CN117497203A CN 117497203 A CN117497203 A CN 117497203A CN 202311515931 A CN202311515931 A CN 202311515931A CN 117497203 A CN117497203 A CN 117497203A
Authority
CN
China
Prior art keywords
consultation
hospital
target
inquiry
doctor
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.)
Granted
Application number
CN202311515931.0A
Other languages
English (en)
Other versions
CN117497203B (zh
Inventor
贾志伟
孙颖
杜新斌
殷献伦
王明
李艳明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Dingchi Electronic Technology Co ltd
Original Assignee
Jiangsu Dingchi Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Dingchi Electronic Technology Co ltd filed Critical Jiangsu Dingchi Electronic Technology Co ltd
Priority to CN202311515931.0A priority Critical patent/CN117497203B/zh
Publication of CN117497203A publication Critical patent/CN117497203A/zh
Application granted granted Critical
Publication of CN117497203B publication Critical patent/CN117497203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统，涉及智慧医疗技术领域，本发明提供一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统，通过综合能力评估系数的对比，可以更客观地评估医生的能力，并在医疗决策中提供科学的依据，进一步提高医疗决策的质量和准确性同时，通过判断最佳线上问诊医生是否有权限查看患者历史病例信息，可以有效保护患者的个人隐私，推动医疗数据的互通互联，为患者的诊疗过程提供更全面的信息支持，通过综合能力评估系数的对比，可以更客观地评估医生的能力，并在医疗决策中提供科学的依据，进一步提高医疗决策的质量和准确性。

Description

一种基于人工智能与智慧医疗的医疗数据互联互通方法及 系统
技术领域
本发明涉及智慧医疗技术领域，具体涉及一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统。
背景技术
智慧医疗技术是指将人工智能、大数据、物联网等先进技术应用于医疗领域，从而实现医疗资源的整合和优化，提升医疗服务的效率和质量，同时，线上问诊作为一种创新的医疗服务模式，可以被整合到医疗数据互联互通的方法和系统中，从而实现医疗资源的更加高效利用和医疗服务的更加便捷获取，因此，一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统运用而生。
传统技术中的医疗数据互联互通中，隐私和数据安全是一个非常重要的问题。医生在查看患者历史病例信息时，需要严格遵守隐私保护法规，以及确保患者数据的安全性，如何在保证医生服务质量的同时保护患者隐私是一个需要解决的难题，很显然这种互联互通方法至少存在以下方面问题：1、传统技术中难以判断线上问诊医生是否有权限查看患者历史病例信息，可能导致患者的个人隐私被滥用或泄露，造成安全风险，或者可能导致医疗数据无法进行有效的互通互联，限制了患者获得更全面的诊疗支持。
2、传统技术中患者通常很难准确了解线上问诊医生的治疗能力和服务质量。通过收集和分析目标问诊医院中线上问诊医生的治疗数据和服务数据，可以对其治疗能力和服务质量进行评估，从而为患者选择最佳医生提供参考依据。
发明内容
针对上述存在的技术不足，本发明的目的是提供一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统。
为解决上述技术问题，本发明采用如下技术方案：本发明在第一方面提供了一种基于人工智能与智慧医疗的医疗数据互联互通方法，包括：步骤一、易用性参数的获取：获取各医院问诊平台对应的易用性参数，易用性参数包括简便度、功能齐全度和响应时长。
步骤二、最佳医院问诊平台的选择：根据各医院问诊平台对应的易用性参数，从而对各医院问诊平台对应的易用性参数进行分析，得到各医院问诊平台对应的易用性服务评估系数，进而选择最佳医院问诊平台，并将最佳医院问诊平台记为目标问诊医院。
步骤三、数据的获取：获取目标患者对应的患病类型，并将目标患者对应的患病类型记为问诊病类，进而获取目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，问诊病类治疗数据包括问诊病类治愈率和问诊病类诊断准确率，问诊服务数据包括问诊回复时效值和问诊满意度。
步骤四、数据的分析：根据目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，从而对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据进行分析，得到目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数。
步骤五、综合能力评估系数的获取：根据目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，进而选择目标患者对应的最佳线上问诊医生。
步骤六、历史病例信息授权的判断：获取目标患者各历史问诊医生对应的综合能力评估系数，进而判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息。
优选地，所述对各医院问诊平台对应的易用性参数进行分析，具体分析过程如下：将各医院问诊平台对应的简便度、功能齐全度和响应时长分别记为Ai、Bi和Ci，其中，i表示各医院问诊平台对应的编号，i＝1,2......n，n为大于2的任意整数，代入计算公式中，得到各医院问诊平台对应的易用性服务评估系数φi,其中，A′、B′、C′分别为设定的医院问诊平台对应的标准简便度、标准功能齐全度、标准响应时长，υ1、υ2、υ3分别为设定的医院问诊平台简便度、功能齐全度、响应时长对应的权重因子，e表示自然常数。
优选地，所述选择最佳医院问诊平台，具体选择过程如下：将各医院问诊平台对应的易用性服务评估系数从小到大的顺序进行排列，进而将最大的易用性服务评估系数对应的医院问诊平台作为最佳医院问诊平台。
优选地，所述对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据进行分析，具体分析过程如下：将目标问诊医院中各线上问诊医生对应的问诊病类治愈率和问诊病类诊断准确率分别记为Dg和Eg，其中，g表示各线上问诊医生对应的编号，g＝1,2......u，u为大于2的任意整数，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的治疗评估系数αg，其中，D′、E′分别为设定的线上问诊医生对应的标准问诊病类治愈率、标准问诊病类诊断准确率，θ1、θ2分别为设定的线上问诊医生问诊病类治愈率、问诊病类诊断准确率对应的权重因子，e表示自然常数。
优选地，所述对目标问诊医院中各线上问诊医生对应的问诊服务数据进行分析，具体分析过程如下：将目标问诊医院中各线上问诊医生对应的问诊回复时效值和问诊满意度分别记为Fg和Jg，其中，g表示各线上问诊医生对应的编号，g＝1,2......u，u为大于2的任意整数，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的服务评估系数βg,其中，F′、J′分别为设定的线上问诊医生对应的标准问诊回复时效值、标准问诊满意度，/>分别为设定的线上问诊医生问诊回复时效值、问诊满意度对应的权重因子，e表示自然常数。
优选地，所述得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，具体得到过程如下：将目标问诊医院中各线上问诊医生对应的治疗评估系数αg和服务评估系数βg，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数γg，其中，π1、π2分别为设定的线上问诊医生治疗评估系数和服务评估系数对应的权重因子，e表示自然常数。
优选地，所述选择目标患者对应的最佳线上问诊医生，具体选择过程如下：将目标问诊医院中各线上问诊医生对应的综合能力评估系数按照从小到大的顺序进行排列，进而将最大的综合能力评估系数对应的目标问诊医院中线上问诊医生作为目标患者对应的最佳线上问诊医生。
优选地，所述判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息，具体判断过程如下：将目标患者对应的各历史问诊医生按照步骤五综合能力评估系数的获取，进而得到目标患者各历史问诊医生对应的综合能力评估系数，将目标患者对应的最佳线上问诊医生的综合能力评估系数与目标患者各历史问诊医生对应的综合能力评估系数进行对比，若目标患者对应的最佳线上问诊医生的综合能力评估系数均小于目标患者各历史问诊医生对应的综合能力评估系数，则判定目标问诊医院对应的最佳线上问诊医生没有权限查看目标患者对应的历史病例信息，若目标患者对应的最佳线上问诊医生的综合能力评估系数大于或者等于目标患者中某一个历史问诊医生对应的综合能力评估系数，则判定目标问诊医院对应的最佳线上问诊医生有权限查看目标患者对应的历史病例信息。
本发明在第二方面提供了一种基于人工智能与智慧医疗的医疗数据互联互通系统，包括：易用性参数的获取模块：用于获取各医院问诊平台对应的易用性参数，易用性参数包括简便度、功能齐全度和响应时长。
最佳医院问诊平台的选择模块：用于根据各医院问诊平台对应的易用性参数，从而对各医院问诊平台对应的易用性参数进行分析，得到各医院问诊平台对应的易用性服务评估系数，进而选择最佳医院问诊平台，并将最佳医院问诊平台记为目标问诊医院。
数据的获取模块：用于获取目标患者对应的患病类型，并将目标患者对应的患病类型记为问诊病类，进而获取目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，问诊病类治疗数据包括问诊病类治愈率和问诊病类诊断准确率，问诊服务数据包括问诊回复时效值和问诊满意度。
数据的分析模块：用于根据目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，从而对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据进行分析，得到目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数。
综合能力评估系数的获取模块：用于根据目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，进而选择目标患者对应的最佳线上问诊医生。
历史病例信息授权的判断模块：用于获取目标患者各历史问诊医生对应的综合能力评估系数，进而判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息。
本发明的有益效果在于：1、本发明提供一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统，通过综合能力评估系数的对比，可以更客观地评估医生的能力，并在医疗决策中提供科学的依据，进一步提高医疗决策的质量和准确性同时，通过判断最佳线上问诊医生是否有权限查看患者历史病例信息，可以有效保护患者的个人隐私，推动医疗数据的互通互联，为患者的诊疗过程提供更全面的信息支持。
2、本发明提供一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统，根据综合能力评估系数，匹配合适的线上问诊医生，可以确保患者得到更准确、专业的医疗建议和诊断，同时，通过综合能力评估系数的对比，可以更客观地评估医生的能力，并在医疗决策中提供科学的依据，进一步提高医疗决策的质量和准确性。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程图。
图2为本发明系统模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例如图1所示，一种基于人工智能与智慧医疗的医疗数据互联互通方法，包括：步骤一、易用性参数的获取：获取各医院问诊平台对应的易用性参数，易用性参数包括简便度、功能齐全度和响应时长。
需要说明的是，通过在线调查问卷或社交媒体等方式，向所以用户征求他们对医院问诊平台的简便度、功能齐全度进行评分，得到医院问诊平台的各用户简便度、功能齐全度的分值，将分值去掉最大值和最小值，从而将剩下的进行均值计算，进而获取各医院问诊平台对应的简便度、功能齐全度。
还需要说明的是，使用专业的性能测试工具对各医院问诊平台进行响应时长测试，进而获取各医院问诊平台对应的响应时长，性能测试工具包括ApacheJMeter、Gatling和WebLOAD。
步骤二、最佳医院问诊平台的选择：根据各医院问诊平台对应的易用性参数，从而对各医院问诊平台对应的易用性参数进行分析，得到各医院问诊平台对应的易用性服务评估系数，进而选择最佳医院问诊平台，并将最佳医院问诊平台记为目标问诊医院。
在一个具体的实施例中，所述对各医院问诊平台对应的易用性参数进行分析，具体分析过程如下：将各医院问诊平台对应的简便度、功能齐全度和响应时长分别记为Ai、Bi和Ci，其中，i表示各医院问诊平台对应的编号，i＝1,2......n，n为大于2的任意整数，代入计算公式中，得到各医院问诊平台对应的易用性服务评估系数φi,其中，A′、B′、C′分别为设定的医院问诊平台对应的标准简便度、标准功能齐全度、标准响应时长，υ1、υ2、υ3分别为设定的医院问诊平台简便度、功能齐全度、响应时长对应的权重因子，e表示自然常数。
需要说明的是，υ1、υ2、υ3均大于0且小于1。
在一个具体的实施例中，所述选择最佳医院问诊平台，具体选择过程如下：将各医院问诊平台对应的易用性服务评估系数从小到大的顺序进行排列，进而将最大的易用性服务评估系数对应的医院问诊平台作为最佳医院问诊平台。
步骤三、数据的获取：获取目标患者对应的患病类型，并将目标患者对应的患病类型记为问诊病类，进而获取目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，问诊病类治疗数据包括问诊病类治愈率和问诊病类诊断准确率，问诊服务数据包括问诊回复时效值和问诊满意度。
需要说明的是，从数据库中获取目标问诊病类的患者问诊记录，包括患者的基本信息、问诊时间、问诊病类、医生的诊断结果等信息，可以根据其问诊病类和医生的诊断结果，判断患者是否治愈，问诊治愈率可以通过统计治愈的患者数量和总患者数量的比例来计算，可以根据其问诊病类和医生的诊断结果，判断医生的诊断是否准确，问诊诊断准确率可以通过统计准确的诊断数量和总诊断数量的比例来计算。
还需要说明的是，通过在线调查问卷或社交媒体等方式，向已经就诊过目标问诊医生的患者征求他们对医生的治疗效果和诊断准确情况的评价分数，并将评价分数进行均值计算，进而获取目标问诊医院中各线上问诊医生对应的问诊满意度。
还需要说明的是，首先，从数据库中获取目标医生的回复记录，包括患者提问的时间、医生回复的时间等信息，对于每个患者的提问，可以计算医生的回复时效，即医生回复的时间减去患者提问的时间，得到回复所用的时间，可以统计其所有回复的时效值，可以计算平均回复时效值，或者统计不同时间段内的回复时效值分布情况等，进而获取目标问诊医院中各线上问诊医生对应的问诊回复时效值。
步骤四、数据的分析：根据目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，从而对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据进行分析，得到目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数。
在一个具体的实施例中，所述对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据进行分析，具体分析过程如下：将目标问诊医院中各线上问诊医生对应的问诊病类治愈率和问诊病类诊断准确率分别记为Dg和Eg，其中，g表示各线上问诊医生对应的编号，g＝1,2......u，u为大于2的任意整数，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的治疗评估系数αg，其中，D′、E′分别为设定的线上问诊医生对应的标准问诊病类治愈率、标准问诊病类诊断准确率，θ1、θ2分别为设定的线上问诊医生问诊病类治愈率、问诊病类诊断准确率对应的权重因子，e表示自然常数。
需要说明的是，θ1、θ2均大于0且小于1。
在另一个具体的实施例中，所述对目标问诊医院中各线上问诊医生对应的问诊服务数据进行分析，具体分析过程如下：将目标问诊医院中各线上问诊医生对应的问诊回复时效值和问诊满意度分别记为Fg和Jg，其中，g表示各线上问诊医生对应的编号，g＝1,2......u，u为大于2的任意整数，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的服务评估系数βg,其中，F′、J′分别为设定的线上问诊医生对应的标准问诊回复时效值、标准问诊满意度，/>分别为设定的线上问诊医生问诊回复时效值、问诊满意度对应的权重因子，e表示自然常数。
需要说明的是，均大于0且小于1。
步骤五、综合能力评估系数的获取：根据目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，进而选择目标患者对应的最佳线上问诊医生。
在一个具体的实施例中，所述得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，具体得到过程如下：将目标问诊医院中各线上问诊医生对应的治疗评估系数αg和服务评估系数βg，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数γg，其中，π1、π2分别为设定的线上问诊医生治疗评估系数和服务评估系数对应的权重因子，e表示自然常数。
需要说明的是，π1、π2均大于0且小于1。
在另一个具体的实施例中，所述选择目标患者对应的最佳线上问诊医生，具体选择过程如下：将目标问诊医院中各线上问诊医生对应的综合能力评估系数按照从小到大的顺序进行排列，进而将最大的综合能力评估系数对应的目标问诊医院中线上问诊医生作为目标患者对应的最佳线上问诊医生。
本发明提供一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统，根据综合能力评估系数，匹配合适的线上问诊医生，可以确保患者得到更准确、专业的医疗建议和诊断，同时，通过综合能力评估系数的对比，可以更客观地评估医生的能力，并在医疗决策中提供科学的依据，进一步提高医疗决策的质量和准确性。
步骤六、历史病例信息授权的判断：获取目标患者各历史问诊医生对应的综合能力评估系数，进而判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息。
在一个具体的实施例中，所述判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息，具体判断过程如下：将目标患者对应的各历史问诊医生按照步骤五综合能力评估系数的获取，进而得到目标患者各历史问诊医生对应的综合能力评估系数，将目标患者对应的最佳线上问诊医生的综合能力评估系数与目标患者各历史问诊医生对应的综合能力评估系数进行对比，若目标患者对应的最佳线上问诊医生的综合能力评估系数均小于目标患者各历史问诊医生对应的综合能力评估系数，则判定目标问诊医院对应的最佳线上问诊医生没有权限查看目标患者对应的历史病例信息，若目标患者对应的最佳线上问诊医生的综合能力评估系数大于或者等于目标患者中某一个历史问诊医生对应的综合能力评估系数，则判定目标问诊医院对应的最佳线上问诊医生有权限查看目标患者对应的历史病例信息。
需要说明的是，当判定目标问诊医院对应的最佳线上问诊医生有权限查看目标患者对应的历史病例信息，则发送授权通知信息给目标患者的客户端，询问目标患者是否将历史病例信息授权给目标问诊医院对应的最佳线上问诊医生，若判定目标问诊医院对应的最佳线上问诊医生没有权限查看目标患者对应的历史病例信息，则不需要发送授权通知信息给目标患者的客户端。
本发明实施例如图2所示，一种基于人工智能与智慧医疗的医疗数据互联互通系统，包括：易用性参数的获取模块：用于获取各医院问诊平台对应的易用性参数，易用性参数包括简便度、功能齐全度和响应时长。
最佳医院问诊平台的选择模块：用于根据各医院问诊平台对应的易用性参数，从而对各医院问诊平台对应的易用性参数进行分析，得到各医院问诊平台对应的易用性服务评估系数，进而选择最佳医院问诊平台，并将最佳医院问诊平台记为目标问诊医院。
数据的获取模块：用于获取目标患者对应的患病类型，并将目标患者对应的患病类型记为问诊病类，进而获取目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，问诊病类治疗数据包括问诊病类治愈率和问诊病类诊断准确率，问诊服务数据包括问诊回复时效值和问诊满意度。
数据的分析模块：用于根据目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，从而对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据进行分析，得到目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数。
综合能力评估系数的获取模块：用于根据目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，进而选择目标患者对应的最佳线上问诊医生。
历史病例信息授权的判断模块：用于获取目标患者各历史问诊医生对应的综合能力评估系数，进而判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息。
本发明提供一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统，通过综合能力评估系数的对比，可以更客观地评估医生的能力，并在医疗决策中提供科学的依据，进一步提高医疗决策的质量和准确性同时，通过判断最佳线上问诊医生是否有权限查看患者历史病例信息，可以有效保护患者的个人隐私，推动医疗数据的互通互联，为患者的诊疗过程提供更全面的信息支持。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本说明书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，包括：
步骤一、易用性参数的获取：获取各医院问诊平台对应的易用性参数，易用性参数包括简便度、功能齐全度和响应时长；
步骤二、最佳医院问诊平台的选择：根据各医院问诊平台对应的易用性参数，从而对各医院问诊平台对应的易用性参数进行分析，得到各医院问诊平台对应的易用性服务评估系数，进而选择最佳医院问诊平台，并将最佳医院问诊平台记为目标问诊医院；
步骤三、数据的获取：获取目标患者对应的患病类型，并将目标患者对应的患病类型记为问诊病类，进而获取目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，问诊病类治疗数据包括问诊病类治愈率和问诊病类诊断准确率，问诊服务数据包括问诊回复时效值和问诊满意度；
步骤四、数据的分析：根据目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，从而对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据进行分析，得到目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数；
步骤五、综合能力评估系数的获取：根据目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，进而选择目标患者对应的最佳线上问诊医生；
步骤六、历史病例信息授权的判断：获取目标患者各历史问诊医生对应的综合能力评估系数，进而判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息。
2.如权利要求1所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述对各医院问诊平台对应的易用性参数进行分析，具体分析过程如下：
将各医院问诊平台对应的简便度、功能齐全度和响应时长分别记为Ai、Bi和Ci，其中，i表示各医院问诊平台对应的编号，i＝1,2......n，n为大于2的任意整数，代入计算公式中，得到各医院问诊平台对应的易用性服务评估系数φi,其中，A′、B′、C′分别为设定的医院问诊平台对应的标准简便度、标准功能齐全度、标准响应时长，υ1、υ2、υ3分别为设定的医院问诊平台简便度、功能齐全度、响应时长对应的权重因子，e表示自然常数。
3.如权利要求2所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述选择最佳医院问诊平台，具体选择过程如下：
将各医院问诊平台对应的易用性服务评估系数从小到大的顺序进行排列，进而将最大的易用性服务评估系数对应的医院问诊平台作为最佳医院问诊平台。
4.如权利要求1所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据进行分析，具体分析过程如下：
将目标问诊医院中各线上问诊医生对应的问诊病类治愈率和问诊病类诊断准确率分别记为Dg和Eg，其中，g表示各线上问诊医生对应的编号，g＝1,2......u，u为大于2的任意整数，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的治疗评估系数αg，其中，D′、E′分别为设定的线上问诊医生对应的标准问诊病类治愈率、标准问诊病类诊断准确率，θ1、θ2分别为设定的线上问诊医生问诊病类治愈率、问诊病类诊断准确率对应的权重因子，e表示自然常数。
5.如权利要求4所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述对目标问诊医院中各线上问诊医生对应的问诊服务数据进行分析，具体分析过程如下：
将目标问诊医院中各线上问诊医生对应的问诊回复时效值和问诊满意度分别记为Fg和Jg，其中，g表示各线上问诊医生对应的编号，g＝1,2......u，u为大于2的任意整数，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的服务评估系数βg,其中，F′、J′分别为设定的线上问诊医生对应的标准问诊回复时效值、标准问诊满意度，/>分别为设定的线上问诊医生问诊回复时效值、问诊满意度对应的权重因子，e表示自然常数。
6.如权利要求5所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，具体得到过程如下：
将目标问诊医院中各线上问诊医生对应的治疗评估系数αg和服务评估系数βg，代入计算公式中，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数γg，其中，π1、π2分别为设定的线上问诊医生治疗评估系数和服务评估系数对应的权重因子，e表示自然常数。
7.如权利要求6所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述选择目标患者对应的最佳线上问诊医生，具体选择过程如下：
将目标问诊医院中各线上问诊医生对应的综合能力评估系数按照从小到大的顺序进行排列，进而将最大的综合能力评估系数对应的目标问诊医院中线上问诊医生作为目标患者对应的最佳线上问诊医生。
8.如权利要求7所述的一种基于人工智能与智慧医疗的医疗数据互联互通方法，其特征在于，所述判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息，具体判断过程如下：
将目标患者对应的各历史问诊医生按照步骤五综合能力评估系数的获取，进而得到目标患者各历史问诊医生对应的综合能力评估系数，将目标患者对应的最佳线上问诊医生的综合能力评估系数与目标患者各历史问诊医生对应的综合能力评估系数进行对比，若目标患者对应的最佳线上问诊医生的综合能力评估系数均小于目标患者各历史问诊医生对应的综合能力评估系数，则判定目标问诊医院对应的最佳线上问诊医生没有权限查看目标患者对应的历史病例信息，若目标患者对应的最佳线上问诊医生的综合能力评估系数大于或者等于目标患者中某一个历史问诊医生对应的综合能力评估系数，则判定目标问诊医院对应的最佳线上问诊医生有权限查看目标患者对应的历史病例信息。
9.一种执行权利要求1-8任一项所述基于人工智能与智慧医疗的医疗数据互联互通方法的一种基于人工智能与智慧医疗的医疗数据互联互通系统，其特征在于，包括：
易用性参数的获取模块：用于获取各医院问诊平台对应的易用性参数，易用性参数包括简便度、功能齐全度和响应时长；
最佳医院问诊平台的选择模块：用于根据各医院问诊平台对应的易用性参数，从而对各医院问诊平台对应的易用性参数进行分析，得到各医院问诊平台对应的易用性服务评估系数，进而选择最佳医院问诊平台，并将最佳医院问诊平台记为目标问诊医院；
数据的获取模块：用于获取目标患者对应的患病类型，并将目标患者对应的患病类型记为问诊病类，进而获取目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，问诊病类治疗数据包括问诊病类治愈率和问诊病类诊断准确率，问诊服务数据包括问诊回复时效值和问诊满意度；
数据的分析模块：用于根据目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据，从而对目标问诊医院中各线上问诊医生对应的问诊病类治疗数据和问诊服务数据进行分析，得到目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数；
综合能力评估系数的获取模块：用于根据目标问诊医院中各线上问诊医生对应的治疗评估系数和服务评估系数，得到目标问诊医院中各线上问诊医生对应的综合能力评估系数，进而选择目标患者对应的最佳线上问诊医生；
历史病例信息授权的判断模块：用于获取目标患者各历史问诊医生对应的综合能力评估系数，进而判断目标问诊医院对应的最佳线上问诊医生是否有权限查看目标患者对应的历史病例信息。
CN202311515931.0A 2023-11-15 2023-11-15 一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统 Active CN117497203B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311515931.0A CN117497203B (zh) 2023-11-15 2023-11-15 一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311515931.0A CN117497203B (zh) 2023-11-15 2023-11-15 一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统

Publications (2)

Publication Number Publication Date
CN117497203A true CN117497203A (zh) 2024-02-02
CN117497203B CN117497203B (zh) 2024-06-14

Family

ID=89670535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311515931.0A Active CN117497203B (zh) 2023-11-15 2023-11-15 一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统

Country Status (1)

Country Link
CN (1) CN117497203B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107863134A (zh) * 2017-11-24 2018-03-30 郑州云海信息技术有限公司 一种基于云计算的智能医疗管理系统
CN112185495A (zh) * 2020-09-22 2021-01-05 深圳市宏泰和信息科技有限公司 医疗设备的病例数据获取方法及系统
US20210118563A1 (en) * 2019-10-20 2021-04-22 Mary Reaston Method For Providing Virtual Triage
CN114912764A (zh) * 2022-04-19 2022-08-16 广域铭岛数字科技有限公司 一种平台价值度量方法、系统、设备及介质
CN115346630A (zh) * 2022-09-07 2022-11-15 练岚香 一种医疗信息共享平台
CN115346654A (zh) * 2022-07-14 2022-11-15 赵盛 一种基于互联网的智慧服务系统
CN115482916A (zh) * 2022-08-11 2022-12-16 薛东斌 基于智慧医疗大数据的产品服务推荐方法及智慧医疗系统
CN115497615A (zh) * 2022-10-24 2022-12-20 王征 一种远程医疗方法及系统
CN116646065A (zh) * 2023-05-25 2023-08-25 浙江蕙康科技有限公司 互联网医院数据安全管理方法和装置
CN116741360A (zh) * 2023-08-16 2023-09-12 深圳市微能信息科技有限公司 基于智能终端的医生问诊及服务质量评价系统
CN116777307A (zh) * 2023-08-21 2023-09-19 河北省儿童医院(河北省第五人民医院、河北省儿科研究所) 一种基于大数据的医院医生综合分析评价方法
CN116825385A (zh) * 2023-03-27 2023-09-29 华中科技大学同济医学院附属协和医院 一种智能医疗问答的方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107863134A (zh) * 2017-11-24 2018-03-30 郑州云海信息技术有限公司 一种基于云计算的智能医疗管理系统
US20210118563A1 (en) * 2019-10-20 2021-04-22 Mary Reaston Method For Providing Virtual Triage
CN112185495A (zh) * 2020-09-22 2021-01-05 深圳市宏泰和信息科技有限公司 医疗设备的病例数据获取方法及系统
CN114912764A (zh) * 2022-04-19 2022-08-16 广域铭岛数字科技有限公司 一种平台价值度量方法、系统、设备及介质
CN115346654A (zh) * 2022-07-14 2022-11-15 赵盛 一种基于互联网的智慧服务系统
CN115482916A (zh) * 2022-08-11 2022-12-16 薛东斌 基于智慧医疗大数据的产品服务推荐方法及智慧医疗系统
CN115346630A (zh) * 2022-09-07 2022-11-15 练岚香 一种医疗信息共享平台
CN115497615A (zh) * 2022-10-24 2022-12-20 王征 一种远程医疗方法及系统
CN116825385A (zh) * 2023-03-27 2023-09-29 华中科技大学同济医学院附属协和医院 一种智能医疗问答的方法及系统
CN116646065A (zh) * 2023-05-25 2023-08-25 浙江蕙康科技有限公司 互联网医院数据安全管理方法和装置
CN116741360A (zh) * 2023-08-16 2023-09-12 深圳市微能信息科技有限公司 基于智能终端的医生问诊及服务质量评价系统
CN116777307A (zh) * 2023-08-21 2023-09-19 河北省儿童医院(河北省第五人民医院、河北省儿科研究所) 一种基于大数据的医院医生综合分析评价方法

Also Published As

Publication number Publication date
CN117497203B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
Smith et al. Assessing the quality of administrative data for research: a framework from the Manitoba Centre for Health Policy
Fonner et al. Voluntary counseling and testing (VCT) for changing HIV‐related risk behavior in developing countries
Mulcahy et al. Pathways, pyramids and icebergs? Mapping the links between dissatisfaction and complaints
US9934361B2 (en) Method for generating healthcare-related validated prediction models from multiple sources
US20030233250A1 (en) Systems and methods for managing biological data and providing data interpretation tools
US20050144042A1 (en) Associated systems and methods for managing biological data and providing data interpretation tools
US20150025900A1 (en) System and method for assessing data quality during clinical trials
US20050209893A1 (en) System and method for identifying and servicing medically uninsured persons
DE102007026802A1 (de) Systeme und Verfahren zur Identifizierung von Kandidaten für eine klinische Studie
Kreider et al. Inferring disability status from corrupt data
DE102007026799A1 (de) Systeme und Verfahren zur Verfeinerung der Identifikation von Kandidaten für klinische Studien
Han et al. Teleophthalmology-enabled and artificial intelligence-ready referral pathway for community optometry referrals of retinal disease (HERMES): a Cluster Randomised Superiority Trial with a linked Diagnostic Accuracy Study—HERMES study report 1—study protocol
Winthereik “We fill in our working understanding”: on codes, classifications and the production of accurate data
Labella et al. Patient safety monitoring in acute care in a decentralized national health care system: Conceptual framework and initial set of actionable indicators
CN117497203B (zh) 一种基于人工智能与智慧医疗的医疗数据互联互通方法及系统
CN112967789A (zh) 一种口腔类专科病种的资源消耗计算测定方法
CN117373626A (zh) 一种基于云计算的远程医疗系统
Thompson et al. Measuring clinical performance: comparison and validity of telephone survey and administrative data.
CN116959661A (zh) 一种智能服药管理系统
James O'Malley et al. Analyzing multiple informant data from an evaluation of the health disparities collaboratives
Jiang et al. Application and Feasibility Study of Integrated Nursing Information Construction in Nephrology Nursing
US20030028400A1 (en) Method for supplying a telemedical healthcare service
CN117557348B (zh) 一种保障性租赁房人房匹配方法、介质及系统
Brown et al. Nursing diagnosis and process evaluation: implications for continuing education
Croft et al. Can hospital episode statistics support appraisal and revalidation? Randomised study of physician attitudes

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
GR01 Patent grant
GR01 Patent grant