CN117524459A - 一种原发性肝痛患者参与治疗决策辅助支持系统和方法 - Google Patents
一种原发性肝痛患者参与治疗决策辅助支持系统和方法 Download PDFInfo
- Publication number
- CN117524459A CN117524459A CN202311335709.2A CN202311335709A CN117524459A CN 117524459 A CN117524459 A CN 117524459A CN 202311335709 A CN202311335709 A CN 202311335709A CN 117524459 A CN117524459 A CN 117524459A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- treatment
- patient
- primary liver
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 204
- 206010019705 Hepatic pain Diseases 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000007405 data analysis Methods 0.000 claims abstract description 43
- 238000010276 construction Methods 0.000 claims abstract description 21
- 238000013500 data storage Methods 0.000 claims abstract description 21
- 229940126585 therapeutic drug Drugs 0.000 claims description 73
- 239000003814 drug Substances 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 25
- 229940079593 drug Drugs 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 20
- 239000008280 blood Substances 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 19
- 238000011269 treatment regimen Methods 0.000 claims description 17
- 201000010099 disease Diseases 0.000 claims description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000002560 therapeutic procedure Methods 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000011369 optimal treatment Methods 0.000 claims description 11
- 230000036772 blood pressure Effects 0.000 claims description 9
- 230000036760 body temperature Effects 0.000 claims description 9
- 229940124597 therapeutic agent Drugs 0.000 claims description 8
- 238000002059 diagnostic imaging Methods 0.000 claims description 7
- 238000004393 prognosis Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 239000012752 auxiliary agent Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000003460 anti-nuclear Effects 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000008186 active pharmaceutical agent Substances 0.000 claims 1
- 230000003542 behavioural effect Effects 0.000 claims 1
- 230000003631 expected effect Effects 0.000 claims 1
- 238000007654 immersion Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 claims 1
- 230000001225 therapeutic effect Effects 0.000 abstract description 6
- 201000007270 liver cancer Diseases 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 208000014018 liver neoplasm Diseases 0.000 description 5
- 238000005065 mining Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011338 personalized therapy Methods 0.000 description 3
- 102000013529 alpha-Fetoproteins Human genes 0.000 description 2
- 108010026331 alpha-Fetoproteins Proteins 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000002767 hepatic artery Anatomy 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 208000019423 liver disease Diseases 0.000 description 2
- 206010006895 Cachexia Diseases 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- 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 description 1
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 206010024652 Liver abscess Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000010109 chemoembolization Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000026500 emaciation Diseases 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008560 physiological behavior Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003860 sleep quality Effects 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于医疗技术领域，公开了一种原发性肝痛患者参与治疗决策辅助支持系统和方法，所述原发性肝痛患者参与治疗决策辅助支持系统包括：患者数据采集模块、影像采集模块、中央控制模块、数据存储模块、数据分析模块、治疗数据库构建模块、治疗方案评估模块、决策支持模块、显示模块。本发明提供了一种原发性肝痛患者参与治疗决策辅助支持系统和方法，通过整合多个组件和智能算法，为患者和医生提供个性化的治疗建议和决策支持。这有望改善原发性肝痛患者的治疗效果和生活质量，同时提高医疗决策的科学性和准确性。本发明的各个部分都有明确的结构和功能，以确保系统的正常运行和高效性。
Description
技术领域
本发明属于医疗技术领域，尤其涉及一种原发性肝痛患者参与治疗决策辅助支持系统和方法。
背景技术
原发性肝痛是一种疾病，其治疗通常需要综合考虑患者的健康状况、病史和各种医疗指标。原发性肝癌应与肝硬化、继发性肝癌、肝良性肿瘤、肝脓肿以及与肝毗邻器官，如右肾、胰腺处的肿瘤相鉴别。凡是中年以上，特别是有肝病史的病人，如有原因不明的肝区疼痛、消瘦、进行性肝大者，应及时作详细检查。如甲胎蛋白(AFP)检测和B型超声等影像学检查，有助于诊断，甚至可检出早期肝癌。根据肝癌的不同阶段酌情进行个体化综合治疗，是提高疗效的关键；治疗方法包括手术、肝动脉结扎、肝动脉化疗栓塞、射频、冷冻、激光、微波以及化疗和放射治疗等方法。生物治疗，中医中药治疗肝癌也多有应用。
现有的治疗方法常常依赖于医生的经验和判断，缺乏个性化和全面的决策支持。另外，现有原发性肝痛患者参与治疗决策辅助支持系统对原发性肝痛患者临床数据分析应用较少且不够深入的问题，且分析不准确；同时，不能准确对原发性肝痛症治疗方案进行评估。因此，需要一种系统和方法，能够帮助医生和患者更好地理解治疗选项，以及预测不同治疗方案的潜在效果。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的治疗方法常常依赖于医生的经验和判断，缺乏个性化和全面的决策支持。
(2)现有原发性肝痛患者参与治疗决策辅助支持系统对原发性肝痛患者临床数据分析应用较少且不够深入的问题，且分析不准确；同时，不能准确对原发性肝痛症治疗方案进行评估。
发明内容
针对现有技术存在的问题，本发明提供了一种原发性肝痛患者参与治疗决策辅助支持系统和方法。
本发明是这样实现的，一种原发性肝痛患者参与治疗决策辅助支持系统包括：
患者数据采集模块、影像采集模块、中央控制模块、数据存储模块、数据分析模块、治疗数据库构建模块、治疗方案评估模块、决策支持模块、显示模块。
患者数据采集模块，与中央控制模块连接，用于通过医疗设备采集患者的血压、心率和体温；
影像采集模块，与中央控制模块连接，用于通过医疗影像设备获取患者的影像学数据；
中央控制模块，与患者数据采集模块、影像采集模块、数据存储模块、数据分析模块、治疗数据库构建模块、治疗方案评估模块、决策支持模块、显示模块连接，用于控制各个模块正常工作；
数据存储模块，与中央控制模块连接，用于通过云服务器存储从患者数据采集设备和影像学数据设备获取的数据；
数据分析模块，与中央控制模块连接，用于通过数据分析算法基于机器学习和人工智能的算法对处理患者数据，提取有用的信息，并生成关键医疗指标；
治疗数据库构建模块，与中央控制模块连接，用于构建治疗方案数据库；所述治疗方案数据库包括各种不同的治疗选项，包括药物治疗、手术选项、康复计划等；
治疗方案评估模块，与中央控制模块连接，用于通过评估程序对治疗方案进行评估；
决策支持模块，与中央控制模块连接，用于通过决策支持算法基于患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持；
显示模块，与中央控制模块连接，用于通过显示设备向医生和患者展示治疗建议和相关信息。
进一步，所述数据分析模块分析方法如下：
(1)从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对所述临床数据进行筛选，得到样本临床数据；
(2)通过数据分析算法基于机器学习和人工智能的算法对样本临床数据提取有用的信息，并生成关键医疗指标；采用预设层次聚类算法，分阶段对所述样本临床数据中的检验数据进行聚类，得到多个聚类结果；
(3)根据关键医疗指标及针对每一个聚类结果中的检验数据对应的所述样本临床数据进行统计分析，得到目标分析结果。
进一步，所述基于预设关键指标项数据对所述临床数据进行筛选，得到样本临床数据，包括：
在所述临床数据中，选取包含全部预设关键指标项且各所述预设关键指标项数据有效的数据，作为所述样本临床数据。
进一步，所述预设关键指标项，包括对原发性肝痛症诊断和预后有关联的多个预设类别的抗核抗体；
所述采用预设层次聚类算法，分阶段对所述样本临床数据中检验数据进行聚类，得到多个聚类结果，包括：
采用各所述检验数据间的对数似然距离对所述样本临床数据进行预分组，得到相应的预分组结果；
基于所述预分组结果，进行平衡迭代聚类得到所述多个聚类结果。
进一步，所述治疗方案评估模块评估方法如下：
1)获取包含治疗药物的当前原发性肝痛症治疗方案；从所述当前原发性肝痛症治疗方案的中确定所述治疗药物的数据项；
2)将所述治疗药物的数据项输入预先训练完成的所述治疗药物的计算模型，输出所述治疗药物的标准化原发性肝痛症治疗方案；
3)如果所述标准化原发性肝痛症治疗方案与所述当前原发性肝痛症治疗方案存在不同的评价指标，基于不同的所述评价指标生成所述当前原发性肝痛症治疗方案的提示信息；
所述当前原发性肝痛症治疗方案包括：医嘱、所述治疗药物的使用情况和血液报告；所述治疗药物的数据项包括：所述治疗药物的名称、医嘱开始时间、医嘱结束时间、所述治疗药物的服用方式、入院诊断、所述治疗药物的辅助药剂名称、医嘱执行时间、所述血液报告的生成时间和所述血液报告的指标；
从所述当前原发性肝痛症治疗方案的中确定所述治疗药物的数据项的步骤，包括：
从所述医嘱中确定所述治疗药物的名称、所述医嘱开始时间、所述医嘱结束时间和所述治疗药物的服用方式；
在患者使用所述治疗药物之后，基于所述治疗药物的使用情况确定所述入院诊断、所述治疗药物的辅助药剂名称和所述医嘱执行时间；
从所述血液报告中确定所述血液报告的生成时间和所述血液报告的指标；
所述治疗药物的计算模型通过以下方式构建：
获取所述治疗药物的原发性肝痛症治疗指南，基于所述治疗药物的原发性肝痛症治疗指南构建所述治疗药物的应用知识库；
基于所述治疗药物的应用知识库确定所述治疗药物的评价指标，基于所述治疗药物的评价指标构建所述治疗药物的评价指标库；
获取所述治疗药物的历史数据项，基于所述评价指标库确定所述历史数据项对应的历史评价指标；
基于所述历史数据项和所述历史评价指标构建所述治疗药物的计算模型。
进一步，所述原发性肝痛患者参与治疗决策辅助支持方法包括：
步骤一，通过患者数据采集模块利用医疗设备采集患者的血压、心率和体温；通过影像采集模块利用医疗影像设备获取患者的影像学数据；
步骤二，中央控制模块通过数据存储模块利用云服务器存储从患者数据采集设备和影像学数据设备获取的数据；
步骤三，通过数据分析模块利用数据分析算法基于机器学习和人工智能的算法对处理患者数据，提取有用的信息，并生成关键医疗指标；
步骤四，通过治疗数据库构建模块构建治疗方案数据库；所述治疗方案数据库包括各种不同的治疗选项，包括药物治疗、手术选项、康复计划等；通过治疗方案评估模块利用评估程序对治疗方案进行评估；
步骤五，通过决策支持模块利用决策支持算法基于患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持；
步骤六，通过显示模块利用显示设备向医生和患者展示治疗建议和相关信息。
一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述原发性肝痛患者参与治疗决策辅助支持方法的步骤。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述原发性肝痛患者参与治疗决策辅助支持方法的步骤。
一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述原发性肝痛患者参与治疗决策辅助支持系统。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一、本发明提供了一种原发性肝痛患者参与治疗决策辅助支持系统和方法，通过整合多个组件和智能算法，为患者和医生提供个性化的治疗建议和决策支持。这有望改善原发性肝痛患者的治疗效果和生活质量，同时提高医疗决策的科学性和准确性。本发明的各个部分都有明确的结构和功能，以确保系统的正常运行和高效性。
另外，本发明通过数据分析模块从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对临床数据进行筛选，得到样本临床数据；采用预设层次聚类算法，分阶段对样本临床数据中的检验数据进行聚类，得到多个聚类结果；针对每一个聚类结果中的检验数据对应的样本临床数据进行统计分析，得到目标分析结果。本发明实施例的技术方案，解决了对原发性肝痛患者临床数据分析应用较少且不够深入的问题，可以实现对原发性肝痛患者临床数据的充分挖掘与分析，为原发性肝痛患者的临床表现分类及预后判断提供数据支撑；同时，通过治疗方案评估模块可以对包含治疗药物的当前原发性肝痛症治疗方案进行处理，确定治疗药物的标准化原发性肝痛症治疗方案，基于标准化原发性肝痛症治疗方案与当前原发性肝痛症治疗方案存在的不同的评价指标生成当前原发性肝痛症治疗方案的提示信息。可以自动化地准确的评估包含治疗药物的原发性肝痛症治疗方。
第二，本发明提供了一种原发性肝痛患者参与治疗决策辅助支持系统和方法，通过整合多个组件和智能算法，为患者和医生提供个性化的治疗建议和决策支持。这有望改善原发性肝痛患者的治疗效果和生活质量，同时提高医疗决策的科学性和准确性。本发明的各个部分都有明确的结构和功能，以确保系统的正常运行和高效性。另外，本发明通过数据分析模块从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对临床数据进行筛选，得到样本临床数据；采用预设层次聚类算法，分阶段对样本临床数据中的检验数据进行聚类，得到多个聚类结果；针对每一个聚类结果中的检验数据对应的样本临床数据进行统计分析，得到目标分析结果。本发明实施例的技术方案，解决了对原发性肝痛患者临床数据分析应用较少且不够深入的问题，可以实现对原发性肝痛患者临床数据的充分挖掘与分析，为原发性肝痛患者的临床表现分类及预后判断提供数据支撑；同时，通过治疗方案评估模块可以对包含治疗药物的当前原发性肝痛症治疗方案进行处理，确定治疗药物的标准化原发性肝痛症治疗方案，基于标准化原发性肝痛症治疗方案与当前原发性肝痛症治疗方案存在的不同的评价指标生成当前原发性肝痛症治疗方案的提示信息。可以自动化地准确的评估包含治疗药物的原发性肝痛症治疗方。
第三，这个系统的实现会带来以下显著的技术进步：
1)提高医疗决策的精度：通过集成机器学习和人工智能技术，系统能够对大量的患者数据进行深度分析，从而提供更准确的诊断信息和治疗建议。
2)提高医疗服务的效率：系统可以自动化处理大量的数据采集、数据存储、数据分析等繁琐工作，从而极大地提高医疗服务的效率。
3)个性化医疗治疗：通过分析患者的生理参数、疾病历史等个人信息，系统可以为每个患者提供个性化的治疗方案。
4)提升患者体验：系统可以提供实时的治疗建议和关键医疗指标信息，提升患者的就医体验。
5)跨学科的融合：该系统在实现过程中融合了医疗科学、机器学习、云计算、数据库技术等多个领域的知识，推动了跨学科的技术融合和发展。
6)数据驱动的医疗决策：该系统的实现将推动医疗决策向数据驱动的方向发展，这是未来医疗发展的重要趋势。
7)远程医疗服务：通过云存储和云计算技术，该系统可以实现远程医疗服务，为居住在偏远地区的患者提供方便。
8)连续性医疗监护：通过持续收集和分析患者数据，系统可以实现连续性的医疗监护，及时发现疾病的变化，并调整治疗方案。
总的来说，这个系统的实现会大大推动医疗科技的发展，改善医疗服务的质量和效率，提升患者的就医体验，同时也为未来的医疗科技研究和发展提供新的思路和方向。
附图说明
图1是本发明实施例提供的原发性肝痛患者参与治疗决策辅助支持系统结构框图。
图2是本发明实施例提供的原发性肝痛患者参与治疗决策辅助支持方法流程图。
图3是本发明实施例提供的数据分析模块分析方法流程图。
图4是本发明实施例提供的治疗方案评估模块评估方法流程图。
图1中：1、患者数据采集模块；2、影像采集模块；3、中央控制模块；4、数据存储模块；5、数据分析模块；6、治疗数据库构建模块；7、治疗方案评估模块；8、决策支持模块；9、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供的原发性肝痛患者参与治疗决策辅助支持系统包括：
患者数据采集模块1、影像采集模块2、中央控制模块3、数据存储模块4、数据分析模块5、治疗数据库构建模块6、治疗方案评估模块7、决策支持模块8、显示模块9。
患者数据采集模块1，与中央控制模块3连接，用于通过医疗设备采集患者的血压、心率和体温；
影像采集模块2，与中央控制模块3连接，用于通过医疗影像设备获取患者的影像学数据；
中央控制模块3，与患者数据采集模块1、影像采集模块2、数据存储模块4、数据分析模块5、治疗数据库构建模块6、治疗方案评估模块7、决策支持模块8、显示模块9连接，用于控制各个模块正常工作；
数据存储模块4，与中央控制模块3连接，用于通过云服务器存储从患者数据采集设备和影像学数据设备获取的数据；
数据分析模块5，与中央控制模块3连接，用于通过数据分析算法基于机器学习和人工智能的算法对处理患者数据，提取有用的信息，并生成关键医疗指标；
治疗数据库构建模块6，与中央控制模块3连接，用于构建治疗方案数据库；所述治疗方案数据库包括各种不同的治疗选项，包括药物治疗、手术选项、康复计划等；实现方法是通过以下步骤：收集各种治疗方案的数据，包括药物治疗、手术选项、康复计划等。这些数据可以从医学文献、诊疗指南、医生的专家知识、以及已有的医疗数据库中获得。还应考虑治疗效果、的副作用、成本、患者的个人情况(如年龄、性别、病史等)等因素。
将收集的数据整理成统一的格式，并进行清洗和验证，以确保数据的质量和一致性。包括将文本信息转化为可操作的数据(例如，将药物剂量的描述转化为数字)，也包括处理缺失数据、异常值、重复记录等问题。
使用适当的数据库管理系统(例如，SQL或NoSQL系统)来存储和管理数据。应根据需要设计适当的数据表和关系，以方便数据的查询和更新。
设计和实现数据接口，以便于中央控制模块调用数据。包括API(应用程序接口)的设计，以及数据的序列化和反序列化方法的实现。
实施适当的安全措施，以防止数据泄露或被未授权访问。包括数据加密、用户身份验证、访问控制等方法。同时，应遵守相关的数据隐私法律和规定，例如在处理包含个人信息的数据时应获得患者的同意，并确保其信息的匿名性和保密性。
治疗方案评估模块7，与中央控制模块3连接，用于通过评估程序对治疗方案进行评估；
决策支持模块8，与中央控制模块3连接，用于通过决策支持算法基于患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持；
显示模块9，与中央控制模块3连接，用于通过显示设备向医生和患者展示治疗建议和相关信息。
如图2所示，本发明提供的一种原发性肝痛患者参与治疗决策辅助支持方法包括以下步骤：
S101，通过患者数据采集模块利用医疗设备采集患者的血压、心率和体温；通过影像采集模块利用医疗影像设备获取患者的影像学数据；
S102，中央控制模块通过数据存储模块利用云服务器存储从患者数据采集设备和影像学数据设备获取的数据；
S103，通过数据分析模块利用数据分析算法基于机器学习和人工智能的算法对处理患者数据，提取有用的信息，并生成关键医疗指标；
S104，通过治疗数据库构建模块构建治疗方案数据库；所述治疗方案数据库包括各种不同的治疗选项，包括药物治疗、手术选项、康复计划等；通过治疗方案评估模块利用评估程序对治疗方案进行评估；
S105，通过决策支持模块利用决策支持算法基于患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持；
S106，通过显示模块利用显示设备向医生和患者展示治疗建议和相关信息。
如图3所示，本发明提供的数据分析模块5分析方法如下：
S201，从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对所述临床数据进行筛选，得到样本临床数据；
S202，通过数据分析算法基于机器学习和人工智能的算法对样本临床数据提取有用的信息，并生成关键医疗指标；采用预设层次聚类算法，分阶段对所述样本临床数据中的检验数据进行聚类，得到多个聚类结果；
S203，根据关键医疗指标及针对每一个聚类结果中的检验数据对应的所述样本临床数据进行统计分析，得到目标分析结果。
本发明提供的基于预设关键指标项数据对所述临床数据进行筛选，得到样本临床数据，包括：
在所述临床数据中，选取包含全部预设关键指标项且各所述预设关键指标项数据有效的数据，作为所述样本临床数据。
本发明提供的预设关键指标项，包括对原发性肝痛症诊断和预后有关联的多个预设类别的抗核抗体；
所述采用预设层次聚类算法，分阶段对所述样本临床数据中检验数据进行聚类，得到多个聚类结果，包括：
采用各所述检验数据间的对数似然距离对所述样本临床数据进行预分组，得到相应的预分组结果；
基于所述预分组结果，进行平衡迭代聚类得到所述多个聚类结果。
如图4所示，本发明提供的治疗方案评估模块7评估方法如下：
S301，获取包含治疗药物的当前原发性肝痛症治疗方案；从所述当前原发性肝痛症治疗方案的中确定所述治疗药物的数据项；
S302，将所述治疗药物的数据项输入预先训练完成的所述治疗药物的计算模型，输出所述治疗药物的标准化原发性肝痛症治疗方案；
S303，如果所述标准化原发性肝痛症治疗方案与所述当前原发性肝痛症治疗方案存在不同的评价指标，基于不同的所述评价指标生成所述当前原发性肝痛症治疗方案的提示信息；
所述当前原发性肝痛症治疗方案包括：医嘱、所述治疗药物的使用情况和血液报告；所述治疗药物的数据项包括：所述治疗药物的名称、医嘱开始时间、医嘱结束时间、所述治疗药物的服用方式、入院诊断、所述治疗药物的辅助药剂名称、医嘱执行时间、所述血液报告的生成时间和所述血液报告的指标；
从所述当前原发性肝痛症治疗方案的中确定所述治疗药物的数据项的步骤，包括：
从所述医嘱中确定所述治疗药物的名称、所述医嘱开始时间、所述医嘱结束时间和所述治疗药物的服用方式；
在患者使用所述治疗药物之后，基于所述治疗药物的使用情况确定所述入院诊断、所述治疗药物的辅助药剂名称和所述医嘱执行时间；
从所述血液报告中确定所述血液报告的生成时间和所述血液报告的指标；
所述治疗药物的计算模型通过以下方式构建：
获取所述治疗药物的原发性肝痛症治疗指南，基于所述治疗药物的原发性肝痛症治疗指南构建所述治疗药物的应用知识库；
基于所述治疗药物的应用知识库确定所述治疗药物的评价指标，基于所述治疗药物的评价指标构建所述治疗药物的评价指标库；
获取所述治疗药物的历史数据项，基于所述评价指标库确定所述历史数据项对应的历史评价指标；
基于所述历史数据项和所述历史评价指标构建所述治疗药物的计算模型。
本发明实施例还提供了一种智能化原发性肝痛患者参与治疗决策辅助支持系统，包括：
患者智能数据采集模块，与中央控制模块连接，不仅用于通过医疗设备采集患者的基本生命体征如血压、心率和体温，还能通过可穿戴设备实时监控患者的生理反应和行为特征，如运动量、睡眠质量等。
智能影像采集与解析模块，与中央控制模块连接，能自动解析医疗影像数据，识别出异常部位，然后与标准数据库对比，为医生提供更精准的病理位置和程度。
中央AI控制模块，利用深度学习技术，实时分析各个模块传来的数据，预测患者的病情变化，并自动调整各模块的工作参数。
智能数据存储与加密模块，除了存储功能，还会对患者的个人和医疗数据进行加密，确保数据安全。
数据深度分析模块，通过先进的机器学习和人工智能算法，不仅提取关键医疗指标，还能预测病情趋势和风险。
治疗数据库自适应构建模块，数据库能根据近期研究、药物新进展和手术技术自动更新，提供最新的治疗选项。
智能治疗方案评估模块，自动对比不同的治疗方案，预测每种方案的效果和风险，并按效益高低排序。
AI决策支持模块，除了基于医生和患者反馈优化治疗建议，还能通过自学习不断完善自身的决策模型，使治疗建议更加精准。
互动显示模块，采用AR/VR技术，为医生和患者提供沉浸式的诊断和治疗建议展示，同时支持语音和手势操作，使医患交互更为便捷和高效。
一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述原发性肝痛患者参与治疗决策辅助支持方法的步骤。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述原发性肝痛患者参与治疗决策辅助支持方法的步骤。
一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述原发性肝痛患者参与治疗决策辅助支持系统。
本发明提供了一种原发性肝痛患者参与治疗决策辅助支持系统和方法，通过整合多个组件和智能算法，为患者和医生提供个性化的治疗建议和决策支持。这有望改善原发性肝痛患者的治疗效果和生活质量，同时提高医疗决策的科学性和准确性。本发明的各个部分都有明确的结构和功能，以确保系统的正常运行和高效性。另外，本发明通过数据分析模块从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对临床数据进行筛选，得到样本临床数据；采用预设层次聚类算法，分阶段对样本临床数据中的检验数据进行聚类，得到多个聚类结果；针对每一个聚类结果中的检验数据对应的样本临床数据进行统计分析，得到目标分析结果。本发明实施例的技术方案，解决了对原发性肝痛患者临床数据分析应用较少且不够深入的问题，可以实现对原发性肝痛患者临床数据的充分挖掘与分析，为原发性肝痛患者的临床表现分类及预后判断提供数据支撑；同时，通过治疗方案评估模块可以对包含治疗药物的当前原发性肝痛症治疗方案进行处理，确定治疗药物的标准化原发性肝痛症治疗方案，基于标准化原发性肝痛症治疗方案与当前原发性肝痛症治疗方案存在的不同的评价指标生成当前原发性肝痛症治疗方案的提示信息。可以自动化地准确的评估包含治疗药物的原发性肝痛症治疗方。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
患者参与治疗决策辅助支持系统和方法，通过整合多个组件和智能算法，为患者和医生提供个性化的治疗建议和决策支持。这有望改善原发性肝痛患者的治疗效果和生活质量，同时提高医疗决策的科学性和准确性。本发明的各个部分都有明确的结构和功能，以确保系统的正常运行和高效性。另外，本发明通过数据分析模块从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对临床数据进行筛选，得到样本临床数据；采用预设层次聚类算法，分阶段对样本临床数据中的检验数据进行聚类，得到多个聚类结果；针对每一个聚类结果中的检验数据对应的样本临床数据进行统计分析，得到目标分析结果。本发明实施例的技术方案，解决了对原发性肝痛患者临床数据分析应用较少且不够深入的问题，可以实现对原发性肝痛患者临床数据的充分挖掘与分析，为原发性肝痛患者的临床表现分类及预后判断提供数据支撑；同时，通过治疗方案评估模块可以对包含治疗药物的当前原发性肝痛症治疗方案进行处理，确定治疗药物的标准化原发性肝痛症治疗方案，基于标准化原发性肝痛症治疗方案与当前原发性肝痛症治疗方案存在的不同的评价指标生成当前原发性肝痛症治疗方案的提示信息。可以自动化地准确的评估包含治疗药物的原发性肝痛症治疗方。
实施例一：
1)患者数据采集模块:这个模块可以通过各种医疗设备(例如心电图机、血压计等)收集患者的生理参数，如心率、血压和体温。这些数据然后将被发送到中央控制模块进行处理。
2)影像采集模块:这个模块可以通过MRI、CT扫描等医疗影像设备获取患者的影像数据。这些数据然后将被发送到中央控制模块进行处理。
3)中央控制模块:这个模块控制并协调其他所有模块的工作，包括数据的收集、处理和存储。
4)数据存储模块:这个模块将所有收集到的数据存储在云服务器上，以便于后续处理和分析。
5)数据分析模块:这个模块使用机器学习和人工智能算法对收集到的数据进行深度分析，以提取有用的信息和生成关键医疗指标。
6)治疗数据库构建模块:这个模块构建一个包含各种治疗选项的数据库，这些选项可以包括药物治疗、手术选项、康复计划等。
7)治疗方案评估模块:这个模块使用评估程序对治疗方案进行评估，以确定最佳的治疗方案。
8)决策支持模块:这个模块使用决策支持算法根据患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持。
9)显示模块:这个模块通过显示设备向医生和患者展示治疗建议和相关信息。
实施例二：
在一个具体的实施例中，假设一个患者被诊断为原发性肝癌。患者的生理参数和影像数据通过数据采集模块和影像采集模块收集，并通过中央控制模块发送到数据存储模块。数据分析模块将使用AI算法对这些数据进行深度分析，并生成关键指标。
同时，治疗数据库构建模块将构建一个包含各种原发性肝癌的治疗方案的数据库。治疗方案评估模块将使用评估程序对这些治疗方案进行评估，以确定最佳的治疗方案。
在此过程中，决策支持模块将根据患者的反馈和医生的建议，优化和调整治疗建议。最后，显示模块将向医生和患者展示最佳的治疗建议和相关信息。
这个系统的实现方案可以包括以下步骤：
1.设计和实现数据采集模块、影像采集模块、数据存储模块和数据分析模块。
2.设计和实现治疗数据库构建模块、治疗方案评估模块和决策支持模块。
3.设计和实现显示模块。
4.在中央控制模块中实现模块之间的通讯和协调。
5.在云服务器上存储收集到的数据。
6.使用AI和机器学习算法对数据进行分析，并生成关键医疗指实施例一：
在这个系统的一个具体实施例中，假设一个患者被诊断为原发性肝癌。患者的生理参数(例如血压、心率和体温)和影像数据通过患者数据采集模块和影像采集模块收集，这些数据然后发送到中央控制模块。
中央控制模块将数据发送到数据存储模块，数据存储模块通过云服务器的方式存储这些数据。接着，数据分析模块使用基于机器学习和人工智能的算法对这些数据进行处理，提取有用的信息，并生成关键医疗指标。
治疗数据库构建模块构建了包含各种治疗选项的数据库，这些选项可以包括药物治疗、手术选项、康复计划等。治疗方案评估模块使用评估程序对这些治疗方案进行评估，得出最佳治疗方案。
根据患者的反馈和医生的意见，决策支持模块使用决策支持算法，不断优化和调整治疗方案，以提供最佳的治疗决策支持。最后，显示模块将这些治疗建议和相关信息显示给医生和患者。
实施例三：
在另一个实施例中，这个系统可以被扩展应用于多种疾病的诊断和治疗。例如，患者被诊断为心脏病或糖尿病。在这种情况下，患者数据采集模块需要收集更多种类的生理参数，比如血糖值或胆固醇水平。影像采集模块也需要从更多的医疗影像设备获取数据，如超声心动图或眼底相机。
数据分析模块需要能够处理多种不同的数据类型，并能够生成针对不同疾病的关键医疗指标。治疗数据库构建模块需要能够构建包含多种疾病的治疗方案的数据库。治疗方案评估模块和决策支持模块需要能够评估和优化针对多种疾病的治疗方案。
在这些实施例中，系统的各个模块可以通过诸如RESTful API或GraphQL等技术进行通信。数据存储可以使用如PostgreSQL或MongoDB等数据库技术。数据分析模块可以使用如Python的scikit-learn库或TensorFlow等机器学习和人工智能库。此外，显示模块可以使用各种前端技术，如HTML、CSS和JavaScript来创建用户界面。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，包括：
患者数据采集模块，与中央控制模块连接，用于通过医疗设备采集患者的血压、心率和体温；
影像采集模块，与中央控制模块连接，用于通过医疗影像设备获取患者的影像学数据；
中央控制模块，与患者数据采集模块、影像采集模块、数据存储模块、数据分析模块、治疗数据库构建模块、治疗方案评估模块、决策支持模块、显示模块连接，用于控制各个模块正常工作；
数据存储模块，与中央控制模块连接，用于通过云服务器存储从患者数据采集设备和影像学数据设备获取的数据；
数据分析模块，与中央控制模块连接，用于通过数据分析算法基于机器学习和人工智能的算法对处理患者数据，提取有用的信息，并生成关键医疗指标；
治疗数据库构建模块，与中央控制模块连接，用于构建治疗方案数据库；所述治疗方案数据库包括各种不同的治疗选项，包括药物治疗、手术选项、康复计划；
治疗方案评估模块，与中央控制模块连接，用于通过评估程序对治疗方案进行评估；
决策支持模块，与中央控制模块连接，用于通过决策支持算法基于患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持；
显示模块，与中央控制模块连接，用于通过显示设备向医生和患者展示治疗建议和相关信息。
2.如权利要求1所述原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，治疗数据库构建模块，实现方法为：
1)数据收集：收集各种治疗方案的数据，包括药物治疗、手术选项、康复计划；这些数据可以从医学文献、诊疗指南、医生的专家知识、以及已有的医疗数据库中获得；还应考虑治疗效果、的副作用、成本、患者的个人情况因素；
2)数据整理与标准化：将收集的数据整理成统一的格式，并进行清洗和验证，以确保数据的质量和一致性；包括将文本信息转化为可操作的数据，也包括处理缺失数据、异常值、重复记录问题；
3)数据库构建：使用适当的数据库管理系统(例如，SQL或NoSQL系统)来存储和管理数据；应根据需要设计适当的数据表和关系，以方便数据的查询和更新；
4)数据接口设计：设计和实现数据接口，以便于中央控制模块调用数据；包括API的设计，以及数据的序列化和反序列化方法的实现；
5)数据安全与隐私保护：实施适当的安全措施，以防止数据泄露或被未授权访问；包括数据加密、用户身份验证、访问控制方法；同时，应遵守相关的数据隐私法律和规定；在处理包含个人信息的数据时应获得患者的同意，并确保其信息的匿名性和保密性。
3.如权利要求1所述原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，所述数据分析模块分析方法如下：
(1)从预设数据库中获取原发性肝痛患者病情进展过程中的临床数据，并基于预设关键指标项数据对所述临床数据进行筛选，得到样本临床数据；
(2)通过数据分析算法基于机器学习和人工智能的算法对样本临床数据提取有用的信息，并生成关键医疗指标；采用预设层次聚类算法，分阶段对所述样本临床数据中的检验数据进行聚类，得到多个聚类结果；
(3)根据关键医疗指标及针对每一个聚类结果中的检验数据对应的所述样本临床数据进行统计分析，得到目标分析结果。
4.如权利要求3所述原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，所述基于预设关键指标项数据对所述临床数据进行筛选，得到样本临床数据，包括：
在所述临床数据中，选取包含全部预设关键指标项且各所述预设关键指标项数据有效的数据，作为所述样本临床数据。
5.如权利要求4所述原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，所述预设关键指标项，包括对原发性肝痛症诊断和预后有关联的多个预设类别的抗核抗体；
所述采用预设层次聚类算法，分阶段对所述样本临床数据中检验数据进行聚类，得到多个聚类结果，包括：
采用各所述检验数据间的对数似然距离对所述样本临床数据进行预分组，得到相应的预分组结果；
基于所述预分组结果，进行平衡迭代聚类得到所述多个聚类结果。
6.如权利要求1所述原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，所述治疗方案评估模块评估方法如下：
1)获取包含治疗药物的当前原发性肝痛症治疗方案；从所述当前原发性肝痛症治疗方案的中确定所述治疗药物的数据项；
2)将所述治疗药物的数据项输入预先训练完成的所述治疗药物的计算模型，输出所述治疗药物的标准化原发性肝痛症治疗方案；
3)如果所述标准化原发性肝痛症治疗方案与所述当前原发性肝痛症治疗方案存在不同的评价指标，基于不同的所述评价指标生成所述当前原发性肝痛症治疗方案的提示信息；
所述当前原发性肝痛症治疗方案包括：医嘱、所述治疗药物的使用情况和血液报告；所述治疗药物的数据项包括：所述治疗药物的名称、医嘱开始时间、医嘱结束时间、所述治疗药物的服用方式、入院诊断、所述治疗药物的辅助药剂名称、医嘱执行时间、所述血液报告的生成时间和所述血液报告的指标；
从所述当前原发性肝痛症治疗方案的中确定所述治疗药物的数据项的步骤，包括：
从所述医嘱中确定所述治疗药物的名称、所述医嘱开始时间、所述医嘱结束时间和所述治疗药物的服用方式；
在患者使用所述治疗药物之后，基于所述治疗药物的使用情况确定所述入院诊断、所述治疗药物的辅助药剂名称和所述医嘱执行时间；
从所述血液报告中确定所述血液报告的生成时间和所述血液报告的指标；
所述治疗药物的计算模型通过以下方式构建：
获取所述治疗药物的原发性肝痛症治疗指南，基于所述治疗药物的原发性肝痛症治疗指南构建所述治疗药物的应用知识库；
基于所述治疗药物的应用知识库确定所述治疗药物的评价指标，基于所述治疗药物的评价指标构建所述治疗药物的评价指标库；
获取所述治疗药物的历史数据项，基于所述评价指标库确定所述历史数据项对应的历史评价指标；
基于所述历史数据项和所述历史评价指标构建所述治疗药物的计算模型。
7.一种实施如权利要求1-6任意一项所述原发性肝痛患者参与治疗决策辅助支持系统的原发性肝痛患者参与治疗决策辅助支持方法，其特征在于，所述原发性肝痛患者参与治疗决策辅助支持方法包括：
步骤一，通过患者数据采集模块利用医疗设备采集患者的血压、心率和体温；通过影像采集模块利用医疗影像设备获取患者的影像学数据；
步骤二，中央控制模块通过数据存储模块利用云服务器存储从患者数据采集设备和影像学数据设备获取的数据；
步骤三，通过数据分析模块利用数据分析算法基于机器学习和人工智能的算法对处理患者数据，提取有用的信息，并生成关键医疗指标；
步骤四，通过治疗数据库构建模块构建治疗方案数据库；所述治疗方案数据库包括各种不同的治疗选项，包括药物治疗、手术选项、康复计划；通过治疗方案评估模块利用评估程序对治疗方案进行评估；
步骤五，通过决策支持模块利用决策支持算法基于患者的反馈和医生的意见，不断优化和调整治疗建议，提供最佳的治疗决策支持；
步骤六，通过显示模块利用显示设备向医生和患者展示治疗建议和相关信息。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求7任意一项所述原发性肝痛患者参与治疗决策辅助支持方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求7任意一项所述原发性肝痛患者参与治疗决策辅助支持方法的步骤。
10.一种基于人工智能的原发性肝痛患者参与治疗决策辅助支持系统，其特征在于，该系统具备以下模块：
患者智能数据采集模块，实时通过医疗和可穿戴设备监控患者的生理与行为特征；
智能影像采集与解析模块，自动解析并与标准数据库对比识别异常部位；
中央AI控制模块，利用深度学习技术分析各模块数据，预测病情变化并自动调整模块工作参数；
智能数据存储与加密模块，保障患者个人和医疗数据的安全性；
数据深度分析模块，通过先进AI算法提取关键医疗指标并预测病情趋势；
治疗数据库自适应构建模块，能自动根据最新研究和技术进展更新；
智能治疗方案评估模块，自动评估并排序各治疗方案的预期效果与风险；
AI决策支持模块，基于自学习完善决策模型，提供更加精准的治疗建议；
互动显示模块，采用AR/VR技术与语音、手势操作，为医生和患者提供沉浸式诊断和治疗展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311335709.2A CN117524459A (zh) | 2023-10-16 | 2023-10-16 | 一种原发性肝痛患者参与治疗决策辅助支持系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311335709.2A CN117524459A (zh) | 2023-10-16 | 2023-10-16 | 一种原发性肝痛患者参与治疗决策辅助支持系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117524459A true CN117524459A (zh) | 2024-02-06 |
Family
ID=89759626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311335709.2A Pending CN117524459A (zh) | 2023-10-16 | 2023-10-16 | 一种原发性肝痛患者参与治疗决策辅助支持系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117524459A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118173236A (zh) * | 2024-05-14 | 2024-06-11 | 恺恩泰(南京)科技有限公司 | 一种慢病的平台信息管理系统 |
-
2023
- 2023-10-16 CN CN202311335709.2A patent/CN117524459A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118173236A (zh) * | 2024-05-14 | 2024-06-11 | 恺恩泰(南京)科技有限公司 | 一种慢病的平台信息管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20160203280A1 (en) | Methods and systems of delivering a probability of a medical condition | |
| KR102558021B1 (ko) | 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법 | |
| US20160342753A1 (en) | Method and apparatus for healthcare predictive decision technology platform | |
| US20150339442A1 (en) | Computational medical treatment plan method and system with mass medical analysis | |
| US20130024213A1 (en) | Method and system for guided, efficient treatment | |
| EP3077933A1 (en) | Computational medical treatment plan method and system with mass medical analysis | |
| CN110136837A (zh) | 一种医疗数据处理平台 | |
| Barnes et al. | Artificial intelligence-enabled wearable medical devices, clinical and diagnostic decision support systems, and Internet of Things-based healthcare applications in COVID-19 prevention, screening, and treatment | |
| WO2019136137A1 (en) | System and method for automated healthcare service | |
| Arvindhan et al. | A review of challenges and opportunities in machine learning for healthcare | |
| US20130275050A1 (en) | Methods and systems for integrated health systems | |
| Chakraborty et al. | Big-data, iot wearable and mhealth cloud platform integration triads-a logical way to patient-health monitoring | |
| CN117524459A (zh) | 一种原发性肝痛患者参与治疗决策辅助支持系统和方法 | |
| Vyas et al. | Smart health systems: Emerging trends | |
| Shastry et al. | An integrated deep learning and natural language processing approach for continuous remote monitoring in digital health | |
| Miller et al. | Insights and trends review: artificial intelligence in hand surgery | |
| Alamri | Big data with integrated cloud computing for prediction of health conditions | |
| CN117216322A (zh) | 一种电子病历的生成方法、装置、设备及存储介质 | |
| Borovska et al. | Internet of medical imaging Things and analytics in support of precision medicine for early diagnostics of thyroid cancer | |
| Data et al. | Defining the patient cohort | |
| Rayan | Machine learning for smart health care | |
| Ratnakar et al. | Smart Innovative Medical Devices Based on Artificial Intelligence | |
| Nithya | Study on predictive analytics practices in health care system | |
| Rayan et al. | Deep learning for health and medicine | |
| Gabrani et al. | Revolutionizing Healthcare: Impact of Artificial Intelligence in Disease Diagnosis, Treatment, and Patient Care |
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 |