CN117577262A - 一种基于大语言模型技术的智能动态血压管理方法与系统 - Google Patents
一种基于大语言模型技术的智能动态血压管理方法与系统 Download PDFInfo
- Publication number
- CN117577262A CN117577262A CN202311410697.5A CN202311410697A CN117577262A CN 117577262 A CN117577262 A CN 117577262A CN 202311410697 A CN202311410697 A CN 202311410697A CN 117577262 A CN117577262 A CN 117577262A
- Authority
- CN
- China
- Prior art keywords
- data
- blood pressure
- patient
- medical record
- intelligent
- 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
- 230000036772 blood pressure Effects 0.000 title claims abstract description 116
- 238000007726 management method Methods 0.000 title claims abstract description 56
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 230000036541 health Effects 0.000 claims abstract description 28
- 238000009530 blood pressure measurement Methods 0.000 claims abstract description 6
- 206010020772 Hypertension Diseases 0.000 claims description 30
- 239000008280 blood Substances 0.000 claims description 21
- 210000004369 blood Anatomy 0.000 claims description 21
- 239000003814 drug Substances 0.000 claims description 19
- 229940079593 drug Drugs 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 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 8
- 201000010099 disease Diseases 0.000 claims description 8
- 239000008103 glucose Substances 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 7
- 229940127088 antihypertensive drug Drugs 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 150000002632 lipids Chemical class 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 206010003658 Atrial Fibrillation Diseases 0.000 claims description 4
- 208000032928 Dyslipidaemia Diseases 0.000 claims description 4
- 208000017170 Lipid metabolism disease Diseases 0.000 claims description 4
- 208000006011 Stroke Diseases 0.000 claims description 4
- 230000004872 arterial blood pressure Effects 0.000 claims description 4
- 208000029078 coronary artery disease Diseases 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 3
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 claims description 3
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 claims description 3
- 108010074051 C-Reactive Protein Proteins 0.000 claims description 3
- 102000017011 Glycated Hemoglobin A Human genes 0.000 claims description 3
- 108010014663 Glycated Hemoglobin A Proteins 0.000 claims description 3
- 206010019280 Heart failures Diseases 0.000 claims description 3
- 208000031226 Hyperlipidaemia Diseases 0.000 claims description 3
- 102400001263 NT-proBNP Human genes 0.000 claims description 3
- 206010028980 Neoplasm Diseases 0.000 claims description 3
- 208000018262 Peripheral vascular disease Diseases 0.000 claims description 3
- 230000001919 adrenal effect Effects 0.000 claims description 3
- 208000037849 arterial hypertension Diseases 0.000 claims description 3
- 208000011775 arteriosclerosis disease Diseases 0.000 claims description 3
- 230000036760 body temperature Effects 0.000 claims description 3
- 230000000747 cardiac effect Effects 0.000 claims description 3
- 208000020832 chronic kidney disease Diseases 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 206010012601 diabetes mellitus Diseases 0.000 claims description 3
- 230000035487 diastolic blood pressure Effects 0.000 claims description 3
- 239000000539 dimer Substances 0.000 claims description 3
- 239000003792 electrolyte Substances 0.000 claims description 3
- 235000021588 free fatty acids Nutrition 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000035931 haemagglutination Effects 0.000 claims description 3
- 229940088597 hormone Drugs 0.000 claims description 3
- 239000005556 hormone Substances 0.000 claims description 3
- 230000002757 inflammatory effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000003907 kidney function Effects 0.000 claims description 3
- 210000004185 liver Anatomy 0.000 claims description 3
- 230000002503 metabolic effect Effects 0.000 claims description 3
- 208000001797 obstructive sleep apnea Diseases 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 108010008064 pro-brain natriuretic peptide (1-76) Proteins 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000000391 smoking effect Effects 0.000 claims description 3
- 230000004206 stomach function Effects 0.000 claims description 3
- 230000035488 systolic blood pressure Effects 0.000 claims description 3
- 230000002485 urinary effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 238000011282 treatment Methods 0.000 description 7
- 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 6
- 230000002526 effect on cardiovascular system Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000002220 antihypertensive agent Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 230000002641 glycemic effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000002699 waste material Substances 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H40/60—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 operation of medical equipment or devices
- G16H40/67—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 operation of medical equipment or devices for remote operation
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Psychology (AREA)
- Business, Economics & Management (AREA)
- Nutrition Science (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Biophysics (AREA)
- Social Psychology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medicinal Chemistry (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Physical Education & Sports Medicine (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于大语言模型技术的智能动态血压管理方法与系统,采集患者基础病历信息,并上传至云服务器;利用云服务器提取病历关键数据,并存储到患者基线信息数据库中;大语言模型根据患者基础病历数据制定个性化监测计划;根据监测计划,定期进行动态血压测量,并传输数据到云服务器;大语言模型调用算法分析患者24小时动态血压数据,计算出关键参数;大语言模型结合患者基础病历信息及血压监测关键参数进行分析,提供健康管理建议;系统包含有多个智能血压计终端、患者终端及云服务器,云服务器与各智能血压计终端和患者终端连接,其结合患者基础病历信息及血压监测关键参数进行分析,提供健康管理建议,达到对患者动态血压的精准管理。
Description
技术领域
本发明涉及健康评估技术领域,具体涉及一种基于大语言模型技术的智能动态血压管理方法与系统。
背景技术
高血压是我国最常见的疾病之一,也是世界第一大威胁生命的因素,其导致的心脑血管疾病死亡归因高达64%。高血压患者出院后,需要通过长期的健康管理和诊疗随访来控制血压达标,以减少严重心脑血管并发症的出现。目前,判断血压是否达标的方式主要有诊室血压、家庭自测血压和动态血压,其中动态血压监测是目前国内外公认的判断血压达标的“金标准”。由于高血压极易导致严重心脑血管并发症,在患者院后康复期间需要科学监测血压,以便医生准确了解患者的心脏状况。
现阶段国内动态血压监测服务主要由医院购买价格达到几万元一台的动态血压设备,以及专业的动态血压报告信息系统,由心脏检查科专家根据数据出具动态血压报告,再由患者的主治医生根据患者各项指标结合报告给出用药建议。该流程复杂且漫长,要求患者至少亲自去2次医院,同时,所产生的院内血压数据往往只存在于厂商的独立系统中,与院内数据无法打通而成为信息孤岛,不能支持将患者在家庭中的真实动态血压数据与临床数据结合来达到精准治疗、支持科研的目的。
近年陆续出现了千元级别、支持家庭自测的动态血压计产品,此类产品通过互联网商城进行销售,给用户配备App或小程序,支持患者家庭自测动态血压,通过互联网将数据上传至报告审核医生处,由医生出具报告,患者通过手机查看报告、在线咨询医生。但此类产品只提供单一的动态血压监测服务,没有有效方式采集患者基线数据支撑高血压危险因素分级、冠心病风险预测、房颤风险预测、卒中风险筛查等和血压数据有关的心脑血管风险预测。
由于现有技术采用患者手动提供相关病情资料和各项数据,容易出现缺漏和错误,不但容易对医生的判断造成影响,而且会浪费医生大量的时间向患者要求所需的医疗数据。且由于患病群体往往会产生恐慌和拖延等心理,出院后经常会发生直到出现严重症状才去咨询医生、或没有病情变化却频繁向医生发问等情况,导致患者预后的严重不良后果,以及医疗资源的浪费。
发明内容
为了解决上述所存在的技术问题,精准采集患者基线数据、检查与检验数据,与患者动态血压数据结合达到对患者动态血压的管理,为此,本发明提供了一种基于大语言模型技术的智能动态血压管理方法与系统。
所采用的技术方案如下:
一方面,本发明提供了一种基于大语言模型技术的智能动态血压管理方法,所述方法包括如下步骤:
采集患者基础病历信息,并上传至云服务器;
利用云服务器提取病历关键数据,并存储到患者基线信息数据库中;
大语言模型根据患者基础病历数据制定个性化监测计划;
根据监测计划,定期进行动态血压测量,并传输数据到云服务器;
大语言模型调用算法分析患者24小时动态血压数据,计算出关键参数;
大语言模型结合患者基础病历信息及血压监测关键参数进行分析,提供健康管理建议。
优选地,所述的关键参数包括:晨峰血压、日夜差、血压变异系数、平滑指数、日夜血压曲线类型、动脉压标准差、收缩压变异差、舒张压变异系数中的一种或几种。
进一步地,大语言模型查询知识库,根据患者基础病历数据识别患者高血压、血糖、血脂异常信息,制定出包括测量时间和频率的个性化监测计划。
优选地,所述的患者基线信息数据库中包括:
基线数据:身高、体重、心率、体温、呼吸、血压、高血压、冠心病、房颤、心力衰竭、糖尿病、卒中、TIA、慢性肾病、OSAHS、高脂血症、周围血管病和吸烟数据;
检验数据:D-二聚体、肾上腺相关激素、血游离脂肪酸、遗传代谢筛查、肿瘤标志物、甲功、胃功能三项、炎症因子六项、血脂、空腹血糖、糖化血红蛋白、肾功、肝生化、电解质、尿PH、血凝常规、NT-proBNP、BNP、心肌标志物、血常规、CRP、Hs-CRP和高血压筛查项目检验项目数据;
检查数据:心脏超声、颈动脉超声、动脉硬化检测、动态心电图、动态血压和冠脉CTA数据。
进一步地,大语言模型结合患者基础病历信息及血压监测关键参数,通过预训练的神经网络模型对抗高血压用药方案进行智能优化,其具体方法是:将患者的年龄、性别、基线血压、用药信息作为神经网络模型输入;将动态血压监测数据作为时间序列输入神经网络模型;神经网络模型自动学习血压变化规律和用药响应,并输出增加或减少某类用药的概率预测。
另一方面,本发明还提供了一种基于大语言模型技术的智能动态血压管理系统,所述系统包括:
多个智能血压计终端,用于血压测量并传输数据;
患者终端,其与对应的所述智能血压计终端连接,用于采集患者病历数据及数据交互与咨询问答;
云服务器,其与各所述智能血压计终端和患者终端连接,用于接收和存储对应患者的血压数据,并利用大语言模型结合患者基础病历信息及血压监测关键参数进行智能分析,提供健康管理建议。
进一步地,所述云服务器中包括:
患者基线信息数据库,用于存储患者的基础病历信息、动态血压监测数据和健康数据;
知识库,包括《中国高血压临床实践指南》、《2018ESC/ESH Guidelines for themanagement of arterial hypertension》、《NICE Guideline[NG136]Hypertension inadults:diagnosis and management》;
大语言模型,利用所述知识库和患者基线信息数据库进行智能问答、监测计划制定和数据分析,其包括:
数据处理模块,用于对患者疾病数据和检测数据进行清洗和重构处理;
数据分析模块,用于对患者疾病数据与监测数据进行综合分析;
监测方案自动生成模块,根据患者的基础病历数据,制定监测计划;
健康管理建议模块,其结合患者基础病历信息及综合分析结果,提供健康管理建议;
随访智能提醒模块,用于对患者进行智能问答与随访提醒。
更进一步地,所述云服务器中还包括:
OCR模块,用于识别病历中的文本和数据;
多源异构数据融合模块,用于融合结构化和非结构化数据。
本发明技术方案具有如下优点:
A.本发明将患者基础病历数据与患者的动态血压数据结合,为监测患者提供智能的动态血压测量计划调整及基于患者数据的高血压相关风险计算,根据风险预测、基线数据、指南规定为用户提供准确的个性化动态医疗处理。
B.本发明结合患者的基础病历数据以及24小时动态血压数据,大语言模块根据预训练的神经网络模型对抗高血压用药方案进行智能优化,对患者进行自动测量计划调整,并给出处理意见,降低患者由高血压管理不当引起的各类恶性心脑血管疾病。
C.针对高血压疾病的智能临床信息提问、提取,系统中的大语言模块根据临床指南与经验自动识别与判断,生成药物疗效及生活习惯的学习,让大语言模型人工智能助手辅助管理患者降压,既方便患者及时了解自身血压及其他心血管病风险控制情况,又方便医生的进一步咨询、诊断,让数据和基于数据的医疗知识与规则更加清晰可用,让基于互联网的远程慢病管理更加精准和有效率。
附图说明
为了更清楚地说明本发明具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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是本发明所提供的智能动态血压管理方法流程图;
图2是本发明所提供的智能动态血压管理系统组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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。
如图1所示,本发明提供了一种基于大语言模型技术的智能动态血压管理方法,包括如下步骤:
【S01】采集患者基础病历信息,并上传至云服务器。
其中的患者基础病历信息包括至少三部分内容:
(1)基线数据:身高、体重、心率、体温、呼吸、血压、高血压、冠心病、房颤、心力衰竭、糖尿病、卒中、TIA、慢性肾病、OSAHS、高脂血症、周围血管病、吸烟等;
(2)检验数据:D-二聚体、肾上腺相关激素、血游离脂肪酸、遗传代谢筛查、肿瘤标志物、甲功、胃功能三项、炎症因子六项、血脂、空腹血糖、糖化血红蛋白、肾功、肝生化、电解质、尿PH、血凝常规、NT-proBNP、BNP、心肌标志物、血常规、CRP、Hs-CRP、高血压筛查项目等检验项目数据;
(3)检查数据:心脏超声、颈动脉超声、动脉硬化检测、动态心电图、动态血压、冠脉CTA等检查数据。
将上述所得到的病历数据上传到云服务器进行分析、处理。
【S02】利用云服务器提取病历关键数据,并存储到患者基线信息数据库中。
对于患者的病历照片,可以通过云服务器中的OCR模块对照片进行处理及智能结构化数据采集,并转换为高血压患者基线数据进行存储。
【S03】大语言模型根据患者基础病历数据制定个性化监测计划。
大语言模型结合知识库,对基础病历数据做出识别,识别出患者高血压、血糖、血脂异常等信息,据此制定包括测量时间和频率的个性化监测计划。
比如:患者:张先生,年龄:50岁、病史:高血压(5年),2型糖尿病(新诊断),家族中有心脏病史,生活方式:久坐的工作,不定期锻炼,饮食中高盐高糖,近期检查结果:血压:150/95mmHg、空腹血糖:7.2mmol/L(正常范围:3.9-5.5)、HbA1c:8.0%(正常范围:<6.5%)、胆固醇:200mg/dL(正常范围:<200)、制定监测计划:
鉴于患者有持续的高血压史和高风险的家族史,大语言模型建议他每天至少测量两次血压,一次在早晨起床后,一次在晚上睡觉前。每个月做一次24小时动态血压监测。大语言模型会持续监测他的血压读数,并注意任何异常的波动,这些可能需要进一步的医疗评估。
由于该患者是新诊断的2型糖尿病,并且HbA1c水平显示血糖控制不佳,所以大语言模型会提醒他需要每天进行多次血糖监测。建议他在每天的以下时段测量血糖:空腹(早餐前)、午餐后2小时、晚餐后2小时,以及睡前。这有助于了解他的血糖如何随餐食和活动变化。
鉴于患者的总胆固醇水平略高,大语言模型会提醒他定期(例如每6个月)进行血脂全面检查,以监控他的胆固醇和其他血脂水平。
大语言模型同时会为他提供生活方式干预:建议记录他的饮食和活动,以帮助识别可能需要改变的不良习惯。例如,减少高盐高糖食物的摄入,每周至少进行150分钟的中等强度有氧运动(如快步走)。
大语言模型同时提醒患者注意医疗随访:应每3-6个月就医一次,以评估他的健康状况和管理计划。此外,如果他注意到任何不寻常的健康变化(例如,头晕、胸痛、血糖读数的显著变化),他应立即联系医生。
通过这种综合方法,该患者可以更积极地参与自己的健康管理,医疗专业人员也可以根据实时数据调整治疗方案。这种个性化的、数据驱动的方法有助于更好地控制张先生的条件,并可能减少心血管疾病等并发症的风险。
【S04】根据监测计划,定期进行动态血压测量,并传输数据到云服务器。
根据所制定的监测计划,准时测量患者的动态血压,比如日间每15或30分钟一次,夜间每30或60分钟一次。当然,根据患者的基础病历数据与实时变化的动态血压监测数据,自动反馈给大语言模型,大语言模型会根据学会的指南文献规则自动调整血压测量频率,还可以对测量时间和频率做出实时调整。
【S05】大语言模型调用算法分析患者24小时动态血压数据,计算出关键参数。
24小时数据动态血压数据生成后,大语言模型会根据预训练学习过的China-PAR、Charge-AF、Essen、CHA2DS2-Vasc、Khorana、高血压危险因素分层的算法对患者风险进行计算,得到晨峰血压、日夜差、血压变异系数、平滑指数、日夜血压曲线类型、动脉压标准差、收缩压变异差、舒张压变异系数中的一种或几种关键参数。
大语言模型还基于患者基础病历信息及24小时动态血压报告的数据,通过预训练的神经网络模型对抗高血压用药方案进行智能优化,具体方法是:
大语言模型结合患者基础病历信息及血压监测关键参数,其具体方法是:将患者的年龄、性别、基线血压、用药信息作为神经网络模型输入;将动态血压监测数据作为时间序列输入神经网络模型;神经网络模型自动学习血压变化规律和用药响应,并输出增加或减少某类用药的概率预测。
【S06】大语言模型结合患者基础病历信息及血压监测关键参数进行分析,提供健康管理建议。
大语言模型基于患者数据、风险预测,通过解析医学文献、指南等知识,使用逻辑推理和自然语言生成算法,输出系统化的用药调整建议和健康管理建议,并提供问答咨询。
以下是所提供的健康管理建议,例如:
生活方式调整:
“我们注意到您的夜间血压显著升高,建议您减少咖啡因和酒精的摄入,提早睡觉,并尝试放松技巧以改善睡眠质量。”
药物治疗建议:
“鉴于您的血压日夜差异显著,我们建议您咨询医生是否需要调整您的降压药物剂量或服用时间。”
进一步检查:
“您的血压变异系数较高,表明您的血压不稳定。我们建议您进行进一步的心血管评估,以排除潜在的健康问题。”
定期监测和随访:
“请继续按照个性化监测计划记录血压,并定期复查,以便及时调整治疗方案。”
如图2所示,本发明还提供了一种基于大语言模型技术的智能动态血压管理系统,系统包括:多个智能血压计终端、患者终端和云服务器。
多个智能血压计终端优选为便携式NB电子血压计,用于血压测量并传输数据;患者终端与对应的智能血压计终端连接,用于采集患者病历数据及数据交互与咨询问答;云服务器与各智能血压计终端和患者终端连接,用于接收和存储对应患者的血压数据,并利用大语言模型进行智能分析处理;医生终端与患者终端和云服务器连接,医生可通过医生终端查看监测数据,并提供诊疗建议或诊疗审核修改。
云服务器与各智能血压计终端和患者终端连接,用于接收和存储对应患者的血压数据,并利用大语言模型结合患者基础病历信息及血压监测关键参数进行智能分析处理,提供健康管理建议。云服务器包括:患者基线信息数据库、知识库、大语言模型、OCR模块和多源异构数据融合模块。
患者基线信息数据库用于存储患者的基础病历信息、动态血压监测数据和健康数据;知识库包括《中国高血压临床实践指南》、《2018ESC/ESH Guidelines for themanagement of arterial hypertension》、《NICE Guideline[NG136]Hypertension inadults:diagnosis and management》;OCR模块用于识别病历中的文本和数据;多源异构数据融合模块用于融合结构化和非结构化数据,再通过大语言模型进行分析处理。
大语言模型利用知识库和患者基线信息数据库进行智能问答、监测计划制定和数据分析,其包括:数据处理模块、数据分析模块、监测方案自动生成模块、健康管理建议模块和随访智能提醒模块等。数据处理模块用于对患者疾病数据和检测数据进行清洗和重构处理;数据分析模块用于对患者疾病数据与监测数据进行综合分析;监测方案自动生成模块根据患者的基础病历数据,制定监测计划;健康管理建议模块结合患者基础病历信息及综合分析结果,提供健康管理建议;随访智能提醒模块用于对患者进行智能问答与随访提醒。
大语言模型基于患者数据,通过解析医学文献、指南等知识,使用逻辑推理和自然语言生成算法,输出系统化的用药调整建议和健康管理建议,患者可以通过患者终端查看到,并依据用药调整建议和管理建议执行。
实施例:
(1)患者:王某,年龄:58岁,女性,既往有高血压史10年。王某进行常规体检,检查出空腹血糖略高,血脂异常,并有肥胖症。
(2)王某在微信中注册用户,绑定智能血压计,并拍照上传近期血常规、生化全项检查报告。
(3)系统调用OCR模块,自动提取报告中的各项检查数据,并存储到患者基线信息数据库。
(4)大语言模型查询知识库,识别王某得高血压、血糖、血脂异常等信息,据此制定个性化监测计划,确定他的测量时间是26小时(针对最后一次用药时间,所以延长2小时测量),频率是白天20分钟一次,晚上45个小时一次。
(5)根据监测计划,智能血压计定期进行测量,并通过NB-IoT网络将数据传输到云云服务器。
(6)大语言模型调用算法分析24小时动态血压数据,计算出晨峰血压为12、平均动脉压平均值96,平均动脉标准差11,日夜曲线类型是反勺型及其他关键参数。
(7)大语言模型综合考虑王某的年龄、病史以及血压监测数据,利用预训练的神经网络模型,预测增加降压药物剂量的概率为82%。
(8)大语言模型查询知识库,自动生成用药调整建议:增加轻舒坦5mg,每日1次。
(9)大语言模型还综合生成健康管理建议:适当增加运动,控制饮食等。
(10)医生查看监测报告和用药建议,进行审核,并下发确认后的用药和健康管理建议给王某。
(11)区块链技术用于保护患者隐私,使得健康数据可追踪且不可篡改。
综上,该示例描述了智能动态血压管理系统基于患者具体信息的具体应用流程,包括数据采集、智能分析、用药推荐等功能的实现。
大量患者通过上传24小时动态血压监测数据实现居家血压管理、通过患者终端进行咨询,会积累大量标准化、可分析、可追踪的高血压患者真实世界血压管理与多模态生物信息变化数据。这些数据进入到本发明系统的科研模块,可以支持平台医生对中国的高血压患者在真实世界中的血压控制策略及其效果进行验证和研究,进而真正提出符合中国人的血压精准控制策略。
同时,本发明系统以低功耗5GNB芯片为网络传输机制、智能手机微信小程序操控、智能云平台为基础实现居家场景下的多模态生物信息采集、实时传输、大语言模型加持下的医学分析,可大大降低患者居家慢病管理的经济成本和时间成本。
本发明未述及之处均适用于现有技术。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (8)
1.一种基于大语言模型技术的智能动态血压管理方法,其特征在于,
采集患者基础病历信息,并上传至云服务器;
利用云服务器提取病历关键数据,并存储到患者基线信息数据库中;
大语言模型根据患者基础病历数据制定个性化监测计划;
根据监测计划,定期进行动态血压测量,并传输数据到云服务器;
大语言模型调用算法分析患者24小时动态血压数据,计算出关键参数;
大语言模型结合患者基础病历信息及血压监测关键参数进行分析,提供健康管理建议。
2.根据权利要求1所述的智能动态血压管理方法,其特征在于,所述的关键参数包括:晨峰血压、日夜差、血压变异系数、平滑指数、日夜血压曲线类型、动脉压标准差、收缩压变异差、舒张压变异系数中的一种或几种。
3.根据权利要求1所述的智能动态血压管理方法,其特征在于,大语言模型查询知识库,根据患者基础病历数据识别患者高血压、血糖、血脂异常信息,制定出包括测量时间和频率的个性化监测计划。
4.根据权利要求1所述的智能动态血压管理方法,其特征在于,所述的患者基线信息数据库中包括:
基线数据:身高、体重、心率、体温、呼吸、血压、高血压、冠心病、房颤、心力衰竭、糖尿病、卒中、TIA、慢性肾病、OSAHS、高脂血症、周围血管病和吸烟数据;
检验数据:D-二聚体、肾上腺相关激素、血游离脂肪酸、遗传代谢筛查、肿瘤标志物、甲功、胃功能三项、炎症因子六项、血脂、空腹血糖、糖化血红蛋白、肾功、肝生化、电解质、尿PH、血凝常规、NT-proBNP、BNP、心肌标志物、血常规、CRP、Hs-CRP和高血压筛查项目检验项目数据;
检查数据:心脏超声、颈动脉超声、动脉硬化检测、动态心电图、动态血压和冠脉CTA数据。
5.根据权利要求1所述的智能动态血压管理方法,其特征在于,大语言模型结合患者基础病历信息及血压监测关键参数,通过预训练的神经网络模型对抗高血压用药方案进行智能优化,其具体方法是:将患者的年龄、性别、基线血压、用药信息作为神经网络模型输入;将动态血压监测数据作为时间序列输入神经网络模型;神经网络模型自动学习血压变化规律和用药响应,并输出增加或减少某类用药的概率预测。
6.一种基于大语言模型技术的智能动态血压管理系统,其特征在于,所述系统包括:
多个智能血压计终端,用于血压测量并传输数据;
患者终端,其与对应的所述智能血压计终端连接,用于采集患者病历数据及数据交互与咨询问答;
云服务器,其与各所述智能血压计终端和患者终端连接,用于接收和存储对应患者的血压数据,并利用大语言模型结合患者基础病历信息及血压监测关键参数进行智能分析处理,提供健康管理建议。
7.根据权利要求6所述的智能动态血压管理系统,其特征在于,所述云服务器中包括:
患者基线信息数据库,用于存储患者的基础病历信息、动态血压监测数据和健康数据;
知识库,包括《中国高血压临床实践指南》、《2018ESC/ESH Guidelines for themanagement of arterialhypertension》、《NICE Guideline[NG136]Hypertension inadults:diagnosis and management》;
大语言模型,利用所述知识库和患者基线信息数据库进行智能问答、监测计划制定和数据分析,其包括:
数据处理模块,用于对患者疾病数据和检测数据进行清洗和重构处理;
数据分析模块,用于对患者疾病数据与监测数据进行综合分析;
监测方案自动生成模块,根据患者的基础病历数据,制定监测计划;
健康管理建议模块,其结合患者基础病历信息及综合分析结果,提供健康管理建议;
随访智能提醒模块,用于对患者进行智能问答与随访提醒。
8.根据权利要求7所述的智能动态血压管理系统,其特征在于,所述云服务器中还包括:
OCR模块,用于识别病历中的文本和数据;
多源异构数据融合模块,用于融合结构化和非结构化数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311410697.5A CN117577262A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大语言模型技术的智能动态血压管理方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311410697.5A CN117577262A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大语言模型技术的智能动态血压管理方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117577262A true CN117577262A (zh) | 2024-02-20 |
Family
ID=89888962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311410697.5A Pending CN117577262A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大语言模型技术的智能动态血压管理方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117577262A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117954134A (zh) * | 2024-03-26 | 2024-04-30 | 北京大学第三医院(北京大学第三临床医学院) | 一种基于大语言模型的患者健康监测和干预系统 |
-
2023
- 2023-10-27 CN CN202311410697.5A patent/CN117577262A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117954134A (zh) * | 2024-03-26 | 2024-04-30 | 北京大学第三医院(北京大学第三临床医学院) | 一种基于大语言模型的患者健康监测和干预系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rachas et al. | Interactive telemedicine: effects on professional practice and health care outcomes | |
Hermida et al. | Modeling the circadian variability of ambulatorily monitored blood pressure by multiple-component analysis | |
US11742062B1 (en) | Mobile algorithm-based vascular health evaluation processes | |
KR20080004125A (ko) | 원격 검진/건강관리 시스템 | |
JP2002056099A (ja) | 健康管理システム | |
WO2020013230A1 (ja) | ヘルスケア管理方法 | |
CN117577262A (zh) | 一种基于大语言模型技术的智能动态血压管理方法与系统 | |
Corbett et al. | Cognition and understanding of neuropathy of inpatients admitted to a specialized tertiary diabetic foot unit with diabetes-related foot ulcers | |
Savaridass et al. | Development of smart health monitoring system using Internet of Things | |
CN114067940A (zh) | 健康管理方法和存储介质 | |
Alluhaidan et al. | Designing patient-centered mHealth technology intervention to reduce hospital readmission for heart-failure patients | |
Song et al. | Association of simultaneously measured four-limb blood pressures with cardiovascular function: a cross-sectional study | |
Jehn et al. | Racial differences in diurnal blood pressure and heart rate patterns: results from the Dietary Approaches to Stop Hypertension (DASH) trial | |
Zulfiqar et al. | Telemedicine and cardiology in the elderly in France: inventory of experiments | |
Okoro et al. | Diabetic care in Nigeria: report of a self-audit | |
JP2005287837A (ja) | ヘルスケア情報提供方法およびシステム、ならびにヘルスケア情報提供プログラム | |
CN115641939A (zh) | 老年人临床营养状态评估、诊断及营养治疗智能建议系统 | |
CN115827554A (zh) | 一种心脏康复门诊患者标准化管理方法与装置 | |
Sinclair et al. | Diabetes in care homes | |
Higgs et al. | Screening programme for microvascular complications and hypertension in a community diabetic population | |
Yakushin et al. | Prospects for cardiovascular system telemonitoring in solving tasks in Federal National Project" Generation Seniors" | |
US20230293019A1 (en) | Automatically generating protocols or reports based on sensor data from a mobile device | |
US20230255498A1 (en) | Monitoring users with a mobile device while the users engage in activities | |
US20230293020A1 (en) | Mobile algorithm-based vascular health evaluation processes | |
Ursache et al. | Remote Monitoring of Blood Pressure by using Wireless Devices |
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 |