大模型驱动检后疾病精准分层分类管理系统的制作方法

摘要: 本发明涉及医疗健康数据处理,更具体地说,本发明涉及大模型驱动检后疾病精准分层分类管理系统。背景技术:1、现有检后疾病分层分类系统主要利用关键词规则、医学实体识别...
大模型驱动检后疾病精准分层分类管理系统的制作方法

本发明涉及医疗健康数据处理,更具体地说,本发明涉及大模型驱动检后疾病精准分层分类管理系统。

背景技术:

1、现有检后疾病分层分类系统主要利用关键词规则、医学实体识别、大语言模型语义解析及医学知识图谱,将体检报告中的疾病名称、检查指标、异常描述和临床意图转换为结构化医学信息,再依据临床指南、专家规则及风险阈值输出红、橙、黄、蓝疾病风险等级,解决非结构化报告难解析及人工分级效率不足的问题;

2、在大型体检中心的实际流程中,同一受检者的影像报告、检验结果、既往体检记录及随访信息分别来源于pacs、lis、ris和检后管理系统,数据进入时间与数据结构并不相同,而系统又需要在单份报告进入后短时间内完成风险分层,因此现有处理方式通常围绕当前报告中的疾病实体直接调用固定分级规则或通用知识关系,难以在推理时同步绑定受检者年龄、既往异常、检查指标变化、既往疾病及本次异常之间的个体医学关系;在同一种异常描述进入系统时,具有不同既往健康状态和检查变化轨迹的受检者容易获得相同或相近风险等级,医生复核时还需要重新调取分散数据判断分级依据,表明风险分层结果没有建立在受检者个体医学关系基础上,

3、因此,本技术要解决的技术问题是:如何在多源体检数据分散输入及检后快速分级约束下,将当前异常与受检者个体医学特征建立受检者级医学关联关系,并据此驱动大模型完成个体化疾病风险分层分类。

技术实现思路

1、为了克服现有技术的上述缺陷,本发明的实施例提供大模型驱动检后疾病精准分层分类管理系统,通过以当前异常项目追溯历史同名项目形成证据序列,并结合医学大模型、风险因子图、和积置信传播及约束裁决完成个体化风险分层,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:大模型驱动检后疾病精准分层分类管理系统,包括:

3、边缘接入模块,用于接收影像报告、检验记录、历史体检结果和随访结果,以当前异常项目逆序读取同一受检者历史同名项目,计算异常距离并标记异常方向,生成证据序列;

4、证据构图模块,用于由医学大模型从证据序列提取候选疾病、临床意图和疾病置信值,以候选疾病、检查项目和风险层级为节点,以疾病置信值、指标变化值和医学知识图谱关系为因子,生成风险因子图;

5、概率推演模块,用于对风险因子图执行和积置信传播,依据异常方向传递或截断指标消息,将疾病消息与指标消息相乘得到疾病路径值,按图谱关系因子将疾病路径值传入红橙黄蓝风险层级节点并归一化,得到风险概率;

6、约束裁决模块,用于以临床指南中的检查阈值、病史项和临床意图建立硬约束,以风险因子建立带权软约束,以单因子移除前后的风险概率差更新软约束权重,以不满足核限定和积置信传播重算范围,经加权maxsmt求解生成四色分层结果和换级证据链;

7、现实复核模块,用于通过扩展现实终端将换级证据链叠加至人体空间位置,获取选中证据项并确定换级证据链,由边缘计算节点固定链外风险因子和约束,仅对链内风险因子执行和积置信传播及加权maxsmt重算,更新四色分层结果和检后管理指令。

8、在一个优选地实施方式中,所述边缘接入模块包括边缘计算节点、医疗数据接口和本地存储器,所述边缘接入模块的执行包括:

9、医疗数据接口接收带受检者标识、项目名、检验值、参考下限、参考上限及采集时刻的检验记录,并接收带受检者标识及记录时刻的影像报告、历史体检结果和随访结果,其中,受检者标识为体检系统保存的人员唯一编号,项目名为检验系统保存的检查项目标准名,检验值为检验设备输出的数值,参考下限和参考上限为检验记录随附参考区间的两端数值,采集时刻为检验值生成时刻,影像报告、历史体检结果及随访结果的记录时刻分别为报告签发时刻、体检结果生成时刻及随访提交时刻;

10、边缘计算节点将检验值高于参考上限或低于参考下限的检查项目记为当前异常项目,以当前异常项目的受检者标识和项目名为检索项,按采集时刻由后向前读取项目名相同且采集时刻早于当前异常项目的检验记录,形成历史同名项目。

11、在一个优选地实施方式中,所述边缘接入模块的执行还包括:

12、检验值高于参考上限时,以检验值减参考上限所得数值作为异常距离并标记上向,检验值低于参考下限时,以参考下限减检验值所得数值作为异常距离并标记下向,检验值不低于参考下限且不高于参考上限时将异常距离记零;

13、由当前异常项目沿采集时刻逆序读取历史同名项目,读取至首个异常距离为零的历史同名项目时终止,将当前异常项目与终止位置之间异常距离不为零的历史同名项目按采集时刻升序排列,以排列首条历史同名项目的采集时刻至当前异常项目采集时刻作为取数时段,读取取数时段内的影像报告、历史体检结果和随访结果,并按记录时刻插入历史同名项目与当前异常项目的排列位置,生成证据序列。

14、在一个优选地实施方式中,所述证据构图模块的执行包括:

15、按记录时刻升序读取证据序列中的影像报告正文,将每份影像报告的检查部位、报告正文和记录时刻作为一次输入送入医学大模型,令医学大模型按疾病标准名和临床意图两个字段输出结果,其中,临床意图取建议随访、建议进一步检查、建议治疗中的一项;将每个疾病标准名记为候选疾病,读取组成疾病标准名的每个输出词元条件概率,对各条件概率取对数后求算术平均值并取指数,得到疾病置信值;

16、以候选疾病的疾病标准名检索医学知识图谱中的同名疾病节点,读取与同名疾病节点直接连接的检查项目节点和红橙黄蓝风险层级节点,保留项目名与证据序列中项目名相同的检查项目节点;针对项目名相同且采集时刻相邻的两条检验记录,以后一异常距离占两条异常距离之和的比例作为指标变化值;

17、以候选疾病、各采集时刻的保留检查项目及红橙黄蓝风险层级建立节点,将疾病置信值作为连接候选疾病节点的疾病置信因子,将指标变化值作为连接相邻同名检查项目节点的指标变化因子,将医学知识图谱中疾病节点与检查项目节点之间、疾病节点与风险层级节点之间的直接连接边作为图谱关系因子,生成风险因子图。

18、在一个优选地实施方式中,所述概率推演模块的执行包括:

19、读取风险因子图,将疾病置信因子取值作为候选疾病节点的疾病消息;针对项目名相同且采集时刻相邻的两条检验记录,将采集时刻在先的检验记录记为前记录,将采集时刻在后的检验记录记为后记录,并将指标变化因子取值作为后记录所属检查项目节点的指标消息,未接收指标变化因子的检查项目节点将指标消息取1;

20、针对每个候选疾病节点,将疾病消息与直接连接检查项目节点传入的指标消息逐项相乘,得到疾病路径值,并沿候选疾病节点与风险层级节点之间的图谱关系因子,将疾病路径值传入直接连接的风险层级节点。

21、在一个优选地实施方式中,所述概率推演模块的执行还包括:

22、读取前记录和后记录的异常方向,异常方向相同时,将指标变化值作为后记录所属检查项目节点的指标消息;异常方向不同时,断开前记录所属检查项目节点与后记录所属检查项目节点之间的指标变化因子,将后记录所属检查项目节点的指标消息取1,并停止前记录及更早同名检查项目节点的指标消息向后记录所属检查项目节点传递;

23、分别将进入红、橙、黄、蓝风险层级节点的疾病路径值相加得到四个风险层级值,将四个风险层级值相加得到风险总值,以每个风险层级值除以风险总值得到风险概率。

24、在一个优选地实施方式中,所述约束裁决模块的执行包括:

25、从临床指南逐条读取检查项目名、阈值方向、检查阈值、病史项、临床意图和风险层级,按阈值方向判定证据序列中的检验值是否高于或低于检查阈值并生成阈值判定位,历史体检结果含病史项时将病史判定位记1,医学大模型输出的临床意图与指南条目的临床意图相同时将意图判定位记1,将阈值判定位、病史判定位和意图判定位均为1的指南条目按红、橙、黄、蓝顺序读取,以首个指南条目所列风险层级变量取真建立硬约束,并限定红橙黄蓝四个风险层级变量中一项取真且任意两项不同时取真;

26、针对每个风险因子和风险因子连接的风险层级节点,记录连接风险层级节点的风险概率,单独移除当前风险因子后执行和积置信传播,以移除前风险概率减移除后风险概率所得正值作为软约束权重,差值不为正时将软约束权重记零,恢复当前风险因子,并以风险因子连接的风险层级变量取真建立软约束。

27、在一个优选地实施方式中,所述约束裁决模块的执行还包括:

28、将正权重软约束暂按必须成立项与硬约束共同执行smt求解,无解时读取不满足核,由不满足核内软约束追溯至关联风险因子,从风险因子沿消息入边逆向读取至候选疾病节点或检查项目节点的初始消息,再沿消息出边读取至风险层级节点,将读取到的节点和因子并为重算域,冻结重算域外消息,对不满足核内风险因子逐个执行单因子移除和重算域内和积置信传播,并按移除前后风险概率下降量改写软约束权重;

29、为每个软约束建立放宽位,放宽位取0时强制软约束成立,放宽位取1时取消软约束成立要求,以取1放宽位的软约束权重之和作为分支代价;从全部放宽位取0开始执行smt求解,无解时将不满足核内软约束权重按升序排列,以当前分支代价加首位权重作为分支下界,分支下界不低于已记录有解分支代价时删除当前分支,否则分别将不满足核内一个放宽位置1形成子分支并继续求解,直至待检分支为空,按有解分支代价升序取首个分支的风险层级作为四色分层结果,再逐个移除支持四色分层结果的正权重风险因子并重复重算域内和积置信传播及加权maxsmt求解,风险层级改变时将风险因子来源的检验记录、影像报告和随访结果按采集时刻及记录时刻升序排列,生成换级证据链。

30、在一个优选地实施方式中,所述现实复核模块包括扩展现实终端、位姿传感器和交互控制器,所述现实复核模块的执行包括:

31、扩展现实终端读取换级证据链中的链号、证据项标识、检查部位、风险层级及时间值,检验记录的时间值取采集时刻,影像报告、历史体检结果和随访结果的时间值取记录时刻,以检查部位检索人体三维模型中名称相同的部位标准名,将首项证据项显示框中心置于部位锚点,后续证据项按时间值升序、以显示框高度为步距沿模型表面法向排列,生成空间证据链;

32、位姿传感器读取交互控制器的原点坐标和单位指向向量,以原点坐标加单位指向向量与非负射线参数的乘积生成交互射线,逐项求取交互射线与证据项显示框的交点,删除无交点及射线参数为负的证据项,按射线参数升序取首项证据项标识,得到选中证据项。

33、在一个优选地实施方式中,所述现实复核模块的执行还包括:

34、由所述边缘计算节点以选中证据项标识读取链号,并按链号读取换级证据链中的风险因子标识和软约束标识,将链号外风险因子消息、软约束权重、放宽位及硬约束取值固定为复核前数值,将链号内风险因子和软约束作为重算对象;

35、对链号内风险因子执行和积置信传播,以链号外风险因子传入链号内节点的复核前消息作为边界消息,依次由证据端向红橙黄蓝风险层级端更新链内消息,再按反向次序更新链内消息,得到复核风险概率;逐个移除链号内风险因子,以移除前风险概率减移除后风险概率所得正值更新链号内软约束权重,差值不为正时将软约束权重记零,固定链号外软约束权重和放宽位并执行加权maxsmt,得到复核风险层级;

36、以复核风险层级更新四色分层结果,并按红色立即转诊、橙色优先随访、黄色定期复查、蓝色常规管理生成检后管理指令,将四色分层结果和检后管理指令发送至扩展现实终端及检后管理系统。

37、本发明的技术效果和优点:

38、通过以当前异常项目为起点逆序读取历史同名项目,并按异常距离、异常方向限定异常过程,再将时段内影像报告、历史体检结果和随访结果并入证据序列;在此基础上,以疾病置信值、相邻异常距离形成的指标变化值及知识图谱关系构建风险因子图,使同一疾病描述在不同历史异常程度、变化方向和既往信息下形成不同的疾病路径值及风险概率,从数据组织和计算路径上建立当前异常与受检者个体历史特征之间的关联;

39、通过按采集时刻传播同名检查项目的指标消息,并在异常方向改变时断开前后记录间的指标变化因子,使反向变化以前的历史异常不再进入当前疾病路径,减少不同异常阶段之间的相互影响;

40、通过单独移除风险因子计算风险概率下降量形成软约束权重,并在smt无解时利用不满足核追溯冲突风险因子,仅在相关重算域内更新和积消息及软约束权重,减少无关风险路径参与重复计算;

41、通过以放宽位权重和作为分支代价执行加权maxsmt,并逐个移除支持当前分层结果的正权重风险因子,能够识别移除后引起风险层级变化的证据,并据此生成与分层变化直接关联的换级证据链;

42、通过将换级证据链按人体部位叠加至扩展现实终端,并以医生选中的证据项限定链内风险因子和软约束的重算范围,使复核直接针对影响风险层级变化的证据执行,无需重新对全部风险因子进行计算。