基于多智能体协作的痛风患者健康管理系统及运行方法

摘要: 本技术涉及医疗信息系统,特别涉及一种基于多智能体协作的痛风患者健康管理系统及运行方法。背景技术:1、痛风作为一种由单钠尿酸盐沉积引发的晶体相关性关节病,其长期管...
基于多智能体协作的痛风患者健康管理系统及运行方法

本技术涉及医疗信息系统,特别涉及一种基于多智能体协作的痛风患者健康管理系统及运行方法。

背景技术:

1、痛风作为一种由单钠尿酸盐沉积引发的晶体相关性关节病,其长期管理高度依赖于以血尿酸达标为核心的治疗策略。现有临床指南明确强调,需通过持续监测与调整治疗方案使血尿酸维持在目标范围,以降低急性发作风险。然而,痛风患者的院外控制情况普遍不理想,主要受限于患者对疾病认知不足、长期用药依从性差、血尿酸及症状监测不连续以及医患沟通效率低下等现实困境。

2、目前市场上的痛风健康管理系统主要涵盖家庭检测、饮食管理、风险预测、移动应用、可穿戴监测及ai辅助门诊等六大类技术。这些技术虽在单一功能点上有所突破,例如通过移动应用记录症状、利用问卷分析饮食风险或基于机器学习预测疾病分期,但大多仅解决了局部问题。现有系统普遍缺乏对患者院外多源异构数据的综合处理能力,难以构建完整的专病档案,且各项功能孤立,无法形成覆盖全病程的综合管理视图。

3、现有技术普遍存在四大核心缺陷:其一,多源数据处理能力薄弱,无法有效整合化验单、饮食照片、症状描述等非结构化数据;其二,缺乏将血尿酸趋势、用药依从性、生活方式等多维度因素结合的综合健康分析能力;其三,预测模型与日常管理脱节,风险评估结果难以转化为具体的患者执行动作;其四,干预方案多基于固定规则,缺乏根据患者反馈和医生调整形成的动态闭环。此外,现有ai建议往往缺乏循证依据的显式约束,且在高风险事项上缺少完善的医患协同审核机制,亟需解决。

技术实现思路

1、本技术提供一种基于多智能体协作的痛风患者健康管理系统及运行方法,以解决现有痛风管理系统多源数据处理不完整、缺乏综合分析与动态闭环干预、以及循证可追溯性不足的问题,实现了从数据采集、风险预测、个性化干预到医患协同反馈的全程闭环、动态可追溯的健康管理。

2、本技术第一方面实施例提供一种基于多智能体协作的痛风患者健康管理系统,包括以下步骤:

3、患者端应用,用于采集患者的多源异构健康数据,并向所述患者推送个性化提醒和健康管理建议;

4、数据处理智能体,与所述患者端应用连接,用于对所述多源异构健康数据进行多模态处理,生成纵向事件流并更新患者专病档案;

5、健康分析智能体,与所述数据处理智能体连接,用于基于所述患者专病档案和所述纵向事件流,对所述患者的当前健康状态进行综合评估,得到综合评估结果;

6、干预推荐智能体,与所述健康分析智能体连接,用于基于所述综合评估结果,生成个性化干预方案;

7、协作与沟通智能体,分别与所述数据处理智能体、所述健康分析智能体、所述干预推荐智能体、所述患者端应用和医生端应用连接,用于整合每个智能体的输出结果,生成结构化报告,并向患者端推送提醒计划,且接收所述患者端应用的执行反馈结果,将所述执行反馈结果传递至所述干预推荐智能体进行方案调整,和/或,将所述执行反馈结果推送至医生端应用;

8、所述医生端应用,与所述协作与沟通智能体连接,用于对所述患者的健康状态、所述综合评估结果和所述个性化干预方案进行监督、确认或修改,并将医生决策结果回写至所述患者专病档案。

9、根据本技术的一个实施例,所述数据处理智能体包括:

10、多模态信息解析模块,用于从所述多源异构健康数据中提取结构化信息,并将所述多源异构健康数据转化为结构化事件;

11、数据清洗与质量控制模块,用于对所述多源异构健康数据进行去重、纠错、缺失识别、异常值检测和单位换算,并对目标异常数据标记为待确认数据;

12、标准化映射与时间对齐模块,用于将不同来源的数据映射到统一的数据标准,对事件进行统一时间戳标注,建立患者纵向时间轴;

13、关键特征提取模块,用于提取痛风管理特征;

14、患者专病档案存储模块,用于将处理后的结构化信息以增量方式写入所述患者专病档案。

15、根据本技术的一个实施例,所述健康分析智能体,包括:

16、健康状态总结模块,用于基于所述患者专病档案和所述纵向事件流生成患者当前健康状态分析结果;

17、血尿酸趋势分析模块,用于对患者历史血尿酸检测结果进行时间序列分析,得到血尿酸趋势分析结果;

18、依从性评估模块,用于根据所述患者专病档案和所述纵向事件,对所述患者依从性进行综合评估,得到依从性评估结果;

19、生活方式风险分析模块,用于基于所述患者专病档案和所述纵向事件流,识别影响痛风控制的风险行为,得到生活方式风险分析结果;

20、异常事件识别与分级预警模块,用于识别所述患者专病档案中的异常事件,并根据异常程度进行分级预警,得到预警分析结果。

21、根据本技术的一个实施例,所述健康分析智能体,还包括:

22、风险预测模块,用于将所述当前健康状态分析结果输入至预设的急性发作风险预测模型,得到风险预测结果;

23、知识库检索模块,用于在预设场景下自主调用知识库进行检索,并基于检索结果对健康分析结论进行修正。

24、根据本技术的一个实施例,所述干预推荐智能体,包括:

25、药物管理建议生成模块,用于根据所述综合评估结果,生成药物管理建议;

26、饮食方案生成模块,用于根据所述综合评估结果,生成个性化饮食建议;

27、运动方案生成模块,用于根据所述综合评估结果,生成个性化运动方案;

28、监测与复诊建议生成模块,用于根据根据所述综合评估结果,生成监测和复诊随访建议;

29、提醒计划生成模块,用于将所述药物管理建议、所述个性化饮食建议、所述个性化运动方案、所述监测和复诊随访建议转化为可执行的提醒计划,所述提醒计划包括提醒类型、提醒时间、提醒频率、触发条件、延后策略、未完成后的再次提醒策略以及异常升级规则。

30、根据本技术的一个实施例,所述干预推荐智能体,还包括:

31、循证检索与标注模块,用于在生成所述个性化干预方案时判断是否需要进行知识库检索,并在需要检索时调用预设医学知识库进行检索增强生成,且在目标建议处标注循证依据。

32、根据本技术的一个实施例,所述协作与沟通智能体,包括:

33、智能体输出整合模块,用于接收数据处理智能体输出的结构化数据摘要、健康分析智能体输出的综合评估结果和风险预测结果、以及干预推荐智能体输出的个性化干预方案;

34、结构化报告生成模块,用于根据所述每个智能体的输出结果生成结构化报告;

35、患者端推送与反馈接收模块,用于根据干预推荐智能体生成的个性化干预方案向所述患者端应用推送提醒,并接收所述患者端应用的执行反馈结果;

36、医生端通信模块,用于在所述健康分析智能体识别出目标异常事件、或所述干预推荐智能体生成的个性化干预方案满足预设风险条件时,将所述目标异常事件和/或所述个性化干预方案推送至所述医生端应用,并将所述医生端应用反馈后的确认或调整方案回传至患者端应用,且同步更新所述患者专病档案。

37、根据本技术的一个实施例,所述医生端应用,包括:

38、患者健康状态查看模块,用于供医疗人员查看患者的结构化健康档案;

39、风险评估与异常提醒查看模块,用于接收是健康分析智能体识别出的异常事件和所述风险预测结果;

40、干预计划监督与调整模块,用于查看所述干预推荐智能体生成的个性化干预方案,并在所述个性化干预方案满足预设推送条件时推送至所述患者端应用;

41、决策结果回写模块,用于将对所述个性化干预方案的确认、修改和补充说明写入所述患者专病档案,并反馈至所述干预推荐智能体和所述健康分析智能体。

42、根据本技术的一个实施例,所述基于多智能体协作的痛风患者健康管理系统,还包括:

43、预设医学知识库,所述预设医学知识库存储有痛风相关文献、临床指南、专家共识、诊疗规范和患者管理资料;所述预设医学知识库中的资料按标题层级和章节结构进行语义切块,每个知识块保留来源文献标题、作者、发表年份、发布机构、主题标签、疾病阶段标签、干预类型标签和证据类型标签。

44、根据本技术实施例提供的基于多智能体协作的痛风患者健康管理系统,通过患者端持续采集患者日常健康数据,由数据处理智能体对多源异构信息进行标准化处理,形成可持续更新的患者专病档案;由健康分析智能体对患者当前健康状态、血尿酸变化趋势、生活方式、用药依从性和异常风险进行综合分析,并调用专门的急性发作风险预测模型输出风险评估结果;由干预推荐智能体在健康分析结果和知识库证据支持下生成个性化药物、饮食、运动、监测和复诊建议,并在方案生成阶段直接标注文献或指南依据;由协作与沟通智能体整合各智能体输出,形成面向患者和医生的结构化报告,并负责提醒推送、患者反馈接收、医生端通知和干预闭环调整。由此,解决了现有痛风管理系统多源数据处理不完整、缺乏综合分析与动态闭环干预、以及循证可追溯性不足的问题,实现了从数据采集、风险预测、个性化干预到医患协同反馈的全程闭环、动态可追溯的健康管理。

45、本技术第二方面实施例提供一种基于多智能体协作的痛风患者健康管理系统的运行方法,方法应用于如上述的系统,其中,所述方法包括以下步骤:

46、通过所述患者端应用采集患者的多源异构健康数据;

47、通过所述数据处理智能体对所述多源异构健康数据进行多模态处理,生成纵向事件流并更新患者专病档案;

48、通过所述健康分析智能体基于所述患者专病档案和所述纵向事件流,对所述患者的当前健康状态进行综合评估,得到综合评估结果;

49、通过所述干预推荐智能体基于所述综合评估结果,生成个性化干预方案;

50、通过所述协作与沟通智能体整合每个智能体的输出结果,生成结构化报告,并向患者端推送提醒计划,且接收所述患者端应用的执行反馈结果,将所述执行反馈结果传递至所述干预推荐智能体进行方案调整,和/或,将所述执行反馈结果推送至医生端应用;

51、通过所述医生端应用对所述患者的健康状态、所述综合评估结果和所述个性化干预方案进行监督、确认或修改,并将医生决策结果回写至所述患者专病档案。

52、根据本技术实施例提供的基于多智能体协作的痛风患者健康管理系统的运行方法,通过患者端持续采集患者日常健康数据,由数据处理智能体对多源异构信息进行标准化处理,形成可持续更新的患者专病档案;由健康分析智能体对患者当前健康状态、血尿酸变化趋势、生活方式、用药依从性和异常风险进行综合分析,并调用专门的急性发作风险预测模型输出风险评估结果;由干预推荐智能体在健康分析结果和知识库证据支持下生成个性化药物、饮食、运动、监测和复诊建议,并在方案生成阶段直接标注文献或指南依据;由协作与沟通智能体整合各智能体输出,形成面向患者和医生的结构化报告,并负责提醒推送、患者反馈接收、医生端通知和干预闭环调整。由此,解决了现有痛风管理系统多源数据处理不完整、缺乏综合分析与动态闭环干预、以及循证可追溯性不足的问题,实现了从数据采集、风险预测、个性化干预到医患协同反馈的全程闭环、动态可追溯的健康管理。

53、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。