一种血压辅助管理系统及血压辅助管理方法与流程
本发明涉及数字医疗领域,具体涉及一种血压辅助管理系统、血压辅助管理方法以及一种计算机可读存储介质。
背景技术:
1、原发性高血压是一类需要长期监测、持续随访和个体化管理的慢性疾病,其长期管理不仅涉及血压数值的监测,还涉及合并症评估、生活方式干预以及定期随访等多个维度的协同管理。传统的血压管理主要依赖于诊室血压测量和定期门诊随访,难以捕捉用户的日常血压波动以及行为因素对血压控制的动态影响,但随着可穿戴设备以及移动医疗应用的发展,用户的日常血压信息得以被记录,基于人工智能的血压辅助管理系统便应运而生,通过采集用户日常的多模态血压临床信息,并进行数据分析与建议生成,该系统能够有效提高用户的自我管理能力,并推动高血压管理的规范化进程。
2、在现有技术中,血压辅助管理系统往往依赖模板匹配或简单关键词检索等方式进行建议生成,但用户的临床信息多以结构化字段形式存在,而医学知识库中的知识主要以非结构化文本的形式存在,现有系统缺乏有效的动态关联机制,难以建立二者的深层联系,因而无法将用户的具体血压信息与医学知识库进行有效融合,致使辅助系统所生成建议的准确性与个性化程度仍存在不足。
3、为了克服现有技术存在的上述缺陷,本领域亟需一种血压辅助管理系统、一种血压辅助管理方法以及一种计算机可读存储介质,通过在用户的临床信息与血压相关的医学知识库之间建立深层联系,提高辅助建议生成的准确性与个性化程度。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
2、为了克服现有技术存在的上述缺陷,本发明提供了一种血压辅助管理系统、一种血压辅助管理方法以及一种计算机可读存储介质,通过在系统中配置数据采集模块、风险分层模块、数字表型建模模块、知识图谱推理模块、检索增强生成模块以及建议生成模块,并借助知识图谱推理模块基于用户临床信息的推理结果,对检索增强生成模块的知识库检索策略进行适应性调整,以将用户的血压临床信息与知识库检索进行深度融合,实现以用户信息为导向的知识库检索策略,从而提升辅助管理建议生成结果的准确性和用户个性化程度。
3、具体来说,根据本发明的一方面提供的上述血压辅助管理系统包括:数据采集模块,用于采集用户的血压多模态数据,以构建数字档案;风险分层模块,用于根据所述数字档案生成辅助风险等级;数字表型建模模块,用于提取所述数字档案中的特征数据,以生成数字表型亚群标签;知识图谱推理模块,用于将所述辅助风险等级、所述数字表型亚群以及临床信息映射至预先构建的血压知识图谱中进行多跳推理,以获取知识图谱推理结果,其中,所述知识图谱推理结果包括多个候选管理措施及对应的注意力权重;检索增强生成模块,用于根据所述辅助风险等级与所述数字表型亚群标签进行检索,以构建对应的第一知识片段,并根据所述多个候选管理措施及对应的注意力权重,修正所述第一知识片段中的排序权重,以生成第二知识片段;以及建议生成模块,用于根据所述数字档案、所述第二知识片段、所述知识图谱推理结果、所述辅助风险等级、所述数字表型亚群标签以及输出约束生成辅助管理建议。
4、进一步地,在本发明的一些实施例中,所述第一知识片段包含多个医学知识片段,所述修正所述第一知识片段中的排序权重,以生成第二知识片段包括以下步骤:计算所述第一知识片段中的所述多个医学知识片段与所述多个候选管理措施之间的匹配度;以及根据匹配度计算结果与所述多个候选管理措施对应的注意力权重,修正各所述医学知识片段的排序分数,并对各所述医学知识片段进行重新排序,以输出所述第二知识片段。
5、进一步地,在本发明的一些实施例中,所述根据所述辅助风险等级与所述数字表型亚群标签进行检索,以构建对应的第一知识片段包括以下步骤:对医学知识库文档进行分层切分,并生成向量表示以存入向量索引;根据所述辅助风险等级和所述数字表型亚群标签构造检索查询;以及根据所述检索查询以及所述向量索引召回多个候选医学知识片段,以构建所述第一知识片段。
6、进一步地,在本发明的一些实施例中,所述血压知识图谱包括疾病节点、风险因素节点、数字表型节点、药物节点、管理措施节点和/或指南条款节点,其中,各个节点通过相关风险因素关系、适用于关系、禁忌于关系、建议监测关系、需医生确认关系和/或可能导致关系连接,所述将所述辅助风险等级、所述数字表型亚群标签以及临床信息映射至预先构建的血压知识图谱中进行多跳推理,以获取多个候选管理措施及对应的注意力权重包括以下步骤:将用户的所述辅助风险等级、所述数字表型亚群标签以及临床信息映射为所述血压知识图谱中的初始节点;以及采用图注意力网络从所述初始节点进行所述多跳推理,以获取所述多个候选管理措施及对应的注意力权重。
7、进一步地,在本发明的一些实施例中,所述数字表型建模模块还用于预测用户在不同数字表型亚群之间的状态转移概率,并生成数字表型演化轨迹和风险轨迹,其中,所述数字表型演化轨迹用于表示用户的所述数字表型亚群在连续随访周期内的变化路径,所述风险轨迹用于表示用户的所述辅助风险等级随时间变化的路径。
8、进一步地,在本发明的一些实施例中,所述数字表型建模模块中配置有隐马尔可夫模型,所述预测用户在不同数字表型亚群之间的状态转移概率,并生成数字表型演化轨迹和风险轨迹包括以下步骤:将用户的所述数字表型亚群设为所述隐马尔可夫模型中的隐状态;将用户在不同随访周期内提取的血压特征设为所述隐马尔可夫模型中的观测序列;以及基于状态转移概率矩阵和观测概率矩阵,计算用户在各所述随访周期内属于不同所述数字表型亚群的概率,并生成所述数字表型演化轨迹和所述风险轨迹。
9、进一步地,在本发明的一些实施例中,所述采集用户的血压多模态数据,并进行预处理,以构建数字档案包括以下步骤:获取用户的家庭血压数据、动态血压数据、诊室血压数据、心率数据、体征数据、生活方式数据、用药依从性数据、病史数据、合并症数据、检验检查数据、随访记录和/或自然语言交互数据,以构成所述血压多模态数据;以及对所述血压多模态数据进行异常值剔除、缺失值填补、时间对齐、单位归一化和/或重复记录合并,以构建所述数字档案。
10、进一步地,在本发明的一些实施例中,所述根据所述数字档案、所述第二知识片段、所述知识图谱推理结果、所述辅助风险等级、所述数字表型亚群标签以及输出约束生成辅助管理建议包括以下步骤:根据所述数字档案、所述第二知识片段、所述知识图谱推理结果、所述辅助风险等级、所述数字表型亚群标签、禁止输出内容以及输出格式约束构建提示词模板;以及将所述提示词模板输入大语言模型,以生成所述辅助管理建议。
11、进一步地,在本发明的一些实施例中,根据本发明的第一方面提供的上述血压辅助管理系统还包括后处理验证模块,用于根据知识库验证所述辅助管理建议,并根据验证结果删除、改写或复核不符合预设条件的辅助管理建议。
12、进一步地,在本发明的一些实施例中,根据本发明的第一方面提供的上述血压辅助管理系统还包括动态监测模块,其被配置为:持续接收所述用户的所述血压多模态数据,以更新所述辅助风险等级、所述数字表型亚群标签和所述辅助管理建议;基于预设的判断条件进行不良事件检测;以及响应于检测到满足所述判断条件的事件,生成预警信号并发送至医生端。
13、进一步地,在本发明的一些实施例中,所述数据采集模块、所述风险分层模块和/或所述数字表型建模模块被配置于所述血压辅助管理系统的边缘端,所述知识图谱推理模块、所述检索增强生成模块和/或所述建议生成模块被配置于所述血压辅助管理系统的云端;以及根据本发明的第一方面提供的上述血压辅助管理系统还包括任务调度模块,用于根据任务复杂度确定任务执行模块,其中,所述任务调度模块包括设置于所述边缘端的本地任务调度子模块和设置于所述云端的全局任务调度子模块。
14、此外,根据本发明的第二方面提供的上述血压辅助管理方法包括以下步骤:采集用户的血压多模态数据并进行预处理,以构建数字档案;根据所述数字档案生成辅助风险等级与数字表型亚群标签;构建血压知识图谱,并将所述辅助风险等级、所述数字表型亚群以及临床信息映射至所述血压知识图谱中进行多跳推理,以获取知识图谱推理结果,其中,所述知识图谱推理结果包括多个候选管理措施及对应的注意力权重;根据所述辅助风险等级与所述数字表型亚群标签进行检索,以获取对应的第一知识片段;根据所述多个候选管理措施及其对应的注意力权重,修正所述第一知识片段中的排序权重,以生成第二知识片段;以及根据所述数字档案、所述第二知识片段、所述知识图谱推理结果、所述辅助风险等级、所述数字表型亚群标签以及输出约束生成辅助管理建议。
15、此外,根据本发明的第三方面提供的上述计算机可读存储介质,其上存储有计算机指令,所述计算机指令被处理器执行时,实施由本发明的第二方面提供的血压辅助管理方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com