AI眼镜床旁问诊预判断与分级循证方法及系统与流程

本技术涉及智能医疗领域，具体为一种ai眼镜床旁问诊预判断与分级循证方法及系统。

背景技术：

1、在床旁问诊场景中，现有的ai眼镜循证系统主要依赖将前端数据全部上传至云端进行处理。受限于医院病房的网络波动，这种单一依赖云端通讯的架构容易导致请求响应延迟，系统无法根据问诊任务的风险程度和数据复杂度灵活分配计算资源。当患者出现高危异常时，设备往往无法及时调动本地算力进行优先处理并输出安全提示，降低了算力分配效率。

2、同时，现有设备在处理多源传感器并发输入的数据时，由于硬件工作频率存在差异，异步采集的数据缺乏有效的时序校准与归属验证。这导致基础数据流容易出现时间轴错位，且在切换问诊对象时容易发生数据混用，无法为特征解析提供时间同步和会话一致的数据基础。

3、另外，在异步网络通讯环境下，现有系统在接收外部返回的医学证据时缺乏针对当前任务状态的回填判定环节。若外部查询结果因网络延迟返回，系统通常会直接将其合并至终端的当前显示流中。这种处理方式使得历史查询的循证结果容易被错误地输出至设备当前正在进行的新的问诊进程中，造成医学证据时效性与匹配对象的错配。

技术实现思路

1、本技术提供了一种ai眼镜床旁问诊预判断与分级循证方法及系统，解决了床旁问诊场景中，边缘计算设备受限于算力瓶颈难以提供实时循证医学证据，且直接上云处理存在隐私泄露及多端数据同步冲突的问题。

2、为实现以上目的，本技术通过以下技术方案予以实现：

3、本技术第一方面提供一种ai眼镜床旁问诊预判断与分级循证方法，包括：

4、ai眼镜端获取多模态数据生成短窗口任务记录，为所述短窗口任务记录绑定标识信息；

5、端侧预判断模块对所述短窗口任务记录执行特征解析计算任务评估指标；

6、隐私脱敏模块基于所述短窗口任务记录识别医疗敏感实体构造脱敏查询对象；

7、命中度评估模块结合所述脱敏查询对象发起检索比对生成局部检索反馈并计算本地命中度；

8、任务分级调度模块结合所述任务评估指标以及所述本地命中度提取多维任务调度参数，基于所述多维任务调度参数执行多维优先级仲裁判定，确立分级循证策略触发对应的组件生成循证医学证据实体；

9、异步证据回填模块截获所述循证医学证据实体，获取活跃状态信息并与所述短窗口任务记录中绑定的所述标识信息进行对比，根据对比结果合并所述循证医学证据实体或拦截数据流转。

10、本方法在边缘侧建立预判断与本地命中度量化机制，依据评估结果分级调度端云算力，并在数据回转阶段执行多维标识对比，阻断网络延迟导致的循证医学证据错配。

11、进一步的，所述标识信息包括唯一事件序列号与基础版本标识；所述获取多模态数据生成短窗口任务记录包括：所述ai眼镜端在边缘计算内存中建立时间对齐窗口，从基于所述多模态数据构成的并发的多模态数据流中选取触发幅度变动阈值或者包含结构化关键词的数据流作为锚点数据源，并记录所述锚点数据源到达所述边缘计算内存时的绝对时间作为锚点时间戳；

12、针对并行输入的所述并发的多模态数据流中的各单模态数据流，提取所述单模态数据流中的当前单模态数据的采集时间戳，判断所述当前单模态数据的采集时间戳与所述锚点时间戳之间的绝对差值是否小于或者等于预设的最大允许时间间隙，在所述绝对差值小于或者等于所述最大允许时间间隙时，判定所述当前单模态数据落入所述时间对齐窗口内，并基于时间戳差值计算生成跨模态时间对齐质量分数；

13、提取所述当前单模态数据所绑定的当前会话标识，并将所述当前会话标识与所述时间对齐窗口建立时预存的原患者会话标识进行字符串比对，比对结果一致时，将所述当前单模态数据合并生成同步串联的对齐数据块，并基于所述对齐数据块封装生成所述短窗口任务记录。该机制建立边缘端时间对齐窗口及锚点时间戳，结合时间差值与会话比对，处理多源并发数据的时序同步问题，降低异步采集导致的时间轴偏移。

14、进一步的，计算任务评估指标包括：对所述短窗口任务记录内部封装的所述对齐数据块执行特征解析流程获得基础风险特征集，从所述基础风险特征集中输出异常标志集，其中所述任务评估指标包含基于所述异常标志集提取的风险值、综合置信度、硬高危标志以及证据复杂度指标；计算所述任务评估指标具体包括：所述端侧预判断模块执行多维特征场景加权策略计算数值化风险值，所述数值化风险值为从所述基础风险特征集中提取的危险词集合风险分数、视觉异常事件风险分数以及体征异常风险分数，分别乘以对应的危险词集合权重系数、视觉异常权重系数以及体征异常权重系数后进行求和，再将求和结果乘以基于当前问诊环境设定的场景权重系数得到；

15、所述端侧预判断模块执行多信源可靠性融合评估计算所述综合置信度，所述综合置信度为基于总体采集质量评分、模型预估概率分数、来源可靠度参数以及所述跨模态时间对齐质量分数执行融合计算所得的数值；将所述数值化风险值、所述综合置信度、所述硬高危标志以及所述证据复杂度指标共同聚合为所述任务评估指标。该步骤结合多特征场景权重及多信源可靠性分数，将问诊风险程度转化为数值化指标，作为后续任务调度的判定参数。

16、优选的，所述计算任务评估指标之后还包括：将所述任务评估指标封装至所述短窗口任务记录中，并基于所述任务评估指标触发所述ai眼镜端输出本地安全提示信息，所述触发所述ai眼镜端输出所述本地安全提示信息包括：所述端侧预判断模块评估所述硬高危标志为真，或者评估所述数值化风险值大于或者等于预置的高危触发界限且所述综合置信度大于或者等于最低可靠阈值时，生成包含所述本地安全提示信息的本地安全指令，并基于所述本地安全指令触发所述ai眼镜端优先输出所述本地安全提示信息，同步生成对应的证据状态为等待状态的眼镜端提示对象；

17、所述端侧预判断模块评估所述数值化风险值大于或者等于所述预置的高危触发界限、所述综合置信度低于所述最低可靠阈值且所述硬高危标志为假时，生成本地保守指令，并基于所述本地保守指令触发所述ai眼镜端输出包含复核指令的所述本地安全提示信息，同步生成对应的所述证据状态为所述等待状态的所述眼镜端提示对象。该设置根据高危标志及风险值触发本地安全指令或保守指令，确保设备在离线或云端延迟期间，能够直接输出高危预警信息。

18、进一步的，识别医疗敏感实体构造脱敏查询对象包括：将识别出的所述医疗敏感实体从所述短窗口任务记录中的语义要素中剥离并构造所述脱敏查询对象；判定所述短窗口任务记录所属的隐私等级，依据所述隐私等级确立外部云端调用的门控状态，并将所述隐私等级以及所述门控状态写入所述短窗口任务记录中，所述依据所述隐私等级确立外部云端调用的门控状态具体为：在所述语义要素中未提取出任何医疗敏感实体时，判定所述隐私等级为无直接身份信息等级，并将所述门控状态赋值为准入状态；

19、在仅提取出预设的低敏感度实体且已通过泛化标签完成替换时，判定所述隐私等级为常规脱敏等级，并将所述门控状态赋值为所述准入状态；在所述语义要素中提取出预设的高敏病史实体且所述短窗口任务记录中的所述证据复杂度指标为高复杂等级时，判定所述隐私等级为疑似敏感需复核等级，并将所述门控状态赋值为本地复核状态；在所述语义要素中明确包含属于隐私保护法规明确限制输出的保密病种信息时，判定所述隐私等级为禁止上云等级，并将所述门控状态赋值为阻断状态。根据提取的语义要素及证据复杂度划分隐私等级，对应的设定云端调用的准入、复核或阻断状态，控制医疗数据的对外交互流程。

20、进一步的，依据所述隐私等级确立外部云端调用的所述门控状态之后还包括：在所述门控状态为所述本地复核状态且所述短窗口任务记录同属高危且所述高复杂等级时，所述隐私脱敏模块挂起所述脱敏查询对象的传递进程，将所述脱敏查询对象封装为人工复核请求并投递至医生确认模块供医疗人员确认；接收医疗人员反馈的确认放行指令，更新所述门控状态为所述准入状态，生成二次脱敏后的查询对象后解除传递挂起；

21、结合所述脱敏查询对象发起检索比对生成局部检索反馈，并基于所述局部检索反馈计算生成本地命中度具体包括：结合所述脱敏查询对象在本地精简知识库发起检索比对生成所述局部检索反馈；解析所述局部检索反馈提取检索评价参数并执行归一化处理，所述检索评价参数包含最高文本相似度、要素覆盖率、生成置信度以及知识版本新鲜度参数；通过预设的权重系数对归一化后的所述检索评价参数进行加权计算生成所述本地命中度，并追加记录于所述短窗口任务记录内部。提供针对疑似敏感数据的人工复核流程，并利用归一化检索参数计算本地命中度，反映本地知识库的匹配结果。

22、优选的，执行多维优先级仲裁判定，确立分级循证策略包括：所述任务分级调度模块获取当前网络状态标志，并根据所述多维任务调度参数生成对应的分级调用等级指令，并确立所述分级循证策略，所述确立分级循证策略具体为：在所述硬高危标志为真，或者所述风险值大于或者等于预设的风险高危阈值且所述综合置信度大于或者等于预设的最低可靠阈值时，输出的分级调用等级指令确立为a级策略；在所述证据复杂度指标大于或者等于预设的复杂等级阈值，或者所述综合置信度小于所述最低可靠阈值，或者提取的所述语义要素中存在预设的医疗冲突要素时，判定满足b级策略条件；

23、在所述风险值低于所述风险高危阈值且所述短窗口任务记录中的所述本地命中度大于或者等于预设的本地判定阈值时，判定满足c级策略条件；在同时满足所述b级策略条件与所述c级策略条件时，所述分级调用等级指令确立为所述b级策略，在仅满足所述b级策略条件或仅满足所述c级策略条件时，分别对应输出所述b级策略或所述c级策略的所述分级调用等级指令；在所述多维任务调度参数未触发所述a级策略、所述b级策略以及所述c级策略条件时，若所述当前网络状态标志为在线状态，默认确立为所述b级策略，若所述当前网络状态标志为离线状态，确立为d级策略。结合风险值、置信度、复杂等级及本地命中度参数，判定分级调用等级，决定循证请求在边缘节点与云端系统间的执行路径。

24、进一步的，根据所述分级调用等级指令触发所述对应的组件生成所述循证医学证据实体，具体包括：执行所述a级策略时，维持高危即时提示输出，向云端检索生成模块发送包含所述脱敏查询对象的循证请求任务，并行触发外部循证组件；执行所述b级策略时，输出本地保守提示，开启异步线程进行深度外部知识检索异步触发所述外部循证组件；执行所述c级策略时，仅触发本地检索生成模块生成本地的循证医学证据实体；执行所述d级策略时，停止外部请求动作，将任务转入离线待补齐队列。依据分级策略分别触发即时提示、异步云端检索、本地生成或离线挂起操作，控制系统算力资源的调用方式。

25、进一步的，获取活跃状态信息并与所述短窗口任务记录中绑定的所述标识信息进行对比，根据对比结果合并所述循证医学证据实体或拦截所述数据流转包括：读取所述循证医学证据实体携带的待验证事件序列号、待验证版本标识以及冲突标志位，获取包含活跃事件序列号、活跃患者会话状态以及活跃版本标识的所述活跃状态信息，并读取所述短窗口任务记录中绑定的所述原患者会话标识以及医生确认状态；对比所述短窗口任务记录中绑定的所述唯一事件序列号与所述活跃事件序列号、所述原患者会话标识与所述活跃患者会话状态、所述基础版本标识与所述活跃版本标识；

26、在所述唯一事件序列号与所述活跃事件序列号一致、所述原患者会话标识与所述活跃患者会话状态等同、所述基础版本标识等于所述活跃版本标识，同时所述医生确认状态为未确认状态且所述冲突标志位为假时，直接将所述循证医学证据实体合并至所述ai眼镜端的显示流中；在对比结果不一致或者所述冲突标志位为真时，触发冲突确认模块向医生确认模块投递复核申请，生成包含所述待验证事件序列号、所述原患者会话标识、冲突分类以及严重程度参量的证据冲突记录供医疗人员查阅复核。在回写证据前比对事件序列号、会话状态与版本标识，防止异步网络延迟导致的过期证据合并及数据错配。

27、本技术第二方面提供一种ai眼镜床旁问诊预判断与分级循证系统，包括：

28、ai眼镜端，配置为获取多模态数据生成短窗口任务记录，为所述短窗口任务记录绑定标识信息；

29、院内边缘网关，部署有端侧预判断模块、隐私脱敏模块、命中度评估模块、任务分级调度模块以及异步证据回填模块；

30、所述端侧预判断模块，配置为对所述短窗口任务记录执行特征解析计算任务评估指标；

31、所述隐私脱敏模块，配置为基于所述短窗口任务记录识别医疗敏感实体构造脱敏查询对象；

32、所述命中度评估模块，配置为结合所述脱敏查询对象发起检索比对生成局部检索反馈并计算本地命中度；

33、所述任务分级调度模块，配置为结合所述任务评估指标以及所述本地命中度提取多维任务调度参数，基于所述多维任务调度参数执行多维优先级仲裁判定，确立分级循证策略触发对应的组件生成循证医学证据实体；

34、所述异步证据回填模块，配置为截获所述循证医学证据实体，获取活跃状态信息并与所述短窗口任务记录中绑定的所述标识信息进行对比，根据对比结果合并所述循证医学证据实体或拦截数据流转。

35、本技术提供了一种ai眼镜床旁问诊预判断与分级循证方法及系统。具备以下有益效果：

36、1、本技术通过端侧预判断模块计算任务评估指标以及命中度评估模块计算本地命中度，并基于提取的多维任务调度参数确立分级循证策略，使得系统能够根据问诊任务的风险程度、数据复杂度及网络状态动态分配端云计算资源。该设置在网络波动或高危事件触发时优先调用本地计算资源输出安全提示，在任务复杂时异步调用云端资源，解决了单一依赖云端通讯带来的响应延迟问题，提升了床旁问诊环境下的算力分配效率。

37、2、本技术通过在边缘计算内存中建立时间对齐窗口并记录锚点时间戳，计算并发输入的各单模态数据的时间戳差值以判定其是否落入时间对齐窗口，同步比对单模态数据的当前会话标识与原患者会话标识，进而合并生成对齐数据块。该机制在边缘侧对多源传感器并发采集的数据进行了时序校准与归属验证，消除了硬件异步采集带来的时间轴错位与数据混用，为后续的特征解析提供了时间同步且会话一致的基础数据流。

38、3、本技术通过异步证据回填模块截获外部返回的循证医学证据实体，提取当前的活跃状态信息，将设备当前的活跃事件序列号、活跃患者会话状态及活跃版本标识与任务记录中绑定的标识信息进行状态位对比，并在条件等同时执行合并流转。该步骤在异步通讯环境下增加了数据回填判定环节，阻断了因网络延迟导致历史查询结果被错误输出至当前新问诊进程中的错配现象，保证了终端显示证据的时效与准确对应。