一种基于可信知识增强与禁忌风险识别模型的中医内外治护理方案智能推荐系统的制作方法

本发明涉及中医护理信息化与人工智能辅助决策，特别是一种基于可信知识增强与禁忌风险识别模型的中医内外治护理方案智能推荐系统。

背景技术：

1、中医护理方案的制定需要综合患者症状、体征、舌脉信息、证候类型、体质特征、年龄阶段、基础疾病、护理目标和护理场景，并从饮食调护、起居调护、情志调护、运动调护、穴位按摩、耳穴压豆、艾灸、刮痧、拔罐、中药熏洗、穴位贴敷等多种内治、外治及辅助护理措施中选择合适方案。对于正常人或亚健康人群，中医护理还需要结合体质状态、生活习惯、季节环境和未病调护目标进行调护推荐。

2、随着人工智能技术在医疗护理领域的应用，现有系统已能够利用自然语言处理、语义匹配、知识图谱、推荐算法或生成式模型，对护理文本、病例资料和护理规则进行检索、匹配或自动生成建议。然而，在中医护理方案推荐场景中，直接采用通用人工智能模型仍存在明显技术缺陷。中医护理知识具有强证候依赖、强体质依赖、强经验来源差异和强禁忌约束特征，若仅依赖通用语义相似度或大模型生成能力，容易出现推荐依据不清、来源可靠性不可区分、禁忌条件遗漏、内外治措施混排不当、正常人体质调护与患者证候护理混淆等问题。

3、更具体地说，内治和外治护理方法数量多、类型杂、操作边界不同，且其适用条件往往散落在临床病例、名医名家经验、高年资护理专家经验、教材、指南、专家共识、正规出版物和医院护理规范中。通用 ai 即使能够生成语义上相关的护理建议，也难以判断该建议是否来自高可信来源、是否适合当前证候或体质、是否存在操作禁忌、是否可以与其他护理措施组合执行。因此，ai 在执行中医护理方案推荐时面临的核心问题不是“能否生成建议”，而是“能否基于可信来源生成适配、安全、可解释的护理方案”。

4、现有 ai 辅助中医护理推荐系统主要存在如下问题：

5、1. ai 语义匹配难以区分知识来源可信度。通用语义匹配模型或生成式模型通常将临床病例、专家经验、教材、指南、正规出版物和护理记录视为相近文本来源，不能有效区分不同来源的证据等级、适用范围和可信度差异。由此生成的护理建议可能具有表面语义相关性，但缺乏可靠的知识依据。

6、2. ai推荐容易将内治、外治和辅助护理措施简单并列。中医护理措施不仅包括饮食、起居、情志、运动等内治调护措施，也包括艾灸、刮痧、拔罐、耳穴压豆、中药熏洗、穴位贴敷等外治操作。不同措施具有不同的操作参数、部位限制、频次限制和风险等级。通用推荐模型若仅基于文本相似度排序，难以将护理措施转化为可计算的结构化对象。

7、3. ai模型难以同时处理患者证候护理和正常人体质调护。患者护理通常以证候、症状和护理目标为主，体质信息用于修正方案；正常人或亚健康人群调护则以体质、生活状态和未病调护目标为主。现有模型常按疾病、症状或单一体质标签进行推荐，缺少证候通道与体质通道之间的动态权重调节机制。

8、4. ai生成结果对禁忌约束处理不足。中医护理外治操作和部分内治调护措施存在体质禁忌、证候禁忌、特殊人群禁忌、操作部位禁忌、操作频次禁忌、操作时机禁忌和措施组合冲突。现有ai系统多将禁忌作为文本提示附加在结果末尾，未在候选召回、排序和方案组合阶段将禁忌条件作为约束参与计算。

9、5. ai输出缺乏护理可解释性和禁忌规避说明。护理人员不仅需要知道系统推荐了什么措施，还需要知道该措施为何适用于当前证候或体质、依据来自何种来源、是否触发禁忌、为何排除某些措施以及可替代措施是什么。

10、针对上述问题，本发明提出一种基于可信知识增强与禁忌风险识别模型的中医内外治护理方案智能推荐方法及系统。该方案将多源中医护理知识转化为带有来源可信度、证候适配信息、体质适配信息、护理措施类别、操作参数和禁忌约束的可计算表示；再通过证候—体质双通道语义适配机制完成候选措施推荐；最后通过禁忌风险识别模型在推荐过程中主动过滤高风险措施，并输出推荐依据和禁忌规避说明。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于可信知识增强与禁忌风险识别模型的中医内外治护理方案智能推荐系统，通过可信来源分层、结构化措施编码、双通道适配和前置禁忌过滤，解决了ai辅助中医护理推荐中知识来源不分层、证候体质适配不清及禁忌约束处理不足的问题，提高了护理方案推荐的安全性、适配性和可解释性。

2、为实现上述目的，本发明采用如下技术方案：一种基于可信知识增强与禁忌风险识别模型的中医内外治护理方案智能推荐系统，包括：

3、多源知识处理模块，用于采集多源中医护理知识，并对所述多源中医护理知识进行术语标准化、禁忌条件结构化、操作参数字段化及来源出处编码化，生成标准化护理知识条目；

4、可信知识增强模块，用于接收所述标准化护理知识条目，为每一知识条目计算来源可信度，并将证候信息、体质信息、护理措施信息、禁忌条件信息、操作参数信息与所述来源可信度共同编码，生成可信知识增强表示；

5、护理需求适配与排序模块，用于获取护理对象的对象类型及护理需求信息，基于所述对象类型动态融合证候适配通道与体质适配通道，生成护理需求画像，并根据所述可信知识增强表示计算候选护理措施的综合推荐评分；

6、禁忌风险识别模块，用于接收所述候选护理措施，基于预构建的禁忌约束集合识别所述候选护理措施及其组合所触发的禁忌风险，并根据风险等级执行剔除、降权、慎用提示或替换处理；

7、方案输出与解释模块，用于根据经所述禁忌风险识别模块处理后的候选护理措施生成最终护理方案，并同步输出推荐依据、来源可信度、禁忌规避原因及可替代措施信息。

8、在一较佳的实施例中，所述多源中医护理知识至少包括临床护理资料、专家经验资料和规范化知识资料；所述临床护理资料包括中医护理电子病历、护理评估单、护理计划单、护理记录单、护理执行记录、出院指导、随访记录和护理效果记录；所述专家经验资料包括名医名家临床护理经验、高年资中医护理专家经验、专家复核后的典型护理方案和科室内部经审核的护理经验规则；所述规范化知识资料包括中医护理教材、国家或行业指南、专家共识、正规出版物、中医护理临床路径和医院内部中医护理操作规范。

9、在一较佳的实施例中，所述可信知识增强模块计算所述来源可信度时，根据来源等级、专家一致性、病例支持度和规范化程度四项因子加权计算得到：

10、

11、其中sevi(ki)表示来源可信度，

a

i表示该条护理知识来源的权威性等级、

b

i表示多位名医名家或高年资护理专家对该条护理措施适用性的一致性认可程度、

c

i表示该条护理知识在既往真实临床护理记录或病历中有效验证的病例数量和支持比例以及

d

i表示该知识条目的术语标准性、操作参数完整性以及结构化编码的规范程度，α、β、γ以及δ表示权重。

12、在一较佳的实施例中，所述可信知识增强表示至少包括证候语义编码、体质语义编码、护理措施语义编码、禁忌条件编码、操作参数编码和来源可信度得分。

13、在一较佳的实施例中，所述可信知识增强模块将中医护理措施划分为内治调护类措施、外治操作类措施和辅助护理类措施，并分别进行结构化编码；所述内治调护类措施至少包括饮食调护、情志调护、起居调护、睡眠调护、运动调护、呼吸调护和生活方式调护，其编码字段至少包括适用证候、适用体质、调护目标、实施频次、持续周期和注意事项；所述外治操作类措施至少包括穴位按摩、耳穴压豆、艾灸、刮痧、拔罐、中药熏洗、穴位贴敷、中药热熨和药浴护理，其编码字段至少包括操作部位、操作频次、操作时长、操作强度、适用证候、适用体质、禁忌人群、禁忌部位和操作时机；所述辅助护理类措施至少包括健康宣教、随访管理、依从性提醒、风险告知、操作前评估和操作后观察。

14、在一较佳的实施例中，所述护理需求适配与排序模块根据所述对象类型确定证候通道与体质通道的权重融合方式：当所述对象为患者时，提高证候通道权重；当所述对象为正常人或亚健康人群时，提高体质通道权重；

15、

16、其中，q表示最终融合输出值，η表示证候通道的动态融合权重系数，qsyn表示证候通道适配值，qcon表示体质通道适配值。

17、在一较佳的实施例中，所述护理需求适配与排序模块计算所述综合推荐评分时，至少融合证候匹配分、体质匹配分、护理目标匹配分、措施类别适配分、来源可信度分和禁忌风险分，并根据所述对象类型动态调整各分项的权重系数；

18、

19、其中，mj表示第 j 个候选护理措施，score(mj)表示候选护理措施 mj的综合推荐评分，ssyn(mj)表示证候匹配分，scon(mj)表示体质匹配分，sgoal(mj)表示护理目标匹配分，stype(mj)表示措施类别适配分，sevi(mj)表示来源可信度分，rcontra(mj)表示禁忌风险分，λ1至λ6为权重数。

20、在一较佳的实施例中，所述禁忌约束集合中的每条禁忌约束至少包括约束对象、触发条件、禁忌等级、处理动作和替代措施字段；所述禁忌风险识别模块采用两阶段处理机制：第一阶段在候选召回阶段对触发禁忌条件的措施进行前置剔除；第二阶段在方案组合阶段对已形成的护理方案组合进行整体校验，判断是否存在同一部位重复刺激、操作频次过高、措施叠加冲突或体质方向不一致的组合风险；所述禁忌风险定义为：

21、

22、其中，rcontra(mj)表示禁忌风险分，n表示当前候选措施 mj所关联的禁忌约束总条数，

l表示第

l条禁忌约束的索引编号，

z

l表示禁忌规则，

l(mj,

z

l)表示判断候选措施 mj是否与第

l条禁忌规则

z

l存在关联的二元值,h(

cond

l,q)表示触发条件判定函数，

cond

l表示第

l条禁忌规则的具体触发条件，

level

l表示第

l条禁忌规则的预设风险等级权重。

23、在一较佳的实施例中，所述方案输出与解释模块输出的所述最终护理方案至少包括护理对象信息、推荐护理措施、禁忌风险提醒和推荐依据解释；所述推荐依据解释至少包括对应证候、对应体质、护理目标、知识来源类型、来源可信度等级和适配原因，并按照证候体质、护理目标、护理措施、来源依据以及禁忌校验结果路径生成解释内容。

24、在一较佳的实施例中，所述禁忌风险识别模块还用于在所述候选护理措施触发慎用条件时，保留该措施并在所述方案输出与解释模块中输出风险提示及替代方案；在触发高风险约束时，执行剔除或替换处理，并由所述方案输出与解释模块输出替代措施及规避原因。

25、与现有技术相比，本发明具有以下有益效果：

26、1.通过可信知识增强表示，将临床病例、名医名家经验、高年资专家经验、教材、指南、专家共识、正规出版物和医院护理规范转化为可计算的护理知识表示，解决通用ai推荐无法区分知识来源可靠性的问题。

27、2.通过来源可信度计算，使系统在推荐护理措施时能够体现不同知识来源的证据强度和可靠性。

28、3.通过内治调护类、外治操作类和辅助护理类的结构化编码，使中医护理措施具备可计算的适用条件、操作参数和禁忌条件。

29、4.通过证候—体质双通道适配机制，使系统既能面向患者证候生成护理方案，也能面向正常人或未病人群进行体质调护推荐。

30、5.通过综合推荐评分，系统能够同时考虑证候匹配、体质匹配、护理目标匹配、措施类别适配、来源可信度和禁忌风险，提高推荐结果的适配性。

31、6.通过禁忌风险识别模型，在候选召回阶段和方案组合阶段主动识别体质禁忌、证候禁忌、人群禁忌、操作部位禁忌、频次禁忌、时机禁忌和措施组合冲突。

32、7.通过推荐依据、适配原因、来源可信度、禁忌提醒和可替代措施同步输出，提高施护者对推荐结果的理解和采纳程度。

33、8.当某一护理措施触发禁忌时，系统能够基于替代措施集合输出更安全的护理替代方案。