基于AI大语言模型的中医智能问诊方法与流程

本发明涉及人工智能与中医智能问诊，具体涉及基于ai大语言模型的中医智能问诊方法。

背景技术：

1、现有中医智能问诊系统通常利用自然语言处理模型或ai大语言模型从患者描述中提取症状，并通过语义相似度将患者自然语言映射为标准化中医症状术语。然而，患者在实际问诊过程中常同时描述当前症状、既往症状以及已经缓解或消失的症状，现有技术对症状时间状态及状态迁移关系的识别能力有限，容易将仅存在于既往阶段的症状错误识别为当前阳性症状，导致当前症状集合失真，进而影响后续问诊问题生成及中医辨证结果。因此，有必要对症状发生时间、持续状态及状态变化进行联合建模，以提高智能问诊过程中症状状态识别的准确性。

技术实现思路

1、本发明的目的是提供一种基于ai大语言模型的中医智能问诊方法，以解决背景技术中不足。

2、为了实现上述目的，本发明提供如下技术方案：基于ai大语言模型的中医智能问诊方法，包括：

3、获取患者当前轮次及历史轮次的问诊内容，利用ai大语言模型提取症状实体、时间表达及状态表达，以确定包含症状类型、发生时间、结束时间、初始症状状态及状态置信度的症状事件；

4、基于所述症状事件，以当前问诊时刻为时间锚点，按照时间先后关系关联同一症状对应的症状事件，并根据发生、持续、终止及复发关系构建症状时间状态图；

5、基于所述症状时间状态图提取症状事件与终止状态、复发状态及当前问诊时刻之间的有向路径，根据所述有向路径生成用于限制症状当前状态的时间一致性约束；

6、利用ai大语言模型确定各症状事件对应于当前存在、既往存在、已消失及复发状态的候选状态得分，将所述候选状态得分和时间一致性约束输入拉格朗日约束推断模型，根据候选状态违反所述时间一致性约束的程度更新拉格朗日乘子，并利用所述拉格朗日乘子修正候选状态得分，以得到症状事件的全局时间状态；

7、基于所述全局时间状态确定当前阳性症状集合，并利用所述当前阳性症状集合生成后续中医问诊结果。

8、优选的，所述确定症状事件，包括：

9、按照轮次编号及时间戳对所述当前轮次及历史轮次的问诊内容进行排序，以形成多轮问诊文本序列；将所述多轮问诊文本序列及当前问诊时刻输入ai大语言模型，以提取所述症状实体、时间表达及状态表达；将所述症状实体与预设中医症状术语集合进行匹配，并结合上下文中的部位、程度及伴随表现，确定对应的标准化症状类型。

10、优选的，所述构建症状时间状态图，包括：将具有相同标准化症状类型的症状事件划分至同一事件集合，并根据症状发生时间、症状结束时间及当前问诊时刻确定各症状事件的时间先后顺序；基于所述时间先后顺序构建症状时间状态图g=(v,r)，其中，v为节点集合，r为有向关系边集合，所述节点集合包括症状事件节点、时间节点、状态节点及当前问诊时刻节点，所述状态节点用于记录症状事件在对应时间阶段的状态结果，所述有向关系边用于表征症状事件、状态节点及时间节点之间的时间指向关系和状态迁移关系。

11、优选的，所述构建症状时间状态图，还包括：基于症状发生时间建立症状事件与发生时间节点之间的发生关联；在症状事件的初始症状状态为当前存在且症状结束时间未确定时，建立所述症状事件经对应状态节点指向当前问诊时刻的持续关系；在症状结束时间已确定且对应症状已经终止时，建立症状事件与结束时间节点及终止状态节点之间的终止关系。

12、优选的，针对属于同一标准化症状类型的相邻症状事件和，在前一症状事件具有确定的结束时间且满足时，确定后一症状事件发生于前一症状事件终止之后，并建立由前一症状事件的终止状态指向后一症状事件的复发关系，其中，表示前一症状事件的结束时间，表示后一症状事件的发生时间。

13、优选的，所述生成时间一致性约束，包括：基于所述症状时间状态图中的症状事件节点、状态节点、时间节点及有向关系边，提取同一症状的症状事件与终止状态、复发状态及当前问诊时刻之间的有向路径；基于所述有向路径中的节点类型、路径方向及时间节点之间的先后关系，确定症状事件对应的时间状态限制条件，并将所述时间状态限制条件转换为时间一致性约束。

14、优选的，所述时间一致性约束包括：基于存在终止路径且终止后未形成复发路径的症状事件，限制所述症状事件被确定为当前存在状态；基于终止后形成指向后续症状事件的复发路径，将所述后续症状事件保留为当前状态判断对象。

15、优选的，所述利用ai大语言模型确定候选状态得分，包括：将各症状事件及其关联的问诊上下文输入ai大语言模型，确定各症状事件分别对应于当前存在、既往存在、已消失及复发状态的候选状态得分；将候选状态集合记为z，并将症状事件对应候选状态z的候选状态得分记为，其中。

16、优选的，将所述候选状态得分和时间一致性约束输入拉格朗日约束推断模型，包括：

17、以表示症状事件是否被赋予候选状态，基于候选状态得分构建状态选择目标，并将时间一致性约束表示为约束函数，其中，表示各症状事件的候选状态组合，表示对应的时间一致性约束；基于所述候选状态得分和所述约束函数构建拉格朗日目标函数；

18、根据候选状态违反所述时间一致性约束的程度更新对应的拉格朗日乘子：

19、利用更新后的拉格朗日乘子对违反对应时间一致性约束的候选状态得分进行修正，以降低所述候选状态在联合状态选择中的相对得分，并确定症状事件的全局时间状态。

20、优选的，所述确定当前阳性症状集合，包括：基于各症状事件的全局时间状态，将全局时间状态为当前存在的症状以及复发后持续至当前问诊时刻的症状确定为当前阳性症状，并将已终止且终止后不存在复发的症状排除出当前阳性症状集合；将所述当前阳性症状集合输入ai大语言模型，以生成后续中医问诊结果。

21、在上述技术方案中，本发明提供的技术效果和优点：

22、本发明区别于现有技术仅依据单轮文本语义或症状关键词判断症状当前状态的方式，通过将患者多轮问诊中同一症状的发生时间、结束时间及状态变化进行关联，构建包含症状事件、时间节点、状态节点及有向关系边的症状时间状态图，并基于终止、持续及终止后再次发生的时间关系形成对应有向路径。由此，可在数据结构层面保留症状由发生、持续、终止至复发的完整时间演化关系，避免已缓解或已消失症状因再次出现在历史描述中而被直接作为当前阳性症状，从而提高当前症状状态表征与患者实际问诊时刻的一致性。

23、进一步地，本发明区别于直接采用ai大语言模型最高候选状态得分确定症状状态的方式，将症状时间状态图中的有向路径转换为时间一致性约束，并依据候选状态对所述约束的违反程度更新拉格朗日乘子，以对存在时间冲突的候选状态得分进行修正。本发明使大语言模型的局部语义判断受到症状终止、复发及当前问诊时刻之间全局时间关系的约束，能够降低“症状曾经出现”被误判为“症状当前存在”的风险，进而形成更准确的当前阳性症状集合，为后续中医智能问诊结果生成提供可靠的症状状态基础。

1.基于ai大语言模型的中医智能问诊方法，其特征在于，包括：

2.根据权利要求1所述的基于ai大语言模型的中医智能问诊方法，其特征在于，所述确定症状事件，包括：

3.根据权利要求1所述的方法，其特征在于，所述构建症状时间状态图，包括：将具有相同标准化症状类型的症状事件划分至同一事件集合，并根据症状发生时间、症状结束时间及当前问诊时刻确定各症状事件的时间先后顺序；基于所述时间先后顺序构建症状时间状态图g=(v,r)，其中，v为节点集合，r为有向关系边集合，所述节点集合包括症状事件节点、时间节点、状态节点及当前问诊时刻节点，所述状态节点用于记录症状事件在对应时间阶段的状态结果，所述有向关系边用于表征症状事件、状态节点及时间节点之间的时间指向关系和状态迁移关系。

4.根据权利要求3所述的方法，其特征在于，所述构建症状时间状态图，还包括：基于症状发生时间建立症状事件与发生时间节点之间的发生关联；在症状事件的初始症状状态为当前存在且症状结束时间未确定时，建立所述症状事件经对应状态节点指向当前问诊时刻的持续关系；在症状结束时间已确定且对应症状已经终止时，建立症状事件与结束时间节点及终止状态节点之间的终止关系。

5.根据权利要求1所述的方法，其特征在于，针对属于同一标准化症状类型的相邻症状事件和，在前一症状事件具有确定的结束时间且满足时，确定后一症状事件发生于前一症状事件终止之后，并建立由前一症状事件的终止状态指向后一症状事件的复发关系，其中，表示前一症状事件的结束时间，表示后一症状事件的发生时间。

6.根据权利要求5所述的方法，其特征在于，所述生成时间一致性约束，包括：基于所述症状时间状态图中的症状事件节点、状态节点、时间节点及有向关系边，提取同一症状的症状事件与终止状态、复发状态及当前问诊时刻之间的有向路径；基于所述有向路径中的节点类型、路径方向及时间节点之间的先后关系，确定症状事件对应的时间状态限制条件，并将所述时间状态限制条件转换为时间一致性约束。

7.根据权利要求6所述的方法，其特征在于，所述时间一致性约束包括：基于存在终止路径且终止后未形成复发路径的症状事件，限制所述症状事件被确定为当前存在状态；基于终止后形成指向后续症状事件的复发路径，将所述后续症状事件保留为当前状态判断对象。

8.根据权利要求7所述的方法，其特征在于，所述利用ai大语言模型确定候选状态得分，包括：将各症状事件及其关联的问诊上下文输入ai大语言模型，确定各症状事件分别对应于当前存在、既往存在、已消失及复发状态的候选状态得分；将候选状态集合记为z，并将症状事件对应候选状态z的候选状态得分记为，其中。

9.根据权利要求8所述的方法，其特征在于，将所述候选状态得分和时间一致性约束输入拉格朗日约束推断模型，包括：

10.根据权利要求9所述的方法，其特征在于，所述确定当前阳性症状集合，包括：基于各症状事件的全局时间状态，将全局时间状态为当前存在的症状以及复发后持续至当前问诊时刻的症状确定为当前阳性症状，并将已终止且终止后不存在复发的症状排除出当前阳性症状集合；将所述当前阳性症状集合输入ai大语言模型，以生成后续中医问诊结果。