一种急腹症分诊决策支持方法及系统与流程

本发明属于医疗信息化，具体涉及一种急腹症分诊决策支持方法及系统。

背景技术：

1、急腹症是急诊科最常见的就诊原因之一，其病因复杂、病情变化快，对急诊预检分诊的准确性和时效性提出了极高要求。分诊护士需在3-5分钟内完成对患者的高危风险识别和专科归属判断。

2、现有技术中，为了提高在进行分诊时的效率以及准确性，会在分诊的过程中采用预测模型辅助进行判断，但是现有基于机器学习的临床预测模型虽然在统计学上表现出良好的预测性能，但其决策过程对临床用户而言是不透明的。当分诊护士接收到高危预警或分科推荐时，无法知悉模型为什么做出这个预测以及预测依据是否可靠，严重制约了临床接受度和信任度。

3、另外，在采用多个预测模型进行预测时，当不同模型给出相互矛盾的预测结果时，反而会影响甚至干扰分诊护士的判断，进而影响分诊的精准度和效率。

技术实现思路

1、本发明的目的是提出一种急腹症分诊决策支持方法及系统，以解决现有技术中的问题。

2、为此，本发明一方面提供一种急腹症分诊决策支持方法，包括：

3、获取患者的临床数据；

4、对所述临床数据进行预处理，构建标准化特征向量；

5、将所述标准化特征向量输入多个基础预测模型进行并行预测，生成基础预测概率向量；

6、根据所述临床数据，从循证医学知识库中检索与所述临床数据相关的循证知识片段，并提取结构化知识特征向量；

7、将所述标准化特征向量、所述基础预测概率向量和所述结构化知识特征向量输入多任务协同预测模型，经共享编码器融合为增强特征向量，并通过门控网络动态分配专家网络权重进行知识增强预测，输出预测结果，所述预测结果包括输出高危风险概率、分科推荐概率分布及预测置信度；

8、对所述多任务协同预测模型的预测结果与所述循证知识片段进行一致性验证，生成一致性验证结果；

9、基于所述多任务协同预测模型的预测结果、所述循证知识片段及所述一致性验证结果，生成个性化临床决策解释；

10、根据所述高危风险概率和所述分科推荐概率分布，触发相应等级的分诊决策提示信号，并可视化呈现所述个性化临床决策解释及循证决策依据。

11、一些实施例中，所述将所述标准化特征向量输入多个基础预测模型进行并行预测，生成基础预测概率向量中的多个基础预测模块包括：

12、高危预警模型组，所述高危预警模型组包括三个高危预警模型，三个所述高危预警模型用于分别输出对应的高危概率向量；

13、以及

14、分科模型组，所述分科模型组包括三个分科模型，三个所述分科模型用于分别输出对应的科室归属概率向量。

15、一些实施例中，所述根据所述临床数据，从循证医学知识库中检索与所述临床数据相关的循证知识片段，并提取结构化知识特征向量，包括：

16、从所述临床数据中提取关键临床特征，根据所述关键临床特征对应的结构化模板自动生成自然语言查询；

17、将所述自然语言查询编码为查询向量，在所述循证医学知识库中计算所述查询向量与各知识单元向量的语义相似度，按相似度降序排列，输出检索结果；其中，知识单元向量为所述循证医学知识库中的知识文本转化为的高维向量；

18、根据所述检索结果，选取相关性最高的多个循证知识片段；

19、从所述多个循证知识片段中提取结构化知识特征，构建所述结构化知识特征向量；

20、其中，所述结构化知识特征向量包括指南建议的风险等级、指南推荐的科室以及关键风险指标匹配度。

21、一些实施例中，将所述标准化特征向量、所述基础预测概率向量和所述结构化知识特征向量输入多任务协同预测模型，经共享编码器融合为增强特征向量，并通过门控网络动态分配专家网络权重进行知识增强预测，输出预测结果，包括：

22、将所述标准化特征向量、所述基础预测概率向量以及所述结构化知识特征向量通过深度神经网络映射为512维增强特征向量；

23、基于所述增强特征向量计算多个专家网络的激活权重，并选择权重最高的其中两个所述专家网络进行激活；

24、根据被激活的所述专家网络执行知识增强预测，输出所述预测结果。

25、一些实施例中，所述专家网络包括高危预警专家、专科分流专家以及综合决策专家；

26、当执行高危预警任务时，激活所述高危预警专家和所述综合决策专家；

27、当执行专科分流任务时，激活所述专科分流专家和所述综合决策专家；

28、当判定为复杂病例场景时，激活三个所述专家网络进行联合决策。

29、一些实施例中，所述对所述多任务协同预测模型的预测结果与所述循证知识片段进行一致性验证，生成一致性验证结果，包括：

30、采用关键词匹配和语义相似度相结合的混合评分方法计算一致性得分；

31、根据所述一致性得分判定一致性等级；

32、当所述一致性等级为完全一致，直接进入所述生成个性化临床决策解释的步骤；

33、当所述一致性等级为部分一致时，标注差异点后进入所述生成个性化临床决策解释的步骤；

34、当所述一致性等级为不一致时，触发人工复核警告后进入所述生成个性化临床决策解释的步骤。

35、一些实施例中，所述基于所述多任务协同预测模型的预测结果、所述循证知识片段及所述一致性验证结果，生成个性化临床决策解释，包括：

36、根据所述预测结果、所述循证知识片段以及所述一致性验证结果构成结构化指令文本；

37、基于大语言模型，根据所述结构化指令文本生成三段式个性化临床决策解释。

38、一些实施例中，所述可视化呈现所述个性化临床决策解释及循证决策依据，包括：

39、以红色圆形标识配合高危文字标签展示高危风险等级；

40、以水平进度条展示各专科的推荐概率，所述水平进度条的长度与所述推荐概率成正比；

41、以文字标识展示所述预测置信度；

42、以结构化文本展示所述循证决策依据，所述循证决策依据包括rag检索到的临床指南关键片段和证据来源。

43、一些实施例中，所述对所述临床数据进行预处理，构建标准化特征向量，包括：

44、对所述临床数据进行数据清洗，排除异常值；

45、对清洗后的所述临床数据进行缺失值处理；

46、对缺失值处理后的所述临床数据进行变量编码，构建所述标准化特征向量。

47、另一方面，还提供一种急腹症分诊决策支持系统，包括：

48、患者信息采集模块，配置在数据层中，用于获取患者的临床数据；

49、预处理模块，配置在信息层中，用于对所述临床数据进行预处理，构建标准化特征向量；

50、基础模型预测模块，配置在所述信息层中，用于将所述标准化特征向量输入多个基础预测模型进行并行预测，生成基础预测概率向量；

51、知识检索模块，配置在知识层中，用于根据所述临床数据，从循证医学知识库中检索与所述临床数据相关的循证知识片段，并提取结构化知识特征向量；

52、多任务协同预测模块，配置在所述知识层中，用于将所述标准化特征向量、所述基础预测概率向量和所述结构化知识特征向量输入多任务协同预测模型，经共享编码器融合为统一高维特征表示，并通过门控网络动态分配专家网络权重进行知识增强预测，输出预测结果，所述预测结果包括高危风险概率、分科推荐概率分布及预测置信度；

53、一致性验证模块，配置在所述知识层中，用于对所述多任务协同预测模块的预测结果与所述知识检索模块检索的循证知识片段进行一致性验证，生成一致性验证结果；

54、决策解释生成模块，配置在智慧层中，用于基于所述多任务协同预测模块的预测结果、所述知识检索模块检索的循证知识片段及所述一致性验证结果，生成个性化临床决策解释；

55、预警提示与可视化模块，配置在所述智慧层中，用于根据所述高危风险概率和所述分科推荐概率分布，触发相应等级的分诊决策提示信号，并可视化呈现所述个性化临床决策解释及循证决策依据。

56、有益效果：

57、1.本发明通过将rag检索的结构化知识特征作为moe预测的输入特征之一，实现从纯数据驱动预测向循证医学知识增强推理的范式跨越，显著提升了预测结果的临床可信度与可解释性。

58、2.本发明采用moe架构将高危预警与专科分流统一整合到共享专家网络体系中，解决了现有技术中多模型独立运行导致的决策冲突问题，实现了高危风险识别与专科分流推荐的信息共享与协同优化。

59、3.本发明采用快速预测与深层解释的双层输出结构，既满足急诊高时效性场景的快速决策需求，又为复杂病例提供深度循证分析途径，实现了人机协同的渐进式决策支持。

60、4.本发明采用关键词匹配与语义相似度相结合的混合评分方法计算一致性得分，并依据得分进行三级判定与差异化处理，相当于在临床决策流程中引入双人核对环节，有效覆盖基础模型预测错误与知识检索偏差两类系统失效模式，显著增强了决策建议的安全性与可靠性。