一种人工智能与人机耦合门诊化疗全周期管理方法及系统与流程

摘要: 本发明涉及智能医疗管理,特别指一种人工智能与人机耦合门诊化疗全周期管理方法及系统背景技术:1、门诊化疗作为一种高效的肿瘤治疗模式,能够显著缩短患者住院时间、降低...
一种人工智能与人机耦合门诊化疗全周期管理方法及系统与流程

本发明涉及智能医疗管理,特别指一种人工智能与人机耦合门诊化疗全周期管理方法及系统

背景技术:

1、门诊化疗作为一种高效的肿瘤治疗模式,能够显著缩短患者住院时间、降低医疗成本并优化医疗资源利用。然而,与住院化疗不同,门诊化疗患者在完成当日给药后即离院,其康复过程主要在居家环境中度过。由此引发出一个核心技术难题:如何构建一套能够将医院的专业管理、监测与干预能力,无缝、精准且自动化地延伸至患者居家环境的技术系统。

2、目前,针对门诊化疗患者的管理技术主要存在以下缺陷与挑战:

3、1.院外管理存在“信息断层”,缺乏自动化、时序化的数据感知与处理机制。

4、在现有模式下,患者离院后的症状、体征及不良反应信息主要依赖患者主动反馈或被动等待复诊,形成“信息黑箱”;医院端的医嘱执行、用药指导、复查提醒等流程在患者离院后即中断,缺乏以关键事件(如化疗结束时间)为锚点的自动化任务分发与追踪机制。这导致对化疗后骨髓抑制、严重消化道反应等高危事件的监测存在显著滞后,难以实现“早发现、早干预”的技术目标。

5、2.患者管理呈现“千人一面”的静态模式,缺乏基于个体多维数据融合的动态决策能力。

6、现有随访系统或管理方法大多依据固定时间规则或通用模板进行信息推送,未能充分利用患者电子病历中的结构化数据(如诊断、分期、基因检测结果)与非结构化数据(如病程记录、既往反应),更未将其与具体化疗药物的不良反应谱、监测指标等药物画像数据进行深度融合。因此,无法为每位患者动态生成从用药结束到康复复查的全周期、个性化管理路径。这种静态、通用的管理方式导致用药指导、康复建议等信息匹配度低、依从性差,本质上是一种缺乏数据驱动智能决策能力的管理方法。

7、3.患者咨询与不良反应监测依赖大量人工操作,缺乏规模化的人机协同自动化工作流。

8、随着门诊化疗服务量的激增,传统依赖医护人员进行电话随访、微信答疑、手工记录不良反应的模式已难以满足规模化、精细化的管理需求。现有技术中虽存在智能外呼或问卷系统,但大多基于固定话术树进行交互,无法对患者口语化的症状描述(如“手脚发麻”“嘴巴烂了”)进行精准的医学术语映射及深层次鉴别追问。更为关键的是,在识别到潜在风险后,缺乏一套能够自动进行风险分级,并触发从人工智能系统到健康管理师、再到主管医师的“人机耦合”分级干预与任务闭环回写的自动化工作流技术。这使得ai系统与人工工作相互割裂,未能实现真正的人机协同增效,医护人员仍深陷于大量重复性的低风险咨询处理工作中。

9、4.现有智能化方案未针对化疗场景进行时序化与知识驱动的建模。

10、近年来,虽有研究尝试将人工智能、大模型应用于医疗随访,但均未针对门诊化疗这一特殊场景进行精细化的技术设计。具体表现为:(a)缺乏以“用药结束日(d0)”为核心时间锚点的全周期时序化管理建模,未能区分化疗后不同阶段(如骨髓抑制高峰期、黏膜反应期、体力恢复期)各自的管理目标与干预策略;(b)缺乏将抗肿瘤药物知识库、不良反应处置指南等专业知识与患者实时数据相结合的检索增强生成(rag)机制,导致大模型生成的指导内容存在事实性错误(即“幻觉”)风险,难以满足医疗场景对信息准确性与安全性的严苛要求。

11、因此,如何提供一种人工智能与人机耦合门诊化疗全周期管理方法及系统,实现提升院外管理的自动化感知与干预能力、个性化动态决策水平、人机协同工作流效率以及基于时序化知识驱动的全周期管理精准度,成为一个亟待解决的技术问题。

技术实现思路

1、本发明要解决的技术问题,在于提供一种人工智能与人机耦合门诊化疗全周期管理方法及系统,实现提升院外管理的自动化感知与干预能力、个性化动态决策水平、人机协同工作流效率以及基于时序化知识驱动的全周期管理精准度。

2、第一方面,本发明提供了一种人工智能与人机耦合门诊化疗全周期管理方法,包括如下步骤:

3、步骤s1、响应于医师在医院信息系统中开具的医嘱,通过调用与所述医院信息系统集成的抗肿瘤药品字典自动匹配医嘱,以自动判定所述医嘱是否包含抗肿瘤药物,若包含,则将对应的患者信息与化疗方案信息自动录入全周期管理平台;

4、步骤s2、基于所述患者信息,从电子病历系统中提取相关数据,构建包含疾病、治疗、体质、既往不良反应及风险评估维度的多维患者画像;

5、步骤s3、构建用药指导知识库,并构建包含药物、不良反应、监测指标、干预措施及时间节点实体与关系的化疗管理知识图谱;

6、步骤s4、以所述化疗方案信息的用药结束日为时间锚点,融合所述多维患者画像、从用药指导知识库中调取的与化疗方案信息对应的药物画像信息以及化疗管理知识图谱,通过人工智能模型自动生成覆盖从所述用药结束日到预定复查日的个性化、时序化的管理路径,所述管理路径包括在多个关键时间节点向患者推送的指导内容、设置的复查任务以及规划的宣教主题;

7、步骤s5、对所述管理路径进行知识图谱一致性、时序合理性与任务完整性的三重校验;

8、步骤s6、在所述管理路径执行过程中,根据患者反馈的实时数据触发所述管理路径的动态调整。

9、进一步的,所述步骤s3中,所述用药指导知识库采用双层架构:针对处方量占比超过预设的频次阈值的高频抗肿瘤药物,为每种药物独立配置包含特征性不良反应、监测指标及就医红线的个性化用药指导卡片;针对低频抗肿瘤药物,则按其药理分类配置共性用药指导模板;

10、所述化疗管理知识图谱的构建,采用人工智能模型自动抽取、专家审核与链接预测补全的人机耦合方式。

11、进一步的,所述步骤s4中,所述管理路径的关键时间节点至少包括用药结束日及其后第1、2、3、4、5、6、8、10、11、15-28天及复诊前1-3天;

12、所述管理路径中的指导内容和复查任务包括:用药指导推送、症状监测、抽血复查提醒、饮食指导、运动指导、心理康复指导及复诊提醒;

13、所述步骤s5中,所述知识图谱一致性的校验具体为:校验所述管理路径中的指导内容不与化疗管理知识图谱中的禁忌或过敏信息冲突;

14、所述时序合理性的校验具体为:校验所述管理路径中的复查任务的任务时间不早于药物起效时间窗,且不晚于所述化疗方案信息中药物不良反应的安全监测窗口的结束时间;

15、所述任务完整性的校验具体为:校验所述管理路径中的宣教主题是否覆盖用药、复查、康复、宣教及复诊五大类管理动作。

16、进一步的,所述步骤s6中,触发所述管理路径动态调整的条件包括:患者反馈的症状等级超过预设的症状风险干预阈值、上传的检验结果指标异常、或智能硬件采集的生命体征数据异常。

17、进一步的,所述方法还包括:

18、步骤s7、获取包含所述多维患者画像、当前周期的药物画像信息、患者实时反馈数据及相对于用药结束日的时间点的风险研判输入向量;

19、基于所述风险研判输入向量和化疗管理知识图谱,通过规则推理或人工智能模型输出低风险、中风险或高风险的风险等级标签;

20、根据所述风险等级标签,触发不同级别的干预:对所述低风险,由人工智能模型自动应答;对所述中风险,生成工单分派至健康管理师进行人工随访判定;对所述高风险,立即向患者推送紧急就医提示并通知其主管医师;

21、步骤s8、在所述管理路径的指定时间节点,通过智能外呼系统自动联系患者;

22、在通话过程中,识别患者口语化描述的症状并将其映射为标准化医学术语,并基于所述化疗管理知识图谱自动生成鉴别性追问问题;

23、根据通话内容提取的关键信息,生成结构化随访报告并归档至患者电子病历;

24、步骤s9、构建包含非结构化诊疗经验库、结构化知识图谱及半结构化模板库的多层级知识库;

25、在响应患者查询或生成管理内容时,先从所述多层级知识库中进行多路信息检索与召回;

26、将召回的相关信息注入生成模型的提示词中,引导其生成回答,并对生成的所述回答中涉及关键医疗事实的部分进行证据溯源校验,若无法找到证据则标记为需人工审核。

27、第二方面,本发明提供了一种人工智能与人机耦合门诊化疗全周期管理系统,包括如下模块:

28、医嘱自动匹配与录入模块,用于响应于医师在医院信息系统中开具的医嘱,通过调用与所述医院信息系统集成的抗肿瘤药品字典自动匹配医嘱,以自动判定所述医嘱是否包含抗肿瘤药物,若包含,则将对应的患者信息与化疗方案信息自动录入全周期管理平台;

29、多维患者画像构建模块,用于基于所述患者信息,从电子病历系统中提取相关数据,构建包含疾病、治疗、体质、既往不良反应及风险评估维度的多维患者画像;

30、知识库与知识图谱构建模块,用于构建用药指导知识库,并构建包含药物、不良反应、监测指标、干预措施及时间节点实体与关系的化疗管理知识图谱;

31、个性化管理路径生成模块,用于以所述化疗方案信息的用药结束日为时间锚点,融合所述多维患者画像、从用药指导知识库中调取的与化疗方案信息对应的药物画像信息以及化疗管理知识图谱,通过人工智能模型自动生成覆盖从所述用药结束日到预定复查日的个性化、时序化的管理路径,所述管理路径包括在多个关键时间节点向患者推送的指导内容、设置的复查任务以及规划的宣教主题;

32、管理路径三重校验模块,用于对所述管理路径进行知识图谱一致性、时序合理性与任务完整性的三重校验;

33、管理路径动态调整模块,用于在所述管理路径执行过程中,根据患者反馈的实时数据触发所述管理路径的动态调整。

34、进一步的,所述知识库与知识图谱构建模块中,所述用药指导知识库采用双层架构:针对处方量占比超过预设的频次阈值的高频抗肿瘤药物,为每种药物独立配置包含特征性不良反应、监测指标及就医红线的个性化用药指导卡片;针对低频抗肿瘤药物,则按其药理分类配置共性用药指导模板;

35、所述化疗管理知识图谱的构建,采用人工智能模型自动抽取、专家审核与链接预测补全的人机耦合方式。

36、进一步的,所述个性化管理路径生成模块中,所述管理路径的关键时间节点至少包括用药结束日及其后第1、2、3、4、5、6、8、10、11、15-28天及复诊前1-3天;

37、所述管理路径中的指导内容和复查任务包括:用药指导推送、症状监测、抽血复查提醒、饮食指导、运动指导、心理康复指导及复诊提醒;

38、所述管理路径三重校验模块中,所述知识图谱一致性的校验具体为:校验所述管理路径中的指导内容不与化疗管理知识图谱中的禁忌或过敏信息冲突;

39、所述时序合理性的校验具体为:校验所述管理路径中的复查任务的任务时间不早于药物起效时间窗,且不晚于所述化疗方案信息中药物不良反应的安全监测窗口的结束时间;

40、所述任务完整性的校验具体为:校验所述管理路径中的宣教主题是否覆盖用药、复查、康复、宣教及复诊五大类管理动作。

41、进一步的,所述管理路径动态调整模块中,触发所述管理路径动态调整的条件包括:患者反馈的症状等级超过预设的症状风险干预阈值、上传的检验结果指标异常、或智能硬件采集的生命体征数据异常。

42、进一步的,所述系统还包括:

43、风险研判与分级干预模块,用于获取包含所述多维患者画像、当前周期的药物画像信息、患者实时反馈数据及相对于用药结束日的时间点的风险研判输入向量;

44、基于所述风险研判输入向量和化疗管理知识图谱,通过规则推理或人工智能模型输出低风险、中风险或高风险的风险等级标签;

45、根据所述风险等级标签,触发不同级别的干预:对所述低风险,由人工智能模型自动应答;对所述中风险,生成工单分派至健康管理师进行人工随访判定;对所述高风险,立即向患者推送紧急就医提示并通知其主管医师;

46、智能外呼与随访模块,用于在所述管理路径的指定时间节点,通过智能外呼系统自动联系患者;

47、在通话过程中,识别患者口语化描述的症状并将其映射为标准化医学术语,并基于所述化疗管理知识图谱自动生成鉴别性追问问题;

48、根据通话内容提取的关键信息,生成结构化随访报告并归档至患者电子病历;

49、多层级知识库与生成校验模块,用于构建包含非结构化诊疗经验库、结构化知识图谱及半结构化模板库的多层级知识库;

50、在响应患者查询或生成管理内容时,先从所述多层级知识库中进行多路信息检索与召回;

51、将召回的相关信息注入生成模型的提示词中,引导其生成回答,并对生成的所述回答中涉及关键医疗事实的部分进行证据溯源校验,若无法找到证据则标记为需人工审核。

52、本发明的优点在于:

53、1、通过系统集成自动捕获医嘱与患者信息,构建了院外管理的自动化起点,解决了信息断层;进而融合多维患者画像与化疗管理知识图谱,为每位患者动态生成从用药结束日开始的个性化、时序化全周期管理路径,实现了基于数据的动态决策;通过设定基于实时反馈的风险分级规则,触发从ai自动应答、人工随访到紧急通知医师的耦合干预工作流,并结合智能外呼自动执行任务,显著提升了人机协同效率;整个管理过程以用药结束日为精确时间锚点安排任务,并依靠用药指导知识库与化疗管理知识图谱进行内容生成与一致性校验,确保了全周期管理的时序精准性与知识可靠性。

54、2、实现从院内到院外的自动化、时序化、可追踪的全周期管理闭环,有效解决信息断层问题:通过自动捕获医嘱与患者信息,以用药结束日为时间锚点自动生成覆盖整个康复周期的个性化、时序化管理路径,并包含具体的任务节点(如指导推送、复查提醒);支持根据患者实时反馈数据动态调整路径;这一系列设计构建了一个自动化、连续的数据感知与任务执行系统,将医院的专业管理能力精准延伸至居家环境,实现了对化疗后风险的“早发现、早干预”,从技术上填补了院外管理的空白。

55、3、通过多源数据融合与知识驱动,实现从“千人一面”到真正个性化、动态化的精准管理决策:引入了多维患者画像(融合疾病、体质、既往反应等)与药物画像信息,并将二者与化疗管理知识图谱融合,通过ai模型生成个性化管理路径;这意味着为不同疾病、不同体质、使用不同药物的患者,其管理路径在内容、重点和时序上都是定制化的;这种基于深度数据融合的动态决策机制,显著提高了管理内容的匹配度和患者依从性,从根本上提升了管理效能。

56、4、构建“人机耦合”的分级响应与自动化工作流,极大提升了管理效率并实现了人机协同增效:通过自动风险研判与分级干预,根据输入向量自动判定风险等级,并触发从ai自动应答、健康管理师人工随访到通知主管医师的不同级别响应,实现了高风险紧急处理、低风险自动消化;智能交互与信息结构化,智能外呼不仅能自动联系患者,更能将患者口语描述映射为标准医学术语,并自动生成随访报告归档;这套工作流将医护人员从大量重复性低风险事务中解放出来,聚焦于高价值的人工判定和紧急干预,实现了规模化、精细化管理的技术突破。

57、5、深度结合化疗场景的时序特性与专业知识,通过多重校验与rag机制保障了管理的精准性与安全性:通过时序化场景建模,管理路径严格围绕化疗后不同生理阶段设计任务,贴合临床实际;多重逻辑校验保障安全,对生成的管理路径进行知识图谱一致性、时序合理性与任务完整性三重校验,防止出现禁忌冲突或监测遗漏;知识增强与溯源防“幻觉”,构建多层级知识库,采用检索增强生成(rag)技术,为ai生成内容提供知识支撑,并对关键医疗事实进行证据溯源,无法溯源则标记审核;这些设计确保了技术方案的专业性、可靠性和医疗安全性。

58、6、本发明突破传统静态画像模式,构建动态时序化多模态患者画像,融合结构化病历数据与非结构化文本数据。针对非结构化的病程记录、出院小结、随访记录,精准抽取症状、不良反应、合并症、治疗史等实体,实体识别准确率≥98%。

59、7、画像风险评分采用多因子加权融合算法,所有权重、阈值均依托临床指南与百万级真实化疗数据训练优化,支持临床专家可视化调参。骨髓抑制、消化道反应、肝肾功能损伤等各类风险评分体系独立建模,输出标准化高/中/低风险标签,为后续ai路径生成、风险干预提供量化依据。画像数据支持周期更新,每完成一次化疗周期自动迭代,实现患者状态动态同步。