一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种分级诊疗引导方法及装置

2023-01-06 03:01:36 来源:中国专利 TAG:


1.本发明涉及医疗数据处理技术领域,特别涉及一种分级诊疗引导方法及装置。


背景技术:

2.分级诊疗是指按照疾病的轻重缓急及治疗的难易程度进行分级,不同级别的医疗机构承担不同疾病的治疗,逐步实现从全科到专业化的医疗过程。分级诊疗制度的内涵即基层首诊、双向转诊、急慢分治、上下联动。当前分级诊疗有两个类型:一种是地理位置型的分级诊疗,强调要分流大型三甲医院的患者,要把患者引导到所在社区附近的基层医疗单位,强调让患者少跑路;另一种则是医学需求型的分级诊疗,强调依据患者的实际医学需求进行分类分级诊疗。
3.虽然分级诊疗号召患者大病到大医院,小病到小医院,强调等级匹配,目的是节约医疗资源,但是分级诊疗落地效果并不好,因为患者无法知道自己得的病是大还是小,该到哪个等级的医疗机构就医,再者,患者信不过基层医生的诊疗水平,不愿意去。这导致一旦患者通过挂号系统选择了特定的大医院或者患者直接使用特定的大医院的挂号系统,很难引导患者按照其病症转到其它合适的医院去。例如授权号为cn115064278b的中国专利,提出一种基于家庭医生信息平台的分级诊疗系统及方法,通过用户寄出身体状态和应急身体状态进行综合判断。
4.此外,现有技术中也的确存在一些推荐系统,它们根据患者信息推荐合适的诊疗单位或者推荐合适的医生,可以起到分级诊疗的作用,但是患者的使用意愿并不强,也无法理解分级诊疗的意图。


技术实现要素:

5.鉴于现有技术中的上述缺陷或不足,本发明提供了一种分级诊疗引导方法及装置,以全部或部分的解决背景技术中提到的技术问题。
6.本发明的一个方面,提供了一种分级诊疗引导方法,包括如下步骤:获取客户端对特定医院的挂号信息,该挂号信息包括患者预填信息和患者病史信息;判断挂号信息是否满足预设条件,是则触发分级诊疗引导步骤,包括:向客户端发送与就诊相关的问题,并获取客户端针对这些问题的答复信息;从答复信息中抽取与病情相关的医学实体信息;对医学实体信息进行特征提取,根据提取的特征判断患者是否适合在特定医院挂号;若判断出患者不适合在特定医院挂号,则向客户端发送分级诊疗引导建议。
7.进一步的,上述分级诊疗引导步骤进一步包括:向客户端发送与就医病症相关的第一问题,并获取客户端针对第一问题的第一答复信息;从第一答复信息中抽取与病症相关的第一医学实体信息;对第一医学实体信息进行特征提取,根据提取的第一特征判断患者是否适合在特定医院挂号;
若患者不适合在特定医院挂号,则向客户端发送与病症严重程度相关的第二问题,并获取客户端针对第二问题的第二答复信息;从第二答复信息中抽取与病症严重程度相关的第二医学实体信息;对第二医学实体信息进行特征提取,根据提取的第二特征判断所述患者是否适合在特定医院挂号;若患者不适合在特定医院挂号,则向客户端发送与病症复杂度相关的第三问题,并获取客户端针对第三问题的第三答复信息;从第三答复信息中抽取与病症复杂度相关的第三医学实体信息;对第三医学实体信息进行特征提取,根据提取的第三特征判断患者是否适合在特定医院挂号;若根据第一特征、第二特征和第三特征,均判断出患者不适合在特定医院挂号,则向客户端发送分级诊疗引导建议。
8.进一步的,提取的特征包括与病种、人群、病症严重程度和病症复杂程度中的至少一种相关的特征。
9.进一步的,根据提取的特征判断所述患者是否适合在特定医院挂号的步骤包括:判断提取的特征是否满足预设的挂号入院条件,若不满足,则通过机器学习模型进一步判断患者是否适合在特定医院挂号。
10.进一步的,还包括:将病症严重或病症复杂的症状疾病的表述或表述序列作为正样本,表述序列是多个症状疾病表述的组合;将病症轻微或病症简单的症状疾病的表述或表述序列作为负样本;基于正样本和负样本,对机器学习模型进行训练,得到最终的模型。
11.进一步的,还包括:识别能够触发和不能触发分级诊疗引导步骤的挂号信息;将能够触发分级诊疗引导步骤的挂号信息作为正样本,将不能触发分级诊疗引导步骤的挂号信息作为负样本;基于正样本和负样本,用机器学习算法训练触发分类模型;用训练好的触发分类模型计算客户端发送的特定医院的挂号信息的得分,超过得分阈值则触发分级诊疗引导步骤。
12.本发明的另一方面,还提供了一种分级诊疗引导装置,包括:获取模块,被配置为获取客户端对特定医院的挂号信息,该挂号信息包括患者预填信息和患者病史信息;判断模块,被配置为判断挂号信息是否满足预设条件,是则触发分级诊疗引导模块;分级诊疗引导模块,被配置为向客户端发送与就诊相关的问题,并获取客户端针对问题的答复信息;从答复信息中抽取与病情相关的医学实体信息;对医学实体信息进行特征提取,根据提取的特征判断患者是否适合在特定医院挂号;若判断出患者不适合在特定医院挂号,则向客户端发送分级诊疗引导建议。
13.进一步的,分级诊疗引导模块被进一步配置为:向客户端发送与就医病症相关的第一问题,并获取客户端针对第一问题的第一答复信息;从第一答复信息中抽取与病症相关的第一医学实体信息;对第一医学实体信息进
行特征提取,根据提取的第一特征判断患者是否适合在特定医院挂号;若患者不适合在特定医院挂号,则向客户端发送与病症严重程度相关的第二问题,并获取客户端针对第二问题的第二答复信息;从第二答复信息中抽取与病症严重程度相关的第二医学实体信息;对第二医学实体信息进行特征提取,根据提取的第二特征判断患者是否适合在特定医院挂号;若患者不适合在特定医院挂号,则向客户端发送与病症复杂度相关的第三问题,并获取客户端针对第三问题的第三答复信息;从第三答复信息中抽取与病症复杂度相关的第三医学实体信息;对第三医学实体信息进行特征提取,根据提取的第三特征判断患者是否适合在特定医院挂号;若根据第一特征、第二特征和第三特征,均判断出患者不适合在特定医院挂号,则向客户端发送分级诊疗引导建议。
14.进一步的,分级诊疗引导模块被进一步配置为:判断提取的特征是否满足预设的挂号入院条件,若不满足,则通过机器学习模型进一步判断患者是否适合在特定医院挂号;分级诊疗引导装置还包括机器学习模型训练模块,被配置为将病症严重或病症复杂的症状疾病的表述或表述序列作为正样本,表述序列是多个症状疾病表述的组合;将病症轻微或病症简单的症状疾病的表述或表述序列作为负样本;基于正样本和负样本,对机器学习模型进行训练,得到最终的模型。
15.进一步的,判断模块被进一步配置为:识别能够触发和不能触发分级诊疗引导步骤的挂号信息;将能够触发分级诊疗引导步骤的挂号信息作为正样本,将不能触发分级诊疗引导步骤的挂号信息作为负样本;基于正样本和负样本,用机器学习算法训练触发分类模型;用训练好的触发分类模型计算客户端发送的特定医院的挂号信息的得分,超过得分阈值则触发分级诊疗引导步骤。
16.本发明提供的一种分级诊疗引导方法及装置,当患者在线上预挂号某特定的医院时,挂号系统通过跟患者简短的对话收集患者信息,然后用人工智能模型判断是否适合在该医院挂号,若不适合则给出挂号建议。该方法和装置能够使患者充分的理解分级诊疗的意图,有效的引导患者从已选定的大医院转去其它合适级别的医院问诊。
附图说明
17.通过阅读参照以下附图所作的对非限制性实施例的详细描述,本发明的其它特征、目的和优点将会变得更明显:图1是本发明提供的分级诊疗引导方法的流程示意图;图2是本发明提供的分级诊疗引导系统的逻辑示意图;图3是本发明提供的分级诊疗引导装置的结构示意图;图4是本发明提供的电子设备的结构示意图。
具体实施方式
18.为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
19.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”“所述”和“该”也旨在包括多数形式,除非上下文清楚的表示其他含义。
20.应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述获取模块,但这些获取模块不应限于这些术语。这些术语仅用来将获取模块彼此区分开。
21.取决于语境,如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似的,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
22.需要注意的是,本发明实施例所描述的“上”“下”“左”“右”等方位词是以附图所示的角度来进行描述的,不应理解为对本发明实施例的限定。此外在上下文中,还需要理解的是,当提到一个元件被形成在另一个元件“上”或“下”时,其不仅能够直接形成在另一个元件“上”或者“下”,也可以通过中间元件间接形成在另一元件“上”或者“下”。
23.本发明的一个实施例提供了一种分级诊疗引导方法,该方法以分级诊疗引导程序的形式与公共挂号平台或医院自己的挂号系统相结合,当患者信息满足分级诊疗引导程序的触发条件时,分级诊疗引导程序启动并通过ai系统与患者交流,并给予患者合理的分级诊疗指引。
24.参见图1,本实施例的分级诊疗引导方法包括如下步骤:步骤s101,获取客户端对特定医院的挂号信息,该挂号信息包括患者预填信息和患者病史信息。
25.具体的,当患者通过手机、电脑等终端设备在网上的公共挂号平台或某家大医院的挂号平台上挂号时,公共挂号平台获取患者客户端预填的信息,包括:年龄、性别、挂号次数、所挂科室,挂号过程中埋点数据等等,若是在大医院自己的挂号平台上挂号,挂号系统还可以获取到患者的历史病历、历史处方、历史检验检查等信息。本实施例将上述通过挂号系统/挂号平台获取的资料统称为挂号信息。
26.步骤s102,判断上述挂号信息是否满足预设条件,是则触发分级诊疗引导步骤。
27.具体的,参见图2,挂号平台具有触发模块201,触发模块201根据上述挂号信息判断当前客户端对应的患者是否符合预设的规则条件,是则触发分级诊疗系统。符合预设的规则条件指在触发模块201中预设一些规则,符合规则条件的患者称为满足条件。例如:患者挂号0次,表示初诊患者,此时应该触发分级诊疗系统。
28.优选的,触发模块201通过分类模型判断患者是否符合预设的规则条件。分类模型通过如下方式构建:首先,工作人员根据患者预填信息识别出哪些应该触发分级诊疗系统,哪些不应该触发。应该触发的患者及其信息作为正样本,不应该触发的患者及其信息作为负样本。然后,用机器学习算法训练分类模型。当获取到新的患者的预设信息时,可以根据
分类模型计算该患者的触发得分,超过得分阈值的患者触发分级诊疗系统,没有超过阈值得分的患者不进入分级诊疗系统,继续原先流程。
29.步骤s103,分级诊疗引导步骤包括向所述客户端发送与就诊相关的问题,并获取所述客户端针对所述问题的答复信息;从所述答复信息中抽取与病情相关的医学实体信息;对所述医学实体信息进行特征提取,根据提取的特征判断患者是否适合在所述特定医院挂号;若判断出患者不适合在所述特定医院挂号,则向客户端发送分级诊疗引导建议。
30.具体的,参见图2,分级诊疗系统的逻辑结构可以划分为对话模块202、抽取模块203、模型分类模块204和建议模块205。
31.对话模块202,用于实现与患者的对话,以了解患者的就诊信息。优选的,采用语音对话。具体的,当收到分级诊疗系统的启动信号时,对话模块202开始工作。对话模块202询问患者病症,为了保证患者体验,对话模块202最多询问n个问题,优选为三个问题,第一个问题会询问患者哪里不舒服,引导患者详细描述自己为什么就医;第二个问题就患者不舒服的程度做一些询问;第三个问题就患者病情的复杂程度做一些询问。即:对话模块202先后提出的三个问题是与就医病症相关的问题、与病症严重程度相关的问题、与病症复杂程度相关的问题。
32.第一个与就医病症相关的问题的产生,使用固定的句式即可。例如:“请问您哪里不舒服或来我院想解决什么问题”。患者对应回答“腹泻1天”等等。
33.第二个问题的产生可以就所有常见疾病、症状分别设定一条询问病症严重程度的典型问题,若第一个问题中有多个疾病症状,则将多个典型问题拼接起来。例如:“请问一天腹泻几次”,患者对应回答“一天两次”等等。
34.第三个问题意图是询问患者的既往史、家族史、不良生活史,因为若患者有多种病或者不良习惯,则基层医院医生可能会考虑过多或过少,从而影响正确诊断,若没有既往史、家族史、不良生活史,则认为患者病情简单,这是一个快捷而准确的判断病症复杂程度方法。例如:“请问是否患有其它疾病是否有家族遗传疾病”,患者回答“无”等等。
35.进一步的,患者每针对一个问题进行答复后,则将该问题和患者答复送入抽取模块203,该模块从患者的答复中抽取疾病、症状、检查、检验、用药等等医学实体。可选的,信息抽取可以通过模版抽取,也可以通过机器学习模型或者深度学习模型作为ner任务抽取。其中,通过模版对医学实体的信息抽取过程可做如下示例性的说明:例如:对患者的第一个答复,抽取模块203抽取出症状“腹泻”,持续时间“1天”。
36.模板格式如下:[symptom]|[num]|[day_unit] answer_symptom|1=症状|2 3=持续时间其中,“[symptom]|[num]|[day_unit]”是模板内容,“answer|1=症状|2 3=持续时间”是对模版的解释。[symptom]代表症状词典,[num]代表数字,[day_unit]代表时间单位词典例如:天,月,周,年。符合[symptom]|[num]|[day_unit]这种样式的句子,可以做后面的解析,answer_symptom是表示句子意图,该句子是回答症状。1=症状表示模版里面第一个位置(也就是[symptom])是症状实体,2 3=持续时间表示模版里面第二个位置和第三个位置拼起来是持续时间属性。
[0037]
模型分类模块204,将抽取的医学实体送入该模型分类模块204。模型分类模块204根据抽取的医学实体,从病种、人群、病症的严重程度、病症的复杂程度至少四个角度进行
特征提取,以判断患者是否适合在该医院挂号。具体的判断方法有两种:一种是预设判断挂号入院的规则,另一种是通过机器学习模型或深度学习模型判断。进一步的,预设规则包括预设病种集合,患者答复中出现该集合内的疾病时,皆判断为可以在该医院就诊。此外,还可以预设一些实体信息做为规则,例如:患者表述中出现“做肝功能检查”等字眼,则判断为可以在该医院就诊。进一步的,通过机器学习模型或深度学习模型进行判断,首选要对学习模型建模,具体方法是:首先,准备病症较严重或者病症较复杂的症状/疾病的表述或者症状/疾病的表述序列,将其作为正样本。表述序列指多个症状疾病表述的组合。接着,再准备病症程度较轻微或者病症较简单的症状/疾病表述或者症状/疾病表述序列,作为负样本。基于上述正、负样本对机器学习模型或者深度学习模型进行训练,得到最终可用的学习模型,学习模型可以选择textcnn或者贝叶斯等可以用于文本分类的模型,本实施例不再赘述。
[0038]
当上述两种判断方式里面至少有一种判断方式认为该患者可以在该医院就诊,则退出分级诊疗系统,否则返回对话模块202,询问下一个问题。若第三个问题依然无法判断出患者适合在该医院就诊,则进入建议模块205。
[0039]
建议模块205会返回给患者客户端引导提示语,例如:“根据您的描述,认为您病情简单,症状较轻,建议您到就近医疗单位问诊,以免不必要的奔波与浪费。如果您一定要在我院就诊,请点继续”。患者如果点了继续,挂号系统继续原先的流程。
[0040]
本实施例的提供的分级诊疗引导方法,通过跟患者简短的三个问题的对话收集患者信息,然后用人工智能模型或预设规则判断是否适合在该医院挂号,若不适合则给出挂号建议。该方法能够有效的引导患者从已选定的大医院转去其它合适级别的医院问诊。特别是本方法依次提出的三种连贯的问题,能够快捷、准确的分辨出患者的状况,实现后续分级诊疗的精确引导,同时在倾听和回答三种问题的过程中,患者也能够更加清楚的理解分级诊疗的意图。参见图3,本发明的另一实施例还提供了一种分级诊疗引导装置300,包括获取模块301、判断模块302、分级诊疗引导模块303。该分级诊疗引导装置300用于执行上述方法实施例中的各个步骤。
[0041]
具体的,分级诊疗引导装置300包括:获取模块301,被配置为获取客户端对特定医院的挂号信息,该挂号信息包括患者预填信息和患者病史信息;判断模块302,被配置为判断所述挂号信息是否满足预设条件,是则触发分级诊疗引导模块;分级诊疗引导模块303,被配置为向客户端发送与就诊相关的问题,并获取客户端针对这些问题的答复信息;从答复信息中抽取与病情相关的医学实体信息;对医学实体信息进行特征提取,根据提取的特征判断患者是否适合在特定医院挂号;若判断出患者不适合在特定医院挂号,则向客户端发送分级诊疗引导建议。
[0042]
进一步的,分级诊疗引导模块303被进一步配置为:向客户端发送与就医病症相关的第一问题,并获取客户端针对第一问题的第一答复信息;从第一答复信息中抽取与病症相关的第一医学实体信息;对第一医学实体信息进行特征提取,根据提取的第一特征判断患者是否适合在特定医院挂号;
若患者不适合在特定医院挂号,则向客户端发送与病症严重程度相关的第二问题,并获取客户端针对第二问题的第二答复信息;从第二答复信息中抽取与病症严重程度相关的第二医学实体信息;对第二医学实体信息进行特征提取,根据提取的第二特征判断患者是否适合在特定医院挂号;若患者不适合在特定医院挂号,则向客户端发送与病症复杂度相关的第三问题,并获取客户端针对第三问题的第三答复信息;从第三答复信息中抽取与病症复杂度相关的第三医学实体信息;对第三医学实体信息进行特征提取,根据提取的第三特征判断患者是否适合在特定医院挂号;若根据第一特征、第二特征和第三特征,均判断出患者不适合在特定医院挂号,则向客户端发送分级诊疗引导建议。
[0043]
进一步的,分级诊疗引导模块303被进一步配置为:判断提取的特征是否满足预设的挂号入院条件,若不满足,则通过机器学习模型进一步判断所述患者是否适合在特定医院挂号;分级诊疗引导装置还包括机器学习模型训练模块,被配置为将病症严重或病症复杂的症状疾病的表述或表述序列作为正样本,表述序列是多个症状疾病表述的组合;将病症轻微或病症简单的症状疾病的表述或表述序列作为负样本;基于正样本和负样本,对机器学习模型进行训练,得到最终的模型。
[0044]
进一步的,判断模块302被进一步配置为:识别能够触发和不能触发分级诊疗引导步骤的挂号信息;将能够触发分级诊疗引导步骤的挂号信息作为正样本,将不能触发分级诊疗引导步骤的挂号信息作为负样本;基于正样本和负样本,用机器学习算法训练触发分类模型;用训练好的触发分类模型计算客户端发送的特定医院的挂号信息的得分,超过得分阈值则触发分级诊疗引导步骤。
[0045]
需要说明的是,本实施例提供的分级诊疗引导装置300对应的可用于执行各方法实施例的技术方案,其实现原理和技术效果与方法类似,此处不再赘述。
[0046]
参见图4,本发明的另一实施例还提供了一种用于执行上述方法实施例中的各个步骤的电子设备,包括一个或多个处理器;存储装置,用于存储一个或多个计算机程序;当一个或多个计算机程序被一个或多个处理器执行时,使得一个或多个处理器实现如方法实施例中的方法。
[0047]
下面具体参考图4,其示出了电子设备400的结构示意图。本实施例中的电子设备400可以包括但不限于诸如服务器、pc机、工业计算机设备,只要该电子设备的计算能力足以实现本发明的软件功能即可。图4示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
[0048]
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(rom)402中的程序或者从存储装置408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理以实现如本发明描述的各实施例的方法。在ram 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0049]
通常,以下装置可以连接至i/o接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代的实施或具备更多或更少的装置。
[0050]
以上描述仅为本发明的较佳实施例。本领域技术人员应当理解,本发明中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
再多了解一些

本文用于创业者技术爱好者查询,仅供学习研究,如用于商业用途,请联系技术所有人。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献