基于云計算和醫學知識庫技術的智能醫療輔助決策系統的制作方法
【專利摘要】本發明公開了一種基于云計算和醫學知識庫技術的智能醫療輔助決策系統，屬于醫療信息化技術領域。該系統包括問診知識庫模塊和醫患溝通問診模塊；其中醫患溝通問診模塊包括：咨詢發起單元、智能問診單元、人工問診單元、診療方案生成單元和病歷生成單元。問診知識庫模塊為購買的第三方知識庫服務或自建知識庫，其中包括有按科室或病種收集的專家知識庫的基本數據，與醫生對應的個性化問診模板，以及與問診問題和患者答案相關的智能問診路徑。本發明利用云服務器和神經網絡技術，結合智能移動設備，提高整個看診過程的效率和準確度，有效緩解了看病難的問題。
【專利說明】
基于云計算和醫學知識庫技術的智能醫療輔助決策系統
技術領域
[0001] 本發明涉及醫療信息化技術領域，具體涉及一種基于云計算和知識庫技術的智能 醫療輔助系統。
【背景技術】
[0002] 看病難是我國目前普遍的一個問題，在有限的醫院和科室里，塞滿了來自各個地 方的病人，而病人無論是掛號還是候診，都要花費大量的時間排很長的隊。病人等到醫生給 自己看病的時候，又是感覺匆匆了事就把自己打發了，看完病之后往往還是對自己的病情 不是很清楚。而醫生自己往往也是一個病人接一個，忙不過來，有時連喝水、上廁所的時間 都沒有。有些診斷又很依賴實驗室檢查，而并不是敷衍患者。患者和醫生都筋疲力盡，但是 有些誤解和誤診還是難免發生，加深了醫患矛盾。
[0003] 另外目前醫生的病歷要么是手寫的，字跡不是很容易辨別，要么是僅僅保存在醫 院自己的系統內，患者不容易看到，而醫生與患者的溝通有時候又不是很順暢，這些就導致 患者看完病之后，對自己的病情沒有很直觀的了解。
[0004]目前已有的醫院院內電子檔案管理系統、網上預約掛號系統等，往往只能從表面 上解決一些問題，無法有效地緩解上述矛盾。而另外一些網上就診系統（烏鎮醫院，好大夫， 掌上春雨等），由于醫生缺少對患者病史的全面了解，醫生往往無法獲取到足夠的患者病 情、病史信息，整個的就診效果并不是很理想，導致用戶滿意度不高。而事實上，目前所有的 移動醫療系統，均存在好的醫生不愿意使用的問題，搶單回答的往往是年輕醫生。其核心在 于，這些系統并沒有從根本上解決醫生面臨的效率問題，看病質量底的問題，所有這些現有 系統，從本質上是一種"插隊"形式，即幫助患者通過移動手段，可以聯系上好醫生。而醫療 就診的系統本身是一個排隊系統，醫生相當于是服務臺，無論如何"插隊"，但服務臺的總體 數量是難以持續擴張的，因而就需要從提高服務臺的效率來入手解決問題。該發明所提出 的方法就是利用技術手段和人工智能技術，深度結合國家醫療制度規范，來提高就診效率 和質量，倡導有序醫療，規范醫療。
[0005] 設想下，假如能把患者等待的時間充分利用起來，做一些看診前對醫生了解病情 有益的準備工作，就能在醫生給病人看病的時候，提高效率和準確度，節省醫生和患者的時 間，緩解看病難的問題。
[0006] 假如能把醫生給患者看病的整個過程中的所有問題、回答、病歷、報告等，都整合 在一起，并且能夠很方便地給醫生和患者都看到，就能使整個過程更加清晰透明，患者和醫 生之間的誤解也會得到一定地消除，有利于減緩醫患矛盾。
【發明內容】
[0007] 本發明所要解決的問題，立足于好的醫生資源有上限，時間有上限的現狀，綜合利 用多重技術手段，實現智能醫療輔助系統，可利用云服務器和神經網絡技術，結合智能移動 設備，提高整個看診過程的效率和準確度，緩解看病難的問題。
[0008] 為解決上述問題，本發明采用的技術方案是：
[0009] 基于云計算和醫學知識庫技術的智能醫療輔助決策系統，包括問診知識庫模塊和 醫患溝通問診模塊;所述醫患溝通問診模塊包括：
[0010] 咨詢發起單元，用于接收患者的醫療請求，建立患者與醫生間的聯系；
[0011] 智能問診單元，用于根據患者所選醫生對應的個性化模板自動發送問題，收集患 者的答案，并依據知識庫中的進一步問診路徑自動發送下一個問題直到智能問診結束；
[0012] 人工問診單元，用于根據選擇確定是否需要醫生人工參與問診，在需要人工問診 的情況下發送醫生選擇或補充的問題并收集患者的答案；
[0013] 診療方案生成單元，用于根據診斷結果生成知識庫中對應關聯的檢查建議或診療 方案；
[0014] 以及，病歷生成單元，用于將問診過程中收集的信息和診療結果信息自動生成規 范、標準的電子病歷。
[0015] 優選地，所述智能問診單元同時發送問題和定義好的標準化答案，根據患者的答 案和智能問診路徑進行下一個問題的尋址。
[0016] 優選地，所述醫患溝通問診模塊還包括初步問診數據生成單元，用于將根據個性 化模板涉及的問題和患者的答案進行整合顯示，并基于問診知識庫模塊給出疑似病種的建 議。
[0017] 優選地，所述人工問診單元還具有患者提交過往的病歷和檢查報告照片的功能。
[0018] 優選地，所述問診知識庫模塊為購買的第三方知識庫服務或自建知識庫，所述知 識庫中包括有按科室或病種收集的專家知識庫的基本數據，與醫生對應的個性化問診模 板，以及與問診問題和患者答案相關的智能問診路徑。
[0019] 優選地，所述問診知識庫模塊為自建的個性化問診知識庫，建立方法包括如下步 驟：
[0020] (1)按科室或病種搜集病史數據，并按照病歷書寫規范進行分類；
[0021] (2)根據已經搜集到的病史數據和醫生問診路徑，訓練專家知識庫的問診路徑；
[0022] (3)根據病史數據訓練疑似病種和關聯的檢查方案和藥物干預備選方案，從而建 立完整的通用知識庫問診標準模板；
[0023] (4)根據醫生選擇對通用模板進行調整形成個性化問診模板；
[0024] (5)將個性化問診模板與醫生賬號進行綁定，云端同步存儲。
[0025]優選地，步驟(1)中具體病史數據搜集和分類的步驟包括：
[0026] (1.1)搜集具體科室涉及的病種，構成集合A;
[0027] (1.2)對集合A中每一種病種，搜集該病種的病史數據，包括臨床表現、并發癥、典 型病史和輔助檢查，并將本步驟中搜集的數據構成集合B;
[0028] (1.3)對集合B中的每一種條目，將其轉換為對應的問題和選擇答案，所有問題和 對應的答案構成集合C;
[0029] (1.4)去除集合C中的重復項得到集合D;
[0030] (1.5)按照病歷書寫規范，對集合D的條目進行分類。
[0031 ]優選地，步驟(2)中訓練專家知識庫的問診路徑的步驟包括：
[0032] (2.1)為智能問答每個問題和答案建立唯一坐標；
[0033] (2.2)建立每個問題和其對應答案的關系，構成樹狀圖；
[0034] (2.3)按照真實病史數據搜集的各病種的問診流程，訓練不同病種的所有可能問 診路徑的權重。
[0035]有益效果:本發明綜合各種技術手段，圍繞目前醫患互動過程(例如，但不限于:在 醫院診室的線下面對面問診，線上遠程咨詢等）中存在的問題提出了針對性解決方案。通過 建立個性化問診知識庫并基于該知識庫實現了醫患溝通高效問診流程，并且兩者可以獨立 實施，知識庫可以從第三方購買服務或依據搜集的病史數據自行建立使用，自行建立的知 識庫也可向第三方提供服務。兩大模塊獨立運行或者整合后運行，即形成本發明的智能醫 療輔助系統。與現有技術相比，本發明具有如下優點：1、大幅節約了醫生的診療資源，通過 智能問診解決了醫生針對每個患者都要提出類似的機械性、重復性問題，節約了醫生親自 問診的時間。2、智能問診按照醫生的個性模板進行問診，搜集問題不會遺漏，有效防止了人 工問診時由于疲勞、時間限制等原因導致提問疏漏而存在一定的醫療事故風險。3、將問題 的答案整理成全面而標準的形式，避免了患者自行描述不清楚的問題，能夠有效引導患者 準確的回答，真實掌握患者病情。4、系統能夠自動生成診斷、檢查建議、診療方案等，不需要 醫生手工輸入或書寫，節約了診療時間。5、在診療過程中，可以獲取到患者就診病史，有效 解決了現有患者病史分散無法實現跨院診療病史共享的問題，方便醫生全面掌握患者病 情。7、系統自動生成規范標準的病歷，大大節約了醫生書寫或輸入病歷信息的時間。
【附圖說明】
[0036] 圖1為本發明系統的結構不意圖；
[0037] 圖2為本發明系統中醫生個性化知識庫建立流程示意圖；
[0038] 圖3為本發明系統中高效問診流程示意圖；
[0039] 圖4為通用專家知識庫問題路徑與答案樹狀圖；
[0040] 圖5為某病種的問題與答案樹狀圖里的回答路徑示意圖；
[0041] 圖6為患者回答問題時的路徑匹配和下一個問題尋址示意圖；
[0042] 圖7為自動生成規范電子病歷流程示意圖；
[0043] 圖8為自動生成的電子化病歷樣例示意圖。
【具體實施方式】
[0044] 下面結合具體實施例，進一步闡明本發明，應理解這些實施例僅用于說明本發明 而不用于限制本發明的范圍，在閱讀了本發明之后，本領域技術人員對本發明的各種等價 形式的修改均落于本申請所附權利要求所限定的范圍。
[0045] 如圖1所示，本發明的思路圍繞問診知識庫和醫患溝通問診兩大功能模塊來展開， 其中第一個模塊是建立符合醫生個人使用習慣的個性化知識庫。其核心目的是，首先基于 現有和專家級醫生的深度合作，搜集病種的詳細數據，并通過大數據分析和模型訓練，得到 病種通用知識庫，為所有該科室醫生提供成熟的通用知識庫。在此基礎上，針對醫生個體， 提供知識庫定制化功能，從而更好的滿足醫生這類專業個體的個人需求。
[0046] 需要說明的是，問診知識庫模塊為醫患溝通問診模塊的實現提供了必要的數據基 礎。但是醫患溝通問診模塊的實現可以不依賴于問診知識庫模塊來獨立實現，其可能的替 代辦法有，通過問診知識庫模塊的服務來實現，或者通過手工建立專家庫模板的方法來實 現等。本發明實施例詳細闡述了個性化問診知識庫建立方法(見圖2)，主要包括如下5個基 本步驟：
[0047] 1.按科室(或者按病種)搜集病史數據
[0048] 以科室(例如，但不限于，消化內科)或者以某一細分病種(例如，但不限于，急性腸 胃炎)為單位，和專家級醫生進行深度合作，搜集有效診療過程歷史數據。包括個人信息，既 往病史，遺傳史，婚育史，臨床表現、并發癥、典型病史、輔助檢查等歷史數據。并將所有的數 據按照《病歷書寫規范》的要求進行分類。例如："有什么癥狀?多久了? "為主訴類問題；"左 上腹"疼痛為現病史類；以此類推，將所有問題分類至對應的目錄類別，例如但不限于:過去 史，個人史，家族史，過敏史，月經生育史，體格檢查，實驗室檢查，藥物建議等。具體實現方 法包括：
[0049]步驟1、以消化內科為例，其涉及的病種有胃炎、急性糜爛性胃炎、慢性胃炎、消化 性潰瘍、潰瘍性結腸炎等等。假設搜集完成后，病種集合定義為A。
[0050] 步驟2、對于集合A里的每一種病種，進一步搜集該病種的臨床表現、并發癥、典型 病史、輔助檢查等。例如對于消化性潰瘍，臨床表現有上腹慢性或節律性鈍痛灼痛、發作期 上腹局限性壓痛等，并發癥有出血(嘔葉咖啡樣物、黑便、甚至暈厥）、急性穿孔(突發劇烈腹 痛、腹肌緊張、壓痛及反跳痛）、慢性穿孔（固定的上腹劇痛放射至后背）、幽門梗阻（嘔吐宿 食，胃型、蠕動波、胃區振水音)等，輔助檢查有內鏡檢查（同時取粘膜活檢做HP檢查，必要時 粘膜病理活檢）、上消化道鋇餐等。搜集完成之后，這些所有的臨床表現、并發癥、典型病史、 輔助檢查等構成的集合是B。
[0051] 步驟3、對于集合B里的每一種條目，將其轉換為易于患者理解的問題和選擇答案。 例如，"上腹慢性或節律性鈍痛灼痛"這一條臨床表現，轉換為"你最近有感覺上腹部長時間 或一陣陣的疼痛嗎"、"疼痛的時候是那種隱隱作痛或者有灼熱感的嗎"，對應的選擇答案是 "沒有"、"有長時間的腹部疼痛"、"有一陣陣的腹部疼痛"和"疼痛有隱隱作痛"、"疼痛有灼 熱感"。轉換時的問題設計得盡量明確、清晰、容易患者回答，選擇答案設計得盡量全面、易 懂、容易患者選擇。假設轉換完之后，所有這些問題描述構成的集合是C。
[0052]步驟4、某些病種的臨床表現、并發癥、典型病史、輔助檢查等往往會有交叉或者重 復，例如急性腸炎腸結核都有"腹瀉"的臨床表現。故集合C里會存在部分重復的條目，現將 其重復項合并去重，得到一個新的集合為D。故現在集合D里所包含的條目就基本是該醫生 向前來就診的患者所提問的所有問題和答案了。
[0053]步驟5、由于集合D里的條目眾多而缺少循序漸進的條理性，故再按照最新的病歷 書寫格式規范，將集合D的條目分類到對應的類別里，例如主訴、現病史、過去史、個人史、婚 育史、過敏史、家族史、體格檢查、實驗室檢查等。例如"最近有沒有做過胃鏡"這一個條目被 分在了實驗室檢查這個類別里。對每個類別里的所有條目，也可以再進一步的調整前后次 序，以符合前后邏輯。
[0054]步驟6、數據搜集工作完成。
[0055] 2.訓練通用問診知識庫以及回答路徑
[0056] 經過上一步的病史數據收集、分類，去重等技術手段，并不足以支撐問診知識庫， 我們還需要進一步計算訓練其問診以及回答路徑。由于自動問答模板里包含的是該醫生向 所有前來就診的患者提問的問題全集，而對于某一個患者來說，并不是每個問題都是需要 被問到的，而且隨著提問和回答的深入，后提的問題的邏輯依賴性和方向性越來越強，醫生 在前面問了幾個問題之后，往往已大致能判斷出患者的病情屬于哪個方向，然后就會針對 性地朝向這個方向提問。這種提問過程的邏輯依賴和遞推性，正是傳統的調查問卷所欠缺 的。本發明通過路徑計算訓練算法，能夠有效地解決該問題。事實上，路徑訓練計算的方法 可能有很多種(例如，Dijkstra算法，Floyd算法，BGP算法，最小支撐樹算法等等），無論采 用何種路徑算法，只要其核心目的是找出可能的智能問診路徑，均在本發明覆蓋范圍之內。 下以深度優先的樹狀節點搜索算法為例，說明其實現步驟：
[0057]步驟1、系統為智能問答每個問題和答案建立該系統的唯一坐標。例如對于現病史 里的問題"有否胸悶不適感"，及其答案"無胸悶"、"有胸悶"，分別建立坐標為XBS-Q1和XBS-Al-l、XBS-Al-2〇
[0058]步驟2、將所有的坐標組合，就得到了一張類似圖4里的樹狀圖。其節點為不同問 題，每個問題的不同回答則構成了不同路徑。
[0059] 步驟3、按照真實病史數據搜集的各病種的問診流程，訓練不同病種的所有可能問 診路徑的權重。例如上一方法中集合A里有10個病種，訓練完成以后，則存在一條最優權重 路徑，最終到達某一病種。圖5為某病種在智能問診訓練后的一種可能路徑樣例示意圖。
[0060] 每一種標準回答路徑，對應的就是一種病種。患者在自動問答模板里進行回答時， 從第一個問題開始，作為起始點，然后選擇答案，由點及路徑形成了一條臨時的路徑。將患 者的這條路徑與標準的回答路徑進行最優匹配，并計算權重就能得到下一個問題的坐標 了，也就是下一個最相關的問題了。繼續重復這個過程，針對所有病種和路徑進行訓練，最 終實現問診路徑計算訓練過程。
[0061 ] 3.按病種建立通用知識庫問診標準模板
[0062] 在得到病種的問診智能路徑基礎上，還需要進一步訓練疑似病種和關聯的檢查方 案和藥物干預備選方案等，從而建立完整的通用知識庫問診標準模板。
[0063] 步驟1、根據患者提供的已有病史的數據，以該科室的典型病種為訓練樣本，按照 上面步驟所描述的路徑訓練計算方法(本發明中使用的是深度優先的樹狀節點搜索算法）， 來訓練知識庫的疑似病種。例如出現上腹部或者臍周疼痛，且否伴有惡心，嘔吐，腹瀉等癥 狀，加上不潔飲食等，則大概率是急性腸胃炎。在后續系統使用時，系統首先展示出相匹配 的高概率疑似病種，以便于醫生參考或者選擇。
[0064] 步驟2、根據國家《臨床路徑指導》，對某一個病種的進一步檢查方案、藥物干預備 選方案等進行關聯訓練。一旦醫生懷疑是某種疾病，可以快速選擇給出進一步檢查建議，例 如胃鏡檢查等;或者確診后快速規范給出藥物治療建議等。
[0065] 步驟3、通用知識庫問診標準模板建立完成。
[0066] 4.調整模板問題的先后并形成個性化問診模板
[0067]得到了通用知識庫問診標準模板之后，醫生根據自己實際使用的需求和習慣，可 以選擇進一步調整模板問題的先后順序。
[0068]例如，通用知識庫里是先問疼痛位置，再問疼痛周期性，再問疼痛程度，假如這樣 不太符合醫生實際的提問習慣，可以調整為先問疼痛周期性，再問疼痛位置，再問疼痛程 度。其他以此類推，最終能夠形成一份符合醫生使用習慣的個性化問診模板。
[0069] 此外，由于在建模時，系統為智能問答每個問題和答案建立的坐標都是唯一明確 的，所以上述醫生的個性化調整，并不會影響該知識庫問診模板的訓練結果、不會影響該知 識庫問診模板對下一個問題的尋址正確性。
[0070] 5.賬號綁定并云端同步存儲醫生個性知識庫
[0071 ]經過上述步驟后得到的醫生個性化知識庫問診模板，將會被提交保存到云端，并 且和醫生的賬號進行綁定，以確保醫生個性庫的設備獨立性。也就是說，即使醫生更換或者 丟失了現有登錄設備，其個性化知識庫問診模板仍然可以通過賬號來完整、準確地恢復回 來，而無需重復定制。
[0072] 利用上述自主訓練獲得的問診知識庫模塊或從第三方購買獲得的知識庫，本發明 思路的第二個模塊即是實現醫患溝通高效問診。其核心目的是，首先系統根據醫生的個性 化模板自動發送問題給患者，而患者回答時直接勾選醫生已經定義好的標準化答案。然后 針對患者回答的問題，系統根據訓練好的知識庫，依據優化的進一步問診路徑，繼續自動向 患者發送問題，直到機器智能問診結束。在此初步的問診數據基礎上，醫生再進行人工參 與，繼續通過勾選方式向患者發送進一步追問問題或進一步提交病史資料的請求等。據此 醫生得出初步判斷和下一步檢查建議或診療方案。最后醫生生成自動化規范病歷，審核確 認并修改后，提交歸檔本次病歷。
[0073] 本發明實施例的智能醫療輔助決策系統的醫患溝通問診模塊主要包括如下咨詢 發起單元、智能問診單元、初步問診數據生成單元、人工問診單元、方案生成單元、病歷生成 單元等功能單元。下面結合醫患溝通高效問診具體使用流程(見圖3)，詳細描述本模塊的具 體實施方法：
[0074] 1.患者向醫生發起咨詢
[0075]咨詢發起單元主要用于接收患者的醫療請求，建立患者與醫生間的聯系，具體實 現方法如下：
[0076]步驟1、患者通過掃描某醫生的二維碼或輸入該醫生的ID信息等方式，找到并關聯 該醫生。
[0077]步驟2、患者向系統發起對該醫生的咨詢請求。
[0078] 2.自動向患者發送醫生的個性化知識庫問診模板并回答
[0079]系統收到患者發起的對該醫生的咨詢請求之后，智能問診單元會自動向患者發送 該醫生的個性化知識庫問診模板問題，收集患者的答案，并依據知識庫中的進一步問診路 徑自動發送下一個問題直到智能問診結束。具體實現方法如下：
[0080] 步驟1、系統從云端獲取到該醫生的個性化知識庫問診模板。
[0081] 步驟2、系統將該醫生的個性化知識庫問診模板里的第一個問題及備選答案自動 (即無需醫生介入的意思)發送給該患者，供患者進行勾選回答。
[0082]步驟3、患者收到系統發送的問題之后，根據實際情況從醫生已經定義好的標準化 答案里進行勾選，并將回答反饋給系統，統一了回答口徑和規范，避免了溝通障礙。
[0083] 步驟4、系統收到患者的回答之后，根據訓練好的知識庫，依據優化的進一步問診 路徑，從個性化知識庫問診模板里找到下一個最切合的問題(如圖6)，然后將該問題及備選 答案自動發送給該患者。
[0084] 步驟5、重復步驟3和步驟4的內容，直到患者回答完了該醫生的個性化知識庫問診 模板里的最后一個問題。
[0085] 3.形成初步問診數據
[0086]經過上述步驟之后，初步問診數據生成單元就可以幫助醫生自動收集并整理好該 患者的病史、病情信息。并且該信息內容均是醫生自己所關注的，組織方式也是符合醫生的 使用習慣的，醫生也能夠很方便和直觀地進行查看。具體實現方法如下：
[0087] 步驟1、將個性化知識庫問診模板問題及患者的回答，按照實際提問的順序和一問 一答的形式，整合在一個統一的表單里。
[0088] 步驟2、根據患者的回答，依據個性化知識庫所訓練得到的疑似病種，給出幾種大 概率的該患者的疑似病種的建議。
[0089] 4.醫生勾選發送追問問題或提交其他病史資料請求
[0090] 醫生在上述自動化流程及數據的基礎上，可以通過人工問診單元進行一點補充性 的、完整性的人工介入。具體實現方法如下：
[0091] 步驟1、醫生直接查看上述步驟之后系統生成的初步問診數據，包括患者的實際回 答情況以及大概率的疑似病種建議信息。一方面，系統會根據患者答案給出可能病種的概 率計算值，并依據概率高低后續向醫生排列展示，以供醫生快速確認。另一方面，等醫生接 觸到患者時候，已經極大了解了患者病癥，從而節省了大量時間。在需要的情況下，醫生可 以根據需要進一步向患者提問。
[0092] 步驟2、醫生為了進一步確認判斷或為了排除干擾項，通過勾選的方式，向患者發 送進一步追問問題或進一步提交病史資料的請求等。例如，醫生進一步提問"你還有哪里不 舒服"或"你還有哪些病歷照片，請一并提交上來"。
[0093] 步驟3、醫生收到患者的回復之后，可以選擇重復步驟2的內容，直到認為已經充分 了解了患者的信息了。
[0094] 5.醫生給出初步判斷和下一步檢查建議或診療方案
[0095]在結合了系統自動問診數據和人工補充問診數據之后，醫生已經基本對患者的病 情、病因有所了解，可以借助診療方案生成單元給出初步判斷和下一步檢查建議或診療方 案。
[0096]步驟1、醫生在綜合了所有搜集到的患者的病情、病史信息之后，集合自己的專業 知識和經驗，給出初步判斷。
[0097]步驟2、醫生根據個性化知識庫問診模板里已經關聯訓練好的進一步檢查方案和 藥物干預備選方案，通過勾選快速選擇給出對應的下一步處理措施。
[0098] 6.醫生生成自動化規范病歷并歸檔
[0099] -次問診結束后，通過病歷生成單元將問診過程中收集的信息和診療結果信息自 動生成規范、標準的電子病歷。具體實現方法如下：
[0100] 步驟1、在本次問診結束時，醫生點擊"自動生成病歷"按鈕，結束本次的看診，準備 生成電子病歷。
[0101] 步驟2、系統把從患者發出咨詢請求開始、到醫生結束就診的這整個過程里的所有 就診信息，都記錄下來，按照《病歷書寫規范》的格式和規范，自動生成一份電子病歷。其實 現的主要步驟如下(示意如圖7所示）：
[0102] >本發明前面已經指出，所有的問題均有對應的目錄歸類，例如"現病史"，"家族 史"等。
[0103] >按照《病歷書寫規范》的要求內容，依次檢索問診過程中所有問題對應的歸類索 引號。如果有對應回答，則將對應回答填入規范病歷所要求的字段;如果沒有對應問題及回 答，則此字段留空。
[0104] >繼續檢索下一病歷要求內容，直至全部完成，電子病歷自動生成結束
[0105] 步驟3、醫生最后再從頭到尾通篇審閱一遍生成的電子病歷，對某些描述不清楚或 有差錯的地方，進行最后的修改。
[0106] 步驟4、確認無誤之后，固化成一份無法再修改的病歷記錄，歸檔在系統里。
[0107] 步驟5、提交后的電子病歷在云端存儲后，僅僅對醫生和該患者開放閱讀權限，實 現醫患雙方可見。（生成后的電子病歷部分截屏如圖8示意）。
【主權項】
1. 基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其特征在于，包括問診知 識庫模塊和醫患溝通問診模塊;所述醫患溝通問診模塊包括： 咨詢發起單元，用于接收患者的醫療請求，建立患者與醫生間的聯系； 智能問診單元，用于根據患者所選醫生對應的個性化模板自動發送問題，收集患者的 答案，并依據知識庫中的進一步問診路徑自動發送下一個問題直到智能問診結束； 人工問診單元，用于根據選擇確定是否需要醫生人工參與問診，在需要人工問診的情 況下發送醫生選擇或補充的問題并收集患者的答案； 診療方案生成單元，用于根據診斷結果生成知識庫中對應關聯的檢查建議或診療方 案； 以及，病歷生成單元，用于將問診過程中收集的信息和診療結果信息自動生成規范、標 準的電子病歷。2. 根據權利要求1所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，所述智能問診單元同時發送問題和定義好的標準化答案，根據患者的答案和智 能問診路徑進行下一個問題的尋址。3. 根據權利要求1所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，所述醫患溝通問診模塊還包括初步問診數據生成單元，用于將根據個性化模板 涉及的問題和患者的答案進行整合顯示，并基于問診知識庫模塊給出疑似病種的建議。4. 根據權利要求1所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，所述人工問診單元還具有患者提交過往的病歷和檢查報告照片的功能。5. 根據權利要求1所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，所述問診知識庫模塊為購買的第三方知識庫服務或自建知識庫，所述知識庫中 包括有按科室或病種收集的專家知識庫的基本數據，與醫生對應的個性化問診模板，以及 與問診問題和患者答案相關的智能問診路徑。6. 根據權利要求5所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，所述問診知識庫模塊為自建的個性化問診知識庫，建立方法包括如下步驟： (1) 按科室或病種搜集病史數據，并按照病歷書寫規范進行分類； (2) 根據已經搜集到的病史數據和醫生問診路徑，訓練專家知識庫的問診路徑； (3) 根據病史數據訓練疑似病種和關聯的檢查方案和藥物干預備選方案，從而建立完 整的通用知識庫問診標準模板； (4) 根據醫生選擇對通用模板進行調整形成個性化問診模板； (5) 將個性化問診模板與醫生賬號進行綁定，云端同步存儲。7. 根據權利要求6所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，步驟(1)中具體病史數據搜集和分類的步驟包括： (1.1) 搜集具體科室涉及的病種，構成集合A; (1.2) 對集合A中每一種病種，搜集該病種的病史數據，包括臨床表現、并發癥、典型病 史和輔助檢查，并將本步驟中搜集的數據構成集合B; (1.3) 對集合B中的每一種條目，將其轉換為對應的問題和選擇答案，所有問題和對應 的答案構成集合C; (1.4) 去除集合C中的重復項得到集合D; (1.5)按照病歷書寫規范，對集合D的條目進行分類。8. 根據權利要求6所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，步驟(2)中訓練專家知識庫的問診路徑的步驟包括： (2.1) 為智能問答每個問題和答案建立唯一坐標； (2.2) 建立每個問題和其對應答案的關系，構成樹狀圖； (2.3) 按照真實病史數據搜集的各病種的問診流程，訓練不同病種的所有可能問診路 徑的權重。9. 根據權利要求6所述的基于云計算和醫學知識庫技術的智能醫療輔助決策系統，其 特征在于，步驟(2)或步驟(3)中的訓練方法可采用多種路徑算法，包括但不限于Dijkstra 算法，Floyd算法，BGP算法和最小支撐樹算法。
【文檔編號】G06F19/00GK105912846SQ201610214804
【公開日】2016年8月31日
【申請日】2016年4月7日
【發明人】毛達偉, 巫林, 楊小網
【申請人】南京小網科技有限責任公司