用于使医疗诊断自动化的方法、装置和系统制造方法及图纸

提供一种用于使医疗诊断自动化的方法、装置和系统。响应于接收描述医疗状况的一个以上症状的用户问询，一种在线医疗诊断系统可确定与一个或多个症状有关的一个或多个医疗状况。在线医疗诊断系统可包括解析器以将用户问询解析成关键字。可在相关性图解模型中查找关键字以确定关键字与一个或多个专家关键字的相关性。可使用满足与专家关键字的阈值相关性的关键字来使用专家知识图解模型查找一个或多个医疗状况。可使用用户简档来修改关键字与专家关键字的相关性值。也可使用用户简档来收窄由专家知识图解模型返回的医疗状况的数量。医疗资源爬取器可使用从所存储用户问询解析的关键字和专家关键字来更新相关性图解模型。

A method, device, and system used to automate medical diagnosis

A method, device and system for automatization of medical diagnosis is provided. In response to receiving user queries describing more than one symptom of medical condition, an online medical diagnosis system can determine one or more medical conditions related to one or more symptoms. An online medical diagnosis system can include a parser to parse a user's inquiry into a keyword. The keyword can be found in the correlation graphical model to determine the relevance of a keyword to one or more expert keywords. An expert knowledge graphical model can be used to find one or more medical conditions by using a keyword that meets the threshold relevance of the expert keyword. The user profile can be used to modify the correlation value between the keyword and the expert key. A user profile can also be used to narrow the number of medical conditions returned by the expert knowledge graphic model. The medical resource crawl can update the relational schema using keywords and expert keywords that are parsed by the stored user.

【技术实现步骤摘要】
用于使医疗诊断自动化的方法、装置和系统
本专利技术的实施方式总体涉及医疗诊断。更具体地，本专利技术的实施方式涉及自动化在线医疗诊断。
技术介绍
在线医疗诊断系统试图理解用户的医疗相关查询，以使得该系统可尽可能表现得像医生。在线医疗诊断系统必须具有精确度和查全率。然而，在现有机器学习系统中，在精确度和查全率之间经常存在相反关系，其中可能以一者为代价增大另一者。现有医疗在线诊断系统使用单一模型(例如深度学习模型)来理解用户的查询并预测医疗状况。然而，由于缺少训练数据，尤其对于诊断，深度学习模型通常无法实现良好结果。
技术实现思路
本申请的目的在于提供一种用于使医疗诊断自动化的计算机实现的方法、一种用于使医疗诊断自动化的装置和一种用于使医疗诊断自动化的系统。根据本申请的一个方面，提供了一种用于使医疗诊断自动化的计算机实现的方法，该方法可包括：从用户的电子设备接收包括一个或多个症状的用户医疗查询；将用户医疗查询解析成表示症状的一个或多个关键字；使用相关性图解模型使一个或多个关键字与一个或多个专家关键字相关；使用专家知识图解模型基于一个或多个专家关键字确定一个或多个医疗状况；以及基于一个或多个医疗状况将响应传输到电子设备。根据本申请的另一方面，提供了一种用于使医疗诊断自动化的装置，该装置可包括：从用户的电子设备接收包括一个或多个症状的用户医疗查询的装置；将用户医疗查询解析成表示症状的一个或多个关键字的装置；使用相关性图解模型使一个或多个关键字与一个或多个专家关键字相关的装置；使用专家知识图解模型基于一个或多个专家关键字确定一个或多个医疗状况的装置；以及基于一个或多个医疗状况将响应传输到电子设备的装置。根据本申请的又一方面，提供了一种用于使医疗诊断自动化的系统，可包括根据本申请实施方案的用于使医疗诊断自动化的装置。附图说明在附图的图中通过示例而非限制的方式示出本专利技术的实施方式，其中，相似的附图标记指示类似的元件。图1A是示出根据本专利技术的实施方式的在线医疗诊断系统的示例的框图。图1B是示出根据本专利技术的实施方式的在线医疗诊断系统的信息和逻辑流程的框图。图1C是示出根据本专利技术的实施方式的相关性图解模型学习系统的信息和逻辑流程的框图。图2是根据本专利技术的一个实施方式的在线医疗诊断的方法的方框流程图。图3A和图3B是根据本专利技术的一个实施方式的在线医疗诊断的方法的方框流程图。图4是示出供在根据本专利技术的一个实施方式的在线医疗诊断的方法中使用的用户简档的两个示例的图示。图5是根据本专利技术的一个实施方式的训练相关性图解模型的方法的方框流程图。图6是示出根据一个实施方式的数据处理系统的框图。具体实施方式将参考下文论述的细节描述本专利技术的多种实施方式和方面，并且附图将示出该多种实施方式。以下描述和附图是对本专利技术的说明并且将不被理解为限制本专利技术。多个具体细节被描述以提供对本专利技术的多种实施方式的透彻理解。然而，在某些情况中，未描述众所周知的或常规的细节，以便提供对本专利技术的实施方式的简洁论述。在本说明书中提及“一个实施方式”或“实施方式”意指结合该实施方式描述的特定特征、结构或特性可包括在本专利技术的至少一个实施方式中。在本说明书中的多个位置中出现短语“在一个实施方式中”未必全部指代相同的实施方式。根据一些实施方式，用于使医疗诊断自动化的计算机实现的方法可从用户的电子设备接收包括一个或多个症状的用户医疗查询。该自动化医疗诊断系统包括两个主要子系统：相关性图解模型和专家知识图解模型，相关性图解模型将用户输入项或关键字关联至专家关键字的相关性图解模型，其中，专家关键字由专家知识图解模型利用相关性因子理解。相关性图解模型可从用户输入的查询动态地构造，并且反映任意医疗相关词语、短语和句子与专家知识图解模型中的实体之间的权重关系。例如，“我的宝贝体温高”将映射到“发烧”(以0.9的评分)、“感冒”(以0.6的评分)、“咳嗽”(以0.5的评分)等。用于构建相关性图解模型的数据源包括所有用户的经组合的、所存储的查询日志以及从在线医疗资源(例如，医学文章、研究论文和其它在线医疗信息)爬取的数据。专家知识图解模型由真实医生的知识组成。例如，“感冒”可有70％的概率导致“发烧”，有90％的概率导致“鼻塞”，以及有50％的概率导致“咳嗽”。通过使用图解模型来表示专家知识，决策模型可容易地扩展并且可容易地整合新的医生知识。专家知识图解模型使用来自相关性图解模型的结果来以高精度和品质预测对用户的查询的响应。医疗诊断系统的查全率可通过相关性图解模型的动态更新来调整。专家知识图解模型是相对静态的并且可视需要由医学专业人员(例如，医生)手动更新。相关性图解模型着重于覆盖范围，从而使用动态学习。专家知识图解模型着重于精度。将相关性图解模型的输出与专家知识图解模型组合在一起的整个系统比单一深度学习模型表现更好。用户医疗查询可被解析成表示医疗状况的症状的一个或多个关键字。可使用相关性图解模型使该一个或多个关键字与一个或多个专家关键字相关。可使用专家知识图解模型基于该一个或多个专家关键字确定一个或多个医疗状况。一个或多个医疗状况的确定可各自具有置信水平，其中，置信水平不同于关键字与专家关键字的相关性权重。在实施方式中，相关性图解模型动态地更新，并且专家知识图解模型是静态的。可通过将一个或多个关键字限制为仅那些满足与专家关键字的阈值相关性的关键字来过滤关键字中的一个或多个。在实施方式中，响应于使用专家知识图解模型确定一个以上医疗状况的确定结果，可使用专家知识图解模型来确定将减少由专家知识图解模型确定的医疗状况的数量的一个或多个额外症状。可提示用户回答该用户是否具有一个或多个额外症状中的任一个。在实施方式中，响应于由专家知识图解模型确定一个医疗状况的确定结果，可确定该一个医疗状况是否需要医师的治疗。如果不需要，则在线医疗诊断系统可为用户生成自我护理推荐。如果一个或多个医疗状况确实需要医师的治疗，则可生成特定医师的推荐。在实施方式中，可自动与所推荐医师的会面。可检索并使用用户的用户简档来修改关键字与专家关键字的相关性权重。还可使用用户简档来限制或减少从专家知识图解模型返回的医疗状况的数量或者改变医疗状况的置信因子。在另一实施方式中，相关性图解模型(CGM)学习系统可解析所存储的用户查询日志以获得可能的、用于包括在相关性图解模型中的新关键字。医疗资源爬取器可使用通过解析所存储的查询日志而获得的关键字来获得更多关键字和/或确定关键字与专家关键字的相关性。可使用学习模型(例如，贝叶斯、自然贝叶斯、线性回归、随机神经网络、递归神经网络或长短期记忆)来确定关键字与专家关键字的相关性权重。关键字和权重可存储在相关性图解模型中。在实施方式中，以上功能中的任一个可实现为存储于非暂时性计算机可读介质上的可执行指令。在实施方式中，系统可包括联接至存储器的至少一个硬件处理器，其中，存储器包括指令，当该指令由至少一个硬件处理器执行时可实现以上功能中的任一个。图1A是示出根据本专利技术的一个实施方式的网络化在线医疗诊断系统100的框图。参考图1，系统100包括但不限于经由网络103以通信方式联接至服务器104的一个或多个客户端设备101-102。客户端设备101-102(也称为用户设备)可以是任何类型的客户端设备，例如，个本文档来自技高网...

【技术保护点】
一种用于使医疗诊断自动化的计算机实现的方法，所述方法包括：从用户的电子设备接收包括一个或多个症状的用户医疗查询；将所述用户医疗查询解析成表示所述症状的一个或多个关键字；使用相关性图解模型使所述一个或多个关键字与一个或多个专家关键字相关；使用专家知识图解模型基于所述一个或多个专家关键字确定一个或多个医疗状况；以及基于所述一个或多个医疗状况将响应传输到所述电子设备。

【技术特征摘要】
2016.05.31 US 15/169,4701.一种用于使医疗诊断自动化的计算机实现的方法，所述方法包括：从用户的电子设备接收包括一个或多个症状的用户医疗查询；将所述用户医疗查询解析成表示所述症状的一个或多个关键字；使用相关性图解模型使所述一个或多个关键字与一个或多个专家关键字相关；使用专家知识图解模型基于所述一个或多个专家关键字确定一个或多个医疗状况；以及基于所述一个或多个医疗状况将响应传输到所述电子设备。2.根据权利要求1所述的方法，其中所述相关性图解模型动态地更新，并且所述专家知识图解模型是静态的。3.根据权利要求1所述的方法，还包括通过将所述一个或多个关键字限制为仅那些满足与专家关键字的阈值相关性的关键字来过滤所述一个或多个关键字。4.根据权利要求1所述的方法，还包括：响应于使用所述专家知识图解模型确定一个以上医疗状况的确定结果：使用所述专家知识图解模型来确定一个或多个额外症状，所述一个或多个额外症状将减少由所述专家知识图解模型确定的医疗状况的数量；提示所述用户回答所述用户是否具有所述一个或多个额外症状中的任一个。5.根据权利要求1所述的方法，还包括：响应于由所述专家知识图解模型确定一个医疗状况的确定结果：确定所述一个医疗状况是否需要医师的治疗；响应于所述一个医疗状况不需要医师的治疗的确定结果，为所述用户生成自我护理推荐；响应于所述一个医疗状况需要医师的治疗的确定结果，向所述用户推荐特定医师或与在所述用户的医疗简档中识别的医师安排预约。6.根据权利要求1所述的方法，其中，所述一个或多个医疗状况根据所述用户的医疗简档确定。7.根据权利要求6所述的方法，还包括以下步骤中的至少一个：在使用所述专家知识图解模型来确定一个或多个医疗状况之前，基于所述用户的所述医疗简档过滤所述专家关键字；或者在使用所述专家知识图解模型来确定一个或多个医疗状况之后，基于所述用户的所述医疗简档过滤所述医疗状况。8.一种用于使医疗诊断自动化的装置，包括：从用户的电子设备接收包括一个或多个症状的用户医疗查询的装置；将所述...

【专利技术属性】
技术研发人员：刘博聪，曹昱，王俊晴，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：美国,US