基于强化学习的临床决策支持设备及方法技术

本申请提供了一种基于强化学习的临床决策支持方法和设备。其中，所述方法包括：设备接收与用户相关联的医疗信息。基于所述与用户相关联的医疗信息和强化学习模型，确定询问信息。提供所述询问信息，以允许接收响应信息。在提供所述询问信息的基础上，接收所述响应信息。使用机器学习模型，基于所述医疗信息和所述响应信息，确定诊断信息。通过网络将所述诊断信息提供给一组设备。

【技术实现步骤摘要】
基于强化学习的临床决策支持设备及方法本申请要求2019年05月10日递交的第16/409,293号美国申请的优先权，其全部内容通过引用并入本文中。
本申请涉及医疗领域，特别是涉及一种基于基于强化学习的临床决策支持设备及方法。
技术介绍
随着电子健康记录的引入，额外的数字数据已经可用于分析和决策支持。因此，当医生诊断患者时，他们需要考虑和评估大范围的各种大量的数据，这使得临床决策日益复杂。基于机器学习的临床决策支持系统可以提供对这种数据挑战的解决方案。临床决策支持系统的一个主要困难是长期预测性。在许多疾病的早期阶段，存在可能是非常常见的症状，例如，发热、皮肤发红等。然而，甚至是一些常规的临床检验，也不能找到线索。在这种情况下，一些现有的临床决策支持系统，有可能提供与常见的、轻微的疾病对应的建议，这会导致误诊。当前的临床决策支持系统通常缺乏前瞻能力，只能被动地接收用户的信息，并且只能基于已知的观察报告给出建议。然而，由于疏忽，可能不会发现一些信息性(informative)特征。专利技术内容根据本申请本文档来自技高网...

【技术保护点】
1.一种基于强化学习的临床决策支持方法，其特征在于，其包括：/n接收与用户相关联的医疗信息；/n基于所述与用户相关联的医疗信息和强化学习模型，确定询问信息；/n提供所述询问信息，以允许接收响应信息；/n在提供所述询问信息的基础上，接收所述响应信息；/n使用机器学习模型，基于所述医疗信息和所述响应信息，确定诊断信息；以及/n通过网络实时将标准化格式的诊断信息提供给一组设备。/n

【技术特征摘要】
20190510 US 16/409,2931.一种基于强化学习的临床决策支持方法，其特征在于，其包括：
接收与用户相关联的医疗信息；
基于所述与用户相关联的医疗信息和强化学习模型，确定询问信息；
提供所述询问信息，以允许接收响应信息；
在提供所述询问信息的基础上，接收所述响应信息；
使用机器学习模型，基于所述医疗信息和所述响应信息，确定诊断信息；以及
通过网络实时将标准化格式的诊断信息提供给一组设备。


2.根据权利要求1所述的方法，其特征在于，其进一步包括：
使用所述医疗信息执行命名实体识别技术；
其中，确定所述诊断信息包括：基于所述命名实体识别技术，确定所述诊断信息。


3.根据权利要求1所述的方法，其特征在于，其进一步包括：
使用所述医疗信息执行语义角色标注技术；
其中，确定所述诊断信息包括：基于所述语义角色标记技术，确定所述诊断信息。


4.根据权利要求1所述的方法，其特征在于，其进一步包括：
基于所述医疗信息，确定一组潜在询问；
确定与所述一组潜在询问相关联的各个分数；
从所述一组潜在询问中确定出具有最高分数的询问；
其中，确定所述询问信息包括：基于所述具有最高分数的询问，确定所述询问信息。


5.根据权利要求1至4任一项权利要求所述的方法，其特征在于，其进一步包括：
使用电子病历EMR数据和电子健康记录EHR数据中的至少一种数据，训练所述强化学习模型。


6.根据权利要求5所述的方法，其特征在于，其进一步包括：
使用所述EMR数据和所述EHR数据中的至少一种数据，训练所述强化学习模型的奖励函数。


7.根据权利要求1至6任一项权利要求所述的方法，其特征在于，确定所述诊断信息包括：使用递归神经网络、卷积神经网络、支持向量机中的至少一个，确定所述诊断信息。


8.一种基于强化学习的临床决策支持设备，其特征在于，其包括：
第一接收模块，用于接收与用户相关联的医疗信息；
第一确定模块，用于用于基于所述与用户相关联的医疗信...

【专利技术属性】
技术研发人员：陈晓钟，王堃，杜楠，涂旻，张尚卿，谢于晟，范伟，
申请(专利权)人：腾讯美国有限责任公司，
类型：发明
国别省市：美国;US