慢性病患者随访方法、装置、计算机设备及可读存储介质制造方法及图纸

本申请属于人工智能技术领域，提供了一种慢性病患者随访方法、装置、计算机设备及可读存储介质，该方法包括：获取各慢性病患者的特征数据；利用第一强化学习模型对各慢性病患者的特征数据进行分析，确定各慢性病患者的干预形式，并将干预形式为人工干预的多个慢性病患者作为待随访患者构成待随访患者集；获取各待随访患者的特征数据和随访偏好时段，并计算各待随访患者的干预权重，以及获取医护人员的多个空闲时段；利用第二强化学习模型对各待随访患者的特征数据、随访偏好时段和干预权重以及医护人员的多个空闲时段进行分析，生成医护人员对各待随访患者的随访顺序。本申请能够为医护随访工作提供便捷，提升随访效果，可适用于智慧医疗领域。智慧医疗领域。智慧医疗领域。

【技术实现步骤摘要】
慢性病患者随访方法、装置、计算机设备及可读存储介质


[0001]本申请涉及人工智能
，尤其涉及一种慢性病患者随访方法、装置、计算机设备及可读存储介质。

技术介绍

[0002]慢性病属于终身性疾病，慢性病患者需长期坚持治疗。目前，我国现有的慢性病随访工作均需要医护人员在完成正常的医疗工作后进行，由于医护人员正常的医疗工作量巨大，医疗资源有限且每天的工作量不同进而造成没有固定时间去进行随访工作，导致随访工作不便开展，随访效果差。

技术实现思路

[0003]本申请的主要目的在于提供一种慢性病患者随访方法、装置、计算机设备及可读存储介质，旨在解决医护人员对慢性病患者的随访工作不便开展，随访效果差的技术问题。
[0004]第一方面，本申请提供了一种慢性病患者随访方法，所述方法包括：
[0005]获取各慢性病患者的特征数据，其中，所述特征数据包括个人特征和上一随访周期内的状态特征；
[0006]利用第一强化学习模型对各慢性病患者的所述特征数据进行分析，确定各慢性病患者在当前随访周期内的干预形式，并将所述干预形式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种慢性病患者随访方法，其特征在于，所述方法包括以下步骤：获取各慢性病患者的特征数据，其中，所述特征数据包括个人特征和上一随访周期内的状态特征；利用第一强化学习模型对各慢性病患者的所述特征数据进行分析，确定各慢性病患者在当前随访周期内的干预形式，并将所述干预形式为人工干预的多个慢性病患者作为待随访患者构成待随访患者集；获取所述待随访患者集中各待随访患者的特征数据和在当前随访周期内的随访偏好时段，并计算各待随访患者在当前随访周期内的干预权重，以及获取医护人员在当前随访周期内的多个空闲时段；利用第二强化学习模型对所述待随访患者集中各待随访患者的所述特征数据、所述随访偏好时段和所述干预权重以及医护人员的所述多个空闲时段进行分析，生成医护人员在当前随访周期内对各待随访患者的随访顺序。2.根据权利要求1所述的慢性病患者随访方法，其特征在于，所述利用第一强化学习模型对各慢性病患者的所述特征数据进行分析，确定各慢性病患者在当前随访周期内的干预形式，包括：将各慢性病患者的所述特征数据分别输入至所述第一强化学习模型中进行预测，得到所述第一强化学习模型输出的各慢性病患者在当前随访周期内进行人工干预对应的第一奖励期望和不进行人工干预对应的第二奖励期望；根据各慢性病患者对应的所述第一奖励期望和所述第二奖励期望，确定各慢性病患者在当前随访周期内的干预形式。3.根据权利要求2所述的慢性病患者随访方法，其特征在于，所述根据各慢性病患者对应的所述第一奖励期望和所述第二奖励期望，确定各慢性病患者在当前随访周期内的干预形式，包括：将各慢性病患者对应的所述第一奖励期望和所述第二奖励期望进行比对；将所述第一奖励期望大于所述第二奖励期望的慢性病患者在当前随访周期的干预形式确定为人工干预。4.根据权利要求2所述的慢性病患者随访方法，其特征在于，所述计算各待随访患者在当前随访周期内的干预权重，包括：根据各待随访患者对应的所述第一奖励期望和所述第二奖励期望，结合预设干预权重计算公式计算得到各待随访患者在当前随访周期内的干预权重，其中，W表示干预权重，Q表示待随访患者进行人工干预对应的第一奖励期望，Q
′
表示待待随访患者不进行人工干预对应的第二奖励期望。5.根据权利要求1所述的慢性病患者随访方法，其特征在于，所述利用第二强化学习模型对所述待随访患者集中各待随访患者的所述特征数据、所述随访偏好时段和所述干预权重以及医护人员的所述多个空闲时段进行分析，生成医护人员在当前随访周期内对各待随访患者的随访顺序，包括：将所述待随访患者集中各待随访患者的所述特征数据、所述随访偏好时段和所述干预权重以及医护人员的所述多个空闲时段输入至所述第二强化学习模...

【专利技术属性】
技术研发人员：廖希洋，马凯宁，欧秋雨，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：