【技术实现步骤摘要】
一种基于AI机器学习的急危重症诊后健康管理方法及系统
[0001]本专利技术涉及人工智能
，尤其涉及一种基于AI机器学习的急危重症诊后健康管理方法及系统。
技术介绍
[0002]急危重诊后管理最开始以手工记录或者信息化表单记录为主，近年来提出了由知识系统、语言系统和问题处理系统三部分组成的结构将比较成熟的专家系统中的问题处理技术引入了健康管理的体系结构,克服了传统健康管理普遍缺乏知识的局面,起到了很大的促进作用,但并不能体现用户在模型建造,模型选择方面的主动性,该框架体系的封闭式自动求解过程也不具备学习能力,不能学习新知识和经验积累。所以这种单纯基于知识的框架体系并不合适复杂的现实诊后随访和健康管理。例如基于专家系统的诊疗系统,只能在当前知识库所拥有的范围内辨别处理病症,但如果一旦类似于新冠这样的病症出现,它就束手无策,下次再遇到新冠依然不能识别，智能急危重症诊后健康管理是诊后随访、健康管理和人工智能(AI)相结合的产物,着重研究把AI的知识推理技术和健康管理的基本功能模块有机的结合起来。近年来,许多医院已经不满足于简...
【技术保护点】
【技术特征摘要】
1.一种基于AI机器学习的急危重症诊后健康管理方法，其特征在于，包括以下步骤：根据单病种的临床特征及其对应的治疗信息构建该病种的健康管理模型存储到AI机器的预设模型库中；根据患者上传的病例信息确认是否存在与其匹配的目标健康管理模型；若存在，利用所述目标健康管理模型对患者进行辅助健康管理；若不存在，对病例信息进行求解生成求解结果以供AI机器进行学习。2.根据权利要求1所述基于AI机器学习的急危重症诊后健康管理方法，其特征在于，所述根据单病种的临床特征及其对应的治疗信息构建该病种的健康管理模型存储到AI机器的预设模型库中，包括：根据单病种的临床特征及其对应的治疗信息生成该病种的诊后管理计划；根据所述诊后管理计划确定个人随访计划的数量以及每次个人随访计划的呼叫时间；构建初始模型，利用所述诊后管理计划和多次个人随访计划以及每次个人随访计划的呼叫时间训练所述初始模型，获得该病种的健康管理模型；确认该病种的所属类别，根据确认结果将健康管理模型存储到预设模型库的目标分区中。3.根据权利要求1所述基于AI机器学习的急危重症诊后健康管理方法，其特征在于，所述根据患者上传的病例信息确认是否存在与其匹配的目标健康管理模型，包括：接收所述病例信息并进行解析，生成问题实例；将所述问题实例代入到预设模型库中进行匹配，获得多个匹配的第一健康管理模型；对所述问题实例进行剖析获得其隐藏特征参数，根据所述隐藏特征参数在多个第一健康管理模型中进行匹配，确认是否有匹配成功的第二健康管理模型；若是，确认存在目标健康管理模型，否则，确认不存在。4.根据权利要求2所述基于AI机器学习的急危重症诊后健康管理方法，其特征在于，若存在，利用所述目标健康管理模型对患者进行辅助健康管理，包括：获取患者的电子病历和电子身份信息；将所述电子病历和电子身份信息与所述目标健康管理模型进行关联；获取患者的日常行为信息，根据所述日常行为信息判断每次个人随访计划的呼叫时间是否与患者的作息计划存在冲突，若是，自动调整每次个人随访计划的呼叫时间，否则，无需进行后续操作；控制所述AI机器根据所述目标健康管理模型对患者进行个人随访以及辅助健康管理。5.根据权利要求1所述基于AI机器学习的急危重症诊后健康管理方法，其特征在于，所述若不存在，对病例信息进行求解生成求解结果以供AI机器进行学习，包括：根据所述病历信息确认患者的疾病类型；根据所述疾病类型在预设模型库中调取相同类型的期望健康管理模型；利用所述期望健康管理模型对所述病例信息进行求解，获得第一求解结果；将所述第一求解结果反馈至患者终端以供患者进行评价，根据评价结果确认第一求解结果是否为可用信息，若是，根据所述第一求解结果生成模型操纵知识存储到AI机器的预设知识库中以供AI机器进行学习。6.根据权利要求5所述基于AI机器学习的急危重症诊后健康管理方法，其特征在于，所
述方法还包括：若所述第一求解结果不为可用信息，从AI机器的预设经验库中查找相关经验；利用所述相关经验对所述病例信息进行求解，获得第二求解结果；根据所述第二求解结果以及病例信息构建全新健康管理模型；将所述全新健康管理模型存储到预设模型库中，根据所述第二求解结果生成学习经验；将所述学习经验存储到所述预设经验库中。7.根据权利要求5
‑
6所述基于AI机器学习的急危重症诊后健康管理方法，其特征在于，...
【专利技术属性】
技术研发人员：卢良源，刘巍，李雅君，
申请(专利权)人：北京卓简科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。