导诊方法及系统技术方案

本发明专利技术实施例提供一种导诊方法。该方法包括：基于医疗知识图谱对患者输入的症状进行逐步推理，确定导诊科室和潜在疾病的第一结果；将患者输入的症状输入至基于深度学习的端到端分类模型，输出导诊科室和潜在疾病的第二结果；基于第一结果和第二结果，向患者输出有效的导诊科室和潜在疾病；基于医疗知识图谱提供对应于有效的导诊科室和潜在疾病的可解释推理路径。本发明专利技术实施例还提供一种导诊系统。本发明专利技术实施例在导诊中加入知识推理功能，结合端到端分类和推理模型，充分发挥端到端分类的高召回和解析式高精度，提高导诊的准确性，同时给出导诊的可解释性路径和相关信息推荐，提升患者的使用体验。患者的使用体验。患者的使用体验。

【技术实现步骤摘要】
导诊方法及系统


[0001]本专利技术涉及智能语音领域，尤其涉及一种导诊方法及系统。

技术介绍

[0002]随着智能语音交互的发展，通过从用户的输入中识别出用户的意图进行反馈。在医院中，患者可能会不知道挂哪个科室，此时有专业的工作人员帮助患者导诊，然而，随着科技的进步，线上挂号/看病/开药逐步普及，此时通常没有专业的工作人员帮助，部分患者不知道自己的症状该挂什么号。为了便于患者准确挂号，现有技术通常会使用：
[0003]深度学习的端到端分类方法：通过标注主诉的科室标签，获得大量的训练数据，利用训练数据训练科室分类模型，利用分类模型对患者的主诉进行分类，得到导诊的科室，实现智能导诊；
[0004]字典匹配的方式从患者输入的主诉中匹配疾病，症状等关键词，利用疾病和症状关键词和科室的映射关系确定导诊的科室，实现智能导诊。
[0005]在实现本专利技术过程中，专利技术人发现相关技术中至少存在如下问题：
[0006]端到端的分类技术可以在保证较高精度的前提下，获得较好的泛化能力和召回率，但是缺乏可解释性，不能给出确定科室的原因，遇到错误案例需要更新模型。另外缺少常识性知识，容易出现显而易见的错误结果。
[0007]基于匹配的方法可以获得较高的精度，但是泛化能力和召回率较低。对于口语的表达匹配效果不好。对现病史，既往病史等不做区分，从而影响导诊准确率。

技术实现思路

[0008]为了至少解决现有技术中已有导诊方法缺少常识性知识，容易出现显而易见的错误结果，在语音交互中，患者口语表达不清，也会影响表达匹配效果的问题。
[0009]第一方面，本专利技术实施例提供一种导诊方法，包括：
[0010]基于医疗知识图谱对患者输入的症状进行逐步推理，确定导诊科室和潜在疾病的第一结果；
[0011]将所述患者输入的症状输入至基于深度学习的端到端分类模型，输出导诊科室和潜在疾病的第二结果；
[0012]基于所述第一结果和所述第二结果，向患者输出有效的导诊科室和潜在疾病；
[0013]基于所述医疗知识图谱提供对应于所述有效的导诊科室和潜在疾病的可解释推理路径。
[0014]第二方面，本专利技术实施例提供一种导诊系统，包括：
[0015]推理程序模块，用于基于医疗知识图谱对患者输入的症状进行逐步推理，确定导诊科室和潜在疾病的第一结果；
[0016]分类程序模块，用于将所述患者输入的症状输入至基于深度学习的端到端分类模型，输出导诊科室和潜在疾病的第二结果；
[0017]决策程序模块，用于基于所述第一结果和所述第二结果，向患者输出有效的导诊科室和潜在疾病；
[0018]导诊程序模块，用于基于所述医疗知识图谱提供对应于所述有效的导诊科室和潜在疾病的可解释推理路径。
[0019]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的导诊方法的步骤。
[0020]第四方面，本专利技术实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本专利技术任一实施例的导诊方法的步骤。
[0021]本专利技术实施例的有益效果在于：在导诊中加入知识推理功能，可以区分患者的主诉、非主诉信息，既往病史和现病史，部位识别和部位相关症状问询，结合端到端分类和推理模型，充分发挥端到端分类的高召回和解析式高精度，提高导诊的准确性，同时给出导诊的可解释性路径和相关信息推荐，提升患者的使用体验。
附图说明
[0022]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是本专利技术一实施例提供的一种导诊方法的流程图；
[0024]图2是本专利技术一实施例提供的一种导诊方法的推理决策过程示意图；
[0025]图3是本专利技术一实施例提供的一种导诊方法的导诊示意图；
[0026]图4是本专利技术一实施例提供的一种导诊系统的结构示意图；
[0027]图5为本专利技术一实施例提供的一种导诊的电子设备的实施例的结构示意图。
具体实施方式
[0028]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]如图1所示为本专利技术一实施例提供的一种导诊方法的流程图，包括如下步骤：
[0030]S11：基于医疗知识图谱对患者输入的症状进行逐步推理，确定导诊科室和潜在疾病的第一结果；
[0031]S12：将所述患者输入的症状输入至基于深度学习的端到端分类模型，输出导诊科室和潜在疾病的第二结果；
[0032]S13：基于所述第一结果和所述第二结果，向患者输出有效的导诊科室和潜在疾病；
[0033]S14：基于所述医疗知识图谱提供对应于所述有效的导诊科室和潜在疾病的可解
释推理路径。
[0034]在本实施方式中，可以适用在线上导诊，也可以适用在线下无人导诊智能机器人当中。例如，下面以患者通过手机APP进行语音线上挂号为例。
[0035]对于步骤S11，患者语音输入咽痛，声音嘶哑的症状。利用医疗知识图谱对患者的症状进行逐步推理，例如，通过在医疗知识图谱中，推理得到会伴生的症状呼吸困难、鼻塞、咽喉部干燥刺痒、吞咽痛、发烧、发烧伴咳嗽、咳痰、胸痛。
[0036]由于患者可能无法精准描述自己的真实情况，只能说出大概，例如，腿疼，有腿内部连带的骨头疼，也有单纯的腿部肉疼。脖子疼，有落枕的酸痛，也有神经的麻痛。这些细节，患者可能无法精准描述出来，输入的内容有限，在逐步推理的过程中，也是向患者逐步引导的过程。
[0037]利用医疗知识图谱推理的并且向患者展示，从而引导患者输入更准确的症状，从而再利用患者输入的症状进行逐步推理，逐步确定患者的导诊科室和潜在疾病的第一结果。
[0038]对于步骤S12，将步骤S11中用户输入的症状再输入至基于深度学习的端到端分类模型，将所述患者输入的症状输入至基于深度学习的端到端分类模型，输出导诊科室和潜在疾病的第二结果。
[0039]在这之前，考虑到患者描述的比较模糊，如果患者输入的是部位信息，且比较模糊，不能确认科室或者疾病的情况下，会根据医疗知识图谱推理出身体部位可能的症状，诱因，持续时间等信息，推荐给患者确认；比如患者说“腰疼”，那么会和患者确认诱因，疼痛的类型，持续的时间；再本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种导诊方法，包括：基于医疗知识图谱对患者输入的症状进行逐步推理，确定导诊科室和潜在疾病的第一结果；将所述患者输入的症状输入至基于深度学习的端到端分类模型，输出导诊科室和潜在疾病的第二结果；基于所述第一结果和所述第二结果，向患者输出有效的导诊科室和潜在疾病；基于所述医疗知识图谱提供对应于所述有效的导诊科室和潜在疾病的可解释推理路径。2.根据权利要求1所述的方法，其中，在所述基于医疗知识图谱对患者输入的症状进行逐步推理之前，所述方法包括：对患者输入进行主诉识别和病史识别；对识别到的非主诉信息时，通过预置回复或病例数据获取患者的基础信息；对识别到的病史信息，提供症状输入引导例，以用于患者按照所述引导例输入症状。3.根据权利要求2所述的方法，其中，所述基于所述医疗知识图谱提供对应于所述有效的导诊科室和潜在疾病的可解释推理路径还包括：基于医疗常识对所述患者的基本信息进行导诊科室的约束处理，进一步确定有效的导诊科室。4.根据权利要求1所述的方法，其中，在所述基于医疗知识图谱对患者输入的症状进行逐步推理之前，所述方法还包括：当识别到存在多个症状时，基于知识图谱确定所述多个症状中不相关的症状分别进行归一化处理，以用于在输出的结果中，向患者输出多个有效的导诊科室和潜在疾病。5.根据权利要求1所述的方法，其中，在所述基于所述医疗知识图谱提供对应于所述有效的导诊科室和潜在疾病的可解释推理路径之后，所述方法还包括：至少基于所述患者的输入以及所述有效的导诊科室和潜在疾病的可解释推理路径，生成所述患者的档案。6.一种导诊系统，包括：推理程序模块，用于基于医疗知识图谱对患者输入的症状进行逐步推理，确定导诊科室和潜在疾病的第一结果；分类程序模块，用于将所述患者输入的症状输...

【专利技术属性】
技术研发人员：刘筱，邹平，缪庆亮，施淼元，牛会花，李茂龙，杨一帆，
申请(专利权)人：思必驰科技股份有限公司，
类型：发明
国别省市：