一种基于人工智能的患者健康干预及加速康复方法及系统技术方案

本申请提供了一种基于基于人工智能的患者健康干预及加速康复方法及系统，属于数据处理技术领域，该方法包括步骤S1、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案；步骤S2、调取对应的学习内容及题库，并发送给患者；步骤S3、调取对应的训练项目，并将所述训练项目发送给患者；步骤S4、确定围手术期患者对所述康复知识患教方案的学习掌握情况，确定围手术期患者对所述康复训练方案的执行情况；步骤S5、对围手术期患者进行行为驱动，或者对康复干预方案进行强度调整。该申请能够对患者的学习、训练情况进行监测，提高了围手术期患者的健康教育管理效果。果。果。

【技术实现步骤摘要】
一种基于人工智能的患者健康干预及加速康复方法及系统


[0001]本申请涉及数据处理
，特别涉及一种基于人工智能的患者健康干预及加速康复方法及系统。

技术介绍

[0002]围手术期指的是病人手术前、手术中和手术后的一段时间。大约是指从手术前5
‑
7天开始到手术后7
‑
28天这一段时间，是围绕手术的一个全过程，从病人确定接受手术治疗开始到手术治疗，直到病人术后基本康复为止。通常情况下，根据病人的具体情况确定术后的具体时间，但术后28天内通常都需做运动测试来验证效果。
[0003]目前围手术期患者，特别是肺部手术前后的围手术期患者，在肺部手术前后，医生与护士会对患者进行必要的术前人工呼吸训练及预防血栓等康复指导，但由于人工成本较高、康复指导标准化程度缺少的情况下，无法要求医护人员详细地执行传统的康复培训与症状管理，因此，术前实施标准化人工培训的可行性低，而在患者出院后，即使是在医疗质量较好的医院中，医护人员也无法及时掌握患者的训练状态和异常指标情况，因此，医护无法对患者的症状和康复进展进行有效的提醒与反馈。
[0004]对于患者来说，传统的康复与症状管理方式下，患者能从医护方直接取得的信息量有限，且晦涩难懂、专业术语多、缺少一对一个性化指导、只能在医护人员在场时面对面进行，这些使传统方法的可及性差、对于患者的个体针对性差、患者的依从性不高。
[0005]由于不同医疗机构对患者健康干预和管理的水平良莠不齐，院内逐个患者宣教，效率较低，难以标准化，且医护重复劳动，浪费稀缺人力资源，同时在空间上只能完成患者在院期间的管理，依靠医生和护士当面宣教，当面询问患者情况，而入院前和出院后形成管理空白，患者缺乏康复支持，对患者的学习、训练情况难以监测，健康教育管理效果难以保证，对患者入院前后的饮食、运动、心理、睡眠以及咳嗽、疼痛等症状情况也不能量化掌握等问题的存在，有必要提供一种全面的基于多维度的智能健康管理系统。

技术实现思路

[0006]为了解决上述技术问题至少之一，本申请第一方面提供了一种基于人工智能的患者健康干预及加速康复方法，主要包括：
[0007]步骤S1、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案；
[0008]步骤S2、根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者；
[0009]步骤S3、根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者；
[0010]步骤S4、基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述
康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况；
[0011]步骤S5、确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。
[0012]优选的是，步骤S1中，匹配出用于向患者每日推送的康复干预方案具体包括：
[0013]步骤S11、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段及能够进行学习及训练的时长，所述围手术期阶段包括术前阶段、术后院内阶段及术后出院阶段；
[0014]步骤S12、基于所述时长从术前阶段数据库、术后院内阶段数据库或者术后出院阶段数据库中匹配出对应的康复干预方案。
[0015]优选的是，步骤S4中，确定围手术期患者对所述康复训练方案的执行情况包括：
[0016]步骤S41、通过呼吸训练器蓝牙收集围手术期患者在自主呼吸训练过程中的训练数据，通过图像识别设备识别围手术期患者跟练过程中的达标动作比例，形成训练质量数据；
[0017]步骤S42、将所述训练数据与所述训练质量数据作为运动数据，确定围手术期患者当日对所述康复训练方案的完成比例及完成质量。
[0018]优选的是，步骤S5中，进行行为驱动包括：
[0019]基于康复训练过程中的实时数据，对患者康复训练过程中的跟练动作中的错误动作及无效动作进行校正；或者
[0020]基于患者康复训练过程中的统计数据对与干预阈值之间的关系，确定对患者进行学习或者训练的督促告知；或者
[0021]基于康复训练方案的完成比例及对康复知识患教方案学习的完成比例进行累积积分操作，所述积分被配置成关联奖励机制。
[0022]优选的是，步骤S5中，进行强度调整包括：
[0023]基于不同患者的对康复训练方案的完成比例及对康复知识患教方案学习的完成比例，根据推送优先级对围手术期患者进行不同程度的督促干预，所述督促干预包括但不限于信息告知、电话告知，所述推送优先级为由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成的排序推送列表；或者
[0024]收集围手术期患者对所述康复干预方案中的运动难度的反馈，基于所述反馈数据按围手术期患者的体能素质、年龄、性别或地域进行统计，基于统计结果，从运动形式、难度、时长或频率方面调整不同体能素质、不同年龄、不同性别或者不同地域的围手术期患者的康复干预方案。
[0025]本申请第二方面提供了一种基于人工智能的患者健康干预及加速康复系统，主要包括：
[0026]康复干预方案匹配模块，用于基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案；
[0027]题库调取模块，用于根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者；
[0028]运动测试推送模块，用于根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者；
[0029]数据统计模块，用于基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况；
[0030]干预模块，用于确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。
[0031]优选的是，所述康复干预方案匹配模块包括：
[0032]干预时间计算单元，用于基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的患者健康干预及加速康复方法，其特征在于，包括：步骤S1、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案；步骤S2、根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者；步骤S3、根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者；步骤S4、基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况；步骤S5、确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。2.如权利要求1所述的基于人工智能的患者健康干预及加速康复方法，其特征在于，步骤S1中，匹配出用于向患者每日推送的康复干预方案具体包括：步骤S11、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段及能够进行学习及训练的时长，所述围手术期阶段包括术前阶段、术后院内阶段及术后出院阶段；步骤S12、基于所述时长从术前阶段数据库、术后院内阶段数据库或者术后出院阶段数据库中匹配出对应的康复干预方案。3.如权利要求1所述的基于人工智能的患者健康干预及加速康复方法，其特征在于，步骤S4中，确定围手术期患者对所述康复训练方案的执行情况包括：步骤S41、通过呼吸训练器蓝牙收集围手术期患者在自主呼吸训练过程中的训练数据，通过图像识别设备识别围手术期患者跟练过程中的达标动作比例，形成训练质量数据；步骤S42、将所述训练数据与所述训练质量数据作为运动数据，确定围手术期患者当日对所述康复训练方案的完成比例及完成质量。4.如权利要求1所述的基于人工智能的患者健康干预及加速康复方法，其特征在于，步骤S5中，进行行为驱动包括：基于康复训练过程中的实时数据，对患者康复训练过程中的跟练动作中的错误动作及无效动作进行校正；或者基于患者康复训练过程中的统计数据对与干预阈值之间的关系，确定对患者进行学习或者训练的督促告知；或者基于康复训练方案的完成比例及对康复知识患教方案学习的完成比例进行累积积分操作，所述积分被配置成关联奖励机制。5.如权利要求1所述的基于人工智能的患者健康干预及加速康复方法，其特征在于，步骤S5中，进行强度调整包括：基于不同患者的对康复训练方案的完成比例及对康复知识患教方案学习的完成比例，根据推送优先级对围手术期患者进行不同程度的督促干预，所述督促干预包括但不限于信
息告知、电话告知，所述推送优先级为由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成的排序推送列表；或者收集围手术期患者对所述康复干预方案中的运动难度的反馈，基于所述反馈数据按围手术期患者的体能素质、年龄、性别或地域进行统计，基于统计结果，从运动形式、难度、时长或频率方面调整不同体能素质、不同年龄、不同性别或者不同地域的围手术期患者的康复干预方案。6.一种基于人工智能的患者健康干预及加速康复系统，其特...

【专利技术属性】
技术研发人员：宁毅，徐峰，孟璐，张瑞，徐洲阳，
申请(专利权)人：北京复全健康科技有限公司，
类型：发明
国别省市：