【技术实现步骤摘要】
一种智能化的人工智能医疗技术评估方案制定方法及系统
[0001]本专利技术涉及人工智能医疗技术评估的
,尤其涉及一种智能化的人工智能医疗技术临床应用评估方案的制定方法及系统。
技术介绍
[0002]人工智能在医疗领域应用日益广泛,亟需对人工智能医疗技术的临床应用开展全面综合的评价,支持医疗和卫生管理的决策。前期,基于科技部支持的医学人工智能技术临床应用评估标准研究中的人工智能医疗技术临床应用指南研究成果开发本方法。
[0003]人工智能医疗技术临床应用评估是评估人工智能医疗技术在临床实践中的有效性、安全性和成本效益等方面的过程。它是保障人工智能医疗技术的合理使用,提高医疗服务质量和效率的重要手段。一般通常包括以下内容:
[0004](1)研究设计:评估需要根据研究目的设计合适的研究方案,比如快速卫生技术评估和全面卫生技术评估。
[0005](2)研究对象:即人工智能医疗技术作用的待解决“问题”特征,如疾病、处方、影像等。
[0006](3)干预和对照方案:详细描述待评人工智能医疗技术和对照医疗技术名称、临床应用场景以及诊疗方式。
[0007](4)评估内容和指标
[0008]①
技术特性:指待评人工智能医疗技术的技术类型、产品性能、应用要求以及临床需求。
[0009]②
安全性评估:待评人工智能医疗技术的安全性,包括不良反应、并发症等方面的风险。
[0010]③
有效性评估:待评人工智能医疗技术的临床疗效,以及与对照技术的比 ...
【技术保护点】
【技术特征摘要】
1.一种智能化的人工智能医疗技术评估方案制定方法,其特征在于,包括以下步骤:S1:训练第一RoBERTa模型,所述第一RoBERTa模型将包括人工智能医疗技术临床应用评估指南、研究文献、评估经验和过往评估案例在内的参考评估资料作为输入,将待评估的技术类型与评估要求作为输出;S2:将待评估的所述技术类型和所述评估要求合并转化为第一一维向量,以及将对应的评估指标和评估方法合并转化为第二一维向量,所述第一一维向量和对应的所述第二一维向量形成指标库;S3:训练以所述技术类型和所述评估要求作为输入,以所述评估指标和所述评估方法作为输出的自编码器,在所述指标库中查询与所述自编码器得到的所述评估指标和所述评估方法的输出向量的2阶范数距离最近的所述评估指标和所述评估方法最接近的所述第二一维向量,即得到最终的所述评估指标和所述评估方法的自然语言描述;S4:训练第二RoBERTa模型,所述第二RoBERTa模型将所述评估指标与所述评估方法作为输入,将评估方案作为输出。2.根据权利要求1所述的智能化的人工智能医疗技术评估方案制定方法,其特征在于,在步骤S1中,训练所述第一RoBERTa模型,所述第一RoB ERTa模型将包括人工智能医疗技术临床应用评估指南、研究文献、评估经验和过往评估案例在内的所述参考评估资料作为输入,将待评估的技术类型与评估要求作为输出,具体为:S11:引入专家经验,利用专家注解过的包括人工智能医疗技术临床应用评估指南、研究文献、评估经验和过往评估案例在内的所述参考评估资料,以及与所述参考评估资料相对应的所述技术类型和评估要求,形成自然语言形式的第一训练数据集,所述第一训练数据集的输入为专家注解过的所述参考评估资料,输出为所述技术类型和所述评估要求的自然语言描述;S12:利用所述第一训练数据集训练所述第一RoBERTa模型,得到以所述参考评估资料为输入,以所述技术类型和所述评估要求为输出的自然语言处理模型。3.根据权利要求1所述的智能化的人工智能医疗技术评估方案制定方法,其特征在于,在步骤S2中,将待评估的所述技术类型和所述评估要求合并转化为所述第一一维向量,以及将对应的所述评估指标和所述评估方法合并转化为所述第二一维向量,所述第一一维向量和对应的所述第二一维向量形成所述指标库,具体为:S21:利用中文分词技术jieba以及基于中文的Word2Vec,将待评估的所述技术类型与所述评估要求两者合并转化为所述第一一维向量;S22:利用中文分词技术jieba以及基于中文的Word2Vec,将与待评估的所述技术类型与所述评估要求对应的所述评估指标和所述评估方法两者合并转化为所述第二一维向量;S23:使用长度为5步长为2的滑动窗口将所述第一一维向量和所述第二一维向量转化为长度为100的向量,存入所述指标库中。4.根据权利要求3所述的智能化的人工智能医疗技术评估方案制定方法,其特征在于,在步骤S3中,训练以所述技术类型和所述评估要求作为输入,以所述评估指标和所述评估方法作为输出的所述自编码器,具体为:S31:参考自编码器AutoEncoder中编码器Encoder的网络结构,将所述指标库中的所述技术类型和所述评估要求的所述第一一维向量变换为低维度的固定长度为100的向量,后
将固定长度为100的向量编码为所述评估指标和所述评估方法的长度为60的低维度隐向量;S32:参考自编码器AutoEncoder中解码器Decoder的网络结构,将所述评估指标和所述评估方法的长度为60的所述低维度隐向量作为输入,对步骤S31中的网络结构进行反向计算,得到长度为100的所述评估指标和所述评估方法的输出向量;S33:将得到的长度为100的所述评估指标和所述评估方法的输出向量,与所述指标库中保存的相对应的所述评估指标和所述评估方法的所述第二一维向量求2阶范数距离,作为损失函数,通过反向传播法训练所述自编码器的编码器Encoder和解码器Decoder。5.根据权利要求1所述的智能化的人工智能医疗技术评估方案制定方法,其特征在于,在步骤S31中,参考自编码器AutoEncoder中编码器Enco ...
【专利技术属性】
技术研发人员:付强,游茂,肖月,邱英鹏,刘克军,史黎炜,田雪晴,
申请(专利权)人:国家卫生健康委卫生发展研究中心,
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。