【技术实现步骤摘要】
本专利技术涉及线上问诊领域,尤其涉及基于循证医学的智能医疗诊断系统及方法。
技术介绍
1、伴随着中国“互联网+医疗”战略的提出,线上医疗服务逐渐进入主流公众视野,也在慢慢被广大患者所熟悉、接受,并开始选择在线医疗社区提供的线上医疗服务进行疾病诊治。作为线上医疗服务载体的平台-在线医疗社区,与传统的线下医疗机构相比,在线医疗社区建立了一个在线医生与患者沟通的平台,患者可以不受时间、地点等条件的限制,根据自己的需要,在评估医生的“线上医疗质量”后,选择一位或多位在线社区的医生进行咨询等医疗服务。
2、然而，因为线上问诊的非及时沟通、屏幕中介效应等，且医生一般不会告诉患者诊断依据，患者易对医生产生不信任感。目前，市场上的主要中文问诊平台，如丁香医生、春雨医生和好大夫等，主要分为两类：一类是基于规则进行诊断，因其由证据来源是病人自述，而病人自述大多不准确且片面，且中文医学信息易模糊混淆，故其误诊率较高；另一类平台主要问诊方式是病人和医生直接对话，医生工作负担大，且许多回答未向患者解释诊断依据，缺乏说服力和可解释性，可能导致治疗依从性下降、医患沟通障碍、信息误解等问题。
3、循证医学(evidence-based medicine)是一种基于证据的医学实践方法，旨在通过系统地收集、评估和整合最新的科学证据，以指导医生在临床决策中做出最合理的选择。该方法强调以科学研究为基础的医学实践，以提高患者的医疗护理质量和安全性。但是基于大语言模型的方法在大文本的医学文献抽取任务上，仍存在关键信息抽取错误、抽取过程不可控等问题。
4、基于上述原因，本专利技术提出基于循证医学的智能医疗诊断系统及方法。
技术实现思路
1、本专利技术实施例旨在提供基于循证医学的智能医疗诊断系统和方法，搭建患者反事实推理诊断体系，以解决现有技术中的患者反事实推理诊断方式通用性差、维护困难且演变效率低的技术问题。
2、为此，本专利技术提供基于循证医学的智能医疗诊断系统，包括：
3、诊断信息采集融合模块，用于采集患者的多种诊断信息，并对所述诊断信息进行融合处理以形成icd-10编码信息；
4、检查项目判断模块，用于利用所述icd-10编码信息和循证医学知识库中不同检查项目判断方法完成患者中多轮对话工作和个性化体征的检查项目判断并形成判断参数；
5、自然语言表述翻译模块，用于依据不同时间点的判断参数对患者的多轮对话工作和个性化体征检查项目进行分析翻译，同时分析个性化体征自然语言表述内的各逻辑结构状态，形成个性化体征自然语言表述的分析翻译参数；
6、反事实推理状态诊断模块，用于对患者中的个性化体征进行建模形成反事实推理模型，所述反事实推理模型包括疾病类型反事实推理模型、疾病分期反事实推理模型和疾病预测反事实推理模型；
7、依据不同级反事实推理诊断模型和所述icd-10编码信息对相应的疾病类型、疾病分期和疾病预测进行反事实推理诊断，并按需进行反事实推理调查，进而完成患者的反事实推理状态诊断；
8、反事实推理状态评估模块，用于通过患者的反事实推理状态诊断参数对患者的反事实推理状态进行noisy-or双诊断网络特征学习和反事实推理状态评估，并提供贝叶斯网络优化调整。
9、进一步地，所述反事实推理状态诊断模块，给定证据e＝e，计算在某种假设性干预下，观测到不同结果e＝e′的可能性，反事实概率表示为p(e＝e′|e＝e，do(x＝x))，其中do(x＝x)表示干预将变量x设为值x，反事实推理用于评估疾病假设d＝t对症状证据s＝t的解释程度，通过确定如果干预并“治愈”疾病(设置do(d＝f))时，症状不出现的可能性，这个概率表示为p(s＝f|s＝t，do(d＝f))；使用两种反事实诊断量度：预期失能edis(d，e)和预期充分性esuff(d，e)。
10、进一步地，所述预期失能edis(d，e)，定义为如果干预治疗疾病d，预期会消失的当前症状数量：
11、
12、其中e是事实证据，s+是一组事实明确的症状。对所有可能的反事实症状证据状态s0和s+表示反事实症状状态中肯定证据的症状计算总和。do(d＝f)表示反事实干预设置d→f，|s+\s′+|表示出现在事实症状证据中但不出现在反事实症状证据中的症状集的基数
13、所述预期充分性esuff(d，e)，定义为如果干预关闭所有其他可能的症状原因，预期仍然存在的积极证据症状数量：
14、
15、其中，s′+是积极证据症状集合，表示在给定证据e和特定干预(用表示)的条件下，症状s0存在的概率，pa(s+)\d＝f表示对除了疾病d之外的所有s+的父节点(可能的病因)进行干预，将它们设为f。
16、进一步地，所述noisy-0r双诊断网络，用语反映了疾病和症状之间的直观关系，并支持反事实推理；在noisy-0r双诊断网络中，父节点di激活其子节点s的条件是：父节点激活di＝1且激活没有随机失败，噪声参数与所有其他模型参数独立。
17、进一步地，所述贝叶斯网络，预期充分性和预期失能的表达式如下：
18、
19、其中预期充分性：
20、
21、预期失能：
22、
23、其中，表示概率函数，(-1)|z|表示符号因子，取决于集合z的大小，s0表示状集合，z表示特定症状组合，r表示风险因素证据，τ(k；z)表示特定于疾病dk和症状组合z的参数，与噪声参数有关。
24、进一步地，所述icd-10编码，基于预定的规则，将收集到的数据按照icd-10标准进行编码存储。
25、基于循证医学的智能医疗诊断方法，包括如下步骤：
26、采集患者的多种诊断信息，并对所述诊断信息进行融合处理以形成icd-10编码信息；
27、利用所述icd-10编码信息和循证医学知识库中不同检查项目判断方法完成患者中多轮对话工作和个性化体征的检查项目判断并形成判断参数；
28、依据不同时间点的判断参数对患者的多轮对话工作和个性化体征检查项目进行分析翻译，同时分析个性化体征自然语言表述内的各逻辑结构状态，形成个性化体征自然语言表述的分析翻译参数；
29、对患者中的多轮对话工作和个性化体征的反事实推理状态进行建模形成反事实推理模型，所述反事实推理模型包括疾病类型反事实推理模型、疾病分期反事实推理模型和疾病预测反事实推理模型；
30、依据不同级反事实推理诊断模型和所述icd-10编码信息对相应的疾病类型、疾病分期和疾病预测进行反事实推理诊断，并按需进行反事实推理调查，进而完成患者的反事实推理状态诊断；通过患者的反事实推理状态诊断参数对患者的反事实推理状态进行noisy-or双诊断网络特征学习和反事实推理状态评估，并提供贝叶斯网络优化调整。
31、本专利技术实施例提供的上述技术方案与现有技术相比，至少具有如下技术效果本文档来自技高网...
【技术保护点】
1.基于循证医学的智能医疗诊断系统，其特征在于，包括：
2.根据权利要求1所述的基于循证医学的智能医疗诊断系统，其特征在于，所述反事实推理状态诊断模块，给定证据E＝e，计算在某种假设性干预下，观测到不同结果E＝e′的可能性，反事实概率表示为P(E＝e′|E＝e，do(X＝x))，其中do(X＝x)表示干预将变量X设为值x，反事实推理用于评估疾病假设D＝T对症状证据S＝T的解释程度，通过确定如果干预并“治愈”疾病(设置do(D＝F))时，症状不出现的可能性，这个概率表示为P(S＝F|S＝T，do(D＝F))；使用两种反事实诊断量度：预期失能Edis(D，E)和预期充分性Esuff(D，E)。
3.根据权利要求2所述的基于循证医学的智能医疗诊断系统，其特征在于，所述预期失能Edis(D，E)，定义为如果干预治疗疾病D，预期会消失的当前症状数量：
4.根据权利要求1所述的基于循证医学的智能医疗诊断系统，其特征在于，所述Noisy-OR双诊断网络，用语反映了疾病和症状之间的直观关系，并支持反事实推理；在Noisy-OR双诊断网络中，父节点Di激活其子节
5.根据权利要求1所述的基于循证医学的智能医疗诊断系统，其特征在于，所述贝叶斯网络，预期充分性和预期失能的表达式如下：
6.根据权利要求1所述的基于循证医学的智能医疗诊断系统，其特征在于，所述ICD-10编码，基于预定的规则，将收集到的数据按照ICD-10标准进行编码存储。
7.基于循证医学的智能医疗诊断方法，其特征在于，该方法包括：
...【技术特征摘要】
1.基于循证医学的智能医疗诊断系统，其特征在于，包括：
2.根据权利要求1所述的基于循证医学的智能医疗诊断系统，其特征在于，所述反事实推理状态诊断模块，给定证据e＝e，计算在某种假设性干预下，观测到不同结果e＝e′的可能性，反事实概率表示为p(e＝e′|e＝e，do(x＝x))，其中do(x＝x)表示干预将变量x设为值x，反事实推理用于评估疾病假设d＝t对症状证据s＝t的解释程度，通过确定如果干预并“治愈”疾病(设置do(d＝f))时，症状不出现的可能性，这个概率表示为p(s＝f|s＝t，do(d＝f))；使用两种反事实诊断量度：预期失能edis(d，e)和预期充分性esuff(d，e)。
3.根据权利要求2所述的基于循证医学的智能医疗诊断系统，其特征在于，所述预期失能edis(d，e)，定义...
【专利技术属性】
技术研发人员：梁红茹，雷文强，刘宇骋，陈峻堃，巫子豪，李丁豪，黄柯丁，肖永洁，
申请(专利权)人：四川大学，
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。