【技术实现步骤摘要】
本专利技术涉及数字医疗，尤其涉及一种基于知识图谱和生成式大模型的问诊方法及系统。
技术介绍
1、由于传统的门诊就医方式存在排队等候时间长、医生资源不足等问题，随着互联网技术的快速发展和普及，以及人们对便捷、高效医疗服务的需求，在线问诊成为一种越来越受欢迎的就医方式。通过在线问诊平台，患者可以随时随地与医生进行沟通和咨询，不再需要亲自前往医院排队等候，患者可以在家中或任何地方通过手机、平板或电脑等设备与医生进行实时交流，并根据医生的指导获得专业的医疗建议和诊断。
2、由于采用在线问诊的方式进行看诊，医生在处理大量在线问诊患者的咨询时，需要高效地回答问题并提供相应的诊断和治疗建议。所以为了提高在线问诊的效率，一些在线医疗平台会使用预先设计好的问答模板进行询问和答复。这些答复模板通常包含常见病症的诊断和治疗建议，医生可以根据患者的描述和情况进行适当的修改和个性化处理。使用问答模板可以节省医生的时间和精力，特别是对于一些常见的病症的咨询，医生可以快速地回答患者的问题，并提供标准化的诊断和治疗建议。
3、但是这些问答模板通常是基于常见问题和常见病症的情况进行答复，缺乏个性化和针对性。由于每个患者的病情和需求可能有所不同，这些问答模板可能无法完全适应每个患者的独特情况，并针对每个患者的独特情况进行问答，并提供更准确和个性化的医疗建议和治疗方案。这可能导致在问诊过程中模板无法收集准确的问诊信息，使医生难以准确获得更多的问诊信息以准确诊断和制定个性化的治疗计划。
4、以上为现有技术的不足之处。
>技术实现思路
1、针对上述不足之处，本专利技术提供了一种基于知识图谱和生成式大模型的问诊方法及系统，可以适应不同患者的病情和需求，整个问诊过程中收集更多更准确的患者信息，并提供更准确和个性化的医疗建议和治疗方案，方便医生进行进一步的诊断。
2、第一方面，本专利技术提供了一种基于知识图谱和生成式大模型的问诊方法，所述方法包括以下步骤：
3、s1、获取医疗数据进行预处理，并提取医疗实体、医疗实体属性和医疗实体之间的关系，构建医疗知识图谱；
4、s2、将构建的医疗知识图谱导入生成式大模型，进行模型训练；
5、s3、将训练后的模型部署到问答系统，采集患者症状信息并进行检索分析，并给出初步诊断结果和医学处理建议；
6、若出现相同症状多个诊断结果时，进一步采集患者病史信息进行分析，直至给出唯一诊断结果和处理医学建议。
7、进一步地，步骤s1中，获取医疗数据进行预处理，并提取医疗实体、医疗实体属性和医疗实体之间的关系，构建医疗知识图谱，包括：
8、获取的医疗数据包括临床数据、医学文献和研究论文、医学知识库和词典、医学标准和公共卫生数据；
9、对获取的医疗数据进行清洗和预处理，包括去除重复数据、处理缺失值、统一数据格式；
10、通过自然语言处理技术，从医疗数据中提取医疗实体，获取至少疾病、症状、药物的医疗实体并进行标注；
11、根据医疗数据中标注的医疗实体，提取医疗实体属性；
12、基于抽取到的医疗实体，通过文本分析和关系抽取技术，提取医疗实体之间的关系；
13、根据提取的医疗实体、医疗实体属性和医疗实体之间的关系构建医疗知识图谱。
14、进一步地，在步骤s2中，将构建的医疗知识图谱导入生成式大模型，进行模型训练，包括：
15、从医疗知识图谱中提取医疗三元组数据生成问题模板，将医疗实体和医疗实体之间的关系和问题编码为向量进行表示，并进行匹配；
16、将问题编码和医疗知识图谱中的三元组数据作为第一样本，导入生成式大模型进行训练模型，训练结束后，并将采集的医疗数据中的问诊数据作为第二样本导入模型，进行模型训练。
17、进一步地，在步骤s3中，采集患者症状信息包括主要症状信息、伴随症状信息、症状发作时间、症状发作频率和症状持续时间。
18、进一步地，在步骤s3中，采集患者病史信息包括患者过往病史信息和患者家族病史信息。
19、第二方面，本专利技术提供了一种基于知识图谱和生成式大模型的问诊系统，系统包括：
20、知识图谱构建模块，用于获取医疗数据进行预处理，并提取医疗实体、医疗实体属性和医疗实体之间的关系，构建医疗知识图谱；
21、模型构建模块，用于将构建的医疗知识图谱导入生成式大模型，进行模型训练；
22、问诊模块，用于将训练后的模型部署到问答系统，采集患者症状信息并进行检索分析，并给出初步诊断结果和医学处理建议；若出现相同症状多个诊断结果时，进一步采集患者病史信息进行分析，直至给出唯一诊断结果和处理医学建议。
23、进一步地，知识图谱构建模块包括：
24、数据获取模块，用于获取的医疗数据包括临床数据、医学文献和研究论文、医学知识库和词典、医学标准和公共卫生数据；
25、数据处理模块，用于对获取的医疗数据进行清洗和预处理，包括去除重复数据、处理缺失值、统一数据格式；
26、医疗实体提取模块，用于通过自然语言处理技术，从医疗数据中提取医疗实体，获取至少疾病、症状、药物的医疗实体并进行标注；
27、实体属性提取模块，用于根据医疗数据中标注的医疗实体，提取医疗实体属性；
28、实体关系提取模块，用于基于抽取到的医疗实体，通过文本分析和关系抽取技术，提取医疗实体之间的关系；
29、图谱构建模块，用于根据提取的医疗实体、医疗实体属性和医疗实体之间的关系，构建医疗知识图谱。
30、进一步地，模型构建模块包括：
31、信息转化模块，用于从医疗知识图谱中提取医疗三元组数据生成问题模板，将医疗实体和医疗实体之间的关系和问题编码为向量进行表示，并进行匹配；
32、模型训练模块，用于将问题编码和医疗知识图谱中的三元组数据作为第一样本，导入生成式大模型进行训练模型，训练结束后，并将采集的医疗数据中的问诊数据作为第二样本导入模型，进行模型训练。
33、从以上技术方案可以看出，本专利技术具有以下优点：
34、本专利技术通过构建医疗知识图谱，通过医疗知识图谱与生成式大模型相结合的方式实现网络问诊，可适应不同患者的病情和需求，在问诊过程中有针对性地收集患者准确的病情信息，避免由于医生无法及时获得足够准确的病情信息，从而导致误诊、漏诊或不完全的治疗方案的情况。
35、而且本专利技术的问诊系统可以依据构建的治疗知识图谱收集到患者更全面和准确的病情信息，用于进一步的诊断和治疗决策，提高了问诊过程的效率和质量。本专利技术结合了自然语言理解的灵活性和知识图谱的结构化精确性，可以更好的适应复杂、多样化的患者问诊场景。
本文档来自技高网...【技术保护点】
1.一种基于知识图谱和生成式大模型的问诊方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，步骤S1中，获取医疗数据进行预处理，并提取医疗实体、医疗实体属性和医疗实体之间的关系，构建医疗知识图谱，包括：
3.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，在步骤S2中，将构建的医疗知识图谱导入生成式大模型，进行模型训练，包括：
4.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，在步骤S3中，采集患者症状信息包括主要症状信息、伴随症状信息、症状发作时间、症状发作频率和症状持续时间。
5.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，在步骤S3中，采集患者病史信息包括患者过往病史信息和患者家族病史信息。
6.一种基于知识图谱和生成式大模型的问诊系统，其特征在于，系统包括：
7.根据权利要求6所述的基于知识图谱和生成式大模型的问诊系统，其特征在于，知识图谱构建模块包括：
...
【技术特征摘要】
1.一种基于知识图谱和生成式大模型的问诊方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，步骤s1中，获取医疗数据进行预处理，并提取医疗实体、医疗实体属性和医疗实体之间的关系，构建医疗知识图谱，包括：
3.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，在步骤s2中，将构建的医疗知识图谱导入生成式大模型，进行模型训练，包括：
4.根据权利要求1所述的基于知识图谱和生成式大模型的问诊方法，其特征在于，在步骤s3中，采集...
【专利技术属性】
技术研发人员：郭鹏，蒋江涛，王辉，郭浩宇，邓小宁，金剑，马杰，
申请(专利权)人：北方健康医疗大数据科技有限公司，
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。