【技术实现步骤摘要】
本专利技术实施例涉及智能医疗，特别涉及一种疾病知识检索与诊疗决策辅助系统。
技术介绍
1、随着医疗信息技术的快速发展，包括人工智能(ai)和机器学习在内的技术已被广泛应用于医疗数据的处理和分析中。现有技术中，在进行疾病智能诊疗决策过程中，需要将患者的相关信息汇总为电子病情记录，由人工智能和机器学习模型对电子病情记录进行分析，以输出诊疗决策结果。
2、然而，现有技术中的人工智能和机器学习模型均需要大量的训练数据，而医疗数据存在复杂性和多样性等特点，尤其针对罕见病例或复杂病例，其样本数据少之又少。因此，现有技术输出的诊疗决策存在准确度不高的技术问题。
技术实现思路
1、本专利技术实施例提供了一种疾病知识检索与诊疗决策辅助系统，能够提高诊疗决策的准确性。
2、本专利技术实施例提供的一种疾病知识检索与诊疗决策辅助系统，包括：
3、医学知识耦合引擎，用于基于医学文献、疾病指南和药物信息构建医学知识库；
4、医学知识检索模块，用于获取患者的病情记录，并对所述病情记录进行预处理，得到病情特征信息；针对所述病情特征信息在所述医学知识库中进行医学知识检索，以得到与所述病情特征信息相关的关联医学知识；所述病情记录至少包括医学检查结果；
5、辅助诊断模块，用于通过所述大型语言模型针对所述病情特征信息和所述关联医学知识进行鉴别诊断，以输出辅助诊疗决策。
6、在一种可能的实现方式中，所述辅助诊断模块，具体包括：
7、确定子模
8、修正子模块，用于通过所述大型语言模型结合检索增强生成rag技术从外部知识库检索得到的相关信息，对所述初始诊断结果进行修正，得到鉴别诊断结果；
9、检索子模块，用于利用所述鉴别诊断结果从所述关联医学知识中检索得到最佳治疗方案；所述鉴别诊断结果和所述最佳治疗方案共同形成辅助诊疗决策。
10、在一种可能的实现方式中，所述医学知识库是以知识图谱呈现的，所述知识图谱包括实体和关系；所述实体包括：疾病、症状、检查、操作、药物和部位中的至少一个类型；所述关系包括：临床表现、鉴别诊断、临床检查、发病部位、作用部位、并发症、不良反应、治疗、诊断依据和检查结果中的至少一个类型；
11、所述医学知识检索模块在对所述病情记录进行预处理得到病情特征信息时，具体用于针对所述知识图谱中实体的每一个类型，从所述病情记录中分别抽取相应类型的病情特征信息，以得到实体的各个类型分别对应的病情特征信息；
12、所述确定子模块，具体包括：
13、第一确定单元，用于将症状实体对应的病情特征信息确定为初始症状；
14、第二确定单元，用于利用所述关联医学知识确定未知症状；
15、计算单元，用于针对所述关联医学知识中的每一个疾病主体，均执行：利用所述初始症状和所述未知症状，计算诊断为该疾病主体的概率；
16、第三确定单元，用于将若干个最大概率的目标疾病主体确定为初始诊断结果。
17、在一种可能的实现方式中，所述第二确定单元，具体用于：确定所述关联医学知识中关系类型为并发症和不良反应所对应的引发症状，确定所述初始症状中是否存在该引发症状；若不存在，则将该引发症状确定为未知症状。
18、在一种可能的实现方式中，所述修正子模块，具体用于：
19、针对所述初始诊断结果中每一个目标疾病主体，均执行：通过所述大型语言模型结合检索增强生成rag技术从外部知识库检索得到的相关信息，确定该目标疾病主体的诊断概率，将该诊断概率与所述初始诊断结果中该目标疾病主体的概率的乘积，确定为修正后该目标疾病主体的概率；
20、根据修正后每一个目标疾病主体的概率生成鉴别诊断结果。
21、在一种可能的实现方式中，所述相关信息是基于所述初始症状和所述未知症状共同作为检索条件进行检索得到的。
22、在一种可能的实现方式中，所述未知症状对应有引发概率，所述鉴别诊断结果中标识有引发概率超过设定值的未知症状。
23、在一种可能的实现方式中，所述医学知识检索模块在针对所述病情特征信息在所述医学知识库中进行医学知识检索以得到与所述病情特征信息相关的关联医学知识时，具体用于：从所述知识图谱中定位出与每一个病情特征信息相对应的第一目标实体；确定所述知识图谱中与所述第一目标实体具有关系的第二目标实体；根据所述知识图谱，确定由所述第一目标实体、所述第二目标实体以及任意两个目标实体之间的关系形成的子图谱；将所述子图谱确定为与所述病情特征信息相关的关联医学知识。
24、在一种可能的实现方式中，所述医学知识检索模块在确定所述第二目标实体时，所述第二目标实体与所述第一目标实体之间的关系至少包括直接连接关系。
25、在一种可能的实现方式中，所述检索子模块，具体用于：从所述关联医学知识中定位出所述鉴别诊断结果中的疾病主体，根据与定位到的疾病主体具有治疗关系的药物实体和操作实体，确定最佳治疗方案。
26、本专利技术实施例提供了一种疾病知识检索与诊疗决策辅助系统，该系统包括医学知识耦合引擎、医学知识检索模块和辅助诊断模块，由医学知识耦合引擎基于医学文献、疾病指南和药物信息预先构建得到医学知识库，在需要进行辅助诊疗决策时，由医学知识检索模块对患者的病情记录进行预处理以得到病情特征信息，并针对病情特征信息在医学知识库中进行医学知识检索，得到与病情特征信息相关的关联医学知识，最后由辅助诊断模块通过大型语言模型针对病情特征信息和关联医学知识共同进行鉴别诊断，得到输出的辅助诊疗决策。本方案中，并不是利用单独的病情特征信息进行鉴别诊断，而是通过大型语言模型结合了与病情特征信息相关的关联医学知识，共同进行鉴别诊断，从而能够提高诊疗决策的准确性。
本文档来自技高网...【技术保护点】
1.一种疾病知识检索与诊疗决策辅助系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，所述辅助诊断模块，具体包括：
3.根据权利要求2所述的系统，其特征在于，所述医学知识库是以知识图谱呈现的，所述知识图谱包括实体和关系；所述实体包括：疾病、症状、检查、操作、药物和部位中的至少一个类型；所述关系包括：临床表现、鉴别诊断、临床检查、发病部位、作用部位、并发症、不良反应、治疗、诊断依据和检查结果中的至少一个类型；
4.根据权利要求3所述的系统，其特征在于，所述第二确定单元，具体用于：确定所述关联医学知识中关系类型为并发症和不良反应所对应的引发症状，确定所述初始症状中是否存在该引发症状；若不存在，则将该引发症状确定为未知症状。
5.根据权利要求3所述的系统，其特征在于，所述修正子模块，具体用于：
6.根据权利要求5所述的系统，其特征在于，所述相关信息是基于所述初始症状和所述未知症状共同作为检索条件进行检索得到的。
7.根据权利要求5所述的系统，其特征在于，所述未知症状对应有引发概率，所述鉴别诊断结果中
8.根据权利要求3所述的系统，其特征在于，所述医学知识检索模块在针对所述病情特征信息在所述医学知识库中进行医学知识检索以得到与所述病情特征信息相关的关联医学知识时，具体用于：从所述知识图谱中定位出与每一个病情特征信息相对应的第一目标实体；确定所述知识图谱中与所述第一目标实体具有关系的第二目标实体；根据所述知识图谱，确定由所述第一目标实体、所述第二目标实体以及任意两个目标实体之间的关系形成的子图谱；将所述子图谱确定为与所述病情特征信息相关的关联医学知识。
9.根据权利要求8所述的系统，其特征在于，所述医学知识检索模块在确定所述第二目标实体时，所述第二目标实体与所述第一目标实体之间的关系至少包括直接连接关系。
10.根据权利要求3所述的系统，其特征在于，所述检索子模块，具体用于：从所述关联医学知识中定位出所述鉴别诊断结果中的疾病主体，根据与定位到的疾病主体具有治疗关系的药物实体和操作实体，确定最佳治疗方案。
...【技术特征摘要】
1.一种疾病知识检索与诊疗决策辅助系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，所述辅助诊断模块，具体包括：
3.根据权利要求2所述的系统，其特征在于，所述医学知识库是以知识图谱呈现的，所述知识图谱包括实体和关系；所述实体包括：疾病、症状、检查、操作、药物和部位中的至少一个类型；所述关系包括：临床表现、鉴别诊断、临床检查、发病部位、作用部位、并发症、不良反应、治疗、诊断依据和检查结果中的至少一个类型；
4.根据权利要求3所述的系统，其特征在于，所述第二确定单元，具体用于：确定所述关联医学知识中关系类型为并发症和不良反应所对应的引发症状，确定所述初始症状中是否存在该引发症状；若不存在，则将该引发症状确定为未知症状。
5.根据权利要求3所述的系统，其特征在于，所述修正子模块，具体用于：
6.根据权利要求5所述的系统，其特征在于，所述相关信息是基于所述初始症状和所述未知症状共同作为检索条件进行检索得到的。
7.根据权利要求5所述的系统，其特征...
【专利技术属性】
技术研发人员：董彬，张立，赵杰，何奕江，潘嘉骅，李毅，饶一鹏，龙凤琪，胡炎，汤嘉琦，
申请(专利权)人：北京大学，
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。