一种基于人工智能优化医疗决策的方法及其系统技术方案

本发明专利技术提供一种基于人工智能优化医疗决策的方法及其系统，该方法包括：获取多模态医疗数据；多模态医疗数据包括结构化数据、非结构化数据和时间序列数据；基于结构化数据、非结构化数据和时间序列数据之间的因果关系，确定初始因果张量；初始因果张量为三阶张量，三阶张量的维度分别表示为数据模态数量、变量数量和时间步长；对初始因果张量进行低秩张量分解，得到关键因果模式，并基于患者的病情动态变化结合关键因果模式更新初始因果张量，得到当前因果张量；基于强化学习对当前因果张量进行决策优化，得到优化医疗策略。本发明专利技术解决了难以全面准确地进行医疗决策的问题，提高了医疗策略的准确性。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及一种基于人工智能优化医疗决策的方法及其系统。

技术介绍

1、随着人工智能技术发展，机器学习方法被引入急诊医学，如基于深度学习的医疗影像分析和基于xgboost/lstm的生命体征预测。

2、然而，这些方法大多基于统计学习，只能识别变量间的相关性，无法理解因果关系，可能导致错误的决策。例如，观察到“高血压患者存活率较低”，但简单降低血压不一定能提高存活率，可能是由于基础疾病导致高血压和高死亡风险。同时，传统ai模型通常基于静态或短期时间序列数据，难以适应患者病情的快速变化。并且，目前大部分ai模型针对单一模态数据进行训练，无法有效融合多模态信息，如生命体征、检验检查数据、医学影像和病历文本等，进而难以全面准确地进行医疗决策。

技术实现思路

1、本专利技术提供一种基于人工智能优化医疗决策的方法及其系统，用以解决了难以全面准确地进行医疗决策的问题，提高了医疗策略的准确性。

2、第一方面，本专利技术提供基于人工智能优化医疗决策的方法，包括：</p>

3、获取本文档来自技高网...

【技术保护点】

1.一种基于人工智能优化医疗决策的方法，其特征在于，包括：

2.根据权利要求1所述的基于人工智能优化医疗决策的方法，其特征在于，所述对所述初始因果张量进行低秩张量分解，得到关键因果模式，包括：

3.根据权利要求1所述的基于人工智能优化医疗决策的方法，其特征在于，所述基于患者的病情动态变化结合所述关键因果模式更新所述初始因果张量，得到当前因果张量，包括：

4.根据权利要求3所述的基于人工智能优化医疗决策的方法，其特征在于，所述对所述更新后的因果张量进行低秩重构，得到所述当前因果张量，包括：

5.根据权利要求1所述的基于人工智能优化医疗决策的方...

【技术特征摘要】

1.一种基于人工智能优化医疗决策的方法，其特征在于，包括：

2.根据权利要求1所述的基于人工智能优化医疗决策的方法，其特征在于，所述对所述初始因果张量进行低秩张量分解，得到关键因果模式，包括：

3.根据权利要求1所述的基于人工智能优化医疗决策的方法，其特征在于，所述基于患者的病情动态变化结合所述关键因果模式更新所述初始因果张量，得到当前因果张量，包括：

4.根据权利要求3所述的基于人工智能优化医疗决策的方法，其特征在于，所述对所述更新后的因果张量进行低秩重构，得到所述当前因果张量，包括：

5.根据权利要求1所述的基于人工智能优化医疗决策的方法，其特征在于，所述基于所述结构化数据、所述非结构化数据和所述时间序列数据之间的因果关系，确定初始因果张量，包括：

6.根据权利要求1所述的基于人工智能优化医疗决策的方法，其...

【专利技术属性】
技术研发人员：李媛婷，苏志雄，徐锦宏，
申请(专利权)人：广东医通软件有限公司，
类型：发明
国别省市：