一种面向智慧健康场景的智能度量方法及系统

技术领域

本发明涉及一种众智网络下智慧健康场景的智能度量方法，属于计算机基础理论研究技术领域。

背景技术

人类社会中的群体现象，比如经济领域中的企业管理过程、供应链协作等也都普遍存在着进化，各个主体相互协作以取得更好的结果。随着网络时代的到来，大数据、人工智能、物联网、工业4.0、云计算等这些技术使得人、企业、政府等机构、智能机器人、智能物品之间联结的深度、广度和方式不断在拓展。在网络环境下的群体现象联结更加紧密，形成了众智网络。“众智科学”的概念，旨在探索大规模在线互联背景下由信息、物理和社会三元体系构成的群体智能活动的基本原理和规律。

随着智慧健康的快速发展，对医疗信息化的要求已经从汇集数据的简单应用迈入到了数据利用阶段。借智能化分析与大数据挖掘技术来解决患者的就医和治疗的问题，已经成为未来医疗健康产业的发展的必然趋势。越来越多的患者选择通过信息化方式获取医疗服务的相关信息，例如医院信息、医生专长、药店所能提供的药品服务等。通过线上的方式进行看病预约、购买药品、反馈病情正逐渐成为当前患者与医院、医生、药店等智能体的主流交互方式。

目前，国内的智慧健康系统建设多集中于提升医院的智能化水平，着重于提高医院的工作效率，忽视了患者、医生和药店等其他智慧健康网络的参与者对医疗系统智能化水平的影响。智慧健康网络下不同参与者之间的交互智能性极大的影响着医疗服务的智慧水平。当前的智慧健康场景仍然普遍存在着患者就诊医院无法满足其看病需求、到医院挂号或就医要排很长时间队以及去药店无法拿到所需药品等问题。其次，在医生与患者的交互过程中，依然存在医生患者的服务匹配不准确、病情沟通不及时以及信息传达不到位等情况。这极大影响了双方交互的体验质量，并且浪费了宝贵的医疗资源与患者的时间。现有的医疗健康体系下智能的度量方法只针对单个智能体，缺乏一种衡量智能体之间交互智能性的方法。度量健康医疗系统的智能需要将患者、医院、医生、药店等联系在一起，在评估每一种智能体的智能的同时，加入其相互交互过程所产生的交互智能。通过联合这两方面的智能水平以综合评估整个智慧健康系统的智能程度。

然而智慧健康网络的复杂性、构成该网络智能体的异构性以及智能体交互方式的多样性导致目前没有一个合理的度量方法用来评估整个智慧健康网络场景的智能程度。而合理的对当前智慧健康网络下的智能水平进行评估，有助于利用目前智能化、信息化的手段提升健康网络的医疗服务质量、优化医疗资源配比、提升医疗信息价值，用智能化的手段解决当前老百姓“看病难”、“看病贵”的问题。

发明内容

针对现有技术的不足，本发明提出一种面向智慧健康场景的智能度量方法，其中包括：

步骤1、获取包含多个智能体的健康网络，并根据各智能体的属性度量得到各智能体的智能水平；

步骤2、根据该健康网络中的交互模式以及各智能体的智能水平，度量所有患者各交互模式中所获得的满意度；

步骤3、根据各智能体的智能水平和患者在各交互模式中所获得的满意度，求得整个该智慧健康网络的智能水平。

所述的面向智慧健康场景的智能度量方法，其中该健康网络包含的智能体包括：患者、医生、医院和药店。

所述的面向智慧健康场景的智能度量方法，其中该步骤1包括：

步骤11、患者的属性度量包括医学常识和心理因素，根据患者的医学常识和心理因素，得到患者的患者智能水平；

步骤12、医院的属性度量包括医院等级、剩余容纳率和受欢迎程度，根据医院等级、剩余容纳率和受欢迎程度，得到医院的医院智能水平；

步骤13、药店的属性度量包括药店等级和进店率，根据药店等级和进店率，得到药店的药店智能水平；

步骤14、医生的属性度量包括职称等级、从医年限和剩余病号率，根据职称等级、从医年限和剩余病号率，得到医生的医生智能水平。

所述的面向智慧健康场景的智能度量方法，其中步骤2中该交互模式包括：患者药店两者间的第一交互模式、患者医生两者间的第二交互模式、患者医院医生三者间的第三交互模式、患者医院医生药店四者间的第四交互模式；

该步骤2包括：

步骤21、根据患者到药店的距离、患者对药店等级的需求以及该药店智能水平，得到该第一交互模式的第一满意度；

步骤22、根据患者对医生职称和从医年限的需求、患者到医生的距离、医生所属科室是否匹配患者需求、医生剩余可挂号数和该医生智能水平，得到该第二交互模式的第二满意度；

步骤23、根据患者到医院的距离、医院类别等级、医院剩余容纳率、医院平均人流量得到患者对医院的满意度，并根据医生是否在医院就职以及该第二满意度、该医院智能水平和患者对医院的满意度，得到该第三交互模式的第三满意度；

步骤24、判断该第三满意度是否为0，若是，则该第四交互模式的第四满意度为0，否则根据患者对医院医生服务和药店服务的权重，将该第三满意度和该第一满意度赋权后相加，得到该第四交互模式的第四满意度。

所述的面向智慧健康场景的智能度量方法，其中该步骤3包括：

步骤31、对该健康网络下的每个患者p∈P求得其所有路径N

其中N

步骤32、根据每个患者的在该健康网络下的智能水平I

其中|P|为该健康网络下总患者数。

本发明还提出了一种面向智慧健康场景的智能度量系统，其中包括：

模块1、用于获取包含多个智能体的健康网络，并根据各智能体的属性度量得到各智能体的智能水平；

模块2、用于根据该健康网络中的交互模式以及各智能体的智能水平，度量所有患者各交互模式中所获得的满意度；

模块3、用于根据各智能体的智能水平和患者在各交互模式中所获得的满意度，求得整个该智慧健康网络的智能水平。

所述的面向智慧健康场景的智能度量系统，其中该健康网络包含的智能体包括：患者、医生、医院和药店。

所述的面向智慧健康场景的智能度量系统，其中该模块1包括：

模块11、患者的属性度量包括医学常识和心理因素，用于根据患者的医学常识和心理因素，得到患者的患者智能水平；

模块12、医院的属性度量包括医院等级、剩余容纳率和受欢迎程度，用于根据医院等级、剩余容纳率和受欢迎程度，得到医院的医院智能水平；

模块13、药店的属性度量包括药店等级和进店率，用于根据药店等级和进店率，得到药店的药店智能水平；

模块14、医生的属性度量包括职称等级、从医年限和剩余病号率，根据职称等级、从医年限和剩余病号率，得到医生的医生智能水平。

所述的面向智慧健康场景的智能度量系统，其中模块2中该交互模式包括：患者药店两者间的第一交互模式、患者医生两者间的第二交互模式、患者医院医生三者间的第三交互模式、患者医院医生药店四者间的第四交互模式；

该模块2包括：

模块21、用于根据患者到药店的距离、患者对药店等级的需求以及该药店智能水平，得到该第一交互模式的第一满意度；

模块22、用于根据患者对医生职称和从医年限的需求、患者到医生的距离、医生所属科室是否匹配患者需求、医生剩余可挂号数和该医生智能水平，得到该第二交互模式的第二满意度；

模块23、用于根据患者到医院的距离、医院类别等级、医院剩余容纳率、医院平均人流量得到患者对医院的满意度，并根据医生是否在医院就职以及该第二满意度、该医院智能水平和患者对医院的满意度，得到该第三交互模式的第三满意度；

模块24、用于判断该第三满意度是否为0，若是，则该第四交互模式的第四满意度为0，否则根据患者对医院医生服务和药店服务的权重，将该第三满意度和该第一满意度赋权后相加，得到该第四交互模式的第四满意度。

所述的面向智慧健康场景的智能度量系统，其中该模块3包括：

模块31、用于对该健康网络下的每个患者p∈P求得其所有路径N

其中N

模块32、用于根据每个患者的在该健康网络下的智能水平I

其中|P|为该健康网络下总患者数。

由以上方案可知，本发明的优点在于：通过本发明提出的智能水平度量方法，可以求出患者、医生、医院和药店四种智能体交互过程中，在不同的选择方式下所产生的智能水平值。利用该智能水平值，便可以得出患者、医生、医院和药店四种智能体交互环境下的最优的医疗体验方式。

附图说明

图1为智慧健康网络各智能体关联示意图；

图2为4种交互模式示意图；

图3为智慧健康网络智能计算方法流程图。

具体实施方式

本发明将智慧健康网络下的智能体分为患者、医生、医院和药店四大类。目的是考虑在多智能体交互的智慧健康场景下，提供一种合理的、有效的、可计算的智慧健康网络智能度量方法，适用于包括患者、医生、医院和药店在内能彼此进行交互的智能体。通过描述了智慧健康场景下，患者、医院、药店、和医生等智能主体的选择和匹配服务的要求、智能主体间的合作方式以及相互间的信息交互模式，给出具体的智能主体及其组成的健康网络的智能水平度量方法。

该方法首先根据智能体在交互之前所具备的属性评估其智能程度，其次根据智慧健康网络下的智能体之间的交互特点，将交互的过程抽象成具有关联的4种模式。考虑每一种交互模式下参与的智能体属性对该交互模式智能程度的影响，建立该交互模式下智能体的属性与智能量之间关系的模型，利用各交互模式下的患者智能体的满意程度来评估该交互方式所具有的智能量。最后，根据第4种交互模式下患者智能体的满意度对健康网络下的所有路径进行，通过求取所有患者在健康网络下选择路径所具有的智能水平程度的平均值，计算出整个健康网络的智能水平。通过本发明提出的智能水平度量方法，可以求出患者、医生、医院和药店四种智能体交互过程中，在不同的选择方式下所产生的智能水平值。利用该智能水平值，便可以得出患者、医生、医院和药店四种智能体交互环境下的最优的医疗体验方式。

为实现上述目的，本方法包括如下步骤：

步骤1：度量当前智慧健康网络下各智能体的智能水平Q。

患者p∈P、医院h∈H、医生d∈D以及药店m∈M智能水平Q

步骤2：根据当前健康网络下4种交互模式的特点，联合步骤1获得的各智能体的智能水平Q＝{Q

步骤3：根据步骤1和2得到的结果求得整个当前智慧健康网络的智能水平得分I。

所述步骤2包括：

步骤21：获得每个患者p与各药店m的距离D

步骤22：获得患者p与医生的d的距离D

步骤23：获得患者p与各医院的h的距离D

步骤24：根据步骤21-23所求出的1、2、3种交互的满意度值

所述步骤3包括：

步骤31：求得当前健康网络下的每个患者p∈P在第4类交互模式下的所有可能路径N

步骤32：对每一个患者p∈P的所有路径下的满意度

步骤32：根据每个患者的在该健康网络下的智能水平程度I

为让本发明的上述特征和效果能阐述的更明确易懂，下文特举实施例，并配合说明书附图作详细说明如下。

本发明应用于知识问答领域的过程如下：

1：度量患者智能水平

患者p的智能水平由医学常识和心理因素两个属性决定，医学常识越丰富，心理表现越积极，其智能水平越高，该智能水平可由如下公式得出：

Q

其中MK为医学常识评分，PF为心理因素得分，且MK，PF∈[0,1]。w

2：度量医院的智能水平

医院的智能水平由医院等级，剩余容纳率和受欢迎程度三个属性决定，其中剩余容纳率为医院剩余可容纳患者数除以总容纳患者数。医院的受欢迎程度越高，患者选择该医院进行就诊的几率越大，由如下公式可得医院的智能水平：

其中HL为医院等级，共分为10级，其中定义1等级为最低等级，10等级为最高等级。医院评分定义为：

3：度量药店智能水平

药店的智能水平由药店等级和进店率两个属性决定，分类等级分一类A级，一类AA级，一类AAA级，二类A级，二类AA级，二类AAA级，三类A级，三类AA级，三类AAA级，共包含1到9个等级，其中定义1等级为最低等级，9等级为最高等级。药店评分定义为：

Q

其中CG为分类等级得分，SR为进店率得分，m为权重且m∈[0,1]。

其中进店率是判断一个药店在一定区域内的流行程度。计算方法可以通过统计一定区域内(例如北京市西城区)的总的购药患者数量，假设等于a。该来该药店购买药的患者数量，假设等于b，则进店率等于b除以a。

4：度量医生智能水平

医生的智能水平由职称等级、从医年限和剩余病号率三个属性决定。职称等级分为初级职称、中级职称、副高级职称和正高级职称，分别对应1-4个等级。等级1为最低级，等级4为最高级。每个等级的评分定义为：

其中PQ为职称等级得分，BA为从医年限得分，当RD等于0，即医生当天没有号时，该医生在网络中不再活跃，智能水平为0。d

5：计算患者p在智慧健康网络下的所有交互过程满意度值

5.1计算患者p在第1类交互方式“患者+药店”情况下的满意度值

5.1.1计算患者与药店的距离这个需求属性，该需求属性为区间型，其属性值计算公式如下：

其中D

5.1.2计算药店的分类等级(药店等级)这个需求属性，该需求属性是区间型，具体的属性值计算公式如下：

其中

5.1.3药店的进店率这个需求属性是区间型属性，具体的属性值计算公式如下：

其中J

5.1.4计算第1类交互方式的满意度。患者寻找药店首要考虑的是药店的等级，其次是与药店的距离，最后是药店的进店率，所以三个属性的相关权重满足

5.2计算第2类交互方式“患者+医生”。其中该交互方式下智能主体包括患者和医生两类，其需求属性包括患者与医生的距离，医生所属科室，医生职称，医生从业年限，剩余病号率。

5.2.1计算患者与医生的距离这个需求属性，该需求属性为区间型，其属性值计算公式如下：

其中D

5.2.2计算医生所属科室这个需求的属性值，该值为硬约束属性，其属性值计算公式如下：

5.2.3计算医生职称这个需求属性值，该值为收益型属性，其属性值计算公式如下：

其中，T

5.2.4计算医生从医年限这个需求属性值，该值为区间型属性，其属性值计算公式如下：

其中y

5.2.5计算剩余可挂号数这个需求属性值，该值为硬约束属性，患者选择可挂号数不为零的医生，其属性值计算公式如下：

5.2.6计算第2类交互方式的满意度。患者寻找医生首要考虑的是医生所属科室的匹配程度以及剩余病号量，该约束为硬约束属性。其次患者考虑的是与医生的职称、从医年限以及患者与医生的距离，所以以上三个属性的相关权重满足w

5.3计算第3类交互方式“患者+医院+医生”。其需求属性包括患者与医院的距离，类别等级、剩余容纳率和平均人流量。患者关于患者与医院的距离这个需求属性的值与患者与医生属性值相同，因此其计算公式相同。

5.3.1计算医院的类别等级这个需求属性值，该值是区间型属性，具体的属性值计算公式如下：

其中H

医院的剩余容纳率为硬约束属性，具体的匹配度计算公式如下：

医院的受欢迎程度为区间型属性，具体的匹配度计算公式如下：

其中HT

患者对医院的总满意度计算：

除医院的剩余容纳率这个硬约束属性外，其余三个属性按患者的重视程度赋予不同的权重：患者与医院的距离w

P2H＝RH*(w

医院对医生的需求属性为是否就职于该医院，其匹配度计算公式为：

患者对医院的满意度跟以下两个方面相关：1、对医生的满意度2、医院医疗状况的满意度3、医院的智能程度Q

5.4计算第4类交互方式“患者+医院+医生+药店”

基于5.1-5.3相关满意度计算，可以得出综合患者+医院+医生+药店交互下的总满意度。考虑到医生与药店之间没有信息交互，故模式四的总满意度计算公式如下：

其中W

W

6计算整个大健康网络的智能水平得分

6.1对健康网络下的每个患者p∈P求得其所有可能路径N

其中N

6.2根据每个患者的在该健康网络下的智能水平得分I

其中|P|为该健康网络下总患者数。

以下为与上述方法实施例对应的系统实施例，本实施方式可与上述实施方式互相配合实施。上述实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在上述实施方式中。

本发明还提出了一种面向智慧健康场景的智能度量系统，其中包括：

模块1、用于获取包含多个智能体的健康网络，并根据各智能体的属性度量得到各智能体的智能水平；

模块2、用于根据该健康网络中的交互模式以及各智能体的智能水平，度量所有患者各交互模式中所获得的满意度；

模块3、用于根据各智能体的智能水平和患者在各交互模式中所获得的满意度，求得整个该智慧健康网络的智能水平。

所述的面向智慧健康场景的智能度量系统，其中该健康网络包含的智能体包括：患者、医生、医院和药店。

所述的面向智慧健康场景的智能度量系统，其中该模块1包括：

模块11、患者的属性度量包括医学常识和心理因素，用于根据患者的医学常识和心理因素，得到患者的患者智能水平；

模块12、医院的属性度量包括医院等级、剩余容纳率和受欢迎程度，用于根据医院等级、剩余容纳率和受欢迎程度，得到医院的医院智能水平；

模块13、药店的属性度量包括药店等级和进店率，用于根据药店等级和进店率，得到药店的药店智能水平；

模块14、医生的属性度量包括职称等级、从医年限和剩余病号率，根据职称等级、从医年限和剩余病号率，得到医生的医生智能水平。

所述的面向智慧健康场景的智能度量系统，其中模块2中该交互模式包括：患者药店两者间的第一交互模式、患者医生两者间的第二交互模式、患者医院医生三者间的第三交互模式、患者医院医生药店四者间的第四交互模式；

该模块2包括：

模块21、用于根据患者到药店的距离、患者对药店等级的需求以及该药店智能水平，得到该第一交互模式的第一满意度；

模块22、用于根据患者对医生职称和从医年限的需求、患者到医生的距离、医生所属科室是否匹配患者需求、医生剩余可挂号数和该医生智能水平，得到该第二交互模式的第二满意度；

模块23、用于根据患者到医院的距离、医院类别等级、医院剩余容纳率、医院平均人流量得到患者对医院的满意度，并根据医生是否在医院就职以及该第二满意度、该医院智能水平和患者对医院的满意度，得到该第三交互模式的第三满意度；

模块24、用于判断该第三满意度是否为0，若是，则该第四交互模式的第四满意度为0，否则根据患者对医院医生服务和药店服务的权重，将该第三满意度和该第一满意度赋权后相加，得到该第四交互模式的第四满意度。

所述的面向智慧健康场景的智能度量系统，其中该模块3包括：

模块31、用于对该健康网络下的每个患者p∈P求得其所有路径N

其中N

模块32、用于根据每个患者的在该健康网络下的智能水平I

其中|P|为该健康网络下总患者数。

由以上方案可知，本发明的优点在于：通过本发明提出的智能水平度量方法，可以求出患者、医生、医院和药店四种智能体交互过程中，在不同的选择方式下所产生的智能水平值。利用该智能水平值，便可以得出患者、医生、医院和药店四种智能体交互环境下的最优的医疗体验方式。