一种基于人工智能的患者健康干预及加速康复方法及系统

技术领域

本申请涉及数据处理技术领域，特别涉及一种基于人工智能的患者健康干预及加速康复方法及系统。

背景技术

围手术期指的是病人手术前、手术中和手术后的一段时间。大约是指从手术前5-7天开始到手术后7-28天这一段时间，是围绕手术的一个全过程，从病人确定接受手术治疗开始到手术治疗，直到病人术后基本康复为止。通常情况下，根据病人的具体情况确定术后的具体时间，但术后28天内通常都需做运动测试来验证效果。

目前围手术期患者，特别是肺部手术前后的围手术期患者，在肺部手术前后，医生与护士会对患者进行必要的术前人工呼吸训练及预防血栓等康复指导，但由于人工成本较高、康复指导标准化程度缺少的情况下，无法要求医护人员详细地执行传统的康复培训与症状管理，因此，术前实施标准化人工培训的可行性低，而在患者出院后，即使是在医疗质量较好的医院中，医护人员也无法及时掌握患者的训练状态和异常指标情况，因此，医护无法对患者的症状和康复进展进行有效的提醒与反馈。

对于患者来说，传统的康复与症状管理方式下，患者能从医护方直接取得的信息量有限，且晦涩难懂、专业术语多、缺少一对一个性化指导、只能在医护人员在场时面对面进行，这些使传统方法的可及性差、对于患者的个体针对性差、患者的依从性不高。

由于不同医疗机构对患者健康干预和管理的水平良莠不齐，院内逐个患者宣教，效率较低，难以标准化，且医护重复劳动，浪费稀缺人力资源，同时在空间上只能完成患者在院期间的管理，依靠医生和护士当面宣教，当面询问患者情况，而入院前和出院后形成管理空白，患者缺乏康复支持，对患者的学习、训练情况难以监测，健康教育管理效果难以保证，对患者入院前后的饮食、运动、心理、睡眠以及咳嗽、疼痛等症状情况也不能量化掌握等问题的存在，有必要提供一种全面的基于多维度的智能健康管理系统。

发明内容

为了解决上述技术问题至少之一，本申请第一方面提供了一种基于人工智能的患者健康干预及加速康复方法，主要包括：

步骤S1、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案；

步骤S2、根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者；

步骤S3、根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者；

步骤S4、基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况；

步骤S5、确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。

优选的是，步骤S1中，匹配出用于向患者每日推送的康复干预方案具体包括：

步骤S11、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段及能够进行学习及训练的时长，所述围手术期阶段包括术前阶段、术后院内阶段及术后出院阶段；

步骤S12、基于所述时长从术前阶段数据库、术后院内阶段数据库或者术后出院阶段数据库中匹配出对应的康复干预方案。

优选的是，步骤S4中，确定围手术期患者对所述康复训练方案的执行情况包括：

步骤S41、通过呼吸训练器蓝牙收集围手术期患者在自主呼吸训练过程中的训练数据，通过图像识别设备识别围手术期患者跟练过程中的达标动作比例，形成训练质量数据；

步骤S42、将所述训练数据与所述训练质量数据作为运动数据，确定围手术期患者当日对所述康复训练方案的完成比例及完成质量。

优选的是，步骤S5中，进行行为驱动包括：

基于康复训练过程中的实时数据，对患者康复训练过程中的跟练动作中的错误动作及无效动作进行校正；或者

基于患者康复训练过程中的统计数据对与干预阈值之间的关系，确定对患者进行学习或者训练的督促告知；或者

基于康复训练方案的完成比例及对康复知识患教方案学习的完成比例进行累积积分操作，所述积分被配置成关联奖励机制。

优选的是，步骤S5中，进行强度调整包括：

基于不同患者的对康复训练方案的完成比例及对康复知识患教方案学习的完成比例，根据推送优先级对围手术期患者进行不同程度的督促干预，所述督促干预包括但不限于信息告知、电话告知，所述推送优先级为由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成的排序推送列表；或者

收集围手术期患者对所述康复干预方案中的运动难度的反馈，基于所述反馈数据按围手术期患者的体能素质、年龄、性别或地域进行统计，基于统计结果，从运动形式、难度、时长或频率方面调整不同体能素质、不同年龄、不同性别或者不同地域的围手术期患者的康复干预方案。

本申请第二方面提供了一种基于人工智能的患者健康干预及加速康复系统，主要包括：

康复干预方案匹配模块，用于基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案；

题库调取模块，用于根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者；

运动测试推送模块，用于根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者；

数据统计模块，用于基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况；

干预模块，用于确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。

优选的是，所述康复干预方案匹配模块包括：

干预时间计算单元，用于基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段及能够进行学习及训练的时长，所述围手术期阶段包括术前阶段、术后院内阶段及术后出院阶段；

干预方案生成单元，用于基于所述时长从术前阶段数据库、术后院内阶段数据库或者术后出院阶段数据库中匹配出对应的康复干预方案。

优选的是，所述数据统计模块包括：

运动数据获取单元，用于通过呼吸训练器蓝牙收集围手术期患者在自主呼吸训练过程中的训练数据，通过图像识别设备识别围手术期患者跟练过程中的达标动作比例，形成训练质量数据；

康复训练方案完成情况统计单元，用于将所述训练数据与所述训练质量数据作为运动数据，确定围手术期患者当日对所述康复训练方案的完成比例及完成质量。

优选的是，所述干预模块包括：

行为驱动单元，用于基于康复训练过程中的实时数据，对患者康复训练过程中的跟练动作中的错误动作及无效动作进行校正；

单体干预单元，用于基于患者康复训练过程中的统计数据对与干预阈值之间的关系，确定对患者进行学习或者训练的督促告知；或者

奖励机制单元，用于基于康复训练方案的完成比例及对康复知识患教方案学习的完成比例进行累积积分操作，所述积分被配置成关联奖励机制。

优选的是，所述干预模块包括：

群体干预单元，用于基于不同患者的对康复训练方案的完成比例及对康复知识患教方案学习的完成比例，根据推送优先级对围手术期患者进行不同程度的督促干预，所述督促干预包括但不限于信息告知、电话告知，所述推送优先级为由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成的排序推送列表；或者

强度调整单元，用于收集围手术期患者对所述康复干预方案中的运动难度的反馈，基于所述反馈数据按围手术期患者的体能素质、年龄、性别或地域进行统计，基于统计结果，从运动形式、难度、时长或频率方面调整不同体能素质、不同年龄、不同性别或者不同地域的围手术期患者的康复干预方案。

本申请第三方面提供了一种计算机设备，包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序用于实现基于人工智能的患者健康干预及加速康复方法。

本申请第四方面提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的基于人工智能的患者健康干预及加速康复方法。

附图说明

图1是本申请基于人工智能的患者健康干预及加速康复方法的一优选实施例的流程图。

图2为本申请一优选实施例的计算机装置示意图。

具体实施方式

为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。下面通过参考附图描述的实施方式是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。下面结合附图对本申请的实施方式进行详细说明。

本申请第一方面提供了一种基于人工智能的患者健康干预及加速康复方法，如图1所示，主要包括。

步骤S1、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案。

该实施例中，围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯主要通过调查问卷的形式收集，也可以通过与医疗系统关联后进行抽取，基础信息、健康情况、运动习惯及饮食习惯主要包括但不限于以下内容：

a)基本信息：年龄、性别、身高、体重、城市。

b)肺结节检出基本情况：手术日期、住院日期等。

c)症状：胸闷呼吸急促、咳嗽咳痰、睡眠困难、紧张焦虑、疲劳虚弱、食欲不振没有胃口、恶心呕吐、腹泻、便秘、疼痛。

d)疾病史：哮喘、慢性支气管炎、慢性阻塞性肺病(COPD)、消化功能紊乱或肠易激综合征、风湿性关节炎或骨质疏松、糖尿病、高血压、高血脂、心脏病、肝胆结石或肝硬化、慢性肾病、其他肿瘤。

e)家族史：(近亲包括父母、兄弟姐妹、子女、叔舅、姑姨、祖父母)乳腺癌、口腔癌、鼻咽癌、喉癌、肺癌、肝癌、胃癌、肠癌、卵巢癌、子宫内膜癌、宫颈癌、其他癌症。

f)生活方式：1)运动习惯：运动频率、运动强度、运动时长，2)吸烟史：是否吸烟、戒烟时间、吸烟年限、吸烟量、污染暴露；3)饮酒史：饮酒频率；4)营养状况：进食量；5)睡眠状况：睡眠时间、睡眠问题。

g)过敏史：鸡蛋或蛋类、麸质、牛奶/乳糖、花生、大豆、坚果类等。

通过上述与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，可以匹配出具体的康复干预方案，由于采集的数据比较多，本申请可以通过基于人工智能的机器学习方式对数据进行处理加工，最优情况下可以通过卷积神经网络或其它神经网络训练获得，例如在BP神经网络这一实施例中，首先通过标注的方式获得多个训练样本及校验样本，每个训练样本中，以上7类数据中，每一类数据作为一个输入，因此输入层可以设定为7层，并设定5～10个输出，即输出层为5-10层，BP神经网络的隐藏层数量大致为10层，每个输出对应于一种康复干预方案，由医生根据输入确定标准输出，标注后，通过BP神经网络进行训练，确定训练后的BP神经网络中的各层权重及阈值，在使用训练好的BP神经网络中，根据调查问卷中各参数值，分别计算出以上7个输入数据，之后经BP神经网络计算出对应的输出值，确定对应的康复干预方案。

除了采用神经网络确定康复干预方案之外，还可以从调查问卷中根据设定的3-5个值在具有对应数量的数据库表中确定具体的康复干预方案，例如在一些可选实施方式中，步骤S1中，匹配出用于向患者每日推送的康复干预方案具体包括：

步骤S11、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段及能够进行学习及训练的时长，所述围手术期阶段包括术前阶段、术后院内阶段及术后出院阶段；

步骤S12、基于所述时长从术前阶段数据库、术后院内阶段数据库或者术后出院阶段数据库中匹配出对应的康复干预方案。

在该实施例中，收集围手术期患者的基础信息，包括疾病状态、距离手术的时间、身体情况(包括基本信息、肺结节检出情况、症状、疾病史、家族史、生活方式、过敏史等)、运动习惯，参考综合运动能力测试的结果，判断出患者所处阶段(术前/术后院内/出院后)和可以学习、训练的时长，然后从预置的数据库中匹配相应的围手术期康复干预方案，将必需的内容(包括但不限于图文和视频等多种形式)以最精简的数量每日推送给患者，包括必须的康复知识患教方案、康复训练方案、症状问卷、反馈建议等。

例如步骤S11中，根据距离手术的时间，确定患者所处的阶段为术前阶段、术后院内阶段及术后出院阶段，在术前阶段，则在术前阶段数据库中抽取康复知识患教方案及康复训练方案，在术后院内阶段，则在术后院内阶段数据库中抽取康复知识患教方案及康复训练方案，在术后出院阶段，则在术后出院阶段数据库中抽取康复知识患教方案及康复训练方案。每个数据库中的每个训练方案或者康复知识患教方案都具有时间参数，之后在步骤S12中，根据具体的时长匹配具有时间参数的训练方案或者康复知识患教方案，从而获得对应的康复干预方案。

上述步骤通过机器学习的方式，能够为围手术期患者提供精准的初始康复干预方案。

步骤S2、根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者。

该步骤中，每个康复知识患教方案都具有对应的学习内容及题库，在将康复知识患教方案发送给患者之后，通常在看完康复知识后需要立即测试，此时，将对应的学习内容及题库发送给患者，从而收集患者对康复知识患教方案的理解或学习程度，这里的学习内容即为康复知识，当日0时更新。

在一个备选实施方式中，根据为患者生成的康复方案，计算机识别分属于知识还是训练模块，调取对应题库，患者完成答题过程后，记录答题成绩。对于错误答题的知识点，提供复习功能。

步骤S3、根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者。

步骤S3与步骤S2相似，在该步骤中，调取适应该疾病的运动测试项目。在干预周期开始和结束时，以及在干预过程中，分别做对应的运动测试，以便在形成初始干预方案时，确定患者起始的训练项目和训练强度；在干预结束时，验证该康复干预方案的效果。

运动测试例如可以是1)6分钟步行测试，2)30秒坐站测试，3)上肢活动度测试等。

步骤S4、基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况。

在一些可选实施方式中，步骤S4中，确定围手术期患者对所述康复训练方案的执行情况包括：

步骤S41、通过呼吸训练器蓝牙收集围手术期患者在自主呼吸训练过程中的训练数据，通过图像识别设备识别围手术期患者跟练过程中的达标动作比例，形成训练质量数据；

步骤S42、将所述训练数据与所述训练质量数据作为运动数据，确定围手术期患者当日对所述康复训练方案的完成比例及完成质量。

在该实施例中，记录患者康复知识学习(包括回答相应知识的测验题目)和康复训练跟练的数据，并通过呼吸训练器蓝牙收集患者自主呼吸训练数据，调用患者训练数据，对患者每日完成康复方案情况进行统计。患者跟练过程中，以人工智能运动识别的方式，分析患者完成的训练符合要求的比例，完成计数。

该步骤中，初始构建了运动识别模型，之后通过机器学习的方式对该模型进行训练，以输出患者跟练的运动达标计数及比例。

在步骤S42中，训练数据与训练质量数据作为评判康复训练方案的完成比例及完成质量是不一样的，通常训练数据用于评判患者的运动总体强度，而训练质量数据则用于评判患者的对手术相关的运动质量，患者的运动强度与运动质量并不是简单的权重分配，通常还需要结合患者的年龄、体重、生活方式等，这些参数称为干预参数，例如对于年龄较大的患者，则认为运动质量要优于运动强度，反之对于年轻人，则认为运动强度优于运动质量，因此可以通过以下模型确定康复训练方案的完成质量：

其中，S为完成质量，a

通过上述方式能够更精准的确定患者在康复训练过程中的运动完成质量，从而为后续的行为驱动或者康复干预提供参考值。

步骤S5、确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。

该实施例主要包括两方面，一个是行为驱动，另一个是强度调整，行为驱动主要包括：

(1)基于康复训练过程中的实时数据，对患者康复训练过程中的跟练动作中的错误动作及无效动作进行校正。患者跟练过程中，以人工智能的方式，识别患者的跟练动作，引导患者做对动作，避免错误动作带来的无效或运动损伤。该实施例可以作为判断患者是否完成跟练，完成质量评判的依据，也可以据此匹配合适难度和强度的运动方案。

(2)基于患者康复训练过程中的统计数据对与干预阈值之间的关系，确定对患者进行学习或者训练的督促告知。该实施例中的统计数据包括学习完成情况，或者康复训练方案的完成比例，或者康复训练方案的完成质量(如上述计算得到的值S)等，这些参数与阈值比较后，即可确定是否需要对患者进行督促告知，例如，当日对未达标(即未完成一定比例学习和训练任务)的患者给予及时自动干预。在当日患者入睡前4小时(根据患者填写的上床睡觉时间倒推)，初步计算患者是否已完成当日的跟学跟练任务，如未完成，则触发自动干预，通过程序内通知以及微信服务通知告知患者。

(3)基于康复训练方案的完成比例及对康复知识患教方案学习的完成比例进行累积积分操作，所述积分被配置成关联奖励机制。该方案中，可以将康复训练方案的完成比例及对康复知识患教方案学习的完成比例匹配对应的分值发送到患者账户中，患者积攒一定的积分后，可以患者后续更多的学习课程或者其它医疗辅助帮助。

强度调整主要包括：

(1)基于不同患者的对康复训练方案的完成比例及对康复知识患教方案学习的完成比例，根据推送优先级对围手术期患者进行不同程度的督促干预，所述督促干预包括但不限于信息告知、电话告知，所述推送优先级为由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成的排序推送列表。

在一个具体实施例中，通过计算患者当日学习训练的行为，根据异常判定标准，计算并判断患者是否完成达标，并将未达标患者，以如下优先级推送排名及对应的未达标项目到该患者绑定的护士或医生的医护端程序(患者在初次登录时即绑定)。提供快捷模板，供医护一键推送所需指令，督促昨日未达标患者坚持学习和训练，医护端患者排序优先级包括：按照不同阶段分类患者[手术前/术后院内/出院后]。症状严重程度高或症状项目多者前置。跟学跟练完成度未达标，完成度低者前置。距离手术时间近者前置。

该实施例首先由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成排序推送列表，然后对于推送列表，根据排名分别实施信息告知及电话告知。或者将信息告知与电话告知的阈值事先确定，当由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权计算的参数达到信息告知阈值时进行信息告知，当由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权计算的参数达到电话告知阈值时进行电话告知。

该实施例中，由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权计算采用如下模型：

其中，a

该模型借鉴了双极性S型函数，将各参数的参数值进行转换，使得计算的用于生成排序推送列表的参数值能更精准的对需要干预的患者进行排名。

(2)收集围手术期患者对所述康复干预方案中的运动难度的反馈，基于所述反馈数据按围手术期患者的体能素质、年龄、性别、地域或者健康情况进行统计，基于统计结果，从运动形式、难度、时长或频率方面调整不同体能素质、不同年龄、不同性别或者不同地域的围手术期患者的康复干预方案。

该实施例对应于群体患者调整方案，数据处理后台汇总一定数量患者对各项运动难度的反馈，基于患者反馈难度统计比例，同时考虑不同区域患者群体的体能素质或年龄、性别分布等信息，从频率、强度等方面调整运动方案的难度，即对不同区域患者组及/或不同年龄、性别患者组，进行运动难度升级降级或同级替代。

本申请第二方面提供了一种与上述方法对应的基于人工智能的患者健康干预及加速康复系统，主要包括：

康复干预方案匹配模块，用于基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案，所述康复干预方案包括但不限于康复知识患教方案及康复训练方案；

题库调取模块，用于根据所述康复知识患教方案调取对应的学习内容及题库，并将所述学习内容及题库发送给患者；

运动测试推送模块，用于根据所述康复训练方案调取对应的训练项目，并将所述训练项目发送给患者；

数据统计模块，用于基于围手术期患者的对所述题库的答复结果，确定围手术期患者对所述康复知识患教方案的学习掌握情况，同时基于由预置的数据采集模块采集的与训练项目相关的运动数据，确定围手术期患者对所述康复训练方案的执行情况；

干预模块，用于确定对所述康复知识患教方案的学习掌握情况及对所述康复训练方案的执行情况中不满足设定学习及训练条件的数据，基于患者康复训练过程中的实时数据或者统计数据对围手术期患者进行行为驱动，或者基于群体患者的统计数据对康复干预方案进行强度调整。

在一些可选实施方式中，所述康复干预方案匹配模块包括：

干预时间计算单元，用于基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，确定围手术期患者所处的围手术期阶段及能够进行学习及训练的时长，所述围手术期阶段包括术前阶段、术后院内阶段及术后出院阶段；

干预方案生成单元，用于基于所述时长从术前阶段数据库、术后院内阶段数据库或者术后出院阶段数据库中匹配出对应的康复干预方案。

在一些可选实施方式中，所述数据统计模块包括：

运动数据获取单元，用于通过呼吸训练器蓝牙收集围手术期患者在自主呼吸训练过程中的训练数据，通过图像识别设备识别围手术期患者跟练过程中的达标动作比例，形成训练质量数据；

康复训练方案完成情况统计单元，用于将所述训练数据与所述训练质量数据作为运动数据，确定围手术期患者当日对所述康复训练方案的完成比例及完成质量。

在一些可选实施方式中，所述干预模块包括：

行为驱动单元，用于基于康复训练过程中的实时数据，对患者康复训练过程中的跟练动作中的错误动作及无效动作进行校正；

单体干预单元，用于基于患者康复训练过程中的统计数据对与干预阈值之间的关系，确定对患者进行学习或者训练的督促告知；或者

奖励机制单元，用于基于康复训练方案的完成比例及对康复知识患教方案学习的完成比例进行累积积分操作，所述积分被配置成关联奖励机制。

在一些可选实施方式中，所述干预模块包括：

群体干预单元，用于基于不同患者的对康复训练方案的完成比例及对康复知识患教方案学习的完成比例，根据推送优先级对围手术期患者进行不同程度的督促干预，所述督促干预包括但不限于信息告知、电话告知，所述推送优先级为由症状严重程度、学习和训练完成比例、距离手术时间三个因子加权生成的排序推送列表；或者

强度调整单元，用于收集围手术期患者对所述康复干预方案中的运动难度的反馈，基于所述反馈数据按围手术期患者的体能素质、年龄、性别、地域或者健康情况进行统计，基于统计结果，从运动形式、难度、时长或频率方面调整不同体能素质、不同年龄、不同性别或者不同地域的围手术期患者的康复干预方案。

本申请第三方面，一种计算机设备，包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序用于实现基于人工智能的患者健康干预及加速康复方法。

本申请第四方面，一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的基于人工智能的患者健康干预及加速康复方法。该计算机可读存储介质可以是上述实施方式中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时按上述方法对数据进行处理。

下面参考图2，其示出了适于用来实现本申请实施方式的计算机设备400的结构示意图。图2示出的计算机设备仅仅是一个示例，不应对本申请实施方式的功能和使用范围带来任何限制。

如图2所示，计算机设备400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有设备400操作所需的各种程序和数据。CPU401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本申请的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施方式包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施方式中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块或单元也可以设置在处理器中，这些模块或单元的名称在某种情况下并不构成对该模块或单元本身的限定。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。