一种基于机器学习的线上个性化诊疗评估方法及系统

技术领域

本申请涉及互联网医疗技术领域，具体是一种基于机器学习的线上个性化诊疗评估方法及系统。

背景技术

互联网医院的诞生，为病患提供了便利。通过互联网医院辅医系统可以对患者实现诊前、诊中、诊后的全生命周期的健康管理服务。同时院内业务通过互联网医院线上化可以优化重塑患者的整个就医流程。

目前，多数的线上问诊，是通过患者与医生在线聊天实现的，这一方式，需要患者和医生同时在线才能够及时完成会诊，使用极为不便。因此，亟需一种能够提供不需要医生在线会诊的线上医疗技术来提高用户使用的便利性。

发明内容

本申请的目的在于提供一种基于机器学习的线上个性化诊疗评估方法及系统，以解决上述背景技术中提出的技术问题。

为实现上述目的，本申请公开了以下技术方案：

本申请在第一方面提供了一种基于机器学习的线上个性化诊疗评估方法，该方法包括以下步骤：

账号登录及身份采集：用户通过用户端录入登录信息，用户端验证登录信息并采集用户身份数据，诊疗后台基于所述用户身份数据匹配诊疗数据；

获取就诊数据：所述诊疗后台收集用户的就诊数据，所述就诊数据包括所述诊疗数据、用户上传的病历内容、用户上传的影像资料以及用户上传的诊断报告；

定制就诊模型：所述诊疗后台基于所述就诊数据构建用户的就诊模型；

个性化诊疗：所述诊疗后台将用户的就诊模型与诊疗数据库进行数据匹配，获取诊疗结果，所述诊疗数据库以病症表现作为关键词并结合医疗大数据进行机器学习得到；

诊疗评估：所述诊疗后台基于所述诊疗结果，生成诊疗评估单，所述诊疗评估单上记载有对应于所述诊疗结果的就诊数据、所述诊疗结果、病症评估结果以及病症处置手段；

结果查看：用户通过用户端调取所述诊疗评估单进行结果的查看。

作为优选，所述的诊疗后台基于所述用户身份数据匹配诊疗数据，具体包括：

所述诊疗后台对用户身份数据进行分析，提取用户的身份证号码或用户在注册时被授予的唯一的就诊标识码；

所述诊疗后台基于用户的身份证号码或所述就诊标识码，在所述诊疗数据库中匹配该用户的过往病历，所述诊疗数据库中存储有基于医疗大数据收集的病患就诊记录和病历；当匹配到过往病历时，对该过往病历进行提取，所述诊疗数据包括该过往病历。

作为优选，所述定制就诊模型具体包括：

基于自然语言处理技术对所述诊疗数据进行分析，提取所述诊疗数据中的病症特征数据；

将所述病症特征数据进行分类，获取每个所述病症特征数据对应的病症类型；

基于获取的病症类型，与模型数据库中的预设类型进行匹配，获取头部病症和若干个躯干病症，所述头部病症为症状表现最强烈的至少一个病症，所述躯干病症包括与所述头部病症并发的病症和/或表现于用户身上的除所述头部病症以外的病症；

基于所述头部病症和所述躯干病症构建用户的就诊模型。

作为优选，所述就诊数据还包括基于线上会诊获取的会诊数据。

作为优选，所述会诊数据的获取步骤具体包括：

所述诊疗后台基于所述诊疗数据、用户上传的病历内容、用户上传的影像资料以及用户上传的诊断报告中的任意一个或多个，生成问诊问题，用户给出所述问诊问题对应的回答；

所述诊疗后台基于所述问诊问题对应的回答进行分析获取用户的病症表现作为所述会诊数据。

作为优选，所述问诊问题包括基于医疗大数据生成的医患会诊问题和答案选项，所述的分析获取用户的病症表现具体包括：基于用户选择的答案选项获取所述病症表现。

作为优选，所述的个性化诊疗具体包括：

所述诊疗后台提取所述就诊模型对应的头部病症和躯干病症；

将所述头部病症和所述躯干病症与所述诊疗数据库中预设的病症进行数据匹配，并获取该病症对应的表征权重系数δ；

将所有的所述头部病症和所述躯干病症对应的表征权重系数δ进行比对，提取出表征权重系数δ最大的一个或多个对应的所述头部病症和/或所述躯干病症作为危急病症，并生成所述诊疗结果。

本申请在第二方面，公开了一种基于机器学习的线上个性化诊疗评估系统，包括用户端、诊疗数据库以及诊疗平台；

所述用户端配置为：供用户注册或登录系统，还配置为：采集用户输入的登录信息并验证用户身份数据，以及提供诊疗评估单的显示；

所述诊疗数据库配置为：以病症表现作为关键词并结合医疗大数据进行机器学习，生成病症表现对应的诊疗结果；

所述诊疗后台配置为：收集用户的就诊数据，并基于所述就诊数据构建用户的就诊模型，以及将用户的就诊模型与所述诊疗数据库进行数据匹配，获取所述就诊数据对应的诊疗结果；所述就诊数据包括所述诊疗数据、用户上传的病历内容、用户上传的影像资料以及用户上传的诊断报告；还配置为：基于所述诊疗结果，生成诊疗评估单，所述诊疗评估单上记载有对应于所述诊疗结果的就诊数据、所述诊疗结果、病症评估结果以及病症处置手段。

作为优选，所述的构建用户的就诊模型具体包括：

基于自然语言处理技术对所述诊疗数据进行分析，提取所述诊疗数据中的病症特征数据；

将所述病症特征数据进行分类，获取每个所述病症特征数据对应的病症类型；

基于获取的病症类型，与模型数据库中的预设类型进行匹配，获取头部病症和若干个躯干病症，所述头部病症为症状表现最强烈的至少一个病症，所述躯干病症包括与所述头部病症并发的病症和/或表现于用户身上的除所述头部病症以外的病症；

基于所述头部病症和所述躯干病症构建用户的就诊模型。

作为优选，所述的将用户的就诊模型与所述诊疗数据库进行数据匹配，获取所述就诊数据对应的诊疗结果，具体包括：

所述诊疗后台提取所述就诊模型对应的头部病症和躯干病症；

将所述头部病症和所述躯干病症与所述诊疗数据库中预设的病症进行数据匹配，并获取该病症对应的表征权重系数δ；

将所有的所述头部病症和所述躯干病症对应的表征权重系数δ进行比对，提取出表征权重系数δ最大的一个或多个对应的所述头部病症和/或所述躯干病症作为危急病症，并生成所述诊疗结果。

有益效果：本申请的基于机器学习的线上个性化诊疗评估方法及系统，用户通过用户端上传就诊数据，结合诊疗数据，即可完成对用户的疾病诊断，其中，诊疗后台基于就诊数据构建用户的就诊模型，然后将用户的就诊模型与诊疗数据库进行数据匹配，从而后去诊疗结果，并生成相应的诊疗评估单供用户在用户端进行查看，在诊疗过程中，用户能够完成线上的疾病诊断，结合物联网技术的发展，实现在具有电子化检验检查单的情况下，快捷的获取诊疗结果，提高用户的使用体验，同时，确保诊疗结果的可靠性。进一步地，本申请通过头部病症和躯干病症的分析，结合个性化诊疗步骤，提高诊疗结果的可靠性。以及进一步地，通过问诊问题的生成，实现在无检验检查单的情况下，对用户进行在线诊断的效果，提高了系统的实用性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中基于机器学习的线上个性化诊疗评估方法的流程框图。

具体实施方式

下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本文中，术语“包括”意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本实施例公开了如图1所示的一种基于机器学习的线上个性化诊疗评估方法，该方法包括以下步骤：

S1-账号登录及身份采集：用户通过用户端录入登录信息，用户端验证登录信息并采集用户身份数据，诊疗后台基于所述用户身份数据匹配诊疗数据；

S2-获取就诊数据：所述诊疗后台收集用户的就诊数据，所述就诊数据包括所述诊疗数据、用户上传的病历内容、用户上传的影像资料以及用户上传的诊断报告；

S3-定制就诊模型：所述诊疗后台基于所述就诊数据构建用户的就诊模型；

S4-个性化诊疗：所述诊疗后台将用户的就诊模型与诊疗数据库进行数据匹配，获取诊疗结果，所述诊疗数据库以病症表现作为关键词并结合医疗大数据进行机器学习得到；

S5-诊疗评估：所述诊疗后台基于所述诊疗结果，生成诊疗评估单，所述诊疗评估单上记载有对应于所述诊疗结果的就诊数据、所述诊疗结果、病症评估结果以及病症处置手段；

S6-结果查看：用户通过用户端调取所述诊疗评估单进行结果的查看。

本实施例中，所述的诊疗后台基于所述用户身份数据匹配诊疗数据，具体包括：

所述诊疗后台对用户身份数据进行分析，提取用户的身份证号码或用户在注册时被授予的唯一的就诊标识码；

所述诊疗后台基于用户的身份证号码或所述就诊标识码，在所述诊疗数据库中匹配该用户的过往病历，所述诊疗数据库中存储有基于医疗大数据收集的病患就诊记录和病历；当匹配到过往病历时，对该过往病历进行提取，所述诊疗数据包括该过往病历。

本实施例中，所述定制就诊模型具体包括：

基于自然语言处理技术对所述诊疗数据进行分析，提取所述诊疗数据中的病症特征数据；

将所述病症特征数据进行分类，获取每个所述病症特征数据对应的病症类型；

基于获取的病症类型，与模型数据库中的预设类型进行匹配，获取头部病症和若干个躯干病症，所述头部病症为症状表现最强烈的至少一个病症，所述躯干病症包括与所述头部病症并发的病症和/或表现于用户身上的除所述头部病症以外的病症；

基于所述头部病症和所述躯干病症构建用户的就诊模型。

进一步优选地，所述就诊数据还包括基于线上会诊获取的会诊数据。所述会诊数据的获取步骤具体包括：

所述诊疗后台基于所述诊疗数据、用户上传的病历内容、用户上传的影像资料以及用户上传的诊断报告中的任意一个或多个，生成问诊问题，用户给出所述问诊问题对应的回答；

所述诊疗后台基于所述问诊问题对应的回答进行分析获取用户的病症表现作为所述会诊数据。

其中，所述问诊问题包括基于医疗大数据生成的医患会诊问题和答案选项，所述的分析获取用户的病症表现具体包括：基于用户选择的答案选项获取所述病症表现。

本实施例中，所述的个性化诊疗具体包括：

所述诊疗后台提取所述就诊模型对应的头部病症和躯干病症；

将所述头部病症和所述躯干病症与所述诊疗数据库中预设的病症进行数据匹配，并获取该病症对应的表征权重系数δ；

将所有的所述头部病症和所述躯干病症对应的表征权重系数δ进行比对，提取出表征权重系数δ最大的一个或多个对应的所述头部病症和/或所述躯干病症作为危急病症，并生成所述诊疗结果。

本实施例还提供了一种基于机器学习的线上个性化诊疗评估系统，适用于上述的基于机器学习的线上个性化诊疗评估方法，包括用户端、诊疗数据库以及诊疗平台。

具体的，所述用户端配置为：供用户注册或登录系统，还配置为：采集用户输入的登录信息并验证用户身份数据，以及提供诊疗评估单的显示。

具体的，所述诊疗数据库配置为：以病症表现作为关键词并结合医疗大数据进行机器学习，生成病症表现对应的诊疗结果。

具体的，所述诊疗后台配置为：收集用户的就诊数据，并基于所述就诊数据构建用户的就诊模型，以及将用户的就诊模型与所述诊疗数据库进行数据匹配，获取所述就诊数据对应的诊疗结果；所述就诊数据包括所述诊疗数据、用户上传的病历内容、用户上传的影像资料以及用户上传的诊断报告；还配置为：基于所述诊疗结果，生成诊疗评估单，所述诊疗评估单上记载有对应于所述诊疗结果的就诊数据、所述诊疗结果、病症评估结果以及病症处置手段。

作为本实施例的一种可行的实施方式，所述的构建用户的就诊模型具体包括：

基于自然语言处理技术对所述诊疗数据进行分析，提取所述诊疗数据中的病症特征数据；

将所述病症特征数据进行分类，获取每个所述病症特征数据对应的病症类型；

基于获取的病症类型，与模型数据库中的预设类型进行匹配，获取头部病症和若干个躯干病症，所述头部病症为症状表现最强烈的至少一个病症，所述躯干病症包括与所述头部病症并发的病症和/或表现于用户身上的除所述头部病症以外的病症；

基于所述头部病症和所述躯干病症构建用户的就诊模型。

作为本实施例的一种可行的实施方式，所述的将用户的就诊模型与所述诊疗数据库进行数据匹配，获取所述就诊数据对应的诊疗结果，具体包括：

所述诊疗后台提取所述就诊模型对应的头部病症和躯干病症；

将所述头部病症和所述躯干病症与所述诊疗数据库中预设的病症进行数据匹配，并获取该病症对应的表征权重系数δ；

将所有的所述头部病症和所述躯干病症对应的表征权重系数δ进行比对，提取出表征权重系数δ最大的一个或多个对应的所述头部病症和/或所述躯干病症作为危急病症，并生成所述诊疗结果。

需要说明的是，本实施例提供的基于机器学习的线上个性化诊疗评估系统与上述的基于机器学习的线上个性化诊疗评估方法相对应，因此，系统的各组成还具有的其他功能/实现方法，均可以参考前述的基于机器学习的线上个性化诊疗评估方法，因此，在本文本不做赘述。

在本申请所提供的实施例中，应该理解到，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读存储介质中或作为计算机可读存储介质上的一个或多个指令或代码进行传输。计算机可读存储介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读存储介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。