本發(fā)明涉及護(hù)理方案智能推薦系統(tǒng)，具體涉及心內(nèi)科患者個(gè)性化護(hù)理方案智能推薦系統(tǒng)優(yōu)化方法。

背景技術(shù)：

1、隨著醫(yī)療技術(shù)的不斷進(jìn)步，心內(nèi)科疾病的診斷和治療水平不斷提高。然而，面對(duì)日益復(fù)雜的心血管疾病譜系和患者個(gè)體差異，傳統(tǒng)的診療方法仍然面臨著巨大挑戰(zhàn)。特別是在個(gè)性化護(hù)理方案的制定方面，現(xiàn)有技術(shù)仍存在諸多不足。

2、目前，心內(nèi)科領(lǐng)域主要依賴于經(jīng)驗(yàn)豐富的專科醫(yī)生進(jìn)行診斷和制定治療方案。這種方法雖然在處理常見病例時(shí)效果不錯(cuò)，但在面對(duì)復(fù)雜或罕見病例時(shí)往往力不從心。醫(yī)生的個(gè)人經(jīng)驗(yàn)和知識(shí)局限性可能導(dǎo)致漏診或誤診，尤其是在處理罕見心血管疾病時(shí)。此外，傳統(tǒng)方法難以充分考慮患者的個(gè)體差異，往往采用一刀切的標(biāo)準(zhǔn)化治療方案，無法真正實(shí)現(xiàn)個(gè)性化醫(yī)療。

3、近年來，隨著人工智能技術(shù)的發(fā)展，一些基于機(jī)器學(xué)習(xí)的輔助診斷系統(tǒng)開始在心內(nèi)科領(lǐng)域應(yīng)用。這些系統(tǒng)在一定程度上提高了診斷的準(zhǔn)確性和效率。然而，現(xiàn)有的智能診斷系統(tǒng)仍然存在一些關(guān)鍵問題。首先，它們大多是基于靜態(tài)數(shù)據(jù)訓(xùn)練的，缺乏動(dòng)態(tài)學(xué)習(xí)和更新的能力，難以及時(shí)吸收最新的醫(yī)學(xué)發(fā)現(xiàn)和臨床經(jīng)驗(yàn)。其次，這些系統(tǒng)在處理罕見病例時(shí)表現(xiàn)不佳，因?yàn)橛?xùn)練數(shù)據(jù)中罕見病例的樣本量不足。再者，現(xiàn)有系統(tǒng)往往只關(guān)注疾病診斷，而在個(gè)性化護(hù)理方案的制定方面功能有限。

4、此外，現(xiàn)有的智能診斷系統(tǒng)普遍缺乏可解釋性。它們通常是黑盒式的，無法為醫(yī)生提供決策依據(jù)，這在臨床實(shí)踐中極大地限制了它們的應(yīng)用。同時(shí)，這些系統(tǒng)往往忽視了醫(yī)學(xué)知識(shí)的結(jié)構(gòu)化表達(dá)，難以充分利用已有的醫(yī)學(xué)知識(shí)體系。

5、鑒于上述問題，亟需能夠動(dòng)態(tài)學(xué)習(xí)、精準(zhǔn)識(shí)別罕見病例、提供個(gè)性化護(hù)理方案，同時(shí)具有良好可解釋性的智能推薦系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明正是為解決這些技術(shù)問題而提出的，本發(fā)明提出了心內(nèi)科患者個(gè)性化護(hù)理方案智能推薦系統(tǒng)及其優(yōu)化方法，它不僅能夠準(zhǔn)確診斷常見和罕見心內(nèi)科疾病，還能為患者提供高度個(gè)性化的護(hù)理方案。

2、本發(fā)明提供心內(nèi)科患者個(gè)性化護(hù)理方案智能推薦系統(tǒng)，其包括：動(dòng)態(tài)稀有病例識(shí)別引擎，利用醫(yī)療數(shù)據(jù)和文本數(shù)據(jù)準(zhǔn)確捕捉識(shí)別心內(nèi)科罕見病例，其包括：數(shù)據(jù)準(zhǔn)備模塊，其獲取醫(yī)院內(nèi)部數(shù)據(jù)，根據(jù)指定的心內(nèi)科診療指南進(jìn)行對(duì)心內(nèi)科疾病進(jìn)行分型數(shù)據(jù)預(yù)處理，預(yù)處理包括將多種模態(tài)的數(shù)據(jù)進(jìn)行多域聯(lián)合、統(tǒng)一數(shù)據(jù)格式，并為每個(gè)病人構(gòu)建一個(gè)全局唯一的標(biāo)識(shí)符；數(shù)據(jù)檢索模塊，其先篩選初始數(shù)據(jù)集，再基于動(dòng)態(tài)索引進(jìn)行匹配，并設(shè)置相似度閾值和候選樣本檢索數(shù)量來控制識(shí)別精度，輸出檢索到的符合相似度閾值或檢索到數(shù)量的候選樣本；候選樣本分類識(shí)別模塊，用于識(shí)別是否罕見病例，若識(shí)別出是罕見病例則輸出檢索結(jié)果，并將識(shí)別結(jié)果作為訓(xùn)練樣本集反饋給數(shù)據(jù)準(zhǔn)備模塊，讓數(shù)據(jù)準(zhǔn)備模塊對(duì)更多的數(shù)據(jù)進(jìn)行預(yù)處理，同時(shí)對(duì)檢索模塊的相似度閾值和待檢索樣本量進(jìn)行自適應(yīng)調(diào)整。

3、具體地，所述的動(dòng)態(tài)稀有病例識(shí)別引擎包括：數(shù)據(jù)預(yù)處理準(zhǔn)備模塊，對(duì)醫(yī)院內(nèi)部心內(nèi)科疾病分型數(shù)據(jù)以及文本數(shù)據(jù)進(jìn)行預(yù)處理；數(shù)據(jù)檢索模塊，給定一組患者數(shù)據(jù)組成的數(shù)據(jù)集，并基于動(dòng)態(tài)索引對(duì)所述數(shù)據(jù)進(jìn)行匹配找出相似病例組，并存儲(chǔ)在內(nèi)存中；基于相似度計(jì)算的方式尋找到候選病患屬于罕見病例的高概率病患，若給定相似度閾值t，存在病患數(shù)據(jù)p有k個(gè)數(shù)據(jù)滿足相似度sim(p,q)>t，則p是罕見病例的概率p＝p/k；候選樣本分類識(shí)別模塊，如果按照數(shù)據(jù)檢索判斷患者數(shù)據(jù)是罕見病例的高概率病患，則將其視為罕見病例數(shù)據(jù)加入到訓(xùn)練數(shù)據(jù)集中，用于訓(xùn)練分類器；同時(shí)計(jì)算檢索到的病患p和被視作罕見病例的高概率病患q相似度的取值范圍為(0,t)，則p是罕見病例的置信度r＝p/k，當(dāng)r大于一定閾值λ，λ由訓(xùn)練數(shù)據(jù)確定，那么p就應(yīng)該被視作罕見病例，如果被視作罕見病例的病患比例已經(jīng)達(dá)到閾值，那么應(yīng)該對(duì)相似度閾值t進(jìn)行調(diào)整，調(diào)整后，數(shù)據(jù)檢索的數(shù)據(jù)量降低，而當(dāng)罕見病例數(shù)量增加時(shí)，數(shù)據(jù)檢索模塊應(yīng)該檢索更大的規(guī)模數(shù)據(jù)。

4、具體地，醫(yī)療數(shù)據(jù)包括患者影像數(shù)據(jù)，數(shù)據(jù)內(nèi)容以dicom格式表示，di?com信息包括文本內(nèi)容、患者基本信息、標(biāo)識(shí)符以及像素信息；文本數(shù)據(jù)內(nèi)容以pdf格式表示，文本內(nèi)容以圖像轉(zhuǎn)換方式提取，數(shù)據(jù)內(nèi)容包括患者基本信息和醫(yī)生的診斷意見，所采集文本內(nèi)容數(shù)據(jù)以x光、ct和mri圖像的影像報(bào)告為載體，所述pdf格式文本內(nèi)容通過光學(xué)字符識(shí)別提取。

5、具體地，基于所述動(dòng)態(tài)稀有病例識(shí)別引擎的稀有病例知識(shí)圖譜構(gòu)建器，用于構(gòu)建稀有病例知識(shí)圖譜和基于知識(shí)推理的多示例發(fā)現(xiàn)，所述稀有病例知識(shí)圖譜構(gòu)建器，對(duì)輸入的心內(nèi)科數(shù)據(jù)進(jìn)行多域聯(lián)合、格式轉(zhuǎn)換和信息提取，并利用已有的標(biāo)準(zhǔn)病歷知識(shí)圖譜，將得到的心內(nèi)科數(shù)據(jù)轉(zhuǎn)換成知識(shí)圖譜中的形式，從而構(gòu)建出帶有附加值的心內(nèi)科數(shù)據(jù)知識(shí)圖譜，包括：信息挖掘模塊，其包括利用數(shù)據(jù)預(yù)處理準(zhǔn)備模塊獲取臨床數(shù)據(jù)信息及文本信息，使用自然語言處理、數(shù)據(jù)分析方法，挖掘其中的心內(nèi)科分型數(shù)據(jù)及文本描述信息；基于知識(shí)圖譜的心內(nèi)科分類數(shù)據(jù)與文本數(shù)據(jù)的融合模塊，其將分型數(shù)據(jù)和文本數(shù)據(jù)納入同一張知識(shí)圖譜中，以便后續(xù)處理和應(yīng)用；基于稀有病例知識(shí)圖譜構(gòu)建器的稀有病例模擬生成器：通過構(gòu)建知識(shí)圖譜，找到匹配的罕見病例用于臨床對(duì)照和指導(dǎo)，并對(duì)臨床診療數(shù)據(jù)附加知識(shí)圖譜信息進(jìn)行標(biāo)注，構(gòu)建出具有指導(dǎo)作用的醫(yī)療數(shù)據(jù)，模擬模塊，其將匹配的罕見病例構(gòu)建出具有指導(dǎo)作用的醫(yī)療數(shù)據(jù)結(jié)合到仿真虛擬人體上，達(dá)到模擬實(shí)現(xiàn)。

6、具體地，基于稀有病例模擬生成器的適應(yīng)性學(xué)習(xí)優(yōu)化器，包括，交互模塊，用于優(yōu)化模擬模塊，根據(jù)用戶提供案例數(shù)據(jù)和給出的診斷數(shù)據(jù)進(jìn)行優(yōu)化，同時(shí)用于多專家學(xué)習(xí)模塊；多專家學(xué)習(xí)模塊，通過機(jī)器對(duì)多專家進(jìn)行學(xué)習(xí)，獲取不同專家的處理方式以優(yōu)化模擬模塊的匹配和模擬能力，學(xué)習(xí)模塊，其在模擬模塊和多專家模塊的基礎(chǔ)上，對(duì)輸入的案例數(shù)據(jù)，生成優(yōu)化后的匹配與模擬樣本，基于案例學(xué)習(xí)的數(shù)據(jù)與對(duì)應(yīng)的診斷數(shù)據(jù)，判斷其是否潛在罕見病例，以便優(yōu)化模擬模塊。

7、具體地，基于適應(yīng)性學(xué)習(xí)優(yōu)化器的多專家集成決策系統(tǒng)，對(duì)不同專家信息進(jìn)行學(xué)習(xí)，來提高模擬能力，使系統(tǒng)能夠模擬出醫(yī)生決策能力的專家系統(tǒng)，決策系統(tǒng)在模擬能力達(dá)到一定訓(xùn)練量后達(dá)到收斂，最終輸出的案例匹配度信息、診斷信息提供給用戶，多專家集成系統(tǒng)根據(jù)已有的知識(shí)圖譜進(jìn)行輔助判斷，輸出護(hù)理方案，其包括：用于多專家模塊集成過程的多專家決策融合模塊，其對(duì)來自不同專家的處理方式，構(gòu)建出具有指導(dǎo)作用的醫(yī)療數(shù)據(jù)，提供給模擬模塊。

8、實(shí)現(xiàn)所述的心內(nèi)科患者個(gè)性化護(hù)理方案智能推薦系統(tǒng)的優(yōu)化方法，具體操作步驟為：

9、s1，輸入病人的心內(nèi)科數(shù)據(jù)以及診斷數(shù)據(jù)，經(jīng)過所述動(dòng)態(tài)稀有病例識(shí)別引擎的處理，將處理過后的數(shù)據(jù)輸入到案例庫以及知識(shí)庫中；

10、s2，經(jīng)過案例庫，輸出已有的案例，用戶確認(rèn)分析結(jié)果；

11、s3，數(shù)據(jù)輸入知識(shí)庫得到附加信息，再經(jīng)過模擬生成器，生成優(yōu)化后的案例結(jié)果及案例相似度反饋；

12、s4，根據(jù)真實(shí)案例結(jié)果與模擬案例結(jié)果來調(diào)整模擬生成器輸出結(jié)果，判斷其是否潛在罕見病例，輸出專家意見，并提供給用戶，同時(shí)輸入到知識(shí)庫。

13、具體地，所述動(dòng)態(tài)稀有病例識(shí)別引擎、基于稀有病例知識(shí)圖譜構(gòu)建器的稀有病例模擬生成器、基于稀有病例模擬生成器的適應(yīng)性學(xué)習(xí)優(yōu)化器以及基于適應(yīng)性學(xué)習(xí)優(yōu)化器的多專家集成決策系統(tǒng)的功能模塊均用知識(shí)圖譜描述，知識(shí)圖譜中包括多個(gè)關(guān)系，多個(gè)實(shí)體。

14、具體地，基于稀有病例模擬生成器、適應(yīng)性學(xué)習(xí)優(yōu)化器的模擬學(xué)習(xí)模型基于transformer，模型需要優(yōu)化數(shù)據(jù)樣本數(shù)量，即先期識(shí)別的樣本質(zhì)量和數(shù)量，達(dá)到收斂狀態(tài)需要大量的學(xué)習(xí)數(shù)據(jù)，而達(dá)到更好的狀態(tài)需要更高的效率輸出，學(xué)習(xí)過程采用的損失函數(shù)為交叉熵?fù)p失：

15、

16、y是真實(shí)結(jié)果向量，y是模型預(yù)測(cè)值向量，i是樣本，n是樣本數(shù)量，c是類別數(shù)量，yij表示第i個(gè)樣本屬于第j類的真實(shí)概率，yij表示模型預(yù)測(cè)第i個(gè)樣本屬于第j類的概率。

17、具體地，所述適應(yīng)性學(xué)習(xí)流程具體為：a.輸入診斷數(shù)據(jù)t，疾病分型數(shù)據(jù)y，輸入到匹配模塊得到候選結(jié)果l以及候選樣本x；b.輸出患者處理方式d；c.判斷d與t中知識(shí)圖譜不一致信息，并生成新的輔助知識(shí)圖譜并將其輸入到模擬模塊；d.對(duì)診斷結(jié)果d進(jìn)行多領(lǐng)域?qū)＜矣?xùn)練，若該專家結(jié)果d達(dá)到一定訓(xùn)練量后，達(dá)到收斂條件則結(jié)束訓(xùn)練，輸出輔助信息；e.模擬輸出結(jié)果為輔助信息，并給出相似度l，給出病例真實(shí)結(jié)果y作為損失，循環(huán)該過程，直到收斂；f.輸出案例d，案例輸出相似度l；g.對(duì)候選樣本x和案例d進(jìn)行知識(shí)圖譜學(xué)習(xí)，提取知識(shí)圖譜輔助的醫(yī)療信息輸入案例知識(shí)庫；h.判斷樣本x是否標(biāo)注為罕見病癥，若為是則隨機(jī)抽取其他案例添加到訓(xùn)練集中；i.調(diào)整匹配模塊的樣本量，輸出結(jié)果。

18、本發(fā)明的優(yōu)點(diǎn)和有益效果：

19、本發(fā)明通過引入動(dòng)態(tài)稀有病例識(shí)別引擎、知識(shí)圖譜構(gòu)建器、稀有病例模擬生成器等創(chuàng)新模塊，有效解決了現(xiàn)有技術(shù)中存在的問題。它能夠持續(xù)學(xué)習(xí)和更新，精準(zhǔn)識(shí)別罕見病例，并基于患者個(gè)體特征提供定制化的護(hù)理建議。同時(shí)，本系統(tǒng)的決策過程具有良好的可解釋性，能為醫(yī)生提供決策依據(jù)，大大提高了系統(tǒng)在臨床實(shí)踐中的可用性和可信度。

20、總的來說，本發(fā)明為心內(nèi)科患者的診斷和護(hù)理帶來了革命性的改進(jìn)。它不僅能顯著提高診斷準(zhǔn)確率，特別是對(duì)罕見病例的識(shí)別能力，還能為每位患者提供最適合的個(gè)性化護(hù)理方案。這一系統(tǒng)有望成為心內(nèi)科醫(yī)生的得力助手，極大地提升心內(nèi)科患者的診療水平和生活質(zhì)量，為推動(dòng)心內(nèi)科醫(yī)療向更加精準(zhǔn)、個(gè)性化的方向發(fā)展做出重要貢獻(xiàn)。