一种基于AI自训练的远程诊疗系统及方法与流程

本发明涉及远程医疗，具体而言，涉及一种基于ai自训练的远程诊疗系统及方法。

背景技术：

1、随着社会压力增大、生活方式改变、文化因素等因素变化和影响，患者在就诊过程中通常会出现疲倦效应等不良情况，在患者前往医疗机构医院诊疗过程中，医生难以快速准确的诊断，从而干扰影响疾病诊断和治疗。但“互联网+健康”新模式不断发展，线上远程诊疗成为重点发展对象之一，患者“足不出户”就可进行预约诊疗形式已逐步实现落地，下层和基层医疗机构也可通过线上远程求助于上层医疗机构从而实现异地诊疗。但目前线上诊疗处于初步基础功能阶段，医生通过在线视频等方式根据患者主诉等描述进行医嘱开立，侧重于业务的快速与便捷方向，并且使用ai来分析辅助的维度少、追溯性低、深度不足、需较稳定临床知识辅助支持等。基于上述背景，患者线上远程诊疗十分受限，在线下诊疗时医生无法对患者精准诊疗，在线上诊疗更是很难捕捉较全面的辅助决策信息。

技术实现思路

1、有鉴于此，本发明提供一种基于ai自训练的远程诊疗系统及方法来解决上述问题。

2、为解决以上技术问题，第一方面，本发明提供了一种基于ai自训练的远程诊疗系统，包括：

3、远程诊疗模块，用于当患者进入远程诊疗系统后配合接入医生进行远程接诊和就诊；

4、诊疗监管模块，用于监控诊疗过程并存储过程数据，对ai训练分析提供数据支持；诊疗监管模块的数据输入输出通过数据安全连接通道进行传输；并用于将患者的诊疗过程原始信息在辅助诊断诊疗后进行销毁；

5、ai自训练分析模块，用于对患者接诊过程的监测数据进行智能高敏识别训练分析，包括结合动态图像处理、机器视觉技术、自然语言处理、人体动作识别技术、声音特征识别、深度机器学习多维度的特征数据训练分析；

6、ai辅助模块，用于辅助医生书写诊疗诊断记录，输出采集结果并根据预设值，对特征标注细节以提示医生进行相应关注；

7、接口管理模块，用于将该系统与医院各业务管理信息系统进行数据对接与传输，实现数据双向交互；

8、健康管理模块，用于记录患者的就诊记录与疾病诊疗效果追踪。

9、作为一种可选方式，远程诊疗模块包括患者端与医生端，患者端用于为患者提供登录和/或问诊选择界面，并记录患者填写的资料信息；医生端用于收到患者的问诊请求后，读取医生的排班情况，并按照时间区间通知对应的医生上线。

10、作为一种可选方式，远程诊疗模块还包括分类单元，分类单元用于分类患者的初诊信息与复诊信息；分类后，分类单元对初诊患者的资料进行关键词解析，按照预设知识库输出初诊关键词集合；分类单元对复诊患者通过apis从电子病历系统、病案首页、数据中心与集成中心来获取患者的历史就诊信息，并结合患者的最新填写资料进行范围解析，按照预设知识库输出复诊关键词集合。

11、为一种可选方式，分类单元还包括数据处理单元、模型调用单元与机器学习单元；数据处理单元用于对患者数据进行文本抽取与格式转换；模型调用单元用于调用机器学习模型对数据处理单元处理后的数据进行分析与迭代；机器学习单元用于对历史就诊信息和自然语言处理的结果进行迭代学习。

12、作为一种可选方式，ai自训练分析模块包括机器视觉单元、动态图像单元、声音处理单元与动作识别单元；机器视觉单元和动态图像单元用于对患者进行视频监控，并对视频和/或图像进行离散处理；声音处理单元用于对语音信号进行降噪、增益控制与回声消除；动作识别单元用于对患者动作进行采集，进行姿态、肢体分析。

13、另一个方面，本发明还提供了一种基于ai自训练的远程诊疗方法，用于如上述的一种基于ai自训练的远程诊疗系统，包括：

14、s1：患者进入基于ai自训练的远程诊疗系统通过患者端挂号选择科目信息并填写就诊信息后，等待医生端分配与该患者就诊情况相关联的医生与时间；

15、s2：对患者的就诊情况进行分类，分类包括初诊患者与复诊患者，对初诊患者的基本信息、评估信息进行关键词解析，输出关键词集合；对复诊患者，基于其主索引，通过apis从电子病历系统、病案首页、数据中心、集成中心来获取患者的历史就诊信息，并结合其最新的数据填写，输出复诊关键词集合；

16、s3：医生对患者进行线上诊疗，利用基于ai自训练的远程诊疗系统对患者进行多维度数据采集并进行分析，对诊疗全过程进行记录，并标注特征点，结合初诊或复诊关键词集合，对诊疗进行支持；

17、s4：医生结合ai的支持，提出医嘱并记录就诊记录，通过健康管理模块进行保存。

18、作为一种可选方式，在上述s2中，系统接收到患者的分类结果后，根据分类结果进行不同路径的ai诊断辅助分析：

19、对于初诊患者，系统将接收数据进行文本抽取和数据格式转换，后进入数据清洗，挖掘信息因子并组成集合x={x1,x2,x3,x4,x5,...,xn}，其中，集合x为患者健康情况以及疾病表型因子，n为信息因子数量；根据精神心理疾病知识库和分词处理框架进行分词构建、特征数据标注并转换成特征图谱，将特征图谱融入到疾病多维图谱并形成词向量矩阵，采用机器学习模型和算法进行分析，迭代到预设最大阈值，并输出辅助分析结果；

20、对于复诊患者的，采用初诊类型处理方法基础上，通过患者主索引进行接口对接医院业务、管理信息系统获取患者历史就诊信息，通过对历史就诊信息和自然语言处理初步结果进行循环迭代机器学习训练分析，到预设最大阈值停止并输出辅助诊断建议。

21、作为一种可选方式，在上述s3中，对患者进行多维度数据采集包括：

22、到达线上诊疗约定时间后，患者和医生各自进入系统进行线上远程诊疗；通过诊疗监管模块获取本次诊疗信息，进行全过程视频、音频、文字信息、图像信息的监控；ai自训练分析模块基于诊疗监管模块采集数据和已有模型对患者进行多维度数据识别与标注；

23、其中，利用机器视觉技术和动态图像处理技术对视频图像进行离散信号处理，优化图像质量并进行图像增强复原，对患者进行灵活视觉图像效果适应；

24、基于面目肌肉特征对患者连续面部表情进行特征度量、动态追踪与标注分析，输出面部表情特征提取数据；

25、利用声音处理技术对语音信号进行音频降噪、增益控制、回声消除、声音优化等处理，然后进行声音特征提取，通过傅里叶变换获取语谱图并逐帧进行更易于获取特征高相关性的fbank特征提取，并继续支持自然语言处理；

26、利用人体动作识别技术对患者动作行为进行姿态分析、肢体分析、时空分析等结合精神心理动作行为基础知识库等进行特征提取标注并输出提取结果；

27、其中，通过多维度数据采集的结果数据将汇入ai自训练模型，对多维度数据进行etl、深度机器学习和自适应优化算法反复进行分析输出。

28、作为一种可选方式，在上述s4中，医生开立医嘱通过apis传递结果到emr、his、集成中心、数据中心；若医嘱开立检查检验项目，在线生成或通过his、lis等生成检查申请单和检验申请单并发送至患者端，患者在有效期内确认、缴费并前往医疗机构进行快速挂号、检查或检验；检查检验结果通过多种apis传递到医生端。

29、作为一种可选方式，患者通过患者端挂号并填写基本信息、描述备注信息、自评估信息、就诊场景后等待医生端进行后续响应；医生端发送接诊确认信息且患者接收，医生端接收患者原始上报信息后进行诊疗时间确认。

30、本发明的有益效果为：

31、本发明通过构建一种基于ai自训练的远程诊疗系统及方法，从而辅助医生对患者进行高效且智能智慧化的远程诊疗服务。该方法和系统具备高度隐私保密性、空间跨越性、排斥性减弱等特点，提升患者满意度。对医生而言，该方法和系统具备高效、灵敏、细化、病谱广而深、变化性强等特点。对于医疗机构运营管理而言，优化并提升患者就诊流程和速度，提高相关科室诊疗服务能力。