心内科患者个性化护理方案智能推荐系统及其优化方法

本发明涉及护理方案智能推荐系统，具体涉及心内科患者个性化护理方案智能推荐系统优化方法。

背景技术：

1、随着医疗技术的不断进步，心内科疾病的诊断和治疗水平不断提高。然而，面对日益复杂的心血管疾病谱系和患者个体差异，传统的诊疗方法仍然面临着巨大挑战。特别是在个性化护理方案的制定方面，现有技术仍存在诸多不足。

2、目前，心内科领域主要依赖于经验丰富的专科医生进行诊断和制定治疗方案。这种方法虽然在处理常见病例时效果不错，但在面对复杂或罕见病例时往往力不从心。医生的个人经验和知识局限性可能导致漏诊或误诊，尤其是在处理罕见心血管疾病时。此外，传统方法难以充分考虑患者的个体差异，往往采用一刀切的标准化治疗方案，无法真正实现个性化医疗。

3、近年来，随着人工智能技术的发展，一些基于机器学习的辅助诊断系统开始在心内科领域应用。这些系统在一定程度上提高了诊断的准确性和效率。然而，现有的智能诊断系统仍然存在一些关键问题。首先，它们大多是基于静态数据训练的，缺乏动态学习和更新的能力，难以及时吸收最新的医学发现和临床经验。其次，这些系统在处理罕见病例时表现不佳，因为训练数据中罕见病例的样本量不足。再者，现有系统往往只关注疾病诊断，而在个性化护理方案的制定方面功能有限。

4、此外，现有的智能诊断系统普遍缺乏可解释性。它们通常是黑盒式的，无法为医生提供决策依据，这在临床实践中极大地限制了它们的应用。同时，这些系统往往忽视了医学知识的结构化表达，难以充分利用已有的医学知识体系。

5、鉴于上述问题，亟需能够动态学习、精准识别罕见病例、提供个性化护理方案，同时具有良好可解释性的智能推荐系统。

技术实现思路

1、本发明正是为解决这些技术问题而提出的，本发明提出了心内科患者个性化护理方案智能推荐系统及其优化方法，它不仅能够准确诊断常见和罕见心内科疾病，还能为患者提供高度个性化的护理方案。

2、本发明提供心内科患者个性化护理方案智能推荐系统，其包括：动态稀有病例识别引擎，利用医疗数据和文本数据准确捕捉识别心内科罕见病例，其包括：数据准备模块，其获取医院内部数据，根据指定的心内科诊疗指南进行对心内科疾病进行分型数据预处理，预处理包括将多种模态的数据进行多域联合、统一数据格式，并为每个病人构建一个全局唯一的标识符；数据检索模块，其先筛选初始数据集，再基于动态索引进行匹配，并设置相似度阈值和候选样本检索数量来控制识别精度，输出检索到的符合相似度阈值或检索到数量的候选样本；候选样本分类识别模块，用于识别是否罕见病例，若识别出是罕见病例则输出检索结果，并将识别结果作为训练样本集反馈给数据准备模块，让数据准备模块对更多的数据进行预处理，同时对检索模块的相似度阈值和待检索样本量进行自适应调整。

3、具体地，所述的动态稀有病例识别引擎包括：数据预处理准备模块，对医院内部心内科疾病分型数据以及文本数据进行预处理；数据检索模块，给定一组患者数据组成的数据集，并基于动态索引对所述数据进行匹配找出相似病例组，并存储在内存中；基于相似度计算的方式寻找到候选病患属于罕见病例的高概率病患，若给定相似度阈值t，存在病患数据p有k个数据满足相似度sim(p,q)>t，则p是罕见病例的概率p＝p/k；候选样本分类识别模块，如果按照数据检索判断患者数据是罕见病例的高概率病患，则将其视为罕见病例数据加入到训练数据集中，用于训练分类器；同时计算检索到的病患p和被视作罕见病例的高概率病患q相似度的取值范围为(0,t)，则p是罕见病例的置信度r＝p/k，当r大于一定阈值λ，λ由训练数据确定，那么p就应该被视作罕见病例，如果被视作罕见病例的病患比例已经达到阈值，那么应该对相似度阈值t进行调整，调整后，数据检索的数据量降低，而当罕见病例数量增加时，数据检索模块应该检索更大的规模数据。

4、具体地，医疗数据包括患者影像数据，数据内容以dicom格式表示，di com信息包括文本内容、患者基本信息、标识符以及像素信息；文本数据内容以pdf格式表示，文本内容以图像转换方式提取，数据内容包括患者基本信息和医生的诊断意见，所采集文本内容数据以x光、ct和mri图像的影像报告为载体，所述pdf格式文本内容通过光学字符识别提取。

5、具体地，基于所述动态稀有病例识别引擎的稀有病例知识图谱构建器，用于构建稀有病例知识图谱和基于知识推理的多示例发现，所述稀有病例知识图谱构建器，对输入的心内科数据进行多域联合、格式转换和信息提取，并利用已有的标准病历知识图谱，将得到的心内科数据转换成知识图谱中的形式，从而构建出带有附加值的心内科数据知识图谱，包括：信息挖掘模块，其包括利用数据预处理准备模块获取临床数据信息及文本信息，使用自然语言处理、数据分析方法，挖掘其中的心内科分型数据及文本描述信息；基于知识图谱的心内科分类数据与文本数据的融合模块，其将分型数据和文本数据纳入同一张知识图谱中，以便后续处理和应用；基于稀有病例知识图谱构建器的稀有病例模拟生成器：通过构建知识图谱，找到匹配的罕见病例用于临床对照和指导，并对临床诊疗数据附加知识图谱信息进行标注，构建出具有指导作用的医疗数据，模拟模块，其将匹配的罕见病例构建出具有指导作用的医疗数据结合到仿真虚拟人体上，达到模拟实现。

6、具体地，基于稀有病例模拟生成器的适应性学习优化器，包括，交互模块，用于优化模拟模块，根据用户提供案例数据和给出的诊断数据进行优化，同时用于多专家学习模块；多专家学习模块，通过机器对多专家进行学习，获取不同专家的处理方式以优化模拟模块的匹配和模拟能力，学习模块，其在模拟模块和多专家模块的基础上，对输入的案例数据，生成优化后的匹配与模拟样本，基于案例学习的数据与对应的诊断数据，判断其是否潜在罕见病例，以便优化模拟模块。

7、具体地，基于适应性学习优化器的多专家集成决策系统，对不同专家信息进行学习，来提高模拟能力，使系统能够模拟出医生决策能力的专家系统，决策系统在模拟能力达到一定训练量后达到收敛，最终输出的案例匹配度信息、诊断信息提供给用户，多专家集成系统根据已有的知识图谱进行辅助判断，输出护理方案，其包括：用于多专家模块集成过程的多专家决策融合模块，其对来自不同专家的处理方式，构建出具有指导作用的医疗数据，提供给模拟模块。

8、实现所述的心内科患者个性化护理方案智能推荐系统的优化方法，具体操作步骤为：

9、s1，输入病人的心内科数据以及诊断数据，经过所述动态稀有病例识别引擎的处理，将处理过后的数据输入到案例库以及知识库中；

10、s2，经过案例库，输出已有的案例，用户确认分析结果；

11、s3，数据输入知识库得到附加信息，再经过模拟生成器，生成优化后的案例结果及案例相似度反馈；

12、s4，根据真实案例结果与模拟案例结果来调整模拟生成器输出结果，判断其是否潜在罕见病例，输出专家意见，并提供给用户，同时输入到知识库。

13、具体地，所述动态稀有病例识别引擎、基于稀有病例知识图谱构建器的稀有病例模拟生成器、基于稀有病例模拟生成器的适应性学习优化器以及基于适应性学习优化器的多专家集成决策系统的功能模块均用知识图谱描述，知识图谱中包括多个关系，多个实体。

14、具体地，基于稀有病例模拟生成器、适应性学习优化器的模拟学习模型基于transformer，模型需要优化数据样本数量，即先期识别的样本质量和数量，达到收敛状态需要大量的学习数据，而达到更好的状态需要更高的效率输出，学习过程采用的损失函数为交叉熵损失：

15、

16、y是真实结果向量，y是模型预测值向量，i是样本，n是样本数量，c是类别数量，yij表示第i个样本属于第j类的真实概率，yij表示模型预测第i个样本属于第j类的概率。

17、具体地，所述适应性学习流程具体为：a.输入诊断数据t，疾病分型数据y，输入到匹配模块得到候选结果l以及候选样本x；b.输出患者处理方式d；c.判断d与t中知识图谱不一致信息，并生成新的辅助知识图谱并将其输入到模拟模块；d.对诊断结果d进行多领域专家训练，若该专家结果d达到一定训练量后，达到收敛条件则结束训练，输出辅助信息；e.模拟输出结果为辅助信息，并给出相似度l，给出病例真实结果y作为损失，循环该过程，直到收敛；f.输出案例d，案例输出相似度l；g.对候选样本x和案例d进行知识图谱学习，提取知识图谱辅助的医疗信息输入案例知识库；h.判断样本x是否标注为罕见病症，若为是则随机抽取其他案例添加到训练集中；i.调整匹配模块的样本量，输出结果。

18、本发明的优点和有益效果：

19、本发明通过引入动态稀有病例识别引擎、知识图谱构建器、稀有病例模拟生成器等创新模块，有效解决了现有技术中存在的问题。它能够持续学习和更新，精准识别罕见病例，并基于患者个体特征提供定制化的护理建议。同时，本系统的决策过程具有良好的可解释性，能为医生提供决策依据，大大提高了系统在临床实践中的可用性和可信度。

20、总的来说，本发明为心内科患者的诊断和护理带来了革命性的改进。它不仅能显著提高诊断准确率，特别是对罕见病例的识别能力，还能为每位患者提供最适合的个性化护理方案。这一系统有望成为心内科医生的得力助手，极大地提升心内科患者的诊疗水平和生活质量，为推动心内科医疗向更加精准、个性化的方向发展做出重要贡献。