技术领域
[0001] 本
发明涉及生命健康技术领域，尤其涉及一种人工智能辅助诊疗系统及其构建方法、设备和存储介质。
背景技术
[0002] 世界卫生组织调查指出，全球有大量病人死于医疗错误，而不是
疾病本身。1999年，IOM(美国国立医学研究院)发表了一篇划时代的报告”Toerris Human”(人是会犯错误的)，报告表明：第一，医疗错误的数量惊人，医疗差错致死在十大死因中位列第五；第二，大部分的医疗错误来自于人为因素，可以通过
计算机系统避免。在2013年美国《病人安全与医疗
质量》杂志(Patient safety&quality healthcare)上的分析中，估计全美每年死于医疗事故的人数为21万-44万，成为美国人第三大死因，仅次于心
血管疾病和癌症。可见医生误诊给社会带来的问题之严重。从1950年至今，国内外对于误诊的研究显示，医生平均误诊率在30％左右。
皮肤相关疾病易发病、变化快、病情复杂，多需尽快诊断
治疗，所以误诊率相较于一般疾病都较高。当然，对于每个具体的病人来说疾病的诊断只有对与错，也就是只有100％误诊与0％误诊。社会各界对提高医疗质量、控制医疗差错、提高病人安全的呼声越来越高。如何在“互联网+”商业形态下，借助互联网的优势改善人们的健康成为医疗行业不得不面对的一个亟待解决的问题。
[0003] 我国的医疗
大数据存在着病例量大、数据非结构化，行业内无统一标准、随访困难等问题导致了在医疗领域的应用很不充分，目前只有少量的数据能够应用于临床研究。一方面数据来源非常繁杂，另方面临床上对辅助诊断需求非常高；医院管理层希望有数据帮助提供管理决策，专家学者在进行科研探索时希望能够通过数据来提供支持和驱动。
[0004]
现有技术方案中的辅助诊疗系统包括
知识库构建与知识获取，多维知识展现。对于知识库构建与知识获取，如图1所示，医学知识的获取一般来源于医学文献和经验积累，包括术语字典、语义词库、知识模型等。完善了知识库创建体系，通过设定不同类型、不同领域、不同主题的知识片集群，满足各临床活动对知识决策系统的要求(如图1所示)。诊断知识库，表述相关的疾病名称、诊疗参考等内容；药品知识库，表述与用药说明、配伍禁忌、不良反应、专家点评相关的内容；检查化验知识库，表述标本采集、适应禁忌等方面的知识内容；手术知识库，表述与手术相关的操作说明、注意事项等相关的知识内容。这些知识库内容与医院原有的HIS、EMR等业务
数据库以及医学文献等知识，通过
数据挖掘平台，转化为决策系统可理解的术语字典、语义词库、知识模型等内容。
[0005] 对于多维知识展现部分，通过将临床
决策支持系统与医院HIS连接，医生在书写
电子医嘱和病历的不同阶段，均可运用智能提取、联机分析技术，将层级知识库中的有效知识分
门别类，转化为易于理解和应用的信息，展现给医疗工作者，从而辅助于决策。以传染性非典型
肺炎诊断为例，医生可在窗口(如图2所示)右侧知识元素中，依次点选查看检查项目、检验项目、手术项目、治疗药品等内容，从而起到一定的辅助参考作用。另外，指南搜索、知识挖掘、医学工具、症状推导、疾病分类(ICD)图谱等功能也集成到各个客户端，不仅便于系统使用者检索分类，也可以群策群
力，让用户参与进来，形成知识展现、反馈、处理、再展现的良性循环。
[0006] 通过分析以上内容可知，现有的医疗诊断系统存在以下技术问题：1)无法很好的做到人工智能辅助诊疗，只是提供医生辅助参考某类疾病的检查项目、检验项目、手术项目、治疗药品等内容；所基于的底层知识图谱不够全面、权威；2)无法减少医生的工作量；3)无法通过系统提供类似疾病的临床诊疗路径；4)无法让患者根据身体的某类变化，通过移动端进行自诊与导医；5)不能大幅度降低医生的误诊率，无法把诊疗经验数据分享到偏远山区。综上，现有的问诊系统所基于的底层知识图谱不够全面、权威；在交互上存在操作复杂，使用效率低下等问题；在
人机交互层面，智能化程度不足。
发明内容
[0007] 1.发明要解决的技术问题
[0008] 为了克服上述技术问题，本发明提供了一种人工智能辅助诊疗系统及其构建方法、设备和存储介质。它所基于的底层知识图谱全面、权威；在交互上存在操作简单，使用效率高；在人机交互层面，智能化程度高。
[0009] 2.技术方案
[0010] 为解决上述问题，本发明提供的技术方案为：
[0011] 一种人工智能辅助诊疗系统，包括疾病知识图谱模
块、疾病诊断模型模块和
机器学习决策模块；其中，所述的疾病知识图谱模块，用于收集关于疾病的各种资源，形成疾病知识库，以供查询和读取；
[0012] 所述疾病诊断模型模块，用于接收患者信息，将信息存储在系统数据库中，并输入给机器学习决策模块，通过机器学习决策模块从疾病知识图谱模块中提取指标数据进行对比分析，推送出患者信息集，提示出病患需要实施的检查以及相关药物治疗的方案集供医生选择；
[0013] 所述机器学习决策模块，用于接收患者信息和医生实践信息，读取疾病知识图谱模块信息，进行机器学习并做出决策。
[0014] 优选地，所述的疾病知识库包括疾病知识集合和疾病顶层本体。
[0015] 疾病知识图谱的构建包括2个部分：疾病知识集合和疾病顶层本体。疾病知识集合(疾病治疗经验知识库)是关于疾病治疗的各种病因、有效药物、治疗过程、治疗周期、禁忌等知识，是疾病知识库的核心；疾病顶层本体(疾病医学领域本体)是关于疾病的医学概念及概念问关系的术语集合，是为了实现疾病知识库的共享与扩展性需要而设计的，其中大部分的内容可通过引用已有的临床术语集合或疾病本体来实现。
[0016] 优选地，所述的从疾病知识图谱模块中提取指标数据进行对比分析为：通过疾病知识图谱联系判断何种疾病的可能性并展示对于此种疾病的以往治疗手法、用药数据及诊疗
费用相关信息，从而辅助临床医生、门诊医疗及其他医务工作者更能准备的把握疾病治疗的全过程。
[0017] 优选地，所述决策为：推荐未超过或接近事先设定的
阈值的疑似疾病的疑似率。
[0018] 优选地，所述的对比分析包括对多次在医院就诊的患者，历次就诊信息比对，帮助医生更加快速和准确地进行疾病诊断。所述的查询是指某类疾病的名称，可查询到该疾病的概念、病因、临床表现、并发症、检查、诊断、治疗、
预防等内容，方便医生学习查阅。
[0019] 一种人工智能辅助诊疗系统的构建方法，步骤为：
[0020] A、构建疾病知识图谱：全面收集的关于疾病的各种资源，形成融合疾病知识集合和疾病顶层本体；
[0021] B、构建疾病诊断模型：接收患者信息，将信息存储在系统数据库中，并进行机器学习决策，通过机器学习决策从疾病知识图谱模块中提取指标数据进行对比分析，推送出患者信息集，提示出病患需要实施的检查以及相关药物治疗的方案集供医生选择。
[0022] 优选地，所述疾病诊断的知识集合的构建过程为：全面收集的关于疾病的各种资源，使用数字化技术对其进行电子化，对于复杂的专业性医学经验知识，其形式包括各种图片、音频和视频资源，由领域的专家指导进行分类归纳，使之结构化、系统化。
[0023] 优选地，所述疾病的顶层本体的构建过程为：对于文本型的疾病资源，在相关医学术语标准下，对其进行
文本分析、语义标准、实体及关系
抽取、关联分析等。获取关于疾病的所有规范或不规范的概念词汇集合，并根据资源内容的差异以及概念之间的关系类型，组成关于疾病的顶层本体。
[0024] 优选地，所述疾病诊断模型是以利用计算机技术，将人机交互传输过来的患者的各种信息，通过患者基本信息、症状、输入给临床医学知识库系统，知识库系统经过内置的机器学习模型，推送出可能的患者信息，提示出病患需要实施的检查以及相关药物治疗的方案集供医生选择；并为临床医生提供智能检索电子病历和医学知识管理的功能。
[0025] 优选地，机器学习和决策的过程为：通过对疾病指标的变化学习新样本，并将信息存储在系统数据库，通过系统内部
算法来解读指标与疾病之间的联系，同时在学习过程中不断改变判断方式，来适应新的环境要求。
[0026] 一种设备，所述设备包括：
[0027] 一个或多个处理器；
[0029] 当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如以上中任一项所述的方法。
[0030] 一种存储有
计算机程序的存储介质，所述程序被处理器执行时实现如以上中任一项所述的方法。
[0031] 3.有益效果
[0032] 采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
[0033] 1)本发明很好的做到人工智能辅助诊疗，提供医生辅助参考某类疾病的检查项目、检验项目、手术项目、治疗药品等内容；所基于的底层知识图谱全面、权威；2)减少医生的工作量；3)通过系统提供类似疾病的临床诊疗路径；4)让患者根据身体的某类变化，通过移动端进行自诊与导医；5)大幅度降低医生的误诊率，把诊疗经验数据分享到偏远山区。综上，本发明的问诊系统所基于的底层知识图谱全面、权威；在交互上存在操作简单，使用效率高；在人机交互层面，智能化程度高。
附图说明
[0034] 图1为现有的医疗辅助诊断系统的知识库构建与知识获取流程示意图；
[0035] 图2为现有的医疗辅助诊断系统的多维知识展现窗口示意图；
[0036] 图3为本发明的辅助诊疗系统整体逻辑架构图；
[0037] 图4为本发明的疾病知识图谱实施方式之一；
[0038] 图5为本发明的疾病诊断模型流程示意图；
[0039] 图6为本发明的机器学习和深度决策的过程示意图；
[0040] 图7为本发明
实施例提供的一种设备的结构示意图。
具体实施方式
[0041] 为进一步了解本发明的内容，下面结合附图和实施例对本
申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
[0042] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0043] 实施例1
[0044] 一种人工智能辅助诊疗系统，包括疾病知识图谱模块、疾病诊断模型模块和机器学习决策模块；其中，所述的疾病知识图谱模块，用于收集关于疾病的各种资源，形成疾病知识库，以供查询和读取；
[0045] 所述疾病诊断模型模块，用于接收患者信息，将信息存储在系统数据库中，并输入给机器学习决策模块，通过机器学习决策模块从疾病知识图谱模块中提取指标数据进行对比分析，推送出患者信息集，提示出病患需要实施的检查以及相关药物治疗的方案集供医生选择；
[0046] 所述机器学习决策模块，用于接收患者信息和医生实践信息，读取疾病知识图谱模块信息，进行机器学习并做出决策。
[0047] 所述的疾病知识库包括疾病知识集合和疾病顶层本体。疾病知识图谱的构建包括2个部分：疾病知识集合和疾病顶层本体。疾病知识集合(疾病治疗经验知识库)是关于疾病治疗的各种病因、有效药物、治疗过程、治疗周期、禁忌等知识，是疾病知识库的核心；疾病顶层本体(疾病医学领域本体)是关于疾病的医学概念及概念问关系的术语集合，是为了实现疾病知识库的共享与扩展性需要而设计的，其中大部分的内容可通过引用已有的临床术语集合或疾病本体来实现。
[0048] 实施例2
[0049] 本实施例的一种人工智能辅助诊疗系统，在实施例1的
基础上进一步改进，所述的从疾病知识图谱模块中提取指标数据进行对比分析为：通过疾病知识图谱联系判断何种疾病的可能性并展示对于此种疾病的以往治疗手法、用药数据及诊疗费用相关信息，从而辅助临床医生、门诊医疗及其他医务工作者更能准备的把握疾病治疗的全过程。
[0050] 所述决策为：推荐未超过或接近事先设定的阈值的疑似疾病的疑似率；所述的对比分析包括对多次在医院就诊的患者，历次就诊信息比对，帮助医生更加快速和准确地进行疾病诊断。所述的查询是指某类疾病的名称，可查询到该疾病的概念、病因、临床表现、并发症、检查、诊断、治疗、预防等内容，方便医生学习查阅。
[0051] 实施例3
[0052] 本实施例的一种人工智能辅助诊疗系统的构建方法，根据实施例1或2的一种人工智能辅助诊疗系统，其步骤为：
[0053] A、构建疾病知识图谱：全面收集的关于疾病的各种资源，形成融合疾病知识集合和疾病顶层本体；
[0054] B、构建疾病诊断模型：接收患者信息，将信息存储在系统数据库中，并进行机器学习决策，通过机器学习决策从疾病知识图谱模块中提取指标数据进行对比分析，推送出患者信息集，提示出病患需要实施的检查以及相关药物治疗的方案集供医生选择。
[0055] 本实施例所述的方法可以在PC、手机、IPAD等移动端上运行使用，也可以在台式电脑上运行使用，可以取得同样的技术效果。
[0056] 实施例4
[0057] 本实施例的一种人工智能辅助诊疗系统的构建方法，在实施例3的基础上改进，还包括所述疾病诊断的知识集合的构建过程为：全面收集的关于疾病的各种资源，使用数字化技术对其进行电子化，对于复杂的专业性医学经验知识，其形式包括各种图片、音频和视频资源，由领域的专家指导进行分类归纳，使之结构化、系统化。
[0058] 实施例5
[0059] 本实施例的一种人工智能辅助诊疗系统的构建方法，在实施例3或4的基础上改进，所述疾病的顶层本体的构建过程为：对于文本型的疾病资源，在相关医学术语标准下，对其进行文本分析、语义标准、实体及关系抽取、关联分析等。获取关于疾病的所有规范或不规范的概念词汇集合，并根据资源内容的差异以及概念之间的关系类型，组成关于疾病的顶层本体。
[0060] 实施例6
[0061] 本实施例的一种人工智能辅助诊疗系统的构建方法，在实施例3、4、5的基础上改进，所述疾病诊断模型是以利用计算机技术，将人机交互传输过来的患者的各种信息，通过患者基本信息、症状、输入给临床医学知识库系统，知识库系统经过内置的机器学习模型，推送出可能的患者信息，提示出病患需要实施的检查以及相关药物治疗的方案集供医生选择；并为临床医生提供智能检索电子病历和医学知识管理的功能。
[0062] 实施例7
[0063] 本实施例的一种人工智能辅助诊疗系统的构建方法，在实施例3、4、5、6的基础上改进，机器学习和决策的过程为：通过对疾病指标的变化学习新样本，并将信息存储在系统数据库，通过系统内部算法来解读指标与疾病之间的联系，同时在学习过程中不断改变判断方式，来适应新的环境要求。
[0064] 实施例8
[0065] 本实施例提出了一种设备，所述设备包括：
[0066] 一个或多个处理器；
[0067] 存储器，用于存储一个或多个程序，
[0068] 当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如实施例3-7中任一项所述的方法。
[0069] 本实施例还提出了一种存储有计算机程序的存储介质，该程序被处理器执行时实现如实施例3-7中任一项所述的方法。
[0070] 图7为本发明一实施例提供的一种设备的结构示意图。
[0071] 如图7所示，作为另一方面，本申请还提供了一种设备500，包括一个或多个中央处理单元(CPU)501，其可以根据存储在
只读存储器(ROM)502中的程序或者从存储部分508加载到随机
访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有设备500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)
接口505也连接至总线504。
[0072] 以下部件连接至I/O接口505：包括
键盘、
鼠标等的输入部分506；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507；包括
硬盘等的存储部分508；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509。通信部分509经由诸如因特网的网络执行通信处理。
驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。
[0073] 特别地，根据本公开的实施例，上述任一实施例描述的方法可以被实现为计算机
软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行上述任一实施例描述的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。
[0074] 作为又一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例的装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，该程序被一个或者一个以上的处理器用来执行描述于本申请的方法。
[0075] 附图中的
流程图和
框图，图示了按照本发明各种实施例的系统、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，这根据所涉及的功能而定。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，可以通过执行规定的功能或操作的专用的基于
硬件的系统来实现，或者可以通过专用硬件与计算机指令的组合来实现。
[0076] 描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，各所述单元可以是设置在计算机或移动智能设备中的软件程序，也可以是单独配置的硬件装置。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
[0077] 以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
