伴随症状交互方法及伴随症状交互系统

摘要

本发明提供一种伴随症状交互方法及系统，属于智能医疗技术领域。所述方法包括：S1)根据已有医疗知识数据形成知识库；S2)基于获取的患者主诉症状，从知识库获取主诉症状的候选伴随症状全集，并获取候选伴随症状全集中各候选伴随症状与主诉症状的共现权重得分；S3)根据预设规则获得伴随症状候选集；S4)根据预设规则修正共现权重得分，并根据共现权重得分分值的大小进行排序，获得排序后的伴随症状候选集；S5)根据预设规则进行所述排序后的伴随症状候选集的推送流程。本发明方案使得症状采集交互过程更加有序、可信和高效，直接获取对诊断有帮助的最佳信息，避免无效咨询减少交互轮数，同时提升用户参与度和满意度。

说明书

技术领域

本发明涉及智能医疗技术领域，具体地涉及一种伴随症状交互方法及一种伴随症状交互系统。

背景技术

随着人工智能技术的越来越成熟，智能问诊技术也得到了十足的发展。人机交互的问诊系统在收集患者信息过程中，如何根据患者首要症状或主诉症状有效的准确的推列出其候选伴随症状供患者选择，是体现智能化的一个重要手段。大多数问诊交互系统在咨询患者症状过程中，会进行逐个症状询问，让患者回答的轮次较多，操作费时费力，给患者造成较差的体验感和参与感，同时也降低系统信息收集效率，增加收集成本。另外，询问顺序混乱、重复咨询、无效咨询、低级问题、前后矛盾问题等频发，所采集的信息很多对诊断没有价值或诊断意义不大，反而增加医师后续处理筛查的工作量，并且可能误导医师诊断，甚至危及患者健康。针对目前人机交互问诊系统存在问诊轮数过多和信息整理准确性不高导致用户体感低的问题，需要创造一种新的伴随症状交互方法。

发明内容

本发明实施方式的目的是提供一种伴随症状交互方法及一种伴随症状交互系统，以至少解决目前人机交互问诊系统存在问诊轮数过多和信息整理准确性不高导致用户体感低的问题。

为了实现上述目的，本发明第一方面提供一种伴随症状交互方法，应用于交互问诊系统，所述方法包括：S1)根据已有医疗知识数据形成知识库；S2)基于获取的患者主诉症状，从所述知识库获取所述主诉症状的候选伴随症状全集，并获取所述候选伴随症状全集中各候选伴随症状与所述主诉症状的共现权重得分；S3)根据预设规则过滤所述候选伴随症状全集，获得伴随症状候选集；S4)根据预设规则修正所述伴随症状候选集中各候选伴随症状与所述主诉症状的共现权重得分，并根据修正后的共现权重得分分值的大小对各候选伴随症状进行排序，获得排序后的伴随症状候选集；S5)根据预设规则进行所述排序后的伴随症状候选集的推送流程，并实时判断所述推送流程的状态，直到所述推送流程的状态达到预设标准，确定完成患者伴随症状信息获取。

可选的，步骤S1)中，所述已有医疗知识数据至少包括：通过临床诊断关系数据或医学文献获取的诊断疾病与症状的常见罕见关系、疾病与人群的关系、疾病与相关病史的关系、疾病与体征的关系、疾病与检验检查的关系。

可选的，所述获取所述候选伴随症状全集中各候选伴随症状与所述主诉症状共现权重得分，包括：根据所述知识库分别设定所述候选伴随症状全集中各候选伴随症状的关系权重得分和所述主诉症状的关系权重得分；根据各候选伴随症状的关系权重得分和所述主诉症状的关系权重得分，分别计算各候选伴随症状与所述主诉症状的共现权重得分；计算公式为：

Vr

其中，m∈M＝(1,2,....,m)，M为所述候选伴随症状全集；pri

可选的，步骤S3)中，所述根据预设规则过滤所述候选伴随症状全集，获得伴随症状候选集，包括：获取患者画像信息，并根据所述患者画像信息过滤所述候选伴随症状全集中与患者实际症状不符的候选伴随症状，获得候选伴随症状中间集；将所述候选伴随症状中间集中各候选伴随症状分别与所述主诉症状的共现权重得分与预设得分阈值进行对比，过滤与所述主诉症状的共现权重得分小于所述预设得分阈值的候选伴随症状，将过滤后的候选伴随症状中间集作为所述伴随症状候选集。

可选的，步骤S4)中，所述根据预设规则修正所述伴随症状候选集中各候选伴随症状与所述主诉症状的共现权重得分，包括：分别计算所述伴随症状候选集中各候选伴随症状的TF-IDF值；根据所述各候选伴随症状的TF-IDF值和各候选伴随症状的关系权重得分更新各候选伴随症状关系权重得分；计算规则为：

pri

其中，i∈I＝(1,2,....,i)，I为伴随症状候选集；tfidf

Vr

其中，Vr

可选的，所述分别计算所述伴随症状候选集中各候选伴随症状的TF-IDF值，包括：分别计算各候选伴随症状的TF值和IDF值，然后根据所述各候选伴随症状的TF值和IDF值计算各候选伴随症状的TF-IDF值；其中，TF-IDF值的计算规则为：

tfidf

其中，j∈J＝(1,2,....,j)，J为科室集；tf

可选的，所述tf

其中，k∈K＝(1,2,....,k)，K为科室j中所有出现症状集；∑

其中，|D|为科室总数；|{j:i∈J}|为出现有第i中候选伴随症状的科室总数。

可选的步骤S5)中，所述根据预设规则进行所述排序后的伴随症状候选集的推送流程，并实时判断所述推送流程的状态，直到所述推送流程的状态达到预设标准，包括：S51)在所述伴随症状候选集中依序确定N个候选伴随症状；S52)将所确定的N个候选伴随症状依序推送到患者端供用户选择，并回收用户对应的作答信息；S53)依序验证所述作答信息是否符合预设疾病猜想：若否，则从尚未被验证作答信息的第一个候选伴随症状开始，重复执行步骤S51-S53)，直到所述伴随症状候选集中所有的候选伴随症状均被验证完毕。

本发明第二方面提供一种伴随症状交互系统，所述系统包括：采集单元，用于获取患者主诉症状和患者画像信息；处理单元，用于根据已有医疗知识数据形成知识库，基于患者主诉症状从所述知识库获取所述主诉症状的候选伴随症状全集，并获取所述候选伴随症状全集中各候选伴随症状与所述主诉症状的共现权重得分；还用于根据预设规则过滤所述候选伴随症状全集，获得伴随症状候选集；还用于根据预设规则修正所述伴随症状候选集中各候选伴随症状与所述主诉症状的共现权重得分，并根据修正后的共现权重得分分值的大小对各候选伴随症状进行排序，获得排序后的伴随症状候选集；存储单元，用于存储所述知识库；推送单元，根据预设规则进行所述排序后的伴随症状候选集的推送流程；所述处理单元还用于实时判断所述推送流程的状态，直到所述推送流程的状态达到预设标准，确定完成患者伴随症状信息获取。

另一方面，本发明提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的伴随症状交互方法。

通过上述技术方案，为了准确的采集患者信息，从鉴别诊断的角度出发，基于专家知识的诊断数据中症状共现原理，采用反向推理的思路，有序的列出对诊断结果最有可能的相关症状，并依概率高低顺序展现给患者选择，能够更快速准确的挖掘出患者自身更多的症状信息(让患者更快速准确的给出自身其他症状信息)，也为后续鉴别诊断和生成病历提供合理信息。本发明方案使得症状采集交互过程更加有序、可信和高效，直接获取对诊断有帮助的最佳信息，避免无效咨询减少交互轮数，同时提升用户参与度和满意度。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明一种实施方式提供的伴随症状交互方法的步骤流程图；

图2是本发明一种实施方式提供的伴随症状候选集获取的步骤流程图；

图3是本发明一种实施方式提供的候选伴随症状排序的步骤流程图；

图4是本发明一种实施方式提供的各候选伴随症状的TF-IDF值计算方法的步骤流程图；

图5是本发明一种实施方式提供的伴随症状交互系统的系统结构图。

附图标记说明

10-采集单元；20-处理单元；30-存储单元；40-推送单元。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图5是本发明一种实施方式提供的伴随症状交互系统的系统结构图。如图5所示，本发明实施方式提供一种伴随症状交互系统，所述系统包括：采集单元10，用于获取患者主诉症状和患者画像信息；处理单元20，用于根据已有医疗知识数据形成知识库，根据所述知识库获取所述主诉症状的候选伴随症状全集，并获取各候选伴随症状与所述主诉症状的共现权重得分；还用于根据预设规则过滤所述候选伴随症状全集，获得伴随症状候选集；还用于根据预设规则修正所述伴随症状候选集中各候选伴随症状与所述主诉症状的共现权重得分，并根据分值大小顺序进行各候选伴随症状排序，获得排序后的伴随症状候选集；存储单元30，用于存储所述知识库；推送单元40，用户依次序推送所述排序后的伴随症状候选集中的候选伴随症状供用户选择，并回收用户的作答信息；所述处理单元20还被用于实时分析所述推送流程状态是否达到预设标准。

图1是本发明一种实施方式提供的伴随症状交互方法的方法流程图。如图1所示，本发明实施方式提供一种伴随症状交互方法，所述方法在单次的交互中罗列出多个症状让患者选择会是一种有效的快速的收集患者信息的方式。并且，为了准确的采集患者信息，我们从鉴别诊断的角度出发，基于专家知识的诊断数据中症状共现原理，采用反向推理的思路，有序的列出对诊断结果最有可能的相关症状，并依概率高低顺序展现给患者选择，能够更快速准确的挖掘出患者自身更多的症状信息，也为后续鉴别诊断和生成病历提供合理信息。首先，系统根据初始咨询获得的患者首要症状或主诉症状，基于知识库中知识智能的判断其可能的候选伴随症状全集；其次，根据已采集的症状和患者其他画像信息进行候选伴随症状过滤，如去除不符合性别特征的症状、不符合年龄特征的症状和与已知症状间存在矛盾或重复的症状；再次，采用知识库中疾病下各个症状的共现关系以及其他属性关系来获取候选伴随症状概率排序；最后，进行条件判断，若满足预设的阈值条件，则结束症状环节信息采集进入后续其他交互环节，否则再次进行下一轮伴随咨询。具体的，所述方法包括：

步骤S10：根据已有医疗知识数据形成知识库。

具体的，为了准确获取在某疾病下可能共现的症状信息，需要进行大量的医学知识样本获取。通过这些医学知识，在发现某症状的情况下，判断其常规共现症状进行疾病范围缩小，提高医生的诊断准确性和效率。优选的，一方面进行临床经诊断关系数据获取，为了使得获取的信息更准确和权威，优选通过各著名医师或医学方面的专业人员进行此类信息整理。这些医学专家在临床医疗方面积累的大量的经验，通过他们获取的医学知识信息更贴合实际，对应实际病人的针对具有重要的参考意义。另一方面，通过医学文献进行医学知识获取，即通过现有的医学网页、医学数据和医学学术论文等方式进行知识获取。通过这种方式，在医学专家长年累月的经验数据基础上，通过先进的医学文献，为医学知识提供更好学术理论基础，整合经验知识和先进理论知识，使得整理获得的医学知识更具有权威性。处理单元20对获取的信息进行整理和归类，生成对应的专用医学知识数据库，并将专用医学知识数据库存储到存储单元30中，便于后期进行提取和使用。本方法和核心思想是通过某症状或某疾病进行相关症状的快速提取和确认，所以整理的知识库中至少包括以下信息：诊断疾病与症状的常见罕见关系、疾病与人群的关系、疾病与相关病史的关系、疾病与体征的关系、疾病与检验检查的关系。通过这些关系数据，可以将某症状或某疾病所谓检索关键词，通过关系关联快速提取可能的伴随症状信息。

在一种可能的实施方式中，将各个疾病、疾病对应的各种属性参数和伴随症状整理成为完整的schema规则，以川崎病为例，关于川崎病的schema规则如表一所示：

表1川崎病schema规则

步骤S20：获取患者主诉症状，根据所述知识库获取所述主诉症状的候选伴随症状全集，并获取各候选伴随症状与所述主诉症状的共现权重得分。

具体的，采集单元10进行用户的主诉症状采集，然后将主诉症状传输到处理单元20，处理单元20将主诉症状作为检索关键词在知识库中进行检索，获取主诉症状的可能疾病和对应的可能伴随症状。例如，患者的主诉症状为发热和皮疹，检索到存在这两种的症状的疾病可能为川崎病、病毒感染、细菌感染、水痘和猩红热等多种疾病，但仅靠这两种典型症状是很难进行患者诊断的，则处理单元20分别提取这些可以疾病的schema规则，然后将各疾病的其他症状提取出来，这些其他伴随症状组成的几个便为候选伴随症状全集。

获得候选伴随症状全集后，需要判断各候选全集与主诉症状共同出现的概率，即与主诉症状共同出现的伴随症状越符合实际，则可以疾病的范围也就越小。例如，川崎病中除了发热和皮疹，球结膜充血是特征比较明显的症状，在其他疾病中根本不存在该症状，所以如果能够获得患者是否存在该症状信息，则能够过滤到一大批可疑疾病，进一步缩小可以疾病范围。在临床医学诊断中，一个科室下会有多个疾病，一个疾病都会有若干程度不一的症状表现，针对疾病下的症状表现程度，为某疾病下的各症状设定关系权重得分，设定规则为将schema规则中的十分常见、常见、少见、罕见和否定等关系转换为具体分值，优选预设分值为1-10分，其中，十分常见的分值最高，否定的分值为0。主诉症状通过相同的规则进行关系权重得分，例如，发热和皮疹在川崎病这个一个疾病作用域下的关系权重得分设定为10分，唇部出血在川崎病这个一个疾病作用域下的关系权重得分设定为5分。然后根据主诉症状的关系权重得分和各候选伴随症状的关系权重得分分别计算各候选伴随症状与主诉症状的共现权重得分，计算规则为：

Vr

其中，m∈M＝(1,2,....,m)，M为候选伴随症状全集；pri

步骤S30：根据预设规则过滤所述候选伴随症状全集，获得伴随症状候选集。具体的，如图2，包括以下步骤：

步骤S301：获取患者画像信息，并根据所述患者画像信息过滤所述候选伴随症状全集中不符合患者实际的候选伴随症状，获得伴随症状候选中间集。

具体的，进行候选伴随症状全集生成时，仅考虑的患者的主诉症状，并为考虑患者的其他信息。但是某些疾病仅在部分人群中才会发生，例如分性别疾病和分年龄疾病。通过表一种的川崎病schema规则，我们可以知道各疾病的schema规则中记录有该疾病的易发人群信息和不可能发病人群信息。采集单元10进行患者的画像信息采集，患者的画像信息包括：患者的年龄、性别、地区、喜好、家族史和既往患病历史。处理单元20获取到患者画像信息后，根据患者画像信息进行可以疾病和对应的候选伴随症状过滤，例如若患者为男性，则可疑疾病中的所有妇科类疾病均可以排除，对应的妇科类症状也可以对应进行排除。除了过滤掉不符合患者年龄和性别的伴随症状外，患者的画像信息中可能还包括有已经确认过的症状信息，为了避免二次确认造成患者使用体验感降低，优选地还需要过滤掉患者画像信息中已经询问过的症状信息。将不符合患者年龄、性别和已经问询过的候选伴随症状过滤掉后，将剩余的候选伴随症状组合成为伴随症状候选中间集。

步骤S302：分别对比各候伴随选症状与所述主诉症状的共现权重得分与预设得分阈值，过滤候选伴随症状与所述主诉症状的共现权重得分小于所述预设得分阈值对应的候选伴随症状，获得伴随症状候选集。

具体的，通过步骤S20，我们获得了各候选伴随症状与主诉症状的共现权重得分，候选伴随症状与主诉症状的共现权重得分越高，则表示该候选伴随症状越有可能是在当前疾病作用域下与主诉症状一样由疾病引发的。反之，候选伴随症状与主诉症状的共现权重得分越小，则通过该候选伴随症状进行某疾病确认的作用力也就越小。为了减少数据计算体量，将对于疾病确认作用很小的候选伴随症状排除。预设得分阈值，例如15分，当某候选伴随症状与主诉症状的共现权重得分小于15分，则将该候选伴随症状从伴随症状候选中间集中排除掉。依次对比伴随症状候选中间集中各候选伴随症状与所述主诉症状的共现权重得分和预设得分阈值，将所有共现权重得分小于预设得分阈值对应的候选伴随症状排除，获得伴随症状候选集。

步骤S40：根据预设规则修正所述伴随症状候选集中各候选伴随症状与所述主诉症状的共现权重得分，并根据分值大小顺序进行各候选伴随症状排序，获得排序后的伴随症状候选集。

具体的，为了防止全科室常见症状在单科室内的共现得分过高，引入症状在单科室内重要程度的概念，获取科室下各个症状的重要程度。具体的，如图3，包括以下步骤：

步骤S401：分别计算所述伴随症状候选中间集中各候选伴随症状的TF-IDF值。

具体的，伴随症状候选中间集包含了某疾病的所有可能伴随症状，但其中某些症状仅在小部分个体中共同出现，即存在部分症状并非疾病发病必然症状，还存在共现症状的偶然性，即偶然造成某被当前疾病的症状与该疾病的常见症状共现。判断某候选伴随症状是否为偶然出现，则需要从数据库中统计某疾病对应症状的出现频次，若出现频次越小，则表示对应伴随症状为偶先共现症状的可能性也就越大。为了实现上述目的，优选的，引入TF-IDF值进行各候选伴随症状出现频次判断，TF-IDF值越小，对应伴随症状为偶先共现症状的可能性也就越大。具体的，如图4，包括以下步骤：

步骤S4011：计算各候选伴随症状的TF值。

具体的，在TF-IDF值中，TF表示词条在某文档中出现的频率，即在本发明中的某症状在某科室中出现的频率，对应在某科室汇总出现的频率越高，则表示该症状越有可能为该科室的某疾病。假设某医院共有j个科室，则由所有科室组成科室集合J，其中j∈J＝(1,2,....,j)；然后获取每一个科室内的出现的症状，这些所有症状共同组成为该科室的出现症状集K，其中，k∈K＝(1,2,....,k)。然后假设获得伴随症状候选集中共有i个候选伴随症状，则伴随症状候选集表示为I，其中i∈I＝(1,2,....,i)。根据以上设定，进行各候选伴随症状的TF值计算，计算规则为：

其中，∑

步骤S4012：计算各候选伴随症状的IDF值。

具体的，在TF-IDF值中，IDF的主要思想是：如果包含某词条的文档越少，IDF越大，则说明该词条具有很好的类别区分能力。在所有科室中，存在有候选伴随症状的科室越少，则该伴随症状越容易被确诊，即范围仅在少部分的几个科室中。通过步骤S3022中的各集合设定，进行各候选伴随症状的IDF值计算，计算规则为：

其中，|D|为科室总数；|{j:i∈J}|为出现有第i中候选伴随症状的科室总数。

步骤S4013：计算各候选伴随症状的TF-IDF值。

具体的，在TF-IDF值的0-1之间，在全科室经常出现的症状其TF-IDF值越低，反之，在单科室常出现而在其他科室很少出现则TF-IDF值越高。TF-IDF值的计算规则为：

tfidf

步骤S402：根据所述各候选伴随症状的TF-IDF值和各候选伴随症状的关系权重得分更新各候选伴随症状关系权重得分。

具体的，为了避免全科室常见症状在单科室内的共现得分过高，导致计算所得的候选伴随症状的作用效果过大，但实际意义不大，从而使得疾病确诊偏差。通过各候选伴随症状的TF-IDF值进行候选伴随症状关系权重得分更新，使得各候选伴随症状在各疾病确诊中的作用效果更贴近实际。各候选伴随症状的关系权重得分更新规则为：

pri

其中，pri

步骤S403，根据所述各候选伴随症状关系权重得分更新值进行所述伴随症状候选集中各候选伴随症状与所述主诉症状的共现权重得分。

具体的，各候选伴随症状与主诉症状的共现权重得分为各候选伴随症状的关系权重得分和主诉症状的关系权重得分的综合效果，所以在进行各候选伴随症状关系权重得分更新后，还需要进行各候选伴随症状与主诉症状的共现权重得分修正。修正规则为：

Vr

其中，Vr

步骤S404：根据修正后的共现权重得分分值大小顺序进行各候选伴随症状排序，获得排序后的伴随症状候选集。

具体的，候选伴随症状与主诉症状的共现权重得分越高，则表示该候选伴随症状与主诉症状在某疾病作用域下越能证明当前猜想疾病为目标疾病。将各候选伴随症状与主诉症状的共现权重得分进行横向对比，值越大的，越应该被患者进行确认，也就越快缩小可以疾病范围。根据数值大小进行各候选伴随症状顺序排列，然后获得排序后的伴随症状候选集。

步骤S50：根据预设规则进行所述排序后的伴随症状候选集的推送流程，并实时分析所述推送流程状态，直到所述推送流程达到预设标准，完成患者伴随症状信息获取。

具体的，处理单元20获得主诉症状对应的高概率伴随症状候选集后，将排序后的伴随症状候选集发送到推送单元40，推送单元40根据预设规则选取固定数量的候选伴随症状推送到患者端，供患者进行选择确认，优选的，每次推送的候选伴随症状的个数为4-6个。例如，从排序后的伴随症状候选集中第一个开始，选取前6个候选伴随症状，并生成对应的关键词标签，供用户选择。推送单元40实时获取用户的作答信息，并将作答信息传回处理单元20，处理单元20根据补充的症状信息和各猜想疾病的schema规则逐渐进行猜想疾病排除。当第一猜想疾病排除后，还存在多个猜想疾病，则继续从排序后的伴随症状候选集中第7个候选伴随症状开始，推送7-13的候选伴随症状，供用户选择，然后再一次进行猜想疾病排除，直到只剩下一个猜想疾病，则判定患者所患疾病的对应剩下的疾病，输出交互结果。若推送排序后的伴随症状候选集中的所有候选伴随症状后，依旧无法将猜想疾病缩小为一个，则将剩余的猜想疾病形成合集，推送到医生端，供医生进行进一步确认和诊断，完成交互进程。

本发明实施方式还提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的伴随症状交互方法。

本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。