一种耳鼻喉疾病护理智能决策支持系统的制作方法

本发明涉及医疗服务，具体为一种耳鼻喉疾病护理智能决策支持系统。

背景技术：

1、随着医疗技术的方案，临床决策支持系统正越来越多地成为患者护理递送中的重要因素。临床决策支持系统能够直接改善患者护理结果和健康护理组织的性能。

2、公开号为cn118629620a的专利公开了一种基于深度学习的智能护理决策支持系统，其包括：数据采集模块，文本处理模块，图像处理模块，决策支持模块。数据采集模块用于分别采集和输入患者的文本数据和图像数据；文本处理模块用于读取所述数据采集模块、通过bilstm-crf模型对所述文本数据进行训练评估；图像处理模块用于读取所述数据采集模块、通过卷积神经网络对所述图像数据进行训练评估；决策模块用于分别读取所述文本处理模块和所述图像处理模块，对所述文本处理模块及所述图像处理模块的训练评估结果进行拼接处理并取得决策支持。

3、但是部分现有的护理智能决策系统在使用的时候，缺乏对大量医疗数据的有效整合与利用，难以快速获取相似病例的护理经验作为参考，也难以系统地考虑患者的年龄、病史、生活习惯等多方面因素对护理决策的综合影响。此外，对于有病史患者的病情风险评估多为定性判断，缺乏精确量化的风险预测模型，不利于提前采取针对性的预防和护理措施。

技术实现思路

1、针对现有技术的不足，本发明提供了一种耳鼻喉疾病护理智能决策支持系统，解决了缺乏对大量医疗数据的有效整合与利用，缺乏精确量化的风险预测模型，不利于提前采取针对性的预防和护理措施的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种耳鼻喉疾病护理智能决策支持系统，包括：

3、病史记录分析模块，用于获取用户信息采集模块传输的基础信息，并进行分析，根据基础信息进行疾病诊断得到诊断信息，同时对病人进行分类得到病史用户和非病史用户，接着将病史用户传输到有病史智能决策模块，将非病史用户传输到无病史智能决策模块；

4、无病史智能决策模块，用于对获取的非病史用户进行分析，同时结合对应的病人分类信息对护理决策进行选取，并获取医疗大数据，结合病人的生活习惯进行综合分析，并生成无病史护理决策信息，接着将其传输到决策信息输出模块；

5、有病史智能决策模块，用于对获取的病史用户进行分析，通过对病史用户的病史记录进行分析，对病史用户的病史风险值进行计算，同时根据病史风险值进行风险预测生成风险预测信息，并将生成的风险预测信息传输到二次综合分析模块；

6、二次综合分析模块，用于对获取的风险预测信息进行分析，通过对风险预测信息对应的不同信号进行分析，通过对护理记录进行分析并结合病史用户的基础信息进行综合分析生成有病史护理信息，同时将有病史护理信息传输到护理信息输出模块。

7、作为本发明的进一步方案，还包括用户信息采集模块和护理信息输出模块；

8、用户信息采集模块，用于对病人的基础信息进行获取，同时将获取的基础信息传输到病史记录分析模块，且获取的基础信息包括病人年龄、病人病史以及护理记录；

9、护理信息输出模块，用于将获取的无病史护理信息和有病史护理信息显示给对应的操作人员。

10、作为本发明的进一步方案，所述病史记录分析模块对基础信息进行分析的具体方式为：

11、获取病人的基础信息，同时对病人进行疾病诊断，根据病人的病理特征进行分析，确定病人的疾病，并生成诊断信息，接着获取病人的年龄，并根据病人的年龄对病人进行分类得到病人分类信息，同时判断病人是否存在病史，若存在病史，则将病人分类为病史用户，反之若不存在病史，则将病人分类为非病史用户。

12、作为本发明的进一步方案，所述无病史智能决策模块对非病史用户进行分析的具体方式为：

13、获取非病史用户，并获取非病史用户对应的病人分类信息，接着以病人分类信息为标准获取医疗大数据中相同分类的护理记录，并标号记作i，且i＝1、2、…、j，其中j表示护理记录的数量标号，接着对非病史用户的病理特征进行获取，并获取护理记录i对应的病理特征，将病理特征进行匹配对护理记录进行筛选得到预选记录a，且a＝1、2、…、b，其中b表示预选记录的数量标号；

14、接着获取当前非病史用户的生活习惯，对获取的预选记录a进行分析，并将与生活习惯存在冲突的预选记录进行剔除得到二次筛选记录，同时对得到的二次筛选记录进行分析，接着获取当前非病史用户病理特征的关联特征，并以关联特征为表示对二次筛选记录进行具体筛选得到护理决策，同时生成无病史护理信息，接着将其传输到护理信息输出模块。

15、作为本发明的进一步方案，所述有病史智能决策模块对病史用户进行分析的具体方式为：

16、获取当前病史用户的病史记录，同时根据病史记录获取的病史次数，接着获取病史次数对应的严重程度，并基于严重程度进行相应的赋值得到严重程度赋值，同时获取病史次数对应的时间间隔，接着将获取的参数代入公式计算得到当前病史用户的病史风险值ri sk，其中o表示病史次数，且o＝1、2、…、p，s i为第o次病史对应的严重程度赋值，t i是第o次病史与本次评估的时间间隔，f为修正因子，并将计算得到的病史风险值与风险阈值进行比较生成风险信号或预警信号；

17、作为本发明的进一步方案，所述有病史智能决策模块生成风险信号和预警信号的具体方式为：

18、将计算得到的病史风险值ri sk与风险阈值进行比较，且风险阈值的具体数值由操作人员自行设定，若病史风险值ri sk大于风险阈值，则表示当前病史用户对应的病症存在风险，并生成风险信号，反之病史风险值ri sk小于风险阈值，则生成预警信号，接着将生成的风险信号和预警信号传输到二次综合分析模块。

19、作为本发明的进一步方案，所述二次综合分析模块对风险预测信息中的风险信号进行分析的具体方式为：

20、获取当前病史用户的护理记录，同时建立病理特征与护理决策的关系表，接着获取当前病史用户对应的实时病理特征，并将实时病理特征与护理记录进行匹配，若二者存在匹配，则选取对应的护理记录，并根据对应的护理决策生成有病史护理信息；

21、若二者不存在匹配，则获取相同分类信息对应的所有护理决策，接着以当前病史用户的实时病理特征为标准，对所有的护理决策进行匹配，获取护理决策对应的病理特征，并计算实时病理特征与病理特征的相似度，同时筛选相似度值最大对应的护理决策为标准，并生成有病史护理信息。

22、作为本发明的进一步方案，所述二次综合分析模块对风险预测信息中的预警信号进行分析的具体方式为：

23、对当前病史用户的实时护理情况进行分析，若当前病史用户存在相应的护理决策，则以对应的护理决策为标准生成有病史护理信息，若当前病史用户不存在相应的护理决策，同理风险信号的分析方式生成有病史护理信息。

24、有益效果

25、本发明提供了一种耳鼻喉疾病护理智能决策支持系统。与现有技术相比具备以下有益效果：

26、本发明通过用户信息采集模块全面获取患者多维度信息，并由病史记录分析模块进行深度整合分析，结合症状、病史和检查结果等实现更精准的疾病诊断，为后续护理决策提供坚实基础，无病史智能决策模块利用医疗大数据，依据患者年龄分类和病理特征筛选匹配护理记录，并结合生活习惯进一步优化，生成高度个性化的无病史护理决策，有病史智能决策模块构建的病史风险值计算模型，综合考虑病史次数、严重程度及时间间隔等因素，精确量化病症风险，并与设定阈值比较生成风险或预警信号，二次综合分析模块根据不同风险信号对护理记录和患者基础信息进行综合分析，生成全面且针对性强的护理信息，并通过护理信息输出模块及时准确传达给操作人员。