第四期-智能机器人辅助诊疗方法、系统、智能机器人及存储介质

医工成果创新网 2024-08-29 901 抢沙发

默认

摘要： 实际应用中，医生亲自对患者进行问诊，并基于问诊结果确定患者进一步的诊疗方案。这种诊疗方式的效率不高，耗费了医生的大量时间，特别是在医疗资源紧张，住院病人多，医生稀缺的场景下，还容易...

1. 智能机器人辅助诊疗方法、系统、智能机器人及存储介质

申请人：中国人民解放军总医院

申请号：202311444378.6

申请日：2023.11.01

1.1 发明问题

实际应用中，医生亲自对患者进行问诊，并基于问诊结果确定患者进一步的诊疗方案。这种诊疗方式的效率不高，耗费了医生的大量时间，特别是在医疗资源紧张，住院病人多，医生稀缺的场景下，还容易出现诊疗失误。

1.2 本发明技术方案

发明方案

1.3 创新点

本发明首先识别患者身份信息，然后去云端获取该患者历史病例信息；然后利用医疗大语言模型根据患者病例信息输出针对该患者的问诊问题；利用这些问诊问题，大模型自动同患者进行多轮对话，对话过程中记录问诊结果并存到患者的电子病例中。

1.4 本发明用到的工具和方法：

1.4.1 大语言模型:

专利中涉及到的大语言模型简单理解就是一个支持多轮对话的百科全书，专利中涉及到的医疗大语言模型简单理解就是一个支持多轮对话的医疗百科全书。大语言模型的详细介绍如下：

大语言模型是指一类能够理解和生成自然语言文本的计算机程序或系统。这些模型通常基于深度学习技术，尤其是循环神经网络（RNN）或变换器（Transformer）等架构。这些模型在大规模文本数据上进行训练，以学习语言的结构、语法、语义和上下文关系，从而能够执行多种自然语言处理任务，如文本生成、机器翻译、语言理解等。例如，像ChatGPT这样的大语言模型能够与人类进行自然对话，并提供有用的信息和建议。

1.4.2 知识图谱

专利中对知识图谱的介绍基本没有，这一概念在这个专利中没有意义可忽略。知识图谱这个概念的具体介绍如下：

知识图谱是一种结构化的知识表示形式，用于描述现实世界中的实体、概念和它们之间的关系。它是一个语义网络，由节点（实体或概念）和边（关系）组成，用于表示知识之间的关联。知识图谱可以用于组织、存储和查询大规模的知识数据，并支持各种知识推理和分析任务。

知识图谱的应用非常广泛，其中最著名的例子可能就是Google知识图谱，它用于改善搜索结果的准确性和相关性。另外，知识图谱还被用于推荐系统、智能个人助理、自然语言理解、语义搜索等领域。知识图谱的建立通常需要从多个来源收集、整合和验证数据，以构建一个全面和准确的知识库。

1.4.3 云端

指提供云服务的平台，可以是硬件也可以是软件。当云端为硬件时，该云端为单个服务器或多个服务器组成的分布式服务器集群。当云端为软件时，可以为多个软件模块或单个软件模块等。

1.5 结合创新工具的思考

这个专利根据患者的历史就诊信息来进行问诊，存在以下缺点：1）系统在设计时没有充分考虑到快速响应和适应用户或环境变化的能力，它可能在紧急医疗情况下反应不够迅速。例如，对于突发的医疗状况，系统需要能够即时识别并调整问诊策略，若处理不当，可能延误诊断；2）系统的设计可能未能充分利用患者的实时健康数据来动态调整诊疗过程。如果系统主要依赖历史病例数据而不是实时数据，它可能无法准确反映患者当前的健康状况。

针对上述不足，我们可以利用40发明原理中的第15条——动态特性对其进行创新，具体来说：系统可以设计为根据患者的实时健康数据动态调整问诊问题。例如，如果患者的血压突然升高，系统可以自动调整问诊重点，更加关注可能导致血压变化的因素。

2. 一种运动训练损伤智能检测识别系统及方法

申请人：中国人民解放军总医院

申请号：202311747299.2

申请日：2023.12.19

2.1 发明问题

公开号为CN106990835B的中国专利公开了一种运动训练评估方法及装置，主要通过检测和分析受试者进行运动训练时的脑电信号变化从而对交互系统中的触觉反馈进行定量化评估。解决了现有评估手段无法提供直观、定量的运动训练效果评价指标的问题，能方便地应用于融合视/触觉反馈的三维虚拟训练系统中，弥补了诸如问卷调查或行为测量等现有评估手段的不足，上述专利虽然解决了损伤检测的问题，但是在实际操作中还存在以下问题：

1.当损伤检测完成后没有根据检测结果进行进一步的康复计划制定和训练计划

制定，从而导致运动员后期训练和康复效果不佳。

2.没有对运动员损伤检测的结果进行进一步的结果分析，从而导致无法根据检测

结果进行详细判断。

3.进行损伤检测时，由于没有进行更详细的检测，从而导致检测结果不精准。