[發明專利]智能問診方法、系統、計算機設備和存儲介質

在審

• 申請號: 201810941864.1
• 申請日: 2018-08-17
• 公開（公告）號: CN109192300A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 夏源;楊葉輝;羅程亮;范斌
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種智能問診方法，其特征在于，包括以下步驟；

根據目標對象的主訴內容進行疾病先驗概率預測，得到針對所述目標對象的疾病先驗概率；

基于所述疾病先驗概率的排序，確定至少一個候選疾??；

從預先建立的基于強化學習的多智能體模型中，確定與至少一個候選疾病對應關聯的至少一個智能體策略，其中，每個智能體策略用于指示在當前癥狀狀態的情況下輸出下一次交互需要提出的問題；

基于所述每個智能體策略，根據所述目標對象針對所述下一次交互需要提出的問題的交互選擇進行交互式問診。

2.根據權利要求1所述的智能問診方法，其特征在于，所述根據目標對象的主訴內容進行疾病先驗概率預測，得到針對所述目標對象的疾病先驗概率，包括：

基于文本特征提取與疾病先驗概率預測的組合模型，對所述目標對象的主訴內容進行文本特征提取，并根據提取到的文本特征進行疾病先驗概率預測，得到針對所述目標對象的疾病先驗概率。

3.根據權利要求2所述的智能問診方法，其特征在于，所述文本特征提取與疾病先驗概率預測的組合模型通過以下步驟預先得到：

基于醫學實體庫對待訓練的患者主訴內容樣本進行分詞處理，得到與醫療相關的詞語；

對所述與醫療相關的詞語進行標記，得到所述詞語所屬的類別；

獲取醫療文本數據樣本作為訓練數據，并利用醫療對話數據作為所述訓練數據的標簽；

根據所述與醫療相關的詞語、所述詞語所屬的類別和進行過標簽標注的所述訓練數據，對基于雙向長短時記憶單元和卷積神經網絡的組合深層網絡模型進行模型訓練，得到所述文本特征提取與疾病先驗概率預測的組合模型。

4.根據權利要求1所述的智能問診方法，其特征在于，通過以下步驟預先建立所述基于強化學習的多智能體模型：

獲取醫生與病人的多個問診信息流，并獲取每個所述問診信息流對應的疾病診斷標簽；

根據所述多個問診信息流和每個所述問診信息流對應的疾病診斷標簽建立獎勵函數；

針對每一種疾病診斷標簽相關的全部問診信息流，構建對應的智能體；

基于所述獎勵函數，對每種疾病對應的智能體進行強化學習，獲取每個疾病智能體的最優策略；

將所述每個疾病智能體的最優策略作為所述每個智能體策略，完成所述基于強化學習的多智能體模型的建立。

5.根據權利要求1所述的智能問診方法，其特征在于，所述基于所述每個智能體策略，根據所述目標對象針對所述下一次交互需要提出的問題的交互選擇進行交互式問診，包括：

S1，基于每個所述智能體策略向所述目標對象提供下一次交互需要提出的問題；

S2，根據所述目標對象針對所述下一次交互需要提出的問題的交互選擇，更新所述每個智能體策略中的當前癥狀狀態；

S3，通過所述每個智能體策略根據更新后的當前癥狀狀態再次向所述目標對象提供新的下一次交互需要提出的問題；

S4，重復執行所述步驟S2和S3，直至所述少一個候選疾病中的目標疾病的行動概率大于或等于預設閾值時，輸出針對所述目標對象的主訴內容的整個交互問診序列，并將所述行動概率大于或等于所述預設閾值的目標疾病作為最終所預測的疾病進行輸出。

6.一種智能問診系統，其特征在于，包括：

疾病先驗預測模塊，用于根據目標對象的主訴內容進行疾病先驗概率預測，得到針對所述目標對象的疾病先驗概率；

候選疾病確定模塊，用于基于所述疾病先驗概率的排序，確定至少一個候選疾??；

智能體策略確定模塊，用于從預先建立的基于強化學習的多智能體模型中，確定與至少一個候選疾病對應關聯的至少一個智能體策略，其中，每個智能體策略用于指示在當前癥狀狀態的情況下輸出下一次交互需要提出的問題；

交互問診模塊，用于基于所述每個智能體策略，根據所述目標對象針對所述下一次交互需要提出的問題的交互選擇進行交互式問診。