[發明專利]基于人工智能的重癥問診數據識別方法及裝置

在審

• 申請號: 202011065413.X
• 申請日: 2020-09-30
• 公開（公告）號: CN112201359A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 滿晏松;柳恭;李響
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/50;G16H50/20;G06N3/08;G06N3/06
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 曹瀚青

本申請涉及人工智能，提供一種基于人工智能的重癥問診數據識別方法及裝置。該基于人工智能的重癥問診數據識別方法包括：獲取與目標用戶標識對應的問診會話數據；將問診會話數據輸入預測模型，通過預測模型輸出與問診會話數據對應的模型識別結果；根據問診會話數據在專家知識庫中命中的標簽，確定與問診會話數據對應的專家識別結果；結合模型識別結果和專家識別結果，得到問診會話數據是否為重癥問診數據的目標識別結果。采用本方法能夠提高重癥問診數據的識別準確率。此外，本發明還涉及區塊鏈技術，用戶的問診會話數據可存儲于區塊鏈中。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種基于人工智能的重癥問診數據識別方法及裝置。

背景技術

隨著互聯網技術和醫療技術的發展，互聯網技術在醫療行業中的應用也越來越普遍。比如，用戶可以通過在線問診應用或者在線問診網站自述癥狀、咨詢病癥、了解藥物以及尋求就診指導等。醫生人工接診通過咨詢病因、癥狀等多輪問詢，可以對當前問診數據是否是重癥問診數據做出判斷。

然而，隨著發起線上問診的用戶量激增，為減輕醫生人工鑒別的繁重工作，醫療領域開始采用專家系統進行判別的模式。雖然專家系統可以減輕相關人員的工作量，但是由于線上用戶問診數據的多樣性，專家系統對于當前問診數據是否是重癥問診數據的鑒別準確性存在巨大挑戰。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高基于人工智能的重癥問診數據識別準確率的基于人工智能的重癥問診數據識別方法、裝置、計算機設備和存儲介質。

一種基于人工智能的重癥問診數據識別方法，其特征在于，所述方法包括：

獲取與目標用戶標識對應的問診會話數據；

將所述問診會話數據輸入預測模型，通過所述預測模型輸出與所述問診會話數據對應的模型識別結果；其中，所述預測模型根據多維特征數據以及所述多維特征數據相應的訓練標簽訓練得到，所述多維特征數據根據歷史問診數據提取得到、且所述多維特征數據包括實體特征數據和實體關系特征數據；

根據所述問診會話數據在專家知識庫中命中的標簽，確定與所述問診會話數據對應的專家識別結果；

結合所述模型識別結果和所述專家識別結果，得到所述問診會話數據是否為重癥問診數據的目標識別結果。

在一個實施例中，所述將所述問診會話數據輸入預測模型，通過所述預測模型輸出與所述問診會話數據對應的模型識別結果，包括：

將所述問診會話數據輸入預測模型，通過所述預測模型包括的多個神經元對所述問診會話數據進行處理，得到所述問診會話數據對應的模型識別結果；

通過所述預測模型輸出所述模型識別結果；

其中，各所述神經元的閾值及各所述神經元之間連接關系的權重，在通過多維特征數據及所述多維特征數據相應的訓練標簽訓練所述預測模型時確定，所述多維特征數據還包括意圖特征數據。

在一個實施例中，所述多維特征數據還包括意圖特征數據；所述方法還包括：

收集歷史問診數據以及所述歷史問診數據相應的訓練標簽；所述歷史問診數據相應的訓練標簽用于表示所述歷史問診數據是否為重癥問診數據；

從所述歷史問診數據中提取實體特征數據、實體關系特征數據和意圖特征數據，生成所述歷史問診數據所對應的多維特征數據；

將所述歷史問診數據和所述歷史問診數據所對應的多維特征數據，共同輸入待訓練的預測模型，得到預測識別結果；

基于所述預測模型的預測識別結果與所述訓練標簽訓練所述預測模型。