[發明專利]分層次的疾病診斷系統、疾病診斷方法、裝置和設備

在審

• 申請號: 202011136008.2
• 申請日: 2020-10-22
• 公開（公告）號: CN112420189A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 魏忠鈺
• 申請（專利權）人: 魏忠鈺
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06K9/62
• 代理公司: 蘇州隆恒知識產權代理事務所(普通合伙) 32366
• 代理人: 周子軼

本申請實施例提供了一種分層次的疾病診斷系統、疾病診斷方法、裝置和設備，其中，該分層次的疾病診斷系統包括：第一模型層和第二模型層；第一模型層包括主決策模型，第二模型層包括多個單位處理模型和疾病分類器，每個單位處理模型又分別與按照科室劃分的一組疾病匹配。具體實施時，可以先通過系統中的主決策模型基于較高層級的策略從多個單位處理模型中確定出與用戶匹配的單位處理模型作為目標單位處理模型；再通過目標單位處理模型基于較低層級的策略來采集用戶的癥狀信息；最后通過疾病分類器根據所述用戶的癥狀信息，確定出用戶的疾病診斷結果，從而能夠適用于復雜的疾病診斷場景，高效、準確地進行疾病診斷。

技術領域

本申請涉及疾病診斷技術領域，特別涉及一種分層次的疾病診斷系統、疾病診斷方法、裝置和設備。

背景技術

現有的用于進行疾病診斷的模型或系統大多是基于扁平化策略(flat RLpolicy)構建得到的。這類模型或系統在應用于較復雜的疾病診斷場景時，由于需要考慮處理的疾病種類較多，導致具體使用時往往存在診斷效率低、準確度差的技術問題。

針對上述問題，目前尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種分層次的疾病診斷系統、疾病診斷方法、裝置和設備，以解決現有方法中基于扁平化策略的強化學習模型在應對較復雜的疾病診斷場景時所存在的診斷效率低、準確度差的技術問題，達到能夠適用于復雜的疾病診斷場景，高效、準確地進行疾病診斷的技術效果。

本申請實施例提供了一種分層次的疾病診斷系統，所述分層次的疾病診斷系統包括：第一模型層和第二模型層；其中：

所述第一模型層包括主決策模型，所述第二模型層包括多個單位處理模型和疾病分類器；所述多個單位處理模型中的各個單位處理模型分別與一組疾病匹配；

所述主決策模型用于從多個單位處理模型中確定出與用戶匹配的單位處理模型作為目標單位處理模型，并向所述目標單位處理模型生成并發送觸發指令；

所述目標單位處理模型用于響應所述觸發指令，采集用戶的癥狀信息；其中，所述癥狀信息包括與目標單位處理模型所匹配的疾病相關的癥狀信息；

所述疾病分類器用于根據所述用戶的癥狀信息，確定出用戶的疾病診斷結果。

本申請實施例提供了一種疾病診斷方法，包括：

調用分層次的疾病診斷系統中的主決策模型從多個單位處理模型中確定出與用戶匹配的單位處理模型作為目標單位處理模型；其中，所述分層次的疾病診斷系統包括：第一模型層和第二模型層，所述第一模型層包括主決策模型，所述第二模型層包括多個單位處理模型和疾病分類器，所述多個單位處理模型中的各個單位處理模型分別與一組疾病匹配；

調用目標單位處理模型采集用戶的癥狀信息；其中，所述癥狀信息包括與目標單位處理模型所匹配的疾病相關的癥狀信息；

調用所述疾病分類器根據所述用戶的癥狀信息，確定出用戶的疾病診斷結果。

在一個實施例中，所述調用目標單位處理模型采集用戶的癥狀信息，包括：

調用目標單位處理模型按照預設的交互策略向用戶詢問是否存在與目標單位處理模型所匹配的疾病相關的癥狀狀態；

采集用戶的答復信息，作為所述用戶的癥狀信息。

在一個實施例中，用戶的答復信息包括以下至少之一：是、否、未知。

在一個實施例中，所述目標單位處理模型包括多個單位處理模型。

在一個實施例中，所述分層次的疾病診斷系統為基于Opitions框架通過層次強化學習訓練得到的。

在一個實施例中，訓練所述分層次的疾病診斷系統，包括：