[發明專利]醫患匹配方法、裝置、設備及存儲介質

在審

• 申請號: 202111015020.2
• 申請日: 2021-08-31
• 公開（公告）號: CN113658712A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 濮琳
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06F16/36;G06F40/295;G06N3/04;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種醫患匹配方法，其特征在于，所述醫患匹配方法包括：

獲取患者的癥狀數據，所述癥狀數據用于指示所述患者對應的多個癥狀名稱；

通過預置的多個深度學習模型對所述癥狀數據進行醫療實體識別，得到患者醫療實體集合，所述多個深度學習模型包括實體識別模型、疾病預測模型和關系實體模型；

獲取預置候選醫生集合中的多個候選醫生，確定所述多個候選醫生對應的醫生屬性實體集合，并對所述醫生屬性實體集合和所述患者醫療實體集合進行實體匹配，得到匹配結果，所述醫生屬性實體集合用于指示多個候選醫生擅長治療的病癥對應的集合；

根據所述匹配結果對所述候選醫生集合中的所述多個候選醫生進行排名，并將排名最高的候選醫生作為與所述患者匹配的醫生。

2.根據權利要求1所述的醫患匹配方法，其特征在于，在所述獲取患者的癥狀數據，所述癥狀數據用于指示所述患者對應的多個癥狀名稱之前，所述醫患匹配方法還包括：

獲取所述多個候選醫生的醫生注冊信息，并將所述醫生注冊信息輸入預置的實體識別模型中進行實體識別，得到注冊信息實體；

獲取所述多個候選醫生的歷史問診記錄，并從所述歷史問診記錄中提取好評記錄，對所述好評記錄進行實體分析，得到好評記錄實體；

根據所述注冊信息實體和所述好評記錄實體生成所述醫生屬性實體集合。

3.根據權利要求1所述的醫患匹配方法，其特征在于，所述通過預置的多個深度學習模型對所述癥狀數據進行醫療實體識別，得到患者醫療實體集合，所述多個深度學習模型包括實體識別模型、疾病預測模型和關系實體模型，包括：

通過預置的實體識別模型對所述癥狀數據進行實體識別，得到醫療實體；

通過預置的疾病預測模型對所述癥狀數據進行病癥識別，得到疾病實體；

通過預置的關系實體模型對所述癥狀數據進行關聯實體識別，得到關聯醫療實體；

將所述醫療實體、所述疾病實體和所述關聯醫療實體確定為所述患者醫療實體集合。

4.根據權利要求1所述的醫患匹配方法，其特征在于，在所述獲取患者的癥狀數據，所述癥狀數據用于指示所述患者對應的多個癥狀名稱之后，所述通過預置的多個深度學習模型對所述癥狀數據進行醫療實體識別，得到患者醫療實體集合，所述多個深度學習模型包括實體識別模型、疾病預測模型和關系實體模型之前，所述醫患匹配方法還包括：

獲取預置的實體擴展庫中的目標實體子集；

對所述目標實體子集和所述患者醫療實體集合進行實體匹配，得到醫療擴展實體；

對所述醫療擴展實體和所述患者醫療實體集合進行關聯存儲。

5.根據權利要求4所述的醫患匹配方法，其特征在于，在所述獲取預置的實體擴展庫中的目標實體子集之前，所述醫患匹配方法還包括：

調用預置的醫療文章語料集合，并從所述醫療文章語料集合獲取第一類實體子集，所述第一類實體子集用于指示醫療文章語料集合中的同一篇文章中出現概率大于預設閾值的多個實體；

調用預置的知識圖譜，并從所述知識圖譜中提取第二類實體子集，所述第二類實體子集用于指示知識圖譜中病情對應的多個病癥實體；

將所述第一類實體子集和所述第二類實體子集確定為實體擴展庫。

6.根據權利要求1所述的醫患匹配方法，其特征在于，所述獲取預置候選醫生集合中的多個候選醫生，確定所述多個候選醫生對應的醫生屬性實體集合，并對所述醫生屬性實體集合和所述患者醫療實體集合進行實體匹配，得到匹配結果，包括：

獲取預置的候選醫生集合中的多個候選醫生，并對所述多個候選醫生和每個候選醫生對應的醫生屬性實體進行關聯，得到所述多個候選醫生的醫生屬性實體集合；

對所述醫生屬性實體集合與所述患者醫療實體集合進行實體相關度計算，得到目標相關度；

對預設目標值和所述目標相關度進行比較，并將所述目標相關度大于預設目標值時對應的多個候選醫生作為匹配結果。