[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

本發明涉及人工智能領域，公開了一種醫患匹配方法、裝置、設備及存儲介質，用于提高醫患匹配的準確率。所述醫患匹配方法包括：獲取患者的癥狀數據，癥狀數據包括多個癥狀名稱；通過多個深度學習模型對癥狀數據進行醫療實體識別，得到患者醫療實體集合，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；獲取候選醫生集合中的多個候選醫生，確定多個候選醫生對應的醫生屬性實體集合，并對醫生屬性實體集合和患者醫療實體集合進行實體匹配，得到匹配結果；根據匹配結果對候選醫生集合中的多個候選醫生進行排名，并將排名最高的候選醫生作為與患者匹配的醫生。此外，本發明還涉及區塊鏈技術，匹配結果可存儲于區塊鏈節點中。

技術領域

本發明涉及人工智能領域，尤其涉及一種醫患匹配方法、裝置、設備及存儲介質。

背景技術

隨著互聯網在人們的生活中出現的頻次越來越多，其深度和廣度都被大大提高，互聯網和醫療健康融合發展也是不可避免的?；ヂ摼W醫院建設迅速，其發展加速趨勢明顯。但患者在使用互聯網醫院時，如何找到適合自己的醫生是經常發生的場景。目前，業界都采用列表分類游覽，將醫生的專業、特長展示給患者，由患者自己選擇。而患者面對如此多的選擇，往往面臨選擇困難。

目前，醫患匹配通常是患者在使用互聯網醫院時，匹配到適合自己的醫生，現有方案是通過列表分類游覽，將醫生的專業、特長呈現給患者，根據患者偏好進行醫生匹配，但是目前醫患匹配的準確率低。

發明內容

本發明提供了一種醫患匹配方法、裝置、設備及存儲介質，用于提高醫患匹配的準確率。

本發明第一方面提供了一種醫患匹配方法，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。

可選的，在本發明第一方面的第一種實現方式中，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。

可選的，在本發明第一方面的第二種實現方式中，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。

可選的，在本發明第一方面的第三種實現方式中，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。