[發明專利]一種人工智能輔助問答方法、裝置、設備及介質

在審

• 申請號: 202210253548.1
• 申請日: 2022-03-15
• 公開（公告）號: CN114664431A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 吳信朝;郭維;阮曉雯;陳遠旭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H80/00;G06F16/332;G06F40/284;G06F40/30
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 李小朋

本發明設計人工智能技術領域，公開了一種人工智能輔助問答方法、裝置、存儲介質及終端，包括：接收并解析待處理患者的病癥描述文本，生成多個第一病癥關鍵詞；將多個第一病癥關鍵詞輸入預先訓練的醫學科屬判斷模型中，輸出待處理患者對應的目標科屬；連接目標科屬對應的問答數據庫，并根據問答數據庫確定出最優答復文本；根據最優答復文本確定出多個第二病癥關鍵詞；根據多個第一病癥關鍵詞與多個第二病癥關鍵詞生成患者最終問答報告。由于本申請能自動完成患者信息的收集和分析后得到多個病癥關鍵詞，并基于多個病癥關鍵詞得到患者最終的診斷報告，然后推送給人工專家進行綜合診斷和調理方案的制定，從而加快了問診進程，同時提升了治療效率。

技術領域

本發明涉及人工智能技術、自然語言處理技術領域，特別涉及一種人工智能輔助問答方法、裝置、設備及介質。

背景技術

互聯網醫療是人工智能應用的重要領域。隨著技術的快速發展，移動醫療已經向診療階靠攏和突破。近年來，線上問診越來越普及，單日線上問診量早已突破百萬級日均規模，線上醫生資源不足，線上問診服務效率不高已成為突出問題。

在患者日常就醫中，常見的業務場景需要醫學專家通過問的方式收集患者的基本信息和病癥信息，然后綜合前面收集的信息根據中醫理論、臨床經驗來辨病辯證，最終給出科學的調理方案。在實踐中發現，同一類病人在接診時醫生詢問的話術基本類同，從而浪費了醫生大量時間進行問診，減緩了問診進程，同時降低了治療效率。

發明內容

本發明提供一種人工智能輔助問答方法、裝置、設備及介質，以解決浪費了醫生大量時間進行問診，減緩了問診進程，同時降低了治療效率的技術問題。

第一方面，提供了一種人工智能輔助問答方法，方法包括：

接收并解析待處理患者的病癥描述文本，生成多個第一病癥關鍵詞；

將多個第一病癥關鍵詞輸入預先訓練的醫學科屬判斷模型中，輸出待處理患者對應的目標科屬；

連接目標科屬對應的問答數據庫，并根據問答數據庫確定出最優答復文本；

根據最優答復文本確定出多個第二病癥關鍵詞；

根據多個第一病癥關鍵詞與多個第二病癥關鍵詞生成患者最終問答報告。

可選的，接收并解析待處理患者的病癥描述文本，生成多個第一病癥關鍵詞，包括：

接收待處理患者的病癥描述文本；

調用自然語言理解服務；

根據自然語言理解服務處理病癥描述文本，得到患者狀態描述信息；

構建醫學領域詞典，并基于醫學領域詞典對患者狀態描述信息進行分詞后得到分詞結果；

將分詞結果逐一輸入預設滑動窗口算法中進行癥狀關鍵詞匹配，輸出多個第一病癥關鍵詞。

可選的，按照以下步驟生成預先訓練的醫學科屬判斷模型，包括：

采用n-gram模型構建醫學科屬判斷模型；

收集醫療領域中不同科屬的多條醫學描述文本；

將不同科屬的多條醫學描述文本輸入醫學科屬判斷模型中，得到不同科屬的多條醫學描述文本對應的語義向量；其中，所述語義向量是所述醫學科屬判斷模型中的句子向量化模塊對每條醫學描述文本處理后生成的；

根據不同科屬的多條醫學描述文本對應的語義向量計算目標損失值；

根據目標損失值生成預先訓練的醫學科屬判斷模型；其中，

不同科屬的多條醫學描述文本語義向量計算公式為：

X_i為不同科屬的多條醫學描述文本對應的向量表示。