本技術(shù)涉及遠(yuǎn)程醫(yī)療輔助決策，具體說(shuō)是一種基于ai大模型的遠(yuǎn)程醫(yī)療輔助決策方法及系統(tǒng)。

背景技術(shù)：

1、隨著人工智能和大數(shù)據(jù)技術(shù)的快速發(fā)展，遠(yuǎn)程醫(yī)療作為一種創(chuàng)新的醫(yī)療服務(wù)方式，正逐漸成為醫(yī)療行業(yè)的熱點(diǎn)。在遠(yuǎn)程醫(yī)療中，利用大模型(大型人工智能模型)進(jìn)行輔助決策已經(jīng)成為一種重要的趨勢(shì)。

2、遠(yuǎn)程醫(yī)療輔助決策是指利用人工智能技術(shù)，通過分析患者的臨床數(shù)據(jù)、影像資料等信息，輔助醫(yī)生做出診斷和治療決策。近年來(lái)，隨著深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù)的突破，大模型(如gpt-3、bert等)在醫(yī)療領(lǐng)域的應(yīng)用日益廣泛，成為遠(yuǎn)程醫(yī)療輔助決策的重要工具之一。雖然目前針對(duì)人工智能對(duì)遠(yuǎn)程醫(yī)療的研究較多，但是對(duì)于通過大模型打通患者與簽約醫(yī)生之間的關(guān)系的研究較少，使得對(duì)于患者在發(fā)生身體狀態(tài)變化時(shí)，無(wú)法直接關(guān)聯(lián)相關(guān)醫(yī)生，進(jìn)而對(duì)患者進(jìn)行及時(shí)的提示提醒，會(huì)產(chǎn)生患者不能及時(shí)進(jìn)行相關(guān)的用藥更改或者病情變化時(shí)的及時(shí)就診，進(jìn)而產(chǎn)生更嚴(yán)重的后果。

3、因此，如何克服上述存在的技術(shù)問題和缺陷成為需要重點(diǎn)解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)中存在的問題，本技術(shù)提供了一種基于ai大模型的遠(yuǎn)程醫(yī)療輔助決策方法及系統(tǒng)，采用了如下的技術(shù)方案：

2、第一方面，本技術(shù)提供了一種基于ai大模型的遠(yuǎn)程醫(yī)療輔助決策方法，包括：

3、獲取患者的第一多模態(tài)數(shù)據(jù)信息和第二多模態(tài)數(shù)據(jù)信息；

4、采用注意力機(jī)制的多模態(tài)融合模型分別對(duì)所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息進(jìn)行特征融合，獲取第一數(shù)據(jù)結(jié)果和第二數(shù)據(jù)結(jié)果；

5、基于聯(lián)合潛變量模型獲取所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的差異性，將所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的差異性作為第三數(shù)據(jù)結(jié)果；

6、基于ai大模型對(duì)所述第一數(shù)據(jù)結(jié)果、第二數(shù)據(jù)結(jié)果及第三數(shù)據(jù)結(jié)果進(jìn)行綜合分析，獲取產(chǎn)生第三數(shù)據(jù)結(jié)果的影響因素；

7、采用二元分類器對(duì)第三數(shù)據(jù)結(jié)果進(jìn)行分類處理，獲取第三數(shù)據(jù)結(jié)果的分類等級(jí)，基于分類等級(jí)，獲取患者當(dāng)前所處的狀態(tài)信息值；

8、基于狀態(tài)信息值及第四數(shù)據(jù)結(jié)果獲取患者的狀態(tài)區(qū)間，基于患者不同的狀態(tài)區(qū)間則啟用不同的遠(yuǎn)程醫(yī)療輔助決策。

9、進(jìn)一步地，所述獲取患者的第一多模態(tài)數(shù)據(jù)信息和第二多模態(tài)數(shù)據(jù)信息，其中所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息包括文本數(shù)據(jù)信息、影像數(shù)據(jù)信息、語(yǔ)音數(shù)據(jù)信息。

10、進(jìn)一步地，所述獲取患者的第一多模態(tài)數(shù)據(jù)信息和第二多模態(tài)數(shù)據(jù)信息，其中所述第一多模態(tài)數(shù)據(jù)信息為歷史多模態(tài)數(shù)據(jù)信息，第二多模態(tài)數(shù)據(jù)信息為實(shí)時(shí)多模態(tài)數(shù)據(jù)信息。

11、進(jìn)一步地，所述采用注意力機(jī)制的多模態(tài)融合模型分別對(duì)所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息進(jìn)行特征融合，獲取第一數(shù)據(jù)結(jié)果和第二數(shù)據(jù)結(jié)果，其中所述第一數(shù)據(jù)結(jié)果為歷史多模態(tài)數(shù)據(jù)信息的數(shù)據(jù)結(jié)果，所述第二數(shù)據(jù)結(jié)果為實(shí)時(shí)多模態(tài)數(shù)據(jù)信息的數(shù)據(jù)結(jié)果。

12、進(jìn)一步地，所述采用注意力機(jī)制的多模態(tài)融合模型分別對(duì)所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息進(jìn)行特征融合，獲取第一數(shù)據(jù)結(jié)果和第二數(shù)據(jù)結(jié)果，包括：

13、步驟s201，分別對(duì)所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息中的每種模態(tài)數(shù)據(jù)進(jìn)行特征提取，獲取每種模態(tài)數(shù)據(jù)的特征表示；

14、步驟s202，對(duì)于每種模態(tài)數(shù)據(jù)的特征表示通過注意力權(quán)重計(jì)算模塊獲取每種模態(tài)數(shù)據(jù)的注意力權(quán)重；

15、步驟s203，將每種模態(tài)數(shù)據(jù)的注意力權(quán)重與每種模態(tài)數(shù)據(jù)的特征相乘，獲取每種模態(tài)數(shù)據(jù)加權(quán)后的特征表示；

16、步驟s204，對(duì)每種模態(tài)數(shù)據(jù)加權(quán)后的特征表示進(jìn)行拼接、求和獲取最終的所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息的多模態(tài)特征表示，即第一數(shù)據(jù)結(jié)果和第二數(shù)據(jù)結(jié)果。

17、進(jìn)一步地，所述基于聯(lián)合潛變量模型獲取所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的差異性，將所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的差異性作為第三數(shù)據(jù)結(jié)果，包括：

18、步驟s301，將所述第一多模態(tài)數(shù)據(jù)信息與所述第二多模態(tài)數(shù)據(jù)信息進(jìn)行聯(lián)合建模，獲取所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的共享潛變量；

19、步驟s302，通過最大化數(shù)據(jù)的聯(lián)合似然學(xué)習(xí)潛變量模型，獲得所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果在共享潛變量中的表示；

20、步驟s303，比較所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果在共享潛變量中的表示，獲取所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果差異性。

21、進(jìn)一步地，所述基于狀態(tài)信息值及第四數(shù)據(jù)結(jié)果獲取患者的狀態(tài)區(qū)間，基于患者不同的狀態(tài)區(qū)間則啟用不同的遠(yuǎn)程醫(yī)療輔助決策，包括：

22、所述狀態(tài)區(qū)間包括第一狀態(tài)區(qū)間、第二狀態(tài)區(qū)間及第三狀態(tài)區(qū)間；其中所述第一狀態(tài)區(qū)間為患者健康狀態(tài)處于加重趨勢(shì)狀態(tài)，所述第二狀態(tài)區(qū)間為患者健康狀態(tài)處于減輕趨勢(shì)狀態(tài)，所述第三狀態(tài)區(qū)間為患者健康狀態(tài)處于穩(wěn)定狀態(tài)。

23、第二方面，本技術(shù)還提供了一種基于ai大模型的遠(yuǎn)程醫(yī)療輔助決策系統(tǒng)，包括：

24、多模態(tài)數(shù)據(jù)信息獲取模塊，用于獲取患者的第一多模態(tài)數(shù)據(jù)信息和第二多模態(tài)數(shù)據(jù)信息；

25、多模態(tài)特征融合模塊，用于采用注意力機(jī)制的多模態(tài)融合模型分別對(duì)所述第一多模態(tài)數(shù)據(jù)信息和所述第二多模態(tài)數(shù)據(jù)信息進(jìn)行特征融合，獲取第一數(shù)據(jù)結(jié)果和第二數(shù)據(jù)結(jié)果；

26、第三數(shù)據(jù)結(jié)果獲取模塊，用于基于聯(lián)合潛變量模型獲取所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的差異性，將所述第一數(shù)據(jù)結(jié)果和所述第二數(shù)據(jù)結(jié)果的差異性作為第三數(shù)據(jù)結(jié)果；

27、綜合分析模塊，用于基于ai大模型對(duì)所述第一數(shù)據(jù)結(jié)果、第二數(shù)據(jù)結(jié)果及第三數(shù)據(jù)結(jié)果進(jìn)行綜合分析，獲取產(chǎn)生第三數(shù)據(jù)結(jié)果的影響因素，作為第四數(shù)據(jù)結(jié)果；

28、狀態(tài)信息值獲取模塊，用于采用二元分類器對(duì)第三數(shù)據(jù)結(jié)果進(jìn)行分類處理，獲取第三數(shù)據(jù)結(jié)果的分類等級(jí)，基于分類等級(jí)，獲取患者當(dāng)前所處的狀態(tài)信息值；

29、狀態(tài)信息值判斷模塊，用于基于狀態(tài)信息值及第四數(shù)據(jù)結(jié)果獲取患者的狀態(tài)區(qū)間，基于患者不同的狀態(tài)區(qū)間則啟用不同的遠(yuǎn)程醫(yī)療輔助決策。

30、第三方面，本技術(shù)提供了一種電子設(shè)備，包括：

31、一個(gè)或多個(gè)處理器；存儲(chǔ)器；以及一個(gè)或多個(gè)計(jì)算機(jī)程序，其中所述一個(gè)或多個(gè)計(jì)算機(jī)程序被存儲(chǔ)在所述存儲(chǔ)器中，所述一個(gè)或多個(gè)計(jì)算機(jī)程序包括指令，當(dāng)所述指令被所述設(shè)備執(zhí)行時(shí)，使得所述設(shè)備執(zhí)行如第一方面所述的方法。

32、第四方面，本技術(shù)提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

33、第五方面，本技術(shù)提供了一種計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被計(jì)算機(jī)執(zhí)行時(shí)，用于執(zhí)行第一方面所述的方法。

34、在一種可能的設(shè)計(jì)中，第五方面中的程序可以全部或者部分存儲(chǔ)在與處理器封裝在一起的存儲(chǔ)介質(zhì)上，也可以部分或者全部存儲(chǔ)在不與處理器封裝在一起的存儲(chǔ)器上。

35、本技術(shù)具有以下有益效果：

36、1.本技術(shù)通過基于遠(yuǎn)程通信單元接收患者的多模態(tài)醫(yī)療數(shù)據(jù)信息，采用二元分類器對(duì)多模態(tài)醫(yī)療數(shù)據(jù)信息進(jìn)行分析，獲取第一數(shù)據(jù)結(jié)果，有助于實(shí)現(xiàn)醫(yī)生和患者之間的遠(yuǎn)程交流和信息共享，提高醫(yī)療服務(wù)的效率和質(zhì)量，同時(shí)也推動(dòng)了醫(yī)療行業(yè)的數(shù)字化轉(zhuǎn)型和智能化發(fā)展；幫助醫(yī)護(hù)人員更加全面地了解患者的病情，并根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行調(diào)整治療方案，提高醫(yī)療質(zhì)量和效率；同時(shí)，也可以使患者在家中便捷地接受醫(yī)療服務(wù)，降低患者就醫(yī)成本和時(shí)間成本；

37、2.本技術(shù)通過醫(yī)院的電子病歷系統(tǒng)、實(shí)驗(yàn)室信息系統(tǒng)、影像數(shù)據(jù)庫(kù)獲取歷史醫(yī)療數(shù)據(jù)信息，而通過醫(yī)療設(shè)備、遠(yuǎn)程監(jiān)測(cè)設(shè)備、可穿戴設(shè)備等實(shí)時(shí)監(jiān)測(cè)獲取實(shí)時(shí)醫(yī)療數(shù)據(jù)信息；歷史醫(yī)療數(shù)據(jù)信息和實(shí)時(shí)醫(yī)療數(shù)據(jù)信息中的文本數(shù)據(jù)信息、影像數(shù)據(jù)信息、語(yǔ)音數(shù)據(jù)信息對(duì)于醫(yī)療決策和患者監(jiān)護(hù)具有重要意義，有助于提高醫(yī)療服務(wù)的質(zhì)量和效率；

38、3.本技術(shù)通過采用大模型較強(qiáng)的學(xué)習(xí)能力和泛化能力，能夠從大量醫(yī)療數(shù)據(jù)中學(xué)習(xí)潛在的模式和規(guī)律；并且遠(yuǎn)程醫(yī)療無(wú)需患者和醫(yī)生親臨醫(yī)院或診所，可以實(shí)現(xiàn)醫(yī)療資源的有效利用和提高醫(yī)療服務(wù)的覆蓋范圍；

39、4.本技術(shù)通過大模型的輔助決策分析患者的醫(yī)療數(shù)據(jù)和病情信息，輔助醫(yī)生做出診斷和治療決策；大模型可以利用其學(xué)習(xí)到的知識(shí)和模式識(shí)別能力，幫助醫(yī)生對(duì)患者進(jìn)行精準(zhǔn)的診斷、制定個(gè)性化的治療方案，并提供實(shí)時(shí)的監(jiān)測(cè)和反饋，以支持遠(yuǎn)程醫(yī)療服務(wù)的實(shí)施和優(yōu)化。

40、5.本技術(shù)通過獲取歷史醫(yī)療數(shù)據(jù)和實(shí)時(shí)醫(yī)療數(shù)據(jù)之間的差異，并基于ai大模型獲取產(chǎn)生差異的影響因素，可以及時(shí)獲取患者的健康狀態(tài)變化數(shù)據(jù)信息，使得能及時(shí)的給于患者預(yù)警信息，同時(shí)基于患者的預(yù)警信息，醫(yī)生可以及時(shí)的對(duì)患者進(jìn)行決策決定，可以及時(shí)或者提前對(duì)患者進(jìn)行干預(yù)，減少危險(xiǎn)事情的發(fā)生。