本發(fā)明涉及醫(yī)療保健信息學領域，尤其涉及一種基于圍術期的醫(yī)患協(xié)同管理系統(tǒng)及方法。

背景技術：

1、在現(xiàn)代醫(yī)療環(huán)境中，處理和管理大量非結構化醫(yī)療數(shù)據(jù)的挑戰(zhàn)日益加劇。這些數(shù)據(jù)包括患者的個人信息、病史、治療記錄、手術歷史以及實時生命體征等，通常散布在各種醫(yī)療系統(tǒng)，如醫(yī)院信息系統(tǒng)、生命體征監(jiān)測設備和其他相關的數(shù)據(jù)源，例如實驗室信息系統(tǒng)和藥物管理系統(tǒng)。這些數(shù)據(jù)的非結構化特征使得從中提取有用信息變得復雜，限制了其在臨床決策支持中的應用。

2、隨著技術的進步，自然語言處理（nlp）和機器學習技術已經(jīng)被廣泛應用于醫(yī)療數(shù)據(jù)的分析中，以輔助醫(yī)生更好地理解和利用這些數(shù)據(jù)。通過智能化處理，可以將非結構化文本轉換為結構化格式，進而支持高級數(shù)據(jù)分析，改善治療建議的精確性，并提供更有效的決策支持。此外，上下文增強的解析技術使得系統(tǒng)可以更深入地理解醫(yī)療文本的含義，從而準確識別關鍵的醫(yī)療信息，這對于提高診斷的準確性和制定個性化的治療計劃具有重要意義。

3、但上述技術仍至少存在如下技術問題：在實現(xiàn)圍術期的醫(yī)患協(xié)同管理時不能對醫(yī)療數(shù)據(jù)進行準確處理，不能對患者健康風險提供準確預測，以及管理個性化不足的技術問題。

技術實現(xiàn)思路

1、本發(fā)明提供一種基于圍術期的醫(yī)患協(xié)同管理系統(tǒng)及方法，以解決在實現(xiàn)圍術期的醫(yī)患協(xié)同管理時不能對醫(yī)療數(shù)據(jù)進行準確處理，不能對患者健康風險提供準確預測，以及管理個性化不足的技術問題。

2、本發(fā)明的一種基于圍術期的醫(yī)患協(xié)同管理系統(tǒng)及方法，具體包括以下技術方案：

3、一種基于圍術期的醫(yī)患協(xié)同管理方法，包括以下步驟：

4、s1.?收集并預處理患者的所有必要信息，得到預處理后的醫(yī)療數(shù)據(jù)；對預處理后的醫(yī)療數(shù)據(jù)進行結構化處理，得到結構化的醫(yī)療數(shù)據(jù)，并將結構化的醫(yī)療數(shù)據(jù)進行存儲和管理；

5、s2.?基于醫(yī)患的登錄請求，驗證醫(yī)患的訪問權限，得到驗證后的登錄請求；基于驗證后的登錄請求，調取結構化的醫(yī)療數(shù)據(jù)；基于結構化的醫(yī)療數(shù)據(jù)進行實時分析和預測分析，得到風險評估報告；

6、s3.?基于風險評估報告，對不同的治療方案進行評估和排序，幫助醫(yī)生制定治療方案；結合治療方案、手術結果和患者滿意度調查結果，生成綜合報告。

7、優(yōu)選的，所述s1，具體包括：

8、在得到結構化的醫(yī)療數(shù)據(jù)的過程中，確定結構化需求，并基于結構化需求使用自然語言處理技術來解析和理解預處理后的醫(yī)療數(shù)據(jù)，包括利用詞法分析、句法分析和語義分析來抽取處理后的醫(yī)療數(shù)據(jù)中的實體和屬性，將非結構化文本轉換為初步標記的醫(yī)療數(shù)據(jù)元素；將初步標記的醫(yī)療數(shù)據(jù)進行標準化，對標準化后的醫(yī)療數(shù)據(jù)進行數(shù)據(jù)質量檢查；得到經(jīng)過驗證的結構化的醫(yī)療數(shù)據(jù)。

9、優(yōu)選的，所述s1，具體包括：

10、在得到結構化的醫(yī)療數(shù)據(jù)的過程中，引入上下文增強解析算法，通過引入相關性系數(shù)和信息熵評估和利用上下文信息得到實體的語義權重。

11、優(yōu)選的，所述s1，具體包括：

12、將語義權重整合到經(jīng)過驗證的結構化的醫(yī)療數(shù)據(jù)中，轉化為可用的結構化的醫(yī)療數(shù)據(jù)。

13、優(yōu)選的，所述s2，具體包括：

14、對調取的結構化醫(yī)療數(shù)據(jù)進行特征提取、特征衍生和特征選擇，選擇與疾病風險評估相關的特征來識別最有預測價值的特征集；將訓練好的支持向量機模型應用于基于結構化的醫(yī)療數(shù)據(jù)得到的特征集，對患者進行健康狀況評估以及預測患病風險或疾病發(fā)展，得到預測結果；并基于預測結果得到影響風險的主要因素、建議的監(jiān)測或干預措施；最終生成風險評估報告。

15、優(yōu)選的，所述s2，具體包括：

16、在特征選擇過程中，設計特征精選引擎，優(yōu)化特征選擇。

17、優(yōu)選的，所述s3，具體包括：

18、將風險評估報告集成到?jīng)Q策支持系統(tǒng)中，利用醫(yī)生輸入的治療偏好和臨床指南，對不同的治療方案進行評估和排序，得到治療方案，基于治療方案得到個性化的治療建議；同時結合通訊平臺調整治療方案，得到最佳治療方案。

19、一種基于圍術期的醫(yī)患協(xié)同管理系統(tǒng)，應用于上述的基于圍術期的醫(yī)患協(xié)同管理方法，包括以下部分：

20、數(shù)據(jù)采集模塊，中央數(shù)據(jù)庫模塊，權限管理模塊，實時交互與溝通模塊，風險評估與管理模塊，決策支持模塊，報告與反饋模塊；

21、數(shù)據(jù)采集模塊，用于收集患者的所有必要信息，并對所有必要信息進行預處理和結構化處理，得到結構化的醫(yī)療數(shù)據(jù)；將結構化的醫(yī)療數(shù)據(jù)傳輸至中央數(shù)據(jù)庫模塊；

22、中央數(shù)據(jù)庫模塊，存儲和管理結構化的醫(yī)療數(shù)據(jù)、醫(yī)患之間的實時通訊記錄；

23、權限管理模塊，基于醫(yī)患的登錄請求，調用中央數(shù)據(jù)庫模塊中結構化的醫(yī)療數(shù)據(jù)，管理和驗證醫(yī)患的訪問權限，得到驗證后的登錄請求；將驗證后的登錄請求發(fā)送至實時交互與溝通模塊、風險評估與管理模塊；

24、實時交互與溝通模塊，基于驗證后的登錄請求，調取中央數(shù)據(jù)庫模塊提供的結構化的醫(yī)療數(shù)據(jù)，通過通訊平臺進行醫(yī)生和患者的實時溝通，得到醫(yī)患之間的實時通訊記錄，并存儲回中央數(shù)據(jù)庫模塊中；同時，將醫(yī)生和患者的實時溝通發(fā)送至決策支持模塊；

25、風險評估與管理模塊，基于驗證后的登錄請求，對中央數(shù)據(jù)庫模塊中的結構化的醫(yī)療數(shù)據(jù)進行實時分析和預測分析，得到風險評估報告；將風險評估報告發(fā)送至決策支持模塊；

26、決策支持模塊，基于風險評估報告以及醫(yī)生和患者的實時溝通，提供決策支持，幫助醫(yī)生制定治療方案，并反饋給醫(yī)生和患者；將治療方案發(fā)送至報告與反饋模塊；

27、報告與反饋模塊，結合治療方案、手術結果和患者滿意度調查，生成綜合報告，供醫(yī)院管理和患者查閱。

28、本發(fā)明的技術方案的有益效果是：

29、1、通過對收集到的醫(yī)療信息進行智能結構化處理，將非結構化的文本數(shù)據(jù)轉換為易于管理和分析的結構化格式，提高了數(shù)據(jù)的準確性和可用性。結構化的醫(yī)療數(shù)據(jù)便于進行更深入的數(shù)據(jù)分析，支持復雜的數(shù)據(jù)查詢和報告生成，從而為醫(yī)生提供更精確的治療建議和決策支持；引入自然語言處理和上下文增強解析算法，可以更深入地理解醫(yī)療文本的語義，從而能夠準確識別和利用關鍵的醫(yī)療信息，增加了分析的精度，為決策支持系統(tǒng)提供了更可靠的數(shù)據(jù)基礎。

30、2、通過設計特征精選引擎得到精細化的特征選擇以及優(yōu)化的模型參數(shù)設置，能夠更準確地識別和預測患者的健康風險，精確的預測有助于醫(yī)生制定更有效的治療計劃，從而提高治療效果。

31、3、通過利用風險評估報告和醫(yī)生的治療偏好以及臨床指南對治療方案進行評估和排序，確保了治療計劃的科學性和個性化，大大提升了治療的針對性和效果；通過安全通訊平臺進行實時交流，患者可以直接參與到治療計劃的討論中，提高了患者的滿意度以及治療的依從性和總體治療效果。

技術特征：

1.一種基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，所述s1，具體包括：

3.根據(jù)權利要求2所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，所述s1，具體包括：

4.根據(jù)權利要求3所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，所述s1，具體包括：

5.根據(jù)權利要求1所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，所述s2，具體包括：

6.根據(jù)權利要求5所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，所述s2，具體包括：

7.根據(jù)權利要求1所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，所述s3，具體包括：

8.一種基于圍術期的醫(yī)患協(xié)同管理系統(tǒng)，應用于如權利要求1所述的基于圍術期的醫(yī)患協(xié)同管理方法，其特征在于，包括以下部分：

技術總結
本發(fā)明涉及醫(yī)療保健信息學領域，尤其涉及一種基于圍術期的醫(yī)患協(xié)同管理系統(tǒng)及方法。包括：收集并預處理患者的所有必要信息，對預處理后的醫(yī)療數(shù)據(jù)進行結構化處理，得到結構化的醫(yī)療數(shù)據(jù)；基于醫(yī)患的登錄請求，驗證醫(yī)患的訪問權限，得到驗證后的登錄請求；基于驗證后的登錄請求，調取結構化的醫(yī)療數(shù)據(jù)；基于結構化的醫(yī)療數(shù)據(jù)進行實時分析和預測分析，得到風險評估報告；基于風險評估報告，對不同的治療方案進行評估和排序，幫助醫(yī)生制定治療方案；結合治療方案、手術結果和患者滿意度調查結果，生成綜合報告。解決了在實現(xiàn)圍術期的醫(yī)患協(xié)同管理時不能對醫(yī)療數(shù)據(jù)進行準確處理，不能對患者健康風險提供準確預測，以及管理個性化不足的技術問題。

技術研發(fā)人員：鄒雄飛,李春厚,柏秋實,張智,高娜,柳昭羽,張燕,陳亞萍,佟冰渡,李增輝,趙宇,張保中
受保護的技術使用者：中國醫(yī)學科學院北京協(xié)和醫(yī)院
技術研發(fā)日：
技術公布日：2025/5/15