[发明专利]基于症状特征权重推导疾病概率的装置和存储介质

说明书

本发明提出一种基于症状特征权重推导疾病概率的装置和存储介质,包括：症状特征存储单元，用于存储多条医疗知识信息，每条该医疗知识信息由症状特征和疾病标签组成；过滤策略生成单元，用于对该医疗知识信息进行挖掘以生成过滤策略；检索单元，用于接收来自咨询信息或反馈信息的实体标签，并以该实体标签检索该症状特征存储单元，得到与该咨询信息或该反馈信息对应的症状特征以及疾病标签，作为检索结果；过滤单元，用于根据该过滤策略对该检索结果进行过滤，得到过滤结果，并通过预设规则对该过滤结果进行判断，以选择根据该过滤结果生成问题以提示用户输入反馈信息，或选择将该过滤结果作为最终结果进行输出。

技术领域

本发明涉及自然语言处理、人工智能和大数据分析领域，并特别涉及一种基于症状特征权重推导疾病概率的装置和存储介质。

背景技术

20世纪70年代就开始出现人工智能辅助医生进行诊断的医学专家系统相关研究，四十多年来出现过各种医学专家系统，但尚无产品得到临床广泛应用，即便像IBM沃森也只是在肿瘤癌症等疾病诊断中进行演示性应用；科大讯飞“智医助理”机器人因其以超过合格线96分的成绩通过国家执业医师资格考试综合笔试评测，成为全国第一个通过国家执业医师资格考试的人工智能机器人，目前也仅仅在做一些试点应用。由此可见，人工智能辅助诊断一类的综合性应用研究起步很早，却至今没有得到普及应用。究其原因是技术与医疗场景的最后一公里没有打通，即病情采集存在缺陷，从技术研究的角度看医学专家系统早就远远超过普通医生的医学知识水平，而医学诊断过程中医患对话本身是按照医生的诊断思路采集患者病情，一般来说医生根据患者主诉能够有意识地采集病情，那么医生就能和专家系统一样做出合理的诊断，反之医生采集病情不够准确，专家系统也就无法获得正确的输入，自然无法做出合理的诊断。这最后一公里无法逾越，再强大的人工智能对医生来说也毫无用武之地。

为了打通这最后一公里，有人提出了“基于关联症状推导的病情采集方法”。应该是一种不错的思路，即是基于诊断学的原理像医生一样根据患者主诉快速、有效、准确地采集病情，用技术手段模拟了医生的主观诊断过程。基于关联症状推导的病情采集方法实际上是一种关键词检索技术；而本发明基于症状特征权重推导疾病概率的装置是一种人工智能技术。相信随着业界对该专利成果的重视，将会为人工智能辅助诊断的普及应用扫清最后一公里的障碍。除了前述人工智能辅助诊断综合性应用外，人工智能辅助医生进行诊断和治疗的一些关键点上的应用研究不断取得突破，尤其在医学影像方面，比如食管癌、肺癌、糖网病变、乳腺癌、结直肠癌、宫颈癌的医学影像筛查识别的准确率都已超过了医学专家水平。随着更多关键点上的突破，人工智能辅助诊断综合性应用的智能化程度也会越来越高。

发明内容

针对现有技术的不足，本发明提出一种基于症状特征权重推导疾病概率的装置，其中包括：

症状特征存储单元，用于存储多条医疗知识信息，每条该医疗知识信息由症状特征和疾病标签组成；

过滤策略生成单元，用于对该医疗知识信息进行挖掘以生成过滤策略；

检索单元，用于接收来自咨询信息或反馈信息的实体标签，并以该实体标签检索该症状特征存储单元，得到与该咨询信息或该反馈信息对应的症状特征以及疾病标签，作为检索结果；

过滤单元，用于根据该过滤策略对该检索结果进行过滤，得到过滤结果，并通过预设规则对该过滤结果进行判断，以选择根据该过滤结果生成问题以提示用户输入反馈信息，或选择将该过滤结果作为最终结果进行输出。

所述的基于症状特征权重推导疾病概率的装置，其中该症状特征存储单元以合并疾病标签间的共同症状特征的方式压缩存储该医疗知识信息。

所述的基于症状特征权重推导疾病概率的装置，其中该压缩存储包括：

将医疗知识信息按照疾病类型进行划分，并提取每一类型疾病的共同症状特征，该症状特征存储单元存储该共同症状特征及其对应的疾病类型，该症状特征存储单元还存储由独有症状特征、所属疾病类型和疾病标签组成的医疗知识信息。