【技术实现步骤摘要】
本专利技术涉及计算机辅助诊断，尤其涉及一种基于云原生架构的对话导引式多源融合的慢阻肺管理系统。
技术介绍
1、慢性阻塞性肺疾病(简称慢阻肺，chronic obstructive pulmonary disease,copd)是一种呼吸系统常见的长期慢性呼吸道炎症疾病，其特征为气流受阻，目前已经成为引起致残率和致死率上升的重要原因之一，国际权威医学期刊《柳叶刀》发表中国大规模人群研究“中国成人肺部健康研究(cph)”，揭示了中国慢阻肺的流行状况，首次明确中国慢阻肺患者人数约1亿，已经成为与高血压、糖尿病“等量齐观”的慢性疾病，构成社会重大疾病负担。
2、目前临床诊疗的过程中，由于平均每位患者门诊时间较短，医生和患者在门诊中沟通时间少，难以采集完善的患者症状变化病史，导致疾病症状和风险评估不准确。此外，慢阻肺常由吸烟、感染、空气污染、职业性粉尘、化学污染等其他原因引起，而这些因素也与慢阻肺的急性加重发生有关。除此之外，慢阻肺的急性加重也与大气压力变化、治疗不当等有关。因此，copd是虽然一种无法治愈的疾病，但通过正确的管理和随访，可以有效地控制病情，并了解患者的生活方式和病情发展，从而能够及时调整和优化治疗方案，掌握与慢阻肺急性加重发生的相关因素的变化，预测慢阻肺急性加重风险，并及时做出调整从而避免慢阻肺急性加重发生，避免因此带来的不必要的医疗费用和危险。然而，传统方法主要通过发放纸质记录本等方法，存在数据记录不便、多数据源孤岛难关联以及记录数据缺失等问题，影响到对患者数据的有效分析和对患者的诊疗。例如，即使在相对规范
3、物联网、云计算、移动设备与传感器等技术的进步为慢阻肺患者管理和随访带来了新的解决方案。物联网(iot)、移动设备和移动互联网等技术的发展使得copd患者可以利用各种类型的传感器来收集生物医学数据，如氧气浓度、心率和呼吸速度等，并且通过搭载copd健康管理应用程序的移动设备，患者可以将多种类型传感器记录到的生物医学数据，以及额外收集记录的呼吸症状、药物使用情况及运动量等生理数据，以及所处地点等信息上传到云平台。通过云计算和互联网技术，云平台可以与这些传感器、移动设备形成一个智能系统。这个系统可以收集大量的生物医学数据，并利用机器学习算法或其他分析方式，对所收集的信息和数据进行分析。基于这个系统，医生可以实时检测患者的生理状态，从而及时调整治疗方案或者做出紧急处理。
4、本专利技术提出了一种基于物联网、云计算、自然语言处理、预训练大模型等技术的慢阻肺患者监测与管理系统，该平台包括云平台和患者本地端两个组成部分，其中云平台基于云原生架构，并且所述系统基于本专利提出的对话导引式慢阻肺管理自然语言对话大模型以及基于对比学习和对话导引式大模型的多源数据模态转换和融合方法，实现对患者本地端收集的各类患者日常监测信息的分析，实现对慢阻肺患者身体状况的实时监测、紧急情况上报、自我管理及远程医疗服务的支持。
技术实现思路
1、本专利技术首先提出基于云原生架构的对话导引式多源融合的慢阻肺管理系统，由患者本地端和慢阻肺管理云平台两个部分组成：
2、所述患者本地端包括物联网患者监测模块、自然语言对话模块、数据汇总传输模块：其中，所述物联网患者监测模块对患者日常生活中的与慢阻肺相关的各种风险因素进行数据采集；所述自然语言对话模块与数据汇总传输模块以移动app的形式部署在患者的手机上；所述自然语言对话模块以对话的形式与患者进行交流，并在交流对话的过程中通过对话提问或者以问卷表单的形式，收集患者日常活动、症状表现、用药情况监测信息；患者监测模块和自然语言对话模块收集的患者数据将通过所述数据汇总传输模块传输到所述慢阻肺管理云平台；所述自然语言对话模块与所述慢阻肺管理云平台结合，支持与患者以对话形式进行交互并提供远程辅助医疗服务，解答患者提出的问题、提供治疗建议、辅助远程随访，并能够基于所述多源数据模态转换和融合方法以及部署在云平台的对话导引式慢阻肺管理大模型chatcopd，对患者的监测数据和患者基线数据进行分析，预测患者的病情发展趋势，判断慢阻肺急性加重的风险等级，并给出相应的建议和预警；
3、所述慢阻肺管理云平台对患者的基线状况进行评估，建立患者的健康档案，并提供个性化的慢阻肺管理计划；同时，所述云平台将患者的各项医疗数据、日常监测数据进行整合和分析，及时发现患者的病情变化，判断急性加重紧急情况的发生概率，为医生和患者提供更全面、准确的患者状况评估以及慢阻肺管理与治疗建议；所述云平台采用云原生架构设计，结合serverless架构、容器化技术和微服务架构，并由云数据库、对话导引式慢阻肺管理大模型chatcopd、多源数据模态转换与融合模块、患者基线情况评估模块、患者监测与评估模块构成；其中，所述多源数据模态转换与融合模块基于所述基于对比学习和对话导引式大模型的多源数据模态转换和融合方法；所述患者基线情况评估模块调用chatcopd模型对患者基线数据进行分析，并形成患者基线情况分析报告；所述患者监测评估模块基于所述多源数据模态转换与融合模块，将包括序列和文本模态的来自患者本地端的患者日常活动、症状表现、用药情况监测信息，以及所述患者基线评估模块的评估结果报告统一为文本模态数据并实现数据融合，调用所述对话导引式慢阻肺管理大模型chatcopd对融合后的文本数据进行分析，实现症状监测与评估、急性加重预测预警。
4、一种对话导引式慢阻肺管理大模型chatcopd。所述对话导引式慢阻肺管理大模型chatcopd实现了对话式人工智能在慢阻肺管理领域的应用：该模型基于预训练大语言模型，并在患者病历、病史、症状描述、治疗方案、随访和监测数据等慢阻肺患者就诊、治疗和疾病管理全流程数据，以及医患对话问答文本、慢阻肺相关文献和诊疗规范等数据上进行二次训练，以对话形式进行微调。作为自然语言对话大模型，所述chatcopd模型具备良好的人机交互能力，能够以自然语言对话的形式与患者进行沟通，解答患者提出的问题，为慢阻肺患者提供个性化、准确可靠的诊疗建议和健康管理方案，并且能够在与患者的对话中收集患者的症状表现、用药情况、体感症状等信息。此外，通过在大量慢阻肺领域相关文本进行训练，所述chatcopd模型具备了丰富的慢阻肺疾病诊断、治疗和管理方面的知识，从而具有了对慢阻肺患者病情的综合分析能力：所述chatcopd模型一方面能够基于提供的患者基本信息、体征、症状、电子病历、吸烟史、历史检查结果(肺功能检查结果和ct等影像学检查结果的文字记录等)、历史随访和病程记录、治疗方案等病历数据，智能分析并评估患者当前的病情严重程度，建立患者的健康档案，为患者提供更为精准的治疗方案，并为后续的患者疾病管理和病情持续跟踪提供基础数据；另一方面能够对通过患者对话中收集的症状表现、用药情况、体感症状等信息，以及通过检测设备收集本文档来自技高网...
【技术保护点】
1.基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：
2.如权利要求1所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述对话导引式慢阻肺管理大模型ChatCOPD基于预训练大语言模型，并在患者病历、病史、症状描述、治疗方案、随访和监测数据慢阻肺患者就诊、治疗和疾病管理全流程数据，以及医患对话问答文本、慢阻肺相关文献和诊疗规范数据上进行二次训练，以对话形式进行微调，从而使得所述模型在慢阻肺管理领域上具有强大的语义理解、推理与表达能力，能够准确地理解并判断患者病情严重程度，从而提供个性化和有效的慢阻肺管理方案，并能够通过对患者症状的持续监测分析估计患者病情发展，对急性加重紧急情况进行预测预警。
3.如权利要求2所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述多源数据模态转换和融合方法包括模态转换方法和多源文本融合方法两个组成部分；其中，所述模态转换方法采用对比学习和跨模态模态对齐算法的序列—文本对比式预训练算法，以及序列数据文本转换方法，将包括时间序列和文本等不同模态的患者基线状况评估、日常监测
4.如权利要求3所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述序列—文本对比式预训练算法基于对比学习和跨模态模态对齐算法，并依赖于序列数据及其标注和报告描述文本数据集；所述序列—文本对比式预训练算法包括一个文本数据编码器EncText，一个序列数据编码器EncSeq，以及在两个编码器之间实现特征对齐的对比学习模块；
5.如权利要求3所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述序列数据文本转换方法中，序列—文本对比式预训练算法方法得到的所述序列数据编码器将被用来对序列数据进行编码，得到序列CLIP特征FS，所述序列CLIP特征FS通过一个映射模型映射到文本模态下，得到文本模态下特征序列f1,f2,…,fk，并与序列统计描述信息p1,p2,…,pn结合，通过自回归式语言模型转换为文本段；
6.如权利要求3所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述云平台的所述患者本地端涵盖的数据收集设备以及相关数据类型包括：
...【技术特征摘要】
1.基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：
2.如权利要求1所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述对话导引式慢阻肺管理大模型chatcopd基于预训练大语言模型，并在患者病历、病史、症状描述、治疗方案、随访和监测数据慢阻肺患者就诊、治疗和疾病管理全流程数据，以及医患对话问答文本、慢阻肺相关文献和诊疗规范数据上进行二次训练，以对话形式进行微调，从而使得所述模型在慢阻肺管理领域上具有强大的语义理解、推理与表达能力，能够准确地理解并判断患者病情严重程度，从而提供个性化和有效的慢阻肺管理方案，并能够通过对患者症状的持续监测分析估计患者病情发展，对急性加重紧急情况进行预测预警。
3.如权利要求2所述的基于云原生架构的对话导引式多源融合的慢阻肺管理系统，其特征在于：所述多源数据模态转换和融合方法包括模态转换方法和多源文本融合方法两个组成部分；其中，所述模态转换方法采用对比学习和跨模态模态对齐算法的序列—文本对比式预训练算法，以及序列数据文本转换方法，将包括时间序列和文本等不同模态的患者基线状况评估、日常监测数据、日常症状评...
【专利技术属性】
技术研发人员：陈亚红，李建欣，于金泽，周号益，廖莎，宋琪，李硕，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。