(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210902893.3 (22)申请日 2022.07.29 (65)同一申请的已公布的文献号 申请公布号 CN 114969557 A (43)申请公布日 2022.08.30 (73)专利权人 之江实验室 地址 311121 浙江省杭州市余杭区之江实 验室南湖总部 (72)发明人 李劲松　孙慧瑶　周天舒　田雨　 (74)专利代理 机构 北京志霖恒远知识产权代理 有限公司 1 1435 专利代理师 戴莉 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/06(2006.01) G06N 3/08(2006.01) G16H 10/60(2018.01) (56)对比文件 CN 107887010 A,2018.04.0 6 CN 112151188 A,2020.12.2 9 CN 112614560 A,2021.04.0 6 US 2002077756 A1,2002.06.20 阮彤等.基于电子病历的临床医疗大 数据挖 掘流程与方法. 《大 数据》 .2017,(第0 5期), 审查员 李华 (54)发明名称 一种基于多来源信息融合的宣教推送方法 和系统 (57)摘要 本发明公开了一种基于多来源信息融合的 宣教推送方法和系统， 步骤S1： 构建患者宣教知 识图谱， 并将患者宣教知识图谱通过宣教小程序 推送给患者； 步骤S2： 将所述患者基本信息、 患者 诊疗信息、 患者眼动信息和患者人格量表进行融 合、 修正得到患者多来源信息； 步骤S3： 利用所述 患者多来源信息和收集的患者服药行为数据通 过神经网络构建依从性预测模型； 步骤S5： 建立 系统规则库， 通过系统规则库反馈的信息在所述 患者宣教知识 图谱中进行搜索相应的疾病和治 疗后， 通过所述宣教小程序推送给患者。 本发明 在原有电子病历特征基础上， 考虑宣教小程序中 患者人格量表以及在阅读宣教知识图谱时的眼 动追踪信息， 使患者画像更加立体、 依从性模型 更加准确。 权利要求书3页 说明书11页 附图4页 CN 114969557 B 2022.11.08 CN 114969557 B 1.一种基于多来源信息融合的宣教推送方法， 其特 征在于， 包括以下步骤： 步骤S1： 通过公共知识、 临床专家补充和电子病例构建患 者宣教知识图谱， 并将患者宣 教知识图谱通过宣教小程序推送给患者； 步骤S2： 通过电子病例采集患者基本信息和患者诊疗信息， 通过宣教小程序采集患者 眼动信息和患者人格量表， 将所述患者基本信息、 患者诊疗信息、 患者眼动信息和患者人格 量表进行融合、 修 正得到患者多来源信息； 步骤S21： 通过电子病例采集患者基本信 息和患者诊疗信息， 所述患者基本信息包括患 者身份证号、 患者ID、 年龄、 受教育程度、 地理因素和 /或家属陪同； 所述患者诊疗信息包括 就诊时间、 疾病、 治疗方式、 药物治疗和/或手术治疗； 将所述患者基本信息和所述患者诊疗 信息融合得到电子病历信息， 就诊时间最晚的一次所述电子病历信息作为有效电子病历信 息； 步骤S22： 所述宣教小程序向患者发送疾病对应的患 者宣教知识图谱， 通过所述宣教小 程序采集患者眼动信息和 患者人格量表， 并将所述患者眼动信息和所述患者人格量表通过 患者身份证号融合得到宣教小程序信息， 视频时间最晚的一次所述宣教小程序信息作为有 效宣教小程序信息； 步骤S23： 将所述有效电子病历信息和所述有效宣教小程序信息通过患者身份证号融 合得到患者多来源信息； 步骤S24： 识别所述电子病历信息中就诊时间最晚的一次电子病历信息与有效电子病 历信息的电子病历信息是否一致， 识别视频时间最晚的一次宣教小程序信息与有效宣教小 程序信息的宣 教小程序信息是否一致， 若两者至少有一个不一致， 则重复步骤S21 ‑步骤S23 进行重新融合 直至两者均为 一致， 完成患者多来源信息的修 正； 步骤S3： 利用所述患者多来源信 息和收集的患 者服药行为数据通过神经网络构建依从 性预测模型； 步骤S4： 利用所述依从性预测模型对患者类别进行 预测， 得到患者分类； 步骤S5： 利用所述患者多来源信息建立系统规则库， 通过系统规则库反馈的信息在所 述患者宣教知识图谱中进行搜索相应的疾病和治疗后， 通过 所述宣教小程序推送给患者。 2.如权利要求1所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步 骤S1中： 所述公共知识为公开知识库、 电子版指南和/或疾病形式收集患者治疗方法、 治疗方法 的不良反应和/或适应症； 所述临床专家补充为临床医生和/或相关专家临床经验对疾病不完整和/或疾病的治 疗方式不完整 进行的补充和完 善； 所述电子病例为多家医疗机构电子病历临床数据信息 。 3.如权利要求1所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步 骤S1中所述患者宣教知识图谱的存储通过RDF结构表示<主体， 谓词， 客体>的三元组， 最终 形成以疾病为主体， 以不良反应、 手术治疗和/或药物治疗为谓词， 以谓词指向的值为客体 的患者宣教知识图谱； 所述患者宣 教知识图谱的存储结构以多模态进 行呈现， 包括文本、 文 本相关的图片和/或视频。 4.如权利要求1所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步权　利　要　求　书 1/3 页 2 CN 114969557 B 2骤S22中所述患者眼动信息包括停留页面内容、 平均 注视时间、 注视次数、 注视顺序、 平均眼 跳幅度、 眼跳次数、 扫描持续时间和/或扫描方向； 所述患者人格量表包括开放性、 尽责性、 外倾性、 随和性、 情绪稳定性和/或不主动做人格量表的无 人格量表数据。 5.如权利要求1所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步 骤S3具体包括以下子步骤： 步骤S31： 收集患者服药行为数据， 所述患者服药行为数据分为完全依从、 部分依从和 完全不依从， 将所述患者多来源信息和所述患者 服药行为数据作为模型的训练数据； 步骤S32： 所述训练数据 通过神经网络模型进行训练， 采用Sigmoid激活函数输出结果， 通过计算预测数据的宏， 宏 在0到1之 间， 不断改变训练参数得到不同的模型， 最 终选取宏值 最高的预测模型作为依从性预测模型。 6.如权利要求1所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步 骤S5具体包括以下子步骤： 步骤S51： 利用所述患者多来源信息 中的眼动信息的特征向量作为输入， 根据眼动信息 的状态作为反馈， 通过输入和反馈建立 规则， 多条规则组成系统规则库； 步骤S52： 通过眼动信息的特征向量输入到系统规则库中， 通过系统规则库反馈的内容 和形式在所述患者宣教知识图谱中进 行搜索相应的疾病和治疗后， 搜索得到不良反应的内 容及对应的视频通过 所述宣教小程序推送给患者。 7.如权利要求3所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步 骤S5中根据患者信息返回患者宣教知识图谱的谓词， 通过患者宣教知识图谱进 行搜索并推 送。 8.如权利要求1所述的一种基于多来源信 息融合的宣教推送方法， 其特征在于， 所述步 骤S5中当通过眼动数据发现患者更容易接受图片或者视频时， 通过自动推送系统对于推送 内容和推送形式的判定， 进一 步搜索其图片和视频进行推送。 9.一种基于多来源信息融合的宣教推送系统， 其特 征在于， 包括： 患者宣教知识图谱 模块， 用于将患者 宣教知识图谱推送给患者进行宣教； 患者多源信息融合模块， 用于通过电子病例采集患者基本信息和患者诊疗信息， 通过 宣教小程序采集患者眼动信息和 患者人格量表， 将所述患者基本信息、 患者诊疗信息、 患者 眼动信息和患者人格量表进行融合、 修 正得到患者多来源信息； 所述患者多源信息融合模块具体功能流 程为： 步骤一： 通过电子病例采集患者基本信息和患者诊疗信息， 所述患者基本信息包括患 者身份证号、 患者ID、 年龄、 受教育程度、 地理因素和 /或家属陪同； 所述患者诊疗信息包括 就诊时间、 疾病、 治疗方式、 药物治疗和/或手术治疗； 将所述患者基本信息和所述患者诊疗 信息融合得到电子病历信息， 就诊时间最晚的一次所述电子病历信息作为有效电子病历信 息； 步骤二： 所述宣教小程序向患者发送疾病对应的患者宣教知识图谱， 通过所述宣教小 程序采集患者眼动信息和 患者人格量表， 并将所述患者眼动信息和所述患者人格量表通过 患者身份证号融合得到宣教小程序信息， 视频时间最晚的一次所述宣教小程序信息作为有 效宣教小程序信息； 步骤三： 将所述有 效电子病历信 息和所述有 效宣教小程序信 息通过患 者身份证号融合权　利　要　求　书 2/3 页 3 CN 114969557 B 3