(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210370189.8 (22)申请日 2022.04.08 (71)申请人 平安国际智慧城市科技股份有限公 司 地址 518000 广东省深圳市前海深港合作 区妈湾兴海 大道3048号前海自贸大厦 1-34层 (72)发明人 黄英俊　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 陈海云　严林 (51)Int.Cl. G16H 40/20(2018.01) G16H 20/10(2018.01) G16H 10/20(2018.01)G16H 50/20(2018.01) G06F 16/22(2019.01) G06F 16/242(2019.01) G06F 16/28(2019.01) G06F 40/30(2020.01) (54)发明名称 基于人工智能的诊 疗评估方法及相关 设备 (57)摘要 本申请提出一种基于人工智能的诊疗评估 方法、 装置、 电子设备及存储介质， 基于人工智能 的诊疗评估 方法包括： 从诊疗数据库获取医疗案 例数据； 对 所述医疗案例数据中的非数值型数据 和数值型数据进行编码获得编码数据； 对待评估 诊疗方案进行编码获得待评估编码数据； 对比所 述待评估编码数据和所述编码数据获得待评估 诊疗方案的规范度； 计算所述编码数据的方差以 作为全局置信度； 统计所述医疗案例数据中的语 义信息获取局部置信度； 依据自定义的整合模型 计算所述规范度和置信度的整合结果 以作为所 述待评估诊疗 方案的评估结果。 该方法计算了待 评估诊疗 方案的全局规范度和局部规范度， 并通 过进行整合获得评估结果， 从而能够提高诊疗评 估的准确度。 权利要求书3页 说明书25页 附图2页 CN 114694815 A 2022.07.01 CN 114694815 A 1.一种基于人工智能的诊疗评估方法， 其特 征在于， 所述方法包括： 从诊疗数据库获取医疗案例数据， 所述医疗案例数据包括数值型数据和非数值型数 据； 对所述医疗案例数据中的非数值型数据和数值型数据进行编码 获得编码数据， 所述编 码数据包括医师 数据、 临床数据和流 程数据； 对待评估诊疗方案进行编码 获得待评估编码数据， 所述待评估编码数据包括待评估医 师数据、 待评估临床数据和待评估流 程数据； 对比所述待评估编码数据和所述编码数据获得待评估诊疗方案的规范度， 所述规范度 包括全局规范度和 局部规范度； 计算所述编码数据的方差以作为全局置信度； 统计所述医疗案例数据中的语义信 息获取局部置信度， 所述局部置信度包括医师置信 度、 临床置信度和流 程置信度； 依据自定义的整合模型计算所述规范度和置信度的整合结果以作为所述待评估诊疗 方案的评估结果。 2.如权利要求1所述的基于人工智能的诊疗评估方法， 其特征在于， 所述对所述医疗案 例数据中的非数值型 数据进行编码以获得编码数据包括： 依据所述非数值型 数据的语义信息对所有非数值型 数据进行分组； 依据自然数分别对每组非数值型数据依次进行标记， 并将标记的自然数作为每组非数 值型数据对应的编码值； 对所述编码值进行归一 化处理获得归一 化编码值； 组合所述归一 化编码值和所述数值型 数据获得编码数据。 3.如权利要求1所述的基于人工智能的诊疗评估方法， 其特征在于， 所述对比所述待评 估编码数据和所述编码数据获得待评估诊疗方案的规范度， 所述规范度包括全局规范度和 局部规范度包括： 计算所述编码数据和所述待评估编码数据的相似度并选取其中的最大值以作为全局 规范度； 依据所述编码数据中的语义信 息对所述编码数据进行分组获得第 一分组数据， 所述第 一分组数据中每组包括多条编码数据； 依据所述待评估编码数据中的语义信息对所述待评估编码数据进行分组获得第二分 组数据， 所述第二分组数据中每组包括 一条数据； 对比具备相同语义信 息的第一分组数据和第 二分组数据获得局部规范度， 每个语义信 息对应一个局部规范度。 4.如权利要求3所述的基于人工智能的诊疗评估方法， 其特征在于， 所述对比具备相同 语义信息的第一分组数据和第二分组数据获得局部规范度包括： 分别计算第一分组数据和第二分组数据中具 备相同语义信息的数据的相似度； 分别选取每种语义信息中数据的相似度中的最大值以作为该语义信息数据对应的基 准值； 计算每种语义信息相似度的均值与所述基准值的比值以作为每种语义信息对应的局 部规范度。权　利　要　求　书 1/3 页 2 CN 114694815 A 25.如权利要求1所述的基于人工智能的诊疗评估方法， 其特征在于， 所述统计所述医疗 案例数据中的语义信息以获取局部置信度， 所述局部置信度包括医师置信度、 临床置信度 和流程置信度包括： 统计所述医疗案例数据中 医师姓名的个数以作为第一置信度； 统计所述医疗案例数据中疾病名称的个数以作为第二置信度； 计算所述医疗案例数据中流 程数据的信息熵以作为第三置信度； 分别将所述第一置信度、 第二置信度和第三置信度输入反正切函数以获得局部置信 度。 6.如权利要求1所述的基于人工智能的诊疗评估方法， 其特征在于， 所述依据 预设的整 合模型计算所述 规范度和置信度的整合结果之前， 所述方法还 包括： 将所述全局置信度与 所述局部置信度联合存储为置信度集合， 并计算所述置信度集合 中数据的均值和标准差； 分别计算所述置信度集合中每个元素与 所述均值的差值， 并依据 所述差值除以标准差 获得计算结果； 将所述计算结果作为 参数构建所述自定义的整合模型。 7.如权利要求1所述的基于人工智能的诊疗评估方法， 其特征在于， 所述自定义的整合 模型满足以下关系式： 其中， Z代表整 合结果， 其值越大则表明所述待评估诊疗方案的规范程度越高； α1代表所 述全局置信度， 其值越高则 表明所述全局规范度的可信程度越高； α2代表所述医师置信度， 其值越高则表明所述医师规范度的可信程度越高； α3代表所述临床置信度， 其值越高则表 明所述临床规范度的可信程度越高； α4代表所述流程置信度， 其值越高则表明所述流程规 范度的可信程度越高； A代表所述全局规范度， 其值越高则表明从整体信息来看所述待评估 诊疗方案的规范程度越高； B代表所述医师规范度， 其值越高则表明所述待评估诊疗方案中 医师符合规范的程度越高； C代表所述临床规范度， 其值越高则表明所述待评估诊疗方案中 临床信息的符合规范的程度越高； D代表所述流程规范度， 其值越高则表明所述待评估诊疗 方案中的流 程信息符合 规范的程度越高； e代 表自然常数。 8.一种基于人工智能的诊疗评估 装置， 其特 征在于， 所述装置包括： 获取单元， 用于从诊疗数据库获取医疗案例数据， 所述医疗案例数据包括数值型数据 和非数值型 数据； 第一编码单元， 用于对所述医疗案例数据中的非数值型数据进行编码以获得编码数 据， 所述编码数据包括医师 数据、 临床数据和流 程数据； 第二编码单元， 用于对待评估诊疗方案进行编码获得待评估编码数据， 所述待评估编 码数据包括待评估医师 数据、 待评估临床数据和待评估流 程数据； 对比单元， 用于对比所述待评估编码数据和所述编码数据获得待评估诊疗方案的规范 度， 所述规范度包括全局规范度和 局部规范度； 计算单元， 用于计算所述编码数据的方差以作为全局置信度； 统计单元， 用于统计所述医疗案例数据中的语义信息获取局部置信度， 所述局部置信权　利　要　求　书 2/3 页 3 CN 114694815 A 3