CN113223677A - 针对患者的医生匹配方法及装置 - Google Patents
针对患者的医生匹配方法及装置 Download PDFInfo
- Publication number
- CN113223677A CN113223677A CN202010072681.8A CN202010072681A CN113223677A CN 113223677 A CN113223677 A CN 113223677A CN 202010072681 A CN202010072681 A CN 202010072681A CN 113223677 A CN113223677 A CN 113223677A
- Authority
- CN
- China
- Prior art keywords
- doctor
- patient
- candidate
- target
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 201000010099 disease Diseases 0.000 claims abstract description 140
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 140
- 208000024891 symptom Diseases 0.000 claims abstract description 103
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 230000008901 benefit Effects 0.000 claims description 138
- 239000003814 drug Substances 0.000 claims description 28
- 238000011282 treatment Methods 0.000 claims description 27
- 229940079593 drug Drugs 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 39
- 230000008569 process Effects 0.000 description 27
- 238000003745 diagnosis Methods 0.000 description 25
- 238000012549 training Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000011277 treatment modality Methods 0.000 description 4
- 238000011256 aggressive treatment Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 2
- 206010030113 Oedema Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了针对患者的医生匹配方法及装置,属于通信技术领域。该方法包括:获取患者的症状数据集合和特征数据集合,症状数据集合用于反映患者的身体因疾病而表现出来的异常状态,特征数据集合用于标识患者,特征数据集合包括性别数据和年龄数据。根据症状数据集合和特征数据集合,确定患者与多个候选医生中每个候选医生的医患匹配系数,医患匹配系数用于反映患者与候选医生的匹配程度。根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生。输出用于指示目标医生为患者看诊的指示信息。本申请提高了确定为患者看诊医生的准确性。
Description
技术领域
本申请涉及通信技术领域,特别涉及一种针对患者的医生匹配方法及装置。
背景技术
随着医疗机构和医生的数目不断增长,患者在就医时需要预约医生。若预约到的医生越擅长看诊该患者所患的疾病,则该患者被治愈的几率越大;反之,若预约到的医生越不擅长该患者所患的疾病,则该患者被治愈的几率越小,因此,在预约时为患者匹配合适的医生具有重要的意义。
目前患者预约医生的过程通常包括:患者先根据自身的症状人为判断自己所患疾病,然后获取医疗机构提供的每个医生所擅长看诊的疾病的数据,再根据该数据确定擅长看诊自己所患疾病的医生,之后预约该医生为其看诊疾病。
但是,为患者看诊的医生是患者通过人为方式确定的,导致该确定看诊医生的方式的准确性较低。
发明内容
本申请提供了一种针对患者的医生匹配方法及装置,可以解决为患者确定看诊医生的准确性较低的问题。
第一方面,提供了一种针对患者的医生匹配方法,其可以应用于电子设备。电子设备获取患者的症状数据集合和特征数据集合,症状数据集合用于反映患者的身体因疾病而表现出来的异常状态,特征数据集合用于标识患者,特征数据集合包括性别数据和年龄数据。电子设备根据症状数据集合和特征数据集合,确定患者与多个候选医生中每个候选医生的医患匹配系数,医患匹配系数用于反映患者与候选医生的匹配程度。电子设备根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生。电子设备输出用于指示目标医生为患者看诊的指示信息。
由于特征数据集合至少包括性别数据和/或年龄数据,而不同性别和年龄的患者的身体素质不同,则对不同性别和年龄的患者所患同一种疾病的看诊难度也不同。因此,通过根据患者的症状数据集合和特征数据集合确定为其看诊的医生,可以综合考虑到了患者的症状和身体素质等个人特征,能够从多维度为患者匹配更适合患者的医生,因此,能够提高为患者匹配医生的准确性,进而提高患者的治愈几率和患者的就医感受。
可选地,特征数据集合还包括以下一个或多个:职业数据、医保数据、经济能力数据、治疗偏好数据和药物偏好数据。职业数据用于反映患者的职业。医保数据用于反映患者的医保适用范围和医保报销额度等医保情况。经济能力数据用于反映患者的经济情况。治疗偏好数据用于反映患者更易接受的治疗方式。例如,治疗偏好数据用于反映患者更易接受较激进的治疗方式,或者,治疗偏好数据用于反映患者更易接受较保守的治疗方式。药物偏好数据用于反映患者更易接受的药物价格和药物种类。
在一种可选地实现方式中,电子设备在根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生之前,该电子设备还可以根据症状数据集合,确定用于指示患者所患目标疾病的疾病信息。获取每个候选医生对目标疾病的擅长指数,擅长指数用于反映对目标疾病的治愈能力。根据任一候选医生对目标疾病的擅长指数,更新患者与任一候选医生的医患匹配系数。
在另一种可选地实现方式中,电子设备在根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生之前,该电子设备还可以获取每个候选医生的工作量系数,任一候选医生的工作量系数用于反映任一候选医生在当前匹配周期的看诊数量。根据任一候选医生的工作量系数,更新患者与任一候选医生的医患匹配系数。
在又一种可选地实现方式中,电子设备在根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生之前,该电子设备还可以获取每个候选医生的候诊时长系数,任一候选医生的候诊时长系数用于反映等待任一候选医生看诊的患者等待看诊的时长。根据任一候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数。
本申请中,电子设备根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生的过程可以包括:电子设备在多个候选医生中筛选已预约人数小于第一人数阈值的一个或多个可预约医生。电子设备在患者与一个或多个可预约医生中每个可预约医生的医患匹配系数中,将最大医患匹配系数所属的可预约医生确定为目标医生。
其中,候选医生已预约人数为该候选医生已确定看诊的患者的人数。第一人数阈值为每个候选医生可看诊患者的额定人数(也即是可预约的人数上限数值)。在根据患者与每个可预约医生的医患匹配系数确定目标医生时,该医患匹配系数可以是更新后的医患匹配系数,也可以是未更新的医患匹配系数。当采用更新后的医患匹配系数确定目标医生时,由于更新后的医患匹配系数相较于未更新的医患匹配系数,其考虑了更多有利于目标医生看诊的因素,因此根据更新后的医患匹配系数可以更为准确地确定目标医生,提高了患者与医生的匹配准确度。
可选地,在多个候选医生中筛选已预约人数小于第一人数阈值的一个或多个可预约医生之后,电子设备还可以对可预约医生进行筛选,经过筛选的可预约医生为第二效益指数大于效益指数阈值的医生。示例地,效益指数阈值可以为患者可接受的可预约医生的最小第二效益指数,最小第二效益指数用于反映可预约医生对患者目标疾病的最低擅长程度。由于再次筛选后的每个可预约医生对患者目标疾病的擅长程度均大于最低擅长程度,因此,在再次筛选后的可预约医生中确定目标医生,可以保证目标医生的治疗效果,进一步提高患者与目标医生匹配的准确性。
本申请中,电子设备根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生的过程还可以包括:电子设备在患者与多个候选医生中每个候选医生的匹配系数中,将最大匹配系数所属的候选医生确定为目标候选医生。电子设备当目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,若目标候选医生对患者的效益指数大于目标候选医生对目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将目标候选医生确定为目标医生,将最小效益指数所属的已预约患者更新为待匹配患者。待匹配患者为未确定看诊医生的患者,任一目标候选医生对任一患者的效益指数根据任一目标候选医生对任一患者的擅长指数得到,任一目标候选医生对任一患者的擅长指数用于反映任一目标候选医生对任一患者所患疾病的治愈能力。
可选地,电子设备在将目标候选医生确定为目标医生之前,电子设备还可以判断患者与目标候选医生的医患匹配系数是否大于匹配系数阈值。该匹配系数阈值可以为患者可接受的医患匹配系数的最小值。则当患者与目标候选医生的医患匹配系数小于该匹配系数阈值时,表明患者无法接受患者与对应目标候选医生的匹配程度,则不将该目标候选医生确定为目标医生。此时,电子设备可以将该目标候选医生从多个候选医生中删除,并针对剩余的候选医生执行上述确定为患者看诊的目标医生的过程。
并且,电子设备在将目标候选医生确定为目标医生之后,若目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,且目标候选医生对患者的效益指数小于目标候选医生对目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将该目标候选医生从多个候选医生中删除,并针对剩余的候选医生执行上述确定为患者看诊的目标医生的过程。
第二方面,提供了一种针对患者的医生匹配装置。该针对患者的医生匹配装置包括多个功能模块,多个功能模块相互作用,实现上述第一方面及其各实施方式中的方法。多个功能模块可以基于软件、硬件或软件和硬件的结合实现,且多个功能模块可以基于具体实现进行任意组合或分割。
第三方面,提供了一种计算机设备。该计算机设备包括:处理器和存储器。存储器,用于存储计算机程序,计算机程序包括程序指令。处理器,用于调用计算机程序,实现上述第一方面及其各实施方式中的方法。
第四方面,提供了一种计算机存储介质。该计算机存储介质上存储有指令,当指令被处理器执行时,实现上述第一方面及其各实施方式中的方法。
第五方面,提供了一种芯片,芯片包括可编程逻辑电路和/或程序指令,当芯片运行时,实现上述第一方面及其各实施方式中的方法。
本申请提供的技术方案带来的有益效果至少包括:
通过根据患者的症状数据集合和特征数据集合确定的医患匹配系数,直接确定为其看诊的目标医生。并且用于确定医患匹配系数的特征数据集合包括性别和年龄,而由于当不同患者的身体素质不同时,对不同患者所患同一种疾病的看诊难度不同。当不同患者的就医偏好和经济状态不同时,医生对患者进行看诊的过程中,患者的配合程度和就医感受不同,使得对不同患者所患疾病的看诊效果也会出现差异。因此,通过根据患者的症状数据集合和特征数据集合确定为其看诊的医生,可以综合考虑到了患者的症状,以及患者的身体素质、就医偏好和经济状态等个人特征,能够从多维度为患者匹配更适合患者的医生,因此,能够提高为患者匹配医生的准确性,进而提高患者的治愈几率和患者的就医感受。
附图说明
图1是本申请实施例提供的一种针对患者的医生匹配方法的流程示意图;
图2是本申请实施例提供的一种ATM的概率示意图;
图3是本申请实施例提供的一种确定目标医生的流程示意图;
图4是本申请实施例提供的另一种确定目标医生的流程示意图;
图5是本申请实施例提供的一种针对患者的医生匹配装置的结构示意图;
图6是本申请实施例提供的另一种针对患者的医生匹配装置的结构示意图;
图7是本申请实施例提供的一种计算机设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供一种针对患者的医生匹配方法,该方法可以应用于电子设备,例如终端等,该终端可以是计算机、个人电脑、医用智能终端、便携式移动终端、多媒体播放器、电子书阅读器或可穿戴式设备等。该电子设备通过获取患者的症状数据集合和特征数据集合,确定该患者与多个候选医生中每个候选医生的医患匹配系数,根据该医患匹配系数在多个候选医生中确定为患者看诊的目标医生,并输出用于指示该目标医生的指示信息。其中,症状数据集合用于反映患者的身体因疾病而表现出来的异常状态。特征数据集合用于标识患者的身体素质、就医偏好和经济状态等个人特征。且患者的身体素质至少可以使用性别和/或年龄标识,即该特征数据集合至少包括性别数据和/或年龄数据。由于当不同患者的身体素质不同时,对不同患者所患同一种疾病的看诊难度不同。进一步地,特征数据集合还可以包括职业数据、医保数据、经济能力数据、治疗偏好数据和药物偏好数据等数据。当不同患者的就医偏好和经济状态等个人特征不同时,医生对患者进行看诊的过程中,患者的配合程度和就医感受不同,使得对不同患者所患疾病的看诊效果也会出现差异。因此,通过根据患者的症状数据集合和特征数据集合确定为其看诊的医生,可以综合考虑到了患者的症状、身体素质、就医偏好和经济状态等个人特征,能够从多维度为患者匹配更适合患者的医生,因此,能够提高为患者匹配医生的准确性,进而提高患者的治愈几率和患者的就医感受。
例如,对于同一种疾病,婴幼儿和老人的看诊难度比青年人的看诊难度较大。女性患者的看诊难度比男性患者的看诊难度较大。因此,在确定为患者看诊的医生时,可以为婴幼儿选择擅长治疗婴幼儿所属年龄段的患者的医生,为老人选择擅长治疗老人所属年龄段的患者的医生,为青年人选择擅长治疗青年人所属年龄段的患者的医生,使得医生对不同年龄段的患者进行针对性的看诊,因此,提高了患者匹配医生的准确性。
本申请实施例还提供了一种具有导诊预约功能的电子设备。该电子设备可以安装有导诊预约应用程序,该导诊预约应用程序可以为患者提供导诊预约服务。或者,该电子设备可以在网页端为患者提供导诊预约服务。该电子设备通过执行本申请实施例提供的针对患者的医生匹配方法,可以实现为患者匹配医生并为患者预约该医生的功能,即实现为患者提供导诊预约服务。其中,导诊预约服务可以包括:在线导诊预约服务和现场导诊预约服务中的至少一个。在线导诊预约服务指患者通过患者所持电子设备实现导诊预约的服务。现场导诊预约服务指患者在医疗机构使用医疗机构提供的电子设备实现导诊预约的服务。
请参考图1,其示出了本申请实施例提供的一种针对患者的医生匹配方法的流程示意图。该方法可以应用于电子设备。该方法包括:
步骤101、获取患者的症状数据集合和特征数据集合。
症状数据集合用于反映患者的身体因疾病而表现出来的异常状态。每个症状数据集合包括一个或多个症状数据,每个症状数据用于表示一种症状。不同的症状数据集合按照不同的患者进行划分,不同的症状数据按照不同的症状划分。例如,症状数据集合包括头疼、发热和下肢浮肿三个症状数据。特征数据集合(又称情景数据集合)用于标识患者的身体素质、就医偏好和经济状态等个人特征。每个特征数据集合包括一个或多个特征数据,每个特征数据用于表示一种个人特征。不同的特征数据集合按照不同的患者进行划分,不同的特征数据按照不同的个人特征划分。其中,特征数据集合中,患者的身体素质至少可以使用性别和/或年龄标识,即该特征数据集合至少包括性别数据和/或年龄数据。
可选地,该特征数据集合还包括以下一个或多个特征数据:职业数据、医保数据、经济能力数据、治疗偏好数据和药物偏好数据。职业数据用于反映患者的职业。医保数据用于反映患者的医保适用范围和医保报销额度等医保情况。例如,该医保数据可以包括反映医保为市医保、省医保和商业医疗保险等反映医保适用范围的数据,反映医保的报销比例为70%或80%的报销额度等数据。经济能力数据用于反映患者的经济情况。例如,该经济能力数据可以反映患者年收入处于第一区间(例如5万(w)-10w)、第二区间(例如10w-30w)、第三区间(例如30w-50w)和第四区间(例如50w-70w)等。其中,第一区间、第二区间、第三区间和第四区间等区间的区间值越大代表患者的经济情况越好。治疗偏好数据用于反映患者更易接受的治疗方式。例如,治疗偏好数据用于反映患者更易接受较激进的治疗方式,或者,治疗偏好数据用于反映患者更易接受较保守的治疗方式。其中,激进的治疗方式是指治疗周期较短且效果显著,但副作用稍大的治疗方式。保守的治疗方式是指治疗周期较长且效果缓慢,但副作用稍小的治疗方式。药物偏好数据用于反映患者更易接受的药物价格和药物种类。例如,药物偏好数据可以包括反映患者更易接受较昂贵的药物价格,或者,反映患者更易接受较经济的药物价格等反映患者更易接受的药物价格范围的数据,药物偏好数据还可以反映患者更易接受中药、西药或中成药等。其中,对于治疗同一疾病的药物,当该药物的价格大于指定价格阈值时,可以认为该药物价格较为昂贵;当该药物的价格小于或等于指定价格阈值时,可以认为该药物价格较为经济。且该指定价格阈值可以根据应用需求确定。
示例地,症状数据集合可以为头痛、发热和下肢浮肿。特征数据集合可以包括:性别标识男、年龄标识35、患者的职业为司机、患者的医保情况为a市医保、患者的年收入处于5w-10w这一区间、患者较易接收保守的治疗方式和较经济的药物价格。
步骤102、根据症状数据集合和特征数据集合,确定患者与多个候选医生中每个候选医生的医患匹配系数。
医患匹配系数用于反映患者与候选医生的匹配程度。多个候选医生可以是医疗机构中的部分或全部医生,也可以是医疗机构中每一个科室的部分或全部医生,本申请实施例对此不做限定。
本申请实施例中,电子设备根据症状数据集合和特征数据集合,确定患者与多个候选医生中每个候选医生的医患匹配系数的实现方式可以有多种,本申请实施例以以下两种实现方式为例进行说明。
第一种可选的实现方式,根据待匹配目标医生的目标患者的目标症状数据集合和目标特征数据集合,确定该目标患者所患的目标疾病,并分别确定每个候选医生看诊该目标疾病的第一概率,确定每个候选医生看诊具有该目标特征数据集合的患者的第二概率,确定具有目标特征数据集合的患者患有目标疾病时出现目标症状数据集合所描述的症状的第三概率,然后根据该第一概率、第二概率和第三概率,确定该目标患者与每个候选医生的医患匹配系数。
其中,为便于与确定第一概率、第二概率和第三概率时所涉及的患者、特征数据集合和症状数据集合进行区分,将待匹配医生的患者称为目标患者,其输入的症状数据集合称为目标症状数据集合,特征数据集合称为目标特征数据集合。电子设备中预先存储有每个候选医生看诊不同疾病中每种疾病的第一概率的第一对应关系,每个候选医生看诊具有不同特征数据中每种特征数据的患者的第二概率的第二对应关系,以及,具有不同特征数据中任一特征数据的患者患有不同疾病中任一疾病时出现不同症状数据中每种症状数据所描述的症状中的第三概率的第三对应关系。因此,电子设备可以根据该目标疾病目标特征数据分别查询该第一对应关系、第二对应关系和第三对应关系,以得到目标疾病对应的第一概率、目标特征数据对应的第二概率、以及目标疾病和目标特征数据对应的第三概率。
并且,该第一对应关系、第二对应关系和第三对应关系可以通过统计或大数据处理技术得到。例如,该第一概率、第二概率和第三概率可以对多个训练文档进行统计或大数据处理得到,每个训练文档可以记载有一个候选医生数据,及该候选医生看诊的至少一个疾病的疾病信息、看诊的至少一个患者的特征数据集合以及症状数据集合。其中,该训练文档可以是从医疗机构的历史看诊记录得到。
可选地,预先获取多个训练文档,每个训练文档与一个候选医生对应,与任一候选医生对应的训练文档中记载有该任一候选医生看诊的一种或多种疾病的疾病信息,看诊的一个或多个患者的特征数据集合和症状数据集合。根据该多个训练文档记载的内容,分别统计第一概率、第二概率和第三概率。该第一概率、第二概率和第三概率的统计方式分别如下:
第一概率的统计方式为:统计任一候选医生看诊一种或多种疾病的第一总次数,及任一候选医生看诊任一种疾病的第二总次数,并将第一总次数与第二总次数的比值确定为该任一候选医生看诊该任一种疾病的第一概率。按照该统计方式依次统计出所有候选医生看诊所有疾病的第一概率,得到该第一对应关系。
第二概率的统计方式为:统计任一候选医生看诊时出现过的特征数据的第一总数,以及该任一候选医生看诊过程中出现过的任一特征数据的第二总数,并将该第二总数与第一总数的比值确定为该任一候选医生看诊时出现过的该任一特征数据的第二概率。按照该统计方式依次统计出所有候选医生看诊看诊时出现过的所有特征数据的第二概率,得到该第二对应关系。
第三概率的统计方式为:统计任一候选医生看诊患者患有任一种疾病,且患者具有任一特征数据和任一症状数据的第一总数,以及所有候选医生看诊的患者患有任一种疾病,且患者具有任一特征数据的第二总数,并将该第二总数与第一总数的比值确定为该任一候选医生看诊时出现过的该任一特征数据的第三概率。按照该统计方式依次统计出所有候选医生看诊时出现过的所有特征数据的第三概率,得到该第二对应关系。
对于每个症状数据:首先针对任一候选医生根据第二对应关系(也称特征数据分布),确定该任一候选医生对应的多个特征数据,在该多个特征数据中选择一个特征数据。针对该任一候选医生根据第一对应关系(也称疾病信息分布),确定该任一候选医生对应的多个疾病信息,在该多疾病信息中选择一个疾病信息。根据选择的疾病信息、选择的特征数据以及第三对应关系(也称症状数据分布),确定选择的疾病信息和选择的特征数据对应的多个症状数据,在该多个病症数据中选择一个症状数据,然后根据该选择的疾病信息、特征数据和症状数据生成该任一候选医生的一个数据集合。按照该方式分别针对不同特征数据和不同的疾病信息,针对该任一候选医生在多个病症数据中选择不同的症状数据,然后根据每次选择的疾病信息、特征数据和症状数据分别生成一个数据集合,得到该任一候选医生的多个数据集合。其中,每个数据集合记载有该任一候选医生、选择的疾病信息、选择的特征数据以及症状数据的对应关系。然后针对多个候选医生中的每个候选医生执行该生成数据集合的过程,得到每个候选医生的数据集合。
需要说明的是,当一个训练文档包括m个症状数据,p个特征数据时,由于症状数据与特征数据合具有m×p种组合方式,为了分别针对不同的症状数据和不同的特征数据进行统计,则可以将每个症状数据分别复制p-1个,使得复制后的m×p个症状数据,每个症状数据与一个特征数据构成疾病特征集合,得到m×p个疾病特征集合,并根据每种疾病特征集合进行统计。
可选地,电子设备可以采用医患匹配模型确定患者与每个候选医生的医患匹配系数。其中,该医患匹配模型存储有第一对应关系、第二对应关系和第三对应关系。该医患匹配模型接收到目标患者的目标症状数据集合和目标特征数据集合后,可以根据该目标症状数据集合、目标特征数据集合、第一对应关系、第二对应关系和第三对应关系,确定任一候选医生看诊目标症状数据集合中每个目标特征数据所确定的目标疾病的第一概率、该任一候选医生看诊时出现过目标特征数据集合中每个目标特征数据的第二概率、以及具有该目标特征数据集合中目标特征数据,以及患有该目标疾病的患者中具有目标症状数据集合中目标病症数据的第三概率,并根据确定的第一概率、第二概率和第三概率,确定该目标患者与任一候选医生的医患匹配系数,以得到该患者与每个候选医生的医患匹配系数。
示例地,该医患匹配模型可以为作者主题模型(author-topic model,ATM)。图2为本申请实施例提供的一种ATM的概率示意图。如图2所示,x表示候选医生、z表示疾病信息(又称主题)、s表示症状数据、fi表示特征数据、θ表示疾病信息分布、π表示特征数据分布、表示症状数据分布,α为疾病信息分布的迪里克莱(Dirichlet)先验概率值、β为特征数据分布的Dirichlet先验概率值、γ为症状数据分布的Dirichlet先验概率值、A表示候选医生的数量、K表示疾病信息的数量、F表示特征数据的数量、D表示训练文档的数量、N表示一个训练文档中症状数据的数量,以及B表示所有训练文档中症状数据的种类总数。其中,α、β和γ通常均为预先设置的值。
一个疾病特征集合(z,fi)对应一个症状数据s的第三概率: 表示记载有该疾病特征集合(z,fi)记载有的该症状数据s的总数,表示记载有疾病特征集合(z,fi)的训练文档中,所有候选医生看诊时出现的所有症状数据的总数。
可选地,目标患者与任一候选医生的医患匹配系数与任一候选医生对应的第一概率、第二概率和第三概率正相关。例如,任一候选医生对应的第一概率、第二概率和第三概率,以及该目标患者与任一候选医生x的医患匹配系数(概率)G满足:
其中,con表示目标患者的目标特征数据集合,该目标特征数据集合包括一个或多个特征数据;sym表示目标患者的目标症状数据集合,该目标特征数据集合包括一个或多个特征数据;a∝b表示a正比于b;表示b1到bn的乘积。
本申请实施例中,在确定目标患者与每个候选医生的医患匹配系数后,电子设备还可以将目标患者与每个候选医生的概率进行归一化处理,得到该目标患者与每个候选医生的归一化后的医患匹配系数,然后根据该目标患者与每个候选医生归一化后的医患匹配系数,生成该目标患者的医患匹配列表。
第二种可选的实现方式,电子设备预先存储有医患对应关系,电子设备接收到目标患者的目标特征数据集合和目标症状数据集合后,可以根据该目标特征数据集合和目标症状数据集合查询该医患对应关系,以得到目标患者与每个候选医生的医患匹配系数。该医患对应关系记录有特征数据集合和症状数据集合与医患匹配系数的对应关系。
其中,该医患对应关系可以预先存储在电子设备中,且该医患对应关系可以根据医疗机构的历史的特征数据集合、症状数据集合,以及根据每个特征数据集合和每个症状数据集合确定的医患匹配系数建立。
步骤103、获取其他参数数据。
可选地,电子设备还可以参考其他参数数据对医患匹配系数进行更新,并根据更新后的医患匹配系数为患者匹配为患者看诊的目标医生,以提高确定目标医生的准确性。其实现方式可以有多种,下面分别对其进行说明:
可选地,其他参数数据包括以下一个或多个:候选医生对目标疾病的擅长指数、候选医生的工作量系数以及候选医生的候诊时长系数等。
其中,候选医生对目标疾病的擅长指数用于反映候选医生对目标疾病的治愈能力,该目标疾病为患者所患的疾病。候选医生的候诊时长系数用于反映等待该候选医生看诊的患者等待看诊的时长,也可以用于反映该候选医生看诊的患者等待看诊的速度。候选医生的工作量系数用于反映候选医生在当前匹配周期的看诊数量。当电子设备在提供在线预约导诊服务时,匹配周期为向患者输出指示目标医生的指示信息的输出周期,当前匹配周期的看诊数量为当前匹配周期内的预约看诊数量。例如,若假设电子设备提供在线导诊预约服务时,患者可以提前3天预约医生,且患者在预约当天可以接收到指示信息(也即是输出周期为1天),则可以确定匹配周期为1天。当电子设备在提供现场导诊预约服务时,该当前匹配周期为患者可以使用医疗机构提供的电子设备预约医生的总时长之和,则当前匹配周期的看诊数量为所有使用医疗机构提供的电子设备预约的患者的总人数。该当前匹配周期的时长可以根据应用需求确定。示例地,当前匹配周期可以为12个小时、一天、两天或七天等。
可选地,任一候选医生对任一疾病的擅长指数、任一候选医生的工作量系数以及任一候选医生的候诊时长系数等参数数据,可以采用计算方式得到。下面对任一候选医生对任一疾病的擅长指数、任一候选医生的工作量系数以及任一候选医生的候诊时长系数等参数数据的计算方式进行说明:
电子设备计算任一候选医生对目标疾病的擅长指数的过程可以包括:电子设备首先根据目标患者的症状数据集合,确定用于指示目标患者所患目标疾病的疾病信息;然后根据参考因子计算每个候选医生对目标疾病的擅长指数。
可选地,电子设备可以预先存储有知识图谱,该知识图谱用于记录症状数据和疾病信息的对应关系。电子设备根据目标患者的症状数据集合,查询该知识图谱可以确定用于反映该症状数据集合对应的目标疾病的疾病信息。
该参考因子包括以下一个或多个:性别因子、年龄因子、治疗方案选择因子和药物选择因子等。本申请实施例以参考因子包括性别因子、年龄因子、治疗方案选择因子和药物选择因子这四个因子为例进行说明。此时,任一候选医生j对目标患者i所患目标疾病的擅长指数eij满足:
其中,表示该任一候选医生j治愈的患有任一疾病的所有患者中,与目标患者i性别相同的患者所占的比例,与患有目标疾病的所有患者中,与目标患者i性别相同的患者所占的比例的比值。例如,当目标患者为男性患者时, 表示该任一候选医生j治愈的患有任一疾病的所有患者中,男性患者所占的比例,表示患有该目标疾病的所有患者中,男性患者所占的比例。
需要说明的是,电子设备中可以存储有上述参考因子的默认值,若电子设备并未获取到目标患者的涉及上述参考因子的特征数据集合,则电子设备可以根据对应参考因子的默认值计算任一候选医生对目标疾病的擅长指数。
电子设备计算任一候选医生的工作量系数的过程可以包括:电子设备根据多个候选医生在当前匹配周期的平均看诊数量以及该任一候选医生在当前匹配周期的看诊数量,计算得到任一候选医生的工作量系数。
可选地,任一候选医生j的工作量系数wij满足:
可选地,由于每个候选医生在固定时长内的看诊数量通常为定值,则fj和的取值也通常为定值,且该定值可以根据经验得到。因此,任一候选医生的工作量系数也通常为定值,则本申请实施例中,电子设备在执行步骤103时可以直接获取该定值,而无需实时监测多个候选医生中每个候选医生的看诊数量,也无需进行计算,这样能够在保证获取到候选医生的工作量系数的情况下,减少电子设备的计算量,降低了计算开销。
电子设备计算任一候选医生对目标疾病的候诊时长系数的过程可以包括:电子设备可以根据已预约该任一候选医生且还未看诊的患者的人数,计算得到任一候选医生的候诊时长系数。
可选地,任一候选医生的候诊时长系数sij满足:
其中,hj为已预约该任一候选医生j且还未看诊的患者的人数。其中,当sij=1时,可以确定该任一候选医生当前没有未看诊的患者。
步骤104、根据其他参数数据,更新患者与每个候选医生的医患匹配系数。
可选地,当其他参数数据所包括的参数不同时,根据该其他参数数据更新医患匹配系数的实现方式不同,本申请实施例以以下七种可选的实现方式为例进行说明。
第一种可选的实现方式:当其他参数数据为候选医生对目标疾病的擅长指数时,可以根据任一候选医生对目标疾病的擅长指数,更新患者与任一候选医生的医患匹配系数。
可选地,可以将步骤102中确定的医患匹配系数作为第一效益指数,将候选医生对目标疾病的擅长指数作为第二效益指数,并采用包括第一效益指数和第二效益指数的二维数据表示更新后的医患匹配系数。或者,将患者与任一候选医生的医患匹配系数更新为医患匹配系数和候选医生对目标疾病的擅长指数的乘积。
第二种可选的实现方式:当其他参数数据为候选医生的工作量系数时,可以根据任一候选医生的工作量系数,更新患者与任一候选医生的医患匹配系数。
可选地,可以将步骤102中确定的医患匹配系数作为第一效益指数,将候选医生的工作量系数作为第二效益指数,并采用包括第一效益指数和第二效益指数的二维数据表示更新后的医患匹配系数。或者,将患者与任一候选医生的医患匹配系数更新为医患匹配系数和候选医生的工作量系数的乘积。
第三种可选的实现方式:当其他参数数据为候选医生的候诊时长系数时,可以根据任一候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数。此时,该更新后的医患匹配系数也可称为第一效益指数。
可选地,可以将任一候选医生的候诊时长系数和医患匹配系数的乘积作为第一效益指数,该第一效益指数确定为更新后的医患匹配系数。
第四种可选的实现方式:当其他参数数据为候选医生对目标疾病的擅长指数和候选医生的工作量系数时,可以根据候选医生对目标疾病的擅长指数和候选医生的工作量系数,更新患者与任一候选医生的医患匹配系数。
可选地,可以将步骤102中确定的医患匹配系数作为第一效益指数,将候选医生对目标疾病的擅长指数和候选医生的工作量系数的乘积作为第二效益指数,并采用包括第一效益指数和第二效益指数的二维数据表示更新后的医患匹配系数。
第五种可选的实现方式:当其他参数数据为候选医生对目标疾病的擅长指数和候选医生的候诊时长系数时,可以根据候选医生对目标疾病的擅长指数和候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数。
可选地,可以将步骤102中确定的医患匹配系数与候选医生的候诊时长系数的乘积作为第一效益指数,将候选医生对目标疾病的擅长指数作为第二效益指数,并采用包括第一效益指数和第二效益指数的二维数据表示更新后的医患匹配系数。
第六种可选的实现方式:当其他参数数据为候选医生的工作量系数和候选医生的候诊时长系数时,可以根据候选医生的工作量系数和候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数。
可选地,可以将步骤102中确定的医患匹配系数与候选医生的候诊时长系数的乘积作为第一效益指数,将候选医生的工作量系数作为第二效益指数,并采用包括第一效益指数和第二效益指数的二维数据表示更新后的医患匹配系数。
第七可选的实现方式:当其他参数数据为候选医生对目标疾病的擅长指数、候选医生的工作量系数和候选医生的候诊时长系数时,可以根据候选医生对目标疾病的擅长指数、候选医生的工作量系数和候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数。
可选地,可以将步骤102中确定的医患匹配系数与候选医生的候诊时长系数的乘积作为第一效益指数,将候选医生的工作量系数与候选医生对目标疾病的擅长指数的乘积作为第二效益指数,并采用包括第一效益指数和第二效益指数的二维数据表示更新后的医患匹配系数。
或者,根据候选医生对目标疾病的擅长指数、候选医生的工作量系数和候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数的过程还可以包括:根据任一候选医生的候诊时长系数、医患匹配系数、对目标疾病的擅长指数和工作量系数的乘积,确定为更新后的医患匹配系数。
需要说明的是,上述步骤103和步骤104为可选步骤,在针对患者匹配医生的过程中,可以选择执行或不执行该步骤103和步骤104。
步骤105、根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生。
可选地,电子设备根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生的过程可以有多种实现方式,本申请实施例以以下两种可选的实现方式为例进行说明。
第一种可选的实现方式,如图3所示,可以在可预约医生中确定目标医生。其实现过程可以包括:
步骤1051a、电子设备在多个候选医生中筛选已预约人数小于第一人数阈值的一个或多个可预约医生。
其中,候选医生已预约人数为该候选医生已确定看诊的患者的人数。第一人数阈值为每个候选医生可看诊患者的额定人数(也即是可预约的人数上限数值)。该实现方式可适用于在线导诊预约服务和现场导诊预约服务。并且,在在线导诊预约服务中使用的第一人数阈值,与现场导诊预约服务中使用的第一人数阈值可以相同或不同。
步骤1052a、电子设备在患者与一个或多个可预约医生中每个可预约医生的医患匹配系数中,将最大医患匹配系数所属的可预约医生确定为目标医生。
其中,当执行步骤103和步骤104时,在根据患者与每个可预约医生的医患匹配系数确定目标医生时,该医患匹配系数是更新后的医患匹配系数。当未执行步骤103和步骤104时,该医患匹配系数是步骤102确定的医患匹配系数。当采用更新后的医患匹配系数确定目标医生时,由于更新后的医患匹配系数相较于未更新的医患匹配系数,其考虑了更多有利于目标医生看诊的因素,因此根据更新后的医患匹配系数可以更为准确地确定目标医生,提高了患者与医生的匹配准确度。并且,当更新后的医患匹配系数采用包括第一效益指数和第二效益指数的二维数据表示时,在该步骤105的第一种可实现方式中采用的医患匹配系数为第一效益指数。
本申请实施例中,电子设备在执行完上述步骤1051a后,还可以对可预约医生进行筛选,经过筛选的可预约医生为第二效益指数大于效益指数阈值的医生。示例地,效益指数阈值可以为患者可接受的可预约医生的最小第二效益指数,最小第二效益指数用于反映可预约医生对患者目标疾病的最低擅长程度。由于再次筛选后的每个可预约医生对患者目标疾病的擅长程度均大于最低擅长程度,因此,在再次筛选后的可预约医生中确定目标医生,可以保证目标医生的治疗效果,进一步提高患者与目标医生匹配的准确性。
可选地,电子设备中可以存储有效益指数阈值,且该效益指数阈值可以根据应用需求确定的。或者,电子设备也可以根据参数计算得到效益指数阈值。例如,当效益指数阈值根据参数计算得到时,任一候选医生j的效益指数阈值满足:
α为修正系数,该修正系数可以基于可预约医生的到岗率和/或可预约医生的所擅长看诊的疾病的是否处于高发期等因素得到。例如,可预约医生的到岗率越低,修正系数越低;反之,可预约医生的到岗率越高,修正系数越高。或者,在确定目标医生时,若可预约医生的所擅长看诊的疾病处于高发期,则修正系数较低;反之,若可预约医生的所擅长看诊的疾病不处于高发期,则修正系数较高。
示例地,电子设备在实现为患者提供现场导诊预约服务时,若采用第一种可选的实现方式确定目标医生时,上述步骤1051a中第一人数阈值可以为针对电子设备提供的现场导诊预约服务中,每个候选医生可看诊的患者的第一人数,也可以为每个候选医生可看诊的患者的总人数,该总人数为电子设备提供的现场导诊预约服务和在线导诊预约服务中每个候选医生可看诊的患者的人数之和。相应的,若第一人数阈值为第一人数,则候选医生的已预约人数为通过电子设备提供的现场导诊预约服务预约医生的患者的人数。若第一人数阈值为每个候选医生可看诊的患者的总人数,候选医生的已预约人数为所有确定该候选医生看诊的患者的人数。可选地,上述步骤1052a中患者与一个或多个可预约医生中每个可预约医生的医患匹配系数可以为步骤104中第三种可选的实现方式更新后的医患匹配系数。
第二种可选的实现方式,如图4所示,可以根据第一效益指数和第二效益指数,在多个候选医生中,确定为患者看诊的目标医生。其实现过程可以包括:
步骤1051b、在患者与多个候选医生中每个候选医生的医患匹配系数中,将最大医患匹配系数所属的候选医生确定为目标候选医生。
步骤1052b、当目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,若目标候选医生对患者的效益指数大于目标候选医生对目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将目标候选医生确定为目标医生,将最小效益指数所属的已预约患者更新为待匹配患者。
其中,待匹配患者为未确定看诊医生的患者。且任一目标候选医生对任一患者的效益指数根据所述任一目标候选医生对所述任一患者的擅长指数得到。在一种实现方式中,任一目标候选医生对任一患者的效益指数可以为任一目标候选医生对所述任一患者的擅长指数。在另一种可实现方式中,任一目标候选医生对任一患者的效益指数可以为任一目标候选医生对任一患者的擅长指数与任一目标候选医生的工作量系数的乘积。第二人数阈值可以与第一人数阈值相同或不同。
可选地,当目标候选医生在当前匹配周期内的已预约患者的总人数小于第二人数阈值时,表明该目标候选医生还可以接受患者的预约,则电子设备可以确定该目标候选医生为目标医生。
本申请实施例中,在执行步骤1052b之前,电子设备还可以判断患者与目标候选医生的医患匹配系数(也即是最大医患匹配系数)是否大于匹配系数阈值。该匹配系数阈值可以为患者可接受的医患匹配系数的最小值。则当患者与目标候选医生的医患匹配系数小于该匹配系数阈值时,表明患者无法接受患者与对应目标候选医生的匹配程度,则不将该目标候选医生确定为目标医生。此时,电子设备可以将该目标候选医生从多个候选医生中删除,并针对剩余的候选医生执行上述步骤1051b和步骤1052b。
并且,在执行步骤1052b之后,当目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,且目标候选医生对患者的效益指数小于目标候选医生对目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将该目标候选医生从多个候选医生中删除,并针对剩余的候选医生执行上述步骤1051b和步骤1052b。
示例地,本申请实施例以患者与多个候选医生中每个候选医生的医患匹配系数为上述步骤103中第三种可选的实现方式更新后的医患匹配系数(也即是第一效益指数),效益指数为第二效益指数为例,对采用该第二种可选的实现方式确定目标医生的过程进行再次说明。
假设,多个候选医生中包括医生d1和医生d2,患者u1、患者u2和患者u3,且患者u2和患者u3已预约医生d1。医生d1的第一效益指数为L1、对患者u1的效益指数为M1、对患者u2的效益指数为M2以及对患者u3的效益指数为M3;医生d2的第一效益指数为L2、对患者u1的效益指数为M4、对患者u2的效益指数为M5以及对患者u3的效益指数为M6。匹配系数阈值为L,并且L1>L2>L3>L,M1>M2>M3>M4>M5>M6。
确定为患者u1看诊的目标医生的过程包括:电子设备在第一效益指数L1、第一效益指数L2和第一效益指数L3中,将最大的效益指数L1所属的候选医生确定为目标候选医生。且确定第一效益指数L1大于匹配系数阈值L。获取医生d1在当前匹配周期内的已预约患者的总人数U,当总人数U等于第二人数阈值时,获取医生d1的已预约患者u2的效益指数M2以及患者u3的效益指数M3中最小效益指数M3,由于医生d1对患者u1的效益指数M1大于医生d1对患者u3的效益指数M3,将该目标候选医生确定为目标医生,将最小的效益指数M3所属的患者u3更新为待匹配患者,该患者u3可以继续执行确定为患者看诊的目标医生的过程。
若L1>L2>L3>L变为L1>L>L2>L3,则电子设备确定最大第一效益指数L1之后,由于第一效益指数L1小于匹配系数阈值L,则电子设备将最大第一效益指数L1所属的候选医生从多个候选医生中删除,并针对剩余的候选医生执行确定为患者看诊的目标医生的过程,本申请实施例对此不做赘述。
步骤106、输出用于指示目标医生为患者看诊的指示信息。
电子设备可以具有显示屏,该显示屏用于显示指示信息。在确定目标医生后,电子设备可以在显示屏中显示该目标医生,以向患者提示为该患者看诊的目标医生。
可选地,电子设备可以周期性的输出指示信息。例如,电子设备可以在一个匹配周期结束后,向患者输出用于指示目标医生为患者看诊的指示信息。以上述步骤1052b中的例子为例,匹配周期为1天,则电子设备也可以每天输出用于指示目标医生为患者看诊的指示信息。
本申请实施例中,在电子设备输出用于指示目标医生为患者看诊的指示信息后,针对该患者匹配的医生将不再更改。
综上所述,本申请实施例提供的针对患者的医生匹配方法,通过根据患者的症状数据集合和特征数据集合确定的医患匹配系数,直接确定为其看诊的目标医生。并且用于确定医患匹配系数的特征数据集合包括性别和年龄,而由于当不同患者的身体素质不同时,对不同患者所患同一种疾病的看诊难度不同。当不同患者的就医偏好和经济状态不同时,医生对患者进行看诊的过程中,患者的配合程度和就医感受不同,使得对不同患者所患疾病的看诊效果也会出现差异。因此,通过根据患者的症状数据集合和特征数据集合确定为其看诊的医生,可以综合考虑到了患者的症状,以及患者的身体素质、就医偏好和经济状态等个人特征,能够从多维度为患者匹配更适合患者的医生,因此,能够提高为患者匹配医生的准确性,进而提高患者的治愈几率和患者的就医感受。
下面以电子设备通过上述方法实现在线导诊预约服务为例,对本申请实施例提供的针对患者的医生匹配方法进行说明。示例一,假设,当前匹配周期内,患者u1、患者u2和患者u3依次进行了医生预约。多个候选医生中包括医生d1、医生d2和医生d3。匹配系数阈值为10,第二人数阈值为2。
电子设备分别获取患者u1、患者u2和患者u3的症状数据集合和特征数据集合。并根据每个患者的症状数据集合和特征数据集合,分别确定每个患者i与每个医生j的医患匹配系数,得到医患匹配系数mij。
分别根据获取的医生d1、医生d2和医生d3的候诊时长系数sij和医患匹配系数mij,确定患者与每个医生的第一效益指数xij。
分别根据获取的医生d1、医生d2和医生d3对目标疾病的擅长指数eij和工作量系数wij,确定第二效益指数yij。
根据患者的预约时间,首先确定为患者u1看诊的目标医生。该为患者u1确定目标医生的过程包括:确定第一效益指数x11、第一效益指数x12和第一效益指数x13中最大效益指数Lmax1。若x11>x12>x13,则确定第一效益指数x11所属医生d1为目标候选医生。若第一效益指数x11大于10,获取医生d1当前匹配周期内的已预约患者的总人数U为0。由于U小于第二人数阈值,将医生d1确定为患者u1看诊的的目标医生,也即是为患者u1预约医生d1,向患者u1输出用于指示医生d1的指示信息。
然后确定为患者u2看诊的目标医生。该为患者u2确定目标医生的过程包括:确定第一效益指数x21、第一效益指数x22和第一效益指数x23中最大效益指数Lmax2。若x21>x22>x23,则确定第一效益指数x21所属医生d1为目标候选医生。若第一效益指数x21大于10,则获取医生d1当前匹配周期内的已预约患者的总人数U为1。由于U小于第二人数阈值,将医生d1确定为患者u2的目标医生,并为患者u2预约医生d1,再输出用于指示医生d1为患者u2看诊的指示信息。
之后确定为患者u3看诊的目标医生。该为患者u3确定目标医生的过程包括:确定第一效益指数x31、第一效益指数x32和第一效益指数x33中最大第一效益指数Lmax3。若x31>x32>x33,则确定第一效益指数x31所属医生d1为目标候选医生。若第一效益指数x31大于10,则获取医生d1当前匹配周期内的已预约患者的总人数U为2。由于U等于第二人数阈值,获取第二效益指数y11和第二效益指数y21,且确定第二效益指数y11大于第二效益指数y21。若医生d1对患者u3的第三效益指数y31大于医生d1对医生d1对已预约患者u2和患者u3的效益指数中的最小第二效益指数y21时,将医生d1确定为患者u3的目标医生,将患者u2更新为待匹配患者。若医生d1对患者u3的第三效益指数y31小于医生d1对医生d1对已预约患者u2和患者u3的效益指数中的最小第二效益指数y21时,将医生d1从多个候选医生中删除,并针对剩余的候选医生(也即是医生d2和医生d3)执行确定为患者看诊的目标医生的过程。
重复执行上述确定目标医生的过程,直至3个患者均确定了为其看诊的目标医生,也即是3个患者均匹配到目标医生。
下面以电子设备通过上述方法实现现场导诊预约服务为例,对本申请实施例提供的针对患者的医生匹配方法进行说明。示例二,假设,患者u4进行了医生预约。多个候选医生中包括医生d1、医生d2和医生d3。电子设备确定患者u4与每个医生j的第一效益指数x4j和第二效益指数y4j,且确定第一效益指数x4j和第二效益指数y4j的过程可以参考上述示例一。
电子设备在医生d1、医生d2和医生d3中筛选得到已预约人数小于第一人数阈值的医生d2和医生d3。且医生d2的第二效益指数x42和医生d3的第二效益指数x43均大于效益指数阈值。若患者u4与医生d2的第一效益指数x42大于患者u4与医生d3的第一效益指数x43,将第一效益指数x42所属的医生d2确定为目标医生,并为患者u4预约医生d2,向输出用于指示医生d2为患者u4看诊的指示信息。
图5是本申请实施例提供的一种针对患者的医生匹配装置的结构示意图。如图5所示,针对患者的医生匹配装置200包括:
第一获取模块201,用于获取患者的症状数据集合和特征数据集合,症状数据集合用于反映患者的身体因疾病而表现出来的异常状态,特征数据集合用于标识患者,特征数据集合包括性别数据和年龄数据。
第一确定模块202,用于根据症状数据集合和特征数据集合,确定患者与多个候选医生中每个候选医生的医患匹配系数,医患匹配系数用于反映患者与候选医生的匹配程度。
第二确定模块203,用于根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生。
输出模块204,用于输出用于指示目标医生为患者看诊的指示信息。
可选地,特征数据集合还包括以下一个或多个:职业数据、医保数据、经济能力数据、治疗偏好数据和药物偏好数据。
可选地,如图6所示,针对患者的医生匹配装置200还包括:
第三确定模块205,用于根据症状数据集合,确定用于指示患者所患目标疾病的疾病信息。
第二获取模块206,用于获取每个候选医生对目标疾病的擅长指数,擅长指数用于反映对目标疾病的治愈能力。
第一更新模块207,用于根据任一候选医生对目标疾病的擅长指数,更新患者与任一候选医生的医患匹配系数。
可选地,针对患者的医生匹配装置200还包括:
第三获取模块208,用于获取每个候选医生的工作量系数,任一候选医生的工作量系数用于反映任一候选医生在当前匹配周期的看诊数量。
第二更新模块209,用于根据任一候选医生的工作量系数,更新患者与任一候选医生的医患匹配系数。
可选地,针对患者的医生匹配装置200还包括:
第四获取模块210,用于获取每个候选医生的候诊时长系数,任一候选医生的候诊时长系数用于反映等待任一候选医生看诊的患者等待看诊的时长。
第三更新模块211,用于根据任一候选医生的候诊时长系数,更新患者与任一候选医生的医患匹配系数。
可选地,第二确定模块203,用于:在多个候选医生中筛选已预约人数小于第一人数阈值的一个或多个可预约医生。在患者与一个或多个可预约医生中每个可预约医生的医患匹配系数中,将最大医患匹配系数所属的可预约医生确定为目标医生。
可选地,第二确定模块203,用于:在患者与多个候选医生中每个候选医生的匹配系数中,将最大匹配系数所属的候选医生确定为目标候选医生。
当目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,若目标候选医生对患者的效益指数大于目标候选医生对目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将目标候选医生确定为目标医生,将最小效益指数所属的已预约患者更新为待匹配患者,待匹配患者为未确定看诊医生的患者,任一目标候选医生对任一患者的效益指数根据任一目标候选医生对任一患者的擅长指数得到,任一目标候选医生对任一患者的擅长指数用于反映任一目标候选医生对任一患者所患疾病的治愈能力。
综上所述,本申请实施例提供的针对患者的医生匹配装置,第一确定模块根据第一获取模块获取的患者的症状数据集合和特征数据集合确定医患匹配系数,第二确定模块根据医患匹配系数直接确定为其看诊的目标医生。并且用于确定医患匹配系数的特征数据集合包括性别和年龄,而由于当不同患者的身体素质不同时,对不同患者所患同一种疾病的看诊难度不同。当不同患者的就医偏好和经济状态不同时,医生对患者进行看诊的过程中,患者的配合程度和就医感受不同,使得对不同患者所患疾病的看诊效果也会出现差异。因此,通过根据患者的症状数据集合和特征数据集合确定为其看诊的医生,可以综合考虑到了患者的症状,以及患者的身体素质、就医偏好和经济状态等个人特征,能够从多维度为患者匹配更适合患者的医生,因此,能够提高为患者匹配医生的准确性,进而提高患者的治愈几率和患者的就医感受。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图7是本申请实施例提供的一种计算机设备的框图。如图7所示,计算机设备300可以包括处理器301、存储器302、通信接口303和总线304。在该计算机设备中,处理器301的数量可以是一个或多个,图3仅示意了其中一个处理器301。可选的,处理器301可以是中央处理器(central processing unit,CPU)。若计算机设备具有多个处理器301,多个处理器301的类型可以不同,或者可以相同。可选的,计算机设备的多个处理器还可以集成为多核处理器。
存储器302存储计算机指令和数据,存储器302可以存储实现本申请提供的针对患者的医生匹配方法所需的计算机指令和数据。存储器302可以是以下存储介质的任一种或任一种组合:非易失性存储器(如只读存储器(read-only memory,ROM)、固态硬盘(solidstate disk,SSD)、硬盘(hard disk drive,HDD)、光盘等、易失性存储器。
通信接口303可以是以下器件的任一种或任一种组合:网络接口(如以太网接口)、无线网卡等具有网络接入功能的器件。
通信接口303用于计算机设备与其他节点或者其他计算机设备进行数据通信。
图3还示例性地绘制出总线304。总线304可以将处理器301与存储器302、通信接口303连接。这样,通过总线304,处理器301可以访问存储器302,还可以利用通信接口303与其他节点或者其他计算机设备进行数据交互。
在本申请中,计算机设备执行存储器302中的计算机指令,可以实现本申请提供的针对患者的医生匹配方法。例如,计算机设备执行存储器302中的计算机指令,可以执行以下步骤:获取患者的症状数据集合和特征数据集合,症状数据集合用于反映患者的身体因疾病而表现出来的异常状态,特征数据集合用于标识患者,特征数据集合包括性别数据和年龄数据。根据症状数据集合和特征数据集合,确定患者与多个候选医生中每个候选医生的医患匹配系数,医患匹配系数用于反映患者与候选医生的匹配程度。根据患者与每个候选医生的医患匹配系数,在多个候选医生中,确定为患者看诊的目标医生。输出用于指示目标医生为患者看诊的指示信息。并且,计算机设备通过执行存储器302中的计算机指令,执行该步骤的实现过程可以相应参考上述方法实施例中对应的描述。
本申请实施例还提供了一种计算机存储介质,该计算机存储介质上存储有指令,该存储介质为非易失性计算机可读存储介质,当指令被处理器执行时,实现本申请实施例提供的针对患者的医生匹配方法。
本申请实施例还提供了一种芯片,该芯片包括可编程逻辑电路和/或程序指令,当该芯片运行时用于实现本申请实施例提供的针对患者的医生匹配方法。
本申请实施例还提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行本申请实施例提供的针对患者的医生匹配方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本申请实施例中,术语“第一”、“第二”和“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的构思和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (16)
1.一种针对患者的医生匹配方法,其特征在于,所述方法包括:
获取患者的症状数据集合和特征数据集合,所述症状数据集合用于反映所述患者的身体因疾病而表现出来的异常状态,所述特征数据集合用于标识所述患者,所述特征数据集合包括性别数据和年龄数据;
根据所述症状数据集合和所述特征数据集合,确定所述患者与多个候选医生中每个候选医生的医患匹配系数,所述医患匹配系数用于反映所述患者与候选医生的匹配程度;
根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生;
输出用于指示所述目标医生为所述患者看诊的指示信息。
2.根据权利要求1所述的方法,其特征在于,所述特征数据集合还包括以下一个或多个:职业数据、医保数据、经济能力数据、治疗偏好数据和药物偏好数据。
3.根据权利要求1或2所述的方法,其特征在于,在所述根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生之前,所述方法还包括:
根据所述症状数据集合,确定用于指示所述患者所患目标疾病的疾病信息;
获取每个候选医生对所述目标疾病的擅长指数,所述擅长指数用于反映对所述目标疾病的治愈能力;
根据任一候选医生对所述目标疾病的擅长指数,更新所述患者与所述任一候选医生的医患匹配系数。
4.根据权利要求1至3任一所述的方法,其特征在于,在所述根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生之前,所述方法还包括:
获取每个候选医生的工作量系数,任一候选医生的工作量系数用于反映所述任一候选医生在当前匹配周期的看诊数量;
根据所述任一候选医生的工作量系数,更新所述患者与所述任一候选医生的医患匹配系数。
5.根据权利要求1至4任一所述的方法,其特征在于,在所述根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生之前,所述方法还包括:
获取每个候选医生的候诊时长系数,任一候选医生的候诊时长系数用于反映等待所述任一候选医生看诊的患者等待看诊的时长;
根据所述任一候选医生的候诊时长系数,更新所述患者与所述任一候选医生的医患匹配系数。
6.根据权利要求1至5任一所述的方法,其特征在于,所述根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生,包括:
在所述多个候选医生中筛选已预约人数小于第一人数阈值的一个或多个可预约医生;
在所述患者与所述一个或多个可预约医生中每个可预约医生的医患匹配系数中,将最大医患匹配系数所属的可预约医生确定为所述目标医生。
7.根据权利要求1至6任一所述的方法,其特征在于,所述根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生,包括:
在所述患者与所述多个候选医生中每个候选医生的匹配系数中,将最大匹配系数所属的候选医生确定为所述目标候选医生;
当所述目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,若所述目标候选医生对所述患者的效益指数大于所述目标候选医生对所述目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将所述目标候选医生确定为所述目标医生,将所述最小效益指数所属的已预约患者更新为待匹配患者,所述待匹配患者为未确定看诊医生的患者,任一目标候选医生对任一患者的效益指数根据所述任一目标候选医生对所述任一患者的擅长指数得到,所述任一目标候选医生对任一患者的擅长指数用于反映所述任一目标候选医生对所述任一患者所患疾病的治愈能力。
8.一种针对患者的医生匹配装置,其特征在于,所述装置包括:
第一获取模块,用于获取患者的症状数据集合和特征数据集合,所述症状数据集合用于反映所述患者的身体因疾病而表现出来的异常状态,所述特征数据集合用于标识所述患者,所述特征数据集合包括性别数据和年龄数据;
第一确定模块,用于根据所述症状数据集合和所述特征数据集合,确定所述患者与多个候选医生中每个候选医生的医患匹配系数,所述医患匹配系数用于反映所述患者与候选医生的匹配程度;
第二确定模块,用于根据所述患者与每个候选医生的医患匹配系数,在所述多个候选医生中,确定为所述患者看诊的目标医生;
输出模块,用于输出用于指示所述目标医生为所述患者看诊的指示信息。
9.根据权利要求8所述的方法,其特征在于,所述特征数据集合还包括以下一个或多个:职业数据、医保数据、经济能力数据、治疗偏好数据和药物偏好数据。
10.根据权利要求8或9所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于根据所述症状数据集合,确定用于指示所述患者所患目标疾病的疾病信息;
第二获取模块,用于获取每个候选医生对所述目标疾病的擅长指数,所述擅长指数用于反映对所述目标疾病的治愈能力;
第一更新模块,用于根据任一候选医生对所述目标疾病的擅长指数,更新所述患者与所述任一候选医生的医患匹配系数。
11.根据权利要求8至10任一所述的装置,其特征在于,所述装置还包括:
第三获取模块,用于获取每个候选医生的工作量系数,任一候选医生的工作量系数用于反映所述任一候选医生在当前匹配周期的看诊数量;
第二更新模块,用于根据所述任一候选医生的工作量系数,更新所述患者与所述任一候选医生的医患匹配系数。
12.根据权利要求8至11任一所述的装置,其特征在于,所述装置还包括:
第四获取模块,用于获取每个候选医生的候诊时长系数,任一候选医生的候诊时长系数用于反映等待所述任一候选医生看诊的患者等待看诊的时长;
第三更新模块,用于根据所述任一候选医生的候诊时长系数,更新所述患者与所述任一候选医生的医患匹配系数。
13.根据权利要求8至12任一所述的装置,其特征在于,所述第二确定模块,用于:
在所述多个候选医生中筛选已预约人数小于第一人数阈值的一个或多个可预约医生;
在所述患者与所述一个或多个可预约医生中每个可预约医生的医患匹配系数中,将最大医患匹配系数所属的可预约医生确定为所述目标医生。
14.根据权利要求8至13任一所述的装置,其特征在于,所述第二确定模块,用于:
在所述患者与所述多个候选医生中每个候选医生的匹配系数中,将最大匹配系数所属的候选医生确定为所述目标候选医生;
当所述目标候选医生在当前匹配周期内的已预约患者的总人数等于第二人数阈值时,若所述目标候选医生对所述患者的效益指数大于所述目标候选医生对所述目标候选医生的所有已预约患者的效益指数中的最小效益指数时,将所述目标候选医生确定为所述目标医生,将所述最小效益指数所属的已预约患者更新为待匹配患者,所述待匹配患者为未确定看诊医生的患者,任一目标候选医生对任一患者的效益指数根据所述任一目标候选医生对所述任一患者的擅长指数得到,所述任一目标候选医生对任一患者的擅长指数用于反映所述任一目标候选医生对所述任一患者所患疾病的治愈能力。
15.一种计算机设备,其特征在于,包括:处理器和存储器;
所述存储器,用于存储计算机程序,所述计算机程序包括程序指令;
所述处理器,用于调用所述计算机程序,实现如权利要求1至7任一所述的针对患者的医生匹配方法。
16.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有指令,当所述指令被处理器执行时,实现如权利要求1至7任一所述的针对患者的医生匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072681.8A CN113223677A (zh) | 2020-01-21 | 2020-01-21 | 针对患者的医生匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072681.8A CN113223677A (zh) | 2020-01-21 | 2020-01-21 | 针对患者的医生匹配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113223677A true CN113223677A (zh) | 2021-08-06 |
Family
ID=77085408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010072681.8A Pending CN113223677A (zh) | 2020-01-21 | 2020-01-21 | 针对患者的医生匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223677A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903442A (zh) * | 2021-10-19 | 2022-01-07 | 北京富通东方科技有限公司 | 一种专科医生推荐方法及装置 |
CN118173281A (zh) * | 2024-04-01 | 2024-06-11 | 首都体育学院 | 一种向患者推荐在线接诊医生的方法和设备 |
-
2020
- 2020-01-21 CN CN202010072681.8A patent/CN113223677A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903442A (zh) * | 2021-10-19 | 2022-01-07 | 北京富通东方科技有限公司 | 一种专科医生推荐方法及装置 |
CN118173281A (zh) * | 2024-04-01 | 2024-06-11 | 首都体育学院 | 一种向患者推荐在线接诊医生的方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11462308B2 (en) | Triage routing based on inference data from computer vision model | |
US11488694B2 (en) | Method and system for predicting patient outcomes using multi-modal input with missing data modalities | |
US11276495B2 (en) | Systems and methods for predicting multiple health care outcomes | |
JP2018060529A (ja) | コンテキストベースの患者類似性の方法及び装置 | |
JP2011520195A (ja) | イメージング情報によって補強された、パーソナル化されたガイドライン・ベース療法のための方法およびシステム | |
JP2014503894A (ja) | 事例ベース推論を用いた治療プランニングに対する医療判断支援のためのシステム及び方法 | |
US10424403B2 (en) | Adaptive medical documentation system | |
US20210151140A1 (en) | Event Data Modelling | |
US20190318829A1 (en) | Adaptive medical documentation system | |
US20210257067A1 (en) | State transition prediction device, and device, method, and program for learning predictive model | |
KR101565331B1 (ko) | 패턴을 이용한 의료정보 분석시스템 및 방법 | |
CN113223677A (zh) | 针对患者的医生匹配方法及装置 | |
CN114783580B (zh) | 一种医疗数据质量评估方法及*** | |
CN114743625B (zh) | 一种电子健康档案管理方法、***及计算机存储介质 | |
CN109545384A (zh) | 一种医学诊断方法及装置 | |
US20070055543A1 (en) | Medical resource estimation and simulation system | |
US20200219617A1 (en) | Apparatus and method for initial information gathering from patients at the point of care | |
US10431339B1 (en) | Method and system for determining relevant patient information | |
US20150339602A1 (en) | System and method for modeling health care costs | |
CN112599227A (zh) | 医院资源消耗管控方法、***及相应设备和存储介质 | |
JP2012194929A (ja) | 情報管理プログラム、情報管理装置および情報管理方法 | |
US20200075163A1 (en) | Diagnostic decision support for patient management | |
US20220189592A1 (en) | Automated transformation documentation of medical data | |
US20220188281A1 (en) | Automated transformation documentation of medical data | |
US20220189596A1 (en) | Automated transformation documentation of medical data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |