五月婷婷在线观看|国产成人精品3p人妻网站|日本老熟妇maturebbw|日韩 欧美 综合

1.本發明涉及醫學人工智能技術領域，具體為一種基于醫生反饋的醫學人工智能應用評價系統。

背景技術：

2.國內當前醫衛工作的主要問題是醫療資源分布不平衡，基層醫療機構需要的全科醫生缺乏，培養周期長且難留住人才；病人滿意度低，但是如今隨著人工智能、互聯網、大數據的快速發展，人們能夠通過建立一個醫學人工智能平臺，利用目前掌握的大量醫學數據，通過人工智能的數據分析和機器學習，可以實現計算機來輔助人腦進行診斷決策。

3.但是通過人工智能進行的診斷決策，由于其局限性，會出現誤差，所以我們需要對人工智能進行的診斷決策進行把關，通過不斷地修正其診斷決策，讓其在每次的機器學習中不斷地減少診斷誤差率，為此，我們提出了一種基于醫生反饋的醫學人工智能應用評價系統。

技術實現要素：

4.(一)解決的技術問題

5.針對現有技術的不足，本發明提供了一種基于醫生反饋的醫學人工智能應用評價系統，解決了上述背景技術中的問題。

6.(二)技術方案

7.為實現上述目的，本發明提供如下技術方案：一種基于醫生反饋的醫學人工智能應用評價系統，包括醫學人工智能平臺和醫療大數據庫，所述醫學人工智能平臺信號連接有自動問答模塊和醫生對接模塊，所述醫療大數據庫用于將現有的醫療數據進行清理、結構化和集成的原始輸入，所述醫學人工智能平臺能夠器分析和利用所述醫療大數據庫中的數據，然后根據這些數據通過機器學習解釋解決問題，從而對從所述自動問答模塊中獲得的患者問診數據做出反應，采取相應的行動，所述自動問答模塊將對患者提出的問題提交給所述醫學人工智能平臺，將所述醫學人工智能平臺下傳的結果傳遞給患者，所述醫生對接模塊用于將所述醫學人工智能平臺和醫生及醫生與醫生之間進行信息傳遞及溝通。

8.優選的，所述自動問答模塊信號連接有患者問診模塊，所述患者問診模塊信號連接有患者資料模塊和后期療效模塊，所述患者資料模塊包括患者家族病史、患者既往病史和患者體檢報告，所述后期療效模塊包括患者康復狀態和患者異常反應。

9.優選的，所述醫療大數據庫信號連接有患者癥狀分析模塊，所述患者癥狀分析模塊信號連接有經驗分析庫和循證分析庫，所述經驗分析庫和所述循證分析庫通過meta分析系統得到問診結果，所述患者癥狀分析模塊能夠通過從所述自動問答模塊處獲得的患者信息進行分析，并通過所述經驗分析庫和所述循證分析庫得出其病癥，所述循證分析庫通過所述醫療大數據庫中的大量臨床數據進行了辨析和歸納從而推導，所述經驗分析庫是從以往的類似癥狀的患者信息進行比較判斷。

10.優選的，所述meta分析系統能夠從所述醫療大數據庫全面收集所有相關病癥有關的案例，并逐個進行分析，篩選出可用案例，并評估其參考價值，通過meta分析對其中的主要量化指標，再用定量合成的方法,分析得到統一的結果，最后對得到的結果進行針對性優化，最終得到問診結果，并將問診結果反饋給所述醫學人工智能平臺。

11.優選的，所述人工智能平臺能夠將得到的所述問診結果上傳到所述醫生對接模塊，所述醫生對接模塊信號連接有討論群模塊，所述討論群模塊能夠完成將幾個或者更多的醫生進行遠程信息連接，所述討論群模塊信號連接有醫生討論模塊，所述醫生討論模塊能夠讓醫生們進行實時的溝通討論，包括對所述患者癥狀分析模塊分析得到的患者的癥狀和所述meta分析系統得到的所述問診結果進行討論，判斷其準確性，并由參與討論的醫生決定是否采用所述meta分析系統得到的所述問診結果并確定最終診斷方案。

12.優選的，所述最終診斷方案上傳給所述醫學人工智能平臺，所述醫學人工智能平臺再通過所述所述自動問答模塊將所述最終診斷方案傳達給患者。

13.優選的，所述醫學人工智能平臺通過對比所述問診結果和所述最終診斷方案，分析二者產生的誤差及原因，并對產生的誤差進行反饋與機器學習，同時對所述經驗分析庫和所述循證分析庫進行修正，以提高下一次的所述問診結果的準確率。

14.(三)有益效果

15.本發明提供了一種基于醫生反饋的醫學人工智能應用評價系統，具備以下有益效果：

16.(1)、本發明通過患者問診模塊和自動問答模塊將患者的癥狀上傳到醫學人工智能平臺，同時患者問診模塊將患者資料模塊包括患者家族病史、患者既往病史和患者體檢報告一同提交，患者癥狀分析模塊能夠通過從自動問答模塊處獲得的患者信息進行分析，并通過經驗分析庫和循證分析庫得出其病癥。