基于人工智能的动态血糖监测管理系统的制作方法

1.本发明涉及健康管理技术领域，尤其涉及用于动态血糖监测管理。


背景技术：

2.糖尿病是影响人类健康的重要疾病之一。血糖监测是糖尿病管理中的重要组成部分，大量询证医学证据充分证明控制血糖可有效降低糖尿病并发症的发生风险。
3.受限于医疗资源，糖尿病患者的血糖监测通常是自己进行了，只是在出现临床特征或者按照周期去医院检查，往往无法及时得到专业的指点。
4.随着技术的发展，血糖监测技术也不断提高，cn201710947227.0公开了一种基于云端大数据的智能实时动态血糖，对血糖值的输出结果进行补偿和修正，其他类似专利也一样，均在于提高血糖的测量精度，但是这些血糖监测技术均不涉及对如何对血糖管理。


技术实现要素：

5.血糖浓度测量是血糖监测管理的手段，测量之后采取有益的管理才是血糖监测管理的目的。本发明的目的在于提供基于人工智能的动态血糖监测管理系统。
6.第一方面，基于人工智能的动态血糖监测管理系统，包括数据采集模块、监测交互模块、管理模块；数据采集模块获取外部血糖监测设备的检测数据并将检测数据传输给监测交互模块，监测交互模块根据检测数据以及分层预警模型给出分层预警并推送给用户并将预警类型传输至管理模块，管理模块根据预警类型选择相应的管理策略模型，给出相应的血糖管理策略。这样，用户在测量血糖并将相关血糖数据上传至系统后，可以得到血糖管理策略。
7.结合第一方面，在第一方面的第一种可能的实施例中，血糖管理策略包括用药指导、运动处方、营养处方、血糖监测计划、激励计划。在此实施例中，血糖管理策略的用药指导、运动处方、营养处方、血糖监测计划均对改善糖尿病具有一定的效果，同时激励计划可以让用户更好的实施方案，达到疾病控制的效果。
8.结合第一方面或第一方面的第一种实施例，在第一方面的第二种可能的实施例中，血糖分层预警模型给出的分层预警类型包括红色预警、橙色预警、黄色预警、绿色。在此实施例中，分层预警类型通过颜色方式显现，具有较为强烈的冲击感，同时，给用户以更直观的体验，清楚自己血糖情况。
9.结合第一方面的第二种实施例，在第一方面的第三种可能的实施例中，红色预警的血糖浓度为大于等于18mmol/l和血糖浓度为小于等于3.9mmol/l；橙色预警的血糖浓度为14mmol/l至17.9mmol/l之间；黄色预警的血糖浓度为 10mmol/l至13.9mmol/l之间；绿色的血糖浓度范围为4mmol/l至9.9mmol/l之间。在此实施例中，各阈值均是通过临床实践以及科学研究得出的较为科学的数值，其中，血糖高于18mmol/l通常会产生并发症，如糖尿病酮症酸中毒、高渗昏迷、乳酸酸中毒，低于3.9mmol/l则为低血糖，需及时控制并纠正；处于橙色预警的血糖浓度时血糖控制较差，长期高值容易诱发糖尿病酮症酸中毒等急症，需及
早干预和介入；而黄色预警的血糖浓度，一般通过干预手段可将血糖将至目标范围。
10.结合第一方面，在第一方面的第四种可能的实施例中，包括决策模块，监测交互模块根据预警层次与用户进行交互问答，并将交互问答结果传输至决策模块，决策模块根据问答结果依据预先确定的医学决策模型提出相应的医学解决方案，并将医学解决方案传输至管理模块。在此实施例中，系统通过交互问答了解用户的实际情况，并根据实际情况给出相应的医学解决方案，充分分析了用户个体的特殊性，包括进食行为、服药行为、急性期症状、运动情况、烟酒习惯、血糖测试方法等，更具有指导意义。
11.结合第一方面的第二种实施例，在第一方面的第五种可能的实施例中，预警类型为红色预警或橙色预警时，基于人工智能的动态血糖监测管理系统启动跟进系统，监督血糖管理策略的执行情况。在此实施例中，将红色预警与橙色预警作为强制跟进情况，防止用户掉以轻心，出现不好的血糖管控后果。
12.结合第一方面，在第一方面的第六种可能的实施例中，数据采集模块可与外部血糖监测设备连接，外部血糖监测设备的检测数据可自动上传至数据采集模块。在此实施例中，数据自动上传至数据采集模块，降低了数据传输的错误率，同时也减少了人工操作。
13.结合第一方面，在第一方面的第七种可能的实施例中，基于人工智能的动态血糖监测管理系统，可以根据众多用户的血糖管理数据，优化模型，调整预警类型阈值。在此实施例中，管理系统可以根据众多用户数据以及行为反馈，不断学习积累，调整预警类型阈值，达到更好的血糖管理效果。
14.结合第一方面的第四种实施例，在第一方面的第八种可能的实施例中，决策模块包括人工智能模型训练系统，人工智能模型训练系统包括参数收集模块、模型训练模块、模型同步模块、用户信息库；参数收集模块将用户信息库内的信息进行结构化并存储至参数收集模块内，模型训练模块包括训练的特定模型，模型训练模块读取参数收集模块内的结构化数据进行训练，模型分析模块对模型训练模块，模型同步模块可以将模型训练模块的结果定期或择期更新决策模块。在此实施例中，通过决策模块设置人工智能模型训练系统，可以通过人工智能训练，定期更新决策模块，给出更好的血糖管理策略，达到更好的血糖管理效果。
附图说明
15.图1是本发明基于人工智能的动态血糖监测管理系统的系统示意图。
具体实施方式
16.现在参考附图详细描述具体实施例。
17.图1示意了一种基于人工智能的动态血糖监测管理系统，包括数据采集模块、监测交互模块、管理模块、决策模块。
18.数据采集模块获取外部血糖监测设备的检测数据并将检测数据传输给监测交互模块，数据采集模块可与外部血糖监测设备连接，外部血糖监测设备的检测数据可自动上传至数据采集模块。数据自动上传至数据采集模块，降低了数据传输的错误率，同时也减少了人工操作。
19.监测交互模块根据检测数据以及分层预警模型给出分层预警并推送给用户，同
时，监测交互模块将预警类型传输至管理模块。
20.血糖分层预警模型给出的分层预警类型包括红色预警、橙色预警、黄色预警、绿色。分层预警类型通过颜色方式显现，具有较为强烈的冲击感，同时，给用户以更直观的体验，清楚自己血糖情况。
21.红色预警的血糖浓度为大于等于18mmol/l和血糖浓度为小于等于 3.9mmol/l；橙色预警的血糖浓度为14mmol/l至17.9mmol/l之间；黄色预警的血糖浓度为10mmol/l至13.9mmol/l之间；绿色的血糖浓度范围为4mmol/l至 9.9mmol/l之间。这里应当说明，检测数据在单位为mmol/l的前提下，保留一位小数点，若实际检测数值为多位小数的情形下，可以采用四舍五入或者舍弃后位等方式处理为一位小数的情形。
22.各阈值均是通过临床实践以及科学研究得出的较为科学的数值，其中，血糖高于18mmol/l通常会产生并发症，如糖尿病酮症酸中毒、高渗昏迷、乳酸酸中毒，低于3.9mmol/l则为低血糖，需及时控制并纠正；处于橙色预警的血糖浓度时血糖控制较差，长期高值容易诱发糖尿病酮症酸中毒等急症，需及早干预和介入；而黄色预警的血糖浓度，一般通过干预手段可将血糖将至目标范围。
23.预警类型为红色预警或橙色预警时，基于人工智能的动态血糖监测管理系统启动跟进系统，监督血糖管理策略的执行情况。将红色预警与橙色预警作为强制跟进情况，防止用户掉以轻心，出现不好的血糖管控后果，通过振动等闹铃等形式提醒用户注意。
24.监测交互模块根据预警层次与用户进行交互问答，并将交互问答结果传输至决策模块，决策模块根据问答结果依据预先确定的医学决策模型提出相应的医学解决方案，并将医学解决方案传输至管理模块。系统通过交互问答了解用户的实际情况，并根据实际情况给出相应的医学解决方案，充分分析了用户个体的特殊性，包括进食行为、服药行为、急性期症状、运动情况、烟酒习惯、血糖测试方法等，更具有指导意义。
25.决策模块包括人工智能模型训练系统，人工智能模型训练系统包括参数收集模块、模型训练模块、模型同步模块、用户信息库；参数收集模块将用户信息库内的信息进行结构化并存储至参数收集模块内，模型训练模块包括训练的特定模型，模型训练模块读取参数收集模块内的结构化数据进行训练，模型分析模块对模型训练模块，模型同步模块可以将模型训练模块的结果定期或择期更新决策模块。
26.管理模块根据预警类型以及决策模块传输至管理模块的医学解决方案选择相应的管理策略模型，给出相应的血糖管理策略。用户在测量血糖并将相关血糖数据上传至系统后，可以得到血糖管理策略。有利于用户进行自我血糖浓度管理。
27.血糖管理策略包括用药指导、运动处方、营养处方、血糖监测计划、激励计划。血糖管理策略的用药指导、运动处方、营养处方、血糖监测计划实践证明均对改善糖尿病具有一定的效果，同时激励计划可以让用户更好的实施方案，达到疾病控制的效果。
28.基于人工智能的动态血糖监测管理系统，可以根据众多用户的血糖管理数据，优化模型，调整预警类型阈值。管理系统可以根据众多用户数据以及行为反馈，不断学习积累，调整预警类型阈值，达到更好的血糖管理效果。