一种用于人工智能麻醉的决策确定方法及系统与流程

本发明涉及智能麻醉，特别涉及一种用于人工智能麻醉的决策确定方法及系统。

背景技术：

1、目前，由于在做手术中，几乎都会需要对患者进行麻醉，通过麻醉可以减轻患者的疼痛，医生在进行麻醉时，通常需要对患者的身体状况以及对麻醉的过敏等进行了解，从而对患者实行麻醉；

2、然而，现如今对麻醉方案的决策通常时根据医生的经验以及患者的症状人为制定麻醉方案，使得麻醉决策方案不能达到很客观的标准，因此，麻醉失误率以及麻醉的风险都很高，因此，为了提高麻醉决策方案的客观性以及增加对患者进行麻醉的安全性、准确性以及智能性，本发明提供了一种用于人工智能麻醉的决策确定方法及系统。

技术实现思路

1、本发明提供一种用于人工智能麻醉的决策确定方法及系统，用以通过确定目标患者的患者身份标识，从而有利于在预设病例数据库中对目标患者的患者病例进行调取，从而很好的掌握患者的身体状况特征，进而确定对目标患者的麻醉决策方案，该方法不仅极大的提高了对患者进行麻醉的安全性、准确性以及智能性，而且提高了麻醉决策方案生成的客观性。

2、一种用于人工智能麻醉的决策确定方法，包括：

3、步骤1：获取目标患者的患者身份标识，并基于所述患者身份标识在预设病例数据库中对所述目标患者的患者病例进行调取；

4、步骤2：对所述患者病例进行读取，确定所述目标患者的病理信息，并基于所述病理信息确定所述目标患者当前的身体状况特征；

5、步骤3：对所述身体状况特征在决策终端中进行智能分析，并基于分析结果确定麻醉决策方案。

6、优选的，一种用于人工智能麻醉的决策方法，步骤1中，基于所述患者身份标识在预设病例数据库中对所述目标患者的病例进行调取的具体工作过程，包括：

7、读取所述患者身份标识，并基于所述患者身份标识在所述预设病例数据库中建立数据撷取关系；

8、基于所述数据撷取关系，在所述预设病例数据库中确定与所述患者身份标识相关的目标病例数据；

9、将所述目标病例数据进行打包，获取病例数据包，同时，基于所述患者身份标识为所述病例数据包添加目标标签；

10、基于所述目标标签，将所述病例数据包生成患者病例文件，并根据预设指令将所述患者病例文件进行调取。

11、优选的，一种用于人工智能麻醉的决策方法，步骤2中，对所述患者病例进行读取，确定所述目标患者的病理信息的具体工作过程，包括：

12、获取所述患者病例的页面信息，并基于所述患者病例的页面信息确定所述患者病例的病例关键词，其中，所述病例关键词包括：时间关键词、身体参数关键词；

13、基于所述时间关键词确定所述目标患者的就诊时间点，其中，所述就诊时间点等于或大于1，并基于所述身体参数关键词确定所述目标患者的体征检查数据；

14、基于所述时间关键词，读取所述目标患者的就诊时间点对应的所述目标患者的子体征检查数据；

15、同时，对所述子体征检查数据进行数据分析，得到所述目标患者对应的就诊时间下的子体征质量指标；

16、分别对所述子体征质量指标进行综合确定所述目标患者的当前病理信息。

17、优选的，一种用于人工智能麻醉的决策方法，分别对所述子体征质量指标进行综合确定所述目标患者的当前病理信息后，还包括：

18、将所述就诊时间点作为横坐标，并将所述子体征质量指标作为纵坐标建立身体质量坐标系，并进行数据记录；

19、基于所述身体质量坐标系，在所述就诊时间点上确定当前就诊时间点对应的子体征质量指标数值以及上一就诊时间点对应的子体征质量指标数值；

20、计算当前就诊时间点对应的子体征质量指标数值与上一就诊时间点对应的子体征质量指标数值的指标变化率；

21、根据所述指标变化率确定所述目标患者当前的相对身体状况。

22、优选的，一种用于人工智能麻醉的决策方法，步骤3中，确定麻醉决策方案后，还包括：

23、将所述身体状况特征对应的数据输入至所述预设终端中，并基于所述麻醉决策方案在预设智能终端进行预演，并在预演过程中实时记录麻醉测试数据；

24、读取所述麻醉测试数据，并将所述麻醉测试数据输入至方案评估模型中进行方案评估，并输出评估结果；

25、基于所述评估结果确定麻醉评估分值，并将所述麻醉决策方案的评估分值与预设分值进行比较，判断所述麻醉决策方案是否合格；

26、当所述麻醉方案的麻醉评估分值等于或大于所述预设分值时，则判定所述麻醉决策方案合格；

27、否则，则判定所述麻醉决策方案不合格。

28、优选的，一种用于人工智能麻醉的决策方法，判断所述麻醉决策方案是否合格后，还包括：

29、当所述麻醉决策方案合格时，确定所述目标患者的身体状况特征，并将所述身体状况特征在预设神经网络中进行学习；

30、基于学习结果，将所述麻醉决策方案存储至麻醉决策方案数据库中进行存储；

31、当所述麻醉决策方案不合格时，确定所述预设分值与所述麻醉评估分值的目标差值，并对所述评估结果进行分析，获取分析结果；

32、基于所述目标差值与所述分析结果对所述麻醉决策方案进行调整，直至所述麻醉决策方案合格。

33、优选的，一种用于人工智能麻醉的决策方法，步骤1中，获取目标患者的患者身份标识的具体工作过程，包括：

34、获取所述目标患者的患者名称以及所述目标患者的就诊类型，并基于所述患者名称以及就诊类型生成身份读取指令；

35、获取目标医护人员的工作编号，并根据所述医护人员的工作编号确定所述医护人员的工作类型；

36、判断所述医护人员的工作类型与所述目标患者的就诊类型是否一致，并基于判断结果确定所述目标医护人员是否有权限调动所述身份读取指令；

37、当所述医护人员的工作类型与所述目标患者的就诊类型不一致时，所述目标医护人员没有权限调动所述身份读取指令；

38、当所述医护人员的工作类型与所述目标患者的就诊类型一致时，则所述目标医护人员有权限调动所述身份读取指令，同时，基于所述身份读取指令获取所述目标患者的身份信息；

39、根据所述身份信息并结合所述目标患者的就诊时间，生成目标患者的就诊编号，其中，所述目标患者的就诊编号即为所述目标患者的患者身份标识。

40、优选的，一种用于人工智能麻醉的决策方法，步骤2中，基于所述病理信息确定所述目标患者当前的身体状况特征的具体工作过程，包括：

41、获取n个历史病理信息，其中，所述n个历史病理信息包含n个患者的病理信息；

42、对所述n个历史病理信息进行读取，确定所述n个历史病理信息对应的n个病理特征；

43、基于所述n个病理特征确定m个病理类别，并基于所述m个病理类别将所述n个历史病理信息进行分类，确定子历史病理信息，其中，m小于或等于n；

44、分别确定所述m个病理类别中子历史病理信息的总个数，并将所述总个数进行比较，确定m个病理类别中子历史病理信息的最小总个数，并将所述最小总个数作为基准个数；

45、将剩余m-1个病理类别中子历史病理信息的总个数根据所述基准个数做统一化处理，其中，所述基准个数为k个，且k小于或等于n；

46、分别在同病理类别中的k个子历史病理信息中，随机提取a个子历史病理信息作为训练集对身体状况评估模型进行训练，并基于训练结果生成身体状况评估模型；

47、分别提取同病理类别中剩余k-a个子历史病理信息作为校验集对所述身体状况评估模型进行准确性校验，并根据校验结果确定所述身体状况评估模型的评估准确率；

48、将所述评估准确率与预设准确率进行比较，判断所述身体状况评估模型是否校验合格；

49、当所述评估准确率等于或大于所述预设准确率时，则判定所述身体状况评估模型校验合格；

50、否则，则判定所述身体状况评估模型校验不合格，同时，基于所述训练集对所述身体状况评估模型重新进行训练，直至所述身体状况评估模型校验合格；

51、将所述目标患者的病理信息输入至合格的身体状况评估模型进行评估，并根据输出结果，确定所述目标患者当前的身体状况特征。

52、优选的，一种用于人工智能麻醉的决策方法，步骤3中，对所述身体状况特征在决策终端中进行智能分析，并基于分析结果确定麻醉决策方法的具体工作过程，包括：

53、将所述身体状况特征输入至所述决策终端中，并在所述决策终端中对所述目标患者当前的身体状况特征进行分析；

54、基于对当前的身体状况特征的分析结果确定对所述目标患者的手术流程，同时，基于所述决策终端确定对所述目标患者的手术流程的难度等级；

55、根据预设算法确定在所述目标患者的手术流程中目标患者对麻醉时的伤害指数与意识指数；

56、基于对所述目标患者的伤害指数与所述意识指数，确定所述目标患者对麻药的抑制程度；

57、基于所述目标患者对麻药的抑制程度以及所述手术流程的难度等级在所述智能终端中生成所述麻醉决策方案。

58、一种用于人工智能麻醉的决策确定系统，包括：

59、病例调取模块，用于获取目标患者的患者身份标识，并基于所述患者身份标识在预设病例数据库中对所述目标患者的患者病例进行调取；

60、身体状况特征获取模块，用于对所述患者病例进行读取，确定所述目标患者的病理信息，并基于所述病理信息确定所述目标患者当前的身体状况特征；

61、麻醉决策方案生成模块，用于对所述身体状况特征在决策终端中进行智能分析，并基于分析结果确定麻醉决策方案。

62、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

63、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。