本技术涉及医疗护理领域,进一步涉及人工智能(artificial intelligence,ai)在医疗护理领域的应用,尤其涉及一种基于ai的远程医疗照护提醒方法、装置和存储介质。
背景技术:
1、智慧医疗是指通过打造健康档案区域医疗信息平台,利用最先进的物联网技术,实现患者与医务人员、医疗机构、医疗设备之间的互动,逐步达到信息化。随着社会的进步和医疗水平的不断提高,智慧医疗也逐步的融入了我们的生活,去医院看病就医,都实现了在线挂号、在线预约等信息化操作。
2、护理主要指对失去生活自理能力的病人提供的个人卫生方面的照顾和帮助,护理需要对病人的生活代谢物,健康情况,甚至是病人的心情进行调整,护理工作十分重要,随着网络的发展,远程护理成为可能;但护理人员不可能时时在患者身边,若在患者出现状况时,护理人员无法及时得知状况的发生,且医护人员也可能会由于护理人员的不在场,无法及时、准确地对病人的状态进行了解,从而耽误治疗的进度。
3、针对这种情况,现有技术中也存在一种远程护理系统,可以在患者体征不正常时,对相关人员发送警示信息,但由于患者在患病期间,体征不正常或者出现波动非常常见,这导致了警示信息可能会频繁发送,从而导致照护人员无法准确区分异常的具体状况,这无疑耗费了照护人员极大的精力。
技术实现思路
1、本技术实施例提供一种基于ai的远程医疗照护提醒方法、装置和存储介质,能够及时发现患者出现异常状况,并针对该异常状况进行分析和预测,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数;进一步的,针对异常状况进行分级,并制定了不同级别的告警等级和告警信息,以提示照护人员异常情况的紧急程度,以便照护人员能够针对性地进行处理。
2、第一方面,本技术实施例提供了一种基于ai的远程医疗照护提醒方法,所述方法应用于监护设备,所述监护设备用于家庭或医院病患的监护,所述方法包括:
3、获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
4、将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
5、根据所述异常值确定告警等级;
6、向所述患者的照护人员发送与所述告警等级对应的告警信息。
7、在本技术实施例中,通过所述监护设备中的传感器或其他组件获取患者的多维度数据样本,以此作为第一预测模型的输入端的输入数据,进而预测得到所述患者的多维度数据样本中的异常数据,提高了监护设备针对医疗护理领域的智能性和全面性;
8、进一步的,能够及时发现患者出现异常状况,并针对该异常状况进行分析,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数;
9、更进一步的,根据所述异常值的具体情况对所述患者的突发状况进行评估,进而确定所述告警等级,以使所述患者的相关照护人员能够从告警信息中就得知所述患者的突发状况的紧急程度。
10、在第一方面的又一种可能的实施方式中,在所述获取患者的数据样本之后,所述方法还包括:
11、将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
12、向所述患者的照护人员发送所述生命体征异常原因。
13、本实施方式通过预先训练的第二预测模型对所述患者的数据样本中的生命体征数据中的异常数据出现的原因进行预测,进而使所述患者的照护人员能够在第一时间基于所述原因对所述患者的突发状况进行评估,进而使所述患者得到及时的救助。
14、在第一方面的又一种可能的实施方式中,所述根据所述异常值确定告警等级,包括:
15、将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
16、根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
17、根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
18、在本实施方式中,通过将所述数据样本输入至预先训练的第三预测模型中,得到与所述数据样本中的生命体征数据对应的目标生命体征变化趋势,所述目标生命体征变化趋势包括趋向变大、趋向变小、趋向稳定等,不同的生命体征数据对应的变换趋势不同,带来的影响也不同,可以理解的是,所述目标生命体征变化趋势相较于异常值,虽然会使缺乏医疗知识的照护人员不能理解,但会为懂得医疗知识的照护人员提供更精细、更全面的数据。
19、进一步的,基于所述目标生命体征变化趋势,对所述患者的突发状况进行评估,以明确可能还未达到异常值的生命体征数据有了达到异常值的趋势,进而使基于上述数据确定的告警等级更准确。
20、在第一方面的又一种可能的实施方式中,所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,包括:
21、根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
22、根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
23、在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
24、在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
25、在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
26、根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
27、在第一方面的又一种可能的实施方式中,在所述根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级之后,所述方法还包括:
28、在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
29、在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
30、在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
31、在第一方面的又一种可能的实施方式中,所述根据所述异常值确定告警等级之后,所述方法还包括:
32、根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
33、在第一方面的又一种可能的实施方式中,在所述向所述患者的照护人员发送与所述告警等级对应的告警信息之后,还包括:
34、接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围;
35、根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
36、将原有的第一预测模型替换为更新后的第一预测模型。
37、第二方面,本技术实施例提供一种基于ai的远程医疗照护提醒装置,所述基于ai的远程医疗照护提醒装置至少包括获取单元、第一输入单元、确定单元和第一发送单元。该基于ai的远程医疗照护提醒装置用于实现第一方面任一项实施方式所描述方法,其中获取单元、第一输入单元、确定单元和第一发送单元的介绍如下:
38、获取单元,用于获取患者的数据样本,所述数据样本包括生命体征数据和病症信息,所述生命体征数据包括血压、体温、心率、或呼吸率中的一项或多项,所述病症信息包括所述患者的基本信息、病史、或用药情况中的一项或多项;
39、第一输入单元,用于将所述数据样本输入至第一预测模型中,以得到所述数据样本中的生命体征数据的异常值,所述第一预测模型为多个数据样本和所述多个数据样本中的生命体征数据的异常值训练得到的模型,所述数据样本为特征数据,所述异常值为标签数据;
40、确定单元,用于根据所述异常值确定告警等级;
41、第一发送单元,用于向所述患者的照护人员发送与所述告警等级对应的告警信息。
42、在本技术实施例中,通过所述监护设备中的传感器或其他组件获取患者的多维度数据样本,以此作为第一预测模型的输入端的输入数据,进而预测得到所述患者的多维度数据样本中的异常数据,提高了监护设备针对医疗护理领域的智能性和全面性;
43、进一步的,能够及时发现患者出现异常状况,并针对该异常状况进行分析,进而在最短时间内确定该异常状况的紧急和危险程度,根据该异常状况的紧急和危险程度确定是否要警示相关的照护人员,既能满足照护人员和患者的需求,又能降低警示信息的无效发送次数;
44、更进一步的,根据所述异常值的具体情况对所述患者的突发状况进行评估,进而确定所述告警等级,以使所述患者的相关照护人员能够从告警信息中就得知所述患者的突发状况的紧急程度。
45、在第二方面的又一种可能的实施方式中,所述装置还包括:
46、第二输入单元,用于将所述数据样本输入至第二预测模型中,以得到与所述数据样本对应的生命体征异常原因,所述第二预测模型为根据多个数据样本和所述多个数据样本各对应的生命体征异常原因训练得到的模型,所述数据样本为特征数据,所述生命体征异常原因为标签数据;
47、第二发送单元,用于向所述患者的照护人员发送所述生命体征异常原因。
48、本实施方式通过预先训练的第二预测模型对所述患者的数据样本中的生命体征数据中的异常数据出现的原因进行预测,进而使所述患者的照护人员能够在第一时间基于所述原因对所述患者的突发状况进行评估,进而使所述患者得到及时的救助。
49、在第二方面的又一种可能的实施方式中,所述确定单元用于:
50、将所述数据样本输入至第三预测模型中,以得到与所述数据样本对应的目标生命体征变化趋势,所述第三预测模型为根据多个数据样本和所述多个数据样本各对应的目标生命体征变化趋势训练得到的模型,所述数据样本为特征数据,所述目标生命体征变化趋势为标签数据;
51、根据所述目标生命体征变化趋势与所述病症信息对应的标准生命体征变化趋势,在所述目标体征变化趋势上进行异常标记;
52、根据标记后的目标生命体征变化趋势中异常标记的趋势、数量和所述异常值确定告警等级,所述告警等级用于表征患者需要照护的紧急程度,告警等级越高,则对应的紧急程度越高。
53、在本实施方式中,通过将所述数据样本输入至预先训练的第三预测模型中,得到与所述数据样本中的生命体征数据对应的目标生命体征变化趋势,所述目标生命体征变化趋势包括趋向变大、趋向变小、趋向稳定等,不同的生命体征数据对应的变换趋势不同,带来的影响也不同,可以理解的是,所述目标生命体征变化趋势相较于异常值,虽然会使缺乏医疗知识的照护人员不能理解,但会为懂得医疗知识的照护人员提供更精细、更全面的数据。
54、进一步的,基于所述目标生命体征变化趋势,对所述患者的突发状况进行评估,以明确可能还未达到异常值的生命体征数据有了达到异常值的趋势,进而使基于上述数据确定的告警等级更准确。
55、在第二方面的又一种可能的实施方式中,所述确定单元还用于:
56、根据患者的病史确定所述生命体征数据的第一阈值、第二阈值和第三阈值;
57、根据所述患者的基本信息对所述生命体征数据的第一阈值、第二阈值和第三阈值进行修正,以得到目标第一阈值、目标第二阈值和目标第三阈值,其中,所述患者的基本信息包括年龄和用药情况;
58、在所述异常值的数值大小达到目标第一阈值的情况下,确定告警等级为一级;
59、在所述异常值的数值大小达到目标第二阈值的情况下,确定告警等级为二级;
60、在所述异常值的数值大小达到目标第三阈值的情况下,确定告警等级为三级;
61、根据标记后的目标生命体征变化趋势中异常标记的趋势、数量对告警等级进行修正,以得到修正后的告警等级。
62、在第二方面的又一种可能的实施方式中,所述确定单元还用于:
63、在修正后的告警等级为一级的情况下,向所述患者的监护人发送与一级告警等级对应的告警信息,并向负责所述患者的医护人员发送咨询请求;
64、在修正后的告警等级为二级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与二级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求;
65、在修正后的告警等级为三级的情况下,向所述患者的监护人和负责所述患者的医护人员发送与三级告警等级对应的告警信息,并向所述医护人员发送紧急视频请求,以及向与所述患者之间的距离小于预设第四阈值的医院发送紧急求助信息。
66、在第二方面的又一种可能的实施方式中,所述装置还包括:
67、调整单元,用于根据所述异常值的数量和/或所述患者的年龄对所述告警等级进行调整,以得到调整后的告警等级。
68、在第二方面的又一种可能的实施方式中,所述装置还包括:
69、接收单元,用于接收医护人员发送的指示信息,其中,所述指示信息包括针对所述生命体征数据的异常值的认定范围;
70、更新单元,用于根据所述指示信息对所述第一预测模型进行更新,以得到更新后的第一预测模型;
71、替换单元,用于将原有的第一预测模型替换为更新后的第一预测模型。
72、第三方面,本技术实施例提供一种基于ai的远程医疗照护提醒设备,该基于ai的远程医疗照护提醒设备包括处理器、存储器和通信接口;存储器中存储有计算机程序;处理器执行计算机程序时,所述通信接口用于发送和/或接收数据,该基于ai的远程医疗照护提醒设备可执行前述第一方面或者第一方面的任一种可能的实现方式所描述的方法。
73、需要说明的是,上述第三方面所描述的基于ai的远程医疗照护提醒设备所包含的处理器,可以是专门用于执行这些方法的处理器(便于区别称为专用处理器),也可以是通过调用计算机程序来执行这些方法的处理器,例如通用处理器。可选的,至少一个处理器还可以既包括专用处理器也包括通用处理器。
74、可选的,上述计算机程序可以存在存储器中。示例性的,存储器可以为非瞬时性(non-transitory)存储器,例如只读存储器(read only memory,rom),其可以与处理器集成在同一块器件上,也可以分别设置在不同的器件上,本技术实施例对存储器的类型以及存储器与处理器的设置方式不做限定。
75、在一种可能的实施方式中,上述至少一个存储器位于上述基于ai的远程医疗照护提醒设备之外。
76、在又一种可能的实施方式中,上述至少一个存储器位于上述基于ai的远程医疗照护提醒设备之内。
77、在又一种可能的实施方式之中,上述至少一个存储器的部分存储器位于上述基于ai的远程医疗照护提醒设备之内,另一部分存储器位于上述基于ai的远程医疗照护提醒设备之外。
78、本技术中,处理器和存储器还可能集成于一个器件中,即处理器和存储器还可以被集成在一起。
79、第四方面,本技术实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储计算机程序,当所述指令在至少一个处理器上运行时,实现前述第一方面或者第一方面的任一种可选的方案所描述的方法。
80、第五方面,本技术提供了一种计算机程序产品,计算机程序产品包括计算机程序,当所述程序在至少一个处理器上运行时,实现前述第一方面或者第一方面的任一种可选的方案所描述的方法中。
81、可选的,该计算机程序产品可以为一个软件安装包,在需要使用前述方法的情况下,可以下载该计算机程序产品并在计算设备上执行该计算机程序产品。
82、本技术第三至第五方面所提供的技术方案,其有益效果可以参考第一方面和第二方面的技术方案的有益效果,此处不再赘述。