本发明涉及智能化数字诊疗，特别涉及基于数字孪生与ai的孤独症行为建模及动态优化系统。
背景技术：
1、孤独症谱系障碍(asd)是一种复杂的神经发育障碍性疾病，其核心症状包括社交沟通障碍、兴趣狭窄和重复刻板行为等。目前，孤独症的治疗方法主要包括行为疗法、语言训练、社交技能训练等，但这些方法大多缺乏个性化，难以针对每个患者的独特需求进行精准干预。此外，传统诊疗方法依赖于专业医生的经验和主观判断，存在效率低下、资源分配不均等问题。
2、数字孪生技术通过构建虚拟模型与物理实体的实时映射和交互，为复杂系统的建模与仿真提供了新的思路。在医疗领域，数字孪生技术可用于构建患者的虚拟模型，实现对患者生理、心理等多模态信息的全面监测和分析。然而，目前数字孪生技术在孤独症诊疗中的应用还处于初步探索阶段，尚未形成成熟的个性化诊疗方案生成方法。而生成式ai技术近年来取得了显著进展，其在医疗领域的应用逐渐受到关注。生成式ai能够基于大量的数据生成新的内容，如文本、图像、音频等，为个性化诊疗方案的制定提供了新的可能性。例如，电子科技大学段旭君教授团队基于个性化脑影像分析技术，采用连续theta爆发刺激(ctbs)方案，针对孤独症儿童的杏仁核及其神经环路进行精准干预，取得了显著的疗效。然而，目前生成式ai在孤独症诊疗中的应用多集中在单一的干预措施上，缺乏对患者整体状态的综合考虑。
3、综上所述，虽然现有技术中已有一些基于ai的孤独症数字诊疗系统，如清华大学发布的“孤独症谱系障碍筛查与辅助诊断系统”，其系统能够通过图像、音视频中的人脸和人体行为ai检测比对技术，生成早期风险筛查报告。但这些系统主要侧重于早期筛查和辅助诊断，对于个性化诊疗方案的生成和优化支持不足。尤其现有技术在孤独症的个性化诊疗方面存在诸多不足，亟需一种能够综合运用数字孪生和生成式ai技术，实现对孤独症患者全面评估和个性化诊疗方案生成的新方法。为此，提出一种基于数字孪生与ai的孤独症行为建模及动态优化系统。
技术实现思路
1、本发明的主要目的在于提供基于数字孪生与ai的孤独症行为建模及动态优化系统，可以有效解决背景技术中的问题。
2、为实现上述目的，本发明采取的技术方案为，
3、基于数字孪生与ai的孤独症行为建模及动态优化系统，包括以下步骤：
4、步骤一：收集孤独症患者的多模态数据，包括个体特征数据、行为数据、生理数据、心理评估数据以及家庭环境数据，对采集到的数据进行包括清洗和归一化的预处理操作；
5、步骤二：利用预处理后的多模态数据构建用于实时反映孤独症患者状态的数字孪生模型，其中，所述数字孪生模型还用于模拟患者在不同干预措施下的反应；
6、步骤三：采集学习语料，利用所述学习语料进行训练获取用于孤独症患者状态评估的生成式ai评估模型，其中，所述学习语料包括过往资深督导的评估结论和评估依据的行业标准以及针对所述评估结论，根据行业标准所制定的诊疗方案；
7、步骤四：将待评估孤独症患者的数字孪生模型数据导入至所述生成式ai评估模型中，利用训练的生成式ai评估模型生成对于待评估孤独症患者当前状态的评估结果；
8、步骤五：根据获取的评估结果，利用训练的生成式ai评估模型生成适用于所述待评估孤独症患者的个性化诊疗方案，所述个性化诊疗方案为行为疗法、语言训练和社交技能训练中的一项或多项组合的干预措施。
9、基于数字孪生与ai的孤独症行为建模及动态优化系统，包括：
10、多模态数据采集模块，用于收集孤独症患者的多模态数据，包括个体特征数据、行为数据、生理数据、心理评估数据以及家庭环境数据，对采集到的数据进行包括清洗和归一化的预处理操作；
11、数字孪生模型构建模块，利用预处理后的多模态数据构建用于实时反映孤独症患者状态的数字孪生模型，其中，所述数字孪生模型还用于模拟患者在不同干预措施下的反应；
12、学习语料获取模块，用于采集学习语料，其中，所述学习语料包括过往资深督导的评估结论和评估依据的行业标准以及针对所述评估结论，根据行业标准所制定的诊疗方案；
13、评估模型构建模块，用于利用所述学习语料进行训练获取用于孤独症患者状态评估的生成式ai评估模型；
14、评估结果生成模块，用于将待评估孤独症患者的数字孪生模型数据导入至所述生成式ai评估模型中，利用训练的生成式ai评估模型生成对于待评估孤独症患者当前状态的评估结果；
15、诊疗方案生成模块，用于根据获取的评估结果，利用训练的生成式ai评估模型生成适用于所述待评估孤独症患者的个性化诊疗方案，其中，所述个性化诊疗方案为行为疗法、语言训练和社交技能训练中的一项或多项组合的干预措施。
16、所述系统还包括：
17、数据更新模块，用于动态更新所述数字孪生模型和所述学习语料，利用更新后的数据对所述生成式ai评估模型进行重新训练和优化。
18、所述系统还包括：
19、干预效果获取模块，用于将获取的个性化诊疗方案中的干预措施施用于待评估孤独症患者，利用构建的所述数字孪生模型获取患者在不同干预措施下的反应；
20、干预效果评估模块，用于根据患者的反应将施用于待评估孤独症患者的干预措施分类为具有积极作用的干预措施、具有消极作用的干预措施和作用效果不明显的干预措辞；
21、诊疗方案优化模块，用于将干预措辞的分类结果导入至生成式ai评估模型中，以优化制定的个性化诊疗方案。
22、所述系统还包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。
23、进一步的，所述方法还包括：动态更新所述数字孪生模型和所述学习语料，利用更新后的数据对所述生成式ai评估模型进行重新训练和优化。
24、进一步的，所述方法还包括：将获取的个性化诊疗方案中的干预措施施用于待评估孤独症患者，利用构建的所述数字孪生模型获取患者在不同干预措施下的反应；
25、根据患者的反应将施用于待评估孤独症患者的干预措施分类为具有积极作用的干预措施、具有消极作用的干预措施和作用效果不明显的干预措辞；
26、将干预措辞的分类结果导入至生成式ai评估模型中，以优化制定的个性化诊疗方案。
27、进一步的，在步骤二中，数字孪生模型构建的流程包括以下步骤：
28、将预处理后的多模态数据进行分类与整合，获取患者的行为数据集合、生理数据集合、心理评估数据集合以及家庭环境数据集合，
29、使用标准化的行为评估量表对患者的行为数据进行评估，获取患者的社交互动和行为表现以及患者的重复性行为评估结果，其中，所述重复性行为包括刻板行为、强迫行为和仪式性行为；
30、实时采集用于反映患者的生理状态和情绪反应的患者的生理数据，通过机器学习算法对生理数据进行分析，识别与孤独症相关的生理特征；
31、使用标准化的认知能力测试工具，获取患者患者的认知水平和智力发展以及情绪状态和行为问题的评估结果；
32、通过问卷调查了解患者的家庭环境，包括家庭成员的教育水平、家庭氛围和亲子互动，通过视频记录或现场观察，分析患者与家庭成员之间的互动模式，评估家庭支持系统的有效性；
33、将获取的多模态数据进行融合，构建患者的数字孪生模型。
34、进一步的，个性化诊疗方案的优化制定原则为：
35、减少作用效果不明显的干预措辞的生成频率；
36、避免生成具有消极作用的干预措施；
37、增加具有积极作用的干预措施的生成频率。
38、进一步的，所述具有积极作用的干预措施为使患者出现以下情况一时所施用的干预措施，所示情况一包括社交沟通能力提高、刻板行为减少、兴趣范围扩大、适应性技能提高、生活自理能力提高、学习能力提高、行为问题减少以及情绪调节能力提高中的至少一项；
39、所述具有消极作用的干预措施为使患者出现以下情况二时所施用的干预措施，所示情况二包括社交沟通能力降低、刻板行为增加、兴趣范围缩小、适应性技能降低、生活自理能力降低、学习能力降低、行为问题增加以及情绪调节能力降低中的至少一项；
40、所述作用效果不明显的干预措辞为所述情况一和所述情况二均为出现时所施用的干预措施。
41、本发明具有如下有益效果，
42、与现有技术相比，通过收集孤独症患者的多模态数据，包括个体特征数据、行为数据、生理数据、心理评估数据以及家庭环境数据，对采集到的数据进行包括清洗和归一化的预处理操作，利用预处理后的多模态数据构建用于实时反映孤独症患者状态的数字孪生模型，采集学习语料，利用所述学习语料进行训练获取用于孤独症患者状态评估的生成式ai评估模型，将待评估孤独症患者的数字孪生模型数据导入至所述生成式ai评估模型中，利用训练的生成式ai评估模型生成对于待评估孤独症患者当前状态的评估结果，根据获取的评估结果，利用训练的生成式ai评估模型生成适用于所述待评估孤独症患者的个性化诊疗方案，将获取的个性化诊疗方案中的干预措施施用于待评估孤独症患者，利用构建的所述数字孪生模型获取患者在不同干预措施下的反应，根据患者的反应将施用于待评估孤独症患者的干预措施分类为具有积极作用的干预措施、具有消极作用的干预措施和作用效果不明显的干预措辞，将干预措辞的分类结果导入至生成式ai评估模型中，以优化制定的个性化诊疗方案，动态更新所述数字孪生模型和所述学习语料，利用更新后的数据对所述生成式ai评估模型进行重新训练和优化，综合运用数字孪生和生成式ai技术，实现对孤独症患者全面评估和个性化诊疗方案的制定，有助于改善孤独症患者的状态。