智能问诊方法、装置和系统与流程

本发明涉及人工智能技术领域，具体涉及一种智能问诊方法、装置和系统。

背景技术：

现有的问诊方式仍依靠医生和患者面对面沟通来获取患者的症状信息，然而随着人口的不断增加，这种问诊方式由于效率低下，已经越来越无法满足当前的就医需求了。具体而言，患者人数多排队时间长，专家号难挂，每位患者能与医生当面沟通的时间有限，且经常有一些想描述的症状在见到医生时又忘记说了。同时，对于医院来说，每个专家能接诊的患者数量也有限(一般一个上午20人，加号最多看30人)，为提高专家问诊效率，往往需为每个专家配1～2位助手，人力成本也很高。由此可见，急需一种高效的问诊方式，以同时解决患者和医院所面临的问题。

技术实现要素：

有鉴于此，本发明实施例提供了一种智能问诊方法、装置和系统，解决了现有问诊方式效率低下的问题。

本发明一实施例提供的一种智能问诊方法包括：

通过基于自然语言的文本或语音交互方式采集患者的症状信息；

将所采集到的症状信息存入预设的问诊模板；以及

基于所述问诊模板所存入的症状信息生成供预设的关联终端输出展示的病患情况信息，其中，所述病患情况信息包括以下的一种或多种：预判病症类型信息、预判挂号科室信息以及所述症状信息。

本发明一实施例提供的一种智能问诊装置包括：

交互模块，配置为通过基于自然语言的文本或语音交互方式采集患者的症状信息；

存储模块，将所采集到的症状信息存入预设的问诊模板；以及

病患情况信息生成模块，配置为基于所述问诊模板所存入的症状信息生成供预设的关联终端输出展示的病患情况信息，其中，所述病患情况信息包括以下的一种或多种：预判病症类型信息、预判挂号科室信息以及所述症状信息。

本发明一实施例提供的一种智能问诊系统包括：医院信息系统、如前所述的智能问诊装置，以及关联终端；

其中，所述智能问诊装置通过所述医院信息系统获取患者的静态信息和/或挂号信息，通过与患者进行交互获取患者的病患情况信息，并将所述静态信息和/或病患情况信息发送至所述关联终端展示。

本发明实施例提供的一种智能问诊方法、装置和系统，通过设立问诊模板来采集和存储患者的症状信息，可实现智能化的自动问诊，避免占用医生的时间，也不需要人工助手，使得医生和患者的时间都得到了解放，患者可利用候诊的时间充分地通过自然语言描述症状信息。同时，将病患情况信息通过关联终端展示，使得医生或患者可直接看到所采集到的症状信息、预判的病症类型子信息或预判的挂号科室，为后续面对面问诊的进行打下了基础，提高了整个问诊过程的质量和效率。

附图说明

图1所示为本发明一实施例提供的一种智能问诊方法的流程示意图。

图2所示为本发明一实施例提供的一种智能问诊方法中症状信息的采集过程的流程示意图。

图3所示为本发明另一实施例提供的一种智能问诊方法中症状信息的采集过程的流程示意图。

图4所示为本发明一实施例提高的一种智能问诊装置的结构示意图。

图5所示为本发明另一实施例提高的一种智能问诊装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1所示为本发明一实施例提供的一种智能问诊方法的流程示意图。如图1所示，该方法包括：

步骤101：通过基于自然语言的文本或语音交互方式采集患者的症状信息。

具体而言，由于所采集的症状信息要在后续的步骤中存入预设的问诊模板，因此该用于采集症状信息的智能交互过程的内容可与问诊模板的具体内容有关。在本发明一实施例中，问诊模板的内容包括至少一个问诊项目，那么如图2所示，症状信息的采集过程就可包括：

步骤1011：根据问诊模板所包括的问诊项目生成对应的问诊问题发送给患者。例如，问诊模板包括一个问诊项目为“发病时间”，则根据该问诊项目所生成的问诊问题就可为“请问您什么时候开始不舒服的？”。

步骤1012：识别并采集患者回答中与问诊问题对应的症状信息。

仍以问诊项目“发病时间”为例，当患者回答“前天”时，则识别出与该问诊项目对应的症状信息为“前天发病”。应当理解，对于患者回答中症状信息的识别过程可通过字符串匹配过程实现，本发明对具体的识别方式并不做限定。

在本发明另一实施例中，为了进一步减少该用于采集症状信息的智能交互过程的交互层级，并提高所采集到症状信息的准确度，可设置问诊模板中的问诊项目包括至少一个可选择的症状信息，此时如图3所示，该症状信息的采集过程就可包括：

步骤1011’：将当前交互层级所对应的问诊项目所包括的至少一个可选择的症状信息提供给患者。

例如，当前交互层级所对应的问诊项目为“发热温度”，该问诊项目所包括的可选择的症状信息包括“37℃至38℃”、“38℃至39℃”、“39℃至40℃”、以及“40℃以上”，那么所生成的问诊问题就可直接为“请问您现在的发热温度为37℃至38℃、38℃至39℃、39℃至40℃还是40℃以上？”

步骤1012’：识别并采集患者所选择的症状信息。

由于问诊问题中已经列出了可选择的几个症状信息，这样患者则会直接从可选择的症状信息中选择一种作为回答，从而仅通过一次交互就得到了准确的症状信息。

在本发明一实施例中，该用于采集症状信息的基于自然语言的文本或语音的交互过程可基于智能语义识别过程实现，通过识别患者所发出的症状描述信息的语义内容来给予相应的应答消息，以形成智能交互过程来获取患者的症状信息。具体而言，该智能语义识别过程可通过文本分析的方式实现，可首先将症状描述信息的文本内容与多个预设的语义模板进行匹配以确定匹配的语义模板，该匹配过程可通过文本相似度计算的方式实现。然后再回应与该所匹配的语义模板对应的下一个预设问诊问题。例如，在当前交互层级下患者所发出的症状描述信息为“我嗓子不舒服”，所匹配的语义模板就可能为“嗓子存在炎症”，则与该语义模板对应的预设问诊问题(即，下一个交互层级的问诊问题)就可为“请问您有痰吗？”。通过该基于自然语言的两个交互层级的交互，最终所识别出的患者的症状信息就可包括“嗓子发炎，有痰”。

由于患者所发出的症状描述信息往往并非使用的是标准问，而是标准问的一些变形的形式，即为扩展问。因此，对于智能语义识别而言，知识库里需要有标准问的扩展问，该扩展问与标准问表达形式有略微差异，但是表达相同的含义。因此，在本发明一实施例中，语义模板可为表示某一种语义内容的一个或多个抽象语义表达式的集合，由开发人员根据预定的规则结合语义内容生成，即通过一个语义模板就可描述所对应语义内容的多种不同表达方式的语句，以应对症状描述信息的文本内容可能的多种变形。这样将症状描述信息的文本内容与预设的语义模板进行匹配，避免了利用仅能描述一种表达方式的“标准问”来识别患者消息时的局限性。

每一个抽象语义表达式主要可包括语义成分词和语义规则词。语义成分词由语义成分符表示，当这些语义成分符被填充了相应的值(即内容)后可以表达各式各样的具体语义。

抽象语义的语义成分符可包括：

[concept]：表示主体或客体成份的词或短语。

比如：“嗓子不舒服”中的“嗓子”。

[action]：表示动作成分的词或短语。

比如：“嗓子总是咳嗽”中的“咳嗽”。

[attribute]：表示属性成份的词或短语。

比如：“小便呈淡黄色”中的“淡黄色”。

[adjective]：表示修饰成分的词或短语。

比如：“眼睛很刺痛”中的“刺痛”。

一些主要的抽象语义类别示例有：

概念说明[concept]是什么

属性构成[concept]有哪些[attribute]

行为方式[concept]如何[action]

行为地点[concept]在什么地方[action]

行为原因[concept]为什么会[action]

行为预测[concept]会不会[action]

行为判断[concept]有没有[attribute]

属性状况[concept]的[attribute]是不是[adjective]

属性判断[concept]是不是有[attribute]

属性原因[concept]的[attribute]为什么这么[adjective]

概念比较[concept1]和[concept2]的区别在哪里

属性比较[concept1]和[concept2]的[attribute]有什么不同之处

问句在抽象语义层面的成份判断可以通过词性标注来做一般的评判，concept对应的词性为名词，action对应的词性为动词、attribute对应的词性为名词、adjective对应的是形容词。

以类别为“行为方式”的抽象语义[concept]如何[action]为例，该类别的抽象语义集合下可包括多条抽象语义表达式：

抽象语义类别：行为方式

抽象语义表达式：

a.[concept][需要|应该？][如何]<才[可以]？><进行？>[action]

b.{[concept]～[action]}

c.[concept]<的？>[action]<方法|方式|步骤？>

d.<有哪些|有什么|有没有><通过|用|在>[concept][action]<的？>[方法]

e.[如何][action]～[concept]

上述a、b、c、d四个抽象语义表达式都是用来描述“行为方式”这一抽象语义类别的。语义符号“|”表示“或”关系，语义符号“？”表示该成分可有可无。

应当理解，虽然上面给出了一些语义成分词、语义规则词和语义符号的示例，但语义成分词的具体内容和词类，语义规则词的具体内容和词类以及语义符号的定义和搭配都可由开发人员根据具体的问诊业务场景而预设，本发明对此并不做限定。

在本发明一实施例中，根据症状描述信息的文本内容确定匹配的语义模板的相似度计算过程可采用如下计算方法中的一种或多种：编辑距离计算方法，n-gram计算方法，JaroWinkler计算方法以及Soundex计算方法。在一进一步实施例中，当识别出症状描述信息的文本内容中的语义成分词和语义规则词时，症状描述信息和语义模板中所包括语义成分词和语义规则词还可被转化成简化的文本字符串，以提高语义相似度计算的效率。

在本发明一实施例中，如前所述，语义模板可由语义成分词和语义规则词构成，而这些语义成分词和语义规则词又与这些词语在语义模板中的词性以及词语之间的语法关系有关，因此该相似度计算过程可具体为：先识别出症状描述信息文本中的词语、词语的词性以及语法关系，然后根据词语的词性以及语法关系识别出其中的语义成分词和语义规则词，再将所识别出的语义成分词和语义规则词引入向量空间模型以计算症状描述信息的文本内容与多个预设的语义模板之间的多个相似度。在本发明一实施例中，可以如下分词方法中的一种或多种识别症状描述信息的文本内容中的词语、词语的词性以及词语之间的语法关系：隐马尔可夫模型方法、正向最大匹配方法、逆向最大匹配方法以及命名实体识别方法。

在本发明一实施例中，如前所述，语义模板可为表示某一种语义内容的多个抽象语义表达式的集合，此时通过一个语义模板就可描述所对应语义内容的多种不同表达方式的语句，以对应同一标准问的多个扩展问。因此在计算症状描述信息的文本内容与预设的语义模板之间的语义相似度时，需要计算症状描述信息的文本内容与多个预设的语义模板各自展开的至少一个扩展问之间的相似度，然后将相似度最高的扩展问所对应的语义模板作为匹配的语义模板。这些展开的扩展问可根据语义模板所包括的语义成分词和/或语义规则词和/或语义符号而获得。

在本发明一实施例中，该用于采集症状信息的基于自然语言的文本或语音的交互过程可具体通过第三方通信平台来实现，例如微信平台。这样患者只需要使用装有该第三方通信软件的手机或其他移动端即可完成该智能问诊过程，进一步提高了用户体验。

步骤102：将所采集到的症状信息存入预设的问诊模板。

问诊模板可采用结构化数据的形式存储所采集到的症状信息。如前所述，问诊模板可包括至少一个问诊项目，其中的每个问诊项目还可包括至少一个可选择的症状信息。但应当理解，问诊模板也可采用其他的形式实现，本发明对问诊模板的具体形式不做限定。

在本发明一实施例中，问诊模板可包括：普通问诊模板和与至少一个专家医生分别对应的至少一个专家问诊模板。此时，在采集患者的症状信息之前需要获取患者的挂号信息，例如从医院信息系统中直接获取患者的挂号信息，以根据该挂号信息判断患者选择的是普通医生的门诊还是一个专家医生的门诊。当患者选择的是普通医生的门诊时，将所采集到的症状信息存入普通问诊模板；当患者选择的是一个专家医生的门诊时，将所采集到的症状信息存入与该专家医生对应的专家问诊模板。

专家问诊模板可基于普通问诊模板进行调整生成。通过增加、删除或修改中的至少一种调整方式调整普通问诊模板以生成专家问诊模板。例如，当普通问诊模板包括多个问诊项目时，专家医生可根据自己的问诊经验和问诊习惯增加、删除或修改其中的至少一个问诊项目，以生成专属于自己的专家问诊模板。这样当患者挂的是该专家医生的号时，所采集到的症状信息便会直接存入该专家医生的专家问诊模板。根据该专家问诊模板中的症状信息生成病患情况信息，并通过预设的关联终端输出展示给该专家医生。

由此可见，通过根据普通门诊和专家门诊而分别设置不同的问诊模板，可根据患者的挂号需求实现不同的智能问诊流程，进一步提高了专家医生的就诊效率和质量，同时也保证了普通门诊的就诊效率。

步骤103：基于问诊模板所存入的症状信息生成供预设的关联终端输出展示的病患情况信息，其中，病患情况信息包括以下的一种或多种：预判病症类型信息、预判挂号科室信息以及症状信息。

预判病症类型信息和/或预判挂号科室信息与症状信息之间的映射关系可为预先建立，例如建立在一个病患数据库中。基于该映射关系，便可根据症状信息预先判断患者的病症类型和/或所适合的挂号科室。这样将该病患情况信息通过关联终端输出后，医生或患者便可通过该关联终端直接查看到该预判病症类型信息和/或预判挂号科室信息，可为后续面对面的问诊过程提供参考。应当理解，预判病症类型信息和/或预判挂号科室信息与症状信息之间的映射关系可由业务专家根据实际的工作经验而人工建立，本发明对该映射关系的具体建立方式不做限定。

由此可见，本发明实施例通过设立问诊模板来采集和存储患者的症状信息，可实现智能化的自动问诊，避免占用医生的时间，也不需要人工助手，使得医生和患者的时间都得到了解放，患者可利用候诊的时间充分地通过自然语言描述症状信息。同时，将病患情况信息通过关联终端展示，使得医生或患者可直接看到所采集到的症状信息、预判的病症类型子信息或预判的挂号科室，为后续面对面问诊的进行打下了基础，提高了整个问诊过程的质量和效率。

在本发明一实施例中，在采集患者的症状信息之前，可通过采集患者的静态信息来启动症状信息的采集过程。静态信息可通过刷卡的方式采集，例如刷医保卡/医院就诊卡；或通过第三方通信平台绑定的方式采集，例如通过二维码扫码关注微信公众号，绑定医保卡/就诊卡/身份信息；或直接从医院信息系统获取。该患者的静态信息可包括以下几项的至少一项：病历信息、身份信息和医保信息。但应当理解，患者的静态信息的具体内容以及采集方式均可根据实际的应用场景而调整，本发明对此不做限定。

由于在实际的就诊过程中，采集患者静态信息的过程往往就是接入医院信息系统的过程，例如患者通过刷包含身份信息的就诊卡来挂号，因此当患者接入医院信息系统时，便可自动启动该智能问诊方法，以利用患者还未见到医生的候诊时间采集患者的症状信息，并对病症类型和/或挂号科室进行预判。由此可见，本发明实施例所提供的智能问诊方法其实可与现在医院的医院信息系统直接结合，无需对现有的医院信息系统做任何额外的改动。

在本发明一实施例中，所采集的静态信息可与病患情况信息一起供预设的关联终端输出展示，该预设的关联终端为预先获取的挂号信息中患者所选择的医生的关联终端或预判挂号科室信息所对应科室的关联终端。这样患者所选择的医生可直接通过该关联终端确认患者的静态信息，并通过病患情况信息查看患者的症状信息以及预判病症类型和挂号科室，从而提高了面对面问诊的效率和质量。

在本发明一实施例中，为了避免所采集的患者的症状信息有误，所采集的症状信息在存入预设的问诊模板之前，需要得到患者的确认。具体而言，可将所采集到的症状信息显示或发送给患者，并在得到患者的确认后再将所采集到的症状信息存入预设的问诊模板。

图4所示为本发明一实施例提高的一种智能问诊装置的结构示意图。如图4所示，该智能问诊装置40包括：交互模块41、存储模块42以及病患情况信息生成模块43。交互模块41，配置为通过基于自然语言的文本或语音交互方式采集患者的症状信息。存储模块42将所采集到的症状信息存入预设的问诊模板。病患情况信息生成模块43配置为基于问诊模板所存入的症状信息生成供预设的关联终端输出展示的病患情况信息，其中，病患情况信息包括以下的一种或多种：预判病症类型信息、预判挂号科室信息以及症状信息。

由此可见，本发明实施例通过设立问诊模板来采集和存储患者的症状信息，可实现智能化的自动问诊，避免占用医生的时间也不需要人工助手，使得医生和患者的时间都得到了解放，患者可利用候诊的时间充分地通过自然语言描述症状信息。同时，将病患情况信息通过关联终端展示，使得医生或患者可直接看到所采集到的症状信息、预判的病症类型子信息或挂号科室，为后续面对面问诊的进行打下了基础，提高了整个问诊过程的质量和效率。

在本发明一实施例中，如图5所示，该智能问诊装置40进一步包括：病患数据库44，配置为存储预先建立的预判病症类型信息和/或预判挂号科室信息与症状信息之间的映射关系。基于该映射关系，便可根据症状信息预先判断患者的病症类型和/或所适合的挂号科室。这样将该病患情况信息通过关联终端输出后，医生或患者便可通过该关联终端直接查看到该预判病症类型信息和/或预判挂号科室信息，可为后续面对面的问诊过程提供参考。

在本发明一实施例中，问诊模板的内容包括至少一个问诊项目。如图5所示，交互模块41包括：提问单元411和识别单元412。提问单元411配置为根据问诊模板所包括的问诊项目生成对应的问诊问题发送给患者。识别单元412配置为识别并采集患者回答中与问诊问题对应的症状信息。

在本发明一实施例中，为了进一步减少交互模块41的交互层级，并提高所采集到症状信息的准确度，问诊项目包括至少一个可选择的症状信息。提问单元进一步配置为，将当前交互层级所对应的问诊项目所包括的至少一个可选择的症状信息提供给患者。识别单元进一步配置为，识别并采集患者所选择的症状信息。

在本发明一实施例中，交互模块41可基于前述的智能语义识别过程实现该用于采集症状信息的基于自然语言的文本或语音的交互过程。通过识别患者所发出症状描述信息的语义内容来给予相应的应答消息，以形成智能交互过程来获取患者的症状信息。该智能语义识别过程可通过文本分析的方式实现，具体而言，该交互模块41可进一步包括语义模板匹配单元。语义模板匹配单元将症状描述信息的文本内容与多个预设的语义模板进行匹配以确定匹配的语义模板，该匹配过程可通过文本相似度计算的方式实现。然后提问单元411再回应与该所匹配的语义模板对应的下一个预设问诊问题。例如，在当前交互层级下患者所发出的症状描述信息为“我嗓子不舒服”，所匹配的语义模板就可能为“嗓子存在炎症”，则与该语义模板对应的预设问诊问题(即，下一个交互层级的问诊问题)就可为“请问您有痰吗？”，通过基于自然语言的多个交互层级的交互，最终获取患者所有的症状信息。

由于患者所发出的症状描述信息往往并非使用的是标准问，而是标准问的一些变形的形式，即为扩展问。因此，对于智能语义识别而言，知识库里需要有标准问的扩展问，该扩展问与标准问表达形式有略微差异，但是表达相同的含义。因此，在本发明一实施例中，语义模板可为表示某一种语义内容的一个或多个抽象语义表达式的集合，由开发人员根据预定的规则结合语义内容生成，即通过一个语义模板就可描述所对应语义内容的多种不同表达方式的语句，以应对症状描述信息的文本内容可能的多种变形。这样将症状描述信息的文本内容与预设的语义模板进行匹配，避免了利用仅能描述一种表达方式的“标准问”来识别患者消息时的局限性。

在本发明一实施例中，根据症状描述信息的文本内容确定匹配的语义模板的相似度计算过程可采用如下计算方法中的一种或多种：编辑距离计算方法，n-gram计算方法，JaroWinkler计算方法以及Soundex计算方法。在一进一步实施例中，当识别出症状描述信息的文本内容中的语义成分词和语义规则词时，症状描述信息和语义模板中所包括语义成分词和语义规则词还可被转化成简化的文本字符串，以提高语义相似度计算的效率。

在本发明一实施例中，问诊模板包括：普通问诊模板和与至少一个专家医生分别对应的至少一个专家问诊模板。其中，如图5所示，该智能问诊装置40进一步包括：获取模块以及判断模块。获取模块配置为在通过基于自然语言的文本或语音交互方式采集患者的症状信息之前，获取患者的挂号信息。判断模块配置为根据挂号信息判断患者选择的是普通医生的门诊还是一个专家医生的门诊。其中，存储模块42进一步配置为，当患者选择的是普通医生的门诊时，将所采集到的症状信息存入普通问诊模板；以及，当患者选择的是一个专家医生的门诊时，将所采集到的症状信息存入与该专家医生对应的专家问诊模板。由此可见，通过根据普通门诊和专家门诊而分别设置不同的问诊模板，可根据患者的挂号需求实现不同的智能问诊流程，进一步提高了专家医生的就诊效率和质量，同时也保证了普通门诊的就诊效率。

在本发明一实施例中，如图5所示，该智能问诊装置40进一步包括：模板调整模块45，配置为调整普通问诊模板以生成专家问诊模板。该调整可包括：通过增加、删除或修改中的至少一种调整方式调整普通问诊模板以生成专家问诊模板。

在本发明一实施例中，如图5所示，该智能问诊装置40进一步包括：静态信息采集模块46，配置为在通过基于自然语言的文本或语音交互方式采集患者的症状信息之前，采集患者的静态信息来启动症状信息的采集过程。该静态信息可包括以下几项的至少一项：病历信息、身份信息和医保信息。该静态信息采集模块46支持以下几种中的至少一种采集方式：刷卡的方式、第三方通信平台绑定获取的方式以及直接从医院信息系统获取的方式。由于在现如今实际的就诊过程中，采集患者静态信息的过程往往就是接入医院信息系统的过程，因此当患者可直接通过该智能问诊装置40接入医院信息系统，并自动启动该智能问诊流程，以利用患者还未见到医生的候诊时间采集患者的症状信息，并对病症类型和挂号科室进行预判。由此可见，本发明实施例所提供的智能问诊装置40其实可与现在医院的医院信息系统直接结合，无需对现有的医院信息系统做任何额外的改动。

在本发明一实施例中，如图5所示，该智能问诊装置40进一步包括：发送模块47，将所采集的静态信息与病患情况信息一起供预设的关联终端输出展示，预设的关联终端为预先获取的挂号信息中患者所选择的医生的关联终端或预判挂号科室信息所对应科室的关联终端。这样患者所选择的医生可直接通过该关联终端确认患者的静态信息，并通过病患情况信息查看患者的症状信息以及预判病症类型和挂号科室，从而提高了面对面问诊的效率和质量。

在本发明一实施例中，了避免所采集的患者的症状信息有误，如图5所示，该智能问诊装置40进一步包括：确认模块48，配置为在将所采集到的症状信息存入预设的问诊模板之前，将所采集到的症状信息显示或发送给患者。其中，存储模块42进一步配置为，在得到患者的确认后再将所采集到的症状信息存入预设的问诊模板。

在本发明一实施例中，交互模块41通过第三方通信平台实现。这样患者只需要使用装有第三方通信软件的手机或其他移动端即可完成该智能问诊过程，进一步提高了用户体验。

在本发明一实施例中，智能问诊装置40可为一种服务机器人。该服务机器人可服务于医院的大厅，利用患者候诊的时间为患者提供智能问诊服务，以提高后续医生的问诊效率。同时，由于使得患者在候诊时间能够得到合理的接待，也可起到安抚患者候诊情绪的作用。

应当理解，上述实施例所提供的智能问诊装置40中记载的每个模块或单元都与前述的一个方法步骤相对应。由此，前述的方法步骤描述的操作和特征同样适用于该智能问诊装置40及其中所包含的对应的模块和单元，重复的内容在此不再赘述。

本发明的教导还可以实现为一种计算机可读存储介质的计算机程序产品，包括计算机程序代码，当计算机程序代码由处理器执行时，其使得处理器能够按照本发明实施方式的方法来实现如本文实施方式的智能问诊方法。计算机存储介质可以为任何有形媒介，例如软盘、CD-ROM、DVD、硬盘驱动器、甚至网络介质等。

应当理解，虽然以上描述了本发明实施方式的一种实现形式可以是计算机程序产品，但是本发明的实施方式的方法或装置可以被依软件、硬件、或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和设备可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的方法和装置可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

应当理解，尽管在上文的详细描述中提及了装置的若干模块或单元，但是这种划分仅仅是示例性而非强制性的。实际上，根据本发明的示例性实施方式，上文描述的两个或更多模块/单元的特征和功能可以在一个模块/单元中实现，反之，上文描述的一个模块/单元的特征和功能可以进一步划分为由多个模块/单元来实现。此外，上文描述的某些模块/单元在某些应用场景下可被省略。

本发明一实施例还提供一种智能问诊系统，其特征在于，包括：医院信息系统、如前任一所述的智能问诊装置，以及关联终端。其中，智能问诊装置通过医院信息系统获取患者的静态信息和/或挂号信息，通过与患者进行交互获取患者的病患情况信息，并将静态信息和/或病患情况信息发送至关联终端展示。

由此可见，本发明实施例所提供的智能问诊系统不需要对医院现有的医院信息系统做额外更改，其中的智能问诊装置可与现有的医院信息系统直接交互以获取患者的静态信息和/或挂号信息，并利用患者的候诊时间采集症状信息以及进行初步的病症预判，既提高了患者的就医体验，又提高了医院的工作效率。

在本发明一实施例中，当智能问诊装置通过第三方通信平台与患者进行交互时，该智能交互系统进一步包括：可利用第三方通信平台进行通信的患者端。该患者端可为装有第三方通信软件的手机或其他移动端，这样患者只需要使用该患者端即可与智能问诊装置进行交互完成该智能问诊过程，进一步提高了用户体验。

应当理解，为了不模糊本发明的实施方式，说明书仅对一些关键、未必必要的技术和特征进行了描述，而可能未对一些本领域技术人员能够实现的特征做出说明。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。