本發(fā)明涉及醫(yī)療輔助決策，具體的說(shuō)，涉及的是一種醫(yī)療輔助決策方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，采用專(zhuān)家經(jīng)驗(yàn)、機(jī)器學(xué)習(xí)等方法來(lái)輔助醫(yī)務(wù)人員進(jìn)行數(shù)據(jù)的整理和決策?；趯?zhuān)家經(jīng)驗(yàn)的方法需要很強(qiáng)的專(zhuān)家經(jīng)驗(yàn)，需要根據(jù)不同決策結(jié)果制定不同的推斷規(guī)則，可擴(kuò)展性不高；基于機(jī)器學(xué)習(xí)的方法具備對(duì)大量電子數(shù)據(jù)的快速處理和信息挖掘的能力，推斷出的決策結(jié)果有更高的準(zhǔn)確性，但大部分都是針對(duì)單一決策結(jié)果進(jìn)行推斷，覆蓋的決策結(jié)果種類(lèi)十分有限。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本發(fā)明提供了一種醫(yī)療輔助決策方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，其能夠通過(guò)引入稀疏化模型和醫(yī)療案例數(shù)據(jù)庫(kù)，降低了對(duì)推斷規(guī)則和專(zhuān)家經(jīng)驗(yàn)的依賴性，提高了模型的集成性和可擴(kuò)展性，解決了現(xiàn)有技術(shù)只能針對(duì)單一決策結(jié)果進(jìn)行推斷的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供了一種醫(yī)療輔助決策方法，包括：

3、將待處理數(shù)據(jù)輸入預(yù)先訓(xùn)練好的基于雙任務(wù)的稀疏化模型，其中，所述雙任務(wù)包括意圖識(shí)別任務(wù)和疾病預(yù)測(cè)任務(wù)；

4、當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為疾病預(yù)測(cè)意圖時(shí)，根據(jù)所述疾病預(yù)測(cè)任務(wù)對(duì)于所述待處理數(shù)據(jù)的疾病預(yù)測(cè)結(jié)果和所述待處理數(shù)據(jù)查找案例數(shù)據(jù)庫(kù)，輸出決策結(jié)果；其中，所述案例數(shù)據(jù)庫(kù)記錄有醫(yī)療案例數(shù)據(jù)，每一醫(yī)療案例數(shù)據(jù)與至少一項(xiàng)疾病結(jié)果對(duì)應(yīng)，所述決策結(jié)果與所述案例數(shù)據(jù)庫(kù)中的至少一個(gè)醫(yī)療案例數(shù)據(jù)相關(guān)聯(lián)。

5、作為上述方案的改進(jìn)，當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為知識(shí)查詢意圖時(shí)，根據(jù)所述待處理數(shù)據(jù)查詢預(yù)設(shè)的通用醫(yī)學(xué)知識(shí)圖譜，輸出與所述待處理數(shù)據(jù)關(guān)聯(lián)的通用醫(yī)學(xué)知識(shí)。

6、作為上述方案的改進(jìn)，所述基于雙任務(wù)的稀疏化模型包括嵌入層、編碼層和輸出層，所述編碼層中的每一子層包括bertattention層、并列設(shè)置的意圖識(shí)別層和疾病預(yù)測(cè)層、dropout層和layernorm層；所述意圖識(shí)別層包括依次連接的第一線性層、第一激活函數(shù)層和第二線性層，所述第二線性層連接到所述dropout層；所述疾病預(yù)測(cè)層包含依次連接的所述第一線性層、所述第一激活函數(shù)層和所述第二線性層，以及依次連接的第三線性層、第二激活函數(shù)層和第四線性層，所述第二線性層和所述第四線性層合并連接到所述dropout層，所述bertattention層與所述dropout層進(jìn)行殘差連接。

7、作為上述方案的改進(jìn)，所述基于雙任務(wù)的稀疏化模型通過(guò)以下方式訓(xùn)練得到：

8、構(gòu)建預(yù)訓(xùn)練模型；

9、采用獲取的若干醫(yī)學(xué)相關(guān)數(shù)據(jù)樣本對(duì)所述預(yù)訓(xùn)練模型分別執(zhí)行無(wú)監(jiān)督的掩碼語(yǔ)言模型任務(wù)和無(wú)監(jiān)督對(duì)比學(xué)習(xí)任務(wù)，得到醫(yī)學(xué)預(yù)訓(xùn)練模型；

10、對(duì)所述醫(yī)學(xué)預(yù)訓(xùn)練模型改進(jìn)，得到基于雙任務(wù)的稀疏化模型；

11、采用意圖識(shí)別訓(xùn)練數(shù)據(jù)和預(yù)測(cè)訓(xùn)練數(shù)據(jù)交替訓(xùn)練所述基于雙任務(wù)的稀疏化模型，以分別調(diào)整所述意圖識(shí)別任務(wù)關(guān)聯(lián)的模型參數(shù)和所述疾病預(yù)測(cè)任務(wù)關(guān)聯(lián)的模型參數(shù)。

12、作為上述方案的改進(jìn)，所述采用意圖識(shí)別訓(xùn)練數(shù)據(jù)和預(yù)測(cè)訓(xùn)練數(shù)據(jù)交替訓(xùn)練所述基于雙任務(wù)的稀疏化模型，以分別調(diào)整所述意圖識(shí)別任務(wù)關(guān)聯(lián)的模型參數(shù)和所述疾病預(yù)測(cè)任務(wù)關(guān)聯(lián)的模型參數(shù)，包括：

13、將意圖識(shí)別訓(xùn)練數(shù)據(jù)輸入所述基于雙任務(wù)的稀疏化模型，得到所述意圖識(shí)別任務(wù)在所述基于雙任務(wù)的稀疏化模型中的每一層的表征和識(shí)別輸出結(jié)果，以調(diào)整所述意圖識(shí)別任務(wù)關(guān)聯(lián)的模型參數(shù)；

14、以所述意圖識(shí)別任務(wù)在所述基于雙任務(wù)的稀疏化模型中的每一層的表征作為先驗(yàn)知識(shí)，將預(yù)測(cè)訓(xùn)練數(shù)據(jù)輸入所述基于雙任務(wù)的稀疏化模型，得到所述疾病預(yù)測(cè)任務(wù)在所述基于雙任務(wù)的稀疏化模型中的每一層的表征和預(yù)測(cè)輸出結(jié)果，以調(diào)整所述疾病預(yù)測(cè)任務(wù)關(guān)聯(lián)的模型參數(shù)。

15、作為上述方案的改進(jìn)，所述當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為疾病預(yù)測(cè)意圖時(shí)，根據(jù)所述疾病預(yù)測(cè)任務(wù)對(duì)于所述待處理數(shù)據(jù)的疾病預(yù)測(cè)結(jié)果和所述待處理數(shù)據(jù)查找案例數(shù)據(jù)庫(kù)，輸出決策結(jié)果，包括：

16、當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為疾病預(yù)測(cè)意圖時(shí)，通過(guò)調(diào)用預(yù)先訓(xùn)練好的檢索模型，從案例數(shù)據(jù)庫(kù)中找到疾病結(jié)果與所述疾病預(yù)測(cè)結(jié)果相同的醫(yī)療案例數(shù)據(jù)；

17、分別將找到的每一所述醫(yī)療案例數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行相似度計(jì)算，篩選出相似度最高的至少一個(gè)所述醫(yī)療案例數(shù)據(jù)；

18、將篩選得到的所述醫(yī)療案例數(shù)據(jù)關(guān)聯(lián)的決策結(jié)果輸出。

19、作為上述方案的改進(jìn)，所述檢索模型包括文本表征模型和相似度計(jì)算模型，所述當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為疾病預(yù)測(cè)意圖時(shí)，通過(guò)調(diào)用預(yù)先訓(xùn)練好的檢索模型，從案例數(shù)據(jù)庫(kù)中找到疾病結(jié)果與所述疾病預(yù)測(cè)結(jié)果相同的醫(yī)療案例數(shù)據(jù)，包括：

20、使用所述文本表征模型對(duì)案例數(shù)據(jù)庫(kù)中的所有醫(yī)療案例數(shù)據(jù)進(jìn)行向量化處理，得到案例數(shù)據(jù)向量庫(kù)；

21、從所述案例數(shù)據(jù)向量庫(kù)中找到疾病結(jié)果與所述疾病預(yù)測(cè)結(jié)果相同的所有醫(yī)療案例數(shù)據(jù)以作為候選醫(yī)療案例數(shù)據(jù)；

22、所述分別將找到的每一所述醫(yī)療案例數(shù)據(jù)與所述待處理數(shù)據(jù)進(jìn)行相似度計(jì)算，篩選出相似度最高的至少一個(gè)所述醫(yī)療案例數(shù)據(jù)，包括：

23、使用所述文本表征模型對(duì)所述待處理數(shù)據(jù)進(jìn)行向量化處理；

24、將向量化處理后的待處理數(shù)據(jù)分別與每一所述候選醫(yī)療案例數(shù)據(jù)進(jìn)行相似度計(jì)算，篩選出相似度最高的至少一個(gè)所述醫(yī)療案例數(shù)據(jù)。

25、作為上述方案的改進(jìn)，所述決策結(jié)果包括目標(biāo)醫(yī)療案例數(shù)據(jù)和所述目標(biāo)醫(yī)療案例數(shù)據(jù)關(guān)聯(lián)的應(yīng)對(duì)措施中的至少一種，所述目標(biāo)醫(yī)療案例數(shù)據(jù)為所述醫(yī)療案例數(shù)據(jù)中的至少一個(gè)。

26、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例還提供了一種醫(yī)療輔助決策裝置，包括：

27、數(shù)據(jù)輸入模塊，用于將待處理數(shù)據(jù)輸入預(yù)先訓(xùn)練好的基于雙任務(wù)的稀疏化模型，其中，所述雙任務(wù)包括意圖識(shí)別任務(wù)和疾病預(yù)測(cè)任務(wù)；

28、決策模塊，用于當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為疾病預(yù)測(cè)意圖時(shí)，根據(jù)所述疾病預(yù)測(cè)任務(wù)對(duì)于所述待處理數(shù)據(jù)的疾病預(yù)測(cè)結(jié)果和所述待處理數(shù)據(jù)查找案例數(shù)據(jù)庫(kù)，輸出決策結(jié)果；其中，所述案例數(shù)據(jù)庫(kù)記錄有醫(yī)療案例數(shù)據(jù)，每一醫(yī)療案例數(shù)據(jù)與至少一項(xiàng)疾病結(jié)果對(duì)應(yīng)，所述決策結(jié)果與所述案例數(shù)據(jù)庫(kù)中的至少一個(gè)醫(yī)療案例數(shù)據(jù)相關(guān)聯(lián)。

29、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例還提供了一種醫(yī)療輔助決策設(shè)備，包括處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中且被配置為由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述任一實(shí)施例所述的醫(yī)療輔助決策方法。

30、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括存儲(chǔ)的計(jì)算機(jī)程序，其中，在所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行如上述任一實(shí)施例所述的醫(yī)療輔助決策方法。

31、與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例公開(kāi)的醫(yī)療輔助決策方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，通過(guò)將待處理數(shù)據(jù)輸入預(yù)先訓(xùn)練好的基于雙任務(wù)的稀疏化模型，計(jì)算出稀疏化模型中每一任務(wù)的處理結(jié)果，其中，所述雙任務(wù)包括意圖識(shí)別任務(wù)和疾病預(yù)測(cè)任務(wù)；當(dāng)所述意圖識(shí)別任務(wù)對(duì)于所述待處理數(shù)據(jù)的識(shí)別結(jié)果為疾病預(yù)測(cè)意圖時(shí)，通過(guò)根據(jù)所述疾病預(yù)測(cè)任務(wù)對(duì)于所述待處理數(shù)據(jù)的疾病預(yù)測(cè)結(jié)果和所述待處理數(shù)據(jù)來(lái)查找醫(yī)療案例數(shù)據(jù)庫(kù)，最終輸出決策結(jié)果；其中，所述醫(yī)療案例數(shù)據(jù)庫(kù)記錄有醫(yī)療案例數(shù)據(jù)，每一醫(yī)療案例數(shù)據(jù)與至少一項(xiàng)疾病結(jié)果對(duì)應(yīng)。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例通過(guò)引入基于雙任務(wù)的稀疏化模型和醫(yī)療案例數(shù)據(jù)庫(kù)，降低了對(duì)推斷規(guī)則和專(zhuān)家經(jīng)驗(yàn)的依賴性，提高了模型的集成性和可擴(kuò)展性，解決了現(xiàn)有技術(shù)只能針對(duì)單一決策結(jié)果進(jìn)行推斷的問(wèn)題。