买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于大模型知识增强的交互式临床决策支持系统与方法。本发明在每轮与大模型交互结束时，基于交互内容更新交互图谱。将交互图谱的嵌入表示作为状态，将问诊、查体或辅助检查等作为可执行的行动，通过强化学习方法优化诊断过程，提高诊断的准确性和效率。通过分析多轮问诊的交互图谱中的变化生成推理路径，基于推理路径生成交互图谱的反事实状态，基于反事实状态计算各推理路径的重要性，将重要推理路径输入大模型生成自然语言描述，能够提高多轮问诊中从医疗知识图谱检索知识的质量，为大模型输入提供更加可信的知识表示，提高大模型生成内容的质量与可信度。

主权项：1.一种基于大模型知识增强的交互式临床决策支持系统，其特征在于，该系统包括以下模块：大模型-患者多轮交互模块，每轮交互包括面向医生的大模型端的问诊内容和患者端的回答，在每轮交互结束时基于交互内容更新交互图谱；交互图谱构建模块，用于根据患者端的回答内容构建阳性节点集和阴性节点集并基于医疗知识图谱进行实体对齐，在医疗知识图谱中搜索得到排除阴性节点的中间节点集，基于所述中间节点集和所述阳性节点集生成交互图谱；强化学习推理模块，用于根据所述医疗知识图谱生成疾病特征图谱，根据所述交互图谱与所述疾病特征图谱的嵌入表示，基于疾病预测模型计算疾病概率分布，使用贪心策略与强化学习模型选择下一轮强化学习智能体的推荐行动，根据行动后疾病概率分布的变化计算奖励，对所述疾病预测模型和所述强化学习模型进行联合训练，得到基于交互图谱语义信息的强化学习模型；所述强化学习模型的训练阶段，在智能体推荐行动后进行推荐行动与电子病历系统的数据匹配，对于进行过的问诊、查体或辅助检查结果形成新的阳性节点集与阴性节点集并更新交互图谱，计算新的嵌入表示；如果未在电子病历系统中找到推荐行动对应的数据，则保持交互图谱不变；所述奖励包括诊断准确性奖励Racc，对于诊断任务的信息增益奖励Rinfo，以及对于非必要行动的惩罚Runnec，其中Racc的值根据疾病预测模型是否正确预测疾病确定，Rinfo的值为信息熵的变化量，Runnec取0和θ-ΔI中的较大值，ΔI用以度量疾病预测模型预测疾病可能性的变化量，θ是变化量的预设阈值；所述强化学习推理模块中，基于电子病历系统中就诊记录与智能体推荐行动模拟交互过程收集训练数据，具体为：取一条就诊记录中的主诉构建模拟交互中的初始交互图谱G1，在第j轮模拟交互中，智能体根据交互图谱Gj的嵌入表示sj生成推荐行动aj，根据aj更新交互图谱为Gj+1并计算新的嵌入表示sj+1与奖励rj，sj,aj,sj+1,rj构成一条用于强化学习模型训练的经验样本；当电子病历系统中该条就诊记录的所有问诊、查体或辅助检查项目均被智能体推荐，或智能体推荐轮次达到预设最大轮次，停止基于该条就诊记录的训练数据收集；重要诊断路径生成模块，用于根据关系路径生成推理路径，基于所述推理路径生成所述交互图谱的反事实状态，基于所述反事实状态计算各推理路径的重要性，将重要推理路径输入大模型生成重要推理路径的自然语言描述，作为面向医生的大模型端的提示词。

全文数据：

权利要求：

百度查询： 浙江大学 基于大模型知识增强的交互式临床决策支持系统与方法