高校“病無憂”智能分診服務平臺

傅薇 翟潔 唐小濤 陳闖 胡曉龍

【摘要】 ? ?針對當前國家鼓勵“互聯網+醫療”、高校學生就診不易的現狀，為實現高校學生便利就診和降低學生就診負擔，本文設計構建了針對高校學生就診的智能問診咨詢平臺。為高校患病學生打造就診前、中、后的“一站式”服務，涵蓋了學生問診、教師工作、校園健康預警等多方位功能。

【關鍵詞】 ? ?智能問診 ? ?互聯網+醫療 ? ?高校就診 ? ?校園健康預警

引言

自2015年以來，黨中央、國務院等各有關部門出臺了一系列指導性文件，提出加快“互聯網+醫療健康”相關技術和產業發展，推動醫療衛生服務模式和管理模式的轉變。為此，得益于人工智能在自然語言處理中的快速發展，基于高校學生就診現狀仍存在諸多不足的背景下，例如：小病熬成大病、高校無法實時監測全校學生的健康動態、學生缺乏基本的疾病常識教育及充分的病后康復知識等。本平臺設計構建了針對高校的智能問診咨詢平臺，并衍生出就診全過程的信息服務和癥狀熱詞統計分析等模塊，集成涵蓋多方位服務、便利高校師生的一站式診療咨詢平臺。

一、高校“病無憂”智能分診服務平臺

1.1 學生模塊： 全過程一站式問診咨詢服務

學生模塊共有三大功能子模塊，分別如下：

1.1.1 “問診咨詢”子模塊

學生患者將主訴輸入本平臺，系統應用深度學習算法進行文本語義解析與自然語言理解，借助后臺癥狀-疾病-科室知識庫，推理出患病學生相應的可能的疾病類型、疾病對應的科室、轉診建議，使得學生對于自己的病情有了初步了解，減輕后續問診負擔，便于及時就醫，減少“小病熬成大病”的情況發生。同時，平臺上自動識別的癥狀信息在學生許可的情況下，可同步傳遞給班導師，有助于班導師及時給予學生耐心的引導和幫助，降低學生后續請假等手續辦理的難度。如圖1所示。

1.1.2 “校內服務”子模塊

本平臺同時提供了就診指南、請假指南、緩考指南、換寢指南、心理咨詢等就診相關的流程指南，學生能夠便捷、直觀地提前了解就診過程指南，減輕了學生就診的心理和行為負擔，提高就診效率。由于外界壓力等多方面原因，特別是在疫情期間，學生需要及時的心理疏導，心理咨詢子模塊貼心地提供了校心理咨詢室的預約及聯系方式。

1.1.3 “健康關愛”子模塊

本平臺引進了疫情日報、健康貼士、疾病常識、校醫院信箱、報銷指南等多方位的校內外信息服務，有助于提高高校學生個人的自我健康管理能力和健康素養。

綜上所述，學生界面提供了智能咨詢問診功能，集中地展示了原本分散的各類校內外實用信息，為學生就診前、中、后提供就診一站式服務，輔助學生預防疾病、促進病后的康復、接受及時的心理疏導。

1.2 校醫模塊：精確轉診，適調備藥

校醫模塊共有三大功能子模塊，分別如下：

1.2.1 “近期熱詞”子模塊

校醫可以選擇想要了解的時間范圍，查看這時間段內學生問診咨詢最多的十項癥狀的頻數統計。

1.2.2 “圖表展示”子模塊

本平臺還將數據進行了可視化的圖表處理，以折線圖和餅狀圖兩種形式進行展示。折線圖可以直觀、具體地顯示出癥狀頻數值，餅狀圖更能夠展現癥狀的占比如何。兩者相輔相成，使校醫能夠及時地、快速地了解近期學生的咨詢情況，及時調整人力和藥品的分配。

1.2.3 “疾病管理”子模塊

校醫可根據校醫院的就診現狀和未來更新情況，修改疾病是否需要轉診這個屬性，提高系統給出轉診建議的專業性、針對性和準確性。

1.3 管理員模塊：健康預警，聯合預防

共有兩大功能子模塊，分別如下：

1.3.1 “近期熱詞”子模塊

管理員同校醫一樣，可以通過該模塊了解學生問診咨詢最多的十項癥狀的頻數統計。

1.3.2 “圖表展示”子模塊

同校醫一樣，管理員可以通過折線圖和餅狀圖兩種形式，掌握學生問診咨詢最多的十項癥狀具體信息，參考性地了解學生的健康狀況。并能夠及時向高校領導層進行匯報反饋，有助于領導層及早做出科學對策，做到疾病早發現、早干預，有針對性地指導校醫院、學工部門等多部門聯合開展預防、保健、醫療、心理服務，提高學生健康管理水平。面對傳染性疾病，特別是在疫情期間，實現早期管理的可及性、有效性，顯得尤為重要。本平臺為高校領導層的實時監測學生健康狀況及科學決策提供輔助服務。

管理員還能夠進行相應的班級管理、用戶管理、修改權限等，是不可或缺的用戶角色。

二、結束語

高校“病無憂”智能分診服務平臺緊跟國家發展方向，響應國家對“互聯網+醫療健康”的發展號召，利用主流的互聯網技術，結合熱點的醫療健康問題，從解決大學生就診現狀存在的問題出發，使學生在就診前對于自己的病情有初步了解，并提供校內外就診信息服務，竭力為高校患病學生打造就診前、中、后的“一站式”服務。同時，輔助教師、校方實時監測學生健康動態，加強高校信息化建設，有助于維護校園健康、溫馨、美好的氛圍。

參 ?考 ?文 ?獻

[1] Fellbaum C. WordNet[M]. Hoboken： Blackwell Publishing Ltd， 1998.

[2] Bizer C， Lehmann J， Kobilarov G， et a1. DBpedia-A Crystallization Point for the Web of Data[J]. Web Semantics：Science，Services and Agents on the World Wide Web， 2009， 7（3）：154-165. DOI：10.1016/i.websem.2009.07.002.

[3] Bollacker K， Evans C， Paritosh P， et a1. Freebase： A Collaboratively Created Graph Database for Structuring Human Knowledge[C]//Proceedings of the 2008 ACM SIGMOD international conference on Management of data. ACM， 2008：1247-1250.130I：10.1145/1376616.1376746.

[4] Niu X， Sun X， Wang H， et a1. Zhishi. me-weaving Chinese Linking Open Data[C]∥International Semantic Web Conference. Springer Berlin Heidelberg， 2011，7032：205-220. DOI：10.1007/ 978-3-642-25093-4-14.

[5] Wang Z，Li J，Wang Z，et a1.Xlore：A Large-scale English-Chinese Bilingual Knowledge Graph[C]∥Proceedings of the2013th International Conference on Posters&Demonstrations Track-Volume 1035.2013：121-124.

[6] Benjelloun O， Garcia-Molina H， Menestrina D， et al. Swoosh： a generic approach to entity resolution[J]. The VLDB Journal—The International Journal on Very Large Data Bases， 2009， 18（1）： 255-276.

[7] Benjelloun O， Garcia-Molina H， Menestrina D， et al. Swoosh： a generic approach to entity resolution[J]. The VLDB Journal—The International Journal on Very Large Data Bases， 2009， 18（1）： 255-276.

[8]馬鈺，張巖，王宏志等.面對智能導診的個性化推薦算法[J].智能系統學報，2018， 13（3）：352-358.

[9]國務院辦公廳關于促進“互聯網+醫療健康”發展的意見[J].當代農村財經，2018（06）：42-45.

[10]吳謙，邱映貴.“互聯網+醫療”背景下分級診療制度的模式及運行機制研究[J].衛生軟科學，2020，34（01）：7-11.