本技術(shù)涉及醫(yī)療數(shù)據(jù)處理，具體而言，涉及一種多智能體協(xié)同的沖突協(xié)調(diào)方法、程序產(chǎn)品、電子設(shè)備及存儲介質(zhì)。
背景技術(shù)：
1、多學(xué)科診療（multi-disciplinary?team，mdt）是復(fù)雜疾病管理的常用模式，由多個專科醫(yī)生共同討論患者病情，形成綜合診療方案。在實際執(zhí)行中，不同專科醫(yī)生基于各自專業(yè)視角給出的診療建議之間，常存在藥物相互作用、治療方案矛盾等沖突情況。當(dāng)前，mdt意見沖突的識別與協(xié)調(diào)主要依賴人工完成：由醫(yī)生人工閱讀各科意見，識別其中存在的矛盾，再通過電話等方式與相關(guān)專科醫(yī)生逐一溝通、反復(fù)協(xié)調(diào)，直至達(dá)成共識。這種人工協(xié)調(diào)方式效率較低，耗時長，且協(xié)調(diào)質(zhì)量高度依賴牽頭醫(yī)生的專業(yè)經(jīng)驗，容易因疏漏導(dǎo)致沖突未被及時發(fā)現(xiàn)。
技術(shù)實現(xiàn)思路
1、本技術(shù)實施例的目的在于提供一種多智能體協(xié)同的沖突協(xié)調(diào)方法、程序產(chǎn)品、電子設(shè)備及存儲介質(zhì)，用于改善上述問題。
2、第一方面，本技術(shù)實施例提供了一種多智能體協(xié)同的沖突協(xié)調(diào)方法，包括：通過信息匯總智能體獲取患者的多元醫(yī)療信息，對多元醫(yī)療信息進(jìn)行處理，生成患者的結(jié)構(gòu)化診療信息；將結(jié)構(gòu)化診療信息分別輸入至多個學(xué)科智能體，并接收多個學(xué)科智能體基于對應(yīng)的學(xué)科知識庫生成的學(xué)科會診意見；通過協(xié)商智能體對多個學(xué)科會診意見進(jìn)行解析，生成三元組；對三元組進(jìn)行沖突檢測，生成沖突信息，并評估每一沖突信息的沖突置信度；若至少一個沖突信息的沖突置信度超過預(yù)設(shè)閾值，則通過協(xié)商智能體將沖突信息發(fā)送至對應(yīng)的學(xué)科智能體，并接收學(xué)科智能體針對沖突信息生成的修改建議；協(xié)商智能體根據(jù)與學(xué)科智能體至少一輪交互所獲取的修改建議，生成沖突協(xié)調(diào)方案。
3、在上述的實現(xiàn)過程中，通過信息匯總智能體對患者的多元醫(yī)療信息進(jìn)行處理，使原本分散、格式不一的病歷數(shù)據(jù)能夠被多個學(xué)科智能體識別和調(diào)用，充分利用患者在不同醫(yī)院的診斷記錄，有助于幫助患者更加準(zhǔn)確的評估病情。多個學(xué)科智能體基于各自學(xué)科知識庫獨立生成學(xué)科會診意見，實現(xiàn)了多學(xué)科意見的同步產(chǎn)出，提高效率。協(xié)商智能體能夠自動識別不同專科建議之間潛在的藥物相互作用、治療原則矛盾或檢查重復(fù)等問題，減少了人工審核時因?qū)I(yè)視野局限或疏忽造成的漏判。通過協(xié)商智能體將沖突信息發(fā)送至對應(yīng)的學(xué)科智能體，并接收其生成的修改建議，模擬了臨床會診中“發(fā)現(xiàn)問題、反饋專科、重新考慮”的溝通流程，使學(xué)科智能體能夠在新的約束條件下對原建議進(jìn)行修正。通過協(xié)商智能體與學(xué)科智能體至少一輪交互獲取修改建議，并在此基礎(chǔ)上生成沖突協(xié)調(diào)方案，實現(xiàn)了對矛盾意見的自動化平衡和折中，減少人工協(xié)調(diào)的工作量，提高工作效率。
4、可選地，在本技術(shù)實施例中，信息匯總智能體獲取患者的多元醫(yī)療信息，通過模型上下文協(xié)議，調(diào)度多個自然語言處理工具，對多元醫(yī)療信息進(jìn)行處理，多個自然語言處理工具包括命名實體識別工具、語義角色標(biāo)注工具和指標(biāo)定性工具；命名實體識別工具用于從多元醫(yī)療信息中提取醫(yī)學(xué)實體，生成實體映射表；語義角色標(biāo)注工具用于從多元醫(yī)療信息中提取行為框架，生成初始語義三元組；指標(biāo)定性工具用于根據(jù)預(yù)設(shè)的醫(yī)學(xué)閾值庫將多元醫(yī)療信息中的定量檢驗指標(biāo)轉(zhuǎn)化為定性描述，生成指標(biāo)定性表；信息匯總智能體根據(jù)實體映射表、初始語義三元組和指標(biāo)定性表，生成結(jié)構(gòu)化診療信息。
5、在上述的實現(xiàn)過程中，通過信息匯總智能體獲取患者的多元醫(yī)療信息，并采用模型上下文協(xié)議調(diào)度命名實體識別工具、語義角色標(biāo)注工具和指標(biāo)定性工具進(jìn)行協(xié)同處理，生成了包含實體映射表、初始語義三元組和指標(biāo)定性表的結(jié)構(gòu)化診療信息。該方法將原本分散、格式不一的病歷文本、檢驗報告和患者自述信息轉(zhuǎn)化為統(tǒng)一的、計算機可識別的結(jié)構(gòu)化數(shù)據(jù)，改善人工翻閱和錄入造成的效率損失。工具在模型上下文協(xié)議的調(diào)度下協(xié)同工作，各項輸出被聚合為結(jié)構(gòu)化診療信息，提高了多學(xué)科診療流程中信息處理的一致性和準(zhǔn)確性。
6、可選地，在本技術(shù)實施例中，學(xué)科智能體基于對應(yīng)的學(xué)科知識庫生成的學(xué)科會診意見，包括：學(xué)科智能體接收結(jié)構(gòu)化診療信息；學(xué)科智能體通過知識庫檢索引擎從學(xué)科知識庫中檢索與結(jié)構(gòu)化診療信息相關(guān)聯(lián)的檢索結(jié)果；檢索結(jié)果包括醫(yī)學(xué)文獻(xiàn)、臨床指南和/或歷史相似病例；學(xué)科智能體將檢索結(jié)果與結(jié)構(gòu)化診療信息輸入至學(xué)科智能體內(nèi)部的大語言模型；大語言模型基于檢索結(jié)果和結(jié)構(gòu)化診療信息進(jìn)行推理，輸出學(xué)科會診意見；學(xué)科會診意見包括診斷意見、檢查建議、用藥建議和/或生活方式指導(dǎo)。
7、在上述的實現(xiàn)過程中，通過學(xué)科智能體接收結(jié)構(gòu)化診療信息，并利用專科知識庫檢索引擎從學(xué)科知識庫中檢索與患者情況相關(guān)聯(lián)的醫(yī)學(xué)內(nèi)容，使學(xué)科會診意見的生成過程具備了循證醫(yī)學(xué)依據(jù)。大語言模型基于檢索到的文獻(xiàn)和患者個體化數(shù)據(jù)進(jìn)行綜合分析，輸出的學(xué)科會診意見內(nèi)容，將專科醫(yī)生的臨床決策經(jīng)驗通過知識庫和大語言模型進(jìn)行數(shù)字化表達(dá)，使每一份學(xué)科會診意見均有可追溯的文獻(xiàn)或案例支撐，減少了完全依賴大語言模型固有參數(shù)可能產(chǎn)生的臆測或幻覺。也大大減少了診斷所需使用的時間。
8、可選地，在本技術(shù)實施例中，協(xié)商智能體包括語義感知模塊；通過協(xié)商智能體對多個學(xué)科會診意見進(jìn)行解析，生成三元組，包括：協(xié)商智能體調(diào)用語義感知模塊對每一學(xué)科會診意見進(jìn)行句法依存分析，獲得句法依存分析結(jié)果；分析結(jié)果包括學(xué)科會診意見中的謂詞及主謂賓依存結(jié)構(gòu)；語義感知模塊對句法依存分析結(jié)果進(jìn)行語義角色標(biāo)注，將學(xué)科會診意見映射為語義框架，生成三元組，三元組至少包括主體實體、行為謂詞和客體實體。
9、在上述的實現(xiàn)過程中，通過協(xié)商智能體調(diào)用語義感知模塊對學(xué)科會診意見進(jìn)行句法依存分析和語義角色標(biāo)注，將非結(jié)構(gòu)化的自然語言建議轉(zhuǎn)化為結(jié)構(gòu)化的三元組，使原本只能由醫(yī)生閱讀理解的文本意見變?yōu)橛嬎銠C可識別、可計算的數(shù)據(jù)單元。
10、可選地，在本技術(shù)實施例中，協(xié)商智能體還包括語義對齊模塊；在語義感知模塊對句法依存分析結(jié)果進(jìn)行語義角色標(biāo)注，將學(xué)科會診意見映射為語義框架，生成三元組之后，所述方法還包括：協(xié)商智能體調(diào)用語義對齊模塊對不同學(xué)科智能體生成的三元組中的實體進(jìn)行術(shù)語歸一化處理；語義對齊模塊通過對比學(xué)習(xí)模型將同義或近義的醫(yī)學(xué)實體映射至相同的向量空間，并以標(biāo)準(zhǔn)化術(shù)語替換三元組中非標(biāo)準(zhǔn)的實體表述；語義對齊模塊輸出經(jīng)實體歸一化處理后的三元組；對三元組進(jìn)行沖突檢測，生成沖突信息，包括：對經(jīng)實體歸一化處理后的三元組進(jìn)行沖突檢測，生成沖突信息。
11、在上述的實現(xiàn)過程中，通過語義對齊模塊調(diào)用對比學(xué)習(xí)模型對不同學(xué)科智能體生成的三元組中的實體進(jìn)行術(shù)語歸一化處理，將同義或近義的醫(yī)學(xué)實體映射至相同的向量空間并以標(biāo)準(zhǔn)化術(shù)語替換，消除了因科室用語習(xí)慣差異造成的語義歧義，使后續(xù)沖突檢測能夠在統(tǒng)一的術(shù)語體系下進(jìn)行。
12、可選地，在本技術(shù)實施例中，協(xié)商智能體包括沖突推理模塊；對三元組進(jìn)行沖突檢測，生成沖突信息，并評估每一沖突信息的沖突置信度，包括：協(xié)商智能體調(diào)用沖突推理模塊，以三元組中的實體為查詢條件，從醫(yī)學(xué)知識庫中檢索實體相關(guān)的醫(yī)學(xué)規(guī)則；醫(yī)學(xué)規(guī)則包括藥物相互作用、檢查合并可行性和/或治療方案禁忌；沖突推理模塊基于檢索到的醫(yī)學(xué)規(guī)則，通過非單調(diào)邏輯引擎判斷三元組所表征的學(xué)科會診意見之間是否存在沖突，針對存在沖突的學(xué)科會診意見生成沖突信息，并評估每一沖突信息的沖突置信度；其中，沖突置信度基于醫(yī)學(xué)規(guī)則的權(quán)威等級、患者當(dāng)前生理指標(biāo)與醫(yī)學(xué)規(guī)則的匹配程度、和三元組本身的置信度中的至少一項確定；沖突信息包括沖突類型、沖突所涉及的實體和沖突解釋內(nèi)容。
13、在上述的實現(xiàn)過程中，通過沖突推理模塊以三元組中的實體為查詢條件從醫(yī)學(xué)知識庫中檢索相關(guān)醫(yī)學(xué)規(guī)則，并基于非單調(diào)邏輯引擎判斷學(xué)科會診意見之間是否存在沖突，實現(xiàn)了對藥物相互作用、檢查合并可行性、治療方案禁忌等潛在矛盾的自動化識別。沖突推理模塊為每一沖突信息評估沖突置信度，該置信度綜合考量醫(yī)學(xué)規(guī)則的權(quán)威等級、患者生理指標(biāo)匹配程度和三元組自身置信度，使沖突檢測結(jié)果具備可量化的可信度分級。上述步驟共同構(gòu)建了一條從語義解析、術(shù)語對齊到?jīng)_突識別的完整自動化鏈路，提高了多學(xué)科會診意見沖突檢測的全面性和準(zhǔn)確性，減少了人工審核時因?qū)I(yè)視野局限或信息疏漏造成的判斷失誤。
14、可選地，在本技術(shù)實施例中，通過協(xié)商智能體將沖突信息發(fā)送至對應(yīng)的學(xué)科智能體，并接收學(xué)科智能體針對沖突信息生成的修改建議，包括：協(xié)商智能體根據(jù)沖突信息所涉及的實體，確定生成實體所對應(yīng)的三元組的學(xué)科智能體，并將沖突信息發(fā)送至學(xué)科智能體；接收沖突信息的學(xué)科智能體，將沖突信息作為新增約束條件，結(jié)合結(jié)構(gòu)化診療信息，重新調(diào)用學(xué)科智能體內(nèi)部的大語言模型進(jìn)行推理，獲得針對沖突信息的修改建議。
15、在上述的實現(xiàn)過程中，通過協(xié)商智能體根據(jù)沖突信息所涉及的實體，準(zhǔn)確定位生成該實體對應(yīng)三元組的學(xué)科智能體，并將沖突信息定向發(fā)送至該學(xué)科智能體，實現(xiàn)了沖突問題的精準(zhǔn)反饋，并且沖突信息作為新增約束條件，結(jié)合原有的結(jié)構(gòu)化診療信息，重新調(diào)用內(nèi)部的大語言模型進(jìn)行推理，使學(xué)科智能體能夠在知曉其他專科意見的前提下重新評估自身建議的合理性。這一過程使學(xué)科智能體不再是單向輸出一成不變的建議，而是具備了根據(jù)反饋信息迭代修正的能力。
16、可選地，在本技術(shù)實施例中，協(xié)商智能體根據(jù)與學(xué)科智能體至少一輪交互所獲取的修改建議，生成沖突協(xié)調(diào)方案，包括：協(xié)商智能體獲取來自多個學(xué)科智能體針對同一沖突信息生成的多個修改建議；協(xié)商智能體調(diào)用對應(yīng)的大語言模型對多個修改建議分別計算全局可接收度權(quán)重，全局可接收度權(quán)重基于修改建議與醫(yī)學(xué)知識庫的符合度、修改建議對沖突的緩解程度，或修改建議對其他學(xué)科診療目標(biāo)的潛在影響確定；協(xié)商智能體以最大化全局可接收度權(quán)重和最小化殘留沖突置信度為目標(biāo)函數(shù)，確定沖突協(xié)調(diào)方案；沖突協(xié)調(diào)方案為從多個修改建議中選擇的目標(biāo)修改建議，或從多個修改建議中提取部分建議要素組合生成新的平衡方案。
17、在上述的實現(xiàn)過程中，協(xié)商智能體調(diào)用對應(yīng)的大語言模型對多個修改建議分別計算全局可接收度權(quán)重，使每一條修改建議的優(yōu)劣程度具備了可量化的評價標(biāo)準(zhǔn)。協(xié)商智能體以最大化全局可接收度權(quán)重和最小化殘留沖突置信度為目標(biāo)函數(shù)，確定沖突協(xié)調(diào)方案，通過量化評估和優(yōu)化求解，協(xié)商智能體輸出的沖突協(xié)調(diào)方案在醫(yī)學(xué)合規(guī)性、沖突解決徹底性和多專科平衡性三個維度上均達(dá)到較優(yōu)水平，提高了多學(xué)科意見沖突自動化協(xié)調(diào)的整體質(zhì)量和可靠性。
18、可選地，在本技術(shù)實施例中，在通過信息匯總智能體獲取患者的多元醫(yī)療信息之前，方法還包括：通過主動關(guān)懷場景識別模塊監(jiān)測患者的實時狀態(tài)數(shù)據(jù)，實時狀態(tài)數(shù)據(jù)至少包括癥狀自評量表得分、動作捕捉數(shù)據(jù)、眼動追蹤數(shù)據(jù)、語音特征數(shù)據(jù)、用藥依從性記錄或感染暴露信息；基于預(yù)設(shè)的風(fēng)險特征庫對實時狀態(tài)數(shù)據(jù)進(jìn)行匹配，當(dāng)識別到實時狀態(tài)數(shù)據(jù)中存在與預(yù)設(shè)狀態(tài)相關(guān)聯(lián)的風(fēng)險特征時，生成主動關(guān)懷場景識別信號；將主動關(guān)懷場景識別信號輸入至關(guān)懷觸發(fā)條件判定模塊，關(guān)懷觸發(fā)條件判定模塊根據(jù)預(yù)設(shè)的規(guī)則庫判斷患者是否滿足關(guān)懷觸發(fā)條件；關(guān)懷觸發(fā)條件包括癥狀惡化持續(xù)時間閾值、治療階段條件、合并感染指征或呼吸功能下降指征；若判定為滿足關(guān)懷觸發(fā)條件，則生成啟動指令，啟動指令用于觸發(fā)信息匯總智能體開始執(zhí)行：通過信息匯總智能體獲取患者的多元醫(yī)療信息，對多元醫(yī)療信息進(jìn)行處理，生成患者的結(jié)構(gòu)化診療信息的步驟；在生成沖突協(xié)調(diào)方案之后，方法還包括：在生成沖突協(xié)調(diào)方案審核通過的情況下，將沖突協(xié)調(diào)方案轉(zhuǎn)換為個性化關(guān)懷內(nèi)容；個性化關(guān)懷內(nèi)容為分別面向患者端、家屬端或醫(yī)生端的信息；個性化關(guān)懷內(nèi)容的形式包括文字、圖片、音頻和/或視頻；將個性化關(guān)懷內(nèi)容發(fā)送給對應(yīng)的接收端。
19、在上述的實現(xiàn)過程中，基于預(yù)設(shè)的風(fēng)險特征庫對實時狀態(tài)數(shù)據(jù)進(jìn)行匹配，能夠在患者出現(xiàn)明確的病情波動特征時主動生成主動關(guān)懷場景識別信號，將傳統(tǒng)的被動等待患者就診模式轉(zhuǎn)變?yōu)橹鲃影l(fā)現(xiàn)風(fēng)險模式。通過關(guān)懷觸發(fā)條件判定模塊根據(jù)預(yù)設(shè)的規(guī)則庫對癥狀或指征進(jìn)行逐項判定，提高了干預(yù)時機的精準(zhǔn)性。將該方案轉(zhuǎn)換為分別面向患者端、家屬端或醫(yī)生端的個性化關(guān)懷內(nèi)容，使原本面向?qū)I(yè)醫(yī)生的診療決策能夠被患者和家屬準(zhǔn)確理解并有效執(zhí)行，提高了多學(xué)科診療方案的落地效率和依從性。
20、第二方面，本技術(shù)實施例還提供了一種多智能體系統(tǒng)，包括：信息匯總智能體，用于獲取患者的多元醫(yī)療信息，對多元醫(yī)療信息進(jìn)行處理，生成患者的結(jié)構(gòu)化診療信息；以及將結(jié)構(gòu)化診療信息分別輸入至多個學(xué)科智能體，并接收多個學(xué)科智能體基于對應(yīng)的學(xué)科知識庫生成的學(xué)科會診意見；學(xué)科智能體，用于結(jié)構(gòu)化診療信息，并基于對應(yīng)的學(xué)科知識庫生成的學(xué)科會診意見；協(xié)商智能體，用于對多個學(xué)科會診意見進(jìn)行解析，生成三元組；對三元組進(jìn)行沖突檢測，生成沖突信息，并評估每一沖突信息的沖突置信度；若至少一個沖突信息的沖突置信度超過預(yù)設(shè)閾值，則通過協(xié)商智能體將沖突信息發(fā)送至對應(yīng)的學(xué)科智能體，并接收學(xué)科智能體針對沖突信息生成的修改建議；協(xié)商智能體根據(jù)與學(xué)科智能體至少一輪交互所獲取的修改建議，生成沖突協(xié)調(diào)方案。
21、第三方面，本技術(shù)實施例還提供了計算機程序產(chǎn)品，包括計算機程序指令，計算機程序指令被處理器運行時執(zhí)行第一方面或第一方面的任意一種實現(xiàn)方式提供的方法。
22、第四方面，本技術(shù)實施例還提供了一種電子設(shè)備，包括：處理器和存儲器，存儲器存儲有計算機程序指令，計算機程序指令被處理器運行時執(zhí)行第一方面或第一方面的任意一種實現(xiàn)方式提供的方法。
23、第五方面，本技術(shù)實施例還提供了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)上存儲有計算機程序指令，計算機程序指令被處理器運行時執(zhí)行第一方面或第一方面的任意一種實現(xiàn)方式提供的方法。
24、采用本技術(shù)提供的一種多智能體協(xié)同的沖突協(xié)調(diào)方法、程序產(chǎn)品、電子設(shè)備及存儲介質(zhì)，通過信息匯總智能體對患者的多元醫(yī)療信息進(jìn)行處理，使原本分散、格式不一的病歷數(shù)據(jù)能夠被多個學(xué)科智能體識別和調(diào)用，充分利用患者在不同醫(yī)院的診斷記錄，有助于幫助患者更加準(zhǔn)確的評估病情。多個學(xué)科智能體基于各自學(xué)科知識庫獨立生成學(xué)科會診意見，實現(xiàn)了多學(xué)科意見的同步產(chǎn)出，提高效率。協(xié)商智能體能夠自動識別不同專科建議之間潛在的藥物相互作用、治療原則矛盾或檢查重復(fù)等問題，減少了人工審核時因?qū)I(yè)視野局限或疏忽造成的漏判。通過協(xié)商智能體將沖突信息發(fā)送至對應(yīng)的學(xué)科智能體，并接收其生成的修改建議，模擬了臨床會診中“發(fā)現(xiàn)問題、反饋專科、重新考慮”的溝通流程，使學(xué)科智能體能夠在新的約束條件下對原建議進(jìn)行修正。通過協(xié)商智能體與學(xué)科智能體至少一輪交互獲取修改建議，并在此基礎(chǔ)上生成沖突協(xié)調(diào)方案，實現(xiàn)了對矛盾意見的自動化平衡和折中，減少人工協(xié)調(diào)的工作量，提高工作效率。