基于深度学习技术的便民服务创新模式研究

• 作者: 何萍 周英 施宇 李静
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 人工智能 深度学习 智能分诊 自然语义处理
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 特别专题
• 页码范围: 25-28
• 页数: 4页
• 分类号: R197.3
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2020.11.006

摘要

目的:针对患者在就诊过程中缺乏专业指导带来的诸多问题,提出基于深度学习与就诊场景相结合的技术方法,使患者能够采用自然语义的方式描述疾病症状,获得系统推荐最佳科室和专业的咨询服务,从而促进便民服务模式创新.方法:采用医疗知识图谱和卷积神经网络方法,构建智能分诊模型,实现疾病知识的自动问答和智能导诊.基于面向服务(Service-Oriented Architecture,SOA)的开放架构,通过共享服务模式向传统预约服务渠道提供统一规范的服务接口.结果:在实际示范应用过程中,2018年智能分诊模型通过便民服务渠道提供了1246次/天的患者咨询,患者满意度达到91％.结论:基于深度学习技术的便民服务能够有效改善患者服务体验,提升患者就诊效率,降低人工服务成本,适合在医院推广使用.