高校“病无忧”智能分诊服务平台

2022.06.30

傅薇翟洁唐小涛陈闯胡晓龙

【摘要】 ? ?针对当前国家鼓励“互联网+医疗”、高校学生就诊不易的现状，为实现高校学生便利就诊和降低学生就诊负担，本文设计构建了针对高校学生就诊的智能问诊咨询平台。为高校患病学生打造就诊前、中、后的“一站式”服务，涵盖了学生问诊、教师工作、校园健康预警等多方位功能。

【关键词】 ? ?智能问诊 ? ?互联网+医疗 ? ?高校就诊 ? ?校园健康预警

引言

自2015年以来，党中央、国务院等各有关部门出台了一系列指导性文件，提出加快“互联网+医疗健康”相关技术和产业发展，推动医疗卫生服务模式和管理模式的转变。为此，得益于人工智能在自然语言处理中的快速发展，基于高校学生就诊现状仍存在诸多不足的背景下，例如：小病熬成大病、高校无法实时监测全校学生的健康动态、学生缺乏基本的疾病常识教育及充分的病后康复知识等。本平台设计构建了针对高校的智能问诊咨询平台，并衍生出就诊全过程的信息服务和症状热词统计分析等模块，集成涵盖多方位服务、便利高校師生的一站式诊疗咨询平台。

一、高校“病无忧”智能分诊服务平台

1.1 学生模块：全过程一站式问诊咨询服务

学生模块共有三大功能子模块，分别如下：

1.1.1 “问诊咨询”子模块

学生患者将主诉输入本平台，系统应用深度学习算法进行文本语义解析与自然语言理解，借助后台症状-疾病-科室知识库，推理出患病学生相应的可能的疾病类型、疾病对应的科室、转诊建议，使得学生对于自己的病情有了初步了解，减轻后续问诊负担，便于及时就医，减少“小病熬成大病”的情况发生。同时，平台上自动识别的症状信息在学生许可的情况下，可同步传递给班导师，有助于班导师及时给予学生耐心的引导和帮助，降低学生后续请假等手续办理的难度。如图1所示。

1.1.2 “校内服务”子模块

本平台同时提供了就诊指南、请假指南、缓考指南、换寝指南、心理咨询等就诊相关的流程指南，学生能够便捷、直观地提前了解就诊过程指南，减轻了学生就诊的心理和行为负担，提高就诊效率。由于外界压力等多方面原因，特别是在疫情期间，学生需要及时的心理疏导，心理咨询子模块贴心地提供了校心理咨询室的预约及联系方式。

1.1.3 “健康关爱”子模块

本平台引进了疫情日报、健康贴士、疾病常识、校医院信箱、报销指南等多方位的校内外信息服务，有助于提高高校学生个人的自我健康管理能力和健康素养。

综上所述，学生界面提供了智能咨询问诊功能，集中地展示了原本分散的各类校内外实用信息，为学生就诊前、中、后提供就诊一站式服务，辅助学生预防疾病、促进病后的康复、接受及时的心理疏导。

1.2 校医模块：精确转诊，适调备药

校医模块共有三大功能子模块，分别如下：

1.2.1 “近期热词”子模块

校医可以选择想要了解的时间范围，查看这时间段内学生问诊咨询最多的十项症状的频数统计。

1.2.2 “图表展示”子模块

本平台还将数据进行了可视化的图表处理，以折线图和饼状图两种形式进行展示。折线图可以直观、具体地显示出症状频数值，饼状图更能够展现症状的占比如何。两者相辅相成，使校医能够及时地、快速地了解近期学生的咨询情况，及时调整人力和药品的分配。

1.2.3 “疾病管理”子模块

校医可根据校医院的就诊现状和未来更新情况，修改疾病是否需要转诊这个属性，提高系统给出转诊建议的专业性、针对性和准确性。

1.3 管理员模块：健康预警，联合预防

共有两大功能子模块，分别如下：

1.3.1 “近期热词”子模块

管理员同校医一样，可以通过该模块了解学生问诊咨询最多的十项症状的频数统计。

1.3.2 “图表展示”子模块

同校医一样，管理员可以通过折线图和饼状图两种形式，掌握学生问诊咨询最多的十项症状具体信息，参考性地了解学生的健康状况。并能够及时向高校领导层进行汇报反馈，有助于领导层及早做出科学对策，做到疾病早发现、早干预，有针对性地指导校医院、学工部门等多部门联合开展预防、保健、医疗、心理服务，提高学生健康管理水平。面对传染性疾病，特别是在疫情期间，实现早期管理的可及性、有效性，显得尤为重要。本平台为高校领导层的实时监测学生健康状况及科学决策提供辅助服务。

管理员还能够进行相应的班级管理、用户管理、修改权限等，是不可或缺的用户角色。

二、结束语

高校“病无忧”智能分诊服务平台紧跟国家发展方向，响应国家对“互联网+医疗健康”的发展号召，利用主流的互联网技术，结合热点的医疗健康问题，从解决大学生就诊现状存在的问题出发，使学生在就诊前对于自己的病情有初步了解，并提供校内外就诊信息服务，竭力为高校患病学生打造就诊前、中、后的“一站式”服务。同时，辅助教师、校方实时监测学生健康动态，加强高校信息化建设，有助于维护校园健康、温馨、美好的氛围。

参 ?考 ?文 ?献

[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]馬钰，张岩，王宏志等.面对智能导诊的个性化推荐算法[J].智能系统学报，2018， 13（3）：352-358.

[9]国务院办公厅关于促进“互联网+医疗健康”发展的意见[J].当代农村财经，2018（06）：42-45.

[10]吴谦，邱映贵.“互联网+医疗”背景下分级诊疗制度的模式及运行机制研究[J].卫生软科学，2020，34（01）：7-11.