本发明涉及智能医疗，具体涉及一种基于大语言模型的患者呼叫应答系统。
背景技术：
1、病房呼叫应答系统是一种主要在医院中使用的通信系统，它允许患者在需要时与护士或医疗人员取得联系。这种系统通常包括位于患者床边的呼叫按钮，患者可以通过它发出呼叫。当患者使用这个系统时，护士站或医疗人员工作位置的设备会收到通知，告知他们患者需要帮助。这种系统的目的是确保患者能够在需要时迅速获得医疗援助，特别是在紧急情况下。它也有助于提高医院的工作效率，因为医护人员可以更有效地响应患者的需求。
2、病房呼叫应答系统一般包含各种功能，如语音通信、床旁控制(如灯光和电视控制)以及集成的医疗监测。然而，只具备以上功能的病房呼叫系统，无法完成更多信息交互功能，尚不能满足现代医院智慧化建设的需求。现有技术中病房呼叫应答系统存在的主要问题包括：
3、1.接听患者呼叫不及时：当患者按下呼叫器，护士站的呼叫终端会发出提示音，但护士可能因为正在照顾其他病床的患者，或者正在执行其他工作，未能第一时间接听呼叫，导致患者的主诉无法第一时间得到应答，导致病情诊治贻误且患者满意度降低。
4、2.接听后病情判断不精准：当护士或医生收到患者的主诉时，会根据自己的专业知识及经验，判断患者主诉的“轻重缓急”，但经常会出现资历较浅的医护人员收到患者主诉信息后判断出现错误，而导致后续治疗方案制定出现问题。
5、3.响应效率有待提高：无论是护士或医师，在值班时无法完全掌握病房内所有患者的完整病情，均需根据记忆以及适当的查阅电子病历后才能做出响应决策，遇到复杂或疑难的问题也存在需要查阅专业资料或进一步请示上级医护人员的情况，导致响应效率低下。
6、4.信息传递中出现偏差：原有流程中，患者主诉信息通常由责任护士接收后进行第一级处理，如遇无法自行处理情况，需要将信息转达至上级护士或主管医生，经第二级处理后如仍无法解决，还需进一步上报至二线/三线医护人员，信息在逐级人工传递过程中常无法完全或客观的传递至各级医护人员，期间可能因为医护人员掌握的专业知识层次不等，导致信息加工处理质量参差不齐，影响下一级医护人员判断病情制定合理的治疗策略。
7、5.跨学科专业疾病信息处理难度大：当患者面临同时患有多系统疾病的情况，各级主管医生即使专业知识再深厚，也无法完全掌握跨学科的所有疾病的专业知识，更会常常面临多系统疾病的治疗矛盾，也需要更多的时间去处理信息进行鉴别诊断和思考，乃至请不同学科的医生进行会诊，而会诊的医生在当前大部分医院的管理制度下，均是年资偏低的医生，经常出现沟通的阻碍以及会诊质量的低下。因此，医疗纠纷也常常出现在同时患有多系统疾病的患者接受到不合理或不满意的诊疗服务。目前，所有专科医生均面临处理跨学科专业疾病信息处理难度大的局限性。
8、6.值班制度下一人处理多任务不可避免，值班医生通常有很多事务性工作，比如书写住院病历、记录值班病程、处理医嘱等，期间也经常遇到多个病人在同一极短的时间段内因病情不稳定而呼叫，而当前值班制度以及医院人员配置紧张的情况下，医生需要一个人同时处理多个患者的病情变化，不仅增加了病情处置不及时的风险，也存在多个患者病情信息混淆的风险，是导致医疗安全隐患的常见因素之一。
9、7.医生处理患者病情需要电子病历与电脑查阅患者病情：当护士无法独立处理患者呼叫诉求时，会呼叫医生，而患者病情相对复杂时，医生为了确保处理病情的准确性，通常需要在接到呼叫后，先在电脑上查阅患者病历及辅助检查结果，不仅耗时，而且无法在第一时间到达患者床边，增加患者病情进展风险的同时也影响患者的信任度与满意度。
10、8.病房三级医师管理制度下，联络与信息传递耗时：一线、二线、三线医师之间存在上下级管理关系。病房的一线医生通常为住院医师，资历较浅，主要负责处理病历文书工作以及第一时间响应主管患者的日常诉求，若遇无法独立处理的情况需要请示上级医师，即二线医生。二线医生主要负责日常查房工作，了解病房主管患者的病情信息，安排并调整下一步患者的诊疗方案，同时需要检查一线医生的病历文书以及医嘱是否存在错误。当病人病情出现危急情况时，需要第一时间组织一线医生及护士进行治疗及抢救，若遇无法独立处理的情况需要请示上级医师，即三线医生。三线医生主要负责每周2-3次的三线级别查房及教学查房，主要负责指导一线及二线医生对复杂疑难病情的诊疗策略，同时在出现抢救情况时，接到二线医生呼叫后需要尽快到场组织进一步抢救治疗。一线医师大部分时间都会在接到患者呼叫后第一时间到场并根据自己的专业知识处理病情，但二线医师及三线医师不仅需要管理病房，还同时有门诊和手术的工作量，因此经常出现一线需要电话呼叫二线医师及三线医师的情况出现，电话呼叫后需要由一线医师转达患者的基本病情信息及病情变化，如无法通过电话指导处理流程，二线医师及三线医师均需要到场，但无论是客观的病情信息亦或是经下级医师思考处理后的信息，传递至上级医师都需要耗费一定时间，并且下级医师拨打上级医师联络设备期间本身也存在时间延误。导致联络效率低下，安全隐患增加。
11、9.常规与危急响应流程处理区分度不足：即使医院有根据患者病情的危急程度进行相应环节的培训和制度制定，但临床中真正出现患者病情变化时，存在信息触达及时性、病情处理的诸多限制。信息触达及时性即如何第一时间识别出患者的病情较前出现了恶化，直接影响病情进一步进展速度。同时护士到场后如遇到危急情况，以往只能靠提高音量呼喊医生，医生如不在可闻及的范围，则护士们会通过打医生办公室电话的方式继续联络医生，而医生值班时不仅可能出现在办公室，还可能出现在其他患者病床前、休息室、会议室、更衣室、乃至洗手间，这种客观的情况不会因为病人的危急情况而改变联络到医生的时间。即使在联络到医生后，医生对于病情的处理，仍然无法脱离对患者病情的了解与判断，这需要护士复述发生的情况，患者的主诉以及患者既往的病情信息还有当日最新的化验检查信息，这就需要医生通过电脑查询确认，导致医生因查阅了解病情而无法在患者身边的时间延长，存在信息获取传递的盲区。
12、以上的临床场景及痛点在医疗资源不发达的地区，面对设备落后、电子病历系统不完善、人员紧缺的情况下更加明显。既往由于硬件及软件的技术限制，无论是医务人员还是患者只能被迫接受现状，但医患关系也在不知不觉中逐渐紧张对立。
技术实现思路
1、本发明旨在提供一种基于大语言模型的患者呼叫应答系统，所要解决的技术问题至少包括如何使患者第一时间获得响应，提高患者满意度，迅速处理大量复杂的医疗数据和文本，提供根据患者特定情况量身定做的治疗建议。
2、为了实现上述目的，本发明提供一种基于大语言模型的患者呼叫应答系统，包括数据采集模块、数据预处理模块、数据分析推理模块、分级闭环式反馈模块和响应自检及实时更新模块；
3、所述的数据采集模块用于采集患者语音描述的不适症状；
4、所述的数据预处理模块用于对数据采集模块获取的数据进行预处理操作；
5、所述的数据分析推理模块用于对数据预处理模块预处理后的数据利用大语言模型进行处理分析，进而提供清晰的应答处理建议；
6、所述的应答建议显示模块用于对数据分析推理模块的推理过程进行可视化展示；
7、所述的分级闭环式反馈模块用于基于大语言模型，通过第一时间自动化反馈应答患者，并将呼叫原信息与处理分析后的信息提供给护士站及值班室医务人员，进行信息交互；
8、所述的响应自检及实时更新模块用于确保信息的实时触达及响应完成，并同时对错误建议信息进行更新校正。
9、优选地，所述的预处理操作主要包括对患者的门诊、住院电子病历文本数据、辅助检查结果进行结构化处理和数据规整等操作。
10、优选地，所述的数据预处理模块预处理后的数据包括患者病史、症状、和用药信息。
11、优选地，所述的预处理操作主要包括对患者的门诊、住院电子病历文本数据、辅助检查结果进行结构化处理和数据规整等操作。
12、优选地，所述的数据采集模块采集的数据包括语音和文字。
13、优选地，所述的数据分析推理模块进一步用于症状分析(如胸痛、心慌、恶心等)、需求分析(如想要找大夫了解病情、想要护士换液体等)、生命体征分析(如有床旁监护或可穿戴设备情况下，对测量数据进行分析)和误触分析。
14、优选地，所述的数据预处理模块还用于复述确认采集的患者文字或语音需求，并决定如何分配或结合至症状分析、需求分析、生命体征分析和误触分析。
15、优选地，所述的基于大语言模型的患者呼叫应答系统还包括二次数据采集模块，用于采集语音、文字、监护设备数据以及his系统内住院信息。
16、优选地，所述的分级闭环式反馈模块用于结合症状分析、需求分析和生命体征分析的分析情况进行判断分级。
17、优选地，所述的基于大语言模型的患者呼叫应答系统还包括应答建议生成模块，该应答建议生成模块包括医生端、护士端和患者端，所述的医生端用于生成原始信息搭配数据分析推理模块处理后形成医生的应答建议；所述的护士端用于生成原始信息搭配数据分析推理模块处理后形成护士的应答建议；所述的患者端生成原始信息确认及数据分析推理模块处理后的应答信息。
18、优选地，所述的基于大语言模型的患者呼叫应答系统还包括联网及本地部署模块，在联网情况下，通过该联网及本地部署模块使得所述的数据分析推理模块能够通过网络搜索方式进一步产生应答建议；在断网情况下，该联网及本地部署模块仅能应用已训练完毕的大语言模型。
19、优选地，所述的基于大语言模型的患者呼叫应答系统还包括语音及可视化模块,该语音及可视化模块包括语音及可视化医生端、语音及可视化护士端和语音及可视化患者端，所述的语音及可视化医生端用于展示原始信息及医生应答建议；所述的语音及可视化护士端用于展示原始信息及护士应答建议；所述的语音及可视化患者端用于展示原始信息及患者呼叫应答系统处理后的响应信息。
20、优选地，所述的基于大语言模型的患者呼叫应答系统还包括反馈结束确认模块，该反馈结束确认模块用于在分级闭环式反馈模块进行判断分级后，由护士通过语音及可视化护士端对原始信息及护士应答建议阅读和收听后决定是否启用该反馈结束确认模块，如果启用该反馈结束确认模块，则本次呼叫应答闭环完成，反馈结束。
21、优选地，所述的基于大语言模型的患者呼叫应答系统还包括人工升级响应模块，该人工升级响应模块用于供任一医护人员人工升级联络上级，以确保迅速响应；其中一线医护人员为i级，二线医护人员为ii级，三线医护人员为iii级。
22、优选地，所述的基于大语言模型的患者呼叫应答系统还包括终端设备传输模块(除了传统的呼叫器以及相应医疗区域的固定式呼叫终端设备外)，该终端设备传输模块包括医生端终端设备和护士端终端设备，所述的医生端终端设备和护士端终端设备包括但不限于手机、耳机和ai眼镜等移动通信设备。
23、优选地，所述的基于大语言模型的患者呼叫应答系统还包括患者信息匹配与呼叫信息存储模块，该患者信息匹配与呼叫信息存储模块用于与医院his系统内患者信息匹配，并对呼叫信息有存储功能。
24、优选地，所述的响应自检及实时更新模块与所述的数据采集模块、数据预处理模块、数据分析推理模块、分级闭环式反馈模块、二次数据采集模块、应答建议生成模块、联网及本地部署模块、语音及可视化模块、反馈结束确认模块、人工升级响应模块、终端设备传输模块以及患者信息匹配与呼叫信息存储模块连接，用于确保所述的数据采集模块、数据预处理模块、数据分析推理模块、分级闭环式反馈模块、二次数据采集模块、应答建议生成模块、联网及本地部署模块、语音及可视化模块、反馈结束确认模块、人工升级响应模块、终端设备传输模块以及患者信息匹配与呼叫信息存储模块的内部以及不同模块间的工作状态正常。
25、与现有技术相比，本发明的有益效果是：
26、本发明所述的基于大语言模型的患者呼叫应答系统通过大语言模型，可以快速理解和识别患者主诉的“轻重缓急”，以分级触发不同级别的响应流程，并在医务人员未能第一时间应答或长时间未应答时进行逐步升级和提醒当班各级医务人员，以确保呼叫应答闭环式流程。大语言模型可以理解和处理复杂的医学文本，提供更准确的信息提取和分析，能够整合和分析来自不同来源的大量医学知识和数据，提供全面的治疗建议。随着新数据的输入，大语言模型可以持续学习和更新，反映最新的医疗研究和治疗方法。利用大数据分析，能够为每个患者提供更加个性化和定制化的治疗建议。作为医生的辅助工具，能够提供治疗选择的参考，有助于提高医疗决策的质量和效率。
1.一种基于大语言模型的患者呼叫应答系统，其特征在于，所述的基于大语言模型的患者呼叫应答系统包括数据采集模块、数据预处理模块、数据分析推理模块、分级闭环式反馈模块和响应自检及实时更新模块；
2.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的数据预处理模块预处理后的数据包括患者病史、症状、和用药信息。
3.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的预处理操作包括对患者的门诊、住院电子病历文本数据、辅助检查结果进行结构化处理和数据规整操作。
4.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的数据采集模块采集的数据包括语音和文字。
5.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的数据分析推理模块进一步用于症状分析、需求分析、生命体征分析和误触分析。
6.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的数据预处理模块还用于复述确认采集的患者文字或语音需求，并决定如何分配或结合至症状分析、需求分析、生命体征分析和误触分析。
7.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的基于大语言模型的患者呼叫应答系统还包括二次数据采集模块，用于采集语音、文字、监护设备数据以及his系统内住院信息。
8.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的分级闭环式反馈模块用于结合症状分析、需求分析和生命体征分析的分析情况进行判断分级。
9.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的基于大语言模型的患者呼叫应答系统还包括联网及本地部署模块，在联网情况下，通过该联网及本地部署模块使得所述的数据分析推理模块能够通过网络搜索方式进一步产生应答建议；在断网情况下，该联网及本地部署模块仅能应用已训练完毕的大语言模型。
10.根据权利要求1所述的基于大语言模型的患者呼叫应答系统，其特征在于，所述的基于大语言模型的患者呼叫应答系统还包括应答建议生成模块，该应答建议生成模块包括医生端、护士端和患者端，所述的医生端用于生成原始信息搭配数据分析推理模块处理后形成医生的应答建议；所述的护士端用于生成原始信息搭配数据分析推理模块处理后形成护士的应答建议；所述的患者端生成原始信息确认及数据分析推理模块处理后的应答信息。
