[发明专利]基于人工智能的感染控制管理系统和方法

说明书

本发明公开一种基于人工智能的感染控制管理系统和方法，其中系统包括中间件模块、临床数据库模块、菌株识别模块、专家系统模块、机器学习神经网络和预测预警模块；其中专家系统模块对于新分离的细菌和相关的抗生素知识图谱，用来验证抗生素的培养结果、选出合适的抗生素清单和对所述新分离的细菌发出警报；机器学习神经网络用来学习并建立细菌、抗生素和感染部位的关联规则，将三者的关系建立特定的知识图谱并集成到专家系统模块中；预测预警模块，建立预测模型，用于预测感染数据和特定范围内的感染趋势，当感染事件的预测值高于设定的阈值时，预测预警模块向医务人员和/或社区发出预警。本发明能够实现感染病例和社区内感染情况的自动监测、分析和实时预警。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的感染控制管理系统和方法。

背景技术

当前，感染病的控制和管理已经受到广泛关注，医院信息化和社区信息话建设现已成为当前发展中的一大要素，各个医院和各个社区已经越来越重视信息化的建设，医院和社区的各项资源通过医院或社区的信息化系统进行整合、优化、分析、统计，为医院或社区的决策提供强有力的论据，同时可以降低成本，提高效率，医院本着以病人为中心的原则，社区对公共卫生越来越重视，通过医院信息化建设和社区见信息化建设提高了医院和社区各项服务的质量，将医院和社区的改革向前推进，医院和社区的发展的步伐越来越快。

传统的医院感染监控和社区感染监控覆盖面广、流程复杂、效率低下，需要收集、整理、分析大量数据，很难保证监控的准确性和及时性。随着医院和社区内信息化建设的快速发展，预防和控制医院感染工作面临越来越多的挑战，新发感染病不断出现，多重耐药菌感染不断增多等对广大医院和社区的管理者、医院和社区内感染专业人员和医务人员提出新的、更高的要求。为了满足医院、社区和患者的需求，医院需要不断的创新和完善，因此，进行系统的使用已经成为一种必然的发展趋势，医院和社区感染实时监控、医院感染实时预测与预警将信息第一时间传送到医生和相关管理人员手中，使相关人员采取有效措施进行干预，从而提高医院和社区感染控制质量，是未来的必然发展趋势。

当前虽然有信息管理及通信系统已应用在医院中，但其无法实现感染病例和社区内感染情况的自动监测、分析和实时预警；无法对感染进行高效评估和对感染区域的未来预测；无法进行数据库知识的实时更新，感染管理控制的效率和准确率低。

发明内容

本发明的主要目的在于提供一种基于人工智能的感染控制管理系统和方法，结合人工智能和机器学习手段，实现感染病的实时监控和准确预测。

为了实现上述目的，根据本发明的一个方面，提供了一种基于人工智能的感染控制管理系统，包括一种基于人工智能的感染控制管理系统，包括中间件模块、临床数据库模块、菌株识别模块、专家系统模块、机器学习神经网络和预测预警模块；所述中间件模块包括新发感染计划系统和其他医院数据管理系统，用于完成院感临床数据的转换、计算和匹配，并传送到临床数据库模块；所述临床数据库模块，用于向所述专家系统模块和所述菌株识别模块提供最新的临床数据；所述菌株识别模块，用于对菌株中的感染性细菌分类，并分别与不同的感染事件关联；所述专家系统模块，对于新分离的细菌和相关的抗生素知识图谱，用来验证抗生素的培养结果、选出合适的抗生素清单和对所述新分离的细菌发出警报；所述机器学习神经网络，用来学习并建立细菌、抗生素和感染部位的关联规则，将三者的关系建立特定的知识图谱并集成到所述专家系统模块中；所述预测预警模块，建立预测模型，用于预测感染数据和特定范围内的感染趋势，当感染事件的预测值高于设定的阈值时，所述预测预警模块向医务人员和/或社区发出预警。

进一步，所述中间件模块包括的其他医院数据管理系统还包括医院信息系统、实验室信息管理系统、医学影像存档与通信系统以及电子病历。

进一步，所述建立预测模型的过程如下：从所述专家系统模块中获取变量，并分为反应变量和自变量，接着对所述变量进行筛选，得到所述自变量和所述反应变量之间的关系，识别出能够较好预测所述反应变量的候选自变量，将所述候选自变量作为所述预测模型的输入。