本发明属于智慧医疗领域，涉及人工智能技术，具体是基于大语言模型的电子病历智能化分析与优化系统。
背景技术：
1、大语言模型是一种基于深度学习的自然语言处理模型，它可以自动学习文本数据中的语言规律和模式，并生成与原始文本类似的新文本，大语言模型通常使用神经网络来建模文本数据，并对文本数据进行预训练和微调来适应不同的自然语言处理任务；
2、现有技术中，传统电子病历在使用过程中，存在以下缺陷：
3、1、传统电子病历中内容通常以文本和数字的形式进行呈现，没有对患者的具体症状进行一个明确的分析；
4、2、传统电子病历根据身体素质、患者症状以及症状持续时间进行患者分类，在记录患者病情和症状时，缺乏针对性；
5、为此，我们提出基于大语言模型的电子病历智能化分析与优化系统。
技术实现思路
1、针对现有技术的不足，本发明的目的是提供基于大语言模型的电子病历智能化分析与优化系统，为了实现上述目的，本发明基于获取病历数据、问诊数据和检查数据，得到患者基础数据，对患者基础数据进行分析，得到患者身体素质分级数据和非常规症状数据，并将患者身体素质分级数据和非常规症状数据定义为患者分析数据，分别对患者基础数据和患者分析数据进行处理，得到症状变化折线图、图表分析数据和患者症状复杂性分级数据，并将症状变化折线图、图表分析数据以及患者症状复杂性分级数据定义为症状处理数据，根据患者分析数据和症状处理数据对电子病历进行优化，具体地，通过症状变化折线图对患者症状进行可视化呈现，使用图表分析数据对症状变化折线图进行解释，根据患者症状复杂性分级数据和患者身体素质分级数据提供治疗建议；
2、为了实现上述目的，本发明采用了如下技术方案：基于大语言模型的电子病历智能化分析与优化系统各模块具体工作过程如下：
3、数据获取模块：获取患者基础数据；
4、数据分析模块：对患者基础数据进行分析，得到患者分析数据；
5、数据处理模块：分别对患者基础数据和患者分析数据进行处理，得到症状处理数据；
6、病历优化模块：根据患者分析数据和症状处理数据对电子病历进行优化；
7、还包括数据库。
8、进一步地，所述数据获取模块包括病历单元、问诊单元、检查单元；
9、数据库中存储的数据包括患者年龄基准数值、第一患者年龄偏差阈值、第二患者年龄偏差阈值、第三患者年龄偏差阈值、第四患者年龄偏差阈值；
10、病历单元获取病历数据；
11、问诊单元获取问诊数据，具体如下：
12、问诊单元通过问诊获取患者上一年度累计患病次数和病程平均持续时间，将患者上一年度累计患病次数和病程平均持续时间定义为上一年度患病记录，并将其存储至数据库；
13、通过第一轮问诊获取患者的病症开始时间、临床症状数量；
14、其中，第一轮问诊对临床症状数据的获取过程具体如下：
15、通过第一轮问诊获取患者的临床症状数量，并将患者不同的临床症状分别标记为第一临床症状、第二临床症状、第三临床症状……第n临床症状，分别对第一临床症状、第二临床症状、第三临床症状……第n临床症状的症状名称进行获取，将临床症状数量和症状名称定义为第一临床症状数据；
16、并分别对第一临床症状持续时间、第二临床症状持续时间、第三临床症状持续时间……第n临床症状持续时间进行获取，得到症状持续时间数据；
17、通过第二轮问诊获取患者的临床症状数量和症状名称，并将其标记为第二临床症状数据；
18、通过第三轮问诊获取患者的临床症状数量和症状名称，并将其标记为第三临床症状数据；
19、通过第m轮问诊获取患者的临床症状数量和症状名称，并将其标记为第m临床症状数据；
20、将第一轮问诊至第m轮问诊定义为问诊轮数数据；
21、将问诊轮数数据、第一临床症状数据至第m临床症状数据以及症状持续时间数据定义为问诊数据；
22、检查单元获取体质数据，具体如下：
23、检查单元包括身高测量仪和体脂秤；
24、通过身高测量仪对患者身高数值进行获取，提供体脂秤对患者体重数值进行获取；
25、将患者身高数值和患者体重数值通过计算得到患者bmi数值；
26、使用体脂秤对患者体脂率数值进行获取；
27、将患者bmi数值和患者体脂率数值定义为体质数据；
28、将病历数据、问诊数据和体质数据定义为患者基础数据。
29、进一步地，所述病历单元获取病历数据，具体如下：
30、对患者电子病历进行获取，通过电子病历得到患者年龄数值和患者临床诊断；
31、通过数据库获取患者年龄基准数值；
32、根据患者年龄数值和患者年龄基准数值进行年龄区间划分，具体如下：
33、将患者年龄基准数值和患者年龄数值通过计算得到患者年龄偏差数值；
34、通过数据获取第一患者年龄偏差阈值、第二患者年龄偏差阈值、第三患者年龄偏差阈值、第四患者年龄偏差阈值；
35、将患者年龄偏差数值分别与第一患者年龄偏差阈值、第二患者年龄偏差阈值、第三患者年龄偏差阈值、第四患者年龄偏差阈值进行数值比对；
36、若患者年龄偏差数值小于等于第一患者年龄偏差阈值，判断患者处于第一年龄区间；
37、若患者年龄偏差数值大于第一患者年龄偏差阈值且小于等于第二患者年龄偏差阈值，判断患者处于第二年龄区间；
38、若患者年龄偏差数值大于第二患者年龄偏差阈值且小于等于第三患者年龄偏差阈值，判断患者处于第三年龄区间；
39、若患者年龄偏差数值大于第三患者年龄偏差阈值且小于等于第四患者年龄偏差阈值，判断患者处于第四年龄区间；
40、若患者年龄偏差数值大于第四患者年龄偏差阈值，判断患者处于第五年龄区间；
41、将根据患者年龄数值和患者年龄基准数值得到的区间划分结果定义为患者年龄区间数据；
42、将患者年龄数值、患者年龄区间数据以及患者临床诊断定义为病历数据。
43、进一步地，所述数据分析模块包括体质分析单元和症状分析单元；
44、数据分析模块根据患者基础数据获取病历数据、问诊数据和体质数据；
45、数据库中存储的数据还包括患者bmi基准数值、患者体脂率基准数值、第一患者体质参考阈值和第二患者体质参考阈值；
46、体质分析单元对患者进行体质分析，得到患者身体素质分级数据；
47、症状分析单元对患者进行症状分析，得到非常规症状数据；
48、将患者身体素质分级数据和非常规症状数据定义为患者分析数据。
49、进一步地，所述体质分析单元对患者进行体质分析，具体如下：
50、通过数据库获取患者上一年度患病记录；
51、若患者上一年度存在患病记录，判断患者处于第一体质分析区间，若患者上一年度不存在患病记录，判断患者处于第二体质分析区间；
52、当患者处于第一体质分析区间，获取患者体质参考数值的过程具体如下：
53、通过患者历史患病记录获取患者上一年度累计患病次数和病程平均持续时间；
54、将患者年龄区间数据、患者上一年度累计患病次数和病程平均持续时间通过计算得到第一患者体质参考数值；
55、当患者处于第二体质分析区间，获取患者体质参考数值的过程具体如下：
56、根据患者基础数据获取患者年龄区间数据，根据体质数据获取患者bmi数值和患者体脂率数值；
57、通过数据库分别获取患者bmi基准数值、患者体脂率基准数值；
58、将患者年龄区间数据、患者bmi基准数值、患者体脂率基准数值、患者bmi数值和患者体脂率数值通过计算得到患者体质参考数值；
59、获取第一患者体质参考阈值和第二患者体质参考阈值，将第一患者体质参考数值与第一患者体质参考阈值进行数值比对，若第一患者体质参考数值大于第一患者体质参考阈值，则判断患者为身体素质虚弱患者；若第一患者体质参考数值小于等于第一患者体质参考阈值，则判断患者为身体素质康健患者；
60、将第二患者体质参考数值与第二患者体质参考阈值进行数值比对，若第二患者体质参考数值大于第二患者体质参考阈值，判断患者为身体素质虚弱患者；若第二患者体质参考数值小于等于第二患者体质参考阈值，判断患者为身体素质康健患者；
61、将通过患者体质参考数值与患者体质参考阈值判断得到的数据定义为患者身体素质分级数据。
62、进一步地，所述症状分析单元对患者进行症状分析，具体如下：
63、通过问诊数据获取第一临床症状数据、第二临床症状数据、第三临床症状数据……第m临床症状数据；
64、通过病历数据获取患者临床诊断；
65、将患者临床诊断作为关键字进行大语言模型检索，获取患者临床病症对应的常见症状，得到常见症状数据；
66、将常见症状数据分别与第一临床症状数据、第二临床症状数据、第三临床症状数据……第m临床症状数据进行文本比对，将文本比对相同的症状判断为常规临床症状，将文本比对不相同的症状判断为非常规临床症状；
67、分别获取第一临床症状数据对应的非常规临床症状的数量值、第二临床症状数据对应的非常规临床症状的数量值、第三临床症状数据对应的非常规临床症状的数量值……第m临床症状数据对应的非常规临床症状的数量值；
68、由第一临床症状数据对应的非常规临床症状的数量值得到第一非常规症状数值、由第二临床症状数据对应的非常规临床症状的数量值得到第二非常规症状数值、由第三临床症状数据对应的非常规临床症状的数量值得到第三非常规症状数值……由第m临床症状数据对应的非常规临床症状的数量值得到第m非常规症状数值；
69、将第一非常规症状数值、第二非常规症状数值、第三非常规症状数值……第m非常规症状数值定义为非常规症状数据。
70、进一步地，所述数据处理模块包括折线图单元、图表分析单元和症状复杂性单元；
71、折线图单元根据患者基础数据和患者分析数据建立症状变化折线图；
72、图表分析单元对症状变化折线图进行分析，具体如下：
73、获取症状变化折线图，在症状变化折线图建立临床症状数值基准线和非常规症状数值基准线；
74、根据临床症状数量值基准线和临床症状数量折线进行临床症状区间判断，具体如下：
75、当临床症状数量折线位于临床症状数量值基准线上方，判断为第一临床症状区间；
76、当临床症状数量折线位于临床症状数量值基准线下方，判断为第二临床症状区间；
77、根据非常规症状数值基准线和非常规症状折线进行临床症状区间判断，具体如下：
78、当非常规症状折线位于非常规症状数值基准线上方，判断为第一非常规症状区间；
79、当非常规症状折线位于非常规症状数值基准线下方，判断为第二非常规症状区间；
80、将上述区间判断结果定义为图表分析数据；
81、症状复杂性单元进行患者症状复杂性判断，得到患者症状复杂性分级数据；
82、将症状变化折线图、图表分析数据和患者症状复杂性分级数据定义为症状处理数据。
83、进一步地，所述折线图单元建立症状变化折线图，具体如下：
84、通过患者基础数据获取第一临床症状数据对应的临床症状数量至第m临床症状数据对应的临床症状数量，得到临床症状数量数据；
85、获取问诊轮数数据和非常规症状数据；
86、将问诊轮数数据作为横坐标；
87、将临床症状数量数据作为纵坐标，得到临床症状数量折线；
88、将非常规症状数据作为纵坐标，得到非常规症状折线；
89、由临床症状数量折线和非常规症状折线得到症状变化折线图。
90、当第一非常规症状数值、第二非常规症状数值、第三非常规症状数值……第m非常规症状数值作为纵坐标时，得到非常规症状折线；
91、由临床症状数量折线和非常规症状折线得到症状变化折线图。
92、进一步地，所述症状复杂性单元进行患者症状复杂性判断，具体如下：
93、数据库中存储的数据还包括患者症状复杂性参考阈值；
94、通过患者基础数据获取症状持续时间数据；
95、根据症状持续时间数据分别获取第一临床症状、第二临床症状、第三临床症状……第n临床症状，并获取第一临床症状持续时间、第二临床症状持续时间、第三临床症状持续时间……第n临床症状持续时间；
96、将第一临床症状、第二临床症状、第三临床症状……第n临床症状、第一临床症状持续时间、第二临床症状持续时间、第三临床症状持续时间……第n临床症状持续时间通过计算得到患者症状复杂性参考值；
97、通过数据库获取患者症状复杂性参考阈值，将患者症状复杂性参考值与患者症状复杂性参考阈值进行数值比对；
98、若患者症状复杂性参考值大于等于患者症状复杂性参考阈值，则判断患者处于第一症状复杂性区间；
99、若患者症状复杂性参考值小于患者症状复杂性参考阈值，则判断患者处于第二症状复杂性区间；
100、将根据患者症状复杂性参考值与患者症状复杂性参考阈值进行数值比对的结果定义为患者症状复杂性分级数据。
101、进一步地，所述病历优化模块根据患者分析数据和症状处理数据进行患者病历优化；
102、病历优化模块包括可视化单元和治疗建议单元；
103、可视化单元在电子病历中对患者症状进行可视化呈现，具体如下：
104、获取症状变化折线图和图表分析数据；
105、将症状变化折线图作为患者病历附图添加至患者电子病历，并将图表分析数据通过文本形式添加至患者病历附图下方；
106、获取患者身体素质分级数据，针对身体素质康健患者，在症状变化折线图中将临床症状数量折线和非常规症状折线进行蓝色填充，针对身体素质虚弱患者，在症状变化折线图中将临床症状数量折线和非常规症状折线进行红色填充；
107、治疗建议单元根据患者症状复杂性分级数据和患者身体素质分级数据提供治疗建议，具体如下：
108、对患者症状复杂性分级数据和患者身体素质分级数据进行获取；
109、针对处于第一症状复杂性区间的身体素质康健患者，治疗建议为可为患者开展常规治疗的同时需密切关注患者病情变化；
110、针对处于第一症状复杂性区间的身体素质虚弱患者，治疗建议为在治疗过程中需考虑患者免疫力和对药物的耐受性；
111、针对处于第二症状复杂性区间的身体素质康健患者，治疗建议为患者正常开展治疗；
112、针对处于第二症状复杂性区间的身体素质虚弱患者，治疗建议为在治疗的同时增强患者体质，以提高患者免疫力；
113、将上述内容定义为治疗建议数据，并以文本形式上传至患者电子病历。
114、综上所述，由于采用了上述技术方案，本发明的有益效果是：
115、1、本发明通过对患者进行体质分类，得到患者身体素质分级数据，通过患者的症状进行分类，得到患者症状复杂性分级数据，并根据患者身体素质分级数据和患者症状复杂性分级数据制定治疗建议，并同步至患者电子病历，实现患者电子病历的优化；
116、2、本发明通过对患者进行症状分析，并绘制症状变化折线图，对患者的症状通过图像进行可视化呈现，能够直观体现患者的症状变化。
1.基于大语言模型的电子病历智能化分析与优化系统，其特征在于，包括：
2.根据权利要求1所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述数据获取模块包括病历单元、问诊单元、检查单元；
3.根据权利要求2所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述病历单元获取病历数据，具体如下：
4.根据权利要求1所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述数据分析模块包括体质分析单元和症状分析单元；
5.根据权利要求4所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述体质分析单元对患者进行体质分析，具体如下：
6.根据权利要求4所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述症状分析单元对患者进行症状分析，具体如下：
7.根据权利要求1所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述数据处理模块包括折线图单元、图表分析单元和症状复杂性单元；
8.根据权利要求7所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述折线图单元建立症状变化折线图，具体如下：
9.根据权利要求7所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述症状复杂性单元进行患者症状复杂性判断，具体如下：
10.根据权利要求1所述的基于大语言模型的电子病历智能化分析与优化系统，其特征在于，所述病历优化模块根据患者分析数据和症状处理数据进行患者病历优化；
