基于贝叶斯网络的医患匹配方法

摘要

本发明涉及一种基于贝叶斯网络的医患匹配方法，包括：步骤S1：采集电子病历数据，确定疾病和症状节点及其取值，并作为训练集数据；步骤S2:构建‘疾病‑疾病/疾病‑症状’自交互矩阵，并作为贝叶斯网络的约束；步骤S3:构建贝叶斯网络模型，并进行结构学习和参数学习；步骤S4:患者将病症输入贝叶斯网络预诊模型，得到计算主疾病和并发症并发的所有可能的疾病组合；步骤S5计算医生和患者的匹配指数步骤S6:基于医生和患者的匹配指数构建医生推荐模型；步骤S7:根据患者偏好指数，得到患者和医生的最优分配。本发明结合了预诊结果、医生专长、医生工作量和患者偏好进行医患匹配，解决了目前医患匹配技术不够准确的缺陷。