医患共同决策多议题协商方法、系统及可读存储介质

摘要

本发明公开了一种医患共同决策多议题协商方法、系统及可读存储介质，该方法包括：获取医生和患者的偏好和行为特征，构建模糊约束以及模糊约束满意度函数；基于所述模糊约束以及模糊约束满意度函数构建生成医生代理行为模型和患者代理行为模型，以及分布式模糊约束满意度问题；其中，所述分布式模糊约束满意度问题根据医患共同决策问题生成，所述医患共同决策问题为医生代理和患者代理在决策过程中需要进行协商的议题；基于所述医生代理行为模型、患者代理行为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间的协商，直至协商成功以生成共同协商结果或失败并终止协商。

说明书

技术领域

本发明涉及医患治疗方案的协商领域，尤其涉及一种医患共同决 策多议题协商方法、系统及可读存储介质。

背景技术

随着生物-心理-社会医学模式的发展，社会公众法律意识和医疗 参与意识的不断提高，患者更加关注医疗过程、也更期望参与到医疗 决策中。现有的一种基于博弈论方法的协商：是将博弈论的方法和工 具引入到代理协商中去，将代理协商看作是一种博弈，一种多人动态 完美但不完全信息混合有限策略的博弈，并利用博弈论使得代理协商 更具现实意义的协商方法。

对于该方案来说，计算资源总是设定为无限的，且解决方案和计 算理论无关。因此，此种方法不可避免地涉及到计算复杂度的问题， 因为许多情况下问题求解是NP问题(非确定性多项式难题)。且博 弈论往往会进行一些前提假设，如参与者是完全理性的、其策略是固 定的等等，这些假设使得其在代理协商的研究受到了很大的限制。

发明内容

针对上述问题，本发明的目的在于提供一种医患共同决策多议题 协商方法、系统及可读存储介质，以改善上述问题。

本发明实施例提供了一种医患共同决策多议题协商方法，其包括：

获取医生和患者的偏好和行为特征，构建模糊约束以及模糊约束 满意度函数；

基于所述模糊约束以及模糊约束满意度函数构建生成医生代理 行为模型和患者代理行为模型，以及分布式模糊约束满意度问题；其 中，所述分布式模糊约束满意度问题根据医患共同决策问题生成，所 述医患共同决策问题为医生代理和患者代理在决策过程中需要进行 协商的议题；

基于所述医生代理行为模型、患者代理行为模型以及分布式模糊 约束满意度问题进行医生代理和患者代理间的协商，直至协商成功以 生成共同协商结果或失败并终止协商。

优选地，医患共同决策多议题协商方法还包括：

将所述共同协商结果和治疗方案推荐模型进行匹配，并将与所述 共同协商结果相似度较大的治疗方案作为推荐方案并发送给医生代 理和患者代理；

其中，所述治疗方案推荐模型包括多个治疗方案。

优选地，所述基于所述医生代理行为模型、患者代理行为模型以 及分布式模糊约束满意度问题进行医生和患者间的协商具体为：

基于所述分布式模糊约束满意度问题、所述医生代理行为模型和 患者代理行为模型，所述医生代理和患者代理的一方通过自身的内部 状态和所处的环境状态、以及另一方的响应状态在协商过程中确定是 否让步以及让步的程度以生成让步值；

基于模糊约束网络、所述医生代理行为模型、患者代理行为模型 以及医生代理和患者代理一方的最新行为状态生成可行解集和期望 解集；所述最新行为状态根据整体满意度阈值和所述让步值获得；

根据所述可行解集和期望解集生成要价并发送给医生代理和患 者代理的另一方直至协商达成一致或协商失败。

优选地，所述内部状态根据对最新要价的满意度和一组备选解决 方案的紧密度获得；

所述环境状态包括时间约束，所述时间约束根据当前协商时间和 协商截止时间获得；

所述响应状态根据上一轮的要价和最新收到的还价之间的差异 程度获得。

优选地，在所述基于所述医生代理行为模型、患者代理行为模型 以及分布式模糊约束满意度问题进行医生和患者间的协商步骤中，所 述医生代理和患者代理通过发送和接收消息进行协商，所述消息包括：

Ask，谈判者向其对手发送一个要价或提议，询问与治疗方案有 关的议题的取值；

Tell，谈判者把还价发送给对手；

Accept，谈判者接受对手提出的还价并终止协商；

Reject，谈判者出于自身考虑向对方发送拒绝信息，拒绝接受对 手的出价并终止协商；

Agree，谈判者暂时接受对方的报价，等待对方的确认；和/或

Abort，谈判者无新要价生成选择退出协商，协商终止。

优选地，所述分布式模糊约束满意度问题根据医患共同决策问题 生成具体为：

根据医患共同决策议题、以及医生代理和患者代理之间的和/或 议题与议题之间的约束和联系进行建模生成分布式模糊约束满意度 问题。

本发明实施例还提供了一种医患共同决策双边多议题协商系统， 其包括：

行为模型建模单元，用于获取医生和患者的偏好和行为特征，构 建模糊约束满意度函数，并结合模糊约束构建生成医生代理行为模型 和患者代理行为模型；

协商单元，用于基于所述医生代理行为模型、患者代理行为模型 以及分布式模糊约束满意度问题进行医生代理和患者代理间的协商， 以生成共同协商结果；或

所述协商单元，还用于基于所述医生代理行为模型、患者代理行 为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间 的协商，直至协商成功或失败并终止协商；

所述分布式模糊约束满意度问题根据医患共同决策问题生成，所 述医患共同决策问题为医生和患者在决策过程中需要进行协商的议 题。

优选地，所述医患共同决策双边多议题协商系统还包括：

治疗方案推荐单元，用于将所述共同协商结果与治疗方案推荐模 型进行匹配，并将与所述共同协商结果相似度较大的治疗方案作为推 荐方案并发送给医生代理和患者代理；其中，所述治疗方案推荐模型 包括多个治疗方案。

优选地，所述协商单元包括：

让步值计算模块，用于基于所述分布式模糊约束满意度问题、所 述医生代理行为模型和患者代理行为模型，所述医生代理和患者代理 的一方通过自身的内部状态和所处的环境状态、以及另一方的响应状 态在协商过程中确定是否让步以及让步的程度以生成让步值；

解集计算模块，用于基于模糊约束网络、所述医生代理行为模型、 患者代理行为模型以及医生代理和患者代理一方的最新行为状态生 成可行解集和期望解集；所述最新行为状态根据整体满意度阈值和所 述让步值获得；

要价生成模块，用于根据所述可行解集和期望解集生成要价并发 送给医生代理和患者代理的另一方直至协商达成一致或协商失败。

本发明实施例还提供了一种计算机可读存储介质，其存储有计算 机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的 处理器执行，以实现如上述的医患共同决策多议题协商方法。

通过上述的一实施例，本发明基于医生和患者的偏好和行为特征， 以及通过模糊约束网络构建出医生代理行为模型和患者代理行为模 型，为医生代理和患者代理提供了模拟实际医生和患者在协商过程中 的偏好。并通过将医患共同决策问题建模成了基于医生代理和患者代 理的分布式模糊约束满意度问题，为医患共同决策问题提供了议题协商基础。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需 要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是 本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创 造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的医患共同决策多议题协商方法的流程示意图。

图2和图3为本发明的医患共同决策多议题协商方法的医生代理 和患者代理交互协商的示意图。

图4为本发明的医患共同决策多议题协商方法的推荐模型示意 图。

图5为本发明的第一个实施案例的治疗方案中协商议题的示意 图。

图6为本发明的第一个实施案例的不同权重下治疗方案推荐度 的示意图。

图7为本发明的第二个实施案例的不同协商议题下不同策略的 联合整体满意度示意图。

图8本发明的第二个实施案例的不同协商议题下不同策略的协 商轮数示意图。

图9和图10为本发明的第三个实施案例的10个医生代理和10 个患者代理来模拟100组医患协商的联合整体满意度、协商轮数示意 图。

图11为本发明的能够执行医患共同决策多议题协商方法的电子 装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。

本发明的一实施例提供了一种医患共同决策多议题协商方法，其 中，该协商方法为医患双边进行多议题的共同协商。在其他实施例中， 可以为进行多议题的共同协商的情况。参考图1，该方法包括：

S100，获取医生和患者的偏好和行为特征，构建模糊约束以及模 糊约束满意度函数。

S200，基于所述模糊约束以及模糊约束满意度函数构建生成医生 代理行为模型和患者代理行为模型，以及分布式模糊约束满意度问题。

在本实施例中，通过医生和患者分别在医生客户端和患者客户端 在预定的表格中输入相应的偏好和行为特征。在医患共同决策过程中， 根据医生以及患者不同的心理以及行为等特征，设计实现医生代理和 患者代理的行为框架和模型，以及协商方所需遵守的协商协议，确保医生代理和患者代理能代表医生和患者进行充分的协商以达成一致。

S300，基于所述医生代理行为模型、患者代理行为模型以及分布 式模糊约束满意度问题进行医生代理和患者代理间的协商，直至协商 成功或失败并终止协商。其中，所述分布式模糊约束满意度问题根据 医患共同决策议题生成，所述医患共同决策问题为医生代理和患者代理在决策过程中需要进行协商的议题。

在本实施例中，具体地，利用医患共同决策特征将医患共同决策 问题构建成分布式模糊约束满意度问题：

在分布式模糊约束满意度问题中，主要存在两种类型的代理，即 医生代理(DA)和患者代理(PA)，它们在协商过程中分别代表医 生和患者，它们之间的联系为CN，三者组成了一个三元组(DA，PA， CN)。通过指定医生代理和患者代理之间的模糊关系来满足一个分布式模糊约束网络(DFCN)中所有的约束条件。将医患共同决策问 题中的一个DFCN(U，X，C)定义为N

U：表示模糊约束网络N的论域；

X：表示N的一组非重复对象元组，代表代理的信念、意图、愿 望；

C：表示模糊约束集合，是代理所受的所有约束，如优先级约束、 目标约束等。

在步骤S300中，所述基于所述医生代理行为模型、患者代理行 为模型以及分布式模糊约束满意度问题进行医生和患者间的协商具 体包括：

S301，基于所述分布式模糊约束满意度问题、所述医生代理行为 模型和患者代理行为模型，所述医生代理和患代理的一方通过自身的 内部状态和所处的环境状态、以及另一方的响应状态在协商过程中确 定是否让步以及让步的程度以生成让步值。

在本实施例中，医生代理和患者代理通过向对方要价和还价来交 互，直到双方就所有议题达成一致，或者直到有人因为满意阈值的限 制或某些外部因素退出协商，即实现共同决策的目的或者直到共同协 商因失败而终止。

在本实施例中，代理的一方通过评估对手的响应状态，自身的内 部状态以及所处的环境状态来决定在接下来的协商中是否进行让步， 以及让步的程度。对手的响应状态Ο，可根据上一轮要价A和最新收 到的还价B之间差异程度来获得：

σ＝1-(G(A

其中，A

其中，A

代理自身的内部状态Ι，涉及最新要价A相关的满意度水平ρ 和一组备选解决方案的紧密度δ，其中：

δ＝1-(ρ-ε)

上式中，S

在医患共同决策协商过程中，代理所受的环境约束Ε，主要是时 间约束。代理所受的时间约束表示为：

上述公式中，t

根据上述公式可计算得出对手响应状态Ο，自身的内部状态Ι， 以及所处的环境状态Ε，并进行让步值的计算。代理协商中让步值 Δε的计算公式如下：

Δε＝(μ

μ

S302，基于模糊约束网络、所述医生代理行为模型、患者代理行 为模型以及医生代理和患者代理一方的最新行为状态生成可行解集 和期望解集；所述最新行为状态根据整体满意度阈值和所述让步值获 得。

在本实施例中，基于上述的医生代理模糊约束网络和患者代理模 糊约束网络N、医生和患者的意图

其中，Ψ(S)表示代理的目标集在N中的满意度。在给定要价B和 可行解集P的前提下，期望解S

S

H(S,B)是一个效用函数，是用来评估可行解S∈P相对于还价B相似 性的，其定义如下：

上式中，W

采用双赢策略进行协商意味着代理在考虑自身利益的同时，也会 考虑对手代理的利益，期望获得双方均“满意”的协商结果；使用协 作策略表示在协商过程中代理会更多地考虑对手代理的利益，以尽快 达成一致；而使用竞争策略进行协商则表明代理在协商中更注重自身 利益的获得，希望最大化自身获得的利益。

S303，根据所述可行解集和期望解集生成要价，并根据所述要价 和协商协议生成可发送的消息。

S304，基于协商终止条件，将所述可发送的消息发送给医生代理 和患者代理的另一方直至协商达成一致或协商失败。

在本实施例中，基于上述的可行解集P和期望解集S*，关于议 题I

上式中，议题I

其中，

最后协商终止：医生代理和患者代理之间会不断地进行要价和还 价的交换，直到达成一致，或者没有新的要价/还价生成，也即协商 会以协商达成一致或者协商失败两种状态终止。给定可行解集P和还 价B，协商达成一致需满足的条件为：

Ψ(S

协商失败满足条件为：

ε

在上述的实施例中，医生代理和患者代理在协商协议过程中交换 的所有消息类型和内容，是对代理通信语言(ACL)的定义、表示、 处理和语义解释，主要是用来处理协商过程中代理之间的交互，它本 质上是所有代理必须遵守的规则。在医患共同决策问题中，医生代理 和患者代理可以通过发送或接收各种类型的消息来进行协商，这些消 息包括以下的一种或多种：

Ask(谈判者，对手，要价)：谈判者向其对手发送一个要价或 提议，询问与治疗方案有关的议题的取值。

Tell(谈判者，对手，还价)：谈判者把还价发送给对手。

Accept(谈判者，对手，还价)：谈判者接受对手提出的还价并 终止协商。

Reject(谈判者，对手，要价)：谈判者出于自身考虑向对方发 送拒绝的信息，拒绝接受对手的出价并终止协商。

Agree(谈判者，对手，要价)：谈判者暂时接受对方的报价， 等待对方的确认。

Abort(谈判者，对手)：谈判者无新要价生成选择退出协商， 协商终止。

一种实施例中，医患共同决策多议题协商方法还包括：

S400，将所述共同协商结果与治疗方案推荐模型进行匹配，并将 与所述共同协商结果相似度较大的治疗方案作为推荐方案并发送给 医生代理和患者代理。其中，所述治疗方案推荐模型包括多个治疗方 案。

在本实施例中，在医患共同决策中，医患双方协商的目的是为了 得到一些符合双方偏好、符合患者实际情况的治疗方案，而不是就每 个问题的取值达成一致。因此，本实施例设计一种推荐模型，将医生 代理和患者代理的协商结果转化为符合现实的治疗方案，供医患双方 选择。在此推荐模型中，首先，医生和患者共享基本信息，医生根据这些基本信息对患者的病情进行诊断。然后，从治疗指南中选择适合 患者病情的治疗方案。之后对协商结果和治疗方案之间的相似度进行 计算并排序。最后，将带有推荐信息的治疗方案发送给医患双方。

具体地，假设医生代理和患者代理通过协商，就各个议题的取值 达成了一致，那么就需将偏好取得一致的解集S

其中，w

为了更清楚的阐述本发明，下面将阐述该方法的具体实施方式， 模型结构及算法特征。

首先，根据医患共同决策特征，将医患共同决策议题转化、建模 成分布式模糊约束满意度问题，并确定完整的医患共同决策协商内容， 如附图2所示。将医患共同决策议题建模成代理和其他代理之间、议 题和其他议题之间存在的模糊约束的分布式模糊约束满意度问题。其中，每个代理的目标都是用模糊约束来建立行为模型，并且每个代理 之间的相互约束关系决定了是否存在一个满足分布式模糊约束满意 度问题所有约束条件的解。医生代理和患者代理可通过协商来解决此 分布式模糊约束满意度问题，进而解决实际的应用问题。

之后，构建医患共同决策的FCAN协商模型(Fuzzy Constraint-directed Agent-based Negotiation,基于模糊约束导向的代 理协商模型)，根据医生和患者偏好和行为特征，构建医生代理和患 者代理协商决策的行为模型，使得医生代理和患者代理通过让步值计算，可行解生成，要价生成以及协商终止条件的判断等步骤来与对手 进行交互协商。在此过程中，医生代理和患者代理首先会通过评估对 手代理的响应状态，自身的内部状态，以及所处的环境状态，决定下 一轮协商中是否进行让步，以及让步的程度，也即让步值的大小。然 后，基于让步值的大小，确定新的行为状态，并生成一组可行的解决 方案，选取一个最优解决方案用来生成要价/还价发送给对手代理。 当此要价/还价不能被对手代理所接受时，代理会基于协商策略进行还价，并考虑具有相同满意度水平的解决方案，或者提供满意度较低 的解决方案，将其发送给对手。在满足终止条件(协商达成一致或失 败)之前，不断重复上述协商过程。具体协商步骤以及协商协议如附 图3所示。

最后，由于在现实的医患共同决策中，医患的目的均是希望通过 协商来获取满足双方偏好，且符合实际病情的治疗方案，并不止步于 就各个议题的取值达成一致。所以，本发明将代理的协商结果转化成 与现实相对应的治疗方案，以供医生和患者进行选择。因此，本发明 提出了一个治疗方案推荐模型来对协商结果进行处理，达到“最佳”治疗方案推荐的目的。首先，根据治疗指南和专家意见构建治疗方案 与协商议题取值之间的映射表。之后，将代理协商结果与已有的治疗 方案进行相似度匹配，并对相似度值进行排序。最后，选取相似度最 大的治疗方案进行推荐，或将排列结果直接发送给代理。模型大致涉 及内容如附图4所示。

基于上述，本发明的实施例基于医生和患者的偏好和行为特征， 以及通过模糊约束网络构建出医生代理行为模型和患者代理行为模 型，为医生代理和患者代理提供了模拟实际医生和患者在协商过程中 的偏好。在步骤S200将医患共同决策问题建模成了基于医生代理和患者代理的分布式模糊约束满意度问题，为医患共同决策问题提供了 议题协商基础。

通过步骤S301-S304通过医生代理和患者代理的协商行为以及 所遵循的协商协议，为解决医患共同决策议题提供了一个协商模型， 可有效模拟、实现医患共同决策过程，解决目前医患共同决策实施过 程中存在的各种问题。

通过步骤S400将医生代理和患者代理的协商结果转化成具体的 治疗方案以供医生和患者选择参考，更深层次地实现了医患共同决策 的目的。

其中，FCAN协商模型和治疗推荐模型都是为了实现医患共同决 策，缓解甚至是消除医患共同决策实施过程中存在的医患协商地位不 对等，医患沟通技巧缺乏，患者医疗知识匮乏、医生看诊时间有限等 问题而提出的。一方面医生代理和患者代理通过不断的交互，就医患双方所关心的问题达成一致，另一方面通过治疗方案推荐度的计算， 将协商结果转化成可行的治疗方案，可供医患选择、参考。

下面，本发明通过三个具体的实施案例对上述的实施例进行进一 步的解释说明，具体地，本实施例是以儿童哮喘的医患共同决策为例 进行的。

第一个实施案例：假设有一9岁患儿，其哮喘严重程度可达到4 级，在就医时医生和患者(患者家属)需要设置相应的偏好，由医生 代理和患者代理来代其进行协商。根据图2和图4所提供的基于代理 的医患共同协商和推荐模型，可构建出医生代理和患者代理分别代表医生和患者进行协商。医生代理和患者代理按照图3提供的步骤和协 议进行协商，最终获得一个协商结果。构建治疗方案(参照《儿童支 气管哮喘诊断与防治指南2016年版》)映射表，如图5所示(其中，： ICS：吸入性糖皮质激素；LTRA：白三烯受体拮抗剂；LABA：长效 β2受体激动剂；THP：茶碱；ICS/LABA：吸入性糖皮质激素与长 效β2受体激动剂联合制剂)，将协商结果与已有的治疗方案进行匹 配，可获得相应的推荐分数，如图6所示。最终推荐度最高的治疗方 案为：中高剂量ICS/LABA+LTRA。第二个实施案例：其是在协商议 题增多情况下，对本发明上述所提出的方法中涉及到的三种协商策略： 协作、双赢、以及竞争进行对比，主要对比协商结果最终的联合整体 满意度值，以及协商所需的轮数。从图7和图8中可以看出代理使用 竞争策略可获得相对较高的联合整体满意度值，但所需的协商轮数也 相对较多。代理使用协作策略所需的协商轮最小，但所获得的联合整 体满意度值最低。代理使用双赢策略下的联合整体满意度值和所需的 协商轮数处于竞争策略和协作策略中间。整体来说，代理使用双赢策略的结果最优。此外，随着协商议题数量的增加，协商结果的联合整 体满意度值会降低，所需的协商轮数也会增加。

第三个实施案例:其是使用具有不同偏好的10个医生代理和10 个患者代理来模拟100组医患进行协商，在此过程中Agent均使用双 赢策略，对协商议题增多时的协商结果进行分析，如附图9和图10 所示，当协商议题增多时，协商的联合整体满意度值会降低，所需的 协商轮数也会增加，再次验证了上述结论。

本发明的一实施例提供一种医患共同决策双边多议题协商系统， 参考图11，其应用于电子装置1中，该医患共同决策双边多议题协 商系统包括行为模型建模单元11、协商单元12和治疗方案推荐单元 13，行为模型建模单元11用于获取医生和患者的偏好和行为特征， 并根据模糊约束构建生成医生代理行为模型和患者代理行为模型。

协商单元12用于基于所述医生代理行为模型、患者代理行为模 型以及分布式模糊约束满意度问题进行医生代理和患者代理间的协 商，以生成共同协商结果；其中，所述分布式模糊约束满意度问题根据医患共同决策问题生成，所述医患共同决策问题为医生代理和患者 代理在决策过程中需要进行协商的议题。

治疗方案推荐单元13用于将所述共同协商结果与治疗方案推荐 模型进行匹配，并将与所述共同协商结果相似度较大的治疗方案作为 推荐方案并发送给医生代理和患者代理。其中，所述治疗方案推荐模 型包括多个治疗方案。

其中，协商单元还用于基于所述医生代理行为模型、患者代理行 为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间 的协商，直至协商成功或失败并终止协商。

在一实施例中，所述协商单元包括让步值计算模块121、解集计 算模块122和要价生成模块123。

让步值计算模块121用于基于所述分布式模糊约束满意度问题、 所述医生代理行为模型和患者代理行为模型，所述医生代理和患者代 理的一方通过自身的内部状态和所处的环境状态、以及另一方的响应 状态在协商过程中确定是否让步以及让步的程度以生成让步值。

解集计算模块122用于基于模糊约束网络、所述医生代理行为模 型、患者代理行为模型以及医生代理和患者代理一方的最新行为状态 生成可行解集和期望解集；所述最新行为状态根据整体满意度阈值和 所述让步值获得。

要价生成模块123用于根据所述可行解集和期望解集生成要价 并发送给医生代理和患者代理的另一方直至协商达成一致或协商失 败。

其中，上述的医患共同决策双边多议题协商系统中的各单元和各 模块未提及的实现方法和实现原理，可结合参考上述的医患共同决策 多议题协商方法中提及的方法。

本发明的一实施例提供了一种计算机可读存储介质，其可应用于 上述的电子装置中。所述计算机可读存储介质包括存储的计算机程序， 其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设 备执行上述实施例所述的医患共同决策多议题协商方法。

示例性地，本发明所述的计算机程序可以被分割成一个或多个模 块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器 执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能 的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所 述实现服务器设备中的执行过程。例如，本发明上述实施例中的医患共同决策双边多议题协商系统。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)， 还可以是其他通用处理器、数字信号处理器(Digital Signal Processor， DSP)、专用集成电路(APPlication Specific Integrated Circuit，ASIC)、 现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他 可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通 用处理器可以是微处理器或者该处理器也可以是任何常规的处理器 等，所述处理器是所述打印机内的光发射单元亮度配置方法的控制中 心，利用各种接口和线路连接整个所述实现一种打印机内的光发射单元亮度配置方法的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器 通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及 调用存储在存储器内的数据，实现医患共同决策多议题协商方法的各 种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存 储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音 播放功能、文字转换功能等)等；存储数据区可存储根据用户终端的 使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存 储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、 安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个 磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述实现服务设备的模块如果以软件功能单元的形式实现 并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储 介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部 分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计 算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机 程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、 对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质 可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM， Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和 专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法 和专利实践，计算机可读介质不包括电载波信号和电信信号。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所 述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个 地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择 其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明 提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通 信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通 技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围 之内。因此，本发明的保护范围应该以权利要求的保护范围为准。