：本技术涉及大语言模型及护理康复领域，尤其涉及一种基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统。
背景技术
0、
背景技术：
1、主动脉瓣狭窄是老年人常见的瓣膜性心脏病之一，其患病率随年龄的增长而升高。经导管主动脉瓣置换术(transcatheter aortic valve replacement，tavr)是治疗主动脉瓣狭窄的主要措施。尽管tavr在设备、技术和患者管理等方面均取得了进展，但由于高龄、衰弱、多病共存等因素导致tavr患者术后易发生心脏传导阻滞、瓣周漏等并发症，其1年再入院率达44.2％，1年全因死亡率达23.7％。tavr术后的康复过程对患者来说是一个复杂且漫长的过程，需要密切的监测和个性化的干预，以确保患者的康复效果。目前，国内护士主要依赖经验式护理开展术后并发症护理和院外管理，尚缺乏有效的术后康复管理工具。《进一步改善护理服务行动计划(2023—2025年)》指出，医疗机构应加强护理信息化发展，充分应用人工智能等信息技术，改进护理服务流程，提高护理工作效率。现有的居家心脏康复存在以下不足：
2、(1)心脏康复未被患者充分利用：①患者心脏康复的依从性不佳：多项研究显示心脏康复的转诊率、参与率及完成率都不理想。患者在康复过程中往往面临着缺乏动力、缺乏有效的指导和监督等挑战，影响了康复效果；②患者心脏康复的完成率不高：美国医疗保险系统数据显示，2007～2011年出院患者中参与心脏康复者仅占16.3％。2017～2019年参与门诊心脏康复治疗的患者中，完成24次以上康复次数者仅占18.7％；③运动强度不够：心脏康复指南建议患者每周五天或五天以上进行至少30分钟的中等强度到剧烈强度的体育活动。但许多心血管疾病患者未能达到建议的日常体育活动水平。
3、(2)目前护士主要依赖经验式护理开展tavr患者术后并发症护理和院外管理，预后管理依赖患者自觉性的报告和不定期的随访，存在着信息不及时、干预不够个性化等问题。居家心脏相关研究多基于微信群等平台开展尚缺乏系统、标准的第三方康复管理系统。
4、(3)已有的居家康复系统识别功能弱，算法不灵活，改进空间大，且大多采用静态信息推荐算法对患者推荐信息，未考虑患者动态变化的个性化需求。尚未存在针对tavr患者的居家康复系统。
5、(4)已有的多种心血管预警系统仅手机患者的生理数据来判断患者的病情，缺乏对患者自我报告结局数据的收集，缺乏对患者心理、社会功能等主管结局数据的评估。
6、中国专利cn cn306916277s公开了一种tavr术后患者居家康复处方纸以用于tavr术后患者居家康复。但是该居家康复处方纸不能基于患者的康复状态给予个性化康复干预、不能满足患者康复期间的多元化需求。
7、中国专利cn115624319a公开了一种多功能心脏康复智能终端设备，用于对患者运动的数据进行储存或发送，其利用控制终端、袖带检测组件和脚踝激光测距仪的配合使用，可以、对患者进行指导运动，并且对其运动的参数进行记录，实现安全的居家心脏康复。但其缺乏心脏瓣膜病患者的专科数据，设备的专科性差。此外，该设备仅能记录患者的运动参数，无法预测患者发生心血管不良事件的风险，缺乏心脏康复中的营养管理、心理管理、用药管理等重要组件。该设备不能训练患者的运动技能，解答患者康复期间的个性化问题，且缺乏预警系统不能保障患者居家康复期间的人身安全。
8、综上所述，急需开发一种针对tavr患者的康复系统，其应具备个性化问答功能以提高患者的知识储备，具备风险预警功能以保障患者居家运动的安全，具备康复技能训练功能以保证患者能正确、独自在家开展康复，具备康复管理功能以从用药、睡眠、心理等各个方面实现个性化心脏康复。
技术实现思路
0、
技术实现要素：
1、针对tavr患者心脏康复的依从性不佳，缺乏tavr患者个性化、安全、高效的康复系统的问题，本发明提出了一种基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统。该系统基于机器学习、护理大语言模型nursechat、虚拟现实技术、行为改变技术的方法，可系统收集患者数据、为患者提供精准问答、实时预警保障患者安全、技能训练以使患者学以致用。该系统解决了患者缺乏自我护理知识、居家康复安全风险高、运动康复困难和康复依从性低等问题，同时为tavr患者居家康复提供了科学、系统的康复方案与康复平台。
2、本发明的目的是通过以下技术方案来实现的：
3、一种基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，具体包括：
4、(1)数据采集模块：收集tavr患者的生理数据、报告结局数据、既往史数据、实验室检查数据、生物学标志物数据以及影像学检查数据，所收集数据以json格式上传云端，且每项数据的key至少包括姓名、时间、项目、结果等；
5、(2)护理大模型问答模块：构建具有护理专业知识理解能力的护理大模型—nursechat，用于回答tavr患者居家康复期间护理领域的问题，引导tavr患者开展自我康复；
6、(3)风险预警模块：基于tavr患者机器学习预测模型生成患者的康复风险等级，预测tavr患者发生各种心血管不良结局事件的概率，保障患者康复安全；
7、(4)康复管理模块：基于风险预警模块的预警结果与患者主观报告数据，协助康复团队为患者制定个性化康复计划并实施康复管理；
8、(5)康复训练模块：搭建基于rgb相机、深度相机的虚拟现实康复训练云平台，用于训练患者康复运动技能、心血管疾病风险因素自我管理技能，以提高患者的康复技能。
9、上述技术方案中，进一步地，所述数据采集模块由可穿戴医疗设备和居家心脏康复app构成，其中可穿戴医疗设备包括智能手表、血糖仪等中的一项或多项，可用于采集患者的客观生理指标，如患者的心率、最大摄氧量、血压等关键生理数据，并通过物联网技术实时向居家心脏康复app、预警模块等传递动态数据；居家心脏康复app用于收集患者的患者报告结局的相关数据，如睡眠质量、心理状态、生活质量、自我效能、社会支持等，并实时上传数据至云服务器，并接收来自云服务器的反馈建议与干预措施。
10、进一步地，所述居家心脏康复app具有信息档案馆、瓣膜介入后随访(随访计划、随访预约、随访记录)、健康风险监测、运动重塑(运动提醒、运动记录、运动计划、运动课程)、营养宝库(饮食计划、饮食记录、饮食知识、营养建议)、康复桃园(发帖激励、心得分享、社交推荐、云康复室配)、药物管理、睡眠与心理管理等板块。
11、进一步地，所述居家心脏康复app的健康风险监测包含以下测评内容：康复风险评估板块用于采集患者心脏康复过程中的主观指标(患者报告结局)。通过游戏方式引导患者了解自己的身体状况，依此填完患者自我报告结局量表。
12、进一步地，所述护理大模型问答模块以预训练大语言模型为基础，通过构建护理领域专业知识数据集，并进行护理领域知识注入和模型微调，得到具有护理专业知识理解能力的护理大模型—nursechat。所述预训练大语言模型包括llama-7b、bloom-7b以及alpaca-chinese-7b中的至少一种，并使用中文文本数据进行指令微调，使模型具有中文基础语义理解能力。
13、进一步地，所述护理大模型问答模块中的护理领域专业知识数据集的构建过程具体步骤为：
14、s1：护理知识数据收集与预处理，数据集的来源包括但不限于：①医疗护理领域临床数据：从医院、诊所、社区卫生服务中心或医疗研究机构获取患者的基本信息数据、医疗诊断记录数据、治疗方案数据、护理记录数据、影像学数据、实验室检查数据、生物标志物数据；②心血管疾病患者诊断、管理的指南与共识：从权威医学机构或学术期刊中获取心血管疾病的诊断与治疗的指南、护理专家共识以及证据总结。③网络爬虫自动抓取医学网站、医学论坛、护理与康复论坛以及重症监护护理数据集中的相关数据；
15、数据预处理步骤具体为：使用python解析上述搜集到的数据，运用先进的自然语言处理技术进行文字识别，段落分割，特殊字符过滤等，将获得的数据转成txt格式，构建形成护理知识库；
16、s2：将上述得到的护理知识库喂入gpt-3.5-turbo，通过提示微调使得gpt-3.5-turbo获得护理领域专业知识解读能力；
17、s3：基于python计算机语言，调用openai的gpt-3.5-turbo接口api，使用for循环构建提示语prompt，使得gpt-3.5-turbo产生不同的具有护理专业知识的问答数据，使用的提示语包括至少以下几点：
18、①请结合以上护理知识，提出问题，并结合知识进行解答，尽可能多样化生成指令数据集，每一个指令数据都由指令、输入和输出三个部分组成；
19、②指令和输入为护理问题相关，输出为问题的回答，请将问题与指令结合起来；
20、③您应该为指令生成适当的输入，但是并非所有指令都需要输入；
21、④输出应该是对指令和输入的适当响应，请确保输出少于100个字；
22、⑤以下是几条示例，请根据示例生成更多的指令数据集；
23、⑥您应该确保输出的语法正确，并根据需要使用标点符号，我们将人工评估指令的完成情况；
24、s4：通过专家筛选，最终得到知识正确的护理领域专业知识数据集，数据集中的每一个样本均包含3个字符串元素(instruction,input,output)，其中input可以为空。
25、进一步地，护理领域知识注入和模型微调具体实现为：
26、d1：加载预训练大语言模型，设其权重参数w0∈rd×k，增加旁路分支网络与原模型跳接，并设权其重矩阵为δw∈rd×k，则网络更新时新的权重矩阵为w＝w0+δw＝w0+ba，其中b∈rd×r，a∈rr×k。配置lora参数，冻结w0，仅更新矩阵b,a，并对a使用随机高斯初始化，对b使用零初始化。
27、d2：加载构建的护理专业知识数据样本，输入至tokenizer模型，基于字节对编码将输入字符串转化为tokens，再通过embedding层，获得4096维的词嵌入向量，最后再通过n个transformer层和output层，输出词表概率。
28、d3：采用交叉熵作为损失函数，使用adamw优化器进行权重更新，并保存更新的权重参数。
29、d4：在进行推理预测时，直接加载预训练权重w0和更新的权重δw进行相加，
30、无需额外计算，即可与患者智能问答。
31、进一步地，所述的护理大模型问答模块将训练好的护理大模型nursechat部署于云端服务器，并提供相应的问答云端api，用于提供治疗建议、辅助护士制定护理计划、辅助患者开展自我管理等。
32、进一步地，所述康复预警模块基于数据采集模块所获取的数据，提取患者预测因子向量，基于tavr患者机器学习预测模型生成患者的康复风险等级，以预测患者发生各种不良结局事件的概率，并将预警结果传输给康复管理系统、居家心脏康复app、可穿戴设备。
33、进一步地，所述预测因子向量包括：①患者生命体征(体温、脉搏、呼吸、血压、心率、血氧)。②血红蛋白、血清铁、口服抗凝剂、双重抗血小板治疗、股总动脉直径、肌酐清除率、自扩张瓣膜、高血压、预先存在的一级房室传导阻滞、右束支传导阻滞、术前主动脉瓣面积、手术前后主动脉瓣口面积比率、透析终末期肾病、出院处置、贫血、慢性肝病、心房颤动、住院时间、急性肾损伤、肾小球滤过率、血液透析、纽约心脏协会功能ⅳ级、非股动脉入路、手术紧急程度、男性、慢性阻塞性肺病、心脏每搏指数、肺动脉高压。所述不良结局事件包括但不限于术后大出血、脑血管事件、心脏传导阻滞、主动脉瓣关闭不全、再入院、中风、瓣周漏、血管并发症、年龄、心脏起搏器植入和全因死亡等。
34、进一步地，所述机器学习模型输入为预测因子向量，输出为tavr患者发生各种心血管不良结局事件的概率，并被划分为为高风险、中风险、低风险三个等级。模型类型包括但不限于cox比例风险模型、随机生存森林模型、逻辑回归、深度神经网络、朴素贝叶斯和支持向量机等。
35、进一步地，所述机器学习模型的构建方法具体步骤为：
36、s1：收集tavr患者的临床数据：制定tavr患者的纳入与排除标准，构建tavr患者预后前瞻性队列。从电子病历系统中收集队列中tavr患者的数据，收集的数据包括一般资料(年龄、性别、左心室射血分数、文化程度、心血管病程、合并症、血压、血糖、心功能分级)、既往史、围术期的数据(体格检查、影像学数据、血尿生化指标、生物组织、瓣膜狭窄程度、生物学标志物)。规定每个预测因素的定义、测量过程、收集时间，并对数据收集者实施盲法。
37、s2：数据清洗：缺失值填充处理则是指对离散临床变量数据采用多重插补填充方法，对连续临床变量数据使用随机森林算法进行缺失值计算和填充。数据获取时，观察患者居家康复五年内的心血管不良事件发生情况。预先设定不良心血管事件结局指标的定义，在结局指标中排除预测因素相关的信息。
38、s3：结合循证文献回顾、专家的临床经验、单因素分析、多因素分析筛选预测因子。构建tavr患者居家心血管不良事件机器学习模型，采用步骤s2处理后的数据对构建的机器学习模型进行训练，后采用n折随机拆分验证开展模型的内部验证。
39、s4：风险预测：利用训练好的机器学习模型对待预测对象进行风险预测，预测出待预测对象居家康复期间发生心血管不良事件的风险概率值。
40、进一步地，所述基于tavr患者机器学习预测模型输出的预警等级将传输至可穿戴设备、康复管理模块、康复训练模块、居家心脏康复app。若预警结局为低风险或中风险时，预警模块自动发送管理建议。若预警结局为高风险，立即发出警报以提醒医疗团队立即进行评估和干预。
41、进一步地，所述康复管理模块具备用户信息管理、康复预警管理、康复干预管理(多学科团队联合制定计划、医生处方模块)、信息推送管理、患者随访管理等功能。康复团队可通过康复管理模块，基于患者的自我报告结局数据、患者预警等级生成患者管理方案并开展干预。
42、进一步地，所述康复管理模块依据患者每月居家心脏康复依从性量表的得分，将患者分为依从性高、依从性中、依从性差三个类别。对依从性中等的患者和对依从性差的患者实施基于行为改变技术的依从性改善方案，对依从性高的患者给予物质/虚拟奖励。
43、所述的患者依从性的改善方案，详细步骤为：依据患者病情，设置血压、血脂、血糖、戒烟、等风险因素的管理目标，照顾者使用平台上传患者健康数据(每周一次)。针对不会使用智能设备的照顾者，电话随访记录；依据患者病情，设置血压、血脂、血糖、戒烟、等风险因素的管理目标，照顾者使用平台上传患者健康数据(每周一次)。针对不会使用智能设备的照顾者，电话随访记录；若患者依从性良好，每天发送的提醒改为每周1次，每周发送的提醒改为每月1次。反之则按原来频率发送；若患者依从性良好，每天发送的提醒改为每周1次，每周发送的提醒改为每月1次。反之则按原来频率发送。
44、进一步地，所述康复训练模块中的虚拟现实云平台预设多种康复动作模型，并在通过投影在患者视野中显示出符合正确操作的引导肢体动。康复运动动作训练包括跑步机运动、徒手自身抗重力运动、阻力训练、太极拳、八段锦、健身操、平衡及运动协调性训练和吸气肌肉训练。平台可以通过rgb相机和深度相机进行人体动作捕捉，患者通过自身动作与引导肢体动作相重合的方式训练康复技能。进一步地，所述虚拟现实服务器基于患者偏好抽取相应康复场景开展训练。
45、进一步地，所述人体动作捕捉与引导是基于深度相机人体骨骼识别技术，实时获取20节点人体骨架模型中各个关节节点的三维坐标，并通过计算人体各个关节点的距离特征和角度特征完成引导，具体为：
46、设肩关节、肘关节和腕关节的三维坐标分别为pj,pc,pw，则患者肘关节弯曲角度为通过对比系统弯曲角度标准值αt，便可以进一步引导患者弯曲或者伸张手臂。此外，服务器还可以基于患者动作轨迹和触点与引导肢体的偏差值开展分析生成康复成果报告。
47、与现有技术相比，本技术的技术方案所具备的优点或有益效果包括：
48、本发明提出了一种创新的康复管理模式：基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，该系统可给予患者精准的个性化问答，个性化预测患者术后并发症等不良术后风险，训练患者的康复技能、激发患者的康复动力，以辅助医护人员开展个性化治疗和护理、提高tvar手术的安全性，改善患者的康复效果和生活质量。
1.一种基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，包括：
2.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述数据收集模块包括可穿戴医疗设备和居家心脏康复app，两者通过物联网模块实现连接；
3.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述居家心脏康复app具有信息档案馆、瓣膜介入后随访、健康风险监测、运动重塑、营养宝库、康复桃园、药物管理、睡眠与心理管理等板块及相应的功能。
4.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述护理大模型问答模块中的护理大模型nursechat是基于预训练大语言模型在护理领域专业数据集上微调得到的；
5.根据权利要求4所述的护理大模型nursechat，其特征在于，所述tavr护理领域专业知识数据集的构建过程具体步骤为：
6.根据权利要求4所述的护理大语言模型nursechat，其特征在于，所述模型微调是为了实现护理领域知识注入，具体步骤为：
7.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述康复预警模块基于数据采集模块所获取的数据提取患者预测因子向量，包括但不限于：
8.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述康复预警模块中的机器学习模型输入为预测因子向量，输出tavr患者发生各种心血管不良结局事件的概率，并被划分为为高风险、中风险、低风险三个等级。
9.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述康复预警模块中的机器学习模型的类型包括但不限于cox比例风险模型、随机生存森林模型、逻辑回归、深度神经网络、朴素贝叶斯和支持向量机。
10.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述基于tavr患者机器学习预测模型输出的预警等级可从云端回传至可穿戴设备以及居家心脏康复app；若预警结局为低风险或中风险时，预警模块自动发送管理建议，若预警结局为高风险，立即发出警报以提醒医疗团队立即进行评估和干预。
11.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述康复管理模块依据患者每月居家心脏康复依从性量表的得分，将患者分为依从性高、依从性中、依从性差三个类别；对依从性中等的患者和对依从性差的患者实施基于行为改变技术的依从性改善方案，对依从性高的患者给予物质/虚拟奖励。
12.根据权利要求1所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述康复训练模块中的虚拟现实云平台预设多种康复动作模型，并在通过投影在患者视野中显示出符合正确操作的引导肢体动；同时，平台通过rgb相机和深度相机进行人体动作捕捉，患者通过自身动作与引导肢体动作相重合的方式训练康复技能。
13.根据权利要求12所述的基于护理大模型与即时个性化干预的tavr患者游戏化居家康复系统，其特征在于，所述人体动作捕捉与引导是基于深度相机人体骨骼识别技术，实时获取20节点人体骨架模型中各个关节节点的三维坐标，并通过计算人体各个关节点的距离特征和角度特征完成引导，具体为：设肩关节、肘关节和腕关节的三维坐标分别为pj,pc,pw,则患者肘关节弯曲角度为通过对比系统弯曲角度标准值αt,便可以进一步引导患者弯曲或者伸张手臂。
