一种深度学习方法,整合了专家匹配的多维特征,在医疗保健问题中回答社区的问题
Yanli Zhang1, Tao Wang2, Yan Wang3
1College of Business Administration, Henan Finance University, Zhengzhou, Henan, China.
Frontiers in public health
|November 3, 2025
概括
这项研究引入了一种新的AI模型,用于在线健康社区中将患者与医学专家相匹配. 先进的系统显著提高了专家建议的准确性,以获得更好的患者护理.
科学领域:
- 人工智能的人工智能
- 医疗信息学 医疗信息学
- 计算语言学 计算语言学
背景情况:
- 在线医疗保健问答社区在准确匹配患者和医疗专家方面面临挑战.
- 现有的方法难以处理非结构化,短文本和多领域的患者查询.
研究的目的:
- 为在线健康社区开发一个多功能专家推模型.
- 为了提高患者与合适的医疗专家匹配的准确性和相关性.
主要方法:
- 集成的GRU (门式循环单元),CNN (卷积神经网络) 和注意力机制.
- 从患者问题 (标题,内容,标签,个人资料) 中分析了文本语义特征.
- 嵌入了专家凭证和历史回复序列,用于多维特征融合.
主要成果:
- 与LSTM等传统方法相比,在建议准确度方面取得了显著的改进.
- 在处理非结构化,短文本和多域分类场景方面表现出卓越的性能.
- 拟议的模型优化了建议的准确性和相关性.
结论:
- 开发的模型为在线健康平台的患者专家匹配提供了强大的解决方案.
- 为优化在线医疗社区的资源和个性化服务提供技术参考.
- 突出了改善在线医疗互动的实际实施价值.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
2.0K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
