随着社会经济的发展,人们在提高生活水平的同时也越来越关注自身的健康,均希望获得便捷、高质量的医疗保健服务。然而,由于优质医疗资源的稀缺以及医疗资源分布的差异,致使目前的医疗服务难以普遍的满足病人需求。在这种情况下,远程医疗服务系统应运而生。目前的远程医疗服务系统借助于远程通信技术、电子与计算机技术实现专家与病人、专家与医务人员之间异地“面对面”的会诊,对于充分发挥大型医疗中心的技术优势、提升诊疗效率与效果具有重要意义。然而,在医患的线上交流中,经常会出现患者因不了解自身病情而无法找到合适医师的情况,如果能够将基于人工智能技术的病情预测模型与传统的远程医疗服务系统相结合,将会进一步提高当前医疗服务系统的智能性及有效性。甲亢作为一种发病率较高的慢性病,已成为现代内分泌医学的主要研究项目之一。在临床诊疗时,有许多甲亢患者因未及时了解病情而延误了最佳的治疗时间。为帮助患者及时检查自身病情,预防甲亢疾病恶化,针对甲亢疾病的病情发展进行预测研究就显得十分必要。目前,在甲状腺医学领域中,已有许多结合人工智能技术进行风险评估和病情预测的研究成果,但这些研究均未提供与模型对应的服务应用平台。其研究数据大多以超声图像、病理诊断和用药情况为主,往往忽略了血检指标对患者病情发展的影响,且模型大多基于线性回归和深度学习算法,不能对患者病情发展进行分类预测。针对上述问题,本文提出了基于血检指标变化规律的甲亢分期预测及病情发展预测模型,并对如何实现基于模型的医疗服务原型系统进行了研究。首先,本文提出了甲亢分期预测模型。依据甲亢临床医学研究,制定了基于患者血检指标FT3、FT4、TSH、TRAB变化规律的分期阶段划分规则,总结了各阶段间的依赖关系。进一步,依据该规则和联系设计了甲亢分期阶段预测算法,建立了以患者血检指标值为输入的甲亢分期预测模型,为后续提出的医生推荐算法奠定了基础。其次,本文实现了基于患者血检指标数据的甲亢病情发展预测模型。通过分析某三甲综合性医院10年间的甲亢患者临床数据,本文提取了37维蕴含甲亢患者病情发展规律及特点的特征,建立了基于SVM支持向量机和K近邻算法的分类预测模型。该模型依据甲亢患者的基本信息及前六个月的血检指标预测其未来的病情发展状况,为辅助医生精确化临床诊断提供了技术支持。最后,本文实现了基于开源Rocket.Chat远程沟通平台的医疗服务原型系统。本文将传统的医疗服务系统与Rocket.Chat相结合,实现了医生与患者间的在线互动,并将甲亢病情发展预测模型嵌入原型系统中,实现了基于模型的病情预测服务。本文设计了基于甲亢分期预测模型的医生推荐算法,将医师资源合理分配给不同患病程度的患者,平衡了医生与患者的匹配比例,提高了医院的就诊效率。