[發明專利]妊娠期健康風險評估系統

在審

• 申請號: 201611063247.3
• 申請日: 2016-11-28
• 公開（公告）號: CN106777909A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 蘇放明;羅曉民;王磊
• 申請（專利權）人: 深圳市人民醫院;西藏華大科技有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京智為時代知識產權代理事務所(普通合伙)11498
• 代理人: 楊靜,王加嶺

技術領域

本發明涉及用戶健康保障設備開發領域，特別是涉及到一種網絡化的用戶健康保障設備這一開發領域。

背景技術

妊娠期是指受孕后至分娩前的生理時期，屬生理學名詞，亦稱懷孕期。自成熟卵受精后至胎兒娩出，一般為266天左右。為便于計算，妊娠通常是從末次月經第一天算起，足月妊娠約為280天(40周)。在妊娠期間母體的新陳代謝、消化系統、呼吸系統、血管系統、神經系統、內分泌系統、生殖系統、骨關節韌帶及乳房均發生相應的改變。

妊娠期內用戶的身體狀況容易發生變化，也容易產生各種妊娠期疾病。例如妊娠期高血壓疾病(hypertensive disorders complicating pregnancy,HDCP)是妊娠期特有疾病，全球患病率約3％-5％，它在歐美發達國家的患病率約為2％-5％，而在我國的發病率相對較高，約為10％。它的基本病理變化主要是全身小血管的痙攣，導致血管壁的緊張性增加，血管阻力增加，全身血管內皮細胞損傷，通透性增加，以致出現血壓升高，蛋白尿，水腫及多器官損傷等臨床表現。根據《妊娠期高血壓疾病診治指南(2015)》，可將妊娠期高血壓疾病主要分成以下五大類：妊娠期高血壓、子癇前期、子癇、慢性高血壓并發子癇前期和妊娠合并慢性高血壓。其中子癇前期(preeclampsia,PE)是妊娠期高血壓疾病的一種嚴重狀態，因危害性大并且尚缺乏有效的治療方法，所以早期預測和預防更顯得尤為重要。

特定產檢指標高出正常范圍往往預示著臨床發病的概率增加或進入了疾病的臨床前期。由于妊娠期高血壓疾病嚴重影響母嬰近遠期健康，對母兒危害大。一旦發病，目前臨床上尚缺乏有效特異的治療措施，因此早期的預防顯得尤為重要。運用醫療知識系統對臨床動態信息進行計算機分析，及早篩選出高危人群，有針對性地進行及時有效的干預和預防，有助于有效降低孕產婦和圍產兒的發病率和死亡率。醫療信息化和健康大數據的應用推動了“基于經驗”的臨床推理效率，也降低了人為推理的不確定性。長期以來形成的孕期建冊產檢體系產生的臨床動態數據可得到更加充分的利用，為計算機化的患病風險的評估以及優化干預預防措施的實施積累了數據。

對于大多數的妊娠期疾病，人們比較普遍地習慣于在癥狀表現明顯時才會去醫院檢查，實之為時晚矣。例如妊娠期高血壓疾病屬于妊娠期特有疾病，因危害性大并且尚缺乏有效的治療方法，早期的預測和預防尤為重要。而基于醫療知識系統和臨床動態信息有效運用的妊娠期健康風險評估系統，有助于及早篩選出高危人群，有針對性地進行及時有效的干預和預防。

發明內容

本發明的目的在于克服現有技術的缺點，提供了一種妊娠期健康風險評估系統，所述妊娠期健康風險評估系統能夠有效利用醫院數據，方便快捷地為用戶提供健康風險評估報告。

為解決上述技術問題，本發明采用如下技術方案。

一種妊娠期健康風險評估系統，所述妊娠期健康風險評估系統包括用戶終端和遠程服務器，其中所述遠程服務器包括用戶身份識別單元、醫院數據庫接口單元、數據庫單元、風險評估單元和結果提示單元，其中，

用戶終端保存用戶識別標示、醫院識別標示、病歷識別標示和孕期數據，通過有線或無線方式連接至遠程服務器；

用戶身份識別單元通過有線或無線方式獲取所述用戶識別標示，與本地數據庫單元中存儲的用戶識別標示比較，判斷合法用戶后繼續從用戶終端獲取醫院識別標示、病歷識別標示和孕期數據；

醫院數據庫接口單元根據用戶身份識別單元獲取的醫院識別標示和病歷識別標示從與醫院識別標示對應的醫院獲取與病歷識別標示對應的用戶病歷數據，放置于數據庫單元緩存；

風險評估單元根據用戶的孕期數據和最新臨床動態信息，對數據庫單元中緩存的用戶病歷數據進行健康風險評估，輸出評估結果；

結果提示單元通過有線或無線方式向用戶終端返回健康風險評估結果。

其中所述風險評估單元包括學習器、樣本庫和評估器；所述學習器建立結果模型，利用樣本庫的樣本訓練結果模型，修改結果模型的參數；其中所述結果模型是用戶病歷數據與疾病風險度的關系，評估器利用結果模型對用戶病歷數據進行健康風險評估。

另外，所述風險評估單元還包括用戶分類器，用戶分類器根據用戶一般參數對用戶進行分類；相應地，所述學習器、樣本庫和評估器也有一個以上，不同的學習器和評估器分別對應不同的用戶類別，樣本庫與醫院數據庫對應，根據用戶分類器的分類結果選用不同評估器，利用各自的學習器建立的結果模型對用戶病歷數據進行健康風險評估。