[發明專利]一種慢性病加重風險評估與告警系統

在審

• 申請號: 201910113117.3
• 申請日: 2019-02-13
• 公開（公告）號: CN109817338A
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 陳亞紅;李建欣;周號益;孫婉璐;張迎春;彭士杰
• 申請（專利權）人: 北京大學第三醫院（北京大學第三臨床醫學院）;北京航空航天大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70
• 代理公司: 北京中創陽光知識產權代理有限責任公司 11003
• 代理人: 尹振啟

本發明提出一種慢性病加重風險評估與告警系統，包括預處理模塊，核心指標特征抽取模塊，多維時序數據特征抽取模塊和特征融合與預警模塊。所述預處理模塊對醫學數據進行全面的預處理得到核心指標數據的歷史序列和多維特征的歷史數據；所述核心指標特征抽取模塊建立了所述核心指標數據的歷史序列中相鄰時間點的時間間隔與長期記憶傳遞之間的關聯，得到第一組基準特征；所述多維時序數據特征抽取模塊對所述多維時序數據進行抽取得到第二組基準特征；所述特征融合與預警模塊將所述第一組基準特征和第二組基準特征進行融合，然后進行預警分析。

技術領域

本發明涉及一種評估與告警系統，尤其涉及一種慢性病加重風險評估與告警系統。

背景技術

隨著生活水平的提高，人類的主要死因已經從原來的意外傷害，傳染病等逐漸轉移到了慢性疾病上，根據世界衛生組織公布的人類死因數據顯示，心血管，腫瘤，慢性呼吸道疾病等慢性病所占的比例在近二十多年內急劇增加。慢性病由于其發病周期長，復發性高的特點，給患者和醫療機構帶來了巨大的就診負擔，有效的預防手段和早期確診可以及時進行醫療干預，減輕因病情加重帶來的人力和物力損失。因此，如何盡早的確診慢性病，并對慢性病患者的病情進行預測有十分重要的現實意義。

與此同時，信息技術的飛速發展和向醫學領域的擴展，為醫學研究提供了新的契機。醫學數據的存儲方式從原來的紙質病例為主逐漸向電子病例轉化，大量的醫學數據得以以結構化的格式完整的存儲到數據庫中，借助計算機強大的數據分析和計算能力，醫學研究進入了新的階段。

慢性病加重風險評估系統的底層任務是通過分析(1)患者的基本統計信息，包括性別，年齡等；(2)對患者一段時間的調查數據，包括日常行為習慣信息，自我評估信息等，以慢性阻塞性肺疾病COPD為例，常用的自評測試表包括CAT，MRC等；(3)患者所處的環境信息，包括大氣污染物，溫度，濕度等信息，對患者當前病情做出風險評估，并給出相應的告警信息。目前已有的慢性病加重風險評估方案根據輸入的數據類型可分為兩類。橫截面數據分析：對某一時間點的數據進行建模分析，主要通過回歸模型建立各項數據和加重風險之間的關系，此類模型相對簡單并且只利用了單時間片的數據，忽略上述三種數據在時間上的延展性和關聯性；時序數據分析：對上述某一種數據隨時間的變化進行建模，主要通過傳統的自回歸模型進行建模，包括移動平均模型(MA)，自回歸模型(AR)，自回歸移動平均模型(ARIMA)等，此類模型考慮了該類型數據的時序依賴性，但是只能對單一的時序數據建模，風險評估結果的參考價值較低。

隨著人工智能技術的發展，基于深度學習的時序數據分析模型逐漸成為了當前時序數據分析的主流技術。利用深度模型強大的特征抽取和分析特性，可以從多維時序數據中抽取有效的高維特征并加以分析和建模。目前較常用的時序深度模型以循環神經網絡(RNN)為代表，并在其基礎上演變出了各種變形，包括長短期記憶模型(LSTM)，GRU(GatedRecurrent Unit)等。深度學習模型的發展為醫學數據分析提供了新的思路和解決方案，但是如何有效地結合醫學先驗知識將深度模型應用到醫學領域仍面臨巨大的挑戰。

發明內容

本發明包括預處理模塊，核心指標特征抽取模塊，多維時序數據特征抽取模塊和特征融合與預警模塊；所述預處理模塊對醫學數據進行全面的預處理得到核心指標數據的歷史序列和多維特征的歷史數據；所述核心指標特征抽取模塊建立了所述核心指標數據的歷史序列中相鄰時間點的時間間隔與長期記憶傳遞之間的關聯，得到第一組基準特征；所述多維時序數據特征抽取模塊對所述多維時序數據進行抽取得到第二組基準特征；所述特征融合與預警模塊將所述第一組基準特征和第二組基準特征進行融合，然后進行預警分析。