[發明專利]疾病風險預測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201910740518.1
• 申請日: 2019-08-12
• 公開（公告）號: CN110517775A
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 馬洪山;閆莉;劉艷;田永謙
• 申請（專利權）人: 上海艾莎信息科技有限公司;大同市第三人民醫院
• 主分類號: G16H50/30
• 分類號: G16H50/30
• 代理公司: 44224 廣州華進聯合專利商標代理有限公司
• 代理人: 王珊珊<國際申請>=<國際公布>=<進入

1.一種疾病風險預測方法，其特征在于，所述方法包括：

獲取用戶的特征信息；

將所述用戶的特征信息輸入到動態預測模型中，得到所述用戶的疾病風險預測結果；所述動態預測模型是根據實時采集的多個用戶的用戶信息中的特征信息和疾病信息進行動態調整得到的。

2.根據權利要求1所述的方法，其特征在于，所述特征信息包括用戶的行為特征、身體特征、飲食特征以及所在環境的環境特征中的至少一種特征信息。

3.根據權利要求1所述的方法，其特征在于，所述動態預測模型的構建方式，包括：

實時采集多個用戶的用戶信息；

分別將所述多個用戶的用戶信息中的特征信息與疾病信息建立連接，獲得各用戶的特征疾病關聯關系；

在所述多個用戶的特征疾病關聯關系中，將包含其中一個疾病信息的特征疾病關聯關系合并，獲得以所述疾病信息為連接中心的與第一關聯模型；

在所述多個用戶的特征疾病關聯關系中，將包含其中一個特征信息的特征疾病關聯關系合并，獲得以所述特征信息為連接中心的與第二關聯模型；

基于所述第一關聯模型和第二關聯模型，構建所述動態預測模型。

4.根據權利要求3所述的方法，其特征在于，所述基于所述第一關聯模型和第二關聯模型，構建所述動態預測模型，包括：

在所述疾病信息的第一關聯模型中，根據各特征信息與所述疾病信息的關聯次數，保留第一預設數量的特征信息為所述疾病信息的風險因素；

在所述特征信息的第二關聯模型中，根據各疾病信息與所述特征信息的關聯次數，保留第二預設數量的疾病信息為所述特征信息的風險疾病；

在所述第一關聯模型中的風險因素與所述第二關聯模型中的特征信息相同時，或者，所述第一關聯模型中的疾病信息與所述第二關聯模型中的風險疾病相同時，連接所述第一關聯模型和所述第二關聯模型，獲得所述動態預測模型。

5.根據權利要求4所述的方法，其特征在于，所述第一預設數量與所述第二預設數量均為6。

6.根據權利要求3-5任一項所述的方法，其特征在于，所述將所述用戶的特征信息輸入到動態預測模型中，得到所述用戶的疾病風險預測結果，包括：

在所述動態預測模型中，獲取與所述用戶的特征信息關聯的目標風險疾病；

分別獲取各所述目標風險疾病關聯的目標風險因素；

若所述目標風險因素與所述用戶的特征信息匹配，則根據匹配的目標風險因素所關聯的目標風險疾病，確定所述用戶的疾病風險預測結果。

7.根據權利要求6所述的方法，其特征在于，所述根據匹配的目標風險因素所關聯的目標風險疾病，確定所述用戶的疾病風險預測結果，包括：

將所述匹配的目標風險因素所關聯的目標風險疾病，確定為所述用戶的疾病風險預測結果。

8.根據權利要求7所述的方法，其特征在于，所述用戶的疾病風險預測結果還包括疾病風險率；所述疾病風險率根據所述用戶的特征信息在所述多個用戶的用戶信息中出現的次數確定。

9.根據權利要求8所述的方法，其特征在于，所述將所述匹配的目標風險因素所關聯的目標風險疾病，確定為所述用戶的疾病風險預測結果，還包括：

根據與有關的關系式，確定所述疾病風險率；

其中，w表示所述用戶的特征信息在所述多個用戶的用戶信息中出現的次數，n表示所述多個用戶的用戶信息中包含所述目標風險疾病的用戶數量，v_k表示第k個用戶的特征信息的信息個數。

10.一種疾病風險預測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取用戶的特征信息；

輸入模塊，用于將所述用戶的特征信息輸入到動態預測模型中，得到所述用戶的疾病風險預測結果；所述動態預測模型是根據實時采集的多個用戶的用戶信息中的特征信息和疾病信息進行動態調整得到的。