[發(fā)明專利]一種常見婦科疾病預(yù)測模型構(gòu)建方法和預(yù)測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010532135.8
• 申請日: 2020-06-11
• 公開（公告）號: CN111696667A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 杜樂
• 申請（專利權(quán)）人: 吾征智能技術(shù)（北京）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06F40/279;G06F40/289
• 代理公司: 武漢藍(lán)寶石專利代理事務(wù)所(特殊普通合伙) 42242
• 代理人: 嚴(yán)超

本發(fā)明涉及一種常見婦科疾病預(yù)測模型構(gòu)建方法及預(yù)測系統(tǒng)，所述預(yù)測模型構(gòu)建方法如下：獲取常見婦科病疾所需的檢查項目、檢查指標(biāo)、婦科疾病知識以及病歷樣本；根據(jù)病歷樣本推斷每個檢查項目指標(biāo)數(shù)據(jù)的概率以及各檢查項目總體相似性概率；建立包含婦科疾病知識、檢查項目指標(biāo)數(shù)據(jù)的概率、患者臨床癥狀概率之間相互匹配的數(shù)據(jù)庫；對所述數(shù)據(jù)庫進(jìn)行文本特征提取，通過文本相似度計算構(gòu)建預(yù)測模型。本發(fā)明基于多數(shù)據(jù)源構(gòu)建的數(shù)據(jù)庫，運(yùn)用機(jī)器學(xué)習(xí)方法，構(gòu)建一個高準(zhǔn)確率的常見婦科疾病預(yù)測模型和系統(tǒng)，不僅能用于基層醫(yī)生學(xué)習(xí)與參考，也便于患者早期預(yù)測與預(yù)防，具有一定的推廣應(yīng)用價值。

技術(shù)領(lǐng)域

本發(fā)明涉及智能醫(yī)療以及醫(yī)療信息技術(shù)領(lǐng)域，尤其涉及一種常見婦科疾病預(yù)測模型構(gòu)建方法和預(yù)測系統(tǒng)。

背景技術(shù)

根據(jù)世界衛(wèi)生組織(WHO)的調(diào)查顯示，我國有96％以上的已婚婦女患有不同程度的婦科疾病，常見的婦科病發(fā)病率在87.6％以上。其中婦女宮頸癌的發(fā)病率占世界的1/3左右。現(xiàn)實生活中，很多女性對自身身體以及婦科疾病缺乏足夠的了解和認(rèn)識。

目前，超聲、磁共振、計算機(jī)斷層掃描、陰道鏡、宮腔鏡等影像技術(shù)以及液基細(xì)胞學(xué)、基因檢測、白帶分析、宮頸切片等技術(shù)是婦科病特別是婦科疾病惡性腫瘤篩查、診斷、分期、療效評估、治療以及隨訪的重要手段。這些檢查基本都依賴于各種設(shè)備和條件以及醫(yī)生個人臨床經(jīng)驗，易造成誤診和漏診不說，而且篩查、診斷、定性的時間比較長。隨著不斷增加的工作量和迫在眉睫的醫(yī)生短缺，常見婦科疾病自查、評估與預(yù)測需要一種更簡單、快捷、智能，同時不受各種主、客觀條件限制的替代品，從而改變上述技術(shù)和方法因受主客觀條件限制、診斷定性時間較長、而且不準(zhǔn)確導(dǎo)致處置工作陷于被動局面的系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)中存在的技術(shù)問題，提供一種常見婦科疾病預(yù)測模型構(gòu)建方法，獲取常見婦科病疾所需的檢查項目、檢查指標(biāo)、婦科疾病知識以及病歷樣本；根據(jù)病歷樣本推斷每個檢查項目指標(biāo)數(shù)據(jù)的概率以及各檢查項目總體相似性概率；建立包含婦科疾病知識、檢查項目指標(biāo)數(shù)據(jù)的概率、患者臨床癥狀概率之間相互匹配的數(shù)據(jù)庫；對所述數(shù)據(jù)庫進(jìn)行文本特征提取，通過文本相似度計算構(gòu)建預(yù)測模型。

在本發(fā)明的一些實施例中，為提高數(shù)據(jù)的準(zhǔn)確率，所述獲取常見婦科病疾所需的檢查項目、檢查指標(biāo)、婦科疾病知識以及病歷樣本的過程還包括對上述數(shù)據(jù)進(jìn)行預(yù)處理。進(jìn)一步的，所述預(yù)處理包括提取數(shù)值的正常參考區(qū)間值和異常范參考區(qū)間值，以及對文本描述進(jìn)行特征關(guān)鍵詞提取并進(jìn)行歸一化處理。

在本發(fā)明的一些實施例中，所述根據(jù)病歷樣本推斷每個檢查項目指標(biāo)數(shù)據(jù)的概率過程具體為：通過每種婦科病患者樣本計算出該種婦科病檢查和分析的總體平均指標(biāo)、臨床癥狀特征相似性百分比。

在本發(fā)明的一些實施例中，所述對所述數(shù)據(jù)庫進(jìn)行文本特征提取的過程通過文本挖掘方法和機(jī)器學(xué)習(xí)進(jìn)行。

在本發(fā)明的一些實施例中，所述文本挖掘方法包括Adaboos或支持向量機(jī)。

本發(fā)明另一方面還提供了一種常見婦科疾病預(yù)測系統(tǒng)，采集模塊，用于獲取常見婦科疾病所需的檢查項目、檢查指標(biāo)、婦科疾病知識以及病歷樣本；匹配模塊，用于根據(jù)病歷樣本推斷每個檢查項目指標(biāo)數(shù)據(jù)的概率以及各檢查項目總體相似性概率；建立包含婦科疾病知識、檢查項目指標(biāo)數(shù)據(jù)的概率、患者臨床癥狀概率之間相互匹配的數(shù)據(jù)庫；計算模塊，用于對所述數(shù)據(jù)庫進(jìn)行文本特征提取，通過文本相似度計算構(gòu)建預(yù)測模型；確定模塊，用于對目標(biāo)患者的臨床癥狀進(jìn)行選擇和匹配，預(yù)測目標(biāo)患者患病的概率。

在本發(fā)明的一些實施例中，為了提高數(shù)據(jù)的有效性和實時性以及預(yù)測的準(zhǔn)確性，所述采集模塊定期對采集數(shù)據(jù)進(jìn)行更新。

在本發(fā)明的一些實施例中，所述匹配模塊根據(jù)貝葉斯模型或馬爾可夫模型來推斷各檢查項目總體相似性概率。所述確定模塊通過加權(quán)算法對患者臨床癥狀特征詞頻、對患者臨床癥狀的文本特征以及婦科疾病信息的文本特征進(jìn)行權(quán)重標(biāo)注，獲取標(biāo)注后的數(shù)據(jù)，將標(biāo)注后的數(shù)據(jù)進(jìn)行融合，形成患者臨床癥狀文本特征分詞以及婦科疾病信息的文本特征分詞。