[發明專利]一種融合醫學概念層級結構的疾病預測方法及相關設備

有效

• 申請號: 202011136992.2
• 申請日: 2020-10-21
• 公開（公告）號: CN112259246B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 徐嘯;劉小雙;徐銜;孫瑜堯
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/50;G16H10/60;G06N20/00;G06N3/084;G06N3/0464
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種融合醫學概念層級結構的疾病預測設備，其特征在于，所述設備包括：存儲器和處理器；

所述存儲器，用于存儲程序指令；

所述處理器，用于調用所述程序指令，當所述程序指令被執行時，用于執行以下操作：

獲取訓練集中每個用戶的樣本醫療數據，其中，所述樣本醫療數據包括所述訓練集中每個用戶的歷史診療數據，所述歷史診療數據包括診斷數據、藥物數據、檢查數據中的一種或多種；

獲取與所述歷史診療數據的醫學概念層級結構對應的多個圖結構，并將所述多個圖結構輸入圖注意力神經網絡模型，得到所述多個圖結構中每個節點的表征向量；

根據所述多個圖結構中每個節點的表征向量和所述歷史診療數據涉及的醫療項目，從各個圖結構中確定與所述醫療項目對應的項目表征向量，并對所述各個圖結構中每種醫療項目的項目表征向量進行疊加處理；

將所述疊加處理得到的每種醫療項目的項目表征向量輸入多層感知機模型，得到所述訓練集中每個用戶的結局數據，并根據所述結局數據訓練所述圖注意力神經網絡模型和所述多層感知機模型得到疾病預測模型；

獲取待測試用戶的目標醫療數據，并將所述待測試用戶的目標醫療數據輸入所述訓練得到的疾病預測模型，得到所述待測試用戶的預測結局數據。

2.根據權利要求1所述的設備，其特征在于，所述處理器獲取與所述歷史診療數據的醫學概念層級結構對應的多個圖結構時，具體用于：

獲取與所述歷史診療數據對應的醫學概念層級結構；

將所述醫學概念層級結構轉換為多個圖結構，其中，所述多個圖結構中的每個圖結構由多個節點和邊組成，每個節點用于表示醫學概念，邊用于表示醫學概念之間的關系。

3.根據權利要求1所述的設備，其特征在于，所述處理器將所述多個圖結構輸入圖注意力神經網絡模型，得到所述多個圖結構中每個節點的表征向量時，具體用于：

對所述多個圖結構中每個圖結構的每個節點隨機添加初始化向量，并確定所述每個節點的初始化向量為所述每個節點的初始表征向量；

將包括所述初始表征向量的每個圖結構輸入所述圖注意力神將網絡模型，得到所述每個圖結構中每個節點的表征向量。

4.根據權利要求1所述的設備，其特征在于，所述處理器根據所述多個圖結構中每個節點的表征向量和所述歷史診療數據涉及的醫療項目，從各個圖結構中確定與所述醫療項目對應的項目表征向量時，具體用于：

根據預設的診療數據與醫療項目的映射關系，確定與所述歷史診療數據對應的醫療項目，所述醫療項目包括診療、手術、麻醉、檢查、化療中的一種或多種；

從所述各個圖結構中獲取與所述歷史診療數據的醫療項目對應的一個或多個節點；

根據與所述歷史診療數據的醫療項目對應的各個節點的表征向量，確定所述醫療項目對應的項目表征向量。

5.根據權利要求4所述的設備，其特征在于，所述處理器對所述各個圖結構中每種醫療項目的項目表征向量進行疊加處理時，具體用于：

根據所述各個圖結構中的每個節點的醫學概念，確定所述各個圖結構中涉及的一種或多種醫療項目；

獲取所述各個圖結構中每種醫療項目對應的節點，并根據所述各個圖結構中每種醫療項目對應的節點的表征向量，確定所述每種醫療項目的項目表征向量；

獲取所述各個圖結構中相同的醫療項目，并對所述各個圖結構中相同的醫療項目的項目表征向量進行疊加處理。

6.根據權利要求5所述的設備，其特征在于，所述處理器將所述疊加處理得到的每種醫療項目的項目表征向量輸入多層感知機模型，得到所述訓練集中每個用戶的結局數據時，具體用于：

將所述疊加處理得到的每種醫療項目的項目表征向量輸入多層感知機模型，得到每種醫療項目對應的結局數據的概率，所述結局數據包括疾病數據和患病時間；

根據所述訓練集中每個用戶的歷史診療數據，確定所述訓練集中每個用戶對應的一種或多種醫療項目；

根據所述每種醫療項目對應的結局數據的概率，確定所述訓練集中每個用戶對應的一種或多種醫療項目的結局數據。