[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

本發明實施例涉及醫療技術領域，公開了一種融合醫學概念層級結構的疾病預測方法及相關設備，該設備的處理器用于執行：獲取與歷史診療數據的醫學概念層級結構對應的多個圖結構，并將多個圖結構輸入圖注意力神經網絡模型，得到多個圖結構中每個節點的表征向量；對根據表征向量和歷史診療數據的醫療項目確定的項目表征向量進行疊加處理；根據疊加的項目表征向量輸入多層感知機模型得到的結局數據訓練得到疾病預測模型；將待測試用戶的目標醫療數據輸入疾病預測模型，得到待測試用戶的預測結局數據。通過將來自不同醫學概念層級結構的信息融合到疾病預測中，提高了疾病預測的準確性。本發明涉及區塊鏈技術，上述預測結局數據可存儲于區塊鏈中。

技術領域

本發明涉及醫療技術領域，尤其涉及一種融合醫學概念層級結構的疾病預測方法及相關設備。

背景技術

疾病預測是對人群將來發病風險的推斷，而隨著人工智能技術迅猛發展，越來越多的機器學習方法被應用于該領域。但由于醫療數據往往難以收集，數據規模偏小和數據中存在的偏差可能會嚴重限制這類數據驅動方法的性能。傳統融合方法通常是人工提取出各種醫學規則和關聯，作為約束條件加入預測過程，這種方式一方面需要大量的人工投入，難以充分利用海量醫學知識，另一方面受限于規則提取的標準和方式，無法復用到不同的預測任務中去。

現有醫學知識體系中，已經將海量醫學概念整理為層級結構，層級間的關系反應了概念之間的關聯性，如果能將這些層級結構融入預測方法中，就可以有效緩解數據不足和數據偏差所帶來的影響。因此，如何將醫學概念層級結構融入疾病預測中非常重要。

發明內容

本發明實施例提供了一種融合醫學概念層級結構的疾病預測方法及相關設備，通過將來自不同醫學概念層級結構的信息融合到疾病預測中，可以有效緩解數據不足和數據偏差所帶來的影響，提高了疾病預測的準確性。

第一方面，本發明實施例提供了一種融合醫學概念層級結構的疾病預測設備，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。

進一步地，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。

進一步地，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：