[發明專利]基于動態圖和醫學知識圖譜的疾病預測方法及相關設備

有效

• 申請號: 202011161296.7
• 申請日: 2020-10-27
• 公開（公告）號: CN112017776B
• 公開（公告）日: 2021-01-15
• 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: G16H50/20
• 分類號: G16H50/20;G16H50/30;G16H50/70;G06N3/04;G06N3/08;G06F16/36
• 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

1.一種智能終端設備，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和歷史結局數據，所述歷史診療數據包括n次歷史就診記錄中的診斷數據、藥物數據、檢查數據、就診時間中的一種或多種， n為大于或等于1的正整數；

獲取與所述歷史診療數據的醫學知識圖譜對應的圖結構，并確定所述圖結構中每個節點的初始知識表征向量以及所述每個節點的初始狀態表征向量，其中，所述圖結構由多個節點和邊組成；

將所述圖結構中每個節點的初始知識表征向量輸入圖注意力神經網絡模型中，得到所述圖結構中每個節點的知識表征向量；

獲取所述圖結構中t-1次歷史就診記錄對應的圖結構中每個節點的初始狀態表征向量，其中，t為小于或等于n-1的正整數；

獲取第t次歷史就診記錄對應的圖結構中每個節點的激活向量；

將所述圖結構中t-1次歷史就診記錄對應的圖結構中每個節點的初始狀態表征向量以及所述第t次歷史就診記錄對應的圖結構中每個節點的激活向量輸入循環神經網絡模型中，得到所述圖結構中每個節點的狀態表征向量；

將所述圖結構中每個節點的知識表征向量和狀態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訓練得到的疾病預測模型，得到所述待測試用戶下一次就診的預測結局數據。

2.根據權利要求1所述的設備，其特征在于，所述處理器確定所述圖結構中每個節點的初始知識表征向量以及所述每個節點的初始狀態表征向量時，具體用于：

對所述圖結構中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知識表征向量；以及，

對所述圖結構中的每個節點添加零向量，并確定所述每個節點的零向量為所述每個節點的初始狀態表征向量。

3.根據權利要求1所述的設備，其特征在于，所述處理器獲取第t次歷史就診記錄對應的圖結構中每個節點的激活向量時，具體用于：

檢測第t次歷史就診記錄對應的圖結構中每個節點的診斷結果是否與所述每個節點第t次的歷史結局數據匹配；

當檢測結果為所述第t次歷史就診記錄對應的圖結構中每個節點的診斷結果與所述每個節點第t次的歷史結局數據匹配時，確定所述第t次歷史就診記錄對應的圖結構中每個節點的激活向量為全1向量；

當檢測結果為所述第t次歷史就診記錄對應的圖結構中每個節點的診斷結果與所述每個節點第t次的歷史結局數據不匹配時，確定所述第t次歷史就診記錄對應的圖結構中每個節點的激活向量為全0向量。

4.根據權利要求1所述的設備，其特征在于，所述處理器將所述圖結構中每個節點的知識表征向量和狀態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：

將更新得到的t次歷史就診記錄對應的圖結構中每個節點的知識表征向量和狀態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在第t+1次就診時的結局數據，其中，t為小于或等于n-1的正整數；

根據所述每個用戶在第t+1次就診時的結局數據訓練所述多層感知機模型得到疾病預測模型。

5.根據權利要求4所述的設備，其特征在于，所述處理器根據所述每個用戶在第t+1次就診時的結局數據訓練所述多層感知機模型得到疾病預測模型時，具體用于：

將所述多層感知機模型預測得到的所述訓練集中每個用戶在第t+1次就診時的結局數據與所述訓練集中每個用戶的第t+1次歷史結局數據進行對比；

根據對比結果訓練所述多層感知機模型，得到所述疾病預測模型。