[發明專利]一種主動式健康醫療決策輔助方法及設備

有效

• 申請號: 202011549296.4
• 申請日: 2020-12-24
• 公開（公告）號: CN112669967B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 吳運良
• 申請（專利權）人: 福建福壽康寧科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/20;G06N3/08
• 代理公司: 福州科揚專利事務所(普通合伙) 35001
• 代理人: 李曉芬

1.一種主動式健康醫療決策輔助方法，其特征在于，包括如下步驟：

建立健康評估模型，獲取各種健康問題和疾病的患病人群的個體特征作為訓練樣本，通過機器學習方法或深度學習方法進行訓練，生成對應健康問題或疾病的患病風險評估模型；

建立健康醫療干預數據庫，對應各種疾病預編寫健康醫療決策輔助方案，所述健康醫療決策輔助方案至少包括健康教育方案、生活膳食干預、中醫養生調理、運動理療、自我藥療、心理干預、治療科室選擇、治療路線以及治療方案；編寫完成的健康醫療決策輔助方案存入健康醫療決策輔助數據庫中；

獲取健康數據，從多源異構的健康醫療平臺上爬取用戶的個體數據，對多源異構的個體數據進行預處理和清洗，得到用戶的個體特征；

患病風險預估，將用戶的個體特征輸入至健康評估模型中，健康評估模型調用患病風險評估模型根據用戶的個體特征輸出用戶有可能罹患的健康問題或疾病以及罹患對應健康問題或疾病的概率；

提供健康醫療決策輔助，根據用戶有可能罹患的疾病，從健康醫療干預數據庫中獲取對應健康問題或疾病的健康醫療決策輔助方案，獲取的健康醫療決策輔助方案通過醫生進行協同處理后發送給用戶；

所述獲取各種健康問題和疾病的患病人群的個體特征作為訓練樣本，通過機器學習方法或深度學習方法進行訓練，生成對應疾病的患病風險評估模型的具體步驟如下：

對于每種健康問題或疾病，均采集一組對應健康問題或疾病的患病人群的個體特征作為訓練樣本，其中患病人群至少包括確診患者、高度疑似人員以及輕度疑似人員，所述個體特征包括特征項及特征項對應的特征值；對各訓練樣本添加標簽，所述標簽包括確診、高度疑似和輕度疑似，將添加標簽后的訓練樣本劃分為訓練集、驗證集和測試集；

構建深度學習神經網絡，使用訓練集對深度學習神經網絡進行訓練，通過驗證集和測試集確定深度學習神經網絡的準確性，當深度學習神經網絡的準確性符合預期后，輸出為對應健康問題或疾病的患病風險評估模型；

其中，所述特征項至少包括生活數據、生理體征數據、常住地址和環境數據、病史藥歷數據以及健康醫療消費數據；

在建立健康評估模型步驟中，還加入群發性突發性流行病的預測模塊、疾病并發癥分析模塊、用藥分析模塊以及診療項目關聯關系分析模塊；所述群發性突發性流行病的預測模塊用于從互聯網中抓取群發性突發性流行病的實時信息，并輸出流行病可能在用戶所在地傳染的風險數據；所述疾病并發癥分析模塊用于獲取所述患病風險評估模型輸出的用戶有可能罹患的健康問題或疾病，分析并輸出對應健康問題或疾病可能引起的并發癥；所述用藥分析模塊用于獲取所述用戶有可能罹患的健康問題或疾病，分析并輸出對應健康問題或疾病可以使用的藥物及對應的藥物信息、食療可以使用的食物及對應的食物信息、以及理療項目及對應的理療信息；所述診療項目關聯關系分析模塊于獲取所述用戶有可能罹患的健康問題或疾病，分析并輸出與對應健康問題或疾病有關聯關系的診療項目及診療項目信息。

2.根據權利要求1所述的一種主動式健康醫療決策輔助方法，其特征在于，所述從多源異構的健康醫療平臺上爬取用戶的個體數據，對多源異構的健康數據進行預處理和清洗，得到清洗后的用戶的個體特征的具體步驟如下：

數據預處理：對每個數據源的用戶健康信息頁面進行遍歷，獲取頁面中所有的數據項及其特征值，將所有獲取到的數據項及其特征值進行合并后放入數據集合中，對數據集合中所有名稱不一致但實際含義相同的數據項進行合并，得到無重復數據項集合；

數據清洗：移除所述無重復數據項集合中與健康信息無關的數據項，得到包含復數個與用戶健康有關的特征項的用戶的個體特征。

3.根據權利要求2所述的一種主動式健康醫療決策輔助方法，其特征在于：在將用戶的個體特征輸入至健康評估模型中時，從所述用戶的個體特征中抓取需要的特征項及對應的特征值輸入至對應健康問題或疾病的患病風險評估模型。