[發(fā)明專利]疾病事件發(fā)生概率的預(yù)測(cè)方法、裝置、設(shè)備及計(jì)算機(jī)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011633304.3
• 申請(qǐng)日: 2020-12-31
• 公開（公告）號(hào): CN112633601B
• 公開（公告）日: 2022-12-09
• 發(fā)明（設(shè)計(jì)）人: 金鑫
• 申請(qǐng)（專利權(quán)）人: 天津開心生活科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06K9/62;G06N20/10;G06F16/21;G16H50/70
• 代理公司: 北京律智知識(shí)產(chǎn)權(quán)代理有限公司 11438
• 代理人: 孫寶海;闞梓瑄

本公開涉及一種疾病事件發(fā)生概率的預(yù)測(cè)方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，屬于機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域。該方法包括：獲取樣本數(shù)據(jù)庫以及其中各個(gè)樣本的特征數(shù)據(jù)和事件類型；獲取目標(biāo)患者的特征數(shù)據(jù)，并根據(jù)目標(biāo)患者的特征數(shù)據(jù)和樣本的特征數(shù)據(jù)得到目標(biāo)患者的相似樣本；根據(jù)相似樣本的特征數(shù)據(jù)和相似樣本的事件類型得到目標(biāo)患者的專屬目標(biāo)訓(xùn)練集，并通過專屬目標(biāo)訓(xùn)練集訓(xùn)練多個(gè)不同類型的概率預(yù)測(cè)模型；將目標(biāo)患者的特征數(shù)據(jù)分別輸入各個(gè)概率預(yù)測(cè)模型中，得到目標(biāo)患者的多個(gè)疾病事件發(fā)生概率預(yù)測(cè)值；根據(jù)多個(gè)概率預(yù)測(cè)值得到目標(biāo)患者的疾病事件發(fā)生概率預(yù)測(cè)結(jié)果。本公開通過綜合多個(gè)不同類型的概率預(yù)測(cè)模型，可以提高模型預(yù)測(cè)結(jié)果的準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，具體而言，涉及一種疾病事件發(fā)生概率的預(yù)測(cè)方法、疾病事件發(fā)生概率的預(yù)測(cè)裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

對(duì)于一些病情兇險(xiǎn)、治療花費(fèi)高、醫(yī)療資源消耗大的疾病來說，預(yù)測(cè)重癥患者的疾病事件發(fā)生概率，對(duì)于評(píng)估疾病嚴(yán)重程度、降低醫(yī)療資源消耗等方面都至關(guān)重要。

目前，對(duì)于患者的疾病事件發(fā)生概率的預(yù)測(cè)主要依賴于醫(yī)生在主觀經(jīng)驗(yàn)上的判斷，考慮到患者疾病事件發(fā)生因素的復(fù)雜性，預(yù)測(cè)的結(jié)果往往不夠準(zhǔn)確。

鑒于此，本領(lǐng)域亟需一種能夠提高預(yù)測(cè)準(zhǔn)確度的疾病事件發(fā)生概率的預(yù)測(cè)方法。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開的目的在于提供一種疾病事件發(fā)生概率的預(yù)測(cè)方法、疾病事件發(fā)生概率的預(yù)測(cè)裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，進(jìn)而至少在一定程度上提高預(yù)測(cè)結(jié)果的準(zhǔn)確度。

根據(jù)本公開的第一個(gè)方面，提供一種疾病事件發(fā)生概率的預(yù)測(cè)方法，包括：

獲取樣本數(shù)據(jù)庫，以及所述樣本數(shù)據(jù)庫中各個(gè)樣本的特征數(shù)據(jù)和事件類型；

獲取目標(biāo)患者的特征數(shù)據(jù)，并根據(jù)所述目標(biāo)患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個(gè)樣本的特征數(shù)據(jù)得到所述目標(biāo)患者的相似樣本；

根據(jù)所述相似樣本的特征數(shù)據(jù)和所述相似樣本的事件類型得到所述目標(biāo)患者的專屬目標(biāo)訓(xùn)練集，并通過所述專屬目標(biāo)訓(xùn)練集訓(xùn)練多個(gè)不同類型的概率預(yù)測(cè)模型；

將所述目標(biāo)患者的特征數(shù)據(jù)分別輸入各個(gè)所述概率預(yù)測(cè)模型中，得到所述目標(biāo)患者的多個(gè)疾病事件發(fā)生概率預(yù)測(cè)值；

根據(jù)多個(gè)所述疾病事件發(fā)生概率預(yù)測(cè)值得到所述目標(biāo)患者的疾病事件發(fā)生概率預(yù)測(cè)結(jié)果。

在本公開的一種示例性實(shí)施例中，所述根據(jù)所述目標(biāo)患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個(gè)樣本的特征數(shù)據(jù)得到所述目標(biāo)患者的相似樣本，包括：

根據(jù)所述目標(biāo)患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個(gè)樣本的特征數(shù)據(jù)，得到所述目標(biāo)患者與所述樣本之間的相似度；

根據(jù)所述目標(biāo)患者與所述樣本之間的相似度將所述樣本劃分為相似樣本集合和無關(guān)樣本集合，并將所述相似樣本集合中的樣本確定為所述目標(biāo)患者的相似樣本。

在本公開的一種示例性實(shí)施例中，所述根據(jù)所述目標(biāo)患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個(gè)樣本的特征數(shù)據(jù)，得到所述目標(biāo)患者與所述樣本之間的相似度，包括：

根據(jù)所述目標(biāo)患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個(gè)樣本的特征數(shù)據(jù)，得到所述目標(biāo)患者與所述樣本之間的歐氏距離和余弦相似度；

根據(jù)所述目標(biāo)患者與所述樣本之間的歐氏距離和余弦相似度得到所述目標(biāo)患者與所述樣本之間的距離度量值，或根據(jù)所述目標(biāo)患者與所述樣本之間的歐氏距離得到所述目標(biāo)患者與所述樣本之間的距離度量值；

根據(jù)所述目標(biāo)患者與所述樣本之間的距離度量值確定所述目標(biāo)患者與所述樣本之間的相似度。