[發明專利]預測方法、裝置、電子設備和計算機可讀存儲介質

在審

• 申請號: 202111672431.9
• 申請日: 2021-12-31
• 公開（公告）號: CN114360675A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 王瑞天
• 申請（專利權）人: 王瑞天
• 主分類號: G16H10/60
• 分類號: G16H10/60;G16H70/20
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 孫寶海;李建忠

1.一種預測方法，其特征在于，包括：

獲取目標疾病的歷史患者在治療所述目標疾病的過程中產生的目標醫療數據和目標醫療費用；

對所述目標醫療數據進行特征提取，以確定所述目標醫療數據中的多個醫療特征以及各個醫療特征對應的醫療特征值；

根據所述多個醫療特征的醫療特征值和所述目標醫療費用，確定各個醫療特征對治療所述目標疾病產生的醫療費用的重要程度；

根據所述重要程度在所述多個醫療特征中確定主要醫療特征；

根據所述主要醫療特征對所述目標疾病的當前患者進行信息采集，以確定所述當前患者在各個主要醫療特征下的醫療特征值；

根據所述當前患者在各個主要醫療特征下的醫療特征值，預測所述當前患者在治療所述目標疾病的過程中產生的醫療費用。

2.根據權利要求1所述方法，其特征在于，所述目標醫療數據包括第一醫療文本；其中，對所述目標醫療數據進行特征提取，以確定所述目標醫療數據中的多個醫療特征，包括：

對所述第一醫療文本進行分詞處理，以獲得多個目標分詞；

將所述多個目標分詞進行向量化，以獲得多個目標分詞向量；

將各個目標分詞向量分別與醫療特征向量空間中的向量進行比對，以分別確定各個分詞對應的醫療特征。

3.根據權利要求2所述方法，其特征在于，所述醫療特征向量空間包括多個特征向量，所述多個目標分詞包括第一目標分詞，所述多個目標分詞向量包括與所述第一目標分詞對應的第一目標分詞向量；其中，將各個目標分詞向量分別與醫療特征向量空間中的向量進行比對，以分別確定各個分詞對應的醫療特征，包括：

確定所述第一目標分詞向量與所述醫療特征向量空間中的各個特征向量之間的相似度，其中每個特征向量分別有對應的相似度閾值；

根據所述第一目標分詞向量與各個特征向量之間的相似度、和每個特征向量對應的相似度閾值，在所述多個特征向量中確定與所述第一目標分詞向量的相似度大于自身對應相似度閾值的候選特征向量；

將與所述第一目標分詞向量相似度最大的候選特征向量作為目標特征向量；

將所述目標特征向量對應的醫療特征作為所述第一目標分詞對應的醫療特征。

4.根據權利要求2或3所述方法，其特征在于，所述多個目標分詞包括第二目標分詞，所述第二目標分詞與第二醫療特征對應；其中，確定各個醫療特征對應的醫療特征值，包括：

確定所述第二醫療特征是定量特征；

在所述第一醫療文本對所述第二目標分詞的前后信息進行信息篩選，以確定所述第二醫療特征對應的醫療特征值。

5.根據權利要求1所述方法，其特征在于，所述主要醫療特征由第一主要醫療特征和第二主要醫療特征組成；其中，根據所述主要醫療特征對所述目標疾病的當前患者進行信息采集，以確定所述當前患者在各個主要醫療特征下的醫療特征值，包括：

根據所述主要醫療特征生成問答型問題，以便所述當前患者針對所述問答型問題生成文本答案；

通過所述主要醫療特征對所述文本答案進行特征提取，以確定所述第一主要醫療特征對應的醫療特征值；

根據所述第二主要醫療特征生成選擇型問題，以便所述當前患者針對所述選擇型問題選擇答案；

根據所述當前患者選擇的答案確定所述第二主要醫療特征的醫療特征值。

6.根據權利要求1所述方法，其特征在于，根據所述多個醫療特征的醫療特征值和所述目標醫療費用，確定各個醫療特征對治療所述目標疾病產生的醫療費用的重要程度，包括：

以所述多個醫療特征、所述多個醫療特征對應的醫療特征值為訓練樣本，以所述目標醫療費用為訓練標簽對XGBoost模型進行訓練，以確定各個醫療特征對治療所述目標疾病產生的醫療費用的重要程度；

通過各個醫療特征對治療所述目標疾病產生的醫療費用的重要程度篩選出所述主要醫療特征。