[發明專利]一種基于路徑推理的疾病預測系統、存儲介質及設備

在審

• 申請號: 202210138740.6
• 申請日: 2022-02-15
• 公開（公告）號: CN114496283A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 郭偉;葛小琛;鹿旭東;閆中敏;劉凱;崔立真
• 申請（專利權）人: 山東大學
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/30;G06N5/02;G06N5/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明屬于疾病預測系統技術領域，提供了一種基于路徑推理的疾病預測系統、存儲介質及設備。其中，該系統包括信息獲取模塊，其用于獲取病人入院記錄信息及醫學疾病的層次父子關系；祖先序列獲取模塊，其用于基于醫學疾病的層次父子關系，構建出醫學知識層次圖，進而得到病人住院記錄信息中的每一個疾病在醫學知識層次圖中的祖先序列；疾病預測模塊，其用于基于醫學知識層次圖、病人入院記錄信息中按時間順序排列的看病序列、疾病在醫學知識層次圖中的祖先序列以及預先訓練完成的疾病預測模型，預測出病人未來的疾病類型及發生時間。

技術領域

本發明屬于疾病預測系統技術領域，尤其涉及一種基于路徑推理的疾病預測系統、存儲介質及設備。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

電子健康記錄(EHR)對于數據驅動型醫療保健研究的發展具有重要的價值。隨著信息技術和機器學習技術的蓬勃發展，電子病歷的數量正變得越來越龐大，利用機器學習和數據挖掘技術對電子病歷進行分析正成為一個新興的研究方向，以實現改善醫療服務的目標。現有的工作主要是基于類似RNN的結構，平等地對待每種疾病，并從醫學上了解它們的表現知識，同時在很大程度上忽略了疾病中強有力的結構信息。

發明人發現，上述現有的RNN類架構存在以下問題：(1)類似RNN的架構需要大量的EHR有效優化所有模型參數，徹底捕獲復雜數據中的模式，阻礙現有模型生成準確的在沒有足夠的電子病歷時進行預測。(2)大多數現有的方法運用注意機制學習醫學層次信息基于跳躍圖或CBOW對醫療代碼進行編碼和預訓練，同時忽略了疾病之間的強結構信息。(3)目前現有方法雖然取得了較高的精度，但難以解釋。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于路徑推理的疾病預測系統、存儲介質及設備，其基于疾病分類樹和醫學路徑獲取到病人患病序列的編碼，進而根據預先訓練好的模型進行分類預測獲得病人下一階段可能患病的癥狀，在保障預測精度的同時，提高了預測結果的解釋性。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于路徑推理的疾病預測系統，其包括：

信息獲取模塊，其用于獲取病人入院記錄信息及醫學疾病的層次父子關系；

祖先序列獲取模塊，其用于基于醫學疾病的層次父子關系，構建出醫學知識層次圖，進而得到病人住院記錄信息中的每一個疾病在醫學知識層次圖中的祖先序列；

疾病預測模塊，其用于基于醫學知識層次圖、病人入院記錄信息中按時間順序排列的看病序列、疾病在醫學知識層次圖中的祖先序列以及預先訓練完成的疾病預測模型，預測出病人未來的疾病類型及發生時間。

本發明的第二個方面提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如下步驟：

獲取病人入院記錄信息及醫學疾病的層次父子關系；

基于醫學疾病的層次父子關系，構建出醫學知識層次圖，進而得到病人住院記錄信息中的每一個疾病在醫學知識層次圖中的祖先序列；

基于醫學知識層次圖、病人入院記錄信息中按時間順序排列的看病序列、疾病在醫學知識層次圖中的祖先序列以及預先訓練完成的疾病預測模型，預測出病人未來的疾病類型及發生時間。

本發明的第三個方面提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如下步驟：

獲取病人入院記錄信息及醫學疾病的層次父子關系；

基于醫學疾病的層次父子關系，構建出醫學知識層次圖，進而得到病人住院記錄信息中的每一個疾病在醫學知識層次圖中的祖先序列；