[发明专利]基于时序画像图的再住院预测方法和系统

说明书

本发明公开了一种基于病人医疗时序画像图的再住院预测方法，包括：从医疗数据中分析提取医疗事件，对提取的医疗事件按时间先后序列化；基于序列化的医疗事件，为每位病人构建医疗时序画像图；采用改进的AGM算法，挖掘所有医疗时序画像图的频繁子图；根据所述频繁子图，采用蒙特卡洛模拟方法，为每位病人的所有频繁子图计算对应的重构系数，基于所述重构系数，采用随机森林算法预测病人是否再住院。根据本发明的技术方案，能够帮助病人提前了解自己的健康状况，也有助于医疗机构提供更好的医疗服务。

技术领域

本发明属于健康医疗领域，尤其涉及一种基于病人医疗时序画像图的再住院预测方法和系统。

背景技术

中共中央、国务院印发了《“健康中国2030”规划纲要》，《纲要》中明确支出：健康是促进人的全面发展的必然要求，是经济社会发展的基础条件。随着计算机软硬件的快速发展和医疗信息系统的全面覆盖，健康医疗领域逐渐积累了大量的数据。数据挖掘技术能够在大量医疗数据中挖掘出有价值的医疗信息，实现精准的、个性化疾病预防和疾病预警。

在现有基于图的再住院预测和疾病风险预测研究工作中，有人开发了一个称为GEMINI的综合医疗分析系统，为医疗机构提供预测分析结果，该系统由两个部分组成：PROFILING和ANALYTICS。PROFILING组件从各来源提取每个患者的数据，并将它们作为信息存储在病人画像图中；ANALYTICS组件从病人画像图中抽取与预测任务相关的医疗特征，该文献对病人的再住院风险进行了预测，但未在图中考虑不同临床事件之间的时序关系。有人提出一种时序图表示方法，时序图能够捕捉到不同临床事件之间的时序关系，可为预测分析任务提供丰富信息，但在进行相关风险预测时，抛开了图本身的结构，与图结构本身脱离了关系，失去了图表示带来的部分好处。

如何提高再住院预测的准确性，是目前需要本领域技术人员迫切解决的一个技术问题。

发明内容

为了解决上述问题，本发明提供了一种基于病人医疗时序画像图的再住院预测方法和系统，在对病人再住院预测的过程中，首先基于医疗时间的分析处理为每个病人构建医疗时序画像图，然后基于所有的医疗时序画像图进行频繁子图挖掘，然后利用蒙特卡洛模拟方法为每个病人计算相应频繁子图的重构系数，最终利用随机森林算法，把频繁子图的重构系数作为输入预测未来病人是否再住院。

为了实现上述目的，本发明采用如下技术方案：

一种基于病人医疗时序画像图的再住院预测方法，包括以下步骤：

步骤1：从医疗数据中分析提取医疗事件，对提取的医疗事件按时间先后序列化；

步骤2：基于序列化的医疗事件，为每位病人构建医疗时序画像图；

步骤3：采用改进的AGM算法，挖掘所有医疗时序画像图的频繁子图；

步骤4：根据所述频繁子图，采用蒙特卡洛模拟方法，为每位病人的所有频繁子图计算对应的重构系数，基于所述重构系数，采用随机森林算法预测病人是否再住院。

进一步地，所述步骤1包括：

步骤101：分析病人住院记录、普通门诊记录、慢性病记录和体检记录；

步骤102：提取病人的所有医疗事件，包括：诊断、用药和体检及相应的时间，根据事件发生的时间，将每个病人的医疗事件序列化；

步骤103：根据每个人最后一次诊断前一定间隔内的数据是否出现冠心病来给每位病人一个再住院标签。