[发明专利]基于医学信息的知识图谱分析方法及装置

说明书

本发明提供了一种基于医学信息的知识图谱分析方法及装置，该方法包括：获取患者医学信息中所包含的分词词语；基于预设医学知识库对分词词语进行分析，得到分词词语所对应的目标标准医学数据；将目标标准医学数据与预设疾病知识图谱进行匹配；根据匹配结果确定患者的疾病；基于患者医学信息和患者的疾病构建患者的特征向量；通过疾病恶化机器学习模型对特征向量进行恶化概率计算，得到患者的疾病恶化概率。该方法真正考虑了患者医学信息，得到的疾病结果更加准确，并且能够对疾病的情况进行预测，得到疾病恶化的概率，缓解了现有的方法得到的疾病结果准确性差，且无法对疾病的情况进行预测的技术问题。

技术领域

本发明涉及数据处理的技术领域，尤其是涉及一种基于医学信息的知识图谱分析方法及装置。

背景技术

知识图谱又称为科学知识图谱，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。知识图谱，是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是实体-关系-实体三元组，以及实体及其相关属性-值对，实体之间通过关系相互联结，构成网状的知识结构。

目前，知识图谱的应用非常广泛，在医学领域中，构建医学知识图谱，可以将病症、疾病与诊疗手段之间的错综复杂的关系通过知识图谱构建成数据库，从而可以为医护人员提供很好的辅助诊断手段。基于此，现阶段出现了大量在线问答的应用，这些应用接收患者的信息描述，利用语句分析和相关算法，结合预先构建的领域知识图谱，返回一个患者的疾病诊断结果。

现有的技术方案一般是通过搜索问答库中和患者描述相似度最高的问题，返回所对应的疾病结果。该方法不能完全反映患者病情，得到的疾病结果准确性差，并且只能得到患者所患有的疾病，无法对疾病的情况进行预测。

发明内容

有鉴于此，本发明的目的在于提供一种基于医学信息的知识图谱分析方法及装置，以缓解现有的方法得到的疾病结果准确性差，且无法对疾病的情况进行预测的技术问题。

第一方面，本发明实施例提供了一种基于医学信息的知识图谱分析方法，所述方法包括：

获取患者医学信息中所包含的分词词语，其中，所述患者医学信息包括：患者的基本信息，患者的病情信息，患者的治疗信息，患者的社交信息；

基于预设医学知识库对所述分词词语进行分析，得到所述分词词语所对应的目标标准医学数据；

将所述目标标准医学数据与预设疾病知识图谱进行匹配，其中，所述预设疾病知识图谱为各类疾病与其相关因素的关联性图谱；

根据匹配结果确定所述患者的疾病；

基于所述患者医学信息和所述患者的疾病构建所述患者的特征向量，其中，所述特征向量包括：疾病特征向量，治疗特征向量，关系特征向量；

通过疾病恶化机器学习模型对所述特征向量进行恶化概率计算，得到所述患者的疾病恶化概率，其中，所述疾病恶化机器学习模型为通过K-MEANS算法对大量特征向量进行训练得到的模型。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，基于所述患者医学信息和所述患者的疾病构建所述患者的特征向量包括：

对所述患者的基本信息，所述患者的病情信息以及所述患者的疾病进行计算，得到所述疾病特征向量；

对所述患者的治疗信息以及所述患者的疾病进行计算，得到所述治疗特征向量；