[发明专利]预测疾病终点事件的方法、装置及电子设备

权利要求书

1.一种预测疾病终点事件的装置，其特征在于，包括：

第一采集模块，用于采集疾病发生和诊疗阶段的信息作为T0时序点特征；

第二采集模块，用于采集每次复查时的信息作为相应复查时的Ti时序点特征；

预测模块，用于将所述T0时序点特征至所述Ti时序点特征进行词向量处理；从历史患者的病历信息和/或随访信息中抽取标注信息以训练深度学习神经网络模型，所述标注信息包括正例样本与负例样本；将所述T0时序点特征至所述Ti时序点特征作为输入，利用所述深度学习神经网络模型预测未来时间窗内的疾病终点事件，

其中所述深度学习神经网络模型包括：

DNN模型，用于对应于每个时序点，分别接收所述T0时序点特征至所述Ti时序点特征的其中之一，并输出多维向量；

时序神经网络模型，用于接收每个时序点的DNN模型输出的所述多维向量，将所述每个时序点的DNN模型输出的所述多维向量传递到下一个时序；

输出层，用于基于来自所述时序神经网络模型的输入产生输出结果。

2.如权利要求1所述的装置，其特征在于，所述T0时序点特征包括下述特征中的至少一种：患者首次发病就诊时的疾病相关因素；诊疗行为信息。

3.如权利要求1所述的装置，其特征在于，所述Ti时序点特征包括下述特征中的至少一种：体征信息；查体信息；检查检验信息；及生活习惯信息。

4.如权利要求1所述的装置，其特征在于，训练所述深度学习神经网络模型时使用的时间窗口与预测时使用的未来时间窗口相同。

5.如权利要求1所述的装置，其特征在于，所述时序神经网络模型包括RNN、LSTM、GRU、双向RNN或SRU。

6.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如下步骤：

采集疾病发生和诊疗阶段的信息作为T0时序点特征；

采集每次复查时的信息作为相应复查时的Ti时序点特征；

将所述T0时序点特征至所述Ti时序点特征进行词向量处理；

从历史患者的病历信息和/或随访信息中抽取标注信息以训练深度学习神经网络模型，所述标注信息包括正例样本与负例样本；

利用所述深度学习神经网络模型预测未来时间窗内的疾病终点事件，其中包括：

在所述深度学习神经网络模型的DNN模型中，对应于每个时序点，分别接收所述T0时序点特征至所述Ti时序点特征的其中之一，并输出多维向量；

通过所述深度学习神经网络模型的时序神经网络模型接收每个时序点的DNN模型输出的所述多维向量，将所述每个时序点的DNN模型输出的所述多维向量传递到下一个时序；

通过所述深度学习神经网络模型的输出层接收来自所述时序神经网络模型的输入，产生输出结果。

7.如权利要求6所述的电子设备，其特征在于，所述T0时序点特征包括下述特征中的至少一种：患者首次发病就诊时的疾病相关因素；诊疗行为信息。

8.如权利要求6所述的电子设备，其特征在于，所述Ti时序点特征包括下述特征中的至少一种：体征信息；查体信息；检查检验信息；及生活习惯信息。

9.如权利要求6所述的电子设备，其特征在于，训练所述深度学习神经网络模型时使用的时间窗口与预测时使用的未来时间窗口相同。

10.如权利要求6所述的电子设备，其特征在于，所述时序神经网络模型包括RNN、LSTM、GRU、双向RNN或SRU。