[发明专利]一种基于注意力机制的不良心血管事件的预测装置

说明书

本发明公开了一种基于注意力机制的急性冠脉综合征不良心血管事件的预测方法，包括：(1)构建训练样本；(2)以双向长短时效记忆网络为基础，并根据患者静态特征‑动态特征关系，引入注意力机制对训练样本进行权重计算，构建预训练模型；(3)以训练样本和训练样本对应的真值标签，对预训练模型进行训练，得到不良心血管事件预测模型；(4)利用预测模型预测待测样本发生不良心血管事件的概率。本发明提供的预测方法可对急性冠脉综合征患者的缺血事件和出血事件发生概率进行预测，从而辅助医生制定合理的诊疗措施，支持临床决策，降低医疗开支。

技术领域

本发明属于数据处理领域，具体涉及一种基于注意力机制的急性冠脉综合征患者不良心血管事件的预测装置。

背景技术

急性冠脉综合征(Acute coronary syndrome,ACS)是一种发病急、影响广、死亡率和致残率极高的心血管疾病。主要不良心血管事件是急性冠脉综合征预后可预测性最有力的结局指标。因此，早期主要不良心血管事件的临床风险预测对及时精准治疗急性冠脉综合征十分重要。

ACS患者住院期间可能会发生诸如缺血、失血等主要不良心血管事件。临床上使用抗栓药物(包括抗血小板药物和抗凝药物)治疗可降低急性冠脉综合征患者发生主要不良心血管事件的概率。增强急性冠脉综合征抗栓力度可降低ACS患者的缺血事件发生率，却增加了患者出血的风险，而大出血事件往往会引发患者发生缺血事件，因此平衡好抗缺血作用和出血的风险，在临床上显得尤为重要。

现今已有的预测急性冠脉综合征患者临床风险的方法，比如全球急性冠脉综合事件注册(Global Registry of Acute Coronary Events,GRACE)和心肌梗死溶栓治疗(Thrombolysis in Myocardial Infarction,TIMI)，可用来估计ACS患者发生缺血事件的风险等级。这些工具已经在临床实践中得到应用，并在指导缺血性心脏病的护理和治疗方面取得了巨大的成就，仍然存在以下局限性，仅有少量特征作为风险因子，虽然简化了计算，方便其在临床环境中使用，然而这也导致了评分工具缺乏可概括性。除此之外，GRACE和TIMI评分均无法同时评估患者缺血事件和出血事件的风险等级。

随着医疗信息化的迅速发展，可基于电子健康记录构建机器学习模型，来预测ACS患者主要不良心血管事件发生概率。其中，注意力机制(Attention Mechanism,AM)是一种模拟人脑注意力机制的模型，基本原理就是在每次识别时，首先计算每个输入特征的权值，然后对特征进行加权求和。假如求出来的特征的权值较大，说明该特征对当前识别作出的贡献就越大。作为一个独立的框架，注意力机制还可以使用更加复杂的网络结构来改善其效果。

总的来说，注意力机制有以下两个优点：

⑴减小处理高维输入数据的计算负担，结构化地选取输入的子集，降低数据维度。

⑵更专注于找到输入数据中与当前输出显著相关的有用信息，从而提高输出的质量。

发明内容

本发明的目的是提供一种基于注意力机制的不良心血管事件的预测装置，本发明提供的预测装置可对急性冠脉综合征患者的缺血事件和出血事件发生概率进行预测，从而辅助医生制定合理的诊疗措施，支持临床决策，降低医疗开支。

为实现上述目的，本发明提供以下技术方案：

一种基于注意力机制的不良心血管事件的预测装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序：

所述计算机存储器中存有不良心血管事件结果预测模型，其包括；动态特征提取模块、注意力机制模块和分类模块；

所述计算机处理器执行所述计算机程序时实现以下步骤：

接收患者的动态特征和静态特征，动态特征提取模块以急性冠脉综合征患者的动态特征作为输入，得到输出集；