[发明专利]一种心血管疾病非计划再住院风险预测方法

说明书

本发明提供了一种心血管疾病非计划再住院风险预测方法，基于与患者健康相关的结构化数据以及非结构化数据构成的多源异构医疗健康数据，应用基于深度神经网络的多模型集成算法,构建非计划再住院风险预测模型。本发明可以准确分析外部环境变化对患者非计划再住院的影响，同时应用文本挖掘技术提取非结构化数据的关键信息，全面挖掘患者健康影响因子。本发明解决了现有技术中缺乏外部环境变化对患者健康的影响分析、非结构化数据信息挖掘不足以及非平衡分类样本预测准确率较低的问题，提升了心血管疾病患者非计划再住院的预测准确性。

技术领域

本发明属于风险预测技术领域，尤其涉及一种心血管疾病非计划再住院风险预测方法。

背景技术

统计数据显示，心血管疾病是全球的头号死因。心血管疾病严重威胁人类健康，特别是50岁以上中老年人健康，具有高患病率、高致残率和高死亡率的特点。心血管疾病的预后管理已成为医学界和专家学者的重要研究方向，也是精准医疗的一个重要研究内容。

非计划再住院风险预测作为精准医疗的一个重要研究内容，是衡量医疗质量的重要依据。非计划再住院是指病人出院31天内因相同疾病或相关疾病非计划再入院。精准预测心血管疾病患者的非计划再住院风险，有利于患者及医生提前采取预防措施，针对性地调整康复项目，提升康复效果。结合医疗健康大数据的特点及非计划再入院风险预测研究基础，目前工作还存在一些问题有待研究，主要体现在以下几个方面：(1)心血管疾病的复发除了与患者自身特征相关，还与外界环境息息相关；(2)医疗健康大数据包含大量非结构化数据，如影像信息、文本信息，对这部分的信息挖掘不足；(3)非计划再住院分类样本具有非平衡性，需采用更有效的机器学习算法，提升对非平衡样本的预测准确率。

鉴于此，本发明将探索外部环境变化对心血管疾病患者非计划再住院风险的影响，挖掘非结构化数据的深层信息，运用混合集成学习算法构建非计划再住院风险预测模型，提升非平衡性分类样本的预测准确率。

发明内容

针对现有技术中的上述不足，本发明提供的一种心血管疾病非计划再住院风险预测方法解决了现有技术中缺乏外部环境变化对患者健康的影响分析、非结构化数据信息挖掘不足以及非平衡分类样本预测准确率较低的问题，提升了心血管疾病患者非计划再住院的预测准确性。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种心血管疾病非计划再住院风险预测方法，包括如下步骤：

S1、获取与患者健康相关的结构化数据以及非结构化数据；

S2、根据患者的ID、入院时间、出院时间以及出院主诊断构建患者的再住院标签集合；

S3、利用文本分词模型Bi-LSTM-CRF对所述非结构化数据的文本数据进行文本分词处理，并根据所述分词处理后的文本数据生成词频矩阵；

S4、根据所述分词处理后的文本数据构建LDA主题模型，并根据所述LDA主题模型以及词频矩阵计算患者的特征向量；

S5、根据患者的ID合并所述患者的再住院标签集合、与患者健康相关的结构化数据以及所述患者的特征向量，并利用基于深度神经网络的多模型集成算法预测心血管疾病患者非计划再住院风险。

进一步地，所述步骤S1中所述与患者健康相关的结构化数据包括：与患者相关的人口统计信息、常规检查信息、临床诊疗信息、药物治疗信息、家族史信息以及患者所处的外部环境信息；

所述与患者健康相关的非结构化数据包括：与患者相关的医嘱、病程进展以及影像信息的检查结果。

再进一步地，所述步骤S2具体为：