[发明专利]基于知识驱动和数据驱动的分群方法及相关设备

说明书

本申请涉及人工智能领域，公开了一种基于知识驱动和数据驱动的分群方法及相关设备，提高了将待分类人群分群到相似特征人群的精准度。本申请方法包括：创建目标知识分群决策树；识别待分类人群的特征数据在所述目标知识分群决策树上目标末端知识子节点对应的处理方案的类别数量；当识别到所述类别数量为一个时，确定所述待分类人群属于目标知识分群决策树中目标末端知识子节点对应的第一特征相似人群；当识别到所述类别数量为至少两个时，基于预置第二分群规则生成数据分群决策树，并确定所述数据分群决策树的目标层数；根据所述目标层数将所述待分类人群划分为所述第一特征相似人群或所述数据分群决策树中目标数据节点对应的第二特征相似人群。

技术领域

本申请涉及智能决策领域，尤其涉及基于知识驱动和数据驱动的分群方法及相关设备。

背景技术

个性化精准治疗是目前医学治疗领域一个重要的研究课题，也是医学研究领域一个值得期待的发展方向。而个性化精准治疗主要从群体出发，并根据患者的个体差异提供个性化治疗，在这个过程中，最困难的是如何确定不同群体，并针对群体中患者的个性化治疗给出充足的医学知识支撑。现有的分群系统中，常使用完全基于数据驱动或者完全基于知识驱动的分群方法，但两种方法都存在较多弊端。

完全基于数据驱动的分群方法中，其核心思想是基于机器学习或深度学习算法学习数据集中医生开药规则，并将学习到的规则应用于同类病人之中。而完全基于知识驱动的分群方法，其核心是参照已有指南、共识等相关权威知识构建规则，根据规则获取相应的辅助决策方案。不同于其他行业，使用完全基于数据驱动的分群方法并不能保证算法学习到的医学规则符合医学知识，并且无法做到针对相同群体中不同病人进行个性化推荐对应的辅助决策方案；使用完全基于知识驱动的推荐方法则存在着无法对推荐的多种辅助决策方案进行合理的选择，并存在指南、共识等知识中完全无法获取的辅助信息，如：药品价格。因而，导致将待分类人群分群到相似特征人群的精准度低。

发明内容

本申请提供了一种基于知识驱动和数据驱动的分群方法及相关设备，用于创建目标知识分群决策树、确定待分类人群属于第一特征相似人群、创建数据分群决策树和根据目标层数将待分类人群划分为第一特征相似人群或第二特征相似人群等步骤，提高将待分类人群分群到相似特征人群的精准度，进而为医生决策提供合理规范性且全面性精细化的循证医学证据。

本申请实施例的第一方面提供一种基于知识驱动和数据驱动的分群方法，包括：根据医学规则数据创建初始知识分群决策树，并将样本数据填充至所述初始知识分群决策树各分支的末端知识子节点，得到目标知识分群决策树，所述医学规则数据用于指示对已归档的医学文献、医学共识、医学指南和专家的临床经验的医学学科知识数据进行规则提取处理所得的第一分群规则，所述第一分群规则用于对临床上的相似特征人群进行分群，所述样本数据包括遵循医学知识规则的临床上的相似特征人群对应的临床结局数据；获取待分类人群的特征数据，并通过所述目标知识分群决策树对所述特征数据进行分群，得到目标末端知识子节点对应的处理方案，并对所述处理方案的类别数量进行识别，所述目标末端知识子节点为所述特征数据在所述目标知识分群决策树上的节点位置，所述处理方案用于指示对相似特征人群的解决渠道；若识别到所述处理方案的类别数量为一个，则确定所述待分类人群属于第一特征相似人群，所述第一特征相似人群为所述目标知识分群决策树中目标末端知识子节点对应的处理方案所属的特征相似人群；若识别到所述处理方案的类别数量为至少两个，则基于第二分群规则生成数据分群决策树，并确定每个处理方案对应所述数据分群决策树的数据子节点所处的目标层数，所述第二分群规则指示根据递归分区算法和处理方案的有效性进行分类；若所述目标层数为第一层，则将所述待分类人群划分为所述第一特征相似人群；若所述目标层数不为第一层，则将所述待分类人群划分为第二特征相似人群，所述第二特征相似人群为所述数据分群决策树中目标数据节点对应的处理方案所属的特征相似人群，每个目标数据节点对应不同的特征相似人群。