[发明专利]基于人工智能的患者分群方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种基于人工智能的患者分群方法，用于提高患者分群的准确性。包括：读取多名患者的历史医疗数据，从历史医疗数据中提取出每个患者的多项预设生理指标的时序测量数据，以及每个患者的治疗方案数据；根据时序测量数据，对应生成每个患者的多项预设生理指标随时间的变化关系图像；将治疗方案数据转换为对应的治疗方案编码；将变化关系图像输入至卷积神经网络中，并将治疗方案编码作为目标输出训练目标卷积神经网络；获取目标卷积神经网络的最后一层全连接层输出的图像编码，根据图像编码对多名患者进行聚类，以将多名患者划分为多个患者集群。本发明还涉及区块链技术，所述变化关系图像存储于区块链中。

技术领域

本发明涉及人工智能的机器学习技术领域，尤其涉及基于人工智能的患者分群方法、装置、设备及存储介质。

背景技术

随着医疗水平的提高和居民健康数据的积累，获取患者每个临床指标随时间变化的轨迹不再困难。而通过多个临床指标随时间变化的轨迹对患者进行精准分群、进行个性化治疗方案的选择以及预测患者预后，相比于仅使用单次指标具有更高的精准度。

目前常用的用于轨迹分类的方法之一是上世纪90年代由Daniel Nagin等人课题组提出的基于多项式拟合和贝叶斯信息准则的半参数混合模型，该方法的主要缺点是仅能对单个指标的轨迹变化聚类，不能处理离散型变量，且要求数据符合正态分布，应用多项式对固定时间间隔的分类使得由该方法得到的拟合轨迹与实际轨迹的偏差比较大。近年来，机器学习算法广泛应用于医疗数据分析，其中对多个指标轨迹变化分析是通过由多个变量定义的状态在多维空间的变化实现的，这种方法的缺点是随着考虑的变量数目增加，状态空间复杂度呈指数级增长，状态空间稀疏，轨迹间相似距离的计算需要人为定义，带来聚类的系统性偏差，实际的轨迹聚类效果有限。

因而，目前缺乏一种精确的基于多临床指标的患者分群方法，从而无法为精准化的临床决策提供支持。

发明内容

本发明的主要目的在于提出一种基于人工智能的患者分群方法、装置、设备及存储介质，旨在提高基于多临床指标进行患者分群的准确性。

本发明第一方面提供了一种基于人工智能的患者分群方法，所述基于人工智能的患者分群方法包括如下步骤：

读取预先保存在历史医疗数据库中的多名患者的历史医疗数据，从所述历史医疗数据中提取出每个患者的多项预设生理指标的时序测量数据，以及每个患者的治疗方案数据；

根据提取出的每个患者的多项预设生理指标的时序测量数据，对应生成每个患者的多项预设生理指标随时间的变化关系图像，其中，所述多项预设生理指标随时间的变化关系图像中包括与所述多项预设生理指标一一对应的多条颜色各不相同的轨迹，且不同患者的相同预设生理指标所对应的轨迹颜色相同；

将提取出的每个患者的治疗方案数据转换为对应的治疗方案编码；

将生成的每个患者的多项预设生理指标随时间的变化关系图像输入至卷积神经网络中，并将所述治疗方案编码作为所述卷积神经网络的目标输出进行模型训练，得到训练后的目标卷积神经网络；

获取所述目标卷积神经网络的最后一层全连接层输出的图像编码，根据所述图像编码对所述多名患者进行聚类，以将所述多名患者划分为多个患者集群。

可选的，在本发明第一方面的第一种实现方式中，所述变化关系图像存储于区块链中，所述根据提取出的每个患者的多项预设生理指标的时序测量数据，对应生成每个患者的多项预设生理指标随时间的变化关系图像的步骤包括：

将提取出的每个患者的多项预设生理指标的时序测量数据进行归一化处理；

根据归一化处理后的每个患者的多项预设生理指标的时序测量数据，对应绘制每个患者的多项预设生理指标随时间的变化关系折线图；