[发明专利]一种常见妇科疾病预测模型构建方法和预测系统

说明书

本发明涉及一种常见妇科疾病预测模型构建方法及预测系统，所述预测模型构建方法如下：获取常见妇科病疾所需的检查项目、检查指标、妇科疾病知识以及病历样本；根据病历样本推断每个检查项目指标数据的概率以及各检查项目总体相似性概率；建立包含妇科疾病知识、检查项目指标数据的概率、患者临床症状概率之间相互匹配的数据库；对所述数据库进行文本特征提取，通过文本相似度计算构建预测模型。本发明基于多数据源构建的数据库，运用机器学习方法，构建一个高准确率的常见妇科疾病预测模型和系统，不仅能用于基层医生学习与参考，也便于患者早期预测与预防，具有一定的推广应用价值。

技术领域

本发明涉及智能医疗以及医疗信息技术领域，尤其涉及一种常见妇科疾病预测模型构建方法和预测系统。

背景技术

根据世界卫生组织(WHO)的调查显示，我国有96％以上的已婚妇女患有不同程度的妇科疾病，常见的妇科病发病率在87.6％以上。其中妇女宫颈癌的发病率占世界的1/3左右。现实生活中，很多女性对自身身体以及妇科疾病缺乏足够的了解和认识。

目前，超声、磁共振、计算机断层扫描、阴道镜、宫腔镜等影像技术以及液基细胞学、基因检测、白带分析、宫颈切片等技术是妇科病特别是妇科疾病恶性肿瘤筛查、诊断、分期、疗效评估、治疗以及随访的重要手段。这些检查基本都依赖于各种设备和条件以及医生个人临床经验，易造成误诊和漏诊不说，而且筛查、诊断、定性的时间比较长。随着不断增加的工作量和迫在眉睫的医生短缺，常见妇科疾病自查、评估与预测需要一种更简单、快捷、智能，同时不受各种主、客观条件限制的替代品，从而改变上述技术和方法因受主客观条件限制、诊断定性时间较长、而且不准确导致处置工作陷于被动局面的系统。

发明内容

本发明针对现有技术中存在的技术问题，提供一种常见妇科疾病预测模型构建方法，获取常见妇科病疾所需的检查项目、检查指标、妇科疾病知识以及病历样本；根据病历样本推断每个检查项目指标数据的概率以及各检查项目总体相似性概率；建立包含妇科疾病知识、检查项目指标数据的概率、患者临床症状概率之间相互匹配的数据库；对所述数据库进行文本特征提取，通过文本相似度计算构建预测模型。

在本发明的一些实施例中，为提高数据的准确率，所述获取常见妇科病疾所需的检查项目、检查指标、妇科疾病知识以及病历样本的过程还包括对上述数据进行预处理。进一步的，所述预处理包括提取数值的正常参考区间值和异常范参考区间值，以及对文本描述进行特征关键词提取并进行归一化处理。

在本发明的一些实施例中，所述根据病历样本推断每个检查项目指标数据的概率过程具体为：通过每种妇科病患者样本计算出该种妇科病检查和分析的总体平均指标、临床症状特征相似性百分比。

在本发明的一些实施例中，所述对所述数据库进行文本特征提取的过程通过文本挖掘方法和机器学习进行。

在本发明的一些实施例中，所述文本挖掘方法包括Adaboos或支持向量机。

本发明另一方面还提供了一种常见妇科疾病预测系统，采集模块，用于获取常见妇科疾病所需的检查项目、检查指标、妇科疾病知识以及病历样本；匹配模块，用于根据病历样本推断每个检查项目指标数据的概率以及各检查项目总体相似性概率；建立包含妇科疾病知识、检查项目指标数据的概率、患者临床症状概率之间相互匹配的数据库；计算模块，用于对所述数据库进行文本特征提取，通过文本相似度计算构建预测模型；确定模块，用于对目标患者的临床症状进行选择和匹配，预测目标患者患病的概率。

在本发明的一些实施例中，为了提高数据的有效性和实时性以及预测的准确性，所述采集模块定期对采集数据进行更新。

在本发明的一些实施例中，所述匹配模块根据贝叶斯模型或马尔可夫模型来推断各检查项目总体相似性概率。所述确定模块通过加权算法对患者临床症状特征词频、对患者临床症状的文本特征以及妇科疾病信息的文本特征进行权重标注，获取标注后的数据，将标注后的数据进行融合，形成患者临床症状文本特征分词以及妇科疾病信息的文本特征分词。