[发明专利]风险事件预测方法和系统、风险事件预测系统的生成方法

说明书

本公开提供一种风险事件预测方法、风险事件预测系统、风险事件预测系统的生成方法、电子设备、计算机可读存储介质以及计算机程序产品。风险事件预测系统的生成方法，包括：数据预处理步骤，接收预定时间段内与风险事件相关联的多种事件数据，对多种事件数据执行预处理，生成待处理数据；特征数据选择步骤，从待处理数据中选择与风险事件相关性满足预定条件的数据，作为特征数据；以及预测系统训练步骤，利用特征数据作为训练数据，训练并且获得预测系统。生成的预测系统具有高准确率、强鲁棒性并且对于特征依赖性低，从而在缺乏足够的既往风险事件史的情况下，也能实现对于风险事件的首次出现的预测。

技术领域

本公开涉及人工智能领域，更具体地，本公开涉及一种风险事件预测方法、风险事件预测系统、风险事件预测系统的生成方法、电子设备、计算机可读存储介质以及计算机程序产品。

背景技术

预测技术是根据一定事物的运动和变化规律，用学科的方法和手段对事物的发展趋势和未来的状态进行估量，做出定性或者定量的评价。人们希望能够通过科学的预测技术对未来可能发生的风险事件(例如，疾病、自然灾害、意外危险)进行预估，从而能够避免风险事件的出现或者为风险事件的出现做好预案准备。

近年来，随着大数据技术、各种算法以及相关硬件算力的成熟，人工智能技术处于井喷式的发展阶段。人工智能技术在风险事件预测方面能够获得比传统的预测技术更为精准的预测结果。对于疾病这种风险事件的预测由于与人们的健康息息相关，所以已经成为风险事件预测的最重要对象。

例如，对于慢性阻塞性肺疾病(简称为“慢阻肺”，COPD)是一种进行性加重、目前无法治愈的慢性呼吸系统疾病。根据最新流行病学调查，我国慢阻肺疾病患者高达9990万人。慢阻肺疾病分期包括稳定期和急性加重(AECOPD)期，其中AECOPD指慢阻肺症状在短期内急剧恶化，需要额外治疗。AECOPD临床高发并且是导致疾病进展甚至死亡的主要原因之一。研究显示65％患者每年发生大于1次的AECOPD，由于AECOPD住院的患者5年死亡率大于50％。考虑到AECOPD严重威胁患者健康，降低AECOPD风险是慢阻肺管理的一大目标。现行的国内外指南推荐以过去一年内的AECOPD次数(AECOPD史)评估患者未来AECOPD风险的高低，并作为选择治疗药物的一个重要依据。然而，由于1)目前慢阻肺诊断率低(10％)，慢阻肺筛查是病例发现的重要手段，但对于这些通过筛查首次确诊的患者，无法获取AECOPD史；2)慢阻肺患者以老年人为主(平均60岁)，对疾病认知有限，通过临床问诊很难准确获取AECOPD史，导致目前对于AECOPD风险的预测评估模式存在不足。而如果能更早和更准确地识别AECOPD高风险患者并进行个体化治疗，则可以降低未来的AECOPD风险。

因此，希望提供一种风险事件预测方法和系统，其能够基于被预测对象(例如，慢阻肺疾病患者)在预定时间段内与风险事件(例如，AECOPD)相关联的多种事件数据，获取在未来一定时间段内出现风险事件的概率。

发明内容

鉴于上述问题而提出了本公开。本公开提供了一种风险事件预测方法、风险事件预测系统、风险事件预测系统的生成方法、电子设备、计算机可读存储介质以及计算机程序产品。

根据本公开的一个方面，提供了一种风险事件预测系统的生成方法，包括：数据预处理步骤，接收预定时间段内与所述风险事件相关联的多种事件数据，对所述多种事件数据执行预处理，生成待处理数据；特征数据选择步骤，从所述待处理数据中选择与所述风险事件相关性满足预定条件的数据，作为特征数据；以及预测系统训练步骤，利用所述特征数据作为训练数据，训练并且获得所述预测系统。

此外，根据本公开一个方面的风险事件预测系统的生成方法，其中，所述数据预处理步骤包括：对多种事件数据执行数据编码处理、缺失数据处理，以及数据归一化处理。

此外，根据本公开一个方面的风险事件预测系统的生成方法，其中，特征数据选择步骤包括执行方差筛选、卡方检验筛选、随机森林筛选中的一个或多个。