[发明专利]一种主动式健康医疗决策辅助方法及设备

权利要求书

1.一种主动式健康医疗决策辅助方法，其特征在于，包括如下步骤：

建立健康评估模型，获取各种健康问题和疾病的患病人群的个体特征作为训练样本，通过机器学习方法或深度学习方法进行训练，生成对应健康问题或疾病的患病风险评估模型；

建立健康医疗干预数据库，对应各种疾病预编写健康医疗决策辅助方案，所述健康医疗决策辅助方案至少包括健康教育方案、生活膳食干预、中医养生调理、运动理疗、自我药疗、心理干预、治疗科室选择、治疗路线以及治疗方案；编写完成的健康医疗决策辅助方案存入健康医疗决策辅助数据库中；

获取健康数据，从多源异构的健康医疗平台上爬取用户的个体数据，对多源异构的个体数据进行预处理和清洗，得到用户的个体特征；

患病风险预估，将用户的个体特征输入至健康评估模型中，健康评估模型调用患病风险评估模型根据用户的个体特征输出用户有可能罹患的健康问题或疾病以及罹患对应健康问题或疾病的概率；

提供健康医疗决策辅助，根据用户有可能罹患的疾病，从健康医疗干预数据库中获取对应健康问题或疾病的健康医疗决策辅助方案，获取的健康医疗决策辅助方案通过医生进行协同处理后发送给用户；

所述获取各种健康问题和疾病的患病人群的个体特征作为训练样本，通过机器学习方法或深度学习方法进行训练，生成对应疾病的患病风险评估模型的具体步骤如下：

对于每种健康问题或疾病，均采集一组对应健康问题或疾病的患病人群的个体特征作为训练样本，其中患病人群至少包括确诊患者、高度疑似人员以及轻度疑似人员，所述个体特征包括特征项及特征项对应的特征值；对各训练样本添加标签，所述标签包括确诊、高度疑似和轻度疑似，将添加标签后的训练样本划分为训练集、验证集和测试集；

构建深度学习神经网络，使用训练集对深度学习神经网络进行训练，通过验证集和测试集确定深度学习神经网络的准确性，当深度学习神经网络的准确性符合预期后，输出为对应健康问题或疾病的患病风险评估模型；

其中，所述特征项至少包括生活数据、生理体征数据、常住地址和环境数据、病史药历数据以及健康医疗消费数据；

在建立健康评估模型步骤中，还加入群发性突发性流行病的预测模块、疾病并发症分析模块、用药分析模块以及诊疗项目关联关系分析模块；所述群发性突发性流行病的预测模块用于从互联网中抓取群发性突发性流行病的实时信息，并输出流行病可能在用户所在地传染的风险数据；所述疾病并发症分析模块用于获取所述患病风险评估模型输出的用户有可能罹患的健康问题或疾病，分析并输出对应健康问题或疾病可能引起的并发症；所述用药分析模块用于获取所述用户有可能罹患的健康问题或疾病，分析并输出对应健康问题或疾病可以使用的药物及对应的药物信息、食疗可以使用的食物及对应的食物信息、以及理疗项目及对应的理疗信息；所述诊疗项目关联关系分析模块于获取所述用户有可能罹患的健康问题或疾病，分析并输出与对应健康问题或疾病有关联关系的诊疗项目及诊疗项目信息。

2.根据权利要求1所述的一种主动式健康医疗决策辅助方法，其特征在于，所述从多源异构的健康医疗平台上爬取用户的个体数据，对多源异构的健康数据进行预处理和清洗，得到清洗后的用户的个体特征的具体步骤如下：

数据预处理：对每个数据源的用户健康信息页面进行遍历，获取页面中所有的数据项及其特征值，将所有获取到的数据项及其特征值进行合并后放入数据集合中，对数据集合中所有名称不一致但实际含义相同的数据项进行合并，得到无重复数据项集合；

数据清洗：移除所述无重复数据项集合中与健康信息无关的数据项，得到包含复数个与用户健康有关的特征项的用户的个体特征。

3.根据权利要求2所述的一种主动式健康医疗决策辅助方法，其特征在于：在将用户的个体特征输入至健康评估模型中时，从所述用户的个体特征中抓取需要的特征项及对应的特征值输入至对应健康问题或疾病的患病风险评估模型。