[发明专利]使用递归神经网络分析健康事件

说明书

用于使用递归神经网络分析健康事件的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。一种方法包括获得健康事件的第一时间序列，其中所述第一时间序列包括在多个时间步中的每一个处与特定患者相关联的相应健康相关数据；使用递归神经网络处理所述健康事件的第一时间序列以生成针对所述第一时间序列的神经网络输出；以及从所述针对所述第一时间序列的神经网络输出生成健康分析数据，所述健康分析数据表征可能在所述时间序列中的最后时间步之后发生的未来健康事件。

技术领域

该说明书涉及使用递归神经网络分析健康事件。

背景技术

神经网络是采用非线性单元的一个或多个层以针对接收的输入来预测输出的机器学习模型。一些神经网络除了输出层之外包括一个或多个隐藏层。每个隐藏层的输出被用作网络中下一层的输入，所述下一层即下一个隐藏层或输出层。网络的每个层依据相应参数集合的当前值从接收的输入生成输出。

一些神经网络是递归神经网络。递归神经网络是接收输入序列并且从所述输入序列生成输出序列的神经网络。特别地，递归神经网络在当前时间步计算输出时能够使用来自之前时间步的一些或全部内部网络状态。

发明内容

总体上，该说明书中所描述主题的一个创新方面能够以方法来体现，所述方法包括以下动作：获得健康事件的第一时间序列，其中所述第一时间序列包括在多个时间步中的每一个处与特定患者相关联的相应健康相关数据；使用递归神经网络处理所述健康事件的第一时间序列以生成针对所述第一时间序列的神经网络输出；以及从所述针对所述第一时间序列的神经网络输出生成健康分析数据，所述健康分析数据表征可能在所述时间序列中的最后时间步之后发生的未来健康事件。

针对所述时间步中的一个或多个，在该时间步处的健康相关数据可以是来自预定令牌词汇的相应令牌。所述词汇中的每个令牌可以表示不同的健康事件。针对所述时间步中的一个或多个，在该时间步处的健康相关数据可以是被归类为影响所述特定患者的健康的其它健康相关数据。

获得所述第一时间序列可以包括：访问特定患者的电子医疗记录；识别所述电子医疗记录中的健康事件；针对所述电子医疗记录中所识别的每个健康事件，在所述词汇中确定表示该健康事件的令牌；以及生成包括按照对应的健康事件发生的时间排序的、表示所识别健康事件的令牌的时间序列。

所述递归神经网络可以包括一个或多个递归神经网络层，所述递归神经网络层被训练以共同处理所述第一时间序列以针对所述第一时间序列中的最后时间步生成网络内部状态。所述递归神经网络进一步可以包括输出层，所述输出层被训练以处理针对所述最后时间步的所述网络内部状态以生成包括多个可能健康事件中的一个的相应分数的神经网络输出。每个可能健康事件的相应分数可以表示所述可能健康事件是所述第一时间序列中的最后时间步之后的时间步处的健康事件的可能性。

生成所述健康分析数据可以包括使用相应分数生成识别一个或多个最高评分的健康事件的数据。

所述递归神经网络可以进一步包括多个逻辑回归节点。所述逻辑回归节点中的每一个可以对应于来自预定条件集合的相应健康相关条件。每个逻辑回归节点可以被训练以处理所述最后时间步的网络内部状态从而生成对应条件的未来条件分数。每个条件的未来条件分数可以表示所述健康相关条件将在所述时间步处的健康事件的指定时间段内被满足的可能性。

生成所述健康分析数据可以包括生成识别所述预定条件集合中的条件的可能性的数据。

可以获得识别附加健康事件的数据。可以通过在所述第一时间序列的最后时间步之后添加识别附加健康事件的数据而从所述第一时间序列生成经修改的时间序列。所述经修改的时间序列可以使用所述递归神经网络进行处理以生成所述经修改的时间序列的未来条件分数。可以确定所述第一时间序列的未来条件分数和所述经修改的时间序列的未来条件分数之间的改变。所述健康分析数据可以包括识别所述改变的数据。

可以提供所述健康分析数据以用于呈现给用户。