[发明专利]一种医疗事件风险评估分析方法及系统

说明书

本发明实施例公开了一种医疗事件风险评估分析方法及系统，所述方法包括：对健康电子病历数据进行预处理，生成医疗事件序列；生成所述医疗事件序列中每一医疗事件的事件向量，并根据各个医疗事件对应的统计量数值生成每一医疗事件的属性向量；将各个医疗事件的事件向量和属性向量进行合并，生成所述医疗事件序列中每一医疗事件的事件属性向量；将所述医疗事件序列对应的事件属性向量序列作为训练集输入到预设的医疗事件预测模型，通过所述医疗事件预测模型进行医疗事件风险评估。本发明实施例提供的医疗事件风险评估分析方法及系统，更充分地利用实际的电子健康记录的各类事件数据来进行风险评估或者针对病人的其他类型医疗事件预测。

技术领域

本发明涉及医疗设备技术领域，尤其涉及一种医疗事件风险评估分析方法及系统。

背景技术

近年来，随着各种疾病发生率的逐年上升，疾病的预防和治疗越来越受到大家的关注。为了更好地实现疾病的预防和治疗，虽然已经开发出很多用于辅助治疗和显示的计算机方法，但是很少有能够对健康状况进行预测的方法及系统。如何及时准确地对病人的健康状况进行预测，进而对不同治疗方案的风险进行评估，有助于医生及时提供更好的治疗方案。

现有技术方案中的，对于健康状况预测，一般是利用医学文本数据进行风险评估，利用长短期记忆网络（LongShort-TermMemory，LSTM）模型来实现某一种类疾病的预测，数据源单一，信息种类少，而且LSTM模型虽然能够处理长期依赖的问题，可以学习长期依赖信息。但是常规的LSTM模型仅能够利用长时语义关联特征对单一种类医疗事件进行学习，无法区分不同事件类型，进而无法对混合医疗事件进行风险评估。

发明内容

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种医疗事件风险评估分析方法及系统。

本发明的一个方面，提供了一种医疗事件风险评估分析方法，所述方法包括：

对健康电子病历数据进行预处理，生成医疗事件序列；

生成所述医疗事件序列中每一医疗事件的事件向量，并根据各个医疗事件对应的统计量数值生成每一医疗事件的属性向量；

将各个医疗事件的事件向量和属性向量进行合并，生成所述医疗事件序列中每一医疗事件的事件属性向量；

将所述医疗事件序列对应的事件属性向量序列作为训练集输入到预设的医疗事件预测模型，通过所述医疗事件预测模型进行医疗事件风险评估。

其中，所述生成所述医疗事件序列中每一医疗事件的事件向量包括：

采用独热编码方式对所述医疗事件序列进行编码，生成每一医疗事件的事件向量。

其中，所述将所述医疗事件序列对应的事件属性向量序列作为训练集输入到预设的医疗事件预测模型，通过所述医疗事件预测模型进行医疗事件风险评估，包括：

将所述医疗事件序列对应的事件属性向量序列作为训练集输入到长短期记忆神经网络中学习，得到每种医疗事件的向量表征，并基于每种医疗事件的向量表征进行医疗事件的分类预测。

其中，所述长短期记忆神经网络中设置有事件门结构，所述事件门结构包括事件过滤器和周期门，所述事件过滤器用于实现对医疗事件序列的向量特征的捕捉，所述周期门用于控制所述事件过滤器的开放周期，所述开放周期为所述事件过滤器的采样周期。

其中，所述将所述医疗事件序列对应的事件属性向量序列作为训练集输入到预设的医疗事件预测模型，通过所述医疗事件预测模型进行医疗事件风险评估，包括：

将所述医疗事件序列对应的事件属性向量序列作为训练集输入到阶段性的长短期记忆神经网络中学习，得到每种医疗事件的向量表征，并基于每种医疗事件的向量表征进行医疗事件的分类预测；