[发明专利]一种基于图神经网络的患者住院时长早期预测方法及装置

说明书

本发明提供了一种基于图神经网络的患者住院时长早期预测方法及装置，属于数据处理技术领域，该方法包括：获取病案首页数据集，并进行预处理；提取患者的基础特征和历史特征；根据预处理后的病案首页数据集，提取疾病向量；构建患者相似性网络；基于患者住院时长标签、基础特征、历史特征、疾病向量以及患者相似性网络，利用GraphSAGE图神经网络构建住院时长早期预测模型；利用住院时长早期预测模型预测待预测样本的住院时长，得到患者住院时长早期预测结果。本发明在入院点对患者的住院时长进行早期预测，具有更高的适用价值。

技术领域

本发明属于数据处理技术领域，尤其涉及一种基于图神经网络的患者住院时长早期预测方法及装置。

背景技术

准确预测患者住院时长可以帮助医院管理者有效地分配有限医疗资源，控制患者医疗成本，提高医疗服务质量。然而，当前的患者住院时长预测采用的是临床检验、人口学等数据建模，其忽略了患者所患共病对住院时长所带来的影响；此外，少有研究在患者入院时间点进行患者住院时长的早期预测。因此，如何准确地在入院早期实现患者住院时长预测具有重要的现实意义。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于图神经网络的患者住院时长早期预测方法、装置、电子设备以及存储介质，以更好地预测患者的住院时长。

为了达到以上目的，本发明采用的技术方案为：

根据本申请的实施例，提供一种基于图神经网络的患者住院时长早期预测方法，包括以下步骤：

S1、对获取的病案首页数据集进行预处理，并提取患者的住院时长标签；

S2、提取患者的基础特征和历史特征；

S3、根据预处理后的病案首页数据集，提取疾病向量；

S4、构建患者相似性网络；

S5、基于患者住院时长标签、基础特征、历史特征、疾病向量以及患者相似性网络，利用GraphSAGE图神经网络构建住院时长早期预测模型；

S6、利用住院时长早期预测模型预测待预测样本的住院时长，得到患者住院时长早期预测结果。

进一步地，所述患者住院时长标签具体为：根据患者的入院日期和出院日期之差获取患者的住院时长标签；

所述基础特征包括患者的个体信息和医院信息；所述历史特征包括患者历史住院时长的统计信息。

进一步地，所述步骤S3包括以下步骤：

S301、基于预处理后的病案首页数据集，构建疾病共现网络；

S302、根据所述疾病共现网络，利用Node2Vec算法生成疾病的低维向量嵌入表示，并利用聚合方法将同一患者的所有低维向量嵌入表示进行整合，完成对疾病向量的提取：

AGGREGATE_sum＝∑_i∈Dd_i

其中，AGGREGATE_sum表示求和聚合函数，d_i表示疾病i的低维向量表示，D表示该患者的疾病集合。

进一步地，所述步骤S301包括以下步骤：

S3011、将预处理后的病案首页数据集按患者的身份证号进行聚合，并将患者不同的住院记录诊断进行归类；

S3012、根据归类结果，构建患者-疾病二维表；

S3013、根据患者-疾病二维表，利用相对危险度RR值衡量疾病对之间的风险，并将其作为网络边的权重RR_ij；