预测糖尿病患病阶段的方法、装置及计算机设备制造方法及图纸

本申请公开了一种预测糖尿病患病阶段的方法、装置及计算机设备，涉及计算机技术领域，能有效解决现有技术中只能判断用户是否患糖尿病，却无法判断其患病的严重程度的问题，其中方法包括：获取原始健康档案和电子病历数据中的样本用户数据；根据所述样本用户数据中的用户特征创建糖尿病多分类模型；利用所述糖尿病多分类模型判断目标用户的糖尿病患病类型；根据所述糖尿病患病类型确定所述目标用户的糖尿病患病阶段。本申请适用于对糖尿病患病阶段的预测。

Methods, devices and computer equipment for predicting the stage of diabetes mellitus

【技术实现步骤摘要】
预测糖尿病患病阶段的方法、装置及计算机设备
本申请涉及计算机
，尤其涉及到一种预测糖尿病患病阶段的方法、装置及计算机设备。
技术介绍
糖尿病是一组以高血糖为特征的代谢性疾病，发病时会导致大血管、微血管受损并危及心、脑、肾、周围神经、眼睛、足等多个部位，还会伴有多种并发症，故加强糖尿病的预测工作是完全必要的。然而随着科技的进步，病种的诊断已经不局限于医生的分析，利用人工智能来预测糖尿病，才是符合如今的发展潮流。目前业内对于糖尿病预测的常见方法是通过收集糖尿病医案，将糖尿病患者数据与健康人群数据进行对比，构建0-1分类模型，通过患者的各类特征维度数据，判断用户是否患糖尿病。然而现有的糖尿病的预测方法只能判断用户是否患糖尿病，却无法判断出用户是否处于健康和患糖尿病之间的过渡阶段，使诊断结果不够完善，不能准确诊断出糖尿病患病阶段，可能会导致错过治疗的黄金时间，进而不能对糖尿病进行及时有效的控制。
技术实现思路
有鉴于此，本申请提供了一种预测糖尿病患病阶段的方法、装置及计算机设备，主要目的在于解决当利用构建的0-1分类模型进行糖尿病的预测时，只能判断用户是否患糖尿病，却无法判断其所处的患病阶段，进而导致诊断结果不够完善的问题。根据本申请的一个方面，提供了一种预测糖尿病患病阶段的方法，该方法包括：获取原始健康档案和电子病历数据中的样本用户数据；根据所述样本用户数据中的用户特征创建糖尿病多分类模型；利用所述糖尿病多分类模型判断目标用户的糖尿病患病类型；根据所述糖尿病患病类型确定所述目标用户的糖尿病患病阶段。根据本申请的另一个方面，提供了一种预测糖尿病患病阶段的装置，该装置包括：获取模块，用于获取原始健康档案和电子病历数据中的样本用户数据；创建模块，用于根据所述样本用户数据中的用户特征创建糖尿病多分类模型；判断模块，用于利用所述糖尿病多分类模型判断目标用户的糖尿病患病类型；确定模块，用于根据所述糖尿病患病类型确定所述目标用户的糖尿病患病阶段。根据本申请的又一个方面，提供了一种非易失性可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述预测糖尿病患病阶段的方法。根据本申请的再一个方面，提供了一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述预测糖尿病患病阶段的方法。借由上述技术方案，本申请提供的一种预测糖尿病患病阶段的方法及装置、存储介质、计算机设备，与目前利用构建的0-1分类模型预测糖尿病的方法相比，本申请在现有的糖尿病预测模型的基础上，增加了糖尿病多分类模型，可利用糖尿病多分类模型判断出目标用户的糖尿病患病类型，根据糖尿病患病类型可判断出目标用户是否患病，并且还能进一步判断出已患病目标用户所处的糖尿病患病阶段，使诊断结果覆盖信息更加充分，能够为患者及医生提供更好的治疗依据。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本地申请的不当限定。在附图中：图1示出了本申请实施例提供的一种预测糖尿病患病阶段的方法的流程示意图；图2示出了本申请实施例提供的另一种预测糖尿病患病阶段的方法的流程示意图；图3示出了本申请实施例提供的一种预测糖尿病患病阶段的装置的结构示意图；图4示出了本申请实施例提供的另一种预测糖尿病患病阶段的装置的结构示意图。具体实施方式下文中将参考实施例并结合附图来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。针对目前利用构建的0-1分类模型来对糖尿病进行预测时，无法根据用户数据判断出糖尿病患病阶段的问题，本实施例提供了一种预测糖尿病患病阶段的方法，如图1所示，该方法包括：101、获取原始健康档案和电子病历数据中的样本用户数据。其中，样本用户数据可包括患者就诊数据、体检指标数据和健康告知数据等，就诊数据又包括门诊、住院和用药数据等。102、根据样本用户数据中的用户特征创建糖尿病多分类模型。其中，用户特征可包括用户基础信息、患病史、血糖、血压、皮脂厚度、胰岛素、BMI身体质量指数、糖尿病遗传信息、年龄、诊断结果、住院信息、用药信息等特征维度数据。糖尿病多分类模型是通过对样本用户数据的特征维度学习，预测判断待测用户是否患某一类糖尿病或处在某一过渡阶段。在本实施例中，糖尿病多分类模型可基于决策树的框架模型构建得到。决策树是属于机器学习监督学习分类算法中比较简单的一种，决策树是预测模型；它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。决策树算法有ID3，C4.5，CART算法，共同点为都是贪心算法，区别为度量方式不同，就比如ID3使用了信息获取量作为度量方式，而C4.5使用最大增益率。通过创建得到的糖尿病多分类模型可以很好的反应出不同血压、皮脂厚度、胰岛素、BMI身体质量指数、糖尿病遗传信息、年龄、诊断结果等的样本用户分别对应的糖尿病患病类型。103、利用糖尿病多分类模型判断目标用户的糖尿病患病类型。其中，目标用户为需要进行糖尿病病情预测的用户；糖尿病患病类型可包括：正常人群、I型糖尿病患者、II型糖尿病患者、空腹血糖损害人群、糖耐量减低人群等。对于本实施例，基于不同特征的样本用户反应出的糖尿病患病类型，将目标用户的特征与样本用户的特征进行匹配，找到匹配样本用户特征对应的糖尿病患病类型。104、根据糖尿病患病类型确定目标用户的糖尿病患病阶段。在具体的应用场景中，可根据目标用户得出的糖尿病患病类型，按照预定关系，判断出目标用户是否正常或处于的患病阶段，进而为用户提供更为精确的诊断结果。通过上述预测糖尿病患病阶段的方法，可以根据样本用户数据中的用户特征创建糖尿病多分类模型，利用糖尿病多分类模型判断出目标用户糖尿病患病类型，并根据糖尿病患病类型以及对应糖尿病患病阶段的映射关系，确定出目标用户是否患病以及所处的患病阶段，从而使病情诊断结果更为精准，诊断内容更加完善，便于根据糖尿病的不同发展程度进行及时有效的配套治疗，对糖尿病进行及时有效的控制。进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本申请实施例中的具体实施过程，提供了另一种预测糖尿病患病阶段的方法，如图2所示，该方法包括：201、获取原始健康档案和电子病历数据中的样本用户数据。例如，在原始健康档案和电子病历数据中共获取多项用户特征完整的样本用户数据。202、利用正则表达式从样本用户数据中提取用户特征，并将用户特征中糖尿病患病类型作为标签信息Y，以及将样本用户的目标特征数据作为特征信息X，创建模型训练集。其中，目标特征数据至少包括样本用户的用户基础数据、就诊数据、体检数据、健康告知数据中的一项或多项。例如可包括样本用户的年龄、性本文档来自技高网...

【技术保护点】
1.一种预测糖尿病患病阶段的方法，其特征在于，包括：获取原始健康档案和电子病历数据中的样本用户数据；根据所述样本用户数据中的用户特征创建糖尿病多分类模型；利用所述糖尿病多分类模型判断目标用户的糖尿病患病类型；根据所述糖尿病患病类型确定所述目标用户的糖尿病患病阶段。

【技术特征摘要】
1.一种预测糖尿病患病阶段的方法，其特征在于，包括：获取原始健康档案和电子病历数据中的样本用户数据；根据所述样本用户数据中的用户特征创建糖尿病多分类模型；利用所述糖尿病多分类模型判断目标用户的糖尿病患病类型；根据所述糖尿病患病类型确定所述目标用户的糖尿病患病阶段。2.根据权利要求1所述的方法，其特征在于，所述用户特征是利用正则表达式从所述样本用户数据中提取的；所述根据所述样本用户数据中的用户特征创建糖尿病多分类模型，具体包括：将所述用户特征中糖尿病患病类型作为标签信息Y，并将样本用户的目标特征数据作为特征信息X，创建模型训练集，所述目标特征数据至少包括所述样本用户的用户基础数据、就诊数据、体检数据、健康告知数据中的一项或多项；通过所述模型训练集基于LightGBM算法训练得到所述糖尿病多分类模型，其中，利用所述糖尿病多分类模型对应的F1值指标确定所述糖尿病多分类模型是否符合评估标准，通过符合评估标准的所述糖尿病多分类模型可确定所述特征信息X和所述标签信息Y之间的映射关系。3.根据权利要求2所述的方法，其特征在于，所述利用所述糖尿病多分类模型判断目标用户的糖尿病患病类型，具体包括：将所述目标用户的特征信息输入到所述糖尿病多分类模型中与所述特征信息X进行相似度匹配，所述目标用户的特征信息对应所述目标特征数据；利用相似度大于预设相似度阈值、且相似度最高的所述特征信息X和所述映射关系，确定所述目标用户对应的糖尿病患病类型。4.根据权利要求3所述的方法，其特征在于，所述糖尿病患病类型包括：正常人群、I型糖尿病患者、II型糖尿病患者、空腹血糖损害人群、糖耐量减低人群；所述根据所述糖尿病患病类型确定所述目标用户的糖尿病患病阶段，具体包括：若判定所述目标用户对应的糖尿病患病类型为所述正常人群，则确定所述目标用户未患糖尿病；若判定所述目标用户对应的糖尿病患病类型为I型糖尿病患者或II型糖尿病患者，则确定所述目标用户已患糖尿病；若判定所述目标用户对应的糖尿病患病类型为空腹血糖损害人群和/或糖耐量减低人群，则确定所述目标用户处于健康和患糖尿病之间的过渡阶段。5.根据权利要求3所述的方法，其特征在于，所述将所述目标用户的特征信息输入到所述糖尿病多分类模型中与所述特征信息X进行相似度匹配，具体包括：将所述目标用户的特征信息经过数据清洗、...

【专利技术属性】
技术研发人员：金晓辉，阮晓雯，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44