疾病风险预测模型训练方法、疾病风险预测方法及相关装置制造方法及图纸

本申请公开了一种疾病风险预测模型训练方法、疾病风险预测方法、疾病风险预测模型训练装置、疾病风险预测装置、计算机设备和计算机可读存储介质。本申请旨在基于患者的临床数据推断与疾病不良进展相关的高风险因素，并根据所构建的预测模型预测患者疾病进展情况，以给患者的治疗决策的选择提供更充分的支持。此外，通过使用机器学习的方式进行疾病风险预测模型的构建和训练，使得模型更加准确，适用性更好。更好。更好。

【技术实现步骤摘要】
疾病风险预测模型训练方法、疾病风险预测方法及相关装置


[0001]本申请涉及医疗数据处理
，具体涉及一种疾病风险预测模型训练方法、疾病风险预测方法、疾病风险预测模型训练装置、疾病风险预测装置、计算机设备和计算机可读存储介质。

技术介绍

[0002]随着人们生活质量的提高，对个人身体健康的关注度不断提高。因此，对于早期危险因素或早期疾病的早筛、早诊和治疗能够有助于预防疾病发生甚至逆转疾病进展。例如，颈动脉狭窄的不良进展会导致脑缺血乃至缺血性卒中，后者是目前世界仅次于缺血性心脏病的死亡原因，因此对于颈动脉狭窄患者的早起诊断，从患者中辨别具有不良预后高风险特征的人群并进行及时的治疗就显得尤为重要。
[0003]目前，医院信息系统数据的大量累积以及机器学习算法的逐步完善使得研究人员与医务工作者有条件基于大数据探索总结疾病进展规律，制定更合理有效的干预措施。其中，机器学习模型也展示了从大量患者数据中提取有意义信息的能力，包括疾病进展预测、风险因素归纳、图像识别等。因此，人工智能技术已经在医疗领域扮演着越来越重要的角色，若利用好这一技术也将为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疾病风险预测模型训练方法，其特征在于，包括：获取临床原始数据；基于所述临床原始数据进行预处理，得到相应的特征数据；基于所述特征数据，对预设的疾病风险预测模型进行训练和测试，并输出预测结果；直至所述疾病风险预测模型的预测结果达到预设精度，以得到训练完成的疾病风险预测模型。2.如权利要求1所述的疾病风险预测模型训练方法，其特征在于，所述基于所述临床原始数据进行预处理，得到相应的特征数据，包括：对临床原始数据进行提取，得到结构化数据；对结构化数据进行清洗，得到清洗后数据；基于预设的分类规则对所述清洗后数据进行编码化处理，得到特征数据。3.如权利要求1所述的疾病风险预测模型训练方法，其特征在于，所述基于所述特征数据，对预设的疾病风险预测模型进行训练和测试，并输出预测结果，包括：基于特征数据汇合成数据集；按照预设比例，将所述数据集分成训练集和测试集；基于所述训练集和所述测试集，对所述疾病风险预测模型进行训练和测试，以输出预测结果。4.如权利要求3所述的疾病风险预测模型训练方法，其特征在于，所述直至所述疾病风险预测模型的预测结果达到预设精度，以得到训练完成的疾病风险预测模型，包括：对比预测结果和实际临床诊断结果，以判断是否达到预设精度；当判断出未达到预设精度时，调整所述疾病风险预测模型的模型参数，并继续对所述疾病风险预测模型进行训练和测试；直至达到预设精度时，停止训练所述疾病风险预测模型，并得到训练完成的疾病风险预测模型。5.如权利要求4所述的疾病风险预测模型训练方法，其特征在于，所述对所述疾病风险预测模型进行训练和测试的步骤之后，包括：根据所述疾病风险预测模型所输出的预测结果，确定用于检验所述疾病风险预测模型的预测效能的评价指标；其中所述评价指标包括精确率、召回率、F1分数和曲线下面积。6.如权利要求3所述的疾病风险预测模型训练方法，其特征在于，所述疾病风险预测模型包括多个第一模型和与每一个第一模型连接的第二模型；所述对所述疾病风险预测模型进行训练和...

【专利技术属性】
技术研发人员：尚寒冰，张子谦，蒋宋怡，王兆凯，
申请(专利权)人：北京惠每云科技有限公司，
类型：发明
国别省市：