一种儿童患者病情智能风险评估系统及方法技术方案

本发明专利技术公开了一种儿童患者病情智能风险评估系统及方法，首先从儿童患者家属方和医院方采集与病情相关的数据；然后从设计的数据采集表中抽取与病情相关的儿童患者表征构建实体节点，根据专家知识和医学知识库构建实体之间的关系，构建儿童患者病情风险因素知识图谱；再基于采集的数据和儿童患者病情风险因素知识图谱构建多个时刻的儿童患者病情动态属性图，利用动态异构图神经网络模型学习属性图，输出重要表征的预测值，基于重要表征的预测值评估病危程度，对儿童患者的就诊策略进行建议。本发明专利技术使用历史数据和当前数据，保证了对患儿评估的准确性，并且侧重于对患儿的表征进行分析和预测，规避了误诊的风险，缓解了智慧医疗的伦理问题。慧医疗的伦理问题。慧医疗的伦理问题。

【技术实现步骤摘要】
一种儿童患者病情智能风险评估系统及方法


[0001]本专利技术涉及儿童监护领域，尤其涉及一种儿童患者智能病情风险评估系统及方法。

技术介绍

[0002]由于儿科疾病具有起病急、发展快、调节能力差等特点，而家属往往在病情初对儿童患者的病情不重视，再加上就医流程花费时间长、过程繁琐，更加阻碍了儿童患者症状不严重时家属带儿童患者就医的行为。另一方面，部分家属对儿童的病情过于敏感，在不需要就医时也占用医疗资源。所以在就医前对儿童患者进行初步的病危预警和就医决策建议是十分重要的，可以缓解医疗资源分布的不均匀性，实现医疗数据的优化整合，使医疗行业精准化、便捷化、智能化。
[0003]大数据技术和通信技术的蓬勃发展为上述问题的提供了新思路，可以形成以患者数据为中心的医疗服务模式，实现患者与医务人员、医疗机构等之间的互动模式，即智慧医疗。一方面，在大数据技术的发展推动下，医院信息化系统产生的海量数据通过数据处理、数据挖掘等方式实现数据的高效利用，结合医疗大数据挖掘、人工智能技术等，实现对患者的智能诊断和就医决策建议。另一方面，5G的高速率、低时延、高可靠等特性推动了智慧医疗的建设，能够保证儿童患者与医疗机构之间的高效互动。
[0004]然而，在智慧医疗中面临着医学伦理学问题的挑战。由于智慧医疗具有不确定性，包括数据分析和人工智能的不确定性，导致算法结果与真实情况存在偏差，造成患者身体和金钱上的损失。若智慧医疗误诊，引发的医疗责任和法律责任的归属方存在争议且可能破坏人文与科技关系的平衡问题。而人类生命数据复杂性很高，专业医生都有误诊的情况，更不用说尚未完全工业化成熟的人工智能，这导致智慧医疗被很多人质疑，严重阻碍着智慧医疗的发展。
[0005]另一方面，智慧医疗大部分应用是面向大众，即全年龄段的人群，针对儿童的研究较少。然而与成人相比，儿童没有独立就医能力且表达能力较差，容易使家属忽视儿童患者病情而耽误就医。所以儿童比成年更需要病危预警，更加需要对儿童病症进行信息获取、信息融合、信息挖掘、历史信息利用的智能技术。以保证在儿童无法像成年人一样对自己的病症进行准确描述及医生问诊问题进行相应的回答的情况下，能够通过数据挖掘和分析对儿童病危程度进行评估，引起家属和医生的重视。

技术实现思路

[0006]专利技术目的：基于儿科智慧医疗的重要性和研究的不足，以及智慧医疗的伦理问题，本专利技术目的在于提供一种儿童患者病情智能风险评估系统及方法，通过收集、分析、挖掘儿童患者数据对儿童患者病危程度进行评估和就医决策建议。
[0007]技术方案：为实现上述专利技术目的，本专利技术提供的一种儿童患者病情智能风险评估系统，包括：
[0008]数据采集模块，儿童患者医学特征分析模块，儿童患者病情预测和决策模块；
[0009]所述数据采集模块，用于从儿童患者家属方和医院方采集与病情相关的数据，预处理后存储，支持调用儿童患者历史数据；
[0010]所述儿童患者病情表征数据分析模块，用于从设计的数据采集表中抽取与病情相关的儿童患者表征构建实体节点，根据专家知识和医学知识库构建实体之间的关系，构建儿童患者病情风险因素知识图谱；并计算实体之间的关联度以验证和完善实体之间的关系；
[0011]所述儿童患者病情预测和决策模块，用于基于采集的数据和儿童患者病情风险因素知识图谱构建多个时刻的儿童患者病情动态属性图，再利用动态异构图神经网络模型学习属性图，输出重要表征的预测值，基于重要表征的预测值评估病危程度，对儿童患者的就诊策略进行建议；其中输入动态异构图神经网络模型的属性图的邻接矩阵根据儿童患者病情表征数据分析模块提供的知识图谱的拓扑结构确定，知识图谱中每一种关系类型对应一个邻接矩阵，特征矩阵根据数据采集模块采集的各个时刻的数据确定；所述重要表征是筛选出的对病情影响重要程度大于设定阈值的病情表征。
[0012]可选地，数据采集模块包括儿童患者家属方数据采集单元，医院方数据采集单元，历史数据存储和调用单元，数据预处理单元；
[0013]所述儿童患者家属方数据采集单元，用于采集家属提供的病情相关数据，包括儿童患者人口学特征、患病情况、就诊医院和家庭能够测量的体征；
[0014]所述医院方数据采集单元，用于采集医院提供的病情相关数据，包括儿童患者的客观和主观的身体表征，分为体外检测和体液检测数据；
[0015]所述客观的体外检测是用仪器对儿童患者身体表面进行检测，主观的体外检测基于主治医生对儿童患者体征进行评估，客观的体液检测是基于抽血或其他部位体液用于送检；
[0016]所述历史数据存储和调用单元，用于在数据库中基于儿童患者身份信息建立索引，并根据采集的时间将该儿童患者的信息存储在该索引对应位置，形成以儿童患者身份信息为索引的儿童患者数据时间序列的数据表；
[0017]所述数据预处理单元，用于对收集到的数据进行数据清洗、数据转换和数据填补。
[0018]可选地，儿童患者病情表征数据分析模块包括病情风险因素知识图谱构建单元、知识图谱深度分析单元和知识图谱深度融合单元；
[0019]所述病情风险因素知识图谱构建单元，用于从儿童患者家属数据采集表和医院数据采集表抽取实体节点并建立节点间的边关系，构建为知识图谱；所述抽取实体节点是从采集表中抽取影响儿童患者病情或可能会对儿童患者身体的健康带来风险的身体表征的名称，根据医学上的分类，将这些表征分为心血管/神经系统的生命表征、酸/碱表征、生化检测表征和血液表征四类节点；
[0020]所述建立节点的边关系是基于专家知识和医学知识库，对抽取的身体表征的互相影响进行建模，将互相影响或者表征同一病况的节点连接起来；
[0021]所述知识图谱深度分析单元，用于基于数据库存储的儿童患者医学大数据，利用关联分析算法计算实体节点间的关联程度，确定知识图谱中边的存在，将关联度低于设定阈值的边进行删除；
[0022]所述知识图谱深度融合单元，用于更新知识图谱，包括数据融合和知识融合；所述数据融合是指基于更新后的儿童患者家属数据采集表和医院数据采集表，更新儿童患者病情风险因素知识图谱的节点数量和/或类型；所述知识融合是指基于更新后的专家知识和医学知识库，更新儿童患者病情风险因素知识图谱的边的数量和/或类型。
[0023]可选地，儿童患者病情预测和决策模块包括儿童患者病情动态属性图构建单元，儿童患者病情预测模型单元和儿童患者病情评估单元；
[0024]所述儿童患者病情动态属性图构建单元，用于构建儿童患者病情动态属性图，包括当前时刻下的儿童患者病情表征和以往时刻的儿童患者病情表征；其中当前时刻的儿童患者病情表征属性图是根据儿童患者病情风险因素知识图谱建立的，其中属性的取值包含对应表征的具体取值或严重程度描述；以往时刻的儿童患者病情表征属性图中属性取值由儿童患者历史数据提供的，并以时间序列与当前时刻的儿童患者病情表征属性图堆叠合并起来为动态图；
[0025]所述儿童患者病情预测模型单元，用于将儿童患者病情动态属性图输入至儿童患者病情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种儿童患者病情智能风险评估系统，其特征在于，包括：数据采集模块，用于从儿童患者家属方和医院方采集与病情相关的数据，预处理后存储，支持调用儿童患者历史数据；儿童患者病情表征数据分析模块，用于从设计的数据采集表中抽取与病情相关的儿童患者表征构建实体节点，根据专家知识和医学知识库构建实体之间的关系，构建儿童患者病情风险因素知识图谱；并计算实体之间的关联度以验证和完善实体之间的关系；儿童患者病情预测和决策模块，用于基于采集的数据和儿童患者病情风险因素知识图谱构建多个时刻的儿童患者病情动态属性图，再利用动态异构图神经网络模型学习属性图，输出重要表征的预测值，基于重要表征的预测值评估病危程度，对儿童患者的就诊策略进行建议；其中输入动态异构图神经网络模型的属性图的邻接矩阵根据儿童患者病情表征数据分析模块提供的知识图谱的拓扑结构确定，知识图谱中每一种关系类型对应一个邻接矩阵，特征矩阵根据数据采集模块采集的各个时刻的数据确定；所述重要表征是筛选出的对病情影响重要程度大于设定阈值的病情表征。2.根据权利要求1所述的儿童患者病情智能风险评估系统，其特征在于，所述数据采集模块，包括：儿童患者家属方数据采集单元，用于采集家属提供的病情相关数据，包括儿童患者人口学特征、患病情况、就诊医院和家庭能够测量的体征；医院方数据采集单元，用于采集医院提供的病情相关数据，包括儿童患者的客观和主观的身体表征，分为体外检测和体液检测数据；历史数据存储和调用单元，用于在数据库中基于儿童患者身份信息建立索引，并根据采集的时间将该儿童患者的信息存储在该索引对应位置，形成以儿童患者身份信息为索引的儿童患者数据时间序列的数据表；数据预处理单元，用于对收集到的数据进行数据清洗、数据转换和数据填补。3.根据权利要求1所述的儿童患者病情智能风险评估系统，其特征在于，所述儿童患者病情表征数据分析模块，包括：病情风险因素知识图谱构建单元，用于从儿童患者家属数据采集表和医院数据采集表抽取实体节点并建立节点间的边关系，构建为知识图谱；所述抽取实体节点是从采集表中抽取影响儿童患者病情或可能会对儿童患者身体的健康带来风险的身体表征的名称，所述建立节点的边关系是基于专家知识和医学知识库，对抽取的身体表征的互相影响进行建模，将互相影响或者表征同一病况的节点连接起来；知识图谱深度分析单元，用于基于数据库存储的儿童患者医学大数据，利用关联分析算法计算实体节点间的关联程度，确定知识图谱中边的存在，将关联度低于设定阈值的边进行删除；知识图谱深度融合单元，用于更新知识图谱，包括数据融合和知识融合；所述数据融合是基于更新后的儿童患者家属数据采集表和医院数据采集表，更新儿童患者病情风险因素知识图谱的节点数量和/或类型；所述知识融合是基于更新后的专家知识和医学知识库，更新儿童患者病情风险因素知识图谱的边的数量和/或类型。4.根据权利要求1所述的儿童患者病情智能风险评估系统，其特征在于，所述儿童患者病情预测和决策模块，包括：
儿童患者病情动态属性图构建单元，用于构建儿童患者病情动态属性图，包括当前时刻下的儿童患者病情表征和以往时刻的儿童患者病情表征；其中当前时刻的儿童患者病情表征属性图是根据儿童患者病情风险因素知识图谱建立的，其中属性的取值包含对应表征的具体取值或严重程度描述；以往时刻的儿童患者病情表征属性图中属性取值由儿童患者历史数据提供的，并以时间序列与当前时刻的儿童患者病情表征属性图堆叠合并起来为动态图；儿童患者病情预测模型单元，用于将儿童患者病情动态属性图输入至儿童患者病情智能诊断模型来预测儿童患者重要表征的值，其中儿童患者病情智能诊断...

【专利技术属性】
技术研发人员：何世文，欧叶玉，袁远宏，易世安，高以鹏，蔡康利，
申请(专利权)人：中南大学，
类型：发明
国别省市：