疾病预测方法、装置、设备和介质制造方法及图纸

本申请公开了一种疾病预测方法、装置、设备和介质，提供了语义表达模型，该模型可以对疾病的描述信息进行特征提取。在该模型应用于疾病预测时，首先将候选疾病的描述信息输入语义表达模型获得相应的表达特征，将待预测疾病的描述信息输入语义表达模型获得相应的表达特征。还可以根据候选疾病与待预测疾病的表达特征之间的相似度，得到待预测疾病。该方法应用疾病特征之间的相似度进行疾病预测，通过增加候选疾病即可实现更多疾病的预测，具有很强的可扩展性；同时，由于模型提取到的特征与疾病其他维度的描述信息具有关联，在表达语义的同时具有丰富的表达能力，依赖表达特征之间的相似度进行疾病预测，能够有效提高预测的准确性。性。性。

【技术实现步骤摘要】
疾病预测方法、装置、设备和介质


[0001]本公开一般涉及疾病预测
，具体涉及一种疾病预测方法、装置、设备和介质。

技术介绍

[0002]随着人工智能的发展，疾病预测功能被广泛应用于线上医疗领域，例如，智能导诊、在线问诊等。相关技术中，通常根据有限的样本及标签训练分类模型，利用分类模型进行疾病预测。在具体应用中，分类模型可以输出模型的输入所命中的一个疾病标签，作为疾病预测结果。
[0003]虽然分类模型能够实现疾病的预测，但由于模型所能预测的分类结果(即疾病标签)是非常有限的，且在增加疾病时，需要根据新增加的疾病标签重新训练模型，模型的可扩展性非常有限，也就严重影响了线上医疗系统的功能扩展。

技术实现思路

[0004]鉴于现有技术中的上述缺陷或不足，期望提供一种疾病预测方法、装置、设备和介质，在疾病预测场景中能够有效支持疾病类型的扩展，从而可以有效提升线上医疗系统的功能扩展。
[0005]第一方面，本申请实施例提供了一种疾病预测方法，包括：
[0006]获取多个候选疾病中每一候选疾病的描述信息，基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疾病预测方法，其特征在于，包括：获取多个候选疾病中每一候选疾病的描述信息，基于语义表达模型对所述描述信息进行语义提取，获得所述候选疾病的表达特征；所述候选疾病的表达特征用于表征所述候选疾病的表达特征对应的描述信息与其他描述信息之间的关联关系；获取待预测疾病的描述信息，基于所述语义表达模型对所述待预测疾病的描述信息进行语义提取，获得所述待预测疾病的表达特征；根据所述待预测疾病的表达特征以及所述多个候选疾病的表达特征之间的相似度，从所述多个候选疾病中确定所述待预测疾病。2.根据权利要求1所述的方法，其特征在于，所述语义表达模型的训练过程包括：获取多个样本疾病的历史描述信息，将所述历史描述信息输入初始模型进行语义提取，获得所述历史描述信息对应的表达特征；基于不同所述历史描述信息对应的表达特征对所述初始模型进行迭代训练，在不同所述历史描述信息对应的表达特征存在关联关系时获得所述语义表达模型。3.根据权利要求2所述的方法，其特征在于，所述基于不同所述历史描述信息对应的表达特征对所述初始模型进行迭代训练，在不同所述历史描述信息对应的表达特征存在关联关系时获得所述语义表达模型，包括：针对每一所述样本疾病，根据不同所述历史描述信息对应的表达特征之间的损失，对初始模型进行迭代训练，在所述损失达到收敛时获得所述语义表达模型；其中，所述损失包括同一纬度下的不同描述信息对应的表达特征之间的第一损失，以及不同纬度下的描述信息对应的表达特征之间的第二损失。4.根据权利要求3所述的方法，其特征在于，所述历史描述信息包括历史病历，所述方法还包括：针对每一所述样本疾病，基于所述样本疾病对应的至少两个历史病历的表达特征，确定所述第一损失，所述第一损失用于表征所述至少两个病历之间的关联关系。5.根据权利要求3或4所述的方法，其特征在于，所述历史描述信息包括历史病历和疾病名称，所述方法还包括：针对每一所述样本疾病，基于所述样本疾病对应的所述历史病历的表达特征和所述疾病名称的表达特征，确定所述第二损失，第二损失用于表征所述历史病历与所述疾病名称之间的关联关系。6.根据权利要求4
‑
5中任一所述的方法，其特征在于，所述历史描述信息包括疾病概述和疾病名称，所述方法还包括：针对每一所述样本疾病，基于所述样本疾病对应的所述疾病概述的表达特征和疾病名称的表达特征，确定所述第二损失，所述第二损失用于表征所述疾病概述与...

【专利技术属性】
技术研发人员：张世伟，孙继超，吴贤，丁雪琪，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：