一种原始数据不出域的跨医疗机构疾病预测方法技术

本发明专利技术公开了一种原始数据不出域的跨医疗机构疾病预测方法，涉及信息数据传输技术领域，解决了现有医疗机构因医疗数据存在的多方难协同、价值难共享，而无法对重大疾病进行科学预测的技术问题。该方法包括：确定a个医疗机构的公共就诊者；根据每个医疗机构的公共就诊者对应的健康数据，搭建疾病预测模型，对搭建的疾病预测模型在本地进行协同初始化；根据协同初始化的疾病预测模型，对疾病预测模型在本地进行协同训练，得到用于预测疾病的模型。本发明专利技术实现了各个医疗机构的原始数据不出域，有效保护了各医疗机构的医疗数据安全，使得医疗机构之间能够多方协同、安全共享医疗数据，有利于对重大疾病进行科学预测与预防。利于对重大疾病进行科学预测与预防。利于对重大疾病进行科学预测与预防。

【技术实现步骤摘要】
一种原始数据不出域的跨医疗机构疾病预测方法


[0001]本专利技术涉及信息数据传输
，尤其涉及一种原始数据不出域的跨医疗机构疾病预测方法。

技术介绍

[0002]现有对疾病，特别是重大疾病预测的主流解决方案是构建AI模型，该模型可利用的数据量越大、维度越丰富，能够从中发现和学习到的特征就越多，基于此构建的AI模型的性能及应用价值也就越高。然而利用更多源、更多维度的高质量医疗数据进行模型训练依然不是一件容易的事情。不同于其它领域，“医疗数据不出院”需求强烈，整合难度更大，尽管各方都期待能够通过处理更多来源的数据以便得到更精确的AI模型，但受限于信息风险防控要求，各方数据多以孤岛型态存在，多方协同、价值共享很难实现。因而，通过各医疗机构联合建模以实现对重大疾病进行科学预测是亟需解决的问题。

技术实现思路

[0003]本专利技术的目的在于提供一种原始数据不出域的跨医疗机构疾病预测方法，以解决上述因医疗信息数据存在的无法多方协同、价值共享难，而导致的对重大疾病进行科学预测难的技术问题。本专利技术提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。
[0004]为实现上述目的，本专利技术提供了以下技术方案：本专利技术提供的一种原始数据不出域的跨医疗机构疾病预测方法，包括：S100、对就诊者的就诊编号在a个医疗机构之间进行加密传输，加密的就诊编号在接收方进行交集运算，得到a个所述医疗机构的公共就诊者；其中，加密传输过程中采用多种加密方法配合用于对所述就诊编号进行交集运算；S200、根据每个所述医疗机构的公共就诊者对应的健康数据，搭建疾病预测模型，对搭建的所述疾病预测模型在本地进行协同初始化；S300、根据协同初始化的所述疾病预测模型，对所述疾病预测模型在本地进行协同训练，得到用于预测至少一种疾病的所述疾病预测模型。
[0005]进一步地，步骤S100包括如下步骤：从a个所述医疗机构中选择一个所述医疗机构作为发起方医疗机构，所述发起方医疗机构对其就诊编号生成第一私密钥对和a
‑
1个第一公共密钥对，并将所述公共密钥对分别发送给a
‑
1个参与方医疗机构；所述发起方医疗机构对接收的每个所述参与方医疗机构对应的第一数据进行第一加密处理，得到每个所述参与方医疗机构对应的第二数据；所述发起方医疗机构对自己的就诊编号进行第二加密处理，得到所述发起方医疗机构的第三数据；将每个所述参与方医疗机构对应的第二数据和所述发起方医疗机构的第三数据，按照原接收路径发送给每个所述参与方医疗机构；所述发起方医疗机构接收每个所述参与方医疗机构与所述发起方医疗机构的就诊编号对应的交集，对接收的a
‑
1个交集求交运算；对求交运算的集合进行所述第一加密处理后，按照原接收路径发送给每个所述参与方医疗机
构；所述发起方医疗机构对其求交运算且经所述第一加密处理后的集合分别进行第三加密处理后，得到a个医疗机构的所述公共就诊者。
[0006]进一步地，所述的一种原始数据不出域的跨医疗机构疾病预测方法还包括如下步骤：每个所述参与方医疗机构收到对应的所述公共密钥后，对各自的就诊编号进行第四加密处理，得到每个所述参与方医疗机构对应的第一数据，将所述第一数据发送给所述发起方医疗机构；每个所述参与方医疗机构收到其对应的所述第二数据和所述发起方医疗机构的第三数据后，对所述第二数据进行所述第三加密处理，得到第四数据；将所述第三数据、第四数据求交集，将交集后的集合进行所述第四加密处理后发送给所述发起方医疗机构；其中，每个所述参与方医疗机构对应的交集为每个所述参与方医疗机构与所述发起方医疗机构的公共就诊编号；每个所述参与方医疗机构对收到的所述发起方医疗机构求交运算的集合进行所述第三加密处理，得到a个医疗机构的所述公共就诊者。
[0007]进一步地，步骤S200包括如下步骤：在每个所述医疗机构端，根据选择的所述疾病预测模型，搭建所述疾病预测模型的损失函数；对搭建的所述损失函数求梯度函数，得到每个所述医疗机构对应的梯度函数；其中，每个所述医疗机构对应的梯度函数为对每个所述医疗机构在所述损失函数中对应的权重参数求导数；根据搭建的所述损失函数和每个所述医疗机构对应的梯度函数，以及每个所述公共就诊者对应的健康数据和给定的权重参数初始值，计算每个所述医疗机构的初始损失值和初始疾病影响因子；根据计算的每个所述医疗机构的初始疾病影响因子，在每个所述医疗机构端协同计算每个所述医疗机构对应的初始损失值和初始梯度值；其中，疾病影响因子为公共就诊者对应的健康数据与权重参数的乘积。
[0008]进一步地，所述的一种原始数据不出域的跨医疗机构疾病预测方法还包括数据中心，在每个所述医疗机构端协同计算每个所述医疗机构对应的初始损失值和初始梯度值的步骤包括：每个所述医疗机构接收到所述数据中心发送的第二公共密钥对后，根据各自的健康数据和给定的权重参数初始值计算各自的所述初始疾病影响因子，并将各自计算的所述初始疾病影响因子同态加密后发送给其他所述医疗机构；每个所述医疗机构接收到其他全部所述医疗机构对应的所述初始疾病影响因子解密后，根据各自的所述梯度函数计算各自的初始梯度值，根据所述损失函数计算各自的初始损失值，将各自计算的所述初始损失值和初始梯度值同态加密后发送给所述数据中心。
[0009]进一步地，第k种疾病的所述疾病预测模型的损失函数公式如下：；；；；其中，n为公共就诊者的人数，x
ik
为a个医疗机构的第i个就诊者患第k种疾病的m个
影响因素对应的健康数据，w
ik
为a个医疗机构的第i个就诊者患第k种疾病的m个影响因素对应的权重参数；y
ik
为a个医疗机构的第i个就诊者患第k种疾病对应的标签值；为常数；为医疗机构1的权重参数，为医疗机构2的权重参数，...，为医疗机构a的权重参数；为医疗机构1的健康数据，为医疗机构2的健康数据，...，为医疗机构a的健康数据。
[0010]进一步地，第j个所述医疗机构对应的梯度函数为：。
[0011]进一步地，所述数据中心对所述疾病预测模型在本地进行协同训练的步骤包括：S310、生成a个所述第二公共密钥对和第二私密钥对，并将所述第二公共密钥对发送给每个所述疗机构；S320、接收每个所述医疗机构发送的每个所述医疗机构对应的所述初始损失值和初始梯度值；S330、根据接收的每个所述医疗机构对应的所述初始损失值和初始梯度值，计算a个所述医疗机构的总初始损失值和总初始梯度值，并对计算的总初始梯度值进行更新；将更新的总梯度值发送给每个所述医疗机构；S340、接收每个所述医疗机构发送的更新的损失值和更新的梯度值，根据接收的更新的损失值和更新的梯度值计算a个所述医疗机构更新的总损失值和更新的总梯度值；S350、更新的总梯度值是否不再变化，如是，执行步骤S360；否则，执行步骤S370；S360、结束对所述医疗机构对应的本地预测模型的协同训练，得到用于预测至少一种疾病的所述疾病预测模型；S370、对计算的更新的总梯度值进行更新，将更新后的总梯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种原始数据不出域的跨医疗机构疾病预测方法，其特征在于，包括：S100、对就诊者的就诊编号在a个医疗机构之间进行加密传输，加密的就诊编号在接收方进行交集运算，得到a个所述医疗机构的公共就诊者；加密传输过程中采用多种加密方法配合用于对所述就诊编号进行交集运算；S200、根据每个所述医疗机构的公共就诊者对应的健康数据，搭建疾病预测模型，对搭建的所述疾病预测模型在本地进行协同初始化；S300、根据协同初始化的所述疾病预测模型，对所述疾病预测模型在本地进行协同训练，得到用于预测至少一种疾病的所述疾病预测模型。2.根据权利要求1所述的一种原始数据不出域的跨医疗机构疾病预测方法，其特征在于，步骤S100包括如下步骤：从a个所述医疗机构中选择一个所述医疗机构作为发起方医疗机构，所述发起方医疗机构对其就诊编号生成第一私密钥对和a
‑
1个第一公共密钥对，并将所述公共密钥对分别发送给a
‑
1个参与方医疗机构；所述发起方医疗机构对接收的每个所述参与方医疗机构对应的第一数据进行第一加密处理，得到每个所述参与方医疗机构对应的第二数据；所述发起方医疗机构对自己的就诊编号进行第二加密处理，得到所述发起方医疗机构的第三数据；将每个所述参与方医疗机构对应的第二数据和所述发起方医疗机构的第三数据，按照原接收路径发送给每个所述参与方医疗机构；所述发起方医疗机构接收每个所述参与方医疗机构与所述发起方医疗机构的就诊编号对应的交集，对接收的a
‑
1个交集求交运算；对求交运算的集合进行所述第一加密处理后，按照原接收路径发送给每个所述参与方医疗机构；所述发起方医疗机构对其求交运算且经所述第一加密处理后的集合分别进行第三加密处理后，得到a个医疗机构的所述公共就诊者。3.根据权利要求2所述的一种原始数据不出域的跨医疗机构疾病预测方法，其特征在于，还包括如下步骤：每个所述参与方医疗机构收到对应的所述公共密钥后，对各自的就诊编号进行第四加密处理，得到每个所述参与方医疗机构对应的第一数据，将所述第一数据发送给所述发起方医疗机构；每个所述参与方医疗机构收到其对应的所述第二数据和所述发起方医疗机构的第三数据后，对所述第二数据进行所述第三加密处理，得到第四数据；将所述第三数据、第四数据求交集，将交集后的集合进行所述第四加密处理后发送给所述发起方医疗机构；其中，每个所述参与方医疗机构对应的交集为每个所述参与方医疗机构与所述发起方医疗机构的公共就诊编号；每个所述参与方医疗机构对收到的所述发起方医疗机构求交运算的集合进行所述第三加密处理，得到a个医疗机构的所述公共就诊者。4.根据权利要求1所述的一种原始数据不出域的跨医疗机构疾病预测方法，其特征在于，步骤S200包括如下步骤：在每个所述医疗机构端，根据选择的所述疾病预测模型，搭建所述疾病预测模型的损失函数；
对搭建的所述损失函数求梯度函数，得到每个所述医疗机构对应的梯度函数；其中，每个所述医疗机构对应的梯度函数为对每个所述医疗机构在所述损失函数中对应的权重参数求导数；根据搭建的所述损失函数和每个所述医疗机构对应的梯度函数，以及每个所述公共就诊者对应的健康数据和给定的权重参数初始值，计算每个所述医疗机构的初始损失值和初始疾病影响因子；根据计算的每个所述医疗机构的初始疾病影响因子，在每个所述医疗机构端协同计算每个所述医疗机构对应的初始损失值和初始梯度值；其中，疾病影响因子为公共就诊者对应的健康数据与权重参数的乘积。5.根据权利要求4所述的一种原始数据不出域的跨医疗机构疾病预测方法，其特...

【专利技术属性】
技术研发人员：张春梅，朱汉忠，许拥盛，甘玉仙，
申请(专利权)人：深圳达实旗云健康科技有限公司，
类型：发明
国别省市：