一种基于人工智能算法模型的多癌种筛查管理平台制造技术

本发明专利技术涉及一种基于人工智能算法模型的多癌种筛查管理平台，包括：用户信息采集模块，用于获取用户的个人信息数据；风险评估模块，用于将个人信息数据输入至基于深度学习的多模态数据融合模型，得到用户的癌症风险评估结果；归因分析模块，用于对多模态数据融合模型中得到的多模态融合数据进行分析，得出最终归因结果；个性化干预模块，用于根据用户的个人信息数据和癌症风险评估结果向用户推荐个性化诊疗方案

【技术实现步骤摘要】
一种基于人工智能算法模型的多癌种筛查管理平台


[0001]本专利技术涉及计算机辅助癌症筛查
，特别是涉及一种基于人工智能算法模型的多癌种筛查管理平台
。

技术介绍

[0002]癌症筛查是能够有效降低癌症死亡率的手段之一
。
研究表明，癌症筛查是癌症防控的有效手段，是降低癌症死亡率
、
延长生存率的关键措施
。
全美肺癌筛查试验和荷兰
‑
比利时肺癌筛查研究显示，在肺癌高风险人群中采用低剂量螺旋
CT
可降低
20
％的肺癌死亡率
。
宫颈癌筛查可以有效避免宫颈癌死亡率
。
内镜筛查可以有效降低上消化道癌死亡率
。
[0003]目前我国的癌症筛查流程基本遵循国家卫健委及国家癌症中心
《
癌症预防与筛查指南
》
的推荐筛查方式
。
筛查一般分为“初筛”和“精筛”两步，初筛步骤基于癌症风险评估问卷推出被筛查者的患癌风险，或由风险评估问卷及生物学检测结果共同推出被筛查者患癌风险
。
风险评估问卷
、
生物学检测任一结果初筛呈阳性，或两者结果均呈阳性，建议行金标准诊断筛查，即“精筛”。
然而，目前的风险评估问卷为传统风险评估问卷，存在问卷过长
、
对人群的患癌风险因素进行线性归因，存在千人一面
、
精准度一定程度上仍有待提高的特点；另外，目前筛查方式推荐的所有癌症初步筛查流程中生物学检测的项目尚以结直肠癌
、
肝癌
、
胃癌三为主，对应的检测项目分别为：粪便潜血试验
(FIT)、
乙肝表面抗原
(HBsAg)
检测
、
幽门螺杆菌
(HP)
检测
。
该几类生物学检测项目虽在一定程度上反应了与相应癌症的相关性，但也存在对相关癌症检测的灵敏度和特异性不够的问题
。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种基于人工智能算法模型的多癌种筛查管理平台，能够降低筛查的假阳性率及提高筛查依从性
。
[0005]本专利技术解决其技术问题所采用的技术方案是：提供一种基于人工智能算法模型的多癌种筛查管理平台，包括：
[0006]用户信息采集模块，用于获取用户的个人信息数据；
[0007]风险评估模块，用于将个人信息数据输入至基于深度学习的多模态数据融合模型，得到用户的癌症风险评估结果；
[0008]归因分析模块，用于对多模态数据融合模型中得到的多模态融合数据进行分析，得出最终归因结果；
[0009]个性化干预模块，用于根据用户的个人信息数据和癌症风险评估结果向用户推荐个性化诊疗方案
。
[0010]所述用户信息采集模块通过以应用程序展现癌症风险评估问卷的方式采集用户的个人信息数据
。
[0011]所述个人信息数据包括个人基础信息
、
生活习惯
、
健康史
、
家族史和体检结果
。
[0012]所述风险评估模块采用深度学习网络实现，所述深度学习网络包括：
[0013]特征提取单元，用于提取各个模态数据的时序数据特征；
[0014]多模态时序数据融合单元，用于采用混合注意力机制的数据融合算法，对各个模态数据的时序数据特征进行模态内及模态间的多角度融合，得到多模态融合数据；
[0015]多模态数据推理单元，用于采用全连接层对多模态融合数据进行分析，得出用户的癌症风险评估结果
。
[0016]所述归因分析模块包括：
[0017]全卷积网络层，用于将多模态融合数据的数据特征转化为同模态数据特征；
[0018]多模态数据神经网络层，用于将同模态数据特征进行数据特征融合，得出多模态数据的相关权重特征集；
[0019]混合注意力层，用于对多模态数据的相关权重特征集进行分析，得出最终归因结果
。
[0020]所述的基于人工智能算法模型的多癌种筛查管理平台还包括智能随访模块，用于将癌症风险评估结果为高风险的用户纳入随访管理体系，以进行线上和线下的跟踪随访
。
[0021]有益效果
[0022]由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术以基于人工智能算法模型的风险评估问卷为切入点，搭建了基于人工智能算法模型的癌症筛查管理平台
。
通过构建的智能风险评估模型和管理服务平台，可更及时及更精准地向被筛查者提供个性化风险因素和缓和因素建议，降低筛查的假阳性率及提高筛查依从性
。
附图说明
[0023]图1是本实施方式的基于人工智能算法模型的多癌种筛查管理平台的结构示意图；
[0024]图2是本实施方式中风险评估模块的结构示意图
。
具体实施方式
[0025]下面结合具体实施例，进一步阐述本专利技术
。
应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围
。
此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围
。
[0026]本专利技术的实施方式涉及一种基于人工智能算法模型的多癌种筛查管理平台，如图1所示，包括用户信息采集模块
、
风险评估模块
、
归因分析模块
、
个性化干预模块和智能随访模块
。
[0027]用户信息采集模块，用于获取用户的个人信息数据
。
本实施方式中的用户信息采集模块的表现形式可为移动端小程序或应用程序软件
(APP)
，通过癌症风险评估问卷录入用以采集被筛查者的个人基础信息
、
生活习惯
、
健康史
、
家族史
、
体检结果等相关信息
。
[0028]风险评估模块，用于将个人信息数据输入至基于深度学习的多模态数据融合模型，得到用户的癌症风险评估结果
。
[0029]通过移动端小程序或应用程序软件
(APP)
能够高效获得用户个人信息数据，同时
还能够关联到用户最近在的体检结果，从而进行多模态数据的联合推理
。
本实施方式的风险评估模块基于深度学习的多模态数据融合算法，使用多模态数据的融合技术对融合后的整体表示向量进行深度推理，其可以基于混合注意力机制的数据融合算法，对多模态数据进行模态内及模态间的多角度融合
。
针对癌症风险评估任务，提取高质量特征，用以构建可以有效评估结直肠癌风险的深度学习网络
。
[0030]如图2所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能算法模型的多癌种筛查管理平台，其特征在于，包括：用户信息采集模块，用于获取用户的个人信息数据；风险评估模块，用于将个人信息数据输入至基于深度学习的多模态数据融合模型，得到用户的癌症风险评估结果；归因分析模块，用于对多模态数据融合模型中得到的多模态融合数据进行分析，得出最终归因结果；个性化干预模块，用于根据用户的个人信息数据和癌症风险评估结果向用户推荐个性化诊疗方案
。2.
根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，所述用户信息采集模块通过以应用程序展现癌症风险评估问卷的方式采集用户的个人信息数据
。3.
根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，所述个人信息数据包括个人基础信息
、
生活习惯
、
健康史
、
家族史和体检结果
。4.
根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其...

【专利技术属性】
技术研发人员：刘浩翔，林钦雄，胡蝶，
申请(专利权)人：发小科技上海有限公司，
类型：发明
国别省市：