System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据预测,尤其涉及的是一种未来发病概率的预测方法、装置、终端及存储介质。
技术介绍
1、随着人工智能(artificial intelligence,ai)的技术和理论日益成熟,目前已存在能够根据用户数据对用户当前状态下的患病风险进行预测的疾病预测模型。然而现有的疾病预测模型无法对未来发病概率进行预测,导致模型的应用场景受限。
2、因此,现有技术还有待改进和发展。
技术实现思路
1、本专利技术要解决的技术问题在于,针对现有技术的上述缺陷,提供一种未来发病概率的预测方法、装置、终端及存储介质,旨在解决现有技术中的疾病预测模型无法对未来发病概率进行预测的问题。
2、本专利技术解决问题所采用的技术方案如下:
3、第一方面,本专利技术实施例提供一种未来发病概率的预测方法,所述方法包括:
4、获取目标用户的用户数据,其中,所述用户数据包括用于反映体征信息的影响因子数据;
5、获取已调优的疾病风险预测模型,将所述用户数据在若干时间节点的历史值输入所述已调优的疾病风险预测模型;
6、通过所述已调优的疾病风险预测模型根据输入的历史值,输出目标疾病在若干未来时间节点的预测发病概率。
7、在一种实施方式中,所述影响因子数据包括若干类影响因子,每一类影响因子包括若干指标。
8、在一种实施方式中,所述用户数据还包括消费行为数据。
9、在一种实施方式中,所述获取已调优的疾病风险预测模型,
10、采集若干用户的所述影响因子数据;
11、针对每一用户的所述影响因子数据,将该影响因子数据的若干在先时间节点的数值输入初始疾病风险预测模型,得到该影响因子数据的若干在后时间节点的预测发病概率;并获取各在后时间节点的真实发病概率,根据预测发病概率与真实发病概率计算该影响因子数据的预测误差值;
12、根据所述预测误差值对所述初始疾病风险预测模型进行调优,得到所述已调优的疾病风险预测模型。
13、在一种实施方式中,所述根据所述预测误差值对所述初始疾病风险预测模型进行调优,包括:
14、若所述预测误差值的拟合值不满足预设要求,则根据所述预测误差值筛选出对应的所述影响因子数据,根据筛选出的所述影响因子数据对所述初始疾病风险预测模型进行重训,直至所述预测误差值的拟合值满足预设要求,则停止调优。
15、在一种实施方式中,所述根据筛选出的所述影响因子数据对所述初始疾病风险预测模型进行重训,包括:
16、对筛选出的所述影响因子数据进行调整,其中,调整方式包括所述影响因子数据中影响因子的类别调整;
17、将调整后的所述影响因子数据输入所述初始疾病风险预测模型进行重训。
18、在一种实施方式中,所述方法还包括:
19、根据所述疾病风险预测模型输出的预测发病概率,确定目标疾病;
20、根据所述目标疾病从所述目标用户的所述用户数据中筛选出关联指标,其中,针对每一所述关联指标,将删除该关联指标对应的历史值后的所述用户数据重新输入所述已调优的疾病风险预测模型;计算删除该关联指标对应的历史值前后对应的预测发病概率的差值,判断该关联指标是否为所述目标疾病的关联指标;
21、根据所述目标疾病的关联指标,生成所述目标用户的健康管理方案。
22、在一种实施方式中,所述目标疾病的关联指标包括所述目标疾病的风险因素,所述方法还包括:
23、针对每一所述目标疾病的风险因素,修改所述风险因素在所述用户数据中的历史值,并使所述已调优的疾病风险预测模型基于修改后的风险因素的历史值对应的所述用户数据重新计算所述目标疾病的预测发病概率;
24、计算所述风险因素的历史值修改前后对应的所述目标疾病的预测发病概率的差值,确定该风险因素对所述目标疾病的风险影响。
25、在一种实施方式中,所述影响因子数据中的影响因子包括体检信息,所述体检信息的指标包括体检项目;所述健康管理方案包括体检方案,所述根据所述目标疾病的关联指标,生成所述目标用户的健康管理方案,包括:
26、根据所述目标疾病的关联指标中包含的体检项目确定目标体检项目;
27、根据所述目标体检项目生成所述目标用户的体检方案。
28、在一种实施方式中,所述健康管理方案包括健康改进建议,所述根据所述目标疾病的关联指标,生成所述目标用户的健康管理方案,包括:
29、对所述目标用户在不同时间节点的所述目标疾病的关联指标进行聚合,得到第一聚合结果;并对与所述目标用户具有关联关系的若干用户在同一时间节点的消费行为数据进行聚合,得到第二聚合结果,其中,所述关联关系基于所述消费行为数据确定;
30、根据所述目标疾病的风险因素、所述第一聚合结果以及所述第二聚合结果,生成所述目标用户的健康改进建议。
31、在一种实施方式中,所述方法还包括:
32、根据所述目标用户在各未来时间节点的所述目标疾病的预测发病概率,生成所述目标用户对应的保险套餐推荐方案。
33、第二方面,本专利技术实施例还提供一种未来发病概率的预测装置,所述装置包括:
34、获取模块,用于获取目标用户的用户数据,其中,所述用户数据包括用于反映体征信息的影响因子数据;
35、输入模块,用于获取已调优的疾病风险预测模型,将所述用户数据在若干时间节点的历史值输入所述已调优的疾病风险预测模型;
36、输出模块,用于通过所述已调优的疾病风险预测模型根据输入的历史值,输出目标疾病在若干未来时间节点的预测发病概率。
37、第三方面,本专利技术实施例还提供一种终端,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如上述任一所述的未来发病概率的预测方法的指令;所述处理器用于执行所述程序。
38、第四方面,本专利技术实施例还提供一种计算机可读存储介质,其上存储有多条指令,所述指令适用于由处理器加载并执行,以实现上述任一所述的未来发病概率的预测方法的步骤。
39、本专利技术的有益效果:本专利技术实施例通过已调优的疾病风险预测模型对用户数据在多个时间节点的历史值进行分析,可以准确地预测用户在多个未来时间节点时目标疾病的发病概率。通过预测未来发病概率,可以更精准地为客户推荐更合适的保险产品和增值服务,为客户提供长期有效的保障,提高风险保障的性价比。
本文档来自技高网...【技术保护点】
1.一种未来发病概率的预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的未来发病概率的预测方法,其特征在于,所述影响因子数据包括若干类影响因子,每一类影响因子包括若干指标。
3.根据权利要求1所述的未来发病概率的预测方法,其特征在于,所述用户数据还包括消费行为数据。
4.根据权利要求1或3所述的未来发病概率的预测方法,其特征在于,所述获取已调优的疾病风险预测模型,包括:
5.根据权利要求4所述的未来发病概率的预测方法,其特征在于,所述根据所述预测误差值对所述初始疾病风险预测模型进行调优,包括:
6.根据权利要求5所述的未来发病概率的预测方法,其特征在于,所述根据筛选出的所述影响因子数据对所述初始疾病风险预测模型进行重训,包括:
7.根据权利要求1或3所述的未来发病概率的预测方法,其特征在于,所述方法还包括:
8.根据权利要求7所述的未来发病概率的预测方法,其特征在于,所述目标疾病的关联指标包括所述目标疾病的风险因素,所述方法还包括:
9.根据权利要求8所述的未来发病概率的预
10.根据权利要求8所述的未来发病概率的预测方法,其特征在于,所述健康管理方案包括健康改进建议,所述根据所述目标疾病的关联指标,生成所述目标用户的健康管理方案,包括:
11.根据权利要求1所述的未来发病概率的预测方法,其特征在于,所述方法还包括:
12.一种未来发病概率的预测装置,其特征在于,所述装置包括:
13.一种终端,其特征在于,所述终端包括有存储器和一个以上处理器;所述存储器存储有一个以上的程序;所述程序包含用于执行如权利要求1-11中任一所述的未来发病概率的预测方法的指令;所述处理器用于执行所述程序。
14.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求1-11任一所述的未来发病概率的预测方法的步骤。
...【技术特征摘要】
1.一种未来发病概率的预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的未来发病概率的预测方法,其特征在于,所述影响因子数据包括若干类影响因子,每一类影响因子包括若干指标。
3.根据权利要求1所述的未来发病概率的预测方法,其特征在于,所述用户数据还包括消费行为数据。
4.根据权利要求1或3所述的未来发病概率的预测方法,其特征在于,所述获取已调优的疾病风险预测模型,包括:
5.根据权利要求4所述的未来发病概率的预测方法,其特征在于,所述根据所述预测误差值对所述初始疾病风险预测模型进行调优,包括:
6.根据权利要求5所述的未来发病概率的预测方法,其特征在于,所述根据筛选出的所述影响因子数据对所述初始疾病风险预测模型进行重训,包括:
7.根据权利要求1或3所述的未来发病概率的预测方法,其特征在于,所述方法还包括:
8.根据权利要求7所述的未来发病概率的预测方法,其特征在于,所述目标疾病的关联指标包括所述目标疾病的风险因素,所述方法还包括:
9.根据权利...
【专利技术属性】
技术研发人员:宋思宇,谢育涛,
申请(专利权)人:粤港澳大湾区数字经济研究院福田,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。