[发明专利]一种基于人工智能的重疾风险预测方法及系统

权利要求书

1.一种基于人工智能的重疾风险预测方法，其特征在于，所述重疾风险预测方法包括以下步骤：

确定预测模型、基础风险因子以及基础风险因子权重；

收集用户相关数据，并对数据进行处理；

根据基础风险因子基于神经网络算法优化风险因子和风险因子权重；

利用预测模型根据处理后的用户数据、优化的风险因子和风险因子权重进行重疾风险预测。

2.根据权利要求1所述的基于人工智能的重疾风险评估方法，其特征在于，所述确定预测模型及风险因子具体为：根据所要评估的疾病类型确定预测模型，根据所要评估的具体疾病确定基础风险因子和基础风险因子权重。

3.根据权利要求1所述的基于人工智能的重疾风险评估方法，其特征在于，所述收集用户相关数据，并对数据进行处理具体为：通过问卷和/或体检报告收集用户相关数据，并对数据进行结构化处理。

4.根据权利要求1所述的基于人工智能的重疾风险评估方法，其特征在于，所述根据基础风险因子基于神经网络算法优化风险因子和风险因子权重包括以下步骤：获取大量样本数据作为训练集；根据选择的基础风险因子确定训练集的数据特征并进行缩放；使用训练集对神经网络进行训练获取最佳支持向量机模型；根据最佳支持向量机模型获取最优的风险因子和风险因子权重。

5.根据权利要求4所述的基于人工智能的重疾风险评估方法，其特征在于，所述使用训练集对神经网络进行训练获取最佳支持向量机模型包括以下步骤：选择具体核函数；采用交叉验证法选定最佳惩罚因子和核函数半径；选用最佳惩罚因子和核函数半径，采用训练集中的不同数据特征和权重生成多个支持向量机模型；将模型预测结果与训练集中的实际情况比较，获取误差最小的支持向量机模型。

6.根据权利要求1所述的基于人工智能的重疾风险评估方法，其特征在于，所述利用预测模型根据处理后的用户数据、优化的风险因子和风险因子权重进行重疾风险预测包括以下步骤：预测模型计算用户数据中每个优化风险因子的风险值；汇总计算用户的个人相对风险分值；根据个人相对风险分值预测用户未来罹患疾病的概率。

7.根据权利要求6所述的基于人工智能的重疾风险评估方法，其特征在于，所述汇总计算用户的个人相对风险分值具体为：根据个人风险值与人均风险值的比值确定每个风险因子的相对风险分值；将每个风险因子的相对风险分值乘以对应的权重再汇总得到用户个人相对风险分值。

8.根据权利要求7所述的基于人工智能的重疾风险评估方法，其特征在于，所述根据个人相对风险分值预测用户未来罹患疾病的概率具体为：将个人相对风险分值除以人均相对风险分值得到对比值；根据用户的年龄，将对比值乘以seer系数预测用户未来罹患疾病的概率，所述seer系数为官方发布的指定年龄段特定疾病的发病概率。

9.一种基于人工智能的重疾风险预测系统，其特征在于，包括以下模块：

模型选择模块，用于确定选用的预测模型和风险因子；

数据收集模块，用于收集用户相关数据；

因子优化模块，用于优化风险因子和风险因子权重；

疾病预测模块，用于给出重疾风险预测。

10.根据权利要求9所述的基于人工智能的重疾风险预测系统，其特征在于，还包括数据处理模块，用于对用户相关数据进行结构化处理。