[发明专利]一种基于人工智能的重疾风险预测方法及系统

说明书

本发明公开了一种基于人工智能的重疾风险预测方法及系统，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；所述重疾风险预测系统包括以下模块：模型选择模块，数据收集模块，因子优化模块，预测模块。本发明基于国外现有的成熟算法，结合人工智能学习，通过神经网络算法智能调整风险因子的权重，随着数据的不断积累，更适用于国内人群现状，对国内人群的疾病风险预测更加精准。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人工智能的重疾风险预测方法及系统。

背景技术

健康风险评估(health risk appraisal,HRA)是管理式医疗中重要的一环，用于评估某一个体未来发生某种特定疾病的可能性，这种分析过程目的在于估计特性时间发生的可能性，而不在于做出明确的诊断。健康风险评估通过自愿性的调查问卷形式了解用户在健康方面的相关生活习惯，根据评估结果将用户的各种风险因素进行归类，并提供降低这些风险的合理建议，推荐一些有助于改变不良生活习惯的方法或措施。目前常见的风险评估方法有两种，第一种是建立在单一危险因素及发病率的基础上，讲这些单一因素与发病率的关系以相对危险性来表示强度，得到的各相关因素的加权分数即为患者的危险性。第二种是建立在多因素数理分析基础上，即采用统计学概率理论的方法来得出患病危险性与危险因素之间的关系模型。这种方法的典型代表是Framingham的冠心病模型，他是在前瞻性研究的基础上建立的，因而被广泛应用。随着当前各大保险公司都在构建HMO体系，健康风险评估也越来越被重视，但是由于在国内起步较晚，缺乏有效数据积累及理论性研究，导致目前市面上基本没有有效的评估模型。而由于中美两国在人种、流行病学、经济、社会环境等各方面存在着差异，导致国外成熟的评估模型无法直接被国内使用。

发明内容

鉴于目前存在的上述不足，本发明提供一种基于人工智能的重疾风险预测方法及系统，智能调整风险因子的权重，随着数据的不断积累，形成适用于国内人群现状的疾病风险预测模型。

为达到上述目的，本发明的实施例采用如下技术方案：

一种基于人工智能的重疾风险预测方法，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。

依照本发明的一个方面，所述确定预测模型、基础风险因子以及基础风险因子权重具体为：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。

依照本发明的一个方面，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。

依照本发明的一个方面，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。

依照本发明的一个方面，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。