[发明专利]疾病预后风险预测模型训练方法、装置及电子设备

权利要求书

1.一种疾病预后风险预测模型训练方法，其特征在于，所述方法包括：

基于患者的健康档案构建训练集；

基于训练集中各样本的特征为粒度对基于树的模型进行训练；

根据所述基于树的模型的路径确定风险规则，每个所述风险规则包括至少两个维度的特征；

基于所述风险规则和所述训练集中各样本的特征，对疾病预后风险预测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于医学参数对每个所述风险规则进行医学知识挖掘，得到特征与疾病预后风险的关系。

3.根据权利要求2所述的方法，其特征在于，所述基于医学参数对每个所述风险规则进行医学知识挖掘，得到特征与疾病预后风险的关系包括：

确定所述医学参数包括的患者第一预设时间内的死亡比例、医疗有效性、风险规则的重要性和风险规则的系数满足第一条件，则所述医学参数对应的风险规则包括的特征对应的疾病预后风险为高风险。

4.根据权利要求3所述的方法，其特征在于，所述第一条件包括：

患者第一预设时间内的死亡比例大于第一阈值、确定医疗有效性小于第二阈值、风险规则的重要性大于第三阈值、且风险规则的系数大于第四阈值。

5.根据权利要求2所述的方法，其特征在于，所述基于医学参数对每个所述风险规则进行医学知识挖掘，得到特征与疾病预后风险的关系包括：

确定所述医学参数包括的患者第一预设时间内的死亡比例、医疗有效性、风险规则的重要性和风险规则的系数满足第二条件，则所述医学参数对应的风险规则包括的特征对应的疾病预后风险为低风险。

6.根据权利要求5所述的方法，其特征在于，所述第二条件不满足下述中的至少一项：

患者第一预设时间内的死亡比例大于第一阈值、确定医疗有效性小于第二阈值、风险规则的重要性大于第三阈值和风险规则的系数大于第四阈值。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

对所述根据所述基于树的模型确定的风险规则进行规则剪枝，得到用于对疾病预后风险预测模型进行训练的风险规则。

8.根据权利要求7所述的方法，其特征在于，所述对所述根据所述基于树的模型确定的风险规则进行规则剪枝，包括：

遍历所述根据所述基于树的模型确定的风险规则，计算每个所述风险规则对应的患者数和患者死亡人数；

基于所述患者数和所述患者死亡人数，确定所述患者第一预设时间内的死亡比例、医疗有效性、风险规则的重要性和风险规则的系数；

基于所述患者第一预设时间内的死亡比例、医疗有效性、风险规则的重要性和风险规则的系数，对所述根据所述基于树的模型确定的风险规则进行剪枝。

9.根据权利要求1至6任一项所述的方法，其特征在于，所述基于所述风险规则和所述训练集中各样本的特征，对疾病预后风险预测模型进行训练包括：

将所述风险规则和所述训练集中各样本的特征输入所述疾病预后风险预测模型，得到所述疾病预后风险预测模型输出的疾病预后风险预测结果；

确定所述疾病预后风险预测结果与疾病真实风险的差异；

基于所述差异调整所述疾病预后风险预测模型的参数。

10.一种疾病预后风险预测方法，其特征在于，所述方法包括：

基于患者的健康档案，确定所述患者对应的风险规则，每个所述风险规则包括至少两个维度的特征；

基于所述患者对应的风险规则和所述患者的健康档案，确定所述患者的疾病预后风险。