[发明专利]疑似传染病预测方法及装置

说明书

本发明是关于一种疑似传染病预测方法及装置，方法包括：从医疗数据库中获取所有患者的电子病历信息和检查报告信息；利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型；利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型；获取目标患者的电子病历信息和检查报告信息；使用二分类预测模型预测目标患者是否是疑似传染病；当预测目标患者是疑似传染病时，使用多分类预测模型预测疑似传染病的具体类型。

技术领域

本发明涉及传染病预测技术领域，尤其涉及一种疑似传染病预测方法及装置。

背景技术

传染病一直伴随着人类的发展，严重威胁着人类的健康。尽管医学研究一直在进步，但传染病仍然是世界范围内造成死亡、疾病、残疾和社会经济动荡的主要原因。早期诊断预测，准确选择诊疗方案，提前进行干预，可以极大地影响传染病的治疗效果和预防控制。中国对传染病实行分类管理，目前的法定报告传染病分为甲、乙、丙3类，加上2020年新增的COVID-19，共达40种之多。此外，还包括国家卫生健康委决定列入乙类、丙类传染病管理的其他传染病和按照甲类管理开展应急监测报告的其他传染病。针对不同类别传染病采用不同管理方式，甲类传染病需要在诊断2小时内报告至国家疾控中心，乙丙类需要在诊断的24小时内报告。传染病类型复杂，如何尽早做出准确的诊断是传染病防控过程中的重要环节。

目前将人工智能方法应用于疾病分类的研究较少，大多研究基于影像类数据，如X光、CT、核磁、心电图、超声等，Hannun等人使用深度神经网络来检测和分类动态心电图中的心脏病专家级心律失常，其结果显示了较好的分类精度（曲线下面积=0.97）。Attia等人测试了AI在心电图中的应用准确性，观察到的准确率为85.7%。Wildman Tobriner等人表明，采用AI方法优化的甲状腺成像报告和数据系统（TI-RADS）可以适度提高特异性和敏感性。LIYang等将神经网络应用于基于X光的股骨头坏死诊断上，根据神经网络学习图像特征角度变化确诊股骨头坏死，并推荐疾病分期。S Sathitratanacheewin等人设计了DCNN在美国国立卫生研究院临床中心National Institute of Health Clinical Centers和NationalLibrary of Medicine Shenzhen No.3 Hospital数据上，进行基于X光片的肺结节监测。基于不同AI算法的类似诊断工具在检测乳腺癌女性淋巴结转移、皮肤癌皮肤科级别分类、糖尿病视网膜病变和糖尿病黄斑水肿和阿尔茨海默病多类诊断方面具有良好的准确性。但现有适用于传染病的推荐诊断辅助决策研究较少，Rogachev等人使用了决策树与贝叶斯方法针对呼吸道感染疾病进行分类诊断，最终分类准确度为63.38%-70.68%。针对COVID-19，Govindaraj等人基于胸部CT图像数据，使用卷积神经网络进行特征提取与分类，尝试新冠肺炎分类模型结均达到90%以上。Rajpurkar P等人专门针对艾滋病患者的X光信息，采用深度学习，辅助提升艾滋病患者的肺结核确诊率，准确率可以达到79%，研究中数据仅有X光原始影像，缺少病历等重要的文本信息。虽然前期已有人员对传染病辅助诊断进行了探索，但在结合真实文本病历的研究方向上亟待探索，且当前研究普遍为基于影像数据的某一种传染病，尚缺乏对多种传染病同时有效的方法。

发明内容

为克服相关技术中存在的问题，本发明提供一种疑似传染病预测方法及装置。

根据本发明实施例的第一方面，提供一种疑似传染病预测方法，方法包括：

从医疗数据库中获取所有患者的电子病历信息和检查报告信息；

利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型；

利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型；

获取目标患者的电子病历信息和检查报告信息；