[发明专利]一种慢病智能化管理方法及系统

说明书

本发明公开了一种慢病智能化管理方法及系统，包括以下步骤：步骤S1、患者端获取目标患者的历史病情表征数据，并利用LSTM神经网络基于历史病情表征数据构建病情预测模型以预测目标患者的未来病情表征数据，再基于未来病情表征数据量化出目标患者的未来病情波动程度；步骤S2、患者端将所述未来病情波动程度同步传输至医疗端。本发明通过设置患者端对目标患者量化出目标患者的未来病情波动程度，以及依据未来病情处置意见及未来病情随访时间监督患者服药和复诊，医疗端评估目标患者的所述未来病情波动程度，以根据病情变化预见性实现对目标患者病情的处置意见和随访时间的预见性调整来保障目标患者的病情稳定。

技术领域

本发明涉及物疾病管理技术领域，具体涉及一种慢病智能化管理方法及 系统。

背景技术

慢病管理现状的医疗方面：患者可能辗转于不同医院、不同医生就诊。 患者对既往诊治情况描述不清，医生对患者既往信息把握不全面，在治疗意 见及治疗追踪上缺少有力的干预，可能导致治疗延误或治疗偏差的情况。

慢病管理现状的患者方面：长期用药患者治疗依从性差，治疗不及时或 治疗中断时有发生，同时也可能存在因治疗周期不同导致再治疗时间混淆的 情况(如一个乳腺癌患者可能在维持治疗中需要长期靶向治疗及内分泌治疗， 而靶向治疗周期为3周，内分泌治疗中LHRH激动剂治疗周期为4周，口服 内分泌药物可能为一天两次或一天一次)。患者也可能存在用药后不及时随访 复查，以至于病情变化而治疗未变的情况，直接导致患者疾病进展，预期生 存缩短。

发明内容

本发明的目的在于提供一种慢病智能化管理方法及系统，以解决现有技 术中病患信息监管不全，慢病治疗患者依从性和医治及时性差的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种慢病智能化管理方法，包括以下步骤：

步骤S1、患者端获取目标患者的历史病情表征数据，并利用LSTM神经 网络基于历史病情表征数据构建病情预测模型以预测目标患者的未来病情表 征数据，再基于未来病情表征数据量化出目标患者的未来病情波动程度；

步骤S2、患者端将所述未来病情波动程度同步传输至医疗端；

步骤S3、医疗端评估目标患者的所述未来病情波动程度，并基于历史病 情表征数据和历史病情处理意见构建意见辅助模型，其中，

当所述未来病情波动程度超过病情波动程度阈值的目标患者，则将目标 患者的未来病情表征数据反馈给目标医生，再基于意见辅助模型和未来病情 波动程度辅助目标医生制定未来病情处置意见及未来病情随访时间；

当所述未来病情波动程度超过病情波动程度阈值的目标患者，则将目标 患者的历史病情处理意见及历史病情随访时间制定为未来病情处置意见及未 来病情随访时间；

步骤S4、医疗端将所述未来病情处置意见及未来病情随访时间同步传输 至患者端，患者端依据未来病情处置意见及未来病情随访时间监督患者服药 和复诊，以根据病情变化预见性实现对目标患者病情的处置意见和随访时间 的预见性调整来保障目标患者的病情稳定。

作为本发明的一种优选方案，所述利用LSTM神经网络基于历史病情表 征数据构建病情预测模型以预测目标患者的未来病情表征数据，包括：

将历史病情表征数据中每个时序的病情表征数据量化为第一训练序列， 所述第一训练序列为其中，分别表征为历史病情表征数据中位于时序t_i、t_i+k处的病情表征数据，t_i、t_i+k分别表征为历史病情表征数据中的第i、i+k个时序，k∈[1,n-i]，n表征为历史病情表征数据中的时序总数目，k、i为计量常数，input、out分别表征为第一训练序列的输入项和输出项标识符；