[发明专利]基于CGM的结果病情预测系统及其预测方法

权利要求书

1.基于CGM的结果病情预测系统，其特征在于，包括：

病历统计数据库，所述病历统计数据库对高血糖患者发病的病历信息进行采集，生成病历统计表；

病情发展分析模块，所述病情发展分析模块通过病历统计表进行深度学习训练，对被检测患者在预设天数内的高血糖发病信息数据进行分析，建立病情发展基础模型并持续更新，通过收集预设天数内患者基础信息对病情发展基础模型进行延展预测，生成预测参数，其中，所述预测参数包括：发病时间间隔预测量、发病时的血糖预测值、注入胰岛素剂量预测值，根据预测参数生成病情发展预测模型；

所述高血糖发病信息数据包括：预设天数范围内患者注入胰岛素后的发病时间间隔、发病时的血糖值、注入胰岛素剂量值；

其中，所述高血糖发病信息数据为基于检测患者前一天的发病情况进行总结获得；

调整模块，所述调整模块对预设天数内，患者基础信息中波动大的元素与当日出现高血糖发病信息数据中某一项或数项有大波动的元素关联；分析患者基础信息中影响高血糖发病信息的元素发展曲线；对患者基础信息中影响高血糖发病信息的元素上调预测参考比例；根据持续更新的病情发展基础模型与病情发展预测模型之间的差值，对病情发展预测模型的预测逻辑进行调整；

所述患者基础信息包括：患者每日BMI系数、每日糖分摄入量、每日酒精摄入量、每日运动总量、每日情绪波动情况及每日睡眠时长，

其中，所述患者基础信息基于被检测患者前一天的数据的采集获取。

2.根据权利要求1所述的基于CGM的结果病情预测系统，其特征在于，还包括智能随身终端，所述智能随身终端用于获取调整模块接收到持续收集被检测患者的高血糖发病信息数据、持续更新的患者基础信息以及进行预测逻辑调整后的病情发展预测模型；智能随身终端还用于采集患者的进食时的图片信息，并且根据图片信息判断患者进食时的食品的种类，并根据食品的种类生成对血糖的第一预测结果，然后采集进食过程声音信息判断用户进食顺序信息，根据进食顺序信息对第一预测结果修正预测逻辑，并根据修正后的预测逻辑得到患者本次进食后血糖预测结果。

3.根据权利要求1所述的基于CGM的结果病情预测系统，其特征在于，所述病历信息包括：预设天数范围内患者的高血糖发病次数、血糖检测值及胰岛素注入量，所述病历信息为医院病历数据库中保持的患者治疗期间的病历数据。

4.根据权利要求1所述的基于CGM的结果病情预测系统，其特征在于，所述病情发展基础模型基于被检测患者在过去预设天数范围内获取的高血糖发病信息数据建立，

其中所述高血糖发病信息数据以天为单位进行更新，所述病情发展分析模块根据最新的病情发展分析模块在预设天数范围内的数据对病情发展基础模型数据进行更新。

5.根据权利要求1所述的基于CGM的结果病情预测系统，其特征在于，所述在预设天数内的被检测患者高血糖发病信息数据与患者基础信息一一对应。

6.一种权利要求1-5任意一项所述的基于CGM的结果病情预测系统的预测方法，其特征在于，包括以下步骤：

S1、对高血糖患者发病的病历信息进行采集，生成病历统计表；

S2、对被检测患者在预设天数内的高血糖发病信息数据进行分析，建立病情发展基础模型并持续更新；

S3、通过收集预设天数内患者基础信息对病情发展基础模型进行延展预测，生成病情发展预测模型；

S4、根据持续收集被检测患者的高血糖发病信息数据及持续更新的患者基础信息，对病情发展预测模型进行预测逻辑调整。

7.根据权利要求6所述的方法，其特征在于，所述步骤S4包括：

S401、对预设天数内，患者基础信息中波动大的元素与当日出现高血糖发病信息数据中某一项或数项有大波动的元素关联；

S402、分析患者基础信息中影响高血糖发病信息的元素发展曲线；

S403、对患者基础信息中影响高血糖发病信息的元素上调预测参考比例；

S404、根据持续更新的病情发展基础模型与病情发展预测模型之间的差值，对病情发展预测模型的预测逻辑进行调整。