[发明专利]一种基于反事实的认知障碍数字药物效应评价方法

权利要求书

1.一种基于反事实的认知障碍数字药物效应评价系统，其特征在于，

至少包括：

干预治疗端(100)，被配置为至少能够用于对用户进行认知障碍相关的治疗/干预，并至少能够获取所述用户通过所述干预治疗端(100)所输入的输入数据；

配套设备(200)，被配置为至少能够采集所述用户使用所述干预治疗端(100)进行治疗/干预时所产生的与所述输入数据相对应的时序动作数据；

效应评价模块(300)，能够分别从所述干预治疗端(100)和配套设备(200)获取所述输入数据和与所输入数据相对应的时序动作数据；

其中，所述效应评价模块(300)被配置为能够基于反事实理论对所述输入数据和与所输入数据相对应的时序动作数据进行分析，以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告，和筛选出所述治疗/干预中的核心特征。

2.根据权利要求1所述的系统，其特征在于，所述效应评价模块(300)包括数据预处理子模块，

所述数据预处理子模块被配置为能够对所述干预治疗端所采集的所述输入数据和所述配套设备所采集的与输入数据相对应的时序动作数据进行预处理，以从所述输入数据和时序动作数据中筛选出与认知能力相关的特征数据。

3.根据权利要求2所述的系统，其特征在于，所述效应评价模块(300)还包括模型搭建子模块，

所述模型搭建子模块被配置为能够将所述数据预处理子模块预处理得到的特征数据作为模型变量以构建因果结构网络，并利用因果归纳算法识别所述因果结构网络中各模型变量之间的因果关系，以得到因果图模型。

4.根据权利要求3所述的系统，其特征在于，所述效应评价模块(300)还包括效应函数更新子模块，

所述效应函数更新子模块被配置为能够通过深度学习的方式对所述因果图模型进行数值优化，以实现所述因果图模型的精准化迭代。

5.根据权利要求4所述的系统，其特征在于，所述效应评价模块(300)还包括反事实评价子模块，

所述反事实评价子模块被配置为能够从所述数据预处理子模块预处理得到的特征数据中筛选出核心特征，并基于所述效应函数更新子模块所优化的因果图模型进行反事实计算，以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告。

6.根据权利要求5所述的系统，其特征在于，所述反事实评价子模块从所述数据预处理子模块预处理得到的特征数据中筛选出核心特征的方法为：

所述反事实评价子模块根据数据预处理子模块预处理得出的特征数据进行认知能力评估；

所述反事实评价子模块能够基于认知能力评估结果通过神经网络获取引起用户的认知能力发生变化的核心特征。

7.根据权利要求6所述的系统，其特征在于，反事实评价子模块基于所述效应函数更新子模块所优化的因果图模型进行反事实计算以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告的步骤为：

确定因果图模型中的各模型变量之间的权重/效应函数；

修改因果图模型；

使用修正后的因果图模型以及各模型变量之间的权重/效应函数，以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告。

8.根据权利要求7所述的系统，其特征在于，所述干预治疗端(100)还安装有或设置有分类模块(106)，所述分类模块(106)用于将所述干预治疗端(100)所获取的用户的输入数据进行分类和所述配套设备(200)所获取的用户的与所述输入数据相对应的时序动作数据分别进行分类，以使得所述输入数据与时序动作数据的各子类数据能够以细粒度的方式表征用户的认知能力。

9.一种基于反事实的认知障碍数字药物效应评价方法，其特征在于，所述方法包括：

干预治疗端(100)获取所述用户通过所述干预治疗端(100)所输入的输入数据；

配套设备(200)采集所述用户使用所述干预治疗端(100)进行治疗/干预时所产生的与所述输入数据相对应的时序动作数据。

10.根据权利要求9所述的方法，其特征在于，所述方法还包括：

效应评价模块(300)从所述干预治疗端(100)和配套设备(200)获取所述输入数据和与所输入数据相对应的时序动作数据；

所述效应评价模块(300)基于反事实理论对所述输入数据和与所输入数据相对应的时序动作数据进行分析以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告。