[发明专利]一种基于因果网络不确定性推理的疾病预测预警系统

权利要求书

1.一种基于因果网络不确定性推理的疾病预测预警系统，其特征在于，包括：

知识图谱构建模块，被配置为构建多慢病一体化的循证医学概念知识图谱；

数据获取模块，被配置为获取多慢病一体化的相关危险因素；

因果网络构建模块，被配置为：

基于循证医学概念知识图谱，对获取的相关危险因素两两进行双向孟德尔随机化，得到边际因果图；采用深度优先搜索算法寻找边际因果图的因果拓扑序，基于因果拓扑序对边际因果图中的每条边进行多元孟德尔随机化，去掉虚假直接边，得到条件因果图；

以条件因果图作为下一次迭代的边际因果图，重复上述步骤，直至迭代停止，得到循证因果网络图；

一体化模型构建模块，被配置为基于循证因果网络图，进行单因素回归和多因素回归的变量筛选，得到触发危险因素，并构建多慢病一体化的因果网络医学图脑模型；

预测模块，被配置为获取受试者的生物特征，采用多慢病一体化的因果网络医学图脑模型，得到多慢病患病风险的排序结果，且在患病推断过程中，对涉及到的患病影响因素进行分类，并根据分类结果进行三维分层显示。

2.如权利要求1所述的一种基于因果网络不确定性推理的疾病预测预警系统，其特征在于，对边际因果图中的任意一条边X_p→X_q，定义充分调整集合为使用两样本孟德尔随机化，将X_q的直接因果效应对X_p的直接因果效应做加权回归，调整的直接因果效应。

3.如权利要求2所述的一种基于因果网络不确定性推理的疾病预测预警系统，其特征在于，对于边际因果图中的任意一条边X_p→X_q，充分调整集合的调整策略包括：

(1)X_p到X_q之间所有通路上的点集合；

(2)X_p到X_q之间的最小充分调整集合与所有中介集合的并集；

(3)V\{X_p,X_q,S^d}，为边际因果图中除边所对应的两变量(X_p,X_q)以及碰撞点S^d之外的所有变量，S^d表示同时直接指向X_p和X_q的碰撞点。

4.如权利要求2所述的一种基于因果网络不确定性推理的疾病预测预警系统，其特征在于，去掉虚假直接边的过程包括：对于边际因果图中的任意一条边X_p→X_q，如果存在一个充分调整集合使得条件独立性成立，则将边X_p→X_q移除。

5.如权利要求1所述的一种基于因果网络不确定性推理的疾病预测预警系统，其特征在于，对多慢病一体化的因果网络医学图脑模型的随机变量进行分类层级的划分，具体为L＝{l₁,l₂,l₃,l₄,l₅}，权重分配为：w(l₁)w(l₂)w(l₃)w(l₄)w(l₅)；其中l₁为遗传因子、l₂为初始因子、l₃为中间因子、l₄为触发因子、l₅为疾病标签。

6.如权利要求5所述的一种基于因果网络不确定性推理的疾病预测预警系统，其特征在于，在疾病推断过程中，对涉及到的患病影响因素按遗传因子、初始因子、中间因子、触发因子、疾病标签的层次顺序，在三维空间的Y轴坐标自上而下分层布局，且依次高亮显示。