[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

说明书

本发明公开一种基于因果网络不确定性推理的疾病预测预警系统，通过构建稳健的、具备不确定性因果推理功能的多慢病一体化因果网络医学图脑模型，且经多疾病模型融合后，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；实现多慢病一体化联动在线实时智能预测预警和个性化干预决策，实现区域性、大规模的人群癌症筛查与慢病风险评估，基于动态三维可视化技术，实现推理过程的可视化。

技术领域

本发明涉及慢性病疾病预测技术领域，特别是涉及一种基于因果网络不确定性推理的疾病预测预警系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

根据常见定义，慢性疾病是指“持续一年或一年以上且需要持续医疗护理、限制日常生活活动或两者兼而有之的状况”，如包括肺癌、胃癌、肝癌、结直肠癌、食管癌、高血压、中风、冠心病、糖尿病等典型慢性病。

在慢性病的预防及诊疗干预的智慧健康过程中，尽管已有众多疾病预测预警模型和干预决策支持系统，但由于存在如下局限性，尚难以实现在缺失及稀疏数据的环境下，进行实时在线智能预测预警和个性化干预决策支持。

(1)目前一些基于贝叶斯网络所构建的预测模型，仅局限于关联关系，缺乏因果证据的支撑，因此，使得其预测结果不稳健，干预策略难以泛化。

(2)在面对多源异构高噪稀疏的健康医疗大数据时，目前存在的基于回归模型和深度学习模型而构建的预测预警模型，由于缺乏在高度缺失和稀疏数据背景下的不确定性推理功能，所以无法实现多病联动在线实时预测预警和个性化干预方案推理支持。

(3)虽然基于深度神经网络模型等深度学习算法可以实现较高效率的预测预警，但预测模型可解释性差，因而难以针对预测因子的干预进行个性化干预决策支持。

(4)基于深度神经网络等所构建的预测模型，其推理过程是一个黑箱，这使得医生无法通过可视化直观理解模型的推理过程，那么后续也就无法在模型的指导下精准制定个性化干预措施。

发明内容

为了解决上述问题，本发明提出了一种基于因果网络不确定性推理的疾病预测预警系统，构建具备不确定性因果推理功能的因果网络医学图脑模型，实现多慢病一体化联动在线实时智能预测预警和个性化干预决策，实现区域性、大规模的人群癌症筛查与慢病风险评估，基于动态三维可视化技术，实现推理过程的可视化。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于因果网络不确定性推理的疾病预测预警系统，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。