[发明专利]心脑血管患者相似性分析方法及系统

摘要

本发明提供了一种心脑血管患者相似性分析方法及系统，该方法包括以下步骤步骤一，问题定义，心脑血管患者问题定义，步骤二，数据采集，采集心脑血管患者的健康医疗数据，步骤三，数据预处理，包括数据集成、数据清洗、缺失值处理、特征删除以及去异常点，步骤四，特征工程，包括特征构造和特征选择、特征处理、步骤五，患者聚类建模，步骤六，诊疗方案推荐。本发明建立有效地心脑血管患者相似性分析模型，临床医生通过患者特征就能得到给定患者的相似人群，然后推荐个性化治疗方案，以达到精准医疗的目的，能够很好的对中国人群心脑血管疾病患者进行基于相似性分析的人群分组，尽早针对不同的风险人群进行有针对性的个性化康复治疗。

主权项

一种心脑血管患者相似性分析方法，其特征在于，其包括以下步骤：步骤一，问题定义，基于历史数据对心脑血管患者进行细化分群，研究特定治疗手段对特定人群治疗结局的影响，并针对个体患者推荐个性化治疗方案，将帮助临床医生更精准地认识目标患者的病情以及治疗手段所带来的预后效果，从而有效地实现个性化精准医疗；步骤二，数据采集，针对目标人群,从相关信息系统收集观察期窗口内的患者医疗健康数据及预后结局数据，所采集的数据包括：康复科门诊数据、康复科治疗室数据、神内/神外门诊数据、神内/神外住院数据、康复科住院数据、脑卒中筛查门诊数据，这些数据涉及的内容涵盖有患者基本信息、病历或电子病历、检测检验、影像、诊断、处方、治疗、评估表数据；步骤三，数据预处理，所采集的数据类型多种多样，包括：选择项、日期时间、数值型、字符型以及是否型数据，针对不同数据类型需要采取不同处理方法进行针对性数据预处理；步骤四，特征工程，患者数据来自多个临床数据库，涉及患者个体生理信息、历史诊疗信息、病情信息，在使用机器学习技术建模学习数据之前，首先需要使用特定领域知识以及统计学习方法来提取或组合变化得到的各属性数据，从而生成有效的特征数据；步骤五，基于相似性的患者聚类建模，采用基于划分的聚类算法，即k‑均值算法进行患者的聚类建模，其中通过夹角余弦来度量患者之间的相似性；步骤六，诊疗方案推荐，当患者问诊时，结合问诊患者的个体特征和病患群体特征，采用基于相似性计算的群组定向技术，为问诊患者找到最相近历史病患群组，抽取出该群组内病患的主体诊疗方案作为首选诊疗方案推荐给问诊患者。