一种妇科肿瘤疾病风险预测可视化系统的制作方法

本发明属于医疗大数据处理技术领域，尤其涉及一种妇科肿瘤疾病风险预测可视化系统。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

妇科肿瘤疾病包括卵巢癌、宫颈癌、乳腺癌、子宫内膜癌等，目前临床上用于妇科风险预测的指标有几种，如卵巢癌的预测，癌抗原ca125是最为常用的监测卵巢癌的肿瘤标志物，ca125存在于上皮性妇科组织和病人的血清中，主要用于辅助诊断恶性浆液性卵巢癌，上皮性卵巢癌，同时也是卵巢癌术后、化疗后疗效观察的指标。但是，发明人发现ca125对于早期卵巢癌监测并不敏感。另一种指标人附睾蛋白4(he4)在卵巢癌组织和患者血清中呈高表达，而在卵巢正常组织或良性肿瘤中低表达或不表达，但是发明人发现该方法，在运用到大规模检测血清标本时遇到了质量控制、样本准备等问题；以及在与ca125进行联合检测时存在临界值的界定及与ca125联合应用两者界定的问题。

再者，构建预测模型时，常用的有gail模型和claus模型，如对乳腺癌的预测，gail模型是全球首个乳腺癌风险预测模型，其纳入了四个危险因素：初潮年龄、先前的乳房活组织检查次数、首次活产年龄及患有乳腺癌的一级亲属(母亲或姐妹)的数量。但由于该模型是依据美国白人建立的，因此可能具有种族局限性；另外，gail模型hia忽略了一级亲属诊断乳腺癌的年龄、二级亲属患乳腺癌的情况以及乳腺癌的家族史等。

claus模型主要用来评估有乳腺癌家族史的女性，该模型纳入的危险因素由年龄、患乳腺癌的亲属数量以及发病年龄，但该模型并不适用于没有乳腺癌家族史的女性，且在其他种族的应用也有待进一步验证。

综上，目前极少数建立妇科风险预测模型，而且模型建立所采用的指标主要凭借临床经验、已有的公开文献等手段获取，这些指标的选取具有很强的主观性，针对特定人群建立的现有的模型不具备普适性；同时上述根据标记物对妇科的诊断，或通过提取相关的病理图像进行图像识别诊断的方法都是对是否患妇科的诊断，但是在发病前期，正常人在正常的体检过程中，仅通过上述方法并不能发现潜在的发病几率，或者某一项体检指标异常并不能有效诊断是否存在发病几率。

其次，对于诊断结果，目前大多是以纸质版体检报告的形式供用户查看，或利用电子表格的形式，将诊断过程的各项指标在表格中呈现；以表格的形式呈现数据，静态的数据形式使用户的体检降低，缺乏直观性，数据可视化可实现动态显示；另外无法直观显示各个指标之间的数据关系，未推广使用预测结果的可视化技术。

另外，在保险领域，根据年龄、性别因素对客户进行保费厘定，定价上单一，不具有个体针对性；而且，在传统保险行业中，对用户进行健康评估的风险模型是基于行业传统经验构建的，既无法精准获取、评估客户健康信息，也无法实时更新，并且无法排除虚假信息，在面向客户的保险产品设计上存在定价单一、简易核保等问题。

技术实现要素：

为克服上述现有技术的不足，本发明提供了一种妇科肿瘤疾病风险预测可视化系统，根据被测者的生理指标，预测患妇科的概率，并且能够直观了解该概率值由哪几项指标决定的，同时结合对诊断报告结果的可视化，直观显示各个指标之间的数据关系。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种妇科肿瘤疾病风险预测可视化系统，包括：

风险预测模型构建模块，在病例中获取相关疾病变量，与妇科肿瘤事件发生进行相关性分析，筛选得到危险因素；基于筛选的危险因素构建妇科肿瘤疾病风险预测模型；

妇科肿瘤疾病概率预测模块，接收发病风险预测请求，调取相关历史疾病数据队列，基于妇科预测模型获取妇科发病概率预测结果；

健康报告生成模块，根据妇科肿瘤疾病发病概率预测结果、获取的用户生理指标信息、与该用户相关的危险因素及危险因素的贡献率生成可视化报告。

在更多实施例中，提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成以下步骤：

在妇科肿瘤病例中获取相关疾病变量，与肿瘤事件进行相关性分析，筛选得到危险因素；基于筛选的危险因素构建妇科肿瘤疾病风险预测模型；

接收发病风险预测请求，调取相关历史疾病数据队列，基于预测模型获取妇科肿瘤疾病发病概率预测结果；

根据妇科肿瘤疾病发病概率预测结果、获取的用户生理指标信息、与该用户相关的危险因素及危险因素的贡献率生成可视化报告。

在更多实施例中，提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成以下步骤：

在妇科肿瘤病例中获取妇科肿瘤疾病相关变量，与妇科肿瘤事件进行相关性分析，筛选得到危险因素；基于筛选的危险因素构建妇科肿瘤疾病风险预测模型；

接收发病风险预测请求，调取相关历史疾病数据队列，基于预测模型获取妇科肿瘤疾病发病概率预测结果；

根据妇科肿瘤疾病发病概率预测结果、获取的用户生理指标信息、与该用户相关的危险因素及危险因素的贡献率生成可视化报告。

以上一个或多个技术方案存在以下有益效果：

本发明采用数据的可视化，使用图表总结复杂的数据，确保用户能够清晰、直观的理解数据关系，使用大数据可视化的工具报告就可以使用简短的图形体现复杂信息，甚至单个图形也能做到，通过交互元素以及类似于热图、fevercharts等新的可视化工具，解释各种不同的数据关系。

在保险领域的应用上，保险公司能够根据系统输出的被保险人疾病风险，进行传统保险核保手段的补充和支持，精准阻断高风险客群的同时，提升人工核保效率。同时基于人群的疾病风险预测结果，也能为保险公司未来设计保险产品提供更精准的疾病发生率数据，使得针对不同个体健康水平的差异化费率保险产品设计成为可能，让客户享受到更为合理的费率，更为全面的保险保障，同时支持保险公司健康保险产品创新，吸引更多优质客户。

本发明的妇科肿瘤疾病预测模型基于与疾病相关的危险因素，而非以标记物或图像处理的方法，而现有模型并未考虑到疾病危险因素的影响，而且不能以正常的生理指标发现潜在的发病几率，或者基于某一项体检指标的异常无法有效诊断是否存在发病几率。本发明基于疾病危险因素建模，便于发现高危个体，及早进行干预或治疗，提高生活质量，预测模型的预测能力和检验效度均较高，有一定实际指导意义。

本发明基于疾病大数据队列，采用相关性分析等数据挖掘方法充分挖掘了与妇科相关的危险因素，很大程度上弥补了仅进行人工筛选的主观性；并且，在疾病大数据的支撑下，保证了危险因素不被遗漏，且保证了后续预测模型的通用性。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例1提供的妇科风险预测可视化系统功能架构图；

图2为本发明实施例1提供的数据标准化方法流程图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

如图1所示，本实施例公开了一种妇科肿瘤疾病风险预测可视化系统，包括云平台，所述云平台，包括：

风险预测模型构建模块，在妇科病例中获取妇科相关疾病变量，与患妇科事件进行相关性分析，筛选得到危险因素；基于筛选的危险因素构建妇科风险预测模型；

妇科概率预测模块，接收发病风险预测请求，调取相关历史疾病数据队列，基于妇科预测模型获取妇科发病概率预测结果；

健康报告生成模块，根据妇科发病概率预测结果、获取的用户生理指标信息、与该用户相关的危险因素及危险因素的贡献率生成可视化报告。

在所述风险预测模型构建模块中：

从分布式数据库系统调取疾病大数据队列，具体为：

步骤1.1：根据预设的与疾病有关的字段，查找分布式数据库系统中包含这些字段的数据表；

步骤1.2：基于查找到的数据表，抽取身份证号、疾病、疾病编码、发病时间等字段，并记录该疾病的数据来源，例如源地市、源数据表，在数据表中的id等，生成疾病大数据队列。

所述分布式数据库系统包括布设在各地市的医疗信息数据库。本实施例中，医疗信息数据库包括分布于山东省各地市的全员人口信息数据库、公共卫生数据库、电子病历数据库、医保数据库、健康体检数据库、死因数据库等。

其中，所述全员人口信息数据库，包括：居民个人基本信息、社保信息、住房信息和居民诚信失信信息。

所述公共卫生数据库，包括：个人健康基本信息、残疾人表、健康体检表、学生体检表、出生医学证明、新生儿家庭访视信息、儿童健康检查信息、产前随访服务信息、分娩记录表、产后访视服务信息、孕检记录表、预防接种卡信息、传染病报告卡、职业病报告卡、食源性疾病卡、死亡医学证明、高血压患者随访表、2型糖尿病患者随访表、重性精神疾病患者管理表、重性精神病患者发病信息、重性精神病患者出院信息、冠心病患者信息、脑卒中患者信息、肿瘤患者信息、肺结核患者随访表、育龄夫妇信息、婚姻信息、生育登记和生育审批信息、妊娠信息、妇女生育史信息、避孕信息、计划生育手术信息、流出人口信息、流入人口信息、门诊摘要信息、住院摘要信息。

所述电子病历数据库，包括：门诊/急诊挂号、门诊/急诊就诊记录、门诊/急诊/住院西药处方、门诊/急诊/住院中药处方、检验记录、检验结果明细、检查记录、入院记录、住院病案首页、中医住院病案首页、出院记录。

所述健康体检数据库，包括：体检报告单、体检项目表、体检项目明细表。

所述医疗保险数据库，包括：基本信息、诊疗信息、医保费用总信息、医保费用明细信息。

如图2所示，对疾病大数据队列进行数据标准化：

步骤2.1：从疾病大数据队列中筛选样本数据集，将样本数据中的疾病名称与疾病分类标准中的疾病名称进行对照，将样本数据中的疾病名称进行标准化；

其中，所述将样本数据中的疾病名称进行标准化包括：创建标准化名称字段，依次按照以下步骤执行标准化：

(1)名称相同对照：获取疾病名称与疾病分类标准中的疾病名称完全一致的样本数据，将原疾病名称写入标准化名称字段。

(2)名称相似对照：获取疾病名称与疾病分类标准中的疾病名称相似度超过设定阈值的样本数据，将原疾病名称写入标准化名称字段；所述相似性度量可采用余弦相似度、欧氏距离等现有文本相似度方法，在此不做限定。

(3)包含对照：获取疾病名称与疾病分类标准中的疾病名称存在包含关系的样本数据，例如“前列腺炎(非手术治疗)”和“前列腺炎”，将原疾病名称写入标准化名称字段。

(4)经由客户端由用户对样本数据的标准化名称进行人工审核。具体地，人工审核时可按频数将疾病名称进行排序，优先审核频数大的疾病名称。

标准化过程中，系统自动将疾病大数据队列中各疾病名称所对应的对照方式进行记录。本实施例，所述样本数据集选择数据质量较好的医保数据(约60000条)，疾病分类标准采用icd10编码。

步骤2.2：对于疾病大数据队列中未标准化的数据，将疾病名称与样本数据中的原疾病名称进行对照，完成部分疾病名称的标准化；

其中，所述对照方式与步骤2.1相同。具体地，对于疾病名称与样本数据中的原疾病名称满足名称相同、名称相似度大于设定阈值或存在包含关系的数据，将样本数据中原疾病名称对应的标准化名称写入标准化字段。

步骤2.3：对于疾病大数据队列中剩余未标准化的数据，将疾病编码与疾病分类标准中的编码进行对照，对于编码对照成功的数据，将疾病分类标准中的编码相应的疾病名称写入标准化字段。

具体地，将疾病编码与疾病分类标准中的编码进行对照分阶段进行：首先与疾病分类标准中的编码全部6位进行对照，其次与前4位进行对照，最后与前2位进行对照。

步骤2.4：经由客户端由用户对疾病大数据队列中的标准化名称进行人工审核，由于待标准化的数据量大(约700万)，此处可按频数将疾病名称进行排序，仅审核频数较大的疾病名称；

步骤2.5：统计对照率，若对照率超过设定阈值，标准化结束。

本实施例针对来源复杂的医疗大数据，基于多个层级的文本匹配方式，获取样本数据的标准化数据，然后基于样本的标准化数据，依次按照名称和编码匹配的方式，完成海量的数据标准化，相较于全部医疗大数据之间与标准数据直接匹配的方式，能够得到更高的标准化率和准确率，且兼顾了标准化的效率。

基于疾病数据标准化的疾病大数据队列，建立妇科肿瘤疾病队列，具体为：

步骤3.1：从疾病大数据队列中检索与妇科相关的疾病名称；由于妇科相关的表达形式较多，此处需进行同义词扩展，本领域技术人员可以理解，还可以通过构造逻辑表达式进行检索；

步骤3.2：经由客户端由用户对检索得到的妇科相关疾病名称进行审核；本领域技术人员可以理解，该审核可针对数据记录进行单独删减，也可通过构造逻辑表达式进行批量删减；

步骤3.3：根据妇科相关疾病名称，从疾病大数据队列中匹配身份证号、性别、地域等数据，得到妇科肿瘤疾病队列。

妇科肿瘤疾病队列中各数据均可作为索引进行额外的检索，例如，针对妇科肿瘤疾病队列中的某一身份证号，可从分布式数据库中获取该身份证号对应的所有相关医疗数据记录。

在本实施例中，接收队列纳入排除标准，构建最终队列，一部分用于建模，一部分用于模型验证。被配置为执行以下步骤：

在本实施例中，队列病例纳入标准为：妇科初次诊断时间在2012年1月1日到2016年12月31日期间妇科的发病情况，有明确的临床影像学检查或/和病理学核实信息；队列排除标准：2012年1月1日前死亡及发生所有类型癌症的个体。

在所述风险预测模型构建模块中，根据妇科相关疾病变量统计相关危险因素并进行筛选：

步骤4.1：将各疾病变量与患妇科事件进行相关性分析，将相关性大于设定阈值的疾病变量作为候选危险因素；本实施例采用多因素cox比例风险模型。

(1)根据是否具有疾病变量，构建二值化危险因素矩阵x，其中，每一行对应一个人，每一列对应一类危险因素，矩阵x的第m行第n列x(m,n)表示第m个人是否具有第n类疾病变量，若是，记为1，若否，记为0；

(2)根据是否发生妇科事件，构建二值化妇科矩阵y，其中，矩阵y包含一列，每一行对应一个人是否发生妇科事件；

(3)将二值化危险因素矩阵x的每一列与矩阵y进行相关性分析，得到相关性矩阵r，矩阵r中的各元素表示各疾病变量与妇科的相关性，将相关性大于设定阈值的疾病变量作为候选危险因素。

步骤4.2：基于贝叶斯网络，从候选危险因素中筛选最终危险因素。

贝叶斯网络是一种表示变量间连接概率的图形模式，可用于发现数据间的潜在关系，贝叶斯学习的结果表示为随机变量的概率分布，它可以解释为对不同可能性的信任程度。本实施例将所述步骤4.1中得到的候选危险因素与妇科事件输入贝叶斯网络，得到与妇科事件有关联的候选危险因素作为最终的危险因素。

本领域技术人员可以理解，还可以基于文献、临床数据和国家标准，人为的辅助指标筛选，采用多种指标筛选方法，防止重要指标的遗漏。

在妇科概率预测模块中，妇科发病概率预测结果计算方法为：

接收用户终端发送的预测请求，调取所述用户的历史疾病数据队列，对于预测模型中的每个危险因素变量，若该用户患有该危险因素相应的疾病，则对该危险因素变量赋值为1，否则赋值为0，计算该用户的妇科发病概率。

获取该用户有关妇科的危险因素及各危险因素的贡献率；

具体地，各危险因素的贡献率计算方法为：

对于上述赋值为1的每个危险因素变量，分别赋值为0并计算妇科发病概率，得到该用户不患有该危险因素相应的疾病时的发病概率；将其与妇科概率预测模块得到的发病概率作差，得到每个危险因素相应的疾病对该用户得妇科的贡献率。

在更多实施例中，提供一种卵巢癌疾病风险预测系统，包括根据筛选的危险因素构建风险预测模型；

所述卵巢癌相关疾病变量包括子宫内膜异位症、多囊卵巢综合征、盆腔炎、卵巢囊肿、子宫肌瘤、卵巢良性肿瘤和糖尿病等。

筛选的危险因素包括：年龄、子宫内膜异位症、盆腔炎、卵巢囊肿、子宫肌瘤、卵巢良性肿瘤和糖尿病。

构建风险预测模型，包括：

步骤5.1：基于筛选的危险因素采用cox风险回归模型进行单因素分析，通过逐步筛选法选独立预测因子，建立多因素cox比例风险模型。检验水准α＝0.05。

步骤5.2：将年龄、子宫内膜异位症、盆腔炎、卵巢囊肿、子宫肌瘤、卵巢良性肿瘤和糖尿病的危险因素输入多因素cox比例风险模型，建立疾病预测模型。

具体地，首先基于每个危险因素分别进行单因素建模，得到预测性能最好的初始预测模型，相应的危险因素即为最重要因素；然后，在该初始预测模型的基础上，引入其他危险因素中的一个，进行两因素建模，得到预测性能最好的两因素预测模型，新引入的危险因素即为次重要因素；依次类推，依次引入新的危险指标，直至预测模型的性能不再增强。

其中，每构建一次预测模型，均计算roc、灵敏度、特异度；然后计算nri＝(灵敏度test2+特异度test2)-(灵敏度test1+特异度test1)，作为模型性能的衡量指标。若nri>0，提示在加入了新的预测因子后，新模型的预测能力有所改善，正确分类的比例提高了nri个百分点。nri提高越多，变量预测效果越好，变量越重要。

本实施例模型的构建采用每次引入一个危险因素的方式，逐步确定与妇科最相关的危险因素，且保证了预测的准确度。

基于此，得到了性能最优的预测模型，同时，对筛选得到的危险因素的重要性进行了排序。

在更多实施例中，提供一种宫颈癌风险预测系统，采用gail模型，建立宫颈癌疾病预测模型；

宫颈癌相关疾病变量包括人类乳头状瘤病毒感染、盆腔炎、宫颈炎、安装宫内节育器、子宫平滑肌瘤、妊娠合并巨大儿和异位妊娠；

筛选后的风险因素包括：人类乳头状瘤病毒感染、盆腔炎、宫颈炎、子宫平滑肌瘤和安装宫内节育器。

在更多实施例中，提供一种乳腺癌风险预测系统，采用logistic回归模型和gail模型构建乳腺癌风险预测模型；

乳腺癌相关疾病变量包括年龄、乳腺炎、乳腺良性肿瘤、乳腺增生、子宫肌瘤、乳腺囊肿、乳腺肿物、乳腺导管瘘、乳腺发育不良和乳腺过早发育；

筛选出的危险因素包括年龄、乳腺炎、乳腺良性肿瘤、乳腺增生、子宫肌瘤和乳腺囊肿。

在更多实施例中，提供一种子宫内膜癌风险预测系统，采用logistic回归模型，基于筛选的危险因素构建子宫内膜癌风险预测模型，

子宫内膜癌相关疾病变量包括高血压、糖尿病、肥胖、冠心病、不孕症、贫血、卵巢疾病和子宫肌瘤；

筛选出的危险因素包括糖尿病，高血压，卵巢疾病，不孕症，子宫肌瘤和贫血。

在本实施例中，该系统还包括：

用户管理模块，用于对注册用户的身份信息进行管理；

疾病应对策略管理模块，用于对各类疾病的注意事项、应对建议进行存储；

妇科危险因素指引模块，对于用户患有的对妇科有影响的疾病，获取相应的应对策略；

健康报告生成模块，用于根据健康信息、妇科发病概率预测结果和妇科危险因素指引结果生成可视化报告。所述可视化报告包括图形化，例如点图、热图、气泡图等。

云平台中预先封装相关数据处理方法，上述的数据处理均在云平台执行，数据不会传输至其他终端，保证了数据的安全，保护了用户的隐私。

本实施例采用云平台作为数据汇总和数据处理的核心，与各级地市医疗机构的数据库对接，保证了数据的真实性和完整性，以及数据的安全性。

本实施例提供了针对用户的健康评估系统，能够预测用户的妇科发病概率，以及该用户所患与妇科有关疾病的贡献率，给出这些疾病的应对策略，起到引导用户预防妇科的作用。

在本实施例中，所述系统包括工作终端，所述工作终端，包括：

数据标准化模块，用于对云平台中样本数据标准化结果和全部数据标准化结果进行审核；

妇科相关疾病名称获取模块，用于接收用户输入的与妇科相关的疾病名称，或用于检索疾病名称的逻辑表达式；以及对检索到的疾病名称进行审核；

危险因素确定模块，用于从云平台获取候选危险因素及其贝叶斯网络结构图，接收用户对危险因素的确认和修正并发送至云平台；

模型构建模块，用于接收病例纳入标准以及所采用的模型；

模型修正模块，用于对所采用的模型和模型参数进行修正。

用户终端，包括：

登录认证模块，用于对用户身份进行认证；

健康报告查看模块，用于从云平台获取该用户的健康信息，包括历史体检信息、病例信息等；

妇科概率预测模块，用于从云平台获取妇科发病概率预测结果；

妇科危险因素指引模块，用于从云平台获取该用户有关妇科的危险因素及各危险因素的贡献率；

健康报告生成模块，用于根据健康信息、妇科发病概率预测结果和妇科危险因素指引结果生成可视化报告。

在更多实施例中，还提供：

一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成以下步骤：

在妇科病例中获取妇科相关疾病变量，与患妇科事件进行相关性分析，筛选得到危险因素；基于筛选的危险因素构建妇科风险预测模型；

接收发病风险预测请求，调取相关历史疾病数据队列，基于妇科预测模型获取妇科发病概率预测结果；

根据妇科发病概率预测结果、获取的用户生理指标信息、与该用户相关的危险因素及危险因素的贡献率生成可视化报告。

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成以下步骤：

在妇科病例中获取妇科相关疾病变量，与患妇科事件进行相关性分析，筛选得到危险因素；基于筛选的危险因素构建妇科风险预测模型；

接收发病风险预测请求，调取相关历史疾病数据队列，基于妇科预测模型获取妇科发病概率预测结果；

根据妇科发病概率预测结果、获取的用户生理指标信息、与该用户相关的危险因素及危险因素的贡献率生成可视化报告。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。