用于预测疾病发生的方法及装置与流程

本发明涉及一种疾病的发生预测，尤其涉及一种利用人工智能(artificialintelligence，ai)算法对未来发生疾病的可能性进行预测的方法以及装置。

背景技术：

1、疾病是指因为引发人的身心障碍而阻碍其正常功能的状态，当患上疾病时人会感到痛苦甚至于无法正常维持生命。因此，各种用于对疾病进行诊断、治疗甚至预防的社会体系以及技术也伴随着人类的历史一同发展。伴随着用于对疾病进行诊断以及治疗的技术的长足发展，虽然已经开发出了多种工具以及方式，但是目前为止最终仍然需要依赖于医生的判断。

2、此外，最近快速发展的人工智能(artificial intelligence，ai)技术在多种领域受到人们的广泛关注。尤其是，因为大量累积的医疗数据以及以图像为主的数据等环境，人们正在进行各种尝试和研究，以便于将人工智能算法应用到医疗领域中。具体来讲，正在积极开展尝试利用人工智能算法解决如对疾病进行诊断以及预测等目前依赖于临床判断的作业的各种研究。

技术实现思路

1、本发明的目的在于提供一种可以有效地对目标对象在未来发生疾病的可能性进行预测的方法及装置。

2、本发明的目的在于提供一种可以以年为单位对在一定期间内发生疾病的可能性进行预测的方法及装置。

3、本发明的目的在于提供一种用于对在判断发生疾病的可能性时造成影响的贡献因子(contributed factor)进行判断的方法及装置。

4、本发明的目的在于提供一种当有与一个人相关的多次的健康数据存在的情况下，可以在考虑到多次之间的时间间隔的同时更加准确地对特定时间点的发病危险度进行预测的方法及装置。

5、本发明拟达成的技术课题并不限定于在上述内容中提及的技术课题，具有本发明所属技术领域之一般知识的人员将可以通过下述记载进一步明确理解未被提及的其他技术课题。

6、根据本发明之一实施例的用于预测疾病发生的方法，可以包括：获取以目标对象的健康检查数据为基础的输入数据的步骤；利用经过训练的人工智能模型，从所述输入数据生成用于指示各个年度的疾病发生可能性的输出数据的步骤；对于所述输出数据的结果，判断具有相对较高的贡献度的至少一个项目的步骤；以及，输出与所述各个年度的所述疾病的发生可能性以及与所述至少一个项目相关的信息的步骤。

7、在本发明的一实施例中，所述人工智能模型，可以利用以针对所述疾病受到阳性诊断的至少一个受检者以及针对所述疾病受到阴性诊断的至少一个受检者的健康检查数据为基础的学习数据进行训练，所述学习数据，包含以所述健康检查数据为基础生成的基础学习数据以及以所述健康检查数据的派生数据为基础生成的增强学习数据。

8、在本发明的一实施例中，所述派生数据，可以包含对应于与所述健康检查数据中所包含的健康检查的实施时间点相关的多个子集的数据集。

9、在本发明的一实施例中，所述学习数据，可以包含多个数据集，所述多个数据集，分别包含第一时间点的检查结果信息、在所述第一时间点之前实施健康检查的第二时间点以及与所述第一时间点之间的时间差异信息、以及以相应受检者的疾病诊断时间点信息为基础的标签数据，所述标签数据，是指示对预先定义的期间进行均等分割的各个单位时间的所述疾病的发生与否的向量的形态。

10、在本发明的一实施例中，所述时间差异信息，可以在第一时间点为最早实施健康检查的时间点时被设定为0。

11、根据本发明的一实施例，所述人工智能模型，可以接收与多个时间点相关的各个时间点上的目标对象的检查结果信息以及与对应于各个检查结果信息的前一个时间点之间的时间间隔值作为输入，在考虑到所述时间间隔值的同时循环生成隐藏状态值，并以通过按照预先设定的次数进行循环而生成的最终隐藏状态值为基础生成对预先定义的期间进行均等分割的各个单位时间的疾病发生可能性值作为输出。

12、根据本发明的一实施例，所述人工智能模型，可以包括：网络，将所述最终隐藏状态值以包含与对预先定义的期间进行均等分割的单位时间的数量对应的疾病发生可能性值的形态生成输出数据。

13、根据本发明的一实施例，所述判断至少一个项目的步骤，可以包括：从所述人工智能模型的输出层向输入层依次决定各个节点的关联度分数(relevance score)的步骤；以所述输入层中所包含的节点的关联度分数为基础选择所述节点中的至少一个节点的步骤；以及，确认对应于所选择的至少一个节点的至少一个诊断项目的步骤。

14、根据本发明之一实施例的疾病预测方法，可以包括：健康数据获取步骤，由通信部从外部装置获取人的健康数据以及比较信息，其中所述健康数据包含与一个人相关的多次的健康数据，还包含多次之间的时间间隔；以及，疾病预测信息计算步骤，由处理器以包含所述时间间隔的所述健康数据以及比较信息为基础，利用长短期记忆(lstm，long short-term memory)计算出疾病预测信息。

15、根据本发明的一实施例，所述疾病预测信息计算步骤，可以从当前时间点开始按照预先设定的时间间隔对未来的所述疾病预测信息进行计算。

16、根据本发明的一实施例，所述疾病预测信息计算步骤，可以生成对相应疾病的发生概率进行数值化的数值信息，在所述数值信息达到预先设定的临界值以上的情况下，判定为已经发生相应疾病。

17、根据本发明的一实施例，所述疾病预测信息计算步骤，可以从当前时间点开始按照预先设定的时间间隔生成未来的与相应疾病相关的所述数值信息，在第一时间点的所述数值信息达到预先设定的临界值以上的情况下，即使是与所述第一时间点相比较晚的第二时间点的所述数值信息没有达到预先设定的临界值，仍然判定为在所述第二时间点已经发生相应疾病。

18、根据本发明的一实施例，所述比较信息可以包含多次的比较信息，还包含多次之间的时间间隔，所述疾病预测信息计算步骤，以包含所述时间间隔的所述健康数据以及包含所述时间间隔的所述比较信息为基础，计算出所述疾病预测信息。

19、根据本发明的一实施例，所述至少一个项目，可以从未来可能发生变更的项目中进行选择。

20、根据本发明之一实施例的用于预测疾病发生的方法，可以包括：获取以目标对象的健康检查数据为基础的输入数据的步骤；以及，利用经过训练的人工智能模型，从所述输入数据提供用于指示各个年度的疾病发生可能性的输出数据的步骤；所述人工智能模型，是以按照不均等的时间间隔实施的健康检查的检查结果信息为基础进行训练，所述输出数据，包含对预先定义的期间进行均等分割的各个单位时间的所述疾病的发生可能性值。

21、根据本发明之一实施例的存储到介质中的程序，可以在通过处理器运行时执行如上所述的方法。

22、根据本发明之一实施例的用于预测疾病发生的装置，可以包括：收发部；存储部，对人工智能模型进行存储；以及，至少一个处理器，与所述收发部以及所述存储部连接；所述至少一个处理器，获取以目标对象的健康检查数据为基础的输入数据，利用经过训练的人工智能模型，从所述输入数据生成用于指示各个年度的疾病发生可能性的输出数据，对于所述输出数据的结果，判断具有相对较高的贡献度的至少一个项目，输出与所述各个年度的所述疾病的发生可能性以及与所述至少一个项目相关的信息。

23、根据本发明之一实施例的用于预测疾病发生的装置，可以包括：收发部；存储部，对人工智能模型进行存储；以及，至少一个处理器，与所述收发部以及所述存储部连接；所述至少一个处理器，获取以目标对象的健康检查数据为基础的输入数据，利用经过训练的人工智能模型，从所述输入数据输出用于指示各个年度的疾病发生可能性的输出数据，所述人工智能模型，是以按照不均等的时间间隔实施的健康检查的检查结果信息为基础进行训练，所述输出数据，包含对预先定义的期间进行均等分割的各个单位时间的所述疾病的发生可能性值。

24、根据本发明之另一实施例的疾病预测系统，可以包括：通信部，从外部装置获取人的健康数据以及比较信息，其中所述健康数据包含与一个人相关的多次的健康数据，还包含多次之间的时间间隔；以及，处理器，以包含所述时间间隔的所述健康数据以及比较信息为基础，利用长短期记忆(lstm，long short-term memory)计算出疾病预测信息。

25、根据本发明的一实施例，所述处理器，可以从当前时间点开始按照预先设定的时间间隔对未来的所述疾病预测信息进行计算。

26、根据本发明的一实施例，所述处理器，可以生成对相应疾病的发生概率进行数值化的数值信息，在所述数值信息达到预先设定的临界值以上的情况下，判定为已经发生相应疾病。

27、根据本发明的一实施例，所述处理器，可以从当前时间点开始按照预先设定的时间间隔生成未来的与相应疾病相关的所述数值信息，在第一时间点的所述数值信息达到预先设定的临界值以上的情况下，即使是与所述第一时间点相比较晚的第二时间点的所述数值信息没有达到预先设定的临界值，仍然判定为在所述第二时间点已经发生相应疾病。

28、根据本发明的一实施例，所述比较信息可以包含多次的比较信息，还包含多次之间的时间间隔，所述处理器，以包含所述时间间隔的所述健康数据以及包含所述时间间隔的所述比较信息为基础，计算出所述疾病预测信息。

29、在上述内容中对本发明做出简单总结的特征，只是对本发明进行详细说明的示例性形态，并不是为了对本发明的范围做出限定。

30、在本发明中，可以利用经过学习的人工智能模型以一定时间为单位对未来的疾病发生可能性进行预测。

31、此外，在本发明中，当有与一个人相关的多次的健康数据存在的情况下，可以在考虑到过去的所有健康检查记录的同时对特定时间点的特定疾病的发病危险度进行预测。

32、本发明可达成的效果并不限定于在上述内容中提及的效果，具有本发明所属技术领域之一般知识的人员将可以通过下述记载进一步明确理解未被提及的其他效果。