疾病预测方法、装置、设备和介质与流程

本公开一般涉及疾病预测，具体涉及一种疾病预测方法、装置、设备和介质。

背景技术：

1、随着人工智能的发展，疾病预测功能被广泛应用于线上医疗领域，例如，智能导诊、在线问诊等。相关技术中，通常根据有限的样本及标签训练分类模型，利用分类模型进行疾病预测。在具体应用中，分类模型可以输出模型的输入所命中的一个疾病标签，作为疾病预测结果。

2、虽然分类模型能够实现疾病的预测，但由于模型所能预测的分类结果(即疾病标签)是非常有限的，且在增加疾病时，需要根据新增加的疾病标签重新训练模型，模型的可扩展性非常有限，也就严重影响了线上医疗系统的功能扩展。

技术实现思路

1、鉴于现有技术中的上述缺陷或不足，期望提供一种疾病预测方法、装置、设备和介质，在疾病预测场景中能够有效支持疾病类型的扩展，从而可以有效提升线上医疗系统的功能扩展。

2、第一方面，本申请实施例提供了一种疾病预测方法，包括：

3、获取多个候选疾病中每一候选疾病的描述信息，基于语义表达模型对所述描述信息进行语义提取，获得所述候选疾病的表达特征；所述候选疾病的表达特征用于表征所述候选疾病的表达特征对应的描述信息与其他描述信息之间的关联关系；

4、获取待预测疾病的描述信息，基于所述语义表达模型对所述待预测疾病的描述信息进行语义提取，获得所述待预测疾病的表达特征；

5、根据所述待预测疾病的表达特征以及所述多个候选疾病的表达特征之间的相似度，从所述多个候选疾病中确定所述待预测疾病。

6、第二方面，本申请实施例提供了一种疾病预测装置，包括：

7、第一表达模块，用于获取多个候选疾病中每一候选疾病的描述信息，基于语义表达模型对所述描述信息进行语义提取，获得所述候选疾病的表达特征；所述候选疾病的表达特征用于表征所述候选疾病的表达特征对应的描述信息与其他描述信息之间的关联关系；

8、第二表达模块，用于获取待预测疾病的描述信息，基于所述语义表达模型对所述待预测疾病的描述信息进行语义提取，获得所述待预测疾病的表达特征；

9、确定模块，用于根据所述待预测疾病的表达特征以及所述多个候选疾病的表达特征之间的相似度，从所述多个候选疾病中确定所述待预测疾病。

10、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现如本申请实施例描述的方法。

11、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例描述的方法。

12、第五方面，本申请实施例提供了一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如本申请实施例描述的方法。

13、本申请实施例提出的疾病预测方法，提供语义表达模型，该模型可以对疾病的某个维度的描述信息进行特征提取。在该模型应用于疾病预测时，首先根据候选疾病的描述信息确定候选疾病的表达特征以及根据待预测疾病的描述信息确定待预测疾病的表达特征，然后根据候选疾病的表达特征与待预测疾病的表达特征之间的相似度，对待预测疾病进行预测。本申请应用疾病特征之间的相似度进行疾病预测，在实现疾病预测的同时，通过增加候选疾病即可实现更多疾病的预测，具有很强的可扩展性。例如，可以增加候选疾病并通过语义表达模型获得新增候选疾病的表达特征，将新增候选疾病的表达特征也作为待预测疾病的匹配对象，则可以实现更多类型的疾病预测。有效避免了使用分类模型进行疾病预测时需要根据新增的疾病预测需求重新训练模型，模型扩展性较差等问题，在疾病预测场景中能够有效支持疾病类型的扩展，从而可以有效提升线上医疗系统的功能扩展。

14、另外，将疾病某一维度的描述信息输入语义表达模型进行特征提取时，语义表达模型提取到的表达特征与疾病其他维度的描述信息具有关联，这样的表达特征在表达语义的同时具有丰富的表达能力。本申请依赖表达特征之间的相似度进行疾病预测，不仅仅关注到疾病描述信息本身的语义，还可关注到不同描述信息之间的关联关系，基于这两方面的特性可以有效匹配到与待预测疾病的表达特征更为相似的特征，根据匹配到的特征进行准确的疾病预测。

15、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种疾病预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述语义表达模型的训练过程包括：

3.根据权利要求2所述的方法，其特征在于，所述基于不同所述历史描述信息对应的表达特征对所述初始模型进行迭代训练，在不同所述历史描述信息对应的表达特征存在关联关系时获得所述语义表达模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述历史描述信息包括历史病历，所述方法还包括：

5.根据权利要求3或4所述的方法，其特征在于，所述历史描述信息包括历史病历和疾病名称，所述方法还包括：

6.根据权利要求4-5中任一所述的方法，其特征在于，所述历史描述信息包括疾病概述和疾病名称，所述方法还包括：

7.根据权利要求3-6中任一所述的方法，其特征在于，所述历史描述信息包括疾病症状和疾病名称，所述方法还包括：

8.根据权利要求2所述的方法，其特征在于，所述将所述历史描述信息输入初始模型进行语义提取，获得所述历史描述信息对应的表达特征，包括：

9.根据权利要求3所述的方法，其特征在于，任一所述样本疾病对应的所述第一损失或所述第二损失与以下关系式相关：

10.一种疾病预测装置，其特征在于，包括：

11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-9中任一所述的疾病预测方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的疾病预测方法。

13.一种计算机产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-9中任一所述的疾病预测方法。

技术总结
本申请公开了一种疾病预测方法、装置、设备和介质，提供了语义表达模型，该模型可以对疾病的描述信息进行特征提取。在该模型应用于疾病预测时，首先将候选疾病的描述信息输入语义表达模型获得相应的表达特征，将待预测疾病的描述信息输入语义表达模型获得相应的表达特征。还可以根据候选疾病与待预测疾病的表达特征之间的相似度，得到待预测疾病。该方法应用疾病特征之间的相似度进行疾病预测，通过增加候选疾病即可实现更多疾病的预测，具有很强的可扩展性；同时，由于模型提取到的特征与疾病其他维度的描述信息具有关联，在表达语义的同时具有丰富的表达能力，依赖表达特征之间的相似度进行疾病预测，能够有效提高预测的准确性。

技术研发人员：张世伟,孙继超,吴贤,丁雪琪,郑冶枫
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/11