一种疾病与风险的建设与判别系统的制作方法

本发明属于医疗信息系统，特别涉及一种疾病与风险的建设与判别系统。

背景技术：

1、大数据作为互联网发展成熟的表现已经得到越来越多的数据资源和运行的保障，互联网的发展让我们在网络上可以获得很多方面的知识，包括医疗和病症的信息，随着医疗信息化的发展，医院积累了大量的健康医疗数据。如何更好的利用这些数据以及医学知识，通过认知计算技术，提供精准医疗的决策是医院现阶段所需要的。

2、医疗系统需要一个完整的管理系统，帮助医生更快的对患者的疾病做出判断和治疗方案，或者让患者预先了解到自身所患病症的严重程度，进而有效的提高诊断效率和治疗效果。目前，医疗系统渐渐完善，基于互联网的医疗软件也是层出不穷，他们通过对医院就诊信息的收集和更新，使患者可在网上预约挂号，选择有实力的医院和医生进行会诊，但这些只是方便操作，避免了排队的时间，并没有达到智慧医疗的目的。

技术实现思路

1、针对现有基于互联网的医疗系统在疾病与风险的判别方面涉及较少的缺陷，本发明提供一种疾病与风险的建设与判别系统，为患者和医生提供清晰明确的诊断报告并提供相对应的治疗方案。

2、本发明是通过以下技术方案实现的：

3、一种疾病与风险的建设与判别系统，基于数据层的大数据平台进行构建，包括疾病引擎、疾病与风险模型、医疗健康知识库、数据输出模块；所述的疾病引擎基于医疗健康知识库构建疾病与风险模型，将疑似病患分为慢性病患者、常见病患者、特殊病种患者三类，再基于疾病与风险模型进行诊断，判别疑似病患的紧急程度分为普通、中级、紧急和危急四种程度中的一种；

4、所述的疾病引擎包括慢性病引擎、常见病引擎和特殊病引擎，是基于疾病、临床相关规范与知识库，通过etl数据仓库进行数据采集，然后通过ai、语义学习进行数据清洗，根据医院、医生定义的标准，对疾病进行分类与标记，从而完成整个疾病引擎的搭建；

5、所述的疾病与风险模型是在疾病引擎的基础上通过数据采集、数据清洗、数据分类与标记后，经过ai学习推算出每种疾病相对应风险因子；然后通过不同的病种引擎与风险因子的有效组合，精准的实现临床对疾病的分组，并通过数据输出模块进行数据展示；

6、所述的医疗健康知识库有具备专业知识的医院、医生进行标准制定，结合疾病引擎构建慢性病引擎、常见病引擎、特殊病引擎，同时为疾病与风险模型提供数据支持；

7、所述的数据输出模块通过数据整合，针对不同病种，实现面向机构、人群、单位、疾病、管理效果等进行个性化、定制化的查询与报表展示，实现患病人数分析、平均年龄分析、人群地理位置分布分析、并发症情况分析、专病专题、特定人群专题、智能推送专题、工作量统计、可穿戴设备专题等内容展示。

8、优选的，所述的etl数据仓库采集的数据包括：卫生数据、体检数据、门诊数据、住院数据、健康档案、lot物联网健康数据、互联网医疗数据、检查检验数据。

9、优选的，所述的风险因子包括体征因子、遗传因子、环境因子、疾病因子、中医辩证因子和精神状态因子。

10、优选的，所述的风险因子还包括家族病史、生活方式、运动习惯、饮食状况。

11、优选的，所述的疾病模型中内置有各类疾病的诊断标准、评测标准、临床症状数据和检验与检查指标数据；通过将etl数据仓库采集的数据与内置的数据、标准进行对比后进行判别，将疑似病患识别为慢性病、常见病、特殊病中的一种具体病症。

12、本发明的系统基于主动健康管理平台进行建设，该管理平台包括数据层、业务层和服务层，在业务层构建了本发明疾病与风险的建设与判别系统，抓取数据层的医疗数据进行疾病引擎的构建，先将疾病分为慢性病、常见病和特殊病三大类，再结合风险因子进行推算，判别出患者的疾病严重程度为普通、中级、紧急还是危机四种状况。

13、与现有技术相比较，本发明的有益效果如下：

14、本发明的系统有效的整合了医疗健康大数据，构建疾病引擎，通过疾病引擎进行数据采集、数据清洗、数据分类与标记，将疾病分为慢性病、常见病和特殊病三大类，最后通过引擎的ai学习推算出相应的风险模型，判别出患者的患病严重程度（普通、中级、紧急和危急四种），最后通过与风险因子的有效组合，精准的实现临床对疾病的分组，为医生提供个性化的医疗建议和依据。

技术特征：

1.一种疾病与风险的建设与判别系统，基于数据层的大数据平台进行构建，其特征在于：包括疾病引擎、疾病与风险模型、医疗健康知识库、数据输出模块；所述的疾病引擎基于医疗健康知识库构建疾病与风险模型，将疑似病患分为慢性病患者、常见病患者、特殊病种患者三类，再基于疾病与风险模型进行诊断，判别疑似病患的紧急程度分为普通、中级、紧急和危急四种程度中的一种；

2.根据权利要求1所述的疾病与风险的建设与判别系统，其特征在于：所述的etl数据仓库采集的数据包括：卫生数据、体检数据、门诊数据、住院数据、健康档案、lot物联网健康数据、互联网医疗数据、检查检验数据。

3.根据权利要求1所述的疾病与风险的建设与判别系统，其特征在于：所述的风险因子包括体征因子、遗传因子、环境因子、疾病因子、中医辩证因子和精神状态因子。

4.根据权利要求3所述的疾病与风险的建设与判别系统，其特征在于：所述的风险因子还包括家族病史、生活方式、运动习惯、饮食状况。

5.根据权利要求1所述的疾病与风险的建设与判别系统，其特征在于：所述的疾病模型中内置有各类疾病的诊断标准、评测标准、临床症状数据和检验与检查指标数据；通过将etl数据仓库采集的数据与内置的数据、标准进行对比后进行判别，将疑似病患识别为慢性病、常见病、特殊病中的一种具体病症。

技术总结
本发明提供一种疾病与风险的建设与判别系统，基于数据层的大数据平台进行构建，包括疾病引擎、疾病与风险模型、医疗健康知识库、数据输出模块；疾病引擎基于医疗健康知识库构建疾病与风险模型，将疑似病患分为慢性病患者、常见病患者、特殊病种患者三类，再基于疾病与风险模型进行诊断，判别疑似病患的紧急程度分为普通、中级、紧急和危急四种程度中的一种，并未医生提供个性化的治疗方案。本发明有效的整合了医疗健康大数据，通过引擎的AI学习推算出相应的风险模型，判别出患者的患病严重程度，最后通过与风险因子的有效组合，精准的实现临床对疾病的分组，为医生提供个性化的医疗建议和依据。

技术研发人员：杨建荣,李卫,李小珍,李虎,阳昊,蒿艳蓉,徐帆,肖信,罗颖华,邹全庆,瞿申红,赵明明,吴伦清,王程,覃一珏,梁佳,雷嫏嬛,王章安,梁秋瑜,林家莉,韦所苏,蒋毅
受保护的技术使用者：广西壮族自治区人民医院
技术研发日：
技术公布日：2024/1/15