基于AI大模型的传染病报告数据分析及预警方法、系统与流程

本发明属于传染病数据处理，具体涉及基于ai大模型的传染病报告数据分析及预警方法、系统。

背景技术：

1、

2、现如今，我国已将建立起一套较为健全的传染病疫情监测预警系统，其中，区域医疗机构上报传染病报告数据分析及预警方法、系统作为我国传染病疫情监测预警系统的重要组成部分，在整个传染病疫情监测预警系统当中发挥着越来越大的作用。现有技术中医疗机构上报传染病报告数据分析及预警方法，多采用将传染病报告数据按照系统预设的数据模型进行处理分析，将得到对应类型传染病预警信息提供给疾控中心，不能根据传染病疫情数据的积累及时更新预设数据模型，从而出现输出的传染病预警信息不可靠，防控信息不准确的情况。

技术实现思路

1、本发明的目的在于提供基于ai大模型的传染病报告数据分析及预警方法、系统，用于解决现有技术中不能根据传染病疫情数据的积累及时更新预设数据模型，预警信息和防控信息的可靠性和准确性有待提高的技术问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、本发明公开基于ai大模型的传染病报告数据分析及预警方法，包括以下步骤：

4、s1、采集区域内医疗机构上报传染病报告数据，并对其按类别归类整合得到传染病报告数据整合集，通过预设数据筛选模型对传染病报告数据整合集进行数据筛选剥离得到传染病核心数据集；

5、s2、对传染病核心数据集进行量化分析得到对应类别传染病的量化指标，对传染病核心数据集进行趋向性分析得到对应类别传染病的趋向性系数；

6、s3、调取数据库中对应类别传染病的历史数据模型，与特定类别传染病的量化指标和趋向性系数进行联合分析，生成特定类别传染病综合风险评估值；

7、s4、将特定类别传染病综合风险评估值与预设预警阈值进行对比，确定预警信号和防控信息。

8、优选地，步骤s1采集区域内医疗机构上报传染病报告数据，并对其按类别归类整合得到传染病报告数据整合集，通过预设数据筛选模型对传染病报告数据整合集进行数据筛选剥离得到传染病核心数据集的过程，包括以下步骤：

9、s11、获取划分区域内医疗机构上报传染病报告数据，对每份传染病报告中的信息进行关联性编码，将病原体种类、易感人群和传播途径相同的传染病判定为同一类别，同类别传染病信息按照身份数据，病情信息，病原信息，用药信息和患者来源信息进行归类整合，得到传染病报告数据整合集；

10、s12、通过预设数据筛选模型对传染病报告数据整合集进行数据筛选剥离，确定数据整合集当中的核心数据词段，筛除数据整合集当中非核心数据词段，得到传染病核心数据集。

11、优选地，在步骤s2中对传染病核心数据集进行量化分析得到对应类别传染病的量化指标的过程，包括以下步骤：

12、s211、读取传染病核心数据集，将病原体种类、易感人群和传播途径相同的传染病判定为同一类别，不同类别的传染病预先设定不同的类别系数，将传染病类别与数据库中存储的所有类别传染病进行查询匹配，获取对应的传染病类别系数tli；

13、s212、汇总计算得到特定间隔时间内的病例报告数tb、感染人数tg、致死人数ts和患病率增长系数th；

14、s213、将同一类别的传染病的类别系数tli、感染人数tg、致死人数ts、患病率增长系数th通过组合计算得到对应类别传染病的量化指标ltl，计算公式为：

15、式中，ltl为特定时间间隔内对应类别传染病的量化指标，患病率增长系数th为相邻特定时间间隔内患病率的比值。

16、优选地，在步骤s2中对传染病核心数据集进行趋向性分析得到对应类别传染病的趋向性系数的过程，包括以下步骤：

17、s221、读取传染病核心数据集，将病原体种类、易感人群和传播途径相同的传染病判定为同一类别，不同类别的传染病预先设定不同的类别趋向权重，将传染病类别与数据库中存储的所有类别传染病进行查询匹配，获取对应的传染病类别趋向权重qzi；

18、s222、汇总计算得到特定间隔时间t内病例报告数tb、感染人数tg和致死人数ts；

19、s223、将同一类别的传染病的类别系数qzi与病例报告数tb、感染人数tg、致死人数ts通过联合计算得到对应类别传染病的趋向性系数qsi，计算式为：

20、式中，g1，g2，g3为不同比例系数，且0.15＜g3＜g2＜g1＜1.0。

21、优选地，在步骤s3中调取数据库中对应类别传染病历史数据模型，与特定类别传染病的量化指标和趋向性系数进行联合分析，生成特定类别传染病综合风险评估值的过程，包括以下步骤：

22、s31、获取特定类别传染病的量化指标ltl、趋向性系数qsi、实时感染总人数gz和采集区域内总人数qr，创建特定类别传染病数据新模型；

23、s32、将特定类别传染病数据新模型与数据库中对应类别传染病历史数据模型联合分析，包括对比，去冗，系数化处理，得到特定类别传染病的综合风险评估值zp；

24、s33、存储特定类别传染病数据新模型到数据库，完成特定类别传染病数据模型的优化更新。

25、优选地，在步骤s4将特定类别传染病综合风险评估值与预设预警阈值进行对比，确定预警信号和防控信息的过程，包括以下步骤：

26、s41、调取综合风险评估值zp与系统预设阈值区间进行比较，当综合风险评估值zp小于预设阈值区间，系统输出低风险预警信号，不输出防控信息；

27、s42、当综合风险评估值zp由小于预设阈值区间上升到介于预设阈值区间时，系统输出中风险预警信号和二级防控信息；

28、s42、当综合风险评估值zp由介于预设阈值区间下降到小于预设阈值区间时，系统输出低风险预警信号和一级防控信息；

29、s43、当综合风险评估值zp由介于预设阈值区间上升到大于预设阈值区间时，系统输出高风险预警信号和四级防控信息；

30、s44、当综合风险评估值zp由大于预设阈值区间下降到介于预设阈值区间时，系统输出中风险预警信号和三级防控信息。

31、本发明还公开了上述基于ai大模型的传染病报告数据分析及预警系统，包括：

32、控制模块，用于控制全系统各模块间的协调工作；

33、数据采集模块，用于采集划分区域内医疗结构上报传染病报告数据信息；

34、数据预处理模块，用于对划分区域内医疗结构上报传染病报告数据信息进行整合，筛选剥离处理，得到传染病核心数据集；

35、数据分析模块，用于对特定传染病核心数据集进行量化分析和趋向性分析，得到特定类型传染病的量化指标和趋向性系数；

36、大数据模块，用于创建基于特定传染病量化指标和趋向性系数的传染病数据新模型，将其与数据库对应类别传染病历史数据模型进行联合分析，得到特定类别传染病的综合风险评估值，并优化特定类别传染病数据模型数据库；

37、数据库模块，用于储存、更新系统划分区域内医疗结构上报传染病报告数据信息，全类别传染病数据模型；

38、预警防控模块，用于系统划分区域内传染病风险等级和预警级别的判定，并输出对应风险信号和防控信息。

39、综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明基于ai大模型，可实现医疗机构上报传染病报告数据分析及预警的智能化处理，在医疗机构上报传染病报告数据不断积累的同时，通过ai技术完成不同类别传染病模型的实时完善，使得系统输出的传染病预警信息更加可靠，防控信息更加准确。