一种针对泌尿系结石复发的个性化预防治疗方案推荐系统

本发明涉及医疗数据处理，具体涉及一种针对泌尿系结石复发的个性化预防治疗方案推荐系统。

背景技术：

1、医生端与客户端（患者端）的交互是个性化预防方案推荐系统的核心闭环载体——两者的双向数据流动、决策协同与反馈迭代，直接决定了推荐方案的精准性、可行性、依从性与动态优化能力。这种交互并非简单的“信息传递”，而是通过“临床专业性+患者实际场景”的深度融合，修正 ai 模型的局限性，让方案从“算法生成”落地为 “临床可用、患者可执行” 的有效干预。

2、面向泌尿系结石复发高风险人群（如既往结石病史、代谢异常、家族史患者），由于医生端与患者端双向的数据流动，存在医嘱对应的预防治疗方案与患者本身实际的预防治疗措施存在差异的可能性，即患者端存在对于医嘱的遵从性以及病情的个性化处理，则需要通过患者多个用药相关指标的数据变化表现，与医嘱下理想数据变化表现进行比对，以进行患者个性化预防治疗措施的分析，进而自适应迭代预防治疗方案，辅助临床医生快速制定个性化治疗决策，降低结石复发率。

技术实现思路

1、本发明提供一种针对泌尿系结石复发的个性化预防治疗方案推荐系统，以解决现有的患者对于医嘱遵从性与个性化方案治疗所引起的预防效果偏差的问题，所采用的技术方案具体如下：

2、本发明还提出了一种针对泌尿系结石复发的个性化预防治疗方案推荐系统，该系统包括：

3、患者数据采集模块，用于采集医生端与患者端交互的预防治疗方案中多种用药指标的理想监测数据，以及患者实际多种用药指标的实际监测数据，并记录历史若干患者多种用药指标的历史监测数据及其治疗方案；

4、患者数据分析模块，用于分析患者各用药指标的监测数据的周期性变化，得到患者的若干监测时段及历史监测时段；基于历史监测数据分析相同用药指标下不同监测时段的指标数据变化相关性，得到历史监测时段的治疗参考系数；结合不同治疗方案中监测数据整体变化相似性，获取历史监测时段的治疗参考因子；

5、分析不同用药指标的监测数据之间的变化关联关系，得到各用药指标的个性化反馈调节系数；基于历史监测数据结合治疗参考因子构建参考数据，迭代分析实际监测数据与参考数据差异，结合个性化反馈调节系数得到预测数据；基于理想监测数据与多次调整的预测数据，通过矩阵分析同一监测时段下的整体相似性，获取患者的最终预测矩阵；

6、治疗方案推荐模块，用于基于当前患者的最终预测矩阵与其他患者的监测矩阵，通过协同过滤获取其他患者对于当前患者的推荐得分，结合其他患者的治疗方案进行推荐。

7、可选的，所述患者的若干监测时段及历史监测时段，具体的获取方法为：

8、对于当前患者的治疗方案任一用药指标的实际监测数据，其构成当前患者该用药指标的监测序列，对该监测序列进行stl时间序列分解得到趋势项、周期项及残差项，对周期项进行傅里叶变换，得到该监测序列的周期项的频谱图，获取所述频谱图中各频率的幅值，将其中幅值最大值对应的频率的倒数，作为当前患者的治疗方案中该用药指标的监测周期；

9、获取当前患者的治疗方案中各用药指标的监测周期，获取所有监测周期中的最小值，作为当前患者的监测时期；按照监测时期对当前患者的治疗方案中各用药指标的监测序列对应的所有时刻进行划分，得到当前患者的若干监测时段；

10、对各患者的各用药指标的历史监测数据，依据相应的治疗方案进行各患者各治疗方案的监测时期划分，进而得到各患者的若干历史监测时段。

11、可选的，所述基于历史监测数据分析相同用药指标下不同监测时段的指标数据变化相关性，得到历史监测时段的治疗参考系数，包括的具体方法为：

12、通过对患者同一用药指标所有监测数据进行标准化处理，得到患者各用药指标的若干指标数据；

13、将当前患者的监测数据对应时刻得到的若干监测时段中任一监测时段作为当前患者的当前监测时段；对于当前患者任一用药指标在当前监测时段的若干指标数据，按照时序构成当前患者该用药指标在当前监测时段的指标序列；获取历史任一患者该用药指标任一历史监测时段的若干指标数据，按照时序构成该患者该用药指标该历史监测时段的历史指标序列；对所述指标序列与所述历史指标序列进行dtw匹配并得到dtw距离，将得到的dtw距离的反比例归一化结果作为该患者该用药指标该历史监测时段对当前患者当前监测时段的变化参考因子；

14、基于当前患者的实际监测数据与历史监测数据在相同用药指标下趋势项变化表现，以及对应监测时段的时间分布，获取历史不同患者相同用药指标各监测时段的时期参考权重；

15、将该患者该用药指标该历史监测时段对当前患者当前监测时段的时期参考权重与所述变化参考因子的乘积，作为该患者该用药指标该历史监测时段对当前患者当前监测时段的治疗参考系数。

16、可选的，所述得到患者各用药指标的若干指标数据，包括的具体方法为：

17、对所有患者任一用药指标所有实际监测数据及历史监测数据进行标准化处理，得到的结果作为该用药指标各监测时段及历史监测时段的指标数据。

18、可选的，所述历史不同患者相同用药指标各监测时段的时期参考权重，具体的获取方法为：

19、基于当前患者任一用药指标当前监测时段，在该用药指标的监测序列的趋势项中，提取当前患者该用药指标当前监测时段的趋势序列，以及相邻前一监测时段的趋势序列，获取所述当前监测时段的趋势序列减去相邻前一监测时段的趋势序列得到的差值序列，作为当前监测时段的趋势变化序列；

20、获取任一患者该用药指标任一历史监测时段的趋势序列，以及相应的趋势变化序列；对所述当前监测时段的趋势变化序列，与该患者该用药指标该历史监测时段的趋势变化序列进行dtw匹配并得到dtw距离，将得到的dtw距离的反比例归一化结果作为该患者该用药指标该监测时段对当前患者当前监测时段的时期参考权重。

21、可选的，所述历史监测时段的治疗参考因子，具体的获取方法为：

22、对于当前患者的治疗方案对应的若干监测时段，将任一患者任一治疗方案对应的若干历史监测时段，作为参考患者参考治疗方案对应的若干历史监测时段；将当前患者的治疗方案中各监测时段按照时序构成当前患者的治疗方案的监测时段序列，获取参考患者参考治疗方案的历史监测时段序列，对该监测时段序列与该历史监测时段序列基于监测时段与历史监测时段在该用药指标的变化参考因子进行dtw匹配，并得到dtw距离，将得到的dtw距离的反比例归一化结果作为当前患者的治疗方案与参考患者参考治疗方案的治疗相似因子；

23、将所述治疗相似因子赋予到参考患者参考治疗方案中若干历史监测时段，作为参考患者参考治疗方案中各历史监测时段对于当前患者的治疗方案中各监测时段的治疗相似因子；

24、将所述治疗相似因子与所述治疗参考系数相乘，得到的乘积作为参考患者参考治疗方案中该用药指标各历史监测时段对当前患者当前监测时段的治疗参考因子。

25、可选的，所述得到各用药指标的个性化反馈调节系数，包括的具体方法为：

26、对于当前患者任一用药指标当前监测时段的若干指标数据，按照时序构成当前患者该用药指标当前监测时段的指标序列；对当前患者任意两个用药指标当前监测时段的指标序列获取余弦相似度，作为当前患者该两个用药指标当前监测时段的变化关联性；对所有患者该两个用药指标在所有监测时段的变化关联性计算均值，作为该两个用药指标的变化相关性；

27、将任一用药指标作为当前用药指标，将当前用药指标与其他用药指标的变化相关性的均值，作为当前用药指标的个性化反馈调节系数。

28、可选的，所述基于历史监测数据结合治疗参考因子构建参考数据，迭代分析实际监测数据与参考数据差异，结合个性化反馈调节系数得到预测数据，包括的具体方法为：

29、对于当前用药指标任一实际监测数据，对历史监测数据中各患者当前用药指标各历史监测时段中该实际监测数据对应同位置的指标数据，以所在历史监测时段相应的治疗参考因子为权重，进行加权求均，得到的结果作为该实际监测数据的参考数据；

30、获取该实际监测数据与其参考数据的差值绝对值，作为该实际监测数据的初始治疗差异，获取当前监测时段各实际监测数据的初始治疗差异，若存在初始治疗差异大于预设差异阈值的实际监测数据，通过当前用药指标的个性化反馈调节系数与实际监测数据进行相乘，得到调整的实际监测数据并作为对应次调整的预测数据，并重新计算治疗差异，直至不存在大于差异阈值的预测数据时停止，将最终得到的预测数据作为当前患者当前用药指标当前监测时段的最终预测数据。

31、可选的，所述患者的最终预测矩阵，具体的获取方法为：

32、对于同次调整下当前监测时段的若干预测数据及未调整的实际监测数据，以时刻为列、用药指标为行构建矩阵，作为患者对应次调整的有效监测矩阵；基于当前患者的治疗方案对应多种用药指标的理想监测数据，构建理想监测矩阵；基于理想监测矩阵与相应次调整的有效监测矩阵，获取各次调整的反馈优选系数；

33、从第一次调整开始，在进行阈值判断后，通过1减去反馈优选系数后再与个性化反馈调节系数进行相乘，以此作为新的调节系数，并进行第二次调整，并以此类推，直至得到最终次调整后的最终预测数据，构成最终预测矩阵。

34、可选的，所述各次调整的反馈优选系数，具体的获取方法为：

35、对所述理想监测矩阵与相应次调整的有效监测矩阵，采用矩阵逐行首尾相连构成序列以进行相似度计算，将得到的相似度作为对应次调整的反馈优选系数。

36、本发明的有益效果是：本发明通过对患者治疗方案多种用药指标的实际监测数据，结合历史若干患者治疗方案下多种用药指标的历史监测数据进行综合分析，以综合治疗方案下多种用药指标的理想监测数据变化，以及历史监测数据中相似生理状态的多用药指标的相关表现，获取最终预测矩阵用于后续协同过滤，以通过过往治疗方案实现个性化预防治疗推荐；其中考虑各用药指标的监测数据周期性变化，以及监测时段与历史监测时段之间趋势与整体数据的变化关系，以此得到监测时段与历史监测时段之间的治疗参考系数，进一步从治疗方案下各监测时段的整体治疗参考系数变化进行数据变化相似分析，从而对相同用药指标的历史监测数据获取对于实际监测数据的治疗参考因子；后续以此构建参考数据用于反映与当前治疗方案相似的生理状态，进而结合理想监测数据进行迭代调整，同时考虑不同用药指标之间的关联变化关系，最终得到最终预测数据并构建最终预测矩阵。