基于多模态数据的心脑血管疾病风险预测方法及系统

本发明涉及疾病的风险预测，具体涉及基于多模态数据的心脑血管疾病风险预测方法及系统。

背景技术：

1、现有技术中，针对慢性疾病，尤其是心脑血管疾病，主要集中在对病人基础信息和病情的统计管理上，虽然现目前国内外出现了一些针对该类疾病的风险预测工具，但其仍存在以下不足之处：采集数据单一，且缺乏对数据有效性的可靠验证，以及未对风险评估结果的可靠性进行有效评判以及关键缺失数据进行识别，从而导致风险预测结果准确性偏低。

技术实现思路

1、本发明第一个方面意在提供一种风险预测结果更准确的基于多模态数据的心脑血管疾病风险预测方法。

2、基于多模态数据的心脑血管疾病风险预测方法，包括以下步骤：

3、步骤s1：多模态随访数据获取及标准化，获取与目标人员心脑血管综合风险和脑卒中专项风险相关的多模态随访数据，统一人员标识、字段、计量单位、医学概念、数据来源及实际采集时间，形成供步骤s2使用的标准化多模态随访数据；

4、步骤s2：时间有效的纵向随访序列构建，以步骤s1输出的数据为输入，按照实际采集时间建立随访周期，将连续监测数据转换为周期级特征，并结合有效期限、采集状态和监测覆盖度生成供步骤s3使用的有效纵向随访序列；

5、步骤s3：纵向风险特征生成，步骤s3以步骤s2输出的有效纵向随访序列为输入，生成当前指标、时间间隔感知的变化特征、参考范围偏离、异常持续时间、连续异常次数和医学概念证据，形成供步骤s4使用的纵向风险特征；

6、步骤s4：心脑血管综合风险及脑卒中专项风险评估；步骤s4以步骤s3输出的纵向风险特征为输入，根据数据完整性、时效性及有效性确定各类特征的参与程度，先生成综合风险状态值，再以脑卒中专项风险证据进行修正；

7、步骤s5：风险结果可靠性判断及关键待补数据项目识别，步骤s5接收心脑血管综合风险结果及其风险等级、脑卒中专项风险结果及其风险等级、主要风险因素、风险贡献值，以及数据质量系数、融合系数、特征缺失标识、医学概念证据冲突强度、特征有效系数、模型参与路径和溯源信息，进行风险结果可靠性判断及关键待补数据项目识别；上述数据不足时跳过步骤s5，将两个风险任务的风险支持度、风险等级稳定度和风险结果可靠度置零，总体风险结果可靠性状态置为不可靠；全部缺失或失效核心输入作为关键待补数据项目，风险影响值取一后送入步骤s6，且不输出两类风险结果；

8、步骤s6：最小必要数据补采任务生成，步骤s6以总体风险结果可靠性状态和关键待补数据项目为输入，结合风险影响值、可靠度缺口、数据获取成本、预计完成时间及采集条件，确定最小必要补采任务集合；

9、步骤s7：反馈数据更新及风险闭环复评，步骤s7接收步骤s6任务返回的数据，并按照任务标识和实际采集时间更新纵向随访序列。

10、本发明的第二个方面意在提供基于多模态数据的心脑血管疾病风险预测系统，包括数据采集模块，用于获取多模态随访数据并对其进行标准化处理，获取与目标人员心脑血管综合风险和脑卒中专项风险相关的多模态随访数据，统一人员标识、字段、计量单位、医学概念、数据来源及实际采集时间；

11、纵向随访序列构建模块，用于按照实际采集时间建立随访周期，将连续监测数据转换为周期级特征，并结合有效期限、采集状态和监测覆盖度生成有效纵向随访序列；

12、纵向风险特征生成模块，以有效纵向随访序列为输入，生成当前指标、时间间隔感知的变化特征、参考范围偏离、异常持续时间、连续异常次数和医学概念证据；

13、心脑血管综合风险及脑卒中专项风险评估模块，以纵向风险特征为输入，根据数据完整性、时效性及有效性确定各类特征的参与程度，生成综合风险状态值，再以脑卒中专项风险证据进行修正；

14、风险结果可靠性判断及关键待补数据项目识别模块，用于接收心脑血管综合风险结果及其风险等级、脑卒中专项风险结果及其风险等级、主要风险因素、风险贡献值，以及数据质量系数、融合系数、特征缺失标识、医学概念证据冲突强度、特征有效系数、模型参与路径和溯源信息，进行风险结果可靠性判断及关键待补数据项目识别；

15、最小必要数据补采任务生成模块，用于以总体风险结果可靠性状态和关键待补数据项目为输入，结合风险影响值、可靠度缺口、数据获取成本、预计完成时间及采集条件，确定最小必要补采任务集合；

16、反馈数据更新及风险闭环复评模块，用于接收任务返回的数据，并按照任务标识和实际采集时间更新纵向随访序列。

17、本发明的有益效果在于：采集多模态源数据，并对源数据进行有效判断，以及生成当前指标、时间间隔感知的变化特征、参考范围偏离、异常持续时间、连续异常次数和医学概念证据，从而分别对心脑血管综合风险及脑卒中专项风险进行准确评估，并对评估结果进行可靠性判断，对关键缺失数据进行准确识别，从而确保风险预测的准确性。

1.基于多模态数据的心脑血管疾病风险预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s2具体包括以下步骤：

3.根据权利要求2所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s3具体包括以下步骤：

4.根据权利要求3所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s3还包括以下步骤：

5.根据权利要求4所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s4具体包括以下步骤：

6.根据权利要求5所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s4还包括以下步骤：

7.根据权利要求6所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s5具体包括以下步骤：

8.根据权利要求7所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s6具体包括以下步骤：

9.根据权利要求8所述的基于多模态数据的心脑血管疾病风险预测方法，其特征在于，s7具体包括以下步骤：

10.基于多模态数据的心脑血管疾病风险预测系统，其特征在于：包括数据采集模块，用于获取多模态随访数据并对其进行标准化处理，获取与目标人员心脑血管综合风险和脑卒中专项风险相关的多模态随访数据，统一人员标识、字段、计量单位、医学概念、数据来源及实际采集时间；