时序医疗数据的趋势推演方法、装置、设备及介质与流程

本发明涉及智能决策，尤其涉及一种时序医疗数据的趋势推演方法、装置、设备及介质。

背景技术：

1、在智慧医疗与精准医疗快速发展的当下，时序医疗数据的趋势推演已成为医疗健康领域的核心研究方向之一，旨在依托患者多维度医疗数据建模分析，预判疾病分期演进、并发症发生、病情恶化及预后转归等潜在发展趋势，突破了传统医疗仅能实现疾病静态筛查的局限。

2、在金融科技领域，例如保险领域，慢性病（如糖尿病、高血压、慢性肾病）及重大疾病（如癌症、心脑血管疾病）的趋势推演直接决定了保险理赔概率、保额设定及健康管理方案的有效性。这类疾病的进展过程并非随机变化，而是遵循明确的病理生理规律，其核心特征是体内多生理指标（如血糖、血压、肿瘤标志物、肝肾功能指标等）随时间的动态演变，且该演变过程受到病理生理动力学方程的约束，属于典型的高维、强约束时序演变问题。

3、但现有技术主要依赖传统统计模型或常规机器学习模型，通过对历史医疗数据的拟合，实现对医疗数据趋势推演的粗略判断，进而辅助精算定价、理赔审核及健康管理决策。然而，由于医疗数据如慢性病、重疾的病理生理机制复杂，多指标耦合性强，且病程演变具有显著的个体差异和物理约束特性，现有技术难以满足精准预测的需求。

4、因此，如何提高时序医疗数据的趋势推演的准确度成为亟待解决的问题。

技术实现思路

1、本发明提供时序医疗数据的趋势推演方法、装置、设备及介质，其主要目的在于解决时序医疗数据趋势推演的准确度较差的问题。

2、第一方面，为实现上述目的，本发明提供的时序医疗数据的趋势推演方法，包括：

3、获取多维度医疗数据及医疗理论数据，对所述多维度医疗数据进行数据标准化处理，得到标准数据集；

4、根据所述医疗理论数据构建医疗数据约束模型，将所述医疗数据约束模型嵌入预构建的初始推演模型，生成趋势推演模型；

5、利用所述标准数据集对所述趋势推演模型进行参数训练，得到目标趋势推演模型；

6、在接收到待分析用户的医疗时序数据时，利用所述目标趋势推演模型提取所述医疗时序数据的高维数据特征；

7、根据所述高维数据特征生成时间状态序列，根据所述时间状态序列预测所述待分析用户的数据趋势。

8、第二方面，本发明还提供一种时序医疗数据的趋势推演装置，包括：

9、数据处理模块，用于获取多维度医疗数据及医疗理论数据，对所述多维度医疗数据进行数据标准化处理，得到标准数据集；

10、趋势推演模型构建模块，用于根据所述医疗理论数据构建医疗数据约束模型，将所述医疗数据约束模型嵌入预构建的初始推演模型，生成趋势推演模型；

11、模型训练模块，用于利用所述标准数据集对所述趋势推演模型进行参数训练，得到目标趋势推演模型；

12、高维数据特征提取模块，用于在接收到待分析用户的医疗时序数据时，利用所述目标趋势推演模型提取所述医疗时序数据的高维数据特征；

13、数据趋势推演模块，用于根据所述高维数据特征生成时间状态序列，根据所述时间状态序列预测所述待分析用户的数据趋势。

14、第三方面，本发明还提供一种电子设备，所述电子设备包括：

15、至少一个处理器；以及，

16、与所述至少一个处理器通信连接的存储器；其中，

17、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的时序医疗数据的趋势推演方法。

18、第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的时序医疗数据的趋势推演方法。

19、本发明实施例中，通过对多维度医疗数据进行数据标准化处理，使得标准数据集具备统一的数据规范、完整的数据维度、可靠的数据精度；根据医疗理论数据构建医疗数据约束模型，将医疗数据约束模型嵌入预构建的初始推演模型，生成趋势推演模型，可以实现数据分布拟合与物理约束满足度的协同优化，确保模型的预测精度和物理可信性；

20、利用标准数据集对趋势推演模型进行参数训练，得到目标趋势推演模型，可以进一步提升趋势推演模型的泛化能力和训练效率，确保趋势推演模型在小样本、数据缺失的场景下仍能稳定输出精准的预测结果，在接收到待分析用户的医疗时序数据时，利用目标趋势推演模型提取高维数据特征，根据高维数据特征生成时间状态序列，根据时间状态序列预测待分析用户的数据趋势，能够平衡对历史数据分布的拟合精度与对物理约束的满足度，有效提升数据趋势预测的精确度。

1.一种时序医疗数据的趋势推演方法，其特征在于，所述方法包括：

2.如权利要求1所述的时序医疗数据的趋势推演方法，其特征在于，所述对所述多维度医疗数据进行数据标准化处理，得到标准数据集，包括：

3.如权利要求1所述的时序医疗数据的趋势推演方法，其特征在于，所述根据所述医疗理论数据构建医疗数据约束模型，包括：

4.如权利要求1所述的时序医疗数据的趋势推演方法，其特征在于，所述利用所述标准数据集对所述趋势推演模型进行参数训练，得到目标趋势推演模型，包括：

5.如权利要求4所述的时序医疗数据的趋势推演方法，其特征在于，所述利用所述趋势推演模型中的医疗数据约束模型对所述预测趋势数据进行约束，得到约束预测趋势数据，包括：

6.如权利要求1所述的时序医疗数据的趋势推演方法，其特征在于，所述利用所述目标趋势推演模型提取所述医疗时序数据的高维数据特征，包括：

7.如权利要求1所述的时序医疗数据的趋势推演方法，其特征在于，所述根据所述时间状态序列预测所述待分析用户的数据趋势，包括：

8.一种时序医疗数据的趋势推演装置，其特征在于，所述时序医疗数据的趋势推演装置包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的时序医疗数据的趋势推演方法。