一种疾病追踪预测系统的制作方法

1.本发明涉及一种疾病追踪预测系统，属于医疗数据管理领域。


背景技术：

[0002][0003]
然而现有的疾病追踪预测方法存在的问题是，尽管现有设备能够记录患者的信息，但是不能通过整体的统合与协调采集和跟踪的数据来对病情进行分析，从而提醒医护人员及时随诊和跟踪患者的康复状况，并对可能发生的疾病做出预测。


技术实现要素：

[0004]
本发明要解决的技术问题是提供一种疾病追踪预测系统，解决现有疾病追踪预测方法不能通过整体的统合与协调采集和跟踪的数据来对病情进行分析，从而提醒医护人员及时随诊和跟踪患者的康复状况，并对可能发生的疾病做出预测的问题。
[0005]
为了解决上述技术问题，本发明采用的一种技术方案是：一种疾病追踪预测系统，包括：数据采集追踪模块，采用云端数据库服务器，通过信息传感设备记录用户的个人信息、病史和健康数据，所述信息传感设备通过5g网络连接云端数据库服务器，经过长期的监测形成预测和追踪模型；数据分析模块，云端数据库中的数据发送到医院数据库，将疾病风险因素相关的数据录入风险预测模型中，通过大数据分析和机器学习建立疾病预测模型；评估应用模块，将数据分类整理并进行标准化处理，生成疾病趋势性报告，将分析结果和预警通过计算机、平板或者手机通知用户。
[0006]
所述信息传感设备包括计步器、手环心率带、智能血糖仪或智能手表等多种类似设备。
[0007]
为了便于用户理解，所述数据分析模块的分析结果和预警采用可视化图表形式发送给用户。
[0008]
采集追踪的健康数据包括传染病登记信息、健康体征监控数据、风险人群行程记录、用药记录、过往病史、血常规特征数据、尿常规特征数据、肿瘤特征数据、血流变特征数据、血生化特征数据、职业病数据、基因数据和生活方式及作息时间。
[0009]
评估应用模块推送的信息包括建议使用药物种类、剂量、用药的督促提醒和改变生活方式的建议。
[0010]
进一步地，疾病预测模型采用迭代提升欠采样模型，usib迭代地从多数类样本中进行欠采样，构建多组弱分类器，通过加权组合方式集成为一个强分类器，最后基于标签最大互信息树对预测标签进行选择优化，实现疾病预测。疾病预测模型也可以采用神经网络技术。
[0011]
所述云端数据库的系统架构包括基础设施层、数据支撑层、软件支撑层和应用层；
基础设施层由计算机及其存储设备、基础操作系统、通信设施、应用服务器及数据库管理系统组成；数据支撑层包括情报跟踪数据、互联网情报数据及系统管理数据等方面的管理、存储；软件支撑层包括上层操作提供基础功能服务及相关通用信息的处理；应用处理层包括主信息采集及管理组件、情报推送组件、数据处理组件及系统管理组件。
[0012]
本发明与现有技术相比，具有如下优点：1. 通过整体的统合与协调采集和跟踪的数据来对病情进行分析，从而提醒医护人员及时随诊和跟踪患者的康复状况，并对可能发生的疾病做出预测的问题。
[0013]
2.操作简单灵活，系统稳定，用户可以在任何有网络的地方对系统进行操作，不受地域的限制。
[0014]
3.增加用户对自身健康状态的管理能力，并且根据身体指标变化做出药物改变，另一方面对生活习惯、行为方式进行指引。
[0015]
4.快速使医院获取患者病情信息，跟进患者病情，提高就诊效率。
[0016]
5.识别高危人群，进行危险因素干预。
具体实施方式
[0017]
下面对本发明作进一步的描述：一种疾病追踪预测系统，包括：数据采集追踪模块，采用云端数据库服务器，通过信息传感设备记录用户的个人信息、病史和健康数据，所述信息传感设备包括计步器、手环心率带、智能血糖仪或智能手表。使用信息传感设备操作简单灵活，系统稳定，用户可以在任何有网络的地方对系统进行操作，不受地域的限制。并且可以识别高危人群，进行危险因素干预。
[0018]
采集和同步数据库中的疾病检测信息可以利用互联网数据抓取技术进行实现，信息收集的任务结合使用人工参与和智能信息采集来完成。
[0019]
云端数据库的系统架构包括了基础设施层、数据支撑层、软件支撑层、应用层四个层级。基础设施层由计算机及其存储设备、基础操作系统、通信设施、应用服务器及数据库管理系统等组成，主要为面向疾病监测的互联网情报动态跟踪。数据支撑层的关键是要负责对互联网信息数据（主要包含情报跟踪数据、互联网情报数据及系统管理数据等方面）的管理、存储。主要存在形式有：主题词库、互联网资源库、安全管、主题库、词网库、理库、系统管理库。软件支撑层包括中间件及套装工具，其主要为上层操作提供基础功能服务及相关通用信息的处理，该层主要提供互联网信息抓取、全文检索、领域知识处理及信息可视化展现等服务。应用处理层作为系统体系结构的主要部分，结合下层的基础服务及编写业务逻辑处理模块为支撑，实现系统的业务功能和服务。其主要分为主信息采集及管理组件、情报推送组件、数据处理组件及系统管理组件。
[0020]
所述信息传感设备通过5g网络连接云端数据库服务器，经过长期的监测形成预测和追踪模型；采集追踪的健康数据包括传染病登记信息、健康体征监控数据、风险人群行程记录、用药记录、过往病史、血常规特征数据、尿常规特征数据、肿瘤特征数据、血流变特征数据、血生化特征数据、职业病数据、基因数据和生活方式及作息时间。
[0021]
连接5g网络的信息传感设备包括感知层、网络层和应用层，其中感知层是由摄像头、二维码、各种传感器等感知终端组成，主要用于采集各种类型的健康数据。采用的技术
包括rfid（射频识别）、epc（电子编码）等。
[0022]
通过信息传感设备与互联网连接，构建一个大范围的网路，并将这些信息传感设备通过医疗物联网技术将资源紧密联系起来，从而实现资源互通和信息共享。
[0023]
数据分析模块，云端数据库中的数据发送到医院数据库，将疾病风险因素相关的数据录入风险预测模型中，通过大数据分析和机器学习建立疾病预测模型；疾病预测是实现慢性疾病管理的最有效措施之一，近年来通过不断对疾病预测模型进行完善，数学模型不断用于各种疾病的预测中。本技术的疾病预测模型采用迭代提升欠采样模型，usib迭代地从多数类样本中进行欠采样，构建多组弱分类器，通过加权组合方式集成为一个强分类器，最后基于标签最大互信息树对预测标签进行选择优化，实现疾病预测。
[0024]
疾病预测模型采用神经网络技术，通过预先训练bp神经网络模型得到。
[0025]
评估应用模块，将数据分类整理并进行标准化处理，生成疾病趋势性报告，将分析结果和预警通过计算机、平板或者手机通知用户。所述数据分析模块的分析结果和预警采用可视化图表形式发送给用户，从而增加用户对自身健康状态的管理能力，并且根据身体指标变化做出药物改变，另一方面对生活习惯、行为方式进行指引。并且可以每天主动跟进传染病风险人群的身体状况，按照医护人员需求采集信息并可在第一时间发现异常情况，快速联系到患者和医院，第一时间处理，有效降低了传染病蔓延风险，降低了人工工作量，在确保信息准确的前提下，使医护人员更好地管理自己的工作时间，提高工作效率。
[0026]
评估应用模块推送的信息包括建议使用药物种类、剂量、用药的督促提醒和改变生活方式的建议。
[0027]
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。