CN110070940B - 一种患病风险值确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种患病风险值确定方法，以解决现有技术中的患者难以发现并及时治疗疾病，导致疾病死亡率较高的问题。方法包括：获取病情评估界面上录入的患者的多项病情描述数据；确定各所述病情描述数据分别对应的权重系数；根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率。本发明还公开一种患病风险值确定装置、电子设备及计算机可读存储介质。

Description

一种患病风险值确定方法、装置、电子设备及存储介质

技术领域

本发明涉及医疗诊断技术领域，尤其涉及一种患病风险值确定方法、装置、电子设备及计算机可读存储介质。

背景技术

慢性病(例如，急性主动脉综合征、急性冠状动脉综合征、肺栓塞)是一类受环境因素和遗传因素共同影响的多因素疾病，是由多种危险因素综合作用产生的结果。由于慢性病起病隐匿，潜伏期长、病情进展快，导致很多患者难以及时发现及治疗，造成较高的死亡率。因此，对慢性病的患病风险值进行预先确定，成为亟需解决的问题。

发明内容

本发明实施例提供一种患病风险值确定方法、装置、电子设备及计算机可读存储介质，用以对目标疾病的患病风险值进行确定。

本发明实施例采用下述技术方案：

一种患病风险值确定方法，包括：

获取病情评估界面上录入的多项病情描述数据；

确定各所述病情描述数据分别对应的权重系数；

根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率。

一种患病风险值确定装置，包括数据获取模块、权重系数确定模块、交互项系数确定模块以及概率确定模块，其中：

数据获取模块，用于获取病情评估界面上录入的患者的多项病情描述数据；

权重系数确定模块，用于确定各所述相关数据分别对应的权重系数；

交互项系数确定模块，用于根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

概率确定模块，用于根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率。

一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的患病风险值确定方法的步骤。

一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的患病风险值确定方法的步骤。

本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：

采用本发明实施例提供的方法，基于患者的病情描述数据以及病情描述数据对应的权重系数、交互项系数对目标疾病的患病风险值进行确定，进而可以根据患病风险值对患者进行预警，解决患者难以发现疾病的问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1a为本发明实施例提供的一种患病风险值确定方法的实现流程示意图；

图1b为本发明实施例提供的一种病情评估界面示意图；

图1c为本发明实施例提供的一种目标疾病的标准回归曲线示意图；

图1d为本发明实施例提供的一种患病风险值确定方法对应的评估报告示意图；

图2为本发明实施例提供一种患病风险值确定装置的具体结构示意图；

图3为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下结合附图，详细说明本发明各实施例提供的技术方案。

实施例1

为解决现有技术中无法对慢性病的风险值进行预测的问题，本发明实施例提供一种患者风险值确定方法。

该方法的执行主体，可以是电子设备，该电子设备可以为终端设备或服务器，其中，终端设备可以如个人计算机等设备，也可以如手机、平板电脑等电子设备，服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群。

本发明实施例，以目标疾病为胸痛类疾病为例，对该方法进行说明；具体地，该方法的实现流程如图1a所示，可以包括如下步骤：

步骤11，获取病情评估界面上录入的患者的多项病情描述数据；

所述病情描述数据可以包括：病症发作数据和生命体征数据。

其中，病症发作数据用于表征患者的疾病症状表现，例如，初始疼痛部位、是否为突发性胸痛、胸痛疼痛性质、胸痛范围、胸痛诱因、胸痛持续时间、患者神志情况、四肢活动情况、伴随症状、发病以来小便情况、发病以来排便排气情况、既往史和/或体征。

所述生命体征数据用于表征患者的生命体征，例如患者体温、患者心率、呼吸频率、血氧饱和度、左臂血压、右臂血压和/或生命体征采集时间。

本发明实施例中，可以直接从病情评估界面上获取患者的多项病情描述数据；

或者，可以将预先从病情评估界面上采集到的患者的多项病情描述数据通过后台接口传输到数据库中，进行记录并保存；在后续操作中，当需要获取病情描述数据时，可以直接从数据库中获取患者的多项病情描述数据。

需要说明的是，以上两种获取病情评估界面上录入的患者的多项病情描述数据的方法，仅是本发明实施例的一种示例性说明，并不对本发明造成任何限定。

所述病情评估界面如下图1b所示，可以包括生命体征描述数据以及病症发作数据两大类待评估项；

其中，病症发作数据中各项数据详细情况如下：

胸痛发病时间可以包括如下选项：

胸痛发病时间；

初始疼痛部位中可以包括如下选项：

心前区；右胸；胸骨后；剑突后；颈部；下颔；肩部；左上肢；左前臂；背部；左上腹；右上腹；腹部；下肢；其他；

是否为突发性胸痛可以包括：是；否；

胸痛疼痛性质中可以包括如下选项：

强烈伴有濒死感；压榨性；紧缩感；憋闷感；灼烧感；撕裂感；针刺样；刀割样；隐痛；钝痛；胀痛；绞痛；跳痛；

胸痛范围可以包括如下选项：

手掌大小；针尖大小；呈条索状；其他；

胸痛诱因可以包括如下选项：

外伤；劳累；运动；活动；睡眠；休息；情绪激动；寒冷；无明显诱因；

胸痛持续时间可以包括如下选项：

持续疼痛不缓解；胸痛持续数秒，数分后缓解；胸痛持续半小时以上不缓解；

患者神志(意识)情况可以包括如下选项：

查体配合；查体欠配合；

四肢活动情况可以包括如下选项：

正常；左下肢麻木；右下肢麻木；截瘫；

伴随症状包括如下选项：

无；面色苍白、四肢厥冷；气促、气短；咳血；胸闷、憋气；头晕、头痛；恶心、呕吐；其他；

发病以来小便情况可以包括如下选项：

正常；少尿；无尿；血尿；

发病以来排便排气情况可以包括如下选项：

有；有黑便；无；

既往史可以包括如下选项：

无；脑血管史；冠心病；高血压；高血脂；糖尿病；心肌梗塞；肺栓塞史；先天性心脏病；血管炎症性疾病；主动脉疾病家族史；恶性肿瘤；马凡氏综合征；下肢深静脉血栓史；胸主动脉瘤、主动脉瓣疾病；骨折、胸部严重顿挫、挤压创伤；近期内主动脉手术；大型全麻外科手术；

体征可以包括如下选项：

水冲脉；奔马律；脉搏短拙；面颊肿胀；下肢肿胀；心率失常；紫绀、发绀；下肢静脉曲张；肝颈静脉回流征；心尖区心脏杂音；三尖瓣返流杂音；颈静脉充盈或异常搏动；主动脉瓣舒张期杂音；两侧颈动脉搏动不一致；肺动脉瓣第二心音；无异常体征。

步骤12，确定各所述病情描述数据分别对应的权重系数；

所述权重系数，用于表征各项病情描述数据在总的病情描述数据中的重要程度；

可选地，本发明实施例中可以采用以下步骤确定各病情描述数据分别对应的权重系数：

步骤121，从疾病模型权重数据库中获取与各所述病情描述数据分别对应的标准权重值；

疾病权重数据库可以为预先参照与目标疾病相关的权威文献和/或相关的权威人士的指导意见制定的关于患者病症发作数据和生命体征数据的概率系数数据库；通常，该疾病权重数据库可以保存在系统数据库中。

所述标准权重值，用于表征各项病情描述数据对目标疾病的影响程度；

例如，假设病情描述数据为：左下肢麻木、胸闷、憋气、无尿，则分别从疾病模型权重数据库中获取与左下肢麻木、胸闷、憋气、无尿各项病情描述数据对应的标准权重值(设上述各项病情描述数据对应的标准权重值分别为0、5、3、3)。

本发明实施例中，标准权重值包括-1、0、1、3、5、8、10七项分值。需要说明的是，本发明实施例提供的七项分值仅是一种示例性说明，并不对本发明造成任何限定，实际应用中，可以根据病例实际情况对标准权重值进行适应性调整。

可选地，本发明实施例中可以根据标准权重值的数值大小，将获取的病情描述数据划分为不同风险等级。

例如，可以根据标准权重值将风险等级划分为7个层级，其中，-1为“基本排除”；0为“无关因素”；1为“非特异性证据/低风险因素”；3为“相关性证据/中风险因素”；5为“可疑性证据/高风险因素”；8为“高度可疑性证据”；10为“确诊性证据”。

步骤122，基于各所述标准权重值以及所述目标疾病的标准回归曲线，确定各所述病情描述数据分别对应的权重系数。

目标疾病的标准回归曲线，可以是预先根据以往病例分析总结得到的，用于表征各项病情描述数据的权重值与权重系数之间的映射关系的一种曲线。

如说明书附图1c所示，本发明实施例以目标疾病为急性主动脉综合征(AcuteAortic Syndrome，AAS)、急性冠状动脉综合征(Acute Coronary Syndrome，ACS)、肺栓塞(Pulmonary Embolism，PE)三种疾病为例，对标准回归曲线进行描述：

图1c中，标准回归曲线对应的横坐标为病情描述数据的权重值，标准回归曲线对应的纵坐标为病情描述数据的权重系数；图1c中，从左往右，三条曲线分别为ACS、PE、AAS对应的标准回归曲线。

本发明实施例中，可以将权重值作为标准回归曲线函数的自变量，根据标准回归曲线函数的自变量(即病情描述数据的权重值)，确定各所述病情描述数据分别对应的权重系数。

例如，基于步骤121从疾病模型权重数据库中获取到左下肢麻木、胸闷、憋气、无尿各项病情描述数据对应的标准权重值分别为0、5、3、3，则结合图1c中标准回归曲线可知：

左下肢麻木：标准权重值为0，将权重值0分别作为目标疾病ACS、PE、AAS的标准回归曲线函数的自变量，可以确定病情描述数据中“左下肢麻木”对应的权重系数分别为0.0、0.0、0.0；

胸闷：标准权重值为5，将权重值5分别作为目标疾病ACS、PE、AAS的标准回归曲线函数的自变量，可以确定病情描述数据中“胸闷”对应的权重系数分别为0.0、0.24、0.42；

对于憋气、无尿等各项病情描述数据对应的权重系数的确定方法，以此类推，此处不再赘述。

或者，本发明实施例中，由于标准权重值/预设风险等级与疾病模型权重数据中的系数为一一对应关系，因此，可以基于各病情描述数据对应的标准权重值或预先划分的风险等级，通过查表(疾病风险相关数据项权重赋分说明表)方式确定各病情描述数据分别对应的权重系数。

所述疾病风险相关数据项权重赋分说明表，可以为预先参照与目标疾病相关的权威文献和/或相关的权威人士的指导意见制定。

例如，假设病情描述数据为胸痛性质中强烈伴有濒死感，其对应在AAS、ACE、PE中风险等级分别为可疑性证据、非特异性证据、无关因素，结合下表1可知：

表1疾病风险相关数据权重赋分说明表

表1中包括“权重值”、“风险项等级”、“AAS的权重系数”、“ACS的权重系数”、“PE的权重系数”五部分内容，且由于权重值/风险项等级与AAS、ACS、PE呈一一对应关系，因此，结合上述风险等级可以确定该病情描述数据对应的权重系数分别为1.2、0.1、0。

步骤13，根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

本发明实施例中，例如可以通过以下步骤确定目标疾病的交互项系数：

步骤131，确定各所述病情描述数据分别对应的匹配值，其中所述匹配值用于表征对应的病情描述数据与目标疾病的标准病情描述数据的匹配程度；

所述匹配值取值为0、1，其中，0表征病情描述数据与目标疾病的标准病情描述数据不匹配；1表征病情描述数据与目标疾病的标准病情描述数据匹配。

所述标准病情描述数据，用于表征正常情况下目标疾病的症状表现；

例如，假设AAS的标准病情描述数据为：

初始疼痛部位＝心前区|胸骨后|右胸|剑突后；

是否为突发性胸痛＝是；

疼痛性质＝强烈伴濒死感|撕裂样|针刺样|刀割样；

既往史＝脑血管病史|高血压|马凡氏综合征|血管炎症性疾病|近期主动脉手术|主动脉疾病家族史|胸主动脉瘤、主动脉瓣疾病；

然而，获取患者的多项病情描述数据为：

初始疼痛部位＝背部；

是否为突发性胸痛＝是；

疼痛性质＝钝痛；

既往史＝马凡氏综合征；

其中，“|”表示关系“或”；如，初始疼痛部位＝心前区|胸骨后|右胸|剑突后，表征AAS的标准病情描述数据中初始疼痛部位通常为心前区或胸骨后或右胸或剑突后。

根据上述患者的病情描述数据与AAS的标准病情描述数据比较，可知：

患者的病情描述数据中的“初始疼痛部位”(背部)与AAS的标准病情描述数据中的“初始疼痛部位”(心前区|胸骨后|右胸|剑突后)不匹配，故病情描述数据“初始疼痛部位”对应的匹配值为0；

患者的病情描述数据中的“是否为突发性胸痛”(是)与AAS的标准病情描述数据中的“是否为突发性胸痛”(是)匹配，故病情描述数据“是否为突发性胸痛”对应的匹配值为1；

以此类推，患者的病情描述数据中的“疼痛性质”、“既往史”对应的匹配值分别为0，1。

步骤132，根据各所述匹配值确定目标疾病的交互项系数。

经研究发现，当患者同时出现几项对目标疾病患病概率影响较小的病情描述数据时，会显著增加该疾病的患病概率，因此，本发明实施例中，为了使目标疾病患病概率确定更准确，本发明实施例增加一个目标疾病的交互项系数。

所述交互项系数，用于表征在多项特定病情描述数据同时出现的情况下，对患病概率的影响程度。

为方便描述，以下以目标疾病为AAS为例，对交互项系数的确定方法进行描述：

基于步骤131确定的匹配值，按照如下公式，将患者的病情描述数据与AAS的标准病情描述数据的最大匹配值确定为AAS的交互项系数：

AAS交互项系数＝Max(3*((初始疼痛部位＝心前区|胸骨后|右胸|剑突后)且(是否为突发性胸痛＝是)且((疼痛性质＝强烈伴濒死感|撕裂样|针刺样|刀割样)|(既往史＝脑血管病史|高血压|马凡氏综合征|血管炎症性疾病|近期主动脉手术|主动脉疾病家族史|胸主动脉瘤、主动脉瓣疾病)))，1.7*((初始疼痛部位＝心前区|胸骨后|右胸|剑突后)且(是否为突发性胸痛＝是))，0.95*((是否为突发性胸痛＝是)且(疼痛性质＝强烈伴濒死感|撕裂样|针刺样|刀割样))；

其中，AAS交互项系数确定公式中“*”表示“乘”；

例如，沿用步骤131中的例子，假设患者的多项病情描述数据为：

初始疼痛部位＝背部；

是否为突发性胸痛＝是；

疼痛性质＝钝痛；

既往史＝马凡氏综合征；

则，基于上述匹配值的确定方法以及AAS交互项系数确定公式，可以得到患者的多项病情描述数据对应的AAS交互项系数为：

AAS交互项系数＝Max(3*0，1.7*0，0.95*0)＝0；

或者，可以基于上述交互项系数的确定方法，对患者的病情描述数据对应的ACS或PE的交互项系数进行确定。

其中，ACS交互项系数＝Max(2.3*((初始疼痛部位＝心前区|胸骨后)且(是否为突发性胸痛＝是|否)|(疼痛性质＝压榨性|紧缩感|憋闷感|灼烧感))，1.2*((初始疼痛部位＝心前区|胸骨后|右胸|剑突后)|(胸痛持续时间＝胸痛持续数秒或数分服药后可缓解|胸痛持续10min以上服药后不缓解)|(既往史＝冠心病|心肌梗塞)|(实验室检查＝cTnT>0.5μg/L或cTnl>1.5μg/L|CK-MB>0.06或CK-MB>25U/L)|(心电图检查＝T波倒置|深而宽的Q波))；

PE交互项系数＝Max(2.6*((生命体征—患者心率≥95|生命体征—呼吸频率>20|生命体征-血氧饱和度<90)且(初始疼痛部位＝心前区|胸骨后|右胸|剑突后且(是否为突发性胸痛＝否)且(胸痛诱因＝外伤)且((伴随症状＝气促、气短|咳血、咯血|胸闷、憋气|头晕、头痛|恶心、呕吐)|(既往史＝肺栓塞史|骨折(髋部或腿)、胸部严重顿挫、挤压创伤、脊髓损伤|大型全麻外科手术(膝髋关节手术、冠脉搭桥手术、瓣膜置换术))))，1.3*((胸痛诱因＝外伤)|(伴随症状＝气促、气短|咳血、咯血|胸闷、憋气|头晕、头痛|恶心、呕吐)|(既往史＝肺栓塞史|下肢深静脉血栓史|骨折(髋部或腿)、胸部严重顿挫、挤压创伤、脊髓损伤|大型全麻外科手术(膝髋关节手术、冠脉搭桥手术、瓣膜置换术)|(体征＝奔马律|肝颈静脉回流|下肢肿胀)(实验室检查＝血浆D-二聚体(D-dimer)>500μg/L|血气分析PaO2＜80mmHg伴PaCO2＜35mmHg)))；

需要说明的是，AAS的交互项系数仅与病情描述数据中的病症发作数据有关；ACS、PE的交互项系数与病情描述数据中的病症发作数据、生命体征数据均有关。

需要说明的是，本发明实施例中，对于步骤12以及步骤13中获取权重系数与交互项系数的先后顺序不作限定，上述描述方式仅是一种示例性说明，并不对患病风险值确定方法造成任何限定。本发明实施例中，例如，还可以先执行步骤13，确定完目标疾病的交互项系数之后，再执行步骤12，确定各病情描述数据分别对应的权重系数。

相关技术中，由于各病情描述数据本身之间存在相互影响、相互作用关系，因此，为了使计算结果更准确，本发明实施例新增加一个交互项系数，将各病情描述数据之间的相互关系考虑到计算模型中；此外，本发明实施例中，根据各病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数，其中，以目标疾病的标准病情描述数据作为基准，确定目标疾病的交互项系数，能够减少计算过程中的计算下偏差，使计算结果更精确。

步骤14，根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率。

其中，患病概率也可以称为风险值，以下为方便描述，统称为患病概率。

本发明实施例中，可以根据下述公式确定目标疾病的患病概率：

其中，p表示目标疾病的患病概率；

β₀表示模型的常数项，用于表征当模型中所有自变量(例如，交互项系数以及权重系数)均为0时，患目标疾病的概率；其数值可以根据流行病学确定；

例如，根据流行病学研究结果可知，全世界中，正常人患目标疾病AAS的概率为0.01％、患目标疾病ACS的概率为0.45％、患目标疾病PE的概率为0.20％。

x₁，...，x_n表示标准病情描述数据中的从1到n项病情描述数据的指示变量，取值为0，1；其中，取0时表示没有出现此风险项，取1时表示出现了此风险项；

例如，假设急性冠状动脉综合征的标准病情描述数据为：突发性胸痛；疼痛范围为手掌大小；伴随症状为面色苍白、恶心和/或头晕；而获取病情评估界面上录入的患者的多项病情描述数据为：突发性胸痛；疼痛范围为手掌大小；伴随症状为面色苍白，则标准病情描述数据中突发性胸痛、疼痛范围为手掌大小、伴随症状为面色苍白，三项标准病情描述数据的指示变量为1，恶心和头晕两项标准病情描述数据的指示变量为0。

β₁，…，β_n为需要确定的各病情描述数据分别对应的权重系数。

以下，以目标疾病为AAS为例，对AAS的患病概率的确定方法进行说明：

例如，假设根据疾病的流行病学研究结果，将模型的常数项β₀确定为-9.7211，则上述风险值确定公式可以记为：

其中，p、x1，...，xn、β₁，...，β_n与上述一致，此处不再赘述。

根据公式，将前面确定好的交互项系数以及各病情描述数据的权重系数代入公式，确定AAS的患病概率。

其中，本发明实施例中，常数项β₀的取值仅是一种示意性说明，可以根据实际情况做适应调整，并不对本发明造成任何限定。

或者，本发明实施例，还可以结合上述方法，对目标疾病ACS、PE的风险值进行确定，其中：

为了方便患者可以清楚、直观地查看目标疾病的患病概率，本发明实施例提供的方法，还包括：

基于所述目标疾病的患病概率生成评估报告，并将所述评估报告展示于所述病情评估界面上。

可选地，如图1d所示，本发明实施例可以将确定的患病概率存入实体类，然后渲染成柱状图，将柱状图作为评估报告并显示到病情评估界面上。

所述评估评估报告中，包括目标疾病AAS的患病风险值99.99％，ACS的患病风险值11.02％、PE的患病风险值0％。

其中，柱状图仅是本发明实施例的一种示意性说明，本发明实施例中，比如还可以渲染成饼状图、条形图、折线图等方便患者查看的图表。

采用本发明实施例1提供的方法，基于患者的病情描述数据以及病情描述数据对应的权重系数、交互项系数对目标疾病的患病风险值进行确定，进而可以根据患病风险值对患者进行预警，能够避免患者难以发现疾病的问题。

实施例2

基于与本发明实施例1相同的发明构思，本发明实施例2提供了一种患病风险值确定装置20，该装置20的具体结构示意图如图2所示，包括数据获取模块21、权重系数确定模块22、交互项系数确定模块23以及概率确定模块24。各模块的功能如下：

数据获取模块21，用于获取病情评估界面上录入的患者的多项病情描述数据；

权重系数确定模块22，用于确定各所述相关数据分别对应的权重系数；

交互项系数确定模块23，用于根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

概率确定模块24，用于根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率。

采用本发明实施例2所提供的该装置20，由于采用与本发明实施例1相同的发明构思，因此也可以解决现有技术中的问题，这里不再赘述。另外，在实际应用中，将该装置20结合具体的硬件设备所带来的技术效果，也在本申请的保护范围之内。

其中，本发明实施例中描述数据可以具体包括：病症发作数据和/或生命体征数据。

病症发作数据，可以包括以下数据：

初始疼痛部位、是否为突发性胸痛、胸痛疼痛性质、胸痛范围、胸痛诱因、胸痛持续时间、患者神志情况、四肢活动情况、伴随症状、发病以来小便情况、发病以来排便排气情况、既往史和/或体征。

生命体征数据，可以包括如下数据：

患者体温、患者心率、呼吸频率、血氧饱和度、左臂血压、右臂血压和/或生命体征采集时间。

在实际应用中，装置20中的权重系数确定模块22，可以具体包括：权重值获取单元和权重系数确定单元。其中，各单元功能如下：

权重值获取单元，用于分别从疾病模型权重数据库中获取与各所述病情描述数据对应的标准权重值；

权重系数确定单元，用于基于各所述权重值以及所述目标疾病的标准回归曲线，确定各所述病情描述数据分别对应的权重系数。

在实际应用中，装置20中的交互项系数确定模块23，可以具体包括：匹配值确定单元和交互项系数确定单元，其中：

匹配值确定单元，用于确定各所述病情描述数据分别对应的匹配值，其中所述匹配值用于表征对应的病情描述数据与目标疾病的标准病情描述数据的匹配程度；

交互项系数确定单元，用于根据各所述匹配值确定目标疾病的交互项系数。

需要说明的是，本发明实施例中，权重系数确定模块22、交互项系数确定模块23分别基于数据获取模块21获取到的数据进行操作，并获取对应的操作结果，概率确定模块24基于权重系数确定模块22以及交互项系数确定模块23的操作结果，确定目标疾病的患病概率。

可选地，为了方便患者清楚、直观地查看患病概率，本发明实施例提供的装置，还包括：

显示模块，用于基于所述目标疾病的患病概率生成评估报告，并将所述评估报告展示于所述病情评估界面上。

实施例3

优选的，本发明实施例还提供一种电子设备300，包括如图3所示的处理器310，存储器309，存储在存储器309上并可在所述处理器310上运行的计算机程序，该计算机程序被处理器310执行时，实现上述实施例中所述的患病风险值确定方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

图3为实现本发明各个实施例的一种电子设备的硬件结构示意图，该电子设备300包括但不限于：射频单元301、网络模块302、音频输出单元303、输入单元304、传感器305、显示单元306、用户输入单元307、接口单元308、存储器309、处理器310、以及电源311等部件。本领域技术人员可以理解，图3中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。

其中，处理器310，耦合到所述存储器，用于：

获取病情评估界面上录入的多项病情描述数据；确定各所述病情描述数据分别对应的权重系数；

根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率。

存储器309，用于存储可在处理器310上运行的计算机程序，该计算机程序被处理器310执行时，实现处理器310所实现的上述功能。

应理解的是，本发明实施例中，射频单元301可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器310处理；另外，将上行的数据发送给基站。通常，射频单元301包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元301还可以通过无线通信系统与网络和其他设备通信。

电子设备通过网络模块302为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。

音频输出单元303可以将射频单元301或网络模块302接收的或者在存储器309中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元303还可以提供与电子设备300执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元303包括扬声器、蜂鸣器以及受话器等。

输入单元304用于接收音频或视频信号。输入单元304可以包括图形处理器(Graphics Processing Unit，GPU)3041和麦克风3042，图形处理器3041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元306上。经图形处理器3041处理后的图像帧可以存储在存储器309(或其它存储介质)中或者经由射频单元301或网络模块302进行发送。麦克3042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元301发送到移动通信基站的格式输出。

电子设备300还包括至少一种传感器305，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板3061的亮度，接近传感器可在电子设备300移动到耳边时，关闭显示面板3061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器305还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。

显示单元306用于显示由用户输入的信息或提供给用户的信息。显示单元306可包括显示面板3061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板3061。

用户输入单元307可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元307包括触控面板3071以及其他输入设备3072。触控面板3071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板3071上或在触控面板3071附近的操作)。触控面板3071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器310，接收处理器310发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板3071。除了触控面板3071，用户输入单元307还可以包括其他输入设备3072。具体地，其他输入设备3072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

进一步的，触控面板3071可覆盖在显示面板3061上，当触控面板3071检测到在其上或附近的触摸操作后，传送给处理器310以确定触摸事件的类型，随后处理器310根据触摸事件的类型在显示面板3061上提供相应的视觉输出。虽然在图3中，触控面板3071与显示面板3061是作为两个独立的部件来实现电子设备的输入和输出功能，但是在某些实施例中，可以将触控面板3071与显示面板3061集成而实现电子设备的输入和输出功能，具体此处不做限定。

接口单元308为外部装置与电子设备300连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元308可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备300内的一个或多个元件或者可以用于在电子设备300和外部装置之间传输数据。

存储器309可用于存储软件程序以及各种数据。存储器309可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器309可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器310是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器309内的软件程序和/或模块，以及调用存储在存储器309内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器310可包括一个或多个处理单元；优选的，处理器310可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器310中。

电子设备300还可以包括给各个部件供电的电源311(比如电池)，优选的，电源311可以通过电源管理系统与处理器310逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

另外，电子设备300包括一些未示出的功能模块，在此不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述患者风险值确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (9)

1.一种患病风险值确定方法，其特征在于，包括：

获取病情评估界面上录入的多项病情描述数据；

确定各所述病情描述数据分别对应的权重系数；

根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率；

其中，确定各所述病情描述数据分别对应的权重系数，具体包括：

从疾病模型权重数据库中获取与各所述病情描述数据分别对应的标准权重值；疾病模型权重数据库为预先参照与目标疾病相关的权威文献和/或相关的权威人士的指导意见制定的关于患者病症发作数据和生命体征数据的概率系数数据库；所述标准权重值，用于表征各项病情描述数据对目标疾病的影响程度，标准权重值包括-1、0、1、3、5、8、10七项分值；根据标准权重值的数值大小，将获取的病情描述数据划分为不同风险等级，根据标准权重值将风险等级划分为7个层级，其中，-1为“基本排除”；0为“无关因素”；1为“非特异性证据/低风险因素”；3为“相关性证据/中风险因素”；5为“可疑性证据/高风险因素”；8为“高度可疑性证据”；10为“确诊性证据”；

基于各所述权重值以及所述目标疾病的标准回归曲线，确定各所述病情描述数据分别对应的权重系数；所述目标疾病的标准回归曲线，是预先根据以往病例分析总结得到的，用于表征各项病情描述数据的权重值与权重系数之间的映射关系的一种曲线；将权重值作为标准回归曲线函数的自变量，根据标准回归曲线函数的自变量，确定各所述病情描述数据分别对应的权重系数；或者，基于各病情描述数据对应的标准权重值或预先划分的风险等级，通过查疾病风险相关数据项权重赋分说明表方式确定各病情描述数据分别对应的权重系数；所述疾病风险相关数据项权重赋分说明表，为预先参照与目标疾病相关的权威文献和/或相关的权威人士的指导意见制定。

2.如权利要求1所述的方法，其特征在于，根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数，具体包括：

确定各所述病情描述数据分别对应的匹配值，其中所述匹配值用于表征对应的病情描述数据与目标疾病的标准病情描述数据的匹配程度；

根据各所述匹配值确定目标疾病的交互项系数。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述目标疾病的患病概率生成评估报告，并将所述评估报告展示于所述病情评估界面。

4.如权利要求1所述的方法，其特征在于，所述病情描述数据具体包括：病症发作数据和生命体征数据。

5.如权利要求4所述的方法，其特征在于，所述病症发作数据，包括：

初始疼痛部位、是否为突发性胸痛、胸痛疼痛性质、胸痛范围、胸痛诱因、胸痛持续时间、患者神志情况、四肢活动情况、伴随症状、发病以来小便情况、发病以来排便排气情况、既往史和/或体征。

6.如权利要求4所述的方法，其特征在于，所述生命体征数据包括：

患者体温、患者心率、呼吸频率、血氧饱和度、左臂血压、右臂血压和/或生命体征采集时间。

7.一种患病风险值确定装置，其特征在于，包括：

数据获取模块，用于获取病情评估界面上录入的患者的多项病情描述数据；

权重系数确定模块，用于确定各所述病情描述数据分别对应的权重系数；

交互项系数确定模块，用于根据各所述病情描述数据与目标疾病的标准病情描述数据的匹配结果，确定目标疾病的交互项系数；

概率确定模块，用于根据所述交互项系数以及各所述权重系数确定目标疾病的患病概率；

所述权重系数确定模块具体包括：权重值获取单元和权重系数确定单元；

其中，

权重值获取单元，用于从疾病模型权重数据库中获取与各所述病情描述数据对应的标准权重值；疾病模型权重数据库为预先参照与目标疾病相关的权威文献和/或相关的权威人士的指导意见制定的关于患者病症发作数据和生命体征数据的概率系数数据库；所述标准权重值，用于表征各项病情描述数据对目标疾病的影响程度，标准权重值包括-1、0、1、3、5、8、10七项分值；根据标准权重值的数值大小，将获取的病情描述数据划分为不同风险等级，根据标准权重值将风险等级划分为7个层级，其中，-1为“基本排除”；0为“无关因素”；1为“非特异性证据/低风险因素”；3为“相关性证据/中风险因素”；5为“可疑性证据/高风险因素”；8为“高度可疑性证据”；10为“确诊性证据”；

权重系数确定单元，用于基于各所述权重值以及所述目标疾病的标准回归曲线，确定各所述病情描述数据分别对应的权重系数；所述目标疾病的标准回归曲线，是预先根据以往病例分析总结得到的，用于表征各项病情描述数据的权重值与权重系数之间的映射关系的一种曲线；将权重值作为标准回归曲线函数的自变量，根据标准回归曲线函数的自变量，确定各所述病情描述数据分别对应的权重系数；或者，基于各病情描述数据对应的标准权重值或预先划分的风险等级，通过查疾病风险相关数据项权重赋分说明表方式确定各病情描述数据分别对应的权重系数；所述疾病风险相关数据项权重赋分说明表，为预先参照与目标疾病相关的权威文献和/或相关的权威人士的指导意见制定。

8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的患病风险值确定方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的患病风险值确定方法的步骤。

Images