CN110232977A - 基于大数据的肺癌患者与其生活环境相关性研究方法 - Google Patents

Abstract

本发明涉及基于大数据的肺癌患者与其生活环境相关性研究方法，包括使用获取装置获取用户的生活环境参数数据，然后通过分析平台装置，用于根据预先建立的预设生活环境参数数据模型对所述生活环境参数数据据进行分析处理，得到对应于用户的肺癌患病风险评估结果。通过建立基于大数据的肺癌患者与生活环境相关性数据库模型，将静态临床诊断数据库与大数据方法有效融合出动态肺癌患病与生活环境关联模型，对患者进行评估并指导易感人群改善生活环境，可突破医生经验限制，提升诊断的速度与准确率，减少肺癌发病率。

Description

基于大数据的肺癌患者与其生活环境相关性研究方法

技术领域

本发明涉及肺癌管理技术领域，具体是基于大数据的肺癌患者与其生活环境相关性研究方法。

背景技术

现代生活中，随着经济的发展、城市的发展，空气污染的逐渐加剧，使人们的生活环境问题越来越多；并且，目前人们工作和生活压力也在逐步增加，大多数人的运动量越来越少，从而使得癌症尤其是肺癌发病率逐年上升。

目前，市场上涌现了一批基于大数据获取人们日常生活状态的一些设备；如小米公司推出的小米手环，其能够记录佩戴用户的运动量、心率、检测佩戴用户的睡眠质量以及进行智能闹钟提醒等；用户则可以通过手机应用实时查看运动量，如走路、跑步及对应的心率等。但是，小米手环只能记录佩戴用户的健康数据，提供给用户查看，其并未涉及进行用户的健康评估的过程。

现有技术中的智能设备只能采集用户的健康数据，或者根据采集的健康数据对用户的当前状态进行评估，但是无法评估生活环境与肺癌患病之间的相关性并对未来生活环境的改善提供指导。

发明内容

本发明所要解决的技术问题是提供基于大数据的肺癌患者与其生活环境相关性研究方法，以解决现有技术中存在的缺陷。

本发明解决上述技术问题的技术方案如下：

基于大数据的肺癌患者与其生活环境相关性研究方法，包括使用获取装置获取用户的生活环境参数数据；所述生活环境参数数据据至少包括以下用户参数数据中的一种或多种：基本情况数据、家族疾病史数据和生活因素数据；然后通过分析平台装置，用于根据预先建立的预设生活环境参数数据模型对所述生活环境参数数据据进行分析处理，得到对应于用户的肺癌患病风险评估结果；以及，对所述肺癌患病评估结果进行分析处理，具体步骤如下：

S1、专家组根据相应的生活环境参数数据建立肺癌患病模型；建立肺癌患病列表，同时在肺癌患病列表下面建立生活环境参数数据列表，所述生活环境参数数据列表按照强关系生活环境参数数据S、中关系生活环境参数数据M和弱关系生活环境参数数据W三类进行区分；根据确诊规律建立肺癌与生活环境参数数据的疾病推导公式：

O(x)＝f(m1,m2,…,mn,w1,w2,…,wi)＝b1X1+b2X2+…+bnXn+p1W1+p2w2…+piwi；

mn代表中关系生活环境参数数据序列中有n个生活环境参数数据m，中关系生活环境参数数据序列M以数组方式表示为(m1,m2…mn)，wi代表弱关系生活环境参数数据序列有i个生活环境参数数据w，弱关系生活环境参数数据序列W以数组方式表示为(w1,w2…wi)；b1…bn代表为在确诊疾病时计入公式的中关系生活环境参数数据相应的权重值，取值在0到1之间，p1，p2…pi指公式引用到弱关系生活环境参数数据的系数，系数取值在0到1之间；

S2、挑选所有合适的病历形成有效病历集，并将有效病历集输入到肺癌患病模型中；

S3、当有效病历集达到一定数量时对相应疾病的肺癌患病模型进行更新，最后获得新肺癌患病模型；

S4、将患者相关生活环境参数数据信息录入模型中，模型首先根据生活环境参数数据信息选取符合肺癌患病模型内强关系生活环境参数数据的疾病列表，后使用相应疾病列表的疾病推导公式算出可能出现的各种疾病和概率，并将各种疾病和相应的概率推送到临床医生的用户端。

更具体的，步骤S2中，挑选有效病历集具体步骤包括：

1)从病历内容中分别提取所有肺癌患病模型中出现的生活环境参数数据，形成每份病历提取结果的生活环境参数数据列表Q；

2)从肺癌患病模型中获取相应病历的确诊疾病的生活环境参数数据列表及对应的推导公式；

3)接着用1)的列表Q与2)获取的生活环境参数数据列表进行对比，当模型生活环境参数数据列表中的强关系生活环境参数数据均应出现在列表Q中时，该病历才可进入后续处理；否则为无效病历；

4)然后将列表Q中的生活环境参数数据节点代入疾病推导公式进行推算患病概率，当概率大于设定的最低阀值时，此病历可归入该疾病的有效病历集。

本发明的有益效果是：通过建立基于大数据的肺癌患者与生活环境相关性数据库模型，将静态临床诊断数据库与大数据方法有效融合出动态肺癌患病与生活环境关联模型，对患者进行评估并指导易感人群改善生活环境，可突破医生经验限制，提升诊断的速度与准确率，减少肺癌发病率。

附图说明

图1为本发明结构示意图；

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，基于大数据的肺癌患者与其生活环境相关性研究方法，包括使用获取装置获取用户的生活环境参数数据；所述生活环境参数数据据至少包括以下用户参数数据中的一种或多种：基本情况数据、家族疾病史数据和生活因素数据；然后通过分析平台装置，用于根据预先建立的预设生活环境参数数据模型对所述生活环境参数数据据进行分析处理，得到对应于用户的肺癌患病风险评估结果；以及，对所述肺癌患病评估结果进行分析处理，具体步骤如下：

S1、专家组根据相应的生活环境参数数据建立肺癌患病模型；建立肺癌患病列表，同时在肺癌患病列表下面建立生活环境参数数据列表，所述生活环境参数数据列表按照强关系生活环境参数数据S、中关系生活环境参数数据M和弱关系生活环境参数数据W三类进行区分；根据确诊规律建立肺癌与生活环境参数数据的疾病推导公式：

O(x)＝f(m1,m2,…,mn,w1,w2,…,wi)＝b1X1+b2X2+…+bnXn+p1W1+p2w2…+piwi；

mn代表中关系生活环境参数数据序列中有n个生活环境参数数据m，中关系生活环境参数数据序列M以数组方式表示为(m1,m2…mn)，wi代表弱关系生活环境参数数据序列有i个生活环境参数数据w，弱关系生活环境参数数据序列W以数组方式表示为(w1,w2…wi)；b1…bn代表为在确诊疾病时计入公式的中关系生活环境参数数据相应的权重值，取值在0到1之间，p1，p2…pi指公式引用到弱关系生活环境参数数据的系数，系数取值在0到1之间；

S2、挑选所有合适的病历形成有效病历集，并将有效病历集输入到肺癌患病模型中；

S3、当有效病历集达到一定数量时对相应疾病的肺癌患病模型进行更新，最后获得新肺癌患病模型；

S4、将患者相关生活环境参数数据信息录入模型中，模型首先根据生活环境参数数据信息选取符合肺癌患病模型内强关系生活环境参数数据的疾病列表，后使用相应疾病列表的疾病推导公式算出可能出现的各种疾病和概率，并将各种疾病和相应的概率推送到临床医生的用户端。

更具体的，步骤S2中，挑选有效病历集具体步骤包括：

1)从病历内容中分别提取所有肺癌患病模型中出现的生活环境参数数据，形成每份病历提取结果的生活环境参数数据列表Q；

2)从肺癌患病模型中获取相应病历的确诊疾病的生活环境参数数据列表及对应的推导公式；

3)接着用1)的列表Q与2)获取的生活环境参数数据列表进行对比，当模型生活环境参数数据列表中的强关系生活环境参数数据均应出现在列表Q中时，该病历才可进入后续处理；否则为无效病历；

4)然后将列表Q中的生活环境参数数据节点代入疾病推导公式进行推算患病概率，当概率大于设定的最低阀值时，此病历可归入该疾病的有效病历集。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.基于大数据的肺癌患者与其生活环境相关性研究方法，其特征在于：包括使用获取装置获取用户的生活环境参数数据；所述生活环境参数数据据至少包括以下用户参数数据中的一种或多种：基本情况数据、家族疾病史数据和生活因素数据；然后通过分析平台装置，用于根据预先建立的预设生活环境参数数据模型对所述生活环境参数数据据进行分析处理，得到对应于用户的肺癌患病风险评估结果；以及，对所述肺癌患病评估结果进行分析处理，具体步骤如下：

S1、专家组根据相应的生活环境参数数据建立肺癌患病模型；建立肺癌患病列表，同时在肺癌患病列表下面建立生活环境参数数据列表，所述生活环境参数数据列表按照强关系生活环境参数数据S、中关系生活环境参数数据M和弱关系生活环境参数数据W三类进行区分；根据确诊规律建立肺癌与生活环境参数数据的疾病推导公式：

O(x)＝f(m1,m2,…,mn,w1,w2,…,wi)＝b1X1+b2X2+…+bnXn+p1W1+p2w2…+piwi；

mn代表中关系生活环境参数数据序列中有n个生活环境参数数据m，中关系生活环境参数数据序列M以数组方式表示为(m1,m2…mn)，wi代表弱关系生活环境参数数据序列有i个生活环境参数数据w，弱关系生活环境参数数据序列W以数组方式表示为(w1,w2…wi)；b1…bn代表为在确诊疾病时计入公式的中关系生活环境参数数据相应的权重值，取值在0到1之间，p1，p2…pi指公式引用到弱关系生活环境参数数据的系数，系数取值在0到1之间；

S2、挑选所有合适的病历形成有效病历集，并将有效病历集输入到肺癌患病模型中；

S3、当有效病历集达到一定数量时对相应疾病的肺癌患病模型进行更新，最后获得新肺癌患病模型；

S4、将患者相关生活环境参数数据信息录入模型中，模型首先根据生活环境参数数据信息选取符合肺癌患病模型内强关系生活环境参数数据的疾病列表，后使用相应疾病列表的疾病推导公式算出可能出现的各种疾病和概率，并将各种疾病和相应的概率推送到临床医生的用户端；

步骤S2中，挑选有效病历集具体步骤包括：

1)从病历内容中分别提取所有肺癌患病模型中出现的生活环境参数数据，形成每份病历提取结果的生活环境参数数据列表Q；

2)从肺癌患病模型中获取相应病历的确诊疾病的生活环境参数数据列表及对应的推导公式；

3)接着用1)的列表Q与2)获取的生活环境参数数据列表进行对比，当模型生活环境参数数据列表中的强关系生活环境参数数据均应出现在列表Q中时，该病历才可进入后续处理；否则为无效病历；

4)然后将列表Q中的生活环境参数数据节点代入疾病推导公式进行推算患病概率，当概率大于设定的最低阀值时，此病历可归入该疾病的有效病历集。