CN110335681A - 一种用于老年痴呆预警系统及预警方法 - Google Patents

一种用于老年痴呆预警系统及预警方法 Download PDF

Info

Publication number
CN110335681A
CN110335681A CN201910385482.XA CN201910385482A CN110335681A CN 110335681 A CN110335681 A CN 110335681A CN 201910385482 A CN201910385482 A CN 201910385482A CN 110335681 A CN110335681 A CN 110335681A
Authority
CN
China
Prior art keywords
data
health
early warning
unit
acquisition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910385482.XA
Other languages
English (en)
Inventor
艾静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Harbin Medical University
Original Assignee
Harbin Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Medical University filed Critical Harbin Medical University
Priority to CN201910385482.XA priority Critical patent/CN110335681A/zh
Publication of CN110335681A publication Critical patent/CN110335681A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/40—Population genetics; Linkage disequilibrium
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Physics & Mathematics (AREA)
  • Genetics & Genomics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Chemical & Material Sciences (AREA)
  • Ecology (AREA)
  • Nutrition Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一种用于老年痴呆预警系统及预警方法，属于医疗过程管理人工智能技术领域。本发明解决了如何快捷评估个人日常生活和风险因素对认知功能的影响，并进行预警的问题。本发明的数据采集及处理模块，用于获取与采集对象相关的身体参数信息，并对上述信息进行数据处理；数据分类处理分析模块，用于将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析；预警模块，用于构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据的关联分析，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估。本发明实现了快捷评估个人日常生活和风险因素对认知功能的影响，并进行疾病预警。

Description

一种用于老年痴呆预警系统及预警方法
技术领域
本发明涉及一种疾病预警系统及预警方法，具体涉及一种用于老年痴呆预警系统及预警方法，将日常生活习惯和医疗健康检测数据的关联分析，依据数据关联分析的风险因素分级标准，提供脑区功能状态的预警，并对治疗方案进行评估。属于医疗过程管理人工智能技术领域。
背景技术
人口老龄化引起的老年痴呆人数的急剧上升是全世界面临的重大社会问题。据美国《World Alzheimer Report 2018》统计的数字显示:2015年全球已有老年痴呆患者4.68千万，到2050年将达到1.31亿。目前，全世界每3.2秒钟就有1例患者被诊断为痴呆。2015年全球用于老年痴呆治疗的医疗费用已经达到8180亿，到2030年这部分支出将达到2万亿。2015年我国约有老年人口1.5亿，按照全世界平均发病率6％计算，老年痴呆患者约为1千万人，约占全世界的四分之一。但实际上据《北京市2013年老年人口信息和老年事业发展状况报告》数据显示北京市60岁以上的老年人口患有老年痴呆的比率是23.7％。按照这一数字推算，我国目前应有老年痴呆患者3.5千万。而这一数字并不包括隐性处于痴呆早期和未能就诊的老年患者。可见，持续不断上升的患病人数已经构成了我国严重的社会问题。不仅如此，自90年代以来，中国社会家庭结构逐步小型化，长期以来推行独生子女政策形成的“四二一"家庭结构，使得家庭养老的功能日渐弱化。这一数字提示我们：每2个家庭就有可能遇到一位痴呆患者，就是说老年痴呆的患者就在我们每个人的身边。然而，这类患者却处于无药可治的尴尬境地。
老年痴呆症是一种进行性缓慢发展的疾病。从最初出现记忆力下降和认知改变到最终确诊为老年痴呆症需要平均12-17年的时间。在这期间如果能够进行有效的生活干预和训练，可以有效的延缓或阻止疾病的发生和发展。由于老年痴呆症初期日常生活中的轻微的记忆力和认知改变并不能够构成去医院诊疗的必要条件，因此，这些患者便处于自由发展无人问津的空白区，最终成为发展成老年痴呆的后备军。如何有效的预防和动态管理这一重大社会问题，是目前全社会关注的焦点，也是每个家庭不得不面对的困境。
老年痴呆具有发病隐匿，潜伏期长的特征。早期发现并实施早期干预是控制发病和获得有效治疗的关键。尽管目前临床上老年痴呆尚无有效的治疗方法，但是大量的临床研究已经证明其风险因素与衰老、高血压、心肌梗死、房颤、糖尿病、高脂血症、睡眠状态、抑郁、中风等密切相关。然而这些影响因素单一存在和合并存在，加上生活习惯的不同对认知功能损伤的贡献不同，如何快捷评估个人日常生活和风险因素对认知功能的影响，并进行预警，为实施疾病早期干预提供参考，将对科学管理老年痴呆患者具有重要意义。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
鉴于此，本发明是解决如何快捷评估个人日常生活和风险因素对认知功能的影响，并进行预警的问题，进而设计了一种用于老年痴呆预警系统及预警方法。
方案一：一种用于老年痴呆预警系统，包括数据采集及处理模块、数据分类处理分析模块、预警模块、健康管理模块；
所述数据采集及处理模块，用于获取与采集对象相关的身体参数信息，并对上述信息进行数据处理；
所述数据分类处理分析模块，用于将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析；
所述预警模块，用于构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据的关联分析，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估，具体预警信息为健康画像、健康和体能评价、疾病预测预警、治疗方案评估；
所述健康管理模块，用于建立健康档案、基线健康管理、疾病管理、健康咨询及建立个性化营养平衡方案，并将上述信息传至终端设备。
进一步地：数据采集及处理模块包括采集对象单元和数据处理单元，所述采集对象单元包括基线数据采集单元和疾病数据来源，所述数据处理单元包括数据统一标准化单元、数据清洗单元、数据关联单元、数据归并单元和数据存储单元；
所述数据统一标准化单元，用于将获取与采集对象相关的身体参数信息进行统一标准化处理；
所述数据清洗单元，用于将统一标准化处理的数据进行清洗；
所述数据关联单元，用于将获取与采集的基线数据和疾病数据进行关联；
所述数据归并单元，用于将关联数据进行归并整理；
所述数据存储单元，用于存储数据。
进一步地：所述基线数据采集单元包括社区健康人群、医疗机构患病人群、养老机构人群、社会福利机构人群以及个人家庭用户；所述疾病数据来源包括脑卒中病例、老年痴呆病例、抑郁症病例、高血压病例、心脏病病例、糖尿病病例以及肿瘤病例。
进一步地：所述数据分类处理分析模块包括大数据存储单元、标引引擎单元、数据深度学习单元、算法模型、管理模块以及数据脱敏模块；
所述大数据存储单元，用于存储大数据；
所述标引引擎单元，用于数据标引及数据调用引擎；
所述数据深度学习单元，用于数据的深度学习；
所述算法模型，用于将认知功能测试评分和脑区功能状态与健康医疗大数据及生物分子大数据进行关联分析；
所述管理模块，用于数据的标准化管理及系统的故障管理；
所述数据脱敏模块，用于对敏感信息通过脱敏规则进行数据变形，实现敏感隐私数据的可靠保护。
进一步地：所述健康医疗大数据包括健康信息、遗传因素、生活环境及饮食结构；所述生物分子大数据包括基因组、转录组及蛋白组。
进一步地：所述终端设备为PC、平板或手机。
方案二：一种用于老年痴呆预警方法，该方法是依托方案一所述的一种用于老年痴呆预警系统实现的，具体步骤：
第一步：获取与采集对象相关的身体参数信息，并对上述信息进行数据处理；
第二步：将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析；
第三步：构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据的关联分析，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估，具体预警信息为健康画像、健康和体能评价、疾病预测预警、治疗方案评估；
第四步：建立健康档案、基线健康管理、疾病管理、健康咨询及建立个性化营养平衡方案，并将上述信息传至终端设备。
进一步地：第一步中，获取采集数据的方式为：穿戴式监测设备获取采集数据、移动式监测设备获取采集数据、便携式监测设备获取采集数据、嵌入式检测设备获取采集数据、或者远程健康监测获取采集数据。
进一步地：第一步、第二步中，数据的管理要求满足ISO27001标准、ISO9000标准、国家等保以及行业标准。
本发明所达到的效果为：
本发明构建生活习惯和医疗健康数据的数据库，构建认知功能评分与遗传因素、生活习惯和医疗健康数据之间的关联分析，构建脑区功能评分与遗传因素、生活习惯和医疗健康数据之间的关联分析，构建基于风险因素的疾病发生的预警数据，构建基于药物治疗前后疗效评估方案；实现了快捷评估个人日常生活和风险因素对认知功能的影响，并进行疾病预警，为实施疾病早期干预提供参考，将对科学管理老年痴呆患者具有重要意义。
附图说明
图1是本发明的一种用于老年痴呆预警系统框图。
具体实施方式
为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本发明公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。
在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在申请文件中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
实施例1：参见图1，本实施方式的一种用于老年痴呆预警系统，包括数据采集及处理模块、数据分类处理分析模块、预警模块、健康管理模块；所述数据采集及处理模块，用于获取与采集对象相关的身体参数信息，包括利用新型穿戴式、移动式、便携式、植入式、远程健康监测设备及终端，以家庭、社区、单位为中心，采集居民的健康信息(日常基础身体指标、体征、行为、运动、饮食、睡眠、精神、心理、社会等)，采集临床检测遗传因素(淀粉样前体蛋白、早老素1基因、早老素2基因突变检测及载脂蛋白E基因亚型检测等)、个人基本因素(血压、血糖、心电、血氧、体脂率、呼吸信号)等心脑血管患者内源多参数数据，采集患者外源多参数数据(生活行为方式、膳食结构和营养状况调查、社会交往、居住环境等)，结合文本挖掘技术从科技文献、新闻中统计健康及衰老相关心脑血管系统疾病相关单词，并整合公共可获得的包括基因组、转录组及蛋白质组在内的多维分子组学大数据，及病人随访数据等多维立体的结构化及非结构化数据。对上述信息进行数据处理；所述数据分类处理分析模块，用于将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析，通过多维健康信息数据进行对比、统计、关联、降维分析和应用建模，从不同维度观察健康数据在时间和空间上的变迁过程以及所处的状态水平，从中遴选出与健康和体能评价最关键的指标或指标组合，及最优的指标权重设置，进一步提高对健康的认识，降低不确定性风险，实现健康精准管理。；所述预警模块，用于构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据，运用多种并行机器学习算法(支持向量机、贝叶斯分类器、聚类、文本分词等)，优化痴呆管控风险因素，给出定量化风险预测评分及判断痴呆与健康的转折点，挖掘痴呆的演进规律和未来走势，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估，具体预警信息为健康画像、健康和体能评价、疾病预测预警、治疗方案评估；所述健康管理模块，利用决策树、神经网络、随机森林等人工智能模型，深度学习患者症状、患者信息、检测指标、治疗方案等多种数据，找出老年痴呆疾病不同亚型与治疗方式之间的关系，建立健康档案、基线健康管理、疾病分级管控管理、健康咨询及建立个性化营养平衡方案，并将上述信息传至终端设备。
更为具体地：数据采集及处理模块包括采集对象单元和数据处理单元，所述采集对象单元包括基线数据采集单元和疾病数据来源，所述数据处理单元包括数据统一标准化单元、数据清洗单元、数据关联单元、数据归并单元和数据存储单元；所述数据统一标准化单元，用于将获取与采集对象相关的身体参数信息进行统一标准化处理；所述数据清洗单元，用于将统一标准化处理的数据进行清洗；所述数据关联单元，用于将获取与采集的基线数据和疾病数据进行关联；所述数据归并单元，用于将关联数据进行归并整理；所述数据存储单元，用于存储数据。
更为具体地：所述基线数据采集单元包括社区健康人群、医疗机构患病人群、养老机构人群、社会福利机构人群以及个人家庭用户；所述疾病数据来源包括脑卒中病例、老年痴呆病例、抑郁症病例、高血压病例、心脏病病例、糖尿病病例以及肿瘤病例。
更为具体地：所述数据分类处理分析模块包括大数据存储单元、标引引擎单元、数据深度学习单元、算法模型、管理模块以及数据脱敏模块；所述大数据存储单元，用于存储大数据；所述标引引擎单元，用于数据标引及数据调用引擎；所述数据深度学习单元，用于数据的深度学习；所述算法模型，用于将认知功能测试评分和脑区功能状态与健康医疗大数据及生物分子大数据进行关联分析；所述管理模块，用于数据的标准化管理及系统的故障管理；所述数据脱敏模块，用于对敏感信息通过脱敏规则进行数据变形，实现敏感隐私数据的可靠保护。
更为具体地：所述健康医疗大数据包括健康信息、遗传因素、生活环境及饮食结构；所述生物分子大数据包括基因组、转录组及蛋白组。
更为具体地：所述终端设备为PC、平板或手机。
实施例2：参见图1，本实施方式的一种用于老年痴呆预警方法，该方法是依托实施例1所述的一种用于老年痴呆预警系统实现的，具体步骤：
第一步：获取与采集对象相关的身体参数信息，并对上述信息进行数据处理；
第二步：将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析；
第三步：构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据的关联分析，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估，具体预警信息为健康画像、健康和体能评价、疾病预测预警、治疗方案评估；
第四步：建立健康档案、基线健康管理、疾病管理、健康咨询及建立个性化营养平衡方案，并将上述信息传至终端设备。
更为具体地：第一步中，获取采集数据的方式为：穿戴式监测设备获取采集数据、移动式监测设备获取采集数据、便携式监测设备获取采集数据、嵌入式检测设备获取采集数据、或者远程健康监测获取采集数据。
更为具体地：第一步、第二步中，数据的管理要求满足ISO27001标准、ISO9000标准、国家等保以及行业标准。
虽然本发明所揭示的实施方式如上，但其内容只是为了便于理解本发明的技术方案而采用的实施方式，并非用于限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭示的核心技术方案的前提下，可以在实施的形式和细节上做任何修改与变化，但本发明所限定的保护范围，仍须以所附的权利要求书限定的范围为准。

Claims (9)

1.一种用于老年痴呆预警系统，其特征在于：包括数据采集及处理模块、数据分类处理分析模块、预警模块、健康管理模块；
所述数据采集及处理模块，用于获取与采集对象相关的身体参数信息，并对上述信息进行数据处理；
所述数据分类处理分析模块，用于将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析；
所述预警模块，用于构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据的关联分析，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估，具体预警信息为健康画像、健康和体能评价、疾病预测预警、治疗方案评估；
所述健康管理模块，用于建立健康档案、基线健康管理、疾病管理、健康咨询及建立个性化营养平衡方案，并将上述信息传至终端设备。
2.根据权利要求1所述的一种用于老年痴呆预警系统，其特征在于：数据采集及处理模块包括采集对象单元和数据处理单元，所述采集对象单元包括基线数据采集单元和疾病数据来源，所述数据处理单元包括数据统一标准化单元、数据清洗单元、数据关联单元、数据归并单元和数据存储单元；
所述数据统一标准化单元，用于将获取与采集对象相关的身体参数信息进行统一标准化处理；
所述数据清洗单元，用于将统一标准化处理的数据进行清洗；
所述数据关联单元，用于将获取与采集的基线数据和疾病数据进行关联；
所述数据归并单元，用于将关联数据进行归并整理；
所述数据存储单元，用于存储数据。
3.根据权利要求2所述的一种用于老年痴呆预警系统，其特征在于：所述基线数据采集单元包括社区健康人群、医疗机构患病人群、养老机构人群、社会福利机构人群以及个人家庭用户；所述疾病数据来源包括脑卒中病例、老年痴呆病例、抑郁症病例、高血压病例、心脏病病例、糖尿病病例以及肿瘤病例。
4.根据权利要求3所述的一种用于老年痴呆预警系统，其特征在于：所述数据分类处理分析模块包括大数据存储单元、标引引擎单元、数据深度学习单元、算法模型、管理模块以及数据脱敏模块；
所述大数据存储单元，用于存储大数据；
所述标引引擎单元，用于数据标引及数据调用引擎；
所述数据深度学习单元，用于数据的深度学习；
所述算法模型，用于将认知功能测试评分和脑区功能状态与健康医疗大数据及生物分子大数据进行关联分析；
所述管理模块，用于数据的标准化管理及系统的故障管理；
所述数据脱敏模块，用于对敏感信息通过脱敏规则进行数据变形，实现敏感隐私数据的可靠保护。
5.根据权利要求4所述的一种用于老年痴呆预警系统，其特征在于：所述健康医疗大数据包括健康信息、遗传因素、生活环境及饮食结构；所述生物分子大数据包括基因组、转录组及蛋白组。
6.根据权利要求5所述的一种用于老年痴呆预警系统，其特征在于：所述终端设备为PC、平板或手机。
7.一种用于老年痴呆预警方法，该方法是依托权利要求6所述的一种用于老年痴呆预警系统实现的，具体步骤：
第一步：获取与采集对象相关的身体参数信息，并对上述信息进行数据处理；
第二步：将处理后的数据进行储存、数据标引及引擎、数据深度学习，并与健康医疗大数据及生物分子大数据进行关联分析；
第三步：构建认知功能测试评分和脑区功能状态与日常生活习惯和医疗健康检测数据的关联分析，进行基于风险因素的疾病发生的预警和基于药物治疗前后疗效评估，具体预警信息为健康画像、健康和体能评价、疾病预测预警、治疗方案评估；
第四步：建立健康档案、基线健康管理、疾病管理、健康咨询及建立个性化营养平衡方案，并将上述信息传至终端设备。
8.根据权利要求7所述的一种用于老年痴呆预警方法，其特征在于：第一步中，获取采集数据的方式为：穿戴式监测设备获取采集数据、移动式监测设备获取采集数据、便携式监测设备获取采集数据、嵌入式检测设备获取采集数据、或者远程健康监测获取采集数据。
9.根据权利要求8所述的一种用于老年痴呆预警方法，其特征在于：第一步、第二步中，数据的管理要求满足ISO27001标准、ISO9000标准、国家等保以及行业标准。
CN201910385482.XA 2019-05-09 2019-05-09 一种用于老年痴呆预警系统及预警方法 Pending CN110335681A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910385482.XA CN110335681A (zh) 2019-05-09 2019-05-09 一种用于老年痴呆预警系统及预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910385482.XA CN110335681A (zh) 2019-05-09 2019-05-09 一种用于老年痴呆预警系统及预警方法

Publications (1)

Publication Number Publication Date
CN110335681A true CN110335681A (zh) 2019-10-15

Family

ID=68140009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910385482.XA Pending CN110335681A (zh) 2019-05-09 2019-05-09 一种用于老年痴呆预警系统及预警方法

Country Status (1)

Country Link
CN (1) CN110335681A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111048216A (zh) * 2019-12-05 2020-04-21 杭州市第七人民医院 社区老年痴呆早期筛查与干预系统
CN111768828A (zh) * 2020-09-03 2020-10-13 成都索贝数码科技股份有限公司 基于院内外数据的患者体征画像构建系统及方法
CN112948351A (zh) * 2021-02-03 2021-06-11 武汉大学 一种健康医疗数据库及构建方法
CN113413532A (zh) * 2021-07-01 2021-09-21 曾迎春 基于虚拟现实的癌症相关认知障碍评估与康复训练系统
CN117457153A (zh) * 2023-12-26 2024-01-26 深圳市龙岗区第三人民医院 精神科居家护理智能推荐系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610779A (zh) * 2017-10-25 2018-01-19 医渡云（北京）技术有限公司 疾病评价及患病风险评估方法及装置
CN108257648A (zh) * 2018-02-08 2018-07-06 杭州医云康网络科技有限公司 一种基于大数据的医疗健康数据管理系统
CN108922623A (zh) * 2018-07-12 2018-11-30 中国铁道科学研究院集团有限公司 一种健康风险评估和疾病预警信息系统
WO2019130296A1 (en) * 2017-12-26 2019-07-04 ChroniSense Medical Ltd. Determining an early warning score based on wearable device measurements

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610779A (zh) * 2017-10-25 2018-01-19 医渡云（北京）技术有限公司 疾病评价及患病风险评估方法及装置
WO2019130296A1 (en) * 2017-12-26 2019-07-04 ChroniSense Medical Ltd. Determining an early warning score based on wearable device measurements
CN108257648A (zh) * 2018-02-08 2018-07-06 杭州医云康网络科技有限公司 一种基于大数据的医疗健康数据管理系统
CN108922623A (zh) * 2018-07-12 2018-11-30 中国铁道科学研究院集团有限公司 一种健康风险评估和疾病预警信息系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
裴双超 艾静: ""糖尿病与阿尔茨海默病的相关性研究进展"", 《神经药理学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111048216A (zh) * 2019-12-05 2020-04-21 杭州市第七人民医院 社区老年痴呆早期筛查与干预系统
CN111768828A (zh) * 2020-09-03 2020-10-13 成都索贝数码科技股份有限公司 基于院内外数据的患者体征画像构建系统及方法
CN112948351A (zh) * 2021-02-03 2021-06-11 武汉大学 一种健康医疗数据库及构建方法
CN113413532A (zh) * 2021-07-01 2021-09-21 曾迎春 基于虚拟现实的癌症相关认知障碍评估与康复训练系统
CN113413532B (zh) * 2021-07-01 2022-03-01 曾迎春 基于虚拟现实的癌症相关认知障碍评估与康复训练系统
CN117457153A (zh) * 2023-12-26 2024-01-26 深圳市龙岗区第三人民医院 精神科居家护理智能推荐系统及方法

Similar Documents

Publication Publication Date Title
CN110335681A (zh) 一种用于老年痴呆预警系统及预警方法
Nakatani et al. Predicting inpatient falls using natural language processing of nursing records obtained from Japanese electronic medical records: case-control study
CN109920547A (zh) 一种基于电子病历数据挖掘的糖尿病预测模型构建方法
KR20170061222A (ko) 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
CN108778097A (zh) 用于评估心力衰竭的装置和方法
CN108305175A (zh) 基于智能医学知识图谱的保险理赔风控辅助审核系统
CN109841282A (zh) 一种基于云计算的中医健康管理云系统及其搭建方法
CN110584601B (zh) 一种老人认知功能监测和评估系统
WO2022183460A1 (zh) 一种利用个性化指标进行健康分析的系统及其使用方法
JP2019509101A (ja) 小児対象に関する血行力学的不安定性リスクスコアを決定するシステム及び方法
CN106599553A (zh) 疾病预警方法及装置
Pal et al. Deep learning techniques for prediction and diagnosis of diabetes mellitus
CN109411062A (zh) 一种基于深度学习技术利用生理参数自动判断糖尿病及其并发症的方法
CN108231146A (zh) 一种基于深度学习的医疗记录模型构建方法、系统及装置
CN111951965B (zh) 基于时序知识图谱的全景式健康动态监测与预测系统
Butt et al. Diagnosing the stage of hepatitis C using machine learning
CN107145715B (zh) 一种基于推举算法的临床医学智能判别装置
KR20200113954A (ko) 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법
Papamatthaiakis et al. Monitoring and modeling simple everyday activities of the elderly at home
CN113128654B (zh) 一种用于冠心病预诊断中的改进型随机森林模型及其预诊断系统
Radha Hybrid prediction model for the risk of cardiovascular disease in type-2 diabetic patients
CN113990502A (zh) 一种基于异构图神经网络的icu心衰预测系统
Maulana et al. Influence of Logistic Regression Models For Prediction and Analysis of Diabetes Risk Factors
US20240161913A1 (en) Precision biology search with machine learning and digital twin technology
CN117095820B (zh) 一种家族痛风的风险预警方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191015

RJ01 Rejection of invention patent application after publication