CN111312401B - 一种基于多标签学习的体检后慢性疾病预后系统 - Google Patents

Abstract

本发明公开了一种基于多标签学习的体检后慢性疾病预后系统，该系统包括数据获取模块、数据预处理模块、基础预测模型构建模块和本地预测模块；数据获取模块用于获取体检用户的体检数据；基础预测模型构建模块用于构建针对体检场景的多标签学习模型；本地预测模块包括本地模型训练单元和预测单元，本地模型训练单元将训练好的本地预测模型固化至本地预测模块内，预测单元输出对多个慢性疾病发生情况的预测预后指数，最终获得慢病未来预期发生时间。本发明系统使用多标签学习方法，能够对慢性疾病并发情况下的内部关系进行提取，更加符合慢性疾病高并发性的特点，能够更好地完成对未来慢性疾病发生情况的准确预测。

Description

一种基于多标签学习的体检后慢性疾病预后系统

技术领域

本发明属于医疗及机器学习技术领域，尤其涉及一种基于多标签学习的体检后慢性疾病预后系统。

背景技术

包括糖尿病、心脏病、冠心病、慢性肾病在内的各类慢性疾病已成为目前全球范围内造成民众生活质量明显下降、医疗经济负担大幅提升的最主要疾病类别。慢性疾病具有前期隐蔽性高、知晓率低，后期危害性大、可根治率极低的特点，根据世界卫生组织(WHO)的统计，全球与2012年因心血管疾病与糖尿病造成的死亡人数为1700万，占到了非传染性疾病死亡人数的50.2％。在2015年的慢性疾病防控报告中，WHO指出针对慢性疾病的防治工作在全球范围内效果明显低于预期。

早期知晓与预警对慢性疾病的防治具有非常重要的意义，慢性疾病一般能够在早期预警后通过控制作息、饮食、运动等方式进行防治，但一旦患者已经出现器质性病变，便无法真正根治。慢性疾病的另一防治难点在于各项疾病间常并发产生，根据2011年的Lehnert等人汇总35项研究产生的综述报告，个人所患有慢病的数量(MCCs)与所产生的诊疗花费常呈正相关或指数相关。因此，在已知患有少量慢性疾病或相关异常生理指标的前提下，预测其他慢性疾病的发生可能并进行有效干预，对提升慢性疾病控制效果，大幅降低医疗负担具有重大意义。

体检作为健康人群与非健康人群均可选择进行的一项医疗手段，对慢性疾病的可能发生具有很好的前瞻性预测能力。然而，目前的体检体系主要根据当次检验指标确定患者在当前时刻是否具有特定的疾病，缺少系统性的技术手段通过目前体检者的检验数据与现有慢性疾病状态，对未来几年内的慢性疾病发生情况进行预后。

现有应用传统单标签机器学习方法对各个疾病进行预测的体检临床决策支持系统无法提取不同慢性疾病之间的并发相关性，从而导致预测的准确度下降，多个疾病预测结果间可能存在突出的医学逻辑性矛盾。目前采用多标签机器学习的体检临床决策支持系统极少，且相关研究仅能够对当前时间节点上的患病情况进行辅助诊断，而无法对体检者未来的慢性疾病发生进行预后。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于多标签学习的体检后慢性疾病预后系统。该系统的各模块围绕针对体检场景的多标签学习模型，充分提取现有医疗数据内体检时间点与后续慢性疾病发生间的时序信息，从而完成对未来1～5年内慢性疾病发生情况进行预测。该系统可以更好的挖掘单次体检可带来的医疗价值，使公众能够通过体检对目前与未来个人身体状态有更好的了解，提升体检对慢性疾病早期知晓的实际效果。

本发明的目的是通过以下技术方案来实现的：一种基于多标签学习的体检后慢性疾病预后系统，该系统包括数据获取模块、数据预处理模块、基础预测模型构建模块和本地预测模块；

所述数据获取模块用于获取体检用户的体检数据，所述体检数据包括基本生理指标和常规化验指标，所述基本生理指标包括身高、体重、血压等可以直接测量得到的指标；所述常规化验指标包括血常规、尿常规等通过样本化验方式得到的指标；将体检用户所有上述指标表示为特征向量X＝[x₁,x₂,…x_p]^T，p为指标总数；记录当次体检的发生时间t₀；提取该用户体检前后在电子病历中存在的慢疾病诊断数据中各类慢病(例如糖尿病、高血压、冠心病、慢性肾病等)诊断最早发生时间数据T＝[t₁,t₂,…t_q]^T，q为系统预设的慢病种类数；以上数据中，X,t₀为必需数据，T中的各个分量在诊断不存在时设置为null。

所述数据预处理模块的处理过程具体如下：

对X中各分量x_i做基于该分量的标准化处理φ_i，使该分量上所有数据的标准差为1，均值为0；将标准化处理后的特征向量记为X′＝[x′₁,x′₂,…x′_p]^T；

其中x_i′为标准化后的数据，λ_i为分量x_i上所有数据的均值，σ_i为分量x_i上所有数据的标准差；

对T基于底数α(0＜α＜1)进行指数化操作，从而生成预后指数向量Y＝[y₁,y₂,…y_q]^T：

所述基础预测模型构建模块用于构建针对体检场景的多标签学习模型，构建过程如下：

(1)构建多层神经网络，通过多层神经网络完成从输入到输出的数据处理，网络的具体超参数包括：网络层数K、每层网络的节点个数n₁,n₂,…n_K、相邻两层间的激活函数{ReLU,sigmoid,Tanh}，其中n₁＝p,n_K＝q；将相邻两层间的传递权矩阵记为W₁,W₂,…W_K-1；将最后一层的节点输出值记为预测预后指数＝[c₁,c₂,…c_q]^T；

(2)设计损失函数E，损失函数是使模型能够适应性学习各慢性疾病发生状态与发生顺序，从而对体检者未来慢性疾病进行预后的关键定义；

该损失函数可以看作是为三项不同目的而设置的损失函数的加权平均值，其中，N表示单批次梯度下降中使用的数据样本量，

的上标k表示该损失函数分量通过该批次梯度下降中第k个样本计算获得，

表示三类损失函数各自的权重值；

a)E₀为单标签损失函数，表征疾病预测的预后指数c_i与实际预后指数y_i的差异：

b)E₁为间距损失函数，表征两种不同慢性疾病的预测预后指数差值Δc_i,j与实际预后指数差值Δy_i,j间的差异：

c)E₂为排序损失函数，表征两种不同慢性疾病的预测发生顺序与实际发生顺序间的差异：

通过该损失函数，可以同时在模型训练时兼顾学习疾病的实际发生时间、疾病间发生逻辑关系以及疾病间的发生时间间距，从而能够基于单次体检数据更好的预测未来多个疾病的发生情况。

(3)参数学习：针对样本医疗机构的体检数据，通过矩阵式超参数扫描(即扫描模型的超参数：网络层数K、中间层网络的节点个数n₂,…n_K-1、相邻两层间的激活函数)构建若干个模型M₁,M₂,…M_L,基于小批量梯度下降(MBGD)对各个模型进行参数学习，并通过多折交叉验证(k-fold cross validation)确定最优参数，将最优模型作为向其他医疗机构迁移的基础预测模型M_best，并将M_best固化至基础预测模型构建模块内。

所述本地预测模块布置在某具体医疗机构中，包括本地模型训练单元和预测单元；

所述本地模型训练单元：通过基础预测模型构建模块已经得到了经过样本医疗机构真实数据调参的最优的基础预测模型M_best，但由于不同医疗机构所使用检验仪器、方法不同，需要基于某一具体医疗机构的体检数据，对参数进行适应性调整，确定针对该医疗机构的最优预测模型

所述本地模型训练单元接收基础预测模型构建模块提供的最优预测模型

通过数据采集模块获取该医疗机构的体检数据X,t₀,T，通过数据预处理模块生成X′,Y；以M_best的模型参数为初始参数，基于X′,Y进行与M_best训练方法相同的模型训练，并在参数收敛后将训练好的本地预测模型

固化至本地预测模块内。

所述预测单元：该单元基于新体检者的体检数据，根据本地预测模型

进行慢性疾病预后，输出对多个慢性疾病发生情况的预测预后指数C＝[c₁,c₂,…c_q]^T，之后，通过y(t_i)的反函数t′_i＝y^-1(c_i)获得所对应慢病的未来预期发生时间t′_i，对发生时间大于截断时间t_cutoff的疾病，认为短期内发病风险较小；通过自然语言生成的方式将预测的慢病发生时间反馈给体检者，使其了解未来的高发疾病有哪些，从而为其有针对性调整生活习惯，更好防治高发疾病提供参照。

进一步地，医疗机构将体检数据以.csv文件存储在本地；选定样本医疗机构，通过样本医疗机构的体检数据生成封装基础预测模型M_best；本地医疗机构的体检数据通过接口服务发送至本地预测模块，并通过接口响应返回对应慢病的未来预期发生时间。

本发明的有益效果是：本发明系统使用多标签学习方法，能够对慢性疾病并发情况下的内部关系进行提取，更加符合慢性疾病高并发性的特点，能够更好地完成对未来慢性疾病发生情况的准确预测。同时完成了从数据获取、数据预处理、基础预测模型构建和本地预测输出的一整套方案。

附图说明

图1为基于多标签学习的体检后慢性疾病预后系统结构示意图；

图2为多层神经网络示意图；

图3为基础预测模型构建模块结构示意图；

图4为本地预测模块结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

如图1所示，本发明提供的一种基于多标签学习的体检后慢性疾病预后系统，该系统能够基于当前时间节点上体检者的体检数据对未来包括并发症情况在内的慢性疾病发生情况提供预后信息。以下给出本系统实现的一个示例，但不限于此：

该系统包括数据获取模块、数据预处理模块、基础预测模型构建模块和本地预测模块；

所述数据获取模块用于获取体检用户的体检数据，所述体检数据包括基本生理指标和常规化验指标，所述基本生理指标包括身高、体重、BMI、收缩压、舒张压；所述常规化验指标包括血常规(总蛋白、白蛋白、球蛋白、白球蛋白比例、谷丙转氨酶、谷草转氨酶、碱性磷酸酶、胆碱酯酶、总胆汁酸、总胆红素、直接胆红素、间接胆红素、腺苷酸脱氨酶、谷氨酰转肽酶、肾小球滤过率、肌酐、尿素、尿酸、膀抑素C、甘油三酯、总胆固醇、高密度脂蛋白-C、低密度脂蛋白-C、极低密度脂蛋白-C、空腹血糖、钾、钠、氯、总钙、无机磷、甘铺二肽氨基肽酶、α-岩藻糖苷酶)、尿常规(尿蛋白质、尿酮体、尿糖、尿沉渣红细胞、尿胆红素、尿沉渣白细胞、尿沉渣红细胞、尿胆原、尿酸度)；将体检用户所有上述指标表示为特征向量X＝[x₁,x₂,…x_p]^T，p＝46为指标总数；记录当次体检的发生时间t₀；提取该用户体检前后在电子病历中存在的慢疾病诊断数据中各类慢病(糖尿病、高血压、高脂血症、高尿酸血症、脂肪肝、冠心病、慢性肾病)诊断最早发生时间数据T＝[t₁,t₂,…t_q]^T，q＝7为系统预设的慢病种类数；以上数据中，X,t₀为必需数据，T中的各个分量在诊断不存在时设置为null；

所述数据预处理模块具体如下：

对X中各分量x_i做基于该分量的标准化处理φ_i，使该分量上所有数据的标准差为1，均值为0；将标准化处理后的特征向量记为X′＝[x′₁,x′₂,…x′_p]^T；

其中x_i′为标准化后的数据，λ_i为分量x_i上所有数据的均值，σ_i为分量x_i上所有数据的标准差；

对T基于底数α(0＜α＜1)进行指数化操作，从而生成预后指数向量Y＝[y₁,y₂,…y_q]^T：

所述基础预测模型构建模块用于构建针对体检场景的多标签学习模型，如图3所示，构建过程如下：

(1)构建多层神经网络，如图2所示，通过多层神经网络完成从输入到输出的数据处理，网络的具体超参数包括：网络层数K、每层网络的节点个数n₁,n₂,…n_K、相邻两层间的激活函数{ReLU,sigmoid,Tanh},其中n₁＝p＝46,n_K＝q＝7；将相邻两层间的传递权矩阵记为W₁，W₂，…W_K-1；将最后一层的节点输出值记为预测预后指数C＝[c₁,c₂,…c_q]^T；

(2)设计损失函数E，损失函数是使模型能够适应性学习各慢性疾病发生状态与发生顺序，从而对体检者未来慢性疾病进行预后的关键定义。

该损失函数可以看作是为三项不同目的而设置的损失函数的加权平均值，其中，N＝20表示单批次梯度下降中使用的数据样本量，

的上标k表示该损失函数分量通过该批次梯度下降中第k个样本计算获得，

表示三类损失函数各自的权重值，本实例中使用

a)E₀为单标签损失函数，表征疾病预测的预后指数c_i与实际预后指数y_i的差异：

b)E₁为间距损失函数，表征两种不同慢性疾病的预测预后指数差值Δc_i,j与实际预后指数差值Δy_i,j间的差异：

c)E₂为排序损失函数，表征两种不同慢性疾病的预测发生顺序与实际发生顺序间的差异：

通过该损失函数，可以同时在模型训练时兼顾学习疾病的实际发生时间、疾病间发生逻辑关系以及疾病间的发生时间间距，从而能够基于单次体检数据更好的预测未来多个疾病的发生情况。

(3)参数学习：针对样本医疗机构的体检数据，通过矩阵式超参数扫描(即扫描模型的超参数：网络层数K∈{3,4,5,6}、中间层网络的节点个数n₂,…n_K-1∈{50,30,20,10}、相邻两层间的激活函数∈{ReLU,sigmoid,Tanh})构建若干个模型M₁,M₂,…M_L,基于小批量梯度下降(MBGD)对各个模型进行参数学习，并通过折数为10的多折交叉验证(k-foldcross validation)确定最优参数，将最优模型作为向其他医疗机构迁移的基础预测模型M_best，并将M_best固化至基础预测模型构建模块内。

所述本地预测模块布置在某具体医疗机构中，如图4所示，包括本地模型训练单元和预测单元；

所述本地模型训练单元：通过基础预测模型构建模块已经得到了经过样本医疗机构真实数据调参的最优的基础预测模型M_best，但由于不同医疗机构所使用检验仪器、方法不同，需要基于某一具体医疗机构的体检数据，对参数进行适应性调整，确定针对该医疗机构的最优预测模型

所述本地模型训练单元接收基础预测模型构建模块提供的最优预测模型

通过数据采集模块获取该医疗机构的体检数据X,t₀,T，通过数据预处理模块生成X′,Y；以M_best的模型参数为初始参数，基于X′,Y进行与M_best训练方法相同的模型训练，并在参数收敛后将训练好的本地预测模型

固化至本地预测模块内；

所述预测单元：该单元基于新体检者的体检数据，根据本地预测模型

进行慢性疾病预后，输出对多个慢性疾病发生情况的预测预后指数C＝[c₁,c₂,…c_q]^T，之后，通过y(t_i)的反函数t′_i＝y^-1(c_i)获得所对应慢病的未来预期发生时间t′_i，对发生时间大于截断时间t_cutoff＝5年的疾病，认为短期内发病风险较小；通过自然语言生成的方式将预测的慢病发生时间反馈给体检者，使其了解未来的高发疾病有哪些，从而为其有针对性调整生活习惯，更好防治高发疾病提供参照。

进一步地，医疗机构将体检数据以.csv文件存储在本地；选定样本医疗机构，通过样本医疗机构的体检数据生成封装基础预测模型M_best；本地医疗机构的体检数据通过接口服务发送至本地预测模块，并通过接口响应返回对应慢病的未来预期发生时间。

以上仅为本发明的实施实例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (2)

1.一种基于多标签学习的体检后慢性疾病预后系统，其特征在于，该系统包括数据获取模块、数据预处理模块、基础预测模型构建模块和本地预测模块；

所述数据获取模块用于获取体检用户的体检数据，所述体检数据包括基本生理指标和常规化验指标；将体检用户所有上述指标表示为特征向量X＝[x₁，x₂，...x_p]^T，p为指标总数；记录当次体检的发生时间t₀；提取该用户体检前后在电子病历中存在的慢疾病诊断数据中各类慢病诊断最早发生时间数据T＝[t₁，t₂，...t_q]^T，q为系统预设的慢病种类数；以上数据中，X，t₀为必需数据，T中的各个分量在诊断不存在时设置为null；

所述数据预处理模块的处理过程具体如下：

对X中各分量x_i做基于该分量的标准化处理φ_i，使该分量上所有数据的标准差为1，均值为0；将标准化处理后的特征向量记为X′＝[x′₁，x′₂，...x′_p]^T；

其中x_i′为标准化后的数据，λ_i为分量x_i上所有数据的均值，σ_i为分量x_i上所有数据的标准差；

对T基于底数α进行指数化操作，0＜α＜1，从而生成预后指数向量Y＝[y₁，y₂，...y_q]^T：

所述基础预测模型构建模块用于构建针对体检场景的多标签学习模型，构建过程如下：

(1)构建多层神经网络，通过多层神经网络完成从输入到输出的数据处理，网络的具体超参数包括：网络层数K、每层网络的节点个数n₁，n₂，...n_K、相邻两层间的激活函数，其中n₁＝p，n_K＝q；将相邻两层间的传递权矩阵记为W₁，W₂，...W_K-1；将最后一层的节点输出值记为预测预后指数C＝[c₁，c₂，...c_q]^T；

(2)设计损失函数E：

该损失函数可以看作是为三项不同目的而设置的损失函数的加权平均值，其中，N表示单批次梯度下降中使用的数据样本量，

的上标k表示该损失函数分量通过该批次梯度下降中第k个样本计算获得，

表示三类损失函数各自的权重值；

a)E₀为单标签损失函数，表征疾病预测的预后指数c_i与实际预后指数y_i的差异：

b)E₁为间距损失函数，表征两种不同慢性疾病的预测预后指数差值Δc_i，j与实际预后指数差值Δy_i，j间的差异：

c)E₂为排序损失函数，表征两种不同慢性疾病的预测发生顺序与实际发生顺序间的差异：

(3)参数学习：针对样本医疗机构的体检数据，通过矩阵式超参数扫描构建若干个模型M₁，M₂，...M_L，基于小批量梯度下降对各个模型进行参数学习，并通过多折交叉验证确定最优参数，将最优预测模型作为向其他医疗机构迁移的基础预测模型M_best，并将M_best固化至基础预测模型构建模块内；

所述本地预测模块布置在某具体医疗机构中，包括本地模型训练单元和预测单元；

所述本地模型训练单元：接收基础预测模型构建模块提供的最优预测模型M_best，通过数据采集模块获取该医疗机构的体检数据X，t₀，T，通过数据预处理模块生成X′，Y；以M_best的模型参数为初始参数，基于X′，Y进行与M_best训练方法相同的模型训练，并在参数收敛后将训练好的本地预测模型

固化至本地预测模块内；

所述预测单元：该单元基于新体检者的体检数据，根据本地预测模型

进行慢性疾病预后，输出对多个慢性疾病发生情况的预测预后指数C＝[c₁，c₂，...c_q]^T，之后，通过y(t_i)的反函数t′_i＝y^-1(c_i)获得所对应慢病的未来预期发生时间t′_i。

2.根据权利要求1所述的一种基于多标签学习的体检后慢性疾病预后系统，其特征在于，医疗机构将体检数据以.csv文件存储在本地；选定样本医疗机构，通过样本医疗机构的体检数据生成封装基础预测模型M_best；本地医疗机构的体检数据通过接口服务发送至本地预测模块，并通过接口响应返回对应慢病的未来预期发生时间。

Images