CN114822813A - 一种甲状腺疾病的智能诊断系统及方法 - Google Patents

Abstract

本发明涉及一种妊娠甲状腺疾病的智能诊断系统及方法，包括第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备以及服务器，服务器能够接收所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备所采集的数据；服务器将数据发送给所述第二终端设备，以使得所述第二终端设备能够获取所述风险评估模型和/或所述个性化干预方案。通过不断积累临床诊疗真实数据实现预测模型的更新迭代，从而不断优化风险评估效能与准确率。

Description

一种甲状腺疾病的智能诊断系统及方法

技术领域

本发明涉及医疗领域，尤其是涉及甲状腺疾病的智能诊断系统方法。

背景技术

妊娠期甲状腺功能异常是近十余年来内分泌学界和围产医学界研究的热点领域之一。妊娠期甲状腺功能异常不仅会增加流产、早产、低出生体重等不良妊娠结局的发生风险，还会影响胎儿神经智力发育，以及增加母亲产后远期发生糖尿病、甲状腺疾病的风险，直接影响国家人口综合素质的提升，已经成为重大的公共卫生问题。其中，妊娠期亚临床甲状腺功能减退症（subclinical hypothyroidism, SCH）作为妊娠期甲状腺功能异常的重要常见疾病类型，对女性健康的影响贯穿整个孕期、分娩甚至产后，其对胎儿生长发育特别是神经智力发育存在一定危害。

早期、及时、规范、积极的干预治疗妊娠期甲状腺疾病，对于降低不良胎结局、促进母婴健康具有重要意义。然而，广大基层妇幼保健院临床医生诊断水平参差不齐，很难做到对不同类型的甲状腺功能异常患者进行精准分层和精准治疗，对于妊娠期甲状腺疾病高危人群以及有妊娠意愿的备孕女性中的高危人群识别、风险评估、风险预测、疾病诊治工作缺乏准确性和科学性。

因此，目前迫切需要提供一种面向基层妇幼保健机构及产科临床医生，针对有生育意愿的育龄女性或妊娠女性，为临床医生提供科学规范的妊娠期甲状腺功能异常风险评估、风险预测及高危人群识别诊断的临床智能诊断服务，同时监督、随访记录高危人群孕产期甲状腺相关临床检测指标以及疾病患病情况，为临床医生提供个体化临床干预方案的系统及其方法，从而有效防控妊娠期甲状腺疾病，促进母婴健康。

发明内容

本发明致力于解决基层临床医生对于有生育意愿的育龄女性以及妊娠女性甲状腺功能异常风险评估及高危人群识别诊断、风险评估，以及临床医生面向高危人群提供临床干预方案的科学性、及时性和准确性的问题，从而提供一种甲状腺疾病的智能诊断系统和方法，其不仅可以实时在线的为广大基层妇幼保健机构和妇产科临床医生提供标准规范兼具个体化性能的妊娠甲状腺疾病诊治方案，并且可以通过不断积累临床诊断真实数据实现评估模型的更新迭代，从而不断优化风险评估效能与准确率。

为了实现上述目的，本发明的一方面提供甲状腺疾病的智能诊断系统，用于甲状腺功能异常人群的识别、风险评估、风险预测以及智能诊断，其包括：

第一终端设备，用于采集备孕女性或妊娠女性的基本信息；

检测监测设备，用于采集备孕女性或妊娠女性的甲状腺功能相关临床指标，以及监测病愈后的甲状腺功能相关临床指标和母儿转归信息；

第二终端设备，用于采集备孕女性或妊娠女性的诊断数据，采集愈后的甲状腺功能相关临床指标检测和母儿转归信息；

第三终端设备，用于采集备孕女性或妊娠女性的体检数据；

服务器用于存储甲状腺功能相关的数据、母儿转归数据、数据预处理、甲状腺功能风险评估模型生成、甲状腺功能风险异常智能诊断、以及对备孕女性或妊娠女性的甲状腺功能进行分级分类；

所述服务器上采用逻辑回归、大数据机器学习的智能算法，构建针对预设疾病终点事件的风险评估模型，计算相对风险比和/或风险概率分值，基于临床专家知识库及关联规则计算出个性化干预方案，基于临床积累的诊断数据和转归数据，优化所述风险评估模型和个性化干预方案；

其中，所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备分别与所述服务器进行通讯连接，以使得服务器能够接收所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备所采集的数据；

所述服务器将数据发送给所述第二终端设备，以使得所述第二终端设备能够获取所述风险评估模型的评估结果和/或所述个性化干预方案。

优选地，所述服务器包括数据通讯单元、数据存储单元、数据处理单元；

所述数据通讯单元用于与所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备进行通讯；

所述数据存储单元用于存储临床专家知识库数据、关联规则数据、疾病诊断数据库数据，以及来自所述第一终端设备、第二终端设备、第三终端设备和/或所述检测监测设备的数据。

进一步地，所述数据处理单元包括数据预处理模块，所述数据预处理模块用于对所述存储单元的数据进行数据清洗、格式校正。

进一步地，所述数据处理单元还还包括风险评估模块，所述风险评估模块用于根据甲状腺功能筛查数据和临床检查数据，并基于临床专家知识库及关联规则，构建所述风险评估模型。

进一步地，所述数据处理单元还还包括智能诊断模块，所述智能诊断模块用于甲状腺功能风险异常智能诊断，并基于临床专家知识库及关联规则计算出个性化干预方案。

进一步地，所述数据处理单元还还包括人群分类模块，所述人群分类模块用于对备孕女性或妊娠女性的甲状腺功能进行分级分类。

进一步地，所述数据处理单元还还包括愈后监测与母儿转归随访模块，所述愈后监测与母儿转归随访模块基于临床积累的诊断数据和转归数据对所述风险评估模型和所述个性化干预方案进行迭代升级。

优选地，所述第一终端设备为用于登记备孕女性或妊娠女性基本信息的设备，包括挂号机、挂号网站、挂号电话、移动终端App、小程序。

优选地，所述甲状腺功能相关临床指标包括TSH、FT4、TPOAb。

本发明另一方面提供了一种甲状腺疾病的智能诊断方法，用于甲状腺功能异常人群的识别、风险评估、风险预测以及智能诊断，其包括：

获取备孕女性或妊娠女性的基本信息；

获取备孕女性或妊娠女性的甲状腺功能相关临床指标信息，以及监测病愈后的甲状腺功能相关临床指标检测和母儿转归数据；

获取备孕女性或妊娠女性的临床诊断数据，以及愈后的甲状腺功能相关临床指标检测和母儿转归数据；

获取备孕女性或妊娠女性的体检数据；

预处理所获取的备孕女性或妊娠女性的甲状腺功能相关的临床数据；

根据甲状腺功能筛查数据和临床检查数据，并基于临床专家知识库及关联规则，构建所述风险评估模型，并计算出个性化干预方案；

对备孕女性或妊娠女性的甲状腺功能进行分级分类；

基于临床积累的诊断数据和转归数据，优化所述风险评估模型和个性化干预方案。

本发明的一种甲状腺疾病的智能诊断系统和方法建立了一条孕前筛查干预与孕期甲功监测干预全链条协同干预防控路径，可以实现妊娠期甲功异常的一级预防，有效降低不良妊娠结局和子代不良结局事件的发生风险，促进母婴健康。本发明不仅可以实时在线的为广大基层妇幼保健机构和妇产科临床医生提供标准规范兼具个体化性能的妊娠甲状腺疾病诊治方案，而且可以通过不断积累临床诊断真实数据实现风险评估模型的更新迭代，从而不断优化风险评估效能与准确率。

附图说明

本说明书中针对所属领域的技术人员来阐述本申请的完整和启发性公开内容，包括其最佳实施方式，本说明书参考了附图，在附图中：

图1为本发明一种甲状腺疾病的智能诊断系统示意图；

图2为本发明一种甲状腺疾病的智能诊断系统和方法的流程图；

图3为本发明一种甲状腺疾病的智能诊断系统和方法的管理流程图。

具体实施方式

现将详细参考本申请的实施例，在图中说明本申请的实施例的一个或多个实例。每个实例是为了解释本申请而提供，而非限制本申请。实际上，所属领域的技术人员将清楚，在不脱离本申请的范围或精神的情况下可在本申请中进行各种修改和变化。举例来说，说明或描述为一个实施例的一部分的特征可与另一实施例一起使用以产生再一实施例。因此，希望本申请涵盖此类修改和变化，所述修改和变化处于所附权利要求书及其等效物的范围内。如本说明书中所使用，术语“第一”、“第二”等可互换使用以区分一部件与另一部件而并非意图表示各个部件的位置或重要性。如说明书中所使用，除非上下文另外明确指出，否则术语“一”，“一个”、“该”和“所述”旨在表示存在一个或多个元件。术语“包括”，“包括”和“具有”旨在是包括性的，并且意味着除列出的要素外可能还有其他要素。

现在参考附图，其中在所有附图中相同的数字表示相同的元件，下面结合具体的实施方式对本发明做进一步的解释说明。

如图1所示，本发明的一种甲状腺疾病的智能诊断系统，用于备孕女性和人事女性的甲状腺功能异常人群的识别、风险评估、风险预测以及智能诊断，其包括：

第一终端设备101，所述第一终端设备101可以包括挂号机、挂号网站、挂号电话、移动终端App、小程序等类似能够实现登记备孕女性或妊娠女性基本信息的设备或单元，所述第一终端设备可以用于采集备孕女性或妊娠女性的基本信息，如姓名、籍贯、备孕年龄、受孕年龄、是否食用碘盐、含碘药物、使用海产品、糖尿病史、高血压疾病史、女性甲状腺病史、不良妊娠结局史、月经是否规律等可能影响女性甲状腺功能与生育健康的指标。所述第一设备终端101能够与服务器300进行数据通讯，以将采集数据发送到服务器300的数据存储单元301。

检测监测设备102，所述检测监测设备102能够采集备孕女性或妊娠女性的甲状腺功能相关临床指标，如身高、体重、血压水平、血糖水平、血肌酐水平、血红蛋白水平、谷丙转氨酶水平、血生化、吸烟、被动吸烟、饮酒、心理压力、心率、尿常规、艾梅乙感染、TORCH感染等）以及与甲状腺功能相关的促甲状腺激素（TSH）、游离甲状腺激素（FT4）和甲状腺过氧化物酶抗体(TPOAb)等临床指标。所述检测监测设备102还用于监测病愈后的甲状腺功能相关临床指标和母儿转归信息，如高危人群孕期产后甲状腺功能指标的监测数据记录（包括初次筛查以及临床治疗前后、每次随访的临床检测数据）以及妊娠疾病（妊娠期甲状腺功能异常、妊娠期糖尿病、妊娠期高血压疾病）、妊娠结局（自然流产、早产、围产儿死亡、小于胎龄儿等）以及子代生长发育（0-3岁神经智力发育量表测量数据、生长发育指标的测量数据）的随访数据记录。所述检测监测设备102能够与服务器300进行数据通讯，以将采集数据发送到服务器300的数据存储单元301，

第二终端设备201，所述第二终端设备201记录医生的临床诊断情况，可以采集备孕女性或妊娠女性的诊断数据，所述第二终端设备201还可以采集愈后的甲状腺功能相关临床指标检测和母儿转归信息；所述第二终端设备201可以与服务器300进行数据通讯，以将采集数据发送到服务器300的数据存储单元301，并从服务器获取风险评估模型给出的风险评估结果、智能诊断模型给出的个性化干预方案。

第三终端设备202，所述第三终端设备202能够与服务器300进行数据通讯，以将采集数据发送到服务器300的数据存储单元301；所述第三终端设备202采集备孕女性或妊娠女性的体检数据，可以设置在体检中心或各医疗场所体检服务中心。

服务器300，所述服务器300可以用于数据存储、采集备孕女性或妊娠女性甲状腺功能相关的数据、数据预处理、甲状腺功能风险评估模型生成、甲状腺功能风险异常智能诊断、以及对备孕女性或妊娠女性的甲状腺功能进行分级分类。

所述服务器300包括数据通讯单元303、数据存储单元301、数据处理单元。所述数据通讯单元303用于与所述第一终端设备101、第二终端设备201、第三终端设备202、所述检测监测设备102以及其他诊疗设备103进行通讯连接，以使得服务器能够接收所述第一终端设备101、第二终端设备201、第三终端设备202、所述检测监测设备102，以及其他诊疗设备102所采集的数据；

所述服务器300还可以应所述第二终端设备201的请求将数据发送给所述第二终端设备201，以使得所述第二终端201设备能够获取所述风险评估模型的风险评估结果和/或智能诊断模型计算出的所述个性化干预方案。

所述服务器300采用逻辑回归、大数据机器学习的智能算法，如随机森林、决策树、支持向量机等人工智能算法，构建针对预设疾病终点事件包括妊娠期甲功异常、妊娠期合并症以及不良妊娠结局在内的风险评估模型，计算相对风险比和/或风险概率分值，并且划分高危人群，从而面向广大基层临床妇产科医生，实现对于备孕女性以及妊娠女性的妊娠期甲功异常高危人群的精准识别、风险评估、风险监测。

基于甲状腺疾病相关专著、妊娠期甲状腺疾病诊治指南、科技论文、药物说明等文献，结合临床医生专家诊疗经验生成知识库及关联规则，基于临床专家知识库及关联规则计算出个性化干预方案，基于临床积累的诊断数据和转归数据，优化所述风险评估模型和个性化干预方案；

在另一实施例中，基于本系统所采集存储的临床真实诊疗数据以及前瞻备孕妊娠队列数据，采用逻辑回归、lasso回归以及大数据机器学习方法（如随机森林、决策树、支持向量机等方法等人工智能算法技术，构建妊娠期甲状腺功能异常、妊娠期糖尿病、流产、早产、围产儿死亡、小于胎龄儿、神经智力发育异常等不同终点事件为结局变量的风险评估模型。

另一方面，对用上述各种方法构建的评估模型采Monte-Carlo 方法进行模拟比较筛选优化模型，并采用bootstrap 重抽样方法和10 折交叉验证方法分别进行内部验证，计算每一个预测变量相应的统计量及 95%可信区间；80%作为训练样本、20%作为验证样本，充分利用后续收集的临床诊疗数据的诊疗筛查与随访数据记录作为外部验证。通过比较C-统计量的差异（即ROC 下面积），评估该模型的判别能力，C-统计量＞0.5，说明该模型有较好的预测区分能力，而在应用中认为0.5-0.7 之间预测能力一般，0.71-0.79 之间预测能力较好，＞0.8 预测能力非常好。

通过绘制模型的校准图，通过校准斜率，预测概率以及实际概率来评估模型的校准能力，并采用Hosmer-Lemeshow 检验对模型的拟合优度进行评估。根据模型拟合优度评估结果，筛选得出应用于妊娠期甲功异常以及不良妊娠结局和子代发育异常的最优模型，并且将不同模型进行优化整合，形成一个综合风险评分，用于风险人群的风险分级分类。与此同时，根据最优模型中所纳入的自变量种类及其权重，构建疾病风险预测指标体系，从而精准定义备孕女性和妊娠女性的甲功早期筛查以及孕前孕期临床检查的重点危险因素谱，提高筛查效能的同时实现疾病的个体化干预和精准防控。

所述数据存储单元301用于存储临床专家知识库数据、关联规则数据、疾病诊断数据库数据，以及来自所述第一终端设备、第二终端设备、第三终端设备和/或所述检测监测设备的数据。

所述数据存储单元301还用于存储前瞻备孕妊娠队列数据。

所述数据处理单元302包括数据预处理模块307、风险评估模块306、智能诊断模块305、人群分类模块304。

所述数据预处理模块307对所述存储单元的数据进行数据清洗、格式校正等数据预处理。

所述风险评估模块306能够根据甲状腺功能筛查数据和临床检查数据，并基于临床专家知识库及关联规则，构建所述风险评估模型，自动化生成面向临床受检对象的风险评估报告文本；所述智能诊断模块305能够智能化生成有个性化的疾病诊疗建议和治疗方案供临床医生参考。其中诊疗建议及治疗方案主要包括治疗路径信息如涉及饮食、用药、复诊实验室检测等方案。

再一方面，所述智能诊断模块用于甲状腺功能风险异常智能诊断，并基于临床专家知识库及关联规则计算出个性化干预方案。

所述人群分类模块304用于对备孕女性或妊娠女性的甲状腺功能进行分级分类。对所有判定判定为高风险的人群监测其孕前-孕期-产后的甲状腺功能相关临床指标变化，记录妊娠疾病发病情况、妊娠结局以及母儿转归信息。

所述数据处理单元302还包括愈后监测与母儿转归随访模块（图中未示出），所述愈后监测与母儿转归随访模块基于临床积累的诊断数据和转归数据对所述风险评估模型和所述个性化干预方案进行迭代升级。

所述甲状腺功能相关临床指标可以包括TSH、FT4、TPOAb等，所述甲状腺功能相关临床指标还可以包括游离甲状腺素3、总甲状腺素3（TT3）、总甲状腺素4（TT4）、甲状腺球蛋白抗体（TGAb）、促甲状腺激素受体抗体（TRAb）等甲状腺功能相关临床检测指标中的一种或几种，组合在一起也可以实现对于妊娠期甲状腺功能异常以及不良妊娠结局的风险预测与高危人群识别。

本发明另一方面提供了一种甲状腺疾病的智能诊断方法，用于甲状腺功能异常人群的识别、风险评估、风险预测以及智能诊断，其包括：

获取备孕女性或妊娠女性的基本信息；

获取备孕女性或妊娠女性的甲状腺功能相关临床指标信息，以及监测病愈后的甲状腺功能相关临床指标检测和母儿转归数据；

获取备孕女性或妊娠女性的临床诊断数据，以及愈后的甲状腺功能相关临床指标检测和母儿转归数据；

获取备孕女性或妊娠女性的体检数据；

预处理所获取的备孕女性或妊娠女性的甲状腺功能相关的临床数据；

根据甲状腺功能筛查数据和临床检查数据，并基于临床专家知识库及关联规则，构建所述风险评估模型，并计算出个性化干预方案；

对备孕女性或妊娠女性的甲状腺功能进行分级分类；

基于临床积累的诊断数据和转归数据，优化所述风险评估模型和个性化干预方案。

在一个实施例中，如图2所示，一种甲状腺疾病的智能诊断系统和方法，包括临床数据采集模块、妊娠女性围产保健筛查信息采集模块、甲状腺功能相关指标检测模块；对上述采集到的数据进行上传与预处理模块；根据甲状腺疾病相关专著、妊娠期甲状腺疾病诊治指南、科技论文、药物说明等文献，结合临床医生专家诊疗经验，生成知识库及关联规则，疾病风险评估模块可以基于临床真实诊疗数据以及前瞻备孕妊娠队列数据，利用大数据深度学习算法技术，构建风险预测模型（或称之为“风险评估模型”）；基于风险评估模块的评估结论对评估对象的风险进行分级分类；风险评估包好与临床诊疗建议生产模块用于基于风险评估模型根据评估对象风险评估结果自动化生成面向临床受检对象的风险评估报告文本，并智能化生成有针对性的疾病诊疗建议和治疗方案。疾病愈后监测与母儿转归随访模块用于针对高危人群孕期产后甲状腺功能指标的监测数据记录（包括初次筛查以及临床治疗前后、每次随访的临床检测数据）以及妊娠疾病（妊娠期甲状腺功能异常、妊娠期糖尿病、妊娠期高血压疾病）、妊娠结局（自然流产、早产、围产儿死亡、小于胎龄儿等）以及子代生长发育（0-3岁神经智力发育量表测量数据、生长发育指标的测量数据）的随访数据记录。

所述数据存储模块用于所有临床采集数据、监测随访数据的存储，并用于分别以妊娠期甲状腺功能异常、妊娠期糖尿病、流产、早产、围产儿死亡、小于胎龄儿、神经智力发育异常等不同终点事件为结局变量的风险预测模型的后期验证与持续迭代升级的数据支撑。

进一步地，不断根据新积累的数据进行迭代运算，更新算法模型，并基于风险预测模型中的变了与权重，建立疾病风险预测指标体系，从而精准定义备孕女性和妊娠女性的甲功早期筛查以及孕前孕期临床检查的重点危险因素谱，提高筛查效能的同时实现疾病的个体化干预和精准防控。

图3示出了一种以孕前为起点、贯穿孕期和产后的妊娠期甲状腺疾病筛查、干预诊疗临床路径和管理流程，该管理流程中，对目标人群进行孕期TSH筛查，根据筛查结果采取不同的治疗和管理方案，甲状腺功能正常后进行备孕；在孕期进行严格的甲状腺功能检测，根据孕期甲状腺功能的状况采取对象的治疗和管理措施，对甲状腺功能异常的对象检测甲状腺功能，直至分娩；产后对母亲进行甲状腺功能复查，建立了一条孕前筛查干预与孕期甲功监测干预全链条协同干预防控路径，可以实现妊娠期甲功异常的一级预防，有效降低不良妊娠结局和子代不良结局事件的发生风险，促进母婴健康。

本说明书使用实施例来公开本申请，包括最佳实施例，并且还使所属领域的技术人员能够实践本申请，包括制造和使用任何装置或系统以及执行任何所并入的方法。本申请的可获专利的范围由权利要求书限定，且可包括所属领域的技术人员所想到的其它实施例。如果此类其它实施例包括并非不同于权利要求书的字面语言的结构要素，或如果它们包括与权利要求书的字面语言无实质差异的等效结构要素，那么它们既定在权利要求范围。

Claims (10)

1.一种甲状腺疾病的智能诊断系统，用于甲状腺功能异常人群的识别、风险评估、风险预测以及智能诊断，其包括：

第一终端设备，用于采集备孕女性或妊娠女性的基本信息；

检测监测设备，用于采集备孕女性或妊娠女性的甲状腺功能相关临床指标，以及监测病愈后的甲状腺功能相关临床指标和母儿转归信息；

第二终端设备，用于采集备孕女性或妊娠女性的诊断数据，采集愈后的甲状腺功能相关临床指标检测和母儿转归信息；

第三终端设备，用于采集备孕女性或妊娠女性的体检数据；

服务器，用于存储甲状腺功能相关的数据、母儿转归数据、数据预处理、甲状腺功能风险评估模型生成、甲状腺功能风险异常智能诊断、以及对备孕女性或妊娠女性的甲状腺功能进行分级分类；

所述服务器上采用逻辑回归、大数据机器学习的智能算法，构建针对预设疾病终点事件的风险评估模型，计算相对风险比和/或风险概率分值，基于临床专家知识库及关联规则计算出个性化干预方案，基于临床积累的诊断数据和转归数据，优化所述风险评估模型的评估结果和个性化干预方案；

其中，所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备分别与所述服务器进行通讯连接，以使得服务器能够接收所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备所采集的数据；

所述服务器将数据发送给所述第二终端设备，以使得所述第二终端设备能够获取所述风险评估模型和/或所述个性化干预方案。

2.根据权利要求1所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述服务器包括数据通讯单元、数据存储单元、数据处理单元；

所述数据通讯单元用于与所述第一终端设备、第二终端设备、第三终端设备以及所述检测监测设备进行通讯；

所述数据存储单元用于存储临床专家知识库数据、关联规则数据、疾病诊断数据库数据，以及来自所述第一终端设备、第二终端设备、第三终端设备和/或所述检测监测设备的数据。

3.根据权利要求2所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述数据处理单元包括数据预处理模块，所述数据预处理模块用于对所述存储单元的数据进行数据清洗、格式校正。

4.根据权利要求3所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述数据处理单元还还包括风险评估模块，所述风险评估模块用于根据甲状腺功能筛查数据和临床检查数据，并基于临床专家知识库及关联规则，构建所述风险评估模型。

5.根据权利要求3所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述数据处理单元还还包括智能诊断模块，所述智能诊断模块用于甲状腺功能风险异常智能诊断，并基于临床专家知识库及关联规则计算出个性化干预方案。

6.根据权利要求4所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述数据处理单元还还包括人群分类模块，所述人群分类模块用于对备孕女性或妊娠女性的甲状腺功能进行分级分类。

7.根据权利要求4所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述数据处理单元还还包括愈后监测与母儿转归随访模块，所述愈后监测与母儿转归随访模块基于临床积累的诊断数据和转归数据对所述风险评估模型和所述个性化干预方案进行迭代升级。

8.根据权利要求1所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述第一终端设备为用于登记备孕女性或妊娠女性基本信息的设备，包括挂号机、挂号网站、挂号电话、移动终端App、小程序。

9.根据权利要求1所述的一种甲状腺疾病的智能诊断系统，其特征在于，所述甲状腺功能相关临床指标包括TSH、FT4、TPOAb。

10.一种甲状腺疾病的智能诊断方法，用于甲状腺功能异常人群的识别、风险评估、风险预测以及智能诊断，其特征在于：

获取备孕女性或妊娠女性的基本信息；

获取备孕女性或妊娠女性的甲状腺功能相关临床指标信息，以及监测病愈后的甲状腺功能相关临床指标检测和母儿转归数据；

获取备孕女性或妊娠女性的临床诊断数据，以及愈后的甲状腺功能相关临床指标检测和母儿转归数据；

获取备孕女性或妊娠女性的体检数据；

预处理所获取的备孕女性或妊娠女性的甲状腺功能相关的临床数据；

根据甲状腺功能筛查数据和临床检查数据，并基于临床专家知识库及关联规则，构建所述风险评估模型，并计算出个性化干预方案；

对备孕女性或妊娠女性的甲状腺功能进行分级分类；

基于临床积累的诊断数据和转归数据，优化所述风险评估模型和个性化干预方案。

Images