CN115602323B

CN115602323B - 适用于疾病风险评估的组合风险评估模型、方法及应用

Info

Publication number: CN115602323B
Application number: CN202211087745.7A
Authority: CN
Inventors: 方震宇; 傅亦婷; 方岚然; 许振影; 杨啸天; 方敏
Original assignee: Zhejiang Yishan Intelligent Medical Research Co ltd
Current assignee: Zhejiang Yishan Intelligent Medical Research Co ltd
Priority date: 2022-09-07
Filing date: 2022-09-07
Publication date: 2023-06-06
Anticipated expiration: 2042-09-07
Also published as: CN115602323A

Abstract

本方案提供一种适用于疾病风险评估的组合风险评估模型、方法及应用，构建至少两组合的单一风险评估模型的组合风险评估模型，且每一风险评估模型的风险概率密度函数设有对应的权重值；其中权重值的获取方式如下：将相关于同一疾病的风险评估数据输入对应的所述单一风险评估模型中，得到对应每一风险评估模型的风险概率密度函数；获取每两个风险概率密度函数的交叠面积，依据所有交叠面积构建交叠面积矩阵；对交叠面积矩阵进行特征分解以获取每个风险概率密度函数对应的权重值，可以避免单一模型导致的对特定数据输出异常。

Description

适用于疾病风险评估的组合风险评估模型、方法及应用

技术领域

本申请涉及风险概率评估领域，特别涉及一种适用于疾病风险评估的组合风险评估模型、方法及应用。

背景技术

风险评估，是指在风险事件发生之前或之后（但还没有结束），对该事件给人们的生活、生命、财产等各个方面造成的影响和损失的可能性进行量化评估的工作。即，风险评估就是量化测评某一事件或事物带来的影响或损失的可能程度。风险评估在诸多行业领域中都有广泛的应用，比如可用于对企业或者个人的财产安全进行风险评估，对个人的健康状态进行风险评估，对项目运行过程可能存在的不利因素进行风险评估。

然而单一维度的风险评估模型已不能满足实际的风险评估需求，单一维度的风险评估模型或多或少会存在片面，结果覆盖因素不足够的问题。以健康风险评估模型为例，健康风险评估模型可将各风险量化形成风险参考值，警示居民“早预防早治疗”，提供个性化参考以进行针对性的健康管理，然而现有的健康风险评估方法多采用单一预测模型，主要方法为生存分析领域的概率模型，此类概率模型结构简单、泛化能力较弱，因此，采用单一预测模型可能会在特定场景下存在较大预测误差，当前健康卫生领域较少通过多模型组合的方式预测健康风险，而多采用组合风险评估模型的方式对风险进行评估，能够有效地降低特定场景下的极端误差。

在使用组合风险评估模型评估风险时需要确定每一风险评估模型地权重，权重的数值选择直接影响了最终组合风险评估模型的结果准确度。现有的文献虽提供了一些权重的计算方式，但效果欠佳：以依赖于多指标（如：准确率、RMSE）的方法为例，这种方法在组合的模型数量多时，存在时间复杂度的缺点，在组合的模型指标差异较小时，存在权重计算不准确的缺点。

发明内容

本申请方案提供一种适用于疾病风险评估的组合风险评估模型、方法及应用，基于风险密度分布函数交叠面积的方法构建交叠面积矩阵，采用特征值及特征向量的线性变化，通过求解交叠面积矩阵的特征多项式的解来计算评估指标权重，可在涵盖更多信息的基础上提高计算速度。

为实现以上目的，本技术方案提供一种适用于疾病风险评估的组合风险评估模型的构建方法，包括：

构建至少两组合的单一风险评估模型的组合风险评估模型，且每一风险评估模型的风险概率密度函数设有对应的权重值；

其中所述权重值的获取方式如下：

将相关于同一疾病的风险评估数据输入对应的所述单一风险评估模型中，得到对应每一风险评估模型的风险概率密度函数；

获取每两个所述风险概率密度函数的交叠面积，依据所有交叠面积构建交叠面积矩阵；

对所述交叠面积矩阵进行特征分解以获取每个风险概率密度函数对应的权重值；

将待测疾病风险的风险评估数据输入到组合风险评估模型中得到风险评估结果。

在另一些实施例中，本方案提供一种根据上述适用于疾病风险评估的组合风险评估模型的构建方法构建得到的适用于疾病风险评估的组合风险评估模型。

在另一实施例中，本方案提供一种适用于疾病风险评估的组合风险评估方法，包括将相关于同一疾病的风险评估数据输入到所述的组合风险评估模型中的各个单一风险评估模型中得到各自的风险概率密度函数，将风险概率密度函数和对应的权值乘积后相乘得到组合风险概率密度函数，基于所述组合风险概率密度函数评估疾病风险得到风险评估结果

在一些实施例中，提供一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述的适用于疾病风险评估的组合风险评估模型的构建方法。

在一些实施例中，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括所述的适用于疾病风险评估的组合风险评估模型的构建方法。

相较现有技术，本技术方案具有以下特点和有益效果：

提供一种全新的组合风险评估模型的权重计算方式，利用求取不同风险评估模型的风险概率密度函数，并利用两个风险概率密度函数之间的交叠面积构建交叠面积矩阵，对交叠面积矩阵进行特征分解后采用特征值和特征向量的线性变化，来获取每个风险评估模型的权重。通过赋予不同模型权重，给出综合的风险评估结果，可以避免单一模型导致的对特定数据输出异常。通过结合多种风险模型，可以综合各模型的优势，为健康风险评估提供更为均衡的考量。

附图说明

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

图1是本方案提供的风险概率密度函数的风险概率密度曲线的示意图；

图2是两个风险概率密度函数的交叠面积的示意图；

图3是本方案提供的组合风险评估模型的示意图；

图4是交叠面积矩阵的获取方式的示意图；

图5是本方案提供的组合风险评估方法的步骤示意图；

图6是根据本申请实施例的电子装置的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。

需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。

实施例一

本申请方案提供了一种组合风险评估模型、方法及应用，该组合风险评估模型包括至少两单一风险评估模型，通过交叠面积矩阵的特征分解设定每一风险评估模型赋予不同的权重，相对公平公正地赋予不同单一风险评估模型以对应的权重，不仅可避免出现单一风险评估模型的评估数据过于片面的问题，且可涵盖尽可能多信息的同时减少组合风险评估模型的计算量，提高风险评估的计算速度。

在介绍本方案之前，首先介绍下本方案可能涉及的几个专业术语名词：

概率密度函数：描述连续型随机变量的输出值，在某个确定的取值点附近的可能性的函数。随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。当概率密度函数存在的时候，累积分布函数是概率密度函数的积分。

特征分解：又称谱分解，是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法，一个矩阵和该矩阵的特征向量相乘是对该向量的伸缩变换，其中伸缩程度取决于特征值大小。

N 维非零向量v是N×N 的矩阵A的特征向量，当且仅当下式成立：

其中λ为一标量，称为v对应的特征值。也称v为特征值λ对应的特征向量。

第一方面，本方案提供一种适用于疾病风险评估的组合风险评估模型的构建方法，包括：构建至少两组合的单一风险评估模型的组合风险评估模型，且每一风险评估模型的风险概率密度函数设有对应的权重值；

其中所述权重值的获取方式如下：

值得说明的是，组合风险评估模型中的多个单一风险评估模型彼此之间评估疾病风险的不同层面信息，且不同风险评估模型的风险概率密度函数之间存在交叉。

将相关于同一疾病风险的多个风险评估数据输入到对应的单一风险评估模型中得到针对该疾病风险评估的不同维度的评估结果。

在一些实施例中，组合风险评估模型为单一风险评估模型的风险概率密度函数和对应的权重值相乘后进行累加获取。由于本方案的权重值是根据交叠面积矩阵的特征分解获取得到，故本方案权重值更为可观准确。

当然，本方案提供的组合风险评估模型在诸多领域都有着广泛的应用。在一些场景下，该方案可被应用于健康风险评估，此时，所述单一风险评估模型为单一的健康风险评估模型，可将相关的健康风险评估数据输入到健康风险评估模型以得到健康风险概率密度函数，此时，该组合风险评估模型的输出值为组合各类健康风险评估模型的风险概率密度函数的概率分布情况。

在“至少两组合的单一风险评估模型”步骤中，选择可获取风险概率密度函数的风险评估模型。在一些实施例中，风险评估模型可以是组分层指数计算模型，结合空间静态维、时间动态维、时空耦合维的评估模型，或根据对应的风险评估准确率与所述预设阈值而选择风险评估准确率最高的目标风险模型。

在“将相关于同一疾病的风险评估数据输入对应的所述单一风险评估模型中，得到对应每一风险评估模型的风险概率密度函数”步骤中，所述风险概率密度函数表征存在风险的风险值的概率，依据所述风险概率密度函数绘制的风险概率密度曲线的横坐标为风险值，纵坐标为概率值。

示例性的，若本方案为评估患者是否患有特殊疾病的健康风险的组合风险评估模型，则单一风险评估模型的风险概率密度函数表示从特定维度评价该患者患有某个特定疾病的风险值的概率值。

图1展示了风险概率密度函数对应的风险概率密度曲线的示意图，该风险概率密度曲线的横坐标为风险值，纵坐标为概率值。

若风险值为一维随机变量，它的累计分布函数为Fx(X),如果存在可测函数fx(x) 满足：

，则fx(x)是风险值的概率密度函数。若风险值x取一个特定值r，则累计分布函数Fx(r)表示患有该风险的风险值小于r的概率为Fx(r)。

在“获取每两个所述风险概率密度函数的交叠面积，依据所有交叠面积构建交叠面积矩阵”步骤中，不同风险概率密度函数表示针对不同风险的风险值的概率分布情况，每两个风险概率密度函数的交叠面积表示两种风险的风险值的概率分布情况相同。本方案之所以要获取交叠面积的好处在于能够更全面且更灵活地根据不同因素分子及指标得到总体风险预估值，并能有效融合因模型不同而造成的冲突结果。在无法确定各因素互相作用的情况时，该做法可有效整合不同的模型结果。

具体的，获取两个所述风险概率密度函数的交叠面积的公式如下：

其中

为第i个风险概率密度函数，

为第j个风险概率密度函数，

为第i个风险概率密度函数和第j个风险概率密度函数的交叠面积。

如图4所示，汇总所有风险概率密度函数的交叠面积得到交叠面积矩阵，交叠面积矩阵如下：

其中A表示交叠面积矩阵,

本方案提供的交叠面积矩阵为对称矩阵，交叠面积矩阵的行矩阵为第一风险概率密度函数和所有风险概率密度函数的交叠面积依次排列得到，且所有风险概率密度函数依次序作为第一风险概率密度函数组成交叠面积矩阵的不同行。

如图2所示，图2展示了两个风险概率密度函数之间存在交叠面积。示例性，若风险概率密度函数对应的是健康风险概率密度函数，则每个单一风险概率密度函数表示的患有某种特定疾病的风险值的概率分布情况，则交叠面积表示同时患有两种疾病的风险值的概率分布存在重叠。

在“对所述交叠面积矩阵进行特征分解以获取每个风险概率密度函数的权重值”步骤中，本方案对交叠面积矩阵进行特征分解后采用特征值和特征向量的线性变化，来获取每个风险概率密度函数的权重值。

具体的，对所述交叠面积矩阵进行特征分解，取特征分解后的最大特征值对应的特征向量作为每个风险概率密度函数对应的权重值。

特征分解的公式如下：

其中A为交叠面积矩阵，

为特征值

对应的特征向量，将最大特征值对应的特征向量作为该风险概率密度函数的权重值，这样的好处在于最大特征值对应的特征向量方向上包含最多的信息量。

特征分解后得到的公式如下；

其中

表示第i组模型因素值的特征向量，

表示第n个风险概率密度函数的权重值。

示例性的，以三个风险概率密度函数组成的交叠面积矩阵为例，计算公式如下：

；

；

；

;

则此时特征分解后得到公式：

。

在“获取每个风险概率密度函数的权重值”步骤后，每个风险概率密度函数乘以对应的权重值并相加后得到组合风险概率密度函数,该组合风险概率密度函数作为组合风险评估模型的输出结果，如图3所示，公式如下：

其中

为综合风险评估模型的组合风险概率密度函数，

为第i个风险概率密度函数，

对应该风险概率密度函数的权重值。

示例性的，若评估某患者的健康由三个不同的单一风险评估模型组成，每个单一风险评估模型的权值不同，则将健康数据输入到单一风险评估模型中后得到各自的风险概率密度函数后，将风险概率密度函数和对应的权值乘积后相加得到表征该患者健康风险的组合风险概率密度函数。

第二方面，本方案提供一种根据上述构建方法构建得到的适用于疾病风险评估的组合风险评估模型。

实施例二，

本方案提供了一种适用于疾病风险评估的组合风险评估方法，将风险评估数据输入到上述的组合风险评估模型中的各个单一风险评估模型中得到各自的风险概率密度函数，将风险概率密度函数和对应的权值乘积后相乘得到组合风险概率密度函数，基于组合风险概率密度函数评估风险。

关于该实施例二中同于实施例一的重复内容不再累赘说明。

实施例三，

本方案提供了一种适用于疾病风险评估的组合风险评估方法的应用，可应用于健康风险评估场景。当其用于健康风险评估时，向组合风险评估模型输入健康风险评估数据，其中健康风险评估数据可以是各种生理参数以评价该用户患病的风险。。

关于该实施例三中同于实施例一的内容不再重复累赘介绍。

实施例四

本实施例还提供了一种电子装置，参考图4，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项适用于疾病风险的组合风险评估模型的构建方法或者适用于疾病风险评估的组合风险评估方法的实施例中的步骤。

具体地，上述处理器402可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecificIntegratedCircuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器（HardDiskDrive，简称为HDD）、软盘驱动器、固态驱动器（SolidStateDrive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（UniversalSerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性（Non-Volatile）存储器。在特定实施例中，存储器404包括只读存储器（Read-OnlyMemory，简称为ROM）和随机存取存储器（RandomAccessMemory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（ProgrammableRead-OnlyMemory，简称为PROM）、可擦除PROM（ErasableProgrammableRead-OnlyMemory，简称为EPROM）、电可擦除PROM（ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM）、电可改写ROM（ElectricallyAlterableRead-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（StaticRandom-AccessMemory，简称为SRAM）或动态随机存取存储器（DynamicRandomAccessMemory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器404（FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM）、同步动态随机存取内存（SynchronousDynamicRandom-AccessMemory，简称SDRAM）等。

存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。

处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种适用于组合风险评估模型的构建方法或组合风险评估方法的实施过程。

可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。

传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是各类风险评估数据等，输出的信息可以是组合风险概率密度函数。

可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：

其中所述权重值的获取方式如下：

将待测疾病风险的风险评估数据输入到组合风险评估模型中得到风险评估结果。。

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。

本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。

本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims

1.一种适用于疾病风险的组合风险评估模型的构建方法，其特征在于，包括：

其中所述权重值的获取方式如下：

获取每两个所述风险概率密度函数的交叠面积，依据所有交叠面积构建交叠面积矩阵；汇总所有风险概率密度函数的交叠面积得到交叠面积矩阵，交叠面积矩阵如下：

其中A表示交叠面积矩阵,

为第i个风险概率密度函数和第j个风险概率密度函数的交叠面积；

对交叠面积矩阵进行特征分解，取特征分解后的最大特征值对应的特征向量作为每个风险概率密度函数对应的权重值；

将待测疾病风险的风险评估数据输入到组合风险评估模型中得到风险评估结果，其中风险评估数据是各种生理参数以评价用户患病的风险。

2.根据权利要求1所述的适用于疾病风险的组合风险评估模型的构建方法，其特征在于，所述风险概率密度函数表征存在风险的风险值的概率，依据所述风险概率密度函数绘制的风险概率密度曲线的横坐标为风险值，纵坐标为概率值。

3.根据权利要求1所述的适用于疾病风险的组合风险评估模型的构建方法，其特征在于，交叠面积矩阵为对称矩阵，交叠面积矩阵的行矩阵为第一风险概率密度函数和所有风险概率密度函数的交叠面积依次排列得到，且所有风险概率密度函数依次序作为第一风险概率密度函数组成交叠面积矩阵的不同行。

4.根据权利要求1所述的适用于疾病风险的组合风险评估模型的构建方法，其特征在于，每个风险概率密度函数乘以对应的权重值并相加后得到组合风险概率密度函数,该组合风险概率密度函数作为组合风险评估模型的输出结果。

5.一种适用于疾病风险的组合风险评估模型，其特征在于，根据权利要求1到4任一所述的适用于疾病风险的组合风险评估模型的构建方法构建得到。

6.一种适用于疾病风险的组合风险评估方法，其特征在于，将相关于同一疾病的风险评估数据输入到权利要求5所述的组合风险评估模型中的各个单一风险评估模型中得到各自的风险概率密度函数，将风险概率密度函数和对应的权值乘积后相乘得到组合风险概率密度函数，基于组合风险概率密度函数得到针对该疾病的风险评估结果。

7.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到4任一所述的组合风险评估模型的构建方法。

8.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1到4任一所述的组合风险评估模型的构建方法。