买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：核工业四一六医院

摘要：本发明涉及智慧医疗技术领域，其具体公开了一种基于PCSK9干预的HIV合并高脂血患者疗效评估系统。该系统通过搭建知识库模块、数据采集处理模块、数据分析模块和可视化输出模块，分别建立了纳入标准、排除标准和剔除标准知识图谱，采集患者的多样性医疗数据实现处理和分析，得到患者的多样性医疗数据特征向量，利用患者的医疗数据特征向量和人工卷积神经网络模型实现患者疗效综合评估，提升了评估的全面性和准确性。

主权项：1.一种基于PCSK9干预的HIV合并高脂血患者疗效评估系统，其特征在于，包括如下功能模块：知识库模块，包括患者纳入标准知识库单元、患者排除标准知识库单元和患者剔除标准知识库单元；所述患者纳入标准知识库单元，用于录入患者纳入标准条件文档，构建患者纳入标准条件知识图谱A；所述患者排除标准知识库单元，用于录入患者排除标准条件文档，构建患者排除标准条件知识图谱B；所述患者剔除标准知识库单元，用于录入患者剔除标准条件文档和历史患者的剔除事件数据，构建患者剔除标准条件知识图谱C；数据采集处理模块：包括患者纳入相关数据采集处理单元、患者用药数据采集处理单元和患者用药前后生理指标数据采集处理单元；所述患者纳入相关数据采集处理单元，采集每名HIV合并高脂血患者的基本信息数据文档和病历数据文档，处理得到每名HIV合并高脂血患者的结构化文档数据；进而得到最终符合条件的患者结构化文档数据并对其中的患者进行顺序编码，为每名患者制定理论用药方案；所述患者用药数据采集处理单元，采集患者的实际用药数据，处理得到患者的实际用药指标数据集和过敏反应数据集；处理得到患者依从性评估等级和患者过敏评估等级；所述患者用药前后生理指标数据采集处理单元，采集患者用药前的相关数据，形成患者基本数据集、既往病史数据集和患者用药前生理指标数据集；对所述患者用药前生理指标数据集进行处理，以每个指标数据对应的最小细分指标为单位，将所涉及的指标分为正常和异常2类，并按照key,value,p三元组的格式分别存储至用药前正常指标数据集和用药前异常指标数据集中；其中key表示细分指标，value表示细分指标对应的数值，p为标志位用于指示该细分指标正常或异常；分别对所述患者基本数据集、既往病史数据集、用药前正常指标数据集和用药前异常指标数据集中的数据进行特征提取，得到患者基本数据特征向量、患者既往病史特征向量和患者用药前生理指标特征向量；每隔时间周期T2，采集患者用药后的相关数据，形成患者用药后生理指标数据集和用药后不良事件数据集；分别对所述用药后生理指标数据集和患者不良事件数据集中的数据进行特征提取，得到患者用药后生理指标特征向量和不良事件特征向量；数据分析模块：包括人工疗效评估单元和神经网络疗效评估单元；所述人工疗效评估单元，得到打标后的他汀组训练样本集和PCSK9抑制剂组训练样本集；所述神经网络疗效评估单元，得到他汀组疗效评估结果和PCSK9抑制剂组疗效评估结果；可视化输出模块：将评估结果以图表的形式进行输出；所述知识库模块具体包括：对所述纳入标准条件文档进行知识抽取，得到纳入标准条件实体集EI和实体之间的关系属性集RI；所述实体集EI中包括4类一级实体：年龄类实体、HIV感染水平类实体、空腹胆固醇类实体和空腹甘油三脂类实体；所述关系属性集RI包括实体集EI中各实体的属性对应的数值范围；根据所述EI和RI构建患者纳入标准条件知识图谱A；对所述排除标准条件文档进行知识抽取，得到排除标准条件实体集EO和实体之间的关系属性集RO；所述实体集EO中包括7类一级实体：使用药物类实体、接受其他临床试验类实体、脏器功能类实体、基础疾病类实体、不良生活习惯类实体、依从性程度类实体和特殊体质类实体；其中基础疾病类实体又包括5类二级实体：糖尿病类实体、高血压类实体、心脏病类实体、脑出血类实体、恶性肿瘤类实体；所述关系属性集RO包括实体集EO中各实体的属性对应的数值范围和程度等级；根据所述EO和RO构建患者排除标准条件知识图谱B；对所述剔除标准条件文档和历史患者的剔除事件数据进行知识抽取，得到剔除标准条件实体集EA和实体之间的关系属性集RA；所述实体集EA中包括4类一级实体：过敏类实体、患者意愿类实体、研究者意愿类实体和剔除事件类实体；所述关系属性集RA包括实体集EA中各实体的属性对应的等级范围和属性事件；根据所述EA和RA构建患者剔除标准条件知识图谱C；所述患者纳入相关数据采集处理单元具体包括：预先建立医学词典，所述医学词典包括医学指标关键词和对应的属性关键词；利用所述医学词典，对所述基本信息数据文档和病历数据文档进行结构化处理，得到每名HIV合并高脂血患者的结构化文档数据，所述结构化文档数据是key-value形式，key表示识别出的医学指标，value表示医学指标对应的属性值；利用预先建立的知识图谱A，对每份所述结构化文档数据进行匹配和筛选，得到符合纳入标准条件的患者结构化文档数据；利用预先建立的知识图谱B，对符合纳入标准条件的患者结构化文档进行匹配和过滤，过滤掉符合排除标准条件的患者结构化文档，得到最终符合条件的患者结构化文档数据并对其中的患者进行顺序编码；对患者进行均匀分组，编号为单号的患者归为他汀组，编号为双号的患者归为PCSK9抑制剂组，为每名患者制定理论用药方案；所述患者用药前后生理指标数据采集处理单元具体包括：所述既往病史数据集包括HIV病史、高血压病史、糖尿病史、冠心病、脑梗死、吸烟史、饮酒史；所述患者用药前生理指标数据集包括血脂数据、血糖数据、血压数据、肝功能、肾功能、肌酸激酶、CD4、HIV病毒载量、血常规数据、心电图、颈部血管超声数据、心脏超声数据、四肢动脉硬化指标数据；既往病史特征向量的计算方式如下：将所述既往病史数据集中的数据分为4类特征，分别为HIV感染情况、高血压病史及糖尿病史情况、心脏病史情况和不良生活习惯情况，计算出4类特征对应的特征值，将4个特征值拼接起来构成患者既往病史特征向量；其中所有患者的HIV感染情况对应的特征值均赋值为1，利用公式计算后三个特征值，其中fa表示特征值，n表示某类特征对应的指标个数，yi表示指标具体取值，当存在某个既往病史时，该指标取值为1，否则为0；用药前生理指标特征向量的计算方式如下：分别统计用药前正常指标数据集和用药前异常指标数据集中分别对应的指标个数，得到正常指标个数p1和异常指标个数p2，计算正常指标个数占总指标个数的百分比p1p1+p2，作为正常指标对应的特征值，计算异常指标个数占总指标个数的百分比p2p1+p2，作为异常指标对应的特征值，将2个特征值拼接起来构成患者用药前生理指标特征向量；所述患者用药前后生理指标数据采集处理单元具体包括：所述用药后生理指标数据集包括血脂数据、血糖数据、血压数据、肝功能、肾功能、肌酸激酶、CD4、HIV病毒载量、血常规数据、心电图、颈部血管超声数据、心脏超声数据、四肢动脉硬化指标、凝血功能；对所述患者用药后生理指标数据集进行处理，以每个指标数据对应的最小细分指标为单位，将所涉及的指标分为正常和异常2类，并按照key,value,p三元组的格式分别存储至用药前正常指标数据集和用药前异常指标数据集中；其中key表示细分指标，value表示细分指标对应的数值，p为标志位用于指示该指标正常或异常；患者用药后生理指标特征向量计算方式如下：分别统计用药后正常指标数据集和用药后异常指标数据集中分别对应的指标个数，得到正常指标个数p1和异常指标个数p2，计算正常指标个数占总指标个数的百分比p1p1+p2，作为正常指标对应的特征值，计算异常指标个数占总指标个数的百分比p2p1+p2，作为异常指标对应的特征值，将2个特征值拼接起来构成患者用药后生理指标特征向量；所述数据分析模块具体包括：所述人工疗效评估单元：分别选取他汀组和PCSK9抑制剂组中占总样本数量80%的患者样本进行人工疗效评估，通过比对分析患者基本数据集、既往病史数据集、患者用药前生理指标数据集和患者用药后生理指标数据集，研究者依据临床经验和医学常识对患者用药前后指标进行分析，得到患者对应的疗效评估等级标签，所述标签包括优、良和差，利用该疗效评估等级标签对所述80%的患者样本进行打标，得到打标后的他汀组训练样本集和PCSK9抑制剂组训练样本集；所述神经网络疗效评估单元：利用所述打标后的他汀组训练样本集和PCSK9抑制剂组训练样本集，确定两组训练样本集中每名患者基本数据特征向量、患者既往病史特征向量、患者用药前生理指标特征向量、患者用药后生理指标特征向量和用药后不良事件特征向量，分别拼接成他汀组患者综合特征向量和PCSK9抑制剂组患者综合特征向量，分别输入事先构建的人工卷积神经网络模型A和B中进行训练迭代，得到收敛的他汀组疗效评估模型和PCSK9抑制剂组疗效评估模型；选取他汀组和PCSK9抑制剂组中剩余占总样本数量20%的患者样本数据，分别输入所述他汀组疗效评估模型和PCSK9抑制剂组疗效评估模型，得到他汀组疗效评估结果和PCSK9抑制剂组疗效评估结果。

全文数据：

权利要求：

百度查询： 核工业四一六医院 一种基于PCSK9干预的HIV合并高脂血患者疗效评估系统