(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210032464.5 (22)申请日 2022.01.12 (71)申请人 深圳市问渠数字科技有限公司 地址 518000 广东省深圳市龙岗区坂田街 道岗头社区天安云谷产业园一期2栋 201-201 (72)发明人 叶颖　张玉君　戴嘉贺　吴艺　 (74)专利代理 机构 深圳市明日今典知识产权代 理事务所(普通 合伙) 44343 专利代理师 王杰辉 (51)Int.Cl. G16H 50/30(2018.01) G06Q 10/04(2012.01) G06K 9/62(2022.01) G06F 16/36(2019.01) (54)发明名称 基于人工智能的重疾状态预测方法、 装置、 设备及介质 (57)摘要 本申请揭示了一种基于人工智能的重疾状 态预测方法、 装置、 设备及介质， 其中方法包括： 根据日时序特征集预测第一时序重疾概率， 并根 据周时序特征集预测第二时序重疾概率； 根据日 时序特征集和人体健康日知识图谱计算每个日 人体特征的第一异常指数， 并根据周时序特征集 和人体健康周知识 图谱计算每个周人体特征的 第二异常指数； 根据各个第一异常指数、 日重疾 异常标准指数集、 各个第二异常指数和周重疾异 常标准指数集计算第一异常风险值、 第二异常风 险值和交叉风险值； 根据第一时序重疾概率、 第 二时序重疾概率、 第一异常风险值、 第二异常风 险值和交叉风险值确定目标对象对应的重疾状 态预测结果。 充分参考人体特征的时序特性和异 常特性， 提高了准确性。 权利要求书4页 说明书16页 附图3页 CN 114550924 A 2022.05.27 CN 114550924 A 1.一种基于人工智能的重疾状态预测方法， 其特 征在于， 所述方法包括： 获取目标对象对应的日时序特 征集和周时序特 征集； 根据所述日时序 特征集预测第 一时序重疾概率， 并根据 所述周时序特征集预测第 二时 序重疾概 率； 根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异 常指数， 并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第 二异常指数； 根据各个所述第 一异常指数和预设的日重疾异常标准指数集计算第 一异常风险值， 并 根据各个所述第二异常指数和预设的周重疾异常标准指数集计算第二异常风险值； 根据各个所述第一异常指数和各个所述第二异常指数计算交叉风险值； 根据所述第一时序重疾概率、 所述第 二时序重疾概率、 所述第一异常风险值、 所述第二 异常风险值和所述交叉风险值确定所述目标对象对应的重疾状态预测结果。 2.根据权利要求1所述的基于人工智能的重疾状态预测方法， 其特征在于， 所述根据 所 述日时序特征集预测 第一时序重疾概率， 并根据所述周时序特征集预测第二时序重疾概率 的步骤， 包括： 将所述日时序 特征集输入预设的日时序特征重疾概率预测模型进行重疾概率预测， 得 到所述第一时序重疾概率， 其中， 所述日时序特征重疾概率预测模型是基于时序网络训练 得到的模型； 将所述周时序 特征集输入预设的周时序特征重疾概率预测模型进行重疾概率预测， 得 到所述第二时序重疾概率， 其中， 所述周时序特征重疾概率预测模型是基于时序网络或非 时序网络训练得到的模型。 3.根据权利要求1所述的基于人工智能的重疾状态预测方法， 其特征在于， 所述根据 所 述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数， 并根 据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数 的步骤， 包括： 第x个所述日人体特 征的所述第一异常指数的计算公式ERST1(x)为： 其中， k是所述日时序特征集中的日时序特征的数量， 当第d个所述日时序特征中的与 第x个所述日人体特征对应的特征值位于所述人体健康日知识图谱中的与第x个所述日人 体特征对应的第一范围数据内时， 则yd为0， 当第d个所述日时序特征 中的与第x个所述日人 体特征对应的特征值位于所述人体健康日知识图谱中的与第x个所述日人体特征对应的所 述第一范围数据外时， 则yd为1； 第x个所述周人体特 征的所述第二异常指数的计算公式ERST2(x)为： 其中， m是所述周时序特征集中的周时序特征的数量， 当第d个所述周时序特征中的与 第x个所述周人体特征对应的特征值位于所述人体健康周知识图谱中的与第x个所述周人权　利　要　求　书 1/4 页 2 CN 114550924 A 2体特征对应的第二范围数据内时， 则zd为0， 当第d个所述周时序特征 中的与第x个所述周人 体特征对应的特征值位于所述人体健康周知识图谱中的与第x个所述周人体特征对应的所 述第二范围数据外时， 则zd为1。 4.根据权利要求1所述的基于人工智能的重疾状态预测方法， 其特征在于， 所述根据 所 述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数， 并根 据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数 的步骤之前， 还 包括： 将任一个所述日人体特 征作为目标日特 征； 将所述目标日特征在预设的第 一医学临床库中进行 日正常范围查找， 得到第 一查找结 果； 若所述第一查找结果为成功时， 将所述第 一查找结果对应的所述日正常范围作为所述 目标日特 征对应的第一范围数据； 若所述第一查找结果为失败时， 获取所述目标日特征对应的健康对象日特征数据集， 对所述健康对 象日特征数据集进行正序排序， 得到排序后日特征数据集， 从所述排序后日 特征数据集中获取与预设的第一数量比例对应的日特征数据， 作为所述目标日特征对应的 所述第一范围数据的开始值， 从所述排序后日特征数据集中获取与预设的第二数量比例对 应的所述日特征数据， 作为所述目标日特征对应的所述第一范围数据的结束值， 其中， 所述 第一数量比例小于所述第二数量比例； 根据各个所述日人体特征对应的各个所述第一范围数据生成所述人体健康日知识图 谱； 将任一个所述周人体特 征作为目标周特 征； 将所述目标周特征在预设的第 二医学临床库中进行周正常范围查找， 得到第 二查找结 果； 若所述第二查找结果为成功时， 将所述第 一查找结果对应的所述周正常范围作为所述 目标周特 征对应的第二范围数据； 若所述第二查找结果为失败时， 获取所述目标周特征对应的健康对象周特征数据集， 对所述健康对 象周特征数据集进行正序排序， 得到排序后周特征数据集， 从所述排序后周 特征数据集中获取与预设的第三数量比例对应的周特征数据， 作为所述目标周特征对应的 所述第二范围数据的开始值， 从所述排序后周特征数据集中获取与预设的第四数量比例对 应的所述周特征数据， 作为所述目标周特征对应的所述第二范围数据的结束值， 其中， 所述 第三数量比例小于所述第四数量比例； 根据各个所述周人体特征对应的各个所述第二范围数据生成所述人体健康周 知识图 谱。 5.根据权利要求1所述的基于人工智能的重疾状态预测方法， 其特征在于， 所述根据 各 个所述第一异常指数和预设的日重疾异常标准指数集计算第一异常风险值， 并根据各个所 述第二异常指数和预设的周重疾异常标准指数集计算第二异常风险值的步骤， 包括： 所述第一异常风险的计算公式RE1为：权　利　要　求　书 2/4 页 3 CN 114550924 A 3