(19)中华 人民共和国 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 202111663427.6 (22)申请日 2021.12.3 0 (71)申请人 神思电子技 术股份有限公司 地址 250101 山东省济南市高新区舜华西 路699号 (72)发明人 许野平　井焜　寇松　阮师漫　 刘岚铮　刘辉　杨国樑　许华茹　 杨柳　谷万田　许辰　 (74)专利代理 机构 济南千慧专利事务所(普通 合伙企业) 37232 代理人 孟令鲁 (51)Int.Cl. G16H 10/60(2018.01) G16H 50/30(2018.01) G16H 50/50(2018.01)G16H 50/70(2018.01) G06F 40/242(2020.01) G06F 40/279(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于病历的疾病异常预警方法、 设备及 介质 (57)摘要 本申请公开了一种基于病历的疾病异常预 警方法、 设备及介质， 方法包括： 获取当期的病历 信息， 对病历信息中的疾病表征进行编码， 以得 到结构化的第一病历向量； 通过预先训练的病历 向量化模型， 对第一病历向量进行维度压缩， 得 到低维度的第二病历向量； 通过预先训练的疾病 趋势预测模型， 将第二病历向量作为输入， 对当 期的病历信息中出现的指定疾病进行异常预测， 并根据预测结果输出当期的病历信息对应的异 常期望； 若指定个体或指定群体的病历信息， 通 过疾病趋势预测模型得到的输出结果， 与异常期 望之间的偏 离等级达到预设等级， 则确定指定个 体或指定 群体存在异常。 权利要求书3页 说明书8页 附图2页 CN 114334062 A 2022.04.12 CN 114334062 A 1.一种基于病历的疾病异常预警方法， 其特 征在于， 所述方法包括： 获取当期的病历信息， 对所述病历信息中的疾病表征进行编码， 以得到结构化的第一 病历向量； 通过预先训练的病历向量化模型， 对所述第一病历向量进行维度压缩， 得到低维度的 第二病历向量； 通过预先训练的疾病趋势预测模型， 将所述第二病历向量作为输入， 对所述当期的病 历信息中出现的指 定疾病进行异常预测， 并根据预测结果输出所述当期的病历信息对应的 异常期望； 若指定个体或指定群体的病历信息， 通过所述疾病趋势预测模型得到的输出结果， 与 所述异常期望之间的偏离等级达到预设等级， 则确定所述指定个体 或所述指定群体存在异 常。 2.根据权利要求1所述的一种基于病历的疾病异常预警方法， 其特征在于， 所述预测结 果包括所述第二病历向量对应的指定疾病的异常概 率； 根据预测结果输出 所述当期的病历信息对应的异常期望之后， 所述方法还 包括： 根据个体对应的个体特征， 将所述个体划分为多个指定群体； 所述个体特征至少包括 以下一项或多 项： 年龄、 地理位置、 性别； 分别计算所述指定群体中的不同个体的异常概率与所述异常期望之间的第 一偏离度， 以及不同所述个 体对应的第一偏离度之间的均值； 根据预先划分的偏离度区间， 确定所述第一偏离度的均值对应的偏离度区间， 以确定 对应的偏离等级。 3.根据权利要求2所述的一种基于病历的疾病异常预警方法， 其特征在于， 根据 预测结 果输出所述当期的病历信息对应的异常期望之后， 所述方法还 包括： 计算所述指定个 体对应的指定疾病的异常概 率与所述异常期望之间的第二偏离度； 根据预先划分的偏离度区间， 确定所述第二偏离度对应的偏离度区间， 以确定对应的 偏离等级； 在确定所述偏离等级达到预设等级的情况下， 计算所述病历信 息对应的个体所患疾病 的历史发病率， 以根据所述历史发病率， 确定所述指定个体对应的患病类型； 所述患病类型 包括常见疾病和罕见疾病。 4.根据权利要求1所述的一种基于病历的疾病异常预警方法， 其特征在于， 确定所述指 定个体或所述指定群 体存在异常之后， 所述方法还 包括： 在所述指定群体存在异常的情况下， 根据预设的回归模型， 预测所述群体在当期之后 的指定时间段内的目标发病趋势； 根据所述病历信息， 获取 所述指定群 体历年来在所述指定时间段内的历史发病趋势； 根据所述目标发病趋势和所述历史发病趋势， 提示疾控部门对所述指定群体采取相应 的防控措施。 5.根据权利要求4所述的一种基于病历的疾病异常预警方法， 其特征在于， 确定所述指 定个体或所述指定群 体存在异常之后， 所述方法还 包括： 按照预设的时间间隔， 获取所述指定疾病的传染速度、 传播方式以及死亡率， 以确定所 述指定疾病对应的权 重；权　利　要　求　书 1/3 页 2 CN 114334062 A 2确定所述指定群体中的个体的地理位置， 根据所述指定疾病对应的权重以及所述地理 位置， 在预置的电子地图上， 通过对应的显示颜色对所述指 定疾病进 行标注； 所述显示颜色 与所述指定疾病对应的权 重相对应； 根据所述指定群体对应的目标发病趋势， 在所述电子地图上标注出所述指定疾病对应 的辐射范围。 6.根据权利要求5所述的一种基于病历的疾病异常预警方法， 其特征在于， 根据 所述指 定群体对应的目标发病趋势， 在所述电子地图上标注出所述指定疾病对应的辐 射范围， 具 体包括： 根据所述指定群体对应的目标发病趋势， 预测各辐射周期对应的发病率； 所述时间间 隔与所述辐射周期相对应； 确定所述指定群体的人数总量， 并根据所述人数总量和所述发病率， 确定所述辐射周 期内的患病人 数； 根据所述患病人数与所述人数总量之间的比值， 确定对应的风险级别， 以根据所述风 险级别确定对应的第一辐射半径； 以所述指定群体的个体为第一圆心， 根据所述第一圆心和所述第一辐射半径， 确定各 个体对应的第一辐射范围； 以各所述第 一辐射范围的并集 区域中心为第 二圆心， 以各所述第 一辐射范围中距离所 述第二圆心的最远点与所述第二圆心之 间的距离为第二辐射半径， 确定所述指 定疾病对应 的第二辐射范围。 7.根据权利要求1所述的一种基于病历的疾病异常预警方法， 其特征在于， 对所述病历 信息中的疾病表征进行编码， 具体包括： 对所述病历信息进行分词， 并根据预设的病症词典， 从分词后的所述病历信息中筛选 出疾病表征； 所述病症词典中包括多个疾病表征； 通过所述病症词典， 对所述病历信息中的各疾病表征进行编码， 得到一位编码形式的 疾病表征向量； 对所述疾病表征向量进行去重， 并整合去重后的所述疾病表征向量， 以得到由所述疾 病表征向量组成的结构化的第一病历向量。 8.根据权利要求3所述的一种基于病历的疾病异常预警方法， 其特征在于， 确定所述指 定个体对应的患病类型之后， 所述方法还 包括： 在所述指定个体对应的患病类型为罕见疾病的情况下， 获取指定患 者对应的目标病历 向量； 所述指定患者患有所述罕见疾病； 计算所述目标病历向量与 所述个体对应的第 一病历向量之间的相似度， 并从多个所述 指定患者中， 选取与所述第一病历向量相似度最高的目标病历向量对应的指定患者， 作为 目标患者； 根据所述目标患者对应的目标病历向量， 以及所述指定个体对应的第一病历向量， 确 定所述指定个 体的特殊疾病表征， 并添加至临床案例库中。 9.一种基于病历的疾病异常预警设备， 其特 征在于， 包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中，权　利　要　求　书 2/3 页 3 CN 114334062 A 3