一种风险预测方法、装置、设备及存储介质.pdf

(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CN114255872A(43)申请公布日2022.03.29(21)申请号202111525272.XG06N3/04(2006.01)(22)申请日2021.12.14G06N3/08(2006.01)(71)申请人安徽科大讯飞医疗信息技术有限公司地址230088安徽省合肥市高新区望江西路666号A5楼23-24层(72)发明人刘加新胡加学贺志阳肖飞赵景鹤(74)专利代理机构北京集佳知识产权代理有限公司11227代理人耿苑(51)Int.Cl.G16H50/30(2018.01)G16H50/20(2018.01)G16H50/70(2018.01)权利要求书3页说明书15页附图5页(54)发明名称一种风险预测方法、装置、设备及存储介质(57)摘要本申请提供了一种风险预测方法、装置、设备及存储介质，其中，风险预测方法包括：获取目标对象的医学文本，其中，医学文本包括若干条就诊记录；将若干条就诊记录分别结构化，得到若干条就诊记录分别对应的就诊图，其中，就诊图包含对应的就诊记录中的就诊要素和就诊要素之间的关系；按若干条就诊记录分别对应的就诊时间，将若干条就诊记录分别对应的就诊图串联，得到就诊时序图；利用就诊时序图，预测目标对象未来存在的风险。本申请提供的风险预测方法可根据对目标对象的若干条就诊记录处理得到的就诊时序图预测出目标对象未来存在的风险。CN114255872ACN114255872A权利要求书1/3页1.一种风险预测方法，其特征在于，包括：获取目标对象的医学文本，其中，所述医学文本包括若干条就诊记录；将所述若干条就诊记录分别结构化，得到所述若干条就诊记录分别对应的就诊图，其中，所述就诊图包含对应的就诊记录中的就诊要素和所述就诊要素之间的关系；按所述若干条就诊记录分别对应的就诊时间，将所述若干条就诊记录分别对应的就诊图串联，得到就诊时序图；利用所述就诊时序图，预测所述目标对象未来存在的风险。2.根据权利要求1所述的风险预测方法，其特征在于，所述就诊图包含若干结点，每个结点为对应的就诊记录中的一就诊要素，所述若干结点中有关系的结点通过有向边连接；将一待结构化的目标就诊记录结构化，包括：从所述目标就诊记录中抽取就诊要素，并确定抽取出的就诊要素之间的关系；将抽取出的就诊要素中具有时序关系的就诊要素按时序排列，并将排序结果中的相邻就诊要素通过有向边连接，以得所述目标就诊记录对应的时序路径；将抽取出的就诊要素中的其它就诊要素与所述目标就诊记录对应的时序路径上的相关就诊要素通过有向边连接。3.根据权利要求2所述的风险预测方法，其特征在于，所述利用所述就诊时序图，预测所述目标对象未来存在的风险，包括：利用预先训练得到的风险预测模型，以所述就诊时序图为依据，预测所述目标对象未来存在的风险；其中，所述风险预测模型采用标注有风险信息的训练就诊时序图训练得到。4.根据权利要求3所述的风险预测方法，其特征在于，所述风险预测模型的训练过程包括：采用训练就诊时序图，对初始的图编码模型进行预训练，得到预训练后的图编码模型；基于所述预训练后的图编码模型构建风险预测模型，其中，所述风险预测模型包括编码层和风险预测任务层，所述编码层为所述预训练后的图编码模型；采用标注有风险信息的训练就诊时序图，对构建的风险预测模型进行训练。5.根据权利要求4所述的风险预测方法，其特征在于，所述采用训练就诊时序图，对初始的图编码模型进行预训练，包括；以预测训练就诊时序图中隐藏的结点为任务，对图编码模型进行预训练；或者，以对打乱后的训练就诊时序图进行重排为任务，对图编码模型进行预训练，其中，所述打乱后的训练就诊时序图通过将训练就诊时序图中同一时序路径上结点的时序进行打乱得到。6.根据权利要求3所述的风险预测方法，其特征在于，所述利用预先训练得到的风险预测模型，以所述就诊时序图为依据，预测所述目标对象未来存在的风险，包括：利用预先训练得到的风险预测模型的编码层，将所述就诊时序图编码为能够表征所述就诊时序图的逻辑关系的向量，作为就诊时序图表示向量；利用所述风险预测模型的风险预测任务层，以所述就诊时序图表示向量为依据，预测所述目标对象未来存在的风险。2CN114255872A权利要求书2/3页7.根据权利要求6所述的风险预测方法，其特征在于，所述将所述就诊时序图编码为能够表征所述就诊时序图的逻辑关系的向量，包括：根据所述就诊时序图中的每个结点以及所述就诊时序图中每个结点的时序信息，确定所述就诊时序图中每个结点的第一表示向量；根据所述就诊时序图中每个结点的第一表示向量、每个结点的相关结点以及每个结点与相关结点的关系，确定能够表征所述就诊时序图的逻辑关系的向量。8.根据权利要求7所述的风险预测方法，其特征在于，所