基于机器学习的疾病预测方法及装置.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CN113705092A(43)申请公布日2021.11.26(21)申请号202110981411.3(22)申请日2021.08.25(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田街道福安社区益田路5033号平安金融中心23楼(72)发明人蒋雪涵(74)专利代理机构北京中强智尚知识产权代理有限公司11448代理人贾依娇(51)Int.Cl.G06F30/27(2020.01)G06F119/02(2020.01)权利要求书2页说明书13页附图4页(54)发明名称基于机器学习的疾病预测方法及装置(57)摘要本发明涉及人工智能技术领域，揭露一种基于机器学习的疾病预测方法，包括：获取样本用户的文本病例信息，并将样本用户的文本病例信息形成文本信息组合，将文本信息组合输入至包括文本编码器和因果分辨模块的网络模型中进行训练，文本编码器用于提取文本信息组合的向量表示，以及根据文本信息组合的向量表示进行疾病类别预测，因果矫正模块用于对文本信息组合中不同疾病症状之间的差异化字符进行预测，使用训练后的文本编码器构建疾病预测模型，利用疾病预测模型对目标用户的文本病例信息进行预测，输出目标用户对应的疾病类别。本发明能够针对疾病预测过程中疾病症状与疾病类别之间的因果关系进行解释，提高疾病预测结果的准确率。CN113705092ACN113705092A权利要求书1/2页1.一种基于机器学习的疾病预测方法，其特征在于，所述方法包括：获取样本用户的文本病例信息，并将所述样本用户的文本病例信息形成文本信息组合；将所述文本信息组合输入至包括文本编码器和因果分辨模块的网络模型中进行训练，所述文本编码器用于提取文本信息组合的向量表示，以及根据所述文本信息组合的向量表示进行疾病类别预测，所述因果矫正模块用于对所述文本信息组合中不同疾病症状之间的差异化字符进行预测；使用训练后的文本编码器构建疾病预测模型；响应于疾病预测指令，利用所述疾病预测模型对所述疾病预测指令携带目标用户的文本病例信息进行预测，输出目标用户对应的疾病类别。2.根据权利要求1所述的方法，其特征在于，所述获取样本用户的文本病例信息，并将所述样本用户的文本病例信息形成文本信息组合，具体包括：针对样本用户的文本病例信息进行标记，得到文本病例信息具有的疾病症状和疾病类别标签；选取至少两个具有不同疾病症状和相同疾病类别标签的文本病例信息，并针对不同疾病症状之间的差异化字符将选取的至少两个文本病例信息形成文本信息组合。3.根据权利要求1所述的方法，其特征在于，所述文本信息组合具有不同疾病症状和相同疾病类别标签的至少两个文本病例信息，所述至少两个文本病例信息中携带有不同疾病症状之间的差异化字符标签，所述将所述文本信息组合输入至包括文本编码器和因果分辨模块的网络模型中进行训练，具体包括：将所述文本信息组合输入至网络模型中的文本编码器进行训练，得到文本信息组合中每个文本病例信息的向量表示以及每个文本病例信息预测得到的疾病类别；将所述文本信息组合中每个文本病例信息的向量表示以及每个文本病例信息预测得到的疾病类别输入至网络模型中的因果分辨模块进行训练，得到文本信息组合中不同疾病症状之间的差异化字符；所述使用训练后的文本编码器构建疾病预测模型，具体包括：在对所述文本编码器和所述因果分辨模块训练过程中，利用所述文本病例信息的疾病类别标签和所述差异化字符标签对所述网络模型中参数进行调整；使用经过参数调整后的文本编码器构建疾病预测模型。4.根据权利要求3所述的方法，其特征在于，所述文本编码器与所述因果分辨模块在训练过程中进行对抗学习，以对所述文本信息组合的向量表示进行因果矫正，并根据矫正后的向量表示评估每个差异化字符的可解释性。5.根据权利要求3所述的方法，其特征在于，所述在对所述文本编码器和所述因果分辨模块训练过程中，利用所述文本病例信息的疾病类别标签和所述差异化字符标签对所述网络模型中参数进行调整，具体包括：在对所述文本编码器和所述因果分辨模块训练过程中，针对每个文本病例信息设置交叉熵损失函数，并将所述交叉熵损失函数结合平衡损失函数作为网络模型的损失函数；将文本病例信息的疾病类别标签和所述差异化字符标签带入所述网络模型的损失函数，计算所述网络模型的损失值；2CN113705092A权利要求书2/2页根据所述损失值对所述网络模型中参数进行调整。6.根据权利要求1‑5中任一项所述的方法，其特征在于，在所述将所述文本信息组合输入至包括文本编码器和因果分辨模块的网络模型中进行训练之前，所述方法还包括：根据症状数据或词条库，提取所述文本信息组合中不同疾病症状的字符；针对所述不同疾病症状的字符中存在差异的字符进行标记，形成不同疾病症状之间