本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法、裝置、設(shè)備和可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、子癇前期是妊娠20周以后以高血壓為臨床表現(xiàn)的并發(fā)癥，發(fā)生率約在2％～8％，特別是早發(fā)型子癇前期發(fā)病早、進(jìn)展快、并發(fā)癥多，是孕產(chǎn)婦和圍產(chǎn)兒發(fā)生不良結(jié)局的重要原因。現(xiàn)有研究已經(jīng)表明在孕早期(懷孕12周)起即對(duì)高風(fēng)險(xiǎn)人群進(jìn)行干預(yù)，將顯著預(yù)防子癇前期的發(fā)生，改善妊娠結(jié)局。因此對(duì)子癇前期進(jìn)行早期預(yù)測(cè)一直是學(xué)界和臨床所關(guān)注的重點(diǎn)。

2、而現(xiàn)有的子癇前期的預(yù)測(cè)多依靠人的診治經(jīng)驗(yàn)和指南規(guī)范，以母體妊娠危險(xiǎn)因素、孕期平均動(dòng)脈壓、子宮動(dòng)脈多普勒指標(biāo)以及少量血清生化標(biāo)志物等作為預(yù)警指標(biāo)進(jìn)行子癇前期的預(yù)測(cè)，準(zhǔn)確度和靈敏度都非常的低。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)存在的準(zhǔn)確度低、靈敏度低的問(wèn)題，本發(fā)明提供了一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法、裝置、設(shè)備和可讀存儲(chǔ)介質(zhì)，其具有預(yù)測(cè)準(zhǔn)確度、靈敏度更高等特點(diǎn)。

2、根據(jù)本發(fā)明具體實(shí)施方式提供的一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法，包括：

3、獲取與待預(yù)測(cè)用戶的唯一標(biāo)識(shí)相關(guān)聯(lián)的目標(biāo)臨床指標(biāo)數(shù)據(jù)；

4、對(duì)所述目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到所述待預(yù)測(cè)用戶的特征數(shù)據(jù)；

5、將所述特征數(shù)據(jù)輸入至預(yù)設(shè)融合模塊中進(jìn)行融合；

6、基于所述目標(biāo)臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型；

7、將融合后的特征數(shù)據(jù)輸入至所述風(fēng)險(xiǎn)預(yù)測(cè)模型中得到子癇前期的預(yù)測(cè)結(jié)果。

8、進(jìn)一步地，所述子癇前期風(fēng)險(xiǎn)預(yù)測(cè)方法還包括：

9、當(dāng)所述子癇前期的發(fā)生概率大于預(yù)設(shè)閾值時(shí)，對(duì)與所述唯一標(biāo)識(shí)相關(guān)聯(lián)的新的臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理得到新的特征數(shù)據(jù)；

10、將所述新的特征數(shù)據(jù)輸入至所述預(yù)設(shè)融合模型中進(jìn)行融合；

11、將融合后的新的特征數(shù)據(jù)輸入至所述風(fēng)險(xiǎn)預(yù)測(cè)模型中得到新的子癇前期的預(yù)測(cè)結(jié)果。

12、進(jìn)一步地，所述基于所述臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型，包括：

13、若所述目標(biāo)臨床指標(biāo)數(shù)據(jù)只包括多組學(xué)數(shù)據(jù)時(shí)，則將深度預(yù)測(cè)模型作為所述風(fēng)險(xiǎn)預(yù)測(cè)模型，所述多組學(xué)數(shù)據(jù)包括影像組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)以及轉(zhuǎn)錄組學(xué)數(shù)據(jù)中的一種或多種。

14、進(jìn)一步地，所述基于所述臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型，還包括：

15、若所述目標(biāo)臨床指標(biāo)數(shù)據(jù)只包括用戶基礎(chǔ)數(shù)據(jù)時(shí)，則將淺層預(yù)測(cè)模型作為所述風(fēng)險(xiǎn)預(yù)測(cè)模型，所述用戶基礎(chǔ)數(shù)據(jù)包括：基本信息數(shù)據(jù)和/或?qū)嶒?yàn)檢測(cè)數(shù)據(jù)。

16、進(jìn)一步地，所述基于所述臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型，還包括：

17、若所述目標(biāo)臨床指標(biāo)數(shù)據(jù)包括所述多組學(xué)數(shù)據(jù)和所述用戶基礎(chǔ)數(shù)據(jù)，則將所述深度預(yù)測(cè)模型和所述淺層預(yù)測(cè)模型分別作為所述風(fēng)險(xiǎn)預(yù)測(cè)模型；

18、所述將融合后的特征數(shù)據(jù)輸入至所述風(fēng)險(xiǎn)預(yù)測(cè)模型中得到子癇前期的發(fā)生概率，包括：

19、將所述融合后的特征數(shù)據(jù)分別輸入所述深度預(yù)測(cè)模型和所述淺層預(yù)測(cè)模型中得到子癇前期的發(fā)生概率。

20、進(jìn)一步地，所述對(duì)所述目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到所述待預(yù)測(cè)用戶的特征數(shù)據(jù)，包括：

21、將所述轉(zhuǎn)錄組學(xué)數(shù)據(jù)和子癇前期患者的基因數(shù)據(jù)進(jìn)行比較，得到轉(zhuǎn)錄組學(xué)特征數(shù)據(jù)；

22、將所述影像組學(xué)數(shù)據(jù)輸入至卷積神經(jīng)網(wǎng)絡(luò)提取圖片特征，得到影像組學(xué)特征數(shù)據(jù)。

23、進(jìn)一步地，所述對(duì)所述目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到所述待預(yù)測(cè)用戶的特征數(shù)據(jù)，包括：

24、從所述基本信息數(shù)據(jù)中抽取家族史結(jié)構(gòu)化信息和既往史結(jié)構(gòu)化信息；

25、對(duì)所述實(shí)驗(yàn)檢測(cè)數(shù)據(jù)中的數(shù)值型數(shù)據(jù)依次進(jìn)行數(shù)據(jù)清洗、異常檢測(cè)，特征分桶、特征組合和數(shù)據(jù)歸一化處理；

26、對(duì)所述實(shí)驗(yàn)檢測(cè)數(shù)據(jù)中的文本數(shù)據(jù)進(jìn)行實(shí)體識(shí)別和規(guī)則匹配，得到文本特征數(shù)據(jù)。

27、根據(jù)本發(fā)明具體實(shí)施方式提供的一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)裝置，包括：

28、數(shù)據(jù)獲取模塊，用于獲取與待預(yù)測(cè)用戶的唯一標(biāo)識(shí)相關(guān)聯(lián)的目標(biāo)臨床指標(biāo)數(shù)據(jù)；

29、預(yù)處理模塊，用于對(duì)所述目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到所述待預(yù)測(cè)用戶的特征數(shù)據(jù)；

30、特征融合模塊，用于將所述特征數(shù)據(jù)輸入至預(yù)設(shè)融合模塊中進(jìn)行融合；

31、模型確定模塊，用于基于所述目標(biāo)臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型；以及

32、風(fēng)險(xiǎn)預(yù)測(cè)模塊，用于將融合后的特征數(shù)據(jù)輸入至所述風(fēng)險(xiǎn)預(yù)測(cè)模型中得到子癇前期的預(yù)測(cè)結(jié)果。

33、根據(jù)本發(fā)明具體實(shí)施方式提供的一種設(shè)備，包括：存儲(chǔ)器和處理器；

34、所述存儲(chǔ)器，用于存儲(chǔ)程序；

35、所述處理器，用于執(zhí)行所述程序，實(shí)現(xiàn)如上所述的妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法的各個(gè)步驟。

36、根據(jù)本發(fā)明具體實(shí)施方式提供的一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上所述的妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法的各個(gè)步驟。

37、本發(fā)明所提供的妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法，可以通過(guò)待預(yù)測(cè)用戶的唯一標(biāo)識(shí)獲取到待測(cè)用戶的目標(biāo)臨床指標(biāo)數(shù)據(jù)。然后對(duì)目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到待預(yù)測(cè)用戶的特征數(shù)據(jù)。再將特征數(shù)據(jù)輸入至預(yù)設(shè)融合模塊中進(jìn)行融合?；谀繕?biāo)臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型。將融合后的特征數(shù)據(jù)輸入至風(fēng)險(xiǎn)預(yù)測(cè)模型中得到子癇前期的預(yù)測(cè)結(jié)果。該妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法能夠根據(jù)用戶的不同的臨床指標(biāo)數(shù)據(jù)，自適應(yīng)選擇相應(yīng)的風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行患有子癇前期的預(yù)測(cè)，能夠有效避免待預(yù)測(cè)孕產(chǎn)婦輸入特征缺少所帶來(lái)的準(zhǔn)確度低和靈敏度低的問(wèn)題，提高了子癇前期預(yù)測(cè)的準(zhǔn)確度和可靠性。

技術(shù)特征：

1.一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型，還包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型，還包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到所述待預(yù)測(cè)用戶的特征數(shù)據(jù)，包括：

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對(duì)所述目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到所述待預(yù)測(cè)用戶的特征數(shù)據(jù)，包括：

8.一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)裝置，其特征在于，包括：

9.一種設(shè)備，其特征在于，包括：存儲(chǔ)器和處理器；

10.一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法的各個(gè)步驟。

技術(shù)總結(jié)
本發(fā)明提供了一種妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法、裝置、設(shè)備和可讀存儲(chǔ)介質(zhì)，可以通過(guò)待預(yù)測(cè)用戶的唯一標(biāo)識(shí)獲取到待測(cè)用戶的目標(biāo)臨床指標(biāo)數(shù)據(jù)。然后對(duì)目標(biāo)臨床指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，得到待預(yù)測(cè)用戶的特征數(shù)據(jù)。再將特征數(shù)據(jù)輸入至預(yù)設(shè)融合模塊中進(jìn)行融合。基于目標(biāo)臨床指標(biāo)數(shù)據(jù)所包含的數(shù)據(jù)類型的種類和數(shù)量，確定風(fēng)險(xiǎn)預(yù)測(cè)模型。將融合后的特征數(shù)據(jù)輸入至風(fēng)險(xiǎn)預(yù)測(cè)模型中得到子癇前期的預(yù)測(cè)結(jié)果。該妊娠期風(fēng)險(xiǎn)預(yù)測(cè)方法能夠根據(jù)用戶的不同的臨床指標(biāo)數(shù)據(jù)，自適應(yīng)選擇相應(yīng)的風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行患有子癇前期的預(yù)測(cè)，能夠有效避免待預(yù)測(cè)孕產(chǎn)婦輸入特征缺少所帶來(lái)的準(zhǔn)確度低和靈敏度低的問(wèn)題，提高了子癇前期預(yù)測(cè)的準(zhǔn)確度和可靠性。

技術(shù)研發(fā)人員：王雷,畢文帥,呂翰林,孟晨偉,呂龍挺
受保護(hù)的技術(shù)使用者：武漢華大生命科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/6/30