基于淬臻分析的治疗方案推荐方法、系统及存储介质与流程

1.本发明涉及大数据分析技术领域，特别是涉及一种基于淬臻分析的治疗方案推荐方法、系统及存储介质。


背景技术：

2.目前医生为患者进行诊断制定治疗方案都是靠医生自身的治疗经验，部分医生由于缺乏经验导致无法为患者制定合理的治疗方案。随着科学的进步，机器学习算法在医疗相关领域越来越广泛地被应用，现有技术中已经可以通过对患者相似性进行分析，依据群体特征进行治疗方案推荐，但是现有的方法没有考虑到经济成本问题，因此无法帮助保险公司设计出相应的医疗保险赔付产品。


技术实现要素：

3.本发明所要解决的技术问题是提供一种基于淬臻分析的治疗方案推荐方法、系统及存储介质，能够选出风险与成本最佳组合的治疗方案。
4.本发明解决其技术问题所采用的技术方案是：提供一种基于淬臻分析的治疗方案推荐方法，包括以下步骤：
5.(1)获取患者的病症信息；
6.(2)根据所述病症信息从数据库中调用相关的治疗方案；
7.(3)将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案；
8.(4)采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。
9.所述病症信息包括年龄、性别、现有疾病、疾病病程、疾病确诊时间、治疗方案历史、是否患有并发症、并发症首次确诊日期、是否患有重疾、以及重疾首次确诊时间。
10.所述决策分析模型对所述治疗方案的效果进行预测前，还对所述病症信息中的异常变化量采取特征提取或虚拟变量进行改善。
11.所述决策分析模型使用约登指数来选取分界点。
12.所述步骤(4)具体为：将若干治疗方案进行两两计算，计算两个治疗方案之间的增量成本-效果比，所述增量成本-效果比icer＝(c1-c2)/(qaly1-qaly2)，其中，c1为治疗方案a的预期成本，c2为治疗方案b的预期成本，qaly1为采用治疗方案a后的生命质量指数，qaly2为采用治疗方案b后的生命质量指数；所述预期成本包括治疗方案的现金成本和治疗方案的时间成本；所述生命质量指数为生命质量权重与所述决策分析模型预测的治疗方案的效果的乘积；当增量成本-效果比大于阈值时表示治疗方案a比治疗方案b更经济，当增量成本
‑‑
效果比小于阈值时表示治疗方案b比治疗方案a更经济；根据所述增量成本-效果比与阈值的比较结果选出风险与成本最佳组合的治疗方案。
13.本发明解决其技术问题所采用的技术方案是：提供一种基于淬臻分析的治疗方案推荐系统，包括：
14.获取模块，用于获取患者的病症信息；
15.调用模块，用于根据所述病症信息从数据库中调用相关的治疗方案；
16.分析模块，用于将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案；
17.选择模块，用于采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。
18.所述病症信息包括年龄、性别、现有疾病、疾病病程、疾病确诊时间、治疗方案历史、是否患有并发症、并发症首次确诊日期、是否患有重疾、以及重疾首次确诊时间。
19.所述选择模块包括计算单元、比较单元和筛选单元，所述计算单元用于将若干治疗方案进行两两计算，计算两个治疗方案之间的增量成本-效果比，所述增量成本-效果比icer＝(c1-c2)/(qaly1-qaly2)，其中，c1为一个治疗方案的预期成本，c2为另一个治疗方案的预期成本，qaly1为采用一个治疗方案后的生命质量指数，qaly2为采用另一个治疗方案后的生命质量指数；所述预期成本包括治疗方案的现金成本和治疗方案的时间成本；所述生命质量指数为生命质量权重与所述决策分析模型预测的治疗方案的效果的乘积；所述比较单元用于将计算出的增量成本-效果与阈值进行比较；所述筛选单元用于根据所述比较单元的比较结果选出风险与成本最佳组合的治疗方案。
20.本发明解决其技术问题所采用的技术方案是：提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现上述的基于淬臻分析的治疗方案推荐方法。
21.有益效果
22.由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过时间序列来追溯大量患者的病程过程，通过机器学习抓取重要的时间节点信息来分析出不同治疗方案对患者的影响，预测出治疗方案的治疗效果，并选出治疗效果较好的若干治疗方案，再通过三效分析选择风险与成本最佳组合的治疗方案。本发明在保证选择并发症、重症概率较低的治疗方案前提下，还能够考虑到经济成本的问题，使患者可以降低患并发症、重症的概率的同时，帮助保险公司设计出远低于同类医疗保险赔付率的产品。
附图说明
23.图1是本发明第一实施方式的流程图；
24.图2是本发明第二实施方式的方框图。
具体实施方式
25.下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定
的范围。
26.本发明的第一实施方式涉及一种基于淬臻分析的治疗方案推荐方法，其中，淬臻分析是指通过时间序列来追溯大量患者的病程过程，通过抓取重要的节点信息来分析出不同治疗方案对患者的影响，预测出治疗方案的治疗效果，并选出治疗效果较好的若干治疗方案，再通过三效分析选择风险与成本最佳组合的治疗方案。淬臻分析包括初始阶段和筛选阶段，其中，初始阶段时，患者病症信息会被清洗并整理成新的底表，随后分别根据需求，采用监督学习算法进行治疗方案的治疗效果预测，并选出治疗效果较好的若干治疗方案；筛选阶段时，将选出的若干治疗方案进行三效分析，通过三效分析估算治疗方案的时间和金钱成本，选出风险与成本最佳组合的治疗方案。如图1所示，具体包括以下步骤：
27.步骤1，获取患者的病症信息。其中，病症信息中包括年龄、性别、现有疾病、疾病病程、疾病确诊时间、治疗方案历史、是否患有并发症、并发症首次确诊日期、是否患有重疾、以及重疾首次确诊时间。
28.步骤2，根据所述病症信息从数据库中调用相关的治疗方案。该数据库中存储有针对不同疾病的多种治疗方案，例如，病症信息中的现有疾病为胃癌时，则可以以胃癌为索引找到针对胃癌的手术治疗方案、药物治疗方案、放射治疗方案等等。
29.步骤3，将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案。本实施方式中的决策分析模型是采用监督学习算法训练后的得到的模型。
30.该决策分析模型在进行分析前，对于所述病症信息中一些异常的变化量会采取特征提取或虚拟变量等方法来改善。其中，特征提取可以帮助加快梯度下降的更新速度，减少迭代，以最快的速度找到函数的最优点。对于部分变化量会进行特征过滤，例如患预测脑出血概率，会将患者病症信息中的疾病病程提取为，是否患有糖尿病，是否患有高血压，是否患有高血脂，是否患有冠心病等取值只有0和1的虚拟变量，从而降低学习任务的难度，提高模型的效率，更快的找到函数最优点。当决策分析模型采用回归模型时，为防止rmse被噪声点影响，可以在数据处理的阶段就选择将噪声点过滤。
31.对于决策分析模型的预测结果可以通过调整决策分析模型内部参数、界限点等方式来改善。由于决策分析模型的正负样本分布的不平衡，往往会导致极低的召回率，本实施方式通过使用约登指数来选取分界点，具体为：youden index＝sensitivity+specificity-1，其中，sensitivity＝tp/(tp+fn)，specificity＝tn/(tn+fp)，tp表示真实值是positive、模型分类为positive的样本数量；fn表示真实值是positive、模型分类为negative的样本数量；tn表示真实值为negative、模型分类为negative的样本数量；fp表示真实值为negative、模型分类为positive的样本数量。
32.步骤4，采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。三效分析能使有限的药物资源实现最大程度的健康效果改善，分别运用经济学、决策学、统计学等多学科研究方法，识别、测量和比较不同药物、治疗方案的成本，有效提供医药资源配置和利用效率。本实施方式中的三效分析会根据成本识别来进行测量与估价。成本的测量根据研究角度界定成本测量范围和估价(直接成本(医疗vs非医疗)、间接成本、隐性成本、不良反应成本)以及贴现率来确定)。在分析出每一种治
疗方案的经济成本后，结合其从健康产出的测量值(如生存和健康效用，生命延长年数，并发症重疾并发概率)得出生命质量调整年数来进行评估。
33.本步骤具体为：将若干治疗方案进行两两计算，计算两个治疗方案之间的增量成本-效果比，所述增量成本-效果比icer＝(c1-c2)/(qaly1-qaly2)，其中，c1为治疗方案a的预期成本，c2为治疗方案b的预期成本，qaly1为采用治疗方案a后的生命质量指数，qaly2为采用治疗方案b后的生命质量指数。所述预期成本包括治疗方案的现金成本(即治疗费用)和治疗方案的时间成本(即治疗方案的治疗年数和成本的时间价值)；所述生命质量指数为生命质量权重与所述决策分析模型预测的治疗方案的效果(即预测出的剩余生活时间)的乘积，其以完全健康的状态生活1年表示1个qaly，那么以50％的完全健康的状态生活2年即等于1个qaly。当增量成本-效果比大于阈值时表示治疗方案a比治疗方案b更经济，当增量成本
‑‑
效果比小于阈值时表示治疗方案b比治疗方案a更经济，其中，阈值的设置可以是当年患者所属地区的人均gdp的1.5倍；根据所述增量成本-效果比与阈值的比较结果选出风险与成本最佳组合的治疗方案，以步骤3得到四个治疗方案为例，可以将治疗方案一和治疗方案二，将治疗方案三和治疗方案四进行增量成本-效果比计算，从这两个计算中选取出经济性更高的治疗方案，再将选出的两个再进行增量成本-效果比计算和比较最终得到一个经济性最高的治疗方案作为风险与成本最佳组合的治疗方案。
34.本发明通过时间序列来追溯大量患者的病程过程，通过机器学习抓取重要的节点信息来分析出不同治疗方案对患者的影响，预测出治疗方案的治疗效果，并选出治疗效果较好的若干治疗方案，再通过三效分析选择风险与成本最佳组合的治疗方案。
35.本发明的第二实施方式涉及一种基于淬臻分析的治疗方案推荐系统，如图2所示，包括：获取模块，用于获取患者的病症信息；调用模块，用于根据所述病症信息从数据库中调用相关的治疗方案；分析模块，用于将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案；选择模块，用于采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。
36.所述病症信息包括年龄、性别、现有疾病、疾病病程、疾病确诊时间、治疗方案历史、是否患有并发症、并发症首次确诊日期、是否患有重疾、以及重疾首次确诊时间。
37.所述决策分析模型对所述治疗方案的效果进行预测前，还对所述病症信息中的异常变化量采取特征提取或虚拟变量进行改善。所述决策分析模型使用约登指数来选取分界点。
38.所述选择模块包括计算单元、比较单元和筛选单元，所述计算单元用于将若干治疗方案进行两两计算，计算两个治疗方案之间的增量成本-效果比，所述增量成本-效果比icer＝(c1-c2)/(qaly1-qaly2)，其中，c1为一个治疗方案的预期成本，c2为另一个治疗方案的预期成本，qaly1为采用一个治疗方案后的生命质量指数，qaly2为采用另一个治疗方案后的生命质量指数；所述预期成本包括治疗方案的现金成本和治疗方案的时间成本；所述生命质量指数为生命质量权重与所述决策分析模型预测的治疗方案的效果的乘积；所述比较单元用于将计算出的增量成本-效果与阈值进行比较；所述筛选单元用于根据所述比较单元的比较结果选出风险与成本最佳组合的治疗方案。
39.不难发现，本发明通过时间序列来追溯大量患者的病程过程，通过机器学习抓取重要的时间节点信息来分析出不同治疗方案对患者的影响，预测出治疗方案的治疗效果，并选出治疗效果较好的若干治疗方案，再通过三效分析选择风险与成本最佳组合的治疗方案。本发明在保证选择并发症、重症概率较低的治疗方案前提下，还能够考虑到经济成本的问题，使患者可以降低患并发症、重症的概率的同时，帮助保险公司设计出远低于同类医疗保险赔付率的产品。
40.需要说明的是，本发明的以上实施例的基于淬臻分析的治疗方案推荐系统/方法可以由计算机程序指令实现，例如，通过专用的程序来实现，可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以构成本发明实施例的基于淬臻分析的治疗方案推荐系统，并且，可以由计算机或其他可编程数据处理设备的处理器执行的这些指令来创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的单元或部件。
41.并且，可以将这些计算机程序指令存储在计算机可读存储器中，这些指令可以指示计算机或其他可编程处理器以特定方式实现功能，以便存储在计算机可读存储器中的这些指令构成包含实施流程图和/或框图的一个或多个框中指定的功能/操作的指令部件的制作产品。
42.还应该注意在一些备选实现中，框中所示的功能/操作可以不按流程图所示的次序来发生。例如，依次示出的两个框实际可以基本同时地执行或这些框有时可以按逆序执行，具体取决于所涉及的功能/操作。
43.需要说明的是，本文公开和描绘的元件(包括附图中的流程图、方块图)意指元件之间的逻辑边界。然而，根据软件或硬件工程实践，描绘的元件及其功能可通过计算机可执行介质在机器上执行，计算机可执行介质具有能够执行存储在其上的程序指令的处理器，所述程序指令作为单片软件结构、作为独立软件模块或作为使用外部程序、代码、服务等的模块，或这些的任何组合，且全部这些执行方案可落入本公开的范围内。
44.虽然不同非限制性实施方案具有特定说明的组件，但本发明的实施方案不限于这些特定组合。可能使用来自任何非限制性实施方案的组件或特征中的一些与来自任何其它非限制性实施方案的特征或组件组合。

技术特征：
1.一种基于淬臻分析的治疗方案推荐方法，其特征在于，包括以下步骤：(1)获取患者的病症信息；(2)根据所述病症信息从数据库中调用相关的治疗方案；(3)将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案；(4)采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。2.根据权利要求1所述的基于淬臻分析的治疗方案推荐方法，其特征在于，所述病症信息包括年龄、性别、现有疾病、疾病病程、疾病确诊时间、治疗方案历史、是否患有并发症、并发症首次确诊日期、是否患有重疾、以及重疾首次确诊时间。3.根据权利要求1所述的基于淬臻分析的治疗方案推荐方法，其特征在于，所述决策分析模型对所述治疗方案的效果进行预测前，还对所述病症信息中的异常变化量采取特征提取或虚拟变量进行改善。4.根据权利要求1所述的基于淬臻分析的治疗方案推荐方法，其特征在于，所述决策分析模型使用约登指数来选取分界点。5.根据权利要求1所述的基于淬臻分析的治疗方案推荐方法，其特征在于，所述步骤(4)具体为：将若干治疗方案进行两两计算，计算两个治疗方案之间的增量成本-效果比，所述增量成本-效果比icer＝(c1-c2)/(qaly1-qaly2)，其中，c1为治疗方案a的预期成本，c2为治疗方案b的预期成本，qaly1为采用治疗方案a后的生命质量指数，qaly2为采用治疗方案b后的生命质量指数；所述预期成本包括治疗方案的现金成本和治疗方案的时间成本；所述生命质量指数为生命质量权重与所述决策分析模型预测的治疗方案的效果的乘积；当增量成本-效果比大于阈值时表示治疗方案a比治疗方案b更经济，当增量成本
‑‑
效果比小于阈值时表示治疗方案b比治疗方案a更经济；根据所述增量成本-效果比与阈值的比较结果选出风险与成本最佳组合的治疗方案。6.一种基于淬臻分析的治疗方案推荐系统，其特征在于，包括：获取模块，用于获取患者的病症信息；调用模块，用于根据所述病症信息从数据库中调用相关的治疗方案；分析模块，用于将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案；选择模块，用于采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。7.根据权利要求6所述的基于淬臻分析的治疗方案推荐系统，其特征在于，所述病症信息包括年龄、性别、现有疾病、疾病病程、疾病确诊时间、治疗方案历史、是否患有并发症、并发症首次确诊日期、是否患有重疾、以及重疾首次确诊时间。8.根据权利要求1所述的基于淬臻分析的治疗方案推荐系统，其特征在于，所述选择模块包括计算单元、比较单元和筛选单元，所述计算单元用于将若干治疗方案进行两两计算，计算两个治疗方案之间的增量成本-效果比，所述增量成本-效果比icer＝(c1-c2)/
(qaly1-qaly2)，其中，c1为一个治疗方案的预期成本，c2为另一个治疗方案的预期成本，qaly1为采用一个治疗方案后的生命质量指数，qaly2为采用另一个治疗方案后的生命质量指数；所述预期成本包括治疗方案的现金成本和治疗方案的时间成本；所述生命质量指数为生命质量权重与所述决策分析模型预测的治疗方案的效果的乘积；所述比较单元用于将计算出的增量成本-效果与阈值进行比较；所述筛选单元用于根据所述比较单元的比较结果选出风险与成本最佳组合的治疗方案。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行以实现如权利要求1-5所述的基于淬臻分析的治疗方案推荐方法。

技术总结
本发明涉及一种基于淬臻分析的治疗方案推荐方法、系统及存储介质。其中，方法包括：获取患者的病症信息；根据所述病症信息从数据库中调用相关的治疗方案；将所述病症信息和治疗方案作为决策分析模型的输入，所述决策分析模型用于抓取时间节点信息分析出不同治疗方案对所述患者的影响，预测出所述治疗方案的效果，并根据所述治疗方案的效果筛选出若干治疗方案；采用三效分析对所述若干治疗方案进行分析，从所述若干治疗方案中选出风险与成本最佳组合的治疗方案。本发明能够选出风险与成本最佳组合的治疗方案。佳组合的治疗方案。佳组合的治疗方案。


技术研发人员：ꢀ(74)专利代理机构
受保护的技术使用者：上海健交科技服务有限责任公司
技术研发日：2022.02.11
技术公布日：2022/5/25