(19)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 202210768840.7 (22)申请日 2022.07.01 (71)申请人 中南大学 地址 410083 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 何世文　欧叶玉　袁远宏　易世安　 高以鹏　蔡康利　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 孟红梅 (51)Int.Cl. G16H 50/30(2018.01) G16H 50/70(2018.01) G16H 40/67(2018.01) G06F 16/215(2019.01)G06F 16/22(2019.01) G06F 16/2458(2019.01) G06F 16/28(2019.01) G06F 16/36(2019.01) (54)发明名称 一种儿童患者病情智能风险评估系统及方 法 (57)摘要 本发明公开了一种儿童患者病情智能风险 评估系统及方法， 首先从儿童患者家属方和医院 方采集与病情相关的数据； 然后从设计的数据采 集表中抽取与病情相关的儿童患者表征构建实 体节点， 根据专家知识和医学知识库构建实体 之 间的关系， 构建儿童患者病情风险因素知识图 谱； 再基于采集的数据和儿童患者病情风险因素 知识图谱构建多个时刻 的儿童患者病情动态属 性图， 利用动态异构图神经网络模型学习属性 图， 输出重要表征的预测值， 基于重要表征的预 测值评估病危程度， 对儿童患者的就诊策略进行 建议。 本发明使用 历史数据和当前数据， 保证了 对患儿评估的准确性， 并且侧重于对患儿的表征 进行分析和预测， 规避了误诊的风险， 缓解了智 慧医疗的伦理问题。 权利要求书3页 说明书10页 附图3页 CN 115116612 A 2022.09.27 CN 115116612 A 1.一种儿童患者病情智能风险评估系统， 其特 征在于， 包括： 数据采集模块， 用于从儿童患者家属方和医院方采集与病情相关的数据， 预处理后存 储， 支持调用儿童患者历史数据； 儿童患者病情表征数据分析模块， 用于从设计的数据采集表中抽取与病情相关的儿童 患者表征构建实体节点， 根据专家知识和医学知识库构建实体之间的关系， 构建儿童患者 病情风险因素知识图谱； 并计算实体之间的关联度以验证和完 善实体之间的关系； 儿童患者病情预测和决策模块， 用于基于采集的数据和儿童患 者病情风险因素知识图 谱构建多个时刻的儿童患者病情动态属性图， 再利用动态异构 图神经网络模型学习属性 图， 输出重要表征的预测值， 基于重要表征的预测值评估病危程度， 对儿童患者的就诊策略 进行建议； 其中输入动态异构图神经网络模型的属性图的邻接矩阵根据儿童患者病情表征 数据分析模块提供的知识图谱的拓扑结构确定， 知识图谱中每一种关系类型对应一个邻接 矩阵， 特征矩阵根据数据采集模块采集的各个时刻的数据确定； 所述重要表征是筛选出 的 对病情影响重要程度大于设定阈值的病情表征。 2.根据权利要求1所述的儿童患 者病情智能风险评估系统， 其特征在于， 所述数据采集 模块， 包括： 儿童患者家属方数据采集单元， 用于采集家属提供的病情相关数据， 包括儿童患者人 口学特征、 患病情况、 就诊医院和家 庭能够测量的体征； 医院方数据采集单元， 用于采集医院提供的病情相关数据， 包括儿童患者的客观和主 观的身体表征， 分为体外检测 和体液检测数据； 历史数据存储和调用单元， 用于在数据库中基于儿童患者身份信息建立索引， 并根据 采集的时间将该儿童患者的信息存储在该索引对应位置， 形成以儿童患者身份信息为索引 的儿童患者数据时间序列的数据表； 数据预处 理单元， 用于对收集到的数据进行 数据清洗、 数据转换和数据填补。 3.根据权利要求1所述的儿童患 者病情智能风险评估系统， 其特征在于， 所述儿童患 者 病情表征 数据分析模块， 包括： 病情风险因素知识图谱构建单元， 用于从儿童患 者家属数据采集表和医院数据采集表 抽取实体节点并建立节点间的边关系， 构建为知识图谱； 所述抽取实体节点是从采集表中 抽取影响儿童患者病情或可能会对儿童患者身体的健康带来风险的身体表征的名称， 所述 建立节点的边关系是基于专家知识和医学知识库， 对抽取的身体表征的互相影响进行建 模， 将互相影响或者表征同一病况的节点连接起 来； 知识图谱深度分析单元， 用于基于数据库存储的儿童患者医学大数据， 利用关联分析 算法计算实体节点间的关联程度， 确定知识图谱中边的存在， 将关联度低于设定阈值的边 进行删除； 知识图谱深度融合单元， 用于更新知识图谱， 包括数据融合和知识融合； 所述数据融合 是基于更新后的儿童患者家属数据采集表和医院数据采集表， 更新儿童患者病情风险因素 知识图谱的节点数量和/或类型； 所述知识融合是基于更新后的专家知识和医学知识库， 更 新儿童患者病情风险因素知识图谱的边的数量和/或类型。 4.根据权利要求1所述的儿童患 者病情智能风险评估系统， 其特征在于， 所述儿童患 者 病情预测 和决策模块， 包括：权　利　要　求　书 1/3 页 2 CN 115116612 A 2儿童患者病情动态属性图构建单元， 用于构建儿童患者病情动态属性图， 包括当前时 刻下的儿童患者病情表征和以往时刻的儿童患者病情表征； 其中当前时刻的儿童患者病情 表征属性图是根据儿童患者病情风险因素知识图谱建立的， 其中属性的取值包含对应表征 的具体取值或严重程度描述； 以往时刻的儿童患者病情表征属性图中属性取值由儿童患者 历史数据提供的， 并以时间序列与当前时刻的儿童患者病情表征属性图堆叠合并起来为动 态图； 儿童患者病情预测模型单元， 用于将儿童患 者病情动态属性图输入至儿童患 者病情智 能诊断模型来预测儿童患者重要表征的值， 其中儿童患者病情智能诊断模 型是利用数据采 集模块提供的历史数据训练的动态 异构图神经网络模型； 儿童患者病情评估单元， 用于基于儿童患者重要表征的预测值， 结合儿童危重患者评 分表对儿童患者的病危程度进行打分， 并根据评分给予立即就医或自行选择就医建议； 若 建议立即就医， 会根据儿童患者所 处客观条件连接地图接口查找附近医院以及路线的交通 情况并推荐医院。 5.根据权利要求4所述的儿童患 者病情智能风险评估系统， 其特征在于， 所述儿童患 者 病情评估单元， 还用于在家属同意并且不侵犯儿童患者隐私的情况下， 将儿童患者重要表 征的预测值和收集的数据发送给家属所选医院的医生进行远程诊断。 6.根据权利要求1所述的儿童患 者病情智能风险评估系统， 其特征在于， 所述重要表征 是根据基于机器学习的特征选择模型筛选出的， 所述特征选择模型通过 儿童患者历史数据 训练得到， 以儿童患者的病危程度为因变量， 以儿童患者的表征为自变量， 建模自变量与因 变量的关系， 为自变量赋予参数值， 最后以参数值的大小衡量自变量的重要程度。 7.一种儿童患者病情智能风险评估方法， 其特 征在于， 包括如下步骤： 从儿童患者家属方和医院方采集与病情相关的数据， 预处理后存储， 所存储的数据包 括所采集的不同时刻的儿童患者历史数据； 从设计的数据采集表中抽取与病情相关的儿童患 者表征构建实体节点， 根据专家知识 和医学知识库构建实体之间的关系， 构建儿童患者病情风险因素知识图谱； 并计算实体之 间的关联度以验证和完 善实体之间的关系； 基于采集的数据和 儿童患者病情风险因素知识图谱构建多个时刻的儿童患者病情动 态属性图， 再利用动态异构图神经网络模型学习属性图， 输出重要表征的预测值， 基于重要 表征的预测值评估病危程度， 对儿童患者的就诊策略进行建议； 其中输入动态异构图神经 网络模型 的属性图的邻接矩阵根据儿童患者病情表征数据分析模块提供的知识图谱的拓 扑结构确定， 知识图谱中每一种关系类型对应一个邻接矩阵， 特征矩阵根据数据采集模块 采集的各个时刻的数据确定； 所述重要表征是筛选出的对病情影响重要程度大于设定阈值 的病情表征。 8.根据权利要求7所述的儿童患 者病情智能风险评估方法， 其特征在于， 儿童患 者病情 风险因素知识图谱的构建与更新， 包括： 从儿童患者家属数据采集表和医院数据采集表抽取实体节点并建立节点间的边关系， 构建为知识图谱； 所述抽取实体节点是从采集表中抽取影响儿童患者病情或可能会对儿童 患者身体的健康带来风险的身体表征的名称， 所述建立节点的边关系是基于专家知识和医 学知识库， 对抽取 的身体表征 的互相影响进行建模， 将互相 影响或者表征同一病 况的节点权　利　要　求　书 2/3 页 3 CN 115116612 A 3