基於多人數據相關性和機器學習的家庭健康數字管理系統的製作方法

2023-05-24 03:09:38

1.本發明屬於健康信息處理技術領域，尤其涉及一種基於多人數據相關性和機器學習的家庭健康數字管理系統。
[0002][0003]


背景技術：

[0004]
目前，家庭成員的健康情況與家庭環境息息相關，因為一個家庭有相似的飲食結果，相似的生活方式以及相似的生活環境。據統計80％的家庭人均食鹽和食用油攝入量超標；家中一人患病，其家人的患病機率上升到47％；由於裝修、家具等造成的室內環境汙染引起的超額死亡數可達11.1萬。同時10％-15％的癌症是遺傳造成的。疾病不會是一天就產生的，它與個人的生活習慣和飲食習慣常常密切相連，經由一定的時間累積傷害而成。
[0005]
居民健康需要長期性、連續性、個性化的醫療服務和跟蹤，然而目前基層以及上級醫院無力提供全方位醫療健康服務，當前國內的健康管理系統和技術無法滿足該要求。
[0006]
現有技術集成度差，數據單一，數據分散，無法跨平臺，導致醫療數據開發利用不足，同時現有的健康管理技術或監測技術對於家庭健康管理缺乏系統性和科學性的預測；而且當前管理方法更多是針對於個人的健康管理，對於一個家庭的多人健康數據相關性缺乏分析；家庭健康管理技術難度比個人健康管理要求更高，需要從家庭生活習慣、生活環境、家族遺傳疾病等多維度數據進行全面分析，需要從各種模型裡面提取關鍵節點分析，從而得出相關結果。
[0007]
且現有的健康管理平臺技術缺乏閉環，只是對健康進行了分析與評估，並沒有實質性對評估的結果進行進一步的管理建議。
[0008]
通過上述分析，現有技術存在的問題及缺陷為：現有健康管理方法針對個人；健康數據分散，存在於各大網際網路醫療平臺，比如微醫、好大夫、平安好醫生等，不便於管理；健康數據類型單一，主要為掛號就診記錄、在線諮詢記錄、檢測報告圖片(非機構化)、身體基礎指標，比如身高、體重、年齡、疾病等，缺少多維身體指標數據，比如生化檢驗、影像檢查數據等，同時也缺乏對家庭多人健康數據的相關分析，因家庭生活習慣、生活環境、家庭遺傳病史等對個人健康有很強的關聯性，缺乏這些數據導致個人健康數據模型的不完整，也就導致現有技術或平臺無法通過智能算法技術形成個人整體健康情況分析；且現有的個人健康管理方法無法應用於家庭健康管理的場景中，且現有的個人健康管理方法分析不全面，分析結果不準確，同時沒有針對性的輸出健康管理建議。


技術實現要素：

[0009]
針對現有技術存在的問題，本發明提供了一種基於多人數據相關性和機器學習的家庭健康數字管理系統。
[0010]
本發明是這樣實現的，通過錄入基礎信息數據，可通過a1分析和大數據計算多個
相關性指徵以及對結果進行健康風險初評。並對評測人可能存在的疾病風險進行預測。評測人還可添加自己的親友，親友錄入基礎信息數據後，後臺根據該親友和評測人的親屬關係綜合計算，從而對結果進行健康風險初評。
[0011]
同時對於可能存在的疾病風險提供健康管理方案，同時提供線上線下融合的數位化專病/慢病sdm籤約管理。(sdm：醫患共同決策模式)，從而以家庭及成員全生命周期管理為中心，形成「檢-醫-藥-服」的全程管理和服務閉環。
[0012]
一種基於多人數據相關性和機器學習的家庭健康全程管理數字系統，所述基於多人數據相關性和機器學習的家庭健康全程管理數字系統包括：
[0013]
應用系統，管理系統和運維服務系統；
[0014]
應用系統，包括健康檔案系統、健康風險評測與預警ai機器人系統(沃慧查/生命圓盤)、病種全周期管理智能數字系統(健康地圖)、百病健康風險查數位化服務系統、健康幹預智能系統、家庭醫生籤約系統、具有智能用藥提醒與家人親友主動健康任務智能化運營管理的專病/慢病數位化籤約sdm系統；用於進行以家庭為單元、以家庭成員個人個體及個人個體之間的健康數據的管理、評估和幹預；
[0015]
管理系統，包括公共業務組件、基礎數據管理平臺、信息共享與交換平臺、應用支撐平臺；用於進行基礎數據的管理以及數據共享與交換；
[0016]
運維服務系統，包括虛擬化平臺、計算機模塊、網絡模塊、存儲模塊、傳輸模塊、安全模塊；用於進行數據存儲、數據傳輸、信息安全管理、動態擴展部署以及運維管理；
[0017]
所述應用系統、管理系統和運維服務系統依次相連。
[0018]
進一步，所述應用系統包括：
[0019]
健康檔案系統，用於基於用戶的基礎信息以及健康數據信息構建用戶個人健康檔案；並設置家庭成員信息，綁定家庭成員與用戶之間的親屬關係；
[0020]
健康風險評測與預警ai機器人系統(沃慧查/生命圓盤)，用於根據用戶以及家庭成員的初始數據信息通過多個危險預測模型進行風險評估；
[0021]
病種全周期管理智能數字系統(健康地圖)，通過健康風險評測結果，對於已經確認的疾病或者潛在的疾病提供全周期的智能數字系統，用於幫助用戶全周期管理健康；
[0022]
百病健康風險查數位化服務系統，按照模塊化提供不同疾病可以進行篩查的項目，用於管理相關指標；
[0023]
健康幹預智能系統，用於根據家庭健康風險評估系統的評估結果確定用戶的健康風險等級；用於當存在疾病風險時，自動標記用戶的風險標籤並生成相關疾病的管理目標、輸出與所述風險疾病相關的健康知識以及主動幹預方案；同時用於當疾病風險消除時，自動取消疾病標籤；
[0024]
家庭醫生籤約系統，用於根據用戶的定位信息自動推薦距離最近的三級醫院的與用戶存在的疾病風險匹配程度最高的醫療團隊；用於進行用戶與醫療團隊的籤約；同時用於提供用戶與已籤約醫療團隊進行遠程視頻、音頻和圖文信息傳輸的平臺；
[0025]
具有智能用藥提醒與家人親友主動健康任務智能化運營管理的專病/慢病數位化籤約sdm系統，可通過系統對家人親友進行主動健康管理；
[0026]
所述健康幹預智能系統包括：控制單元、家庭成員健康數據監控及獲取單元、家庭以及個人健康存檔及調用執行單元、健康風險幹預執行單元、數據存儲器、網絡通信單元；
[0027]
所述家庭成員健康數據監控及獲取單元、家庭以及個人健康存檔及調用執行單元、健康風險幹預執行單元分別與控制單元連接，同時控制單元還分別與數據存儲器、網絡通信單元進行連接。
[0028]
進一步，所述健康數據信息包括：身高、體重、血糖、血壓、生活習慣、既往病史、診治數據、家族病史、現病史；
[0029]
所述健康風險等級包括低，中低，中，中高，高，超高；
[0030]
所述幹預方案由輸入數據、量表以及健康設備檢測數據傳輸組成。
[0031]
進一步，所述基於多人數據相關性和機器學習的家庭健康數字管理系統還包括：
[0032]
數據存儲管理模塊，用於進行家庭成員的健康數據的管理、雲存儲、加密存儲。
[0033]
本發明的另一目的在於提供一種應用於所述基於多人數據相關性和機器學習的家庭健康數字管理系統的基於多人數據相關性和機器學習的家庭健康數字管理方法，所述基於多人數據相關性和機器學習的家庭健康數字管理方法包括：
[0034]
步驟一，獲取家庭所有用戶的基礎信息以及健康數據信息，利用智能ai算法，分別構建每個用戶個人健康檔案；並進行家庭成員之間的綁定，建立用戶親友關係模型；基於家庭用戶的基礎信息以及健康數據信息提取匹配特徵向量；
[0035]
步驟二，將提取的所述匹配特徵向量按用戶進行分類與排序；當用戶更新相關特徵向量數據時，系統利用主動健康風險評測數據模型和通過機器學習得到的智能健康風險評測ai算法進行匹配和計算，綜合各個用戶的匹配特徵向量計算結果進行健康風險評測，並輸出各個用戶的健康風險評測結果；
[0036]
步驟三，得到各個用戶的健康風險評測結果後，系統根據各個用戶的健康風險評測結果通過特徵值匹配從家庭健康幹預系統模型中確定對應的主動幹預方案；同時基於用戶的位置信息進行醫療團隊的匹配；
[0037]
步驟四，匹配的醫療團隊根據用戶的健康風險評測結果、基礎信息以及健康數據信息輸出健康指導意見以及用藥調整方案，並發送給用戶，用戶根據醫生的方案執行健康管理，定期更新身體指標健康數據，醫療團隊根據用戶更新的數據評估健康管理的結果，根據情況及時幹預，實現主動健康管理的目的。
[0038]
進一步，所述主動健康風險評測數據模型為二叉樹評估模型；所述主動健康風險評測數據模型上每一個節點對應一種健康評估模型；
[0039]
所述利用主動健康風險評測數據模型對各個用戶的匹配特徵向量進行健康風險評測並輸出各個用戶的健康風險評測結果包括：
[0040]
在主動健康風險評測數據模型上的每一個節點上，根據不同健康風險評測需求提取個人數據的特徵向量進行大數據計算，依次遍歷所有節點，得到風險評估特徵向量；
[0041]
根據得到的特徵向量像對疾病風險參數集合和內容參數集合進行交叉比對，同時根據疾病風險進行最近鄰分類計算，得到最近鄰分類結果；
[0042]
基於所述最近鄰分類結果中與所述行為特徵向量的最近鄰分類結果，在預設疾病類型關聯特徵庫的最近鄰分類結果中進行定位，得到與所述行為持續特徵匹配的第一定位結果；
[0043]
所述第一定位結果的特徵值為用戶的健康風險評測結果。
[0044]
進一步，所述基於用戶的位置信息進行醫療團隊的匹配包括：
[0045]
將所述用戶的位置信息作為初步定位結果，計算所述初步定位結果中包括的每一項定位結果與所屬地域醫院gps信息節點之間的位置差距，並根據計算得到的位置差距，對所述初步定位結果中包括的定位結果進行合成處理，得到最佳的醫院所屬目標定位結果；再根據用戶的健康風險評測結果，從匹配的醫院按照從近到遠的規則，依次匹配和疾病風險相關的醫療團隊。
[0046]
本發明的另一目的在於提供一種計算機設備，所述計算機設備包括存儲器和處理器，所述存儲器存儲有電腦程式，所述電腦程式被所述處理器執行時，使得所述處理器執行所述基於多人數據相關性和機器學習的家庭健康數字管理方法的步驟。
[0047]
本發明的另一目的在於提供一種計算機可讀存儲介質，存儲有電腦程式，所述電腦程式被處理器執行時，使得所述處理器執行所述基於多人數據相關性和機器學習的家庭健康數字管理方法的步驟。
[0048]
本發明的另一目的在於提供一種信息數據處理終端，所述信息數據處理終端用於實現所述基於多人數據相關性和機器學習的家庭健康數字管理系統。
[0049]
結合上述的技術方案和解決的技術問題，本發明所要保護的技術方案所具備的優點及積極效果為：
[0050]
本發明的基於多人數據相關性和機器學習的家庭健康數字管理系統用於與家庭數據存儲管理中心建立數據通信；同時還能夠與家庭成員客戶端、醫生客戶端以及醫院系統進行通信，用於監控和接收家庭成員的健康大數據，並將相關健康大數據傳輸到醫院相關系統，將家人的健康參數存於家庭數據存儲管理中心中；同時健康醫療服務管理系統能夠向家庭數據存儲管理中心或醫院數據中心讀取存檔家庭的相關健康數據並返回至客戶端。本發明的家庭數據存儲管理中心基於公有雲，對家庭健康醫療數據進行管理與存儲。
[0051]
本發明的基於多人數據相關性和機器學習的家庭健康數字管理系統能夠及時的發現問題，並能夠及時解決問題，提高家庭健康水平。
[0052]
本發明整體結構簡單、系統構建成本低，能夠監控家庭成員健康大數據和醫院建立數據通信，病歷存檔等，並且可以快速為家庭成員制定合理的健康建議，包括運動、飲食等。
[0053]
本發明充分利用網絡通信技術、大數據云計算平臺以及人工智慧算法以信息化管理手段，建設了一套適應於各級醫療健康機構和個人都能簡單操作的平臺。通過天下醫生「醫院-社區-家庭/個人」h3c2h1主動健康共管服務模式(即 hospital3-community 2-home 1模式)，推進基於家庭多人的常見病、多發病和慢病的早期檢測篩查與預警、健康風險篩查與評測、健康管理、健康教育、疾病預防等一體化全流程管理服務。
[0054]
本發明能夠為個人以及家庭從健康數據存儲、家庭健康預測、家庭健康幹預以及最終的家庭醫生籤約，提供連續性、多維度的動態健康管理體系。
[0055]
本發明的技術方案轉化後的預期收益和商業價值為：本發明建立全面的針對家庭的醫療健康服務，幫助居民更好地形成良好生活習慣以預防疾病，通過創新技術快速幫家庭進行健康風險評估，對家庭醫生提供更多維度的健康數據，幫忙家庭醫生對家庭健康管理進行更多幫助，彌補了現有醫療監測缺乏長期性、連續性、個性化的醫療服務及照護的市場空白。同時將家庭醫療服務(控制血脂、血壓)應用至伴有至少一項危險因素的患者，社會淨獲益58％；應用至55 歲以上患者，社會淨獲益75％；應用至65歲以上患者，社會淨獲益高
達89％。即本發明可以更加快速幫助相關企業利潤大幅增加。
[0056]
本發明的技術方案填補了國內外業內技術空白：本發明解決了目前國內外缺少統一的基於家庭健康管理的方法，一個家庭有相似的飲食結果，相似的生活方式以及相似的生活環境，如果一人患病，家人也可能造成有關聯的疾病風險，同樣對於直系親屬疾病遺傳的複雜性。目前在針對於家庭健康管理上，都缺乏一套有效的、科學的家庭健康主動預測與幹預的系統和方法。本發明就是針對於各種複雜的條件，通過各種疾病相關的複雜數據模型進行大數據計算，同時根據評估健康風險結果進一步推動家庭醫生籤約，使得家庭健康管理能夠真正的落地。
[0057]
本發明的技術方案是否解決了人們一直渴望解決、但始終未能獲得成功的技術難題：本發明提供的基於多人健康數據相關性和機器學習的家庭健康主動預測與幹預的系統和方法解決了國家分級診療以及家庭醫生籤約落地的技術難題，當前市面上缺乏一套完整的系統可以記錄個人以及家庭的持續性健康數據，當患者從上級醫院離開之後，到了基層社區，上級醫院無法跟蹤患者數據。患者也沒有一套方便的工具用於日常的健康數據管理，導致健康數據間斷。同時對於家庭醫生，也因為缺乏連續性的健康數據，無法對需要服務的家庭進行有效的健康管理。無法對家庭的潛在健康風險進行主動幹預和高效的指導。本發明可以推薦家庭更加精準的家庭醫生團隊，同時也可以把日常檢測健康數據同步到家庭醫生團隊，可以輔助家庭醫生團隊更加高效、便捷的對家庭成員健康進行管理。
附圖說明
[0058]
圖1是本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理系統原理圖；
[0059]
圖2是本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理方法流程圖。
具體實施方式
[0060]
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。
[0061]
為了使本領域技術人員充分了解本發明如何具體實現，該部分是對權利要求技術方案進行展開說明的解釋說明實施例。
[0062]
如圖1所示，本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理方法包括：
[0063]
s101，獲取家庭所有用戶的基礎信息以及健康數據信息分別構建每個用戶個人健康檔案；並進行家庭成員之間的綁定；基於家庭用戶的基礎信息以及健康數據信息提取匹配特徵向量；
[0064]
s102，將提取的所述匹配特徵向量按用戶進行分類與排序；利用主動健康風險評測數據模型對各個用戶的匹配特徵向量進行健康風險評測並輸出各個用戶的健康風險評測結果；
[0065]
s103，根據各個用戶的健康風險評測結果通過特徵值匹配從家庭健康幹預系統模
型中確定對應的主動幹預方案；同時基於用戶的位置信息進行醫療團隊的匹配；
[0066]
s104，匹配的醫療團隊根據用戶的健康風險評測結果、基礎信息以及健康數據信息輸出健康指導意見以及用藥調整方案。
[0067]
如圖2所示，本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理系統包括：
[0068]
應用系統，管理系統和運維服務系統；
[0069]
應用系統，包括健康檔案系統、健康風險評測與預警ai機器人系統(沃慧查/生命圓盤)、病種全周期管理智能數字系統(健康地圖)、百病健康風險查數位化服務系統、健康幹預智能系統、家庭醫生籤約系統、具有智能用藥提醒與家人親友主動健康任務智能化運營管理的專病/慢病數位化籤約sdm系統；用於進行以家庭為單元、以家庭成員個人個體及個人個體之間的健康數據的管理、評估和幹預；
[0070]
應用系統(saas)作為最上層，直接面向用戶，提供健康檔案系統、健康風險評測與預警ai機器人系統(沃慧查/生命圓盤)、病種全周期管理智能數字系統(健康地圖)、百病健康風險查數位化服務系統、健康幹預智能系統、家庭醫生籤約系統、具有智能用藥提醒與家人親友主動健康任務智能化運營管理的專病/慢病數位化籤約sdm系統；用於進行家庭健康數據管理、評估和幹預，從而協助家庭真正實現健康管理。
[0071]
本發明實施例提供的應用系統包括：
[0072]
健康檔案系統：每個人的基礎信息、生活習慣、既往病史、診治情況、家族病史、現病史、體檢結果及疾病的發生、發展、治療和轉歸的過程等。每個成員單獨建檔。
[0073]
在健康檔案系統裡面，首先錄入用戶的身份信息並以用戶信息為基礎建立每個用戶的個人健康檔案；用戶填寫基本信息或通過設備檢測身體指標，形成用戶初始健康數據信息，其中指標包括用戶身高、體重、血糖、血壓、生活習慣、既往病史、診治情況、家族病史、現病史等；同時可以設置家庭成員信息，綁定家庭成員與本人之間的親屬關係。
[0074]
健康風險評測與預警ai機器人系統(沃慧查/生命圓盤)：是健康管理過程中關鍵的專業技術部分，是健康幹預的基礎，也稱為危險預測模型。它是通過所收集的大量的個人健康信息，分析建立生活方式、環境、遺傳等危險因素與健康狀態之間的量化關係，預測個人在一定時間內發生某種特定疾病或因為某種特定疾病導致死亡的可能性。
[0075]
健康風險評測與預警ai機器人系統(沃慧查/生命圓盤)裡面根據用戶以及家庭成員的初始數據信息通過家庭健康風險評估系統中的智能算法進行風險評估。如果風險評估的結果觸發某種疾病的條件時，系統自動標記用戶的疾病標籤，並生成相關疾病的管理目標，用戶持續管理身體健康指標，持續更新數據，當身體疾病相關所有指標回歸正常狀態時，系統自動取消疾病標籤。舉例說明：
[0076]
1、對於家族史密切相關的：預計5年猝死風險
‑‑
用於心臟猝死風險的預測。
[0077]
概率5年scd＝1-0.998exp(預後指數)
[0078]
此處，預後指數＝[0.15939858
×
最大室壁厚度(mm)]-[0.00294271
×
最大室壁厚度2(mm2)]+[0.0259082
×
左心房內徑(mm)]+[0.00446131
×
最大(靜息 /valsalva動作)左心室流出道壓力階差((lvot-g))(mmhg)]+[0.4583082
×
心源性猝死家族史]+[0.82639195
×
nsvt(非持續性室速)]+[0.71650361
×
不明原因暈厥]-[0.01799934
×
臨床評估年齡(年)]
[0079]
其中scd家族史(心源性猝死家族史)、nsvt(非持續性室速)、不明原因暈厥3項為非連續變量，有計為1，無計為0；其他指標為連續變量。
[0080]
(1)預計5年猝死風險≥6％且預期壽命＞1年的患者，在對其進行詳細臨床評估(包括icd植入併發症風險和對生活、社會經濟狀態和心理健康的影響) 後，應考慮植入icd。
[0081]
(2)預計5年猝死風險在＜6％但≥4％，且預期壽命＞1年的患者，行詳細臨床評估確定植入icd有益者，可考慮行icd治療。
[0082]
(3)5年猝死風險＜4％，評估後確定icd治療有益，存在重要預後價值，方可考慮植入icd。
[0083]
(4)5年猝死風險＜4％，且無臨床證據支持icd存在重要預後價值者，不建議植入icd。
[0084]
2、和家庭成員性別有關的模型
[0085]
肝癌(hcc)風險d2as評分，用於慢性B型肝炎相關肝癌風險預測。
[0086]
男性：
[0087]
hcc＝{【2.9325
×
log(hbv-dna)-0.10527
×
[log(hbv-dna)]2 +-1.127223
×
1/2+0.07013
×
年齡】-15}/5
×2[0088]
女性：
[0089]
hcc＝{【2.9325
×
log(hbv-dna)-0.10527
×
[log(hbv-dna)]2 +-1.127223
×
1+0.07013
×
年齡】-15}/5
×2[0090]
hbv-dna單位：iu/ml
[0091][0092][0093]
3、容易獲得的數據。比如既往就醫時常規檢查的血常規指標、血脂指標進行疾病與健康風險預測的：
[0094]
3.1血液mhr值
[0095]
①
mhr、mlr是st段抬高型心肌梗死(stemi)的獨立影響因素，可作為輔助診斷
stemi的指標，高mhr及高mlr提示預後不良。
[0096]
②
mhr可用於初步評估冠狀動脈嚴重程度，從而指導冠心病的早期治療，預防相關併發症的產生具有一定意義。
[0097]
③
總之，單核細胞及hdl-c在動脈粥樣硬化(as)及冠心病的產生及進展中發揮相反作用。因此，將二者整合後的指標mhr可以更好地反映機體在冠心病的發生發展過程中機體抗炎與促炎兩種狀態之間的動態變化趨勢，進而為冠心病尤其是急性冠脈症候群等冠心病急症患者提供一個更加合理的臨床治療方案以及為遠期預後提供一個可供參考的指標。
[0098]
公式＝(mon#)單核細胞數目/高密度脂蛋白膽固醇
[0099]
3.2甘油三酯-葡萄糖(tyg)指數的相關知識
[0100]
①
甘油三酯-葡萄糖(tyg)指數是一個由空腹甘油三酯(tg)和空腹血糖(fbg)水平組成的綜合指標。相比空腹血糖水平和空腹甘油三酯水平，tyg 指數在診斷糖尿病受試者方面具有更好的預測能力。
[0101]
②
脂毒性和糖毒性是胰島素抵抗(ir)調節的關鍵因素。甘油三酯-葡萄糖 (tyg)指數與脂毒性和糖毒性相關，tyg指數不僅能反映血糖控制情況，還能很好地預測胰島素抵抗。tyg指數是預測2型糖尿病、監測血糖控制、胰島素抵抗的有效篩查工具。因此tyg指數已成為ir的替代指標，利用tyg指數可以推斷胰島素抵抗及糖尿病患病風險，具有重要的臨床意義。
[0102]
②
最近的研究更表明，tyg指數是cvd患者預後的獨立預測因子，表明其在預測心血管風險方面具有良好潛力。胰島素抵抗(ir)則是一種對胰島素作用的敏感性和反應性降低的狀態，眾所周知，ir常常被用來評估t2dm患者。除了糖尿病以外，ir也是肥胖、高血壓、血脂異常等代謝症候群的重要標誌。這些代謝疾病已經被充分證明與cvd有著極為密切的聯繫。作為ir的衡量指標之一，tyg指數也逐漸被嘗試用來評估和預測cvd風險。目前，tyg指數被廣泛運用於cvd風險的評估，且在急性冠脈症候群、動脈硬化、心衰、冠狀動脈鈣化等多種cvd方面，證實有明確相關性。
[0103]
③
tyg指數與nafld患者的chd風險呈正相關，並反映冠狀動脈粥樣硬化的嚴重程度。
[0104]
④
tg指數較高的患者的主要終點、非致命性心肌梗死和缺血驅動的血管重建的發生率顯著增加；在接受pci治療的t2dm和nste-acs患者中，tyg指數增加是不良預後的主要危險預測因素。
[0105]
公式tyg指數＝in[空腹甘油三脂(tg，mg/d1)*空腹血糖(fbg，mg/d1)]/2
[0106]
4、包含家族史的+量表評測的，比如食道癌(escc型)風險評分模型，輔助評估篩選出是否需要進行內鏡檢查的食管鱗狀細胞癌(escc)高危人群。
[0107]
[0108][0109]
目前家庭健康風險評估系統評估模型和智能算法近百個。能夠覆蓋家庭成員的糖、脂、肝、腎、心、肺、骨、血管、神經等全身上下各個部位。
[0110]
病種全周期管理智能數字系統(健康地圖)：會根據評測人員的基礎數據生成用戶畫像，對評測人員已經確診或者潛在疾病生成全周期的智能數位化管理方案。
[0111]
百病健康風險查數位化服務系統：針對於評測人員相關的疾病提供有針對性的健康風險查服務，通過健康風險查服務的結果可以即時更新評測人員的身體指標，從而形成連續的健康數據。
[0112]
健康幹預智能系統：是在疾病尚未發生時或者評測有疾病風險時，針對病因或危險因素採取措施，降低有害暴露的水平，增強個體對抗有害暴露的能力預防疾病的發生或至少推遲疾病的發生。根據家庭健康風險評估系統的結果，可以得出此時的健康風險等級，目前系統定義的健康風險等級總共有六種：分別為低，中低，中，中高，高，超高。根據評估的結果對評測人打上可能存在的疾病風險標籤，同時列出該評測人需要管理的指標以及該疾病風險相關的健康知識。
[0113]
健康幹預智能系統包括控制單元、家庭成員健康數據監控及獲取單元、家庭以及
個人健康存檔及調用執行單元、健康風險幹預執行單元、數據存儲器、網絡通信單元。家庭成員健康數據監控及獲取單元、家庭以及個人健康存檔及調用執行單元、健康風險幹預執行單元分別與控制單元連接，同時控制單元還分別與數據存儲器、網絡通信單元進行連接。
[0114]
家庭醫生籤約系統：在家庭健康幹預系統給出了健康風險之後，健康管理和疾病管理還是需要專業的醫生予以指導和持續觀測。此時首先會根據評測人的gps位置，推薦離評測人位置最近的三級醫院醫生團隊，醫生團隊和評測人的疾病風險進行智能匹配，優先推薦和評測人疾病最匹配的醫生團隊。此時評測人可以和醫生團隊進行家庭醫生籤約，通過遠程視頻、音頻和圖文的方式與醫生團隊進行交流，從而通過專業指導更好的預防健康風險。以家庭為單位和系統的家庭醫生團隊進行籤約，可以通過遠程視頻、語音、圖文的方式和籤約的家庭醫生團隊進行交流，從而通過醫生的專業指導來為家庭成員健康管理得到專業的、個性化的服務。
[0115]
具有智能用藥提醒與家人親友主動健康任務智能化運營管理的專病/慢病數位化籤約sdm系統：可以對有用藥需求的人員進行定時提醒，以增加患者的醫從性。同時還可對家人親友提供主動健康管理，對有相關疾病的提供專病/慢病數位化籤約，從而還可對用藥後情況進行觀測。
[0116]
本發明實施例提供的管理系統，包括公共業務組件、基礎數據管理平臺、信息共享與交換平臺、應用支撐平臺；用於進行基礎數據的管理以及數據共享與交換；管理系統作為中間層，封裝底層系統基礎能力，並向其上層應用系統提供公共業務組件、基礎數據平臺、信息共享平臺與交換平臺、應用支撐平臺等基礎組件，為上層應用系統提供基礎數據管理及數據共享與交換能力，並對應用系統收集到的數據進行管理和共享交換，最後將數據通過運維服務系統保存到基礎設施層。
[0117]
本發明實施例提供的運維服務系統，包括虛擬化平臺、計算機模塊、網絡模塊、存儲模塊、傳輸模塊、安全模塊；用於進行運維管理。運維服務系統作為本發明的基礎設施層，提供虛擬化平臺、計算機模塊、網絡模塊、存儲模塊、傳輸模塊、安全模塊等能力，為上層的管理系統實現數據存儲、數據傳輸、信息安全管理、動態擴展部署等能力提供支撐。
[0118]
本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理系統為分層架構，運維服務系統、管理系統、應用系統分別屬於系統的底層基礎設施層、中間平臺服務層和頂層用戶交互層，運維服務系統作為底層基礎設施層對中間平臺層管理系統提供基礎能力，管理系統作為平臺服務層為頂層用戶交互層提供通過服務能力，頂層的應用系統直接與用戶交換，提供用戶需要的功能。
[0119]
本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理系統還包括：
[0120]
基於公有雲的雲存儲建立，包括：數據存儲管理模塊，用於提供基於公有雲上數據云存儲和管理服務，並對家庭成員的健康數據進行管理，可以在不同的家庭終端比如不同手機、平板、pc電腦等外部設備提供數據存儲和數據交換空間，從而實現家庭數據的海量存儲、加密存儲以及後續基於大數據的機器學習。
[0121]
本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理方法包括：
[0122]
步驟一，通過數據初始錄入後，以家庭為單位的控制單元將家庭成員健康數據進
行監控，以家庭為單位的健康參數存於家庭數據存儲管理中心中；當家庭籤約了家庭醫生之後，家庭數據存儲管理中心會提取所述匹配家庭相關信息的匹配特徵向量，將匹配的結果通過無線數據傳輸，再家庭醫生籤約系統裡面把匹配在家庭數據存儲管理中心的家庭健康屬於開放給相關醫生進行健康管理。
[0123]
步驟二，根據在家庭數據存儲管理中心匹配的特徵數據進行提取，然後按照不同的人進行數據分類和排序，按照分類好的數據依照個人數據為單元，依次進入標準的主動健康風險評測數據模型。主動風險健康模型為一個線性的二叉樹評估模型，線性上每個節點對應一種健康風險評估。在每一個節點上，根據不同健康風險評測需求，提取個人數據的特徵向量進行大數據計算。計算完成後健康風險評測進入下一個節點，直到標準的健康風險評測最終結束。
[0124]
步驟三，標準的主動健康風險評測結束後，根據得到的特徵向量像對疾病風險參數集合和內容參數集合進行交叉比對，同時根據疾病風險進行最近鄰分類計算，得到最近鄰分類結果；基於所述最近鄰分類結果中與所述行為特徵向量的最近鄰分類結果，在預設疾病類型關聯特徵庫的最近鄰分類結果中進行定位，得到與所述行為持續特徵匹配的第一定位結果。將第一定位結果的特徵值賦予評測人。
[0125]
步驟四，根據疾病風險的評估，從家庭健康幹預系統模型裡面通過特徵值匹配，找到針對性的主動幹預方案。幹預方案由手動輸入數據、量表以及相關設備檢測數據傳輸組成。評測人根據幹預方案裡面的指數更新後，會對更新後的數據進行新的疾病風險評估。
[0126]
步驟五、獲取所述評測人的gps位置信息結果作為初步定位結果，計算所述初步定位結果中包括的每一項定位結果與所屬地域醫院gps信息節點之間的位置差距，並根據計算得到的位置差距，對所述初步定位結果中包括的定位結果進行合成處理，得到最佳的醫院所屬目標定位結果。再根據疾病風險的評估結果，從匹配的醫院按照從近到遠的規則，依次匹配和疾病風險相關的家庭醫生團隊。
[0127]
步驟六、籤約家庭醫生團隊後，家庭醫生團隊的成員可以通過系統查看被管理家庭的健康數據，並且可以通過遠程視頻、音頻和圖文的方式對被管理家庭進行專業的健康指導以及相關用藥調整。
[0128]
為了證明本發明的技術方案的創造性和技術價值，該部分是對權利要求技術方案進行具體產品上或相關技術上的應用實施例。
[0129]
下面結合具體實施例對本發明的技術方案做進一步說明。
[0130]
實施例1：
[0131]
本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理系統應用於廈門第五醫院的醫聯體單位中。
[0132]
在廈門第五醫院的醫聯體單位包括廈門翔安區的社區衛生院以及翔安區的診所，首先在廈門第五醫院醫聯體單位裡面使用本發明對患者進行家庭健康主動預測與幹預，並根據評估結果推動翔安區的家庭醫生籤約。首先由社區衛生院和診所的醫務人員引導患者錄入相關的基本信息，根據患者的信息本發明會根據數據模型生成健康風險報告，如果有潛在疾病風險的，系統會給患者自動標記疾病風險標籤，並生成相關疾病風險的主動管理和幹預的方案。這幾個步驟形成一個閉環，比如當患者按照方案進行主動幹預之後，再次進入到數據模型生成健康風險報告，根據最新結果形成新的主動幹預方案。除了由本發明提
供主動管理和幹預的方案，系統還會結合後臺的算法，根據患者的gps位置信息，患者家庭成員情況，家庭成員相應的健康風險和疾病風險等結果進行綜合計算，給患者以及患者家庭優先推薦由廈門五院的家庭醫生籤約團隊。一旦患者進行了家庭醫生籤約，籤約的醫生團隊會看到籤約家庭的持續健康數據，可以通過遠程視頻、音頻和圖文的方式和患者以及患者家庭進行健康指導。在沒有使用本發明的場景裡面，醫聯體單位還是只能根據現場檢查的結果進行治療，沒有系統和工具對患者以及家庭進行健康風險評估，而且當患者離開之後也就和患者失聯，沒有辦法對患者進行持續的管理和遠程健康監測。使用了本發明後，即可及早的發現潛在的健康風險，真正幫助患者以及其家庭起到「健康關口前移，疾病主動預防」的作用。
[0133]
實施例2：
[0134]
本發明實施例提供的基於多人數據相關性和機器學習的家庭健康數字管理系統應用於四川德仁堂藥業連鎖有限公司，本發明實施例在四川德仁堂藥業連鎖有限公司實際使用過程中，已經幫助連鎖企業實現了一個月管理近1500名慢病患者，連鎖的健康管理只能提供單一的血壓、血糖檢測，而且檢測的結果沒有通過系統保存下來，從而無法對同一患者形成連續性的數據監測。對於家庭的健康主動預測和幹預就更無能為力了。通過本發明，除了對自己的健康可以主動預測和幹預，檢測數據也能實現多維度、連續性的保存，同時結合自己的生活習慣、疾病情況還能對家庭成員的健康進行主動預測，幫助家庭成員及早幹預健康風險。
[0135]
應當注意，本發明的實施方式可以通過硬體、軟體或者軟體和硬體的結合來實現。硬體部分可以利用專用邏輯來實現；軟體部分可以存儲在存儲器中，由適當的指令執行系統，例如微處理器或者專用設計硬體來執行。本領域的普通技術人員可以理解上述的設備和方法可以使用計算機可執行指令和/或包含在處理器控制代碼中來實現，例如在諸如磁碟、cd或dvd-rom的載體介質、諸如只讀存儲器(固件)的可編程的存儲器或者諸如光學或電子信號載體的數據載體上提供了這樣的代碼。本發明的設備及其模塊可以由諸如超大規模集成電路或門陣列、諸如邏輯晶片、電晶體等的半導體、或者諸如現場可編程門陣列、可編程邏輯設備等的可編程硬體設備的硬體電路實現，也可以用由各種類型的處理器執行的軟體實現，也可以由上述硬體電路和軟體的結合例如固件來實現。
[0136]
以上所述，僅為本發明的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，都應涵蓋在本發明的保護範圍之內。