(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 202211402975.8 (22)申请日 2022.11.10 (71)申请人 四川京炜数字科技有限公司 地址 610000 四川省成 都市高新区九兴大 道10号泰山科技大厦二楼南侧 (72)发明人 刘思佳　 (74)专利代理 机构 成都立新致创知识产权代理 事务所 (特殊普通合伙) 51277 专利代理师 刘俊 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/50(2018.01) G06N 20/00(2019.01) (54)发明名称 基于机器学习的骨关联疾病治疗方案预测 系统和方法 (57)摘要 本发明涉及骨关联疾病智能预测领域， 提出 了一种基于机器学习的骨关联疾病治疗方案预 测系统和方法， 系统包括： 数据采集模块、 特征工 程模型和机器学习模型； 方法包括： 首先， 采集患 者多个维度的量表数据特征， 并输入到特征工程 模型中， 其次， 在特征工程模型中设定特征筛选 条件， 然后， 特征工程模型根据特征筛选条件对 输入的量表数据特征进行筛选， 剔除不相关或冗 余的特征， 并将筛选结果特征作为量表的综合评 估， 最后， 将所述量表的综合评估作为反馈激励 输入到训练好的机器学习模型中， 自动生成康复 诊断的处方方案。 本发明能够对输入样本特征进 行有效筛选， 从而缩短机器学习模 型的整体训练 时间。 权利要求书2页 说明书5页 附图1页 CN 115458162 A 2022.12.09 CN 115458162 A 1.基于机器学习的骨关联疾病治疗方案预测系统， 其特 征在于， 包括： 数据采集模块， 用于采集患者多个维度的量表数据特 征， 并输入到特 征工程模型中； 特征工程模型， 其中设定有特征筛选条件， 用于根据特征筛选条件对输入的量表数据 特征进行筛选， 剔除不相关或冗余的特征， 并将筛选结果作为对量表的综合评估输入至机 器学习模型； 机器学习模型， 用于根据所述对量表的综合评估自动生成康复诊断的处方 方案。 2.根据权利要求1所述的基于机器学习的骨关联疾病 治疗方案预测系统， 其特征在于， 所述特征工程模型包括四个子模型， 所述四个子模型包括基于支持向量机模型的递归特征 消除法模型、 基于卡方检验的过滤式特征筛选模型、 基于随机森林RF的树模型和 基于GBDT 的树模型。 3.根据权利要求2所述的基于机器学习的骨关联疾病 治疗方案预测系统， 其特征在于， 设定的特征筛选条件是指： 将输入到特征工程模型中的量表数据特征， 在所述四个子模型 中出现三次以上的结果特 征作为对量表的综合评估。 4.根据权利要求1所述的基于机器学习的骨关联疾病 治疗方案预测系统， 其特征在于， 所述机器学习模型中 自动生成康复诊断的处方方案具体包括： 将采集的量表数据特征设置 为机器学习中的环境要素， 将生成的康复诊断处方方案设置为机器学习中的动作要素， 将 输入的对量表的综合评估设置为机器学习中的反馈激励要 素， 根据三个要 素不断的进 行量 表输入‑生成康复诊断处方 ‑量表综合评估的过程来优化反馈激励， 最后得到最佳的康复诊 断处方方案。 5.根据权利要求1所述的基于 机器学习的骨关联疾病治疗方案预测系统， 其特 征在于， 所述机器学习模型包括膝骨关节炎机器学习 模型、 创伤性关节炎机器学习模型和类风 湿关节炎 机器学习模型； 所述膝骨关节炎 机器学习模型用于生成膝骨关节炎的康复诊断处方 方案； 所述创伤性关节炎 机器学习模型用于生成创伤性关节炎的康复诊断处方 方案； 所述类风湿关节炎 机器学习模型用于生成类风湿关节炎的康复诊断处方 方案。 6.基于机器学习的骨关联疾病治疗方案预测方法， 应用于如权利要求1 ‑5任意一项所 述的基于 机器学习的骨关联疾病治疗方案预测系统， 其特 征在于， 包括如下步骤： 采集患者多个维度的量表数据特 征， 并输入到特 征工程模型中； 在特征工程模型中设定特 征筛选条件； 特征工程模型根据特征筛选条件对输入的量表数据 特征进行筛选， 剔除不相关或冗余 的特征， 并将筛 选结果特 征作为量表的综合评估； 将所述量表的综合评估作为反馈激励输入到训练好的机器学习 模型中， 自动生成康复 诊断的处方 方案。 7.根据权利要求6所述的基于机器学习的骨关联疾病 治疗方案预测方法， 其特征在于， 在训练好所述机器学习模型后， 通过如下进行验证： 收集输入机器学习模型的样本， 并设定 评价指标； 在智能诊疗预测中， 将治疗方案的预测 建模为72个二分类任务， 利用LightGBM模型进 行训练； 在相关疾病预测中， 将治疗方案的预测 建模为11个二分类任务， 利用LightGBM模型进权　利　要　求　书 1/2 页 2 CN 115458162 A 2行训练。 8.根据权利要求7所述的基于机器学习的骨关联疾病 治疗方案预测方法， 其特征在于， 设定的评价指标包括： 精准率 召回率 真正例率 假正例率 其中， TP： True  positive， 被模型预测为正类的正样本， TN： True  negative， 被模型预 测为负类的负样本， FP： False  positive， 被模型预测为正类的负样本， FN： False   negative， 被模型 预测为负类的正样本 。权　利　要　求　书 2/2 页 3 CN 115458162 A 3