一种基于人工智能算法模型的多癌种筛查管理平台的制作方法

本发明涉及计算机辅助癌症筛查，特别是涉及一种基于人工智能算法模型的多癌种筛查管理平台。

背景技术：

1、癌症筛查是能够有效降低癌症死亡率的手段之一。研究表明，癌症筛查是癌症防控的有效手段，是降低癌症死亡率、延长生存率的关键措施。全美肺癌筛查试验和荷兰-比利时肺癌筛查研究显示，在肺癌高风险人群中采用低剂量螺旋ct可降低20％的肺癌死亡率。宫颈癌筛查可以有效避免宫颈癌死亡率。内镜筛查可以有效降低上消化道癌死亡率。

2、目前我国的癌症筛查流程基本遵循国家卫健委及国家癌症中心《癌症预防与筛查指南》的推荐筛查方式。筛查一般分为“初筛”和“精筛”两步，初筛步骤基于癌症风险评估问卷推出被筛查者的患癌风险，或由风险评估问卷及生物学检测结果共同推出被筛查者患癌风险。风险评估问卷、生物学检测任一结果初筛呈阳性，或两者结果均呈阳性，建议行金标准诊断筛查，即“精筛”。然而，目前的风险评估问卷为传统风险评估问卷，存在问卷过长、对人群的患癌风险因素进行线性归因，存在千人一面、精准度一定程度上仍有待提高的特点；另外，目前筛查方式推荐的所有癌症初步筛查流程中生物学检测的项目尚以结直肠癌、肝癌、胃癌三为主，对应的检测项目分别为：粪便潜血试验(fit)、乙肝表面抗原(hbsag)检测、幽门螺杆菌(hp)检测。该几类生物学检测项目虽在一定程度上反应了与相应癌症的相关性，但也存在对相关癌症检测的灵敏度和特异性不够的问题。

技术实现思路

1、本发明所要解决的技术问题是提供一种基于人工智能算法模型的多癌种筛查管理平台，能够降低筛查的假阳性率及提高筛查依从性。

2、本发明解决其技术问题所采用的技术方案是：提供一种基于人工智能算法模型的多癌种筛查管理平台，包括：

3、用户信息采集模块，用于获取用户的个人信息数据；

4、风险评估模块，用于将个人信息数据输入至基于深度学习的多模态数据融合模型，得到用户的癌症风险评估结果；

5、归因分析模块，用于对多模态数据融合模型中得到的多模态融合数据进行分析，得出最终归因结果；

6、个性化干预模块，用于根据用户的个人信息数据和癌症风险评估结果向用户推荐个性化诊疗方案。

7、所述用户信息采集模块通过以应用程序展现癌症风险评估问卷的方式采集用户的个人信息数据。

8、所述个人信息数据包括个人基础信息、生活习惯、健康史、家族史和体检结果。

9、所述风险评估模块采用深度学习网络实现，所述深度学习网络包括：

10、特征提取单元，用于提取各个模态数据的时序数据特征；

11、多模态时序数据融合单元，用于采用混合注意力机制的数据融合算法，对各个模态数据的时序数据特征进行模态内及模态间的多角度融合，得到多模态融合数据；

12、多模态数据推理单元，用于采用全连接层对多模态融合数据进行分析，得出用户的癌症风险评估结果。

13、所述归因分析模块包括：

14、全卷积网络层，用于将多模态融合数据的数据特征转化为同模态数据特征；

15、多模态数据神经网络层，用于将同模态数据特征进行数据特征融合，得出多模态数据的相关权重特征集；

16、混合注意力层，用于对多模态数据的相关权重特征集进行分析，得出最终归因结果。

17、所述的基于人工智能算法模型的多癌种筛查管理平台还包括智能随访模块，用于将癌症风险评估结果为高风险的用户纳入随访管理体系，以进行线上和线下的跟踪随访。

18、有益效果

19、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：本发明以基于人工智能算法模型的风险评估问卷为切入点，搭建了基于人工智能算法模型的癌症筛查管理平台。通过构建的智能风险评估模型和管理服务平台，可更及时及更精准地向被筛查者提供个性化风险因素和缓和因素建议，降低筛查的假阳性率及提高筛查依从性。

技术特征：

1.一种基于人工智能算法模型的多癌种筛查管理平台，其特征在于，包括：

2.根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，所述用户信息采集模块通过以应用程序展现癌症风险评估问卷的方式采集用户的个人信息数据。

3.根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，所述个人信息数据包括个人基础信息、生活习惯、健康史、家族史和体检结果。

4.根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，所述风险评估模块采用深度学习网络实现，所述深度学习网络包括：

5.根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，所述归因分析模块包括：

6.根据权利要求1所述的基于人工智能算法模型的多癌种筛查管理平台，其特征在于，还包括智能随访模块，用于将癌症风险评估结果为高风险的用户纳入随访管理体系，以进行线上和线下的跟踪随访。

技术总结
本发明涉及一种基于人工智能算法模型的多癌种筛查管理平台，包括：用户信息采集模块，用于获取用户的个人信息数据；风险评估模块，用于将个人信息数据输入至基于深度学习的多模态数据融合模型，得到用户的癌症风险评估结果；归因分析模块，用于对多模态数据融合模型中得到的多模态融合数据进行分析，得出最终归因结果；个性化干预模块，用于根据用户的个人信息数据和癌症风险评估结果向用户推荐个性化诊疗方案。本发明能够降低筛查的假阳性率及提高筛查依从性。

技术研发人员：刘浩翔,林钦雄,胡蝶
受保护的技术使用者：发小科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15