本發(fā)明涉及醫(yī)療信息，具體涉及基于互聯(lián)網(wǎng)醫(yī)院的腫瘤患者藥物不良反應(yīng)智能隨訪系統(tǒng)。

背景技術(shù)：

1、近年來(lái)，隨著腫瘤治療技術(shù)的發(fā)展，免疫治療、靶向治療和化學(xué)藥物治療等手段已廣泛應(yīng)用于臨床。然而，這些治療手段往往伴隨多種不良反應(yīng)。免疫檢查點(diǎn)抑制劑等免疫治療可能引發(fā)免疫相關(guān)性不良反應(yīng)（irae），包括皮疹、結(jié)腸炎、肺炎、內(nèi)分泌紊亂等；靶向藥物治療可能導(dǎo)致心血管毒性、高血壓、皮膚反應(yīng)等副作用；傳統(tǒng)化療則常見惡心、嘔吐、發(fā)熱、白細(xì)胞減少、肝腎功能異常等不良反應(yīng)。上述不良反應(yīng)輕者影響患者生活質(zhì)量，重者可能危及生命。因此，在患者接受治療后的院外階段，對(duì)不良反應(yīng)進(jìn)行有效監(jiān)測(cè)和及時(shí)干預(yù)對(duì)于保障患者安全和治療效果具有重要意義。

2、現(xiàn)有的互聯(lián)網(wǎng)醫(yī)院服務(wù)更多是被動(dòng)響應(yīng)患者的求助，當(dāng)患者未主動(dòng)提出不適時(shí)，平臺(tái)不會(huì)自動(dòng)采集患者的癥狀數(shù)據(jù)，也不會(huì)對(duì)潛在風(fēng)險(xiǎn)進(jìn)行分析和提示。研發(fā)基于互聯(lián)網(wǎng)醫(yī)院的腫瘤患者藥物不良反應(yīng)智能隨訪系統(tǒng)，仍是醫(yī)療信息技術(shù)領(lǐng)域中亟須解決的關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在對(duì)接受免疫治療、靶向治療或化療的腫瘤患者，在院外階段的不良反應(yīng)無(wú)法持續(xù)監(jiān)測(cè)、智能分析和及時(shí)干預(yù)的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了基于互聯(lián)網(wǎng)醫(yī)院的腫瘤患者藥物不良反應(yīng)智能隨訪系統(tǒng)，包括：患者檔案模塊，獲取醫(yī)療數(shù)據(jù)，識(shí)別不良數(shù)據(jù)并記錄在病歷檔案形成異常癥狀報(bào)告；

3、智能分析模塊，利用訓(xùn)練完成的機(jī)器學(xué)習(xí)模型對(duì)所述異常癥狀報(bào)告進(jìn)行綜合分析，輸出分析數(shù)據(jù)；

4、自動(dòng)預(yù)警模塊，根據(jù)所述分析數(shù)據(jù)進(jìn)行判定是否達(dá)到預(yù)警條件，若是，則通知互聯(lián)網(wǎng)醫(yī)院向?qū)?yīng)醫(yī)生端推送警示消息；

5、遠(yuǎn)程干預(yù)模塊，根據(jù)所述警示消息通過(guò)所述病歷檔案內(nèi)的預(yù)留信息聯(lián)系患者進(jìn)行遠(yuǎn)程干預(yù)，輸出醫(yī)囑并更新病歷檔案；

6、動(dòng)態(tài)調(diào)整模塊，根據(jù)更新后的所述病歷檔案動(dòng)態(tài)調(diào)整機(jī)器學(xué)習(xí)模型的權(quán)重參數(shù)。

7、進(jìn)一步地，患者檔案模塊的操作流程包括：

8、獲取醫(yī)療數(shù)據(jù)，所述醫(yī)療數(shù)據(jù)作為輸入，所述醫(yī)療數(shù)據(jù)包含癥狀描述、體征數(shù)據(jù)（體溫、血壓）以及不適發(fā)生的時(shí)間，在此階段，使用多元規(guī)范場(chǎng)來(lái)表示所述醫(yī)療數(shù)據(jù)中不同類型的醫(yī)療數(shù)據(jù)，并利用李代數(shù)進(jìn)行建模，通過(guò)ricci-calabi流形理論（時(shí)域演化），將所述醫(yī)療數(shù)據(jù)在時(shí)域中進(jìn)行演化，表達(dá)公式：，其中表示對(duì)目標(biāo)變量時(shí)間關(guān)于張量的偏導(dǎo)數(shù)，是一個(gè)與目標(biāo)函數(shù)相關(guān)的量，表示一個(gè)正則化系數(shù)，分別表示對(duì)張量在和方向的梯度，是張量的行列式的對(duì)數(shù)，是描述張量變換的曲率，表示懲罰系數(shù)，是線性修正單元，是函數(shù)作用在輸入上的結(jié)果，是醫(yī)療數(shù)據(jù)，所述實(shí)時(shí)上報(bào)醫(yī)療數(shù)據(jù)時(shí)引入瞬子數(shù)約束進(jìn)行加密，將所述醫(yī)療數(shù)據(jù)結(jié)合不良反應(yīng)知識(shí)庫(kù)分級(jí)規(guī)則對(duì)癥狀進(jìn)行識(shí)別與評(píng)估；在評(píng)估過(guò)程中癥狀的風(fēng)險(xiǎn)等級(jí)超過(guò)預(yù)設(shè)的閾值（閾值參考國(guó)家醫(yī)用標(biāo)準(zhǔn)），則該癥狀被識(shí)別為異常癥狀報(bào)告記錄在病歷檔案。

9、進(jìn)一步地，智能分析模塊的操作流程包括：

10、設(shè)定所述機(jī)器學(xué)習(xí)模型為：，所述異常癥狀報(bào)告輸入所述機(jī)器學(xué)習(xí)模型后，輸出識(shí)別出的不良反應(yīng)類型，其中是給定的癥狀特征的條件下發(fā)生第類不良反應(yīng)的概率，表達(dá)公式：，其中是給定的癥狀特征的條件下發(fā)生第類不良反應(yīng)的概率，是對(duì)所有種不良反應(yīng)類型做求和，是第類不良反應(yīng)的高斯核函數(shù)值，是與的歐幾里得距離的平方，是第類不良反應(yīng)的平均癥狀向量，是第類不良反應(yīng)的癥狀特征方差，是第類不良反應(yīng)的高斯核函數(shù)值，是與的歐幾里得距離的平方，是第類不良反應(yīng)的平均癥狀向量，是第類不良反應(yīng)的癥狀特征方差。

11、進(jìn)一步地，智能分析模塊的操作流程包括：

12、根據(jù)識(shí)別出的所述不良反應(yīng)類型，按照嚴(yán)重程度進(jìn)行分級(jí)，設(shè)定每種不良反應(yīng)有一個(gè)對(duì)應(yīng)的嚴(yán)重度函數(shù)，所述嚴(yán)重度函數(shù)的輸出為0到1之間的分?jǐn)?shù)，利用識(shí)別到的所述不良反應(yīng)類型和嚴(yán)重度分級(jí)，結(jié)合時(shí)間序列預(yù)測(cè)模型，輸出分析數(shù)據(jù)，表達(dá)公式：，其中是第個(gè)時(shí)間步的分析數(shù)據(jù)，是sigmoid激活函數(shù)輸出范圍在（0,1）之間，是權(quán)重矩陣表示輸入特征到更新門的線性映射變換參數(shù)，是第個(gè)時(shí)間步的癥狀特征，是時(shí)間序列預(yù)測(cè)模型的偏置向量。

13、進(jìn)一步地，自動(dòng)預(yù)警模塊的操作流程包括：

14、所述預(yù)警條件根據(jù)癥狀的嚴(yán)重性來(lái)觸發(fā)不同級(jí)別的預(yù)警，構(gòu)建一個(gè)多維morse函數(shù)度量癥狀的優(yōu)先級(jí)和嚴(yán)重性，表達(dá)公式：，其中是函數(shù)關(guān)于輸入向量的輸出，是求和符號(hào)從到表示對(duì)所有變量求和，是第項(xiàng)的權(quán)重參數(shù)，是輸入向量中第個(gè)輸入向量的平方，是修正線性單元激活函數(shù)，表示加權(quán)求和，是權(quán)重向量，是對(duì)第個(gè)時(shí)間步的分析數(shù)據(jù)進(jìn)行softmax歸一化處理，是第個(gè)時(shí)間步的分析數(shù)據(jù)，通過(guò)計(jì)算morse函數(shù)的臨界點(diǎn)得到嚴(yán)重程度，判斷癥狀是否達(dá)到預(yù)警條件，表達(dá)公式：，其中是函數(shù)的梯度向量，是梯度為零，是推出，表示對(duì)所有變量進(jìn)行加權(quán)求和，是系數(shù)矩陣中的第行第列元素，是第個(gè)輸入向量，表示第個(gè)輸入向量對(duì)量的偏導(dǎo)，表示函數(shù)的海森矩陣中第，個(gè)元素。

15、進(jìn)一步地，自動(dòng)預(yù)警模塊的操作流程包括：

16、所述達(dá)到預(yù)警條件通知互聯(lián)網(wǎng)醫(yī)院向?qū)?yīng)醫(yī)生端推送警示消息，使用同調(diào)類理論來(lái)對(duì)不同的癥狀嚴(yán)重性進(jìn)行分類，并確定觸發(fā)預(yù)警的級(jí)別，表達(dá)公式：，其中是第階莫爾斯同調(diào)群，是表示多個(gè)子空間之間“沒有交集”的加法操作，是所有階臨界點(diǎn)構(gòu)成的集合，是函數(shù)的第階臨界點(diǎn)集合，是二元模2整數(shù)環(huán)，是以臨界點(diǎn)為基的向量空間生成元，在計(jì)算完同調(diào)類后，通過(guò)同調(diào)類的秩來(lái)確定預(yù)警級(jí)別，判斷所述預(yù)警級(jí)別的表達(dá)公式：，其中是預(yù)警等級(jí)，是矩陣的秩，是用于描述異常癥狀指標(biāo)之間關(guān)聯(lián)程度的二階協(xié)方差矩陣，是第類不良反應(yīng)的嚴(yán)重程度函數(shù)輸出值在區(qū)間，在預(yù)警條件滿足時(shí)，自動(dòng)向互聯(lián)網(wǎng)醫(yī)院的醫(yī)生端推送警示消息，所述警示消息的內(nèi)容包括患者標(biāo)識(shí)、治療方案、上報(bào)的癥狀和分析得出的嚴(yán)重程度等級(jí)。

17、進(jìn)一步地，遠(yuǎn)程干預(yù)模塊的操作流程包括：

18、所述遠(yuǎn)程干預(yù)通過(guò)量子優(yōu)化算法對(duì)癥狀進(jìn)行個(gè)性化干預(yù)，癥狀數(shù)據(jù)采用量子通信協(xié)議，通過(guò)纖維叢結(jié)構(gòu)進(jìn)行實(shí)時(shí)傳輸，使用量子瞬子解優(yōu)化模型為患者制定個(gè)性化處方，所述個(gè)性化處方根據(jù)患者的癥狀數(shù)據(jù)和診療歷史，并根據(jù)量子力學(xué)原理調(diào)整藥物選擇和治療方案，表達(dá)公式：，其中是連接的曲率，是的hodge對(duì)偶，是的自對(duì)偶部分，表示從提取出“自對(duì)偶”分量的標(biāo)準(zhǔn)方式，是一個(gè)自旋or?weyl自旋場(chǎng)（spinor?field），是的復(fù)共軛，是與的張量積，表示從張量積中取出“跡為零”的部分，是虛數(shù)單位，是外加的“自對(duì)偶擾動(dòng)項(xiàng)”。

19、進(jìn)一步地，遠(yuǎn)程干預(yù)模塊的操作流程包括：

20、采用量子糾錯(cuò)算法檢查個(gè)性化處方的完整性，表達(dá)公式：，其中表示量子糾錯(cuò)碼空間，是個(gè)量子比特張量積的空間，表示信息的糾錯(cuò)過(guò)程，是錯(cuò)誤模式集合，是描述處方信息的量子態(tài)，根據(jù)所述警示消息，醫(yī)生與患者進(jìn)行視頻問(wèn)診，了解詳細(xì)的癥狀信息，并進(jìn)一步評(píng)估病情，基于患者的反饋，醫(yī)生在外部互聯(lián)網(wǎng)醫(yī)院上遠(yuǎn)程開具處方藥物（包括但不限于止痛藥、退燒藥和針對(duì)免疫相關(guān)不良反應(yīng)的糖皮質(zhì)激素類藥物）、開具檢查檢驗(yàn)申請(qǐng)單（包括但不限于血常規(guī)和影像檢查），并給予后續(xù)處理建議，在判斷患者情況嚴(yán)重需要來(lái)院處理，醫(yī)生向患者發(fā)出就醫(yī)的建議通知，輸出醫(yī)囑并更新病歷檔案。

21、進(jìn)一步地，動(dòng)態(tài)調(diào)整模塊的操作流程包括：

22、根據(jù)隨訪更新的所述病歷檔案對(duì)所述機(jī)器學(xué)習(xí)模型的權(quán)重參數(shù)進(jìn)行動(dòng)態(tài)調(diào)整，引入malliavin導(dǎo)數(shù)流形擴(kuò)散方程，用以描述權(quán)重參數(shù)對(duì)輸入反饋的響應(yīng)動(dòng)力學(xué)演化過(guò)程，表達(dá)公式：，其中是k?hler流形上的ricci張量，是布朗運(yùn)動(dòng)引入的熱噪擾動(dòng)，是高維特征空間中癥狀指標(biāo)之間的耦合張量，是對(duì)應(yīng)的wiener過(guò)程，表示在時(shí)間時(shí)刻第個(gè)機(jī)器學(xué)習(xí)模型參數(shù)的微小變化量，代表機(jī)器學(xué)習(xí)模型中“熱噪聲”的強(qiáng)度，是布朗運(yùn)動(dòng)中的第個(gè)獨(dú)立路徑代表隨機(jī)擾動(dòng)，是高斯噪聲擾動(dòng)項(xiàng)，是一個(gè)結(jié)構(gòu)性擾動(dòng)項(xiàng)。

23、進(jìn)一步地，動(dòng)態(tài)調(diào)整模塊的操作流程包括：

24、引入gromov-witten不變式驅(qū)動(dòng)的反饋權(quán)重期望校準(zhǔn)機(jī)制，用于從幾何和拓?fù)湟暯窃u(píng)估機(jī)器學(xué)習(xí)模型響應(yīng)機(jī)制對(duì)不同反饋組合的綜合調(diào)整方向，從而反向傳遞給權(quán)重參數(shù)，表達(dá)公式：，其中是隨訪反饋特征項(xiàng)代表與類癥狀相關(guān)的量子干預(yù)曲率響應(yīng)，分別為a-roof類、chern特征類和todd類建模病歷－權(quán)重之間的拓?fù)浞答佔(zhàn)儺?，是?dāng)前反饋構(gòu)成的癥狀－行為-藥物聯(lián)合空間，是與時(shí)間有關(guān)的癥狀演化叢與狀態(tài)叢，表示對(duì)時(shí)間求偏導(dǎo)，是一個(gè)量子相關(guān)函數(shù)，是當(dāng)前機(jī)器學(xué)習(xí)模型的狀態(tài)空間度量，是病歷檔案中對(duì)應(yīng)的反饋歷史路徑，是對(duì)反饋空間進(jìn)行積分，是反饋流形上切空間的一個(gè)幾何不變量，在演化過(guò)程中監(jiān)控權(quán)重參數(shù)變化的幾何收斂性，同時(shí)對(duì)權(quán)重參數(shù)演化路徑進(jìn)行幾何校驗(yàn)，判斷動(dòng)態(tài)調(diào)整后機(jī)器學(xué)習(xí)模型的物理可實(shí)現(xiàn)性和可調(diào)性。

25、有益效果

26、采用本發(fā)明提供的技術(shù)方案，與已知的公有技術(shù)相比，具有如下有益效果：

27、本發(fā)明實(shí)現(xiàn)了對(duì)腫瘤患者院外不良反應(yīng)的持續(xù)監(jiān)測(cè)和主動(dòng)預(yù)警，顯著提高了不良反應(yīng)發(fā)現(xiàn)的及時(shí)性，能夠在患者癥狀惡化前采取干預(yù)措施，提升患者的治療安全性。其次，通過(guò)智能分析分級(jí)，大幅減輕了醫(yī)護(hù)人員手工篩查患者狀況的負(fù)擔(dān)，系統(tǒng)自動(dòng)從海量隨訪數(shù)據(jù)中發(fā)現(xiàn)異常，提高了隨訪管理的效率和準(zhǔn)確性。再次，本發(fā)明充分利用了互聯(lián)網(wǎng)醫(yī)院已有的平臺(tái)基礎(chǔ)，患者無(wú)需安裝新的應(yīng)用或頻繁往返醫(yī)院，就可通過(guò)熟悉的線上渠道獲得醫(yī)療監(jiān)護(hù)；醫(yī)生也能利用現(xiàn)有的遠(yuǎn)程問(wèn)診和電子處方系統(tǒng)進(jìn)行干預(yù)，降低了系統(tǒng)部署和推廣的門檻。最后，該系統(tǒng)特別針對(duì)免疫治療、靶向治療等新型治療手段的不良反應(yīng)特征進(jìn)行了優(yōu)化設(shè)計(jì)，能夠更精準(zhǔn)地識(shí)別相關(guān)不良反應(yīng)類型并提供個(gè)性化的隨訪方案，從而更好地保障腫瘤患者的治療連續(xù)性和療效。