[0001] 本发明涉及医疗信息学技术领域，具体涉及基于智慧医疗的冠心病风险辅助评估系统。

[0002] 在当今社会，心血管疾病是冠心病已成为威胁人类健康的主要疾病之一。随着人口老龄化和生活方式的改变，冠心病的患病率和死亡率的上升对公共卫生系统构成了巨大挑战。智慧医疗的兴起为冠心病的早期诊断和风险评估提供了新的解决方案。基于智慧医疗的冠心病风险辅助评估系统应运而生，它利用先进的信息技术和生物医学工程，结合临床数据和患者个体信息，实现对冠心病风险的精准预测和管理。

[0003] 心内科疾病往往复杂多变，因此应当快速准确地对心内科的疾病进行风险评估，现有方法往往通过对患者使用一些涉及到心内科疾病的评分工具对患者进行初步评价，基于评价结果确定对患者的关注度。在冠心病的诊疗中常用的有8大评分表，具体为GRACE危险评分、TIMI危险评分、CRUSADE出血评分、ACUITY出血风险评分、DAPT评分、China‑PAR评分、Duke运动平板评分、SYNTAX评分。尽管这些评分表在临床表现上对于患者有一定的作用，但是这些评分表通常是基于一次性的风险评估，不能较好的表现冠心病患者的生理指标随着治疗进程的持续或者时间的推移的变化情况，患者的生活方式改变或治疗干预可能会导致患者的生理指标发生显著的改变，因此只基于评分表不能准确地反映患者的生理指标的变化情况，进而导致对冠心病患者的关注度的确定结果不佳。

[0017] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于智慧医疗的冠心病风险辅助评估系统进行详细说明如下。

[0018] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0019] 下面结合附图具体的说明本发明所提供的一种基于智慧医疗的冠心病风险辅助评估系统的具体方案。

[0020] 基于智慧医疗的冠心病风险辅助评估系统实施例：本实施例所针对的具体场景为：在对冠心病患者的症状进行监测时，为了保证监测效率，往往需要对各项临床生理指标变化异常的患者给予更高的关注度，本实施例将通过对冠心病患者多次检测时的临床生理指标的变化情况进行分析，确定每次检测的关注因子，进而给予合适的关注度，用于对冠心病患者的病情进行更及时地监测及治疗。

[0021] 本实施例提出了基于智慧医疗的冠心病风险辅助评估系统，该系统以实现如图1所示的步骤，具体步骤如下：步骤S1，获取冠心病患者每次检测时的各项临床生理指标，临床生理指标包括心肌肌钙蛋白浓度。

[0022] 首先，采集冠心病患者在治疗过程中的各项临床生理指标数据，包括患者的年龄、高敏C反应蛋白含量、心肌肌钙蛋白浓度、血肌酐含量、白细胞计数、静脉移植PCI等，其所采集的临床生理指标主要涉及冠心病诊疗评估的8大量表所涉参数，并通过电子健康档案（electronic health records，HER）记录和存储。在具体应用中，实施者可根据具体情况选取采集的临床生理指标数据的种类。由于冠心病患者在治疗过程中会对其生理指标数据进行多次检测，因此获取冠心病患者在治疗过程中每次检测时的各项临床生理指标。

[0023] 步骤S2，分析每相邻两次检测的心肌肌钙蛋白浓度的偏离程度之间的差异情况，获得每次检测的浓度变化表征值；基于所述浓度变化表征值对所有检测进行聚类；结合每次检测与其时间相邻的检测的临床生理指标的评分结果之间的差异以及每次检测所在的簇内的局部密度分布情况，获得每次检测对应的评分共同因子。

[0024] 心肌肌钙蛋白是心肌细胞损伤后释放到血液中的生物标志物之一，在冠心病的情况下，特别是在急性冠状动脉综合征（如心肌梗死）中，心肌肌钙蛋白的浓度通常会显著升高，因此心肌肌钙蛋白浓度变化情况可以反映心肌损伤的程度和范围。

[0025] 步骤S21，根据每相邻两次检测的心肌肌钙蛋白浓度的偏离程度之间的差异情况，获得每次检测的浓度变化表征值。

[0026] 冠心病患者体内的心肌肌钙蛋白的浓度变化是评估冠心病的主要生物指标之一，通过对冠心病患者体内的心肌肌钙蛋白的浓度变化进行计算，可以对患者的临床表现、生活作息进行判断，若在某个时期冠心病患者体内的心肌肌钙蛋白的浓度减少，则说明该段时期冠心病患者的生活作息行为对于冠心病的恶化发展有所抑制，减缓了其发展速度或者临床治疗干预效果显著；反之，则说明该段时期冠心病患者的生活作息行为不利于冠心病控制或者临床干预效果不显著。基于此，本实施例将对冠心病患者体内的心肌肌钙蛋白的浓度变化情况进行评价。

[0027] 分别计算所有检测的心肌肌钙蛋白浓度的平均值和所有检测的心肌肌钙蛋白浓度的整体离散程度，其中，心肌肌钙蛋白浓度的整体离散程度可以利用所有检测的心肌肌钙蛋白浓度的标准差来表征，也可以利用所有检测的心肌肌钙蛋白浓度的方差来表征，还可以利用所有检测的心肌肌钙蛋白浓度的极差等指标来表征，在本实施例中，利用所有检测的心肌肌钙蛋白浓度的标准差来表征心肌肌钙蛋白浓度的整体离散程度，也即将所有检测的心肌肌钙蛋白浓度的标准差作为所有检测的心肌肌钙蛋白浓度的整体离散程度。

[0028] 接下来以一次检测为例进行说明，对于其他次检测均可采用本实施例提供的方法进行处理。具体地，将任意一次检测记为候选检测，根据候选检测的心肌肌钙蛋白浓度与所述平均值之间的差异和所述整体离散程度，获得候选检测的心肌肌钙蛋白浓度的偏离程度，所述候选检测的心肌肌钙蛋白浓度与所述平均值之间的差异与所述偏离程度呈正相关关系，所述整体离散程度与所述偏离程度呈负相关关系。

[0029] 其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。

[0030] 在本实施例中，给出偏离程度的具体计算公式，第z次检测的心肌肌钙蛋白浓度的偏离程度的具体计算公式为：；
其中， 表示第z次检测的心肌肌钙蛋白浓度的偏离程度， 表示第z次检测的心肌肌钙蛋白浓度， 表示所有检测的心肌肌钙蛋白浓度的平均值， 表示所有检测的心肌肌钙蛋白浓度的整体离散程度， 表示预设第一调整参数， 表示取绝对值符号。

[0031] 本实施例在偏离程度的计算公式中引入预设第一调整参数是为了防止分母为0，本实施例中预设第一调整参数为0.01，在具体应用中，实施者可根据具体情况进行设置。表征第z次检测的心肌肌钙蛋白浓度的偏离程度与所有检测的心肌肌钙蛋白浓度的平均值之间的差异，该值越大，说明两者之间的差异越大，即第z次检测的心肌肌钙蛋白浓度的偏离程度越不接近平均水平。当第z次检测的心肌肌钙蛋白浓度的偏离程度与所有检测的心肌肌钙蛋白浓度的平均值之间的差异越大、所有检测的心肌肌钙蛋白浓度的整体离散程度越小时，说明第z次检测的心肌肌钙蛋白浓度发生偏离的程度越大，也即第z次检测的心肌肌钙蛋白浓度的偏离程度越大。

[0032] 由于不同的冠心病患者因为其年龄、身体健康状况的不同体内的心肌肌钙蛋白的浓度是不同的，同样的治疗干预手段对不同的人的最终表现可能是不同的，因此通过相邻两次检测的心肌肌钙蛋白浓度的偏离程度之间的差异情况，确定冠心病患者浓度变化表征值。

[0033] 具体地，仍以候选检测为例进行说明，将候选检测的心肌肌钙蛋白浓度的偏离程度与候选检测的前一次检测的心肌肌钙蛋白浓度的偏离程度之间的差异，作为候选检测的浓度变化表征值。其中，心肌肌钙蛋白浓度的偏离程度之间的差异可以通过两个偏离程度之间的差值的绝对值、可以通过两个偏离程度之间的差值的平方等指标来表示，在本实施例中，将候选检测的心肌肌钙蛋白浓度的偏离程度与候选检测的前一次检测的心肌肌钙蛋白浓度的偏离程度之间的差值的绝对值，作为候选检测的浓度变化表征值。

[0034] 采用上述方法，能够获得每次检测的浓度变化表征值。需要说明的是：若候选检测为第一次检测，也即候选检测之前不存在前一次检测，则令候选检测的浓度变化表征值为候选检测的后一次检测的浓度变化表征值，也即将候选检测的后一次检测的浓度变化表征值作为了候选检测的浓度变化表征值。

[0035] 步骤S22，基于所述浓度变化表征值对所有检测进行聚类。

[0036] 在上一步骤对患者每次检测心肌肌钙蛋白的浓度的变化情况进行了分析，不同的临床行为会使得患者体内的心肌肌钙蛋白有不同的变化表现，因此其不同时期的心肌肌钙蛋白的浓度变化代表了在不同时期下患者的一些临床行为。

[0037] 在获得了冠心病患者每次检测的浓度变化表征值之后，将每次检测的时间作为横坐标，将对应的浓度变化表征值作为纵坐标，构建直角坐标系，在坐标系中获得每次检测对应的数据点。基于所有数据点的浓度变化表征值，采用K‑means聚类算法对所有数据点进行聚类获得多个簇。K‑means聚类算法的k值实施者根据具体情况进行设置。K‑means聚类算法为现有技术，此处不再过多赘述。

[0038] 至此，采用上述方法，获得了多个聚类簇。

[0039] 步骤S23，结合每次检测与其时间相邻的检测的临床生理指标的评分结果之间的差异以及每次检测所在的簇内的局部密度分布情况，获得每次检测对应的评分共同因子。

[0040] 根据所采集的每次检测的临床生理指标数据，使用冠心病常用的8大评分表对患者的健康状况进行评定，8大评分表分别为GRACE危险评分表、TIMI危险评分表、CRUSADE出血评分表、ACUITY出血风险评分表、DAPT评分表、China‑PAR评分表、Duke运动平板评分表和SYNTAX评分表。具体评定过程为现有技术，此处不再过多赘述。

[0041] 在获取到了冠心病患者每次检测的临床生理指标的8大评分表之后，仍以候选检测为例进行说明。具体地，根据候选检测和与其时间相邻的下一次检测的评分矩阵之间的差异，得到候选检测与其时间相邻的下一次检测之间的评分差异值，所述评分矩阵之间的差异与所述评分差异值呈负相关关系；其中，评分矩阵是由评分表中的数据构成的；根据候选检测与其所在的簇内其他检测的总评分之间的差异、所述评分差异值和候选检测所在的簇内所有数据点的局部可达密度，得到候选检测对应的评分共同因子，所述总评分之间的差异和所述评分差异值均与所述评分共同因子呈负相关关系，所述局部可达密度与所述评分共同因子呈正相关关系。

[0042] 其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。

[0043] 在本实施例中，给出评分共同因子的具体计算公式，第z次检测对应的评分共同因子可以表示为：；
其中， 表示第z次检测对应的评分共同因子，C表示第z次检测所在的簇内数据点的数量， 表示第z次检测的总评分， 表示第z次检测所在的簇内除第z次检测外的第c次检测的总评分， 表示第z次检测所在的簇内除第z次检测外的第c次检测与其时间相邻的下一次检测之间的评分差异指标， 表示第z次检测所在的簇内数据点的局部可达密度， 表示以自然常数为底数的指数函数， 表示取绝对值符号。

[0044] 对于任意一次检测，该次检测的总评分的获取方法为：将该次检测对应的所有评分表中所有评分之和作为该次检测的总评分；该次检测的评分矩阵的具体获取方法为：将该次检测对应的所有评分表量化为矩阵，即将所有评分表中的数据拼接在一起，由于不同类型的评分表中元素的数据可能不同，因此对矩阵中缺失位置进行补0操作，获得该次检测的评分矩阵，该操作为现有技术，此处不再过多赘述。两次检测的评分矩阵之间的差异的具体获取方法为：计算两个评分矩阵中相同位置的两个元素之间的差异，将所有位置的两个元素之间的差异的平均值作为对应两个评分矩阵之间的差异。 表示第z次检测的总评分与第z次检测所在的簇内除第z次检测外的第c次检测的总评分之间的差异，该值越大，说明两者之间的差异越大。当第z次检测的总评分与第z次检测所在的簇内除第z次检测外的第c次检测的总评分之间的差异越大、第z次检测所在的簇内除第z次检测外的检测与其时间相邻的下一次检测之间的评分差异指标越大、第z次检测所在的簇内数据点的局部可达密度越小时，说明相邻两次打分评价之间的差异性越大，此时数据的可信度越低，即第z次检测对应的评分共同因子越小。

[0045] 至此，采用上述提供的方法，能够获得冠心病患者每次检测对应的评分共同因子，如图2所示，该图为评分共同因子的获取方法的流程图。

[0046] 步骤S3，评价每次检测所在的簇与其他簇内检测对应的评分结果之间的差异，获得每次检测对应的评分差异值。

[0047] 由于同一簇内所有检测的评分结果较为相似，不同簇内的检测的评分结果之间的差异较大，因此接下来将对结合聚类结果对每次检测的评分与其他次检测的评分之间的差异情况进行评价。

[0048] 具体地，根据候选检测所在的簇内所有检测的整体评分与其他簇内检测的整体评分之间的差异，获得候选检测对应的评分差异值，所述整体评分之间的差异与所述评分差异值呈正相关关系。

[0049] 其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等。

[0050] 在本实施例中，给出评分差异值的具体计算过程，候选检测对应的评分差异值的计算方法为：分别计算候选检测所在的簇内所有检测的整体评分与其他每个簇内检测的整体评分之间的差异，记为候选检测所在的簇与其他每个簇的第一差异；计算候选检测所在的簇与其他所有簇的第一差异的和值；将所述和值的归一化结果，作为候选检测对应的评分差异值。第z次检测对应的评分差异值可以表示为：；
其中， 表示第z次检测对应的评分差异值，B表示簇的数量， 表示第z次检测所在的簇内所有检测的整体评分， 表示除第z次检测所在的簇外的第b个簇内所有检测的整体评分，表示取绝对值符号。

[0051] 对于任意一个簇，该簇内所有检测的整体评分的获取过程为：将该簇内所有检测的总得分的平均值作为该簇内所有检测的整体评分。 表示第z次检测所在的簇内所有检测的整体评分与除第z次检测所在的簇外的第b个簇内所有检测的整体评分之间的差异，该值越大，说明两者之间的差异越大； 用于反映第z次检测所在的簇与其他簇的整体评分之间的差异的累加和。当第z次检测所在的簇与其他簇的整体评分之间的差异越大时，说明冠心病患者在不同的临床行为下评分表的差异越大，即评分表对于患者的生理状况的反映显著性较强，患者的临床行为可以明确的反映到评分表上，也即评分表对于该患者的健康状况的反映更加稳定，第z次检测对应的评分差异值越大。

[0052] 采用上述方法，能够获得冠心病患者每次检测对应的评分差异值。

[0053] 步骤S4，综合浓度变化表征值、评分共同因子和评分差异值，确定每次检测的关注因子。

[0054] 上述步骤中计算出的冠心病患者在每次检测时的浓度变化表征值用于反映患者在不同次检测时的心肌肌钙蛋白的浓度的变化程度，评分共同因子用于反映冠心病患者在相似的临床行为下评分表的相同性，评分差异值用于反映不同行为簇内患者的评分表的差别性，接下来将综合浓度变化表征值、评分共同因子和评分差异值对冠心病患者的关注程度进行评估，确定每次检测的关注因子。

[0055] 具体地，综合每次检测的浓度变化表征值、每次检测对应的评分共同因子和每次检测对应的评分差异值，得到每次检测的关注因子，所述浓度变化表征值与所述评分差异值呈正相关关系，所述评分共同因子和所述评分差异值均与所述评分差异值呈负相关关系。

[0056] 其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。

[0057] 在本实施例中，给出关注因子的具体计算公式，第z次检测的关注因子可以表示为：；
其中， 为第z次检测的关注因子， 表示第z次检测的浓度变化表征值， 表示第z次检测对应的评分共同因子， 表示第z次检测对应的评分差异值， 为预设第二调整参数， 表示归一化函数。

[0058] 本实施例在关注因子的计算公式中引入预设第二调整参数是为了防止分母为0.01，本实施例中预设第二调整参数为0.01，在具体应用中，实施者可根据具体情况进行设置。 越大，表示冠心病患者的第z次检测的评分结果的稳定性越好，也即该次检测的评分表的置信度越高，即在相同的临床行为下，评分表的评分相似性越大，不同的临床行为的评分表的偏评分差异性越大，即不同行为评分差异区别性较大，因此当第z次检测的浓度变化表征值越大、第z次检测对应的评分共同因子越小、第z次检测对应的评分差异值越小时，说明患者的评分表的稳定性越差，即第z次检测的关注因子越大，此时应当给予该次检测更高的关注度，以及时对冠心病患者的治疗方案进行适当调整。

[0059] 至此，采用本实施例提供的方法完成了对冠心病患者治疗过程中每次检测的关注因子的确定。

[0060] 本实施例考虑到现有方法基于冠心病患者的评分表来确定关注度，未充分结合患者的生理指标的变化情况，不能有效反映个体生理指标的动态变化，具有片面性、静态性、短期性的不足之处，导致部分需要关注或者调整治疗策略的冠心病患者未能得到关注，本实施例首先对相邻两次检测的心肌肌钙蛋白浓度的偏离程度之间的差异情况进行了分析，获得了冠心病患者每次检测的浓度变化表征值，用于反映患者在不同次检测时的心肌肌钙蛋白的浓度的变化程度，然后基于浓度变化表征值对所有检测进行了聚类，对聚类结果进行了分析获得了每次检测对应的评分共同因子，评分共同因子用于反映冠心病患者在相似的临床行为下评分表的相同性，又根据每次检测所在的簇与其他簇内检测对应的评分结果之间的差异情况，对不同行为簇内患者的评分表的差别性进行了评价，进一步地综合浓度变化表征值、评分共同因子和评分差异值确定了冠心病患者每次检测的关注因子，关注因子越大，说明冠心病患者的生理指标的变化情况越异常，越应当给予更高的关注度，本实施例提供的方法能够实时调整对患者的关注度，反映患者当前的生理指标的具体波动情况，克服了传统评分表的局限性，能够实时地确定对患者的关注度，以便于及时对冠心病患者的治疗策略进行适当地调整。

[0061] 在其他实施例中，还提供了一种装置，包括存储器和处理器。该存储器用于存储可执行程序代码，该处理器用于从存储器中调用并运行该可执行程序代码，使得该装置执行上述基于智慧医疗的冠心病风险辅助评估系统所执行的方法。该装置具体可以是芯片、组件或模块，该芯片可包括相连的处理器和存储器；其中，存储器用于存储指令，当处理器调用并执行指令时，可以使芯片执行上述实施例提供的基于智慧医疗的冠心病风险辅助评估系统所执行的方法。

[0062] 在其他实施例中，还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例提供的基于智慧医疗的冠心病风险辅助评估系统所执行的方法。

[0063] 在其他实施例中，还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行上述相关方法步骤实现上述实施例提供的基于智慧医疗的冠心病风险辅助评估系统所执行的方法。

[0064] 其中，提供的系统、装置、计算机程序产品、计算机可读存储介质均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。

[0065] 需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。