一种基于反事实的认知障碍数字药物效应评价方法技术

本发明专利技术涉及一种基于反事实的认知障碍数字药物效应评价方法。该方法采用的一种评价系统包括干预治疗端、配套设备和效应评价模块。干预治疗端能够用于对用户进行认知障碍相关的治疗/干预，并至少能够获取用户通过干预治疗端所输入的输入数据。配套设备能够采集用户使用干预治疗端进行治疗/干预时所产生的与输入数据相对应的时序动作数据。效应评价模块能够分别从干预治疗端和配套设备获取输入数据和与所输入数据相对应的时序动作数据。效应评价模块能够基于反事实理论对输入数据和与所输入数据相对应的时序动作数据进行分析，以生成用于评价干预治疗端对用户的治疗/干预的评价报告，和筛选出治疗/干预中的核心特征。所述方法能够用于所述系统。方法能够用于所述系统。方法能够用于所述系统。

【技术实现步骤摘要】
一种基于反事实的认知障碍数字药物效应评价方法


[0001]本专利技术涉及数字医疗
，尤其涉及一种基于反事实的认知障碍数字药物效应评价方法。

技术介绍

[0002]认知功能是人脑认识和反映客观事物的心理机能，包括知觉、学习记忆、注意力、语言、思维等。随着人年龄的增长，人的认知功能会下降，通常的表现是记忆力衰退等各方面机能下降。例如听力、视力下降、行动不便等，这会严重地影响我们生活质量。阿尔茨海默病的症状通常表现为认知能力的严重缺失、记忆的下降，在推理、判断能力上同样也会表现出明显的下降。
[0003]数字药物是一个新兴的前沿学科，数字化游戏是其中的一个重要组成部分。数字化游戏能够锻炼人的大脑敏捷性和身体协调性，进而治疗阿尔茨海默病；数字化游戏能让人集中注意力，进而治疗儿童多动症；数字化游戏也有助于舒缓放松情绪，从而治疗患者的焦虑症。数字化游戏被归为“数字药物”的一个门类。以数字化游戏为主的治疗方法也更具个性化，其治疗效果也更为精准。数字药物产品包含了基于临床证据的软件或硬件产品，这些产品能够用来测量或干预人类的健康。数字药物包括但不限于：数字生物标记物、传感器测量工具等。上述适用于患有认知障碍的老人的数字化游戏产品或终端即属于数字药物。
[0004]由于现有的基于统计学的评价方法在评价利用数字药物对患有认知障碍的老人进行治疗/干预的效果时无法做到：在保持老人其他信息完全相同的条件下，不接受数字药物干预，因此现有的基于统计学的评价方法不能完全合理地对数字药物进行治疗/干预的效果进行评价。故针对现有技术的不足，有必要进行改进。
[0005]反事实(counterfactual)是哲学逻辑、形式语义学和语言哲学中研究最多的现象之一。本专利技术所涉及的反事实包括但不限于：(1)基于图灵奖得主Judea Pearl的因果模型框架下(Causal Models Framework)的反事实；(2)基于D.B Rubin的鲁宾因果模型(Rubin Causal Model)的反事实。反事实可以定义为：在相同条件下，对已有的结果进行假设，并估计当对结果有影响的因素发生变化之后导致结果改变的概率。
[0006]此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本专利技术时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本专利技术不具备这些现有技术的特征，相反本专利技术已经具备现有技术的所有特征，而且申请人保留在
技术介绍
中增加相关现有技术之权利。

技术实现思路

[0007]由于现有的基于统计学的评价方法在评价利用数字药物对患有认知障碍的老人进行治疗/干预的效果时无法做到：在保持老人其他信息完全相同的条件下，不接受数字药物干预，因此现有的基于统计学的评价方法不能完全合理地对数字药物进行治疗/干预的效果进行评价。
[0008]针对现有技术之不足，本专利技术提供了一种基于反事实的认知障碍数字药物效应评价方法。该方法可使用一种基于反事实的认知障碍数字药物效应评价系统，所述系统包括干预治疗端、配套设备和效应评价模块。干预治疗端能够用于对用户进行认知障碍相关的治疗/干预，并至少能够获取所述用户通过所述干预治疗端所输入的输入数据。配套设备能够采集所述用户使用所述干预治疗端进行治疗/干预时所产生的与所述输入数据相对应的时序动作数据。效应评价模块能够分别从所述干预治疗端和配套设备获取所述输入数据和与所输入数据相对应的时序动作数据。所述效应评价模块能够基于反事实理论对所述输入数据和与所输入数据相对应的时序动作数据进行分析，以生成用于评价所述干预治疗端对所述用户进行的治疗/干预的评价报告，和筛选出所述治疗/干预中的核心特征。所述方法能够用于所述系统。
[0009]根据一个优选实施方式，所述效应评价模块包括数据预处理子模块。所述数据预处理子模块被配置为能够对所述干预治疗端所采集的用户使用所述干预治疗端所输入的输入数据和所述配套设备所采集的与输入数据相对应的时序动作数据进行预处理，以筛选出与认知能力相关的特征数据。
[0010]根据一个优选实施方式，所述效应评价模块还包括模型搭建子模块。所述模型搭建子模块被配置为能够将所述数据预处理子模块预处理得到的特征数据作为模型变量以构建因果结构网络，并利用因果归纳算法识别所述因果结构网络中各模型变量之间的因果关系，以得到因果图模型。
[0011]通过该配置方式，模型搭建子模块能够将数据预处理子模块预处理得到的特征数据作为模型变量以构建因果结构网络，并基于因果归纳算法识别因果结构网络中各模型变量之间的因果关系，以得到因果图模型。上述图模型能够反映出患者在利用干预治疗端进行治疗/干预的过程中所有存在的影响干预因素以及最终干预效果与上述因素之间的因果关系。
[0012]根据一个优选实施方式，所述效应评价模块还包括效应函数更新子模块。所述效应函数更新子模块被配置为能够通过深度学习的方式对所述因果图模型进行数值优化，以实现所述因果图模型的精准化迭代。
[0013]根据一个优选实施方式，所述效应评价模块还包括反事实评价子模块。所述反事实评价子模块被配置为能够从所述数据预处理子模块预处理得到的特征数据中筛选出核心特征，并基于所述效应函数更新子模块所优化的因果图模型进行反事实计算，以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告。
[0014]根据一个优选实施方式，所述反事实评价子模块从所述数据预处理子模块预处理得到的特征数据中筛选出核心特征的方法为：
[0015]所述反事实评价子模块根据数据预处理子模块预处理得出的特征数据进行认知能力评估；
[0016]所述反事实评价子模块能够基于认知能力评估结果通过神经网络获取引起用户的认知能力发生变化的核心特征。
[0017]根据一个优选实施方式，反事实评价子模块基于所述效应函数更新子模块所优化的因果图模型进行反事实计算以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告的步骤为：
[0018]确定因果图模型中的各模型变量之间的权重/效应函数；
[0019]修改因果图模型；
[0020]使用修正后的因果图模型以及各模型变量之间的权重/效应函数，以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告。
[0021]根据一个优选实施方式，所述干预治疗端还安装有或设置有分类模块，所述分类模块用于将所述干预治疗端所获取的用户的输入数据进行分类和所述配套设备所获取的用户的与所述输入数据相对应的时序动作数据分别进行分类，以使得所述输入数据与时序动作数据的各子类数据能够以细粒度的方式表征用户的认知能力。
[0022]本专利技术还提供一种基于反事实的认知障碍数字药物效应评价方法。所述方法包括：
[0023]干预治疗端获取所述用户通过所述干预治疗端所输入的输入数据；
[0024]配套设备采集所述用户使用所述干预治疗端进行治疗/干预时所产生的与所述输入数据相对应的时序动作数据。
[0025]根据一个优选实施方式，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于反事实的认知障碍数字药物效应评价系统，其特征在于，至少包括：干预治疗端(100)，被配置为至少能够用于对用户进行认知障碍相关的治疗/干预，并至少能够获取所述用户通过所述干预治疗端(100)所输入的输入数据；配套设备(200)，被配置为至少能够采集所述用户使用所述干预治疗端(100)进行治疗/干预时所产生的与所述输入数据相对应的时序动作数据；效应评价模块(300)，能够分别从所述干预治疗端(100)和配套设备(200)获取所述输入数据和与所输入数据相对应的时序动作数据；其中，所述效应评价模块(300)被配置为能够基于反事实理论对所述输入数据和与所输入数据相对应的时序动作数据进行分析，以生成用于评价所述干预治疗端对所述用户的治疗/干预的评价报告，和筛选出所述治疗/干预中的核心特征。2.根据权利要求1所述的系统，其特征在于，所述效应评价模块(300)包括数据预处理子模块，所述数据预处理子模块被配置为能够对所述干预治疗端所采集的所述输入数据和所述配套设备所采集的与输入数据相对应的时序动作数据进行预处理，以从所述输入数据和时序动作数据中筛选出与认知能力相关的特征数据。3.根据权利要求2所述的系统，其特征在于，所述效应评价模块(300)还包括模型搭建子模块，所述模型搭建子模块被配置为能够将所述数据预处理子模块预处理得到的特征数据作为模型变量以构建因果结构网络，并利用因果归纳算法识别所述因果结构网络中各模型变量之间的因果关系，以得到因果图模型。4.根据权利要求3所述的系统，其特征在于，所述效应评价模块(300)还包括效应函数更新子模块，所述效应函数更新子模块被配置为能够通过深度学习的方式对所述因果图模型进行数值优化，以实现所述因果图模型的精准化迭代。5.根据权利要求4所述的系统，其特征在于，所述效应评价模块(300)还包括反事实评价子模块，所述反事实评价子模块被配置为能够从所述数据预处理子模块预处理得到的特征数据中筛选出核心特征，并基于所述效应函数更新子模块所优化的因果图模型进行反事实计算，以生成...

【专利技术属性】
技术研发人员：安宁，殷越，郭思伊，杨矫云，
申请(专利权)人：杭州芝兰健康有限公司，
类型：发明
国别省市：