【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种个性化健康管理方法及装置。
技术介绍
1、随着医学的不断发展，很多疾病能够通过药物或者手术等措施进行应对，但是很多情况下，疾病带来的消极体验却无法有效根除，导致生活质量下降。健康是确保生活质量的基础，事实上很多疾病都可以通过科学干预达到预防效果，有效的健康管理能够提升健康水平，提高生活质量。
2、健康管理是对个人、群体的健康状态和风险因素进行监测和管理，达到预防疾病的目的。在健康保险、养老等行业，个性化健康管理引起了越来越多的关注。传统的疾病管理方法主要是通过收集群体用户的健康数据等来评估群体用户出现的普遍健康问题，针对群体用户出现的普遍健康问题对个人用户进行健康管理往往采用基于干预措施对人群平均效果的标准化指南，忽视了个体的独特特征和情况，可能导致不理想的干预效果和负面结果。因此，需要一种能够根据个体的风险水平、特征和需求提供个性化健康管理方案的方法。
技术实现思路
1、为此，本专利技术目的在于至少一定程度上解决现有技术中的不足，从而提出一种个性化健康管理方法及装置。
2、第一方面，本专利技术提供了一种个性化健康管理方法，所述方法包括：
3、通过多个预测模型检测并分析健康数据库，得到多个所述预测模型对某项与健康管理目标相关风险的多个性能指标并进行比较，根据比较结果选取多个所述预测模型中的最佳预测模型；
4、基于所述最佳预测模型检测分析多个个体的健康数据并进行风险评估，筛选出高风险个体，所述健康数据
5、根据医学建议，与所述高风险个体的沟通以及更改对于所述高风险个体的可接受度确定个性化的干预特征，其中，所述干预特征包括所述高风险个体可干预的特征、特征更改范围和特征的更改方式；
6、根据所述最佳预测模型和所述干预特征构建反事实解释模型，并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，以使所述高风险个体转变为低风险个体。
7、第二方面，本专利技术提供了一种个性化健康管理系统，所述系统包括：
8、选取模块：用于通过多个预测模型检测并分析健康数据库，得到多个所述预测模型对某项与健康管理目标相关风险的多个性能指标并进行比较，根据比较结果选取多个所述预测模型中的最佳预测模型；
9、筛选模块：用于基于所述最佳预测模型检测分析多个个体的健康数据并进行风险评估，筛选出高风险个体，所述健康数据库包括多个所述个体的健康数据；
10、干预模块：用于根据医学建议，与所述高风险个体的沟通以及更改对于所述高风险个体的可接受度确定个性化的干预特征，其中，所述干预特征包括所述高风险个体可干预的特征、特征更改范围和特征的更改方式；
11、转变模块：用于根据所述最佳预测模型和所述干预特征构建反事实解释模型，并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，以使所述高风险个体转变为低风险个体。
12、第三方面，本专利技术还提供了一种个性化健康管理设备，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述第一方面所述的个性化健康管理方法中的各个步骤。
13、第四方面，本专利技术还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面所述的个性化健康管理方法中的各个步骤。
14、本专利技术提供了一种个性化健康管理方法及装置，该方法包括：通过多个预测模型检测并分析健康数据库，得到多个所述预测模型对某项与健康管理目标相关风险的多个性能指标并进行比较，根据比较结果选取多个所述预测模型中的最佳预测模型；基于最佳预测模型检测分析多个个体的健康数据并进行风险评估，筛选出高风险个体，所述健康数据库包括多个所述个体的健康数据；根据医学建议，与所述高风险个体的沟通以及更改对于所述高风险个体的可接受度确定个性化的干预特征，其中，所述干预特征包括所述高风险个体可干预的特征、特征更改范围和特征的更改方式；根据所述最佳预测模型和所述干预特征构建反事实解释模型，并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，以使所述高风险个体转变为低风险个体。通过本专利技术提供的方法，最佳预测模型可预测个体与健康管理目标相关的风险，通过医学建议、个体沟通等为“个体”定制个性化的干预范围和方式得到个性化的干预特征，且最佳预测模型和个性化的干预特征可构建得到反事实解释模型，反事实解释模型针对患病的高风险个体根据自身制定干预幅度最小、最符合需求的个性化健康管理方法，该个性化健康管理方法根据个体特征量身定制，并非针对全人群提出的健康管理建议，从而达到有效改善个体自身的健康水平的目的。
本文档来自技高网...【技术保护点】
1.一种个性化健康管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的个性化健康管理方法，其特征在于，所述并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，具体包括：
3.根据权利要求2所述的个性化健康管理方法，其特征在于，所述反事实解释模型包括引入了干预效果项、正则项和特征距离项的损失函数。
4.根据权利要求3所述的个性化健康管理方法，其特征在于，所述损失函数通过以下公式表示：
5.根据权利要求3所述的个性化健康管理方法，其特征在于，所述并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，以使所述高风险个体转变为低风险个体，还包括：
6.根据权利要求5所述的个性化健康管理方法，其特征在于，所述最小化所述损失函数的方法包括逐步优化法、牛顿法、拟牛顿法、梯度下降法、强化学习法。
7.根据权利要求1所述的个性化健康管理方法，其特征在于，多个预测模型分别采用多种风险预测模型，包括但不限于广义线性模型算法、决策树算法、神经
8.一种个性化健康管理系统，其特征在于，所述系统包括：
9.一种个性化健康管理设备，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-7任一项所述的个性化健康管理方法中的各个步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的个性化健康管理方法中的各个步骤。
...【技术特征摘要】
1.一种个性化健康管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的个性化健康管理方法，其特征在于，所述并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，具体包括：
3.根据权利要求2所述的个性化健康管理方法，其特征在于，所述反事实解释模型包括引入了干预效果项、正则项和特征距离项的损失函数。
4.根据权利要求3所述的个性化健康管理方法，其特征在于，所述损失函数通过以下公式表示：
5.根据权利要求3所述的个性化健康管理方法，其特征在于，所述并通过所述反事实解释模型对所述高风险个体制定根据个体特征的、干预幅度最小的个性化健康管理方法，以使所述高风险个体转变为低风险个体，还包括：
6.根据权利要求5所述的个性化健康管理方法，其特征在于，所述最小化所述损失函数的方...
【专利技术属性】
技术研发人员：逸夫·胡德，
申请(专利权)人：前海再保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。