基于图神经网络的慢病共病预测方法、装置及相关设备

成果简介

   本成果针对目前现有方式难以反映原始数据中丰富的关系型信息，如疾病间的复杂关系，导致检测准确度不高，开发了一种基于图神经网络的慢病共病预测方法、装置及相关设备。将结构化数据抽象为图数据，综合考虑疾病和相似患者间的复杂关联性，利用图卷积与局部注意力机制构建模型以对慢性病共病进行预测，提高预测准确性，可以帮助医生和研究人员更好地了解患者的病情和治疗方案，降低医疗资源的浪费。

成果展示

成果应用

   本成果可应用于医疗检测领域，特别是对慢性病共病进行预测和早期预防，对患者的病情进行预测，并提供相应的个性化干预措施，从而降低共病风险，提高患者的生活质量。慢性病共病预测技术的应用可以帮助医护人员更好地了解患者的病情和治疗方案，同时也可以增强患者自身的健康意识和保健能力。

团队情况