本技術(shù)涉及健康管理的，尤其是涉及一種基于數(shù)字孿生的糖尿病管理方法、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)：

1、老年2型糖尿病患者的管理面臨多重挑戰(zhàn)，包括并發(fā)癥、多藥物并用、活動水平降低、飲食影響增強、隨年齡增長的營養(yǎng)吸收變異性、激素變化等因素，這些因素使得血糖水平（bgl）高度不可預測和多變。鑒于老年2型糖尿病患者的個體差異，需要個性化的治療方法來精確給藥，尤其是胰島素的輸注。

2、當前技術(shù)中，對于2型糖尿病的治療手段包括：

3、口服降糖藥（ohas）：對于新診斷或非胰島素依賴的患者，口服降糖藥是推薦的初始治療方法；

4、胰島素輸注：隨著時間的推移，許多2型糖尿病患者最終需要依賴胰島素治療，胰島素輸注可以是手動或自動的；

5、人工胰腺（ap）系統(tǒng)：通過連續(xù)監(jiān)測組織間葡萄糖水平（igl）并使用控制算法輸注胰島素，以保持血糖在70–180?mg/dl的范圍內(nèi)。

6、但是，傳統(tǒng)的胰島素治療和許多現(xiàn)有的ap系統(tǒng)缺乏對患者特定數(shù)據(jù)的考量，導致治療方案不夠個性化，不同的患者根據(jù)個體差異以及不同并發(fā)癥、用藥情況、生活習慣等不同，很難實現(xiàn)基于個體個性化的血糖預測和實時決策分析，這就使得現(xiàn)有技術(shù)中的方案無法給到個性化的精準管理方案以及給出精確科學的胰島素用藥量，不僅會導致患者的健康管理效果變差，還無法控制用藥成本。

技術(shù)實現(xiàn)思路

1、為了實現(xiàn)針對患者個體差異提供個性化的用藥方案，本技術(shù)提供一種基于數(shù)字孿生的糖尿病管理方法、系統(tǒng)及存儲介質(zhì)。

2、第一方面，本技術(shù)提供一種基于數(shù)字孿生的糖尿病管理方法，采用如下的技術(shù)方案：

3、一種基于數(shù)字孿生的糖尿病管理方法，包括以下步驟：

4、獲取基礎生理架構(gòu)參數(shù)；

5、基于所述基礎生理架構(gòu)參數(shù)結(jié)合hdt架構(gòu)搭建數(shù)字孿生模型；

6、采集實時健康數(shù)據(jù)，所述實時健康數(shù)據(jù)包括血糖、飲食、活動、作息；

7、將所述實時健康數(shù)據(jù)作為輸入所述數(shù)字孿生模型進行處理，并對血糖變化趨勢進行預測以輸出血糖預測結(jié)果；

8、對輸入和輸出進行數(shù)據(jù)挖掘以得到潛在的健康模式和異常數(shù)據(jù)，基于所述健康模式和所述異常數(shù)據(jù)生成對所述血糖預測結(jié)果的解釋事件；

9、基于所述血糖預測結(jié)果和所述解釋事件在所述數(shù)字孿生模型中模擬預測最優(yōu)胰島素輸注量；

10、將所述最優(yōu)胰島素輸注量發(fā)送至胰島素泵以對注射計量進行調(diào)整。

11、在其中的一些實施例中，基于所述基礎生理架構(gòu)參數(shù)結(jié)合hdt架構(gòu)搭建數(shù)字孿生模型，包括以下步驟：

12、基于所述基礎生理架構(gòu)參數(shù)生成雙子模型，其中，所述雙子模型包括預測模型和驗證模型；

13、其中，所述預測模型和所述驗證模型皆基于基礎生理信息搭建虛擬人體框架、基于歷史用藥信息和并發(fā)癥信息在所述虛擬人體框架中添加虛擬人體信息流、基于所述虛擬人體信息流生成虛擬代謝流和虛擬病理流。

14、在其中的一些實施例中，將所述實時健康數(shù)據(jù)作為輸入所述數(shù)字孿生模型進行處理，并對血糖變化趨勢進行預測以輸出血糖預測結(jié)果，包括以下步驟：

15、基于所述實時健康數(shù)據(jù)獲取當前血糖狀態(tài)以及時空節(jié)點，所述時空節(jié)點包括飲食前、飲食后、活動前、活動后、作息前、作息后；

16、將所述當前血糖狀態(tài)和所述時空節(jié)點整合為測試樣本集上傳至所述預測模型中，并基于lstm網(wǎng)絡獲取第一血糖變化趨勢；

17、在所述測試樣本集中添加隨機的影響事件樣本以得到驗證樣本集，并將所述驗證樣本集上傳至驗證模型中，并基于lstm網(wǎng)絡獲取第二血糖變化趨勢；

18、基于所述第一血糖變化趨勢和所述第二血糖變化趨勢計算預測差異敏感性；

19、當所述差異敏感性低于預設值時，將所述第一血糖變化趨勢作為所述血糖預測結(jié)果并輸出，當所述差異敏感性不低于預設值時，通過所述第二血糖變化趨勢對所述第一血糖變化趨勢進行擬合并將擬合結(jié)果作為所述血糖預測結(jié)果并輸出。

20、在其中的一些實施例中，對輸入和輸出進行數(shù)據(jù)挖掘以得到潛在的健康模式和異常數(shù)據(jù)，包括以下步驟：

21、采集輸入數(shù)據(jù)和輸出數(shù)據(jù)并基于特征工程提取輸入特征和輸出特征；

22、通過決策樹路徑獲取所述輸入特征和所述輸出特征之間的全局行為路徑，并基于本地解釋庫獲取所述全局行為路徑表征的決策邏輯；

23、基于所述決策邏輯識別所述輸入數(shù)據(jù)和所述輸出數(shù)據(jù)之間的健康關(guān)聯(lián)規(guī)則以生成健康模式，并獲取在所述健康模式下數(shù)據(jù)反映的異常值，將所述異常值高于預設值的數(shù)據(jù)定義為異常數(shù)據(jù)。

24、在其中的一些實施例中，對輸入和輸出進行數(shù)據(jù)挖掘以得到潛在的健康模式和異常數(shù)據(jù)之后，還包括以下步驟：

25、若所述預測模型和所述驗證模型在相同的所述健康模式下所對應的異常數(shù)據(jù)存在不同；

26、將相同的所述異常數(shù)據(jù)確定為準確異常數(shù)據(jù)，將不同的所述異常數(shù)據(jù)作為存疑異常數(shù)據(jù)；

27、將所述存疑異常數(shù)據(jù)基于所述健康關(guān)聯(lián)規(guī)則匹配出相應的輸入數(shù)據(jù)，并重新生成至少包括所述輸入數(shù)據(jù)的預測樣本集和驗證樣本集以進行輸入；

28、根據(jù)所述預測模型和所述驗證模型的輸出數(shù)據(jù)挖掘二次異常數(shù)據(jù)，并將所述二次異常數(shù)據(jù)分別與所述存疑異常數(shù)據(jù)進行比對以確定存疑異常數(shù)據(jù)的可信性。

29、在其中的一些實施例中，基于所述健康模式和所述異常數(shù)據(jù)生成對所述血糖預測結(jié)果的解釋事件，包括以下步驟：

30、評估關(guān)聯(lián)的所述輸入特征和所述輸出特征之間的可解釋性；

31、確定關(guān)聯(lián)的所述輸入特征和所述輸出特征之間的影響系數(shù)；

32、基于本地解釋庫獲取所述血糖預測結(jié)果所對應的解釋事件，所述解釋事件包括正面輸入特征、反面輸入特征以及對應的單項特征貢獻及多項交互作用。

33、在其中的一些實施例中，生成所述解釋事件，還包括以下步驟：

34、判斷所述預測模型對應的解釋事件與所述驗證模型對應的解釋事件是否存在差異；

35、若存在，則判斷所述差異與所述驗證模型中隨機的所述影響事件樣本存在關(guān)聯(lián)；

36、當存在關(guān)聯(lián)時，基于歷史數(shù)據(jù)和經(jīng)驗算法判斷所述影響事件樣本的可行趨勢，當所述可行趨勢大于預設值時，將所述差異對應的所述解釋事件認定為有效。

37、在其中的一些實施例中，還包括以下步驟：

38、當所述胰島素泵基于所述最優(yōu)胰島素輸注量進行注射時，生成預設時長的監(jiān)測任務以檢測血糖值變化；

39、基于血糖值變化對所述血糖預測結(jié)果進行反饋驗證并進行標記，所述標記包括正常標記和異常告警標記。

40、第二方面，本技術(shù)提供一種基于數(shù)字孿生的糖尿病管理系統(tǒng)，采用如下的技術(shù)方案：

41、一種基于數(shù)字孿生的糖尿病管理系統(tǒng)，包括：

42、基礎參數(shù)上傳模塊，用于上傳基礎生理結(jié)構(gòu)參數(shù)；

43、hdt架構(gòu)模塊，用于基于所述基礎生理架構(gòu)參數(shù)結(jié)合hdt架構(gòu)搭建數(shù)字孿生模型；

44、物聯(lián)網(wǎng)設備，用于采集實時健康數(shù)據(jù)，所述實時健康數(shù)據(jù)包括血糖、飲食、活動、作息；

45、預測模塊，用于將所述實時健康數(shù)據(jù)作為輸入所述數(shù)字孿生模型進行處理，并對血糖變化趨勢進行預測以輸出血糖預測結(jié)果；

46、數(shù)據(jù)診斷模塊，用于對輸入和輸出進行數(shù)據(jù)挖掘以得到潛在的健康模式和異常數(shù)據(jù)，基于所述健康模式和所述異常數(shù)據(jù)生成對所述血糖預測結(jié)果的解釋事件；

47、控制模塊，用于基于所述血糖預測結(jié)果和所述解釋事件在所述數(shù)字孿生模型中模擬預測最優(yōu)胰島素輸注量；

48、胰島素泵，用于根據(jù)所述最優(yōu)胰島素輸注量以對注射計量進行調(diào)整。

49、在其中的一些實施例中，

50、第三方面，本技術(shù)提供一種存儲介質(zhì)，采用如下的技術(shù)方案：

51、一種存儲介質(zhì)，所述存儲介質(zhì)存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由處理器加載并執(zhí)行以實現(xiàn)上述的方法。

52、通過本技術(shù)實施例提供的技術(shù)方案，存在以下技術(shù)效果：

53、通過基礎的生理結(jié)構(gòu)參數(shù)來搭建數(shù)字孿生模型，并通過數(shù)字孿生模型以及實時的血糖預測結(jié)果以及對模型的輸入、輸出數(shù)據(jù)特征的挖掘分析出健康模式、血糖預測結(jié)果中的異常，最后根據(jù)整合出的異常數(shù)據(jù)的解釋事件來綜合預測最優(yōu)的胰島素輸注量并對胰島素泵進行智能調(diào)節(jié)，這樣用戶無需手動設計輸注量，同時使得用戶得到更精準科學的用藥量，在提高健康管理效果的同時控制用藥成本。