本发明属于医疗健康管理，尤其涉及基于大数据ai模型的心脑血管慢病患者个性化健康管理方法。
背景技术：
1、当前，心脑血管疾病(cardiovascular diseases,cvds)是全球范围内导致死亡的主要原因之一。根据世界卫生组织的数据，每年有超过1700万人死于此类疾病，占全球总死亡人数的近三分之一。特别是在老龄化加剧的社会背景下，心脑血管疾病的发病率和死亡率持续上升，成为公共卫生领域面临的重大挑战之一。
2、传统的慢病管理模式主要依赖于医生的经验和患者的自我管理，这种方式存在诸多不足之处，包括：
3、1、缺乏系统化管理，传统的管理模式往往侧重于急性期的治疗，而忽视了长期的跟踪和管理，尤其是对于慢性疾病的持续性干扰不足；
4、2、缺乏个性化干预，医生通常依据自身的经验和临床指南来制定治疗方案，但这种方法难以考虑到每位患者的个体差异；
5、3、患者依从性差，患者的自我管理能力参差不齐，且常常缺乏有效的支持和监督机制，导致治疗计划执行不力；
6、4、基层医疗服务限制，基层医疗机构由于资源有限，在提供高质量的心脑血管疾病预防、康复和长期随访服务方面面临挑战。
技术实现思路
1、本发明所解决的技术问题在于提供一种基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，以构建生成患者个性化健康管理技术方案。
2、本发明提供的基础方案：基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，包括：
3、s1：获取心脑血管慢病患者的多源疾病数据，并对多源疾病数据进行预处理；
4、s2：构建大数据ai模型和构建心脑血管疾病领域的知识库，将知识库中数据按照预设比例生成训练数据和验证数据，将训练数据输入至大数据ai模型进行训练，再通过验证数据验证训练完成的大数据ai模型，直至得到训练完成的大数据ai模型；
5、s3：将预处理完成的多源疾病数据输入至训练完成的大数据ai模型中，输出心脑血管疾病患者的风险因子和病情数据；
6、s4：基于训练完成的大数据ai模型构建ai驱动的健康风险评估模型，将心脑血管疾病患者的风险因子和病情数据输入至健康风险评估模型中，获取心脑血管疾病患者的各项指标变化数据，并基于知识库预设指标变化阈值，将获取的各项指标变化数据与预设指标变化阈值进行比对，输出比对结果；
7、s5：健康风险评估模型根据比对结果生成包含各项处方的个性化健康管理计划，并传输至移动终端中。
8、进一步，所述s1包括：
9、s1-1：构建多源数据平台，接入目标患者的就诊系统，采集目标患者就医的多源疾病数据；
10、s1-2：创建多个层级数据存储模块，对多源疾病数据进行预处理，预处理后的多源疾病数据存储在对应的层级数据存储模块中；所述层级数据存储模块按照心脑血管疾病诊断提示词命名。
11、进一步，所述s2包括：
12、s2-1：基于现有心脑血管疾病领域文献数据和心脑血管患者就医记录数据构建知识库；
13、s2-2：生成大数据ai模型，将大数据ai模型接入互联网和知识库接收心脑血管疾病领域数据内容，生成大数据ai模型雏形；
14、s2-3：将知识库中心脑血管患者就医记录数据导入至大数据ai模型雏形中进行训练，得到训练完成的大数据ai模型。
15、进一步，所述s3包括：
16、s3-1：对大数据ai模型预设存储提示词，根据预设的存储提示词将存储在多个层级数据存储模块中的数据提取，并通过大数据ai模型进行分析处理；
17、s3-2：对大数据ai模型的分析处理结果进行风险因子特征提取和风险因子特征对应的病情数据提取。
18、进一步，所述s4包括：
19、s4-1：将训练完成的大数据ai模型作为健康风险评估模型的驱动模型；
20、s4-2：根据心脑血管疾病诊断流程生成诊断机制，将风险因子特征生成诊断提示词，均输入至健康风险评估模型中；
21、s4-3：将心脑血管疾病患者的风险因子和病情数据输入至健康风险评估模型中，健康风险评估模型根据诊断机制调取诊断提示词与风险因子进行匹配，并在匹配成功后调取病情数据，生成各项指标变化数据；
22、s4-4：基于知识库预设指标变化阈值，健康风险评估模型将获取的各项指标变化数据与预设指标变化阈值进行比对，输出比对结果。
23、进一步，所述s5包括：
24、s5-1：获取目标医疗机构信息和目标心脑血管疾病患者的习惯信息，输入至健康风险评估模型中进行处理，生成目标医疗机构健康管理标准体系和目标患者的可行健康管理方案；
25、s5-2：健康风险评估模型根据目标比对结果生成健康管理处方，并根据健康管理处方中的健康管理流程与目标医疗机构健康管理标准体系进行匹配，以及与目标患者的可行健康管理方案进行匹配，生成目标患者的个性化健康管理计划，传输至移动终端。
26、基于大数据ai模型的心脑血管疾病患者个性化健康管理系统，应用于上述的基于大数据ai模型的心脑血管疾病患者个性化健康管理方法，包括：
27、数据获取模块：用于获取心脑血管慢病患者的多源疾病数据；
28、数据预处理模块：用于对获取的多源疾病数据进行预处理；
29、知识库模块：用于获取心脑血管疾病领域的医疗知识，并构建成知识库；
30、ai模型构建训练模块：构建大数据ai模型，并将知识库中数据按照预设比例生成训练数据和验证数据，将训练数据输入至大数据ai模型中进行训练，再通过验证数据验证训练完成的大数据ai模型，直至得到训练完成的大数据ai模型；
31、病情分析模块：用于根据训练完成的大数据ai模型对预处理完成的多源疾病数据进行分析处理，输出心脑血管疾病患者的风险因子和病情数据；
32、健康风险评估模块：基于训练完成的大数据ai模型构建ai驱动的健康风险评估模型，将心脑血管疾病患者的风险因子和病情数据输入至健康风险评估模型中，获取心脑血管疾病患者的各项指标变化数据，并基于知识库预设指标变化阈值，将获取的各项指标变化数据与预设指标变化阈值进行比对，输出比对结果；
33、个性化健康管理计划生成模块：用于使用健康风险评估模型根据比对结果生成包含各项处方的个性化健康管理计划，并传输至目标患者处。
34、一种电子设备，包括处理器和存储器，所述存储器中存储程序或指令，所述处理器通过调用所述存储器存储的程序或指令，执行如上所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法。
35、一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法。
36、本发明的原理及优点在于：在本发明中，首先对于目标心脑血管慢病患者的疾病数据，获取不同来源的疾病数据，例如不同医疗机构的来源，针对这些来源的疾病数据，按照心脑血管疾病在诊断过程中的诊断提示词进行分类存储，然后通过大数据ai模型来进行识别，其中，大数据ai模型的构建过程和训练过程，都是经过了预构建的知识库来实现，并针对训练过程中的不同患者的不同情况，使用该医疗机构的历史患者的就医记录数据进行真实资料数据训练，使得大数据ai模型的诊断机制更符合实际情况。
37、随后在诊断过程中，根据存储的诊断提示词来提取对应存储的疾病数据，进行风险因子特征提取和对应的病情数据提取，并以大数据ai模型构建ai驱动的健康风险评估模型，该模型能够根据医疗机构的水平和诊断机制，模拟真实医生的就诊流程对患者的疾病数据进行分析处理，随后再根据目标医疗机构的健康管理标准体系和目标患者的习惯信息，生成契合医疗机构的健康管理计划和满足目标患者需求的健康管理计划，一方面便于患者在健康管理过程中积极性更高，另一方面医生在后续随访过程中也更熟悉健康管理体系。
1.基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，其特征在于：包括：
2.根据权利要求1所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，其特征在于：所述s1包括：
3.根据权利要求2所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，其特征在于：所述s2包括：
4.根据权利要求3所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，其特征在于：所述s3包括：
5.根据权利要求4所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，其特征在于：所述s4包括：
6.根据权利要求5所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法，其特征在于：所述s5包括：
7.基于大数据ai模型的心脑血管疾病患者个性化健康管理系统，应用于如上权利要求1-6任一项上述的基于大数据ai模型的心脑血管疾病患者个性化健康管理方法，其特征在于：包括：
8.一种电子设备，其特征在于：包括处理器和存储器，所述存储器中存储程序或指令，所述处理器通过调用所述存储器存储的程序或指令，执行如上权利要求1-6任一项所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上权利要求1-6任一项所述的基于大数据ai模型的心脑血管慢病患者个性化健康管理方法。
