一种基于异构数据融合的心衰风险分级预警方法及系统

本发明公开了一种基于异构数据融合的心衰风险分级预警方法及系统，包括：同步采集患者的高频生理、低频主观报告及事件驱动的行为三类异构数据；采用一种长短期记忆网络LSTM与梯度提升决策树GBDT的动态加权融合架构进行处理，并通过注意力机制动态融合；依据非计划性再入院等临床关键事件作为反馈信号，通过具体的、事件触发的局部在线增量学习机制对模型进行闭环优化。在一项涉及1258名患者的多中心前瞻性临床研究中，本发明将30天内非计划性再入院风险预测的灵敏度从常规优化方法的0.75提升至0.92±0.04，受试者工作特征曲线下面积AUC达到0.95，为实现精准、动态的院外心衰风险管理提供了创新的技术方案。