健康管理及装置、系统、计算机可读存储介质的制作方法

1.本公开涉及智慧医疗领域，特别涉及一种健康管理方法及装置、系统、计算机可读存储介质。


背景技术：

2.随着人们对健康管理意识的提高及老龄化社会的到来，仅仅由医院为患者提供健康管理服务已经不能满足大众的需求。利用智能检测设备、互联网+、人工智能等前沿技术，能够为用户提供更深层次的健康管理服务。
3.相关技术中，通过智能穿戴设备等装置，检测用户的生理参数，例如，智能手环可以检测用户的心率、血压和血氧等数据，使得用户不需要去医院，就能监测这些生理参数。


技术实现要素：

4.根据本公开的第一方面，提供了一种获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据，其中，特征变量和生理参数的相关性数据包括特征变量的假设值，以及根据特征变量的假设值，利用健康分析模型计算得到的生理参数的计算值；响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值；根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值；根据特征变量的预测值，确定导致生理参数改变的原因；根据导致生理参数变化的原因，生成健康管理建议。
5.在一些实施例中，所述响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值，包括：当生理参数的计算值与生理参数的当前值之间的差异度小于阈值时，选择与该生理参数的计算值对应的特征变量的假设值作为特征变量的候选假设值。
6.在一些实施例中，所述特征变量包括第一类特征变量和第二类特征变量，每个生理参数的计算值利用健康分析模型根据一组特征变量的假设值计算得到，所述根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值，包括：计算一组特征变量中的第一类特征变量的候选假设值和当前值之间的差异度，作为该组特征变量的候选假设值和当前值之间的差异度；根据特征变量的候选假设值和当前值之间的差异度，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值。
7.在一些实施例中，所述一组特征变量的候选假设值包括多个第一类特征变量的获选假设值和多个第二类特征变量的候选假设值，一组特征变量的候选假设值和当前值之间的差异度与该组特征变量中的每个第一类特征变量的候选假设值相对于该第一类特征变量的当前值的偏离值正相关。
8.在一些实施例中，所述一组特征变量包括多个特征变量；所述根据特征变量的预
测值，确定导致生理参数变化的原因，包括：根据每一组特征变量中的每个特征变量的预测值相对于该特征变量的参考值的偏离值，对这一组特征变量进行排序；根据排序结果，确定导致生理参数变化的原因。
9.在一些实施例中，所述根据排序结果，确定导致生理参数变化的原因，包括：根据排序结果，将预测值相对于参考值的偏离值最大的特征变量，作为导致生理参数变化的原因。
10.在一些实施例中，每个特征变量的全部假设值构成一个等差数列，公差为当其他特征变量固定不变时，使得生理参数的计算值发生预设范围内改变的、某一特征变量的最小变化步长。
11.在一些实施例中，所述健康分析模型包括特征变量与生理参数之间的函数关系式。
12.在一些实施例中，所述健康管理建议包括对于导致生理参数变化的原因为正常原因还是异常原因的判断结果。
13.在一些实施例中，所述第一类特征变量包括身高、体重、年龄、心理健康指标、智力健康指标、摄入食物种类和数量、运动类型和时长、睡眠质量、外界环境指标和家族遗传病史中的至少一种。
14.在一些实施例中，所述第二类特征变量包括与污染源接触的概率、组织器官检测结果和基因变异检测结果中的至少一种。
15.在一些实施例中，生理参数包括血糖、血压、血氧、心率、体温中的至少一种。
16.在一些实施例中，所述获取用户的生理参数的当前值和特征变量的当前值，包括：利用人机交互设备获取用户的生理参数的当前值和特征变量的当前值。
17.根据本公开的第二方面，提供了一种健康管理装置，包括：获取模块，被配置为获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据，其中，特征变量和生理参数的相关性数据包括特征变量的假设值，以及根据特征变量的假设值，利用健康分析模型计算得到的生理参数的计算值；候选假设值选择模块，被配置为响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值；预测值选择模块，被配置为根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值；确定模块，被配置为根据特征变量的预测值，确定导致生理参数改变的原因；生成模块，被配置为根据导致生理参数变化的原因，生成健康管理建议。
18.根据本公开的第三方面，提供了一种健康管理装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行上述任意一个实施例所述的健康管理方法。
19.根据本公开的第四方面，提供了一种健康管理系统，包括根据上述任意一个实施例所述的健康管理装置，检测装置、输入装置和显示装置中的至少一个，其中检测装置用于检测用户的生理参数的当前值，输入装置用于获取特征变量的当前值，显示装置用于显示健康管理建议。
20.根据本公开的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程
序指令，该指令被处理器执行时实现上述任意一个实施例所述的健康管理方法。
附图说明
21.构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
22.参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
23.图1示出根据本公开一些实施例的健康管理方法的流程图；
24.图2示出根据本公开一些实施例的选择特征变量的预测值的流程图；
25.图3示出根据本公开一些实施例的确定导致生理参数改变的原因的流程图；
26.图4示出根据本公开一些实施例的健康管理装置的框图；
27.图5示出根据本公开另一些实施例的健康管理装置的框图；
28.图6示出用于实现本公开又一些实施例的健康管理装置的框图；
29.图7示出根据本公开一些实施例的健康管理系统的框图。
具体实施方式
30.现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
31.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
32.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
33.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
34.在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
35.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
36.相关技术中，一些家用设备和便携装置能够检测出用户的生理参数，例如，智能手环可以检测用户的心率、血压和血氧等数据，使得用户不需要去医院，就能监测这些健康参数。但是，这些设备只能给出生理参数的检测数据，不能给出生理参数改变的原因。例如，当用户发现血压升高时，只能自行判断为什么血压突然升高，或是向医生进行咨询，用户自行判断的准确性通常比较低，而求助医生又会耗费过多时间。
37.为此，本公开提出了一种健康管理方法及装置、系统、计算机可读存储介质，能够及时、准确地发现用户生理参数改变的原因并给出建议。
38.图1示出根据本公开一些实施例的健康管理方法的流程图。
39.如图1所示，健康管理方法包括步骤s1-步骤s5。
40.在步骤s1中，获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据，其中，特征变量和生理参数的相关性数据包括特征变
量的假设值，以及根据特征变量的假设值，利用健康分析模型计算得到的生理参数的计算值。
41.在一些实施例中，生理参数包括血糖、血压、血氧、心率和体温中的至少一个。
42.在一些实施例中，影响生理参数的特征变量包括身高、体重、年龄、心理健康指标、智力健康指标、摄入食物种类和数量、运动类型和时长、睡眠质量、外界环境指标、家族遗传病史、与污染源接触的概率、组织器官检测结果(例如心脏射血分数、肝脏转氨酶、谷丙转氨酶、谷草转氨酶、肌酐、尿素氮等常规生化指标、心电波动信号、脑电波和植物神经活动情况、白介素1～31中的一种或数种、tnf-α、ifn-γ、免疫系统指标等)和基因变异检测结果(例如ret融合或突变、egfr突变)中的至少一种。
43.在一些实施例中，所述获取用户的生理参数的当前值和特征变量的当前值，包括：利用人机交互设备获取用户的生理参数的当前值和特征变量的当前值。
44.例如，可以通过智能穿戴设备获取血糖、血压、血氧、心率、体温、睡眠质量等，通过手机上的应用程序获取用户输入的身高、体重、年龄等信息，以及对用户的心理健康指标、智力健康指标等进行检测。
45.在一些实施例中，健康分析模型包括特征变量与生理参数之间的函数关系式。
46.例如，特征变量包括xi(i＝1,2，
……
n)，生理参数为y。y和xi之间的函数关系可以是线性关系，也可以是非线性关系，例如平方关系、对数关系、指数关系和三角函数关系等等。以线性关系为例，y与xi之间的函数关系式为：
47.y＝a1x1+a2x2+
……
+anxn48.上述函数关系式可以根据用户的生理参数的历史数据、特征变量的历史数据，以及用户所属群体的生理参数的健康数据，使用曲线拟合等方法建立。
49.一组特征变量的假设值为x1＝10，x2＝3，
……
，xn＝100，根据这一组特征变量的假设值，利用上述函数关系式计算得到y＝1，则这一组特征变量和生理参数的相关性数据为：x1＝10，x2＝3，
……
，xn＝100，y＝1。
50.在一些实施例中，每个特征变量的全部假设值构成一个等差数列，公差为当其他特征变量固定不变时，使得生理参数的计算值发生预设范围内改变的、某一特征变量的最小变化步长。
51.在确定等差数列的公差d时，先从较大的d进行模拟，然后逐步缩小d，直至d变化不足以敏感地影响到因变量的改变，即，在特征变量可能的取值范围内，根据d得到的特征变量的假设值的变化不足以导致因变量的计算值发生显著的改变，这样上一个步长就是x1的最小变化步长。
52.例如，对于x1，首先根据历史数据和标准数据，确定x1可能的取值范围为(5，18)，y只取小数点后两位。先假设d＝5，令x2到xn的值均保持不变，将x1＝5,x1＝10,x1＝15分别代入上述函数关系式中，分别得到y＝1,y＇＝1.1，y＂＝1.2。而当d＝4，将x1＝6,x1＝10,x1＝14，分别代入上述函数关系式中，分别得到y＝1.1,y＇＝1.1，y＂＝1.1，即，y的计算值是不变的。则x1的最小变化步长为5。
53.每一个xi都可以有多个假设值，一组特征变量x1，x2，
……
，xn的假设值也有多种不同的组合，每个组合带入函数关系式中，都可以得到一个y的计算值。
54.本公开通过最小变化步长限制特征变量的假设值的数量，能够减少计算量。
55.在步骤s2中，响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值。
56.在一些实施例中，所述响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值，包括：当生理参数的计算值与生理参数的当前值之间的差异度小于阈值时，选择与该生理参数的计算值对应的特征变量的假设值作为特征变量的候选假设值。
57.例如，可以按照以下公式计算每一个生理参数的计算值y与生理参数的当前值之间的差异度μ：
[0058][0059]
令阈值＝10％，当一个生理参数的计算值y＝1，μ《10％时，生理参数的计算值y＝1与生理参数的当前值之间的差异度小于阈值，则选择与y＝1对应的特征变量的假设值x1＝10，x2＝3，
……
，xn＝100(也就是y＝1所属的一组相关性数据中的特征变量的假设值)作为特征变量的候选假设值。
[0060]
当存在y的多个计算值满足μ《10％，则可以选出多组特征变量的候选假设值。
[0061]
本公开通过限制生理参数的计算值与生理参数的当前值之间的差异度在一定范围内，而不是要求生理参数的计算值与生理参数的当前值完全一致，来筛选特征变量的候选假设值。即，允许特征变量假设值计算得到的生理参数的计算值与真实值之间存在偏差，能够筛选出更多的特征变量的候选假设值，从而更全面地考虑到更多可能的特征变量取值情况，避免在后续分析生理参数改变的原因时出现遗漏。
[0062]
在步骤s3中，根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值。
[0063]
在一些实施例中，特征变量包括第一类特征变量和第二类特征变量，每个生理参数的计算值利用健康分析模型根据一组特征变量的假设值计算得到。
[0064]
图2示出根据本公开一些实施例的选择特征变量的预测值的流程图。
[0065]
在一些实施例中，可以通过如图2所示的步骤实现上述步骤s3。如图2所示，确定导致生理参数改变的原因包括步骤s301-步骤s302。
[0066]
在步骤s301中，计算一组特征变量中的第一类特征变量的候选假设值和当前值之间的差异度，作为该组特征变量的候选假设值和当前值之间的差异度。
[0067]
在一些实施例中，第一类特征变量包括身高、体重、年龄、心理健康指标、智力健康指标、摄入食物种类和数量、运动类型和时长、睡眠质量、外界环境指标和家族遗传病史中的至少一种。
[0068]
具体地，第一类特征变量可以是：压力情况、睡眠时间和睡眠质量、海拔、温度、湿度、光照、紫外线强度、空气质量、电磁辐射情况、摄食量、食物质量、饮用水质量等。
[0069]
第一类特征变量可以是定量数据也可以是定性数据，定性数据例如“是”或者“否”，或者等级数据，比如“0”、“1”、“2”、“3”等。第一类特征变量的数据是用户自己就能够
检测的数据或者一般不会发生改变的数据。用户自己就能够检测的数据可以是通过可穿戴设备收集的数据，一般不会发生改变的数据是不需要实时检测或者收集的，例如性别、种族等数据。
[0070]
在一些实施例中，第二类特征变量包括与污染源接触的概率、组织器官检测结果和基因变异检测结果中的至少一种。
[0071]
第二类特征变量是不能由现有的可穿戴检测设备进行检测和数据收集的数据，只能够由用户到特定的医疗机构或者检测机构检测获得，或是只能用概率来表示的变量，例如尿液、粪便的分析数据；特殊的探针底物等数据；医学影像学检查的数据和结果；用户与某类型疾病人员接触的概率、和某种病毒、细菌、寄生虫接触的概率、被某种物理因素污染的概率和被化学因素污染的概率等。
[0072]
在根据用户的生理参数的历史数据、特征变量的历史数据，以及用户所属群体的生理参数的健康数据建立函数关系式时，第二类特征变量中用户与某类型疾病人员接触的概率、和某种病毒、细菌、寄生虫接触的概率、被某种物理因素污染的概率和被化学因素污染的概率的值取0或者1。
[0073]
当一组特征变量既包括第一类特征变量也包括第二类特征变量时，由于无法获得第二类特征变量的当前值，因此，仅将第一类特征变量的当前值与第一类特征变量的候选假设值进行比对，将其中最符合情况的特征变量的候选假设值作为预测值。
[0074]
在一些实施例中，所述一组特征变量的候选假设值包括多个第一类特征变量的获选假设值和多个第二类特征变量的候选假设值，一组特征变量的候选假设值和当前值之间的差异度与该组特征变量中的每个第一类特征变量的候选假设值相对于该第一类特征变量的当前值的偏离值正相关。
[0075]
例如，对于一组特征变量的候选假设值x1＝10，x2＝3，
……
，xn＝100，其中x1，x2为第一类特征变量，则可以知道第一类特征变量的当前值可以按照以下公式计算每个第一类特征变量的候选假设值相对于该第一类特征变量xi的当前值的偏离值σi：
[0076][0077]
在计算出每个第一类特征变量的候选假设值相对于该第一类特征变量的当前值的偏离值σi后，根据所有第一类特征变量的σi，可以计算一组特征变量的候选假设值和当前值之间的差异度例如，当x1，x2为第一类特征变量，则按照以下公式计算
[0078][0079]
在步骤s302中，根据特征变量的候选假设值和当前值之间的差异度，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值。
[0080]
例如，对多组特征变量的候选假设值，可以根据其值从小到大进行排序，取排序在前的特征变量的候选假设值的一组或多组作为特征变量的预测值。也可以取值小于阈值的一组或多组特征变量的候选假设值，作为特征变量的预测值。
[0081]
本公开用能够实时检测到的第一类特征变量的假设值与其实际的当前值比对，筛
[0098]
在一些实施例中，健康管理建议包括用户自我排查方案或者建议用户前往就医，其中，自我排查方案根据第一类特征变量的候选假设值相对于该第一类特征变量xi的当前值的偏离值σi的排序结果确定。
[0099]
例如，健康管理建议为，“检测到您的体温异常，异常原因按照可能性从大到小依次为：1、与疾病人员接触，2、服用药物”。用户可以根据健康管理建议自我排查，是否去过疾病风险地区或者是否服用过药物。或者，健康管理建议为：“检测到您的体温异常，可能的原因为：脑出血，建议您尽快前往医院诊断”。
[0100]
在一些实施例中，健康管理建议包括健康管理方案。
[0101]
例如，某人每天坚持一定量的运动，其各项指标处于正常范围。检测到其血糖或血脂异常，判断原因为生活规律改变，摄入热量过多，而运动情况过少，则健康管理方案是：清单饮食，每一餐摄入热量不高于800卡路里，同时增加运动量，保证每天热量消耗在1000～1100卡路里。
[0102]
本公开通过在健康管理建议中给出自我排查方案、就医建议、导致生理参数异常的原因是正常原因还是异常原因、健康管理方案等具体建议，能够帮助客户更准确地了解自己的身体状况，及时进行排查。
[0103]
在一些实施例中，向用户显示健康管理建议。例如，用户可以通过手机、电脑和可穿戴设备等查看健康管理建议。
[0104]
本公开利用健康分析模型，根据特征变量的当前值、特征变量和生理参数的相关性数据，分析导致生理参数改变的原因，能够及时、准确地发现用户生理参数改变的原因。此外，本公开根据导致生理参数变化的原因，生成健康管理建议，能够高效地辅助用户了解自身健康情况。
[0105]
图4示出根据本公开一些实施例的健康管理装置的框图。
[0106]
如图4所示，健康管理装置40包括获取模块410。
[0107]
获取模块410，被配置为获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据，其中，特征变量和生理参数的相关性数据包括特征变量的假设值，以及根据特征变量的假设值，利用健康分析模型计算得到的生理参数的计算值，例如执行如图1所示的步骤s1。
[0108]
候选假设值选择模块420，被配置为响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值，例如执行如图1所示的步骤s2。
[0109]
预测值选择模块430，被配置为根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值，例如执行如图1所示的步骤s3。
[0110]
确定模块440，被配置为根据特征变量的预测值，确定导致生理参数改变的原因，例如执行如图1所示的步骤s4。
[0111]
生成模块450，被配置为根据导致生理参数变化的原因，生成健康管理建议，例如执行如图1所示的步骤s5。
[0112]
图5示出根据本公开另一些实施例的健康管理装置的框图。
[0113]
如图5所示，健康管理装置50包括存储器510；以及耦接至该存储器510的处理器
520，存储器510用于存储执行健康管理方法对应实施例的指令。处理器520被配置为基于存储在存储器510中的指令，执行本公开中任意一些实施例中的健康管理方法。
[0114]
图6示出用于实现本公开又一些实施例的健康管理装置的框图。
[0115]
如图6所示，健康管理装置60可以通用计算设备的形式表现。计算机系统60包括存储器610、处理器620和连接不同系统组件的总线600。
[0116]
存储器610例如可以包括系统存储器、非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(boot loader)以及其他程序等。系统存储器可以包括易失性存储介质，例如随机存取存储器(ram)和/或高速缓存存储器。非易失性存储介质例如存储有执行健康管理方法中的至少一种的对应实施例的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。
[0117]
处理器620可以用通用处理器、数字信号处理器(dsp)、应用专用集成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地，诸如判断模块和确定模块的每个模块，可以通过中央处理器(cpu)运行存储器中执行相应步骤的指令来实现，也可以通过执行相应步骤的专用电路来实现。
[0118]
总线600可以使用多种总线结构中的任意总线结构。例如，总线结构包括但不限于工业标准体系结构(isa)总线、微通道体系结构(mca)总线、外围组件互连(pci)总线。
[0119]
计算机系统60还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间可以通过总线600连接。输入输出接口630可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为软盘、u盘、sd卡等外部存储设备提供连接接口。
[0120]
图7示出根据本公开一些实施例的健康管理系统的框图。
[0121]
如图7所示，健康管理系统7包括根据本公开中任意一些实施例所述的健康管理装置71，以及检测装置72、输入装置73和显示装置74中的至少一个，其中检测装置用于检测用户的生理参数的当前值，输入装置用于获取特征变量的当前值，显示装置用于显示健康管理建议。
[0122]
其中，健康管理装置71通过蜂窝、蓝牙、wi-fi等通信技术与检测装置72、输入装置73和显示装置74进行通信。
[0123]
这里，参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个框以及各框的组合，都可以由计算机可读程序指令实现。
[0124]
这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器，以产生一个机器，使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。
[0125]
这些计算机可读程序指令也可读存储在计算机可读存储器中，这些指令使得计算机以特定方式工作，从而产生一个制造品，包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。
[0126]
本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
[0127]
通过上述实施例中的健康管理方法及装置、系统、计算机可读存储介质，能够准确
地发现用户生理参数改变的原因并给出全面的健康管理建议。
[0128]
至此，已经详细描述了根据本公开的健康管理方法及装置、计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

技术特征：
1.一种健康管理方法，包括：获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据，其中，特征变量和生理参数的相关性数据包括特征变量的假设值，以及根据特征变量的假设值，利用健康分析模型计算得到的生理参数的计算值；响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值；根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值；根据特征变量的预测值，确定导致生理参数改变的原因；根据导致生理参数变化的原因，生成健康管理建议。2.根据权利要求1所述的健康管理方法，其中，所述响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值，包括：当生理参数的计算值与生理参数的当前值之间的差异度小于阈值时，选择与该生理参数的计算值对应的特征变量的假设值作为特征变量的候选假设值。3.根据权利要求1所述的健康管理方法，其中，所述特征变量包括第一类特征变量和第二类特征变量，每个生理参数的计算值利用健康分析模型根据一组特征变量的假设值计算得到，所述根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值，包括：计算一组特征变量中的第一类特征变量的候选假设值和当前值之间的差异度，作为该组特征变量的候选假设值和当前值之间的差异度；根据特征变量的候选假设值和当前值之间的差异度，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值。4.根据权利要求3所述的健康管理方法，其中，所述一组特征变量的候选假设值包括多个第一类特征变量的获选假设值和多个第二类特征变量的候选假设值，一组特征变量的候选假设值和当前值之间的差异度与该组特征变量中的每个第一类特征变量的候选假设值相对于该第一类特征变量的当前值的偏离值正相关。5.根据权利要求1所述的健康管理方法，其中，所述一组特征变量包括多个特征变量，所述根据特征变量的预测值，确定导致生理参数变化的原因，包括：根据每一组特征变量中的每个特征变量的预测值相对于该特征变量的参考值的偏离值，对这一组特征变量进行排序；根据排序结果，确定导致生理参数变化的原因。6.根据权利要求5所述的健康管理方法，其中，所述根据排序结果，确定导致生理参数变化的原因，包括：根据排序结果，将预测值相对于参考值的偏离值最大的特征变量，作为导致生理参数变化的原因。7.根据权利要求1所述的健康管理方法，其中，每个特征变量的全部假设值构成一个等差数列，公差为当其他特征变量固定不变时，使得生理参数的计算值发生预设范围内改变
的、某一特征变量的最小变化步长。8.根据权利要求1所述的健康管理方法，其中，所述健康分析模型包括特征变量与生理参数之间的函数关系式。9.根据权利要求1所述的健康管理方法，其中，所述健康管理建议包括对于导致生理参数变化的原因为正常原因还是异常原因的判断结果。10.根据权利要求3所述的健康管理方法，其中，所述第一类特征变量包括身高、体重、年龄、心理健康指标、智力健康指标、摄入食物种类和数量、运动类型和时长、睡眠质量、外界环境指标和家族遗传病史中的至少一种。11.根据权利要求3所述的健康管理方法，其中，所述第二类特征变量包括与污染源接触的概率、组织器官检测结果和基因变异检测结果中的至少一种。12.根据权利要求1所述的健康管理方法，其中，生理参数包括血糖、血压、血氧、心率、体温中的至少一种。13.根据权利要求1所述的健康管理方法，其中，所述获取用户的生理参数的当前值和特征变量的当前值，包括：利用人机交互设备获取用户的生理参数的当前值和特征变量的当前值。14.一种健康管理装置，包括：获取模块，被配置为获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据，其中，特征变量和生理参数的相关性数据包括特征变量的假设值，以及根据特征变量的假设值，利用健康分析模型计算得到的生理参数的计算值；候选假设值选择模块，被配置为响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值；预测值选择模块，被配置为根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值；确定模块，被配置为根据特征变量的预测值，确定导致生理参数改变的原因；生成模块，被配置为根据导致生理参数变化的原因，生成健康管理建议。15.一种健康管理装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行如权利要求1至13任一项所述的健康管理方法。16.一种健康管理系统，包括根据权利要求14或15所述的健康管理装置，检测装置、输入装置和显示装置中的至少一个，其中检测装置用于检测用户的生理参数的当前值，输入装置用于获取特征变量的当前值，显示装置用于显示健康管理建议。17.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1至13任一项所述的健康管理方法。

技术总结
本公开涉及一种健康管理方法及装置、系统、计算机可读存储介质，涉及智慧医疗领域。该方法包括：获取用户的生理参数的当前值、影响生理参数的特征变量的当前值、特征变量和生理参数的相关性数据；响应于检测到生理参数的当前值相对于生理参数的历史值发生改变，根据生理参数的计算值与生理参数的当前值之间的差异度，从与生理参数的计算值对应的特征变量的假设值中选择特征变量的候选假设值；根据特征变量的当前值，选择特征变量的候选假设值中的一组或多组作为特征变量的预测值；根据特征变量的预测值，确定导致生理参数改变的原因；根据导致生理参数变化的原因，生成健康管理建议。根据本公开，能够准确地发现用户生理参数改变的原因并给出建议。改变的原因并给出建议。改变的原因并给出建议。


技术研发人员：杨波
受保护的技术使用者：四川阿赛斯生物科技有限公司
技术研发日：2022.03.08
技术公布日：2023/9/20