异质性疾病病患特征数据的处理方法、装置、设备及介质

技术领域

本公开涉及数据处理技术领域，尤其涉及一种异质性疾病病患特征数据的处理方法、装置、设备及介质。

背景技术

异质性医疗状况或异质性疾病是指具有多种病因的医疗状况，如肝炎或糖尿病。异质性疾病通常根据病因分为内型和亚型，内型是根据功能或者病理生理学的机制来进行定义，亚型是通过在临床上收集到的特征来进行定义。通过分析病患的血糖水平、肝脏脂肪含量、体脂分布、血脂水平和遗传风险等关键代谢参数，发现二型糖尿病有六种前期亚型，这六种亚型糖尿病分别有不同的临床特征表现，并且具有不同程度的发病风险。因此，通过对病患的关键代谢参数进行数据分析，可以很好地帮助医生对异质性疾病的亚型特征进行分析。

在现有技术中，对异质性疾病的病患数据进行处理分析的过程通常为：对收集的病患数据仅仅进行简单的标准化处理后就进行聚类分析，从而导致得到的聚类分析结果的准确度较低。

发明内容

本公开提供了一种异质性疾病病患特征数据的处理方法、装置、设备及介质，以至少解决现有技术中存在的以上技术问题。

根据本公开的第一方面，提供了一种异质性疾病病患特征数据的处理方法，所述方法包括：获取同一异质性疾病的多个病患的多个特征的数据；根据所述特征的医学含义确定所述特征的分类阈值，根据所述特征的分类阈值将所述特征对应的所述多个病患的数据进行分组；确定所述特征的各分组的数据量占所述特征的总数据量的比例；确定所述特征的任一分组对应的所述比例不满足比例阈值时，重新对所述特征对应的所述多个病患的数据进行分组；基于重新分组后的各特征的各分组包含的病患特征数据，对所述多个病患进行聚类分析。

在一可实施方式中，所述重新对所述特征对应的所述多个病患的数据进行分组，包括：根据所述特征的医学含义调整所述分类阈值的大小，按照调整后的分类阈值重新将所述特征对应的所述多个病患的数据进行分组。

在一可实施方式中，确定无法调整所述分类阈值时，将所述特征对应的所述多个病患的数据从小到大进行排序后，按照设定的每个分组对应的比例进行分组。

在一可实施方式中，根据所述特征的分类阈值将所述特征对应的所述多个病患的数据进行分组，包括：按照所述特征的分类阈值或调整后的分类阈值对所述特征对应的所述多个病患的数据进行分组时，得到第一分组和第二分组，所述第一分组包括的特征的数据小于所述分类阈值，第二分组包括的各特征数据大于等于所述分类阈值。

在一可实施方式中，对所述多个病患进行聚类分析之前，该方法还包括：为所述第一分组中各病患的数据分配第一分值，为所述第二分组中各病患的数据分配第二分值，所述第一分值小于所述第二分值，以根据所述第一分值和第二分值形成每一患者的特征向量，并基于所述特征向量进行聚类分析。

在一可实施方式中，所述方法还包括：根据所述聚类分析结果，当确定所述聚类分析结果不满足预设条件时，再次重新根据所述特征的医学含义确定所述特征的分类阈值的个数，按照调整后的分类阈值重新将所述特征对应的所述多个病患的数据进行分组。

在一可实施方式中，再次重新根据所述特征的医学含义确定所述特征的分类阈值的个数，按照调整后的分类阈值重新将所述特征对应的所述多个病患的数据进行分组，包括：再次重新根据所述特征的医学含义确定所述特征的分类阈值的个数，所述分类阈值包括第一分类阈值和第二分类阈值，第一分类阈值小于所述第二分类阈值；根据所述第一分类阈值和第二分类阈值对所述特征对应的所述多个病患的数据进行分组，得到第一分组、第二分组和第三分组；所述第一分组包括的各病患的数据小于所述第一分类阈值，所述第二分组包括的各病患的数据大于等于所述第一分类阈值且小于所述第二分类阈值，所述第三分组包括的各病患的数据大于等于所述第二分类阈值。

在一可实施方式中，对所述多个病患进行聚类分析之前，该方法还包括：为所述第一分组中各病患的数据分配第一分值，为所述第二分组中各病患的数据分配第二分值，为所述第三分组中各病患的数据分配第三分值，所述第一分值小于所述第二分值，所述第二分值小于所述第三分值，以根据所述第一分值、第二分值和第三分值形成每一患者的特征向量，并基于所述特征向量进行聚类分析。

根据本公开的第二方面，提供了一种异质性疾病病患特征数据的处理装置，其特征在于，所述装置包括：获取单元，用于获取同一异质性疾病的多个病患的多个特征的数据；分组单元，用于根据所述特征的医学含义确定所述特征的分类阈值，根据所述特征的分类阈值将所述特征对应的所述多个病患的数据进行分组；确定单元，用于确定所述特征的各分组的数据量占所述特征的总数据量的比例；所述分组单元，在确定所述特征的任一分组对应的所述比例不满足比例阈值时，还用于重新对所述特征对应的所述多个病患的数据进行分组；聚类分析单元，用于基于重新分组后的各特征的各分组包含的病患特征数据，对所述多个病患进行聚类分析。

根据本公开的第三方面，提供了一种设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。

本公开的异质性疾病病患特征数据的处理方法、装置、设备及介质，通过将同一异质性疾病的多个病患的多个特征的数据，根据特征的医学含义，确定对应的分类阈值并进行分组，使得每个特征下的数据在分组后仍保留了相应的医学含义。判断每个分组中病患数据占总数据量的比例，并在确定特征的任一分组对应的所述比例不满足比例阈值时，重新对所述特征对应的多个病患的数据进行分组，如此，保证每个分组所占的比例均衡。基于分组后病患数据进行聚类分析，如此，得到的聚类分析结果也同样结合了医学知识的判断，同时提高了聚类分析结果的准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1示出了本公开实施例异质性疾病病患特征数据的处理方法的实现流程示意图；

图2示出了本公开实施例聚类方法的实现流程示意图；

图3示出了本公开实施例异质性疾病病患特征数据的处理方法的具体实现流程示意图；

图4示出了本公开实施例异质性疾病病患特征数据的处理装置示意图；

图5示出了本公开实施例一种设备的组成结构示意图。

具体实施方式

为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

在现有技术中，对异质性疾病的亚型识别通常是先对收集的病患数据进行标准化处理，然后将处理后的数据进行聚类分类，确定疾病的亚型类型，再对聚类的结果进行分析。数据的标准化是通过一定的数学变换方式，将所有的数据映射到同一尺度，即让每一个特征数据的影响力是相同的。例如常见的数据标准化处理包括均值方差标准化和极差标准化。均值方差标准化是通过计算数据的均值和方差，利用公式将每个数据转化为标准正态分布；极差标准化是获取数据集中的最大值和最小值，并计算极差，再利用公式将每个数据标准化映射成在区间[0，1]中。

在数据标准化处理的过程中，往往忽略了收集的病患数据所具有的医学含义，导致在经过简单的标准化处理后的数据包含的有用信息较少。例如，血糖的正常范围是3.9～6.1mmol/L，9mmol/L的血糖值相较于正常血糖范围具有“偏高”的医学含义，而4mmol/L的血糖值具有“正常”的医学含义。经过标准化处理的数据由于缺失了医学含义，使得标准化处理后的数据包含较少的有用信息，因此得到的聚类分类结果也同样缺乏结合医学知识的判断，导致在对聚类分类结果进行分析时，得到的分析结果准确度不高。因此，为了提高分析结果的准确性，本公开了提供了一种异质性疾病病患特征数据的处理方法，如图1所示，该方法包括：

步骤101，获取同一异质性疾病的多个病患的多个特征的数据。

本公开示例所述的特征可为从多个病患的临床数据中提取的，可以表示为：f

本公开中，针对某种异质性疾病确定可提取的多个特征，选取该异质性疾病的多个病患，获取每个病患的临床数据，从中提取出该病患的上述每个特征的数据。后续步骤的处理基于该异质性疾病的上述多个病患的全部特征的数据。

获取病患特征数据的方式可以是从医院的数据库中调取。例如，从医院的数据库中调取10个二型糖尿病病患的血糖、血脂(以甘油三酯为例)、腰围等数据作为本示例中病患的特征的数据，如下表1所示：

表1

步骤102，根据特征的医学含义确定特征的分类阈值，根据特征的分类阈值将特征对应的多个病患的数据进行分组。

每个特征的医学含义不同，例如血糖的医学含义是血液中葡萄糖的浓度，血脂的医学含义是指血浆中的中性脂肪(甘油三酯和胆固醇)的浓度。基于每个特征的医学含义确定相应的分类阈值，并根据分类阈值将特征的多个病患的数据进行分组。一般将每个特征下的病患的数据分为2～3组较为合理，原因在于病患的数据与分组结果的关系通常为：

(1)单调关系。根据一个分类阈值，将病患的数据划分为正常/异常，或者安全/危险，此时分为两组较为合适。

(2)先升后降或先降后升关系。即存在最佳范围，该最佳范围由两个大小不同的分类阈值构成，病患的数据划分在最佳范围之内的为正常状态，在最佳范围的两端之外即为异常，例如偏低/正常/偏高，此时分为三组较为合适。

如若再划分更多的分组，则会引入过拟合的风险，因此，在本公开中以将每个特征下的病患的数据划分为两组或者三组为最优选择。

每个特征的医学含义不同，需要针对每个特征确定对应的分类阈值(或上述的最佳范围，最佳范围由两个分类阈值组成)。

步骤103，确定特征的各分组的数据量占特征的总数据量的比例。

特征的总数据量即为该特征下所有病患的数量，在根据分类阈值完成分组后，每组的数据量即为该组中病患的数量。将每组病患的数量除以特征下病患的总数量得到该组的比例。

基于表1的示例，在根据血糖的分类阈值分组后，血糖值低于5mmol/L的一组病患的数量为1，因此，该分组占血糖这一特征的总数据量的比例为10％。

步骤104，确定特征的任一分组对应的比例不满足比例阈值时，重新对特征对应的多个病患的数据进行分组。

在完成分组后，每个分组都有对应的比例阈值。例如，将一特征下的所有病患的数据分为两组，则每个分组的比例阈值可为20％，若分组的比例小于20％，则认为该分组不满足比例阈值；若将一特征下的所有病患的数据分为三组，则每个分组的比例阈值可为10％，若分组的比例小于10％，则认为该分组不满足比例阈值。此处比例阈值仅为示例，该示例中比例阈值的具体数值可根据需求进行调整。

判断特征的任一分组对应的比例是否满足比例阈值，对于同一特征的数据，如果出现某一分组所占的比例失衡，即该分组的数据占绝大多数，如此就会导致该特征的病患数据产生的方差就会很小。方差主要衡量数据的离散程度，同一属性的数据之间的方差越大，数据的离散程度越大，即该数据包含的有效信息越多，越有利于后续的聚类分类。反之，如果方差趋向于0，数据的离散程度小，说明该数据不包含有用的信息，在聚类时，特征向量容易在该属性的维度上聚集，导致分类困难。因此，在通过比例阈值衡量出某一分组所占的比例失衡时，需要对该特征对应的多个病患的数据进行重新分组。

步骤105，基于重新分组后的各特征的各分组包含的病患特征数据，对多个病患进行聚类分析。

对所有的特征均进行上述的分组处理，例如，将血糖被分为两个分组，甘油三酯的数据被分为三个分组，腰围也被分为两个分组，基于这样分组后的数据，再进行聚类分析。如此，可将步骤101中所述的多个病患进行聚类分类，得到同一类的病患属于一个亚型。

本公开提供了一种异质性疾病病患特征数据的处理方法，对于同一异质性疾病的多个病患的多个特征的数据，根据特征的医学含义，确定特征对应的分类阈值，并将该特征的数据进行分组，使得每个特征下的数据在分组后仍保留了相应的医学含义。判断每个分组中病患数据占总数据量的比例，并在确定特征的任一分组对应的所述比例不满足比例阈值时，重新对所述特征对应的多个病患的数据进行分组，如此，保证每个分组所占的比例均衡。基于分组后病患数据进行聚类分析，如此，得到的聚类分析结果也同样结合了医学知识的判断，同时提高了聚类分析结果的准确度。

此外，相较于传统的将数据集中的每个数据进行标准化处理，本公开采用对病患的数据进行分类的处理过程，不仅简单快捷，而且也不需要计算数据的均值、最大值和最小值，因而避免了传统数据标准化中由于防止影响均值、最大值、最小值的计算和确定而需要删除一些极端的数据，能够最大程度的保留原始数据，更有利于后续做聚类分析。

在一个示例中，重新对特征对应的多个病患的数据进行分组，包括：

根据特征的医学含义调整分类阈值的大小，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组。

当确定特征的任一分组对应的比例不满足比例阈值时，重新对该特征对应的上述多个病患的数据进行分组，调整分组的方式可以是调整分类阈值的大小，使得任一分组的比例均满足比例阈值。

在一个示例中，确定无法调整分类阈值时，将特征对应的多个病患的数据从小到大进行排序后，按照设定的每个分组对应的比例进行分组。

如若在确定无法调整分类阈值时，例如经过多次调整分类阈值后，仍存在一个分组的比例不满足比例阈值的情况，可以将特征对应的多个病患的数据从小到大进行排序，并按照每个分组设定的比例，重新对特征对应的多个病患的数据进行分组。

例如，在多次调整血糖的分类阈值后，某一分组的比例仍小于20％，此时停止对血糖分类阈值的调整，直接将血糖这一特征下所有的病患数据按照从小到大的顺序排序，再按照两个分组各50％的比例重新进行划分。此处设定的比例仅为示例，每个分组设定的比例可以根据实际情况进行调整，只需保证每个分组对应的比例均大于等于相应的比例阈值即可。

在一个示例中，根据特征的分类阈值将特征对应的多个病患的数据进行分组，包括：按照特征的分类阈值或调整后的分类阈值对特征对应的多个病患的数据进行分组时，得到第一分组和第二分组，第一分组包括的特征的数据小于分类阈值，第二分组包括的各特征数据大于等于分类阈值。

较佳地，在首次对特征对应的多个病患的数据进行分组时，可依据一个分类阈值分为两组，得到第一分组和第二分组，第一分组包括的各病患的数据小于分类阈值，第二分组包括的各病患的数据大于等于分类阈值。其中，一组的病患在该特征下为正常状态，而另一组的病患在该特征下为异常状态。

例如，根据血糖的医学含义，确定血糖的分类阈值为5mmol/L，基于该分类阈值，可以将上表1中10个病患的血糖的数据划分为两组，其中血糖值低于5mmol/L的一组病患，认为这组病患的血糖正常，而血糖值高于5mmol/L的一组病患，认为这组病患的血糖异常。相应的，可将上表1中病患的血糖数据分为第一分组(Ⅰ)和第二分组(Ⅱ)，如下表2所示。

表2

在一个示例中，对多个病患进行聚类分析之前，该方法还包括：为第一分组中各病患的数据分配第一分值，为第二分组中各病患的数据分配第二分值，第一分值小于第二分值，以根据第一分值和第二分值形成每一患者的特征向量，并基于特征向量进行聚类分析。

在本示例中，给每个分组的病患数据进行赋分的过程可以认为是将每个分组的病患数据对应的医学含义以分值的形式表示出来。例如，在根据分类阈值将多个病患对应的特征数据进行分组后，为第一分组的数据分配0分，即表示该分组的病患在该检查项目中处于正常状态，在对亚型疾病的判断(聚类分类)影响较小；而第二分组的数据可分配1分，即表示该分组的病患在该检查项目处于异常状态，在对亚型疾病的判断影响较大。需要注意的是，0分和1分仅为示例，本公开对此不做限制，只要保证第一分值小于第二分值即可。

在对每个分组的病患数据分配相应的分值之后，根据第一分值和第二分值形成每一患者的特征向量，并基于多个病患的特征向量进行聚类分析。

具体的，将所有病患的特征向量输入聚类模型中进行聚类分类，得到聚类的分类结果，其中，聚类分类结果即为病患对应的亚型类型。聚类分类的实现过程如图2所示，包括：

步骤201，获取聚类的类别数目k。

例如，二型糖尿病有六种亚型，因此在对二型糖尿病病患进行亚型类型的判断时，可以将k设为6。k值的设定可以由用户提供或者采用聚类最佳数目的确定方法，本公开对此不做限定。

步骤202，从特征向量中随机选择k个作为聚类中心，并分别计算其他每个特征向量到聚类中心的距离，并将每个特征向量归到与其最近的聚类中心的类别中。

步骤203，重新计算每一类别的聚类中心。

步骤204，重复步骤202和步骤203直至达到终止条件输出聚类的结果，终止条件为达到重复的预设次数或最后两次计算得到的聚类中心一致。

在完成聚类分类后输出聚类分类的结果，以使用户对聚类分类结果进行分析。对聚类分类结果的分析是指将聚类分类的结果结合多个病患的特征，利用医学知识进行对比分析，例如判断病患的死亡率、代谢指数、并发症的发病概率等等。

在一个示例中，根据聚类分析结果，当确定聚类分析结果不满足预设条件时，再次重新根据特征的医学含义确定特征的分类阈值的个数，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组。

在本示例中，在聚类分析结果不符合预期时，例如聚类分类的结果不满意或者分析结果不符合实际情况时，可以重新根据特征的医学含义确定特征的分类阈值的个数，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组。进行重新分组的特征可以是步骤101中提取的全部特征，也可以是部分特征，本示例对此不作限制。

在一个示例中，再次重新根据特征的医学含义确定特征的分类阈值的个数，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组，包括：再次重新根据特征的医学含义确定特征的分类阈值的个数，分类阈值包括第一分类阈值和第二分类阈值，第一分类阈值小于第二分类阈值；根据第一分类阈值和第二分类阈值对特征对应的多个病患的数据进行分组，得到第一分组、第二分组和第三分组；第一分组包括的各病患的数据小于第一分类阈值，第二分组包括的各病患的数据大于等于第一分类阈值且小于第二分类阈值，第三分组包括的各病患的数据大于等于第二分类阈值。

本公开中，较佳地，由于首次分组分为两个分组，因此在确定重新分组时，可分为三组，即分别为第一分组、第二分组和第三分组，因此需要确定两个大小不同的分类阈值，即第一分类阈值和第二分类阈值。其中，第一分组包括的各病患的数据小于第一分类阈值，第二分组包括的各病患的数据大于等于第一分类阈值且小于第二分类阈值，第三分组包括的各病患的数据大于等于第二分类阈值。在三个分组中病患的数据在该特征下的状态可以分别表示为偏低、正常和偏高。

例如，承接上表2，对血糖这一特征下对应的病患数据进行重新分组，获取血糖的两个分类阈值，分别为5.5mmol/L和6.5mmol/L，基于这两个分类阈值，重新将血糖对应的病患数据重新分为三组，得到下表3：

表3

在一个示例中，对多个病患进行聚类分析之前，该方法还包括：为第一分组中各病患的数据分配第一分值，为第二分组中各病患的数据分配第二分值，为第三分组中各病患的数据分配第三分值，第一分值小于第二分值，第二分值小于第三分值，以根据第一分值、第二分值和第三分值形成每一患者的特征向量，并基于特征向量进行聚类分析。

在本示例中，对特征对应的多个病患的数据进行重新分组和分配分值，例如，给第一分组中的病患数据分配0分，给第二分组中的病患数据分配1分，给第三分组中的病患数据分配2分。需要注意的是，0分、1分和2分仅为示例，本公开对此不做限制，只要保证第一分值小于第二分值、第二分值小于第三分值即可。

在对特征对应的病患数据进行重新分组赋值后，重新输出病患新的特征向量，基于新的特征向量，重新进行聚类和对聚类结果进行分析，直至聚类分析结果符合预期为止。

下面通过一个具体的示例对本公开的上述方法进行详细的说明，如图3所示，包括：

步骤301，获取同一异质性疾病的多个病患的多个特征的数据。

步骤302，根据特征的医学含义确定分类阈值，根据分类阈值将特征对应的多个病患的数据划分为N组。

在进行首次分组时，N＝2，因此需根据每个特征的医学含义，确定相应的一个分类阈值。例如，血糖的分类阈值为5mmol/L、甘油三酯的分类阈值为160mg/dL、腰围的分类阈值为80cm。根据分类阈值，将特征下的病患的数据分为两组，分别为第一分组和第二分组，其中第一分组中病患的数据小于相应的分类阈值(正常)，而第二分组中病患的数据大于等于相应的分类阈值(异常)。

分类阈值的获取方式可以是系统中设定的数据，在从用户接口中接收到对病患的数据进行首次分组赋值的请求之后，可以根据特征从系统中调取相应的分类阈值，用于后续的分组；也可以是，在获取首次的分组赋值请求时，通过用户接口提示用户需要对所有数据进行分类并提示用户输入每个特征对应的分类阈值，由此获取每个特征的分类阈值。根据确认的分类阈值对相应特征下的所有的病患的数据进行分组，即第一分组和第二分组。

承接上表1，根据上述分类阈值，对表1中的病患数据进行首次分组，分组的结果如下表4：

表4

步骤303，承接步骤302N＝2的示例，判断是否存在任一分组所占的比例小于比例阈值(例如20％)，若是，执行步骤304；若否，执行步骤307。

计算每个分组中病患的数量占总数据量的比例，将每组的比例与比例阈值进行比较，不存在任一分组所占的比例小于20％，则执行步骤307，若存在任一分组所占的比例小于20％，执行步骤304。

步骤304，确定能否调整分类阈值，若是，执行步骤305，否则执行步骤306。

当分类阈值调整次数超过预设次数可认为无法调整分类阈值。

步骤305，调整分类阈值并重新分组，以使每个分组的占比大于等于比例阈值。

通过调整分类阈值的方式，使得每个分组的比例均大于等于比例阈值。调整分类阈值的方式可以是系统根据预设的规则进行调整，也可以是通过用户接口提示用户输入新的分类阈值，若通过用户接口获取不到分类阈值，也可认为无法调整分类阈值。

在表4中，血糖的病患数据小于分类阈值的数据的比例为10％，小于比例阈值20％，这种情况不利于后续的聚类分析，因此，可将血糖的分类阈值从5mmol/L上调至6mmol/L后，重新对血糖的病患数据进行分组，并确定分组后每个分组中病患的数量占总数据量的比例，得到每个分组的比例均大于等于20％。如此，在调整血糖的分类阈值后可得到下表5：

表5

步骤306，在确定分类阈值无法调整的情况下，将该特征下所有的病患数据按从小到大的顺序排序，并按照每个分组设定的比例重新进行划分，例如，将所有的病患数据按5：5划分。

步骤307，第一分组的病患数据记为0分，代表该组病患在该特征下处于正常状态；第二分组的病患数据记为1分，代表该组病患在该特征下处于异常状态。该步骤承接步骤303、或步骤305或步骤306，即：

当每个分组的占比均大于比例阈值20％(承接步骤303)，对第一分组和第二分组分配分值；或者，

调整了分类阈值并重新分组之后(承接步骤305)，对第一分组和第二分组分配分值；或者，

无法调整分类阈值，按照每个分组设定的比例重新分组后(承接步骤306)，对第一分组和第二分组分配分值。

对上表5中分组后的病患的数据进行记分，得到表6：

表6

步骤308，为每个分组分配分值之后，输出每个病患的特征向量，该特征向量由病患数据对应的分值构成，对所有病患的特征向量进行聚类分类，并将聚类分类的结果与病患的特征进行结合比对分析。

例如，输出上表6中10位病患的病患特征数据的10个特征向量：病患1的特征向量为[0，1，0]，病患2的特征向量为[0，1，0]，病患3的特征向量为[1，0，0]，病患4的特征向量为[1，0，0]，病患5的特征向量为[1，0，0]，病患6的特征向量为[1，1，1]，病患7的特征向量为[1，1，1]，病患8的特征向量为[1，0，1]，病患9的特征向量为[1，1，1]以及病患10的特征向量为[1，1，1]。

将所有病患的特征向量进行聚类分类，可得到多个簇，每个簇中包含多个病患，这些病患的特征之间具有高度相似性。利用医学知识，将病患的特征与聚类分类的结果进行结合对比分析，可判断出病患的亚型类型、死亡率、代谢指数、并发症的发病概率等等。

当用户对聚类分析的结果不满意时，返回步骤302，将特征对应的病患的数据分为三组，此时N＝3。

可以针对性地对指定特征的病患数据进行重新分组，指定特征可以是全部特征，也可以是部分特征。可通过用户接口获取用户对指定特征下的病患数据进行重新分组和赋值的请求，相应的，获取该特征的两个大小不同的分类阈值，据第一分类阈值和第二分类阈值。两个分类阈值获取的方式与首次获取分类阈值的方式相同，在此不做赘述。根据第一分类阈值和第二分类阈值，将该特征下的病患数据分为三组，即第一分组、第二分组和第三分组。

例如，用户对聚类分析的结果不满意，指定对甘油三酯这一特征下对应的病患数据进行重新分组，因此首先获取甘油三酯的两个分类阈值，分别为155mg/dL和199mg/dL，基于这两个分类阈值，重新将上表6中甘油三脂对应的病患数据重新分为三组，得到下表7(本次分组并未针对血糖和腰围，因此，血糖和腰围采用首次的分组结果)：

/>

表7

步骤309，承接步骤302N＝3的示例，判断是否存在任一分组所占的比例小于比例阈值(例如10％)，若是，执行步骤310；若否，执行步骤313。

计算每个分组中病患的数量占总数据量的比例，将每组的比例与比例阈值进行比较，不存在任一分组所占的比例小于10％，则执行步骤313，若存在任一分组所占的比例小于10％，执行步骤310。

步骤310，确定能否调整分类阈值，若是，执行步骤311，否则执行步骤312。

当分类阈值调整次数超过预设次数可认为无法调整分类阈值。

步骤311，调整分类阈值并重新分组，以使每个分组的占比大于等于比例阈值10％。

在确定存在至少一组的比例小于10％时，可以通过调整分类阈值的方式，重新对该特征下的数据进行分组，使得每个分组的比例均大于等于比例阈值10％。调整两个分类阈值的方式与上述调整一个分类阈值的方式相同，在此不做赘述。

步骤312，在确定分类阈值无法调整的情况下，将该特征下所有的病患数据按从小到大的顺序排序，并按照每个分组设定的比例重新进行划分，例如，将所有的病患数据按3：4：3划分。

步骤313，对第一分组、第二分组和第三分组分配分值。第一分组的病患数据记为0分，代表该组病患在该特征下处于偏低状态；第二分组的病患数据记为1分，代表该组病患在该特征下处于正常状态；第三分组的病患数据记为2分，代表该组病患在该特征下处于偏高状态。该步骤承接步骤309、或步骤311或步骤312，即：

当每个分组的占比均大于比例阈值10％(承接步骤309)，对第一分组、第二分组和第三分组分配分值；或者，

调整了分类阈值并重新分组之后(承接步骤311)，对第一分组、第二分组和第三分组分配分值；或者，

无法调整分类阈值，按照每个分组设定的比例重新分组后(承接步骤312)，对第一分组、第二分组和第三分组分配分值。

对上表7中分组后的病患的数据进行记分，得到表8：

表8

最后，再次执行步骤308，输出每个病患的特征向量，并将所有病患的特征向量进行重新聚类分类，根据聚类的结果进行分析，得到新的分析结果。

为了实现上述方法，本公开还提供一种异质性疾病病患特征数据的处理装置，如图4所示，该装置包括：

获取单元401，用于获取同一异质性疾病的多个病患的多个特征的数据；

分组单元402，用于根据特征的医学含义确定特征的分类阈值，根据特征的分类阈值将特征对应的多个病患的数据进行分组；

确定单元403，用于确定特征的各分组的数据量占特征的总数据量的比例；

分组单元402，在确定特征的任一分组对应的比例不满足比例阈值时，还用于重新对特征对应的多个病患的数据进行分组；

聚类分析单元404，用于基于重新分组后的各特征的各分组包含的病患特征数据，对多个病患进行聚类分析。

在一个示例中，上述分组单元402还用于，在重新对特征对应的多个病患的数据进行分组时，根据特征的医学含义调整分类阈值的大小，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组。

在一个示例中，上述分组单元402还用于，在确定无法调整分类阈值时，将特征对应的多个病患的数据从小到大进行排序后，按照设定的每个分组对应的比例进行分组。

在一个示例中，上述分组单元402，在根据特征的分类阈值将特征对应的多个病患的数据进行分组时，具体用于：按照特征的分类阈值或调整后的分类阈值对特征对应的多个病患的数据进行分组时，得到第一分组和第二分组，第一分组包括的特征的数据小于分类阈值，第二分组包括的各特征数据大于等于分类阈值。

在一个示例中，如图4所示，上述装置还包括赋值单元405，用于在对多个病患进行聚类分析之前，为第一分组中各病患的数据分配第一分值，为第二分组中各病患的数据分配第二分值，第一分值小于第二分值，以根据第一分值和第二分值形成每一患者的特征向量，并基于特征向量进行聚类分析。

在一个示例中，上述分组单元402，还用于根据聚类分析结果，当确定聚类分析结果不满足预设条件时，再次重新根据特征的医学含义确定特征的分类阈值的个数，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组。

在一个示例中，上述分组单元402，还用于再次重新根据特征的医学含义确定特征的分类阈值的个数，按照调整后的分类阈值重新将特征对应的多个病患的数据进行分组，包括：再次重新根据特征的医学含义确定特征的分类阈值的个数，分类阈值包括第一分类阈值和第二分类阈值，第一分类阈值小于第二分类阈值；根据第一分类阈值和第二分类阈值对特征对应的多个病患的数据进行分组，得到第一分组、第二分组和第三分组；第一分组包括的各病患的数据小于第一分类阈值，第二分组包括的各病患的数据大于等于第一分类阈值且小于第二分类阈值，第三分组包括的各病患的数据大于等于第二分类阈值。

在一个示例中，上述赋值单元405，还用于对多个病患进行聚类分析之前，为第一分组中各病患的数据分配第一分值，为第二分组中各病患的数据分配第二分值，为第三分组中各病患的数据分配第三分值，第一分值小于第二分值，第二分值小于第三分值，以根据第一分值、第二分值和第三分值形成每一患者的特征向量，并基于特征向量进行聚类分析。

根据本公开的实施例，本公开还提供了一种设备和一种可读存储介质。

图5示出了可以用来实施本公开的实施例的示例设备500的示意性框图。设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如异质性疾病病患特征数据的处理方法。例如，在一些实施例中，异质性疾病病患特征数据的处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的异质性疾病病患特征数据的处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行异质性疾病病患特征数据的处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。