本发明涉及人工智能，具体而言，涉及一种基于ai驱动的临床研究患者招募方法及系统。
背景技术：
1、临床研究是医学发展不可或缺的一部分，而有效地招募合适的研究患者是成功进行临床研究的关键因素之一。传统的患者招募方法主要依赖于医生的推荐、患者数据库的查询以及公开的招募广告等，这些方法往往耗时长、效率低下，且难以精确匹配研究需求与患者特征。随着人工智能技术的发展，尤其是数据挖掘和机器学习领域的进步，为解决这一问题提供了新的思路。利用ai技术可以处理和分析大量复杂的医疗健康数据，从而识别出最适合特定临床研究需求的患者群体。然而，如何更精准、高效地利用ai技术进行患者招募，仍然是当前面临的主要挑战之一。
技术实现思路
1、本发明的目的在于提供一种基于ai驱动的临床研究患者招募方法及系统。
2、第一方面，本发明实施例提供一种基于ai驱动的临床研究患者招募方法，包括：
3、分别获取目标临床研究项目、主要相关实体、次要相关实体关于临床研究患者信息的基础需求患者表征向量；所述目标临床研究项目与所述主要相关实体之间存在直接相关性，所述目标临床研究项目与所述次要相关实体之间存在间接相关性；
4、将所述目标临床研究项目的基础需求患者表征向量与所述主要相关实体的基础需求患者表征向量进行首级联动分析，得到所述目标临床研究项目的首级关联表征向量；
5、将所述目标临床研究项目的基础需求患者表征向量与所述次要相关实体的基础需求患者表征向量、所述主要相关实体的基础需求患者表征向量进行次级联动分析，得到所述目标临床研究项目的次级关联表征向量；
6、根据所述首级关联表征向量与所述次级关联表征向量，生成所述目标临床研究项目的目标需求患者表征向量，根据所述目标需求患者表征向量为所述目标临床研究项目确定待招募的临床研究患者信息。
7、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面所述的方法。
8、相比现有技术，本发明提供的有益效果包括：采用本发明公开的一种基于ai驱动的临床研究患者招募方法及系统，包括：首先，获取与目标临床研究项目直接和间接相关实体的基础需求患者表征向量；然后，通过首级联动分析和次级联动分析，分别得到目标临床研究项目的首级关联表征向量和次级关联表征向量；最终，利用这些表征向量生成目标需求患者表征向量，并据此确定待招募的临床研究患者信息。如此设计，通过精确匹配临床研究的需求与潜在参与者的特征，优化了患者招募流程，提高了招募效率和质量。
1.基于ai驱动的临床研究患者招募方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分别获取目标临床研究项目、主要相关实体、次要相关实体关于临床研究患者信息的基础需求患者表征向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述主要相关实体的数量为至少两个，所述将所述目标临床研究项目的基础需求患者表征向量与所述主要相关实体的基础需求患者表征向量进行首级联动分析，得到所述目标临床研究项目的首级关联表征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述目标临床研究项目的基础需求患者表征向量与所述次要相关实体的基础需求患者表征向量、所述主要相关实体的基础需求患者表征向量进行次级联动分析，得到所述目标临床研究项目的次级关联表征向量，包括：
5.根据权利要求1所述的方法，其特征在于，所述次要相关实体的数量为至少两个，所述根据所述首级关联表征向量与所述次级关联表征向量，生成所述目标临床研究项目的目标需求患者表征向量，包括：
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述开发需求患者表征向量集包括开发需求患者表征向量，主开发相关实体实例、次开发相关实体实例；所述开发需求患者表征向量与所述目标临床研究项目实例不同，所述开发需求患者表征向量与所述主开发相关实体实例之间存在直接相关性，所述开发需求患者表征向量与所述次开发相关实体实例之间存在间接相关性；
8.根据权利要求7所述的方法，其特征在于，所述开发需求患者表征向量的推导需求患者表征向量与所述开发需求患者表征向量的预置需求患者表征向量中均包括多个患者信息类别对应的患者表征分量；
9.根据权利要求8所述的方法，其特征在于，所述对所述目标患者信息类别对应的待定分类代价参量进行均衡调整，得到所述目标患者信息类别对应的均衡调整后的待定分类代价参量，包括：
10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任一项所述的方法。
