1.一种疾病协同递进预测方法，其特征在于，所述方法包括：

目标用户确定步骤：将待监测的用户作为目标用户；

疾病预测模型获取步骤：获取预设功能的多个疾病预测模型；

疾病预测模型信息获取步骤：获取预设功能的每一疾病预测模型的预测效果记为P；获取预设功能的每一疾病预测模型的输入项的数量记为M；获取预设功能的每一疾病预测模型的输入项的单个样本获取成本记为C； 获取预设功能的每一疾病预测模型的输入项的难度记为D；所述成本包括经济成本或/和时间成本或/和人力成本；

疾病预测模型优选度计算步骤：根据预设功能的每一疾病预测模型的P、M、C、D，计算预设功能的每一疾病预测模型的优选度记为Q；Q=f（P，M，C，D），其中f为函数或算法，f能使得P越大时Q越大、M越小时Q越大、C越小时Q越大、D越小时Q越大；

疾病预测模型使用步骤：获取目标用户的数据，针对预设功能的每一疾病预测模型，判断目标用户的数据是否包含预设功能的该一疾病预测模型的所有输入项的数据；若是，则计算预设功能的该一疾病预测模型的Q；若否，则将预设功能的该一疾病预测模型的Q设置为无穷小；比较预设功能的每一疾病预测模型的Q值，将最大Q值对应的预设功能的疾病预测模型作为预设功能的最优疾病预测模型；将从目标用户的数据中选取预设功能的最优疾病预测模型的输入数据，通过预设功能的最优疾病预测模型进行计算，得到的输出作为目标用户的预设功能的预测结果。

2.根据权利要求1所述的疾病协同递进预测方法，其特征在于，所述方法还包括：

目标疾病确定步骤：将待监测的疾病作为目标疾病；

预设功能第一设置步骤：所述预设功能设置为目标疾病检测；预设功能的疾病预测模型设置为目标疾病检测的疾病预测模型；

目标疾病检测的疾病预测第一模型步骤：初始化深度学习模型作为目标疾病检测的疾病预测第一模型；将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为目标疾病检测的疾病预测第一模型的每一输入项，将目标用户患有目标疾病的概率的预期值作为目标疾病检测的疾病预测第一模型的输出项，对目标疾病检测的疾病预测第一模型进行训练，得到目标疾病检测的疾病预测第一模型；在使用时，将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为目标疾病检测的疾病预测第一模型的每一输入项，通过目标疾病检测的疾病预测第一模型的计算，得到的输出为目标用户患有目标疾病的概率的预测值；

目标疾病检测的疾病预测更多模型步骤：将目标疾病检测的第一疾病深入预测模型的所有输入项进行组合形成多个组合，为每一个组合初始化目标疾病检测的一个对应的疾病预测模型，将所述每一个组合中的每一输入项作为目标疾病检测的所述对应的疾病预测模型的每一输入项，将目标用户患有目标疾病的概率的预期值作为目标疾病检测的所述对应的疾病预测模型的输出项，对目标疾病检测的所述对应的疾病预测模型进行训练，得到目标疾病检测的所述对应的疾病预测模型；在使用时，将所述每一个组合中的每一输入项作为目标疾病检测的所述对应的疾病预测模型的每一输入项，通过目标疾病检测的所述对应的疾病预测模型的计算，得到的输出为目标用户患有目标疾病的概率的预测值。

3.根据权利要求1所述的疾病协同递进预测方法，其特征在于，所述方法还包括：

输入项设置步骤：所属输入项包括目标用户的图像或/和声音或/和情况或/和体征或/和其他相关数据；

用户图像获取步骤：获取目标用户的舌部图像或/和面部图像或/和手部图像或和身体其他部位的图像，作为目标用户的图像；

用户声音获取步骤：获取目标用户的说话声音或/和呼吸声音或/和肺音或和身体其他器官发出或产生的声音，作为目标用户的声音；

用户情况获取步骤：获取目标用户的对预设问题集合的回答，作为目标用户的情况；

用户体征获取步骤：获取目标用户的脉搏数据或/和心跳数据或/和血氧数据，作为目标用户的体征；

用户其他相关数据获取步骤：获取目标用户的包括医学检查数据在内的其他数据，作为目标用户的其他相关数据；

预期值获取步骤：将历史数据中用户患有目标疾病的概率、用户患有预设数个疾病的名称及其概率、用户的预设数个健康状况及其概率的诊断结果分别作为用户患有目标疾病的概率、用户患有预设数个疾病的名称及其概率、用户的预设数个健康状况及其概率的预期值。

4.根据权利要求1所述的疾病协同递进预测方法，其特征在于，所述方法还包括：

预设功能第二设置步骤：所述预设功能设置为疾病排查；预设功能的疾病预测模型设置为疾病排查的疾病预测模型；

疾病排查的疾病预测第一模型步骤：初始化深度学习模型作为疾病排查的疾病预测第一模型；将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为疾病排查的疾病预测第一模型的每一输入项，将目标用户患有预设数个疾病的名称及其概率作为疾病排查的疾病预测第一模型的输出项，对疾病排查的疾病预测第一模型进行训练，得到疾病排查的疾病预测第一模型；在使用时，将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为疾病排查的疾病预测第一模型的每一输入项，通过疾病排查的疾病预测第一模型的计算，得到的输出为目标用户患有预设数个疾病的名称及其概率的预测值；

疾病排查的更多疾病预测模型步骤：将疾病排查的第一疾病深入预测模型的所有输入项进行组合形成多个组合，为每一个组合初始化疾病排查的一个对应的疾病预测模型，将所述每一个组合中的每一输入项作为疾病排查的所述对应的疾病预测模型的每一输入项，将目标用户患有预设数个疾病的名称及其概率作为疾病排查的所述对应的疾病预测模型的输出项，对疾病排查的所述对应的疾病预测模型进行训练，得到疾病排查的所述对应的疾病预测模型；在使用时，将所述每一个组合中的每一输入项作为疾病排查的所述对应的疾病预测模型的每一输入项，通过疾病排查的所述对应的疾病预测模型的计算，得到的输出为目标用户患有预设数个疾病的名称及其概率的预测值。

5.根据权利要求1所述的疾病协同递进预测方法，其特征在于，所述方法还包括：

预设功能第三设置步骤：所述预设功能设置为健康检查；预设功能的疾病预测模型设置为健康检查的疾病预测模型；

健康检查的疾病预测第一模型步骤：初始化深度学习模型作为健康检查的疾病预测第一模型；将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为健康检查的疾病预测第一模型的每一输入项，将目标用户的预设数个健康状况及其概率作为健康检查的疾病预测第一模型的输出项，对健康检查的疾病预测第一模型进行训练，得到健康检查的疾病预测第一模型；在使用时，将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为健康检查的疾病预测第一模型的每一输入项，通过健康检查的疾病预测第一模型的计算，得到的输出为目标用户的预设数个健康状况及其概率；

健康检查的更多疾病预测模型步骤：将健康检查的第一疾病深入预测模型的所有输入项进行组合形成多个组合，为每一个组合初始化健康检查的一个对应的疾病预测模型，将所述每一个组合中的每一输入项作为健康检查的所述对应的疾病预测模型的每一输入项，将目标用户的预设数个健康状况及其概率作为健康检查的所述对应的疾病预测模型的输出项，对健康检查的所述对应的疾病预测模型进行训练，得到健康检查的所述对应的疾病预测模型；在使用时，将所述每一个组合中的每一输入项作为健康检查的所述对应的疾病预测模型的每一输入项，通过健康检查的所述对应的疾病预测模型的计算，得到的输出为目标用户的预设数个健康状况及其概率的预测值。

6.一种疾病协同递进预测系统，其特征在于，所述系统包括：

目标用户确定模块：将待监测的用户作为目标用户；

疾病预测模型获取模块：获取预设功能的多个疾病预测模型；

疾病预测模型信息获取模块：获取预设功能的每一疾病预测模型的预测效果记为P；获取预设功能的每一疾病预测模型的输入项的数量记为M；获取预设功能的每一疾病预测模型的输入项的单个样本获取成本记为C； 获取预设功能的每一疾病预测模型的输入项的难度记为D；所述成本包括经济成本或/和时间成本或/和人力成本；

疾病预测模型优选度计算模块：根据预设功能的每一疾病预测模型的P、M、C、D，计算预设功能的每一疾病预测模型的优选度记为Q；Q=f（P，M，C，D），其中f为函数或算法，f能使得P越大时Q越大、M越小时Q越大、C越小时Q越大、D越小时Q越大；

疾病预测模型使用模块：获取目标用户的数据，针对预设功能的每一疾病预测模型，判断目标用户的数据是否包含预设功能的该一疾病预测模型的所有输入项的数据；若是，则计算预设功能的该一疾病预测模型的Q；若否，则将预设功能的该一疾病预测模型的Q设置为无穷小；比较预设功能的每一疾病预测模型的Q值，将最大Q值对应的预设功能的疾病预测模型作为预设功能的最优疾病预测模型；将从目标用户的数据中选取预设功能的最优疾病预测模型的输入数据，通过预设功能的最优疾病预测模型进行计算，得到的输出作为目标用户的预设功能的预测结果。

7.根据权利要求6所述的疾病协同递进预测系统，其特征在于，所述系统还包括：

目标疾病确定模块：将待监测的疾病作为目标疾病；

预设功能第一设置模块：所述预设功能设置为目标疾病检测；预设功能的疾病预测模型设置为目标疾病检测的疾病预测模型；

目标疾病检测的疾病预测第一模型模块：初始化深度学习模型作为目标疾病检测的疾病预测第一模型；将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为目标疾病检测的疾病预测第一模型的每一输入项，将目标用户患有目标疾病的概率的预期值作为目标疾病检测的疾病预测第一模型的输出项，对目标疾病检测的疾病预测第一模型进行训练，得到目标疾病检测的疾病预测第一模型；在使用时，将目标用户的每一图像、每一声音、每一情况、每一体征、每一其他相关数据作为目标疾病检测的疾病预测第一模型的每一输入项，通过目标疾病检测的疾病预测第一模型的计算，得到的输出为目标用户患有目标疾病的概率的预测值；

目标疾病检测的疾病预测更多模型模块：将目标疾病检测的第一疾病深入预测模型的所有输入项进行组合形成多个组合，为每一个组合初始化目标疾病检测的一个对应的疾病预测模型，将所述每一个组合中的每一输入项作为目标疾病检测的所述对应的疾病预测模型的每一输入项，将目标用户患有目标疾病的概率的预期值作为目标疾病检测的所述对应的疾病预测模型的输出项，对目标疾病检测的所述对应的疾病预测模型进行训练，得到目标疾病检测的所述对应的疾病预测模型；在使用时，将所述每一个组合中的每一输入项作为目标疾病检测的所述对应的疾病预测模型的每一输入项，通过目标疾病检测的所述对应的疾病预测模型的计算，得到的输出为目标用户患有目标疾病的概率的预测值。

8.一种疾病协同递进预测装置，其特征在于，所述装置用于实现权利要求1‑5任意一项所述方法的步骤。

9.一种疾病协同递进预测机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能疾病协同递进预测机器人程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑5任意一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1‑5任意一项所述方法的步骤。