1.一种基于麻醉科风险预测模型的构建方法，其特征在于，包括以下步骤：步骤S1：获取麻醉科历史麻醉数据，并根据麻醉科历史麻醉数据进行个体麻醉适应性分析，从而获得个体麻醉适应性数据；

步骤S2：获取历史病历数据，并根据麻醉科历史麻醉数据对历史病历数据进行麻醉病历数据提取，从而获得麻醉病历数据；根据麻醉病历数据进行术中麻醉风险评估，从而获得术中麻醉风险评估数据；

步骤S3：对麻醉病历数据进行个体生理特征提取，从而获得个体术前生理数据以及个体术后生理数据，并对个体术前生理数据以及个体术后生理数据进行术后麻醉风险评估，从而获得术后麻醉风险评估数据；

步骤S4：根据个体麻醉适应性数据对个体术前生理数据以及个体术后生理数据进行术后恢复偏移值评估，从而获得术后恢复偏移值数据；根据术后恢复偏移值数据对术后麻醉风险评估数据进行评估校正，从而获得术后麻醉风险评估校正数据；步骤S4具体为：步骤S41：根据个体麻醉适应性数据对个体术前生理数据以及个体术后生理数据进行高适应性个体数据分类，从而获得麻醉高适应性个体生理数据；

步骤S42：根据历史病历数据以及麻醉病历数据进行麻醉相关生理特征提取，从而获得麻醉相关生理数据；

步骤S43：根据麻醉相关生理数据对麻醉高适应性个体生理数据进行生理数据提取，从而获得高适应性个体相关生理数据；

步骤S44：根据正常生理系数范围对高适应性个体相关生理数据进行术后恢复偏移值计算，从而获得术后恢复偏移值数据；

步骤S45：根据术后恢复偏移值数据对术后麻醉风险评估数据进行评估校正，从而获得术后麻醉风险评估校正数据；步骤S45具体为：步骤S451：根据术后恢复偏移值数据对术后麻醉风险评估数据进行关联分析，从而获得待校正麻醉风险评估数据；

步骤S452：对待校正麻醉风险评估数据进行高风险数据提取，从而获得待校正术后高风险数据；

步骤S453：根据术后恢复偏移值数据对待校正术后高风险数据进行评估校正，从而获得术后高风险校正数据；

步骤S454：根据术后高风险校正数据对术后麻醉风险评估数据进行数据替换，从而获得术后麻醉风险评估校正数据；

步骤S5：基于麻醉科历史麻醉数据构建初始麻醉风险预测模型，并基于术后麻醉风险评估校正数据以及术中麻醉风险评估数据对初始麻醉风险预测模型进行迭代优化调参，从而获得麻醉科风险预测模型。

2.根据权利要求1所述的基于麻醉科风险预测模型的构建方法，其特征在于，步骤S1具体为：步骤S11：获取麻醉科历史麻醉数据，并对麻醉科历史麻醉数据进行麻醉不良特征提取，从而获得麻醉不良数据；

步骤S12：对麻醉科历史麻醉数据进行个体麻醉次数统计分析，从而获得高频麻醉个体数据以及低频麻醉个体数据；

步骤S13：根据麻醉不良数据对高频麻醉个体数据进行高频个体麻醉适应性分析，从而获得高频个体麻醉适应性数据；

步骤S14：根据麻醉不良数据对低频麻醉个体数据进行低频个体麻醉适应性分析，从而获得低频个体麻醉适应性数据；

步骤S15：将高频个体麻醉适应性数据以及低频个体麻醉适应性数据进行数据合并，从而获得个体麻醉适应性数据。

3.根据权利要求2所述的基于麻醉科风险预测模型的构建方法，其特征在于，步骤S13具体为：步骤S131：对高频麻醉个体数据进行麻醉间隔计算，从而获得麻醉间隔数据，并对麻醉间隔数据进行低间隔聚类计算，从而获得短间隔麻醉数据；

步骤S132：获取麻醉不良反应规则，并根据麻醉不良反应规则对麻醉不良数据进行不良程度分类，从而获得严重不良数据以及轻微不良数据；

步骤S133：对严重不良数据以及高频麻醉个体数据进行交集运算，从而获得高频麻醉低适应性个体数据，并根据短间隔麻醉数据对高频麻醉低适应性个体数据进行误判校正，从而获得高频麻醉低适应性个体校正数据；

步骤S134：对轻微不良数据以及高频麻醉个体数据进行交集运算，从而获得高频麻醉中适应性个体数据，并根据短间隔麻醉数据对高频麻醉中适应性个体数据进行误判校正，从而获得高频麻醉中适应性个体校正数据；

步骤S135：根据高频麻醉中适应性个体校正数据以及高频麻醉低适应性个体校正数据对高频麻醉个体数据进行交集数据剔除，从而获得高频麻醉高适应性个体数据；

步骤S136：将高频麻醉高适应性个体数据、高频麻醉低适应性个体校正数据以及高频麻醉中适应性个体校正数据进行数据合并，从而获得高频个体麻醉适应性数据。

4.根据权利要求3所述的基于麻醉科风险预测模型的构建方法，其特征在于，步骤S14具体为：步骤S141：对严重不良数据以及低频麻醉个体数据进行交集运算，从而获得低频麻醉低适应性个体数据；

步骤S142：对轻微不良数据以及低频麻醉个体数据进行交集运算，从而获得低频麻醉中适应性个体数据；

步骤S143：根据低频麻醉中适应性个体数据以及低频麻醉低适应性个体数据对低频麻醉个体数据进行交集数据剔除，从而获得低频麻醉高适应性个体数据；

步骤S144：将低频麻醉高适应性个体数据、低频麻醉低适应性个体数据以及低频麻醉中适应性个体数据进行数据合并，从而获得低频个体麻醉适应性数据。

5.根据权利要求1所述的基于麻醉科风险预测模型的构建方法，其特征在于，步骤S2具体为：步骤S21：获取历史病历数据，并根据麻醉科历史麻醉数据对历史病历数据进行麻醉病历数据提取，从而获得麻醉病历数据；

步骤S22：对麻醉病历数据进行术中监测数据提取以及麻醉药物数据提取，从而获得术中监测数据以及麻醉药物数据；

步骤S23：对术中监测数据进行频谱变换，从而获得术中监测频谱；

步骤S24：对术中监测频谱以及麻醉药物数据进行术中麻醉风险评估，从而获得术中麻醉风险评估数据。

6.根据权利要求5所述的基于麻醉科风险预测模型的构建方法，其特征在于，步骤S24具体为：步骤S241：对术中监测频谱进行频率波动统计，从而获得频率波动数据；

步骤S242：对频率波动数据以及麻醉药物数据进行时序关联分析，从而获得麻醉波动关联数据；

步骤S243：根据麻醉波动关联数据进行波动峰值计算，从而获得波动峰值数据，并对波动峰值数据进行阈值统计，从而获得异常波动峰值阈值；

步骤S244：根据正常波动峰值阈值对麻醉波动关联数据进行分类计算，从而获得高风险麻醉风险数据以及低风险麻醉风险数据；

步骤S245：将高风险麻醉风险数据以及低风险麻醉风险数据进行数据合并，从而获得术中麻醉风险评估数据。

7.根据权利要求1所述的基于麻醉科风险预测模型的构建方法，其特征在于，步骤S3具体为：步骤S31：对麻醉病历数据进行个体生理特征提取，从而获得个体术前生理数据以及个体术后生理数据；

步骤S32：对个体术前生理数据以及个体术后生理数据进行生理系数差值计算，从而获得高额差值生理数据以及低额差值生理数据；

步骤S33：对个体术后生理数据进行统计分析，从而获得正常生理系数范围，并根据正常生理系数范围对术后生理数据进行分类计算，从而获得正常术后生理数据以及异常术后生理数据；

步骤S34：根据高额差值生理数据以及异常术后生理数据进行交集运算，从而获得第一术后麻醉高风险数据；根据低额差值生理数据以及正常术后生理数据进行交集运算，从而获得第一术后麻醉低风险数据；

步骤S35：根据低额差值生理数据以及异常术后生理数据进行交集运算，从而获得第二术后麻醉高风险数据；根据高额差值生理数据以及正常术后生理数据进行交集运算，从而获得第二术后麻醉低风险数据；

步骤S36：将第一术后麻醉高风险数据、第二术后麻醉高风险数据、第一术后麻醉低风险数据以及第二术后麻醉低风险数据进行数据合并，从而获得术后麻醉风险评估数据。