计算机数据处理方法、装置、介质及电子设备制造方法及图纸

本发明专利技术实施例提供了一种计算机数据处理方法、装置、介质及电子设备，属于电数据处理技术领域。该计算机数据处理方法包括：获取目标对象与目标疾病相关的第一预设数量的当前疾病特征；从所述第一预设数量的当前疾病特征中选择第二预设数量的目标当前疾病特征；根据所述目标当前疾病特征并利用训练完成的基于机器学习的生存预测模型，获得所述目标对象的当前终点特征。本发明专利技术实施例的技术方案能够基于目标疾病的历史数据训练基于机器学习的生存预测模型实现目标对象的目标疾病的终点特征的预测。

【技术实现步骤摘要】
计算机数据处理方法、装置、介质及电子设备
本专利技术涉及电数据处理
，具体而言，涉及一种计算机数据处理方法、装置、介质及电子设备。
技术介绍
据世界卫生组织统计，全球40％的鼻咽癌发生在中国，其中以广东最多，因此鼻咽癌也被称为“广东瘤”。由于鼻咽癌发病部位隐蔽，初次到医院就诊的患者中70％以上已经伴有周围颅骨侵犯和颈部淋巴结转移，从而导致鼻咽癌患者的预后不佳。如何提高鼻咽癌患者的预后评估效果，一直以来都是全世界学者的研究重点。因此，需要一种新的计算机数据处理方法、装置、计算机可读介质及电子设备。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术实施例的目的在于提供一种计算机数据处理方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中存在无法准确预测相关疾病预后效果的问题。本专利技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本专利技术的实践而习得。根据本公开的一个方面，提供一种计算机数据处理方法，包括：获取目标对象与目标疾病相关的第一预设数量的当前疾病特征；从所述第一预设数量的当前疾病特征中选择第二预设数量的目标当前疾病特征；根据所述目标当前疾病特征并利用训练完成的基于机器学习的生存预测模型，获得所述目标对象的当前终点特征。在本公开的一种示例性实施例中，所述方法还包括：获取满足预设条件的历史病历数据作为样本；将所述样本随机分配为训练集和测试集；利用所述训练集训练所述生存预测模型；利用所述测试集验证所述生存预测模型。在本公开的一种示例性实施例中，所述目标疾病为鼻咽癌；其中，利用所述训练集训练所述生存预测模型，包括：从所述训练集中提取与鼻咽癌相关的所述第一预设数量的历史疾病特征和历史终点特征；从所述第一预设数量的历史疾病特征中选择所述第二预设数量的目标历史疾病特征；根据所述第二预设数量的目标历史疾病特征及其历史终点特征训练所述生存预测模型。在本公开的一种示例性实施例中，从所述第一预设数量的历史疾病特征中选择所述第二预设数量的目标历史疾病特征，包括：利用多因素方差分析，通过假设检验的过程来判断所述第一预设数量的历史疾病特征是否对所述历史终点特征产生显著性影响；从所述第一预设数量的历史疾病特征中选择对所述历史终点特征产生显著性影响的所述第二预设数量的目标历史疾病特征。在本公开的一种示例性实施例中，所述第一预设数量的历史疾病特征包括鼻咽癌患者性别、年龄、初次诊断时的WHO病理类型、吸烟史、饮酒史、家族史、T分期、N分期、血红蛋白和白蛋白值。在本公开的一种示例性实施例中，所述预设条件为出院诊断为鼻咽癌、初次诊断无转移且有随访数据的历史病历数据。在本公开的一种示例性实施例中，所述随访数据包括死亡时间、转移时间、转移部位、复发时间和复发部位；所述历史终点特征包括总生存、无转移生存和无复发生存；从所述训练集中提取与鼻咽癌相关的历史终点特征，包括：根据所述随访数据获得所述历史终点特征。根据本公开的一个方面，提供一种计算机数据处理装置，包括：当前疾病特征获取模块，配置为获取目标对象与目标疾病相关的第一预设数量的当前疾病特征；目标疾病特征获取模块，配置为从所述第一预设数量的当前疾病特征中选择第二预设数量的目标当前疾病特征；终点特征预测模块，配置为根据所述目标当前疾病特征并利用训练完成的基于机器学习的生存预测模型，获得所述目标对象的当前终点特征。根据本公开的一个方面，提供一种计算机设备，包括存储器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一实施例所述的方法。根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一实施例所述的方法。本专利技术实施例提供的技术方案可以包括以下有益效果：在本专利技术的一些实施例所提供的技术方案中，一方面，通过训练完成的基于机器学习的生存预测模型，自动学习到目标疾病的目标疾病特征与终点特征之间的复杂关系，从而可以利用该训练好的生存预测模型，提高所述目标疾病的预后效果评估准确性；另一方面，还可以通过从第一预设数量的当前疾病特征中选择第二预设数量的目标当前疾病特征，从而可以降低模型预测过程中的运算量，降低模型的复杂度，提高运算速度。在本专利技术的另一些实施例所提供的技术方案中，可以将所述方法具体应用于鼻咽癌患者的终点特征的预测，构建了一种鼻咽癌生存预测模型，通过对真实世界的历史病历数据的处理，进行清洗加工，然后利用机器学习的方法，进行鼻咽癌生存预测模型的训练，自动学习鼻咽癌患者疾病特征与终点特征之间的复杂关系，从而使得对于需要进行鼻咽癌生存预测的患者而言，模型可以给出鼻咽癌患者不同年份存活率的评估，例如模型可以自动给出不同疾病特征的鼻咽癌关于总生存，无转移生存，无复发生存的生存预测，即可以基于鼻咽癌患者各项鼻咽癌相关因素，对鼻咽癌预后终点进行预测，从而可以给医生诊疗提供相关思路，给个体化鼻咽癌诊疗提供意见，可以根据存活率的不同进行不同治疗方案的推荐，提高医生的诊疗水平以及工作效率，同时可以提高鼻咽癌患者的治疗效果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示意性示出了根据本专利技术的一个实施例的计算机数据处理方法的流程图；图2示意性示出了根据本专利技术的另一个实施例的计算机数据处理方法的流程图；图3示意性示出了图2中的步骤S230的一个实施例的流程图；图4示意性示出了图3中的步骤S232的一个实施例的流程图；图5示意性示出了鼻咽癌患者预后和疾病特征建立的可视化列线图；图6示意性示出了鼻咽癌生存预测模型的使用示意图；图7示意性示出了根据本专利技术的一个实施例的计算机数据处理装置的框图；图8示出了适于用来实现本专利技术实施例的电子设备的计算机系统的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本专利技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本专利技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本专利技术的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装本文档来自技高网...

【技术保护点】
1.一种计算机数据处理方法，其特征在于，包括：/n获取目标对象与目标疾病相关的第一预设数量的当前疾病特征；/n从所述第一预设数量的当前疾病特征中选择第二预设数量的目标当前疾病特征；/n根据所述目标当前疾病特征并利用训练完成的基于机器学习的生存预测模型，获得所述目标对象的当前终点特征。/n

【技术特征摘要】
1.一种计算机数据处理方法，其特征在于，包括：
获取目标对象与目标疾病相关的第一预设数量的当前疾病特征；
从所述第一预设数量的当前疾病特征中选择第二预设数量的目标当前疾病特征；
根据所述目标当前疾病特征并利用训练完成的基于机器学习的生存预测模型，获得所述目标对象的当前终点特征。


2.根据权利要求1所述的方法，其特征在于，还包括：
获取满足预设条件的历史病历数据作为样本；
将所述样本随机分配为训练集和测试集；
利用所述训练集训练所述生存预测模型；
利用所述测试集验证所述生存预测模型。


3.根据权利要求2所述的方法，其特征在于，所述目标疾病为鼻咽癌；其中，利用所述训练集训练所述生存预测模型，包括：
从所述训练集中提取与鼻咽癌相关的所述第一预设数量的历史疾病特征和历史终点特征；
从所述第一预设数量的历史疾病特征中选择所述第二预设数量的目标历史疾病特征；
根据所述第二预设数量的目标历史疾病特征及其历史终点特征训练所述生存预测模型。


4.根据权利要求3所述的方法，其特征在于，从所述第一预设数量的历史疾病特征中选择所述第二预设数量的目标历史疾病特征，包括：
利用多因素方差分析，通过假设检验的过程来判断所述第一预设数量的历史疾病特征是否对所述历史终点特征产生显著性影响；
从所述第一预设数量的历史疾病特征中选择对所述历史终点特征产生显著性影响的所述第二预设数量的目标历史疾病特征。

【专利技术属性】
技术研发人员：孙颖，姚季金，刘水清，郎超，梁玮，
申请(专利权)人：中山大学肿瘤防治中心，医渡云北京技术有限公司，
类型：发明
国别省市：广东;44