基于机器学习的肝癌患者临床预后的预测方法技术

本发明专利技术公开一种基于机器学习的肝癌患者临床预后的预测方法，其包括：根据预先确定的预测特征采集其对应的肝细胞癌的样本数据；根据所述样本数据对预测特征进行排序，并根据排序结果选取部分的预测特征；使用比例风险回归模型从选取的预测特征中确定与总体生存率相关的候选预测特征；利用梯度增强生存分类器从所述候选预测特征中选择20个最优预测特征作为生存预测因子构建肝癌患者预后生存模型。通过本发明专利技术能够有效识别HCC相关高死亡风险的患者。

【技术实现步骤摘要】
基于机器学习的肝癌患者临床预后的预测方法
本专利技术涉及肝癌生存分析技术，尤其涉及一种基于机器学习的肝癌患者临床预后的预测方法。
技术介绍
肝癌占全球所有癌症死亡的8.2％。肝细胞癌(HCC)的主要危险因素包括乙型肝炎病毒(HBV)或丙型肝炎病毒(HCV)感染以及酒精性或非酒精性肝病。肝癌患者的临床疗效在很大程度上取决于肿瘤负荷、治疗方式和肝功能。许多分期系统和预测/预后模型被开发来评估肝功能储备。迄今为止，已经有若干分期系统用于预测肝癌患者进行不同方法治疗的临床疗效。此外，肝功能参数，包括Child-Pugh分级系统、白蛋白和胆红素水平、国际标准化比值(INR)和碱性磷酸酶(ALP)、血小板比率，也被证明是影响HCC患者总生存期(Overalsurvival，简称OS)的独立预后因素。但是，对于最佳的预后模型尚未达成普遍共识，因此还需要新的方法预测肝癌患者临床预后及复发。
技术实现思路
本专利技术的主要目的在于提供一种基于机器学习的肝癌患者临床预后的预测方法，以解决现有技术存在的上述问题。>根据本专利技术实施本文档来自技高网...

【技术保护点】
1.一种基于机器学习的肝癌患者临床预后的预测方法，其特征在于，包括：/n根据预先确定的预测特征采集其对应的肝细胞癌的样本数据；/n根据所述样本数据对预测特征进行排序，并根据排序结果选取部分的预测特征；/n使用比例风险回归模型从选取的预测特征中确定与总体生存率相关的候选预测特征；/n利用梯度增强生存分类器从所述候选预测特征中选择20个最优预测特征作为生存预测因子构建肝癌患者预后生存模型。/n

【技术特征摘要】
1.一种基于机器学习的肝癌患者临床预后的预测方法，其特征在于，包括：
根据预先确定的预测特征采集其对应的肝细胞癌的样本数据；
根据所述样本数据对预测特征进行排序，并根据排序结果选取部分的预测特征；
使用比例风险回归模型从选取的预测特征中确定与总体生存率相关的候选预测特征；
利用梯度增强生存分类器从所述候选预测特征中选择20个最优预测特征作为生存预测因子构建肝癌患者预后生存模型。


2.根据权利要求1所述的方法，其特征在于，所述预先确定的预测特征的类型包括：临床特征、实验室检查特征和流式检验特征。


3.根据权利要求2所述的方法，其特征在于，所述20个最优预测特征包括：
1个临床特征：肿瘤大小；
14个实验室检查特征：CRP、γ-GGT、ALP、N/L、GRAN、TBTL、BUN、Cr、％EO、PTA、HGB、RBC、CHE、％Lymph；
5个流式检验特征：CD8+PD-1+TIGIT+TIM-3+、CD4+TIGIT+TIM-3+、CD4+PD-1+TIGIT+TIM-3+、CD8+Tcm、CD8+Tem。


4.根据权利要求1所述的方法，其特征在于，根据排序结果选取排序前30％、40％或50％的预测特征。


5.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据对预测特征进行排序的步骤，包括：
使用多种方式对所述样本数据进行计算，并根据计算...

【专利技术属性】
技术研发人员：张恒辉，王修芳，任树成，宋瑾，
申请(专利权)人：北京臻知医学科技有限责任公司，
类型：发明
国别省市：北京;11