【技术实现步骤摘要】
急性前葡萄膜炎复发风险预测模型构建方法及相关设备
[0001]本专利技术涉及医疗信息预测
,更具体地,涉及一种急性前葡萄膜炎复发风险预测模型构建方法和存储介质、急性前葡萄膜炎复发风险预测设备、装置和存储介质。
技术介绍
[0002]葡萄膜炎(uveitis)又称色素膜炎,是虹膜、睫状体及脉络膜组织炎症的总称。葡萄膜炎是一种异质性疾病,发病率估计为17
‑
52人/10万人/年,患病率为38
‑
714人/10万人/年。按发病部位可分为前葡萄膜炎、后葡萄膜炎及中间葡萄膜炎,中国三级中心流行病学调查显示,其中前葡萄膜炎(45.6%)最为常见。急性前葡萄膜炎(acute anterior uveitis,AAU)是前葡萄膜炎的一种具体表现。
[0003]AAU的主要症状是疼痛、发红和畏光,这些症状会在几天内迅速发展。严重者还可能导致后粘连、继发性青光眼、复杂性白内障等并发症。AAU的多次发作显著增加了眼部发病风险。AAU患者的复发风险不同,有些患者容易复发,但是有些患者可以长时间保持不活动状态。目前来说,医生无法准确告知患者随访时间并告知患者是否有复发风险,故而会使得患者担心AAU会不会复发,从而造成严重的心理负担。
[0004]因此研发一种可以进行急性前葡萄膜炎复发风险预测的设备,用于筛选出复发风险高的患者,从而指导后续的干预和治疗方案,是目前亟待解决的技术问题。
技术实现思路
[0005]鉴于上述问题,本专利技术提出了一种急性前葡萄膜炎复发风险预测模
【技术保护点】
【技术特征摘要】
1.一种急性前葡萄膜炎复发风险预测模型的构建方法,其特征在于,包括:获取目标样本集合,其中,所述目标样本集合中的每个样本包括自变量集合和标签,所述标签用于描述样本对应的急性前葡萄膜炎患者是否为复发患者,自变量集合包括样本对应的急性前葡萄膜炎患者的各项指标;和基于所述目标样本集合,利用机器学算法进行模型训练,获得急性前葡萄膜炎复发风险预测模型;其中,所述葡萄膜炎复发风险预测模型用于预测急性前葡萄膜炎患者急性前葡萄膜炎复发风险的高低;各项指标包括:是否患有强直性脊柱炎、HLA
‑
B27、MO、HDL和LDL。2.根据权利要求1所述的构建方法,其特征在于,所述获取目标样本集合,包括:获取样本的各项临床指标;根据每个样本对应的急性前葡萄膜炎患者的急性前葡萄膜炎发作次数,确定所述每个样本对应的标签;利用所述每个样本对应的各项临床指标和标签,从临床指标中筛选与急性前葡萄膜炎复发显著相关的候选指标;和基于每个样本的候选指标,组成每个样本对应的自变量集合。3.根据权利要求2所述的构建方法,其特征在于,所述利用所述每个样本对应的各项临床指标和标签,从临床指标中筛选与急性前葡萄膜炎复发显著相关的候选指标,具体包括:利用所述每个样本对应的标签,将每个样本划分为复发样本组和非复发样本组;在第一显著性水平上,确定每项临床指标是否在复发样本组和非复发样本组之间具有显著性差异,将具有显著性差异的临床指标作为第一候选指标;在第二显著性水平上,确定所述复发样本组和所述非复发样本组中每项临床指标是否与无复发生存时间显著相关,将与无复发生存时间显著相关的临床指标作为第二候选指标;和从所述第一获选指标和所述第二候选指标中获取候选指标,所述候选指标同时为第一候选指标和第二候选指标。4.根据权利要求1
‑
3任一项所述的构建方法,其特征在于,所述基于所述目标样本集合,利用机器学算法进行模型训练,获得急性前葡萄膜炎复发风险预测模型,包括:将所述目标样本集合按照预设比例随机划分为训练样本子集合和测试样本子集合;基于所述训练样本子集合,利用逻辑回归算法进行模型训练,获得各项指标对应的权重,基于各项指标对应的权重获得急性前葡萄膜炎复发风险预测模型;和利用所述训练样本子集合和所述测试样本子集合对所述急性前葡萄膜炎复发风险预测模型进行性能评估,若性能评估结果不满足要求,则重新进行模型训练。5.一种急性前葡萄膜炎复发风险预测设备,其特征在于,所述设备包括:存储器和处理器;所述存储器,用于存储程序指令;所述处理器,用于调用所述程序指令,当所述程序指令被执行时,用于执行以下操作:获取待测急性前葡萄膜炎患者的自变量集合;将待测急性前葡萄膜炎患者的自变量集合输入到根据权利要求1
‑
4任一项构建方法获得的急性前葡萄膜炎复发风险预测模型,获得待测急性前葡萄膜炎患者的复发风险评分;
和根据所述复发风险评分判断待测急性前葡萄膜炎患者复发风险的高低。6.一种急性前葡萄膜炎复发风险预测设备,其特征在于,所述设备包括:存储器和处理器;所述存储器,用于存储程序指令;所述处理器,用...
【专利技术属性】
技术研发人员:王毓琴,张子城,纪皙文,周猛,林丹,戴玛莉,
申请(专利权)人:温州医科大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。