用于临床决策的反倾向预测的协同标记制造技术

提供了一种算法，基于现有标记或特征之间的关联中治疗组和对照组之间的偏差，来生成协同标记。使用用于预测治疗选项的协同标记解决了治疗选项倾向于个体水平的协变量(诸如患者个人信息、临床信息和肿瘤特征)的问题。在临床决策支持中使用该协同标记与为预测治疗选项而开发的结果预测模型，其享有以下优点。首先，协同标记基于协变量间的关联水平而不是个体协变量的大小来预测治疗选项。此类预测消除了某些协变量影响临床决策的倾向。其次，使用非参数方法生成具有许多协变量的协同标记，避免了由参数模型导致的维数灾难和过拟合问题。了由参数模型导致的维数灾难和过拟合问题。了由参数模型导致的维数灾难和过拟合问题。

【技术实现步骤摘要】
用于临床决策的反倾向预测的协同标记
[0001]相关申请的交叉引用
[0002]本申请要求2021年10月8日提交的美国临时专利申请第63/262,258号和2022年9月30日提交的美国非临时专利申请第17/936,892号的优先权和权益，其公开内容通过引用整体并入本文。
[0003]缩写列表
[0004]AUROC 受试者操作特性曲线下的面积
[0005]CT 计算机断层摄影术
[0006]KM 卡普兰
‑
梅尔分析(Kaplan
‑
Meier)
[0007]NSCLC 非小细胞肺癌
[0008]PET 正电子发射断层摄影术
[0009]POB 术后观察
[0010]RBF 径向基函数
[0011]ROC 受试者操作特性
[0012]SVC 支持向量分类器
[0013]SVM 支持向量机
[0014]TCIA 癌症影像档案


[0015]本申请总体上涉及用于辅助医疗决策制定的数据驱动临床决策支持。特别地，本申请涉及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于提供临床决策支持以辅助医疗决策制定的计算机实现的方法，所述方法包括：开发结果预测模型，所述结果预测模型用于预测作为所述模型的结果的治疗选项的治疗效果，其中所述结果预测模型的所述开发包括：获得用于训练和测试所述模型的协变量数据，所述协变量数据被布置成由第一维中的多个协变量和第二维中的多个受试者索引的二维数据阵列，其中所述多个受试者被分成其受试者已经用所述治疗选项治疗的治疗组和其受试者没有用所述治疗选项治疗的非治疗组；将跨所述多个受试者的个体协变量的协变量数据的分布对称化并且集中到标准正态分布，使得跨所述多个受试者的所述个体协变量的所述协变量数据被归一化，以产生跨所述多个受试者的所述个体协变量的归一化协变量数据，由所述治疗组中的受试者索引的相应归一化协变量数据共同形成治疗组数据集，并且由所述非治疗组中的受试者索引的相应归一化协变量数据共同形成非治疗组数据集；以总体关联水平的降序对所述治疗组数据集和非治疗组数据集进行排序，从而产生较高关联数据集和较低关联数据集，其中所述较高关联数据集在总体关联水平上高于所述较低关联数据集；对所述多个协变量进行分类，以按照所述较高关联数据集和所述较低关联数据集之间的累积关联水平的差的降序来形成有序的协变量列表；基于所述较高关联数据集和较低关联数据集，确定用于截断协变量的所述有序的协变量列表的最优协变量数量，以产生协变量的最优列表，使得在协变量的数量的不同选择中，使用通过对所述最优列表中的相应协变量获得的归一化协变量数据进行组合而计算的协同标记，最大化预测所述多个受试者的所述治疗选项的性能，所述性能被计算为所述多个受试者的平均性能；以及配置所述结果预测模型以使用所述协同标记来表示所述治疗选项，使得在预测对患者个性化的所述治疗效果时，所述结果预测模型接收患者数据和根据与所述最优列表中的相应协变量相关的所述患者数据计算的协同标记，并且输出所预测的结果。2.根据权利要求1所述的方法，其中对所述多个协变量进行所述分类以形成协变量的所述有序列表包括：生成协变量关联水平差的矩阵；以及迭代地计算累积关联水平差的候选值，用于对协变量进行优先排序，以进入协变量的所述有序列表。3.根据权利要求2所述的方法，其中确定协变量的所述最优数量包括：计算与协变量的所述有序列表中的协变量子集的累积关联水平相对应的协同标记；以及确定协变量的数量，使得由所确定的协变量数量生成的协同标记在协变量数量的所有可能选择中实现预测所述治疗选项的最大性能。4.根据权利要求1所述的方法，其中所述治疗组数据集和所述非治疗组数据集的总体关联水平分别由下式计算：
和其中：m是所述多个协变量中的协变量数量；C
T
(i,j)是所述治疗组数据集的第i个协变量和第j个协变量之间的关联水平，由下式给出：其中n
T
是所述治疗组数据集中受试者的数量，π
T
(k
T
)给出了在与所述治疗组中第k
T
个受试者相对应的二维阵列的第二维中使用的索引，并且z
l
(k)表示所述多个受试者中第k个受试者的第l个协变量的归一化协变量数据；并且C
N...

【专利技术属性】
技术研发人员：陈颖志，
申请(专利权)人：香港理工大学，
类型：发明
国别省市：