【技术实现步骤摘要】
一种干预有效性预测的方法、系统及其应用
[0001]本专利技术涉及医疗领域,尤其涉及一种干预有效性预测的技术。
技术介绍
[0002]随着对疾病治疗效果的逐渐重视,临床医生通常需要根据疾病的进展风险,结合患者当前的个人情况给出合适治疗或预防建议。为了给出效果最佳的临床建议,医生需要结合历史诊断经验,推荐和制定合适的干预方案。然而,医生个人的经验可能是不全面的或不准确的,借助自动化分析和统计可以实现更精准的预测。
[0003]就上述问题,现有技术中已提出相关方案,例如,专利申请CN114822850A公开了基于现有数据库中受试者的miRNA水平、受试者的载脂蛋白E4基因型、受试者的年龄、以及受试者的性别的数据通过逻辑回归拟合而成的用于计算罹患痴呆症的概率(p)的公式;专利申请CN114343585A公开了认知和行为障碍的预警方法,其具体公开了通过被测对象的基本信息在图神经网络中预测患病概率;专利申请US20210241909A1公开了评估治疗策略对患者影响的方法,其具体公开了将患者数据与治疗信息修改的数据进行比较,以预测治疗效果;专利申请US20220293266A1公开了通过改进的DNN模型来检测认知障碍。
[0004]然而,上述现有技术在实践中仍存在许多不足,例如,(1)基于单一的预测模型无法完成对多种疾病情形、干预手段的高效预测;(2)现有文献通常试图根据简单的概率估计来确定危险因素与疾病之间的联系,无法实现准确的预测;(3)上述技术需要基于已有的病症进行预测,无法对潜在的疾病风险进行预测并给出早 ...
【技术保护点】
【技术特征摘要】
1.一种预测干预有效性的方法,其特征在于,所述方法包括:根据预测目标筛选样本数据集,其中,所述预测目标包括预测目标的特征与输入数据的特征的相关度,所述根据预测目标筛选样本数据集包括:根据所述相关度筛选样本数据,以所述样本数据作为所述样本数据集的数据;根据所述样本数据集选择一个或多个最优的预测模型,其中,所述最优的预测模型选自第一预测模型和/或第二预测模型,所述第一预测模型包括一个或多个基于文献数据的预测模型,所述第二预测模型包括一个或多个基于至少包括临床数据的预测模型;使用一个或多个所述最优的预测模型计算干预有效性。2.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集选择一个或多个最优的预测模型包括:根据所述样本数据集的大小和/或复杂度选择所述第一预测模型和/或第二预测模型;根据选择的所述第一预测模型和/或第二预测模型在所述样本数据集上的性能选择所述最优的预测模型。3.根据权利要求2所述的方法,其特征在于,所述使用一个或多个所述最优的预测模型计算干预有效性包括:当所述最优的预测模型存在多个,和/或所述最优的预测模型选自所述第一预测模型和第二预测模型时,通过模型融合的方法计算多个所述最优的预测模型的所述干预有效性。4.根据权利要求1
‑
3所述的方法,其特征在于,所述根据预测目标筛选样本数据集包括:将所述输入数据更新至筛选样本数据集的范围后,根据预测目标筛选样本数据集;所述根据所述样本数据集选择一个或多个最优的预测模型包括:判断是否根据所述样本数据集选择一个或多个最优的预测模型,若是,则执行所述根据所述样本数据集选择一个或多个最优的预测模型,若否,则执行所述使用一个或多个所述最优的预测模型计算干预有效性;其中,所述判断是否根据所述样本数据集选择一个或多个最优的预测模型包括判断下述任一条件是否成立:a)一项或多项所述预测目标的特征发生变化;b)所述样本数据集的大小发生变化,且所述变化超过阈值;c)不存在所述最优的预测模型,或者所述输入数据无法用于所述最优的预测模型;d)接收到执行所述根据所述样本数据集选择一个或多个最优的预测模型的外部指令。5.根据权利要求4所述的方法,其特征在于,所述第二预测模型根据外部指令增加或减少,包括随机森林(Random Forest)、逻辑回归(Logistic Regression)、决策树(Decision Tree)、支持向量机(SVM)、神经网络(Neural Network)、补充极限梯度提升(XGBoost)、轻量级梯度提升机(LightGBM)和/或梯度提升树(Gradient Tree Boosting)模型;当所述最优的预测模型选自第二预测模型时,所述根据所述样本数据集选择一个或多个最优的预测模型包括:根据所述样本数据集计算一个或多个所述最优的预测模型的最优参数。6.根据权利要求5所述的方法,其特征在于,所述使用一个或多个所述最优的预测模型
计算干预有效性包括:使用一个或多个所述最优的预测...
【专利技术属性】
技术研发人员:方骢,滕军虎,
申请(专利权)人:杭州数丹医疗科技有限公司,
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。