患者预后评估方法、患者预后评估模型的训练方法及装置制造方法及图纸

技术编号：40902633 阅读：4 留言：0更新日期：2024-04-18 14:34

一种患者预后评估方法、患者预后评估模型的训练方法及装置，包括：获取患者的临床信息和基因突变信息，基因突变信息包含第一基因的第一突变信息，第一突变信息为临床意义未知的基因突变信息；计算第一突变信息在多个突变影响得分算法下的突变影响得分；将患者的临床信息和突变影响得分输入患者预后评估模型，得到患者的预后评估情况，患者预后评估模型根据第一基因的样本训练数据构建，样本训练数据包括样本患者在第一基因上的第二突变信息，第二突变信息为临床意义已知的基因突变信息。

全部详细技术资料下载

【技术实现步骤摘要】

本公开实施例涉及但不限于生物信息，尤其涉及一种患者预后评估方法、患者预后评估模型的训练方法及装置。

技术介绍

1、癌症患者的预后评估有利于医生对不同的患者制定个性化的治疗方案，目前高通量测序(high-throughput sequencing)技术得到了一定程度上的发展，科学研究表明许多基因都和癌症的发生发展相关，部分基因的突变位点和表达情况等信息在国内外官方肿瘤治疗指南里有着明确的临床意义，但由于部分癌种患者数据较少，并且一部分患者存在罕见变异，这使得针对这些患者进行的预后评估存在一定难度。

技术实现思路

1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

2、本公开实施例提供了一种患者预后评估方法，包括：获取患者的临床信息和基因突变信息，所述基因突变信息包含第一基因的第一突变信息，所述第一突变信息为临床意义未知的基因突变信息；计算所述第一突变信息在多个突变影响得分算法下的突变影响得分；将所述患者的临床信息和突变影响得分输入患者预后评估模型，得到所述患者的预后评估情况，所述患者预后评估模型根据所述第一基因的样本训练数据构建，所述样本训练数据包括样本患者在所述第一基因的第二突变信息，所述第二突变信息为临床意义已知的基因突变信息。

3、本公开实施例还提供了一种患者预后评估装置，包括存储器；和连接至所述存储器的处理器，所述存储器用于存储指令，所述处理器被配置为基于存储在所述存储器中的指令，执行本公开任一实施例所述的患者预后评估方法的步骤。

4、本公开实施例还提供了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本公开任一实施例所述的患者预后评估方法。

5、本公开实施例还提供了一种患者预后评估模型的训练方法，包括：对第一基因的样本训练数据进行数据预处理，所述样本训练数据包括样本患者在所述第一基因的第二突变信息，所述第二突变信息为临床意义已知的基因突变信息；根据所述第一基因的样本训练数据构建患者预后评估模型，所述患者预后评估模型包括以下至少之一：生存期年限预测模型、逐年存活概率模型，所述生存期年限预测模型用于预测患者的生存期长短，所述逐年存活概率模型用于预测预设年限内患者的存活概率。

6、本公开实施例还提供了一种患者预后评估模型的训练装置，包括存储器；和连接至所述存储器的处理器，所述存储器用于存储指令，所述处理器被配置为基于存储在所述存储器中的指令，执行本公开任一实施例所述的患者预后评估模型的训练方法的步骤。

7、本公开实施例还提供了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本公开任一实施例所述的患者预后评估模型的训练方法。

8、在阅读理解了附图和详细描述后，可以明白其他方面。

本文档来自技高网...

【技术保护点】

1.一种患者预后评估方法，其特征在于，包括：

2.根据权利要求1所述的患者预后评估方法，其特征在于，所述患者预后评估模型包括以下至少之一：生存期年限预测模型、逐年存活概率模型，所述生存期年限预测模型用于预测患者的生存期长短；所述逐年存活概率模型用于预测预设年限内患者的存活概率。

3.根据权利要求2所述的患者预后评估方法，其特征在于，所述生存期年限预测模型为根据所述样本患者的第二突变信息在多个突变影响得分算法下的突变影响得分及对应的临床信息构建的逻辑回归算法模型。

4.根据权利要求2所述的患者预后评估方法，其特征在于，所述逐年存活概率模型为基于逻辑回归算法底模型构建的链式分类器模型，所述逻辑回归算法底模型根据所述样本患者的第二突变信息在多个突变影响得分算法下的突变影响得分及对应的临床信息构建，所述链式分类器模型在所述患者预后第y年预测的存活概率由所述患者在预后第y-1年预测的存活概率以及第y年综合矩阵决定，所述第y年综合矩阵的数据包含所述患者的临床信息、突变影响得分以及所述患者在预后第一年至第y-2年的存活概率，其中，y为大于或等于2的自然数。</p>

5.根据权利要求1所述的患者预后评估方法，其特征在于，所述多个突变影响得分算法下的突变影响得分包括以下一种或多种得分：

6.根据权利要求5所述的患者预后评估方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的患者预后评估方法，其特征在于，在构建所述患者预后评估模型时，所述方法还包括：对所述第一基因的样本训练数据进行数据预处理；所述数据预处理包括：

8.一种患者预后评估装置，其特征在于，包括存储器；和连接至所述存储器的处理器，所述存储器用于存储指令，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1至7中任一项所述的患者预后评估方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的患者预后评估方法。

10.一种患者预后评估模型的训练方法，其特征在于，包括：

11.根据权利要求10所述的训练方法，其特征在于，所述生存期年限预测模型为根据所述样本患者的第二突变信息在多个突变影响得分算法下的突变影响得分及对应的临床信息构建的逻辑回归算法模型。

12.根据权利要求10所述的训练方法，其特征在于，所述逐年存活概率模型为基于逻辑回归算法底模型构建的链式分类器模型，所述逻辑回归算法底模型根据所述样本患者的第二突变信息在多个突变影响得分算法下的突变影响得分及对应的临床信息构建，所述链式分类器模型在所述患者预后第y年预测的存活概率由所述患者在预后第y-1年预测的存活概率以及第y年综合矩阵决定，所述第y年综合矩阵的数据包含所述样本患者的临床信息、突变影响得分以及所述患者在预后第一年至第y-2年的存活概率，其中，y为大于或等于2的自然数。

13.根据权利要求10所述的训练方法，其特征在于，所述数据预处理包括：

14.一种患者预后评估模型的训练装置，其特征在于，包括存储器；和连接至所述存储器的处理器，所述存储器用于存储指令，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求10至13中任一项所述的患者预后评估模型的训练方法的步骤。

15.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求10至13中任一项所述的患者预后评估模型的训练方法。

...

【技术特征摘要】

1.一种患者预后评估方法，其特征在于，包括：

5.根据权利要求1所述的患者预后评估方法，其特征在于，所述多个突变影响得分算法下的突变影响得分包括以下一种或多种得分：

6.根据权利要求5所述的患者预后评估方法，其特征在于，所述方法还包括：

8.一种患者预后评估装置，其特征在于，包括存储器；和连接至所述存储器的处理器，所述存储器用于存储指令，所述处理...

【专利技术属性】
技术研发人员：宋阳，丁丁，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人