【技术实现步骤摘要】
本专利技术涉及智能医疗领域，更具体地，涉及一种基于术前和术后参数的预后风险预测方法、系统、设备、介质和程序产品。
技术介绍
1、原发性肝癌是全球第六大最常见的恶性肿瘤和第三大癌症死因，其中肝细胞癌(hcc)是主要的病理类型，占病例总数的90％。经动脉化疗栓塞术(tace)和肝动脉灌注化疗(haic)是治疗无法切除的肝细胞癌(uhcc)患者的标准动脉内介入疗法(iaits)。目前，国际指南推荐将tace作为中期hcc的一线治疗方法。3.在亚洲，haic也作为一种重要的治疗方案被推荐用于中晚期hcc的治疗。
2、目前有研究报告了与hcc预后密切相关的临床变量，并根据这些临床变量建立了各种模型，以帮助医生准确预测预后和进行风险分层。其中，机器学习(ml)是一种很有前途的方法，它采用统计、概率和优化技术来训练机器学习，具有许多突出优势，包括大规模多中心数据的标准化处理、缺失值的插值、高效的计算能力等。ml算法通过自动化分析模型，以最少的人工干预识别模式并做出决策。
3、鉴于肿瘤在组织学、基因组和分子水平上的高度异质性，以及根据对iait的反应、复发类型和时间做出的各种治疗决策，这些uhcc患者的预后普遍存在一系列个体化差异。在临床实践中，准确判断治疗过程中肿瘤的发展状况，精确执行治疗决策，对uhcc患者获得良好的生存预后起着至关重要的作用。然而，由于临床变量较少、推导样本量小、病理评分标准不一、临床适用性差等原因，绝大多数模型都存在局限性。迄今为止，仍没有一个无创、方便、准确的模型来指导医生做出iait决策。p>
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提供一种基于术前和术后参数的预后风险预测方法及其系统；本专利技术方法通过开发并验证得到预后风险预测模型，主要根据术前和术后变量输入相关的死亡风险变化，指导医生进行治疗决策和监测策略选择，解决相关的生命科学问题。
2、本申请第一方面公开一种基于术前和术后参数的预后风险预测方法，所述方法包括：
3、基于待测样本的术前变量特征获取第一术前风险评分；
4、获取待测样本的术后变量特征；
5、基于所述第一术前风险评分，将所述术后变量特征输入到构建好的预后风险预测模型中，得到第二术前风险评分；
6、根据所述第二术前风险评分将所述待测样本分为高风险或低风险的分类结果；如果所述第二术前风险评分大于阈值，得到所述待测样本为预后风险高的分类结果；如果所述第二术前风险评分小于等于阈值，得到所述待测样本为预后风险低的分类结果。
7、在一些实施例中，所述预后风险预测模型包括以下任一种或几种：1年术前+术后结局预测模型、3年术前+术后结局预测模型、5年术前+术后结局预测模型；
8、可选的，当训练1年术前+术后结局预测模型时，所述术前结局标签包括：1年术前+术后结局死亡、1年术前+术后结局未死亡；当训练3年术前+术后结局预测模型时，所述术前结局标签包括：3年术前+术后结局死亡、3年术前+术后结局未死亡；当训练5年术前+术后结局预测模型时，所述术前结局标签包括：5年术前+术后结局死亡、5年术前+术后结局未死亡；
9、可选的，所述第一术前风险评分包括：获取待测样本的术前变量特征；将所述术前变量特征输入到构建好的预后风险预测模型中，得到第一术前风险评分。
10、在一些实施例中，当所述预后风险预测模型为1年术前+术后结局预测模型时，所述术前变量特征为1年术前变量特征，将所述1年术前变量特征和术后变量特征依次输入到构建好的1年术前+术后结局预测模型中，得到第二术前风险评分；
11、可选的，所述1年术前变量特征和术后变量特征包括第一特征，将所述第一特征输入到1年术前+术后结局预测模型一(xgboost)，得到第二术前风险评分；
12、可选的，所述第一特征包括以下任一种或几种：bmi、alb、ast、inr、plt、crp、cre、neu、ly、afp、size、number、tumor thrombus、metastasis、interventioal treatment、local treatment、tki-ici、or、er、recurrence type；
13、可选的，所述1年术前变量特征和术后变量特征包括第二特征，将所述第二特征输入到1年术前+术后结局预测模型二(catboost)，得到第二术前风险评分；
14、可选的，所述第二特征包括以下任一种或几种：bmi、alb、inr、crp、cre、neu、ly、afp、pivkaii、size、number、tumor thrombus、metastasis、interventioal treatment、local treatment、tki-ici、or、er、recurrence type；
15、可选的，所述1年术前变量特征和术后变量特征包括第三特征，将所述第三特征输入到1年术前+术后结局预测模型三(lightgbm)，得到第二术前风险评分；
16、可选的，所述第三特征包括以下任一种或几种：bmi、age、gender、ecog、smoking、drinking、comorbidity、cirrhosis、ascites、ctp、alb、alt、ast、tbil、pt、inr、plt、crp、cre、neu、ly、afp、pivkaii、tumor shape、size、number、tumor thrombus、metastasis、interventioal treatment、local treatment、tki-ici、or、er、recurrence type；
17、可选的，所述1年术前变量特征和术后变量特征包括第四特征，将所述第四特征输入到1年术前+术后结局预测模型四(randomforest)，得到第二术前风险评分；
18、可选的，所述第四特征包括以下任一种或几种：bmi、crp、cre、neu、ly、afp、size、number、tumor thrombus、metastasis、interventioal treatment、local treatment、tki-ici、or、er、recurrence type；
19、可选的，所述1年术前变量特征和术后变量特征包括第五特征，将所述第五特征输入到1年术前+术后结局预测模型五(gbdt)，得到第二术前风险评分；
20、可选的，所述第五特征包括以下任一种或几种：bmi、gender、smoking、ctp、alb、alt、ast、inr、plt、crp、cre、neu、ly、afp、tumor shape、size、number、tumor thrombus、metastasis、interventioal treatment、local treatment、tki-ici、or、er、recurre本文档来自技高网...
【技术保护点】
1.基于术前和术后参数的预后风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于术前和术后参数的预后风险预测方法，其特征在于，所述预后风险预测模型包括以下任一种或几种：1年术前+术后结局预测模型、3年术前+术后结局预测模型、5年术前+术后结局预测模型；
3.根据权利要求2所述的基于术前和术后参数的预后风险预测方法，其特征在于，当所述预后风险预测模型为1年术前+术后结局预测模型时，所述术前变量特征为1年术前变量特征，将所述1年术前变量特征和术后变量特征依次输入到构建好的1年术前+术后结局预测模型中，得到第二术前风险评分；
4.根据权利要求2所述的基于术前和术后参数的预后风险预测方法，其特征在于，当所述预后风险预测模型为3年术前+术后结局预测模型时，所述术前变量特征为3年术前变量特征，将所述3年术前变量特征和术后变量特征依次输入到构建好的3年术前+术后结局预测模型中，得到第二术前风险评分；
5.根据权利要求2所述的基于术前和术后参数的预后风险预测方法，其特征在于，当所述预后风险预测模型为5年术前+术后结局预测模型时，所
6.根据权利要求1所述的基于术前和术后参数的预后风险预测方法，其特征在于，所述预后风险预测模型的构建方法包括：
7.基于术前和术后参数的预后风险预测方法，其特征在于，所述方法包括：
8.基于术前和术后参数的预后风险预测系统，其特征在于，所述系统包括：
9.一种计算机设备，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程序指令，当程序指令被执行时，用于执行权利要求1-7任意一项所述的方法的步骤。
10.一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，所述计算机程序被处理器执行时实现上述的权利要求1-7任意一项所述的方法的步骤。
...【技术特征摘要】
1.基于术前和术后参数的预后风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于术前和术后参数的预后风险预测方法，其特征在于，所述预后风险预测模型包括以下任一种或几种：1年术前+术后结局预测模型、3年术前+术后结局预测模型、5年术前+术后结局预测模型；
3.根据权利要求2所述的基于术前和术后参数的预后风险预测方法，其特征在于，当所述预后风险预测模型为1年术前+术后结局预测模型时，所述术前变量特征为1年术前变量特征，将所述1年术前变量特征和术后变量特征依次输入到构建好的1年术前+术后结局预测模型中，得到第二术前风险评分；
4.根据权利要求2所述的基于术前和术后参数的预后风险预测方法，其特征在于，当所述预后风险预测模型为3年术前+术后结局预测模型时，所述术前变量特征为3年术前变量特征，将所述3年术前变量特征和术后变量特征依次输入到构建好的3年术前+术后结局预测模型中，得到第二术前风险评分；
5.根据权利要求2所述的基...
【专利技术属性】
技术研发人员：安超，严冬，吴沛宏，张宝根，程瑜蓉，
申请(专利权)人：首都医科大学附属北京潞河医院，
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。