申请/专利权人：中日友好医院(中日友好临床医学研究所)

申请日：2022-08-01

公开（公告）日：2023-06-23

公开（公告）号：CN115249543B

主分类号：G16H50/70

分类号：G16H50/70;G16H10/60;G16H50/20;G06F18/2415;G06F18/21;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2023.06.23#授权;2022.11.15#实质审查的生效;2022.10.28#公开

摘要：本申请提供了一种预测ARDS患者预后的人工智能模型的建立方法，其特征在于包括如下步骤：1）数据获取；2）模型预测分类标记；3）数据降维和特征提取；4）建立模型以及优化模型筛选；5）最优模型修正；6）临床应用修正。本申请通过上述方法，在多个模型中建立并竞合筛选得到表决集成模型，该模型中通过12个最终特征变量建立了基于机器学习的表决集成模型，并通过权重矩阵对最终特征变量进行权重分配，预测并反复验证了ARDS病人30天存活，ICU存活以及院内存活，并取得了良好的性能，本申请表明基于机器学习的方法是可行和有效的，对优化临床治疗和决策具有重要意义，具有潜在临床应用价值。

主权项：1.一种预测ARDS患者预后的人工智能模型的建立方法，其特征在于包括如下步骤：1数据获取：将ICU中心ARDS病人数据样本按照标准格式记录，并随机将数据样本分成三类：训练集，验证集和测试集，其中数据样本包括多个临床变量；多个临床变量包括分类变量和连续性变量；2模型预测分类标记：使用不同的分类器建立四个机器学习模型，将所述多个临床变量分别输入不同机器学习模型中，预测30天存活、ICU存活、院内存活三种预后指标；3数据降维和特征提取；以预测的三种预后指标为标签，对临床变量进行降维处理和特征提取处理，得到特征变量；所述对临床变量进行降维处理包括通过主分量分析对所述连续性变量进行特征筛选排序，权重较高的作为特征变量a；所述特征提取包括使用信息增益特征筛选法对分类变量及连续型变量进行二次特征筛选排序，权重较高的作为特征变量b；其中所述特征变量选自所述特征变量a和所述特征变量b的集合；4建立模型以及优化模型筛选：建立训练模型，通过所述训练集对所述训练模型进行训练，训练完成后通过验证集验证并进行参数调节，并依据预测结果的准确性对训练模型进行排序，得到排名靠前的N个优化模型；其中N大于等于2；5最优模型修正：将特征变量输入到优化模型中，进一步调节各个优化模型参数，使各个优化模型预测结果均达到最佳，比较筛选得到最优模型；通过最优模型进一步缩减所述特征变量，排除特征变量中对最优模型影响较低的变量；将筛选得到的最终特征变量纳入最优模型；并通过验证集验证最优模型；如果未得到符合预期目标的模型，则返回重复步骤4；所述最终特征变量选自乳酸，氧合指数，入组第1天ARDS严重程度分级，急性生理与慢性健康评分，年龄，白细胞，淋巴细胞百分比，中性粒细胞百分比，血尿素氮，二氧化碳分压，血小板，凝血酶原时间；6临床应用修正：设定一目标阈值，将多个当前临床病例数据输入到所述最优模型中，预测ARDS患者的三种预后指标，并实时跟踪记录临床ARDS患者的样本数据，判断预测结果准确度是否大于等于目标阈值；如果小于目标阈值，则返回步骤5。

全文数据：

权利要求：

百度查询： 中日友好医院(中日友好临床医学研究所) 一种预测ARDS患者预后的人工智能模型的建立方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD