申请/专利权人：中山大学孙逸仙纪念医院;广州市品毅信息科技有限公司

申请日：2023-11-09

公开（公告）日：2024-01-30

公开（公告）号：CN117476231A

主分类号：G16H50/30

分类号：G16H50/30;G16H20/10;G06F18/2113;G06F18/2115;G06F18/243;G06F18/27;G06F18/214;G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明公开了一种基于机器学习的药物性肝损伤风险预测方法、系统，该DILI风险预测方法包括以下步骤：S1：获取真实世界的诊疗数据作为数据集；S2：对数据集进行特征筛选，以提取出能够表达药物性肝损伤风险的重要特征；S3：利用重要特征构建药物性肝损伤风险预测模型；S4：利用药物性肝损伤风险预测模型进行风险预测。本发明能够提升DILI的风险预测准确性、可靠性；降低DILI风险预测模型的复杂度，提高预测精度；通过利用药物性肝损伤风险预测模型进行风险预测，可以预测患者是否面临药物性肝损伤的风险，有助于在患者受到进一步损害之前采取必要的预防措施和治疗措施，减少药物性肝损伤的发生率，从而保护患者的健康并降低医疗成本。

主权项：1.一种基于机器学习的药物性肝损伤风险预测方法，其特征在于，包括以下步骤：S1：获取真实世界的诊疗数据作为数据集；S2：对所述数据集进行特征筛选，以提取出能够表达药物性肝损伤风险的重要特征；S3：利用所述重要特征构建药物性肝损伤风险预测模型；S4：利用所述药物性肝损伤风险预测模型进行风险预测。

全文数据：

权利要求：

百度查询： 中山大学孙逸仙纪念医院;广州市品毅信息科技有限公司 基于机器学习的药物性肝损伤风险预测方法、系统

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