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。