申请/专利权人：南京鼓楼医院

申请日：2023-12-26

公开（公告）日：2024-03-22

公开（公告）号：CN117747110A

主分类号：G16H50/30

分类号：G16H50/30;G16H10/60;G16H50/70;G16B40/20;G06F18/25;G06F18/21;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明提供一种基于母体因素和早期孕期生物标志物的子痫前期风险预测方法及系统，其中方法包括获取患者母体因素数据与早期孕期生物标志物数据；以患者母体因素与早期孕期生物标志物为输入，患者结局是否为子痫前期为输出，利用机器学习方法的投票分类器对输入数据进行训练；重复目标次数采用五折交叉验证确定机器学习模型超参数的过程，并加以自助法计算目标百分比的置信区间，以得到稳定的结果评估；对机器学习模型进行效果评估和解释，以预测子痫前期风险。本发明的模型结构简单，可对模型进行解析，得出模型内各特征贡献度，帮助进一步了解子痫前期的致病原理；同时仅使用母体因素与少量检验结果预测子痫前期，实施成本低廉，有利于广泛使用。

主权项：1.一种基于母体因素和早期孕期生物标志物的子痫前期风险预测方法，其特征在于，包括：获取患者母体因素数据与早期孕期生物标志物数据；所述母体因素数据包括孕期年龄、身高、孕期体重、生育史、子痫前期史、糖尿病史、高血压史、辅助生殖、子痫前期家族史、系统性红斑狼疮或抗磷脂综合征和结局情况；所述早期孕期生物标志物数据包括平均动脉压、子宫动脉搏动指数、血清胎盘生长因子和血浆蛋白A；以患者母体因素与早期孕期生物标志物为输入，患者结局是否为子痫前期为输出，利用机器学习方法的投票分类器对输入数据进行训练；重复目标次数采用五折交叉验证确定机器学习模型超参数的过程，并加以自助法计算目标百分比的置信区间，以得到稳定的结果评估；对机器学习模型进行效果评估和解释，以预测子痫前期风险。

全文数据：

权利要求：

百度查询： 南京鼓楼医院 基于母体因素和早期孕期生物标志物的子痫前期风险预测方法及系统

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