[發明專利]一種感染COVID-19患者預后風險程度的早期預測方法和系統

在審

• 申請號: 202011033057.3
• 申請日: 2020-09-27
• 公開（公告）號: CN112185560A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 劉云;李勇;陸榮生;夏彥愷;彭志行;單濤
• 申請（專利權）人: 江蘇省人民醫院（南京醫科大學第一附屬醫院）
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/20;G16H50/80
• 代理公司: 南京知識律師事務所 32207
• 代理人: 高玲玲

1.一種感染COVID-19患者預后風險程度的早期預測系統，其特征在于包括：

獲取模塊，用于獲取COVID-19患者的特征預測變量信息；

預測模塊，用于基于所述的COVID-19患者的特征預測變量信息，根據感染COVID-19患者預后風險程度的早期預測模型，確定所述COVID-19患者的預后風險程度的早期預測結果；

所述特征預測變量信息為患者的臨床變量信息，至少包括以下信息中的一條：人口統計學特征、疾病史、癥狀和體征、臨床檢測、CT檢測結果、指標變化；

所述早期預測模型為XGBoot模型。

2.根據權利要求1所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：還包括訓練模塊，用于采用多名患者的特征預測變量信息及其預后信息訓練初始模型獲得早期預測模型。

3.根據權利要求2所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：所述訓練模塊基于ROC曲線和數據丟失率初步選擇患者的特征預測變量，所述篩選原則為：ROC曲線的AUC值大于0.6，并且數據丟失率小于50％。

4.根據權利要求2所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：所述初始模型為XGBoot模型，訓練初始模型時，根據患者的特征預測變量對初始模型的權重值，最終確定早期預測模型的輸入特征變量，所述輸入特征變量包括血氧飽和度、外周白細胞計數、收縮壓變化、心率、肺多發小斑片影和年齡。

5.根據權利要求4所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：所述權重值采用早期預測模型計算每個特征預測變量的分數來表示，具體采用早期預測模型的目標函數中加入用以控制復雜度的正則項，正則項里包含了樹的葉子節點個數、每個葉子節點上輸出變量的分數的L2模的平方和。

6.根據權利要求2所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：所述早期預測模型通過向每個樹的節點中的缺失值添加一個默認方向自動處理特征預測變量有缺失的樣本數據，所述默認方向是從訓練模塊訓練數據中學習得到的。

7.根據權利要求2所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：所述訓練模塊訓練初始模型，每次訓練采用五折交叉驗證，所述的五折交叉驗證，用來測試算法模型的準確度和靈敏度，具體實施步驟為將訓練數據集分成5份，將其中4份作為訓練數據，1份作為測試數據，進行試驗。

8.根據權利要求1所述的感染COVID-19患者預后風險程度的早期預測系統，其特征在于：所述COVID-19患者的預后風險程度的早期預測結果包括：患者預后風險程度高和預后風險程度不高。

9.一種感染COVID-19患者預后風險程度的早期預測方法，其特征在于包括：

獲取COVID-19患者的特征預測變量信息；

基于所述的COVID-19患者的特征預測變量信息，根據感染COVID-19患者預后風險程度的早期預測模型，確定所述COVID-19患者的預后風險程度的早期預測結果；

所述特征預測變量信息為患者的臨床變量信息，至少包括以下信息中的一條：人口統計學特征、疾病史、癥狀和體征、臨床檢測、CT檢測結果、指標變化；

所述早期預測模型為XGBoot模型。

10.根據權利要求9所述的感染COVID-19患者預后風險程度的早期預測方法，其特征在于：還包括采用多名患者的特征預測變量信息及其預后信息訓練初始模型獲得早期預測模型。