[發明專利]基于變分推斷和深度學習的腹膜透析模式輔助推薦系統

有效

• 申請號: 202011247101.0
• 申請日: 2020-11-10
• 公開（公告）號: CN112435751B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 洪草根;郝玉哲;李偉;陳大鵬;董張慧雅;王兆瑞;郭小青;李敬東;韓天利;梁釗銘
• 申請（專利權）人: 中國船舶集團有限公司第七一六研究所;江蘇杰瑞科技集團有限責任公司;連云港市第一人民醫院
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H50/70;G06N5/04;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬

本發明公開了一種變分推斷和深度學習的腹膜透析治療效果預測系統，包括信息獲取模塊、計算處理模塊、輔助推薦模塊和、自學習模塊，其中計算處理模塊中采用基于變分推斷和深度學習的預測模型，包括：獲取回顧性實驗數據集；推導得到變分下界，將最大化似然函數轉化為最大化變分下界；構建對應模型，以最大化變分下界為優化目標；使用超參數搜索，挑選出最佳超參數組合；在測試集上測試采取最佳超參數訓練的模型。該模型能夠在給定個體特征的情況下，預測對該個體采用自動腹膜透析和手動腹膜透析的預期治療效果差異，并且通過變分推斷方法解耦隱變量，減少選擇偏誤對預測的影響，獲得更準確的預測性能，能夠更好地輔助決策者對治療模式的選擇。

技術領域

本發明涉及腹膜透析人工智能領域，特別是一種基于變分推斷和深度學習的腹膜透析模式輔助推薦系統。

背景技術

腹膜透析和血液透析、腎移植是目前中末期腎臟病病人的三種主要治療手段。由于腎源短缺導致腎移植的病人漸少，而各級血液透析中心的病人漸趨飽和，腹膜透析正被越來越多的病人所采用。腹膜透析又分為手動腹膜透析和自動腹膜透析，近幾年來，隨著科技的發展和人們生活水平的不斷提高，自動腹膜透析的占比逐年增加，然而自動腹膜透析相較于手動腹膜透析是否有更好的治療效果尚未可知。

“接受/不接受某種干預措施，該患者的病情會改善嗎？”是臨床醫生普遍關心的問題。實際上，這是一個關于個體化干預效果(Individualized Treatment Effects，ITE)的典型問題。ITE被定義為在給定患者狀況的情況下，采取和不采取某種干預措施的預期結果之間的差異。對ITE的估計是精準醫學領域的一項重要任務，可幫助臨床醫生選擇合適的治療方法。更一般地，ITE估計在需要進行行為決策的其他場景中也很有用，例如政府判斷誰將從就業培訓補貼中受益最多，老師決定哪個學習項目對某個特定的學生最有利等。ITE估計的常用方法主要可分為前瞻性研究和回顧性研究，前瞻性研究一般是設置臨床隨機對照試驗(randomized controlled trials，RCTs)，回顧性研究一般根據以往記錄的真實世界數據來估計干預效果。

RCT是將患者隨機分配到不同的干預組中，觀察不同干預組中患者的干預效果差異。然而RCT研究花費的時間長，費用高，甚至在一些情況下由于醫學倫理因素不能進行。

回顧性研究則直接根據利用既往數據估計干預效果。由于數據相對易于獲取，回顧性研究受到越來越廣泛的關注。然而從既往數據估計個體干預效果也面臨兩個主要挑戰：反事實結果缺失和選擇偏誤。由于在同一時間一位患者只能接受一種干預方案，所以我們無從得知未采取的方案(即反事實)的結果。為此解決這一問題，一些傳統的ITE估計方法通過回歸模型來擬合患者特征與潛在干預結果之間的關聯，從而估計反事實結果，比如普通最小二乘法(Ordinary least squares，OLS)回歸；還有研究采用基于最近鄰匹配的方法，在采取相反干預措施的樣本中搜索特征最為相似的訓練樣本，以此估計反事實結果，比如傾向性評分匹配(Propensity score matching，PSM)。然而，由于既往數據中干預措施的選擇并不受控，其可能受到患者特征的影響，從而導致選擇偏誤。例如，在是否進行手術的決策上，老年人更傾向于選擇保守治療而拒絕手術，年輕人則更傾向于手術。在這種情況下，不同干預方案的組別之間本身就存在分布上的差異，在通過上述方法估計ITE時會將這種差異引入，從而造成ITE估計的不正確。

發明內容

本發明的目的在于提供一種基于變分推斷和深度學習的腹膜透析模式輔助推薦系統。

實現本發明目的的技術解決方案為：一種基于變分推斷和深度學習的腹膜透析模式輔助推薦系統，包含：

信息獲取模塊，用于獲取腹膜透析患者的基本信息；

計算處理模塊，用于預測手動或自動腹膜透析模式下的治療效果；

輔助推薦模塊，用于決策者根據預測的治療效果選擇合適的治療模式；