[發(fā)明專利]基于隨機生存森林的肝癌術后復發(fā)預測方法、存儲介質

在審

• 申請?zhí)枺?/td>: 202110098484.8
• 申請日: 2021-01-25
• 公開（公告）號: CN112768060A
• 公開（公告）日: 2021-05-07
• 發(fā)明（設計）人: 劉景豐;曾建興;郭鵬飛;劉紅枝;林孔英;陳振偉;黃起楨;傅俊;丁宗仁;曾建陽;陳傳椿;李保晟
• 申請（專利權）人: 福州宜星大數據產業(yè)投資有限公司;福建醫(yī)科大學孟超肝膽醫(yī)院（福州市傳染病醫(yī)院）
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G16H50/80
• 代理公司: 福州市眾韜專利代理事務所(普通合伙) 35220
• 代理人: 陳智雄

1.基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，包括：

獲取各病例的臨床資料和復發(fā)時間；

預設入組維度包括病人基本因素、術前檢驗因素和術后病理因素；

依據所述臨床資料獲取數據集，所述數據集由各病例對應的預設入組維度構成；

依據數據集和各病例的復發(fā)時間，采用隨機生存森林算法構建得到對應的肝癌術后早期復發(fā)預測模型。

2.如權利要求1所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，所述獲取各病例的臨床資料和復發(fā)時間，之前，還包括：

獲取入組的各病例，所述各病例在術前肝功能評估正常、既往無惡性腫瘤病史、無鄰近臟器侵犯及遠處轉移、進行過肝癌切除手術且術后病理證實為肝細胞癌，以及在術后復發(fā)。

3.如權利要求1所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，所述依據數據集和各病例的復發(fā)時間，采用隨機生存森林算法構建得到對應的肝癌術后早期復發(fā)預測模型，包括：

依據預設比例劃分各病例，得到訓練組病例和測試組病例；

依據所述訓練組病例和測試組對所述數據集進行劃分，得到訓練組數據集和測試組數據集；

依據訓練組數據集和訓練組病例中各病例的復發(fā)時間，采用隨機生存森林算法構建得到對應的肝癌術后早期復發(fā)預測模型及其累計風險函數；

使用所述累計風險函數對訓練組病例中的各個病例進行預測，得到危險分數集；

依據預設的比例劃分所述危險分數集，得到分別對應低危復發(fā)組、中危復發(fā)組和高危復發(fā)組的風險分數范圍。

4.如權利要求3所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，還包括：

獲取一病例的入組維度；

依據所述一病例的入組維度，通過所述肝癌術后早期復發(fā)預測模型計算得到所述一病例對應的危險分數；

依據計算得到的危險分數所屬的風險分數范圍，確定對應的風險分組；

輸出所確定的風險分組。

5.如權利要求1所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，還包括：

將所述肝癌術后早期復發(fā)預測模型部署到服務器中，并生成對應的預測網頁。

6.如權利要求1所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，還包括：

獲取一病例的入組維度；

依據所述一病例的入組維度，通過所述肝癌術后早期復發(fā)預測模型計算得到所述一病例對應的復發(fā)情況。

7.如權利要求6所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，所述復發(fā)情況包括風險分數、無復發(fā)概率及其曲線。

8.如權利要求6所述的基于隨機生存森林的肝癌術后復發(fā)預測方法，其特征在于，所述病人基本因素包括年齡和性別；所述術前檢驗因素包括血小板、白蛋白、總膽紅素、病因學檢查結果和甲胎蛋白；所述術后病理因素包括腫瘤最大徑、腫瘤數量、肉眼血管侵犯、微血管侵犯、衛(wèi)星子灶、腫瘤包膜、肝癌分化分級和肝硬化類型。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序在被處理器執(zhí)行時，能夠實現上述權利要求1-8任意一項所述的基于隨機生存森林的肝癌術后復發(fā)預測方法所包含的步驟。