[發明專利]受試者篩選方法、系統、設備及計算機可讀存儲介質

有效

• 申請號: 202111558014.1
• 申請日: 2021-12-20
• 公開（公告）號: CN113948165B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 覃龍
• 申請（專利權）人: 易臨云（深圳）科技有限公司
• 主分類號: G16H10/20
• 分類號: G16H10/20;G16H10/60;G16H50/30;G06N20/00
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 趙愛蓉

本發明公開了一種受試者篩選方法，所述受試者篩選方法包括以下步驟：獲取受試者的體征信息和臨床研究項目的方案信息；基于體征特征提取模型和預設特征預測模型，對所述體征信息進行特征提取和預測，獲得所述受試者的各階段體征特征；基于期望特征提取模型，分別對各所述階段期望特征進行特征提取，得到各階段期望特征；對所述各階段體征特征和所述各階段期望特征進行分階段匹配，獲得所述受試者與所述臨床研究項目的綜合匹配度；根據所述綜合匹配度，篩選出所述臨床研究項目對應的目標受試者。本發明還公開了一種受試者篩選系統、設備和計算機可讀存儲介質。本發明提高了篩選出的目標受試者與臨床試驗整體方案的契合程度。

技術領域

本發明涉及人工智能領域，尤其涉及一種受試者篩選方法、系統、設備及計算機可讀存儲介質。

背景技術

醫學臨床試驗是現代循證醫學研究的重要手段，在廣泛的醫學領域和藥物研究方面都起到重要的作用。在進行醫學臨床試驗前，往往需要招募一定數量的、符合對應入排標準的受試者。然而，隨著試驗地逐步推進受試者的體征信息也會產生較大的波動，此時的受試者體征不一定符合后續試驗階段的預期體征。在此情況下，往往需要對受試者的體征信息進行調整。從而對于該臨床試驗而言，會極大地拖延試驗進程，甚至進一步地可能會導致該臨床試驗的失敗。即受試者雖然符合了該臨床試驗的入排標準，但與該臨床試驗整體方案的契合程度偏低。

發明內容

本發明的主要目的在于提供一種受試者篩選方法，旨在解決受試者與臨床試驗整體方案的契合程度偏低的技術問題。

為實現上述目的，本發明提供一種受試者篩選方法，所述受試者篩選方法包括以下步驟：

獲取受試者的體征信息和臨床研究項目的方案信息；

基于體征特征提取模型和預設特征預測模型，對所述體征信息進行特征提取和預測，獲得所述受試者的各階段體征特征；

基于期望特征提取模型，對所述方案信息進行特征提取，得到各階段期望特征；

對所述各階段體征特征和所述各階段期望特征進行分階段匹配，獲得所述受試者與所述臨床研究項目的綜合匹配度；

根據所述綜合匹配度，篩選出所述臨床研究項目對應的目標受試者。

優選地，所述各階段體征特征包括當前體征特征和后續階段體征特征，所述基于體征特征提取模型和預設特征預測模型，對所述體征信息進行特征提取和預測，獲得所述受試者的各階段體征特征的步驟包括：

基于所述體征特征提取模型，對所述體征信息進行特征提取，獲得所述受試者的當前體征特征；

基于預設特征預測模型，對所述當前體征特征進行特征預測，獲得所述受試者的后續階段體征特征。

優選地，在所述基于所述體征特征提取模型，對所述體征信息進行特征提取，獲得所述受試者的當前體征特征的步驟之前，所述受試者篩選方法還包括：

獲取第一期望樣本特征集和第一體征信息樣本集；

基于待訓練體征特征提取模型，對所述第一體征信息樣本集進行特征提取，獲得第一體征樣本特征集；

根據所述第一體征樣本特征集和所述第一期望樣本特征集，計算第一對比損失；

根據所述第一對比損失，優化所述待訓練體征特征提取模型，獲得所述體征特征提取模型。

優選地，在所述基于預設特征預測模型，對所述當前體征特征進行特征預測，獲得所述受試者的后續階段體征特征的步驟之前，所述受試者篩選方法還包括：

獲取訓練體征特征以及所述訓練體征特征對應的真實后續體征樣本特征；

依據待訓練特征預測模型，將所述訓練體征特征轉換為訓練后續體征特征；