[发明专利]生存分析模型的构建、生存率的预测方法、装置及设备

说明书

本申请公开一种生存分析模型的构建、生存率的预测方法、装置及设备，方法包括：获取患者样本数据；确定对患者样本数据进行分组的方式，以及对患者属性进行分组的方式；对患者样本数据进行分组得到M个人群分组；对患者属性进行分组得到N个属性分组；分别为各个人群分组中的各个患者属性的系数以及各个患者属性属于各个属性分组的系数设置先验概率分布；基于贝叶斯公式，计算后验概率；确定使得后验概率的取值最大的各个人群分组中的各个患者属性的系数的取值，实现生存分析模型的构建。本申请考虑到不同人群服从不同分布，不同患者属性服从不同分布的问题，为不同人群建立一个生存分析模型，不需要割裂不同人群的关联性，提高模型的准确性。

技术领域

本申请涉及医疗科研的预后研究领域，具体涉及一种生存分析模型的构建方法、生存率的预测方法、装置及设备。

背景技术

医疗科研主要包括病因研究、预后研究、诊断研究和治疗研究。生存分析是预后研究的一个重要研究内容，主要的研究内容是不同特征的患病人群与生存时间之间的关系，目前通常采用的分析手段是通过构建Cox回归模型的方法进行分析。

随着基因相关技术的发展，生存分析中需要分析的维度更丰富，同时也面临新的困难。具体的，不同的人群数据可能服从不同的分布，同时，不同影响因子也可能服从不同的分布，因此，如何处理不同的人群数据及不同影响因子在模型构建过程中的差异性，是目前面临的棘手问题。

当前最常用的方法是，通过分层对不同的人群数据分别构建模型的方式实现生存分析，但是，这种方式完全割裂了不同的人群数据之间的关联性，影响构建的模型的准确性。另外，由于医学样本数据本来就不易获取，而这种方式构建的模型只能利用对应人群的样本数据，因此模型的构建所依据的样本数据更是不足，所以，从样本数据量的角度，上述方式也会影响构建模型的准确性。

发明内容

有鉴于此，本申请提供了一种生存分析模型的构建方法，能够结合不同人群与不同影响因子在模型构建过程中的影响，实现生成分析模型的构建，提高构建模型的准确性。

第一方面，为实现上述发明目的，本申请提供了一种生存分析模型的构建方法，所述方法包括：

获取患者样本数据；其中，所述患者样本数据包括患者属性；

确定对所述患者样本数据进行分组的方式，以及确定对所述患者属性进行分组的方式；

基于确定的对所述患者样本数据进行分组的方式，对所述患者样本数据进行分组，得到M个人群分组；以及，基于确定的对所述患者属性进行分组的方式，对所述患者属性进行分组，得到N个属性分组；

分别为各个人群分组中的各个患者属性的系数以及各个患者属性属于各个属性分组的系数设置先验概率分布；

当所述M个人群分组均完成所述先验概率分布的设置之后，基于贝叶斯公式，计算后验概率；

确定使得所述后验概率的取值最大的各个人群分组中的各个患者属性的系数的取值，以实现生存分析模型的构建。

一种可选的实施方式中，所述分别为各个人群分组中的各个患者属性的系数以及各个患者属性属于各个属性分组的系数设置先验概率分布，包括：

针对所述M个人群分组中的任一个人群分组，为所述人群分组中的各个患者属性分别设置系数；

为各个系数分别设置服从预设第一分布的先验概率；其中，所述服从预设第一分布的先验概率中包括第一分布参数，所述第一分布参数具有服从预设第二分布的先验概率，所述服从第二分布的先验概率中包括用于表示对应的患者属性属于各个属性分组的系数的第二分布参数；

为所述第二分布参数设置符服从预设第三分布的先验概率。

一种可选的实施方式中，所述预设第一分布包括双指数分布；所述预设第二分布包括伯努利分布，所述预设第三分布包括beta分布。