[发明专利]一种临床预测模型决策分析方法

权利要求书

1.一种临床预测模型决策分析方法，用于针对目标表中的各对象，依据目标表中对象所对应各属性的数据，实现对象对应预设二分类型目标的判定，其特征在于，包括如下步骤：

步骤A.基于历史数据，统计获得与目标表中数据结构类型相一致的各样本对象、以及样本对象所对应各属性的数据，并统计获得各样本对象分别依据其各属性数据、所对应的二分类型目标，构成样本数据集，且样本对象数量不低于预设样本数阈值，然后进入步骤B；

步骤B.针对样本数据集，以各样本对象分别所对应各属性的数据为输入，各样本对象分别相对其所对应二分类型目标的概率值为输出，针对预设机器学习算法进行训练，获得样本数据集所对应的目标预测模型，然后进入步骤C；其中，概率值∈(0,1)；

步骤C.分别针对样本数据集中的各个样本对象，采用目标预测模型，针对样本对象分别所对应各属性的数据进行处理，获得样本对象相对其所对应二分类型目标的概率值；完成针对样本数据集中各个样本对象的上述操作后，然后进入步骤D；

步骤D.针对0至1的数值区间按预设份数N进行等分，并将各等分数值按0至1顺序、分别赋值给T₁至T_N，然后进入步骤E；

步骤E.按2≤n≤N-1，分别针对T₂至T_N-1中的各T_n，获得样本数据集分别在各T_n下所对应的参数a、b、c、d、e，然后进入步骤F；

上述步骤E中，按2≤n≤N-1，分别针对T₂至T_N-1中的各T_n，执行如下步骤E1至步骤E2，获得样本数据集分别在各T_n下所对应的参数a、b、c、d、e，然后进入步骤F；

步骤E1.根据T_n、样本对象相对其所对应二分类型目标的概率值Probability、以及样本对象依据其各属性数据所对应的二分类型目标Truelabel，且Truelabel按0或1进行二分区分，分别针对样本数据集中的各样本对象，获得各样本对象分别在T_n下所对应TP、FP、FN、TN四标记中的一个，然后进入步骤E2；

步骤E2.针对样本数据集，统计获得对应TP的样本对象数量M_TP，对应FP的样本对象数量M_FP，对应FN的样本对象数量M_FN，对应TN的样本对象数量M_TN，然后按如下公式：

a＝M_TP/M；b＝M_FP/M；c＝M_FN/M；d＝M_TN/M

获得样本数据集在T_n下所对应的参数a、b、c、d，并按e＝a+c，获得参数e；

步骤F.分别针对各T_n，按如下公式：

获得各T_n分别所对应的参数p_b，并选择最大p_b所对应的T_n，作为目标表中对象基于目标预测模型所对应二分类型目标的概率值范围的分界值T_v，然后进入步骤G；

对于分界值T_v的获取，通过如下获得分界值T_ref；

p_{benefit_cost}表示treat benefit生存率和treat loss生存率的比值；treat benefit生存率为p_{event_treat}-p_{event_notreat}，表示某事件存在的情况下采取治疗后的生存率减去某事件存在的情况下不采取治疗后的生存率，p_{event_treat}是大于p_{event_notreat}，treat loss生存率为p_{noevent_notreat}-p_{noevent_treat}表示某事件不存在的情况下不采取治疗的生存率减去某事件不存在的情况下采取治疗的生存率，p_{noevent_notreat}是大于p_{noevent_treat}，p_{benefit_cost}的取值范围是大于0，T_ref的取值范围在(0,1)；

步骤G.应用目标预测模型分别针对目标表中的各对象进行处理，获得各对象分别相对其所对应二分类型目标的概率值，并进一步根据分界值T_v，获得各对象分别所对应的二分类型目标。