[发明专利]一种胃癌风险预测方法、系统、计算机设备及可读存储介质

权利要求书

1.一种胃癌风险预测方法，其特征在于，所述胃癌风险预测方法包括如下步骤：

采集原始数据；

对原始数据进行预处理，得到待用特征集，所述待用特征集包括训练集和待测集；

建立风险评估模型，利用所述训练集对风险评估模型进行训练；

利用训练好的风险评估模型，基于所述待测集预测结果。

2.根据权利要求1所述的胃癌风险预测方法，其特征在于，所述原始数据包括传统风险因素信息和遗传因素信息，所述传统风险因素信息包括性别、年龄、吸烟史、饮酒史、果蔬摄入情况、肉类鱼虾摄入情况、腌肉熏鱼摄入情况、睡眠质量、运动情况、职业暴露情况、幽门螺杆菌感染史和家族病史；所述遗传因素信息包括SNP位点数据；

对原始数据进行预处理包括数据清洗、特征转换以及特征筛选，其中：数据清洗包括：

删除传统风险因素信息中缺失项大于30％的样本；

删除遗传因素信息中总体分型成功率低于95％的样本；

删除遗传因素信息中无法识别性别的样本；

删除遗传因素信息中不是常染色体上的SNP位点数据；

删除SNP位点数据中有两个以上等位基因的SNP位点数据；

删除SNP位点数据中分型成功率低于95％的SNP位点数据；

删除SNP位点数据中最小等位基因频率小于0.01的SNP位点数据；

删除SNP位点数据中MAF在0.45-0.5之间且基因型为A/T或G/C的SNP位点数据；

特征转换包括：

将数据清洗后的原始数据进行数值型数据转换、缺失值填充、定性特征属性亚编码、定量特征属性二值化、特征标准化与归一化；

进行特征筛选包括如下步骤：

卡方检验：采用卡方检验，删除卡方检验过程中p-value₁0.05的特征；

相关性分析：采用斯皮尔曼等级相关系数分析各个特征对目标值的相关程度，删除斯皮尔曼等级相关系数分析过程中p-value₂0.05的特征，所述目标值为胃癌发病或不发病；

信息增益分析：计算各个特征的信息增益值，删除信息增益值小于信息增益值中最大值0.1倍的特征；

共线性分析：采用方差膨胀因子作为自变量多重共线性的检验标准，采用循环迭代的方法删除VIF10的特征；

LASSO算法分析：使用LASSO算法生成变量重要性列表，删除变量重要性列表中系数为0的特征；

逻辑回归分析：使用逻辑回归模，通过递归特征消除的方法，删除显著性p-value₃0.05的特征。

3.根据权利要求2所述的胃癌风险预测方法，其特征在于，建立风险评估模型包括建立测算模型和建立结果模型，建立测算模型包括如下步骤：

采用逻辑回归模型获取待用特征集中SNP位点数据经预处理后所得到的各个特征的权重；

根据SNP位点数据经预处理后所得到的各个特征的权重计算权重遗传风险评分，计算权重遗传风险评分的公式为：

其中，wGRS为权重遗传风险评分，i为SNP位点数据经预处理后所得到的各个特征的序号，β_i为SNP位点数据经预处理后所得到各个特征的权重，G_i为SNP位点数据经预处理后所得到的各个特征；

构建测算模型，测算模型的公式为：

其中，p为胃癌风险概率，β’₀为固定系数，β’₁至β’_n-1为传统风险因素信息经预处理后所得到各个特征的的权重，X₁至X_n-1为传统风险因素信息经预处理后所得到的特征，β’_n为权重遗传风险评分的权重，X_n为权重遗传风险评分；

建立结果模型包括将胃癌风险概率划分为低风险等级、中低风险等级、中高风险等级和高风险等级。