[发明专利]一种非小细胞肺癌免疫治疗不良反应风险预测方法及系统

权利要求书

1.一种非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，包括以下步骤：

S1，获取肺癌患者数据信息；

S2，从肺癌患者数据信息中筛选出自变量作为输入，从免疫治疗不良反应中选择出预测因变量作为输出，构建风险预测模型；

S3，通过机器学习算法对风险预测模型进行训练；

S4，将待检索肺癌患者的完整肺癌数据信息输入到风险预测模型，根据的数据信息对可能发生的免疫治疗不良反应做出预测。

2.根据权利要求1所述的非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，所述S1具体包括：通过AI智能设备采集肺癌患者的初步肺癌数据信息，并对预测模型的标准输入参数所缺失的数据进行补全得到完整的肺癌患者数据信息。

3.根据权利要求1所述的非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，所述肺癌患者数据信息包括：患者治疗药物种类、姓名、性别、年龄、吸烟史、PS评分、TNM分期、免疫治疗线数以及血常规、血生化指标、病理亚型、驱动基因突变、PD-L1表达情况。

4.根据权利要求1所述的非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，所述S2具体包括：

通过近零方差查询、共线性筛查、递归特征消除的方式从免疫治疗不良反应中选择出预测因变量。

5.根据权利要求1或4所述的非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，所述S2具体包括：

基于Logistic回归算法构建风险预测模型。

6.根据权利要求5所述的非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，所述S3具体包括：用多项式回归算法筛选剩下的预测因变量，判断是否有非线性可能，以消除隐患。

7.根据权利要求5所述的非小细胞肺癌免疫治疗不良反应风险预测方法，其特征在于，用LASSO回归算法筛选剩下的预测因变量，判断是否有交互可能，以消除隐患。

8.一种非小细胞肺癌免疫治疗不良反应风险预测系统，其特征在于，所述系统用于实现如权利要求1-7任一项所述的非小细胞肺癌免疫治疗不良反应风险预测方法的步骤，具体包括：

信息获取模块，用于获取肺癌患者数据信息；

建模模块，用于从肺癌患者数据信息中筛选出自变量作为输入，从免疫治疗不良反应中选择出预测因变量作为输出，构建风险预测模型；

训练模块，用于通过机器学习算法对风险预测模型进行训练；

预测模块，用于将待检索肺癌患者的完整肺癌数据信息输入到风险预测模型，根据的数据信息对可能发生的免疫治疗不良反应做出预测。

9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的非小细胞肺癌免疫治疗不良反应风险预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的非小细胞肺癌免疫治疗不良反应风险预测方法的步骤。