[发明专利]结直肠癌术后LARS预测模型的构建方法及预测系统

说明书

本发明公开了结直肠癌术后LARS预测模型的构建方法及预测系统，包括：获取第一样本对；生成第二样本对；训练生成预测模型；选出测试集对预测模型测试；在聚类空间内标定预测模型；进行半监督聚类分析生成聚类结果；将患者变量作为结直肠癌术后LARS预测模型的输入数据，将对应的最优的预测模型的输出数据作为结直肠癌术后LARS预测模型的输出数据。本发明通过将不同的患者变量对应不同的预测模型，避免了单一模型对LARS预测精度差的问题，在预测模型使用过程中，只需要选择对应患者变量的最优预测模型进行预测，就可以获得精度很好的LARS预测数据。

技术领域

本发明涉及信息分析技术领域，具体涉及结直肠癌术后LARS预测模型的构建方法及预测系统。

背景技术

结直肠癌是世界第三常见的癌症，也是发达国家第二癌症相关的死亡原因。随着结直肠癌诊疗技术的不断发展以及医患双方对术后生活质量要求的愈发重视，保肛手术也成为越来越多的结直肠癌首选术式，并在一定程度上改善了患者的生活质量。但许多结直肠癌患者保肛术后出现了不同程度的排便次数增加、便急、气便失禁、排便不尽等症状，即低位前切除综合征，这对患者生活质量产生了严重的影响。目前国内仅有一些研究涉及了低位前切综合征发生的影响因素，其中包括患者的基本情况（如性别、年龄）、肿瘤分期和治疗方案（如是否进行术前化疗）等各方面因素，这些因素可能与低位前切综合征（LowAnterior Resection Syndrome, LARS）发生以及发生的严重性有一定相关性。但目前国内及国际上均没有研究或产品能够对结直肠癌术后低位前切综合征的发生进行预测。

故本申请依托于大量结直肠癌患者的临床数据，开展一项前瞻性队列研究，进行合适的数据分析基于机器学习方法构建了低位前切综合征的预测模型。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供结直肠癌术后LARS预测模型的构建方法及预测系统。

第一方面，本申请实施例提供了结直肠癌术后LARS预测模型的构建方法，包括：

从样本库中获取第一样本对；所述第一样本对为患者变量和LARS评分的对应关系；

对所述第一样本对中患者变量进行预处理生成第二样本对；

从所述第二样本对中选出训练集，并通过所述训练集对多种模型进行训练生成多个对应不同模型的预测模型；

从所述第二样本对中选出多组对应不同患者变量的测试集对所有所述预测模型进行测试生成测试评价数据；

以所述测试评价数据和对应的所述患者变量构建聚类空间，并在所述聚类空间内标定所有的所述预测模型；

根据所述测试评价数据对所有第二样本对进行半监督聚类分析生成聚类结果；所述聚类结果为所述第二样本对中患者变量对应的最优的预测模型；

将所述患者变量作为结直肠癌术后LARS预测模型的输入数据，将对应的所述最优的预测模型的输出数据作为结直肠癌术后LARS预测模型的输出数据完成结直肠癌术后LARS预测模型的构建。

现有技术中，对于医用预测模型的研究已经有所展开，如申请号为202111071269.5的中国专利公开了肺癌手术后生存率预测模型构建方法和预测模型系统，其通过测量包括基因突变分型在内的临床数据来预测肺癌手术后生存率的方法包括：数据获取步骤，获取肺癌手术后临床数据；预处理步骤，对肺癌手术后临床数据进行分类分组，得到建模组临床数据和验证组临床数据；危险因素筛选步骤，对建模组临床数据进行危险因素筛选，得到危险因素数据和总生存期数据；回归分析步骤，对危险因素数据和总生存期数据进行回归分析，得到回归分析后数据，肺癌手术后临床数据包括基因突变分型，年龄，肿瘤大小，淋巴结转移，手术方式。发明人发现由于医学样本的复杂性，无论是如何进行参数筛选和模型修正，都很难获取较为准确的预测结果。