[发明专利]用于预测患有癌症的可能性或风险的方法和机器学习系统

摘要

本发明的实施方案一般涉及测量生物标志物(例如肿瘤抗原)并收集来自患者的临床参数的非侵入性方法和测试，以及计算机执行的机器学习方法、装置、系统和计算机可读介质，用于评估相对于患者群体或组群患病的可能性。在一个实施方案中，基于来自回顾性数据和输入子集(例如至少两个生物标志物和至少一个临床参数)的训练数据，使用机器学习系统来生成分类器，其中每个输入值具有相关联的权重并且分类器满足预定的接收器操作者特征(ROC)统计值，指定灵敏度和特异性，用于患者的正确分类。分类器然后可以用于通过将患者分为指示患有癌症的可能性的类别或指示不患有癌症的可能性的另一类别来评估患者相对于人群患有癌症的可能性。

主权项

1.计算机执行的用于预测患者患有癌症的可能性的方法，该方法在计算机系统中进行，所述计算机系统具有一个或多个耦合至存储器的处理器，所述存储器储存由一个或多个处理器执行的一个或多个计算机可读指令，所述一个或多个计算机可读指令包含用于如下的指令：储存包含多个患者记录的数据集，每个患者记录包括多个参数和相应的患者的值，且其中数据集还包括诊断指示符，其指示该患者是否被诊断为患有癌症；选择输入的多个参数的子集进入机器学习系统，其中所述子集包括一组至少两种不同的生物标志物和至少一种临床参数；将数据集随机分配为训练数据和验证数据；使用机器学习系统基于训练数据和输入的子集生成分类器，其中每个输入值具有相关的权重；和确定分类器是否满足预定的接收器操作者特征(ROC)统计值，从而指定灵敏度和特异性，以校正患者类别。