[发明专利]一种急性冠状动脉综合征患者的主要不良心血管事件预测方法

说明书

本发明公开了一种急性冠脉综合征患者主要不良心血管事件预测方法。将每一种临床问题的主要不良心血管事件预测作为一个单独的任务，以一种联合的方式进行预测；采用基于堆叠式去噪自编码器的深度学习网络，在多任务学习框架下构建私有层和共享层，分别提取三种临床问题的私有特征和共享特征；基于生成对抗学习，确保共享层能提取出潜在的不依赖于特定临床问题的特征，缓解多任务学习框架中不同临床任务共享表达和私有表达的潜在特征空间的相互干扰，导入患者电子健康记录，在线预测患者的主要不良心血管事件发生概率。该方法能够获得较高的测试准确率，辅助医生制定合理的诊疗措施，降低医疗开支。

技术领域

本发明属于临床医学、机器学习领域，具体涉及一种急性冠脉综合征 患者的主要不良心血管事件预测方法。

背景技术

急性冠状动脉综合征是一种严重的心血管疾病，指与急性心肌缺血相 适应的任何一组临床症状和体征，一般包括不稳定性心绞痛、非ST段抬 高型心肌梗死以及ST段抬高型心肌梗死三种临床问题。主要不良心血管 事件预测可用于评估患者在院期间或出院后是否有可能发生意外的不良 心血管事件，如死亡、心肌梗死等。作为一个关键和紧迫的临床任务，主 要不良心血管事件预测已被公认为是以预测方式进行疾病管理的有效工 具。

现有的许多急性冠脉综合征风险评估模型，例如全球急性冠脉综合事 件注册(Global Registry of Acute Coronary Events，GRACE)、心肌梗死溶 栓治疗(Thrombolysis in Myocardial Infarction，TIMI)用来估计急性冠脉 综合征后主要不良心血管事件的发生概率。这些工具已经在临床实践中得 到应用，并在指导急性冠脉综合征的护理和治疗方面取得了巨大的成就。 虽然有价值，但现有的临床风险评分模型有几个明显的局限性，例如，风 险评分工具都只选择少量的特征作为风险因子项，虽然简化了计算，方便 其在临床环境中使用，然而这也导致了评分工具缺乏可概括性。最重要的 是，这些风险评分工具是为急性冠脉综合征风险分层设计的，没有区分不 同的临床成因问题，不免降低了预测性能。

随着医疗信息化的迅速发展，许多科研工作者基于电子健康记录构建 机器学习模型，来预测主要不良心血管事件。尽管这些努力很有价值，但 建立可靠的主要不良心血管事件预测模型仍然是医学筛查的一个主要难 题。现有模型大多采用浅显的线性分类器来预测主要不良心血管事件的一 般发生概率，而忽略了急性冠脉综合征多种临床问题的不同影响。

发明内容

本发明的目的是提供一种急性冠脉综合征患者的主要不良心血管事 件预测方法。该系统可导入患者电子健康记录，在线预测针对不同临床问 题的患者主要不良心血管事件发生概率，从而辅助医生制定合理的诊疗措 施，支持临床决策，降低医疗开支。

为实现上述目的，本发明提供以下技术方案：

一种急性冠脉综合征患者的主要不良心血管事件预测方法，包括以下 步骤：

采集急性冠状动脉综合征患者的电子健康记录，并对所述电子健康记 录进行清洗预处理，得到训练样本；

以堆叠式去噪编码器(Stacked Denoising Auto Encoder，SDAE)为基 础建立预训练模型，所述预训练模型包括三个用于生成私有特征的堆叠式 去噪编码器S₁、S₂、S₃，与所述堆叠式去噪编码器S₁、S₂、S₃对应，且用 于预测不良心血管事件的逻辑回归层LR₁、LR₂、LR₃，一个用于生成共享 特征的堆叠式去噪编码器S₀，以及对所述共享特征进行判别的判别器；

以所述训练样本作为所述预训练模型的输入层，以所述训练样本对应 的真值标签作为所述预训练模型的输出层，对所述预训练模型进行训练， 得到主要不良心血管事件预测模型；