[发明专利]一种数据共享策略下的多中心协同预后预测系统

权利要求书

1.一种数据共享策略下的多中心协同预后预测系统，其特征在于，包括：

(1)数据获取模块：在各医疗机构中心分别收集患者预后预测所需要的各个变量的数据，作为该医疗机构中心的源数据集；

(2)数据匿名化模块：对每个医疗机构中心的源数据集以50％进行随机采样，对采样数据使用匿名化算法生成匿名化数据，剩余数据作为该医疗机构中心的本地训练集；来自每个医疗机构中心的匿名化数据由中央服务器收集合成增强数据集；将增强数据集分成两部分，即附加训练集和验证集；附加训练集用于回传并分配给每个医疗机构中心；验证集用于选择集成学习模型的超参数(hyper parameter)；所述匿名化算法可选择k-匿名算法(k-anonymity)、l-多样性(l-diversity)、t-临近度(t-closeness)以及差分隐私匿名算法；其中具体用于实现k-匿名的方法可以选择抑制(suppression)，抑制即彻底隐藏某些信息，不发布某些数据项；

(3)模型训练模块：每个医疗机构中心在本地训练集成学习模型的子分类器，在训练过程中的训练数据包括该医疗机构中心的本地训练集和中央服务器回传给该医疗机构中心的附加训练集；这表明用于训练每个医疗机构中心子分类器的训练集不仅来自中心本身还来自其他中心的数据集，从而增加数据集的随机性，以提高集成学习模型的整体性能， 在训练过程中，利用从增强数据集创建的验证集选择集成学习模型的超参数；

(4)预后模型应用模块：由中央服务器收集各医疗机构中心本地训练的子分类器构成完整的集成学习模型；将新的患者数据输入该集成学习模型执行预后预测。

2.根据权利要求1所述的一种数据共享策略下的多中心协同预后预测系统，其特征在于，该系统考虑水平分割数据(horizontal-partitioned data)，即每个医疗机构中心的源数据集具有相同种类的变量。