[发明专利]免疫治疗疗效预测模型训练方法、预测系统及方法和介质

说明书

本发明涉及免疫治疗疗效预测模型的训练方法、预测系统及方法和介质，预测模型训练方法包括：获取病人历史基本临床信息、检验检测信息及治疗过程中专家进行的疗效评估信息；对只采集一次的基本临床信息进行编码处理，对采集了多次的时间序列信息进行归一化处理；将处理后的时间序列特征在时间维度进行降维，与处理后的基本临床信息结构化特征进行拼接，得到总特征，再使用多层感知机处理总特征，进行未来时间点特征预测，得到预测结果；结合预测结果在该未来时间点疗效评估信息计算损失，训练预测模型。本发明融合多模态数据进行建模，模型表达能力相比于单模态模型大大增强，通过结合历史数据，得到更准确的预测结果。

技术领域

本发明涉及一种智能信息预测技术，具体涉及一种免疫治疗疗效的预测模型的训练方法、使用该预测模型的预测系统和预测方法和介质，属于人工智能技术领域。

背景技术

近年来，智能分析处理已经渗透到各个技术领域，并逐渐应用到临床医学中，被人们称之为智能疾病诊断分析，而在实际智能疾病诊断分析中经常会碰到需要处理多模态的情形，而临床医学诊断正是这样的多模态情形，目前已有的多源多模态智能分析方法和系统，但是时序通常都是同步的序列，例如有些多源多模态智能分析针对诸如心电图或脑电图等同步序列的进行处理分析，如公开号为CN107247881A的中国发明专利申请，其披露了一种多模态智能分析方法及系统，并具体公开了一种对文字数据，时间序列信号数据和视觉数据进行处理和诊断导航和诊断决策的系统及方法，通过模型训练，利用循环神经网络和卷积神经网络进行诊断导航和决策。但是上述专利虽然涉及多模态的时间序列，但是其主要是针对同步时序，比如脑电图和心电图这种同步时序的智能分析场景。

当前，在临床医学上面临着众多的异步时间序列，而分析处理异步时间序列的方法和系统相对较少，但是在实践中却存在着迫切的需求，这也是现代临床医学经常碰到的技术问题。

发明内容

为了克服现有技术不能处理免疫治疗过程中的异步时间序列信息的不足，本发明提出了一种能够对免疫治疗过程中的异步时间序列信息进行处理/预测的系统，及使用该系统对多种临床信息的异步时间序列信息进行预后疗效智能预测的方法，以及所述系统和方法中使用的预测模型的训练方法，以更加准确地针对多源异步时间序列信息进行处理与预测。

为实现上述目的，一方面，本发明提供了一种免疫治疗疗效预测模型的训练方法，包括：

搜集基本临床信息、不同时间拍摄的CT影像以及专家标注的针对每一个影像中主病灶的分割结果即专家分割标注、实验室检验信息、临床干预状态信息以及治疗过程中专家进行的疗效评估信息，并将搜集到的信息划分为训练集、验证集与测试集；

对上述搜集到的数据集进行预处理，其中，对基本临床信息中的类别信息进行编码处理，对连续值进行归一化处理，拼接得到基本临床信息结构化特征；对于CT 影像，提取每一次CT影像中专家分割标注的影像组学时间序列特征，进行归一化处理，同时记录该影像组学时间序列特征中每一个时间点的临床干预状态，得到增加了临床干预状态特征维度的处理后的影像组学时间序列特征；对实验室检验信息的时间序列特征，进行归一化处理，同时记录该时间序列特征中每一个时间点的临床干预状态，得到增加了临床干预状态特征维度的处理后的实验室检验信息时间序列特征；对疗效评估信息进行编码处理；记录异步时间序列特征每个数据点间的时间间隔和每个时间点的时间戳；

将预处理后的影像组学时间序列特征、实验室检验信息时间序列特征在时间维度进行融合，将时间维度降至一维，与预处理后的基本临床信息结构化特征进行拼接，得到总特征，对总特征进行建模，进行某时间点特征预测，得到预测结果；