[发明专利]适用于肿瘤患者的骨髓抑制风险预测方法、装置及存储介质

权利要求书

1.一种适用于肿瘤患者的骨髓抑制风险预测方法，其特征在于，包括：

获取患者的不同病历数据，对所述不同病历数据分别进行结构化处理后得到相应的指标信息，对所述指标信息进行量化处理；

基于入院时间和\或检查时间对患者的多个指标信息模块化处理，得到多个不同时间的指标模块，其中每个指标模块分别包括一个或多个指标信息；

将所述指标模块以及患者当前的治疗信息分别输入至预先训练的深度学习模型，得到的骨髓抑制患者的骨髓抑制风险预测结果。

2.根据权利要求1所述的骨髓抑制风险预测方法，其特征在于，还包括：

获取当前患者的检查信息和个人信息；

遍历数据库，获取数据库中与当前患者的检查信息和个人信息最相似的患者；

若判断最相似的患者未发生骨髓抑制和\或发生轻度骨髓抑制，则将最相似的患者的治疗方案输出。

3.根据权利要求1所述的骨髓抑制风险预测方法，其特征在于，

将所述指标模块以及患者当前的治疗信息分别输入至预先训练的深度学习模型，得到的骨髓抑制患者的骨髓抑制风险预测结果包括：

基于以下公式获得风险预测结果，

其中，h(X)为预测结果，x为不同病历中所获得的指标信息，W为不同指标信息的权重，b为常数。

4.根据权利要求1所述的骨髓抑制风险预测方法，其特征在于，还包括对所述深度学习模型的训练方法，包括：

基于以下公式计算模型的损失函数：

其中，h为预测结果，y为数据真实结果；

基于以下公式更新模型参数：

其中，x为不同病历中所获得的指标信息，h为预测结果，W为不同指标信息的权重，E为真实标签和预测结果之间的差距即损失。

5.根据权利要求1所述的骨髓抑制风险预测方法，其特征在于，

所述深度学习模型包括至少4个子模型，所述4个子模型用于分别对患者放化疗后的血红蛋白、血小板、中性粒细胞以及白细胞的变化值回归预测；

基于所述变化值结合患者放化疗前的血红蛋白、血小板、中性粒细胞以及白细胞的值得到相应的相对变化值以及置信度；

基于所述血红蛋白、血小板、中性粒细胞、白细胞的变化值以及置信度获得抑制风险预测结果。

6.一种适用于肿瘤患者的骨髓抑制风险预测装置，其特征在于，包括：

结构化-预处理单元，用于获取患者的不同病历数据，对所述不同病历数据分别进行结构化处理后得到相应的指标信息，对所述指标信息进行量化处理；

模块化单元，用于基于入院时间和\或检查时间对患者的多个指标信息模块化处理，得到多个不同时间的指标模块，其中每个指标模块分别包括一个或多个指标信息；

风险预测单元，用于将所述指标模块以及患者当前的治疗信息分别输入至预先训练的深度学习模型，得到的骨髓抑制患者的骨髓抑制风险预测结果。

7.根据权利要求6所述的骨髓抑制风险预测装置，其特征在于，还包括：

信息获取模块，用于获取当前患者的检查信息和个人信息；

患者获取模块，用于遍历数据库，获取数据库中与当前患者的检查信息和个人信息最相似的患者；

治疗方案输出模块，用于若判断最相似的患者未发生骨髓抑制和\或发生轻度骨髓抑制，则将最相似的患者的治疗方案输出。

8.根据权利要求6所述的骨髓抑制风险预测装置，其特征在于，

所述风险预测单元还用于执行以下步骤，包括：

基于以下公式获得风险预测结果，

其中，h(X)为预测结果，x为不同病历中所获得的指标信息，W为不同指标信息的权重，b为常数。