[发明专利]基于逻辑回归的系统性红斑狼疮患者生存风险评估系统

权利要求书

1.基于逻辑回归的系统性红斑狼疮患者生存风险评估系统，其特征在于，包括数据存储模块、数据处理模块、模型训练模块和生存风险评估模块；

所述数据存储模块用于存储有生存结局回访记录的系统性红斑狼疮患者的历史数据；

所述数据处理模块用于将数据存储模块中的历史数据进行量化编码，并将患者的生存结局作为标签，将同一患者量化编码后的其他历史数据作为生存结局影响特征，以构建样本数据集；

所述模型训练模块中预置有逻辑回归模型，模型训练模块的输入为样本数据集，其输出为利用样本数据集训练得到的逻辑回归模型参数；

所述生存风险评估模块预置有与模型训练模块中相同的逻辑回归模型，且该逻辑回归模型加载了模型训练模块输出的模型参数，生存风险评估模块的输入为待评估患者量化编码后的相应数据，输出为待评估患者的生存风险评估结果。

2.如权利要求1所述的系统性红斑狼疮患者生存风险评估系统，其特征在于，所述历史数据包括患者的入院基本信息、症状和血清学指标；所述量化指对历史数据中的数值数据进行归一化和独热编码，对历史数据中的非数值数据根据一定规则进行数值量化。

3.如权利要求1所述的系统性红斑狼疮患者生存风险评估系统，其特征在于，所述逻辑回归模型为：

将逻辑回归的输出y视为样本x属于正例的概率，得到样本属于正例的概率和属于反例的概率：

其中，向量x包含多个生存结局影响特征，即x＝[x₁,x₂,…,x_n]^T，w表示与x相对应的逻辑回归模型参数，即特征风险系数。

4.如权利要求3所述的系统性红斑狼疮患者生存风险评估系统，其特征在于，所述模型训练模块中逻辑回归模型给定训练数据集采用极大似然法来估计w，b，对数似然函数为：

π(x)＝P(y＝1|x)

L(w，b)是高阶连续可导凸函数，根据凸优化理论，可采用梯度下降法求解，参数迭代更新公式为：

θ＝[b,w₀,w₁,…,,w_n]

其中，θ_j为第j个逻辑回归模型参数，α为学习率，m为样本个数，x⁽ⁱ⁾和y⁽ⁱ⁾分别表示第i个样本的生存结局影响特征向量和对应的样本标签，表示第i个样本的第j个生存结局影响特征。

5.如权利要求4所述的系统性红斑狼疮患者生存风险评估系统，其特征在于，所述生存风险评估模块中，风险评分由特征的风险系数依次与特征值相乘求和得到，

其中，w₀,w₁,…,w_n分别是特征x₀,x₁,…,x_n的风险系数；

风险评分反映患者患病的轻重程度或者死亡风险，即患者风险评分越低，则患病程度越轻，死亡风险越低，患者风险评分越高，则患病程度越重，死亡风险越高；

测试集根据风险评分以及阈值对患者生存结局预测评估，

(y＝1|x)＝w₀x₀+w₁x₁+w₂x₂+…+w_nx_nT

(y＝0|x)＝w₀x₀+w₁x₁+w₂x₂+…+w_nx_nT

其中，(y＝1|x)表示预测结局为死亡，(y＝0|x)表示预测结局为存活，T表示生存与死亡风险评分阈值；

将待评估患者量化编码后的相应数据输入逻辑回归模型中得到患者的生存风险值后，将其与预设阈值比较，若大于该预设阈值，则待评估患者的生存风险评估结果为死亡，否则为存活。