[发明专利]一种基于知识图谱的肝癌术后复发风险的预测方法及装置

说明书

本申请提出一种基于知识图谱的肝癌术后复发风险的预测方法及装置，属于医疗数据预测领域，其中方法包括：针对患者数据进行预处理，得到预处理后数据；针对所述预处理后数据，构建包含肝癌复发相关影响因素、肝癌指标和患者数据的知识图谱；采用XLNet训练模型对所述知识图谱中实体、关系进行训练，得到患者实体和关系的表征向量；根据所述患者实体和关系的表征向量，采用XGB算法进行预测，并用MSE作为损失函数，将损失函数最小的对应预测值，作为肝癌术后复发风险的预测值。系统包括：数据预处理模块、知识图谱构建模块、知识表征训练模块以及手术后复发风险预测模块。本申请提高了风险预测的可靠程度。

技术领域

本申请属于医疗数据预测领域，具体涉及一种基于知识图谱的肝癌术后复发风险的预测方法及装置。

背景技术

肝细胞癌(肝癌)是全球范围内最常见恶性肿瘤之一，位居各种恶性肿瘤发病率第7位，每年约有84.1万新发病例和78.2万人死亡。在我国，肝癌发病率和死亡率分居第4位和第2位。目前肝切除术是其最常用的治疗方法之一，但手术后5年内复发率高达40％～70％，严重威胁患者的长期生存。因此，预测肝癌患者切除术后的复发风险，及早鉴定复发风险高的肝癌患者，并对其尽早实施干预和治疗是非常重要的环节，这会减少肝癌复发的概率，并极大改善肝癌患者的术后预后。

现有技术方案中，通过试剂盒来预测各基因表达水平，再利用随机森林训练得到各基因的重要度，进而确定风险评分中基因的权重，随机森林算法是用随机的方式建立一个森林，森林由很多决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，输入一个新样本，森林中的每一棵决策树分别对其进行判断并分类，被选择最多的一类即预测样本的类型。

综上所述，现有技术方案在权重的确定和各个基因的选择中，并没有将数据元素链接起来，各个元素是独立的，所得到的预测模型并不能涵盖较为全面的可能复发因素。

事实证明，图是一种有用的数据结构，主要研究形状和图形数据元素之间的关系。如果将编程问题通过顶点和边表示出来，进而问题可以用图画出来，再利用图算法(如广度优先搜索或深度优先搜索)找到解决方案。

根据对现有技术的研究，肝癌术后预后模型大多通过机器学习或深度学习建模，但这些方法无法链接数据元素间的关系，如果加入医学知识和数据先验信息，通过节点分类或链接预测来建立深度学习模型，得到的风险预测模型将会更加全面和可靠。

发明内容

针对以上技术不足，本申请提出一种基于知识图谱的肝癌术后复发风险的预测方法及装置，通过构建知识图谱，并进行节点分类或链接预测，从而得到肝癌患者术后复发的风险预测模型。

第一方面，本申请提出一种基于知识图谱的肝癌术后复发风险的预测方法，包括如下步骤：

针对患者数据进行预处理，得到预处理后数据；

针对所述预处理后数据，构建包含肝癌复发相关影响因素、肝癌指标和患者数据的知识图谱；

采用XLNet训练模型对所述知识图谱中实体、关系进行训练，得到患者实体和关系的表征向量；

根据所述患者实体和关系的表征向量，采用XGB算法进行预测，并用MSE作为损失函数，将损失函数最小的对应预测值，作为肝癌术后复发风险的预测值。

所述针对患者数据进行预处理，得到预处理后数据，包括：对肝癌患者电子病历中含有相关参数的数据进行筛选，过滤，去掉特殊符号。

所述患者数据指电子病历数据，包含肝癌复发相关影响因素、肝癌指标对应的病理信息。