[发明专利]ACS风险预测方法、装置和存储介质

权利要求书

1.一种ACS风险预测方法，其特征在于，包括以下步骤，

获得ACS患者的包括病历、检查、检验和/或手术诊疗数据；

将获得的诊疗数据输入经过训练的ACS风险预测模型，根据预测结果指导后续措施和治疗。

2.根据权利要求1所述的预测方法，其特征在于，用于训练所述ACS风险预测模型的患者样本包括入院诊断为急性心肌梗死、急性冠脉综合征、不稳定心绞痛的患者，其中，

急性心肌梗死包括急性ST段抬高型心肌梗死、急性非ST段抬高型心肌梗死，

患者样本中排除了关键指标缺失率高、电子病历数据遗失或中途转诊的患者。

3.根据权利要求2所述的预测方法，其特征在于，患者样本的数据处理包括，数据抽取和数据清洗，

所述数据抽取，是从医院HIS系统及病历系统中抽取患者的基本信息、入院记录、出院记录、病程记录、各类检查检验结果、手术相关信息作为数据源，并通过自然语言处理算法进行结构化处理，

所述数据清洗，包括对于数据异常值、缺失值的判断和处理。

4.根据权利要求3所述的预测方法，其特征在于，对于患者样本的数据清洗还包括，数据的归一化，即对药品、诊断、检验及病程记录中疾病不同描述及书写方式进行标准化。

5.根据权利要求1所述的预测方法，其特征在于，所述ACS风险预测模型对于危险因素的特征选择算法基于logistic回归分析、弹性网络回归算法、随机森林算法、XGboost算法中的一种或者任意组合。

6.根据权利要求5所述的预测方法，其特征在于，

采用单因素logistic回归筛选患者住院期间死亡的可能独立危险因素；

将单因素logistic回归分析中p0.1的变量及临床上认为可能是患者住院期间死亡危险因素的变量纳入多变量logistic回归分析；

根据多变量logistic回归分析筛选出的患者住院期间死亡的独立危险因素，建立急性冠脉综合征患者住院期间死亡的风险预测模型。

7.根据权利要求5所述的预测方法，其特征在于，

采用随机森林算法来训练ACS风险预测模型，在训练集上训练一个随机森林模型，根据特征出现在子模型中作为特征的权重，选取特征权重最高的特征予以保留。

8.根据权利要求5所述的预测方法，其特征在于，将患者样本划分为训练集、开发集和测试集，在训练集上训练ACS风险预测模型，在开发集上的优化ACS风险预测模型，在测试集上评价ACS风险预测模型的效果。

9.一种ACS风险预测装置，其特征在于，所述装置包括存储器；以及

耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：

获得ACS患者的包括病历、检查、检验和/或手术诊疗数据；

将获得的诊疗数据输入经过训练的ACS风险预测模型，根据预测结果指导后续措施和治疗。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现如权利要求1至8中任一所述的方法。