基于常规检验数据预测风险的方法和装置

本申请一般涉及人工智能，尤其涉及利用人工智能来基于常规检验数据预测风险。

背景技术：

1、疾病的早诊早治具有重要意义。例如，癌症的早诊早治对于患者治疗后的生存预期有很大提升。根据2020年数据，以肝癌为例，其5年生存率低于8％。但是如果患者是在癌症的前期发现，那5年生存率可以提高到57％。目前癌症的相关早期筛查方法局限于成本高、专业性强或者侵入性的检查，如影像学检查、内镜、病理学切片以及基因测序。这些方法不利于癌症早期筛查在国内的大规模推广，也就降低了我国癌症早期发现的比例，最终影响了癌症患者的生存率。

2、例如，在癌症早诊早治的背景下，有大量研究使用横断面电子病历数据建立了癌症风险预测模型，获得了不错的效果。这类模型能够通过患者一些基础体检和影像学检查结果为基础，通过统计学或者人工智能模型对患者的患癌风险进行评分，实现以较低成本、无创、易于实施的筛查方法。但该类模型有一个巨大的缺陷，即用于训练这些模型的数据是基于横断面的临床数据，这些纳入的癌症患者已经是患癌早期或者中晚期患者，模型学习的数据是患癌病人和未患癌病人的分类。因此，被这类模型评估为患癌风险高的患者，只能解读为是癌症患者的概率高，而不是真正的未来患癌风险高的意思。

3、因此，本领域需要改善的技术方案用于对甚至还未患病的个体进行相应疾病的患病风险的有效评估。

技术实现思路

1、本公开的一方面涉及一种基于常规检验数据预测风险的方法，包括收集多个对象的纵向检验数据，所述纵向检验数据包括所述多个对象各自在多个时间上的多组检验数据；以及基于所收集的纵向检验数据来训练模型输出对于疾病类型和多个生长期的分类结果。

2、根据一些实施例，该方法进一步包括向经训练的所述模型输入患者的当前常规检验结果以获得对于所述患者的疾病类型和多个生长期的分类结果；基于所述疾病类型和多个生长期的分类结果，评估所述患者对于所述疾病类型的患病风险综合评分；以及基于所述患病风险综合评分，向所述患者提供相应的建议。

3、根据一些实施例，所述多个时间包括分布在一检验时间窗口中的多个时间。

4、根据一些实施例，所述疾病类型包括严重疾病类型和对应的普通疾病类型，并且所述模型被进一步训练成联合输出对于所述严重疾病类型和所述对应的普通疾病类型在多个生长期的分类结果。

5、根据一些实施例，所述纵向检验数据包括所述多个对象各自在多个时间上的多组阴性检验数据，并且其中所述方法进一步包括收集所述疾病类型的确诊信息作为阳性数据；其中所述模型进一步基于所收集的纵向检验数据和所述确诊信息来训练。

6、本公开的另一方面涉及一种基于常规检验数据预测风险的装置，包括数据收集模块，用于收集多个对象的纵向检验数据，所述纵向检验数据包括所述多个对象各自在多个时间上的多组检验数据；以及模型训练模块，用于基于所收集的纵向检验数据来训练模型输出对于疾病类型和多个生长期的分类结果。

7、根据一些实施例，该装置进一步包括输入模块，用于向经训练的所述模型输入患者的当前常规检验结果以获得对于所述患者的疾病类型和多个生长期的分类结果；评估模块，用于基于所述疾病类型和多个生长期的分类结果，评估所述患者对于所述疾病类型的患病风险综合评分；以及建议模块，用于基于所述患病风险综合评分，向所述患者提供相应的建议。

8、根据一些实施例，所述多个时间包括分布在一检验时间窗口中的多个时间。

9、根据一些实施例，所述疾病类型包括严重疾病类型和对应的普通疾病类型，并且所述训练模块进一步用于将所述模型训练成联合输出对于所述严重疾病类型和所述对应的普通疾病类型在多个生长期的分类结果。

10、根据一些实施例，所述纵向检验数据包括所述多个对象各自在多个时间上的多组阴性检验数据，并且其中所述数据收集模块进一步用于收集所述疾病类型的确诊信息作为阳性数据；并且其中所述训练模块进一步基于所收集的纵向检验数据和所述确诊信息来训练所述模型。

11、本公开的其他方面还包括相应的装置、设备以及计算机可读介质等。

技术特征：

1.一种基于常规检验数据预测风险的方法，包括：

2.如权利要求1所述的方法，进一步包括：

3.如权利要求1所述的方法，其中，所述多个时间包括分布在一检验时间窗口中的多个时间。

4.如权利要求1所述的方法，其中，所述疾病类型包括严重疾病类型和对应的普通疾病类型，并且

5.如权利要求1所述的方法，其中，所述纵向检验数据包括所述多个对象各自在多个时间上的多组阴性检验数据，并且其中所述方法进一步包括：

6.一种基于常规检验数据预测风险的装置，包括：

7.如权利要求6所述的装置，进一步包括：

8.如权利要求6所述的装置，其中，所述多个时间包括分布在一检验时间窗口中的多个时间。

9.如权利要求6所述的装置，其中，所述疾病类型包括严重疾病类型和对应的普通疾病类型，并且

10.如权利要求6述的装置，其中，所述纵向检验数据包括所述多个对象各自在多个时间上的多组阴性检验数据，并且其中

技术总结本公开的一方面涉及一种基于常规检验数据预测风险的方法，包括收集多个对象的纵向检验数据，所述纵向检验数据包括所述多个对象各自在多个时间上的多组检验数据；以及基于所收集的纵向检验数据来训练模型输出对于疾病类型和多个生长期的分类结果。本公开的其他方面还涉及一种基于常规检验数据预测风险的装置。技术研发人员：周俭,孙云帆,樊嘉,江孙芳,施伟斌,郭玮,段昕岑,张泽凡,温冬受保护的技术使用者：复旦大学附属中山医院技术研发日：技术公布日：2024/10/17