[发明专利]一种基于机器学习的类风湿关节炎预测方法及装置

说明书

本申请公开了一种基于机器学习的类风湿关节炎预测方法及装置，类风湿关节炎预测方法包括：建立类风湿关节炎的机器学习模型；采集患者的样本中与类风湿关节炎相关的多个特征；将多个特征输入机器学习模型，预测样本的类风湿关节炎的风险概率。本申请提供一种基于机器学习的类风湿关节炎预测方法及装置，利用机器学习模型综合多个特征预测类风湿关节炎的风险概率，相对于通过简单综合两个特征的阴性/阳性划分结果进行预测的方法，本申请大大提高了预测的准确率。

技术领域

本申请涉及机器学习技术领域，更具体地，涉及一种基于机器学习的类风湿关节炎预测方法及装置。

背景技术

类风湿性关节炎(Rheumatoid arthritis,RA)是一种慢性多系统自身免疫疾病，是由持续的炎症性炎性滑膜炎和随后的关节结构侵蚀引起的。它被认为是一种复杂的疾病，其病因受到遗传和环境风险因素的影响。RA通常根据两个实验室指标来预测患RA的概率：类风湿因子(RF)和抗环瓜氨酸肽抗体(anti-CCP)。现有预测方法中，使用每一指标的阈值将该指标的检测值划分为阴性/阳性，然后综合二者的划分结果确定预测结果，但是这样的方法不能很好地指示RA的风险概率。

另外，现有的方法未将与RA高度相关的其他指标纳入考量，导致RA的预测准确率和预测效率较低。

发明内容

本申请提供一种基于机器学习的类风湿关节炎预测方法及装置，利用机器学习模型综合多个特征预测类风湿关节炎的风险概率，相对于通过简单综合两个特征的阴性/阳性划分结果进行预测的方法，本申请大大提高了预测的准确率。

本申请提供了一种基于机器学习的类风湿关节炎预测方法，包括：

建立类风湿关节炎的机器学习模型；

采集患者的样本中与类风湿关节炎相关的多个特征；

将多个特征输入机器学习模型，预测样本的类风湿关节炎的风险概率。

优选地，多个特征包括类风湿因子和抗环瓜氨酸肽抗体。

优选地，多个特征还包括患者的年龄和性别。

优选地，建立机器学习模型包括如下步骤：

利用相同的第一样本集的所有样本中与类风湿关节炎相关的多个特征获得多个数据分析方法的预测准确率，从而获得预测准确率最高的数据分析方法；

基于预测准确率最高的数据分析方法构建初始机器学习模型；

利用第二样本集对初始机器学习模型进行训练，获得机器学习模型。

优选地，多个数据分析方法包括朴素贝叶斯分类器、Logistic回归分析法、支持向量机算法、K近邻算法、人工神经网络、随机森林算法、梯度提升决策树算法中的至少两个。

本申请还提供一种基于机器学习的类风湿关节炎预测装置，包括模型建立模块、特征值采集模块和预测模块；

模型建立模块用于建立类风湿关节炎的机器学习模型；

特征值采集模块用于采集患者的样本中与类风湿关节炎相关的多个特征；

预测模块用于将多个特征输入机器学习模型，预测样本的类风湿关节炎的风险概率。

优选地，多个特征包括类风湿因子和抗环瓜氨酸肽抗体。

优选地，多个特征还包括患者的年龄和性别。

优选地，模型建立模块包括准确率获得模块、初始模型构建模块和训练模块；

准确率获得模块用于利用相同的第一样本集的所有样本中与类风湿关节炎相关的多个特征获得多个数据分析方法的预测准确率；