[发明专利]基于电子病历的AI结肠癌风险早筛建模方法

说明书

本发明公开了基于电子病历的AI结肠癌风险早筛建模方法，包括如下步骤：步骤S1：建立有效结肠癌风险早筛模型，步骤S2：整理待筛查样本数据，步骤S3：将带筛查样本输入结肠癌早筛模型进行模型计算得分，最终得到样本结肠癌风险早筛预测结果。本发明采用机器学习XGBoost算法训练结肠癌早筛模型，能够根据电子病历相关医学特征预测出样本结肠癌早期患病概率得分，其特异性、灵敏度与ROCAUC都可高达0.95，具有可以进行大批量、高效率、高准确率筛查的优点，解决了目前结肠癌风险筛查需要检查者在医院进行检查，由医生结合临床指南与实践经验判断，导致检查效率较低的问题，从而能够有效节省医疗资源。

技术领域

本发明涉及医疗风险评估技术领域，具体为基于电子病历的AI结肠癌风险早筛建模方法。

背景技术

结肠癌是常见的发生于结肠部位的消化道恶性肿瘤，结肠癌与人们食用红肉有着很大的相关性，好发于直肠与乙状结肠交界处，以40～50岁年龄组发病率最高，男女之比为2～3：1，发病率占胃肠道肿瘤的第3位。结肠癌主要为腺癌、黏液腺癌、未分化癌，大体形态呈息肉状、溃疡型等。结肠癌可沿肠壁环行发展，沿肠管纵径上下蔓延或向肠壁深层浸润，除经淋巴管、血流转移和局部侵犯外，还可向腹腔内种植或沿缝线、切口面扩散转移，慢性结肠炎患者、结肠息肉患者、男性肥胖者等为易感人群。

结肠癌早期症状多不明显，常被漏诊，目前结肠癌风险筛查需要检查者在医院进行检查，由医生结合临床指南与实践经验判断，这样检查效率较低，无法进行大批量的普查，因此提出基于电子病历的AI结肠癌风险早筛建模方法来解决此问题。

发明内容

本发明的目的在于提供基于电子病历的AI结肠癌风险早筛建模方法，具备可以进行大批量、高效率、高准确率筛查的优点，解决了背景技术中所提到的问题。

为实现上述目的，本发明提供如下技术方案：基于电子病历的AI结肠癌风险早筛建模方法，包括如下步骤：

步骤S1：建立有效结肠癌风险早筛模型；

步骤S2：整理待筛查样本数据；

步骤S3：将带筛查样本输入结肠癌早筛模型进行模型计算得分，最终得到样本结肠癌风险早筛预测结果。

建立有效结肠癌早筛模型包括如下步骤：

步骤S1.1：准备电子病历数据：从医院电子病历平台采集患者电子病历，搜集诊断结果为结肠癌患者与非结肠癌患者的电子病历；

步骤S1.2：医学特征提取的步骤：

对步骤S1.1中得到的合格的电子病历数据进行结肠癌医学特征提取，提取医学特征及医学特征值；

步骤S1.3：特征数据标准化及数据清洗的步骤：

对步骤S1.2得到的结肠癌临床表现的大数据信息进行特征数据标准化，去除有缺失值的数据，得到标准数据样本，标准数据样本包括标准医学数据集及标准诊断结果集；

步骤S1.4：特征筛选的步骤：

结合结肠癌专家提供的结肠癌相关特征，与运用统计学方法对标准数据样本进行计算，筛选出来的结肠癌相关特征，总结出用于结肠癌早筛的检查检验与症状特征，得到选取的医学特征数据集，对标准数据样本进行计算，筛选结肠癌相关特征的统计学方法为差异倍数、T检验；

步骤S1.5：特征数据集拆分的步骤；采用R的base包中的sample函数将步骤S1.3中得到的选取的特征数据集随机分为4份，选取其中的3份作为模型的训练数据集，剩余的一份作为模型的测试数据集；

步骤S1.6：训练数据得到结肠癌风险早筛模型的步骤，采用R语言的mlr包，选用XGBoost学习分类器，通过充分利用医学特征数据，基于XGBoost的机器学习模型预测样本分类；