[发明专利]基于图卷积神经网络的临床事件预测装置

说明书

本申请适用于医疗设备技术领域，提供了一种基于图卷积神经网络的临床事件预测装置，首先获取患者的基因表达量信息，并将患者的基因表达量信息填入到基因的生物学通路图中形成目标生物学通路图，然后通过图卷积神经网络对目标生物学通路图进行特征提取，获取患者的多个目标生物学通路图中的特征，这些特征包括患者基因的生物学通路图拓扑结构信息和基因表达量信息，进而通过这些特征对患者的临床事件进行预测，能够提高对患者进行治疗时预测临床事件的准确率，有助于提高医疗水平。本发明还能通过人工智能可解释性算法计算与临床事件存在关联的生物学通路和临床特征，有助于疾病的生物学机制研究。

技术领域

本申请属于医疗设备技术领域，尤其涉及基于图卷积神经网络的临床事件预测装置。

背景技术

对与疾病存在关联的基因或生物学通路进行研究，能够促进对疾病潜在机制的理解和临床治疗效果。生物学通路(biological pathway)是细胞中一系列基因、蛋白质以及化合物等通过各种相互作用来完成某一具体的生物学功能的总称。实践表明，研究中获取的基因序列往往不稳定，即不同研究获取到的基因序列存在重现率低的问题，因此通过基因序列对疾病的进程进行预测难度也较大。而相比于基因，生物学通路与疾病本身具有更稳定的关联性。因此，近年来关于挖掘与疾病关联的生物学通路的研究受到广泛关注。

发明内容

本申请实施例提供了一种基于图卷积神经网络的临床事件预测装置，解决了现有的预测模型不能利用生物学通路图的拓扑结构信息进行预测的问题，能够提高对生物学通路图的信息利用效果，提高预测临床事件的准确度。

第一方面，本申请实施例提供了一种基于图卷积神经网络的临床事件预测装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：将每个基因的表达量信息填入到一个或多个生物学通路图的基因上，得到一个或多个目标生物学通路图，每个目标生物学通路图用于指示不同基因之间的相互作用关系和基因的表达量；利用图卷积神经网络对每个目标生物学通路图提取特征得到基因表达特征，基因表达特征包括目标生物学通路图的拓扑结构特征和基因表达量特征；利用基因表达特征预测临床事件，临床事件包括与疾病发生、发展和预后相关的事件。

在第一方面提供的临床事件预测装置中，通过将每个基因的表达量信息填入生物学通路图的基因上中得到目标生物学通路图，目标生物学通路图中包括了基因在生物学通路图中的拓扑结构信息和基因表达量信息，通过图卷积神经网络对目标生物学通路图的拓扑结构信息和基因表达量信息进行提取，获得基因表达特征，通过基因表达特征对临床事件预测，能够利用基因之间的具体相互作用关系对临床事件进行预测，提高了对临床事件预测的准确度。

在第一方面一种可能的实现方式中，利用图卷积神经网络对每个目标生物学通路图提取特征得到基因表达特征，包括利用图卷积神经网络对每个目标生物学通路图提取特征分别得到一个特征标量；将一个或多个目标生物学通路图对应的特征标量作为基因表达特征。在该实现方式中，能够对每个目标生物学通路图提取特征分别得到一个特征标量，进而从多个特征标量得到用于预测临床事件的基因表达特征，使得本装置能够同时利用多个生物学通路图预测临床事件，一方面提高了本装置对临床事件的预测能力，另一方面也提高了本装置对临床事件预测的准确度。

在第一方面另一种可能的实现方式中，利用图卷积神经网络对每个目标生物学通路图提取特征分别得到一个特征标量，包括利用多个图卷积神经网络单元对每个目标生物学通路图进行特征提取，得到多个中间特征向量；将多个中间特征向量输入到全连接层进行处理，得到每个目标生物学通路图对应的特征标量；其中，每一个图卷积神经网络单元输出一个中间特征向量，第i个图卷积神经网络单元输出的特征向量为第i+1个图卷积神经网络单元的输入。在该可能的实现方式中，通过多个图卷积神经网络单元对每个目标生物学通路图提取不同层次的特征，然后利用全连接层对包含不同层次特征的中间特征向量处理，得到每个目标生物学通路图对应的特征标量，能够获取每个目标生物学通路图不同层次的特征，进而预测临床事件，提高了对临床事件的预测准确率。