[发明专利]一种提高肿瘤标志物准确性的方法和系统

权利要求书

1.一种提高肿瘤标志物准确性的方法和系统，其特征在于，包括：

数据获取模块，其用于获取血常规化验单、血生化化验单、肿瘤标志物化验单图片，识别血常规、血生化、肿瘤标志物化验单图片中检测指标、年龄、性别；

肿瘤标志物筛查模块，其用于基于肿瘤标志物增强筛查模型，预测出相应待筛查者中恶性肿瘤患病预测值；

其中，肿瘤标志物增强筛查模型的训练过程为：构建大规模人群样本集合，样本中包含同一人的血常规、血生化和肿瘤标志物指标；利用血常规、血生化和肿瘤标志物指标建立学习样本；利用学习样本训练机器学习算法模型，得到肿瘤标志物增强筛查模型。

2.根据权利要求1所述的一种提高肿瘤标志物准确性的方法和系统，其特征在于，用于机器学习的训练数据可以利用血常规数据和血生化的部分指标或全部指标进行训练，只要满足筛查评价指标要求，就可以作为一个肿瘤标志物增强筛查模型。

3.根据权利要求1所述的一种提高肿瘤标志物准确性的方法和系统，其特征在于，分别对肿瘤标志物大于阈值和小于阈值两种情况建立学习样本，得到两种情况下的肿瘤标志物增强筛查模型。

4.根据权利要求1所述的一种提高肿瘤标志物准确性的方法和系统，其特征在于，肿瘤标志物为AFP、CEA、Cyfra21-1、CA199、CA242、CA125、SCC、PSA。

5.根据权利要求2所述的一种提高肿瘤标志物准确性的方法和系统，其特征在于，筛查评价要求包括预测正确率、灵敏度、特异度。

6.根据权利要求3所述的一种提高肿瘤标志物准确性的方法和系统，其特征在于，肿瘤标志物增强筛查模型的训练过程中，利用样本集合训练至少四种机器学习算法模型；利用预测值误差来比较所有训练的机器学习算法模型，筛选准确性最高的机器学习算法模型作为最优肿瘤标志物增强筛查模型。

7.根据权利要求6所述的一种提高肿瘤标志物准确性的方法和系统，其特征在于，机器学习算法模型为SVM、随机森林算法、LightGBM算法或XGBoost算法。