公开(公告)号：CN118072942A

公开(公告)日：2024-05-24

申请号：CN202410239648.8

申请日：2024-03-01

Applicant: 中国医学科学院北京协和医院

Inventor： 彭澎 ,  向阳 ,  曹冬焱 ,  顾宇

IPC: G16H50/20 ,  G16B40/00 ,  G06F18/214 ,  G06F18/27 ,  G06N20/20 ,  G06N20/10 ,  G06N5/01

Abstract: 本发明公开了一种用于预测女性卵巢恶性肿瘤的人工智能模型的训练方法，属于智能医学技术领域。该方法包括：获取患者被确诊为卵巢癌之前的病例数据，并将单个患者的数据合并为一个样本，得到样本集合；统计样本集合包含的所有特征，并统计各特征在所有样本中的缺失率，删除缺失率大于阈值的特征，得到特征集合；将特征集合包含的所有特征划分为离散型特征和连续型特征分别进行处理，得到数据集合；将数据集合中的数据按比例划分为训练数据集和测试数据集，并利用训练数据集训练模型，利用测试数据集评价训练后的模型，得到用于预测女性卵巢恶性肿瘤的人工智能模型。提高了临床医生对卵巢恶性肿瘤的诊断能力，增加了患者早诊早治的机会。

公开(公告)号：CN118039152A

公开(公告)日：2024-05-14

申请号：CN202410206959.4

申请日：2024-02-26

Applicant: 中国医学科学院北京协和医院

Inventor： 彭澎 ,  姜会珍

IPC: G16H50/30 ,  G06F18/214 ,  G16H50/70

Abstract: 本发明公开了一种卵巢癌患者化疗敏感性预测模型的训练方法和装置，属于智能医疗技术领域。该训练方法包括：获取卵巢癌患者化疗脱敏的诊疗数据；根据所述诊疗数据构建训练样本；利用所构建的训练样本，采用LightGBM方法进行训练，通过对比得到效果最优的卵巢癌患者化疗敏感性预测模型。该模型可以自动预测卵巢癌患者对化疗的敏感性。另外，通过真实的诊疗数据作为训练数据得到的结果参考价值高。而且，本发明得到的模型，是在大量实验基础上通过对多种模型效果进行比对得到的，结果表明，本发明提供的模型表现出比其他对比模型更好的效果，AUC达到了0.7594。