公开(公告)号：CN118919065A

公开(公告)日：2024-11-08

申请号：CN202410678914.7

申请日：2024-05-29

Applicant: 复旦大学附属儿科医院

Inventor： 徐虹 ,  翟亦晖 ,  刘天薏 ,  王鹤霖 ,  陈阳 ,  沈茜 ,  刘佳璐

IPC: G16H50/30 ,  G16H50/20 ,  G16H50/70 ,  G16H10/60 ,  G16B20/50 ,  G16B25/00 ,  G16B40/00 ,  G06N20/00

Abstract: 本发明公开一种基于机器学习的CAKUT儿童尿毒症预测方法，包括以下步骤：获取输入的病程和当前患者的临床特征，所述临床特征包括临床变量和基因变量，所述临床变量包括首诊CKD分期、CAKUT亚型、肾外畸形、矮小身材、早产、产前表型、性别、首次确诊CAKUT年龄、家族史数据，所述基因变量包括单基因突变、拷贝数变异、染色体异常；通过预先训练完成的预测模型对获取的病程和当前患者的临床特征进行预测计算，所述预测模型采用Cox回归模型，输入所述预测模型的所述临床特征基于XGBoost模型确定；基于所述预测计算结果输出所述病程时刻当前患者进展为ESRD的概率。预测模型将发生终末期肾病(ESRD)作为唯一的结局指标，十分客观，且较复合结局而言模型的可解释性更强。