← 返回列表

基于母体因素和早期孕期生物标志物的子痫前期风险预测方法及系统

申请号: CN202311807416.X
申请人: 南京鼓楼医院
更新日期: 2026-03-10

专利详细信息

项目 内容
专利名称 基于母体因素和早期孕期生物标志物的子痫前期风险预测方法及系统
专利类型 发明申请
申请号 CN202311807416.X
申请日 2023/12/26
公告号 CN117747110A
公开日 2024/3/22
IPC主分类号 G16H50/30
权利人 南京鼓楼医院
发明人 李太顺; 徐鸣扬
地址 江苏省南京市鼓楼区中山路321号

摘要文本

本发明提供一种基于母体因素和早期孕期生物标志物的子痫前期风险预测方法及系统,其中方法包括获取患者母体因素数据与早期孕期生物标志物数据;以患者母体因素与早期孕期生物标志物为输入,患者结局是否为子痫前期为输出,利用机器学习方法的投票分类器对输入数据进行训练;重复目标次数采用五折交叉验证确定机器学习模型超参数的过程,并加以自助法计算目标百分比的置信区间,以得到稳定的结果评估;对机器学习模型进行效果评估和解释,以预测子痫前期风险。本发明的模型结构简单,可对模型进行解析,得出模型内各特征贡献度,帮助进一步了解子痫前期的致病原理;同时仅使用母体因素与少量检验结果预测子痫前期,实施成本低廉,有利于广泛使用。

专利主权项内容

1.一种基于母体因素和早期孕期生物标志物的子痫前期风险预测方法,其特征在于,包括:获取患者母体因素数据与早期孕期生物标志物数据;所述母体因素数据包括孕期年龄、身高、孕期体重、生育史、子痫前期史、糖尿病史、高血压史、辅助生殖、子痫前期家族史、系统性红斑狼疮或抗磷脂综合征和结局情况;所述早期孕期生物标志物数据包括平均动脉压、子宫动脉搏动指数、血清胎盘生长因子和血浆蛋白A;以患者母体因素与早期孕期生物标志物为输入,患者结局是否为子痫前期为输出,利用机器学习方法的投票分类器对输入数据进行训练;重复目标次数采用五折交叉验证确定机器学习模型超参数的过程,并加以自助法计算目标百分比的置信区间,以得到稳定的结果评估;对机器学习模型进行效果评估和解释,以预测子痫前期风险。