基于机器学习的干细胞疗效预测方法及系统与流

本发明涉及机器学习的，特别是涉及一种基于机器学习的干细胞疗效预测方法及系统。背景技术：1、糖尿病是一种慢性代谢性疾病，常见类型包括1型糖尿病和2型糖尿病。对于糖尿病患者，干细胞治疗作为一种新兴的治疗手段，近年来备受关注。干细胞治疗的基本原理是通过干细胞的植入或注射，修复或替代受损的组织和器官，从而达到治疗疾病的目的。2、现有的方法在评估干细胞治疗糖尿病的效果时，主要依赖于治疗后的直接观察和单个时间点的实验室检测结果，如血糖水平、胰岛素分泌量等。这种方式虽然能够提供一定的治疗效果信息，但难以全面捕捉治疗过程中患者生理参数动态变化对治疗效果的影响。3、因此，亟需一种基于机器学习的干细胞疗效预测方法及系统以解决上述问题。技术实现思路1、为解决上述技术问题，本发明提供一种实现对糖尿病患者接受干细胞治疗效果的精细化、动态化评估的基于机器学习的干细胞疗效预测方法及系统。2、第一方面，本发明提供了基于机器学习的干细胞疗效预测方法及系统，所述方法包括：3、收集患者多次治疗前检测的生理参数，并对每次治疗前检测的生理参数进行数据提取，获得疗前生理参数敏感指标；4、对多次治疗前检测的疗前生理参数敏感指标进行时序排列，获得患者疗前生理表征矩阵；5、收集患者多次治疗后检测的生理参数，并对每次治疗后检测的生理参数进行数据提取，获得疗后生理参数敏感指标；6、对多次治疗后检测的疗后生理参数敏感指标进行时序排列，获得患者疗后生理表征矩阵；7、分别对所述疗前生理表征矩阵与所述疗后生理表征矩阵进行参数波动趋势分析，获得疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子；8、将所述疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子输入至预先构建的治疗效果评价模型中，获得患者治疗效果评价指数；9、将治疗效果评价指数与预设治疗效果阈值进行比对，判断该患者的实际治疗效果是否能够达到预期治疗效果。10、进一步地，所述生理参数至少包括血糖水平、胰岛素分泌量、c肽水平、糖化血红蛋白、血脂、肝肾功能指标、体重以及bmi。11、进一步地，所述治疗效果评价模型的计算公式为：12、13、其中，k表示患者治疗效果评价指数，fb和fa分别表示疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子，ωb和ωa分别表示疗前生理参数趋稳评估因子的权重系数和疗后生理参数趋稳评估因子的权重系数。14、进一步地，所述治疗效果评价模型的构建方法，包括：15、收集历史数据，所述历史数据包括疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子，将所述历史数据作为特征数据；16、确定机器学习模型作为治疗效果评价模型的模型框架；17、使用历史数据对治疗效果评价模型进行训练，所述治疗效果评价模型的输入为疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子，所述治疗效果评价模型的输出为患者治疗效果评价指数；18、对治疗效果评价模型的性能进行评估和优化。19、进一步地，在获得疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子时，纳入对应患者的个体差异作为潜在影响因子。20、进一步地，所述个体差异包括病程、年龄以及伴随疾病。21、进一步地，所述治疗效果评价模型采用线性回归模型、支持向量回归模型、逻辑回归模型、决策树模型、随机森林模型或神经网络模型中的任一种。22、另一方面，本申请还提供了基于机器学习的治疗效果预测系统，所述系统包括：23、数据收集模块，用于收集患者多次治疗前和治疗后的生理参数数据；24、数据提取模块，用于从收集到的治疗前生理参数数据中提取出的疗前生理参数敏感指标；并从收集到的治疗后生理参数数据中提取出的疗后生理参数敏感指标；25、时序排列模块，用于将提取出的疗前生理参数敏感指标进行时序排列，形成患者的疗前生理表征矩阵；并将提取出的疗后生理参数敏感指标进行时序排列，形成患者的疗后生理表征矩阵；26、参数波动趋势分析模块，用于对疗前生理表征矩阵和疗后生理表征矩阵进行波动趋势分析，计算出疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子；27、治疗效果评价模块，用于将疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子输入至预先存储的治疗效果评价模型，并输出患者的治疗效果评价指数；28、效果比对模块，用于将治疗效果评价指数与预设的治疗效果阈值进行比对，并根据比对结果，判断患者的实际治疗效果是否达到预期治疗效果。29、第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。30、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。31、与现有技术相比本发明的有益效果为：32、通过收集患者多次治疗前后的生理参数，可以实时、连续地追踪患者生理状态的变化，而非仅依赖于单个时间点的检测结果，更全面地反映了治疗过程中患者生理参数对治疗效果的影响；通过提取并分析疗前生理参数敏感指标，识别出对治疗反应最敏感的关键生理参数，有助于深入了解治疗机制，也为进一步优化治疗方案提供依据；33、将生理参数按治疗时间顺序排列，形成疗前和疗后生理表征矩阵，通过参数波动趋势分析，获得了生理参数趋稳评估因子，这有助于深入探究治疗过程中患者生理状态的稳定性及变化趋势；基于机器学习的治疗效果评价模型能够根据每位患者个体的疗前和疗后生理参数趋稳评估因子，生成患者治疗效果评价指数，从而实现治疗效果的个性化预测；34、相较于传统的直观观察和单一实验室指标评估，机器学习模型能够综合处理大量复杂数据，提高预测的准确性，使医生能够更早地判断干细胞治疗是否达到预期效果，及时调整治疗方案；通过比较治疗效果评价指数与预设阈值，能够科学、客观地判断干细胞疗法对糖尿病患者的适用性及有效性，为临床决策提供强有力的数据支撑；35、综上所述，该方法克服了传统评估手段的局限性，实现对糖尿病患者接受干细胞治疗效果的精细化、动态化评估，有力推进糖尿病治疗的精准化和个体化进程。技术特征：1.一种基于机器学习的干细胞疗效预测方法及系统，其特征在于，所述方法包括：2.如权利要求1所述的基于机器学习的干细胞疗效预测方法及系统，其特征在于，所述生理参数至少包括血糖水平、胰岛素分泌量、c肽水平、糖化血红蛋白、血脂、肝肾功能指标、体重以及bmi。3.如权利要求1所述的基于机器学习的干细胞疗效预测方法及系统，其特征在于，所述治疗效果评价模型的计算公式为：4.如权利要求1所述的基于机器学习的干细胞疗效预测方法及系统，其特征在于，所述治疗效果评价模型的构建方法，包括：5.如权利要求1所述的基于机器学习的干细胞疗效预测方法及系统，其特征在于，在获得疗前生理参数趋稳评估因子和疗后生理参数趋稳评估因子时，纳入对应患者的个体差异作为潜在影响因子。6.如权利要求5所述的基于机器学习的干细胞疗效预测方法及系统，其特征在于，所述个体差异包括病程、年龄以及伴随疾病。7.如权利要求4所述的基于机器学习的干细胞疗效预测方法及系统，其特征在于，所述治疗效果评价模型采用线性回归模型、支持向量回归模型、逻辑回归模型、决策树模型、随机森林模型或神经网络模型中的任一种。8.一种基于机器学习的治疗效果预测系统，其特征在于，所述系统包括：9.一种基于机器学习的治疗效果预测电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。技术总结本发明涉及机器学习的技术领域，特别是涉及一种基于机器学习的干细胞疗效预测方法及系统，其实现对糖尿病患者接受干细胞治疗效果的精细化、动态化评估；所述方法包括：收集患者多次治疗前检测的生理参数，并对每次治疗前检测的生理参数进行数据提取，获得疗前生理参数敏感指标；对多次治疗前检测的疗前生理参数敏感指标进行时序排列，获得患者疗前生理表征矩阵；收集患者多次治疗后检测的生理参数，并对每次治疗后检测的生理参数进行数据提取，获得疗后生理参数敏感指标；对多次治疗后检测的疗后生理参数敏感指标进行时序排列，获得患者疗后生理表征矩阵；分别对所述疗前生理表征矩阵与所述疗后生理表征矩阵进行参数波动趋势分析。技术研发人员：丁长才,张学峰,李保成受保护的技术使用者：益佑科技（深圳）有限责任公司技术研发日：技术公布日：2024/8/15