(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111458931.2 (22)申请日 2021.12.02 (71)申请人 山东大学 地址 250000 山东省济南市山大南路27号 (72)发明人 余之刚　陈增敬　何勇　刘丽媛　 考春雨　王斐　杨芙　范叶叶　 (74)专利代理 机构 济南联合竟成知识产权代理 事务所(普通 合伙) 37371 代理人 田相迪 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/70(2018.01) G06N 20/00(2019.01) (54)发明名称 基于惩罚COX回归的乳腺癌预测方法 (57)摘要 本发明公开了基于惩罚COX回归的乳 腺癌预 测方法， 将随访数据处理为生存数据备用， 数据 预处理后的全部预测因子作为模 型的输入变量， 通过bootstrap法采样获得T个自助 样本集， 基于 不同的自助 样本集分别独立构建惩罚COX回归模 型作为集成学习的基预测器， 基预测器构建后， 使用简单平均法组合该T个基预测器， 最终形成 集成惩罚COX回归模型作为乳 腺癌发病预测的集 成预测器。 该基于惩罚COX回归的乳腺癌预测方 法， 采用Bagging集成框架和惩罚回归模型的独 特结构， 有助于探讨不同维度因素与我国女性乳 腺癌发病风险的关系， 从而辅助医生对预防乳 腺 癌发病给出建议， 可 以降低估计量的方差， 避免 了单一分类器估计的不稳定性， 提高了预测性 能。 权利要求书2页 说明书6页 附图2页 CN 114141360 A 2022.03.04 CN 114141360 A 1.基于惩罚COX回归的乳腺癌预测方法， 其特 征在于， 包括以下步骤： S1： 问卷设计： 基于乳腺癌流行病学特征以及相关影响因素设计调查问卷， 问卷涉及遗传因素、 高脂 饮食、 运动缺乏、 睡眠、 心理等多个维度的非 实验危险因子； S2： 随访数据收集： 研究通过该问卷调查收集了来自中25 ‑70岁122058名女性的乳腺疾病流行病学研究数 据， 对其中121837名健康女性进行了为期10年的随访调查， 记录随访数据备份； S3： 数据预处 理： 对问卷收集来的随访数据进行数据清洗， 对重复、 缺失、 异常数据进行处理， 其中若某 一列空数据比例高， 删除数据， 否则， 用列均值等方法来替代空数据， 对非数值数据进行数 值化处理， 最后将 “乳腺癌发病 ”作为所关心的事件建立删失标签， 将随访数据 处理为生存 数据备用； S4： 基预测器构建： 将步骤S3、 数据预处理后的全部预测因子作为模型的输入变量， 并将得到的原始样本 数据集以7:3的比例随机划分为训练样本集和测试样本集； 对于训练样本集， 通过 bootstrap法采样获得T个自助样本集， 基于不同的自助样本集分别独立构建惩罚COX回归 模型作为 集成学习的基预测器； S5： 集成预测器构建： 在步骤S4、 基预测器构建后， 使用简单平均法组合该T个基预测器， 最终形成集成惩罚 COX回归模型作为乳腺癌发病预测的集成预测器； S6： 预测因子 重要性评估： 基于步骤S4、 基预测器构 建中的T个惩罚COX回归乳腺癌预测模型得到的每个特征变量 的回归系 数， 使用合适的方式评估预测因子对乳腺癌 发病的影响程度， 根据评估情况筛选 出对乳腺癌预测影响最大的几个预测因子， 来构成特征子集， 作为模 型的又一输入变量， 重 复步骤S4、 S5， 得到预测效果 好且计算复杂度低的简化模型； S7： 集成预测器性能评估： 由步骤S2、 数据预处理中得到的训练样本集训练其他经典预测模型： Gail逻辑回归模 型、 惩罚COX回归单模 型(PCR)， 由步骤S2、 数据预处理中得到的测试样 本集分别测试Gail逻 辑回归模型、 惩罚COX回归单模型(PCR)以及集成惩罚COX回归(EPCR)预测模型， 分别计算 AUC值、 E/O比， 绘制ROC曲线以及校准图， 以评估比较三种模 型的预测性能， 验证集 成预测器 的预测表现是否优于其 他模型。 2.基于惩罚COX回归的乳腺癌预测方法， 其特征在于： 步骤S1中， 在问卷设计过程中， 所 设计收集的危险因子可不单单为非实验因子， 也可纳入临床诊断中的血液指标、 乳腺密度、 组学指标等实验因子， 以提高模型最终预测性能。 3.基于惩罚COX回归的乳腺癌预测方法， 其特征在于： 步骤S2中， 随访数据收集中， 可以 将被调查人员的包 含到不同的年龄阶段女性。 4.基于惩罚COX回归的乳腺癌预测方法， 其特征在于： 步骤S3中， 将整理好的乳腺癌生 存数据进行重新备份， 备份后直接收录在医院乳腺癌专病数据库内。 5.基于惩罚COX回归的乳腺癌预测方法， 其特征在于： 步骤S4中， 基于不同自助样本集权　利　要　求　书 1/2 页 2 CN 114141360 A 2独立训练惩罚C OX回归乳腺癌预测模 型作为基预测器时， 将模型数据参数进 行调优， 再得到 最终预测效果 最好的基预测器。 6.基于惩罚COX回归 的乳腺癌预测方法， 其特征在于： 步骤S6中， 依据T个惩罚COX回归 乳腺癌预测模型得到的每个预测因子的回归系数， 统计每个预测因子回归系数的非零频率 作为预测因子重要性评估的指标， 并依据预测因子数目参数给定适当阈值， 非零频率高于 阈值的预测因子作为重要预测因子 。 7.基于惩罚COX回归的乳腺癌预测方法， 其特征在于： 步骤S6中， 使用步骤S3中的测试 样本集测试集 成惩罚COX回归模 型和其他经典模 型， 比较AUC值、 E/ O比、 校准图等指标， 验证 集成预测器是否优于其 他经典模型。权　利　要　求　书 2/2 页 3 CN 114141360 A 3