一种基于机器学习的难治性精神分裂症风险的预测方法

摘要

本发明提供一种基于机器学习的难治性精神分裂症风险的预测方法，包括获取非难治性和难治性精神分裂症患者的病理特征指标数据，所述的病理特征指标数据包括SNPs位点分型结果；根据非难治性和难治性精神分裂症患者的病理特征指标数据，训练深度学习模型和逻辑回归模型；获取待测人员的病理特征指标数据，输入到待测人员健康状况的特征评估模型中，从而输出待测人员罹患难治性精神分裂症风险的评估结果。通过本申请的基于机器学习的难治性精神分裂症风险预测方法，构建中国人群的难治性精神分裂症遗传风险评估体系，评估受检者难治性精神分裂症的遗传易感风险，辅助临床及时有效诊疗难治性精神分裂症。