基于可解释性机器学习算法的新冠肺炎患者转归预测方法

摘要

本发明提出了基于可解释性机器学习算法的新冠肺炎患者转归预测方法，包括：从数据库中提取COVID‑19的患者数据，并根据患者的病情转换情况，将患者数据分为实验组和对照组；通过随机森林回归对各指标的缺失值进行插补；对输入模型的指标进行筛选，将筛选后的指标作为识别患者病情恶化的关键风险因素；将患者的关键风险因素输入XGBoost模型与逻辑回归模型；选择预测表现力更好的XGBoost模型，生成指标组合，再使用XGBoost模型进行预测，记录预测结果；对关键指标的预警范围进行界定；当患者的关键风险指标进入预警范围则对医护人员发出报警提示；综合算法的计算结果与医生临床经验，提出由15个第一组指标和5个第二组指标组成的两个指标组合用于预测新冠肺炎患者的病情。