食管瘘风险预测系统、方法、电子设备及介质

本申请属于医学人工智能，涉及一种食管瘘风险预测系统，特别是涉及一种食管瘘风险预测系统、方法、电子设备及介质。

背景技术：

1、食管黏膜下肿瘤(esophageal submucosal tumors，简称smts)是起源于食管黏膜肌层、黏膜下层或固有肌层的病变。传统上，直径≥30毫米的“巨大smts”因症状显著且潜在恶变风险高，需通过胸外科手术切除；而较小smts虽多呈良性，但内镜切除仍面临技术挑战。近年来，内镜黏膜下剥离术、经黏膜下隧道肿瘤切除术及全层切除术等突破，极大扩展了内镜治疗的适应症，使更多复杂smts得以微创切除。然而，内镜术后并发症如穿孔、出血、纵隔气肿及食管瘘等风险仍不容忽视，其中食管瘘因可能导致严重感染甚至死亡，成为临床关注焦点。

2、尽管内镜技术进步显著，仍存在核心缺陷：目前临床依赖经验性判断，难以量化评估患者个体化风险，缺乏针对食管瘘风险的精准预测模型。

技术实现思路

1、本申请的目的在于提供一种食管瘘风险预测系统、方法、电子设备及介质，用于解决现有技术中缺少量化预测食管瘘风险模型的问题。

2、第一方面，本申请提供一种食管瘘风险预测系统。所述食管瘘风险预测系统包括：数据获取模块，用于获取食管瘘医学数据；数据筛选模块，用于利用数据统计分析对所述食管瘘医学数据进行分析筛选，获取食管瘘的影响因素；数据处理模块，用于利用回归分析模型对所述食管瘘的影响因素进行回归分析，以获取独立危险因素；模型预测模块，用于根据各所述独立危险因素的分析结果构建食管瘘风险预测模型，利用所述食管瘘风险预测模型获取待预测食管瘘医学数据的食管瘘风险概率。

3、本申请中，利用数据统计分析方法对食管瘘医学数据进行分类筛选，获取食管瘘的影响因素。利用回归分析模型对食管瘘的影响因素进行回归分析，获取独立危险因素。根据独立危险因素的分析结果构建食管瘘风险预测模型，最终利用食管瘘风险预测模型获取待测数据的食管瘘风险概率。此种食管瘘风险预测系统能够量化预测食管瘘发生风险，实现风险分层管理与精准预防，从而提升食管瘘风险预测的安全性和可及性。

4、在第一方面的一种实现方式中，利用数据统计分析对所述食管瘘医学数据进行分析筛选包括：利用统计分析方法将所述食管瘘医学数据进行区分，获取连续变量和分类变量；利用单因素卡方检验对所述分类变量进行筛选，利用t检验对所述连续变量进行筛选，获取所述食管瘘的影响因素。

5、在第一方面的一种实现方式中，所述食管瘘的独立危险因素包括：穿支血管损坏、肌层损伤、生长模式和手术时间。

6、在第一方面的一种实现方式中，利用回归分析模型对所述食管瘘的影响因素进行回归分析，以获取独立危险因素包括：利用回归模型对所述食管瘘的影响因素进行回归分析，获取回归系数；根据所述回归系数对所述食管瘘的影响因素进行筛选，获取所述独立危险因素。

7、在第一方面的一种实现方式中，根据各所述独立危险因素的分析结果构建食管瘘风险预测模型包括：对各所述独立危险因素进行参数匹配，以获取独立危险因素的分析结果；利用所述独立危险因素的分析结果对初始食管瘘风险预测模型进行训练，以获取所述食管瘘风险预测模型。

8、在第一方面的一种实现方式中，所述食管瘘风险预测系统包括：利用十倍交叉验证法对所述初始食管瘘风险预测模型进行调整，以获取所述食管瘘风险预测模型。

9、在第一方面的一种实现方式中，利用所述食管瘘风险预测模型获取待预测食管瘘医学数据的食管瘘概率包括：将所述待预测食管瘘医学数据的独立危险因素进行参数匹配，获取所述待预测食管瘘医学数据的变量参数；根据所述食管瘘风险预测模型的所述食管瘘风险概率和所述待预测食管瘘医学数据的变量参数进行处理，获取预测分数；利用预设阈值对所述预测分数进行判断，若小于所述预设阈值，则预测食管瘘概率低，若否，则预测食管瘘概率高。

10、第二方面，本申请提供一种食管瘘风险预测方法。所述食管瘘风险预测方法包括：获取食管瘘医学数据；利用数据统计分析对所述食管瘘医学数据进行分析筛选，获取食管瘘的影响因素；利用回归分析模型对所述食管瘘的影响因素进行回归分析，以获取独立危险因素；根据各所述独立危险因素的分析结果构建食管瘘风险预测模型，利用所述食管瘘风险预测模型获取待预测食管瘘医学数据的食管瘘概率。

11、第三方面，本申请提供一种电子设备。所述电子设备包括：存储器，用于存储计算机程序；处理器，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如第二方面所述的食管瘘风险预测方法。

12、第四方面，本申请提供一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现第二方面所述的食管瘘风险预测方法。

1.一种食管瘘风险预测系统，其特征在于，包括：

2.根据权利要求1所述的食管瘘风险预测系统，其特征在于，利用数据统计分析对所述食管瘘医学数据进行分析筛选包括：

3.根据权利要求1所述的食管瘘风险预测系统，其特征在于，所述食管瘘的独立危险因素包括：穿支血管损坏、肌层损伤、生长模式和手术时间。

4.根据权利要求1所述的食管瘘风险预测系统，其特征在于，利用回归分析模型对所述食管瘘的影响因素进行回归分析，以获取独立危险因素包括：

5.根据权利要求1所述的食管瘘风险预测系统，其特征在于，根据各所述独立危险因素的分析结果构建食管瘘风险预测模型包括：

6.根据权利要求5所述的食管瘘风险预测系统，其特征在于，包括：利用十倍交叉验证法对所述初始食管瘘风险预测模型进行调整，以获取所述食管瘘风险预测模型。

7.根据权利要求1所述的食管瘘风险预测系统，其特征在于，利用所述食管瘘风险预测模型获取待预测食管瘘医学数据的食管瘘概率包括：

8.一种食管瘘风险预测方法，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

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，该程序被处理器执行时实现权利要求8所述的食管瘘风险预测方法。