一种基于机器学习算法预测宫颈癌风险的模型

本发明公开了一种基于机器学习算法预测宫颈癌风险的模型，包括：收集样本并处理样本检测的低深度WGS数据，基于机器学习算法构建预测宫颈癌风险的模型；模型构建步骤包括：利用随机森林算法建立CNV模型和临床特征模型，利用Logistics算法将CNV模型和临床特征模型联合，定义为CxC模型，并根据约登指数获取最优的cut off值；利用支持向量机算法建立SNV模型，控制SNV模型的特异性为90%，确定SNV模型对应的cut off值；利用CxC模型和SNV模型获取的两个cut off值分别对样本进行分类预测，将CxC模型和SNV模型联合，定义为CxSEEK模型，在测试集中对CxSEEK模型进行验证；本发明基于低深度WGS技术构建模型，有助于降低测序成本，提升检测的灵敏度和准确性，提高宫颈癌筛查和预测的可及性。