利用机器学习模型基于肠道菌群进行乙肝相关性肝癌风险预测的方法和装置

本发明公开了一种利用机器学习模型基于肠道菌群进行乙肝相关性肝癌风险预测的方法，通过获取患者的临床及粪便样本进行分析，是一种非侵袭性的且方便易行的手段；对粪便样本进行测序获得肠道菌群生物标志物，通过设置检测标准进行筛选，发现了与乙肝相关性肝癌密切关联的肠道菌群特征，包括拟杆菌、乳杆菌、放线菌、丹毒丝菌及罗斯氏菌属，通过机器学习模型构建乙肝相关性肝癌风险预测模型，避免了传统统计分析方法的不足和人为分析偏倚误差，并且肠道菌群特征相对于传统临床特征具有更高的预测价值和准确性，可以用于协助乙肝相关性肝癌患者的早筛早诊，提高患者的整体生存预后。本发明还提供了预测装置，用于实现乙肝相关性肝癌风险预测。