一种晚期胃癌的预后预测方法及系统

本发明涉及一种基于Lasso回归、Cox回归与可解释性机器学习技术的晚期胃癌生存预测系统，属于医疗人工智能与智能决策支持技术领域。该系统通过采集患者的多模态临床数据(包括人口学信息、TNM分期、治疗方式、肿瘤分级等)，采用Lasso回归与Cox比例风险模型对生存相关变量进行筛选，构建优化后的特征集。基于上述特征集，系统集成多种主流机器学习算法(如XGBoost、Random Forest、SVM、Logistic回归等)构建预测模型，并对比各模型的性能，选取效果最优的模型作为主模型。通过网格搜索和交叉验证对模型进行超参数调优，提升模型精度与泛化能力。系统引入SHAP可解释性分析方法，从全局与个体两个层面对模型输出结果进行透明解释，明确各变量在生存预测中的重要性及方向作用。最终模型部署于终端设备上，支持医生输入患者信息后自动输出生存概率及解释结果，为临床治疗决策与个性化管理提供参考依据。该系统具有预测精度高、可解释性强、使用便捷、可持续优化等优势，适用于临床辅助决策场景，具备良好的应用前景和推广价值。