一种基于机器学习的早期无创子宫内膜癌评估方法

本发明公开了一种基于机器学习的早期无创子宫内膜癌评估方法，该方法包括以下步骤：S1、预先获取潜在子宫内膜病变患者的指标数据，基于该指标数据按照预设标准实施数据整合以得到特征集；S2、对步骤S1中的特征集实施标准化预处理，从而得到标准化的子宫内膜病变数据的训练集和测试集；S3、基于步骤S2中获取的包含子宫内膜病变数据的训练集和测试集构建基于预设的多模态机器学习模型的用于预测子宫内膜癌结果的疾病预测模型；S4、将待评估患者的子宫内膜病变指标数据输入疾病预测模型中实施早期无创子宫内膜癌预测评估以得到该患者的子宫内膜癌预测结果。本发明具有能够同时满足无创性筛查、高预测准确率且经济负担小的优点。