一种基于机器学习的预测膜性肾病的方法及系统

本发明公开了一种基于机器学习的预测膜性肾病的方法及系统，涉及医疗诊疗技术领域，包括采集患者的多源异构数据；对多源异构数据进行预处理，构建中医证型与分子生物标志物之间的映射关系，生成中西医融合特征矩阵；从中西医融合特征矩阵中筛选与膜性肾病预测相关的特征子集；根据特征子集构建膜性肾病多层级预测框架，并对框架中的各预测模型进行训练；将训练优化后的膜性肾病多层级预测框架应用于新患者的特征子集数据，生成膜性肾病多维预测结果。通过建立中西医特征映射关系，实现了传统中医诊断与现代医学指标的深度融合，提高了疾病诊断的全面性和准确性。