买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都市血液中心申请的专利一种全血献血不良反应风险预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121054268B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511597860.2，技术领域涉及：G16H50/30；该发明授权一种全血献血不良反应风险预测方法及系统是由傅雪梅;高加良;王克芬;李萌;李莹;陈雪;赵丽洲;王一淑设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本一种全血献血不良反应风险预测方法及系统在说明书摘要公布了：一种全血献血不良反应风险预测方法及系统，涉及医学信息化与智能风险预测技术领域。预测方法包括对献血者的人口学信息、献血历史、不良反应记录进行数据导入与整合；对数据进行预处理和变量定义；以严重献血不良反应为主结局变量、不良反应类型为次结局变量，分别建立多种机器学习模型，通过多个评价指标筛选最佳主结局变量预测模型和次结局变量预测模型，并采用交叉验证方法对模型进行验证。最终，利用选定的最佳模型实现对献血不良反应的风险预测及分层管理。该方法能够实现主、次结局变量的分层识别和多模型训练，有效提升献血不良反应预测的准确性和智能化水平，适用于大规模献血人群的风险防控与管理。

本发明授权一种全血献血不良反应风险预测方法及系统在权利要求书中公布了：1.一种全血献血不良反应风险预测方法，其特征在于，包括下述步骤： S1、数据导入与整合：从献血管理平台系统导入献血者人口学信息、献血历史、不良反应记录； S2、进行数据预处理：包括数据清洗、缺失值处理、特征工程处理、数据分层与标签生成，并将数据按照7:3的比例随机分割为训练集和测试集； S3、变量定义与编码： 将严重献血不良反应作为主结局变量，定义为意识丧失、送医就诊或发生外伤时取值为1，未出现意识丧失、送医就诊或发生外伤时取值为0； 将不良反应类型作为次结局变量，所述不良反应类型分为三类，其中第一类为其他献血反应取值0，第二类为局部献血不良反应取值1，第三类为全身献血不良反应取值2，包括上述三类中两类及以上的混合型不良反应取值3； 将所述献血者人口学信息、献血历史、不良反应记录进行变量定义，作为模型训练的输入变量； 进行模型训练前，还进行采样平衡，具体为： 针对主结局变量预测模型，在训练数据中对少数类样本进行过采样、同时对多数类样本进行欠采样，通过生成合成样本的方式构建新的平衡训练集； 针对次结局变量预测模型，采用自动分层采样策略，对于样本极少的类别，设定最小采样阈值，以及对于极低样本量的若干类别，合并为一个类别； S4、多模型训练：针对主结局变量即二分类预测任务、及次结局变量即多分类预测任务，采用多种机器学习模型进行训练；在训练过程中，针对主结局变量进行概率阈值筛选，即遍历不同风险概率阈值，分别计算各阈值下的F1分数，并选择F1分数最大的概率阈值作为高风险判别标准；所述F1分数是分类模型评估中查准率Precision与查全率Recall的调和平均值； S5、模型评估筛选：以多个评价指标进行评估，分别筛选出最佳主结局变量预测模型和最佳次结局变量预测模型，所述评价指标包括受试者工作特征曲线下面积AUC、准确率Accuracy、灵敏度Sensitivity、特异度Specificity、精度Precision、F1分数； S6、对筛选出的最佳主结局变量预测模型和最佳次结局变量预测模型进行十折交叉验证，并基于交叉验证的各项评价指标结果，对模型的稳定性和可靠性进行评估； S7、用筛选出的最佳主结局变量预测模型和最佳次结局变量预测模型，采集待预测献血者的人口学信息、献血历史、不良反应记录，对献血不良反应进行风险预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都市血液中心，其通讯地址为：610000 四川省成都市锦江区珙桐街111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。