杨欣怡，侯凌燕，杨大利，崔丽艳

(1.北京信息科技大学计算机学院，北京 100101；2.北京大学第三医院，北京 100191)

0 引 言

肾移植排斥反应是移植肾和受者产生免疫病理反应所致病症[1]。由于被移植者和移植者在生理上存在差异，肾移植可能会受到抗体的排异形成排斥反应[2]。术后护理就成为了一个特别重要的阶段，于是便产生了对肾移植的排斥反应预测的需求[3]。在之前，大多数预测使用人工筛选的方法，但手工录入信息绘制图表的方法耗时长，对病人来说，可能随时面临着风险。

现今，疾病预测中常用的几种数学模型的方法有时间序列预测法(Time Series Prediction Method)、灰色预测法、Markov预测法、人工神经网络法等[4]。现今机器学习方法在疾病预测中运用逐渐变得广泛。

肾移植排斥反应预测的难度，在于排斥反应在越早的时间段发现，对于病人的风险也就越小[5]。利用机器学习方法进行肾移植排斥反应的难点在于：

1)样本量不足，这是由于真实进行肾移植手术的病人不多且数据难获取，肾移植手术数据样本数量不足，给研究造成难度。

2)手术前对病人进行周密的调查，排除一些手术风险高的病人,因此有无排斥反应的病人样本数量不均衡。

3)病患的排斥反应数据存在时序性，为了从数据中更好地提炼预测信号，必须对数据的时间序列信息进行分析挖掘，对疾病进行早期的干涉。

针对这3个问题，本文采取如下措施：

1)将数据的分布进行改变。本文使用SMOTE算法，将肾移植排斥反应的样本数据进行上采样，实现样本数量的均衡。……