模型训练方法、潜伏性结核发病风险预测方法和装置

本申请提供了一种模型训练方法、潜伏性结核发病风险预测方法和装置，属深度学习技术领域，针对当前潜伏性结核的控制过于主观导致误诊率较高的问题，可以使用深度学习技术训练得到有效的预测模型，预测模型能够从真实临床标签中学习到与潜伏性结核发病高度相关的免疫模式，从而实现从样本到目标患者的泛化预测，提高了预测模型的准确性和鲁棒性，尤其在免疫抑制患者群体中能有效降低漏诊或误诊风险；通过参数和超参数的联合优化，使得模型在临床数据分布偏移时仍能保持稳定性能，提升了模型的稳定性和可靠性。