基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法及系统

本发明涉及计算机辅助医疗，特别是指基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法及系统。

背景技术：

1、在家族性早发性阿尔茨海默病靶向药干预临床试验中，现有系统通过植入式脑脊液微透析导管持续采集患者脑脊液样本，经纳米孔外泌体捕获微流控芯片富集外泌体后，由表面等离子体共振多通道生物传感阵列检测得到外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列。

2、在临床用药监测中，当患者脑内神经元出现异常脉冲式放电时，外泌体标志物浓度本应迅速飙升，在时间序列上形成一个尖锐的浓度尖峰。这些尖峰的频率和尖锐程度直接反映了神经元释放活动的剧烈程度，是判断病情是否正在从临床前阶段向轻度认知障碍转化的关键信号。

3、但有的现有系统内置的静态淀粉样蛋白级联反应房室模型，在接收到浓度数据后，并不去识别这些尖峰，而是用固定的清除半衰期参数对数据做平滑处理。平滑后的曲线使尖峰被削弱，变成了一条变化迟缓的平缓曲线。因此，当神经元异常放电已经加剧、浓度尖峰频繁出现时，仿真模型输出的预测曲线仍然平稳缓慢地变化，直到尖峰积累到足够改变平滑曲线的整体趋势后，模型才迟迟反映出病情拐点。这种“反应迟钝”使得医生根据模型预测调整靶向药剂量的操作晚于病情的实际恶化节点，错过了干预的最佳时间窗口。

技术实现思路

1、本发明提供了基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法及系统，以浓度瞬态峰值点识别替代平滑处理，减少了仿真输出滞后于病情实际恶化的时间延迟。

2、为解决上述技术问题，本发明的技术方案如下：

3、第一方面，基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，应用于搭载异构计算节点的仿真服务器，所述方法包括：

4、获取由脑脊液外泌体多模态联用传感输出的外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列；

5、对外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列，计算各采样点的浓度值与预设的参考浓度值比值，作为归一化浓度值；依次以每个采样点作为当前点，获取当前点的前一采样点和后一采样点，在由时间坐标与归一化浓度值构成的归一化平面上，将当前点与前一采样点连成第一线段，将当前点与后一采样点连成第二线段，计算第一线段与第二线段之间的夹角；

6、若夹角小于预设角度阈值，且当前点的归一化浓度值同时大于前一采样点和后一采样点的归一化浓度值，则将当前点识别为浓度瞬态峰值点；

7、按时间顺序排列识别出的所有浓度瞬态峰值点，根据相邻两个浓度瞬态峰值点之间的时间间隔提取脉冲释放频率序列，根据各浓度瞬态峰值点的浓度值提取脉冲释放幅值序列，同时将各浓度瞬态峰值点对应的夹角保留为脉冲释放强度度量序列；

8、将脉冲释放频率序列、脉冲释放幅值序列和脉冲释放强度度量序列共同作为输入特征，输入至预先构建的脉冲释放特征驱动的阿尔茨海默病病程动态仿真模型，所述动态仿真模型基于脉冲释放特征驱动淀粉样蛋白级联反应与突触损伤的动态演变速率，获得病程虚拟仿真结果。

9、第二方面，基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真系统，包括：

10、获取模块，用于获取由脑脊液外泌体多模态联用传感输出的外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列；

11、计算模块，用于对外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列，计算各采样点的浓度值与预设的参考浓度值比值作为归一化浓度值，在以时间坐标与归一化浓度值构成的归一化平面上，依次以每个采样点作为当前点，获取当前点的前一采样点和后一采样点，将当前点与前一采样点连成第一线段，将当前点与后一采样点连成第二线段，计算第一线段与第二线段之间的夹角；

12、识别模块，用于若夹角小于预设角度阈值，且当前点的归一化浓度值同时大于前一采样点和后一采样点的归一化浓度值，则将当前点识别为浓度瞬态峰值点；

13、提取模块，用于按时间顺序排列识别出的所有浓度瞬态峰值点，根据相邻两个浓度瞬态峰值点之间的时间间隔提取脉冲释放频率序列，根据各浓度瞬态峰值点的浓度值提取脉冲释放幅值序列，同时将各浓度瞬态峰值点对应的夹角保留为脉冲释放强度度量序列；

14、驱动模块，用于将脉冲释放频率序列、脉冲释放幅值序列和脉冲释放强度度量序列共同作为输入特征，输入至预先构建的脉冲释放特征驱动的阿尔茨海默病病程动态仿真模型，所述动态仿真模型基于脉冲释放特征驱动淀粉样蛋白级联反应与突触损伤的动态演变速率，获得病程虚拟仿真结果。

15、本发明的上述方案至少包括以下有益效果：

16、通过多模态传感集成同步获取外泌体p-tau181与aβ42寡聚体浓度时序，克服了双标志物无法并行检测的问题，实现了双标志物的同步监测；通过在归一化平面上计算相邻线段夹角并联合峰值双重条件，精准识别浓度瞬态峰值点，克服了现有平滑处理丢失脉冲信息导致病程拐点预测滞后的缺陷，实现了峰值事件的高精度定位；通过峰值间隔提取频率、峰值浓度提取幅值、峰值夹角提取强度的多维特征分离，克服了单维度无法刻画脉冲动力学全貌的问题，实现了释放频率、幅值与强度的联合表征；通过频率调节淀粉样蛋白产生、幅值调节aβ寡聚化、强度调节突触损伤的三通道协同驱动，克服了静态病程模型缺乏神经元活性动态调控的问题，实现了脉冲特征驱动的级联反应与突触损伤动态仿真。

1.基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，包括：

2.根据权利要求1所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，获取由脑脊液外泌体多模态联用传感输出的外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列，包括：

3.根据权利要求2所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，将共振角偏移响应成分分别映射为外泌体p-tau181浓度时间序列和外泌体aβ42寡聚体浓度时间序列，包括：

4.根据权利要求3所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，所述计算第一线段与第二线段之间的夹角，具体包括：

5.根据权利要求4所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，若夹角小于预设角度阈值，且当前点的归一化浓度值同时大于前一采样点和后一采样点的归一化浓度值，则将当前点识别为浓度瞬态峰值点，包括：

6.根据权利要求5所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，根据相邻两个浓度瞬态峰值点之间的时间间隔提取脉冲释放频率序列，根据各浓度瞬态峰值点的浓度值提取脉冲释放幅值序列，同时将各浓度瞬态峰值点对应的夹角保留为脉冲释放强度度量序列，包括：

7.根据权利要求6所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，将脉冲释放频率序列、脉冲释放幅值序列和脉冲释放强度度量序列共同作为输入特征，输入至预先构建的脉冲释放特征驱动的阿尔茨海默病病程动态仿真模型，包括：

8.根据权利要求7所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，以脉冲释放强度度量序列调节突触损伤程度随aβ寡聚体积累而加剧的损伤速率，包括：

9.根据权利要求8所述的基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真方法，其特征在于，根据各时间窗口内所述脉冲释放尖锐度度量值的大小，确定各时间窗口对应的突触损伤加速因子，包括：

10.基于外泌体生物标志物的阿尔茨海默病病程虚拟仿真系统，该系统实现如权利要求1至9中任一项所述的方法，其特征在于，包括：