用于小于胎龄风险评估的预测模型及其构建方法与应用与流程

本发明涉及疾病风险评估，特别涉及用于小于胎龄风险评估的预测模型及其构建方法与应用。

背景技术：

1、小于胎龄(sga，small for gestational age)是指胎儿在妊娠期内的生长发育低于同孕周胎儿的平均水平，通常定义为出生体长低于同孕周胎儿平均体重的第10百分位数。sga是世界范围内的重要公共卫生问题，在某些国家中，sga发生率达5.70％-6.50％。出现sga会明显增加婴儿围产期疾病和远期疾病的发生风险。相关研究表明，早期识别sga能使新生儿死亡率和发病率降低20％-25％，因此，实现sga的早期预测至关重要。

2、传统的sga识别方法主要依赖于母亲腹部触诊和连续测量耻骨联合-宫底高度，但这种方法的检测率不到30％。在妊娠晚期，通过基于超声的胎儿生物测量也可以实现sga筛查性能，如在妊娠30-34周进行筛查可以识别约80％的早产sga新生儿，但对于足月分娩的sga新生儿，其识别率仅为50％，筛查阳性率仅为10％。相关技术中，ciobanu等人结合母体因素和胎儿生物标志物建立了一种sga预测模型，主要用于评估妊娠35-36周期间的sga情况，但筛查阳性率仅为30％，其方法中引入的生物标志物仅能边际性地提高预测性能。

3、在国内，sga的研究也在不断深入，但检测效果欠佳。陈心雨等人结合妊娠早期和中期的临床数据与超声影像数据对sga预测，构建得到的最优模型的auc分别为0.70和0.77。张瑞敏等人使用logistic回归模型，纳入妊娠期高血压和子痫等七个变量，构建得到了一种sga预测模型，该模型预测的最佳效能auc仅为0.72。从中可以发现，现有的sga预测模型仍存在着较多问题，如：1.模型可解释性不足。现有的模型多采用的是改进的降噪自动编码器和梯度提升机算法等复杂模型，这种方法虽然能够处理高维度数据并提高预测性能，但模型的复杂性较高，且可解释性较差，而对于临床应用而言，模型的可解释性非常重要，因为临床医生需要理解模型的决策过程以制定个性化的诊疗措施，而现有模型在可解释性方面的不足可能会限制其在临床中的应用和推广。2.模型中忽视了遗传变异对sga的影响。尽管一些研究中常识纳入了测序数据，但这些模型的构建的核心仍然主要集中在sga的预后上，而不是前期预测，而且其所筛选的sga预后基因集无法在sga的早期预测中提供准确的评估。3.缺少综合性预测框架。现有技术中的模型无法提供一个综合性的预测框架，从而将遗传因素、一般健康指标、和其他相关临床参数结合起来，以形成一个全面的风险评估体系，而这极大的限制了预测模型在医疗中的实际应用潜力。

4、鉴于此，有必要构建一种sga风险评估预测模型，通过整合多种生物标志物和遗传因素，能够更准确地预测sga的发生风险，从而实现早期干预，改善新生儿的健康结局。

技术实现思路

1、本发明旨在至少解决现有技术中存在的上述技术问题之一。为此，本发明的目的在于提供一种用于小于胎龄风险评估的预测模型及其构建方法与应用。本发明建立了一项基于多种临床风险因素和遗传因素预测sga的方法，其全面纳入了一系列sga的候选风险因素，包括基本临床因素(孕妇体重，身高)、生物标志物(白蛋白、尿素氮、游离t3)和遗传因素(1个与胎儿出生体长相关的变异位点rs76047346)，并结合机器学习、贝叶斯广义线性回归方法等多种方法构建预测模型，对于sga的发生有较好的预测作用。基于本发明中的方法构建得到的模型不仅对于sga具有极高的预测准确率(auc＝0.88)，有助于提高临床诊断的准确性，还可以为制定个性化的孕期管理方案提供科学依据，从而有效降低sga相关的健康风险。

2、本发明的第一个方面，提供了一组早期诊断标志物，所述早期诊断标志物包括rs76047346。

3、本发明的第二个方面，提供了一组早期诊断标志物，所述早期诊断标志物包括rs76047346与非snp标志物的组合。

4、在本发明中，术语“早期诊断”是指基于常规技术手段或临床经验，未发现或未出现症状，或刚刚有初期病状时进行诊断。在本发明中，“早期诊断”是指在常规技术手段还无法用于sga的检测，或常规技术手段检测结果尚不准确的孕期内进行诊断。

5、在本发明中，短语“常规技术手段检测结果尚不准确”是指使用常规技术手段的诊断准确率等于或低于60％、50％、40％、30％、20％或10％；或存在假阳性率大于或等于30％、40％、50％、60％、70％、80％、90％或99％。

6、在本发明的一些实施方式中，所述早期诊断标志物适用于孕周为30-44周的孕妇。

7、在本发明的一些实施方式中，所述早期诊断标志物为小于胎龄早期诊断标志物。

8、在本发明的一些实施方式中，所述非snp标志物包括孕妇基本临床信息和/或实验室检测指标信息。

9、在本发明的一些实施方式中，所述孕妇基本临床信息包括：年龄、孕前体重、身体质量指数、收缩压、舒张压和身高中的至少一种。

10、在本发明的一些实施方式中，所述孕妇基本临床信息包括：年龄、孕前体重、身体质量指数、收缩压、舒张压和身高中的至少两种。

11、在本发明的一些实施方式中，所述孕妇基本临床信息为：孕前体重和孕妇身高。

12、在本发明的一些实施方式中，所述实验室检测指标信息包括：血常规检测数据、肝功能检测数据、肾功能检测数据、葡萄糖耐量试验检测数据、尿液沉渣检测数据、凝血功能检测数据、甲状腺功能检测数据中的至少一种。

13、在本发明的一些实施方式中，所述实验室检测指标信息包括：血常规检测数据、肝功能检测数据、肾功能检测数据、葡萄糖耐量试验检测数据、尿液沉渣检测数据、凝血功能检测数据、甲状腺功能检测数据中的至少2种、3种、4种或全部。

14、在本发明的一些实施方式中，所述实验室检测指标信息包括：血常规检测数据、肝功能检测数据、肾功能检测数据和甲状腺功能检测数据。

15、在本发明的一些实施方式中，所述实验室检测指标信息为：血常规检测数据、肝功能检测数据、肾功能检测数据和甲状腺功能检测数据。

16、当然，需要理解的是，本领域技术人员也可以基于所需的指标，采用其他类型的检测数据，包括但不限于上述的血常规检测数据、肝功能检测数据、肾功能检测数据、葡萄糖耐量试验检测数据、尿液沉渣检测数据、凝血功能检测数据和甲状腺功能检测数据。

17、在本发明的一些实施方式中，所述实验室检测指标信息包括：白蛋白、碱性磷酸酶、总蛋白、尿素氮、游离t3、单核细胞百分数和中性粒细胞百分数中的至少一种。

18、在本发明的一些实施方式中，所述实验室检测指标信息包括：白蛋白、碱性磷酸酶、总蛋白、尿素氮、游离t3、单核细胞百分数和中性粒细胞百分数中的至少2种、3种、4种或全部。

19、在本发明的一些实施方式中，所述实验室检测指标信息包括：白蛋白、尿素氮和游离t3。

20、在本发明的一些实施方式中，所述实验室检测指标信息为：白蛋白、尿素氮和游离t3。

21、在本发明中，所述实验室检测指标信息和孕妇基本临床信息的获得方式和来源不做任何限定，其获得方式和来源本身不影响上述实验室检测指标信息和孕妇基本临床信息作为标志物的相关效果。

22、在本发明的一些实施方式中，所述早期诊断标志物还可以进一步包括：孕妇的生活方式、饮食习惯、环境因素等。

23、在本发明的一些实施方式中，其他标志物的筛选方法同孕妇基本临床信息或实验室检测指标信息。

24、本发明的第三个方面，提供了检测上述方面所述的早期诊断标志物的试剂在制备小于胎龄诊断和/或风险评估预测产品中的用途。

25、在本发明的一些实施方式中，所述检测上述方面所述的早期诊断标志物的试剂可以基于本领域常规技术得到，包括但不限于：市售检测试剂盒、合成引物等。

26、在本发明中，对于早期诊断标志物的检测方法不做限定，根据实际需求，可以是基因层面的、蛋白层面的或生化层面的，检测方法包括但不限于：测序、化学发光、酶联免疫吸附、放射免疫、微粒标记和聚合酶链式反应(pcr)等。

27、在本发明的一些实施方式中，所述诊断包括早期诊断。

28、本发明的第四个方面，提供了一种小于胎龄诊断和/或风险评估预测产品，所述小于胎龄诊断和/或风险评估预测产品包括检测上述方面所述的早期诊断标志物的试剂，和辅剂。

29、在本发明的一些实施方式中，所述辅剂包括药学上可接受的辅剂。

30、在本发明的一些实施方式中，所述辅剂包括：缓冲液、溶剂或稀释剂、防腐剂、表面活性剂、清洗液、样本预处理试剂中的至少一种。

31、在本发明中，术语“缓冲液”是指用于调节实验环境的ph值或模拟特殊环境(如体内)，以保证实验的稳定性和准确性的试剂，包括但不限于磷酸盐缓冲液(pbs)、tris-hcl缓冲液等。

32、在本发明中，术语“溶剂”是指用于溶解对应检测物或待测样本的的液体，包括但不限于：有机溶剂，如乙醇、甲醇、乙腈、乙酸乙酯、二氯甲烷、丙酮、石油醚、苯、甲苯、乙醚、氯仿和异丙醇等；无机溶剂，如水。

33、在本发明中，术语“稀释剂”是指用于稀释待检样本或原试剂，以降低其浓度，使之可以参与特定的检测反应的试剂，包括但不限于上述的缓冲液或溶剂。

34、在本发明中，术语“防腐剂”用于防止试剂变质，延长试剂的保存期限，确保试剂在储存和运输过程中的稳定性的试剂，包括但不限于：苯甲酸、苯甲酸钠、对羟基苯甲酸酯类化合物(如其甲、乙、丙、丁四种酯)、山梨酸及其盐、邻苯基苯酚等。

35、在本发明中，术语“表面活性剂”也包括分散剂，是指用于增加溶液的表面活性，帮助溶解和分散样品中的成分的试剂，包括但不限于：阴离子表面活性剂(如十二烷基硫酸钠(sds)、十六烷基硫酸钠)、阳离子表面活性剂(如苯扎氯铵、苯扎溴铵)、非离子表面活性剂(如吐温20、吐温40、吐温80)和两性表面活性剂(如卵磷脂)。

36、在本发明中，术语“清洗液”是指用于检测反应中对反应体系、仪器管路及部件进行清洗的试剂，包括但不限于：水、缓冲液。

37、在本发明中，术语“样本预处理试剂”是指用于正式检测前的样本分离、提取、纯化、酶切等过程中所使用的试剂，包括但不限于：提取液(萃取剂)、纯化液(纯化材料)、脱水试剂和消化酶溶液等。

38、在本发明的一些实施方式中，所述小于胎龄诊断和/或风险评估预测产品中，检测上述方面所述的早期诊断标志物的试剂和辅剂可以是独立包装，或共包装。

39、在本发明的一些实施方式中，所述小于胎龄诊断和/或风险评估预测产品包括检测试剂盒、检测套装。

40、本发明的第四个方面，提供了一种小于胎龄风险评估预测模型的构建方法，包括如下步骤：

41、收集孕妇基本临床信息和/或实验室检测指标信息，分别计算两者与小于胎龄存在情况的统计学差异p值，根据p值分别筛选临床变量和标志物变量；

42、对孕妇的基因信息进行针对小于胎龄的全基因组关联分析，基于全基因组显著性阈值筛选遗传因素变量；

43、基于临床变量、标志物变量和遗传因素变量进行建模，得到小于胎龄风险评估预测模型。

44、在本发明中，术语“统计学差异p值”是指样本间的差异由抽样误差所致的概率，其由统计学上的显著性检验方法得到。在本发明中，p值小于0.05、0.01或0.001时，认为存在统计学差异。

45、在本发明的一些实施方式中，p值小于0.05时，认为存在统计学差异。

46、在本发明的一些实施方式中，所述孕妇基本临床信息包括：年龄、孕前体重、身体质量指数、收缩压、舒张压和身高中的至少一种。

47、在本发明的一些实施方式中，所述孕妇基本临床信息为：孕前体重和孕妇身高。

48、在本发明的一些实施方式中，所述实验室检测指标信息包括：血常规检测数据、肝功能检测数据、肾功能检测数据、葡萄糖耐量试验检测数据、尿液沉渣检测数据、凝血功能检测数据、甲状腺功能检测数据中的至少一种。

49、在本发明的一些实施方式中，所述实验室检测指标信息包括：血常规检测数据、肝功能检测数据、肾功能检测数据和甲状腺功能检测数据。

50、在本发明的一些实施方式中，所述实验室检测指标信息为：血常规检测数据、肝功能检测数据、肾功能检测数据和甲状腺功能检测数据。

51、当然，需要理解的是，本领域技术人员也可以基于所需的指标，采用其他类型的检测数据，包括但不限于上述的血常规检测数据、肝功能检测数据、肾功能检测数据、葡萄糖耐量试验检测数据、尿液沉渣检测数据、凝血功能检测数据和甲状腺功能检测数据。

52、在本发明的一些实施方式中，所述实验室检测指标信息包括：白蛋白、碱性磷酸酶、总蛋白、尿素氮、游离t3、单核细胞百分数和中性粒细胞百分数中的至少一种。

53、在本发明的一些实施方式中，所述实验室检测指标信息包括：白蛋白、尿素氮和游离t3。

54、在本发明的一些实施方式中，所述实验室检测指标信息为：白蛋白、尿素氮和游离t3。

55、在本发明的一些实施方式中，所述构建方法还包括：对收集的孕妇基本临床信息进行分类，采用不同的统计学方法进行统计学差异p值的计算。

56、在本发明的一些实施方式中，若孕妇基本临床信息为定量临床变量，采用t检验；若孕妇基本临床信息为分析定类临床变量，采用卡方检验。

57、在本发明中，术语“定量临床变量”是指可以使用具体的量来定义的临床变量，本文中的量没有明确的数量单位限定，可以包括：浓度、摩尔数、质量等。

58、在本发明中，术语“分析定类临床变量”也称“定类临床变量”，是指根据定性的原则区分总体各个案类别的临床变量，主要描述属性，包括但不限于：性别、病种等。

59、在本发明的一些实施方式中，所述t检验包括配对样本t检验和独立样本t检验(双样本t检验)。

60、在本发明的一些实施方式中，所述t检验为独立样本t检验(双样本t检验)。

61、在本发明的一些实施方式中，所述分析定类临床变量包括：多分类临床变量和二分类临床变量。

62、在本发明的一些实施方式中，所述分析定类临床变量为二分类临床变量。

63、在本发明的一些实施方式中，所述构建方法还包括：对实验室检测指标信息采用回归分析方法计算统计学差异p值。

64、在本发明的一些实施方式中，所述回归分析方法包括逻辑回归、多项式回归和线性回归。

65、在本发明的一些实施方式中，所述回归分析方法为逻辑回归(logistic回归)。

66、在本发明的一些实施方式中，存在连续变量时，取平均值。

67、在本发明的一些实施方式中，对于多个二分类变量，一旦出现阳性结果就定义为阳性。

68、在本发明的一些实施方式中，在对实验室检测指标信息进行回归分析完成第一次筛选后，进一步使用多元线性回归分析进行二次筛选，通过计算统计学差异p值进行筛选出标志物变量。

69、在本发明的一些实施方式中，所述孕妇的基因信息可以通过测序技术得到。

70、在本发明的一些实施方式中，所述孕妇的基因信息是基于nipt样本通过全基因组测序得到。

71、在本发明的一些实施方式中，所述孕妇的基因信息也可以采用高深度测序技术得到，从而无需进行进一步的数据质量控制，提高模型准确性。

72、在本发明的一些实施方式中，所述孕妇的基因信息在进行全基因组关联分析之前，还包括：对孕妇的基因信息进行数据质量控制、校正和基因型填补。

73、在本发明的一些实施方式中，所述数据质量控制包括：比对hg38人类基因组参考基因组，去掉测序深度低于0.05×且比对率低于90％的样本，去除pcr重复。

74、在本发明的一些实施方式中，使用samtools软件去除pcr重复。当然，本领域技术人员也可以使用其他替代性软件或算法进行pcr重复的去除，包括但不限于samtools。

75、在本发明的一些实施方式中，所述校正包括对indel区域的重比对和碱基质量校正。

76、在本发明的一些实施方式中，使用gatk软件进行indel区域的重比对和碱基质量校正。当然，本领域技术人员也可以使用其他替代性软件或算法进行indel区域的重比对和碱基质量校正，包括但不限于gatk。

77、在本发明的一些实施方式中，所述基因型填补包括：使用中国人群参考基因组作为参考基因组进行基因型填补。

78、在本发明的一些实施方式中，使用stitch填补软件进行基因型填补。当然，本领域技术人员也可以使用其他替代性软件或算法进行基因型填补，包括但不限于stitch。

79、在本发明的一些实施方式中，所述中国人群参考基因组包括千人基因组计划(1kgp)提供的chs、chn基因组。

80、在本发明的一些实施方式中，在进行基因型填补后，使用变异检测获得遗传变异位点。

81、在本发明的一些实施方式中，使用basevar软件进行变异检测。当然，本领域技术人员也可以使用其他替代性软件或算法进行变异检测，包括但不限于basevar。

82、在本发明的一些实施方式中，所述全基因组显著性阈值为5e-08。

83、在本发明的一些实施方式中，所述建模的方法包括：k-最近邻算法(knn)、支持向量机(svm)、决策树、朴素贝叶斯、k-均值、随机森林和自适应增强算法。

84、在本发明的一些实施方式中，所述建模的方法为k-最近邻算法(knn)。

85、在本发明的一些实施方式中，所述构建方法还包括：对遗传因素变量进行关联性分析。

86、在本发明的一些实施方式中，所述关联性分析包括条件和联合关联分析。

87、在本发明的一些实施方式中，使用gcta软件进行所述条件和联合关联分析。当然，本领域技术人员也可以使用其他替代性软件或算法进行关联性分析，包括但不限于gcta软件。

88、在本发明的一些实施方式中，所述构建方法还包括：将临床变量、标志物变量和遗传因素变量构建为矩阵数据，基于算法计算预测变量系数，然后使用上述方面中的建模的方法进行拟合建模。

89、在本发明的一些实施方式中，所述矩阵数据的形式如表4所示。

90、在本发明的一些实施方式中，所述遗传因素变量在矩阵数据中表示为单核苷酸多态性(snp)基因型剂量。

91、在本发明的一些实施方式中，所述snp为rs76047346；在本发明的一些实施方式中，所述遗传因素变量在矩阵数据中表示为rs76047346的基因型剂量(表示为0-2之间的连续值)。

92、在本发明的一些实施方式中，所述基因型剂量的计算公式为：

93、基因型剂量＝pr(het|data)+2×pr(alt|data)

94、其中，pr(het|data)表示样本在该位点基因型为杂合突变的后验概率；pr(alt|data)表示样本在该位点基因型为纯合突变的后验概率。

95、在本发明的一些实施方式中，用于计算预测变量系数的算法包括：bayesianridge函数、.最小二乘法、随机行走法、levenberg-marquardt算法等。

96、在本发明的一些实施方式中，所述小于胎龄风险评估预测模型的构建方法的具体步骤包括：

97、收集孕妇基本临床信息和/或实验室检测指标信息，分别计算两者与小于胎龄存在情况的统计学差异p值，根据p值分别筛选临床变量和标志物变量；

98、对孕妇的基因信息进行针对小于胎龄的全基因组关联分析，基于全基因组显著性阈值筛选遗传因素变量；

99、基于临床变量、标志物变量和遗传因素变量的选择进行样本数据的提取，使用提取的样本数据与sga的患病情况组合后进行矩阵构建，使用线性回归模型计算单一变量与sga之间的预测变量系数，将矩阵和预测变量系数输入至建模算法中，得到小于胎龄风险评估预测模型。

100、在本发明的一些实施方式中，所述线性回归模型同上述用于计算预测变量系数的算法，包括：bayesianridge函数、最小二乘法、随机行走法、levenberg-marquardt算法等。

101、在本发明的一些实施方式中，所述建模算法同上述建模的方法，包括k-最近邻算法(knn)、支持向量机(svm)、决策树、朴素贝叶斯、k-均值、随机森林和自适应增强算法。

102、本发明的第五个方面，提供了上述方面所述的构建方法构建得到的小于胎龄风险评估预测模型在制备小于胎龄风险评估预测产品中的应用。

103、在本发明的一些实施方式中，所述小于胎龄风险评估预测产品包括分析模块。

104、在本发明的一些实施方式中，所述分析模块通过执行上述方面所述的构建方法构建得到的小于胎龄风险评估预测模型得到预测结果。

105、在本发明的一些实施方式中，所述分析模块输出胎儿出生体长预测值，基于胎儿出生体长预测值判断是否有小于胎龄风险。

106、在本发明的一些实施方式中，基于胎儿出生体长预测值的小于胎龄风险判断标准为：

107、比较胎儿出生体长预测值和小于胎龄体长阈值，

108、若胎儿出生体长预测值小于小于胎龄体长阈值，则判断小于胎龄风险高；

109、若胎儿出生体长预测值大于或等于小于胎龄体长阈值，则判断小于胎龄风险低。

110、在本发明的一些实施方式中，所述小于胎龄风险评估预测产品还包括：检测模块、储存模块和传输模块中的至少一种。

111、在本发明的一些实施方式中，所述小于胎龄风险评估预测产品还包括：至少一个输入端和/或至少一个输出端。

112、在本发明的一些实施方式中，所述输入端包括但不限于：键盘、鼠标、硬盘、磁碟、可写性只读光盘(cd-rom)、光电纸带输入器、卡片输入器、光学字符读出器、磁带输入装备、汉字输入装备等。

113、在本发明的一些实施方式中，所述输出端包括但不限于：移动客户端(如手机、平板电脑、笔记本电脑)、显示器、打印机、光笔、硬盘、磁碟、可写性只读光盘(cd-rom)等。

114、本发明的第六个方面，提供了一种预测胎儿体长的方法，包括如下步骤：

115、将孕妇rs76047346基因型转变为基因型剂量，然后与孕妇基本临床信息和/或实验室检测指标信息一起输入至上述方面所述的构建方法构建得到的小于胎龄风险评估预测模型中，计算得到预测胎儿体长。

116、在本发明的一些实施方式中，基因型剂量的转变方法如上述方面所述。

117、在本发明的一些实施方式中，孕妇基本临床信息和/或实验室检测指标信息如上述方面所述。

118、在本发明中，孕妇rs76047346基因型、孕妇基本临床信息和实验室检测指标信息的来源不做限制，可以包括采用任意本领域常规手段获得的数据和/或信息来源。

119、在本发明的一些实施方式中，所述小于胎龄风险评估预测产品包括检测试剂盒、检测平台(系统)和检测设备。

120、本发明的第七个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现计算上述方面所述的构建方法构建得到的小于胎龄风险评估预测模型或上述方面所述的方法的步骤。

121、本发明的第八个方面，提供了一种系统，所述系统包括分析模块，所述分析模块中含有上述方面所述的计算机可读存储介质。

122、在本发明的一些实施方式中，所述系统还包括：输入端和输出端。

123、在本发明的一些实施方式中，所述输入端和输出端如上述方面所限定的。

124、在本发明的一些实施方式中，所述系统还包括：还包括：检测模块、储存模块和传输模块中的至少一种。

125、在本发明的一些实施方式中，所述检测模块、储存模块和传输模块。

126、本发明的第九个方面，提供了一种装置，所述装置中安装有上述方面所述的系统，或含有上述方面所述的计算机可读存储介质。

127、本发明的有益效果是：

128、1.本发明首次发现了rs76047346可作为一种sga早期诊断标志物，通过将其与其他非snp标志物组合后能够用于构建sga风险预测模型，为sga的早期诊断和分析提供了一种新的思路。

129、2.本发明通过结合医院电子病例信息、孕妇在产检过程中产生的大量基因型数据、基本临床因素、常见生物标志物和大样本量的胎儿出生体长的全基因组关联研究结果，层层筛选出了多个变量(标志物)，并建立了一种sga预测方法，该方法比传统的单方面因素或两方面预测的性能更好，预测准确度高，有助于医院筛查sga胎儿，从而实现早期干预，改善新生儿的健康结局。

130、3.本发明中的模型所需数据信息来源简单，可以基于孕妇常规体检产生，不会增加孕妇的额外医疗负担，经济可行。而且，本发明中的模型算法可以完全由计算机自主完成，结果准确，所需时间短。

131、4.本发明中的模型有效解决了现有模型可解释性不足的问题，其通过引入更具可解释性的算法和模型设计，使医生能够理解模型的决策过程，从而制定个性化的诊疗措施。基于该设计理念得到模型不仅提高了其本身的临床应用价值，还促进了其在临床中的推广和应用。而且，该模型中还融合了影响胎儿出生体长的遗传变异位点，解决现有模型忽视遗传变异对sga影响的问题，提供更准确的评估。

132、5.本发明中的sga早期风险预测模型相比现有技术，能够显著提高sga早期预测的准确性，预测模型auc为0.88，特异性0.96，灵敏度0.80，能够有效帮助医生及早干预，改善新生儿的健康结局。而且，本发明中也是首次将遗传因素、一般健康指标和其他相关临床参数结合起来，形成一个全面的风险评估体系，从而构建了一种综合性的预测框架，实现了模型的泛化及高准确预测能力，填补了个体水平的基因型数据精确性不够理想的问题。