对大动脉炎患者进行分型与预后风险分层的系统

本公开涉及智慧医疗，尤其涉及一种对大动脉炎患者进行分型与预后风险分层的系统。

背景技术：

1、大动脉炎（takayasu arteritis，tak）作为一种慢性自身免疫性血管炎，大动脉炎（tak）的临床诊疗与研究正朝着精准化、靶向化、系统化方向稳步推进，核心趋势集中在诊断技术革新、治疗方案优化、生物标志物挖掘及个体化管理体系构建四大维度。

2、目前，大动脉炎的临床治疗与现有相关技术仍存在显著局限：传统疾病分型多依赖单一炎症标志物（如 esr（erythrocyte sedimentation rate（红细胞沉降率，常称血沉））、crp（c-reactive protein（c 反应蛋白）））或医生主观症状评估，难以全面反映疾病内在的病理生理异质性，导致疾病亚型划分模糊；预后判断缺乏精准量化依据，无法在治疗初期有效识别易复发、难治或高死亡风险的患者，使得高危患者可能因干预不及时延误治疗，低危患者则可能承受不必要的免疫抑制药物副作用；同时，治疗方案多呈 “一刀切” 模式，缺乏基于患者个体病理特征的个性化指导，且现有技术未形成简单易操作、可广泛推广的临床工具，难以支撑基层医疗机构规范开展分型与预后评估，整体诊疗精准度和效率有待提升。

3、综上所述，现有技术在大动脉炎诊疗中缺乏可量化且易于临床推广的分型与预后分层工具，导致治疗方案缺乏个性化指导的技术问题。

技术实现思路

1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种对大动脉炎患者进行分型与预后风险分层的系统。

2、本公开提供了一种对大动脉炎患者进行分型与预后风险分层的系统，所述系统包括：输入模块，用于将目标大动脉炎患者的临床数据输入至综合评分模型；其中，所述综合评分模型为基于多个未经治疗的初治大动脉炎患者的多模态基线数据得到；

3、第一确定模块，用于基于所述输入模块输入的所述综合评分模型，确定所述目标大动脉炎患者的疾病分型；

4、第二确定模块，用于基于所述第一确定模块确定的所述疾病分型，确定所述目标大动脉炎患者的预后风险。

5、可选地，所述系统还包括：

6、采集模块，用于采集多个未经治疗的初治大动脉炎患者的多模态基线数据；其中，所述多模态基线数据至少包括：通过流式细胞术同步定量检测的血清细胞因子，以及疾病活动度评分、系统性炎症标志物、免疫球蛋白、补体水平的临床与实验室指标及血管影像学数据。

7、可选地，所述血清细胞因子至少包括il-1β，il-2，il-4，il-5，il-6，il-8，il-10，il-12p70，il-17，tnf-α，ifn-α，ifn-γ。

8、可选地，所述系统还包括：

9、第三确定模块，用于基于采集模块采集的血清细胞因子和所述初治大动脉炎患者的临床变量，采用无监督聚类分析算法，确定至少三个具有不同免疫炎症特征的疾病分型；

10、分析模块，用于将所述第三确定模块确定的所述疾病分型与所述初治大动脉炎患者的临床预后数据进行关联分析，确定各个所述疾病分型与临床结局的风险比值和鉴别指标；

11、构建模块，用于基于所述分析模块确定的风险比值和所述鉴别指标，构建所述综合评分模型。

12、可选地，所述构建模块，还包括：

13、通过受试者工作特征曲线分析确定各个所述鉴别指标的截断值和权重；

14、基于所述截断值和所述权重，构建所述综合评分模型。

15、可选地，所述第一确定模块还包括：

16、基于所述综合评分模型，确定所述目标大动脉炎患者的疾病分数；

17、基于所述疾病分数和分类规则，确定所述目标大动脉炎患者的疾病分型。

18、可选地，所述第一确定模块还包括：

19、响应于所述疾病分数小于第一阈值，确定所述目标大动脉炎患者的所述疾病分型为低危型；

20、响应于所述疾病分数大于或等于所述第一阈值，且小于第二阈值，确定所述目标大动脉炎患者的所述疾病分型为急性炎症型；其中，所述第二阈值大于所述第一阈值；

21、响应于所述疾病分数大于或等于所述第二阈值，确定所述目标大动脉炎患者的所述疾病分型为多重细胞因子激活型。

22、可选地，所述系统还包括：

23、验证模块，用于使用随机森林分类器和决策树模型对所述综合评分模型和分类规则进行验证。

24、可选地，所述验证模块还包括：

25、将所述初治大动脉炎患者的数据集划分为训练集与测试集；

26、利用所述训练集对所述随机森林分类器进行训练；

27、使用训练后的随机森林分类器及所述决策树模型在所述测试集上验证所述综合评分模型的分类准确性。

28、可选地，所述系统还包括：

29、更新模块，用于基于新增的初治大动脉炎患者的随访预后数据，对所述综合评分模型的参数或所述分类规则进行迭代优化。

30、本公开实施例提供的技术方案与现有技术相比具有如下优点：该系统通过输入模块导入目标患者临床数据并对接基于初治患者多模态基线数据构建的综合评分模型，经第一确定模块精准判定疾病分型后，由第二确定模块关联输出预后风险，核心有益效果在于：突破传统依赖单一标志物或主观评估的局限，以多模态数据为基础的综合评分模型确保分型与预后评估的客观性、量化性，实现治疗初期对患者疾病类型与复发、难治、死亡等风险的精准识别，为临床提供明确的决策依据，有效避免“一刀切”治疗导致的过度医疗或干预不足问题，助力个性化治疗方案制定与随访管理优化，最终提升大动脉炎诊疗的精准度与患者预后效果。

1.一种对大动脉炎患者进行分型与预后风险分层的系统，其特征在于，所述系统包括：

2.根据权利要求1所述的系统，其特征在于，所述系统还包括：

3.根据权利要求2所述的系统，其特征在于，所述血清细胞因子至少包括il-1β，il-2，il-4，il-5，il-6，il-8，il-10，il-12p70，il-17，tnf-α，ifn-α，ifn-γ。

4.根据权利要求1所述的系统，其特征在于，所述系统还包括：

5.根据权利要求4所述的系统，其特征在于，所述构建模块，还包括：

6.根据权利要求1所述的系统，其特征在于，所述第一确定模块还包括：

7.根据权利要求6所述的系统，其特征在于，所述第一确定模块还包括：

8.根据权利要求1所述的系统，其特征在于，所述系统还包括：

9.根据权利要求8所述的系统，其特征在于，所述验证模块还包括：

10.根据权利要求1所述的系统，其特征在于，所述系统还包括：