肝病分期预测模型的构建方法、装置、设备及介质与流程

摘要: 本发明涉及智能诊断,尤其涉及一种肝病分期预测模型的构建方法、装置、设备及介质。背景技术:1、肝细胞癌是全球范围内常见的恶性肿瘤之一,其发病率与死亡率居高不下。在...
肝病分期预测模型的构建方法、装置、设备及介质与流程

本发明涉及智能诊断,尤其涉及一种肝病分期预测模型的构建方法、装置、设备及介质。

背景技术:

1、肝细胞癌是全球范围内常见的恶性肿瘤之一,其发病率与死亡率居高不下。在中国,慢性乙型肝炎是导致肝纤维化、肝硬化乃至肝细胞癌(hcc)的主要病因,这一逐步恶化的过程被称为“肝癌三部曲”。由于hcc早期症状不明显,多数受试者在确诊时已处于中晚期,预后极差,中位生存期不足一年,3年生存率仅约12%。因此,早期诊断与动态监测肝病进展对于改善受试者生存率具有重要临床意义。

2、目前,肝硬化和hcc的确诊仍主要依赖肝活检,该检查存在侵入性、风险高、难以重复操作等局限性,不适用于动态病情监测。临床上常结合肝功能指标、血清白蛋白、凝血功能、影像学检查(如超声、ct、mri)及部分血清标志物(如ⅲ型胶原蛋白、ⅳ型胶原蛋白、透明质酸酶、层粘连蛋白等)进行综合评估,但其特异性和敏感性有限。gp73(高尔基体蛋白73,golgi protein 73)已被报道与肝纤维化和hcc相关,但尚未在临床广泛应用。

3、在hcc的血清学诊断中,甲胎蛋白(afp)是目前应用最广泛的标志物,但其敏感性和特异性均不理想,尤其在早期hcc中表现较差。其他如异常凝血酶原、rassf1a(ras相关结构域家族1a ,ras association domain family 1a)、gstp1(谷胱甘肽s-转移酶p1,glutathione s-transferase p1)、微小rna及蛋白质组学标志物等虽有研究报道,但多无法实现对疾病从慢性肝炎→肝硬化→hcc全过程的无创、动态、定量监测。

4、综上所述,目前缺乏能够敏感、特异、动态反映“肝炎-肝硬化-肝癌”演变进程的血清学标志物及相应的非侵入性评估工具。因此,开发一种基于血清样本、可动态监测肝病进展并辅助分期评估的方法,具有重要的临床应用价值和研究意义。

技术实现思路

1、基于此,有必要针对现有技术的肝病诊断中缺乏能够敏感、特异、动态反映“肝炎-肝硬化-肝癌”演变进程的血清学标志物及相应的非侵入性评估工具技术问题,提出了一种肝病分期预测模型的构建方法。

2、第一方面,提供了一种肝病分期预测模型的构建方法,包括:

3、获取训练样本集,所述训练样本集包括多个已确诊为慢性肝炎、肝硬化或肝细胞癌的受试者的血清样本指标数据和临床数据;

4、通过单变量逻辑回归分析,从所述血清样本指标数据中筛选出与肝病分期具有显著统计学关联的候选变量;其中,以p值小于预设阈值作为筛选标准;

5、将所述候选变量纳入多变量逻辑回归分析,以p值小于预设阈值作为标准,从所述候选变量中筛选出具有独立预测价值的显著变量;

6、将所述显著变量作为输入特征,以慢性肝炎、肝硬化、肝细胞癌三类肝病分期作为输出标签,构建多项逻辑回归模型框架;

7、使用所述训练样本集对所述多项逻辑回归模型进行训练,得到肝病分期预测模型;

8、获取受试者的预测输入数据,所述预测输入数据包括与所述显著变量对应的各项指标数据;

9、将所述预测输入数据输入至所述肝病分期预测模型,得到所述受试者状态分别归属于慢性肝炎、肝硬化及肝细胞癌的预测概率。

10、优选的,所述显著变量包括核心蛋白聚糖的蛋白表达水平、甲胎蛋白浓度、丙氨酸氨基转移酶水平、天冬氨酸氨基转移酶水平、受试者年龄和受试者性别。

11、优选的,所述使用所述训练样本集对所述多项逻辑回归模型进行训练,得到肝病分期预测模型,具体包括:

12、通过最大化似然函数估计各输入特征的回归系数,以完成对所述多项逻辑回归模型的训练,得到所述肝病分期预测模型。

13、优选的,所述方法还包括:

14、当所述肝病分期预测模型输出的预测概率表明所述受试者最可能的状态为肝硬化或肝细胞癌时,生成并输出进一步的医疗检查建议信息。

15、优选的,所述方法还包括:

16、获取所述受试者在不同时间点对应的至少两次预测输入数据;

17、将所述至少两次预测输入数据分别输入至所述肝病分期预测模型,获得至少两个时间点对应的预测概率;

18、比较所述至少两个时间点对应的预测概率,分析所述受试者的肝病状态演变趋势,并输出演变趋势分析结果。

19、优选的,所述训练样本集被划分为训练样本集和内部验证集,所述训练样本集用于对所述多项逻辑回归模型进行训练,所述内部验证集用于评估训练得到的模型的性能。

20、优选的,所述方法还包括:

21、使用验证集对训练得到的肝病分期预测模型进行性能评估,所述性能评估包括绘制受试者工作特征曲线,并计算曲线下面积值、敏感度和特异度,以验证所述肝病分期预测模型的分类效能。

22、优选的,当所述肝病分期预测模型在外部验证集中区分肝细胞癌与慢性肝炎的曲线下面积值不低于0.90时,确认所述肝病分期预测模型可用于执行预测步骤。

23、第二方面,提供了一种肝病分期预测装置,用于实现如上述任意一项所述的肝病分期预测模型的构建方法,所述装置包括:

24、数据获取模块,用于获取训练样本集,所述训练样本集包括多个已确诊为慢性肝炎、肝硬化或肝细胞癌的受试者的血清样本指标数据和临床数据;

25、模型构建模块,用于通过单变量逻辑回归分析,从所述血清样本指标数据和临床数据中筛选出与肝病分期具有显著统计学关联的候选变量;其中,以p值小于预设阈值作为筛选标准;

26、所述候选变量纳入多变量逻辑回归分析,以p值小于预设阈值作为标准,从所述候选变量中筛选出具有独立预测价值的显著变量;

27、将所述显著变量作为输入特征,以慢性肝炎、肝硬化、肝细胞癌三类肝病分期作为输出标签,构建多项逻辑回归模型框架;

28、使用所述训练样本集对所述多项逻辑回归模型进行训练,得到肝病分期预测模型;

29、预测模块,用于获取受试者的预测输入数据,所述预测输入数据包括与所述显著变量对应的各项指标数据;

30、将所述预测输入数据输入至所述肝病分期预测模型,得到所述受试者状态分别归属于慢性肝炎、肝硬化及肝细胞癌的预测概率。

31、第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述肝病分期预测模型的构建方法的步骤。

32、有益效果:

33、本技术实现了肝病分期的非侵入性量化评估,仅需采集外周血即可完成检测,无需进行肝活检等侵入性操作,受试者接受度高;通过输出具体的概率值为临床决策提供定量依据,优于传统定性判断;通过多次采样可追踪疾病演变过程,实现对“肝炎-肝硬化-肝癌”全过程的连续监测;检测方法成熟、成本较低,可在常规实验室完成,适合大规模筛查应用。

34、通过输出受试者分别归属于慢性肝炎、肝硬化及肝细胞癌的预测概率,实现肝病分期的非侵入性评估,为临床决策提供量化依据。