一种基于关系网络的骨质疏松症风险预测方法

技术特征：
1.一种基于关系网络的骨质疏松症风险预测方法，其特征在于：包括以下步骤：步骤一：建立数据集，数据集由受试者生理指标和调查问卷结果两部分组成；步骤二：问卷类数据包括疾病史、膳食习惯、吸烟、饮酒、体力活动情况等；骨质疏松症的有无为模型的输出变量，骨质疏松症的诊断以who推荐的t值参考范围为标准：降低程度≥2.5个标准差为骨质疏松；步骤三：数据集有骨质疏松症4808人，正常11880人，分别占总样本的28.8％和71.2％，为不平衡数据集；步骤四：数据集中，个人与对应的饮食习惯、病史等信息可视为两个互不相交的子集，这两个子集共同组成了一个二部图结构；步骤五：具体的，原始图表示为g＝(v，e)，v为顶点集、e为边集，v由u和v两个子集构成，分别表示个人和对应的属性，e包含了连接u中顶点与v中顶点的边，即个人连接到其对应的饮食或病史特征；步骤六：将原始的个人-属性的二部图转换为个人-个人的单部图结构，其现实意义可以理解为：在筛选与骨质疏松症相关的病史特征和饮食习惯特征后，如果两个人有相同的病史或相同的饮食习惯，则认为他们之间存在潜在的关系，相同病史反映了疾病之间共享的分子机制或环境因素，而疾病基因之间有很高的相互作用倾向，往往以共病形式表现，饮食习惯反映了日常摄入的各类营养因素，而饮食中的生物化学成分对疾病具有复杂的影响，相似的饮食习惯可能导致他们与某种疾病具有关联性，因此网络中的个人是相互关联的，他们可能有类似相关的疾病基因，环境因素或饮食结构；步骤七：特征集构建：特征集由个人特征和网络特征两个子集共同组成，用于构建关系网络的特征包括病史特征和饮食特征，病史特征包括高血压病史、糖尿病病史、慢性支气管炎病史、肺气肿病史、冠心病/心肌梗塞/心绞痛病史、高胆固醇血症史、骨折病史、痛风病史和类风湿性关节炎病史；饮食特征包括蔬果不足、蛋类不足、奶类不足、豆类不足、高糖饮食、高脂饮食和高钠饮食；步骤八：选择常见的五种网络特征：介数中心性、接近中心性、特征向量中心性、度中心性和节点层面的聚类系数；步骤九：模型构建：从数据集中构建图结构的关系网络，并提取相应的网络特征，网络特征与个人特征共同构成输入的特征集，并基于logistic回归、支持向量机(svm)、xgboost、catboost和随机森林五种算法建立骨质疏松症风险预测模型进行比较；步骤十：模型评价方法：采用5项常用评价指标来评价预测模型的性能，分别为准确率(accuracy)、灵敏度(sensitivity)、特异性(specificity)和受试者工作特征(receiver operating characteristic，roc)曲线下的面积(area under the roc curve，auc)。2.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤一中，数据集来源于某三甲医院的健康体检中心，该数据集包含16688例完整样本，其中13818名男性，2870名女性，受试者年龄在18-78岁之间。3.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤一中的生理指标包含身高、体重、身体指数(body mass index,bmi)、腰围、血压值、空腹血糖值、血脂四项等。4.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：
所述步骤四中，预实验结果表明，原始数据集的不平衡会导致模型偏向将结果预测为正常。5.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤五中，该图的无向二部图表示：g＝(u，v)，分析二部图的常用方法是进行投影，转换为单部图进行分析。6.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤七中，筛选个人特征时，对连续变量使用皮尔逊相关系数，对分类变量使用卡方检验进行分析，选择相关性大的变量作为候选特征，最终选择的个人特征为：性别、年龄、身高、体重、体重指数、腰围、空腹血糖、血脂、血尿酸、吸烟、饮酒、体力活动情况。7.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤八中，网络特征含义分别如下：介数中心性：计算图中所有节点对间的最短路径，若多条最短路径经过某节点，则认为该节点介数中心性较高；接近中心性：计算某节点到所有其他节点的最短路径之和，总距离越小，则认为该节点接近中心性越高；特征向量中心性：若某节点与很多高中心性的节点相连，则该节点特征向量中心性较高。可简单理解为，邻居节点越重要，该节点越重要；度中心性：节点的度数，即与该节点连接的节点数量；聚类系数：该节点的相邻节点之间相互连接的程度，即该节点的两个邻居节点也相邻的概率。8.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤九中，数据集以8:2比例划分训练集和测试集，其中训练集用以构建预测模型，测试集用以评价模型性能，试验全部以python语言编写，抽取的关系网络以(起点，终点，权重)三元组形式的边集保存，网络相关的特征计算提取通过igraph库实现，随机森林、svm和logistic回归模型通过scikit-learn库实现，xgboost和catboost分别由各自算法包实现。9.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤十中，准确率指正确分类样本占总样本的比例，灵敏度是指预测为正的样本占全部正样本的比例。10.根据权利要求1所述的一种基于关系网络的骨质疏松症风险预测方法，其特征在于：所述步骤十中，特异性是指预测为负的样本占全部负样本的比例。

技术总结
本发明公开了一种基于关系网络的骨质疏松症风险预测方法，包括以下步骤：步骤一：建立数据集，数据集由受试者生理指标和调查问卷结果两部分组成，步骤二：问卷类数据包括疾病史、膳食习惯、吸烟、饮酒、体力活动情况等；骨质疏松症的有无为模型的输出变量，骨质疏松症的诊断以WHO推荐的T值参考范围为标准：降低程度≥2.5个标准差为骨质疏松；步骤三：数据集有骨质疏松症4808人，正常11880人，分别占总样本的28.8％和71.2％，为不平衡数据集，本发明通过提取关系网络中的关联信息，改进了模型的学习效果，使模型性能得到提高；使用网络特征来代替繁冗的病史和饮食类特征，解决了高维数据问题。题。题。


技术研发人员：马祖长 汪忠昊 李宜宾 孙怡宁
受保护的技术使用者：中国科学院合肥物质科学研究院
技术研发日：2022.12.02
技术公布日：2023/3/10