[發(fā)明專利]給藥前MTX治療JIA的療效預測系統(tǒng)及其建立方法

在審

• 申請?zhí)枺?/td>: 201910843288.1
• 申請日: 2019-09-06
• 公開（公告）號: CN112466477A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設計）人: 莫小蘭;陳秀娟;曾華松;梁會營;何艷玲;李嘉麗
• 申請（專利權）人: 廣州市婦女兒童醫(yī)療中心
• 主分類號: G16H70/40
• 分類號: G16H70/40
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 林青中

本發(fā)明涉及一種給藥前MTX治療JIA的療效預測系統(tǒng)及其建立方法。該建立方法通過篩選出JIA患者的檢測項目的特征變量子集，使用機器學習算法對所述特征變量子集建立療效預測系統(tǒng)，其AUC高達97％，相應的預測靈敏性、特異性和準確性都在90％以上，比傳統(tǒng)方法建立的系統(tǒng)的預測性能顯著提高。該療效預測系統(tǒng)在療效預測時不用昂貴的基因型檢測，只需要患者常規(guī)的必檢項目就可以完成療效模型的預測，無需額外繳費檢測，無需患者長時間的等待，只需來就診當天完成常規(guī)檢測后即可以預測療效。在醫(yī)生及時看到預測結果后，可立即對患者進行給藥決策。該建立方法建立的給藥前MTX治療JIA的療效預測系統(tǒng)是一種簡便易用、高效、早期、準確預測患者MTX療效的有效工具。

技術領域

本發(fā)明涉及疾病療效預測技術領域，尤其是涉及一種給藥前MTX治療JIA的療效預測系統(tǒng)及其建立方法。

背景技術

研究發(fā)現(xiàn)，低劑量甲氨蝶呤(MTX)是治療幼年特發(fā)性關節(jié)炎(JIA)的首選。但是MTX療效個體差異大，大約只有對30％–70％的JIA患者有效。對MTX無效的患者往往會被給予生物制劑，比如英夫利昔單抗等或聯(lián)合MTX治療。生物制劑會帶來更高效的疾病病情活動度控制，但若濫用生物制劑，隨之而來的可能是高費用和嚴重的不良反應。另外，MTX產(chǎn)生療效往往需要3-6個月的時間。患者在如此長的時間里接受“試錯型”用藥，可能會延誤治療導致關節(jié)功能不可逆損害甚至出現(xiàn)不良反應。因此，在開始藥物治療前，早期鑒別患者是否對MTX有效，繼而選擇合適的有效的治療方案(單用MTX或者加用生物制劑)，對防止疾病進展和預防關節(jié)功能遠期損傷、甚至致殘，都有非常重大的意義。這意味著非常有必要建立一個給藥前的MTX療效準確預測系統(tǒng)。

盡管MTX治療JIA已有很長的時間，但能夠準確預測誰對MTX有效的方法仍然非常有限。到目前為止，在JIA領域，僅僅Bulatovic等報道了一個MTX治療JIA的療效預測模型。該模型挖掘出的變量包括血沉和3個基因型。但這個模型存在的局限性就是：模型預測準確度不高(AUC為72％)；模型變量中含有基因型，需要額外昂貴的檢測才能使用該模型，從而限制了該模型在臨床隨時可得的簡便應用；并且，該研究僅使用了一種傳統(tǒng)的邏輯回歸算法，而這種方法可能并不是建模最佳的方法，不能適用于所有類型的數(shù)據(jù)。除了該文之外，其他的對MTX治療JIA療效的研究，都僅僅局限于挖掘出哪些基因型或臨床特征會影響MTX療效，但并未提供一種定量的影響，也未提供一個可供臨床實際應用的模型，無法實際應用到臨床實踐來預測患者療效。

因此，急需一種簡便、價廉、高效、容易在臨床推廣應用的MTX療效預測模型來為臨床醫(yī)生和患者提供治療前的參考。

發(fā)明內(nèi)容

基于此，有必要提供一種給藥前MTX治療JIA的療效預測系統(tǒng)及其建立方法。

一種給藥前MTX治療JIA的療效預測系統(tǒng)的建立方法，包括如下步驟：

獲取給藥前JIA患者的多個不同檢測項目的檢測結果構成數(shù)據(jù)變量集；

對所述數(shù)據(jù)變量集中的各數(shù)據(jù)變量分別進行多種數(shù)據(jù)變換處理，得到多種數(shù)據(jù)變換結果集；

對得到的多種數(shù)據(jù)變換結果集分別構建樹模型；

對構建的各樹模型中的各數(shù)據(jù)變量進行重要性排序，得到各樹模型中的各數(shù)據(jù)變量的重要性排名序列，取各數(shù)據(jù)變量在各樹模型中的重要性排名的中位數(shù)作為各數(shù)據(jù)變量的最終重要性排名；

根據(jù)各數(shù)據(jù)變量的最終重要性排名，每次添加一個數(shù)據(jù)變量使用機器學習算法建模，依據(jù)目的性能指標對建模的模型進行性能分析，直至所有數(shù)據(jù)變量都添加為止，獲取針對所述目的性能指標的多個指標值綜合最高時所對應的數(shù)據(jù)變量組合作為最優(yōu)的特征變量子集；

使用機器學習算法對所述特征變量子集建立療效預測系統(tǒng)。

在其中一個實施例中，所述獲取給藥前JIA患者的多個不同檢測項目的檢測結果構成數(shù)據(jù)變量集包括：