[發(fā)明專利]分階段估計(jì)AD進(jìn)展時(shí)間線的判別式事件模型設(shè)計(jì)方法

在審

• 申請?zhí)枺?/td>: 202010087688.7
• 申請日: 2020-02-10
• 公開（公告）號(hào): CN111180074A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 李繼云;鹿煒銘;錢辰;潘豪
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號(hào): G16H50/50
• 分類號(hào): G16H50/50;G16H50/20;G06K9/62;A61B5/00
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

本發(fā)明提供的一種分階段估計(jì)AD進(jìn)展時(shí)間線的判別式事件模型設(shè)計(jì)方法主要包括以下步驟：首先將事件定義為生物標(biāo)志物值從正常到異常和從異常變?yōu)閻夯聿∏閺腃N變化為MCI和從MCI變化為AD；其次對所獲取的橫截面數(shù)據(jù)進(jìn)行預(yù)處理；再次對不同的生物標(biāo)記物分別訓(xùn)練高斯混合模型；然后計(jì)算疾病進(jìn)展時(shí)間線；最后得到每一位病人的病情分期。本發(fā)明通過對AD病程進(jìn)展中的三個(gè)階段CN、MCI和AD的生物標(biāo)志物事件建模，實(shí)現(xiàn)MCI的提早檢出，盡可能早對AD風(fēng)險(xiǎn)的患者進(jìn)行預(yù)防和干預(yù)，延緩AD疾病進(jìn)程。

技術(shù)領(lǐng)域

本發(fā)明涉及一種分階段估計(jì)阿爾茲海默癥疾病進(jìn)展時(shí)間線的判別式事件模型設(shè)計(jì)方法，屬于智慧醫(yī)療之輔助診斷技術(shù)領(lǐng)域。

背景技術(shù)

阿爾茲海默癥(Alzheimer’s disease，簡稱AD)是一種典型的進(jìn)行性癡呆癥，具有發(fā)病率高，病程不可逆的特征。一旦確診為AD，目前尚無有效的治療手段，故對AD病情的早期診斷、早期干預(yù)就十分必要。

AD的病情發(fā)展包括從認(rèn)知正常CN到輕度認(rèn)知障礙MCI再到AD的三個(gè)階段?；谂袆e事件建模DEBM(Discriminative Event Based Model)是一種數(shù)據(jù)驅(qū)動(dòng)技術(shù)，這種模型既不依賴于癥狀分期，也不依賴于時(shí)間序列數(shù)據(jù)的存在，可以通過橫截面數(shù)據(jù)(Cross-sectional data)，得到阿爾茲海默癥的疾病進(jìn)展時(shí)間線模型，輔助MCI的檢出。

發(fā)明內(nèi)容

本發(fā)明的目的是：盡可能早對AD風(fēng)險(xiǎn)的患者進(jìn)行預(yù)防和干預(yù)，延緩AD疾病進(jìn)程。

為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供了一種分階段估計(jì)AD進(jìn)展時(shí)間線的判別式事件模型設(shè)計(jì)方法，其特征在于，在只有橫截面數(shù)據(jù)情況下達(dá)到檢測MCI跡象的目的，包括以下步驟：

步驟1、進(jìn)行事件定義，將判別式事件模型中事件的定義為：生物標(biāo)志物值從正常值變?yōu)楫惓Ｖ狄约皬漠惓Ｖ档綈夯瘍蓚€(gè)階段，以利于MCI的早期檢出；

步驟2、數(shù)據(jù)預(yù)處理

將生物標(biāo)志物中的TAU和p-TAU轉(zhuǎn)化為對數(shù)尺度，使得到的分布具有較小的偏差，將CSF以及認(rèn)知評(píng)分與年齡、性別、顱內(nèi)容積進(jìn)行回歸，然后校正這些因素的影響，隨后使用這些生物標(biāo)志物進(jìn)行實(shí)驗(yàn)；

步驟3、訓(xùn)練高斯混合模型

設(shè)生物標(biāo)志物的測量值隨著疾病的嚴(yán)重程度增加而增加或降低，即成正相關(guān)或負(fù)相關(guān)，隨著數(shù)據(jù)量的增多病人的病情符合高斯分布，分別采用CN、MCI、AD三類病人數(shù)據(jù)對高斯混合模型進(jìn)行初始化，隨后采用所有的病人數(shù)據(jù)對高斯混合模型進(jìn)行優(yōu)化，直到權(quán)重和高斯參數(shù)收斂；

步驟4、計(jì)算疾病進(jìn)展時(shí)間線

在得到高斯混合模型之后，采用貝葉斯分類器對MCI-CN和MCI-AD進(jìn)行分類，其中，MCI-CN為CN和MCI高斯模型相交的部分，MCI-AD為MCI和AD高斯模型相交的部分，使用三類高斯模型的權(quán)重作為先驗(yàn)概率，通過貝葉斯公式得到后驗(yàn)概率，從而得到CN到MCI以及MCI到AD的兩個(gè)生物標(biāo)志物異常序列，采用概率Kendall’s Tau距離來計(jì)算事件序列中相鄰交換的損失。然后對兩個(gè)估計(jì)序列分別引入兩個(gè)偽事件來估計(jì)中心順序中第一個(gè)生物標(biāo)志物變的異常到一個(gè)假設(shè)的正常值，以及估計(jì)中心順序中最后一個(gè)生物標(biāo)志物變得異常到疾病時(shí)間線的結(jié)束值，從而計(jì)算得到CN到MCI和MCI到AD兩條疾病進(jìn)展時(shí)間線；

步驟5、患者病情分期

使用每個(gè)病人的生物標(biāo)志物數(shù)據(jù)分別計(jì)算病人在CN-MCI階段和MCI-AD階段上的分期概率，根據(jù)概率論中的鏈?zhǔn)椒▌t并且除去歸一化因子，得到最終的每個(gè)患者在這兩個(gè)階段的病情概率；此時(shí)得到兩個(gè)階段分期概率，分別代表病人病情從CN到MCI和從MCI到AD的一個(gè)概率變化，對比所得到的兩個(gè)分期概率，求兩個(gè)階段中較大值，如果屬于從MCI到AD則概率值加1，以此得到一個(gè)總的病人分期。