[發明專利]基于病理及活體組織臨床診斷大數據的疾病類型判別方法

在審

• 申請號: 202110045051.6
• 申請日: 2021-01-13
• 公開（公告）號: CN112863665A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 田潤濤
• 申請（專利權）人: 質美（北京）生物科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06T7/00;G06K9/62;G06N20/00;G01N21/84;G01N27/62
• 代理公司: 北京紐樂康知識產權代理事務所(普通合伙) 11210
• 代理人: 田磊

本發明公開了一種基于病理及活體組織臨床診斷大數據的疾病類型判別方法，該方法包含：通過質譜儀廠家工作站或者數據轉換功能完成質譜儀數據到質譜成像數據的轉換，基于人體的內源性代謝物質譜數據以及化合物檢索匹配算法，通過代謝物化合物數據庫實現對質譜圖中內源性化合物的自動化標注和定性分析，通過大數據方式對龐大、復雜的人體代謝組質譜成像樣本進行有效管理和開展數據挖掘及建模，從而匯集人類疾病質譜成像數據，進行質譜成像的自動化數據處理及分析，采用不同類型的質譜成像數據，生成設計的機器學習算法，用于為用戶完成樣本分類、疾病標志物自動發現、疾病預測模型與分型模型訓練及維護、模型訓練算法篩選及優化、模型發布和應用。

技術領域

本發明涉及人工智能的大數據疾病分析技術領域，具體來說，涉及一種基于病理及活體組織臨床診斷大數據的疾病類型判別方法。

背景技術

質譜分析技術是精密儀器分析領域的最前沿技術之一，近年來在臨床檢測領域也得到了快速發展，臨床質譜應用范圍廣闊，可在生化免疫、藥物代謝、微生物、病理診斷、分子等多領域對傳統方法學進行替代，譬如與基因測序相比，質譜適用于各類分子的檢測，包括核酸、多肽等生物大分子和代謝產物、激素、維生素等生物小分子，以及微量無機元素，能實現上千種標志物的同時定性和定量，與現有方法相比，具有檢測效率高、標志物覆蓋廣、分析成本低，以及分析過程自動化程度高等優點，目前國內外質譜在臨床檢測的應用仍處于起步階段，應用主要集中在基于液相色譜串聯質譜的藥物濃度監測、新生兒缺陷篩查、維生素和激素檢測等項目上，從檢測指標的深度和廣度而言相對仍屬于早期階段。

利用質譜實現分子成像最早是由范德堡大學（Vanderbilt University）的Richard Caprioli等在1997年提出的，分子成像(molecular imaging)是運用影像學手段顯示組織水平、細胞和亞細胞水平的特定分子，反映活體狀態下分子水平變化，對其生物學行為在影像方面進行定性和定量研究的科學，質譜成像技術在醫學研究、生物學研究、藥物研究等諸多領域有著巨大的價值，已經成為質譜研究的一大熱點，基于MALDI、AP-MALDI、DESI、SIMS等離子源的質譜成像技術飛速發展，通過高分辨質譜儀所采集的單個MSI樣品數據通常達到數GB乃至上百GB規模，如何針對攜帶著海量信息的質譜圖像進行高通量、高精度的數據處理和人工智能識別變得愈發困難，此外，還存在各類商業化儀器所獲得的原始數據兼容性較差，以及通用型高性能工作站軟件的匱乏等問題，因此，相關數據處理軟件技術已成為目前 MSI 以及 MSI 原位代謝組學分析技術發展和推廣過程中亟待突破的熱點領域。

作為最新一代的分子診斷及精準醫學檢測技術，基于代謝組學的質譜成像技術可一次性獲得與疾病發生、發展進程相關性的人體至少2000個生物標志物定性、定量信息及其空間分布信息，代謝組學數據量龐大且解析復雜，加之人群個體差異巨大，必須借助人類代謝組大數據挖掘和機器學習建模的方式，實現疾病早篩和早診智能模型的系列化開發，谷歌公司認為，要攻克重大疾病如癌癥、以及老齡化社會相關問題，必須利用大數據相關技術，谷歌的經驗證明，在現有技術條件下，將樣本數量擴大100倍甚至更高，則預測結果將發生質的改變，因此，建立人體代謝組大數據系統，通過標準化的數據采集、管理和挖掘模式擴大樣本分析規模，實現圍繞質譜成像數據的高精度機器學習模型的開發和應用，是當前本領域亟需突破的關鍵技術瓶頸之一。