[發(fā)明專利]一種機(jī)器學(xué)習(xí)糖尿病發(fā)病風(fēng)險預(yù)測方法及應(yīng)用

在審

• 申請?zhí)枺?/td>: 202110232859.5
• 申請日: 2021-03-03
• 公開（公告）號: CN112786204A
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計）人: 房中則;劉永哲;高小茜;王婉瑩;李欣
• 申請（專利權(quán)）人: 天津醫(yī)科大學(xué)
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70;G16H15/00;G06K9/62
• 代理公司: 天津市杰盈專利代理有限公司 12207
• 代理人: 朱紅星

本發(fā)明提供一種機(jī)器學(xué)習(xí)糖尿病發(fā)病風(fēng)險預(yù)測方法。所述方法包括：數(shù)據(jù)獲取模塊：獲取代謝組學(xué)數(shù)據(jù)；數(shù)據(jù)預(yù)處理模塊：對獲取的數(shù)據(jù)進(jìn)行預(yù)處理；機(jī)器學(xué)習(xí)模塊：以進(jìn)行糖尿病風(fēng)險預(yù)測為目的，基于機(jī)器學(xué)習(xí)算法和代謝組學(xué)數(shù)據(jù)，構(gòu)建預(yù)測模型；顯示輸出模塊：對所得到的待預(yù)測樣本進(jìn)行測試，并輸出預(yù)測結(jié)果。預(yù)測結(jié)果為1表示有糖尿病患病風(fēng)險，當(dāng)結(jié)果為0表示沒有糖尿病患病風(fēng)險。應(yīng)用本發(fā)明實施例，基于隨機(jī)森林和支持向量機(jī)算法為主的技術(shù)，結(jié)合代謝組學(xué)特征，構(gòu)建糖尿病風(fēng)險預(yù)測模型。可用于提高決策效率，指導(dǎo)非醫(yī)護(hù)人員進(jìn)行疾病風(fēng)險檢測或輔助臨床決策，實現(xiàn)疾病的三級預(yù)防和推動發(fā)展全民健康的目的。

技術(shù)領(lǐng)域

本發(fā)明屬于一種使用機(jī)器學(xué)習(xí)算法構(gòu)建模型并采用新型預(yù)測因子預(yù)測糖尿病發(fā)病風(fēng)險的方法。

背景技術(shù)

疾病風(fēng)險預(yù)測主要應(yīng)用于輔助臨床決策，輔助敏感性人群的健康檢測，用于非醫(yī)護(hù)人員檢測疾病風(fēng)險。

Ⅱ型糖尿病是內(nèi)分泌科常見的代謝性疾病，占糖尿病患者的90%以上。目前，糖尿病風(fēng)險的預(yù)測主要包括醫(yī)護(hù)人員根據(jù)專業(yè)知識判斷和使用傳統(tǒng)危險因素構(gòu)建的簡單預(yù)測模型兩種預(yù)測方式。通過醫(yī)務(wù)人員的經(jīng)驗和自我學(xué)習(xí)對疾病進(jìn)行判斷是目前臨床的主要手段，然而，醫(yī)務(wù)人員對疾病進(jìn)行判斷存在主觀差異性大，效率低等問題。基于傳統(tǒng)的風(fēng)險預(yù)測因子構(gòu)建的簡單預(yù)測模型，能夠在一定程度上提高疾病預(yù)測效率，但目前簡單預(yù)測模型的預(yù)測能力較低，敏感性和特異性較差，不能滿足臨床要求。傳統(tǒng)的風(fēng)險預(yù)測因子如性別、年齡、體質(zhì)指數(shù)、空腹血糖、糖化血紅蛋白、肌酐、總膽固醇、甘油三酸酯、高密度載脂蛋白膽固醇和低密度載脂蛋白膽固醇等，只能基于群體水平進(jìn)行風(fēng)險預(yù)測，不能提供個體水平的監(jiān)測，常常造成個體的防治過度或防治不充分。

發(fā)明內(nèi)容

本發(fā)明克服了醫(yī)護(hù)人員風(fēng)險預(yù)測的效率低，標(biāo)準(zhǔn)不統(tǒng)一，存在主觀差異，以及簡單預(yù)測模型的預(yù)測能力低，傳統(tǒng)預(yù)測因子構(gòu)建模型個體針對性差的問題。先進(jìn)的人工智能算法與傳統(tǒng)模型相比，在醫(yī)學(xué)數(shù)據(jù)處理方面更具優(yōu)越性。現(xiàn)實生活中，醫(yī)療信息繁多，傳統(tǒng)統(tǒng)計方法構(gòu)建的模型往往對數(shù)據(jù)的分布等存在要求，高維、非線性、交互作用等都使得傳統(tǒng)線性回歸模型不能很好地反映預(yù)測因子對疾病的預(yù)測能力。一項評估線性回歸模型與機(jī)器學(xué)習(xí)模型對心血管疾病、糖尿病等的分類情況的比較研究顯示，機(jī)器學(xué)習(xí)模型具有更高的準(zhǔn)確率。除模型的選擇外，基于疾病的多病因理論，本發(fā)明還使用了除傳統(tǒng)危險因素以外的具有個體特異性的預(yù)測因子。

本發(fā)明的目的是提高決策效率，指導(dǎo)非醫(yī)護(hù)人員進(jìn)行疾病風(fēng)險檢測或輔助臨床決策，實現(xiàn)疾病的三級預(yù)防和推動發(fā)展全民健康。為實現(xiàn)上述目的，本發(fā)明公開了如下的技術(shù)內(nèi)容：

1. 一種機(jī)器學(xué)習(xí)糖尿病發(fā)病風(fēng)險預(yù)測方法，其特征在于包括數(shù)據(jù)獲取模塊、數(shù)據(jù)預(yù)處理模塊、機(jī)器學(xué)習(xí)模塊和顯示輸出模塊，其中：

（1）數(shù)據(jù)獲取模塊連接醫(yī)院數(shù)據(jù)庫，用于獲取醫(yī)院數(shù)據(jù)庫中2型糖尿病患者的臨床病例數(shù)據(jù)，每個臨床病例數(shù)據(jù)包括患者的代謝組學(xué)數(shù)據(jù)和對應(yīng)的臨床檢驗結(jié)果。

（2）數(shù)據(jù)預(yù)處理模塊的輸入端與數(shù)據(jù)獲取模塊的輸出端連接，進(jìn)行數(shù)據(jù)缺失值插補(bǔ)、抽樣、標(biāo)準(zhǔn)化和刪除近似零方差特征。使用隨機(jī)森林模型進(jìn)行數(shù)據(jù)缺失值插補(bǔ)；使用bootstrap進(jìn)行數(shù)據(jù)抽樣，目的是使樣本數(shù)據(jù)中糖尿病患者和非糖尿病患者的數(shù)量相同；使用歸一化和離散化處理進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，目的是將患者代謝組學(xué)數(shù)據(jù)的度量單位和格式進(jìn)行統(tǒng)一；刪除近似零方差變量的目的是去除樣本數(shù)據(jù)中的不平衡變量以得到穩(wěn)定理想的模型。

（3）機(jī)器學(xué)習(xí)模塊的輸入端與數(shù)據(jù)預(yù)處理模塊的輸出端連接，該模塊的結(jié)構(gòu)如下：

① 數(shù)據(jù)集劃分：使用bootstrap將樣本數(shù)據(jù)重抽樣為訓(xùn)練集和測試集，劃分比例為2:1；

② 特征變量篩選：使用隨機(jī)森林進(jìn)行特征變量篩選；

③ 構(gòu)建隨機(jī)森林模型和支持向量機(jī)模型：根據(jù)篩選后的變量構(gòu)建隨機(jī)森林模型和支持向量機(jī)模型，使用N折交叉驗證重抽樣進(jìn)行參數(shù)調(diào)整，選擇最優(yōu)模型；

④ 內(nèi)部驗證：使用最優(yōu)隨機(jī)森林模型和支持向量機(jī)模型對測試集進(jìn)行內(nèi)部驗證。使用曲線下面積、假陽性率、假陰性率和準(zhǔn)確率評估模型的預(yù)測能力；