[發明專利]一種基于XGBoost預測DVT后PTS發生風險的系統

在審

• 申請號: 202211038566.4
• 申請日: 2022-08-26
• 公開（公告）號: CN115985493A
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 黃楷;呂琳;沈潤楠;尤國昌;徐嘉堂;陳雄
• 申請（專利權）人: 中山大學孫逸仙紀念醫院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70;G16H10/60;G16H20/00;G06F18/2431;G06F18/214
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 劉孟斌

本發明提供了一種基于XGBoost(Extreme?Gradient?Boosting)預測DVT后PTS發生風險的系統，包括：數據輸入模塊，模型計算模塊，結果輸出模塊。本發明通過端到端機器學習模型，對所有DVT患者個體進行PTS發生風險預測，通過對不同風險等級的患者使用優化的預防與治療策略，更有效地預防和延緩患者院內或出院后PTS的形成。此系統能較好地發揮優勢以彌補前人研究的不足，操作簡便、快捷，預測性能更好，同時可根據患者PTS發生概率選擇更適合患者個體的預防與治療策略。

技術領域

本發明涉及一種基于XGBoost預測DVT后PTS發生風險的系統。

背景技術

血栓后綜合征(Postthrombotic?Syndrome，PTS)是下肢深靜脈血栓(Deep?VenousThrombosis，DVT)發生后最常見的長期并發癥之一，即使在治療DVT過程中使用抗凝，PTS在兩年內仍有20-50％的發生率。PTS的發生原因與其他形式的CVI相同，都是由殘余靜脈阻塞和/或瓣膜損傷所致動態靜脈高壓引起的。PTS的臨床癥狀因人而異，可表現為下肢沉重感、疼痛、水腫、瘙癢和痙攣，這些癥狀在站立或行走時往往加重，在休息和臥床時則有所改善，約5％-10％的患者表現為嚴重的疼痛、頑固性水腫及靜脈性潰瘍等嚴重PTS癥狀。PTS不會對患者的生命造成威脅，但隨著病情的惡化，患者生活質量也會受到負面影響，其影響與其他疾病如心衰或糖尿病等慢性疾病相當。此外，相較于沒有PTS的情況，(嚴重)PTS發生的醫療和總費用高3倍。總之，PTS發生不僅使患者的經濟負擔加重，還會嚴重降低患者的生活質量。然而，現有PTS治療方案有限，預防仍然是降低該病發病率、減小該病對患者生活質量的影響以及降低該病治療成本的關鍵措施。由于PTS的形成機制復雜，危險因素較多，預判PTS的可能形成仍較困難。先前的研究提出了相關預測PTS形成的評分模型，但部分納入病人較少，或者模型性能未盡人意(模型區分度指標曲線下面積AUC未達到0.7)。如今在心血管領域有越來越多的研究使用機器學習進行數據分析和建模應用，但其能否輔助預測DVT后PTS的形成仍留有空白。

現有技術中，Rabinovich等人開發了首個預測PTS的臨床預測分數，即SOX-PTS評分模型，開發隊列包括762名患者，內部驗證所得一致性指數為0.65。并在后續研究中使用來自ATTRACT研究的691名患者對SOX-PTS模型進行外部驗證，所得一致性指數為0.63。

Limacher等人開發了一個預測老年患者DVT后PTS形成風險的模型，模型中包括11個預測變量，開發隊列包括276名患者。使用Bootstrap方法進行內部驗證，所得AUC為0.77。

Hao?Huang等人開發了APTSD評分模型，其中開發隊列包括107名患者，驗證隊列包括102名患者。APTSD評分的準確性在開發隊列中為81.7％，在驗證隊列中為82.5％。

Elham?E.Amin等人開發了兩步法模型預測PTS，其中開發和驗證隊列分別包括479名和1107名患者，開發隊列中，基線模型AUC值為0.71，二級模型AUC值為0.6。驗證隊列中，基線模型AUC值為0.66，二級模型AUC值為0.64。

現有方法的缺點：

1.現有方法中，SOX-PTS評分模型和兩步法模型的預測能力沒有達到很好的效果。

2.Limacher等人開發的預測老年患者PTS發生模型納入樣本量較少，全為65歲及以上患者，且缺少外部驗證，可能限制該模型使用的普遍性。

3.APTSD模型納入樣本量較少，且模型開發、驗證隊列均來自南京第一醫院，可能限制該模型使用的普遍性。且該研究僅報告模型的準確性，而未報告其他模型性能指標，準確性受樣本的分布影響大，無法全面展示該模型的特點。

4.現有的4個方法均為評分系統，無法準確獲取PTS發生的概率。

發明內容