[發明專利]一種基于法醫尸檢數據機器學習預測心源性猝死的方法及其法醫學應用

在審

• 申請號: 202211471010.4
• 申請日: 2022-11-23
• 公開（公告）號: CN115662633A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 曹志鵬;劉隆橋;趙銳;官大威;張淼;田美慧;廖梓涵;曹興銳
• 申請（專利權）人: 中國醫科大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06F17/18;G06F18/214;G06F18/27;G06N20/00
• 代理公司: 沈陽亞泰專利商標代理有限公司 21107
• 代理人: 史力伏

本發明公開了一種基于法醫尸檢數據機器學習預測心源性猝死的方法及其法醫學應用，屬于機器學習、統計學及法醫學鑒定領域。本發明提供通過LASSO回歸和邏輯回歸篩選出心源性猝死法醫診斷的獨立預測因子，使用10倍交叉驗證，選擇lambda（λ）=最小，以確定了14個風險因素包括邏輯回歸最終確定9個獨立預測因子包括年齡、心臟重量、左室壁厚度、右室壁厚度、室間隔厚度、主動脈瓣周徑、二尖瓣周徑、肝臟重量、左腎重量。構建列線圖和網頁計算器用于法醫學實踐中心源性猝死的預測，進而以客觀指標判定心源性猝死。該方法目前，在全世界范圍內未見報道。

技術領域

本發明屬于機器學習、統計學及法醫學鑒定領域，尤其涉及機器學習和統計學方法在預測心源性猝死中的應用。

背景技術

心源性猝死（SCD）被定義為由突然發生的心臟改變引起的意外死亡，是對人們健康和生命的嚴重威脅，全世界每年大約有700萬人死于SCD。在我國心源性猝死（Suddencardiac death，SCD）每年的死亡率高達41.84/10萬人，若以14億人口基數推斷，我國每年死于心源性猝死總人數達58.58萬人。因心源性猝死的高發生率及其突然性、意外性等特點，而成為在法醫學實踐中最常見的死因鑒定案件之一。由于發病率和死亡率高，SCD的死后診斷已成為法醫實踐中非常重要的內容之一。然而，許多SCD病例缺乏典型的形態學變化，往往需要依靠排除其他死因的方法來進行法醫診斷。

最小絕對值收斂和選擇算子算法（LASSO）是一種強大的機器學習算法來選擇最相關的預測因素。LASSO回歸在生物信息等領域的使用越來越普遍，在臨床預測模型中也被廣泛使用。此外，列線圖作為一種直觀的視覺評分系統，被廣泛的應用于癌癥的預后和復發，主要是因為它可以將預測統計模型簡化為對事件（如死亡或復發）概率的單一數字估計，這取決于個別患者的情況。基于這一特性，近年來，列線圖也被廣泛的應用到患病風險預測中。LASSO和Nomogram這兩種方法經常被結合用于患病風險預測中。然而，上述兩種方法在在法醫學死亡原因預測，尤其是在心源性猝死的預測方面研究領域尚未被報道。

綜上所述，我們提出一種基于尸檢數據機器學習和統計學的方法來預測心源性猝死的方法。在本研究中，我們分析了尸檢時獲得的客觀參數，如器官重量等，并通過LASSO回歸和多變量回歸建立了一個列線圖來預測心源性猝死的概率。

同時，我們提出了一種基于統計學方法的方法，用于預測法醫學實踐中心源性猝死和其他死亡原因的概率。

發明內容

針對上述問題，本發明提供了一種基于機器學習和統計學鑒定心源性猝死的方法。本發明證明了基于機器學習和統計學鑒定是否為心源性猝死的可行性，并構建一個基于尸檢客觀數據的列線圖模型，用于在未來法醫鑒定中輔助判定是否由為心源性猝死。

為了實現上述目的，本發明提供了如下技術方案。

本發明提供了一種鑒定是否為心源性猝死的方法，其特征在于，包括：

S1）從尸體上收集常規人口統計學數據和經常測量的參數；

S2）對S1收集的數據進行分析，采用LASSO回歸對分析心源性猝死與常規人口統計學數據和經常測量的參數的相關性進行評估，在訓練集中從19個可能預測SCD的變量中篩選出14個獨立預測因素；

S3）采用單變量邏輯回歸分析上述14個獨立預測因素，確定14個特征變量與SCD顯著相關；采用多變量邏輯回歸分析，確定9個獨立預測因素與SCD顯著相關；

S4）基于S3篩選出的9個多變量邏輯回歸獨立預測因素，建立列線圖；

S5）使用驗證集進行ROC分析、校準曲線和Hosmer-Lemeshow檢驗，對S4中建立的列線圖進行評估，得到最佳預測模型；

S6）根據S5得到最佳預測模型，對未知樣本進行心源性猝死的預測，得到預測結果，輸出所述結果。