[發明專利]一種HIV陰性隱球菌腦膜炎治療結局預測模型及其構建方法

在審

• 申請號: 202211487273.4
• 申請日: 2022-11-25
• 公開（公告）號: CN115762764A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 劉子鋒;盧婭欣;彭福華;劉君宇;楊欽泰;銀琳;凌翔
• 申請（專利權）人: 中山大學附屬第三醫院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06F18/24;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 王偉

本發明提供了一種HIV陰性隱球菌腦膜炎治療結局預測模型及其構建方法，屬于生物技術領域。本發明基于HIV陰性隱球菌腦膜炎患者的多維度數據所構建的治療結局預測模型，故可以此建立精準預測HIV陰性隱球菌腦膜炎患者治療效果的在線開放式平臺，臨床醫生可通過輸入患者當前的8個預測指標數值，迅速獲取患者療效好壞的預測概率及患者的高低風險分層，便于輔助臨床決策，為患者及時提供個性化治療方案。

技術領域

本發明屬于生物技術領域，具體涉及一種HIV陰性隱球菌腦膜炎治療結局預測模型及其構建方法。

背景技術

隱球菌性腦膜炎是由于隱球菌感染所引起的中樞神經系統感染性的疾病，在免疫功能明顯低下的患者中，發病率非常高。隱球菌腦膜炎是HIV/AIDS患者最常見的感染之一，病死率高，預后較差。研究表明，HIV陰性隱球菌腦膜炎患者的短期死亡率高于HIV陽性的隱球菌腦膜炎患者，對于HIV陰性這部分特定隱球菌腦膜炎患者人群，目前尚無相關模型對患者進行治療結局的早期預測。

發明內容

針對上述問題，本發明的目的在于提供一種HIV陰性隱球菌腦膜炎治療結局預測模型及其構建方法。本發明術建立一個對HIV陰性隱球菌腦膜炎患者治療結局的早期風險預測模型，可用于尋找高風險人群，輔助臨床決策與治療。

為實現上述目的，本發明采取的技術方案為：一種HIV陰性隱球菌腦膜炎治療結局預測模型的構建方法，包括以下步驟：

S1、收集HIV陰性隱球菌腦膜炎患者臨床數據作為候選特征數據變量；

S2、以HIV陰性隱球菌腦膜炎患者抗真菌治療后10周的治療效果為隱球菌腦膜炎患者的治療結局；

S3、對候選特征數據進行數據分析處理；

S4、使用最小絕對收縮選擇算子篩選得到最優特征數據變量；

S5、采用隨機森林、極端梯度提升樹、邏輯回歸、高斯樸素貝葉斯、K鄰近和多層感知機機器學習模型對訓練集進行模型構建；

S6、通過內部驗證和綜合評價篩選出最優模型。

作為本發明所述構建方法的優選實施方式，所述步驟S1中的臨床數據包括年齡、性別、吸煙史、飲酒史、體重指數、頭痛、發燒、嘔吐、頸項強直、視力障礙、聽力障礙、意識狀態改變、顱內壓、基線腦脊液隱球菌計數、入院2周內隱球菌計數均值、入院2周內隱球菌計數變化斜率、腦脊液培養狀態、腦脊液白細胞、腦脊液蛋白、腦脊液糖、腦脊液氯化物、血紅蛋白、血白細胞、血小板、血鉀、谷丙轉氨酶、谷草轉氨酶、血尿素氮、肌酐、腦膜強化、腦實質受累、腦積水、是否免疫功能低下、出現癥狀到就診時間、共病個數、臨床常見癥狀個數。

作為本發明所述構建方法的優選實施方式，所述步驟S2中治療結局分為成功或不成功，其中不成功定義為死亡、疾病進展或復發；成功定義為腦脊液培養、印墨染色陽性后轉陰，患者臨床癥狀得到改善。

作為本發明所述構建方法的優選實施方式，所述步驟S3的數據分析處理包括刪除高缺失變量、刪除高相關變量、數據填補、數據變換和數據標準化。

作為本發明所述構建方法的優選實施方式，所述刪除高缺失變量為刪除數 據集中變量缺失率大于30％的變量；所述刪除高相關變量為刪除變量相關系數 大于0.8的變量；所述數據填補為連續型變量使用均值填補法，分類變量使用眾 數填補法；所述數據變換為對所有連續型變量進行Yeo-Johnson正態性變換；所 述數據標準化為對所有連續型變量進行中心化和歸一化處理。

作為本發明所述構建方法的優選實施方式，所述步驟S4篩選得到的最優特 征數據變量包括基線腦脊液隱球菌計數、意識狀態改變、腦脊液白細胞、入院2 周內隱球菌計數變化斜率、聽力障礙、顱內壓、腦脊液氯化物、谷草轉氨酶。

作為本發明所述構建方法的優選實施方式，所述步驟S6的內部驗證包括對 各模型的最優超參數和最優填補方式進行驗證。