一种预测草酸钙肾结石发生的预测系统技术方案

本发明专利技术提供了一种预测草酸钙肾结石发生的预测系统，属于神经网络领域。该预测系统包括输入模块、计算模块和输出模块：I.输入模块用于向计算模块传递患者的如下信息：性别、尿液中的草酸浓度、粪便中的乙酸浓度、g__Geobacter的相对丰度值、g__Kroppenstedtia的相对丰度值、g__Sphaerochaeta的相对丰度值、g__Oscillospira的相对丰度值；II.计算模块内置了经过训练的预测草酸钙肾结石发生的预测网络模型；III.输出模块用于输出概率值Y。本发明专利技术将3个临床指标以及4个菌属的相对丰度值结合，使用常规算法，可以准确预测肾结石的发生。其中随机森林算法预测效果最精准。本发明专利技术预测方法可以精准预测肾结石发生，特别是草酸钙肾结石发生，可以为肾结石临床诊断和治疗提供依据。

【技术实现步骤摘要】
一种预测草酸钙肾结石发生的预测系统
本专利技术涉及神经网络领域，尤其涉及一种预测草酸钙肾结石发生的预测系统。
技术介绍
肾结石(renalcalculi)是晶体物质(如钙、草酸、尿酸、胱氨酸等)在肾脏的异常聚积所致，为泌尿系统的常见病、多发病，男性发病多于女性，多发生于青壮年，左右侧的发病率无明显差异，90％含有钙。其中，草酸钙结石是肾结石中最为常见的一种，占肾结石的80％以上。40％～75％的肾结石患者有不同程度的腰痛。结石较大，移动度很小，表现为腰部酸胀不适，或在身体活动增加时有隐痛或钝痛。较小结石引发的绞痛，常骤然发生腰腹部刀割样剧烈疼痛，呈阵发性。如果能够预测草酸钙肾结石发生，可以为临床治疗草酸钙肾结石提供帮助。疾病预测系统的发展为疾病的预防和治疗提供了重要的技术手段。如：关于坏死性急性胰腺炎患者手术时机预测模型(CN111081377A)，为坏死性急性胰腺炎患者提供了最佳手术时机；关于急性胰腺炎诱发器官衰竭的预测模型(CN111243752A)，为进一步预测急性胰腺炎进程，提前采取预防/治疗方法提供技术手段。目前，尚未见可以预测肾结石发生的生物标记物，也未见关于预测草酸钙肾结石发生的预测系统。
技术实现思路
为了解决上述问题，本专利技术提供了一种预测草酸钙肾结石发生的预测系统，包括输入模块、计算模块和输出模块：I.输入模块用于向计算模块传递患者的如下信息：性别、尿液中的草酸浓度、粪便中的乙酸浓度、g__Geobacter的相对丰度值、g__Kroppenstedtia的相对丰度值、g__Sphaerochaeta的相对丰度值、g__Oscillospira的相对丰度值；II.计算模块内置了经过训练的预测草酸钙肾结石发生的预测网络模型；III.输出模块用于输出概率值Y。其中，g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira为四种菌属。g__Geobacter全称为：g__Geobacter_f__Geobacteraceae_o__Desulfuromonadales_c__Deltaproteobacteria_p__Proteobacteria。g__Kroppenstedtia全称为：g__Kroppenstedtia_f__Thermoactinomycetaceae_o__Bacillales_c__Bacilli_p__Firmicutes；g__Sphaerochaeta全称为：g__Sphaerochaeta_f__Spirochaetaceae_o__Spirochaetales_c__Spirochaetia_p__Spirochaetes；g__Oscillospira全称为：g__Oscillospira_f__Ruminococcaceae_o__Clostridiales_c__Clostridia_p__Firmicutes。进一步地，所述相对丰度值是从患者粪便中检测得到的g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira四种菌属的相对丰度值。进一步地，所述检测为利用16SrRNA技术检测。进一步地，所述预测网络模型使用R语言中的randomforest包，xgboost包，glmnet包，e1071包，caret包和/或MASS包。进一步地，所述预测网络模型使用R语言中的randomforest包。进一步地，所述预测网络模型使用随机森林、梯度提升树、支持向量机、lasso、岭回归、弹性网络、k近邻或线性判别分析方法。进一步地，所述预测网络模型使用随机森林方法。进一步地，所述随机森林方法预测草酸钙肾结石发生包括如下步骤：(1)建立随机森林模型：调用randomforest包，输入Y值以及性别、尿液中的草酸浓度、粪便中的乙酸浓度以及g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira的相对丰度值，调用randomForest()函数，使用默认参数ntree＝500，importance＝FALSE，localImp＝FALSE，nPerm＝1，replace＝TRUE，oob.prox＝proximity，norm.votes＝TRUE，do.trace＝FALSE，建立随机森林模型；(2)预测草酸钙肾结石发生：输入性别、尿液中的草酸浓度、粪便中的乙酸浓度以及g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira的相对丰度值，调用predict()函数预测草酸钙肾结石的发生，得到概率值Y，即可。本专利技术还提供了检测3个临床指标和4个菌属指标的试剂在制备预测草酸钙肾结石发生的试剂中的用途；所述3个临床指标为性别、尿液中的草酸浓度、粪便中的乙酸浓度；所述4个菌属指标为g__Geobacter的相对丰度值、g__Kroppenstedtia的相对丰度值、g__Sphaerochaeta的相对丰度值和g__Oscillospira的相对丰度值。进一步地，所述相对丰度值是从患者粪便中检测得到的g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira四种菌属的相对丰度值；优选地，所述检测为利用16SrRNA技术检测。本专利技术将3个临床指标(性别、尿液中的草酸浓度和粪便中的乙酸浓度)以及4个菌属(g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira)的相对丰度值结合，使用常规算法，可以准确预测肾结石的发生。其中随机森林算法预测效果最精准。本专利技术预测方法可以精准预测肾结石发生，特别是草酸钙肾结石发生，可以为肾结石临床诊断和治疗提供依据。显然，根据本专利技术的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本专利技术上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。以下通过实施例形式的具体实施方式，对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。附图说明图1为利用测试集验证随机森林模型的AUC值的结果。具体实施方式实施例1、本专利技术预测草酸钙肾结石发生的预测方法本专利技术将3个临床指标和4个菌属指标结合，建立预测模型，预测草酸钙肾结石的发生。3个临床指标分别是：性别、尿液中的草酸浓度和粪便中的乙酸浓度；4个菌属指标分别是：g__Geobacter_f__本文档来自技高网...

【技术保护点】
1.一种预测草酸钙肾结石发生的预测系统，包括输入模块、计算模块和输出模块，其特征在于：/nI.输入模块用于向计算模块传递患者的如下信息：性别、尿液中的草酸浓度、粪便中的乙酸浓度、g__Geobacter的相对丰度值、g__Kroppenstedtia的相对丰度值、g__Sphaerochaeta的相对丰度值、g__Oscillospira的相对丰度值；/nII.计算模块内置了经过训练的预测草酸钙肾结石发生的预测网络模型；/nIII.输出模块用于输出概率值Y。/n

【技术特征摘要】
1.一种预测草酸钙肾结石发生的预测系统，包括输入模块、计算模块和输出模块，其特征在于：
I.输入模块用于向计算模块传递患者的如下信息：性别、尿液中的草酸浓度、粪便中的乙酸浓度、g__Geobacter的相对丰度值、g__Kroppenstedtia的相对丰度值、g__Sphaerochaeta的相对丰度值、g__Oscillospira的相对丰度值；
II.计算模块内置了经过训练的预测草酸钙肾结石发生的预测网络模型；
III.输出模块用于输出概率值Y。


2.根据权利要求1所述的预测系统，其特征在于：所述相对丰度值是从患者粪便中检测得到的g__Geobacter、g__Kroppenstedtia、g__Sphaerochaeta和g__Oscillospira四种菌属的相对丰度值。


3.根据权利要求2所述的预测系统，其特征在于：所述检测为利用16SrRNA技术检测。


4.根据权利要求1所述的预测系统，其特征在于：所述预测网络模型使用R语言中的randomforest包，xgboost包，glmnet包，e1071包，caret包和/或MASS包。


5.根据权利要求4所述的预测系统，其特征在于：所述预测网络模型使用R语言中的randomforest包。


6.根据权利要求1所述的预测系统，其特征在于：所述预测网络模型使用随机森林、梯度提升树、支持向量机、lasso、岭回归、弹性网络、k近邻或线性判别分析方法。


7.根据权利要求6所述的预测系统，其特征在于：所述预测网络模型使用随机森林方法。


8.根据权利要求7所述的预测系统，其特征在于：所述随机森林方法预测草酸钙肾...

【专利技术属性】
技术研发人员：金熙，向丽媛，王坤杰，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：四川;51