一种基于aGVHD biomarker的重度肠道aGVHD模型的方法技术

本发明专利技术公开了一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，属于造血干细胞移植技术领域，包括aGVHD biomarker指标监测及数据筛选与分组、单个重度肠道aGVHD模型训练、多模型融合、重度肠道aGVHD模型性能前瞻性验证的四个步骤。该基于aGVHD biomarker的重度肠道aGVHD模型的方法，通过建立机器学习模型，采用多模型融合技术对病人发生重度肠道aGVHD的严重程度进行评估，效果优于单个肠道aGVHD模型，对病人发生肠道aGVHD严重程度进行精准划分，为临床决策提供指导；同时仅需检测血清中aGVHD biomarker指标，避免了例如内窥镜检查和肠粘膜活检等的肠道aGVHD常规诊断方法给病人带来的强烈不适感，更适应于中国病人群体。

【技术实现步骤摘要】
一种基于aGVHDbiomarker的重度肠道aGVHD模型的方法
本专利技术属于造血干细胞移植
，具体为一种基于aGVHDbiomarker的重度肠道aGVHD模型的方法。
技术介绍
急性移植物抗宿主病(acuteGraft-versus-HostDisease，aGVHD)是异基因造血干细胞移植(allogeneicHematopoieticStemCellTransplantation，allo-HSCT)后致命并发症以及死亡率的主要来源。aGVHD可以影响多个器官，主要是皮肤、肝脏和胃肠道。其中，肠道aGVHD发病率高，程度较重，且重度肠道aGVHD往往难以逆转，增加了病死率。因此，重度肠道aGVHD的早期诊断与有效的治疗直接关系到疾病的预后，在aGVHD治疗中处于重要的地位。当前，对肠道aGVHD的诊断多集中于放射学、内窥镜检查和组织学活检等方法，但最终诊断仍取决于经典的临床特征。生物标志物因其具有非侵入性，且能够特异和敏感地反映疾病状态而被应用于病人群体开始治疗之前进行早期风险分层和临床症状出现之前指导进行提前干预等。本文档来自技高网...

【技术保护点】
1.一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，其特征在于，包括aGVHDbiomarker指标监测及数据筛选与分组、单个重度肠道aGVHD模型训练、多模型融合、重度肠道aGVHD模型性能前瞻性验证的四个步骤：/nS1、aGVHD biomarker指标监测及数据筛选与分组，动态监测多中心病人群体重要时间点的aGVHD biomarker指标，并根据随访至HSCT后100天内病人是否发生肠道aGVHD进行分组，其中，发生肠道aGVHD组筛选事件发生时间点监测到的aGVHD biomarker指标，未发生肠道aGVHD组按与发生肠道aGVHD组biomarker测量时间...

【技术特征摘要】
1.一种基于aGVHDbiomarker的重度肠道aGVHD模型的方法，其特征在于，包括aGVHDbiomarker指标监测及数据筛选与分组、单个重度肠道aGVHD模型训练、多模型融合、重度肠道aGVHD模型性能前瞻性验证的四个步骤：
S1、aGVHDbiomarker指标监测及数据筛选与分组，动态监测多中心病人群体重要时间点的aGVHDbiomarker指标，并根据随访至HSCT后100天内病人是否发生肠道aGVHD进行分组，其中，发生肠道aGVHD组筛选事件发生时间点监测到的aGVHDbiomarker指标，未发生肠道aGVHD组按与发生肠道aGVHD组biomarker测量时间分布相同原则筛选监测到的aGVHDbiomarker指标，形成模型数据集；
S2、单个重度肠道aGVHD模型训练，对S1中提及的模型数据集按比例随机分为训练和测试集，将病人aGVHDbiomarker指标与临床重度肠道aGVHD进行关联，采用机器学习领域先进的堆叠技术、逻辑回归技术，建立精准划分重度肠道aGVHD严重程度的机器学习模型；
S3、多模型融合，采用多模型融合技术，筛选多个模型效果良好的肠道aGVHD模型，对病人发生肠道aGVHD的严重程度使用评分方法进行评分，评分结果在模型数据集上ROC-AUC达到0.90以上，灵敏度、特异性达到0.80以上；
S4、重度肠道...

【专利技术属性】
技术研发人员：管迪，李晓博，
申请(专利权)人：北京博富瑞基因诊断技术有限公司，
类型：发明
国别省市：北京;11