急性肾损伤早期预测方法及装置制造方法及图纸

本发明专利技术是关于一种急性肾损伤早期预测方法及装置，方法包括：构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样本集；对一级数据样本集和二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；使用一级训练数据集和二级训练数据集，利用支持向量机算法训练，分别训练得到一级和二级急性肾损伤早期预测模型；使用遗传算法对一级和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；使用一级测试数据集和二级测试数据集对优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估。模型进行验证评估。模型进行验证评估。

【技术实现步骤摘要】
急性肾损伤早期预测方法及装置


[0001]本专利技术涉及医学
，尤其涉及一种急性肾损伤早期预测方法及装置。

技术介绍

[0002]急性肾损伤(AKI)是肾移植、心脏术后、脓毒血症患者的一种常见且严重的并发症。目前实验室主要依靠血肌酐和尿量变化预测AKI的发生，但是血肌酐和尿量只有在肾功能明显受损时才有可能检测出变化，敏感性非常差，由于血清肌酐和尿量的变化具有滞后性和不稳定性，不能对AKI进行早期有效的预测和风险评估，因而患者不能得到及时治疗。近年来一些研究发现部分患者的其他尿液标志物的变化比血肌酐早，具有明显的时间优势。临床上应用较广泛的尿液分子标志物有：中性粒细胞明胶酶相关脂质运载蛋白(NGAL)、肾损伤分子1(KIM
‑
1)、白介素18(IL
‑
18)、肝型脂肪酸结合蛋白(L
‑
FABP)、尿微量白蛋白(mAlb)、尿β2微球蛋白(β2
‑
MG)、尿半胱氨酸蛋白酶抑制剂C(CysC)、尿N乙酰β
‑
D氨基葡萄糖苷酶(NAG)、尿[TIMP
‑
2]×
[IGFBP
‑
7]等，这些标志物单独或联合检测为早期识别AKI提供了一定的帮助，但是单一指标的临床价值有限，目前采用的联合检测方案多是以受试者工作曲线(ROC)或Logistic回归分析建立AKI模型，但是由于多数建模样本量较少，这些方法建立的预测模型的可靠性和准确性有待提高，因此最佳的预测模型仍在探索中。
[0003]目前已有AKI预测模型的缺点主要是：
[0004](1)模型建立方法的选择：目前采用的联合检测方案多是以受试者工作曲线(ROC)或Logistic回归分析建立AKI模型，但是由于多数建模样本量较少，这些方法建立的预测模型的可靠性和准确性有待提高，因此最佳的预测模型仍在探索中。
[0005](2)预测模型中有效变量的选择：
[0006]部分模型选择的检测指标无法在临床常规开展，纳入的指标多，检测成本较高，极大地限制了模型的应用。
[0007](3)对AKI预测的时间滞后：
[0008]已建立的AKI预测只能预测AKI重症患者，对AKI的预测必须是早期(小于等于24小时)，晚期(大于等于48小时)预测的话将会因为治疗不及时造成死亡率依然高居不下。

技术实现思路

[0009]为克服相关技术中存在的问题，本专利技术提供一种急性肾损伤早期预测方法及装置。
[0010]根据本专利技术实施例的第一方面，提供一种急性肾损伤早期预测方法，方法包括：
[0011]构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样本集，其中，所述一级数据样本集中的每个样本数据包括4种尿液分子标志物，所述二级数据样本集中的每个样本数据包括8种尿液分子；
[0012]对所述一级数据样本集和所述二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；
[0013]使用所述一级训练数据集和所述二级训练数据集，利用支持向量机算法训练，分别训练得到一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；
[0014]使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；
[0015]使用所述一级测试数据集和所述二级测试数据集对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估。
[0016]在一个实施例中，优选地，所述方法还包括：
[0017]获取目标患者的急性肾损伤尿液分子标志物的一级检验数据；
[0018]根据所述目标患者的一级检验数据和所述优化后的一级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第一预测结果；
[0019]当所述第一预测结果显示不能确诊时，获取所述目标患者的急性肾损伤尿液分子标志物的二级检验数据；
[0020]根据所述目标患者的二级检验数据和所述优化后的二级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第二预测结果。
[0021]在一个实施例中，优选地，所述一级数据样本集中的4种尿液分子标志物包括mAlb、β2
‑
MG、CysC和NAG，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时；
[0022]所述二级数据样本集中的8种尿液分子标志物包括NGAL、IL
‑
18、KIM
‑
1、L
‑
FABP、mAlb、β2
‑
MG、Cys C和NAG，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时。
[0023]在一个实施例中，优选地，使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型，包括：
[0024]分别确定所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数范围和精度，以及参数范围的编码位长和所述精度编码位长；
[0025]确定遗传算法的参数，其中，所述遗传算法的参数包括初始种群规模、遗传代数、变异概率、交叉概率和染色体位串长度；
[0026]使用所述遗传算法分别对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数进行优化，以得到最优参数值。
[0027]在一个实施例中，优选地，对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估之后，还包括：
[0028]使用适应度函数分别计算所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的适应度函数值；其中，所述适应度函数值的计算公式为：
[0029][0030]根据本专利技术实施例的第二方面，提供一种急性肾损伤早期预测装置，所述装置包括：
[0031]构建模块，用于构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样
本集，其中，所述一级数据样本集中的每个样本数据包括4种尿液分子标志物，所述二级数据样本集中的每个样本数据包括8种尿液分子；
[0032]确定模块，用于对所述一级数据样本集和所述二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；
[0033]训练模块，用于使用所述一级训练数据集和所述二级训练数据集，利用支持向量机算法训练，分别训练得到一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；
[0034]优化模块，用于使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种急性肾损伤早期预测方法，其特征在于，所述方法包括：构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样本集，其中，所述一级数据样本集中的每个样本数据包括4种尿液分子标志物，所述二级数据样本集中的每个样本数据包括8种尿液分子；对所述一级数据样本集和所述二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；使用所述一级训练数据集和所述二级训练数据集，利用支持向量机算法训练，分别训练得到一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；使用所述一级测试数据集和所述二级测试数据集对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取目标患者的急性肾损伤尿液分子标志物的一级检验数据；根据所述目标患者的一级检验数据和所述优化后的一级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第一预测结果；当所述第一预测结果显示不能确诊时，获取所述目标患者的急性肾损伤尿液分子标志物的二级检验数据；根据所述目标患者的二级检验数据和所述优化后的二级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第二预测结果。3.根据权利要求1所述的方法，其特征在于，所述一级数据样本集中的4种尿液分子标志物包括mAlb、β2
‑
MG、CysC和NAG，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时；所述二级数据样本集中的8种尿液分子标志物包括NGAL、IL
‑
18、KIM
‑
1、L
‑
FABP、mAlb、β2
‑
MG、Cys C和NAG，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时。4.根据权利要求1所述的方法，其特征在于，使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型，包括：分别确定所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数范围和精度，以及参数范围的编码位长和所述精度编码位长；确定遗传算法的参数，其中，所述遗传算法的参数包括初始种群规模、遗传代数、变异概率、交叉概率和染色体位串长度；使用所述遗传算法分别对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数进行优化，以得到最优参数值。5.根据权利要求4所述的方法，其特征在于，对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估之后，还包括：使用适应度函数分别计算所述优化后的一级急性肾损伤早期预测模型和二级急性肾
损伤早期预测模型的适应度函数值；其中，所述适应度函数值的计算公式为...

【专利技术属性】
技术研发人员：崔丽艳，杨大利，杨硕，周剑锁，吴永华，王天成，贾珂珂，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：