一种超早期代谢相关脂肪性肝病的预测装置制造方法及图纸

本发明专利技术公开了一种超早期代谢相关脂肪性肝病的预测装置，涉及生物医学技术领域，本发明专利技术通过对标志物如血清总蛋白、细胞角蛋白18水平和BMI的检测结果，实现了对超早期代谢相关脂肪性肝病的有效预测，为代谢相关脂肪性肝病的预防和治疗提供了更多的时间，有助于提高患者的治疗效果。者的治疗效果。者的治疗效果。

【技术实现步骤摘要】
一种超早期代谢相关脂肪性肝病的预测装置


[0001]本专利技术涉及生物医学
，具体而言，涉及一种超早期代谢相关脂肪性肝病的预测装置。

技术介绍

[0002]MAFLD已取代病毒性肝病成为中国第一大肝脏疾病。根据2020年版MAFLD国际专家共识，代谢相关脂肪性肝病的诊断标准为：基于病理学或影像学脂肪肝证据，同时有超重/肥胖、2 型糖尿病或代谢功能紊乱三项条件之一。
[0003]其中，肝组织活检病理诊断仍然是该病确诊的金标准，用于MAFLD的病理指标包括脂肪变性（S0
‑
S4）、气球样变（B0
‑
B4）、小叶炎症（L0
‑
L4）和纤维化分级（F0
‑
F4），四项评分总和小于等于2明确排除MAFLD，大于等于5确定MAFLD，大于2小于5之间的区域多数观点认为是超早期或疑似MAFLD。病理区分值设为2的意义是用于阴性排除，在健康筛查时意义重大。而设为5时，比较适合用于阳性确诊。现有技术（申请号为201911424602.9）公开了一种非酒精性脂肪性肝病的诊断模型，设定的区分值是总评分5，其只能进行早期非酒精性脂肪性肝病的诊断，而对于处于潜伏状态（超早期）的人群则无法有效地进行预测。事实上，现有公开的用于评估中、重度代谢相关性脂肪性肝病，或者合并纤维化的代谢相关性脂肪性肝病最高曲线下面积能达到0.7左右，但用于早期代谢相关性脂肪性肝病的评估效果有限，ROC下曲线面积只有0.6左右。临床上需要更有效的早期评估方法，特别是健康体检时需要更明确的阴性排除方法。
[0004]鉴于此，特提出本专利技术。

技术实现思路

[0005]本专利技术的目的在于提供一种超早期代谢相关脂肪性肝病的预测装置。
[0006]本专利技术是这样实现的：第一方面，本专利技术实施例提供了一种超早期代谢相关脂肪性肝病预测模型的训练方法，其包括：获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物包括血清总蛋白TP和细胞角蛋白18，所述个体指标包括身高质量指数BMI；将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；基于所述标注结果和所述评估结果对所述预测模型进行参数更新。
[0007]第二方面，本专利技术实施例提供了一种超早期代谢相关脂肪性肝病的预测装置，其包括：获取模块，用于获取待测样本个体指标以及标志物水平的检测结果，所述标志物和个体指标均为如前述实施例中所述的标志物和个体指标；预测模块，用于将所述个体指标和所述检测结果输入由前述实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法训练获得的预测模型中，获得待测样本的预测结果。
[0008]第三方面，本专利技术实施例提供了一种超早期代谢相关脂肪性肝病的训练装置，其包括：获取模块，用于获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物和个体指标均为前述实施例中所述的标志物和个体指标；预测模块，用于将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；参数更新模块，用于通过所述标注结果和所述评估结果对所述预测模型进行参数更新。
[0009]第四方面，本专利技术实施例提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如前述实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法。
[0010]第五方面，本专利技术实施例提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法。
[0011]本专利技术具有以下有益效果：本专利技术实施例提供了一种超早期代谢相关脂肪性肝病的预测装置，通过对标志物如血清总蛋白、细胞角蛋白18水平和BMI的检测结果，实现了对早期代谢相关脂肪性肝病的有效预测，为代谢相关脂肪性肝病的预防和治疗提供了更多的时间，有助于提高患者的治疗效果。
附图说明
[0012]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0013]图1~23分别为实施例1~23的预测方法对应的ROC曲线图；图24为对比例1的预测方法对应的ROC曲线图。
具体实施方式
[0014]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将对本专利技术实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
[0015]本专利技术实施例提供了用于检测标志物水平的试剂用于检测标志物水平的试剂在制备超早期代谢相关脂肪性肝病筛查试剂盒中的应用，所述标志物包括血清总蛋白TP和细胞角蛋白18。
[0016]经一系列创造性能力，本专利技术发现，通过对上述标志物的水平进行检测，能够实现对代谢相关脂肪性肝病的有效预测，为代谢相关脂肪性肝病的预防和治疗提供了更多的时间，有助于提高患者的治疗效果。
[0017]本文中所述的超早期代谢相关脂肪性肝病具体是指：肝脏脂肪细胞比例至少5%，
肝组织病理检测脂肪变性（S0
‑
S4）、气球样变（B0
‑
B4）、小叶炎症（L0
‑
L4）和纤维化分级（F0
‑
F4），四项评分总和2为区分值，小于等于2排除MAFLD，大于等于5确诊MAFLD，对于大于2且小于5的范围多数观点认为是超早期MAFLD或疑似MAFLD。本专利技术参考了国内外认可的多种判断超早期代谢相关性脂肪性肝病的病理分组方法，比如以四项病理评分之和≤2为非MAFLD，＞2为超早期MAFLD组；以四项病理评分之和≤2，且纤维化分级F≤1为非MAFLD，其他为超早期MAFLD组；或者，四项总分小于4，且每一项均小于1为非MAFLD，其他为MAFLD。
[0018]（申请号为201911424602.9的现有技术区分早期非NASH与NASH的值设为四项病理总评分5，本专利技术区分MAFLD和非MAFLD的阈值为2。本专利技术更注重提前对潜伏或疑似的情况进行筛选和预测，超早期相对于早期（评分5）而言，症状更隐蔽，因此预测的难度更大，但是具有重要的临床意义，能够更有效提前地预测患病风险，为治疗和干预提供了更充分的时间，降低治疗成本的同时提高生存效率。
[0019]在优选实施例中，所述细胞角蛋白18选自：角蛋白18...

【技术保护点】

【技术特征摘要】
1.一种超早期代谢相关脂肪性肝病预测模型的训练方法，其特征在于，其包括：获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物包括血清总蛋白TP和细胞角蛋白18，所述个体指标包括身高质量指数BMI；将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；基于所述标注结果和所述评估结果对所述预测模型进行参数更新。2.根据权利要求1所述的超早期代谢相关脂肪性肝病预测模型的训练方法，其特征在于，所述细胞角蛋白18选自：角蛋白18
‑
M30和角蛋白18
‑
M65中的至少一种。3.根据权利要求1所述的超早期代谢相关脂肪性肝病预测模型的训练方法，其特征在于，所述标志物还包括：谷丙转氨酶ALT、谷草转氨酶AST、谷氨酰转移酶GGT、血红蛋白HB、总胆固醇TC、高尔基体跨膜糖蛋白73 GP73、低密度脂蛋白LDL、空腹血糖和空腹胰岛素中的至少一种。4.根据权利要求1~3任一项所述的超早期代谢相关脂肪性肝病预测模型的训练方法，其特征在于，所述个体指标还包括年龄age和性别sex中的至少一种。5.一种超早期代谢相关脂肪性肝病的预测装置，其特征在于，其包括：获取模块，用于获取待测样本个体指标以及标志物水平的检测结果，所述标志物和所述个体指标均为如权利要求1~4任一项所述的标志物和个体指标；预测模块，用于将所述个体指标和所述检测结果输入由权利要求1~4任一项所述的超早期代谢相关脂肪性肝病预测模型的训练方法训练获得的预测模型中，获得待测样本的预测结果。6.根据权利要求5所述的超早期代谢相关脂肪性肝病的预测装置，其特征在于，所述预测模型通过式1~式12中的至少一种获得样本的预测结果；式1：logit（P）= a+b
×
age + c
×
sex +d
×
BMI +e1×
M30+f
×
TC +g
×
HB + j
×
ALT + h
×
TP + i
×
GP73；式2：logit（P）=a+b
×
age + c
×
sex +d
×
BMI +e1×
M30+f
×
TC +g
×
HB + k
×
AST + h
×
TP + i
×
GP73；式3：logit（P） =a+ d
×
BMI +e1×
M30+e2×
M65 + h
×
TP；式4：logit（P） =a+ d
×
BMI +e1×
M30 + h
×
TP；式5：logit（P） =a+ d
×
BMI +e1×
M30 + h
×
TP + l
×
LDL + n
×
DM3；式6：logit（P） =a+ d
×
BMI +e1×
M30 + h
×
TP +n
×
DM3；式7：logit（P） =a+b
×
age + c
×
sex +d
×
BMI +e M30
‑
M65 + l
×
LDL +g
×
HB + j
×
AST + h
×
TP + i
×
GP73；式8：logit（P） =a+b
...

【专利技术属性】
技术研发人员：陈菲，王莹，霍如松，
申请(专利权)人：苏州和锐生物科技有限公司，
类型：发明
国别省市：