一种慢性阻塞性肺疾病急性加重预测系统和预测方法技术方案

本发明专利技术涉及一种慢性阻塞性肺疾病急性加重(AECOPD)预测系统和预测方法，该预测系统包括检测模块、模型建立模块和预测模块；所述的检测模块用于检测MiR

A prediction system and method for acute exacerbation of chronic obstructive pulmonary disease

【技术实现步骤摘要】
一种慢性阻塞性肺疾病急性加重预测系统和预测方法


[0001]本专利技术涉及辅助医疗
，具体涉及一种慢性阻塞性肺疾病急性加重预测系统和预测方法。

技术介绍

[0002]慢性阻塞性肺疾病急性加重(acute exacerbations of chronic obstructive pulmonary disease，AECOPD)是慢性阻塞性肺疾病(chronic obstructive pulmonary disease，COPD)患者常见的并发症之一，死亡率高，从COPD患者中及早识别和预测AECOPD的发生具有重要意义。但是目前关于AECOPD的识别方法主要是依据患者的临床症状和体征变化。现有的识别方法是满足以下标准：(1)三种并发症中至少两种(痰量、化脓性和呼吸困难)；(2)至少有一个主要症状(感冒：流涕和/或鼻塞，气喘和咽痛)和一个次要症状(咳嗽和发热＞37.5℃)恶化，同时除外其他病因。
[0003]现有技术中基于临床症状和体征预测患者出现AECOPD的方法缺乏客观性，并且由于其他许多疾病也可出现类似症状，仅凭症状难以快速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种慢性阻塞性肺疾病急性加重预测系统，其特征在于，所述的慢性阻塞性肺疾病急性加重预测系统包括检测模块、模型建立模块和预测模块；所述的检测模块用于检测MiR
‑
1258、NEU、CRP、NLR、LDH、PCT和WBC中的一种或多种；所述的模型建立模块用于基于所述检测模块的检测结果并利用机器学习的方法建立AECOPD预测模型；所述的预测模块用于根据所述的AECOPD预测模型和所述检测模块的检测结果得出患者发生AECOPD的概率。2.根据权利要求1所述的慢性阻塞性肺疾病急性加重预测系统，其特征在于，所述的AECOPD预测模型为支持向量机、随机森林、梯度推进分类器K最邻近算法、人工神经元网络、朴素高斯贝叶斯模型或逻辑回归模型模型。3.根据权利要求1所述的慢性阻塞性肺疾病急性加重预测系统，其特征在于，所述的模型建立模块以Logistic回归为标准筛选出对AECOPD有预测价值的有效特征变量，所述的有效特征变量包括外泌体MiR
‑
1258、NEU、NLR和CRP；所述的预测模块根据Logistic回归方程得出患者发生AECOPD的概率，其中，所述的Logistic回归方程为：其中，P为患者发生AECOPD的概率；exp为以自然常数e为底的指数函数；MiR
‑
1258为外泌体中的MiR
‑
1258表达；NEU为中性粒细胞计数；CRP为C反应蛋白；NLR为中性粒细胞/淋巴细胞比值。4.根据权利要求1所述的慢性阻塞性肺疾病急性加重预测系统，其特征在于，所述的慢性阻塞性肺疾病急性加重预测系统还包括决策树建立模块，用于根据选择的指标，通过logistic回归模型验证，建立决策树。5.根据权利要求1所述的慢性阻塞性肺疾病急性加重...

【专利技术属性】
技术研发人员：崔丽艳，杨硕，杨博鑫，王飞，白林鹭，乔娇，刘琪，李子静，孙文苑，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
类型：发明
国别省市：