基于胃肠电信号的认知功能障碍预测系统及构建方法技术方案

本发明专利技术涉及疾病预测领域，具体涉及一种基于胃肠电信号的认知功能障碍预测系统及构建方法。一方面，本发明专利技术提供了一种认知功能障碍预测系统，其特征在于，包括：数据库，用于存储数据，所述数据的类型包括胃肠电信号数据和临床数据，所述胃肠电信号数据为餐后胃肠电信号数据；所述餐后胃肠电信号数据包括餐后胃部的主频率、餐后胃部的电节律紊乱百分比、餐后胃部的主功率比和餐后肠部的导联时间差，所述临床数据包括年龄、身体质量指数、高密度脂蛋白和低密度脂蛋白；数据获取模块；模型训练模块；预测模块，用以预测所述受试者发生认知功能障碍的概率。另一方面，本发明专利技术还提供了上述认知功能障碍预测系统的构建方法。功能障碍预测系统的构建方法。功能障碍预测系统的构建方法。

【技术实现步骤摘要】
基于胃肠电信号的认知功能障碍预测系统及构建方法


[0001]本专利技术涉及疾病预测领域，具体涉及一种基于胃肠电信号的认知功能障碍预测系统及构建方法。

技术介绍

[0002]疾病的早期检测至关重要。据认为，疾病被诊断出的时间越早，疾病被治愈（或成功控制）以及患者获得较好的预后的可能性就越大。如果可以对疾病进行早期筛查和治疗，那么疾病的进一步恶化可以被预防或延缓，治疗效果可以被提高（例如延长患者生命、提高患者的生活质量）等。
[0003]近年来，我国慢性神经系统疾病患者数量持续上升。然而，由于早期症状不明显、患者自身的认识程度不高、检查流程繁琐及费用高等原因，某些慢性神经系统疾病（例如认知功能障碍、睡眠障碍、焦虑或抑郁）往往发展到较为难以干预和治疗的阶段时才被诊断出。因此，需要对目标人群（例如中老年人）进行大规模筛查，以实现疾病的早期检测。然而，大规模筛查需要处理的数据量大且通常依赖人工分析，整个过程费时费力、成本高昂，且数据分析的结果主观性强、复杂且难以量化。因此，很多疾病的大规模筛查难以普及，特别体现在认知功能障碍的早期检测中。
[0004]认知功能障碍是指认知功能不全面的症状或疾病。认知功能障碍涉及记忆、学习、语言、执行、视空间、执行、计算和理解判断等功能中的一项或多项受损，严重影响患者的日常生活能力或社会职业功能。在病程的某一阶段，认知功能障碍患者甚至还可能伴有精神、行为和人格异常（例如焦虑、抑郁、致残等），对家庭和社会造成沉重的负担。此外，据统计，每年有15％
‑
20％的轻度认知功能障碍患者发展成阿尔茨海默病。
[0005]现有技术中，认知功能障碍类疾病的诊断方式包括基本临床症状评估，神经心理状态评估，计算机断层扫描成像(CT)、磁共振成像(MRI)、单光子发射计算机断层成像(SPECT)等影像学检查，血常规、脑脊液检查、抗体检测等体液检测等。具体地，当患者具备认知功能障碍的表现时，自己或其家属才会前往医院就诊。问诊时，医生通常会给予患者纸质量表（组合）并根据患者的测试结果进行初步评估，并结合其他检查结果来筛选出疑似认知功能障碍的患者。由此可见，整个过程复杂繁琐，耗时久、工作量大、效率低以及受医生个人经验的影响。此外，患者还可能出现对认知功能障碍类疾病认识程度和诊断配合度较低，由于听力、视力、理解能力衰退、文化程度较低等原因，无法独立与医生交流及完成量表而依赖家属转达等情况，这使得认知功能障碍的早期检测（特别是在基层、较广人群中大规模筛查）和及时的针对性治疗与预防的难度较大。
[0006]尽管现有技术存在基于互联网的认知障碍筛查评估系统，但是其涉及填写在线筛查量表和医生远程咨询等步骤，不仅没有解决程序复杂、耗时、耗费人力等问题，而且尤其不适合文化程度较低、理解能力较差、不会使用电子设备的人群使用，应用范围仍然受限。

技术实现思路

[0007]第一方面，本专利技术提供了一种基于胃肠电信号的认知功能障碍预测系统，其特征在于，包括：数据库，用于存储数据，所述数据的类型包括胃肠电信号数据和临床数据，所述胃肠电信号数据为餐后胃肠电信号数据；所述餐后胃肠电信号数据包括餐后胃部的主频率、餐后胃部的电节律紊乱百分比、餐后胃部的主功率比和餐后肠部的导联时间差，所述临床数据包括年龄、身体质量指数、高密度脂蛋白和低密度脂蛋白；所述数据包括来自样本人群的样本数据和来自受试者的受试者数据；数据获取模块，用于获取所述数据，并将所述数据存储于所述数据库；模型训练模块，所述模型训练模块利用机器学习算法对所述样本数据进行训练学习，从而确定认知功能障碍预测模型；预测模块，所述预测模块通过所述数据获取模块获取所述受试者数据，并调用所述认知功能障碍预测模型对所述受试者数据进行分析，用以预测所述受试者发生认知功能障碍的概率。
[0008]在一些实施例中，所述样本数据以7:3的比例被分为训练集和验证集。
[0009]在一些实施例中，所述胃肠电信号数据通过分别位于胃体、胃窦、小弯、大弯、升结肠、横结肠、降结肠和直肠的导联同时采集得到。
[0010]在一些实施例中，所述系统进一步包括验证模块，所述验证模块用于利用所述验证集来评价所述认知功能障碍预测模型的准确性。
[0011]在一些实施例中，所述评价的评价指标包括校准度、区分度和临床实用性中的一种或多种。
[0012]在一些实施例中，所述认知功能障碍为轻度认知功能障碍。
[0013]第二方面，本专利技术提供了一种基于胃肠电信号的认知功能障碍预测系统的构建方法，其特征在于，所述基于胃肠电信号的认知功能障碍预测系统包括认知功能障碍预测模型，所述方法包括以下步骤：S1 获取来自样本人群的样本数据，所述样本数据的类型包括胃肠电信号数据和临床数据；S2 对所述样本数据进行预训练以筛选出预测变量，所述筛选出的预测变量包括餐后胃部的主频率、餐后胃部的电节律紊乱百分比、餐后胃部的主功率比、餐后肠部的导联时间差、年龄、身体质量指数、高密度脂蛋白和低密度脂蛋白；S3 基于所述筛选出的预测变量，利用机器学习算法对所述样本数据进行训练学习，以建立所述认知功能障碍预测模型，进而构建所述基于胃肠电信号的认知功能障碍预测系统。
[0014]在一些实施例中，所述样本数据以7:3的比例被分为训练集和验证集。
[0015]在一些实施例中，所述预训练包括第一轮变量筛选和第二轮变量筛选；所述第一轮变量筛选包括LASSO回归分析，所述第二轮变量筛选包括逻辑回归分析和逐步回归分析。
[0016]在一些实施例中，所述方法进一步包括S4利用所述验证集来评价所述认知功能障碍预测模型的准确性，所述评价的评价指标包括校准度、区分度和临床实用性中的一种或多种。
[0017]在一些实施例中，所述预训练包括岭回归或随机森林模型。
[0018]与现有技术相比，本专利技术的有益技术效果：本专利技术提供了一种基于胃肠电信号的认知功能障碍预测系统及构建方法。本专利技术通过LASSO回归分析、逻辑回归分析和逐步回归分析对样本数据中46个特征变量进行预训练（特征筛选），最终保留了“餐后胃部的主频率、餐后胃部的电节律紊乱百分比、餐后胃部的主功率比、餐后肠部的导联时间差、年龄、身体质量指数（BMI）、高密度脂蛋白和低密度脂蛋白”这8个预测变量，并基于上述8个预测变量构建了认知功能障碍预测模型。
[0019]现有技术常常通过量表、记忆测验、影像学来诊断认知功能障碍。轻度认知功能障碍患者可能在记忆力、语言和其他认知功能上表现出减退，但在生活和社会功能上没有表现出异常。患者在早期阶段表现出的症状往往难以察觉，因此可能错过介入治疗的较优时期。当患者或者其周围人士意识到患者本人可能患有认知功能障碍时，该患者可能发展到较为难以干预和治疗的阶段、甚至已发展成难以逆转的阿尔茨海默病。基于此，本专利技术提供的认知功能障碍预测系统和方法所基于的认知功能障碍预测模型，只需要受试者的部分胃肠电指标和基础临床信息（例如年龄、BMI、高密度脂蛋白和低密度脂蛋白），无需多种检查和量表，即可对受试者的认知功能障碍发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于胃肠电信号的认知功能障碍预测系统，其特征在于，包括：数据库，用于存储数据，所述数据的类型包括胃肠电信号数据和临床数据，所述胃肠电信号数据为餐后胃肠电信号数据；所述餐后胃肠电信号数据包括餐后胃部的主频率、餐后胃部的电节律紊乱百分比、餐后胃部的主功率比和餐后肠部的导联时间差，所述临床数据包括年龄、身体质量指数、高密度脂蛋白和低密度脂蛋白；所述数据包括来自样本人群的样本数据和来自受试者的受试者数据；数据获取模块，用于获取所述数据，并将所述数据存储于所述数据库；模型训练模块，所述模型训练模块利用机器学习算法对所述样本数据进行训练学习，从而确定认知功能障碍预测模型；预测模块，所述预测模块通过所述数据获取模块获取所述受试者数据，并调用所述认知功能障碍预测模型对所述受试者数据进行分析，用以预测所述受试者发生认知功能障碍的概率。2.如权利要求1所述的系统，其特征在于，所述样本数据以7:3的比例被分为训练集和验证集。3.如权利要求1所述的系统，其特征在于，所述胃肠电信号数据通过分别位于胃体、胃窦、小弯、大弯、升结肠、横结肠、降结肠和直肠的导联同时采集得到。4.如权利要求2所述的系统，其特征在于，所述系统进一步包括验证模块，所述验证模块用于利用所述验证集来评价所述认知功能障碍预测模型的准确性，所述评价的评价指标包括校准度、区分度和临床实用性中的一种或多种。5.如权利要求1所述的系统，其特...

【专利技术属性】
技术研发人员：陈蕾，李百川，季舒铭，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：