System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于体外诊断,具体涉及一种痴呆水平评估模块及系统。本案是针对母案“cn202210895670.9,一种阿尔兹海默病风险评估系统及模块”的分案申请文本。
技术介绍
1、阿尔兹海默病(alzheimer's disease,ad)是一种主要表现为进行性、不可逆的认知功能损害的神经退行性疾病,其病理学特征是细胞外β-淀粉样斑块(β-amyloidplaque,aβ)构成的老年斑和细胞内过度磷酸化tau(phosphorylatedtau,p-tau)构成的神经原纤维缠结的形成。作为危害人类大脑发病率最高的神经退行性疾病,ad给患者本身造成了极大的痛苦,同时,也给家庭和社会带来了沉重的负担。然而我们现在仍然缺乏有效的ad治疗药物或能够延缓ad发展进程的手段,其主要原因之一就是早期有效诊断手段的缺乏,无法对ad实施早期精准诊断,导致ad患者经常在临床痴呆阶段才被引起重视,而该阶段往往已经出现不可逆的神经功能损伤,难以通过治疗逆转病程。
2、为了实现早期ad的精准诊断,许多研究者致力于寻找可利用的有效的ad生物标志物。目前针对该病有两种早期检测方法,即正电子发射断层扫描(positron emissiontomography,pet)和脑脊液(cerebrospinal fluid,csf)检查。pet扫描可以观察到aβ和tau蛋白缠结,并可以对其进行定量分析,aβ特异性pet显像阳性出现在ad病程的早期,tau特异性pet显像阳性则提示出现神经元的病理改变,虽然pet检查在ad的诊断和病程评估方面具有重要的参考价值
3、因此,亟需寻找一种侵入性小、成本效益高且易于获得的能够早期诊断ad的方法。
技术实现思路
1、本专利技术提供了一种痴呆水平评估模块及系统。采用本专利技术的技术方案,能够方便、高效、精准地对阿尔兹海默病进行评估、筛查和/或诊断,并能够对现有检测金标准结果进行精准预测,降低相关检测成本,显著提高了阿尔兹海默病早期诊断准确率,实现了无创精准诊断。
2、为实现本专利技术的目的,本专利技术的技术方案为:
3、本专利技术提供了一种阿尔兹海默病风险评估系统,包括数据输入模块、痴呆水平评估模块、正电子发射断层扫描阴阳性风险评估模块和结果输出模块;其中,
4、所述数据输入模块用于输入病人的待评估数据;
5、所述痴呆水平评估模块基于病人的待评估数据通过逻辑回归模型得到病人的痴呆水平评估结果,痴呆水平评估结果将病人划分为正常组、主观认知障碍组、中度认知受损组和痴呆组;
6、所述正电子发射断层扫描阴阳性风险评估模块基于病人的痴呆水平评估结果通过决策树分析得到病人的正电子发射断层扫描阴阳性风险评估结果;
7、所述结果输出模块用于输出阿尔兹海默病风险评估结果。
8、具体地,病人的待评估数据包括临床数据、神经心理学评估数据、血液标志物数据和/或基因数据。
9、具体地,在正电子发射断层扫描阴阳性风险评估模块中,决策树包括与正常组、主观认知障碍组、中度认知受损组和痴呆组相对应的决策树,在正常组中采用正常组相对应的决策树进行分析,在主观认知障碍组中采用主观认知障碍组相应对的决策树进行分析,在中度认知受损组中采用中度认知受损组相对应的决策树进行分析,在痴呆组中采用痴呆组相对应的决策树进行分析。
10、本专利技术提供了一种痴呆水平评估模块,所述痴呆水平评估模块基于病人的待评估数据通过逻辑回归模型得到病人的痴呆水平评估结果,痴呆水平评估结果将病人划分为正常组、主观认知障碍组、中度认知受损组和痴呆组;逻辑回归模型采用分类分析的方法计算病人在正常组、主观认知障碍组、中度认知受损组和痴呆组中的概率,四个组的概率之和为100%,概率最高的组为病人的痴呆水平评估结果所在组。
11、具体地,分类分析采用的组合为痴呆组vs.(中度认知受损组+主观认知障碍组+正常组)、中度认知受损组vs.(主观认知障碍组+正常组)、主观认知障碍组vs.正常组。
12、具体地,痴呆水平评估模块的构建方法包括以下步骤:采用变量筛选模块应用机器学习算法进行变量筛选,以正常组、主观认知障碍组、中度认知受损组和痴呆组诊断为结局变量,以经过变量筛选模块筛选的变量为自变量,使用sigmoid函数映射建立逻辑回归模型。
13、本专利技术提供了一种正电子发射断层扫描阴阳性风险评估模块,所述正电子发射断层扫描阴阳性风险评估模块基于病人的痴呆水平通过决策树分析得到病人的正电子发射断层扫描阴阳性风险评估结果;病人的痴呆水平包括正常组、主观认知障碍组、中度认知受损组和痴呆组,决策树包括与正常组、主观认知障碍组、中度认知受损组和痴呆组相对应的决策树,在正常组中采用正常组相对应的决策树进行分析,在主观认知障碍组中采用主观认知障碍组相应对的决策树进行分析,在中度认知受损组中采用中度认知受损组相对应的决策树进行分析,在痴呆组中采用痴呆组相对应的决策树进行分析。
14、具体地,正常组相对应的决策树的自变量包括p-tau181、nfl、aβ42:aβ40;和/或,主观认知障碍组相应对的决策树的自变量包括p-tau181、教育年限;和/或,中度认知受损组相对应的决策树的自变量包括p-tau181、aβ42:aβ40、年龄;和/或,痴呆组相对应的决策树的自变量包括p-tau181、aβ42:aβ40、年龄、教育年限。
15、具体地,正电子发射断层扫描阴阳性风险评估模块的决策树通过二元分类模型判断病人的正电子发射断层扫描阴阳性风险评估结果。
16、具体地,正电子发射断层扫描阴阳性风险评估模块的构建方法包括以下步骤:采用信息增益对正电子发射断层扫描阴阳性风险评估模块的自变量进行筛选,根据信息增益的值分割节点并建立决策树。
17、本专利技术基于logistic regression算法和决策树人工智能算法,自主研发建立的阿尔兹海默病风险评估系统,通过对临床数据、神经心理学评估数据、血液标志物数据、基因数据等的整合,最终形成整合诊断模型,对疑似阿尔兹海默病的患者本文档来自技高网...
【技术保护点】
1.一种痴呆水平评估模块,其特征在于:所述痴呆水平评估模块基于病人的待评估数据通过逻辑回归模型得到病人的痴呆水平评估结果,痴呆水平评估结果将病人划分为正常组、主观认知障碍组、中度认知受损组和痴呆组;逻辑回归模型采用分类分析的方法计算病人在正常组、主观认知障碍组、中度认知受损组和痴呆组中的概率,四个组的概率之和为100%,概率最高的组为病人的痴呆水平评估结果所在组;
2.根据权利要求1所述的一种痴呆水平评估模块,其特征在于:
3.根据权利要求2所述的一种痴呆水平评估模块,其特征在于:
4.一种痴呆水平评估模块,其特征在于:痴呆水平评估模块的构建方法包括以下步骤:采用变量筛选模块应用机器学习算法进行变量筛选,以正常组、主观认知障碍组、中度认知受损组和痴呆组诊断为结局变量,以经过变量筛选模块筛选的变量为自变量,使用Sigmoid函数映射建立逻辑回归模型;变量筛选模块筛选出的变量包括Aβ42:Aβ40、P-tau181、APOE、NfL、年龄、教育年限、BMI。
5.根据权利要求4所述的一种痴呆水平评估模块,其特征在于:
6.根
7.一种阿尔兹海默病风险评估系统,其特征在于:包括权利要求1-6任一项所述的痴呆水平评估模块。
8.一种阿尔兹海默病风险评估系统,其特征在于:包括痴呆水平评估模块、正电子发射断层扫描阴阳性风险评估模块和结果输出模块;
9.根据权利要求8所述的一种阿尔兹海默病风险评估系统,其特征在于:正常组、主观认知障碍组、中度认知受损组和痴呆组分别相对应的决策树在自变量的类型和自变量在节点出现的顺序均不相同。
10.根据权利要求8所述的一种阿尔兹海默病风险评估系统,其特征在于:P-tau181在正常组、主观认知障碍组、中度认知受损组和/或痴呆组相对应的决策树中为最先判断的自变量。
...【技术特征摘要】
1.一种痴呆水平评估模块,其特征在于:所述痴呆水平评估模块基于病人的待评估数据通过逻辑回归模型得到病人的痴呆水平评估结果,痴呆水平评估结果将病人划分为正常组、主观认知障碍组、中度认知受损组和痴呆组;逻辑回归模型采用分类分析的方法计算病人在正常组、主观认知障碍组、中度认知受损组和痴呆组中的概率,四个组的概率之和为100%,概率最高的组为病人的痴呆水平评估结果所在组;
2.根据权利要求1所述的一种痴呆水平评估模块,其特征在于:
3.根据权利要求2所述的一种痴呆水平评估模块,其特征在于:
4.一种痴呆水平评估模块,其特征在于:痴呆水平评估模块的构建方法包括以下步骤:采用变量筛选模块应用机器学习算法进行变量筛选,以正常组、主观认知障碍组、中度认知受损组和痴呆组诊断为结局变量,以经过变量筛选模块筛选的变量为自变量,使用sigmoid函数映射建立逻辑回归模型;变量筛选模块筛选出的变量包括aβ42:aβ40、p-tau181、apoe、nfl、年龄、教育年限、bmi。...
【专利技术属性】
技术研发人员:方焯,刘釜均,邓嘉乐,蔡啸,
申请(专利权)人:苏州药明泽康生物科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。