【技术实现步骤摘要】
本公开属于osa高血压诊断筛查，具体涉及一种osa相关高血压风险预测系统。
技术介绍
1、阻塞性睡眠呼吸暂停(obstructive sleep apnea，osa)作为一种以间歇性低氧血症、自主神经波动和睡眠片段化为特征的睡眠障碍，目前在全世界广泛流行。截止2019年，中国osa患病率已达24.2％，位居世界第一，且随着肥胖症的日益流行和人口老龄化的加剧，osa在未来将会更加流行。osa是一种系统性疾病，与许多并发症密切相关，如心血管疾病、代谢紊乱及神经精神疾病等。
2、osa相关合并症是近年来国际研究热点，其中，心血管疾病特别是高血压因其后果严重、发病率高的特点更是受到广泛关注。osa与高血压之间存在双向因果关系，不仅osa使患者易发生高血压，高血压患者的osa发病率也较高。据估计，30-70％的osa患者同时患有高血压，且高血压患病率随着osa严重程度的升高而直接增加。有研究报道，在高血压患者中，osa的发生率为30-50％，但由于osa的普遍诊断不足，这可能被低估了。此外，未控制或难治性高血压患者中osa患病率更高，约为70-83％。且现有数据表明，由于osa患者较高的血压变异性，其“白大褂高血压”及“隐匿性高血压”的患病率相较正常人更高。这使得osa与高血压间的研究成为了国际研究热点。
3、osa相关高血压指在排除其他明确的继发性病因(例如，肾实质性疾病、肾动脉狭窄、嗜铬细胞瘤等)后，由osa引起或加重的高血压。其特征是隐匿性高血压发生率高、夜间血压升高、夜间血压的非杓型模式和血压变异性异常。值
4、鉴于血压可以在不同的环境中进行评估，因此定义osa患者应如何更好地测量血压非常重要。目前评估血压的方式大致分为三种：诊室测血压、家庭自测血压和动态血压监测。这三种类型的测量之间存在显著差异，因此在方法上具有重要意义。目前，对于一般人群来说，诊室血压测量是高血压诊断的主要依据。然而其因受到方法学局限性的影响存在内在的不准确性，无法解释日常生活中血压特征的连续变化以及“白大褂效应”和“隐匿性高血压”的影响。且考虑到osa相关高血压的隐匿性高血压的高发率、夜间高血压、夜间非杓型血压及血压变异性升高等特殊性，使得诊室血压测量诊断方法在这类人群中是不可靠的，存在着较高的漏诊和过度诊断风险。动态血压监测是提供白天、夜间和24小时平均血压水平的有用工具，可以更好地反映日常生活中实际血压水平。而无论是osa突出的隐匿性高血压与白大褂高血压的发病率，还是其夜间血压升高与血压变异性增加现象的高度普遍，都意味着动态血压监测应作为osa患者评估的常规部分。欧洲的心脏病/高血压协会一直建议对所有的osa患者应用动态血压监测进行系统的、正确的血压评估。然而，动态血压监测的成本效益不高且繁琐，对于患者来说是一种不小的负担，故而，在临床实践中，向所有osa患者常规进行动态血压监测是颇具挑战性的。因此，在日常临床实践中，急需要一种简单方便的临床工具来识别osa相关高血压，使得易感人群能够及时被诊断并治疗，从而降低相应的社会负担。
5、近年来，机器学习以其优异的性能在医疗领域得到了广泛的发展和应用。它可以从复杂的非线性数据例如血氧信号图像数据中提取信息，通过建立模型，揭示血氧因素与疾病之间隐藏的依赖关系，帮助临床医生更好地了解疾病，进行决策。遗憾的是，目前尚无从多个维度的数据、以更加具有数学上的可解释性的角度，通过机器学习预测osa相关高血压风险的预测系统。
技术实现思路
1、针对现有技术中的不足，本公开的目的在于提供一种osa相关高血压风险预测系统，该系统能够依据患者的多个维度的临床数据对osa患者是否存在高血压风险作出准确预测。
2、为实现上述目的，本公开提供以下技术方案：
3、一种osa相关高血压风险预测系统，包括：
4、采集模块，用于采集osa患者的多个维度的临床数据；
5、预测模块，用于基于所述osa患者的多个维度的临床数据对osa患者进行高血压风险预测。
6、优选的，所述待测osa患者的多个维度的临床数据包括人口学特征数据、生活方式数据和osa病史数据。
7、优选的，所述人口学特征数据、生活方式数据和osa病史数据整合划分为二分类数据和连续数据。
8、优选的，所述预测模块基于osa相关高血压风险预测模型对所述osa患者进行高血压风险预测。
9、优选的，所述osa相关高血压风险预测模型通过以下步骤进行训练：
10、构建原始数据集，并按比例划分为训练集和验证集；
11、设置训练参数，并基于训练集对模型进行训练，当训练达到最大迭代次数，模型训练完成；
12、基于验证集对训练后的模型超参数进行调整，在此过程中，基于评价指标对模型进行性能评价，使用超参数搜索建立多个训练参数不同的模型，依据性能评价结果，选择性能最优的参数组合作为最终模型。
13、与现有技术相比，本公开带来的有益效果为：
14、1、本公开利用机器学习模型构建并整合了常规临床指标与psg指标，该模型可以通过所有相关变量对osa相关高血压患者进行风险分层，预测结果更为可靠。
15、2、本公开通过引入shapley值对模型进行解释，可以对黑盒模型进行全局和局部的解释，以增强临床医生对模型的信心。
16、3、相较于繁琐且昂贵的动态血压监测，本公开简单有效，方便应用且成本低廉。
本文档来自技高网...【技术保护点】
1.一种OSA相关高血压风险预测系统，包括：
2.根据权利要求1所述的系统，其中，优选的，所述待测OSA患者的多个维度的临床数据包括人口学特征数据、生活方式数据和OSA病史数据。
3.根据权利要求2所述的系统，其中，所述人口学特征数据、生活方式数据和OSA病史数据整合划分为二分类数据和连续数据。
4.根据权利要求1所述的系统，其中，所述预测模块基于OSA相关高血压风险预测模型对所述OSA患者进行高血压风险预测。
5.根据权利要求4所述的系统，其中，所述OSA相关高血压风险预测模型通过以下步骤进行训练：
【技术特征摘要】
1.一种osa相关高血压风险预测系统，包括：
2.根据权利要求1所述的系统，其中，优选的，所述待测osa患者的多个维度的临床数据包括人口学特征数据、生活方式数据和osa病史数据。
3.根据权利要求2所述的系统，其中，所述人口学特征数据、生活方式数据和os...
【专利技术属性】
技术研发人员：施叶雯，麻莉娜，牛晓欣，陈茜，朱思敏，周雅诺，王子桐，刘海琴，任晓勇，
申请(专利权)人：西安交通大学第二附属医院，
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。