[发明专利]一种结合临床多指标的预测算法

说明书

本发明公开了一种结合临床多指标的预测算法，所述预测算法通过膀胱输尿管反流的级别（MCU）、DMSA肾静态图像的分肾功能相对值、DTPA肾动态显像的分身功能绝对值、磁共振（DWI）、尿微量蛋白5个指标构建模型；其中磁共振（DWI）的取值方法为，提示正常为0，异常为1；其余4个指标均为数字量，其数值直接使用；所述模型包括手术好转模型、非手术好转模型。本发明不仅利于对患儿实施更精准的治疗，同时也减少不必要的医疗资源浪费。

技术领域

本项发明是一种结合临床多指标的预测算法，具体应该用于临床针对于高级别(III-V级)膀胱输尿管反流(VUR)的患儿，预测其治疗方式的预测模型。

背景技术

膀胱输尿管反流(vesicoureteralreflux,VUR)是儿童常见的泌尿系统疾病，是指尿液从膀胱异常地反流至上尿路，其在一般人群中的发病率为1％～2％，而在发热性尿路感染患者中约为30％。VUR造成的反流性肾病及其并发症(高血压、蛋白尿和终末期肾病)的严重性在近30年来引起了广泛的关注，多个国家和地区先后制定了指南(如2016版欧洲小儿泌尿外科指南中对VUR的管理)，以期对VUR患儿做到早期诊断、早期干预。同时对于VUR的治疗方案，有抗生素预防治疗和外科干预治疗，而高级别VUR患儿也发现有自愈的可能性，使得对治疗方式的选择更加慎重。以往对于VUR患儿手术的评估，往往从反复尿路感染，短期内肾功能下降明显等，来确定其手术指征。如今，随着对疾病的认识加深，通过更多临床指标，来早期对患儿评估其最合适的治疗方案。

随着技术的发展，早期超声以其无创、无放射性、简便易行等有点，在尿路感染患儿中作为一线检查得到了广泛应用，但对于判断尿路畸形提供的信息有限，仍需要其他检查来补充。排泄性膀胱尿路造影(MCU)和肾静态扫描(DMSA)是目前常用的影像学检查方法。而在评价肾脏滤过功能时肾动态扫描(DTPA)有着较大优势。而肾脏DWI可在无需注射对比剂情况下，通过表观扩散系数(ADC)值准确评价是否存在急性肾盂肾炎(APN)。本算法旨在建立预测高级别VUR患儿是否需要早期手术治疗的模型，以期更好的给临床医生参考并推广。

发明内容

本项发明旨在建立预测高级别VUR患儿是否需要早期手术治疗的模型，以期更好的给临床医生参考并推广。

本发明是按照以下技术方案实现的。

一种结合临床多指标的预测算法，通过膀胱输尿管反流的级别(MCU)、DMSA肾静态图像的分肾功能相对值、DTPA肾动态显像的分身功能绝对值、磁共振(DWI)、尿微量蛋白5个指标构建模型；其中磁共振(DWI)的取值方法为，提示正常为0，异常为1；其余4个指标均为数字量，其数值直接使用；所述模型包括手术好转模型、非手术好转模型；模型构建包括如下步骤：

使用支持向量机找到最能划分数据的超平面，也就是有如下目标和约束的模型：

其中，即核函数，起到非线性映射的作用；w，b是模型参数；||w||与异类支持向量到超平面的距离和成反比；y_i是对样本的标记，当是正例或负例时，y_i分别为+1，-1；

应用拉格朗日乘子法，支持向量机的模型可以写成如下形式：

其中，i∈SV是任一训练样本；α_i是对应的拉格朗日乘子。对于好转的病例，即训练模型使g(x)＝1，反之使g(x)＝0；

模型训练优化时采用拉格朗日对偶问题优化，即将目标函数转化成对偶问题进行求解，求解目标如下：

其中，是样本x_i，x_j映射到特征空间后的内积。

(2)使用梯度提升决策树(GBDT)，求取目标函数：