[发明专利]一种基于aGVHD biomarker的重度肠道aGVHD模型的方法

权利要求书

1.一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，其特征在于，包括aGVHDbiomarker指标监测及数据筛选与分组、单个重度肠道aGVHD模型训练、多模型融合、重度肠道aGVHD模型性能前瞻性验证的四个步骤：

S1、aGVHD biomarker指标监测及数据筛选与分组，动态监测多中心病人群体重要时间点的aGVHD biomarker指标，并根据随访至HSCT后100天内病人是否发生肠道aGVHD进行分组，其中，发生肠道aGVHD组筛选事件发生时间点监测到的aGVHD biomarker指标，未发生肠道aGVHD组按与发生肠道aGVHD组biomarker测量时间分布相同原则筛选监测到的aGVHDbiomarker指标，形成模型数据集；

S2、单个重度肠道aGVHD模型训练，对S1中提及的模型数据集按比例随机分为训练和测试集，将病人aGVHD biomarker指标与临床重度肠道aGVHD进行关联，采用机器学习领域先进的堆叠技术、逻辑回归技术，建立精准划分重度肠道aGVHD严重程度的机器学习模型；

S3、多模型融合，采用多模型融合技术，筛选多个模型效果良好的肠道aGVHD模型，对病人发生肠道aGVHD的严重程度使用评分方法进行评分，评分结果在模型数据集上ROC-AUC达到0.90以上，灵敏度、特异性达到0.80以上；

S4、重度肠道aGVHD模型性能前瞻性验证，监测参与模型训练之外的多中心病人群体的重要时间点的aGVHD biomarker指标，采用S1中提及的数据筛选及分组原则，形成模型验证集，多模型融合后的重度肠道aGVHD模型在验证集上ROC-AUC达到0.84左右，灵敏度、特异性达0.80以上，模型能够对肠道aGVHD严重程度进行更加精准划分，且稳定可靠。

2.根据权利要求1所述的一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，其特征在于，所述aGVHD biomarker的指标包括sST2、REG3α、IL-6、IL-8以及TNFR1。

3.根据权利要求1所述的一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，其特征在于，所述S1中，筛选过程中必须保证一个病人一条数据。

4.根据权利要求1所述的一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，其特征在于，所述S2中，单个重度肠道aGVHD模型在模型训练集和模型测试集上ROC-AUC位于0.85±0.1，灵敏度和特异性的数值达0.75以上。

5.根据权利要求1所述的一种基于aGVHD biomarker的重度肠道aGVHD模型的方法，其特征在于，所述多中心病人群体的标准为重度肠道aGVHD占13％的病人群体。