[发明专利]诊断HCM的装置、预测HCM患者预后的装置

说明书

本申请公开了一种诊断肥厚型心肌病(HCM)的装置和预测HCM患者预后的装置。所述诊断HCM的装置包括：数据获取单元，配置为获取包括多个正常人的血液样本的样本数据和多个HCM患者的血液样本的样本数据作为第一训练数据集；诊断模型构造单元包括：特征筛选单元，配置为利用套索回归算法对所述第一训练数据集执行降维处理以获得第二训练数据集；和模型构造单元，配置为利用随机森林算法，使用所述第二训练数据集训练多个决策树来构造随机森林模型作为HCM诊断模型；以及诊断单元，配置为使用构造的HCM诊断模型获得指示用户是否患有HCM的诊断结果。

技术领域

本公开涉及诊断肥厚型心肌病(HCM)的装置以及预测肥厚型心肌病患者预后的装置。

背景技术

肥厚型心肌病(HCM)是一种以心肌肥大为特征的心血管疾病，临床特征表现为左心室壁厚度的增加。HCM作为最常见的遗传性心血管疾病之一，在普通人群中的患病率高达1:200-500，影响着全球2千万人的健康。中国HCM患病率为80/10万，粗略估计中国有超过100万的HCM患者。HCM已成为心脏性猝死、心力衰竭和心房颤动的重要原因，对现代社会的医疗保健系统和经济造成了巨大负担。

目前HCM的诊断方式主要是通过对疑似病例进行心脏超声动图或者核磁共振方法检测左心室壁肥厚，从而确诊HCM。然而，该方法在诊断过程中存在一定的滞后性，对检测设备要求较高，同时还存在一定的误诊及漏诊病例。

当前临床上并没有能够很好预测HCM患者预后的指标，潜在的与HCM患者预后相关的临床指标也没有表现出精确的预测能力。鉴于当前HCM诊断方法的局限性以及HCM患者预后情况指征指标的缺乏，本领域期望能够准确诊断HCM以及精确预测HCM患者预后的新指标以及新方法。

因此，在HCM诊断方法存在局限性以及HCM患者预后指征指标缺乏的情况下，本技术方案提出了一种根据代谢物水平并结合机器学习算法构建诊断/预测模型的方法，实现HCM的早期、简易及精确诊断，同时实现HCM患者手术后死亡风险预测，告知患者提前做好预防及治疗措施。

发明内容

本公开提供了诊断肥厚型心肌病的装置以及预测肥厚型心肌病患者预后的装置。

在一个示例方面，公开了一种诊断肥厚型心肌病(HCM)的装置，包括：数据获取单元、诊断模型构造单元和诊断单元。数据获取单元配置为获取包括多个正常人的血液样本的样本数据和多个HCM患者的血液样本的样本数据作为第一训练数据集，所述第一训练数据集包括第一数量个样本数据，并且所述样本数据的每个包括第二数量种类的代谢物的丰度数据。诊断模型构造单元包括特征筛选单元和模型构造单元。特征筛选单元配置为利用套索回归算法对所述第一训练数据集执行降维处理以获得第二训练数据集，所述第二训练数据包括第一数量个降维样本数据，并且所述降维样本数据的每个包括从所述第二数量种类的代谢物中筛选出的第三数量种类的一组特征代谢物的丰度数据。模型构造单元配置为利用随机森林算法，使用所述第二训练数据集训练多个决策树来构造随机森林模型作为HCM诊断模型。诊断单元配置为使用构造的HCM诊断模型获得指示用户是否患有HCM的诊断结果。

根据实施例，所述特征筛选单元进一步配置为通过设置套索回归算法中的正则化系数，确定样本数据中的第二数量种类的代谢物各自对应的特征系数，以及

确定特征系数不为零的代谢物作为所述第三数量种类的一组特征代谢物，以获得包括第三数量种类的一组特征代谢物的丰度数据的降维样本数据作为第二训练数据集。

根据实施例，所述正则化系数设置为0.001，并且所述第三数量种类的一组特征代谢物为五种特征代谢物，包括次黄嘌呤、色氨酸、8:0-肉碱、苯丙氨酸以及肌酸。

根据实施例，所述模型构造单元进一步配置为在所述第二训练数据集中，通过每次随机选择一个样本数据的方式，有放回地选择第一数量个样本数据用于训练一棵决策树，