[发明专利]基于病理及活体组织临床诊断大数据的疾病类型判别方法

说明书

本发明公开了一种基于病理及活体组织临床诊断大数据的疾病类型判别方法，该方法包含：通过质谱仪厂家工作站或者数据转换功能完成质谱仪数据到质谱成像数据的转换，基于人体的内源性代谢物质谱数据以及化合物检索匹配算法，通过代谢物化合物数据库实现对质谱图中内源性化合物的自动化标注和定性分析，通过大数据方式对庞大、复杂的人体代谢组质谱成像样本进行有效管理和开展数据挖掘及建模，从而汇集人类疾病质谱成像数据，进行质谱成像的自动化数据处理及分析，采用不同类型的质谱成像数据，生成设计的机器学习算法，用于为用户完成样本分类、疾病标志物自动发现、疾病预测模型与分型模型训练及维护、模型训练算法筛选及优化、模型发布和应用。

技术领域

本发明涉及人工智能的大数据疾病分析技术领域，具体来说，涉及一种基于病理及活体组织临床诊断大数据的疾病类型判别方法。

背景技术

质谱分析技术是精密仪器分析领域的最前沿技术之一，近年来在临床检测领域也得到了快速发展，临床质谱应用范围广阔，可在生化免疫、药物代谢、微生物、病理诊断、分子等多领域对传统方法学进行替代，譬如与基因测序相比，质谱适用于各类分子的检测，包括核酸、多肽等生物大分子和代谢产物、激素、维生素等生物小分子，以及微量无机元素，能实现上千种标志物的同时定性和定量，与现有方法相比，具有检测效率高、标志物覆盖广、分析成本低，以及分析过程自动化程度高等优点，目前国内外质谱在临床检测的应用仍处于起步阶段，应用主要集中在基于液相色谱串联质谱的药物浓度监测、新生儿缺陷筛查、维生素和激素检测等项目上，从检测指标的深度和广度而言相对仍属于早期阶段。

利用质谱实现分子成像最早是由范德堡大学（Vanderbilt University）的Richard Caprioli等在1997年提出的，分子成像(molecular imaging)是运用影像学手段显示组织水平、细胞和亚细胞水平的特定分子，反映活体状态下分子水平变化，对其生物学行为在影像方面进行定性和定量研究的科学，质谱成像技术在医学研究、生物学研究、药物研究等诸多领域有着巨大的价值，已经成为质谱研究的一大热点，基于MALDI、AP-MALDI、DESI、SIMS等离子源的质谱成像技术飞速发展，通过高分辨质谱仪所采集的单个MSI样品数据通常达到数GB乃至上百GB规模，如何针对携带着海量信息的质谱图像进行高通量、高精度的数据处理和人工智能识别变得愈发困难，此外，还存在各类商业化仪器所获得的原始数据兼容性较差，以及通用型高性能工作站软件的匮乏等问题，因此，相关数据处理软件技术已成为目前 MSI 以及 MSI 原位代谢组学分析技术发展和推广过程中亟待突破的热点领域。

作为最新一代的分子诊断及精准医学检测技术，基于代谢组学的质谱成像技术可一次性获得与疾病发生、发展进程相关性的人体至少2000个生物标志物定性、定量信息及其空间分布信息，代谢组学数据量庞大且解析复杂，加之人群个体差异巨大，必须借助人类代谢组大数据挖掘和机器学习建模的方式，实现疾病早筛和早诊智能模型的系列化开发，谷歌公司认为，要攻克重大疾病如癌症、以及老龄化社会相关问题，必须利用大数据相关技术，谷歌的经验证明，在现有技术条件下，将样本数量扩大100倍甚至更高，则预测结果将发生质的改变，因此，建立人体代谢组大数据系统，通过标准化的数据采集、管理和挖掘模式扩大样本分析规模，实现围绕质谱成像数据的高精度机器学习模型的开发和应用，是当前本领域亟需突破的关键技术瓶颈之一。