[发明专利]一种辅助诊断衰弱的系统

说明书

本发明提供了一种辅助诊断衰弱的系统，包括数据获取模块、数据库模块、机器学习模块、训练模块、测试模块和结果输出模块。本发明系统的辅助诊断结果与临床诊断结果相比较，特异性强，敏感性高，可以作为大面积推广筛查人群衰弱患病率的有效手段，大大减小临床医生对被检者躯体功能测量的工作量，也减少了人为主观带来的偏倚与误诊。本发明为医学老龄化健康评估工作提供非常有价值的参考，也为全民大健康时代提供健康筛查手段。

技术领域

本发明属于诊断系统领域，具体涉及一种辅助诊断衰弱的系统。

背景技术

随着人口老龄化的加重，衰老相关疾病的经济负担不断加重，各个国家都在为确保社会制度和医疗保健体系能够应对这一挑战而做准备，有关衰老问题的研究受到前所未有的重视。衰老的本质是退化，表现为机体结构和功能衰退，适应性和抵抗力下降，包括未出现明显临床病变的老年综合征和衰弱。目前研究人员虽然在衰老相关分子生物学、临床医学、流行病学等方面取得了不少成绩，但衰老的评估形式却繁杂多样，标准各异，给实施干预措施带来了很大的困难。

衰弱是指老年人生理储备能力降低到一定程度，健康和功能的完好性受损，对于压力源的易感性增加，引发不良结局的一种状态。目前国际上针对衰弱的诊断标准以及评估策略仍局限于躯体功能，检测躯体功能的方法工作量大，难以大面积推广筛查，而且依赖于医生的认为主观判断，容易带来偏倚与误诊。研究人员尽管发现IL-6、CRP等因子与集体衰弱存在一定的相关性，但炎症因子、激素等可能与衰弱相关的生物标志物成千上万，其与衰弱诊断的相关性和准确度均难以预料，因此目前仍然还没有稳定有效的生物学指标诊断方法。

机器学习(Machine Learning,ML)是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，是如今数据分析领域的研究热点，在管理系统、大数据分析系统、环境监测系统、疾病的辅助诊断系统等多种领域均有广泛的应用，建立基于机器学习的系统，将在多个领域大大减少人力成本，甚至进一步提神检测、判断的精度，具有诸多优势。

若能借助机器学习算大，提供一种能够准确、快速的辅助诊断衰弱的系统，避免传统的躯体功能检测带来的偏振误诊，将对医学老龄化健康评估提供重要参考，具有很好的临床应用价值与前景。

然而，机器学习方式众多，包括监督式学习、非监督式学习、半监督式学习、强化学习、集成学习等多类，机器学习算法模型又有回归算法模型、神经网络模型、支持向量机模型、随机森林模型多诸多种类，不同的机器学习算法之间各有优劣，在针对辅助诊断衰弱这一特定的技术问题时，如何确定恰当的参数，构建合理的机器学习算法，最终获得精度高、特异性高的系统，依然亟待进一步研究与探索。

发明内容

本发明提供了一种辅助诊断衰弱的系统，包括如下模块：

数据获取模块：获取患者的血液样本中免疫炎症因子水平；

数据库模块：以健康人体、衰弱人体的躯体功能测量指标和血液样本中免疫炎症因子水平数据构成数据库，并随机拆分为训练集和测试集；

机器学习模块：构建随机森林模型；

训练模块：利用训练集对随机森林模型进行训练，获得训练好的随机森林模型；

测试模块：利用测试集对训练好的随机森林模型进行验证；

结果输出模块：输出是否衰弱的结果。

进一步地，上述免疫炎症因子为：CPR、PGRN、IFNγ、IL1β、IL3、IL4、IL6、IL8、IL10、IL11、IL12、IL17、IL22、IL23、C3、C4、Agrin、IgA、GMCSF、IgE、IgG、IgM、BDNF、VEGFR1、TNFα、TGFβ。

进一步地，上述躯体功能测量指标包括：握力、步速、疲乏状况、近一年体重变化情况、每周活动量。