[发明专利]一种急性缺血性卒中临床表型构建方法、关键生物标志物筛选方法及其应用

权利要求书

1.一种急性缺血性卒中临床表型的构建方法，其特征在于，包括以下步骤：

1)对急性缺血性卒中病例的临床信息、影像信息和血液检测指标共92个特征进行数据整理；

2)采用信息增益和轻量级梯度提升学习方法从所述92个特征中选取与疾病预后相关的排名前30的特征；

3)将步骤2)中筛选的30个特征基于最大化贝叶斯信息准则进行聚类分析，根据BIC最小的数值确定最佳聚类数，确定分为4个临床表型；

4)将步骤2)中筛选的30个特征，采用高斯混合模型进行无监督聚类分析，得到4个聚类簇；

5)比较步骤4)中4个聚类簇的临床信息、血液检测指标和临床结局差异，得到4个临床表型。

2.根据权利要求1所述构建方法，其特征在于，所述临床结局包括卒中复发、复合血管事件、不良功能结局和死亡。

3.权利要求1或2所述构建方法获得的4个临床表型，其特征在于，包括以糖代谢、脂代谢异常为主要特征的临床表型1、以炎症、肾功能异常为主要特征的临床表型2、以小动脉闭塞为主要特征的临床表型3和以同型半胱氨酸代谢异常为主要特征的临床表型4。

4.一种基于机器学习的急性缺血性卒中预后关键生物标志物的筛选方法，其特征在于，包括以下步骤：

将权利要求1所述构建方法中筛选的30个特征使用信息增益和LightGBM算法优化筛选，得到关键生物标志物。

5.权利要求4所述筛选方法获得的急性缺血性卒中预后关键生物标志物，其特征在于，当特征仅涉及临床信息和血液检测指标时，关键生物标志物包括以下指标中的一种或几种：谷丙转氨酶、超敏C反应蛋白、γ-谷氨酰转肽酶、中性粒细胞计数、肌酐、甘油三酯、空腹血糖、甲基丙二酸和脂蛋白(a)。

6.根据权利要求5所述关键生物标志物，其特征在于，当特征还涉及影像信息时，所述关键生物标志物还包括梗死体积。

7.权利要求5或6所述关键生物标志物在构建急性缺血性卒中预后风险预测模型中的应用。

8.一种基于权利要求5或6所述关键生物标志物的急性缺血性卒中预后风险预测模型的构建方法，其特征在于，包括以下步骤：

基于权利要求5或6所述急性缺血性卒中预后关键生物标志物，通过LightGBM机器学习构建预测模型。

9.权利要求8所述构建方法得到的预后风险预测模型在非治疗目的的预测急性缺血性卒中患者的疾病风险和/或治疗反应性评估中的应用。

10.根据权利要求9所述应用，其特征在于，所述预测急性缺血性卒中患者的疾病风险是利用疾病预后风险预测模型将患者分类到权利要求3所述4个临床表型中；

所述治疗反应性评估是分析不同临床表型对强化他汀治疗的反应性。