一种基于HCMV-IgG和HbA1c水平的PDR严重程度预测模型建立方法

本发明利用机器学习方法，提出一种基于hcmv-igg和hba1c水平的pdr严重程度预测模型建立方法，适用于智能医疗辅助诊断领域。

背景技术：

1、糖尿病视网膜病变(diabetic retinopathy，dr)是2型糖尿病(type 2diabetesmellitus,t2dm)患者常见的视网膜微血管疾病。以病理性新生血管形成为特征改变的增殖期糖尿病视网膜病变(proliferative diabetic retinopathy，pdr)是导致dr患者视力丧失的首要原因。其中长期高血糖环境下导致的视网膜组织缺血缺氧，是pdr发生和进展直接机制。

2、近年来临床上发现许多t2dm患者在积极控制血糖的情况下，也不能有效控制pdr的发生与进展。因此除高血糖外，可能还存在其他影响pdr严重程度的危险因素。最新研究发现，慢性炎症是导致pdr发生和进展的另一种重要机制，主要表现为炎症反应可以诱导病理性新生血管的生成。除高血糖可以激活炎症反应外，一些持续性的病毒感染也可以导致慢性炎症反应的发生。

3、人巨细胞病毒(human cytomegalovirus,hcmv)是一种在人群中广泛传播的dna包膜病毒，具有潜伏-再激活特性。在免疫功能正常个体中，hcmv表现为无症状感染，由于机体免疫细胞不能将病毒彻底清除，导致病毒以潜伏感染的状态长期或持续存在于宿主体内。最近一些流行病学的研究发现，hcmv感染与动脉粥样硬化，冠心病，脑卒中，等多种慢性炎症性血管疾病密切相关。

4、pdr作为一种以视网膜慢性炎症为特征的视网膜微血管疾病，hcmv-igg抗体介导的炎症反应可能是pdr发病机制中一个尚未被认识的危险因素。在眼科学研究领域，已有报道称hcmv-igg水平是影响萎缩性老年性黄斑变性(age-related macular degeneration,amd)向新生血管性amd发展的危险因素。而同样作为炎症性血管病变-pdr与hcmv-igg水平之间的相关性至今尚无明确报道。

技术实现思路

1、本发明要解决的技术问题是：针对部分pdr患者积极控制血糖仍不能有效控制pdr进展的现状，提出一种基于hcmv-igg和hba1c水平的pdr严重程度预测模型建立方法。

2、本发明所采用的技术方案是：采样不同严重程度pdr患者的血液，定量测量hcmv-igg和hba1c水平作为输入特征，利用机器学习分类器作为预测模型，进行pdr患者严重程度的预测。具体包括以下步骤：

3、步骤s1：根据纳入和排除标准采集增值性糖尿病视网膜病变pdr轻度和重度患者以及健康人的血液样本；

4、步骤s2：排除基础指标的干扰，比较不同实验组研究对象的基础指标是否存在显著性差异；其中基础指标包括年龄、性别和体脂指数；

5、步骤s3：对血液样本进行生化检查，定量测量各项生化指标和hcmv-igg水平；步骤s4：分析比较血液样本的生化指标和hcmv-igg水平差异，选择hcmv-igg和糖化血红蛋白hba1c作为模型的输入；

6、步骤s5：基于hcmv-igg和糖化血红蛋白hba1c的水平构建pdr预测模型；

7、步骤s6：进行三折交叉验证实验，评估预测模型的性能。

8、进一步，所述步骤s1：根据纳入和排除标准采集增殖性糖尿病视网膜病变pdr轻度和重度患者以及健康人的血液样本，具体地：纳入标准为：1)基于诊断标准确诊为pdr的患者；2)hcmv血清阳性且无系统性基础疾病或眼部血管病变的健康人；排除标准为：1)自身免疫性疾病、肺结核、精神疾病、高血压、动脉粥样硬化、年龄相关性黄斑变性、获得性免疫缺陷综合征、肺炎、心肌炎、各种恶性肿瘤患者；此外，有艾滋病毒感染史或其他传染病史的个人也被排除在外；2)有眼部或器官移植史的患者；3)糖尿病视网膜病变以外的眼部血管或炎症性疾病，包括角膜炎、葡萄膜炎、hcmv视网膜炎；4)过去6个月内接受过抗炎治疗、激素/免疫抑制治疗或患有急性疾病者。

9、进一步，所述步骤s2：比较不同实验组研究对象的基础指标，具体包括：分析比较纳入的健康人、pdr轻度患者和pdr重度患者的基础指标包括年龄、性别是否存在显著性差异；分别使用方差分析和卡方检验验证各组之间的基础指标是否存在显著性差异，计算得到p值分别为0.531和0.758，即各组研究对象的基础指标不存在显著性差异。

10、进一步，所述步骤s3：定量测量纳入研究对象的生化指标和hcmv-igg水平，具体包括：

11、步骤s31：从研究对象的采集的血液中测量的生化指标包括空腹血糖fbg、糖化血红蛋白hba1c、总胆固醇tc、总甘油三酯tg、低密度脂蛋白ldl、高密度脂蛋白hdl；

12、步骤s32：对所有纳入的研究对象进行hcmv-igg水平评估；具体步骤为，受试者处于空腹状态；血液样品在收集6小时内以3000转/分钟离心20分钟；采用化学发光免疫分析法定量测量hcmv-igg水平，以国际单位每毫升为单位；血清hcmv-igg浓度超过12iu/ml的个体被认为是hcmv血清阳性患者。

13、进一步，所述步骤s4：比较不同实验组研究对象的生化指标和hcmv-igg水平差异，具体包括：

14、步骤s41：比较健康人、pdr轻度患者、pdr重度患者的空腹血糖fbg、糖化血红蛋白hba1c、总胆固醇tc、总甘油三酯tg、低密度脂蛋白ldl、高密度脂蛋白hdl各项生化指标，计算统计学指标p值；确定hba1c在pdr轻度和重度患者之间存在显著性差异；

15、步骤s42：比较健康人、pdr轻度患者、pdr重度患者的hcmv-igg水平，三组之间存在显著性差异，且pdr重度患者的hcmv-igg水平显著高于轻度组；

16、步骤s43：选择hcmv-igg和糖化血红蛋白hba1c作为模型的输入。

17、进一步，所述步骤s5：构建pdr严重程度预测模型，具体包括：使用机器学习模型支持向量机作为分类器建立模型，以pdr患者的hcmv-igg水平和hba1c水平为输入，输出pdr患者严重程度。

18、进一步，所述步骤s6：具体包括：进行三折交叉验证实验，将研究对象随机分为3组，每次选择其中2组作为训练数据，另外1组作为测试数据，实验进行三次，选取准确率、f1得分、精确率、召回率、接受者操作特性曲线的面积作为评估指标，用各项指标的平均值±标准差评估预测模型的性能。

19、本发明具有以下有益技术效果：

20、现有技术关注于血糖、血脂与pdr严重程度的相关性，本发明首次分析了hcmv-igg水平与pdr严重程度的关系，并结合hcmv-igg水平与生化指标构建了pdr严重程度预测模型，一方面通过引入hcmv-igg水平这一特征有效提升pdr严重程度预测准确率，另一方面针对部分pdr患者积极控制血糖仍不能有效控制pdr进展的现状，探索了hcmv感染这一潜在的病理机制，研究了hcmv-igg水平这一可能影响pdr进展的危险因素。