无创型健康评估模型通用建立方法及研发.docVIP

无创型健康评估模型的通用建立方法 惠恒集团深圳市天信生物科技有限公司 赵 红 谢国梁 【摘要】健康管理过程中，根据健康信息提供个体化亚健康干预手段是健康评估不可缺少的重要环节。本文介绍了基于系统生物信息学，宏观检测人体整体系统变量，以流行病学前瞻性模型为示教标准，研发周期短，经济适用的无创型健康评估模型的方法。并以缺血性心血管病发病危险因素为例，研发出无创型人体经络检测值评估模型，其外推预报结果初步显示了此方法的应用可行性。 【关键词】危险性评估；模型；机器学习；经络信息检测及处理 1引言 1.1亚健康检测和评估现状 亚健康的检测和评估是健康管理最终提供个体化的干预手段，是必不可少的先决条件。由于绝大多数被市场“炒”作起来的亚健康检测与评估“产品”均没有经过科学系统的应用研究和实施数据支持，因而只呈昙花一现便无影无踪[1]。 1.2 现存的一些商业化亚健康检测评估手段评估亚健康检测评估手段检测亚健康亚健康评估亚健康评估任何一种慢性疾病都有其特有的生理病理变化尽管这些变化是复杂的，但是很小的变化都会在生物标记上有所体现。生物标记对人身体健康状况的整体评估因此，如果在疾病发生前测得其生物标记模式，并连续观察疾病发展过程中生物标记的变化情况，]等，建立评估模型，就可发现导致疾病发生及发展的关键因素亚健康人群检测评估检测将个生物标记录入计算机，预测软件系统就会自动将录入与软件的预测模式进行比较分析，确定该个体发生疾病的趋势及可能性 这种检测评估手段 2 交叉综合评估综合评估检测评估评估 3 以人体经络检测为基础，建立缺血性心血管病发病危险无创型评估模型 3.1经络检测生物-心理-社会的综合标记群supervisor based learning）(pattern discovery)，综合挖掘提取机体功能状况特征信息，深刻揭示经络信息表达的微观生命科学本质。与其他商业化的无创型检测 3.2示教标准源模型 —— 缺血性心血管病发病危险的评估模型 中国医学科学院阜外心血管病医院流行病学研究室武阳丰教授研究认为，缺血性心血管病发病危险的评估模型能较好地反映发生心血管病的综合危险，预测个体未来十年内罹患缺血性心血管病(ischemic cardiovascular diseases, ICVD)的危险等级[4]。此评估模型由年龄、血压、体重指数、是否吸烟、血糖与血脂含量六大因素共同决定。其中年龄、是否吸烟通过填写问卷获得，血压通过血压计测量获得，体重指数通过测量身高和体重获得，只有血糖和血脂含量必须通过有创抽血化验才能获得。 3.3 利用神经元网络算法，建立有示教的计算机机器学习，获取无创型评估模型 由图1所示，计算机机器学习获取无创型评估）[14]训练得到模型，再把模型结果运用到测试集上进行预报,以检验模型的预测精度。 神经网络模型可以大致表述为如下函数： 某个体心血管疾病预报风险“是否高危”=f(年龄、性别、收缩压、体重指数、吸烟与否、及人体皮肤表面24个主要穴位的经络电阻值) 由此可知，此模型为不包含血糖及血脂的无创型模型。 227数据测试集的预测结果如下： 1.用原来297个数据做训练集得到模型，再用该模型对227个数据进行预测； 实际 预测 | 0 | 1 | 总计 ---------+--------+--------+ 0 | 153 | 14 | 167 ---------+--------+--------+ 1 | 12 | 48 | 60 ---------+--------+--------+ 总计 165 62 227 从以上混淆矩阵看出， 227个数据中，实际取值为“0”的167个数据通过模型预报后153个仍为“0”， 14个误报为“1”，实际取值为“1”的60个数据通过模型预报后48个仍为“1”，12个误报为“0”。其中有201个数据模型预报值与实际值吻合，26个数据不吻合，模型的预测准确率为88.55%。 2.因训练数据集和测试数据集的统计分布差异会导致模型外推预报精度降低，为了克服这一点，基于集群表决理论[15]，对原来的297个数