一种超早期代谢相关脂肪性肝病的预测装置的制作方法

1.本发明涉及生物医学技术领域，具体而言，涉及一种超早期代谢相关脂肪性肝病的预测装置。


背景技术：

2.mafld已取代病毒性肝病成为中国第一大肝脏疾病。根据2020年版mafld国际专家共识，代谢相关脂肪性肝病的诊断标准为：基于病理学或影像学脂肪肝证据，同时有超重/肥胖、2 型糖尿病或代谢功能紊乱三项条件之一。
3.其中，肝组织活检病理诊断仍然是该病确诊的金标准，用于mafld的病理指标包括脂肪变性（s0-s4）、气球样变（b0-b4）、小叶炎症（l0-l4）和纤维化分级（f0-f4），四项评分总和小于等于2明确排除mafld，大于等于5确定mafld，大于2小于5之间的区域多数观点认为是超早期或疑似mafld。病理区分值设为2的意义是用于阴性排除，在健康筛查时意义重大。而设为5时，比较适合用于阳性确诊。现有技术（申请号为201911424602.9）公开了一种非酒精性脂肪性肝病的诊断模型，设定的区分值是总评分5，其只能进行早期非酒精性脂肪性肝病的诊断，而对于处于潜伏状态（超早期）的人群则无法有效地进行预测。事实上，现有公开的用于评估中、重度代谢相关性脂肪性肝病，或者合并纤维化的代谢相关性脂肪性肝病最高曲线下面积能达到0.7左右，但用于早期代谢相关性脂肪性肝病的评估效果有限，roc下曲线面积只有0.6左右。临床上需要更有效的早期评估方法，特别是健康体检时需要更明确的阴性排除方法。
4.鉴于此，特提出本发明。


技术实现要素：

5.本发明的目的在于提供一种超早期代谢相关脂肪性肝病的预测装置。
6.本发明是这样实现的：第一方面，本发明实施例提供了一种超早期代谢相关脂肪性肝病预测模型的训练方法，其包括：获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物包括血清总蛋白tp和细胞角蛋白18，所述个体指标包括身高质量指数bmi；将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；基于所述标注结果和所述评估结果对所述预测模型进行参数更新。
7.第二方面，本发明实施例提供了一种超早期代谢相关脂肪性肝病的预测装置，其包括：获取模块，用于获取待测样本个体指标以及标志物水平的检测结果，所述标志物和个体指标均为如前述实施例中所述的标志物和个体指标；预测模块，用于将所述个体指标和所述检测结果输入由前述实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法训练获得的预测模型中，获得待测样本的预测结果。
8.第三方面，本发明实施例提供了一种超早期代谢相关脂肪性肝病的训练装置，其包括：获取模块，用于获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物和个体指标均为前述实施例中所述的标志物和个体指标；预测模块，用于将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；参数更新模块，用于通过所述标注结果和所述评估结果对所述预测模型进行参数更新。
9.第四方面，本发明实施例提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如前述实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法。
10.第五方面，本发明实施例提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法。
11.本发明具有以下有益效果：本发明实施例提供了一种超早期代谢相关脂肪性肝病的预测装置，通过对标志物如血清总蛋白、细胞角蛋白18水平和bmi的检测结果，实现了对早期代谢相关脂肪性肝病的有效预测，为代谢相关脂肪性肝病的预防和治疗提供了更多的时间，有助于提高患者的治疗效果。
附图说明
12.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
13.图1~23分别为实施例1~23的预测方法对应的roc曲线图；图24为对比例1的预测方法对应的roc曲线图。
具体实施方式
14.为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
15.本发明实施例提供了用于检测标志物水平的试剂用于检测标志物水平的试剂在制备超早期代谢相关脂肪性肝病筛查试剂盒中的应用，所述标志物包括血清总蛋白tp和细胞角蛋白18。
16.经一系列创造性能力，本发明发现，通过对上述标志物的水平进行检测，能够实现对代谢相关脂肪性肝病的有效预测，为代谢相关脂肪性肝病的预防和治疗提供了更多的时间，有助于提高患者的治疗效果。
17.本文中所述的超早期代谢相关脂肪性肝病具体是指：肝脏脂肪细胞比例至少5%，
肝组织病理检测脂肪变性（s0-s4）、气球样变（b0-b4）、小叶炎症（l0-l4）和纤维化分级（f0-f4），四项评分总和2为区分值，小于等于2排除mafld，大于等于5确诊mafld，对于大于2且小于5的范围多数观点认为是超早期mafld或疑似mafld。本发明参考了国内外认可的多种判断超早期代谢相关性脂肪性肝病的病理分组方法，比如以四项病理评分之和≤2为非mafld，＞2为超早期mafld组；以四项病理评分之和≤2，且纤维化分级f≤1为非mafld，其他为超早期mafld组；或者，四项总分小于4，且每一项均小于1为非mafld，其他为mafld。
18.（申请号为201911424602.9的现有技术区分早期非nash与nash的值设为四项病理总评分5，本发明区分mafld和非mafld的阈值为2。本发明更注重提前对潜伏或疑似的情况进行筛选和预测，超早期相对于早期（评分5）而言，症状更隐蔽，因此预测的难度更大，但是具有重要的临床意义，能够更有效提前地预测患病风险，为治疗和干预提供了更充分的时间，降低治疗成本的同时提高生存效率。
19.在优选实施例中，所述细胞角蛋白18选自：角蛋白18-m30（m30）和角蛋白18-m65（m65）中的至少一种。
20.在优选实施例中，所述标志物还包括：谷丙转氨酶alt、谷草转氨酶ast、谷氨酰转移酶ggt、血红蛋白hb、总胆固醇tc、高尔基体跨膜糖蛋白73 gp73、低密度脂蛋白ldl和空腹血糖和空腹胰岛素中的至少一种。
21.样本的类型具体可以为血清样本、全血样本或组织样本，具体不进行限定，只要能对应获得所述标志物的检测结果即可。
22.本发明不对所述试剂对标志物进行检测的方法进行具体限定，方法包括但不限于免疫学方法和化学方法。所述免疫学方法包括但不限于酶联免疫吸附法、免疫层析法、免疫比浊法和化学发光法。
23.本发明不对所述试剂对标志物进行检测的试剂进行具体限定，均可以参照现有已知的用于检测对应标志物的试剂。
24.本发明实施例还提供了一种超早期代谢相关脂肪性肝病筛查试剂盒，其包括如前述任意实施例所述的用于检测标志物水平的试剂。
25.优选地，所述试剂盒还包括用于检测身高质量分数的检测仪。
26.本发明实施例还提供了一种超早期代谢相关脂肪性肝病预测模型的训练方法，其包括：获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物包括血清总蛋白tp和细胞角蛋白18，所述个体指标包括身高质量指数bmi；将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；基于所述标注结果和所述评估结果对所述预测模型进行参数更新。
27.优选地，所述细胞角蛋白18选自：角蛋白18-m30（m30）和角蛋白18-m65（m65）中的至少一种。
28.优选地，所述标志物还包括：谷丙转氨酶alt、谷草转氨酶ast、谷氨酰转移酶ggt、血红蛋白hb、总胆固醇tc、高尔基体跨膜糖蛋白73 gp73、低密度脂蛋白ldl和空腹血糖和空腹胰岛素中的至少一种。
29.优选地，所述个体指标还包括年龄age和性别sex中的至少一种。
30.所述标注结果和所述预测结果均可以为训练样本的疾病状态或患病风险，疾病状态包括是否患有代谢相关脂肪性肝病以及代谢相关脂肪性肝病的程度。训练样本中包括代谢相关脂肪性肝病患者的样本和健康人群的样本，样本的类型具体可以为血清样本、全血样本或组织样本，具体不进行限定，只要能对应获得所述标志物的检测结果即可。训练样本的样本量≥10；优选≥30。预先构建好的预测模型可以为cox比例风险回归或采用fine和gray提出的部分分布竞争风险模型，经训练样本训练后，作为可以根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态的预测模型。
31.训练后可以通过测试集样本对预测模型的准确率进行检测，当准确率达到设置阈值时，获得最终的预测模型。
32.本发明实施例还提供了一种超早期代谢相关脂肪性肝病的预测装置，其包括获取模块和预测模块。
33.获取模块，用于获取待测样本个体指标以及标志物水平的检测结果，所述标志物和个体指标均为如前述任意实施例中所述的标志物和个体指标；预测模块，用于将所述个体指标和所述检测结果输入由前述任意实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法训练获得的预测模型中，获得待测样本的预测结果。
34.在优选实施例中，所述预测模型通过式1~式12中的至少一种获得样本的预测结果；式1：log it（p）= a+b
×
age + c
×
sex +d
×
bmi +e1×
m30+f
×
tc +g
×
hb + j
×
alt + h
×
tp + i
×
gp73；式2：log it（p）=a+b
×
age + c
×
sex +d
×
bmi +e1×
m30+f
×
tc +g
×
hb + k
×
ast + h
×
tp + i
×
gp73；式3：log it（p） =a+ d
×
bmi +e1×
m30+e2×
m65 + h
×
tp；式4：log it（p） =a+ d
×
bmi +e1×
m30 + h
×
tp；式5：log it（p） =a+ d
×
bmi +e1×
m30 + h
×
tp + l
×
ldl + n
×
dm3；式6：log it（p） =a+ d
×
bmi +e1×
m30 + h
×
tp +n
×
dm3；式7：log it（p） =a+b
×
age + c
×
sex +d
×
bmi +e m30-m65 + l
×
ldl +g
×
hb + j
×
ast + h
×
tp + i
×
gp73；式8：log it（p） =a+b
×
age + c
×
sex +d
×
bmi +e
×
m30-m65 + l
×
ldl + n
×
dm3+g
×
hb + k
×
ast + h
×
tp + i
×
gp73式9：log it（p） =a+ d
×
bmi + e2×
m65 + h
×
tp；式10：log it（p） =a+ d bmi + e2×
m65 + h
×
tp + n
×
dm3；式11：log it（p） =a+ d
×
bmi + e2×
m65 + h
×
tp + l
×
ldl + n
×
dm3；式12：log it（p） =a+ d
×
bmi +e
×
m30-m65 + h
×
tp；式1~12中，bmi为身高质量指数；m30为血清的角蛋白18-m30的水平，m65为血清的角蛋白18-m65的水平，具体地，m30或m65的水平是指每升样本中角蛋白18-m30片段的质量单位u，每u对应24 pmol，可以指标志物在样本中的含量或浓度，也可以指代标志物的具体
0.0006和-0.0005中的任意一项或任意两项之间的范围值；n的取值可以为0.05~0.50，例如0.05、0.10、0.15、0.20、0.25、0.30、0.35、0.40、0.45和0.50中的任意一项或任意两项之间的范围值。
38.具体地，式1可对应后续实施例2、3和5，式2可对应实施例4和6，式3可对应实施例7和8，式4可对应实施例9和10，式5可对应实施例11，式6可对应实施例12，式7可对应实施例13、14和23，式8可对应实施例1和22，式9可对应实施例15和16，式10可对应实施例17，式11可对应实施例18和19，式12可对应实施例20和21。
39.本发明实施例还提供了一种超早期代谢相关脂肪性肝病的训练装置，其包括：获取模块，用于获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；所述标志物和个体指标均为前述任意实施例中所述的标志物和个体指标；预测模块，用于将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；参数更新模块，用于通过所述标注结果和所述评估结果对所述预测模型进行参数更新。
40.本发明实施例还提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如前述任意实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法。
41.存储器可以是但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。
42.处理器可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）等；还可以是数字信号处理器（digital signal processing，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field－programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
43.在实际应用中，该电子设备可以是服务器、云平台、手机、平板电脑、笔记本电脑、超级移动个人计算机（ultra-mobile personal computer，umpc）、手持计算机、上网本、个人数字助理（personal digital assistant，pda）、可穿戴电子设备、虚拟现实设备等设备，因此本技术实施例对电子设备的种类不做限制。
44.此外，本发明实施例还提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意实施例所述的超早期代谢相关脂肪性肝病预测模型的训练方法。
45.计算机可读介质可以包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
46.以下结合实施例对本发明的特征和性能作进一步的详细描述。
47.实施例1
一种超早期代谢相关脂肪性肝病的预测模型的构建方法如下。
48.（1）确认训练集和测试集，训练集中的样本为456例，其中，380例患者，76例健康人；测试集中样本为354例，其中，296例患者，58例健康人。需要说明的是，健康人是指四项病理评分之和i≤2的人群，患者则为i＞2的人群。（2）对样本的标志物以及个体指标进行检测。
49.个体指标包括：身高质量指数bmi、年龄age和性别sex。
50.采用酶法检测谷丙转氨酶alt和谷草转氨酶ast。检测范围为5-700u/l。参考范围为：0-40u/l。
51.采用底物法检测γ-谷氨酰转移酶（ggt）。检测范围为0-500u/l。参考范围为：0-50u/l。
52.利用全自动血细胞分析仪，采用比色法进行检测hb。参考范围为：成人110-160g/l。
53.采用酶法检测总胆固醇tc。检测范围为：1.13-12.93 mmol/l，参考范围：男性，3.2-7mmol/l；女性，3.2-6.3mmol/l。
54.采用上转发光法检测高尔基体蛋白73（gp73）。试剂检测范围为： 20～1000ng/ml；参考范围：gp73≥85ng/ml，可用于诊断hbv感染患者（中度或重度肝损伤）显著肝纤维化，gp73≥135ng/ml，可用于诊断肝硬化。
55.采用双缩脲法检测tp水平。检测试剂盒包括：胆固醇酯水解酶≥0.8ku/l，胆固醇氧化酶 ≥0.5ku/l，过氧化物酶1500u/l，4-aap 0.4mmol/l，dhbs 2mmol/l，磷酸盐缓冲液（ph7.6）400mmol/l。仪器：hitachi 7600型全自动生化分析仪。主要分析参数为：温度37℃，波长540nm，反应时间600s；结果计算：总蛋白（g/l）=样本吸光度/校准吸光度
×
校准液浓度。
56.采用酶联免疫吸附法检测人ck18-m30（细胞角蛋白18-m30）水平。检测试剂盒包括：标准品、质控品、酶标二抗、抗体稀释液、浓缩洗液、显示液和终止液。仪器可选用酶标仪。线性范围：0-1000u/l。参考范围：0-150u/l。
57.采用酶联免疫吸附法检测人ck18-m65（细胞角蛋白18-m65）水平。检测试剂盒包括：标准品、质控品、酶标二抗、抗体稀释液、浓缩洗液、显示液和终止液。仪器：科华st-360酶标仪。线性范围：0-5000u/l；参考范围：0-250u/l。
58.采用两点终点法检测ldl水平。检测试剂盒包括：hdaos 0.56 mmo/l，胆固醇酯水解酶0.8 ku/l，胆固醇氧化酶507 iu/l，过氧化物酶4ku/l，4aap 4mmol/l，goods缓冲液(ph7 .0)100mmol/l。检测仪器可以采用hitachi 7600型全自动生化分析仪。主要分析参数包括：标本3μl；试剂1：225μl；试剂2：75μl，反应温度：37℃；主波长600，次波长700；反应方向：正向；读点0/27(point 1fst/lst)、0/10(point 2fst/lst)，reagent fstl
‑ꢀ
0.1fst h 0.1，lstl
‑ꢀ
0.5，lst h 0.1；仪器因子a为1，b为0，定标类型ab。结果计算：血清ldl
ꢀ‑ꢀ
c浓度(mmol/l)＝标本a；(600
ꢀ‑
700)nm
ꢀ×ꢀ
校准液胆固醇浓度(mmol/l)/标准液a(600-700)nm。仪器根据此公式自动给出每个标本测定结果。线性范围：0.26～25.8mmol/l。参考范围：成年人：≤3.12mmol/l。
59.（3）获取训练样本个体指标、标志物水平的检测结果及其对应的标注结果；将训练样本的个体指标以及标志物水平的检测结果输入预先构建好的预测模型
中，获得预测评估结果；其中，所述预测模型用于根据样本个体指标以及标志物水平的检测结果预测样本超早期代谢相关脂肪性肝病的患病风险或疾病状态；基于所述标注结果和所述评估结果对所述预测模型进行参数更新，获得训练好的预测模型。
60.本实施例还提供了一种超早期代谢相关脂肪性肝病的预测方法，其包括以下步骤。
61.获取模块，用于获取待测样本个体指标以及标志物水平的检测结果，所述标志物包括：ldl、dm、hb、tp和gp73；预测模块，用于将所述身高质量指数和所述检测结果输入训练好的预测模型中，获得待测样本的预测结果。
62.预测模型的公式为式如下：logit（p）=-10.7775
ꢀ‑ꢀ
0.0150
×
age+0.4151
×
sex+0.2575
×
bmi+1.4747
×
m30-m65 + 0.1160
×
ldl+0.2384
×
dm3
ꢀ‑ꢀ
0.00408
×
hb+0.00282
×
ast + 0.0656
×
tp + 0.00542
×
gp73。
63.公式中：dm3为糖尿病指数，若具有糖尿病史或患有糖尿病，则dm3=1，若不患有糖尿病，则dm3=0。
64.性别sex的取值：男性设为1，女性设为2；在其他实施例中，可以性别的取值可以反过来，相关的系数可能存在差异。
65.m30-m65：当m30≥150u/l或m65≥250u/l，m30-m65=1，当m30＜150u/l且m65＜250u/l时，m30-m65=0；在其他实施例中，m30为血清的角蛋白18-m30的水平（单位为u/l，1u相当于24pmol），m65为血清的角蛋白18-m65的水平（单位为u/l），tp为血清总蛋白浓度（单位为g/l），ldl为低密度脂蛋白浓度（单位为mmol/l），ast为谷草转氨酶浓度（单位为u/l），gp73为血清或血浆的高尔基体跨膜糖蛋白73浓度（单位为ng/ml）。在其他实施例中，ggt为血清的谷氨酰转移酶浓度（单位为u/l），tc为总胆固醇（单位为mmol/l）。
66.计算p值后，若p＞0.5，则为阳性样本，若p≤0.5，则为阴性样本。
67.实施例2一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，公式如下：logit（p）=-10.9251
‑ꢀ
0.00688
×
age + 0.2864
×
sex+0.2636
×
bmi+0.00751
×
m30 +0.1384
×
tc
ꢀ‑
0.00958
×
hb + 0.00425
×
alt + 0.0634
×
tp + 0.00344
×
gp73。
68.实施例3一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：log it（p）=
ꢀ‑
10.9269
ꢀ‑ꢀ
0.00711
×
age + 0.2843
×
sex + 0.2647
×
bmi + 0.00753
×
m30 + 0.1377
×
tc
ꢀ‑ꢀ
0.00971
×
hb + 0.00423
×
alt + 0.0635
×
tp + 0.00347
×
gp73。
69.实施例4一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测
模型的公式与实施例1的不同，具体如下：logit（p）=-10.4957
ꢀ‑ꢀ
0.0108
×
age + 0.3095
×
sex + 0.2543
×
bmi + 0.00788
×
m30 + 0.1462
×
tc
ꢀ‑ꢀ
0.00840
×
hb + 0.00194
×
ast + 0.0607
×
tp + 0.00419
×
gp73。
70.实施例5一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-15.8634-0.0173
×
age +1.2801
×
sex +0.1388
×
bmi+0.00311
×
m30 +0.0879
×
tc +0.0271
×
hb +0.000075
×
alt +0.0695
×
tp +0.00977
×
gp73。
71.实施例6一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.4946
ꢀ‑ꢀ
0.0106
×
age + 0.3112
×
sex + 0.2534
×
bmi + 0.00786
×
m30 + 0.1468
×
tc
ꢀ‑ꢀ
0.00828
×
hb + 0.00196
×
ast + 0.0606
×
tp + 0.00415
×
gp73。
72.实施例7一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.4753 +0.2435
×
bmi +0.00719
×
m30 +0.000908
×
m65 +0.0602
×
tp。
73.实施例8一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.4515 +0.2425
×
bmi +0.00718
×
m30 +0.000904
×
m65 +0.0603
×
tp。
74.实施例9一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.5759 +0.2442
×
bmi +0.00827
×
m30 +0.0617
×
tp。
75.实施例10一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.5466 + 0.2432
×
bmi + 0.00825
×
m30 + 0.0616
×
tp。
76.实施例11一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.9791 +0.2402
×
bmi +0.00822
×
m30 +0.1452
×
dm3 +0.0637
×
tp +0.1064
×
ldl。
77.实施例12一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：
logit（p）=-10.3734 +0.2361
×
bmi +0.00837
×
m30 +0.0699
×
dm3 +0.0614
×
tp。
78.实施例13一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.3524
ꢀ‑
0.0138
×
age +0.4371
×
sex +0.2547
×
bmi +1.5034
×
m30-m65 +0.0864
×
ldl
ꢀ‑
0.00430
×
hb +0.00237
×
ast +0.0620
×
tp +0.00592
×
gp73。
79.实施例14一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.3410
ꢀ‑ꢀ
0.0136
×
age + 0.4375
×
sex + 0.2544
×
bmi + 1.4982
×
m30-m65 + 0.0864
×
ldl
ꢀ‑ꢀ
0.00425
×
hb + 0.00239
×
ast + 0.0618
×
tp + 0.00591
×
gp73。
80.实施例15一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.0260 +0.2445
×
bmi +0.00411
×
m65 +0.0585
×
tp。
81.实施例16一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.0027 + 0.2434
×
bmi + 0.00411
×
m65 + 0.0585
×
tp。
82.实施例17一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-9.9289 +0.2378
×
bmi +0.00412
×
m65 +0.1063
×
dm3 +0.0591
×
tp。
83.实施例18一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.4786 +0.2411
×
bmi +0.00405
×
m65 +0.1803
×
dm3 +0.0612
×
tp +0.0973
×
ldl。
84.实施例19一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.7614 +0.2493
×
bmi +1.6834
×
m30-m65 +0.2477
×
dm3 +0.0648
×
tp +0.1059
×
ldl。
85.实施例20一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=-10.3762 +0.2541
×
bmi +1.6675
×
m30-m65 +0.0631
×
tp。
86.实施例21一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=
ꢀ‑
10.3471 +0.2537
×
bmi +1.6625
×
m30-m65 +0.0628
×
tp。
87.实施例22一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=
ꢀ‑
17.1744
ꢀ‑
0.0262
×
age+1.4266
×
sex+0.1485
×
bmi +1.3034
×
m30-m65 +0.271
×
ldl+0.6099
×
dm3+0.0300
×
hb+0.00686
×
ast+0.0762
×
tp+0.00903
×
gp73。
88.实施例23一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，具体如下：logit（p）=
ꢀ‑
16.1721
ꢀ‑
0.0219
×
age+1.4268
×
sex+0.1477
×
bmi +1.3420
×
m30-m65 +0.1471
×
ldl+0.0283
×
hb-0.00003
×
ast+0.0684
×
tp+0.00975
×
gp73。
89.对比例1一种超早期代谢相关脂肪性肝病的预测方法，大致与实施例1相同，区别在于预测模型的公式与实施例1的不同，公式如下：y=-12.037+1.525
×
m30+1.488
×
sex+0.701
×
tc-0.586
×
ldl+0.096
×
bmi-0.048
×
age+0.032
×
hb+0.004
×
alt-0.004
×
ggt。
90.该公式由于按照logit（p）计算p值时，数值太大无法计算。故仍采用原公式计算结果值。
91.试验例基于的实施例1~23以及对比例1提供的预测方法对354例样本进行超早期预测，其中，296例患者，58例健康人。健康人是指四项病理评分之和i≤2的人群，患者则为i＞2的人群，基于检测结果进行roc曲线的绘制，实施例1~23以及对比例1提供的预测方法的预测结果依次如图1~24所示。
92.auc结果汇总表如表1。
93.表1 auc结果实验例实施例1实施例2实施例3实施例4实施例5实施例6auc0.81340.83610.83700.83020.81990.8293实验例实施例7实施例8实施例9实施例10实施例11实施例12auc0.82210.82130.82090.82010.82030.8194实验例实施例13实施例14实施例15实施例16实施例17实施例18auc0.81490.81390.81150.81070.80820.8080实验例实施例19实施例20实施例21实施例22实施例23对比例1auc0.80240.80460.80360.81560.81130.7242由结果可知，实施例1-22的roc曲线下面积（auc）均＞0.8，而对比例1的auc为0.7242。
94.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技
术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。