基于线性时不变系统的冠心病状态评估模型及发病风险评估方法
【技术领域】
[0001] 本发明属于医疗数据处理技术领域，特别涉及一种基于线性时不变系统的冠心病 状态评估模型及发病风险评估方法。
【背景技术】
[0002] 据世界卫生组织统计数据，心血管疾病是十大疾病死亡原因的第一位。冠心病，即 冠状动脉粥样硬，是危害最为严重的心血管疾病，死亡率为45-65/10万人，也是猝死的主 要元凶。冠心病发生在负责向心脏组织运送富含氧的血液病支撑心功能正常运作的冠状动 脉，如果冠状动脉狭窄或者被阻塞，心脏则会运作异常并导致死亡。但是由于冠心病的复杂 性，冠心病形成和发展的理论还没有建立起来。随着冠心病的发病人口的快速增长，政府和 医疗机构将面临高效的控制冠心病发病的严峻挑战，建立长期有效的冠心病监测和评估手 段对于降低冠心病发病人群具有非常重要的作用。
[0003] 目前，医生在临床上使用创伤和非创伤的手段来诊断冠心病。这类技术包括使用 影像诊断技术，和标志物检测技术。影像诊断技术是目前冠心病临床诊断的重要手段，包 括冠状动脉造影技术和斑块检测技术，常用的手段有CT、超声、核磁、光学相干性断层成像 (OCT)，以及多种技术结合的多模检测技术，如磁生双模等。标志物检测技术主要通过血液 生化物质检测，直接或者间接的反应疾病状况。上述两种方法具有较好的准确度的特点，适 用于临床诊断。但是上述检测方式往往需要依赖于昂贵的设备和专业的诊断知识，由于其 高昂的代价，对于需要长期检测冠心病的发病情况的家庭或者民用场景并不适用。
[0004] 基于冠心病风险因子的评估模型作为一种监测和评估冠心病的一种有效手段受 到各国政府的重视，我国也早在"十五"科技攻关计划就启动了冠心病，脑卒中综合危险度 评估的研究。这类评估体系主要依靠年龄、血压、心率、体质指数BMI、吸烟、血糖、血脂等参 数，通过加权评分体系建模，对输入的各因子情况，输出风险评分，可以对群体的冠心病风 险给出综合的静态评估。常用的方法包括FramingHam风险评估模型和Reynolds风险评估 模型，以及这两种类型的改进和扩充等诸多变种，比如中国使用的冠心病风险评估评分表 模型。上述这种基于风险因子评估模型的方法只考虑了当前的风险因子，缺乏对历史健康 数据的考虑，而且它们（FramingHam)仅给出了未来十年内的冠心病发病风险的评估，而不 是对当前冠心病发病的评估。因此，这类方法精确度低，实时性差，这些方法常用于在冠心 病医学检测前筛选检测人群，并不适合冠心病长期监测和预防。
【发明内容】
[0005] 为了克服上述现有技术的缺点，本发明的目的在于提供一种基于线性时不变系统 的冠心病状态评估模型及发病风险评估方法，解决了上述风险评估模型存在的实时性差、 精确度低的问题，适合家庭和民用环境。
[0006] 为了实现上述目的，本发明采用的技术方案是：
[0007] -种基于线性时不变系统的冠心病状态评估模型，模型公式为：
[0010] 其中，X为状态变量，用来系统反映所处的状态，Jr为状态变量X的微分，是系统引 入变量，用来配合状态变量表达系统状态，y是系统的输出，U是输入向量，A、B、C、D是系统 参数，取值为：
[0015] 得到的输出即为目标个体或者人群的冠心病的发展状态，也即冠心病的一个实时 发病风险值。
[0016] 不同于传统量表或者风险因子评价法，本模型给出的是当前实际状态的量化描 述，而不是传统方法给出的一个未来几年内的概率性风险。
[0017] 所述输入向量U为风险因子，代表系统的输入，是时间的函数，根据目标人或者人 群的实际体征获取，状态变量X根据U的取值随着时间的变化而变化。
[0018] 所述风险因子包括舒张压、收缩压、抽烟状况、胆固醇、低密度脂蛋白胆固醇、高密 度脂蛋白胆固醇、C反应蛋白、血糖和三酰甘油。
[0019] 本发明还提供了一种利用所述冠心病状态评估模型的冠心病发病风险评估方法， 包括如下步骤：
[0020] 步骤1，获取冠心病风险因子数据；
[0021] 步骤2,利用所述冠心病状态评估模型评估冠心病状态；
[0022] 步骤3,基于两个维度的评估方法，对获取到的冠心病状态进行评估，得到当前冠 心病的发病风险级别。
[0023] 所述步骤3中，两个维度为：
[0024] 评估得到的绝对冠心病状态r(t);
[0025] 和同一年龄下人群的冠心病状态均值的差异
其中rp(t)为 相同年龄人群的冠心病风险评分均值；
[0026] 相应地，分别进行绝对评分和相对评分。
[0027] 所述步骤3中，绝对评分以15和22为门限值，分为H1、H2和H3三级，分别表示轻 微的CHD，中等的CHD和严重的CHD，其中：
[0028] r(t)低于15为Hl级，处于15-22之间为H2级，高于22为H3级，
[0029] 所述相对评分以5%和20%为门限值，分为三级，
[0030] devt低于5%为Hl级，处于5% -20%之间为H2级，高于20%为H3级。
[0031] 所述步骤3中，以所述两个维度上最大风险级别作为最终的冠心病风险级别。
[0032] 不同于现有技术中风险评估模型单独使用当前的风险因子值，本发明不仅采用当 前的风险因子，同时使用历史的风险因子值，将这些风险因子代入模型进行预测，给出当前 的冠心病发病风险。实验发现本发明的预测结果与临床上使用的冠心病诊断的黄金标准 SYNTAX评分误差只有5%，解决了传统风险评估模型中的精度低，实时性差的缺点，能够持 续地、实时地对冠心病发病风险进行评估。
【附图说明】
[0033] 图1是本发明风险因子数据示意图，均随年龄变化，为时间的函数。
[0034] 图2是基于本发明的冠心病风险预测结果与SYNTAX评分的对比。其中直线代表 基于最小二乘法对预测结果进行拟合的结果，代表冠心病风险随年龄变化的趋势。
[0035] 图3是本发明冠心病发病风险评估流程图。
[0036] 图4是本发明中对冠心病风险等级进行划分的示意图。
【具体实施方式】
[0037] 下面结合附图和实施例详细说明本发明的实施方式。
[0038] 本发明首先提供了一种基于线性时不变系统的冠心病状态评估模型，可选用以下 几种风险因子作为评估模型的输入：舒张压、收缩压、抽烟状况、胆固醇、低密度脂蛋白胆固 醇、高密度脂蛋白胆固醇、C反应蛋白、血糖和三酰甘油。模型可以用方程y(t) =G(q，Θ) u(t)+H(q，0)e(t)来描述，其中u(t)代表输入，是时间t的函数，如果有多个输入，则u(t) 是一个向量，其中的每一个值都代表一个输入；e(t)是系统的随机噪声，y(t)是输出，在本 发明中，y(t)代表的是冠心病的状态，H(q，Θ)和G(q，Θ)是系统的转移函数，表示系统