基于胃肠电信号的癫痫预测系统及构建方法

本发明涉及疾病预测领域，具体涉及一种基于胃肠电信号的癫痫预测系统及构建方法。

背景技术：

1、癫痫是中枢神经系统疾病中最常见的发作性疾病之一，发病率高，全球患者超过7000万。

2、正确的诊断是有效治疗的前提，目前，癫痫的诊断主要依赖患者的病史资料（例如，在临床问诊过程中需要详细地了解患者的既往诊治病史，特别是发作史）以及脑电图（egg）、磁共振图像（mri）等检查。然而，上述癫痫的标准的诊断方式却难以在癫痫的大规模筛查（例如社区初筛）中广泛应用。一方面，在大规模筛查中，即使是经验丰富的临床医生，仅靠受试者对“癫痫”发作症状的口头描述，也难以在时间紧张又缺乏诊断依据的情况下，判断该受试者是否为癫痫患者。另一方面，脑电图（egg）、磁共振图像（mri）等检查需要特定的仪器，因此难以在大规模筛查中使用。倘若直接让受试者前往医院去接受脑电图、磁共振图像等检查，其费用高昂，增加受试者经济和心理负担的同时，受试者还可能出现不愿前往医院的抵触心理。出于以上种种原因，癫痫的大规模筛查难以普及。

技术实现思路

1、第一方面，本发明提供了一种基于胃肠电信号的癫痫预测系统，其特征在于，包括：

2、数据库，用于存储数据，所述数据的类型为胃肠电信号数据，所述胃肠电信号数据包括餐前胃部的导联时间差、餐前肠部的导联时间差、餐前肠部的主功率比、餐前肠部的正常慢波百分比、餐后胃部的波形平均频率、餐后肠部的导联时间差和餐前餐后胃部的主功率比差值；所述数据包括来自样本人群的样本数据和来自受试者的受试者数据；

3、数据获取模块，用于获取所述数据，并将所述数据存储于所述数据库；

4、模型训练模块，所述模型训练模块利用机器学习算法对所述样本数据进行训练学习，从而确定癫痫发生风险预测模型；

5、预测模块，所述预测模块通过所述数据获取模块获取所述受试者数据，并调用所述癫痫发生风险预测模型对所述受试者数据进行分析，用以预测所述受试者发生癫痫的概率。

6、在一些实施例中，所述样本数据以7:3的比例被分为训练集和验证集。

7、在一些实施例中，所述胃肠电信号数据通过分别位于胃体、胃窦、小弯、大弯、升结肠、横结肠、降结肠和直肠的导联同时采集并取平均值得到。

8、在一些实施例中，所述系统进一步包括验证模块，所述验证模块用于利用所述验证集来评价所述癫痫发生风险预测模型的准确性，所述评价的评价指标包括区分度和/或临床实用性。

9、在一些实施例中，所述受试者为小于50岁的成年人。

10、第二方面，本发明提供了一种基于胃肠电信号的癫痫预测系统的构建方法，其特征在于，所述基于胃肠电信号的癫痫预测系统包括癫痫发生风险预测模型，所述方法包括以下步骤：

11、s1 获取来自样本人群的样本数据，所述样本数据的类型为胃肠电信号数据；

12、s2 对所述样本数据进行预训练以筛选出预测变量，所述筛选出的预测变量包括餐前胃部的导联时间差、餐前肠部的导联时间差、餐前肠部的主功率比、餐前肠部的正常慢波百分比、餐后胃部的波形平均频率、餐后肠部的导联时间差和餐前餐后胃部的主功率比差值；

13、s3 基于所述筛选出的预测变量，利用机器学习算法对所述样本数据进行训练学习，以建立所述癫痫发生风险预测模型，进而构建所述基于胃肠电信号的癫痫预测系统。

14、在一些实施例中，所述样本数据以7:3的比例被分为训练集和验证集。

15、在一些实施例中，所述预训练包括第一轮变量筛选和第二轮变量筛选；所述第一轮变量筛选包括lasso回归分析，所述第二轮变量筛选包括逻辑回归分析和逐步回归分析。

16、在一些实施例中，所述方法进一步包括s4利用所述验证集来评价所述癫痫发生风险预测模型的准确性，所述评价的评价指标包括区分度和/或临床实用性。

17、在一些实施例中，所述预训练包括岭回归或随机森林模型。

18、与现有技术相比，本发明的有益效果至少包括以下方面：

19、本发明提供了一种基于胃肠电信号的癫痫预测系统及构建方法。本发明在采集并计算餐前（或餐后）胃部（或肠部）的波形平均幅值、波形平均频率、电节律紊乱百分比、波形反应面积、导联时间差、主频率、主功率比、正常慢波百分比、偶联百分比的36个指标基础之上，创造性地设计并引入了餐前餐后胃部（或肠部）的波形平均幅值、波形平均频率、胃（肠）电节律紊乱百分比、波形反应面积、导联时间差、主频率、主功率比、正常慢波百分比或偶联百分比的差值作为胃肠电信号的新指标（共计18个，简称为差值指标）。基于此，本发明通过lasso回归分析、逻辑回归分析和逐步回归分析对样本数据中这54个特征变量进行预训练（特征筛选），最终保留了“餐前胃部的导联时间差、餐前肠部的导联时间差、餐前肠部的主功率比、餐前肠部的正常慢波百分比、餐后胃部的波形平均频率、餐后肠部的导联时间差和餐前餐后胃部的主功率比差值”这7个预测变量，并基于上述7个预测变量构建了癫痫发生风险预测模型。结果显示，本发明的餐前餐后胃部（或肠部）的差值指标的引入，能够一定程度上反映癫痫患者与健康人群的差异，进而有助于提升癫痫发生风险预测模型的准确性和通用性。

20、癫痫的大规模筛查至关重要。部分癫痫患者的癫痫发作频率不高（例如一年发作几次）又症状轻微，因此很容易忽略自己的癫痫发作症状。而另一部分患者，其可能患有非癫痫的发作性疾病（例如神经症性发作、短暂性脑缺血发作），却时常担心自己患有癫痫，因此通常具有较高的心理负担。现有的癫痫的诊断主要依赖患者的病史资料以及脑电图、磁共振图像等检查。然而，出于时间、人力资源、经费有限等原因，这种标准的癫痫诊断方式无法应用至癫痫的大规模筛查。本发明提供的癫痫预测系统和方法所基于的癫痫发生风险预测模型，只需要受试者的上述胃肠电指标数据，无创、程序简单、价格低廉，且无需额外的检查，即可对受试者的癫痫发生风险进行预测，因此受试者接受度和配合度高，有利于癫痫的大规模筛查的推广，并为癫痫的诊断提供辅助性诊断依据。

21、此外，本发明提供的癫痫预测系统不受受试者年龄、文化程度的限制，也不受就诊过程中沟通和理解上的障碍、医生个人经验的影响，在无需采集详细的病史资料的情况下，能够相对客观和无创地对受试者数据进行分析和预测，尤其适用于对较大人群（例如社区、体检中心）进行癫痫的初步、大规模筛查。

22、综上所述，本发明提供的癫痫预测系统和方法，不仅有助于辅助临床评价，而且有助于个体化预测，适用于多种应用场景（例如，基层医疗机构、家庭、医院、体检中心）和人群。

技术特征：

1.一种基于胃肠电信号的癫痫预测系统，其特征在于，包括：

2.如权利要求1所述的系统，其特征在于，所述样本数据以7:3的比例被分为训练集和验证集。

3.如权利要求1所述的系统，其特征在于，所述胃肠电信号数据通过分别位于胃体、胃窦、小弯、大弯、升结肠、横结肠、降结肠和直肠的导联同时采集并取平均值得到。

4.如权利要求2所述的系统，其特征在于，所述系统进一步包括验证模块，所述验证模块用于利用所述验证集来评价所述癫痫发生风险预测模型的准确性，所述评价的评价指标包括区分度和/或临床实用性。

5.如权利要求1所述的系统，其特征在于，所述受试者为小于50岁的成年人。

6.一种基于胃肠电信号的癫痫预测系统的构建方法，其特征在于，所述基于胃肠电信号的癫痫预测系统包括癫痫发生风险预测模型，所述方法包括以下步骤：

7.如权利要求6所述的方法，其特征在于，所述样本数据以7:3的比例被分为训练集和验证集。

8.如权利要求6所述的方法，其特征在于，所述预训练包括第一轮变量筛选和第二轮变量筛选；所述第一轮变量筛选包括lasso回归分析，所述第二轮变量筛选包括逻辑回归分析和逐步回归分析。

9.如权利要求7所述的方法，其特征在于，所述方法进一步包括s4利用所述验证集来评价所述癫痫发生风险预测模型的准确性，所述评价的评价指标包括区分度和/或临床实用性。

10.如权利要求6所述的方法，其特征在于，所述预训练包括岭回归或随机森林模型。

技术总结
本发明涉及疾病预测领域，具体涉及一种基于胃肠电信号的癫痫预测系统及构建方法。本发明提供了一种癫痫预测系统，包括：数据库，用于存储数据，所述数据的类型包括胃肠电信号数据；所述胃肠电信号数据包括餐前胃部的导联时间差、餐前肠部的导联时间差、餐前肠部的主功率比、餐前肠部的正常慢波百分比、餐后胃部的波形平均频率、餐后肠部的导联时间差和餐前餐后胃部的主功率比差值；预测模块，用以预测所述受试者发生癫痫的概率。本发明还提供了上述癫痫预测系统的构建方法。本发明提供的癫痫预测系统，只需要受试者的上述胃肠电信号数据，无创、程序简单、价格低廉，有利于癫痫的大规模筛查的推广，并为癫痫的诊断提供辅助性诊断依据。

技术研发人员：陈蕾,季舒铭,刘著,黄子介
受保护的技术使用者：四川大学华西医院
技术研发日：
技术公布日：2024/4/22