家用血液檢測(cè)服務(wù)系統(tǒng)中診斷與預(yù)測(cè)算法的研究

傅成杰，閆維新，趙言正

(上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院 機(jī)器人研究所， 上海 200240)

近年來(lái)，心腦血管疾病的發(fā)病率呈逐年上升的趨勢(shì)，嚴(yán)重影響了人們的健康質(zhì)量[1]，如何快速有效地治療心腦血管疾病是當(dāng)前醫(yī)學(xué)界和整個(gè)社會(huì)關(guān)心的問(wèn)題。隨著心腦血管學(xué)的不斷發(fā)展，研究者發(fā)現(xiàn)心腦血管疾病的產(chǎn)生與炎癥的持續(xù)刺激有關(guān)，炎癥對(duì)其形成過(guò)程起到了重要作用，而C反應(yīng)蛋白(C-reactive protein,CRP)水平是臨床上炎癥的一種標(biāo)志物[1-2]，可作為炎癥診斷中的重要檢測(cè)指標(biāo)[3]。

隨著人們生活水平的提高，醫(yī)療檢測(cè)設(shè)備及分析技術(shù)也在不斷改善，其中C反應(yīng)蛋白的定量檢測(cè)技術(shù)受到了醫(yī)學(xué)界的普遍認(rèn)可，在病情檢測(cè)、疾病診斷等方面得到了廣泛的應(yīng)用[4]。然而，CRP相關(guān)檢測(cè)大多停留在檢測(cè)階段，無(wú)法提供病情診斷與預(yù)測(cè)等功能。另外，目前CRP檢測(cè)設(shè)備大多體積較大、操作復(fù)雜，只適合在醫(yī)院中使用。因此，研制出一種小型化、操作簡(jiǎn)單并能提供心腦血管疾病診斷與預(yù)測(cè)功能的家用血液檢測(cè)服務(wù)系統(tǒng)具有重要的意義。本文首先介紹了系統(tǒng)的整體設(shè)計(jì)，然后在系統(tǒng)基礎(chǔ)上詳細(xì)介紹了病情診斷算法和病情預(yù)測(cè)算法，最后通過(guò)分析算法實(shí)驗(yàn)驗(yàn)證了算法的準(zhǔn)確性。

1 系統(tǒng)設(shè)計(jì)

家用血液檢測(cè)服務(wù)系統(tǒng)是比較復(fù)雜的生機(jī)光電一體化系統(tǒng)，主要包括家用血液檢測(cè)設(shè)備和軟件系統(tǒng)。家用血液檢測(cè)設(shè)備主要由機(jī)械結(jié)構(gòu)和光電檢測(cè)模塊組成，軟件系統(tǒng)由下位機(jī)和上位機(jī)組成。下位機(jī)是嵌入式控制系統(tǒng)，上位機(jī)是人機(jī)交互平臺(tái)，包括安卓APP和Web服務(wù)端，負(fù)責(zé)數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析處理等功能。系統(tǒng)整體設(shè)計(jì)如圖1所示。

機(jī)械結(jié)構(gòu)是檢測(cè)設(shè)備實(shí)現(xiàn)定量檢測(cè)的基礎(chǔ)，由步進(jìn)電機(jī)、導(dǎo)軌滑塊、光電限位傳感器、推送裝置等組成。在下位機(jī)的控制驅(qū)動(dòng)下，可完成推送免疫層析試紙條、動(dòng)態(tài)掃描采樣等動(dòng)作。系統(tǒng)的整體機(jī)械結(jié)構(gòu)是實(shí)現(xiàn)自動(dòng)化檢測(cè)的保障。

光電檢測(cè)是檢測(cè)設(shè)備的關(guān)鍵模塊，對(duì)檢測(cè)結(jié)果起著不可替代的作用。為保證設(shè)備體積小、結(jié)構(gòu)緊湊，本文選用單光路結(jié)構(gòu)。同時(shí)，本文選擇較為成熟的光強(qiáng)與電流的雙閉環(huán)反饋電路來(lái)保證激發(fā)光光強(qiáng)的穩(wěn)定性，以外環(huán)光強(qiáng)反饋來(lái)調(diào)整激發(fā)光的光強(qiáng)，以內(nèi)環(huán)電流反饋來(lái)調(diào)整驅(qū)動(dòng)電流。光電檢測(cè)模塊掃描采樣得到的熒光光強(qiáng)信號(hào)由光電二極管(PD)轉(zhuǎn)換成電信號(hào)之后，經(jīng)放大電路、A/D轉(zhuǎn)換電路傳遞給上位機(jī)進(jìn)行后續(xù)的數(shù)據(jù)分析處理。

圖1 系統(tǒng)整體設(shè)計(jì)

下位機(jī)是家用血液檢測(cè)設(shè)備的神經(jīng)中樞。本文選擇TI公司的CC2640作為設(shè)備的主控芯片。下位機(jī)點(diǎn)亮光電檢測(cè)模塊的LED光源，驅(qū)動(dòng)機(jī)械結(jié)構(gòu)執(zhí)行相關(guān)動(dòng)作，完成對(duì)免疫層析試紙條的掃描采樣。下位機(jī)通過(guò)藍(lán)牙將熒光光強(qiáng)信號(hào)數(shù)據(jù)傳輸給上位機(jī)。

人機(jī)交互平臺(tái)即上位機(jī)，由安卓APP和Web服務(wù)端組成。安卓手機(jī)APP首先完成用戶的登錄功能，接著將從下位機(jī)通過(guò)藍(lán)牙傳輸過(guò)來(lái)的熒光光強(qiáng)信號(hào)數(shù)據(jù)緩存于對(duì)應(yīng)的用戶信息中。安卓手機(jī)緩存的數(shù)據(jù)可以通過(guò)網(wǎng)絡(luò)上傳到Web服務(wù)端，根據(jù)相應(yīng)算法完成對(duì)數(shù)據(jù)的處理得到C反應(yīng)蛋白的濃度，同時(shí)把數(shù)據(jù)展示在瀏覽器上或者存儲(chǔ)于本地的MySQL數(shù)據(jù)庫(kù)中。診斷與預(yù)測(cè)算法位于上位機(jī)，能根據(jù)現(xiàn)有的醫(yī)療數(shù)據(jù)和病歷對(duì)病情做出一定的診斷與預(yù)測(cè)。

2 病情診斷算法

病情診斷算法中，其中一個(gè)較有效的診斷方法是做一定的量化分析，進(jìn)行區(qū)間分段得到分類(lèi)標(biāo)準(zhǔn)。然后分析檢測(cè)得到的數(shù)據(jù)，找到對(duì)應(yīng)的分類(lèi)，從而得到病情診斷結(jié)果。但是對(duì)于通過(guò)CRP濃度來(lái)診斷心腦血管疾病的方式，并不能簡(jiǎn)單地采用少量的數(shù)字作為分段區(qū)間進(jìn)行分類(lèi)診斷，因?yàn)檫@樣獲得的診斷結(jié)果未考慮環(huán)境和個(gè)人因素，是比較粗糙的，病情診斷的準(zhǔn)確性較低。為解決這個(gè)問(wèn)題，本文采用以決策樹(shù)模型為基礎(chǔ)的病情診斷算法。由于具體的CRP檢測(cè)數(shù)據(jù)和病歷數(shù)據(jù)較少，即模型訓(xùn)練集較少，無(wú)法完成模型構(gòu)造，因此本文放棄重新構(gòu)造模型，尋找現(xiàn)有的決策樹(shù)模型參數(shù)進(jìn)行構(gòu)造，把查找到的CRP數(shù)據(jù)作為測(cè)試集對(duì)該模型進(jìn)行分類(lèi)準(zhǔn)確性評(píng)估[5]。圖2所示為病情診斷算法總體流程。

圖2 病情診斷算法總體流程

算法首先充分考慮環(huán)境因素和個(gè)人因素，得到C反應(yīng)蛋白診斷相關(guān)的有效判斷因子作為決策樹(shù)模型參數(shù)，即決策樹(shù)的節(jié)點(diǎn)。Shemesh等[6]對(duì)70余名心腦血管疾病患者進(jìn)行了2年多的跟蹤調(diào)查之后發(fā)現(xiàn)，在沒(méi)有任何干預(yù)措施的前提下，患者體內(nèi)的CRP濃度是相對(duì)恒定的，相比其他危險(xiǎn)因子如高血壓、膽固醇等更穩(wěn)定，可作為心腦血管疾病的獨(dú)立危險(xiǎn)因子。Chiriboga等[7]對(duì)583位健康的成年男女進(jìn)行了長(zhǎng)達(dá)4年的研究工作，按季節(jié)周期性地檢測(cè)他們的CRP濃度。其研究結(jié)果表明：不同性別的成年人的CRP平均濃度不同， 且CRP濃度會(huì)隨季節(jié)產(chǎn)生波動(dòng)，高峰期在11月，低谷期在5月。Rückerl等[8]對(duì)1 003名MI病人進(jìn)行每月CRP濃度檢測(cè)，通過(guò)分析發(fā)現(xiàn)采血之前患者是否有吸煙、喝酒和應(yīng)激等行為對(duì)其自身每月的CRP濃度沒(méi)有影響。孫亞超等[9]對(duì)120例心腦血管疾病患者及60名健康體檢者進(jìn)行研究，發(fā)現(xiàn)預(yù)后好轉(zhuǎn)健康組的平均CRP濃度高于普通健康組。

綜合各種資料可得決策樹(shù)的有效判斷因子，即決策樹(shù)節(jié)點(diǎn)(包括性別、季節(jié)、是否預(yù)后)，以及具體的分類(lèi)規(guī)則。圖3所示為CRP濃度相關(guān)的決策樹(shù)模型。

圖3 CRP濃度決策樹(shù)

3 病情預(yù)測(cè)算法

任何一個(gè)系統(tǒng)都有其自身已知和未知的信息[10]。信息完全可知的系統(tǒng)稱為白色系統(tǒng)；信息完全未知的系統(tǒng)稱為黑色系統(tǒng)；介于兩者之間的系統(tǒng)則稱為灰色系統(tǒng)。對(duì)于醫(yī)學(xué)科學(xué)來(lái)說(shuō)人體是一個(gè)復(fù)雜的系統(tǒng)，人體感染疾病是由多個(gè)已知和未知的子系統(tǒng)綜合作用產(chǎn)生的結(jié)果，因此人體是一個(gè)灰色系統(tǒng)。對(duì)心腦血管疾病進(jìn)行預(yù)測(cè)即對(duì)人體這個(gè)灰色系統(tǒng)進(jìn)行預(yù)測(cè)，這就需要預(yù)測(cè)算法運(yùn)用一定數(shù)學(xué)方法使信息不完全可知的系統(tǒng)經(jīng)處理后成為信息較明確的系統(tǒng)。以灰色預(yù)測(cè)模型為基礎(chǔ)的預(yù)測(cè)算法就是一種能實(shí)現(xiàn)該功能的算法[11]?；疑A(yù)測(cè)在流行病和疾病發(fā)病率等領(lǐng)域的預(yù)測(cè)方面得到了廣泛應(yīng)用[12]，本文將其應(yīng)用在心腦血管疾病的預(yù)測(cè)方面，即對(duì)CRP濃度的預(yù)測(cè)。

建立灰色預(yù)測(cè)模型的主要過(guò)程是首先得到原始數(shù)據(jù)，進(jìn)行初步處理后將其從無(wú)規(guī)律狀態(tài)變成較有規(guī)律狀態(tài)，之后對(duì)其進(jìn)行建模?；疑A(yù)測(cè)模型相比一般的統(tǒng)計(jì)預(yù)測(cè)模型的優(yōu)點(diǎn)是灰色預(yù)測(cè)不要求有大量的數(shù)據(jù)樣本，也不需要樣本有典型的概率分布，其計(jì)算簡(jiǎn)單、適用性較強(qiáng)。另外，灰色預(yù)測(cè)在短期范圍內(nèi)的預(yù)測(cè)效果佳[13]，這些都與CRP濃度預(yù)測(cè)性質(zhì)相符，滿足對(duì)心腦血管疾病預(yù)測(cè)的要求?；疑A(yù)測(cè)模型中最常用的是一個(gè)變量的一階微分方程G(1,1)模型，如圖4所示為以灰色預(yù)測(cè)模型為基礎(chǔ)的病情預(yù)測(cè)算法流程。

3.1 累加生成與均值生成

假設(shè)原始數(shù)據(jù)X(t)={x(1),x(2),…,x(n)}為弱化隨機(jī)性強(qiáng)化規(guī)律性，則需要對(duì)X(t)進(jìn)行一次累加，生成Y(t)。對(duì)Y(t)進(jìn)行均值處理，均值生成W(t)，具體見(jiàn)式(1)～(2)。

(1)

(2)

圖4 病情預(yù)測(cè)算法總體流程

3.2 建立G(1,1)模型

首先對(duì)Y(t)建立1階線性微分方程，即G(1,1)模型：

(3)

其中：a和u均為待定系數(shù)，a是發(fā)展灰數(shù)，u是灰色控制量。求解式(3)，其特解為

(4)

根據(jù)最小二乘法，估計(jì)參數(shù)向量為

(5)

(6)

(7)

3.3 求估計(jì)值并檢驗(yàn)?zāi)Ｐ蛿M合效果

將式(6)和(7)代入式(4)中，可得累加估計(jì)值為

(8)

(9)

(10)

3.4 外推預(yù)測(cè)

如果檢驗(yàn)?zāi)Ｐ偷臄M合效果不佳，則需要調(diào)整模型參數(shù)a和u進(jìn)行殘差修正，重新建立G(1,1)模型。如果兩者擬合效果較好，則該預(yù)測(cè)模型可進(jìn)行外推病情預(yù)測(cè)，外推公式為

(11)

4 實(shí)驗(yàn)分析

4.1 診斷算法實(shí)驗(yàn)分析

決策樹(shù)可以表達(dá)成IF-THEN的規(guī)則形式，從根節(jié)點(diǎn)到每一個(gè)葉節(jié)點(diǎn)的路徑都可以生成一條分類(lèi)規(guī)則。路徑上的各個(gè)屬性值由AND相連構(gòu)成IF部分，表示判斷條件；每個(gè)葉子節(jié)點(diǎn)構(gòu)成THEN部分，表示所屬的具體分類(lèi)。IF-THEN規(guī)則形成的分類(lèi)比較簡(jiǎn)單、易于理解。根據(jù)如圖3所示的決策樹(shù)模型，式(12)即表示其中一個(gè)具體規(guī)則。

IF 性別=男 AND 季節(jié)=春季 AND 是否預(yù)后=

是 AND 濃度<1.6 mg/L

THEN 結(jié)果=CRP濃度正常

(12)

將查找到的焦作市人民醫(yī)院2013年8月—2014年12月的CRP檢測(cè)數(shù)據(jù)作為測(cè)試集，對(duì)該決策樹(shù)模型進(jìn)行評(píng)估，由評(píng)估結(jié)果發(fā)現(xiàn)測(cè)試集的準(zhǔn)確率為88.45%，符合診斷要求，因此可利用該決策樹(shù)模型進(jìn)行病情診斷。

4.2 預(yù)測(cè)算法實(shí)驗(yàn)分析

選取焦作市人民醫(yī)院2014年某段時(shí)間連續(xù)7天的CRP濃度數(shù)據(jù)建立灰色預(yù)測(cè)模型，并校驗(yàn)?zāi)Ｐ偷臄M合效果。若擬合效果符合要求，則利用該模型外推預(yù)測(cè)之后2天的CRP濃度，并與這2天的實(shí)際檢測(cè)值作比較。表1為2014年某連續(xù)9天的CRP濃度值。

表1 2014年某連續(xù)9天的CRP濃度值

根據(jù)前文的病情預(yù)測(cè)算法，設(shè)置實(shí)驗(yàn)步驟如下：

1) 根據(jù)前7天的數(shù)據(jù)建立灰色預(yù)測(cè)模型G(1,1)模型，求得模型參數(shù)a=-0.012，u=1.840 6，代入式(8)求得G(1,1)模型為

(13)

表2 CRP濃度實(shí)際值與預(yù)測(cè)值

表3 預(yù)測(cè)精度檢驗(yàn)等級(jí)劃分

4) 根據(jù)式(11)做外推預(yù)測(cè)，得到后面2天的預(yù)測(cè)值，并與實(shí)際值進(jìn)行比較。作卡方檢驗(yàn)，求得對(duì)應(yīng)的顯著性差異水平P，如表4所示為預(yù)測(cè)檢驗(yàn)結(jié)果。

表4 CRP濃度實(shí)際值與預(yù)測(cè)值檢驗(yàn)結(jié)果

由表(4)中第8天和第9天的檢驗(yàn)結(jié)果P值可知，CRP濃度的實(shí)際值與預(yù)測(cè)值無(wú)顯著性差異，表明預(yù)測(cè)模型的結(jié)果是準(zhǔn)確的。

5 結(jié)束語(yǔ)

家用血液檢測(cè)服務(wù)系統(tǒng)包括家用血液檢測(cè)設(shè)備和軟件系統(tǒng)，其中軟件系統(tǒng)的上位機(jī)部分包含診斷與預(yù)測(cè)算法。本文在充分考慮C反應(yīng)蛋白濃度各個(gè)影響因素的前提下，設(shè)計(jì)了以決策樹(shù)模型為基礎(chǔ)的病情診斷算法和以灰色預(yù)測(cè)模型為基礎(chǔ)的病情預(yù)測(cè)算法。對(duì)兩種算法的實(shí)驗(yàn)結(jié)果表明，病情診斷算法的準(zhǔn)確度達(dá)到了系統(tǒng)的設(shè)計(jì)標(biāo)準(zhǔn)，同時(shí)病情預(yù)測(cè)算法的擬合效果佳，兩種算法均符合系統(tǒng)要求，表明家用血液檢測(cè)服務(wù)系統(tǒng)的診斷與預(yù)測(cè)算法具有一定的實(shí)用意義，可為有效輔助心腦血管疾病的醫(yī)學(xué)治療提供參考。

[1] 李小毓.超敏C反應(yīng)蛋白檢測(cè)對(duì)心腦血管病診斷的臨床意義[J].國(guó)際檢驗(yàn)醫(yī)學(xué)雜志,2014,35(15):2092-2093.

[2] 丁嬌.CRP、尿微量白蛋白與血脂聯(lián)合檢測(cè)對(duì)心血管疾病早期診斷的臨床價(jià)值分析[J].中西醫(yī)結(jié)合心血管病電子雜志,2017,5(13):49，52.

[3] 白彩娟,吉尚戎.C-反應(yīng)蛋白研究進(jìn)展及熱點(diǎn)爭(zhēng)議[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,49(3):361-369，376.

[4] ZHYDKOV A,CHRIST-CRAIN M,THOMANN R,et al.Utility of procalcitonin,C-reactive protein and white blood cells alone and in combination for the prediction of clinical outcomes in community-acquired pneumonia[J].Clinical Chemistry & Laboratory Medicine,2015,53(4):559-66.

[5] 趙紫奉,李韶斌,孔抗美.基于決策樹(shù)算法的疾病診斷分析[J].中國(guó)衛(wèi)生信息管理雜志,2011,8(5):67-69.

[6] SHEMESH T,ROWLEY K G,JENKINS A J,et al.C-reactive protein concentrations are very high and more stable over time than the traditional vascular risk factors total cholesterol and systolic blood pressure in an Australian aboriginal cohort.[J].Clinical Chemistry,2009,55(2):336.

[7] CHIRIBOGA D E,MA Y,LI W,et al.Seasonal and sex variation of high-sensitivity C-reactive protein in healthy adults:a longitudinal study[J].Clinical Chemistry,2009,55(2):313-21.

[8] RüCKERL R,PETERS A,KHUSEYINOVA N,et al.Determinants of the acute-phase protein C-reactive protein in myocardial infarction survivors:the role of comorbidities and environmental factors[J].Clinical Chemistry,2009,55(2):322.

[9] 孫亞超,鄭海軍.C-反應(yīng)蛋白檢測(cè)在心血管疾病檢測(cè)中的作用[J].中西醫(yī)結(jié)合心血管病電子雜志,2015,3(6):92-93.

[10] 周霞,邱宏,王鵬.灰色預(yù)測(cè)建模方法及在醫(yī)學(xué)中的應(yīng)用[J].數(shù)理醫(yī)藥學(xué)雜志,2007(1):73-75.

[11] 虞亞平.灰色關(guān)聯(lián)、聚類(lèi)、預(yù)測(cè)的研究及其在醫(yī)學(xué)方面的應(yīng)用[D].南通:南通大學(xué),2009.

[12] 李論.基于灰色預(yù)測(cè)模型的我國(guó)心腦血管疾病死亡率預(yù)測(cè)[J].現(xiàn)代電子技術(shù),2015,38(11):107-111.

[13] 周脈耕,楊功煥.灰色數(shù)列GM(1,1)模型在心腦血管疾病死亡預(yù)測(cè)中的應(yīng)用[J].中國(guó)公共衛(wèi)生,2002(5):117-119.