本發明提供一種基于人工智能的多維度腦卒中預防篩查方法，包括如下步驟：S1：將收集到的腦卒中三大維度的數據，通過網絡傳輸到云計算服務平臺，建立腦卒中病例數據庫；S2：根據步驟S1中建立的腦卒中病例數據庫，建立腦卒中預防篩查人工智能算法模型，根據腦卒中病例實際發病情況，驗證腦卒中預防篩查人工智能算法模型；S3：將腦卒中三大維度的數據輸入腦卒中相關數據輸入報告輸出設備中，并根據預防篩查人工智能算法模型，輸出腦卒中預防篩查報告。本發明提供的方法可幫助腦卒中預防篩查對象和醫生進行腦卒中風險管控，實現腦卒中預防全生命周期管理，有利于防范于未然，降低腦卒中發病率，減輕社會負擔。

技術領域

本發明涉及涉及存儲于云平臺的數據庫，腦卒中預防篩查方案軟件和腦卒中預防篩查硬件設備，屬于人工智能、大數據、生物醫療三大領域的交叉學科相關技術的應用，尤其涉及一種基于人工智能的多維度腦卒中預防篩查系統。

背景技術

腦卒中作為一種急性腦血管病，其主要臨床表現癥狀有腦組織缺血及出血性損傷，具體表現為高發病率、高致殘率、高死亡率和高復發率。作為一個不可逆的、復雜的、循序漸進的疾病過程，腦卒中沒有特定的金標準，家庭，社會危害性很大。通過對腦卒中預防篩查分析系統進行腦卒中篩查可以有效預防中風和對治療效果評估，提高病人預防意識。如果延緩中風發病年齡5-10年，將會減輕對家庭、國家、社會的經濟負擔和就醫負擔。

目前研究和論文成果可知，高血壓病、房顫或明顯的脈搏不齊、高膽固醇血癥及頸動脈狹窄被認為是腦卒中的致病因素，因為臨床結果證實對這些疾病的積極治療和控制可以明顯降低腦卒中的發生概率。吸煙、酗酒、胰島素抵抗以及糖尿病也被認為是腦卒中的致病因素。還有研究發現，環境污染、兒童時期糟糕的健康狀況、高風險飲食、營養攝入不足、缺乏運動、肥胖、血壓波動、睡眠呼吸障礙、慢性炎癥、慢性腎臟疾病、偏頭痛、激素紊亂、社會心理壓力、抑郁，工作壓力以及工作時間過長都會增加腦卒中的發生概率。

除了可引起早發性卒中的罕見高度穿透性孟德爾突變外，一些遺傳位點被證明與腦卒中的發生有關，例如12號染色體q24.12上靠近ALDH2基因區域與缺血性卒中有關；16號染色體q22上的ZFHX3基因以及4號染色體q25上的PITX2基因與心源性栓塞卒中有關；7號染色體p21上的HDAC9基因和1號染色體p13.2上靠近TSPAN2基因區域與大血管中風有關；6號染色體p25上靠近FOXF2基因區域與小血管疾病有關。

近年來尋找和篩查腦卒中高危人群血液生化標志物的研究逐漸引起人們的注意。在腦卒中早期病變、發病過程和干預治療過程中一些特異性的生化物質會釋放到血液中，或者血液中的一些常規指標濃度水平長期處于異常水平。現階段研究較多且關聯關系明確的腦卒中致病、發病生化因子主要有：LP-PLA2脂蛋白相關磷脂酶A2、HCY同型半胱氨酸、LP(a)脂蛋白a、hs-CRP超敏C反應蛋白、D-DD-二聚體、FDP纖維蛋白(原)降解產物、ACE血管緊張素轉換酶、IMA缺血修飾白蛋白、CHO膽固醇、TG甘油三酯、HDL-C高密度脂蛋白膽固醇、LDL-C低密度脂蛋白膽固醇、APOE載脂蛋白E、FFA游離脂肪酸、GSP糖化血清蛋白、GA糖化白蛋白等。目前這些生化指標的研究雖然有初步進展，但在臨床使用過程中都不是特別理想，單個生化指標雖然一般情況下都可以成為腦卒中致病或發病后的獨立風險因子或進展性指標，但是特異性不強，存在很大的誤差。由于腦卒中致病因素復雜，因此單獨的生化指標很難反映出疾病的進展情況。

目前臨床當中使用較廣的風險評估主要是弗萊明翰腦卒中風險評估量表，但是該評估方法由于其便捷性較高，采集對象的數據信息較少，因此對于腦卒中預防篩查能力十分有限。

因此，腦卒中預防篩查系統吸納一定量的量化血液生化生物標志物指標和日常監測指標有利于增加腦卒中預防篩查的精準性。由于納入腦卒中預防篩查系統指標的復雜多樣，就需要借助人工智能技術，找到數據中人不容易總結的組合規律，學習各種組合的可能性。隨著近些年機器學習與人工智能技術的高速發展，人工智能應用于腦卒中預防篩查系統成為可能，而且在臨床研究中取得了很好的效果。

發明內容