本發明公開了一種基于機器學習和代謝組學預測泌尿結石的系統，屬于基于新一代信息技術的醫學診斷領域。所述系統包括用于存儲由群體特征數據構成的數據庫裝置；用于接收受試者特征數據的輸入的數據輸入裝置；和用于基于所述數據庫中的特征數據利用機器學習方法建立預測模型，并利用所述預測模型基于所述受試者特征數據來預測受試者是否具有發生泌尿結石風險有泌尿結石發生風險預測裝置，其中，所述特征數據包括尿液異檸檬酸含量和尿液檸檬酸含量。本發明的系統，能夠基于受試者的特征數據，如尿液中異檸檬酸含量和檸檬酸含量，并基于機器學習，準確預測受試者的泌尿結石發生風險，從而進行早期干預，具有重要的臨床應用價值。

技術領域

本發明屬于基于新一代信息技術的醫學診斷領域，具體地，涉及一種基于機器學習和代謝組學預測泌尿結石的系統。

背景技術

泌尿結石（Nephrolithiasis）是晶體物質在泌尿系統的異常聚積所致，為泌尿系統的常見病，嚴重可引起尿路感染、腹痛、腎積水、腎功能衰竭等。泌尿結石發病率高，中國南方地區發病率高達5-10%，且易復發，手術后患者生活質量低，對患者家庭和社會負擔巨大，很多患者在出現癥狀之后才會發現結石，無法在早期及時評價結石風險，且對于結石手術后治療效果的評估、尚缺乏有效檢測方式。結石復發率極高，因此，建立合適的風險評估模型及檢測手段，對結石患者治療效果進行評估、預測患者結石復發或者發生風險具有重要的現實意義。

傳統確定結石的方法通常是醫學影像如B超、X線或者CT檢測，患者檢查時須已經產生結石，因此，此方法并不能用于早期結石預測。在評估結石患者的治療效果方面也有一定滯后性。

近年來，生物標志物的出現，如尿中草酸、尿酸及鈣等物質，使預測結石發生及評估結石患者治療效果成為可能。然而，人體具有一個整體的代謝系統，結石產生受多種因素綜合影響，現有的生物標志物缺乏整體研究數據。

代謝組學是通過研究生物體的大范圍代謝物變化情況，綜合評價生物的狀況。目前代謝組學已經在多個人類疾病研究領域得到應用。然而在泌尿結石方面，尚缺乏此類綜合數據，因此以代謝組學方法對泌尿結石進行研究更具有現實意義。

另一方面，基于其他表型的臨床泌尿結石診斷也具有重要的意義。然而，目前尚沒有將生物標志物和臨床表型結合進行泌尿結石預測的技術或方法報道。

發明內容

為了解決上述技術問題中的至少一個，本發明采用的技術方案如下：

本發明提供一種基于機器學習預測受試者泌尿結石發生風險的系統，包括：

數據庫裝置，用于存儲由群體特征數據構成的數據庫；

數據輸入裝置，用于接收受試者特征數據的輸入；

泌尿結石發生風險預測裝置，分別與所述數據庫裝置和所述數據輸入裝置連接，其用于基于所述數據庫中的特征數據利用機器學習方法建立預測模型，并利用所述預測模型基于所述受試者特征數據來預測受試者是否具有發生泌尿結石的風險，

其中，所述特征數據包括尿液異檸檬酸含量和尿液檸檬酸含量。

進一步地，所述特征數據還包括選自性別、體重、尿量、尿液草酸含量、尿鈣含量、尿肌酐含量、尿酸含量和年齡中的至少一種。

在本發明的一些實施方案中，所述特征數據包括尿液異檸檬酸含量、尿液檸檬酸含量和尿量。

在本發明的另一些實施方案中，所述特征數據包括尿液異檸檬酸含量、尿液檸檬酸含量和年齡。

在本發明的又一些實施方案中，所述特征數據包括尿液異檸檬酸含量、尿液檸檬酸含量、尿量和年齡。

在本發明的一些實施方案中，所述群體特征數據是指大批量如20個以上、50個以上、100個以上、500個以上或者更多個體的相應的特征數據，以及是否在一定時期內患泌尿結石的數據。在本發明的一些優選實施方案中，所述一定時期為1年。