基于支持向量机的急性肾损伤早期诊断预测模型研究

Acute kidney injury (AKI) is common and critical complications in the hospital settings. The incidence and mortality has been increasing significantly. Criteria for the diagnosis of AKI rely heavily on measurements of serum creatinine and urine output. Critically ill patients may already have significant AKI even if their serum creatinine has not changed yet. Unfortunately no reliable diagnostic markers which can predict the AKI are currently available. Identification of markers that predict which of AKI is present would allow earlier and more appropriate therapy. Eight biomarkers, NGAL, KIM-1, IL-18, L-FABP, et al have been tested to various degrees in patients who already have kidney injury. Support vector machine (SVM) analysis is potentially more successful than the conventional statistical techniques in predicting early diagnosis when the relationship between variables that determine the diagnosis is complex, multidimensional and non-linear . The purpose of the current study was to develop databases of urine biomarker and prediction model of early diagnosis in AKI by using supprot vector machine analysis. The model aids the diagnosis of AKI prior to changes in kidney function and risk stratification. We may be on the verge of a new, more targeted definition and diagnostic criteria of AKI based on urine biomarkers.

急性肾损伤（Acute kidney injury，AKI）是临床上一种常见且严重的并发症，研究显示患者的发病率和死亡率都在逐年增加，其主要原因是AKI的诊断主要依靠肌酐和尿量的变化，而且肌酐和尿量只有在肾功能明显受损时才有可能检测出变化，目前尚无合适的分子标志物可以对AKI进行早期预测，如果能找到AKI早期诊断标志物将能够使患者得到及时有效的治疗。尿液中性粒细胞明胶酶相关脂质运载蛋白（NGAL）等分子标志物与肾功能损伤有关。支持向量机比传统的统计学分析在早期诊断预测方面的优势是能够处理复杂、多维以及非线性变量。 本申请拟建立急性肾损伤尿液分子标志物数据库，在此基础上构建包括NGAL等8项尿液标志物影响在内的急性肾损伤的早期诊断支持向量机预测模型，以期能够在肾功能发生变化前为临床的AKI诊断提供依据，为急性肾损伤的危险分层奠定基础。同时本研究也为AKI的定义及诊断标准提供了新途径。

一、背景：.急性肾损伤是临床上一种严重常见并发症。传统的急性肾损伤诊断金标准主要是依靠肌酐和尿量的变化，而且肌酐和尿量只有在肾功能明显受损时才有可能检测出变化，如果能找到AKI早期诊断标志物将能够使患者得到及时有效的治疗。尿液中性粒细胞明胶酶相关脂质运载蛋白（NGAL）等分子标志物与肾功能损伤有关。支持向量机比传统的统计学分析在早期诊断预测方面的优势是能够处理复杂、多维以及非线性变量。 因此本研究通过建立急性肾损伤尿液分子标志物数据库，并构建包括NGAL等至少8项尿液标志物影响在内的急性肾损伤的早期诊断支持向量机预测模型，更好的在肾功能发生变化前为临床的AKI诊断提供依据，改善AKI患者的预后提供了新方法。.二、主要研究内容：.1、肾移植患者尿液分子生物标志物数据的采集.2、构建尿液分子生物标志物数据库系统.3、支持向量机识别模型建立.将筛选出的急性肾损伤相关危险因素当做特征向量，在此基础上进一步构建支持向量机（SVM）分析系统模型（早期诊断）。.4、尿液分子生物标志物用于急性肾损伤早期诊断中的评估.三、重要结果.支持向量机方法大大提高了急性肾损伤早期诊断的效率。.四、关键数据.验证了采用支持向量机算法解决急性肾损伤早期诊断问题的有效性，诊断正确率达到了91.67%，说明支持向量机在急性肾损伤诊断中是较为合适的选择。.验证了基于SMOTE改进的急性肾损伤早期诊断模型的有效性，阳性样本的识别率达到了80%。；基于数据变换的处理方法在提高阳性样本识别率上没有基于SMOTE改进的急性肾损伤早期诊断方法效果好。.五、科学意义.急性肾损伤目前诊断方法的局限性导致了高死亡率，另外给患者造成巨大的经济负担。通过支持向量机模型的构建，使急性肾损伤诊断的效率大大提高。患者得到及时有效的治疗。由于中国人群的基数较大，诊断正确率的提高大大增加得到治疗的患者得具体数量。不仅具有重大的社会效益，同时也减轻了患者及社会的经济负担。

内容获取失败，请点击重试