一种脓毒症预测模型的构建方法、系统、设备及

本发明涉及生物信息学，尤其涉及一种脓毒症预测模型的构建方法、系统、设备及介质。背景技术：1、传统的脓毒症辅助诊断方法采用sofa(sequential organ failure assessment)评分，sofa评分是通过测定主要器官的功能损害程度以对患者进行预后判断的评分系统(参见表1)，多用于icu病房。通常建议在入住icu后24h开始计算sofa评分，之后每48h再行计算，因此被称为“序贯”器官衰竭评估。由于需要各种检验数据以及序贯性评价，sofa评分对住院患者更加合适，但对于急诊科患者的快速诊断具有很大的局限性，由于急诊科接收病人时，病人一般需要马上接受治疗，难以采用sofa评分对病人进行24h后开始计算，采用sofa评分会导致急诊科患者错过最佳治疗时间。近年来，感染脓毒症的患者持续上升，未来icu将面临住院人数急剧上升和医护人员严重不足的情况，一定程度上将导致感染脓毒症的患者无法及时得到准确的诊断与治疗。2、3、4、表1sofa评分表5、因此，亟需一种脓毒症预测模型的构建方法，以通过脓毒症预测模型辅助医护人员快速、准确地诊断患者是否感染有脓毒症。技术实现思路1、本发明提供一种脓毒症预测模型的构建方法、系统、设备及介质，用以解决在住院人数急剧上升和医护人员严重不足的情况的情况下，sofa评分无法辅助医护人员快速、准确地诊断患者是否感染有脓毒症的缺陷。2、本发明提供一种脓毒症预测模型的构建方法，包括：3、获取脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据；4、根据脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，结合胶囊网络和transformer网络，训练得到脓毒症预测模型。5、在一种实施方案中，脓毒症患者群体包括以下任一项或其任意组合：尿路感染且具有轻度或短暂性器官功能障碍(int-uro)的患者群体、尿路感染且具有明显或持续的器官功能障碍(urosepsis,uro)的患者群体、具有病房脓毒症(bac-sep)的患者群体和具有重症监护病房脓毒症(icu-sep)的患者群体。6、在一种实施方案中，无感染脓毒症群体包括以下任一项或其任意组合：有尿路感染但无器官功能障碍(leuk-uti)的患者群体、没有脓毒症的重症监护病房(icu-nosep)患者群体、健康群体。7、在一种实施方案中，所述获取脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，包括：8、将脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据记为[x1,x2,x3,…,xn]，其中，元素xn＝(x1,x2,…,xp)＝[x1,x2,…,xp]t表示细胞n的基因表达量，xp表示基因p的表达量。9、在一种实施方案中，所述根据脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，结合胶囊网络和transformer网络，训练得到脓毒症预测模型，包括：10、根据脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，通过胶囊网络的主胶囊层，得到多个主胶囊；11、根据多个主胶囊，通过胶囊网络的胶囊层，利用动态路由法，得到多个胶囊向量；12、根据多个胶囊向量，通过transformer网络的自注意力机制层，得到多个胶囊向量的注意力得分；13、根据多个胶囊向量的注意力得分，通过transformer网络的密集层学习脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据之间的关系。14、在一种实施方案中，所述根据脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，通过胶囊网络的主胶囊层，得到多个主胶囊，包括：15、通过胶囊网络的主胶囊层，利用相似度权重w1，w2，...，wi将脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据[x1，x2，x3，...，xn]转移至多个主胶囊，多个主胶囊记为u1，u2，...，ui，其中，ui＝wixn。16、在一种实施方案中，所述根据多个主胶囊，通过胶囊网络的胶囊层，利用动态路由法，得到多个胶囊向量，包括：17、利用动态路由法，将多个主胶囊u1，u2，...，ui映射为多个第一向量，记为其中，wij表示权重矩阵；18、引入耦合系数cij，结合多个第一向量得到多个第二向量，记为19、对多个第二向量进行挤压，得到多个胶囊向量，记为20、进行多次动态路由迭代，得到多个最终的胶囊向量。21、在一种实施方案中，耦合系数cij的表达式为：其中bij表示耦合系数中的子系数，子系数bij的更新表达式为：22、在一种实施方案中，所述进行多次动态路由迭代，得到多个最终的胶囊向量，包括：23、初始化子系数bij；24、更新多个胶囊向量，即其中，25、利用子系数bij的更新表达式更新子系数bij，即，得到多个最终的胶囊向量；26、通过反向网络传播得到权重矩阵wij。27、在一种实施方案中，所述根据多个胶囊向量，通过transformer网络的自注意力机制层，得到多个胶囊向量的注意力得分，包括：28、根据多个最终的胶囊向量，通过transformer网络的自注意力机制层，利用注意力得分的计算式，得到多个最终的胶囊向量的注意力得分；29、其中，注意力得分的计算式为：q表示最终的胶囊向量的查询向量,k表示最终的胶囊向量的关键向量,v表示最终的胶囊向量的数值向量。30、在一种实施方案中，transformer网络的密集层具有150个神经元和sigmoid激活函数。31、脓毒症预测模型中，胶囊网络用于将有效的基因表达信息编码到胶囊层中，通过胶囊层识别不同类型和状态的细胞，而transformer网络则是用于通过自注意力机制计算胶囊网络输出的胶囊向量的注意力得分，通过密集层学习脓毒症与非脓毒症患者群体的单细胞rna测序数据之间的关系，量化两两基因之间的关系以及不同数据之间的相关程度并最终得出是否患有脓毒症的预测结果。32、本发明还提供一种脓毒症预测模型的构建系统，包括：33、数据获取模块，用于：获取脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据；34、模型构建模块，用于：根据脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，结合胶囊网络和transformer网络，训练得到脓毒症预测模型。35、本发明还提供一种脓毒症预测系统，包括：36、数据接收模块，用于：得到待测者的单细胞rna测序数据，待测者为被收入急诊科的患者，再优选地，待测者为发生感染的患者，更优选地，待测者为发生尿路感染的患者；37、预测模块，用于：根据待测者的单细胞rna测序数据，通过上述任一项所述的脓毒症预测模型的构建方法得到的脓毒症预测模型，得到待测者是否患有脓毒症的预测结果。38、在一种实施方案中，预测模块包括：39、注意力得分计算模块，用于：根据待测者的单细胞rna测序数据，通过上述任一项所述的脓毒症预测模型的构建方法得到的脓毒症预测模型，得到待测者的注意力得分；40、判断子模块，用于：当待测者的注意力得分大于预设得分阈值时，判定待测者患有脓毒症，当待测者的注意力得分等于或小于预设得分阈值时，判定待测者未患有脓毒症。41、本发明还提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现上述任一种所述的脓毒症预测模型的构建方法。42、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种所述的脓毒症预测模型的构建方法。43、本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述任一种所述的脓毒症预测模型的构建方法。44、本发明提供的一种脓毒症预测模型的构建方法、系统、设备及介质，结合胶囊网络和transformer网络，根据脓毒症患者群体的单细胞rna测序数据和无感染脓毒症群体的单细胞rna测序数据，训练得到具有更好解释性和更高准确性的脓毒症预测模型，其中，胶囊网络将有效基因的表达编码到胶囊层中，胶囊层可以识别不同类型和状态的细胞，而transformer网络则是通过自注意力机制计算两两基因的相互关系，量化不同数据之间的相关程度并最终得出结论，在使用脓毒症预测模型时，医护人员只需将待测者的单细胞rna测序数据输入脓毒症预测模型即可得到待测者是否患有脓毒症的预测结果，能够辅助医护人员快速、准确地诊断患者是否感染有脓毒症，合理制定精准的问诊和治疗方案，保证脓毒症患者得到及时的治疗，降低死亡率。