用于糖尿病患者的心血管病动态风险预测模型的

本发明涉及医疗信息处理，尤其涉及一种用于糖尿病患者的心血管病动态风险预测模型的构建方法及其应用。背景技术：1、糖尿病及其相关并发症一直是发达国家和不发达国家发病率和死亡率的主要因素。随着对糖尿病管理的深入了解，高危患者以心肾并发症为中心的药物选择策略越来越受到重视。钠-葡萄糖共转运蛋白-2抑制剂(sglt2i)和胰高血糖素样肽-1受体激动剂(glp-1ra)显示出强大的肾脏心血管保护作用，被推荐为高危患者的一线治疗。然而，评估2型糖尿病患者的心血管病风险仍然具有挑战性。2型糖尿病患者对sglt2i和glp-1ra的反应各不相同，并非每个人都能以成本效益高的方式受惠。所以，准确评估个体的心血管疾病风险和为患者选择正确的治疗方法仍然是一个尚未满足的临床需求。2、目前的心血管疾病风险评估工具，如framingham风险评分工具、advance风险评分工具、score-2风险评分工具和ascvd风险评估工具，主要针对高加索人，在其他队列的验证有限。当应用于糖尿病这种特定人群时，从普通人群中开发的风险评估工具无法准确地预测糖尿病患者的心血管病风险。事实上，随着糖尿病进展过程的变化，糖尿病患者的心血管病风险状况也会发生变化，此时静态模型将无法保证评估结果的准确性。3、因此，亟需一种用于糖尿病患者的心血管病动态风险预测模型，以动态、准确地预测糖尿病患者的心血管病风险状况，为患者选择合适的治疗方法提供可靠的数据支撑，降低患者死亡率。技术实现思路1、本发明提供一种用于糖尿病患者的心血管病动态风险预测模型的构建方法及其应用，用以解决现有技术无法准确预测糖尿病患者的心血管病风险的缺陷。2、本发明提供一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，包括：3、获取目标人群的基线数据和随访数据，其中，随访数据包括目标人群多次被随访的随访数据，目标人群包括多次随访结束后在预设时间范围内发生心血管病终点事件的2型糖尿病患者群体和多次随访结束后在预设时间范围内未发生心血管病终点事件的2型糖尿病患者群体，以及，目标人群包括经过目标糖化血红蛋白小于6.0％的强化降糖治疗或卡格列净治疗的2型糖尿病患者群体和经过目标糖化血红蛋白7.0-7.9％的标准降糖治疗或安慰剂治疗的2型糖尿病患者群体；4、根据目标人群的基线数据和随访数据，基于机器学习算法，训练得到用于糖尿病患者的心血管病动态风险预测模型。5、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，基线数据包括以下任一项或其任意组合：人口学特征数据、第一身体测量数据、病史数据、用药史数据、第一化验数据，其中，人口学特征数据包括以下任一项的数据或其任意组合：年龄、性别、种族，第一身体测量数据包括以下任一项的数据或其任意组合：身高、体重、身体质量指数(bmi)、收缩压、舒张压、心率，病史数据包括以下任一项的数据或其任意组合：是否吸烟、高血压、心衰、高脂血症、心血管病史、糖尿病微血管并发症(例如糖尿病肾病、糖尿病自主神经病变、糖尿病视网膜病变)，用药史数据包括以下任一项的数据或其任意组合：是否使用胰岛素、是否使用其他口服降糖药(例如，双胍类药物如二甲双胍等、磺脲类药物如格列齐特等、格列奈类药物如瑞格列奈等、噻唑烷二酮类如吡格列酮等、α-葡萄糖苷酶类如阿卡波糖等、二肽基肽酶-ⅳ如西格列汀等)、是否使用降压药、是否使用降脂药、是否使用其他心血管药物(例如，抗血小板药物如阿司匹林等，抗凝药物如利伐沙班等)，第一化验数据包括以下任一项的数据或其任意组合：糖化血红蛋白、肾小球滤过率、血肌酐、谷丙转氨酶、尿蛋白肌酐比、甘油三酯、总胆固醇、高密度脂蛋白、低密度脂蛋白。6、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，随访数据包括以下任一项或其任意组合：第二身体测量数据、第二化验数据、干预信息，其中，第二身体测量数据包括以下任一项的数据或其任意组合：身体质量指数、收缩压、舒张压，第二化验数据包括以下任一项的数据或其任意组合：糖化血红蛋白、肾小球滤过率、血肌酐、谷丙转氨酶、尿蛋白肌酐比、甘油三酯、总胆固醇、高密度脂蛋白、低密度脂蛋白，干预信息包括随访时间信息和/或是否使用心血管获益降糖药(包括钠-葡萄糖协同转运蛋白2抑制剂卡格列净、达格列净、恩格列净等，及胰高血糖素样肽1激动剂利拉鲁肽、度拉糖肽等)的信息。7、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，心血管病终点事件包括以下中的任一种或其任意组合：心血管死亡、非致死性心肌梗死、非致死性卒中、因心衰住院治疗。8、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，所述根据目标人群的基线数据和随访数据，基于机器学习算法，训练得到用于糖尿病患者的心血管病动态风险预测模型，包括：9、对基线数据进行预处理；10、对随访数据进行功能主成分分析，得到随访主成分数据；11、根据预处理后的基线数据和随访主成分数据，通过xgboost算法进行生存分析，训练心血管病动态风险预测模型学习预处理后的基线数据和随访主成分数据与目标人群多次随访结束后在预设时间范围内是否发生心血管病终点事件之间的关系，以得到用于糖尿病患者的心血管病动态风险预测模型。12、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，所述对基线数据进行预处理，包括：13、采用随机森林插补策略，对基线数据中的缺失数据进行数据插补处理；14、对于基线数据中的非正态性数据，进行对数转换，对于对数转换后的连续型变量，进行标准化处理，并根据预设滤除标准滤除基线数据中的极端数据。15、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，所述对随访数据进行功能主成分分析，得到随访主成分数据，包括：16、将目标人群中随访数据的变量记为x，变量x随时间t的变化轨迹记为x(t)＝[x1(t),…,xn(t)]，其中，对于目标群体的个体i，将个体i的变量x随时间t的变化情况记为xi(t)；17、将变量x随时间t的变化轨迹x(t)分解为均值函数表示μ(t)和协方差函数表示k(s,t)，其中，协方差函数表示表示时间点s和时间点t之间的变量x在时间点s和时间点t的值的协方差；18、将变量x随时间t的变化轨迹x(t)的主成分记为φ(t)，主成分φ(t)解释变量x随时间t的变化轨迹x(t)方差的比例记为λ；19、根据均值函数表示μ(t)和变量x随时间t的变化轨迹x(t)的随访主成分φ(t)，得到个体i各个变量x的随访主成分评分；20、根据目标群体中所有个体的各个变量的随访主成分评分，得到随访主成分数据。21、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，所述根据均值函数表示μ(t)和变量x随时间t的变化轨迹x(t)的随访主成分φ(t)，得到个体i各个变量x的随访主成分评分，包括：22、根据均值函数表示μ(t)和变量x随时间t的变化轨迹x(t)的主成分φ(t)，利用第一表达式，得到个体i各个变量x的随访主成分评分，23、其中，第一表达式为：24、25、第一表达式中，ξik表示个体i第k个变量x的随访主成分评分，xi(t)表示个体i的变量x随时间t的变化情况，μ(t)表示目标群体的变量x随时间t的变化轨迹x(t)的均值函数表示，φk(t)表示第k个主成分，∈i表示测量误差。26、根据本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法，心血管病动态风险预测模型的损失函数表达式为：27、28、损失函数表达式中，l表示模型损失，xi表示协变量，β表示变量系数，i:δi＝1表示多次随访结束后在预设时间范围ti内实际出现心血管病终点事件的糖尿病患者i，i:δi＝0表示多次随访结束后在预设时间范围ti内实际未发生结局事件的糖尿病患者，j∈r(ti)表示在预设时间范围ti之后仍在研究中的个体。29、在本发明的用于糖尿病患者的心血管病动态风险预测模型的构建方法中，还包括临床意义验证步骤，所述临床意义验证步骤包括分析基于本发明的预测模型对患者的心血管病风险程度的危险分层与心血管终点事件发生的关系，如果所述危险分层与心血管终点事件发生呈正相关，则判断所述预测模型的准确性高。30、本发明还提供一种用于糖尿病患者的心血管病动态风险预测模型的构建系统，包括：31、数据获取模块，用于：获取目标人群的基线数据和随访数据，其中，随访数据包括目标人群多次被随访的随访数据，目标人群包括多次随访结束后在预设时间范围内发生心血管病终点事件的2型糖尿病患者群体和多次随访结束后在预设时间范围内未发生心血管病终点事件的2型糖尿病患者群体，以及，目标人群包括经过目标糖化血红蛋白小于6.0％的强化降糖治疗或卡格列净治疗的2型糖尿病患者群体和经过目标糖化血红蛋白7.0-7.9％的标准降糖治疗或安慰剂治疗的2型糖尿病患者群体；32、模型训练模块，用于：根据目标人群的基线数据和随访数据，基于机器学习算法，训练得到用于糖尿病患者的心血管病动态风险预测模型。33、本发明还提供一种糖尿病患者的心血管病动态风险预测系统，包括：34、第一数据接收模块，用于：接收待测者的基线数据和随访数据，待测者为2型糖尿病患者群体；35、第一预测模块，用于：根据待测者的基线数据和随访数据，通过上述任一项所述的用于糖尿病患者的心血管病动态风险预测模型的构建方法得到的心血管病动态风险预测模型，得到待测者在预设时间范围内发生心血管病终点事件的概率数据。36、根据本发明提供的一种糖尿病患者的心血管病动态风险预测系统，还包括：37、风险程度判定模块，用于：根据待测者在预设时间范围内发生心血管病终点事件的概率数据，判定待测者的心血管病风险程度，心血管病风险程度包括高风险、中风险、低风险。38、本发明还提供一种药物疗效评估系统，包括：39、第二数据接收模块，用于：接收治疗人群的基线数据和随访数据以及对照人群的基线数据和随访数据，其中，治疗人群为经过目标糖化血红蛋白小于6.0％的强化降糖治疗或卡格列净治疗的2型糖尿病患者群体，对应的，对照人群为经过目标糖化血红蛋白7.0-7.9％的标准降糖治疗或安慰剂治疗的2型糖尿病患者群体，基线数据为2型糖尿病患者群体治疗前的基线数据，随访数据为2型糖尿病患者群体经治疗后进行随访的随访数据；40、第二预测模块，用于：根据治疗人群的基线数据和随访数据，通过上述任一项所述的用于糖尿病患者的心血管病动态风险预测模型的构建方法得到的心血管病动态风险预测模型，得到治疗人群在预设时间范围内发生心血管病终点事件的概率数据；41、第三预测模块，用于：根据对照人群的基线数据和随访数据，通过心血管病动态风险预测模型，得到对照人群在预设时间范围内发生心血管病终点事件的概率数据；42、药物疗效评估模块，用于：根据治疗人群在预设时间范围内发生心血管病终点事件的概率数据和对照人群在预设时间范围内发生心血管病终点事件的概率数据，评估不同治疗对治疗人群在预设时间范围内发生心血管病终点事件的概率的影响。43、本发明还提供的一种药物应答者评估系统，包括：44、第三数据接收模块，用于：接收治疗者的基线数据和随访数据，其中，治疗者为经治疗后的2型糖尿病患者，治疗的种类包括目标糖化血红蛋白小于6.0％的强化降糖治疗和卡格列净治疗，随访数据包括治疗者经治疗后多次被随访的随访数据；45、第四预测模块，用于：根据治疗者的基线数据和治疗者经治疗后多次被随访中前一次的随访数据，通过上述任一项所述的用于糖尿病患者的心血管病动态风险预测模型的构建方法得到的心血管病动态风险预测模型，得到治疗者在预设时间范围内发生心血管病终点事件的第一概率，并根据治疗者的基线数据和治疗者经治疗后多次被随访中后一次的随访数据，通过心血管病动态风险预测模型，得到治疗者在预设时间范围内发生心血管病终点事件的第二概率；46、药物应答者评估模块，用于：当治疗者在预设时间范围内发生心血管病终点事件的第二概率低于治疗者在预设时间范围内发生心血管病终点事件的第一概率时，判定治疗者为对应种类治疗的药物应答者。47、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用于糖尿病患者的心血管病动态风险预测模型的构建方法。48、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用于糖尿病患者的心血管病动态风险预测模型的构建方法。49、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用于糖尿病患者的心血管病动态风险预测模型的构建方法。50、本发明提供的一种用于糖尿病患者的心血管病动态风险预测模型的构建方法及其应用，结合基线数据和随访数据，基于机器学习算法，训练得到专用于2型糖尿病患者的心血管病动态风险预测模型。通过分析基于本发明的预测模型对患者的心血管病风险程度的危险分层与心血管病终点事件发生的关系，验证了本发明的预测模型的准确性高。本发明的预测模型能够准确预测糖尿病患者在预设时间范围内发生心血管病终点事件的概率，得到糖尿病患者的心血管病动态风险情况，有利于评估药物治疗对患者的疗效，确定药物应答者，建立准确的临床选择策略，指导临床进一步精准用药，该心血管病动态风险预测模型在糖尿病并发症监测和治疗选择中的临床应用前景非常广阔。