(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111645078.5 (22)申请日 2021.12.3 0 (71)申请人 吉林大学第一医院 地址 130021 吉林省长 春市新民大街71号 (72)发明人 丁艳华　阿儒汗　朱晓雪　陈红　 张洪　李晓娇　胡月　 (74)专利代理 机构 北京预立 生科知识产权代理 有限公司 1 1736 代理人 李红伟 (51)Int.Cl. G16H 50/30(2018.01) G06K 9/62(2022.01) (54)发明名称 一种非肥胖性MAFLD 的预测系统、 设备及存 储介质 (57)摘要 本发明涉及一种非肥胖性MAFLD的预测系 统、 设备及存储介质。 针对目前尚未出现较好的 通过无创方法用来精准评价和诊断MAFLD的方 法， 尤其是隐蔽性更好的非肥胖MAFLD， 其无创检 测方法的开发十分必要， 本申请提供了一种基于 样本的临床指标和实验室指标建立无创的非肥 胖性MAFLD的预测系统， 为临床上对非肥胖性 MAFLD的准确诊断奠定 基础。 权利要求书2页 说明书8页 附图5页 CN 114242247 A 2022.03.25 CN 114242247 A 1.一种非肥 胖性MAFLD的预测系统， 包括： 获取单元， 用于获取样本的血清检测数据、 肝脏硬度数据和肝脏 脂肪变性数据； 筛选单元， 用于根据样本临床数据中的体重和身高获得BMI数值， 筛选出BMI数值小于 体重阈值的样本作为非肥 胖性样本； 特征提取单元， 用于提取所述非肥胖性样本的血清检测数据、 肝脏硬度数据和肝脏脂 肪变性数据中的ALT、 i nsulin、 CAP、 IL6、 CK18、 TC数据特 征； 第一分类单元， 用于将所述ALT、 insulin、 CAP、 IL6数据特征输入训练好的脂肪肝分类 模型中， 得到样本的第一分类结果； 优选的， 所述脂肪肝分类模型首先基于ALT、 ALT和 insulin、 ALT和in sulin和CAP、 ALT和in sulin和CAP和IL6 数据特征判断样本是否为脂肪 肝， 给出第一分类结果为有脂肪肝或无脂肪肝， 当判定结果为无脂肪肝， 终止 分类， 给出第一分 类结果为无脂肪肝； 当判定结果为有脂肪肝， 将基于CAP、 CAP和CK18、 CAP和CK18和TC数据特 征判断样本为轻度脂肪肝或 中‑重度脂肪肝， 给出第一分类结果为轻度脂肪肝或 中‑重度脂 肪肝； 第二分类单元， 用于将所述CAP、 insulin、 ALT、 CK18数据特征输入训练好 的LFC含量回 归模型中， 得到LFC含量预测值， 基于所述LFC含量预测值得到样 本的第二分类结果， 所述第 二分类结果为无脂肪肝或轻度脂肪肝或中 ‑重度脂肪肝； 优选的， 所述LFC含量回归模型基 于CAP和CK18、 CAP和ALT、 CAP和ALT和i nsulin数据特征预测样本LFC含量预测值； 融合单元， 用于将所述第一分类结果和第二分类结果进行结果加权融合， 得到样本非 肥胖性MAFLD风险的分类结果。 2.一种非肥 胖性MAFLD的预测方法， 包括： 获取样本的临床数据、 血清检测数据、 肝脏硬度 数据和肝脏脂肪变性数据； 根据样本临 床数据中的体重和身高获得BMI数值， 筛选出BMI数值小于体重阈值的样本作为 非肥胖性样 本； 将所述非肥胖性样本的血清检测数据、 肝脏硬度 数据和肝脏脂肪变性数据输入训练好 的脂肪肝分类模型中， 得到样本的第一分类结果； 将所述非肥胖性样本的血清检测数据、 肝脏硬度 数据和肝脏脂肪变性数据输入训练好 的LFC含量回归模 型中， 得到LFC含量预测值， 基于所述LFC含量预测值得到样 本的第二分类 结果； 将所述第一分类结果和第二分类结果进行结果融合， 得到样本非肥胖性MAFLD风险的 分类结果。 3.根据权利要求2中所述的非肥胖性MAFLD的预测方法， 其特征在于， 所述血清检测数 据包括： AST、 ALT、 TC、 CK18、 insulin、 IP10、 PLT的数据； 所述肝脏硬度数据包括LSM的数据； 所述肝脏脂肪变性数据包括CAP的数据； 可选的， 将血清检测数据、 肝脏硬度数据和肝脏脂 肪变性数据进行 预处理， 优选的， 所述预处 理包括归一 化处理。 4.根据权利要2中所述的非肥胖性MAFLD的预测方法， 其特征在于， 所述脂肪肝分类模 型包括有无脂肪肝分类模型， 所述有无脂肪肝分类模型用于判断样本是否为脂肪肝， 给出 第一分类结果 为有脂肪肝或无脂肪肝； 优选的， 所述脂肪肝分类模型包括有无脂肪肝分类模型和轻重度脂肪肝分类模型， 当 判定结果为无脂肪肝， 终止分类， 给出第一分类结果为无脂肪肝； 当判定结果为有脂肪肝，权　利　要　求　书 1/2 页 2 CN 114242247 A 2将所述血清检测数据、 肝脏硬度数据和 肝脏脂肪变性数据输入轻重度脂肪肝分类模型， 给 出第一分类结果 为轻度脂肪肝或中 ‑重度脂肪肝； 优选的， 所述分类模型选自下列机器学习 模型算法中的一种或几种： 逻辑 回归算法、 朴 素贝叶斯分类、 支持向量机分类、 支持向量机线性分类、 k近邻、 决策树、 随机森 林、 xgboost、 感知机算法。 5.根据权利 要求4中所述的非肥胖性MAFLD的预测方法， 其特征在于， 所述LFC含量回归 模型选自下列机器学习模型算法中的一种或几种用于计算样本LFC的含量预测值： 线性回 归、 逻辑回归、 多项式回归、 逐步回归、 岭回归、 套索回归、 弹性回归； 优选的， 所述LFC含量回 归模型采用回归决策树 算法计算样本LFC的含量预测值； 可选的， 所述第二分类结果 为无脂肪肝或轻度脂肪肝或中 ‑重度脂肪肝。 6.根据权利要求2中所述的非肥胖性MAFLD的预测方法， 其特征在于， 所述脂肪肝分类 模型包括特征提取模块和分类器， 所述特征提取模块用于提取所述样本的血清检测数据、 肝脏硬度数据和肝脏脂肪变性数据中的数据特征， 将所述数据特征输入所述分类器中， 得 到分类结果； 所述LFC含量回归模型包括特征提取模块和回归模块， 所述特征提取模块用于提取所 述样本的血清检测数据、 肝脏硬度数据和肝脏脂肪变性数据中的数据特征， 将所述数据特 征输入所述回归 模块中， 得到LFC含量预测值。 7.根据权利要求2中所述的非肥胖性MAFLD的预测方法， 其特征在于， 所述结果融合可 采用下列类型中的一种或几种： 简单加权 融合、 stacking、 blending、 boosting或bagging； 优选的， 所述简单加权融合包括 算术平均融合、 投票或排序融合。 8.一种非肥 胖性MAFLD的预测系统， 其特 征在于， 包括： 获取单元， 用于获取样本的血清检测数据、 肝脏硬度数据和肝脏 脂肪变性数据； 筛选单元， 用于根据样本临床数据中的体重和身高获得BMI数值， 筛选出BMI数值小于 体重阈值的样本作为非肥 胖性样本； 第一分类单元， 用于将所述非肥胖性样本的血清检测数据、 肝脏硬度数据和肝脏脂肪 变性数据输入训练好的脂肪肝分类模型中， 得到样本的第一分类结果； 第二分类单元， 用于将所述非肥胖性样本的血清检测数据、 肝脏硬度数据和肝脏脂肪 变性数据输入训练好的LFC含量回归模 型中， 得到LFC含量预测值， 基于所述LFC含量预测值 得到样本的第二分类结果； 融合单元， 用于将所述第一分类结果和第二分类结果进行结果融合， 得到样本非肥胖 性MAFLD风险的分类结果。 9.一种非肥 胖性MAFLD的预测设备， 包括： 存 储器和处 理器； 所述存储器用于存 储程序指令； 所述处理器用于调用程序指令， 当程序指令被执行时实现权利要求2 ‑7任意一项所述 的非肥胖性MAFLD的预测方法步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求2 ‑7任意一项所述的非肥 胖性MAFLD的预测方法步骤。权　利　要　求　书 2/2 页 3 CN 114242247 A 3