一种血液病自体外周血造血干细胞采集结果预测

作者：王韵壹、李英、熊慧卿

1.本发明涉及干细胞采集结果预测领域，尤其是涉及血液病自体外周血造血干细胞采集结果预测方法。

背景技术：

2.自体外周血造血干细胞移植是淋巴瘤、多发性骨髓瘤等多种恶性血液病的重要治疗手段。自体外周血造血干细胞采集的数量和质量是影响自体外周血造血干细胞移植疗效的重要因素。在临床实际操作中自体外周血造血干细胞动员采集失败案例时有发生，给患者及家属造成严重的心理压力、带来沉重的经济负担，因此预测自体外周血造血干细胞的采集结果是临床关注的重点问题。
3.目前，国内外对自体外周血造血干细胞采集结果的预测主要是单因素或多因素线性回归法。例如部分研究认为造血祖细胞与外周血cd34
+
细胞计数具有相关性，因此采用造血祖细胞计数法对外周血cd34
+
细胞计数进行预测。多因素线性回归法主要是利用患者性别、年龄、身高、体重、化疗情况、动员方案等因素与cd34
+
细胞计数存在相关性，因此采用其中多种因素对cd34
+
细胞计数进行预测。对于mnc仍无明确的预测方法。虽然上述方法能够在一定程度上预测自体外周血造血干细胞采集结果，然而由于自体外周血造血干细胞采集过程复杂，具有较强的非线性和个体差异，造成上述线性模型无法准确预测自体自体外周血造血干细胞采集结果。
4.针对上述问题，本发明通过选取与干细胞采集结果相关的部分指标，构建基于最小二乘支持向量机算法的自体外周血造血干细胞采集预测模型，能够实现自体外周血造血干细胞采集结果的精确预测，进而对临床医护人员的采集工作提供指导、提高pbsc采集成功率。

技术实现要素：

5.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种血液病自体外周血造血干细胞采集结果预测方法。
6.本发明的目的可以通过以下技术方案来实现：
7.一种血液病自体外周血造血干细胞采集结果预测方法，包括以下步骤：
8.1)收集血液病患者自体外周造血干细胞采集前和采集结果信息；
9.2)分析外周血造血干细胞采集前的各项指标与采集结果的相关性；
10.3)选取具有相关性的指标作为lssvm模型输入参数，采集后cd34
+
和mnc计数作为模型输出参数，对lssvm模型进行训练以建立预测模型；
11.4)选取测试样本，将相关参数输入训练后的lssvm模型，模型输出结果为患者外周造血干细胞采集预测结果，即cd34
+
和mnc计数。
12.5)根据测试样本的预测结果和真实结果计算模型预测相对误差，分别设置cd34
+
计数和mnc计数采集成功的安全系数。
13.优选地，所述的步骤1)，收集血液病患者自体外周造血干细胞采集前和采集结果信息，其中血液病患者自体外周造血干细胞采集前信息包括：患者基本信息(性别、年龄、身高、体重)，患病信息(患病类型、患病时间)，血液指标信息(红细胞和白细胞计数、血红蛋白含量、淋巴细胞比例)，采集结果信息(采集后cd34
+
计数和mnc计数)。
14.优选地，所述的步骤2)，分析外周血造血干细胞采集前的各项指标与采集结果的相关性，包括：分析患者干细胞采集前单个指标或多个指标与采集结果的相关性，相关性分析方法采用最小二乘相关系数。
15.优选地，所述步骤3)，选择步骤2)中具有相关性的指标作为lssvm模型输入参数，采集后cd34
+
和mnc计数作为模型输出参数，对lssvm模型进行训练以建立自体外周血造血干细胞采集结果预测模型。
16.优选地，所述的步骤4)，选取不同患者作为测试样本，将具有相关性的参数输入训练后的lssvm模型，模型输出结果为患者外周造血干细胞采集预测结果，即cd34
+
和mnc计数。
17.优选地，所述的步骤5)，根据测试样本的预测结果和真实结果计算模型预测误差，分别设置cd34
+
计数和mnc计数采集成功的阈值。包括：
18.计算lssvm模型cd34
+
计数预测的相对误差k1，以1-|k1|作为cd34
+
预测结果的安全系数，在模型实际使用过程中，将预测结果乘以1-|k1|对cd34
+
的预测结果进行修正。
19.计算lssvm模型mnc计数预测的相对误差k2，以1-|k2|作为mnc预测结果的安全系数，在模型实际使用过程中，将预测结果乘以1-|k2|对mnc的预测结果进行修正。
20.修正后的模型输出结果作为最终的干细胞采集结果，以此评价患者干细胞采集能否成功的评价标准。
21.与现有技术相比，本发明具有以下优点：
22.本发明的电池内短路定量预测患者干细胞采集结果，并且通过设置安全系数的方法提高干细胞采集的成功率。
附图说明
23.图1为本发明一实施例中一种血液病自体外周血造血干细胞采集结果预测方法的流程图；
24.图2为本发明一实施例中cd34
+
预测结果图；
25.图3为本发明一实施例中mnc预测结果图；
26.图4为本发明一实施例中cd34
+
预测误差图；
27.图5为本发明一实施例中mnc预测误差图。
具体实施方式
28.下面结合附图和具体实施例对本发明进行详细说明。
29.如图1所示，本发明提供一种血液病自体外周血造血干细胞采集结果预测方法，包含以下步骤。
30.1、收集血液病患者自体外周造血干细胞采集前和采集结果信息。
31.本实施例中共选取142例血液病患者收集外周造血干细胞采集前数据和采集结果
数据。其中血液病患者自体外周造血干细胞采集前信息包括：患者基本信息(性别、年龄、身高、体重)，患病信息(患病类型、患病时间)，血液指标信息(红细胞和白细胞计数、血红蛋白含量、淋巴细胞比例)，采集结果信息(采集后cd34
+
计数和mnc计数)。
32.2、分析外周血造血干细胞采集前的各项指标与采集结果的相关性；
33.分别计算患者自体外周造血干细胞采集前的各项信息与采集后cd34
+
计数和mnc计数之间的相关系数。由于相关系数的数值为[-1，1]，且越接近1相关性越大。本案例选择0.75作为相关性评价指标，当单个指标与采集后cd34
+
计数或mnc计数的相关系数大于0.75时，认为该指标与采集结果具有较强的相关性，可以作为模型的输入参数。
[0034]
3、选取具有相关性的指标作为lssvm模型输入参数，采集后cd34
+
和mnc计数作为模型输出参数，对lssvm模型进行训练以建立预测模型；
[0035]
本案例随机选择70％的血液病患者数据作为模型训练数据集，选择步骤2中与采集结果具有相关性的指标作为lssvm模型输入参数，分别以cd34
+
和mnc计数作为模型的输出参数，对lssvm模型进行训练来构建干细胞采集预测模型。
[0036]
4、选取测试样本，将相关参数输入训练后的lssvm模型，模型输出结果为患者外周造血干细胞采集预测结果，即cd34
+
和mnc计数。
[0037]
选择剩余30％的血液病患者数据作为模型验证数据集，将其相关性指标输入步骤3所构建的lssvm预测模型，将模型输出的cd34
+
和mnc计数作为初步预测结果。如图2为cd34
+
预测结果，图3为mnc预测结果。
[0038]
5、根据测试样本的预测结果和真实结果计算模型预测相对误差，分别设置cd34
+
计数和mnc计数采集成功的安全系数。
[0039]
考虑到模型误差的影响，本实施例根据步骤4模型的预测结果和真实采集结果分别计算cd34
+
计数和mnc计数的相对误差，分别如图4和图5所示，并分别提取cd34
+
计数和mnc计数的最大误差为err
max
(cd34
+
)和err
max
(mnc)。分别以1-|err
max
(cd34
+
)|和1-|err
max
(mnc)|作为cd34
+
计数和mnc计数预测结果的安全系数。
[0040]
在使用过程中，将cd34
+
预测结果乘以1-|err
max
(cd34
+
)|对其进行修正，将mnc预测结果乘以1-|err
max
(mnc)|对其进行修正，通过参考修正后的干细胞预测结果来帮助医护人员制定相应的干细胞采集策略，以此提高血液病自体外周血造血干细胞采集的成功率。