通过基于评估血液透析患者的充分性Takagi-Sugeno-Kang模糊系统

文摘

维护血液透析是治疗终末期肾病的主要方法。的 值是血液透析充分性的黄金标准。然而, 需要反复抽血和评估;经常很难监测透析充分性。为了满足需要反复的临床评估透析充分性,我们想找一个非侵入性的方式来评估透析充分性。因此,我们收集一些临床相关数据和开发一个基于机器学习——(ML)模型预测临床血液透析患者透析充分性。我们收集250名患者,包括性别、年龄、超滤(UF)、predialysis体重(preBW) postdialysis身体重量(postBW)、血压(BP)、心率(HR)和血流量(BF)。一个高效的基于Takagi-Sugeno-Kang模糊系统(G-TSK-FS)模型提出了预测血液透析患者的透析充分性。均方根误差(RMSE)我们的模型是0.1578。该模型可以作为一个可行的方法来预测透析充分性,为临床实践提供一种新方法。我们G-TSK-FS模型可以作为一种可行的方法来预测透析充分性,为临床实践提供一种新方法。

1。介绍

维护的主要治疗终末期肾病血液透析是中国。足够的血液透析不仅延长生存时间1- - - - - -3),但也会降低透析并发症,提高生活质量,降低死亡率。 是最常用的指标来评估血液透析的充分性。英国肾脏病学会和肾脏疾病的结果质量倡议(K / DOQI)推荐最低 1.2。的 价值需要测量包级别(透析前后)和由Daugirdas计算公式( )。这种方法需要反复抽血和评估,因此很难经常监测透析的充分性。目前,一些临床研究人员使用身体监控组件(BCM)测量计算 价值。然而,BCM技术需要特殊设备,操作方法尚未形成一个统一的标准。BCM技术不能被广泛开发。因此,尤为重要的是,要找到一个更方便、简单、有效的方法来评估透析的充分性。

近年来,机器学习(ML)已广泛应用于医学领域,取得了良好的效果。例如,神经网络(4)和支持向量机(SVM) (5,6)被用来预测干重(DW)的血液透析病人。在生物信息学领域,许多毫升技术已经被用于药物发现(7- - - - - -9),蛋白质功能(10,11),和疾病分析(12]。

ML-based预测模型还可以用于快速估计透析的充分性。这种计算方法可以为临床实践提供参考。Takagi-Sugeno-Kang模糊系统(TSK-FS) (13- - - - - -15)可解释性好是众所周知的,16和近似精度17,18]。在这项研究中,我们开发了一种有效的基于Takagi-Sugeno-Kang模糊系统(G-TSK-FS)模型来预测透析的充分性。

2。方法

2.1。病人

从2018年1月至2020年12月,本研究收集的数据从无锡人民医院250例,中国。选择的标准是(1)患者18岁以上,(2)患者没有严重感染和心脏衰竭在30天内,(3)接受维护血液透析的病人超过三个月,(4)没有精神病史的患者,和(5)患者知情自愿参与本研究。排除标准:(1)患者中途退出,(2)不完整的数据。

所有患者接受血液透析(HD)或过(HDF)通过费森尤斯公司的机器。他们都透析了四个小时。透析液固定在500毫升/分钟。表1显示了性别分布、平均年龄、体重意味着predialysis (preBW)、超滤(UF)水平平均(透析前后重量的区别),平均血压、心率、平均和平均血流量。

2.2。血液采样

每个病人包含两个血液样本:(1)透析前,样本收集从血管静脉无抗凝的访问。收集之前,我们收集了10毫升的血液从这些患者血液透析导管作为血管访问和(2)从入口获得另一个示例是体外循环结束前透析。采取血液样本时,血流速度将放缓至50毫升/分钟。这时,血液透析液停止流动,可以收集后15秒。

的 用作postdialysis的“黄金标准”,和计算predialysis装备 在哪里超滤,postdialysis体重,在小时透析阶段的持续时间。 。

2.3。基于TSK模糊系统

在这项工作中,我们使用TSK-FS预测 血液透析的病人。一个经典的一阶TSK模糊系统的模糊推理规则定义如下。

TSK模糊规则如下。

如果是 是 是 ,然后 ,在哪里的一个模糊子集吗th的规则th输入变量 。 表示模糊规则的数目。每个模糊规则是基于特征空间 。和TSK-FS将模糊集映射到一个输出单因变量通过 。的输出TSK-FS可以制定如下: 在哪里和模糊隶属函数和归一化函数通过模糊集合 。和可以通过计算 在哪里的模糊隶属函数吗th统治下输入变量。一般来说,TSK-FS使用高斯隶属函数: 在哪里和的两个参数吗变量值的模糊集 。模糊c均值(FCM)是用来估计以下两个参数: 在哪里模糊的会员吗th样本下th FCM聚类的模糊集。表示程度的参数。当TSK-FS决定的前提(如果部分),让

与方程(2)(我)可以作为制定

所以,TSK-FS训练可以被视为解决问题的线性回归: 在哪里 和 近似的真正价值,功能模糊规则映射后,分别。表示训练样本的数量。 后尺寸模糊规则映射。为了提高模型的泛化性能,我们添加拉普拉斯方程的正则化项(8): 在哪里和是两个正则化项的系数。我们推导出公式(9),得到解决方案 在哪里 拉普拉斯算子矩阵,可以计算吗 在哪里 是一个对角矩阵, 。相似度矩阵 是由两个特征向量的余弦相似性。我们称之为模型基于TSK-FS (G-TSK-FS)和TSK-FS框架图如图1。最小二乘求解G-TSK-FS的优化问题。

3所示。结果

在这项工作中,我们测试G-TSK-FS和其他预测数据集。评估每个模型的均方根误差(RMSE) [5,19), - - - - - -平方,调整 - - - - - -方在10倍交叉验证(10-CV) [20.,21]。此外,Bland-Altman分析也用于评估两种不同的方法的协议(之间的临床方法和预测模型)。

3.1。参数模型的选择

为了使模型有最好的预测性能,我们采用网格搜索方法得到模型的最佳参数。G-TSK-FS有三个参数,包括 , ,和 。这些参数设置的范围 和 。首先,我们解决 寻找最好的和 。搜索结果如图2。可以看出,RMSE值最小(0.1950) 和 。然后,和设置为2和2吗⁻⁶和将从2⁻¹⁰到2⁰2(在图的步骤3)。最后,最好的RMSE下获得 。另外,内核的可调参数高斯隶属函数的宽度 。

3.2。相比其他预测模型

评估我们的模型的性能,其他预测模型也在我们的数据集进行测试。他们是线性回归(LR) [22,23),支持向量回归(SVR) [24),人工神经网络(25基于反向传播算法(安),和标准TSK-FS。表2显示了RMSE的结果, - - - - - -平方,调整 - - - - - -的平方。一般来说,较小的RMSE(接近0),大 - - - - - -平方,调整 - - - - - -平方(接近1)表明,该模型具有更好的预测性能。从表中可以看出,我们的方法(G-TSK-FS)获得最小的RMSE(0.1578)和最大的 - - - - - -方(0.7523)和调整 - - - - - -方(0.7222)。此外,G-TSK-FS增加了0.0181 ( - - - - - -的平方)和0.0204(调整 - - - - - -的平方)TSK-FS的基础上。这表明拉普拉斯正规化后的模型具有更好的泛化性能。图4显示了预测值的分布(所有模型)和真实的 。从150到160样品,每个模型都有严重的抖动,这可能是由于在数据收集过程中噪声。

3.3。Bland-Altman分析

Bland-Altman情节是一个有用的工具,它可以评估预测方法和临床方法之间的协议。表3和图5显示通过Bland-Altman 5个模型分析的结果。一般来说,较低的平均差异(接近0)和较小的误差可接受范围(95%置信区域之间−1.96 SD和+ 1.96 SD),更好的之间的协议模型和临床方法。从表中可以看出,所有方法有较低的平均方差值。其中,LR的最小值(−0.07312)。除了LR和安,SVR(−18.1914到16.0155),TSK-FS(−18.1955到16.7179),和G-TSK-FS(−17.9686到16.3001)获得较小范围的协议。它可以在图中找到5LR的错误和安有些点是非常大的,差异是大于±50%。LR,安,SVR、TSK-FS G-TSK-FS,分歧间隔的比率都接近5%,这意味着预测方法是等价的临床方法。一般来说,值小于5%时,预测模型可以完全相同的临床方法。评价结果表明,G-TSK-FS帮助临床评估的潜力 较低的成本。

4所示。讨论

尿素动力学删除是非常复杂的26),和血液通常是计算 。更重要的是,透析期间应遵循严格的血液采集程序。它大大地受到许多因素的影响,这将直接影响到计算的准确性 值(27]。在我们的研究中,我们发现,充分透析与年龄、性别(28)、超滤(29日),干重,透析器表面积,血流量(30.),菲律宾,SBP和透析前后的心率。这与以前的研究一致31日]。这表明这些临床特征可以用来评估透析的能力。

LR,安,SVR回归方法,已被广泛用于许多领域。在我们的工作中,TSK-FS方法达到更好的结果。它更适合我们的任务。结果表明,的价值 G-TSK-FS接近预测的临床方法。G-TSK-FS获得最小的RMSE(0.1578)和最大的 - - - - - -方(0.7523)和调整 - - - - - -方(0.7222)。此外,小范围的协议(−17.9686到16.3001)和分歧间隔的比值(接近5%)表明,它是一个潜在的计算模型来取代临床方法。

虽然一直是临床关注的价值 在病人。很少有学者使用G-TSK-FS预测和病人的临床特征来预测患者透析充分性。在精密医学领域,更多的学者关注临床预测模型(32- - - - - -36]。评估血液透析需要反复测试的充分性,从而增加病人费用。此外,充足性测试的结果受到很多因素的影响,如血液样本采集的质量,血液样本提交的时间,测试结果的可靠性。我们研究基于大数据的机器学习。数据与预测模型是患者的临床特征。我们使用机器学习和其他病人的临床资料,方便临床收集和侵入性操作,不会增加病人的付款,进行计算 。

5。结论

我们的方法在预测方面取得了一些进展 。然而,我们不带噪声样品或噪声的特点考虑在内。此外,所收集的样本的数量还没有达到一定的规模。在未来的工作中,我们将介绍其他机器学习技术,如样品过滤和特征选择(37,38处理各种类型的噪声。同时,进一步扩大病人样本大小也是下一步的工作。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

伦理批准

本研究已通过伦理委员会(KY21002)。

同意

由所有参与者签署书面知情同意。

的利益冲突

作者宣称他们没有任何利益冲突。

作者的贡献

孝义郭Aiyan Du, Xiaofen史,是共同第一作者。

确认

我们应感谢无锡人民医院血液透析中心收集的数据在我们的研究。

引用

1. e . Nemati a . Khosravi b . Einollahi m . Meshkati m . Taghipour和s Abbaszadeh”之间的关系在透析患者透析充分性和血清尿酸;在伊朗的血液透析中心横断面多中心研究。”肾损伤的预防》杂志上》第六卷,没有。2、142 - 147年,2016页。视图:出版商的网站|谷歌学术搜索
2. 诉Poveda m . Filgueiras米兰达诉,a . Santos-Silva c·保罗,和e·科斯塔,“脆弱在终末期肾病患者透析及其与临床和生化标记,”杂志上的弱点和老化》第六卷,没有。2、103 - 106年,2017页。视图:出版商的网站|谷歌学术搜索
3. t·德普纳j . Daugirdas t·格林et al .,“透析剂量和性别和身体大小的影响在血的研究结果,“肾脏国际,卷65,不。4、1386 - 1394年,2004页。视图:出版商的网站|谷歌学术搜索
4. y局域网和李问:监督学习与突触延迟可塑性:强化神经网络概述,“目前的生物信息学,15卷,不。8,854 - 865年,2021页。视图:出版商的网站|谷歌学术搜索
5. 郭x, w•周施b . et al .,”一个高效的多个内核支持向量回归模型来评估血液透析患者干体重,”目前的生物信息学,16卷,不。2、284 - 293年,2021页。视图:出版商的网站|谷歌学术搜索
6. m . Tahir和a·伊德里斯MD-LBP:一个有效的计算模型对蛋白质亚细胞定位使用支持向量机从海拉细胞系,”目前的生物信息学,15卷,不。3、204 - 211年,2020页。视图:出版商的网站|谷歌学术搜索
7. y叮,j . Tang和f .郭,“通过模糊识别药物相互作用由两部分构成的局部模型,”神经计算和应用,32卷,不。14日,第10319 - 10303页,2020年。视图:出版商的网站|谷歌学术搜索
8. a·姆尼尔,s . i马利克和k·a·马利克”蛋白质组矿业公认的人类病原体的药物靶点的识别有毒物质造成梭状芽胞杆菌,”目前的生物信息学,14卷,不。6,532 - 540年,2019页。视图:出版商的网站|谷歌学术搜索
9. j .壮族戴,l . Zhang et al .,“识别乳腺癌癌症基因扰动及其应用在指导药物pepurposing”目前的生物信息学,15卷,不。9日,第1089 - 1075页,2021年。视图:出版商的网站|谷歌学术搜索
10. 伊n·m·a·Qadir, m·t·阿夫扎尔”SimExact-an有效方法计算函数使用基因本体相似性蛋白质,”目前的生物信息学,15卷,不。4、318 - 327年,2020页。视图:出版商的网站|谷歌学术搜索
11. m . Naveed m z Mehboob, a·侯赛因伊k . a .达拉和n . Zeeshan”守恒的致命的假想的蛋白质的结构和功能注释沙眼衣原体:一个in-silico方法,”目前的生物信息学,14卷,不。4、344 - 352年,2019页。视图:出版商的网站|谷歌学术搜索
12. 答:汗,a . Zahra动工,m .问:Fatmi和m . j .汗”集成in-silico分析研究小分子核糖核酸的作用在慢性肾脏疾病的检测,“目前的生物信息学,15卷,不。2、144 - 154年,2020页。视图:出版商的网站|谷歌学术搜索
13. b . Rezaee和m·h·f·Zarandi“数据驱动的模糊建模为Takagi-Sugeno-Kang模糊系统,”信息科学,卷180,不。2、241 - 255年,2010页。视图:出版商的网站|谷歌学术搜索
14. 江y, z邓K.-S。崔F.-L。钟,王,“Knowledge-leverage-based TSK模糊系统建模、”IEEE神经网络和学习系统,24卷,不。8,1200 - 1212年,2013页。视图:出版商的网站|谷歌学术搜索
15. 江y, f·l·钟h . Ishibuchi z邓,和王,“多任务TSK模糊系统建模通过挖掘任务间常见的隐藏的结构,“IEEE控制论,45卷,不。3、548 - 561年,2015页。视图:出版商的网站|谷歌学术搜索
16. 江y·d·吴z,邓et al .,“癫痫分类使用转移学习,从脑电图信号semi-supervised学习和TSK模糊系统,”IEEE神经系统和康复工程,25卷,不。12日,第2284 - 2270页,2017年。视图:出版商的网站|谷歌学术搜索
17. y . w . Kerk c . y .格兰k . m .茶和c·p·Lim”参数条件单调啧啧ann-ary聚合函数的模糊推理系统,”IEEE模糊系统卷,29号7,1864 - 1873年,2021页。视图:出版商的网站|谷歌学术搜索
18. 江y, y,林c, d . Wu和c t·林”EEG-based司机困倦估计使用在线多视点和转移TSK模糊系统,”IEEE智能交通系统,22卷,不。3、1752 - 1764年,2021页。视图:出版商的网站|谷歌学术搜索
19. n . Sultana n . Sharma k·夏尔马和美国Verma”顺序合奏传染病预测模型”,目前的生物信息学,15卷,不。4、309 - 317年,2020页。视图:出版商的网站|谷歌学术搜索
20. h·朱、杜x和y姚明,“ConvsPPIS:识别蛋白质交互网站的合奏卷积神经网络与功能图,“目前的生物信息学,15卷,不。4、368 - 378年,2020页。视图:出版商的网站|谷歌学术搜索
21. l . j .高张,g, g .曲和杨x, y . Li”模型的GBDT大肠癌诊断腺瘤风险,”目前的生物信息学15卷,第979 - 971页,2020年。视图:出版商的网站|谷歌学术搜索
22. m . Tahir m . Sardaraz z Mehmood, m . s .汗”ESREEM:高效短读取误差估计计算模型对新一代基因组测序,”目前的生物信息学,16卷,不。2、339 - 349年,2021页。视图:出版商的网站|谷歌学术搜索
23. w·刘,j·p·哈兰灰et al .,“高维因果中介分析与大量的介质聚集在0到评估的贡献微生物细菌病原体殖民老年人的风险,”目前的生物信息学,15卷,不。7,671 - 696年,2020页。视图:出版商的网站|谷歌学术搜索
24. j·l . Chen Li和m . Chang,“癌症诊断和疾病基因通过统计机器学习识别,”目前的生物信息学,15卷,不。9日,第962 - 956页,2021年。视图:出版商的网站|谷歌学术搜索
25. k . k . l . Wong“自然结构的优化设计中,生物材料,生物信息学和生物识别技术为解决生理需求和最终性能bio-devices,”目前的生物信息学,14卷,不。5,374 - 375年,2019页。视图:出版商的网站|谷歌学术搜索
26. e·a·费尔南德斯r . Valtuille p . Willshaw和c a . Perazzo”使用人工智能预测平衡postdialysis血尿素浓度,”血液净化,19卷,不。3、271 - 285年,2001页。视图:出版商的网站|谷歌学术搜索
27. 据Traynor c·c·戈德斯j . d . Walbaum j·g·福克斯和r . A . Mactier”post-dialysis血尿素采样的新方法:停止透析液流的方法,”肾脏学、透析移植,15卷,不。4、517 - 523年,2000页。视图:出版商的网站|谷歌学术搜索
28. s . s . Somji p Ruggajo, s . Moledina“血液透析的充分性及其相关因素在达累斯萨拉姆接受长期血液透析的患者中,坦桑尼亚,”国际肾脏病学会杂志卷,2020篇文章ID 9863065, 6页,2020。视图:出版商的网站|谷歌学术搜索
29. t·卡亚s Sipahi h . Cinemre et al .,”之间的关系的目标剂量血液透析充分性和营养评估,”沙特医学年鉴,36卷,不。2、121 - 127年,2016页。视图:出版商的网站|谷歌学术搜索
30. l·h·达哈伯Abo血型大肠a .——e·a·默罕默德和a . abdel-Naiem“血液透析充分性评估在慢性肾脏疾病患者血液透析单位索哈杰省大学医院,”索哈杰省医学杂志,22卷,不。1,第191 - 187页,2018。视图:出版商的网站|谷歌学术搜索
31. o . Rezaiee: Shahgholian, s . Shahidi“血液透析充分性评估及其与个体的关系和个人因素,”伊朗护理和助产学研究杂志》上,21卷,不。6,577 - 582年,2016页。视图:出版商的网站|谷歌学术搜索
32. j . Yu x, y王et al .,“Intradialytic收缩压变化可以预测长期死亡率在维持血液透析患者,”国际泌尿外科和肾脏学,53卷,不。4、785 - 795年,2021页。视图:出版商的网站|谷歌学术搜索
33. 朱问:张先生,k .阴m . et al .,“将脉搏波速度与galectin-3预测死亡率和脑血管和心血管事件在血液透析患者中,“医学前沿7卷,2020。视图:出版商的网站|谷歌学术搜索
34. c . Decaro g . b . Montanari r·莫伦纳et al .,“机器学习方法预测血参数在血液透析患者中,“IEEE平移工程在健康和医学杂志》上7卷,1 - 8,2019页。视图:出版商的网站|谷歌学术搜索
35. m .牧野,r . Yoshimoto m .小野et al .,“人工智能预测糖尿病肾病的发展使用大数据机器学习,”科学报告,9卷,不。1,第11862条,2019。视图:出版商的网站|谷歌学术搜索
36. j . m . Martinez-Martinez p . Escandell-Montero c .巴比里et al .,”预测的血红蛋白水平在血液透析患者使用机器学习技术,”计算机在生物医学方法和项目,卷117,不。2、208 - 217年,2014页。视图:出版商的网站|谷歌学术搜索
37. j·p·g . Zhang Yu Wang和c(音)”使用信息增益特征选择算法对高维生物医学数据优化和改进的化学反应,”目前的生物信息学,15卷,不。8,912 - 926年,2021页。视图:出版商的网站|谷歌学术搜索
38. f . Berrhail和h . Belhadef遗传算法特征选择方法提高相似性搜索在ligand-based虚拟筛选的有效性,“目前的生物信息学,15卷,不。5,431 - 444年,2020页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Aiyan Du et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。