本发明涉及医学领域和人工智能领域，特别是涉及一种慢性萎缩性胃炎的预测方法、装置。
背景技术：
1、胃黏膜萎缩是指胃腔固有腺体减少，胃黏膜变薄，胃小凹变浅。胃黏膜萎缩包括生理性萎缩和病理性萎缩，其中病理性萎缩又包括非化生性萎缩和化生性萎缩两种类型。进展为胃腺癌最常见的胃黏膜状态是胃黏膜萎缩和肠化生，统称为cag。cag是胃癌发生的独立危险因素，为胃癌的发生提供了基础条件，因此将cag归类为癌前状态。荷兰一项研究分析了22365例患者5年间的胃镜随访数据，结果认为胃黏膜萎缩患者的胃癌年发生率为0.1％，胃黏膜萎缩合并肠化生者年胃癌发生率为0.25％。一项meta分析中的相关数据显示，1985年至2016年的21项肠化生患者胃癌风险调查研究中，累计检测402636例，结果表明肠化生患者发生胃癌的风险更高(or＝3.58)。
2、cag临床表现缺乏特异性，诊断主要依赖于内镜、组织学及血清检查。近年研究发现，对血清胃泌素g17和胃蛋白酶原pgi、ⅱ的检测益于胃黏膜萎缩有无及萎缩部位的判定。由于受年龄、性别、生活习惯及研究方法等多种因素影响，目前尚无pg确切临界值。较多研究来自日本，pgi≤70ng/ml，pgi/ⅱ≤3.0的被诊断为萎缩。cag多灶性分布、病变较小、不同亚型共存的特点及观察者间差异使得内镜组织学诊断存在困难。
3、由于临床表现缺乏特异性以及侵入性检查依从性较低，使得患者cag这种胃的癌前状态很难被早期检出，且cag可能会进展，一旦cag达到“非逆转点”，想要扭转胃黏膜的状况可能会变的非常困难。
技术实现思路
1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种慢性萎缩性胃炎的预测方法、装置，用于解决现有技术中的问题。
2、为实现上述目的及其他相关目的，本发明提供检测il-10、tnf-α、eotaxin、ip-10或sdf-1中的任一项或多项的物质在制备慢性萎缩性胃炎诊断产品中的用途。
3、本发明提供一种慢性萎缩性胃炎相关细胞因子的筛选方法，包括下列步骤：
4、步骤s111、获取慢性萎缩性胃炎人群和对照组的特征数据集，特征数据集中包括以下特征：细胞因子种类、浓度；
5、步骤s112、对特征数据集中的特征进行特征筛选，获取与慢性萎缩性胃炎相关的特征；
6、步骤s113、对获取的与慢性萎缩性胃炎相关的特征进行特征重要性筛选，以获取与慢性萎缩性胃炎相关、且与对照组具有显著差异的特征，即为筛选得到的慢性萎缩性胃炎相关细胞因子。本发明还提供一种慢性萎缩性胃炎预测模型的构建方法，所述构建方法包括如下步骤：
7、步骤s11、获取与慢性萎缩性胃炎相关、且与对照组具有显著差异的特征作为训练测试数据集，所述与慢性萎缩性胃炎相关、且与对照组具有显著差异的特征的数据为il-10、tnf-α、eotaxin、ip-10或sdf-1的浓度数据；
8、步骤s12、将训练测试数据集输入至机器学习模型中进行模型训练并进行准确性测试，根据准确性测试结果选取最优预测模型。
9、本发明还提供一种慢性萎缩性胃炎的预测方法，所述预测方法包括如下步骤：将待测样本的特征数据输入至前述的构建方法获得的预测模型中，获得是否患有慢性萎缩性胃炎的预测结果；所述待测样本的特征数据包括il-10、tnf-α、eotaxin、ip-10或sdf-1的浓度数据。
10、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述筛选方法或构建方法或预测方法。
11、本发明还提供了一种计算机处理设备，包括处理器及前述的计算机可读存储介质，所述处理器执行所述计算机可读存储介质上的计算机程序，实现前述筛选方法或构建方法或预测方法的步骤。
12、本发明还提供了一种电子终端，包括：处理器、存储器及通信器；所述存储器用于存储计算机程序，所述通信器用于与外部设备进行通信连接，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行筛选方法或构建方法或预测方法。
13、如上所述，本发明的一种慢性萎缩性胃炎的预测方法、装置，具有以下有益效果：预测方法的精度为0.8，auc为0.818，prauc为0.7，具有一定的鲁棒性和可泛化性，可提高cag这种胃的癌前状态的早期检出率，对患者有计划地进行诊治及随访，防止其进一步向肿瘤方向发展。
1.检测il-10、tnf-α、eotaxin、ip-10或sdf-1中的任一项或多项的物质在制备慢性萎缩性胃炎诊断产品中的用途。
2.根据权利要求1所述的用途，其特征在于，所述检测il-10、tnf-α、eotaxin、ip-10或sdf-1的物质选自核酸、蛋白质或小分子化合物。
3.根据权利要求1所述的用途，其特征在于，所述检测il-10、tnf-α、eotaxin、ip-10或sdf-1的物质为检测il-10、tnf-α、eotaxin、ip-10或sdf-1细胞因子浓度的物质；优选的，所述检测il-10、tnf-α、eotaxin、ip-10或sdf-1细胞因子浓度的物质为抗体。
4.一种慢性萎缩性胃炎相关细胞因子的筛选方法，包括下列步骤：
5.根据权利要求4所述的筛选方法，其特征在于，步骤s111中所述特征数据集中细胞因子的种类包括gm-csf、ifn-γ、il-10、il-17a、il-1β、il-4、il-5、il-6、il-8、ena-78、eotaxin-2、il-12p70、il-13、il-1ra、il-2ra、il-33、tnf-α、vegf-a、eotaxin、eotaxin-3、ip-10、mcp-1、mcp-4、mdc、mip-1α、mip-1β、mip-3α、tarc、g-csf、il-12/il-23p40、il-15、il-16、il-7、sdf-1、tnf-β、mif、mip-5。
6.根据权利要求4所述的筛选方法，其特征在于，还包括如下特征中的一项或多项：
7.一种慢性萎缩性胃炎预测模型的构建方法，其特征在于，所述构建方法包括如下步骤：
8.根据权利要求7所述的构建方法，其特征在于，步骤s12中所述机器学习模型选自于lightgbm模型、xgboost模型、scorecard模型、neural network模型、svm模型、logisticregression模型、decision tree模型、random forest模型；和/或，步骤s12中，对模型进行准确性测试的方法包括交叉验证或独立验证；优选的，交叉验证选自k折交叉验证；
9.一种慢性萎缩性胃炎的预测方法，其特征在于，所述预测方法包括如下步骤：将待测样本的特征数据输入至权利要求7-8的构建方法获得的预测模型中，获得是否患有慢性萎缩性胃炎的预测结果；所述待测样本的特征数据包括il-10、tnf-α、eotaxin、ip-10或sdf-1的浓度数据。
10.一种用于筛选慢性萎缩性胃炎相关细胞因子的装置，其特征在于，所述装置包括以下子模块：
11.根据权利要求10所述的预测装置，其特征在于，特征数据集获取子模块中所述特征数据集中细胞因子的种类包括gm-csf、ifn-γ、il-10、il-17a、il-1β、il-4、il-5、il-6、il-8、ena-78、eotaxin-2、il-12p70、il-13、il-1ra、il-2ra、il-33、tnf-α、vegf-a、eotaxin、eotaxin-3、ip-10、mcp-1、mcp-4、mdc、mip-1α、mip-1β、mip-3α、tarc、g-csf、il-12/il-23p40、il-15、il-16、il-7、sdf-1、tnf-β、mif、mip-5。
12.根据权利要求10所述的预测装置，其特征在于，还包括如下特征中的任一项或多项：
13.一种用于构建慢性萎缩性胃炎预测模型的装置，其特征在于，所述装置包括：
14.根据权利要求13所述的预测装置，其特征在于，模型构建和测试模块中所述机器学习模型选自于lightgbm模型、xgboost模型、scorecard模型、neural network模型、svm模型、logistic regression模型、decision tree模型、random forest模型；和/或，模型构建和测试模块中，对模型进行准确性测试的方法包括交叉验证或独立验证；优选的，交叉验证选自k折交叉验证；更优选的，选自五折交叉验证。
15.一种慢性萎缩性胃炎的预测装置，其特征在于，包括：
16.一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，该程序被处理器执行时实现权利要求4-6任一所述的筛选方法或权利要求7-8任一所述的构建方法或权利要求9所述的预测方法。
17.一种计算机处理设备，其特征在于，包括处理器及权利要求16所述的计算机可读存储介质，所述处理器执行所述计算机可读存储介质上的计算机程序，实现权利要求4-6任一所述的筛选方法或权利要求7-8任一所述的构建方法或权利要求9所述的预测方法的步骤。
18.一种电子终端，其特征在于，包括：处理器、存储器及通信器；所述存储器用于存储计算机程序，所述通信器用于与外部设备进行通信连接，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求4-6任一所述的筛选方法或权利要求7-8任一所述的构建方法或权利要求9所述的预测方法。
