基于手机人工智能算法对尿液中糖尿病肾病早期损伤标志物的定量检测的方法

本发明涉及一种基于手机人工智能算法对尿液中糖尿病肾病早期损伤标志物的定量检测方法。

背景技术：

1、糖尿病肾脏病变是糖尿病最严重的并发症之一，糖尿病肾病为糖尿病主要的微血管并发症，主要指糖尿病性肾小球硬化症，一种以血管损害为主的肾小球病变。早期多无症状，血压可正常或偏高。其发生率随着糖尿病的病程延长而增高。糖尿病早期肾体积增大，肾小球滤过率增加，呈高滤过状态，以后逐渐出现间隙蛋白尿或微量白蛋白尿，随着病程的延长出现持续蛋白尿、水肿、高血压、肾小球滤过率降低，进而肾功能不全、尿毒症，是糖尿病主要的死亡原因之一。如何实现糖尿病肾病患者的自我管理、病情的及时监测及反馈、并发症的自我监护迫在眉睫。

2、传统检测主要采用生化仪，生化仪检测虽然可以取得准确的检测结果，但是操作人员需要有相应资质，患者采血为有创操作，等待结果时间长，容易延误最佳治疗时机。

3、智能手机在近十年间得到了迅速发展，其功能日渐强大。作为一种简便易携的功能性移动设备，智能手机的普及为便携式检测技术提供了发展机遇。智能手机具备轻巧性、便携性、强大的应用程序处理功能等特点。其操作简单，只需对待测物质进行图片采集或者数字化处理即可完成检测，操作者无需专业培训就能掌握。因此，该技术成为近年来分析检测领域的研究热点。人工神经网络具有初步的自适应与自组织能力，在学习或训练过程中改变突触权重值，以适应周围环境的要求，同一网络因学习方式及内容不同可具有不同的功能。人工神经网络是一个具有学习能力的系统，在学习或训练过程中改变突触权重值，以适应周围环境的要求。神经网络可以发展知识，也有可能超过设计者本身原有的内容和深度。神经网络就像是一个可以接受教育的孩子，您教她的知识她是可以记住并可以学以致用。我们把学习集(learningset)中的每个数据输入到神经网络系统中去，并告诉神经网络输出的结果应该是什么样的分类。当所有的学习集都运行完成并输入之后，神经网络就可以根据这些数据总结出自己的想法，到底她是怎么完成归纳总结的的就是一个黑盒了。之后我们就可以把测试集(testingset)中的测试数据用神经网络来分别作测试，如果测试通过(比如80％或90％的正确率)，那么神经网络就构建成功了。我们之后就可以用这个神经网络来进行真实样本的计算。

4、本发明将自行研制的糖尿病早期肾损伤尿液标志物颜色反应体系与智能手机相结合，开发基于机器学习的糖尿病肾病尿液检测技术，该检测技术将精确检测给定的尿糖、尿微量白蛋白、尿α1微球蛋白成分含量，并通过云端存储与大数据智能分析，实现诊断、监测糖尿病及其前期状况、生理指标趋势动态分析与新陈代谢辅助管理，该检测技术集合了智能手机普适和便携的特性以及纳米金具有特殊的光学特性的优点，是一种无创式、非侵入性的移动互联网医疗技术，能够缓解传统医疗模式看病难、看病贵，医疗资源分配不均等问题。

技术实现思路

1、建立一种基于手机人工智能算法对尿液中糖尿病肾病早期损伤标志物的定量检测的方法。

2、具体技术方案如下：

3、基于手机人工智能算法对尿液中糖尿病肾病早期损伤标志物的定量检测的方法，其制备过程包括以下步骤：

4、(1)纳米金颗粒(aunps)的制备。将实验用的所有玻璃器皿以王水浸润约1.5小时以上，取出，然后用大量超纯水(18.2mωcm，25℃)将玻璃器皿冲洗干净并烘干。精密称定0.1648g氯金酸粉末，溶解于400ml重蒸水中，混合均匀形成1mmol/l氯金酸溶液，精密称定柠檬酸三钠粉末0.4564g，溶于40ml重蒸水中，配制成38.8mmol/l的柠檬酸三钠溶液。将氯金酸溶液煮沸，将20ml柠檬酸三钠溶液快速加入锥形瓶，并不停搅拌，反应溶液的颜色从淡黄色迅速变为黑色，然后转变为深酒红色。持续搅拌加热至溶液沸腾20分钟后，停止加热，再继续搅拌直至冷却。样品冷却后，将其转移至干净的深色样品瓶中置于4℃冰箱保存以备后续使用。

5、(2)尿糖试剂制备。以下溶液的配置溶剂均采用超纯水配成对应的浓度：苯酚：12mmol/l；4-氨基安替比林：1.0mmol/l；葡萄糖氧化酶：30ku/l：过氧化物酶：3ku/l，最后用磷酸盐缓冲液调节ph＝7.0。

6、(3)尿微量白蛋白试剂制备。用超纯水作为溶剂，配制溴甲酚绿浓度至0.2mmol/l，用100mmol/l琥珀酸盐缓冲液调节ph至4.2。

7、(4)α1-微球蛋白试剂制备。用elisa包被缓冲液将α1-微球蛋白配成浓度10μg/ml溶液，取96孔板，每凹孔中加入0.3ml以上溶液，置于4℃冰箱过夜，然后移去包被液，用含0.05％吐温-20洗涤三次。

8、(5)生物素化过氧化物酶。将含有生物素n羟基丁二酰亚胺酯溶液(10mol/l)加入过氧化物酶碳酸盐缓冲液中，二者反应物体积比为1:8，用pbs透析两天，去除未标记生物素。

9、(6)生物素化α1-微球蛋白。将135μl生物素(浓度5.5mg/ml)加入到10mg/ml的α1-微球蛋白溶液中去，室温下避光旋转反应1小时，用pbs透析过夜。

10、(7)尿糖及尿微量蛋白,分别加200μl试剂及标本于96孔板上，反应10分钟。

11、(8)尿α1-微球蛋白,分别加100μl尿液、50μl生物素化过氧化物酶、50μl生物素化α1-微球蛋白，及50μl1mg/ml的亲和素，反应30分钟，去除液体，加入过氧化氢(10％)100μl和100μl纳米金4-羟基苯乙胺溶液

12、(9)结果检测.将96孔板放置于扫描仪上，经扫描后得到颜色变化图片结果。

13、(10)对尿液样本进行检测。

14、所述步骤(1)中,所有用于制备aunps的器皿都需经王水浸泡1个小时以上，以去除所有可能有影响的离子，再用大量超纯水彻底冲洗干净并烘干，需保证在制备过程中所使用的器皿和溶液不被污染。

15、所述步骤(1)中纳米金颗粒(aunps)直径约为18-25nm，浓度为17nmol/l，纳米金颗粒分散时在520nm左右处有最高吸收峰，聚集时在620nm处左右有最高吸收峰。

16、所述步骤(2)中的试剂溶液苯酚：12mmol/l；4-氨基安替比林：1.0mmol/l；葡萄糖氧化酶：30ku/l：过氧化物酶：3ku/l，最后用磷酸盐缓冲液调节ph至7.0。

17、所述步骤(2)中的试剂溶液用超纯水配制。

18、所述步骤(3)中的溶液用100mmol/l琥珀酸盐缓冲液调节

19、所述步骤(3)溴甲酚绿为0.2mmol/l。

20、所述步骤(4)用含0.05％吐温-20洗涤。

21、所述步骤(5)中将生物素n羟基丁二酰亚胺酯溶液(10mol/l)与过氧化物酶碳酸盐缓冲液二者反应物体积比为1:8。

22、所述步骤(6)的生物素(浓度5.5mg/ml)加入到10mg/ml的α1-微球蛋白溶液中去，室温下避光旋转反应

23、所述步骤(8)中生物素亲和素特异性结合。

24、所述步骤(9)中扫描仪品牌为canon，dpi值设置为1200。

25、本发明将自行研制的糖尿病早期肾损伤尿液标志物颜色反应体系与智能手机相结合，开发基于机器学习的糖尿病肾病尿液检测技术，该检测技术将精确检测给定的尿糖、尿微量白蛋白、尿α1微球蛋白成分含量，并通过云端存储与大数据智能分析，实现诊断、监测糖尿病及其前期状况、生理指标趋势动态分析与新陈代谢辅助管理，该检测技术集合了智能手机普适和便携的特性以及纳米金所具有特殊的光学特性的优点，是一种无创式、非侵入性的移动互联网医疗技术，能够缓解传统医疗模式看病难、看病贵，医疗资源分配不均等问题。

26、与现有技术相比，本方法的优点在于：

27、(1)加入纳米金，纳米金具有特殊的光学特性，增加反应体系的灵敏度。

28、(2)利用生物素和亲和素特异性结合，一个亲和素可以结合四个生物素，达到信号放大作用。

29、(3)颜色变化通过图像采集设备收集，运用人工智能算法对数据进行处理，与传统统计方法相比，具有数据包容性高、误差小、准确性高等优点。

30、(4)本发明可快速简便测尿糖、尿微量白蛋白及尿α1-微球蛋白的浓度，与其他检测方法相比，具有价格低廉、操作简单、可实现实时定量测定等优点。