NIPT（Non-invasive Prenatal Test，即无创产前检测）是一种通过采集母体血液、检测胎儿的游离

DNA 片段、分析胎儿染色体是否存在异常的产前检测技术，目的是通过早期检测确定胎儿的健康状况。

根据临床经验，畸型胎儿主要有唐氏综合征、爱德华氏综合征和帕陶氏综合征，这三种体征分别由胎儿

21 号、18 号和 13 号“染色体游离 DNA 片段的比例”（简称“染色体浓度”）是否异常决定。NIPT 的

准确性主要由胎儿性染色体（男胎 XY，女胎 XX）浓度判断。通常孕妇的孕期在 10 周~25 周之间可以

检测胎儿性染色体浓度，且如果男胎的 Y 染色体浓度达到或高于 4%、女胎的 X 染色体浓度没有异常，

则可认为 NIPT 的结果是基本准确的，否则难以保证结果准确性要求。同时，实际中应尽早发现不健康

的胎儿，否则会带来治疗窗口期缩短的风险，早期发现（12 周以内）风险较低；中期发现（13－27 周）

风险高；晚期发现（28 周以后）风险极高。

实践表明，男胎 Y 染色体浓度与孕妇孕周数及其身体质量指数（BMI）紧密相关。通常根据孕妇的

BMI 值进行分组（例如：[20,28)，[28,32)，[32,36)，[36,40)，40 以上）分别确定 NIPT 的时点（相对孕

期的时间点）。由于每个孕妇的年龄、BMI、孕情等存在个体差异，对所有孕妇采用简单的经验分组和

统一的检测时点进行 NIPT，会对其准确性产生较大影响。因此，依据 BMI 对孕妇进行合理分组，确定

各不同群组的最佳 NIPT 时点，可以减少某些孕妇因胎儿不健康而缩短治疗窗口期所带来的潜在风险。

为了研究各类孕妇群体合适的 NIPT 时点，并对检测的准确性进行分析，附件给出了某地区（大多

为高 BMI）孕妇的 NIPT 数据。在实际检测中，经常会出现测序失败（比如：检测时点过早和不确定因

素影响等）的情况。同时为了增加检测结果的可靠性，对某些孕妇有多次采血多次检测或一次采血多次

检测的情况。试利用附件提供的数据建立数学模型研究如下问题：

问题 1 试分析胎儿 Y 染色体浓度与孕妇的孕周数和 BMI 等指标的相关特性，给出相应的关系模

型，并检验其显著性。

问题 2 临床证明，男胎孕妇的 BMI 是影响胎儿 Y 染色体浓度的最早达标时间（即浓度达到或超

过 4%的最早时间）的主要因素。试对男胎孕妇的 BMI 进行合理分组，给出每组的 BMI 区间和最佳 NIPT

时点，使得孕妇可能的潜在风险最小，并分析检测误差对结果的影响。

问题 3 男胎 Y 染色体浓度达标时间受多种因素(身高、体重、年龄等)的影响，试综合考虑这些因

素、检测误差和胎儿的 Y 染色体浓度达标比例（即浓度达到或超过 4%的比例），根据男胎孕妇的 BMI，

给出合理分组以及每组的最佳 NIPT 时点，使得孕妇潜在风险最小，并分析检测误差对结果的影响。

问题 4 由于孕妇和女胎都不携带 Y 染色体，重要的是如何判定女胎是否异常。试以女胎孕妇的 21

号、18 号和 13 号染色体非整倍体（AB 列）为判定结果，综合考虑 X 染色体及上述染色体的 Z 值、GC

含量、读段数及相关比例、BMI 等因素，给出女胎异常的判定方法。

题目思路分享：核心是关于医学数据分析、统计建模和优化决策

一、问题分析概要

关键背景：

1. NIPT技术：通过母血中胎儿游离DNA判断染色体异常。

2. Y染色体浓度：男胎Y染色体浓度≥4%时认为检测准确。

3. 影响因素：孕周、BMI、年龄、体重等。

4. 风险时间窗口：早期（≤12周）风险低，中期（13-27周）风险高，晚期（≥28周）风险极高。

5. 女胎异常判定：基于21、18、13号染色体的Z值、GC含量等指标。

---

二、问题1：Y染色体浓度与孕周、BMI的关系建模

解题思路：

• 提取男胎数据（Y染色体浓度非空）。

• 探索Y染色体浓度（V列）与孕周（J列）、BMI（K列）的关系。

• 可尝试线性、非线性或分段模型。

• 使用回归分析，检验显著性（p值、R²等）。

伪代码：

1. 读取数据，提取男胎样本（V列非空）
2. 数据清洗：处理缺失值、异常值
3. 绘制散点图：Y浓度 vs 孕周，Y浓度 vs BMI
4. 建立回归模型（如：Y_concentration = β0 + β1*weeks + β2*BMI）
5. 检验模型显著性（ANOVA、t检验）
6. 计算拟合优度R²

MATLAB 代码片段（问题1）：

matlab

data = readtable('附件.xlsx');
% 提取男胎数据（Y浓度非空）
male_mask = ~isnan(data.V);
male_data = data(male_mask, :);

% 提取变量
Y_conc = male_data.V;
weeks = male_data.J;
BMI = male_data.K;

% 多元线性回归
X = [ones(size(weeks)), weeks, BMI];
[b, bint, r, rint, stats] = regress(Y_conc, X);

disp('回归系数:');
disp(b);
disp(['R² = ', num2str(stats(1))]);
disp(['F检验p值 = ', num2str(stats(3))]);

% 绘制三维散点图与回归平面
scatter3(weeks, BMI, Y_conc, 'filled');
hold on;
[x1, x2] = meshgrid(min(weeks):max(weeks), min(BMI):max(BMI));
y_fit = b(1) + b(2)*x1 + b(3)*x2;
mesh(x1, x2, y_fit);
xlabel('孕周');
ylabel('BMI');
zlabel('Y染色体浓度');

---

三、问题2：按BMI分组确定最佳NIPT时点（仅考虑BMI）

解题思路：

• 目标：最小化潜在风险（尽早检测且达标）。

• 定义“最早达标时间”：Y浓度首次≥4%的孕周。

• 按BMI分组，每组内计算达标时间的分布（如中位数）。

• 最佳NIPT时点：每组达标时间的中位数（或某分位数）。

• 考虑检测误差：可引入置信区间或Bootstrap方法。

伪代码：

1. 计算每个男胎样本的“达标周数”（若多次检测取首次达标时间）
2. 按BMI分组（初始可分为[20,28], [28,32], [32,36], [36,40], >40）
3. 对每组计算达标周数的中位数Q2和90%分位数Q90（保守估计）
4. 最佳NIPT时点 = Q2（或Q90，取决于风险偏好）
5. 分析检测误差：对每组进行Bootstrap抽样，计算时点置信区间

MATLAB 代码片段（问题2）：

matlab

% 计算每个孕妇首次达标周数（假设数据已按时间排序）
unique_id = unique(male_data.B);
first_reach_week = zeros(size(unique_id));
for i = 1:length(unique_id)
    id_mask = strcmp(male_data.B, unique_id{i});
    sub_data = male_data(id_mask, :);
    reach_idx = find(sub_data.V >= 4, 1, 'first');
    if ~isempty(reach_idx)
        first_reach_week(i) = sub_data.J(reach_idx);
    else
        first_reach_week(i) = NaN;
    end
end

% 按BMI分组
bmi_groups = [20, 28, 32, 36, 40, inf];
group_centers = [24, 30, 34, 38, 45];
optimal_weeks = zeros(length(bmi_groups)-1, 1);

for g = 1:length(bmi_groups)-1
    group_mask = male_data.K >= bmi_groups(g) & male_data.K < bmi_groups(g+1);
    group_weeks = first_reach_week(group_mask);
    group_weeks = group_weeks(~isnan(group_weeks));
    optimal_weeks(g) = median(group_weeks);
end

% 显示分组结果
disp('BMI分组 | 最佳NIPT时点（周）');
for g = 1:length(optimal_weeks)
    disp([num2str(bmi_groups(g)), '-', num2str(bmi_groups(g+1)), ' : ', num2str(optimal_weeks(g))]);
end

---

四、问题3：多因素影响下的分组与时点选择

解题思路：

• 考虑更多因素：年龄、体重、怀孕次数等。

• 使用聚类分析（如k-means）对孕妇进行分组。

• 每组内确定最佳NIPT时点（同问题2）。

• 引入达标比例：每组中达标孕妇的比例。

• 检测误差分析：Bootstrap或蒙特卡洛模拟。

伪代码：

1. 选择特征：BMI、年龄、体重、怀孕次数等
2. 数据标准化
3. 使用k-means聚类（如5类）
4. 对每类计算达标比例和达标时间中位数
5. 最佳时点 = 达标时间中位数
6. 误差分析：对特征引入噪声，重新聚类计算时点变异

MATLAB 代码片段（问题3）：

matlab

% 选择特征
features = [male_data.K, male_data.C, male_data.E, male_data.AC]; % BMI,年龄,体重,怀孕次数
features_zscore = zscore(features);

% k-means聚类
k = 5;
[idx, centers] = kmeans(features_zscore, k);

% 计算每类的达标比例和最佳时点
for i = 1:k
    cluster_mask = (idx == i);
    cluster_weeks = first_reach_week(cluster_mask);
    reach_ratio = sum(~isnan(cluster_weeks)) / sum(cluster_mask);
    optimal_week = median(cluster_weeks, 'omitnan');
    disp(['类', num2str(i), ': 达标比例=', num2str(reach_ratio), ', 最佳时点=', num2str(optimal_week)]);
end

---

五、问题4：女胎异常判定方法

解题思路：

• 使用女胎数据（Y浓度为空白）。

• 特征：21、18、13号染色体的Z值（Q,R,S）、GC含量（X,Y,Z）、读段数等。

• 标签：AE列（出生后是否健康）或AB列（染色体非整倍体）。

• 建立分类模型：逻辑回归、SVM、随机森林等。

伪代码：

1. 提取女胎数据
2. 构建特征矩阵X = [Z13, Z18, Z21, GC13, GC18, GC21, ...]
3. 标签y = AE列（或AB列）
4. 数据清洗和标准化
5. 训练分类模型（如随机森林）
6. 评估模型（准确率、ROC曲线）
7. 输出重要特征

MATLAB 代码片段（问题4）：

matlab

% 提取女胎数据
female_mask = isnan(data.V);
female_data = data(female_mask, :);

% 构建特征和标签
X = [female_data.Q, female_data.R, female_data.S, female_data.X, female_data.Y, female_data.Z];
y = categorical(female_data.AE); % 或使用AB列

% 训练随机森林
mdl = TreeBagger(50, X, y, 'Method', 'classification');

% 评估模型
[pred, score] = predict(mdl, X);
accuracy = sum(pred == y) / length(y);
disp(['准确率: ', num2str(accuracy)]);

% 特征重要性
imp = mdl.OOBPermutedPredictorDeltaError;
bar(imp);
set(gca, 'XTickLabel', {'Z13','Z18','Z21','GC13','GC18','GC21'});