一种孤立性肺结节恶性概率预测模型的建立方法技术

本发明专利技术公开了一种孤立性肺结节恶性概率预测模型的建立方法，所述方法具体如下：采集患者基本信息和术前1‑7天血清肿瘤标记物水平，再结合患者的CT影像学报告，将患者病例按毛玻璃样病变GGO比例分为GGO比例大于等于50％和小于50％两组，每组病例按3：1比例均设置实验组和验证组，将实验组病例相关资料进行单因素分析，初步筛选出独立危险因素，带入多因素分析，获得判断SPN良、恶性的独立危险因素，应用Logistics回归获得SPN恶性概率预测模型，再应用验证组病例资料带入模型进行验证。本发明专利技术提供的模型简单易用，并且所用的指标均是常规检查就能得出来的指标，易于采用，根据这种模型可以给医生进一步诊断治疗提供有效的中间参考信息。

A method for establishing malignant probability prediction model of solitary pulmonary nodules

The invention discloses a method for establishing prediction model of a solitary pulmonary nodule probability, the method is as follows: collecting basic information of the patients before surgery and 1 7 days of serum tumor markers, combined with CT images of patients report, the patients according to glassy disease ratio of GGO into GGO the ratio is greater than or equal to 50% and less than 50% in two groups, and each group according to the proportion of 3:1 were set as the experimental group and test group, the experimental group clinical data were analyzed by univariate analysis, preliminary screening of independent risk factors into the analysis of multiple factors, obtained independent risk of benign and malignant SPN factors, Logistics regression was used to obtain SPN probability of malignancy prediction model, using the validation group data into the model to verify the case. The present invention provides the model is simple and easy to use, and the indexes of routine inspection can get out of the index, it is easy to use, according to this model can give the doctor for further diagnosis and effective treatment to provide intermediate reference information.

【技术实现步骤摘要】
一种孤立性肺结节恶性概率预测模型的建立方法
本专利技术涉及医学
，具体涉及一种孤立性肺结节恶性概率预测模型的建立方法。
技术介绍
目前学术界公认将直径小于或等于3cm，周围为肺组织包绕的圆形影像学结节影定义为孤立性肺结节(SPN)。文献统计，大约每500张X线胸片中可能有1张(0.2％)显示SPN，90％的SPN在健康人群体检中被无意发现，在美国每年可经健康体检发现超过15万个SPN。常见的SPN病理诊断结果包括良性的非特异性肉芽肿、炎性肉芽肿、错构瘤、硬化型血管瘤等，以及恶性的原发性肺癌及肺转移瘤等。国际上已有大样本、前瞻性临床研究证实对偶发的孤立性肺结节在必要时进行外科干预，明确良恶性并行规范治疗，可以降低与肺癌有关的病死率。目前临床上选择对SPN病例进一步检查甚至外科干预的时机主要基于医师的临床经验，受主观因素影响巨大，不同专业方向的医师往往意见相左(如同样的孤立性肺结节，外科医生通常倾向手术活检，内科医生通常倾向药物治疗并随诊观察，放射科医生通常建议CT引导下穿刺活检)，并无客观、可量化指标供参考。
技术实现思路
本专利技术的目的在于提供一种孤立性肺结节恶性概率预测模型的建立方法，该方法准确性高，简单易行，能够给进一步的诊断治疗提供有效的中间信息。为实现上述目的，本专利技术方法采用如下技术方案：一种孤立性肺结节恶性概率预测模型的建立方法，所述方法具体如下：采集患者基本信息和术前1-7天血清肿瘤标记物水平，再结合患者的CT影像学报告，将患者病例按GGO比例分为GGO比例大于等于50％和小于50％两组，每组病例按3：1比例均设置实验组和验证组，将实验组病例相关资料进行单因素分析，初步筛选出独立危险因素，带入多因素分析，获得判断SPN良、恶性的独立危险因素，应用Logistics回归获得SPN恶性概率预测模型，再应用验证组病例资料带入模型进行验证。具体地，所述患者基本信息包括年龄、性别、吸烟情况(是否吸烟、吸烟量、戒烟时间等)、家族肿瘤病史、既往肿瘤病史等。所述血清肿瘤标记物水平包括血清癌胚抗原CEA和血清骨胶素Cyfra21-1水平。所述CT影像学报告中包括结节位置、CT最大径、毛玻璃样病变GGO所占比例、毛刺征、分叶征、钙化、空洞、边界清楚及胸膜牵拉。所述独立危险因素包括年龄、CT最大径、有无毛刺、是否钙化、有无胸膜牵拉、有无肿瘤史、边界是否清楚、Cyfra21-1和CEA。所述预测模型具体为：P＝eX/(1+eX)；当GGO成分小于50％时：X＝-10.6+(0.064×年龄)+(1.358×最大径)+(1.698×毛刺)-(2.492×钙化)+(1.446×胸膜牵拉)+(2.101×肿瘤史)+(0.639×Cyfra21-1)+(0.633×CEA)。当GGO成分大于等于50％时：X＝-1.180+(0.057×年龄)-(2.30×边界清楚)+(1.032×CEA)；其中e是自然对数；“年龄”的单位是“岁”；“最大径”指CT肺窗上结节最大直径，单位为cm；“毛刺”、“钙化”、“胸膜牵拉”、“肿瘤史”、“边界清楚”为定性指标，“是”计为1，“否”记为0；CEA和Cyfra21-1单位均为ng/mL，所述检测应用医疗单位统一试剂盒。本专利技术方法具有如下优点：以上指标均是通过对病人的询问或者常规检查得出来的，不涉及有创检查或操作，为患者最大限度减少病痛。利用Logistics回归获得的模型，这种方法基于临床“大数据”方法的应用，可靠性高。本专利技术提供的模型简单易用，并且所用的指标均是常规检查就能得出来的指标，易于采用，根据这种模型可以给医生进一步诊断治疗提供有效的中间参考信息，具有较高的参考价值。附图说明图1是GGO成分小于50％病例的ROC曲线(左为实验组，右为验证组)；图2是GGO成分大于等于50％病例的ROC曲线(左为实验组，右为验证组)。具体实施方式下面将参照附图更详细地描述本专利技术的具体实施例。虽然附图中显示了本专利技术的具体实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本专利技术的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本专利技术的范围。本专利技术的保护范围当视所附权利要求所界定者为准。实施例1一种孤立性肺结节恶性概率预测模型的建立方法申请人采用1234例孤立性肺结节病例，全部病例均获得明确的病理诊断。采集患者一般状况，包括年龄、性别、吸烟情况(是否吸烟、吸烟量、戒烟时间等)、家族肿瘤病史、既往肿瘤病史。采集术前1-7天血清肿瘤标记物水平，包括血清癌胚抗原(carcinoembryonicantigen,CEA)和血清骨胶素(Cyfra21-1)水平。由胸外科、呼吸科、放射科医师共同阅片评估CT影像学特点，包括结节位置、CT最大径(肺窗)、毛玻璃样病变(ground-glassopacity,GGO)所占比例、毛刺征、分叶征、钙化、空洞、边界清楚及胸膜牵拉征。考虑到结节GGO比例不同会严重影响良恶性判断，将全部病例按GGO比例分为两组(GGO比例大于等于50％或小于50％)。每组病例按3：1比例均设置实验组和验证组。将实验组病例相关资料进行单因素分析，初步筛选出独立危险因素，带入多因素分析，获得判断SPN良恶性的独立危险因素，应用Logistics回归获得SPN恶性概率预测模型如下：P＝eX/(1+eX)；当GGO成分小于50％时：X＝-10.6+(0.064×年龄)+(1.358×最大径)+(1.698×毛刺)-(2.492×钙化)+(1.446×胸膜牵拉)+(2.101×肿瘤史)+(0.639×Cyfra21-1)+(0.633×CEA)。当GGO成分大于等于50％时：X＝-1.180+(0.057×年龄)-(2.30×边界清楚)+(1.032×CEA)；其中e是自然对数；“年龄”的单位是“岁”；“最大径”指CT肺窗上结节最大直径，单位为cm；“毛刺”、“钙化”、“胸膜牵拉”、“肿瘤史”、“边界清楚”为定性指标，“是”计为1，“否”记为0；CEA和Cyfra21-1单位均为ng/mL，所述检测应用医疗单位统一试剂盒。为了进一步证实本专利技术所述预测模型的预测效果，申请人对其进行了如下对比验证，具体如下：我们对该模型预测效力进行了初步检测，绘制受试者工作曲线(receiveroperatingcharacteristiccurve,ROC)并对曲线下面积(areaundertheROCcurve,AUC)进行比较。对GGO成分小于50％的病例，AUC值在实验组为0.960(95％CI,0.946-0.973)，验证组为0.948(95％CI,0.913-0.983)。对GGO成分大于等于50％的病例，AUC值在实验组为0.847(95％CI,0.784-0.909)，验证组为0.833(95％CI,0.673-0.993)。如图1、图2所示。根据统计学理论，ROC曲线下的面积值在1.0和0.5之间。在AUC>0.5的情况下，A本文档来自技高网...

【技术保护点】
一种孤立性肺结节恶性概率预测模型的建立方法，其特征在于，所述方法具体如下：采集患者基本信息和术前1‑7天血清肿瘤标记物水平，再结合患者的CT影像学报告，将患者病例按毛玻璃样病变GGO比例分为GGO比例大于或等于50％和小于50％两组，每组病例按3：1比例均设置实验组和验证组，将实验组病例相关资料进行单因素分析，初步筛选出独立危险因素，带入多因素分析，获得判断SPN良、恶性的独立危险因素，应用Logistics回归获得SPN恶性概率预测模型，再应用验证组病例资料带入模型进行验证。

【技术特征摘要】
1.一种孤立性肺结节恶性概率预测模型的建立方法，其特征在于，所述方法具体如下：采集患者基本信息和术前1-7天血清肿瘤标记物水平，再结合患者的CT影像学报告，将患者病例按毛玻璃样病变GGO比例分为GGO比例大于或等于50％和小于50％两组，每组病例按3：1比例均设置实验组和验证组，将实验组病例相关资料进行单因素分析，初步筛选出独立危险因素，带入多因素分析，获得判断SPN良、恶性的独立危险因素，应用Logistics回归获得SPN恶性概率预测模型，再应用验证组病例资料带入模型进行验证。2.根据权利要求1所述的孤立性肺结节恶性概率预测模型的建立方法，其特征在于，所述患者基本信息包括年龄、性别、吸烟情况、家族肿瘤病史、既往肿瘤病史。3.根据权利要求1所述的孤立性肺结节恶性概率预测模型的建立方法，其特征在于，所述血清肿瘤标记物水平包括血清癌胚抗原CEA水平。4.根据权利要求1所述的孤立性肺结节恶性概率预测模型的建立方法，其特征在于，所述血清肿瘤标记物水平还包括血清骨胶素Cyfra21-1水平。5.根据权利要求1所述的孤立性肺结节恶性概率预测模型的建立方法，其特征在于，所述CT影像学报告中包括结节位置、CT最大径、毛玻璃样病变GGO所占比例、毛刺征、分叶征、钙...

【专利技术属性】
技术研发人员：肖飞，梁朝阳，
申请(专利权)人：中日友好医院，
类型：发明
国别省市：北京,11