一种宫颈癌术后生存预测方法、系统、设备及介质技术方案

本发明专利技术提供一种宫颈癌术后生存预测方法、系统、设备及介质，属于医学技术领域。本发明专利技术在传统患者评估的基础上，重点突出病理因素对患者术后生存的影响，以机器学习算法为基础，从而开发了一种预测早期宫颈癌患者术后发生生存的临床预测模型。本发明专利技术可以为早期宫颈癌术后辅助治疗方案的选择及精准治疗提供更加个性化的临床指导意见，因此具有良好的实际应用之价值。

【技术实现步骤摘要】
一种宫颈癌术后生存预测方法、系统、设备及介质
本专利技术属于医学
，具体涉及一种宫颈癌术后生存预测方法、系统、设备及介质。
技术介绍
公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。在全球女性范围内，宫颈癌是发病率第二位的恶性肿瘤，并且死亡率居恶性肿瘤的第三位。在中国，大约只有1/5的女性进行过宫颈癌的的筛查，这一比率远低于发达国家，因此中国女性宫颈癌的发病率有增高的趋势。目前，宫颈癌患者的预后与国际妇产科临床联合会(FIGO)分期系统密切相关。宫颈癌的临床分期主要取决于妇科医生在进行任何治疗之前的盆腔检查。如果患者同时伴有盆腔炎、子宫内膜异位症或肥胖等情况，术前妇科检查判断临床分期是不准确的。另外早期宫颈癌患者的术后病理结果对患者的预后也有一定的影响。组织学和临床病理危险因素，如淋巴结阳性，宫旁浸润，淋巴间隙浸润，肿瘤大小，宫颈侵犯深度和组织学类型，已被确定对宫颈癌患者的预后存在重要意义。在这些危险因素中，淋巴结阳性本文档来自技高网...

【技术保护点】
1.一种宫颈癌术后生存预测方法，其特征在于，所述方法包括：/n获取宫颈癌术后患者的临床数据；/n根据已建立的宫颈癌术后生存预测模型对待测对象进行预测，得到待测对象的宫颈癌术后生存的预测结果；/n其中，所述宫颈癌术后生存预测模型是通过将预先采集的宫颈癌术后患者的临床数据采用机器学习算法进行模型训练获得。/n

【技术特征摘要】
1.一种宫颈癌术后生存预测方法，其特征在于，所述方法包括：
获取宫颈癌术后患者的临床数据；
根据已建立的宫颈癌术后生存预测模型对待测对象进行预测，得到待测对象的宫颈癌术后生存的预测结果；
其中，所述宫颈癌术后生存预测模型是通过将预先采集的宫颈癌术后患者的临床数据采用机器学习算法进行模型训练获得。


2.如权利要求1所述的宫颈癌术后生存预测方法，其特征在于，获取宫颈癌术后患者的临床数据包括年龄、孕产史、HPV分型、FIGO分期、手术方式、术后病理和辅助治疗方案；
优选的，所述患者为早期宫颈癌IA-IA2期的患者；
优选的，所述术后病理包括但不限于病理学类型、病理学分化程度、肿瘤最大直径、淋巴管间隙状态和宫颈间质浸润深度。


3.如权利要求2所述的宫颈癌术后生存预测方法，其特征在于，对临床数据进行预处理，具体的，对临床数据中的连续型数据采取ROC曲线最佳约登值的方法寻找最佳临界点，进行二分类的分组；对临床数据中的分类数据均作为分组数据进行处理。


4.如权利要求1所述的宫颈癌术后生存预测方法，其特征在于，所述机器学习算法为套索分析和多因素Cox回归分析。


5.如权利要求1所述的宫颈癌术后生存预测方法，其特征在于，宫颈癌术后生存预测模型构建具体方法包括：
S1、以患者术后总生存期为结局，使用建模组预处理后的宫颈癌患者的临床数据，运用套索分析进行对上述临床因素进行危险因素的筛选；
S2、将LASSO所得的危险因素，以总生存期(OS)为结局，使用多因素Cox回归分析构建预测模型；
优选的，将多因素Cox回归分析所得的危险因素，使用诺莫图的方法进行展示；
优选的，使用受试者工作特征曲线判断模型的区分度；如果ROC曲线的下面积大于设定阈值，则表示宫颈癌术后生存预测模型预测能力满足要求，输出宫颈癌术后生存预测模型。


6.如权利要求5所述的宫颈癌术后生存预测方法，其特征在于，对宫颈癌术后生存预测模型进行验证，判断模型的区分能力；
所述验证方法包括模型的外部验证和/或基于机器学习算法的模型外部验证；
其中，所述模型的外部验证方法具体为：使用验证组宫颈癌患者的临床数据，对上述构建的模型进行验证，同时获得验证队列的ROC曲线，判断模型的区分能力；
所述基于机器学习算法的模型外部验证方法具体为：...

【专利技术属性】
技术研发人员：李莉，褚然，宋坤，谯旭，苏绚涛，解琳，陈威，姚舒，苑存忠，孔北华，
申请(专利权)人：山东大学齐鲁医院，
类型：发明
国别省市：山东;37