一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统技术方案

本发明专利技术提供了一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统，该风险预测模型包括以下回归方程：Logit(P)＝ln(P/1‑P)＝‑11.149+0.113*年龄+0.170*体质指数+0.002*包块体积+2.420*血流信号。相比现有技术，本发明专利技术的预测模型大大提高了卵巢癌风险的预测准确性，帮助临床更好地制定治疗方案。

【技术实现步骤摘要】
一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统
本专利技术属于疾病风险预测领域，涉及一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统。
技术介绍
子宫内膜异位症是妇科的常见疾病之一，育龄期女性多见，女性群体发病率为6-10％，其主要的临床表现为痛经、不孕及盆腔包块等[ZafrakasM,GrimbizisG,TimologouA,etal.Endometriosisandovariancancerrisk:asystematicreviewofepidemiologicalstudies[J].FrontSurg,2014,1:14；MogensenJB,KjaerSK,MellemkjaerL,etal.Endometriosisandrisksforovarian,endometrialandbreastcancers:Anationwidecohortstudy[J].GynecolOncol,2016,143(1):87-92；KingCM,BarbaraC,PrenticeA,etal.Modelsofendometriosisandtheirutilityinstudyingprogressiontoovarianclearcellcarcinoma[J].JPathol,2016,238(2):185-196]。子宫内膜异位症相关卵巢癌(endometriosisassociatedovariancancer，EAOC)是指由卵巢子宫内膜异位囊肿(ovarianendometriosis，OEMs)发展来的卵巢癌，其恶变率为1％左右，1925年由Sampson首次报道[MogensenJB,KjaerSK,MellemkjaerL,etal.Endometriosisandrisksforovarian,endometrialandbreastcancers:Anationwidecohortstudy[J].GynecolOncol,2016,143(1):87-92]。国内外关于卵巢癌的预测模型陆续有报道，其中血CA125值是应用最广泛的肿瘤标志物，而恶性危险指数模型(theRiskofMalignancyIndex，RMI)是目前应用最广泛的卵巢癌风险预测模型，也是卵巢肿瘤分诊最好的标准之一[ZhouY,HuaKQ.Ovarianendometriosis:riskfactoranalysisandpredictionofmalignanttransformation[J].PrzMenopauzalny,2018,17(1):43-48]。另外恶性风险算法模型(theRiskofMalignancyAlgorithm，ROMA)及国际卵巢肿瘤分析模型(theInternationalOvarianTumorAnalysis，IOTA)也是比较有代表性的卵巢癌风险预测模型[BurghausS,HaberleL,SchrauderMG,etal.Endometriosisasariskfactorforovarianorendometrialcancer-resultsofahospital-basedcase-controlstudy[J].BMCCancer,2015,15:751；KadanY,FiasconeS,McCourtC,etal.Predictivefactorsforthepresenceofmalignanttransformationofpelvicendometriosis[J].EurJObstetGynecolReprodBiol,2015,185:23-27]。目前，未见专门针对EAOC的风险预测模型。
技术实现思路
为了解决现有技术存在的问题，本专利技术的目的在于提供一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统。本专利技术的风险预测模型利用多因素分析得到的二元逻辑回归方程获得OEMs的恶变概率，进而判断受试者患病风险高低，帮助临床更好地制定治疗方案。根据本专利技术的一个方面，本专利技术提供了一种子宫内膜异位症相关卵巢癌的危险因素，所述危险因素包括年龄、体质指数、包块体积、血流信号。根据本专利技术的另一个方面，本专利技术提供了一种子宫内膜异位症相关卵巢癌的风险预测模型，所述预测模型包括以下危险因素：年龄、体质指数、包块体积、血流信号。根据本专利技术的又一个方面，本专利技术提供了一种子宫内膜异位症相关卵巢癌的风险预测模型，所述风险预测模型利用以下回归方程计算恶变概率：Logit(P)＝ln(P/1-P)＝-11.149+0.113*年龄+0.170*体质指数+0.002*包块体积+2.420*血流信号；其中，P为恶变概率。根据本专利技术的又一个方面，本专利技术提供了前面所述的预测模型的建立方法，所述方法包括如下步骤：1)单因素分析与子宫内膜异位症相关卵巢癌的风险相关的危险因素；3)用多因素分析构建二元逻辑回归方程，获得所述预测模型。根据本专利技术的又一个方面，本专利技术提供了一种子宫内膜异位症相关卵巢癌的风险预测模型列线图，根据前面所述的回归方程使用Rstudio软件画出其列线图。在专利技术的一个具体实施例中，所述列线图如图1所示。列线图(AlignmentDiagram)，又称诺莫图(Nomogram图)，它是建立在多因素回归分析的基础上，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。列线图的基本原理，简单的说，就是通过构建多因素回归模型(常用的回归模型，例如Cox回归、Logistic回归等)，根据模型中各个影响因素对结局变量的贡献程度(回归系数的大小)，给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测值。列线图将复杂的回归方程，转变为了可视化的图形，使预测模型的结果更具有可读性，方便对患者进行评估。根据本专利技术的又一个方面，本专利技术提供了一种子宫内膜异位症相关卵巢癌的风险预测系统，所述预测系统包括计算单元，所述计算单元利用前面所述的回归方程计算恶变概率。进一步，所述预测系统还包括检测单元，所述检测单元用于检测体质指数、包块体积或血流信号。所述检测单元利用检测体重或身高的设备检测体质指数，或利用检测包块体积的设备检测包块体积，或利用检测血流信号的设备检测血流信号。进一步，所述预测系统还包括信息获取单元，所述信息获取单元用于执行获取受试者检测信息的操作，所述检测信息包括体质指数、包块体积或血流信号。所述预测系统还包括评估单元，所述评估单元用于执行根据所述计算单元的计算结果判断受试者患有子宫内膜异位症相关卵巢癌的风险高低，给出合理化预防和治疗建议。进一步，所述预测系统还包括结果显示单元，所述结果显示单元用于显示所述评估单元得出的结论。优选地，所述结果显示单元通过屏幕本文档来自技高网...

【技术保护点】
1.一种子宫内膜异位症相关卵巢癌的危险因素，其特征在于，所述危险因素包括年龄、体质指数、包块体积、血流信号。/n

【技术特征摘要】
1.一种子宫内膜异位症相关卵巢癌的危险因素，其特征在于，所述危险因素包括年龄、体质指数、包块体积、血流信号。


2.一种子宫内膜异位症相关卵巢癌的风险预测模型，其特征在于，预测模型包括以下危险因素：年龄、体质指数、包块体积、血流信号；
优选地，所述预测模型利用以下回归方程计算恶变概率：
Logit(P)＝ln(P/1-P)＝-11.149+0.113*年龄+0.170*体质指数+0.002*包块体积+2.420*血流信号；
其中，P为恶变概率。


3.一种子宫内膜异位症相关卵巢癌的风险预测模型列线图，其特征在于，根据权利要求2所述的回归方程使用Rstudio软件画出其列线图；优选地，所述列线图如图1所示。


4.一种子宫内膜异位症相关卵巢癌的风险预测系统，其特征在于，所述预测系统包括计算单元，所述计算单元利用权利要求2中所述的回归方程计算恶变概率。


5.根据权利要求4所述的预测系统，其特征在于，所述预测系统还包括检测单元，所述检测单元用于检测体质指数、包块体积或血流信号。


6.根据权利要求4或5所...

【专利技术属性】
技术研发人员：李华，蔡雨晗，常筱晗，杨琳，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
类型：发明
国别省市：北京;11