一种胆囊癌患者放化疗后生存获益的预测模型建立方法技术

本发明专利技术涉及一种胆囊癌患者放化疗后生存获益的预测模型建立方法，包括获取胆囊癌患者的临床和病理数据；按照TNM分期将获取的数据划分为若干组数据，分别判断各期患者是否从辅助治疗中获益；将对应TNM分期的数据分为建模组和内部验证组；通过单因素COX风险比例模型分析建模组数据的临床、病理变量对总生存时间OS的预测能力，筛选出显著影响建模组患者总生存时间OS的风险因素；将筛选出的风险因素纳入多因素COX风险比例模型分析，筛选出显著影响患者总生存时间OS的影响变量；根据获得的影响变量，绘制用于预测总生存时间OS的列线图，获得预测模型；对模型进行验证。与现有技术相比，本发明专利技术具有为GBC患者提供可信的预测与分析结果、操作简便等优点。操作简便等优点。操作简便等优点。

【技术实现步骤摘要】
一种胆囊癌患者放化疗后生存获益的预测模型建立方法


[0001]本专利技术涉及预后评价
，尤其是涉及一种胆囊癌患者放化疗后生存获益的预测模型建立方法。

技术介绍

[0002]胆囊癌(GBC)是胃肠道肿瘤中发病率第五的肿瘤，年发病率为每10万人2至27人。尽管相对少见，但GBC是胆道最具侵袭性的恶性肿瘤，5年生存率约为5％。手术切除是治疗GBC的唯一方法。但完全切除后的复发率高，往往导致不良预后。因此，术后化疗、化疗联合放疗等辅助治疗被应用于GBC患者，以改善患者预后。
[0003]但由于GBC发病率较低，GBC辅助治疗指征及术后化疗、化疗联合放疗疗效差异尚存争议。目前，现有技术中对术后化疗、化疗联合放疗的疗效差异缺乏深入研究，目前尚无较好方法预测GBC患者接受化疗或化疗联合放疗的预后，无法对预后进行可靠分析。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种为GBC患者提供可信的预测与分析结果、操作简便的胆囊癌患者放化疗后生存获益的预测模型建立方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种胆囊癌患者放化疗后生存获益的预测模型建立方法，所述的预测模型建立方法为：
[0007]步骤1：获取胆囊癌患者的临床和病理数据；
[0008]步骤2：按照TNM分期将步骤1获取的数据划分为若干组数据，并比较若干组数据对应的TNM分析患者接受不同辅助治疗后的生存差异，分别判断各期患者是否从辅助治疗中获益，若对应的TNM分期患者可以从辅助治疗中获益，则执行步骤3，否则，直接输出该期患者无法从辅助治疗中获益；
[0009]步骤3：按照步骤2获得的结果，将步骤1中的对应TNM分期的数据分为建模组和内部验证组；
[0010]步骤4：通过单因素COX风险比例模型分析建模组数据的临床、病理变量对总生存时间OS的预测能力，筛选出显著影响建模组患者总生存时间OS的风险因素；
[0011]步骤5：将步骤4筛选出的风险因素纳入多因素COX风险比例模型分析，筛选出显著影响患者总生存时间OS的影响变量；
[0012]步骤6：根据步骤5获得的影响变量，绘制用于预测总生存时间OS的列线图，获得预测模型；
[0013]步骤7：对模型进行验证。
[0014]优选地，所述的步骤1中胆囊癌患者的临床和病理数据包括：患者的性别、年龄、肿瘤分化程度、TNM分期、手术方式、清扫淋巴结个数、术后辅助治疗方式以及总生存时间OS；所述的手术方式包括无辅助治疗NCRT、化疗CT合格化疗联合放疗CRT。
[0015]更加优选地，所述的步骤2具体为：
[0016]步骤2
‑
1：按照TNM分期，将步骤1中的数据划分为若干组数据；
[0017]步骤2
‑
2：采用广义增强模型GBM计算倾向评分PS；
[0018]步骤2
‑
3：采用倾向评分PS对各组数据进行逆概率加权IPTW；
[0019]步骤2
‑
4：比较IPTW加权前后各组变量差异；
[0020]步骤2
‑
5：通过Kaplan
‑
Meier法对IPTW加权前后的样本进行生存分析，判断各期患者是否从辅助治疗中获益，若对应的TNM分期患者可以从辅助治疗中获益，则执行步骤3，否则，直接输出该期患者无法从辅助治疗中获益。
[0021]更加优选地，所述步骤2
‑
3中进行逆概率加权IPTW时样本的权重为倾向评分的倒数，即：
[0022][0023]其中，w为样本权重，PS为样本的倾向评分。
[0024]更加优选地，所述步骤2
‑
4中采用绝对标准差异比较IPTW加权前后各组变量的差异；所述的绝对标准差异的计算方法为：
[0025][0026]其中，P
treat
为处理组相应参数值；P
control
为对照组相应参数值。
[0027]更加优选地，所述的步骤2
‑
5还包括：采用log
‑
rank检验比较生存曲线的差异。
[0028]优选地，所述的步骤4具体为：
[0029]通过单因素COX风险比例模型分析建模组数据的临床、病理变量对总生存时间OS的预测能力，筛选出分析结果中p＜0.05的因素作为显著影响建模组患者总生存时间OS的风险因素。
[0030]优选地，所述的步骤5具体为：
[0031]将步骤4筛选出的风险因素纳入多因素COX风险比例模型分析，筛选出分析结果中p＜0.05的变量作为显著影响患者总生存时间OS的影响变量。
[0032]优选地，所述的步骤3还包括：在将步骤1中的对应TNM分期的数据分为建模组和内部验证组的同时获取外部验证组。
[0033]更加优选地，所述的步骤7具体为：
[0034]使用内部验证组和外部验证组数据对预测模型进行验证，模型的验证通过C
‑
index指数以及一致性曲线分析完成。
[0035]与现有技术相比，本专利技术具有以下有益效果：
[0036]一、为GBC患者提供可信的预测与分析结果：本专利技术中的胆囊癌患者放化疗后生存获益的预测模型建立方法利用采集患者常规临床病理指标提取特征建模列线图预测模型，结果客观准确，对特定的个体分别进行预测分析，提供可信的预测与分析结果。
[0037]二、操作简便：本专利技术中的胆囊癌患者放化疗后生存获益的预测模型建立方法操作过程简便、直观、易于重复，住院医师均可以完成。
附图说明
[0038]图1为本专利技术中胆囊癌患者放化疗后生存获益的预测模型建立方法的流程示意图；
[0039]图2(a)为本专利技术实施例中II期GBC患者NCRT\CT匹配、加权前后基线指标差异变化图；
[0040]图2(b)为本专利技术实施例中II期GBC患者NCRT\CRT匹配、加权前后基线指标差异变化图；
[0041]图2(c)为本专利技术实施例中II期GBC患者CT\CRT匹配、加权前后基线指标差异变化图；
[0042]图3(a)为本专利技术实施例中II期GBC患者匹配前K
‑
M生存曲线图；
[0043]图3(b)为本专利技术实施例中II期GBC患者匹配后K
‑
M生存曲线图；
[0044]图4(a)为本专利技术实施例中III
‑
IV期GBC患者NCRT\CT匹配、加权前后基线指标差异变化图；
[0045]图4(b)为本专利技术实施例中III
‑
IV期GBC患者NCRT\CRT匹配、加权前后基线指标差异变化图；
[0046]图4(c)为本专利技术实施例中III
‑
IV期GBC患者CT\CRT匹配、加权前后基线指标差异变化图；
[0047]图5(a)为本专利技术实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胆囊癌患者放化疗后生存获益的预测模型建立方法，其特征在于，所述的预测模型建立方法为：步骤1：获取胆囊癌患者的临床和病理数据；步骤2：按照TNM分期将步骤1获取的数据划分为若干组数据，并比较若干组数据对应的TNM分析患者接受不同辅助治疗后的生存差异，分别判断各期患者是否从辅助治疗中获益，若对应的TNM分期患者可以从辅助治疗中获益，则执行步骤3，否则，直接输出该期患者无法从辅助治疗中获益；步骤3：按照步骤2获得的结果，将步骤1中的对应TNM分期的数据分为建模组和内部验证组；步骤4：通过单因素COX风险比例模型分析建模组数据的临床、病理变量对总生存时间OS的预测能力，筛选出显著影响建模组患者总生存时间OS的风险因素；步骤5：将步骤4筛选出的风险因素纳入多因素COX风险比例模型分析，筛选出显著影响患者总生存时间OS的影响变量；步骤6：根据步骤5获得的影响变量，绘制用于预测总生存时间OS的列线图，获得预测模型；步骤7：对模型进行验证。2.根据权利要求1所述的一种胆囊癌患者放化疗后生存获益的预测模型建立方法，其特征在于，所述的步骤1中胆囊癌患者的临床和病理数据包括：患者的性别、年龄、肿瘤分化程度、TNM分期、手术方式、清扫淋巴结个数、术后辅助治疗方式以及总生存时间OS；所述的手术方式包括无辅助治疗NCRT、化疗CT合格化疗联合放疗CRT。3.根据权利要求2所述的一种胆囊癌患者放化疗后生存获益的预测模型建立方法，其特征在于，所述的步骤2具体为：步骤2
‑
1：按照TNM分期，将步骤1中的数据划分为若干组数据；步骤2
‑
2：采用广义增强模型GBM计算倾向评分PS；步骤2
‑
3：采用倾向评分PS对各组数据进行逆概率加权IPTW；步骤2
‑
4：比较IPTW加权前后各组变量差异；步骤2
‑
5：通过Kaplan
‑
Meier法对IPTW加权前后的样本进行生存分析，判断各期患者是否从辅助治疗中获益，若对应的TNM分期患者可以从辅助治疗中获益，...

【专利技术属性】
技术研发人员：刘厚宝，万文泽，倪小健，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：