一种宫颈腺癌预后方法技术

本发明专利技术公开了一种宫颈腺癌预后方法，包括：获取临床病理参数，并根据临床病理参数在存储介质中建立相应的数组结构，所述临床病理参数包括组织学分级、原发肿瘤分期、淋巴结分期、远处转移分期、原发病灶实施手术与否和原发肿瘤的最大直径，将所述各临床病理参数保存到所述数组结构中对应的存储空间中；在存储介质中还设有用于存储宫颈腺癌预后模型的空间结构，在所述空间结构中存储有已建立的宫颈腺癌预后模型；通过处理器读取各临床病理参数，并将各临床病理参数输入所述宫颈腺癌预后模型，以动态列线图的形式展现数据信息；根据所述数据信息进行预测。本发明专利技术以动态列线图展现更加直观、理性的数据，从而提升医生的决策和预后的准确率及效率。预后的准确率及效率。预后的准确率及效率。

【技术实现步骤摘要】
一种宫颈腺癌预后方法


[0001]本专利技术涉及医学
，更具体地，涉及一种宫颈腺癌预后方法。

技术介绍

[0002]宫颈腺癌(uterine cervical adenocarcinoma,UCA)是宫颈腺癌的重要病理类型，约占10％～25％，其绝对和相对发病率在近20年里均呈上升趋势，尤其在20
‑
39岁的人群中。由于宫颈腺癌多为内生型，绝大多数病灶位于宫颈管内，造成早期筛查困难；而且腺癌组织学类型多，肿瘤异质性显著；与鳞癌相比，腺癌具有更高的淋巴结转移、卵巢转移及远处转移率，预后更差，上述均使得宫颈腺癌的早期诊断、有效治疗和预后评估成为临床医生面临的困境。目前，宫颈腺癌的治疗原则和预后判断主要参照宫颈鳞癌的标准，依据国际妇产科联盟(International Federation of Gynecology and Obstetrics,FIGO)分期和美国国立综合癌症网络(National Comprehensive Cancer Network,NCCN)临床实践指南：早期者以手术为主的综合治疗，晚期者推荐采用放化疗。有学者研究发现单独利用FIGO分期预测IB
‑
IIA早期宫颈腺癌患者术后5年OS，准确率仅有0.54。而且多项研究证实宫颈腺癌的生物学行为、对化疗和放疗的敏感性、预后均不同于鳞癌。Silva等把肿瘤的生物学行为作为关注焦点，根据肿瘤细胞在显微镜下的生长方式对肿瘤进行分级、并纳入LVSI，提出了宫颈腺癌采用Silva分型来判断预后，以浸润方式替代浸润深度，并提出由宫颈腺癌的浸润模式决定不同的治疗方式。但有学者提出Silva分型对宫颈腺癌预后的判断仅适用于HPV阳性的宫颈腺癌患者。因此，分析宫颈腺癌预后的独立危险因素并利用这些因素构建预测模型，实现更为精准地个体化评估宫颈腺癌患者的预后，指导临床治疗、随访以及预测疾病的进展具有重要的意义。
[0003]目前，对于宫颈腺癌，缺乏相应的预测模型，现有的预测模型多以静态列线图的形式展现，无法为医生的决策和预后提供更直观、理性的信息。

技术实现思路

[0004]针对上述问题，本专利技术提供了一种宫颈腺癌预后方法，将预测模型以动态列线图的形式展现更直观、理性的信息，从而提升医生的决策和预后的准确率及效率。
[0005]本专利技术的技术方案是：一种宫颈腺癌预后方法，包括以下步骤：获取患者的临床病理参数，并根据所述临床病理参数的数量在存储介质中建立相应的数组结构，所述临床病理参数包括组织学分级、原发肿瘤分期、淋巴结分期、远处转移分期、原发病灶实施手术与否和原发肿瘤的最大直径，将所述各临床病理参数保存到所述数组结构中对应的存储空间中；在存储介质中还设有用于存储宫颈腺癌预后模型的空间结构，在所述空间结构中存储有已建立的宫颈腺癌预后模型；通过处理器读取所述数组结构中的各临床病理参数，并将所述各临床病理参数输入所述已建立的宫颈腺癌预后模型，以动态列线图的形式展现数据信息；根据所述数据信息进行预测。
[0006]本专利技术的工作原理为：在得到宫颈腺癌预后模型后，将包括有组织学分级、原发肿
瘤分期、淋巴结分期、远处转移分期、原发病灶实施手术与否和原发肿瘤的最大直径的临床病理参数保存到数组结构对应的存储空间中，并通过处理器读取临床病理参数数据并将其输入已建立的宫颈腺癌预后模型，得到以动态列线图展示的信息，相比现有的静态列线图，数据更直观，能够直接得到医生所需的患者的生存概率、肿瘤特异性生存概率等关键数据及其趋势走向，从而提升医生的决策和预后的准确率及效率。
[0007]相比现有技术，本专利技术通过建立宫颈腺癌预后模型，并将患者的临床病理参数保存到数组结构对应的存储空间中，通过处理器读取临床病理参数数据并将其输入已建立的宫颈腺癌预后模型，得到以动态列线图展示的信息，相比现有的静态列线图，无需进行标尺测量进行数值计算，可直接得出医生所需的患者的生存概率、肿瘤特异性生存概率等关键数据及其趋势走向，从而提升医生的决策和预后的准确率及效率。
[0008]在进一步的技术方案中，所述宫颈腺癌预后方法还包括将预测的时间点输入所述宫颈腺癌预后模型。
[0009]通过将预测的时间点输入宫颈腺癌预后模型中，可以得到患者未来该时间点的肿瘤特异性生存概率及其95％置信区间等。
[0010]在进一步的技术方案中，所述动态列线图包括生存曲线图，所述生存曲线图为时间
‑
患者的生存概率的曲线图。
[0011]生存曲线图动态展示了患者的生存概率和时间的关系，可让医生更加直观的获取患者的生存概率趋势走向，为预后和决策提供依据。
[0012]在进一步的技术方案中，所述动态列线图包括具有肿瘤特异性生存概率数据及其置信区间的生存概率图。
[0013]生存概率图直观的展现了位于某一时间点的患者肿瘤特异性生存概率，简单高效，无需进行复杂的标尺计算。
[0014]在进一步的技术方案中，所述动态列线图包括数据列表，所述数据列表包括在预测的时间点下，患者的临床病理参数、患者的生存概率、肿瘤特异性生存概率及其置信区间数据。
[0015]通过数据列表，能够直观的获取未来某时间点的临床病理参数、患者的生存概率、肿瘤特异性生存概率及其置信区间等数据。
[0016]在进一步的技术方案中，所述宫颈腺癌预后模型通过COX比例风险模型建立。此外，所述COX比例风险模型包括：回归系数，所述回归系数的正负分别表明对患者预后的保护因素和不良因素；指数系数，指数系数的大小反应相应的变量对肿瘤特异性死亡的贡献度；所述回归系数的标准误；统计显著值，所述统计显著值用于评估相应变量对肿瘤特异性生存贡献度的统计学意义；所述指数系数的95％置信区间的上、下限；C统计量，所述C统计量用于表征所述宫颈腺癌预后模型的区分度；所述C统计量的标准差；似然比检验、沃尔德检验和时序检验，用于评估所述宫颈腺癌预后模型的统计学意义。
[0017]通过COX比例风险模型来构建宫颈腺癌预后模型，能够明确临床病理参数对预后的影响好坏、影响力的大小、以及统计学意义的评估，更具科学性。
[0018]在进一步的技术方案中，所述动态列线图包括模型总纲数据列表，模型总纲数据列表以所述临床病理参数为变量，以所述回归系数、指数系数、所述回归系数的标准误、统计显著值、C统计量、所述C统计量的标准差、以及所述指数系数的95％置信区间的上、下限
为函数值，还包括所述似然比检验、沃尔德检验和时序检验的统计学意义评估值。
[0019]通过将总纲数据列表进行展现，使得医生可以获取相应变量对患者预后的影响好坏和影响力的大小等，医生对于影响力更大的变量可以着重考量，做出更理性的预后和决策。
[0020]本专利技术的有益效果是：
[0021]1、相比现有技术，本专利技术通过建立宫颈腺癌预后模型，并将患者的临床病理参数保存到数组结构对应的存储空间中，通过处理器读取临床病理参数数据并将其输入已建立的宫颈腺癌预后模型，得到以动态列线图展示的信息，相比现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种宫颈腺癌预后方法，其特征在于，包括以下步骤：获取患者的临床病理参数，并根据所述临床病理参数的数量在存储介质中建立相应的数组结构，所述临床病理参数包括组织学分级、原发肿瘤分期、淋巴结分期、远处转移分期、原发病灶实施手术与否和原发肿瘤的最大直径，将所述各临床病理参数保存到所述数组结构中对应的存储空间中；在存储介质中还设有用于存储宫颈腺癌预后模型的空间结构，在所述空间结构中存储有已建立的宫颈腺癌预后模型；通过处理器读取所述数组结构中的各临床病理参数，并将所述各临床病理参数输入所述已建立的宫颈腺癌预后模型，以动态列线图的形式展现数据信息；根据所述数据信息进行预测。2.根据权利要求1所述的一种宫颈腺癌预后方法，其特征在于，还包括将预测的时间点输入所述宫颈腺癌预后模型中。3.根据权利要求1所述的一种宫颈腺癌预后方法，其特征在于，所述动态列线图包括生存曲线图，所述生存曲线图为时间
‑
患者的生存概率的曲线图。4.根据权利要求1所述的一种宫颈腺癌预后方法，其特征在于，所述动态列线图包括具有肿瘤特异性生存概率数据及其置信区间的生存概率图。5.根据权利要求1所述的一种宫颈腺癌预后方法，其特征在于，所述动态列线图包括数据列表，所述数据列表包括在...

【专利技术属性】
技术研发人员：罗成燕，程文俊，倪笑，马小玲，邱江南，周树林，孙国栋，袁琳，姜旖，
申请(专利权)人：江苏省人民医院南京医科大学第一附属医院，
类型：发明
国别省市：