一种基于预测模型的乳腺癌药物方案的预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于预测模型的乳腺癌药物方案的预测方法及装置。为了克服以基因突变为精准治疗主要手段的现状下乳腺癌患者用药获益率低，缺乏能良好体现肿瘤药物反应的数据源模型，同时解决现有技术的决策系统未纳入医学指南和医生的先验经验；本发明专利技术以乳腺癌患者肿瘤类器官药敏检测和临床资料作为输入，以融合了临床指南和医生经验的用药选择作为输出，利用TAN（树增强型朴素贝叶斯）算法建立预测模式，实现乳腺癌患者的精准用药决策。在少量样本的前提下，利用乳腺癌“试药替身

【技术实现步骤摘要】
一种基于预测模型的乳腺癌药物方案的预测方法及装置


[0001]本专利技术涉及一种癌症药物方案预测领域，尤其涉及一种基于预测模型的乳腺癌药物方案的预测方法及装置。

技术介绍

[0002]乳腺癌作为女性恶性肿瘤发病率、致残率和死亡率都非常高的严重疾病，严重威胁人民的生命健康，给国家、社会及个人带来严重的负担。
[0003]乳腺癌是一种高度异质性的疾病，不同患者在不同发展阶段用药差异巨大。传统的乳腺癌精准治疗以基因检测为主，通过基因检测识别肿瘤的突变情况，以此来进行针对性给药。基因检测费用高，携带突变基因的患者用药选择少，且并不是所有患者都能在靶向治疗中获益。且基因突变只是乳腺癌众多特征中的一种，仅凭突变基因难以实现精准用药。研究显示，只有8.33%的肿瘤患者能从基因检测的精准治疗中获益，这已经无法满足精准医疗时代的需求，个体化治疗方案需求迫切。
[0004]利用乳腺癌患者肿瘤组织进行体外培养，构建在结构以及功能上高度模拟人体的类肿瘤组织，重现乳腺癌肿瘤组织的异质性和关键病理学特征，并可在体外进行稳定的传代扩增，能够很好的作为肿瘤患者的体外“试药替身”，为乳腺癌精准治疗提供了丰富的想象空间。对乳腺癌类器官组织进行培养和药敏检测，获取类器官组织对不同药物方案的敏感性指标，融合患者临床治疗方案和机体状态特征，通过算法建模建立乳腺癌肿瘤的数字化肿瘤类器官预测模型，有望实现乳腺癌患者的精准用药预测。
[0005]基于乳腺癌类器官的药敏检测数据真实地反映了肿瘤细胞对不同药物的反应情况，应该被纳入到精准治疗的临床决策中，联合患者临床数据建立更为精准的药物系统。而在以往的预测模型中，只纳入了临床表型数据，或者基于肿瘤穿刺/手术样本的分子检测数据。首先，临床数据只能代表患者表型，数据维度不够深、信息密度低，往往很难达到较高的准确性；此外，用于组织检测的肿瘤穿刺手术样本仅仅只能代表肿瘤部分区域，由于乳腺癌的异质性非常强，相比肿瘤类器官组织，穿刺手术样本难以代表着肿瘤整体。
[0006]传统的医学预测模型主要通过已采集的结构化训练数据，进行计算机推断，它们只是在以后的数据中发现规律，并且试图利用数据模型模拟这种规律，以便应用于后续的临床决策中。然而它们忽略了医学指南和医学经验在用药决策上的重要性。
[0007]例如，一种在中国专利文献上公开的“一种基于R
‑
CNN
‑
GA的抗乳腺癌候选药物分类预测方法”，其公告号CN114627978A，包括：基于RFE和RF的主特征提取，提取原始数据中对生物活性影响重要性最强的主要特征；基于CNN_FC的ERα生物活性的定量预测方法，通过选取主要的特征变量来预测化合物对应的IC50和PIC50值；基于CNN_FC的多标签分类预测方法，对数据中化合物的Caco
‑
2、CYP3A4、hERG、HOB、MN特性进行分类预测；以及基于遗传算法的多目标优化模型，优化选取有益的特征变量及其最优取值范围。该方案没有考虑到医学指南和医学经验在用药决策上的重要性；未全面纳入乳腺癌患者用药相关的临床信息，所选取的生物样本局限于肿瘤穿刺或手术样本，难以全面体现肿瘤的结构和病理特征，模
型分类的对象为化合物，从化合物到临床药物尚有很长的一段距离，难以直接用于指导临床决策。
[0008]既往决策系统未纳入医学指南和医生的先验经验。它们忽略了医学指南和医学经验在用药决策上的重要性，由于乳腺癌的高度异质性，通过完全遵守医学指南或完全依赖医生经验的决策所沉淀下来的临床用药数据，其准确性和科学性存疑。相比之下，兼顾医学指南和医生经验往往能获得更准确的治疗结果，而这些先验的知识是传统医学预测模型较少考虑的，特别是在乳腺癌的用药决策上。
[0009]作为多分类任务，需要大量的样本采集来保证模型的准确性，由于临床肿瘤病例收集困难和高质量数据采集难度大等问题的制约，大规模的数据采集不现实。

技术实现思路

[0010]本专利技术主要解决以基因突变为精准治疗主要手段的乳腺癌患者用药获益率低，缺乏能良好体现肿瘤药物反应的数据源模型，以及决策系统未纳入医学指南和医生的先验经验的问题；提供一种基于预测模型的乳腺癌药物方案的预测方法及装置，以乳腺癌患者肿瘤类器官药敏检测和临床资料作为输入，以融合了临床指南和医生经验的用药选择作为输出，利用TAN（树增强型朴素贝叶斯）算法建立预测模式，实现乳腺癌患者的精准用药决策。
[0011]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于预测模型的乳腺癌药物方案的预测方法，包括以下步骤：S1：分别采集与乳腺癌临床用药决策相关的受检者临床信息、肿瘤类器官药敏检测数据以及采集受检者的给药信息，分析用药的先验分布；S2：以采集的受检者临床信息和肿瘤类器官药敏检测数据作为输入，以给药信息的药物类别作为输出，采用随机森林算法度量每个特征对药物类别的重要性程度进行特征选取；S3：以随机森林算法选取的特征作为输入，以乳腺癌的药物名称为输出，利用TAN模型建立乳腺癌药物选取的预测模型；S4：利用训练好的预测模型计算输入的临床信息和药敏检测数据，得到乳腺癌不同药物方案的选择概率。
[0012]本方案采用乳腺癌类器官药敏试验的数据指标联合临床数据建立用药方案预测的模型。利用乳腺癌类器官技术获取预测指标，高度模拟了肿瘤组织的生理和病理特性；联合临床数据建模，弥补了乳腺癌患者表观差异带来的用药差异，丰富了用药的决策维度，高度还原了真实临床诊疗流程。利用TAN算法建立了乳腺癌用药方案预测模型。在少量样本的前提下充分利用指南和医生的先验经验，结合结构化的训练数据，达到很好的乳腺癌用药决策的准确性。
[0013]作为优选，所述的受检测临床信息包括临床指标和病历信息；所述的临床指标包括：血常规、血凝、血气分析、尿常规、肝肾功能电解质、血液免疫指标、肿瘤标记物和基因突变情况；所述的病历信息包括：受检者的性别、年龄、首发症状、并发症、合并症、体检指标和既往治疗史。
[0014]受检者的临床指标可以通过受检者在接受肿瘤样本采集前进行的检查获得。病历
信息可以从受检者的病历中获取。
[0015]作为优选，所述的药敏检测数据包括受检者的样本信息和药敏相关指标；所述的受检者的样本信息包括：收样时间、开始检测时间、结束检测时间、肿瘤类型、分化程度、组织学分型、样本来源、样本形态和样本大小；所述的受检验者的药敏相关指标包括：检测药物、药物最大浓度、药物最低浓度、半抑制浓度、浓度抑制曲线下面积、浓度抑制曲线坡度和半有效浓度。
[0016]作为优选，所述的给药信息包括单药和药物组合；单药方案包括：卡培他滨、奥拉帕利、紫杉醇、艾立布林、长春瑞滨、吉西他滨；联合用药方案包括：TCbHP方案、THP方案、TCbH方案、TAC方案、AT方案、AC方案、AT
‑
NP方案和TP方案。
[0017]作为优选，用药的先验分布分析过程为：根据指南，梳理病例诊疗信息，挑选出符合任意一种指南的乳腺癌患者，明确用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测模型的乳腺癌药物方案的预测方法，其特征在于，包括以下步骤：S1：分别采集与乳腺癌临床用药决策相关的受检者临床信息、肿瘤类器官药敏检测数据以及采集受检者的给药信息，分析用药的先验分布；S2：以采集的受检者临床信息和肿瘤类器官药敏检测数据作为输入，以给药信息的药物类别作为输出，采用随机森林算法度量每个特征对药物类别的重要性程度进行特征选取；S3：以随机森林算法选取的特征作为输入，以乳腺癌的药物名称为输出，利用TAN模型建立乳腺癌药物选取的预测模型；S4：利用训练好的预测模型计算输入的临床信息和药敏检测数据，得到乳腺癌不同药物方案的选择概率。2.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法，其特征在于，所述的受检测临床信息包括临床指标和病历信息；所述的临床指标包括：血常规、血凝、血气分析、尿常规、肝肾功能电解质、血液免疫指标、肿瘤标记物和基因突变情况；所述的病历信息包括：受检者的性别、年龄、首发症状、并发症、合并症、体检指标和既往治疗史。3.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法，其特征在于，所述的药敏检测数据包括受检者的样本信息和药敏相关指标；所述的受检者的样本信息包括：收样时间、开始检测时间、结束检测时间、肿瘤类型、分化程度、组织学分型、样本来源、样本形态和样本大小；所述的受检验者的药敏相关指标包括：检测药物、药物最大浓度、药物最低浓度、半抑制浓度、浓度抑制曲线下面积、浓度抑制曲线坡度和半有效浓度。4.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法，其特征在于，所述的给药信息包括单药和药物组合；单药方案包括：卡培他滨、奥拉帕利、紫杉醇、艾立布林、长春瑞滨、吉西他滨；联合用药方案包括：TCbHP方案、THP方案、TCbH方案、TAC方案、AT方案、AC方案、AT
‑
NP方案和TP方案。5.根据权利要求1或2或3或4所述的一种基于预测模型的乳腺癌药物方案的预测方法，其特征在于，用药的先验分布分析过程为：根据指南，梳理病例诊疗信息，挑选出符合任意一种指南的乳腺癌患者，明确用药方案；结合若干名高年资医学专家的经验，通过阅读病历的方式，确定符合高年资医学专家用药经验的乳腺癌患者，梳理受检者的治疗方案；以RECIST标准为药物疗效的评估标准，筛选在给到明确药物方案后，在治疗周期内肿瘤完全缓解或部分缓解的受检者作为分析对象；确定乳腺癌患者用药...

【专利技术属性】
技术研发人员：游明亮，沈伟，杨杰，
申请(专利权)人：杭州艾名医学科技有限公司，
类型：发明
国别省市：