【技术实现步骤摘要】
转化治疗方案的选择方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种转化治疗方案的选择方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着化疗、靶向治疗、以及免疫治疗方法的不断进步，可以实现利用有效的系统性治疗手段控制病灶，例如，转化治疗(Conversion therapy)，通过诱导肿瘤收缩和控制转移灶，可能将技术性不可切除的患者转变为可切除，对改善癌治疗及患者结局有重要意义。
[0003]通过既往研究可知，现有的转化治疗方式包括局部治疗、系统治疗和联合治疗等多种。相关技术中，辅助诊断系统在选择转化治疗方式时，通常是根据待治疗患者的病症，查询与该待治疗患者病症相同的历史患者所采用的转化治疗方式，并将查询到的转化治疗方式作为适合待治疗患者的治疗方式推送至医护人员，以便对待治疗患者进行治疗。然而，由于患者个体化特征的高度复杂性及相关数据的多样性，均会影响转化治疗方式，因此，采用相关技术提供的方法，可能无法准确地选择合适的转化治疗方式，也即可能出现同种转化治疗方式...
【技术保护点】
【技术特征摘要】
1.一种转化治疗方案的选择方法，其特征在于，包括：获取待预测患者的第一目标信息，所述第一目标信息包括所述待预测患者的基线数据、分子病理数据、影像学特征信息和临床信息；将所述第一目标信息输入预先训练得到的疗效预测模型，得到所述待预测患者在不同转化治疗方案下的疗效预测结果；其中，所述疗效预测结果包括：肿瘤的可手术切除概率、R0切除率和客观反映率；根据所述待预测患者在不同转化治疗方案下的疗效预测结果，从所述不同转化治疗方案中选取转化治疗方案，作为与所述待预测患者匹配的目标转化方案；其中，所述治疗效果预测模型包括与所述不同治疗方案分别对应的多个神经网络分支，所述多个神经网络分支中的每个神经网络分支为深度强化学习神经网络；所述治疗效果预测模型通过以下方式训练得到：获取历史患者的第二目标信息，并基于所述第二目标信息构建训练样本集，所述第二目标信息包括所述历史患者的基线数据、分子病理数据、影像学特征信息和临床信息；采用以所述第二目标信息作为待训练疗效预测模型的输入，以各转化治疗方案的疗效预测结果作为所述待训练疗效预测模型的输出结果的方式，对所述待训练疗效预测模型进行训练，以得到训练后的所述疗效预测模型，作为所述预先训练得到的疗效预测模型。2.一种转化治疗方案的选择方法，其特征在于，包括：获取待预测患者的第一目标信息，所述第一目标信息包括所述待预测患者的基线数据、分子病理数据、影像学特征信息和临床信息；将所述第一目标信息输入预先训练得到的疗效预测模型，得到所述待预测患者在不同转化治疗方案下的疗效预测结果；其中，所述疗效预测结果包括：肿瘤的可手术切除概率、R0切除率和客观反映率；根据所述待预测患者在不同转化治疗方案下的疗效预测结果，从所述不同转化治疗方案中选取转化治疗方案，作为与所述待预测患者匹配的目标转化方案。3.如权利要求1所述的方法，其特征在于，在将所述目标信息输入预先训练得到的疗效预测模型，得到所述待预测患者在不同转化治疗方案下的疗效预测结果之前，所述方法还包括：获取历史患者的第二目标信息，并基于所述第二目标信息构建训练样本集，所述第二目标信息包括所述历史患者的基线数据、分子病理数据、影像学特征信息和临床信息；采用以所述第二目标信息作为待训练疗效预测模型的输入，以各转化治疗方案的疗效预测结果作为所述待训练疗效预测模型的输出结果的方式，对所述待训练疗效预测模型进行训练，以得到训练后的所述疗效预测模型，作为所述预先训练得到的疗效预测模型。4.如权利要求3所述的方法，其特征在于，所述方法还包括：将所述第二目标信息输入所述疗效预测模型，得到所述历史患者在不同转化治疗方案中各转化治疗方案的第一疗效预测结果；根据所述第一疗效预测结果，确定与所述历史患者匹配的第一目标转化方案；获取所述历史患者的历史转化方案，以及与所述历史患者的相关的循证医学证据；根据所述第一目标转化方案、历史转化方案，以及所述循证医学证据，确定所述疗效预测模型的均方根误差函数；
基于所述均方根误差函数更新所述疗效预测模型的模型参数，直至所述疗效预测模型收敛。5.如权利要求2所述的方法，其特征在于，所述治疗效果预测模型包括与所述不同治疗方案分别...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。