【技术实现步骤摘要】
一种基于血液常规指标检测的sFLC预测系统
[0001]本专利技术涉及生物医疗
,尤其涉及一种基于血液常规指标检测的sFLC预测系统。
技术介绍
[0002]多发性骨髓瘤是一种浆细胞发生恶性克隆增殖的肿瘤,仍然无法完全治愈此类疾病。目前,针对多发性骨髓瘤的治疗,研究者们开发了诸如树突状细胞疫苗、供者淋巴细胞输注、自然杀伤细胞、基因修饰的T细胞等,极大地鼓舞人们对于多发性骨髓瘤患者治疗的信心。尽管如此,我们依然无法回避目前多发性骨髓瘤患者的平均生存期仅为3
‑
4年的现实。对多发性骨髓瘤等恶性肿瘤的患者进行危险分层,能在很大程度上指导临床医生在帮助患者进行治疗方案综合选择时提供强有力的参考,使患者更加能够获得符合病情的治疗。将患者按照一定的标准区分不同的类型或者时期等,并以此为根据来选择最合适不同患者个体的治疗方案。如国际预后分期系统(R
‑
ISS)就是一种得到广泛接受的分层标准。
[0003]对于R
‑
ISS标准,根据患者的包括年龄、性别、白蛋白、血肌酐、血β2微球蛋白、血清M蛋白、染色体核型、是否髓外浸润等宏观或者微观的指标进行分层。此外,还有Durie
‑
Salmon,mSMART等一些针对多发性骨髓瘤的分层标准,但无例外,其都是根据患者的临床信息及实验室检查结果来对患者进行分层,以期能在患者进行治疗方案选择时提供参考。但是往往临床表现和实验室检查很容易受到其他因素的干扰而导致误差较大,且分层不够细致不能更好地贴合每一位患者的疾病 ...
【技术保护点】
【技术特征摘要】
1.一种基于血液常规指标检测的sFLC预测系统,其特征在于,包括:第一训练装置,获取多名第一类患者的第一诊疗数据,依据所述第一诊疗数据构建第一训练模型;第二训练装置,获取多名第二类患者的第二诊疗数据,依据所述第二诊疗数据构建第二训练模型;关联装置,依据数据库内存储的sFLC
‑
血常规指标映射关系关联所述第一训练模型和第二训练模型,得出所述第一类患者和第二类患者的风险相关性;预测装置,输入待预测患者的待预测指标,如果所述待预测指标认定所述患者属于第二类患者,则依据所述第二训练模型得出所述待预测患者的sFLC预测结果,如果所述待预测指标认定所述患者属于第一类患者,则依据所述第一类患者和第二类患者的风险相关性,得出所述待预测患者的sFLC预测结果;聚类装置,获取所述待预测患者之后的第三诊疗数据,并对所述第三诊疗数据进行聚类分析;修正装置,当聚类分析后的第三诊疗数据出现异常时,比较所述第三诊疗数据和所述sFLC预测结果,对所述第一训练模型或第二训练模型进行修正。2.如权利要求1所述的一种基于血液常规指标检测的sFLC预测系统,其特征在于,所述第一训练装置,获取多名第一类患者的第一诊疗数据,依据所述第一诊疗数据构建第一训练模型,具体包括:接收第一训练诊疗指标的训练分析指令,获取自预设的诊疗指标输入界面录入的所述第一训练诊疗指标的诊疗指标参数;获取自预设的病历导入界面导入的第一病历,并根据所述第一训练诊疗指标的诊疗指标参数自预设的患者数据库中选取所述第一训练诊疗指标的患者参数,根据所述第一训练诊疗指标的患者参数和所述第一病历建立第一训练模型;对所述第一训练模型进行历史训练分析之后获取第一训练分析结果,确定所述第一训练诊疗指标的患者参数与所述第一训练分析结果之间的第一类患者的结果对应关系;将所述第一训练诊疗指标的诊疗指标参数和患者参数、所述第一训练分析结果以及所述第一类患者的结果对应关系关联存储至历史训练数据库。3.如权利要求2所述的一种基于血液常规指标检测的sFLC预测系统,其特征在于,所述第二训练装置,获取多名第二类患者的第二诊疗数据,依据所述第二诊疗数据构建第二训练模型,具体包括:接收第二训练诊疗指标的训练分析指令,获取自所述诊疗指标输入界面录入的所述第二训练诊疗指标的诊疗指标参数;在所述第二训练诊疗指标的诊疗指标参数与所述历史训练数据库中的所述第一训练诊疗指标的诊疗指标参数匹配时,自所述历史训练数据库中获取所述第一训练诊疗指标的患者参数、所述第一训练分析结果以及所述第一类患者的结果对应关系;获取自所述病历导入界面导入的第二病历,根据所述第一训练诊疗指标的患者参数以及所述第二训练诊疗指标的诊疗指标参数自所述患者数据库中选取所述第二训练诊疗指标的患者参数,并根据所述第二训练诊疗指标的患者参数和所述第二病历建立第二训练模型;
对所述第二训练模型进行历史训练分析之后获取第二训练分析结果,确定所述第二训练诊疗指标的患者参数与所述第二训练分析结果之间的第二类患者的结果对应关系;将所述第二训练诊疗指标的诊疗指标参数和患者参数、所述第二训练分析结果以及所述第二类患者的结果对应关系关联存储至历史训练数据库。4.如权利要求1所述的一种基于血液常规指标检测的sFLC预测系统,其特征在于,所述关联装置,依据数据库内存储的sFLC
‑
血常规指标映射关系关联所述第一训练模型和第二训练模型,得出所述第一类患者和第二类患者的风险相关性,具体包括:从所述数据库内存储的sFLC
‑
血常规指标映射关系中提取所述sFLC的多个正相关血常规指...
【专利技术属性】
技术研发人员:刘有根,李丹,罗锐,黄宗林,闫宏,江楠,
申请(专利权)人:成都医学院,
类型:发明
国别省市:
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。